1、总需求曲线 AD 模型的中国 实证分析总需求曲线AD 模型的中国实证分析关键词：总需求曲线 GDP 真实货币供应量 政府购买支出 税收主要内容：由于我国工资水平长期处于刚性状态，总供给对均衡产出的影响不大，均衡产出主要由总需求决定，所以我们仅建立总需求模型来分析其对 GDP 的影响。本文通过对中国的 GDP，货币供应量，政府购买支出，税收，以及价格水平等数据进行计量经济分析，希望通过总需求模型来分析短期内货币政策与财政政策对 GDP 的作用。总需求曲线的理论背景总需求模型表示产品市场和货币市场同时达到均衡时的价格水平与产出水平的组合，是新古典综合派对凯恩斯理论与新古典理论和货币理论又一新的综合
2、，同时在一定意义上还体现了凯恩斯学派与货币学派、供给学派的大融合。凯恩斯在对总需求分析时，有三点重要的假定：1.总供给不变。假定各种资源没有得到充分的利用，总供给曲线处于水平线的区域，总需求的增加可以引起均衡国民收入上升，即总供给可以适应总需求的增加而增加（也就是不考虑总供给对国民收入决定的影响）。2.潜在的国民收入，即充分就业时的国民收入不变。3.价格水平既定。基于这三点假设而推导出来的总需求曲线通常可以用图形表示为：注：其中 AD 为总需求曲 线， Yn 为充分就业时的国民收入，45 度直线上的点为国民收入达到均衡时的均衡点。凯恩斯所认为的总需求是一种需求与国民收入的变动，这就是现在总需求
3、模型的雏形。但它仅仅是从产品市场来考虑了总需求。而在传统的简单的货币数量论模型中，则从货币市场的角度考察了总需求，并建立了描述货币供求相等的均衡方程。现代货币数量论据此认为，货币供应量的变动将直接影响名义国民收入水平的变动。在这些总需求模型中，有一个强有力的假定就是一般物价水平不变。这在凯恩斯提出问题的 30 年代或许是合理的，然而自从 60 年代后期以来，一般物价水平上涨已经成为一种经常的现象，若再继续假定价格水平不变就有脱离现实之嫌了。于是，随后的新古典综合派将上述两派的理论加以综合，提出理论模型中把物价变动考虑在内，建立了新的总供给总需求模型。根据前人的研究，我们可以把总需求曲线的特性归
4、纳如下：（1）总需求曲线表示在某个给定的价格水平上所需要的 GDP 水平。（2）决定、影响总需求曲线的两个经济原理是收支平衡和货币供求相等。（3）总需求曲线是向右下方倾斜的。价格水平的上升意味着实际货币余额的降低，因而实际利率会上升，从而使投资、GDP 和净出口减少。（4）总需求取决于真实货币供给。名义货币存量的增加使 AD 曲线上移的程度恰好与名义货币增加的程度一致，也就是说，名义货币的增加不会改变 GDP，只能改变价格水平。（5）一般说来，扩张性政策如增加政府支出、减税和增加货币供给使总需求曲线向右移动，消费者与投资者的信心也影响总需求曲线（信心增强时，AD 曲线向右移动；当信心削弱时，A
5、D 曲线向左移动）。模型的推导总需求曲线代表了货币市场和商品市场同时达到均衡时的点的集合，即 ISLM 模型的均衡点。我 们可以由 ISLM 模型推出总需求曲线：IS 模型 : Y=C(Y-T)+I(Y,i)+GLM 模型: M=￥YL(i)Y 代表 GDP，C 为系数，T 指税收，I 为投资，i 为利率，G 代表政府支出，M 为 名义货币供应量, ￥Y 指名义 GDP.其中，在 IS 模型中 Y 和 T,i 均成负相关关系， Y 和 G 成正相关关系；而在 LM 模型中，Y 和 M 成正相关，和 P 成负相关。注：上述两个模型是对现实的高度简化，建立在 Macroeconomics (sec
6、ond edition) Olivier Blanchard,Massachusetts Institute of Technology中的模型的基础上。当上述两方程均成立时，得到总产出 Y，即 GDP 的一个隐函数Y=Y(M/P,G,T)其中 M/P 代表真实货币供应量；G 代表政府购买支出；T 代表税收。用 ISLM 模型推导 AD 曲线可以用下图表示：在 LM 曲线的推导中，M/P 指的是真实的 货币供应量。所以，准确的讲，要体现出真实货币供应量与名义货币供应量，P 应该是 GDP 平减指数（GDP Deflator）。对于给定的名义货币量 M，高价格意味着低的真实货币供应 M/P。显然
7、，价格高意味着供 应的人民币价值低了。结果是，高价格水平意味着低水平的总需求。因此，总需求曲线是向右下方倾斜的。我们假定，总需求曲线的代数表达形式是 Y=1+ 2A+ 3M/P A 表示财政政策状态，M/P 表示真实货币供应。 （来自多恩布什 宏观经济学 第七版）在财政政策中，起着主要作用的是政府购买支出和税收。所以，我们将多恩布什归纳的表达式转化为 Y= 1+ 2G+ 3T+ 4M/P 用 G 和 T将 A 细化了。模型的建立我们要将中国的数据来进行拟合，就必须在原来的模型上加上一个随机扰动项 Ut，得到 GDP= 1+ 2G+ 3T+ 4M/P+Ut其中，G 是政府购买支出，我们用基础建
8、设支出，地质勘探支出，与国防支出之和来代替政府购买支出；T 是税收总和；M 是货币供应量，在这里我们使用的是狭义的货币供应量，即 M1，是流通中的货币量与活期存款的总和；P 是价格水平，用 GDP 平减指数。下面是我们的原始数据，是由历年的中国统计年鉴、 中国金融年鉴及中国金融统计 1952-1999的数据处理得来。obsGDPM1PGT单位：年单位：亿元单位：亿元 1990 年=1 单位：亿元单位：亿元1978 3624.100 944.0000 0.551463 639.9100 519.28001979 4038.200 1146.000 0.571074 685.9900 537.82
9、001980 4517.800 1223.000 0.592669 562.7700 571.70001981 4862.400 1712.300 0.606346 447.3700 629.89001982 5294.700 1912.800 0.604075 468.5200 700.02001983 5934.500 2219.000 0.609424 545.7100 775.59001984 7171.000 2982.800 0.638684 661.1000 947.35001985 8964.400 3290.500 0.705311 775.6700 2040.7901986
10、 10202.20 4745.700 0.739816 827.2300 2090.7301987 11962.50 5714.600 0.777995 761.5500 2140.3601988 14928.30 6950.500 0.873879 744.8700 2390.4701989 16909.20 7347.100 0.949940 766.3300 2727.4001990 18547.90 8793.200 1.000000 873.8900 2821.8601991 21617.80 10866.60 1.068297 928.2700 2990.1001992 26638
11、.10 15015.70 1.154725 977.8300 3296.9101993 34634.40 16280.40 1.327457 1066.790 4255.3001994 46759.40 20540.70 1.591635 1254.560 5126.8801995 58478.10 23987.10 1.826171 1492.260 6038.0001996 67884.60 28514.80 1.930709 1696.060 6069.8201997 74462.60 34826.30 1.950088 1905.440 8234.0401998 78345.20 38
12、953.70 1.903311 2405.570 9262.8001999 82067.50 45837.30 1.861569 3276.660 10682.582000 89442.20 53147.20 1.871635 3390.500 12581.512001 95933.30 59872.00 1.876136 3751.600 15301.38使用原始数据进行初次拟合首先我们将 M/P 的值定义为 A,即真实的货币供应量，先用A、G、T 对 GDP 进行回归，然后再对残差进 行正态性检验 Dependent Variable: GDPMethod: Least SquaresSa
13、mple: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C3868.3255109.4350.7570940.4578A0.0475841.3301840.0357720.9718G-9.1716269.769445-0.9388070.3590T9.4551543.7192182.5422430.0194R-squared0.939790 Mean dependent var33050.85Adjusted R-squared0.930759 S.D. dependent va
14、r31871.78S.E. of regression8386.646 Akaike info criterion21.05768Sum squared resid1.41E+09 Schwarz criterion21.25402Log likelihood-248.6922 F-statistic104.0576Durbin-Watson stat0.539034 Prob(F-statistic)0.000000其回归结果为：GDP=3868.325 +0.047584 A - 9.171626 G + 9.455154 T+etSe (5109.435) (1.330184) (9.7
15、69445) (3.719218)t =(0.757094) (0.035772) (-0.938807) (2.542243)p = (0.4578) (0.9718) (0.3590) (0.0194)R2=0.939790(调整可决系数为 0.930759) DW=0.539034F=104.0576n=24从回归结果中可以看出，A 与 G 的 t 值都比 较小，R2 较大，而 G 的系数为负不符合经济意义，估计解释变量间存在多重共线性（即货币政策和财政政策存在较大的相关性）。对 A、G、T 进行简单相关系数矩阵检验得到如下结果：AGTA 1.000000 0.967409 0.9877
16、97G 0.967409 1.000000 0.982637T 0.987797 0.982637 1.000000可以看出，A、 G、T 之间存在高度相关.再进行正态性检验，据此看出，该模型基本上服从正态性假定。于是，对多重共线性采用逐步回归法进行修正。第一步，用 A、G、T 分别对 GDP 回归得下面的 结果：Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-6240.025
17、3172.842-1.9666990.0620A3.5923560.23092815.556140.0000R-squared0.916665 Mean dependent var33050.85Adjusted R-squared0.912877 S.D. dependent var31871.78S.E. of regression9407.486 Akaike info criterion21.21605Sum squared resid1.95E+09 Schwarz criterion21.31423Log likelihood-252.5927 F-statistic241.993
18、6Durbin-Watson stat0.350037 Prob(F-statistic)0.000000Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-6753.3053773.294-1.7897640.0873G30.909402.35753713.110880.0000R-squared0.886537 Mean dependent var33050.85Adjuste
19、d R-squared0.881379 S.D. dependent var31871.78S.E. of regression10977.08 Akaike info criterion21.52466Sum squared resid2.65E+09 Schwarz criterion21.62283Log likelihood-256.2959 F-statistic171.8953Durbin-Watson stat0.338332 Prob(F-statistic)0.000000Dependent Variable: GDPMethod: Least SquaresSample:
20、1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C1198.9212425.0640.4943880.6259T7.4411280.41109918.100580.0000R-squared0.937077 Mean dependent var33050.85Adjusted R-squared0.934216 S.D. dependent var31871.78S.E. of regression8174.579 Akaike info criterion20.93510Sum s
21、quared resid1.47E+09 Schwarz criterion21.03327Log likelihood-249.2212 F-statistic327.6309Durbin-Watson stat0.397048 Prob(F-statistic)0.000000可以看出,用 T 对 GDP 回归的修正可决系数最大 (等于 0.934216),F值也较大所以选取 T 作为第一个解释变量。第二步，用 T 再加上其它任一个解释变量对 GDP 回归得：Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Inclu
22、ded observations: 24VariableCoefficientStd. Errort-StatisticProb. C772.47953891.7700.1984910.8446T7.0617742.7003322.6151500.0162A0.1874561.3180750.1422200.8883R-squared0.937137 Mean dependent var33050.85Adjusted R-squared0.931150 S.D. dependent var31871.78S.E. of regression8362.922 Akaike info crite
23、rion21.01747Sum squared resid1.47E+09 Schwarz criterion21.16473Log likelihood-249.2097 F-statistic156.5300Durbin-Watson stat0.384792 Prob(F-statistic)0.000000Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C3988.4273
24、758.8081.0610880.3007T9.5604562.2184864.3094500.0003G-9.2107709.474312-0.9721840.3420R-squared0.939787 Mean dependent var33050.85Adjusted R-squared0.934052 S.D. dependent var31871.78S.E. of regression8184.790 Akaike info criterion20.97441Sum squared resid1.41E+09 Schwarz criterion21.12167Log likelih
25、ood-248.6929 F-statistic163.8795Durbin-Watson stat0.545004 Prob(F-statistic)0.000000可以看到，无论是用 T、A 或是 T、G 对 GDP 回归的修正可决系数（分别为 0.931150 和 0.934052）都比 T 对 GDP 回归的（0.934216）小。所以，初步模型为GDP=1198.921 + 7.441128T + etSe (2425.064) (0.411099) t =(0.494388) (18.10058) p = (0.6259) (0.0000)R2=0.937077(调整可决系数为 0
26、.934216) DW=0.545004 F=327.6309n=24对其残差进行正态性检验得：可以认为其基本上服从正态性分布。再进行异方差检验：先为 ARCH 检验，滞后两期：ARCH Test:F-statistic1.851545 Probability0.184227Obs*R-squared3.588409 Probability0.166260Test Equation:Dependent Variable: RESID Method: Least SquaresSample(adjusted): 1980 2001Included observations: 22 after a
27、djusting endpointsVariableCoefficientStd. Errort-StatisticProb. C49223415287145091.7142350.1028RESID (-1)0.5458560.2860441.9082970.0716RESID (-2)-0.2026170.284854-0.7113020.4855R-squared0.163109 Mean dependent var66668186Adjusted R-squared0.075016 S.D. dependent var1.21E+08S.E. of regression1.17E+08
28、 Akaike info criterion40.11468Sum squared resid2.59E+17 Schwarz criterion40.26346Log likelihood-438.2615 F-statistic1.851545Durbin-Watson stat1.681442 Prob(F-statistic)0.184227从结果中可以看出，滞后变量的 t 值均不显著。再进行滞后三期的检验，结果为ARCH Test:F-statistic1.111473 Probability0.371893Obs*R-squared3.443561 Probability0.328
29、156Test Equation:Dependent Variable: RESID Method: Least SquaresSample(adjusted): 1981 2001Included observations: 21 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C55249890323640001.7071400.1060RESID (-1)0.5247780.3033811.7297670.1018RESID (-2)-0.1564490.342254-0.4571130.653
30、4RESID (-3)-0.0970980.302738-0.3207340.7523R-squared0.163979 Mean dependent var69801212Adjusted R-squared0.016446 S.D. dependent var1.23E+08S.E. of regression1.22E+08 Akaike info criterion40.25362Sum squared resid2.55E+17 Schwarz criterion40.45258Log likelihood-418.6630 F-statistic1.111473Durbin-Wat
31、son stat1.628480 Prob(F-statistic)0.371893仍然发现滞后变量的 t 值都不显著，所以该模型不存在因为样本误差随时间积累造成的异方差。再对模型进行怀特检验，得：White Heteroskedasticity Test:F-statistic4.113129 Probability0.031095Obs*R-squared6.755233 Probability0.034129Test Equation:Dependent Variable: RESID Method: Least SquaresSample: 1978 2001Included obse
32、rvations: 24VariableCoefficientStd. Errort-StatisticProb. C-5863654.42723707-0.1372460.8921T16669.1217926.360.9298660.3630T -0.1216681.260998-0.0964860.9240R-squared0.281468 Mean dependent var61255094Adjusted R-squared0.213036 S.D. dependent var1.17E+08S.E. of regression1.04E+08 Akaike info criterio
33、n39.87716Sum squared resid2.28E+17 Schwarz criterion40.02442Log likelihood-475.5260 F-statistic4.113129Durbin-Watson stat1.478312 Prob(F-statistic)0.031095同样可以看到，变量的 t 值均不显著，说明模型不存在因为缺损解释变量而造成异方差的问题。综合 ARCH 和怀特检验的结论，我们可以断定，该模型并不存在异方差。接着进行自相关检验。首先用 et 与 et-1 的散点图进行观测。图示如下：可以看到，et 与 et-1 存在明显的正自相关关系。再
34、看模型的回归结果，其回归结果表明，D-W 值为 0.545004。而在 0.05 的显著性水平下，有 n=24 ，k=1，查 D-W 表得 dl=1.273，du=1.446。因为 d=0.545004dl，断定模型可能存在正自相关。我们用 CORC 法对正自相关进行修正，可得到下面的结果：Dependent Variable: GDPMethod: Least SquaresSample(adjusted): 1979 2001Included observations: 23 after adjusting endpointsConvergence achieved after 7 ite
35、rationsVariableCoefficientStd. Errort-StatisticProb. C-22533.1718551.14-1.2146510.2386T0.0235491.4825880.0158840.9875AR(1)1.0757820.02913736.920900.0000R-squared0.991799 Mean dependent var34330.27Adjusted R-squared0.990979 S.D. dependent var31951.71S.E. of regression3034.765 Akaike info criterion18.
36、99476Sum squared resid1.84E+08 Schwarz criterion19.14287Log likelihood-215.4398 F-statistic1209.357Durbin-Watson stat0.413515 Prob(F-statistic)0.000000Inverted AR Roots 1.08Estimated AR process is nonstationary从结果中可以看出，由于我国的货币供给量、税收及政府购买支出随着时间发展呈现一种高速增长状态使得原模型的数据存在不稳定性，所以用 CORC 法反而使修正后的 D-W 值变得更小。因此
37、，无法用 CORC 法对该模型的自相关进行修正。于是，我们考虑转换模型的形式以求得到更好的模型。模型的修正转换为对数形式的拟合由于无法用 CORC 法对上述模型的自相关进行修正，我们变换模型的形式，采用对数形式对模型进行拟合。首先，用 LogA、LogG、LogT 分别对 LogGDP 回归，得到：Dependent Variable: LOGGDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C0.3105311.1369
38、140.2731350.7876LOGA0.3058120.3006341.0172240.3212LOGG0.2005440.1924881.0418520.3099LOGT0.6870250.2848962.4114900.0256R-squared0.969863 Mean dependent var9.858089Adjusted R-squared0.965343 S.D. dependent var1.131745S.E. of regression0.210691 Akaike info criterion-0.125833Sum squared resid0.887817 Sc
39、hwarz criterion0.070509Log likelihood5.509997 F-statistic214.5463Durbin-Watson stat0.345327 Prob(F-statistic)0.000000其回归结果为：LogGDP= 0.310531 + 0.305812 LogA - 0.200544LogG + 0.687025Log T+etSe (1.136914) (0.300634) (0.192488) (0.284896)t = (0.273135) (1.017224) (1.041852) (2.411490)p = (0.7876) (0.3212) (0.3099) (0.0256)R2=0.969863(调整可决系数为 0.965343) DW=0.345237F=214.5463n=24从回归结果中可以看出，LogA、LogG、LogT 的 t 值都比较小，R2较大，而 G 的系数为负不符合经济意义，估计该模型存在多重共线性。对 LogA、LogG、LogT 进行简单相关系数矩阵检验得到如下结果：LOGALOGGLOGTLOGA 1.000000 0.895540 0.984411LOGG 0.895540 1.000000 0.926769LOGT 0.984411 0.926769 1.000000
