摘要：文章采用2005年1月至2014年3月的中国制造业采购经理指数（PMI）数据以及宏观经济景气指数数据进行描述性相关分析，选取制造业PMI与宏观经济景气一致指数构建向量自回归VAR模型，进行Granger因果检验说明两指数之间存在双向因果关系，进一步利用脉冲响应函数和方差分解的分析方法，研究两指数的相互作用关系，得到PMI对宏观经济景气一致指数具有较长时间和较大程度的正向影响，从定性和定量两方面说明制造业PMI对国家宏观经济的先行影响作用。
关键词：制造业PMI；宏观经济景气指数；向量自回归VAR
中图分类号：F224.9 文献标识码：A 文章编号：1002-6487（2016）03-0122-03
0引言
中国制造业采购经理指数（PMI）由中国物流与采购联合会和国家统计局于2005年共同推出，在每个月的第一个工作日发布，具有及时性特点，PMI体系主要由新订单、生产量、从业人员、供应商配送以及原材料库存等反映制造业企业生产活动的细分指标构成，是衡量我国工业经济发展的主要指标；中国宏观经济景气指数则是反映我国宏观经济发展的重要指标，主要包括先行合成指数和一致合成指数，其中一致合成指数能够客观描述宏观经济发展现状，由工业生产、社会需求、就业、社会收入等4个方面构成，先行合成指数能够用来预测宏观经济发展趋势，由恒生内地流通股、产品销售率、货币供应量M2、新开工项目、物流以及消费者预期等指数构成。在2013年底召开的中央经济工作会议中，提出了2014年经济工作的主要任务之一为大力调整产业结构、着力抓好化解产能过剩和实施创新驱动发展，其中产业结构中的工业作为我国国民经济的主要组成部分，研究工业发展指标与宏观经济发展指标之间的关系具有重要意义。因此有必要对制造业PMI与中国宏观经济景气指数之间的关系进行深入研究。本文对我国制造业PMI与宏观经济景气指数进行描述性相关分析，依据宏观经济景气指数的实际构成情况，选取制造业PMI与宏观经济景气一致合成指数建立向量自回归VAR模型进行检验分析，以期发现两个指数之间的定性和定量关系。
1数据描述性分析
文中的数据来源于中经网统计数据库，选取2005年1月至2014年3月间的制造业采购经理指数、宏观经济景气先行指数、宏观经济景气一致指数月度数据，为了方便对这三个时间序列进行分析和描述，本文用PMI表示制造业采购经理指数，MELCI表示宏观经济景气先行指数，MECCI表示宏观经济景气一致指数。图1表示中国制造业PMI与宏观经济景气先行指数（MELCI）序列图，从图中PMI序列曲线可以看出，2005年1月至2014年3月整个时期中，我国的经济大部分时间处在扩张阶段。从2005年开始到2008年上半年，PMI大都处在52~56之间，说明我国制造业经济总体扩张明显，但是波动较大，制造业经济的扩张存在着不稳定性；在2008年7月至2009年2月这一时期，PMI处在荣枯线50以下，说明我国经济处在收缩阶段，并且在2008年11月达到最低，指数不足40，说明我国制造业的总体经济情况受到了国际金融危机的影响；而从2009年前半年开始，PMI开始大幅回升，也说明我国的制造业经济开始回暖，正在逐渐从金融危机的影响中走出来；从图1中还可以看出，近两年的PMI数值处在50以上，序列波动不大，较为平稳，说明我国制造业经济正在扩张，并且呈现出平稳增长的态势，这一现象与国际形势、国家的宏观调控以及我国产业结构调整经济政策密切相关。另外对图1中两时间序列的走势进行对比分析，总体看来，制造业PMI曲线的波峰波谷数量比宏观经济景气先行指数（MELCI）曲线的数量多，说明MELCI曲线相对来说较为平滑，波动性低，但是将MELCI曲线波峰波谷出现的时间与PMI曲线的峰谷出现时间进行比较，发现两曲线波峰波谷出现的时间点基本一致，并且这一现象体现在整个时间序列范围之内，同时对两时间序列进行交叉相关分析，得到相关系数为0.71，也说明了两者之间较强的相关性。图2表示中国制造业PMI与宏观经济景气一致指数（MECCI）的序列图，单独看一致指数（MECCI）曲线与图1中先行指数（MELCI）曲线形式较为相似。通过对图2中两组时间序列进行对比分析，MECCI曲线相对PMI曲线，波峰波谷的数量较少，曲线较为平滑；分析两曲线波峰波谷的出现时间，得出PMI曲线的波峰和波谷领先MECCI曲线的峰谷3~5个月，在2008年6月至2009年6月这段时期内，PMI曲线的领先性结论体现的更加明显。上述分析内容可以定性的说明制造业PMI对宏观经济景气一致指数MECCI的先行关系以及PMI对国家宏观经济的预测作用，接下来本文将通过建立模型对中国制造业PMI与宏观经济景气一致指数（MECCI）之间的关系进行实证分析，定量说明两者的相互关系。
2VAR模型的建立与分析
2.1平稳性检验
在进行分析之前需要对中国制造业PMI与中国宏观经济景气一致指数（MECCI）两个时间序列进行平稳性检验，在本文的实证分析过程中，采用EVIEWS6.0软件对时间序列进行分析。在平稳性检验中，常用的检验方法为ADF单位根检验，所以文中利用EVIEWS6.0对PMI和MECCI两时间序列进行ADF单位根检验，检验结果如表1所示。时间序列在给出的三个显著水平下是不平稳的，而对两时间序列进行一阶差分之后可以看出，在5%的置信水平下，两时间序列的一阶差分时间序列都是平稳的，即PMI和MECCI这两个时间序列同为1阶单整序列，因此可以对两变量的原时间序列建立向量自回归VAR模型进行分析。
2.2VAR模型建立
在建立PMI和MECCI两时间序列的VAR模型之前，为了消除异方差性，对两个变量分别取对数，同时对将要建立的VAR模型的滞后阶数进行确定，根据AIC、SC和HQ原则，经过多次检验，最终确定模型的最优滞后阶数为4。因此选择建立4阶滞后期的VAR模型进行分析，得到log(PMI)与log(MECCI)之间的VAR模型回归方程，如下所示：è÷Log(PMI)log(MECCI)=è÷0.3300.194+è÷0.9733.4820.0331.392è÷Log(PMI(-1))log(MECCI(-1))+è÷-0.591-4.189-0.0150.047è÷Log(PMI(21))log(MECCI(-2))+è÷0.3070.401-0.002-0.851è÷Log(PMI(-3))log(MECCI(-3))+è÷-0.0780.5180.0130.345è÷Log(PMI(-4))log(MECCI(-4))从上述VAR模型的回归方程是可以看出PMI与MECCI时间序列之间滞后4期的定量关系，同时分析结果显示此模型的拟合度较高，达到0.98以上。接着需要对所建立的VAR模型进行检验，只有在模型稳定的前提下，才能对模型进行更加深入的分析。本文运用AR根对模型的稳定性进行检验，如果VAR模型所有根模的倒数小于1，即都位于单位圆内，则表明该模型是稳定的。根据上面所建立的VAR模型，得到模型的AR根图，如图3所示。从AR根图可以看出，所建立的VAR模型所有根模的倒数都小于1，处在单位元内，满足模型稳定性的条件，说明文中所建立的VAR(4)模型是稳定的。为了说明模型中PMI和MEC-CI变量的因果关系，下面对模型进行Granger因果检验，检验的结果如表2所示。由表2中检验结果分析可知，在5%的显著水平下，变量log(PMI)和log(MECCI)之间存在双向的因果关系，即变量log(MECCI)能Granger引起变量log(PMI)，变量log(PMI)也能Granger引起变量log(MECCI)。
2.3脉冲响应函数分析
脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响，为了进一步说明制造业PMI与宏观经济景气一致指数（MECCI）两时间序列之间的关系，在建立VAR模型的基础上采用脉冲响应函数对两时间序列进行脉冲分析，分析的结果如图4、图5所示，图中横轴表示冲击作用的滞后期数（月），实线表示脉冲响应函数，上下两条虚线表示正负两倍标准差偏离带。从图4中可以看出，在本期给制造业PMI一个正的冲击后，宏观经济景气一致指数（MECCI）开始逐渐的增加，并在第8期前后达到最高点，接着开始逐渐降低，到第22期前后穿过0点，然后经过小幅度的变化，最终在第38期左右收敛于0。脉冲响应函数的整体变动趋势说明PMI在受到外部条件的某一冲击后，能够经过国民经济的内在机制传递给MECCI，在前期给MECCI带来同向冲击，后期带来反向冲击，同向冲击的力度大于反向冲击，并且这一冲击效应会持续较长时间。从图5中可以看出，在本期给宏观经济景气一致指数（MECCI）一个冲击，PMI会在前3期迅速上升，在第3期达到最大值，接着开始迅速降低，在第9期左右穿过0点，然后经过小幅的变动，在第26期前后收敛于0。从脉冲函数的变动趋势可以看出，MECCI在受到外界的冲击后，其变动会在前期给PMI带来正向冲击，在后期带来反向冲击，且同向冲击的幅度较大。综上，PMI对MECCI的脉冲响应函数在38期收敛于0，而MECCI对PMI的脉冲响应函数在第26期收敛于0，这一分析结果说明PMI对MECCI的影响持续时间要长于MECCI对PMI的影响持续时间。
2.4方差分解分析
方差分解分析方法由Sims于1980年提出来，它是通过分析每一个结构冲击对内生变量的变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息，定量地把握变量间的影响关系。对本文中的VAR模型方差分解分析结果如图6、图7所示，图中横轴表示滞后期数（月），图6的纵轴表示制造业PMI对宏观经济景气一致指数（MECCI）的贡献率，图7的纵轴表示宏观经济景气一致指数（MECCI）对制造业PMI的贡献率。从图6的方差分解结果中可以看出，中国制造业PMI对我国的宏观经济景气一致指数（MECCI）的贡献率在23%左右。从图7所示的方差分解结果中可以看出，我国的宏观经济景气一致指数(MECCI)对中国制造业PMI的贡献率在11%左右。两图中的方差分析结果表明，PMI对MECCI的贡献度大于MECCI对PMI的贡献度，验证了上文中Granger因果检验所得到结论，并且与VAR模型中脉。
3结论
本文主要运用向量自回归VAR模型对制造业PMI与中国宏观经济景气指数之间的相互关系进行实证分析，得出以下结论：（1）制造业PMI与宏观经济景气先行指数之间存在较强的一致性和相关性，两者的交叉相关系数达到0.71；制造业PMI与宏观经济景气一致指数之间存在先行关系，制造业PMI领先宏观经济景气一致指数3~5期。这一结果与两指数的指标构成密不可分，同时说明了制造业PMI的先导性特点。（2）VAR(4)模型定量分析了PMI与MECCI之间的滞后关系，通过Granger因果检验证明了在5%的显著水平下，制造业经济指标PMI与宏观经济指标MECCI之间存在双向的因果关系。（3）脉冲响应函数分析和方差分解分析则进一步说明了两时间序列的关系。PMI的冲击对MECCI的影响会在第8期达到到最大值，并且其正向影响将持续至第22期；而MECCI的冲击对PMI的影响则会在第3期达到最大值，正向影响持续到第9期，说明PMI对MECCI的影响持续时间要长于MECCI对PMI的影响持续时间。方差分解分析结果说明PMI对MECCI的贡献度大于MECCI对PMI的贡献度。另外根据本文的研究积累发现，我国关于PMI的学术研究还不全面，未来可以研究地域性PMI与国家PMI之间的关系，同时可以对地域PMI与当地经济指标之间的关系进行研究，以完善我国地域性PMI体系。
参考文献：
[1]梁强,刘嘉琦等.PMI指数与中国GDP增长率：基于有效性和设计合理性视角的研究[J].中国外资,2013,(8).
[2]张利斌,冯益.中国PMI与GDP关系的实证检验[J].统计与决策,2012,(2).
[3]陈晴旖.基于PMI指数对我国经济增长进行预测的实证分析[J].价格理论与实践,2013,(4).
[4]何跃,杨小朋.美国、欧盟、日本和中国制造业PMI之间的相互影响关系[J].情报杂志,2013,32(2).
[5]谢佳斌,王斌会.中国宏观经济景气监测的预警体系[J].统计与决策,2007,(2).
[6]郭国峰,郑召锋.中国宏观经济先行指数和一致指数应用效果与改进[J].数量经济技术与经济研究,2010,(10).
[7]白玉红.我国制造业PMI与消费者信心指数的VAR—ECM模型组合分析[J].统计与决策,2013,(6).
作者：丁勇 姜亚彬 单位：合肥工业大学管理学院
