《卢卡斯方差假说在中国成立吗基于时变参数模型的实证分析》由会员分享，可在线阅读，更多相关《卢卡斯方差假说在中国成立吗基于时变参数模型的实证分析（11页珍藏版）》请在金锄头文库上搜索。
1、卢卡斯方差假说在中国成立吗*基金项目：教育部人文社会科学基金项目资助，项目批准号：07JA290004。-基于时变参数模型的实证分析 胡日东 苏梽芳（华侨大学商学院、数量经济研究院，福建泉州，362021）摘 要：卢卡斯方差假说揭示了产出-通胀交替与总需求冲击之间存在着负向的关系，对假说进行实证检验对中央银行货币政策的制定与实施具有重要的现实意义。本文首先建立时变参数的货币增长模型代替固定系数的货币增长模型，比较准确地得到非预期货币冲击及其条件方差，最后分别利用两步估计法和联合估计法对假说进行检验。结果发现，中国的数据不支持卢卡斯方差假说，这意味着中央银行意料外的货币扩张或者收缩对实际经济的影
2、响大小与需求冲击大小无关。关键词：错觉模型；卢卡斯方差假说；卡尔曼滤波；联合估计法 Does Lucas Variance Hypothesis establish in ChinaAbstract: Lucas variance hypothesis reveals the negative relationship between output - inflation tradeoffs and aggregate demand shocks. It is important practical significance for the implementation of a countr
3、y central bank monetary policy to perform empirical tests on the hypothesis. In this paper, we establish the time-varying parameters monetary growth model to replace the fixed coefficient monetary growth model and get the non-expected monetary shocks and the conditional variance more accurately. Fin
4、ally, we tested the hypothesis using two-step estimation and the joint estimation respectively. The results show that Chinese data do not support the Lucas variance hypothesis, that is, the impact to real economy from the central banks unexpected expansionary or contractionary monetary policy has no
5、thing to do with the demand shocks. Keywords: Misperception model; Lucas variance hypothesis; Kalman filter; Joint Estimation一、引言与文献述评卢卡斯（Lucas,1972）在Phelps(1967)和Friedman(1968)研究工作的基础上，建立了一个具有不完全信息的一般均衡模型，即错觉模型（misperception model）。错觉模型从理论上成功地解释了货币的短期非中性和长期中性，卢卡斯并从中提炼出一个著名的假说：名义冲击变动性越大的环境中，名义冲击的真实效
6、应（real effect）越小。根据卢卡斯的模型，总供给曲线的斜率取决于总需求的变动，在那些总需求波动普遍的国家，物价总水平变动也比较普遍，企业倾向于把他们产品价格的上升视为一般价格水平上升的一部分，他们认为产品的相对价格并没有发生变化或者相对价格变化很小，因此产出波动较小。这样在这些物价水平不稳定的国家，一般价格水平的上升引起的产出变动较小，总供给曲线的斜率比较陡峭。错觉模型本质上揭示了产出-通胀交替与总需求冲击方差之间存在着负向的关系，其政策含义在于，一个总需求变化较大的国家，即使其中央银行采取出乎公众意料的扩张性货币政策，其获得的效果也是不佳的。随后卢卡斯（1973）通过考察18个国家
7、的产出和价格的国际数据，对假说进行了实证检验。他发现，在那些总需求和价格最为稳定的国家，总需求变动时对产出影响最大，总供给曲线最为平坦；在总需求和价格最不稳定的国家，总供给曲线最为陡峭。他认为，这些证据支持了错觉模型。自从卢卡斯提出假说并进行检验后，Froyen和Waud(1980) 、Alberro(1981) Kormendi和Meguire(1984) 以及Nicholas(2004)等人也分别利用跨国数据对卢卡斯方差假说进行了实证检验，结论并不一致。在这些研究中，他们大多都假定每个国家的货币政策机制是不同的，而且在样本期间内保持不变。这就意味着在样本期间每个国家的名义冲击的方差是常数，
8、这种假定无疑是不现实的，因为各个国家的经济存在显著的结构变化和社会差异。正如Engle(1982)所指出，条件方差而不是基于整个样本期间的无条件方差更适合解释经济代理人的行为，因此他建议对于卢卡斯方差假说的一个更为有力的检验应该考虑随时间变化的名义冲击的条件方差。另外在估计方法方面，检验卢卡斯方差假说一般采用的是卢卡斯（1973）、Barro(1977)和Minshkin(1982)等人所使用的两步法。这种方法第一步由货币供给方程得到了名义冲击及其条件方差，第二步在产出方程中纳入名义冲击或者其方差作为解释变量，进而检验卢卡斯方差假说。但这种方法曾受到Pagan（1984）的批评。他指出两步法属
9、于局部均衡方法，可能导致“生成回归量（generated regressor）”问题，从而影响到检验统计量的分布，造成统计推断无效。也有学者试图在一国范围内检验卢卡斯方差假说，如Kim&Nelson(1989)利用1959第一季度至1985年第四季度的美国数据，发现美国的数据支持卢卡斯方差假说。上述这些研究都是以西方国家为研究对象，然而人们可能更加感兴趣的是，在中国是否可以发现类似卢卡斯所预言的经验规律？根据我们掌握的文献，中国学者在检验卢卡斯相关命题时，研究最多的是验证中国货币政策有效性，也即货币非中性命题。然而我们还没有发现卢卡斯方差假说在中国的实证研究。中国学者在研究货币政策有效性时，普
10、遍也是借鉴国外的方法，一般先建立固定回归系数的货币供给方程（即货币政策反应函数）进而采用两步估计法进行检验。同其他经济计量模型评价经济政策受到“卢卡斯批判”命题(Lucas , 1976) 质疑一样, 具有常系数的货币供给方程, 无法反映出货币政策对于宏观经济条件的反馈影响, 这就是说当实行某种货币政策以后, 受货币政策影响, 宏观经济条件也会发生一定程度的变化, 这时仍然使用固定系数的反应函数度量货币政策对于宏观经济条件的反应, 确实存在着模型逻辑体系上的缺欠。为此, 需要引入具有时变参数的货币政策反应函数（刘金全，2002）。在经济代理人学习过程的设定方面，正如Benjaman(1979)
11、所认为，理性预期机制并没有清晰地给出经济代理人如何利用他们一切的知识来形成预期。考虑到理性预期条件下信息可获得性，他提出最小二乘学习作为最优的学习过程，然而在持续改变的政策机制下，最小二乘学习已不再是最优，卡尔曼滤波的应用成为代替经济代理人学习过程的正确方法（Kim,1999）。综上所述，本文试图在借鉴国内外研究成果的基础上，利用中国的数据，建立时变参数的货币增长模型并利用卡尔曼滤波算法进行估计，从而得到时变的名义冲击的条件方差，进一步利用联合估计法检验卢卡斯方差假说，从而避免Pagan批评。本文的主要贡献在于时间序列分析框架下检验了中国是否存在如卢卡斯方差假说所预言的经验事实，这种时间序列分
12、析可以避免跨国研究所遭受的批评。方法上，应用时变参数模型估计中国货币增长方程，能较为准确地得到货币增长预测误差及其方差，为进一步检验打下基础；并用联合估计法代替两步法检验了卢卡斯方差假说，避免了“Pagan批评”。模型设定与模型选择方面，我们借鉴国内外研究成果，设定了符合中国实际的货币增长方程，并利用AIC准则对模型中解释变量的滞后阶进行选择，充分体现“让数据说话”的原则，从而避免了先前一些研究对模型中解释变量滞后阶数选择比较随意的缺陷。因此从应用研究方法的角度看，本文的研究一定意义上丰富了我国应用宏观经济学和货币经济学文献。本文余下的结构安排为：第二部分介绍时变参数货币增长模型的状态空间形式
13、；第三部分说明变量选择的原因，并对数据的来源和处理进行说明；第四部分进行计量模型的设定与相关说明；第五部分报告计量模型的估计结果和对结果的分析；最后一部分对全文进行总结，归纳主要结论。 二、时变参数货币增长模型的状态空间形式 时变参数的货币增长模型可表示为以下的状态空间形式： （3）式中，为被解释变量，在本文中为货币增长率，为解释变量集合，在本文中是影响货币供给的一组宏观经济变量。可变参数是随时间改变的，体现了解释变量对因变量影响关系的改变，但又是不可观测变量，也称为状态变量，必须利用可观测变量、来估计。状态方程形式一般需要通过实验来确定，用于确定状态方程结构形式的准则有拟合优度和模型预测效果
14、。但在多数情况下，随机游走过程能够捕捉到参数的不稳定性（赵松山，2002），因此，本文中我们假定为单位矩阵，这意味着各个时变参数都是一个随机游走的过程。根据式（3），和是相互独立的，且服从均值为零，方差为和协方差矩阵为的正态分布。时变参数模型的状态空间模型可以采用卡尔滤波算法来估计。假设表示基于信息集合的的估计量，表示估计误差的协方差矩阵，即： （4） 当给定和时，的条件分布的均值由下式给定，即： （5）在扰动项和初始状态向量服从正态分布的假设下，的条件分布的均值是在最小均方误差意义下的一个最优估计量。估计误差的协方差矩阵是： ， （6）式（5）和式（6）称为预测方程。一旦得到新的预测值，就能
15、够修正的估计，更新方程是： （7）和 （8）其中， （9）上述式（5）-（9）一起构成卡尔曼滤波的公式。卡尔曼滤波的初值可以按和或者和指定（在本文中，我们利用前19个季度的数据获得模型估计的初值，因而得到的估计结果时间跨度为1994年第一季度至2007年第二季度）。这样，每当得到一个观测值时，卡尔曼滤波提供了状态变量的最优估计。当所有的个观测值都已处理，卡尔曼滤波基于信息集合产生当前状态变量和下一时间状态变量的最优估计。这个估计包含了产生未来状态变量和未来观测值的最优预测所需要的所有信息。关于以上卡尔曼滤波结论的详细讨论见Hamilton(1994:pp.377-381)或者Kim&Nelson(1999:pp.29-37)、高铁梅（2006：pp.356-361）三、变量选取和数据说明设定中国的货币供给
