不确定性、通货膨胀与产出增长，本文主要内容关键词为：通货膨胀论文,不确定性论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
自弗里德曼(Friedman)强调通货膨胀不确定性将会降低产出增长以来，经济学者越来越关注不确定性对通货膨胀和产出增长的影响。对不确定性与通货膨胀和产出增长之间关系的研究具有重要的理论意义和现实意义，不同的结论将对宏观经济政策的导向产生较大的影响。
弗里德曼假说认为通货膨胀不确定性将降低产出增长。[1]布莱克(Black)假说认为产出增长不确定性将提高产出增长，[2]然而伯南克(Bernanke)和平狄克(Pindyck)认为，投资不可逆性导致产出增长不确定性与产出增长负相关。[3][4]霍兰德(Holland)假说认为通货膨胀不确定性与通货膨胀负相关。[5]迪沃克斯(Devereux)假说表明产出增长不确定性与通货膨胀正相关。[6]经济学者对不确定性、通货膨胀与产出增长关系的理论存在重大分歧，应用不同国家数据的实证结论也有较大差异。
现有文献主要是基于经济发达国家的数据进行实证分析，而针对发展中国家数据的实证研究比较少。中国作为人口众多的发展中国家，经济持续近30年高速增长，目前正处于计划经济向市场经济转轨的特殊阶段。对于这样一个处于转型期的经济体而言，当前宏观经济运行存在巨大的不确定性，有潜在的通货膨胀危险，经济能否继续保持高速增长面临前所未有的考验。显然，定量研究不确定性、通货膨胀和产出增长之间的关系，能为当前中国经济发展趋势提供一些意见，具有一定的现实意义。
一、计量模型
国外文献通常采用的实证方法主要有两种：一种是应用单变量GARCH框架进行分析，该方法对通货膨胀和产出增长的条件方差进行独立估计，然后对各变量进行格兰杰因果检验；另一种则是联立的方法，运用GARCH-M模型估计通货膨胀和产出增长的条件方差，将通货膨胀和产出增长的条件标准差作为通货膨胀不确定性和产出增长不确定性的代理变量，检验不确定性对通货膨胀和产出增长的影响。单变量GARCH框架的致命缺陷是，只能对通货膨胀和产出增长的条件方差进行彼此单独的估计，不能对两个序列进行联合测定分析，而GARCH-M模型则恰好弥补了这一不足。该模型考虑到了通货膨胀和产出增长的方差—协方差结构中可能存在的非对称性，可以在估计条件方差的同时检验不确定性对宏观经济绩效的影响。正因为如此，笔者选择GARCH-M模型作为本文的计量模型。遵循格里尔等人(Grier,et al)的建模思想，[7]式(1)所示的GARCH-M模型将产出增长Y[,t]和通货膨胀π[,t]进行联立方程估计，并将产出增长和通货膨胀条件标准差
作为解释变量，最佳滞后阶数p和q通过AIC准则和SC准则来确定：
其中
二、基于GARCH-M模型的实证分析
本文在具体实证建模分析中，选取中国的居民消费价格指数(CPI)和工业生产指数(IPI)为研究变量，CPI用来度量价格水平，IPI用来度量产出。由于难以获得足够的中国相关指标的月度数据和季度数据，笔者采用年度数据，样本区间为1952-2004年，样本长度是53年，数据来源于各年《中国统计年鉴》。笔者通过按年计算的居民消费价格指数对数值的差分来测度通货膨胀；通过按年计算的工业生产指数对数值的差分来测度实际产出的增长。产出增长和通货膨胀的时间序列趋势如图1和图2所示，数据的总体统计性质见表1。
图1 产出增长时间序列（1952-2004年）
图2 通货膨胀的时间序列（1952-2004年）
由表1可知，从偏度来看，通货膨胀为正偏，产出增长为负偏；从峰度来看，二者均为尖峰态；Bera-Jarque检验表明，产出增长和通货膨胀两个时间序列均不满足正态分布。
表1数据的总体统计性质
说明：数据来源《中国统计年鉴》有关年份各卷，分析软件为Eviews4.0，下同。
本文采用ADF与KPSS单位根检验法来确定变量的平稳性。检验结果（见表2）一致表明，在1%的显著性水平下，产出增长和通货膨胀两个时间序列均为I(0)稳定序列。
表2 ADF检验与KPSS检验
说明：最优滞后阶数的选择基于AIC准则和SC准则，选取时允许的最大滞后阶数为6。
通过图1和图2中的产出增长和通货膨胀时间序列，可初步判断：产出增长和通货膨胀的方差不是常数，可能存在ARCH效应。为进一步证实笔者的判断，对产出增长和通货膨胀两个时间序列进行ARCH LM检验，得到滞后阶数为8时的ARCH LM检验结果（见表3），该检验结果表明，通货膨胀和产出增长的方差确实不是常数，存在ARCH效应。
表3 ARCH LM检验结果
基于中国1952-2004年的数据，运用准最大似然估计法对式(1)和式(2)模型进行参数估计。依据AIC准则和SC准则，最佳滞后阶数确定为p=q=2。表4为GARCH-M模型估计结果，具体包括产出增长和通货膨胀的条件均值方程、残差诊断和条件方差—协方差方程。
表4 多变量非对称GARCH-M模型
说明：圆括号内的数字为标准误差，方括号内的数字为显著性水平。
通过表4估计结果，可作出如下判断：
第一，矩阵
中估计系数的显著性证明了条件异方差的存在性。同方差假定要求系数矩阵联合统计不显著，然而我们通过估计发现，系数矩阵在5%的显著性水平上不仅联合统计显著，而且单独统计显著。
第二，三个系数矩阵中对角线元素的联合统计显著性表明，宏观经济冲击对宏观经济变量不确定性的影响存在滞后性。对角线协方差过程假定要求系数矩阵联合统计不显著，然而估计结果表明，系数矩阵在5%的显著性水平上联合统计显著。宏观经济冲击对宏观经济变量不确定性的滞后影响具体表现为：通货膨胀（产出增长）的滞后条件方差和滞后平方冲击将会影响到通货膨胀（产出增长）的条件方差；非对角线元素的联合统计显著性表明，通货膨胀（产出增长）的滞后条件方差和滞后平方冲击将会影响到产出增长（通货膨胀）的条件方差。
第三，
矩阵中估计系数的显著性表明，宏观经济冲击对宏观经济变量不确定性的影响存在非对称性。对称的协方差过程假定要求矩阵中的系数统计不显著，然而矩阵中的系数在5%显著性水平下统计显著，因此可以判断协方差过程是非对称的：
为负值，意味着负的产出增长冲击提高产出增长不确定性的程度低于正的产出增长冲击。
为正值，表明正的通货膨胀冲击提高产出增长不确定性的程度高于负的通货膨胀冲击。
为正值，意味着正的产出增长冲击提高通货膨胀不确定性的程度高于负的产出增长冲击。
为正值，表明正的通货膨胀冲击提高通货膨胀不确定性的程度高于负的通货膨胀冲击。另外，为检验模型设定的优劣程度，在通货膨胀和产出增长的条件均值方程中，通过Ljung-Box Q统计量检验（见表4）发现两个方程中的残差序列不再存在ARCH效应，这客观说明模型设定得非常好。根据估计结果绘制了产出增长率和通货膨胀率的条件标准差（见图3和图4）。
对于中国的产出增长来说，20世纪60年代和70年代的波动性较大，改革开放以来的波动性明显减小。对于中国的通货膨胀来说，20世纪60年代的波动性比较大，70年代至80年代中期的波动性非常小，80年代末至90年代末的波动性比60年代的波动性大。
图3 产出增长条件标准差
图4 通货膨胀条件标准差
第四，在
矩阵中，
在1%的显著性水平上都是统计显著的，通过它们的符号，可以判断出：(1)在中国，通货膨胀不确定性越高，平均产出增长率越低，即通货膨胀不确定性与产出增长负相关，支持弗里德曼假说，这在某种程度上证明了中国人民银行的“保持币值稳定，并以此促进经济增长”货币政策最终目标的正确性。(2)通货膨胀不确定性越高，平均通货膨胀率越低，即通货膨胀不确定性与通货膨胀负相关，支持霍兰德假说。(3)产出增长的不确定性越高，平均通货膨胀率越高，即产出增长不确定性与通货膨胀正相关，支持迪沃克斯假说。这表明在中国经济高速增长的今天，产出增长的稳定性至关重要，产出增长若不稳定，将会加剧通货膨胀。(4)产出增长不确定性越高，平均产出增长率越低，即产出增长不确定性与产出增长负相关，支持伯南克和平狄克的观点，否定了布莱克假说，这意味着中国政府在经济高速增长的同时必须密切关注经济波动。
三、广义脉冲响应分析
上面参数估计结果表明，产出增长冲击和通货膨胀冲击对产出增长不确定性和通货膨胀不确定性的影响存在滞后性和非对称性。为进一步研究经济冲击对经济变量的影响，笔者利用广义脉冲响应函数(GIRFs)具体分析产出增长和通货膨胀对产出增长冲击和通货膨胀冲击的动态响应。与传统脉冲响应函数相比，广义脉冲响应函数具有两个优势：首先，它允许多变量模型中的复合相关性；其次，它可应用于非线性多变量模型中，因为它不考虑冲击的范围、符号和历史。按照产出增长和通货膨胀的定义，产出增长和通货膨胀均为对数形式，所以系数值代表弹性。图5～图8给出了具体的脉冲响应轨迹图，图中横坐标表示冲击作用的滞后期间（年度），纵坐标表示冲击响应程度（百分数），实线表示脉冲响应函数，虚线表示正负两倍标准差的置信带。
由图5可知，对于本期1%的产出增长冲击，产出增长当期迅速作出响应并达到最大值11.6%，随后逐年下降并在第3年初达到零，第4年初达到负向最大值-2.9%，然后上下波动并逐渐又趋于零。图6显示，对于本期1%的通货膨胀冲击，产出增长从当期开始逐年增长并在第2年末达到最大值2%，随后开始下降并在第5年末达到负向最大值-0.4%，然后衰减至零。这表明通货膨胀冲击对产出增长的影响有一个传导过程，其影响力经过两年之后才达到最大。图7表明，对于本期1%的产出增长冲击，通货膨胀从当期开始逐年增长并在第2年末达到最大值1.7%，随后开始下降并在第6年末达到零，在以后年份保持在零水平。这也表明产出增长冲击对通货膨胀的影响有一个传导过程，其影响力度在两年之后达到最大。由图8可知，对于本期1%的通货膨胀冲击，通货膨胀当期迅速作出响应并达到最大值4%，随后逐年下降并在第4年中期达到零，在第8年达到负向最大值-0.16%，然后逐渐衰减并趋于零。
总之，产出增长对产出增长冲击的动态响应最大，最大值达11.6%；通货膨胀对产出增长冲击的动态响应最小，最大值也只不过1.9%；产出增长对通货膨胀冲击的动态响应几乎是最小，最大值仅为2%；通货膨胀对通货膨胀冲击的动态响应居中，最大值达4%。
图5 产出增长对产出增长冲击的脉冲响应
图6 产出增长对通货膨胀冲击的脉冲响应
图7 通货膨胀对产出增长冲击的脉冲响应
图8 通货膨胀对通货膨胀冲击的脉冲响应
四、结论
本文基于中国1952-2004年的数据，通过GARCH-M模型，实证分析了中国的产出增长不确定性和通货膨胀不确定性对产出增长和通货膨胀的影响，以及产出增长冲击和通货膨胀冲击对产出增长不确定性和通货膨胀不确定性的滞后性和非对称性，结果表明：在中国，通货膨胀不确定性越高，平均产出增长率越低，支持弗里德曼假说；通货膨胀不确定性越高，平均通货膨胀率越低，支持霍兰德假说；产出增长不确定性越高，平均通货膨胀率越高，支持迪沃克斯假说；产出增长不确定性越高，平均产出增长率越低，支持伯南克和平狄克的观点，否定了布莱克假说，这意味着中国政府在经济高速增长同时必须密切关注经济波动。
本文利用广义脉冲响应函数分析产出增长和通货膨胀对产出增长冲击和通货膨胀冲击的动态响应，结果表明：产出增长对产出增长冲击的动态响应最大；通货膨胀对产出增长冲击的动态响应最小；产出增长对通货膨胀冲击的动态响应几乎也是最小；通货膨胀对通货膨胀冲击的动态响应居中。本研究存在的不足：受中国数据来源和样本长度等因素的制约，只能选择年度数据，而没有采用月度数据和季度数据进行研究，这意味着本研究有继续完善的地方。随着更全面、更可靠、时间跨度足够长的月度数据和季度数据的出现，关于中国经济不确定性、通货膨胀和产出增长关系的更为深入的研究可以把这方面作为切入点来展开。