金成曉　曹陽

摘要：本文利用1998年1月至2012年6月的工業(yè)增加值、M2和CPI月度數(shù)據(jù)建立了一個三變量的SVAR模型，并分別用極大似然估計方法和非參數(shù)聯(lián)立模型的局部線性工具變量估計方法對其進行估計，將估計的結果進行比較并作相應的向前預測分析。結論表明：參數(shù)SVAR模型可以對變量進行解釋，并做相應的脈沖響應和方差分解分析，但是估計精度及預測效果要低于非參數(shù)SVAR模型。文章的創(chuàng)新之處在于首次給出非參數(shù)SVAR模型及其估計方法，為日后對非參數(shù)VAR模型族進行研究和廣泛應用奠定了一定的基礎。

關鍵詞：貨幣政策；SVAR模型；非參數(shù)SVAR模型

中圖分類號：F842；F822；F224 文獻標識碼：B

一、引言

1980年，Sims首次提出了向量自回歸模型（VAR），該模型具有不以嚴格的經濟理論為依據(jù)和模型中的全部變量均為內生變量等優(yōu)點，被廣泛應用于處理多個相關經濟指標的分析與預測。然而，VAR模型從本質上講只刻畫了數(shù)據(jù)的動態(tài)表現(xiàn)，并且往往要估計過多的參數(shù)，為解決上述問題并彌補VAR模型缺乏經濟理論基礎而不能進行結構分析的缺陷，Sims （1986）進一步提出了結構向量自回歸（Structure VAR）模型，SVAR及其擴展模型贏得了宏觀結構計量經濟學的美譽。

VAR模型的一個至關重要的假設是經估計得到的模型的參數(shù)是不隨時間變化而變化的，但是由于現(xiàn)實中的經濟現(xiàn)象復雜多變，普通線性模型對現(xiàn)實問題的解釋難免存在局限性，越來越多的非線性、非參數(shù)計量經濟模型被應用到宏觀和微觀經濟學領域中。例如，Cai和Fan（2000）[1]將門限自回歸模型和函數(shù)系數(shù)自回歸模型應用于非線性時間序列，并提出了一個新的boostrap檢驗來檢驗模型的擬合優(yōu)度；方穎和郭萌萌（2009）[2]利用時變系數(shù)模型檢驗了85個變量的月度宏觀數(shù)據(jù)，發(fā)現(xiàn)部分宏觀變量存在嚴重的非穩(wěn)定性或非線性問題；馬薇和袁銘（2010）[3]提出了使用核估計的方法構造平滑轉移模型（STR）的非參數(shù)模擬最大似然估計（NPSML）并證明該方法是可靠的，估計量是穩(wěn)健的；葉阿忠（2003）[4]首次提出了非參數(shù)計量經濟聯(lián)立模型局部線性估計方法，并應用于我國宏觀經濟非參數(shù)聯(lián)立模型且與線性模型進行了比較，得出我國宏觀經濟非參數(shù)聯(lián)立模型優(yōu)于線性模型的結論。鑒于SVAR模型的優(yōu)缺點，本文擬從非參數(shù)估計方法的視角對其進行擴展，并與參數(shù)方法進行對比分析，以期進一步豐富VAR模型族的應用研究。

二、 模型及數(shù)學方法

對于一個三元p階SVAR模型，其具體形式為：

摘要：本文利用1998年1月至2012年6月的工業(yè)增加值、M2和CPI月度數(shù)據(jù)建立了一個三變量的SVAR模型，并分別用極大似然估計方法和非參數(shù)聯(lián)立模型的局部線性工具變量估計方法對其進行估計，將估計的結果進行比較并作相應的向前預測分析。結論表明：參數(shù)SVAR模型可以對變量進行解釋，并做相應的脈沖響應和方差分解分析，但是估計精度及預測效果要低于非參數(shù)SVAR模型。文章的創(chuàng)新之處在于首次給出非參數(shù)SVAR模型及其估計方法，為日后對非參數(shù)VAR模型族進行研究和廣泛應用奠定了一定的基礎。

關鍵詞：貨幣政策；SVAR模型；非參數(shù)SVAR模型

中圖分類號：F842；F822；F224 文獻標識碼：B

一、引言

1980年，Sims首次提出了向量自回歸模型（VAR），該模型具有不以嚴格的經濟理論為依據(jù)和模型中的全部變量均為內生變量等優(yōu)點，被廣泛應用于處理多個相關經濟指標的分析與預測。然而，VAR模型從本質上講只刻畫了數(shù)據(jù)的動態(tài)表現(xiàn)，并且往往要估計過多的參數(shù)，為解決上述問題并彌補VAR模型缺乏經濟理論基礎而不能進行結構分析的缺陷，Sims （1986）進一步提出了結構向量自回歸（Structure VAR）模型，SVAR及其擴展模型贏得了宏觀結構計量經濟學的美譽。

VAR模型的一個至關重要的假設是經估計得到的模型的參數(shù)是不隨時間變化而變化的，但是由于現(xiàn)實中的經濟現(xiàn)象復雜多變，普通線性模型對現(xiàn)實問題的解釋難免存在局限性，越來越多的非線性、非參數(shù)計量經濟模型被應用到宏觀和微觀經濟學領域中。例如，Cai和Fan（2000）[1]將門限自回歸模型和函數(shù)系數(shù)自回歸模型應用于非線性時間序列，并提出了一個新的boostrap檢驗來檢驗模型的擬合優(yōu)度；方穎和郭萌萌（2009）[2]利用時變系數(shù)模型檢驗了85個變量的月度宏觀數(shù)據(jù)，發(fā)現(xiàn)部分宏觀變量存在嚴重的非穩(wěn)定性或非線性問題；馬薇和袁銘（2010）[3]提出了使用核估計的方法構造平滑轉移模型（STR）的非參數(shù)模擬最大似然估計（NPSML）并證明該方法是可靠的，估計量是穩(wěn)健的；葉阿忠（2003）[4]首次提出了非參數(shù)計量經濟聯(lián)立模型局部線性估計方法，并應用于我國宏觀經濟非參數(shù)聯(lián)立模型且與線性模型進行了比較，得出我國宏觀經濟非參數(shù)聯(lián)立模型優(yōu)于線性模型的結論。鑒于SVAR模型的優(yōu)缺點，本文擬從非參數(shù)估計方法的視角對其進行擴展，并與參數(shù)方法進行對比分析，以期進一步豐富VAR模型族的應用研究。

二、 模型及數(shù)學方法

對于一個三元p階SVAR模型，其具體形式為：

摘要：本文利用1998年1月至2012年6月的工業(yè)增加值、M2和CPI月度數(shù)據(jù)建立了一個三變量的SVAR模型，并分別用極大似然估計方法和非參數(shù)聯(lián)立模型的局部線性工具變量估計方法對其進行估計，將估計的結果進行比較并作相應的向前預測分析。結論表明：參數(shù)SVAR模型可以對變量進行解釋，并做相應的脈沖響應和方差分解分析，但是估計精度及預測效果要低于非參數(shù)SVAR模型。文章的創(chuàng)新之處在于首次給出非參數(shù)SVAR模型及其估計方法，為日后對非參數(shù)VAR模型族進行研究和廣泛應用奠定了一定的基礎。

關鍵詞：貨幣政策；SVAR模型；非參數(shù)SVAR模型

中圖分類號：F842；F822；F224 文獻標識碼：B

一、引言

1980年，Sims首次提出了向量自回歸模型（VAR），該模型具有不以嚴格的經濟理論為依據(jù)和模型中的全部變量均為內生變量等優(yōu)點，被廣泛應用于處理多個相關經濟指標的分析與預測。然而，VAR模型從本質上講只刻畫了數(shù)據(jù)的動態(tài)表現(xiàn)，并且往往要估計過多的參數(shù)，為解決上述問題并彌補VAR模型缺乏經濟理論基礎而不能進行結構分析的缺陷，Sims （1986）進一步提出了結構向量自回歸（Structure VAR）模型，SVAR及其擴展模型贏得了宏觀結構計量經濟學的美譽。

VAR模型的一個至關重要的假設是經估計得到的模型的參數(shù)是不隨時間變化而變化的，但是由于現(xiàn)實中的經濟現(xiàn)象復雜多變，普通線性模型對現(xiàn)實問題的解釋難免存在局限性，越來越多的非線性、非參數(shù)計量經濟模型被應用到宏觀和微觀經濟學領域中。例如，Cai和Fan（2000）[1]將門限自回歸模型和函數(shù)系數(shù)自回歸模型應用于非線性時間序列，并提出了一個新的boostrap檢驗來檢驗模型的擬合優(yōu)度；方穎和郭萌萌（2009）[2]利用時變系數(shù)模型檢驗了85個變量的月度宏觀數(shù)據(jù)，發(fā)現(xiàn)部分宏觀變量存在嚴重的非穩(wěn)定性或非線性問題；馬薇和袁銘（2010）[3]提出了使用核估計的方法構造平滑轉移模型（STR）的非參數(shù)模擬最大似然估計（NPSML）并證明該方法是可靠的，估計量是穩(wěn)健的；葉阿忠（2003）[4]首次提出了非參數(shù)計量經濟聯(lián)立模型局部線性估計方法，并應用于我國宏觀經濟非參數(shù)聯(lián)立模型且與線性模型進行了比較，得出我國宏觀經濟非參數(shù)聯(lián)立模型優(yōu)于線性模型的結論。鑒于SVAR模型的優(yōu)缺點，本文擬從非參數(shù)估計方法的視角對其進行擴展，并與參數(shù)方法進行對比分析，以期進一步豐富VAR模型族的應用研究。

二、 模型及數(shù)學方法

對于一個三元p階SVAR模型，其具體形式為：