中国主要宏观变量的稳定性检验-基于非参数估计与Bootstrapping的一个方法论文.docVIP

　　中国主要宏观变量的稳定性检验:基于非参数估计与Bootstrapping的一个方法论文 【摘要】 在利用中国各种宏观和金融数据的实证研究和政策分析中，向量自回归模型（Vector Autoregression, VAR）或结构向量自回归模型（Structural VAR）、脉冲反应函数分析（Impulse-response Function）、Granger因果检验（Granger-causality）等方法得到了越来越广泛的应用。上述方法一般要求其所使用的相关变量必须满足模型线性化和结构稳定性的要求。非线性的依存关系和结构不稳定性会给VAR等模型以及相关的估算和检验带来极其严重的影响。但是在实证研究中，绝大部分现有的文献往往忽视了对非线性和非稳定性的检验。利用最新发展起来的趋势性时变系数模型（Trending Time-varying Coefficient Model），本文将稳定性检验建立在比较非参数估计与线性参数估计的基础上，并通过bootstrap的方法来计算检验量的样本分布。我们的方法可以同时检测到时间序列变量之间的非线性关系和渐进非稳定性。由于使用了依赖于数据本身的bootstrap来计算统计检验量的P值，因此本方法还具有较理想的小样本性质。我们利用中国85个包括产出、价格、汇率、短期利率、政府财政等主要变量的月度宏观数据，检验这些变量本身的自回归以及它们两两之间的线性关系。我们的初步结果发现部分宏观变量存在严重的非稳定性或非线性问题，基于这些变量的VAR或者SVAR分析将会得到误导性的结论。 【关键词】 非参数时变系数模型 结构稳定性 非线性 pulse-response Function）分析的方法，在VAR模型中可以估算出某一具体变量对整个多变量体系的影响。研究者也可以直接在VAR 模型中运用格兰杰因果检验（Granger-Causality）发现某些变量之间的格兰杰因果关系。在八十年代初，作为对卢卡斯批判的一种回应，由Sims（1980）等人发展起来的结构向量自回归模型进一步促进了经济理论和经济计量模型之间的联系，从而有助于具体的政策分析和政策效应模拟。有别于传统的VAR模型，结构向量自回归模型强调对于外生冲击本身的识别，通过一系列结构方程来描述整个体系之间的动态关系。在“协整”(cointegration) 概念提出以后（Granger, 1981；Engle and Granger, 1987），研究者也把“协整”向量引入到VAR模型或者SVAR模型中，扩展成为向量误差修正模型（Vector Error Correction Model, VECM）和结构向量误差修正模型（Structural VECM）。 由于上述的一些优点，VAR 模型和SVAR 模型在研究中国的经济学文献中得到了广泛的应用。我们查阅了近三年中最重要的一些研究中国经济的期刊，发现学者主要使用CPI 通胀率、短期利率、汇率、货币供应量、进出口贸易量、外商直接投资、产出、消费、政府财政收支等变量，利用VAR模型或者SVAR模型以及脉冲反应函数等方法来分析FDI、实际汇率以及货币政策等相关关系。例如，戴金平和王晓天（2005）利用VAR分析中国的贸易、境外直接投资和实际汇率的动态关系；宋旺和钟正生（2006）利用VAR来分析货币政策区域效应的存在性，从而得出货币政策具有显著的区域差别；刘琛和卢黎薇（2006）利用VAR 来分析外商直接投资的动态时滞效应，得出FDI可以通过不同的途径对中国的经济产生综合影响；封北麟和王贵民（2006）利用VAR 来分析货币政策与金融形势指数FCI，结果表明包含真实货币供应量的FCI指数对CPI通胀率具有更好的预测力；陈六傅和刘厚俊 (2007) 则利用VAR来分析人民币汇率的价格传导机制，发现稳健的货币政策有利于进一步隔绝来自外部的通货膨胀压力。其他利用VAR和SVAR模型来分析中国宏观或金融数据的文献还包括：施建淮（2006）、王永齐（2006）、王义中和金雪军（2006）、赵振全和刘柏（2006）、Qi 和Teng（2006）、Abeysinghe和Lu (2003）等。 正确使用VAR或者SVAR模型一般要求其满足模型线性化和结构稳定性（structural stability）的假设。所谓结构不稳定性是指多变量之间的动态关系在若干个时点由于某种原因发生突变，或在某一时段内发生持续缓慢的变化。非线性的多变量的依存关系和结构不稳定性会给VAR和SVAR模型以及相关的估算和检验带来严重的影响，甚至会导致错误的结论和不合理的政策建议。 Stock和0和M2以及上证和深证综合指数收益率的p 值均大于0.5，我们不能拒绝结构稳定性的原假设。 表B给出了双变量稳定性检验的结果。表B中的数值代表了该