王小剛

（北方民族大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院，銀川 750021）

0 引言

結(jié)構(gòu)突變的識(shí)別、估計(jì)和檢驗(yàn)一直是統(tǒng)計(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)中的熱點(diǎn)問題之一，許多學(xué)者對(duì)該問題進(jìn)行了廣泛而深入的研究。隨著經(jīng)濟(jì)、金融、生物等領(lǐng)域中面板數(shù)據(jù)的頻繁使用，在面板數(shù)據(jù)模型中深入研究結(jié)構(gòu)突變理論就成為統(tǒng)計(jì)學(xué)家重要的研究方向之一[1,2]。在面板數(shù)據(jù)中研究結(jié)構(gòu)突變理論，不僅給研究者和政策制定者理解突變點(diǎn)的實(shí)際意義提供了理論保證和指導(dǎo)作用，而且為有針對(duì)性地提出和制定政策提供了重要的參考價(jià)值，對(duì)防范崩潰式的突變有重要的風(fēng)險(xiǎn)警示意義。

目前，在存在多個(gè)結(jié)構(gòu)突變的檢測(cè)中，通常采用的辦法是序貫檢測(cè)方法，即先假定只存在一個(gè)突變點(diǎn)進(jìn)行檢測(cè)，然后利用已估計(jì)的突變點(diǎn)將數(shù)據(jù)分為兩段（突變前數(shù)據(jù)和突變后數(shù)據(jù)），再利用前述方法進(jìn)行檢測(cè)，直至檢測(cè)不出突變點(diǎn)為止。序貫檢測(cè)方法易于理解、操作性強(qiáng)，缺點(diǎn)在于不能滿足同時(shí)檢測(cè)情形，不利于實(shí)時(shí)監(jiān)測(cè)突變。在實(shí)際應(yīng)用中，經(jīng)常會(huì)考慮突發(fā)事件（如金融危機(jī)、財(cái)政貨幣政策變化、技術(shù)變革等）對(duì)社會(huì)、經(jīng)濟(jì)、金融領(lǐng)域的影響，此時(shí)如何正確管理風(fēng)險(xiǎn)取決于人們能否快速的檢測(cè)到發(fā)生突發(fā)事件的時(shí)間和影響程度。此時(shí)，人們可能更加關(guān)心同時(shí)檢測(cè)出多個(gè)影響時(shí)刻而不是序貫檢測(cè)多個(gè)時(shí)刻。

多個(gè)結(jié)構(gòu)突變的同時(shí)檢測(cè)方法主要基于貝葉斯方法，通過將突變參數(shù)的估計(jì)轉(zhuǎn)化為對(duì)潛在狀態(tài)變量的估計(jì)來解決。Chib[3]提出了不可逆的隱馬爾可夫鏈方法對(duì)多突變進(jìn)行估計(jì)，通過對(duì)狀態(tài)變量的檢測(cè)來檢測(cè)突變點(diǎn)的個(gè)數(shù)和位置，這種方法對(duì)描述復(fù)雜的突變點(diǎn)非常有效，Pesaran等[4]將其應(yīng)用于檢測(cè)時(shí)間序列數(shù)據(jù)中的多個(gè)突變。該方法通常得到的后驗(yàn)分布需通過MCMC遞歸抽樣得到，即先在樣本和其他參數(shù)已知的條件下對(duì)狀態(tài)進(jìn)行抽樣，然后在樣本和狀態(tài)已知的條件下對(duì)參數(shù)和轉(zhuǎn)移矩陣抽樣[3,5]。通過定義潛在狀態(tài)變量估計(jì)多個(gè)突變點(diǎn)的方法有三個(gè)方面的優(yōu)點(diǎn)：一是狀態(tài)個(gè)數(shù)的確定不依賴于樣本也不取決于未來值；二是狀態(tài)之間可以提供更多關(guān)于共同分布的信息；三是該方法計(jì)算量小，可靠性強(qiáng)。但是，該方法的缺陷在于過于繁瑣，Geweke和Jiang[6]通過用一個(gè)Bernoulli潛變量st表示狀態(tài)改變的做法簡化了上述方法，假設(shè)時(shí)間序列數(shù)據(jù)存在多個(gè)突變點(diǎn)，令觀測(cè)值服從均值和方差存在突變點(diǎn)的正態(tài)分布，對(duì)均值參數(shù)、方差參數(shù)以及狀態(tài)變量引入先驗(yàn)分布，利用分層貝葉斯方法解決對(duì)狀態(tài)變量的估計(jì)，從而得到多個(gè)突變點(diǎn)的估計(jì)，但是Geweke和Jiang[6]的方法并不能適用于面板數(shù)據(jù)。本文基于潛在狀態(tài)變量對(duì)存在的多個(gè)結(jié)構(gòu)突變的面板模型進(jìn)行同時(shí)檢測(cè)，利用貝葉斯方法和不可逆隱馬爾可夫鏈檢測(cè)面板數(shù)據(jù)中存在的多個(gè)突變，得到突變點(diǎn)的個(gè)數(shù)和位置估計(jì)，并將該方法應(yīng)用到2003—2014年中國五省市的通貨膨脹數(shù)據(jù)的檢測(cè)中，發(fā)現(xiàn)存在四個(gè)突變點(diǎn)，并對(duì)每個(gè)突變點(diǎn)產(chǎn)生的原因做了分析。

1 不可逆隱馬爾可夫鏈方法

假設(shè)時(shí)間序列數(shù)據(jù){yt}（t=1,2,…,T）在時(shí)間區(qū)間[1,T]上存在著M個(gè)突變（即M+1個(gè)狀態(tài)），突變表示為{km}（m=1,2,…,M），當(dāng)突變點(diǎn)的個(gè)數(shù)大于1時(shí)，聯(lián)合密度為f(k1，k2，…，kM)，即：

在估計(jì)參數(shù)時(shí)，需要給出[1，T]上每一突變點(diǎn)km可能的取值，即：

令 ST=(s1，s2，…，sT)，其中每一個(gè)分量 st都是表示狀態(tài)離散的潛變量，取值集合為{1，2，…，M+1}（假設(shè)t=1時(shí)刻時(shí)狀態(tài)為1，則最后一個(gè)狀態(tài)為M+1），且有 s1＜s2＜…＜sT。序列{st}為馬爾可夫鏈，記其轉(zhuǎn)移矩陣為P：

其中 pij=prob(st=j|st-1=i)是給定t-1時(shí)刻狀態(tài)為i的條件下t時(shí)刻跳轉(zhuǎn)到狀態(tài)j的概率，且pii+pi,i+1=1。盡管該方法并未直接給出km的估計(jì)值，但可以通過計(jì)算每段{t:st=m}的長度而得到km的估計(jì)。每個(gè)突變點(diǎn)發(fā)生的時(shí)刻即為st值向前跳轉(zhuǎn)一步的時(shí)刻：

該方法將原本每個(gè)個(gè)體需要估計(jì)TM次的復(fù)雜步驟簡化為每個(gè)個(gè)體只需估計(jì)M個(gè)參數(shù){pmm}即可，所以能大大提高計(jì)算效率。突變點(diǎn)的概率可以表示為：

其中t0=0。若已知的待估參數(shù)θ和轉(zhuǎn)移矩陣P的先驗(yàn)分布，可以利用貝葉斯公式得到參數(shù)的后驗(yàn)密度：

Geweke和Jiang[6]通過用一個(gè)Bernoulli潛變量st表示狀態(tài)改變的做法簡化了上述方法，假設(shè)時(shí)間序列數(shù)據(jù)yt存在多個(gè)突變，假設(shè)發(fā)生突變的概率是相同的，用 prob表示，若st=0表示t和t+1時(shí)刻在同一狀態(tài)里，st=1表示t和t+1時(shí)刻不在同一狀態(tài)。在每個(gè)狀態(tài)jt時(shí)，假設(shè)觀測(cè)值服從均值和方差存在突變的正態(tài)分布，即：

然后對(duì)均值參數(shù)、方差參數(shù)以及狀態(tài)變量引入先驗(yàn)分布，利用分層貝葉斯方法解決對(duì)狀態(tài)變量的估計(jì)，從而得到突變的估計(jì)。

2 基于潛在狀態(tài)變量的多結(jié)構(gòu)突變檢測(cè)方法

2.1 模型介紹

本文將在靜態(tài)面板模型中引入潛在的狀態(tài)來描述突變，通過對(duì)狀態(tài)的識(shí)別得到突變估計(jì)。假設(shè)狀態(tài)之間的改變用Bernoulli潛變量st表示，prob(st=1)=π。令：

對(duì)于面板數(shù)據(jù) yit，i=1，2，…，N，t=1，2，…，T ，在每一個(gè)狀態(tài) jt下（在不引起混淆的情況下簡寫為狀態(tài) j），考慮最簡單的情形：

其中 εit～iid N(0，h-1ij)，假設(shè)參數(shù)向量 (μij，hij)服從正態(tài)伽瑪分布，即：

2.2 突變估計(jì)的貝葉斯方法

因?yàn)?s=(s1，s2，…，sT-1)'是一個(gè)含參數(shù) π 的Bernoulli過程，密度為：

其他參數(shù)的先驗(yàn)密度為：

對(duì)于個(gè)體i和 j=1，2，…，J，相應(yīng)的后驗(yàn)密度為：

其中：

因?yàn)殡S機(jī)向量(μij，hij)是條件獨(dú)立的，并且對(duì)于每個(gè)個(gè)體i服從正態(tài)伽瑪分布，故：

其中：

從上述參數(shù)分布中可以得到參數(shù)的邊際后驗(yàn)密度：

將上式中其他參數(shù)積分掉，即可得到其他參數(shù)的邊際后驗(yàn)密度：

3 五省市CPI通脹率突變的貝葉斯分析

居民消費(fèi)價(jià)格指數(shù)（CPI）反映的是在一定時(shí)期內(nèi)居民所消費(fèi)商品和服務(wù)項(xiàng)目的價(jià)格水平變動(dòng)趨勢(shì)和程度，居民消費(fèi)價(jià)格水平的變動(dòng)率在一定程度上反映了通貨膨脹（或通貨緊縮，簡稱通脹或通縮）的程度，在研究中常用CPI通脹率作為衡量通脹水平的一個(gè)數(shù)指標(biāo)[7]。一般認(rèn)為CPI增長率在3%以內(nèi)屬于溫和通脹，而超過5%則屬于嚴(yán)重通脹。而通貨膨脹作為貨幣政策分析的重要變量，不僅是國家宏觀經(jīng)濟(jì)政策調(diào)控的參考指標(biāo)，而且關(guān)系到經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定。它既是全球央行制訂貨幣政策的重要指標(biāo)，也是中國人民銀行構(gòu)建和完善貨幣政策傳導(dǎo)機(jī)制的核心要素。

目前，在研究通脹率的文獻(xiàn)中，常采用的通脹率指標(biāo)有CPI通脹率、商品零售價(jià)格指數(shù)通脹率（RPI）、GDP平減指數(shù)通脹率和核心CPI通脹率等，基于不同指數(shù)計(jì)算的通脹率側(cè)重點(diǎn)不同[8]。其中，由于CPI數(shù)據(jù)的可獲得性高和分析中的頻繁采用，所以在分析中常通過對(duì)CPI數(shù)據(jù)計(jì)算而得的CPI通脹率來研究通脹問題。

然而，通脹過程在貨幣政策和經(jīng)濟(jì)環(huán)境的作用下不是一成不變的，當(dāng)遭受重大沖擊后可能會(huì)使得模型結(jié)構(gòu)發(fā)生某種變化，也會(huì)導(dǎo)致各省市通貨膨脹的動(dòng)態(tài)過程發(fā)生突變，而度量這種變化的重要方法之一是在模型中引入結(jié)構(gòu)突變，但現(xiàn)有的文獻(xiàn)較少對(duì)通脹過程存在的突變進(jìn)行研究。事實(shí)上，我國是一個(gè)經(jīng)濟(jì)發(fā)展很不平衡的國家，這種不平衡導(dǎo)致我國各省市通脹過程存在著顯著差異，因而有必要對(duì)各省市通脹過程存在的突變進(jìn)行研究。與宏觀政策和貨幣政策的結(jié)構(gòu)變化相吻合，中國的通脹率自20世紀(jì)90年代以來經(jīng)歷了沖高回低的顯著變化。然而已有的文獻(xiàn)中基于突變對(duì)通脹問題進(jìn)行深入研究的卻相對(duì)較少，張成思和劉志剛[9]基于中國CPI通脹率的研究發(fā)現(xiàn)我國通脹水平一直處于高位運(yùn)行，1996年末發(fā)生了突變，此后通脹水平雖有所下降，但仍保持較高水平。下面將利用已給出的面板數(shù)據(jù)均值方差發(fā)生多個(gè)突變的貝葉斯方法對(duì)我國五省市CPI通脹率的動(dòng)態(tài)過程進(jìn)行研究，并從研究結(jié)果中分析CPI通脹率發(fā)生突變的原因。

3.1 五省市CPI通脹率的描述性分析

為了更直觀地反映通貨膨脹的動(dòng)態(tài)過程，本文選取北京、上海、江蘇、浙江和廣東這五個(gè)中國經(jīng)濟(jì)最發(fā)達(dá)的省市2003—2014年的CPI通脹率月度數(shù)據(jù)為樣本進(jìn)行研究，數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫。雖然目前的學(xué)術(shù)界將2000年作為我國新一輪經(jīng)濟(jì)周期的開始，但是2000年和2001年的CPI都低于1%，2002年還出現(xiàn)了物價(jià)下跌和通貨緊縮現(xiàn)象，故本文選取2003年作為研究CPI通脹率的起始點(diǎn)，為了避免類似春節(jié)等重要的節(jié)假日因素對(duì)通脹率的影響，將月度數(shù)據(jù)轉(zhuǎn)化為季度數(shù)據(jù)。首先將五省市2003年1月到2014年12月的CPI月度環(huán)比數(shù)據(jù)轉(zhuǎn)化為以2003年1月為基期的定基數(shù)據(jù)，在此基礎(chǔ)上得到季度CPI數(shù)據(jù)，以季度數(shù)據(jù)的增長率為CPI通脹率數(shù)據(jù)（下文簡稱通脹率）。

圖1 中國五省市2003Q1—2014Q4的通脹率

圖1給出了2003年1季度到2014年4季度五省市通脹動(dòng)態(tài)過程的折線圖，以反映我國五省市通脹的規(guī)律和特點(diǎn)。整體來看，這五省市的通脹是溫和的，不確定性和波動(dòng)性在逐漸減小。從圖1中可以看出，五省市通脹率的動(dòng)態(tài)走勢(shì)相似，皆圍繞著橫軸上下波動(dòng)，波動(dòng)范圍為-4%～4%。而2003年1季度到2006年3季度之間五省市通脹率的波動(dòng)幅度較大，但在2006年4季度到2007年4季度間波動(dòng)減小，呈現(xiàn)通脹趨勢(shì)，2008年1季度到2011年2季度之間波動(dòng)幅度最大，呈現(xiàn)先通脹后通縮趨勢(shì)，2011年3季度之后波動(dòng)性減小，呈現(xiàn)通貨緊縮趨勢(shì)。五省市通貨膨脹的動(dòng)態(tài)過程大體相似，通脹率的描述性統(tǒng)計(jì)量由表1給出。

表1 2003Q1—2014Q4五省市通脹率的統(tǒng)計(jì)特征

由表1可知，五省市通脹率的均值和標(biāo)準(zhǔn)差之間的差異幾乎不顯著，這意味著五省份通脹率可能有相似的結(jié)構(gòu)，有利于本文使用結(jié)構(gòu)突變模型對(duì)五省市的通脹率進(jìn)行分析。而基于不同省市標(biāo)準(zhǔn)差和均值綜合考慮的變異系數(shù)來看，五省市通脹率的變異系數(shù)存在差異，北京的通脹率變異程度最高，其次是浙江、廣東和江蘇，最后是上海。那么這些表面上的差異是否會(huì)對(duì)五省市的通貨膨脹動(dòng)態(tài)過程產(chǎn)生不同的特征呢？接下來，本文將利用面板數(shù)據(jù)模型擬合這五省市的通脹率，并嘗試基于該模型研究五省市通貨率的突變點(diǎn)，以此劃分通脹率的變化特征。

3.2 五省市通脹動(dòng)態(tài)過程結(jié)構(gòu)突變的貝葉斯分析

對(duì)于北京、上海、江蘇、浙江和廣東五省市的通脹率數(shù)據(jù) πit，i=1，2，…，5，t=1，2，…，48，在每一個(gè)狀態(tài) jt下，假設(shè)：

參數(shù)向量(μij，hij)的先驗(yàn)分布假設(shè)為正態(tài)伽瑪分布，即：

步驟1：用樣本均值表示 yi=(yi1，yi2，…，yiN)'的無條件均值，即：

步驟4：hiμ*的均值可以利用 yi方差的4倍與五省市年通脹率的方差之比得到，其中年通脹率用每年各季度通脹率的平均值替代，故：

取 -νi=8 ，則 -si=8/E(hiμ*)。

步驟5：π的識(shí)別是利用季度數(shù)據(jù)可能的最大突變個(gè)數(shù)與樣本中可能的突變的個(gè)數(shù)之比得到（T-1=47），即令

步驟6：除指數(shù)分布的參數(shù)外，其他先驗(yàn)參數(shù)的標(biāo)準(zhǔn)差取為相應(yīng)均值的一半。

先驗(yàn)參數(shù)的選取見表2。

表2 先驗(yàn)參數(shù)的選取

3.3 結(jié)構(gòu)突變估計(jì)

基于模型和表2中對(duì)參數(shù)先驗(yàn)分布的選取，對(duì)五省市的通脹率進(jìn)行擬合，并估計(jì)了通脹率突變個(gè)數(shù)和位置。為了保證貝葉斯估計(jì)結(jié)果的收斂性，本文選取了三組不同的初始值生成三條馬爾可夫鏈，每條馬爾可夫鏈的迭代次數(shù)為110000次。為了避免初始值的影響本文去除前10000次burn-in樣本，最后得到包含1000次抽樣的后驗(yàn)樣本。估計(jì)結(jié)果見圖2和表3。

圖2 狀態(tài)變量個(gè)數(shù)后驗(yàn)分布的直方圖

圖2給出了狀態(tài)變量個(gè)數(shù)后驗(yàn)分布的直方圖，其后驗(yàn)均值為4.09，后驗(yàn)標(biāo)準(zhǔn)差為2.76，后驗(yàn)中位數(shù)為4，置信水平為95%的后驗(yàn)區(qū)間為[2,11]。表3給出了五省市通脹率突變的分層貝葉斯估計(jì)中后驗(yàn)概率最大的七個(gè)時(shí)間點(diǎn)，這七個(gè)時(shí)間點(diǎn)就是通脹率最有可能發(fā)生變化的位置。從圖2中可以看出，當(dāng)狀態(tài)變量的取值為4時(shí)后驗(yàn)分布的概率最大。由此本文認(rèn)為五省市在樣本期2003年1季度到2014年4季度間最有可能存在4個(gè)狀態(tài)，即3個(gè)突變點(diǎn)，突變點(diǎn)的可能位置可由表3得出。

表3 具有高后驗(yàn)概率的結(jié)構(gòu)突變估計(jì)

由表3可得，其中2006年第4季度、2008年第1季度、2013年第3季度的后驗(yàn)概率最大，其中2007年第3季度和2008年第1季度相距很近，本文認(rèn)為只有2006年第4季度、2008年第1季度和2013年第3季度是檢測(cè)出的突變點(diǎn)時(shí)刻，這與狀態(tài)變量的估計(jì)結(jié)果和對(duì)圖1的分析基本吻合。

本文以上述四個(gè)突變時(shí)刻作為界限將樣本分為五個(gè)狀態(tài)，分析四次突變前后五省市通脹率的變化，見表4。

表4 五階段通貨膨脹特征

由表4可知在狀態(tài)一時(shí)間段內(nèi)，五省市通脹率的波動(dòng)幅度較大，通脹和通縮交替出現(xiàn)，在階段二，通脹率波動(dòng)逐漸減小，而且呈現(xiàn)通貨膨脹特征，階段三是波動(dòng)幅度最大的階段，呈現(xiàn)先通縮后通脹特征，階段四通脹率波動(dòng)較小，但呈現(xiàn)通貨緊縮特征。

下面對(duì)各個(gè)階段進(jìn)行分析，從中得到發(fā)生結(jié)構(gòu)突變的原因。

階段一：2003年1季度到2006年3季度之間的振蕩特征是大規(guī)模投資導(dǎo)致對(duì)鋼鐵、水泥、橡膠等原材料和石油、煤炭等資源的需求過大，推高了該類資源價(jià)格的上漲造成的高通脹和政府為抗通脹而實(shí)施的穩(wěn)健的貨幣政策而形成的低通脹交織的結(jié)果。

階段二：從2006年4季度起，我國經(jīng)濟(jì)出現(xiàn)了一輪連續(xù)的較為明顯的通貨膨脹，其原因是高速增長的固定資產(chǎn)投資推動(dòng)了工業(yè)原材料和資源價(jià)格的上漲，而農(nóng)產(chǎn)品價(jià)格帶動(dòng)了物價(jià)上漲，從而加重了通脹壓力，2007年全年CPI漲幅累計(jì)達(dá)4.8%，表現(xiàn)為通脹。

階段三：雖然2008年第1季度的CPI總體漲幅達(dá)8.0%，但是隨著2008年下半年全球金融危機(jī)的蔓延，我國CPI同比增長率持續(xù)下滑，經(jīng)濟(jì)增長速度正在放緩，中小企業(yè)面臨生存困境，從而進(jìn)入通貨緊縮階段。隨后，政府實(shí)施積極的財(cái)政政策和寬松的貨幣政策時(shí)，進(jìn)行了新一輪的基礎(chǔ)建設(shè)投資，五省市很快從金融危機(jī)的影響中走出，擴(kuò)大的國內(nèi)市場需求、人民幣連續(xù)升值及流動(dòng)性轉(zhuǎn)移等輸入型通貨膨脹等內(nèi)外因素導(dǎo)致價(jià)格水平不斷推高，形成了本階段后期的通脹。

階段四：隨著經(jīng)濟(jì)刺激政策效果的不斷延續(xù)，通脹壓力也在逐漸減小，宏觀經(jīng)濟(jì)政策從“穩(wěn)增長、調(diào)結(jié)構(gòu)”轉(zhuǎn)向了“重視結(jié)構(gòu)調(diào)整和增長質(zhì)量”，GDP增速開始放緩，投資持續(xù)回落，居民收入增速放緩，出口持續(xù)改善，物價(jià)漲幅地位運(yùn)行，呈現(xiàn)通縮特征。

4 結(jié)論

本文通過引入潛在的狀態(tài)變量，利用貝葉斯方法在靜態(tài)面板模型中同時(shí)檢測(cè)存在的多個(gè)結(jié)構(gòu)突變，得到了突變的后驗(yàn)分布，給出了在面板數(shù)據(jù)中同時(shí)估計(jì)多個(gè)結(jié)構(gòu)突變的方法，推廣了Geweke和Jiang（2011）[6]的方法。

選取2003年第1季度到2014年第4季度的北京、上海、江蘇、浙江和廣東的CPI通脹率季度數(shù)據(jù)作為研究對(duì)象，分析了經(jīng)濟(jì)環(huán)境變化沖擊對(duì)通脹率的影響，發(fā)現(xiàn)2006年第4季度、2008年第1季度和2013年第3季度存在突變，通過對(duì)不同階段的分析解釋了發(fā)生突變的成因。利用貝葉斯方法對(duì)五省市通脹率存在的突變進(jìn)行研究，得到以下兩個(gè)結(jié)論：

（1）我國五省市的通脹率存在結(jié)構(gòu)突變，在歷史時(shí)期上表現(xiàn)出四次明顯的變化特征。這說明隨著我國經(jīng)濟(jì)結(jié)構(gòu)改革的不斷深化和宏觀經(jīng)濟(jì)調(diào)控手段的逐步完善，通貨膨脹系統(tǒng)內(nèi)某些經(jīng)濟(jì)參數(shù)產(chǎn)生了明顯的變化，從而發(fā)生了突變。檢測(cè)結(jié)果表明突變發(fā)生在2006年第4季度、2008年第1季度和2013年第3季度。

（2）雖然我國在2005—2007年經(jīng)濟(jì)起伏較大，發(fā)生較快的物價(jià)上漲，但經(jīng)模型檢測(cè)表明這期間不存在變點(diǎn)，直到2008年1季度之后通脹率才發(fā)生變化。另外，我國政府在宏觀經(jīng)濟(jì)調(diào)控中相機(jī)抉擇的經(jīng)濟(jì)政策可能也是影響通脹率變化特征的一個(gè)因素。

[1]Hsiao C.Analysis of Panel Data[M].New York:Cambridge University Press,2003.

[2]白仲林.面板數(shù)據(jù)的計(jì)量經(jīng)濟(jì)分析[M].天津:南開大學(xué)出版社,2008.

[3]Chib S.Estimation and Comparison of Multiple Change Point Models[J].Journal of Econometrics,1998,(86).

[4]Pesaran H,Pettenuzzo D,Timmermann A.Forecasting Time Series Subject to Multiple Structural Breaks[J].Review of Economic Studies,2006,(73).

[5]Liao W.Structural Breaks in Panel Data Models:A New Approach[J].Working Paper,2008.

[6]Geweke J,Jiang Y.Inference and Prediction in a Multiple Structural Break Model[J].Journal of Econometrics,2011,163(2).

[7]張成思.中國通脹慣性特征與貨幣政策啟示[J].經(jīng)濟(jì)研究,2008,(2).

[8]周平,王黎明.通貨膨脹持久性研究綜述[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2011,(3).

[9]張成思,劉志剛.中國通貨膨脹率持久性變化研究及政策含義分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2007,(3).