劉功瀾

摘要：近年來無論是全球經(jīng)濟還是中國經(jīng)濟，周期性波動明顯。這種周期性對經(jīng)濟增長的影響并未取得學界共識。本文利用1952年至2015年的年度數(shù)據(jù)，對我國經(jīng)濟周期對經(jīng)濟增長的影響進行分析。發(fā)現(xiàn)：經(jīng)濟周期波動對我國經(jīng)濟增長的負貢獻明顯，但近年來隨著政府干預(yù)的增多有所收斂。經(jīng)濟波動的周期性逐步縮短，表現(xiàn)也越來越復(fù)雜。

關(guān)鍵詞：經(jīng)濟周期；經(jīng)濟增長；負反饋

一、引言

近年來的全球經(jīng)濟發(fā)展表明，在開放經(jīng)濟條件下，經(jīng)濟運行具有顯著的不確定性，經(jīng)濟的周期性波動明顯。美國經(jīng)濟在“911”恐怖襲擊后走出衰退，它在運行中出現(xiàn)了典型的經(jīng)濟周期波動的負經(jīng)濟增長特征，對世界經(jīng)濟增長具有顯著的負面影響。

中國經(jīng)濟發(fā)展深刻打上了政府干預(yù)的烙印，不管是之前的計劃經(jīng)濟還是改革開放后的市場經(jīng)濟，政府為了熨平經(jīng)濟波動，在微觀領(lǐng)域進行了大量干預(yù)。尤其是2008年金融危機以來的十年，貨幣政策的寬松刺激了當期經(jīng)濟增長的同時，也留下了嚴重的后遺癥。本人從一個更寬的視角研究自1955年以后經(jīng)濟周期波動與經(jīng)濟增長的關(guān)系，以期降低短期政策的影響。

二、文獻綜述

傳統(tǒng)研究中，經(jīng)濟周期和經(jīng)濟增長是兩個問題：一個是長期經(jīng)濟增長的問題，另外一個著眼于短期的經(jīng)濟波動。自Ramey和Ramey（1995）[1]發(fā)現(xiàn)經(jīng)濟波動大的國家經(jīng)濟增長較低以來，經(jīng)濟增長和經(jīng)濟周期的研究就結(jié)合了起來。

關(guān)于經(jīng)濟增長與經(jīng)濟周期之間關(guān)系的理論文獻遠非沒有爭議。關(guān)于不可逆投資和等待期權(quán)價值的文獻預(yù)測了增長不確定性與平均增長之間的負相關(guān)關(guān)系。對未來利潤的不確定性的增加提高了時間成本，從而推遲了投資并降低了增長（例如，Pindyck 1991[2]； Ramey和Ramey 1991[3]）。相比之下，Black（1987）[4]暗示了一種積極的關(guān)系。在這樣的世界中，平均增長率高的國家也會有很大的差異。另一個論點涉及預(yù)防性儲蓄，內(nèi)生增長理論的支持者斷言，增長與周期之間的關(guān)系取決于生產(chǎn)力提高活動和生產(chǎn)是替代品還是補充品（Aghion and Saint-Paul 1998[5]； Martin 和羅杰斯2000[6]）。

實證分析方面，Kormendi和Meguire（1985）[7]以及Grier和Tullock（1989）[8]發(fā)現(xiàn)，產(chǎn)出增長標準偏差較高的國家也傾向于獲得更高的平均增長率。相比之下，Ramey和Ramey（1995）[1]，Martin和Rogers（2000）[6]，F(xiàn)atas（2002）[9]和Rafferty（2005）[10]發(fā)現(xiàn)了不同樣本的負相關(guān)關(guān)系?；跁r間序列數(shù)據(jù)的研究主要在ARCH或GARCH框架中得出了不同的結(jié)論.1例如，使用美國，Grier和Perry（2000）[11]和Grier等人的數(shù)據(jù)。 （2004）[12]獲得了產(chǎn)出波動對增長的積極影響的證據(jù)。

在時間序列背景下，一致性問題也可以通過采用ARCH或GARCH均值建模策略來解決，其中增長和周期是聯(lián)合和內(nèi)生確定的（例如，Grier等人2004 [12]）。這種估計是建立在逐個國家的基礎(chǔ)上的，因此它太具有國家特征而不能被推廣，而忽略了可能的跨國相互依賴。

三、變量與方程

本文利用中國1952 - 2015年的年度數(shù)據(jù)驗證了經(jīng)濟波動對中國經(jīng)濟增長的影響。

恩格爾提出了條件異方差性模型（ARCH），它最早是1982年時間序列分析條件方差的一種非常有用的自回歸模型，由Bollerslev于1986年擴展為廣義自回歸條件異方差模型（GARCH）模型，被廣泛使用 在各個經(jīng)濟學研究領(lǐng)域。條件方差（或標準差）中的均值作為GARCH模型方程中的變量，而方差方程保持不變。方程式為

（1）

（2）

這是GARCH（1，1） - M模型。 （1）是均值方程，ARCH模型和GARCH模型在標準條件下的均值方程的差異是方差作為連接均值方程的解釋變量。（2）是方差方程。通常，準最大似然法適用于GARCH-m估計模型。在經(jīng)濟學領(lǐng)域，經(jīng)濟波動可能對經(jīng)濟增長產(chǎn)生影響，也可以使用GARCH-m模型進行實證分析。本文采用GDP指數(shù)的時間序列數(shù)據(jù)（1952=100）。其中，1952 - 1978年數(shù)據(jù)來自《中國統(tǒng)計簡報：1949-2004》.1979-2015數(shù)據(jù)來自《中國統(tǒng)計年鑒2016》（1978 = 100））。然后將它們轉(zhuǎn)換為1952年作為GDP固定基數(shù)指數(shù)的基礎(chǔ)。本文采用變量LNGDP是GDP指數(shù)計算GDP的自然對數(shù)； DLNGDP指GDP指數(shù)計算的LNGDP一階差異，表示實際增長率。 本文使用ADF測試和KPSS測試來確定相關(guān)變量。

兩種測試結(jié)果（篇幅所限，不再列示）一致表明LNGDP是1%顯著性水平的非平穩(wěn)變量，而DLNGDP是表1中的穩(wěn)定變量。因此，我們使用經(jīng)濟增長率時間序列（DLNGDP）進行實證分析。避免錯誤的回歸問題。

對于標準正態(tài)分布，偏度為0，峰度為3，表2表明，從偏度的角度來看，經(jīng)濟增長是左邊的，這意味著序列分布長期離開了尾部。 Bera -Jarque測試表明，時間序列的增長不符合正態(tài)分布。 總之，經(jīng)濟增長的分布格局的高峰期。

四、方程結(jié)果

1. ARCH模型

我們根據(jù)AIC準則和固定變量DLNGDP的SC準則確定滯后階數(shù)的自回歸滑動平均（ARMA）模型。 最終選擇了ARMA（1，1）模型。如下：

結(jié)果顯示（篇幅所限，結(jié)果不再列示），F(xiàn)統(tǒng)計相關(guān)概率為0. 005695，通過F檢驗，根據(jù)方程的結(jié)果表明回歸方程在1%顯著性水平上具有高度顯著性。同時，MA（1）與AR（1）估計 t統(tǒng)計量相關(guān)概率的參數(shù)為0.077和0.0051，通過1%顯著性水平的顯著性檢驗。

DLNGDP OLS估計的ARMA（1，1）方程的殘差的結(jié)果如圖2所示。

Figure 2 Residual error 0f ARMA （1， 1） equations

我們可以通過DW = 1.854028初步判斷沒有一階序列相關(guān)性。如果存在與DW統(tǒng)計的高階序列相關(guān)，則可以應(yīng)用Breush - Godfrey LM檢驗來測試殘差序列的回歸方程 是擾動的一階序列相關(guān)檢驗。 因此，本文要求Breush - Godfrey LM檢驗。

LM統(tǒng)計（篇幅所限，結(jié)果不再列示）表明我們可以在10%顯著性水平下拒絕零假設(shè)。殘差序列的回歸方程沒有序列相關(guān)性。 它表明ARMA（1，1）方程DLNGDP不存在序列相關(guān)問題。我們可以使用ARCH-LM測試來確定DLNGDP是否存在通過ARMA（1，2）方程的DLNGDP殘差序列的ARCH效應(yīng)。

根據(jù)結(jié)果（篇幅所限，結(jié)果不再列示），我們可以發(fā)現(xiàn)DLNGDP具有顯著的ARCH效應(yīng)，更重要的是，高階ARCH-LM測試得到顯著的結(jié)果，方差方程以可持續(xù)性為目標，因此，我們需要加入 GARCH分析。

2. GARCH-M模型的結(jié)果

我們使用GARCH（1，1）模型估計（3）以糾正數(shù)據(jù)中的DLNGDP條件異方差性.GARCH（1，1）模型是（4）：

（4）

結(jié)果發(fā)現(xiàn)（篇幅所限，結(jié)果不再列示）GARCH和ARCH具有統(tǒng)計顯著性。 GARCH in的水平為1%，ARCH水平為10%。 通過GARCH（1，1）模型可以發(fā)現(xiàn)殘余誤差診斷兩個方程不再存在ARCH效應(yīng)。

中國經(jīng)濟增長的波動性在70年代和60年代波動更大，并且自改革開放以來顯著減少?；谝陨险J識，我們需要估計以下GARCH（1，1）-M模型，以定量分析經(jīng)濟增長與經(jīng)濟波動（標準差）之間的關(guān)系。

（5）

GARCH（1，1）-M模型估計結(jié)果（篇幅所限，結(jié)果不再列示）表明，中國經(jīng)濟周期非常顯著（顯著性水平為1%）影響經(jīng)濟增長。中國經(jīng)濟周期對經(jīng)濟增長產(chǎn)生顯著的負面影響，即經(jīng)濟波動越大，經(jīng)濟增長越低； 當經(jīng)濟波動較小時，經(jīng)濟增長率較高。

3.進一步結(jié)論

本文的研究結(jié)果表明，經(jīng)濟周期對經(jīng)濟增長存在顯著的負面影響，這與國內(nèi)外同類研究相一致。

第一，經(jīng)濟周期不利于經(jīng)濟增長，這有助于深入思考計劃經(jīng)濟向市場經(jīng)濟轉(zhuǎn)型中的做法。

中國有機會選擇改革的具體實施步驟，以確保整個改革過程的速度和穩(wěn)定，因為中國的漸進式改革路徑。成功的“漸進式改革”可能包含相反結(jié)果的相同邏輯：應(yīng)該采取中國的漸進式改革，以避免經(jīng)濟改革帶來巨大的經(jīng)濟波動，改革對經(jīng)濟的影響越小，經(jīng)濟波動越小波動，導致經(jīng)濟增長率相對較高。

其次，探討經(jīng)濟周期不利于經(jīng)濟增長的研究具有重要的理論意義。經(jīng)濟周期將間接地給居民帶來利益。因此，忽視經(jīng)濟周期對經(jīng)濟增長的負面影響，估計經(jīng)濟波周期的福利成本被低估。對于正確衡量福利經(jīng)濟的真實成本非常重要。在此基礎(chǔ)上，通過建立合理的考慮經(jīng)濟波動的理論框架來減緩經(jīng)濟增長，該領(lǐng)域具有非常有意義的研究方向，我們可以探索經(jīng)濟波動的直接和間接利益損失。

五、結(jié)論

本文利用中國的1952-2015時間序列數(shù)據(jù)，利用最大似然估計，研究基于GARCH-m模型的經(jīng)濟波動對經(jīng)濟增長的影響。 結(jié)果表明，中國經(jīng)濟增長的經(jīng)濟波動非常顯著，負面影響不容忽視。 研究結(jié)果與現(xiàn)有的經(jīng)濟周期研究相結(jié)合，認為這對經(jīng)濟增長不利。這對中國經(jīng)驗證據(jù)的理論研究有用，有助于我們了解中國經(jīng)濟的宏觀經(jīng)濟波動方向和程度。

首先，經(jīng)濟周期對中國經(jīng)濟增長產(chǎn)生重大負面影響的結(jié)論為穩(wěn)定政策提供了強有力的支持。政府通過穩(wěn)定政策減少經(jīng)濟波動，這將對經(jīng)濟增長產(chǎn)生間接促進作用。政府傳統(tǒng)上習慣于將經(jīng)濟波動減緩為這一級別的長期穩(wěn)定的政策中立工具。

其次，經(jīng)濟波動不利于經(jīng)濟增長的研究結(jié)果表明，政府放緩了不影響經(jīng)濟增長的經(jīng)濟波動。政府減少短期經(jīng)濟波動，這也是對經(jīng)濟增長的長期承諾。

參考文獻：

[1]Ramey G， Ramey VA （1995） Cross-country evidence on the link between volatility and growth. Am Econ Rev 85：1138–1151

[2]Pindyck RS （1991） Irreversibility， uncertainty， and investment. J Econ Lit 29：1110–1148

[3] Ramey G， Ramey VA （1991） Technology commitment and the cost of economic fluctuations. NBER Working Paper No. 3755.

[4] Black F （1987） Business cycles and equilibrium. Blackwell， New York

[5] Aghion P， Saint-Paul G （1998） On the virtue of bad times： an analysis of the interaction between economic fluctuations and productivity growth. Macroecon Dyn 2：322–344

[6] Martin P， Rogers CA （2000） Long-term growth and short-term economic instability. Eur Econ Rev 44： 359–381

[7] Kormendi RC， Meguire P （1985） Macroeconomic determinants of growth： cross-country evidence. J Monet Econ 16：141–163

[8] Grier KB， Tullock G （1989） An empirical analysis of cross-national economic growth， 1951–1980. J Monet Econ 24：259–276

[9] Fountas S， Karanasos M， Kim J （2002） Inflation and output growth uncertainty and their relationship with inflation and output growth. Econ Lett 75：293–301

[10] Rafferty M （2005） The effects of expected and unexpected volatility on long-run growth： evidence from 18 developed economies. South Econ J 71：582–591

[11] Grier KB， Perry MJ （2000） The effects of real and nominal uncertainty on inflation and output growth： some GARCH-M evidence. J Appl Econom 15：45–58

[12] Grier KB， Henry OT， Olekalns N， Shields K （2004） The asymmetric effects of uncertainty on inflation and output growth.