中美日GNP的特征及其比较，本文主要内容关键词为：美日论文,特征论文,GNP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。
中国、美国和日本是当今世界经济发展强劲的国家。从现价的GNP成长曲线来看，中国GNP呈现超强的随时间递增趋势，且在样本后期曲线明显陡峭；美国GNP增长较为平稳，成长曲线呈现明显随时间递增但相对平稳的特征；日本的GNP也随时间递增，成长曲线相对中国而言显得平稳一些，但与美国相比又显陡峭。显然，这些直观上的描述并不足以揭示GNP的本质特性。本文使用计量经济学中有关数据生成过程的方法，以揭示中美日三国GNP的数据生成过程特征并进行比较研究。
一、引言
对美国GNP数据生成过程的研究，已有大量的研究成果，其中许多已成为经济学和计量经济学教科书中的经典例子。但由于选取的样本不同，以及受计量经济学理论发展的局限，其结论也不尽相同。对日本GNP的研究，从英文版文献来看，似乎并不多见。而对中国GNP数据生成过程的研究，从已发表的文献看，几乎为一空白。
实际GNP数据的生成过程永远是未知的，经济学和计量经济学的任务之一是通过样本的各种统计推断来刻画与揭示其特征。对数据生成过程（Data Generating Process，以下简称为DGP）的研究是20世纪80年代中期以来计量经济学中一个非常活跃领域。DGP主要关注于：一组经济变量（如GNP）的观测数据（样本）分布状况、可能由何种随机过程生成及具有差分稳定还是退化趋势稳定等特征。为此，我们首先应从理论上对这些问题做必要的讨论。
考察分布状况首先是检验数据或者扰动（残差）是否服从正态分布。本文使用Jarque和Bera构造的统计量N(2)(Judge etc.,1988)。
这里，r[,k]为k阶自相关函数，p和q分别为自回归与滑动平均的滞后阶，k的取值约等于T/4。
数据生成过程一般有三种形式。
① 稳定指方差稳定。
进行ADF检验。这里滞后阶k的选取，既要使u[,t]的估计没有自相关，又须尽量减少信息量，k的取值通过残差诊断予以确定。(8)的临界值由Dickey和Fuller给出。但k的取值在有些情况下对检验结论非常敏感，甚至产生不相容的结论，使得上述常规ADF检验失效。Pantala(1989)等提出了高阶单位根检验，本文主要应用Pantala原理，结合ADF检验，对中美日三国GNP进行单位根检验，以揭示DGP最基本的特征。
二、中美日三国GNP数据生成过程的特征及其比较
以下我们将利用前述理论揭示中美日三国GNP的数据生成过程特征并做比较分析。
（一）中美日GNP数据的正态分布检验
以1976-1996为样本期（下同），中国GNP数据来自《中国统计年鉴(1998)》，美日GNP数据来自《国际统计年鉴(1997)》。基于(1)式，对三国GNP原始数据分布的正态性检验列入表1。
表1 中美日三国GNP水平数据的正态性检验
国家 变量名 θ[,1]与θ[,2]
N(2)
临界值
结论
中国
C θ[,1]=1.318
6.492
5.99
非正态
θ[,2]=3.365
美国
A θ[,1]=1.218
1.499
5.99
正态
θ[,2]=1.789
日本
J θ[,1]=-0.0196
1.95
5.99
正态
θ[,2]=1.542
由表1可见，中国GNP水平数据不服从正态分布，而美国和日本的GNP则大致呈现出正态分布的特征。这一结果意味着中国GNP在样本期增长的阶段性（跳跃）和时间趋势比美国和日本要明显，导致没有确定的均值且与均值的偏差不固定（即方差不为常数），使得取值的区间和频率不呈现正态特征。而美国和日本的GNP增长相对平稳，均值基本确定且围绕均值上下的取值比较多，使得其分布基本呈现正态性。这种正态性检验仅是对GNP水平数据的一种表象考察。
（二）中美日三国GNP数据的单整检验
对GNP的单整即单位根检验，旨在揭示其生成过程的基本特征。我们主要运用具有较高检验势(power of test)的Pantala(1989)原理进行单位根检验，因为使用常规方法对样本较小且时间趋势明显的数据具有局限性，使检验结论对滞后阶k的取值很敏感。不同的k值甚至相邻的k值在残差基本符合要求的情况下可能导致不相容的结论。我国GNP的单位根检验就存在类似的问题，其常规ADF检验结果列入表2。
表2中国GNP的单位根检验
变量名滞后阶ADF(α[,0],α[,1]≠0)
临界值(α＝0.05)
Ck=1
-2.18-3.604
k=44.665
-3.712
对应表2中不同的k值的残差诊断均能基本通过检验，但k=1时，C[,t]～I(1),k=4时则有C[,t]～I(0)。这一矛盾的结论说明常规ADF检验对时间趋势明显的数据具有较低的检验势。Pantala(1989)提出的解决方法是，先检验数据是否为I(2)即存在2个单位根，若拒绝，再检验I(1)，只有在拒绝I(1)时，才能认定I(0)。Johansen(1992)提出的嵌套检验(nested test)，即从特殊到一般的检验方法实际上也在很大程度上体现了Pantala的思想。这一方法的重要特点是将检验结论基于接受H[,0]而不是接受H[,A]（拒绝H[,0]），从而提高检验势。后者正是常规ADF检验结论的主要来源。
对于中美日三国GNP的单位根检验，基于Pantala和Johansen的思想，我们首先检验二阶单整，若拒绝，再检验一阶单整直至检验稳定。由于经过二阶差分后，时间趋势和自相关很有可能已经消失，因此，检验二阶单整的方程设定为：
进行回归以检验H[,0]:ρ[,1]<0,ρ[,2]=0，此时原假设H[,0]意味着只有一个单位根。这一方法实际上也有局限性。一个能以较大的检验势确认结论正确的检验方法，是将Pantala与常规ADF方法相结合，其做法是在怀疑有1个或2个单位根（一般而言，宏观经济数据至多有2个单位根）时，或在进行常规ADF检验对滞后阶取不同值出现不相容的结论时，基于(9)式进行I(2)检验。若拒绝H[,0]，下一步对(10)式进行回归以检验I(1)，接受或拒绝H[,0]时均转入常规ADF，即基于(8)式检验最后的结论。若以上各步结论都一致，则结论应比常规ADF检验或单独基于(8)和(9)或(10)式的结论具有较高的检验势。
我们首先利用Pantala的方法检验变量C[,t]的单位根，对(9)式的估计结果为：
至此，我们用Pantala检验认定中国GNP数据为二阶单整。这一结论说明两个问题，其一，常规ADF检验对于一些具有持续快速增长的数据进行单位根检验具有较低甚至趋于零（取伪）的检验势。一般来说，选取不同的滞后阶，尽管可能导致残差诊断不能通过某些统计检验，但此时的检验结论应具有较高的检验势。其二，中国GNP持续快速增长（简单时间趋势已不能支配其轨迹）且具有明显的阶段性和跳跃性，导致GNP成长曲线已不能用简单时间趋势来支配，只有对其进行二次差分才形成稳定的特性。这一点与我国GNP不具有正态性相互印证。
对美国GNP的检验，由(9)式的估计：
(15)式的残差诊断为：Q(6)=3.49,N(2)=2.915,ARCH=0.51，故残差能通过诊断检验，取k=1也是合适的。由ADF=-0.55，对应的D.F临界值为-3.66，接受H[,0]:ρ=0，即A[,t]～I(1)。这样，通过二条路径确认了美国GNP为含有一个单位根的序列。这一结论与Hamilton(1994)的结论相一致，但Hamilton的样本期为1947-1987年。这一结论也与Nelson和Plosser(1982)的结论吻合，但他们的样本为1909-1970年。而本文选取的样本为1976-1996年。由此可见，对美国GNP，使用不同的样本期和不同的检验方法和检验路径，检验结论相同，这一现象充分说明美国GNP确由一个含单位根的过程所生成。
对日本GNP的检验，首先进行常规ADF检验，此时(8)的估计为：
2.198,N(2)=0.886,ARCH=0.122，均显著通过检验，说明取滞后阶k=2是合适的，N(2)值说明e[,t]服从正态分布，不仅如此，截距项的t统计量值为2.65，时间趋势的t统计量值为2.19，说明时间趋势和漂移均是显著的，而ADF=-2.25>-3.69（DF临界值，α=0.05），基于此我们能接受H[,0]:ρ=0，即J[,t]～I(1)。这一结论在选取滞后阶k=3时，其相应的ADF=-1.83，它大于对应的D.F临界值-3.67，故k=3时结论不变。取k=4时结论依然成立。这一现象隐含了结论J[,t]～I(1)具有较高的检验势。我们用Pantala的方法再次检验结论的正确性。从(10)的估计来看：
② 本文1%,5%,10%的临界值为软件自动生成，但没给出15%或20%的临界值，这里的2.1由1%、5%至10%的临界值的绝对值减小的幅度推出。
>3.25，我们接受约束α=ρ=0。这一结论隐含J[,t]～I(1)。这样，我们基于不同的检验方法可认定日本GNP含有1个单位根(Enders,1998)。
（三）三国GNP是差分稳定还是趋势稳定
对数据生成过程(3)(4)(5)，显然(3)和(4)可经过一阶差分后稳定，因此称为差分稳定并记为DS。对于(5)则需经过用对Z[,t]常数项和时间趋势t回归以退化(detrending)趋势，若回归后的残差（即退化趋势后的部分）具有白噪声的性质，则数据称为趋势稳定（记为TS）。对于(4)式，若Z[,t]的一阶差分对常数项（漂移）回归后的残差具有白噪声的性质，则为差分稳定。由于我国GNP为I(2)过程，故我们只能考察GNP增量（即一阶差分后的数据）的生成过程是DS还是TS。表3给出了中美日三国GNP的DS和TS诊断。
表3DS与TS的残差检验
变量 DS/TS残差诊断结论
A[,t]
DS Q(6)=1.96
N(2)=5.7DS
TS Q(6)=10.97 N(2)=2.04
J[,t]
DS Q(6)=11.26
N(2)=0.118 DS
TS Q(6)=31.49 N(2)=2.09
△C[,t] DS Q(6)=27.61 N(2)=5.99TS
TS Q(6)=20.02 N(2)=2.78
我们的结论是美国和日本的GNP由带漂移的差分稳定过程来表述，而美国GNP为差分稳定的结论与Nelson和Plosser(1982)相吻合，但与传统的经济周期理论的假设相反。对中国GNP增量的DS而言，由于其对应的Q(6)=27.61>12.59，对应TS的Q(6)=20.02,N(2)=2.78<5.99均存在一定的自相关，但比较而言可近似的由趋势稳定过程来表述。
三、结论与问题
1.中国现价GNP不呈现正态分布特征，而美日现价GNP大致呈现正态分布特征。
2.中国现价GNP为I(2)过程，美日则为I(1)过程。这说明我国GNP尽管以持续超强的时间趋势增长，但若有外界冲击或大的政策改变甚至动荡，就可能导致GNP加速衰减，说明我国GNP抗风险能力显著弱于美国和日本。
3.中国GNP增量的数据生成过程可近似的由趋势稳定过程描述，而美日GNP原始数据的生成过程可用带漂移的随机行走来表述。这一结论说明我国GNP稳定性弱于美国和日本。
4.对于美日的实际GNP，其生成过程特征估计不会发生实质性变化。但对中国实际GNP，由于选取的样本和基期不同，实际GNP数据生成过程可能会发生实质性变化。如以1978年为基期(1978-1998)，中国实际GNP为I(1)过程（王少平，1999）。产生这一问题的原因在于1978、1988、1996年前后，中国现价GNP增长明显跳跃而显现阶段性特征，这很可能是使其成为I(2)过程的主要原因。而选取绝对值大的年份为基期，则很明显的减缓了现价GNP成长曲线的坡度，从而导致实际GNP的成长曲线相对平缓而形成I(1)的结论，当然样本长度也是一个重要原因。从这个意义上说，对中国GNP数据生成过程的研究还有待样本的增加，这是一个长期的课题。