制造业PMI对GDP走势的预测作用

张利斌， 冯 益，刘龙飞，张 竹

(1.中南民族大学 经济学院,武汉 430074; 2.北京大学 光华管理学院,北京100084;3.重庆工商大学 计划财务处， 重庆 400067)

采购经理指数 (PMI) 是一套月度发布的、综合性的经济监测指标体系，一般分为制造业PMI和服务业PMI，也有一些国家建立了建筑业PMI.此指数体系因其数据采自第一线采购经理，每月第一个工作日发布，从而先天具备及时性、先导性、综合性和指导性等特点.目前，全球已有20多个国家建立了PMI体系，世界性的制造业和服务业PMI已经建立.从PMI指数体系的编制原理和构成来看，此体系对于政府部门、金融机构、投资公司和企业来说，在经济预测和商业分析方面都有着重要的意义(于颖，蔡进，2008；于颖，2009)[1,2].PMI指数已经作为预测经济走势的权威性指标，成为美联储、美国中央银行、金融机构以及华尔街、道琼斯通讯社、路透社等著名财经媒体广为应用的重要工具(尤建新，2006)[3].

我国从2005年开始发布采购经理指数，在一定程度上弥补了长期以来用于经济运行状况监控和预测的主要经济指标(例如CPI，PPI等)在时效性和预测性方面效力不足等缺陷，对于完善中国经济乃至世界经济监测体系具有积极的推动作用.目前PMI指数不仅受到社会各界和国内外的高度关注，更成为中央政府部门加强宏观调控的重要依据.现在，不仅中央电视台、新华社、中新社、路透社等国内外著名媒体都抢在第一时间转发PMI指数，理论界、研究机构、金融证券机构等也都将PMI指数作为经济分析研究决策的核心数据使用(张立群，2011)[4].有学者指出制造业PMI可预测GDP和未来经济走势(顾晓莉，2010)[5].美国通过研究制造业PMI发现，制造业经济是总体经济中最活跃的部分.尽管制造业仅代表美国GDP的18%，但估计其占整个商业活动的比例达到33%.美国制造业GDP与总GDP的比率系数为2.1，即总GDP每上升或下降1%，制造业GDP就会上升或下降2.1%(郑树霞，2011)[6].中国正处于后工业化时期，被称为世界的“制造工厂”，那么我国制造业PMI与GDP之间有着怎样的关系，它对GDP的预测作用如何，张利斌等(2012)[7]对中国2005年1月至2010年9月的制造业PMI数据与相应时期的GDP累积增速数据进行了格兰杰因果关系检验和脉冲响应分析，指出PMI是GDP的格兰杰原因，而GDP不是PMI的格兰杰原因，PMI领先于GDP走势3到12个月.然而，不同时期的样本数据是否支持以上结论，究竟PMI领先于GDP几个月对GDP的走势具有最好的预测作用，两者之间是否存在稳定的数量关系等问题仍然值得深入探讨.

1 PMI与GDP的格兰杰因果关系检验

图1是经过对数化的2005年1月至2011年6月的PMI与GDP增速走势图(所用数据均来自中经网数据库)，采用Eviews 6.0软件(高铁梅，2009)[8]，使用协整关系检验、格兰杰因果关系检验和脉冲响应分析来对我国制造业PMI与GDP增速的数据关系进行检验.因为PMI是月度数据而GDP累积增速是季度数据，所以本文PMI的季度数据采用的是每季度的平均值.在调整之后进行对数化，以减少异方差的影响.在下文中，LPMI和LGDP表示的是对数化后的数据，DLPMI和DLGDP则表示进行差分平稳化后的数据.

图1 GDP与PMI走势图

通过数据序列的平稳性检验，我们发现：LPMI与LGDP数据序列在1%显著水平上都达到了一阶单整的，即I(1)，可以进行协整检验和格兰杰因果关系检验.

我们采用基于向量自回归的Jonhanson法进行协整关系检验.检验结果表明，LPMI与LGDP在5%的显著水平上存在一个协整方程，说明PMI与GDP增速之间的确存在可信的长期均衡关系.

我们继续对1～6阶的滞后期逐一进行检验，结果如表1，A代表DLGDP不是DLPMI的格兰杰原因的假设，B代表DLPMI不是DLGDP的格兰杰原因的假设.

从表1可以看到，在选择最优滞后期数为1～6期的条件下，接受了GDP不是PMI的格兰杰原因，拒绝了PMI不是GDP的格兰杰原因，也就是说PMI是有助于预测GDP的.从P值来看，从1阶到6阶P值逐渐增大，说明在1阶时，PMI对GDP具有最好的预测作用，预测效应随阶数增加逐渐减弱.结合前面的走势图，即图1中的各自拐点来看，1阶即3个月左右是目前数据水平下可以得到的最好结果.同时，直到18个月PMI仍有相当的效力.

表1 格兰杰因果关系检验结果(Lags:1-6)

2 GDPt关于PMIt-4的指数回归模型

因为以上的检验所使用的PMI数据都是经过季度平均化处理的，这样便使得月度的PMI数据效力似乎有所减弱，这里，我们尝试找出在1阶的滞后期中(这里1阶代表的是3个月)哪个月份的PMI数据具有最大的预测效用.因此，下面建立GDP关于PMI滞后1～5期的数量关系模型.

首先建立GDP关于PMIt-1，PMIt-2，PMIt-3，PMIt-4，PMIt-5的回归函数，这里采用逐步回归的方法，得到的回归结果如表2模型1.

由表2可以看出，通过逐步回归的方法，最后只剩下了变量PMIt-4，而t检验跟F检验均获得通过.下面做GDP关于PMIt-1，PMIt-2，PMIt-3，PMIt-4，PMIt-5的相关性分析，得到的结果如表3.

表2 回归结果

由表3可见，GDP与PMIt-4的相关系数0.61也是最高，这与用逐步回归方法得到的结果一致.接下来拟建立GDP关于PMIt-4的回归方程，考虑到只有一个自变量PMIt-4，我们建立GDP关于PMIt-4的多种形式回归模型，结果如表4.

表3 相关性分析结果

表4 GDP关于PMIt-4的多种函数回归结果对比

由以上结果可以看出Compound，Growth，Expontial，Logistic模型的R2相对其他模型来说较高，因此，下面我们建立GDP关于PMIt-4的指数回归模型 ，先转化为线性模型，利用Eviews6.0拟合回归模型，得到如表2模型2.可以看到t检验跟F检验均通过假设检验.而根据EG检验，对模型的残差做平稳性分析，利用单位根检验的方法，可以得到残差序列是平稳序列，即GDP跟PMIt-4之间存在着长期的协整关系.对其残差序列进行分析，得到残差序列的自相关图和偏自相关图如图2所示.

图2 残差序列自相关图和偏自相关图

自相关图的拖截尾性不太明显，而偏自相关图显示是1阶截尾的，因此我们对残差序列分别建立AR(1)、ARMA(1,1)、ARMA(1,2)模型，比较它们的AIC和SC值得到表5结果.

表5 模型的AIC、SC值对比

由以上结果可以看出，无论从AIC值还是从SC值来看，ARMA(1,2)模型均是最优的，因此下面建立残差的ARMA(1,2)模型，得到的结果如表2模型3.

由表2模型3知AR(1)变量的回归系数是不显著非零的，而MA(1)、MA(2)的系数是显著非零的，对建立ARMA(1，2)模型后的残差进行分析得到结果见图3.

图3 残差序列自相关图和偏自相关图

建立ARMA(1，2)模型后的残差序列是白噪声序列，数据内部所包含的信息已得到充分提取.

综合以上两步分析，最终得到GDPt关于PMIt-4的指数回归模型为：

GDPt=1.286e0.041PMIt-4+0.463εt+0.897εt-1+

vt,v～N(0,1.365).

根据以上模型得到的GDP数据预测结果跟实际数据拟合图形如图4所示.

图4 GDP预测结果跟实际数据拟合图

以上结果显示，模型对实际数据具有较好的拟合效果.综上，我们认为，PMI在滞后4期对GDP具有较好的预测作用.根据以上函数模型，我们预测2011年第三季度的GDP累计增速数据结果如表6.

表6 预测结果

3 结论和展望

综合以上实证结果，我们发现：尽管样本数据的时间段不同，采用中国2005年1月至2010年9月的数据，得出PMI领先于GDP走势3到12个月的结论，而采用中国2005年1月至2011年6月的数据，我们得出PMI的波动转折能够在3～18个月内很好的预示经济走势，尤其以4个月的时间内为最佳的结论，因此，我们可以得出如下结论：中国制造业PMI与GDP增速之间存在着密切关系，制造业PMI对GDP有着很好的预测作用，是GDP的晴雨表.

进一步的研究可以在以下几方面深入：(1)研究非制造业PMI与GDP之间的关系.鉴于我国非制造业PMI数据的编制工作起步较晚，自2008年1月1日才有数据，并且只有5类数据(新订单、新出口订单、商务活动、中间投入价格、业务活动预期)，因此，要加快编制我国非制造业PMI的步伐，尤其是编制适合中国国情的建筑业和服务业PMI.

(2)突出PMI中产业信息对GDP的预测作用.根据国外经验来看，总的商业采购集中在少数占支配性地位的产业，并且采购操作也有相似的集中性，PMI各产业的指数可反映该产业发展趋势及各项指标的变化，通过对占支配性产业的分析，更有助于对制造业或服务业总体趋势的把握，从而对GDP走势作出正确预测[6].

(3)制造业PMI指数在内部指标权重的选择方面，还有一定的提升空间.当前，中物联发布的PMI指数中，生产量、新订单、就业、供应商配送和库存等五大类指标所占的权重，是根据我国多年来对经济的实际观察来分配的，并不是采取等分法(美国PMI指数中五大类指标权重是平均的，各占20%)，随着我国市场化程度和国际接轨程度的不断提高，只有合理地确定了PMI指数中各类指标权重才会提高对GDP的预测准度[4].

(4)进一步完善制造业PMI的样本框.在样本框方面，要进一步扩大调查样本的覆盖面，目前制造业PMI的总样本中大型企业占到70%，但随着我国市场经济的逐步发展，中小型企业的作用已不容忽视(我国中小企业贡献了我国60%的GDP、50%的税收和80%的城镇就业)，为了确保样本代表性，更加客观地反映国民经济的发展状况，需要增加部分中小企业样本[6].

[1]于 颖,蔡 进.中国PMI(采购经理指数)与其他数据相关性研究(二)[J].社科纵横,2008,23(12):68-70.

[2]于 颖.中国PMI数据的实际应用—PMI的领先性分析[J].社科纵横,2009,24(12):43-45.

[3]尤建新.中国采购经理指数(CFLP-PMI)的研究与应用[J].中国科技论坛,2006(6)：84-86.

[4]张立群.我为PMI指数做点评[J].中国物流与采购,2011(12):44-45.

[5]顾晓莉.PMI:预测GDP的“晴雨表”[J].石油石化物资采购,2010(1):40-41.

[6]郑树霞.欧美采购经理指数(PMI)的应用及借鉴[J].统计与管理,2011(4):57-58.

[7]张利斌,冯 益.中国PMI与GDP关系的实证研究[J].统计与决策,2012,350(2): 143-145.

[8]高铁梅.计量经济分析方法与建模: Eviews应用及实例[M].2版.北京:清华大学出版社,2009:147-190.