——对我国M2供应量是否过剩的实证分析
问题的提出
近年来中国的货币政策传导机制一直是受到关注的一个话题。大多数的研究都把重点放在了货币政策的传导途径，并且大多数的文章都认为我国的货币政策传导机制是低效率的，在此前提下展开各自的论述。可惜的是在大多数文章中都没有证明其最基本的理论前提：我国的货币政策传导机制是低下的。即使有证据，也知识单独的数据证据，而没有严密的理论证据，不具有最强的说服力。使人不得不对其理论基础产生怀疑，进而对其理论的正确性产生怀疑。
因此，我们小组拟建立计量模型来测度我国货币政策传导机制的效率，以检验上述文章的理论是否具有正确的现实基础。
同时为了避免受到这些文章的所提供数据的局限，从而影响我们的分析结果，我们不准备使用该文章的入手角度来测度货币政策的效率；而是采用与之观点相对独立的视角来入手，这样就可以得到比较有力的检验结果，更加具有说服力。
2．研究的方法：
本文拟通过建立以能够对GDP的变化产生显著影响的变量，如净出口的变化率等，再加上M2的变化率作为解释变量，以GDP的变化率来作为被解释变量的计量经济模型，通过观测模型中M2的参数来确定M2的变化率对GDP的变化率的影响是否显著，以及M2的变化率与GDP的变化率的是不是具有相同的变化方向，有多大的影响力。
当得到了在计量经济学意义上具有比较好的性质的参数之后，就可以根据该参数对我国的货币政策传导效率进行评估，以验证《中国货币政策“信贷渠道”传导机制极其局限性》一文的理论基础是否具有实证基础。
我们认为，该模型所得到的关于M2变化率对GDP变化率的参数，表示M2的追加投入量中有多少对我国GDP增长产生了影响，因此这个参数正好反映了我国货币政策的传导效率。
模型的设置：
3，1变量的设置：
本文模型的解释变量为：净出口环比变化率（XE）、资本形成总额环比变化率（XI）、总消费环比变化率（XC），M2的环比变化率；被解释变量为GDP的环比变化率（Y）。其中总消费是将居民总消费与政府总消费合并之后的结果再求其环比变化率，这样做的原因是可以减少一个解释变量以保证模型数据自由度，而我们认为这样做的合理性的理由是：在四部门支出法计算的国民生产总值中政府之处与居民消费都是计算为GDP的组成部分，虽然是分开的两个部门，但是在实际经济意义上都是对社会劳务和最终产品的购买，是以相同的方式为GDP增长做贡献，虽然二者是处于不同的目的和经济背景，但只要记入GDP的方式相同就有足够的理由把二者以这种约束条件合并。
本文的所有解释变量和被解释变量都是采用环比变化率的形式，因为如果是采用绝对数就无法将M2作为解释变量之一加入模型，因为GDP是由其他的三个变量构成的，与M2无直接关联。而如果使用相对数那么就可以将M2的变化率对GDP的变化率的影响解释为货币政策对GDP的影响。
本文的模型是以四部门核算的支出法国民总值的各个因素的变化率来加上M2的变化率来解释GDP的变化率。这样做的理由是：除M2外的解释变量都是对GDP有直接影响的，但是在变化率这个层次上的数据是不具有衡等性的，这就为加入M2的变化率提供了空间，我们可以通过因果关系检验来验证M2变化率这个变量的加入是否具有合理性。
3，2模型的设置：
本文模型的基本形态是：
Y= a0 + a1* XE + a2 * XI + a3 * XC + a4 * XM + a5 * XM(-1)+ ut
其中XM（-1）为M2变化率的滞后一阶值。模型中XE，XI，XC，XM均为内生变量。
4．数据
4，1 数据来源：
本文全部基本数据（原始的绝对数数据）是1978年到2004年的时间序列数据，现列表如下：
年 份 GDP 最终消费 资本形成总额 净出口 M2
单位：亿RMB
1978 3605.6 2239.1 1377.9 -11.4 1159
1979 4074 2619.4 1474.2 -19.6 1458.1
1980 4551.3 2976.1 1590 -14.8 1824.9
1981 4901.4 3309.1 1581 11.3 2234.5
1982 5489.2 3637.9 1760.2 91.1 2589.8
1983 6076.3 4020.5 2005 50.8 3075
1984 7164.4 4694.5 2468.6 1.3 4146.3
1985 8792.1 5773 3386 -366.9 5198.9
1986 10132.8 6542 3846 -255.2 6720.9
1987 11784.7 7451.2 4322 11.5 8330.9
1988 14704 9360.1 5495 -151.1 10099.8
1989 16466 10556.5 6095 -185.5 11949.6
1990 18319.5 11365.2 6444 510.3 15293.4
1991 21280.4 13145.9 7517 617.5 19349.9
1992 25863.7 15952.1 9636 275.6 25402.2
1993 34500.7 20182.1 14998 -679.4 34879.8
1994 46690.7 26796 19260.6 634.1 46923.5
1995 58510.5 33635 23877 998.5 60750.5
1996 68330.4 40003.9 26867.2 1459.3 76094.9
1997 74894.2 43579.4 28457.6 2857.2 90995.3
1998 79003.3 46405.9 29545.9 3051.5 104498.5
1999 82673.1 49722.7 30701.6 2248.8 119897.9
2000 89356.7 54616.66 32499.81 2240.2 134610.3
2001 98618.1 58952.6 37460.8 2204.7 158301.9
2002 104790.6 62364.6 42355.4 2512.3 185007
2003 117251.9 67442.5 51382.7 2686.2 221222.8
2004 136515 77543.9 56324.12 2646.985 253000
利用公式：， 得到的环比相对数据如下表所示：
年 份 GDP 最终消费 资本形成总额 净出口 M2
1978 - - - - -
1979 0.129909 0.169845 0.069889 -0.7193 0.258067
1980 0.117158 0.136176 0.078551 0.244898 0.25156
1981 0.076923 0.111891 -0.00566 1.763514 0.224451
1982 0.119925 0.099362 0.113346 7.061947 0.159006
1983 0.106955 0.105171 0.139075 -0.44237 0.18735
1984 0.179073 0.167641 0.231222 -0.97441 0.34839
1985 0.227193 0.229737 0.371628 -283.231 0.253865
1986 0.152489 0.133206 0.135854 0.304443 0.292754
1987 0.163025 0.138979 0.123765 1.045063 0.239551
1988 0.24772 0.256187 0.271402 -14.1391 0.21233
1989 0.119831 0.127819 0.10919 -0.22766 0.183152
1990 0.112565 0.076607 0.05726 3.750943 0.279825
1991 0.161626 0.15668 0.166511 0.210073 0.265245
1992 0.215377 0.213466 0.281894 -0.55368 0.312782
1993 0.333943 0.265169 0.556455 -3.46517 0.373102
1994 0.353326 0.327711 0.284211 1.933324 0.345292
1995 0.253151 0.255225 0.239681 0.574673 0.294671
1996 0.167831 0.189353 0.125233 0.461492 0.252581
1997 0.09606 0.089379 0.059195 0.957925 0.195813
1998 0.054865 0.064859 0.038243 0.068004 0.148394
1999 0.046451 0.071474 0.039115 -0.26305 0.147365
2000 0.080844 0.098425 0.058571 -0.00382 0.122708
2001 0.103645 0.079389 0.152647 -0.01585 0.176001
2002 0.06259 0.057877 0.130659 0.13952 0.168697
2003 0.118916 0.081423 0.213132 0.069219 0.195754
2004 0.164288 0.149778 0.096169 -0.0146 0.143643
对应缩写 Y XC XI XE XM
在原始绝对数数据中，除04年数据外，其余数据均来自国家统计局网站。
04年数据由于统计时期的问题尚为公布，只能从其他渠道搜集：
因为本模型的数据全部是时间序列数据，所以必须进行数据平稳性检验。
对Y进行单位根检验，首先使用DF检验，选择0阶条件，有趋势和截距影响，无滞后（当滞后阶数大于0时，为ADF检验，在DF检验否定Y的平稳性之前暂时不考虑，只有当DF检验认为Y平稳性差时再进行ADF检验），得到：
ADF Test Statistic -2.256062 1% Critical Value* -4.3738
5% Critical Value -3.6027
10% Critical Value -3.2367
由于ADF值-2.256062大于所有的临界值，因此Y在此条件下不平稳。再选择无趋势、仅有截距影响，以放款检验条件，得到结果：
ADF Test Statistic -2.280464 1% Critical Value* -3.7204
5% Critical Value -2.9850
10% Critical Value -2.6318
Y依然不平稳。再次放宽条件，选择无任何限制，的结果：
ADF Test Statistic -0.998853 1% Critical Value* -2.6603
5% Critical Value -1.9552
10% Critical Value -1.6228
根据以上判断结果，可以认定Y在0阶是不平稳的。
因此对Y进行1阶条件检测，首先选择有趋势和截距影响，得到结果：
ADF Test Statistic -4.104274 1% Critical Value* -4.3942
5% Critical Value -3.6118
10% Critical Value -3.2418
因为ADF值-4.104274大于1%显著性水平下的临界值，但是小于5%显著性水平下的临界值，因此，可以认为在5%显著性水平下，Y是1阶条件平稳的。
重复以上步骤，发现所有解释变量也都符合1阶条件单整，于是使对原模型进行最小二乘估计，得到残差项Et，对Et进行1阶条件单位根检验，得到结果：
ADF Test Statistic -5.936756 1% Critical Value* -4.4167
5% Critical Value -3.6219
10% Critical Value -3.2474
证明残差项Et也是也符合1阶条件单整。
因果关系检验
为了更加明确各个解释变量对被解释变量的解释力，和其中的因果关系，我们进行因果关系检验。
使用Granger 检验对各个解释变量和被解释变量逐个进行因果关系检验。阶数范围为：1-2阶。（阶数没有从0开始是因为在EVIEWS软件中0阶Granger 检验与2阶Granger 检验结果相同。）
本模型的主要目的是检验M2对GDP的影响，所以应当优先对模型中的XM和XM（-1）进行因果检验。而对于其他的变量，由于Granger 检验只是表明解释变量和被解释变量之间有可能得到较好的回归结果，而不是用来衡量变量经济意义的绝对标准，所以在这里就不再缧述其他变量的因果检验过程只给出结论。
分别得到如下结果：
A，对于XM有：
Pairwise Granger Causality Tests
Date: 06/15/05 Time: 00:51
Sample: 1979 2004
Lags: 1
Null Hypothesis: Obs F-Statistic Probability
Y does not Granger Cause XM 25 0.64706 0.42977
XM does not Granger Cause Y 6.01380 0.02259
Pairwise Granger Causality Tests
Date: 06/15/05 Time: 00:51
Sample: 1979 2004
Lags: 2
Null Hypothesis: Obs F-Statistic Probability
Y does not Granger Cause XM 24 0.43590 0.65299
XM does not Granger Cause Y 4.25287 0.02976
以上结果表明，无论在1阶还是2阶条件下，XM与Y之间都是XM为因，Y为果的单向因果关系。
B，对XM（-1）有：
Pairwise Granger Causality Tests
Date: 06/15/05 Time: 00:51
Sample: 1979 2004
Lags: 1
Null Hypothesis: Obs F-Statistic Probability
Y does not Granger Cause XM(-1) 25 0.64706 0.42977
XM(-1) does not Granger Cause Y 6.01380 0.02259
Pairwise Granger Causality Tests
Date: 06/15/05 Time: 00:51
Sample: 1979 2004
Lags: 2
Null Hypothesis: Obs F-Statistic Probability
Y does not Granger Cause XM(-1) 24 0.43590 0.65299
XM(-1) does not Granger Cause Y 4.25287 0.02976
同样的，无论在1阶还是2阶条件下，XM（-1）与Y之间都是XM（-1）为因，Y为果的单向因果关系。
其他的检验结果为：
XC与Y在1阶条件下是互为因果关系，在2阶条件下是Y为因XC为果的单向因果关系。
XI与Y在1、2阶条件下都无因果关系；XE与Y在1、2阶条件下也都无因果关系。
从以上的结果我们可以初步的认为：将M2的变化率与GDP的变化率放在这样一个模型中是具有经济意义的，其参数能够反映M2变化率对GDP变化率的影响，我们模型的设定是合理的，具有继续深入讨论的意义。
5．误差校正模型的建立
5，1，1 短期模型的建立
由于所有的变量以及原模型的残差项都是一阶单整，因此各个解释变量与被解释变量之间必定存在协整关系。因此我们可以尝试通过误差校正模型来得到原模型的短期调节模型。
具体的步骤如下：
先对各个变量进行1阶差分。
并得到原长期关系模型回归后的残差项E。
按照方程：
上式中：ΔY等项为差分后所得的对应变量。
用上式，在p=0，1，2，3之间用OLS法进行试验，选R^2最大的一组作为最佳形式，发现当p=2时结果最理想，其结果如下：
Dependent Variable: Y1
Method: Least Squares
Date: 06/15/05 Time: 02:08
Sample(adjusted): 1983 2004
Included observations: 22 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.001276 0.002369 0.538827 0.6131
Y1(-1) -0.221753 0.498943 -0.444446 0.6753
Y1(-2) -0.667407 0.278605 -2.395530 0.0620
Y1(-3) 0.051541 0.059872 0.860849 0.4287
XC1 0.798742 0.082088 9.730287 0.0002
XC1(-1) 0.185217 0.339830 0.545028 0.6092
XC1(-2) 0.470662 0.207735 2.265679 0.0728
XE1 0.000132 5.62E-05 2.347767 0.0657
XE1(-1) 0.000113 8.06E-05 1.406829 0.2185
XE1(-2) 5.04E-05 5.40E-05 0.933655 0.3933
XI1 0.123003 0.035594 3.455703 0.0181
XI1(-1) 0.031689 0.138264 0.229191 0.8278
XI1(-2) 0.145193 0.086633 1.675963 0.1546
XM1 0.186284 0.089430 2.083011 0.0917
XM1(-1) 0.048999 0.101954 0.480602 0.6511
XM1(-2) 0.135167 0.080860 1.671624 0.1555
E(-1) -0.692152 0.812286 -0.852105 0.4331
R-squared 0.993960 Mean dependent var 0.002017
Adjusted R-squared 0.974631 S.D. dependent var 0.065265
S.E. of regression 0.010395 Akaike info criterion -6.231086
Sum squared resid 0.000540 Schwarz criterion -5.388007
Log likelihood 85.54194 F-statistic 51.42376
Durbin-Watson stat 0.883357 Prob(F-statistic) 0.000186
根据每一个变量t值的显著性，去掉不显著的变量，得到如下的变量是显著性较高的变量：Y1（-2）、XC1 、XC1（-2）、 XE1 、 XI1 、XM1。用这些变量再次进行OLS估计，得到如下结果：
Dependent Variable: Y1
Method: Least Squares
Date: 06/15/05 Time: 02:17
Sample(adjusted): 1982 2004
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.002971 0.004499 0.660304 0.5185
Y1(-2) -0.212242 0.166474 -1.274931 0.2205
XC1 0.778445 0.088918 8.754636 0.0000
XC1(-2) 0.337493 0.165729 2.036407 0.0586
XE1 0.000116 7.33E-05 1.575416 0.1347
XI1 0.194718 0.049069 3.968227 0.0011
XM1 0.081383 0.098766 0.824003 0.4221
R-squared 0.919401 Mean dependent var 0.003798
Adjusted R-squared 0.889176 S.D. dependent var 0.064335
S.E. of regression 0.021417 Akaike info criterion -4.603447
Sum squared resid 0.007339 Schwarz criterion -4.257862
Log likelihood 59.93964 F-statistic 30.41875
Durbin-Watson stat 2.372017 Prob(F-statistic) 0.000000
其中的显著性较高的变量为：XC1，XC1（-2），XI1。
值得注意的是在这里M2变化率的差分这个变量被剔除了，这是因为一般的经济环境中，货币政策的传导总是伴随着不可避免的滞后性；同时，货币发行量对GDP的影响需要通过对投资以及消费的影响来实现，因此短期内货币政策是无法体现其对GDP的影响的。这个结果虽然剔除了我们要研究的对象，但是由于其计量经济学理由和现实意义都比较充分，所以我们认为这个结果是可以接受的。我们更加看中的是长期模型中的M2变化率对GDP变化率的影响。
接着上面的结果，我们再用XC1，XC1（-2），XI1对Y1进行OLS估计得到如下结果：
Dependent Variable: Y1
Method: Least Squares
Date: 06/15/05 Time: 02:24
Sample(adjusted): 1982 2004
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.002605 0.004848 0.537320 0.5973
XC1 0.746999 0.092260 8.096657 0.0000
XC1(-2) 0.167014 0.083926 1.990024 0.0612
XI1 0.175340 0.045447 3.858151 0.0011
R-squared 0.887923 Mean dependent var 0.003798
Adjusted R-squared 0.870227 S.D. dependent var 0.064335
S.E. of regression 0.023176 Akaike info criterion -4.534626
Sum squared resid 0.010205 Schwarz criterion -4.337149
Log likelihood 56.14820 F-statistic 50.17567
Durbin-Watson stat 2.338469 Prob(F-statistic) 0.000000
虽然在这个式子里XC1(-2)的t值小于2，但是由于其P值仅有0.0612，即是说如果假设XC1(-2)的参数是显著的等于零的，那么拒绝该该假设犯错误的概率仅有6%，因此我们认为在这里可以接受XC1(-2)的参数显著的不同于0。
5，1，2 短期模型的其他计量经济学检验
多重共线性
由上表可以看出，各个变量间的相关系数非常小，存在多重共线性的可能性很小；同时短期模型的R^2和F检验值都非常显著，且每一个变量的T值也显著，存在多重共线性的理由不充分。由以上两个依据，我们有理由认为短期模型没有多重共线性。
异方差性
对短期模型进行ARCH和WHITE 检验后得到如下的结果：
1阶ARCH检验：
F-statistic 0.043991 Probability 0.835992
Obs*R-squared 0.048284 Probability 0.826076
Variable Coefficient Std. Error t-Statistic Prob.
C 0.003601 0.001127 3.195291 0.0045
RESID^2(-1) 0.045949 0.219075 0.209741 0.8360
2阶ARCH检验：
F-statistic 0.547570 Probability 0.587688
Obs*R-squared 1.204387 Probability 0.547609
Variable Coefficient Std. Error t-Statistic Prob.
C 0.002956 0.001450 2.038247 0.0565
RESID^2(-1) 0.009378 0.228383 0.041062 0.9677
RESID^2(-2) 0.233672 0.223913 1.043584 0.3105
3阶ARCH检验：
F-statistic 0.261804 Probability 0.851857
Obs*R-squared 0.935826 Probability 0.816775
Variable Coefficient Std. Error t-Statistic Prob.
C 0.003504 0.001681 2.083929 0.0536
RESID^2(-1) 0.013432 0.252378 0.053222 0.9582
RESID^2(-2) 0.202914 0.240390 0.844103 0.4111
RESID^2(-3) -0.090754 0.265838 -0.341388 0.7373
由ARCH检验的结果，在各个阶次下的F检验P值都很大，因此不能拒绝原假设，同时所有滞后项的t检验值都不显著，因此我们可以认为该短期调整模型不存在由于随机扰动项的逐期积累而产生的异方差性。
WHITE检验：
White Heteroskedasticity Test:
F-statistic 0.816420 Probability 0.572862
Obs*R-squared 5.391098 Probability 0.494715
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/15/05 Time: 02:54
Sample: 1982 2004
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000548 0.000192 2.857972 0.0114
XC1 -0.002952 0.002547 -1.158824 0.2635
XC1^2 0.007347 0.032744 0.224369 0.8253
XC1(-2) 0.002138 0.002518 0.849144 0.4083
XC1(-2)^2 -0.015233 0.027071 -0.562717 0.5814
XI1 0.000928 0.001132 0.819168 0.4247
XI1^2 -0.003925 0.007032 -0.558253 0.5844
显然WHITE检验各个变量的t值都不显著，且拒绝原假设犯错误的概率都很大，所以模型中也没有由于变量设置而产生的异方差。
因此短期调节模型不存在异方差。
自相关性
由于在短期模型中出现了滞后变量，所以拟用DW-h检验来检验模型的自相关性。
，其中d=2.338469；n=23;
可以计算出h=-0.88661<1.96，所以是不存在自相关的。
5，1，3 短期调整模型的总结
由以上的结果我们得到了影响GDP的因素之短期调整模型：
Y1=0.002604756064+0.7469990415*XC1 + 0.1670142444*XC1(-2) + 0.1753399712*XI1
经过误差校正机制产生的短期调整模型的各个解释变量的参数都是合乎经济学意义的。这个短期模型虽然去除了我们需要的M2作为解释变量，但是却向我们反映了在短期内对GDP影响最大的几个因素。
同时，短期模型由于剔除了我们需要研究的M2变量，虽然没有直接的说明M2与GDP的关系，但是短期模型却含有重要的经济信息，完成短期调整模型是为了使理论更加完善，同时也是对货币政策滞后性的一种佐证。
5，2，1 长期模型
这里我们再给出长期模型的估计结果：
Dependent Variable: Y
Method: Least Squares
Date: 06/15/05 Time: 03:13
Sample(adjusted): 1980 2004
Included observations: 25 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -0.016701 0.014668 -1.138611 0.2690
XE 0.000151 7.34E-05 2.057699 0.0536
XC 0.726574 0.104890 6.927010 0.0000
XI 0.209515 0.050517 4.147394 0.0005
XM 0.054961 0.079047 0.695297 0.4953
XM(-1) 0.076559 0.097808 0.782754 0.4434
R-squared 0.966828 Mean dependent var 0.153431
Adjusted R-squared 0.958098 S.D. dependent var 0.080801
S.E. of regression 0.016540 Akaike info criterion -5.160515
Sum squared resid 0.005198 Schwarz criterion -4.867985
Log likelihood 70.50644 F-statistic 110.7530
Durbin-Watson stat 1.897453 Prob(F-statistic) 0.000000
5，2，2 长期模型的计量经济学检验
多重共线性
从上面的系数相关性矩阵我们看出，各个系数的相关性不明显；长期模型的R^2和F检验都十分显著，但是XM和XM（-1）的t值不显著，可能存在多重共线性。虽然是可以进行修正的但是由于其t值比较接近临界值2，且其他变量的t值却都是显著的，再考虑到多重共线性是无法完全消除的，所以我们认为这个水平上的多重共线性尚可容忍，而且在后面的修正中将会使多重共线性改善，故暂时不针对长期模型的多重共线性进行修正。
B，异方差性
1阶ARCH检验：
F-statistic 2.469090 Probability 0.130377
Obs*R-squared 2.421755 Probability 0.119661
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000274 6.79E-05 4.034319 0.0006
RESID^2(-1) -0.369363 0.235064 -1.571334 0.1304
2阶ARCH检验：
F-statistic 1.233180 Probability 0.312588
Obs*R-squared 2.524944 Probability 0.282954
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000249 9.45E-05 2.632939 0.0159
RESID^2(-1) -0.350272 0.256719 -1.364420 0.1876
RESID^2(-2) 0.082496 0.257935 0.319833 0.7524
3阶ARCH检验：
F-statistic 0.756994 Probability 0.532693
Obs*R-squared 2.464687 Probability 0.481707
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000259 0.000116 2.232480 0.0385
RESID^2(-1) -0.351211 0.275958 -1.272697 0.2193
RESID^2(-2) 0.066313 0.282857 0.234438 0.8173
RESID^2(-3) -0.046344 0.273759 -0.169290 0.8675
由ARCH检验的结果，在各个阶次下的F检验P值都很大，因此不能拒绝原假设，同时所有滞后项的t检验值都不显著，因此我们可以认为该长期模型不存在由于随机扰动项的逐期积累而产生的异方差性。
WHITE检验：
White Heteroskedasticity Test:
F-statistic 1.464422 Probability 0.249629
Obs*R-squared 12.78113 Probability 0.236168
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/15/05 Time: 03:24
Sample: 1980 2004
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -0.001419 0.001072 -1.324414 0.2066
XE 6.57E-05 2.63E-05 2.495116 0.0257
XE^2 2.35E-07 9.32E-08 2.526479 0.0242
XC -0.000342 0.004568 -0.074789 0.9414
XC^2 0.022006 0.013137 1.675113 0.1161
XI -0.003309 0.001666 -1.986280 0.0669
XI^2 0.004017 0.003003 1.337416 0.2024
XM 0.013041 0.008659 1.506138 0.1543
XM^2 -0.025405 0.018392 -1.381304 0.1888
XM(-1) 0.005825 0.007814 0.745485 0.4683
XM(-1)^2 -0.024331 0.017600 -1.382434 0.1885
在以上检验结果中，除XE和XE^2两项的t值显著外，其他各个项目的T值都不显著。由这个检验可以看出长期模型在WHITE检验中体现出异方差性，虽然我们的样本是小样本，WHITE检验可能失真，但是由于长期模型对于得出文档的结论有相当重要的意义，所以尝试对长期模型进行WLS修正，并依然使用WHITE检验。
经过反复实验，以作为权数来进行WLS估计得到的参数最好，其结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 06/15/05 Time: 12:28
Sample(adjusted): 1980 2004
Included observations: 25 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C -0.026990 0.013670 -1.974362 0.0631
XE 0.000297 0.000253 1.170767 0.2562
XC 0.532205 0.133614 3.983136 0.0008
XI 0.393607 0.052461 7.502923 0.0000
XM 0.172167 0.076391 2.253748 0.0362
XM(-1) 0.030165 0.102340 0.294749 0.7714
Weighted Statistics
R-squared 0.996882 Mean dependent var 0.268013
Adjusted R-squared 0.996062 S.D. dependent var 1.580438
S.E. of regression 0.099180 Akaike info criterion -1.578197
Sum squared resid 0.186897 Schwarz criterion -1.285667
Log likelihood 25.72746 F-statistic 37.75812
Durbin-Watson stat 1.935213 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.908231 Mean dependent var 0.153431
Adjusted R-squared 0.884082 S.D. dependent var 0.080801
S.E. of regression 0.027510 Sum squared resid 0.014379
Durbin-Watson stat 1.751471
以上的修正结果显示：全部的WHITE 原因和ARCH原因造成的异方差性均消除，且由于修正还使模型的多重共线性得到改善。
C，自相关性
由于在长期模型中出现了滞后变量，所以拟用DW-h检验来检验模型的自相关性。
，其中d=1.935213；n=25;
可以计算出h=0.188517517<1.96，所以是不存在自相关的。
所以长期趋势模型为：
Y = - 0.02699045726 + 0.0002966142544*XE + 0.5322045012*XC +0 .3936073968*XI + 0.172166588*XM + 0.03016460153*XM(-1)
从长期趋势模型中得到的结论
6，1 对模型的认识
从这个结果我们看到其余的经济变量对GDP 变化率的影响的参数都比较符合经济学意义和常识，比如消费在我国确实只占大约50%的GDP分额，而模型中反映的我国投资对GDP的贡献也基本真实的。
值得注意的是：净出口项目的参数虽然是有较好的显著性，但是其对GDP的影响却相当的小；但是在我国净出口却一直被认为是经济腾飞的发动机之一，模型的结果似乎是偏离了实际情况的。但是我认为个结果是反映了各个参数在绝对数上对GDP 的贡献，而并没有考察进出口贸易的外溢效应，比如：对沿海地区技术进步的拉动，对社会资源分配效率提高的积极影响，对农村人力资源利用的积极影响，等等无法衡量也不计入GDP的因素。
因此我们认为以上3个变量的回归结果是相当好的，不仅符合计量经济学意义也具有实证的经济学价值。
在长期趋势模型中：XM的参数显著性很高，经过因果分析得出结论是XM确实是Y变化的统计理由，且它对GDP变化率的影响很明显；而XM（-1）的参数不是很显著，这可能是由于模型所带有的多重共线性造成的，XM（-1）对Y的影响比较微弱，且小于XM对Y的影响，我们认为之所以会产生这样的结果这样，是由于货币政策的滞后性往往导致货币政策的效果在6个月以后开始生效，而大约再过一年其效用就非常小了，长期趋势模型的结论正好符合这一经验结论。
同时模型中各个变量都是使用了环比发展数据，因此，也可以认为长期模型是反映了GDP对各个经济变量的敏感度。
6，2 模型的经济学意义
在模型中我们发现M2投入量变化率的0阶和1阶滞后都具有正的参数，且M2变化率滞后0阶的参数比较大，这说明在我们国家每投入新的M2会引起GDP的正向变化，也就是说投入新的广义货币M2对国民经济具有积极的作用。这个传导过程根据凯恩斯的理论来解释应当是：当货币供应量上升，那么会使社会产品价格上升，于是使国民收入增加，由此产生对消费的刺激，使GDP增加；同时由于货币供应量的增加，使利率下降，投资受到刺激，从而使GDP增加。
因此模型所得到结果是符合经济学意义的。
在模型参数是具有经济学和计量经济学意义的前提下，M2变化率的参数是0.172166588，也就是说在我国的M2追加投入量中，有17%左右的部分对GDP增加产生了影响。
6，3 对问题的回答
有了以上的分析，再来看我国的货币政策传导效率就比较清晰了。
首先，根据我们前面在模型经济意义中的分析，只要是增加M2供应量就一定会增加GDP，这个结论是建立在费雪定理的基础上的，既：货币供应量增长率=实际GDP增长率+通货膨胀率，由这个公式可以轻易得到只GDP增长就一定伴有货币供应量的增长这个结论；同时，由以上对凯恩斯理论的分析，由于GDP是衡量名义经济增长率的水平，而M2的增加量可以带动名义经济增长的提高，因此M2供应量的提高可以带动GDP增长水平的提高。
也就是说，凡是转化为流通中货币的每一单位的货币供应量都应该对GDP产生影响。如果在所有追加投入的M2中，只有17%的部分对GDP产生影响，那么就有83%的部分没有对GDP产生影响，既是说，我国近5年来平均有83%的M2没有有效的转化为流通中的货币，这就说明我国的货币政策传导确实是存在效率低下的问题。
也就是说我国大多数研究货币政策的文章的立题基础是有其经济背景的。
6，4 对M2供给不足的相关分析
通过研究前人在货币政策传导机制这个问题上的成果，我们认为以下几点是比较有说服力的：
1， 外汇占款严重，由于不断增加的国际资本涌入中国，外管局不断的通过收购外汇来稳定人民币汇率。但是由于沿海地区与内陆地区发展不平衡，大多数的外国投资都集中于沿海地区，而且沿海地区的出口贸易也更加发达，因此沿海地区就成为了我国基础货币供给的主要集中地。形成了沿海地区货币供给过剩，而内陆地区货币供给不足的局面。
2， 人民银行信贷工具失效。1996-1998年中全国有68%的贷款是由四大银行提供的，而2003年四大银行的贷款总额也超过了全部金融机构的50%。由于缺乏竞争，人民银行的信贷政策往往不是由自己决定，而是取决于四大银行的决策。但是他们的利益不总是与国家的宏观调控政策相一致，这就导致了信贷工具的失效。影响了由信贷渠道提供的货币供给。
3， 银行惜贷现象比较严重。目前我国的银行贷款大多数流向了大中型企业，对于小企业则由于信息不对称或是逆向选择的原因，而导致这个有巨大信贷需求的群体得不到满足，而银行却又在面临存贷差额加大的局面。
6，5 相关政策建议
针对以上影响我国货币政策效率的因素，我们长石提出以下政策建议以改善我国目前货币政策效率不高的局面：
积极改革汇率制度，使外汇尽早摆脱货币供给最大决定因素的角色。
规范资本市场运作，积极快速的推进国有银行的改制，促进信贷政策的落实。
完善金融市场体制，解决中小企业贷款难问题，同时以此缩小银行存贷差额。
附 主要参考文献
《中国货币政策“信贷渠道”传导机制及其局限性》
《中国经济发展中财政政策与货币政策》李武好
《对我国通货紧缩的深层分析》曹国奇
《货币政策取向与金融监管定位》李忠义
《如何在开放型经济中运用货币政策》
《金融体制改革与货币政策》刘明康
《对影响我国货币政策传导效率的结构性因素分析》孔曙东 梅 气
《论新经济条件下的货币政策传导效率》江其务
《提高我国货币政策传导机制效率的分析》刘 艳
通过这次文档的写作所获得的经验：
由于这是我第一次用计量方法来作为文档研究的主要方法，因此在做的时候犯了很多错误，也由这些错误发现了一些经验：
1，一种错误的研究方法：先找数据后确定题目。因为一个经济模型它可能具有很多种经济意义，但无论哪一种意义，都是为解释经济理论服务的。因此如果先把模型设定好了再来找理论虽然文档总是可以作成的，但是却失去了将计量方法作为一种研究手段的意义。
2，一种正确的设定模型的理念：要用一个变量来解释另一个变量，那么在模型中也绝不能丢弃了那些与被解释变量密切相关的因素。
