Page 49 - 陳慧光

4.3 通膨數據交互分析

綜前所述，本文針對 CPI、PPI 及 PCE 三大通膨指標，採由上

而下法列出樣本特性，同時利用不同維度所建構之細項組合，篩選

具指標性樣本進行比對及檢定，於本節編製 21 組檢定結果以及指

標預測效果 (列於本節最後表 7)，同時進行交互分析並彙整歸納出

以下四點。

首先，本文對於 PPI 的研究結果與 Clark (1995) 的論點相呼

應。Todd Clark 於文獻中提到: 「PPI 的變化不一定會影響 CPI 的

變化，這說明 PPI 對於預測 CPI 的未來走勢並沒有太大價

值」 (Romero, 2018)。由前 12 組分析，較佳領先指標最終全部落

在CPI 及其相關通膨數據 (含細項及核心數據)，證實第一部分研究

結果應以 CPI 提供主要預測價值。然而，CPI 及其相關通膨數據

對於核心 PPI 卻缺乏解釋力，表示兩者的相關性或許落在價格波動

度較大之能源及食物類別。再進一步針對細項分析結果顯示，CPI

項下之食物類別對 PPI 具有預測效果，而交通運輸類別 (能源相關)

卻缺乏顯著預測力，交互比對後可推知，CPI 和 PPI 主要統計細項

差異可能來自於能源項目，然而能源項目在細項中分布廣泛，故需

更多實證研究方能說明其影響範疇。

其次，第 6 至 9 組載明於建築相關項目之下，Granger 因果關

係檢定和迴歸分析檢定呈現出結果不一致的情況。由 Granger 因果

關係檢測所設定之目標變數，在迴歸檢定下全都產生  h 低估且

 h 高估，甚至該斜率係數多數出現不顯著之現象，反之，若將目

標變數與對立變數對調進行對照組檢定，則又出現季節性效應，甚

至經質化校正後，仍於前幾期中具有季節性，故推測該季節性為重

大暫時性干擾因子，且 「暫時性」 作用遠比本文研究的時間還要

更長；因此，例如住房的租金補貼政策或利率政策所引發的建築成

41