經濟短期波動對長期增長的影響

謝繼文+池建宇

摘要：運用1980—2013年我國30個省級地區的經濟波動和增長的面板數據，重點分析資本形成、財政政策以及貨幣政策的變動對于經濟增長穩定性的影響。建立面板向量自回歸模型，通過脈沖響應函數和方差分解具體分析每個變量波動對經濟增長的影響。最終結果顯示，資本形成和經濟政策波動對于經濟增長具有重要的影響，短期是正向的，長期來說是反向的影響并且會隨時間推移而減弱。

關鍵詞：長期增長；短期波動；經濟增長率；資本形成；預算赤字；存貸規模；向量自回歸；脈沖響應

中圖分類號：F124.8 文獻標識碼：A 文章編號：1007-2101（2015）06-0043-06

一、引言

經濟短期波動和長期增長問題是宏觀經濟學家關注的兩大主要領域。在短期內，經濟本身存在一定的波動性，這種波動性一方面來自于經濟本身，如企業投資、技術進步等因素；另一方面來自政府的宏觀經濟政策，如財政政策和貨幣政策。筆者主要是從以上兩個方面研究短期的經濟波動對長期增長的影響。不論是資本形成還是政府政策都能在短期內顯著影響總產出，除此之外也能影響經濟長期的波動性，它們是經濟波動的主要來源。

就這一點，學界在是否有必要采取適當的政府干預或者讓市場通過自身調節機制保證持續穩定的經濟增長方面還存在爭議。也就是說，在經濟處于衰退期時，應當采取怎樣的措施使得經濟能夠恢復穩定的發展勢頭。因此，筆者選取的三個變量主要來自以下三個方面，即：資本形成、財政政策和貨幣政策。

究竟這三個變量是否能夠代表資本形成與經濟政策的波動性呢？運用經濟意義檢驗的方式，我們發現這三個變量完全能夠代替上文所說的三個方面。首先，資本形成總額的波動。資本形成總額指標主要是度量一定時期內固定資產形成總額和存貨增加的總量，它主要代表的是經濟波動的內因影響，是對本期資本形成效用的主要衡量標準，同時，從經濟意義上來看也會對下一期經濟增長規模有一定的影響，因此，將其納入考慮范圍。其次，預算赤字的波動。預算赤字這一指標可歸結到政府財政政策方面，是將政府財政政策具體量化的重要變量，將其納入模型，可以探究政府財政政策的變動對于經濟增長率是否有顯著效果。再次，存貸款規模的波動。存貸款總額這個變量的引入主要是為了量化貨幣政策，應當采用廣義貨幣作為變量，但是由于本文采用的是省級面板數據，各省廣義貨幣的數據無法得到，因此采用存貸款總額來代替。由于各省的存貸款規模顯示了該地區金融市場的活躍狀況，通過這個變量可以從一個側面看出政府的貨幣政策波動對經濟增長率的影響。筆者主要試圖回答諸如下列的重要問題：每個變量的波動對于經濟增長率是否存在影響？若存在影響，各個變量波動的影響程度又如何？

早期的研究中，Kormendi和Meguire（1985）的研究結果顯示，總產出的波動率與平均增長率在各國同一截面上呈正相關關系。Ramey和Ramey（1995）分別使用了92個國家以及其中25個OECD國家的數據驗證了平均增長率與增長率的標準差之間的關系。Ramey和Ramey（1995）的控制變量包括投資占GDP之比重、平均人口增長率、初始人力資本和初始人均GDP，使用極大似然估計進行估計。他們發現，使用全樣本進行估計，波動性對平均增長率有顯著的負向影響，但對OECD國家的數據進行回歸的結果卻是這種影響為正，但不顯著。隨后，有大量文獻在Ramey和Ramey（1995）的基礎上對波動性和平均增長率之間的關系進行經驗驗證，如Barlevy（2004）、Fatas（2011）得出了相似的結論，即短期波動對增長存在負向影響。也有一些文獻的經驗分析結果表明，波動性對長期增長的影響是正向的。

近年來，國內涌現了大量針對該主題的理論性和經驗性文獻。陳昆亭等（2012）發現，中國1978年以前，波動與增長呈負相關關系，1978年之后，二者的關系變為正相關，并建立了一個基于人力資本形成機制的隨機增長模型來解釋這個現象。李濤（2001）建立了一個反映周期波動的增長模型，將短期波動與長期增長聯系在一起。有很多經驗性文獻使用中國的數據驗證了波動性對長期增長的影響，但得出的結論并不相同。王鈺（2014）、盧二坡和曾五一（2008）、周達軍（2007）的研究支持了Ramey和Ramey（1995）的結論，即短期波動對長期增長的影響為負，但也有文獻并不支持這個結論，如盧二坡和王澤填（2007）、池建宇和趙家章（2015）。

筆者主要研究的是宏觀經濟變量的波動和經濟增長率的關系，數據選取的是中國30個省（市、區）（除港、澳、臺、西藏外）1980—2013年的年度數據。這個時間段是中國經濟從計劃經濟轉向市場經濟的主要階段，也是中國經濟真正高速發展的過程。筆者主要通過面板向量自回歸（PVAR）模型的構建，借助脈沖響應函數以及方差分解的方法來解釋上面所提出的問題，并對中國經濟以后的發展提出合理化建議。實證方面，筆者跳出傳統對短期波動和長期增長的研究采用“二分法”的桎梏，把這兩個主題糅合在一起，探究短期波動對長期經濟增長率的影響，試圖運用嚴格的計量方法從經驗分析的角度來研究上述問題，采用脈沖響應函數和方差分解的方法分析短期波動和長期增長之間的關系，獲得關于短期波動對長期增長的具體沖擊程度的描述數據，給出具備說服力的結論，即資本形成和政府經濟政策的波動對于長期經濟增長率有顯著影響。政策方面，筆者運用方差分解的方法重點探究了政府政策的影響力持續時間，得出了政府政策波動短期內能夠顯著影響總產出。長期內，這種影響力伴隨著時間的推移而逐漸減小。因此，政府制定和執行財政政策和貨幣政策時，不但要考慮其短期的有效性，還要考慮長期的影響力，選擇最優的政策幅度，以達到最好的政策效果。

二、數據和方法

（一）變量引入

筆者向模型中引入以下四個變量。

1. 經濟增長率（growth）——實際GDP增長率，作為模型中的主要研究變量。在前期數據處理時，對實際GDP數據進行取對數處理，因此在離群值處理時，這一變量是正常的。在模型中，該變量為被解釋變量，代表長期經濟增長的穩定性。

2. 資本形成總額的波動（sd_cf）——即資本形成總額占GDP比重的標準差。用標準差來反映變量的波動情況，由于資本形成總額與下一期投資有很強的相關關系（通過經濟意義解釋），因此，我們估計這個變量的波動對實際經濟增長率的影響應該是最大的。

數據處理的過程是：首先計算各省的資本形成總額占GDP的比重，其次，再計算資本形成總額占GDP比重的標準差，需要說明的是，此處的標準差是通過每個省份當年資本形成總額占GDP的比重與該省資本形成總額占GDP比重的平均值之差取絕對值所得出的，雖然不是準確的標準差數據，但是一定程度上也能夠反映出資本形成總額占GDP比重各省歷年的波動狀況，具備一定的解釋力。

3. 預算赤字的波動（sd_bd）——該變量用預算赤字占GDP比重的標準差表示。這個變量主要是為了檢驗政府的財政政策對于穩定經濟的意義，代表以凱恩斯主義為基礎的主流經濟學派的觀點。

數據處理的過程是：首先通過各省的財政收入與政府支出之差獲得各省每年的預算赤字數據，再由預算赤字/GDP獲得預算赤字占GDP比重的數據，最終由預算赤字占GDP的比重數據通過軟件輸出其標準差。

4. 存貸總額的波動（sd_cdze）——該變量用存貸規模占GDP比重的標準差表示。由于筆者采用的省級貨幣供給量數據獲得比較困難，因此采用存貸款總額來反映各地的貨幣發行情況，具備一定的說服力。

數據處理的過程是：首先，將各省的存款規模和貸款規模相加得到存貸款總額，再由存貸款總額/GDP得到存貸款總額占GDP的比重；其次，由存貸款總額占GDP比重數值借由軟件輸出其標準差。

這四個變量是根據相關的經濟周期理論，即凱恩斯主義、貨幣主義的理論以及真實經濟周期理論，來捕捉基本參數對經濟波動和經濟增長。值得一提的是，后三個變量采用占GDP比重形式，能夠很好地克服數據的誤差，提高模型的準確性。

（二）數據描述和概況

本文的目的在于研究中國1980—2013年各省主要宏觀經濟變量波動（短期波動）與其各自實際GDP增長率（長期增長）之間的關系。除特殊說明外，本文數據均來自《新中國60年統計資料匯編》（1949—2008年）和各省統計年鑒（2009—2014年），文中的數據均為原始數據經過單邊縮尾處理后所得的結果。本文共采用30個省（區、市）34年的數據（西藏、香港、澳門、臺灣除外）。

由于前期的數據收集受到一定的限制，為了能夠有效地控制自由度，本研究只選取了四個具有代表性的變量引入模型之中。我們對四個變量的數據做了描述性統計，輸出如表1所示。

（三）模型構建

筆者采用面板數據向量自回歸（PVAR）模型的建構方法，將傳統的向量自回歸（VAR）方法延伸到處理面板數據（Panel Data）領域，VAR將系統內所有的變量都看成是具備內生性的，而面板數據則是允許未解決的個體差異性存在。

建立PVAR模型需要確定滯后階數，滯后階數的確定對于模型十分重要。滯后階數太小，殘差可能存在自相關，并導致參數估計的非一致性；滯后階數過大，待估參數多，自由度降低嚴重，直接影響模型參數估計的有效性。面板數據確定滯后階數的方法一般采用赤池信息準則（AIC）。對數據進行操作后，我們認為滯后兩期滯后的效果是最好的，詳細輸出結果如表2所示。滯后兩階時，在90%的可信度下，AIC、BIC、HQIC均通過，因此，滯后階數選取兩階即可。

在下文進行PVAR模型的回歸中，又進一步對模型的回歸階數是否正確進行檢驗，輸出結果如表3所示。

綜合上述結果可知，在滯后一階時，在90%的可信度下，預算赤字波動（sd_bdt-1）不顯著；滯后兩階時，在99%的可信度下，除滯后兩期的增長率（growtht-2）和存貸總額的波動性（sd_cdzet-2）外，所有變量均能拒絕原假設，均是顯著的，故選擇滯后兩期。這也與上面所進行的滯后階數檢驗相符，說明對模型進行面板矩估計（GMM）是有意義的。

結合上文中的變量引入以及滯后階數檢驗的結果，我們建構如下模型：

Zit=？姿0+？姿1zit-1+？姿2zit-2+fi+et（1）

其中zit=（growth，sd_cf，sd_db，sd_cdze）′是基于面板數據的4×1的變量向量，i代表不同的省份，t代表年份，λ1和λ2分別是滯后期不同的變量的系數矩陣，λ0是4×1的各省效應向量（常數項），fi是4×1的年效應向量。如上文所述，growth代表實際GDP的增長率，sd_cf代表資本形成總額的波動，sd_db代表預算赤字的波動，sd_cdze代表存貸款總額的波動，將這四個宏觀經濟變量納入同一模型系統，分析各省經濟增長速度對不同宏觀經濟變量波動沖擊響應的不同。

在將VAR運用到面板數據中時，我們需要對其施加一定的限制條件，即對于每一個橫截面單元而言，其底層結構是相同的。由于這個限制可能在實操中被打破，一種解決方法便是通過引入固定效應的方式允許變量中存在異質性，在模型中通過fi表現出來。而受因變量滯后項的影響導致的fi與自變量的相關性，會使傳統用于消除固定效應的“均值差分法”在對系數的估計中產生偏誤。因此，筆者使用“前向均值差分法”（Arellano和Bover，1995）來消除固定效應。該方法通過移除前向均值這一轉換方式，避免差分項作為工具變量的滯后回歸項間的正交，從而達到準確估計模型系統的目的。

三、實證檢驗結果與分析

（一）PVAR模型及其解釋力

根據上文中建立的模型，對面板數據進行向量自回歸（VAR）。于是，面板矩估計（GMM）的輸出結果如表4所示。

由于本文主要研究的是短期波動對長期經濟增長的影響，所以主要觀察的數據為表4中的第（1）列，即模型中的各變量滯后一期和滯后二期時對當期經濟增長率（growtht）的解釋力。

首先，檢驗模型可行性。由表4可知，在95%的可信度下，模型中的變量除滯后二階的增長率（growtht-2）和存貸款的波動（sd_cdzet-2）這2個變量的P值大于0.05，其他變量的P值均遠遠小于0.05。經過筆者的反復驗證，這已經是相對最有效的模型，故模型的建立是可行的。

其次，從上面的回歸結果可以看出，在growtht作為被解釋變量時，sd_cf（資本形成總額的波動）對growtht有影響，滯后一期的sd_cf對growtht有正向影響，其系數是0.318，這樣的結果說明上年的資本形成總額的波動對當期的經濟增長有正向的影響，即資本形成總額比重的波動越大，對當期經濟增長率的拉動就越大。滯后二期的sd_cf對growtht有負影響，其系數是-0.218，說明滯后二期的資本形成總額波動對于經濟增長率的影響是反向的；sd_bd（預算赤字的波動）對growtht有影響，滯后一期的sd_bd對growtht有正向影響，其系數為0.357，說明上年的預算赤字的波動會對經濟增長率產生正向的影響，并且這個影響還比較大，也就是說預算赤字的波動會對經濟增長率產生很大的影響。滯后二期的sd_bd對growtht有負向影響，其系數為-0.314，說明滯后二期的預算赤字的波動對經濟增長速度的影響是反向的；sd_cdze（存貸款總額的波動）對growtht有影響，和上述兩個變量類似，滯后一期的sd_cdz對經濟增長率有正影響，滯后二期的sd_cdze_ratio對經濟增長率有負影響，但是就其系數數值而言，分別為0.040和-0.011，這說明滯后一期和二期的sd_cdze對經濟增長率（growtht）影響不是很大，至少不如上面兩個變量對其影響大。

綜上所述，從系數來看，不管是滯后一期還是滯后二期，本文所研究的三個變量波動對長期實際經濟增長的影響程度大小依次是：預算赤字>資本形成>存貸規模。這樣的結果驗證了以凱恩斯主義為基本思想的主流觀點，即政府的財政政策對穩定經濟發展有顯著效果，如果當局能夠根據現有的實際情況制定合理的財政政策，實現實際經濟增長的穩定發展是有可能的。同時，輸出結果并沒有能夠得出貨幣學派關于貨幣供給是造成宏觀經濟不穩定的唯一重要因素的觀點。

（二）基于PVAR模型的脈沖響應圖

對PVAR單個參數估計值的解釋是困難的，要想對PVAR模型做出結論，可以觀察系統的脈沖響應函數。脈沖響應函數為我們提供了在其他因素保持不變的情況下，研究一個因素的沖擊對其中一個因素的動態影響的方法，它能夠比較直觀地刻畫出變量之間的動態交互作用及效應，并從動態中判斷變量間的時滯關系。

正交化脈沖響應函數分析的優勢在于它可以通過控制其他宏觀經濟變量的沖擊（令其值為常數），來度量某一特定宏觀經濟變量的正交化信息（innovation）的響應。

由于式（1）誤差項的方差—協方差矩陣可能是非對角矩陣，那么對脈沖響應函數解釋的最大困難在于VAR系統的誤差項從來都不是完全非相關的，當誤差項相關時，他們有一個共同的組成部分，不能被任何特定的變量所識別。處理這一問題筆者采用Cholesky殘差的方差—協方差矩陣分解，使誤差項正交。該方法的結果一般會受到方程順序或內生變量順序的影響。因此變量的設定順序非常重要，本文的設定變量順序是growth（經濟增長率）、sd_cf（資本形成總額的波動）、sd_bd（預算赤字的波動）、sd_cdze（存貸款總額的波動）。

分析脈沖響應函數還需要建立相應的置信區間，利用GMM估計出的系數以及它們的方差—協方差矩陣隨機生成大量系數，并重新計算沖擊反應這個過程本文進行了5 000次，蒙特卡洛模擬給出兩個標準誤差置信區間用于評價沖擊的統計顯著性，即5%。

圖1給出了宏觀經濟變量波動對實際經濟發展的沖擊影響。橫軸代表追溯期數，這里為6；縱軸表示因變量對各變量的響應大小；中間實線表示響應函數曲線；外側兩條代表兩倍標準差的置信區間。需要注意的是，脈沖響應函數是追蹤系統對一個內生變量的沖擊效果，即假定系統只受一個變量的沖擊，不受其他變量的沖擊。

圖1中第一行分別是經濟增長率對其自身的沖擊影響，資本形成總額的波動、預算赤字的波動和存貸款總額的波動對經濟增長率的沖擊影響。由圖1可以看出，經濟增長率對自身的沖擊響應是逐漸開放的。反映財政政策和貨幣政策的三個指標：資本形成總額的波動、預算赤字波動以及存貸款總額波動情況對經濟增長率的沖擊均是開放的，但是這其中資本形成總額的波動以及預算赤字的波動兩個變量波動情況的沖擊在第四期后比其他兩個指標的沖擊效果更明顯，說明經濟增長率受資本形成總額波動和預算赤字波動的影響是較大的。

圖1中第二、三、四行分別是模型中四個指標波動對資本形成總額的波動、預算赤字的波動和存貸款總額的波動的沖擊影響。如果要研究這四個變量之間的相互影響，可以展開說明和論述。但是由于筆者主要研究的是宏觀經濟變量波動對經濟增長率沖擊，因此此處不再贅述。

值得一提的是，筆者研究的是短期波動對于長期增長的影響，但是滯后兩期四變量脈沖響應圖輸出結果顯示，這個沖擊的影響是開放的，而上文中所做回歸結果顯示，滯后兩期時，各變量的影響都變成了負相關關系，但是這并不能說明與脈沖響應圖輸出結果相悖。因為，脈沖響應圖輸出的結果是滯后兩期變量對于經濟增長率沖擊的合力效果，雖然滯后二期時，PVAR模型回歸結果顯示，資本形成總額的波動、預算赤字的波動以及存貸款總額的波動這三個變量對于經濟增長率都是反向的影響，且數值都很小，這說明二期之后，資本形成和政府政策對于經濟增長率的影響是反向并且微弱的。但是，由于滯后一期時，三個變量波動對經濟增長率的沖擊太大，滯后二期雖然影響是反向的，但是數值過小，根本無法抵消滯后一期時的正向沖擊。以資本形成總額的波動這一變量為例，滯后一期時對經濟增長率的正向沖擊是0.318，滯后二期時反向沖擊是-0.218，兩期的合力作用是0.100>0，因此在脈沖響應圖中的反應仍然是在水平線以上。其他兩個變量脈沖響應函數位于水平線以上也是由于這個原因，此處將不再贅述。

綜上所述，文中面板數據向量自回歸模型的輸出結果與脈沖響應函數的輸出結果是一致的。同時也驗證了我們初期的預想，即資本形成總額以及政府政策對于長期經濟增長率有顯著影響，只是這一影響隨著時間逐漸減弱。

（三）方差分解

通過方差分解可以分析影響內生變量的結構沖擊的貢獻度，進一步度量宏觀經濟變量的波動對經濟增長率沖擊作用的構成。輸出結果如表5所示。

為了與上文脈沖響應圖相對應，筆者進行了6個預測期的方差分解。在這里選取其中具備代表性的第3個預測期和第6個預測期的數據進行具體分析。

表5給出了第3個預測期和第6個預測期的方差分解結果。可以看出，雖然經濟增長率的變動主要是來源于自身，但是由第3個預測期資本形成總額的波動對經濟增長率的影響是1.6%，預算赤字波動的影響是0.7%，存貸總額波動的影響是0.5%；第6個預測期時資本形成總額的波動對經濟增長率的影響是1.9%，相較于第3個預測期時，第6個預測期的資本形成總額的波動對于經濟增長率的影響較大，這也與上文中脈沖響應圖的輸出結果相吻合。預算赤字的波動的影響為0.8%，存貸款總額的波動的影響為0.6%。此外，從兩個預測期方差分解的數據對比可以看出，伴隨著預測期的增加，經濟增長率自身波動對其影響力有下降的趨勢，這也說明另外三個變量的脈沖影響有上升的趨勢。從以上結果可以看出，資本形成總額的波動、預算赤字的波動、存貸款總額的波動這三個變量對于經濟增長率的影響不算大，相比而言，資本形成總額的波動以及預算赤字的波動這兩個變量對預測經濟增長率有較大的貢獻率，這一結論也驗證了上文在做PVAR模型回歸時的結論。

四、結論

改革開放三十多年來，中國經濟有了驚人的發展。同時，經濟發展過程中也經歷了較大的波動。一般來講，由于宏觀經濟變量之間的反饋作用的存在，使得研究經濟周期模型比較困難。因此，本文選取另一種方式來研究經濟周期問題。相較于把焦點放在分析引起經濟發展不穩定的原因，筆者主要驗證的是與經濟增長的影響程度以及影響時效。

筆者用實際GDP的增長率指標衡量我國的經濟發展的穩定情況，使用面板數據的向量自回歸方法，研究資本形成、財政政策和貨幣政策的波動對經濟發展的穩定性沖擊作用。從實證結果看，資本形成、財政政策和貨幣政策的波動性對經濟發展穩定性都有一定的沖擊作用。其中，資本形成和財政政策對經濟發展的穩定性具有相對較大的影響，貨幣政策波動對于經濟發展的穩定性影響雖然相對較小，但是也有一定的沖擊。

首先，短期波動對于長期經濟增長率有一定的影響。通過四變量向量自回歸模型的建立（PVAR）具體分析了短期和長期時，資本形成、政府財政政策和貨幣政策的波動對于經濟增長率的影響程度。回歸結果顯示，滯后一期的資本形成、財政政策和貨幣政策對于經濟增長率的影響均為正向影響。此外，就其影響程度而言，財政政策>貨幣政策>資本形成，且三者的數值均不算小，說明影響還是比較顯著的。滯后二期時，資本形成、政府財政政策和貨幣政策對于經濟增長率的影響均為反向影響。此外，就其影響程度而言，財政政策>資本形成>貨幣政策，且三者的絕對值數值較滯后一期大幅減少。以上結果說明，短期內，資本形成和經濟政策對于經濟增長率有顯著的正向影響，但是就長期而言，這種影響力會漸漸趨向反向影響，且影響力大幅減小。這便要求經濟政策制定者在制定和執行經濟政策時，應當綜合考慮政策長期與短期的影響，選擇最優的政策幅度。

其次，就長期而言，經濟增長率對短期波動的脈沖響應函數輸出顯示，模型中三個變量的沖擊是開放的，盡管滯后兩階后，影響方向變成了反向，但是就其實際影響力度而言，遠不如滯后一期的正面影響大，所以二者合力效果仍然對經濟增長率有較為明顯的影響。但是，這個影響力伴隨時間的推移將逐漸減弱。

再次，就方差分解的結果來看，對長期經濟增長率的波動最主要的來源仍然是內在原因，外在的沖擊也對其有一定的影響。這就要求我們在追求穩定經濟增長的過程中要把重心放在經濟內在結構和內容的調整，同時也不能忽略資本形成和經濟政策等外在因素對其的重要影響。

參考文獻：

[1]陳昆亭，周炎，龔六堂.短期經濟波動如何影響長期增長趨勢[J].經濟研究，2012，（1）：42-53.

[2]池建宇，趙家章.短期經濟波動如何影響長期增長——來自中國省級層面的證據[J].北京工商大學學報（社會科學版），2015，（2）：8-17.

[3]李濤.一個反映長周期波動的增長模型[J].世界經濟，2001，（7）：7-15.

[4]盧二坡，曾五一.轉型期中國經濟短期波動對長期增長影響的實證研究[J].管理世界，2008，（12）：10-23.

[5]盧二坡，王澤填.短期波動對長期增長的效應——基于省際面板數據的經驗證據[J].統計研究，2007，（6）：32-36.

[6]周達軍.我國經濟波動對增長的負面效應的實證分析[J].經濟管理，2007，（14）：75-80.

[7]Arellano，M.，and Bover，O. Another Look at the Instrumental Variables Estimation of Error Components Models[J]. Journal of Econometrics，1995，（1）：29-52.

[8]Barlevy，G. The Cost of Business Cycles under Endogenous Growth[J]. American Economic Review，2004，（4）：964-990.

[9]Fatás，A，and Mihov，I. Policy Volatility，Institutions，and Economic Growth[J]. Review of Economics and Statistics，2013，（2）：362-76.

[10]Kormendi，RC，and Meguire，PG. Macroeconomic Determinants of Growth：Cross-country Evidence[J]. Journal of Monetary economics，1985，（2）：141-163.

[11]Ramey，G，and Ramey，VA. Cross-Country Evidence on the Link Between Volatility and Growth[J]. American Economic Review，1995，（5）：1138-1151.

[12]Yu，W. How Business Cycle Volatility Affect Economic Growth in China？-An Empirical Study based on GARCH-M Model using the 1952-2012 Data[J]. Advance Journal of Food Science and Technology，2014，（7）：934-940.

[13]丁志帆.轉型期中國經濟波動的沖擊傳導機制解析——基于動態隨機一般均衡模型的數值模擬分析[J].山西財經大學學報，2014，（9）：1-13.

[14]池建宇，趙家章.短期經濟波動如何影響長期增長？——來自中國省級層面的證據[J].北京工商大學學報（社會科學版），2015，（2）：8-17.

責任編輯、校對：艾 嵐