我国外汇储备构建和估计方法

（1）模型设定

基础回归方程如下所示：

在这个模型中，FRit是解释变量，用外汇储备占M2的比重表示，代表一国的外汇储备规模。β0、β1、β2、β3、β4、β5、β6是需要估计的系数向量，解释变量是一组货币国际化的长期决定变量，包括FM、FMK、ERS、KAOPEN，controlsit表示其他控制变量，包括经济实力EP、进出口余额占GDP比重、FDI占GDP比重；uit是误差项，i和t分别表示国家和年份。

综合文献研究成果，外汇储备具有路径依赖特征，因此在上述模型中引入被解释变量的滞后值作为解释变量，具体滞后期数根据实证效果确定，样本数据变为动态长面板。由于该模型存在较多样本国家，对于可能存在的固定效应，引入国家虚拟变量id消除个体效应，提高估计的准确程度。对于时间效应，可加上时间趋势项t（陈强，2010）。引入国家虚拟变量控制个体效应和时间趋势项后，根据数据特征，考虑使用同时处理组内自相关和组间同期相关的可行广义最小二乘法（FGLS）进行估计，并对两种估计方法的实证结果进行对比分析。

（2）估计方法

实证研究借助STATA15完成，在确定估计方法之前，首先对两组样本数据进行组间异方差、组内自相关以及组件同期相关检验，检验结果如表8.2和表8.3所示。

① 组间异方差

对于组间异方差选择似然比检验（LR），原假设为“不同个体扰动项方差相同”，若拒绝原假设则认为存在异方差。

② 组内自相关

对于组内自相关选择Wald检验，原假设为“不存在组内一阶自相关”，若拒绝原假设则认为存在组内自相关。

③ 组间同期相关

对于组间同期相关选择Breusch-Pagan LM检验（陈强，2010），原假设“不存在组间同期相关”，若拒绝原假设则认为存在组间同期相关。(www.xing528.com)

根据表8.2、表8.3结果所示，两组样本国家检验均能在5%显著水平拒绝原假设，说明两组样本数据均存在组间异方差、组内自相关以及组间周期相关，在存在异方差的情况下使用系统GMM估计仍然有效，但应选取异方差自相关稳健的标准差来控制相关影响，使用FGLS估计应注意同时处理组内自相关和组间同期相关。

表8.2　高程度货币国际化国家组数据检验结果

表8.3　低程度货币国际化国家组数据检验结果

由于引入被解释变量的滞后值作为解释变量，该模型成为一个动态模型，从而有可能导致解释变量与随机扰动项相关，在这种情况下OLS估计是有偏的、非一致的，因此考虑使用工具变量法提高估计准确性。而前期检验证明样本数据不符合球型扰动假设，此时GMM估计比2SLS估计更有效率，因此考虑使用GMM估计。为避免动态面板估计偏差，不能简单使用固定效应模型。陈强（2010）详细描述了差分GMM的估计原理，通过差分除去个体效应，再对差分后的方程进行估计。Arellano and Bond（1991）使用被解释变量所有可能的滞后值作为工具变量，被称为差分GMM。而差分GMM可能无法有效估计不随时间变化的变量系数，为了解决这一问题，有必要回到差分之前的水平方程，因此本章最终选择Blunell and Bond（1998）提出的系统GMM对动态面板进行估计，系统GMM将差分GMM和水平GMM结合起来，提高了估计的效率。

由于系统GMM使用前提是原假设“扰动项μit不存在自相关”成立，而原假设成立也可能存在扰动项差分的一阶自相关，但不存在更高阶的自相关，为此可以通过检验扰动项差分是否有一阶和二阶自相关来验证原假设，检验结果如表8.4、表8.5所示。结果显示高程度货币国际化国家组数据均存在一阶自相关但不存在二阶自相关，低程度货币国际化国家组数据存在一阶自相关，但不存在二阶自相关。因此推断出原假设成立，可以使用系统GMM进行估计。

表8.4　高程度货币国际化国家组扰动项差分自相关检验

表8.5　低程度货币国际化国家组扰动项差分自相关检验