中国主要宏观变量的稳定性检验：基于非参数估计与Bootstrapping的一个方法

在利用中国各种宏观和金融数据的实证研究和政策分析中，向量自回归模型（Vector Autoregression, VAR）或结构向量自回归模型（Structural VAR）、脉冲反应函数分析（Impulse-response Function）、Granger因果检验（Granger-causality）等方法得到了越来越广泛的应用。上述方法一般要求其所使用的相关变量必须满足模型线性化和结构稳定性的要求。非线性的依存关系和结构不稳定性会给VAR等模型以及相关的估算和检验带来极其严重的影响。但是在实证研究中，绝大部分现有的文献往往忽视了对非线性和非稳定性的检验。利用最新发展起来的趋势性时变系数模型（Trending Time-varying Coefficient Model），本文将稳定性检验建立在比较非参数估计与线性参数估计的基础上，并通过bootstrap的方法来计算检验量的样本分布。我们的方法可以同时检测到时间序列变量之间的非线性关系和渐进非稳定性。由于使用了依赖于数据本身的bootstrap来计算统计检验量的P值，因此本方法还具有较理想的小样本性质。我们利用中国83个包括产出、价格、汇率、短期利率、政府财政等主要变量的月度宏观数据，检验这些变量本身的自回归线性关系。我们的初步结果发现部分宏观变量存在严重的非稳定性或非线性问题，基于这些变量的VAR或者SVAR分析将会得到误导性的结论。