5月居民消费价格指数总体平稳 工业生产者出厂价格指数继续上涨

在标准的投入产出价格模型中，上游行业价格变动通过投入品成本沿产业链向下游传递，传导弹性取决于三个因素：该投入品在下游成本中的权重、替代弹性以及各中间环节的加成定价行为。新古典价格理论区分成本推动和需求拉动——PPI上涨若源于原材料成本冲击，传导弹性高且速度快；若源于中间品技术进步（如AI带动计算机通信业出厂价格改善），则传导弹性低甚至为负传导（技术降本）。此外，Hellerstein（2008）指出市场结构影响传导：竞争性行业传导快且完全，寡头垄断行业传导可能被吸收在利润边际中。

据此提出以下假说：
- H1：中国PPI→CPI的总传导弹性约为0.15—0.25（PPI上涨1个百分点，CPI上涨0.15—0.25个百分点），显著低于发达国家（0.3—0.4），且存在非对称性：PPI上涨时的传导弹性（0.25）大于下跌时的传导弹性（0.10）。
- H2：有色金属行业的价格传导效率最高（弹性约0.35，因其作为基础原材料渗透面广），计算机通信行业传导效率最低（弹性<0.05，因技术进步消化成本）。
- H3：传导的"阻塞点"主要集中在消费品制造业环节——中游制成品出厂价格向终端消费零售价格的传导弹性仅为0.08—0.12，主要被零售和流通环节的加成定价吸收。

价格传导分析的核心挑战是区分成本推动和需求拉动。本文采用双策略：（1）投入产出价格影响模型（Leontief价格模型），以外生给定各行业初始价格冲击，通过技术系数矩阵模拟价格在149个行业间的传导路径，识别理论上的完全传导弹性——这一分析不使用回归，完全基于技术系数，因此不受需求因素干扰。（2）在实证层面，使用非对称误差修正模型（APT-ECM），以PPI和CPI的协整关系为长期均衡，区分正向和负向偏离的调整速度，识别传导的非对称性。

投入产出价格影响模型：

ΔP = (I - A')⁻¹ × ΔP_upstream

其中ΔP_upstream为外生给定的上游行业价格变动向量，A'为直接消耗系数矩阵的转置，(I - A')⁻¹为Leontief逆矩阵。该模型模拟当选定上游行业（如有色金属冶炼）出厂价格外生上涨1%时，通过产业关联传导至所有149个部门最终价格的幅度。

非对称ECM：

ΔCPI_t = α + β₁ΔPPI_t⁺ + β₂ΔPPI_t⁻ + γ(CPI_{t-1} - θ PPI_{t-1}) + Σδ_i ΔCPI_{t-i} + ε_t

其中ΔPPI_t⁺ = max(ΔPPI_t, 0)，ΔPPI_t⁻ = min(ΔPPI_t, 0)，θ为长期传导弹性，γ为误差修正速度。

• 核心变量：CPI（居民消费价格指数同比，%）、PPI（工业生产者出厂价格指数同比，%），以及CPI八大类子项和PPI 39个行业子项的月度价格指数
• 投入产出表：基于国家统计局2018年和2022年149部门投入产出表，重点提取有色金属冶炼、电气机械、计算机通信、食品制造、纺织服装5个行业的直接消耗系数和完全消耗系数
• 传导弹性分段测算：上游→中游（原材料→中间制成品，弹性₁）、中游→下游（中间制成品→最终消费品，弹性₂）、上游→下游（弹性₁ × 弹性₂）
• 样本区间：2005年1月—2026年5月，月度频率，共约258个观测值

• 替换投入产出表基准年份：分别以2018年和2022年投入产出表计算传导弹性，检验技术系数矩阵稳定性。
• 替换价格传导模型：以门槛自回归模型（TAR）替代APT-ECM，检验非对称性的模型设定敏感性。
• 替换CPI测度：以核心CPI（剔除食品能源）替代总体CPI，排除供给端短期冲击对传导估计的干扰。
• 滚动窗口估计：以60个月滚动窗口逐一估计传导弹性，绘制弹性时变路径，检验绿色转型前后（2020年前 vs. 2020年后）的结构性断点。

---

新凯恩斯菲利普斯曲线（NKPC）将当期通胀与前瞻性通胀预期和产出缺口联系起来。在标准的Calvo（1983）交错定价模型中，企业因菜单成本无法时刻调整价格，通胀取决于对未来边际成本的预期和当前产出缺口。然而2023年以来中国经济的两个结构性变化可能改变NKPC的参数：（1）绿色转型投资（新能源汽车、光伏、储能）和AI基础设施投资的高速增长形成了新的需求来源，但这些投资的"通胀密度"（单位投资拉动的价格压力）可能与传统的基建/房地产投资不同——制造业投资竞争性强、产能扩张快，可能压低而非推高相关行业价格；（2）CPI中工业消费品价格同比上涨3.9%但食品价格环比下降，暗示需求结构从食品向工业品的偏移正在改变通胀的构成。

据此提出以下假说：
- H1：2023—2026年中国产出缺口对核心CPI的通胀效应约为0.08—0.12（产出缺口扩大1个百分点，核心CPI上升0.08—0.12个百分点），较2010—2019年（约0.15—0.20）有所减弱，反映菲利普斯曲线平坦化趋势。
- H2：绿色/AI投资的通胀效应（约0.03—0.05）显著低于传统投资（基建/房地产，约0.10—0.15），即制造业投资扩张不必然推高通胀。
- H3：通胀预期在NKPC中的权重（前瞻性系数约0.6—0.7）高于产出缺口（约0.1），表明当前中国通胀主要由预期锚定驱动，需求拉力退居次要。

NKPC估计的核心挑战是通胀预期的内生性和产出缺口的测量误差。通胀预期使用央行城镇储户问卷调查中的未来物价预期指数和国债市场盈亏平衡通胀率。使用GMM估计处理内生性：以滞后2—4期的通胀率、产出缺口和货币供应增速作为工具变量。产出缺口的测量使用了HP滤波（λ=1600）、BK滤波和IMF WEO的官方估计三者比较，取均值以降低单一方法的测量误差。

此外，在基准混合NKPC中加入绿色投资/GDP和AI投资/GDP的交互项，检验产出缺口的通胀效应是否随产业结构变化而系统地弱化。若交互项系数显著为负，则支持H2。

混合新凯恩斯菲利普斯曲线（Hybrid NKPC）GMM估计：

π_t = γ_f E_t[π_{t+1}] + γ_b π_{t-1} + λ y_t + θ (y_t × GreenShare_t) + β M_t + ε_t

其中π_t为核心CPI通胀率（同比，%），E_t[π_{t+1}]为前瞻性通胀预期，π_{t-1}为惯性通胀（捕获后顾性定价行为），y_t为产出缺口（实际GDP偏离潜在GDP的百分比），GreenShare_t为绿色+AI投资占GDP比重。γ_f为前瞻性系数，γ_b为后顾性系数，λ为产出缺口的通胀效应，θ为产业结构调节效应。M_t为控制变量（进口价格通胀、M2增速）。工具变量集：π_{t-2}, π_{t-3}, π_{t-4}, y_{t-2}, y_{t-3}, M2_{t-2}。

• 被解释变量：核心CPI同比（剔除食品和能源），来自国家统计局
• 核心解释变量：产出缺口 = 实际GDP对数减去HP滤波趋势项，以季调后的季度实际GDP计算
• 通胀预期：央行城镇储户调查"未来物价预期指数"（季度频率，插值至月度），辅以10年期国债收益率与TIPS收益率之差
• 绿色投资/GDP：新能源汽车、光伏、风电、储能、电网升级的固定资产投资合计/GDP
• AI投资/GDP：数据中心、算力基础设施、AI芯片的固定资产投资合计/GDP
• 样本区间：2005Q1—2026Q1，季度频率，约85个观测值

• 替换产出缺口测度：以失业率缺口（自然失业率 - 实际失业率）替代GDP产出缺口，使用"失业菲利普斯曲线"版本重新估计，检验产出缺口测度方式对NKPC斜率的敏感性。
• 替换通胀预期：以VAR模型生成的通胀预测替代调查预期，检验前瞻性通胀预期的代理变量选择是否驱动结果。
• 样本分割：以2020年为界分割样本，分别估计2010—2019年和2020—2026年的NKPC参数，检验结构性断点。
• 替换估计方法：以贝叶斯方法（MCMC抽样）估计时变参数NKPC，允许γ_f和λ随时间变化，捕捉菲利普斯曲线斜率的结构性演变。

---

理性疏忽理论（Sims, 2003）认为经济主体不会处理所有可得信息：信息处理有成本，人们选择性地关注对自身影响最大的价格信号。食品是居民每日接触的消费品类，其价格变动具有最高的"可得性"（极易被察觉和回忆），而工业消费品（电器、汽车）购买频率低，价格变动不易被察觉。因此，当CPI出现结构性分化——食品降价而工业品涨价时，居民的通胀感知可能系统性低于实际通胀率：他们过度锚定在食品降价的体验上，形成"通胀被高估"或"通胀很低"的认知偏差。

类似地，企业家的通胀预期更受PPI驱动——他们直接感知原材料和中间品的价格变动。PPI同比上涨3.9%远高于CPI的1.2%，企业家通胀预期可能被"锚定"在更高的水平上，导致其定价行为产生向上的偏差。

据此提出以下假说：
- H1：2023—2026年居民通胀感知（调查预期值）系统性地低于实际CPI约0.3—0.5个百分点，主要原因是对食品降价的高可得性感知压低了对总通胀的估计（可得性启发）。
- H2：企业家的通胀预期系统性高于实际CPI约0.8—1.2个百分点，主要锚定在PPI（而非CPI）上，形成"生产者锚定偏差"（producer anchoring bias）。
- H3：通胀感知偏差具有真实行为效应：居民通胀预期每被低估1个百分点，耐用品消费意愿（Durable Purchase Intention）提高3%—5%（"物价不贵"幻觉刺激购买）；企业家通胀预期每被高估1个百分点，产品提价概率提高8%—12%。

关键挑战是通胀感知偏差不是直接可观测的。本文通过以下策略识别：（1）用央行城镇储户调查中的"未来物价预期"与同期实际CPI的差异构造通胀感知偏差（Perception Gap = 预期通胀 - 实际通胀）。（2）利用食品/工业品价格分化的区域差异作为外生变异——不同城市食品零售市场竞争程度和供应链效率不同，导致食品降价幅度存在区域差异，这提供了通胀感知偏差的外生性来源。（3）粘性信息模型的微观基础允许直接估计信息更新的频率参数：若信息更新频率低（<0.25，即每季度不到25%的人更新信息），则支持理性疏忽解释。

通胀感知偏差的IV模型：

Gap_{ict} = α + β FoodPrice_{ct} + γ IndusPrice_{ct} + δ X_{ict} + μ_c + λ_t + ε_{ict}

其中Gap_{ict} = E_{ict}[π] - π_t^{actual}，为个体 i 在城市 c 在 t 期的通胀感知偏差。FoodPrice_{ct}为城市 c 的食品CPI同比（预期为负——食品降价压低感知），IndusPrice_{ct}为城市 c 的工业消费品价格同比（预期为正但系数较小——可得性低）。工具变量：以城市级农贸市场数量（影响食品价格可观测性）和城市互联网渗透率（影响信息获取成本）作为食品和工业消费品价格感知的外生驱动。

行为效应检验：

DurablePurchase_{ict} = α + β₁ Gap_{ict} + β₂ Income_{ict} + β₃ Wealth_{ict} + μ_c + ε_{ict}

用IV-Probit估计Gap对耐用品购买决策的因果效应。

• 被解释变量：通胀感知偏差 = 个体预期通胀 - 实际CPI（%），个体预期通胀来自央行城镇储户调查（约20000户/季度）
• 核心解释变量：城市食品CPI同比、城市工业消费品CPI同比（国家统计局35个大中城市CPI子项）
• 工具变量：城市农贸市场密度（农贸市场数/常住人口）、互联网宽带普及率
• 行为效应变量：耐用品购买意愿（CHFS消费模块）、企业产品调价概率（工业企业调查）
• 样本区间：2015Q1—2026Q1，季度频率，个体层面约20000人/期，50个城市

• 替换通胀预期测度：以中国消费者信心指数中的"物价预期"子指数替代央行储户调查预期，检验调查方式对感知偏差测度的敏感性。
• 剔除极端样本：排除通胀预期处于两端5%的极端回答者（"物价预期很高"和"物价预期很低"），检验感知偏差是否由极端回应驱动。
• 替换工具变量：以城市大型连锁超市渗透率替代农贸市场密度（超市定价更标准化，食品价格信号透明度更高），检验IV选择的稳健性。
• 粘性信息模型校准：以不同信息更新频率假设（0.15/0.25/0.35）校准粘性信息模型，检验理性疏忽解释的参数敏感性。

---

在中国多层级治理体制下，CPI调控涉及央地两级的制度分工。中央政府掌握货币政策工具（利率、准备金率）和全国性价格调控工具（战略物资储备投放），但其政策传导受地方政府执行力度的影响。地方政府在价格调控中面临双重委托-代理问题：（1）中央目标是稳物价，但在地方层面，价格稳定与GDP增长、就业保障之间存在短期取舍——抑制食品涨价可能削弱农民和流通环节收入，影响地方经济增长；（2）猪肉储备投放、蔬菜保供调度等准财政工具由地方执行，但成本由地方财政承担，产生"中央请客、地方买单"的激励不相容问题。

根据Holmström & Milgrom（1991）多任务委托代理框架，当代理人面临两个不可完美度量的任务（稳物价 vs. 保增长），且其中一个任务（稳物价）的绩效仅在全国层面可观测时，地方代理人将资源过度配置到可度量且有利本地政绩的任务上（保增长），导致物价调控的执行激励不足。

据此提出以下假说：
- H1：省级CPI涨幅每高于全国均值1个百分点，该省下一年获得的中央转移支付增加3%—5%（中央的"价格稳定补偿"机制）。
- H2：地方财政对土地出让收入依赖度越高的省份，其CPI调控的执行力度越弱——土地财政依赖度每高1个标准差，省级CPI偏离度扩大0.2—0.3个百分点（增长激励挤出价格稳定）。
- H3：猪肉储备投放对抑制CPI的效果在政治敏感期（两会前后、国庆前夕）优于非敏感期——政治激励强化了政策的执行力度，效应差异约为1.5—2倍。

省级CPI偏离度 = 该省CPI同比 - 全国CPI同比。核心挑战是省级价格差异可能反映经济基本面差异（产业结构、消费结构）而非央地博弈。本文使用双重策略：（1）以省级土地出让收入/GDP（滞后两期）作为地方政府"增长偏好"的外生代理——土地财政具有高度的路径依赖性（历史上地储备和城市规划决定），且对当期CPI无直接效应；（2）猪肉储备投放采用事件研究法，以商务部/国家发改委的储备投放公告日为事件日，比较公告前后10个交易日各城市猪肉零售价格的累计异常变动（CAR），该窗口期的价格变动仅反映储备投放的政策效应。

面板固定效应模型：

CPIDev_{pt} = α + β₁ LandFinance_{p,t-2} + β₂ Transfer_{p,t-1} + β₃ GrowthPressure_{pt} + γ X_{pt} + μ_p + λ_t + ε_{pt}

其中CPIDev_{pt}为省 p 在 t 年的CPI偏离度（%），LandFinance_{p,t-2}为土地出让收入/地方一般公共预算收入（滞后两期，缓解内生性），Transfer_{p,t-1}为中央转移支付/地方总财力。核心参数β₁预期为正（土地财政依赖越强，CPI偏离越大），β₂预期为负（转移支付补偿降低了偏离）。

事件研究法（猪肉储备投放）：

RetailPork_{ct} = α + Σ_{τ=-10}^{10} β_τ D_{c,t_0+τ} + γ X_{ct} + μ_c + λ_t + ε_{ct}

其中RetailPork_{ct}为城市 c 在 t 日的猪肉零售价（元/kg），D_{c,t_0+τ}为相对于储备投放公告日（t_0）的事件窗口哑变量。β_τ刻画投放前后价格的动态轨迹，预期τ>0时β_τ为负且递增（绝对值）。

• 被解释变量：省级CPI偏离度 = 省CPI同比 - 全国CPI同比（%），从国家统计局省级CPI数据计算
• 核心解释变量：土地财政依赖度 = 国有土地使用权出让收入/地方一般公共预算收入；中央转移支付力度 = 中央对地方转移支付/地方总财力
• 事件研究变量：猪肉零售价格（36个大中城市农贸市场监测数据）、储备投放公告日期（商务部/发改委官网手工收集），2018—2026年共识别约120次投放事件
• 控制变量：省级GDP增速、服务业占比、城镇化率、CPI食品权重
• 样本区间：2010—2026年，31个省份年度面板，约520个观测值

• 替换CPI偏离度测度：以核心CPI（而非总体CPI）计算省级偏离度，排除食品价格季节性干扰，检验结论对CPI口径的敏感性。
• 排除直辖市：剔除北京、上海、天津、重庆四个直辖市（其经济结构和央地关系特殊），检验一般省份的央地博弈逻辑。
• 替换事件窗口：以[−5,+5]和[−20,+20]替代基准窗口[−10,+10]，检验事件研究结果对窗口长度的敏感性。
• 安慰剂发布日期：以随机生成的假储备投放日期替代真实公告日，检验猪肉价格的短期波动是否仅由真实的政策操作驱动。

---

传统发展经济学中的结构转型——从农业到工业再到服务业——伴随着要素价格和产品相对价格的系统变化。当前中国正经历的结构转型具有新的特征："绿色转型"（从化石能源到可再生能源体系）和"数字/AI转型"（从传统制造到智能制造的要素投入结构变革）。这两种转型对工业品价格的影响是双面的：（1）需求侧推高：绿色基建（电网升级、充电桩、光伏组件安装）和AI算力投资（数据中心、芯片制造）大量消耗有色金属（铜、铝、锂、稀土）和电力，推高上游原材料价格——新闻中"有色金属行业在绿色转型、人工智能发展等带动下价格保持上涨"直接支持这一逻辑；（2）供给侧压低：绿色制造和AI制造本身产能扩张快、技术进步快（电气机械、计算机通信行业出厂价格"连续五个月改善"从下降转为上涨，反映技术进步推动成本下降后价格企稳回升）。

这种"转型驱动型通胀"与传统需求拉动型通胀有本质区别：它不是由总需求过热导致的，而是由特定行业的投资结构转换引起的相对价格重估——具有结构性、行业集中性和可逆性（技术突破后可回落）。

据此提出以下假说：
- H1：2023—2026年PPI同比由负转正的3.9个百分点中，绿色转型需求拉动贡献约2.0—2.5个百分点，AI基础设施需求拉动贡献约0.8—1.2个百分点，传统需求因素（基建/消费）贡献不足0.5个百分点——PPI上涨主要是"转型驱动"的。
- H2：电气机械和计算机通信行业价格经历"先降后升"的非线性轨迹：在技术追赶期（2020—2023年出厂价格同比下降）由供给侧的规模效应和技术进步压低价格；在技术成熟期（2024年后出厂价格同比由降转升）需求侧的拉动开始主导，形成"U型"转型价格路径。
- H3：跨国比较看，绿色投资/GDP每提高1个百分点，PPI同比提高0.3—0.5个百分点（跨国平均效应），但中国因制造业产能扩张快，这一效应被供给侧压低至0.15—0.25，体现了中国作为"制造大国"的对冲能力。

核心挑战是分离绿色/AI转型的需求效应与影响PPI的其他宏观因素（货币宽松、国际大宗商品价格）。本文使用三重策略：（1）反事实分解：以2015—2019年（绿色/AI投资尚未爆发期）PPI与GDP增速、M2增速、国际CRB商品指数之间的历史关系建立一个基准预测模型，用该模型对2023—2026年进行外推预测——实际PPI与模型预测值之差即为"转型额外贡献"。（2）行业层面识别：在PPI 39个行业中，识别直接受绿色/AI投资拉动的行业（有色金属、电气机械、计算机通信、电力热力）——这些行业的PPI若相对于其他行业出现了系统性的超额上涨，则为"转型驱动"提供微观证据。（3）跨国比较差分：以30个经济体的绿色投资/GDP增速与PPI数据构建跨国面板，中国若在控制绿色投资后PPI仍更低，则支持"制造大国对冲能力"假说。

反事实预测模型（基准）：

PPI_t = α + β₁ GDPGrowth_t + β₂ M2Growth_{t-2} + β₃ CRB_t + β₄ OilPrice_t + ε_t（估计区间：2015M1—2019M12）

外推预测区间：2023M1—2026M5，得到PPI_predicted。转型额外贡献 = PPI_actual - PPI_predicted。

行业层面DID型设定：

PPI_{it} = α + β₁ GreenExposure_i × Post2023_t + β₂ AIExposure_i × Post2023_t + γ X_{it} + μ_i + λ_t + ε_{it}

其中GreenExposure_i为行业 i 的绿色投资敏感度（该行业在绿色产业链中的投入产出关联强度），AIExposure_i为AI投资敏感度，Post2023_t为2023年及以后的哑变量。β₁和β₂为"转型驱动型价格效应"的核心估计参数。

• 被解释变量：PPI行业 i 在 t 月的同比涨幅（%），39个工业行业
• 核心解释变量：GreenExposure_i = 行业对绿色产业的直接消耗系数 + 完全消耗系数（基于2022年投入产出表计算）；AIExposure_i = 行业对计算机通信和软件业的直接消耗系数 + 完全消耗系数
• 控制变量：国际大宗商品价格（CRB指数、布伦特原油、LME铜铝锂价格）、人民币汇率、行业产能利用率
• 跨国比较变量：绿色投资/GDP（IRENA和IEA数据）、PPI（OECD Stat）、制造业占GDP比
• 样本区间：2015M1—2026M5（月度），30个经济体（跨国面板）

• 替换反事实模型设定：以VAR模型和BVAR模型替代简单OLS预测模型进行反事实外推，检验预测模型的选择对"转型额外贡献"估计的影响。
• 替换绿色/AI暴露度测度：以行业用电量弹性（行业用电量增速/全国用电量增速）和绿色专利数量占比替代投入产出关联强度，检验产业关联测度方式对结论的敏感性。
• 排除有色金属行业：有色金属受国际定价影响大，剔除后仅以电气机械和计算机通信行业检验国内转型驱动效应。
• 跨国样本限制：仅使用制造业大国（制造业/GDP>15%）的跨国样本重新估计，检验中国效应是与发达国家还是与发展中制造业国家的差异。

---
---
date: 2026-06-10
field: 宏观经济 — 就业与物价
source: https://www.gov.cn/yaowen/liebiao/202606/content_7071773.htm
topics_count: 5
---