我国货币需求量的计量分析

1、计量经济学课程论文-（修正稿）我国货币需求量的计量分析一国政府需要对其货币需求量进行深入研究，这样才能有效制定相关货币政策，并据此维持宏观经济稳定。宏观经济学中关于货币需求量的研究涉猎很广，既含概国民收入确定、经济周期、经济增长等范畴，也包括货币供求平衡理论。不过无论对一国货币供求平衡做出何种分析，都不应脱离对其货币需求量的定量分析，否则任何理论都难免一纸空谈。本文拟沿着当今主流经济学家关于“货币需求决定于国内生产总值、利率”等变量的思路，借助课上教授的 EVIEWS5 统计软件，对我国 1978 年-2006 年的货币需求进行定量分析，并据此对我国 2007 年的货币需求量进行预测。一、 本

2、文进行计量分析的主要步骤1、数据检验若样本数据基本符合正态假定，则考虑选择使用选择多元直线回归法，否则选择多元曲线回归法。之后对解释变量进行逐一迭代，只保留最优解释变量。2、构建模型根据样本数据，计算国内生产总值、利率等变量的相关参数，建立被选货币需求模型。3、检验假设判断 t-统计检验、F-统计检验的概率是否显著并对判定系数 R2进行拟合优度判断。用VIF 值判断多重共线性；用DW-检验衡量随机变量的序列自相关程度；用 ARCH-检验，White-检验判断异方差性；用ADF 检验度量变量间平稳性。4.模型修正当出现“多重共线性”问题时，应适当去掉模型中过多的自变量；当出现“异方差”问题时，应

3、使用加权回归法；当出现自变量与随机误差相关问题时，应使用两阶段回归法；当出现随机误差自相关问题时，可用滞后一阶、或二阶的自变量进行回归；将直线模型变为曲线模型；当时序数据出现“单位根”问题时，应进行协整分析。二、 计量分析的过程与结论（一）货币需求模型与数据1、基本货币需求模型：（1） Mt=c + GDP t+ RSt +（IFL）t + Et模型（1）为多元线性模型。其中，Mt 为现金、狭义或广义货币；GDP 为国内生产总值；RSt 为一年期存款利率；IFLt 为通货膨胀率；Et为随机误差。（2）LMt=c + LGDP t+ Ratet + IFLt + Et模型（2）为多元对数模型。其

4、中，L 为对自变量取对数的运算。当直线模型不成立时，应使用对数模型。在对数模型中，按经济意义，通货膨胀率IFLt 和利率 Ratet 不能转换为对数。2、相关数据来源：国家统计局(见附录-样本数据)。（二）计量分析过程 1、直线模型将广义货币与名义GDP 数据代入模型，可得： M2= -16061.58288 + 1.777254527*GDPDependent Variable: M2 Method: Least Squares Date: 11/25/07Time: 17:24 Sample: 1978 2006Included observations: 29VariableCoeffi

5、cientStd. Errort-StatisticProb.C-16061.583691.170-4.3513530.0002GDP1.7772550.04892536.326390.0000R-squared0.979950Mean dependent var77456.74Adjusted R-squared0.979207S.D. dependent var98787.96S.E. of regression14245.01Akaike info criterion22.03267Sum squared resid5.48E+09Schwarz criterion22.12697Log

6、 likelihood-317.4738F-statistic1319.607Durbin-Watson stat0.411030Prob(F-statistic)0.000000上述模型的判定系数为 98%，说明模型的拟合优度高。t-检验值分别为-4.35 和 36.32，均大于标准数值2.05131；F-检验值为 1319，大于标准数值4.21，这说明模型通过了假设检验。尽管如此，模型的DW 统计检验值仅为 0.41，说明模型的随机误差存在自相关问题。由于此模型的对数相似性很大，因此考虑取对数应用多元对数模型以解决随机误差存在自相关问题。2. 对数模型（1）一元对数模型将广义货币与名义GD

7、P 数据代入模型，可得：LM2 = -4.354457565 + 1.41436915*LGDPDependent Variable: LM2 Method: Least Squares Date: 11/25/07Time: 17:35 Sample: 1978 2006Included observations: 29VariableCoefficientStd. Errort-StatisticProb.C-4.3544580.159811-27.247460.0000LGDP1.4143690.01554590.984810.0000R-squared0.996749Mean depe

8、ndent var10.07562Adjusted R-squared0.996629S.D. dependent var1.822520S.E. of regression0.105822Akaike info criterion-1.587648Sum squared resid0.302353Schwarz criterion-1.493351Log likelihood25.02089F-statistic8278.236Durbin-Watson stat0.687512Prob(F-statistic)0.000000一元对数模型在 DW 统计值有所改善，但依然存在着随机误差自相关

9、的问题。（2）二元对数模型LM2 = -4.250789414 + 1.409032981*LGDP - 0.8267046126*RSDependent Variable: LM2 Method: Least Squares Date: 11/25/07Time: 17:37 Sample: 1978 2006Included observations: 29VariableCoefficientStd. Errort-StatisticProb.C-4.2507890.179817-23.639470.0000LGDP1.4090330.01601887.962960.0000RS-0.8

10、267050.678726-1.2180250.2342R-squared0.996925Mean dependent var10.07562Adjusted R-squared0.996688S.D. dependent var1.822520S.E. of regression0.104887Akaike info criterion-1.574174Sum squared resid0.286032Schwarz criterion-1.432730Log likelihood25.82553F-statistic4213.994Durbin-Watson stat0.665385Pro

11、b(F-statistic)0.000000二元对数模型的DW统计检验也不理想，同样存在随机误差的自相关问题。一年期储蓄利率RS的t-统计值，仅为-1.21，小于2的标准，不能推翻“参数=0”的原假设。（3）三元对数模型LM2 = -4.212760682 + 1.404613033*LGDP- 0.9056209848*INFLATION + 0.252501568*RSDependent Variable: LM2 Method: Least Squares Date: 12/20/07Time: 15:25Sample (adjusted): 1979 2006Included obse

12、rvations: 28 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-4.2127610.184163-22.875120.0000LGDP1.4046130.01564189.800520.0000INFLATION-0.9056210.451001-2.0080220.0560RS0.2525020.9728460.2595490.7974R-squared0.997651Mean dependent var10.18348Adjusted R-squared0.997357S.D. dependent v

13、ar1.759174S.E. of regression0.090440Akaike info criterion-1.836703Sum squared resid0.196304Schwarz criterion-1.646388Log likelihood29.71385F-statistic3397.194Durbin-Watson stat0.687334Prob(F-statistic)0.000000相关统计检验显示：三元曲线模型同样存在两元曲线模型中的 “随机误差的自相关”与“RS 的 t-统计值不显著”的问题。为此，首先要剔除 RS 变量。（4）排除RS 变量后的二元对数模型

14、LM2 = -4.183719788 + 1.402780575*LGDP- 0.8143410564*INFLATIONDependent Variable: LM2 Method: Least SquaresDate: 12/20/07Time: 15:28 Sample (adjusted): 1979 2006Included observations: 28 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-4.1837200.143522-29.150300.0000LGDP1.4027810.01369

15、5102.43300.0000INFLATION-0.8143410.277029-2.9395500.0070R-squared0.997644Mean dependent var10.18348Adjusted R-squared0.997456S.D. dependent var1.759174S.E. of regression0.088737Akaike info criterion-1.905329Sum squared resid0.196855Schwarz criterion-1.762593Log likelihood29.67460F-statistic5293.223D

16、urbin-Watson stat0.677012Prob(F-statistic)0.000000排除 RS 变量后的二元模型不仅同样“随机误差自相关”的问题，而且还出现了逻辑问题，即通货膨胀（Inflation）系数为负数。无论按照货币需求理论，还是根据实践经验，货币需求量与通货膨胀均成正比关系，即通货膨胀越高，货币需求量越大。为此，模型还应剔除通货膨胀变量。考虑到各种数学变换方法在简化模型中具有高度的应用性，所以仍回到一元对数模型并采取其数学变换后的形式以消除原有问题。下面首先讨论关于解决该模型的随机误差自相关的问题。（5）随机误差自相关问题随机误差自相关问题既可以通过图形，也可通过回归

17、加以确定。随机误差折线图显示（见附录）：模型随机误差存在着严重的自相关问题。这一点通过回归模型也可以得到确认，见下式：E = 0.007222006101 + 0.5097977584*E(-1)Dependent Variable: E Method: Least Squares Date: 11/25/07Time: 18:31Sample (adjusted): 1979 2006Included observations: 28 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C0.0072220.013058

18、0.5530790.5849E(-1)0.5097980.1439133.5423960.0015R-squared0.325526Mean dependent var0.007602Adjusted R-squared0.299585S.D. dependent var0.082558S.E. of regression0.069093Akaike info criterion-2.437972Sum squared resid0.124121Schwarz criterion-2.342814Log likelihood36.13160F-statistic12.54857Durbin-W

19、atson stat1.749392Prob(F-statistic)0.001523为了解决随机误差的自相关问题，下面采用一阶差分法：LM2 = 13.91038813 + 0.4178582643*LGDP + AR(1)=0.9824145369Dependent Variable: LM2 Method: Least Squares Date: 11/25/07Time: 18:34Sample (adjusted): 1979 2006Included observations: 28 after adjustments Convergence achieved after 26 i

20、terationsVariableCoefficientStd. Errort-StatisticProb.C13.910395.1667322.6922990.0125LGDP0.4178580.1402002.9804450.0063AR(1)0.9824150.008069121.75740.0000R-squared0.999242Mean dependent var10.18348Adjusted R-squared0.999181S.D. dependent var1.759174S.E. of regression0.050333Akaike info criterion-3.0

21、39342Sum squared resid0.063336Schwarz criterion-2.896606Log likelihood45.55079F-statistic16478.24Durbin-Watson stat1.867814Prob(F-statistic)0.000000Inverted AR Roots.98上表显示：R-Square 值,t-统计检验、F 统计检验、DW 检验等全部非常理想，应该说模型基本可用。但还需要做异方差检验。（6）异方差检验由于数据的平稳性问题，不考虑使用 ARCH 检验，而用无交叉项的White 检验结果如下：White Heteroske

22、dasticity Test:F-statistic5.773824Probability0.008415Obs*R-squared8.918848Probability0.011569Test Equation:Dependent Variable: RESID2 Method: Least SquaresDate: 11/25/07Time: 17:53 Sample: 1978 2006Included observations: 29VariableCoefficientStd. Errort-StatisticProb.C0.3482990.1203812.8933060.0076L

23、GDP-0.0696530.024018-2.9001110.0075LGDP20.0035270.0011822.9828790.0061R-squared0.307546Mean dependent var0.010426Adjusted R-squared0.254281S.D. dependent var0.009215S.E. of regression0.007958Akaike info criterion-6.731670Sum squared resid0.001646Schwarz criterion-6.590225Log likelihood100.6092F-stat

24、istic5.773824Durbin-Watson stat1.424810Prob(F-statistic)0.008415可以看出，Obs-R square=n*R-Square=8.918848，在不严格显著性=0.01 下，2(2)=9.21034 。由 No crossover White-test 可知，n*R-Square=8.911482(2)=9.21034，同时 X 与 X2 的t-test结果均呈显著, 所以拒绝原假设。据此可知，在不严格条件下，有理由认为模型不存在异方差。通过仔细考察残差散点图，也能得到类似的结论，见附录。（7）平稳性检验ADF 检验结果为 MacKi

25、nnon 值均大于 t 统计值，表明存在单位根，所以序列 LGDP 是非平稳的，有可能存在结构断点。对于 LM2 序列，依然可以得到相似结论。Null Hypothesis: LGDP has a unit root Exogenous: ConstantLag Length: 1 (Fixed)t-StatisticProb.*Augmented Dickey-Fuller test statistic-0.5781100.8598Test critical values:1% level-3.6998715% level-2.97626310% level-2.627420*MacKinn

26、on (1996) one-sided p-values.（8）结构断点的确定 CHOU 检验显示：Chow Breakpoint Test: 1989F-statistic3.416349Probability0.035183Log likelihood ratio10.70849Probability0.013411由于 F-统计数值为 3.416349，大于 2.99 的标准，所以 1989 年我国的货币需求出现了结构断点。（9）虚拟变量的置入问题由于样本数据在 1989 和 1990 年间存在结构断点，因此考虑设置虚拟变量。设：虚拟变量 D1989：1989 年以前为 0；1990 年

27、以后为 1。然后，将虚拟变量代入模型，并做回归分析：LM2 = 12.08835582 + 0.4769479916*LGDP + 0.1576096517*D1989 + AR(1)=0.981585607Dependent Variable: LM2 Method: Least Squares Date: 11/25/07Time: 18:38Sample (adjusted): 1979 2006Included observations: 28 after adjustments Convergence achieved after 25 iterationsVariableCoeff

28、icientStd. Errort-StatisticProb.C12.088354.0209493.0063430.0061LGDP0.4769480.1149944.1475970.0004D19890.1576100.0425273.7060920.0011AR(1)0.9815860.007432132.07490.0000R-squared0.999518Mean dependent var10.18348Adjusted R-squared0.999457S.D. dependent var1.759174S.E. of regression0.040976Akaike info

29、criterion-3.420107Sum squared resid0.040296Schwarz criterion-3.229792Log likelihood51.88150F-statistic16580.43Durbin-Watson stat1.826019Prob(F-statistic) 0.000000Inverted AR Roots.98上表显示：带有虚拟变量的货币需求模型相对较好。最终回归模型确定为：LM2 = 12.08835582 + 0.4769479916*LGDP + 0.1576096517*D1989 + AR(1)=0.981585607此模型表明：我

30、国货币需求量的自然对数底变动比率和 GDP 及GDP(-1)的自然对数底变动比率呈高度相关。此外，我国货币需求量变动的比率还受结构断点的影响，1989年后，我国货币需求量变动的比率明显高于 1989 年之前。（10）基本结论当今主流经济学家关于“货币需求决定于国内生产总值、利率”等变量的思路不适用于我国的实践。这是可能是因为：我国人民对储蓄利率变化不是很敏感，特别是在股票市场火爆的今天就更加如此。1989 年，我国爆发了恶性通货膨胀，居民的货币需求因此出现了结构断点。伴随着 20 世纪 90 年代初通货膨胀的频繁出现、与后期通货紧缩的形成，物价水平的大幅波动开始对居民的货币需求产生影响。这种物

31、价水平对居民的货币需求产生的影响可能是通过通货膨胀率和国民GDP 间的高度共线性来达成的。而我国真实货币需求在统计意义上，只是表示为含有虚拟变量的对数 GDP 的滞后函数，并不反映通货膨胀率的影响，这是货币政策执行者需要注意的问题。上述结论对我国宏观调控部制定实施货币政策具有一定的参考价值。（11）扩展性预测根据模型：LM2 = 12.08835582 + 0.4769479916*LGDP + 0.1576096517*D1989 + AR(1)=0.981585607对LGDP 进行无截矩项自回归，得结果：LGDP = 1.013929*LGDP (-1)Dependent Variabl

32、e: LGDP Method: Least Squares Date: 11/25/07Time: 19:09Sample (adjusted): 1979 2006Included observations: 28 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.LGDP(-1)1.0139290.001339757.3960 0.0000R-squared0.996654Mean dependent var10.27417Adjusted R-squared0.996654S.D. dependent var1.249716S.E. of regression0.072288Akaike info criterion-2.381246Sum squared resid0.141091Schwarz criterion-2.333667Log likelihood34.33744Durbin-Watson stat0.864849预测值E(2007LGDP) = (2006LGDP)*1.013929 = 12.38085以E(2007LGDP) = 12.38085，不存在其它结构断点作一般性外推预测，得到E(2007LM2) = 12.93498，表明200