技术冲击与中国经济周期波动，本文主要内容关键词为：中国论文,经济周期论文,技术论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F123.16 文献标识码：A 文章编号：1000-176X(2008)11-0024-07
现代经济周期理论认为，经济周期波动是产出、就业、物价等总合变量对来自多个冲击源的混合扰动的反应。进入候选名单的冲击源有长长的一列，如技术冲击、偏好冲击、货币政策冲击、财政冲击等。然而，关于何种冲击在经济周期波动中发挥主要作用，目前还存在较大分歧。显然，如果我们要理解经济波动的根源，并试图讨论相应的政策，则这个问题必须获得令人满意的答案。Blanchard and Quah[1]、Gamber[2]、Galí[3]、Francis and Ramey[4-5]、Dufourt[6]、Galí and Rabanal[7]等相继为回答这个问题作出了贡献。这些研究使用SVAR方法，就所考察变量对冲击反应的时期长短施加结构性约束，从而对冲击源进行了识别，并估计了冲击的宏观经济影响。
近年来，一些研究开始关注中国经济周期波动的冲击源。Zhang and Wan[8]较早使用SVAR方法对中国宏观经济波动的成因进行了研究；他们使用1985-2000年的产出和通胀数据来分离供给冲击和需求冲击，结果发现供给冲击是产出波动的主要成因，需求冲击则是通货膨胀的主要成因。随后，龚敏与李文溥也使用SVAR方法，利用1996-2007年的数据分析中国加入WTO后经济周期波动的成因；他们的结论表明，总供给冲击是中国入世后经济周期波动的主要原因[9]。徐高使用同样的方法，利用1978-2006年的数据来识别中国经济周期波动的成因，得出的结论与Zhang and Wan基本相同[10]。不过，这些研究主要以Blanchard and Quah为基础，并不能准确识别出技术冲击。而且，根据是否对产出有长期影响而将冲击分离为“需求冲击”和“供给冲击”，其背后缺乏明确的理论支撑。本文第一部分的分析表明，一些传统上被视为需求冲击的扰动（如政府购买冲击）也会对产出产生长期影响，但在Blanchard-Quah方法中，它们将被识别为供给冲击。
为弥补这些不足，本文主要基于Francis and Ramey以及Galí and Rabanal等研究，首先讨论识别技术冲击的理论基础，然后给出识别方法。与这些研究不同的是，本文遵从Dufourt的建议，使用劳动生产率和通货膨胀数据来识别技术冲击，而没有采用就业数据。我们的实证结果显示，技术冲击虽然是中国经济周期波动的主要成因，但其贡献要远小于现有的其他实证结果。这就向上述关于中国经济周期波动冲击源的研究提出了间接的质疑，因为技术冲击通常被认为是供给冲击的主要成分[1-7]。我们的结果还意味着，那些基于RBC框架，强调技术冲击是中国经济周期波动的主要成因的研究，如陈昆亭等[11]、黄赜琳[12]也值得商榷。这些研究通过脉冲响应、仿真模拟等技术，认定技术冲击可以解释中国经济周期波动的主要部分。但显然，这同我们的实证结论相抵触。
一、技术冲击的长期效应
1.模型
考虑一个基本的带货币的动态一般均衡模型，其中货币以进入效用函数的形式模型化。假设代表性家庭具有无限寿命，并寻求如下跨期效用的最大化：
其中，
为政府购买。
2.平衡增长路径上冲击的影响
在完全竞争假设下，企业追求利润最大化意味着以下条件：
(14)式表明，能影响劳动生产率长期值的因素包括技术增长率μ、资本所得税率τ[,k]、资本收入份额α、折旧率δ以及主观贴现因子β。但是，在几乎所有研究经济周期波动的文献中，资本收入份额、折旧率以及主观贴现因子都被假设为常数。因此，技术冲击和资本所得税率冲击会对劳动生产率产生长期影响。
经济中的通货膨胀率可以表示为：
π=θ-μ(15)
其中，π为通货膨胀率，θ为名义货币增长率。(15)式表明，技术冲击和货币政策冲击对通货膨胀有长期影响。由于在平衡增长路径上，实际货币余额的增长率保持为μ，所以尽管货币进入效用函数，但货币具有长期中性和超中性。换言之，名义货币数量决定价格水平，名义货币增长率决定通货膨胀率，从而货币只影响经济中的名义变量，而对实际变量没有长期影响。货币的长期中性意味着在平衡增长路径上，劳动生产率不受名义冲击的影响。
那么，劳动所得税率冲击、政府购买冲击等其他扰动对劳动生产率是否具有长期效应？由于这些冲击并未出现在(14)式中，而且也不能影响那些出现在(14)式中的变量，所以它们对劳动生产率没有长期影响。Galí and Rabanal指出，尽管资本所得税率冲击对劳动生产率可能具有长期影响，但如果该冲击遵循一个稳定的随机过程，那么这种影响就消失了[11]。这样，只有技术冲击能够对劳动生产率产生长期效应。
由于产出可以表示为劳动生产率与劳动数量的积，所以，所有那些能够长期影响劳动就业的因素也对产出具有长期效应。通过方程(10)可以发现，偏好参数φ、劳动所得税率
就是这样的因素。此外，需要特别指出的是，尽管政府购买等冲击并没有直接出现在(10)式中，但该冲击仍然对产出有长期效应。注意到(10)式中的消费—产出比率还可以表示为：
显然，政府购买冲击会影响消费—产出比率，并进而影响就业以及产出。因此，尽管政府购买冲击在传统上被视为需求冲击，但它对产出也具有长期影响，从而在Blanchard-Quah方法中被识别为供给冲击。
基于以上讨论，本文在实证分析中将选取劳动生产率和通货膨胀率数据来分析技术冲击，而不使用其他国内文献普遍采用的产出数据。
二、技术冲击的识别
下面的关键在于如何从Wold表达式(18)得到结构表达式(17)，因为结构表达式未知，而Wold表达式是可以通过VAR估计得到的。为此，我们需要得到一个映射：
三、实证分析
1.数据说明
本文使用来自中经网统计数据库的中国宏观季度数据，数据的样本区间为1996年第1季度—2004年第3季度。所有数据均进行季节调整，并取自然对数。
国内衡量通货膨胀通常使用两种方法，即消费者价格指数(CPI)与商品零售价格指数(RPI)。我们选用消费者价格指数作为衡量通货膨胀率的指标，根据同比和环比CPI数据计算得到通货膨胀率。因为商品零售价格指数的计算剔除了第三产业的变化，剔除了服务价格的商品零售价格指数不足以反映一般价格水平的变化，而消费者价格指数包含了服务，更全面反映中国物价变化的程度。而且，二者与GDP之间的相关程度不同，消费者价格指数与GDP之间关系更密切。现在世界上绝大多数国家都采用消费者价格指数来反映通货膨胀率。消费者价格指数还具有可得性的优点。因此，为了与GDP数据相匹配，我们选取消费者价格指数季度数据。
劳动生产率数据根据实际GDP和城镇就业数据计算得到。实际GDP为消除了通货膨胀因素的GDP，我们使用CPI来减缩。更准确的度量应该使用GDP平减指数，但该指数的季度数据不可得。由于就业统计仅包括城镇部门，因此GDP数据为第二、三产业增加值的加总，剔除了第一产业数据，以同就业数据相匹配。
2.平稳性检验
对y的长期乘子为零的假设能否将技术冲击分离出来，还要依赖于数据的统计特征，它要求进入系统(17)的变量均为I(0)过程。因此，需要对数据的平稳性进行检验。
单位根检验方法有很多，包括DF检验、ADF检验和Philips的非参数检验（PP检验）等，其中最常用的是Engle-Granger发展的ADF检验。该方法通过假定时间序列是一个P阶自回归过程，增加一个滞后的差分项来解决误差项
，的高阶序列相关问题，即检验如下方程：
其中，α，β，r，
为参数，t为趋势因素，为随机误差项，是服从独立同分布的白噪声过程。检验的原假设是r=1。
本文使用ADF方法进行检验，结果如表1所示。表1的结果表明，劳动生产率非平稳，但其一阶差分以及通货膨胀率都在1%的显著性水平上平稳。
3.脉冲响应分析
技术冲击对劳动生产率和通货膨胀的动态影响如图1所示。在一个标准差的正冲击发生后，劳动生产率在第1期即上升。随时间推移，除在第2期稍有下降，劳动生产率的响应逐渐增强，到第20个季度后达到约3.8%的高点，然后稳定在该水平。而从技术冲击对通货膨胀的影响来看，在冲击发生后，通货膨胀就一直处于下降过程，在冲击发生后的前4个季度下降到1%左右，到第20个季度后下降到2%左右，然后稳定下来。
劳动生产率和通货膨胀的脉冲响应曲线符合第一部分的理论预言。对方程(14)进行简单推导即可发现d（Δy)/dμ＞0，从而技术冲击会提高劳动生产率的增长率。而方程(15)则直接显示，技术冲击会降低长期的通货膨胀。在绝大部分研究经济周期波动的模型中，劳动生产率和通货膨胀也都具有这些性质。
我们将分离出的结构冲击称为非技术冲击。第一部分的分析表明，中可能包含众多的冲击源。图2给出了非技术冲击后的劳动生产率和通货膨胀的累积响应。在一个标准差的正冲击发生后，劳动生产率的响应在第1期就达到最大值1.4%，随后就一直处于下降的过程中，到第4个季度下降到0.7%，直到约20个季度后下降为0。与此相反，非技术冲击使则使通货膨胀一直处于上升的通道中。在第1期，通货膨胀的响应最小，仅略大于0.5%；随后，这种响应逐渐增强，4个季度后达到约0.7%，到20个季度后达到1.1%左右，并稳定在该水平。
由于非技术冲击具有混合性质，我们难以判断上述响应是否同理论相符合。不过，考虑到非技术冲击同需求冲击的相似性，我们的结果同绝大部分实证研究的结论相吻合，如Blanchard and Quah[1]、Gamber[2]、Zhang and Wan[8]等。
4.方差分解
本文使用方差分解技术来分析技术冲击和非技术冲击对经济周期波动的贡献，结果如表2所示。从劳动生产率波动的方差分解可以发现，技术冲击大概可以解释中国劳动生产率波动的60%。而且从短期到长期，该比重相对稳定。我们的结果显著低于使用产出数据进行冲击分解的研究。例如，Zhang and Wan[8]、徐高[10]等均发现，在长期（甚至短期），供给冲击可以解释中国90%以上的产出波动。正如第一部分的讨论表明的，这些研究分离出的“供给冲击”实际上包含着多个冲击源——除技术冲击外，还有劳动所得税率冲击以及政府购买冲击等。因此，他们得到的更高的供给冲击比重也就不足为奇了。
表2 劳动生产率和通货膨胀的方差分解
本文的结果说明，尽管技术冲击是决定中国经济周期波动的重要因素，但其重要性并没有现有的理论和实证研究声称的那样强。
从通货膨胀的方差分解可以发现，在短期，非技术冲击解释了绝大部分的通货膨胀变动，而技术冲击则解释了绝大部分的长期通货膨胀变动。技术冲击的贡献从第1期的约44%逐渐增加到15期的约63%，相应地，非技术冲击的贡献从约56%逐渐减少到37%。这表明，在中国，通货膨胀似乎并不仅仅是一个货币现象。换言之，在长期，货币政策冲击并不是引起通货膨胀变动的主要原因。在这个意义上，就稳定通货膨胀而言，中国的货币政策操作可谓成功。
四、结论
本文通过一个基本的动态一般均衡模型，说明了识别技术冲击的机理。在此基础上，我们利用中国宏观经济季度数据识别出技术冲击，并讨论了它对经济的动态影响。我们的分析表明，现有从供给冲击和需求冲击角度分析中国经济周期波动的研究存在一定缺陷。主要问题是，这些研究所遵循的方法并不能准确识别出某种冲击，而是得到一组混合冲击，从而高估供给冲击的影响。特别是，如果政府购买冲击对经济有不可忽略的影响，这些研究所分离出来的供给冲击实际上就包含了传统上被认为是需求冲击的很大比重，从而使得实证结论的可靠性降低。
我们的实证结果表明，技术冲击对劳动生产率和通货膨胀均有长期影响。和其他实证结果相比较，我们发现技术冲击对中国经济周期波动的解释力有大幅度下降。这就意味着，标准的RBC模型在很大程度上不适合于描述中国的经济周期波动，为了准确理解波动的性质和原因，多冲击视角是必然的选择。同时，我们也发现，货币政策冲击并不是引起长期通货膨胀变动的主要原因。因此，我们认为，中国的货币政策对于稳定通货膨胀而言是有效的。
当然，本文的实证分析仅是一个初步研究。未来研究的一个可行方向是遵循Galí[3]、Uhlig[14]等的思路，建立可识别多冲击的VAR或SVAR模型，将更多的冲击从经济周期波动中分解出来，以更准确把握经济在面临这些冲击时的反应。
收稿日期：2009-09-10