經(jīng)濟(jì)變量動(dòng)態(tài)關(guān)系的時(shí)間序列方法研究

文書(shū)生

(重慶理工大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院，重慶 400050)

經(jīng)濟(jì)變量動(dòng)態(tài)關(guān)系的時(shí)間序列方法研究

文書(shū)生

(重慶理工大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院，重慶 400050)

闡述了GETS、VAR、VECM三種時(shí)間序列自回歸方法的建模程序和對(duì)經(jīng)濟(jì)變量的預(yù)測(cè)效果，并對(duì)三種方法各自的優(yōu)勢(shì)和缺陷進(jìn)行了評(píng)述。根據(jù)實(shí)證經(jīng)驗(yàn)，三種方法各有所長(zhǎng)，當(dāng)不同方法預(yù)測(cè)和分析的結(jié)果與實(shí)際相差太大時(shí)，應(yīng)同時(shí)運(yùn)用多種方法，進(jìn)而得出綜合的結(jié)果。

時(shí)間序列;GETS;VAR;VECM

自從時(shí)間序列方法成為研究宏觀(guān)經(jīng)濟(jì)問(wèn)題的主要手段以來(lái)，預(yù)測(cè)和估計(jì)經(jīng)濟(jì)變量的計(jì)量方法日益增多，以自回歸形式出現(xiàn)的就有:GETS，Engle－Granger(1987)的兩步程序法，Philips—hansen(1990)全面修改的 OLS估計(jì)法，Pesaran和Shin(1995)的邊界檢驗(yàn)法，VAR，VECM等。目前，西方國(guó)家主要采用GETS，VAR，VECM三種方法來(lái)研究和估計(jì)宏觀(guān)經(jīng)濟(jì)變量的長(zhǎng)期和短期關(guān)系。國(guó)內(nèi)學(xué)者運(yùn)用這三種方法研究我國(guó)的經(jīng)濟(jì)和金融問(wèn)題的現(xiàn)象也日漸增多。這三種研究方法在統(tǒng)計(jì)技術(shù)和模型描述上都有很多相似的地方，但它們?cè)谀Ｐ彤a(chǎn)生的方法論上存在很大的爭(zhēng)論，因此在實(shí)證中會(huì)給研究者帶來(lái)選擇的困惑。本文根據(jù)國(guó)內(nèi)外的一些相關(guān)資料和研究經(jīng)驗(yàn)對(duì)這三種方法從方法論角度加以探討。

一、經(jīng)濟(jì)變量動(dòng)態(tài)關(guān)系的GETS方法

GETS方法以傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)為基礎(chǔ)，在時(shí)間序列對(duì)經(jīng)濟(jì)學(xué)產(chǎn)生重大影響之前就發(fā)展起來(lái)了。GETS與傳統(tǒng)的Cowles Commission方法并不沖突，基本上還是一種動(dòng)態(tài)結(jié)構(gòu)方程的估計(jì)方法。使用線(xiàn)性結(jié)構(gòu)方程(LSE)方法的計(jì)量經(jīng)濟(jì)學(xué)家關(guān)心經(jīng)濟(jì)理論的靜態(tài)均衡與用來(lái)檢驗(yàn)和估計(jì)理論的假設(shè)數(shù)據(jù)之間存在方法上的沖突。這沖突的原因是用來(lái)估計(jì)理論關(guān)系的數(shù)據(jù)來(lái)源于非均衡狀態(tài)的現(xiàn)實(shí)世界，而現(xiàn)有的靜態(tài)經(jīng)濟(jì)理論對(duì)動(dòng)態(tài)調(diào)整幾乎沒(méi)有任何解釋作用。這種沖突在過(guò)去通常用隨意的滯后結(jié)構(gòu)，如誤差糾正和Almon滯后來(lái)解決。后來(lái)，Saragan教授認(rèn)為正確的方法應(yīng)該是使用數(shù)據(jù)來(lái)確定動(dòng)態(tài)調(diào)整結(jié)構(gòu)以便它能符合數(shù)據(jù)生成過(guò)程(DGP)。這是一個(gè)有效地協(xié)調(diào)理論與數(shù)據(jù)之間存在沖突的方法。用一個(gè)簡(jiǎn)單的例子來(lái)說(shuō)明GETS，假設(shè)研究理論的內(nèi)容是消費(fèi)(C)和收入(Y)之間存在下列關(guān)系，

由于是均衡關(guān)系，與數(shù)據(jù)生成過(guò)程DGP相吻合的動(dòng)態(tài)調(diào)整方程開(kāi)始用一般的、詳細(xì)的模式進(jìn)行搜索。這個(gè)初始的一般模式被稱(chēng)為廣義非限制模型(GUM)。一個(gè)優(yōu)化的廣義非限制模型可以表示為:

這也是自回歸分布滯后模型(ARDL)。在ARDL方法中，滯后結(jié)構(gòu)由滯后搜索程序來(lái)確定，這個(gè)程序也可以用來(lái)確定GUM的滯后長(zhǎng)度。方程(2)中消費(fèi)C只有一個(gè)滯后期。理論上的消費(fèi)與收入關(guān)系的均衡可通過(guò)設(shè)置所有變量的滯后增量為零來(lái)進(jìn)行實(shí)現(xiàn)。這就是零點(diǎn)均衡條件。例如方程(2)的第2期，其均衡是

因此C*=α0+α1Y*，方程(2)中的滯后變量的表達(dá)式就成了誤差糾正模型(ECM)，它意味著當(dāng)系統(tǒng)在近期偏離了均衡點(diǎn)時(shí)，在當(dāng)前期以λ的速度向均衡點(diǎn)回補(bǔ)。λ應(yīng)為負(fù)值，它的絕對(duì)值不限于一個(gè)單位。這表明有時(shí)會(huì)過(guò)渡調(diào)整。從這一角度看ECM仍是一個(gè)線(xiàn)性結(jié)構(gòu)方程的概念。W.B.Phillips教授第一個(gè)提出了這個(gè)概念并用它確定政策工具中所需要的調(diào)整值，以便能使目標(biāo)變量更接近它的期望值。后來(lái)，ECM又運(yùn)用在其他許多方面，包括GETS和Granger的協(xié)整概念中。

隨后，通過(guò)剔出不重要的變量，對(duì)估計(jì)系數(shù)設(shè)置限制條件形成方程(2)的簡(jiǎn)縮形式。由此來(lái)看，GETS就是一個(gè)從一般模型到特殊模型不斷探求過(guò)程。它需要研究者在每一個(gè)約化階段作出判斷，直到獲得最簡(jiǎn)便的形式。GETS可以使用Hendry Krozig(2001)最新的自動(dòng)選擇模型的軟件PcGets來(lái)計(jì)算。變量剔除檢驗(yàn)在一些標(biāo)準(zhǔn)的軟件如Microfit中都有簡(jiǎn)便的程序。

然而，GETS方法不能對(duì)變量的序進(jìn)行前測(cè)。一般說(shuō)來(lái)大多數(shù)宏觀(guān)經(jīng)濟(jì)變量都是I(1)序列(一階單整序列)，一階差分后變成I(0)。在(2)式中既有I(0)又有I(1)變量，這就是一個(gè)不平衡的方程，這樣會(huì)得出一些虛假的結(jié)果，但Hendry認(rèn)為如果潛在的經(jīng)濟(jì)理論是正確的，那么滯后部分的變量就必定是協(xié)整的，因此I(1)水平的變量的線(xiàn)性組合是I(0)。如果潛在的經(jīng)濟(jì)理論不正確，其滯后期部分估計(jì)的系數(shù)就與期望的相反，例如(2)式中的α1就可能大于一個(gè)單位，或者不顯著，甚至為負(fù)，產(chǎn)生難以置信的值。還有一種批評(píng)是，在GETS方法中，使用可隨意改變的程序，沒(méi)有其他方法使用的程序嚴(yán)謹(jǐn)。

GETS的另一種表達(dá)形式是由Pesaran和Shin(1995)提出來(lái)的。這就是有名的ARDL方法(自回歸分布滯后模型)。它不需要對(duì)變量的單整序進(jìn)行檢驗(yàn)，可以運(yùn)用修正的F檢驗(yàn)對(duì)變量間的協(xié)整關(guān)系進(jìn)行檢驗(yàn)。這個(gè)方法也有其局限性，就是由于是大量的不確定性統(tǒng)計(jì)檢驗(yàn)，其關(guān)鍵值的確定需要樣本量在500和20 000之間，有時(shí)出現(xiàn)沒(méi)有協(xié)整的虛無(wú)假設(shè)就可能存在既不接受也不拒絕的情況。Shin自己也覺(jué)得小樣本調(diào)整的關(guān)鍵值會(huì)很大，難以拒絕虛無(wú)假設(shè)，不同階的變量是協(xié)整的，也難以讓人接受。

二、經(jīng)濟(jì)變量動(dòng)態(tài)關(guān)系的VAR模型

VAR模型是處理大規(guī)模經(jīng)濟(jì)變量的經(jīng)濟(jì)計(jì)量模型，廣泛運(yùn)用于經(jīng)濟(jì)預(yù)測(cè)方面。VAR把所有的變量都當(dāng)成內(nèi)生變量。它的一般模型為:

Y為要研究的經(jīng)濟(jì)變量的向量，Yt=(y1t，y2t，…，ynt)' ，C=(c1，c2，…，cn)'，A1，A2，…，An為 n × n 系數(shù)矩陣 εt=(ε1t，ε2t，…，εnt)'，且 εt～ N(0，Σ)。

我們用Simth(2000)的例子來(lái)說(shuō)明向量自回歸的理論推導(dǎo)。忽略貨幣和收入模型中的名義利率，假設(shè)目標(biāo)是建立實(shí)際貨幣和實(shí)際收入之間關(guān)系的模型。出于簡(jiǎn)便需要不考慮利率，根據(jù)商品和貨幣市場(chǎng)理論，貨幣和收入方程可表示:

式(4)和式(5)中的T為時(shí)間趨勢(shì)項(xiàng)。過(guò)去常用OLS估計(jì)式(4)并把它解釋為以y作為外生變量的貨幣需求方程。同樣把mt作為外生變量方程，式(5)就被當(dāng)作了收入的貨幣方程。與此相反，VAR把他們都當(dāng)成了內(nèi)生變量。為了減少識(shí)別問(wèn)題，假定式(4)和式(5)都具有均衡關(guān)系，引入偏向調(diào)整機(jī)制，推導(dǎo)出下列短期調(diào)整的形式:

將式(6)和式(7)的mt和yt相互代換，得到相應(yīng)簡(jiǎn)化方程:

式(8)和式(9)矩陣形式是

注意，在簡(jiǎn)化方程中消去了當(dāng)前期變量yt和mt。原則上式(6)和(7)中的8個(gè)結(jié)構(gòu)系數(shù)可用式(8)和(9)中的8個(gè)簡(jiǎn)約方程系數(shù)識(shí)別，然而這種識(shí)別借助偏調(diào)整機(jī)制是可行的。

像GETS一樣，VAR方法也因其估計(jì)的調(diào)整機(jī)制的有效性受到質(zhì)疑，因?yàn)樗赡芘cDGP理論不一致，VAR也提出用一般的動(dòng)態(tài)形式表示ARDL來(lái)獲取簡(jiǎn)化的單方程。

由于簡(jiǎn)化的方程m和y都是內(nèi)生的，式(7)和(8)可以看成是簡(jiǎn)單VAR模型的ARDL模式。通過(guò)VAR最優(yōu)階的檢驗(yàn)，可以確定VAR模型的階，但不可能識(shí)別VAR模型單方程的結(jié)構(gòu)系數(shù)。

一般來(lái)說(shuō)VAR模型的系數(shù)個(gè)數(shù)是L×N2，L是滯后階數(shù)，N是變量數(shù)。由于這個(gè)原因，用有限的30～40年的年度數(shù)據(jù)，發(fā)展中國(guó)家很難運(yùn)用VAR模型來(lái)預(yù)測(cè)宏觀(guān)經(jīng)濟(jì)變量。

如果樣本容量合適，VAR模型的優(yōu)勢(shì)就是比其他的在Cowles Commission方法基礎(chǔ)上建立的大規(guī)模結(jié)構(gòu)模型產(chǎn)生的預(yù)測(cè)效果要好。但也有人持反對(duì)意見(jiàn)，如Bischoff(2000)就認(rèn)為糾正的大規(guī)模結(jié)構(gòu)模型比VAR對(duì)美國(guó)1981—1996年的經(jīng)濟(jì)活動(dòng)預(yù)測(cè)效果好些。

三、經(jīng)濟(jì)變量的協(xié)整關(guān)系和VECM模型

Johansen(1988)創(chuàng)建的方法是在實(shí)際工作中使用最廣泛的一種方法。運(yùn)用這種方法建立的模型叫做向量誤差糾正模型或協(xié)整VAR模型(CVAR)，VECM可以看成是特殊的VAR模型，它的結(jié)構(gòu)系數(shù)是可識(shí)別的。

VECM方法的合理性在于強(qiáng)調(diào)結(jié)構(gòu)系數(shù)的識(shí)別和檢驗(yàn)以及與潛在理論的關(guān)系。簡(jiǎn)單的VAR模型不需要識(shí)別結(jié)構(gòu)系數(shù)，也不作嚴(yán)格的單位根檢驗(yàn)。

像VAR一樣，VECM把所有變量都當(dāng)成內(nèi)生變量，但與此不同的是VECM把變量定義在對(duì)特定理論有關(guān)的那些問(wèn)題上。例如，如果我們對(duì)估計(jì)貨幣需求感興趣，這個(gè)理論的含義是貨幣的實(shí)際需求(m)依賴(lài)于實(shí)際的收入(y)和名義利率(r)，這三個(gè)變量形成一個(gè)系統(tǒng)。根據(jù)VECM，m是因變量，y和r是自變量的假設(shè)則需要檢驗(yàn)。因此開(kāi)始用一般的ARDL來(lái)表述三個(gè)變量各自的小系統(tǒng)。為了簡(jiǎn)便，略去了變量r的方程，m和y兩個(gè)變量的系統(tǒng)的模型類(lèi)似于式(8)和(9)

首先必須執(zhí)行單位根檢驗(yàn)證明m和y是I(1)序列。如果是，上述系統(tǒng)就可以變成下列形式，

注意Δmt和Δyt都是I(0)，如果這些變量水平都一致，都是I(0)，根據(jù)潛在理論的定義，它們就是協(xié)整的。它們相同水平的線(xiàn)性組合是協(xié)整向量。在考慮估計(jì)程序之前，意識(shí)到VECM所強(qiáng)調(diào)的重點(diǎn)是有用的。這就會(huì)認(rèn)為現(xiàn)有的貨幣需求理論做了一個(gè)武斷的假設(shè)即y引起m。在現(xiàn)實(shí)世界中，m和y都一直在變。因此因和果的關(guān)系在兩個(gè)方面都有可能，這必須經(jīng)過(guò)檢驗(yàn)。這些因果關(guān)系的檢驗(yàn)可用下列較簡(jiǎn)單的方法來(lái)做。系統(tǒng)中協(xié)整向量的數(shù)量，最多為系統(tǒng)中的變量數(shù)減1。因此在m和y兩個(gè)變量的系統(tǒng)中，要么有一個(gè)協(xié)整變量要么一個(gè)也沒(méi)有。假設(shè)有一個(gè)協(xié)整向量，因果關(guān)系的檢驗(yàn)如下。

此處λi度量了這種水平的變量對(duì)于過(guò)去偏離均衡值的調(diào)整速度，其水平期與 GETS中的ECM部分是一樣的。如果λ1在式(17)中是顯著的，而λ2在式(18)中是不顯著的，那么就可以推導(dǎo)出，對(duì)于y，m就不足以解釋方程中的參數(shù)，因此y就當(dāng)成了外生變量(因?yàn)閙不影響它的值)。這就是弱外生性檢驗(yàn)。如果 λ1和 λ2都顯著，式(17)和(18)通過(guò)對(duì)其參數(shù)設(shè)置交叉方程限制，VECM就近似于VAR，因而也就不知道估計(jì)的參數(shù)是貨幣需求的參數(shù)還是金融收入方程的參數(shù)。(一般來(lái)說(shuō)，把協(xié)整向量解釋為貨幣需求而沒(méi)經(jīng)過(guò)因果檢驗(yàn)，很難說(shuō)這種解釋是有效的)。如果λ1和λ2都不顯著有可能沒(méi)有任何協(xié)整向量，這意味著現(xiàn)有的理論不成立。

對(duì)VECM模型估計(jì)程序不加詳述，因?yàn)榇蠖鄶?shù)計(jì)量經(jīng)濟(jì)學(xué)軟件都包含了這些程序。VECM估計(jì)的方法步驟總結(jié)如下:

(1)用單位根檢驗(yàn)相關(guān)變量的平穩(wěn)性并確定它們是I(1)，一階差分為I(0)。

(2)搜索VAR的最優(yōu)滯后程度，確定VAR模型的階數(shù)。

(3)使用VAR最優(yōu)階檢驗(yàn)協(xié)整向量。如果協(xié)整向量數(shù)等于變量數(shù)，那么變量在其水平上是平穩(wěn)的，I(0)，方程用標(biāo)準(zhǔn)的傳統(tǒng)方法就可以估計(jì)了。如果沒(méi)有協(xié)整向量經(jīng)濟(jì)理論就可能不正確，或許是其他相關(guān)變量從模型中漏掉了。假如我們找到了一個(gè)協(xié)整向量，就可以把協(xié)整向量解釋為貨幣需求，但也可以解釋為是收入方程和利率方程的貨幣供給。因此有必要做外生性檢驗(yàn)。

(4)需要在ECM基礎(chǔ)之上建立貨幣需求的短期動(dòng)態(tài)方程。為此，要把從式(15)中獲得殘差表示為ECM。

(5)通過(guò)使用變量的刪除檢驗(yàn)，刪除系數(shù)不顯著的變量尋找簡(jiǎn)化形式得到最終的短期動(dòng)態(tài)方程。符號(hào)λ應(yīng)該為負(fù)，它的絕對(duì)值大約就是向均衡調(diào)整的速度。

四、三種自回歸方法存在的局限

對(duì)于不同的方法，三種方法的創(chuàng)立者，都各持己見(jiàn)，并相互指責(zé)。Sim(1980)不贊成使用VECM方法，認(rèn)為使用單位根檢驗(yàn)效率很低。他說(shuō)，堅(jiān)持對(duì)數(shù)據(jù)進(jìn)行單位根的檢驗(yàn)，然后建立最終模型來(lái)滿(mǎn)足傳統(tǒng)的統(tǒng)計(jì)檢驗(yàn)的顯著性，是不正確的。

VAR能夠很快收斂，能夠達(dá)到研究者期望的結(jié)果，但它在模型的推論上，沒(méi)做數(shù)據(jù)的統(tǒng)計(jì)特性分析，因此缺乏嚴(yán)謹(jǐn)性。GETS的支持者Hendry(2000)認(rèn)為，Sim的VAR就是讓一個(gè)人把所有的垃圾都扔進(jìn)一個(gè)模型里，隨便堆放就作出推斷。事實(shí)上，在八九個(gè)水平的協(xié)整變量模型中多重共線(xiàn)性都很容易產(chǎn)生。但是得到的結(jié)果卻是不可解釋的。

協(xié)整能夠解決非平穩(wěn)經(jīng)濟(jì)數(shù)據(jù)的相關(guān)問(wèn)題，而大多數(shù)經(jīng)濟(jì)變量都不是I(0)，在進(jìn)行協(xié)整檢驗(yàn)后，具有協(xié)整關(guān)系的變量才有長(zhǎng)期均衡關(guān)系，符合了經(jīng)濟(jì)事實(shí)。但協(xié)整也有局限性，當(dāng)經(jīng)濟(jì)變量的數(shù)據(jù)很長(zhǎng)時(shí)，幾乎所有變量都變成協(xié)整了。Hendry認(rèn)為不應(yīng)該把協(xié)整模式化。他說(shuō)，如果讓抵押股份遠(yuǎn)離至無(wú)窮，建筑材料的存貨量遠(yuǎn)離至無(wú)窮，它們之間的比例基本會(huì)停留在一個(gè)90%的常量范圍。在這種情況下，協(xié)整就是毫無(wú)意義的。協(xié)整結(jié)果是當(dāng)事人想要達(dá)到的目標(biāo)，他們想要達(dá)到哪里，它們就會(huì)停在哪里;它們不再那里，也會(huì)移動(dòng)到那里。

Sim(2000)對(duì)協(xié)整概念和CIVAR或VECM也持批評(píng)態(tài)度。他認(rèn)為用偶然的、天真的方式產(chǎn)生理論是不值得推崇的。例如看到M、P、Y和r之間表現(xiàn)出了協(xié)整關(guān)系，然后就把討論的概率當(dāng)作貨幣需求關(guān)系。這就是一種錯(cuò)誤。他認(rèn)為協(xié)整分析對(duì)識(shí)別變量沒(méi)有多大幫助。

當(dāng)今有運(yùn)用最多的SVAR(結(jié)構(gòu)向量自回歸)彌補(bǔ)了VAR只能做預(yù)測(cè)的單一功能缺陷，能夠解釋經(jīng)濟(jì)變量的波動(dòng)，以及各變量之間的傳遞性，但Hendry認(rèn)為SVAR模型識(shí)別的精確度和模型結(jié)構(gòu)參數(shù)存在問(wèn)題。他認(rèn)為波動(dòng)不是有結(jié)構(gòu)的，永遠(yuǎn)不能解釋。波動(dòng)是由模型遺漏的事物組成的，它從規(guī)范的屬性演變而來(lái)，從數(shù)據(jù)的測(cè)量結(jié)構(gòu)中而來(lái)，從使用過(guò)的信息和設(shè)置的限制條件而來(lái)，它永遠(yuǎn)也不會(huì)有結(jié)構(gòu)，不能識(shí)別。

以上三種不同的方法都是基于自回歸的形式，一些時(shí)間序列專(zhuān)家對(duì)他們的有效性也持懷疑態(tài)度。許多應(yīng)用經(jīng)濟(jì)學(xué)家力求擬合向量自回歸形式VAR。但對(duì)于一些計(jì)量經(jīng)濟(jì)學(xué)家來(lái)說(shuō)，VAR就意味著非?？膳碌幕貧w(Very Awful Regression)。但是，如果他們能夠使反應(yīng)長(zhǎng)期關(guān)系的協(xié)整限制條件具體化，并據(jù)此加以調(diào)整，還是值得推崇的。向量誤差糾正機(jī)制在這方面就有很大的影響，因?yàn)樗軌蜃屟芯空呃肑ohansen設(shè)計(jì)的程序檢驗(yàn)協(xié)整關(guān)系數(shù)。

五、研究經(jīng)濟(jì)變量長(zhǎng)期關(guān)系計(jì)量方法的選用

由以上的分析可以看出，這三種方法在方法論、建模程序和預(yù)測(cè)經(jīng)濟(jì)變量的效力方面，各有優(yōu)劣。給哪一種方法一個(gè)最優(yōu)的判斷都是不合適的。實(shí)用主義的觀(guān)點(diǎn)認(rèn)為當(dāng)相反的兩種觀(guān)點(diǎn)都被證明是明確的時(shí)候，將兩者結(jié)合起來(lái)加以研究，才是佳的選擇。如果一個(gè)研究者都明白了這些不同方法，將不同的方法加以融合，也將是處理歸納數(shù)據(jù)的一種技術(shù)。

我們認(rèn)為最好是同時(shí)使用三種方法來(lái)估計(jì)和檢驗(yàn)有關(guān)的經(jīng)濟(jì)理論關(guān)系。如果它們都產(chǎn)生了相同的結(jié)果，那就更能增強(qiáng)我們研究的信心。如果產(chǎn)生了沖突就選擇更可靠的一種。盡管VECM看起來(lái)復(fù)雜一點(diǎn)，但它不難，因?yàn)榇蠖鄶?shù)軟件都附有相關(guān)程序，減少了計(jì)算問(wèn)題。盡管如此，VECM比GETS的要求更高，特別是在計(jì)算理論關(guān)系時(shí)要研究者具有一定理論背景和相關(guān)知識(shí)。而且，內(nèi)生結(jié)構(gòu)突變的單位根檢驗(yàn)使得VECM變得越來(lái)越復(fù)雜，特別是在沒(méi)有季節(jié)調(diào)整的月度和季度數(shù)據(jù)中存在顯著的季節(jié)模式。盡管有季節(jié)單位根檢驗(yàn)和協(xié)整方法，那也只是是計(jì)算上的要求。因此在許多的應(yīng)用中當(dāng)季節(jié)數(shù)據(jù)不可用時(shí)，這些數(shù)據(jù)就是季節(jié)調(diào)整。這就需要季節(jié)調(diào)整程序來(lái)修正。

從有限的資料中，我們了解到用 GETS和VECM同時(shí)估計(jì)的貨幣需求有相似的結(jié)果。但也有些報(bào)告指出，在汽油消費(fèi)和汽油價(jià)格的調(diào)整方程中用月度數(shù)據(jù)，GETS給出的結(jié)果比用Granger兩步法估計(jì)得出的VECM結(jié)果要好。然而由于實(shí)證結(jié)果的數(shù)據(jù)的有限，這種說(shuō)法的推廣應(yīng)該謹(jǐn)慎，希望有更多的研究者運(yùn)用三種不同技術(shù)，報(bào)告更多的結(jié)果。有一些資料顯示，GETS方法比較受應(yīng)用經(jīng)濟(jì)學(xué)家的青睞，在實(shí)證研究中應(yīng)用較廣泛，因?yàn)樗阌谑褂?，而且它的結(jié)果也與VECM的結(jié)果吻合度較高。但目前運(yùn)用SVAR的也逐漸多了起來(lái)，主要是因?yàn)樗軌蚪沂鞠到y(tǒng)中的波動(dòng)情況，便于研究者找到各種變量之間的相互關(guān)系。

［1］李子奈，葉阿忠.高等計(jì)量經(jīng)濟(jì)學(xué)［M］.北京:清華大學(xué)出版社，2000.

［2］Bahmani-Oskooe M，Rehman H.Stability ofthe money emand function in Asian developing countries［J］.Applied Economics，2005:773 －792.

［3］Engel R F，Granger C W J.Cointegrationand error correction representation，estimation and testing［J］.Econometrica，1987，251 －276.

［4］Hendry D F，Krolzig H M.Automatic EconometricModel Selection［S.l］:Timberlake Consultants Press，2001.

［5］Smith R P.Unit Roots and all that:the impact of timeseries methods on macroeconomics［M］.Backhouse，R.E.and Salanti，A.Macroeconomics and the Real World.Oxford:Oxford University Press，2000.

［6］Pesaran M H，Smith R J.The interactionbetween theory and bservations in economics［J］.the Economicand Social Review，1991:1 －23.

Research on Time Sequence Methods for the Dynamic Relationships of Economic Variables

WEN Shu-sheng
(School of Economics and Trade，Chongqing University of Technology，Chongqing 400050，China)

This paper expatiates upon the modeling procedures of three time sequence auto-aggression methods of GETS，VAR，and VECM，and their predicting effects for economic variables，and reviews their advantages and disadvantages.Based on empirical experience，the three methods have their own advantages.Different methods can be used to achieve synthetic results when there are big differences between predicting results and the facts with different methods.

time sequence;GETS;VAR;VECM

F224

A

1674－8425(2011)06－0032－05

2010－10－18

文書(shū)生(1964—)，男 ，博士，教授，研究方向:勞動(dòng)經(jīng)濟(jì)學(xué)、人力資源管理。

(責(zé)任編輯 鄺坦勵(lì))