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
:
y
it
=
移
p
j =
1
茁
j
y
it
-
j
+
琢
i
+
酌
t
+
滋
it
其中
,
y
it
= (gdp
it
,inf
it
,exp
it
,nplr
it
,crg
it
,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
,
y
it
- 1
,
y
it
- 2
,…
y
it
-
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
H
O
:
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·
1...,64,65,66,67,68,69,70,71,72,73
75,76,77,78,79,80,81,82,83,84,...132