状态空间模型（精选8篇）
状态空间模型 篇1
摘要：信息化条件下战场节奏加快,行动方案(COA)开发成为作战计划制定的关键步骤,在各国军队指挥信息系统研究中得到了高度关注,并发展迅速。在梳理作战计划制定一般过程及相关概念逻辑关系的基础上,设计了基于CPN的COA建模与开发的工程化过程模型;并提出了一种反向路径搜索算法缓解CPN模型状态空间爆炸问题,为国内该方向从一般性概念研究转入应用工具开发奠定了技术基础。
关键词：作战计划,行动方案,状态空间,着色Petri网
在信息化条件下,随着军事行动越来越复杂,速度越来越快,军事行动正在从一种严格纵向的组织结构向一种更加集成、更加模块化、定制能力更强的结构转变。由于战场情况的不确定性,以及作战行动的高对抗性,指挥员对参谋人员作战计划拟制、调整和修改的时效性提出了更高的要求,而传统的人工作业方式无法满足快速拟制作战计划的要求,需要采用信息化手段提高计划拟制和调整的效率[1]。行动方案(Course of Action,COA)是执行使命任务的行动过程或者任务流程,是在作战目的(Operation Objective和首长意图的指导下,使一定的战争实体在一定的时间,一定的地点,执行一定的行动,并产生一定的相互作用效果,按规则判断实体状态和行动效果是否触发条件或以时间驱动,选择下一行动,最终确定整个可能的行动序列[2]。所以COA的开发与分析是作战计划制定关键步骤。
1 基于CPN的COA建模与开发工程化模型
1.1 COA开发过程
作战单位从上级指挥部门受领作战任务之后,军事计划人员分析作战资源和能力指标、评估当前的敌我双方的作战态势、作战限制条件以及事实与假设,其中事实与假设决定了首长的关键情报需求。然后,军事计划人员确定理想的作战最终状态,并把整个作战过程分解成若干个决定点,针对每个作战决定点开发具体的作战任务。最后,因为这些大量的作战任务之间存在复杂的因果关系,必须针对这些作战任务进行排序以及对作战资源进行分配,进行COA开发。如图1所示。
1.2 着色Petri网
着色Petri网是一种典型的高级Petri网,当我们在对较复杂的系统进行建模时,常会出现库所节点和变迁节点过多的情况,导致Petri网的建模和分析的复杂性大大增加。着色Petri网(简称CPN)就是用来简化Petri网模型结构的。它通过把系统中具有同类行为特性的库所节点归并到一个库所节点中,并通过令牌(Token)的不同颜色来进行区分,这样就可以简化Petri网的结构。着色Petr网中,还可以引入层次(Hierarchy)的概念,通过层次来把整个系统的模型组织起来,因此,建模和使用起来更方便和清楚[3]。
CPN建模语言可以对那些可被视为并行系统的系统进行建模,在这些系统里,同步化与资源分配是关键要素。系统的CPN模型既面向行动,也面向状态,因为它可以捕获该系统的当前状态以及在特定状态下可能发生的事件。CPN还包括一个时间概念,该概念使得有可能对系统里的事件所需要的时间进行描述。COA具有的大量的作战任务,给定的作战资源、同步化约束及任务间的复杂关系使得COA的开发十分复杂,而CPN的上述特性决定了其适用于对COA的建模与开发[4]。
1.3 基于CPN的COA开发工程化模型
在阐述了COA的开发的一般过程之后,结合CPN技术,提出了基于CPN模型的COA建模与开发工程化过程模型,如图2所示:
1)在任务空间,作战计划参谋人员从上级接到受领任务之后,对受领任务进行分析分解,生成规范化、参数化作战任务清单;
2)在模型空间,根据作战任务清单初始化COA的CPN模型,对模型进行仿真,生成COA的CPN模型状态空间;
3)在分析空间,COA的CPN模型状态空间对应于作战行动线程(LOPs),通过状态空间搜索算法生成LOPs;
4)在分析空间,对生成的LOPs进行分析、评估、选择,最终完成COA的开发。
当生成的所有作战行动线程(LOPs)无法到达理想的最终状态,不能完成受领任务,既可能是作战任务的缺失也可能是资源的不足,作战任务的缺失将导致相关的作战任务的开始前提条件不满足而不能顺利执行,资源的不足也将使相关的作战任务不能执行,因而不能到达理想的最终状态。所以应该对生成的作战任务清单进行修改。建立COA的CPN模型是为了得到作战任务所有可能的执行系列,生成COA的CPN模型状态空间(过程中的第2步)。COA建模目的是为COA开发提供底层的模型支持[5,6]。
作战计划的制定是依据给定资源、约束条件、初始状态和作战目标,运用相应的规划技术,产生行动方案(COA),通过COA的执行实现从初始状态向最终状态的转变。简单地说,作战计划的过程就是解决采取何种行动(actions)和在何时采取这些行动的问题。前一个问题是任务分析分解问题,后一个问题是时序调度问题。该文考虑第二个问题。即在参谋人员给定了受领任务的作战任务清单的条件下,如何对任务进行排序,确保LOP是适应的、可行的。
2 CPN状态空间搜索算法
状态空间分析是CPN建模工具CPN-Tools提供的一种分析系统状态迁移过程方法,该工具提供了模型接口,可以为应用程序所调用,对系统的状态空间进行计算和分析。状态空间方法是基于计算出所有可达状态和有限系统的状态转换,把他们描绘成有向图[31,32]。
2.1 COA的CPN模型状态空间分析
由COA的CPN状态空间的定义可知,LOPs分为两种:分别是完整LOPs和不完整LOPs。完整LOPs是能够得到理想的最终状态的那些LOPs,不完整的LOPs的终止状态不是理想的,当所有的LOPs都属于不完整LOPs时,定义该COA为不完整的COA,不完整的COA产生于COA开发的早期阶段,可能是由于资源的不足而引起的,这暗示了某些任务不能执行。或者是逻辑错误的原因,例如:任务缺失导致某项作战任务的前提条件始终无效而不能执行。
LOPs的计算是基于CPN模型的状态空间搜索,如图3显示了具有4个LOPs的状态空间,T1,…,T6,节点对应相应的可达状态,弧对应于约束事件的发生。节点1代表初始状态,节点21代表理想的最终状态,这个状态空间描述了所有的作战任务的执行方式[33]。
图3中的状态空间确定了两个完全的LOP1和l OP2。(其他两条路径是相同的)
通过CPN网结构可以证明以下定理:
1)CPN(COA)的状态空间是有限的,例如:CPN模型有个有限状态的可达集,在每个状态有有限的活性元素;
2)状态空间是个非循环有向图;
3)设σ1,σ2分别是L1和L2长度的路径,都是从初始状态到相同的状态S,然后有L1=L2。
定理1:确保了状态空间搜索的结束性。定理2:暗示了有有限条路径能到达给定了状态,因此有有限个LOPs产生。定理3:确保在宽度优先搜索,当访问一个状态s时,s所有的父节点已经被访问过了[7]。
状态空间搜索的目的是为了计算出完整的LOPs,由定理2可知,采用基本的图搜索算法是可以解决此问题的。
2.2 两阶段算法
两阶段算法是深度优先搜索算法与宽度优先搜索算法的结合运用,在第一阶段运用深度优先搜索算法能够快速搜索出部分完整的和不完整的LOPS,第二阶段是使用宽度优先搜索算法,它是在第一阶段算法的基础上进一步搜索,因为在第一阶段,完整的和不完整的LOPs并没有完全产生,比如说,在图3中,因为节点19已经被访问过了,第二次将不再搜索,所以只能找到LOP1和LOP2[8]。
下面是深度优先搜索算法:用到了三个数据结构:
Nodes:储存产生的节点(状态)集。
Arcs:存储产生的弧集。
Stack:存储没有处理的状态集。
在第一阶段的基础上执行宽度优先搜索。宽度优先搜索也用到了三个结构:Visited保存已访问状态的轨迹;LOP用来关联状态和从初始状态到达该状态所有的可能路径,这些路径用LOPs表示;Queue存储宽度优先搜索遍历队列。调用此算法时,初始状态插入到该队列中,算法通过选择队列中的状态s来获得状态s的lops。但是,随着作战任务数量的增加,模型执行的可选方式也在增加,导致模型的状态空间成指数级增长,例如:在时刻t有n个具备开始条件的作战任务,那么就有2n个作战任务执行方式,这将带来模型的状态空间爆炸问题。该文目的是对两阶段算法进行改进,采用反向路径搜索算法替代宽度优先搜索算法缓解COA开发的模型状态空间爆炸问题。
2.3 改进的两阶段算法
两阶段算法中的深度优先搜索算法能快速产生部分完整的及不完整的LOPs。虽然作战任务之间存在复杂的约束关系,通常情况下,作战任务清单中包括一个确定的最终任务,这个任务的执行将到达理想的最终状态,例如:两栖登陆作战计划,其中两栖登陆这个任务可以看作是作战任务清单中的最终作战任务,在一定程度上,其他的所有作战任务都是为这个最终的作战任务的执行提供开始条件的。当作战计划参谋人员开发的作战任务清单中不存在作战任务冗余时,一个COA的CPN模型状态空间最多只有一个理想的最终状态。由于作战任务之间紧密的约束关系,即使存在作战任务冗余,理想的最终状态的个数相比于可达状态集也是占很小的比例。对于COA开发问题,作战计划参谋人员需要的是完整的LOPs,因此可以考虑在两阶段算法中,用反向路径搜索算法取代宽度优先搜索算法,即从理想的最终状态节点由下往上搜索,由子节点找到父节点,最后到达模型的初始状态。
反向路径搜索算法同宽度优先搜索算法相似,采用三个数据结构。Visited保存已访问状态的轨迹,LOP用来关联状态和该状态到达理想的最终状态的所有可能路径(该状态是通过深度优先搜索算法得到的),这些路径用lops来表示,Queue存储宽度优先搜索遍历队列,算法通过选择队列中的状态s来获得状态s的lops。与宽度优先搜索不同的是当调用此算法时,将理想的最终状态插入到该队列中。
对于COA的CPN模型状态空间搜索算法,由于计划人员只需要完整的LOPs,采用深度优先搜索算法之后,可以得到理想的最终状态,所以,采用反向路径搜索算法,不需要对整个状态空间遍历,只需对能到达理想最终状态的节点进行遍历,即能找到所有的完整的LOPs,因此,对于基于CPN模型COA开发问题,改进的两阶段算法能缓解状态空间爆炸问题。
3 总结
战争系统是一个开放的复杂系统,在高技术条件下的信息化战争中,信息量急剧增加,战场复杂性、不确定性、风险性不断增长。作战计划从寻求最优到追求敏捷、动态自适应。信息共享、分布式兵力、扁平化指挥、分散式控制、协同、作战效果聚合和级联等使得作战计划的制定成为一项复杂的工程。该文以提高作战计划系统自动化、智能化水平为目标,设计了基于CPN的COA工程化开发模型,并改进了状态空间搜索算法缓解状态空间爆炸问题,对基于模型的开发系统的研制具有重要的参考价值。
参考文献
[1]Boukhtouta A,Bedrouni A,Berger J.A Survey of Military Planning Systems,2002:5-7.
[2]胡晓峰,杨镜宇,司光亚,等.战争复杂系统仿真分析与实验[M].国防大学出版社,2008:442.
[3]袁崇义.Petri网原理与应用[M].北京:电子工业出版社,2005.
[4]吴哲辉.Petri的网基本概念及理论[J].计算机世界报,1994,27.
[5]Mr BriceMitchell,Dr Lin Zhang.Modelling Operational Level Planning Processes with Coloured Petri Nets[J].the 7th international com mand and control Research and Technology Symposium,2004.
[6]C Boutilier,T Dean,S Hanks.Decision Theoretic Planning.Structural Assumptions and Computational Leverage[J].Journal of Artificial In telligence Research,2000(11):1-94.
[7]Kurt Jensen,S ren Christensen,Lars M.Kristensen.CPN Tools State Space Manual[M].University of Aarhus,2006.
[8]Lars M,Kristensen,Peter Mechlenborg,Lin Zhang.Model-based Development of a Course of Action Scheduling Tool.2006:1-16.
海上平台三维模型状态管理研究 篇2
关键词：三维模型；数据库；状态管理
中图分类号：P208 文献标识码：A 文章编号：1006-8937（2014）9-0043-01
数据库模型管理在某种程度上来说是对整个工程项目的把控起到至关重要的作用。从以往的工程来看，三维模型都会出现由于各种主观和客观原因协调不到位，导致与实际项目环境不符，直接影响后期加工安装制作等问题。
1 三维模型设计现状分析
海上平台引入三维模型设计系统管理，发展的现状从客观来看，由于设计周期短，设备参数未及时到位等重要因素影响三维模型的设计；从主观上来看，一个平台，各专业种类繁多，各专业之间和专业内部不是所有的问题都能及时反馈、协调和调整，导致后期数据库和模型布置等修改量比较大；另外，设计人员的技术水平不同也是主观因素的一部分。就项目而言，从整个项目周期来看项目部反馈的意见，分析得出多数的问题都是由于主观原因造成的。当然，无可否认的是，在项目前期，客观占主导因素，但客观因素影响非主要因素，主要是主观因素。
1.1 详细设计
平台三维模型设计主要在项目的详细设计阶段，经过30%审查（所有设备和管线需要建立模型和完成大概的布置）、60%审查（所有设备模型参数和管线布置接口需要准确）、90%审查（所有设备模型参数和管线布置需要最优化）后，方可提交给下一阶段，即加工设计阶段。在详细设计阶段期间，各专业和专业内部交叉影响比较大。
①首先，各专业之间在同时段输入模型数据并完成布置，在设计流程中，专业之间的接口信息比较少，设计人员更多从自身专业出发，在模型数据修改和布置上都按照本专业系统要求完成。由于不了解其他专业的系统特点，可能考虑去修改外专业的模型数据。更多会忽略专业之间的接口信息。这种影响尤其在30%审查阶段比较突出；
②各专业之间在模型数据库上都有统一的权限，可以对任意模型进行修改和布置，一般来说，在30%～60%审查阶段比较少考虑其他专业的因素；
③在模型和数据库管理上，专业内部没有分权重比例，设计、校核、审核和批准都在同一个模型管理条件下进行。虽然模型和数据库控制自由度比较大，但也因此模型和数据库得不到有效管理；
④在详细设计阶段，从实际意义上来说并没有分状态，而且无法有效追踪到模型修改的作者、时间和日期。由于客观因素的影响，可能人为地修改模型和数据库，需要找到修改的原因和目的，并非易事。对于设计人员来说，随着工期推移，本身也未必记得当时修改内容。
1.2 加工设计
在完成详细设计后，进入加工设计阶段，此阶段与安装建造阶段同步。在加工设计阶段过程中，很多相关的模型在实际环境安装过程中，与图纸不符，原因可能忽略了一个就是安装偏差，另外一个是加工偏差。实际上，详细设计后期已根据模型大量出版相关设备清单和管线图纸，模型中并未考虑加工余量和安装偏差余量，在设计过程中，甚至模型之间的相对位移精度比较高，这也增加了加工设计的难度。
2 优化模型管理
研究一种模型管理方式——状态管理（MMSSTATUS），其實在PDMS上已有该属性，在这基础上加以二次开发，可以实现模型控制管理。当然，根据这个平台系统设计，这个属性只能控制在branch层以上，同理，在设备、结构、电气、仪表等专业上也只能管理控制相同层以上。同时，在不同专业领域和专业内部设置不同的模型数据库的修改和调用的权限声明。这样优化的特点：
①可以避免交叉专业的影响，不同专业不能修改本专业外模型数据库。涉及到外专业的交叉影响部分，需要跟外专业及时进行沟通，相互交叉影响的专业，适时修改和调整影响部分；
②专业内部在权限声明时，其实需要修改的内容已与上一级沟通协调。这样就可以避免因某个人主观意见去判断修改该影响部分；
③由于模型受到管理和控制的因素，在模型数据库更新时，只能由power user去更新相关的元件库。这样做的目的就可以把受影响部分，有条理有步骤地进行分专业进行调整和修改。
2.1 状态管理
在详细设计阶段，引入模型数据库状态管理，将状态（MMSSTATUS）管理分为如下说明等级：
①状态unset表示该模型没有任何属性输入或者模型滞留（不存在于PID）；
②状态15#表示该模型存在技术问题不能开展设计：blocked by technical problems；
③状态30#表示该模型初步完成详细设计和布置： design on progress；
④状态50#表示该模型虽然完成初步设计，但由于元件缺失导致不能发布：blocked delivery by missing catalogue；
⑤状态60#表示为详细设计完成、初步计算分析受力完成、属性完整、模型与PID一致：delivered to next step design；
⑥状态90#表示该模型具备出图条件，同时具备详细应力分析条件，可以进行加工设计：machining design；
⑦状态95#表示在加工设计阶段，充分考虑各种偏差，模型与实际不符：blocked by deviation。
注意：状态声明可以由最初的设计人员更新，但只能往高调整，往低调整只能是相关获得授权的人员；外专业不能修改和调整本专业的模型和数据库。
3 结 语
状态管理（实际上就是加强分层、分支管理）目前已在其他行业得到很好的应用，比如核电，火电等。海上平台设计在提高工程效率方面，首先应该从细节着手，对输入和输出的模型和数据库实时有效进行管理，减少主观因素对工程设计的影响；在客观方面，应建立起完整的数据库，对于不同项目都有相关的数据库可以调用；其次，在流程管理上，加以细化，特别是详细设计阶段，可以有效的管理和控制整个设计过程。
参考文献：
状态空间模型 篇3
2015 年是中国股票市场引人注目的一年,A股市场开户数量在这一年达到了历史峰值,2015 年也是中国股市不平凡的一年,投资者既经历了千股涨停,也见证了千股跌停。那么,在我国当前新的经济环境下,宏观经济因素对上涨指数的影响发生了怎样的变化无疑是一个值得探究的问题。现有的研究主要是利用多元回归的方法来对影响上证指数的宏观经济因素进行分析,这种从静态角度进行研究的方法,一方面只能体现某一特定时间段内宏观经济因素对于上证指数的平均影响程度,不能够体现出这些影响因素在不同时期内对上证指数影响程度的变化; 另一方面随着国内外经济环境的变化,原有的固定参数模型可能已经不能充分解释新的市场环境下宏观经济因素对上证指数的影响。因此,本文建立时变系数状态空间模型,研究主要宏观经济因素对上证指数的动态影响过程。
2 文献综述
国内外学者近年来对股票市场与宏观经济因素之间的关系做过大量的研究。从变量选取方面,主要以CPI、失业率、利率、汇率、工业生产指数、石油价格等作为宏观变量,研究这些变量对上证指数的影响。其中,Girardin和Joyeux ( 2013) 关注CPI,Bhargava ( 2014 ) 关注失业率和利率,Altinbas和Biskin ( 2015) 则关注利率、汇率、工业生产指数、石油价格、黄金价格等较为广泛的领域。国内文献相继则关注GDP、各类价格指数( CPI、PPI) 、宏观经济景气指数、消费者信心指数、工业增加值、社会消费品零售总额、进出口总额、固定资产投资完成额、汇率、人民币存款基准利率、存款准备金率、银行间7 天内同业拆借加权平均利率、货币供应量M0、M1、M2、城乡居民储蓄存款余额、和社会消费品零售总额、上海证券交易所市价总值等19 个指标。这些宏观经济变量与股价指数的关系,曾志坚和江洲( 2007) 的结论是股票价格指数的短期波动受到利率和储蓄的短期变化影响; 但是工业增加值和货币供应量对上证指数的影响较小。孙洪庆和邓瑛( 2009) 认为股票价格指数与货币供应量之间有强协整关系和格兰杰因果关系;而和GDP、投资之间完全没有协整关系。朱英姿和吴美等( 2012) 得到的结论是一些宏观经济因素对上证指数有较强的预测力,例如经济先行指数和商品房销售面积。从计量方法来说,Garch - Midas、不对称PARCH模型、协整检验、多元回归模型来检验上证A股指数受到多种宏观经济变量的影响。
3 宏观因素选择
可能影响上证指数的宏观因素有许多,本文按照数据的可得性和国内外因素统筹兼顾的原则结合现有的研究成果对宏观因素进行选取。选取的国内影响因素有反映整个宏观经济流动性的货币供给量M2、宏观经济景气指数、消费者物价指数CPI以及人民币汇率、反映美国经济状况的道琼斯指数5 个指标。
4 变系数状态空间模型
影响上证指数的宏观因素有多个,这些因素对上证指数的影响是不可测的,并且是随时间变化的状态变量。现有文献中的固定参数模型是假设在选取的样本期间内各变量之间的关系不变的条件下得到的,描述的是宏观因素对上证指数的平均影响关系。本文利用Harvey ( 1999) 和Hamil - ton( 1994) 提出的状态空间模型构造出变参数模型来分析不同宏观因素对上证指数的动态影响。
变系数状态空间模型可以表示为:
式( 1) 中,βt是不可观测且随时间改变的状态变量,必须由可观测变量yt和xt来估计,体现出解释变量对被解释变量的动态影响; xt是具有变参数的解释变量矩阵; wt是具有固定参数的解释变量向量; γ 是固定参数向量。
假定变参数 βt可以由AR ( 1) 来描述,则得到状态方程:
也可以扩展为AR ( p) 模型,并且假定
式( 3) 表明,扰动项ut和 εt不一定是相互独立的,且服从均值为0,方差为 σ2和协方差矩阵为Q ,cov ( ut,εt) =g的正态分布。
5 实证研究
5. 1 样本选取及数据选择
如上文所述,本文选取的上证指数影响因素有货币供应量M2、宏观经济景气指数、消费者物价指数以及人民币兑美元即期汇率、美国道琼斯工业指数。样本选取的数据为2008—2015 年的月度数据,研究各因素对上证指数的动态影响。其中,对于上证指数和道琼斯工业指数,选取的是每月最后一个交易日的收盘价数据,
为了方便研究,本文对上述变量重新定义,各变量的定义如表1 所示。
5. 2 平稳性与协整关系检验
为了保证时间序列的平稳性,首先需要对各变量进行单位根检验,在进行单位根检验之前,先对数据进行初步的处理。对上证指数、货币供应量和道琼斯工业指数先进行对数运算( 下文中的上证指数和道琼斯工业指数均指的是对实际值求对数后的结果) ,然后对经过对数处理后的数据进行一阶差分,得到的数据分别用d Lsz、d LX1、d LX5表示。对于宏观经济指数,消费者物价指数和汇率进行一阶差分处理,得到的数据分别用d X2、d X3、d X4表示。
对处理后的数据运用Eviews进行ADF检验,检验结果如表2 所示。
由表2 可知,在1% 的显著性水平下,经过初步处理后的各变量数据在ADF检验下都是一阶单整的平稳序列。同时,为了避免伪回归的问题,我们需要对上述变量进行协整检验,本文采用Eviews软件下的Johansen协整检验方法,这种检验方法存在两种检验统计量,即特征根迹检验统计量和最大特征值检验统计量。检验结果如表3 所示。
注:*表示在95% 的显著性水平下拒绝原假设;**表示Mac Kinnon - Haug - Michelis ( 1999) p - values。
由表3 可以看出,在5% 的显著性水平下,迹检验和最大特征根检验都表明拒绝接受 “至多存在5 个协整关系”的原假设,两种统计量检验结果都表明在5% 的显著性水平下这六个变量之间存在6 个协整关系。通过协整分析可以知道,货币供应量M2、宏观经济景气指数、消费者物价指数、汇率、道琼斯工业指数和上证指数之间存在长期的均衡关系。
5. 3 模型的建立与估计
运用本文上述内容中介绍的时变参数状态空间模型来具体研究货币供应量M2、宏观经济景气指数、消费者物价指数、汇率、道琼斯工业指数对上证指数的影响,模型建立如下:
量测方程:
信号方程:
利用Eviews得到的估计结果如下:
5. 4 结果分析
为了直观的表现各因素对上证指数的时变影响,本文利用Eviews产生状态序列,并选择滤波状态变量均值,得到变参数的上证指数影响因素的动态变化过程。由于在用卡尔曼滤波法求解状态向量的过程中,状态空间初始值的选取问题会对求解的早期时变系数造成影响,所以我们从2011 年开始讨论。如下面各图所示。
由图1 可知,2011 年年初到2011 年6 月,货币供应量对上证指数的影响为负,并逐渐增加至- 0. 4。自2011 年第三季度开始一直到2013 年年末,M2 对上证指数一直保持负向影响并趋于减弱。2014 年前半年M2 对上证指数影响稍微增强并产生正向影响,但是从2014 年下半年开始到2015 年年末M2 对上证指数开始由正向影响减弱并转为负向影响,并持续增大,在样本区间内的2015 年第三季度M2 对上证指数的负向影响达到最大。
图2 显示,宏观经济景气指数在2011—2014 年第三季度对上证指数的正向影响基本平稳,保持在0. 03 左右。自2014 年第三季度开始一直到2015 年6 月,宏观经济景气指数对上证的正向影响逐渐减小,在2015 年3 月变为负向影响,并且负向影响逐渐增大,并且在6 月达到负向最大值,随后负向影响稍微减少。
从图3 可以看出,从2011 年开始消费者物价指数一直保持着对上证指数的正向影响,并且影响逐渐增大,特别是进入2015 年之后,消费者物价指数对上证指数的影响快速增大,并且在2015 年6 月左右达到最大的正向影响。
图4 显示,在2011—2014 年第三季度,人民币兑美元汇率对上证指数的正向影响趋于平稳,维持在稍大于0. 4 的水平,说明其他条件不变的情况下,汇率增长1 个单位,则上证指数对数值增长0. 4 个单位。从2014 年第四季度开始汇率对上证指数的正向影响逐渐增大,到2015 年6 月达到最大正向影响,约为1. 2,随后正向影响稍微减少。
从图5 中可以看出,在2011—2014 年第二季度,道琼斯指数对上证指数的影响虽然保持正值,但是逐渐减小。从2014 年后半年开始到2015 年,道琼斯指数对上证指数的正向影响又快速增大,在2015 年10 月左右达到最大值,约为1. 7。
6 结论
观察这五项影响因素在样本区间内对上证指数的动态影响,可以看出各因素对上证指数的影响程度都是变化的,但是变化的程度不同。运用传统的固定参数模型来分析各影响因素对上证指数的平均影响,显然无法真实反映各因素对上证指数的影响程度,特别是无法反映2014 年第四季度到2015 年各变量对上证指数的影响程度发生的变化。此外,对比现有文献中的研究结果,可以发现采用最新的数据来研究各因素对上证指数的影响得到的结论与以往采用较早数据进行研究得到的结果存在较大差异。
研究结果表明,整体上看,2011—2014 年第三季度这段时间内,本文选择的宏观经济变量除货币供应量外,其他四项影响因素对上证指数影响的极性保持不变。其中,宏观经济景气指数对上证指数保持稳定的正相关关系,即宏观经济景气指数越高,上证指数也越高; 反之,宏观经济景气指数越低,上证指数也越低。说明这段时间内,上证指数在一定程度上能够反映宏观经济状况。消费者物价指数对上证指数保持正向影响,消费者物价水平反映的是通货膨胀水平,说明通货膨胀水平增加,上证指数也上涨。人民币兑美元汇率对上证指数保持稳定的正相关关系,并且影响程度大于消费者物价水平和宏观经济景气指数对上证指数的正向影响,即人民币升值阶段( 直接标价法下汇率下跌) ,上证指数也在下跌。道琼斯指数对上证指数一直保持正向影响,但是在2011—2014 年第二季度末,正向影响逐渐减弱,但是影响程度是这些影响因素里面对上证指数影响程度最大的因素。货币供应量M2 在此期间对上证指数的负向影响逐渐减小,最终在2014 年第二季度达到最大的正向影响,说明我国的股票市场上货币供应量M2 对上证指数的影响有一定的不确定性,与现有的研究结果相符。
2014 年第三季度到2015 年第二季度末,观察各影响因素在此期间对上证的影响可以发现,各影响因素对上证指数的影响都发生了较大变化,可能是在此期间,上证指数出现了暴涨和暴跌的原因。其中,宏观经济景气指数对上证指数的影响在此时期为负值,并且负向影响逐渐增大,即宏观经济景气指数越差,上证指数反而越上涨,这与经济学原理不相符,一定程度上说明此阶段的上证指数与实际宏观经济情况相背离,并且背离程度随着上证指数的上涨而逐渐增大,换句话说此阶段内的股指上涨并不是宏观经济改善的结果。消费者物价指数对上证指数的正向影响在此阶段也增强,说明物价水平的上涨对上证指数影响程度增大,可能是随着物价水平和上证指数的上涨,投资者借助股市上涨来抵御物价水平上涨的意愿增强造成的。汇率在此期间对上证指数影响程度增加较大,达到前几年的3 倍左右,远大于货币供应量、宏观经济景气指数、消费者物价指数对上证指数的影响,说明现阶段人民币兑美元汇率是影响上证指数的重要因素之一。道琼斯工业指数对上证指数的正向影响也在此期间大幅增加,说明我国股市与美国股市的联动性越来越大,可以猜测,A股市场在此阶段的涨跌一定程度上可能受国际股票市场整体环境联动影响的结果。
状态空间模型 篇4
股票的实际价格由两部分构成, 分别是由基础经济过程决定的理论价格Pft和理性泡沫成分bt, 即Pt=Pft+bt。
对上式取对数得:
InPt=InPft+In (1+bt/Pft)
取一阶差分得:
ΔInPt=InPft-InPft-1+In (1+bt/Pft) -In (1+bt-1/Pft-1)
变量代换后得:
Δpt=Δpft+zt-zt-1,
其中:Δpft=InPft-InPft-1, zt=In (1+bt/Pft)
从上式中可以看出Δpft表示股票理论价格取自然对数后的一阶差分, 动态化地反映了股票理论价格的变化;zt表示了股票实际价格与理论价格比值的自然对数, 反映了不同时刻股票价格的泡沫程度, 本文构造的这两个变量都含有一阶差分的形式, 基于证实经验认为这两个序列都是平稳的, 但是不可观测的, 所以将他们作为状态变量。由于红利指数中包含了股票理论价格的信息, 所以设:
Δdt=InDt-InDt-1=α1Δpft+εdt
其中, Dt表示t时刻的股票红利, dt=InDt;随机误差项εdt～N (0, σ21)
为了构造状态方程, 需要设定状态变量的具体形式。依据众多实证分析结果, 本文假设Δpft服从AR (2) 过程;设定泡沫类型包含内蕴型泡沫 (与基础过程相关) 、马尔科夫泡沫 (确定性泡沫和爆炸性泡沫, 与泡沫前期值相关) , 这样做以免发生设定错误, 从而得到:
Δpft=λ1Δpft-1+λ2Δpft-2+εft
zt=φΔpft-1+ΨZt-1+εzt
其中, λ1, λ2, φ, Ψ为参数, εft～N (0, σ23) , εzt～N (0, σ24)
利用上述三个差分方程, 构造观测方程和状态方程:
undefined
假设随机误差项之间是相互独立的, 由此观测方程和状态方程的方差——协方差矩阵为:
undefined
把观测方程和状态方程写为:
undefined
其中Vt～N (0, R) , Wt～N (0, Q) , 并且相互独立, 其余符号分别表示相应的矩阵。
2 数据平稳性检验
本文的选取2007年到2008年上证指数日收盘价、红利指数日收盘价的所有数据, 数据来源为上海证券交易所月报和招商证券股票交易系统。
首先, 对股价自然对数一阶差分序列和红利自然对数一阶差分序列进行单位检验, 结果如下:
无时间趋势项5%和1%显著水平下临界值分别为:-2.86和-3.44;时间趋势项5%和1%显著水平下临界值分别为:-3.46和-3.98。
从上表可以看出Δpt, Δdt, 在1%显著水平下都不含有单位根, 属于平稳序列, 这就说明本文建立的观测方程是平稳的, 对于这种平稳模型Eviews可以根据稳定状态条件解出状态变量的初始值。
3 Kaiman滤波估计
对于上述状态空间模型, 本文采取卡尔曼滤波算法进行求解。卡尔曼滤波算法在随机扰动项和初始状态向量服从正态分布的条件下, 可以利用预测误差分解得到似然函数, 从而能够对模型中含有的未知参数和不可观测的状态变量实现估计, 并随着观测数据的增加, 连续修正状态变量的估计值, 从而达到最优化。
本文在进行卡尔曼滤波估计的过程, 对于未通过显著性检验的变量予以删除然后再进行估计, 其中λ2和φ未通过显著性检验0, 其他参数的估计结果如表2所示。
卡尔曼滤波算法能够对状态变量实现最优估计, 并利用EVIEWS生成状态变量序列, 经过变形得到 (Pt/Pundefined) 序列, 即股票实际价格与理论价格比值, 反映了股票价格的泡沫成分。由于卡尔曼滤波算本身无法对奇异值进行分解, 计算误差会影响状态变量的估计值的稳定性, 所以本文经过多次估计给出 (Pt/Pft) 序列的基本走势以及基准值的大概位置, 如下图1所示。
4 结论
从上图可以直观地看出, 2007年1月到10月, 中国上证市场的股价泡沫程度不断攀升, 证实了股市泡沫的存在性, 特别是在2007年10月泡沫程度激增, 股票实际价格与理论价格比值一度大于3, 这也说明了上证指数在此阶段出现历史最高点在一定程度上是由于股市泡沫的推动;2007年11到2008年底, 中国沪市泡沫程度开始迅速降低, 呈现出股市泡沫的收缩过程, 但是就总体而言股市泡沫在整个样本区间内还是存在的, 直到2008年的最后两个月股市泡沫才几乎消失, 说明在这一阶段股市大跌的原因之一是泡沫的破裂。
由参数估计结果可以看出, 我国的股市泡沫主要是马尔科夫理性泡沫, 包括确定性泡沫和爆炸性泡沫, 这与前文对我国股市泡沫进行的理性分析相一致。参数不显著, 说明在样本区间我国股市不存在内蕴型泡沫, 所以本文认为股价在2006年的初步膨胀包含对基础效应的过度反应, 而在2007年基础经济过程对泡沫的影响不大;参数的估计值小于1, 也说明股市泡沫的逐渐收缩。
参考文献
[1]王子明.泡沫与泡沫经济——非均衡分析[M].北京:北京大学出版社, 2002, (1) .
状态空间模型 篇5
区域经济, 是指一定区域内的所有经济部门、经济地区和经济组织企业之间在经济方面的关系和行为。区域经济的快速健康发展可以有效推动我国社会经济的整体发展和协调。而由于市场经济的自主调节作用, 不同区域经济的发展是不均衡的, 经济发达地区可以不断吸引和积累资金以及有利于自身经济发展的因素, 而经济欠发达地区则难以吸引投资者的注意, 进入经济发展的恶性循环。在这样的循环积累作用下, 经济的发展出现了空间上的“地理二元经济”结构, 使得经济发达地区和经济欠发达地区同时存在, 这种现象的出现也是不可避免的, 核心发达地区会带动边缘欠发达地区的经济发展, 但是也会吸引欠发达地区的劳动力和资金, 进而使得区域差距无法真正得到解决。这也在一定程度上解释了京津冀地区的经济发展现状:北京始终处于区域经济的核心地位, 优势极为明显, 无可取代, 天津与北京相比稍有不如, 而河北位居最后。由于北京和天津对于人才、资金等的吸引作用, 对河北省经济的发展造成了一定的阻碍。
金融生态环境的概念最早是由中国人民银行行长周小川提出的, 借鉴了自然科学中生态环境的概念和内涵, 将生态环境概念引入金融领域, 是一项对于金融理论研究的创新性成果。金融生态环境强调金融系统与所处区域的制度、法律以及相关的正常环境相互依存、相互协调, 共同发展。具体来说, 金融生态环境是指与金融业的生存、发展有着互动关系的社会、自然因素的总和, 是金融机构在所处区域内的外部运行环境, 既有微观层面的金融环境, 也有整个金融市场的大环境。对金融生态环境进行研究, 分析其与区域经济的结合方式和程度, 可以加强区域的金融生态环境建设, 推动区域经济的全面协调发展。京津冀地区是我国经济、文化、科技最发达的地区之一, 同时也是我国经济发展速度快、最具有发展潜力的地区。北京作为我国的政治中心, 同时也是全国性的金融监管和信息发布中心, 几乎会聚了我国50%~60%的金融资产。但是, 由于受到区域分割管理的限制, 区域内部的经济发展存在很大的差距, 资金分布不均衡, 对区域整体的经济发展造成严重阻碍。
1 构建完善的金融生态环境评价体系
以往对于金融与经济增长进行研究的资料和文献一般都是采用几种常用的检验方法:回归分析检验、Granger因果关系检验、协整关系检验、VAR向量自回归模型以及VEC向量误差修正模型等。其中最具代表性的是中国人民银行洛阳支行在2006年课题研究时采用的层次结构分析法以及广东分行采用的因子分析和层次分析相结合的计量方法, 这些方法都是使用固定的参数模型对金融和经济发展之间的关系进行研究。但是, 金融生态系统中的各个子系统的发展对于经济发展所产生的影响和作用是各不相同的, 也处于不断的发展变化中, 这就导致传统的固定参数模型并不能用来反映金融生态环境和区域经济发展之间的动态关系。实际上, 随着经济全球化趋势的不断加快, 经济危机和次贷危机以及货币政策和汇率的频繁变化, 使得经济结构也在逐渐发生改变, 固定参数模型无法表现出这种经济结构方面的变化, 也无法表现出由于不同原因而产生的经济与金融相关程度的变化。为了应对这种情况, 必须引入具有可变参数性质的状态空间模型来对动态系统的变化进行分析和研究。状态空间模型包括两个模型:其一是状态方程模型, 可以用来反映动态系统在输入的变量的作用下在某个时刻所转移到的状态;其二是输出或量测方程模型, 用来将系统在某时刻的输出和系统此时的状态以及输入变量相互联系起来。
2 数据来源与参数估计
状态空间模型选取2002—2009年之间京津冀地区的年度国民生产总值、固定资产投资、财政收入、财政支出、存款、贷款、社会商品销售总额、进出口额、保险行业原保费收入、股票流通总市值等数据对金融生态环境和区域经济发展的动态关系进行分析, 数据来源与历年的《中国统计年鉴》和《金融统计年鉴》, 2002年之前的固定资产投资数据来源与《新中国55年统计汇编 (1949-2004) 》。由于数据量太过庞大, 整理和分析耗费时间过长, 工作量过于繁重, 因此, 选取其中最具代表性的固定资产投资、财政收入、财政支出、存款和贷款6组数据进行研究, 其中 (1) 天津地区2002—2009年的固定资产投资、财政收入、支出、存款、GDP及贷款分别为:0.25、1.8、0.9、0.6、0.40、0.8;0.23、1.9、1.2、0.3、0.45、0.6;0.28、1.6、1.1、0.6、0.47、0.3;0.21、1.5、1.2、0.9、0.49、0.9;0.27、1.6、1.4、1.2、0.55、0.7;0.31、1.7、1.3、1.1、0.58、1.2;0.33、1.9、1.8、0.9、0.64、1.1;0.35、2.0、1.5、0.7、0.78、1.2。 (2) 北京地区2002—2009年的固定资产投资、财政收入、支出、存款、GDP及贷款分别为:0.35、2.0、0.7、0.8、0.65、1.1;0.36、2.1、0.9、0.5、0.67、0.7;0.38、1.9、1.2、0.7、0.77、0.9;0.36、1.8、1.4、0.6、0.72、1.0;0.37、1.7、1.3、1.1、0.79、0.8;0.36、1.9、1.4、1.0、0.95、1.5;0.42、2.2、1.5、0.9、1.05、1.2;0.78、2.1、1.4、0.8、1.08、1.3。 (3) 河北地区2002—2009年的固定资产投资、财政收入、支出、存款、GDP及贷款分别为:1.15、2.1、0.9、0.7、1.47、1.2;1.26、2.1、1.1、0.4、1.49、1.3;1.28、2.3、1.3、0.5、1.50、1.2;1.16、2.4、1.6、0.3、1.52、1.3;1.27、2.3、1.1、1.2、1.51、0.9;1.36、2.2、1.5、1.1、1.53、1.3;1.31、2.4、1.2、0.8、1.62、1.4;1.38、2.6、1.3、0.7、1.70、1.6。 (单位均为万亿元)
金融生态环境和经济增长之间的关系可以用以下的函数关系来表示:Y=AF。其中, Y表示经济增长变量, 一般可以通过国民收入或者或内生产总值来表示;F代表金融生态环境变量, A所代表的并不是单一的因素, 而是除了金融生态系统外, 所有可以对经济增长产生影响的元素的集合。本文选择GDP代表经济发展变量, 选择财政缺口指标FG、社会固定资产投资指标INV、金融资产指标FA作为影响金融生态环境的变量。则得到北京回归方程为:Y=0.3GDP+0.3FG+0.4INV+0.2FA;天津回归方程为:Y=0.2GDP+0.2FG+0.3INV+0.2FA;河北回归方程为:Y=0.1GDP+0.2FG+0.2INV+0.3FA。
财政收支缺口的存在, 可以刺激行政机构对于经济的关注和干预, 可以反映出金融生态系统的可持续性。财政收支的缺口越大, 政府对于金融的干预也就越强, 这与市场经济自主调节的特点产生冲突, 必须严格遵守市场经济的自然规律, 确保经济的健康发展。
全社会固定资产投资指标可以作为经济增长的辅助指标进行计算, 由于GDP中资本形成额所占的比重较大, 可以有效拉动投资, 可以用来分析我国金融发展与经济整体的投资规模和效率之间的关系。
金融资产指标这里指的是存款和贷款余额的总和, 可以反映区域对于资金的吸纳能力, 反映金融生态环境和区域经济的结合方式与程度, 体现出金融生态环境根植性的特点。存款余额的持续增长, 意味着区域经济吸收的资金也在不断增加, 为经济的快速发展提供了充足的资金, 也带动了区域内资源、技术以及劳动力的流动, 加速了区域整体经济的发展。
通过对2002-2008年京津冀地区金融数据的分析, 我们可以看出, 财政缺口、固定资产投资以及金融机构资产对于国民经济的发展都起到了拉动作用, 促进了区域整体GDP的增长。通过对比可以看出, 河北、天津地区财政收支缺口每增加1%, 可以带动GDP增长0.4%, 北京却只有0.07%, 差距十分巨大。产生这种结果的原因是北京自身的发展速度较快, 金融生态系统发育趋于完善, 政府对经济的行政干预程度较小, 对于GDP的影响也相对较小。而河北和天津经济发展程度较低, 市场的自我调节能力不足, 政府通过财政支出刺激经济增长仍然可以产生较大的效果。从固定资产投资方面看, 河北与天津的发展相近, 其固定资产投资的弹性系数和财政缺口的弹性系数也相近。北京由于人口聚集程度大, 固定资产投资, 特别是其中的房地产投资, 对于经济的带动作用十分明显, 而北京的科技发展水平较高, 固定资产投资的回报也就更高, 对于GDP的作用也更加明显。由于缺乏各个地区金融资产的统计数据, 难以直接对金融机构资产的作用和影响进行研究, 所以选取各地区存贷款余额数据来代表金融资产数据。通过金融资产总量与GDP的对比, 可以看出, 北京的金融资产总量远远大于GDP, 但是实际上, 北京的金融机构资产对于GDP的拉动作用却低于其他两个地区, 同时也并不稳定。北京是的金融资产对GDP的拉动作用与股市存在一定的关联:股市走高则市场繁荣, 金融资产的拉动作用增大, 股市低开则市场萎靡, 金融资产的拉动作用减弱。这种现象不利于金融生态系统的稳定和发展。因此, 北京的金融生态系统已经基本成熟, 金融资产对于经济发展的拉动作用较小, 且有明显下降趋势, 而风险却更高, 需要相关管理部门的重视。将所有数据回归Y=AF函数公式进行计算, F仍代表金融生态环境变量, A则包含了固定资产投资、财政收入、财政支出、存款和贷款数据的综合, 将数据代入函数公式, 比较京津冀区域参数的不同, 即可了解不同参数对GDP的影响程度, 得到有指导性的结论。
3 优化金融生态环境需要注意的问题
金融生态环境的优化不能单单解决一个方面的问题, 必须在经济可持续发展的前提下, 全面提高该区域金融业的竞争力, 从而实现经济与金融的协调发展。
(1) 要加强外部监督和管理。良好的金融生态环境可以吸引外来投资, 为本地区经济的发展提供必要的资金支持, 可以说已经成为决定区域经济发展的重要因素。要建立良好的金融生态环境, 并进行维护和保持, 需要形成一个可持续的金融生态系统, 也就是所谓的金融生态链。这不仅仅需要金融机构内部的管理, 还需要极强的外部监督和管理。如果缺乏外部监督的控制, 会造成金融风险的不断累积, 不利于经济的长远稳定发展。防范金融风险, 需要做到几个方面:
(1) 完善金融法制环境, 加强金融立法工作, 加快对于金融生态环境建设相关的法律法规的制定, 使得金融资产流通和经济活动有法可依。 (2) 推进社会信用体系建设, 增强对于金融活动参与者的诚信教育和宣传, 对金融环境中的信用环境进行优化。 (3) 建立健全中介行业组织, 加强对于中介机构的监督和管理, 提高中介服务的信誉和市场公信力。
通过加强外部监督和管理, 充分调动各方面的积极因素, 提高对于金融生态环境的重视程度, 保证其优化和稳定。
(2) 加强各级政府的作用。金融环境的好坏可以直接决定该地区资金流量的大小, 这也是市场经济自主调节的结果。但是, 并不是说我们对于市场经济的自主性无能为力。金融生态环境的建设是十分复杂的, 单单依靠市场而对自主调节很难实现, 需要政府部门的调节。在金融生态环境的建设过程中, 政府可以运用相应的行政手段, 为企业创造公平公正的投资环境, 也可以制定相应的金融政策, 加大对于金融行业的扶持和帮助。单单凭借企业和银行的自主建设, 不仅会大大延长金融生态环境的形成时间, 还无法落实相应的优化措施。只有加强各级政府对于金融生态环境建设的重视程度, 使其在金融生态环境的优化中发挥应有的作用, 切实负担起防范和化解地方金融风险的责任, 才能加快区域经济的建设和发展步伐。
(3) 要充分发挥产业优势。一个地区在投资者心中的地位主要是由两点决定的, 一是该区域内的重点行业是否符合国家相关政策, 规避政策风险, 二是产业的发展是否充分利用了比较优势, 是否具备强大的市场竞争力。因此, 优化区域金融生态环境从根本上说, 在于区域经济的良好发展和对产业发展方向的选择。例如, 京津冀地区的科研中心、材料研究中心、高新技术产业等的发展, 既符合国家相关的产业政策, 又具有巨大的市场需求, 产业优势明显。所以, 各地在确定自身的经济发展计划时, 必须立足自身的发展实际, 把握国家产业政策, 充分发挥地方产业的比较优势, 加强与周边区域的交流和沟通, 通过相互间的沟通与合作, 最终优化金融生态环境, 促进区域经济的快速发展。
4 推进区域经济发展的途径
从金融生态学的角度, 利用状态控制模型, 对金融生态系统和区域经济发展之间的动态关系进行了分析和研究, 可以更加清晰准确地反映区域金融发展和经济增长之间的规律。金融系统存在有效性、根植性和可持续性的特点, 这些变量的不断变化, 对于京津冀地区经济的发展产生不同的影响, 但是就结果而言, 都呈现正向的拉动作用。需要特别注意的是, 该地区金融生态系统中财政缺口的变化, 在客观上反映出在我国金融紧急体制改革中, 地方政府对于经济运行的控制所造成的影响, 虽然在天津和河北地区仍需要肯定这种影响, 但是也为两地的发展提出了警告, 政府融资平台一刀切的治理方式并不适合经济的长远发展。要逐步完善金融生态系统, 减轻政府对于经济的控制和影响, 充分发挥市场在经济发展中的主导地位。
5 结语
总而言之, 金融生态环境和区域经济发展之间的动态关系是不断发展变化的, 需要运用动态系统进行分析和研究。要立足区域自身的实际情况, 对影响金融生态系统的各种因素进行详细的分析和研究, 以市场调节为主导, 以政治行政手段为辅助, 优化区域金融生态环境, 促进区域经济快速健康发展。
参考文献
[1]崔健, 刘东, 王帆.金融生态环境与区域经济发展的相关性分析——以京津冀为例[J].经济研究导刊, 2012 (7) :115-117.
[2]刘慧.金融生态环境与区域经济发展[J].黑龙江社会科学, 2007 (3) :87-88.
[3]崔津度.金融资源、金融生态环境与区域经济发展[J].银行家, 2010 (9) :13-14.
[4]沈丽.区域金融发展与区域经济增长的理论与实证研究[J].生产力研究, 2007 (8) :33-35.
状态空间模型 篇6
20世纪90年代以来, 我国外汇市场进行了几次重大的变革, 人民币汇率走势也经历了多次的方向调整。尤其是2000年后, 随着亚洲金融危机影响逐步减弱和我国经济进入持续、平稳的发展阶段, 我国的外汇储备快速增长, 显现出较大的人民币升值压力。2005年7月中旬, 我国政府按照主动性、可控性和渐进性的原则, 开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。由此, “汇改”后的人民币汇率调整是否是对国内宏观经济变量的一种理性变动以及人民币汇率失衡程度是否得到缓和等问题开始受到国内外多方, 尤其是均衡汇率研究领域的关注。
事实上, 将汇率调节至均衡水平是开放宏观经济决策的一个奋斗目标。均衡汇率指同时实现经济内、外部均衡时的汇率水平, 其理论研究可以追朔到瑞典学者卡塞尔 (1922) 提出的购买力平价 (PPP) 理论。而在近20年, 随着浮动汇率机制的广泛采纳, 更多的汇率模型被广泛地引入均衡汇率的理论研究。例如, 重视内外均衡的基本因素均衡汇率模型 (FEER) 、用简约方程代替基本因素的行为均衡汇率模型 (BEER) 、强调发展中国家宏观经济特征的均衡汇率模型 (ERER) 等。
Edwards是最早研究发展中国家均衡汇率问题的学者。他在1989年提出了一个包括实际货币供应量、 政府支出、 关税等五方面因素的均衡汇率模型, 并使用OLS方法计算了12个发展中国家1962～1984年的均衡实际汇率[1]。Elbadawi (1994) 建立了一个长期均衡实际汇率模型, 其基本因素包括贸易条件、 开放度、 净资本流入与GDP的比率、 政府支出占GDP的比重以及出口增长率[2]。此后, Montiel (1999) 对前人研究进行了综合与发展, 建立了具有微观基础的长期均衡汇率模型[3]。但是, 相比较而言, Clark等 (1998) 提出的行为均衡汇率 (BEER) 模型由于其模型的灵活性和可操作性, 被广泛用于汇率失衡以及均衡汇率测算等问题的研究中[4]。
在对人民币均衡汇率的研究中, 张晓朴 (1999) 在FEER的框架下, 应用协整分析方法对1981～1999年的人民币汇率进行研究, 发现人民币在1984～1985年以及1989～1990年曾被高估, 而1987年、1988年以及1998年上半年被低估了[5]。而在同样的研究框架下, 范敏 (1999) 的研究却认为1990～1997年的人民币均衡汇率始终有高估的倾向, 特别是在亚洲金融危机期间人民币的高估更为严重[6]。另一方面, Zhang, Z. (2001) 在协整分析的基础上建立了BEER模型, 他认为1981年后的人民币汇率改革造成了人民币实际有效汇率的贬值[7]。他的研究结果得到了林伯强 (2002) [8]的赞同。
值得一提的是: 在研究均衡汇率的过程中, 上述文献在不同的汇率理论框架下, 均采用了不变系数的方法, 从而他们研究的是自变量对均衡汇率的平均影响。而2005年“汇改”以来, 我国的汇率走势开始直接受到国际、 国内形势的影响, 波动幅度也越来越大。在这种情况下, 采用传统的计量模型已不足以反映变量对均衡汇率变动的影响。为弥补不变系数模型的不足, 本文的以下部分将基于Clark的BEER模型, 引入状态空间的手法来考察宏观经济变量对人民币汇率的冲击并分析汇率失调的程度。
2 基于状态空间法的人民币BEER模型
2.1 模型简介
通常情况下, 协整回归方程可用:
来表示。其中的yt为因变量;xt为1×m的自变量。β为m×1的不变系数, 表示全部样本期内的自变量对因变量的平均影响, 一般用最小二乘法来估计。
而我国正处于经济转型期, 随着汇率改革的逐渐深入, 汇率波动的特征也必然随之而变动。此时, 若仍采用不变系数模型, 则有可能丢失部分重要信息, 因此有必要引入状态空间理论, 对不可观测的状态变量, 用卡尔曼滤波迭代法来估计状态变量的时变系数。
状态空间理论包括量测方程和状态方程, 具体形式如下:
量测方程:
状态方程:
其中的yt为因变量, (xt, zt) 为自变量, βt为可变参数, γ为量测方程的不变系数, φ为状态方程的系数。ut、εt分别为两方程的误差项。用卡尔曼滤波迭代法对待估参数进行估计时的迭代过程见高铁梅 (2006) [9] 。
2.2 变量选择
综合文献研究 (例如, 王琛 (2006) [10];谷宇等 (2008) [11]) 可知, 影响均衡汇率的经济指标主要有供求因素、外部环境因素等。反映供给变化的变量有劳动生产率、技术进步;反映需求因素变化的有投资、货币供给;反映外部经济环境变化的经济变量有国内利率与国际利率之差、贸易条件等。但是, 将这些变量都放入模型中有可能引起严重的共线性, 从而降低模型估计结果的可靠性, 也失去简约方程的意义。
对此类问题, 我们根据模型特征和变量的可得性, 选择劳动生产率、贸易条件、对外开放度、国外净投资、广义货币供给为自变量;选择均衡时的实际有效汇率为因变量。理由如下所述。
实际有效汇率 (REER) :实际有效汇率不仅考虑了所有双边名义汇率的相对变动情况, 而且还剔除了通货膨胀对货币本身价值变动的影响, 能够综合地反映本国货币的对外价值和相对购买力。
技术进步 (TECH) :技术进步用真实GDP同比增长率来表示。其中的真实GDP为名义GDP剔除通货膨胀因素后的值。技术进步会引起本币升值。
广义货币供给量 (M2) :货币供给量是重要的货币政策工具, 是影响均衡汇率的重要变量之一。一般而言, 货币供给增加会导致本币贬值。
外商直接投资 (FDI) :在我国资本项目尚未实行可兑换条件下, FDI是我国资本金融项目顺差的主导因素。因此, 外商直接投资是影响汇率波动的一个不可忽略的因素。外商直接投资增加会导致本币升值。
贸易条件 (TOT) :表示贸易条件的常用指标较多。其中, 净贸易条件为出口价格指数与进口价格指数之比;收入贸易条件为出口总额与进口总额之比。由于我国没有公布出口价格指数, 本文选用收入贸易条件来衡量外部经济环境的变化。收入贸易条件的值越大, 汇率升值程度就越大。
对外开放度 (OPEN) :对外开放度指一个国家或地区经对外开放的程度, 具体表现为市的开放程度。国际上, 一般选择外贸依存度作为开放度的评估和衡量指标。本文用进出口贸易总额占GDP总额的比例来表示, 且人民币升值, 则外贸依存度下降; 人民币贬值, 则外贸依存度上升。
以上数据中, 实际有效汇率取自IMF的IFS数据库, 且数值增加表示本币升值, 数值减少表示本币贬值。其它数据来源于国泰安数据库。
2.3 实证分析
根据惯例, 在实证中, 对各变量作季节处理和对数处理, 以减少变量的季节效应和波动性。为了避免伪回归情况的发生, 在建模之前, 对各变量进行平稳性和协整检验。
通过ADF检验可得, 原变量序列均不平稳, 一阶差分之后各变量均为平稳序列。
检验结果见表1。
通过对协整估计, 可得如下方程:
通过对其残差的检验, 发现其残差为平稳序列, 从而各变量之间存在长期协整关系。从而, 不会出现伪回归的情况。在上述前提下, 本文建立如下状态空间模型:
量测方程:
状态方程采用如下递归形式:
其中SVi, t为方程 (5) 的时变系数, ut、εt为方程 (5) 、方程 (6) 的随机扰动项, 相互独立, 且服从正态分布。用Eviews 5.0软件对上述模型估计的结果如表2所示, 常数项与系数的最终值均显著。
采用向前一步估计法对状态变量进行预测的结果如图1所示。
首先, 由图1分析各系数的符号。技术进步的系数除2002年第1、2季度外, 均为正值;对外开放度、广义货币供给变量的系数均为负值, 贸易条件、国外净投资的系数均为正值。因此, 上述各参数估计的符号基本正确, 符合一般的汇率理论。
其次是各时变系数的走势。自2005年后期开始, 除了对外开放度外, 技术进步、贸易条件、国外净投资以及广义货币供给的绝对系数值均呈逐年上升。因此可以认为, 2005年“汇改”之后, 各经济变量对人民币均衡汇率的弹性越来越大。
在此, 若定义汇率失调程度:
则人民币汇率的失调程度如图2所示。
从图2可以看出, 人民币汇率在2005年“汇改”之前的大部分时期内都处于低估状态。到2005年6月底, 人民币汇率失调程度达到-10.3%, 表现出较大的升值压力;“汇改”之后, 人民币汇率逐渐向均衡状态收敛, 失调程度逐渐减小。从2007年第一季度开始, 人民币汇率基本在高估状态下运行, 但其失调程度在大部分时期内都低于5%, 且回复到均衡汇率水平的能力大大增强。
3 政策及展望
在现实经济中, 汇率政策是调节内外经济平衡的重要工具, 近年来, 由于我国汇率制度改革以及内外经济环境的不断变化, 汇率政策所面临的挑战也越来越大。本文以构建一个能够反映人民币均衡汇率动态波动的模型为目标, 在BEER模型框架下构建了均衡汇率指数的理论值, 同时得到了主要宏观经济变量对均衡汇率的动态影响。
通过均衡汇率水平的理论值和对2001年以来人民币汇率失调程度的分析可以看出, 2005年的“汇改”是适时并有成效的。它改变了我国长期以来, 实际有效汇率被低估的局面, 且汇率对宏观经济基本因素变化的回复均值能力也大大增强。此外, 从研究结果看, 目前国际社会认为人民币汇率应继续升值的观点缺乏有效的经济基本面支撑, 在人民币实际有效汇率处于小幅高估的情形之下, 不可贸然在政策上支持人民币升值, 否则会破坏已建立起的汇率体系的良性循环。
本文研究主要得到以下结论:
(1) 2005年“汇改”之后, 我国的主要经济变量对汇率的影响不断增强
基本体现了我国汇率制度改革面向市场, 更具弹性的目标。
(2) 近年来, 人民币汇率的失调程度不断降低
失调程度在大部分时间内均呈5%以下, 且实际有效汇率回复均衡值的能力较2005年“汇改”之前亦有了大幅提高, 显示了人民币汇率的波动正向健康而有序的方向发展。
(3) 从基本面看, 人民币汇率并没有明显的升值压力, 相反从2007年起出现了略微高估的情况。
因此, 对于国际上出现的要求人民币持续升值的声音, 我们应理性对待。
此外, 相对于国内外已有的研究, 本文最大的拓展在于:引入状态空间方法, 用时变系数来揭示主要经济变量在不同时期对人民币汇率的动态影响。这种拓展量化了汇率政策不断变化的结果, 从而为政策决策者制定和实施汇率政策以及市场主体判断未来金融和经济的走势提供了一种有益的方法。
参考文献
[1]Edwards S.Real exchange rate devaluation and adjustments:exchange rate policy in developing countries[M].Cambridge, Mass:MIT Press, 1989.
[2]Elbadawi I A.Estimating long-run equilibrium real exchange rates[C]//Williamson.Estimating equilibrium exchange rates.Washington:Institute for International Economics, 1994:61～91.
[3]Montiel P J.Determinants of the long-run equi-librium exchange rate:an analytical model[C]//Lawance E.Exchange rate misalignment:concepts and measurement for developing countries.New York:The World Bank, 1999:264～290.
[4]Clark P, MacDonald R.Exchange rates and economic fundamentals-a methodological comparison of BEERs and FEERs[Z].IMF Working Papers98/67.
[5]张晓朴.人民币均衡汇率的理论与模型[J].经济研究, 1999, (12) :70～77.
[6]范敏.人民币的均衡汇率估计[J].北京大学中国经济研究中心学刊, 1999, 3.
[7]Zhang Z.Real exchange rate misalignment in China:an empirical investigation[J].Journal of Comparative Economics, 2001, (29) :1～15.
[8]林伯强.人民币均衡实际汇率的估计与实际汇率错位的测算[J].经济研究, 2002, (12) :60～69.
[9]高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社, 2006:353～385.
[10]王琛.基于BEER模型的人民币均衡汇率研究[J].中央财经大学学报, 2006, (10) :49～54.
状态空间模型 篇7
随着国民经济的快速发展和现代信息技术的进步,作为现代经济重要组成部分的物流业,被认为是工业化进程中最为合理和经济的综合服务模式,正在全球范围内迅速发展,对整个国民经济增长的拉动作用十分明显,被喻为经济增长的“加速器”。2009年3月国务院印发了《关于物流业调整和振兴规划的通知》,把物流产业纳入了十大支柱产业加以重点发展,说明了国家对物流产业发展的高度重视,因此,物流发展与经济增长关系及其相关效应的研究就成为了实务界和学术界关注的重点。
在物流发展和经济增长关系的研究中,大多数都表明:发展物流产业能有力促进经济的快速增长,不同之处主要是在定性和定量分析时,对物流产业和经济增长关系分析所采用指标、模型和范围等方面存在一定的差异。汪鸣(2002)认为应该在政府统一规划下进行物流现代化发展,加大对物流基础设施的建设力度,推动整个物流产业的发展,从而快速拉动国民经济的发展[1];谭清美(2004)等以南京为例研究了城市经济物流弹性,指出物流发展对经济增长具有明显的拉动作用,要促使城市经济与城市物流进入良性互动状态,需要进一步加强物流系统建设和物流产业管理体制建设[2];蔡定萍(2006)对现代物流业和国民经济的关系进行了计量分析,并给出了物流与经济发展的定量关系,对进一步认识物流发展对经济增长的重要作用提供了依据[3];丁俊发(2008)指出:现代物流业是服务业的主导产业,是国民经济发展新的增长点和产业结构调整的必然要求,是衡量一个国家综合国力的重要指标,认为大力发展物流产业是时代的需要[4];郭湖斌(2009)等对我国物流产业发展进行了投入产出分析,强调了物流产业对于三个产业的带动作用,并计算出了直接前向和后向关联系数,分析了物流产业的波及效应,再次论证了物流对经济的巨大推动作用[5];张冲(2009)等采用协整理论对支持湖南区域经济增长的物流产业进行了分析,结论表明在长期和短期内,物流对经济都存在巨大的推动作用[6]。以上研究都从定性或定量的角度分析了物流发展与经济增长的关系,对以后的研究提供了广泛的视角,在总结相关研究成果的基础上,作者采用协整理论和状态空间模型方法,进一步研究国民经济增长、物流固定资产投资、物流产值、产业结构调整四者的关系,以期丰富物流与经济研究内容。
2 实证分析
事实上,我国国民经济的持续快速增长拉动了物流产业的快速发展,我国第一、二产业总量需求大和产业结构调整对物流产业产生了重要影响,物流固定资产投资也拉动了国民经济的快速发展。因此,本文试图探讨GDP、物流固定资产投资(TZ)、产业结构调整(BZ)、物流产值(WL)之间的关系,实证研究所采用的数据时间区间为1991—2008年,数据来源于《2009年中国统计年鉴》和部分早期的统计年鉴。GDP和物流产值分别进行了指数平减处理;物流固定资产投资利用固定资产价格指数进行了处理,消除价格因素影响;产业结构调整用第一、二产业占GDP的比重来衡量。
2.1 相关分析
从表1,我们可以看出四个变量的相关系数都比较高,表明它们之间存在较强的依存关系,由于第一、二产业占GDP的比重是下降趋势,所以其关联系数为负值,但其绝对值也较接近1,所以这个四个变量之间的依存关系比较强。
2.2 单位根检验和JJ检验
在实际问题中,当我们得到随机时间序列的样本数据时,首先的问题就是判断它的平稳性。常用的时间序列的平稳行检验方法有:图形分析,自相关函数分析,单位根检验等,本文采用常用的ADF单位根检验。在应用协整分析时,首先检验平稳性,即是否具有单位根;否则,对非平稳性的时间序列直接进行回归,可能出现“伪回归”问题[7]。本文中首先对四个变量取自然对数,然后进行ADF检验,具体结果见表2。
(DWL表示对WL进行一阶差分处理,其他变量类似)
从表2我们可以看出,ADF检验结果说明所选择变量原始值的自然对数值都不能拒绝存在单位根的零假设,而变量的一阶差分都是平稳的,满足进行协整检验的条件。在目前对于协整的检验中,针对两变量主要是采用Engle-Granger检验,对于多变量之间的协整关系,Johansson于1988年、Juselius于1990年分别提出了一种向量自回归模型进行检验的方法,通常称为JJ检验方法。协整检验首先要确定合理的协整滞后阶数,以保证协整关系在统计上的可信度,本文根据AIC和SC等信息准则来确定无约束VAR模型的最优滞后期,通过逐一测试滞后阶数为1-3所对应的检测值,四个指标投认为最优滞后期是3,确定建立VAR(3)模型,结果见表3。
确定了VAR模型的最优滞后期后,然后进行协整检验。极大似然值方法是在VAR模型中利用极大似然估计来检验多个变量的协整关系的方法。JJ检验结果见表3。
从表4可以看出,在不存在协整向量的原假设下,迹统计量(64.04773)和最大特征值统计量(43.73545)均在5%显著性水平下大于其各自的临界值,故拒绝原假设,而在至少存在一个协整关系的原假设下,上述两统计量均小于其各自的临界值,所以该向量自回归模型存在且只有一个协整关系表达式,标准化后的协整方程如下。
LnGDP=0.794*LnWL+0.140**LnTZ+0.467*LnBZ (1)
(**表示1%水平下显著,*表示5%水平下显著)
2.3 Granger因果关系检验
因果关系是指变量之间的依赖性,作为结果的变量是作为原因的变量所决定的,原因变量的变化引起结果变量的变化。Granger因果检验的实质是检验一个变量的滞后变量是否可以引入到其他变量方程中,一个变量如果受到其他变量的滞后影响,则称它们具有Granger因果关系,检验结果见表5。
从表3可以看出,在10%的显著性水平下,可以认为GDP是WL的Granger原因;在5%的显著性水平下,可以认为TZ是WL的Granger原因,WL是BZ的Granger原因。格兰杰因果关系从统计学意义上反映了:国民经济发展拉动了物流产业产值的增长,说明了我国物流产业仍然是需求拉动导向;物流产业固定资产投资显著拉动了物流产业产值的增长,说明了我国物流基础设施建设对物流产业发展功不可没;物流产业的快速发展也为国民经济结构调整具有一定贡献。
2.4 物流投资弹性系数的状态空间模型估计
考察物流发展与经济增长的关系,可以通过进一步计算GDP的物流固定资产投资弹性系数来考察物流产业基础投资对经济增长的具体情况。前面的协整方程分析了四个变量之间的关系,但变量之间的这种关系可能会随着我国市场经济的进一步发展和产业结构调整的改变而发生变化,因此单纯的固定参数模型不能表现出每个时期由于不可观测原因而产生的变量之间相关程度的变动[8]。因此,利用空间状态模型的变参数模型来进一步认识在较长时期内的不同时间段物流固定资产投资对GDP的动态影响程度。状态空间模型是由一组观察方程和状态方程构成的,因此建立如下的方程模型:
其中,εt和ηt分别是观察方程和状态方程的随机扰动项,它们相互独立,服从均值为0,方差为σ
状态方程(6)中的系数估计值为0.953,说明了出GDP以外的其他因素对经济增长和物流固定资产投资关系的影响是比较明显的。同时参数αt随时间变动较大,说明采用变系数模型去了解GDP的物流固定资产投资弹性系数是必要的,图1给出了采用状态空间模型方法估算到的物流固定资产投资弹性系统在1991—2008年期间的变化趋势。
由于卡尔曼滤波算法需要指定初始值,因此早期的参数αt不能很真实的反映二者之间的关系。从图1,我们可以看出:从1995年开始,物流固定资产投资弹性系数值便出现了明显的上涨,从最开始的0.39上升到0.41;在2000年后出现了幅度更大的增长,从0.41攀升至0.45,说明随着国家经济实力的增强,加大物流固定资产投资对GDP的增长弹性越来越大,说明国家加大物流产业基础设施投资的政策导向十分正确;同时也注意到物流固定资产投资弹性系数值整体变化幅度不大,主要是跟物流固定资产投资的周期性长这个特征有关。
3 结论和建议
利用协整理论和状态空间模型对经济增长和物流发展进行了实证,解释了物流产业快速发展的基本原因。协整理论表明这些变量之间存在稳定的长期协整关系;Granger因果关系说明了GDP、物流固定资产投资、产业结构调整和物流产值之间存在单向的Granger因果关系;空间状态模型反映了GDP的物流固定资产投资弹性总体呈现增长趋势,说明加大物流固定资产投资的可行性和必要性。
在政策层面,首先要加大物流固定资产的投资力度。在短期内快速拉动物流产业的发展,进一步加强物流基础设施建设,加大物流技术创新步伐,不断提高物流产业竞争力,使物流对区域经济发展的支柱作用加强,培育具有重要影响力的国际物流枢纽。
其次,加大对物流重点产业(铁路、港口、物流园区)的支持力度,优化物流产业投资结构。创新物流投资环境,加快外部资金流入,通过建立健全政府引导、市场化运作的物流投资机制,降低物流成本;鼓励民营企业进入物流市场竞争,引入外资参与物流产业发展,提高物流产业投资的投入产出效果。
再次,加快产业结构调整。大力发展第三产业,提高第三产业的GDP比重,同时在物流服务的传统领域,如粮油煤电等大宗货物运输方面继续发挥重要作用;进一步满足第一、二产业对物流运输的现实需求,充分发挥其在第三产业中的服务角色作用,在配送环节和高附加值商品的再加工上创造价值。
摘要：采用近18年的GDP、物流固定资产投资、物流总产值和产业结构数据,进行实证分析,研究表明,四个变量存在长期均衡关系;Granger因果关系检验表明GDP、物流固定资产投资和物流总产值存在单向的Granger因果关系;GDP物流固定资产投资弹性成波动上升趋势。
关键词：经济增长,物流发展,协整分析,状态空间模型
参考文献
[1]汪鸣.当前物流基础设施建设和发展中值得注意的几个问题[J].铁道运输与经济,2004(8):20-26
[2]谭清美,王子龙.城市物流对经济的拉动作用研究--以江苏南京为例[J].工业技术经济,2004(2):89-91
[3]蔡定萍.现代物流业与国民经济发展关系的统计分析[J].中国物流与采购,2006(22):74-75
[4]丁俊发.中国物流业的经济学思考--纪念改革开放以来中国物流业发展30年[J].中国流通经济,2008(11):8-11
[5]郭湖斌,王晓光.我国现代物流产业发展的投入产出分析[J].物流与采购研究,2009(41):16-19
[6]张冲,刘征驰,庄树坤.区域经济增长的物流支持研究[J].技术与创新管理,2009(9):612-615
[7]张晓峒.Eviews使用指南与案例[M].北京:机械工业出版社,2007
状态空间模型 篇8
关键词：第三产业,制造业,状态空间模型,互动关系
1 问题的提出
新中国成立尤其是改革开放以来, 宁波经济取得长足的进步, 经济成就有目共睹:2008年地区生产总值 (GDP) 为3960亿元, 在15个副省级城市中排在第5位;以常住人口计算的人均GDP为57492元, 排在第6位。但是, 宁波经济在取得巨大成绩的同时, 产业结构不合理的状况也非常明显:2008年第三产业产值比重为40.36 %, 在15个副省级城市中排在倒数第2, 甚至低于浙江省的平均水平 (41%) ;第三产业就业比重为32.46%, 倒数第1;以常住人口计算的人均第三产业增加值为23205元, 低于沈阳市 (23391元) , 排在第9位;第三产业密度为1629.96万元/平方公里 , 也排在第9位。由此可见, 宁波第三产业的发展水平与整个城市的发展水平极其不相称, 如果不改变这种状况, 第三产业将成为宁波经济发展的短腿, 严重地制约总体经济的发展。
考虑到宁波是华东地区重要的制造业基地之一, 在制造业领域具有一定的竞争力和竞争优势, 第三产业发展滞后的状况自然会让人揣测第三产业与制造业之间缺乏良性互动, 因此, 有必要研究两者之间的关系, 探索问题所在, 以便为相关决策提供依据。
2 文献回顾
第三产业在全球范围内持续快速发展引起了国内外学者的关注, 国外从上世纪80年代开始研究第三产业与制造业关系问题, 国内则主要是从上世纪90年代中期开始关注该领域的研究, 相关研究文献非常丰富。下面从基本观点和研究方法两个方面对现有文献进行简单回顾。
2.1 关于第三产业与制造业关系的基本观点
就第三产业 (包括作为第三产业主体的生产性服务业) 与制造业关系而言, 目前争论的焦点主要集中在二者的因果关系上, 顾乃华等 (2006) 在陈宪、黄建锋 (2004) 等文献的基础上把相关观点归纳为4种:“需求遵从论”、“供给主导论”、“互动论”和“融合论”[1,2]。
2.1.1 需求遵从论
这类观点认为制造业是第三产业产生和发展的前提和基础, 第三产业是制造业的补充。Cohen and Zysman (1987) 强调, 许多服务业部门的发展必须依靠制造业的发展, 因为制造业是服务业产出的重要需求部门, 没有制造业, 社会就不存在对这些服务的需求[3]。Francois (1990) 承认生产性服务业对成功利用专业化带来的收益至关重要, 但是更强调分工的不断细化使生产性服务业同制造业不断分离, 从而促进生产性服务业不断发展[4]。张世贤 (2000) 认为, 只有工业化和城市化达到了一定水平才能形成对服务业的需求和市场[5]。Guerrieri and Meliciani (2003) 认为, 生产性服务业的发展是制造业功能的外部化, 因此, 制造业是生产性服务业发展的前提和基础[6]。江小涓、李辉 (2004) 指出, 尽管服务业发展滞后, 但我国经济依然保持20多年的高速增长, 言外之意, 服务业发展是经济增长的附属物[7]。
2.1.2 供给主导论
这种观点认为第三产业是制造业生产率得以提高的前提和基础, 没有发达的第三产业, 制造业就不可能具有较强的竞争力。Markusen (1989) 构建了一个垄断竞争模型, 将生产性服务业作为中间产品引入模型中, 揭示了生产性服务业促进制造业和经济增长的内在机理[8]。Eswaran and Kotwal (2001) 强调服务业对制造业的影响, 并指出服务业的扩张通过两条途径使制造业部门受益:首先是引起进一步的专业化和劳动分工;其次是通过降低中间服务投入的成本来降低制造业的成本[9]。江静等 (2007) 则认为, 作为高级生产要素投入, 生产性服务业的发展是制造业效率提高的重要源泉[10]。
2.1.3 互动论
这种观点认为第三产业与制造业呈现相互作用、相互依赖、共同发展的互补性关系。Park and Chan (1989) 认为, 随着经济规模特别是制造业的扩大, 对服务业的需求会迅速增加, 同时也提高了制造业的生产率;反之, 服务业的增长依靠制造业中间投入的增加[11]。而且, 随着经济的发展, 服务业与制造业之间彼此依赖的程度将趋于加深。Macpherson (1997) 指出, 外部技术服务对于纽约国有制造企业的创新绩效产生显著的促进作用[12]。郑吉昌、夏晴 (2005) 认为服务业与制造业呈双向互动关系[13]。吕政等 (2006) 把生产性服务业发展分为种子期、成长期和成熟期, 认为制造业对生产性服务业的需求和影响具有阶段性特征, 同时, 生产性服务业对制造业的影响和作用也具有阶段性特征[14]。
2.1.4 融合论
“融合论”是近年来出现的观点, 该观点认为, 随着信息和通讯技术的发展和广泛应用, 生产性服务业与制造业之间的边界越来越模糊, 两者出现了融合趋势。
上述4种观点大多基于逻辑推断, 而且多是以西方完善的市场机制为基础, 缺乏对转型国家第三产业与制造业关系的考察, 而经济发展往往具有路径依赖性, 因此, 这些观点不一定与我国的实证研究结果相一致。
2.2 现有研究方法概述
与其他经济学研究领域一样, 在第三产业 (包括生产性服务业) 与制造业关系问题研究上, 定性研究逐渐减少, 定量研究逐渐增多, 并逐渐成为该领域研究的主流。在定量研究方面, 简单的描述统计分析在减少, 一些新的研究工具和方法不断产生, 推动该领域的研究向纵深发展。目前来看, 该领域的定量分析方法可以归纳为3种:
2.2.1 投入产出法
国外从上世纪80年代后期开始采用投入产出表分析服务业与制造业之间的关系。Guerrieri and Meliciani (2003) 采用OECD6个代表性国家的统计数据进行实证研究, 结果表明制造业是生产性服务业的主要需求部门, 同时决定着生产性服务业的发展程度和国际竞争力水平[6]。相比之下, 我国学者最近几年才开始采用这种方法研究第三产业与制造业的关系。陈宪、黄建锋 (2004) 研究表明, 第三产业与制造业之间存在相互影响、相互作用、共同发展的内在联系, 呈现一种动态的互补互动机制[2]。曹毅等 (2009) 以天津市1997、2002年投入产出表为基础, 对天津市生产性服务业与制造业产业关联进行分析, 结果表明两者关系取决于制造业和生产性服务业中具体行业特点[15]。陈伟达、张宇 (2009) 研究显示, 生产性服务业对制造业竞争力提升的贡献非常明显[16]。
2.2.2 共生模型
共生模型把组织生态学的有关理论运用于服务业与制造业关系的研究。孔德洋、徐希燕 (2008) 认为, 制造业亚群落和生产性服务业亚群落是互动共生的, 并提出4种互动共生模型[17]。胡晓鹏、李庆科 (2009) 基于浙江、江苏、上海三地的数据进行实证研究, 结果表明生产性服务业对制造业的作用并不强烈, 而制造业对生产性服务业的作用更加微弱[18]。唐强荣、徐学军 (2009) 的研究表明, 我国生产性服务企业种群与制造企业种群共生关系中关联性显著, 协同演化不足, 制造企业种群密度的增加虽然能够增加生产性服务企业的种群密度, 但是这种促进作用不大, 并认为这在一定程度上解释了我国生产性服务业发展相对滞后的原因[19]。
2.2.3 回归模型分析
回归分析主要包括两种:一种是协整回归和格兰杰因果检验;另一种是通常的回归方程, 包括联立方程模型。韩德超 (2009) 的协整和误差纠正模型检验结果表明, 在长期中“需求遵从论”适合中国, 而在短期“互动论”更适合[20]。张三峰、杨德才 (2009) 建立联立方程模型对我国中部地区的制造业与第三产业互动关系进行研究, 结果表明两者并没有形成较强的互动关系, 虽然服务业作为投入一定程度上促进了制造业发展, 然而制造业对服务业的需求作用并不明显[21]。
上述3种定量分析方法中, 投入产出法是目前主流研究方法, 共生模型发展最迅速, 这可能是因为投入产出法和共生法能深刻地揭示产业之间互动关系的机理, 为政府和相关部门的决策提供更加具体的支持, 但是这两种方法在统计意义上往往不如回归方程明确, 导致有时候得出的结论模棱两可, 而且数据的可得性也制约了这两种方法的运用。协整回归和格兰杰检验则相反:尽管能明确得出协整存在与否的结论, 但是只提供有限的决策参考。
比较上述四4对第三产业与制造业关系的假定与我国的实证研究结果, 很显然, 我国第三产业与制造业之间的关系更为复杂。尽管从逻辑上讲互动论最容易被接受, 但是大多数实证研究结果并不支持这种假定。许多研究表明两者之间呈现单向关系, 甚至无明显的联系。更多的研究表明两者之间的关系随特定行业呈现不同的特征, 或随着时间和经济发展水平的变化呈现阶段性特征。
3 研究方法和数据
本研究基于以下3个方面的考虑采用状态空间模型研究宁波市第三产业与制造业之间的互动关系: (1) 协整检验和格兰杰因果检验尽管能给出明确的结论, 但是, 如果变量之间的关系呈现阶段性特征, 这种方法就无用武之地, 而状态空间模型则能有效地刻画变量之间关系随时间变化的规律。针对现有许多文献认为两者关系随时间或经济发展水平变化的假定, 采用这种研究方法显得更加贴切; (2) 现有相关研究中尚无文献采用这种方法, 因此, 本研究能丰富该领域的研究文献; (3) 现有相关研究绝大多数采用省级甚至全国的数据, 这种高度加总的数据很容易掩盖变量之间的关系。比如, 在一个省是第三产业带动制造业的发展, 即“供给主导论”, 在另一个省则相反, 即“需求遵从论”, 两个省数据加总之后可能得出两者互动或不相关的结论。但是, 如果采用县级数据可能则会因数据可得性问题导致样本量不够。鉴于此, 本研究采用宁波市的数据, 能同时避免高加总度和样本观察值不够问题。
3.1 研究方法
如果协整和格兰杰检验能得出明确的协整关系和格兰杰因果关系存在的结论, 那么就没必要采用状态空间模型, 鉴于此, 本研究先尝试性地进行协整和格兰杰检验。由于协整检验是针对非平稳时间序列来言, 因此, 在进行协整检验之前首先要进行单位根检验。因此, 本研究首先对表征第三产业和制造业的两个变量的时间序列数据进行单位根检验。如果两者是同阶单整的, 再进行协整检验;如果两者是协整的, 再进行格兰杰因果检验, 以确定因果关系的方向;如果两者不是协整关系就采用状态空间模型进行研究, 以确定两者关系动态变化的规律。最后, 进行格兰杰检验, 作为对状态空间模型研究结果的补充和验证。
3.2 数据说明
不同的研究对第三产业和制造业指标的选取有一定的差异, 经常采用的指标有增加值、增加值比重、就业比重、产业密度等, 本文选取增加值来衡量第三产业与制造业的发展。研究的时间跨度为1978~2008年, 数据全部来自历年的《宁波统计年鉴》和《宁波五十年》, 并以1978年为基年进行平减。
4 实证检验
4.1 单位根检验
首先对第三产业增加值和制造业增加值时间序列进行单位根检验, 为了确保单位根检验的可靠性, 同时进行增广迪基-富勒检验 (Augmented Dickey-Fuller test, ADF) 和菲利普斯-佩龙 (Phillips-Perron, PP) 检验, 两个单位根检验结果都表明两者都是2阶单整, 即I (2) (见表1) 。这表明可以接着对两者的协整关系进行检验。
注:manufacture代表制造业, tertiary代表第三产业。
4.2 协整检验
Johansen协整检验表明, 制造业与第三产业关系在整个样本期间不存在协整关系;但是, 如果改变样本跨度, 比如采用1980~1992年和1997~2008年的数据进行检验, 会发现协整关系是存在的 (见表2) 。这个结果强烈地表明宁波市第三产业和制造业之间存在阶段性的协整关系, 即在某些时间段两者存在稳定关系, 但是这种关系并不稳定, 会随时间的变化而变化。
变量之间关系的稳定与否可以通过分析回归残差得以检验。如果直接对两者进行普通最小二乘 (OLS) 回归, 可以得到表3中的结果。尽管判定系数很高, 但是德宾-沃森统计量远远小于2, 意味着可能会存在严重的自相关和其他问题。为了进一步检验拟合状况, 对回归残差进行各种检验, 结果见表4。
注:因变量是制造业增加值。
注:布劳殊-戈弗雷检验和拉姆齐回归设定误差检验都滞后1阶, 滞后阶数都由赤池信息准则确定。
考虑到德宾-沃森统计量的检验功效问题, 本研究还进行了布劳殊-戈弗雷 (BG) 检验, 结果表明存在严重的自相关;怀特检验表明存在严重的异方差;递归回归残差累积和 (cumulative sum of recursive residuals test, CUSUM) 检验与递归残差平方累积和检验cumulative sum of squares of recursive residuals test, CUSUMSQ) 检验结果表明模型是不稳定的 (见图1) 。
协整检验、残差检验和模型系数稳定性检验都表明宁波市第三产业与制造业之间的关系不稳定, 上述尝试性的最小二乘回归实际上是“伪回归”。稳定性检验只提供变量之间的回归关系是否稳定的信息, 至于具体的关系则可以用状态空间模型来刻画。
4.3 状态空间模型
状态空间模型包括信号方程和状态方程, 设定分别如下:
manufacturet=α+βttertiaryt+εtβt=γ+φβt-1+ηt
其中manufacture代表制造业, tertiary代表第三产业。状态空间模型通过卡尔曼滤波来估计的, 估计结果见表5。
从估计结果来看, 模型系数高度显著, 模型拟合情况良好。如果宁波市第三产业与制造业之间呈现稳定的关系, 那么图2中β应该是水平线。β呈现高度歪曲的事实说明两者之间并不呈稳定的关系, 而是一种动态变化的关系。
3.4 格兰杰因果检验结果
格兰杰因果检验只适用于平稳的或存在协整关系的时间序列, 前面的协整检验表明, 宁波市第三产业与制造业在整个样本期间不协整, 因此, 严格来讲不适合采用这种方法, 但是鉴于两者是动态协整关系, 而且这里仅仅是作为对状态空间模型研究的验证, 因此, 这个检验还是具有一定的意义。连续滞后4阶检验都表明两者之间的因果关系并不存在 (见表6) 。
5 结 论
结合前面的协整检验、状态空间模型和格兰杰因果检验的结果, 可以得出以下结论:尽管从特定的时间段来看, 宁波市第三产业与制造业之间存在协整关系, 但是, 从长期来看, 协整关系并不存在, 这表明两者之间并不存在长期的稳定关系。这个结果不属于前面4种观点的任何一种, 这也从一个侧面体现出第三产业与制造业之间关系的多样性及其路径依赖性。
研究结果说明宁波市第三产业与制造业之间的相互联系并不密切, 呈现相互脱节的状态。原因可能是互动机制尚未建立。比如, 由于第三产业主体部分是生产性服务业, 因此, 有可能是制造业的水平比较低或比较分散, 没有显著地带动生产性服务业的发展;或者正相反, 生产性服务业的发展水平比较低, 还没有显著地促进制造业的发展。因此, 要努力在两者之间建立一种良性互动机制, 促进宁波市经济持续和健康地发展。