基于参数与非参数SVAR模型的货币政策有效性比较分析

金成晓　曹阳

摘要：本文利用1998年1月至2012年6月的工业增加值、M2和CPI月度数据建立了一个三变量的SVAR模型，并分别用极大似然估计方法和非参数联立模型的局部线性工具变量估计方法对其进行估计，将估计的结果进行比较并作相应的向前预测分析。结论表明：参数SVAR模型可以对变量进行解释，并做相应的脉冲响应和方差分解分析，但是估计精度及预测效果要低于非参数SVAR模型。文章的创新之处在于首次给出非参数SVAR模型及其估计方法，为日后对非参数VAR模型族进行研究和广泛应用奠定了一定的基础。

关键词：货币政策；SVAR模型；非参数SVAR模型

中图分类号：F842；F822；F224 文献标识码：B

一、引言

1980年，Sims首次提出了向量自回归模型（VAR），该模型具有不以严格的经济理论为依据和模型中的全部变量均为内生变量等优点，被广泛应用于处理多个相关经济指标的分析与预测。然而，VAR模型从本质上讲只刻画了数据的动态表现，并且往往要估计过多的参数，为解决上述问题并弥补VAR模型缺乏经济理论基础而不能进行结构分析的缺陷，Sims （1986）进一步提出了结构向量自回归（Structure VAR）模型，SVAR及其扩展模型赢得了宏观结构计量经济学的美誉。

VAR模型的一个至关重要的假设是经估计得到的模型的参数是不随时间变化而变化的，但是由于现实中的经济现象复杂多变，普通线性模型对现实问题的解释难免存在局限性，越来越多的非线性、非参数计量经济模型被应用到宏观和微观经济学领域中。例如，Cai和Fan（2000）[1]将门限自回归模型和函数系数自回归模型应用于非线性时间序列，并提出了一个新的boostrap检验来检验模型的拟合优度；方颖和郭萌萌（2009）[2]利用时变系数模型检验了85个变量的月度宏观数据，发现部分宏观变量存在严重的非稳定性或非线性问题；马薇和袁铭（2010）[3]提出了使用核估计的方法构造平滑转移模型（STR）的非参数模拟最大似然估计（NPSML）并证明该方法是可靠的，估计量是稳健的；叶阿忠（2003）[4]首次提出了非参数计量经济联立模型局部线性估计方法，并应用于我国宏观经济非参数联立模型且与线性模型进行了比较，得出我国宏观经济非参数联立模型优于线性模型的结论。鉴于SVAR模型的优缺点，本文拟从非参数估计方法的视角对其进行扩展，并与参数方法进行对比分析，以期进一步丰富VAR模型族的应用研究。

二、 模型及数学方法

对于一个三元p阶SVAR模型，其具体形式为：

摘要：本文利用1998年1月至2012年6月的工业增加值、M2和CPI月度数据建立了一个三变量的SVAR模型，并分别用极大似然估计方法和非参数联立模型的局部线性工具变量估计方法对其进行估计，将估计的结果进行比较并作相应的向前预测分析。结论表明：参数SVAR模型可以对变量进行解释，并做相应的脉冲响应和方差分解分析，但是估计精度及预测效果要低于非参数SVAR模型。文章的创新之处在于首次给出非参数SVAR模型及其估计方法，为日后对非参数VAR模型族进行研究和广泛应用奠定了一定的基础。

关键词：货币政策；SVAR模型；非参数SVAR模型

中图分类号：F842；F822；F224 文献标识码：B

一、引言

1980年，Sims首次提出了向量自回归模型（VAR），该模型具有不以严格的经济理论为依据和模型中的全部变量均为内生变量等优点，被广泛应用于处理多个相关经济指标的分析与预测。然而，VAR模型从本质上讲只刻画了数据的动态表现，并且往往要估计过多的参数，为解决上述问题并弥补VAR模型缺乏经济理论基础而不能进行结构分析的缺陷，Sims （1986）进一步提出了结构向量自回归（Structure VAR）模型，SVAR及其扩展模型赢得了宏观结构计量经济学的美誉。

VAR模型的一个至关重要的假设是经估计得到的模型的参数是不随时间变化而变化的，但是由于现实中的经济现象复杂多变，普通线性模型对现实问题的解释难免存在局限性，越来越多的非线性、非参数计量经济模型被应用到宏观和微观经济学领域中。例如，Cai和Fan（2000）[1]将门限自回归模型和函数系数自回归模型应用于非线性时间序列，并提出了一个新的boostrap检验来检验模型的拟合优度；方颖和郭萌萌（2009）[2]利用时变系数模型检验了85个变量的月度宏观数据，发现部分宏观变量存在严重的非稳定性或非线性问题；马薇和袁铭（2010）[3]提出了使用核估计的方法构造平滑转移模型（STR）的非参数模拟最大似然估计（NPSML）并证明该方法是可靠的，估计量是稳健的；叶阿忠（2003）[4]首次提出了非参数计量经济联立模型局部线性估计方法，并应用于我国宏观经济非参数联立模型且与线性模型进行了比较，得出我国宏观经济非参数联立模型优于线性模型的结论。鉴于SVAR模型的优缺点，本文拟从非参数估计方法的视角对其进行扩展，并与参数方法进行对比分析，以期进一步丰富VAR模型族的应用研究。

二、 模型及数学方法

对于一个三元p阶SVAR模型，其具体形式为：

摘要：本文利用1998年1月至2012年6月的工业增加值、M2和CPI月度数据建立了一个三变量的SVAR模型，并分别用极大似然估计方法和非参数联立模型的局部线性工具变量估计方法对其进行估计，将估计的结果进行比较并作相应的向前预测分析。结论表明：参数SVAR模型可以对变量进行解释，并做相应的脉冲响应和方差分解分析，但是估计精度及预测效果要低于非参数SVAR模型。文章的创新之处在于首次给出非参数SVAR模型及其估计方法，为日后对非参数VAR模型族进行研究和广泛应用奠定了一定的基础。

关键词：货币政策；SVAR模型；非参数SVAR模型

中图分类号：F842；F822；F224 文献标识码：B

一、引言

1980年，Sims首次提出了向量自回归模型（VAR），该模型具有不以严格的经济理论为依据和模型中的全部变量均为内生变量等优点，被广泛应用于处理多个相关经济指标的分析与预测。然而，VAR模型从本质上讲只刻画了数据的动态表现，并且往往要估计过多的参数，为解决上述问题并弥补VAR模型缺乏经济理论基础而不能进行结构分析的缺陷，Sims （1986）进一步提出了结构向量自回归（Structure VAR）模型，SVAR及其扩展模型赢得了宏观结构计量经济学的美誉。

VAR模型的一个至关重要的假设是经估计得到的模型的参数是不随时间变化而变化的，但是由于现实中的经济现象复杂多变，普通线性模型对现实问题的解释难免存在局限性，越来越多的非线性、非参数计量经济模型被应用到宏观和微观经济学领域中。例如，Cai和Fan（2000）[1]将门限自回归模型和函数系数自回归模型应用于非线性时间序列，并提出了一个新的boostrap检验来检验模型的拟合优度；方颖和郭萌萌（2009）[2]利用时变系数模型检验了85个变量的月度宏观数据，发现部分宏观变量存在严重的非稳定性或非线性问题；马薇和袁铭（2010）[3]提出了使用核估计的方法构造平滑转移模型（STR）的非参数模拟最大似然估计（NPSML）并证明该方法是可靠的，估计量是稳健的；叶阿忠（2003）[4]首次提出了非参数计量经济联立模型局部线性估计方法，并应用于我国宏观经济非参数联立模型且与线性模型进行了比较，得出我国宏观经济非参数联立模型优于线性模型的结论。鉴于SVAR模型的优缺点，本文拟从非参数估计方法的视角对其进行扩展，并与参数方法进行对比分析，以期进一步丰富VAR模型族的应用研究。

二、 模型及数学方法

对于一个三元p阶SVAR模型，其具体形式为：