论文部分内容阅读
摘 要 由于Granger因果关系检验的局限性，使农产品价格上涨与通胀之间因果关系的传导方向一直存在争议.为此，本文用似无关回归模型（SUR）和广义脉冲响应函数（GIRF）相结合的组合研究模式对农产品价格上涨和通胀之间的因果关系进行了实证研究.首先，利用似无关回归模型构造统计量检验各种传导机制的存在性；其次，在农产品价格上涨与通胀之间双向传导机制都存在的情况下，利用广义脉冲响应函数方法对各种传导机制的显著性进行了对比.结论认为，农产品价格上涨导致通胀的因果关系更显著.
关键词 似无关回归模型；广义脉冲响应函数；组合研究；因果关系
中图分类号 F224 文献标识码 A
1 引 言
农产品价格上涨与通胀之间的因果关系，一直是经济研究的热点.但到底是农产品价格上涨导致通胀，还是通胀导致农产品价格上涨？不同的回答需要不同的调控措施.在我国历次通胀过程中，都可以看到猪肉、粮食等农产品的价格的上涨.例如，2004年7月CPI同比达5.3%，同期的小麦、籼稻、粳稻的农村集贸市场价格同比分别为41.6%、50.4%和53.8%；2008年2月CPI同比达8.7%，同期的猪肉农村集贸市场价格同比为71.4%.
由于农产品是食品加工企业的主要原材料，其价格的上涨势必带来企业成本的提高，从而推动食品价格的上涨.同时作为通胀主要度量指标的居民消费价格指数（CPI）中食品占的比重较大，达31.79%，所以农产品价格上涨很可能会导致通胀.
但通胀是否会导致农产品价格上涨，则存在两种观点，一种是Johnson和Song（1999）[1]研究认为，较高的通胀会引起通胀预期，从而出现以保值和投机为动机的存粮行为，导致粮食供给减少，从而引起粮食价格上涨.李敬辉和范志勇（2005）[2]通过一个理性预期动态一般均衡模型，说明通胀会引起真实利率降低，从而居民增加实物资产的持有量，进而导致包括粮食在内的大宗商品价格的上涨.将这种由于增加农产品存货而导致农产品价格上涨的因果关系称为存货机制.另一种观点是宋国青（2008）[3]，他认为，由于我国的名义利率调节不足，通胀会引起实际利率降低，偏低的实际利率导致投资和贷款所在的非农行业（如房地产）就业增加，农业就业相对下降，从而引起农产品供给相对下降、价格上升.将这种由于农业就业相对下降而导致农产品价格上涨的因果关系称为劳动力机制.在某些情况下，存货机制和劳动力机制是同时作用的.根据劳动力机制，宋国青（2010）[4]研究指出，由于蔬菜生产相对于粮食生产而言是劳动密集型的，因此当劳动力相对短缺时会导致蔬菜价格的上涨速度高于粮食价格.但同时，蔬菜相对于粮食是更不宜储存的，根据存货机制，当出现通胀时粮食价格的上涨速度又将高于蔬菜价格.
还有些学者利用Granger模型对农产品价格上涨与通胀之间的因果关系进行了实证研究.卢锋和彭凯祥（2002）[5]分析了农产品价格上涨和通胀之间的因果关系.他们在理论上对农产品价格上涨和通胀之间的传导机制进行分析后，利用1987年至1999年的数据对两者进行了Granger因果关系检验，最终认为是通胀导致农产品价格上涨，而不是农产品价格上涨导致通胀.赵国庆等人（2008）[6]在研究中引入了政府行为，利用1950年至2003年的数据对农产品价格上涨和通胀的Granger因果关系进行了检验，结论是农产品价格上涨和通胀之间存在着双向的因果关系.胡冰川（2010）[7]将CPI、食品价格指数和农业生产资料价格指数作为内生变量，将M2、美元汇率和国际大豆价格作为外生变量来建立一个VAR模型，通过对模型滞后变量系数的显著性检验讨论了食品价格上涨与CPI之间的因果关系.
但赵国庆等人（2008）认为Granger检验存在很大的缺陷，他们认为，Granger因果关系只代表了序列在时间上的先后关系，而并非真正的因果关系.由于Granger因果关系的这种本质上的缺陷，使得由此得到的结论可信度不足.前述利用Granger因果检验的研究结论之间存在的矛盾也证明了这一点.为了避免这一缺陷，本文提出了用似无关回归（Seemingly Unrelated Regressions，简称SUR）模型和广义脉冲响应函数（Generalized Impulse Response Function，简称GIRF）方法的组合研究模式来研究农产品价格上涨与通胀之间的因果关系.
首先利用似无关回归（SUR）模型构造统计量来检验农产品价格上涨和通胀之间是否存在双向因果关系.然后，利用广义脉冲响应函数（Generalized Impulse Response Function，简称GIRF）方法对双向因果关系的显著性进行对比，以确定哪一方的因果关系更为显著.这一组合研究模式规避了Granger因果关系检验的缺陷.
2 研究方法
2.1 似无关回归模型及检验统计量
考察变量y对变量x上涨的反应程度，可以用变量y对x做回归所得的回归系数来度量.假设目前考察两个变量y1和y2对变量x上涨的反应程度，那么可以建立如下两方程模型：
其中α，β，γ均为待估参数，z1t和z2t表示其他外生变量或前定变量，εt为随机扰动项.通过比较模型（1）中系数β1和β2的大小，便可以确定在变量x上涨时，变量y1和y2哪个变量的反应更加剧烈.在以上两方程模型中，每个方程都是一个线性回归模型，都可以用OLS单独进行估计，但无法根据系数β1和β2的估计量，判断统计上两者是否显著的不相等.所以需要构造一个检验统计量，为此引入似无关回归（SUR）模型.
SUR模型是由Zellner（1962）[8]提出的，它是对多方程线性回归模型的扩展.对于模型（1）所示的多方程线性回归模型，SUR模型是将以上几个方程中的数据堆积起来，从而得到：
关键词 似无关回归模型；广义脉冲响应函数；组合研究；因果关系
中图分类号 F224 文献标识码 A
1 引 言
农产品价格上涨与通胀之间的因果关系，一直是经济研究的热点.但到底是农产品价格上涨导致通胀，还是通胀导致农产品价格上涨？不同的回答需要不同的调控措施.在我国历次通胀过程中，都可以看到猪肉、粮食等农产品的价格的上涨.例如，2004年7月CPI同比达5.3%，同期的小麦、籼稻、粳稻的农村集贸市场价格同比分别为41.6%、50.4%和53.8%；2008年2月CPI同比达8.7%，同期的猪肉农村集贸市场价格同比为71.4%.
由于农产品是食品加工企业的主要原材料，其价格的上涨势必带来企业成本的提高，从而推动食品价格的上涨.同时作为通胀主要度量指标的居民消费价格指数（CPI）中食品占的比重较大，达31.79%，所以农产品价格上涨很可能会导致通胀.
但通胀是否会导致农产品价格上涨，则存在两种观点，一种是Johnson和Song（1999）[1]研究认为，较高的通胀会引起通胀预期，从而出现以保值和投机为动机的存粮行为，导致粮食供给减少，从而引起粮食价格上涨.李敬辉和范志勇（2005）[2]通过一个理性预期动态一般均衡模型，说明通胀会引起真实利率降低，从而居民增加实物资产的持有量，进而导致包括粮食在内的大宗商品价格的上涨.将这种由于增加农产品存货而导致农产品价格上涨的因果关系称为存货机制.另一种观点是宋国青（2008）[3]，他认为，由于我国的名义利率调节不足，通胀会引起实际利率降低，偏低的实际利率导致投资和贷款所在的非农行业（如房地产）就业增加，农业就业相对下降，从而引起农产品供给相对下降、价格上升.将这种由于农业就业相对下降而导致农产品价格上涨的因果关系称为劳动力机制.在某些情况下，存货机制和劳动力机制是同时作用的.根据劳动力机制，宋国青（2010）[4]研究指出，由于蔬菜生产相对于粮食生产而言是劳动密集型的，因此当劳动力相对短缺时会导致蔬菜价格的上涨速度高于粮食价格.但同时，蔬菜相对于粮食是更不宜储存的，根据存货机制，当出现通胀时粮食价格的上涨速度又将高于蔬菜价格.
还有些学者利用Granger模型对农产品价格上涨与通胀之间的因果关系进行了实证研究.卢锋和彭凯祥（2002）[5]分析了农产品价格上涨和通胀之间的因果关系.他们在理论上对农产品价格上涨和通胀之间的传导机制进行分析后，利用1987年至1999年的数据对两者进行了Granger因果关系检验，最终认为是通胀导致农产品价格上涨，而不是农产品价格上涨导致通胀.赵国庆等人（2008）[6]在研究中引入了政府行为，利用1950年至2003年的数据对农产品价格上涨和通胀的Granger因果关系进行了检验，结论是农产品价格上涨和通胀之间存在着双向的因果关系.胡冰川（2010）[7]将CPI、食品价格指数和农业生产资料价格指数作为内生变量，将M2、美元汇率和国际大豆价格作为外生变量来建立一个VAR模型，通过对模型滞后变量系数的显著性检验讨论了食品价格上涨与CPI之间的因果关系.
但赵国庆等人（2008）认为Granger检验存在很大的缺陷，他们认为，Granger因果关系只代表了序列在时间上的先后关系，而并非真正的因果关系.由于Granger因果关系的这种本质上的缺陷，使得由此得到的结论可信度不足.前述利用Granger因果检验的研究结论之间存在的矛盾也证明了这一点.为了避免这一缺陷，本文提出了用似无关回归（Seemingly Unrelated Regressions，简称SUR）模型和广义脉冲响应函数（Generalized Impulse Response Function，简称GIRF）方法的组合研究模式来研究农产品价格上涨与通胀之间的因果关系.
首先利用似无关回归（SUR）模型构造统计量来检验农产品价格上涨和通胀之间是否存在双向因果关系.然后，利用广义脉冲响应函数（Generalized Impulse Response Function，简称GIRF）方法对双向因果关系的显著性进行对比，以确定哪一方的因果关系更为显著.这一组合研究模式规避了Granger因果关系检验的缺陷.
2 研究方法
2.1 似无关回归模型及检验统计量
考察变量y对变量x上涨的反应程度，可以用变量y对x做回归所得的回归系数来度量.假设目前考察两个变量y1和y2对变量x上涨的反应程度，那么可以建立如下两方程模型：
其中α，β，γ均为待估参数，z1t和z2t表示其他外生变量或前定变量，εt为随机扰动项.通过比较模型（1）中系数β1和β2的大小，便可以确定在变量x上涨时，变量y1和y2哪个变量的反应更加剧烈.在以上两方程模型中，每个方程都是一个线性回归模型，都可以用OLS单独进行估计，但无法根据系数β1和β2的估计量，判断统计上两者是否显著的不相等.所以需要构造一个检验统计量，为此引入似无关回归（SUR）模型.
SUR模型是由Zellner（1962）[8]提出的，它是对多方程线性回归模型的扩展.对于模型（1）所示的多方程线性回归模型，SUR模型是将以上几个方程中的数据堆积起来，从而得到：