中国经济周期的波动特征：典型事实与国际比较

蔡群起 龚 敏

(厦门大学 宏观经济研究中心，福建 厦门 361005)

中国经济周期的波动特征：典型事实与国际比较

蔡群起 龚 敏

(厦门大学 宏观经济研究中心，福建 厦门 361005)

基于全新的中国季度宏观数据集，利用时域相关分析和频域互谱分析方法对1992年以来中国经济波动的典型事实进行全面归纳，之后运用G7国家的数据横向比较中国经济波动特征与主要发达经济体的异同，并深入分析其差异的成因，最后提出理解中国经济波动的模型框架以及对近年来中国经济增速下行成因的启示。研究发现：中国经济周期波动的粘持性与发达经济体相似，但波动性显著偏高，而各变量同GDP波动的相关性则显著偏低；相对于G7国家，中国的投资、资本、劳动、政府消费、净出口及货币等变量的波动别具一格；可贸易和不可贸易部门框架可以较好地解释近年来中国经济增速的持续下行。

中国经济周期；经济波动典型事实；可贸易和不可贸易部门

一、引言和文献综述

经济周期理论的发展，离不开经济周期实证研究新成果的持续涌现。经济周期波动特征的经验研究，是理解中国宏观经济波动机制和判断西方理论是否适用于中国的关键。近年来，中国经济增速持续下行，生产者价格指数多年负增长，由此引发学界关于其成因的广泛讨论。究竟是潜在增速下降所致，还是经济周期使然，似乎都能找到相关证据(白重恩 等,2014; 中国经济增长前沿课题组,2014)。从根本上说，回答该问题需要我们对中国经济波动机制有足够深入的理解。那么，作为超大转型新兴经济体，中国的经济周期波动有何特征？相比于美国、日本和德国等西方发达经济体，中国经济周期的典型事实又有何异同？这是很有意义且关乎西方理论是否适用于中国实际的重大问题。本文拟用1992年以来的季度数据，通过中国与G7国家经济周期波动特征的横向比较来回答上述问题。

在经济周期波动特征的研究方面，Kydland et al.(1982)开创性地分析了美国经济各宏观经济变量的波动性、粘持性以及与产出波动的协动性，并以此为标准提出了实际经济周期理论。此后，几乎所有的实证研究和理论分析都以这些典型事实为标杆(Kydland et al.,1990；Backus et al.,1992；Fiorito et al.,1994)。Stock et al.(1999)在权威的宏观经济学手册第一卷中对这方面的实证研究做了系统的总结。与发达经济体的典型事实不同的是，许多学者发现新兴经济体的产出波动性更大，消费波动也要高于产出波动，且净出口的逆周期性更为显著(Agénor et al.,2000；Neumeyer et al.,2005；Aguiar et al.,2007；García-Cicco et al.,2010；Male,2011)。然而, Kim et al.(1997)发现，韩国的净出口却反常地表现为顺周期特征。此外，在关于东亚经济体的研究中，Kim et al.(2003)将韩国、马来西亚、印尼、台湾、泰国、新加坡和菲律宾等7个经济体与G7国家进行了比较分析。

中国经济周期的典型事实方面，相关文献较少且大都采用年度数据(陈昆亭 等,2004；杜婷,2007；梁琦 等,2007；黄赜琳 等,2009；连平 等,2011)。采用年度数据存在的问题：一是年度数据样本容量较少，研究结论不够稳健；二是中国经济体制和经济结构变化剧烈，为扩大样本容量而将1992年前乃至1978年前的数据加入研究样本并不合适。例如，陈昆亭等(2004)使用的是1952—2001年共50个数据，而黄赜琳等(2009)只用了1978—2005年共28个数据。实际上，以支出法GDP各分项为核心的季度宏观数据的缺失，正是中国经济周期经验研究的首要困难。最近，Chang et al.(2016)利用自行估算的中国季度宏观数据，从实证和理论两方面研究了重工业优先发展政策对中国90年代以来宏观经济增长趋势和经济周期的影响，该季度数据集(以下称CCWZ数据集)涵盖了90年代以来详细的支出法GDP构成、收入、价格及金融等方面共计58个变量的数据，是本文研究的重要数据来源。国内现有文献的另一个问题是，缺乏中国与其它经济体的横向比较分析。一方面，当代主流经济周期模型都建基于发达经济体的典型事实，只有在与主要经济体的对比中才能识别中国的特殊之处；另一方面，单纯对照外国文献中的现成结论，并不足以支撑中国与这些经济体有何异同的结论。因为经济周期波动特征会随着不同历史环境下内外冲击源的变动而发生变化。例如，美国学界一度认定物价是顺周期的，直到Kydland et al.(1990)证明顺周期只适用于二战前，战后是逆周期的。有趣的是，本文发现美国近20多年来的物价又变成顺周期的了。

本文的研究期间设定为1992年以后，主要考虑到经过多年的改革开放，中国的市场经济体制趋于完善，而且国家统计局也开始发布基于SNA核算体系的统计数据。本文的研究不同于Chang et al.(2016)的经验研究部分，他们的分析侧重于家庭消费、商业投资、GDP、劳动收入以及中长期新增贷款、短期新增贷款与GDP的比率等6个变量之间的动态关系。本文区别于现有文献的另一特点是，我们涵盖的变量范围要广泛得多，包括分产业或行业增加值、生产要素投入、支出法GDP构成、财政货币和物价，以及贸易条件、汇率及利率等近60个变量。对于官方和CCWZ数据集都缺失的季度进出口、失业率、资本存量及全要素生产率等数据，我们根据相关文献自行估算。本文使用Denton方法进行季度数据插值，该方法也是IMF的季度国民账户手册推荐的插值方法(Denton,1971；Bloem et al.,2001；Fonzo et al.,2012)。国家统计局的权威专家及相关学者关于中国统计数据的解读，为我们选择用于插值的季度指标数据提供了重要参考(许宪春,2013;张军,2014)。为了研究结论稳健计，我们综合使用HP(Hodrick et al.,1997)、BK(Baxter et al.,1999)以及CF滤波(Christiano et al.,2003)方法进行数据退势，并利用时域的统计分析和频域的互谱分析方法来总结相关变量的经济周期波动特征。

二、方法和数据说明

(一)典型事实的指标体系

1.时域指标

经济周期的波动特征，通常称为特征性事实或典型事实(stylized facts)，包括波动性、粘持性和协动性三个方面。波动性是指变量波动的剧烈程度，通常用剔除趋势后的周期成分的标准差来表示。若变量在滤波前经过对数处理，其滤波结果可以理解为原始变量对其趋势的百分比偏离，否则只是对其趋势的偏离。粘持性是指变量在变动过程中的惯性，用周期成分的一阶自相关系数表示。协动性是指变量与GDP在变动过程中的协同一致程度，可由该变量与GDP的多阶相关系数的变化模式来把握。具体而言，协动性包含两层含义：一是该变量与GDP是顺周期、逆周期还是无周期；二是该变量相对于GDP是领先指标、一致指标还是滞后指标。例如，变量X与GDP的2k+1个h阶相关系数可表示为：

Corr(Xt+h,GDPt), h=-k,…,-1,0,1,…,k

(1)

当h=0时，若式(1)中的同期相关系数为正、负和零，则分别对应于该变量与GDP是顺周期、逆周期和无周期。同时，2k+1个相关系数中绝对值最大的那个极值所对应的h值若为正、负和零，则分别对应于该变量相对于GDP是滞后指标、一致指标和领先指标。对于季度数据，现有文献通常将k值设定为5。为稳健考虑，本文的k值取12，即最长计算至相隔3年的相关系数。此外，相关系数也要考虑是否统计显著的问题。在两个变量总体不相关的原假设下，以下统计量服从自由度为n-2的t分布：

(2)

其中，r为所计算得到的样本相关系数，n为样本容量。本文大多数变量的样本区间为1992年1季度至2015年4季度，共96个样本，其5%的双向显著性水平对应的临界值为0.2。

2.频域指标

时域指标是经济周期经验研究中的最常用指标，但我们还可利用频域指标对时域分析结果进行稳健性检验。频域的谱分析方法包括单变量谱分析(single spectral analysis)和多变量的互谱或交叉谱分析(cross-spectral analysis)。频谱分析的实质是，将时域的时间序列分解为一系列具有不同频率或周期的分量波，每一个分量波可表示为特定频率的正弦和余弦函数的复合函数。通过观察单变量谱分析的谱密度函数，我们能够获知对该变量波动影响最大的分量波，其对应频率或周期可定义为该变量的波动频率或周期长度。此外，比较不同变量在特定频率上谱密度函数值的大小，也可以判断在该频率上二者波动性的相对强弱。通过两个变量的互谱分析，我们能够获得它们在特定频率上的波动相关性和领先滞后关系。

对于一个协方差平稳变量X，其谱密度(spectral density)函数为其自协方差函数的傅立叶变换：

(3)

根据谱分析原理，谱密度函数下方位于频率范围[-π,π]之间的面积等于变量X的方差：

(4)

因此，我们将谱密度函数峰值所对应的频率或周期定义为该变量的波动频率或周期长度。对于另一个变量Y，如GDP，其与X的交叉谱密度(cross spectral density)函数可以表示为如下复数形式：

fyx(ω)=cyx(ω)-iqyx(ω)

(5)

其中，cyx(ω)是共谱(cospectrum)，qyx(ω)是正交谱(quadrature spectrum)，二者平方和的平方根称为振幅谱(amplitude spectrum)。振幅谱

fyx(ω)

的标准化形式称为平方相干值(squared coherency)，度量变量Y和X在不同频率上线性关系的强弱，类似于时域上的同期相关系数的平方：*平方相干值的平方根，即如文献(杜婷，2007)中的相干谱。

(6)

此外，可以用相位谱(phase spectrum)来判断Y在不同频率上是领先还是滞后于X：

(7)

相位谱为正表示在该频率上变量X领先Y，为负则表示X滞后于Y。由于相位谱的取值范围是频率区间[-π,π]，比较抽象、不够直观，我们将其转换为相位差(phase difference)指标，其数值表示具体的领先或滞后季度个数。最后，对于平方相干值和相位差指标，我们给出的结果是经济周期频率范围内(即波动周期为6～32季度)的平均值。

(二)数据来源和估算方法*详细说明，参见本文数据附录(本文附录从略，感兴趣者可向作者邮件索取)；为节约篇幅计，本文并未报告分区域的经济周期波动特征。

本文大部分变量的时间范围是1992年1季度至2015年4季度，部分数据覆盖范围略小，所有变量在时域或频域指标计算前都经过季节调整和滤波处理*HP滤波的平滑参数取1600，BK和CF滤波的周期范围设定为6～32季度。。中国数据部分涉及六大组共计90个变量的季度数据(详见表1)。其中，20个数据来自Chang et al.(2016)提供的数据集，其余的来自国家统计局、中国人民银行等单位发布的公开资料，或由我们根据权威的公开资料估算得到。本文国际比较部分涉及美国、日本、德国、英国、法国、意大利和加拿大7个国家，每个国家涉及四大组32个变量，共计224个变量的季度数据。这四组变量基本与中国六组数据的后四组一一对应。G7国家的季度数据大部分均可通过CEIC或WIND数据库获取，缺失的主要是季度资本存量和全要素生产率的数据。

对于中国和G7各国的资本存量数据，我们按照最新版的宾州世界表(pwt 9.0)提供的初始资本存量和折旧率资料，利用永续盘存法估算得到。此外，生产函数法估算TFP所需的劳动收入份额，也同样取自该版宾州世界表。

表1 中国季度数据的来源和估算方法

注：CCWZ指Chang et al.(2016)一文所用数据集。本文使用的该数据集是2016年3月版本：https://www.frbatlanta.org/cqer.aspx。

三、中国经济周期的典型事实

(一)生产要素投入

表2报告了中国各生产要素投入及相关变量的波动特征。根据最新的9.0版宾州世界表(pwt 9.0)提供的1992年初始资本存量及折旧率信息，我们用永续盘存法估算了中国的资本存量序列。中国资本存量的波动周期为34.22季度(8.5年)，小于GDP的周期13年。不论是从谱密度峰值与GDP谱密度峰值的比较看，还是从相对波动性指标看，资本存量波动性仅占GDP的六成左右。尽管平方相干值并不显著，但同期相关系数显示资本存量具有显著的顺周期性。频域相位差指标和时域领先滞后指标显示，资本存量波动领先GDP约1/3个季度。由于中国缺失人均劳动时间的数据，我们用就业人数表示劳动投入。就业人数的波动周期略小于8年，其波动性仅为GDP波动性的8%。更为奇怪的是，劳动人数与经济呈逆周期波动且领先经济波动2～3个季度。*关于就业波动的异常情况及其原因，参见下一部分国际比较部分的分析。

表2 中国生产要素投入的波动特征

注：*号表示相干平方值在5%水平上显著；“TFP2”指考虑资本利用率后的全要素生产率；“相位差” 指各省市经济周期与全国经济周期的领先滞后期数，正值表示领先、负值代表滞后；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；除失业率外，各变量滤波前均取自然对数。

作为实际商业周期模型的核心冲击源，索洛剩余或TFP在经济周期实证研究中占据着重要地位。然而，正如King et al.(1999)总结的那样，RBC理论的“阿基里斯之踵”在于通常估算的索洛余值不是真正的TFP。其中一个主要原因是人们在估算TFP时往往用资本存量代替资本服务，忽视了资本利用率在经济周期不同阶段的易变性。参照Burnside et al. (1996)的做法，本文假定非居民电力消费量与资本服务成比例：

Et=φSt

(8)

从而代入生产函数法可以计算得到修正的TFP:

(9)

其中，劳动收入份额同样取值pwt 9.0。我们发现，修正的TFP相比于原始的TFP，其波动特征有两个重要变化：一是与经济波动的顺周期性急剧下降；二是领先滞后关系从略微领先或同期波动，变为滞后经济波动接近4个季度。

另一个在不同的经济周期模型中引起争议的变量是实际工资。中国实际工资的波动周期接近6.5年，其波动性高达GDP的2.5倍。尽管不太显著，但中国的实际工资表现为逆周期，且滞后经济波动3.67个季度。失业率的周期长度不到5年，波动性占GDP的六成。其逆周期性同样也不显著，但波动的滞后期大于实际工资。最后，作为与劳动报酬密切相关的变量，个人可支配收入表现为顺周期，且领先经济波动1个季度。

(二)支出法GDP分项构成

绝大多数关于经济周期波动特征的经验研究，都是围绕支出法GDP分项构成而展开。表3不仅报告了常规的支出法GDP分项构成，而且针对不同投资类型进行了更为细致的考察。

表3 中国支出法GDP分项的波动特征

注：*号表示相干平方值在5%水平上显著； “相位差”指各省市经济周期与全国经济周期的领先滞后期数，正值表示领先、负值代表滞后；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；除占比数据外，各变量滤波前均取自然对数。

首先，消费方面，私人消费和政府消费的波动周期分别为5年和7年，二者的波动性都显著大于GDP，分别高达后者的1.6倍和3.3倍。二者都表现为顺周期，尽管政府消费的顺周期性并不显著。在私人消费相对经济波动的领先滞后关系方面，频域相位差指标和时域领先滞后指标指向不同的结论。然而，由于频域平方相干值显示私人消费同GDP的协动性不显著，因而我们更倾向于接受时域指标的结果，即认为私人消费领先经济波动1个季度。有趣的是，政府消费领先经济波动的时期甚至超过了私人消费，达到1.67个季度。因此，在中国，政府消费不但没有起到平抑经济波动的作用，而且似乎是经济周期的一个重要波动源。

固定资本形成方面，投资的波动周期为6.5年，相对波动性为3倍，都略低于政府消费的水平。投资是顺周期的，且领先经济波动长达3个季度，凸显其在中国经济周期形成中的关键作用。作为另一种形式的投资，存货变动占GDP比重的波动周期要短许多，不到3年，表明其对经济周期的影响主要体现在经济的短期波动上。另外，存货变动的标准差约是GDP的1.45倍，顺周期且更为显著，平均滞后经济波动1个季度。对外贸易方面，出口、进口和净出口占比的周期长度相似，约为6～7年。对外贸易变量的波动性要远高于消费和投资，进出口的波动性约为GDP的7～8倍。与GDP的协动性方面，三者都是顺周期的，进口与经济同步波动，其余二者有一定的滞后性。

(三)财政、货币和物价

观察财政变量的波动特征有助于更全面地把握政府在经济周期中的作用，货币信贷的波动特征是判断金融因素是否重要的关键，物价是顺周期还是逆周期则是推断冲击来自需求端或供给侧的主要依据。表4报告了中国财政、货币及物价等15个变量的波动特征。

表4 中国财政、货币及物价的波动特征

(续表4)

变量滤波方法周期谱密度峰值平方相干值相位差相对波动性一阶自相关同期相关领先滞后对应极值CPICF40．005．130．52∗-2．12 2．560．940．423．000．73HP32．009．050．47∗-2．012．650．950．513．000．68BK36．009．790．43-1．512．660．980．513．000．68平均36．007．990．47-1．882．630．960．483．000．70PPICF15．254．450．50∗-1．49 2．930．880．442．000．69HP12．833．910．49∗-1．072．270．800．452．000．47BK26．504．400．53∗-1．282．480．890．512．000．66平均18．194．250．51-1．282．560．860．472．000．60投资价格CF15．202．700．49∗-2．46 2．370．900．313．000．79HP18．406．140．34-0．972．730．910．511．000．55BK34．003．380．67∗-0．571．910．920．383．000．73平均22．534．070．50-1．332．340．910．402．330．69CPI/PPICF20．331．740．30-0．27 1．940．88-0．43 1．00-0．47 HP19．251．900．360．091．680．76-0．400．00-0．40BK26．502．260．33-0．221．710．89-0．461．00-0．47平均22．031．970．33-0．131．780．85-0．430．67-0．45投资价格/CPICF25．331．730．070．341．990．85-0．20 -2．00 -0．27 HP18．406．800．18-0．422．750．890．005．00-0．46BK34．002．640．270．981．550．96-0．44-2．00-0．50平均25．913．720．170．302．100．90-0．210．33-0．41

注：*号表示相干平方值在5%水平上显著； “相位差”指各省市经济周期与全国经济周期的领先滞后期数，正值表示领先、负值代表滞后；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；除赤字占比数据外，各变量滤波前均取自然对数。

财政方面，财政收入、支出及赤字占比的波动周期分别为4.5、9和3.5年，三者的波动性分别为GDP的5.2、3.8和0.92倍。财政收入顺周期，略微领先或与经济同期波动。财政支出和赤字占比均为逆周期，但前者滞后经济波动1个季度。财政支出按经济功能可分为一般业务支出即政府消费、投资性支出即政府投资和转移性支出。财政支出及赤字占比的逆周期性表明，虽然政府消费顺周期、政府投资逆周期，但总体而言，政府经济活动还是起到了经济稳定器的作用。

货币方面，我们不仅考察了基础货币及3种不同口径的货币存量，而且考虑到中国偏重银行信贷渠道的货币传导机制，还着重研究了银行信贷余额的波动特征。研究发现，基础货币及M0、M1和M2的波动周期范围是6～8年，且3种货币的周期长度随着口径拓宽而逐渐延长。波动性方面，基础货币是GDP的5倍，3种货币中M1波动性最大、M2最小。所有货币变量都是顺周期的，基础货币和M0滞后于经济波动，M1及M2领先经济波动，随货币口径拓宽其滞后性渐弱而领先性渐强。银行贷款余额方面，我们发现短期贷款与长期贷款的波动特征不尽相同。就波动周期长度而言，贷款总额大致为6年，长期贷款为6.5年，但短期贷款长达8年，总体而言其长度与货币变量相当。然而，各种口径的贷款波动性要大于货币变量，约为GDP波动的4倍左右。协动性方面，贷款变量均为顺周期但不显著，贷款总额和长期贷款领先经济波动1个多季度，同时短期贷款却滞后经济波动长达6个季度。

物价方面，我们着重考察较有代表性的消费者价格指数、工业品价格指数以及固定资本形成价格指数。此外，我们还考察了消费者价格指数和后两者价格指数的比率，以期获得物价波动的结构信息。研究发现，CPI、PPI和投资价格的波动周期差异较大，其长度分别为9、4.5和6年左右。除此之外，它们的其它波动特征极为一致，波动性相当于GDP的2.5倍上下，顺周期且滞后经济波动2～3个季度。价格比率方面，CPI/PPI与投资价格/CPI都表现为逆周期。这说明在经济低迷期，消费品价格和工业品价格的缺口以及投资品价格和消费品价格的缺口都逐渐增大。*关于近年来中国经济中CPI和PPI缺口持续扩大的进一步探讨，参见下一部分国际比较部分的分析。不同的是，前者的波动滞后于GDP，而后者则是领先的。

(四)贸易条件、汇率及利率

第四部分的研究表明，对外贸易变量的波动对中国经济周期而言举足轻重。此处，我们进一步从对外贸易价格的角度考察贸易条件和有效汇率等变量的波动特征。此外，我们也将进一步考察名义利率、利差及股价指数等金融变量的周期性质。表5报告了10个相关变量的波动特征。

表5 中国贸易条件、汇率及利率的波动特征

注：*号表示相干平方值在5%水平上显著； “相位差”指各省市经济周期与全国经济周期的领先滞后期数，正值表示领先、负值代表滞后；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；除利率、利差外，各变量滤波前均取自然对数。

对外贸易价格方面，我们用出口价格指数除以进口价格指数代表贸易条件。周期长度方面，进出口价格指数接近4年，贸易条件则长达6年。进口价格的波动性最大、出口价格波动性最小，前者接近GDP的4.6倍，其余二者则相当于GDP的3倍多。协动性方面，进出口价格顺周期，贸易条件逆周期，三者的波动均滞后于GDP。有趣的是，三者在粘持性和波动的滞后长度方面有相同的排序，出口价格的粘持性最强、滞后性最长，而贸易条件则是最弱、最短的。与贸易条件密切相关的变量是有效汇率指数。不论是名义还是实际指数，汇率变量的周期都是5年，波动性相当于GDP的3.2倍，都是逆周期，但实际有效汇率指数领先经济波动1个季度。

名义利率方面，我们分别以货币市场7天拆借利率、1年期存款基准利率和贷款利率表示短期利率、存款利率和贷款利率。研究发现，短期利率和存款利率的波动周期更长，约为7年多，而贷款利率的周期为5年多。3种利率的波动性都很小，仅相当于GDP的两成左右，且都表现为顺周期、滞后经济波动1个多季度。鉴于存贷款利差对中国商业银行利润的重要贡献，我们也考察了利差的波动特征，存贷利差的波动周期约为4年，波动性仅占GDP的12%，表现为顺周期且滞后经济波动1个季度。最后，我们还考察了上证综指的波动特征，其波动周期略小于4年，接近23倍于GDP标准差的波动性反映了中国股市的强投机性。有趣的是，高达0.5的顺周期性表明中国股市仍然具有较好的“经济晴雨表”功能，但它明显不具备预测经济走向的作用。

四、国际比较和差异分析

(一)中国与G7国家波动特征的异同

根据第三部分的分类，本部分我们从生产要素投入，支出法GDP构成，财政、货币和物价，贸易条件、汇率和利率4个方面，横向比较并总结中国与G7国家在32个变量波动特征上的异同。中国各变量的粘持性与G7国家基本相同，相对本国GDP的波动性普遍远超G7诸国，而与经济波动的同期相关性又显著较低。在变量同GDP波动的协同性方面，相似与不同并存。为行文简洁和节约篇幅，表6主要报告中国与G7国家具有重大不同的几个变量，完整的国际比较分析参见本文附录B。

在中国与G7国家的相似性方面，物价波动特别值得一提。首先，中国与多数G7国家的物价波动均表现为顺周期且滞后于经济波动，表明近20多年来中国与大多数G7国家遭受的经济冲击主要来自需求层面。其次， CPI/PPI在所有研究样本内的国家无一例外均呈逆周期波动。这说明，中国CPI与PPI的背离并不特殊，是经济周期低迷时期普遍存在的现象。反过来可以推论，在某种程度上中国CPI和PPI的背离也是一种经济周期现象。

中国与G7国家的不同也非常显著，主要体现在资本存量、劳动投入、政府消费、投资、净出口、M2变量的不同波动特征上。具体而言：

(1)生产要素投入。中国资本存量的波动领先于GDP，而G7国家平均滞后3.7个季度。中国劳动投入逆周期且领先经济波动2.67个季度，而G7国家的劳动投入表现为顺周期且滞后于经济波动。中国的TFP、劳动生产率与经济是同步波动的，而G7国家平均而言分别领先0.29、0.62个季度。中国的实际工资表现为轻微的逆周期，而G7国家多呈轻微的顺周期。

(2)支出法GDP构成。中国和日本的政府消费波动均呈顺周期特征，而G7国家中除日本外均为逆周期，这可能与东亚政府在市场经济中干预更积极、规模更庞大有关*实际上，我们发现韩国的政府消费波动也呈显著的顺周期特征。。中国投资领先GDP波动长达3个季度，而G7国家大多与GDP同步波动。不同于中国的顺周期，G7国家中除日本、德国及意大利外，多数国家的净出口占比呈无周期或顺周期不显著的特征，美、英、法甚至表现为逆周期。

(3)财政、货币和物价。中国M2顺周期且领先经济波动1.67个季度，而G7国家多呈逆周期且多滞后于经济波动。中国M2的领先性与投资波动的领先性密切相关，因为在银行间接融资体制下，银行贷款是企业固定资产投资的主要资金来源。

(4)贸易条件、汇率和利率。 中国长短期国债的期限利差逆周期且滞后于经济波动，G7国家平均而言则领先于经济波动。中国股价指数波动性远超G7国家，且中国股价与经济同步波动，而G7国家普遍领先经济波动1～2个季度。

表6 中国与G7国家相关变量波动特征的比较

注：“相对波动性”一栏，均指各变量标准差与实际GDP标准差的比值；“同期相关”指变量与实际GDP的同期交叉相关系数；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；“对应极值”指变量与实际GDP的多期交叉相关系数中绝对值最大者，与“领先滞后”期数相对应；表中数值为HP滤波、BK滤波及CF滤波结果的简单算术平均值；各变量滤波前均取自然对数。

(二)中国不同于G7国家的原因分析

各变量同GDP波动具有更低的同期相关性、更高的相对波动性，是发展中国家和新兴经济体经济周期波动的普遍特征。前者与市场运行机制不完善有关，后者则是由于经济发展面临更多的冲击和不确定性因素。考虑到相对重要性及数据可得性，以下我们主要针对投资、资本、劳动投入、贸易余额等变量波动的差异性展开分析。

1.投资、资本存量领先经济波动

鉴于投资在中国经济周期形成中的特殊地位，我们首先按照投资主体类型对其展开进一步考察(表7)。依据主体类型，投资可以分成私企投资、国企投资、其它企业投资、政府投资和家庭投资5类。从波动周期而言，这5类投资比较接近，周期范围在5～7年，私企投资周期最短、国企投资周期最长。从相对于GDP的波动性看，私企投资的波动性也是最小的，为3.88倍，其次是其他企业投资和家庭投资，最大的是政府投资和国企投资，二者的相对波动性接近8倍。从与经济波动的顺周期性来看，家庭投资表现为逆周期，政府投资、国企投资的逆周期性不显著，其余的均为顺周期。从领先滞后关系来看，私企投资领先经济波动，国企投资、政府投资和家庭投资滞后于经济波动，其它企业投资与经济同步波动。

表7 分主体、分类型投资的波动特征

注：*号表示相干平方值在5%水平上显著； “相位差”指各省市经济周期与全国经济周期的领先滞后期数，正值表示领先、负值代表滞后；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；除占比数据外，各变量滤波前均取自然对数。

此外，我们还可依据行业投向将投资分为制造业投资、基建投资和房地产投资，这也是大多数中国经济观察家的角度。*这里，基建投资的口径包括“电力、燃气及水的生产和供应业”、“交通运输、仓储及邮政业”以及“水利、环境及公共卫生管理业”，相关季度数据始于2004年。我们发现，按行业分类的投资波动周期更短，约为3～5年。制造业投资的相对波动性为2.7倍，顺周期且领先经济波动1个季度。房地产投资的波动性略大，为GDP的3.5倍，同样表现为顺周期但滞后于经济波动。基建投资的波动性高达经济波动的8倍，逆周期且滞后经济波动长达2个季度。

因此，投资的顺周期性主要源自私营企业的制造业投资和房地产投资，其领先经济波动的性质则主要来自其制造业投资活动。此外，尽管政府消费没有起到平抑经济波动的作用，但政府投资和国企投资很大程度上是通过基础设施建设发挥了前述作用。

2.劳动投入逆周期且领先经济波动

中国就业人数的波动模式与G7国家差异极大：(1)中国就业人数的相对波动性极低，仅为GDP波动性的8%，而G7国家平均达到GDP波动的50%；(2)中国就业人数表现为逆周期且领先经济波动2.67个季度，而G7各国均为顺周期且平均滞后经济波动1.52个季度。至于这种异常的原因，或许是季度就业数据估算质量的问题。为了弄清数据估算方法的影响，表8报告了年度就业的波动特征。我们发现，CF滤波方法下的年度就业波动呈逆周期，但HP和BK方法下是顺周期或无周期的。平均而言，年度就业波动的顺周期不显著，但较为明确地表现为领先经济波动的特点。从年度分产业就业波动特征看，一产就业逆周期且滞后经济波动1.33个季度，二、三产就业顺周期且均表现出领先经济波动的特征。鉴于年度数据显示一产就业与二、三产就业波动的不同，我们按照与估算季度总就业相同的Denton插值方法，估算了分产业的季度就业数据，并将其季度波动特征一并报告于表8。我们发现，季度分产业就业波动与年度的情况类似，只是二产就业转变为滞后于经济波动了。由此可见，中国季度总就业的逆周期性及领先经济波动特征，不大可能是人为的数据估算误差所造成的。而且，其逆周期性是受了一产就业逆周期性的影响，而其领先经济波动的特征则与三产就业的领先性质有关。

表8 就业波动特征的稳健性分析结果

注：“同期相关”指变量与实际GDP的同期交叉相关系数；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；“对应极值”指变量与实际GDP的多期交叉相关系数中绝对值最大者，与“领先滞后”期数相对应；各变量滤波前均取自然对数。

为了进一步分析一产就业逆周期及三产就业领先性的原因，我们从分产业或分行业增加值的视角，对中国经济周期的波动特征做了总结(表9)。研究发现，中国实际GDP的波动周期约为13年，农业的周期长度为9年，二、三产业为7年左右。农业的波动性小于GDP、二产略大、三产持平，建筑业、金融业和房地产业的波动性相当于GDP的2～3倍。农业的波动无周期，二、三产业顺周期，分行业中工业、房地产、建筑业和金融业顺周期性最强。农业领先GDP波动，二、三产业同步波动，建筑、金融和房地产业的波动领先于GDP，住宿餐饮、交通运输仓储和邮政、批发零售等行业滞后于GDP，余下的行业与GDP同步波动。

尤其值得注意的是，二产中的建筑业、三产中的金融和房地产业的波动领先于GDP。由于这些行业在经济中占比较大，三产及整体就业波动的领先性应该与其增加值波动的顺周期性有关。另外，如果考虑到中国经济的城乡二元特征，则一产及整体就业的逆周期性也可以得到合理的解释。中国存在数亿的农民工，而且大都就职于城市中工业、建筑业和房地产业等部门。由于工业、房地产、建筑业增加值波动的顺周期性很强，随着数量庞大的农民工进入、退出城市就业市场，农村及农业的就业波动必然表现为逆周期性。

表9 中国分行业增加值的波动特征

注：*号表示相干平方值在5%水平上显著；“相位差”指各省市经济周期与全国经济周期的领先滞后期数，正值表示领先、负值代表滞后；“领先滞后”指变量领先实际GDP波动的季度数，负值表示领先、正值代表滞后；各变量滤波前均取自然对数。

3.净出口占GDP比重顺周期波动

在大多数的发达经济体，净出口或贸易余额的波动都是逆周期或无周期的。我们在国际比较部分发现的顺周期的国家，如中国、日本和德国，乃至文献综述部分提及的韩国的共同点是贸易顺差和进出口部门的规模都较大。这意味着，我们可以从可贸易部门、不可贸易部门的视角来研究这个问题。通常而言，制造业是最典型的可贸易部门，而第三产业中的服务业以及第二产业中的公用事业、建筑业是最不具可贸易性的。就中国而言，可贸易部门可以界定为采矿业和制造业，其它行业可以统归为不可贸易

图1可贸易部门与贸易余额

部门*文献中区分可贸易与不可贸易产品部门的通常做法是，利用投入产出表计算该产品部门的可贸易性，并将计算结果与事先设定的门槛值进行比较。关于可贸易性的测度，文献中有两种流行的口径：一是各产品部门出口占该产品部门总产出的比例；二是各产品部门进出口之和占该产品部门总产出的比例。关于可贸易性的门槛值，第一种可贸易性口径的门槛值设在10%，第二种口径将“批发和零售业”的可贸易性设为门槛值。。

根据图1，在可贸易部门价格PT给定条件下，贸易余额NX等于可贸易部门供给ST减去对可贸易部门的国内需求DT。因此，引起贸易余额变动的因素有三种：一是需求DT曲线的移动；二是供给ST曲线的移动；三是可贸易部门价格PT的变化。首先，贸易余额的顺周期波动不可能是由需求曲线移动所导致。对可贸易部门的国内需求不外乎居民和政府的消费需求、可贸易部门自身的投资需求以及不可贸易部门的投资需求。然而，所有这些消费需求或投资需求都是顺周期的，从而DT曲线的移动将导致逆周期的贸易余额。

其次，可贸易部门的技术波动可以带来顺周期的贸易余额。实际经济周期理论(RBC)强调，技术进步或全要素生产率(TFP)的波动能够解释绝大部分的商业周期现象。若进一步细分可贸易部门与不可贸易部门的技术进步，我们发现可贸易部门的技术进步速度远高于后者，而且前者技术进步的波动性也可能更大。这样，商业周期现象很可能是由可贸易部门技术波动引起的。在这些条件满足的情况下，可贸易部门技术进步将使ST曲线右移，从而贸易余额是顺周期的。

另外，可贸易部门价格的波动也能引起贸易余额的顺周期波动。由一价定律知，可贸易部门价格PT等于可贸易品国际价格P*T和本国汇率E的乘积：

PT=P*T·E

(10)

由于中国人民银行对汇率中间价的有效管理，加上可贸易品国际价格的外生性，中国可贸易部门的价格基本上是外生给定的。当国际市场不景气或人民币汇率升值时，可贸易部门的国内需求增加而供给减少，从而贸易余额迅速下降。伴随贸易余额下降的还有可贸易部门产出YT的减少，以及通过部门的需求关联导致不可贸易部门产出的进一步减少。

尽管二者对贸易余额顺周期同样具有解释力，但可贸易部门价格变动假说能够解释更多的经济周期现象。其中一个就是CPI/PPI波动的逆周期性。按照可贸易、不可贸易部门分析框架，CPI基本与不可贸易部门的价格对应，而PPI本身就主要是可贸易的工业品出厂价格。在可贸易价格外生条件下，可贸易部门技术进步通过“巴拉萨-萨缪尔森” 效应带动不可贸易部门价格的上升，从而CPI/PPI是顺周期波动的。另外，可贸易部门价格波动假说的合理性不仅显而易见，而且其与实际有效汇率的逆周期性也是一致的。

五、结论和启示

本文利用Chang et al.(2016)估算的中国宏观经济季度数据集，首次全面总结了1992年以来中国宏观经济变量的季度周期波动特征。通过与G7国家的横向比较，我们发现：一方面，中国经济周期的波动具有发展中国家和新兴经济体的一些普遍特征，例如中国各变量相对本国GDP的波动性远超G7诸国，而其与经济波动的同期相关性又显著更低；另一方面，一些变量独具中国特色的波动特征，凸显其在中国经济波动中扮演的重要角色，其中较突出的有，政府消费的顺周期，投资和资本存量领先经济波动，就业领先且呈现逆周期波动，贸易余额的波动表现为顺周期等。这些差异为我们构建符合中国实际的宏观经济模型提供了重要的切入点。

进一步的成因分析发现，政府消费的顺周期是中、日、韩等东亚经济体的共性，体现了东亚政府在市场经济中的特殊作用。同时我们也发现不同投资主体和不同类型的投资，其波动特征差异很大。投资的顺周期性主要源自私营企业的制造业投资和房地产投资，其领先经济波动的性质则主要来自其制造业投资活动。此外，尽管政府消费没有起到平抑经济波动的作用，但政府投资和国企投资很大程度上通过基础设施建设发挥了前述作用。就业波动的逆周期源自农业就业的逆周期，其领先性质则源于建筑业、金融、房地产等不可贸易部门增加值波动的领先性质。由于存在二元经济结构，大量农民工随着城市中制造业等可贸易部门以及建筑业、房地产等不可贸易部门的扩张而离开农村和农业岗位，造成了农业就业的逆周期性。在汇率固定和一价定律成立的前提下，在可贸易、不可贸易部门框架下，可贸易部门的技术波动和价格外生变化都可以解释贸易余额的顺周期性。但是，可贸易部门价格变动的解释力更强，不仅能解释CPI/PPI比率波动的逆周期性，而且也和实际有效汇率的逆周期性相一致。可见，可贸易、不可贸易部门框架是研究中国经济周期波动的重要视角。

实际上，该框架也能对2008年全球金融危机后中国经济下行、PPI负增长、三产相对二产比重快速上升、贸易余额占GDP比重下降等现象提供非常一致的解释。我们认为，造成这一系列现象的冲击因素是可贸易部门价格的外生性下降,并直接造成了PPI的持续负增长。可贸易部门价格之所以大幅下降，一是由于全球需求不足带来的可贸易品国际价格的下跌，二是因为人民币实际有效汇率的大幅度升值。正如本文第四部分所述，可贸易部门价格下降使得可贸易部门削减生产，同时提高了国内经济主体对可贸易部门的消费和投资需求，因而贸易余额大幅减少。由于诸如交通运输业等不可贸易部门高度依赖采矿业、制造业等可贸易部门的需求，后者增速下降必然带动前者减速。但由于后者在可贸易品价格外生下降过程中首当其冲，因而第二产业增速的下降幅度要大于第三产业。实际上，中国近年来服务业占比的上升更多地表现为工业低迷引起的被动扩张。

总而言之，目前关于中国经济减速成因的讨论更多地集中于识别冲击源，且都倾向于从长期增长趋势放缓的角度入手，或认为源自人口红利消退，或认为全要素生产率下降所致，又或者归因于经济服务化拉低了整体的劳动生产率。毫无疑问，以上解释都有合理的成分。但只有在一个统一的理论分析框架中，它们的相对影响力才能得到合理的评估。然而，这些解释都仅仅是针对经济增速下降提出来的，或多或少地忽视了与经济增速下降相伴随的其它现象，也无法形成更具解释力和包容性的分析框架。我们认为，可贸易和不可贸易部门模型恰恰能满足这一要求。

白重恩,张琼. 2014. 中国的资本回报率及其影响因素分析[J]. 世界经济(10):3-30.

陈昆亭,周炎,龚六堂. 2004. 中国经济周期波动特征分析：滤波方法的应用[J]. 世界经济(10):47-56.

杜婷. 2007. 中国经济周期波动的典型事实[J]. 世界经济(4):3-12.

黄赜琳,朱保华. 2009. 中国经济周期特征事实的经验研究[J]. 世界经济(7):27-40.

连平,吴金友. 2011. 中国经济周期波动研究(1978—2009年)[J]. 世界经济研究(9):3-9.

梁琦,滕建州. 2007. 中国经济波动的经验分析[J]. 世界经济(2):3-12.

许宪春. 2013. 准确理解中国的收入、消费和投资[J]. 中国社会科学(2):4-24.

张军. 2014. 中国的投资率到底有多高[J]. 经济资料译丛(4):8-22.

中国经济增长前沿课题组. 2014. 中国经济增长的低效率冲击与减速治理[J]. 经济研究(12):4-17.

AGÉNOR P, MCDERMOTT C, PRASAD E. 2000. Macroeconomic fluctuations in developing countries: some stylized facts [J]. World Bank Economic Review, 14(2):251-285.

AGUIAR M, GOPINATH G. 2007. Emerging market business cycles: the cycle is the trend [J]. Journal of Political Economy, 115(1):69-102.

BACKUS D, KEHOE P. 1992. International evidence on the historical properties of business cycles [J]. American Economic Review, 82(4):864-888.

BAXTER M, KING R. 1999. Measuring business cycles: approximate band-pass filters for economic time series [J]. Review of Economics and Statistics, 81(4):575-593.

BLOEM A, DIPPELSMAN R, MAEHLE N. 2001. Quarterly national accounts manual: concepts, data sources, and compilation [M]. Washington, D.C.: International Monetary Fund.

BURNSIDE A, EICHENBAUM M, REBELO S. 1996. Sectoral Solow residuals [J]. European Economic Review, 40(3-5):861-869.

CHANG C, CHEN K, WAGGONER D, et al. 2016. Trends and cycles in China′s macro-economy [M]//NBER Macroeconomics Annual 2015. Chicago：University of Chicago Press, 30:1-84.

CHRISTIANO L, FITZGERALD T. 2003. The band pass filter [J]. International Economic Review, 44(2):435-465.

DENTON F. 1971. Adjustment of monthly or quarterly series to annual totals: an approach based on quadratic minimization [J]. Journal of the American Statistical Association, 66(333):99-102.

DI FONZO T, MARINI M. 2012. On the extrapolation with the denton proportional benchmarking method [R]. IMF Working Paper No.12/169.

FIORITO R, KOLLINTZAS T. 1994. Stylized facts of business cycles in the G7 from a real business cycles perspective [J]. European Economic Review, 38(2):235-269.

HODRICK R, PRESCOTT E. 1997. Postwar U.S. business cycles: an empirical investigation [J]. Journal of Money, Credit, and Banking, 29(1):1-16.

KIM K, CHOI Y. 1997. Business cycles in Korea: is there any stylized feature [J]. Journal of Economic Studies, 24(5):275-293.

KIM S, KOSE M, PLUMMER M. 2003. Dynamics of business cycles in Asia: differences and similarities [J]. Review of Development Economics, 7(3):462-477.

KING R, REBELO S. 1999. Resuscitating real business cycles [G]. Handbook of Macroeconomics. [S.l.]： North Holland, 1:927-1007.

KYDLAND F, PRESCOTT E. 1982. Time to build and aggregate fluctuations [J]. Econometrica, 50(6):1345-1370.

KYDLAND F, PRESCOTT E. 1990. Business cycles: real facts and a monetary myth [J]. Federal Reserve Bank of Minneapolis Quarterly Review, 14(2):3-18.

MALE R. 2011. Developing country business cycles: characterizing the cycle [J]. Emerging Markets Finance and Trade, 47(S2):20-39.

NEUMEYER P, PERRI F. 2005. Business cycles in emerging economies: the role of interest rates [J]. Journal of Monetary Economics, 52(2):345-380.

STOCK J, WATSON M. 1999. Business cycle fluctuations in U.S. macroeconomic time series [G]. Handbook of Macroeconomics.[S.l.]： North Holland, 1:3-64.

(责任编辑 彭 江)

FeaturesofChineseBusinessCycleFluctuation:StylizedFactsandInternationalComparison

CAI QunQiGONG Min

(Centre for Macroeconomic Research, Xiamen University, Xiamen 361005)

This paper studies the quarterly business cycle stylized facts of China since 1992 by utilizing correlation method in time domain and cross-spectral analysis in frequency domain based on a newly estimated Chinese macroeconomic data set. Both similarities and differences between China and G7 countries are compared and summarized. After that, reasons of the differences are revealed and a tradable and non-tradable sector framework is proposed to analyze Chinese business fluctuation in general and the recent economic slowdown in particular. It has found that the persistence of the business cycle fluctuation is similar with the G7, but the volatility is much higher, while the contemporaneous correlation with GDP fluctuation is lower. Moreover, investment, capital stock, employment, government consumption, net export and monetary stock fluctuations in China are very different from those in the G7. Finally, the findings suggest that the tradable and non-tradable sector model is the right framework to understand the cause and mechanism of the recent slowdown in China.

Chinese business cycle; economic fluctuation stylized facts; tradable and non-tradable sectors

2017-03-11

蔡群起(1988--)，男，福建宁德人，厦门大学宏观经济研究中心博士生。

龚 敏(1965--)，女，云南个旧人，厦门大学宏观经济研究中心教授，博士生导师。

教育部人文社会科学重点研究基地重大项目“矫正要素比价扭曲，推进经济发展方式转变问题研究”(13JJD790026)；教育部哲学社会科学重大课题攻关项目“中国经济潜在增速的测算与展望研究”(15JZD016)。

F124.8

A

1001-6260(2017)09-0001-17

10.19337/j.cnki.34-1093/f.2017.09.001