中国主要宏观变量的稳定性检验基于非参数估计与Bootstrapping的.docxVIP

中国主要宏观变量的稳定性检验 : 基于非参数估计与Bootstrapping 的 【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-respo nse Fun ction )、Gran ger 因果检 验( Granger-causality )等方法得到了越来越广 【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-respo nse Fun ction )、Gran ger 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VAF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SVAF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 wild bootstrap VAR SVAR 、引言 在利用中国各种宏观和金融数据的实证研究中，向量自回归( Vector Autoregressive ， VAR 模型和结构向量自回归( Structure VAR 模型得到了 越来越广泛的应用。向量自回归模型可以很好地模拟多变量时间序列之间的动 态关系。通过脉冲反应函数( Impulse-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SVAF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