東協的相關經濟計量分析研究

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

衝擊之下_, 南韓物價短期內會反映中國物價。 Hiebert and Vansteenkiste (2010) 則是利用 _GVAR 的架構_, 將美國國內的 ₁₂ 個工業部門擬為 ₁₂ 個國家做衝擊 反應分析探討美國勞動市場的雇用人數、 薪資與國際貿易程度、 技術之間的影響; 結果顯示貿易開放程度與勞工薪水呈現負相關, 技術條件與勞工薪水呈現正相關。

Daniel and Mthuli (2013) 則是使用_GVAR模型來研究非洲國家的外溢效果,該 篇文章中提到非洲有 _{60 %}的國家出口占 _GDP 比重達 _{30 %,} 有_{80 %}的國家出 口佔 _GDP 比重達 _{20 %}以上_, 主要出口國家為歐元區、 美國與中國。 而在 ₂₀₀₈ 年金融海嘯前的非洲國家平均經濟成長率有 _{6 %, 2009} 年跌至 _{2.5 %,} 顯示非洲 經濟體系可能與全球景氣存在某種連結關係。 因此該篇作者利用_GVAR模型有國 家_/區域整合設定的特色_,將非洲國家分為四種經濟體系_:出口導向₍以石油為主₎、 出口導向 ₍非石油₎、 投資導向、 及較為動亂脆弱之經濟體系。 同時_, 將巴西、 俄羅 斯、 印度、 中國整合為金磚四國(BRIC) 區,加上原GVAR 模型設定上的歐元區, 藉此捕捉歐元區與 BRIC 對非洲四種經濟體系的影響。 結果發現 BRIC 與歐洲 的衝擊 ₍皆以一單位標準差之 _GDP 負向衝擊₎ 對非洲的實質 _GDP 有顯著的影 響_,尤其以石油導向的出口國受歐洲影響最大。 另外也以_G4(歐元區、 美國、 英國、

日本₎ 為主的量化寬鬆貨幣政策來觀察非洲所受的衝擊影響_,發現 _G4的量化寬鬆 貨幣政策上對非洲國家的匯率及通膨率的影響不大。 另一方面_,GVAR也被運用在 經濟預測的領域上, Pesaran,Schuermann and Smith (2009) 利用 _GVAR 模型 對_GDP、_CPI、 匯率等總體經濟變數進行樣本外的預測(out-of sample forecast), 另外再加入利率和股價兩種變數到模型裡_, 用來預測實質產出與物價之間的關係。

Fei and Ng (2011) 則是利用東協五國 (印尼、 馬來西亞、 菲律賓、 新加坡、 泰國) 與其他20個國家, 共分成 9 個國家/區域, 針對東協五國的實質 GDP、 通貨膨脹 率、 短期利率、 實質匯率、 與股價_, 以_1981Q1 至 2009Q4 為資料期間_, 執行樣本 內預測 _{( 2009Q1} 至_{2009Q4 )} 及樣本外預測 _{( 2010Q1} 至 _{2011Q4 )} 的分析比 較。

2.2 東協的相關經濟計量分析研究

CHIA(2011)的文章中提到,從1998年亞洲金融風暴,造成全球主要國家的景 氣衰退之時,東協仍然展現出正向經濟動能, 雖然可能一部分受益於中國的高經濟 成長率所致_, 但東協的高經濟潛力已不容忽視。 目前東協擁有近六億人口的市場_, 未來的東協經濟共同體的規模將很有可能僅次於歐盟_, 成為全球最第二大的自由

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

貿易區。

Peter et al. (2012) 的研究指出_, 雖然東協經濟共同體成立後不是像歐元區的 總體經濟整合型態, 因為目前東協面臨的政治因素與發展水準和歐元區的條件不 同,但估計東協經濟共同體的成立其總實質產出可能會上升5.3 %,金秀琴(2003) 研究發現_, 就東亞區域經濟整合之發展現況來看_, 以東協加三 ₍中國、 日本、 韓國₎ 對我國經濟之衝擊最大。 而 Robert and Gilbert(2001) 的研究指出_, 在亞太地區 不同型式的區域整合下_,其中東協加三將使我國福利水準 ₍以_GDP 變動表示₎ 下 降_{1.10 %,}出口衰退_{4.04 %,}進口衰退_{5.04 %}。 另外徐世勳 ₍₂₀₀₁₎的研究顯示_, 如果兩岸加入 _WTO 後東協加三成立自由貿易區_, 且該自由貿易區為封閉區域經 濟_, 則台灣的 _GDP 將下降_{0.014 %,} 貿易條件將惡化_{0.464 %}。

3 研究方法

3.1 GVAR(Global VAR) 模型

3.1.1 建構 _GVAR模型

在Pesaran,Schuermann and Weiner(2004)的GVAR 架構下假設經濟體系 裡有 _i 個國家 ₍或地區), i = 0, 1, 2..., N, 也就是說經濟體系裡共有 _{N + 1} 個國 家 ₍或地區₎。 我們令 _{i = 0} 這個國家為 「參照國」 (reference country), 通常設為 美國。 另外定義兩種變數_, 一種是 「國內變數」 (country-specific variable), 另一 種是 「國際變數」(foreign-specific variable)。 「國內變數」 就是_i國本身的經濟變 數_,像是_i 國的 _GDP、 匯率、 利率等_; 而 「國際變數」 則是按照各國對本國的貿易 往來程度的不同_, 對各國的經濟變數作加權_, 每個國家的模型如下

x_it= a_i0+ a_i1t + Φ_ix_i,t−1+ Λ_i0x^∗_it+Λ_i1x^∗_i,t−1+ ε_it,

i = 1, 2, ..., N, t = 1, 2, ..., T,

(1)

其中 _xit 為第 _i 國在第_t 期的所有國內變數集合_{, x}^∗_it 為第 _i 國在第_t期的所有國 際變數集合_; 假設 _i 國一共有 _k 個國內變數_, 則 _xit 為一個 _{ki× 1} 的矩陣_{, x}^∗_it 為 一個 k_i^∗× 1 的矩陣, Φ_i 是i 國國內變數之落後期係數矩陣, 為一個k_i× k_i 矩陣, Λ_i0與 Λ_i1 為k_i× k^∗_i 矩陣, ε_it 為k_i× 1 的矩陣。ε_it 為第i 國之未知衝擊。 因此, 當 Λ_i0 與 Λ_i1 等於零時, 整個 GVAR 模型會縮減化為一般的 VAR(1)模型。

為了使模型更一般化_, 我們可進一步將模型數學式改寫為

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

x_it = a_i0+ a_i1t + Φ_ix_i,t−1+ Λ_i0x^∗_it+Λ_i1x^∗_i,t−1+ Γ_i0d_t+ Γ_i1d_t−1+ ε_it, i = 1, 2, ..., N, t = 1, 2, ..., T,

(2)

d_t 為全球共同外生變數(common global exogenous variables), 通常設為石油價 格_{, Γi0} 與_Γi1 為全球共同變數與其落後其對應之固定係數矩陣。 此外我們另需假 設 _εit 為序列不相關_, 即

ε_it ∼ iid(0, Σ_ii) , Σ_ii = cov(ε_ilt, ε_ist), (3) 其中ε_ilt/ε_ist 分別代表i國在第t期之l/s變數的干擾項。 但我們允許不同國(區 域) 的衝擊 _εit 具有某種程度上的相關_, 才能捕捉各國的未知衝擊對其他國家也可 能具有影響力的事實。

令 _GDPit 為第 _i 國在第_t 期的名目國內生產毛額_{, CP Iit} 為第 _i 國在第 _t 期的 消費者物價指數 _{, EQit} 為第 _i 國在第 _t 期的名目股價指數 _{, Mit} 為第 _i 國在第 t 期的的名目貨幣供給 _{, Eit} 為第 _i 國在第_t 期的的名目匯率_{, Rit} 為第 _i國在第 t 期的的名目利率。 則在 PSW(2004) GVAR 中_,國內變數設定為

x_it = (y_it, p_it, q_it, m_it, e_it, ρ_it)⁰, y_it= ln(GDP_it/CP I_it) , P_it = ln(CP I_it), q_it= ln(EQ_it/CP I_it) , m_it = ln(M_it/CP I_it),

e_it= ln(E_it) , ρ_it = 0.25 × ln(1 + R_it/100),

其中, 值得注意的是以美國 (reference country) 為例子: 當 e_ot = 0 時, x_it = (y_it, p_it, q_it, m_it, ρ_it)⁰ , k₀ = 5 。 此外若存在某些國家(區域)有變數資料不足的情 況, 我們將會捨去這些資料不足的變數。

國際變數的設定則為

x^∗_it = (y_it^∗, p^∗_it, q^∗_it, m^∗_it, e^∗_it, ρ^∗_it)⁰,

‧

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

我們知道 _G是一個 _{k × k} 的矩陣_, 同時也是一個可逆矩陣_, 故我們可以將 ₍₈₎ 式 改寫為以下形式 :

x_t= G⁻¹a₀+ G⁻¹a₁t + G⁻¹Hz_t−1+ G⁻¹ε_t, (10) (10) 式為一般 _VAR 模型的形式_, 如此一來我們可以將 _GVAR 模型來對照一般 VAR 模型求解。 詳細的 _GVAR 模型建構與求解可參考_PSW(2004)。

4 資料處理

4.1 單根檢定

單根檢定是用來檢驗時間序列資料是否為定態 (stationary) 序列。 定態的時 間序列資料又稱為 I(0) 序列_, 如果一個時間序列資料經過一階差分後呈現定態_, 則此資料為非定態的 _I(1) 序列。 Granger and Newbold(1974) 提出當時間序列 資料呈現非定態 ₍即有單根₎ 的情況下_, 在做迴歸估計時容易產生假性迴歸 (spu-rious regression) 的問題。 由於時間序列資料通常都具有非定態的性質_,因此在對 時間序列資料做估計分析之前_, 必須先對資料做單根檢定_, 判斷資料使否具有單根 (unit root), 如果有單根則表示資料為非定態 (nonstationary) 序列_, 若無單根 則表示資料為定態序列。 在本文我們使用的是 _ADF 檢定 (Augmented Dickey-Fully Test), ADF 檢定可以根據資料有無趨勢項 (trend) 或有無漂浮項 (drift) 來做區別。