3) 模型修正
为尽可能地简化模型修正的过程，将模型修正的顺序制定为：1）对模型的多重共线性的检验与修正2）对模型的自相关性的检验与修正3）对模型的异方差性的检验与修正。 ? 多重共线性的检验与修正
本文在原始模型回归结果当中已提到：个别参数的t统计量不显著、负值系数与经济含义相悖，这些都是模型具有多重共线性的显著特征。为更直观地体现模型的多重共线性，下面检测原始模型被解释变量的相关系数矩阵：
Figure 6 相关系数矩阵
lnX1T?1
lnX1T?1
lnX2T?1 X3T?1 lnX4T?1
1.000000 0.949767 0.698820 0.940284
1.000000 0.691264 0.893649
1.000000 0.657824
1.000000
lnX2T?1 X3T?1
lnX4T?1
从此相关系数矩阵，确实可以看出变量间较强的线性相关性，这说明原始模型存在较严重的多重共线性。下对其进行修正。
采用逐步回归的方法，对多重共线性进行修正。前面已经做出被解释变量对各解释变量的一元回归，结果汇总如下表：
Figure 7 一元回归结果
lnX1T?1
lnX2T?1
X3T?1
lnX4T?1
参数估计量 t统计量
R
R（ADJ） 2218.60797 21.80919 0.92602 0.92407
19.28603 23.89478 0.93760 0.93596
0.11891 6.59458 0.53368 0.52140
9.35887 11.9757 0.79054 0.78503 为基础，顺
其中，加入lnX2T?12的方程R最大，同时t统计量相当显著。故以lnX2T?1次加入其它变量逐步回归，结果如下：
YT?-128.92282?11.04998lnX2T?1?8.41893lnX1T?1
se =（10.30556） （2.19058） （2.12675）
t =（-12.51002） （5.04430） （3.95859）
R= 0.95616 F= 403.52923 DW= 0.42812
2YT?-127.40869?17.67275lnX2T?1?0.00191X3T?1
se =（13.81964） （1.06495） （0.00087）
t =（-9.21939） （16.59485） （2.19148）
R=0.94476 F= 316.44879 DW= 0.54235
26
YT?-131.83008?17.18217lnX2T?1?1.24416lnX4T?1
se =（16.04197） （1.78112） （0.94128）
t =（-8.21782） （9.64685） （1.32178）
R2= 0.94041 F= 291.96634 DW= 0.28785
Figure 8 加入新变量的回归结果（一）
lnX1T?1
lnX2T?1
X3T?1
lnX4T?1
lnX2T?1lnX1T?1 lnX2T?1R
0.9562
28.41893 (3.95859)
11.04998 (5.04430) 17.67275
0.00191 (2.19147)
1.24417
(1.32177)
X3T?1 lnX2T?1lnX4T?1
(16.59485) 17.18217
0.9448
(9.64685)
0.9404
经比较，新加入变量lnX1著，选择保留lnX1
YT?-115.82875?10.57445lnX2T?1?7.71032lnX1T?1?0.00138X3T?1
T?1T?1的方程R2=0.95616，改进最大，同时各参数的t检验显
，再加入其他两个变量逐步回归，结果如下：
se =（12.36314） （2.14313） （2.10192） （0.00077）
t =（-9.36888） （4.93411） （3.66822） （1.80314）
R= 0.95980 F= 286.47200 DW= 0.48632
2YT?-141.89918?11.06685lnX2T?1?10.92116lnX1T?1-1.45758lnX4T?1
se =（13.82874） （2.16383） （2.76961） （1.051381）
t =（-10.26118） （5.11446） （3.94320） （-1.38634）
R= 0.95839 F= 276.36354 DW= 0.52873
2Figure 9 加入新变量后的回归结果（二）
变量 lnX2T?1、lnX1T?1 X3T?1
lnX2T?1、lnX1T?1 lnX4T?1
lnX1T?1 lnX2T?1 X3T?1 lnX4T?1
R
27.71032 (3.66823) 10.92116 (3.94320)
10.57445 11.06685 (5.11447)
0.00138
(4.93411) (1.80314)
-1.45758 -1.38635)
20.95980 0.95839
显然，当在模型中加入lnX4T?1后，其变量的t检验显著性明显下降，R提升非常之小，
T?1并且参数为负值，故不合理。对于X3的加入，其使得R提升的程度亦有限，其中，X32T?1T?1的t检验在0.95的水平上不显著。以上这些说明，X37
和lnX4T?1引起严重共线性，应予
以剔除。
故经多重共线性修正后的模型包含lnX1? 自相关性的检验与修正
已经确定将lnX1
YT??91.80260?18.60797lnX1T?1
T?1T?1和lnX2T?1两个解释变量。
和
和lnX2T?1作为符合条件的解释变量，下面继续研究单个lnX1T?1lnX2T?1和被解释变量的关系。下面是在前面已经得到的单个解释变量的回归方程：
se =（9.24858） （0.85322）
t =（-9.92613）（21.80918）
R2=0.92602 F=475.64025 DW=1.61566
YT??147.66006?19.28603lnX2T?1
se =（10.77742） （0.80712）
t =（-13.70087）（23.89478）
R2=0.93760 F=570.96032 DW=0.40813
虽然这两个回归方程都具有较高的R，t检验也相当显著，但由其DW值知，两个解释变量都和被解释变量存在正的自相关性。
下面用广义差分法对其进行补救。
2对于lnX1T?1，可以估计?1?1?DW12*故用下面的表达式来做回归估计： ?0.19216963，
*(YT??1YT?1)?C??1(lnX1T?1??1lnX1T?2)?uT
同样，对于lnX2T?1，有?2?1?DW22* ?0.795934619，可用下述表达式做回归估计：
*(YT??2YT?1)?C??2(lnX2T?1??2lnX2T?2)?uT
回归的结果如下所示：
YT?0.19217YT?1?-70.86865?18.22273(lnX1T?1?0.19217lnX1T?2)
Se = （9.02286） （0.85322）
t = （-7.85434） （17.73464）
R=0.89474 F=314.51756 DW=2.05447
2YT?0.67359YT?1??33.52323?20.50511(lnX2T?1?0.67359lnX2T?2)
Se = （6.47713） （2.34665）
t = （-5.17563） （8.73805）
2 R=0.67358 F=76.35357 DW=1.78120
回归结果显示，修正后的单因子模型的自相关性已经很小。整体回归模型的R及解释变量的t检验显著性有所下降，但对被解释变量依然有相当的解释力度。
28
同时通过对单因子模型的修正，还可以得出：YT?1也是影响当期YT的重要因素之一。其经济解释是：人们往往会根据上一期的物价指数来制定自己当期的消费计划，而且由于物价指数本身存在一定的滞后性，所以它会对该期的通胀造成一定的影响。
经过以上讨论，通过多次试验，将回归模型进一步确定为：
YT?C??1lnX1T?1??2lnX2T?1??3lnX1T?2??4lnX2T?2??5YT?1??6YT?2?uT
带入数值，回归结果为：
YT?-26.64?3.39lnX1T?1?7.12lnX2T?1+5.52lnX1T?2+2.47lnX2T?2?1.13YT?1+0.24YT?2?uTse =(11.43) (1.36) (9.90) (1.38) (10.45) (0.15) (0.13) t =(-2.33) (2.48) (1.71) (-4.01) (-0.23) (7.16) (-1.90)
R=0.99128 F=606.42472 DW=1.89206
2
很容易看到，除了lnX2T?2的t检验不显著外，回归模型其他方面的效果都很好。
? 异方差性的检验与修正
White检验:应用上述模型在Eiews中进行。 在有交叉项的检验中得到如下结果：
Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS
1.315847 Prob. F(21,17)
0.2853 0.2861 0.6959 24.14545 Prob. Chi-Square(21) 17.24947 Prob. Chi-Square(21)
2(21)?32.671，故应当接受H0，拒绝H1，表由于Obs*R-squared=24.14545
在无交叉项的检验中得到如下结果：
Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS
1.170337 Prob. F(6,32)
0.3464 0.3192 0.5421 7.018061 Prob. Chi-Square(6) 5.013692 Prob. Chi-Square(6)
2由于Obs*R-squared=7.018061
明此模型随机误差不存在异方差。
5. 模型的评价
最终模型确定为：
9
YT?-26.64?3.39lnX1T?1?7.12lnX2T?1+5.52lnX1T?2+2.47lnX2T?2?1.13YT?1+0.24YT?2?uTse =(11.43) (1.36) (9.90) (1.38) (10.45) (0.15) (0.13) t =(-2.33) (2.48) (1.71) (-4.01) (-0.23) (7.16) (-1.90)
R=0.99128 F=606.42472 DW=1.89206
2
经过一系列的修正，该模型克服了多重共线性、自相关性、异方差性，能较为准确地客观地反映出近年来影响我国通货膨胀率的重要因素。从模型中可以看出，经济的增张和新增贷款（货币流入市场的主要途径）是促成我国通胀的最主要原因，二者对物价水平的影响都具有滞后性。
虽然模型中外汇储备和固定资产投资并没能和物价水平形成很好的匹配关系，但这并不意味着这两种因素对物价上涨没有必然联系。近年来，由于国际经济各种不确定因素增多，国家调控力度加大，导致外汇储备增量波动幅度较大。这可能是导致在此模型中外汇储备与物价水平匹配程度不高的重要原因。同时固定资产投资的季度数据具有相当明显的季节特征，其较宽的振幅和平稳增长的物价之间亦难高度相关，但从图示中可以发现，二者之间具有近似的增长趋势。由于作者的相关的知识尚浅，对于具有季节特征的时间序列的处理能力尚且不足，因此未能将此因素反映出来。
此模型的主要缺陷是对于时间序列的季节波动性处理不够，这可能也是造成最终模型中个别解释变量t检验不显著的重要原因。
6. 模型的应用——政策建议
? 降低货币供应增速
在目前我国经济已经复苏的背景下,货币政策不必再延续前几年通过货币供应量的超高增长来诱导经济回升的策略,而应该将货币政策的重心转移到维持经济在低通胀下的健康成长上来。因此,需要降低货币供应量的增长速度,使其与名义GDP的增速保持恰当比例,从而减少超额货币的积累,以免进一步加大通胀的压力。
? 进一步完善外汇管理机制
国家应加强外资流入和外汇占款因素对通货膨胀影响的深层次专题研究,建立外汇与人民币资金配套运行机制,加强对外资流入规模和配套人民币资金的管理,进一步完善外汇管理体制,建立适度外汇储备规模。 ? 维护物价稳定的预期
鉴于CPI指数与通货膨胀的高度相关关系及预期在通胀形成中的关键作用,使人们确立未来物价将保持稳定的看法在防治通胀中就显得尤为重要。因此,政府首先应该在舆论上引导人们形成物价稳定的预期,使人们对未来物价环境充满信心;另一方面,政府应动用储备予以遏制,并协调相关物资的生产和进口计划,缩小未来的供求缺口,特别是对于粮价等牵涉城乡平衡发展大计、应该合理回升的因素,应通过库存储备和产量计划的调节,使其价格保持每年稳中略升的态势,避免因供求缺口过大以致价格突然暴涨的现象,进而对物价预期造成冲击。
10