逆高斯回归和贝叶斯分析分析中国的消费者价格指数

摘要

本论文的目的是模拟中国(2001—2012)的CPI的预期值，并且识别导致CPI通胀的主要的组，类别和子类别，目的是协助经济决策者制定适当的政策来减少CPI通胀。
　　研究中我们采用逆高斯回归和贝叶斯方法来估计2001—2012年中国消费者价格指数(CPI)，其数据为多维数据，市场数据包括八个主要的商品和服务项目组，并且每组都有类别和子类别。
　　结果表明，CPI在2001—2006年和2011年下降，在2007—2008年达到最高，并且于2012年恢复上升趋势;推动CPI通胀的最主要的因素是食物和住房，这两个部分就导致了CPI增长50％。蔬菜，新鲜及干的瓜果和燃料（主要成分的水、电、燃料价格指数以及燃料在运输方面的价格指数）是CPI整体增长的最主要因素。根据数据分析知，如果没有食物和燃料的通货膨胀，中国就仅有轻微的通货膨胀。住房价格是除食品和燃料外导致通货膨胀的第三大支柱，不包含它使得CPI在食品和燃料的影响下不能提供一幅完整的图像和CPI的扭曲。

目录

声明

摘要

Abstract

Dedication

CONTENTS

1．INTRODUCTION

1．1 Background

1．2 Problem Statement

1．2．1 Overview of the thesis

2．REVIEW OF METHODS

2．1 Introduction

2．2 Generalized Linear Models

2．2．1 Inverse Gaussian distribution

2．2．2 Estimation

2．3 Bayesian Analysis

2．3．1 Introduction

2．3．2 Prior Distributions

2．3．3 Bayesian Updating

2．3．4 Bayesian Analysis：Advantages and Disadvantages

2．3．5 Estimation

2．3．6 Bayesian analysis by Gibbs sampling in generalized linear models

2．3．7 Burn-in，Thinning，and Markov Chain Samples

2．3．8 Convergence Criteria

3．Inverse Gaussian regression and Bayesian analysis for the Consumer Price Indices of China

3．1 Material and Method

3．2 Results

4．Conclusions

References

ACKNOWLEDGEMENT

Appendix A