﻿ 居民消费价格指数的统计回归模型 The Statistical Regression Model of Consumer Price Index

Statistical and Application
Vol.04 No.01(2015), Article ID:14892,5 pages
10.12677/SA.2015.41002

The Statistical Regression Model of Consumer Price Index

Yi Zhang

School of Statistics and Mathematics, Yunnan University of Finance and Economics, Kunming Yunnan

Email: zgws9999@163.com

Received: Feb. 10th, 2015; accepted: Feb. 21st, 2015; published: Feb. 28th, 2015

ABSTRACT

We obtain the best regression model by using stepwise regression method and analyzing the consumer price index and its impact factors; then we get some most important impact factors of it. The feasibility of the regression model is proved in the paper. The results show that the accuracy of model reaches to 99.8982%, so it have feasibility. Some suggestions based on the results are given at last.

Keywords:Consumer Price Index, Stepwise Regression Method, Model Accuracy

Email: zgws9999@163.com

1. 引言

2. 数据来源及变量

3. 共线性诊断

4. 逐步回归法的应用

5. 回归模型的可行性检验

6. 结论

Table 1. Collinearity diagnosis table

Table 2. Inspection table of VIF

Table 3. F-test of each regression model and inspection table of coefficient of determination

Table 4. T-test of model 1 and inspection table of VIF

Table 5. T-test of model 2 and inspection table of VIF

、烟酒及用品类居民消费价格指数、衣着类居民消费价格指数、居住类居民消费价格指数对居民消费价格指数有显著性的影响，且有正向的推动作用，它们之间呈一种线性关系。

Table 6. T-test of model 3 and inspection table of VIF

Table 7. T-test of model 4 and inspection table of VIF

Table 8. T-test of model 5 and inspection table of VIF

Table 9. T-test of model 6 and inspection table of VIF

Table 10. The result of simulate data

CPI持续上涨的主要驱动因素中居住类的上涨趋势也非常明显。近年来，房地产价格上涨幅度较大，对整体物价的上涨具有很大的刺激作用。对此应继续加强和改善房地产调控，在引导商品房产业健康发展的同时，结合旧城区改造，大力建设保障性住房，增加住房的有效供应，采取长效措施遏制房价的过快上涨[9] 。

The Statistical Regression Model of Consumer Price Index. 统计学与应用,01,9-14. doi: 10.12677/SA.2015.41002

1. 1. 李慧 (2014) 我国居民消费价格指数存在的问题及改进措施. 赤峰学院学报(自然科学版), 11, 139-141.

2. 2. 王晖 (2005) 不同地区居民消费价格水平比较分析. 经济师, 8, 30-31.

3. 3. 何维, 炜田皓 (2007) 居民消费价格指数影响因素分析. 统计与决策, 23, 66-68.

4. 4. 石柱鲜, 吴泰岳, 邓创 (2009) 我国居民消费价格变动的主要影响因素分析, 延边大学学报, 2, 99-103.

5. 5. 杨凌云, 王凡彬, 潘瑞, 梁杰 (2010) CPI指数预测的统计回归模型. 重庆文理学院学报, 1, 38-41.

6. 6. 张愿章, 王淑敏 (2010) 基于多元回归分析的河南省居民消费价格指数的数学模型. 华北水利水电学院, 1, 103-105.

7. 7. 于秀林, 任雪松 (2006) 多元统计分析. 中国统计出版社, 北京.

8. 8. 杨小平, 刘刚, 赵晋 (2008) 统计分析方法与SPSS应用教程. 清华大学出版社, 北京.

9. 9. 王泸怡, 尹长明 (2011) 广西CPI指数统计数据多元回归分析. 合作经济与科技, 417, 12-13.