我國(guó)貨幣政策效應(yīng)實(shí)證分析的VAR模型剖析

1、我國(guó)貨幣政策效應(yīng)實(shí)證分析的VAR模型為了研究貨幣供應(yīng)量和利率的變動(dòng)對(duì)經(jīng)濟(jì)波動(dòng)的長(zhǎng)期影響和短期影響及其貢獻(xiàn)度，采用 我國(guó)1995年1季度2007年4季度的季度數(shù)據(jù)，并對(duì)變量進(jìn)行了季節(jié)調(diào)整。設(shè)居民消費(fèi)價(jià) 格指數(shù)為CPI_90 (1990年1季度=1)、居民消費(fèi)價(jià)格指數(shù)增長(zhǎng)率為CPI、實(shí)際GDP的對(duì)數(shù) ln(GDP/CPI_90)為 ln(gdp)、實(shí)際 M1 的對(duì)數(shù) ln(M1/CPI_90)為 ln(m1)和實(shí)際利率 rr (一年 期存款利率R-CPI )。利用VAR(p)模型對(duì)Aln(gdp), Aln(m1)和rr, 3個(gè)變量之間的關(guān)系進(jìn)行實(shí)證研究，其 中實(shí)際GDP和實(shí)際M1以對(duì)數(shù)差分的形式

2、出現(xiàn)在模型中，而實(shí)際利率沒(méi)有取對(duì)數(shù)。(rrtA ln(m1)A ln( gdp)化1rrt-1=c2+垂1A ln(m1)t-1+7C JV 3 7A ln( gdp) Jvt-1 /rrt - p81t+妙A(yù) ln(m1)+ 8pt - p A ln(gdp)j、t - p /2t8 J3t、建立VAR模型圖1： VAR模型建模窗口Vector Autoregression EstimatesDate: 0411/16 Time: 00:24Sample (adjusted): 1995Q42007Q4Included observations: 49 after adjustmentsSt

3、andard! errors in ()&t-statisties in RR DLOG(M1_P. DLOGfGDP.RR(-1)1.318986 (0.15223) 8.66436-0.002187(0.00246)-0.88739-0.005095(0.00174)-2.93133RR(-2)-0387708 (0.11813) -3.280660.003404 (0.00191) 1.773740.004061 (0.00135) 3.00927DLOG(M1_P_SA(-1)-1.503874(10.1226)-0.149060.177944 (0.16389) 1.03572-0.

4、004251(0.11553)-0.03670DLOG(M1_P_SA(-2)-11.19036(9.31214)-1.20255-0.124441(0.15077)-0.825350.015332 (0.10633)0.14419DLOG(GDP_P_SA(-1)-4.002393(14.5211)-0.27563-0.403756(0.23511)-1.71730-0.495347(0.16581)-2.98745DLOG(GDP_P_SA(-2)17.54573(13.2659)1.32262-0.001973(0.21479)-0.00919-0.033643(0.15143)-0.2

5、2210C0.170730(0.67778)0.040567(0.01097)0.039280(0.00774)R-squared0.8496930.1724930366395Adj. R-squared0.8282200.0542780.275881Sum sq. resids37.266260.0097690.004859S.E. equation0.9419620.0152510.010756F-statistic39.571211.4591464.047901Log likelihood-62.82156139.2200156.3319Akaike AIC2.849860-5.3967

6、37-6.095178Schwarz SC3.120120-5.126477-5.824918Mean dependent1.574。820.0339150.024401S.D. die pen die nt2.2727260.0156830.012640Determinant residl covariance (dof adlj.)1.55E-08Determinant residl covariance9.75E-09Log likelihood243.3311Akaike information criterion-9.074738Schwaiz criterion-8.263958圖

7、2： VAR模型回歸結(jié)果rrtA ln(m1)tA ln( gdp)t0.17)1.32-1.51=0.04+- 0.0020.178、0.039/頊 0.005-0.004-4.0 丫-0.404 A ln(m1)-0.495人 A ln( gdp)rrt-1)-0.3870.003、0.004-11.2-0.1240.01517.55-0.002A ln(m1)-0.034Ja ln( gdp)rrt-2e1t+e2tet - 23tt-1t-1 /t-2二、VAR模型的Granger因果關(guān)系檢驗(yàn)無(wú)論建立什么模型，都要對(duì)其進(jìn)行識(shí)別和檢驗(yàn)，以判別其是否符合模型最初的假定和經(jīng) 濟(jì)意義。本文運(yùn)用

8、VAR模型的Granger因果關(guān)系檢驗(yàn)。選擇 View/Lag Structure/Pairwise Granger Causality Tests 即可進(jìn)行 Granger 因果檢驗(yàn)。VAR Granger Causality/Block Exogeneity Wald Tests ate: 04/11/16 Time: 00:53Sample: 1995Q1 2007Q4Included observations: 49ependlent variable: RRExcludedChi-sqdfProb.LOG(M1_P.1 49261520.4741 LOG(GDP.2.54006720

9、.2008All3.03057140.5527ependlent variable: DLOGM1._P_SA)ExcludedChi-sqdfProb.RR4-.72146420.0944- LOG(GDP.3.51600320.1724All3.2709464-0.0821，工圖B 3：Granger因果關(guān)系檢驗(yàn)結(jié)果ExcludedChi-sqdfProb.RR9.51546420.0086 LOG(M1_P.0.02162720.9392All12.339544-0.0147在實(shí)際利率方程中，不能拒絕實(shí)際M1、實(shí)際GDP不是實(shí)際利率的Granger原因的原假 設(shè)，而且兩者的聯(lián)合檢驗(yàn)也不能

10、拒絕原假設(shè)，表明實(shí)際利率外生于系統(tǒng)，這與我國(guó)實(shí)行固定 利率制度是相吻合的；在實(shí)際M1的方程中，無(wú)論實(shí)際利率的Granger因果檢驗(yàn)，還是聯(lián)合 檢驗(yàn)在10%的顯著性水平下都不能接受原假設(shè)，說(shuō)明實(shí)際利率在Granger意義下影響實(shí)際 M1；在第三個(gè)方程(即實(shí)際GDP方程)中，實(shí)際利率在1%的顯著性水平下拒絕原假設(shè)，說(shuō) 明實(shí)際利率對(duì)于產(chǎn)出具有顯著Granger影響；而實(shí)際M1外生于實(shí)際GDP的概率為0.9892, 這可能是因?yàn)槲覈?guó)內(nèi)需不足，大部分商品處于供大于求，因此當(dāng)對(duì)貨幣的需求擴(kuò)張時(shí)，會(huì)由 于價(jià)格調(diào)整而抵消，并不會(huì)形成對(duì)貨幣供給的數(shù)量調(diào)整，因此對(duì)產(chǎn)出沒(méi)有影響。三、脈沖響應(yīng)函數(shù)在實(shí)際應(yīng)用中，由于V

11、AR模型是一種非理論性的模型，因此在分析VAR模型時(shí)，往往 不分析一個(gè)變量的變化對(duì)另一個(gè)變量的影響如何，而是分析當(dāng)一個(gè)誤差項(xiàng)發(fā)生變化，或者說(shuō) 模型受到某種沖擊時(shí)對(duì)系統(tǒng)的動(dòng)態(tài)影響，這種分析方法稱為脈沖響應(yīng)函數(shù)方法 (impulse response function，IRF)。為了得到脈沖響應(yīng)函數(shù)，先建立一個(gè)VAR模型，然后在VAR工具欄中選擇View/Impulse Response.或者在工具欄選擇Impulse，并得到下面的對(duì)話框，有兩個(gè)菜單：Display和Impulse Definition。圖4：脈沖響應(yīng)函數(shù)的估計(jì)窗口從下圖5中可以看出，給實(shí)際利率一個(gè)正的沖擊，在第1期對(duì)實(shí)際GDP波

12、動(dòng)有最大的 負(fù)的影響，然后開(kāi)始逐漸減弱，到第6期逐漸趨于0，但其影響都是負(fù)的。這與經(jīng)濟(jì)理論是 相吻合的一一緊縮的貨幣政策，對(duì)經(jīng)濟(jì)有負(fù)的影響；給實(shí)際M1波動(dòng)一個(gè)正的的沖擊，在第 1期對(duì)實(shí)際GDP波動(dòng)就有最大的正的影響，然后震蕩變小，其影響于第9期接近0，其后幾 乎為0，表明增加貨幣供應(yīng)量的擴(kuò)張性政策對(duì)產(chǎn)出約有2年的影響。Response to Cholesky One S.D. Innovations ?2 S.E.Response of DLOG(GDP_P_SA) to RR.008.004.00012345678910-.008Response of DLOG(GDP_P_SA) to D

13、LOG(M1_P_SA)-.004四、方差分解脈沖響應(yīng)函數(shù)描述的是VAR模型中的一個(gè)內(nèi)生變量的沖擊給其他內(nèi)生變量所帶來(lái)的影 響。而方差分解(variance decomposition)是通過(guò)分析每一個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量變化(通常用 方差來(lái)度量)的貢獻(xiàn)度，進(jìn)一步評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。因此，方差分解給出對(duì)VAR模 型中的變量產(chǎn)生影響的每個(gè)隨機(jī)擾動(dòng)的相對(duì)重要性的信息。為了得到VAR的方差分解，從VAR的工具欄中選View/Variance decomposition項(xiàng)。注 意，因?yàn)榉钦坏囊蜃臃纸馑a(chǎn)生的分解不具有較好的性質(zhì)，所以所選的因子分解僅限于正 交的因子分解。圖6：方差分解的估計(jì)窗口P

14、eriodS.E.RR LOG(M1_. LOG(GD.10.94196215.395949.S4041074.2636521.56714317.457329.73151072.7606731.95929217.3041410.1773472.513524-2.21190216.963269.96137173.0753752.37694016.9122610.0466273.0411262.40169916.3797210.0296873.0906072.547374-16.8722610.0323573.0953932.58797516.8691410.0309073.0999792.613

15、02416.0634310.0303773.10070102.62337016.0634010.0303473.10077112.63775816.8684710.0307673.10077122.64348116.0636010.0307773.10063132.64696716.0636810.0307573.10057142.64908316.3687510.0307573.10050152.65037716.3687910.03074-73.10047162.65116116.3683110.03074-73.10044-172.65163716.3683310.03074-73.10

16、04313，圖 7：方差分解的估計(jì)結(jié)果73.10042從上面圖7可以看出，不考慮實(shí)際GDP自身的貢獻(xiàn)率，實(shí)際利率對(duì)實(shí)際GDP的貢獻(xiàn)率 先增加后減少，在第二期達(dá)到最大17.46% (RVC13(2) = 48.9%),其次，貨幣供應(yīng)量對(duì)實(shí)際 GDP的貢獻(xiàn)率較小，且在第三期的時(shí)候貢獻(xiàn)率達(dá)到最大，為10.18%(RVC2t3=10.03%)。五、Johansen協(xié)整檢驗(yàn)Johansen在1988年及在1990年與Juselius 一起提出的一種以VAR模型為基礎(chǔ)的檢驗(yàn) 回歸系數(shù)的方法，是一種進(jìn)行多變量協(xié)整檢驗(yàn)的較好的方法。為了實(shí)現(xiàn)協(xié)整檢驗(yàn)，從VAR對(duì)象或Group(組)對(duì)象的工具欄中選擇View/C

17、ointegration Test即可。協(xié)整檢驗(yàn)僅對(duì)已知非平穩(wěn)的序列有效，所以需要首先對(duì)VAR模型中每一個(gè)序列進(jìn)行單位根檢驗(yàn)。EViews軟件中協(xié)整檢驗(yàn)實(shí)現(xiàn)的理論基礎(chǔ)是Johansen (1991, 1995a)協(xié)整理論。在Cointegration Test Specification的對(duì)話框(下圖)中將提供關(guān)于檢驗(yàn)的詳細(xì)信息:圖8：協(xié)整檢驗(yàn)設(shè)定對(duì)話框Date: 04/11/16 Time: 02:49Sample (adjusted): 199504200704Included observations: 49 after adjustments Trend assumption: Lin

18、ear deterministictrend Series: RR LOG(M1_P_SA) LOG(GDP_P_SA)Lags interval (in first differences): 1 to 2Unrestricted Co integration RankTest (Trace)Hypothesized!No. ofCE(s)EigenvalueTrace Statistic0.05Critical ValueProb.*None *0.49433140.7598129.797070.0019At most 10.1373447.34806815.494710.5375At most 20.0022190.1088343.8414660.7415Trace test indicates 1 co integrating eqn(s)i at the 0.05 lev