第二节 中国宏观经济年度计量（CAEM2019）模型简介

一 CAEM2019模型的特点

（一）将资金流量表和国民生产账户的信息相结合

国外成熟的标准大型宏观经济结构模型都是建立在国民生产账户（NIPA）、资金流量表（FFA）以及更多的国民经济核算统计数据的基础上，充分运用每个统计核算体系的信息，并通过行为方程和恒等式，在模型中刻画各个不同统计核算体系中变量之间相互影响或制约的关系。

目前中国FFA的样本期为1992—2016年，数据时滞为2年左右，样本期较短，因此，较早研发的大型宏观经济模型很难将FFA中的时序数据应用于中国大型宏观经济模型中，都是仅仅基于NIPA统计数据，目前还没有将NIPA和FFA结合使用的模型。我们所构建的CAEM模型是首次将NIPA和FFA这两个核算体系的数据结合使用的一个标准中国大型宏观模型，在模型中刻画了NIPA和FFA中变量之间的相互影响和制约关系，大大丰富了模型的内容。由于引入FFA统计数据，使得分析不同财政政策，如改变税率、改变转移支付支出、改变政府支出等财政政策对宏观经济的影响成为可能。

（二）将财富变量引入到模型中

中国社会科学院李扬研究员领导的团队编制了《中国国家资产负债表2018》（以及2015和2013），对2000—2016年的中国国家资产负债表与各部门资产负债表进行了完整的编制。Piketty、Yang和Zuckman （2019）结合了中国国民收入账户数据、调查数据以及最新的税收数据，对1978—2015年的收入分配和财富的累积存量进行了估计，提供了比较可靠的、较长时间长度的中国住户、政府部门的财富数据。本研究将以上文献中得到的财富数据引入到宏观模型中，将其与国民经济核算中的消费、投资等变量联系起来，分析财富变动对消费、投资以及宏观经济的影响。

（三）将投资需求设定为以需求为导向

这一点与现有模型有较大的区别，在现有模型中投资一般是由投资来源，也就是说由投资的能力决定的。在CAEM2019模型中，将投资设定为是由投资需求决定的，或者说，是由总需求GDP以及投资的效率来决定的。将模型设定从需求和供给相结合，转变为主要以需求为制约和决定因素，符合中国经济从高速发展向中速和高质量发展的新常态转型的特点。在经济转型的过程中，许多领域，特别是传统工业领域普遍存在供给过剩、投资收益率下降的现象，投资从过去短缺经济时期受投资能力约束，向着由总需求和生产效率来决定的方式来转变。因此，将模型设定为以需求约束为导向会更加符合目前和未来的经济发展的特征。

综上所述，与原有的模型版本相比较，CAEM2019模型有以下三个主要特点：一是建模思想为完全以需求为导向、受需求约束；二是将NIPA数据与FFA数据相结合，充分利用两者的数据和信息，并且通过行为方程和大量的恒等式建立NIPA数据和FFA数据之间的相互关系；三是将居民和政府的财富存量数据引入到模型中，特别是在构建居民消费的行为方程时，居民的财富存量数据是一个重要的解释变量。

二 CAEM2019模型的结构和特征

CAEM2019模型运用1992—2016年的年度数据，受数据样本长度所限；行为方程的规模适中，由于结合了FFA中的数据，恒等式的数量较大，共有18个行为方程、75个恒等式；内生变量93个，外生变量55个。

图2—1是CAEM2019模型结构的示意图。按照国民经济收入账户的结构，结合国民经济各部门的划分，将模型分解为7大模块，即消费、投资、国外贸易、生产和工资、价格、政府部门、金融。按照基金流量表的分类，首先分为国内部门和国外部门，再从部门的角度，将国内部门分为非金融企业、金融、政府、住户部门。

图2—1 CAEM2019模型结构图示

行为方程的模型设定形式为ECM模型，在ECM模型设定形式下，变量之间的长期均衡关系、短期动态和调整系数可以分别得到识别。长期均衡关系的设定由经济学理论来决定，短期动态和调整系数由数据进行估计。单方程的估计方法采用最小二乘（OLS）法，由于数据的样本期较短，因此没有选择更加复杂的考虑到内生性处理的两阶段最小二乘（2SLS）法，或者更加复杂的估计方法。

模型估计之后，进行了样本外预测和情景分析，具体结果见后面的章节。