第四节 模型的预测和情景分析

一 外生变量的设定

在构建模型之后，首先需要对模型的合理性和可靠性进行检验。最常用的方法是进行样本内和样本外预测，然后考察各个预测的变量是否能较好地拟合实际值的变化。在样本期外进行预测，需要先对外生变量赋值，通常将未来外生变量最可能出现的值作为基准模型的外生变量的赋值，在此基础上，对模型中的变量进行预测，成为基准方案的预测。之后，通常进行情景分析，即对外生变量的赋值进行调整，如在基准方案中假设在未来时期全球贸易额每年增长3%，在情景分析的方案一中，可以将全球贸易额的增长率由3%变为5%，然后对模型中的内生变量进行预测，并且比较在不同方案下变量预测值的变化，以此进行模型合理性的检验以及政策分析。

有关CAEM模型的外生变量的设定（基准方案）包含在表2—2中。

表2—2 CAEM模型中的外生变量的定义及在基准模型（baseline）中的设定

续表

续表

续表

二 模型的预测

在对外生变量进行设定之后，模型中的每一个内生变量都能够得到预测值。基于NIPA内生变量的实际值的数据大多更新到2018年，而基于FFA变量的数据只能更新到2016年。

这里所做的是2016—2025年的动态样本期外预测，图中包括变量的实际值以及预测值。从中可以看出，大多数变量的预测值能够较好地拟合实际值。从预测值看，都是收敛的，在很大程度上说明了模型的合理性。主要变量的具体预测值包含在图2—2中。

图2—2 主要变量增长率的实际值和在基准假设下的预测值

三 情景分析

理论上讲，可以对任意的外生变量赋以异于基准设置的值，从而形成一个情景分析的方案，并进行方案分析。作为示例，这里给出三种方案进行情景分析。

方案一：假设政府的消费支出（cgr）在2018—2019年比基准方案提高3个百分点，在其他时期与基准方案相同，其他外生变量保持不变。

方案二：假设国际原油价格指数的年增长率在2019—2025年比基准方案高3个百分点，其他外生变量保持不变。

方案三：假设全球贸易总额（ex05r，2000不变价）在2019—2025年由基准方案的年增长3%上升到年增长5%，其他外生变量保持不变。

方案一的预测结果显示，2018—2019年提高政府的消费支出，实际GDP增长率在2018—2025年比基准方案都有所提高，影响最大的是2019年，增加0.43个百分点，之后逐渐减弱，对实际居民消费、实际资本形成、实际工资、人均劳动者报酬增长率、货币供给M2，等都有正向的影响。对实际进、出口有负向的影响，且影响的程度基本相同。对政府储蓄有明显的负向影响。

方案二的预测结果表明，受国际油价上升影响较大的是资本形成价格指数（pcap）以及GDP的平减指数（pgdp），虽然每年平均分别比基准方案上升0.2个和0.1个百分点，但是对消费品价格指数（pcpi）的影响是很微弱的，平均不到0.01个百分点，虽然符号是负向的，但影响的程度很微弱，因此可看作是没有显著的影响。模型中受原油价格影响较大的其他变量包括实际人均劳动者报酬增长率（ctr），以及政府储蓄增长率（名义，t03），都有平均为0.3个百分点的正向影响。

从方案三的情景分析的结果可以看出，全球贸易上升对中国总产出等主要经济变量的影响比较显著，每年实际GDP平均上升约0.7个百分点，实际居民消费和实际资本形成分别上升约0.3个和0.6个百分点，实际出口和进口分别上升约2个和1.5个百分点，政府储蓄也会上升约3个百分点。总之，全球贸易的上升会对中国经济增长产生较大的向上的拉动作用。