中国主要宏观变量的稳定性检验.pdfVIP

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* 方 颖 1 郭萌萌 2 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。 利用必威体育精装版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 wild bootstrap VAR SVAR JEL 文献分类号 C14 C12 C32 E10 * 作者感谢美国北卡罗纳大学夏洛特分校蔡宗武教授提供关于使用 wild bootstrap 的R 语言程序，也感谢蔡 宗武、陈斌、洪永淼、刘斌、Sungyong Park、冼刍荛和赵扬等教授对于本文的建议。方颖还同时感谢复旦 大学经济学院 985 项目所提供的部分资助，也感谢在复旦访问期间和经济学院多位同仁之间的讨论。 1厦门大学王亚南经济研究院，福建厦门大学经济楼A306 ，邮码 361005 ，电话：0592-2181763 ，传真： 0592-2187708，电邮：yifst1@ 2 厦门大学王亚南经济研究院, 福建厦门大学经济楼 A202, 电邮：gmm0701@ 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 一、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 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（S