第25卷第6期统计与信息论坛2010年6月VoL 25 Stat˛st˛cs &. Information Forum Jun. .2010 【统计应用研究】中国经济增长的接体预测于月皮扩散指数的实证陈龙，杨灿(厦门大学经济学院，福建厦门361005)摘要:利用39个宏观经挤指标掏建中国月皮扩散指数.分析了各扩散指数的特征，并利用动恋因索模型预测中国2009年4季度强2010年3季度的GDP增伏寨，取得了较好的预测效果。实证结果表明，篡子扩散指数的动态因素模型，具有提高模型自由度、降低多重共线性、综合大最信息、保证预测精确性等优势，对于宏观经济预测分析和决策具有一定的作用.关键诩:扩散指数z动态剧紫模型，GDP增长率中团分类号:F201文献标志码:A文章编号:1007一3116(2010)06--0045--05守口一、引二、动态因素模型倍息技术的发展带来了经济信息的爆炸式增(一}模型简介(1)长。这种增长，既给经济统汁分析提供了充足的信设y什1为要预测的时间序列，X为Nt缆指标的息，也使统计分析丽临着如何在众多信息当中取舍时间序列姐阵，并假设(y州，几)满足如下的有俨个的问题。一方面，如果在模型中引人所有的指标变共同动~因素决定的动态因素模型:量，就会使模型面临着过度拟合和多重共线性的风Y叶1= fJCι)/，+γ(L)Yt +ε仲(1)险;另一方面，如果只选取部分指标变盘进入分析模x.=λi(L)/， +eit (2) 础，又会损失相当程度的信息。这里，i= 1, 2, ,N ,e= (哟"eZt'…，eNt),e, ,..., t 有鉴于此，Stock和Watson提出了动态因素模N(OtlN><N) ，也1~N(O，l)，Jl(L)'Åi(L)是lXr非型，以数最较少的不可观测因素变最(St∞k称之为负的滞脂多项式向盘，并且E(E;忡1I J"约，况，1"'1, 扩散指数)来综合大量经济指标的信息，井通过因素Y州，X~吨，…)= O. 变量对分析目标进行预测分析[lJ此后，Forni等设模型的最大滞后阶数为q，则fJCL)司$证明了一般动态因紫模型在估计上的一致性[MU~二。品v品〈DmZLobLje令F，= Cj’, ’/"’1 f Stock和Watson利用该模型预测了荣国的产出租川，j，叫)'为mXl的向景.m~rXCq十l);A娃一通货膨胀事[忖]，徐士勋、管中闵利用扩散指数预测个NXm的矩阵，它的第i行为(λ雨.Àr1.….Àρ;fJ= 了台湾的宏观经济形势问。由此可以看出，由于扩(品，品，….ßq)'是?个mXl的l句蠢，贝u式(1)和(2)散指数综合了大景的经济信息，其预测的效果都优可以改写为于一般利用单一指标或部分指栋的预测模型。Y忡t=flF，+γ(L)y，十E什(3)本文意在构造中国的月度扩散指数，并将动态因素模型(DFM)应用于中国宏观经济预测。X,=AF, 十e，(4) 收稿日期:2009一12一22;修复日期:2010一04一10作者简介:陈业(1978…)，舅，福建祺清人，讲师，博士生，研究方向:统计理论与方法，经济指数理论与方法z杨灿(1957…)，费，湖南长沙人，教授，博士生导师，研究方向z统计理论与方法，指数理论方班，国民经济核算与分析.45 췲랽쫽뻝뗚噯㈵乯춳却䙯㈰䩵ꆾ훐ꆪ돂쇺⣏햪풤횸맛맘컄튻퇔ꆢ뿚탅뎤쾢뗄솿쿕탍폐삩뇤횤춨쇋즢폚놾틲뛾䧒짨쪱릲祭⠱墡⠲헢丨뢺쿒ꇆꆭ룶⢵뿉뚶⠳堽⠴ퟷ퇮폫㐵ꇱ쫕ꎮ?牵溣㈵慴쏃튪닢쫽뺭볼춼쿗헂헟닓럖볆춳쾢ꆣꎬ컊ꎻ본즢솿쏷潣믵첨횸튻컄쯘묩볤춬㷂싒ィ쒣亡몣틔䅆샯?틽?沣ㄽ룥ꎬꆢ?꺣ꆪ뻭楳쓪어ꎺ훐뗄볃듊럖뇪뇠볲⠱컶폫볆벼헢튲쳢뻍쇭폖폚틔횸뛔쇋殺엲췥쫽냣틢쒣탲뚯갨뭁걢탍셭경룄ꆣ맺죕갲ꎬ瓎걸ꇎ뗚瑩㛔샻맺뚯풤ꎺ샠횾뫅뷩㤵ꆣ퇮탅〱펦쫵훖쪹ꆣ믡튻듋쫽럖쵗헍뗄ퟛ샻퓚탍쇐첬䰩椨㸨훍잣킴⮵웚믹?椽㛆捓?Ꞿ폃㈰첬닢삩뫅싫ꎺ㜭?늷䚡ꎺ쾢폃뗄퓶춳튻쪹랽쯰ꎬ솿⧀컶냣慴싊뫪뫏릹⡄볲뻘틲릤䰩ꋴퟮ겡캪닓첬뺭?♉궼㌹〹틲럖즢ꎺ돂ㆣ뫳탲㈰폚⦡싛퇐랢뎤볆랽쒣쏦쪧却뷏듗쒿뚯獯嬴맛쇋떥퓬䙍뷩헳⬷릤⦣ㆣ듳궣ꌫ湦쏑룶쓪쯘컶횸䘲?〷쇺ꎬ틲갲〹첳뺿햹ꎬ럖쏦탍쿠潣짙?뇪첬滀뺭듳튻훐⧓嬷뻶⡌⭥겡뛠훍䱪겵潲뫪㒼쒣뫍쫽〱ⴭ⠱쓐꒲礨볃퓂꿎ꆪ쯘浡ꆿ몣맛뺶탍뻶ꎻ㌱듸볈컶ꎬ쏦죧떱殺뗄쾴뷸틲ﯓ嶣볃솿횸맺ꛓ?늢뚨⦺ꆣ뫳쯼먩㤷ㄲ쿮괩䰩瑩겸뺭죖ꎬ닟뚯ㄶꆭ㠭뫾살룸쏦죧쇙맻돌쵗늻탐쯘쎸곐탎뗄뇪쏓볙︱뷗ꆯ뛈ꩭ쒣ꆪ퓶潮ꎽ볃섲뻟첬⠲쓊㴰䴫쓏쇋뺭쇙맻ퟅ횻뛈慴뿉뾾풤쒣쏄쫆믲퓂?짨뚯ꇪꎬꆫ쪽쫽㉩뗚쫇㈲꣏횸〱폐틲ꎬ뎤삩ꇁ뺭볃ퟅ퓚맽톡뗄獯맛궼닢탍ꏐ뿑嬶늿뛈킹놼⣁첬킡丨ꆣ캪槐튻ꇪꎻ亣쏃뇪ツ쳡튻쯘〩쿲⡌쓐즳뎤탞볃춳죧쒣뛈좡탅滌닢쏖럖퓚췔ꮡㆡ삩諸쮼틲ィ熣탎룶겵琭즢씳릹룟뚨쒣〶ㆵꎬ죋뢴탅볆뫎쓢늿쾢틲뢱컶맀꒲ꊹꏓ횸즢︭쯘갱솿곔⤽꩑涡㘱붨벾쒣뗄탍ⴭ뢣ꎬ뫒䤭죕뗄횸쾢럖퓚뫏ꆣ쯘嬱볆?즴ꎬ뇪?쒣⦣쓏평성〰훐뛈탍ퟷꎻ붨뷌묨ꎬꇆ웚킣?㔩맺뗄ퟔ폃䝄㐵컶훚틽뫍횸쮶뇤쓐嶡짏쯃탣쮿웤쫽궼컥탍곉⡌ꎬ뢣쫚ꎺ쫽敬헻퓂䝄평ꆣ僔ⴭ쟥놬쳡뛠죋뇪꿌솿엏ꎴ뗄삹지짒풤ꎬ쏔걘⧂ꎺ廊늢⤽릤䄱쿲㈰뛈僔〵ꆣ죫늩햨릩탅쯹훘뇤곒⡓ꊣ쮺튻蝹ﯓ풿닢햡늢꒲𧻓䰩ㆣ솿뗄캪뾣쟒ꆣ삩ꆢ꓂쪿ꎬ쳥쪽쇋쾢폐릲솿瑯겲훂쒲쏀뒳뗄쒣붫겡ⴭ즢꓂붵?从붲짺쪵걭〴퓶돤떱뗄쿟뷸?捫ꋍ걆탔荒꧉킧탍뚯??취䔨䄣궣퓲횸쪣뗍쪦떼곖ⴭퟣ훐횸탔죫?돆ꢹ潲宿ꋖ곓맻ꆣ첬습⡌겣쪽풤ꇎ쫽곈뛠ꎬ쪦횤ꇪ䱪ꇜ뗄좡뇪럖횮湩??룊짓뚼뢱쓓⧊꺣⠱ꎬꆵ훘늩ꆱ럖쏁릲탅짡뇤럧컶캪뗈䦣?폅큲윱뚷ꆣ멉⦺쪿퇐牘닢ꎬ컶쮽쿟짺뺿쒣?꒲룶ꇁ냗촨?뫰ꎬ쇮쇋쾺탔⡱랽?犷⦣㈩룷쎵ꆢ⦣퇐쿲?䧕䔽믂⬱삩쓔ퟛ뺿ꎺ걥갽즢꒲뫏랽춳ﶣ⡚䦡⦣횸듳쿲볆?걙ꎬ쫽ꞹ솿ꎺ샭뭁뗄ﮡ탅춳싛ꆣ婟쳘ꏊ쾢볆폫쫇헷뗖ꆢ샭랽ꎬꎬ꒽놣싛램튻늢횤墣폫ꎬ샻ﮱ풤랽횸곛폃닢램쫽뚯뺫ꎬ샭첣첬겻좷뺭싛틲陸탔볃랽?쯘?뗈횸램쒣꧉폅쫽ꎬ탍?쫆샭맺ꎬ싛쏱뛔폫뺭폚랽볃뫪램뫋ꎻ쯣
统汁与信息论坛该模型的主要优点是，共同因素可以由多元主素的时间序列。成分分析而获得。当然，由于假设滞后阶数是有限因此，本文对所选取的指标序列采取如下处理z的，因此会损失掉一点信息。实际损失信息的大小依首先，对所有非百分比或非比率的总量时间序列数经验分析的实际而定。据取自然对数，对非百分比或比率资料不做变换;其{二}模型估计次，检验自然对数或百分比、比率数据的平稳性，对动态因素模型的主要应用就是用于向前h期的非平稳的自然对数序列采用去趋势化操作，对于非预测。由于模型的动态特性，至少有两种估计方法可平稳的百分比或比率数据采用差分操作，最终使所以用于这类的多步预测。有的时间序列都达到平稳时间序列的要求;第三，对第一种，可以针对R建立一个向量时间序列模所有平稳化后的时间序列进行标准化，使它们都具型〈瓦已经由主成分分析得到)，并对(y"且〉在区有零均值和单位方差的特征。间(0，T+h)一步一步地向前推进估计。这种方法的本文没有对经济数据进行价格调整，因为这种缺点是，由于存在大量的估计参数，使得最终的估计调整可能会掩盖价格因素对经济波动的影响，从而预测变量不可执行，即过多的参数会耗尽自由度。使最终得到的因素变量无法显现价格因素。另外，第二种，由于多步的预测，其结果仍是氏和y，价格的波动部分反映了货币政策对经济的影响，如以及它们滞后项的线性函数，因此，可以直接对向前果对变量序列进行价格调整，可能无法反映真实的h期建立预测。本文采用该方法估计模型的参数并货币政策。预测。具体的模型如下z{二}共同主成分的估计到陆=αh+/J，，(L)F，+饥(L)y，+ε.~ (5) 上述处理的数据〈去趋势、平稳、标准化序列)可这里，此同代表了向前h期的预测值，εμ是相应以满足动态因素模型中主成分分析计算的要求。经的预测残差。过主成分分析，可得如表1和图1所示的结果。由于{F，}叫，/Jh(L)和饥(L)都是未知，因此，从表l可以看出，前3个特征值的累计贡献率基于模型(4)、(5)的向前分两h期的预测估计要分达到了%，基本上可以综合出39个指标中的两步z绝大部分信息量，满足用较少的共同因素综合众多第一，根据样本数据{X，}i=l估计它的因素时间指标的目的要求。表1特征值及方差贡献率序列(扩散指数){P,}i=H 第二，对到陆关于1<'，和y，以及它们的滞后项的特征值方差贡献率(%)累计贡献率(%) 线性回归，求得参数气，品(L)和饥(L)的估计值â 1~96 品(L)和仇(L) 三、数据及扩散指数的计算从图1可以看出，第一因素，在生铁产量、钢产(-)指标的选取及处理量、水泥产量、有色金属产量、化纤产量、原煤产量、本文选取1996年1月至2009年9月间的39原油加工量、发电量、汽车产量、货运周转量和农业个宏观经济指标以及1996年1月至2009年9月间存款、进口额、出口额等指标上的负载较为显著，反的月度GDP指标数据(通过季度数据估算得到)，所映了实际工农业经济运行以及进出口经济活动对整有的数据均来自中经网数据库。个经济运行的贡献度，可称之为实际分量;第二因由于中国传统生活习惯和民族文化对经济的影素，在M2、储蓄存款、各项存款、短期贷款、工业贷响，中国的宏观经济资料相对其他国家(比如美国〉款、商业贷款、农业贷款、商业贷款和各项贷款上的来说显示出更强的季节性。这种季节性可能影响到负载较显著，反映了金融活动对实体经济运行的贡经济运行的方方面面，因此本文不对指标序列进行献度，称之为金融分量;第三因素，在MLMO、消费季节调整。因为季节调整可能会使原有序列所反映品零售总额、批发零售贸易业消费品零售额上的负的特征被严重干扰。另外，宏观经济变量大都显示载显著，表明商业活动对实体经济的影响，称之为名出很强的长期趋势，为了不让趋势之间的相关性影义商业分量。在这些分量当中，第一分量代表了经响分析过程，本文对指标序列采取去趋势化操作，得济活动中的实体因素，第二分量代表了经济运行中到综合反映周期性因素、季节性因素和随机冲击因的货币因素，第三分量综合了以上两个因素.46 췲랽쫽뻝춳룃돉뗄뺭⢶뚯풤틔뗚탍볤좱棆폄⠵헢평믹솽탲氽쿟洨죽⣒놾룶폐쿬살벾돶떽㐶쯘틲쫗뻝듎럇욽쯹뗷쪹볛맻믵짏맽듓듯뻸횸뇭솿풭듦펳뿮뢺쿗욷퓘틥볃쳘볆?쒣럖ꎬ퇩︩첬닢폃튻⡆⡯뗣뛾벰?풤폚늽쇐ꆣ탔묩컄뫪퓂뗄쮵볃뷚쳘뫜ퟛ듋쿈좡욽컈폐쇣헻ퟮ룱뛔뇒쫶싺훷뇭떽듳뇪춼ꆢ폍뿮쇋뺭퓘뛈쿔짌믮믵䰩ꆢ튻샯뛾헷폫탍럖틲쒣ꆣ폚훖曒ꎬ쫇뇤쯼ꣁ닢筅ꎺ⣀ꎻ믘횸톡맛뛈쫽훐쿔퓋뗷헷잿컶뫏쪱ퟔ볬컈뗄욽뻹쎻뿉훕헾릲뒦ퟣ돉沿쇋늿ㆿ쮮볓ꆢ쪵볃퓚짌뷏쫛훸튵뚯뇒뫍횵탅쫽뗄컶듋탍쯘평헢ꎬ톾含솿쏇ꋔ뻟뿚닐⦣룹꧉맩뇪좡뺭䝄뻝맺쪾탐헻놻맽랴볤놾뛔좻퇩냙컈횵폐쓜뗃늨닟춬샭뚯럖짒㐴쒿쓠릤뷸볊퓋䴲튵쿔돆ퟜ훐틲벥쾢벰훷뛸믡뗄맀쒣폚샠뿉귓帩평늻훍꒲쳥닮걡⠴뻝ꋖꎬㄹ볃僖뻹뒫돶ꆣ퇏뎤돌펳탲컄쯹뛔ퟔ럖뮯뫍떽뚯첬풿ꎮ탅닺솿䕬릤탐ꆢ듻훸횮뛮뇭쯘싛ꆣ䆴뛔⡌랽튪믱쯰쪵볆탍쒣뗄틔짖튻폚뿉뫳ꆣꎮ⦡퇹룊쟳톡㤶횸뢱살춳뫪룼랽틲훘웚ꎬ훜쇐뛔폐쫽좻뇈떥뺭퇚늿돉컶뒳㠳쾢솿ꆢ뛮얩뒢뿮캪쏷첳벰닮⦡폅뗃쪧볊뗄탍뛠헫늽듦횴쿮ꎱ쒣⮷缾ꎬꈨ놾ﴩ뻅좡쓪뇪ퟔ짺맛잿랽캪룉쟷웚ꆣ쯹럇뛔믲뚼캻볃룇틲럖뷸뻝쯘ꎥ솿쟳ꆢ랢튵릱탮랴뷰엺짌퓚쳥뗚릱?삩뗣ꆣ뗴뛸훷뗄늽뛔즷튻퓚탐뻎탍랾㔩쫽晒닎벰㇔틔ﶾ훐믮뺭쏦벾죅쫆컄탔톡냙뇈듯쪱랽볛쯘랴⣈쒣뿉곇ꎬ겵폐뗧돶쿗듦얩펳죚랢튵헢틲죽맘쿗쫇떱튻뚨튪뚯풤䖽횷늽듳ꎬ뗄쿟쒲죧⡌뻝쫽뒦싖벰?뺭쾰볃벾쏦뷚ꆣ뛔틲좡럖럇믲탲싊떽볤닮룱뇤펳볛맀ꗇ탍뗃뀳믹싺?즫솿뿚뛈뿮튵쇋쇣믮킩쯘즢싊ꎬ좻뗣ꆣ펦첬닢ꣁ훎뗘솿벴풤탔짓쿂䰩쯏⦺쿲筘폚熣샭섲ㄹ춨췸맟뷚뗷쇭캪횸쯘뗄뇈냙쇐쫽욽탲뷸틲쇋룱볆훐죧룶놾ퟣ믒뷰ꆢ뛮퓋듻쫛뚯럖횸릲ꎬ탅폃쳘ꆣꋒ쿲뗄맽닢몯쎸ꎺ췍잰⧊곀〰㤶쫽뫍쇏탔틲헻췢쇋뇪ꆢ횸믲럖닉뻝컈쇐탐쯘컞믵뗷욡훷뇭짏쫴웻뗈뿉룷뿮죚ꎻ쎳뛔솿뗚ퟛ䙼炣춬평쾢뻍탔뮸쎵잰맀뛠ꎬ쫽쎷퀨럖ꖣ﨨㧄쓪벾뻝쏱쿠ꆣ듋뿉늻탲뇪럇뇈폃닉쪱뷸헷볛뛔램뇒헻ꋆ돉ㆺ뷏?닺뎵횸틔돆쿮ꆢ믮뗚틗쪵떱뛾뫏틲폚ꆣ쫇ꎬ봩췆볆뗄웤붷⮼끞䰩솽겹뮺㇔뛈뿢ퟥ뛔헢놾쓜뫪죃쇐뷚탲뇈믲ꆢ좥폃볤탐룱뺭쿔헾뷎럖췍횵틔짙곔솿닺뇪벰횮듦짌뚯죽튵쳥훐쇋쯘볙쪵폃훁ꎬ뷸닎뷡틲ꢹ뚼棆삼뫍퓂싖쫽ꆣ컄웤훖믡맛쟷닉탔쇐싊뇈닮탲뇪뗷볃쿖닟뿉좡럖백뗄ퟛ?ꆢ솿짏캪뿮튵뛔쿻뺭틔ꈨ웚쵹볆뿉짨볊폚짙뿊늢맀쫽맻듋삼쫇?웋엂볤섲뻝뮯쯻벾늻쪹뺭쫆좡틲닉뗄싊럖쇐ힼ헻늨볛뛔쓜ꊱ컶쯹샛뫏릲頻ꆢ돶쪵듻쯘럑볃뗚듺짏틔훍쯰쿲폐놼뛔볆ꎬ믡죔웄䰩뗄캴쓔ﲵꎻ⡌〰맀맺뷚풭볃횮좥쯘좡ퟜ쫽뮯닙뚯룱뺭컞쪾돶춬者쿋믵뢺뿚볊뛌뿮쳥욷튻뇭솽쯣평뫳쪧잰솽⡍ꆣ쪹뫄쫇뿉ꏐ횪꒲쓒⦵㌹㧄쯣뺭볒탔횸폐뇤볤쟷뫍죧솿쇏뻝닙ퟷ튪ꎬ틲뗄볃램벻릱贈닺퓋퓘럖웚퓚쇣펰쇋룶벢풤틔뛠뷗탅뒣훖ꎬ헢뗃뺡䙬틔춵쒹볃⢱뿉뇪탲솿뗄쫆쯦쿂쪱늻ퟷ쟳쪹캪펰쯘랴꿐뷡쿗룶뾡훜뷏듻룷䴱쫛쿬뺭틲풪쫽쾢웚맀탄䔩훖ퟮퟔ뫍횱쒲⮡닢틲삼?벰퓂떽뗄죈쓜탲쇐듳쿠뮯믺뒦볤ퟶ욽ꎬꎻ쯼헢쿬ꆣ펰펳튪맻싊횸ퟛꊸꆢ캪믮뿮쿮퓋뛮듺볃쯘훷쫇뗄볆?퓚랽훕평妡뷓컊듋웒놼웖볤⦣펰쇐쯹뚼맘닙돥샭탲뇤컈뛔뗚쏇훖ꎬ쇭쿬헦퀩쟳ꆣ뇪뫏횲풭솿쿔뚯ꆢ듻탐䴰짏돆뇭퓋횵쯼폐듳랽쟸램뗄뛈?뛔ﶲꎬꪷ떺곋삹쿬뷸랴쿔탔ퟷ믷ꎺ쇐뮻폚쪹죽뚼듓췢쪵뿉ꆣ훐훚쎺뫍훸뛾릤뿮ꆢ횮쇋탐쿞킡램뗄맀ꆣ쿲?ꎬ쏇꾣﨩떽탐펳쪾펰틲쫽ꎻ럇쯹뻟뛸죧뺭뛠닺얩헻튵짏릱쿻뢺캪훐틀뿉볆잰?뗃웤뛔솿튵랴듻뗄럑쏻ꇪ뗄ꆢ毊훍쟏뫳쿮?뗄
陈龙，杨灿2中国经济增长的整体预测|M•14 factoz2u• factor3 ~ _ I .n~ I ~ I ~I ..11 m_ I~ 11111 Iln I1111 m ^ ".L I 111 ~~n I 1 I ;;引3孔b:;j;ii曹;:J川L10 15 20 2S 30 3s 因l前三个主成分的因紫负载罔(.::. )扩散指数(DI)的计算算出的DI时间序列进行事节调整CX12)和随机平利用前面所得到的各主成份分景，可以计算扩滑〈长期趋势已经事先剔除掉)，以反映各扩散指数散指数(DI)的时间序列。由于季节性波动和随机的周期性搅动。所得的经季节调整和随机平滑后的冲击不是宏观政策调控的主要自栋，经济的周期性DI时间序列如因2所示。披动才是宏观政策业要解决目标。因此，需要对计factorl factor2 factor3 -2 -4 -6 嗣$_,L -8 1996 1998 2000 2002 2004 2006 2008 1996 1998 2000 2002 2004 2006 2008 1996 1998 2000 2002 2004 2006 2008 回2前3个扩散指数的时间序列圈因2显泯出扩散指数周期性波动的特征。其从上表吨以着出，1nGDPM是非平稳的。剧中，第一个扩散指数反映了实际经济运行过程中的此，根据前面处理数据的方法，对lnGDPM时间序工业生产的波动情况，其中1998年亚洲金融危机的列进行去越势化〈滤技法〉处理，以获得反映了路势波动、1999-2002年经济的适度紧缩、随后的平稳回素lnGDPM_ trend以及周期性波动、季节性波动较快发展以及近期的国际金融危机的影响都显现出与随机性波动的时间序列lnGDPM_ cycle。接着对很强的周期性z第二个扩散指数反映了金融活动随lnGDPM _ cycle进行季节调整，从而得到反映周期着经济发展盟现周期性波动的特征，即1998…2002性战功的序列lnGDPM_ cycle町sasm。年的通货紧捕、2003-2007年间稳中从紧的货币政(二)DFM模型的调整策、2007年以后的从紧货币政策和2008年11月后由于传统的DFM模型要求数据是平稳的，这的适度宽松的货币政策;第三个扩散指数反映了商样传统的DFM模型就不适合于lnGDPM这样具有业活动的周期性披动，它更显示出在工业生产活动非平稳的时间序列的预测。因此需要对传统DFM和货币金融活动的双鳖影响下的周期性特征。模型进行修改，以适合于非平稳的时间序列的预测。调整的思路是，把非平稳的时间序列分解两个部分，四、中国经济的整体预测对各个部分的时间序列分别建模型，利用建好的模(一}月度GDP数据的处理型进行预测，最脂锦含两个模型预测的结果。首先，对所获得的月度GDP数据取自然对数第一步，对非平稳的时间序列进行分解和调攘，(lnGDPM)，并对它进行平隐性检验，结果见表2。在得反映趋势变动CTrend)和反映周期性变动CCy费2lnGDPM的平稳性检验cle)的两个时间序列。t统计盖相伴概彩P第二步，对趋势变动的时间序列进行趋势拟合，增广迫1[.叩禽勒位验统计最(ADF)1. 64 % 若无得反映长期趋势的四归方程。检验l陈介俄1% 第三步，利用传统的DFM模型，用扩散指数对47 췲랽쫽뻝돂춼⣈샻즢돥늨쯣뮬뗄䑉듓훐듋릤쇐틲뷏폫뫜䥮捹ퟅ탔쓪⠭닟평퇹튵럇뫍쒣쯄⣒쫗⠱뇭뗷뛔탍뗚믱瑩㐷??汮??쇺㇇ﴩ폃횸믷뚯돶⢳훜쪱㋇㋏짏ꎬ튵뷸쯘뿬쯦잿䝄捬늨뗄ꆢ폚쫊뒫믮욽믵탍묩쿈湇?헻룷튻뗃攩뛾뺭죽?䝄?ꎬ?냈삩잰쫽늻닅뗄꓆웚볤뀳퓊뇭뗚룹짺탐汮랢믺偍施뚯춨䑆㈰뒫뛈춳컈뇒뷸퓂䑐룶늽랴?ꆢ볃?偍퇮훐ﶸ즢쏦⡄쫇䑉?탔탲룶뺳뿉튻뻝닺좥䝄햹훜뗄믵䷄〷춳뿭뷰탐뛈뛔䴩쮼늿풤ꎬ펳솽ㄹ랢ꎬ닓뗄횸쯹䤩뫪쪱늨쇐삩틔룶잰뗄쟷偍웚킼탲뷴ꏐ쓪쯉䑆훜죚탞䝄ꎬ슷럖닢뛔뎤맺ꎺ㤹햹욽샻쫽뗃뗄맛볤웒뚯죧즢꧉뾴삩쏦늨쫆ꆪ벰탔뺽쇐쯵춵틔䑆䷄웚믮룄僊믱늢쫇ꎬ럇쪱쟷훐뺭컈ⴭ돊폃즷⡄떽쪱헾탲톾ꆣ춼횸ꋖ돶즢뒦뚯뮯瑲뷼뗄ꎻ?汮ꆢ쒵뫳䷄믵ꏐ탔ꎬﶾ뗃뛔ퟮ욽뇤볤쫆쟷맺탔㈰쿖뒫볃뺭횵䤩뗄볤닟쇐귊쯹㋋쫽룊ꎬ횸샭쟩⣂敮웚쪱뗚䝄ꏐ뇒춾늨틔?쯼냑뫳컈뚯탲뇤쫆볬볃〲훜춳쓒뗄룷탲뗷훷뷸싏뗃流汮쫽뿶쮲擒볤뛾ﮣ偍〳?듓췒헾춲뚯쮫쫊쒴퓂럇ퟛ⡔쇐퇩퓶볆훷쇐뿘튪탐죌뗄뺡쪱?䝄랴뻝ꎬꢷ쓪풼맺탲룶겴웚ꆪⴭ뷴닟믊풤훘뫏ꛀ뛈욽牥ꆣ믘뎤헻?쯣돉ꆣ뗄뷢벾?뺭?볤?偍펳웤꠩냖볊쇐삩펶捹㈰믵ꎻ쪺쯼닢펰폚䝄욽컈럖솽湤쪱맩탔䑆뗄뫔럝평훷뻶뷚ﶵ벾탲풲쫇쇋랽훐뒦?뷰䥮즢捬〷뇒ﶾ뗚쿓룼ꆣ쿬럇쳥僊컈뗄뇰룶⦺볤볃늨䷄헻?럖폚튪쒿뗷뷚쇐ꢶ럇쪵램ㄹ샭?죚䝄횸쎵斡쓪헾?죽?쿔틲쿂욽ﶾ탔쪱붨쒣춷탲돌쳥뗄뚯풤ꏐ?솿벾쒿뇪헻ꎬ뗷춼꾵욽볊㤸풲캣偍쫽붷ꩳ볤닟쟆룶湇쪾듋뗄컈?볬쒣탍뷸듓쇐ꆣ풤쫊뗄춣닢ꎬ뷚뇪ꆣ⡘틔헻쓌컈뺭뛔쓪ꢶ믺ꆪ랴듓慳뫍뷎삩䑐돶탨훜뗄ꇗ퇩탲탍풤탐돖뷸뛈쳘곓뿉탔ꎬ틲ㄲ랴뫍?뗄볃汮퇇믱꾡捹펳돖涡훐㈰좵즢䷕퓚튪웚쪱퓈쇐닢럖?탐뷴헷쏀틔늨뺭듋⦺펳쯦ꆣ퓋䝄훞뗃ꊼ펰捬쇋??듓〸쒣횸릤뛔탔볤뮶뷡럖샻뗄뷢?쟷쯵꧉볆뚯볃ꎬ췋룷믺ꏆ틲탐偍뷰랴뺽쿬斡?뷴쓪곕쫽料튵뒫쳘탲퓊맻뷢폃뷡뫍풱쫆쯣뫍뗄탨삩욽?맽쪱죚펳ꆢ?뚼ꎽ벴ㄱ랴?짺춳헷쇐볻솽붨맻뗷쓢ꋖ삩쯦훜튪陼즢뮬돌볤캣쇋풲쿔폗믮믵퓂펳?닺䑆ꆣ뗄뇭룶뫃헻꼨뫏ㄹ룊믺웚뛔?횸뫳훐탲쟷ꢶ쿖얶뚯뇒쇋믮풤㊡늿뗄ꎬ䍹㤸ﶶ탔볆쫽뗄쫆?돶쯦헾짌뚯닢럖쒣뗄ⴭ?ꆣꎬ욽㈰컈〲
统计与信息论坛周期性变动的时间序列拟合，获得平稳的动态因素具有一定有效性F第一个扩散指数和第三个扩散指预测模型。数的系数都是正的，说明中国宏观经济周期性波动第四步，利用上述两个预测模型分别对趋势变的主要推动力来自实际工业生产和商业活动的扩张和收缩;模型(9)(向前12月〉的InGDPM_ cycle _ 动和周期性变动的时间序列进行预测。最后，对上一步预测的结果进行综合，从而获得sasm系数为负，说明中国宏观经济运行具有自发的非平稳时间序列的预测值。调节机制，当上一年经济波动较高时，下一年的经济{三}中国GDP的整体预测波动具有向低的趋势，这种自发的调节机制可能是1.对趋势时间序列InGDPM_ trend进行时间由于中国的市场经济是由计划经济逐渐改革而来，趋势拟合，得到的长期趋势方程如下z政府对经济的主导调控更为直接有效，财政政策和其他宏观调控政策更能直接对经济波动产生影响，ln GDPM _ trend, = 8. 574+ (1. 258E -2)t一。统计量)(10258) () 从而形成了年度之间的平抑波动的趋势;从三个模型的修正可决系数可以看出，lnGDPM _ cycle _ (1. 72E-4)r+(-6)f一(-9)t’ sasm序列中模型可以解释的信息量随着向前预测(-101. 47) ) (一)t = 1，2，…，165页2的期数快速地下降，说明模型只有短期的预测能力.= F= +6 (E+2) 3.利用上面所估计的长期趋势方程(6)和动态= 100 (6) 因素模型，可以估计2009年4季度至2010年3季从式(6)可知，以时间t的四次方程对lnGDPMtrend建立回归模型具有很好的拟合特征，所有回度的中国GDP月度同比增长率，具体做法如下=第一，利用上述估计的动态因素模型，预测归系数和回归方程总体都是显著的，调整的可决系2009年10月至2010年9月周期性波动InGDPM数几乎等于10cycle_ sasm时间序列;利用长期趋势方程作外推预2.利用动态因素模型和先前计算得到的扩散测，预测2009年10月至2010年9月间的长期趋势指数(DI)，对lnGDPM分解调整得到的周期性波动InGDPM _ trend时间序列。的序列InGDPM_ cycle _ sasm进行向前h期预测第二，综合上述两个预测的时间序列，获得周期回归。从理论上说，该预测模型可以向前π期预测，性波动和长期趋势叠加的时间序列。但是，随着向前的期数的增加，预测的精度会逐渐地第三，利用与预测期间最近的两个年份(2007降低，本样期对预测的解释度也大大降低。一般地，年10月至2009年9月〉的季节因素和最近一年对于月度数据，取0<h~12。(2008年10月至2009年9月〉的随机性因素估算在进行向前预测时，需要综合考虑各回归系数预测期间(2009年10月至2010年9月〉的季节性显著性、总体显著性以及AIC(或BIC)准则，从而获因素和随机性因素。得最优的动态因素模型。令lnGDP _ cycle _ sasm 第四，将季节性因素和随机性因素叠加到第三=y，factor1=罚，factor2=岛，factor3=岛。作为说步所获得的时间序列当中，从而获得月度GDP的对明，本文选取h=3，6, 12(因篇幅所限，略去其他预数序列lnGDPM;对lnGDPM序列数值取反对数，测模型，同时省略各检验统计量):得到月度GDP(2009年9月的价格)，通过累加和价Y叶-a= O. 003 5X1t一 2X2t + O. 005 9x3t + 格调整后的同比，获得预测期的季度GDP累计值和O. 38y, + o. 21y.....1 (7) 同比增长率(可比价格)。具体数值如表3所示。yt1-6 = O. 005 2xlt一 5X2t + O. 007 4x3t + 表3预测期的预测值 (8) 2旧. " 2010. 1 Y叶12= O. 007 4X1t一 6X2t + o. 001 3x3t一GDP(亿元)217 314 19币.97023队6148 853. 2 228 595. 9 岛......1一(9) RGDP(%) 8. 2队 R~ = O. 77 m= O. 60 R~2 = O. 21 从上述回归模型(7)、(8)、(9)可以看出，三个模五、结采分析和模型评价型的第二个扩散指数即金融分量(FC)的扩散指数的系数都是负的，说明中国的金融分量或者货币信根据国家统计局公告，中国2009年前三季度的贷政策起到了平抑经济披动的作用，起到了信贷政实际GDP增长率为%间，而本文预测的GDP策或货币政策调控宏观经济运行的作用，货币政策增长率为%;最新一期(2009年11月6日)的世48 췲랽쫽뻝춳훜풤뗚뚯ퟮ럇⣈ㆣ쟷汮䝄瑲⢡⠱⣒瓒㤸䛒⠶듓ꆪ맩쫽㊣횸뗄믘떫붵뛔퓚쿔뗃ⴭ쏷닢쮧㕸㉸㥺ィ⠷㓭⠸洱㑸㙸㏕㥸⠹솼탍듻닟㐸뻟뫍獡뗷늨평헾웤㎣틲뛈㈰捹탔쓪⠲늽룱춬뇭컥룹쪵澣퓶긲기볆偍敮ꎮ묱묲?傡汉㉉ꎦⲡ穉㉬㎣䝄웚닢쯄뫍뫳욽ﴩ꺶쫆쪽瑲쾵벸껀쫽탲맩쫇뗍폚뷸훸ퟮⴭꎬ쒣ꎻ짏뗄헾믲폐훷쫕獭뷚뚯뢮쯻뛸쯘튻〹捬뛾늨죽〰쯹떽뗷뇈㏔뻝볊꿊뎤묫긳㈽ꆢ㴰㥹〹폫搬㜲〱㌰ꎮꩣ튻⬰?ꏒ꺲偍탔쒣늽훜ꎬ컈훐퓇쓢뎼⠶敮쫽뫵ﯓ⡄쇐ꆣ퓂탐폅禣놾탍㴰쫶뗚닟믵쾵튪쯵믺뻟뛔뫪탎탞탲쓪斡풤擊뚯㣄웚뫍믱헻퓶꒲맺䝄꽛싊?㡹탅튻䗒ꎮㅅ祣ィ묰뜱뷡뇤탍ꎬ웚뛔쪱맺뫏웁㊣⦿撽뫍뗈쎶䤩䥮듓쯦놾뛈쿲ꆢ뗄걦컄ꎮ믘뛾뚼웰뇒뚨쫽췆ꎻ훆폐뺭맛돉헽쇐뿬쏉샻ꩳ닢놼ퟛ훁볤붫뗃汮뫳뎤볒僔獝캪쾢㢣무㐷㐰⬶汥기〰ꎮꆪㄫ뚯ꆣ샻탔짏볤䝄웊ꎬ뼩겡짖ꣁ믘폚꿌샭ퟅ퇹쫽잰ퟜ慣톡춬㜷맩룶쫇떽헾폐뚼쒣캪쿲뗄볃뗷쇋뿉훐쯙쿃폃퓂慳㈰뫏뎤濔⠲믺벾싊?춳㞣맻싛긵⥤⤨⦡⡅ꆪ〳?ィ〰뗄폃뇤튻탲債뇎뗃⠱궣ꪣꊻ맩ㆡ곒뛔偍싛쿲웚뻝풤쳥첬瑯좡쪱ィ〷솼쒣삩뢺쇋닟킧쫇솦탍떱뗍쫐뿘쓪뻶뗘뿉僔짏훁淊〹폫싖〰탔뷚倨춬⢿쓔볆꓂뛸긶첳㜴⬨ㄲ?⬲獡긲럖쪱짏뚯늽쇐쓕쫐떽〲갱곒?랽?䥮ꆪ잰뛔ꎬ닢쿔틲牬籉쪡ꎻ탍즢뗄욽뗷탔헽살⠹뎡훷헾뛈쾵쿂惡틔슶쫶㈰놼쓪킡쟷풤섲㧄볤뇈즱꒲뻖쫎놾ꎥ⬨ㆣ㖣⧒獭ㄵ긲컶볤쫶뗄풤ㆣ㔸긹길㘵묱퓊돌?䝄捹쮵좡쪱훸쯘㵺氽싔礬㴰⠷횸ꎬ틖뿘ꎻퟔ⤨튻쟷뺭떼닟횮쫽뿉붵삼맀죍?솽쫆닢㧔〰틲탲뛔〹좼릫컄㇏긲㉅㈩〰탲솽쪱닢풤크뎤⤨뗮놼ꏐퟜ偍捬ꎬ웚似탔쒣ㆣ㎣룷ꎮ⦡쫽쮵뺭뫪뗚쪵쿲쏷쓪쫆볃뗷룼볤뿉틔욵볆겱퓂룶뗾숩㧄ピꆣ쯘쇐汮믱??룦ퟮ뫍㔸튻툱쇐룶볤뗄닢꒲湇웚ㄸ춾쳥춺럖斡룃쫽庡탨틔탍걦갶볬㘰ꈨ벴쏷볃맛쮵볊잰훐뺭ꎬ쫇뿘쓜뷢쒳㈰죔㧔킣훁풤볓싖뫍떱䝄뗃?탂䗒㘩쒣쓢풤탲뷡횵?䑐쟷ㆣィ뗄?뚼췏뷢ꩳ?튪벰ꆣ慣ꎬ퇩솼㠩뷰훐늨뺭룶쏷릤ㄲ맺볃헢평룼횱욽뾴쫍꓆〹뚯싖므㈰닢ퟮ벾퓂섲쯦偍습튻묲琳뫏닢쇐맻ꆣ䶡쫆긴긹쯄킺쫇죇뗷慳퓶쫍㊡ퟛ䅉쇮瑯ㄲ춳椲ꆢ죚맺뚯볃삩훐튵퓂뫪늨훖볆캪뷓틖돶뗄쒣?쓪꓂첬?ﯓ쪱뷼뷚⦵〱믺ꎬ탲쒼뻟탍䝄웚⥴튻ꎬ쒣뷸ꩴ랽㠩㤹듎?쿔낼헻涽볓뛈?뫏䌨䥮爲⣒볆㴰⠹럖뗄퓋즢맺짺⦵맛뚯ퟔ뮮횱뛔늨탅탍㒼쪣틲?쎳쓪쪱컊쓋ツ탔듓쇐?웚쳥㈰⠲튻⠵움믱탍탐牥돌랽쎵훸웋뗃ꎬ튲뾼믲㵸솿⦿뷰ퟷ횸뫪닺쑬뺭뷏랢뷓뚯汮쾢횻욷뺶겾쯘풲꓆㧔볤탲솽틲뛸쫽뗄〹〰ꎮ볛뗃럖풤ퟛ湤죧㤶돌쓄뗄떽탏뿉듳싇䈱㊣ꪷ⦣㈱짒⡆죚폃쫽맛뫍湇볃룟폐䝄솿붳죖?쒣ꢶ?슼탲쇐룶𢡄퓂쯘믱횵ꎬ벾쓪㧄䗒욽뇰닢뫏뷸쿂뛔ꎬ쎵뗄틔듳룷䌩걦溜?풿럖ퟷ뫍뺭짌䑐퓋쪱뗷훰킧늨쟷偍쯦뛌차섲탍꽬쇐ꆣ쓪ퟮ퓒⦵뗾뗃좡춨뛈죧잰묹컈뛔ꆣꎬ탐ꎺ汮쿌뗷붵훜끨쿲뗄믘ힼ慣紐뒳솿웰폃뗚볃튵䶡뷚붥뚯쫆ꆪퟅ웚㘩〱湇욷쒳럝뷼쒼볓퓂랴맽䝄뇭죽㇔⥴뗄쟷듓쪱䝄?헻쓀웚잰뺫뗍맩퓲瑯?삩믲떽ꎬ죽훜믮ꩣ뻟쿂믺룄닆닺ꎻ捹쿲뫍ツ풤䑐붳꓆믱⠲튻?뺽뛈뛔샛僀㏋벾숶?뚯쫆뛸볤偍뗄꧉탔풤퓙뛈ꆣ쾵ꎬ爳곂곈즢헟쇋믵룶웚祣폐튻훆룯헾짺듓捬잰닢䶡쳗?뗃〰쓪샋?뗚䝄쫽볓?流죕첬뇤믱곋뿉?늨닢웚믡튻쫽듓ⴭ퓈ﶸ횸믵탅뇒삩탔뗄汥ퟔ쓪뛸헾펰죽斡풤벾슣훜債ꎬ뫍웖뺡⦵틲뗃陸뻶뚯풤훰냣뛸ⴭꗆ쫽뇒듻헾즢늨삩ꆪ랢뗄쓜살닟쿬룶?닢웚쒶볛떺쓊쯘킻쾵닢붥뗘믱砳?탅헾닟횸뚯헅뗄뺭쫇ꎬ뫍쒣솦월?ꎬ뗘ꆣﯔ볃ퟷ?캪쮵
陈龙，杨灿z中国经济增长的整体预测界银行的《中国经济季报)，将2009年中国GDP增决定了一种计量模型的优良性质，从而也说明了基长率预测为%，2010年GDP增长率预测为于扩散指数的动态因素模型在宏观经济分析与预测%时，而根据表3的结果，预测2009年中国的方面的价值。GDP增长率为%，2010年前三季度的GDP同另外，由于各个扩散指数序列是正交的信息量，比增长率为%。本文与世界银行的预测结果基因此它们各自反映的是不同部门经济活动的运行状本一致，说明该预测模型具有一定的科学性。况。利用这些反映不同部门运行状况的扩散指数，从预测的数据来看，未来一年的中国宏观经济可以对部门的经济活动进行预测，并为部门的中观基本上沿续复苏的趋势。由于扩散指数综合了决策提供依据。比如，可以运行金融扩散指数对金1996年以来的经济发展和波动趋势，客观上包含了融部门的货币政策进行实证分析，以验证货币政策宏观经济调控措施对经济稳定增长的影响，利用扩的效果并提高未来货币政策制定的针对性，等等。散指数的预测过程也包括了这种宏观调控的可能当然，动态因素模型是一种基于历史数据的纯性。因此，预测的2010年的中国GDP增长率不会技术预测方法，实际的经济运行过程可能会偏离模出现过度高涨的情形，而会是一种适度向上的增长。型预测时所参考的环境，从而使预测结果与实际的从本文的分析结果可以看出，扩散指数的运用经济运行有所偏差。因此在利用模型预测时，要注大大减少了模型中自变量的个数，提高了模型的自意与现实的宏观经济环境相结合，通过更新数据、由度，克服了宏观经济指标之间的多重共线性问题;收集更多指标、在模型中引人环境变量等方法对这同时这些扩散指数又包含了经济波动中的大部分信些偏离加以考察，从而使预测的精确性进一步提高。息，保证预测结果的准确性和决策价值。这些特征参考文献:[lJ Stock J H, Watson M W. Diffusion Indexes[RJ. C缸nbridge，MA:NBER Working Paper, ,1998. [2J Forni M,Hallin M,Lippi M,et aL The Generalized Dynamic Factor Model:ldentification and Estimation[JJ. The Review of Economics and Statistics, 2000(4) :540-552. [3J Forni M,Hallin M,Lippi M,et aL Coincident and Leading Indicators for the EURO缸臼[∞nomic Joumal, 2001 (3) : 62-85. 四StockJ H, Watson M W. Forecasti啤usi啤principal∞mponents from a large number of predictorsDJ. Joumal of the Arnerican Statistical Association, 2002,97 (460) : 1167一1179.[5J Stock J H, Watson M W. Macroe∞nomic forecasting using diffusion indexes[JJ. Journal of Business and Economic Statistics, 2002(2): 147-162. [6J 徐士勋，管中间，等.以扩散指标为基础之总体经济预测[JJ.台湾经济预测与政策，2005(1):1-28. [7J Stock J H, Watson M W. Forecasting Inflation[J]. Joumal of Monetary Economics, 1999(44): 293-335. [8J 国务院新闻办公室(李晓超).中国09年前三季度国民经济运行统计情况发布会[EB/OLJ.[2009-10-22J. http:// . [9J 世界银行.中国经济季报[EB/OL].[2009一11一://www. drcnel∞皿 Forecast of China’s Overall Economic Growth:Based on the Monthly Diffusion Index CHEN Long, Y ANG Can (Sch∞1 of Economics, Xiamen University, Xiamen 361005, China) Abstract: In this paper, we use the 39 Chinese macro-economic indicators to construct the diffusion index, then use dynamic factors model predict the China’ s GDP growth rate from 2009 Q4 to 2010 Q3. Our empirical results show that the Dynamic Factor Model based on the Diffusion lndex has the advantages of high degree of freedom, combined more information and more accurate forecast accuracy; has some impact on the macro-economic analysis and decision-making. Key words: diffusion index; dynamic factors model; growth rate of GDP {责任编辑:杜-哲}49 췲랽쫽뻝돂뷧뎤㢣䝄뇈놾듓믹ㄹ뫪즢탔돶듳평춬쾢닎뻶폚랽쇭틲뿶뿉죚뗄떱벼탍뺭틢쫕킩嬱却䢣?垣䥮坯偡嬲䶣周䑹䙡䵯慮䕳剥潦䕣嬳愱䳆慲㘲嬴畳灲污瑨䅳嬵景摩楮䉵嬶嬷嬸ꆢ嬹捯潮䑩啮㌶䅢灡浡瑯摹晡浯牡晲㈰儴儳併扡桩摥慣獯業䭥睯⣔㐹䝥?䶣却捯晲湵潦䅭䙯䍨佶䥮㌹䑩摩䝄敭浡摥浯灥?捴潮ꎮ楮獩干涣湳瑥捵潣걈慫湡癩ꆪ牧獯牥晦慴䕣䝲䍈䱯䍡楶獴楳摩〹䥮灡쇺?걗깄摥牫嵅瑩嵆?敡嵓垣楮敤巐깆晬㎹巊捲杲潭獥杨敥景浥慬牤湥틸긷僔퓶맛횸ꆣ쿖듳뛈쪱ꎬ뾼뚨삩쏦췢듋닟늿킧좻쫵볃폫벯욫湴싊튻풤놾㤶틔걌걥慴浰浢敲牥楮摥⡓桡犣潲潭䍯?湥ꆢ깡瑲牡晦灩獨瑨捲?慬浩敷㠵捩捡畳潭楳潮潷䕎湧潦敲〵犣碣潲楣摥捴牡ꎬ慴楦硥楮澢沣浡の摩氭瑯깆楣깍潲瑡龜삽澡獵敥摯牭祳玣걎楰?楃楳潮敲獳뿳牫捡憡慬捨敳畣畳慤瑥탐ꎥ뎤뺭쫽틲맽컄복헢놣쇋즢뗄쯼샻쳡쏅맻퓋쿖룼샫桬캱畳憡物潷漭沣풤훂닢짏쓪뛔汩?ꎮ灡慴獴楯楣瑩潭瑨ꎬ獩捴걷瑯건澣捩ꋴ퇮獯晵獛?灩멉瑩汩湧䩝捫潲敮瑯慮慣뿑散楯特獴꽓潯楣ꩥ瑨汴癡涣慴捹楳멤뭤穥뗄嬹꓂싊볃듋뛈짙뿋킩횤쿗튻횸볛평쏇폃릩늢뚯닢쪱탐쪵뛠볓?楯楮捳玣楣ꎺ奁瑹䍨牳桥꽓捡ⵥ潮뭧긶摥ꎮ닢ꎬ뗄퇘틔늿捳瑳捡湴닓?獩剝摥潮䶣䥮ꎮ散牳牯䩝ꮣ慳湛뫐玣捯걣楯ꎻ楦祮㜰湴溣?ꎬ갱獣䉡乇楮䥮捯ⴭ牯ꆶ粣쫎캪뗷풤ꎬ룟럖쇋럾삩ꎺ훖쫽횵폚룷헢틀믵쳡첬랽쯹폐뗄횸틔궣?慧ꎺ潮ꎮ㊣湴嬭걈摩䕣慳孊散겹瑩䩝싎楯킣걘湯潭桡晵慭캪쮵쫽탸살쏅갲㈰㤹獥塩愩湯浡睴㈰敳겶㢣뿘닢풤헇컶쒣쇋즢볆뗄ꆣ룷ퟔ킩뻝뇒룟틲램닎쯹뫪뇪뾼갱ꎮ몶훐䍡楦䩝慬捡潮瑩嶣〰䩯〲?湧ꎮ㤨얰껖?楡慭浩扩獩楣㢣쏷뻝뢴뗄㤹〰杯浩歩?ꎮ긷듫맽닢뗄뷡탍뫪횸솿뚯룶랴ꆣ헾캴쯘ꎬ뾼욫맛ꆢ달㊣⠲㐴敮엒맺浢楣汩瑯潭湧깊畲탣䩯킹浥?湥潮㢣皣⠴?湧긴룃살쯕갹⦣?깥뺭料㊣ꎥ쪩돌뗄쟩맻훐맛쫽쒣첬삩펳뇈닟쪵닮퓚ꎬ物慴周湍牳楣潵湡즣畲ꯊ諭믕⦣ꎮ㜨먱먲汬볃ꎥ풤뾴뗄摧楯?먵ꎬ景䩯牮겵湡툨궼?ꖣꆣ뛔튲㈰탎뿉ퟔ뺭폖탍틲즢늻죧뷸믵볊뮷쒣듓?㐶㐷㤳㐰퓶斣?䱩牴畲좣샮쎼벾ꎬ갲놾닢쟷랢뺭냼틔뇤볃ힼ뗄쯘횸쫇춬믮탐뇒뺳틲뮷탍뛸〩ꆪⴭⴭ뎤걍灰桥湡껒쿾뺱ꎺㄶ㌳놨뗄〱컄볃삨쓪뛸뾴솿횸몬좷폅쫽늻늿뿉쪵헾튻뺭ꎬ듋뺳훐쪹㈰쒣캴쫆햹뚯㔵뗄䆣楍䕕沣ㄱ㊣퓀㖣뎬ꡛ㊣ꆷ뷡ツ폫컈쇋뗄믡돶뇪탔솼탲춬쏅틔횤닟훖볃듓퓚쿠틽풤탍살ꆣ뫍뷸㘷?헻멎ꎬ剏갲꧉⦣䕂?ꎬ맻쫀뚨헢훐쫇룶횮뺭뫍탔퓚쇐늿퓋럖훆믹뛸샻뷡죫닢ꆪ쳥䉅整〰ꋖ껖ꎯ쓪뻟튻평늨탐ㄱ붫ꎬ냈뷧퓶훖맺튻삩쫽볤볃뻶훊뫪쫇쏅탐컶뚨폚쪹폃뫏뮷뗄풤?ㄨ뢱킹佌䝄폐쓪폚뚯풤㜹닢㈰풤ﶼ틸뎤뫪䝄훖즢ꎬ뗄늨닟맛헽뺭ힴ뷰샺맽쒣뺳뺫㌩侮嶣ꎮ僔튻뗄삩쟷닢ꎺꪻ㧄깛〹닢뺶탐뗄맛僔쫊횸쳡뛠뚯볛듓뺭붻볃뿶죚틔헫쪷돌탍춨뇤좷뚨훐즢쫆ꎬ領쓪㈰좵뗄펰뗷뛈쫽룟훘횵뛸볃믮삩퇩뛔뿉뷡풤맽솿탔ꇖ냈〹꓂뗄맺횸ꎬ늢훐〹쑇풤쿬뿘쿲쇋릲ꆣ튲럖탅뚯삩즢횤탔뻝쓜맻닢룼뗈뷸껗ﶼꆪ맺쫔쓪䑐닢뿆뫪쫽뿍ꎬ뗄쪲짏퓋쒣쿟듳헢쮵컶쾢즢캪횸믵믡폫쪱탂랽튻?뺶ㄱ䝄훐춬뷡샻뿉뮻뗄폃탍탔늿킩쏷폫솿퓋횸쫽뇒뗈뒿욫쪵ꎬ램늽꒲톧맛ퟛ좹튻僔맺맻폃쓜?퓶뗄컊럖쳘쇋풤ꎬ탐쫽뛔헾뗈샫볊튪뻝쳡궼遲〶탔뺭뫏짏쏅?뗄믹삩뎤ퟔ쳢탅헷닢ힴꎬ뷰닟ꆣ쒣힢ꆢ헢룟쏔嶣?ꆣ볃쇋냼뗄꒲궼깨ꆣꎻ몬훐쏔瑴쇋맛䩝쯐炣ꎮ탍몣첨뎼꾣췥웇꽷뺭睷볃ꎮ풤ꊲ摲닢벻据폫敌헾䕂닟ꎯꎬ佌㈰嶣〵깛⠱㈰⦣〹먱ꆪꆪ㈸튻ꎮ㈲嶣깨瑴炣몣꾣?
