中国转轨时期经济增长周期的基本特征及其解释模型，本文主要内容关键词为：经济增长论文,中国论文,基本特征论文,周期论文,模型论文，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。
一、引言
纵观近两个世纪的世界经济发展史，各国经济增长过程中普遍存在着扩张与收缩的循环交替所形成的周期波动现象。中国改革开放以来，随着向社会主义市场经济体制的逐步转轨，市场机制的作用以及经济结构的内在稳定性日益增强，经济运行的内在规律日渐显示出其主导作用，经济周期波动进入了一个新阶段，其形态和成因与以往相比已经发生了深刻的变化。
本文将实证考查改革开放20多年来中国经济周期波动的基本特征，力求回答有关经济波动典型事实（stylized facts）的以下一些问题：我国转轨时期经济增长过程中是否存在具有一定规律的周期性波动？如果存在，包含哪几种周期？每种周期最基本的特征——周期长度是怎样的？周期规律性在哪些经济总量中表现最突出？这些涉及经济波动基本性质的问题无论对理论研究还是对实际政策制定无疑都是非常重要的。
经济运行中的典型事实既是经济理论要解释的对象，又为验证理论和模型提供了不可或缺的标准。长期以来，人们对经济波动的基本典型事实及其形成机制一直存在争论。法国经济学家朱格拉（Clement Juglar）于19世纪60年代首先注意到经济波动具有周期规律性这一非常重要的典型事实。随后，各种统计或历史的考查和相关理论不断涌现。到20世纪40～50年代，人们对某些基本的典型事实逐步取得了共识：经济波动至少存在两种周期，一种是可见于设备投资和产出中的8～10年的主周期，亦称为“朱格拉周期”；另一种是主要可见于产出和存货投资中的3～4年的次周期，亦称为“基钦周期”。这两种周期与其他可能存在的周期（如20年左右的建筑周期）以及长期趋势和不规则扰动相互重合，使观测到的波动可能呈现很不规则的形态。
随着人们对经济周期认识的不断深入，以及二战后西方各国的经济周期波动变得较为平缓，对经济周期的理解和测定已经从过去的古典型周期转变为目前的增长型周期，即宏观经济总量围绕其长期趋势的离差型波动。这样，就出现了如何正确分离经济总量中的长期趋势与波动部分——即所谓趋势分离或去势（detrend）问题。长时间以来，对这一问题始终存在不同意见。现代经济计量学的研究证明，去势的方法依赖于变量时序的趋势属性，即变量是趋势平稳序列还是差分平稳序列。有鉴于此，本文将首先对我国主要经济总量指标长期趋势的性质进行严格的统计检验，以确定适当的趋势分离方法。为了增加结果的稳健性，本文还采用和比较了几种不同的去势方法。
在实证分析经济周期波动的基本特征基础上，本文的另一个研究内容是，借鉴动态非均衡经济学的有关理论和方法，通过建立可解释典型事实的固定资产投资增长周期模型，深入探索经济周期波动的主要形成机制。
从20世纪60年代开始，一些西方经济学家开始尝试将早期投资周期理论和经济计量周期模型与凯恩斯思想相融合来研究生产和投资中的典型周期波动，如存货周期、设备周期、建筑周期等，形成了所谓的“周期性增长的动态非均衡模型”（dynamic disequilibrium models of cyclical growth）理论和方法，简称DDEMCG（Hillinger,1996）。DDEMCG既具有实际经济周期理论的突出特征，即采用由跨时优化所得到的小规模动态模型来解释经济波动，又兼顾了新凯恩斯学派所基于的非均衡数量调整思想，其主要特点包括：（1 ）注重首先对经济周期波动的典型事实加以独立分析和确定，并由此强调固定投资和存货投资波动的重要性；（2）普遍采用以经济理论为基础的、 具有非均衡动态调整过程的二阶加速数（SOA）模型来解释投资和产出的周期性波动， 并用实际数据加以估计和检验；（3）强调对实际数据生成过程的考察， 理论分析和实证估计时通常采用连续型模型；（4 ）注重模型的简洁性与普适性以及模型的实证结果。从已发表的大量研究成果来看，这一理论和方法在解释一些西方国家和东欧国家的经济周期波动方面取得了令人满意的结果（如Hillinger,1992; Reiter,1995等）。
二、经济增长的长期趋势
经济周期表现为国民经济主要总量指标对其长期趋势的偏离与调整。因此，在考查主要总量指标的波动特征之前，应首先确定并分离出经济指标中包含的长期趋势成分。
因本文所关注的是关于经济周期最基本的典型事实及其成因，因此这里着重考查国内生产总值（GDP ）及其两个主要构成分量——全社会固定资产投资（GFI）和居民消费（PC）的变动情况。 由于受统计上的局限，主要总量指标目前尚缺少自改革以来的月度或季度数据。因此，在下面的研究中将采用1978～2000的年度总量指标，数据来自《2001年中国统计年鉴》。各变量均为1978年不变价（见图1 实线），其中固定资产投资和居民消费分别采用各自的价格指数消除物价因素（注：固定资产投资价格指数1991年后的数据来自相应统计年鉴，其余部分来自林森木主编的《中国固定资产投资透析》。）。
图1 主要总量指标（实际值）的变动曲线和长期趋势
近20多年来，人们对趋势分离方法和它们对去势后序列结构可能的变形影响进行了大量研究，结果表明，不正确的去势可能引起伪周期或破坏原有的周期结构。因此，要正确分离长期趋势首先遇到的一个关键问题是对各指标长期趋势性质的检验和确认。
现代经济计量学的研究表明，非平稳序列的长期趋势有以下3 种情况：（1）确定性时间趋势；（2）随机趋势；（3 ）确定性与随机性趋势的混合。只具有确定性趋势的序列将围绕其趋势呈平稳波动，属于趋势平稳过程（TSP）。趋势平稳变量与真正的平稳序列一样具有“暂时记忆”，即随机冲击的影响（造成对趋势的偏离）只是暂时的。对趋势平稳序列只要正确估计出其确定性趋势，即可实现长期趋势与平稳波动部分的分离。而具有随机趋势的变量不存在长期“引力线”，其数据生成过程含有单位根，只有通过差分才能消除随机趋势使其平稳，属于差分平稳过程（DSP）。通常，差分平稳变量具有“持久记忆”， 即随机冲击对它具有持续的长期影响。可见，具有随机趋势的差分平稳过程与趋势平稳过程有着本质的差别。
目前已出现很多种检验序列是否存在单位根的方法，这里采用增广的Dickey－Fuller检验（也称ADF检验）来考查GDP、固定资产投资和居民消费的趋势类型。这种方法比较简单且具有更为一般的性质，在实证中使用较广。此外，很多研究表明（如Maddala等，1998；Diebold等，1999），ADF检验的功效（power）偏低，因而，如果拒绝存在单位根的原假设则更有把握接受备选假设（即TSP）。
在检验前先对各总量指标进行了对数变换以消除异方差。
由于以上3个指标都具有明显的线性上升趋势， 很可能都包含确定的时间趋势，当然也可能还具有随机性趋势，因此，根据Perron等人提出的“从一般到特殊”单位根检验过程，检验应从带有常数项和趋势项的一般检验方程开始。根据样本容量，检验方程中因变量的滞后项数最多不超过3阶，具体项数依据各滞后项的显著性程度和针对残差序列自相关的D.W.检验、Q检验、LM检验来综合确定。各指标的检验结果见表1。
表1 各总量指标的ADF检验结果
注：检验临界值由MacKinnon（1991）的方法给出。＊、＊＊分别表示在10％或5％显著性水平上拒绝非平稳的原假设。
表中结果显示，GDP和固定资产投资GFI在最一般的检验方程下，均以5％的显著性水平拒绝了含有单位根的原假设，从而可以结束检验，有把握认为它们都是趋势平稳变量。居民消费PC虽然在5％水平D－F临界值下没有拒绝原假设，但检验统计量tc已接近10 ％水平临界值－3.26，且检验方程中时间趋势项的t统计量很显著。由于ADF检验的功效偏低，可能导致本应该拒绝原假设却没有拒绝，因而不能轻易接受居民消费含有单位根的原假设。实际上，如果实际数据生成过程包含时间趋势，则在原假设（存在单位根）成立时，检验统计量服从渐进正态分布。根据正态分布的临界值，居民消费在1 ％的显著性水平下拒绝了原假设，即不含有随机趋势（此结果有待进一步确定）。大量的实证研究也显示出，实际变量为确定性趋势的证据要强于名义变量（Maddala等，1998）。
根据以上检验结果，我们可初步得出以下结论：到目前为止， GDP、固定资产投资和居民消费等总量指标均为不含有随机趋势的趋势平稳变量，从而可按加法（或乘法）形式被分解成确定性长期趋势与平稳波动两部分。这意味着，改革开放以来，我国的经济增长虽因受到各种冲击因素的影响而出现不同程度的偏离趋势的上下波动，但这种偏离是暂时性的，从较长时期来看，经济增长总体上沿着确定的均衡增长路径平稳运行。
对3 个总量指标去势后的波动成分进行单位根检验的结果表明（具体结果略），它们均是平稳变量。从而进一步确认了GDP 等总量指标都是（指数型）趋势平稳变量的结论。
接下来的问题是采用哪种确定性函数作为长期趋势。对具有上升趋势的经济变量原水平值，目前通常采用指数函数或多项式函数来拟合趋势。这里我们选择指数函数，主要理由是：（1）图1显示，各指标均具有指数型增长趋势的特征，上面对长期趋势的检验过程也反映出，各指标取对数后具有很明显的线性时间趋势特征。（2 ）很多实证研究表明（如Diebold和Rudebusch,1999），对于多数（经对数变换的）实际经济总量，采用传统的相当稳定的趋势路径分解方法，如线性时间趋势，并不失为是对长期趋势的一个很好的近似。（3 ）多项式趋势虽较灵活，但对多项式阶数的选择较难把握，且多项式拟合对序列的端值很敏感。此外，这一趋势的经济含义和外推性能均不理想。
设序列y[,t]按y[,t]＝a·b[t]或y[,t]＝a·（1＋g）[t]的指数型趋势增长，g为年平均增长率。取对数后变成时间t的线性函数，即：lny[,t]＝lna＋t·lnb＝A＋B·t。
利用普通最小二乘法对GDP、GFI和PC进行趋势拟合的结果见表2。
表2结果显示，各指标的拟合效果均非常理想， 这也表明采用指数型趋势是合理的。从长期趋势来看，1978～2000年，GDP、固定资产投资、居民消费分别以平均每年9.9％、12.2％、7.96％的速度增长。图1各图中的虚线显示了以上各指标的长期趋势线。
表2 主要总量指标的长期趋势拟合
由于经济时间序列的趋势分解直接影响到对经济周期波动特征的分析结果，为了增加结果的稳健性， 我们还采用目前国际上使用较广的H－P滤波方法进行趋势分解。实证结果表明，同样经对数变换后，GDP、固定资产投资和居民消费的H－P滤波分解结果与上面得到的各时间趋势非常接近，从而（经指数还原）分离趋势后的周期成分也几乎相同。
三、经济增长波动的基本特征
下面将利用前一部分对GDP等总量指标的趋势检验和分解结果， 考查和确定我国经济波动的主要特征即基本的典型事实，以回答本文引言部分所提出的重要问题。
时间序列分析理论和大量实证研究结果表明，谱分析方法可以从频域角度反映时间序列周期波动特征的全部信息，为确定经济周期的典型事实提供了有效的分析工具（如Hillinger,1992; Reiter,1995；陈磊，2001等）。但遗憾的是，由于目前所能考查的数据样本较短（只有23个），难以满足谱分析方法的要求，故在下面的数据分析中将采用时序图与统计相关图考察相结合的方法。
从各指标的增长周期波动（见图2）可以看出， 各指标在分离出长期增长趋势后，显示出很明显的波动性。其中最突出的特征是，GDP和固定资产投资具有基本对应的峰谷转折点和波动形态，呈现出相似的周期规律性。1978年以来，两者分别在1982年附近和1991年出现两次谷底，并于2000年再次处于相对低位，按谷—谷的划分方法已出现两个周期长度为9年左右的中周期。
图2 主要总量指标的增长周期波动
为揭示每个指标的周期波动特征及与GDP的相关程度， 我们还计算了各指标的自相关图和指标间的互相关图。根据时间序列分析理论，如果时序中存在波长为P的周期，相关图将在滞后期P和滞后期P／2附近出现极大值和极小值。计算结果（见表3）表明，GDP和固定资产投资相关图（略）均明显反映出序列存在9年左右的周期结构 此外，为了比较每个指标的相对波幅和各成分对GDP波动的贡献程度， 还计算了相对标准差和标准差比率（见表3）。
表3 各指标增长周期波动的有关统计计算结果
注：（1 ）相对标准差为增长周期波动的标准差相对原序列均值的百分比。（2）标准差比率为各指标增长周期波动标准差与GDP标准差的比率。
从图2和表3所显示的结果，我们可以得出有关增长周期波动的以下主要特征：
1.GDP呈现出很规则的中周期波动，周期长度为9年左右。除此之外，尚没有发现其他类型的周期波动。相对标准差说明：与其主要构成指标相比，其波动幅度最小，波动较平稳。
2.固定资产投资波动同样表现出很规则的周期特征，周期长度同样为9～10年，与GDP具有高度相关性（同期相关系数达0.91）。相对标准差显示其相对波幅明显大于GDP和居民消费。标准差比率反映出它对GDP波动的贡献最大。结合居民消费增长波动可见，固定资产投资波动是导致GDP波动的主要原因， 这与获得广泛共识的经济周期投资成因理论是一致的。
3.居民消费波动的周期规律性相对较差，相关图显示似乎存在11年左右的周期，与GDP的变动不太一致。其相对波幅略大于GDP，从标准差比率可看出，它对GDP波动的影响远小于固定投资。
为了避免不适当的趋势分离方法对总量指标周期结构的影响，除了基于前面的确定性趋势分解所得到的增长周期波动外，我们还同时考查3个总量的增长率指标即所谓的增长率周期波动， 这也是国内分析经济波动时通常采用的方法，以比较和确认周期特征。容易证明，对于很小的变化（经济指标通常如此），变量的增长率相当于对变量做对数差分处理，这是另一种常用的去势方法（特别是针对可能存在随机趋势的序列）。增长率波动具有较直观的经济含义，且因没有量纲而便于各指标间的比较，其缺点主要是对短周期波动或不规则成分的振幅有所放大。
各总量指标的增长率周期波动见图3。容易看出， 与增长周期波动相比，虽然各增长率指标中不规则的小波动增多，且周期波动的转折点（尤其是波峰）相对提前，导致波动形态有所不同，但GDP 和固定资产投资仍具有相似的较明显的周期规律性。GDP增长在1981和1990 年出现两次较深的谷底，1999年又一次达到波谷（从目前的宏观形势判断，这次谷底基本可以得到确认），从而刚好形成两个长度为9年的中周期。 固定资产投资的前两次谷底比GDP提前1年出现，最近一次谷底的时间与GDP相同，但本次谷底水平处于相对高位，谷—谷的间隔时间为9～10年。
图3 主要总量指标的增长率波动
我们同样计算了各指标的相关图和指标间的互相关图（主要计算结果见表4），结果表明，GDP和固定资产投资相关图（略）均在滞后期9（年）和滞后期4或5（年）出现极大值和极小值，明显呈现9年左右的周期结构，这与对时序图的直观考察结果是一致的。
表4 主要总量指标增长率波动的有关统计计算结果
从图3和表4所列的有关统计结果可以得到我国增长率周期波动的一些典型事实：（1）反映总体经济增长的GDP增长率存在9 年左右的中周期波动，标准差显示，其波动程度小于投资和消费。目前从年度指标来看，存在其他类型周期的根据还不太充分。（2 ）固定资产投资增长的波动形态和周期长度与GDP很接近，周期为9～10年，两者的同期相关系数高达0.85。标准差显示，前者的波动幅度要明显大于后者。结合居民消费增长率波动仍可见，固定资产投资波动是导致GDP 波动的主要原因。（3）居民消费增长除1989年出现较大回落外， 其他时间相对较为平稳，变动的周期规律性不强，相关图显示存在不太明显的8 年左右的周期。互相关图表明，它与GDP波动的相关性较投资弱很多。
总结以上对主要总量指标周期波动基本特征的考查，并结合笔者先前对月度宏观经济指标的谱分析所得出的主要结论（参见陈磊，2001），可以确定我国经济周期波动的基本特征是：改革开放以来，经济增长中存在平均长度为9年左右的周期性波动， 这主要是由于固定资产投资的波动所导致的，属于典型的朱格拉型中周期。
四、投资周期模型：对典型事实的解释
我国经济增长过程中已初步显现出朱格拉型中周期波动这一典型事实引发我们进一步思考这样的问题，在转轨时期，我国与西方国家在经济周期的主要形成机制上是否存在某些类似或趋同的地方？一个比较明显的共同点是，这类周期主要是由于固定资产投资的周期波动所导致的，因此，对经济周期成因的解释应重点放在投资波动的形成机制上。
人们对经济波动的起因已提出很多种理论和观点，但普遍认为引起经济波动的因素不外乎有两类：一类是内生因素，它形成经济波动的内在结构基础即内在传导机制，进而产生经济体系自我推动的内生波动，是形成经济周期波动的根本原因；另一类是来自经济体系以外的各种冲击因素，外在冲击通过经济体系的内在传导而发生作用，使内生的基本波动发生变形。
由于经济系统的高度复杂性，要想完全弄清投资波动的各种可能成因是很困难的。因而，这里所遵循的一项基本原则是探求投资乃至整个经济偏离其均衡路径的主要内在波动机制，寻求能解释经济周期基本特征的尽可能简单的模型。
为此，以下研究将借鉴DDEMCG中可解释投资波动的二阶加速数（SOA）模型，探讨我国投资波动的内在形成机制。SOA模型及有关理论和方法由德国经济学家C.Hillinger等人提出， 它既有很强的合理性假设，又具有坚实的微观基础，广泛应用于经济周期的动态非均衡模型中。需说明的是，该理论主张连续型模型更适于对经济周期形成过程的理论和实证分析。因受到考查样本和技术手段上的局限，以下分析仍采用通常的离散型方法，但并不影响模型和实证结果的有效性。
下面对基于SOA的投资周期模型给出较直观的简要解释， 详细论证可参看有关文献（如Hillinger,1992）。根据现代投资理论，企业的固定资产投资决策分为两个过程：首先，企业决定意愿的资本存量（K[*]）是多少；其次，怎样才能够达到意愿的资本存量，这是个投资流量调整问题，后者可以用具有动态特征的可变加速数模型来描述：
I[,t]＝b（K[*][,t]－K[,t－1]）（1）
此式表明，由于改变资本存量需要调整成本和过程，厂商计划每一时期的净投资（I[,t]）只弥合资本存量缺口的b部分，b 称为调整系数，并有0＜b≤1。
Hillinger等人将上述投资理论加以进一步推广。他们认为， 不仅资本存量的调整需要成本，投资水平的改变也涉及到调整成本和过程，其主要理由是：（1 ）固定投资通常基于长期计划并涉及典型的商业约定，即机器设备需要事先订货并按要求生产，新工厂及相关设备的合同经常需提前几年鉴定，若想改变合同必需付出相当高昂的费用；（2 ）判断和决策滞后也造成调整推迟，公司对需求变化的判断和认可需要时间，若要进一步确定需求变化的性质（短暂的还是长期的）以相应改变影响意愿资本存量的长期计划则需更多的时间。这些延迟因素便形成所谓的“投资惯性”。需要说明的是，此处的调整成本只适用于资本或投资对长期均衡（计划）路径的偏离，其原因是当出现长期计划没有预期到的变化时，调整成本往往特别大。而均衡路径本身的成本已事先由长期计划所完全考虑和确定。即调整成本只与长期计划所没有预期到的变化有关。在投资具有“惯性”特征的情况下，（1）式中的投资I[,t]可解释为意愿的投资（I[*]），而实际投资将按下式逐渐向其调整：
由于△I[,t]＝△（△K[,t]）＝△[2]K[,t]，上式是K[,t] 的二阶差分方程，故也被称为二阶加速数（Second－Order Accelerator）模型即SOA模型（Hillinger,1992）。
（3）式表明，由于存在投资惯性， 将潜在地导致投资过度和周期行为，因为当达到资本调整目标K＝K[*]时，并不使得投资I＝0，从而投资将继续进行，资本存量也将再次偏离其均衡水平。
根据二阶差分方程的性质，当方程的特征根为共轭复数时，SOA 方程可具有内生的周期解，表明资本和投资的波动性质可完全由内在动态所决定，而与意愿资本存量K[*]（进而需求）无关。需要注意，方程的解所反映的内在波动机制是针对资本或投资对长期均衡趋势的偏离而言的，而资本与需求（或生产）的长期增长无疑是相关的。
为了着重描述投资等变量围绕趋势的波动特征，模型中的变量均可用偏离趋势的离差（而非原值）来表示，从而模型所刻画的是有关变量的增长周期波动。
因模型中的意愿资本存量是由长期计划决定的，只与销售量（或生产量）和资本成本等变量的持久变动成分或长期预期有关，不受这些变量短期波动的影响，因而可以做这样的假设：销售和资本成本等变量的持久成分由趋势确定，从而意愿资本存量也按其长期趋势变动。这样，作为对长期趋势偏离的衡量，应有K[*]＝0，从而（3）式变为：
△I[,t]＝－cbK[,t－1]－cI[,t－1]（4）
这就是固定资产投资的离差型或增长周期型SOA模型。
Hillinger（1992）等人的研究证明， 在有关调整成本的假设条件下，（4）式的离差型SOA模型可由公司的跨时利润最大化（也就是使资本亏损和调整过程产生的成本最小化）推导出来，表明这一模型有坚实的微观基础。
利用恒等式△K[,t]＝I[,t]，经适当变换，（4 ）式可变为投资的二阶差分方程，即
可见，投资调整系数c越大（接近1），波动趋于均衡的衰减越快；相反，c越小，投资调整越慢，投资波动的衰减也越慢。
SOA模型的一个重要性质是， 经济周期仅仅在生产领域中就可产生，意味着消费在周期形成中的作用是次要的，这与萨缪尔森的乘数－加速数模型有很大区别，但与上面得到的经济周期波动的典型事实更为接近。
五、投资周期模型的实证结果
下面利用（4）或（5）式所描述的投资周期模型，对1978～2000年我国固定资产的增长周期波动进行实证分析。模型中的变量是去掉长期趋势后的离差值。
SOA 模型中的投资和资本为每个时期的净固定投资和每个时期末的资本存量。而统计年鉴中只有全社会总固定资产投资和固定资本形成的数据，没有净投资，也缺少固定资产折旧数据，因而需要对净投资数据进行合理的估算。
在传统的国民经济核算体系中，国民收入积累额中的固定资产积累，是以当年增加的固定资产价值减去提取的固定资产基本折旧和大修理基金的价值，因此可以作为年净投资的最接近的度量。但该指标由于国民经济核算体系的改变，从1994年开始已不再统计。为了估算1994～2000年的净投资，首先利用统计年鉴和《中国固定资产投资透析》（林森木主编，1993）等资料，将1950～1993年的固定资产积累逐年加总得到资本存量（净值）数据，并折算为1978年不变价。再利用1978～1993年各年的固定资产积累和固定资本形成计算出这些年的固定资产折旧率。根据这段时期折旧率的变化趋势并结合国家的相关政策调整估算出1994～2000年的固定资产折旧率，并假定此期间折旧率基本不变，再从各年固定资本形成中扣除折旧而得到1994～2000年的各年净投资。
净固定投资的原序列变动情况（见图4a）与总固定资产投资很相似。经过数变换后同样对其进行ADF单位根检验， 可验证该指标也是不含单位根的趋势平稳变量。仍然用指数型增长曲线拟合其长期趋势，估计结果见表5（参见表2）。
图4（a）净投资原值与长期趋势
表5 净投资的长期趋势拟合结果
变量 A
B a g
R[2]
D.W.
净投资 6.40634 0.09767
605.67 0.1026 0.960.70
(106.0) (22.2)
净投资去掉长期趋势后的离差值即增长周期波动见图4b（实线）。从图中并结合相关图可以看出，其波动呈现出与总固定资产投资相似的很有规律的周期性，周期长度为9年左右。对其进行ADF单位根检验的结果同样有把握确认，去势后得到的增长周期波动是平稳的。
图4（b）净投资增长波动与拟合值（虚线）
利用EView软件对净固定资产投资的SOA模型（5 ）式进行拟合的结果见表6，容易算出SOA方程的特征根为共轭复数，方程存在周期解，由（6）式可得到解的衰减因子D及波动周期P（见表6）。根据模型的估计结果，可以得到有关固定资产投资波动的以下一些主要结论：
表6 投资周期模型的估计结果
a[,1] a[,2]
bcR[2]
D.W.
D P
1.122 -0.572 1.05 0.43 0.672.3
(0.756)[t] 8.6
(5.96)(-3.05)
(1.59)(2.28)
（1）我国固定资产投资内在地具有衰减型周期波动的特征， 周期的长度为8.6年，这与前面通过数据分析得到的典型事实是一致的。
（2）模型拟合的可决系数达到0.67，说明SOA模型所反映的内在传导机制可决定固定投资波动的67％左右，而外在冲击的贡献为33％左右。可见，内在因素在投资波动中的作用已占居主导地位。从模型的（静态）拟合效果（见图4b虚线）可以看出，固定资产投资变动的方向和幅度在多数情况下可以被模型所解释。
（3）调整系数b反映出资本存量的意愿调整速度非常快，在当期就可完全实现（注：理论上，系数b的范围应为：0＜b≤1。实际估计出的b值略大于1，其原因可能有：（1）这里采用的是各变量的离差值而非原值；（2）对净投资的推算还不十分准确；（3）统计数据本身存在误差。）。而实际投资的调整速度c每期能调整意愿与实际投资缺口的43％左右。由调整系数c所决定的衰减因子较大，表明在没有外在冲击的情况下，投资会以比较快的速度趋于均衡水平。这意味着投资的惯性相对较小，调整过程较快。
进一步将以上结果与SOA 模型在西方一些国家的实证结果（如Reiter,1995）加以对比，可以发现它们既存在共性又存在差别。比较突出的共同点是固定投资的波动周期长度很接近。如原西德和美国的净投资周期（样本时间为1960～1989年）分别为8.4年和7.6年，都属于典型的朱格拉周期。这说明虽然我国与西方国家在社会制度和经济体制等方面存在很大差异，但由市场经济（包括向其过渡）条件下投资过程的内在规律所决定的投资波动的主要特征是接近一致的。
不同点主要表现为：第一，SOA模型对德、 美等西方国家的拟合效果要好于我国，可决系数在0.7～0.8之间，表明这一模型能更好地解释这些国家的投资周期波动。相比而言，我国仍处于向社会主义市场经济体制的过渡时期，投资周期乃至整个经济周期的内在机制作用虽较改革前有很大增强，但投资政策、财政政策、货币政策以及不规则性自发投资等外在冲击因素的影响仍很大，从而使得内在因素还不能充分说明经济周期波动的成因。
第二，德、美等国的实际投资调整系数c较我国小，基本在0.15～0.30范围内，从而使得周期的衰减速度很慢，这表明西方发达国家的投资惯性较大，调整时间较长。造成这一差别的主要原因在于国内尚未完全消除的某些旧体制因素的影响以及新旧体制摩擦所产生的问题，主要表现为：（1）虽然改革开放以来，我国已逐步形成国家、地方、 部门和企业等多元化的投资主体，但国有投资仍是建设性投资的主要部分，起着经济启动和收缩的先导作用，而国有企业又是中央和地方政府投资的主要承担者。由于政府与国有企业的特殊产权关系，国家财政、国有银行和国有企业三位一体，形成了资金链条上的体制性“软预算”约束状态，这样，国有企业仍然会表现出对资金的旺盛需求，并导致国有部门投资资金的大量供给（张曙光等，1999）。（2 ）我国的利率还没有实现市场化，资本价格不能完全反映市场的需求情况。（3 ）由于转轨时期存在很多不确定性因素，造成投资者普遍存在着短期行为。（4 ）各级地方政府为了追求政绩，常常盲目上项目、搞攀比。以上这些因素的存在，往往使企业（特别是国有企业）或地方政府的投资决策者并不十分重视对投资成本、收益和未来风险的考虑，从而造成投资规模很容易在较短时间内发生很大变化，即实际投资向意愿投资的调整可以较快完成。
综合以上的研究结果可以看出，SOA 模型较好地解释了我国转轨时期经济增长中存在朱格拉型中周期波动这一典型事实。这一结果进一步证实了这样的观点，即经济周期波动是内在因素和外在冲击共同作用的结果，连续但不相关的外在冲击，通过内在传导机制产生连续、相关且有一定规律性的现实经济周期波动。
标签：固定资产投资论文; 经济周期论文; 经济增长论文; 经济模型论文; 经济论文; 平稳过程论文; 消费投资论文; 均衡生产论文; 宏观经济学论文; 解释变量论文; 经济学论文; 时间序列论文; 投资论文;