201405 - page 74

第 29 卷摇 第 5 期 刘晓星 , 方摇 琳: 系统性风险与宏观经济稳定:影响机制及其实证检验
混合数据的研究,之后由于 PVAR 在数据分析上
具有独特优势得以迅速发展,并被广泛运用于跨
地区、 跨国家或者跨领域的研究中。 PVAR 沿袭
了向量自回归(VAR) 的优点 ,是动态回归模型的
联立形式,将内生变量的滞后期均考虑在内。 同
时又拓宽了横截面数据的有用性, 便于处理时间
段较短而个体数较多的问题。 总之,PVAR 方法
在引入大量截面样本的同时,也能克服时间跨度
较短的缺陷。 因此, 采用 PVAR 方法对本文研究
多国近 10 年系统性风险和宏观经济稳定间影响
机制较为合适。 最终建立的系统性风险和宏观经济
稳定相互影响机制面板数据向量自回归模型为:
yit = 移p
j = 1
茁 j yit - j + 琢i + 酌t + 滋it
其中,yit = (gdp it ,inf it ,expit ,nplrit ,crgit ,sto it ) 忆
是一个基于面板数据的(6 伊 1) 维变量向量, 下标
中的 i 代表国家, t 代表时间, p 表示模型滞后阶
数, 茁 j 是(6 伊 6) 的系数矩阵 。 gdp 代表国内生产
总值增长率,inf 代表通货膨胀变动率 ,exp 代表出
口总额增长率,nplr 表示银行不良贷款率 ,crg 表
示信贷 / GDP 比率,sto 表示股票指数变动率 。 另
外, 由于各个国家之间国家制度、消费习惯、 市场
发达程度等各不相同, 这些因素的差异会对国家
宏观经济稳定状况产生影响,所以应该在模型中
加入个体固定效应, 用六维向量 琢i 表示。 同样 ,
由于各个国家的宏观经济稳定状况随时间不断变
化, 所以还应在模型上加入价格时间固定效应, 用
六维向量 酌t 表示。 模型采用标准的 PVAR 假设,
即 滋it 是服从正态分布的随机扰动项且相互独立 ,
满足 E( 滋it | 琢i ,酌t ,yit - 1 , yit - 2 ,…yit - p ) = 0。
1郾 平稳性检验
本文选取了 56 个国家 2001—2011 年的年度
数据作为样本,其中包括 28 个发达国家( 澳大利
亚、 加拿大、法国、 德国、希腊、意大利、 日本、韩国、
墨西哥、 西班牙、 英国、 美国、 奥地利、 比利时、 捷
克、 丹麦、爱沙尼亚 、芬兰 、匈牙利、 冰岛 、爱尔兰 、
以色列、 荷兰、葡萄牙、 新加坡、斯洛文尼亚 、瑞典、
瑞士) 和 28 个发展中国家 ( 孟加拉 、保加利亚、 智
利、 哥伦比亚、 克罗地亚、肯尼亚、 科威特、 拉脱维
亚、 立陶宛、马来西亚、 摩洛哥、巴基斯坦、秘鲁、 菲
律宾、波兰、沙特阿拉伯 、南非、土耳其 、乌克兰、 委
内瑞拉、 阿根廷、巴西、 中国、 埃及、印度、印度尼西
亚、 俄罗斯、泰国 ), 数据来源于 IMF、 世界银行及
CEIC 数据库 ( 亚洲经济数据库)。
由于数据的平稳性能够直接影响回归的合理
性, 而对于一些非平稳的时间序列,可能这些时间
序列之间原本并不存在直接关系, 但有时候却会
因某种共同变化趋势产生显著的回归结果, 这就
是所谓的伪回归现象。 因此,为了确保结果的准
确性,防止伪回归现象的发生,需要先对面板数据
进行平稳性检验。 由于通常的时间序列平稳性
ADF 检验方法在检验面板数据时较为低效, 所以
这里我们采用 LLC、 IPS 和 ADF鄄Fisher 检验, 在
5% 的置信水平下, 结果如表 1 所示。
表 1摇 平稳性检验结果
HO :所有变量都是非平稳的
变量 LLC IPS ADF鄄Fisher 结果
gdp t 统计量 - 13郾 614 0 - 6郾 999 46 226郾 068 0 平稳
p 值 0郾 000 0 0郾 000 0 0郾 000 0
inf t 统计量 - 15郾 956 0 - 10郾 214 6 296郾 991 0 平稳
p 值 0郾 000 0 0郾 000 0 0郾 000 0
exp t 统计量 - 19郾 807 5 - 11郾 761 8 331郾 438 0 平稳
p 值 0郾 000 0 0郾 000 0 0郾 000 0
nplr t 统计量 - 4郾 800 2 - 7郾 236 7 234郾 843 0 平稳
p 值 0郾 000 0 0郾 000 0 0郾 000 0
crg t 统计量 - 5郾 958 2 - 6郾 980 8 213郾 218 0 平稳
p 值 0郾 000 0 0郾 000 0 0郾 000 0
sto t 统计量 - 12郾 793 1 - 6郾 4752 6 209郾 791 0 平稳
p 值 0郾 000 0 0郾 000 0 0郾 000 0
·96·