黃思穎
(華南師范大學(xué)數(shù)學(xué)科學(xué)學(xué)院 廣東廣州 510631)
由于國內(nèi)與國際經(jīng)濟(jì)形勢的不斷變化,人民幣匯率也在不斷波動。2010年6月,我國宣布繼續(xù)匯率制度改革后,人民幣出現(xiàn)明顯升值,而2015年8月我國進(jìn)行下一輪匯改時,人民幣出現(xiàn)了貶值,匯率上升。直至2019年末新冠疫情爆發(fā)后,人民幣又開始出現(xiàn)小幅度升值,匯率下降。
2010年1月—2021年11月的人民幣匯率波動情況如圖1所示。
圖1 人民幣匯率波動情況
人民幣匯率是衡量我國經(jīng)濟(jì)實(shí)力的重要指標(biāo),若人民幣發(fā)生貶值,會使我國國內(nèi)經(jīng)濟(jì)形勢面臨很大壓力。關(guān)于人民幣匯率的影響因素分析,國內(nèi)很多學(xué)者使用不同的模型做過相應(yīng)的研究,但其方法大部分為基礎(chǔ)的計量經(jīng)濟(jì)學(xué)模型。例如,李浩寧(2021)使用VAR模型探究了人民幣匯率的影響因素;李禧龍(2021)使用多元線性回歸討論了人民幣匯率的影響因素。
目前,探究新冠疫情發(fā)生前后人民幣匯率影響因素變化的文獻(xiàn)不多,故本文為了探究各變量對人民幣匯率的影響,采用RT方法對變量重要性進(jìn)行分析,依此建立了加入新冠疫情影響前后的多元線性回歸模型。
本文選取貨幣供應(yīng)量(x1)、中國制造業(yè)采購經(jīng)理人指數(shù)(x2)、國家外匯儲備(x3)、中美利差(x4)、中美CPI差值(x5)作為變量研究人民幣匯率(k)變動的影響因素。選取的數(shù)據(jù)為2014年1月—2021年11月的月度數(shù)據(jù),本文的所有相關(guān)數(shù)據(jù)均來自choice金融終端。由于貨幣供應(yīng)量和國家外匯儲備的數(shù)據(jù)較大,為了防止回歸時產(chǎn)生較大誤差,對原始數(shù)據(jù)進(jìn)行了取自然對數(shù)的處理。
為了初步查看回歸效果,本文建立多元線性回歸模型研究人民幣匯率的影響因素,建立的初始模型如下:
對數(shù)據(jù)進(jìn)行OLS回歸,得到的回歸結(jié)果為:
該模型的R2=0.807669,F(xiàn)=74.74886>F0.05(5,89)=2.317,故認(rèn)為人民幣匯率與上述變量間總體線性關(guān)系顯著。但其中,x2、x5前的參數(shù)估計值未能通過t檢驗(yàn),說明模型中存在問題,因此需要再對模型進(jìn)行檢驗(yàn)與改進(jìn)。
2.2.1 相關(guān)系數(shù)熱力圖
由前文的初步分析可以猜測,模型存在多重共線性問題,因此需要對模型進(jìn)行多重共線性檢驗(yàn),本文計算得出各解釋變量間的皮爾遜相關(guān)性熱力圖如圖2所示。
圖2 相關(guān)性熱力圖
由此可以發(fā)現(xiàn),貨幣供應(yīng)量和中美利差、PMI與中美利差、PMI與CPI差值等變量之間的相關(guān)系數(shù)比較大,因此該模型存在多重共線性,具體還需進(jìn)一步檢驗(yàn)。
2.2.2 變量重要性分析
本文采用機(jī)器學(xué)習(xí)方法中的集成學(xué)習(xí)回歸方法對各變量的特征重要性進(jìn)行分析,從而更加客觀判斷各變量的重要性,利用RT進(jìn)行回歸學(xué)習(xí),為變量重要性得分創(chuàng)建條形圖以直觀觀測(見圖3)。
圖3 RT方法計算變量重要性條形圖
由圖3可以發(fā)現(xiàn),lnx3對y的影響最大,且顯著大于其他變量,也就是說,國家外匯儲備對人民幣匯率的影響程度最大。其次是貨幣供應(yīng)量、中美利差、CPI差值及PMI,且PMI對人民幣匯率的影響顯著小于其他變量。
2.2.3 逐步回歸
由于本文所選的變量在很大程度上可能存在多重共線性,因此采用逐步回歸的方式構(gòu)建回歸模型。
考慮到國家外匯儲備對匯率的重要影響,本文考慮先保留lnx3,再逐個加入其他變量進(jìn)行逐步回歸。保留lnx3時,其回歸函數(shù)為:
其R2=0.681289,F(xiàn)=198.8002,可見國家外匯儲備對人民幣匯率的解釋力度很大,結(jié)合前文變量重要性的分析,顯然可以確定該變量不能刪除。
因此,依據(jù)逐步回歸的思想,在固定保留lnx3的基礎(chǔ)上,逐個加入其他變量,發(fā)現(xiàn)加入x5,即中美CPI差值時效果最佳,其R2上升為0.780291,回歸函數(shù)為:
結(jié)合前文變量重要性的分析,可以說明中美CPI差值對人民幣匯率的影響較大,且加入模型后不會出現(xiàn)多重共線性的現(xiàn)象。
因此,本文保留x5,在此基礎(chǔ)上逐個加入其他變量,發(fā)現(xiàn)加入lnx1,即貨幣供應(yīng)量時效果最佳,其R2上升為0.806719,回歸函數(shù)為:
因此,在原有模型的基礎(chǔ)上增加lnx1變量,可以增加模型的解釋力,且不會出現(xiàn)多重共線性問題。
此時,若再引入其他變量,模型的解釋效果會下降,且變量無法通過t檢驗(yàn)。這說明在本文所選的五個變量中,lnx1、lnx3以及x5就可以對人民幣匯率k有很強(qiáng)的解釋力,且變量之間不會存在多重共線性。綜上所述,此時該模型擬合結(jié)果最佳:
除了去除多重共線性的干擾之外,還需要對該模型進(jìn)行異方差檢驗(yàn),避免模型出現(xiàn)異方差性,從而影響模型的評估效果。
因此,本文采用eviews7.2進(jìn)行檢驗(yàn),其檢驗(yàn)結(jié)果如圖4所示。
圖4 懷特檢驗(yàn)結(jié)果
顯然,在檢驗(yàn)結(jié)果中,0.0385<0.05,故可以認(rèn)為模型存在異方差性,因此需要對異方差性進(jìn)行修正。本文采用加權(quán)最小二乘法以提高參數(shù)估計的精度。
為了選取效果最好的權(quán)數(shù)進(jìn)行加權(quán)最小二乘法,本文通過了很多嘗試,最終選擇了
作為權(quán)數(shù)進(jìn)行加權(quán)回歸,其回歸結(jié)果為:
此時的R2上升為0.861269,F(xiàn)=188.3153,說明該模型的擬合效果很好。此時再對該模型進(jìn)行懷特檢驗(yàn),其P值為0.3665>0.05,已經(jīng)不存在異方差性。因此,本文最終建立的多元線性回歸模型為:
綜上,在該模型中,最終僅保留了貨幣供應(yīng)量、國家外匯儲備及CPI差值三個變量。從模型效果可以發(fā)現(xiàn),這三個變量可以對人民幣匯率進(jìn)行較好的解釋說明,且該模型滿足普通最小二乘回歸的基本假設(shè),對被解釋變量有很好的解釋度。
為了考慮新冠疫情對國家匯率的影響,本文將2020年開始的數(shù)據(jù)進(jìn)行分析,繪制變量重要性條形圖(見圖5)。
圖5 RT方法計算變量重要性條形圖
顯然,在這種情況下,各變量對人民幣匯率的影響程度有了很大改變,可以說明在新冠疫情爆發(fā)后,各變量的重要程度也相應(yīng)發(fā)生改變。
為了解新冠疫情對模型的影響,本文引入虛擬變量D。2020—2021年的數(shù)據(jù)中,令D=1;2014—2019的數(shù)據(jù)中,令D=0。
由于lnx3依舊是重要變量之一,本文同樣選擇優(yōu)先保留lnx3,再逐個加入解釋變量,按照與前文同樣的方法進(jìn)行逐步回歸,再同樣進(jìn)行異方差檢驗(yàn),可得到其P值為0.0497<0.05,可以說明該模型不存在異方差。因此,該模型的最終回歸方程為:
觀察結(jié)果可以發(fā)現(xiàn),斜率差異系數(shù)在統(tǒng)計意義下為顯著,說明在2019年末新冠疫情爆發(fā)之后中美CPI差值對人民幣匯率的影響機(jī)制發(fā)生了明顯的變化。在2019年末,其他條件不變的情況下,中美CPI差值每增加1%,人民幣匯率比2019年之前多增長0.006796。
綜上所述,貨幣供應(yīng)量、國家外匯儲備及中美CPI差值這三個變量都對人民幣匯率具有顯著的影響。其中,貨幣供應(yīng)量與人民幣匯率呈正相關(guān)關(guān)系,國家外匯儲備與人民幣匯率呈負(fù)相關(guān)關(guān)系,而中美CPI差值與人民幣匯率呈正相關(guān)關(guān)系。
在新冠疫情爆發(fā)之后,以2019年為節(jié)點(diǎn),中美CPI差值對人民幣匯率的影響機(jī)制有所改變,各個指標(biāo)的重要性也有所不同,且整體來看,人民幣匯率有所下降,即人民幣出現(xiàn)升值的趨勢。
根據(jù)結(jié)論進(jìn)一步完善外匯儲備的管理制度,合理對外匯儲備進(jìn)行管理及建立健全的貨幣政策,使國家外匯儲備、貨幣供應(yīng)量及CPI處于較為合理的水平,對維持人民幣匯率的穩(wěn)定具有重要意義。