宏观波动对经济增长的影响范文

一、相关文献述评

Gaggl和Steindl(2007)、Steindl和Tichy(2009)、Priesmeier和Sthler(2011)，以及卢二坡(2008)对宏观波动影响经济增长的文献进行了综述，曹永福(2007)则综述了美国经济“大缓和”及其成因的相关文献，以下结合其他学者的研究分别进行概述。

(一)国外有关宏观波动影响经济增长的理论研究通过将“技术创新”和“干中学”等内生经济增长因素纳入真实经济周期理论及其拓展模型，可从理论上解释经济增长与宏观波动的关系，但既有研究并无定论。主要包括:(1)标准封闭式经济增长模型认为，资本积累推动经济增长，但宏观波动对投资和经济增长的影响具有两面性:波动及不确定性一方面会加大家庭预防性储蓄和投资，且更高的风险规避度和跨期替代弹性予以强化(Jones等，2005a、2005b;Wang和Wen，2011);另一方面，不确定性也会导致经风险调整的预期回报率下降并减少投资(Kebs，2003)［10］。(2)考虑“创造性破坏”机制的模型认为，企业在衰退期会因机会成本更低而加大研发投资，且优胜劣汰提升生产率，宏观波动和经济增长正相关。该结论要求金融市场完备，但融资约束使企业在衰退期面临更大流动性风险，会削减投资，经济增长与波动可能负相关(Aghion等，2010)［11］。该理论认为创新投资有逆周期性也受到质疑(Barlevy，2007)［12］。(3)考虑“干中学”机制的模型强调人力资本和知识积累在生产率提升和经济增长中的作用，在衰退期，雇佣率下降，宏观波动和经济增长负相关(Martin和Rogers，1997)［13］。但考虑知识积累函数呈边际收益递增时，经济增长与波动可能正相关(Canton，2002)［14］。(4)其他更复杂的研究认为，理论模型选择、参数设定、冲击的不同类型等均影响经济增长与波动的相关性(如，Annicchiarico等，2011;Annicchiarico和Pelloni，2014)。

(二)国外有关宏观波动影响经济增长的实证研究少数宏观波动影响经济增长的实证研究利用行业或地区面板数据(如，Imbs，2007)，大量研究则基于跨国宏观面板数据和国别宏观时间序列数据进行，但同样没有一致性结论:(1)基于跨国面板数据的多数研究认为，宏观波动对应的不确定性导致资源错配，并阻碍经济增长(Ramey和Ramey，1995;Norrbin和PinarYigit，2005)。也有研究认为，宏观波动与经济增长表现为与“风险－收益”类似的正相关(Grier和Tullock，1989)［20］。(2)基于国别时间序列数据的实证研究一般采用各种GARCH-M模型进行，有研究认为，在美国、英国、日本等G7国家，宏观波动对经济增长具有正效应(Fountas和Karanasos，2007)［21］;但Bredin等(2009)、Bredin和Founta(2009)却发现，在部分亚洲和欧盟国家，宏观波动和经济增长负相关;还有研究认为，在美国、日本及其他OECD国家，产出波动和经济增长无显著相关性(Grier和Perry，2000;Wil-son，2006)［。(3)部分研究认为，宏观波动对经济增长的影响具有阶段性，非对称性和非线性特征:少数研究关注经济发展阶段对“宏观波动－经济增长”关系的影响，如Kose等(2006)认为贸易和金融一体化显著弱化了波动对经济增长的负效应［26］;Koren和Tenreyro(2007，2013)认为［27］－［28］，随着一国经济发展，经济结构将转向波动更小产业，且投入趋于多元化，运用熟练技能和技术的广度趋于深化，冲击引致的波动更低，经济增长与波动因此负相关。宏观波动对经济增长的影响还有非对称性，如:Neanidis等(2013)发现G7国家的宏观波动对经济增长的正效应主要存在于低增长状态，但Henry和Olekalns(2002)、Kim和Kim(2010)却发现美国宏观波动在繁荣和衰退期分别对经济增长有正、负效应［30］－［31］。研究宏观波动对经济增长的影响还需考虑二者的非线性特征，如:Fang和Miller(2008、2009)采用带结构突变点的GARCH-M模型［32］－［33］，证实了在日本和美国，经济增长与其波动无显著相关性。但这一结论并不稳健，如:采用类似方法，Fang和Miller(2014)发现宏观波动对经济增长的正效应在美国、日本等国家显著［34］728;Fang等(2008)选取美国、日本等6国为研究对象，却发现宏观波动对经济增长的显著影响仅在日本存在，且为负相关。

(三)中国宏观波动影响经济增长的相关研究利用各种GARCH-M模型和宏观数据的研究:基于月度数据，刘金全、张鹤(2003)证实了产出波动与经济增长正相关［36］32，Laurenceson和Rodgers(2010)也认为二者正相关或不相关，但不存在负相关。基于年度数据，刘金全等(2005)认为产出波动与经济增长正相关［38］5，徐伟(2013)、李永友(2006)则分别认为二者有显著或不显著的负相关性［39］54，［40］8;卢二坡、吕介民(2012)还证实了产出波动对经济增长的作用在衰退期为负、繁荣期为正。基于省际面板数据的研究:杜两省等(2011)认为产出波动与经济增长显著负相关［42］;卢二坡、王泽填(2007)证实了二者在改革开放前负相关，而后在多数省份表现为正相关。卢二坡、曾五一(2008)，陈昆亭等(2012)则分别将改革开放前后产出波动与经济增长相关性的差异归因于市场化进程加快，以及教育投入和人力资本积累增加。此外，邵军、徐康宁(2011)发现，经济向下波动反而促进技术进步，支持“创造性破坏”的观点。

(四)国内外宏观波动“大缓和”的相关研究美国及其他工业化国家的宏观经济波动于20世纪80年代后相继进入“大缓和”时期，究其成因，大致包括外部冲击减弱、信息技术与库存管理改善、经济结构转向波动更小的产业、货币政策的成功运用、金融创新与金融市场完善、技术进步与全要素生产率波动下降等多个方面(曹永福，2007)。此外，次贷危机尽管导致工业化国家宏观波动快速而短暂攀升，但仍于2010年初回落，“大缓和”仍将持续(Clark，2009;Charles等，2014)［47］－［48］。就中国而言，刘树成(2000)较早认为经济波动将从大起大落转向微波化［49］，并认为从21世纪开始，经济波动将表现为适度高位平滑化特征(刘树成等，2005)［50］。刘金全、刘志刚(2005)发现，产出波动于1997年前后表现为“凸型”特征，并伴随投资、政府支出和净出口波动降低［51］。张成思(2010)发现，经济增长、通胀、货币供给、有效汇率等宏观经济变量波动在20世纪90年代中期均发生显著结构性转变［52］。林建浩、王美今(2013)证实了“大缓和”在次贷危机前中断，且于2010年初重返“低波动、高增长”状态。大量研究还认为，结构性冲击减弱、货币政策更为完善、国际贸易发展，以及市场化进程等因素均有助于解释中国宏观波动“大缓和”(如:雎国余、蓝一，2005;殷剑锋，2010;万晓莉，2011;洪占卿、郭峰，2012;He等，2013;He，2014)。

(五)文献简评综上所述，融合真实经济周期理论、内生经济增长理论的研究尽管认同宏观波动对经济增长的影响，但其相互关系受到诸多因素制约，理论研究并无定论。由此，从客观数据出发，探究宏观波动影响经济增长的经验证据尤为重要。然而，实证研究同样无法给出一致性答案，特别的，与本文研究对应，既有基于国别宏观数据的研究在以下方面有待完善:(1)国内研究在经济增长指标和数据频率的选取方面并不恰当。Statsny和Zagler(2007)指出［59］2，利用时间序列数据考察宏观波动对经济增长影响时，广为采用的GARCH-M模型需注意:其一，与其在金融市场运用一致，应采用高频数据“捕捉”波动集聚性;其二，样本区间应足够长，以避免待估参数较多导致的结论不稳健。从国内研究来看，少数学者采用年度和季度GDP数据度量经济增长，数据频率相对较低，样本区间也相对较短;还有研究将季度GDP增长率分解为月度数据，尽管满足“高频”需求，但并没有增加有效信息量。(2)Statsny和Zagler(2007)认为［59］3，宏观波动对经济增长的影响应考虑序列结构突变，但国内研究并未加以关注，由此导致波动平稳性和持续性的误判。如:刘金全、张鹤(2003)选取GARCH(1，1)模型描述经济增长条件方差［36］34，α1和α2分别为0．8150和0．4489，波动持续性参数(α1+α2)＞1;刘金全等(2005)采用ARMA(1，2)-ARCH(1)-M模型描述经济增长与宏观波动关系［38］7，α1=1．6380＞1，条件波动均不平稳。又如:李永友(2006)用GARCH(1，1)模型刻画经济增长波动［40］12，(α1+α2)高达0．99和0．97(分别以GDP和人均GDP度量经济增长)，选用TGARCH(1，1)模型时(α1+α2)则为0．92和0．95;徐伟(2013)选取ARMA(1，2)-GARCH(1，1)和ARMA(1，2)-GARCH(1，1)-M模型刻画宏观波动与经济增长关系［39］56，(α1+α2)的估计值也分别高达0．99和0．95，即宏观波动均表现为高持续性。(3)既有国内外研究均未关注到“宏观波动－经济增长”关系的阶段性特征，以及次贷危机对此的影响，因而无助于后危机时代重新审视宏观波动对经济增长的作用机制。少数国内外研究关注到经济发展阶段、高低增长状态，以及改革开放、全球化、市场化进程等对“宏观波动－经济增长”关系的影响，但均未界定经济周期并分阶段予以考察。Fang和Miller等学者在结构突变点分析基础上考察了宏观波动对经济增长的影响，但结论并不稳健甚至前后矛盾，可能的原因是:尽管区分了经济增长与宏观波动各自的阶段性特征，但并未考虑到二者关系也会呈现出阶段性差异，即二者不存在全样本区间内、一致性的正相关或负相关。(4)如何结合高频数据判定经济增长及其波动的结构突变与阶段性特征，国内学者也未予以关注。既有国内外研究均认同宏观波动“大缓和”的存在，且次贷危机仅造成短暂冲击而未改变波动平稳化趋势。就检验数据来看，相关研究多基于季度GDP增长率进行，但国内数据样本量相对偏少，选取月度增长率指标不但能极大拓展样本容量，且能对比检验既有研究结论的稳健性，也能为考察“宏观波动－经济增长”阶段性关系提供有力支撑。针对既有研究的不足，本文选取1993年以来规模以上工业增加值的月度同比增长率高频数据，结合结构突变分析考察经济增长、宏观波动，以及二者关系的阶段性特征。论文创新性如下:(1)内生结构突变点判别发现，经济增长及其波动分别有2个和3个突变点，经济增长呈现“降－升－降”的分段趋势，宏观波动可分为“高－低－高－低”4个时段，这一结论和既有基于季度数据的研究有别，且与直观图示和经济趋势更为相符。(2)在AR(p)-GARCH(1，1)模型中纳入上述均值和条件波动突变哑变量，可“捕捉”经济增长序列的高自相关、非正态性，与国内研究不同，宏观波动的高持续性不复存在。(3)与国内外研究不同，含均值、条件波动双突变的AR(p)-GARCH(1，1)-M模型检验表明，宏观波动对经济增长存在阶段性影响，在经济增长趋缓时二者正相关、经济增长向好时负相关，具体为:宏观波动整体上对经济增长有不显著的负效应;结合经济增长的分段趋势，宏观波动在经济增长的第一、二阶段分别对其具有显著的正效应和负效应，在第三阶段有不显著的正效应;考虑次贷危机影响后，宏观波动在经济增长的第三阶段对其有较显著的正效应。

二、数据来源与研究设计

本文将基于中国经济增长的时间序列数据，采用含结构突变的AR(p)-GARCH(1，1)-M模型研究宏观波动对经济增长的阶段性影响，数据来源与研究设计如下:

(一)数据来源与预处理既有研究认为，改革开放和市场化进程是影响中国宏观波动“大缓和”及其与经济增长关系的重要因素，鉴于1992年底党的十四大明确提出了“经济体制改革的目标是建立社会主义市场经济体制”，由此选取1993年1月至2014年12月为实证样本区间。同时考虑到滞后项影响，在数据预处理时还纳入了1992年7月－12月数据，所用数据源于Wind咨询。选取规模以上工业增加值的月度同比增长率(IPt)作为经济增长变量，原因如下:有部分研究采用了这一做法;满足高频数据要求;有相对较长的样本区间;符合样本区间内我国处于工业化阶段的事实;通过图示发现样本区间内该指标与GDP增长率表现为相同趋势。数据预处理:(1)因春节影响，工业增加值增长率序列{IPt}的部分1、2月数据值缺失，在此采用三次样条函数插值予以补全。(2)由于异常点会影响研究结论稳健性，借鉴Fang和Miller(2014)的方法［34］733，对{IPt}序列，利用|IPt－mean|＞k．SD来识别异常值(其中mean和SD分别为均值和标准差)，一般取k=3，这也符合一般的3σ原则，能基本保证识别出的异常值数量适度。(3)异常点的修正:估计AR(p)-GARCH(1，1)模型，其滞后项阶数p由“t-sig”准则确定(选择最大滞后期为6，显著性水平为5%，从最大滞后阶数开始检验，直到满足显著性水平终止，以确定对应滞后项阶数)，再用模型所得预测值替代异常值。后继研究均基于经异常值修正后的{IPt}序列进行，且主要采用SAS9．1软件进行数据处理。

(二)研究设计1．经济增长及其波动序列的结构突变点判别选取Bai和Perron(1998，2003，2000)等提出的方法［60］49－52，［62］，并借鉴其提供的GAUSS程序检验经济增长变量及其波动的内生结构突变点。该方法由Bai和Perron(1998)提出［60］49－52，通过全局最小化残差平方和得到可能的多个突变点，然后据以下统计量加以检验:F统计量的上确界检验(SupF)、双极大值检验(UDmax和WDmax)、序贯检验(SupF(l+1|l))等。Bai和Perron(1998，2003)还考察了这一方法的实际运用问题［60］56－65，［61］，并认为:当样本容量不大时，截断参数(trimmingparameter)选取较小会导致规模扭曲(sizedistortion);序贯统计量SupF(l+1|l)的检验势最高，但存在多个突变点时，对SupF(1|0)的检验往往难以拒绝原假设。因此，在实际应用时，可考虑如下策略:先用UDmax或WDmax检验是否至少存在1个突变点，若是，再用SupF(l+1|l)依次检验是否存在2个以上突变点。

三、实证检验

(一)经济增长变量的描述性统计与平稳性分析数据预处理:首先对{IPt}序列进行插值，1992年7月至2014年12月共涉及27个样本;然后结合3σ原则和AR(p)-GARCH(1，1)模型，判别并修正了5个异常值点。表1列示了经上述修正后的{IPt}序列的初步考察结果(1993年1月～2014年12月)。据表1数据，对{IPt}序列而言:JB统计量表明，1%显著性水平下拒绝正态性假设;无论是检验自相关的广义DW统计量，还是检验异方差的LM和LBQ2统计量，均表明序列具有非常强而显著的自相关和ARCH效应;采用ADF检验平稳性，基于AIC准则判别滞后阶数(最大滞后阶数设定为6)，发现序列基本满足平稳性条件。以上分析表明，{IPt}序列存在明显的自相关、异方差和非正态特征，且满足平稳性要求。可考虑纳入序列的结构突变点，运用AR-GARCH类模型进行后继研究。

(二)经济增长变量及其波动的结构突变点检验主要依据序贯检验判别{IPt}序列突变点个数与位置:鉴于样本观测数为264，且检验式中含有自回归项，选取截断参数为0．15并设置最大突变点数为5。判别{IPt}波动序列的突变点时，鉴于检验式中无自回归项，选取截断参数为0．2，最大突变点数为3。按照t-sig准则，可判别{IPt}序列的最大自相关滞后阶数为3(见表1);据此结合前述Step2方法检验序列的内生结构突变点，结果如表2所示。由表2可见:5%的显著性水平下，纯结构突变模型、部分结构突变模型均可检测出{IPt}序列存在2个突变点。这两种模型检测到的第一个突变点较为一致，但第二个突变点存在较大差异。由于纯结构突变模型的设置更为灵活，以其所得突变点为准，进行后继研究。对纯结构突变模型而言，所得2个突变点将样本区间划分为3个时期，即:1993年初至1998年中，经济在过热之后趋于下行(软着陆);1998年7月至2009年中，经济增长在筑底反弹之后趋于上升，且因次贷危机冲击而出现短暂的深度下调与快速的回升;2009年7月至2014年底，经济增长在后危机时代回落并进入“新常态”。据前述Step3的方法得到{IPt}序列的条件波动，并依据Step4的方法对其进行结构突变点判别，5%的显著性水平下，得到3个突变点，如表3所示。据表3，尽管SupF(3|2)未通过检验，但按照信息准则，BIC和LWZ检验均判别为3个突变点，对应统计量值分别为1．10和1．25，均通过5%显著性检验，且序贯检验总体上判断{IPt}序列的条件波动有3个突变点，分别为1997年底4月、2006年4月和2010年8月。这3个突变点将条件波动分为4个时段，期间条件方差均值分别为4．87、1．12、2．90和0．81。结合突变点位置，由图1可知:伴随市场化改革进程，经济增长呈现三阶段特征。此外，宏观波动也呈现阶段性“大缓和”特征:从1993年初到1997年中期，伴随经济过热及其治理，宏观波动处于高位;随后经济软着陆，宏观波动处于较低水平;受经济过热及次贷危机影响，宏观波动于2006年中之后再次攀升至高位，并于2010下半年开始重新回归平稳化。由此可见，经济过热、外在冲击等因素增加不确定性，宏观波动趋高，反之则趋于缓和。从宏观波动“高”或“低”的4个时段来看:第一、三阶段，即波动维持高位的时间不到4．5年;对波动平稳化时期，第二阶段为9年，第四阶段截止2014年底将近4．5年且预期仍可持续。

(三)宏观经济波动对经济增长的阶段性影响检验首先检验考虑{IPt}序列及其条件波动结构突变的AR(p)-GARCH(1，1)模型，并结合残差分析表明其有效性;在此基础上估计均值、波动双突变的AR(p)-GARCH(1，1)-M模型，验证宏观波动与经济增长的关系具有阶段性特征;最后基于次贷危机视角，再次考察宏观波动与经济增长的关系，以证明次贷危机前后“宏观波动－经济增长”关系发生了改变。1．宏观波动与经济增长的阶段性特征:含结构突点的AR(p)-GARCH(1，1)模型估计结合前述检验所得{IPt}序列及其条件波动的结构突变点，估计含均值、条件波动双突变哑变量的AR(p)-GARCH(1，1)模型。同时选取2组AR(p)-GARCH(1，1)模型进行对照:未考虑均值或条件波动结构突变的一般形式的AR(p)-GARCH(1，1)模型，以及仅考虑均值结构突变的AR(p)-GARCH(1，1)模型。所得结果如表4所示，其中Model3为主要的检验模型，Model1和Model2为对照模型，Model4在Model3基础上剔除了部分不显著变量。由表4中的参数估计结果，可得如下结论:(1)由Model2～Model4可知，与{IPt}序列结构突变点对应的趋势参数b、b1和b2均很显著，且分别为“负－正－负”，很好刻画了经济增长“降－升－降”的三阶段特征。(2)由Model3～Model4可知，刻画条件波动结构突变的参数λ1、λ2和λ3较显著，特别是在Model4中，λ2和λ3在10%水平下显著。λ1～λ3的符号分别为“负－正－负”，也与{IPt}序列条件波动的四阶段特征对应，即:条件波动分别在第一个突变点之后下降;在第二个突变点之后上升;在第三个突变点之后重新趋于下降。此外，b2和λ3的符号表明，后危机时代经济增长与宏观波动“双降”，二者可能因此正相关。(3)JB统计量表明，Model1即一般AR(p)-GARCH(1，1)模型不能保证残差的正态性，Model2～Model4表明，在均值方程或同时在波动方程中纳入结构突变哑变量，可保证残差正态性。(4)对比Model1～Model4，考察纳入条件波动突变哑变量的必要性:对GARCH(1，1)的波动方程σ2t=α0+α1ε2t－1+α2σ2t－1而言，参数(α1+α2)→1表明波动持续性高，一般选用IGARCH模型。但也有研究表明，持续性参数(α1+α2)很多时候被高估。特别的，忽略时间序列及其波动的结构突变，也将导致其波动的高持续性，由此误用IGARCH模型是不可取的(Mikosch和Stric，2004;Hillebrand，2005;Krmer和Azamo，2007)。由表4数据可知，Model1和Model2的持续性参数分别为0．99和0．98，说明在一般的AR(p)-GARCH(1，1)模型中，即便在均值方程中考虑结构突变，也无法改变波动高持续性现象(IGARCH效应)。一旦在波动方程中纳入结构突变参数，Model3和Model4的持续性参数下降为0．65和0．68，说明条件波动的结构突变是导致其高持续性的主因。2．宏观波动对经济增长的阶段性影响:含结构突变点的AR(p)-GARCH(1，1)-M模型估计接下来考虑{IPt}序列及其条件波动双突变，估计以下AR(p)-GARCH(1，1)-M模型，以检验宏观波动对经济增长的影响。表5的部分结果与表4类似:经济增长及其条件波动的阶段性特征明显，考虑均值与波动双突变可消除波动高持续性。此外，λ1～λ3的系数之绝对值有所提升，显著性均有所加强。令人遗憾的是，对于我们所关注的系数δ而言，尽管在4个模型中均为负值(在Model5中绝对值很小)，但在10%的水平下无一显著。说明即便考虑均值和条件波动双突变(Model7和Model8)，也无法检测到宏观波动对经济增长的显著影响。结合图1中{IPt}序列及其条件波动的阶段性趋势，导致表5中系数δ不显著的一个可能原因是:宏观波动对经济增长的影响可能具有阶段性特征。相对于表5中的Model8，表6中的参数估计效果有明显改进:一方面，δ、δ1和δ2的符号分别为“正－负－正”，且δ和δ1非常显著，说明宏观波动对经济增长在第一、二阶段有显著的正效应和负效应;在第三阶段即2009年7月以后，宏观波动与经济增长正相关但不显著。另一方面，其他均值方程的变量系数仍在5%水平下显著，b、b1和b2的符号同样符合预期;值得注意的是，与Model4、Model8相比，波动方程参数的系数也全部显著;此外，持续性参数λ1～λ3的估计效果良好且符合预期，表征拟合效果的R2也略有改善。3．宏观波动与经济增长关系的再检验:考虑次贷危机的影响结合图1可知，源于次贷危机的影响，从2008年6月开始，我国经济增长急转直下，与此同时，财政与货币政策也迅速转向，并于2008年底相继推出四万亿计划等宏观举措，经济增长也从2009年底开始逐步回归正常轨道。为考虑上述次贷危机对宏观波动及经济增长的影响，当t在2008年6月至2009年12月之间时，定义哑变量Crisis=1(否则为0)。由表7中数据可见:在考虑均值、条件波动双突变的AR(p)-GARCH(1，1)模型(Model9)中加入Crisis哑变量后，发现次贷危机导致经济增长显著下降(φ)，均值方程中的其他参数仍显著，且b、b1和b2的符号符合预期;就波动方程而言，次贷危机对宏观波动有微弱且很不显著的正效应(φ)，但除GARCH参数外，其他变量系数(包括λ1～λ3)均不显著，这一结果与表4中的Model4存在很大差别。Crisis哑变量对含双突变点的AR(p)-GARCH(1，1)-M模型(Model11)的影响:波动方程、均值方程的检验结果与Model9基本一致，但参数φ的显著性趋于下降，条件波动对经济增长的影响(δ)仍表现为不显著的负相关(与表5中的Model8)一致。Model9和Model11中，Crisis哑变量的加入导致波动方程参数估计效果显著变差，可能的原因是Crisis哑变量与VDk(k=1～3)不相容，为此在波动方程中仅保留Crisis哑变量，并重新估计Model9与Model11，所得结果见表7的Model10和Model12。结果发现:相对Model9而言，Model10中对应参数估计的显著性有明显上升，特别的，α0～α2的显著性大为上升，参数的估计值也由0．08上升到0．51，但仍不显著(P值由0．90下降到0．26)。Model12相对Model11的比较也存在类似规律，且δ仍为不显著的负值。进一步结合表6的检验模型，基于Model12，考察宏观波动对经济增长的阶段性影响是否会因Crisis哑变量的加入而有所不同，由此估计如下AR(p)-GARCH(1，1)-M模型。由表8中数据可知:与表6类似，在考虑“宏观波动－经济增长”阶段性关系之后，主要参数的估计效果大为改善。φ和的估计值及显著性表明，次贷危机直接导致经济下滑(期间工业增加值月度同比增长率平均约降低1．58%)，也在一定程度上助涨了宏观波动上升。与表6相比:δ、δ1和δ2符号并未改变，δ和δ1仍显著;特别的，δ2的数值与显著性大幅改善(估计值由0．15升至7．93，P值由0．76降为0．12)，表明后危机时代宏观波动对经济增长有一定的正效应。此外，其他波动方程变量、绝大部分均值方程变量的系数仍显著。

四、结论与政策含义

本文以1993－2014年间工业增加值月度增长率作为经济增长变量，实证检验了市场化改革以来中国宏观波动影响经济增长的阶段性特征，以及次贷危机的冲击效应，主要结论如下:(1)经济增长与宏观波动具有明显且不同步的阶段性特征。运用内生结构突变点判别方法，验证了经济增长序列有2个结构突变点(1998年7月和2009年7月)，由此划分的3个时段分别表现为“降－升－降”的阶段性趋势;在此基础上也验证了宏观波动具有3个突变点(1997年4月、2006年4月和2010年8月)，对应于波动的“高－低－高－低”4个时段。特别的，宏观波动于第1个突变点之后趋于“大缓和”，但因经济过热和次贷危机引致不确定性增加，于第2个突变点之后再次上升，并于第3个突变点之后重返平稳化阶段。从宏观波动首次步入平稳化、次贷危机短暂冲击并回复平稳的时点来看，与既有研究有别。(2)纳入上述两类结构突变点影响的AR(p)-GARCH(1，1)及其拓展模型可有效刻画经济增长与宏观波动的阶段性特征，同时也很好避免了均值残差的高自相关性、非正态性。与既有研究不同，模型还能确保条件波动的平稳并克服了条件波动高持续性的误判。(3)与既有研究不同，宏观波动对经济增长的影响同样具有阶段性特征。考虑均值、条件波动序列同时发生结构突变，采用改进的AR(p)-GARCH(1，1)-M模型，验证了宏观波动对经济增长仅具有不显著的负效应;考察宏观波动在经济增长不同阶段对其有何影响，结果发现，二者在第一、二、三阶段分别为显著正相关、显著负相关和不显著正相关。(4)有别于既有国内外研究，通过在传统AR(p)-GARCH(1，1)-M模型的均值方程和波动方程中分别引入次贷危机哑变量，并考虑经济增长的突变与阶段性特征，结果发现:次贷危机对经济增长有显著负效应，并在一定程度上加大了宏观波动;与此同时，考虑次贷危机的影响之后，后危机时代宏观波动与经济增长的正相关性和显著性也大为提升。鉴于后危机时代中国宏观波动“大缓和”的趋势仍将继续，且宏观波动对经济增长具有一定的正效应，因此，为维持“新常态”形势下一定水平的经济增长速度，“稳增长”的政策取向不能一味以平抑宏观波动为出发点。相反，以创新驱动、转型发展，加大市场化资源配置力度等为目标，对应的结构调整和经济体制改革引致的良性波动更应得到鼓励和提倡。未来的研究方向主要包括:首先，宏观波动在经济下滑和上升时期对经济增长分别具有正效应和负效应，其内在机理如何?特别的，经济结构、技术进步与创新、宏观财政与货币政策等因素对此有何影响?相关研究对后危机时代深化经济结构转型和宏观政策调控具有重要意义。其次，宏观波动与经济增长的阶段性特征是否表现为全球性趋势，能否调和既有研究结论的不一致?最后，所有结论均基于样本内数据所得，能否基于样本外预测进行检验，以便提前识别经济增长及其波动的结构性变化，并制定相应的政策，也需进行探索。

作者：黄波 孙力军 单位：上海立信会计学院 金融学院