第五節 結構性變化的影響

在以上分析通貨膨脹動態傳導機制的過程中，我們沒有考慮所設立的模型在研究樣本內是否存在結構性變化。但是Levin和Piger（2004）、Cecchetti和Debelle（2006）以及Clark（2006）的研究表明，如果樣本內存在結構性變化，那么通貨膨脹動態傳導機制對這種結構性變化會非常敏感，因此有必要對研究樣本內的模型是否存在結構性變化進行檢驗。但是我們注意到，使用傳統的鄒氏結構性變化檢驗法（Chow-test）必須假設已知斷點，而近年來未知斷點穩定性檢驗的發展為我們這里分析通貨膨脹動態機制是否存在結構性變化提供了更合理的設計。特別是Andrews （1993）提出的未知斷點結構變化檢驗法的理論發展尤為完善。我們運用Andrews的方法來判斷前文中各種通貨膨脹動態模型是否發生結構性轉變，從而判斷本章實證分析結果的穩健性。

根據Andrews的理論，假定m× 1階的系數矩陣Φ表示任一通貨膨脹動態模型中的參數，在t＜k時刻有Φ=Φ1，而在t≥k時刻有Φ=Φ2（Φ1≠Φ2），并且滿足條件m≤k≤T-m，其中T表示總體樣本大小。另外，假設未知結構斷點參數的搜索域為τ，通常設為樣本T的中間70%區域，我們首先計算在該區域內所有可能斷點k=Tτi對應的一系列Wald檢驗統計量WT（τi），該統計量檢驗的原假設是在結構斷點為k時模型中參數不發生結構性變化。不難看出，對于原假設來說，這個未知斷點參數k并不出現，而只是出現在備擇假設條件下，這樣的參數被稱為統計檢驗中的干擾參數。在獲得WT（τi）之后，我們進一步計算SupW統計量，即

如果SupW統計量具有統計顯著性，則其對應的斷點時刻即為發生結構性變化的轉變時點。

需要注意的是，由于干擾參數的存在，在計算未知斷點結構性變化檢驗統計量的過程中，必須構建能夠捕捉非標準分布的p值計算函數才能獲得正確的伴隨概率。因此，我們運用Hansen（1997）的非標準分布函數計算SupW統計量對應的p值。這種非標準分布條件下的未知斷點檢驗統計量對應的漸進p值計算函數可以寫成

其中x2（z η）表示自由度為η的累積卡方分布，即

我們先通過分位數估計法確定多項式θ0+θ1x+…+θmxm，再進一步計算與p值相關的損失函數和分位數函數。在實際計算過程中，我們使用無約束條件下模型的異方差修正矩陣計算對應的p值。

根據以上介紹的方法，表3—4歸納了本章所討論的三類動態回歸模型的整體參數穩定性檢驗結果。從檢驗統計量對應的p值來看，所有回歸等式對應的p值均大于0.05，這說明在5%的顯著性水平下，所檢驗的模型不存在結構性變化，從而說明實證結果具有穩健性。

在實踐中，我們還依據Hamilton（1996）的建議，考察了增加供給沖擊變量（石油價格變化率）對貨幣政策VAR模型檢驗結果的影響，但基本結果并沒有出現敏感性。另外，在所有的動態矢量模型分析中，我們都檢查了VAR模型對應的特征方程的特征根是否滿足平穩VAR模型的條件（特征根落于單位圓內），平穩性條件都得到了確認。