中國CPI編制方法在線上價格指數中的應用探討

陳立雙，王葉思絲

（1.閩南師范大學 商學院，福建 漳州 363000；2中國建筑材料科學研究總院有限公司，北京 100024）

0 引言

居民消費價格指數（CPI）是監測國民經濟運行和政府制定政策的重要指標，同時也與人民群眾的生活密切相關，在線上消費呈現快速增長的現實背景下，積極主動、合理有效地利用大數據完善居民消費價格指數的編制，對提高政府宏觀經濟監測和改善人民生活具有極其重要的理論與現實意義。

近些年來，學術界和一些網絡零售商開始借助線上購物大數據嘗試編制網絡價格指數。例如2007年美國麻省理工學院BPP項目利用網上購物數據計算“每日網上價格指數”；阿里研究院編制了aSPI系列，清華大學與阿里巴巴合作編制了清數-iCPI指數等；這些嘗試引發了學術界對線上CPI編制理論與方法的熱議。如Radzikowski B和s/mietanka A認為，借助大數據編制CPI僅僅是國家統計局價格指數編制方法與線上消費數據的聯姻[1]；Cavallo和ss′Rigobon利用網抓數據編制價格指數時指出，科學選擇可供抽樣的零售商和商品種類非常關鍵[2]；Howard指出，線上大數據資源的獲取將有利于低層級的加權匯總和創新CPI編制方法[3]。馬建堂，游士兵等闡述了全國網購商品價格指數編制的重要性和可行性[4,5]；張崇等研究了基于網絡搜索數據計算的價格指數與官方CPI指數間的相關性及時間滯后關系[6]；吳瓊介紹了ISPI（目前稱為aSPI指數）與官方CPI在數據調查范圍及權重來源等方面的差異，并指出應堅持代表規格品的采集[7]；孫毅等就網絡搜索數據對預期通脹進行了測度與應用效果分析[8]。

綜上所述，國內外相關理論與實踐的大膽嘗試與創新舉措取得了較為豐富的成果，為線上消費大數據在CPI指數中的應用提供了重要指導。但目前線上CPI指數的編制大多是以傳統CPI編制方法為基礎，由于網絡大數據與傳統調查數據之間存在較大差異，這種編制方法的適用性、規范性仍處于探討中，實踐中哪些需要做出調整和創新仍有待摸索。為了進一步厘清這些懸而未決的問題，本文首先對中國CPI編制方法在線上價格指數中的適應性進行詳盡分析，在此基礎上對相關調整方向和方法進行探討，以期推動居民線上消費數據在價格指數中的實踐應用。

1 中國CPI編制方法在線上價格指數中的適用性分析

1.1 既有指數基本理論的適用性問題

2006年開始，國家統計局對城鎮居民（尤其是低收入居民）生活費用價格指數的基礎研究，探討出了一種能夠反映生活必需品價格變動對城鎮居民生活影響的價格指數，稱為城鎮居民生活費用價格指數。實際上，這一指數的基本理論是指數的經濟學理論，而該理論以無差異曲線和收入預算線為基本工具，在效應水平相對固定的情況下，比較兩期的最小支出成本來編制。該指數理論的核心假定是消費者的邊際效用遞減和以最節省成本的方式選擇消費組合。但根據目前學術界的研究，線上消費并非呈現邊際效應遞減規律，例如，何明升（2002）就指出，網絡消費最基本的特點之一便是邊際效用遞增[9],盛曉白（2003）則認為，網絡經濟中的邊際效用遞增規律取代了傳統經濟中的邊際效用遞減規律[10]，謝志剛（2005）針對有關信息的研究指出，信息產品的消費可能會產生局部的邊際效用遞增效應[11]，而線上消費中就有不少信息產品。這一現象可能對指數的經濟學理論的基本假設造成較大沖擊；另一方面，每一種商品消費都有可能涉及到支出時間，類似于互聯網這樣的商品其總支出主要由時間成本而非貨幣成本決定[12]。由于部分網絡消費商品更依賴于貨幣預算約束，而另一部分商品則更依賴于時間預算約束。基于此，傳統以貨幣支出為預算約束的假設可能不再適合。因此，利用網絡消費大數據編制相應的價格指數，其指數基本理論依據可能需要做出某種形式的調整與改進，才能夠更好地指導線上消費品價格指數的實踐編制工作。

1.2 現有抽樣方法及數據采集的適用性

對于中國CPI中商品價格數據的采集工作，首先是各省（區、市）調查總隊在當地抽選調查市縣，而后調查市縣自主選定價格調查點。其中，相應調查市縣和調查點的確定方法主要使用了隨機等距的抽樣方法。但隨著互聯網和云計算技術的快速發展，人類社會實踐活動的范圍和方式出現了重大改變，居民開始在虛擬的網絡空間選購商品和進行消費，線上消費突破了傳統意義上的時空界限，不同地區居民所選購的同一商品不再存在價格上的差異，也不存在商品種類選擇的區域性限制，地理區域這一概念的重要程度在線上消費價格數據的采集中開始逐漸弱化，傳統意義上的區域性抽樣框失去了原本應有的意義。此外，隨著生成數據的不斷增加，無意義的冗余、垃圾數據也會越來越多，傳統CPI編制中人工采集數據的方式可能很難得到需要的價格數據。對此，有些專家學者開始采用網絡抓取技術采集網頁資源中的價格信息，但這種網絡抓取方式也存在著一些問題。如：抓取的海量數據沒有明確的目標抽樣框；各個網絡零售商對相同技術規格的產品編碼可能不一樣、標準不統一等。因此，線上消費品交易價格數據的采集工作，需要突破時空邊界，根據線上消費品市場的特征和現實情況，重新尋找更具針對性和有效性的數據調查和采集方法。

1.3 現有商品籃子的確定與更新方法的適用性

CPI指數編制中商品籃子的確認和有效更新，是事關其數據質量的基礎性問題。線上線下消費品結構存在較大差異，線上服裝類占比最大，而線下食品煙酒類占比最大；線上消費品種類繁多、更新節奏更快，而線下CPI商品分類相對穩定、規格品相對固定；線上商品結構調整快，各類商品所占權重不穩定，而傳統CPI編制中消費品結構變化不大，權重更新慢。從淘寶官網不難發現，線上各種消費產品琳瑯滿目，種類繁多，商品品類分布結構與線下存在明顯差異；更為不同的是，電商產品的生命周期短，加之科技快速發展和企業間日益激烈的競爭，促使產品的更新換代越來越快，例如，在各網絡零售商激烈的價格競爭情況下，銷售火熱的產品幾乎每天都會發生變化；另外由于節假日、電商促銷活動期間集中購物行為導致消費量劇增。對于推陳出新速度之快、交易數量頻繁波動的線上交易品，傳統代表性項目的確定方法也將會變得失效，商品權重的更新頻率也將更顯滯后。因此，基于傳統CPI理論編制線上價格指數需要對商品分類體系、規格品的確定及其更新頻率、權重等做出一定調整。

1.4 季節性產品處理方法與商品質量調整方法的適用性

1.4.1 季節性產品處理方法的適用性

中國統計部門主要借助同比法處理季節性產品，并據此編制了同比、環比和定比等系列價格指數序列。事實上，由于中國現有CPI指數基于月頻編制，其季節性問題無疑是一個不可回避的難題，不過在沒有更好解決辦法的情況下，同比指數法仍不失為一種可取之策。

事實上，關于季節性產品的處理問題，國際勞工組織出版的《消費者價格指數手冊：理論與實踐》（2004）（以下簡稱《CPI手冊》）對其做了極為系統的闡述和介紹；同時《CPI手冊》也將其列為六大令人關注的棘手問題之一[13]。究其原因，主要是這些成果絕大部分都以理論研究為主，關于相關方法之實踐應用方面的研究較為少見，理論與實踐應用研究嚴重脫節。中國CPI關于季節性產品的處理也是如此。但隨著居民消費數據資源獲取能力的大幅提升，人們對季節性產品真實情況的了解正在快速推進，相關實踐方面的研究也在逐漸深入，并取得了一些進展。例如，Finkel等實踐研究指出，許多商品季節的周期性并不穩定，各方法的應用結果與《CPI手冊》存在明顯出入[14]；Copeland實踐研究表明，異質性價格指數法、最大重疊法和Mudgett-Stone法的結果都明顯小于其官方公布的結果等[15]。

隨著居民線上消費大數據的爆發式涌現和實時采集，季節性產品的真容正在顯現，各種季節性產品處理方法的適用性及其有效性正在經歷前所未有的挑戰和考驗，同時也為中國當前同比指數法的實踐應用效果及可能存在的誤差展開系統研究提供了重要契機。

1.4.2 商品質量調整方法的適用性

對于傳統CPI中商品質量調整方法在大數據中的適用性問題，首先需要肯定的是，線上消費品存在極其廣泛的質量變動和產品更新，因此商品質量調整工作是非常必要的。其次，由于線上和線下商品質量變化具有同質性，現有商品質量調整理論與方法也是適用于大數據的。對于商品質量調整的理論與方法，《CPI手冊》、《價格指數中的享樂指數和質量調整手冊》[16]等都對其進行了極為系統地歸納與概括，但這些豐碩理論與方法的實踐應用效果同樣遭遇了數據資源瓶頸的約束。目前中國國家統計局已經開始選擇少數具有代表性的商品，結合商品質量調整的顯性或隱性方法展開了商品質量調整工作，但由于傳統調查數據資源的限制，這一工作推進起來難度較大，進展緩慢。居民線上消費大數據的出現，將為這些理論與方法的應用研究提供有力的支持。

1.5 中國CPI現有構造方式的適用性

1.5.1 中國CPI低層級匯總指數公式構造的適用性

由于數據資源的限制，除了美國等少數國家以外，絕大部分國家傳統CPI之基本價格指數的編制往往采用未加權方法，從而成為影響CPI數據質量不可忽略的因素之一。下頁表1基于數據差異視角下，對中國CPI低層匯總方法在線上價格指數編制中的適用性進行了分析。盡管最為常用的基本價格指數公式Jevons指數較Dutot和Carli具有更為優良的指數檢驗性質，同時這一處理方法也遵循了國際規范，但Imai等研究了抽樣方法和低層級未加權公式的選擇對偏誤的影響后，發現加權公式的應用和代表性規格品的有效選擇無疑是提高價格指數準確性的重要手段[17]，傳統未加權公式的應用是價格指數偏誤的一個重要原因。實際上，從1999年12月開始，美國勞工統計局就在CPI低層級的匯總中采用拉氏價格指數，以力求化解CPI低層級匯總的權偏誤和替代偏誤。

表1 中國CPI低層級匯總指數公式構造在線上價格指數中的適用性分析

1.5.2 中國CPI更高層級匯總之指數公式構造的適用性對于更高層次的匯總，不同國家政府統計部門采用了不同系列的指數公式，如表2所示。

表2 部分主要國家CPI之高層次匯總指數公式的構造情況

這些公式的選擇和應用顯然是符合國際規范的，而且也是傳統數據狀態下的次優選擇。對此Redding和Weinstein認為，現有的各類價格匯總指數往往假定消費者對全部商品的偏好參數在時間上是相對固定的，這明顯排除了來自于消費者喜好變化而引發的需求沖擊。而對這一客觀現象的忽略會造成類似于商品替代偏誤的消費估算偏誤[18]。根據指數的經濟學理論來看，拉氏、帕氏和Fisher指數所反映的商品間替代彈性均為零，T?rnqvist指數所反映的彈性為單位彈性，而Jevons指數則暗含無窮大的替代彈性。在數據資源極為豐富的大數據環境下，仍使用固定彈性的某一類公式，將會造成商品間替代偏誤，從而對線上價格指數的準確性造成不利影響。

1.6 價格指數編制頻率的適用性

目前世界各國編制的消費者價格指數主要基于月頻，究其原因主要有以下兩方面：（1）傳統價格指數的主要作用在于通脹水平的監測，而通脹水平則反映了由于貨幣的超額供給所引發的市場整體價格水平的長期變動趨勢。基于此，價格跨期對比的時長則不宜過短；（2）傳統調查方式下投入成本的限制。高頻率價格指數需要高頻率的原始數據資料，而這又需要高昂的數據調查與處理成本。基于此，傳統意義上的數據采集往往是相對低頻率的，中國目前編制的價格指數主要是月度、季度和年度的。

但對于線上交易商品而言，（1）線上商品價格與交易數量變動更為頻繁，需要更高頻率的指數才能夠更為真實地反應其價格變化情況。Cavallo研究顯示，線上商品價格的變化呈單峰分布形（Unimodal），幾乎所有商品的價格都出現了日內小規模的變化，各替代商品價格的變化也存在日內同步效應；（2）大數據的潛在價值突出體現在其較強的時效性，能夠及時、有效地捕捉到宏觀經濟運行的真實趨勢和重要拐點；（3）對于高頻率的線上交易大數據，編制相對低頻率的價格指數，容易引發指數匯總頻率上的偏差，嚴重時甚至會導致通脹趨勢與方向的反向判斷。例如，Diewert等（2016）研究表明，如果月度單位價值指數是合適的目標指數，則代表性的周頻率的價格指數就存在上偏[19]。另外，Haan和Grient（2011）[20]針對洗滌劑分別編制了周頻、月頻和季頻三類Fisher鏈式指數，從圖形來看，前兩類指數均顯示為下降趨勢，而第三類指數則顯示為輕微的上升趨勢；而且前兩類指數表現出明顯的分化走勢，可見編制頻率對價格指數質量的重要影響。因此，對于線上高頻交易數據，編制更高頻率的價格指數，不僅能夠更為微觀、準確、靈敏地反映商品交易價格與數量動態變化特征，還能夠有效地消除CPI在時間方向上的匯總偏差。基于此，大數據資源下有必要借助其數據優勢提高價格指數編制頻率，優化CPI指數的系統性功能。

2 中國CPI編制方法應用于線上大數據的調整與改進

根據上述分析，盡管中國CPI編制方法在很多方面并不完全適用于線上大數據價格指數的編制，但如果經過適當的調整與改進，仍然可以有效應用于后者，并且可以構造出一套更具針對性的線上消費大數據之價格指數編制的技術和方法體系。

2.1 重構指數的經濟學基本理論

居民消費價格指數作為宏觀經濟領域極其重要的價格指數之一，從古至今都體現了極為明顯的經濟屬性和特征，指數經濟學理論的出現更是將其經濟本性演繹到了極點。因此，指數的經濟學理論被認為是居民消費價格指數構建的重要理論基石，也是目前美國消費價格指數構建的基本理論。針對線上消費的重要特征，尤其是消費邊際效應并非明顯遞減和時間約束，亟需對傳統指數的經濟學理論加以完善和重構，例如，重新設計新的效用函數，將時間因素和貨幣因素同時引入效用函數，使其能夠更有效地解釋互聯網時代居民的消費特征。

2.2 以典型調查和重點調查相結合的數據采集代替概率抽樣

關于大數據的抽樣問題，《大數據時代》指出，大數據是指不用隨機抽樣調查，而采用全部數據的方法[21]。事實上，這僅僅是一種極其理想化的狀態，例如居民線上消費實踐案例中，由于線上交易平臺和消費渠道成千上萬，各單位間尚未形成一個統一的整體和數據的全面共享系統，各地區和省市所分布的線上消費平臺和電商企業數量千差萬別，要完整、全面地采集居民線上消費大數據，就目前來看，顯然需要投入很多的人力、物力和財力，工程浩大。因此，針對居民線上消費大數據，可結合工商部門登記的電商企業，將其按照經營模式、從業企業、經營戰略等標志進行分類的基礎上，采用典型調查和重點調查相結合的方式，選擇更具代表性的電商企業進行數據的采集。

2.3 優化商品分類和規格品確定及其權重確定方法

首先，在盡可能參考中國現有CPI商品分類的基礎上，結合線上消費品的結構與類型，以消費者的網絡消費目的和網絡商品的特征為重要依據，進行更具針對性的分類，以進一步完善和擴展居民消費品分類。其次，雖然線上消費記錄全面、系統，但也存在大量冗余信息，可能的設備故障也會導致數據混有太多噪聲。因此，與傳統數據相比，在確定規格品之前，需要利用大數據集成、清洗、轉換等技術對居民線上消費數據進行編碼、去冗降噪等處理，這一數據處理過程非常關鍵，對后續規格品的選擇與確定具有極其重要的意義。在居民線上消費大數據價格指數的編制過程中，數據清洗是必不可少的關鍵環節，其清洗工作的科學性和規范性直接關系到指數編制質量。經過清洗后的更為規范和標準的數據，由于線上消費品種類繁雜，同一類商品，例如巧克力的型號和品種就有上百種，傳統的規格品確認方法顯然難以應對。對此，也需要充分利用大數據分析和處理技術，包括：聚類分析、特性選擇、關聯規則、相關分析等方法，選擇出更具代表性、更穩定且能夠實時更新的規格品。針對線上規格品權重的不穩定性，可考慮借助移動平均法實時更新商品權重，以確保商品籃子的代表性、時效性和相對穩定性。

2.4 利用線上數據信息推進季節性產品處理與商品質量調整方法的應用

2.4.1 季節性產品處理方法實踐應用的系統性分析

大數據為我們提供了居民線上消費的系統性信息，借助居民線上消費大數據，可以深入推進商品季節性產品處理的實踐分析。首先，季節性產品的詳細分類與差異的比較；其次，季節性產品分布規律及其占各類消費品的比重情況；再次，現有季節性產品處理方法的實踐應用效果及其比較；最后，納入與剔除季節性產品對價格指數編制影響的效應分析，尤其是剔除季節性產品對價格指數長期變動趨勢的影響分析，需要做進一步的深入研究等，這些研究可以破解現有季節性產品處理的難題。

2.4.2 商品質量調整方法實踐應用的系統性分析

Shiratsuka的研究就曾指出，質量變化或新產品的偏誤被認為是工業化國家CPI上偏的最主要來源[22]。實際上，美國歷來就十分重視CPI之商品質量調整工作；同時與傳統調查數據不同的是，線上商品質量變化速度有加快之勢，居民線上消費大數據的出現，為我們獲得商品質量信息、及時跟蹤商品質量變化情況提供了重要機遇，這將極大地改變傳統CPI下商品質量調整工作的困境。綜合來看，大數據背景下商品質量調整工作的優化性研究主要包括以下幾個方面：第一，商品質量的穩定性及其變動周期與規律；第二，各種商品質量調整方法的應用效果、適用條件及其可能應用的產品類型；第三，商品質量偏差的數量分析；第四，選擇具有代表性的產品編制Hedonic價格指數并逐漸推廣；第五，探討商品質量調整的統計標準與規范性分析等。這些問題的深入推進和系統厘清，將極大地提高中國CPI的編制技術和水平。

2.5 以統一標準的各層匯總指數代替傳統單一彈性的價格指數

首先，大數據獲取的信息全面、完整是對傳統數據資源極其重要的補充。線上價格指數的構造中，全部價格指數都將采用加權方式匯總，這一轉變必將極大地提高線上價格指數的質量；其次，大數據背景下價格指數的編制可以消除不同類型商品間的替代偏差，進而構造更具針對性、實用性的價格指數。目前，在各類價格指數中，更能夠滿足該條件的指數公式主要為：

其中第一個指數由Lloyd（1975）和Moulton（1996）各自獨立提出，其優點在于能夠結合不同類型商品間的替代彈性σ選擇更具針對性的指數公式，以避免指數構造所帶來的偏誤，尤其是商品間的替代偏誤。正如《CPI手冊》所指出的，實際上，我們可以相當可靠地判定PLM并無替代偏差，而且所需數據并不多于Lowe或Laspeyres指數。因此，在大數據背景下，可以嘗試利用該指數來計算線上消費者價格指數。

2.6 調整指數的編制頻率

由于高頻價格指數更具靈敏性和時效性，利用線上大數據編制更高頻率價格指數，例如周頻、日頻甚至是實時指數，具有重要的實踐價值。但實際上，編制線上消費價格指數時采用實時頻率可能不太合適。因為從現有技術水平和價格指數的統計角度來看，數據清洗、整合、商品質量調整等工作都需要一定時間，而且很多工作目前還需要人工的介入與干預。因此，編制周頻或日頻線上居民消費者價格指數更具可操作性，而且這類高頻率價格指數對于宏觀經濟監測同樣具有明顯優勢。但這并不意味著大數據資源下完全忽略月頻、年頻等價格指數，因為這些指數在預測通脹趨勢上具有特殊作用，仍有必要利用大數據編制不同月頻、年頻的價格指數，但實踐中需要處理好不同頻率價格指數間的相互轉化和有效協調問題。

3 結論

大數據資源下價格指數的編制，依然離不開既有價格指數的基本理論框架和實踐經驗。本文對中國現有CPI編制方法與實踐經驗在線上價格指數中的適用性進行分析，并進一步討論了現有CPI編制方法應用到線上價格指數中需要作出的調整與優化方法。這些問題的探討都是為了解決利用大數據編制價格指數的關鍵問題，對線上價格指數的編制具有重要意義。當然，相對于一個完整的、有效應用于實踐的可操作框架而言，本文所作的研究還不夠詳細和深入。本文的主要目的僅在于提供一些問題的解決思路和方向，更多深入的細節問題有待后續進一步研究。

參考文獻：

[1]Radzikowski B,Mietanka A.Online CASE CPI[J].Center for Social and Economic Research(CASE),2016.

[2]Cavallo A,Rigobon R.The Billion Prices Project:Using Online Prices for Measurement and Research[J].The Journal of Economic Perspec?tives,2016,30(2).

[3]Howard A,Dunford K,Jones J,et al.Using Transactions Data to En?hance the Australian CPI[C].fourteenth Ottawa Group Meeting,2015.

[4]馬建堂.大數據在政府統計中的探索與應用[M].北京：中國統計出版社，2013.

[5]游士兵,張佩,姚雪梅.大數據對統計學的挑戰和機遇[J].珞珈管理評論,2013,2(9).

[6]張崇等.網絡搜索數據與CPI的相關性研究[J].管理科學學報，2012，(7).

[7]吳瓊.大數據視野中的價格指數統計[J].數據,2013，(10).

[8]孫毅,呂本富,陳航等.大數據視角的通脹預期測度與應用研究[J].管理世界,2014，(4).

[9]何明升.網絡消費：理論模型與行為分析[M].哈爾濱：黑龍江人民出版社，2001.

[10]盛曉白.網絡經濟與邊際效用遞增[J].商業時代,2003，(245).

[11]謝志剛.信息產品需求特性與壟斷性市場結構[J].中國工業經濟,2005，(5).

[12]Goolsbee A,Klenow P.Valuing Consumer Products by the Time Spent Using Them:An Application to the Internet[R].National Bu?reau of Economic Research,2006.

[13]ILO,IMF,OECD,UNECE,Eurostat,and the World Bank.Consumer Price Index Manual:Theory and Practice[M].Geneva:International Labour Office,2004.

[14]Finkel Y,Rakhmilevich A,Roshal V.Different Approaches to the Treatment of Seasonal Products:Tests on the Israeli CPI[C].10th Ot?tawa Group Meeting,Ottawa,2007.

[15]Copeland A,Miller A.Seasonality and Prepackaged Software Price Indexes[J].US Department of Commerce,Bureau of Economic Anal?ysis,Office of the Chief Statistician,2008.

[16]Triplett J.Handbook on Hedonic Indexes and Quality Adjustments in Price Indexes:Special Application to Information Technology Products[R].Publications de l’OCDE，2006.

[17]Imai S,Diewert E,Shimizu C.Consumer Price Index Biases[EB/OL].http://www.stat.go.jp/english/info/meetings/og2015/pdf/t1s1p3_pap.pdf.

[18]Redding S J,Weinstein D E.A United Approach to Aggregate Price and Welfare Measurement[EB/OL].https://xue.glgoo.org/scholar?cluster=3394058579854622741&hl=zh-CN&as_sdt=0,5.

[19]Diewert W E,Fox K J,Haan J D.A Newly Identified Source of Po?tential Cpi Bias:Weekly Versus Monthly Unit Value Price Indexes[J].Economics Letters,2016,(141).

[20]Haan J D,Grient H A V D.Eliminating Chain Drift in Price Indexes Based on Scanner Data[J].Journal of Econometrics,2011,161(1).

[21][英]維克托·邁爾·舍爾伯格.大數據時代[M].杭州：浙江人民出版社,2013.

[22]Shiratsuka S.Measurement Errors in Japanese Consumer Price Index[R].Federal Reserve Bank of Chicago,1999.