基于參數與非參數SVAR模型的貨幣政策有效性比較分析

金成曉　曹陽

摘要：本文利用1998年1月至2012年6月的工業增加值、M2和CPI月度數據建立了一個三變量的SVAR模型，并分別用極大似然估計方法和非參數聯立模型的局部線性工具變量估計方法對其進行估計，將估計的結果進行比較并作相應的向前預測分析。結論表明：參數SVAR模型可以對變量進行解釋，并做相應的脈沖響應和方差分解分析，但是估計精度及預測效果要低于非參數SVAR模型。文章的創新之處在于首次給出非參數SVAR模型及其估計方法，為日后對非參數VAR模型族進行研究和廣泛應用奠定了一定的基礎。

關鍵詞：貨幣政策；SVAR模型；非參數SVAR模型

中圖分類號：F842；F822；F224 文獻標識碼：B

一、引言

1980年，Sims首次提出了向量自回歸模型（VAR），該模型具有不以嚴格的經濟理論為依據和模型中的全部變量均為內生變量等優點，被廣泛應用于處理多個相關經濟指標的分析與預測。然而，VAR模型從本質上講只刻畫了數據的動態表現，并且往往要估計過多的參數，為解決上述問題并彌補VAR模型缺乏經濟理論基礎而不能進行結構分析的缺陷，Sims （1986）進一步提出了結構向量自回歸（Structure VAR）模型，SVAR及其擴展模型贏得了宏觀結構計量經濟學的美譽。

VAR模型的一個至關重要的假設是經估計得到的模型的參數是不隨時間變化而變化的，但是由于現實中的經濟現象復雜多變，普通線性模型對現實問題的解釋難免存在局限性，越來越多的非線性、非參數計量經濟模型被應用到宏觀和微觀經濟學領域中。例如，Cai和Fan（2000）[1]將門限自回歸模型和函數系數自回歸模型應用于非線性時間序列，并提出了一個新的boostrap檢驗來檢驗模型的擬合優度；方穎和郭萌萌（2009）[2]利用時變系數模型檢驗了85個變量的月度宏觀數據，發現部分宏觀變量存在嚴重的非穩定性或非線性問題；馬薇和袁銘（2010）[3]提出了使用核估計的方法構造平滑轉移模型（STR）的非參數模擬最大似然估計（NPSML）并證明該方法是可靠的，估計量是穩健的；葉阿忠（2003）[4]首次提出了非參數計量經濟聯立模型局部線性估計方法，并應用于我國宏觀經濟非參數聯立模型且與線性模型進行了比較，得出我國宏觀經濟非參數聯立模型優于線性模型的結論。鑒于SVAR模型的優缺點，本文擬從非參數估計方法的視角對其進行擴展，并與參數方法進行對比分析，以期進一步豐富VAR模型族的應用研究。

二、 模型及數學方法

對于一個三元p階SVAR模型，其具體形式為：

摘要：本文利用1998年1月至2012年6月的工業增加值、M2和CPI月度數據建立了一個三變量的SVAR模型，并分別用極大似然估計方法和非參數聯立模型的局部線性工具變量估計方法對其進行估計，將估計的結果進行比較并作相應的向前預測分析。結論表明：參數SVAR模型可以對變量進行解釋，并做相應的脈沖響應和方差分解分析，但是估計精度及預測效果要低于非參數SVAR模型。文章的創新之處在于首次給出非參數SVAR模型及其估計方法，為日后對非參數VAR模型族進行研究和廣泛應用奠定了一定的基礎。

關鍵詞：貨幣政策；SVAR模型；非參數SVAR模型

中圖分類號：F842；F822；F224 文獻標識碼：B

一、引言

1980年，Sims首次提出了向量自回歸模型（VAR），該模型具有不以嚴格的經濟理論為依據和模型中的全部變量均為內生變量等優點，被廣泛應用于處理多個相關經濟指標的分析與預測。然而，VAR模型從本質上講只刻畫了數據的動態表現，并且往往要估計過多的參數，為解決上述問題并彌補VAR模型缺乏經濟理論基礎而不能進行結構分析的缺陷，Sims （1986）進一步提出了結構向量自回歸（Structure VAR）模型，SVAR及其擴展模型贏得了宏觀結構計量經濟學的美譽。

VAR模型的一個至關重要的假設是經估計得到的模型的參數是不隨時間變化而變化的，但是由于現實中的經濟現象復雜多變，普通線性模型對現實問題的解釋難免存在局限性，越來越多的非線性、非參數計量經濟模型被應用到宏觀和微觀經濟學領域中。例如，Cai和Fan（2000）[1]將門限自回歸模型和函數系數自回歸模型應用于非線性時間序列，并提出了一個新的boostrap檢驗來檢驗模型的擬合優度；方穎和郭萌萌（2009）[2]利用時變系數模型檢驗了85個變量的月度宏觀數據，發現部分宏觀變量存在嚴重的非穩定性或非線性問題；馬薇和袁銘（2010）[3]提出了使用核估計的方法構造平滑轉移模型（STR）的非參數模擬最大似然估計（NPSML）并證明該方法是可靠的，估計量是穩健的；葉阿忠（2003）[4]首次提出了非參數計量經濟聯立模型局部線性估計方法，并應用于我國宏觀經濟非參數聯立模型且與線性模型進行了比較，得出我國宏觀經濟非參數聯立模型優于線性模型的結論。鑒于SVAR模型的優缺點，本文擬從非參數估計方法的視角對其進行擴展，并與參數方法進行對比分析，以期進一步豐富VAR模型族的應用研究。

二、 模型及數學方法

對于一個三元p階SVAR模型，其具體形式為：

摘要：本文利用1998年1月至2012年6月的工業增加值、M2和CPI月度數據建立了一個三變量的SVAR模型，并分別用極大似然估計方法和非參數聯立模型的局部線性工具變量估計方法對其進行估計，將估計的結果進行比較并作相應的向前預測分析。結論表明：參數SVAR模型可以對變量進行解釋，并做相應的脈沖響應和方差分解分析，但是估計精度及預測效果要低于非參數SVAR模型。文章的創新之處在于首次給出非參數SVAR模型及其估計方法，為日后對非參數VAR模型族進行研究和廣泛應用奠定了一定的基礎。

關鍵詞：貨幣政策；SVAR模型；非參數SVAR模型

中圖分類號：F842；F822；F224 文獻標識碼：B

一、引言

1980年，Sims首次提出了向量自回歸模型（VAR），該模型具有不以嚴格的經濟理論為依據和模型中的全部變量均為內生變量等優點，被廣泛應用于處理多個相關經濟指標的分析與預測。然而，VAR模型從本質上講只刻畫了數據的動態表現，并且往往要估計過多的參數，為解決上述問題并彌補VAR模型缺乏經濟理論基礎而不能進行結構分析的缺陷，Sims （1986）進一步提出了結構向量自回歸（Structure VAR）模型，SVAR及其擴展模型贏得了宏觀結構計量經濟學的美譽。

VAR模型的一個至關重要的假設是經估計得到的模型的參數是不隨時間變化而變化的，但是由于現實中的經濟現象復雜多變，普通線性模型對現實問題的解釋難免存在局限性，越來越多的非線性、非參數計量經濟模型被應用到宏觀和微觀經濟學領域中。例如，Cai和Fan（2000）[1]將門限自回歸模型和函數系數自回歸模型應用于非線性時間序列，并提出了一個新的boostrap檢驗來檢驗模型的擬合優度；方穎和郭萌萌（2009）[2]利用時變系數模型檢驗了85個變量的月度宏觀數據，發現部分宏觀變量存在嚴重的非穩定性或非線性問題；馬薇和袁銘（2010）[3]提出了使用核估計的方法構造平滑轉移模型（STR）的非參數模擬最大似然估計（NPSML）并證明該方法是可靠的，估計量是穩健的；葉阿忠（2003）[4]首次提出了非參數計量經濟聯立模型局部線性估計方法，并應用于我國宏觀經濟非參數聯立模型且與線性模型進行了比較，得出我國宏觀經濟非參數聯立模型優于線性模型的結論。鑒于SVAR模型的優缺點，本文擬從非參數估計方法的視角對其進行擴展，并與參數方法進行對比分析，以期進一步豐富VAR模型族的應用研究。

二、 模型及數學方法

對于一個三元p階SVAR模型，其具體形式為：