推动中国固定资产投资增长的实证分析

　　摘要：文章应用OLS分析法，实证分析研究了商品零售价格指数、货币供给量与固定资产投资的相关性，在此基础上对3者之间的作用机理进行协整分析和Granger因果检验，研究结果表明：商品零售价格指数、货币供给与固定资产投资之间体现出较强的相关性，而且存在长期的协整关系；商品零售价格指数是固定资产投资和货币供应量的Granger原因，但反向因果关系不成立；提高并维持商品物价和适度的增加货币供给是推动投资增长的战略选择。
　　关键词：货币供给；商品零售价格指数；固定资产投资；内在关联；实证检验
　　
　　—、引言
　　
　　投资、消费和外贸是拉动经济增长的三驾马车，其中增加固定资产投资是社会扩大内需的有效途径。根据经济增长理论，固定资产投资的增长，会拉动对原材料、生产设备、劳动力等的需求，从而拉动与投资活动相关行业的产出和消费需求的增长，进而推动经济的增长。面对全球金融危机和经济衰退的情况下，针对国民经济增长减缓趋势明显，下行压力进一步加大的形势，中国采取积极的财政政策和适度宽松的货币政策，出台了“保增长，增加投资，扩大内需，调整结构”等一系列措施，其中增加固定资产投资是首要的措施。本文从货币供应量和商品价格指数的角度对固定资产投资的影响进行分析，通过建立计量模型，利用协整理论，Granger因果检验等方法对中国固定资产投资与货币供给、商品零售物价指数之间的关系进行了实证分析，力求为中国新一轮固定资产投资进程提供实际参考。
　　
　　二、模型的建立与实证分析
　　
　　（一）分析方法与变量设置
　　模型检验货币供给商品零售价格指数对固定资产投资的作用和影响，把中国固定资产投资I作为被解释变量，把货币供给M2及商品零售价格指数PIS作为解释变量，样本取自1978-2007年的年度纵截面数据，数据来源为《新中国55年统计资料汇编》与《中国统计年鉴》。对于模型结构，出于分析的目的和妥协性，我们选取多元对数模型作为结构形式。对数模型的优点在于它反映了解释变量的变动与被解释变量变动的关系，所要估计的结构恰好是变量之间的弹性系数，而且它反映了被解释变量增长与解释变量的增长间的关系，适合长期的时间序列，同时为了消除可能存在的异方差性。计量模型结构如下：
　　LnI=β0+β1LnM2+β2LnPIS+ut
　　（二）回归结果分析
　　对于模型，用Eviews3.1软件对数据进行OLS分析得到回归结果如下：
　　Ln =-8.690098+1.627266LnP S+ 1.077918 LnM2{1}
　　（-4.469067）（4.155038）（41.563464）
　　Adjusted R2=0.992256F=960.9561DW=6.64807
　　从回归过程中，发现DW为0.64807，根据DW值判断区域，该模型的随机误差项明显存在一阶自相关，因此需要对模型进行修正。运用Cochrane-Orcutt迭代法，在软件回归命令中加入AR（1），很好地解决了自相关问题，再次回归结果如下：
　　LnI=-6.594653+1.181063LnM2+
　　0.905397LnPIS+0.851032AR（1）{2}
　　（-2.104310）（5.098227）（2.46395）（5.641275）
　　Adjusted R2=0.994209F=916.6674
　　DW=1.64
　　从计量结果看，模型的F值很大，说明模型在整体上线性关系是显著的，调整R2为0.994209说明这两个模型对数据的拟合程度很好，可以以99%的概率判定货币供应量和商品零售物价指数对固定资产投资增长产生显著影响，由于数据是时间序列数据，可以认定逆方差性基本不存在。
　　从解释能力来看，在5%的显著性水平上，解释变量LnM2和LnPIS的系数的t统计值是显著的。货币供应量与固定资产投资之间的关系显著为正，前者每增加1%，后者增加1.186063%，这说明货币供应量对固定资产投资有非常大的促进作用。商品零售物价指数与固定资产投资的关系显著为正，前者每增加1%，后者增加0.905397%，说明商品零售物价指数对固定资产投资有较大的作用。也可以认为货币供应量对固定资产投资的贡献大于商品零售物价对固定资产投资的贡献。
　　（三）平稳性和协整关系检验
　　现实中的宏观经济时间序列数据极少属于平稳序列，而平稳性在计量模型中具有重要地位，为了判断以上估计结果在长期过程中是否具有平稳性，我们对模型做平稳性和协整关系检验。本文利用单位根检验来分别确定LnI和LnM2、LnPIS的平稳性，具体采用的是ADF（Augmengted DickeyFuller Test）方法，其模型为：
　　 △Yt=μ+βt+δYt-1+ λj△Yt-j+μt{3}
　　 其中：ut为白噪声；Δ表示变量的一阶差分，最优滞后期用AIC准则确定，即选定的滞后期长度应使AIC最小，以保证残差非自相关。ADF检验过程如表1所示：
　　由ADF检验知，LnI是二阶单整，即LnI～I（2），而LnPIS和LnM2是二阶单整，即LnPIS～I（2），LnM2～I（2）。
　　协整检验的基本思路是：尽管两个或两个以上的变量序列为非平稳序列，但它们的某种线性组合呈现稳定性，则这两个变量之间便存在长期稳定关系即协整关系，这种关系可以看作是对经济学中所说的规律性的定量描述。本文采用Engel-Granger两步法做协整检验。
　　由LnI分别对LnM2和LnPIS做OLS估计，结果如下：
　　LnI=-8.807811+1.65647LnM2+
　　0.937253LnAR（1）{4}
　　（-1.605383）（4.254392）（29.76232）
　　Adjusted R2=0.993535F＝1230.352
　　DW＝1.636356
　　LnI=9.001038+1.647229LnPIS+AR（1）
　　{5}
　　（1.847120）（3.230052）（44.99409）
　　Adjusted R2=0.991472F＝931.0814
　　DW＝1.282355
　　对残差 1， 2做平稳性检验，检验结果如表2所示：
　　由表2可知，在5%显著性水平下， 1， 2是平稳的，因此，方程④、⑤中LnI和LnM2，LnPIS的关系存在协整关系，即它们之间存在长期的均衡关系。本文在协整关系的基础上，再做3者之间的因果关系检验。
　　（四）格兰杰因果关系检验（Granger Causality Test）
　　OLS估计只是将固定资产投资，货币供应量，零售商品物价指数之间的关系给以量上的描述，并未说明解释变量与被解释变量的因果关系，为了排除伪相关，本文采用Granger因果关系检验法。建立自回归模型逐一检验了各个解释变量与被解释变量之间的线性关系。其检验的数学模型是：Yt=a+ αiYt-i+ βjxt-j+ut。
　　检验零假设为：X是Y的非Granger原因，即H0：β1=β2=…=βq=0，检验统计量模型为：F= ～