專載.docVIP

專載 應用結構 VAR 模型探討臺灣自然失業率 鍾經樊 林志宇* 一、長期以來灣失業率約2％左右，惟自民國85年升至2.60％後，即呈走高之勢，至民國91年更達5.17％，之後逐年回降。隨著失業率波動幅度擴大，代表勞動市場長期均衡關係之自然失業率是否有所變化，向為研究總體經濟之重要課題。 雖自然失業率在總體經濟中具重要性，惟畢竟是抽象的理論概念，無法實際觀測，若要落實為可應用之工具，尚須藉助統計或計量方法。關於自然失業率之實證研究，估計方法大抵可分為若干類型，其中有依其為摩擦性失業率與結構性失業率合計之定義，輔以勞動市場失業原因統計及相關指標之推估；其次，一般認為自然失業率長期波動較實際失業率為緩，故有應用統計方法，以平滑化之概念推估自然失業率，較常見者為Hodrick-Prescott filter方法；此外，實務上亦常見利用狀態空間 (state space) 模型，假設其統計特性，透過Kalman filter方式求解，並推算出自然失業率。 前述估計方法多涉及自然失業率長期變動較實際失業率為緩之假設，惟在景氣波動(volatility) 加劇時，長期取向模型較難掌握短期勞動情勢變化。據此，近期陸續出現應用結構向量自我迴歸 (structural vector autoregression，簡稱SVAR) 模型，進行自然失業率推估之實證研究；係以SVAR模型為基礎，從總合供給與需求角度建構模型，將失業率變動之來源區分供給面與需求面衝擊因素，透過VAR方式估計並認定SVAR模型，進而移除代表景氣波動之需求面殘差項後，即可估出自然失業率Groenewold and Hagger, 2000)；法係側重於短期分析，與自然失業率之長期穩定概念仍有落差；King and Morley (2006) 以Beveridge and Nelson (1981) 分解數列中恆常部分的方法為基礎，改良SVAR之長期結構估算方法，將SVAR模型引入長期穩定狀態 (steady state) 之假設；換言之，當經濟體達到長期穩定狀態，從實際失業率中離析變動較穩定的因子，即自然失業率的估計值。 本文乃參考新近King and Morley (2006) 之概念，進一步應用SVAR模型，以國內資料進行研析，其中自然失業率之定義為均衡穩定狀態下的失業率，與Friedman所認為在Walrasian均衡下的失業率意義相近，即為本文所欲推估之自然失業率。 二、理論模型簡介 本研究推估自然失業率之SVAR模型假設n個 (本研究n = 3) 內生變數行向量為 代表按固定價格計算(實質)之國內生產毛額 (GDP) 自然對數值 為消費者物價指數 (CPI) 自然對數值 表失業率。令 向量滿足以下k 階結構式模型： 其中誤差向量 服從均值為0 向量，共變異矩陣為3×3單位矩陣 I 之多變量常態分配(multivariate normal distribution)，在此假設下誤差向量 符合正交創源 (orthogonal innovation) 之特性，且、、 分別視為來自供給面衝擊、需求面衝擊、自然失業率衝擊。 A 矩陣則代表 向量中內生變數間存在同期關聯，而 B 矩陣顯示VAR模型中每個正交創源與內生變數間的關係，為簡化模型，假設B為對角矩陣 (diagonal matrix)。三個內生變量 、 與 ) 所構成聯立方程式可視為總合供需模型 (Blanchard and Quah, 1989)，在本文中，對自然失業率之基本假設為內生變數失業率中之恆常部分，為求取此恆常部分，依據Wold presentation theorem，將已經過差分處理之定態序列 ，以移動平均形式 (MA form) 表達如下： 再依據Beveridge and Nelson (1981) 之概念，序列的恆常部分為引入穩定狀態假設 (L = 1) 後估得之數值，故此式可改寫成： 由於C(1) 為3×3矩陣，而欲估得此代表長期關係矩陣C(1)，必須對其施予3個限制式，才能恰足認定結構式參數C(1)，此3個認定限制式如下： 上述限制式中第一、二組等式表示總合需求的衝擊在長期中對GDP 與失業率沒有影響，僅對物價造成影響 (Blanchard and Quah, 1989Barro, 1978)；第三組等式表達供給面的衝擊在長期下對失業率沒有影響 (King and Morley, 2006)。從另一角度說明，總合供給的衝擊實際上可區分為二部分，此二者均對GDP造成影響，但其中對失業率長期沒有影響者，稱為供給面的衝擊 ()，對失業率在長期下造成影響者，稱為自然失業率的衝擊 ()，在此限制式下，自然失業率的衝擊是長期對實際失業率有影響的因素。 三、資料來源與處理 本研究實證所需資