经济政策不确定性对宏观经济的影响及其区域差异
2015-11-13黄宁郭平
黄宁 郭平
[内容摘要]采用Baker的中国政策不确定性指数与省级面板数据，运用PVAR模型分析了经济政策不确定性对我国宏观经济的影响与地区差异。研究发现，政策不确定性对我国的经济增长、投资、消费、CPI均产生了短期的负向作用。通过分区域样本的实证分析发现，政策不确定性对东部地区经济增长的影响更大，而对西部地区消费与CPI的影响更大。政策不确定性对东部地区投资的短期影响较显著，而对西部地区投资的长期影响较显著。该结论表明，政府需要保持政策的连续性与稳定性，并关注经济政策不确定的区域效应。
[关键词]经济政策不确定性；地区差异；PVAR模型
[中图分类号]F123.16 [文献标识码]A [文章编号]1000-8306（2015）06-0061-10
一、引言
金融危机发生后，世界各国政府都在积极地制定刺激政策以促进经济的快速复苏。但由于在经济复苏阶段，经济系统自身稳定性的减弱以及外围环境复杂性的增强都将使得各国的经济政策充满了不确定性。Stock and Watson（2012）认为，导致金融危机期间产出与失业出现大幅下降的主要原因正是金融因素以及不确定性的冲击。此外，FOMC和IMF也认为这种政策的1不确定性将导致经济增长速度大幅下滑（Bloom，2012）。近年来，Baker（2013），Fernandez-Villaverde J et al.（2011），Bonn和Pfeifer（2012）等学者通过构建不同的政策不确定性指数，证实了政策的不确定性对经济增长产生了负面影响。对于我国而言，其宏观经济政策在金融危机后的几年内经历了大幅的调整，如从2009年过度刺激的财政与货币政策，到2010年对通胀与房地产市场的政策调控，再到2012年为解决经济下行压力，政府又出台的新一轮刺激政策，这都说明近年来我国的宏观政策充满了不确定。而面对当前我国更加复杂的经济形势以及经济转型、体制改革的深入，未来政策的不确定性将更加凸显，2014年中央经济工作会议提出要保持宏观政策连续性和稳定性。
现有研究我国政策不确定性对宏观经济影响的文献还较少，大多数文献主要集中于研究政策不确定性对企业现金持有（王红健等，2014）、企业投资行为（韩国高，2014）、股票市场波动（陈国进等，2014）等方面的影响。与本文研究的内容最接近的是金雪军等（2014）利用Baker（2013）测算的中国政策不确定性指数，通过构建FAVAR模型实证分析了我国政策不确定性对包括经济增长、消费、出口等105个宏观经济变量的影响，结果发现政策不确定性对实体经济和重要价格变量均存在显著负向的影响。但该文仅采用了中国宏观经济数据得到了政策不确定性对我国经济整体的影响情况。本文的主要贡献在于采用了省际面板数据，并应用了面板向量自回归（PVAR）模型来实证分析政策不确定性对宏观经济的影响，这样的做法不仅利用了PVAR模型兼具时序分析与面板数据分析的优势，还能通过分区域样本进一步检验经济政策不确定性的区域效应，并作为一种分区域样本的稳健性检验，证实了结论的稳健性。
本文的研究安排如下，第二部分是文献回顾与问题提出，第三部分是数据的来源说明以及模型的设定，第四部分是政策不确定性对宏观经济影响的实证检验，第五部分是分区域样本进一步分析，第六部分是结论与政策建议。
二、文献回顾与问题提出
经济中的不确定性来自许多方面，但政策不确定性是经济不确定性的主要因素之一（Masayuki，2013）。事实上，许多学者很早从政治不稳定的视角来研究其对发展中国家投资的负向作用（Rodrik，1991）。政治的不稳定导致了政策经常性变换以及经济波动的频繁，进而对经济增长起到消极作用（Aisen and Jose Veiga，2013）。对于政治的不稳定，许多学者选取政府换届、官员变更或选举时间作为衡量政治不稳定的代理指标。但制度的变迁毕竟较少发生，因此更多地学者选择直接通过对税率、政府支出、货币政策等进行度量，测度出政策不确定性指标，进而研究其对经济增长的影响，其结论均表明经济政策的不确定性对宏观经济产生了负向的影响。此外，还有从经济周期的角度分析，发现宏观政策的不确定性在经济衰退期更为明显。Nieuwerburgh和Veldkamp（2006）认为，当经济运行良好时，会帮助信息的流通与传递；当经济衰退时，信息的不对称增强将导致不确定性的增加。Pastor和Veronesi（2012）认为，在经济衰退期，政策制定者试图通过“政策实验”来找到解决问题的方法；而当经济繁荣时，政策制定者将倾向于保持看似成功的宏观政策。因此，金融危机发生后，许多学者开始关注于政策不确定性对宏观经济的影响。
但与此同时极少有文献关注不确定性对不同国家或区域的影响差异，仅有的研究文献中也存在着争议。Pastor和Veronesi（2011）从产权保护的角度认为政策不确定性削弱了政府的产权保护效应，因此市场化较弱的区域将受到政策不确定性更大的影响。Carriere-Swallow和Cespedes（2013）通过将发展中国家与美国等发达国家比较，发现发展中国家面对不确定性时会遭受更大的投资和私人消费的下降，并需要更多的时间来恢复到之前的水平，他们将原因归为金融市场的发展落后，导致了信贷约束。但Calomiris et al.（2012）认为，越是市场化程度高，金融发展程度高的国家或地区，其受到信贷供给冲击以及流动性冲击的程度就越大，如金融危机对发达国家的影响要远大于发展中国家。还有一些学者从国家贸易的角度来研究，发现政策不确定性将阻碍FDI的流入以及跨国企业的进入（Handley和Linlao，2012），因此，对外开放程度越高的国家或地区将受到更大的政策不确定性冲击。对于我国而言，经济政策的区域效应一直是学术界关注的问题。由于我国地区间差异较大，主要表现在经济发展水平、制度环境、金融发展程度、对外贸易程度等多方面，从而导致我国宏观政策如货币政策、财政政策对不同区域的影响程度存在差异（郭晔，2011）。但研究经济政策不确定性对区域经济增长的文献尚不多见，仅有Wang et al.（2014）在利用我国上市公司数据来研究政策不确定性对企业投资时发现处于高市场化区域的企业会受到更大的政策不确定性的影响。鉴于此，本文试图采用省际数据，利用面板向量自回归模型来对我国政策不确定性对宏观经济的影响进行研究，并通过区分东、中、西样本来研究政策不确定性的区域效应。
三、数据说明与模型设定
（一）数据说明
金融危机导致了近些年各国政策不确定性的产生。为了更好的研究政策不确定对我国宏观经济的影响，本文选取了2004年第1季度到2013年第4季度的季度数据作为研究的样本。此外，本文还采用省际面板数据来研究政策不确定性对宏观经济的影响。本文涉及的变量包括各省国内生产总值、各省固定资产投资额、各省社会消费品零售总额，以及各省以2004年第1季度为基期的消费者价格指数和Baker（2013）测算的中国政策不确定性指数。为了避免价格因素的干扰，对需要进行价格平减的指标均采用消费者价格指数进行平减。同时，为了消除季节因素的影响，本文的数据均采用变量的同比增长率，因此进入实证模型的数据样本是从2005年第一季度到2013年第四季度。本文的数据均来源于各省统计年鉴，而中国政策不确定性指数数据来源于“经济政策不确定性”网站（http：//www.policyuncertainty.com/）。
需要说明的是，本文选取的政策不确定性指数是由Baker（2013）构建的，它主要反映了媒体对政策不确定性的报道，并通过统计当月报纸与杂志中讨论中国经济政策不确定性文章的数量进行量化。由于本文中采用季度数据，而经济政策不确定性指数为月度数据。本文采用平均法将数据进行转化，公式如下：
（二）模型设定
本文将选用PVAR模型，利用省级面板数据来实证研究我国宏观经济政策的不确定性对经济增长的影响以及地区差异。PVAR模型由Holtz-Eakin等（1988）首次提出，经由多位学者的发展，至今已经在诸多经济领域得到应用。PVAR模型兼具时间序列分析与面板数据分析的优势，不仅能较好地把握变量之间的内在影响机制，也有助于克服个体异质性带来的估计偏差。因此，本文采用PVAR模型来考察我国经济政策不确定性的影响以及区域效应。模型设定如下：
上式中，yit=（GDPit，iit，Cit，CPIit，EPUt）′是包含了五个内生变量的列变量，i表示不同的省份地区，t表示不同年份，p表示滞后阶数；β0表示截距项向量，βi表示滞后变量的参数矩阵；fi表示个体效应，该效应可以通过向前差分Hermlet转换方法进行消除，et表示时间效应。本文模型中，GDPit表示省份国内生产总值的同比增长率、Iit表示i省份固定投资额的同比增长率、Cit表示i各省社会消费零售总额的同比增长率，CPIit表示省份消费者价格指数的同比增长率，EPUt表示我国宏观政策的不确定性同比增长率。
四、经济政策不确定性对我国宏观经济影响的实证研究
（一）平稳性检验
在进行PVAR分析之前，为了防止虚假回归的情况出现，常常需要对加入模型的变量进行平稳性检验。本文采用LLC法以及IPS法对面板数据进行面板单位根检验，对时间序列数据采用ADF单位根检验，结果如表1所示。从表1中可知，LLC与IPS检验在1%的置信水平上拒绝原假设，ADF检验在5%的置信水平上拒绝原假设，这说明模型（1）中加入的变量均是平稳的。
（二）经济政策不确定性对宏观经济的动态冲击
本文根据BIC和HQIC标准并综合考虑了IRF的收敛性，最终选定总体样本的滞后阶数为1。另外，本文将冲击作用的期限设为24期，通过500次蒙特卡罗模拟可以得到政策不确定性对经济增长、投资、消费以及CPI的脉冲响应函数，见图1。图1中的横轴表示政策不确定性冲击发生的滞后期数，纵轴代表其他变量对冲击的响应程度，中间实线代表脉冲响应曲线，外侧虚线分别代表95%和5%分位点的估计值。从图1中可以看到，四个内生变量在受到政策不确定性一个单位的标准差冲击后，均呈现出负向的反应，并逐步将向坐标横轴收敛。
从投资对政策不确定性的响应来看，其在受到冲击后的第二期达到响应值的最大值-0.0131，最后逐渐趋近于0值。这表明我国经济政策的不确定性对投资产生了负向的影响，这与大多文献结论相一致。这样的结果一方面是由于投资的不可逆性，不确定性能够增加投资者等待的期权价值，促进投资者选择“观望”，进而减少企业当前的投资与劳动力的雇佣；另一方面在于不确定性的增强增加了金融摩擦，进而增加企业的融资成本，导致企业减少当期的投资（Arellano et al.，2010）。此外，投资者对于未来的信心也将随着政策不确定性的增强而受到影响。随着政策不确定性增加，投资者情绪将趋于悲观，进而减少投资。
从消费对政策不确定性的响应看，其在受到冲击后的当期便达到了最大的响应值-0.0117，随后响应值逐渐减小为0，又在第三期转为正值，最终又趋于0值。这说明我国经济政策的不确定性对消费存在短期的负向冲击。其原因一方面可以从预防性储蓄理论进行解释。面对政策的不确定性，为了预防不确定性，个人以及企业的储蓄将增加，而伴随着消费与投资的减少，经济将陷入衰退（Leduc and Liu，2012）。另一方面可以从消费者跨期决策理论加以解释。不确定性影响消费的方式在于决策时滞。随着不确定性的增大，由于消费者无法预测不确定性对未来收入的影响，因此更倾向于推迟做出购买决策Hassan et al.（2013）。
从CPI对政策不确定性冲击的响应来看，其在受到冲击后的第七期响应值达到最大（-0.0019），随后逐渐收敛于坐标横轴，其结论与Holland（1995）相一致。他认为由于中央银行目标是保持价格稳定，面对较高的政策不确定性，央行会采取紧缩性货币政策减小通货膨胀率，进而影响CPI。
从GDP对政策不确定性的响应看，其在受到冲击后的第二期响应值的绝对值达到最大（-0.003），随后在第十三期转为正值，最终趋近于0。这说明从经济增长的整体来看，政策不确定性也产生了负向的影响，这样的结论与Bloom（2013）、Bhagat（2013）的结论一致。他们均采用Baker的政策不确定性指数，分别采用美国与印度的样本，证实了政策不确定性对经济增长产生了负向影响。
此外，政策不确定性对变量的影响还取决于冲击的强度与持续时间。从表2可以看出，在短期内受到冲击最大的是投资，其次是消费、CPI与GDP。投资是总需求中最不稳定的部分，它严重依赖于投资者对未来的预期，而这常常是难以预测（Keynes，1937）。对于消费来说，与居民生活环境息息相关的因素，如购房制度出台、医疗社保制度变革和教育支出变动等都会导致消费的波动（田青和高铁梅，2009）。从累积效应可以看出，投资受到的影响依然很大，而消费的累积效应为正，这说明投资受到政策不确定性的影响是持续的。而消费在短期受到较大冲击后，较快的恢复到原来的水平，并且由于前期的消费抑制，消费水平在受到冲击第三期会出现过度反弹，这说明消费对于政策不确定性的冲击波动幅度较大。
五、政策不确定性对我国宏观经济影响的区域效应
既然政策不确定性对我国的宏观经济产生了重要影响，那么政策不确定性对我国不同区域的影响究竟怎样？本文按照国家统计局的标准，将样本进行了分类，将其划分为东部、中部、西部，进而分析政策不确定性的区域效应。本文同样采用如模型（1）的面板向量自回归模型进行实证分析。为了保证分样本数据的平稳性，本文仍然根据LLC与IPS检验方法对分区域样本变量进行单位检验，结果表明分区域样本变量仍然平稳。此外，本文还根据BIC和HQIC标准并结合IRF的收敛性，对分区域样本的滞后阶进行识别，发现分样本模型仍然采用滞后一阶。随后，本文将冲击作用的期限设为24期，通过500次蒙特卡罗模拟得到了东、中、西部样本的经济增长、投资、消费以及CPI对政策不确定性的脉冲响应函数（见图2）。通过分区域样本的计量分析，本文发现产出、投资、消费、CPI等指标在受到宏观经济政策冲击后均反映出负向的影响，并逐渐趋于收敛，这证明了前述实证结果的稳健性。为了更好地分析政策不确定性的区域效应，本文将采用不同样本得到的各变量受政策不确定性冲击的响应强度与24期的累积效应列于表3。
从消费与CPI角度来看，消费与CPI在受到政策不确定性冲击后的反应程度均呈现出西部、中部、东部递减的态势，而且东部与中部地区的消费水平在受到冲击后的第二期还出现了明显的消费反弹，这与东部、中部地区经济发展水平，社会保障以及金融发展水平有关。当消费者受到政策不确定性冲击，进而选择预防性储蓄后，拥有高收入或者完备社会保障的群体可以通过平滑消费，进而避免效应的下降的方式来进行，所以东、中部地区的消费水平下降幅度要小于西部。
从投资角度来看，东、中、西部地区投资的响应强度呈现递减趋势，但西部地区的投资累积效应最大，这说明在高市场化地区投资受到政策不确定性影响较大，这与Wang et al.（2014）的结论一致。但由于西部地区投资受到冲击后持续时间较长，导致了在长期中的累积效应大于东部。可见，市场化程度越高的地区短期受到政策不确定性影响的程度越大，但从长期来看市场化程度较低的西部受到了更大的影响。其原因可能是由于短期内市场化程度较高地区在受到政策不确定性冲击后，市场波动较大，导致了东、中部的投资出现了下降。但从长期看西部地区经济发展水平、制度环境以及金融市场发展均较弱，因此导致了产权保护、信贷融资受到了较大的影响，进而使得投资水平的恢复速度较慢，受到政策不确定冲击长期影响较大。这一点在图2中也得到验证，西部地区投资收敛时间明显长于东、中部。
从GDP角度来看，东、中、西地区GDP受到政策不确定性的冲击呈现出较强的差异性，东、西部GDP不论在响应强度还是累积效应上均受到了更大的冲击且东部受到冲击更大。其原因可能一方面由于东部地区金融市场发育较快，政策不确定性容易形成金融市场的波动，导致经济增长的波动；另一方面由于东部地区对外开放程度较高且经济增长较多的依赖于对外贸易与海外投资，政策不确定性将严重影响FDI的进入并导致资本外流。这一点在金融危机发生后得到了验证。因此，从GDP的角度来看，东部地区相比其他地区会受到更大的影响。
六、主要结论与政策建议
本文采用了Baker构建的政策不确定性指数，利用PVAR模型分析了经济政策不确定性对我国宏观经济的影响以及地区差异。研究结果发现，经济政策的不确定性对我国的经济增长、投资、消费以及价格水平都产生了短期的负向影响。在长期中，政策不确定性的影响将会逐渐消失。从政策不确定性冲击的响应强度与累积效应看，投资受到的影响最大，说明投资对政策不确定性的敏感程度最大。从政策不确定性冲击的持续时间看，消费的持续时间是最短的，说明消费者的理性预期会很快平复政策不确定性的负向影响，这样的结论在分样本的分析中仍然成立。另外，通过分东、中、西样本进行分析发现，欠发达地区如西部在消费与价格水平上受到政策不确定性更大的冲击。对于投资而言，短期受到冲击最大的是东部，而西部地区投资长期受到更大影响。对于GDP而言，东部、西部地区受到政策不确定性的影响要大于中部，而东部地区在响应强度与累积效应上要强于西部。
上述结论对于我国未来宏观经济政策的制定与实施有重要的启示意义。鉴于经济政策不确定性对我国宏观经济存在着显著的负向影响，未来我国经济政策应努力保持政策的一致性与稳定性，坚持区间调控、定向调控与预调微调。另外，从宏观经济政策不确定性对不同区域影响的角度来看，政策不确定性对西部地区消费的负向冲击较大，这要求西部地区政府要加大对社会保障的全面覆盖，引导消费者的合理预期；政策不确定性在长期中对西部地区投资的负向冲击也较大，这要求西部地区积极发展金融市场，努力完善市场机制，提高对产权的保护；政策不确定性对东部地区经济增长的影响较大，这要求东部地区在政策不确定时避免市场波动以及资本外流而导致的经济波动。
责任编辑：陈健生
