关于中国制造业PMI与Brent油价的关系研究

【摘要】制造业作为高耗能产业，对原油价格波动的反应相当敏感。中国以制造业为经济支柱产业，因此需对石油价格的波动保持高度的关注。本文通过Johansen协整分析、Granger因果分析、向量误差修正模型（VEC）及脉冲响应和方差分解，分析了自2005年起的中国制造业PMI指数与Brent油价的月数据，结果表明：我国制造业PMI指数与Brent油价存在长期协整关系；Brent油价是我国制造业PMI指数的Granger原因；Brent油价在四个月之内会对我国制造业PMI指数产生同向影响，之后该影响变为反向；PMI指数对Brent油价的影响在三个月内达到最大，之后减小并保持稳定。

【关键词】PMI；Brent油价；脉冲响应；方差分解

1.引言

采购经理人指数（Purchase Management Index，PMI）是一项重要且全面的经济指标，是各国政府衡量本国宏观经济运行状况的重要参考依据。PMI主要分为制造业与非制造业两大类别，其中制造业PMI指标能够及时反映国家整个制造业的活跃程度，对于包括中国在内的以制造业为经济支柱产业的国家来说，有着极为重要的意义。中国自2005年起开始发布制造业PMI数据，至今其已成为检测中国经济发展状况的重要指标和中国经济变化的晴雨表，广为人所关注。

通常来说，制造业是高耗能产业。根据国内多位学者的研究表明，我国制造业一直处于高耗能的水平，而原油消耗是其中很重要的一部分。因此我们有理由相信，原油价格的波动会对制造业产生一定的影响。

事实上，石油价格的剧烈波动对世界各国宏观经济所造成的影响已吸引了国内外众多学者的目光。在国内，已有许多学者对国际油价的变化与国内经济运行之间的关系进行了多角度的研究。不过，有关国际油价变动对制造业产生影响的研究文献在国内还较为少见，其中于莎等人曾选取美国轻质原油价格（WTI）作为国际油价来分析其与中国制造业PMI之间的关系，得出两者之间有互相影响的关系。然而近年来有不少学者认为：相比WTI，布伦特原油（Brent）价格更加适合作为国际油价的标尺。由于两者之间长期存在不稳定的价差，所以据此作出的研究可能会得出并不相同的结论。因此，有必要采取不同的数据来对此问题进行进一步的研究，以期得到更加科学准确的结论。所以本文选择了布伦特原油价格与中国制造业PMI数据，通过向量误差修正模型（VEC）、脉冲响应和方差分解等方法研究两者之间的动态关系，希望得到可为后续研究与应用提供帮助的成果。

2.实证分析

2.1数据选取与处理

考虑到时间序列的异方差性会对研究过程产生影响，因此将所有数据对数化，记为LnBrenT，LnPMI。处理后的数据会更加平稳，有利于进一步的实证分析。

2.2 ADF单位根、Johansen协整和Granger因果检验

对两个变量进行ADF单位根检验，使用AIC准则确定滞后阶数。检验结果由（表1）所示，变量LnPMI与LnBrent的t统计量均小于其5%显著水平的临界值，这说明两个变量都是平稳的。

接着对两个变量进行Johansen协整检验，检验结果如（表2）所示，可以发现，变量LnPMI与LnBrent之间存在至少一个协整关系，即可说明中国的制造业采购经理人指数（PMI）与布伦特油价之间是存在长期的均衡关系的。

再对变量LnBrent和LnPMI进行Granger因果检验，得出的结果如（表3）所示。

表1ADF单位根检验

变量t统计量临界值

（5%显著水平）AIC检验形式

表2Johansen协整检验

协整个数迹统计量临界值（5%显著水平）049.537215.4117.39173.76表3Granger因果检验

原假设滞后阶数F统计量p值LnBrent不是LnPMI的Granger原因220.9970LnPMI不是LnBrent的Granger原因2.63530.268对于原假设为Lnbrent不是LnPMI的Granger原因，P值约等于0，因此拒绝原假设，即说明LnBrent是LnPMI的Granger原因。

对原假设为LnPMI不是LnBrent的Granger原因，p值约为0268，因此接受原假设，即说明LnPMI不是LnBrent的Granger原因。

通过Granger因果检验可以发现，布伦特原油价格的变动会影响到中国制造业采购经理人指数（PMI）的变动，而PMI的变动对布伦特原油价格的影响并不是那么明显。

2.3 VEC模型、脉冲响应和方差分解

然而，我们通常认为Granger因果检验是检验统计上的时间先后，而非真正意义上的因果关系。因此为了得到更加准确的结论，我们需要进一步建立模型来判断PMI与Brent原油价格之间的关系。

因为经过Johansen协整检验，两个变量之间存在协整关系，因此可以据此建立VEC模型。根据AIC标准判断最优滞后期为3，得到的模型如下所示：

ΔLnPMIt=-0.39ecmt-1+3i=1α3iΔLnPMIt-1+3i=1β3iΔLnBrentt-1-0.0001 ΔLnBrentt=0.03ecmt-1+3i=1φ3iΔLnPMIt-1+3i=1λ3iΔLnBrentt-1-0.0009

其中 ecmt=LnPMIt+0.082LnBrentt-4.314。

接着通过脉冲响应和方差分解，进一步分析变量LnPMI与LnBrent之间的关系，脉冲响应的结果如（图1）所示：

图1

从脉冲响应的结果中可以看出，当PMI和Brent油价受到正向冲击的时候，变量的响应呈现出较大的波动性，且有一定的差异。

其中，当PMI受到Brent油价的冲击后，在第1到第4期内表现出正向的响应，而从第5期开始，PMI对Brent油价的响应变为负向。这说明当本月的油价变化时，四个月之内的PMI均会随其同向变化。而从第五个月开始，PMI会随着Brent油价反向波动，即油价上涨会对五个月后的PMI产生负面的影响。

当Brent油价受到PMI冲击时均表现出正向的响应。其中在第1期Brent油价的响应达到最大，随后降低，到第3期之后基本保持一个平稳的水平。这说明PMI的变化会在第一个月对Brent油价产生明显的同向影响，而这种影响会迅速减小，到了第三个月之后这种影响稳定在了一个较低的水平。

紧接着进行方差分解，结果如（表5）所示：

表5

根据脉冲响应和方差分解的结果可以看出，国际油价的变动对国内制造业PMI指数产生先正后负的影响，而且这种影响会随着时间的推移变得更为显著。而国内制造业PMI指数的变化对国际油价产生正向的影响，且这种影响会在未来两到三个月的时间里达到最大，随后减弱并保持在一个稳定的水平。

3.结论

综上所述，以Brent油价作为指标来预测中国制造业PMI指数有一定的合理性。据此可以推断中国未来一段时间内的经济走势，从而为国家宏观经济政策和企业运营决策提供一定的理论依据。