張屹山，田依民

（1.吉林大學(xué) 數(shù)量經(jīng)濟研究中心，吉林 長春130012；2.吉林大學(xué) 商學(xué)院，吉林 長春130012）

一、引 言

長期以來，宏觀經(jīng)濟學(xué)對于經(jīng)濟增長和經(jīng)濟周期波動這兩個問題是分別來研究處理的，并發(fā)展出了各自部分相對成體系的若干理論。根據(jù)新古典增長理論，長期經(jīng)濟增長率的提高有賴于投資率、勞動力增長率以及技術(shù)進步等供給方面的提升，并沒有強調(diào)經(jīng)濟短期波動情況對于長期經(jīng)濟增長的影響。在真實經(jīng)濟周期理論出現(xiàn)之前，新凱恩斯理論認(rèn)為經(jīng)濟的短期周期波動主要是消費、投資或者貨幣供應(yīng)量等名義因素造成總需求波動所致，供給方面的實際因素似乎不會對短期周期波動帶來影響。而真實經(jīng)濟周期理論則認(rèn)為技術(shù)進步增長率的波動情況等供給方面的因素也會成為短期經(jīng)濟波動的來源。然而，目前還沒有形成一個相對完善的理論體系，來解釋經(jīng)濟增長和經(jīng)濟周期波動之間的關(guān)聯(lián)性。短期經(jīng)濟波動程度和不同經(jīng)濟周期階段對于長期經(jīng)濟增長的影響等問題的研究對于科學(xué)合理地制定兼顧短期和長期的經(jīng)濟政策具有重要意義。

對于短期波動和長期增長關(guān)聯(lián)性的現(xiàn)有研究主要集中在短期波動性大小對于長期經(jīng)濟增長的影響如何，而且不同的研究對此也未能給出一致的結(jié)論。經(jīng)濟波動大小一般用經(jīng)濟增長率、產(chǎn)出缺口標(biāo)準(zhǔn)差、增長核算方程殘差的標(biāo)準(zhǔn)差、GARCH 類模型和經(jīng)濟增長的在險水平等方法來度量。在理論模型研究方面，有一些研究得出的結(jié)論是經(jīng)濟波動程度會對經(jīng)濟增長產(chǎn)生正向影響效應(yīng)。Black（1987）從風(fēng)險和收益的角度闡述了短期波動性對于長期經(jīng)濟增長的影響，認(rèn)為高風(fēng)險預(yù)期的技術(shù)投資往往伴隨著高預(yù)期回報。如果投資新技術(shù)的預(yù)期回報能夠補償投資者的預(yù)期風(fēng)險，那么投資者就會增加這些新技術(shù)的投資，這樣一來經(jīng)濟波動越大很可能意味著更高的長期經(jīng)濟增長率［1］。有一些理論模型認(rèn)為經(jīng)濟波動性和經(jīng)濟增長之間的影響關(guān)系是不確定的，可能會隨著其他變量而變化。Blackburn（1999）在一個具有干中學(xué)特征的內(nèi)生增長模型中對于經(jīng)濟波動程度對經(jīng)濟增長的正向影響進行了證明。相對地，另一些研究則認(rèn)為經(jīng)濟波動程度對經(jīng)濟增長產(chǎn)生的是負向影響［2］。陳昆亭等（2012）建立一個包含人力資本的內(nèi)生隨機增長模型，證明了如果人力資本形成中主觀過程占優(yōu)時，波動程度會對經(jīng)濟增長產(chǎn)生正向影響；如果人力資本自然形成占優(yōu)時，波動程度則對長期經(jīng)濟增長產(chǎn)生負向影響［3］。

經(jīng)濟波動與經(jīng)濟增長之間影響關(guān)系在實證研究中也同樣存在著兩種結(jié)論。Grier等（2004）建立了一個向量自回歸移動平均、GARCH 均值模型，考察了產(chǎn)出和通貨膨脹率波動性對于產(chǎn)出和通貨膨脹率水平的影響。結(jié)果表明，產(chǎn)出波動性對產(chǎn)出平均增長率產(chǎn)生的是正向影響效應(yīng)，產(chǎn)出和通貨膨脹率對于波動性的正向和負向沖擊的動態(tài)反應(yīng)都存在著非對稱性效應(yīng)［4］。Berument等（2012）利用土耳其1987年第一季度至2007年第三季度的數(shù)據(jù)，檢驗了經(jīng)濟波動性和經(jīng)濟增長率之間的關(guān)系。結(jié)果表明，增長的波動性會降低經(jīng)濟增長，而且這樣的結(jié)果在不同設(shè)定的情況下都是穩(wěn)健的［5］。Cerra和Saxena（2007）利用跨國面板數(shù)據(jù)，實證分析了經(jīng)濟波動性和經(jīng)濟增長率之間的影響關(guān)系。結(jié)果表明，經(jīng)濟波動性對長期經(jīng)濟增長率的影響是負向的，同時，政治和金融危機對產(chǎn)出的負向沖擊所帶來的損失是永久的［6］。Martin和Rogers（2000）利用歐洲地區(qū)一些國家和OECD 國家的數(shù)據(jù)分別進行了回歸分析，結(jié)果表明，經(jīng)濟增長和失業(yè)率標(biāo)準(zhǔn)差越大的國家和地區(qū)的經(jīng)濟增長率都比較低，即經(jīng)濟波動性對經(jīng)濟增長率帶來的是負向影響［7］。Fatás（2002）研究了經(jīng)濟周期和長期經(jīng)濟增長率之間的關(guān)系，最后認(rèn)為短期波動的持續(xù)性和長期經(jīng)濟增長率之間存在著正相關(guān)關(guān)系，但是短期波動性對長期經(jīng)濟增長率產(chǎn)生的卻是負向影響［8］。劉金全和張鶴（2003）使用三種方法分別度量了我國經(jīng)濟的波動性，然后對經(jīng)濟波動性與經(jīng)濟增長之間的關(guān)系進行了檢驗，結(jié)果表明，我國經(jīng)濟波動性對經(jīng)濟增長存在著正向影響關(guān)系［9］。劉金全等（2005）通過ARCH－M 模型和結(jié)構(gòu)VAR模型，對我國經(jīng)濟波動性對經(jīng)濟增長率的影響進行了實證檢驗，結(jié)果表明，經(jīng)濟波動性對經(jīng)濟增長產(chǎn)生了正向的影響效應(yīng)［10］。盧二坡和曾五一（2008）使用省級數(shù)據(jù)和面板數(shù)據(jù)模型，實證檢驗了我國短期波動和經(jīng)濟增長之間的影響關(guān)系。結(jié)果表明，兩者之間的影響關(guān)系可能隨著回歸方程中控制變量設(shè)定的改變而不同，經(jīng)濟波動對經(jīng)濟增長率的影響是非線性的［11］。邵軍和徐康寧（2011）通過DEA 方法和面板數(shù)據(jù)回歸模型，對我國經(jīng)濟波動性對生產(chǎn)率的影響進行了分析。結(jié)果表明，經(jīng)濟波動對于效率提高的影響并不顯著，但是對于技術(shù)進步則存在反周期性效應(yīng)［12］。

綜上所述，經(jīng)濟波動率對經(jīng)濟增長的影響在理論模型和實證分析的研究中均存在兩種不同的結(jié)論，目前尚未形成統(tǒng)一的共識。國內(nèi)這方面的研究鮮有涉及在不同經(jīng)濟周期階段下，經(jīng)濟波動率對經(jīng)濟增長率的影響是否一致的問題。本文擬在以前研究的基礎(chǔ)上，分析經(jīng)濟增長波動率對經(jīng)濟增長率溢出效應(yīng)的非對稱特征。具體地，首先利用GARCH（1，1）－M 模型初步分析經(jīng)濟波動性對經(jīng)濟增長率的影響方向。然后通過兩區(qū)制馬爾科夫區(qū)制轉(zhuǎn)移模型來確定各期屬于經(jīng)濟擴張期還是經(jīng)濟收縮期，最后通過帶有虛擬變量的GARCH（1，1）－M 模型來分析經(jīng)濟增長波動率在不同經(jīng)濟周期階段對經(jīng)濟增長率的影響效應(yīng)是否顯著不同。

二、經(jīng)濟波動率與經(jīng)濟增長率關(guān)聯(lián)性的數(shù)理分析

根據(jù)Blackburn和Galindev（2003）的分析，在不同的技術(shù)進步形成機制下，經(jīng)濟波動率與經(jīng)濟增長率之間的影響關(guān)系是不同的［13］。模型假設(shè)經(jīng)濟中是由大量相同且無限生命的人組成的，他們生產(chǎn)和消費單一產(chǎn)品。每一個人以最大化自身效用做出最優(yōu)選擇，一生貼現(xiàn)的效用函數(shù)具體表示如下：

約束條件如下：

其中，Ct表示消費，At表示生產(chǎn)率或者技術(shù)水平。由于經(jīng)濟中只生產(chǎn)一種產(chǎn)品且忽略了資本生產(chǎn)要素，所以所有產(chǎn)品都被用于消費。式（2）表示的是經(jīng)濟中的生產(chǎn)性約束，同時包含了產(chǎn)品市場均衡條件。γt表示消費偏好的平穩(wěn)隨機沖擊，其均值和方差分別為μγ和σ2γ。個體從消費Ct和休閑1－Lt－Ht中獲得正效用，其中，Lt表示個體在產(chǎn)品生產(chǎn)中的勞動時間投入，Ht表示為了提高生產(chǎn)率At而進行學(xué)習(xí)的勞動時間投入。式（3）表示的是實現(xiàn)技術(shù)進步的兩種途徑，即內(nèi)部學(xué)習(xí)和外部學(xué)習(xí)。內(nèi)部學(xué)習(xí)也被稱作主動學(xué)習(xí)，表示為了提高生產(chǎn)效率而進行的科研活動等；而外部學(xué)習(xí)又被稱作被動學(xué)習(xí)，主要體現(xiàn)了“干中學(xué)”的思想，即人們在勞動過程中會無意識地逐漸提高勞動生產(chǎn)率，也可以簡單地理解為熟能生巧?！t表示總就業(yè)水平，在式（3）中體現(xiàn)了技術(shù)進步中的“干中學(xué)”效應(yīng)。在這個數(shù)理模型中，經(jīng)濟增長是由技術(shù)進步驅(qū)動的，而技術(shù)水平的進步則是通過內(nèi)部學(xué)習(xí)和外部學(xué)習(xí)來實現(xiàn)的。如果φ＝0并且θ＞0，表示技術(shù)進步完全是通過外部學(xué)習(xí)實現(xiàn)的；如果φ＞0并且θ＝0，則意味著技術(shù)進步完全是內(nèi)部學(xué)習(xí)的結(jié)果。模型參數(shù)的不同所導(dǎo)致的這兩種極端情形在后面的分析中會涉及。

通過對上述最優(yōu)化問題的Lt和Ht求解，可以得到以下兩個方程：

其中，B＝β／（1－β）。從式（4）和式（5）中可以看出，Lt隨著γt的增加而增加，Ht則隨著γt的增加而減少。一個正向的需求沖擊會增加消費的邊際效用，導(dǎo)致從事提高生產(chǎn)率的內(nèi)部學(xué)習(xí)活動的機會成本增加，這樣人們增加更多生產(chǎn)的勞動時間投入，相對地減少為了技術(shù)進步而學(xué)習(xí)的勞動時間投入。

將式（4）和式（5）的結(jié)果代入到式（2）和式（3）中，同時利用均衡條件Lt＝ˉLt，就可以得到技術(shù)水平和產(chǎn)出增長率如下的表達式：

技術(shù)進步的形式會決定需求沖擊對技術(shù)進步率的影響方向。如果技術(shù)進步完全來自內(nèi)部學(xué)習(xí)（φ＞0，θ＝0），根據(jù)式（6）可以看出，技術(shù)進步率會隨著γt的增加而降低，這就說明技術(shù)進步率是反周期變化的。相反地，如果技術(shù)進步完全來自外部學(xué)習(xí)（φ＝0，θ＞0），那么技術(shù)進步率會隨著γt的增加而提高，這說明技術(shù)進步率是順周期變化的。根據(jù)式（7）可以看出，產(chǎn)出增長率的變化不僅取決于t期的需求沖擊，還與t＋1期的沖擊有關(guān)。一個γt的正向沖擊會增加當(dāng)期生產(chǎn)勞動投入，同時減少內(nèi)部學(xué)習(xí)的勞動投入，但是對于At＋1的影響方向卻是不確定的。這就意味著Ct會增加，但是Ct＋1可能增加或者降低，從而產(chǎn)出增長率可能升高或者降低。在技術(shù)進步完全依賴內(nèi)部學(xué)習(xí)（φ＞0，θ＝0）的特殊情形下，t期正向的需求沖擊會提高產(chǎn)出增長率；而在外部學(xué)習(xí)（φ＝0，θ＞0）的特殊情形下，t期正向的需求沖擊對產(chǎn)出增長率的影響方向則取決于參數(shù)θ和α的大小關(guān)系。由于γt＋1的正向沖擊會提高t＋1 期的生產(chǎn)勞動投入Lt＋1，從而提高t＋1 期的產(chǎn)出Ct＋1，所以t＋1期需求的正向沖擊會使得產(chǎn)出增長率升高。

根據(jù)式（7），可以得到如下兩個表達式：

從式（9）可以看出，產(chǎn)出增長率的方差與隨機需求沖擊的方差σ2γ是正相關(guān)的。從式（8）可以看出，如果令f（φ，θ，α）＝c11（μγ，μγ）＋c22（μγ，μγ），那么函數(shù)f（φ，θ，α）的符號會決定產(chǎn)出增長率的均值與隨機需求沖擊方差σ2γ之間正相關(guān)或負相關(guān)的關(guān)系，具體表達式如下：

和之前的分析一樣，這里依然著重討論兩種典型的技術(shù)進步形式對函數(shù)f（φ，θ，α）符號的影響。在技術(shù)進步完全來自內(nèi)部學(xué)習(xí)（φ＞0，θ＝0）的情形下，函數(shù)f（φ，θ，α）的符號為正，也就是說此時產(chǎn)出增長率的均值E（Ct＋1／Ct）和方差Var（Ct＋1／Ct）之間應(yīng)該存在正向的影響關(guān)系。而在技術(shù)進步完全來自外部學(xué)習(xí)（φ＝0，θ＞0）的情形下，函數(shù)f（φ，θ，α）的符號則取決于參數(shù)之間的大小關(guān)系。在眾多的參數(shù)關(guān)系組合中，θ＞α是f（φ，θ，α）＜0的充分條件。

由以上分析可以看出，經(jīng)濟波動率對經(jīng)濟增長率的影響關(guān)系很可能取決于技術(shù)進步來自主動學(xué)習(xí)還是被動學(xué)習(xí)。田依民和于洪菲（2014）為了估算潛在經(jīng)濟增長率而構(gòu)建了一個包含生產(chǎn)函數(shù)的狀態(tài)空間模型［14］。在模型的技術(shù)進步變化方程中，考慮了研究與實驗發(fā)展經(jīng)費支出、實際利用外資和勞動力投入對技術(shù)水平的影響。其中，科研活動投入費用對應(yīng)著上面理論模型中的內(nèi)部學(xué)習(xí)的含義，勞動力投入則對應(yīng)著理論模型中的外部學(xué)習(xí)的含義。實證結(jié)果表明，勞動力投入對技術(shù)水平的影響是顯著的，而研究與實驗發(fā)展經(jīng)費支出對技術(shù)水平的影響卻是不顯著的。這說明我國技術(shù)進步主要來自外部學(xué)習(xí)的形式，即“干中學(xué)”效應(yīng)在我國是非常明顯的。由于上面的數(shù)理模型中生產(chǎn)函數(shù)省略了資本，同時我國主動學(xué)習(xí)的勞動投入樣本長度過短，這就為直接估計模型中的主要參數(shù)帶來了困難。雖然上面數(shù)理模型和狀態(tài)空間模型表示主動學(xué)習(xí)的變量不同（在狀態(tài)空間模型中代表內(nèi)部學(xué)習(xí)的變量選擇的是科研活動投入費用，而在上面的理論模型中采用的是主動學(xué)習(xí)勞動時間投入），但是二者表示的經(jīng)濟含義是相同的，所以可以近似地認(rèn)為數(shù)理模型中參數(shù)φ＝0，θ＞0是符合我國情況的。同時，狀態(tài)空間模型的估計結(jié)果還表明勞動力對技術(shù)水平的影響參數(shù)約為0.45，生產(chǎn)函數(shù)中勞動力的彈性參數(shù)約為0.28，也就是說θ＞α。綜上，我國情況應(yīng)該對應(yīng)著數(shù)理模型φ＝0，θ＞0，θ＞α這樣的參數(shù)關(guān)系。而根據(jù)上面理論模型的分析結(jié)論，這樣的參數(shù)關(guān)系預(yù)言了經(jīng)濟波動率和經(jīng)濟增長率之間負向的影響關(guān)系。下面通過實證分析來進一步考察我國經(jīng)濟波動率對經(jīng)濟增長率的影響關(guān)系。

三、實證分析

為了實證檢驗經(jīng)濟增長波動率對經(jīng)濟增長率的影響效應(yīng)，本文首先利用季度名義GDP 和消費者價格指數(shù)得到實際季度GDP 的數(shù)據(jù)，然后對實際GDP進行季節(jié)調(diào)整。由于GARCH 族模型需要較多的樣本點，所以此處將季度實際GDP進行插值，以得到估算的月度GDP的數(shù)據(jù)，利用RATS 8.0 軟件完成數(shù)據(jù)頻率的轉(zhuǎn)化。然后以此月度GDP 數(shù)據(jù)算出月度GDP 環(huán)比增長率，作為本文實證分析的主要數(shù)據(jù)。數(shù)據(jù)區(qū)間是1992年1月份至2013年12月份，原始數(shù)據(jù)從國家統(tǒng)計局網(wǎng)站上獲得。

（一）ARCH 效應(yīng)的LM 檢驗

在建立GARCH－M 模型之前，需要對數(shù)據(jù)的聚類異方差性質(zhì)進行檢驗，以確定數(shù)據(jù)是否適合利用GARCH 類模型來建模。具體地，針對以下的回歸方程的殘差利用Engle的LM 統(tǒng)計量來進行ARCH 效應(yīng)檢驗：

其中，gt表示的是月度GDP的環(huán)比增長率，參數(shù)估計和LM 檢驗結(jié)果分別表示如下：

表1 方程（11）的估計結(jié)果

表2 Engle檢驗結(jié)果

從表1中可以看出，常數(shù)項和自回歸系數(shù)都是在1%的顯著性水平下顯著的，F(xiàn)統(tǒng)計量表明方程整體回歸在1%的顯著性水平下是顯著的。從表2中可以看出，T×R2統(tǒng)計量在1%的顯著性水平下拒絕了殘差序列不存在ARCH 效應(yīng)的原假設(shè)，這表明月度GDP 增長率是存在ARCH效應(yīng)的，利用GARCH 族模型對其建模是合理的。

（二）GARCH－M 模型的建立及估計

為了考察經(jīng)濟增長波動率對經(jīng)濟增長率的影響效應(yīng)，可以利用GARCH－M 模型來進行分析。GARCH－M 多用于考察金融資產(chǎn)的風(fēng)險是否對金融資產(chǎn)收益率產(chǎn)生溢出效應(yīng)影響。如果將經(jīng)濟增長率看作一國財富增長率，那么經(jīng)濟增長波動率就可以看作是財富增長率的風(fēng)險。所以GARCH－M 模型可以用來很好地分析經(jīng)濟增長波動率對經(jīng)濟增長率的影響效應(yīng)。具體建立如下的GARCH（1，1）模型：

其中，gt表示GDP的月度增長率，et表示服從標(biāo)準(zhǔn)正態(tài)分布的白噪聲，ht表示殘差εt的條件方差，表示εt的條件標(biāo)準(zhǔn)差。參數(shù)估計結(jié)果具體表示如下：

表3 GARCH－M 模型的估計結(jié)果

（三）利用兩區(qū)制馬爾可夫區(qū)制轉(zhuǎn)移模型劃分經(jīng)濟周期

關(guān)于經(jīng)濟周期的劃分，主要包括NBER 所使用的非參數(shù)方法和Hamilton（1989）提出區(qū)制轉(zhuǎn)移模型參數(shù)方法［15］。本文此處選擇Hamilton（1989）的方法對月度經(jīng)濟增長率建立高增長和低增長兩區(qū)制的馬爾可夫區(qū)制轉(zhuǎn)移模型，最后通過計算兩個狀態(tài)的后驗概率來得到經(jīng)濟周期劃分的結(jié)果。具體模型表示如下：

其中，St表示區(qū)制狀態(tài)變量，這里設(shè)定St取值為1或2，分別表示高增長區(qū)制和低增長區(qū)制。概率轉(zhuǎn)移矩陣表示如下：

其中，pij表示從狀態(tài)j轉(zhuǎn)移到狀態(tài)i的概率。上面的區(qū)制轉(zhuǎn)移模型表示的含義是，在不同的經(jīng)濟周期階段經(jīng)濟增長率的均值是不同的，μSt表示在不同狀態(tài)下gt序列的均值。通過識別出不同各期增長率均值所屬狀態(tài)，也就可以得到經(jīng)濟周期劃分的結(jié)果了。模型參數(shù)估計結(jié)果表示如下：

表4 馬爾可夫區(qū)制轉(zhuǎn)移模型估計結(jié)果

從表4中可以看出，經(jīng)濟平均增長率在兩個狀態(tài)下是明顯不同的。在經(jīng)濟擴張的區(qū)制下，月度平均增長率是1.02%；在經(jīng)濟收縮的區(qū)制下，平均增長率則為－0.11%。由此，可以定義區(qū)制一為經(jīng)濟繁榮擴張區(qū)制，而區(qū)制二為經(jīng)濟收縮區(qū)制。通過區(qū)制轉(zhuǎn)移模型雖然并不能確定樣本各期處于區(qū)制一還是區(qū)制二，但是可以算出各期所屬區(qū)制一和區(qū)制二的后驗概率。所以可以根據(jù)后驗概率是否大于0.5來確定各期所屬經(jīng)濟擴張階段還是經(jīng)濟收縮階段，也就是說，如果某一期區(qū)制一后驗平滑概率大于0.5，則認(rèn)定這一期為經(jīng)濟擴張期，反之則認(rèn)定這一期為經(jīng)濟收縮期。圖1表示的是樣本內(nèi)各期所屬經(jīng)濟擴張狀態(tài)和經(jīng)濟收縮狀態(tài)的后驗概率。然后根據(jù)概率是否大于0.5，就可以認(rèn)定各期所處的經(jīng)濟周期階段，進而得到關(guān)于經(jīng)濟周期不同階段的兩個虛擬變量d1和d2。d1在經(jīng)濟擴張期用1 表示，在經(jīng)濟收縮期用0表示，d2則與之相反。這樣就可以分析不同經(jīng)濟周期階段下，經(jīng)濟增長波動率對經(jīng)濟增長率的影響是否有所差異。兩區(qū)制在樣本內(nèi)各期的后驗平滑概率如圖1所示：

圖1 兩區(qū)制在各期的后驗平滑概率

（四）帶有虛擬變量的GARCH－M 模型

為了進一步考察經(jīng)濟增長波動率在不同經(jīng)濟周期階段對經(jīng)濟增長率的影響是否相同，借鑒Kim 和Lee（2008）的模型設(shè)定形式，在之前GARCH－M 模型基礎(chǔ)上加入表示經(jīng)濟周期不同階段的虛擬變量［16］。具體模型形式表示如下：

其中，δ1和δ2分別表示在經(jīng)濟擴張期和經(jīng)濟收縮期經(jīng)濟增長波動率對經(jīng)濟增長率的影響。和前面一樣，et表示服從標(biāo)準(zhǔn)正態(tài)分布的白噪聲。參數(shù)估計結(jié)果表示如下：

表5 包含虛擬變量GARCH－M 模型的估計結(jié)果

從表5中可以看出，δ1和δ2在1%的顯著性水平下是顯著不為零的。同時，δ1的估計值大于零，δ2的估計值小于零，這說明經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生的是非對稱效應(yīng)。具體而言，當(dāng)經(jīng)濟處于擴張時期，經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生了正向的顯著影響，當(dāng)經(jīng)濟處于收縮時期，經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生的則是負向的顯著影響。同時，δ2估計值的絕對值大于δ1的絕對值，這也就意味著經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生的總體影響效應(yīng)是負向的，這與前面不帶有虛擬變量GARCH－M 的回歸結(jié)果也是一致的。結(jié)合表3的回歸結(jié)果可以看出，從整體上看，經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生的是負向的顯著影響，同時在不同經(jīng)濟周期階段，這種影響又是顯著不同的。可能的原因是在經(jīng)濟擴張時期，企業(yè)和個人對當(dāng)前經(jīng)濟運行狀況信心非常充足，對經(jīng)濟前景樂觀，而高收益伴隨著高風(fēng)險，此時人們更愿意追求高收益而忽視高風(fēng)險，從而增加了投資，投資又增加了總需求，使得經(jīng)濟增長率升高。另外，消費者可能由于經(jīng)濟增長風(fēng)險增加而增加了預(yù)防性儲蓄，更高的儲蓄水平會帶來更高的均衡經(jīng)濟增長率。在經(jīng)濟收縮時期，人們對經(jīng)濟運行前景并不樂觀，企業(yè)和個人變得更加謹(jǐn)慎，相對于高收益，更加重視背后的高風(fēng)險，所以當(dāng)表示經(jīng)濟風(fēng)險的波動率增加時，企業(yè)可能會減少投資，總需求降低導(dǎo)致了經(jīng)濟增長率隨之降低。這樣的結(jié)果說明了古典經(jīng)濟學(xué)關(guān)于經(jīng)濟周期和經(jīng)濟增長“二分法”在我國是不成立的。我國經(jīng)濟周期和經(jīng)濟增長并不是相互獨立的經(jīng)濟現(xiàn)象，經(jīng)濟周期的波動情況對經(jīng)濟增長會產(chǎn)生影響。

四、結(jié)論及政策啟示

本文首先通過一個數(shù)理模型分析了經(jīng)濟波動率和經(jīng)濟增長率之間的關(guān)聯(lián)性，對模型中主要參數(shù)進行了校準(zhǔn)。然后對季度GDP 數(shù)據(jù)進行月度分解得到GDP 增長率并建立了GARCH（1，1）－M 模型，通過測算可知經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生了負向的影響效應(yīng)，這也驗證了之前數(shù)理模型的結(jié)論。之后通過馬爾可夫兩區(qū)制轉(zhuǎn)移模型識別出樣本內(nèi)各期所屬經(jīng)濟擴張期還是經(jīng)濟收縮期，從而進一步地研究不同經(jīng)濟周期階段經(jīng)濟增長波動率對經(jīng)濟增長率的影響。帶有表示不同經(jīng)濟周期階段的虛擬變量的GARCH（1，1）－M 模型回歸結(jié)果表明，經(jīng)濟增長波動率在不同經(jīng)濟周期階段對經(jīng)濟增長率的影響呈現(xiàn)出非對稱性的特征。也就是說，在經(jīng)濟擴張期和經(jīng)濟收縮期，經(jīng)濟增長波動率對經(jīng)濟增長率的影響是顯著不同而且方向是相反的。在經(jīng)濟擴張期經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生的是顯著的正向影響效應(yīng)，在經(jīng)濟收縮期經(jīng)濟增長波動率對經(jīng)濟增長率產(chǎn)生的是顯著的負向影響效應(yīng)，而這種負向影響程度要大于正向影響程度。

經(jīng)濟增長波動率對經(jīng)濟增長率的溢出效應(yīng)具有非對稱性特征，這意味著政府在不同的經(jīng)濟周期階段應(yīng)當(dāng)采取不同的政策。從短期來看，在經(jīng)濟擴張繁榮時期，由于經(jīng)濟波動率對經(jīng)濟增長率具有正向的溢出效應(yīng)，所以當(dāng)經(jīng)濟運行出現(xiàn)一定的波動性時，政府可以適當(dāng)減輕短期需求管理政策對經(jīng)濟的“干預(yù)”力度，即政策當(dāng)局在經(jīng)濟擴張期對于一定程度的經(jīng)濟波動不必“過度重視”。在經(jīng)濟收縮低增長時期，由于經(jīng)濟波動率對經(jīng)濟增長率產(chǎn)生了負向的溢出效應(yīng)，所以政府需要對經(jīng)濟波動情況采取更加關(guān)注的態(tài)度。即政府在經(jīng)濟收縮時期應(yīng)該加大需求管理政策對經(jīng)濟的“干預(yù)”力度。也就是說，政府在不同的經(jīng)濟周期階段對待經(jīng)濟波動情況應(yīng)當(dāng)采取不同的“容忍”態(tài)度。如果政府在決策當(dāng)期還無法準(zhǔn)確判斷經(jīng)濟處在擴張期還是收縮期，由于經(jīng)濟增長波動率在整體上對經(jīng)濟增長率的影響效應(yīng)還是負向的，政府就應(yīng)當(dāng)實施以減少經(jīng)濟波動情況的逆周期政策。

［1］ Black F.Business Cycles and Equilibrium［M］.New York：Basil Blackwell，1987.

［2］ Blackburn K.Can Stabilisation Policy Reduce Long－run Growth？［J］.Economic Journal，1999，109（452）：67－77.

［3］ 陳昆亭，周炎，龔六堂.短期經(jīng)濟波動如何影響長期增長趨勢？［J］.經(jīng)濟研究，2012（1）：42－53.

［4］ K.B.Crier，ólan T.Henry，N.Olekalns，K.Shields.The Asymmetric Effects of Uncertainty on Inflation and Output Growth［J］.Journal of Applied Econometrics，2004，19（5）：551－565.

［5］ M.Hakan Berument，N.Nergiz Dincer，Z.Mustafaoglu.Effects of growth volatility on economic performance－Empirical evidence from Turkey［J］.European Journal of Operational Research，2012，217（2）：351－356.

［6］ Cerra V.，S.Saxena.Growth Dynamics：The Myth of Economic Recovery［R］.BIS Working Papers，2007，No.226.

［7］ Martin P.C.，A.Rogers.Long－term Growth and Short－term Instability［J］.European Economic Review，2000，44（2）：359－381.

［8］ Antonio Fatás.The Effects of Business Cycles on Growth［R］.Central Bank of Chile Working Papers，2001，No.156.

［9］ 劉金全，張鶴.經(jīng)濟增長風(fēng)險的沖擊傳導(dǎo)和經(jīng)濟周期波動的“溢出效應(yīng)”［J］.經(jīng)濟研究，2003（10）：32－39.

［10］ 劉金全，付一婷，王勇.我國經(jīng)濟增長趨勢與經(jīng)濟周期波動性之間的作用機制檢驗［J］.管理世界，2005（4）：5－11.

［11］ 盧二坡，曾五一.轉(zhuǎn)型期中國經(jīng)濟短期波動對長期經(jīng)濟增長影響的實證研究［J］.管理世界，2008（12）：10－23.

［12］ 邵軍，徐康寧.轉(zhuǎn)型時期經(jīng)濟波動對我國生產(chǎn)率增長的影響研究［J］.經(jīng)濟研究，2011（12）：97－109.

［13］ Keith Blackburn，Ragchaasuren Galindev.Growth，volatility，learning［J］.Economics Letters，2003，79（3）：417－421.

［14］ 田依民，于洪菲.開放經(jīng)濟下中國潛在產(chǎn)出和技術(shù)水平的估算——基于Kalman濾波的狀態(tài)空間模型［J］.經(jīng)濟問題，2014（12）：30－36.

［15］ James D.Hamilton.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle［J］.Econometrica，1989，57（2）：357－384.

［16］ Sei－Wan Kim，Bong－Soo Lee.Stock Returns，Asymmetric Volatility，Risk Aversion，and Business Cycle：Some New Evidence［J］.Economic Inquiry，2008，46（2）：131－148.