Page 4 - 陳慧光

指標及其成分，或主要不同通膨指標間之研究為主，鮮少針對各指標

成分間之影響進行分析，故本文以將以美國三大通膨指標: 消費者物

價指數 (consumer price index，以下簡稱 CPI)、生產者物價指

數 (producer price index，以下簡稱 PPI)、個人消費支出物價指

數 (personal consumption expenditure price index，可稱為 PCEPI，以

下簡稱 PCE)，以及其個別細項進行研究，利用由上而下法 (top-down

approach) 剖析個別細項之交互影響，進而揭示影響通膨數據背後之

可能成因，為投資人及政策制定者提供前瞻且全面性的資訊。

研究實證分析顯示，透過 Granger (1969) 因果關係檢定 (Granger

causality) 與迴歸分析檢定交互比對下，CPI 及其細項相對於 PPI 及

其細項提供較高的預測價值，然而前者對於核心 PPI 卻缺乏解釋

力，另外，本組在兩檢定法出現高度互斥現象，需再利用實驗組與對

照組進行結果比對。另一方面，在 PCE 及其細項配對於 PPI 及其

細項組別中，前者除了展現高度預測價值外，對核心 PPI 解釋力亦

優於前組，且此組在兩模型檢定結果中具較高之一致性，可謂以 PCE

及其相關細相作為 PPI 及其相關細項之領先指標，實證上或許更能

提高預測準確度。而本研究除組別結論外，還於細項成分檢視中，發

現需特別注意能源及建築兩項目所雙雙呈現之干擾因子，推測其因為

能源數據普遍涵蓋於其他相關項目 (如交通運輸)，而建築數據卻受

到像是租金補貼等長期政策所影響，故可能出現季節性效應且擾動之

存續狀態將比預期還要更久，凡此種種皆可能降低模型預測效果，若

後續研究者能因此避免相關設定偏誤，應有助於從不同觀點切換通膨

視角以提升研究價值。

本文架構簡述如下: 第 2 節為探討國內外有關通膨指數交互影

響之相關文獻，第 3 節為研究方法，解釋本文採用之資料取樣區間、

計量模型、變數選擇以及檢定統計量等，第 4 節則列出實證結果，並

就各細項結果進行比對分析，最後再輔以第 5 節作為本研究結論。
2