網絡消費者信心指數和經濟增長的動態相關性研究

劉偉江 李映橋

(吉林大學 數量經濟研究中心，吉林 長春 130012)

網絡消費者信心指數和經濟增長的動態相關性研究

劉偉江 李映橋

(吉林大學 數量經濟研究中心，吉林 長春 130012)

利用搜索引擎中的關鍵詞搜索數據所合成的網絡消費者信心指數(WCCI)，以中國規模以上企業工業增加值(IP)作為測量經濟增長的量化指標，首先分別定量描述WCCI和IP序列，而后利用DCC多元GARCH模型和SVAR模型，分析中國網絡消費者信心和經濟增長的動態相關關系和相互作用情況。結果表明，WCCI與IP之間存在顯著的動態相關關系，WCCI可以Granger引起IP的變化，WCCI可以解釋約20%的IP波動。

網絡搜索；網絡消費；網絡消費者信心指數；經濟增長

一、引言

“大數據”一詞從方興未艾到耳熟能詳，已經逐漸滲透到人們的生活中，正明顯改變著我們的生活方式和行為習慣。人們的信息來源從傳統的媒體擴展到網絡媒介，且網絡所占比重仍在逐年上升。大數據對于宏觀經濟分析的意義是革命性的。依托移動互聯、云計算、物聯網等技術，大數據時代使產業經濟與信息經濟的整合成為可能。互聯網已經不僅僅是傳統信息傳播的媒介，更是發展成為人與人之間虛擬的社會。大量和人類相關的數據，例如經濟、社會運行指數被投射到云上。而這些數據普遍具有實時、交互和非結構化的特點，數據中隱藏著用戶心理、需求變化狀況，同時也蘊含著經濟社會運行的各種先行指標信號。學者們以網絡搜索數據即時性為基礎，將其運用到預測經濟行為或指標的研究中，如Goel et al.(2010)研究了美國地區的首周末票房收入、電子游戲首月銷量、熱歌100排行榜與搜索行為之間的關系排名，認為：搜索量與消費行為高度相關，對于未來的情況具有顯著的預測作用，搜索引擎中的搜索量變化可以成為未來結果的前兆；加入關鍵詞搜索量之后，基準模型得到了不同程度的優化。該研究還回顧了流感趨勢監控，論證了在缺乏其他數據源的情況下，網絡搜索數據可以對短期內的未來做出有效預測。對于宏微觀的經濟指標，也有學者利用網絡搜索技術對預測進行了優化，如：Kholodilin et al.(2009)在個人消費增長率模型中加入網絡搜索數據，得到的預測效果精確度高于基準模型；Vosen et al.(2011)也認為網絡搜索行為與消費行為之間存在關聯性，網絡搜索數據的加入會增加模型預測精度；Wu et al.(2014)通過在預測模型中加入網絡搜索指數，用相對簡單的線性回歸模型得到了精度更高的預測，使MAE等指標大大降低，數據不僅細化到了以鄉鎮為單位，同時還與官方后來公布的一致。除了可以應用與預測房價之外，網絡搜索數據還可以預測房屋銷售額、家庭消費等微觀經濟指標。該類研究可以幫助消費者、生產者和政府做出有效的最優決策，同時，也為供給與需求的相關研究提供了新的路徑和方法。還有一些學者在其研究內容中加入網絡搜索數據構建出新的經濟指標，如：Penna et al.(2009)開發的消費意向指數就是根據谷歌趨勢中的搜索數據所合成的，就消費者信心的預測而言，該指數要優于傳統指數；張崇(2012)合成的搜索指數與CPI相比具有領先其變化的特征，且二者間存在協整關系，這是國內學者對于網絡搜索數據與經濟行為之間的初步探索。學者們對網絡搜索指標的構建還在不斷優化中。孫毅等(2014a)以百度數據中的搜索指數為基礎，開發了網絡消費者信心指數(ICCI)，ICCI相比傳統工具而言能更好地預測社會商品零售總額；同時，孫毅等(2014b)合成的網絡通脹預期指數與通貨膨脹率有著相似的走勢。劉偉江等(2015)利用和孫毅等(2014a)相似的指標選取方法構建了網絡消費者信心指數，通過用馬爾科夫區制轉移模型證明了網絡消費者信心指數與物價波動的顯著關聯性，對比了二者增長速率和波動情況的關系。總的來說，以上研究都證明了經濟行為和網絡搜索數據之間聯系密切，而以網絡搜索數據所構建的模型預測也更為精確。

本文以搜索引擎中大數據為基礎構建網絡消費者信心指數，將其作為網民消費需求在互聯網上的映射，利用動態條件相關多元模型(DCC-GARCH)、SVAR模型研究網絡消費者信心和經濟增長之間的關系，并對兩者的動態特征進行定性和定量分析，探索兩個指標間波動的聯動性和相關性，為諸多不確定因素下的政策制定提供參考，以提高中國經濟波動的識別能力和預警能力。

二、文獻綜述

消費者信心指數(Consumer Confidence Index,CCI)是由美國密歇根大學調查研究中心Katona首先提出，可以分為消費者預期指數和消費者滿意指數兩個部分。它是政府制定經濟政策時需要參考的重要經濟指標之一，在學術界常用其預測經濟發展趨勢。中國國家統計局從1997年12月開始正式調研和編制CCI，而后定期公布消費者信心調查報告。市場信心作為一種主觀心理感受，很早就進入經濟學家視野，然而國內外研究學者對消費者信心與經濟增長之間關系的看法至今尚未統一。

一些學者認為，消費者信心與宏觀經濟存在相互作用。Farmer et al.(1994)從“動物精神”的角度解釋了信心和經濟波動之間的關系，他們指出零沖擊下經濟周期仍然會產生波動，這是由投資者心理預期的自我實現所導致的。Golinelli et al.(2004)利用VAR模型對多個國家30年的產出和消費者情緒指數(CSI)進行研究，結果表明，CSI可以對經濟行為做出預測，CSI領先于GDP變化，且CSI對GDP有顯著影響，這種影響是與其它宏觀經濟變量相獨立的。John et al.(1995)研究了消費者信心與經濟波動之間的關系，認為消費者信心在公眾對于經濟周期的預期方面有著重要作用，CSI的降低會引起蕭條，CSI與GNP之間存在著雙向的Granger因果關系，進一步來說，消費者信心的外生變化會對多重均衡模型中的產出造成影響。Taylor et al.(2007)以英國、法國、意大利和荷蘭四個國家的數據為基礎構建模型，預測消費者信心、企業家信心與GDP增長率之間的關系，結果表明前兩者與后者具有顯著相關性，該模型經過證明可以很好地預測經濟下行的趨勢。白彩全等(2012)利用平穩性檢驗、協整檢驗等方法論證了消費者信心指數與宏觀經濟景氣指數之間互為因果的關系，認為國家經濟狀況對消費者信心有顯著影響，增強消費者信心對于拉動經濟增長具有十分重要的意義。李雪梅(2008)用線性回歸和相關系數等分析手段論證了消費者信心與宏觀經濟運行的關系，認為消費者信心與GDP和就業水平有著較高的相關性。綜上所述，經濟行為會受到消費者信心的影響，產出、消費、物價、就業與消費者信心之間的關系是存在的。

與上述觀點不同，有學者認為，消費者信心對宏觀經濟不存在顯著影響。Mehra et al.(2003)認為，經濟基本面具有客觀規律，經濟主體的心理因素無法促進或抑制經濟的運行。吳文鋒等(2004)則認為，雖然CCI對消費有預測作用，但回歸模型和Granger因果檢驗卻證明，對于經濟系統中的其他部門而言，消費者信心指數的領先作用并不顯著。然而本文認為，該結論可能并未考慮到時間序列中的非線性特征。此外，還有一些學者將企業家信心和消費者信心作為信心的兩個方面，逐個探究其對宏觀經濟的作用。陳彥斌等(2009)認為，企業家信心可以顯著影響宏觀經濟運行，而消費者信心則不能對宏觀經濟產生影響；耿鵬(2013)的研究也表明，消費者信心對宏觀經濟的預測作用不明顯，而企業家信心則會影響宏觀經濟運行。學者們之所以認為消費者信心無法影響經濟活動，主要原因集中在三點：(1)經濟的客觀性；(2)消費者信心與經濟指標間因果關系不顯著；(3)僅有企業家信心能夠影響經濟運行，消費者信心則不具該功能。還有一些研究對消費與消費者信心之間的關系進行了不同地域間的縱向比較。楊茂(2006)對北京、天津、上海、廣州四市的消費者信心進行了研究，認為消費者信心對消費影響的有無和大小因地區而異。綜上所述，學者們從不同的角度對消費者信心與宏觀經濟間的關系進行了探討，得出的結論也各有不同。網民在搜索引擎上的搜索行為和記錄，可以被視為消費需求在互聯網的映射，而包含網絡信息的消費者信心與宏觀經濟之間關系的研究尚未成熟。本文即以此作為切入點，將消費在網絡搜索數據中的映射納入消費者信心指數的考量范圍，對經濟增長與網絡消費者信心的動態相關關系和相互作用機理進行探究。

三、網絡消費者信心指數與經濟增長關系的實證研究

(一)樣本選擇及數據描述

本文選用2006年7月至2015年9月規模以上工業企業增加值累計同比實際增速(下文稱工業增加值)來代表中國的經濟增長水平，數據來源于《中經網統計數據庫》，記為IP。就網絡消費者信心而言，我們利用劉偉江等(2015)構建的網絡消費者信心指數進行度量，后者利用百度搜索引擎中的數據，經過分類篩選、優化之后合成了網絡消費者信心指數。與以往的消費者信心指數相比，網絡消費者信心指數更能夠實時反映消費者信心變化，充分考慮了互聯網對人們行為模式及消費習慣的改變。基于經濟意義及構建模型的考量，我們將上文中的網絡消費者信心指數進行預處理，以2006年7月為基準將其處理成對數增長率數據，記為WCCI。

圖1 WCCI的時間動態軌跡

中國網絡消費者信心指數的簡單描述如圖1所示，從中可以看出，2006年9月到2015年9月，網絡消費者信心指數以較平穩的趨勢增長，在2012年、2013年和2014年年末分別有一定程度的下降。由于網絡消費者信心指數具有明顯的時間趨勢，現將其一階差分后與工業增加值的序列進行更直觀的比較，如圖2所示。

從圖2中可以看出，2006年9月到2015年9月，網絡消費者信心指數以較平穩的趨勢增長，在2012年、2013年和2014年年末分別有一定程度的下降；IP在經歷2009年初的最低點后經歷了幾次震蕩，近兩年有小幅下降的趨勢。就兩者呈現如圖變化的原因而言，筆者認為：百度指數是本文應用的網絡消費者信心指數的數據來源，相對應的關鍵詞搜索記錄始于2006年7月，而當時的互聯網普及率和覆蓋率仍處于相對較低的水平，與現在的發展差距很大，所以從2006年到2009年，中國的網絡消費者信心變化程度一直不高；隨后的幾年，網絡在消費者生活中的日益滲透，人們更加頻繁地使用搜索引擎，網絡消費者信心指數的增長速度有所加快；到了2011年，搜索數據的來源被進一步擴展，來自手機等移動設備的搜索數據也被納入百度指數的計算范疇中。WCCI在多種因素的綜合作用下被推至較高水平。2008年，一場國際范圍內的金融海嘯隨著美國次貸危機的爆發而席卷全球，中國經濟也因此受到較大影響，工業增加值大幅降低；2009年伊始，中國經濟隨著全球經濟復蘇而逐步回暖，政府出臺了刺激經濟的各項政策，其作用開始逐步顯現；到了2011年，隨著歐債危機的蔓延，央行貨幣政策的收緊，房地產市場的萎靡，工業增加值再次下挫，經歷反彈、平穩、激增之后于2013年初驟降，恢復平穩后至今有小幅下跌的走勢。

圖2 WCCI與IP的時間動態軌跡

表1對樣本區間內WCCI和IP進行了統計性描述，比較二者的標準差可以發現，IP大于WCCI，這表明工業增加值序列的波動性較大。對二者各項統計指標進行分析可知，WCCI在樣本區間內不服從正態分布，具有“尖峰厚尾”的分布特征，且兩個序列的ARCH效應均顯著存在。

表1 各指標描述性統計值

(二)平穩性分析

在模型建立之前，先利用ADF檢驗對兩個序列進行平穩性檢驗，結果見表2。IP在1%的顯著水平下為平穩序列，而WCCI經一階差分后為平穩序列，此處，根據選用的模型不同依情況討論如下：為了應用DCC-GARCH模型對二者的動態關系進行分析，需將兩個序列調整為同階單整，故將WCCI取一階差分后，再放入模型中進行估計；在SVAR模型中，則需要進一步驗證兩個序列之間的關系，如果二者之間存在協整關系，則可將原序列放入模型中進行估計，如果不存在協整關系，則需要調整和修改模型。

表2 各序列平穩性檢驗結果

(三)格蘭杰因果檢驗

為了利用SVAR模型進一步研究網絡消費者信心與經濟增長的關系，本文通過Granger因果檢驗加以論證，利用WCCI和工業累計增加值的月度數據進行實證檢驗。首先對所有變量序列進行平穩性檢驗，具體結果如表2所示。通過ADF檢驗可知，規模以上工業企業增加值累計同比實際增速序列為穩定序列，不存在單位根，而網絡消費者信心指數為一階單整序列。對WCCI與IP序列進行協整檢驗，表3的檢驗結果證明，WCCI和IP這兩個變量在1%的顯著水平下至少存在1個協整關系。根據最大特征值檢驗法和特征跡檢驗法可以判斷，兩個變量是協整的，可以繼續進行格蘭杰因果關系檢驗做進一步分析。

表3 協整檢驗結果

雖然研究對象中WCCI序列非平穩，但由于協整檢驗的結果表明WCCI與IP之間是協整的，因此，進行Granger因果檢驗時可以使用WCCI和IP的原序列。根據表4的檢驗結果可知，WCCI可以直接引起IP的波動，可以利用SVAR模型對二者之間的作用關系進行研究。

表4 Granger因果關系檢驗結果

(四)DCC-GARCH模型的構建和識別

由上文序列的統計特征和檢驗結果分析可知，在WCCI與IP序列中存在著尖峰厚尾、自相關和異方差的特征，基本的OLS回歸模型不能精確地描述變量之間的動態相互作用關系。為了檢驗WCCI與IP之間波動的關聯程度，我們利用DCC-GARCH模型來研究兩個變量之間的聯動性。在考察網絡消費者信心與經濟增長各自波動性的同時，充分利用二者相關性中所包含的信息，力求刻畫二者相關系數的時變特性。

1.模型框架

Ht=(hij,t)=DtRtDt

(1)

(2)

(3)

(4)

(5)

(6)

為了對DCC-GARCH模型進行估計，我們分以下兩個步驟進行操作：第一，建立單變量GARCH模型，可以估計出單變量的條件方差；第二，將單變量的條件方差標準化后，估計變量之間的動態條件相關系數。把模型的參數θ分解為兩部分(φ,φ)，φi=(ωi,αi1,αi2…βi1,βi2…)為第i個序列的單變量GARCH模型的估計參數，φ=(α，β)。通過以上兩步估計過程，可以得到具有漸進正態性和一致性的估計結果。

2.模型估計

根據上文描述的過程構建包含IP與DWCCI的DCC-GARCH模型。兩個序列的GARCH(1，1)模型估計結果如表5所示。由表5可知，在5%的水平下兩個變量的ARCH項系數和GARCH項系數都是顯著的。另外，用Ljung-Box檢驗方程的殘差及其平方，結果殘差中不存在自相關，ARCH效應不顯著，說明模型設定具有合理性。最后，DWCCI的條件方差方程中，ARCH項和GARCH項系數之和與1比較接近，說明WCCI的增加量序列的波動具有顯著的持續性。

表5 單變量GARCH(1，1)模型估計結果

注：***、**、*分別表示參數在1%、5%、10%的水平下顯著。

另外，在無條件相關系數的估計結果中，α*=0.3877，β*=0.4999。α*和β*均不顯著為零，α*和β*之和小于1且與1比較接近，估計結果符合模型的穩定性約束條件，二者存在顯著的時變相關性。進一步來說，α*和β*均為正，動態相關系數的值均大于0，故相關系數矩陣與上期波動呈正相關關系。又由于α*<β*，這說明，對網絡消費者信心指數和工業增加值序列來講，前期殘差平方對當期動態異方差所帶來的波動小于前期條件異方差對當期動態異方差的影響。同時，這也表明二者間相關關系的持續性較強，前期相關性對當期波動影響較大。

回歸得到參數估計結果的同時，還可以得到網絡消費者信心指數和工業增加值之間的動態條件相關系數序列，其具體走勢如圖3所示。由圖3可以看出，中國WCCI與IP之間的動態相關關系成正負交替的走勢，相關系數最低為-0.8454，最高為0.6437，說明二者之間存在較強的聯動性，且相關系數的波動性較大。在2009年之前，它們的關系相對穩定，一直為負，這是由于WCCI的數據來源“百度指數”在2006年開始記錄數據，互聯網的使用率和普及率也相對較低，代表性和說服力與之后網絡廣泛覆蓋的時期相比相對較弱，加之從2007年開始，美國次貸危機逐漸顯現，全球經濟形勢下行。2009年開始，動態條件相關系數大幅增加，之后一直為正，此時全球經濟開始回暖，逐步走出金融危機的陰霾；除2010年年初，動態相關系數一直維持較高的正向水平。2012年是相關系數波動較為劇烈的一年，從驟降到負值再到不斷波浪式上升到2014年的較高水平。隨后，由于受到不景氣的經濟環境影響，相關系數開始下跌直到降為負值，到了2015年，相關系數一直在較低水平處徘徊。

圖3 網絡消費者信心指數和工業增加值動態條件相關系數

分析動態相關系數產生上述波動變化的原因，我們認為，可能是宏觀經濟景氣程度影響了動態相關系數的變化：當宏觀經濟比較景氣時，動態相關系數會增加，呈現正相關關系，即WCCI的增加會引起IP的增加，這說明消費者對商品或服務關注度的增加所引起的消費增加對投資的“擠占效應”比較小或者被抵消，投資水平受到的影響較小，在外部環境的刺激下，經濟增長速度加快；而當經濟比較低迷時，動態相關系數也比較低，直至出現負值，表明WCCI的增加會引起IP的減少，消費需求增加所導致的消費增加對于投資的“擠占效應”比較明顯，加劇投資水平的降低，經濟增長放緩。這種假設在圖4中得到了印證。

在此，本文利用宏觀預警指數來代表反映宏觀經濟運行情況的指標，論證“擠占效應”的具體表現。圖4刻畫了WCCI與IP的動態相關系數及宏觀預警指數經過時間調整后的序列圖。由圖4可見，兩個序列的走勢大體一致，尤其是最大值和最小值的位置。2008年之前由于上文提到的WCCI數據構成的原因，暫且不進行討論，在2008年之后二者均出現快速下滑的態勢，隨后迅速升高；在宏觀預警指數呈現下降趨勢的同時，動態相關系數則波動比較劇烈，2013年開始一直下降。兩者相似的特征在序列急速增加和急速減少時反映得比較明顯，當然，二者更深一步的相互作用關系有待于進一步研究。

圖4 動態相關系數與宏觀預警指數

(五)SVAR模型的構建和識別

1.樣本選擇

為了更好地探查網絡消費者信心和經濟增長的相互作用，本文構建SVAR模型進行更深入的分析。由表2的ADF檢驗結果可知，WCCI為非平穩序列，通常情況下，可以用差分的方法將VAR模型中的非平穩變量平穩化，采用平穩的變量構建模型。而這種差分處理在去除單位根的過程中也會使原序列的部分信息造成缺失，且差分后也可能得到毫無經濟意義的序列。Sims(1990)認為，尋找研究變量間的關系是VAR模型的研究意義之所在，而并不拘泥于對系數進行估計，使用差分等方法處理后平穩化的序列進行建模會使模型估計不準確。陸榮等(2010)對這個結論做出了補充，認為在穩定的VAR模型系統中，不需要使用平穩化后的序列，可以直接用原序列進行估計。因此，本文采用網絡消費者信心對數增長率和累計工業增加值的原始序列進行建模和分析。

2.構建模型

在設定SVAR模型時，首要問題是確定初始VAR模型的滯后期。若滯后階數p過大，估計參數過多，模型的有效性會受到影響；如果p值過小，估計結果則無法保證其一致性。因此，選擇合理的滯后期的重要性可見一斑，本文的檢驗結果如表6所示。

表6 VAR模型最優滯后期數的確定

綜合比較不同滯后期下的各個準則后，選取SVAR模型的滯后期數為4。SVAR(4)模型表示如下：

(7)

本文構建的4階SVAR模型則可以具體表示為：

C0yt=Γ1yt-1+Γ2yt-2+Γ3yt-3+Γ4yt-4+μt

(8)

其中，C0和Γ均為2×2階矩陣，若假定滯后算子可逆，SVAR模型表達式可以化為：

Aφ(L)yt=Aεt, t=1,2,…,T

(9)

圖5 單位根檢驗

圖6 工業增加值對網絡消費者信心的脈沖響應

圖7 網絡消費者信心沖擊對工業增加值的貢獻度

3.實證結果分析

施加約束條件后，我們使用Eviews8.0軟件完成模型的估計，詳細的操作過程參見高鐵梅(2009)。而后對整個模型進行穩定性檢驗，圖5即為模型殘差的單位根檢驗結果。由圖5可知，特征根倒數均位于單位圓之內，說明本文設定的SVAR模型具有良好的穩定性。因此，對工業增加值而言，可以應用脈沖響應函數深入分析其波動情況。

圖6給出了我國工業增加值的脈沖響應函數，它代表當網絡消費者信心(本文即指WCCI)發生1標準差沖擊時，工業增加值對該結構性沖擊的動態響應。從圖6中可以看出，當網絡消費者信心發生沖擊時，工業增加值第一個月的響應較為明顯，這種響應持續增加，第4個月達到最大負響應點(-0.98)，隨后這種響應逐步衰減，且始終為負，這說明網絡消費者信心的變化對中國工業增加值的影響周期較長。究其原因，本研究認為，這是由WCCI的性質和消費與投資的關系共同決定的。李占風等(2009)的研究表明，利用支出法核算的GDP中，短期內投資會帶來消費的減少，同時消費也給投資帶來負面沖擊。本質上來講,WCCI是網民消費需求在互聯網上的映射，是消費者對于商品或服務關注程度的一種反應。當WCCI增加1單位時，可以理解成消費者的需求在一定程度上的增加，而這會導致消費水平的提高，短時間內消費者的收入水平是恒定的，故在總收入中用于投資的部分會減少，進而使得工業增加值有所減少。

除此之外，本文對工業增加值進行了方差分解，如圖7所示。由圖7可以得出：在工業增加值與網絡消費者信心的動態關系中，從長期看網絡消費者信心指數的沖擊解釋了超過20%的工業增加值波動；WCCI對IP的貢獻從第10期開始趨于穩定，達到19%的水平。

四、結論

本文選取2006年7月至2015年9月的工業增加值和網絡消費者信心指數月度數據作為樣本，在對每個序列進行定量描述后，通過構建DCC-GARCH模型和SVAR模型論證了經濟增長和網絡消費者信心之間的關系，并在此基礎上進一步對網絡消費者信心如何影響工業增加值進行實證研究，得到以下結論：

第一，從中國WCCI和IP的時間軌跡圖可以得到兩個序列的絕對變化過程：2006年9月到2015年9月，網絡消費者信心指數以較平穩的趨勢增長，且增長速度在搜索數據來源擴展、網絡覆蓋更廣等因素的作用下加快；IP則受國際經濟環境的影響較大，在經歷2009年初的最低點后經歷了幾次震蕩，近兩年有小幅下降的趨勢。

第二，運用DCC-GARCH模型對網絡消費者信心和經濟增長之間的動態相關性進行研究，結果表明，WCCI與IP之間的相關性呈顯著的動態時變特征，且波動性較大，在-0.8454與0.6437之間。分析無條件相關系數的估計結果證實，網絡消費者信心指數和工業增加值序列的當期動態異方差主要來源于上一期的波動，而前期殘差平方所帶來的影響相對較小，也表明二者間的相關系數具有較強的持續性，前期相關性對當期影響較大。為了分析動態相關系數產生劇烈波動的原因，本文在比較動態相關系數與代表經濟形勢的宏觀預警指數之后，得出二者的大體趨勢比較相近的結論，即當宏觀經濟比較景氣時，動態相關系數會增加，呈正相關關系，而當經濟比較低迷時，動態相關系數也比較低，直至出現負值。

第三，本文以理論假設為基礎，以格蘭杰因果檢驗為工具，論證了網絡消費者信心可以引起中國工業增加值變化，而工業增加值不會引起網絡消費者信心變化。為了進一步深入分析工業增加值對于結構性沖擊的響應情況，在建立SVAR模型后應用脈沖響應函數進行研究，結果表明：網絡消費者信心的沖擊會對中國工業增加值造成持續超過1年的負向影響，且影響效果比較平穩。從方差分析的角度來說，網絡消費者信心指數的沖擊解釋了超過20%的工業增加值波動。

總的來說，DCC-GARCH模型和SVAR模型合理地描述了WCCI與IP的動態相關關系和相互作用情況，本文結論證明，網絡消費者信心與經濟增長之間有著十分密切的關系。需求方面，網絡搜索數據反映了消費者信心，它是消費需求在互聯網上的映射，消費者的信息會影響他們的需求和支出，當總需求發生變化時，宏觀經濟也就發生了變化；供給方面，經濟增長會作用于生產行為，同時改變消費者可支配收入，人們的消費預期就會發生變化。兩者之間相互影響、相互作用。在分析動態相關系數波動和網絡消費者信心對經濟增長的沖擊情況時，我們從家庭可支配收入的角度進行了分析。本文認為，可能是宏觀經濟景氣程度影響了動態相關系數的變化：當宏觀經濟比較景氣時，消費增加對投資的“擠占效應”比較小或者被抵消，經濟增長速度加快；當宏觀經濟比較低迷時，消費需求增加所導致的消費增加對于投資的“擠占效應”比較明顯，經濟增長速度放緩。這種假設在動態相關系數和宏觀預警指數序列的對比中得到了證實，當然，更深入的理論依據有待進一步研究。如何在維持經濟穩步發展的同時保持較高的消費者信心水平，降低消費對投資水平的“擠占效應”，將成為經濟新常態下政府的關注重點和調控目標。

白彩全,程麗嫣,劉琦. 2012. 金融危機背景下我國宏觀經濟景氣狀況與消費者信心關系的實證研究[J]. 中國市場(23):76-79.

陳彥斌,唐詩磊. 2009. 信心、動物精神與中國宏觀經濟波動[J]. 金融研究(9):89-109.

高鐵梅. 2009. 計量經濟分析方法與建模:Eviews應用及實例[M]. 2版. 北京:清華大學出版社:286-292.

耿鵬. 2013. 公眾信心對我國宏觀經濟運行的影響與作用機制研究[D]. 長春:吉林大學.

李雪梅. 2008. 關于中國消費者信心指數的研究[J]. 商場現代化(8):45-45.

李占風,袁知英. 2009. 我國消費, 投資, 凈出口與經濟增長[J]. 統計研究(2): 39-42.

劉偉江,李映橋,隋建利. 2015. 網絡消費者信心指數和物價波動的相關性研究[J]. 山東大學學報(哲學社會科學版)(6):65-76.

陸榮,王曦. 2010. 應對國際金融危機的貨幣政策效果[J]. 國際金融研究(7):19-29.

孫毅,呂本富,陳航,等. 2014. 基于網絡搜索行為的消費者信心指數構建及應用研究[J]. 管理評論(10):117-125.

孫毅,呂本富,陳航,等. 2014. 大數據視角的通脹預期測度與應用研究[J]. 管理世界(4):171-172.

吳文鋒,胡戈游,吳沖鋒. 2004. 中國消費者信心指數的信號引導功能[J]. 系統管理學報(5):447-450.

楊茂. 2006. 中國消費者信心與消費需求拉動效應的實證分析[J]. 經濟經緯(1):21-23.

張崇,呂本富,彭賡,等. 2012. 網絡搜索數據與CPI的相關性研究[J]. 管理科學學報(7):50-59.

ENGLE R. 2002. Dynamic conditional correlation: a simple class of multivariate GARCH models [J]. Journal of Business and Economic Statistics, 20(3):339-350.

FARMER R E A, GUO J T. 1994. Real business cycles and the animal spirits hypothesis [J]. Journal of Economic Theory, 63(1):42-72.

GOEL S, HOFMAN J M, LAHAIE S, et al. 2010. Predicting consumer behavior with web search [J]. Proceedings of the National Academy of Sciences of the United States of America, 107(41):17486-17490.

GOLINELLI R, PARIGI G. 2004. Consumer sentiment and economic activity: a cross country comparison [J]. Journal of Business Cycle Measurement & Analysis, 1(2):147-170.

KHOLODILIN K A, PODSTAWSKI M, SILIVERSTOVES B, et al. 2009. Google searches as a means of improving the nowcasts of key macroeconomic variables [R]. DIW Berlin Discussion Paper No.946.

MEHRA Y P, MARTIN E W. 2003. Why does consumer sentiment predict household spending [J]. Economic Quarterly, 89(September):51-67.

PENNA N D, HUANG H F. 2009. Constructing a consumer confidence index for the US using web search volume [R]. Working Paper.

SIMS C A, STOCK J H, WATSON M W. 1990. Inference in linear time series models with some unit roots [J]. Econometrica, 58(1):113-144.

TAYLOR K, MCNABB R. 2007. Business cycles and the role of confidence: evidence for Europe [J]. Oxford Bulletin of Economics and Statistics, 69(2):185-208.

VOSEN S, SCHMIDT T. 2009. Forecasting private consumption: survey-based indicators vs. Google trends [J]. Journal of Forecasting, 30(6):565-578.

WU L, BRYNJOLFSSON E. 2015. The future of prediction: how google searches foreshadow housing prices and sales [M]// GOLDFARB A, GREENSTEIN S M, TUCKER C E. Economic analysis of the digital economy. Chicago：University of Chicago Press： 89-118.

(責任編輯 彭 江)

Dynamic Correlation between Web Consumer Confidence Index and Economic Growth

LIU WeiJiang LI YingQiao

(Institute Center for Quantitative Economics, Jilin University, Changchun 130012)

The study exploits the web consumer confidence index (web CCI) based on the web search volume, and measures economic growth by industrial added value(IP). First, the paper describes the WCCI and IP generally, and then analyzes the interaction and dynamic correlation of the two series with DCC-GARCH model and SVAR model. The results indicate that there is significant dynamic correlation between WCCI and IP, and WCCI can cause the changes of IP and explain 20% of the fluctuation of IP.

web search; web comsumer; web consumer confidence index; economic growth

2017-03-06

劉偉江(1967--)，女，吉林長春人，經濟學博士，吉林大學數量經濟研究中心教授。 李映橋(1989--)，女，吉林長春人，吉林大學數量經濟研究中心博士生。

教育部人文社會科學重點研究基地重大項目“新常態下促進經濟穩定增長的要素配置與產業升級政策研究”(16JJD790015)；國家社科基金重大項目“引領經濟發展新常態的市場基礎、體制機制和發展方式研究”(15ZDC008)；國家自然科學基金項目“中國經濟周期波動的轉折點識別、階段轉換及預警研究”(71573105)。

F014.5

A

1001-6260(2017)05-0001-10

10.19337/j.cnki.34-1093/f.2017.05.001