经济政策不确定性对货币政策调控有效性的影响
王 伟 强
(郑州大学 商学院，河南 郑州 450001)
摘 要： 基于交互VAR模型实证检验经济政策不确定性对我国货币政策有效性的作用，研究结果表明：(1)经济政策不确定性对我国价格型与数量型货币政策有效性同时存在显著影响，经济政策不确定性的上升会大幅削弱货币政策对宏观经济的调控效果；(2)当经济政策不确定性较高时，价格型货币政策对产出、消费和投资的刺激作用会明显减小，经济政策不确定性的上升甚至导致价格型货币政策对物价的作用方向发生了变化；(3)数量型货币政策对产出、消费和投资的刺激力度小于价格型货币政策，但经济政策不确定性的上升并未改变数量型货币政策对物价的作用方向。因此，我国各类经济政策的制定应更加注重连续性和稳定性，逐步降低政策调整的频率和随机性。同时政府应根据宏观经济形势的变化，灵活选择货币政策工具，准确把握政策实施时机，以提高政策调控的效率和质量。
关键词： 经济政策不确定性；货币政策冲击；交互VAR模型
一、引言及文献综述
当前，我国经济在外部和内部面临诸多挑战，在国际方面，中美贸易摩擦、美联储加息缩表、新兴市场经济波动等突发因素对我国外贸发展和市场预期造成了一定消极影响；在国内方面，地方政府债务、资本市场、房地产行业、产能过剩等长期累积的风险和压力，加剧了中央政府实施宏观经济调控和出台各项政策的偶然性，从而导致企业、个人等经济活动主体不能准确把握政府是否、何时以及如何调整现行的经济政策，由此产生经济政策不确定性。经济政策不确定性通过影响微观个体的经济行为反过来又会加深宏观经济活动的复杂性，给中央和地方政府精准有效调控国民经济增加新的难度。面对这种双重挑战，货币政策作为中央银行进行宏观经济调控的主要手段，其实施效果是否会受到我国经济政策不确定性的影响？根据伯南克(1983)、迪克西特和平狄克(1994)、布鲁姆(2009)等提出的部分投资不可逆理论，经济主体因受到不确定因素的影响，通常会推迟投资决定，以等待更为确切的市场信息或更加有效的投资需求，而这种谨慎行为将使得经济主体对利率变化的反应变小，进而大幅削弱货币政策的调控效果[1][2][3]。一些学者甚至认为自2008年金融危机以来，全球经济复苏缓慢，经济政策效果不佳，都与政府频繁干预经济和不断调整政策内容而引发的经济政策不确定性存在关联。
通过梳理现有文献，国内外学者大多从理论和实证层面直接考察了经济政策不确定性对宏观或微观经济活动的影响。并没有过多关注经济政策不确定性对货币政策有效性所造成的冲击，只有少数学者对这两者的关联性进行了数理模拟或实证检验。布鲁姆(2013)构造了一个具有非凸调整成本特征的DSGE模型，并数值模拟了扩张性宏观经济政策有效性与不确定性的关系[4]。巴赫曼等(2013)构造的结构模型估计结果表明，当经济政策不确定性处于较高水平时，价格调整趋于频繁，此时货币政策效果会有所减小[5]。巴利和布兰科(2015)研究了一个固定成本模型，在该模型中，不确定性被视作内生变量，最终结果同样发现，当不确定性初始水平较高时，货币政策冲击的影响将受到削弱[6]。在国内研究中，刘喜和等(2014)在开放条件下将不确定因素引入菲利普斯曲线模型，并数值模拟和比较分析了不确定冲击在最坏状态、忽略不计以及介于上述两者之间三种不同情形下数量型与价格型货币政策对国内通胀和产出的冲击效果[7]。段梅(2017)通过考察经济政策不确定性、货币政策以及企业信贷配置之间的关系，从微观视角实证分析了经济政策不确定性对我国货币政策有效性的影响[8]。杨铭和干杏娣(2018)以我国A股上市公司数据为例，采用面板模型研究了经济政策不确定性对货币政策就业效应的影响[9]。朱函葳(2018)通过对“蒙代尔不相容三位一体理论”不完全适用发展中国家的分析，提出应健全货币政策和宏观审慎政策双支柱调控框架，深化利率和汇率市场化改革，促进货币和资本市场健康发展，形成具有中国特色的宏观调控政策体系[10]。
上述针对经济政策不确定性对货币政策有效性影响的研究，一类是基于DSGE等结构模型进行的数值模拟分析，另一类是从微观层面或借助上市公司数据展开的计量检验。一方面缺乏从宏观视角考察经济政策不确定性对我国货币政策有效性影响机制的实证研究；另一方面少数文献采用的是线性计量模型，而根据刘金全(2002)、王立勇等(2010)、黄宪和王旭东(2015)等的研究，受到经济周期波动、政策或制度改革、个体行为偏好转变等因素的影响，货币政策对我国宏观经济层面的冲击效应具有显著的非对称特征或时变特征[11][12][13]。因此，我们有必要借助非线性手段进一步挖掘和探究我国货币政策有效性在经济政策不确定性处于不同区制状态下的动态变化过程。
鉴于现有实证研究经济政策不确定性对我国货币政策有效性影响的少量文献采用的都是微观上市企业数据，属于微观层面，本文拟从宏观层面实证考察经济政策不确定性对我国价格型与数量型货币政策宏观经济效应的作用机制。本文将采用一个非线性的交互VAR模型进行实证研究，该模型能够直接捕捉到经济政策不确定性对我国货币政策有效性的影响，与以往的普通线性回归模型和非线性VAR模型相比，交互VAR模型形式更加简单，不用识别门限值和估计转移函数，而且能够充分利用全样本信息，准确估计条件变量分布处于不同极端值时的脉冲响应函数，尽量减少自由度不足情况的发生。
二、理论机制分析
凯恩斯学派和供给学派都对货币政策冲击宏观经济的效应进行了较为系统的阐述，其中凯恩斯学派主要强调利率传导机制，即通过调整利率改变投资水平，进而对实际产出产生作用；而货币学派重点强调货币供给量对经济的影响，认为货币供给量的变化只有在短期内才会对实际产出造成冲击，在长期只会导致物价水平的波动，并不能影响产出水平。实际上，在短期由于存在有效需求不足，社会仍未达到充分就业状态，根据凯恩斯学派的流动性偏好理论，货币供给量变化首先会导致货币市场供求不平衡，继而会引起利率水平的波动，而利率变化最终会通过弹性途径和乘数效应传导至私人投资和实际产出，因此，无论是凯恩斯学派还是供给学派，两者都直接或间接地肯定了货币政策利率传导机制的重要性。
综合上述考虑，本文将同时选取价格型和数量型货币政策中介变量对经济政策不确定性背景下我国货币政策的有效性进行实证检验，其中价格型货币政策中介变量为三个月银行间同业拆借加权平均利率(cir )，数量型货币政策中介变量为广义货币供应量M2(cms )。这样，在本文构建的IVAR模型中，价格型货币政策模型和数量型货币政策模型的内生变量的具体排列形式依次为Y =[epu ，cpi ,gdp ,inv ,con ,cir ]′和Y =[epu ,cpi ,gdp ,inv ,con ,cms ]′。
假定经济中一共包含3个时期，在时期0，一个连续的企业家i 面对一项投资，投资成本为γ i ，并服从密度为1/α 的同一分布。如果进行投资，企业家在时期1和时期2得到的投资回报记作y ，其中获得高回报y h ，即y =y h 的概率为p ；而获得低回报y l ，即y =y l 的概率为1-p 。这两种投资回报率之间的差距定义为ω ，显然，经济政策不确定性水平越高，风险报酬ω 值越大，因此ω 可用于衡量经济政策不确定性的程度。当企业家在时期1得知投资回报y 的不确定性情况后，之前未进行投资的企业家此时会考虑在时期2是否进行投资。若企业家不进行项目投资，那么可将资本γ i 投资在其他无风险资产上，获得的收益取决于净利率r 。
在时期0，投资额γ i 的净现值为E (π i，0 )=E (y )/r +E (y )/r 2-γ i ，当投资推迟至时期1时，其净现值变为
这说明企业家即使推迟项目投资决策，也会将其资本投资在无风险资产上，而不会毫无利润。
通常情况下，当且仅当
≥0时，企业家才会在0时期进行投资。根据上述关系，我们得到个体投资决策的固定投资成本表达式，即企业家i 将会做出投资的条件为：
在分析价格型货币政策调控有效性的基础上，本文进一步以1个百分点的货币正向冲击为例，实证分析经济政策不确定性对数量型货币政策冲击效果的影响。如图3所示，面对货币供给增长冲击，物价、产出、投资和消费的脉冲响应函数与价格型货币政策具有明显不同，具体表现在：首先，货币扩张对实际经济活动的影响要小于利率冲击，而且在短期、中期和长期货币扩张对总产出、私人投资和私人消费的作用方向会出现波动，尤其是在经济政策不确定性处于较高水平时，这种情况更为突出，说明货币供给对实际经济活动的影响并不稳定；其次，当经济政策不确定性由较低上升至较高时，增加货币供给对总产出和私人消费的刺激过程并未出现很大变化，这与经济政策不确定性对利率政策调控有效性的影响存在显著区别；最后，从货币扩张对物价水平的冲击效果来看，数量型货币政策对物价的冲击方向较为稳定，增加货币供给能够显著促使物价水平上涨，但这种影响主要体现在中短期，在长期，货币供给对物价的冲击效果会逐渐消失，与此同时，在经济政策不确定性水平位于高位状态时，货币扩张对物价上涨的推动作用也要强于经济政策不确定性处于较低水平时的推动作用。
(1)
如果令i 0表示时期0所有企业家的总投资，那么加总后可得，
现在，具体考察经济政策不确定性是如何影响企业投资决策的。首先，通过求导有：
任何一个流行构式都是在某一具体流行语的基础上整合抽象而来，产生之后，由于使用的泛化，构式中的变项“X”会逐渐远离其原型中对应位置的词，从而使得构式的压制能力随着能产性的提高而不断增强[8]72。笔者认为任何流行构式的发展都会大体经历四个阶段，即潜伏期、发展期、高潮期和衰退期。
(2)
可见，经济政策不确定性程度越高，企业投资获得的低回报y l 将会越小，这样就扩大了企业家未来投资收益的分布范围，提高了企业做出错误投资决策的成本，从而导致更多的企业家为了获得更有效的市场信息做出推迟投资的决策，最终降低了私人投资水平，即经济政策不确定性产生了“投资推迟效应”。
第二，采用UT、PAUT检测：PAUT、UT检测原理与AUT一致，采用A扫描，只是AUT形成了专门工装，系统化。PAUT、UT检测根焊同样也需要对比试块（截取母材制作“金口”试块），唯一优势是可以变换探头角度。
其次，经济政策不确定性水平上升还会对货币政策的调控效果产生影响，通过二次求导简单整理可得：
任昌奎今年30多岁，是土生土长的彭水土家族自治县干田村人，大学毕业后，虽然一直在外经商，但家乡一直是他魂牵梦萦的地方；做生意积累起一定的资本后，就义无反顾地返乡创业来实现小时候的梦想。故乡的时刻召唤，竭尽全力改变她的落后面貌，是候鸟式返乡人才的家国情怀。
(3)
由于∂i 0/∂r <0，上式意味着经济政策不确定性的增强，会削弱货币政策对私人投资的影响，这可以用经济政策不确定性所引发的“投资谨慎效应”来解释。较强的不确定性会进一步加深企业家对未来投资的担忧和风险，根据公式(1)，利率上升主要通过提高E (y )和y l 的折旧值以达到刺激私人投资的目的，而经济政策不确定性水平的上升，会导致y l 和
下降，进而降低企业家做出投资决策的可能。
三、实证模型介绍
(一)模型的基本形式
鉴于在本文采用的IVAR模型中，条件变量为内生变量，我们采用库普等(1996)提出的广义脉冲响应函数进行变量冲击分析[15]。基于初始条件
时刻受到结构性冲击δ t 影响后，内生变量Y t 在未来h 期内的广义脉冲响应函数用条件期望可表示为：
IVAR模型的基本形式可表述为：
(4)
通过对价格型和数量型货币政策模型参数分别进行估计，便得到图1～4的脉冲响应函数。其中，图1为1个百分点负向利率冲击对各项变量的动态影响过程，图4为1个百分点正向货币冲击对各项变量的动态影响过程，因此二者都刻画了扩张性货币政策对宏观经济的冲击效果。同时为了更为清晰地观测经济政策不确定性与货币政策有效性的关系，图2和图4分别给出了在“高”“低”两种截然不同经济政策不确定性状态下，扩张性货币政策冲击对各个宏观经济指标的影响差异，图1～4中的虚线范围或灰色区域均表示经过3000次Bootstrap抽样得到的90%置信区间。
中晚熟品种在2月20日至3月10日生产菌段。早熟品种要在3月1～20日生产菌段。由于长白山区冬季气候比较寒冷，所以菌段要提前发酵，利于菌丝吃透木料和后熟，并有利于把生长弱或感染杂菌的菌段挑出来，回锅重新灭菌接种，降低坏菌段的数量，提高菌材利用率，为当年增收打下良好基础。
BoyzⅡMen成立于1988年，四个成员都是费城音乐学校的学生，当他们发现四个人的声音混和在一起要比一个人独唱悦耳得多的时候，他们走到了一起。BoyzⅡMen将20世纪60年代的Matown音乐加入了更为丰富的内涵，使这一曾经备受人们喜爱的音乐形式重新受到了乐迷们的青睐。作为田园歌手代表的BoyzⅡMen崇尚朴实自然，有清水芙蓉般的曲风。乐队还擅长演绎多种风格的情歌、DOO-WOP、R & B及节奏舞曲。
尝试将创业教育的内容纳入到专业课程体系，鼓励专业教师开设专业类创业教育的选修课程，从而惠及全体在校大学生。
在本文构建的IVAR模型中，内生变量Y =[epu ,cpi ,gdp ,inv ,con ,cmp ]′，各个变量的具体含义会在下文进行详细说明，通过实施传统乔利斯基分解形式的短期约束可以对货币政策冲击予以识别。上述内生变量的排列次序意味着货币政策在当期会受到其他各项变量的影响，但反过来货币政策不会对其他各项变量造成当期影响，因此，货币政策的冲击效应将存在一期滞后，这也是现有采用递归式结构识别货币政策冲击的常见做法，而且与我国货币政策作用实践具有一定的时滞性基本吻合。
(二)广义脉冲响应函数的构建
本文将采用交互VAR(Interacted VAR，IVAR)模型来考察经济政策不确定性处于不同状态时，货币政策冲击的实际效果和变化情况。IVAR模型在传统的线性VAR模型基础上引入了一个交互项，在本文中，该交互项包含货币政策中介变量和经济政策不确定性代理变量两个内生变量，其中经济政策不确定性代理变量将作为条件变量，用于捕捉经济政策不确定性分别处于“高”区制(经济政策不确定性水平较高)和“低”区制(经济政策不确定性水平较低)两种状态时，货币政策对宏观经济变量的影响差异。
由于柱塞泵的冲次高达370次／min，在密封函内做往复运动的柱塞与其配合的盘根、导向环、弹簧座以及压套的摩擦力很大。随着运行时间的延长，它们之间的配合间隙不断加大，导致盘根刺漏严重，从而使密封失效，增大了泵的容积损失，降低了柱塞泵的效率。经过对部分具有代表性的柱塞泵的运行情况的统计分析，得出以下结论：在343次停泵工况中，由盘根漏失造成的停泵206次，占总停泵次数的60.1%；由柱塞磨损造成的停泵105次，占总停泵次数的30.6%；由其他因素造成停泵32次，占总停泵次数的9.3%。
(5)
广义脉冲响应函数使本文能够基于交互项的迁移变化实时跟踪系统所有内生变量的动态响应过程，同时借鉴基利恩和维格富森(2011)的研究，在计算广义脉冲响应函数时采用正交残差识别货币政策冲击[16]。
习近平提出“培养担当民族复兴大任的时代新人”的同时，又在报告中指出，“要全面贯彻党的教育方针，落实立德树人根本任务，发展素质教育，推进教育公平，培养德智体美全面发展的社会主义建设者和接班人”[1]45。党中央提出“时代新人”重要范畴，是否要将培养“社会主义建设者和接班人”这一教育工作的根本任务进行调整呢？“时代新人”与“社会主义建设者和接班人”二者之间到底是什么关系？目前，学界对此看法不一。有学者认为：“培养能担当民族复兴大任的时代新人，其内涵就是培养社会主义建设者和接班人。”[9]笔者认为，二者既有区别又有联系，不能简单等同。
(三)变量的定义与数据的处理
本文分别从经济政策不确定性、物价、产出、消费、投资、货币政策等六个方面选取代理变量纳入基准模型进行脉冲响应分析。由于GDP数据属于季度数据，同时我国在1996年1月才发布银行间同业拆借加权平均利率，各个变量将统一采用或转化为季度频率，相应的样本区间为1996年第1季度至2017年第4季度，所有数据都来源于中经网统计数据库。
经济政策不确定性指标(epu )采用贝克等(2016)构造的经济政策不确定性(EPU)指数，该指数由斯坦福大学和芝加哥大学项目组联合编制而成，覆盖范围涉及美国、日本、韩国、加拿大、欧盟、俄罗斯、中国等多个国家及地区，数据具有较好的连续性和时变性，大量实证研究也证明该指数与各国经济政策的波动状况高度吻合，因此获得广泛应用[17]。EPU指数主要基于香港最大的英文报纸《南华晨报》报道内容，首先通过搜索关键词组的形式甄选出描述中国经济政策不确定性的文章数量，计算统计这类文章占当月发布文章总数的比例，然后再将时间序列数据转化为均值等于100的标准化月度数据，最后得到自1995年1月至今的中国经济政策不确定性指数，本文最终使用通过算术平均的我国季度经济政策不确定性指数。
Ea和Eb为单独用药时的抑制率，Ea+b为联合用药抑制率。Q值小于0.85认为具有拮抗作用，大于0.85小于1.15时认为具有相加作用，大于1.15时认为具有协同作用。
物价(cpi )采用CPI环比数据表示，考虑到国家统计局在2001年之后才开始公布月度CPI环比数据，为此，本文结合1996～2001年月度CPI同比数据，推算得到1996～2017年CPI环比数据，并参照马文涛和魏福成(2011)等的处理方法，将同一季度内三个月环比CPI数据进行累乘，最终得到季度CPI环比数据[18]。在实际经济活动方面，由于GDP只有季度频率数据，为此，国内学者普遍采用工业增加值替代国内生产总值，这种做法在数据频率和信息获取上有一定优势，但工业增加值并不能准确反映我国总体经济运行情况，基于上述考虑，本文仍然采用国内生产总值来刻画我国总体产出情况(gdp )。鉴于国内尚未公布私人消费和私人投资的官方数据，本文借鉴陈守东和杨东亮等(2009)、项后军和周宇(2011)等的研究，将社会消费品零售总额作为私人消费(con )的代理变量[19][20]；同时参考杨子晖(2008)、王云清和朱启贵(2012)等的做法，将国内贷款、利用外资、自筹资金以及其他资金的总和表示私人投资(inv )[21][22]。产出、私人消费和私人投资三个变量都运用1992年第1季度为基期的季度CPI定基比数据进行平减，并基于X12方法剥离了季节因素的影响，同时为了消除异方差，物价、产出、私人消费和私人投资变量都经过对数化处理。
关于货币政策变量的选择，现有学者大多基于货币政策中介目标，利用相应的工具变量考察了货币政策的宏观经济效应[13][23]。从货币政策调控的中介目标来看，货币政策工具变量包括市场利率和货币供应量两种类别，这两类变量分别属于价格型和数量型调控手段，国际上大多采用市场利率研究货币政策的有效性。我国在1996年开始将货币供应量作为货币政策中介目标，此后伴随我国利率市场化进程的加快推进，越来越多的学者认为货币供应量已经不再适合作为货币政策中介目标。但鉴于我国金融市场体系尚未完善，货币供应量仍然是中央银行实施宏观经济调控的重要手段。
基于上述理论，本文首先借鉴布鲁姆等(2013)、阿斯维特(2017)等的研究，通过一个简化的数理模型，在局部均衡条件下对经济政策不确定性影响货币政策利率传导有效性的具体路径进行推导，为后续的实证检验提供一个可行的分析框架[4][14]。
(四)模型的设定与检验
IVAR模型虽然涉及变量非线性，但模型参数是线性的，并且不依赖于不可观测变量或冗余参数，因此，我们仍然可采用OLS方法对IVAR模型参数进行估计。在估计模型参数之前，第一步要确定模型的滞后阶数和进行非线性特征检验，本文一方面参考伊万诺夫和基利恩(2005)、胡拉多等(2015)的研究，采用HQ准则确定IVAR模型的最优滞后阶数；另一方面利用LM检验确定实证模型是否具有非线性特征[24][25]。检验结果显示，根据HQ准则，价格型货币政策IVAR模型的最优滞后阶数L =2；LM统计量等于19.4268，对应P值为0.0787，在10%的显著性水平下拒绝了线性VAR模型原假设；与此同时，数量型货币政策IVAR模型的最优滞后阶数L =1，LM统计量等于15.7251，对应P值为0.0153，在5%的显著性水平下拒绝了线性VAR模型原假设。可见，本文选择IVAR模型进行实证研究是合理的。
与以往研究常用的门限VAR(Threshold VAR，TVAR)模型和平滑迁移VAR(Smooth-Transition VAR，STVAR)模型不同的是，IVAR模型借助二次交互项的形式来刻画模型的非线性特征，而不是通过同时结合两个或多个不同区制的线性VAR来描述模型的非线性特征。IVAR模型的优势具体体现为：首先，IVAR模型可以直接捕捉到货币政策有效性与经济政策不确定性之间的非线性关联机制，而不必估计过多参数和运算较为复杂的模型，而且既不需要识别门限值，也不用估计转移函数，模型形式十分简约，可有效解决估计结果不稳定难题；其次，由于采用不同的子样本信息，导致TVAR模型系数在各区制之间会表现出跳跃、突变过程，而IVAR模型估计始终基于全样本信息，能够更加精准地估计条件变量分布处于不同极端值时的脉冲响应函数，同时尽量减少自由度不足情况的发生。
关于交互变量经济政策不确定性两种不同区制的划分，本文主要参考布鲁姆等(2007)的研究，将EPU指数数据分布的上85%～95%分位点和下5%～15%分位点之间的数据样本分别用于刻画经济政策不确定性的“高”区制和“低”区制两类状态[26]。
四、实证结果分析
(一)基准模型结果分析
其中，Y t 表示n ×1维的内生变量，α 表示n ×1维的常数项，γ 表示时间趋势项的n ×1维斜率系数，A j 为n ×n 维的稀疏矩阵，u t 为n ×1维的随机误差项，其方差协方差矩阵等于Ω。上式括号中的交互项将传统的线性VAR模型转化为非线性VAR模型，c j 表示n ×1维的交互项系数，epu t 和cmp t 分别代表经济政策不确定性代理变量和货币政策中介变量。
图1两种经济政策不确定性状态下各变量对利率冲击的响应
根据图1的脉冲响应函数可以发现，在经济政策不确定性处于不同水平时，物价、产出、投资和消费对1个百分点利率负向冲击的响应过程会呈现截然不同的变化趋势。从实际经济活动情况来看，虽然在经济政策不确定性水平处于“高”“低”两种不同状态下，利率下降都会有效刺激总产出、私人投资和私人消费的增长，但利率下调对总产出、私人投资和私人消费的促进作用在经济政策不确定性上升后出现明显减小。具体而言，当经济政策不确定性处于较低水平时，总产出、私人投资和私人消费在利率冲击后的最大脉冲响应值大约分别为1.5%、4%和1%；经济政策不确定性达到较高水平时，总产出、私人投资和私人消费在利率冲击后的最大脉冲响应值分别下降至0.5%、1%和0.5%左右，两者之间的差距十分明显。上述结果意味着经济政策不确定性对我国价格型货币政策的有效性产生了重要影响，经济政策不确定性水平的上升的确削弱了价格型货币政策对实际经济活动的调控效果。
利率下降对私人投资的促进作用在经济政策不确定性水平上升后出现大幅缩水，这也证实了前面理论机制分析所得到的结论，说明由于部分投资的不可逆性，经济政策不确定性所引发的实物期权效应导致企业投资对利率变动的反应显著下降。当政策不确定性处于较高水平时，企业对期权价值的观望态度会较为强烈，继而会推迟未来投资，此时，即使政府采用比较有力的刺激政策，如下调利率、增加支出等，投资、产出等经济活动也会变得无动于衷、反应迟钝。
关于价格型货币政策对物价的冲击，与产出、消费和投资等实际经济变量的脉冲响应函数较为相似的是，当经济政策不确定性水平较高时，利率政策对物价指数的影响也会受到明显削弱，而且在冲击发生1年后，利率下降对物价的作用方向在经济政策不确定性处于“高”“低”两种不同状态下甚至恰好相反，但这种情形在冲击发生4年后，长期内无论经济政策不确定性水平如何变化，利率下降都将推动物价上涨。值得注意的是，在冲击发生后的1年内，利率下降最初反而会引起物价水平下降，之后脉冲响应函数才逐步从负向响应过渡至正向响应，并且当不确定性较高时，从物价下跌转变至物价上涨的过程会明显拉长。
上述利率变化对物价指数的冲击过程，从某种程度上印证了“价格之谜”在我国存在的可能性，说明在一定条件下，紧缩性货币政策反而有可能引发通货膨胀，而扩张性货币政策也有可能导致通货紧缩。现有的研究主要从供给或成本角度对“价格之谜”做出了解释，考虑到短期利率通常会对企业边际成本产生影响，许多学者从营运资本渠道阐述了“价格之谜”的形成过程。如克里斯蒂亚诺等(2005)认为企业在取得销售收入或打开销路之前，一般需要借款预先支付原材料、劳动力、固定资本、技术等生产要素的价格，而利率下降会降低企业的借贷成本，这就为企业降低产品价格提供了依据，导致物价短期下行[27]。
图2中展示了经济政策不确定性处于较低和较高两种不同状态时，利率冲击对物价、产出、投资以及消费等宏观经济变量的影响差异。显然，随着经济政策不确定性水平的上升，利率政策对产出、投资以及消费的传导效应会受到明显削弱，在经济政策不确定性水平较低时，通过调整利率能更有效地刺激总产出、私人投资和私人消费的增长。从两种经济政策不确定性状态所导致的利率冲击效果差异来看，私人投资的变化幅度最大，在利率冲击发生2年后，私人投资对利率下降的脉冲响应值差距达到3.5%左右；总产出在受到利率下调冲击后的6个季度基本达到差异最大值，约为1.2%；而私人消费对利率下调的脉冲响应值之差的最大值约为1%，发生在利率冲击后的第3年。由于利率下调对物价指数的影响在短期和长期变化较大，因此，借助利率政策来调控物价，治理通货膨胀或防止通货紧缩，有必要采取更加审慎的操作方式，否则有可能导致政策调控失灵，背离既定调控目标。
图2两种经济政策不确定性状态下各变量对利率冲击的响应差距
γ i 
模板是一种特殊的文档。在对多个有相同格式的文档进行排版时，可以先定制一个模板文件，每次排版时都可以使用它。比如我们创建好了毕业论文的格式，就可让大家共享，避免重复性的格式设置。
图3两种经济政策不确定性状态下各变量对货币冲击的响应
经济政策不确定性处于“低”“高”两种不同状态时，增加货币供给对物价、总产出、私人投资和私人消费的影响差异。就脉冲响应函数的数值表现来看，每增加1%的货币供给对物价水平、总产出、私人投资以及私人消费的冲击效应，在两种状态下的差距最大值分别出现在冲击发生后的2年、1年半、5年和3年，相应的脉冲响应差值依次约为0.05%、0.03%、0.1%和0.02%，通过脉冲响应函数差异的最大值可以看出，经济政策不确定性对我国数量型货币政策有效性同样存在显著影响，货币政策的调控作用表现为下降，见图4。
图4两种经济政策不确定性状态下各变量对货币冲击的响应差距
(二)稳健性分析
任何一个计量模型都有局限性，虽然IVAR模型已经证实经济政策不确定性的确会对我国货币政策有效性产生较大程度的影响，但该结果是否稳健可靠则有待进一步检验。为此，本文通过反事实分析、调整内生变量排序、采用替代模型再次检验三种方式对上述IVAR基准模型的实证结果进行稳健性分析。
1.反事实分析
考虑这样一种情形，如果将经济政策不确定性始终保持在“低”区制状态，那么我国货币政策对物价、产出、投资和消费的冲击效应会发生怎样变化？具体而言，我国经济政策不确定性在2011年下半年到2012年和2014年到2017年这两个阶段一直处于高位，假定这段时期经济政策不确定性并未达到这么高水平，而是被设定为低水平状态，那么我们便可以直观地观察经济政策不确定性对货币政策有效性的实际影响，这便是反事实分析法的基本思路。如图5所示，利用反事实分析法分别得到利率冲击的脉冲响应函数(第一行)和货币冲击的脉冲响应函数(第二行)。
Model Builder在建设用地报批线状地物面积自动扣除中的应用 张海龙，赵耀龙，叶 璐(3-8)
夏冰举着手枪退出来，又轻轻打开旁边一间卧室，还是没人。另一间是书房，满架高高低低的图书，一些横放着，一些竖放着，上面还散乱着一些笔筒、镇纸之类的小物件。四壁都挂着画，全是雪萤的画像，有正面，有侧面，还有背影，有一张两个人牵手在一起，一个是雪萤，一个是范坚强，画成婚纱照的样子。夏冰愤愤地把这幅画从墙上扯下来，摔在地上，又在范坚强的画像上踩了几脚。
图5 货币政策冲击：反事实分析
在图5中，当经济政策不确定性被事先设定为较低水平时，面对利率冲击和货币冲击，物价水平、总产出、私人投资和私人消费的动态响应过程与基准模型中经济政策不确定性水平处于“低区制”状态下的响应过程都比较接近，冲击力度基本都大于不确定性处于“高区制”状态下的脉冲响应，可见，反事实模拟分析结果与前文基准模型得到的结论一致。也即经济政策不确定性的确对我国货币政策有效性造成了显著影响，当不确定性水平较高时，我国货币政策对实际经济活动的调控效果会大幅缩水，尤其对价格型货币政策。
农业生产标准化程度提高。随着现代农业的发展，农产品的供给由数量型开始向质量型转变。伴随着品牌经营的是农业生产的标准化和规模化。各无公害认证企业在发展无公害农产品时，不再沿袭传统的粗放式生产手段，而改为统一模式、统一规格、统一生产标准的标准化生产和规模化生产，既降低了生产成本，也提高了生产水平。
2.调整内生变量排序
在乔利斯基分解识别方法下，内生变量的不同排序对应的当期影响关系是相同的，本文IVAR基准模型的变量排序Y =[epu ,cpi ,gdp ,inv ,con ,cmp]′意味着经济政策不确定性不会受到货币政策冲击的当期影响，虽然这与现有文献的做法一致，但这种设定方式对基准模型的实证结果存在多大影响需要进一步检验。为此，本文对内生变量进行重新排序，具体为Y =[cpi ,gdp ,inv ,con ,cmp ,epu ]′，图6给出了相应的脉冲响应函数，其中上下两行分别为利率冲击的脉冲响应函数和货币冲击的脉冲响应函数。
图6 货币政策冲击：调整变量排序
重新调整变量排序后，物价水平、总产出、私人投资和私人消费对货币政策冲击的响应函数与基准模型基本吻合。经济政策不确定性上升时，货币政策对产出、投资和消费等实际经济活动的影响仍会出现不同程度的下降，与数量型货币政策相比，价格型货币政策对实际经济活动的调控效果更为有效，数量型货币政策对总产出、私人投资和私人消费的作用力度有限，并且短期和长期作用方向会发生变化；但对物价调控而言，数量型货币政策的作用方向较为稳定，增加货币供给在一定时期会提高物价水平，经济政策不确定性对物价调控方向的干扰性不强。与基准模型相同的是，利率政策的变化依然能产生明显的“价格之谜”现象。
3.货币政策效应的时变性分析
本文将采用一个带有随机波动率的时变参数向量自回归(TVP-SV-VAR)模型实证检验价格型和数量型两类货币政策冲击的时变影响，该模型虽然不能直接刻画货币政策有效性与经济政策不确定性之间的关联机制，但通过比较经济政策不确定性指数处于较高和较低区间的货币政策冲击效应，可以间接检验IVAR基准模型结果的稳健性，关于TVP-SV-VAR模型参数的基本原理可参见普里米切里(2005)、中岛(2011)的研究[28][29]。本文构建的TVP-SV-VAR模型的变量排列次序与IVAR模型保持一致，即在价格型货币政策模型中y =[epu ,cpi ,gdp ,inv ,con ,cir ]′，数量型货币政策模型中y =[epu ,cpi ,gdp ,inv ,con ,cms ]′。
在估计上述两个模型参数之前，本文首先利用AIC、BIC、HQ等选择准则确定两个VAR模型的滞后阶数均等于2，然后对两个模型进行30000次的MCMC抽样模拟，最终得到模拟参数的估计结果。图7上下两行分别表示利率冲击和货币冲击背景下经济政策不确定性处于“高”区制和“低”区制时期各个时点脉冲响应函数的均值变化趋势。
图7 货币政策冲击：时变模型分析
通过图7可以发现，当经济政策不确定性处于较高和较低两种不同状态时，扩张性货币政策对物价、产出、投资和消费的影响将发生较大变化。具体而言，当不确定性水平较低时，价格型货币政策对产出、投资和消费等实际经济活动的长期促进效用始终较大；当不确定性水平较高时，数量型货币政策对总产出、私人投资和私人消费的刺激作用不仅会变小，而且长期内会演化为负向作用，以致对私人投资和私人消费会形成一定的挤出效应。价格型货币政策对物价水平具有短期负向影响和长期正向影响进一步验证了货币政策的“价格之谜”现象在中国是成立的。故此，TVP-SV-VAR模型的实证分析结果与IVAR基准模型得出的结论大体一致，本文得出的研究结果具有较强的稳健性。
四、结论与启示
本文首先在局部均衡条件下，借助一个数理模型对经济政策不确定性影响货币政策有效性的作用机制进行了理论分析；然后基于贝克等(2016)构造的经济政策不确定性指数[17]，利用交互VAR模型实证考察了经济政策不确定性处于“高”“低”两种不同状态时，价格型货币政策和数量型货币政策对我国物价、产出、投资和消费等宏观经济活动的影响差异，继而揭示了经济政策不确定性与我国货币政策有效性之间的关系；最后分别通过反事实分析、调整内生变量排序以及采用TVP-SV-VAR模型再次检验三种方式对交互VAR基准模型实证结果的稳健性进行了验证。根据实证分析结果，本文主要得到以下两点结论：
第一，价格型货币政策和数量型货币政策的有效性都受到了经济政策不确定性的影响，经济政策不确定性水平的上升会明显抑制货币政策调控的有效性；当不确定性水平较高时，利率下调和货币扩张对总产出、私人投资和私人消费等实际经济活动的刺激效果都会受到不同程度的削弱；与数量型货币政策相比，价格型货币政策对总产出、私人消费和私人投资的调控作用更加有力，而且价格型货币政策有效性受到经济政策不确定性的不利影响相对更大；数量型货币政策对总产出、私人投资和私人消费的影响力度和作用方向在短期和长期会发生变化，尤其在经济政策不确定性水平上升时，这种变化更为明显。
第二，价格型货币政策对物价的短期作用方向和长期作用方向恰好相反，说明利率政策的变化产生了“价格之谜”现象，而且经济政策不确定性水平较高时，会拉长“价格之谜”现象的形成过程，但数量型货币政策对物价的作用方向并未受到经济政策不确定性变化的影响，货币扩张始终能促进物价的上涨；与此同时，当经济政策不确定性处于较高水平时，利率下降对物价水平基本都保持负向冲击，而当不确定性处于较低水平时，利率下降对物价的短期影响为负，长期影响始终为正，说明经济政策不确定性不仅会弱化利率政策对物价的冲击力度，并且能改变利率政策对物价的作用方向。
就政策含义而言，首先，考虑到经济政策不确定性对我国货币政策调控的有效性具有显著影响，为实现“调结构、稳增长”目标，在处理和消化地方性债务、资本市场泡沫、汇率波动等关键领域风险与难题时，各类经济政策的制定应更加注重连续性和稳定性，尽量对公众和企业的预期和判断做到有效引导和积极暗示，进一步提高产业、财政、货币、汇率等政策制定和实施的透明度，逐步降低政策调整的频率和随机性；其次，由于经济政策不确定性处于高低不同状态时，货币政策的调控效果会受到大幅削弱，而且价格型货币政策和数量型货币政策的反应存在较大区别，为此，应根据宏观经济形势的变化，灵活选择货币政策工具，准确把握政策实施时机，提高政策调控效率和质量；当经济政策不确定性水平较高时，采取数量型货币政策能更好地启动物价，而当经济政策不确定性水平较低时，利用价格型货币政策刺激产出增长和促进私人经济发展则更加有效。
参 考 文 献
[1]Bernanke B S. Irreversibility, uncertainty,and cyclical investment[J].The Quarterly Journal of Economics, 1983,98(1):85-106.
[2]Dixit A K, Dixit R K,Pindyck R S,et al.Investment under uncertainty[M].Princeton university press,1994.
[3]Bloom N.The Impact of Uncertainty Shocks[J].Econometrica,2009,77(3):623-685.
[4]Bloom N,Floetotto M,Jaimovich N,et al.Really uncertain business cycles[J].Econometrica,2013,86(3):1031-1065.
[5]Bachmann R,Born B,Elstner S,et al.Time-varying business volatility,price setting,and the real effects of monetary policy[W].CEPR Discussion Papers No.9702,2013.
[6]Baley I,Blanco J A.Menu Costs,Uncertainty Cycles,and the Propagation of Nominal Shocks[W].SSRN Working Papers No.918,2012.
[7]刘喜和,李良健,高明宽.不确定条件下我国货币政策工具规则稳健性比较研究[J].国际金融研究,2014(7):7-17.
[8]段梅.经济政策不确定性会影响货币政策有效性吗——基于信贷渠道的视角[J].当代财经,2017(6):18-27.
[9]杨铭,干杏娣.经济政策不确定性对货币政策有效性影响研究——基于就业的视角[J].统计与信息论坛,2018,33(7):54-61.
[10]朱函葳.“蒙代尔不相容三位一体”理论在发展中国家的适用性研究[J].求索,2018(3):70-80.
[11]刘金全.货币政策作用的有效性和非对称性研究[J].管理世界,2002(3):43-51.
[12]王立勇,张代强,刘文革.开放经济下我国非线性货币政策的非对称效应研究[J].经济研究,2010(9):4-16.
[13]黄宪,王旭东.我国央行货币政策实施力度和节奏的规律及效果研究——基于历史演进和时变分析的视角[J].金融研究,2015(11):15-32.
[14]Aastveit K A, Natvik G J,Sola S. Economic uncertainty and the influence of monetary policy[J].Journal of International Money & Finance,2017,76:50-67.
[15]Koop G,Pesaran M H,Potter S M.Impulse response analysis in nonlinear multivariate models[J].Journal of Econometrics,1996,74(1):119-147.
[16]Kilian L,Vigfusson R J.Are the responses of the US economy asymmetric in energy price increases and decreases?[J].Quantitative Economics,2011,2(3):419-453.
[17]Baker S R,Bloom N,Davis S J.Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics,2016,131(4):1593-1636.
[18]马文涛,魏福成.基于新凯恩斯动态随机一般均衡模型的季度产出缺口测度[J].管理世界,2011(5):39-65.
[19]陈守东,杨东亮.我国财政支出不确定性对居民消费影响的实证研究[J].数量经济技术经济研究,2009(9):119-133.
[20]财政政策对私人消费非线性效应的存在性及触发条件研究[J].财经研究,2011(9):16-27.
[21]杨子晖.财政政策与货币政策对私人投资的影响研究[J].经济研究,2008(5):81-93.
[22]王云清,朱启贵.中国财政扩张对居民消费,投资和通货膨胀的动态效应研究[J].南开经济研究,2012(6):116-132.
[23]刘金全,刘兆波.我国货币政策的中介目标与宏观经济波动的关联性[J].金融研究,2008(10):37-47.
[24]Ivanov V,Kilian L.A practitioner's guide to lag order selection for VAR impulse response analysis[J].Studies in Nonlinear Dynamics & Econometrics,2005,9(1):1219-1219.
[25]Jurado K,Ludvigson S C,Ng S. Measuring uncertainty[J].American Economic Review,2015,105(3):1177-1216.
[26]Bloom N,Bond S,Van Reenen J.Uncertainty and investment dynamics[J].The Review of Economic Studies,2007,74(2):391-415.
[27]Christiano L J,Eichenbaum M,Evans C L.Nominal rigidities and the dynamic effects of a shock to monetary policy[J].Journal of Political Economy,2005,113(1):1-45.
[28]Primiceri G E.Time varying structural vector autoregressions and monetary policy[J].Review of Economic Studies,2005,72(3):821-852.
[29]Nakajima J. Time-varying parameter VAR model with stochastic volatility:An overview of methodology and empirical applications[J].Monetary and Economic Studies,2011,29:107-142.
中图分类号： F832.0
文献标识码： A
文章编号： 1001-8204(2019)03-0027-08
收稿日期： 2019-03-09
作者简介： 王伟强 (1986- )，男，河北邯郸人，郑州大学商学院讲师，经济学博士，研究方向：宏观经济计量分析。
(责任编辑 吴彤)
标签：经济政策不确定性论文; 货币政策冲击论文; 交互VAR模型论文; 郑州大学商学院论文;