中國服務(wù)業(yè)增長和波動的區(qū)制轉(zhuǎn)換與非對稱性研究

王藝樅，陳 磊，b，孟勇剛

(東北財經(jīng)大學(xué)a.經(jīng)濟學(xué)院；b.經(jīng)濟計量分析與預(yù)測研究中心，遼寧 大連 116025)

一、引言

自2013年起，中國經(jīng)濟進入新常態(tài)，經(jīng)濟增速換擋，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，第三產(chǎn)業(yè)日益壯大。根據(jù)國家統(tǒng)計局發(fā)布的數(shù)據(jù)，2017年服務(wù)業(yè)(第三產(chǎn)業(yè))增加值占GDP比重已達到51.6%，成為拉動經(jīng)濟增長的產(chǎn)業(yè)主體。另外，根據(jù)聯(lián)合國統(tǒng)計司的數(shù)據(jù)，美國等發(fā)達國家的服務(wù)業(yè)增加值占比已經(jīng)超過80%。由此可見，在發(fā)達國家已經(jīng)進入以服務(wù)業(yè)為主導(dǎo)的經(jīng)濟時代趨勢下，中國也在由“工業(yè)型”經(jīng)濟向“服務(wù)型”經(jīng)濟轉(zhuǎn)變。因此，對服務(wù)業(yè)的波動進行測定和階段劃分成為當(dāng)前經(jīng)濟新常態(tài)背景下的重要課題。

在國外對服務(wù)業(yè)周期的研究中，Layton等最早基于美國服務(wù)業(yè)數(shù)據(jù)構(gòu)建了服務(wù)業(yè)一致指數(shù)和先行指數(shù)，此后除了Arti 等基于月度數(shù)據(jù)對印度服務(wù)業(yè)周期波動進行測定，未見其他對服務(wù)業(yè)周期的系統(tǒng)研究[1-2]。受限于中國統(tǒng)計部門公布服務(wù)業(yè)相關(guān)數(shù)據(jù)的頻率和種類，中國服務(wù)業(yè)的景氣周期研究也并不多見，王小平等基于年度數(shù)據(jù)構(gòu)建了中國服務(wù)業(yè)一致指數(shù)、先行指數(shù)和滯后指數(shù)，但年度景氣指數(shù)的政策參考性和時效性較差[3]；陳磊等用混頻方法構(gòu)建了服務(wù)業(yè)月度一致指數(shù)，并對中國服務(wù)業(yè)周期波動特征進行考察[4]。

在眾多服務(wù)業(yè)一致指標中，服務(wù)業(yè)增加值作為對服務(wù)業(yè)景氣代表性最強且包含信息最完整的指標，卻因其發(fā)布頻率為季度而無法與其他月度指標共同使用。而混頻動態(tài)因子模型的出現(xiàn)解決了這種利用不同頻率指標構(gòu)建景氣指數(shù)的難題。Mariano 等認為將季度GDP引入動態(tài)因子模型有兩點好處：首先，通過加入GDP包含的信息可提高模型的功效；其次，可將共同因子理解為潛在月度實際GDP的增長率，因此他們基于季度GDP環(huán)比增長率和潛在月度GDP環(huán)比增長率的邏輯算式構(gòu)建月度一致指數(shù)對美國經(jīng)濟周期進行監(jiān)測[5]。Aruoba 等在動態(tài)因子模型中引入加總算子并提出了基于GDP同比增長率的混頻動態(tài)因子方法[6]。隨后，Camacho 等將馬爾科夫結(jié)構(gòu)引入混頻動態(tài)因子模型，從而可對混頻經(jīng)濟變量的協(xié)同性和非線性進行分析[7]。值得一提的是，以上研究往往只在截距項加入馬爾科夫結(jié)構(gòu)來判斷經(jīng)濟增速的區(qū)制轉(zhuǎn)換，而Kholodilin在截距項和方差項中均引入了馬爾科夫結(jié)構(gòu)，即四區(qū)制馬爾科夫結(jié)構(gòu)，同時考察美國經(jīng)濟周期的增速和波動的區(qū)制轉(zhuǎn)換[8]。

國內(nèi)基于混頻模型對經(jīng)濟周期的研究較多[9-12]，但未見在服務(wù)業(yè)周期和波動研究中的應(yīng)用，且多數(shù)對經(jīng)濟周期的階段劃分或非對稱性研究也僅基于增長速度層面將景氣周期劃分為擴張和收縮兩個階段。因此，本文采用四區(qū)制馬爾科夫結(jié)構(gòu)下的混頻動態(tài)因子模型，兼顧服務(wù)業(yè)增加值在服務(wù)業(yè)景氣周期分析中的重要性和對服務(wù)業(yè)周期特征追蹤的時效性，來刻畫服務(wù)業(yè)周期的非線性、協(xié)同性特征。此外，本文通過計算服務(wù)業(yè)一致指數(shù)在各區(qū)制下的濾波概率來刻畫服務(wù)業(yè)波動在不同時期的階段性特征，從而將服務(wù)業(yè)一致指數(shù)劃分為高增長―高波動、高增長―低波動、低增長―高波動和低增長―低波動四個階段。最后，結(jié)合聯(lián)合轉(zhuǎn)移概率矩陣，分析在當(dāng)前階段中國服務(wù)業(yè)可能出現(xiàn)的轉(zhuǎn)移路徑和波動形態(tài)。

二、模型構(gòu)建

(一) 四區(qū)制馬爾科夫混頻動態(tài)因子模型

依據(jù)服務(wù)業(yè)季度增加值與其潛在月度增加值的關(guān)系，設(shè)定Yt，1(t=1，2，3，…，T)為每季度可以觀測到一次的服務(wù)業(yè)增加值序列，那么Yt，1滿足：

(1)

(2)

但是，基于這一數(shù)學(xué)關(guān)系計算不可觀測月度增長率會使相應(yīng)的狀態(tài)空間形式出現(xiàn)非線性結(jié)構(gòu)，令模型變得復(fù)雜而難以估計。因此，本文基于Mariano等使用的處理辦法[5]，將式(2)中的算術(shù)平均數(shù)算式改寫為幾何平均數(shù)算式：

(3)

從而得到：

(4)

(5)

這里ft的系數(shù)矩陣{β1，β2，…，βN-1}′為因子載荷矩陣，{ut，1，ut，2，…，ut，N-1}′為異質(zhì)性成分，本文將其設(shè)為協(xié)方差平穩(wěn)過程，ft表示為如下的動態(tài)過程：

(6)

(7)

(8)

式(8)中，st表示基于相互獨立的截距項和隨機誤差項劃分的高增長―低波動、低增長―低波動、高增長―高波動以及低增長―高波動四個區(qū)制。pij表示上述四個區(qū)制間的轉(zhuǎn)移概率矩陣，本文將其分別設(shè)定為：

(9)

式(10)表示異質(zhì)性成分ut的動態(tài)過程：

(10)

其中，φu(·)表示q=max{q1，q2，…，qN-1}階自回歸系數(shù)，L表示滯后算子。

(11)

這里式(6)與(10)、(11)共同構(gòu)成了包含四區(qū)制馬爾科夫結(jié)構(gòu)的混頻動態(tài)因子模型。為了識別模型，本文對模型季度指標的因子載荷β1施加識別性約束條件，令β1等于1，同時將共同因子和異質(zhì)性成分均設(shè)定為一階自回歸過程。

(二)模型的估計

為了對模型進行估計，將四區(qū)制馬爾科夫結(jié)構(gòu)下的混頻動態(tài)因子模型寫成式(12)和(13)組成的狀態(tài)空間結(jié)構(gòu)：

yt=Hβt+ξt

(12)

βt=λSm+Fβt-1+ζt

(13)

式(12)為量測方程，隨機擾動向量ξt～N(0，R)；式(13)為狀態(tài)方程，隨機擾動向量ζt～N(0，Q)。共同因子ft和異質(zhì)性成分μt均為不可觀測，H、F分別為測量矩陣和轉(zhuǎn)移矩陣；βt=(ftμt)′，ft=(ftft-1…ft-r)′，r=max(p，3)；μt=(ut，1ut-1，1…ut-l，1ut，2…ut-qN-1，N-1)′，l=max(q1，3)；λSm=(μst0 … 0)′。

這里yt為包含大量缺失值的經(jīng)濟序列，主要原因在于中國發(fā)布的部分月度指標在一些特定月份存在缺失值，且季度指標在不發(fā)布數(shù)據(jù)的月份無法觀測。因此，本文參考Mariano等對缺失值的處理辦法[5]，將式(12)改寫成如下形式：

改寫后的量測方程為：

(14)

然后，可以采用Hamilton濾波、Kalman濾波和Kim近似的極大似然估計法對式(13)和式(14)組成的四區(qū)制馬爾科夫動態(tài)因子模型進行估計，得到不可觀測變量βt和狀態(tài)變量st的平滑估計值和濾波估計值。

三、指標選取與處理

本文收集了涵蓋第三產(chǎn)業(yè)和細分服務(wù)行業(yè)的總量、投資、價格、調(diào)查指數(shù)和預(yù)期等多個方面的指標，數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站和萬得數(shù)據(jù)庫，將基準指標定為服務(wù)業(yè)增加值同比增長率，采用K-L信息量和時差相關(guān)分析等方法對所選指標進行進一步篩選，并將所有水平值轉(zhuǎn)化為同比增長率。關(guān)于同比增長率的計算，本文參考陳磊等的處理辦法，優(yōu)先采用統(tǒng)計部門或者機構(gòu)發(fā)布的以可比價格計算的實際同比增長率，對于缺乏官方數(shù)據(jù)的指標，由該指標累計值或者水平值推算其實際同比增長率，最后得到的服務(wù)業(yè)一致指標如表1所示[14]。

表1 服務(wù)業(yè)一致指標

表1中的服務(wù)業(yè)增加值同比增速為基準指標，非制造業(yè)PMI和財新中國服務(wù)業(yè)PMI共同代表了服務(wù)業(yè)的商務(wù)活動情況，其中，非制造業(yè)PMI的調(diào)查對象主要為大型企業(yè)，財新中國服務(wù)業(yè)PMI的調(diào)查對象主要為中小私營企業(yè)，且這兩項調(diào)查指數(shù)與服務(wù)業(yè)增加值的相關(guān)程度是最高的。消費者信心指數(shù)從經(jīng)濟意義上反映了消費者對經(jīng)濟形勢的預(yù)期和主觀感受，且消費需求與服務(wù)業(yè)緊密相關(guān)，由此將其作為服務(wù)業(yè)一致指標。規(guī)模以上港口貨物吞吐量代表了交通運輸業(yè)港口貨物運輸?shù)倪\行形勢，社會消費品零售額作為批發(fā)零售業(yè)運行情況的重要代表指標，且上述兩個行業(yè)均為第三產(chǎn)業(yè)的重點行業(yè)，因此一并入選服務(wù)業(yè)一致指標。

考慮到中國數(shù)據(jù)發(fā)布特點，部分指標存在數(shù)據(jù)缺失情況，如規(guī)模以上港口貨物吞吐量在12月的數(shù)據(jù)缺失，且一致指標在1月份和2月份的數(shù)據(jù)受春節(jié)因素的影響波動較大，本文將這些異常點視為缺失值，根據(jù)前文介紹的方法在狀態(tài)空間模型的框架下予以解決。

由于式(4)中季度服務(wù)業(yè)增加值同比增長率與不可觀測的月度實際服務(wù)業(yè)增加值同比增長率序列之間的近似關(guān)系是基于原始數(shù)據(jù)推導(dǎo)得出，若對指標進行季節(jié)調(diào)整，二者之間的關(guān)系不一定滿足式(4)的關(guān)系。另外，本文所選指標多數(shù)為同比增長率或者經(jīng)過同比調(diào)整的調(diào)查指數(shù)，不存在明顯的季節(jié)效應(yīng)。因此，本文將對未經(jīng)季節(jié)調(diào)整的原始序列進行建模。

四、實證分析

(一)實證結(jié)果

為使模型估計簡便，本文對所有服務(wù)業(yè)一致指標進行了標準化處理。另外，將服務(wù)業(yè)增加值季度同比增長率的因子載荷約束為1，使得提取的共同因子有直觀的經(jīng)濟意義。表2中β對應(yīng)式(5)中各一致指標的因子載荷，可作為判斷各一致指標對共同因子提取貢獻程度的依據(jù)；φf和φu分別為共同因子和異質(zhì)性成分的自回歸系數(shù)；σf和σu分別表示共同因子和異質(zhì)性成分的標準差，代表二者的波動程度，且根據(jù)σf的數(shù)值可對共同因子的波動區(qū)制進行劃分；μ表示共同因子在各區(qū)制下的截距項，可根據(jù)其數(shù)值劃分增長區(qū)制；pii對應(yīng)式(7)中的轉(zhuǎn)移概率；括號內(nèi)為參數(shù)對應(yīng)的標準差；L為模型的對數(shù)似然值。

表2 模型參數(shù)估計結(jié)果

從參數(shù)結(jié)果可知，第一，模型中的所有參數(shù)均在5%顯著性水平下顯著，本文提取的共同因子，即服務(wù)業(yè)一致指數(shù)在服務(wù)業(yè)增加值實際同比增長率、規(guī)模以上港口貨物吞吐量同比增長率、非制造業(yè)PMI和財新中國服務(wù)業(yè)PMI等變量上的載荷明顯占優(yōu)，分別為1、0.896、1.108和1.400，這與指標篩選過程中各指標與基準指標的相關(guān)性結(jié)果基本一致，而社會消費品零售總額同比增長率和消費者信心指數(shù)對共同因子提取的影響有限。估計結(jié)果顯示，消費者信心指數(shù)與其他一致指標相比，異質(zhì)性波動成分明顯更高，說明消費者信心指數(shù)較高的波動程度影響了它對服務(wù)業(yè)一致指數(shù)的貢獻；而社會消費品零售總額同比增長率與服務(wù)業(yè)增加值同比增長率和其他四個服務(wù)業(yè)一致指標的時差關(guān)系相對滯后，同期相關(guān)性較小，因此該指標對提取服務(wù)業(yè)一致指數(shù)的貢獻較低。

第二，服務(wù)業(yè)一致指數(shù)的自回歸系數(shù)約為0.775，當(dāng)服務(wù)業(yè)受到外生沖擊后，沖擊成分的半衰期約為2.7個月，服務(wù)業(yè)需要約9個月來消除90%以上的影響，在一定程度上說明中國服務(wù)業(yè)的自我調(diào)節(jié)和穩(wěn)定機制相對較強，沒有很長的波動持續(xù)期。這一結(jié)果符合服務(wù)業(yè)的內(nèi)在運行特征。由于服務(wù)業(yè)生產(chǎn)消費的同時性和服務(wù)產(chǎn)品的特殊性，成熟市場經(jīng)濟體下的第三產(chǎn)業(yè)波動顯著低于宏觀經(jīng)濟以及第二產(chǎn)業(yè)的波動[15-16]。

第三，服務(wù)業(yè)一致指數(shù)兩個波動區(qū)制下的標準差存在明顯的差異，其值分別為0.019和1.020，并且高波動狀態(tài)下的標準差遠高于低波動下的標準差，這說明服務(wù)業(yè)一致指數(shù)可以被劃分為低波動和高波動兩種區(qū)制，且本文對服務(wù)業(yè)兩種波動區(qū)制的區(qū)分力度較大。

第四，pii的估計值分別為0.943、0.980、0.993和0.891，由于持續(xù)期Di=1/(1-pii)，因此可由轉(zhuǎn)移概率推斷出中國服務(wù)業(yè)景氣處于高增長階段的持續(xù)期為17.54個月，處于低增長階段的持續(xù)期為50個月，約等于高增長階段的三倍；高波動階段的持續(xù)期為9.17個月，低波動狀態(tài)的持續(xù)期為142.86個月，約等于高波動階段的14倍，說明在樣本期內(nèi)中國服務(wù)業(yè)以低速增長為主，且主要在以低波動為主的“大穩(wěn)健”時代。

第五，服務(wù)業(yè)一致指數(shù)在高波動區(qū)制下的截距項分別為0.117和0.018，并且在5%的顯著性水平下顯著異于零，代表了中國服務(wù)業(yè)的高增長―高波動(區(qū)制一)和低增長―高波動(區(qū)制二)階段。在低波動區(qū)制下的兩個區(qū)制分別表示中國服務(wù)業(yè)的高增長―低波動(區(qū)制三)和低增長―低波動(區(qū)制四)階段。此外，高增長―高波動區(qū)制與低增長―高波動區(qū)制間的截距項之差顯著大于高增長―低波動、低增長―低波動區(qū)制之間的截距項之差，即增長率“缺口”；同樣地，高增長―高波動與低增長―高波動之間μ的標準差之差也顯著高于高增長―低波動與低增長―低波動下μ的標準差之差，說明服務(wù)業(yè)一致指數(shù)由高波動轉(zhuǎn)向低波動的過程同時伴隨著服務(wù)業(yè)增速的平穩(wěn)化過程。

(二)中國服務(wù)業(yè)周期的階段性變化

通過狀態(tài)變量st的濾波估計值結(jié)果，服務(wù)業(yè)處于低增長階段即景氣收縮階段的濾波概率由圖1給出，圖2描述了服務(wù)業(yè)一致指數(shù)處于高方差即高波動狀態(tài)下的濾波概率，低增長階段濾波概率為高波動―低增長和低波動―低增長濾波概率相加，高波動階段濾波概率為高增長―高波動和低增長—高波動階段下濾波概率相加。本文參考Chauvet等提出的以概率值為0.65和0.35為分界點的判定準則，對服務(wù)業(yè)增長與波動階段進行劃分[17]：若向前一期服務(wù)業(yè)在高增長階段且當(dāng)期服務(wù)業(yè)在低增長階段的概率大于0.65，可判定當(dāng)期服務(wù)業(yè)已進入低增長階段；若向前一期服務(wù)業(yè)在低增長階段且當(dāng)期服務(wù)業(yè)在低增長階段的概率小于0.35，可判定當(dāng)期服務(wù)業(yè)進入高增長階段；階段轉(zhuǎn)移后持續(xù)期應(yīng)大于兩個月，波動階段的劃分同理。陰影部分表示由以上準則確定的服務(wù)業(yè)周期階段。

圖1 服務(wù)業(yè)景氣處于低增長階段的濾波概率

圖2 服務(wù)業(yè)景氣處于高波動階段的濾波概率

圖1顯示，中國服務(wù)業(yè)的低速增長階段主要有：2002年1月至2005年9月，2008年2月至2018年9月；圖2顯示，中國服務(wù)業(yè)的高波動階段主要有：2008年11月至2009年10月。2002年以來，服務(wù)業(yè)增速的波動比較緩和，僅在2005年9月和2008年2月出現(xiàn)過不同增長速度狀態(tài)的轉(zhuǎn)換；波動方面，服務(wù)業(yè)以低波動狀態(tài)為主，僅在2008年11月出現(xiàn)了一個高波動狀態(tài)，持續(xù)時間為12個月。

圖3和圖4分別給出了服務(wù)業(yè)一致指數(shù)在四個區(qū)制下的濾波概率。樣本期內(nèi)，中國服務(wù)業(yè)景氣波動以低增長―低波動為主，其次為高增長―低波動狀態(tài)。

圖3 低增長―低波動(實線)和低增長―高波動(虛線)狀態(tài)的濾波概率

圖4 高增長―低波動(實線)和高增長―高波動(虛線)狀態(tài)的濾波概率

根據(jù)共同因子的濾波概率可得到中國服務(wù)業(yè)增長和波動的區(qū)制劃分結(jié)果：2002年1月至2005年9月為低增長―低波動階段，2005年10月至2008年1月為高增長―低波動階段，2008年2月至2008年10月為低增長―低波動階段，2008年11月至2009年10月為低增長―高波動階段，2009年11月至2018年9月為低增長―低波動階段。服務(wù)業(yè)的增長與波動在樣本期內(nèi)具有明顯的階段性特征，具體來看，2002年1月至2005年9月中國正處于經(jīng)濟體制和市場環(huán)境轉(zhuǎn)換的經(jīng)濟低速調(diào)整期，受宏觀經(jīng)濟大環(huán)境影響，中國服務(wù)業(yè)在此期間處于低增長―低波動階段，并在2004年6月出現(xiàn)了一次服務(wù)業(yè)增長速度的“陡升陡降”。隨著經(jīng)濟環(huán)境的改善及各服務(wù)行業(yè)如房地產(chǎn)市場的繁榮，2005年10月至2008年1月，中國服務(wù)業(yè)經(jīng)歷了持續(xù)期為28個月的高增長―低波動階段。2008年2月至2008年10月，受當(dāng)時中國宏觀調(diào)控政策收緊影響，中國服務(wù)業(yè)再次進入低增長―低波動階段，而這一次的低增長―低波動階段僅持續(xù)了9個月。此后，受金融危機和隨后當(dāng)局出臺的一攬子刺激經(jīng)濟計劃及后續(xù)引發(fā)的產(chǎn)能過剩和房地產(chǎn)泡沫等問題的影響，服務(wù)業(yè)景氣波動較為劇烈，在2008年11月至2009年10月期間，中國服務(wù)業(yè)處于低增長―高波動階段，這也是樣本期唯一的一次服務(wù)業(yè)高波動時期，且僅持續(xù)12個月。服務(wù)業(yè)較強的自我調(diào)節(jié)能力和穩(wěn)定機制使得2009年11月至2018年9月，即從2009年11月開始直至樣本期結(jié)束，中國服務(wù)業(yè)一直處于低增長―低波動階段。在這一階段，盡管中國服務(wù)業(yè)增長速度在2010年出現(xiàn)過短暫的反彈，但持續(xù)期較短，未能使服務(wù)業(yè)景氣由低增長狀態(tài)向高增長狀態(tài)轉(zhuǎn)移。

表3列出了不同增長狀態(tài)和波動狀態(tài)的聯(lián)合轉(zhuǎn)移概率矩陣。由表3可以看出：第一，增長區(qū)制相同時，不同波動區(qū)制之間的轉(zhuǎn)移概率具有明顯非對稱性。其中，高增長―低波動區(qū)制轉(zhuǎn)移至高增長―高波動區(qū)制的概率(0.006 6)顯著低于由高增長―高波動區(qū)制轉(zhuǎn)移至高增長―低波動區(qū)制的概率(0.102 8)。這意味著在服務(wù)業(yè)高增長時，更容易出現(xiàn)高增長―高波動狀態(tài)向高增長―低波動的轉(zhuǎn)移的情況。同樣的現(xiàn)象也發(fā)生在低增長區(qū)制下的高低波動區(qū)制之間的轉(zhuǎn)移，即由低增長―高波動階段轉(zhuǎn)向低增長―低波動階段的可能性更大。

第二，波動區(qū)制相同時，不同增長區(qū)制之間的轉(zhuǎn)移概率也存在非對稱性。在高波動區(qū)制下，由高增長―高波動轉(zhuǎn)移至低增長―高波動的概率(0.050 8)顯著高于由低增長―高波動轉(zhuǎn)移至高增長―高波動的概率(0.017 8)。在低波動區(qū)制下，由高增長―低波動向低增長―低波動轉(zhuǎn)移的概率(0.056 6)顯著高于后者向前者轉(zhuǎn)移的概率(0.018 6)，說明服務(wù)業(yè)無論是在高波動還是低波動狀態(tài)，從高增長區(qū)制轉(zhuǎn)移至低增長區(qū)制的概率都要大于后者轉(zhuǎn)移至前者的概率。

第三，由前兩點結(jié)論并結(jié)合表3不難發(fā)現(xiàn)，無論服務(wù)業(yè)在何種區(qū)制下，除了保持原有狀態(tài)不變，都傾向于轉(zhuǎn)向低增速或低波動狀態(tài)，如服務(wù)業(yè)在高增長―低波動、高增長―高波動、低增長—高波動區(qū)制下，若發(fā)生區(qū)制轉(zhuǎn)移，分別最有可能轉(zhuǎn)入低增長―低波動、高增長―低波動和低增長―低波動區(qū)制，這與服務(wù)業(yè)的平緩波動特征相符。

第四，在當(dāng)前經(jīng)濟新常態(tài)時期，中國服務(wù)業(yè)正處于低增長―低波動的平穩(wěn)階段，在低增長―低波動的新常態(tài)背景下，維持原有狀態(tài)的概率(0.973 1)遠遠高于服務(wù)業(yè)向高增長―低波動、高增長―高波動和低增長―高波動三個區(qū)制轉(zhuǎn)移的概率(分別僅為0.018 6、0.000 1和0.006 9)，這說明中國服務(wù)業(yè)保持在低增長―低波動階段的可能性非常高。若服務(wù)業(yè)的區(qū)制狀態(tài)發(fā)生變化，轉(zhuǎn)入高增長―低波動階段的可能性最大，之后最有可能以0.936 4的概率維持在原有狀態(tài)，或者以0.056 6的概率進入低增長―低波動階段，形成低波動―高增長與低波動―低增長階段交替出現(xiàn)的波動態(tài)勢。綜上所述，中國服務(wù)業(yè)波動會以當(dāng)前低增長―低波動狀態(tài)作為“L”型運行特征的底部平穩(wěn)運行，短期內(nèi)不太可能出現(xiàn)“U”型反彈態(tài)勢，有可能會出現(xiàn)高增長―低波動與低增長―低波動兩種區(qū)制狀態(tài)交替的“W”型波動態(tài)勢。

表3 聯(lián)合轉(zhuǎn)移概率矩陣

五、結(jié) 論

本文選取服務(wù)業(yè)增加值實際同比增長率、非制造業(yè)PMI、財新中國服務(wù)業(yè)PMI、消費者信心指數(shù)、規(guī)模以上港口貨物吞吐量同比增長率和社會消費品零售額同比增長率構(gòu)成混頻一致指標組，采用四區(qū)制馬爾科夫混頻動態(tài)因子模型從服務(wù)業(yè)增長高低和波動強弱的雙重角度對中國服務(wù)業(yè)周期的運行特征進行分析，主要結(jié)論如下：

第一，服務(wù)業(yè)一致指數(shù)的提取受服務(wù)業(yè)增加值實際同比增長率、規(guī)模以上港口貨物吞吐量同比增長率、非制造業(yè)PMI和財新中國服務(wù)業(yè)PMI這四個指標的影響較大。中國服務(wù)業(yè)一致指數(shù)波動的持續(xù)性不會太強，當(dāng)服務(wù)業(yè)受到外生沖擊時需要約9個月來消除90%以上的影響，說明中國服務(wù)業(yè)的自我調(diào)節(jié)和穩(wěn)定機制相對較強。

第二，服務(wù)業(yè)一致指數(shù)在四個區(qū)制狀態(tài)下的濾波概率顯示，中國服務(wù)業(yè)景氣波動以低增長―低波動為主，其次為高增長―低波動狀態(tài)。2002年1月至2008年10月，中國服務(wù)業(yè)在低波動―低增長與低波動―高增長兩個狀態(tài)之間的交替往復(fù)。2008年11月至2018年9月，中國服務(wù)業(yè)周期呈現(xiàn)出在低增長―低波動與低增長―高波動之間交替往復(fù)，但低增長―低波動狀態(tài)占主導(dǎo)地位。

第三，增長區(qū)制相同時，高波動與低波動區(qū)制之間的轉(zhuǎn)移概率具有明顯非對稱性，更容易出現(xiàn)由高波動狀態(tài)轉(zhuǎn)入低波動狀態(tài)的情況；波動區(qū)制相同時，高增速狀態(tài)與低增速狀態(tài)之間轉(zhuǎn)移概率也存在非對稱性，高增長狀態(tài)向低增長狀態(tài)轉(zhuǎn)移的可能性更高。當(dāng)前，服務(wù)業(yè)景氣會在以低增長―低波動為主要特征的“L”型底部運行，短期內(nèi)出現(xiàn)“U”型反彈的可能性不大，可能會在低波動水平上呈現(xiàn)高―低增長狀態(tài)交替的“W”型波動態(tài)勢。