新常態下貨幣供給對工業經濟的非對稱沖擊
——兼論沖擊路徑的情景設計與分析

劉 漢，黃衛挺，賀彥飛

(1. 吉林大學數量經濟研究中心、商學院，吉林 長春 130012；2. 國家發改委宏觀經濟研究院，北京 100038；3. 遼寧省沈陽市統計局，遼寧 沈陽 110013)

1 引言

貨幣政策與產出和價格之間的關系一直以來都是經濟學理論和實證研究的重點和熱點問題，這不僅有助于理解貨幣政策的作用方式和傳導機制等經濟理論問題，還對宏觀調控，尤其是貨幣政策調控的方向、力度和節奏具有重要的實際參考價值[1]。然而，實證研究隨著研究的對象、所處的經濟階段和研究方法的不同，結論表現出很大的差異。傳統研究方法是通過建立VAR模型系統來分析各變量對貨幣供給沖擊的脈沖響應[2-7]。但是，人們在研究中發現貨幣政策在經濟衰退階段對經濟行為的作用效果要比其在擴張階段的作用效果更強[3]，實際產出對反向貨幣沖擊的響應要比對正向貨幣沖擊的響應更為靈敏[8-9]，這些脈沖響應的研究說明貨幣供給沖擊對產出和價格的影響具有非線性和非對稱性。事實上，Sims[10]在提出VAR模型計算脈沖響應時暗含一些假設，如：① 對稱性，即正向和負向沖擊的響應是互為鏡像；② 沖擊形態的不變性，即不同大小的沖擊成比例；③ 歷史獨立性，即沖擊的形態是獨立于局部歷史條件；④ 多維性，即脈沖響應是參數估計值的高維非線性函數[11]。顯然，上述VAR模型隱含的假設條件并不符合現實經濟情況，而且在多變量的VAR建模中，VAR模型容易出現模型誤設和難以計算的問題。

針對VAR模型在計算脈沖響應函數時的缺陷，Koop等[12]和Potter[13]定義了廣義脈沖響應函數，釋放VAR模型在估計脈沖響應函數過程中的線性假設，隨后出現了大量使用非線性計量方法來估計模型并計算其廣義脈沖響應及其影響的研究，如Weise[14]運用平滑遷移門限向量自回歸模型 (LSTVAR)；Assenmacher-Wesche[15]使用馬爾可夫機制轉移模型；Lütkepohl等[16]，Christopoulos和Leon-Ledesma[17]采用LSTR (logistic STR) 模型。國內也存在大量的類似研究，如馮春平[18]使用滾動VAR方法；趙進文和閔捷[19]，以及趙進文和黃彥[20]使用LSTR模型；劉金全和鄭挺國[21]運用馬爾可夫轉移模型，彭方平和王少平[22]應用非線性光滑轉換面板數據模型，鄭挺國和劉金全[23]使用平滑遷移向量誤差修正(STVECM)模型；劉金全等[24]利用平滑遷移向量自回歸 (LSTVAR) 模型等等。這些非線性模型的出現，大大豐富了貨幣政策作用機制的研究和發展，但是以上研究均沒有脫離VAR模型的范疇，無論是線性還是非線性模型，其基本前提條件是VAR模型能夠匹配其數據生成過程，若設定的VAR模型無法準確描述數據生成過程，其所計算出的脈沖響應和相應的結論將會遭到質疑，而Jorda[11]，劉漢和劉金全[25]采用的投影方法對模型設定所出現的誤差并不敏感，其條件置信水平也能夠解決脈沖響應的序列相關問題，此外該方法還能夠很便捷地對脈沖響應的沖擊路徑進行約束，從而在情景設計下進行政策作用效果的模擬和分析，目前已經被廣泛應用于各個領域。

實證研究中很少有將工業產出和價格分離出來，研究其對貨幣供給沖擊的影響。僅在數據量要求較大 (如多區制的MS-VAR)，或需要在月度頻率上進行分析時，才會采用工業增加值來代表產出[26-27]。但是，工業作為我國經濟增長的主要驅動力[28]，其運行情況對貨幣政策傳導有著重要的影響[29]，而貨幣政策的調整可以影響信貸供求，進而對工業經濟產生影響[30]。因此，直接分析工業產出和價格對貨幣供給沖擊的影響對經濟發展新常態下貨幣政策的制定和實施，以及在不同情形下工業產出增長對貨幣供給沖擊的響應機制都具有非常重要的現實意義。下文將采用局部投影的方法計算非線性脈沖響應函數，并在工業產出增長、價格變化和貨幣供給變化的不同區制下，研究我國工業產出和價格在各種不同情形下對貨幣供給沖擊的作用機制，并在此基礎上分析新常態前后的貨幣供給沖擊對工業產出和價格的影響，最后根據實證研究結果和相關經濟理論進行工業價格對貨幣供給沖擊的情景設計，并給出情景設計下工業產出對貨幣供給沖擊的響應。

2 基于局部投影的沖擊模型與置信區間

下文介紹Jorda[11]提出的局部投影方法來計算脈沖響應函數，該方法在計算非線性和非對稱脈沖響應方面具有顯著優勢。

2.1 廣義脈沖響應和線性局部投影

脈沖響應函數通常是將諸如VAR模型的線性多變量模型進行Wold分解，并對模型進行估計，然后利用估計值去求得脈沖響應，但前提條件是該模型能夠準確表述模型中的數據生成過程，這樣求得的脈沖響應才能真實地反映沖擊的響應。Koop等[12]和Potter[13]認為脈沖響應函數即使在數據生成過程未知，Wold分解不存在的情況下，依然可以定義成如下的形式：

Φ(t,h,di)=E(yt+h|vt=dt;Xt)-E(yt+h|vt=0;Xt)

(1)

其中，h=0,1,2,…H表示脈沖響應期數；E(.|.)代表最優均方誤差；yt是n×1的隨機向量；Xt≡(yt-1,yt-2,…)′；0是n×1的零向量；vt是n×1維簡化式擾動項；D是n×n的矩陣，其中列向量di表示沖擊的大小。一般來說，時間能反映yt中變量動態因果關系的縱向聯系，卻不能識別同期橫向的因果關系。因此，VAR類模型常常對yt中的元素設定一個Wold順序來對簡化式模型殘差的方差協方差矩陣進行三角分解，即Ω=PP′。因此，可以定義一個實驗矩陣D=P-1，其中矩陣D中的列向量di表示對yt中的第i個元素的結構式沖擊。

方程 (1) 計算脈沖響應的統計目標是獲取多步最小均方預測誤差，當模型能正確表述其數據生成過程時，這個目標可以通過對估計模型的遞歸迭代來實現。多步預測可以通過對每個預測期的直接預測來實現，因此可以考慮將yt+h投影到由(yt-1,yt-2,…,yt-p)′產生的線性空間中，即：

(2)

(3)

2.2 脈沖響應函數的置信區間

將上述n個時間序列向量yt的所有h=1,2,…,H期的脈沖響應堆疊成一個矩陣，可表示為：

(4)

其中，Φ(1,H)是nH×n的矩陣，且第i個變量對第j個變量的第h期脈沖響應就是n×n矩陣Φh的第(i,j)元素。在簡化式中，Φ0=In是非隨機的；而在結構識別系統中，Φ0表示yt中元素的同期對應關系，且可以通過設定一定的條件來實現和Φh(h=1,2,…,H) 正交。因此，在不失一般性的假設下，下文不考慮Φ0，僅使用Φ(1,H)表示所有的脈沖響應。

2.2.1 邊際置信區間

(5)

(6)

其相應的t比值統計量為：

(7)

在給定假設(5)的情形下，上述統計量可以看作是漸近標準正態分布的。其中，zα/2表示標準正態分布在100(1-α)%的置信水平下的臨界值，上述統計量也可以檢驗如下的原假設，即:

H0:φh(i,j)=0

(8)

因此，在假設(5)正確的前提條件下，式(6)中所表述的邊際置信區間是可以用來檢驗式(8)中零假設是否正確。

2.2.2 Scheffé聯合置信區間

在使用脈沖響應時，通常更加注重其沖擊路徑的形態，而不是僅僅關注某個脈沖響應系數的特定值。因此，可以采用如下原假設來檢驗脈沖響應函數形態，即：

H0:g(Φ(i,j))=g0

(9)

其中φ(i,j)表示第(i,j)個元素的第1到第H期的脈沖響應函數；g0是一個k×1的可能脈沖響應路徑向量，g(.)是在H→k(k≤H)上的1階可微函數，且其H×k可逆Jacobian矩陣為G(.)。

因此，在式(5)中的高斯假設下，式(9)的原假設可以通過如下的統計量來檢驗，即：

(10)

(11)

(12)

2.2.3 條件置信區間

(13)

其中，Aij是主對角線元素均為1的下三角矩陣，Dij是對角矩陣。因此，在脈沖響應函數存在序列相關的情形下，檢驗原假設(8)的Wald統計量在Cholesky分解的基礎上可以表示為:

(14)

(15)

(16)

其中iH是H×1維數值均為1的向量。Scheffé置信區間可以通過式(16)和Cholesky分解計算得到，但是由于脈沖響應存在序列相關，Scheffé置信區間所包含的脈沖響應軌跡可能小于置信水平α，因此扇形概率圖表示置信水平會更好些。

最后，每個脈沖響應系數的條件不確定性可以通過構建如下的邊界來刻畫每個脈沖響應系數的條件不確定性，即條件置信區間可以表示為:

(17)

3 新常態下貨幣供給對我國工業產出和價格沖擊的實證研究

下文的實證研究中，首先根據工業產出增長率、工業價格增長率和貨幣供給增長率序列的門限值，在其高低不同的區制內分析貨幣供給沖擊對工業產出和價格變化的影響；然后分析新常態前后貨幣供給沖擊的影響有怎樣的差異；最后，根據我國工業經濟的走勢和上述分析中貨幣供給沖擊在不同區制和新常態前后的表現，給出新常態下貨幣供給對工業價格沖擊的可能路徑，并在此基礎上分析經濟新常態下，工業產出增長率對貨幣供給沖擊的可能響應，并進行反事實檢驗。

本文選取1996年10月至2016年5月，共236個樣本點的規模以上工業企業增加值 (IP) 當月同比實際增速、工業生產者出廠價格指數 (PPI)，以及貨幣供給和準貨幣 (M2) 的期末同比增速來分別表示我國工業產出增長率、工業價格增長率 (PPI-100) 和貨幣供給增長率，如圖1所示。

圖1 工業產出增長率、工業價格增長率與貨幣供給增長率的時間序列圖數據來源：中經網統計數據庫 (http://db.cei.gov.cn/)。

表1給出了三個變量的描述性統計和單位根檢驗結果，從表中首先可以看出工業產出和價格雖然均值相比貨幣供給增長率要小，但是最大值和最小值，以及標準差所顯示出的波動幅度都大于貨幣供給增長率。其次，偏度、峰度和J-B統計量顯示我國工業產出增長率序列是一個接近于正態分布的序列，而工業價格增長率和貨幣供給增長率都不是正態分布，其中貨幣供給增長表現出較為明顯的尖峰和右偏的特征。最后，三個序列的單位根檢驗都很顯著，說明三個變量均是平穩的時間序列。

3.1 貨幣供給沖擊的脈沖響應

使用傳統VAR模型計算脈沖響應函數時，需選用Akaike的AIC準則、Schwarz的SIC準則和修正的AIC準則 (下面用AICc表示) 來確定線性VAR(p) 模型的滯后階數，其中AICc準則是Hurvich和Tsai[33]為確定VAR模型的滯后階數而對AIC準則進行的修訂，其在確定VAR模型的滯后階數方面，具有比AIC和SIC更為穩定和可靠的優勢。當選定最大滯后階數為12個月時，AIC和AICc的結果均表明VAR模型應該選取滯后階p=4，而SIC的結果表明VAR模型應該選取滯后階p=2；若將最大滯后數設定為24個月，AICc準則和SIC準則所選擇的最優滯后階數的結果保持不變，認為VAR模型仍分別選取p=4和p=2的滯后階數，而AIC準則的結果都表明VAR模型應該選取p=13的滯后階數。若將最大滯后階數分別設定為36和48時，根據AICc準則確定的滯后階數均是p=4，SIC準則選取滯后階p=2，而AIC準則傾向于選擇所設定的最大滯后階數。綜合以上結果，本文最終確定滯后階數為p=4。此外，文中還使用了標準的Cholesky分解，且分解順序為yt、πt和mt，采用VAR模型和局部投影方法計算工業產出和價格對1倍標準差的貨幣供給沖擊的脈沖響應如圖2所示。

表1 序列統計描述和單位根檢驗

注："***"，“**”，“*”分別表示在1%、5%和10%的顯著性水平下顯著。

數據來源：作者利用EViews軟件計算。

圖2 局部投影和VAR模型計算的貨幣供給沖擊下的脈沖響應數據來源：作者繪制。

首先，從圖2中可以看出局部投影方法計算出的脈沖響應函數比VAR模型的結果更加敏感，雖然貨幣供給沖擊的脈沖響應具有大致相同的變化趨勢，但是局部投影方法計算得到的脈沖響應的大小和波動幅度均顯著大于VAR模型，這主要是因為局部投影的方法是對每期脈沖響應都進行不同的估計，得出不同的系數，其脈沖響應函數出現較大的波動也是應有之意。而且從三種不同的置信區間來看，Scheffe置信區間最大，邊際置信區間次之，條件置信區間最小，且工業產出對貨幣供給沖擊響應的邊際置信區間和條件置信區間相差不大，說明該脈沖響應的序列相關較小。鑒于序列相關對置信區間的顯著影響，下文僅給出脈沖響應的條件置信區間。

其次，從局部投影方法的脈沖響應及其條件置信區間來看，工業產出對貨幣供給沖擊的響應在大部分時間內都是顯著不為零的，且在第11、13和24期的脈沖響應有顯著增大的趨勢，這表明工業產出在年初歲尾對貨幣供給沖擊有更為顯著的響應，這與我國因節假日而導致的工業產出季節性變化有關，但是總體趨勢的先升后降與馮春平認為貨幣政策沖擊在短期會對實體經濟部門產生影響，但在長期不會對實體經濟部門產生影響的結論基本一致[18]；而貨幣供給沖擊對工業價格的影響及其條件置信區間顯示，貨幣供給沖擊對工業價格變化有顯著的正向沖擊，且與VAR模型所得的結果不同，局部投影得到的結果在貨幣供給沖擊1年后非但沒有下降，而且還出現了顯著的上升，說明局部投影所測度的貨幣供給沖擊對工業產出價格的影響具有較長的持續性，貨幣供給與工業價格增長率趨勢之間存在長期的正向相關關系，不存在貨幣沖擊在短期造成價格反向運動的“價格之迷”的現象，這與劉金全等[34]和陳望遠等[35]的結論基本吻合。

最后，圖中還給出了根據式(10)對式(9)進行的聯合檢驗和累計檢驗，其中聯合檢驗的原假設是所有H期脈沖響應的值均為零，累計檢驗的原假設是H期累計的脈沖響應為零。從檢驗結果來看，不能拒絕所有H期脈沖響應的值均為零的聯合假設，而累計檢驗認為貨幣供給對工業產出和價格的累計沖擊顯著不為零，說明貨幣供給總的沖擊是有效的，但是具體到每個時期其作用效果卻存在不確定性。

3.2 貨幣供給沖擊的門限效應

為了研究貨幣供給政策沖擊非對稱性，利用Hansen[36]的門限效應檢驗方法分別確定工業產出增長率、工業價格增長率和貨幣供給增長率的門限值，并分析在不同區制下，工業產出和價格對貨幣供給沖擊的非線性和非對稱響應。具體地，檢驗變量門限效應的回歸方程如下：

(18)

本文參照Jorda[11]的處理方法，利用單個解釋變量測度門限變量的門限值，再從結果中挑選出顯著性最高的變量，然后將其平均得到門限變量的最終門限值，如在檢驗工業產出增長率的門限值時，從解釋變量工業產出增長率中沒有得出明顯的門限值，從工業價格增長率這個解釋變量中得出最顯著的門限值為10.06%，從貨幣供給增長率這個解釋變量中得出最顯著的門限值為11%，則最終獲取工業產出增長率的門限值為10.5%；同理，可得到工業價格增長率的門限值為-1.4%，貨幣供給增長率的門限值為16.2%。圖1中已經標注出相應的門限值，低于門限值的區域為“低區制”，高于門限值的區域為“高區制”。限于文章篇幅所限，文中沒有給出門限效應的檢驗結果，感興趣的讀者可向作者索取。

3.2.1 工業產出增長不同區制下貨幣沖擊對工業產出和價格影響

確定了工業產出增長率、工業價格增長率和貨幣供給增長率的門限值后，本文將依據某一變量的門限值將三組數據劃分為高、低兩個區制，并在不同區制下，分別計算工業產出和價格對貨幣沖擊的響應。

首先，本文將所有變量按照工業產出增長率的門限值δ=10.5%，將數據分成高、低兩個區制，并利用局部投影的方法計算工業產出增長率在全樣本、高區制和低區制的情形下，工業產出和價格對貨幣供給沖擊的響應，圖3給出了三種情形下局部投影計算出的脈沖響應函數，其中兩條虛線表示在全樣本情形下脈沖響應函數的條件置信區間。

圖3顯示在工業產出高增長區制，貨幣供給沖擊對工業產出和工業價格的影響與全樣本情形下的影響基本趨勢一致，但是在大小上還存在一定的差異。具體地，圖3(a)顯示在工業產出高增長區制下，工業產出對貨幣供給沖擊的響應是正向的，且有逐漸減弱和不顯著的趨勢，但是累計響應的檢驗還是顯著的，說明在工業產出高增長區制下，貨幣供給沖擊對工業產出總體上存在正向影響；圖3(b)中則顯示在工業產出高增長率區制內，貨幣供給沖擊對工業產出價格的影響先逐步上升到第8期的0.4，然后下降至第9期的0左右，再上升到第24期的1左右，且累計檢驗的P值表明累計脈沖響應顯著不為零，說明在工業產出高增長率區制內，貨幣供給沖擊對工業價格具有顯著的持續影響，寬松的貨幣供給政策會造成工業價格的顯著上升。

從圖3還可以看出，在工業產出低增長區制，無論是工業產出，還是工業價格，對貨幣供給沖擊的響應均相對較小，且都是圍繞著零值上下波動。該區制下的聯合檢驗和累計檢驗(圖中括號內的數值所示低增長區制下的檢驗P值，下文類同) 均沒有拒絕單個脈沖響應和累計脈沖響應為零的原假設，說明在工業產出低增長的區制內，貨幣供給沖擊對我國工業產出和價格的影響較小，且不顯著。此時采用寬松貨幣供給政策刺激工業經濟將不會收到較為理想的效果，因此在工業經濟增速下滑的工業經濟新常態下，采用貨幣供給政策刺激工業經濟的效果可能不太明顯，應當著重從技術進步和產業結構升級等方面挖掘工業經濟供給側的新動力[28]。

圖3 工業產出和價格增長率對貨幣供給沖擊的脈沖響應 (門限變量：工業產出增長率)數據來源：作者繪制。

3.2.2 工業價格增長不同區制下貨幣沖擊對工業產出和價格影響

同樣，將數據按照工業價格增長率的門限值δ=-1.4%分成高、低工業價格增長率兩個區制，并利用局部投影的方法計算工業產出和價格在全樣本、高區制和低區制的情形下對貨幣供給沖擊的響應，圖4給出了三種情形下局部投影計算出的脈沖響應函數。

從圖4中可以看出，在工業價格高增長區制下，工業產出對貨幣沖擊的脈沖響應出現顯著的先升后降的態勢，這說明在工業價格高增長區制下，貨幣供給沖擊對工業產出僅有短期影響，且累計檢驗顯示這種影響不存在長期性。但是，工業價格對貨幣供給沖擊的脈沖響應則顯示出較為穩定的特征，雖然在形態上呈現出周期性波動，但是總體上來說，工業價格在其高增長區制下對貨幣供給沖擊的累計響應是顯著不為零的。圖4中還顯示在工業價格增長率的不同區制下，尤其是在工業價格低增長的區制下，貨幣供給對工業產出和價格增長率的沖擊相對較小，均在零值上下變化，且無論是聯合檢驗還是累計檢驗的P值均不顯著，即接受在工業價格低增長率的區制下貨幣供給沖擊無效的假說。因此，圖1(b) 的結果表明當前工業價格出現通縮的情形下[37]，不適宜采取貨幣供給沖擊來刺激工業經濟，而事實上我國宏觀政策也確實是這么調控的，貨幣供給一直處于低水平增長，如圖1(c) 所示。

圖4 工業產出和價格增長率對貨幣供給沖擊的脈沖響應 (門限變量：工業價格增長率)

3.3 新常態前后工業經濟對貨幣供給沖擊的非對稱響應

當前，我國經濟正處于從“舊常態”向“新常態”過度的深度調整期[38]，工業增速和增長動力都發生著重大轉變。劉偉和蔡志洲[39]認為我國工業經濟在2010年前后步入了工業化后期；趙昌文等[40]認為自2012年前后我國經濟進入工業化后期，經濟發展進入新常態；金碚[41]認為我國經濟基本面自2011年開始發生歷史性的實質變化，經濟發展進入新常態，這說明我國工業經濟進入新常態沒有一個確切的時間。實際上，從圖1(a) 可以看出我國工業產出增長率自2010年開始就出現了急速下滑的趨勢，雖然在2012和2013年的年初歲尾出現了反復，但是仍然改變不了這個趨勢。根據金碚[41]的表述和文中門限值的結果，將2011年作為我國工業經濟新常態的分界點，并據此將樣本數據劃分為舊常態和新常態兩個區間，并采用局部投影分別計算新常態前后工業產出和價格對貨幣供給沖擊的脈沖響應如圖5所示。

從圖5(a) 中工業產出在新常態前后對貨幣供給沖擊的響應可以看出，舊常態時期的脈沖響應比全樣本所得到的脈沖響應要小，但基本形態類似。但是在新常態下的脈沖響應的波動幅度是最大的，而且在形態上與全樣本和舊常態下的脈沖響應有較大差異，不僅在多處出現了負值，而且變化幅度也在逐步加大，這說明在經濟發展新常態初期，我國工業經濟增長率正從一個高速增長階段向中高速增長階段進行轉變，此時貨幣供給政策作用的效果存在顯著的不確定性，此時需要謹慎使用貨幣供給政策來刺激經濟的增長，保持現有的穩健性貨幣供給政策不失為一個好的選擇。圖5(b)中工業價格在新常態前后對貨幣供給沖擊的響應存在顯著不同，與圖5(a)類似，舊常態下的工業價格增長率對貨幣供給沖擊的響應與全樣本情形下的脈沖響應有基本相同的走勢，但是響應的系數要小；而在新常態下，工業價格增長率對貨幣供給沖擊的響應在前10個季度出現大幅上揚，隨后逐漸回落至零左右，這說明新常態下貨幣供給政策作用的短期效果特別明顯，長期作用效果基本趨于零，從脈沖響應系數的顯著性檢驗結果看 (括號里面是新常態下的檢驗結果，括號外面是舊常態下的檢驗結果)，僅在10%的顯著性水平和新常態下，貨幣供給對工業價格增長率的累計沖擊顯著不為零。以上結果說明經濟發展新常態下，增加貨幣供給的貨幣政策沖擊有助于刺激工業經濟的活性 (工業產出波動劇烈，工業價格短期大幅上揚)，但是若將其作為一種拉動工業經濟增長的主要手段，其長期作用效果卻得不到保證，這對我國經濟新常態下貨幣供給政策制定和實施具有重要的參考意義。

圖5 新常態前后工業產出和價格增長率對貨幣供給沖擊的脈沖響應數據來源：作者繪制。

3.4 經濟發展新常態下的情景設計與反事實檢驗

雖然上述分析已經給出了貨幣供給沖擊對工業產出和價格增長率影響的非對稱性和階段性的重要啟示，但是本文更加關注在新常態下，工業產出將會對貨幣供給沖擊產生怎樣的一種影響。因此本文將在工業價格對貨幣供給沖擊的響應路徑上，施加一種路徑約束進行情景設計，分析情境設計下的工業產出對貨幣供給沖擊的響應，并進行反事實檢驗分析情景設計的真實性[25, 32]。

根據經濟理論和實證研究，可以針對某一脈沖響應路徑進行情景設計，如將變量k對變量l的沖擊路徑約束為φc(k,l)，則在(5)式的假設條件下，所有其他脈沖響應φ(i,j) (i,j∈{1,...,n},i≠k,j≠l) 在情景設計下的局部投影值可表示為：

(19)

由于上式中右邊第二項是一個半正定的矩陣，因此情景設計下的協方差矩陣的跡比原來的要小，這主要是因為使用了一個已知的沖擊路徑φc(k,l)代替了原來的未知沖擊路徑φ(k,l)。

因此，可以采用標準的Wald統計量來檢驗情景設計的真實性，即原假設為H0:φ(k,l)=φc(k,l)的反事實檢驗可表示為：

(21)

基于上述思想和前文所做的實證分析，本文設計兩種可能情景，其中第一種情景是基于貨幣供給沖擊對工業價格有長期影響而設計的；第二種情景是基于貨幣供給沖擊對工業價格僅有短期影響，而無長期影響進行設計的，具體情景設計和分析結果如下文所示。

3.4.1 情景一：工業經濟持續低迷，工業價格對貨幣供給沖擊的響應減半

從圖1(a)中可以看出我國工業產出增長率從后金融危機時期就開始進入了下滑趨勢的通道中，門限效應結果顯示其自2012年就處于低增長區制，此時我國經濟發展也進入新常態。而圖1(b)也顯示此時我國工業價格處于低增長區制。此外，從圖3(b)和圖4(b)中貨幣供給沖擊對工業價格的影響可以看出，若工業經濟持續低迷，工業價格對貨幣供給沖擊響應將如圖6(b)一樣大小減半，該情景設計的反事實檢驗P值為0.998，即不能拒絕情景設計下的脈沖響應路徑與實際脈沖響應路徑相等的原假設，說明情景設計是可能產生的。在此情景下，貨幣供給沖擊雖然仍舊對工業產出有著長期持續的影響，但是其影響程度要小得多；工業產出對貨幣供給沖擊的響應和原始脈沖響應有著相同的趨勢，但是脈沖響應的幅度要小，且不是原始脈沖響應的簡單減半。譬如：在脈沖響應開始時，其響應幅度和原來脈沖響應相差不多，隨后卻又呈現出慢慢擴大的趨勢，但是在第11、13和第24期這種差距又相對較小，且這幾期的響應系數均顯著。這說明在經濟新常態下，若工業經濟 (包括價格和產出) 持續低迷，貨幣供給沖擊對工業價格影響減半的情形下，工業產出對貨幣供給沖擊的響應仍舊為正，且有所降低，但卻不是簡單的減半，采用貨幣供給刺激經濟增長沒有顯著效果。

圖6 情景一下工業產出和價格對貨幣供給沖擊的脈沖響應

3.4.2 情景二：基于實證分析結果，工業價格對貨幣供給沖擊的響應先升后降

從圖5(b) 中新常態下工業價格對貨幣供給沖擊的響應路徑來看，均呈現一種先升降的趨勢，即表明貨幣供給沖擊對工業價格的短期影響逐漸上升，但在長期影響卻逐漸下降。據此，本文設計如圖6(b) 所示的情景二，即工業價格對貨幣供給沖擊的響應呈現先升再緩降的形態。從情景二的反事實檢驗P值為0.768可以看出情景二的設計是較為合理的，有現實根據和未來出現的可能。在此情景下，貨幣供給沖擊對工業產出的影響在最初7期，基本上與無情景設計下的脈沖響應沒有太大的區別，且從其條件置信區間可以看出這些期脈沖響應系數的顯著性有了些許提高。但是從第8期開始，工業產出對貨幣供給沖擊的響應比無情景設計時要小，且有擴大的趨勢。這說明我國新常態下貨幣供給沖擊對工業產出的影響短期內不會發生變化，但是長期影響和累計響應都將發生重大變化，貨幣供給沖擊的長期效應減弱，甚至是無效用都是很有可能發生的。情景二說明經濟新常態下，采用貨幣供給政策刺激工業經濟增長的作用效果在短期有一定的作用，但是從長期來看，其作用效果將顯著減弱且不顯著。

圖7 情景二下工業產出和價格對貨幣供給沖擊的脈沖響應

4 結語

本文采用局部投影的方法計算貨幣供給沖擊在工業產出增長率、工業價格增長率和貨幣供給增長率的不同區制下，以及新常態前后對工業產出和價格的非對稱影響，并在上述實證和相關理論的基礎上提出了新常態下貨幣供給沖擊對工業價格影響的兩種情景設計方案，并在情景中分析了貨幣供給沖擊對工業產出的影響。通過以上分析，本文得出了以下幾點結論：

第一，局部投影方法計算的脈沖響應函數與傳統VAR模型計算的脈沖響應函數相比，該模型改進了對模型正確設定的過度依賴，即VAR模型無法正確反映數據生成過程時，其所計算的脈沖響應的誤差會越來越大的問題，這對因VAR模型設定偏誤所造成的脈沖響應路徑的偏差是個非常重要的改進，但是由于局部投影對每期參數值進行估計，其脈沖響應的結果和傳統VAR模型相比，必然會有較大的波動。此外，局部投影的條件置信區間改進了傳統的脈沖響應函數中因序列相關而造成置信區間估計不合理的問題，Sheffee置信區間能夠包含各期投影脈沖響應的未來所有可能路徑，這對脈沖響應的置信區間是個重要的改進。

第二，在工業產出增長率，工業價格增長率和貨幣供給增長率的不同區制下，使用局部投影的方法研究貨幣供給沖擊對工業產出和工業價格的非對稱影響，本文發現貨幣供給沖擊對工業產出的影響無論是在高增長區制，還是在低增長區制，其影響都存在較大的不確定性，僅在脈沖響應的個別期存在顯著的正向影響，脈沖響應的各期影響均為零的聯合檢驗和累計影響為零的累計檢驗均不能夠拒絕原假設，說明貨幣供給對工業產出增長率的總體影響和累計影響不顯著，即貨幣供給沖擊對工業產出的長期影響表現出中性的特征。然而，貨幣供給沖擊對工業價格不僅表現出顯著的正向影響，還體現出了明顯的非對稱特征，其中在工業產出和價格高增長區制內，以及貨幣供給低增長區制內，貨幣供給沖擊對工業價格的影響要顯著大些，且其聯合檢驗和累計檢驗的結果均更為顯著，表現出明顯正向影響和非對稱特征。

第三，文中將樣本劃分為新常態和舊常態，并在兩個樣本區間內比較分析貨幣供給沖擊對工業產出和價格的影響。研究表明，新常態前后貨幣供給沖擊對工業產出的影響與門限效應下的貨幣供給沖擊的影響類似，均是在個別響應期顯著，在整體和累計沖擊上表現出中性的特征；而貨幣供給沖擊對工業價格的影響在新常態前后則表現出明顯的差異和非對稱性特征，尤其是在新常態下貨幣供給沖擊出現先升后降的特征，體現出了貨幣供給沖擊對工業價格的影響短期有效，長期無效的特征，而且聯合檢驗不顯著，累計檢驗顯著的結果也證實了上述結論。

第四，根據貨幣供給沖擊在工業產出和價格增長率的不同區制下，對工業價格的影響，本文設計了工業經濟持續低迷下，工業價格對貨幣供給沖擊響應減半的情景一；根據貨幣供給增長率不同區制下和新常態前后，貨幣供給沖擊對工業價格增長率影響的實證結果，設計了工業價格對貨幣供給沖擊的響應呈現先升后降的情景二。基于上述兩種工業價格對貨幣供給沖擊的響應路徑的情景設計分析結果，可以看出新常態下我國貨幣供給沖擊對工業產出的影響主要表現在短期，且影響具有不確定性。但是從長期來看，這種影響會逐漸降低，甚至會出現負增長。這說明，在經濟發展新常態下和工業經濟低迷的情形下，應該從工業內生動力機制的改善上來謀求工業經濟增長，而依賴諸如貨幣供給增長的外在沖擊的拉動，工業產出增長只能獲得短期的效果，無法獲得持續的動力，反而會導致工業價格的劇烈變化，工業經濟將出現更加不可預料的后果。

總之，局部投影方法的脈沖響應分析認為貨幣供給沖擊對工業產出的影響具有不確定性的特征，僅在個別期的脈沖響應顯著，總體上表現為中性特征，情景分析也證實了上述結論。而貨幣供給沖擊對工業價格的影響則相對較大，不僅表現出門限效應下的非對稱性，還在新常態前后表現出顯著的差異性，總體表現為短期有效，長期無效的特征。因此，在工業經濟新常態和工業經濟持續低迷的情形下，采用貨幣供給政策來刺激工業經濟是不可取的，其對工業產出增長的影響具有非常大的不確定性，但是卻對工業價格增長率產生積極的正向影響，即有可能出現工業產出停滯不前，而工業價格急劇飆升的工業滯脹的情形出現。因此，需要從工業產業升級，工業技術的創新等工業供給側理順工業內生動力機制，尋求工業經濟新的增長點。

[1] 程方楠, 孟衛東. 宏觀審慎政策與貨幣政策的協調搭配——基于貝葉斯估計的DSGE模型[J]. 中國管理科學,2017,25(1):11-20.

[2] Bagliano F C, Favero C A. Measuring monetary policy with VAR models: An evaluation[J]. European Economic Review,1998,42(6):1069-1112.

[3] Ball L, Mankiw N G. Asymmetric price adjustment and economic fluctuations[J]. The Economic Journal,1994,104(423):247-261.

[4] Christiano L J, Eichenbaum M, Evans C L. Identification and the effects of monetary policy shocks[M]// Blejer M I, Eckstein Z, Hercowitz Z, et al. Financial factors in economic stabilization and growth. Cambridge: Cambridge University Press,1996:36-74.

[5] Evans C L, Marshall D A. Monetary policy and the term structure of nominal interest rates: Evidence and theory[J]. Carnegie-Rochester Conference Series on Public Policy,1998,49:53-111.

[6] Sims C A. Interpreting the macroeconomic time series facts[J]. European Economic Review,1992,36(5):975-1000.

[7] 劉斌. 貨幣政策沖擊的識別及我國貨幣政策有效性的實證分析[J]. 金融研究,2001,(7):1-9.

[8] Karras G. Are the output effects of monetary policy asymmetric? Evidence from a sample of European countries[J]. Oxford Bulletin of Economics and Statistics,1996,58(2):267-278.

[9] Senda T. Asymmetric effects of money supply shocks and trend inflation[J]. Journal of Money, Credit and Banking, 2001, 33(1): 65-89.

[10] Sims C A. Macroeconomics and reality[J]. Econometrica, 1980, 48(1): 1-48.

[11] Jorda O. Estimation and inference of impulse responses by local projections[J]. The American Economic Review, 2005, 95(1): 161-182.

[12] Koop G, Pesaran M H, Potter S M. Impulse response analysis in nonlinear multivariate models[J]. Journal of Econometrics, 1996, 74(1): 119-147.

[13] Potter S M. Nonlinear impulse response functions[J]. Journal of Economic Dynamics and Control, 2000, 24(10): 1425-1446.

[14] Weise C L. The asymmetric effects of monetary policy: A nonlinear vector autoregression approach[J]. Journal of Money, Credit and Banking, 1999, 31(1): 85-108.

[15] Assenmacher-Wesche K. Estimating central banks’ preferences from a time-varying empirical reaction function[J]. European Economic Review, 2006, 50(8): 1951-1974.

[16] Lütkepohl H, Ter?svirta T, Wolters J. Investigating stability and linearity of a german M1 money demand function[J]. Journal of Applied Econometrics, 1999, 14(5): 511-525.

[17] Christopoulos D K, Leon-Ledesma M A. A long-run non-linear approach to the Fisher effect[J]. Journal of Money, Credit and Banking, 2007, 39(2-3): 543-559.

[18] 馮春平. 貨幣供給對產出與價格影響的變動性[J]. 金融研究, 2002, (7): 18-25.

[19] 趙進文, 閔捷. 央行貨幣政策操作效果非對稱性實證研究[J]. 經濟研究, 2005, (2): 26-34+53.

[20] 趙進文, 黃彥. 中國貨幣政策與通貨膨脹關系的模型實證研究[J]. 中國社會科學, 2006, (2): 45-54+205-206.

[21] 劉金全, 鄭挺國. 我國貨幣政策沖擊對實際產出周期波動的非對稱影響分析[J]. 數量經濟技術經濟研究, 2006, (10): 3-14.

[22] 彭方平, 王少平. 我國貨幣政策的微觀效應——基于非線性光滑轉換面板模型的實證研究[J]. 金融研究, 2007, (9): 31-41.

[23] 鄭挺國, 劉金全. 我國貨幣—產出非對稱影響關系的實證研究[J]. 經濟研究, 2008, (1): 33-45.

[24] 劉金全, 隋建利, 李楠. 基于非線性VaR模型對我國貨幣政策非對稱作用效應的實證檢驗[J]. 中國管理科學, 2009,17(3):47-55.

[25] 劉漢, 劉金全. 中國宏觀經濟情境設計與路徑預測[J]. 中國管理科學, 2013,21(1): 47-56.

[26] 劉金全, 隋建利, 閆超. 中國實際產出增長率及其不確定性中的長期記憶性和相關性測度[J]. 社會科學戰線, 2010,21(1):47-55.

[27] 湯丹. 基干svar模型的中國核心通貨膨脹估計及預測評價研究[J]. 宏觀經濟研究, 2015, (1): 109-115.

[28] 黃群慧. “新常態”、工業化后期與工業增長新動力[J]. 中國工業經濟, 2014, (10): 5-19.

[29] 田奇. 從工業經濟運行看貨幣政策傳導衰減成因[J]. 當代經濟, 2000, (8): 30-31.

[30] 劉海英, 何彬. 工業增長、信貸供求和貨幣政策調整[J]. 中國工業經濟, 2009, (7): 5-15.

[31] Scheffe H. A method for judging all contrasts in the analysis of variance[J]. Biometrika, 1953, 40(1-2): 87-110.

[32] Jorda O. Simultaneous confidence regions for impulse responses[J]. Review of Economics and Statistics, 2009, 91(3): 629-647.

[33] Hurvich C M, Tsai C-L. A corrected Akaike information criterion for vector autoregressive model selection[J]. Journal of Time Series Analysis, 1993, 14(3): 271-279.

[34] 劉金全, 張文剛, 劉兆波. 貨幣供給增長率與通貨膨脹率之間的短期波動影響和長期均衡關系分析[J]. 中國軟科學, 2004, (7): 39-44.

[35] 陳望遠, 李仲飛, 黃金波. “中國貨幣之謎”：事實還是假象[J]. 中國經濟問題, 2012, (4): 32-41.

[36] Hansen B E. Sample splitting and threshold estimation[J]. Econometrica, 2000, 68(3): 575-603.

[37] 龍少波, 胡國良, 王繼源. 國際大宗商品價格波動、投資驅動、貨幣供給與PPT低迷——基于TVP-VAR-SV模型的動態分析[J]. 國際金融研究, 2016, (5): 3-14.

[38] 黃群慧, 原磊. 步入“新常態”的工業經濟運行:發展特征與未來趨勢[J]. 區域經濟評論, 2015, (3): 24-33.

[39] 劉偉, 蔡志洲. 我國工業化進程中產業結構升級與新常態下的經濟增長[J]. 北京大學學報：哲學社會科學版, 2015, 52(3): 5-19.

[40] 趙昌文, 許召元, 朱鴻鳴. 工業化后期的中國經濟增長新動力[J]. 中國工業經濟, 2015, (6): 44-54.

[41] 金碚. 中國經濟發展新常態研究[J]. 中國工業經濟, 2015, (1): 5-18.