测度货币政策地区效应：相对指数及其应用，本文主要内容关键词为：货币政策论文,及其应用论文,效应论文,指数论文,地区论文，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。
一、货币政策传导机制的理论背景
我们考虑了四个有关货币政策是如何影响实体经济的理论，这些理论能使我们认识到涉及货币政策影响力的不同经济特征，以及货币政策传导理论共同具有的特性。首先，惯例传导机制或利率传导机制。在货币政策传导中，公开市场操作起着重要作用，因为价格暂时固定，货币与债券的重新组合改变了货币供给的价格，这导致了利率变化使市场出清，随后改变利率敏感行业的支出。我们所关心的是预测不同地区的货币政策影响力，这将取决于不同地区对利率敏感性支出的差异。其次，净值传导机制。因为任何利率的提高(降低)降低(提高)了未来现金流的价值，使抵押贷款容易受公开市场操作的影响，从而改变了信贷的可得性和最终消费，我们称这为借贷者净值传导机制。再次，基于银行调整资产负债表能力的传导机制。它强调银行的作用，这个理论假定一个公开市场操作的重要性，因为它随着货币政策放松(收紧)而改变银行系统的储蓄，从而增加(减弱)了银行贷款能力。一些客户因增加(裁减)了银行借贷而增加(减少)了消费。这个渠道是借款者净值的特例，因为它集中于银行借贷的可得性。货币政策的影响力取决于银行能在多大程度上筹集相应的资金以抵消储备金的波动、客户和企业在多大程度上要依靠银行来解决它们的融资问题。最后，信贷配给机制。它集中于配给信用的非价格性，上面所讲的净值和银行借贷机制是这个理论的特例，它们都认为扩张或紧缩影响信用可得性，只不过信用配给假定允许一些非净值和抵押担保的因素影响信用可得性。信用配给在一个低效的法制经济或信用市场效率低的经济体中日益成为广泛使用的方式。因此，我们从这些角度去解释和比较不同地区经济中有关这些方面的数据，就可以发现统一货币政策在不同地区的效应是不同的。
二、影响我国货币政策效应区域差异的微观变量及其指标
总体上，上述四个理论所认为的许多结构性特征有利于我们比较在统一货币政策下不同地区经济行为的响应。当然要找到省际相关衡量指标是困难的，因此我们的初步探讨集中于可得的数据。下面将提供一些价格刚性、利率敏感性、信用状况以及银行贷款的可得性等方面的指标。弄清这些不同指标的意义，从中我们得出一些有关不同地区结构差异的初步结论。
第一方面：价格刚性差异。所有上述理论所普遍适用的一个因素是不完善的价格调整方式。对于货币冲击，如果不同地区价格调整快慢不同，那么将导致不同地区产出调整的不同。
1．工资变化指标。一般来说，国有集体部门具有工资下调的绝对黏性，即非国有部门的市场化工资黏性小于国有集体单位的工资黏性。进而推出现实中能反映这一问题的两个指标，即“非国有部门的产出/国有部门的产出”和“非国有部门的从业人数/国有部门从业人数”，这样就可以区分出不同地区的价格黏性强度大小，从而部分测度到不同地区货币政策效应差异。
2．价格变化指标，用“第一产业产出/总产出”来衡量，可以部分说明价格是否具有黏性。因为食品类商品占物价统计的权数最大，达50％。因此，粮食等第一产业产出比重大小就部分决定着价格黏性强度大小，从而影响货币政策效应的大小。
第二方面：利率传导效应差异。当涉及到利率敏感性问题时，人们通常会感到使用计量经济学较困难，这是因为要区分结果是否由特定模型选择或真实行为差异所引起，是不容易的。因此，我们所提供的一些证据仅仅考虑了问题的第一步，即尝试通过几个有关利率敏感性指标来推导出我们的判断。
1．占用资金成本指标，可用“平均固定资产/GDP”来反映。如果一个地区有更高的资本一产出比，那么货币政策在这个地区就有更强的影响力。因为预期利率的变化对于高投资地区来讲是很重要的，微小的利率变动都将较大地影响到资金成本的变动。然而，各省市区的固定资产数据难以获得，而且我国许多固定资产投资是由政府财政性投资，其对利率的敏感性较弱。因此，本文使用“短期借款/全部借款”作为替代衡量指标，因为有更多短期债务的地区也许更期望利率更快变化来影响借款成本。
2．产业利率弹性指标，用“工业总产值/GDP”来衡量，因为不同产业的利率敏感性是不同的。例如，相对服务业、农业而言，工业对利率波动的反应更敏感。因此，各地区的产业结构不同则地区间的利率弹性也不同，将来有关统计数据可得的时候，我们将用“制造业增加值/GDP”来代替上述指标。
另外，还有货币市场化程度指标，用“金融票据融资余额/各项贷款余额”、“债券融资余额/各项贷款余额”来衡量。但由于我国金融票据、债券市场发展普遍滞后，其融资额也不大，而且各省市数据较难获得，因此本文没有将这项指标纳入。今后统计数据允许的话，再纳入衡量指标体系。
第三方面：净值传导效应差异。从净值传导理论看，我们应当关注抵押水平与信用市场效率高低，考虑到各省市区各金融机构的信贷抵押水平的数据难以获得，本文仅从信用市场效率指标来衡量。
信用市场效率越高，则抵押水平越低，受到借贷的净值约束越少。本文使用三个指标来间接反映信用市场效率高低，进而说明抵押水平差异所导致的净值传导效应的差异。一是“外商直接投资/GDP”指标，理由是外商直接投资多的地区其投资环境如信用、法律环境、基础设施等优于外商直接投资少的地区；二是“金融活跃度”(地区私营企业数量/当期全国私营企业总量)指标，理由是基于这样一个逻辑：在区域民间金融发达或信用市场效率高的地区，人们创立企业的机会相对而言要大一些，那么，该地区的私营企业数量比之于金融不发达地区，可能更多些；三是“非国有企业短期贷款/金融机构贷款总额”指标，因为非国有企业外部融资困难与否，反映了一个地区是否存在金融压抑及其程度[3]。如果非国有企业通过银行融资越容易，则说明该地区金融压抑相对较弱，信用市场相对发达，反之则反。上述这些指标间接地反映了贷款抵押数量的多少，同时也反映出一个地区金融市场的深度。法律环境差或信用市场效率相对低的地区，往往其信用程度也相对较低，这就意味货币政策传导渠道不畅，货币政策影响力较弱。反则反之。
第四方面：银行借款渠道的传导效应差异，它是衡量银行贷款需求和供给的指标。
1．社会融资中银行重要性的指标，用“银行融资/全部融资”(由于数据可得性，本文使用基本建设和更新改造的资金来源中银行融资占比来反映)和“金融机构各项贷款余额/同期国内生产总值(国内生产总值信贷资金占用系数)”来衡量。另考虑到随着我国市场经济体制逐步完善，资本市场发育程度将是弱化银行融资重要性的主要因素，本文引入三个负向指标来说明这一点，即“公开股票筹资额/金融机构贷款”、“公开股票市场交易额/GDP”和“上市公司数/全国上市公司总数”。在不同的地区有一个明显的差异，即如果资本市场欠发达则导致银行主宰了金融体系，货币政策影响力较强，反之，货币政策影响力较弱。
2．银行贷款供给能力指标，用“非国有银行贷款额/全部金融机构贷款额”和“非国有金融机构吸收存款额/全部金融机构吸收存款额”来衡量。Kashyap和Stein发现在美国小银行与大银行相比，小银行与货币政策更紧密关联[4]。如果一个地区银行体系包括有许多小的而不是大的银行，则货币政策对该地区的银行贷款供给能力影响更大。
3．获得银行融资的企业边界指标，用“小企业产值/GDP”来衡量。一般来说，大企业都有几个银行的借贷关系，这也许可以帮助他们避免被某个陷入信用危机的银行所累，而小企业则仅仅只依赖于某一个银行，使货币政策更容易影响其信贷的可得性。
尽管上述所列举的指标与变量之间的联系或许是很松散的，但我们觉得有几个结论是可靠的。这些指标在不同地区存在明显的不同，而且它们似乎变化不大。因为这些特征对于货币政策传导机制很重要，它们所表现出来的这些差异似乎还会延续几年或者更长。如果一个地区存在高的固定资产或短期借款、差的合同履行表现、许多小企业、价格与工资刚性以及在金融体系中存在许多小型银行且金融体系主要由银行主宰，那么货币政策在这个地区就有很强的影响力。当然这些因素不一定在同一个地区同时出现，通常是在不同地区交织存在，例如，在东部有许多的小企业、小银行，但民间资本较丰裕，前者使货币政策效应增强，而后者则相反，它使货币政策效应变小。因此仅从个别因素无法推断不同地区的货币政策综合效应孰强孰弱，而需要综合地考虑各主要因素相互作用的最终结果，因此，有必要通过使用上述衡量货币政策地区效应指标来构建测度货币政策地区效应的相对指数。
三、货币政策地区效应相对指数的建立与结果分析
我们构建相对指数的方法是：首先选择处于通货紧缩的1998～1999年为样本期，以1998年为基期年份，就单个指标设定得分的最大值和最小值分别为10和0(货币政策效应最强的省份得分为10，
最低为0)，并根据每个省市的指标值确定它在0～10之间的得分，以形成与该指标相对应的单项指
标。再由属于同一方面的几个指标按照主成分分析法确定的权重合成方面指数，最后由4个方面指数
按主成分分析法确定的权重合成总指数。
根据指标数值高低与货币政策效应强弱的理论关系，计算指标得分的公式可分为两大类。当指数值高低与货币政策效应强弱正相关时，则这些指标的得分采用第一个公式计算，即原始数据越高，指标得分越高，指标所体现的货币政策效应越强。第一个公式如下：
第i个指标得分=
其中V[,i]是某个地区第i个指标的原始数据，V[,max]是所有31个地区基年第i个指标的原始数据中数值最大的一个，V[,min]则是其中最小的一个。
当指标数值高低与货币政策效应强弱负相关时，则这些指标的得分采用第二个公式计算，即原始数据越高，指标得分越低，指标所体现的货币政策的效应越弱。第二个公式如下：
第i个指标得分=
经过上述计算处理，获得的指标得分、方面得分以及最终得分均与货币政策效应强度正相关，即得分越高，货币政策效应越强，反之则低。表1是使用主成分方法计算的各级指标权重。从表1可以看出，价格刚性指标权重不大，这是由于随着市场经济体制不断深化，各地区价格刚性逐渐减弱，导致其重要性相对下降；而利率渠道与信贷渠道的权重较大，说明它们是导致我国货币政策区域效应差异的主要原因。
从表2可以看出，31个省市区在1999年货币政策效应指数的平均值为5.45，比1998年略上升了0.02，说明以扩张的货币政策应对通货紧缩是有效的。1999年货币政策效应指数排序的前10位是：江苏(1)、天津(2)、广东(3)、浙江(4)、上海(5)、河南(6)、吉林(7)、甘肃(8)、山西(9)、河北(10)。前10位中有6位是东部沿海省市。其中，江苏、天津、广东、上海、浙江稳定地排列在前10位，而且名次与1998年相比变化不大。
1999年货币政策效应指数排序在11～20位的省市是：山东(11)、云南(12)、贵州(13)、宁夏(14)、北京(15)、江西(16)、辽宁(17)、安徽(18)、陕西(19)、湖北(20)。这10个省份中，东部、中部、西部省市分别各占3个、3个、4个。
1999年货币政策效应指数排序在21～31位的省市是：新疆(21)、湖南(22)、内蒙(23)、重庆(24)、黑龙江(25)、青海(26)、福建(27)、广西(28)、四川(29)、海南(30)、西藏(31)。这11个省份以西部省份居多。福建排位靠后可能是原始统计数据有误。
从总体上看，从1998年到1999年全国各省市区的货币政策效应量化指标相对稳定，但也有一些变动。首先，排名发生正负变化最大的是北京，上升达11位，且得分提高幅度最大为0.52，可能的解释是：北京为申办奥运会而加大城市基础建设，带动了相关产业发展与总需求的增加，北京当年的通货膨胀水平-1.2％，为全国最高水平为。其次，排名发生正负变化在6～7位的有黑龙江、辽宁、宁夏三省区；再次，排名发生正负变化在3～5位的有浙江、吉林、贵州、甘肃、陕西、安徽、重庆、江西、新疆、湖北、四川等11省市区，除东部的浙江外，中西部省份大多是呈负向变化；再次，排名发生正负变化在1～2位的有天津、河北、山西、江苏、福建、山东、广西、海南、西藏、青海等10个省市区；最后，排名未发生变化的有上海、河南、湖南、广东、云南等5个省市。
从得分变化看，相对于1998年，1999年大多数中西部省份的得分都有下降，而东部大多数省份则相反，呈上升势头，而且无论是1998年还是1999年，东、中、西部地区的货币政策效应都存在明显差异。三个地区1999年综合指数平均得分分别是5.74、5.52、5.14，以东部最高，中部次之，西部最低。东中部差距为0.22，中西部差距为0.38。这可能是不同区域的市场阻力与其发达程度高度相关，且对政策变量的反应弹性也不对称，中西部地区的政策传导阻碍远大于东部地区，所以货币政策的“绳子效应”使中西部地区的扩张政策反应弹性小于紧缩政策反应弹性，而东部地区对紧缩政策的反应弹性小于扩张政策的反应弹性，东部在面对扩张货币政策的反应弹性要强于中西部，从而使东部省份呈正向变化的同时，中西部省份却呈反向变化，这一点也可从指标体系中得到说明。在东部地区影响货币政策的小企业、小银行多和制造业发达等因素的正向影响大于价格刚性下降和资本市场发达等因素对货币政策的负向影响，从而使东部对货币政策反应较为强烈。
四、简要的结论
本文从货币政策的微观基础层面上将影响货币政策效应的因素分离出来独立研究，并根据不同时期、不同经济运行环境赋予不同的值，给予了量化。通过对量化指标值的分析，可以知道货币政策在什么情况下有效，在什么情况下无效，以及哪些因素起的作用大，这样既可以避免过去那种笼统地判断货币政策无效或有效的传统研究范式，同时也对不同时期影响货币政策地区效应差异的因素有了更具体地认识和理解。因此，货币政策地区效应评价指标体系的建立，为今后进一步分析统一货币政策在各地区之间的效果及其科学评价提供了一个简单易行的工具和参考依据。它可以与樊纲等人建立的市场化指数结合起来，从而更加全面地说明各地区之间经济增长差异的原因，并使货币政策在协调区域经济发展方面发挥更大的作用。当然本文所构建的指标体系还存在一些不足，例如没有考虑到我国转型时期地方政府、各地区进出口和作为中间投入品的房地产等因素对货币政策传导的影响，在以后的研究中还需作进一步的讨论。
表2各省市货币政策地区效应量化指标排序和评分：1998～1999
地 区 1998年排序 1999年排序 排序变化 1998年评分 1999年评分 评分变化
天 津 12-1 6.476.58
0.11
江 苏 21 1 6.446.68
0.24
广 东 33 0 6.416.50
0.09
吉 林 47-3 6.215.92 -0.29
上 海 55 0 6.135.99 -0.14
河 南 66 0 6.105.97 -0.13
浙 江 74 3 6.026.22
0.20
山 西 89-1 5.775.770
山 东 9
11-2 5.745.66 -0.08
贵 州10
13-3 5.635.55 -0.08
河 北11
10 1 5.595.73
0.14
云 南12
12 0 5.505.61
0.11
甘 肃138 5 5.425.80
0.38
陕 西14
19-5 5.415.37 -0.04
安 徽15
18-3 5.395.37 -0.02
新 疆16
21-5 5.385.32 -0.06
内 蒙17
23-6 5.385.24 -0.14
黑龙江18
25-7 5.385.11 -0.27
江 西19
16 3 5.315.45
0.14
宁 夏20
14 6 5.275.54
0.27
重 庆21
24-3 5.235.14 -0.09
湖 南22
22 3 5.215.24
0.03
辽 宁23
17 6 5.205.42
0.22
湖 北24
20 4 5.155.37
0.22
四 川25
29-4 5.144.58 -0.56
北 京26
1511 4.975.49
0.52
广 西27
28-1 4.844.69 -0.15
青 海28
26 2 4.834.93
0.10
福 建29
27 2 4.734.88
0.15
西 藏30
31 -14.06
3.93
-0.13
海 南31
30 1 4.034.030
全国平均 5.435.45
0.02
东 部 5.615.74
0.13
中 部 5.565.52 -0.04
西 部 5.175.14 -0.07