经济学理论表明,许多重要的宏观经济变量和经济现象具有非线性特征,如果忽略这种非线性特征,使用面板数据线性回归模型对其进行分析,则很可能出现估计结果的偏差,并最终导致错误的结论。因此,放松严格线性限制,构建和研究面板数据非线性回归模型,对分析宏观经济问题具有重要的理论和现实意义。因此,文章在梳理面板数据非线性回归模型建模方法的基础上,对有关理论问题进行了探索性研究。同时,也应用面板数据非线性回归模型对一些宏观经济问题进行了经验分析。在理论研究部分,文章首先梳理总结了静态及动态面板数据门限回归模型的普通最小二乘(0LS)估计、两阶段最小二乘(2SLS)估计、广义矩估计(GMM)以及前向正交离差(Forward Orthogonal Deviation)估计等估计方法,并阐述了如何利用自举(Bootstrap)方法对门限效应显著性进行检验；其次,建立了一维数据结构门限Logit模型,提出其极大似然(ML)估计方法,构造了用于检验门限效应显著性的Wald统计量,并研究了Wald统计量的性质；再次,进一步提出了面板数据门限Logit模型及其条件极大似然(CML)估计方法。最后,提出了面板数据马尔可夫体制转换回归模型及其期望最大化(EM algorithrm)算法,并通过蒙特卡洛模拟证实了EM算法的稳健性。实证分析部分基于作者硕士期间完成的三篇论文,主要进行了以下分析：①利用动态面板数据门限回归模型对我国通货膨胀对经济增长的非线性关系进行研究得出,我国通货膨胀率不仅对经济增长率存在着两个门限值的“双门限效应”,而且其最优目标区间为(0,3.2%]；②根据“费雪效应”,利用面板数据门限Logit模型对通货膨胀率变动和利率变动之间的关系进行了分析,得出当期通胀率较上期变动小于1.16个百分点时,央行更倾向于利用利率工具应对通胀；而当通胀率变动一旦超出1.16个百分点,利用利率工具应对通胀的可能性降低。③结合当前经济增长的特点,在经济的不同运行体制状态下,利用面板数据马尔可夫体制转换回归模型讨论了各类投资、广义货币增长率和进口增长率等因素对通货膨胀的效应,并提出一些通过优化投资解决通胀问题的启示。
