对1978年以来中国GDP事实特征的认识——基于实际商业周期理论，本文主要内容关键词为：中国论文,周期论文,特征论文,事实论文,理论论文，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。
引言
长期以来，经典的宏观经济理论在描述GDP事实特征时，都内含一个假设，即存在理想化的“潜在产出”，而实际的GDP则围绕“潜在产出”上下波动。依据这一假设，我们在分析GDP数据时，就会想当然的把它划分成确定性趋势和随机性波动两部分，并用以分别解释经济的长期增长和短期波动。这种理论看似逻辑清晰，但是存在着最大的困难就是假设性质的“潜在产出”没有检验和衡量的标准。在实际应用中，GDP数据的长期趋势部分只能部分代表“潜在产出”，而不是等于“潜在产出”。因此，自卢卡斯以来，这种宏观经济分析方法受到了严厉的批评。与传统凯恩斯宏观经济理论不同，布兰查德等实际商业周期学派的经济学研究者，则给出了一种更好的对GDP的认识、分析方法。[1]他们不再求证“潜在产出”，而是把实际GDP数据看作集合了所有宏观经济信息的最优实现，因此，每一个时点上的GDP数据才是真正的最优产出，即GDP被看作是随机游走时间序列。这一分析方法消除了不切实际的假设，并且在更深的层次上改变了对宏观经济的理解。我们也看到，虽然实际商业周期理论和凯恩斯传统对GDP的性质存在上述理论认识上的差别，但是，仅仅从数据上看，还是很容易将GDP的随机趋势和“潜在产出”混同，从而不利于对宏观经济内在性质的认识。因此，有必要运用技术手段对识别和分离GDP的随机趋势成分。[2]本文的研究，就是完成对中国GDP数据的随机游走性检验，从事实上对中国宏观经济的新认识提供确凿的经验证据，同时，对随机游走的GDP的新事实特征进行挖掘。这些研究将会给实际商业周期理论在中国宏观经济研究的解释力和应用性提供基础性成果。
一、文献综述
所谓实际商业周期(Theory of Real Business Cycles)，顾名思义，是指由经济的实际成分（与货币成分相对应）所造成的经济波动。而实际商业周期理论的核心观点是：经济的波动主要来源于经济中实际成分所产生的干扰和冲击，其中最主要的冲击是技术冲击。
实际商业周期理论对宏观经济的新的解读起始于对GDP及其他变量的随机游走的性质的认识。早在1982年，Nelson和Plosser在对美国宏观经济数据的进行了研究中发现，[3]包括实际GDP在内的众多变量的时间序列是可以被看作二阶差分平稳过程，从而在经验事实上首创性的为实际商业周期理论提供了可靠的事实依据。在实际商业周期理论看来，宏观经济是一个带有趋势（上升或者下降）和波动的运动，但是，又不同于传统的凯恩斯理论对宏观经的运行规律的解释，它从根本上把“潜在的产出”所带来的GDP的确定性趋势给否定了，取而代之为技术为主的供给性冲击所导致的随机性趋势。很明显，实际商业周期理论构建的这种解释框架，把外部冲击和宏观经济变动之间的关系描述得更为直接，即，技术进步作为一种外部冲击，对GDP等宏观经济进行变量产生具有持久力的影响，重要的技术进步导致经济的长期持久进步，而技术上的倒退（比如世界大战）则会导致经济的衰退；而短期的波动则来自于需求方面的冲击，这一般是由需求政策引起的。商业周期理论的这种解释给我们带来对宏观经济耳目一新的认识，并进而带来宏观经济政策取向的变化。但是，作为研究的第一步，我们必须证明以GDP为代表的宏观经济的随机游走性质。
基于实际商业周期理论对宏观经济基本运行性质的研究，在国内已经不少。简泽(2005)类似的简单检验，[4]他对中国的GDP数据进行过时间序列的处理，在可行的四种时间序列方程中，对都发现了持久冲击的存在，并且对其影响力进行了粗略的衡量。本文的研究只是基于实际商业周期的普遍事实对中国宏观经济的主要变量的运行特点进行简单的事实检验，不对进行技术冲击的影响机制和程度进行研究，但是本文的研究成果也将会从事实上对实际商业周期理论在中国的适用性提供依据。
二、理论背景
实际商业周期理论把宏观经济变量都看成时间序列，以GDP为例，它就被看作差分平稳的过程，也就是说GDP的一阶或高阶差分是一个平稳可逆的ARIMA过程。一阶差分平稳过程可以表示为：
。
在一阶差分平稳序列中，y[,t]按固定的数量β增加，不过，在给定时间里，趋势β[,t]的变化可能以不可预测的数量偏离其均值β，因而呈现出随机性。这时，我们观察到的产出的变动D(y[,t])归因于两部分，一部分是持久冲击的导致的趋势变化
：
图1 GDP及其构成要素取对数后走势图
的相对平稳的周期性波动部分。从式(2.2)——(2.5)中，我们能够计算出宏观经济变量的增长率和周期性波动的方差，以此来衡量外部冲击对GDP的影响。显然，GDP的ARIMA(p，i，q)形式影响时间序列的结构和冲击的后果。我们可以在Box-Jerkins方法下，确定出合适的(p，i，q)值，从而求出GDP的最优ARIMA(p，i，q)模型，并进而计算出外部冲击对GDP影响的相对大小。
三、对我国GDP数据的分析
在上述理论准备基础上，我们可以进行下面的操作。首先是考察我国的GDP是否是差分平稳的，这一计算通过单位根检验来完成；若宏观数据可以被看作是差分平稳的，则求出它们的ARIMA形式来，并在已有的自回归时间序列函数基础上，运用冲击响应函数，计算暂时性冲击和持久性冲击对GDP的影响力。以下就按照这样的安排进行计量分析。[6]
（一）数据的选取和简单分析
本文选取GDP作为反映宏观经济总体的统计量，原始数据来自《中国统计年鉴2006》和《新中国 50年统计资料汇编》的年度数据，数据区间1978年直2005年。在数据处理上，设定1978年的当年名义GDP为基期，1978年以后的数据以1978GDP年乘上其对应GDP基期指数所得，为降低指数数据的变动幅度，对实际数据作对数处理，把指数数据转化为线性数据。为更好描述的GDP，本文也选取居民消费、固定资产投资和政府支出三项，最为对照，更好的描述宏观经济的走势。三项数据的出处同GDP，都在转化为实际值后求对数。其中固定资产价格指数由于现有统计年鉴只提供1991年以后的数据，本文参阅郭庆旺、贾俊雪(2003)的方法和现有数据，并推算至2005年。[7]
如图1所示，自1978年改革改革开放以来，我国GDP呈现出什么向上的走势，截至2005年，年平均名义增长率为9.34%。作为GDP的构成，居民消费、固定资产投资和政府支出的走势同GDP基本一致。而且，仅从水平值看，我们可以看出有一个似乎固定的增长比率，这很像是“潜在的产出”的作用。进一步的分析会告诉我们，宏观经济的走势究竟是带时间趋势的波动还是随机游走。
（二）单位根检验
可以从宏观经济的走势可以看出，GDP为主的变量都带有明显的向上的走势，因此可以排除水平值单位根的存在。但是，出于技术考虑，我们还是对GDP进行单位根检验，包括0阶、1阶、2阶单位根检验，如果2阶单位根还存在，则进行更高阶单位根检验。
进行0阶、1阶和2阶单位根检验的方程如下：
是自相关滞后项回归系数，若不存在自相关，则其系数之和为0；ε[,t]为白噪声，符合均值为0，方差为常数σ的正态分布；δ=ρ-1，表示GDP被解释变量与其滞后一期之差的系数。单位根检验的关键就是检验δ是否显著异于0，若δ显著异于0，通常是小于0，则说明存在单位根，反之则不存在单位根。在进行ADF检验时，δ统计量服从与ADF统计量的渐近分布，若求得δ值的绝对值大于相应自由度下可接受精度的τ值，则拒绝δ=0原假设，即不存在单位根；否则，存在单位根。虽然0阶、1阶和2阶单位根检验时的δ值不同，但都适用同样的检验规则。
需要注意的是，在单位根检验的基础上，可进行漂移项回归系数和时间趋势项系数t检验，以检验其回归系数是否显著的异于0。其系数服从的是t分布。如存在漂移项，则说明GDP在转化成平稳的时间序列带有漂移项，同理，若β[,2]检验显著不等于0，则其平稳时间序列中必然包括确定性时间趋势项。如前所说，包含着漂移项的时间序列其有一个非0的起点，而包含确定性时间趋势的时间序列，说明其水平值上必然有内在的趋势，只有不带漂移、不带确定性趋势，唯有随机型趋势的时间序列满足实际上也周期理论对GDP的限制。
检验结果汇总如表1。
表1 单位根检验结果汇总
注释：β[,1]表示漂移项回归系数，三项数据依次是估计值，标准差和p值；β[,2]表示确定性趋势项回归系数，三项值从上到下依次是系数估计值，标准差，t统计值；ADF统计值是δ=ρ-1的估计值，表示滞后项的回归系数，标中给出的从上自下依次是系数估计值，标准差和ADF检验t统计值。
分析检验结果，我们发现，只有在ADF检验值的t统计量绝对值大于检验标准时，才能拒绝原假设，即不存在单位根。只有二阶单位根检验的ADF统计值是-5.225892，其绝对值大于1%、5%、10%显著性时的临界值。这说明，GDP的I(2)序列是平稳的时间序列，那么GDP存在一阶单位根。
同时，在进行过二阶差分运算的单位根检验式中发现，β[,1]估计值的p值很高，这说明漂移项系数的值是不显著的；β[,2]估计值的检验通不过，因此时间趋势项也是不显著的。二阶差分后的GDP的ARMA形式应该是只带随机趋势项的稳定时间序列，不妨表示为：
（三）GDP的自回归移动平均过程(ARIMA)
通过单位根检验，我们得到一条重要信息，GDP是I(2)单积的，现在的关键就是求出自回归移动平均的具体形式来。既然我们知道GDP经过二阶差分后变成了平稳的时间序列，我们ARMA回归元是GDP的二阶差分值。结下来我们来确定ARMA(p，q)的p，q值，即自回归和移动平均的滞后期的选择。采用的方法是试错法，检验的标准是赤池(AICC)和施瓦池(SIC)信息准则，其值越低（可能是负数），则越有利。
试探性ARMA回归的函数在式(3.4)基础上进行稍微改变，
其中，
表示自回归项系数，λ[,i]表示移动平均项估计系数，k=0，1，2，3
其结果汇总如表2。
表2 D(gdp[,t]，2)的ARMA(p，q)自回归项和移动平均项参考表
注释：表格中的数据是GDP自回归移动平均过程的赤池信息（没有括号）和施瓦池信息（括号中）。
依据判断规则，赤池信息和施瓦池信息越小，ARMA模型越优。因此，(2，2)最优，(1，1)，(2，1)的值也相对小，同时作为参考模型。
模型识别后，进行ARMA回归，得到结果如表3。
表3 D(gdp[,t]，2)的ARMA的几个回归形式的结果汇总
注释：系数估计栏里的数据依次是估计值，标准差，t统计值。我们采用p检验来检验回归系数的显著性，其意义是，p值表示错误的将回归系数判定为显著的不等于0的概率，因此，p值越低，说明回归越可靠，回归系数越显著。只有 ARMA(2，2)的p值很小，几乎为0，ARMA(2，1)和ARMA(1，1)的回归元系数p值都很高，意味着错误的将回归系数判定为显著异于0的概率很高。因此不能通过检验。
ARMA(2，2)函数表达式为：
（四）脉冲响应分析
脉冲响应分析是衡量随机波动对因变量影响的很流行的工具，它假设随机扰动项添加一单位的增量，由此会引起因变量带来的波动。对于分析外部随机冲击对主体的影响时间和力度有重要作用。
本文中，GDP的脉冲响应反应图如图2所示。
图2 二阶差分后GDP的脉冲响应图，冲击效果不累计
从GDP的二阶差分的冲击相应函数可知，随机趋势项的一单位的扰动，导致GDP的增长率的变动水平增加0.05，此后逐年减少，第4年竟为负值，最终影响消失。随机波动项累计起来对经济增长率的作用是0.054。这就是说，随机趋势项的变动率每增加1%，则实际GDP的增长率的变动率增加0.054%。
图3 二阶差分后GDP的脉冲响应图，冲击效果累计
四、理论解释及展望
通过对我国GDP的上述分析，我们知道，1978-2005年中国的GDP的二阶差分可以被看作随机游走的，而且是只带随机趋势漂移、无时间趋势项和漂移的随机游走。其对应的事实是，我国1978你以来的GDP增长率的变动速率是随机的，这就否定了所谓持续的潜在趋势的存在。从而证明，经济增长率并没有什么固定的增长率，它是随机因素的一次次冲击累计造成的。[8]并且在通过脉冲响应函数分析得知，暂时性冲击对我国GDP波动的影响在嘴边下降，前三年是正的影响，第四年出现负的影响，这说明暂时性冲击对GDP的影响具有自我调节能力，并不是一直为正（或为负）。本文通过对GDP进行简单的单位根检验和ARMA模型的识别，最终为我们形成GDP在二阶差分后是随机游走这一结论提供依据。应该承认，本文研究较为简单，进一步的研究应该集中在引起GDP变动的暂时性冲击和持久性冲击的识别和分离问题；有待进一步研究的另一个方向是结合更多的宏观经济变量，以及他们之间的协同关系、传递关系；最后，本文研究的是全国数据，若在区域经济内也进行类似研究，则对于区域宏观经济的认识和宏观经济政策的制定提供新的理论依据。
标签：宏观经济论文; 时间序列论文; 回归系数论文; 商业分析论文; 商业论文; 计量经济学论文; 经济论文; 中国gdp论文;