通货膨胀持久性及其非对称性研究——基于分位数自回归模型.doc

通货膨胀持久性及其非对称性研究——基于分位数自回归模型陈雄强 张晓峒 张庆昌【内容提要】本文运用分位数自回归模型研究中国通胀率的持久性及其非对称性特征研究结果表明，中国通胀率具有高持久性，从通胀率条件分布的低分位数到高分位数，持久性不断增强基于不同分位数的单位根检验结果显示，中国的通胀持久性具有非对称性，即在受到负向冲击或减速通胀状态下，通胀率序列往往服从平稳自回归过程；而在受到正向冲击或加速通胀状态下，通胀率序列通常服从单位根过程分位数自回归模型可以有效区分通胀率波动路径中的平稳点和非平稳点据此，央行可以构建预警机制，以对通胀率的波动进行实时监测和调控关键词】通货膨胀率 通胀持久性 非对称性 分位数自回归模型一、引言2008 年全球金融危机之后，在一系列刺激性经济政策作用下，中国月度同比居民消费价格指数由 2009 年 2 月的-1.3%一路攀升至 2009 年 12 月的 1.9%此后，中国居民消费价格指数依旧维持上升趋势，直到 2011 年 7 月通胀率高达 6.5%以后，中国物价涨幅总体才转向回落，而此时距本轮第一次上调存款准备金率已历时 19 个月，通胀率显示出极强的持久性。

尽管 2012 年 8 月中国通胀率已跌破 2%，短期内中国通货膨胀有可能保持趋缓态势，但通胀压力并未消失，因为一方面通货膨胀本身具有较强的持久性，不会轻易回转，另一方面面临不断恶化的欧债危机，国外持续宽松的货币政策使得中国输入性通胀压力不断加大，这就要求我们必须重视通胀的动态特征，尤其是通胀持久性特征，这对于合理制定通胀目标、有效引导通胀走势，以及制订及时、有效的货币政策具有重要意义为此，本文将改进现有的通胀持久性度量和检验方法，以厘清通货膨胀动态机制中的持久性及其非对称性特征本文余下内容安排如下：第二部分介绍相关研究进展；第三部分阐述数据性质与模型构建、估计和检验方法；第四部分是实证分析部分，报告模型的估计与检验结果，并分析中国通胀率的动态变化特征；最后总结全文二、文献回顾通胀持久性是通货膨胀动态调整的重要特征，国外学者对通胀持久性进行了深入研究弗瑞尔和摩尔（1995） [1]开启了通胀持久性理论先河他们认为通胀持久性是指通胀率在受到随机扰动的冲击后，返回其均衡状态所需的时间持久性越强，意味着通胀对货币政策调控的敏感度越低，旨在抑制通胀的货币政策效果越差，因而，政府要达到既定政策目标所需付出的成本也越高。

自此，关于通胀持久性的理论研究日渐丰富，如戈利和格特勒（1999） [2]的混合型新菲利普斯曲线模型、波尔（2000） [3]的不完全理性预期理论以及曼昆和瑞斯（2002） [4]的粘性信息模型等鉴于现有货币理论对通胀持久性的作用机制无法得到一致的结论，现代经济学家试图“让数据说话” ，通过构建统计模型对通胀率的持久性特征进行经验分析科格利和萨金特（2005） [5]基于贝叶斯 VAR 模型研究了美国的通胀持久性问题切赫埃第和黛贝尔（2006） [6]基于通货膨胀单因素过程研究了 19 个工业国家的通胀持久性问题贝茨和奥斯特霍尔姆（2012） [7]通过将时变自回归参数引入 ARMA 模型，研究了美国的通胀持久性特征近年来，中国学者对通胀持久性问题也进行了不断的研究和探索尽管采用的方法不尽相同，但研究结论普遍认为中国通胀持久性较高，如张凌翔和张晓峒（2011） [8]与何启志和范从来（2011） [9]等单位根检验是衡量通胀持久性强弱的重要方法如果通胀率序列服从单位根过程，说明通胀持久性很高；如果通胀率序列是平稳自回归过程，意味着通胀持久性相对较低 [10]然而，在现有成果中，学者对通胀率是否具有平稳性存在较大分歧，例如赵留彦等（2005） [11]运用分段检验方法研究认为中国通胀率在某些时段具有平稳性，而在另外一些时段内具有非平稳性；王少平和彭方平（2006） [12]。

运用 STAR 模型发现中国通胀率的波动具有整体平稳的特征；刘金全等（2007） [13]运用 ARFIMA-FIGARCH 模型研究认为中国通胀率序列既不服从单位根过程，也不是平稳过程，而是服从长记忆过程出现上述分歧的可能原因在于，传统的单位根检验通常假定检验回归式的残差扰动项服从正态分布，这不符合通胀率的实际特征，从而导致单位根检验具有较低的检验功效除了平稳性以外，非对称性是通胀持久性的另一个重要研究内容内夫茨（1984） [14]认为，伴随着经济周期，许多经济变量的波动都呈现非对称性特征随后，许多学者将非对称性的概念应用到通货膨胀的研究中罗伯特（1997） [15]构建的粘性通胀模型支持了通胀率下降阶段的持久性比上行阶段的持久性小的观点彼得和迈克（2012） [16]将通货膨胀非对称性的来源归纳为四个因素——名义工资刚性、菜单成本、非对称的货币政策操作以及机制转换赵留彦等（2005） [11]运用马尔科夫状态转换模型研究发现，在中国通胀率波动路径中，相对于低通胀状态而言，高通胀状态下的通胀持久性更强张屹山和张代强（2008） [10]基于 TAR 模型研究认为，加速通胀状态比减速通胀状态的持久性高。

张凌翔和张晓峒（2011） [8]运用多区制 STAR 模型研究发现，中国通胀率的运动可以划分为温和通胀、严重通胀、通货紧缩以及通缩恢复四个阶段，其中严重通胀阶段持久性较弱，而温和通胀与通货紧缩阶段的持续性较强上述文献均采用均值回归方法，模型的残差项往往被预先设定为服从正态分布，因此其结果反映的只是随机冲击对通胀率影响的平均水平（即通胀持久性的平均值） 科恩克和肖志杰（2006） [17]提出的分位数自回归（Quantile Autoregression，QAR）模型能够较好的解决上述问题这种方法突破了传统的均值回归模型只能研究平均水平的局限，而是从不同分位数（层次）上考虑问题，它不仅能更加全面、准确地估计模型系数，从而考虑更广泛条件下的一系列分位数上的动态过程，以显示条件异质性和非对称性，而且其估计结果对离群值和非对称分布具有更好的稳健性 [17]正因为 QAR 模型具有上述优良性质，因此被广泛用于研究汇率、通胀率、股票收益率、财政支出等经济变量的动态特征有鉴于此，本文将借助于 QAR 模型来测算中国通胀持久性的大小，据此分析通胀率的动态调整路径三、数据选取与模型设定（一）数据描述与整体平稳性检验沿用绝大多数文献的做法，本文选取月度同比居民消费价格指数（CPI）作为通货膨胀的衡量指标。

同比数据中已经剔除了季节因素的影响样本区间为 1983 年 1 月～2012 年8 月，共 356 个数据将通胀率定义为，原始数据来自《中国经济景气月报》 、 《中国物价》及中经网统计数据库图 1 显示了 1983～2012 年中国月度同比通胀率的动态变化趋势可以看出，近 30 年来中国居民消费价格指数的变化幅度较大尤其是在 1996 年以前，中国物价总水平的波动异常剧烈，1989 年 2 月和 1994 年 10 月通胀率甚至高达 28.4%和 27.7%为了抑制高速通胀，从 1996 年开始中国经济实行“软着陆” ，通胀率水平显著降低，通胀率的波动也相对趋缓从图 1 中可以看出，如果某一期通胀率较高，则随后几期通胀率往往也较高；反之，当某一期通胀率较低，则随后几期通胀率往往也较低，高通胀和低通胀状态之间的过渡往往需要较长的时间，可见中国通胀水平具有较强的持久性但是从长期来看，中国的通货膨胀具有显著的周期性变化特征，高通胀和低通胀状态相互交替 描述统计结果显示，在整个样本期间，通胀率序列的均值为 5.76%，偏度和峰度分别为 1.63 和 5.11，JB 正态性检验 P 值为 2.2×10-16，可见通胀率序列不服从正态分布，其具有较高的峰度且显著右偏。

然而，基于参数方法的均值回归模型多数假定模型的残差项服从正态分布，因此，使用均值回归方法估计通胀率模型的系数是不准确的这是本文考虑使用分位数回归方法的原因之一下面将运用单位根检验方法判断通胀率序列是否具有整体平稳性，如果通胀率序列是非平稳的，则不宜对其水平序列进行建模，而应对其差分序列进行建模为使检验结果更加稳健，本文分别使用 ADF、PP、KPSS、ERS、ZA、SP 和 KSS 检验方法对通胀率数据进行单位根检验，检验结果如表 1 所示 1可以看出，在 5%的显著性水平下，PP、KPSS 和 ZA 检验结果不能拒绝单位根的原假设，其他检验结果均表明通胀率序列具有整体平稳性，可见不同方法得到的结论存在显著差异本文将首先在水平序列下对通胀率建模，然后基于QAR 模型进一步进行单位根检验二）模型设定与估计在已有测度通胀持久性的标准文献中，一般使用 AR 模型度量通胀持久性：其中，π t代表通胀率，β 0、β 1…β q为自回归模型的回归系数，q 表示最大滞后阶数，ε t表示随机扰动项AR 模型中滞后项系数描绘了 1 单位冲击对通胀率带来的累进效应，因此可用于度量通胀持久性 [18]然而，上述方法只考虑了通胀率的均值对应的自回归模型，而忽视了通胀率条件分布的不同位置上所呈现的动态特征。

QAR 模型的思想是对普通 AR 模型进行扩展，它依据因变量的条件分位数对滞后变量进行回归，从而可以得到不同分位数下的自回归模型参照科恩克和肖志杰（2006） [17]的方法设定通胀率的 QAR 模型：其中，Ω t-1为 t 期以前的历史信息，Q π1 （τ｜Ω t-1）表示基于信息集 Ω t-1上，t 时刻第 τ 分位数对应的通胀率值 2回归系数 β j（τ）表示为 τ 的函数，并随着 τ 的变化而变化，τ∈（0，1） 可见，QAR 模型属于一种特殊形式的随机系数自回归模型，其系数依赖于同一个随机变量且回归系数相互具有函数依赖关系 [17]为避免式中滞后项之间存在共线性影响回归系数的估计精度，将式（2）变形为：其中，△ πt =πt -π t-1，α 0（τ）对应于式（1）中 ε t的第 τ 分位数α 1（τ）可用于度量 τ 分位数上通胀持久性的大小，α 1（τ）=β 1（τ）+β 1（τ）+…+β q（τ） ，因此可称之为通胀持久性系数当｜α（τ）｜＜1 时，通胀率序列是一个平稳过程，随机冲击对通胀率只具有短期效应，最终通胀率将以指数方式自动衰减至长期均衡水平｜α 1（τ）｜值越大，通胀率受随机冲击的影响越明显，回复长期均值所需时间也越长。

当｜α 1（τ）｜=1，表示通胀率序列服从单位根过程，随机冲击将对通胀产生长久而且持续的影响为便于表示，将式（3）简写为 Qπ1 （τ｜Ω t-1）=X’ tα（τ） ，其中根据分位数回归方法，通胀持久性系数α 1（τ）的值可以通过最小化 来实现，其中 I（·）为指示函数三）基于不同分位数的单位根检验考虑到不同分位数上 QAR 模型的自回归系数存在差异，科恩克和肖志杰（2004） [22]基于迪基—富勒的单位根检验思想，构建了基于不同分位数的单位根检验统计量这种单位根检验方法包含两个步骤：1.使用 t（τ）统计量检验不同分位数上的平稳性，其原假设为 H0:α 1（τ）=1（通胀率序列的第 τ 分位数值的波动服从单位根过程） ，备择假设 H1:α 1（τ）＜1（通胀率序列的第 τ 分位数值的波动服从平稳自回归过程） t（τ）统计量为：其中， 是 f（F -1（τ） ）的一致估计量，和 F 分别表示残差项 ε t的密度函数和分布函数，Y -1表示滞后被解释变量构成的向量，P x表示与空间 X=（1，△π t-1，…，△π t-q）正交的投影矩阵t（τ）统计量的渐近分布是迪基—富勒分布和标准正态分布的线性组合 [22]。

2.使用 QKS 统计量检验一系列分位数上的平稳性预先设定 Γ=[τ 0，1-τ 0]，原假设为 H0:α 1（τ）=1，τ∈Γ（在 τ∈Γ 区间中通胀率序列均服从单位根过程） ，备择假设H1:α 1（τ）。