计量经济学发展史中的经济周期研究（上）

内容提要：本文考察了自20世纪50年代以来计量经济学在经济周期研究方面近四十年的发展历程。文章指出，随着时序统计方法的引入和推广，传统的NBER经济周期分析方法与H-CC(Haavelmo-Cowles Commission)方法逐步融合，并成为经济周期研究的主要手段。鉴于计量模型在预测经济衰退时表现仍欠佳，文章对这种融合从方法论上做了批判性的评价。
    关键词：经济周期 NBER 预测
    作者简介：秦朵，英国伦敦大学亚非学院教授，E-mail：dq1@soas.ac.uk.
    一、引言
    经济周期研究在计量经济学历史上占据着显著的地位。很大程度上，现代宏观经济学和计量经济学正是起源于1930年代由大萧条引发的经济周期波动研究(参见Morgan，1990，Part I)。在过去的70年间，关于经济周期的计量经济研究学术发展卓著，但至2008年国际金融危机为止，宏观计量模型仍未能对经济周期作出成功的预警。当然，失败也成为推动研究继续发展的动力。本文着重考察经济周期研究的计量经济方法在20世纪60年代至90年代，特别是1973年石油危机引发的大衰退驱动下的发展历程，以反思我们应当从历史中汲取的教训。“二战”结束后，关于经济周期研究的综述性文献有很多，包括Gordon(1949)，Koopmans(1949)，Roose(1952)，Hickman(1972)，Zarnowitz(1985；1992)，Laidler(1992)，Jacobs(1998)，然而专门从计量经济学发展史角度进行梳理的文献还属空白。
    为了便利读者，以下的第二节先对早期有关经济周期的计量经济研究作一概述，然后简述70年代前的相关研究。第三节主要介绍在1973年石油危机引发的全球经济衰退后学界由宏观经济学的理性预期研究所引起的对经济周期的计量模型方法反思的主要研究思路。第四节介绍1980年代由时间序列计量经济学的崛起所带动的对传统NBER经济周期测度方法的逐步规范化(formalisation)过程。第五节集中介绍专为预测经济周期的宏观计量经济模型研究方面的发展问题。第六节是对自60年代以来近30年的发展历史的总结回顾。
    二、背景简述
    在“二战”之前，有关经济周期的计量经济研究大致分为两派。一派主要源于Slutsky-Frisch的脉冲传播宏观理论模型(参见Frisch，1933；Slutsky，1937；Bjerkholt，2007；Louca，2007)。模型的基本思路是，经济周期是可由数个宏观经济变量(如GDP)的动态过程表出的。而这些变量的动态过程又可由其他若干变量(根据适当经济理论所选取)和随机冲击变量的共同作用来解释。Tinbergen的宏观动态模型，特别是关于美国经济分析的模型(1939)，是对这类理论模型实际应用的首创。Tinbergen模型发表后所引起的有关计量经济方法的争论，为促成Haavelmo和Cowles Commission(CC)研究所对计量经济学理论体系的规范化扮演了极为重要的角色(参见Qin，1993)。就经济周期的计量经济研究而言，CC研究所的主要成员Koopmans(1949)曾基于Frisch(1937)的结构模型方法思路，对经济周期波动进行计量建模作了概述。Koopmans所述的方法论，将计量经济学者的主要职责定义在尽量获得由经济学家设定的脉冲传播理论模型中的结构方程参数的最优估计之上。理论模型参数一旦有了数据的最优拟合，模型就可用于对经济周期波动的解释和预测了。随着Haavelmo-CC的计量经济学规范化体系的步入主流，上述经济周期的计量经济模型方法也随之成为主流方法。
    有关经济周期计量研究的另一派被通称为NBER派。NBER是美国国家经济研究局的简称，该局在Mitchell的领导下，从1920年代早期开始经济周期波动研究项目，到1940年代中期，已经形成了建立经济周期经验年表的一个相当成熟的过程(参见Burns和Mitchell，1946)①。首先，Burns和Mitchell对经济周期波动下了定义，即经济周期波动是总体经济活动的循环，其基本特征是定期重复出现，但节点、持续时间以及振幅并非周期变化②。基于此定义，他们认为，经济周期波动是不能由少数宏观经济指标直接观测的。这一观点与上述主流派截然不同。因此，要研究经济周期波动，就首先必须建立测度周期的统计体系。NBER的统计体系也通称为经济周期年表。该年表主要由下述几种测度值构成：(1)宏观总周期(aggregate cycles)；(2)周期的转折点(turning points)，长度，波谷，波峰；(3)周期效应的范围(extent)。GDP或GNP是提取宏观总周期测度最常用的指标。除此之外，还有一种惯例是使用“参考周期”(基准周期，reference cycles)测度，该测度是对一组“特定周期”(specific cycles)的某种平均指标，而这些特定周期都来自于特定即微观经济活动或部门的时间序列，这些序列中滤出了季节特征和可能存在的不规则趋势。周期的刻画是通过对转折点、波谷和波峰的定期来完成的。由于分析中涉及大量微观经济序列，因此需要建立扩散指数(diffusion indices)作为周期扩展性(extensiveness)的指标。指数是基于时间序列中上升指标和下降指标的比例而定。为达到预测目的，还要分析特定周期指标的相位差来识别“前导和滞后”序列(同上，第4章)。
    Koopmans(1947)在对Burns和Mitchell(1946)作书评时批评NBER研究方法为“缺乏理论的测度”，这一论点受到了Vining的反击，他并不认同CC方法，认为该方法过于狭隘而无法寻求任何新的理论扩展和假设，这一争论也体现出CC和NBER在方法论上存在着显著差异。然而，随着CC方法成为计量经济学研究的主流方法，经济周期的计量经济研究在20世纪50年代至60年代大都采用联立方程组模型(SEM)形式，而且模型背后的宏观理论以比较静态经济理论居多。
    同期，NBER的经济周期波动研究也在持续。其研究项目中，有一项对今后的计量经济学研究影响深远。这就是在1950年代末期，Morgenstern在普林斯顿大学的计量经济学研究项目下，对经济周期波动如何通过金融市场向全球传播的考察。Morgenstern(1959)使用NBER步骤分析了大量法国、德国、英国和美国的金融时间序列，区间为金本位时代(1870-1914)以及两次世界大战之间(1925-1938)，数据频率大多为月度，Morgenstern特别关注跨境金融序列之间，以及各国家金融序列周期性波动与参考经济周期之间的协同变动关系(co-movement)(协方差)。他还用数据来检验了利率平价等理论，检验结果显示出数据和理论之间存在着相当大的差距。Morgenstern于是认为，就经济周期的国际传播问题而言，理论研究和计量经济学研究都需要在方法论上改进。理论应从“均衡”和“静态”的理念转向对市场参与者之间的博弈和策略的注重；计量经济学则需要引入“更为深入”的数据统计分析方法。
    这种“更为深入”的数据统计分析方法看来就是谱分析(spectral analysis)③。根据自己对经济周期的研究经验，Morgenstern(1961)认为，Wald(1936)将经济时间序列分解为趋势、循环、季节和随机波动四种要素的研究方法，要比Slutsky-Frisch的理论思路更有发展前景。为了加强这方面的计量研究，Morgenstern把Granger招入他的研究队伍。他们的最初合作是通过交叉谱分析对纽约周股票价格序列的考察(参见Granger和Morgenstern，1963)。该论文的主要结果是，股票价格序列中的“经济周期”因子不显著，表明股票价格对宏观经济周期波动的预警作用很弱，这对NBER传统方法得出的存在股票市场“特定周期”这一结论产生了质疑。然而，Granger的另一项利用交叉谱分析的应用研究结果要确证得多。这项研究对一系列NBER经济周期指标作了交叉谱分析，分析识别出的周期成分和使用NBER传统方法得到的大体相符，尽管平均的领先或滞后长度要显著长于由NBER方法得出的结果(参见Granger和Hatanaka，1964，Chapter 12)。
    有趣的是，上述利用时间序列方法的探索性工作被Wold(1967)批评为“缺乏理论的经验主义”。Wold的主要理由是，谱分析采用的非参数方法不适合计量经济结构建模的参数估计要求。就经济周期波动而言，显然很难将使用谱分析单一方法识别出的周期等同于经济学家所认定的经济周期。然而，Granger(1969)相继提出的因果检验概念，使得Wold批评失去了意义。建立在一个二元VAR模型反馈机制基础上的Granger因果检验，也采用了谱分析法。而Granger采用的模型则被证明是与Wold的因果链建模方法在本质上等价的(参见Sims，1972)。Granger因果检验在计量经济学界影响极大，它标志着经济周期的计量研究进入一个新的时代——将时间序列工具融入结构计量经济建模方法中去(参见Granger和Newbold，1977)。
    三、理论前导的时间序列改革
    如前所述，主流计量经济学把宏观计量经济结构模型作为分析经济周期的主要工具。因此，要考察特定宏观计量经济模型对分析经济周期的适用性，就需要注重考察模型的动态性。最早进行这方面研究工作的是Adelman和Adelman(1959)，他们利用动态模拟方法，对Klein所建的宏观计量经济模型之动态性能做了全面考察。1969年，NBER在哈佛大学主办了一次对宏观计量经济模型之动态性进行大规模考察的研讨会。被考察的模型包括Wharton模型和Brookings模型，参见Hickman(1972)④。大多数模型是在Slutsky-Frisch框架下建立的。有趣的是，从不同的模拟方法得出的结果中，引出了对经济周期来源问题的激烈争执。不少动态模拟的结果表明，对模型施加纯粹的随机冲击并不会生成被解释变量的周期波动。而这种周期波动要么来自对外生变量的某种假定扰动，要么来自对误差项的自相关性假定。这意味着结构模型本身不具有产生经济周期的性能。然而，由于被检验模拟的模型设定不可避免会存在失误，尤其是那些假定含有自回归误差项的模型，使得与会的经济学家们无法排除经济周期本来应是来源于结构模型内部的可能性，即正确设定的理论模型本身应是具有动态周期性的。
    的确，从1960年代中期开始，宏观经济的研究便日益走向对包含动态周期性的理论模型的研究。其中的一类以包含预期变量的模型备受学界的青睐。该方面的研究最早始于Friedman和Phelps，随后由Lucas等人对其进行了扩展。其扩展的要点是在短期工资与价格间的短期非均衡动态关系上加入预期变量，如此被扩展的模型便具有生成经济周期的性能。于是，预期行为便成了经济周期的产生之源。1970年代相继兴起的理性预期理论，大大促进了宏观计量经济建模从比较静态均衡转向动态建模的研究。从理性预期理论的倡导者的角度来看，宏观计量经济模型在预测1970年代早期由石油冲击导致的经济危机时的不佳表现，是缺乏充分动态的结构模型所致(参见Lucas和Sargent，1978)。相应地，关于经济周期波动的计量经济学研究在1970年代后期逐渐分化为两种技术流派——一种试图降低对先验结构模型的依赖，而另一种则主张尽量减少计量估计，更多依赖于对理论模型的模拟。
    第一种流派的最早起源是Sargent和Sims的一项合作的题为“经济周期建模不需要过多先验理论”的研究论文(1977)。日后计量经济学中的VAR(向量自回归)学派便是由这篇论文首出的⑤。Sargent和Sims(1977)主张通过适应“NBER型数量经济周期波动分析”来革新主流计量经济方法。他们首先通过对所关注问题建立“不可观测指标模型”，来检验NBER识别参考周期的方法。他们选择了14个1949-1971年样本期时间序列季度宏观指标，对它们做了消除趋势的处理⑥，然后使用因子分析方法从这14个变量中提取一个共因子，将其定义为这14个变量集的“参考周期”指标。Sargent和Sims随后考察了该指标对这14个变量动态共性的代表性，发现其代表性比预期的程度低得多。他们因此认为，NBER对经济周期波动所进行的“参考周期”测度方法存在不足。他们于是转向“可观测指标模型”方法，即对宏观变量进行建模的主流计量经济方法。这里，Sargent和Sims提议使用一般动态模型，即VAR，来代替传统使用的先验给定的结构模型。他们在文中建立了一个五变量VAR模型来模拟美国的经济周期⑦。为确定周期性变动的起源，他们采用Granger因果检验来识别交叉变量的顺序(先导和滞后)依存性；为计算随机冲击的影响大小，他们使用脉冲分析来模拟由结构化冲击引起的短期动态行为。这两种技术迅速成为VAR学派的支柱⑧。
    然而，VAR学派的创立引致了多种怀疑和批评，这些质疑主要是批评VAR模型缺乏坚实的理论依据。相对而言，更具有理论依据的一种学派是实际经济周期(RBC)建模方法，该方法最早由Kydland和Prescott(1982)提出。他们不同意货币学派将货币扰动作为经济周期波动的来源的观点，建立了一个经济周期来源于技术冲击的模型(即一个冲击因素为“实际”因素而非名义因素)。在Kydland和Prescott的模型中，经济周期的特征被假定体现在实际产出(GDP)的自相关性及其与其他宏观变量(如总消费和固定投资)之间的协方差上。从方法上来说，他们选择在一般均衡系统下建立模型，且依据“可计算的一般均衡”(CGE)建模方法来标定结构参数。不同于现有的CGE模型，RBC模型所关注的是经济周期的动态随机传播路径，这类模型为CGE方法扩充了一个新的分支——动态随机一般均衡(DSGE)模型⑨。在RBC模型方法中，模型参数全是标定的，而不是估计的，因此计量学方法用得极少。唯一用到计量学的地方是对单变量的简单时间序列特征的测度，例如Kydland-Prescott模型中实际产出的样本标准差，这些简单的统计量为调整模型模拟出的实际产出之动态特性提供了参考。
    从DSGE学派的角度来看，计量经济学的作用就是为单变量提供时间序列属性方面的信息，这些属性是他们调测RBC模型模拟结果的目标和依据。也就是说，他们建模的目标是使模型模拟出的变量具有类同的属性。例如，Long和Plosser(1983)假设了一个多部门的RBC模型，此模型设定在标准经济理论上，并加设了生产者及消费者的随机行为，以实现通过部门冲击而产生经济周期的目的。根据计量学时间序列分析得出，产出变量具有显著自相关的属性，而且还与各部门产出之间具有较强的协同性。这两种属性便成为他们调测模型模拟结果的目标。更具体地，他们的模型模拟目标是包括农业、制造业和服务业在内六个部门的产出，即使这些模拟的产出变量尽量接近于其实际数据的时间序列特性。King和Plosser(1984)扩展了这一模型，允许包含货币和银行系统，以说明货币、通货膨胀与实际经济行为之间显著的协同性。他们所参照的变量属性是从对总产出增长值与货币和名义变量增长率之间的动态及静态回归估计中得出来的⑩。
    从NBER的经济周期分析法的角度来看，DSGE方法继承了NBER法注重对微观部门对经济冲击作用分析的传统，并将这种部门分析进一步规范化。但是，DSGE方法采用参数校准法替代计量经济的估计法，从而摒弃了有关的模型检验准则。尽管Kydland和Prescott(1991)指责CC结构计量模型法对分析经济周期的无效，但是DSGE方法并没有完全否定计量经济学的作用。计量经济学至少在两方面是不可或缺的：一方面，现有计量经济研究中的参数估计结果，特别是在微观和部门方面模型的参数估计结果，这些结果是DSGE参数校准的基本参照信息。因此，其参数校准法本质上可以被看做一种估计法(参见Gregory和Smith，1990)。另一方面，使用计量经济法考察经济变量的时间序列特征，以此为标准来评价DSGE模型的现实拟合性。这一评价过程可以被规范化为一个统计检验的过程(参见Watson，1993)，这反过来也大大促进了时间序列计量法的普及程度。
    四、经济周期测度的时间序列规范化
    1980年代是在经济周期测度中引入时间序列计量法的年代。在这一时期，经济变量的非平稳特征尤其受到了学界的广泛关注，特别是这种非平稳特征与那些表现出显著趋势性的变量关系密切。此前被大家普遍接受的观点是，趋势和周期是经济时间序列中两个相互独立的组成部分。尽管Burns-Mitchell的传统法中并未明确要求在测定特定周期时需要滤出有关指标的时间趋势成分，但他们并未忽略在识别周期成分前滤出长期趋势的好处，只是因为人力资源的局限而未能实现(1946)。另外，正如Romer(1994)所指出的，Mitchell在他1927年以前的早期工作中为美国经济周期定期时，使用的经济活动指标实际是已经去除了趋势的指标。
    在NBER的研究历程中，首次对趋势滤波做明确要求和定义的是研究员Mintz(1969)。Mintz最初的研究项目是采用Burns-Mitchell法，为德国经济周期进行测定。由于所使用的时间序列指标含有高度趋势性，她的研究陷入了困境。这促使她引入趋势滤波法。具体地，她考察了两种方法，一种定义长期趋势为75个月(6-7年)时序指标的移动平均，并将经济周期设为围绕这一长期趋势上下摆动的曲线。她将这样设定的周期测度定义为“离差周期”(deviation cycles)。Mintz考察的另一种方法是直接采用(月度)增长率指标作为周期滤波的基础指标，并且定义这样取得的周期测度为“阶梯周期”(step cycles)。她发现，增长率数据指标呈现“高度锯齿状”，很难直接通过这种数据的峰和谷来“界定周期阶段”，因此从增长率指标提取阶梯周期十分困难，需要引入更多的复杂准则。于是，Mintz最终仅使用了离差周期作为选取德国经济周期测度的基础。此后，人们通常把基于未经趋势滤波的水平数据序列指标建立的周期测度称为“古典周期”(classical cycles)，而把基于已经趋势滤波的数据序列指标所获得的周期测度称为“增长周期”(growth cycles)(11)。
    Mintz的滤波研究再次表明经济周期测定方法与基础指标的趋势成分之分离法之间的密切相关关系。但在80年代之前，通用的趋势分离法始终停留在经验总结的层次上。Beveridge和Nelson(1981)是首先将趋势滤波与时序的非平稳性概念联系在一起的，从而将时间趋势规范地定义在统计学的基础之上。本质上，Beveridge-Nelson趋势滤波假定，所有用于测定经济周期的经济指标都是非平稳随机过程。由于非平稳(严格说法为“单整”)过程可以被分解为一个随机非平稳趋势和一个平稳过程两部分，Beveridge和Nelson主张将前者定义为所涉指标中的趋势成分，而采用对该趋势滤波后的平稳过程作为测定经济周期的基础指标。为了说服读者，他们将上述趋势滤波法与Friedman(1957)的经典分解法联系到一起(Friedman将收入分解为永久部分和瞬时部分的方法)。然而从方法论来看，Beveridge和Nelson的分解法是完全定义在统计学基础之上的，并不含任何经济学尺度。从技术上来讲，Beveridge-Nelson滤波法是定义在一个单变量I(1)(一阶单整)时序模型上的，即ARIMA(自回归单整移动平均)模型。
    
    尽管学界对于如何最佳地为非平稳变量进行趋势滤波的争论仍未休止，但这一讨论使得大多数建模者在研究经济周期主动避免直接使用那些可能含非平稳性的时序指标。这样做的结果是，许多建模者都直接采用增长率数据指标，作为一个确保变量平稳性的捷径。这种做法通用于VAR模型，并且广泛用于识别经济周期转折点的建模方法研究中(见下文)。于是，“增长周期”逐渐成为测定周期的主要概念，Mintz对于“离差周期”和“阶梯周期”的区别讨论已被遗忘。甚至，一些研究者还将“阶梯周期”和“离差周期”的概念混淆在一起，错误地认为前者是对后者从某种程度上的简化(13)。
    

（未完待续）