四、基于惯性权重的核心通货膨胀及其特征

构造惯性权重核心通货膨胀的目的在于增强对未来通货膨胀的预测能力，从而为货币政策调整提供指导依据。Bilke和Stracca（2007）发现基于惯性权重的欧元区核心通货膨胀在通货膨胀预测和货币政策方面具有良好的性质，基于惯性权重的核心通货膨胀是标题通货膨胀的领先或一致变量，而通过其他方法得到的核心通货膨胀往往是标题通货膨胀的滞后变量；此外基于惯性权重的核心通货膨胀与欧洲中央银行货币政策之间存在显著的相关性。这一研究结果体现出基于惯性权重的核心通货膨胀在预测未来标题通货膨胀和货币政策走势方面的优越性。我们考察一下基于惯性权重的核心通货膨胀与标题通货膨胀的关系，发现基于惯性权重的核心通货膨胀是标题通货膨胀的领先指标，并且在Granger意义上是标题通货膨胀的原因。除此之外，我们还比较了基于惯性权重的核心通货膨胀与传统基于剔除法的核心通货膨胀的统计特征。

尽管各国根据剔除法计算核心通货膨胀时具体剔除的项目有所不同，但基本上都包含“食品”和“能源”项目，尽管实证研究表明这两个项目并不一定是波动最大的项目（Blinder,1997）。由于目前中国尚未公布单独的“能源”价格指数，考虑到能源价格变化可能会直接反映到交通成本的变化中，范跃进和冯维江（2005）剔除了标题通货膨胀中“食品”和“交通通讯”两个项目，并按照城镇和农村消费支出结构以及城镇和农村人口比例重新计算加权平均支出权重，后来研究者亦较多引用该研究。这一研究成果虽然可以得到按年度调整的支出权重，但是由于我国按户籍对城镇人口和农村人口进行统计可能会低估在城镇中进行消费的人口比重，更重要的是按照新的支出权重将剔除掉标题通货膨胀中50%左右的份额，导致所得到的核心通货膨胀对物价水平的代表意义急剧下降。在本报告中我们简单地在将“食品”价格予以剔除后重新分配不变支出的权重，得到剔除食品后所谓的剔除法核心通货膨胀，剔除前各项目权重见表3。

（一）惯性权重核心通货膨胀的波动特征

尽管计算核心通货膨胀的方法各异，但是构造核心通货膨胀的目的之一就是要剔除标题通货膨胀短期内过度波动的部分。在此意义上，核心通货膨胀的波动性应该小于标题通货膨胀的波动性。表4报告了样本观察期间核心通货膨胀的波动特征，并与标题通货膨胀进行了比较。正如上文所指出的，2005年之前基于惯性权重的核心通货膨胀是根据除“烟酒”之外的7类项目合成的，因此我们将总体样本以2005年为界进行划分。由于2001年之后才包含完整的8大类数据，因此剔除法核心通货膨胀在前一个子样本中仅包含2001至2004年的数据。由于1998至2004年间中国经历了相当一段时间的通货紧缩，因此该子样本显示惯性权重核心通货膨胀均值为负值，剔除食品后核心通货膨胀接近0。比较前后两个子样本，我们还可以发现无论是通货膨胀标准差的绝对数还是标准差相对于均值的比例，标题通货膨胀均大于惯性权重核心通货膨胀；基于OLS的惯性权重无论是标准差的绝对数还是标准差相对于均值的比例都小于基于GB方法得到的核心通货膨胀；在上述4个通货膨胀核算中，剔除法核心通货膨胀标准差的绝对值最小，但是相对于通货膨胀的均值来说其比例却是最高的。

表4 季节调整后月度环比通货膨胀波动性比较

（二）核心通货膨胀与标题通货膨胀的动态关系

基于惯性权重的核心通货膨胀的优势在于其对标题通货膨胀的预测能力。借鉴经济变量的动态相关关系，我们可以对惯性核心通货膨胀和标题通货膨胀的动态关系进行研究。为了比较惯性权重核心通货膨胀与传统剔除法核心通货膨胀的区别，我们也将剔除法核心通货膨胀与标题通货膨胀的关系进行比较。我们分别计算了三种核心通货膨胀从滞后12个月到领先12个月期间与标题通货膨胀的动态相关系数，见图2。基于OLS惯性权重的核心通货膨胀在领先7个月内与标题通货膨胀正相关，领先一期的相关系数最大约为0.86，同期相关系数为0.38；基于GB惯性权重的核心通货膨胀亦在领先7个月内与标题通货膨胀正相关，领先一期的相关系数最大达约为0.86，同期相关系数为0.36，由此可见基于OLS惯性权重与基于GB惯性权重的核心通货膨胀与标题通货膨胀的动态相关性非常类似；剔除法领先6个月与标题通货膨胀正相关，领先一期相关系数为0.62，同期相关系数为0.26；由此可见虽然三个核心通货膨胀均是标题通货膨胀的领先指标，但从相关性角度看，基于惯性权重的核心通货膨胀优于剔除法得到的核心通货膨胀。

图2 核心通货膨胀与标题通货膨胀的动态相关系数

注：样本区间为2005年1月至2010年9月。

（三）基于惯性的核心通货膨胀对通货膨胀的短期预测

格兰杰因果检验显示在滞后2阶的情况下，在1%的显著性水平上存在从核心通货膨胀指向标题通货膨胀的因果关系；在5%的显著性水平上存在标题通货膨胀指向两个惯性权重核心通货膨胀的因果关系。但是从标题通货膨胀指向核心通货膨胀的因果关系并不稳健，当滞后阶数改为1阶或3阶后因果关系随即消失。本报告构建由核心通货膨胀和标题通货膨胀构成的向量自回归模型以及标题通货膨胀自回归模型，比较两种模型对标题通货膨胀的预测能力，各类模型均根据AIC指标选择滞后阶数为2阶，见表5。表5显示向量自回归模型的参数结构相似，在关于标题通货膨胀的回归方程中，核心通货膨胀滞后1阶和2阶以及标题通货膨胀滞后1阶的系数均显著；而标题通货膨胀自回归方程的滞后各阶系数均不显著。从总体回归结果看，包含OLS惯性权重核心通货膨胀的VAR模型对标题通货膨胀的预测效果最好，可决系数达到0.81；其次是包含GB惯性权重核心通货膨胀的VAR模型，可决系数达到0.79；标题通货膨胀自回归模型的预测效果最差，可决系数仅为0.1，该结果表明在不增加其他外在信息的条件下，基于惯性权重的核心通货膨胀对标题通货膨胀有较强的预测能力，预测能力接近80%。

表5 VAR模型和自回归模型对标题通货膨胀的预测（2005年1月至2010年9月）

注：模型一至五分别表示由GB、OLS、剔除法核心通货膨胀与标题通货膨胀组成的VAR，标题通货膨胀自回归模型以及标题通货膨胀对OLS权重核心通货膨胀的回归模型。由于篇幅所限，VAR模型仅列出了对标题通货膨胀回归的方程。表中CPI-1和CPI-2分别表示CPI滞后1期和2期的值，[]内为t检验值。值得说明的是，本模型仅展现惯性权重核心通货膨胀对标题通货膨胀的预测能力，而非对标题通货膨胀进行预测，因此并未在模型中增加其他变量。