我国宏观经济和金融总量增长路径的结构变化研究——经济与管理

引言 20世纪90年代以来，我国国内外经济环境出现了诸多新的变化，经济运行先后几次在通货膨胀和通货紧缩之间转换。为调控经济过热和避免经济衰退，我国宏观调控政策在从紧、适度从紧、适度宽松、稳健和积极之间进行了多次相机抉择和组合。鉴于此现实，我国宏观经济和金融总量的走势近年来很有可能发生结构变化。因此，运用一种科学准确的结构变化检验方法对我国宏观经济和金融总量的增长路径进行考察，对于研究我国宏观调控的政策效果和经济各环节的内在作用机理具有重要意义。 但是，在时序列的增长路径结构变化的相关研究中，一个循环依存的问题使得已有检验结果值得商榷：一方面，趋势方程中回归残差项是平稳还是单整序列会直接影响结构变化的检验结果；另一方面，判断时序列是否平稳的单位根检验又需要获得结构变化存在与否的信息。这样，时序列的结构变化检验与残差单整性检验互为条件，相互依赖。因而，准确地判断经济变量增长趋势是否发生变化，要求寻找一种不依赖回归残差平稳性特征并具有良好功效的内生结构变化检验方法。 鉴于此问题，Perron和Yabu（2009）[1]提出一种拟可行广义最小二乘法（quasi-FGLS），由于该方法提出的检验统计量在残差为I（0）和I（1）时的极限分布非常接近，使得检验结果在残差项自回归形式和结构变化同时未知的情况下仍然可信。 考虑到近十几年来我国国内外经济环境和宏观调控政策的变化，本文运用Perron和Yabu（2009）提出的quasi-FGLS方法对1995年以来我国宏观经济和金融走势的结构变化进行了实证检验。与以往对我国宏观经济变量结构变化的诸多研究不同的是，大多数已有研究其基本出发点是应用或者修正结构突变单位根以检验时序列的单整性，侧重于把结构变化作为单位根检验的先决条件，对结构变化的判定也依赖于回归残差的平稳性这一问题讨论较少（例如，Li，2005[2]；栾惠德和张晓峒，2006[3]；滕建州，2006[4]；Liang和Teng，2006[5]；聂巧平和冯蕾，2008[6]），而本文对我国宏观经济和金融走势的结构变化进行的实证检验结果独立于回归残差的是否平稳的假定，克服了以往检验中存在的回归残差平稳性与结构变化循环依赖的问题，结论更稳健。在此基础上，本文进一步结合现实对实证结果加以分析比较，从而阐释经济发展过程中的关键性决策和重大事件对经济运行的冲击作用，并对经济运行的内在作用机理进行研究。 检验模型设定 随机变量的生成过程如下： yt=x′t？鬃+ut ut=？琢ut-1+？淄t（1） ？淄t=d（L）et 令T表示样本量，t=1，2，…T，et～iid（0，？滓2），解释变量xt和待估参数？鬃为r×1向量，-1<？琢？燮1。当-1<？琢<1时，ut～I（0），当？琢=1时，ut～I（1）。 以下三种模型代表结构变化的三种不同情况： 模型I：仅漂移项存在结构变化。x=（1，DUt，t）′，？鬃=（？滋t，？滋1，？茁0）′，令T1表示结构变化发生的时间，t？燮T1时，DUt=0，t>T1时，DUt=1。此时，检验为H0∶？滋1=0； 模型II：仅趋势项存在结构变化。xt=（1，t，DTt）′，？鬃=（？滋0，？茁0，？茁1）′，t？燮T1时，DTt=0，t>T1时，DTt=t-T1，此时，检验为H0∶？茁1=0； 模型III：漂移项和趋势项同时发生结构变化。xt=（1，DUt，t，DTt）′，？鬃=（？滋0，？滋1，？茁0，？茁1）′，此时，检验为H0∶？滋1=？茁1=0。 三种模型的原假设可以统一表示为矩阵约束形式：H0∶R？鬃=？酌，R为q×r矩阵，？酌为q×1向量，q为约束个数。 ？琢的估计值■可以通过如下回归获得： ■t=？琢■t-1+■？灼i？驻■t-1+eik（2） 滞后阶数k根据AIC准则确定，然后进行FGLS回归： （1-■L）yt=（1-■L）x′t？鬃+（1-■L）ut 由于？琢=1时，Wald检验统计量的极限分布不服从？字2分布，Perron和Yabu（2009）用如下方法构建？琢的超有效估计量： ■=■ ifT1/2■-1>11 ifT1/2■-1？燮1（3） 用■S作为的估计值进行FGLS回归并可证明，三个模型的Wald统计量均服从？字2分布。 针对？琢的最小二乘估计量存在向下的偏误问题，Roy和Fuller（2001）提出如下偏误修正估计量： ■M=■+C（■）■a（4） C（■）=-■ ■>？子pctLPT-1■-（1+m）[■+？琢2（■+10）]-1 -10<■？燮？子pctLPT-1■-（1+m）■-1 -？琢11/2<■？燮-100 ■？燮-？琢11/2 其中，■？琢为■的标准差，■=（■-1）/■？琢，m是系数向量？鬃的行数，Lp=（p+1）/2，p为ut自回归的阶数，a1=（1+m）T，a2=[（1+m）T-？子2pct（Lp+T）][？子pct（10+？子pct）（Lp+T）-1]，？子pct为？琢=1时■的极限分布的分位数，在结构变化位置已知（未知）时，取？子0.95（？子0.99）。 根据式（3），计算偏误修正估计量■M的超有效估计量■MS，然后使用如下quasi-FGLS方法对？鬃进行估计，在此基础上计算Wald统计量WRQF（？姿1）。 最后，在结构变化位置未知的情况下，按照Andrews（1993）[7]和Andrews和Ploberger（1994）[8]的做法，构建结构变化检验统计量： Exp-WRQF=logT-1■exp■WRQF（？姿1）（5） ？姿1=T1/T，？撰={？着？燮？姿1？燮1-？着}，？着=0.10。 Perron和Yabu给出了该统计量的临界值，其在残差项为I（0）和I（1）时非常接近，因此，根据该统计量得出的结构变化检验结果不受残差平稳性的影响。 上述检验可概括成如下步骤： （1）对给定的结构变化，通过最小二乘法进行围绕结构变化的退势处理，得到残差■t。 （2）运用最小二乘回归估计式（2），得到？琢的估计值■并计算■=（■-1）/■？琢。 （3）根据式（4）对■值进行修正，得到偏误修正估计量■M。 （4）构建？琢的超有效估计量■MS： ■MS=■M T1/2■M-1>11 T1/2■M-1？燮1 （5）运用■MS进行quasi-FGLS估计，得到系数估计向量■，根据不同模型和ut的不同形式构建相应的WRQF统计量。 （6）在结构变化未知的情况下，对所有可能的结构变化时点重复上述步骤，从而构建Exp-WRQF统计量，对结构变化进行判断。