中国货币需求的因素分析
内容摘要：本文以宏观货币需求理论为基础,引入收入和利率两个解释变量,利用计量经济学的方法,分析货币需求与这两者的关系.从中国的实际情况出发,在利用年度数据分析的基础上,又引入九十年代中期到目前为止的季度数据着重分析利率对货币需求的影响,从而将经济理论和中国现实情况结合进行分析.
关键字：货币需求 利率
一 经济理论阐述
凯恩斯在传统的货币数量论和现金余额说的基础上，考虑了货币的交易职能和货币的价值贮藏职能，提出了自己的货币需求理论。他认为人们之所以持有货币是处于三个动机：交易动机，预防动机和投机动机，从而相应地形成了货币的交易需求，预防需求和投机需求。随着经济的发展，交易与收入和支出往往在时间上不一致，人们为了应付日常的购买而持有一定量的货币即构成了货币的交易需求。而人们为了应付一些意外开支而持有的货币即为货币的预防需求。这两种需求都来源于货币的交易媒介职能。在影响交易动机和预防动机的众多因素中，货币收入起着决定作用，并且收入与货币的交易需求和预防需求成正方向变化。而货币的投机需求则是为了应付有价证券市场上价格的变化，从而获利。这一货币需求来源于货币的价值贮藏职能。人们总是根据对利率变动的预期持有一定量的货币，以在有利时机购买债券进行投机获利，因而，货币的投机需求与利率成反方向变化。凯恩斯根据对人们持有货币的心理动机的分析，将货币需求分为两个部分：货币的交易需求和预防需求L1(Y)和货币的投机需求L2(r), 从而提出了他的货币需求函数：L=L1(Y)+L2(r),其中，L代表对货币的需求，Y代表收入，r代表利率.
在凯恩斯的货币需求理论的基础上，后凯恩斯主义对其进行了发展。美国经济学家汉森将商品市场和货币市场结合起来建立了IS-LM模型，认为货币的交易需求不仅受到收入的影响，而且受到利率的影响。这是由于利率的变化会影响投资，进而影响收入，最终影响对货币的交易需求。此外，鲍莫尔的“平方根定理”，认为持有货币存在一定的机会成本，利率越高，投机机会越多，人们便会尽量减少手中持有的货币量。这两种理论都说明了利率与货币交易需求的反向变化关系，从而发展了凯恩斯货币需求理论中的交易需求部分。对于货币的预防需求而言，惠伦提出了“立方根定律”，说明了人们对货币预防需求的多少，主要取决于收入和支出的状况及持有货币的成本。其中利率是一个重要因素。且利率与货币的预防需求成反方向变化。并且托宾的资产选择理论也对凯恩斯的货币投机需求进行了发展。
由以上的分析可看出，不管是传统的凯恩斯的货币需求理论，还是后凯恩斯主义对其进行的发展，其一致性在于，利率和收入都是影响货币需求的重要因素，其中，收入与货币需求成正方向变化，而利率与货币需求呈反方向变化。
二．理论模型的设定
根据以上的经济理论的分析，在设立模型时将收入和利率作为决定货币需求总量的解释变量.由于三个变量之间数量级存在差异,若直接回归会存在一些潜在问题,为了回避这一 问题,本文在设定模型时采用了双对数模型,此外,双对数模型中,各解释变量的参数即为弹性,具有良好的经济解释意义.
模型设定如下：
lnＭ=β0+β1lnＹ+β2lnＲ+ui，
Ｍ--货币需求总量
Ｙ--收入
Ｒ--利率（%）
ui--随机扰动项
β0、β1、β2 --参数
注: 利率采用百分比,一方面可以避免对数取负,另一方面,可以用数学推导证明这种代入并不影响参数的意义, β2仍然表示利率对货币需求的弹性.
三 数据来源及搜集处理方法
1 货币需求量M数据的搜集：
M用广义货币供应量M2代替，因为货币的供给主要是由中央银行来进行，而货币的需求则取决于流动性偏好，尤其是投机动机。由于流动性偏好是一种心理活动，难以操纵和控制，货币需求也就难以预测和控制，需要变动的是货币供应量。这种替代具有一定的合理性.
M= M2= M1+M0.
M0=现金流通量，
M1= M0+银行活期存款，
M2= M1+储蓄存款+定期存款。
广义货币的供给量可以从《中国金融统计年鉴》中查得，但是由于统计项目的调整，只能直接得到广义货币供给量1986-2001年的数据。对于1981-1985年的广义货币供给量通过试算方法得到. 根据1986年的《中国金融统计年鉴》，用M2=各项存款总额-财政存款+现金流通量，试算出各年的的广义货币供给量，将此试算值与以后年度的《中国金融统计年鉴》给出的M2值进行核对，发现两者是一致的。因此，可将以前年度的广义货币的试算值应用到模型中，这样就得到了M2的全部数据。
2 收入数据的搜集
对于收入的数据，用各年的国内生产总值GDP表示，1981-2001年间的GDP数据可以从《中国统计年鉴》中直接得到.
3 利率数据的搜集
在目前中国的利率体系下存在这多种利率,按借贷主体可以分为:银行利率,非银行金融机构利率,有价证券的利率和市场利率.从数据的代表性和可获得性两方面考虑,选用了中央银行的一年期再贷款利率.
央行的再贷款利率是中国人民银行向金融机构进行信用放贷时所使用的利率.从1984年起,再贷款利率成为中国中央银行的基准利率之一,起着宏观调控的作用.有关资料表明，1984-1993年，中央银行基础货币投放主要渠道是再贷款，95％以上的基础货币是通过再贷款投放出去的。由于该时段较长，占样本长度的一半，因此，用再贷款利率数据是合理的，且考虑到数据的可获得性，于是统一使用再贷款利率数据。对于利率有变动的年度，按天数进行加权平均。
数据来源：《中国金融年鉴》、《中国统计年鉴》、《中国人民银行统计季报》
这样,模型所需变量的数据都搜集齐了.下面就利用Eviews进行模拟.
四 参数估计.
原始数据:
M Y R P obs
2299.96 4862.4 0.036 1.0240518039 1981
2676.94 5294.7 0.0366 1.0189701897 1982
3193.57 5934.5 0.0432 1.01507092199 1983
4442.88 7171.0 0.0432 1.02794759825 1984
5198.9 8964.4 0.04351 1.08836023789 1985
6720.9 10202.2 0.0468 1.06010928962 1986
8330.9 11962.5 0.0518 1.07290132548 1987
10099.6 14928.3 0.0708 1.18531228552 1988
11949.6 16909.2 0.1025 1.17776491025 1989
15293.4 18547.9 0.0892 1.02114060964 1990
19349.9 21617.8 0.0742 1.02888781897 1991
25402.2 26638.1 0.072 1.0538137576 1992
34879.8 34634.4 0.0911 1.13188277087 1993
46923.5 46759.4 0.1062 1.21694782268 1994
60750.5 58478.1 0.1103 1.14796905222 1995
76094.9 67884.6 0.1091 1.06093793878 1996
90995.3 74462.6 0.1038 1.00794070937 1997
104498.5 78345.2 0.0708 0.97400210084 1998
119897.9 82067.5 0.0437 0.970072795902 1999
134610.3 89442.2 0.0378 0.984991662034 2000
158301.9 95933.3 0.0378 0.992099322799 2001
进行最小二乘估计,便可得到以下显示的结果.
Dependent Variable: LOG(M)
Method: Least Squares
Date: 09/12/00 Time: 22:58
Sample: 1981 2001
Included observations: 21
Variable Coefficient Std. Error t-Statistic Prob.
C -3.737201 0.130841 -28.56292 0.0000
LOG(Y) 1.381318 0.014172 97.46559 0.0000
LOG(100*R) -0.136378 0.034789 -3.920107 0.0010
R-squared 0.998379 Mean dependent var 9.937016
Adjusted R-squared 0.998199 S.D. dependent var 1.399459
S.E. of regression 0.059384 Akaike info criterion -2.678033
Sum squared resid 0.063475 Schwarz criterion -2.528816
Log likelihood 31.11935 F-statistic 5544.759
Durbin-Watson stat 1.178723 Prob(F-statistic) 0.000000
1 经济学检验
从模拟的结果可以看出 lnY的系数为正,1.381318.而ln (100*r)的系数为负, -0.136378.这正好与经济理论当中,收入与货币需求成正方向变化,而利率与货币需求成反方向变化.由此可见,从经济意义的角度来看,模型是合理的。
2 统计检验(α=0.05)
从模拟的结果来看, logY的t值为97.46559, log(100*r)的t值为-3.920107,而t的临界值为2.080表明系数没有通过t检验, 因此,拒绝解释变量对应变量没有显著影响的原假设,而接受备择假设.说明收入和利率对货币需求有显著的影响作用。且F值为5544.759, 而F的临界值为3.55.表明拒绝原假设,接受备择假设,即表明回归方程显著.
以下进行计量经济学检验:
1 J-B 正态检验
从检验的结果看, probability值为0.563694,即拒绝原假设反错误的概率为56.3694%,因此,接受原假设,即残差服从正态分布.
2 多重共线性检验
Correlation Matrix
LOG(Y/P) LOG(R*100)
LOG(Y/P) 1 0.372971025318
LOG(R*100) 0.372971025318 1
从以上结果可以看出,两者的相关系数较小,即不存在多重共线性.
2异方差检验:
由于只有21个样本,因此主要采取ARCH检验来检验异方差的存在与否.
ARCH Test:
F-statistic 0.890996 Probability 0.469922
Obs*R-squared 2.885732 Probability 0.409581
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/12/00 Time: 22:52
Sample(adjusted): 1984 2001
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.002490 0.001439 1.730717 0.1055
RESID^2(-1) 0.410769 0.264166 1.554965 0.1423
RESID^2(-2) -0.268047 0.273208 -0.981111 0.3432
RESID^2(-3) 0.069684 0.266371 0.261605 0.7974
R-squared 0.160318 Mean dependent var 0.003144
Adjusted R-squared -0.019613 S.D. dependent var 0.003114
S.E. of regression 0.003144 Akaike info criterion -8.493484
Sum squared resid 0.000138 Schwarz criterion -8.295623
Log likelihood 80.44135 F-statistic 0.890996
从以上结果看Probability的值,拒绝H0反错误概率较大,同时残差序列的系数的t值并不显著,应该接受残差序列系数为零的原假设，即为模型不存在异方差. 另一方面,从White检验看,也不存在异方差.
White Heteroskedasticity Test:
F-statistic 0.845106 Probability 0.516929
Obs*R-squared 3.662919 Probability 0.453542
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/12/00 Time: 22:54
Sample: 1981 2001
Included observations: 21
Variable Coefficient Std. Error t-Statistic Prob.
C -0.143065 0.152989 -0.935134 0.3636
LOG(Y) 0.033727 0.035255 0.956644 0.3530
(LOG(Y))^2 -0.001709 0.001740 -0.982254 0.3406
LOG(100*R) -0.021206 0.035407 -0.598914 0.5576
(LOG(100*R))^2 0.005768 0.009131 0.631705 0.5365
R-squared 0.174425 Mean dependent var 0.003023
Adjusted R-squared -0.031969 S.D. dependent var 0.003022
S.E. of regression 0.003070 Akaike info criterion -8.530027
3 自相关检验
模拟结果显示DW值为1.178723,而通过查表得到dL的值为1.125,du的值为1.538.DW的值正好落在无决定区域,因此需要对自相关进行修正.利用Cochrane-Orcutt 法对自相关性进行修正,得到以下结果.
Dependent Variable: LOG(M)
Method: Least Squares
Date: 09/12/00 Time: 22:56
Sample(adjusted): 1982 2001
Included observations: 20 after adjusting endpoints
Convergence achieved after 6 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -3.580921 0.234682 -15.25862 0.0000
LOG(Y) 1.371571 0.022439 61.12427 0.0000
LOG(100*R) -0.162553 0.046406 -3.502824 0.0029
AR(1) 0.399709 0.220168 1.815473 0.0882
R-squared 0.998604 Mean dependent var 10.04683
Adjusted R-squared 0.998342 S.D. dependent var 1.339765
S.E. of regression 0.054558 Akaike info criterion -2.802242
Sum squared resid 0.047625 Schwarz criterion -2.603096
Log likelihood 32.02242 F-statistic 3813.850
Durbin-Watson stat 1.964503 Prob(F-statistic) 0.000000
Inverted AR Roots .40
从以上的结果可以看出DW值为1.964503,已经落在了无自相关区域,表明通过修正的模型已经不存在自相关.
通过以上的回归及检验,就可得到以下回归方程:
lnＭ=-3.580921+1.371571 lnＹ-0.162553 ln(Ｒ*100)
(-15.25862)( 61.12427) (-3.502824)
R^2=0.998604 DW=1.96450
以上是基于没有考虑通货膨胀因素,而获得的名义数据的回归模型,以下将引入通货膨胀因素,进行第二次回归.
模型设定如下:
ln(Ｍ/P)=β0+β1ln(Ｙ/P)+β2lnＲ+ui，
P=为环比的商品零售物价指数.
此处的利率仍使用名义数据，因为实际利率=（1+名义利率）/（1+通货膨胀率）-1，在计算中实际利率出现了负值，无法进行对数运算，所以仍使用名义数据。
回归结果如下:
Dependent Variable: LOG(M/P)
Method: Least Squares
Date: 12/17/02 Time: 21:19
Sample: 1981 2001
Included observations: 21
Variable Coefficient Std. Error t-Statistic Prob.
C -3.694274 0.119475 -30.92086 0.0000
LOG(Y/P) 1.371305 0.012735 107.6816 0.0000
LOG(R*100) -0.093264 0.031571 -2.954130 0.0085
R-squared 0.998639 Mean dependent var 9.880855
Adjusted R-squared 0.998487 S.D. dependent var 1.411501
S.E. of regression 0.054898 Akaike info criterion -2.835116
Sum squared resid 0.054248 Schwarz criterion -2.685899
Log likelihood 32.76872 F-statistic 6601.731
Durbin-Watson stat 0.975357 Prob(F-statistic) 0.000000
从回归结果看,通过了经济意义和统计检验.下面进行计量经济学检验
1 J-B正态检验 其中probability值为0.501181, 即拒绝原假设反错误的概率为50.1181%,因此,接受原假设,即残差服从正态分布.
2 多重共线性检验
Correlation Matrix
LOG(Y/P) LOG(R*100)
LOG(Y/P) 1 0.372971025318
LOG(R*100) 0.372971025318 1
由于相关系数较小,因此不存在多重共线性.
3 异方差检验
ARCH Test:
F-statistic 0.752158 Probability 0.539130
Obs*R-squared 2.498485 Probability 0.475565
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/12/00 Time: 23:32
Sample(adjusted): 1984 2001
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.002204 0.001156 1.905598 0.0774
RESID^2(-1) 0.364751 0.265320 1.374757 0.1908
RESID^2(-2) -0.273532 0.273948 -0.998481 0.3350
RESID^2(-3) 0.059676 0.258584 0.230780 0.8208
R-squared 0.138805 Mean dependent var 0.002564
Adjusted R-squared -0.045737 S.D. dependent var 0.002241
S.E. of regression 0.002292 Akaike info criterion -9.125715
Sum squared resid 7.35E-05 Schwarz criterion -8.927854
Log likelihood 86.13143 F-statistic 0.752158
Durbin-Watson stat 1.803858 Prob(F-statistic) 0.539130
从probability值和t值可以判断不存在异方差.
同时从White检验也可以判定不存在异方差.
White Heteroskedasticity Test:
F-statistic 0.361176 Probability 0.832569
Obs*R-squared 1.739139 Probability 0.783596
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/12/00 Time: 23:34
Sample: 1981 2001
Included observations: 21
Variable Coefficient Std. Error t-Statistic Prob.
C -0.010154 0.122323 -0.083012 0.9349
LOG(Y/P) 0.005733 0.027864 0.205737 0.8396
(LOG(Y/P))^2 -0.000301 0.001376 -0.218873 0.8295
LOG(100*R) -0.017065 0.026660 -0.640111 0.5312
(LOG(100*R))^2 0.004856 0.006844 0.709556 0.4882
R-squared 0.082816 Mean dependent var 0.002583
Adjusted R-squared -0.146480 S.D. dependent var 0.002287
S.E. of regression 0.002448 Akaike info criterion -8.982578
Sum squared resid 9.59E-05 Schwarz criterion -8.733882
Log likelihood 99.31707 F-statistic 0.361176
Durbin-Watson stat 1.657417 Prob(F-statistic) 0.832569
4 自相关检验
由于回归结果的DW值为0.975357,存在正相关,因此,进行修正,结果如下:
Dependent Variable: LOG(M/P)
Method: Least Squares
Date: 09/12/00 Time: 23:36
Sample(adjusted): 1982 2001
Included observations: 20 after adjusting endpoints
Convergence achieved after 4 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -3.515829 0.249066 -14.11604 0.0000
LOG(Y/P) 1.361728 0.022328 60.98758 0.0000
LOG(100*R) -0.130750 0.045877 -2.849986 0.0116
AR(1) 0.497575 0.211904 2.348118 0.0321
R-squared 0.999001 Mean dependent var 9.989051
Adjusted R-squared 0.998813 S.D. dependent var 1.355884
S.E. of regression 0.046711 Akaike info criterion -3.112821
Sum squared resid 0.034911 Schwarz criterion -2.913674
Log likelihood 35.12821 F-statistic 5330.969
Durbin-Watson stat 2.084557 Prob(F-statistic) 0.000000
Inverted AR Roots .50
经过回归和修正,得到实际数据的回归方程:
ln(Ｍ/P)=-3.515829+1.361728 ln(Y/P)-0.130750ln(Ｒ*100)
(-14.11604) ( 60.98758) (-2.849986)
R^2= 0.999001 DW=2.084557
以上的两次回归结果,从计量经济学角度来看,由于t值较大,可能会存在伪回归.因此为了进一步分析,下面利用图形考察,货币需求与收入和利率的关系.
1981-2001年利率的时间序列图
可以看出在此段时期内,利率波动较大.由于利率数据的不平稳,因而可能存在伪回归.
从上图可以看出,利率和货币需求的关系不总是与经济理论相符.在多数年份中,随着利率的上升,货币需求仍在增加.
但从收入和货币需求的关系图中可以看出，两者关系近乎成一条直线.
从货币需求、收入和利率三者时间序列图可以看出，九十年代中期以前，利率呈现无规律的波动，而此时的货币需求一直在增加，这主要是由收入增加所引起。即：九十年代中期以前，利率对货币需求几乎无解释作用，货币需求主要由收入决定。而在九十年代中期以后，利率呈下降趋势，此时的货币需求仍不断增加，但增幅大于收入的增幅，因此可以认为九十年代中期以后，利率对货币需求的作用逐渐显现出来。为了进一步探究两者之间的关系。我们引入了１９９５年第一季度到２００２年第三季度的货币需求和利率的数据，并将两者的有关图形显示如下：
从上图并结合年度数据中利率与货币需求的关系图中可以看出，从九十年代中期以后，利率与货币需求的关系已经符合经济理论。
从利率与货币需求的散点图可以看出，利率和货币需求明显成反方向变动关系。
五、经济现象浅析
从以上对年度数据和季度数据的分析。我们认为，虽然再贷款利率是央行根据货币市场需求进行调整的，但是由于中国货币市场的市场化程度较低，其代表性仍然很低。随着，金融体制的改革，再贷款利率的市场代表性提高。
注：由于金融理论知识的欠缺，因此不能作出很好的经济解释。本^论文的着重点并非在结论，而在于利用计量经济学这种定量的分析方法，解决现实中的问题。
