就业信心指数范文（精选7篇）
就业信心指数 第1篇
一、调查对象的选取和问卷的设计
此次调研随机抽取了浙江省的部分独立院校2012届毕业生, 共发放问卷360份, 收回316份, 回收率达87.8%, 其中有效问卷282份, 有效率89.2%。在调查对象方面, 男生128人, 占45.4%, 女生154人, 占54.6%。
本次调研对象所属学科分布情况为:经济类52人, 占18.4%;文法类22人, 占7.8%;教育类14人, 占5%;管理类64人, 占22.7%;医学类67人, 占23.8%;理工类54人, 占19.1%;艺术类9人, 占3.2%。
问卷主要设计15个有关就业的评价问题, 且均以完全同意、同意、不一定/一般、不同意、完全不同意作答。
二、就业信心指数指标体系的构建
本文运用SPSS统计法中的因子分析法, 从多个变量指标中提取出少数几个综合变量指标, 构建就业信心指数指标体系。
为使研究结果更清晰明显, 经过多层因子分析后, 最终提取其中的10个变量指标。因子对各个变量的提取程度越大, 因子对该变量说明的程度也就越大, 而该变量对因子的依赖程度也越大。如“今年总体就业形势比去年好”这一变量的共同度是89%, 说明这一变量对因子的依赖程度最大, 反之则低。
将这10个变量经旋转后可归为四个因子 (详见下表) 。旋转后的因子负荷量反映了因子与变量的接近程度, 也可以作为因子贡献大小的度量, 其绝对值越大, 对应变量与因子关系越近, 因子贡献也越大。“国家出台的有关促进大学生就业的政策和制度非常有效”“学校提供的就业指导对于实际找工作非常有用”“学校的课程设置与实际的工作要求非常符合”这3个变量与因子1更近, 因此可归为因子1, 称为就业政策条件评价因子;“您对目前用人单位给毕业生的平均工资水平感到满意”“独立学院毕业生比其他毕业生在就业方面占有优势”“与其它省市相比, 在浙江省就业相对比较容易”“与其它专业相比, 您所在的专业近几年的就业率都较高”这4个变量与因子2更近, 因此可归为因子2, 称为就业机遇评价因子;“身边有许多亲朋好友在关心和帮助您找工作”和“求职中遇到的困难, 您相信自己总能找到解决的办法”这2个变量与因子3更近, 因此可归为因子3, 称为就业自信心评价因子;“今年总体就业形势比去年好”这个变量可归为因子4, 称为现时就业形势评价因子。
根据方差解释表 (详见下表) 可知前4个因子的贡献率累积已达72.7%, 即它们可解释原有变量72.7%的信息, 因此, 因子取四维即可。不过每个因子对包含原有变量信息的量有所不同:因子1的特征值为4.332, 贡献率为43.325%;因子2的特征值为1.128, 贡献率为11.276%;因子3的特征值为0.913, 贡献率为9.134%;因子4的特征值为0.899, 贡献率为8.986%。
根据上述研究结果, 可知4个因子已包含原有变量中的大部分信息量, 通过对其进行相应的分析和研究, 能较为准确地得知独立学院学生就业信心指数的相关情况。依据指标体系的建立模式和因子负荷矩阵, 可将各因子归为一级指标, 各因子下面的变量归为二级指标, 可初步构建出就业信心指数的指标体系。
由于各变量在各因子中的重要程度和各因子对原有变量中的说明程度都不尽相同, 因此, 在因子分析基础上构建出来的指标体系中, 各因子和各指标对就业信心指数影响程度并不相同, 应对就业信心指数指标体系中的各指标赋予不同的权重, 以示各指标对研究结果的不同重要性, 以便更科学准确地研究就业信心指数。
在因子贡献率中, 若一个因子的贡献率越大, 也就是解释的方差越大, 那么此因子所包含原有变量信息的量也越大, 而旋转后的因子负荷量又反映了因子与变量的接近程度, 其绝对值越大, 对应变量与因子关系越近。因而本文在一级指标权重赋予时, 采用各因子贡献率占4个因子总贡献率的比重大小来赋予相应的权重;在二级指标权重赋予时, 采用因子与变量的接近程度占因子与变量总的接近程度的比重来赋予相应的二级指标权重。为更明显、科学地说明各指标对就业信心指数的影响力和重要性, 且使一级指标和二级指标权重得出的理论基础相一致, 此处都采用旋转后的结果进行相应计算。具体赋值方法为:
设四个一级指标的权重之和为10
各个一级指标的权重=该指标的因子贡献率/四个一级指标的因子贡献率之和×10
各个二级指标的权重=该指标的因子与变量接近程度/该因子下因子与变量总的接近程度×其所属一级指标的权重根据以上赋值方法, 可得出下表:
三、就业信心指数的分析
所有一级指标和二级指标都是正指标, 即学生对这些问题的回答得分越高, 说明学生对就业越有信心, 对就业形势越看好;反之, 则说明学生对就业缺乏信心。根据就业信心指数指标体系及其权重, 本文中计算就业信心指数所运用的具体公式为:
Uij的指数=[ (Uij完全同意%×10+Uij同意%×5- Uij完全不同意%×10-Uij不同意%×5) +基数]×Uij的权重
总体就业信心指数∑Uij=U11+U12+U13 +U21+U22+U23+U24+U31+U32+U41
(i=1, 2, 3, 4j=1, 2, 3, 4)
为使计算简便有效, 其中的基数设为0, 就业信心指数的数值在-100～100之间。当数值大于0小于或等于100时, 表明独立学院学生认为就业形势较好或趋于好转、就业信心高涨;当数值等于0时, 认为就业形势不会有什么大的变化;当数值大于或等于-100小于0时, 认为就业形势严峻或趋于严峻、就业信心不足。因此, 可得出独立学院学生就业信心指数为:
由上表可知, 独立学院学生的就业信心指数为16.53, 介于0～100, 稍高于0, 说明他们的对就业形势有些看好, 有一定的就业信心, 但信心不是很足。从各评价因子看, 学生们在就业自信心方面相对较强, 对就业机遇的评价则持一般态度。
如何提高独立学院学生的就业信心, 不仅是学生自身问题, 如通过加强学习, 拓宽知识面, 增强实际动手能力, 提高自信心, 更是涉及到政府、学校和社会用人单位如何采取措施增加学生就业机会的问题。总之, 必须协调好政府、学校、用人单位和学生四方面的关系, 从多角度、多渠道入手, 有针对性地采取切实措施, 提高学生的就业信心。
摘要：目前大学生就业难已成为备受关注的经济和社会问题。研究独立学院学生对就业形势的看法和观点以及他们的就业信心等问题对于了解整个大学生就业信心情况具有一定参考价值。本研究通过问卷形式, 对浙江省独立学院学生进行抽样调查, 并运用统计分析法、经济学模型法等对原始数据进行整理分析, 构建出评价就业信心指数的指标体系, 在此基础上研究分析浙江省独立学院学生就业信心指数。
关键词：浙江省,独立学院,学生,就业信心指数
参考文献
[1]宋丰景.劳动力市场景气指数研究与应用[M].北京:华龄出版社, 2006.
[3]李锋亮.中国的高等教育规模扩展与劳动力市场[J].复旦教育论坛, 2005, (4) .
市场信心指数 第2篇
10个问题看本月艺术市场
1对目前国际经济形势的看法
2对未来3个月国内经济走势的看法
3目前经济形势对中国艺术品市场的影响
4对目前中国艺术品市场发展的看法
5对未来中国艺术品市场发展趋势的预测
6对目前一级市场状况的看法
7对本年度秋拍市场状况的预测
8对目前当代艺术市场状况的看法
9对目前藏家购买意愿的看法
10对中国藏家国际影响力日益增强的看法
调查对象
K空间
千高原画廊
站台中国
空间站
艺美画廊
收藏家李冰
收藏家乔志斌
收藏家孙岳
收藏家韦力
收藏家赵庆伟
信心指数调查计算说明
本指数参照了“经济学家信心指数”的编制方法，具体计算方法如下
一将满意程度用等级分数划分为3个等级，假定
看好、风险小的分值为1一般、不好说的分值为0
不好、风险大的分值为-1。
二使用算数平均法进行数据计算
将每个问题的得分相加，再除以参与调查人数，得出本问题的平均分数。对于未回答的问题，不计入平均分数的计算。
三将10个问题的平均分数相加再除以10（调查问题个数），得出最后的平均数值，即最终的信心指数。
消费者信心指数的分析 第3篇
消费者信心指数是反应消费者信心强弱的指标, 是综合反应并量化当前消费者对经济形势的评价, 是现代社会经济生活中的一个重要经济指标, 它不仅提供了对主要经济变量未来走势的有效监测, 而且可以用来预报市场的变化。消费者信心指数与国家经济形势尤其是物价指数紧密相关, 如物价上涨, 消费者对当前社会的经济发展状况会有较悲观的预期。消费者信心指数受诸多因素的影响, 比如失业率、税率、收入、居民消费价格指数、工业品出厂价格指数的影响, 但季节因素的影响却常常被忽略。随着季节的变化, 南方地区的低温冰冻天气, 较大程度影响了粮食、蔬菜等基础生活消费品的正常生产和运输;春节前后, 全国各地进入备货高峰期, 大宗采购显著增加, 肉蛋类需求持续旺盛。供需的作用力共同推动基础生活消费品价格继续上涨, 使得消费者支出增长。由于消费者信心指数与消费者的支出增长有直接关系, 所以消费者信心指数随之被影响。如果消费者对未来经济充满信心, 其支出可能增加, 消费支出的增加可促进经济增长。若消费者信心指数强劲, 预示着经济增长趋势良好。如果不对消费者信心指数进行研究, 就不能够从消费者角度出发, 全面地对经济发展趋势进行估计。本文主要通过对2006年至2012年的消费者信心指数的月度数据进行季节处理以去除季节因素的影响, 并利用ARIMA模型拟合, 对2013年走势进行了预测。
二、模型拟合
(一) 数据的选择与模型的选取
时间序列是由观察对象随时间推移而形成的序列数据。时间序列数据分为平稳时间序列与非平稳时间序列, 平稳时间序列有相对稳定的数字特征, 就这一情况, 将数据处理分为以下几步:第一, 针对时间序列的特性, 对原序列做平稳性检验, 若数据不平稳, 对数据进行差分, 并建立ARIMA模型;第二, 通过自相关函数和偏相关函数图的截尾和拖尾性来确定p、q、P、Q的大小。第三, 估计未知参数并检验其显著性和模型本身的合理性。第四, 诊断检验, 即对乘积模型 (p、d、q) * (P、D、Q) 的残差序列进行检验, 判断残差序列是否为白噪声序列。若残差序列是白噪声序列, 可认为所建模型是合理的, 适用于预测;否则, 应进一步改进模型。第五, 通过预测评价模型。本文的数据来源于国家统计局, 选取消费者信心指数的时间跨度为2006年1月至2012年12月。
(二) 模型的识别与拟合
1. 平稳性判定:
消费者信心指数的时序图中容易发现, 消费者信心指数 (CCI) 的走势以97.76071为均值上下波动, 08年8月之前波动较小, 从9月开始显著下降, 到2010年12月骤然上升, 之后数据保持在此水平波动较小, 为了定量的分析消费者信心指数走势情况, 对其进行平稳性检验, 水平情况下数据不平稳, 数据P值大于0.05, 且ADF的P值为0.4172>0.05, 且T统计量为-1.720739小于1%下的-3.511262, 即接受原假设, 判定数据不平稳。
2. 纯随机性检验:
对序列进行随机性检验, 由其自相关偏自相关图可以发现, 在在k=11时自相关系数才衰减到两倍标准差内;Q统计量的p值均小于0.05, 不能够通过检验, 即可以判断序列非白噪声。由于相关P值非常小, 白噪声检验显示差分后的序列蕴含着很强的关联性, 不能视为白噪声序列, 有信息可以提取, 适合进行时间序列建模。
3. 直接平均季节指数法来去除季节因素:
通过比较发现, 对数据取对数后效果更好, 所以我们考虑对数据先取对数再进行一阶差分, 即llongcci=logcci-logcci (-1) 。
由llogcci的时序图可以发现, 此时序列已经基本消除趋势, 且序列基本在-0.08至0.08范围内上下波动, 但k=12处有明显差异, 此时我们选用直接平均季节指数法来去除季节因素的影响, 方法如下:
a.计算不同年份的同月份数据的平均数
b.依据所计算得到的平均值, 计算12个月的月均值
c.计算季节指数, 季节指数为各月平均数除以月均值
d.计算当月剔除季节性后反映的数值, 为每个月份的原始数据除以对应月份的季节指数
对序列llogcci进行季节处理后观所察ADF检验结果, 通过结果可以看出, 经过季节调整后, ADF检验拒绝原假设, 因而数据平稳, 从而可以对数据进行建模。由于数据一阶平稳, 考虑建立ARIMA (p, d, q) 模型, 其中, AR是自回归, p为自回归项;MA为移动平均, q为移动平均项数, d为时间序列成为平稳时所做的差分次数, 即此时d=1。根据自相关偏自相关图的拖尾、截尾情况, 笔者选择建立ARIMA (1, 1, 1) , ARIMA (2, 1, 2) 和ARIMA (3, 1, 3) 模型, 通过检验发现ARIMA (2, 1, 2) P值大于0.05, 去除此模型, 并对剩余两个模型的AIC值和SC值进行对比, 结果如表 (表1) 所示:
(表1) 模型AIC值和SC值的比较
由表1可知, ARIMA (1, 1, 1) 模型无论是AIC还是SC值都小于ARIMA (3, 1, 3) 模型, 所以前者较优。
三、模型检验
通过观察模型的残差序列的自相关偏自相关图 (图6) 可以看出, Q统计量的P值均大于0.05, 且除k=12时以外, 其余都在两倍标准差之内, 也没有表现出明显的趋势特征 (截尾或拖尾情况) 。因此接受原假设, 即ARIMA (1, 1, 1) 的残差序列不存在自相关。对残差序列进行ADF检验, 由检验结果可知, T统计量值为-8.749209, 且小于1%、5%和10%水平下的T值, P小于0.05, 则拒绝原假设, 可判定残差序列平稳。判定残差序列为白噪声序列, 故模型通过检验。
四、模型预测
(一) 短期预测
笔者对2013年1月至3月的消费者信息指数进行短期预测, 因为考虑到研究的严谨性, 预测期太长会增大误差, 不能够得到较为准确的预测结果。故利用预测模型和历史数据, 得到2013年1~3月的消费者信心指数的预测值、季节指数、实际值、以及计算得出的偏差百分比如表 (表2) 所示。
(表2) 消费者信心指数预测
由表可见, 预测值及实际值的偏差绝对值保证在5%之内, 误差较小, 我们可以判定模型较优, 预测效果优良。
(二) 长期趋势。
由于选用模型来对数据进行长期预测误差较大, 且2013年1月至6月的数据也已经在国家统计局发布, 所以我们通过描绘时序图的方法来观察数据的长期趋势。由图可知, 消费者信心指数自2010年到2013年季节性较为明显, 即呈季节性波动。2月春节前后出现高峰, 与本文最初猜测和模型短期预测基本相符。
五、结论
通过以上可以得出, 季节因素是影响消费者信心指数的重要因素, 运用季节处理后的模型拟合效果较好。我国2013年第一季度2月份受春节的影响, 出现了消费者信心指数的高峰, 在一定程度上说明节假日对消费者信心指数的提升有一定程度的影响, 但也同样说明了我国想要大幅度提高消费者信心指数的难度很大。预计消费者信心指数进入年中时相比年前会有所回落, 但只是暂时的影响, 之后会恢复上涨。消费者信心指数能有效反应消费者信心的强弱, 能够综合反应并量化当前消费者对市场的期望程度以及对经济形势的评价, 从而影响到消费者需求进而影响未来的经济发展。建议政府能够采用各种方针, 例如合理安排节假日, 将我国传统节假日:清明节、端午节、中秋节、重阳节放假时间均调整为5天, 国庆节、五一劳动节的时间调整为3天。这不仅能让国民提高中华民族传统文化的意识, 而且可以分散节假日采购高峰, 避免节假日供不应求导致的物价上涨, 促使全年度供需平衡, 保证消费者信心指数总体指标稳步提高。一旦消费者信心指数提高, 就能够反过来增强国民购买力, 导致经济景气的攀升。如此一来, 市场中良性循环, 有效地促进经济增长, 使我们的社会更好地发展。
参考文献
[1]高铁梅.计量经济分析方法与建模-Eviews应用及实例 (第二版) [M].清华大学出版社, 2009
[2]王燕.应用时间序列分析 (第三版) [M].中国人民大学出版社, 2012
[3]徐婷, 李选海, 郭昶.ARIMA乘积季节模型对我国消费者信心指数的分析[J].科技信息, 2012 (19)
外企在华采购信心指数创三年新低 第4篇
跨国采购信心指数是专门用于预测下一季度跨国公司在华采购趋势以及中国出口企业的景气程度。50.4的近三年最低点, 显示出当前国际贸易以及中国出口形势不容乐观。
调查显示, 今年二季度跨国采购信心指数构成中, 工业品跨国采购指数为49.17, 低于上季度的52.31;消费品跨国采购指数为53.25, 低于上季度的57.69。相比起来, 工业品受市场景气循环影响更为明显, 已低于50的“荣枯线”。
就业信心指数 第5篇
关键词：消费者信心指数,测评体系,对策建议
消费者信心指数是反映消费者意愿和态度的重要指标, 也是社会经济晴雨表, 它通过分析消费者的消费行为及意向, 综合地反映消费者对当前经济形势的评价和对经济的前景预期, 成为经济走势预测和消费趋向的重要先行指标[1]。
1 消费者信心指数的内涵与价值
1.1 消费者信心指数的基本内涵
消费者信心指数是指消费者根据本国或本地区的经济发展形势, 对就业、收入、物价、利率等问题的综合判断后得出的一种看法和心理预期;它是消费者对经济环境的信心强弱程度的指标, 体现消费者的对经济情况的态度和购买意向[2]。
作为指标体系总称, 消费者信心指数主要由消费者满意指数和消费者预期指数两部分构成。消费者满意指数是消费者对消费行为及当前经济状况评价指标, 包括目前的经济现状、就业形势、物价水平、住房等;消费者预期指数是消费者对未来的经济现状、就业形势、物价水平、住房等预期的走势指标。它综合反映消费者对现期消费的满意程度, 同时反映消费者对未来的信心。
1.2 消费者信心指数的现实价值
消费者信心指数具有预测性, 对消费者未来一定时期的消费及投资具有预测指导作用。若消费者对经济前景抱有信心, 则消费支出上涨, 甚至负债消费, 消费者极大程度地选择将资金用于购买商品或投资, 市场经济处于活跃的状态;若消费者对经济状况抱有消极态度, 则消费支出则减少, 消费者极可能选择存储, 市场经济出现疲软现象。
消费者信心指数是消费者对其家庭收入水平的估价和预期的反映, 这种估价和预期建立在消费者对各种制约家庭收入水平因素的主观认识上, 这些因素主要包括:国家或地区的经济发展形势、失业率、物价水平、利率等。不同时期这些因素存在差异, 差异化因素必然会使消费者信心发生变化。
2 消费者信心指数测评的主要类别
2.1 SRC指数测评体系
SRC为美国密歇根大学调查研究中心SRC (Survey Research Center) 的测度方式, 调查问卷约有50个问题, 涉及内容有经济发展形势、就业、收入、利率及耐用品的购买意愿, 被访者有三个答案可供选择:很好 (提高) 、不变 (相同) 、变差
根据资料, 计算各问题的相对得分Xi:
Xi乐/悲为第i问题持乐观/悲观看法的消费者的比例;
Xi为第i问题的得分;
Xi=Xi乐-Xi悲+100。
其中, 2.6424和4.1134分别为1966年的现状问题和预期问题的总和, 2.0则为自20世纪50年代起由于抽样设计调整采用的修正系数。SRC采用的基数为100, 指数的取值范围在0至200, 当指数结果为100时, 即为中性, 持悲观、乐观或中性态度的比例相同;若指数结果大于100时, 意味着多数人对当前的经济发展形势满意, 整体上消费者信心较强;若指数结果小于100时, 说明消费者对目前及将来的经济形势并不看好, 整体上消费者信心较弱。
2.2 ESI指数测评体系
欧盟的消费者信心指数为经济信心指数ESI (The Economic Sentiment Indicator) 的一部分。ESI采用问卷调查的方式, 共有15个问题, 其中4个反映消费者信心指数, 由这4个问题可知欧盟的消费者信心指数, 仅反映消费者的预期期望。调查内容主要是消费者对过去12个月及未来12个月的经济形势、收入状况、物价波动、购买大件消费品及存储时机的判断与预估, 调查的时间分为月度调查和季度调查两种, 调查结果每月公布一次。
假定每个问题有3个选项:积极 (上升, 更好, 增加) 、中立 (不变) 、消极 (下降, 恶化, 减少) 。通过公式:
各问题比例差异的标准分:
其中, Xj表示ESI的第j个问题。
加权平均分:
指数ESI:
ESI以100为基数, 指数值大于100时, 意味着经济信心在平均值之上, 多数消费者对现状及未来的经济发展持乐观态度;指数值小于100时, 经济信心低于平均值, 意味着消费者对经济发展现状持悲观态度。
2.3 日本的消费者信心指数测评体系
日本的消费者信心指数的调查的内容包括消费者情绪、劳务支出、财产状况、旅游状况、耐用品购买及家庭状况。调查执行时间为每年的6月、9月、12月及下一年的3月。
日本的消费者信心指数的计算方法不同于SRC和ESI方法。消费者通过调查对5个方面的内容进行评估, 评估时限为未来的6个月。而每个问题的答案对应不同的点数, 积极的答案对应的点数为+1 (改进) 、+0.75 (有所改进) ;中立的回答对应的点数是+0.5 (无变化) ;消极的答案对应的是+0.25 (轻微恶化) 、+0 (恶化) 。而且, 日本的消费者信心指数的基数为50, 是由这5个消费者的情绪指数平均而得。
2.4 上海的消费者信心指数测评体系
上海市消费者信心指数由上海财经大学设计编制, 2007年第三季度进行首次发布[3]。该指数体系通过问卷调查的方式按季度开展调查, 问卷包含30余个问题, 内容涉及消费者对当前及未来半年里的经济形势、物价水平、收入状况、就业形势及耐用品购买时机的看法与预期。
计算问题选项得出的指数值分为“很好、较好、一般、较差、很差”五个档次, 对应的分值依次为:1、0.5、0、-0.5、-1。当分值在0~1之间时, 消费者持积极看法;当数值为0时, 消费者持有中性的看法;当数值在-1~0时, 消费者持有消极看法。
首先计算各问题得分值。若以:
表示第i个问题选“1”消费者的百分比;
表示第i个问题选“0.5”消费者的百分比;
表示第i个问题选“0”消费者的百分比;
表示第i个问题选“-0.5”消费者的百分比;
表示第i个问题选“-1”消费者的百分比。
基数值与我国的经济指数值一致, 计算结果介于0~200之间, 指数大于100, 表示消费者持乐观态度的比例大于持悲观看法的比例, 消费者信心较强, 且指数值越高;指数值小于100, 表示消费者整体信心偏向悲观, 且指数值越远离100, 消费者信心越弱。
3 消费者信心指数测评的问题与对策
3.1 主要问题
3.1.1 不同消费者信心指数编制方法存在差异
由于各个机构所发问卷所涉及内容及内容侧重点不同, 调查对象也不同, 如美国SRC的调查对象为美国家庭中的成年人, 日本的调查对象同样以家庭为单位, 但不包括单身和外国人, 因而调查结论自然不一样。不同机构所得到的消费者信心指数无法加以比较, 相互验证也存在巨大困难。
3.1.2 消费者信心指数测度操作存在缺陷
各机构发布的消费者信心指数的调查时间是固定的, 忽视了季节因素对居民消费心理和行为的重要影响。例如:在每年2月, 我国消费者受到春节的影响, 出现了消费者信心指数的高峰, 说明节假日对消费者信心指数的提升有一定的影响。但这只是暂时的影响, 并不会长久的持续下去。现有测评体系并没有考虑通过统计方法剔除这些波动性影响。
3.1.3 消费者信心指数应用范围存在局限
目前看来, 调查数据不够完整全面, 存在一定的偏差, 各个地区的消费者信心指数均为本地区量身定做。因此, 利用消费者信心指数全面分析宏观经济行为的文章很少, 导致消费者信心指数的大众熟知度较低, 应用范围小, 并没有发挥对政府经济决策和企业经营决策领域的影响效力。
3.2 对策建议
3.2.1 统一消费者信心指数测度的计算方法
各个机构在编制消费者信心指数测度方法时, 可以统一以100为基数值, 采用一种受众面较广的计算方式, 消除必要的统计方法误差, 有助于对不同地区和机构所编制和发布的消费者信心指数进行比较。
3.2.2 政府合理安排节假日
在面对季节因素影响时, 政府可以将我国传统节假日的放假时间统一调整为5天, 如清明节、端午节等。在达到提高居民中华传统意识的同时, 还能达到分散消费者节假日采购高峰的目的, 避免供不应求局面的发生、物价上涨, 保证消费者信心指数总体指标稳步提高。
3.2.3 扩展消费者信心指数的应用范围
为提升消费者信心指数在政府经济决策和企业经营决策中的效用, 可以将其与不同的经济变量结合分析, 如国内生产总值、国民生产总值, 从而实现对未来一定时期内的经济发展状况、就业水平、收入水平、耐用品购买意愿等重要指标信息进行准备预测, 为社会经济决策提供有效信息支持。
4 结语
消费是拉动社会经济增长的“三驾马车”之一, 关注居民消费对实现我国经济健康、持续增长具有重要意义。消费者信心指数作为政府经济决策和企业经营决策的重要支持数据, 在优化政府政策制定, 提高企业经营效率方面扮演重要角色。本文通过对当前国内外主流消费者信心指数测评体系的梳理和总结, 并发掘其存在的若干问题, 提出相应对策, 有助于推动我国消费者信心指数测评研究向着科学性和一致性方向发展, 为政府和企业决策提供有力支持。
参考文献
[1]李晓玉.消费者信心指数的理论背景与实际意义[J].统计教育, 2006 (1) :27-29.
[2]Abraham, Katharine G.Towards a cost of living Index:Progress and prospects[J].Journal of Economic Perspectives, 2003 (1) :45-58.
就业信心指数 第6篇
中国银联联合新华社近日发布2014年4月份“新华·银联中国银行卡消费信心指数” (Bankcard Consumer Confidence Index, 简称“BCCI”) 。数据显示, 2014年4月份的BCCI为85.42, 环比上升0.5, 同比下降1.62。BCCI运行值呈现明显提升态势。清明踏青以及五一小长假带动持卡人各类非日常必需品消费支出增长, 是BCCI上升的主要原因。BCCI样本数据显示, 4月份大型景区售票和旅行社消费交易规模占比, 较上月分别提升0.02和0.03个百分点;受此拉动, 宾馆类消费交易占比也较上月提升0.42个百分点。而交通方面, 中短途出行增加明显, 样本持卡人铁路客运和加油类交易规模占比, 分别较上月提升0.01和0.44个百分点。
就业信心指数 第7篇
关键词：消费者信心指数,股票市场收益,向量自回归
一、引言
过去一年多以来,席卷全球的金融危机给各国带来了巨大的影响。许多学者从不同的角度反思这次危机的成因,一些学者认为公司治理的缺失以及银行监管的漏洞导致了本次危机。另一方面投资者的“非理性”行为也是这次危机加深加重的重要原因。中国证券市场是一个新兴市场,市场运行机制不健全,制度建设不完善,还不是一个成熟、有效的市场,市场中各类投资主体都存在着“非理性”行为。因此,研究中国投资者情绪与股市收益之间的关系为我们正确理解投资者行为提供了一个新的视角,特别是对中国这样一个正在建设中的资本市场,这样的研究具有积极的现实意义。
投资者情绪(investor sentiment)是行为金融学的重要主题。自Black(1986)引入噪声交易以来,国外学者的相关研究主要集中在投资者情绪的变化是否构成系统性的噪声交易风险、投资者情绪与股票收益及其波动性的相关性、投资者情绪能否对股票收益作出预测等问题展开。目前国内学者的研究大致可以分为两部分,一部分是围绕封闭式基金折价以及利用投资者情绪解释封闭式基金之谜,但是至今尚未达成较一致的观点(金晓斌等,2002;张俊喜和张华,2002;薛斐,2005)。另外一部分则是直接调查得到的投资者情绪指数与股市收益关系的实证研究结果存在分歧。饶育蕾与刘达锋(2003)用央视机构看市与中国证券报机构看市水平值研究投资者情绪水平与未来收益的相关关系,发现统计上并不显著。王美今等(2004)利用“央视看盘”2001年4月23日至2003年10月31日的数据,通过EGACH-M(1,1)模型实证发现,当投资者乐观时,收益显著增加;当投资者悲观时,收益显著减少。此外,程昆、刘仁和(2005),张强等(2007)也利用“央视看盘”数据进行了实证研究。这说明中国股票市场的投资者情绪研究还不够完善。学者在研究投资者情绪时选取的指数单一,大多数选用“央视看盘”或者《中国证券报》的有关调查数据,没有从其他角度考察投资者情绪与股市收益的关系,尤其是从消费者信心指数出发研究投资者情绪与股市收益则比较薄弱。国内仅有薛斐(2005)研究过消费者信心与封闭式基金折价率间的关系。反观国外学者的研究,Otoo(1999)发现,高的股票收益会导致消费者信心的增加。Fisher和Statman(2000)发现消费者信心指数可以预测一部分股票收益,尤其是可以预测NASDAQ收益和小公司股票收益,消费者信心指数是投资者情绪比较好的代理变量。Fisher和Statman(2003)发现消费者信心与随后的1个月、6个月、12个月的股票收益成负相关关系,但这种关系在统计上并不总是显著。Qiu和Welch(2004)发现消费者情绪指数的变化与小盘股及散户持股度高的股票的关联更为密切。此外他们的实证则说明消费者信心指数比封闭式基金折价在衡量投资者情绪方面更好。
为此,本文选取中国2001年1月至2007年12月消费者信心指数月度数据作为中国投资者情绪的代理变量,对中国投资者情绪与股市收益之间的影响关系进行较为系统的分析。在VAR模型下,运用脉冲响应和方差分解技术分析消费者信心与股市收益间的关系。
二、研究设计
(一)样本选取与数据来源
国家统计局中国经济景气监测中心于1997年12月建立了中国消费者信心调查制度,并自1998年8月开始每月定期发布消费者信心指数。消费者信息指数建立在对城市消费者进行问卷调查的基础上,其调查对象为北京等6个大城市15岁以上的消费者。目前,调查范围已覆盖全国30个主要城市。考虑到调查样本的变动,本文选取2001—2007年《中国经济景气月报》发布的消费者信心指数月数据作为样本。上证综指是上海证券市场的重要指标,它基本反映了中国证券市场的运行,因此本文选择上证综指月收益数据作为股市收益变量。数据来源于国务院发展研究中心主办的国务院发展研究中心信息网,相关数据的处理主要使用EViews5.0分析软件。
(二)变量与度量
1. 消费者信心指数(CCI)。
消费者信心指数(CCI)是先行经济预测指标之一,用来预测家庭消费支出。在美国,主要有两个机构编制消费者信心指数,一个是密西根大学消费者信心指数(UMCCI),另一个是会议委员会消费者信心指数(CBCCI)。这两个指数都衡量公众对于目前和未来经济的信心程度。
中国的消费者信心指数来自国家统计局发布的《中国经济景气月报》,中国消费者信心指数由预期指数和满意指数组成。其中,预期指数反映消费者对家庭经济状况和总体经济走向的预期,满意指数反映消费者对当前经济状况和耐用消费品购买时机的评价,而信心指数则综合描述消费者对当前经济状况的满意程度和对未来经济走向的信心。国家统计局中国经济景气监测中心是研究中国宏观经济景气程度的权威部门,其编制消费者信心指数的调查范围覆盖了全国30个主要城市15岁以上的消费者。因此,消费者信心指数比“央视看盘”和《中国证券报》的有关调查数据更具广度与深度,在反映广大消费者对目前和未来经济信心上具有权威性。故我们认为消费者信心指数能很好地反映投资者乐观、悲观情绪,并且能反映投资者情绪与股市发展的长期关系。
2. 股市收益率。
为避免数据的剧烈波动,对上证综指进行对数化处理,并将股票市场的收益率定义为股指对数值的一阶差分:
其中Pt是股票市场的月价格指数收盘价,文中用RHZ表示股市月收益率。当股票价格指数波动不是十分剧烈的时候,它近似地等于股票价格指数变化率,对应着股市的整体收益率水平。由于本文当中不考虑样本数据中与日历有关的“周一效应”等问题(Mills&Coutts,1995),因此可以简单地将数据排成时间序列,节假日的休市也不影响序列的顺序关系。
3. 控制变量。
成交量(VOLUME)与股票价格一样是证券市场最基础的统计量之一,且能及时为市场观察者得到。所以长期以来无论是金融学者还是投资者都对成交量与未来股票收益表现出了强烈的兴趣。已有的研究结论表明,成交量与股票预期收益之间存在显著的关系。在研究中成交量通常作为流动性的一个代理变量,某资产的成交量越大,其流动性越高,因而其未来收益越低,反之亦然。近期的研究则表明成交量还可以作为情绪的指示器。因此,成交量提供了从另一个视角考察情绪与股市收益的关系。以上变量的统计性描述见表1。
注:D表示对变量的一阶差分。
(三)研究方法
1980年西姆斯(Sims)提出向量自回归(VAR)模型。VAR模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归。VAR模型用来估计联合内生变量的动态关系,而不带有任何事先的约束条件,将每个变量均视为内生变量,避开了结构建模方法中需要对系统中每个内生变量关于所有变量滞后值函数的建模问题,它突出的一个核心问题是“让数据自己说话”(古亚拉蒂,1997)。在VAR模型中,当某一变量t期的扰动项变动时,会通过变量之间的动态联系,对t期以后各变量产生一连串的连锁作用,脉冲响应函数描述系统对冲击(或新生)扰动的动态反应,并从动态反应中判断变量之间的时滞关系。本文通过建立关于消费者信心指数和收益率序列的VAR模型,研究投资者情绪与收益率的动态关系。
本文通过构建一个三元VAR模型,分析股市收益率RHZ、消费者信心指数DCCI和股市交易量三者之间的动态关系。模型可表示如下:
其中,Yt代表引入3维内生变量向量,C为常数项,P是滞后阶数。At是待估计的系数矩阵,εt是3维随机扰动向量。
三、实证结果及分析
(一)股市收益与消费者信心指数的直观表
我们将股指收益与消费者指数序列进行缩放与平移操作,把它们放在同一坐标平面进行比较,可以更加直观地考察股票指数与消费者信心指数的波动关系。
从图1可以观察出,在2003年非典期间消费者信心指数出现了较大的波动,而在2008年次贷危机期间股市收益率也出现了较大的波动。但是在排除了这些特殊时期后,上证综指收益率序列与消费者信心指数表现出显著的协同变动,均具有类似的波动模式,并且波动过程中的峰和谷的位置是基本对应的,情绪变动与同期的收益体现出了较强的相关性。这为我们下一步的研究提供了线索。
(二)模型结果与分析
1. 数据的平稳性检验。
在时间序列分析中为避免出现虚假回归而造成结论无效,我们需要对时间序列数据的平稳性进行检验,常用的是扩展的Dickey-Fuller(ADF)和非参数的PP单位根检验。本文采用ADF检验,检验式为:
其中,yt是待检验的时间序列,c是常数项,t为时间趋势,k是滞后期,ut是随机误差项。原假设是H0:ρ=0,备择假设是H1:ρ<0。对yt取足够次数的差分,保证被检验序列为平稳序列,然后每次用减少一次差分次数的序列依次进行单位根检验,直至接受原假设为止,从而判断出yt的单整阶数。值得说明的是检验参数所得的t统计量在原假设下,不服从标准t分布,其检验的临界值使用Mackinnon临界值表来判断。具体检验结果见表2。
注:(C、T、K)分别代表所设定的检验方程式中含有截距、时间趋势及滞后阶数,N表示不含T或C。
从表2中我们可以看到,消费者信心指数和成交量的时间序列在1%的显著性水平下均为一阶单整过程。也即CCI、VOLUME在1%的显著性水平下都是非平稳的,而其一阶差分DCCI、DVOLUME在1%的显著性水平上,都是平稳的。股市收益率序列RHZ在1%的显著性水平下是平稳的。所以以消费者信心指数和成交量时间序列的一阶滞后变量和收益率序列所构成的系统符合VAR模型所要求的系统变量为平稳变量的条件。
2. 最优滞后阶数的选择。
我们以平稳时间序列DCCI、RHZ和DVOLUME建立VAR自回归模型。既要体现模型的动态特性又必须使扰动项符合要求的关键是正确地确定滞后阶数p。采用的标准主要有赤池(Akaike)信息准则(AIC)、施瓦兹(Schwartz)信息准则(SC)、LR统计量和Hannan-Quinn信息准则等选择滞后P值。本文根据赤池信息准则确定最优滞后阶数,选择的滞后阶数应使得AIC相对较小。经多次测试,将选择建立VAR(6)模型。各信息准则统计量见表3。
3. 股市收益与消费者信心指数之间的脉冲响应和影响效应分析。
由于VAR模型是结构式模型而不是简化式模型,它的每一个变量都可以作为被解释变量,是内生的,单个参数估计值是有偏的,从而对VAR模型单个参数估计值的解释没有意义。脉冲响应函数刻画的是,在扰动项上施加一个标准差大小的冲击对内生变量当前值和未来值所带来的影响。对一个变量的冲击直接影响这个变量,并且通过VAR模型的动态结构传导给其他所有的内生变量,在VAR模型结构中可以利用冲击反应函数识别出各冲击的动态反应过程。
图2显示了,消费者信心指数对股市收益的冲击响应。消费者信心指数对股市收益有一个连续的正向冲击,并在第6期达到最大值,在第7期达到负的最大值。由于VAR模型的单位根都在单位圆内,最后的冲击效应收敛于0。由此可见中国的消费者信心指数对股市收益具有长期的影响,并能在一定程度上预测出股市收益的变化。股票市场与消费者信心的相互影响可以通过预期效应来实现。股票价格的上涨,是投资者对未来经济的走势看好,从而增强了其消费的信心,通过增加消费需求而增加了总需求。而需求的增加又会使上市公司的收益增加,影响其股票收益。因此这是一种相互的正反馈作用。股票市场与消费者信心的相互影响还可以通过诸如工资效应、替代效应等途径实现。
从图3可以看出,股市收益对消费者信心指数的脉冲响应在开始有一个连续的正向冲击,但持续期短。在第一期股市收益出现1个百分点的正向冲击后,会使消费者信心指数提高0.3个百分点。此后冲击效应逐渐衰减,并在第4个月是达到负的最大值0.4,最后收敛于0。经过分析发现,股市收益与消费者信心指数两者间的冲击具有不对称性。当消费者信心增强,而增加消费时由于总需求的增加,股市收益也会随着增加。但是由于传导机制的问题,股市收益提高对增强消费者信心和刺激消费的作用却比较有限。实际上两者间的相互影响存在着潜在的经济机制。首先,股票市场对消费者信心的影响可以通过“财富效应”途径来实现。财富效应是指,当资本市场工具的价格上涨时,投资于这些金融资产的投资者和利用这些金融工具融资的投资者会感到他们手中的财富已经增加了(实际上也是如此),由于财富的膨胀其消费信心也随即增加,从而增加了他们的即期消费和投资。财富效应属于一种正向效应,即股价上涨,消费和投资上涨;反之,股价下跌,消费和投资下降。财富效应的这种正向效应无论从理论与实践上看都是成立的,只是不同国家间其效力有差别。
综上分析,我们发现消费者信心指数与股市收益率之间存在着密切的相互影响关系。两者间的相互影响存在着潜在的经济机制。上述作用的内在逻辑可以通过图4表示。
4. 方差分解分析。
方差分解是另一种描述系统动态的方法,它考察了随着时间推移,源于某个特定信息所引起的方差占总方差百分比的变化情况。然后随时间的变化观察重要的信息,从而估计该变量的时滞效应。表4是股市收益率的方差分解表,在第1期,股市收益率所有的变动均来自其本身的作用,因此第1个数字总是100%。从表4中可以看出,随着时间的推移消费者信心指数所引起的方差占总方差的比例越来越大,并在第6期时趋于稳定,这一结果也是与前面的分析相吻合的。但是,我们也看到消费者信心指数所引起的方差总体比例较小,这也说明在现阶段中国消费者信心与股市收益之间不管是理性的还是非理性的传道渠道还不是很通畅。股市收益消费者信心指数的方差分解表不再给出。
四、结论
本文应用中国国家统计局发布的消费者信心指数作为投资者情绪的代理变量,实证检验了消费者信心指数与沪指收益率的关系。主要研究结论如下:(1)从直观的图像表现来说,股市收益率与消费者信心指数的波动具有较强的协同性,两者具有较强的相关关系。(2)通过脉冲响应与方差分解技术的分析,实证发现了股市收益与消费者信心指数相互影响关系。但是由于股市收益与消费者信心相互影响途径的堵塞,两者的冲击具有不对称性,消费者信心对股市收益的影响要大于股市收益对消费者信心的影响。
参考文献
[1]程昆,仁和.投资者情绪与股市的互动研究[J].上海经济研究,2005,(11).
[2]金晓斌,高道德,石建民,刘红忠.中国封闭式基金折价问题实证研究[J].中国社会科学,2002,(5).
[3]饶育蕾,刘达锋.行为金融学[M].上海:上海财经大学出版社,2003.
[4]王美今,孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究,2004,(10).
[5]张俊喜,张华.解析我国封闭式基金折价之迷[J].金融研究,2002,(2).
[6]张强,杨淑娥,杨红.中国股市投资者情绪与股市收益的实证研究[J].系统工程,2007,(7).
[7]向锐,李琪琦.中国机构投资者羊群行为实证分析[J].山西财经大学学报,2006,(2).