1、我国广义货币供应量 M2 的回归模型及实证检验I. 模型的提出货币供应量是中央银行货币政策工具中最重要的中介变量之一，央行通过操作各种政策工具影响货币供应量，从而影响一系列宏观变量，进而影响宏观经济。目前，学界对 M2 变量的影响与决定已有大量的模型研究，但国内对我国货币供应量的影响因素实证研究较少。总结起来，对于 M2 影响因素的研究，一方面集中于需求方面，从传统货币需求函数出发，采用名义国内生产总值、价格指数、外汇储备、利率等作为因变量进行线性回归，通过假设货币需求与供给均衡，进而得出影响广义货币供应量 M2 的因素。另一方面，指出商业银行信贷量、财政存款以及国债发行量等对 M2 影响较大
2、。本文认为，货币供给与需求出清的假设过于严格，在我国货币供给相对独立的背景下，这样的假设与实际情况偏差较大。因此本文将基于后一种模型分析思路，研究广义货币供给 M2 的回归模型的实证检验。在分析 M2 影响因素时，为了全面反映各方面的影响因素，总是尽量选取被解释变量的所有影响因素。通过考察货币的流通环节和分析央行货币政策工具，考虑一下三个方面的影响广义货币供应量的因素：一是银行系统，二是金融市场的变动，三是来自国外资金的变动。在模型变量选取时，综合考虑权衡各因素对 M2 影响在理论上的重要性和数据可得性，选取了 2010 年到 2011 年M0，M1，国债成交额、沪深股市成交额、外汇占款和银行
3、间同业拆借余额的月度数据作为因变量，以中国人民银行公布的 2010 年和 2011 年公布的 M2 月度数据作为自变量，详见表 1。变量名称 变量代码 变量数据来源M0 M0 中国人民银行公布 20102011 年 M0 月度余额数据M1 M1 中国人民银行公布 20102011 年 M1 月度余额数据M2 M2 中国人民银行公布 20102011 年 M2 月度余额数据国债 BONDS股市 STOCK 20102011 沪深股市月度成交额外汇占款 WH同业拆借 CAIJIE表 1 变量数据定义表II. 模型建立及结果1. 模型建立通过以上分析和变量选取，建立如下回归方程：(eq.1)0123
4、4562MBONDSTCKWHAIJE在 EViews 中建立 Workfile 命名为：M2 Mode，Data Specification 选为mouthly，其他参数如下：储存并向其中导入所收集到的数据：2. 数据预处理在命令窗口中键入如下命令，并对对各变量作图：3. 模型结果在命令窗口输入如下语句：得到运算结构如下：如上图所示，模型 R-squrared 达到 0.99，说明模型拟合数据效果较好；在显著性水平为 1%下，模型 F 检验通过。但模型部分变量未通过显著性为 5%的t 检验，模型 AIC 值与 SC 值较高。以上初步分析说明上述模型存在问题，将结果保存为 EQ1 后，下面将对
5、金融变量多元回归模型常见的几个问题进行检验，以确定问题所在，并优化模型。III. 模型检验1. 残差检验古典线性回归模型中假定随机扰动项是正态分布的，则在检验模型拟合程度时，有必要进行残差正态性检验。本文选用 Bera-Jarque 检验。在 EViews 软件 EQ1 对象中选择 ViewResidual TestHistogram Normality Test 来进行残差检验，结果如下图。可见，残差分布条形图近似呈钟形，且 p 值大于显著性水平 0.05。由此可见，本模型残差符合正态分布。2. 异方差检验异方差是指在多元线性回归模型中，随机扰动项并不满足同方差的假定，即残差服从不同方差的分
6、布。在计量经济学中，一旦产生异方差问题，将对线性回归模型的参数估计、模型检验及模型应用带来重大影响。因此，有必要对模型进行异方差检验。本文首先采用图示检验法。利用 EViews 中的残差图分析，直观的观察是否存在异方差问题。在 EViews 中 EQ1 窗口点击 Resids 按钮，即可得到残差分布图，如下图：可见，残差分布图的区域并未发生明显变化，或偏离，初步说明模型不存在异方差问题。对于异方差检验，必然离不开 White 检验。在 EViews 中的 EQ1 窗口中选择 ViewsResidual TestWhite Heteroskedasticity（No cross terms） ，
7、即可得到模型 White 检验结果，如下图：从结果可以看出，在显著性水平为 5%的情况下，F 统计量为 1.348，对应概率值为 0.31，远大于显著性水平，故可以判定模型不存在异方差问题。3. 自相关检验自相关性是指随机误差项满足零期望、同方差的假定，但是误差项之间的相关系数不为 0。自相关问题常见于时间序列数据，特别是对于经济变量而言更是如此。存在自相关时，OLS 估计仍然是线性无偏的，但不再具有最小方差，从而使得显著性检验失效，模型预测精读下降。故有必要进行自相关检验。本文首先采用图示检验法。即以时间为横轴，以残差为 Y 轴做出下图：观察上图可以发现，残差在一定程度上围绕 0 改变符号，
8、故可以怀疑存在自相关性。但图示法虽然直观，但不够精确。为进一步衡量与决定是否存在自相关，本文继续运用 DW 检验和 LM 检验对模型进行检验。由 EQ1 中的结果可知，DW 值为 1.45。查表可知，在显著性水平为 5%、观测值 24 个，解释变量为 7 的情况下，dL=0.83706，dU=2.03522 。在显著性水平为 1%，其他变量相同时，dL=0.65204，dU=1.79712 。DW 处于无法判断的dL，dU 的范围内，因此仅仅通过 DW 并不能判断是否存在自相关性。LM 检验的原假设为：残差不存在从一阶到 p 阶的自相关。在 EQ1 中选择 ViewsResidual Test
9、Serial Correlation LM Test。从一阶开始进行尝试，找到使 AIC 与 SC 值最小的阶数，并观察结果。Leg=1 Leg=2观察可知，在阶数为 1 时，AIC 值与 SC 值最小。对应的 F 统计量为0.796，概率值为 0.385。因此在显著性水平为 5%的情况下，可以通过原假设，即模型不存在一阶自相关性。综上所述，模型不存在自相关性。4. 多重共线性检验在现实经济现象中，构建多元线性回归模型的自变量很多时候是存在相关性的，因此违背了关于多元回归模型各个解释变量之间不存在线性相关的假设。多重共线性会导致一系列后果，包括参数估计值的不准确，无法区分单个变量对被解释变量的
10、影响作用，变量的显著性检验失效。因此，面对本文模型涉及的 6 个经济自变量，进行多重共线性检验与处理，显得格外重要。通过观察 EQ1 的结果可知，模型决定系数 R-squared 很大，F 检验通过，但部分参数 t 检验并不显著，因此可以怀疑存在多重共线性。进而通过计算变量之间的相关系数矩阵发现（如下图，在命令窗口键入 cor gp1） ，M1 与 WH（外汇占款）相关系数大于 0.8 达到 0.957，初步判断存在多重共线性。当然，虽然其他变量间相关系数并未超过 0.8，但也不能否认他们之间不存在多重共线性。为消除多重共线性的影响，考虑以下做法：首先是剔除共线性的变量。二是变换模型形式。三是
11、增加样本容量。考虑到剔除变量不当可能导致被剔除的因素的影响反映在随机误差中，使模型产生异方差或自相关，并且影响模型在经济上的意义，因此暂不考虑此方法。另外注意到到 M2 做为重要的宏观变量，其与整个经济运行状况密不可分，毫无疑问近几年经济形势与往几年完全不同，特别是 10 年以来实行的稳健的货币政策与之前的宽松货币政策对 M2 可以说会有显著影响，因此如果通过增加 10 年以前数据从而增加样本容量的方法值得商榷，而 M2 数据公布的最小周期，也就是说数据的可能性局限在月度数据，故期望通过增加样本容量的方法解决多重共线问题的思路暂不考虑。因此，本文首先从修改模型形式入手。对元模型进行适当的变换，可以消除或减弱原解释变量的相关性。本文考虑将线性模型转换为对数形式。5. 模型修改及检验通过对变量取对数，使得新模型成为下面的形式：eq.20123456log(2)log()log(1)l()MMBONDSSTOCKWHCAIJE在命令窗口输入以下命令得到新模型，并命名为 EQ2：
