中国人民银行经济模型的开发与应用.docx

1、中国人民银行经济模型的开发与应用中国人民银行经济模型的开发与应用一、实验目的 了解和掌握中国人民银行计量经济模型的原理及其应用二、准备知识2.1中国人民银行季度计量经济模型1、模型结构及主要特点中国人民银行1998年初组织人员开发了季度计量经济模型，并于1998年第二季度开始进行试运行。在其后的两年试运行阶段，中国人民银行不断对原有的模型进行扩展和完善，于2001年第二季度开始投入使用，改模型的模拟及其预测结果目前在每季度的货币政策执行报告得以体现。改模型是将一个需求与供给相结合的宏观经济模型，理论基础是新古典宏观经济学：在短期，由于工资和价格的粘性，产出和就业由总需求决定，因而体现了凯恩斯需

2、求模型的特性；随着时间的推移，需求和供给间的缺口将对工资和价格产生影响，长期内商品市场和劳动市场将逐步趋于充分就业的均衡状态，产出由总供给来确定，价格充分调整到经济处于均衡状态时的水平，即在长期非利浦斯曲线呈现垂直状态。具体来讲，模型可以分为以下几个模块：（1）总需求模块，该模块又细分为消费、投资、政府支出、出口、进口及误差等几个部分。其中，政府支出是外生变量。（2）总供给模块，该模块通过生产函数来确定潜在产出。（3）价格模块，在非利浦斯曲线的基础上，通胀率由产出缺口、国外通胀率及对通胀率的预期来确定。（4）货币模块，该模块主要确定货币供应量、贷款、居民储蓄存款等金融变量。（5）劳动力模块，在

3、考虑到我国劳动力弹性较大的情况下，该模块主要刻画劳动力的需求状况。（6）货币政策规则模块，其主要通过建立货币政策反应函数，来刻画货币政策在经济变化的情况下是如何进行调整的。整个模型具有以下一些特点：（1）实体经济在长期内存在均衡状态，即长期内总需求趋向总供给，且均衡状态时的实际变量的确定与物价总体水平无关，即实际变量关于物价水平的变化具有零次齐次性。（2）非利浦斯曲线在长期内呈现垂直状态，即产出和就业的长期变化均衡状态与通货膨胀率无关。（3）虽然短期内各个市场存在非均衡状态，但他们会逐渐向均衡状态趋近，当然，他们各自趋近的均衡状态的速度不同，这主要取决于各个市场的特性。（4）由于长期均衡状态的

4、存在，多数行为方程以误差校正的形式表示，且方程的估计由Pesaran-Shin提出的自回归分布滞后方法来进行，此方法对于小样本数据和单方程的估计非常有效，是目前国际上较为流行的一种估计方法。（5）货币政策的设定具有内生性。在模型中通过建立货币政策规则从而使货币政策的设定具有内生性，即货币政策的决策应充分考虑经济当前及未来运行情况及政策的最终目标，这是传统计量经济模型比较欠缺的地方。2、模型的设定和估计方法季度计量经济模型的设定基础是，一个稳定的经济系统在长期可以达到它的均衡状态，而在短期系统可能处于非均衡状态，系统会由短期非均衡状态逐渐向长期均衡状态趋近，当然长期均衡状态的经济意义应与经济理论

5、相一致。为此，行为方程体现为下面的误差校正形式： （2.1）其中，y是被解释变量，x是解释变量，是误差项，方括号项是误差校正项，其反映了y和x之间的长期均衡关系为y=kx+cons，反映了经济由非均衡状态向均衡状态调整的速度。如果时间序列是平稳的，那么对上面方程可以直接采用普通最小二乘法进行估计。但若时间序列是非平稳的，那么直接采用普通最小二乘法进行估计会产生较大的误差，有时甚至会导致错误的估计结果。对于非平稳时间序列模型的估计，目前已有很多估计方法，这里主要采用Pesaran-Shin的自回归分布滞后方法来进行模型估计，此方法对于小样本数据和单方程的估计非常有效，特别是，这种方法均适用与平稳

6、时间序列或非平稳时间序列模型的估计。以上面方程为例，Pesaran-Shin方法由以下两个步骤组成：第一步：通过AIC或SIC判断选取滞后阶数后，以最小二乘法对下列方程估计，选取的工具变量为：。 （2.2）在估计上述方程后，可以得到关于y和x的长期均衡方程： （2.3）第二步：利用普通最小二乘法对下列方程进行估计就可得到以误差校正形式表示的短期动态方程。 （2.4）除了季度计量经济模型外，中国人民银行还开发了向量自回归模型及状态空间模型，这些模型与季度计量经济模型一起，为货币政策的决策提供支持。2.2向量自回归模型在中国人民银行政策分析中的应用向量自回归（VAR）是基于数据的统计性质建立模型，

7、VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一。其一般表达式为： ， （2.5） 其中：是维内生变量向量，是维外生变量，是滞后阶数，是样本个数。维矩阵和维矩阵B是要被估计的系数矩阵，是维扰动向量。由于仅仅有内生变量的滞后值出现在等式的右边，所以不存在同期相关性问题，用普通最小二乘法能得到VAR简化式模型的一致有效估计量，其与广义最小二乘法是等价的。并且由于任何序列相关都可以通过增加更多的的滞后而被消除，所以扰动项序列不相关的假

8、设并不要求非常严格。三、实验内容本实验主要通过分析中国人民银行的季度计量经济模型中总需求模块下面的消费方程以及向量自回归模型中的协整方法分析研究货币与产出及物价之间的关系来介绍中国人民银行经济模型的实验方法和过程。四、实验环境EXCEL2003 EVIEWS5.0五、实验过程5.1 中国人民银行季度计量经济模型5.1.1 数据收集和整理在前面的季度计量经济模型中我们主要考察消费方程，消费理论表明，决定私人消费的主要变量有：可支配收入、财富及利率。由于中国目前还没有关于财富的统计，因此，我们以城乡居民储蓄存款余额来代替财富变量，并且设定消费函数的主要决定变量有可支配收入、财富和利率。另外由于最终

9、的消费数据我国目前还没有全面的统计，因此这里仅对社会消费品进行建模。具体用到的指标为：社会消费品零售总额（scg）、可支配收入（inc）、居民消费价格指数（cpi）、储蓄存款（sav）、3年期定期存款利率（r），所有指标均为名义指标。对应的时间区间为1998年4季度到2009年1季度。最后我们得到整理后的数据如下图5.1.1所示。图5.1.15.1.2 实验步骤1、Eviews工作文件的建立打开EViews软件，选择File下拉菜单中的New项，在New项的下拉菜单中选择Workfile项，弹出如图5.1.2所示Workfile Creat菜单窗口，在Date Specification中的F

10、requency的下拉复选框中选择“Quarterly”，在Start和End中分别输入“1998Q4”和“2009Q1”，然后点击“OK”按钮，弹出如图5.1.3所示的工作文件窗口，这样就建立了样本期从1998年4季度到2009年1季度的季度度工作文件，点击图5.1.3中的“Save”按钮，弹出如图5.1.4所示的保存对话框，选择要保存到的目录，并在“文件名”栏中输入“jdmx”点击“保存”，然后在弹出的对话框（如图5.1.5）中点击“OK”，则我们就建立了文件名为jdmx的工作文件。图 5.1.2图 5.1.3图 5.1.4图5.1.52、数据导入在jdmx工作文件的菜单项中选择Proc，

11、在弹出的下拉菜单中选择“Import”，然后在二级下拉菜单中选择“Read Text-lotus-Excel”如图5.1.6所示，则弹出新的open对话框如图5.1.7所示，在“查找范围”栏中选择刚刚保存的名为jdsj的数据文件所在的路径后双击文件名“jdsj.xls”，弹出如图5.1.8所示对话框。在图5.1.8中选项右边的Upper-left data cell下的空格中填写“A2”，在Names for series or Number if n.amed in file中输入：“scg inc cpi sav r”，其他默认，如图5.1.9所示，点击“OK”按钮，数据即被导入，在工作文

12、件中以图标形式显示如图5.1.10所示。并点击工作文件中的“Save”按钮保存工作文件。图5.1.6图5.1.7图5.1.8图 5.1.9图5.1.103、消费方程估计在估计方程之前，我们要对相应数据进行对数处理，处理方法如下：在命令窗口中输入“genr lscg=log(scg)”并回车，输入“genr linc=log(inc)”并回车，输入“genr lsav=log(sav)”并回车，我们就分别对序列scg、inc和sav进行了对数处理，并生成取对数后的序列分别为lscg、linc和lsav（如图5.1.11所示），我们后面将用取对数后的序列进行方程的估计。图5.1.11首先对前面的方

13、程2.2进行估计，首先在命令窗口中输入：“ls lscg c linc linc(-1) linc(-2) lsav lsav(-1) lsav(-2) r”并回车，我们可得到估计结果如图5.1.12所示，点击结果文件菜单栏中的“Name”按钮，弹出如图5.1.13所示对话框，点击“OK”按钮，将估计方程保存为eg01。从估计结果我们可以发现，对应的常数项和变量的滞后项参数检验都不显著，因此我们将其剔除重新进行估计：在命令窗口中输入：“ls lscg linc lsav r”并回车，我们得到剔除常数项和滞后项的新的方程的估计结果，如图5.1.14所示，同样点击结果文件菜单栏中的“Name”按钮

14、，并在弹出的对话框中选择“OK”按钮，则将估计方程结果保存为eg02。我们以此方程作为最后的估计结果估计以误差校正形式表示的短期动态方程。图 5.1.12图 5.1.13图 5.1.14我们首先根据前面估计结果得到误差校正项，在命令窗口中输入：“genr emc=lscg-0.7342*linc-0.2103*lsav+2.014*r”我们可以得到误差校正项emc。接下来我们对相关变量进行差分处理，在命令窗口中输入“genr dlscg=D(lscg,1)”并回车，输入：“genr dlinc=D(linc,1)”并回车，我们就得到对应的序列lscg和linc的差分序列分别为dlscg和dli

15、nc。接下来我们在命令窗口中输入“ls dlscg c dlscg(-1) dlscg(-2) dlscg(-3) dlscg(-4) dlinc emc(-1)”并回车，我们可以得到滞后4阶的短期动态方程，如图5.1.15所示。我们同样可以按照上面介绍的方法将估计结果保存为eg03。从估计结果我们可以看到方程的拟合优度比较高，并且各参数显著性都比较强。图 5.1.15 5.2 向量自回归模型在经济分析当中的应用5.2.1 数据收集和整理由于货币供应量的变化并非完全是由货币当局可调控的，货币供应量的变化往往可能是由于经济环境的变化导致货币需求的变化，从而使货币供应量被动调整的结果，这时货币供应

16、量的变化具有一定的内生性。因而为了研究货币与产出及物价间的关系，我们可以考虑协整的分析方法，这里我们主要是研究产出、物价与货币供应量之间的关系，因此选取的指标为：国内生产总值（GDP）、居民价格消费指数（CPI）及广义货币供应量（M2）。样本期间为1998年第4季度到2009年第1季度，所有数据均为季度数据。最后得到整理后的数据如图5.2.1所示。图 5.2.15.2.2 实验步骤1、EViews工作文件的建立及数据导入按照前面介绍的方法我们建立同样区间的季度数据工作文件，命名为xzmx，如图5.2.2所示。在xzmx工作文件的菜单项中选择Proc，在弹出的下拉菜单中选择“Import”，然后

17、在二级下拉菜单中选择“Read Text-lotus-Excel”如图5.2.3所示，则弹出新的open对话框如图5.2.4所示，在“查找范围”栏中选择刚刚保存的名为xzmx的数据文件所在的路径后双击文件名“xzmx.xls”，弹出如图5.2.5所示对话框。在图5.2.5中选项右边的Upper-left data cell下的空格中填写“A2”，在Names for series or Number if n.amed in file中输入：“gdp cpi m2”，其他默认，如图5.2.6所示，点击“OK”按钮，数据即被导入，在工作文件中以图标形式显示如图5.2.7所示。并点击工作文件中的“

18、Save”按钮保存工作文件。图 5.2.2图 5.2.3图 5.2.4图 5.2.5图 5.2.6图 5.2.72、协整检验在协整检验之前，我们要对相应数据进行对数处理，处理方法如下：在命令窗口中输入“genr lgdp=log(gdp)”并回车，输入“genr lcpi=log(cpi)”并回车，输入“genr lm2=log(m2)”并回车，我们就分别对序列gdp、cpi和m2进行了对数处理，并生成取对数后的序列分别为lgdp、lcpi和lm2（如图5.2.8所示）。首先对取对数后的三个序列分别进行单位根检验，检验过程方法如下：双击图5.2.8工作文件中的序列lgdp打开对应的lgdp序列

19、如图5.2.9所示，在图5.2.9所示工具栏中单击“View”按钮选择二级下拉菜单中的“Unit Root Test”（图5.2.10），弹出单位根检验对话窗口如图5.2.11所示，在Test type复选框中选择“Augmented Dickey-Fuller”选项，表示选择ADF检验，在Test for unit root in复选框中选择“level”选项，表示对原对数序列进行检验，在Include in test equation复选框中选择“Trend and intercept”选项表示含有趋势项和截距项，在Lag length复选框中选择“Automatic selection”

20、选项并选择下拉菜单中的“Schwarz Info Criterion”选项表示使用SIC准则确定滞后阶数，在Maximum中输入数字“9”表示最大滞后阶数。然后点击“OK”按钮，弹出检验结果如图5.2.12所示。结果表明原对数序列lgdp为非平稳序列，接着对lgdp序列的一阶差分进行单位根检验，检验方法如下：在图5.2.12所示中单击View按钮并选择下拉菜单中的Unit Root Test选项，弹出5.2.13所示单位根检验对话框，这里我们在Test for unit root in复选框中选择“1st difference”选项表示对序列的一阶差分进行单位根检验，在Include in t

21、est equation复选框中选择“None”选项表示不含有常数项和趋势项，其他选择默认如图5.2.14所示，单击“OK”按钮，得到lgdp一阶差分序列的单位根检验结果如图5.2.15所示。结果显示，lgpd的一阶差分序列在1%的显著性水平下为平稳序列，也就是说lgdp序列为一阶单整序列，即I（1）序列。图 5.2.8图 5.2.9图 5.2.10图 5.2.11图 5.2.12图 5.2.13图 5.2.14图 5.2.15接下来我们也按照同样的方法分别对lcpi序列和lm2序列进行单位根检验。图5.2.16为对lcpi序列进行单位根检验弹出的对话框，我们先对原序列进行检验，按照图5.2.

22、17所示选择对应的选项，然后点击“OK”按钮可以得到检验结果如图5.2.18所示。结果显示原序列lcpi为非平稳序列，接着对其一阶差分序列进行检验，选择图5.2.18所示菜单栏中的View按钮在其二级下拉菜单中选择Unit Root Test选项，弹出单位根检验对话框如图5.2.19所示。我们按照图5.2.20所示选择对应的选项，然后单击“OK”按钮得到检验结果如图5.2.21所示。检验结果显示lcpi序列的一阶差分序列在1%的显著性水平下为平稳序列，因此lcpi序列也是I（1）序列（一阶单整序列）。图5.2.22为对lm2序列进行单位根检验弹出的对话框，我们先对原序列进行检验，按照图5.2.

23、23所示选择对应的选项，然后点击“OK”按钮可以得到检验结果如图5.2.24所示。结果显示原序列lm2为非平稳序列，接着对其一阶差分序列进行检验，选择图5.2.24所示菜单栏中的View按钮在其二级下拉菜单中选择Unit Root Test选项，弹出单位根检验对话框如图5.2.25所示。我们按照图5.2.26所示选择对应的选项，然后单击“OK”按钮得到检验结果如图5.2.27所示。检验结果显示lm2序列的一阶差分序列在1%的显著性水平下为平稳序列，因此lm2序列也是I（1）序列（一阶单整序列）。图 5.2.16图 5.2.17图 5.2.18图 5.2.19图 5.2.20图 5.2.21图

24、5.2.22图 5.2.23图 5.2.24图 5.2.25图 5.2.26图 5.2.27其次，应用Johansen方法对三者之间的协整关系进行检验。操作方法如下：在命令窗口中输入“group”并回车弹出如图5.2.28所示对话框，在对话框中输入：“lgdp lcpi lm2”（如图5.2.29）并点击“OK”按钮，弹出如图5.2.30所示的组，单击菜单栏中的Save按钮，弹出保存对话框如图5.2.31所示，点击“OK”按钮将组保存为group01（图5.2.32）。图 5.2.28图 5.2.29图 5.2.30图 5.2.31图 5.2.32在图5.2.32所示菜单栏中点击View并选择

25、对应下拉菜单栏中的Cointegration Test选项（图5.2.33），弹出协整检验对话框如图5.2.34所示，在Lag intervals中输入“1 5”其他保持默认选项（如图5.2.35），单击“确定”按钮，我们就可以得到检验结果如图5.2.36所示。结果显示在0.05的置信水平下三个变量之间存在一个协整向量，即产出、物价和货币供应量之间在长期存在协整关系。图5.2.33图 5.2.34图 5.2.35图 5.2.36在确定存在协整关系后，我们估计对应的误差校正模型（VEC模型），在图5.2.36对应的菜单栏中点击Proc并选择其二级下拉菜单中的“Make Vector Autore

26、gression”选项（如图5.2.37），弹出如图5.2.38所示对话框，在VAR Type复选框中选择“Vector Error Correction”选项，在Lag Intervals for Endogenous中输入“1 5”（如图5.2.39），其他选择默认，然后单击“确定”按钮，我们就可以得到对应的误差校正模型的估计结果如图5.2.40所示。在图5.2.40所示图总点击Name按钮并在弹出的对话框中单击“OK”就将估计结果保存为var01，如图5.2.41所示。图 5.2.37图 5.2.38图 5.2.39图 5.2.40图 5.2.41得到误差修正模型的估计后我们可以运用此模

27、型进行冲击响应分析，这里我们观察1个单位货币供应量冲击对产出、物价及其自身的影响，操作方法为：在图5.2.41所示的菜单栏中选择View对应的二级下拉菜单中的Impulse Response选项，弹出如图5.2.43所示对话框，在Display Information对应的Impulses复选框中输入lm2，在Periods中输入数字“30”其他保持默认如图5.2.44所示，然后点击“确定”按钮，我们可以得到对应的脉冲响应结果如图5.2.45所示。图 5.2.42图 5.2.43图 5.2.44图 5.2.45为进一步考察三者之间的动态关系，可以对预测误差关于各冲击进行分解，操作方法为：在图5.2.45选择菜单栏中的View对应的二级下拉菜单栏中的Variance Decomposition选项（图5.2.46），弹出如图5.2.47所示对话框，单击“OK”按钮我们可以得到对应各个冲击的方差分解结果如图5.2.48所示。图 5.2.46图 5.2.47图 5.2.48