國內衡量通脹預期的方式有哪些？

目前國內衡量 通脹預期的方式包括四類：

1.統計調查法

從家庭調查來看，中國人民銀行每個季度會進行城鎮儲戶問卷調查，調查對象為全國 50 個調查城市、400 個銀行網點各隨機抽取 50 名儲戶，共 20000 名儲戶。問卷會詢問居民對 下季度物價的判斷，并采用擴散指數法進行計算。從最新的調查數據來看，2025 年 Q2 城鎮 儲戶對于未來物價的預期指數為 56.4%，比上季下降 0.7 個百分點，且為 2009 年 Q1 以來 的最低水平。其中，20.3%的居民預期下季物價將“上升”，60.1%的居民預期“基本不變”， 9.0%的居民預期“下降”，10.6%的居民“看不準”，對下季房價，8.9%的居民預期“上漲”， 56.8%的居民預期“基本不變”，21.7%的居民預期“下降”，12.7%的居民“看不準”。 從專業機構的預測來看，Wind 一致預期顯示主流券商機構預期 2025 年下半年國內物 價水平將有所回升。在“反內卷”相關政策的推動下，Wind 一致預期 CPI 同比將從 6 月份 的 0.1%升高至 11 月的 1.5%，將扭轉自 2023 年 3 月以來持續低于 1%的低位波動態勢；PPI 同比將從 6 月份的-3.6%上升至 11 月的-0.9%，該降幅或為 2024 年 7 月以來最小水平。

從企業調查來看，采購經理指數（PMI）是對企業采購經理的調查結果，其中包括對價 格的調查，例如主要原材料購進價格指數和出廠價格指數，出廠價格指數通常對當月的 PPI 環比走勢有指引作用。2025 年 7 月，主要原材料購進價格指數升至 51.5%，在連續 4 個月 收縮之后重回擴張區間，而出廠價格指數仍處于榮枯線之下，為 48.3%。

2.網絡信息提取法

從網絡搜索數據來看，“百度指數”基于百度網民行為數據，可以提取某關鍵詞在百度 的搜索規模，我們通過“百度指數”提取“通脹”、“漲價”、“房價上漲”、“物價”關 鍵詞，設為漲價類指標（正向指標），“通貨緊縮”、“降價”、“通縮”等關鍵詞設為降 價類指標（負向指標），并將六個關鍵詞月度搜索量相加，再進行三個月移動平均，合成為 網絡預期通脹指數。該指數與 CPI 同比走勢有一定相關性（? 2 = 31%），在 2021 年下半年 之后持續下降，2025 年以來小幅上升，但目前仍相當于 2015 年水平。

3. 金融市場提取法

從金融市場隱含的通脹預期來看，美國可以通過相同期限的國債名義利率與通脹掛鉤指 數債券（TIPS）的差值來表征市場交易的中長期通脹預期。但由于國內金融產品不夠完備， 沒有 TIPS 市場，所以國內學界通常采用利率期限結構模型來分離通脹預期因子。例如，Dai 和 Singleton（2000） 18采用兩因子無套利高斯仿射利率期限結構模型，姚余棟和譚海鳴（2011） 19采用卡爾曼濾波法將兩因子高斯仿射模型，從國債收益率曲線中分解出水平因子，并解釋 為我國中長期通脹預期，曾耿明和牛霖琳（2013） 20從中國銀行間國債收益率曲線中分解出 債券市場實際利率和通脹預期的整個期限結構，洪智武和牛霖琳（2020） 21利用混頻無套利 Nelson-Siegel 利率期限結構擴展模型，提取了中國通貨膨脹預期的期限結構并對其進行影 響因素分析。

4. 計量建模法

大多通脹預期的計量模型研究顯示通脹預期具有適應性學習特點。趙留彥（2005） 22基 于 1995-2004 年月度的國債回購利率和通脹率，設定預期通脹率和預期真實利率的 VAR 模 型，通過狀態空間模型和卡爾曼濾波法，估計預期通脹率和預期真實利率的變動；劉金全和 姜梅華（2010） 23通過狀態空間卡爾曼濾波平滑算法推斷出通貨膨脹率預期，發現中國通脹 預期受實際通脹及滯后值影響較大，意味著消費者主要根據近幾年的通脹情況形成通脹預期， 通脹預期具有適應性特點；李成等（2012） 24基于 1992 年第 1 季度到 2010 年第 3 季度的 季度數據，運用新凱恩斯動態隨機一般均衡模型測度了我國的通脹預期，同樣發現通脹預期 變動具有遲緩性并可能自我實現，近年來逐漸趨于理性；董春麗（2018） 25運用 2006~2016 年通貨膨脹率和利率月度數據，使用 VAR 模型和卡爾曼濾波算法，測定了公眾通脹預期的 數據，也發現通脹率與通脹預期之間具有長期穩定關系，通脹預期具有很強的慣性。