菲利普斯曲线在中国是否成立的实证分析.docx

菲利普斯曲线在中国是否成立的实证分析[摘要]本文是笔者对中国1982年到2012年失业率与通货膨胀的数据进行简单计量经济学实证分析，独立判断“菲利普斯曲线在中国是否成立”，并提出自己的一些质疑，笔者的结论也是仁者见仁，智者见智。[关键词]菲利普斯曲线；失业率；通货膨胀；计量经济学；实证分析[中图分类号]F224[文献标识码]A[文章编号]1005-6432（2014）47-0069-021菲利普斯曲线模型本文讨论的菲利普斯曲线模型，是由萨缪尔森和索洛两位经济学家，将原来表示失业率与货币工资率之间交替关系的菲利普斯曲线发展成为用来表示失业率与通货膨胀率之间交替关系的曲线。这就是我们今天常见的菲利普斯曲线。用函数表达为：π=πe-b（U-Ue）+V。π为通货膨胀率，πe为根据上一期的通货膨胀率人们预期的通货膨胀率，b为失业率影响通货膨胀率的系数，Ue为自然失业率，V为其他非方程内内生变量随机因素对通货膨胀影响的总和。2对菲利普斯曲线是否在中国成立的计量经济学实证分析2.1菲利普斯曲线计量经济学模型的设定根据阐述的菲利普斯理论及其函数，笔者将菲利普斯曲线建立成如下计量经济学模型：将原有的π=πe-b（U-Ue）+V，变化成为Y=β0+β1Y（-1）+β2X+e。其中Y是本期通货膨胀率；β0是方程的常数项，β1为Y（-1）的系数，代表上期通货膨胀率对本期通胀率影响的程度；Y（-1）是上期的通货膨胀率；β2为X的系数，代表本期失业率对本期通货膨胀率影响的程度；X为本期失业率倒数；e代表随机扰动项，代表原有方程的V项。2.2检验数据搜集根据菲利普斯曲线的理论，截取国家统计局网站1981―2012年中国居民CPI指数的历史数据以及《中国统计年鉴》1981―2012年的中国城镇人口失业率统计数据。利用CPI将通货膨胀率计算出来；并根据菲利普斯曲线的图像以及描述，将失业率变形为失业率倒数形式，将1981―2012年居民消费价格指数、通货膨胀率、城镇登记失业人数、城镇登记失业率、失业率倒数整合在一张表上，便于分析。2.3模型回归首先，根据菲利普斯曲线的图像以及描述，利用计量经济学统计软件Eviews，按照计量经济学模型设定，进行模型检验和修正。经过平稳性检测、协整检验、White检验、多重共线性检验（因为采用的是局部调整模型，模型本身就满足随机扰动项无自相关的条件，因此自相关检验的意义不是很大，所以就舍去自相关检验）后，进行模型的修正，得到以下检验结果。DX为本期失业率，Y（-1）是上期的通货膨胀率，DET是残差序列，C是常数项。2.4检验结论2.4.1回归方程经济意义检验结论通过修正多次后的回归结果，发现调整后的失业率DX与本期通货膨胀率Y成负相关，与已知结论、实际观测以及菲利普斯曲线描述的失业率与本期通货膨胀率关系大体相符，前一期的通货膨胀率Y（-1）与本期通货膨胀率Y成正相关，与已知结论、实际观测以及菲利普斯曲线描述的上一期通货膨胀率与本期通货膨胀率关系大体相符，但具体系数上与实际的差别，不好判断。总的来说，回归方程的经济意义是符合已知结论、实际观测以及菲利普斯曲线描述的。可以说，单从回归结果经济意义上来说，已经证明了菲利普斯曲线在中国成立。2.4.2回归方程统计与计量经济学检验结论通过不断修正数据、变量与回归方程误差，虽然每一次修正后的回归方程可决系数R与调整的可决系数AR不断上升，在众多计量经济学回归方程中，本文修正最好的回归方程可决系数R与调整的可决系数AR算比较偏低的水平，但鉴于研究数据为宏观经济数据，这种水平的可决系数与调整的可决系数、回归方程的拟合度是可以接受的。但最后的回归方程致命弱点在于，首先，同为解释变量的DET与Y（-1）相关系数达到19.60381，存在严重的多重共线性，而且无法用逐步回归法消除严重的多重共线性并提升拟合度水平。另外，就算是本文修正最好的回归方程，修正后的解释变量DX（修正后的失业率），P值=0.7912>0.05显著性水平，而且在计量经济学与统计学上是远远大于0.05显著性水平，是不能被接受的回归方程，除非剔除掉DX变量。尝试用剔除DX、DET变量，原来的X变量来做回归，但这不仅违背了平稳检验，做出来的是伪回归，而且降低了修正后回归方程的可决系数。所以从统计与计量经济学上来看回归结果，菲利普斯曲线在中国，只是经济意义上成立，但它很难被统计与计量经济学证明成立的。从统计与计量经济学角度来分析中国宏观经济情况，认为菲利普斯曲线在1982―2012年的30年间在中国都很难适用。我本人也比较支持这一观点，但不完全否定菲利普斯曲线在中国的存在。3结论总的来说，菲利普斯曲线在中国是很难成立，比如90年代我国就出现低通胀、低失业率的双低现象，这是不符合菲利普斯曲线所描述的客观事实。但不做绝对否定性结论，菲利普斯曲线