大数据背景下CPI方法创新及福建省CPI编制启示

近些年，国内外大数据呈现井喷式状态，并以迅雷不及掩耳之势席卷世界各地、各行各业，以致对生产、流通、分配、消费和社会生活方式、经济运行机制和国家治理模式都产生了极其重要的影响。近些年，各国政府和国际组织，以及行业和部门也逐渐意识到大数据对社会经济发展和管理带来的价值潜力，纷纷将大数据提升到国家战略层面，主动迎接大数据带来的变革机遇和挑战。中共十八届五中全会也不失时机地提出：“实施国家大数据战略，运用大数据技术提高经济运行信息及时性和准确性。”[1]至此，大数据正式上升到国家战略层面。

随着大数据在居民消费领域的广泛应用，爆发了巨量的居民线上消费大数据对传统CPI的代表性、精准性和时效性造成了相当大的挑战。发达的信息技术支付方式与传统CPI数据的相对低水平采集间的矛盾日益尖锐，大数据资源的系列优点所引发的传统CPI编制问题也日益突出。种种突显的问题都对大数据在CPI中的重要应用提出了现实需求。在CPI编制中引入大数据已经成为一种必然趋势。基于此，社会各界纷纷掀起了一股大数据背景下的价格指数编制热潮。例如早在2007年美国麻省理工学院BPP项目就利用网上购物数据计算了每日通胀指数，阿里研究院则编制了aSPI系列，清华大学与阿里巴巴合作编制了清数-iCPI指数等等。

大数据属于一种技术，同时也是一种具有“4V”特征的重要战略资源。在CPI中引入大数据，将带来传统CPI编制方法与应用的创新，促进CPI统计的全面性、及时性和准确性，扩展CPI统计的范围，促使CPI更好地服务于经济社会。基于此，结合大数据系列特征，在分析中国现有CPI编制方法可能呈现的系列问题的同时，进一步厘清大数据在CPI中的方法与应用创新，并结合我省CPI编制的现实情况探讨大数据背景下的CPI编制可能获得的重要启示，对提高我省CPI的数据质量，主动对接大数据带来的机遇和挑战，具有极其重要的理论与现实意义。

从外部环境的变化来看，全面市场化政策的实施，使得国有粮食企业独占粮源的局面被打破，粮食市场被重新分割[8]。国有粮食企业将面临更多的竞争者，但其自身还没有完全适应市场竞争环境，没有真正成为自主经营、自负盈亏的经济实体[9]。同时，粮食企业还面临粮食替代品的挑战[10]。

一、CPI编织中纳入大数据的重要意义

大数据的“4V”特征具体表现为：规模性（Volume）、多样性（Varity）、高速性（Velocity）和价值性（Value）等。相对于传统田野式调查所获取的小样本数据而言，大数据在CPI中的应用具有重要意义。

（一）大数据的应用有助于提高CPI数据的统计调查能力

中国CPI商品数据采集，不同抽样调查对象使用了不同的方法，也即地理区域和商户抽样主要使用了等距概率抽样，而对于商品的选定则主要使用了代表性项目法。其抽样对象都是基于几乎静态数据的，同时伴有明确的目标抽样框。但随着互联网和信息技术的快速发展和应用的日趋普及，实践中可以借助穿戴工具和移动互联网、扫描码等信息技术大范围内采集各零售网点、超市、医院、农贸市场等地居民线下消费大数据，利用传感器实时采集和记录居民线上消费大数据。同时对于CPI编制过程中的特殊信息要求，还可以采用网络抓捕的方式获取相关信息，例如商品特征信息的采集等。

（二）大数据将从根本上解决传统数据资源的信息瓶颈

目前，关于价格指数构建的基本理论，主要有固定篮子法、指数的经济学理论、积分指数理论、随机指数理论等。它们分别从不同视野阐述了价格指数的内涵，并由此衍生出相应的测度目标与实践功能。而事实上部分指数理论间本身就存在一定的关联性，而且最终难免殊途同归于某类具体的指数公式。因此，尽管存在不同编制目标与功能需求，但无论是传统调查小数据还是居民消费大数据，都可根据某特定编制目的，选择相应的基本指数理论，并最终构造出更为理想的价格指数。

（三）大数据的应用有望创新中国CPI的实践编制工作

在中国既往的指数编制传统和现有的价格统计条件下，有关CPI实践编制的理论与方法问题往往以相对独特的形式呈现出来，具有一定的特殊性，并常常引发社会公众的困惑和误解、研究者们的分歧甚至质疑。大数据被称赞为21世纪的石油和金矿，其潜在价值极大。随着大数据在居民消费领域广泛深入的应用，居民消费大数据在线上和线下呈现爆发式增长，大数据资源的逐步开放与共享，社会各界可借助大数据丰富的信息资源对中国现有CPI编制方法进行优化、改进与创新，从而更好地创新CPI的实践编制工作。

大数据属于高频率更新的信息化数据，其重要价值的一大体现在于时间上的快速处理和反应。实际上，Cavallo A的研究就显示，线上商品价格的变化呈单峰分布形（Unimodal），几乎所有商品的价格都出现了日内小规模变化，各替代商品价格的变化也存在日内同步效应[6]。借助居民消费大数据之海量信息，编制更高频率的价格指数，不仅能够更为准确、灵敏地反映商品交易价格与数量动态变化特征，还能够更为有效地消除CPI在时间序列方向上的纵向汇总偏差，更为及时有效地捕捉到国民经济宏观经济运行的真实趋势和重要拐点。因此，大数据背景下有必要进一步借助其宝贵资源提高指数的统计频率，提高CPI对经济运行信息的灵敏性和及时性。

（四）大数据的应用将有助于促进CPI的功能优化

由于大数据资源的极度丰富，其指数编制更趋于多目标化和多功能化，以致形成一个多功能组成的集合，与之对应的可能是多种指数理论组成的理论体系。但大数据具有明显的多变性和不稳定性，大数据所引发的居民消费偏好与消费结构的变化可能较为特殊。在这样的现实环境下，传统基于固定效用水平下支出最小化的指数的经济学基本理论可能会存在问题，由于因为网络消费偏好是商品质量的持续性提高所引发的消费者边际效用递增，指数的经济学理论可能面临挑战；而建立于连续时间基础上的Divisia积分指数理论可能有更大的应用价值，将其作为指数理论体系的核心理论将更具现实意义。

（五）大数据在CPI中的应用为相应交叉学科的融合发展提供了契机

大数据具有与传统田野调查数据显著不同的若干特征，其潜在价值的挖掘需要经过数据的自动收集、存储、清洗、系统的导入及预处理、数据挖掘技术和可视化的呈现等系列流程，这些过程都需要借助大数据和云计算技术才能够顺利完成。作为大数据背景下社会经济统计的重要指标，CPI的统计需要统计学、经济学、计算机科学与技术和数学等学科知识的综合应用才能够顺利完成。这就需要我们顺应时代发展潮流，培养满足大数据分析需求的数据科学家。显然，这些多学科基本知识的系统性应用，对促进上述相关交叉学科的发展与融合提供了历史性机遇。

韩俊义介绍说，“在过去，一口机井负责300亩地的灌溉，12个小时只能灌溉30亩，300亩地全部灌溉完需要5天5夜。农民需要早晚两次往施肥罐里倒颗粒肥料，完成300亩的施肥就需要起早贪黑倒肥10次。而如今，有了自动施肥机，农民就轻松多啦！现在只要一合电闸，输入几个数据，就彻底把我们从过去施肥、浇水连轴转的繁重劳动中解放出来！机械化自动化操作，既省工又省力！”“他们是改变马卜子农业历史的小分队！”刘玉感叹到。

二、大数据背景下中国CPI编制方法的改进

（一）传统数据采集方法的改进

传统CPI数据的采集采用抽样调查方法，通过居民消费品价格调查和居民家庭消费支出调查获取数据，国家统计局基层调查队耗费了大量人力、物力和财力，负担沉重，数据的获取成本高，居民消费统计数据的采集效率受到了一定程度的限制。而大数据利用发达的信息技术，借助传感器和穿戴工具等进行自动识别和监测、记录和实时存储居民消费的全部信息，可将人的因素从基层调查队中解放出来，借助物的因素进行数据的采集和储存工作，大大提高了CPI数据的调查效率及其技术水平。

但需要注意的是，居民线上消费大数据的采集主要集中在企业和相关云数据平台层面，政府要有效共享这一宝贵大数据资源还需要顶层的设计和制度的完善与推进。同时，由于大数据的结构性和不稳定性等特点，借助大数据技术进行居民消费大数据的采集，需要对其有效性和系统性偏差进行必要的评估和控制。

（二）指数构造理论体系的优化

传统CPI数据关于交易商品的交易数量、商品特征信息、消费者相关信息等都存在较大缺口，从而对CPI指数编制造成了较大程度影响。大数据从一个全新的领域为价格指数的编制提供了低成本、全信息、巨量的宝贵数据资源。首先，大数据记录商品交易信息的时间属于连续不间断性的，这对于研究商品价格的变化规律和编制更高频率的指数带来重要机遇；其次，大数据包含了全部消费品的交易量信息，这对于扩充规格品的数量、提高规格品的代表性带来了极大便利；再次，商品交易数量与价格的同步获取有助于解决CPI编制中的系列权重问题，对提高CPI数据的准确性起到了极大的促进作用；最后，大数据记录了交易商品的特征信息，为商品质量的调整提供了极其丰富的信息资源。总之，大数据在CPI中的应用，将从根本上解决传统CPI编制所面临的数据资源瓶颈问题。

气体流量：柱流量 2mL／min；隔垫吹扫 3mL／min；尾吹气流量 58 mL／min。 进样量 1.0 μL， 不分流进样。

供试药剂：30 g/L甲基二磺隆可分散油悬浮剂（山东省长清农药厂有限公司）、8%炔草酯可分散油悬浮剂（河南省丰收乐化学有限公司）。对照药剂：30 g/L甲基二磺隆可分散油悬浮剂［拜耳作物科学（中国）有限公司］、15%炔草酯可湿性粉剂［先正达（中国）投资有限公司］。

充分运用大数据，可以丰富经济统计数据来源，实现对经济运行更为准确的监测、分析、预测、预警。而实际上，目前学术界与实务部门借助大数据编制的各类价格指数，例如美国麻省理工学院BPP项目开始编制每日价格指数[2]。张崇等基于网络搜索数据编制的指数[3]、孙毅等基于网络搜索行为统计的通货膨胀预期指数[4]、阿里巴巴全网网购价格指数（aSPI）等都清晰地表明，借助大数据信息编制的价格指数并能够较好地拟合官方公布的CPI指数，尤其是该类指数能够较后者更早地预测宏观经济拐点，表现出较强的领先优势。另外，为了契合供给侧结构性改革的需要，可以借助大数据编制监测热点行业，识别居民消费热点的销售量指数等。大数据的应用显然将有助于促进CPI的功能优化，并为政府宏观经济管理和经济的结构性调整提供重要的信息决策依据和赢得时间上的主动权。

（三）商品篮子的确定与更新方法优化

大数据属于实时更新的海量数据，它能够准确、全面、系统地跟踪商品的推陈出新和各类商品交易数量，这对于适时优化商品权重、有效剔除失效的规格品和及时引入相关性更强的规格品提供了重要条件。借助大数据的显著优势，有望提高商品权重更新频率，适时更新商品分类和代表性规格品，从而显著地改善商品篮子的代表性，确保商品篮子的时效性。

商品篮子包括篮子中商品组合及其权重，其代表性直接决定着CPI的数据质量和功能的有效性，从而成为整个CPI编制工作中最为关键的核心问题。目前中国CPI编制中商品权重五年一次大调，年年微调，商品分类也以五年为周期进行调整，新旧产品的更新问题难以得到有效保证，商品篮子的代表性容易引发时效性问题。

排料器的结构如图3所示。其主要由滚筒、滑板、支撑轮等组成，滚筒与支撑轮相连，通过螺钉进行连接；滚筒和支撑轮沿周向皆均匀分布有12个细槽，且相对应地形成12个细长滑道；滑板位于滑道内，可上下运动。

（四）中国CPI之低层汇总方式的优化

数据资源的缺失，导致除了美国等极少数国家外，绝大部分国家传统CPI之基本价格指数的编制往往采用未加权方法。其中最为常用的基本价格指数公式Jevons指数较Dutot和Carli具有更为优良的指数检验性质，同时这一处理方法也遵循了国际规范，但Imai S,Diewert E,Shimizu C研究了抽样方法和低层级未加权公式的选择对偏误的影响后，发现加权公式的应用和代表性规格品的有效选择无疑是提高价格指数准确性的重要手段[5]。这也间接说明，低层级未加权对指数数据质量的重要影响。实际上，从1999年12月开始，美国劳工统计局就在CPI低层级的汇总中采用拉氏型价格指数，以力求化解CPI低层级汇总偏误。

大数据同步记录了居民全部消费品交易价格与数量，其在CPI中的重要应用，一方面解决了CPI规格品价格与高层级汇总权数数据不匹配的突出问题；同时规格品交易数量的获取，将从源头上保证了CPI基础性数据的质量，而借助交易数量进行某种形式规格品价格的加权汇总有助于解决低层汇总未能加权的突出问题。

（五）价格指数编制频率的优化

目前世界各国编制的消费者价格指数主要是基于月频的，究其原因，主要有以下两方面：（1）传统价格指数的主要作用在于通胀水平监测，而通胀水平则反映了由于货币的超额供给而引发市场整体性价格水平的长期变动趋势；（2）传统田野式调查下投入成本的限制。高频率价格指数必须需要高频率的原始数据资料，而这又需要高昂的投入成本。综合上述情况，中国目前编制的价格指数也主要是月度、季度或者年度的。

包络夹持模式下静平衡位置较难确定，待优化参数较多，建立目标函数的过程较为复杂，难以直接优化求解。圆柱体是包络夹持对象的常见形状，包络夹持模式下夹持器的受力分析如图4所示。假设被抓取物体为底面半径为R的圆柱体，对R进行一系列取值，可近似获得运动杆4、杆5的位置约束，从而保证外部约束引入的一般性。其中，由于静平衡位置较难借助静力学分析确定，通过ADAMS对表1所示的夹持器结构参数初始值进行仿真可以获得不同R对应的静平衡位置参数Dp的值，结果如表3所示。

随后，辉隆投资集团党委书记、董事长李永东宣布第八届金秋文化节开幕。伴随着“出发！”一声令下，环湖行活动正式开始。

（六）季节性产品处理与商品质量调整实践工作的优化

1.季节性产品处理工作的优化。季节性产品分为两类，也即强季节性产品和弱季节性产品。目前人们对于季节性产品的情况缺乏系统的了解和把握，对各种方法的实践应用效果也知之甚少，季节性产品在CPI编制中的处理一直是悬而未决的难题，少数国家干脆剔除了季节性产品，其结果肯定会对CPI的数据质量造成一定程度影响，但也实属无奈之举。不过随着人们获取居民消费数据能力的不断提升，这一尴尬局面有望得以改善，相关实践方面的研究也在逐渐深入。例如，Finkel等人实践研究指出，许多商品季节的周期性不稳定，各方法的应用结果与国际劳工组织出版的价格指数手册也存在明显出入[7]。

居民消费大数据的出现，则更是为我们提供了系统性了解季节性产品全貌和特征的丰富信息资源，为我们推进季节性产品处理方法的研究提供了难得的素材。大数据背景下，商品季节性产品的处理工作有望得到实质性的推进，困扰理论与实务界的季节性产品处理难题有望逐步化解。

2.商品质量调整实践工作的优化。商品质量变化偏差被学术界认为是引发CPI偏差的最主要因素之一。目前中国国家统计局已经开始选择少数具有代表性的商品，结合商品质量调整的显性或隐性方法展开了商品质量调整工作，但由于传统数据资源的限制，这一工作推进起来难度大，进展缓慢。

利用大数据技术对相关商品特征信息展开必要的抓捕、记录和调查，结合商品交易价格与数量信息，将为开展商品质量调整工作提供必要的信息条件。这样，一方面将可以有效地推动商品质量调整工作，同时还能够对相关商品质量调整方法的应用效果进行实证经验，对商品质量变化偏差进行估算。总之，大数据的应用对CPI实践编制工作中商品质量调整方法的选择、调整工作的改进与优化，以及对推动商品质量调整理论与应用创新，都是一大重要机遇。

三、福建省CPI编制的启示

大数据与CPI编制的结合是大数据时代的必然趋势，不少国家统计局的地方调查队都在积极扩展CPI数据采集范围，更新CPI数据处理方式。例如，国家统计局沈阳调查队以国家统计局和辽宁调查总队开展的以CPI网络购买商品价格调查为契机，积极探索、全力参与人工采集网购价格试点工作[8]。上海市统计局也与1号店铺开始了价格指数编制的合作，杭州市更是成立了数据资源局等。面对居民消费大数据的爆发增长，中国不少地区的相关统计部门都在积极迎接大数据发展的历史性机遇，进行数据采集与处理方法的革新。对福建省而言，也应该找准突破口，抓住历史性机会，顺势而为，积极探索CPI统计工作的新方法、新技术，抢占价格指数统计的制高点。

（一）主动对接政府数据统一开放平台

2015年，国务院颁发的《促进大数据发展行动纲要》中提到2018年底前，建成国家政府数据统一开放平台，2020年底前，逐步实现政府各部门、各事业单位等民生保障服务相关领域的政府数据集向社会开放。为了迎接大数据可能带来的价格指数编制工作的重要挑战和抢占大数据背景下价格指数统计的新机遇，福建省有必要契合国务院的上述文件精神，把握国家大数据开发和利用的契机，主动对接政府数据统一平台，为大数据的应用和开放打下坚实的基础。

（二）持续推进网络采价的试点工作

根据福建省统计局资料，2016年福建省电子商务交易总额10196亿元，比2015年增长43.3%。其中限额以上批发和零售企业实现网上零售额543.15亿元，增长46.7%。“正统网”入驻电子商务企业7382家[9]。由此可见，福建省线上零售额呈现了快速增长，其规模日趋扩大。线上零售渠道对传统线下消费造成了较大的冲击和影响。在CPI中引入线上销售数据，提高价格指数的代表性已经成为不可回避的重要现实问题。

基于此，福建省可选择省内具有代表性的相关企业，通过网络抓捕的方式采集相关网站上具有代表性的商品价格、销售量和商品特征信息等，并持续性推进将其引入CPI的试点工作，以逐步了解线上销售商品的相关特征及其在CPI中的应用情况与效果等，以做到早了解、早准备、早实践。

商务公司虽经历百年洗涤，但目前也和其他企业一般，面临着成本上升和工价不变导致的利润压缩的窘态，针对此，淡定如商务公司，将视线落于更远处的未来，在通过改进设备提高损耗率、优化采购方式等手段，节省成本、扩大利润空间的同时，以印刷业“十三五”规划提出的绿色化、数字化、智能化、融合化为方向，步步为营求发展。我们期待着，这家有着121年印刷积淀的企业，可以散发出属于这个时代的锋芒。

（三）与业界合作中学习技术和积累经验

一方面，居民消费大数据价格指数的编制，对于一向擅长处理传统线下调查数据的政府统计部门而言，所面临的人才储备和新专业技术知识的掌握等都是极大的挑战；另外，关于大数据价格指数的编制流程、方法与实践，目前国际上尚未形成相应的标准和规范，国内的研究也尚处于起步阶段，这些问题的解决还有待于在实践中进行大胆地尝试与摸索，以及长期经验的积累。

因此，短期内，福建省可通过与擅长处理大数据的业界合作，相互取长补短，共同成长。尤其是政府统计部门可在与业界的合作中积累大数据处理技术，借助其平台实现计算机科学与技术人才的储备，以相对较小的成本积累丰富的大数据指数编制方法与实践经验，从而为将来相对独立地编制大数据消费价格指数做好充分的人才和技术储备，打下坚实的基础。

参考文献：

[1]韩家慧.习近平与“十三五”十四大战略：国家大数据战略[EB/OL].(2015-11-12)[2017-05-07].http://www.chinanews.com/gn/2015/11-12/7620676.shtml.

[2]Cavallo A,Rigobon R..The Billion Prices Project[J].Journal of Economic Perspectives.Forthcoming,2016.

[3]张崇，吕本富，彭赓.网络搜索数据与CPI的相关性研究[J].管理科学学报，2012(7):50-59.

[4]孙毅,吕本富,陈航,等.大数据视角的通胀预期测度与应用研究[J].管理世界,2014(4):171-172.

[5]Imai S,Diewert E,Shimizu C..Consumer Price Index Biases[EB/OL].(2015-05-15)[2017-05-07].http://www.cs.reitaku-u.ac.jp/sm/shimizu/Lecture/Lecture/150520BiasesCPI.pdf,2015.

[6]Cavallo A.Scraped Data and Sticky Prices[Z].NBER Working Paper 21490.2015.

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

[8]王薇,胡晓丹.“大数据”在CPI调查中的应用初探[J].中国统计,2015(12):47-48.

[9]福建省统计局，国家统计局福建调查总队.2016年福建省国民经济和社会发展统计公报[EB/OL].(2017-02-24)[2017-05-07].http://www.stats-fj.gov.cn/xxgk/tjgb/201702/t20170224_40079.htm.