周德才，劉 琪，朱志亮，劉 波

（南昌大學(xué) 經(jīng)濟(jì)管理學(xué)院，南昌 330031）

0 引言

目前，我國(guó)金融經(jīng)濟(jì)正在全面經(jīng)歷多種結(jié)構(gòu)變化，呈現(xiàn)錯(cuò)綜復(fù)雜的局面。為了有效刻畫(huà)目前我國(guó)金融經(jīng)濟(jì)的狀況，需要編制我國(guó)多機(jī)制非線性金融狀況指數(shù)（Multiple regimes Nonlinear FCI，MR-NFCI）。通過(guò)文獻(xiàn)分析發(fā)現(xiàn)，學(xué)者對(duì)FCI的研究主要分為兩類(lèi)：一是基于線性計(jì)量模型的線性FCI研究。根據(jù)模型是否具有動(dòng)態(tài)性，F(xiàn)CI研究又可進(jìn)一步分為靜態(tài)FCI研究和動(dòng)態(tài)FCI研究，前者主要使用VAR等模型構(gòu)建了FCI，后者則主要使用TVP-SV-VAR模型構(gòu)建FCI[1]。二是基于非線性計(jì)量模型的非線性FCI研究。根據(jù)非線性計(jì)量模型涉及機(jī)制的多寡，又可分為：第一，2機(jī)制非線性FCI研究。封思賢等（2012）[2]、周德才等（2014）[3]分別使用2機(jī)制的MS-VAR和MS-SW模型，研究了中國(guó)FCI；Galv?o和Owyang（2013）[4]使用LSTAR模型分析了FCI的宏觀經(jīng)濟(jì)效應(yīng)。第二，多機(jī)制非線性FCI研究。目前該文獻(xiàn)鮮見(jiàn)，如李正輝和鄭玉航（2015）[5]利用3機(jī)制的MS-AR模型描述FCI的動(dòng)態(tài)變化;周德才等（2018）[6]使用4機(jī)制的TVAR模型構(gòu)建了中國(guó)多機(jī)制門(mén)限FCI。綜上，國(guó)內(nèi)外學(xué)者主要使用線性模型構(gòu)建并應(yīng)用FCI，使用非線性模型構(gòu)建并應(yīng)用FCI的研究比較少見(jiàn)。因此本文借鑒van Dijk和Franses（2002）[7],使用MR-STAR模型，編制我國(guó)多機(jī)制非線性金融狀況指數(shù)，并將其應(yīng)用于對(duì)經(jīng)濟(jì)增長(zhǎng)的預(yù)測(cè)研究。

1 構(gòu)建MR-NFCI的計(jì)量模型和編制公式

1.1 MR-LSTAR模型一般形式

van Dijk和Franses（2002）[7]提出了MR-LSTAR模型，即通過(guò)引入多個(gè)不同的轉(zhuǎn)換機(jī)制，實(shí)現(xiàn)多個(gè)機(jī)制之間的非線性轉(zhuǎn)換在同一時(shí)間被刻畫(huà)出來(lái)。該模型的具體形式為：

其中，α是線性部分系數(shù)；β是虛擬變量W的系數(shù)；λm是非線性部分系數(shù)；f(Zt;γm,Cm)是轉(zhuǎn)換函數(shù)，且定義，它是一個(gè)單調(diào)遞增函數(shù)，當(dāng)Zt→∞ 時(shí) ，則f(Zt;γm,Cm)→1 ；當(dāng)Zt→-∞ 時(shí) ，f(Zt;γm,Cm)→0；M是機(jī)制個(gè)數(shù)；γm是平滑系數(shù)，決定了極限狀態(tài)間轉(zhuǎn)移的速率，即當(dāng)γm趨近于無(wú)窮時(shí)，邏輯函數(shù)f(Zt;γm,Cm)退化為階躍函數(shù)，且模型不再具有平滑轉(zhuǎn)換特性，退化為以系數(shù)C為門(mén)限值的模型；Cm是門(mén)限系數(shù)；εt是任意隨機(jī)干擾項(xiàng)。

1.2 MR-LSTAR模型估計(jì)

本文將MR-LSTAR模型估計(jì)過(guò)程總結(jié)為以下六大步驟：

（1）MR-LSTAR模型的滯后階數(shù)檢驗(yàn)。

（2）MR-LSTAR模型的非線性檢驗(yàn)。一般通過(guò)對(duì)式(1)進(jìn)行非線性檢驗(yàn)。本文選擇檢驗(yàn)γm=0是否成立來(lái)進(jìn)行。若成立，表明該模型是線性模型。根據(jù)Colletaz和Hurlin（2006）[8]提出的F檢驗(yàn)方法進(jìn)行檢驗(yàn)。若檢驗(yàn)拒絕了原假設(shè)，還要繼續(xù)檢驗(yàn)是否還存在其他機(jī)制的非線性行為，如式（2）所示：

（3）MR-LSTAR模型的轉(zhuǎn)換變量檢驗(yàn)。參考van Dijk和Franses（2002）[7]的F檢驗(yàn)方法。設(shè)共有K個(gè)自變量，選擇從第n(n=1,2,…,K)個(gè)自變量作為可能的轉(zhuǎn)換變量開(kāi)始檢驗(yàn)，原假設(shè)為模型是線性模型、備擇假設(shè)是第n個(gè)自變量為轉(zhuǎn)換變量，從n=1開(kāi)始，直至全部自變量檢驗(yàn)完畢，在F檢驗(yàn)顯著的轉(zhuǎn)換變量中P值最小的是最優(yōu)轉(zhuǎn)換變量。

（4）MR-LSTAR模型的模型形式檢驗(yàn)。本文采用Sarantis[9]提出的檢驗(yàn)法，檢驗(yàn)轉(zhuǎn)換函數(shù)形式是MR-LSTAR還是MR-ESTAR模型形式。

（5）MR-LSTAR模型的機(jī)制個(gè)數(shù)檢驗(yàn)。即確定模型中M的值。首先，選定最大允許的機(jī)制個(gè)數(shù)。其次，使用相同的F檢驗(yàn)，其原假設(shè)為模型是線性模型(1個(gè)機(jī)制)、備擇假設(shè)為模型是在某滯后階數(shù)下機(jī)制數(shù)為M+1=2、3、…的MR-LSTAR模型，即從M=1即機(jī)制數(shù)為2開(kāi)始檢驗(yàn)，一直到F檢驗(yàn)被拒絕為止。

（6）MR-LSTAR模型系數(shù)估計(jì)。在完成以上所有檢驗(yàn)之后，本文采用非線性最小二乘法進(jìn)行模型系數(shù)估計(jì)。

1.3 構(gòu)建MR-NFCI的多機(jī)制平滑轉(zhuǎn)換編制公式

參考Goodhart和 Hofmann（2001）[1]，本文將測(cè)度公式分成線性部分和非線性部分，其中非線性部分分為多種機(jī)制，并乘以轉(zhuǎn)換函數(shù)值：

性部分的權(quán)重，αip表示第i個(gè)金融變量第p階滯后的線性部分系數(shù)，λimp表示第i個(gè)金融變量在第m種機(jī)制下第p階滯后的非線性部分系數(shù)。

2 實(shí)證分析

2.1 數(shù)據(jù)選擇與處理

2.1.1 數(shù)據(jù)選擇

本文選擇廣義貨幣供應(yīng)量（M2）、Chibor7天利率(NR)、人民幣有效匯率(RE)、上證綜指(SP)和商品房平均銷(xiāo)售價(jià)格(HP)等金融變量和GDP實(shí)際增長(zhǎng)率（RG），樣本區(qū)間為1998年1月至2016年6月月度數(shù)據(jù)，共222個(gè)樣本點(diǎn)。除了實(shí)際利率是通過(guò)名義利率減去通脹得到，其他金融變量的實(shí)際值是通過(guò)名義值除以定基比的CPI得到。月度GDP實(shí)際同比增長(zhǎng)率得到步驟為：①季度名義GDP除以GDP折算指數(shù)，得到季度實(shí)際GDP；②季節(jié)性調(diào)整，將數(shù)據(jù)分解成月度實(shí)際GDP；③計(jì)算其月度實(shí)際同比增長(zhǎng)率。

2.1.2 數(shù)據(jù)的處理

對(duì)經(jīng)過(guò)實(shí)際化處理的數(shù)據(jù)進(jìn)行季節(jié)調(diào)整，進(jìn)而做對(duì)數(shù)化處理，然后使用HP濾波方法計(jì)算各個(gè)變量的長(zhǎng)期趨勢(shì)值，本文采用各個(gè)變量的原始數(shù)據(jù)減去其HP濾波估計(jì)出來(lái)的趨勢(shì)值得到缺口值。為了方便，對(duì)變量做上述多次處理的最終結(jié)果仍然用原有符號(hào)表示。

2.1.3 平穩(wěn)性檢驗(yàn)

本文采用ADF和PP檢驗(yàn)兩種方法進(jìn)行檢驗(yàn)。ADF檢驗(yàn)結(jié)果表明所有變量都在1%的顯著水平上拒絕原假設(shè)；PP檢驗(yàn)結(jié)果表明除了RG在5%的顯著水平上拒絕原假設(shè)外，其他變量都在1%的顯著水平上拒絕原假設(shè)。因此它們都是平穩(wěn)序列，能夠用來(lái)構(gòu)建MR-LSTAR模型。

2.2 MR-LSTAR模型檢驗(yàn)與估計(jì)

按照上文總結(jié)的構(gòu)建MR-LSTAR模型的六大步驟，本文基于樣本數(shù)據(jù)依次進(jìn)行檢驗(yàn)和估計(jì)。

2.2.1 MR-LSTAR模型的滯后階數(shù)檢驗(yàn)

本文使用AIC、SC、HQ、LOGL等標(biāo)準(zhǔn)進(jìn)行最優(yōu)滯后階數(shù)檢驗(yàn)。檢驗(yàn)結(jié)果表明，按照AIC、SC、HQ、LOGL標(biāo)準(zhǔn)，其最優(yōu)滯后階數(shù)分別是5階、2階、4階及6階。本文按照慣例參照AIC標(biāo)準(zhǔn)最終選擇5階。

2.2.2 模型變量的非線性檢驗(yàn)和轉(zhuǎn)換變量檢驗(yàn)

因?yàn)樽顑?yōu)滯后階數(shù)是5階，本文一共有6個(gè)變量，每個(gè)變量有5個(gè)滯后變量，所以共有6*5=30個(gè)變量。按照F檢驗(yàn)方法，對(duì)這30個(gè)變量逐一檢驗(yàn)，檢驗(yàn)結(jié)果具體見(jiàn)表1。

表1 模型變量非線線檢驗(yàn)和轉(zhuǎn)換變量檢驗(yàn)

從表1可以看出，在10%的顯著水平上，有RG(-1)等15個(gè)模型變量是非線性的，在5%的顯著水平上，有M2(-1)等11個(gè)模型變量是非線性的，在1%的顯著水平上，有M2(-2)等4個(gè)模型變量是非線性的。因此，無(wú)論從哪個(gè)顯著水平上看，非線性模型都比線性模型更適合現(xiàn)有樣本數(shù)據(jù)?？偟膩?lái)看，變量M2(-2)的F統(tǒng)計(jì)量最大，P值最小，所以最優(yōu)轉(zhuǎn)換變量是M2(-2)。

2.2.3 模型形式檢驗(yàn)

計(jì)算F統(tǒng)計(jì)量及其P值和診斷檢驗(yàn)結(jié)果，限于篇幅沒(méi)有列出檢驗(yàn)結(jié)果表。根據(jù)檢驗(yàn)結(jié)果可知，M2(-1)等11個(gè)模型變量的模型形式檢驗(yàn)結(jié)果為非線性模型，且所有檢驗(yàn)結(jié)果為非線性模型的變量中，最優(yōu)的模型形式都是LSTR。因此，最優(yōu)模型形式是MR-LSTAR模型。

2.2.4 MR-LSTAR模型的機(jī)制數(shù)檢驗(yàn)

對(duì)模型進(jìn)行機(jī)制數(shù)檢驗(yàn)，根據(jù)檢驗(yàn)結(jié)果得出，基于MR-LSTAR模型，從2個(gè)機(jī)制開(kāi)始檢驗(yàn)，一直到4個(gè)機(jī)制的時(shí)候被拒絕，因此，最優(yōu)機(jī)制個(gè)數(shù)是3個(gè)。

2.2.5 MR-LSTAR模型的系數(shù)估計(jì)值估計(jì)

限于篇幅沒(méi)有列出估計(jì)結(jié)果表。首先，進(jìn)行門(mén)限系數(shù)和平滑系數(shù)分析。兩個(gè)門(mén)限系數(shù)分別為C1=0.577和C2=0.777，將金融變量劃分為三種機(jī)制：當(dāng)M2(-2)＜=0.57時(shí)為第一種機(jī)制，記為普通缺口；當(dāng)0.577＜M2(-2)＜=0.777時(shí)為第二種機(jī)制，記為較大缺口；當(dāng)M2(-2)＞0.777時(shí)為第三種機(jī)制，記為大缺口。兩個(gè)平滑系數(shù)分別為=1491.43和=6.027，表明從第一機(jī)制向第二機(jī)制轉(zhuǎn)換的速度非常迅速，而從第二機(jī)制向第三機(jī)制轉(zhuǎn)換的速度則相對(duì)緩慢。其次，進(jìn)行模型系數(shù)估計(jì)值分析。本文參考陳宇峰等（2012）[10]把STAR模型顯著水平定為60%，發(fā)現(xiàn)系數(shù)都在60%的顯著水平上顯著,說(shuō)明本文模型擬合的效果較理想。從線性部分系數(shù)來(lái)看，除了匯率(RE)外，其余4個(gè)變量都至少有1個(gè)滯后變量對(duì)實(shí)際經(jīng)濟(jì)增長(zhǎng)率(RG)的影響系數(shù)在1%或5%或10%顯著水平上是顯著的；從第1門(mén)限系數(shù)來(lái)看，5個(gè)變量至少都有1個(gè)滯后變量對(duì)RG在1%或5%或10%顯著水平上具有顯著影響；從第2門(mén)限系數(shù)來(lái)看，除了股價(jià)(SP)外，其他4個(gè)變量都至少有1個(gè)滯后變量對(duì)RG在1%或5%或10%顯著水平上具有顯著影響。該結(jié)果表明貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)的影響呈非線性特征，且具有多種結(jié)構(gòu)變化特征。綜上，我國(guó)貨幣政策更偏好通過(guò)創(chuàng)造普通缺口和較大缺口以及在兩個(gè)缺口之間進(jìn)行非常迅速的非線性轉(zhuǎn)換來(lái)調(diào)節(jié)經(jīng)濟(jì)增長(zhǎng)，只有遇到嚴(yán)重風(fēng)險(xiǎn)事件時(shí)才會(huì)轉(zhuǎn)換到大缺口來(lái)調(diào)節(jié)經(jīng)濟(jì)增長(zhǎng)。

2.3 多機(jī)制非線性金融狀況指數(shù)測(cè)度結(jié)果

本文編制的我國(guó)3R-NFCI是由線性部分FCI和非線性部分兩個(gè)機(jī)制下的兩個(gè)FCI組成，其中線性部分FCI記為FCI1，非線性部分第一個(gè)門(mén)限FCI記為FCI2，第二個(gè)門(mén)限FCI記為FCI3。

2.3.1 轉(zhuǎn)換函數(shù)分析

圖1是以滯后2階的貨幣供應(yīng)量缺口值(M2(-2))為轉(zhuǎn)換變量的第1個(gè)門(mén)限的轉(zhuǎn)移函數(shù)f(M2(-2)t;γ1,C1)和第二個(gè)門(mén)限的轉(zhuǎn)換函數(shù)f(M2(-2)t;γ2,C2)的大小順序示意圖。圖1揭示了我國(guó)貨幣政策，以及金融市場(chǎng)狀況對(duì)實(shí)際經(jīng)濟(jì)增長(zhǎng)率的影響路徑，由于M2(-2)不同而導(dǎo)致轉(zhuǎn)換函數(shù)具有了多機(jī)制轉(zhuǎn)換的多維非線性特征。首先，從圖1可以看出，f(M2(-2)t;γ1,C1)從第一機(jī)制轉(zhuǎn)換到第二機(jī)制的速度非常快，幾乎呈直線上升趨勢(shì)；同時(shí)，f(M2(-2)t;γ2,C2)從第二機(jī)制轉(zhuǎn)換到第三機(jī)制的速度則相對(duì)緩慢，呈緩緩上升趨勢(shì)。其次，轉(zhuǎn)換函數(shù)f(Zt;γ1,C1)的拐點(diǎn)C1=0.577，說(shuō)明當(dāng)M2(-2)小于0.577時(shí)，金融市場(chǎng)狀況通過(guò)線性機(jī)制對(duì)我國(guó)實(shí)際經(jīng)濟(jì)增長(zhǎng)發(fā)揮線性影響作用，而當(dāng)大于0.577時(shí)，將通過(guò)線性機(jī)制和非線性機(jī)制對(duì)我國(guó)實(shí)際經(jīng)濟(jì)增長(zhǎng)發(fā)揮非線性影響作用；轉(zhuǎn)換函數(shù)f(Zt;γ2,C2)的拐點(diǎn)C2=0.777時(shí)，說(shuō)明當(dāng)M2(-2)進(jìn)一步擴(kuò)大到0.777時(shí)以上時(shí)，將通過(guò)雙重非線性機(jī)制對(duì)我國(guó)實(shí)際經(jīng)濟(jì)增長(zhǎng)發(fā)揮雙重的非線性影響作用。

圖1 轉(zhuǎn)換函數(shù)大小順序示意

圖2是以M2(-2)為轉(zhuǎn)換變量的f(M2(-2)t;γ1,C1)和f(M2(-2)t;γ2,C2)的時(shí)間順序示意圖。圖2刻畫(huà)了我國(guó)貨幣政策，以及金融市場(chǎng)狀況與實(shí)際經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系處于各種機(jī)制下的時(shí)間坐標(biāo)。它們之間的關(guān)系大部分時(shí)間處于第一機(jī)制下；處于第二機(jī)制時(shí)間段主要是我國(guó)遭遇嚴(yán)重金融經(jīng)濟(jì)風(fēng)險(xiǎn)事情期間，主要包括1999年亞洲金融危機(jī)、2003年非典、2005—2006年股市熊市期間以及2009年年中至2011年初應(yīng)對(duì)美國(guó)金融危機(jī)的刺激政策期間；處于第三機(jī)制的時(shí)間段主要是上述風(fēng)險(xiǎn)事件進(jìn)一步深化期間。

圖2 轉(zhuǎn)換函數(shù)時(shí)間順序示意圖

2.3.2 我國(guó)3R-NFCI的測(cè)度結(jié)果分析

本文首先測(cè)度不同機(jī)制下的各變量權(quán)重系數(shù)及其指數(shù)值，并記線性機(jī)制以及第1、2個(gè)門(mén)限下的FCI為FCI1、FCI2和FCI3，見(jiàn)表2和圖3。首先，進(jìn)行不同機(jī)制下權(quán)重分析。不同機(jī)制下的各變量權(quán)重系數(shù)各不相同，且各變量在同一機(jī)制下也不盡相同；在線性機(jī)制下，我國(guó)經(jīng)濟(jì)增長(zhǎng)主要受房?jī)r(jià)、利率和股價(jià)的影響；在第1門(mén)限下，主要受利率、貨幣供應(yīng)量、匯率和房?jī)r(jià)影響；在第2門(mén)限下，主要受股價(jià)、貨幣供應(yīng)量、利率和匯率影響。綜上，說(shuō)明我國(guó)貨幣政策調(diào)控經(jīng)濟(jì)增長(zhǎng)的工具效應(yīng)有非對(duì)稱(chēng)特征，操作模式具有價(jià)格和數(shù)量結(jié)合型特征。其次，進(jìn)行3R-NFCI的指數(shù)值分析。從圖3可以看出，3R-NFCI與FCI1幾乎重合，說(shuō)明本文構(gòu)建的3R-NFCI主要由線性機(jī)制刻畫(huà)，但當(dāng)我國(guó)金融經(jīng)濟(jì)遇嚴(yán)重風(fēng)險(xiǎn)事件時(shí)，非線性機(jī)制發(fā)揮的作用幾乎與線性機(jī)制相當(dāng)，甚至超過(guò)線性機(jī)制。

表2 3R-NFCI不同機(jī)制下的權(quán)重系數(shù)表

圖3 我國(guó)金融狀況指數(shù)圖

2.4 3機(jī)制非線性金融狀況指數(shù)與實(shí)際經(jīng)濟(jì)增長(zhǎng)率的相關(guān)性分析

2.4.1 3R-NFCI與RG圖形比較分析

由圖4可知：第一，本文構(gòu)建的3R-NFCI、2R-NFCI、1R-FCI與RG都呈現(xiàn)大致相同整體運(yùn)行軌跡，且都是RG的領(lǐng)先指標(biāo)，對(duì)RG具有先導(dǎo)作用；第二，從對(duì)RG的領(lǐng)先性上看，本文構(gòu)建的3R-NFCI、2R-NFCI、1R-FCI分別領(lǐng)先RG約1～11個(gè)月、1～4個(gè)月、1～10個(gè)月，說(shuō)明在領(lǐng)先性上3R-NFCI優(yōu)于1R-FCI和2R-NFCI。

圖4 各機(jī)制FCI與RG比較分析

2.4.2 R-NFCI與RG的跨期相關(guān)性檢驗(yàn)

根據(jù)檢驗(yàn)結(jié)果得出（限于篇幅沒(méi)有列出檢驗(yàn)結(jié)果表）：首先，從最大跨期相關(guān)系數(shù)來(lái)看，3R-NFCI、2R-NFCI和1R-FCI分別為0.44、0.40和0.43，這說(shuō)明在跨期相關(guān)系數(shù)最大值上3R-NFCI優(yōu)于1R-FCI和2R-NFCI，并適應(yīng)于對(duì)實(shí)際經(jīng)濟(jì)增長(zhǎng)進(jìn)行中短期預(yù)測(cè)；其次，從前15期跨期相關(guān)系數(shù)的平均數(shù)來(lái)看，3R-NFCI、2R-NFCI和1R-FCI分別為0.298、0.268、0.254，這說(shuō)明在跨期相關(guān)系數(shù)平均數(shù)上，3R-NFCI明顯優(yōu)于2R-NFCI和1R-FCI?？傊谂c我國(guó)實(shí)際經(jīng)濟(jì)增長(zhǎng)率的跨期相關(guān)性上，3R-NFCI優(yōu)于2機(jī)制和1機(jī)制的金融狀況指數(shù)，并適應(yīng)于對(duì)實(shí)際經(jīng)濟(jì)增長(zhǎng)率的中短期預(yù)測(cè)。

2.5 格蘭杰因果關(guān)系檢驗(yàn)

根據(jù)檢驗(yàn)結(jié)果得出（限于篇幅沒(méi)有列出估計(jì)結(jié)果表），在1%的顯著水平上，滯后1-11階的3R-NFCI和2R-NFCI都是RG的格蘭杰原因，滯后1-7、9、11的1R-FCI是RG的格蘭杰原因，在5%的顯著水平上，滯后8、10階的1R-FCI是RG的格蘭杰原因；同時(shí)，在1%的顯著水平上，滯后2-3、5-11階的RG是3R-NFCI的格蘭杰原因，滯后8-11階的RG是2R-NFCI的格蘭杰原因，滯后1-3、5-10階的RG是1R-FCI的格蘭杰原因，在5%的顯著水平上，滯后1、4階的RG是3R-NFCI的格蘭杰原因，滯后2、3階是2R-NFCI的格蘭杰原因，滯后4、11階的RG是1R-FCI的格蘭杰原因，在10%的顯著水平上，滯后1、7階的RG是2R-NFCI的格蘭杰原因，而滯后4-6階的RG不是2R-NFCI的格蘭杰原因?？傊?，本文構(gòu)建的3R-NFCI與實(shí)際經(jīng)濟(jì)增長(zhǎng)存在顯著的雙向格蘭杰因果關(guān)系，在因果性上優(yōu)于2R-NFCI和1R-FCI。

2.6 3R-NFCI對(duì)實(shí)際經(jīng)濟(jì)增長(zhǎng)率的預(yù)測(cè)能力檢驗(yàn)

本文采用了循環(huán)式方程對(duì)實(shí)際經(jīng)濟(jì)增長(zhǎng)率進(jìn)行預(yù)測(cè)，其具體公式為：

其中，表示提前k期的3R-NFCI，k取0、1、2、…、11（檢驗(yàn)結(jié)果限于篇幅沒(méi)有列出)。首先，從最大擬合優(yōu)度(R2)來(lái)看，3R-NFCI、2R-NFCI和1R-FCI分別在第9、6和10期達(dá)到最大值0.194、0.149和0.191，說(shuō)明在最大擬合優(yōu)度上3R-NFCI優(yōu)于1R-FCI和2R-NFCI；其次，從前11期平均擬合優(yōu)度(R2)來(lái)看，3R-NFCI、2R-NFCI和1R-FCI分別為0.110、0.107和0.085，說(shuō)明在平均擬合優(yōu)度上3R-NFCI優(yōu)于1R-NFCI和2R-FCI?？傊趯?duì)我國(guó)RG的預(yù)測(cè)能力上，3R-NFCI優(yōu)于2R-NFCI和1R-FCI，并適應(yīng)于對(duì)RG中短期預(yù)測(cè)。

3 結(jié)論

考慮到測(cè)度傳統(tǒng)FCI的一般是單機(jī)制和線性模型，多機(jī)制非線性模型鮮見(jiàn)，本文首次使用MR-LSTAR模型，實(shí)證測(cè)度了我國(guó)3R-NFCI，得到以下結(jié)論：（1）我國(guó)MR-NFCI是經(jīng)濟(jì)增長(zhǎng)的一個(gè)良好的領(lǐng)先、相關(guān)和預(yù)測(cè)指標(biāo)。通過(guò)實(shí)證測(cè)度發(fā)現(xiàn)，本文構(gòu)建的3R-NFCI在對(duì)RG的領(lǐng)先性、相關(guān)性、因果性以及預(yù)測(cè)能力方面，都優(yōu)于2R-NFCI和1R-FCI。（2）我國(guó)貨幣政策調(diào)控經(jīng)濟(jì)增長(zhǎng)的工具效應(yīng)具有非對(duì)稱(chēng)性特征，操作模式具有價(jià)格和數(shù)量結(jié)合型特征。本文通過(guò)實(shí)證測(cè)度發(fā)現(xiàn)，構(gòu)成我國(guó)3R-FCI的每個(gè)金融變量的權(quán)重在不同的機(jī)制下各不相同，且在同一機(jī)制下也不盡相同；同時(shí)，在各種機(jī)制下，貨幣供應(yīng)量這個(gè)數(shù)量型變量和利率、房?jī)r(jià)等價(jià)格型變量都具有較大權(quán)重。（3）我國(guó)貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)的傳導(dǎo)機(jī)制具有多機(jī)制非線性特征。在一般狀況下我國(guó)貨幣政策主要通過(guò)制造普通缺口和線性機(jī)制對(duì)經(jīng)濟(jì)增長(zhǎng)發(fā)揮傳導(dǎo)機(jī)制作用，在金融經(jīng)濟(jì)遭受?chē)?yán)重的風(fēng)險(xiǎn)事件時(shí)，主要通過(guò)制造較大缺口以及線性機(jī)制和低門(mén)限非線性機(jī)制兩種機(jī)制混合發(fā)揮傳導(dǎo)機(jī)制作用；在風(fēng)險(xiǎn)事件進(jìn)一步深化時(shí)，主要通過(guò)制造大缺口以及線性、低門(mén)限和高門(mén)限非線性三種機(jī)制混合發(fā)揮傳導(dǎo)機(jī)制作用。