原文作者：孙振，乔光华，苏日娜

　内容摘要：本文使用一个非对称uc-ur模型对中国最近几次经济周期进行了研究，研究表明，中国经济存在两种不同类型的衰退，在最近的7次衰退中有3次衰退是由需求冲击造成，3次是由供给冲击造成，2008年至2009年的衰退可能是由需求冲击和供给冲击同时影响造成。
　　关键词：经济周期 非对称uc-ur模型 马尔科夫过程
　　受2008年的国际金融危机的影响，我国宏观经济在2008年也遭受重创，其间中央政府推出了4万亿的需求刺激计划，各地方政府也相继出台了相应的配套措施，扩张的宏观经济政策使我国经济在较短时期内走出低谷。但在2011年，我国又出现了较严重的通货膨胀，迫使政府又转而实行偏紧的宏观经济政策遏制高通胀。因此，2008年中央政府在应对经济衰退时所采取的以需求为主的经济扩张政策是否合适，力度大小是否恰当，该需求扩张政策是否是2011年高通胀的诱因值得商榷。
　　传统的不可观测成份模型（uc模型）将产出分解为持久成分和周期成分，并假定产出的持久成分和周期成分的随机误差项不相关。sinclair（2010）在前人研究基础上，提出了一个新的uc模型（非对称uc-ur模型），该模型除了允许产出的持久成分和周期成分的随机误差项存在相关性外，还允许产出的周期性成分存在不对称性，并用一个马尔科夫过程描述这种不对称。wWW.11665.comsinclair使用该模型对美国产出数据的研究表明：美国最近的10次衰退中，有6次可以由产出的周期性成分冲击解释，4次可以由产出的持久成分冲击解释。
　　本文将使用一个非对称uc-ur模型对近期中国产出波动的周期性进行研究，探寻引发近期中国经济衰退的主要原因，并对我国2011年高通胀的诱因进行解释。本文所使用的模型主要特点为：使用马尔科夫状态转换模型描述产出的周期性成分的非对称性；允许模型中的所有随机误差项存在相关性。能够识别经济中引发衰退的原因。
　　实证模型
　　产出yt可被分解成两个不可观测成分 ：
　　（1）
　　这里，τ代表产出的持久成分（或称趋势成分），c代表产出的周期成分。
　　本文假定产出的持久成分呈现随机漫步，持久成分可表示为：
　　（2）
　　本文使用一个二阶自回归模型表示产出的周期成分，该模型的随机误差项由两部分组成，一部分为对称性的随机误差项，另一部分为非对称误差项。非对称性的随机误差项被表示为一个常数乘以表示经济周期所处状态的状态变量，产出的周期成分：
　　（3）
　　本文假定随机误差项ηt和εt服从均值为0的多元正态分布，上述模型中的随机误差项在经济学上一般被称为冲击。γ的取值大小可以用来检验周期成分的非对称性程度，γ的取值越大，表示周期成分的非对称性程度越强。
　　st代表不可观测的状态变量，当经济处于扩张状态时该变量取0，当经济处于衰退状态时该变量取1，该状态变量假定服从一个一阶马尔科夫过程：
　　（4）
　　（5）
　　为了识别状态变量，sinclair（2010）对γ的符号进行了限制，取值限定在小于0。该限定条件能保证当经济处于扩张状态时，随机误差项的均值为0，本文对γ也作同样限制。
　　（6）
　　（7）
　　另外，本文假定状态变量st为外生变量，wt，ηt和εt服从均值为0的多元正态分布。
　　数据和实证结果
　　本研究所使用的数据为1992年1季度至2010年2季度的中国实际季度gdp。由于中国统计局只公布以现价形式的当年累计季度gdp，故中国实际季度gdp数据需要计算得出。在计算中国实际季度gdp时，本文所选取的基期为2002年，gdp的相关数据均来自中国统计局网站。
　　本文使用kim（1994）方法分别对上文的非对称uc-ur模型和非对称uc-0模型（将持久成分与周期成分冲击相关系数限定为0的非对称uc-ur模型）的参数进行估计，参数估计值见表1。
　　表1显示，非对称uc-ur模型参数估计值在5%水平下均显著不为0，估计效果较好；非对称uc-0模型参数除ar（1）的系数外，其他参数估计值在5%水平下均显著不为0。对数似然率检验表明，在5%显著水平下，非对称uc-ur模型要优于非对称uc-0模型。[论文网]
　　除了产出持久性成分冲击的标准差、周期性成分冲击的标准差和它们的相关系数外，两个模型的参数估计值变化不大。由表1可知，由于非对称uc-ur模型中两种冲击的相关系数为-0.957，接近-1，并在1%水平下显著不为0，可以认为产出的持久性成分冲击与周期性成分冲击为高度负相关，因此传统uc模型假定二者不相关是不合理的。sinclair（2010）对产出的持久性成分与周期性成分的冲击高度负相关的经济学解释为：实际冲击在宏观经济中发挥重要作用，产出的持久性成分冲击是导致产出的长期趋势发生偏移的原因，而经济的短期波动则是对经济长期趋势偏移的调整。
　　非对称uc-ur模型的非对称效应参数估计值为-2.13，为周期成分冲击的标准差的2.5倍，这表明产出的周期性成分具有很强的非对称性，因此使用非对称uc-ur模型能够更好地描述产出的周期成分的非对称性。
　　另外，非对称uc-ur模型中持久性成分冲击的标准差估计值大于非对称uc-0模型，这表明，当限定两种冲击不相关时，会低估持久性成分冲击对经济波动的影响作用。表1也显示非对称uc-0模型的周期成分冲击的标准差为0，这表明如果两种冲击不相关，则不会存在周期性成分的对称性冲击（该结果与sinclair（2010）对美国的经验研究结果类似）。在非对称uc-ur模型中，周期性成分的标准差为0.859，并显著不为0，这表明非对称uc-0模型也会低估产出的周期性成分冲击对经济波动的影响作用。
　　图1中实线表示产出的周期性成分冲击所引发经济衰退的概率，图中的阴影部分表示样本期中国经济处于衰退期的时间段。由于中国缺少一个类似美国nber这样一个发布经济周期各阶段的权威机构，对于近期中国经济周期不同阶段的划分至今仍没有一个达成共识划分结果。本文采用孙振（2010）对1993年至2009年中国经济周期各阶段的划分结果来确定样本期中国经济的衰退期，该划分结果与样本期中国经济周期演变过程基本相符，从1993年至2009年，中国经济共经历7次衰退。

　　产出的周期性成分冲击引发衰退的界定：如果产出的周期性成分冲击引发衰退的概率大于0.5，则认为周期性成分冲击产生了此次衰退，并且概率越大判定周期性成分冲击引发衰退的可信度越大。
　　如图1显示，在样本期的7次衰退中，有4次衰退的周期性成分冲击引发衰退的概率大于0.5，这4次衰退分别是1993年下半年、1997年底至1998年中期、1998年底至1999年上半年和2008年至2009年的4次衰退，故认定这4次衰退源于产出的周期性成分冲击；其余的3次衰退期由于周期性成分冲击引发衰退的概率远小于0.5，故认定这3次衰退源于产出的持久性成分冲击。
　　图2为样本期中国产出的周期性成分变化情况，图中的阴影部分表示经济的衰退期。由图2可知，在样本期的7次衰退中，由周期性成分冲击所引发的4次衰退均伴随产出的周期性成分显著下降；而源于持久成分冲击所引发的3次衰退，产出的周期性成分降低均不明显。故我们可以得到以下结论，由周期性成分冲击所引发的衰退总是伴随着产出的周期性成分大幅降低，而由持久成分冲击所引发的衰退，产出的周期性成分一般不会出现明显下降。sinclair（2010）对美国数据的研究也得到类似的结论，对于持久成分所引发的衰退期，美国产出的周期性成分一般没有明显的下降，一个极端的例子是，在美国2001年的衰退期间，美国产出的周期性成分非但没有大幅下降反而增加了。
　　受国际金融危机影响，2008年至2009年中国经济经历了一场严重的衰退。但图1显示，该时期产出的周期性成分冲击所引发衰退的概率只略微大于0.5（这意味着将2008年至2009年的中国经济衰退归结于周期性成分冲击引发的可信度不是很高）；另外，其间中国的产出的周期性成分下降的幅度也不是很大，下降幅度与非衰退期的2003年和2006年的下降幅度相当。据此我们推断，2008年至2009年中国的经济衰退可能同时受到周期性成分冲击和持久性成分冲击的影响，而持久成分的影响程度更大些。一般情况下，周期性成分的冲击可以被理解为需求冲击，持久成分冲击可以被理解为供给冲击。故可认为， 2008年至2009年的中国经济衰退可能是由需求冲击和供给冲击共同影响造成，而供给冲击的影响程度更大。因为在该轮经济衰退中，产出的周期性成分虽有下降但下降程度并不大，因此政府在针对该轮经济衰退制定调控政策时，需求的刺激计划规模不宜过大，更多的政策工具应以调整经济结构和经济运行质量为主。但我国政府对待该轮经济衰退实行了以大规模的需求刺激计划为主的经济政策，该政策直接导致了2010年以后几年的中国高通胀。
　　结论和建议
　　本文使用一个非对称uc-ur模型对中国最近几次衰退原因进行了研究。研究的主要结论：需求冲击和供给冲击都有可能造成中国经济的衰退，非对称uc-ur模型能够有效识别这两种不同类型的经济衰退。非对称uc-ur模型优于非对称uc-0模型，非对称uc-0模型由于假定随机误差项不相关，会同时低估持久成分冲击和周期成分冲击在经济波动中的作用。
　　由于需求冲击和供给冲击都有可能引发经济衰退，政府在应对经济衰退时，应根据产生衰退的主要原因采取相对应的宏观经济对策。对于需求冲击所引发的衰退，政府可通过刺激需求来抑制衰退；而对于供给冲击所引发的衰退，由于供给冲击所引发的衰退一般不会导致产出的周期性成分大幅降低，对于这种衰退如果政府仅施以大规模的需求刺激计划，非但不会有效减轻衰退，还会导致高通胀的出现，因此对于供给冲击所引发的衰退政府应主要采取以调整经济结构和经济运行质量为主的经济调控政策。
　　参考文献：
　　1.sinclair， t.m.， asymmetry in the business cycle： friedman's plucking model with correlated innovations [j]. studies in nonlinear dynamics & econometrics， 2010（14）
　　2.kim， c.j.， dynamic linear models with markov-switching [j]. journal of econometrics， 1994 （60）
　　3.孙振.2008-2009年中国经济衰退的拐点识别研究[j].统计与决策，2010（19）