与第三章公式（3.1）和公式（3.2）中的FAVAR模型一致，本章仍根据Bernanke等人（2005），以及Stock和Watson（2005）的FAVAR模型估计方法，对美联储和欧元区中央银行资产负债表政策的资产重新配置渠道和对实体经济的传导渠道进行检验。我们将美欧宏观经济变量分为“缓慢变动”和“快速变动”两类，以将货币政策冲击与可观测到的实体经济冲击进行区分。首先，根据宏观经济变量的变化特征，上述文献认为相对于金融市场变量，实体经济变量更具有黏性，变动缓慢。假设诸如产出、就业等变化较慢的变量在货币政策和金融市场冲击发生的一个月内并不受到影响，而在受到供给、需求等实体经济变动的“缓慢冲击”时发生变化。相应的，诸如股票收益和利率等“快速变动”变量在受到“缓慢”冲击和货币政策冲击的影响之外，还受到对金融市场的“快速冲击”影响（Stock和Watson，2005）。上述划分变量类别的方式对FAVAR模型准确施加相应类型冲击十分重要。

本章分别选取了106个美国宏观经济变量和90个欧元区宏观经济变量，数据均为月度数据。两地区宏观经济变量样本选取自2002年11月至2011年11月。其中，美国数据来源为Wind数据库；欧元区数据来源为Wind、IFS、EIU Country Data及Bloomberg数据库。[1]美国的“缓慢变动”变量包括工业产出、产能利用率、就业、消费者价格等70个变量，“快速变动”变量包括批发商零售额、建造支出、资产价格、货币供应量、利率及中央银行资产负债表指标等35个变量（附录2表2.1）；欧元区的“缓慢变动”变量包括工业产出、产能利用率、就业、消费者价格等66个变量，“快速变动”变量包括批发商零售额、建造支出、货币供应量、利率和中央银行资产负债表指标等25个变量（附录2表2.2）。其中，中央银行资产负债表指标与其他变量同为月度数据。为了构造该指标，作者选取了中央银行资产负债表规模月度数据，同时对名义GDP的季度数据进行了处理，利用Stata将其转化为月度数据。根据Bernanke等人（2005）所运用的方法，本章首先用X12方法对存在季节趋势的数据进行季节调整，在此基础上检验了季调后数据的异方差性和平稳性，对存在异方差的季调后数据取对数，之后对存在单位根的数据进行差分。同时，根据既有FAVAR研究对数据的处理方法（Bernanke等，2005；Shibamoto，2007；Ahmadi，2009），我们在以利率类或非传统货币政策类货币政策工具变量作为政策冲击变量时均取其季调后的原时间序列，以保证利率政策和非传统货币政策冲击所表示的宽松政策含义。[2](www.daowen.com)

本章运用Matlab软件进行FAVAR分析。根据Bernanke等人（2005）提出的方法，我们首先分别对欧元区的宏观经济数据提取4个主成分：①CPI；②失业率；③政策利率；④中央银行资产负债表政策指标。之后运用主成分分析方法将上述大量宏观经济变量中所包含的信息提取到相应主成分中，令这些主成分能够反映经济表象背后的不可观测因素，而不是单纯表示其本身反映出来的信息。在此基础上，我们将中央银行资产负债表政策指标作为唯一的可观测变量，考察其对国债收益率、股票价格、通胀率和其他实体经济变量的影响。