經濟周期如何影響經濟增長

劉功瀾

摘要：近年來無論是全球經濟還是中國經濟，周期性波動明顯。這種周期性對經濟增長的影響并未取得學界共識。本文利用1952年至2015年的年度數據，對我國經濟周期對經濟增長的影響進行分析。發現：經濟周期波動對我國經濟增長的負貢獻明顯，但近年來隨著政府干預的增多有所收斂。經濟波動的周期性逐步縮短，表現也越來越復雜。

關鍵詞：經濟周期；經濟增長；負反饋

一、引言

近年來的全球經濟發展表明，在開放經濟條件下，經濟運行具有顯著的不確定性，經濟的周期性波動明顯。美國經濟在“911”恐怖襲擊后走出衰退，它在運行中出現了典型的經濟周期波動的負經濟增長特征，對世界經濟增長具有顯著的負面影響。

中國經濟發展深刻打上了政府干預的烙印，不管是之前的計劃經濟還是改革開放后的市場經濟，政府為了熨平經濟波動，在微觀領域進行了大量干預。尤其是2008年金融危機以來的十年，貨幣政策的寬松刺激了當期經濟增長的同時，也留下了嚴重的后遺癥。本人從一個更寬的視角研究自1955年以后經濟周期波動與經濟增長的關系，以期降低短期政策的影響。

二、文獻綜述

傳統研究中，經濟周期和經濟增長是兩個問題：一個是長期經濟增長的問題，另外一個著眼于短期的經濟波動。自Ramey和Ramey（1995）[1]發現經濟波動大的國家經濟增長較低以來，經濟增長和經濟周期的研究就結合了起來。

關于經濟增長與經濟周期之間關系的理論文獻遠非沒有爭議。關于不可逆投資和等待期權價值的文獻預測了增長不確定性與平均增長之間的負相關關系。對未來利潤的不確定性的增加提高了時間成本，從而推遲了投資并降低了增長（例如，Pindyck 1991[2]； Ramey和Ramey 1991[3]）。相比之下，Black（1987）[4]暗示了一種積極的關系。在這樣的世界中，平均增長率高的國家也會有很大的差異。另一個論點涉及預防性儲蓄，內生增長理論的支持者斷言，增長與周期之間的關系取決于生產力提高活動和生產是替代品還是補充品（Aghion and Saint-Paul 1998[5]； Martin 和羅杰斯2000[6]）。

實證分析方面，Kormendi和Meguire（1985）[7]以及Grier和Tullock（1989）[8]發現，產出增長標準偏差較高的國家也傾向于獲得更高的平均增長率。相比之下，Ramey和Ramey（1995）[1]，Martin和Rogers（2000）[6]，Fatas（2002）[9]和Rafferty（2005）[10]發現了不同樣本的負相關關系。基于時間序列數據的研究主要在ARCH或GARCH框架中得出了不同的結論.1例如，使用美國，Grier和Perry（2000）[11]和Grier等人的數據。 （2004）[12]獲得了產出波動對增長的積極影響的證據。

在時間序列背景下，一致性問題也可以通過采用ARCH或GARCH均值建模策略來解決，其中增長和周期是聯合和內生確定的（例如，Grier等人2004 [12]）。這種估計是建立在逐個國家的基礎上的，因此它太具有國家特征而不能被推廣，而忽略了可能的跨國相互依賴。

三、變量與方程

本文利用中國1952 - 2015年的年度數據驗證了經濟波動對中國經濟增長的影響。

恩格爾提出了條件異方差性模型（ARCH），它最早是1982年時間序列分析條件方差的一種非常有用的自回歸模型，由Bollerslev于1986年擴展為廣義自回歸條件異方差模型（GARCH）模型，被廣泛使用 在各個經濟學研究領域。條件方差（或標準差）中的均值作為GARCH模型方程中的變量，而方差方程保持不變。方程式為

（1）

（2）

這是GARCH（1，1） - M模型。 （1）是均值方程，ARCH模型和GARCH模型在標準條件下的均值方程的差異是方差作為連接均值方程的解釋變量。（2）是方差方程。通常，準最大似然法適用于GARCH-m估計模型。在經濟學領域，經濟波動可能對經濟增長產生影響，也可以使用GARCH-m模型進行實證分析。本文采用GDP指數的時間序列數據（1952=100）。其中，1952 - 1978年數據來自《中國統計簡報：1949-2004》.1979-2015數據來自《中國統計年鑒2016》（1978 = 100））。然后將它們轉換為1952年作為GDP固定基數指數的基礎。本文采用變量LNGDP是GDP指數計算GDP的自然對數； DLNGDP指GDP指數計算的LNGDP一階差異，表示實際增長率。 本文使用ADF測試和KPSS測試來確定相關變量。

兩種測試結果（篇幅所限，不再列示）一致表明LNGDP是1%顯著性水平的非平穩變量，而DLNGDP是表1中的穩定變量。因此，我們使用經濟增長率時間序列（DLNGDP）進行實證分析。避免錯誤的回歸問題。

對于標準正態分布，偏度為0，峰度為3，表2表明，從偏度的角度來看，經濟增長是左邊的，這意味著序列分布長期離開了尾部。 Bera -Jarque測試表明，時間序列的增長不符合正態分布。 總之，經濟增長的分布格局的高峰期。

四、方程結果

1. ARCH模型

我們根據AIC準則和固定變量DLNGDP的SC準則確定滯后階數的自回歸滑動平均（ARMA）模型。 最終選擇了ARMA（1，1）模型。如下：

結果顯示（篇幅所限，結果不再列示），F統計相關概率為0. 005695，通過F檢驗，根據方程的結果表明回歸方程在1%顯著性水平上具有高度顯著性。同時，MA（1）與AR（1）估計 t統計量相關概率的參數為0.077和0.0051，通過1%顯著性水平的顯著性檢驗。

DLNGDP OLS估計的ARMA（1，1）方程的殘差的結果如圖2所示。

Figure 2 Residual error 0f ARMA （1， 1） equations

我們可以通過DW = 1.854028初步判斷沒有一階序列相關性。如果存在與DW統計的高階序列相關，則可以應用Breush - Godfrey LM檢驗來測試殘差序列的回歸方程 是擾動的一階序列相關檢驗。 因此，本文要求Breush - Godfrey LM檢驗。

LM統計（篇幅所限，結果不再列示）表明我們可以在10%顯著性水平下拒絕零假設。殘差序列的回歸方程沒有序列相關性。 它表明ARMA（1，1）方程DLNGDP不存在序列相關問題。我們可以使用ARCH-LM測試來確定DLNGDP是否存在通過ARMA（1，2）方程的DLNGDP殘差序列的ARCH效應。

根據結果（篇幅所限，結果不再列示），我們可以發現DLNGDP具有顯著的ARCH效應，更重要的是，高階ARCH-LM測試得到顯著的結果，方差方程以可持續性為目標，因此，我們需要加入 GARCH分析。

2. GARCH-M模型的結果

我們使用GARCH（1，1）模型估計（3）以糾正數據中的DLNGDP條件異方差性.GARCH（1，1）模型是（4）：

（4）

結果發現（篇幅所限，結果不再列示）GARCH和ARCH具有統計顯著性。 GARCH in的水平為1%，ARCH水平為10%。 通過GARCH（1，1）模型可以發現殘余誤差診斷兩個方程不再存在ARCH效應。

中國經濟增長的波動性在70年代和60年代波動更大，并且自改革開放以來顯著減少。基于以上認識，我們需要估計以下GARCH（1，1）-M模型，以定量分析經濟增長與經濟波動（標準差）之間的關系。

（5）

GARCH（1，1）-M模型估計結果（篇幅所限，結果不再列示）表明，中國經濟周期非常顯著（顯著性水平為1%）影響經濟增長。中國經濟周期對經濟增長產生顯著的負面影響，即經濟波動越大，經濟增長越低； 當經濟波動較小時，經濟增長率較高。

3.進一步結論

本文的研究結果表明，經濟周期對經濟增長存在顯著的負面影響，這與國內外同類研究相一致。

第一，經濟周期不利于經濟增長，這有助于深入思考計劃經濟向市場經濟轉型中的做法。

中國有機會選擇改革的具體實施步驟，以確保整個改革過程的速度和穩定，因為中國的漸進式改革路徑。成功的“漸進式改革”可能包含相反結果的相同邏輯：應該采取中國的漸進式改革，以避免經濟改革帶來巨大的經濟波動，改革對經濟的影響越小，經濟波動越小波動，導致經濟增長率相對較高。

其次，探討經濟周期不利于經濟增長的研究具有重要的理論意義。經濟周期將間接地給居民帶來利益。因此，忽視經濟周期對經濟增長的負面影響，估計經濟波周期的福利成本被低估。對于正確衡量福利經濟的真實成本非常重要。在此基礎上，通過建立合理的考慮經濟波動的理論框架來減緩經濟增長，該領域具有非常有意義的研究方向，我們可以探索經濟波動的直接和間接利益損失。

五、結論

本文利用中國的1952-2015時間序列數據，利用最大似然估計，研究基于GARCH-m模型的經濟波動對經濟增長的影響。 結果表明，中國經濟增長的經濟波動非常顯著，負面影響不容忽視。 研究結果與現有的經濟周期研究相結合，認為這對經濟增長不利。這對中國經驗證據的理論研究有用，有助于我們了解中國經濟的宏觀經濟波動方向和程度。

首先，經濟周期對中國經濟增長產生重大負面影響的結論為穩定政策提供了強有力的支持。政府通過穩定政策減少經濟波動，這將對經濟增長產生間接促進作用。政府傳統上習慣于將經濟波動減緩為這一級別的長期穩定的政策中立工具。

其次，經濟波動不利于經濟增長的研究結果表明，政府放緩了不影響經濟增長的經濟波動。政府減少短期經濟波動，這也是對經濟增長的長期承諾。

參考文獻：

[1]Ramey G， Ramey VA （1995） Cross-country evidence on the link between volatility and growth. Am Econ Rev 85：1138–1151

[2]Pindyck RS （1991） Irreversibility， uncertainty， and investment. J Econ Lit 29：1110–1148

[3] Ramey G， Ramey VA （1991） Technology commitment and the cost of economic fluctuations. NBER Working Paper No. 3755.

[4] Black F （1987） Business cycles and equilibrium. Blackwell， New York

[5] Aghion P， Saint-Paul G （1998） On the virtue of bad times： an analysis of the interaction between economic fluctuations and productivity growth. Macroecon Dyn 2：322–344

[6] Martin P， Rogers CA （2000） Long-term growth and short-term economic instability. Eur Econ Rev 44： 359–381

[7] Kormendi RC， Meguire P （1985） Macroeconomic determinants of growth： cross-country evidence. J Monet Econ 16：141–163

[8] Grier KB， Tullock G （1989） An empirical analysis of cross-national economic growth， 1951–1980. J Monet Econ 24：259–276

[9] Fountas S， Karanasos M， Kim J （2002） Inflation and output growth uncertainty and their relationship with inflation and output growth. Econ Lett 75：293–301

[10] Rafferty M （2005） The effects of expected and unexpected volatility on long-run growth： evidence from 18 developed economies. South Econ J 71：582–591

[11] Grier KB， Perry MJ （2000） The effects of real and nominal uncertainty on inflation and output growth： some GARCH-M evidence. J Appl Econom 15：45–58

[12] Grier KB， Henry OT， Olekalns N， Shields K （2004） The asymmetric effects of uncertainty on inflation and output growth.