翘尾因素|翘尾效应( 二 )

在2019年3月CPI同比涨幅中，基数因素带来的影响是指2018年3月CPI变动情况。如图4，2019年3月CPI环比为-0.4%，虽然环比下降，但是同比涨幅却从1.5%上升到2.3%，上升了0.8个百分点。环比走势和同比走势背离，这一现象一般是用翘尾因素上涨来解释，不过也可以通过基百思特网数因素来分析。从环比来看，虽然2019年3月CPI环比下降了0.3个百分点，但是2018年3月CPI环比下降了1.1个百分点，基期降幅更大导致同比基数显著下降，抬升了本期增速。从同比来看，2018年3月CPI同比增幅为2.1%，比上个月下降了0.8个百分点，同样得出基数显著下降抬升本期增速。

图4 基数因素带来的影响

数据来源：作者整理作图
需要注意，在物价指数分析中，基期同比增速和环比增速的变化并不等同于基数因素对本期同比增速的影响程度。2018年3月CPI同比增幅比上个月下降了0.8个百分点，并不意味着对2019年3月CPI同比增速抬升0.8个百分点。由于CPI、PPI等物价数据是指数指标，不是数量指标，也不是某一具体产品的绝对价格，要计算出指数中所有组成产品的基数影响需要巨大的工作量。并且价格波动是一个连续不断的过程，而基数因素分析法是截点性质的，即便计算出准确的基数因素也不具有太大的实际意义。
因此，在物价分析中，翘尾因素比基数因素更具有实际意义和研究价值。

非物价领域是否适用翘尾因素
翘尾因素分析方法在物价研究方面具有非常重要的作用，那么翘尾因素是否使用于非物价领域的分析呢？理论上讲，无论什么领域的经济数据，只要能够计算出环比增速，并能够以环比增速换算同比增速，都可以计算出上年度累计环比增速对本年度同比增速的影响。曾经就有某市场机构参照物价翘尾因素的测算方法，计算出贸易增速的翘尾因素。不过，我认为计算出这一数据的意义不大。
对于进出口贸易这种数量型数据，截点性质比较强。月度的进出口额是当月贸易额的总和。例如1月进出口总额是1月1日到31日的进出口总金额加总而得；计算2月的进出口总额不会计入1月份数据，而是把2月份每日的进出口额加总起来而得。相类似，年度进出口额是当年12个月数据的总和。例如2019年进出口总额是2019年1-12月份进出口额累计之和，不会计算2018年进出口额。这就是典型截点性质的数量型数据，在不同截点区间的数据相互独立，本期数据不会显著受到前期数据的影响。
如果在贸易分析中引入翘尾因素，按照上年度进出口环比增速计算出对本年度的翘尾影响，那么意味着本年度进出口额中有一部分是上年度贸易行为带来的，这显然不正确。例如，2019年我国进出口总额为4575.3亿美元，同比增速为-1% 。不可能说2019年的进出口额中有一部分是2018年进出口金额变动带来的。对于较低的同比增速，不可能说成是2018年进出口带来的翘尾因素下降导致的。在数量型数据分析中，对同比增速的影响应该以基数因素来解释。例如，2019年进出口增速为负值，一定程度上受到2018年高基数的影响。2018年进出口总额4622.4亿美元，高于2019年进出口总额，较高的同比基数对2019年同比增速存在一定影响，是2019年进出口增速为负的一个原因。
对于价格类数据，本期数值受到前期价格波动的影响，具有连续性质。例如猪肉价格，2019年猪肉价格快速上涨是一个连续过程，11月末全国猪肉平均批发价上涨到42.06元/公斤，12月初便以42.06元/公斤为起点开始波动，不可能重新从0元/公斤开始上涨。因此，本期价格类数据明显受到前期价格波动的影响，计算前期价格波动带来的翘尾因素影响则非常有必要。
总之，具有连续性质的数据适用于翘尾因素分析，以物价类数据为代表。具有截点性质的数据不适用于翘尾因素分析，典型的是数量型数据。

如何计算翘尾因素
以CPI为例，在当年的各月度CPI同比涨幅中，除了12月全部为本年度1-12月CPI环比累计涨幅以外（意味着每年12月翘尾因素都为零），其余11个月份都包含了上年度和本年度物价上涨两个部分。简单讲，第n月的CPI同比涨幅包括上年度第n+1个月到上年度第12月的物价环比累计涨幅（翘尾因素），以及本年1月到第n个月的环比累计涨幅（新涨价因素）。因此，计算出上年度第n+1个月到上年度第12月的物价环比累计涨幅，就得出本年度第n月的翘尾因素。
由此可知，只要上年度各个月份CPI环比数据已知，将能够准确计算出本年度12个月的翘尾因素。由于2020年1月9日国家统计局公布了2019年全年CPI数据，我们就能以此计算出2020年各月份以及全年的CPI翘尾因素。