计量经济学Word文档下载推荐.docx
《计量经济学Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《计量经济学Word文档下载推荐.docx(25页珍藏版)》请在冰点文库上搜索。
如图2所式:
一国利用FDI的数量不但会影响一国国际收支、贸易收支和技术进步状态,还会进一步造成输入型通货膨胀并改变信贷市场融资约束和供求状况,从而通过金融加速器放大或抑制FDI对宏观经济的波动。
反过来宏观经济波动又将可能决定下一期的FDI和信贷市场状态。
如此,FDI对中国宏观经济和商业经济周期将可能有较大负向效应。
图2:
FDI向整个宏观经济的传导机制
二、文献综述
ModiglianiandMiller(1958)较早提出了金融市场无法对实体经济有实质影响的理论后,经典商业周期理论(CanonicalBusinessCycleTheory)和Keynesian的IS-LM模型的理论假设得以实现和论证,从而两个主要的宏观经济框架被广为接受。
然而无论是1997年爆发的东亚金融危机还是2008年的世界金融危机都打破了Modigliani和Miller的假设。
实际上,金融市场对于实体经济的传导力是很强的。
(李稻葵等,2009)本节就从金融加速器理论和FDI、通货膨胀与信贷市场之间内生关系两个方面对国内外主要文献进行归纳论述。
(一)金融加速器理论(financialaccelerator)
金融加速器(financialaccelerator)理论是一种解释金融市场对于实体经济的外生冲击的理论模型,该理论最早追溯于Fisher(1933)将20世纪30年代的大萧条(GreatDepression)归结于当时的债务危机和由于通货紧缩导致的金融业萧条。
正式提出这一术语是由Princeton的BenBernanke、NYU的MarkGertler和BostonUniversity的SimonGilchrist(1996)。
该理论阐述了信贷市场不完美性导致最初的反向冲击通过信贷市场状态的改变被加剧和传递的机理,从而揭示出信贷市场在“小冲击,大波动”现象中的重要作用。
该理论也是金融市场不完全信息论(informationalimperfections)中的代表。
金融加速器理论所得出的初步结论是,信贷市场和宏观经济波动的关联是非线性的,在金融加速器机制作用下,冲击对于经济产出的影响依赖于信贷市场所处的状态呈现非对称性,体现为相对于“放松”信贷市场状态,“紧缩”信贷市场状态下的冲击对于产出的影响更大,从而可能加剧宏观经济波动,恶化经济衰退趋势。
(赵振全,2007)。
总结金融加速器的相关文献后,可以发现造成金融加速器效应的外部冲击主要有三种:
第一种是实际冲击(包括技术冲击和生产率冲击),例如,Kiyotaki和Moore(1997)提出的信贷约束内生化的动态经济模型。
第二种为货币冲击,例如,Bernanke和Blinder(1988)的CC-LM模型。
第三种即本文所关心的价格冲击,Bose(2002)提出通货膨胀会影响贷方供给行为,使得信贷市场状态发生转变,最后产生金融加速器效应。
(二)FDI、通货膨胀与信贷市场
首先从FDI与通货膨胀的角度分析,以往研究FDI与通货膨胀之间关系的文章主要从实证(Empiricalanalysis)的角度出发。
早先,冯克然等(1997)在对中国国际资本流动的研究发现,实际利用外资每增加1亿元,物价指数上升0.11。
张明玉(1998)在实证研究中证实了FDI与通货膨胀的正相关关系。
此外王健超(2000)和李维正(2007)也得出了相同的结论。
然而以上的研究都存在不同程度上的缺陷,较为明显的缺陷有:
1)仅仅将FDI与通货膨胀进行简单的两变量回归,却忽视了时间序列数据不平稳而导致的伪回归。
2)在回归中样本数过少,且两变量回归遗漏许多重要变量。
值得一提的是,黄新飞(2010)在实证研究中修正了以上的不足,他运用了中国相关变量的44组季度数据,运用协整和误差修正模型得出:
“FDI长期对通货膨胀的拉动效应为0.43,并且FDI对通货膨胀的冲击作用存在递增的正效应。
”
其次从FDI影响信贷市场的角度分析,Huang(2003)通过大量的微观数据得出大规模的资本流入在微观上也改善了本土企业的融资困境。
Harrison(2004)运用跨国企业的面板数据,发现FDI引入了稀缺资金,改善了当地企业的融资约束。
得出相似结论的还有:
Guariglia和Poncet(2008)、Hé
ricourtandPoncet(2009)和LuoandCheng等人。
三、加入FDI因素的模型和框架(Framework)
本文的模型建立在Bernanke,GertlerandGilshrist(1999)(BGGModel)、DibandChristensen(2006)、Gertler等(2007)、M.R.L′opez等(2008)、HarissonandMcMillan(2003)和Hé
ricourtandPoncet(2009)的基础之上。
模型在原有基础上,即在凯恩斯主义宏观经济学框架的基础上讨论可贷资金市场对于宏观经济运行的放大作用,并加入FDI变量,使之成为一个典型的开放小国模型。
FDI一方面即能通过价格机制传导至信贷资金市场,引起宏观经济波动(Bose,2002);
一方面又能通过“己厂效应”、“垂直效应”和“水平效应”改变市场的融资约束,从而减缓波动。
(LuoandCheng,2011)
(一)假设与框架
模型包含5个部门(agents):
家庭部门、企业(企业家)部门、政府部门、外国部门和零售业部门。
其中家庭部门主要在一段时期内进行消费、储蓄和劳动行为,并购买本国债券和国外债券,并且设立零售业部门的目的是将价格粘性纳入模型。
家庭与企业家两部门互相独立。
此外模型将国外流入的FDI量视为外生的,具体的各部门假设见后续章节。
(二)家庭行为
分析家庭的跨期消费、储蓄和劳动行为。
首先提出以下若干假设:
1)家庭无限期生存2)整个社会的劳动力人口不变,就业者数目不变。
3)假定家庭只消费本国产品。
4)劳动总是给人们“负效用”,即不考虑体力劳动与脑力劳动的区别。
则我们可以用函数
表示社会的人均“幸福程度”,显然该效用函数应满足如下性质:
(1)
家庭的标准效用函数如下
(2)式
(2)
是家庭在t期的消费量,
是家庭在t期劳动时间,相对的
是闲暇时间,
是实际货币剩余(realmoneybalances),参数
和
分别代表消费与货币剩余、消费与闲暇的替代弹性系数。
是随机消费的外生干扰波动,其满足:
(3)
是货币剩余的外生干扰波动,满足如下:
(4)
其中,
均为外生冲击的随机效应系数,且满足
。
现在假定家庭在已有的约束下,最大化各段时期的效用函数,得到如下的最优化目标函数和约束条件:
(5)
目标函数服从约束:
(6)
表示名义汇率,
是实际工资收入,
分别是家庭购买国内和国外的国债数量,
是物价指数,
分别是国内和国外名义利率,
表示选择外币国债所需成本。
分别表示国内一次性的转移支付和国外红利支付。
表示家庭经营的零售业收入,
(
)是效用贴现因子。
基于此,运用Lagrange乘子对目标函数进行跨期最优化处理后,经过简单的整理可以得到:
(具体的推导过程见附录1)
(7)
式(7)中小写字母均已取对数,该式表明,当通货膨胀率
上升1%时,如果不考虑随机的外生干扰冲击
和利率变化,那么消费率将会下降1%;
或者名义货币剩余率
增加1%。
(三)国际资本市场和国际收支:
由国际经济学中的国际收支理论可得:
(8)
其中,BOP为国际收支,CA为经常账户收支,KA为资本与金融账户收支,
分别代表出口与进口。
括号()内为影响各变量的自变量。
外资流入主要分为两种:
1)国际借贷,2)国际投资,而FDI则属于后者,但其形式的多样性给建模带来了不便。
一般来说,外国企业可以通过货币资本对本土企业进行直接投资,亦可以用实物资本或者技术等进行投资,对此国外机构均规定FDI投资本土企业,无论是新建投资还是并购本土企业,资金形式要以货币资本为主。
所以当外国的货币资本作为资本流入时,会导致国际收支顺差。
在浮动汇率制度下,汇率会趋于升值从而自动调节国际收支。
在固定汇率制度下,中央银行会通过买入外币,卖出本币,使汇率保持不变,这样的直接后果是国内货币数量增加,最终导致输入型的通货膨胀。
(四)企业与金融机构的契约行为
在企业部门,企业j购买资本
,并且运用3.2中家庭所提供的劳动
和所购买的资本进行生产,生产函数服从Cobb-Douglas生产函数的性质:
(9)
其中
为j企业的产出,
为技术的外生冲击,其原理与3.2节中货币剩余和消费的外生冲击相同。
企业家被假设是风险中性的决策者,并且企业生存到下一期的概率为常数
企业家进行商品生产,其资金来源于自有资金和外部资金,所以企业家所需要的外部融资如下式:
(10)
式(15)中上标
表示企业
在这里假设企业是同质的。
为t+1期j企业所需借款额;
为企业所需资本的价格;
为其所需租用的资本数量;
为前期的经营盈利。
另外,一项重要的假设是假定所有企业服从Townsend(1979)提出的CSV(CostlyStateVerfication)假设:
即金融中介机构需要支付一定的监督费用,用以监督企业实际的运营情况,BenBernanke、MarkGertlerandSimonGilchrist(1998)认为这也是为什么企业通过金融机构外部融资要比内部融资昂贵的原因,并且他们把这一成本称为破产成本(CostofBankrupcy)。
在本节中,假设这一监督费用为
,其中
为企业所借款项的一定比例,
为相应时期的资本预期回报,
表示企业j的利润的异质性波动(idiosyncraticdisturbance)。
这时企业将会选择相应的
和贷款
购买资本,以及劳动进行生产。
假设资本的总预期回报(AggregateReturntoCapital)
已知,则金融机构和企业的最优合同可由下式描述:
(11)
其中,等式左边表示企业借入资本的预期回报,等式右边表示企业介入资本的成本。
为企业j的利润的异质性波动
的门限值;
为企业贷款利率。
当
时,表示企业的资本预期回报大于借款成本,企业执行约定并偿还利息,相反,当
时,企业选择违约,不执行契约。
所以当
时,企业借款仍然能够得到
利润,而金融机构获得利息
;
如果
,则两者的收益均为0。
这样企业的最优合约借贷资金行为就被式(11)适当的描述了。
最后企业的行为服从式(12)的最优化进行生产,
(12)
正如Bernanke,GertlerandGilshrist(1999)分析的那样,等式(11)中的两个变量
将决定企业与金融机构的最优契约,而决定这两个变量的因素则是金融机构在市场上可以得到的借贷资金的机会成本,即金融学上的无风险收益率(在这里可以用国债利率来衡量)。
根据Bernanke等(1999)的分析,金融机构的行为可以由下式描述:
(13)
另一方面,针对FDI对企业信贷约束的研究,参考HarissonandMcMillan(2003)和Hé
ricourtandPoncet(2009)的模型。
根据他们的分析,一个面临信贷约束的企业如果以最大化长期现金流为目标的话,其最有投资路径应满足式(14):
(14)
(五)本节的结论与假说
在这样一个开放的动态宏观经济模型中(DynamicNewKeynesianModel),企业向金融中介机构进行贷款,而金融中介机构的资金来源于家庭的储蓄。
在这里,我们假设家庭每一期的收入减去货币剩余和减去消费后的余额均看作储蓄存款,即购买国债也看作储蓄,其构成了金融信贷供给的主要部分。
最后将描述几个部门的最优均衡所得方程联立,见式(15),即得到了FDI对通货膨胀和宏观经济波动的整个传导机制。
(15)
首先,FDI以货币资本的形式进入本土市场,从而推动了CPI的上涨。
CPI的上涨很快会影响家庭的消费、储蓄和劳动行为。
根据3.2节中等式(7)来看(式15中的第1行等式),
的增加会相应减小同等数量的消费
,或增加等量的货币剩余
这样一个结果很好的拟合了现实的经验结论。
试想家庭会因为商品价格的上涨而减少消费,并且通货膨胀率的上升,也进一步地减少了剩余货币存入银行或购买国债所带来的收益,此处我们定义的货币剩余=收入-消费-储蓄(购买国债)。
那么当消费价格弹性小于货币剩余价格弹性时,家庭的向银行的储蓄将进一步减少,进而导致金融信贷的资金供给减少。
如果根据新凯恩斯主义的可贷资金理论来进一步分析,市场利率主要由信贷市场供给和需求所决定,供给的减少将会抬高市场利率。
如果利率并不是浮动的,信贷方供给的负向增长仍会提高金融机构对于利率的预期,根据等式(13)(即等式15的第3行),等式右边为金融机构提供贷款的机会成本,其因为下一期的利率
提高而提高,本土企业融资的门槛上升。
最后通过信贷市场的转变整个传导至实体经济。
按照先前的分析,我们提出如下的假说:
FDI是否会导致经济波动的关键在于两个不同的影响机制:
一是通胀率的上升提高企业的信贷约束的程度;
二是FDI缓解本土企业的融资约束的效应。
两者孰大孰小,受到市场消费弹性、货币剩余弹性和FDI的“己厂效应”、“垂直效应”和“水平效应”等因素的影响。
四、数据处理和检验机理
(一)模型的检验机理
本章节是在第三章的理论基础上,对模型的假说和结论作经验性的检验。
本文检验的核心内容:
以价格因素作传导机制的金融加速器效应在中国是否存在?
并且通过国内价格和汇率传导并影响金融信贷市场,是否最后产生小冲击大波动的效果?
经济学家以往的经验研究表明FDI常常伴随输入型的通胀,而FDI在减缓企业融资约束上亦有很大帮助,两种不同的影响方式却朝着相反的方向都作用在中国宏观经济波动上。
那么我们必须通过检验FDI在其中对于价格和企业的正负效应究竟孰大孰小。
这也是计量模型试图检验的重要问题之一。
本文计量模型中的变量主要包括FDI、通货膨胀率、经济增长率、银行向企业的信贷数量和人民币实际有效汇率指数(以下简称REER)等变量。
在建立估计方程前,先要考虑模型的内生性问题。
从这些变量来看,它们无一是外生的。
如考虑REER时,它和对不同国家进出口量相关,而经济增长亦影响着进口;
同样的,REER和GDP将会对国外企业选择是否投资中国市场产生较大影响。
所以,考虑运用向量自回归模型(以下简称VAR)挖掘各个变量之间的内生关系是非常有必要,且适用的。
并且在决定运用联立方程组还是VAR或VEC这一问题之前,笔者就已经运用EVIEWS6.0对VAR模型做了些许实践,结果发现五个变量分别对应的方程的拟合效果很好,解释变量的解释力较强。
且试验时,解释变量中还未包括有银行向企业信贷数量。
将银行向企业的信贷数量(以下简称企业信贷)和企业投资两个变量引入模型的目的正是检验金融加速器过程中对信贷市场的直接效应。
(二)数据来源特征和处理
本文所采用的数据是来源于Wind资讯数据库的月度数据。
关于通货膨胀率本文用环比CPI衡量。
银行向企业的信贷则用金融机构新增人民币贷款衡量。
本文采用借鉴Bernanke等(1997,1999)和赵振全等(2007)的相似研究方法:
由于GDP的增长率通常只公布季度数据,所以用每月的工业增加值来衡量宏观经济波动。
由于Wind资讯数据库数据中只提供工业产量与上年同期相比的同比增长率,所以笔者运用Wind数据库的数据调整工具将它调整为环比增长率。
我们对所有数据进行了X11的季节调整,分别将调整后的工业增加值环比增长率、CPI、金融机构信贷量、FDI和REER记为:
GDPX、CPIX、LOANX、FDIX和REERX。
最后笔者将FDI的单位用每月人民币对美元的平均汇率折算为亿人民币。
具体的数据特征见下表:
表1:
具体的数据特征
原始数据描述
数据类型
单位
原始数据来源
时间长度
实际利用外资金额:
当月值
月
商务部
2002-10:
2011-07
平均汇率:
美元兑人民币
—
中国人民银行
1985-12:
2011-08
人民币:
实际有效汇率指数(
2005年=100
)
国际清算银行
1994-01:
工业增加值:
当月同比
%
国家统计局
1990-01:
(其中有缺失)
CPI:
环比
1995-01:
金融机构:
新增人民币贷款:
亿元
2001-01:
(三)数据缺失的补全方法
然而,经过调整所得的工业增加值的环比增长率数据中,2007年1月和2月数据缺失。
所以本文运用ARIMA和GARCH模型进行样本外预测,从而填补缺失。
首先将经过季节调整的工业增加值变量称为GDPX(图形见图3和图4)并对1990-01:
2006-12数据做单位根检验。
经过尝试始回归方程残差为白噪音,
图3:
工业增加值的环比增长率月度数据
图4:
工业增加值的环比增长率月度数据(经过X11季节性调整)
确定ADF检验的滞后长度为5,时拟合效果最好。
结果见表2。
表2:
单位根检验结果
t统计量
(trend,constant,lag)
临界值
结论
-6.01504
(T,C,5)
1%=-4.007;
5%=-3.433;
10%=-3.140
该序列显著平稳
因为序列平稳,所以在这个基础上可以之间建立ARIMA。
在对残差是否存在ARCH误差的正规F检验和分析GDPX的自相关和偏自相关系数图后,笔者选取了ARMA(2,3)、ARMA(2,3)-GARCH(0,1)模型和ARMA(2,3)-EGARCH(1,1)。
GDPX的自相关和偏相关系数如图5。
具体的估计和拟合程度见表3。
图5GDPX的自相关和偏自相关系数图
表3:
GDPX的模型结果
ARMA(2,3)
ARMA(2,3)-GARCH(0,1)
ARMA(2,3)-EGARCH(1,1)
均值方程
方差方程
CONSTANT
15.182***
(4.400)
1.348
(0.531)
143.115**
(2.557)
6.8388***
(8.077)
739.24***
(25.253)
AR{1}
-0.146***
(-3.346)
-1.677***
(-29.907)
-0.647***
AR{2}/q
-0.850***
(-20.530)
-0.773***
(-16.811)
4.058***
(5.483)
-0.0.296***
0..885***
(22.729)
MA{1}/p
-0.208***
(-2.664)
1.610***
(25.572)
___
0.281***
(3.40)
-0.095***
(-2.604)
MA{2}/asymetric
0.887***
(25.623)
0.672***
(14.705)
0.163***
(140.709)
1.270***
(7.70)
MA{3}
-0.333***
(-4.776)
(-3.121)
-0.070***
(-27.032)
AIC
11.440
10.037
10.153
SBC
11.540
10.169
10.318
与残差相关的Ljung-BoxQ统计量
(GARCH模型Q统计量公式为e/squart(h))
Lags
Statistic
SignifLvl
Signif
8
3.097
0.685
19.920
0.001
21.647
16
23.686
0.034
39.468
0.0001
41.242
24
34.985
0.028
53.696
53.261