政策不确定性的非线性宏观经济效应及其影响机制研究，本文主要内容关键词为：不确定性论文,宏观经济论文,效应论文,机制论文,政策论文，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：F202 文献标识码：A 文章编号：1002-8102(2016)04-0116-18 中国经济正处于增长速度换挡期、结构调整阵痛期和前期刺激政策消化期的“三期叠加”阶段。基于对现阶段特征的科学判断，当前的宏观经济调控实质上面临“稳增长、调结构、促改革、防风险”四大目标；但是，四大目标存在内在的矛盾和冲突，难以通过一种或几种主要宏观调控政策的组合来统一解决(张杰、翟福昕，2014)。因此，政府宏观调控会经常在多目标之间切换，并引起宏观政策松紧、力度和组合的调整。Baker、Bloom和Davis(2013)指出，政府政策调整过程会引致政策不确定性，这会改变微观经济主体的投资和消费行为，从而最终影响宏观调控的实施效果。在当前新的发展阶段，如何汲取宏观调控的历史经验，未来的宏观调控政策又该如何实施?这需要科学认识政策不确定性影响宏观经济的具体效果及其作用机制。 目前，国内外关于政策不确定性宏观经济效应的研究文献主要基于线性VAR模型(Baker等，2013；Colombo，2013；Mumtaz和Surico，2013；金雪军等，2014；杨海生等，2014)和线性化的DSGE模型(Born和Pfeifer，2014；Fernandez-Villaverde，Guerron-Quintana，Rubio-Ramirez和Martin，2011；Fernandez-Villaverde，Guerron-Quintana，Kuester和Rubio-Ramirez，2012)，①发现政策不确定性会对宏观经济产生显著的负面影响。然而，这两种方法忽略了政策不确定性的状态依存效应。Pastor和Veronesi(2012，2013)指出，政策调整引致的政策不确定性是内生于经济的，并且依赖于经济状态；根据Baker等(2013)构建的政策不确定性指数，相比于经济繁荣时期，世界各主要国家的政策不确定性在经济低迷时期(尤其是美国次贷危机之后)上升至非常高的水平。为克服线性模型的不足，Nodari(2014)基于Baker等(2013)构建的美国政策不确定性指数，采用非线性的平滑转换VAR(Smooth-transition VAR，下称STVAR)模型实证检验了政策不确定性对美国宏观经济的影响，发现无论是在经济低迷还是在经济繁荣时期，政策不确定性都对美国宏观经济产生显著的负面影响；在经济低迷时期，其负面影响更为严重。这为美国次贷危机后的经济严重衰退和经济缓慢复苏提供了经验证据，②由此引申出的政策启示是：美国政府在经济低迷时期应尽量减少政策调整过程所产生的政策不确定性。基于此，中国的政策制定者自然地应考虑如下两个相关问题：首先，鉴于现阶段复杂的宏观经济态势，政府对经济进行频繁的宏观调控是不可避免的，中国经济是否必须承受政策不确定性对宏观经济的严重负面影响?中国过去优异的经济增长表现和危机时期成功的宏观调控经验是否能够提供区别于Nodari(2014)的经验证据?其次，为科学总结宏观调控的经验得失，并为新时期的宏观调控提供理论借鉴，政策不确定性影响中国宏观经济的机制是什么?该机制在不同的经济状态下是否有显著差异? 为回答上述问题，本文基于Baker等(2013)构建的中国政策不确定性指数，采用门槛VAR(Threshold VAR，下称TVAR)模型实证检验中国政策不确定性的非线性宏观经济效应，并进一步采用反事实研究方法(Carriere-Swallow和Cespedes，2013)探讨政策不确定性影响宏观经济结果的机制。本文与Nodari(2014)的不同之处在于：其一，相比于Nodari(2014)采用的STVAR模型，本文采用的TVAR模型计算较为简单，且无须采用经济衰退久期数据(我国尚无这方面的可靠数据)来校准STVAR模型中的平滑参数；其二，Nodari(2014)没有实证考察政策不确定性影响宏观经济的机制，而这正是本文的重要研究内容。本文的贡献主要包含如下三个方面：其一，本文拓展和丰富了政策不确定性影响宏观经济的理论机制解释，首次证实在经济低迷时期政策调整过程所产生的政策不确定性具有“好”与“坏”之分。③本文发现在经济低迷时期中国政策调整过程中所引致的政策不确定性会对宏观经济产生正面影响，而现有文献只发现了政策不确定性对宏观经济变量的负向冲击效应。该发现对经济新常态阶段中国政府的宏观调控具有重要的启示意义：当面临严重的经济不利冲击时，政府应及时进行政策调整，无须担心政策调整过程会产生较高的政策不确定性④，但需明确考虑政策工具选择和政策实施过程对政策不确定性性质的影响，使政策调整过程产生“好的”政策不确定性。其二，本文进一步证实，在经济低迷时期“好的”政策不确定性对产出增长的正向冲击效应主要通过提振消费者信心和刺激由银行信贷规模所反映的企业投资需求⑤起作用。由此引申出的政策建议是，在当前阶段政府实施宏观调控时，需强化公众的预期管理思路和完善银行信贷规模控制策略，通过提振消费者和企业信心、缓解企业融资难等手段实现政策不确定性对产出增长的正向作用，否则政策不确定性会对产出增长产生负向冲击效应，从而影响整体宏观调控的实施效果并最终阻碍稳增长政策目标的顺利实现。其三，本文的实证结果对未来的理论建模研究具有重要的启示意义。现有文献基于欧美等发达国家的特征事实所构建的理论模型并不能解释中国政策不确定性对经济增长的正向作用以及中国的长期经济增长事实。因此，基于本文的实证结果，构建反映中国制度特征事实的政策不确定性影响宏观经济的理论模型，可能是未来理论研究的重要内容之一。 本文的结构安排如下：第二部分给出政策不确定性影响宏观经济的正反两种理论机制，第三部分为计量模型及变量选取情况，第四部分给出基准模型的实证结果及其稳健性分析结果，第五部分实证分析政策不确定性影响宏观经济的机制，最后是结论与启示。 二、理论机制阐述 政策不确定性是一个相对较新的概念，学者们正尝试从不同角度对其进行定义。根据Pastor和Veronesi(2012，2013)的定义，政策不确定性包含政治不确定性(political uncertain)和影响不确定性(impact uncertain)，其分别为：政府将采取何种政策调整行为的不确定性，以及政府当前或未来政策调整对微观经济主体产生何种影响的不确定性。因此，政策不确定性对宏观经济的最终影响依赖于政治不确定性和影响不确定性对宏观经济的综合作用效果。 (一)政治不确定性作用于宏观经济的理论机制 对于政治不确定性而言，政府是否有能力对预期或未预期到的经济不利冲击采取及时、适度的政策反应，决定了该不确定性对宏观经济的作用效果。最近的研究表明，当面对经济不利冲击时，政府及时的政策反应会使得一国的经济得到迅速复苏(Bergoeing，P.J.Kehoe，T.J.Kehoe和Soto，2002；Kobayashi，2007)，而政府政策制定和实施的延迟会导致消费和投资大幅下滑，从而加重经济的衰退程度(Gomes，Kotlikoff和Viceira，2012；Leeper，Walker和Yang，2010)。根据Pastor和Veronesi(2012，2013)的研究，政府采取政策反应的能力受政策调整的政治收益和成本制约。因此，一国的政治体制架构对政治不确定性的宏观经济效应将具有决定性影响。 Blanchard和Shleifer(2001)认为，中国优异的经济增长表现很大程度上得益于其高度的政治集权。Gehlbach和Keefer(2011)进一步指出，中国经济的巨大成功可归结于政府正确实施公共政策的非凡能力，其中政党的制度化使得中国政府的承诺更可信，从而鼓励投资并促进经济增长。贺大兴、姚洋(2011)认为，改革开放以来中国政府是“中性政府”，政府既没有屈服于精英的力量，也没有迁就民众的短期利益，而是采纳了可能“有偏”但有利于经济长期发展的政策。因此，当面临严重的不利经济冲击时，中国的政治体制架构会使得有利于整体经济复苏的宏观调控政策更容易出台并迅速地予以实施。⑥然而，由于公众无法准确预测政府将采取何种政策工具组合，政策调整过程仍将产生较高的政治不确定性，但此时政治不确定性对宏观经济会产生正面影响。 与中国形成鲜明对比，欧美等民选政府由于政党摩擦所引致的政策制定和实施延迟会使得其应对经济不利冲击的政策调整过程产生“坏的”政治不确定性。根据Baker等(2013)构建的美国政策不确定性指数，美国的政策不确定性在2008年9月雷曼兄弟破产和布什政府正式向美国国会提交拯救美国金融系统法案、2009年关于奥巴马经济刺激计划的辩论、2011年的美国债务上限辩论以及2012年年底美国面临“财政悬崖”问题等时期上升至非常高的水平，这些不作为(如允许雷曼兄弟破产)或优柔寡断(如政府救助计划的国会辩论)的政策调整所引致的不确定性对美国的经济复苏产生了严重的负面影响。 (二)影响不确定性作用于宏观经济的理论机制 对于影响不确定性而言，微观经济主体对政府未来政策调整的预期以及企业学习和适应新政策的能力决定了该不确定性对宏观经济的作用效果。 Bianchi(2013)采用信念反事实(belief counterfactual)方法，模拟研究了美联储行为变化对美国宏观经济的影响，发现如果微观经济主体预期到美联储将在未来对市场采取非常积极的政策干预，那么2008年年底美国通胀率和产出的大幅下跌将能够得以避免。进一步地，Bianchi和Melosi(2015)指出，通过采取冲击特定规则(shock specific rule，即政府采用通胀来冲销严重经济危机期间而非其他经济正常时期所产生的政府债务)，⑦美国政府可以在保持长期宏观经济稳定的同时，摆脱2008年以来的经济大萧条。需要强调的是，中国政府在历次经济危机时所采用的宏观调控政策与冲击特定规则非常类似，当经济面临严重的不利冲击时，与公众预期相一致，中国常采取增加政府支出的财政政策手段来刺激经济，与此同时，央行会配合相应的货币政策手段来为财政赤字融资。⑧最终的结果是，政府积极有效的政策干预以及公众对政府行为的一致性预期使得中国经济在危机期间(如2008-2010年的国际金融危机期间)会经受一段温和的通货膨胀时期，同时经济增长仍然保持活力。⑨ 关于企业学习和适应新政策的能力，Staber和Sydow(2002)指出，在高度不确定性的外部市场环境下，组织适应能力(Organizational Adaptive Capacity)对于企业的绩效和生存十分关键。相比于成熟的市场经济国家，转型经济国家的企业会面临更多的来自制度创新和经济政策调整所引致的外部环境变化。Judge，Naoumova和Douglas(2009)指出，转型国家所面临的高度环境不确定性会提高企业的组织适应能力，并强化其与企业绩效之间的正向关系。因此，当政府为应对严重经济不利冲击而出台一系列强有力的刺激政策时，相比于更适应市场经济环境的欧美等工业化国家的企业，转型国家的企业将具有更强的学习和适应新政策的能力，并因此具有更为优异的企业绩效。此外，需要强调的是，中国国有经济在国民经济中占主导地位，国有经济在贯彻国家的宏观调控中起到骨干作用，并有义务落实国家的各项经济发展和调整决策(胡钧、韩东，2010)。因此，在面临经济不利冲击时，国有经济会对政府政策调整行为做出积极有效的反应，并进而对宏观经济产生正向影响。梁琪、余峰燕(2014)发现，在商业银行国有化程度较高的国家(或地区)经营的企业或是国有企业，在金融危机期间资本投资下滑较小，国有经济在危机时刻能发挥“经济稳定器”的作用。周铭山等(2012)指出，由于经济衰退时期国有企业的边际支出倾向要比民营企业高，因此政府给国有企业更多的信贷资金支持会对经济复苏产生更大的刺激作用。 (三)政策不确定性作用于宏观经济的理论机制 综合上述政治不确定性和影响不确定性作用于宏观经济的各自理论机制，当面临严重的不利经济冲击时，政策不确定性对宏观经济的影响可概括为如下正反两种机制。 一方面，如果一国的政治体制架构使得其政府能够对预期或未预期到的经济不利冲击采取适度、及时的政策反应，且一国的经济发展模式(如是否为转型经济体、是否实行渐进式改革模式)和国民经济结构(如国有企业比重)使得微观经济主体具有较强的学习和适应新政策的能力，并对政府未来的政策调整行为以及改革路径具有清晰的判断或预期，那么政府的经济政策调整会引致“好的”政策不确定性，理性的微观经济主体会调整投资或消费以应对未来潜在的增长机会，从而对宏观经济产生正面影响；另一方面，如果一国的政治体制架构使得政府选择错误的时机或不恰当的政策工具组合来干预经济活动，或者一国的经济发展模式和国民经济结构使得微观经济主体学习和适应新政策的能力较欠缺，并对政府未来的改革路径缺乏清晰的判断(或者对其改革方案在未来能否有效执行存有疑虑)，那么政府的经济政策调整会引致“坏的”政策不确定性，理性的微观经济主体会推迟投资并减少消费，此时政策不确定性将对宏观经济产生负面影响。 对于政策不确定性影响宏观经济的理论机制解释，需要强调如下两点内容：首先，上述两种正反机制是基于宏观经济处于低迷时期这一前提的。由于在经济繁荣时期政府的政策调整通常是为了控制经济过热问题，这会抑制微观经济主体的消费和投资热情，因而此时政策调整引致的政策不确定性将对宏观经济产生负面影响。其次，在论述经济低迷时期政策不确定性的正向机制作用时，本文主要是基于中国的特征事实(如改革的政治收益和成本、企业学习和适应新政策的能力等因素)进行阐述，然而这些特征事实只是中国政策不确定性对宏观经济产生正面影响的必要条件，宏观调控时政策工具选取是否合理以及政策实施过程是否得当最终决定政策不确定性宏观经济效应的正与负。 三、计量模型与变量选取 本文采用多区制(multi-regimes)VAR模型研究在经济低迷和经济繁荣时期，政策不确定性对宏观经济变量的非对称冲击效应。现有文献中的多区制VAR模型主要包括马尔科夫转换向量自回归(Markov-switching VAR，下称MSVAR)模型、TVAR模型和STVAR模型。MSVAR模型假定区制转换是由外生的不可观测的马尔可夫链决定的，因而无法应用于本文依据内生的产出增长率指标区分经济低迷期和经济繁荣期的分析框架；TVAR模型和STVAR模型假设模型的转换变量是内生的可观测变量，但是由于估计STVAR模型中的平滑参数(smoothness parameter)面临巨大挑战，⑩相关研究(Auerbach和Gorodnichenko,2012; Bachmann和Sims,2012; Caggiano,Castelnuovo和Groshenny,2014; Nodari,2014)通常事先根据各国的经济衰退久期数据(如NBER公布的美国衰退久期数据)来校准模型中的平滑参数。由于我国尚无可靠的经济衰退久期数据可供利用，本文采用TVAR模型，TVAR相比于STVAR模型的优点可参考Fazzari等(2015)。 (一)两区制TVAR模型
(二)TVAR模型的非线性检验 在应用研究中，首先需要考虑的问题是：非线性TVAR模型在刻画宏观经济变量的动态关系时是否优于传统的线性VAR模型。文献中关于多变量门槛非线性的检验方法包括Tsay(1998)基于排列自回归(arranged autoregressions)的检验方法，以及Lo和Zivot(2001)基于嵌套模型的sup-LR检验，其中Lo和Zivot(2001)的sup-LR检验是Hansen(1999)单变量门槛非线性sup-F检验的多变量扩展。Lo和Zivot(2001)的蒙特卡洛模型结果(见其论文中的表2)显示，相比于Tsay(1998)检验，sup-LR检验具有优良的势绩效(power performance)，因此本文采用Lo和Zivot(2001)的sup-LR统计量实证检验TVAR模型的非线性特征，关于该检验统计量及其bootstrap临界值的具体计算步骤可参考其论文。为了保证在每个区制状态下有足够的数据用于估计TVAR模型，本文采用Balke(2000)的推荐步骤，在计算sup-LR统计量时，门槛γ的搜寻范围设定为门槛变量所有样本数据的15%分位数至85%分位数之间。由sup-LR统计量的计算过程，我们可最终得到使该统计量达到最大值的门槛γ估计值和门槛变量的滞后期d。 需要注意的是，Lo和Zivot(2001)的sup-LR检验事先假定模型TVAR的自回归滞后阶数P已知，为确保线性VAR模型和非线性TVAR模型之间的可比性，本文参考通常做法(Galvao，2003；赵振全等，2007)，TVAR模型的自回归滞后阶数与线性VAR模型的滞后阶数选择相同。本文结合AIC和BIC信息准则以及Edgerton和Shukur(1999)的有限样本纠正的多变量序列相关检验来选择线性VAR模型的滞后阶数，这样做的目的是尽量挖掘出模型中内生变量的动态关联性，使TVAR模型和线性VAR模型的误差项满足无序列相关假定。 (三)区制特定(regime-specific)脉冲响应函数及其置信区间构建 为构建区制状态s(s=1和2分别代表经济低迷和经济繁荣时期)下的脉冲响应函数，本文借鉴Auerbach和Gorodnichenko(2012)、Bachmann和Sims(2012)、Caggiano等(2014)以及Nodari(2014)的思路，采用区制特定脉冲响应函数方法，假设当政策不确定对经济系统发生冲击时，经济系统将在低增长或高增长状态维持一段较长的时期。即在构建政策不确定性对宏观经济变量的脉冲响应函数时，本文不考虑由门槛变量w[，t]的内生变动引致的经济系统区制变换情况。采用该方法主要是基于如下三点考虑：首先，根据本文TVAR模型的估计结果，在2008年2月至2009年7月期间以及2011年2月至2014年7月期间，除个别月份外所有时期的中国经济增长率都低于TVAR模型的门槛值，经济系统长期处于低增长状态。与此类似，经济的高增长状态也具有持续性。因此，中国经济增长的特征事实满足区制特定脉冲响应函数的假设前提。其次，政府宏观调控具有一定程度的政策惯性，理性的政策制定者通常不会在经济低迷(经济繁荣)时期依据个别月份的经济高增长(低增长)表现就改变其原有的宏观调控思路。如果依据2008年2月至2009年7月以及2011年2月至2014年7月等经济低迷时期个别月份的经济高增长表现，采用允许区制状态内生变动的脉冲响应函数(其隐含假设是，政府政策调整模式会由原来的经济扩张政策转变为经济紧缩政策)，这会错误估计经济低迷时期由政策调整引致的政策不确定性的宏观经济效应。最后，区制特定脉冲响应函数具有线性VAR模型脉冲响应函数的优良性质，其不依赖于经济冲击的大小、符号以及初始条件，计算较为简单。 为测度区制特定脉冲响应函数的统计显著性，本文将Sims和Zha(1999)的非对称置信区间构建方法拓展至TVAR模型框架。相比于由渐进近似方法和bootstrap方法得到的置信区间，该方法可很好地考虑脉冲响应函数的非线性、非正态性以及高度序列相关性质(详细讨论见Sims和Zha(1999)第5、6节内容)。具体计算步骤如下：
(四)变量选取及说明 本文选用我国1999年1月至2014年7月的月度宏观经济数据，共187个样本点。样本数据区间自1999年1月开始，主要考虑到文中所采用的消费者预期指数在1999年之前没有相关数据。样本数据区间结束于2014年7月，主要考虑到2014年下半年宏观调控的总思路已基本转为定向调控。定向调控虽然在一定程度上可以缓解中国的结构性失衡问题，但是其不足之处是缺乏透明度和释放政策信号的作用，这会影响公众对央行意图的判断，从而弱化预期渠道对宏观经济的正向作用(11)。本文选取的样本数据区间有利于分析经济新常态时期之前我国宏观调控的经验得失，从而为现阶段的宏观调控提供思路借鉴。 借鉴Caggiano等(2014)、Colombo(2013)、Nodari(2014)等文献的模型构建思路，基准TVAR模型由如下四个内生变量组成：(1)政策不确定性指数(
)(12)：采用Baker等(2013)构建的中国政策不确定性指数数据。Baker等(2013)基于香港最大的英文报纸《南华早报》上与政策相关的经济不确定性文章，构建了政策不确定性的月度度量指标
)，其中t为月度指标，
分别表示第t月度报纸上符合政策不确定性文本过滤标准的文章数目和该月度所有文章总数，M表示标准化的乘积因子。在选取与中国政策相关的文章时，Baker等(2013)采用复合的文本过滤方法。首先，收集《南华早报》上关于中国经济不确定性的文章集合，要求所有文章中包含如下文本：(China or Chinese) and (economy or economic) and (uncertain or uncertainty)；然后，为识别中国经济不确定性文章集合中与政策相关的文章子集，要求关于中国经济不确定性的文章中需进一步包含如下文本：｛(policy or spending or budget or political or "interest rates" or reform) and (government or Beijing or authorities)｝ or tax or regulation or regulatory or "central bank" or "People's Bank of China" or PBOC or deficit or WTO。(13)(2)通胀率(
)：采用中经网数据库的同比和环比CPI数据计算2005年1月为基期的CPI定基数据，然后对CPI定基数据进行X12季节化调整，最后计算年化通胀率
。(3)产出增长率(
)：由于没有GDP月度数据，本文采用EIU数据库2005年为基期的工业生产指数(
)代替，然后对
数据进行X12季节化调整，最后计算年化产出增长率
。(4)货币供给增长率(
)：由于现阶段我国仍以货币供应量作为货币政策中介目标，参考赵振全等(2007)以及Weise(1999)的变量选取标准，本文选择狭义货币供应量
(数据来源于中经网数据库)作为货币政策工具的代理指标，然后对
数据进行X12季节化调整，最后计算货币供给增长率
。基准TVAR模型中四个内生变量迭代结构的次序分别为政策不确定性指数(
)、通胀率(
)、产出增长率(
)和货币供给增长率(
)。 关于TVAR模型门槛变量wt的选取：采用产出增长率(
)指标作为基准模型的门槛变量
的时间集合分别对应经济低迷时期和经济繁荣时期。 本文的稳健性分析部分还考虑采用如下变量作为控制变量：(1)政府财政政策和货币政策变量，包括政府财政支出增长率(
)、1年期存款利率(
)以及1年期贷款利率(
)。在构建
指标时，我们首先对政府财政支出(
)进行X12季节化调整，然后计算政府财政支出增长率
。(2)宏观经济景气变量，包括由上证综指(
)计算得到的股指收益率
和宏观预警指数(
)。(3)经济不确定性变量(
)。借鉴Brogaard和Detzel(2015)的指标构建方法，采用上证综指每个月度的日收益率数据的标准差度量。此外，为分析政策不确定性影响宏观经济结果的机制渠道，本文分别采用消费者预期指数(
)和金融机构贷款总额增长率(
)两个指标来度量消费者信心(Barsky和Sims，2012；Bachmann和Sims，2012)和银行信贷规模(赵振全等，2007)，其中在构建
指标时，我们首先对金融机构贷款总额(
)进行X12季节化调整，然后计算
。上述所有数据中除上证综指的日收盘数据来自Wind数据库以外，其他原始数据都源自于中经网数据库。 四、主要实证结果 (一)非线性检验结果 在正式进行非线性检验之前，需要首先确定各变量是否为平稳变量(或变量间是否存在协整关系)以及线性和非线性VAR模型的滞后阶数。ADF检验结果显示，各变量在10%的显著性水平下均表现平稳(感兴趣的读者可向作者索取该结果)。表1给出了线性VAR模型的滞后阶数选择结果，根据BIC和AIC准则，线性模型的滞后阶数分别为1和3。然而根据Edgerton和Shukur(1999)有限样本纠正的多变量序列相关检验统计量，当滞后阶数为1时，线性VAR模型的残差项仍存在序列相关性(在1%的显著性水平下拒绝残差项无序列相关的原假设)，但是当滞后阶数为3时，残差项并无序列相关性(在10%的显著性水平下不能拒绝残差项无序列相关的原假设)。因此，本文线性VAR模型的最优滞后阶数选择为3。参考Galvao(2003)和赵振全等(2007)，本文TVAR模型的滞后阶数与线性VAR模型的滞后阶数选择相同。
基于TVAR模型的滞后阶数选择，Lo和Zivot(2001)的sup-LR检验统计量为98.762，其经验P值为0.03(见表2)，这说明了采用非线性TVAR模型的合理性。根据sup-LR检验结果，门槛变量的滞后期d和门槛γ估计值分别为1和10.943。
(二)基准模型实证结果 图1给出了变量次序为(
)时，根据线性VAR模型和TVAR模型得到的通胀率和产出增长率对一单位标准差的政策不确定性冲击的动态反应，其中脉冲响应的最大预测水平为H=18。
图1 政策不确定性的宏观经济效应：基准结果 注：(1)第1个和第2个图分别表示通胀率和产出增长率对一单位标准差政策不确定性冲击的正交脉冲响应函数；(2)Linear为基于线性VAR模型的正交脉冲响应函数，Low regime为基于TVAR模型估计结果得到的经济低迷状态下的正交脉冲响应函数，High regime为基于TVAR模型估计结果得到的经济繁荣状态下的正交脉冲响应函数。 根据图1中线性VAR模型的脉冲响应函数，政策不确定性对通胀率和产出增长率的冲击效应在未来一年半内始终为负值，这与金雪军等(2014)和杨海生等(2014)基于中国样本数据的研究结论相同，同时也与基于世界其他国家样本数据的线性VAR模型结果(Baker等，2013；Colombo，2013；Mumtaz和Surico，2013)和线性化的DSGE模型结果(Fernandez-Villaverde等，2011；Fernandez-Villaverde等，2012)相同。当考虑非线性TVAR模型时，本文发现在经济繁荣时期，政策不确定性对通胀率和产出增长率的冲击在未来一年半内始终为负值；在经济低迷时期，政策不确定性对通胀率和产出增长率的冲击效应由短暂的负值变为正值，直至为零。该结论与Nodari(2014)基于美国样本的实证结果有显著差异，Nodari(2014)发现在经济低迷时期，美国的政策不确定性对宏观经济会产生更为严重的负面影响。 图2给出了当采用Sims和Zha(1999)非对称置信区间方法时前三个最大特征值对应的区制特定脉冲响应函数的95%置信区间，其中前三个最大特征值解释的脉冲响应函数的方差份额在表3中给出。根据表3中的结果，在经济低迷时期，前三个最大特征值分别解释了通胀率和产出增长率脉冲响应函数总方差的0.647和0.805份额；在经济繁荣时期，前三个最大特征值共解释了通胀率和产出增长率脉冲响应函数总方差的0.899和0.930份额。因此，图2中所给出的前三个最大特征值对应的95%置信区间可很好地测度各区制特定脉冲响应函数的不确定性。根据图2中的结果，无论是在经济低迷时期还是在经济繁荣时期，通胀率对政策不确定性冲击基本无反应(见图2中的第1行和第3行，脉冲响应函数的95%置信区间在多数情况下包含零值)，而产出增长率对政策不确定性冲击具有显著的反应(见图2中的第2行和第4行，脉冲响应函数的95%置信区间在多数情况下不包含零值)。在经济低迷时期，对于一单位标准差的政策不确定性冲击，产出增长率在经受了短暂的显著为负的冲击效应后变为显著的正效应；而经济繁荣时期，产出增长率的脉冲响应函数始终为显著的负效应。
图2 区制特定脉冲响应函数的置信区间 注：(1)图2中的第1行和第2行分别表示经济低迷时期政策不确定性对通胀率和产出增长率的正交脉冲响应函数及其95%的置信区间，第3行和第4行分别表示经济繁荣时期政策不确定性对通胀率和产出增长率的正交脉冲响应函数及其95%的置信区间；(2)图2中第1、2、3列中的Component 1、Component 2和Component 3分别表示当采用Sims和Zha(1999)的非对称置信区间方法时，由前三个最大特征值所对应的区制特定脉冲响应函数的95%置信区间。 上述研究结果表明：首先，政策不确定性对中国宏观经济的影响存在典型的非线性特征，基于线性VAR模型(或线性化的DSGE模型)研究中国政策不确定性的宏观经济效应会掩盖经济低迷时期政策不确定性对产出增长率的正向作用。该发现说明政府在进行政策调整时，无需担心政策调整过程是否会产生较高的政策不确定性，但需明确考虑政策工具选择和政策实施过程对政策不确定性性质(“好”与“坏”)的影响。其次，在国际金融危机期间，中国政府的政策制定和执行能力更优异且公众对政府的经济政策反应更积极，政府所采取的宏观调控政策产生了“好的”政策不确定性，该政策不确定性帮助中国经济迅速止跌回升，避免了经济的严重衰退。相反，根据Nodari(2014)的研究结果，美国政府在国际金融危机期间的政策调整行为产生了“坏的”政策不确定性，该政策不确定性对美国经济产生了严重的负面影响，从而拖累了美国经济的复苏速度。 (三)稳健性分析 TVAR模型误设(如遗漏重要变量、变量排序不同等)可能导致上述实证结果是虚假的。为验证基准模型实证结果的稳健性，本文考虑如下模型设定。 1.基准模型中政策不确定性对宏观经济的冲击效应可能由于遗漏政府宏观政策工具变量而混杂了政策工具的经济效应，为克服此潜在的遗漏变量偏误问题，本文在基准模型基础上分别控制政府财政支出增长率(
)、1年期存款利率(
)以及1年期贷款利率(
)变量，其模型设定分别为
2.由于政策不确定性是内生于经济的，并且依赖于经济状态(Pastor和Veronesi，2012、2013)，因而宏观经济或金融市场景气情况会引致政策不确定性的变化。为排除基准模型中宏观经济对政策不确定性的反应没有混杂金融市场或宏观景气的经济效应，本文分别控制上证综指(
)反映的金融市场景气情况以及宏观预警指数(
)反映的宏观经济景气情况，其模型设定为
3.由于政策不确定性较高的时期通常也是经济不确定性较高的时期(Baker等，2013)，并且经济不确定性也会引致宏观经济的变动(Bloom，2009、2014；Caggiano等，2014)。为分离经济不确定性对基准模型中政策不确定性宏观经济效应的影响，本文借鉴Brogaard和Detzel(2015)的指标构建方法，采用上证综指每个月度的日收益率数据的标准差度量经济不确定性(
)并加以控制，其模型为
。 4.基准模型的变量排序
隐含地假设了政策不确定性(
)不受其他宏观经济变量同期冲击的影响，且货币供给增长率(
)不会同期影响基准模型中的其他变量。虽然这是文献中的通常做法，但仍然可能是有问题的。为检测该假设会在多大程度上影响基准模型的实证结果，本文考虑如下两种变量排序：
图3给出了8种模型设定下的产出增长率对政策不确定性冲击的区制特定脉冲响应函数，这里没有给出通胀率的脉冲响应函数，主要是考虑到基准模型中通胀率对政策不确定性冲击的脉冲响应函数在95%置信水平下不显著(感兴趣的读者可向作者索取该稳健性分析结果，其与基准模型中的脉冲响应函数具有类似的形式)。由图3中的稳健性分析结果可发现，在经济低迷时期，产出增长率对政策不确定性的反应基本上为正向；而在经济繁荣时期，产出增长率对政策不确定性的反应基本上为负向。这说明基于基准模型的实证结果是稳健的，政策不确定性确实是在单独起作用而不是反映了其他宏观经济和金融市场变量对产出增长率的影响。 五、关于影响机制的实证考察 根据本文第二部分关于政策不确定性影响宏观经济的理论机制解释，如下因素会影响政策不确定性对宏观经济的作用效果：一国的政治体制架构所决定的政府对预期或未预期到的不利经济冲击采取适度、及时政策反应的能力，一国的经济发展模式和国民经济结构所决定的企业学习和适应新政策的能力，以及微观经济主体对政府未来的政策调整行为以及改革路径的判断或预期。不幸的是，上述多数因素作用于政策不确定性宏观经济效应的理论机制无法在TVAR模型框架下考察，对这些因素的分析需构建结构宏观计量模型(14)进行分析。因而，本文将着重于分析微观经济主体预期渠道对政策不确定性宏观经济效应的影响。具体地，本文将采用消费者信心和由银行信贷规模所反映的企业投资需求两个指标来分别测度消费者和企业的预期因素(15)。
关于消费者信心因素，Barsky和Sims(2012)发现消费者信心的突然变化会对宏观经济总量产生持续性的影响，并且指出两者之间的关系主要是因为消费者信心反映了未来经济基本面的变化情况。Bachmann和Sims(2012)进一步研究发现，由于财政政策(如基础设施投资、研发和教育投入等)会改变微观经济主体对未来经济基本面的认知程度，从而引致消费者信心的系统变化，因此消费者信心因素将会通过中间传导机制影响财政政策的乘数效应。国内学者(陈彦斌、唐诗磊，2009；李永友，2012)的研究也证实，微观经济主体的信心对宏观经济波动和宏观经济调控效果具有重要的解释力。关于银行信贷因素，基于金融加速器理论(Bernanke，Gertler和Gilchrist，1996)，经济低迷时期政府所采取的扩张性货币政策可以缓解企业的融资约束问题。曹永福(2011)发现国际金融危机期间，区别于美国银行信贷的顺周期特征，中国的银行信贷规模是逆周期的。赵振全等(2007)研究发现，银行信贷规模在宏观经济波动过程中既是重要的波动源，同时也是波动的有力传导媒介。综上所述，消费者信心和银行信贷规模是影响宏观经济调控效果的重要媒介，考虑到宏观经济调控本身常伴随政策不确定性的产生，因而政策不确定性的宏观经济效应也可能依赖于消费者信心和银行信贷中间传导机制作用的发挥。 为测度消费者信心和银行信贷渠道的重要性，本文采用反事实研究方法回答如下问题：在经济低迷或经济繁荣时期，如果消费者信心(银行信贷规模)始终保持不变，政策不确定性对宏观经济的影响将会发生怎样的变化?具体来说，参照Carriere-Swallow和Cespedes(2013)，区制状态s下包含消费者信心变量
的反事实方法构建步骤如下：首先，采用基准TVAR模型的设定，估计变量排序为
的TVAR模型，获得区制状态s下的区制特定正交脉冲响应函数，并保存该区制状态s下没有施加限制的残差项方差—协方差矩阵
以及系数估计矩阵
；然后，对
矩阵中与
变量相对应的所有其他行元素和列元素施加零限制条件得到
中与
变量相对应的系数参数估计值(即
第2行中除截距项估计值以外其他元素)施加零限制条件得到
构建区制特定的正交脉冲响应函数；最后，比较第一步和第二步得到的两个无限制和受限制的脉冲响应函数是否存在显著差异，若其差异明显则说明消费者信心渠道是影响政策不确定性宏观经济效应的关键因素。与此类似，我们也可以构建区制状态s下包含银行信贷规模变量
的反事实方法。 图4分别给出了存在和不存在消费者信心(银行信贷)渠道时的产出增长率对政策不确定性冲击的区制特定脉冲响应函数。由图4的结果可发现，在经济低迷时期，如果关闭消费者信心或银行信贷规模对政策不确定性的内生反应渠道，政策不确定性对产出增长率的冲击效应基本上由正向转变为零值附近；而在经济处于繁荣时期，无论是否关闭消费者预期或银行信贷规模对政策不确定性的内生反应渠道，政策不确定性对产出增长率都产生负面影响，且两者无显著差别。该反事实研究结果说明，在经济低迷时期，政策不确定性可通过提振消费者信心和刺激由银行信贷规模所反映的企业投资需求对经济增长产生正面影响；而在经济繁荣时期，消费者信心和银行信贷渠道对政策不确定性的产出增长效应几乎无影响，这说明此时消费者对未来存在过度乐观的预期并缺少风险防范意识，且在此期间政府的信贷规模控制并不是有效的政策工具(不能实现抑制经济过热的政策目标)。
图4 关于影响机制的实证结果：产出增长率的脉冲响应 注：(1)unrestricted irf和restricted irf分别表示对残差项方差—协方差矩阵以及系数估计矩阵没有施加限制和施加限制的正交脉冲响应函数；(2)图4中第1行的两个图分别为经济低迷时期和经济繁荣时期消费者信心渠道的反事实分析结果；第2行的两个图分别为经济低迷时期和经济繁荣时期银行信贷渠道的反事实分析结果。 六、结论与启示 本文基于Baker等(2013)构建的中国政策不确定性指数，采用TVAR模型实证检验中国政策不确定性的非线性宏观经济效应，并采用反事实研究方法探讨政策不确定性影响宏观经济结果的机制渠道。本文得出如下两点结论： 1.政策不确定性对中国产出增长率的影响存在典型的非线性特征。在经济繁荣时期，政策不确定性对产出增长率存在显著的负向冲击效应；相反，在经济低迷时期，政策不确定性对产出增长率会存在显著的正向冲击效应。该结论从政策不确定性视角解释了相比于其他欧美国家，中国为何在国际金融危机期间具有更为优异的经济增长表现。 2.基于反事实研究方法，本文发现在经济低迷时期，政策不确定性会通过提振消费者预期和刺激由银行信贷规模所反映的企业投资需求对经济增长产生正面影响；而在经济繁荣时期，消费者信心和银行信贷渠道对政策不确定性的产出增长效应几乎无影响，这说明在此期间消费者对未来经济存在过度乐观的预期，且政府的银行贷款规模控制并不是有效的政策工具。 基于本文的研究，我们可以得到如下两点启示： 1.从政策含义的角度来看，(16)首先，在经济繁荣时期，中国政府在采取抑制经济过热的宏观调控政策时，需明确考虑政策不确定性对产出增长率的负向冲击效应，否则将出现宏观调控过度问题；而在经济低迷时期，当面临经济不利冲击时，政府应及时进行政策调整，无须担心政策调整过程是否会产生很高的政策不确定性，但需明确考虑宏观调控工具选择和具体实施过程对政策不确定性性质(“好”与“坏”)的影响，尽量使政策调整过程产生“好的”政策不确定性，从而为政府顺利实现稳增长的政策目标提供有力保障。其次，政府在制定和实施宏观经济政策时需强化公众的预期管理。在经济低迷时期，政府需明确经济增长的政策底线，并将这种立场通过各种渠道传递给公众，并制定和实施可信的宏观调控政策，这将有力提振公众在经济低迷时期的信心，实现政策不确定性对经济增长的正向刺激作用；在经济繁荣时期，如果出现经济过热问题，政府需通过各种渠道发布经济过热和风险预警信息，这将抑制公众对未来经济过度乐观的预期，从而有利于从政策不确定性视角帮助政府实现控制经济过热的政策目标。最后，政府在采用信贷规模控制监管指标时需考虑经济所处的状态。在经济低迷时期，为配合稳增长的坚定立场，政府可充分发挥信贷规模控制和窗口指导等行政手段，实现银行信贷规模渠道对政策不确定性宏观经济效应的正向媒介作用。此外，与扩张性的信贷规模控制的最终目标类似，其他可缓解企业信贷约束的宏观经济政策(如降息、降准)也将是有效的政策工具；在经济繁荣时期，鉴于银行信贷规模渠道的无效性，政府应尽量采用其他形式的货币政策工具来达到抑制经济过热的政策目标。 2.从理论建模角度来看，本文的实证结果首次证实了中国政策调整过程所产生的政策不确定性对宏观经济具有显著的正向冲击效应。但是，现有文献基于欧美等发达国家的制度特征事实所构建的理论模型并不能解释中国政策不确定性对经济增长的正面影响以及中国长期经济增长的事实。区别于欧美等发达国家，中国具有如下的制度特征事实：首先，中国的政治体制架构和中国政府的“中性政府”角色定位(贺大兴、姚洋，2011)决定了政府政策调整的政治收益常大于其政治成本，在面临经济不利冲击时，有利于整体经济复苏(而非某个或某些利益集团)的经济刺激计划会更容易地出台并迅速地予以实施；其次，中国的渐进改革模式会使得宏观经济问题提前暴露，因而公众对政府未来的改革路径会有比较清晰的判断或预期；最后，中国的转型国家特征和国有经济的主体地位决定了中国企业学习和适应新政策的能力要明显强于欧美等工业化国家的企业。因此，基于本文的实证结果，如何构建反映中国制度性特征事实的政策不确定性影响宏观经济的理论模型，将是未来理论研究的重要内容之一。该工作将为中国经济的长期增长提供一种理论解释，并且有助于厘清中国的制度特征事实对政策不确定性以及中国经济增长的影响，从而为政府在经济新常态时期有针对性地制定宏观调控政策提供理论基础。 ①Born和Pfeifer(2014)、Fernandez-Villaverde等(2011)和Fernandez-Villaverde等(2012)为刻画政策不确定性冲击，采用了非线性的随机波动建模技术。但是，由于上述文献并没有考虑政策不确定性对宏观经济的影响是状态依存的情形，其本质上仍是线性化模型。 ②根据世界银行公布的数据，2007-2014年美国的GDP增长率分别为1.79%、-0.29%、-2.8%、2.51%、1.85%、2.78%、1.56%和2.59%，其失业率分别为4.62%、5.80%、9.28%、9.63%、8.93%、8.08%、7.60%和7.36%。在次贷危机发生的两年后，美国经历了严重的经济衰退，GDP增长率和失业率分别为-2.8%和9.28%；2010-2014年美国GDP增长率持续低位震荡，失业率在2010年接近10%之后缓慢下降，至今仍远超危机前的水平。和以往经济周期相比，次贷危机引发的此次衰退持续时间更长，衰退程度更严重。 ③“好的”政策不确定性会对产出增长产生显著的正向冲击效应，而“坏的”政策不确定性会对产出增长产生显著的负向冲击效应。与本文类似，Segal，Shaliastovich和Yaron(2015)将经济不确定性区分为“好的”和“坏的”不确定性，“好的”经济不确定性会引致未来消费、投资和产出的增加；而“坏的”经济不确定性会导致未来资产价格缩水以及产出增长率的下降。 ④当面临严重的经济不利冲击时，即便政府能够对政策工具组合进行及时调整，政策调整过程仍会产生较高的政策不确定性。这是因为微观经济主体事前无法准确预测政府将采取何种政策调整行为，以及政府当前或未来的政策调整将如何对其产生影响。 ⑤中国央行在经济低迷时期所采取的信贷规模控制和窗口指导等扩张性货币政策工具，只是企业增加投资支出的必要条件。如果企业无投资需求，政府扩张性的货币政策将难以起作用。 ⑥在面临次贷危机的不利冲击时，中国政府迅速将宏观经济调控的重点由抑制通货膨胀和经济过热转向确保经济平稳增长，实行积极的财政政策和适度宽松的货币政策，出台了一系列强有力的扩大内需的经济刺激计划。 ⑦冲击特定规则起作用的理论机制为：当经济面临非常严重的不利冲击时，微观经济主体预期政府将增加支出并通过采取冲击特定规则来消除支出增加所产生的政府债务，这将导致通胀预期的上升以及真实利率的下降，进而刺激微观经济主体增加投资和消费。 ⑧吴汉洪、崔永(2006)指出，对于中国这样一个债务负担率过高、税收体系不健全、金融市场不完善的发展中国家来说，政府在某种程度上更加需要依靠财政赤字的货币化。长期以来，我国的政策体制主要表现为主动的财政政策和被动的货币政策组合体制(杨子晖，2008；刘斌，2009；崔惠民等，2014)；在此体制下，主动的财政政策在通过相机抉择的税收和支出手段调控经济的同时，由于被动的货币政策的支持，政府的实际债务水平得到了稳定，从而保证了实体经济及物价的稳定(刘斌，2009)。因此，我国现有的政策体制架构与Bianchi和Melosi(2015)描述的冲击特定规则非常类似。 ⑨当面临严重的经济不利冲击时，即便政府所采取的积极宏观调控政策与公众的预期相一致，政策调整过程仍会产生较高的影响不确定，这是因为微观经济主体事前无法准确预测政府的政策调整将如何对其产生影响。然而，由于此时微观经济主体对未来经济有更好的预期，这将产生“好的”影响不确定性，即影响不确定性将对宏观经济产生正向冲击效应。 ⑩Fazzari，Morley和Panovska(2015)指出，当STVAR模型中的平滑参数较大时，模型的似然函数是非常平坦的，这会导致基于最大似然或贝叶斯方法的参数估计不可靠。 (11)参考摩根士丹利中国宏观经济团队(乔虹、孙珺玮和张胤)在《中国央行货币政策框架全解读》一文中的阐述。 (12)现有文献主要包括两类政策不确定性指标构建方法：一类是基于非线性随机波动建模技术来测度政府具体政策工具变动所引致的政策不确定性，代表性文献包括Born和Pfeifer(2014)、Fernandez-Villaverde等(2011)、Fernandez-Villaverde等(2012)和Mumtaz和Surico(2013)；另一类则是依托于新闻媒体，通过文本过滤方法构建与政府整体宏观政策调整相关的政策不确定性指数，代表性文献为Baker等(2013)，其具体数据和指数构建说明见网址http://www.policyuncertainty.com。鉴于本文主要是为政府在经济新常态时期如何选择整体的宏观调控模式提供思路借鉴，故本文采用Baker等(2013)所构建的中国政策不确定性指数。 (13)根据Baker等(2013)的指数构建方法，其在搜索与中国政策相关的文章子集时所采用的文本集合可能反映如下两方面信息：其一，这些文本可在一定程度上反映政府实施宏观政策调整的频率，或者政府优柔寡断的政策调整行为(该情况下相应的政策调整方案在一段时期内会被反复提及)；其二，这些文本也可能反映公众对政府未来政策调整行为以及改革路径的良好预期，或者对政府的政策调整和改革方案在未来能否得到有效实施的疑虑。因此，Baker等(2013)所构建的中国政策不确定性指数可很好地测度政策调整过程中所产生的两类政策不确定性(具体参考本文第二节的第三部分)，“好的”政策不确定性将对宏观经济产生正面影响，反之则反是。 (14)例如，可采用DSGE模型模拟分析由政治体制架构所决定的改革的政治收益和成本、渐进改革背景下企业学习和适应新政策的能力等因素作用于政策不确定性宏观经济效应的机制效果。 (15)采用银行信贷规模指标来测度企业的预期(或信心)因素主要是基于如下两点考虑：首先，国家统计局公布的企业家信心指数为季度数据，因而其无法应用于本文的研究中；其次，由于我国央行通常会在经济低迷时期采取信贷宽松政策，因而该时期信贷规模的扩张反映了企业的投资需求上升，如果企业无投资需求，政府的信贷宽松政策将难以起作用。在经济繁荣时期，虽然央行会采取信贷紧缩政策来抑制企业资金的可得性，但是银行内在的信贷扩张动机和企业的投资热情会削弱央行信贷紧缩的政策效果，本文的实证结果验证了银行信贷规模控制工具在经济繁荣时期的无效性。因此，无论是在经济低迷时期还是在经济繁荣时期，采用银行信贷规模来测度企业的预期(或信心)因素都具有一定的合理性。 (16)本文基准模型的实证结果显示，在经济低迷和经济繁荣时期政策不确定性对通胀率都无显著影响，但我们并不能由此引申出如下的政策建议：政府在未来的宏观调控中无须考虑政策调整引致的政策不确定性对通胀率的冲击效应。因此，本文没有给出如何进行宏观调控以稳定价格的政策建议。
标签：宏观经济论文; 经济模型论文; 企业经济论文; 经济指数论文; var模型论文; 预期理论论文; 宏观调控手段论文; 不确定性分析论文; 非线性论文; 未来函数论文; 线性系统论文; 经济学论文; 宏观调控论文;
