两岸贸易的周期性与波动性分析

席 建 国(闽南师范大学 商学院，福建 漳州 363000)

国际贸易是实现国际分工合作、提高资源利用效率和提升参与国家或地区利益的经济活动[1]。国际贸易发展的周期性和波动性是一种普遍存在的客观经济现象。周期性指贸易货值经过一个相当规律的时间间隔，呈现规律性上升或下降的变动状况。而国际贸易发展的波动性则指贸易货值在一定时间段的变化性，通常以一段时间内涨落的标准方差来测量。近年来，关于两岸贸易这一特定的区域贸易，在许多方面尚无明确的规则，缺乏制度性保障。鉴于此，两岸于2010年6月29日签署了《海峡两岸经济合作框架协议》(简称ECFA)，主要目标为：加强和增进海峡两岸之间的经济、贸易和投资合作；促进海峡两岸货物贸易和服务贸易进一步自由化，逐步建立公平、透明和便利的投资及保障机制；扩大经济合作领域，建立合作机制。ECFA的签署有利于海峡两岸展开进一步的经济合作；有利于海峡两岸共同应对国际金融危机和国际经济激烈竞争的挑战；有利于建立具有海峡两岸特色的经济合作机制；有利于增进海峡两岸人民的福祉。

两岸贸易作为一种特殊的贸易形式，也具有国际贸易发展的周期性与波动性的一般特征。将2010年、2012年和2015年两岸总贸易额月度数据绘制成图1①。从图1可知：第一，两岸总贸易额序列大致是周期长度为4个月的周期序列。其中一个周期从每年的2月份到该年的6月份，另一周期从每年的6月份到该年的10月份，第三个周期从每年的10月份到次年的2月份。第二，两岸总贸易额序列在各周期内的波动差异较大。从上年10月份开始到次年2月份的周期波动最大。第三，2012年两岸实施的ECFA加剧了两岸贸易的月度波动。除上述直观的结果外，两岸总贸易额序列中其它潜周期序列如何变化？各周期序列对两岸总贸易额序列的波动贡献如何？对这些问题的研究有助于揭示两岸贸易中存在的各种周期及衡量各周期序列的波动贡献，进而为平抑两岸贸易波动，使两岸贸易在低波动下健康发展提供参考。

图1 两岸总贸易额的年度变化①

当前，多数学者着重于研究两岸贸易与两岸经济或两岸投资的关系，而较少涉及两岸贸易变化的内在特征。如从两岸贸易与两岸经济的视角出发，蔡洪杰研究表明两岸贸易明显促进了台湾经济增长，特别是对大陆出口有力推动了台湾经济增长[2]。王华和唐永红分析得出两岸贸易已成为推动两岸经济增长的重要因素之一[3]。李非和蒋含明提出，台湾地区经济增长对两岸贸易增长的影响并不显著，而两岸贸易增长对台湾地区经济增长的影响却十分显著[4]。顾国达和陈丽静基于联立方程模型得出两岸贸易对台湾经济具有较强的拉动作用[5]。以两岸贸易与投资的互动为切入点，胡文骏探讨了后ECFA时代两岸金融、贸易及投资的关系[6]。胡敏和李非研究表明，台商大陆投资对于两岸出口与进口都有促进效应，但这种效应正在减弱[7]。其他学者则从两岸贸易的其它角度展开，分析两岸贸易对特定经济领域的影响。如蔡宏波和蒙英华分析了两岸贸易中的非贸易动因，得出非贸易因素以其特有的方式左右着两岸经贸交往的发展态势与方向[8]。蒋含明测度了两岸各行业的贸易成本，并分析了其影响因素[9]。袁冬梅和刘建江发现两岸贸易(主要是台湾对大陆的出口)对两岸制造业工资差距缩小存在正向影响[10]。陈心颖认为两岸贸易短期内能较明显促进台湾就业人数的增加，长期的拉动效应减弱，总体上两岸贸易有利于台湾降低失业率[11]。特别从两岸贸易的周期波动出发，李非分析了两岸间接贸易周期波动的成因，并对两岸经港间接贸易周期波动进行分解，得出台货输陆与大陆货输台的波动振幅是不一致的[12]。李非指出，中国大陆自台湾进口与对台湾出口出现的非同步扩张，引发了两岸贸易的失衡问题[13]。

通过上述分析可知，学者们大都聚焦于对两岸贸易和特定经济现象的研究，而较少从两岸贸易本身的周期性与波动性出发，分析两岸贸易的内在变化特征。虽然李非对两岸贸易的周期和波动性进行了研究，但他仅从两岸贸易的主周期角度切入，对两岸贸易中的潜周期分析不足，对刻画两岸贸易波动的影响探讨需进一步挖掘。鉴于此，文章首先基于干预分析模型考察了ECFA对两岸经济的影响；其次对两岸贸易的周期进行分解，并从行业角度探讨了周期来源；最后对各周期序列的波动贡献进行了分析。

一、干预分析模型简介

1975年干预分析模型首先被美国威斯康辛大学的博克斯教授和刁锦寰教授用来分析经济与环境的关系问题[14]，随后，便被迅速地推广到描述经济政策或突发社会事件和自然事件对社会发展过程影响的定量分析。干预事件对社会发展过程的关系强度是通过引入干预变量进行考察，通常把干预变量分为两种：一种是具有长久持续影响的干预变量，表示干预事件在某一时刻(假设为T)发生以后，一直对社会发展过程产生影响，可用阶跃函数STt表示；另一种是干预事件发生后，其影响仅局限于某一时刻(假设为t)，可用单位脉冲函数PTt表示。该研究对两类干预变量的定义分别如下：

STt={1t≥T

0t

0t≠T

以干预变量为基础，考虑到干预事件作用的时效，假定Zt为干预事件影响的宽平稳序列(若为非平稳序列，则通过差分转换为平稳序列)，B为滞后算子，一般把干预分析模型归纳为4类。

(一)干预事件的影响突然开始，并长期持续

Zt=ωBbSTtb=0,1,2,…，其中ω表示干预变量影响强度的参数。

(二)干预事件的影响逐渐开始，并长期持续

Zt=ω(B)δ(B)BbSTtb=0,1,2,…

其中，ω(B)=ω0-ω1B-ω2B2-…ωrBrr=0,1,2…

δ(B)=1-δ1B-δ2B2-…δkBkk=0,1,2,…

为了保证序列Zt为平稳可逆序列或差分平稳可逆序列，一般假定关于B的系数多项式ω(B)的根均在单位圆外，δ(B)的根在单位圆外或单位圆上。倘若ω(B)或δ(B)的根出现了复数，则假定该复数的模满足相应的前述条件。

(三)干预事件的影响突然开始，产生暂时的影响

Zt=ωBb1-δBPTt|δ|≤1,b=0,1,2…

当δ=0时，意味着序列Zt仅受到干预事件的一期影响，该时期为T+b，该影响没有通过Zt传递给T+b期以后的各期。当δ=1时，序列Zt也仅受到干预事件在T+b期的影响，但该影响通过Zt传递给T+b期以后各期。

(四)干预事件的影响逐渐开始，产生暂时的影响

Zt=ω(B)δ(B)BbPTtb=0,1,2…

其中，ω(B)和δ(B)同样需要满足情况2中的条件。

在干预序列Zt的基础上，一般受干预事件影响的序列Xt可用干预分析模型表示为：

Xt=μ+Zt+θ(B)φ(B)at

其中，θ(B)=1-θ1B-θ2B2-…-θqBqq=0,1,2,…，

φ(B)=1-φ1B-φ2B2-…φpBpp=0,1,2…

μ表示干预分析模型可能存在的常数项；关于B的系数多项式θ(B)的根的模均在单位圆外，φ(B)的根的模均在单位圆外或者单位圆上；at满足均值为0，方差为σ2a的正态分布。

二、数据处理及模型构建

为了保证文章所用数据可以更直观地反映出两岸贸易的总体趋势，首先对收集的数据进行了定基换算，其次进行了季节调整，最后对处理后的数据进行建模。

(一)数据来源及处理

文章所用数据均来自中国商务部台港澳司和塔塔数据库。2009年7月中国大陆经济增长势头强劲，说明2008年的国际金融危机对中国大陆的影响式微，故样本选择为2009年7月至2016年5月两岸总贸易额的月度数据。为了剔除该序列的价格因素，首先将中国大陆的居民消费价格指数的月度环比数据换算为2009年7月的定基指数,其次把两岸总贸易额的月度数据换算为2009年7月份的价格。后续实证分析过程中所使用的中国大陆对台湾出口额和中国大陆自台湾进口额，依据它们分别占两岸总贸易额的比例，同样换算为2009年7月的定基价格。对中国大陆自台湾进口的主要行业的产品贸易额，也使用同样的方法获得其定基价格序列。

(二)两岸总贸易额序列的模型构建

为准确刻画两岸贸易的发展，考虑到自2012年1月1日起第二阶段执行的降税项目大幅提高到526项，海峡两岸94.5%的产品税项全免，故把干预变量STt的作用起始时间设定为2012年1月1日。进而，对两岸总贸易额序列进行建模。

文章所用的两岸总贸易额序列为月度数据，需对序列作X- 12季节调整，经过季节调整后的序列标记为Yt。基于估计参数5%显著水平上是否显著和模型残差是否为白噪声序列，文章为分析两岸贸易额序列所用的干预分析模型分别为：

yt=-2172282.41+1.78248B+2.29013B2+2.18357B3+1.56961B4+0.55881B5STt+(1-0.36599B)(1-B)εt

(1)

yt=-3078708.6-1.26030B1-0.31924B2-0.46276B3STt+(1-0.51517B)(1-B)εt

(2)

经过检验，筛选的模型(1)和(2)所估参数均在5%显著水平上显著，且模型的残差均不拒绝为白噪声序列。进一步，从模型的平稳性、可逆性、AIC值和SBC值4个方面来进行模型最终抉择。具体结果见表1。

表1 模型(1)和(2)的比较

由表1可知，模型(1)和(2)均满足平稳与可逆条件，但AIC指标和SBC指标模型(1)均较小，故以模型(1)为基础进行分析。

三、两岸贸易周期性与波动性分析

根据以上分析，最终使用模型(1)分析两岸贸易的周期性及波动性。为此把模型(1)变换为：

(3)

上式中，关于Δyt的特征方程为：

λ5+1.78248λ4+2.29013λ3+2.18357λ2+1.56961λ+0.55881=0

(一)周期因素分解

郎丽华和张连城指出，中国的进口贸易周期取决于中国的经济周期，而中国的出口贸易周期则决定于世界经济周期[16]。文章从中国大陆进口台湾的贸易额序列和中国大陆出口台湾的贸易额序列两个方面来分析两岸总贸易额序列的周期来源。经过多次尝试，最终对中国大陆进口台湾的贸易额序列经过季节调整后的序列Wt建模如下：

该模型的参数均在5%的显著水平上显著，且不拒绝模型的残差为白噪声序列。通过计算可知，序列Wt可以分解为4个周期序列，其中两个周期约为4.244 7个月，另外两个周期约为2.679 1个月。同时，Wt序列的特征方程存在- 0.740 28的解，该解决定了Wt序列有一按指数震荡衰减成分。

针对中国大陆出口台湾的月度贸易额序列经过季节调整后的序列Vt，通过多次建模拟合的最优模型为：

上述模型的参数均在5%的显著水平上显著，也不拒绝模型的残差为白噪声序列。该模型中，序列Vt可以分解为4个周期序列，两个周期约以4.920 8个月，两个周期约为2.214 7个月。另一方面，序列Vt的特征方程存在0.756 21的解，它决定序列Vt中有一个按指数递增成分。

为分析两岸总贸易额序列经过季节调整后的序列Yt的周期，主要来源于中国大陆进口台湾的贸易额序列经过季节调整后的序列Wt，还是中国大陆出口台湾的贸易额序列经过季节调整后的序列Vt，把3个序列的周期列于表2。

表2 3个序列的周期比较

通过表2可得，两岸总贸易额序列经过季节调整后的序列Yt的周期与中国大陆自台湾进口额序列经过季节调整后的序列Wt的周期基本一致，并且序列Yt中的指数衰减成分也主要由后者决定；序列Vt的周期没有与序列Yt的周期存在同步性。

(二)波动因素分析

以上分析了两岸总贸易额序列的周期性，但在两岸总贸易额序列所分解的4个周期序列中，哪个周期对该序列的波动影响较大？下文试图回答这一问题。

前文对两岸总贸易序列的分析是在时域中进行的，但时域分析较难区别时间序列所包含的各种周期分量的作用效果，从而可能导致对经济周期波动的本质认识缺乏。频域分析可以弥补时域分析的不足，其原理是将时间序列分解为不同振幅、相位和频率的多个周期分量的叠加，以衡量各周期分量的相对重要性，并从中找出原序列隐含的各主要周期分量及其波动贡献[17- 18]。频域分析的主要方法是谱分析，它可以把一个时间序列分解为几个正交的周期序列，进而较时域分析更方便地求得各周期序列对原序列波动的贡献。

为了最大限度地提取Yt中蕴含的周期序列以考察不同序列的波动贡献，在模型(3)的基础上，进一步将其变化为：

(4)

可逆的MA模型能近似地表示为平稳的AR模型，在1e- 6的精度设定下，将模型(4)近似表示为：

Θ(B)=(1+0.36599B+0.133949B^2+0.049024*B^3+0.017942*B^4+0.006567*B^5+0.002403*B^6)

则ΔYt序列中除前边已求得的4个周期波动序列外，新提取约7个月、3.5个月和2.333 3个月这3个周期波动序列。运用谱分析的方法，分解出这5个周期序列对ΔYt序列的波动的影响，见图2。

图2中，ΔYt序列功率谱密度较高的5个周期分量从右到左对应的频率分别为：2.896 2弧度、2.380 7弧度、1.914 4弧度、1.472 6弧度和0.957 2弧度，与此相对应的周期分别为2.169 5个月、2.639 2个月、3.282 1个月、4.266 7个月和6.564 1个月。将时域分析和频域分析的周期列于表3。

图2 周期图功率谱密度估计

表3 两种分析方法分解的成分比较

在表3中，考虑到频域分析方法无法分解出序列的指数成分，于是把原序列中的指数成分通过几个周期序列进行叠加，这造成了两种分析方法结果存在差异。但文章仅着重考察序列ΔYt的波动主要取决于短周期的波动抑或长周期的波动，这一目标仍然可以通过表3获得。通过分析表3中两种分析方法对序列ΔYt的分解，得到在频域分析方法下，周期为4.266 7个月和周期为2.639 2个月的两个序列分别大致对应时域分析方法下周期为4.277 4个月和周期为2.654 6个月的两个序列，它们对应的频率分别为1.472 6弧度和2.380 7弧度。在图2中，功率/频率越高的周期序列对原序列的波动贡献越大，进而，弧度为2.380 7周期为2.639 2个月的序列对ΔYt的波动影响最大，也即ΔYt序列的波动主要取决于短周期序列的波动。表2和表3所得结果同时说明了ΔYt序列的波动主要取决于中国大陆自台湾进口额序列经过季节调整后的序列Wt的波动。这一结论可以直接推广到Yt序列。

(三)实证结果分析

上文分析了两岸贸易的周期构成和各周期序列的波动影响，可知两岸总贸易额序列经过季节调整后的序列Yt的周期主要由中国大陆自台湾进口额序列经过季节调整后的序列Wt的周期决定。文章从以下几点对这一结论的现实基础进行解读：第一，中国大陆为台湾的相关产品销售提供了广阔的外围市场，这使得中国大陆对台湾产品的需求量较大。第二，中国大陆为台湾相关产品的出口提供了优越的税收优惠条件，且降税效果显著。特别是2010年6月29日两岸签署了ECFA，达成了一个规模大且覆盖面广的早期收获计划，该协议使台湾对中国大陆的出口额有显著的提高。第三，台湾的人口和经济规模相较于中国大陆都明显偏小，这使得台湾对中国大陆的经济吸引力不足，一定程度上限制了从中国大陆的进口规模。第四，随着台湾企业在中国大陆投资的增长，台湾本土在一定程度上减少了对中国大陆商品的需求。

上述分析说明了中国大陆自台湾的进口额序列的周期在两岸总贸易额序列的周期中起主导作用的现实基础。至于两岸总贸易额序列的波动为何主要由其中的短周期序列所决定，两岸总贸易额序列的波动为什么主要取决于中国大陆自台湾进口额序列经过季节调整后的序列Wt的波动，文章将从中国大陆自台湾进口产品的结构进行分析。据中国大陆商务部2009—2016年历年的《国别贸易报告》显示，台湾对中国大陆出口额的前6位商品均为第十六类(机电产品)、第十八类(光学、钟表及医疗设备)、第六类(化工产品)、第七类(塑料和橡胶)、第十五类(贱金属及制品)和第十一类(纺织品及原料)(根据海关分类)，这6类商品的总出口额占当年台湾对中国大陆的出口额比例均在94%左右。鉴于此，文章从这6大类商品的波动解释台湾对中国大陆出口额序列的波动。

对上述6大类商品分别建立时间序列模型，提取其中的趋势成分和周期成分，并与台湾出口中国大陆序列的对应成分进行比较。从中国大陆自台湾进口主要商品序列的指数成分来看，第十六类(机电产品)序列和第十五类(贱金属及制品)序列分别蕴含着一个按指数- 0.786 216和- 0.540 047递减的成分；而第十八类(光学、钟表及医疗设备)序列、第六类(化工产品)序列和第七类(塑料和橡胶)序列分别蕴含着一个按指数0.712 197、0.666 363和0.235 633递增的累加成分；第十一类(纺织品及原料)序列则不拒绝其为白噪声序列。这说明台湾出口中国大陆序列的指数递减成分主要取决于第十六类(机电产品)序列和第十五类(贱金属及制品)序列的指数递减，特别是第十六类(机电产品)的递减趋势和中国大陆进口台湾序列的递减趋势相比较于第十五类(贱金属及制品)更加接近，表明在中国大陆自台湾的进口额序列中，第十六类(机电产品)的指数递减成分发挥着关键性作用。从台湾出口中国大陆的贸易额序列的周期性成分来看，第十六类(机电产品)产品序列中存在两个周期为2.666 7个月的周期序列，它和两岸总贸易额序列分解中的2.654 6个月的周期序列相近，该序列分解的其它周期均与两岸总贸易额序列分解的周期序列有一定差距；第十五类(贱金属及制品)序列分解出了两个周期为3.511 8个月的周期序列，也与两岸总贸易额序列分解的周期存在较大差距；其余各类产品序列中均不包含周期序列。这说明第十六类(机电产品)产品序列的波动是台湾出口中国大陆贸易额序列波动的最主要原因，同时也表明该序列的波动是两岸总贸易额序列波动的主要来源。

上文从4个方面解释了为何中国大陆自台湾的进口额序列在两岸贸易中占主导作用，前者的周期决定了后者的周期变化。在此基础上，进一步分析了两岸总贸易额序列波动的主要来源，得出两岸总贸易额序列的波动主要取决于中国大陆自台湾的进口额序列的波动。具体而言，中国大陆自台湾进口额序列的波动主要受两岸贸易中第十六类(机电产品)产品序列的波动，进而说明两岸贸易中第十六类(机电产品)产品序列的波动构成了两岸总贸易额序列波动的主要原因。

四、结论及建议

借助干预分析模型，采用2009年7月到2016年5月的月度数据，分析了ECFA实施对两岸总贸易额序列的影响，最终选择模型(1)作为描述两岸总贸易额序列的最佳模型。在此基础上，探索了两岸总贸易额序列的主次周期与其波动的主要来源，这是对已有研究大都重点关注两岸总贸易额序列的主周期，而较少涉及其次周期的有益补充。此外，还重点从两岸贸易的产品结构角度对两岸总贸易额序列的周期构成和波动来源进行了较详细的现实解读。

(一)干预分析模型对样本拟合更好

自2012年1月1日开始实施的第二阶段“早期收获清单”产品的降税政策，使得两岸总贸易额序列发生了显著变化。事实证明，两岸的税收优惠措施有利于促进两岸的贸易发展。然而，在区域经济一体化的当前，中国大陆同东盟、韩国和日本等区域经济体之间都存在或正在谈判相关的经济发展优惠措施，海峡两岸同根同族、血脉相承且文化相继，经济交往却频频受阻。虽然ECFA的签署使得两岸贸易有了一定的发展，但后续的谈判(如两岸的服务贸易谈判)却由于台湾方面的政治考量而似雾里看花，局面迟迟不能打开。这必然会使得中国大陆考量是否应先于台湾与其它区域经济体签署相关经济发展的互惠政策，进而影响台湾的经济发展，损坏台湾人民的福祉。

(二)Yt可以分解为5个序列的叠加

第一个序列为负指数衰减的累加序列，该成分主要由台湾出口中国大陆的机电产品序列的衰减决定，说明现有的ECFA政策存在红利极限；第二个和第三个序列是周期均为2.654 6个月的周期序列，它们主要取决于台湾出口中国大陆的第十六类机电产品序列的周期；第四个和第五个序列是周期为4.227 4个月的周期序列，这两个序列为两岸总贸易额序列中除周期为2.654 6个月的周期序列的叠加。这同样说明两岸的现有贸易互惠政策急需在更大的范围内进行扩张，特别应考虑两岸第十六类机电产品贸易的未来发展空间，是否需要制定专门的产业优惠政策，进一步提升两岸机电类产品的贸易额度。因为在现有的贸易体系中，不增就减，即倘若两岸没有在更广泛的范围内达成贸易优惠措施，那么，这种需求必然会被其他的贸易伙伴所取代，进而有损两岸的贸易发展。

(三)两岸总贸易额的周期主要取决于中国大陆自台湾进口额序列的周期

中国大陆自台湾的进口额序列在两岸总贸易额序列中占较大的比例(最小为75%)，前者的周期决定了后者的周期。在两岸贸易中，中国大陆对台湾产品的需求更强烈，需求量也更大。台湾通过两岸贸易可以为台湾公民提供更广泛的就业机会，可以借助中国大陆的产品需求进行相关产业调整，以此提高台湾经济的增长质量和总量。

(四)两岸总贸易额序列的波动主要取决于中国大陆自台湾进口产品中第十六类(机电产品)产品序列的波动

第十五类(贱金属及制品)产品序列波动的影响较小；而第十八类(光学、钟表及医疗设备)产品序列、第六类(化工产品)产品序列、第七类(塑料和橡胶)产品序列和第十一类(纺织品及原料)产品序列则均不存在周期成分。众所周知，波动并非一无是处，只要将其控制在一定范围之内，反而可以对自身的发展进行完善。倘若中国大陆自台湾进口产品中第十六类(机电产品)产品序列的波动超出这一范围，势必会影响两岸的贸易额，进而影响两岸各自的经济发展。

通过以上分析可知，ECFA的实施对两岸贸易确实有积极的影响，但现阶段相关政策措施的红利空间正在逐步缩小，这就需要两岸以更大的勇气来签署更广泛的优惠政策，进而释放出更大的政策红利空间。倘若两岸的区域经济合作发展迟缓，必然会使得中国大陆寻求新的合作伙伴，进而造成台湾本土居民就业机会减少，对台湾经济发展造成消极影响。两岸贸易的周期性和波动性均主要受中国大陆进口台湾的第十六类机电产品的影响。如若海峡两岸不能为台湾出口中国大陆的主要产品提供更便利的措施，势必会导致台湾的出口受挫，进而打击台湾经济发展和产业调整。鉴于此，应尝试性地为两岸的贸易发展，特别是针对两岸贸易中的重点产品类别制定相应的长效互惠机制，尽量避免政治影响，惟有如此，方能使得两岸贸易稳定健康发展。

注释：

① 图1中所用数据是经过价格指数调整后的可比价格数据，详见后文描述。

[1] 胡中祥,王其文,黄涛.两岸贸易对台湾总体经济影响的计量模型[J].经济科学,2001(1):55- 62.

[2] 蔡洪杰.两岸贸易与台湾经济增长关系的协整分析[J].西北农林科技大学学报(社会科学版),2010，10(3):46- 50.

[3] 王华,唐永红.台商投资、两岸贸易与经济增长：对于两岸经济相互依存性的系统度量[J].国际经贸探索,2010，26(6):0- 0.

[4] 李非,蒋含明.两岸贸易对台湾经济增长影响的实证分析：基于1980—2010年的时间序列数据[J].审计与经济研究,2011，26(11):87- 94.

[5] 顾国达,陈丽静.ECFA对两岸贸易与台湾经济增长的影响研究：基于联立方程组模型的模拟分析[J].台湾研究集刊,2011(5):67- 74.

[6] 胡文骏.后ECFA时代两岸金融与两岸贸易、投资的关系：基于VAR- VEL模型的实证分析[J].台湾研究集刊,2015(2):54- 66.

[7] 胡敏,李非.台商投资与两岸贸易关系的变化特征研究[J].经济问题探索,2015(5):93- 99.

[8] 蔡宏波,蒙英华.两岸贸易的非贸易动因:一个多元分析视角[J].亚太经济,2008(6):109- 113.

[9] 蒋含明.海峡两岸贸易成本的测度及其影响因素：基于行业面板数据的实证分析[J].世界经济研究,2012(6):81- 87.

[10] 袁冬梅,刘建江.两岸贸易对两岸制造业工资差距的影响研究[J].财经理论与实践,2012，33(3):112- 116.

[11] 陈心颖.海峡两岸贸易对台湾就业水平的影响：基于VAR模型分析[J].上海财经大学学报,2012(1):92- 97.

[12] 李非.论海峡两岸贸易关系的周期性波动[J].亚太经济,1993(4):42- 47.

[13] 李非.当前海峡两岸贸易形势分析[J].厦门大学学报(哲学社会科学版),2007(1):76- 83.

[14] BOX G,TIAO G.Intervention analysis with application to economic and environmental problems[J].Journal of American Statistical Association,1975，70(349):70- 79.

[15] TSAY R S.金融时间序列分析[M].潘家柱,译.2版.北京:人民邮电出版社,2011:28- 33.

[16] 郎丽华,张连城.中国经济周期与对外贸易周期的关系研究[J].经济学动态,2011(11):24- 30.

[17] 王悦.谱分析方法及其在经济周期研究中的应用：以美国经济周期波动(1930—2009)的谱分析为例[J].财经科学,2011(11):34- 43.

[18] 魏武雄.时间序列分析：单变量和多变量方法[M].易丹辉,刘超，译.2版.北京:中国人民大学出版社,2009:261- 265.