消费价格指数统计口径的不一致性给实证分析结果带来的干扰，本文选取2006年1月至2012年3月的月度CPI数据作为研究样本时间序列，从而以较为清晰的数据样本提高灰关联分析的准确性。
（二）CPI指数的灰色关联分析
灰色关联分析作为灰理论中的一种，其处理思想是根据数据时间序列曲线几何形状的相似程度或是曲线变化率、变化趋势的趋近程度来判断两个备选研究变量的关系是否存在紧密的关系，在几何空间上趋近趋势越紧密的变量，用于度量对应时间序列之间影响程度大小的关联度就越大。本文的灰关联分析步骤为：
1确定系统特征行为序列和备选影响因素行为序列。通过对我国统计局数据的整理，将我国CPI指数数据作为系统特征行为序列，即：
X0（x0（1），x0（2），…，x0（75））（1019，1009，…，1036）
同时将其他备选考察变量的数据依照月度划分整理为系统相关因素行为序列，设为Xi（xi（1），xi（2），…，xi（75）），其中I1，2，…，16。
2序列无量纲化处理。为便于计算和消除计量单位的影响，本文对系统特征行为序列（CPI序列）和相关因素行为序列进行无纲量化处理。为剔除各序列计量单位不一致和数据上下限范围不一致的影响，常用的方法是初值化、均值化、中值化，本文采用均值化方法对所有序列进行处理。设处理后序列为：
X0（x0（1），x0（2），…，x0（75））（035125，025646，…，051239）
Xi（xi（1），xi（2），…，xi（75）），其中I1，2，…，16
3计算关联系数。即计算特征序列CPI和备选影响因素序列各对应数据之间的关联度，对于ξ∈（0，1），令：
则γ（X0，Xi）满足灰色关联四公理，其中ξ称为分辨系数，根据灰色理论，由于CPI与这些备选影响因素之间的关系相对直接，因而分辨系数不应过高，因而设定为046。通过上述公式，得出的计算结果γ（X0（k），Xi（k））为关联系数，而γ（X0，Xi）称为X0与Xi的灰色关联度。
（三）CPI指数灰色关联分析结果
f龙源期刊网httpwwwqika
comc
基于上文的计算分析过程，本文得出我国自2006年以来的月度CPI指数时间序列与其备选影响因素之间的灰色关联系数如表2所示。根据模型运算结果，即依照各个关联因子对CPI的灰色关联度进行排序得到的结果，可以发现，虽然我国CPI指数受到各备选因素的影响均较大，但是其影响程度大小存在一定的差异。
从样本数据的整体情况来看，2006年1月2012年3月，在现有影响我国居民消费商品和服务价格波动的因子中，商品零售价格指数的影响最大，其次分别是工业品出厂价格指数r