金成曉　盧穎超

摘要：文章通過(guò)構(gòu)建隨機(jī)擾動(dòng)變參數(shù)因子擴(kuò)展的向量自回歸模型（SV-TVP-FAVAR模型），對(duì)中國(guó)經(jīng)濟(jì)波動(dòng)進(jìn)行結(jié)構(gòu)性及周期性因素分解，在此基礎(chǔ)上給出異質(zhì)性貨幣供給沖擊對(duì)經(jīng)濟(jì)變量的動(dòng)態(tài)影響特征。得出以下結(jié)論：結(jié)構(gòu)性因素解釋經(jīng)濟(jì)波動(dòng)的34.12%，周期性因素解釋經(jīng)濟(jì)波動(dòng)的65.88%，兩種因素的影響效果明顯不同；樣本期內(nèi)，貨幣政策變量具有3個(gè)轉(zhuǎn)折點(diǎn)，分別為1961年、1978年及1996年；不同經(jīng)濟(jì)波動(dòng)成分對(duì)貨幣政策沖擊的響應(yīng)存在較大差異；不同的經(jīng)濟(jì)狀態(tài)也會(huì)對(duì)貨幣政策的調(diào)控存在影響。

關(guān)鍵詞：動(dòng)分解；貨幣政策沖擊；SV-TVP-FAVAR

中圖分類(lèi)號(hào)：F2240，F(xiàn)8201文獻(xiàn)標(biāo)志碼：A文章編號(hào)：

10085831（2016）01005008

一、問(wèn)題與文獻(xiàn)回顧

近年來(lái)，中國(guó)經(jīng)濟(jì)增速不斷波動(dòng)，并且每次波動(dòng)都伴隨著不同程度的結(jié)構(gòu)性及周期性因素的影響。2012年以來(lái)，受?chē)?guó)內(nèi)外復(fù)雜因素的影響，中國(guó)經(jīng)濟(jì)始終面臨較大的下行壓力，進(jìn)口三度負(fù)增長(zhǎng)。當(dāng)前經(jīng)濟(jì)增長(zhǎng)趨于穩(wěn)定，但穩(wěn)定基礎(chǔ)并不牢固。一些學(xué)者則認(rèn)為中國(guó)此輪經(jīng)濟(jì)波動(dòng)就是由結(jié)構(gòu)性及周期性因素疊加造成的，包括為了平衡前些年的貿(mào)易順差以及經(jīng)濟(jì)高增長(zhǎng)所實(shí)施的平衡政策；同時(shí)全球金融危機(jī)后世界經(jīng)濟(jì)出現(xiàn)了整體減速的現(xiàn)象；再有國(guó)內(nèi)劉易斯拐點(diǎn)的到來(lái)，勞動(dòng)力供給短缺等一系列因素重疊在一起，造成了當(dāng)前經(jīng)濟(jì)面臨的困難。然而不同因素對(duì)經(jīng)濟(jì)造成的影響強(qiáng)度及響應(yīng)時(shí)間存在顯著差異，要想有效地治理中國(guó)經(jīng)濟(jì)波動(dòng)，分別研究結(jié)構(gòu)性及周期性成因具有重要的經(jīng)濟(jì)意義。如何度量中國(guó)結(jié)構(gòu)性及周期性因素是一個(gè)不可回避的問(wèn)題。所謂結(jié)構(gòu)性因素主要指一種長(zhǎng)期的經(jīng)濟(jì)結(jié)構(gòu)的轉(zhuǎn)變。經(jīng)濟(jì)結(jié)構(gòu)調(diào)整是指國(guó)家運(yùn)用經(jīng)濟(jì)、法律等必要手段，改變現(xiàn)有的經(jīng)濟(jì)結(jié)構(gòu)狀況，使之合理化、完善化，進(jìn)一步適應(yīng)生產(chǎn)力發(fā)展的需要。而本文則把結(jié)構(gòu)性因素更多地解釋為影響經(jīng)濟(jì)波動(dòng)的長(zhǎng)期性因素。周期性因素代表引起經(jīng)濟(jì)短期波動(dòng)的因素，其涵蓋經(jīng)濟(jì)中的很多方面，例如庫(kù)存、公眾對(duì)經(jīng)濟(jì)變動(dòng)的預(yù)期、國(guó)內(nèi)外經(jīng)濟(jì)環(huán)境及政策變動(dòng)、總需求的變化，等等。與此同時(shí)，當(dāng)經(jīng)濟(jì)受到以上多種因素疊加影響時(shí)，貨幣政策沖擊的動(dòng)態(tài)響應(yīng)機(jī)制在不同時(shí)點(diǎn)會(huì)產(chǎn)生不同的影響效果。并且考慮到貨幣當(dāng)局在制定切實(shí)可行的貨幣政策之前，需要進(jìn)行貨幣政策影響分析，通常需要監(jiān)控上百個(gè)經(jīng)濟(jì)指標(biāo)。當(dāng)經(jīng)濟(jì)變量之間相互關(guān)聯(lián)且存在經(jīng)濟(jì)轉(zhuǎn)變時(shí)，僅使用幾個(gè)變量來(lái)代表大量經(jīng)濟(jì)信息以及使用不變參數(shù)模型來(lái)刻畫(huà)經(jīng)濟(jì)是不現(xiàn)實(shí)的，所以本文采用隨機(jī)擾動(dòng)時(shí)變參數(shù)因子擴(kuò)展向量自回歸模型（SV-TVP-FAVAR）從大量數(shù)據(jù)集中抽取出不可觀測(cè)因子，其可以解釋經(jīng)濟(jì)中的大量結(jié)構(gòu)性及周期性的經(jīng)濟(jì)信息，在此基礎(chǔ)上得到異質(zhì)性貨幣政策沖擊對(duì)經(jīng)濟(jì)變量的動(dòng)態(tài)響應(yīng)效果。

對(duì)于經(jīng)濟(jì)波動(dòng)的成因問(wèn)題，國(guó)內(nèi)外有很多學(xué)者進(jìn)行研究。金浩、李延軍及高素英[1]就使用了轉(zhuǎn)折點(diǎn)檢驗(yàn)及回歸的方法判定中國(guó)經(jīng)濟(jì)周期的劃分以及造成這種經(jīng)濟(jì)波動(dòng)的總需求方面的成因。廖曉燕[2]則使用總量數(shù)據(jù)從信息技術(shù)革命、制度以及外部因素等方面分析了美國(guó)經(jīng)濟(jì)周期的成因。然而大多數(shù)學(xué)者是從總量分析角度對(duì)經(jīng)濟(jì)波動(dòng)成因進(jìn)行探討，但總量分析方法也有其缺陷，不能對(duì)經(jīng)濟(jì)中多種因素的混合影響進(jìn)行更加細(xì)致的分析，給出有針對(duì)性的建議。所以針對(duì)此不足，一些學(xué)者對(duì)相應(yīng)的研究方法進(jìn)行改進(jìn)。對(duì)于經(jīng)濟(jì)變量的分解，Chen等[3]使用VAR方法對(duì)美國(guó)就業(yè)市場(chǎng)的失業(yè)率波動(dòng)做了結(jié)構(gòu)性及周期性的分解，解釋了美國(guó)大蕭條時(shí)期造成長(zhǎng)期高失業(yè)率的原因。而Fleischman和Roberts[4]，Morley、Nelson和Zivot[5]等使用卡爾曼濾波法對(duì)GDP進(jìn)行分解，得到了GDP的趨勢(shì)以及周期性成分，進(jìn)而對(duì)其長(zhǎng)期和短期的波動(dòng)進(jìn)行了分析。但以上方法都是僅使用幾個(gè)經(jīng)濟(jì)變量進(jìn)行研究，可能造成經(jīng)濟(jì)中重要信息缺失。所以Bernanke等[6]在Sims[7]的向量自回歸模型的基礎(chǔ)上首次提出了因子擴(kuò)展的向量自回歸模型（FAVAR），通過(guò)從大量的數(shù)據(jù)序列中提取主要的經(jīng)濟(jì)成分對(duì)經(jīng)濟(jì)波動(dòng)及政策傳導(dǎo)進(jìn)行研究。中國(guó)學(xué)者王少平等[8]也應(yīng)用了FAVAR方法對(duì)中國(guó)的CPI進(jìn)行宏觀成分及特質(zhì)沖擊的分解，判定二者在引起CPI波動(dòng)方面所占比重以及其對(duì)經(jīng)濟(jì)所造成的影響。本文考慮到經(jīng)濟(jì)波動(dòng)的成因復(fù)雜，使用簡(jiǎn)單的幾個(gè)主要變量很難涵蓋較多的經(jīng)濟(jì)信息，解釋能力有限，而FAVAR方法則有效地解決了此問(wèn)題，既掌握了因子分析的優(yōu)勢(shì)，起到降維的目的，又可以有效地抓住經(jīng)濟(jì)中較多的有用信息，所以使用FAVAR方法對(duì)經(jīng)濟(jì)波動(dòng)進(jìn)行分解，進(jìn)而揭示各方面因素對(duì)經(jīng)濟(jì)波動(dòng)的影響效果及差異，是本文的一個(gè)主要研究動(dòng)機(jī)。

另外，貨幣政策沖擊對(duì)于經(jīng)濟(jì)的動(dòng)態(tài)影響特征分析一直是宏觀經(jīng)濟(jì)學(xué)界的熱點(diǎn)問(wèn)題，所以對(duì)于貨幣政策動(dòng)態(tài)影響特征的研究，學(xué)者們也在不斷尋找新的突破。Boivin和Giannoni[9]，Cogley和Sargent[10-11]以及Clarida等[12]探討了美國(guó)20世紀(jì)80年代后的貨幣政策在穩(wěn)定價(jià)格及總的經(jīng)濟(jì)活動(dòng)方面起到的更加積極的作用。中國(guó)學(xué)者王松濤、劉洪玉[13]以住房為載體研究了中國(guó)貨幣政策的傳導(dǎo)機(jī)制。然而上述文章都是使用線(xiàn)性計(jì)量模型進(jìn)行研究，對(duì)于說(shuō)明貨幣政策在不同發(fā)展階段出現(xiàn)的非連續(xù)性以及非一致性問(wèn)題的可信度降低。為了彌補(bǔ)此缺陷，Primiceri[14]，Sims和Zha[15]，Koop和Korobilis[16]隨后使用擴(kuò)展的VAR模型，即允許VAR模型的參數(shù)隨著時(shí)間而變動(dòng)，探討了貨幣政策沖擊對(duì)經(jīng)濟(jì)波動(dòng)特征的影響是否會(huì)隨著時(shí)間而發(fā)生明顯變化。像上文所述，在實(shí)際的經(jīng)濟(jì)決策過(guò)程中，經(jīng)濟(jì)決策者以及經(jīng)濟(jì)機(jī)構(gòu)會(huì)接觸到成百上千個(gè)變量信息[17]，在研究過(guò)程中若僅使用幾個(gè)變量，很難精確地涵蓋經(jīng)濟(jì)的結(jié)構(gòu)轉(zhuǎn)變特征。使用動(dòng)態(tài)因子分析可以很好地解決此問(wèn)題，也不會(huì)造成自由度的損失，因?yàn)閯?dòng)態(tài)因子模型還可以使用幾個(gè)主因子來(lái)涵蓋大量數(shù)據(jù)集中的重要信息。所以一些學(xué)者，如Boivin和Ng[18]，Giannone、Reichlin和Small[19]，Boivin和Giannoni[9]，Bernanke等[6]以及Korobilis[20]嘗試將FAVAR方法與動(dòng)態(tài)參數(shù)及動(dòng)態(tài)隨機(jī)波動(dòng)方法進(jìn)行結(jié)合，給出了SV-TVP-FAVAR模型，并對(duì)貨幣政策的傳導(dǎo)動(dòng)態(tài)特征進(jìn)行了研究。本文則參考Korobilis[20]，使用SV-TVP-FAVAR模型對(duì)中國(guó)的經(jīng)濟(jì)波動(dòng)以及異質(zhì)性貨幣政策沖擊的動(dòng)態(tài)影響效果進(jìn)行深入探討。

綜上所述，本文存在以下幾點(diǎn)創(chuàng)新：（1）對(duì)經(jīng)濟(jì)波動(dòng)的成因進(jìn)行分解研究，從不同成因的角度進(jìn)行刻畫(huà)；（2）在對(duì)經(jīng)濟(jì)波動(dòng)變量進(jìn)行分解的過(guò)程中，考慮大量的信息集，通過(guò)抽取信息集中的主成分對(duì)變量進(jìn)行分解，而不是僅根據(jù)幾個(gè)總量變量進(jìn)行刻畫(huà)；（3）在研究貨幣政策對(duì)經(jīng)濟(jì)的調(diào)控效果時(shí)，考慮了異質(zhì)性因素，即在不同時(shí)點(diǎn)、不同經(jīng)濟(jì)狀態(tài)下給定貨幣政策沖擊進(jìn)行對(duì)比分析；（4）進(jìn)行脈沖響應(yīng)分析時(shí)所建模型為隨機(jī)擾動(dòng)時(shí)變參數(shù)模型，而不是固定參數(shù)模型，這更能夠體現(xiàn)出經(jīng)濟(jì)的波動(dòng)特點(diǎn)。

二、模型設(shè)定

本文使用的參數(shù)及擾動(dòng)項(xiàng)隨時(shí)間可變的因子擴(kuò)展向量自回歸模型（SV-TVP-FAVAR模型）是在Sim[7]所提出的向量自回歸模型（VAR）基礎(chǔ)上進(jìn)行的動(dòng)態(tài)因子擴(kuò)展。較經(jīng)典的框架由Korobilis[20]建立，本文就是基于此框架進(jìn)行研究。對(duì)于SV-TVP-FAVAR模型的簡(jiǎn)化式表示如下：

其中Yt=[Ft，Rt]′為總因子，其包含維數(shù)為（ν×1）的可觀測(cè)因子Rt，可以是貨幣政策沖擊或一些主要經(jīng)濟(jì)變量，（（K+ν）×1）維的誤差項(xiàng)υt的均值為0，協(xié)方差矩陣Ωt的維數(shù)為（（K+ν）×（K+ν））。然而方程（1）不能直接估計(jì)，因?yàn)樽兞恐邪豢芍苯佑^測(cè)的因子。所以首先需要在大量的數(shù)據(jù)集中提取不可觀測(cè)的共同因子。假設(shè)Xt是一個(gè)包含大量經(jīng)濟(jì)時(shí)間序列的經(jīng)濟(jì)信息集，其中N較大且一般比FAVAR模型中估計(jì)出的因子個(gè)數(shù)更大（即K+v≤N）。信息集Xt與不可觀測(cè)因子Ft以及可觀測(cè)變量Rt具有相關(guān)性，其聯(lián)系方程表示為：

Xt=ΛfFt+ΛrRt+et（2）

其中Λf是N×K維的因子載荷矩陣，Λr是N×ν維的因子載荷矩陣，et代表N×1維的誤差項(xiàng)，其均值為0，方差協(xié)方差矩陣為Ψ=diag（exp（ψ1，t），…，exp（ψn，t））。方程（2）表明Ft與Rt共同推動(dòng)經(jīng)濟(jì)變量Xt的波動(dòng)。方程（1）與方程（2）共同構(gòu)成了SV-TVP-FAVAR模型。

協(xié)方差矩陣Ωt=A-1tHt（A-1t）′中At和Ht均為隨時(shí)間可變的矩陣，分別被定義為：

對(duì)于參數(shù)的設(shè)定參考Primiceri[14]以及Koop和Korobilis[16]，假定所有的參數(shù)都服從隨機(jī)游走過(guò)程，并且隨機(jī)游走參數(shù)的沖擊設(shè)定參考Giordini和Kohn[21]的混合設(shè)定形式：其中，=[αt，βt，p]，并且沖擊之間相互獨(dú)立且服從于式（5）中的正態(tài)分布：在式（5）中的誤差項(xiàng)之間允許存在相關(guān)關(guān)系。本文則通過(guò)方程（2）從信息集Xt中提取代表大部分經(jīng)濟(jì)信息的不可觀測(cè)因子，并用來(lái)解釋經(jīng)濟(jì)結(jié)構(gòu)性及周期性波動(dòng)的成因。使用因子載荷矩陣Λf、Λr對(duì)國(guó)內(nèi)生產(chǎn)總值波動(dòng)序列進(jìn)行結(jié)構(gòu)性及周期性因素分解，并在此基礎(chǔ)上分析中國(guó)的異質(zhì)性貨幣政策沖擊對(duì)經(jīng)濟(jì)的動(dòng)態(tài)響應(yīng)時(shí)變特征。其中可觀測(cè)變量集Rt包括通貨膨脹率、經(jīng)濟(jì)增長(zhǎng)率以及中央銀行的貨幣供給量。本文選擇貨幣供給量增長(zhǎng)（M2增長(zhǎng)率）作為央行的貨幣政策工具，是考慮到金融危機(jī)后，各大經(jīng)濟(jì)體爭(zhēng)相采用量化寬松的貨幣政策，希望通過(guò)擴(kuò)大貨幣供給量來(lái)穩(wěn)定價(jià)格、平抑經(jīng)濟(jì)波動(dòng)，所以深入研究貨幣供給沖擊下的貨幣政策內(nèi)生傳導(dǎo)機(jī)制有利于貨幣當(dāng)局制定出具有前瞻性、異質(zhì)性和持續(xù)性的貨幣政策。雖然當(dāng)前貨幣供給量作為中國(guó)貨幣政策的中介目標(biāo)受到了一些學(xué)者的質(zhì)疑，認(rèn)為其可控性較差，但大多數(shù)學(xué)者仍認(rèn)為貨幣供給量與GDP及通貨膨脹之間仍有較大的相關(guān)性，所以當(dāng)前使用其作為貨幣政策的中介目標(biāo)仍然合理[22-23]。

確定因子個(gè)數(shù)的方法不盡相同，有Bai和Ng[24]提出的因子個(gè)數(shù)信息準(zhǔn)則以及Bernanke、Boivin和Eliase[6]提出的敏感性分析等。本文采用敏感性分析方法進(jìn)行確定。具體估計(jì)方法為：從不可觀測(cè)的因子個(gè)數(shù)為1開(kāi)始，與可觀測(cè)變量共同組成共同因子，基于此估計(jì)模型（2），依次增加不可觀測(cè)因子Ft的個(gè)數(shù)并基于對(duì)應(yīng)的模型（2）計(jì)算因子所解釋的經(jīng)濟(jì)變量信息，直至Ft的增加至K，繼續(xù)增加Ft的個(gè)數(shù)對(duì)經(jīng)濟(jì)序列的解釋能力不能產(chǎn)生實(shí)質(zhì)性的不同，至此確定Ft的個(gè)數(shù)。而本文在抽取主因子的時(shí)候首先將總的經(jīng)濟(jì)變量集分成兩部分，說(shuō)明結(jié)構(gòu)性問(wèn)題的變量與周期性問(wèn)題的變量分別歸組，并在兩組變量中抽取主成分，來(lái)代表經(jīng)濟(jì)的主要信息。對(duì)于參數(shù)估計(jì)本文參考Korobilis[20]，使用Gibbs抽樣方法進(jìn)行MCMC估計(jì)。首先從10 000次Gibbs迭代后去掉前面的2 000次隨機(jī)生成樣本，建立一個(gè)Gibbs樣本，然后利用抽樣樣本的統(tǒng)計(jì)推斷性質(zhì)來(lái)估計(jì)相應(yīng)的后驗(yàn)參數(shù)。

三、實(shí)證分析

（一）數(shù)據(jù)選取及預(yù)處理

本文考慮到經(jīng)濟(jì)波動(dòng)為長(zhǎng)期性問(wèn)題，所以本文選取年度數(shù)據(jù)進(jìn)行說(shuō)明。樣本區(qū)間選取了1953-2011年的59個(gè)觀測(cè)值，構(gòu)建了31維的宏觀信息集Xt，主要包括：（1）實(shí)際產(chǎn)出類(lèi)，包括國(guó)民生產(chǎn)總值、國(guó)內(nèi)生產(chǎn)總值以及三大產(chǎn)業(yè)的國(guó)內(nèi)生產(chǎn)總值等；（2）實(shí)際消費(fèi)及零售類(lèi)，包括全國(guó)居民消費(fèi)價(jià)格水平絕對(duì)值、居民消費(fèi)價(jià)格指數(shù)、全國(guó)商品零售總額等；（3）黃金及外匯儲(chǔ)備類(lèi)；（4）人口類(lèi)，包括出生率、死亡率以及就業(yè)人口數(shù)等；（5）進(jìn)出口類(lèi)，包括進(jìn)口貿(mào)易總額、出口貿(mào)易總額等5大類(lèi)變量。本文應(yīng)用上述變量集，是因?yàn)榭紤]到影響經(jīng)濟(jì)波動(dòng)的主要成因以及中國(guó)數(shù)據(jù)的可獲得性。對(duì)于可觀測(cè)變量集中的3個(gè)變量來(lái)說(shuō)，通貨膨脹率根據(jù)年度居民消費(fèi)價(jià)格指數(shù)（CPI）計(jì)算得出，具體的計(jì)算公式為通貨膨脹率=CPI-100；經(jīng)濟(jì)增長(zhǎng)率根據(jù)國(guó)內(nèi)生產(chǎn)總值數(shù)據(jù)計(jì)算得出，其計(jì)算公式為經(jīng)濟(jì)增長(zhǎng)率=（當(dāng)年國(guó)內(nèi)生產(chǎn)總值-前一年國(guó)內(nèi)生產(chǎn)總值）/前一年國(guó)內(nèi)生產(chǎn)總值；而貨幣政策工具變量考慮到貨幣供應(yīng)量M2更能夠代表經(jīng)濟(jì)中的流動(dòng)性變動(dòng)，所以選擇它的增長(zhǎng)率序列來(lái)進(jìn)行研究，由于樣本區(qū)間的時(shí)間跨度較長(zhǎng)，M2數(shù)據(jù)序列在中國(guó)的數(shù)據(jù)有限，所以本文使用的M2序列在1953年到2001年的數(shù)據(jù)是參考章澤武[25]所給出的值，其設(shè)定公式為貨幣供應(yīng)量M2=貨幣（M1）+準(zhǔn)貨幣=流通中的貨幣（M0）+單位存款+儲(chǔ)蓄存款，而2001年以后的貨幣供給量的數(shù)據(jù)則來(lái)自于《中國(guó)宏觀經(jīng)濟(jì)政策報(bào)告》，繼而根據(jù)此計(jì)算其增長(zhǎng)率序列。雖然由于中國(guó)數(shù)據(jù)資源的限制，Xt的維數(shù)和樣本長(zhǎng)度仍然較小，但涵蓋了中國(guó)實(shí)際經(jīng)濟(jì)活動(dòng)等重要的宏觀經(jīng)濟(jì)信息。本文中其他數(shù)據(jù)均來(lái)自于國(guó)家統(tǒng)計(jì)局網(wǎng)站以及《新中國(guó)60年統(tǒng)計(jì)資料匯編》。

本文中只有59個(gè)觀察值，而變量又有31維的宏觀信息集，但并不對(duì)模型的估計(jì)精度造成影響，原因?yàn)椋海?）文章首先在31維的變量集中抽取主成分，在主成分的抽取過(guò)程中59個(gè)觀測(cè)值足夠觀測(cè)數(shù)據(jù)的趨勢(shì)變化特征；（2）在估計(jì)時(shí)變參數(shù)模型的過(guò)程中，也就是對(duì)異質(zhì)性貨幣政策沖擊研究的過(guò)程中僅使用3個(gè)變量，即貨幣供給量以及文章中對(duì)經(jīng)濟(jì)波動(dòng)分解出的2個(gè)成分變量，所以3個(gè)變量的模型使用59個(gè)觀測(cè)值也具有可行性。

由于數(shù)據(jù)的量綱存在很大差異，為防止較大的估計(jì)誤差，所以在建立SV-TVP-FAVAR之前要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即將Xt中的每一個(gè)分量變換為均值為0，標(biāo)準(zhǔn)差為1的序列。單位根檢驗(yàn)證明大量數(shù)據(jù)為非平穩(wěn)數(shù)據(jù)，所以首先對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化處理。對(duì)于實(shí)際數(shù)量序列則使用取對(duì)數(shù)差分的變換進(jìn)行處理，變換為環(huán)比增長(zhǎng)率序列，例如實(shí)際國(guó)內(nèi)生產(chǎn)總值等變量。而對(duì)于一些指數(shù)及增長(zhǎng)率變量則直接進(jìn)行差分處理，例如出生率等變量。對(duì)于本身為平穩(wěn)的序列則無(wú)需處理。最后使Xt中所有分量為平穩(wěn)序列。數(shù)據(jù)的預(yù)處理使用Eviews軟件進(jìn)行操作，實(shí)證部分則全部使用matlab軟件完成。

（二）中國(guó)經(jīng)濟(jì)波動(dòng)的結(jié)構(gòu)性及周期性因素分解

本文根據(jù)Bernanke、Boivin和Eliase[6]的敏感性分析方法，選擇不可觀測(cè)因子的個(gè)數(shù)為2。分別從結(jié)構(gòu)性變量集以及周期性變量集中各抽取一個(gè)不可觀測(cè)因子。這兩個(gè)因子基本涵蓋了不可觀測(cè)信息集的大部分信息。其中結(jié)構(gòu)性變量集包含的主要變量為：總?cè)丝凇⒊錾?、死亡率、自然增長(zhǎng)率、總就業(yè)人數(shù)、第一至第三產(chǎn)業(yè)的就業(yè)人數(shù)、第一至第三產(chǎn)業(yè)的國(guó)內(nèi)生產(chǎn)總值、農(nóng)林牧副漁總產(chǎn)值、全國(guó)工業(yè)總產(chǎn)值、全國(guó)能源總產(chǎn)值、貨運(yùn)總量以及黃金儲(chǔ)備（盎司）和外匯儲(chǔ)備。而周期性變量集包含的主要變量為：平均貨幣工資、國(guó)民總收入、全國(guó)居民消費(fèi)水平絕對(duì)值、財(cái)政收入、財(cái)政支出、財(cái)政收入占國(guó)內(nèi)生產(chǎn)總值比重、全國(guó)各項(xiàng)稅收收入、商品零售價(jià)格指數(shù)、全國(guó)消費(fèi)品零售總額以及進(jìn)口貿(mào)易總額和出口貿(mào)易總額。圖1為本文從數(shù)據(jù)集中抽取的主因子。

圖1中左圖為結(jié)構(gòu)因子與結(jié)構(gòu)變量集中的人口自然增長(zhǎng)率序列的對(duì)比圖，右圖為周期因子與周期性變量集中的財(cái)政收入占國(guó)內(nèi)生產(chǎn)總值的比重序列的對(duì)比圖。我們知道若想更清晰地理解因子之間的差異，最重要的是指出其代表的經(jīng)濟(jì)意義。所以圖1中選擇了與不可觀測(cè)因子最為接近的一個(gè)代表性變量進(jìn)行對(duì)比說(shuō)明。從圖中可以看出，兩個(gè)因子對(duì)于代表性變量都有較好的擬合，可以反映各自數(shù)據(jù)集的波動(dòng)特征。然而我們?cè)诮酉聛?lái)的自回歸分析中，之所以不直接選擇這些代表性變量而選擇抽取的主因子，原因主要是各個(gè)主因子的測(cè)量誤差相對(duì)于變量來(lái)說(shuō)具有更好的穩(wěn)定性，其更能夠代表一個(gè)經(jīng)濟(jì)序列集的共同的趨勢(shì)特征，這一特點(diǎn)在圖1中也可以直觀地觀測(cè)到，因子的波動(dòng)相對(duì)來(lái)說(shuō)都比較小。

由于方程（2）中的每一個(gè)方程都可以寫(xiě)為下面的形式：

xit=λfift+λriRt+eit（6）

所以為了更加直觀地分析兩種因素對(duì)經(jīng)濟(jì)波動(dòng)的解釋能力，本文參考王少平等[8]，使用下面的R2統(tǒng)計(jì)量來(lái)衡量：

其中的var表示方差，λi′Ct分別代表結(jié)構(gòu)因子、周期因子以及可觀測(cè)因子的波動(dòng)對(duì)主要宏觀經(jīng)濟(jì)變量波動(dòng)的解釋能力，而本文只關(guān)注對(duì)國(guó)內(nèi)生產(chǎn)總值GDP增長(zhǎng)率的波動(dòng)的解釋能力，其中使用的都是標(biāo)準(zhǔn)化后的變量。經(jīng)計(jì)算得出結(jié)果見(jiàn)表1。由于本文中設(shè)定的可觀測(cè)因子包含貨幣供給增長(zhǎng)率（M2增長(zhǎng)率）、通貨膨脹率以及產(chǎn)出增長(zhǎng)率，這3個(gè)變量一般都是反映經(jīng)濟(jì)的短期波動(dòng)，所以其解釋經(jīng)濟(jì)波動(dòng)的百分比應(yīng)該被包含在周期性因素部分。從表1所給出的結(jié)果看，數(shù)據(jù)中提取的結(jié)構(gòu)性因素解釋了經(jīng)濟(jì)波動(dòng)的34.12%，而周期性因素卻解釋了經(jīng)濟(jì)波動(dòng)的65.88%，兩者相差較大，這充分說(shuō)明了兩種因素對(duì)中國(guó)經(jīng)濟(jì)波動(dòng)的解釋能力。由于經(jīng)濟(jì)的結(jié)構(gòu)因素變動(dòng)比較緩慢，并且其調(diào)整過(guò)程較長(zhǎng)，所以影響經(jīng)濟(jì)波動(dòng)的作用時(shí)間較長(zhǎng)且不容易在短期內(nèi)解決，同時(shí)也不容易在某個(gè)時(shí)點(diǎn)上對(duì)經(jīng)濟(jì)波動(dòng)產(chǎn)生急劇的影響。而根據(jù)本文所使用的結(jié)構(gòu)性變量集以及中國(guó)經(jīng)濟(jì)的實(shí)際情況，所指的結(jié)構(gòu)性因素主要包括：人口結(jié)構(gòu)問(wèn)題，目前中國(guó)老齡化問(wèn)題不斷加重，造成勞動(dòng)力成本的上升，人口紅利不斷減弱；產(chǎn)業(yè)結(jié)構(gòu)不合理問(wèn)題，農(nóng)業(yè)生產(chǎn)技術(shù)創(chuàng)新緩慢，工業(yè)出現(xiàn)“大”而不“強(qiáng)”的局面，處于全球價(jià)值鏈的底端，高技術(shù)含量的產(chǎn)品較少，而第三產(chǎn)業(yè)仍然以傳統(tǒng)的服務(wù)業(yè)為主。這些問(wèn)題一直在較大程度上影響著中國(guó)經(jīng)濟(jì)的波動(dòng)以及長(zhǎng)遠(yuǎn)發(fā)展。而對(duì)于周期性成分來(lái)說(shuō)，它代表著短期的波動(dòng)，經(jīng)濟(jì)中很多方面的波動(dòng)都會(huì)造成經(jīng)濟(jì)暫時(shí)性偏離其均衡軌跡，發(fā)生波動(dòng)。例如固定資產(chǎn)投資的周期波動(dòng)、農(nóng)業(yè)波動(dòng)、人為因素的波動(dòng)（公眾的預(yù)期等）、經(jīng)濟(jì)政策的波動(dòng)，等等，這些都會(huì)隨著經(jīng)濟(jì)的內(nèi)因或外因而發(fā)生周期性變化，從而對(duì)經(jīng)濟(jì)造成周期性影響。一般周期性因素可以在短期內(nèi)被調(diào)控且回到穩(wěn)態(tài)，但會(huì)造成經(jīng)濟(jì)的短期頻繁波動(dòng)。所以相對(duì)而言，造成經(jīng)濟(jì)發(fā)生較大波動(dòng)的主要原因是周期性因素，但在控制周期性因素影響的基礎(chǔ)上為經(jīng)濟(jì)提供一個(gè)較合理的結(jié)構(gòu)環(huán)境也至關(guān)重要。中國(guó)政策當(dāng)局在治理當(dāng)前的經(jīng)濟(jì)增長(zhǎng)動(dòng)力不足的問(wèn)題時(shí)除了找到新的動(dòng)力因素外，調(diào)整中國(guó)經(jīng)濟(jì)的不合理結(jié)構(gòu)，如城鄉(xiāng)結(jié)構(gòu)問(wèn)題、人口老齡化問(wèn)題以及收入分配不合理問(wèn)題等，為經(jīng)濟(jì)增長(zhǎng)提供一個(gè)較合理的發(fā)展空間也不可或缺。

（三）異質(zhì)性貨幣政策沖擊的動(dòng)態(tài)特征分析

本文接下來(lái)基于從大量數(shù)據(jù)集中抽取的不可觀測(cè)因子與貨幣供給變量構(gòu)成的變量集來(lái)研究經(jīng)濟(jì)波動(dòng)的結(jié)構(gòu)性成分與周期性成分對(duì)異質(zhì)性貨幣政策沖擊的動(dòng)態(tài)響應(yīng)機(jī)制（即在不同時(shí)點(diǎn)上給定不同變換特征的1單位正的貨幣政策沖擊的動(dòng)態(tài)響應(yīng)機(jī)制）。下面首先使用序列圖及間斷點(diǎn)檢驗(yàn)判斷中國(guó)貨幣供給政策是否存在結(jié)構(gòu)性轉(zhuǎn)折，以及轉(zhuǎn)變時(shí)間點(diǎn)的確定。對(duì)于轉(zhuǎn)折點(diǎn)的檢驗(yàn)，有很多學(xué)者進(jìn)行方法上的研究，例如檢驗(yàn)單個(gè)時(shí)間序列的Chow檢驗(yàn)等，但以往方法只能根據(jù)所指定的時(shí)間點(diǎn)來(lái)給出檢驗(yàn)結(jié)果。而本文則參考Jushan Bap和Pierre Perron[26]所介紹的斷點(diǎn)檢驗(yàn)方法SUPFT（k）檢驗(yàn)、UDmax檢驗(yàn)以及WDmax檢驗(yàn)對(duì)貨幣政策數(shù)據(jù)進(jìn)行驗(yàn)證，選擇這幾種檢驗(yàn)方法主要基于其不僅可以判定經(jīng)濟(jì)序列是否存在轉(zhuǎn)折點(diǎn)、轉(zhuǎn)折點(diǎn)的個(gè)數(shù)，還可以估計(jì)出具體轉(zhuǎn)換時(shí)間以及轉(zhuǎn)折點(diǎn)的明確置信區(qū)間，而不需人為的先驗(yàn)指定。

根據(jù)表2的檢驗(yàn)結(jié)果，判定中國(guó)的貨幣政策變量即貨幣供給量增長(zhǎng)率（M2增長(zhǎng)率）在樣本區(qū)間內(nèi)存在轉(zhuǎn)折點(diǎn)，并且Sequential及BIC檢驗(yàn)接受轉(zhuǎn)折點(diǎn)個(gè)數(shù)為3的原假設(shè)，而LWZ檢驗(yàn)的結(jié)果為存在1個(gè)轉(zhuǎn)折點(diǎn)，本文根據(jù)從眾原則，選擇轉(zhuǎn)折點(diǎn)個(gè)數(shù)為3的結(jié)論。而WDmax檢驗(yàn)結(jié)果給出中國(guó)政策變量（M2增長(zhǎng)率）的時(shí)間序列的轉(zhuǎn)折時(shí)間點(diǎn)分別為1961年、1978年以及1996年。經(jīng)濟(jì)時(shí)間段對(duì)比可知，在1978年之前，即改革開(kāi)放前的一段時(shí)間，中國(guó)經(jīng)濟(jì)屬于計(jì)劃經(jīng)濟(jì)，在嚴(yán)格的計(jì)劃經(jīng)濟(jì)體制下商品經(jīng)濟(jì)處于窒息狀態(tài)，經(jīng)濟(jì)的市場(chǎng)化和貨幣化程度較低。同時(shí)，中國(guó)沒(méi)有建立起根本意義上的銀行體制，人民銀行既是貨幣的發(fā)行銀行，又是商業(yè)信貸銀行，貨幣的發(fā)行與流通完全控制在政府的手中。在此期間，貨幣政策與財(cái)政政策雖然表面看是兩個(gè)系統(tǒng)分別執(zhí)行，但是在計(jì)劃經(jīng)濟(jì)體制下兩者的相互依賴(lài)性較大，所以貨幣供給量在較大程度上依賴(lài)于財(cái)政的預(yù)算，而在此時(shí)期經(jīng)濟(jì)增長(zhǎng)緩慢，在一定程度上減少了財(cái)政收入與支出，形成了惡性循環(huán)。另一方面，由于經(jīng)濟(jì)體制以及政治因素的影響，經(jīng)濟(jì)增長(zhǎng)非常緩慢，正像章澤武[25]所述，中國(guó)的貨幣供給量與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)明顯的順周期性特征，所以在此期間的貨幣供給量的增長(zhǎng)也相應(yīng)地處于較低水平。1978年至1996年間中國(guó)經(jīng)歷了改革開(kāi)放的巨變，經(jīng)濟(jì)迅速發(fā)展，相應(yīng)的經(jīng)濟(jì)體制也從計(jì)劃經(jīng)濟(jì)逐步向商品經(jīng)濟(jì)和市場(chǎng)經(jīng)濟(jì)轉(zhuǎn)變；在此期間市場(chǎng)逐漸開(kāi)放，貨幣化程度逐步加深，極大地增加了貨幣的需求量，所以此期間貨幣供給增長(zhǎng)率持續(xù)處于較高的水平。1996年后中國(guó)處于社會(huì)主義市場(chǎng)經(jīng)濟(jì)的深化與鞏固時(shí)期，所以此階段經(jīng)濟(jì)穩(wěn)步增長(zhǎng)，并且1996年中國(guó)放開(kāi)了同業(yè)拆借利率，向市場(chǎng)利率邁出了堅(jiān)實(shí)的第一步，此后利率市場(chǎng)化、經(jīng)濟(jì)全球化進(jìn)程逐漸加大，所以此時(shí)期的貨幣增長(zhǎng)率相對(duì)于前一時(shí)期更加平緩，增速有所下降。使用折線(xiàn)圖通過(guò)直觀判斷也對(duì)上述結(jié)論加以了驗(yàn)證（圖2）。接下來(lái)根據(jù)不同時(shí)間段的經(jīng)濟(jì)特征對(duì)比兩種經(jīng)濟(jì)波動(dòng)成分的脈沖響應(yīng)差異。

在中國(guó)，作為貨幣政策中介目標(biāo)的貨幣供給量一直是政府調(diào)控經(jīng)濟(jì)較常用的手段，尤其是金融危機(jī)過(guò)后，擴(kuò)張性貨幣政策更是頻繁地被貨幣當(dāng)局用來(lái)促進(jìn)經(jīng)濟(jì)增長(zhǎng)、增加就業(yè)。但是，只有識(shí)別不同經(jīng)濟(jì)條件下調(diào)控貨幣供給增長(zhǎng)率的不同影響效果，對(duì)貨幣政策的效力進(jìn)行較好的評(píng)估才可以為政策制定者提供較好的參考。接下來(lái)我們根據(jù)上述斷點(diǎn)檢驗(yàn)結(jié)果以及間斷點(diǎn)的確定給出在不同經(jīng)濟(jì)時(shí)期以及不同經(jīng)濟(jì)情況下，兩種經(jīng)濟(jì)波動(dòng)成分對(duì)政策沖擊的脈沖響應(yīng)對(duì)比圖，據(jù)此分析中國(guó)的貨幣政策沖擊對(duì)經(jīng)濟(jì)影響的時(shí)變特征。圖3給出了1961年、1978年以及1996年的經(jīng)濟(jì)時(shí)點(diǎn)脈沖響應(yīng)圖，以期基于異質(zhì)性貨幣供給沖擊觀測(cè)經(jīng)濟(jì)波動(dòng)不同成分的時(shí)變特征。脈沖響應(yīng)圖顯示了在各個(gè)時(shí)點(diǎn)上1單位正向貨幣供給增長(zhǎng)率沖擊下相關(guān)經(jīng)濟(jì)變量的響應(yīng)：（1）對(duì)于不同時(shí)點(diǎn)的正向貨幣政策沖擊，也就是采取寬松的貨幣政策，那么經(jīng)濟(jì)中的兩種經(jīng)濟(jì)成分在初期都呈現(xiàn)出上升的趨勢(shì)。（2）對(duì)于結(jié)構(gòu)性成分來(lái)說(shuō)，在初期逐漸上升，而后在滯后3期時(shí)達(dá)到最大，后出現(xiàn)了小幅下降，最后回歸一個(gè)新的穩(wěn)態(tài)水平。（3）對(duì)于周期性因素來(lái)說(shuō)，在脈沖響應(yīng)初期經(jīng)濟(jì)周期性波動(dòng)上升，在滯后2期達(dá)到最大，并開(kāi)始逐漸下降，到滯后4期左右轉(zhuǎn)向了負(fù)值的水平，負(fù)值運(yùn)行一段時(shí)間后逐漸向穩(wěn)態(tài)水平靠近。（4）在不同的時(shí)間點(diǎn)，也就是不同的經(jīng)濟(jì)狀態(tài)下，給定貨幣政策沖擊，變量的相應(yīng)幅度也存在差異。通過(guò)以上的對(duì)比可知，經(jīng)濟(jì)波動(dòng)的結(jié)構(gòu)性及周期性因素在受到貨幣政策沖擊時(shí)，其響應(yīng)效果存在較大差異。對(duì)于結(jié)構(gòu)性成因構(gòu)成的通貨膨脹來(lái)說(shuō)，采取逆向調(diào)控的措施可以起到較好的效果。而對(duì)于周期性因素來(lái)說(shuō)，短期內(nèi)受貨幣政策的影響較好，但是從長(zhǎng)期看，其影響效果及影響方向出現(xiàn)了與預(yù)期相反的變動(dòng)。所以，針對(duì)以上的分析，本文建議，在經(jīng)濟(jì)出現(xiàn)較強(qiáng)烈的波動(dòng)時(shí)，為了平抑經(jīng)濟(jì)波動(dòng)，選擇貨幣政策措施應(yīng)該充分考慮造成經(jīng)濟(jì)波動(dòng)的成因及經(jīng)濟(jì)波動(dòng)的特點(diǎn)。針對(duì)不同成因，采取有針對(duì)性的政策調(diào)控會(huì)得到更好的效果。四、結(jié)論及政策建議

中國(guó)作為一個(gè)新興經(jīng)濟(jì)體，經(jīng)濟(jì)體制逐漸由計(jì)劃經(jīng)濟(jì)向市場(chǎng)經(jīng)濟(jì)轉(zhuǎn)變，金融市場(chǎng)不斷開(kāi)放，對(duì)外開(kāi)放水平顯著提高，在此條件下經(jīng)濟(jì)體因受到越來(lái)越多的外生變量的影響而顯著波動(dòng)。不同影響因素對(duì)經(jīng)濟(jì)的影響效果存在顯著差異，且經(jīng)濟(jì)的非線(xiàn)性特征凸顯。所以本文基于SV-TVP-FAVAR模型對(duì)中國(guó)的經(jīng)濟(jì)波動(dòng)進(jìn)行周期性及結(jié)構(gòu)性因素分解，基于此給出不同時(shí)點(diǎn)的異質(zhì)性貨幣政策沖擊對(duì)主要經(jīng)濟(jì)變量的動(dòng)態(tài)響應(yīng)效果，得出以下結(jié)論。

第一，本文分別從結(jié)構(gòu)性變量集及周期性變量集中抽取一個(gè)主因子來(lái)代表經(jīng)濟(jì)信息集的大部分信息，降低缺失信息對(duì)模型分析準(zhǔn)確度的影響，同時(shí)給出兩種因素對(duì)經(jīng)濟(jì)波動(dòng)的解釋能力。結(jié)構(gòu)性因素解釋了經(jīng)濟(jì)波動(dòng)的34.12%，而周期性因素卻解釋了經(jīng)濟(jì)波動(dòng)的65.88%。相對(duì)來(lái)說(shuō)周期性因素對(duì)經(jīng)濟(jì)波動(dòng)的影響效果更加顯著。但當(dāng)前中國(guó)處于經(jīng)濟(jì)轉(zhuǎn)軌時(shí)期，在控制周期性因素影響的基礎(chǔ)上為經(jīng)濟(jì)提供一個(gè)較合理的結(jié)構(gòu)環(huán)境也至關(guān)重要，例如中國(guó)政策當(dāng)局在治理當(dāng)前的經(jīng)濟(jì)增長(zhǎng)動(dòng)力不足的問(wèn)題時(shí)除了找到新的動(dòng)力因素外，調(diào)整中國(guó)經(jīng)濟(jì)的不合理結(jié)構(gòu)，如城鄉(xiāng)結(jié)構(gòu)問(wèn)題、人口老齡化問(wèn)題以及收入分配不合理問(wèn)題等，為經(jīng)濟(jì)增長(zhǎng)提供一個(gè)較合理的發(fā)展空間尤為重要。

第二，通過(guò)SUPFT（k）、UDmax以及WDmax等斷點(diǎn)檢驗(yàn)方法，給出貨幣政策發(fā)生結(jié)構(gòu)性轉(zhuǎn)變的時(shí)點(diǎn)分別為1961年、1978年及1996年。在這四個(gè)不同時(shí)期，經(jīng)濟(jì)體制及經(jīng)濟(jì)環(huán)境都發(fā)生了較明顯的轉(zhuǎn)變，影響著貨幣政策的調(diào)控效果。隨著時(shí)間的發(fā)展，中國(guó)的貨幣化進(jìn)程、利率市場(chǎng)化改革、經(jīng)濟(jì)全球化的程度都在不斷加深，這些都促使貨幣政策具有了更好的調(diào)控效果。所以中國(guó)應(yīng)從制度、體制等各方面加快經(jīng)濟(jì)市場(chǎng)化進(jìn)程。

第三，在3個(gè)不同時(shí)點(diǎn)給定異質(zhì)性的貨幣供給沖擊，兩種經(jīng)濟(jì)波動(dòng)成分具有不同的響應(yīng)特征。從脈沖響應(yīng)結(jié)果可知兩種成分受到貨幣政策沖擊時(shí)的脈沖響應(yīng)存在著較明顯的差異；結(jié)構(gòu)性因素的逆向調(diào)控可以起到較好的效果；而周期性因素在短期內(nèi)受貨幣政策調(diào)控的效果較為理想，但長(zhǎng)期出現(xiàn)了反向變動(dòng)。所以針對(duì)以上問(wèn)題，建議政策當(dāng)局在調(diào)控貨幣政策平抑經(jīng)濟(jì)波動(dòng)時(shí)，應(yīng)具體考慮經(jīng)濟(jì)波動(dòng)的主要成因及波動(dòng)特征，以制定更加高效的政策措施。參考文獻(xiàn)：

[1]金浩，李延軍，高素英.關(guān)于經(jīng)濟(jì)波動(dòng)周期性及成因的實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理，2005，24（1）：52-57.

[2]廖曉燕.美國(guó)經(jīng)濟(jì)波動(dòng)特點(diǎn)與成因解析[J].求索，2006（1）：49-52.

[3]CHEN J Z，KANNAN P，LOUNGANI P，et al.New evidence on cyclical and structural sources of unemployment[R].IMF working paper，2011.

[4]FLEISCHMAN CA，ROBERTS J M.From many series， one cycle： Improved estimates of the business cycle from a multivariate unobserved components model[R]. Federal Reserve Board Finance and Economics Discussion Series Working paper ，2011.

[5]MORLEY J C，NELSON C R，ZIVOT E.Why are Beveridge-Nelson and unobservedcomponent decompositions of GDP so different？[J].The Review of Economics and Statistics，2003，85（2）：235-243.

[6]BERNANKE B S，BOIVIN J，ELIASZ P.Measuring the effects of monetary policy：A factoraugmented vector autoregressive （FAVAR） approach[J].Quarterly journal of economics，2005，120（1）：387-422.

[7]SIMS C A.Macroeconomics and reality[J].Econometrica Society，1980，48（1）：1-48.

[8]王少平，朱滿(mǎn)洲，胡朔商.中國(guó)CPI的宏觀成分與宏觀沖擊[J].經(jīng)濟(jì)研究，2012（12）：29-42.

[9]BOIVIN J，GIANNONI M.Has monetary policy become more effective？[J].Review of Economics and Statistics，2006，88：445-462.

[10]COGLEY T，SARGENT T.Evolving postWorld War II inflation dynamics[R].NBER Macroeconomic Annual，2001，16：331-373.

[11]COGLEY T，SARGENT T.Drifts and volatilities： monetary policies and outcomes in the post WWII U.S[J].Review of Economic Dynamics，2005，8：262-302.

[12]CLARIDA R，GALI J，GERTLER M.Monetary policy rule and macroeconomic stability：Evidence and some theory[J].Quarterly Journal of Economics，2000，115：147-180.

[13]王松濤，劉洪玉.以住房市場(chǎng)為載體的貨幣政策傳導(dǎo)機(jī)制研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009（10）：61-73.

[14]PRIMICERI G.Time varying structural vector autoregressions and monetary policy[J].Review of Economic Studies，2005，72：821-852.

[15]SIMS C，ZHA T.Were there regime switches in macroeconomic policy？[J].American Economic Review，2006，96： 54-81.

[16]KOOP G，KOROBILIS D.Bayesian multivariate time series methods for empirical macroeconomics[J].Foundations and Trends in Econometrics，2010（3）：267-358.

[17]BERNANKE B S，BOIVIN J.Monetary policy in a datarich environment[J].Journal of Monetary Economics，2003，50：525-546.

[18]BOIVIN J，NG S.Understanding and comparing factorbased forecasts[J].International Journal of Central Banking，2005（3）：111-151.

[19]GIANNONE D，REICHLIN L，SMALL D.Nowcasting：The realtime informational content of macroeconomic data[J].Journal of Monetary Economics，2008，55：665-676.

[20] KOROBILIS D.Assessing the transmission of monetary policy shocks using dynamic factor models[R]. mimeo， 2009.

[21]GIORDANI P，KOHN R.Efficient Bayesian inference for multiple change point and mixture innovation models[J].Journal of Business and Economic Statistics，2008，26：66-77.

[22]劉明志.貨幣供應(yīng)量和利率作為貨幣政策中介目標(biāo)的適應(yīng)性[J].金融研究，2006（1）：51-63.

[23]蘇亮瑜.我國(guó)貨幣政策傳導(dǎo)機(jī)制及盯住目標(biāo)選擇[J].金融研究，2008（5）：25-34.

[24]BAI J S，NG S.Determining the number of factors in approximate factor models[J].Econometrica，Econometric Society，2002， 70（1）：191-221.

[25]章澤武.中國(guó)貨幣供應(yīng)與經(jīng)濟(jì)增長(zhǎng)關(guān)系研究[D].武漢：武漢理工大學(xué)，2002.

[26]BAI J S，PERRON P.Computation and analysis of multiple structural change models[J].Journal of Applied Econometrics，2003，18（1）：1-22.

（責(zé)任編輯傅旭東）