一、CPI 与 PPI 的定义以及对经济运行的影响
（ 一） CPI 与 PPI 的定义
1、CPI （ Consumer Price Index） : 即居民消费价格指数，是一个反映城乡居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标，对宏观经济政策的选择、调整和节奏把握上具有重要的指标作用。
2、PPI （ Producer Price Index） : 即生产者物价指数，主要的目的在衡量各种商品在不同的生产阶段的价格变化情形。PPI是衡量工业企业产品出厂价格变动趋势和变动程度的指数，是反映某一时期生产领域价格变动情况的重要经济指标，也是制定有关经济政策和国民经济核算的重要依据。
（ 二） CPI 与 PPI 对经济运行的影响
CPI 和 PPI 两者一般呈同向趋势，只有当经济走势发生变化时才会先后发生变化，而谁先谁后并没有太多意义。即：
1、CPI 上涨和 PPI 上涨，意味着通货膨胀上升，经济增速加快，如果上涨幅度过大，会导致高通胀，进而使得经济衰退。
2、CPI 下跌和 PPI 下跌，意味着经济发展放缓，如果下跌幅度过大，会导致通货紧缩，经济陷入衰退。
3、CPI 上涨和 PPI 下跌，意味着企业利润增大，经济将进入一个扩张期。
4、CPI 下跌和 PPI 上涨，意味着企业利润减少，经济有衰退的危险。
二、CPI 与 PPI 模型的建立
虽然理论上 PPI 应领导 CPI 变化，但近几年的数据表明 CPI先于 PPI 变化，且幅度比 PPI 小。以下是近几年 CPI 和 PPI 的数据：由于 PPI 领导 CPI 变化，那么居民消费价格指数 （ CPI） 和工业品出厂价格指数 （ PPI） 之间应该存在着一定的相关性。表1 是 1990 年到 2010 年 CPI 和 PPI 的数据，将以上的数据放入SPSS 中建立相适应的模型，该模型中 CPI 是因变量 Y,PPI 是自变量 X.【表1】
（ 一） 确定变量之间函数的类型
将上表中的数据放入 SPSS 中进行回归分析 （ 1990 年的数据作为定基指数） .首先，分析---回归---曲线估计。然后，把居民消费价格指数 （ CPI） 放人因变量中，把工业品出厂价格指数 （ PPI） 放入自变量中。接着，选择要选用的各种曲线，线性、二次项、对数、立方、指数、幂等。最后，点击确定。比较得出结果中的 R2、调整后的 R2、F 值、t 值、Sig 值等，最后选用线性模型对此问题做分析。
（ 二） 线性回归分析
1、CPI 与 PPI 相关性分析
（ 1） 相关性分析【表2】
由表 2 可知，CPI 和 PPI 的相关系数为 0. 884,而相关系数大于 0. 8 时属于高度相关。所以 CPI 和 PPI 统计量是高度相关的。
（ 2） 散点图分析【图1】
由 CPI 于 PPI 的散点图可以看出，CPI 与 PPI 之间确实具有相关关系，并且 PPI 的变对 CPI 的变动具有一定的影响。
2、CPI 与 PPI 一元线性回归分析。
（ 1） 回归模型主要统计量分析【表3】
由表3模型汇总可以看出，CPI和PPI的相关系数R为0. 884,说明CPI和PPI之间高度相关。可决系数R2为0. 782,调整后的可决系数R2为0. 771,而R2一般表示的是自变量对因变量的解释程度。则说明该模型中因变量CPI被自变量PPI解释的很好。从上表中还可以看出标准误差SE为0. 045.D - W检验值为1. 606,D - W小于等于 2 时，D - W 检验法则规定： 如果 D - W < dL,认为存在正自相关； 如果 D - W > dU,认为无自相关； 如果 dL< D - W <dU,不能确定是否有自相关。查表得： D - W在默认水平α为5% 下的上限值为 1. 40,所以 1. 606 > 1. 40,所以研究问题不存在自相关。同时根据经验也可知，D - W 统计量在1. 5-2. 5 之间时，表示没有显着自相关问题。所以也验证了此问题不存在自相关。
（ 2） 回归模型方差分析【表4】
20 自变量为 工业品出厂价格指数。
由表 4 方差检验可以看出，回归自由度为 1,残差自由度为19 （ n - 2） .F 统计量为 68. 249,默认显着水平 α 为 5% 下的 F值为 4. 38,即，F > Fα（ 1,n - 2） .所以该检验通过 F 检验。
又因为 P 值为 0,所以也通过了显着性检验。
（ 3） 相关系数分析【表5】
表 2 中的数据是相关分析的结果。由表 2 可知，未标准化的 B为0. 790,标准化后的B为0. 884,t统计量为8. 261,自由度为19（ n- 2） ,默认显着水平 α 为 5% 下的 t 值为 2. 093,即 t > tα（ 19） ,同时 P 值为 0,显着小于 0. 05,因此回归系数 B 通过了检验。常数项为22. 127,t统计量为2. 207,即t > tα（ 19） ,P值为0. 04,也显着小于 0. 05,因此常数项也通过了检验。所以最终的直线方程为：Y = 22. 127 + 0. 790X
（ 4） 线性图表分析【图2】
由 CPI 于 PPI 的直线图可以看出，CPI 与 PPI 之间确实具有线性相关关系，并且 PPI 的变对 CPI 的变动具有正相关的影响。
3、CPI 的预测【表6】
由回归预测表可以看出 1990 -2010 年 CPI 的观测值和预测值相差不大，而且都在置信区间为 95% 的范围之内，同时也通过了残差检验，所以说 CPI 与 PPI 之间回归模型通过了检验，两者之间确实有线性相关关系。
参考文献：
[1] 陈贝，杨姝琴： CPI 与 PPI 相互关系的实证分析 [D],华东师范大学，经济管理学院，广东，广州，510006
[2] 刘燕，张燕丽，杨延斌： PPI 与 CPI 关系探究 [D]
[3] 数据来源： 国研网数据中心。
