资源描述：
《中国经济周期运行特点及拐点识别分析3x》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、《财贸经济》2007年第6期Finance&TradeEconomics,No.6,20073中国经济周期运行特点及拐点识别分析X郭庆旺 贾俊雪 杨运杰内容提要:本文运用吉布斯抽样方法估算了我国经济周期的多变量动态马可夫转换因素模型,对我国经济周期进行拐点识别和同步指数分析,进而揭示出我国经济周期的长期和短期运行特点。分析表明,就长期而言,我国经济周期运行表现出明显的协动性和非线性特征,改革开放以前,宏观经济波动剧烈,情势转换发生得较为频繁,改革开放以后,宏观经济波动明显趋缓;就短期而言,尤其是20世纪90年代以来,我国经济周期运行平稳,协动性特征依然显著但非线
2、性特征明显减弱。关键词:经济周期拐点 同步指数 多变量动态马可夫转换因素模型 吉布斯抽样作者简介:郭庆旺,中国人民大学财政金融学院常务副院长、教授,100872;贾俊雪,中国人民大学财政金融学院讲师、经济学博士,100872;杨运杰,中央财经大学经济学院副教授,100081。中图分类号:F124文献标识码:A文章编号:1002-8102(2007)06-0011-07一、引 言经济周期典型事实分析(或称波动特征研究)一直是近几十年来国际经济学界的一个重要研究领域。这类研究涉及面非常宽泛,但总体而言,有两个问题始终是主要着眼点:一是经济周期波动的非线性(非对称性)
3、特征,表现为经济周期的扩张阶段和收缩阶段的明显不对称性,分析方法多以Hamilton(1989)的马可夫情势转变模型为主(Kimetal.,2002)。二是经济周期波动的协动性特征,目的在于探求经济周期波动中不同经济变量之间的相互联系,主要利用各种滤波方法以及线性动态因素模型(StockandWatson,1989;Agenoretal.,1999;Kose,2002)。但早期研究大多将协动性和非线性特征割裂开来,仅仅考察其中某一方面。近年来,开始更多地将这两种特性融合起来以更好地进行经济周期波动特征和拐点识别分析,分析方法多采用多变量动态马可夫转换因素模型(D
4、ieboldandRudebusch,1996;KimandNelson,1999)。国内学术界关于经济周期波动特征的研究经历了不同发展阶段。早期研究大多以“说明性”为主,主要关注于峰位、谷位、波幅和位势等经典周期特征(刘树成,2000;李建伟,2003)。近年来,开始更多地利用消除趋势法和更为复杂的计量模型来考察我国经济周期波动的现代周期特征(刘金全、张海燕,2003;陈昆亭、周炎、龚六堂,2004),但目前还鲜有将协动性和非线性特征融合在一起,动态分析我国经济周期的波动特征。为此,本文以新中国成立以来的长期年度数据和20世纪80年代末以来的短期季度数据为基础
5、,运用吉布斯抽样方法,估算我国经济周期的多变量动态马可夫转换因素模型,对我国经济周期进行拐点识别和同步指数分析,进而揭示出我国经济周期的长期和短期运行特点。X本文是国家社会科学基金重大项目“中国财政金融安全”(05&ZD008)和中国人民大学“985工程”重大攻关项目“中国公共产品的供给研究”(2006XNZD005)的阶段性成果,同时得到中国人民大学科学研究基金项目(06XNB002)和教育部高等学校优秀青年教师奖资助。11©1994-2007ChinaAcademicJournalElectronicPublishingHouse.Allrightsrese
6、rved.http://www.cnki.net二、模型设定经济学家们很早就认识到经济周期波动的两个经验性规律:一是各宏观经济变量之间的协动性,二是经济周期演进的非线性(BurnsandMitchell,1946)。但早期的经济周期计量模型并没有很好地将这两个特征融合起来,如Stock和Watson(1989)的线性动态因素模型仅仅捕捉到宏观经济变量之间的协动性,而Hamilton(1989)的单变量情势转换模型则只刻画了经济周期演进的非线性。Diebold和Rudebusch(1996)在前人研究基础上提出了多变量动态马可夫转换因素模型,将协动性和非线性特征融
7、合在一起,从而提供了一种更为合理的经济周期计量模型。鉴于多变量动态马可夫转换因素模型的优点,本节以多变量动态马可夫转换因素模型框架为基础,构建我国经济周期的计量模型,并考虑两个多变量动态马可夫转换因素模型。模型1:以新中国成立以来的长期年度数据为基础,揭示我国经济周期的长期运行特点。遵循Diebold和Rude2busch(1996)的做法,我们在模型1中选择工业总产值、固定资本形成总额、居民消费总额和非农就业人数四个同步经济指标变量。模型2:以20世纪80年代末以来的短期季度数据为基础,揭示我国经济周期的短期运行特点。之所以考虑模型2,是因为模型1采用的是年度
8、数据和长期视角,很可能会
