下载掌阅APP，畅读海量书库
立即打开
为了与国内同类研究的结论进行比较，我们直接使用了贺力平等（2010）附录中计算的CPI和PPI的可比定基指数，时间跨度为2001年1月到2009年12月，共计108笔数据。我们认为，直接使用同比序列数据问题很多，其经济含义也十分模糊。以CPI序列为例，它是与上一年同月物价水平相比，相邻两个同比指标不具备直接可比性。因此利用相邻两个月同比序列进行差分，将会失去经济含义。贺力平等（2010）同样也认识到这种用法是有缺陷的，在回复徐伟康的文献中选择使用了可比定基指数。但国内其他一些文献（如张成思，2010）则习惯直接利用同比数据，并没有计算定基比数列，这就导致了一些实证结论有待商榷。
本文中M2和GDP原始数据来自Wind宏观数据库。鉴于产出（GDP）没有月度数据，所以采用“工业企业增加值”作为月度GDP的代理变量。在这里需要说明的是，根据现行统计制度，国家统计局自从2007年起不再对工业增加值进行统计，仅公布工业增加值同比增速（包括累计增速），笔者按增速推估了2007年之后的工业增加值，实际值则按CPI进行调整得出。在实证分析中，所有变量经过了季节调整后，均以自然对数的形式出现，主要变量时序图，如图4-1所示。
图4-1 主要变量时序图
我们将分别估计CPI和PPI的二元VAR模型和包括货币政策传导的四元VAR模型，以进一步确认二元模型的传导模式是否为虚假传导。其中，二元VAR模型中y t =［ppi t cpi t ］′，而在四元VAR中y t =［m2 t gdp t ppi t cpi t ］′。
为保证结论的稳健性，本章同时采用了ADF、PP及KPSS进行检验进而确定最大单整数d。ADF和PP检验对小样本数据可能缺乏效力，而KPSS平稳性检验在选择较低的滞后截断参数（lag truncation parameters）时，对小样本较为有效。与ADF与PP检验不同，KPSS检验的原假设是序列平稳的，备择假设为非平稳序列。具体检验结果见表4-1，ADF、PP和KPSS检验均表明，这四个变量满足一阶单整过程的统计特征，由此确定d=1。
表4-1 单位根检验
说明：（1）*、**和***分别代表变量在10%、5%和1%的显著性水平上显著。
（2）检验方程中凡是涉及滞后阶或带宽的确定，都是基于AIC准则。
（3）检验方程中只包括了常数项。
真实最优滞后阶p由AIC和SIC联合确定，若二者出现矛盾，同时估计分别确定的最优阶数。在最大滞后阶为8内来选择最优阶，二元模型AIC选择p为3，而具有小样本倾向的SIC选择了2；四元模型的AIC和SIC均指向了2为最佳阶。
二元模型的信息准则并未给出明确的答案，出于实证稳健性考虑，我们同时估计了p为2和3的情形。在具体检验中，Bootstrap次数为10 000次，我们发现Bootstrap经验临界值相对理论渐近临界值保守，说明以理论临界值为依据，MWALD统计量更加倾向于拒绝不存在格兰杰因果关系的原假设，而依Bootstrap得到的经验临界值进行格兰杰因果推断也是相对稳健的。
由p=2和d=1确定了二元LAVAR（3）模型，格兰杰因果检验的结果见表4-2。如表4-2所示，CPI和PPI间格兰杰的因果关系只是从CPI到PPI方向的。而由p=3和d=1确定二元LAVAR（4）模型也得出了一致的结论，随着滞后阶的增大，拒绝CPI到PPI方向因果性的伴随概率由0.033减小到0.008，这意味着CPI到PPI的传导过程可能存在滞后效应；至于PPI到CPI方向的因果性的伴随概率随滞后阶的增加而变大，进一步确认了PPI到CPI方向无因果性。总的来说，CPI与PPI的传导关系是单向的，即从CPI到PPI方向的。
表4-2 基于二元LAVAR模型的格兰杰因果检验
说明：（1）A≠⇒B表示A不是B的格兰杰原因。
（2）***、**和*分别表示基于Bootstrap临界值的1%、5%和10%显著性水平。1%、5%和10% Bootstrap临界值分别对应于MWALD统计量的一个经验分布的第99%、95%和90%分位数。
（3）（）内数字为基于Bootstrap得到的伴随概率。［ ］为随机生成的（样本大小等于Bootstrap次数（10 000））对应的第99%、95%和90%分位数，即为理论临界值。
以上结论是否正确取决于是否遗漏了第三方驱动因素，因此引入货币政策传导机制在四变量LAVAR系统下进行检验（结果见表4-3）就显得尤为必要。从检验结果来看，四元LAVAR模型仍旧仅显示了CPI到PPI方向的格兰杰因果关系，这与二元LAVAR模型检验的结果是一致的。然而，遗漏变量M2和GDP均构成了PPI或CPI的格兰杰原因，这意味着基于二元VAR模型的因果检验并没有基于有效的渐近理论（valid asymptotics），Caporale et al.（1997）导出因果结论不变的条件并不能得以满足，二元模型得到的因果性结论存在“虚假传导”之嫌。其中，“遗漏变量”M2构成了CPI的格兰杰原因，但并未如我们所期望的那样同样也驱动PPI变动，究其原因是因为中国当前价格体系并不健全，特别是上游的一些资源价格（如电力、煤炭等能源价格）存在严格的政府管制。“遗漏变量”GDP同时构成了PPI和CPI的格兰杰原因。这并未动摇二元条件下CPI到PPI方向的单格兰杰因果性结论，仍然支持了CPI向PPI单向传导的关系。这种检验情况同样也出现在Guglielmo et al.（2002）的实证检验中，他们对法国数据进行检验发现，“遗漏”的货币因素M1同时构成了PPI和CPI的格兰杰原因，这意味着PPI和CPI因果检验估计过程中的转移矩阵的确受到了影响，但还未改变二元模型和五元模型得到的PPI到CPI的单向格兰杰因果关系模式。
表4-3 基于四元LAVAR模型的格兰杰因果检验
说明：（1）A≠⇒B表示A不是B的格兰杰原因。
（2）***、**和*分别表示基于Bootstrap临界值的1%、5%和10%显著性水平。1%、5%和10% Bootstrap临界值分别对应于MWALD统计量的一个经验分布的第99%、95%和90%分位数。
（3）表中（）内数字为基于Bootstrap得到的伴随概率。［ ］为随机生成的 （样本大小等于Bootstrap次数（10 000））对应的第99%、95%和90%分位数，即为理论临界值。