中國經濟周期的波動特征：典型事實與國際比較

蔡群起 龔 敏

(廈門大學 宏觀經濟研究中心，福建 廈門 361005)

中國經濟周期的波動特征：典型事實與國際比較

蔡群起 龔 敏

(廈門大學 宏觀經濟研究中心，福建 廈門 361005)

基于全新的中國季度宏觀數據集，利用時域相關分析和頻域互譜分析方法對1992年以來中國經濟波動的典型事實進行全面歸納，之后運用G7國家的數據橫向比較中國經濟波動特征與主要發達經濟體的異同，并深入分析其差異的成因，最后提出理解中國經濟波動的模型框架以及對近年來中國經濟增速下行成因的啟示。研究發現：中國經濟周期波動的粘持性與發達經濟體相似，但波動性顯著偏高，而各變量同GDP波動的相關性則顯著偏低；相對于G7國家，中國的投資、資本、勞動、政府消費、凈出口及貨幣等變量的波動別具一格；可貿易和不可貿易部門框架可以較好地解釋近年來中國經濟增速的持續下行。

中國經濟周期；經濟波動典型事實；可貿易和不可貿易部門

一、引言和文獻綜述

經濟周期理論的發展，離不開經濟周期實證研究新成果的持續涌現。經濟周期波動特征的經驗研究，是理解中國宏觀經濟波動機制和判斷西方理論是否適用于中國的關鍵。近年來，中國經濟增速持續下行，生產者價格指數多年負增長，由此引發學界關于其成因的廣泛討論。究竟是潛在增速下降所致，還是經濟周期使然，似乎都能找到相關證據(白重恩 等,2014; 中國經濟增長前沿課題組,2014)。從根本上說，回答該問題需要我們對中國經濟波動機制有足夠深入的理解。那么，作為超大轉型新興經濟體，中國的經濟周期波動有何特征？相比于美國、日本和德國等西方發達經濟體，中國經濟周期的典型事實又有何異同？這是很有意義且關乎西方理論是否適用于中國實際的重大問題。本文擬用1992年以來的季度數據，通過中國與G7國家經濟周期波動特征的橫向比較來回答上述問題。

在經濟周期波動特征的研究方面，Kydland et al.(1982)開創性地分析了美國經濟各宏觀經濟變量的波動性、粘持性以及與產出波動的協動性，并以此為標準提出了實際經濟周期理論。此后，幾乎所有的實證研究和理論分析都以這些典型事實為標桿(Kydland et al.,1990；Backus et al.,1992；Fiorito et al.,1994)。Stock et al.(1999)在權威的宏觀經濟學手冊第一卷中對這方面的實證研究做了系統的總結。與發達經濟體的典型事實不同的是，許多學者發現新興經濟體的產出波動性更大，消費波動也要高于產出波動，且凈出口的逆周期性更為顯著(Agénor et al.,2000；Neumeyer et al.,2005；Aguiar et al.,2007；García-Cicco et al.,2010；Male,2011)。然而, Kim et al.(1997)發現，韓國的凈出口卻反常地表現為順周期特征。此外，在關于東亞經濟體的研究中，Kim et al.(2003)將韓國、馬來西亞、印尼、臺灣、泰國、新加坡和菲律賓等7個經濟體與G7國家進行了比較分析。

中國經濟周期的典型事實方面，相關文獻較少且大都采用年度數據(陳昆亭 等,2004；杜婷,2007；梁琦 等,2007；黃賾琳 等,2009；連平 等,2011)。采用年度數據存在的問題：一是年度數據樣本容量較少，研究結論不夠穩健；二是中國經濟體制和經濟結構變化劇烈，為擴大樣本容量而將1992年前乃至1978年前的數據加入研究樣本并不合適。例如，陳昆亭等(2004)使用的是1952—2001年共50個數據，而黃賾琳等(2009)只用了1978—2005年共28個數據。實際上，以支出法GDP各分項為核心的季度宏觀數據的缺失，正是中國經濟周期經驗研究的首要困難。最近，Chang et al.(2016)利用自行估算的中國季度宏觀數據，從實證和理論兩方面研究了重工業優先發展政策對中國90年代以來宏觀經濟增長趨勢和經濟周期的影響，該季度數據集(以下稱CCWZ數據集)涵蓋了90年代以來詳細的支出法GDP構成、收入、價格及金融等方面共計58個變量的數據，是本文研究的重要數據來源。國內現有文獻的另一個問題是，缺乏中國與其它經濟體的橫向比較分析。一方面，當代主流經濟周期模型都建基于發達經濟體的典型事實，只有在與主要經濟體的對比中才能識別中國的特殊之處；另一方面，單純對照外國文獻中的現成結論，并不足以支撐中國與這些經濟體有何異同的結論。因為經濟周期波動特征會隨著不同歷史環境下內外沖擊源的變動而發生變化。例如，美國學界一度認定物價是順周期的，直到Kydland et al.(1990)證明順周期只適用于二戰前，戰后是逆周期的。有趣的是，本文發現美國近20多年來的物價又變成順周期的了。

本文的研究期間設定為1992年以后，主要考慮到經過多年的改革開放，中國的市場經濟體制趨于完善，而且國家統計局也開始發布基于SNA核算體系的統計數據。本文的研究不同于Chang et al.(2016)的經驗研究部分，他們的分析側重于家庭消費、商業投資、GDP、勞動收入以及中長期新增貸款、短期新增貸款與GDP的比率等6個變量之間的動態關系。本文區別于現有文獻的另一特點是，我們涵蓋的變量范圍要廣泛得多，包括分產業或行業增加值、生產要素投入、支出法GDP構成、財政貨幣和物價，以及貿易條件、匯率及利率等近60個變量。對于官方和CCWZ數據集都缺失的季度進出口、失業率、資本存量及全要素生產率等數據，我們根據相關文獻自行估算。本文使用Denton方法進行季度數據插值，該方法也是IMF的季度國民賬戶手冊推薦的插值方法(Denton,1971；Bloem et al.,2001；Fonzo et al.,2012)。國家統計局的權威專家及相關學者關于中國統計數據的解讀，為我們選擇用于插值的季度指標數據提供了重要參考(許憲春,2013;張軍,2014)。為了研究結論穩健計，我們綜合使用HP(Hodrick et al.,1997)、BK(Baxter et al.,1999)以及CF濾波(Christiano et al.,2003)方法進行數據退勢，并利用時域的統計分析和頻域的互譜分析方法來總結相關變量的經濟周期波動特征。

二、方法和數據說明

(一)典型事實的指標體系

1.時域指標

經濟周期的波動特征，通常稱為特征性事實或典型事實(stylized facts)，包括波動性、粘持性和協動性三個方面。波動性是指變量波動的劇烈程度，通常用剔除趨勢后的周期成分的標準差來表示。若變量在濾波前經過對數處理，其濾波結果可以理解為原始變量對其趨勢的百分比偏離，否則只是對其趨勢的偏離。粘持性是指變量在變動過程中的慣性，用周期成分的一階自相關系數表示。協動性是指變量與GDP在變動過程中的協同一致程度，可由該變量與GDP的多階相關系數的變化模式來把握。具體而言，協動性包含兩層含義：一是該變量與GDP是順周期、逆周期還是無周期；二是該變量相對于GDP是領先指標、一致指標還是滯后指標。例如，變量X與GDP的2k+1個h階相關系數可表示為：

Corr(Xt+h,GDPt), h=-k,…,-1,0,1,…,k

(1)

當h=0時，若式(1)中的同期相關系數為正、負和零，則分別對應于該變量與GDP是順周期、逆周期和無周期。同時，2k+1個相關系數中絕對值最大的那個極值所對應的h值若為正、負和零，則分別對應于該變量相對于GDP是滯后指標、一致指標和領先指標。對于季度數據，現有文獻通常將k值設定為5。為穩健考慮，本文的k值取12，即最長計算至相隔3年的相關系數。此外，相關系數也要考慮是否統計顯著的問題。在兩個變量總體不相關的原假設下，以下統計量服從自由度為n-2的t分布：

(2)

其中，r為所計算得到的樣本相關系數，n為樣本容量。本文大多數變量的樣本區間為1992年1季度至2015年4季度，共96個樣本，其5%的雙向顯著性水平對應的臨界值為0.2。

2.頻域指標

時域指標是經濟周期經驗研究中的最常用指標，但我們還可利用頻域指標對時域分析結果進行穩健性檢驗。頻域的譜分析方法包括單變量譜分析(single spectral analysis)和多變量的互譜或交叉譜分析(cross-spectral analysis)。頻譜分析的實質是，將時域的時間序列分解為一系列具有不同頻率或周期的分量波，每一個分量波可表示為特定頻率的正弦和余弦函數的復合函數。通過觀察單變量譜分析的譜密度函數，我們能夠獲知對該變量波動影響最大的分量波，其對應頻率或周期可定義為該變量的波動頻率或周期長度。此外，比較不同變量在特定頻率上譜密度函數值的大小，也可以判斷在該頻率上二者波動性的相對強弱。通過兩個變量的互譜分析，我們能夠獲得它們在特定頻率上的波動相關性和領先滯后關系。

對于一個協方差平穩變量X，其譜密度(spectral density)函數為其自協方差函數的傅立葉變換：

(3)

根據譜分析原理，譜密度函數下方位于頻率范圍[-π,π]之間的面積等于變量X的方差：

(4)

因此，我們將譜密度函數峰值所對應的頻率或周期定義為該變量的波動頻率或周期長度。對于另一個變量Y，如GDP，其與X的交叉譜密度(cross spectral density)函數可以表示為如下復數形式：

fyx(ω)=cyx(ω)-iqyx(ω)

(5)

其中，cyx(ω)是共譜(cospectrum)，qyx(ω)是正交譜(quadrature spectrum)，二者平方和的平方根稱為振幅譜(amplitude spectrum)。振幅譜

fyx(ω)

的標準化形式稱為平方相干值(squared coherency)，度量變量Y和X在不同頻率上線性關系的強弱，類似于時域上的同期相關系數的平方：*平方相干值的平方根，即如文獻(杜婷，2007)中的相干譜。

(6)

此外，可以用相位譜(phase spectrum)來判斷Y在不同頻率上是領先還是滯后于X：

(7)

相位譜為正表示在該頻率上變量X領先Y，為負則表示X滯后于Y。由于相位譜的取值范圍是頻率區間[-π,π]，比較抽象、不夠直觀，我們將其轉換為相位差(phase difference)指標，其數值表示具體的領先或滯后季度個數。最后，對于平方相干值和相位差指標，我們給出的結果是經濟周期頻率范圍內(即波動周期為6～32季度)的平均值。

(二)數據來源和估算方法*詳細說明，參見本文數據附錄(本文附錄從略，感興趣者可向作者郵件索取)；為節約篇幅計，本文并未報告分區域的經濟周期波動特征。

本文大部分變量的時間范圍是1992年1季度至2015年4季度，部分數據覆蓋范圍略小，所有變量在時域或頻域指標計算前都經過季節調整和濾波處理*HP濾波的平滑參數取1600，BK和CF濾波的周期范圍設定為6～32季度。。中國數據部分涉及六大組共計90個變量的季度數據(詳見表1)。其中，20個數據來自Chang et al.(2016)提供的數據集，其余的來自國家統計局、中國人民銀行等單位發布的公開資料，或由我們根據權威的公開資料估算得到。本文國際比較部分涉及美國、日本、德國、英國、法國、意大利和加拿大7個國家，每個國家涉及四大組32個變量，共計224個變量的季度數據。這四組變量基本與中國六組數據的后四組一一對應。G7國家的季度數據大部分均可通過CEIC或WIND數據庫獲取，缺失的主要是季度資本存量和全要素生產率的數據。

對于中國和G7各國的資本存量數據，我們按照最新版的賓州世界表(pwt 9.0)提供的初始資本存量和折舊率資料，利用永續盤存法估算得到。此外，生產函數法估算TFP所需的勞動收入份額，也同樣取自該版賓州世界表。

表1 中國季度數據的來源和估算方法

注：CCWZ指Chang et al.(2016)一文所用數據集。本文使用的該數據集是2016年3月版本：https://www.frbatlanta.org/cqer.aspx。

三、中國經濟周期的典型事實

(一)生產要素投入

表2報告了中國各生產要素投入及相關變量的波動特征。根據最新的9.0版賓州世界表(pwt 9.0)提供的1992年初始資本存量及折舊率信息，我們用永續盤存法估算了中國的資本存量序列。中國資本存量的波動周期為34.22季度(8.5年)，小于GDP的周期13年。不論是從譜密度峰值與GDP譜密度峰值的比較看，還是從相對波動性指標看，資本存量波動性僅占GDP的六成左右。盡管平方相干值并不顯著，但同期相關系數顯示資本存量具有顯著的順周期性。頻域相位差指標和時域領先滯后指標顯示，資本存量波動領先GDP約1/3個季度。由于中國缺失人均勞動時間的數據，我們用就業人數表示勞動投入。就業人數的波動周期略小于8年，其波動性僅為GDP波動性的8%。更為奇怪的是，勞動人數與經濟呈逆周期波動且領先經濟波動2～3個季度。*關于就業波動的異常情況及其原因，參見下一部分國際比較部分的分析。

表2 中國生產要素投入的波動特征

注：*號表示相干平方值在5%水平上顯著；“TFP2”指考慮資本利用率后的全要素生產率；“相位差” 指各省市經濟周期與全國經濟周期的領先滯后期數，正值表示領先、負值代表滯后；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；除失業率外，各變量濾波前均取自然對數。

作為實際商業周期模型的核心沖擊源，索洛剩余或TFP在經濟周期實證研究中占據著重要地位。然而，正如King et al.(1999)總結的那樣，RBC理論的“阿基里斯之踵”在于通常估算的索洛余值不是真正的TFP。其中一個主要原因是人們在估算TFP時往往用資本存量代替資本服務，忽視了資本利用率在經濟周期不同階段的易變性。參照Burnside et al. (1996)的做法，本文假定非居民電力消費量與資本服務成比例：

Et=φSt

(8)

從而代入生產函數法可以計算得到修正的TFP:

(9)

其中，勞動收入份額同樣取值pwt 9.0。我們發現，修正的TFP相比于原始的TFP，其波動特征有兩個重要變化：一是與經濟波動的順周期性急劇下降；二是領先滯后關系從略微領先或同期波動，變為滯后經濟波動接近4個季度。

另一個在不同的經濟周期模型中引起爭議的變量是實際工資。中國實際工資的波動周期接近6.5年，其波動性高達GDP的2.5倍。盡管不太顯著，但中國的實際工資表現為逆周期，且滯后經濟波動3.67個季度。失業率的周期長度不到5年，波動性占GDP的六成。其逆周期性同樣也不顯著，但波動的滯后期大于實際工資。最后，作為與勞動報酬密切相關的變量，個人可支配收入表現為順周期，且領先經濟波動1個季度。

(二)支出法GDP分項構成

絕大多數關于經濟周期波動特征的經驗研究，都是圍繞支出法GDP分項構成而展開。表3不僅報告了常規的支出法GDP分項構成，而且針對不同投資類型進行了更為細致的考察。

表3 中國支出法GDP分項的波動特征

注：*號表示相干平方值在5%水平上顯著； “相位差”指各省市經濟周期與全國經濟周期的領先滯后期數，正值表示領先、負值代表滯后；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；除占比數據外，各變量濾波前均取自然對數。

首先，消費方面，私人消費和政府消費的波動周期分別為5年和7年，二者的波動性都顯著大于GDP，分別高達后者的1.6倍和3.3倍。二者都表現為順周期，盡管政府消費的順周期性并不顯著。在私人消費相對經濟波動的領先滯后關系方面，頻域相位差指標和時域領先滯后指標指向不同的結論。然而，由于頻域平方相干值顯示私人消費同GDP的協動性不顯著，因而我們更傾向于接受時域指標的結果，即認為私人消費領先經濟波動1個季度。有趣的是，政府消費領先經濟波動的時期甚至超過了私人消費，達到1.67個季度。因此，在中國，政府消費不但沒有起到平抑經濟波動的作用，而且似乎是經濟周期的一個重要波動源。

固定資本形成方面，投資的波動周期為6.5年，相對波動性為3倍，都略低于政府消費的水平。投資是順周期的，且領先經濟波動長達3個季度，凸顯其在中國經濟周期形成中的關鍵作用。作為另一種形式的投資，存貨變動占GDP比重的波動周期要短許多，不到3年，表明其對經濟周期的影響主要體現在經濟的短期波動上。另外，存貨變動的標準差約是GDP的1.45倍，順周期且更為顯著，平均滯后經濟波動1個季度。對外貿易方面，出口、進口和凈出口占比的周期長度相似，約為6～7年。對外貿易變量的波動性要遠高于消費和投資，進出口的波動性約為GDP的7～8倍。與GDP的協動性方面，三者都是順周期的，進口與經濟同步波動，其余二者有一定的滯后性。

(三)財政、貨幣和物價

觀察財政變量的波動特征有助于更全面地把握政府在經濟周期中的作用，貨幣信貸的波動特征是判斷金融因素是否重要的關鍵，物價是順周期還是逆周期則是推斷沖擊來自需求端或供給側的主要依據。表4報告了中國財政、貨幣及物價等15個變量的波動特征。

表4 中國財政、貨幣及物價的波動特征

(續表4)

變量濾波方法周期譜密度峰值平方相干值相位差相對波動性一階自相關同期相關領先滯后對應極值CPICF40．005．130．52?-2．12 2．560．940．423．000．73HP32．009．050．47?-2．012．650．950．513．000．68BK36．009．790．43-1．512．660．980．513．000．68平均36．007．990．47-1．882．630．960．483．000．70PPICF15．254．450．50?-1．49 2．930．880．442．000．69HP12．833．910．49?-1．072．270．800．452．000．47BK26．504．400．53?-1．282．480．890．512．000．66平均18．194．250．51-1．282．560．860．472．000．60投資價格CF15．202．700．49?-2．46 2．370．900．313．000．79HP18．406．140．34-0．972．730．910．511．000．55BK34．003．380．67?-0．571．910．920．383．000．73平均22．534．070．50-1．332．340．910．402．330．69CPI/PPICF20．331．740．30-0．27 1．940．88-0．43 1．00-0．47 HP19．251．900．360．091．680．76-0．400．00-0．40BK26．502．260．33-0．221．710．89-0．461．00-0．47平均22．031．970．33-0．131．780．85-0．430．67-0．45投資價格/CPICF25．331．730．070．341．990．85-0．20 -2．00 -0．27 HP18．406．800．18-0．422．750．890．005．00-0．46BK34．002．640．270．981．550．96-0．44-2．00-0．50平均25．913．720．170．302．100．90-0．210．33-0．41

注：*號表示相干平方值在5%水平上顯著； “相位差”指各省市經濟周期與全國經濟周期的領先滯后期數，正值表示領先、負值代表滯后；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；除赤字占比數據外，各變量濾波前均取自然對數。

財政方面，財政收入、支出及赤字占比的波動周期分別為4.5、9和3.5年，三者的波動性分別為GDP的5.2、3.8和0.92倍。財政收入順周期，略微領先或與經濟同期波動。財政支出和赤字占比均為逆周期，但前者滯后經濟波動1個季度。財政支出按經濟功能可分為一般業務支出即政府消費、投資性支出即政府投資和轉移性支出。財政支出及赤字占比的逆周期性表明，雖然政府消費順周期、政府投資逆周期，但總體而言，政府經濟活動還是起到了經濟穩定器的作用。

貨幣方面，我們不僅考察了基礎貨幣及3種不同口徑的貨幣存量，而且考慮到中國偏重銀行信貸渠道的貨幣傳導機制，還著重研究了銀行信貸余額的波動特征。研究發現，基礎貨幣及M0、M1和M2的波動周期范圍是6～8年，且3種貨幣的周期長度隨著口徑拓寬而逐漸延長。波動性方面，基礎貨幣是GDP的5倍，3種貨幣中M1波動性最大、M2最小。所有貨幣變量都是順周期的，基礎貨幣和M0滯后于經濟波動，M1及M2領先經濟波動，隨貨幣口徑拓寬其滯后性漸弱而領先性漸強。銀行貸款余額方面，我們發現短期貸款與長期貸款的波動特征不盡相同。就波動周期長度而言，貸款總額大致為6年，長期貸款為6.5年，但短期貸款長達8年，總體而言其長度與貨幣變量相當。然而，各種口徑的貸款波動性要大于貨幣變量，約為GDP波動的4倍左右。協動性方面，貸款變量均為順周期但不顯著，貸款總額和長期貸款領先經濟波動1個多季度，同時短期貸款卻滯后經濟波動長達6個季度。

物價方面，我們著重考察較有代表性的消費者價格指數、工業品價格指數以及固定資本形成價格指數。此外，我們還考察了消費者價格指數和后兩者價格指數的比率，以期獲得物價波動的結構信息。研究發現，CPI、PPI和投資價格的波動周期差異較大，其長度分別為9、4.5和6年左右。除此之外，它們的其它波動特征極為一致，波動性相當于GDP的2.5倍上下，順周期且滯后經濟波動2～3個季度。價格比率方面，CPI/PPI與投資價格/CPI都表現為逆周期。這說明在經濟低迷期，消費品價格和工業品價格的缺口以及投資品價格和消費品價格的缺口都逐漸增大。*關于近年來中國經濟中CPI和PPI缺口持續擴大的進一步探討，參見下一部分國際比較部分的分析。不同的是，前者的波動滯后于GDP，而后者則是領先的。

(四)貿易條件、匯率及利率

第四部分的研究表明，對外貿易變量的波動對中國經濟周期而言舉足輕重。此處，我們進一步從對外貿易價格的角度考察貿易條件和有效匯率等變量的波動特征。此外，我們也將進一步考察名義利率、利差及股價指數等金融變量的周期性質。表5報告了10個相關變量的波動特征。

表5 中國貿易條件、匯率及利率的波動特征

注：*號表示相干平方值在5%水平上顯著； “相位差”指各省市經濟周期與全國經濟周期的領先滯后期數，正值表示領先、負值代表滯后；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；除利率、利差外，各變量濾波前均取自然對數。

對外貿易價格方面，我們用出口價格指數除以進口價格指數代表貿易條件。周期長度方面，進出口價格指數接近4年，貿易條件則長達6年。進口價格的波動性最大、出口價格波動性最小，前者接近GDP的4.6倍，其余二者則相當于GDP的3倍多。協動性方面，進出口價格順周期，貿易條件逆周期，三者的波動均滯后于GDP。有趣的是，三者在粘持性和波動的滯后長度方面有相同的排序，出口價格的粘持性最強、滯后性最長，而貿易條件則是最弱、最短的。與貿易條件密切相關的變量是有效匯率指數。不論是名義還是實際指數，匯率變量的周期都是5年，波動性相當于GDP的3.2倍，都是逆周期，但實際有效匯率指數領先經濟波動1個季度。

名義利率方面，我們分別以貨幣市場7天拆借利率、1年期存款基準利率和貸款利率表示短期利率、存款利率和貸款利率。研究發現，短期利率和存款利率的波動周期更長，約為7年多，而貸款利率的周期為5年多。3種利率的波動性都很小，僅相當于GDP的兩成左右，且都表現為順周期、滯后經濟波動1個多季度。鑒于存貸款利差對中國商業銀行利潤的重要貢獻，我們也考察了利差的波動特征，存貸利差的波動周期約為4年，波動性僅占GDP的12%，表現為順周期且滯后經濟波動1個季度。最后，我們還考察了上證綜指的波動特征，其波動周期略小于4年，接近23倍于GDP標準差的波動性反映了中國股市的強投機性。有趣的是，高達0.5的順周期性表明中國股市仍然具有較好的“經濟晴雨表”功能，但它明顯不具備預測經濟走向的作用。

四、國際比較和差異分析

(一)中國與G7國家波動特征的異同

根據第三部分的分類，本部分我們從生產要素投入，支出法GDP構成，財政、貨幣和物價，貿易條件、匯率和利率4個方面，橫向比較并總結中國與G7國家在32個變量波動特征上的異同。中國各變量的粘持性與G7國家基本相同，相對本國GDP的波動性普遍遠超G7諸國，而與經濟波動的同期相關性又顯著較低。在變量同GDP波動的協同性方面，相似與不同并存。為行文簡潔和節約篇幅，表6主要報告中國與G7國家具有重大不同的幾個變量，完整的國際比較分析參見本文附錄B。

在中國與G7國家的相似性方面，物價波動特別值得一提。首先，中國與多數G7國家的物價波動均表現為順周期且滯后于經濟波動，表明近20多年來中國與大多數G7國家遭受的經濟沖擊主要來自需求層面。其次， CPI/PPI在所有研究樣本內的國家無一例外均呈逆周期波動。這說明，中國CPI與PPI的背離并不特殊，是經濟周期低迷時期普遍存在的現象。反過來可以推論，在某種程度上中國CPI和PPI的背離也是一種經濟周期現象。

中國與G7國家的不同也非常顯著，主要體現在資本存量、勞動投入、政府消費、投資、凈出口、M2變量的不同波動特征上。具體而言：

(1)生產要素投入。中國資本存量的波動領先于GDP，而G7國家平均滯后3.7個季度。中國勞動投入逆周期且領先經濟波動2.67個季度，而G7國家的勞動投入表現為順周期且滯后于經濟波動。中國的TFP、勞動生產率與經濟是同步波動的，而G7國家平均而言分別領先0.29、0.62個季度。中國的實際工資表現為輕微的逆周期，而G7國家多呈輕微的順周期。

(2)支出法GDP構成。中國和日本的政府消費波動均呈順周期特征，而G7國家中除日本外均為逆周期，這可能與東亞政府在市場經濟中干預更積極、規模更龐大有關*實際上，我們發現韓國的政府消費波動也呈顯著的順周期特征。。中國投資領先GDP波動長達3個季度，而G7國家大多與GDP同步波動。不同于中國的順周期，G7國家中除日本、德國及意大利外，多數國家的凈出口占比呈無周期或順周期不顯著的特征，美、英、法甚至表現為逆周期。

(3)財政、貨幣和物價。中國M2順周期且領先經濟波動1.67個季度，而G7國家多呈逆周期且多滯后于經濟波動。中國M2的領先性與投資波動的領先性密切相關，因為在銀行間接融資體制下，銀行貸款是企業固定資產投資的主要資金來源。

(4)貿易條件、匯率和利率。 中國長短期國債的期限利差逆周期且滯后于經濟波動，G7國家平均而言則領先于經濟波動。中國股價指數波動性遠超G7國家，且中國股價與經濟同步波動，而G7國家普遍領先經濟波動1～2個季度。

表6 中國與G7國家相關變量波動特征的比較

注：“相對波動性”一欄，均指各變量標準差與實際GDP標準差的比值；“同期相關”指變量與實際GDP的同期交叉相關系數；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；“對應極值”指變量與實際GDP的多期交叉相關系數中絕對值最大者，與“領先滯后”期數相對應；表中數值為HP濾波、BK濾波及CF濾波結果的簡單算術平均值；各變量濾波前均取自然對數。

(二)中國不同于G7國家的原因分析

各變量同GDP波動具有更低的同期相關性、更高的相對波動性，是發展中國家和新興經濟體經濟周期波動的普遍特征。前者與市場運行機制不完善有關，后者則是由于經濟發展面臨更多的沖擊和不確定性因素。考慮到相對重要性及數據可得性，以下我們主要針對投資、資本、勞動投入、貿易余額等變量波動的差異性展開分析。

1.投資、資本存量領先經濟波動

鑒于投資在中國經濟周期形成中的特殊地位，我們首先按照投資主體類型對其展開進一步考察(表7)。依據主體類型，投資可以分成私企投資、國企投資、其它企業投資、政府投資和家庭投資5類。從波動周期而言，這5類投資比較接近，周期范圍在5～7年，私企投資周期最短、國企投資周期最長。從相對于GDP的波動性看，私企投資的波動性也是最小的，為3.88倍，其次是其他企業投資和家庭投資，最大的是政府投資和國企投資，二者的相對波動性接近8倍。從與經濟波動的順周期性來看，家庭投資表現為逆周期，政府投資、國企投資的逆周期性不顯著，其余的均為順周期。從領先滯后關系來看，私企投資領先經濟波動，國企投資、政府投資和家庭投資滯后于經濟波動，其它企業投資與經濟同步波動。

表7 分主體、分類型投資的波動特征

注：*號表示相干平方值在5%水平上顯著； “相位差”指各省市經濟周期與全國經濟周期的領先滯后期數，正值表示領先、負值代表滯后；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；除占比數據外，各變量濾波前均取自然對數。

此外，我們還可依據行業投向將投資分為制造業投資、基建投資和房地產投資，這也是大多數中國經濟觀察家的角度。*這里，基建投資的口徑包括“電力、燃氣及水的生產和供應業”、“交通運輸、倉儲及郵政業”以及“水利、環境及公共衛生管理業”，相關季度數據始于2004年。我們發現，按行業分類的投資波動周期更短，約為3～5年。制造業投資的相對波動性為2.7倍，順周期且領先經濟波動1個季度。房地產投資的波動性略大，為GDP的3.5倍，同樣表現為順周期但滯后于經濟波動。基建投資的波動性高達經濟波動的8倍，逆周期且滯后經濟波動長達2個季度。

因此，投資的順周期性主要源自私營企業的制造業投資和房地產投資，其領先經濟波動的性質則主要來自其制造業投資活動。此外，盡管政府消費沒有起到平抑經濟波動的作用，但政府投資和國企投資很大程度上是通過基礎設施建設發揮了前述作用。

2.勞動投入逆周期且領先經濟波動

中國就業人數的波動模式與G7國家差異極大：(1)中國就業人數的相對波動性極低，僅為GDP波動性的8%，而G7國家平均達到GDP波動的50%；(2)中國就業人數表現為逆周期且領先經濟波動2.67個季度，而G7各國均為順周期且平均滯后經濟波動1.52個季度。至于這種異常的原因，或許是季度就業數據估算質量的問題。為了弄清數據估算方法的影響，表8報告了年度就業的波動特征。我們發現，CF濾波方法下的年度就業波動呈逆周期，但HP和BK方法下是順周期或無周期的。平均而言，年度就業波動的順周期不顯著，但較為明確地表現為領先經濟波動的特點。從年度分產業就業波動特征看，一產就業逆周期且滯后經濟波動1.33個季度，二、三產就業順周期且均表現出領先經濟波動的特征。鑒于年度數據顯示一產就業與二、三產就業波動的不同，我們按照與估算季度總就業相同的Denton插值方法，估算了分產業的季度就業數據，并將其季度波動特征一并報告于表8。我們發現，季度分產業就業波動與年度的情況類似，只是二產就業轉變為滯后于經濟波動了。由此可見，中國季度總就業的逆周期性及領先經濟波動特征，不大可能是人為的數據估算誤差所造成的。而且，其逆周期性是受了一產就業逆周期性的影響，而其領先經濟波動的特征則與三產就業的領先性質有關。

表8 就業波動特征的穩健性分析結果

注：“同期相關”指變量與實際GDP的同期交叉相關系數；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；“對應極值”指變量與實際GDP的多期交叉相關系數中絕對值最大者，與“領先滯后”期數相對應；各變量濾波前均取自然對數。

為了進一步分析一產就業逆周期及三產就業領先性的原因，我們從分產業或分行業增加值的視角，對中國經濟周期的波動特征做了總結(表9)。研究發現，中國實際GDP的波動周期約為13年，農業的周期長度為9年，二、三產業為7年左右。農業的波動性小于GDP、二產略大、三產持平，建筑業、金融業和房地產業的波動性相當于GDP的2～3倍。農業的波動無周期，二、三產業順周期，分行業中工業、房地產、建筑業和金融業順周期性最強。農業領先GDP波動，二、三產業同步波動，建筑、金融和房地產業的波動領先于GDP，住宿餐飲、交通運輸倉儲和郵政、批發零售等行業滯后于GDP，余下的行業與GDP同步波動。

尤其值得注意的是，二產中的建筑業、三產中的金融和房地產業的波動領先于GDP。由于這些行業在經濟中占比較大，三產及整體就業波動的領先性應該與其增加值波動的順周期性有關。另外，如果考慮到中國經濟的城鄉二元特征，則一產及整體就業的逆周期性也可以得到合理的解釋。中國存在數億的農民工，而且大都就職于城市中工業、建筑業和房地產業等部門。由于工業、房地產、建筑業增加值波動的順周期性很強，隨著數量龐大的農民工進入、退出城市就業市場，農村及農業的就業波動必然表現為逆周期性。

表9 中國分行業增加值的波動特征

注：*號表示相干平方值在5%水平上顯著；“相位差”指各省市經濟周期與全國經濟周期的領先滯后期數，正值表示領先、負值代表滯后；“領先滯后”指變量領先實際GDP波動的季度數，負值表示領先、正值代表滯后；各變量濾波前均取自然對數。

3.凈出口占GDP比重順周期波動

在大多數的發達經濟體，凈出口或貿易余額的波動都是逆周期或無周期的。我們在國際比較部分發現的順周期的國家，如中國、日本和德國，乃至文獻綜述部分提及的韓國的共同點是貿易順差和進出口部門的規模都較大。這意味著，我們可以從可貿易部門、不可貿易部門的視角來研究這個問題。通常而言，制造業是最典型的可貿易部門，而第三產業中的服務業以及第二產業中的公用事業、建筑業是最不具可貿易性的。就中國而言，可貿易部門可以界定為采礦業和制造業，其它行業可以統歸為不可貿易

圖1可貿易部門與貿易余額

部門*文獻中區分可貿易與不可貿易產品部門的通常做法是，利用投入產出表計算該產品部門的可貿易性，并將計算結果與事先設定的門檻值進行比較。關于可貿易性的測度，文獻中有兩種流行的口徑：一是各產品部門出口占該產品部門總產出的比例；二是各產品部門進出口之和占該產品部門總產出的比例。關于可貿易性的門檻值，第一種可貿易性口徑的門檻值設在10%，第二種口徑將“批發和零售業”的可貿易性設為門檻值。。

根據圖1，在可貿易部門價格PT給定條件下，貿易余額NX等于可貿易部門供給ST減去對可貿易部門的國內需求DT。因此，引起貿易余額變動的因素有三種：一是需求DT曲線的移動；二是供給ST曲線的移動；三是可貿易部門價格PT的變化。首先，貿易余額的順周期波動不可能是由需求曲線移動所導致。對可貿易部門的國內需求不外乎居民和政府的消費需求、可貿易部門自身的投資需求以及不可貿易部門的投資需求。然而，所有這些消費需求或投資需求都是順周期的，從而DT曲線的移動將導致逆周期的貿易余額。

其次，可貿易部門的技術波動可以帶來順周期的貿易余額。實際經濟周期理論(RBC)強調，技術進步或全要素生產率(TFP)的波動能夠解釋絕大部分的商業周期現象。若進一步細分可貿易部門與不可貿易部門的技術進步，我們發現可貿易部門的技術進步速度遠高于后者，而且前者技術進步的波動性也可能更大。這樣，商業周期現象很可能是由可貿易部門技術波動引起的。在這些條件滿足的情況下，可貿易部門技術進步將使ST曲線右移，從而貿易余額是順周期的。

另外，可貿易部門價格的波動也能引起貿易余額的順周期波動。由一價定律知，可貿易部門價格PT等于可貿易品國際價格P*T和本國匯率E的乘積：

PT=P*T·E

(10)

由于中國人民銀行對匯率中間價的有效管理，加上可貿易品國際價格的外生性，中國可貿易部門的價格基本上是外生給定的。當國際市場不景氣或人民幣匯率升值時，可貿易部門的國內需求增加而供給減少，從而貿易余額迅速下降。伴隨貿易余額下降的還有可貿易部門產出YT的減少，以及通過部門的需求關聯導致不可貿易部門產出的進一步減少。

盡管二者對貿易余額順周期同樣具有解釋力，但可貿易部門價格變動假說能夠解釋更多的經濟周期現象。其中一個就是CPI/PPI波動的逆周期性。按照可貿易、不可貿易部門分析框架，CPI基本與不可貿易部門的價格對應，而PPI本身就主要是可貿易的工業品出廠價格。在可貿易價格外生條件下，可貿易部門技術進步通過“巴拉薩-薩繆爾森” 效應帶動不可貿易部門價格的上升，從而CPI/PPI是順周期波動的。另外，可貿易部門價格波動假說的合理性不僅顯而易見，而且其與實際有效匯率的逆周期性也是一致的。

五、結論和啟示

本文利用Chang et al.(2016)估算的中國宏觀經濟季度數據集，首次全面總結了1992年以來中國宏觀經濟變量的季度周期波動特征。通過與G7國家的橫向比較，我們發現：一方面，中國經濟周期的波動具有發展中國家和新興經濟體的一些普遍特征，例如中國各變量相對本國GDP的波動性遠超G7諸國，而其與經濟波動的同期相關性又顯著更低；另一方面，一些變量獨具中國特色的波動特征，凸顯其在中國經濟波動中扮演的重要角色，其中較突出的有，政府消費的順周期，投資和資本存量領先經濟波動，就業領先且呈現逆周期波動，貿易余額的波動表現為順周期等。這些差異為我們構建符合中國實際的宏觀經濟模型提供了重要的切入點。

進一步的成因分析發現，政府消費的順周期是中、日、韓等東亞經濟體的共性，體現了東亞政府在市場經濟中的特殊作用。同時我們也發現不同投資主體和不同類型的投資，其波動特征差異很大。投資的順周期性主要源自私營企業的制造業投資和房地產投資，其領先經濟波動的性質則主要來自其制造業投資活動。此外，盡管政府消費沒有起到平抑經濟波動的作用，但政府投資和國企投資很大程度上通過基礎設施建設發揮了前述作用。就業波動的逆周期源自農業就業的逆周期，其領先性質則源于建筑業、金融、房地產等不可貿易部門增加值波動的領先性質。由于存在二元經濟結構，大量農民工隨著城市中制造業等可貿易部門以及建筑業、房地產等不可貿易部門的擴張而離開農村和農業崗位，造成了農業就業的逆周期性。在匯率固定和一價定律成立的前提下，在可貿易、不可貿易部門框架下，可貿易部門的技術波動和價格外生變化都可以解釋貿易余額的順周期性。但是，可貿易部門價格變動的解釋力更強，不僅能解釋CPI/PPI比率波動的逆周期性，而且也和實際有效匯率的逆周期性相一致。可見，可貿易、不可貿易部門框架是研究中國經濟周期波動的重要視角。

實際上，該框架也能對2008年全球金融危機后中國經濟下行、PPI負增長、三產相對二產比重快速上升、貿易余額占GDP比重下降等現象提供非常一致的解釋。我們認為，造成這一系列現象的沖擊因素是可貿易部門價格的外生性下降,并直接造成了PPI的持續負增長。可貿易部門價格之所以大幅下降，一是由于全球需求不足帶來的可貿易品國際價格的下跌，二是因為人民幣實際有效匯率的大幅度升值。正如本文第四部分所述，可貿易部門價格下降使得可貿易部門削減生產，同時提高了國內經濟主體對可貿易部門的消費和投資需求，因而貿易余額大幅減少。由于諸如交通運輸業等不可貿易部門高度依賴采礦業、制造業等可貿易部門的需求，后者增速下降必然帶動前者減速。但由于后者在可貿易品價格外生下降過程中首當其沖，因而第二產業增速的下降幅度要大于第三產業。實際上，中國近年來服務業占比的上升更多地表現為工業低迷引起的被動擴張。

總而言之，目前關于中國經濟減速成因的討論更多地集中于識別沖擊源，且都傾向于從長期增長趨勢放緩的角度入手，或認為源自人口紅利消退，或認為全要素生產率下降所致，又或者歸因于經濟服務化拉低了整體的勞動生產率。毫無疑問，以上解釋都有合理的成分。但只有在一個統一的理論分析框架中，它們的相對影響力才能得到合理的評估。然而，這些解釋都僅僅是針對經濟增速下降提出來的，或多或少地忽視了與經濟增速下降相伴隨的其它現象，也無法形成更具解釋力和包容性的分析框架。我們認為，可貿易和不可貿易部門模型恰恰能滿足這一要求。

白重恩,張瓊. 2014. 中國的資本回報率及其影響因素分析[J]. 世界經濟(10):3-30.

陳昆亭,周炎,龔六堂. 2004. 中國經濟周期波動特征分析：濾波方法的應用[J]. 世界經濟(10):47-56.

杜婷. 2007. 中國經濟周期波動的典型事實[J]. 世界經濟(4):3-12.

黃賾琳,朱保華. 2009. 中國經濟周期特征事實的經驗研究[J]. 世界經濟(7):27-40.

連平,吳金友. 2011. 中國經濟周期波動研究(1978—2009年)[J]. 世界經濟研究(9):3-9.

梁琦,滕建州. 2007. 中國經濟波動的經驗分析[J]. 世界經濟(2):3-12.

許憲春. 2013. 準確理解中國的收入、消費和投資[J]. 中國社會科學(2):4-24.

張軍. 2014. 中國的投資率到底有多高[J]. 經濟資料譯叢(4):8-22.

中國經濟增長前沿課題組. 2014. 中國經濟增長的低效率沖擊與減速治理[J]. 經濟研究(12):4-17.

AGéNOR P, MCDERMOTT C, PRASAD E. 2000. Macroeconomic fluctuations in developing countries: some stylized facts [J]. World Bank Economic Review, 14(2):251-285.

AGUIAR M, GOPINATH G. 2007. Emerging market business cycles: the cycle is the trend [J]. Journal of Political Economy, 115(1):69-102.

BACKUS D, KEHOE P. 1992. International evidence on the historical properties of business cycles [J]. American Economic Review, 82(4):864-888.

BAXTER M, KING R. 1999. Measuring business cycles: approximate band-pass filters for economic time series [J]. Review of Economics and Statistics, 81(4):575-593.

BLOEM A, DIPPELSMAN R, MAEHLE N. 2001. Quarterly national accounts manual: concepts, data sources, and compilation [M]. Washington, D.C.: International Monetary Fund.

BURNSIDE A, EICHENBAUM M, REBELO S. 1996. Sectoral Solow residuals [J]. European Economic Review, 40(3-5):861-869.

CHANG C, CHEN K, WAGGONER D, et al. 2016. Trends and cycles in China′s macro-economy [M]//NBER Macroeconomics Annual 2015. Chicago：University of Chicago Press, 30:1-84.

CHRISTIANO L, FITZGERALD T. 2003. The band pass filter [J]. International Economic Review, 44(2):435-465.

DENTON F. 1971. Adjustment of monthly or quarterly series to annual totals: an approach based on quadratic minimization [J]. Journal of the American Statistical Association, 66(333):99-102.

DI FONZO T, MARINI M. 2012. On the extrapolation with the denton proportional benchmarking method [R]. IMF Working Paper No.12/169.

FIORITO R, KOLLINTZAS T. 1994. Stylized facts of business cycles in the G7 from a real business cycles perspective [J]. European Economic Review, 38(2):235-269.

HODRICK R, PRESCOTT E. 1997. Postwar U.S. business cycles: an empirical investigation [J]. Journal of Money, Credit, and Banking, 29(1):1-16.

KIM K, CHOI Y. 1997. Business cycles in Korea: is there any stylized feature [J]. Journal of Economic Studies, 24(5):275-293.

KIM S, KOSE M, PLUMMER M. 2003. Dynamics of business cycles in Asia: differences and similarities [J]. Review of Development Economics, 7(3):462-477.

KING R, REBELO S. 1999. Resuscitating real business cycles [G]. Handbook of Macroeconomics. [S.l.]： North Holland, 1:927-1007.

KYDLAND F, PRESCOTT E. 1982. Time to build and aggregate fluctuations [J]. Econometrica, 50(6):1345-1370.

KYDLAND F, PRESCOTT E. 1990. Business cycles: real facts and a monetary myth [J]. Federal Reserve Bank of Minneapolis Quarterly Review, 14(2):3-18.

MALE R. 2011. Developing country business cycles: characterizing the cycle [J]. Emerging Markets Finance and Trade, 47(S2):20-39.

NEUMEYER P, PERRI F. 2005. Business cycles in emerging economies: the role of interest rates [J]. Journal of Monetary Economics, 52(2):345-380.

STOCK J, WATSON M. 1999. Business cycle fluctuations in U.S. macroeconomic time series [G]. Handbook of Macroeconomics.[S.l.]： North Holland, 1:3-64.

(責任編輯 彭 江)

FeaturesofChineseBusinessCycleFluctuation:StylizedFactsandInternationalComparison

CAI QunQiGONG Min

(Centre for Macroeconomic Research, Xiamen University, Xiamen 361005)

This paper studies the quarterly business cycle stylized facts of China since 1992 by utilizing correlation method in time domain and cross-spectral analysis in frequency domain based on a newly estimated Chinese macroeconomic data set. Both similarities and differences between China and G7 countries are compared and summarized. After that, reasons of the differences are revealed and a tradable and non-tradable sector framework is proposed to analyze Chinese business fluctuation in general and the recent economic slowdown in particular. It has found that the persistence of the business cycle fluctuation is similar with the G7, but the volatility is much higher, while the contemporaneous correlation with GDP fluctuation is lower. Moreover, investment, capital stock, employment, government consumption, net export and monetary stock fluctuations in China are very different from those in the G7. Finally, the findings suggest that the tradable and non-tradable sector model is the right framework to understand the cause and mechanism of the recent slowdown in China.

Chinese business cycle; economic fluctuation stylized facts; tradable and non-tradable sectors

2017-03-11

蔡群起(1988--)，男，福建寧德人，廈門大學宏觀經濟研究中心博士生。

龔 敏(1965--)，女，云南個舊人，廈門大學宏觀經濟研究中心教授，博士生導師。

教育部人文社會科學重點研究基地重大項目“矯正要素比價扭曲，推進經濟發展方式轉變問題研究”(13JJD790026)；教育部哲學社會科學重大課題攻關項目“中國經濟潛在增速的測算與展望研究”(15JZD016)。

F124.8

A

1001-6260(2017)09-0001-17

10.19337/j.cnki.34-1093/f.2017.09.001