77范文网 - 专业文章范例文档资料分享平台

2.中国货币供给增长率与通货膨胀率的实证研究(3)

来源:网络收集 时间:2019-04-05 下载这篇文档 手机版
说明:文章内容仅供预览,部分内容可能不全,需要完整文档或者需要复制内容,请下载word后使用。下载word有问题请添加微信号:或QQ: 处理(尽可能给您提供完整文档),感谢您的支持与谅解。点击这里给我发消息

(?0.91)(2.17)

据此,可得到残差项

?t et?gpt?gp 虽然我们估计出gp和gm的回归方程,但无法得知被解释变量gp和解释变量gm之间的协整关系是否真正存在,这样的回归可能会是一个伪回归。因此,需要对上式进行协整检验。基于回归残差的协整检验的思想:检验一组变量(被解释变量和解释变量)之间是否存在协整关系等价与检验回归方程的残差序列是否是一个平稳序列。

第二步,检验et的单整性。如果et为稳定序列,则认为变量gpt,gmt为(1,1)阶协整;如果残差项et为一阶单整,则认为变量gpt,gmt为(2,1)阶协整。

检验et的单整性的方法是DF检验或ADF检验。由于协整回归中已含有截距项,则检验模型中无需再用截距项。如使用模型1:

p ?et??et?1???i?et?i??t

进行检验时,拒绝零假设H0:??0,从而说明X与Y是协整的。 表3-6 残差项et的ADF检验

ADF Test Statistic

-4.0617017 1% Critical Value* -2.604755

5% Critical Value -1.946536 10% Critical Value -1.618890 i?1*MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(E) Method: Least Squares Date: 05/05/11 Time: 10:40 Sample(adjusted): 1996:3 2010:1

Included observations: 55 after adjusting endpoints

Variable E(-1) D(E(-1)) R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient

Std. Error

t-Statistic

Prob.

-0.2009584 0.04947640 -4.06170170 0.000161 0.6330332 0.10618825 5.96142468 2.085e-07 0.4546858 Mean dependent var -0.105302 0.4443969 S.D. dependent var 0.9950994 Akaike info criterion 52.481819 Schwarz criterion -76.752792 F-statistic 2.3267640 Prob(F-statistic)

1.335008 2.863737 2.936731 44.19168 1.663e-08

资料来源:Eviews 3.1输出结果。

从表3-6检验结果得适当检验模型为

?et??0.201et?1?0.633?et?1

8

(-4.06) (5.961)

经计算,5%的显著性水平下协整的ADF检验临界值为-3.445,et?1前参数的t 值为-4.06,因此拒绝存在单位根的假设,表明残差项et是平稳的。据此判断,中国货币供给量的增长率gm与通货膨胀率gp之间是(0,0)阶协整的,说明该两变量间存在长期稳定的“均衡”关系。 3.3 Granger因果关系检验

协整检验结果表明,货币供给增长率gm与通货膨胀率gp之间存在长期的均衡关系,但这两者之间的这种均衡关系是否具有因果关系,以及因果关系的方向是怎样的还需要进一步验证。Granger(1988)指出:如果变量之间是协整的,那么至少存在一个方向上的Granger原因;在非协整情况下,任何原因的推断将是无效的。具有协整关系的各变量之间因果关系可以采用Granger因果关系检验法来进行研究分析。货币供应增长率gm与通货膨胀率gp是平稳的,且它们之间存在协整关系,根据Granger检验原理,可以对它们的变量值直接进行

Granger检验。Granger因果关系检验的基本原理是:在做Y对其他变量(包括

自身的过去值)的回归时,如果把X的滞后值包括进来能显著地改进对Y的预测,我们就说X是Y的格兰杰原因;类似地定义Y是X格兰杰的原因。为此需要构造:

mk 无条件限制模型:Yt?????i?Yt?i???j?Xt?j??t (1) 有条件限制模型:Yt?????i?Yt?i??t (2)

其中?t为白噪声序列,?,?为系数。n为样本量,m,k分别为Yt,Xt变量的滞后阶数,令(1)式的残差平方和为ESS1; (2)式的残差平方和为ESS0。原假设为H0:?j?0;备择假设为H1:?j≠0 ( j =1,2,?,k)。若原假设成立则:

F?(ESS0i?1i?m1j?1?ESS1)/mESS1/(n?k?m?1)~F(m,n?k?m?1)

即F的统计量服从第一自由度为m,第二自由度为n?(k?m?1)的F分布。若F检验值大于标准F分布的临界值,则拒绝原假设,说明X是Y的格兰杰原因。 以Geweke等(1983?),Granger(1988?),Kollias等(2000?)的研究范式和基础,本研究采用如下的因果分析模型,作为基于向量自回归(VAR)进行格兰杰因果分析的基础:

mmigpt? gmt

?????im?1i?1gmt?i?gpt?ii??gp???gmimi?1ii?1t?i ??t (1) ??t (2)

9

t?i

其中:gpt,gmt分别指t时刻的通货膨胀率、货币供给增长率。

表3-7 通货膨胀率?gpt?与货币供给增长率?gpt?的Granger因果关系检验

滞后期数 1 2 3 4 零假设 观测值个数 F统计量 概率 AIC gm does not Granger Cause gp 56 0.5302 0.46972 3.0708 gp does not Granger Cause gm 0.0296 0.86403 4.3458 gm does not Granger Cause gp 55 1.5048 0.23196 2.6616 gp does not Granger Cause gm 3.0255 0.05749 4.3016 gm does not Granger Cause gp 54 3.3377 0.02709 2.5737 gp does not Granger Cause gm 4.1294 0.01114 4.3792 gm does not Granger Cause gp 53 2.5973 0.04907 2.6583 gp does not Granger Cause gm 5.3768 0.00129 4.4041 注:统计量的P值为检验的概率值,若P值小于0.05,表示因果关系在5%的显著性水平下成立,反之,因果关系不成立。 资料来源:Eviews 3.1输出结果。

从表中可以看出,随着滞后阶数的增加,货币供给增长率gm与通货膨胀率

gp的Granger因果关系是变化的,当滞后期数为1和2时,所有的检验在5%的

显著水平下都接受了原假设,认为货币供给增长率gm与通货膨胀率gp之间不存在因果关系。当滞后期数变为3和4时,所有的检验在5%的显著水平下都拒绝了原假设,认为货币供给增长率gm与通货膨胀率gp之间互为因果关系。具体应该用多长的滞后期,可以参考AIC统计量的值,当滞后期的增加不能显著降低

AIC的值时,则应停止加入更长的滞后期。即应选择AIC值最小的模型进行判

断。因此,滞后期为3时,AIC最小,分别对(1)、(2)残差项的一阶自相关性进行LM检验,以验证模型(1)、(2)滞后期为3的情况下设定的正确性,检验结果如下: 表3-8 (1)式残差项的LM检验

Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

0.0632498 Probability 0.0000000 Probability

0.802527 1.000000

资料来源:Eviews 3.1输出结果。

表3-9 (2)式残差项的LM检验

Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

0.6070385 Probability 0.1553934 Probability

0.439810 0.693433

注:统计量的P值为检验的概率值,若P值小于0.05,表示在5%的显著性水平下存在自相关性。

资料来源:Eviews 3.1输出结果。

10

从表3-8,3-9可见残差项均不存在一阶自相关性,因此(1)、(2)模型在滞后期为3时设定是正确的。并且此时两者互为因果关系,即货币供给增长率是通货膨胀率的格兰杰原因,且通货膨胀率是货币供给增长率的格兰杰原因。

4 中国通货膨胀治理的政策建议

本文在了解此次通货膨胀成因的基础上,结合中国的具体国情对通货膨胀的治理给出以下几点政策建议: 4.1 完善CPI体系

5月11日国家统计局公布数据显示4月CPI同比上涨5.3% ,PPI上涨6.8%,并解释说涨价的主要原因是居住类消费价格上涨显著,汽车、手机、衣服等商品的价格实际是在下降的。但是现实的社会居民越来越感觉到他们的收入不能维持原来的生活水平,对持续增长的物价普遍感到不满。这种官方统计出来的CPI指数与实际居民生活消费价格指数变动的不一致性,暴露了中国的CPI体系存在缺陷。CPI体系对一国经济发展十分重要,它不仅影响消费者的支出预算与企业的投资决策,还影响着社会财富的分配与转移,政府的决策及央行的货币政策。而中国政府在编制CPI体系时和其它国家有所不同,在计算通胀时没有公开每种商品所占的比重,并且计算通胀率的一揽子商品自2005年以来一直没有变化,这不仅会使政府不能准确地掌握中国通货膨胀的现状和严重性,以致不能及时地采取有力措施去解决通胀问题,而且还会造成群众对政府的不信任。因此,中国应该完善现有的CPI体系,将商品房价格纳入CPI体系之中,同时合理地调整各种商品所占的权重,使之真正切合实际和民生,真正地反应居民的实际生活消费状况。

4.2 化解国际大宗商品价格波动对中国物价的影响

随着中国对外经济开发程度的不断提高,国际性通货膨胀对中国的冲击和影响是难以避免的。作为国民经济中至关重要的基础经济资源,以石油为代表的初级资源品几乎位于所有产业链条的前端,其价格的波动会给相关产业带来很大的冲击,并带来基础性资源整体价格水平的同向变动。国际大宗初级产品价格对国内通货膨胀具有很强的传导效应,因此,我们需要采取多种措施化解其对国内物价水平的震荡影响,维持一个相对的通货膨胀环境:一是通过“引进来”与“走出去”相结合的战略,积极扩大中国的战略资源储备。二是要在初级产品的国际

11

贸易中努力获取定价权。

4.3 调整产业结构,加快转变经济发展方式

自改革开放到现在,中国的经济每年都以惊人的速度在增长,今年中国的GDP经济总量已超越日本,成为全球经济总量第二的国家。但这些经济水平的提高,人们生活的富裕都是以高消耗、高污染、低产出的代价换取的。这不仅不利于经济健康、协调、可持续发展,也大大促使通货膨胀的发生。因此,政府应当努力调整产业结构,转变经济增长方式,真正地把靠增加投入的扩张型、外延式的经济增长方式逐步转变为以高技术、高质量为导向的集约型、内涵式经济增长方式,才能从根本上解决成本推动所导致的通货膨胀威胁,最终促进经济在长期内快速、平稳发展。此外,政府应引导和稳定社会公众的通胀预期,降低通货膨胀惯性,进一步提升和扩大消费需求,缩小贫富两极差距,解决好我国的民生问题等社会一系列问题,这样才会使通货膨胀消灭在萌芽状态,社会才会长治久安,和谐快速发展。 5 结论

论文利用因果分析方法对中国1996-2010年样本区间内的数据进行了实证研究。文章首先进行了数据的平稳性分析,单位根检验表明,中国1996-2010年样本区间内货币供给增长率与通货膨胀率序列都是平稳的;协整发现,中国1996-2010年样本区间内货币供给增长率与通货膨胀率之间存在一种长期均衡;因果关系分析发现,中国1996-2010年样本区间内货币供给增长率与通货膨胀率之间存在互为因果的反馈性联系。即货币供给增长率是通货膨胀率的格兰杰原因,且通货膨胀率是货币供给增长率的格兰杰原因。实证研究的结果是对中国1996-2010年样本区间内货币供给增长率与通货膨胀率之间关系的综合评价,结果表明,货币供给增长率是通货膨胀率的一个强的外生变量,且通货膨胀率是货币供给增长率的一个强的外生变量。

12

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说综合文库2.中国货币供给增长率与通货膨胀率的实证研究(3)在线全文阅读。

2.中国货币供给增长率与通货膨胀率的实证研究(3).doc 将本文的Word文档下载到电脑,方便复制、编辑、收藏和打印 下载失败或者文档不完整,请联系客服人员解决!
本文链接:https://www.77cn.com.cn/wenku/zonghe/572908.html(转载请注明文章来源)
Copyright © 2008-2022 免费范文网 版权所有
声明 :本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
客服QQ: 邮箱:tiandhx2@hotmail.com
苏ICP备16052595号-18
× 注册会员免费下载(下载后可以自由复制和排版)
注册会员下载
全站内容免费自由复制
注册会员下载
全站内容免费自由复制
注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信: QQ: