前言

美國通貨膨脹率是由全美城市居民的消費者物價指數計算得到的年增率。通常我們使用折線圖表現所見到的通貨膨脹率走勢。折線圖將原本只是「點」的通貨膨脹率，用線段連起來後，讓視覺產生時間趨勢感。事實上，折線圖表現的通貨膨脹率並無展現「趨勢」。

那我們如何使用「趨勢」觀察美國通貨膨脹率發生什麼事情呢？想要展現出「趨勢」就得回到「趨勢線」是如何被畫出來的。所謂的趨勢表現是來自於統計學迴歸分析方法的估計線。直線估計線具有最強烈的趨勢方向。在經濟學的研究中，常對經濟數據做線性迴歸，使用斜率代表趨勢方向和強度。因此，我跟隨這樣的分析觀點，對美國通貨膨脹率做趨勢線。

不過，我將面對兩個難點。第一，如果依照傳統的迴歸分析做法，直線迴歸的估計線代表性可能不足。第二、選擇分析的資料期間影響直線迴歸的估計結果。若要克服這兩個難點，AI人工智能就需要加入，並且讓我重新調整傳統迴歸分析的常操作方法，從資料量最佳配適直線角度思考。

這是什麼意思呢？所謂直線能夠代表性高意味著這些資料和時間變數有強烈的直線關係。如果能夠切割每個時間段，讓時間段內的資料量都和時間變數有強烈的直線關係，那麼線性迴歸就能有得到盡我們可能的最高代表性了。

數據資料描述

我選擇從FED louis的網站下載全美城市居民的消費者物價指數，然後計算年增率。資料期間從2006年1月到2022年6月，計78筆數據。2022年6月公告的通貨膨脹率為資料期間內最大值，代表美國的通貨膨脹率有失控現象。至於先前為何沒有人提出美國通貨膨脹發生問題，這就不得而知了。

分析方法

基於直線迴歸分析法，使用AI人工智能協助運算和判斷每增加一筆數字進入後的判定係數，若增加則該增加的數字被納入同一時間段，反之則開啟新的時間段。直線迴歸分析法可使用各種常用的統計分析軟體進行運算，但若要達到我要做的「直線多線段法」，就得使用新推出的「智能分段數據結構分析軟體」。

數據結果

此處僅顯示從2016年到2022年的分析結果，至於2006年到2022年的分析結果，請看下方的YouTube影片。

經過直線多線段法的分析後，得到各線段的估計值可整體一起看待，經過運算後得到判定係數R2 = 0.9241，這是極其高的代表性。

直線多線段法運算後得到5條直線段，每條線段內至少有10筆數字。

第一條線段從2016年1月至2017年4月，計16筆數字。估計線方程式為 $Y = 0.598524 + 0.113118 /times 時間$，且判定係數為 0.717553。

第二條線段從2017年5月至2018年8月，計16筆數字。估計線方程式為 $Y = 0.352101 + 0.077943 /times 時間$，且判定係數為 0.851450。

第三條線段從2018年9月至2019年6月，計10筆數字。估計線方程式為 $Y = 4.620273 - 0.071860 /times 時間$，且判定係數為 0.447675。

第四條線段從2019年7月至2020年7月，計13筆數字。估計線方程式為 $Y = 7.480789 - 0.121566 /times 時間$，且判定係數為 0.377.46。

第五條線段從2020年8月至2022年6月，計23筆數字。估計線方程式為 $Y = -22.413486 + 0.407539 /times 時間$，且判定係數為 0.957036。

詳細說明可參考 YouTube

結論

影片有使用軟體分析的過程
影片內有2016年開始的分析結果，也有2006年開始的分析結果。
比對2016年開始和2006年開始的結果可發現，往前的數據加入並不影響近期的線段區間。
美國通貨膨脹率是因為新冠肺炎而造成的。從本例的每條線段最少資料量設定，通貨膨脹是從2020年8月開始，並以每月0.4%的直線增長速度攀升。