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

杨 铭，干杏娣

(复旦大学 经济学院，上海 200433)

一、引 言

一直以来，许多学者通过对货币政策有效性的研究发现：在萧条时期，货币政策的影响会下降[1]。但是，这一现象一直缺乏合理的解释，因为诸如经济萧条、银行贷款和银行资本渠道等时变政策效应理论通常认为，经济衰退时货币政策会产生更强的影响。对此，经济政策不确定性可能提供了一个潜在的解释。

在经历了2008年的国际金融危机以及紧随其后的欧债危机后，经济政策不确定性开始引起全世界的广泛关注。美国联邦公开市场委员会(2009)和国际货币基金组织(2012)认为，美国和欧洲的财政政策、监管政策和货币政策的不确定性是导致2008—2009年经济急剧下滑以及之后经济复苏缓慢的重要原因。

目前，许多学者的研究表明经济政策不确定性的冲击会对经济产生一定程度的负面影响。如会抑制企业投资、恶化出口，同时还会加大资本市场的波动[2-4]。有研究表明，与发达国家相比，发展中国家对经济政策不确定性似乎更加敏感，并且受到其冲击之后恢复时间要长得多[5]。作为全世界最大的发展中国家，中国在不同的发展阶段有着不同的规划目标，需要根据经济运行的具体情况制定或转变相应的经济政策。因而中国也存在相当程度的经济政策不确定性。中国是人口大国，就业一直都是事关国计民生的重大议题，实现充分就业也是中国货币政策的目标之一。因此，研究经济政策不确定性对中国货币政策的就业效应的影响很有必要。

二、文献综述

Baum等根据美国1986—2000年的数据讨论了金融市场不确定性对银行贷款的影响，结果显示资产负债状况较差的小型银行在金融市场不确定性加大的情况下会扩大贷款规模，以获得市场份额，而资产负债状况较好的银行则谨慎行事，努力维持自己的市场份额和风险状况，这意味着金融市场的不确定性会对货币政策的有效性产生影响[6]。Bachmann等根据德国公司层面的微观数据使用新凯恩斯商业周期模型来衡量时变波动对货币政策传导的影响，在商业波动较大的情况下，价格会更频繁地调整，在这种情况下，货币政策的效果会出现小幅下降[7]。Vavra 根据美国1988年2月—2012年1月的数据研究发现不确定性降低了货币政策有效性，且更大的波动性导致了总体价格灵活性的提高，因此名义刺激主要产生的是通胀，而不是产出增长[8]。Baley和Blanco研究了一种固定的调整成本模型，模型显示公司层面的不确定性会随着对其生产率认知的变化而变化，在存在菜单成本的情况下，高不确定性会降低货币政策冲击的影响[9]。Aastveit等估计了美国经济不确定性与货币政策冲击之间的相互作用，结果表明当不确定性很高时，美国的货币政策冲击对经济活动的影响较小，美国货币政策冲击的峰值和累积效应比平静时期更低[10]。

目前，国内关于不确定性对货币政策有效性影响的研究还比较少。庄子罐等构建了货币DSGE模型，发现宏观经济冲击的不确定性只是在量上影响货币政策冲击的效果，对冲击的影响没有方向性的改变[11]。段梅从信贷视角研究了经济政策不确定性对货币政策有效性的影响，结果显示，经济政策不确定性上升会抑制企业贷款，进而导致货币政策对企业信贷融资的调节作用下降，降低中国货币政策的有效性[12]。

梳理现有文献可以发现以下几点：第一，目前研究针对中国的经济政策不确定性对货币政策有效性影响的研究还比较少。第二，现有文献关于经济政策不确定性对货币政策有效性影响的研究，一方面集中在货币政策的传导渠道，主要是对信贷渠道的影响上；另一方面则集中在货币政策对于诸如产出水平、价格水平的影响上，鲜有文章研究经济政策不确定性对货币政策的就业效应的影响。因此，本文重点研究中国经济政策不确定性对货币政策就业效应的影响。

三、理论分析与研究假设

(一)货币政策与企业就业

假设一个具有代表性的厂商，其利润函数为：

π=pM,qq-rK-wL

(1)

其中，q为该厂商销售的产品的数量，p表示产品的销售价格，M表示货币供给，显然，产品的销售价格会受到货币供应量及产品销售量的影响。K表示厂商的资本投入水平，L表示劳动投入水平，r表示利率，w为工资水平。假设厂商的生产函数是Cobb-Douglas式的，那么销售量

q=Kα(AL)1-α

(2)

其中，A表示技术水平，α和1-α表示资本和劳动的产出弹性，并且0<α<1。根据利润最大化的一阶条件，将式(2)带入式(1)并对L求导可得：

(3)

由式(2)可得：

(4)

将式(4)带入式(3)可得：

(5)

即：

(6)

其中，η表示商品需求的价格弹性，假设η为一常数。由式(6)可得，劳动力对货币供给的弹性为：

(7)

(8)

由此，本文提出第一个假设：

H1：企业就业的增长率与货币供给增长率正相关。

(二)经济政策不确定性与企业就业

Bernanke 构建理论模型，认为在投资决策不可逆的情况下，不确定性的存在会形成一个在当前投资与未来投资之间进行选择的实物期权，不确定性越大，实物期权的价值越高，实物期权价值的提高将会导致企业的决策更加谨慎，从而推迟投资决策和雇佣新员工的计划[13]。之后，Bloom利用美国相关数据实证检验了不确定性对劳动力需求的影响，结果发现劳动力雇佣和解雇成本的存在意味着在不确定性较高时，就业对需求冲击的反应更为谨慎[14]。综合以上研究，本文有理由推断在中国也很有可能存在这一现象，由此得到本文的第二个假设：

H2：企业就业与经济政策不确定性负相关。

(三)经济政策不确定性与货币政策就业效应

一般来讲，扩张性货币政策会通过利率机制、资产负债表机制、汇率机制、信贷机制等传导至实体经济，刺激投资及产出的增加并且减少失业。总的来说，宏观的货币政策最终要通过微观的企业和银行来实现其作用。现有研究表明，经济政策不确定性一方面会降低银行的信贷供给，另一方面也会减少企业的信贷需求并且抑制企业的投资，这样一来，作为企业生产要素的劳动力的需求也必然会减少，降低企业的就业增长，从而降低了货币政策对就业的促进作用[15，12]。由此得出本文的第三个假设：

H3：经济政策不确定性将抑制货币政策的就业效应。

四、实证研究

(一)模型构建

在实证研究过程中，本文基于以上的理论分析建立如下基准模型：

Lgrowthi,t=β0+β1MGt+β2EPUt+β3Asseti,t+

β4Levi,t+β5ROAi,t+β6OCFi,t+β7TQi,t+

β8Sgrowthi,t+β9∑Industry+ui+εi,t

(9)

其中，Lgrowth表示企业的就业增长，MG表示货币供给增长率，代表货币政策变量，EPU表示企业面临的经济政策不确定性。为了控制企业层面的特异性因素对企业就业的影响，参考Gulen和Ion[2]，本文在实证模型中加入控制变量集，包括企业的总资产(Asset)、资产结构(Lev)、总资产收益率(ROA)、经营现金流(OCF)、托宾Q值(TQ)以及营业增长率(Sgrowth)。为了控制企业就业的行业效应，本文引入了行业虚拟变量。本文不引入时间虚拟变量，主要考虑到如果引入时间虚拟变量，那么时间变量将包含货币供给与经济政策不确定性的全部解释力，从而引起共线性的问题。各个变量具体含义及计算方式如表1所示。

表1 变量定义表

(二)样本选择及数据来源

本文选取2001—2016年中国A股市场上市公司为样本，并剔除金融行业的上市公司、被特别处理(ST、PT)的企业以及相关数据缺失的样本，最终得到2 719家企业共 25 730 个观测值。广义货币供给M2数据来自国家统计局网站。企业层面数据来自CSMAR国泰安数据库。为排除极端值的影响，本文对企业层面的连续变量进行1%和99%水平的Winsor缩尾处理。

本文选取的刻画中国经济政策不确定性的指标是由美国西北大学教授Baker、斯坦福大学教授Bloom和芝加哥大学教授Davis共同提出的EPU指数，数据来源于网站www.policyuncertainty.com。该指数是一种基于主流报纸的新闻报道而统计出的经济政策不确定性数据。统计中国经济政策不确定性依据的报纸是香港南华早报英文版。中国EPU指数的构建方法如下：首先设定三组关键词，{China，Chinese}、{economy，economic}和{uncertain，uncertainty}，将来自南华早报的所有同时包含如上三组关键词中每组至少一个关键词的文章标记为关于中国经济不确定性的文章；其次，识别出上述被标记的文章中讨论政策问题的文章，检索的关键词或者同时包含{policy、spending、budget、political、"interest rates"、reform}和{government、Beijing、authorities}两组关键词中每组至少一个关键词，或者只包含如下关键词中至少一个关键词：{tax、regulation、regulatory、"central bank"、"People's Bank of China" 、PBOC、deficit 、WTO }；接下来，应用这些要求搜索自1995年以来在南华早报发表的每一篇文章，从而产生了每个月与经济政策不确定性相关的文章的数量；最后，将每月的这类文章的数量除以同一月南华早报所有文章的数量，将结果序列从1995年1月到2011年12月的平均值标准化为100，并对所有月份的数据进行标准化，这样就得到了中国的经济政策不确定性指数。中国2001—2016年月度EPU指数走势如图1所示。

图1 中国月度EPU指数时序图

从图1中可以看出，中国的经济政策不确定性在2008年快速攀升，这主要与当时全球金融风暴的扩散有关。经过一段时间的下跌后，2011年中国的经济政策不确定性再度攀升，这主要是由于此时“四万亿”刺激政策的负面效应开始显现——经济衰退与通货膨胀并存，政府的经济政策面临“两难”困境，经济政策的不确定性明显增强。2015—2016年中国的经济政策不确定性又一次急剧攀升，这主要与2015年的股灾以及之后的供给侧改革有关。

为了更好地匹配样本数据，本文参考Gulen和Ion[2]对月度EPU指数进行如下两方面处理：第一，将月度EPU指数以1为基准标准化；第二，将标准化后的月度EPU指数进行几何平均法转化为年度的EPU指数。宏观变量与缩尾处理后的企业连续变量的描述性统计如表2所示。从表中可以看出，EPU的最大值大约是最小值的6倍，标准差高达0.804，说明2001—2016年期间中国为调控宏观经济运行经济政策发生了较为剧烈的调整。

表2 变量的描述性统计表

表3是所有解释变量的相关系数矩阵，可以看出，各个解释变量之间的相关系数很小，互相之间不存在较强的共线性问题。

表3 变量相关系数矩阵表

(三)实证结果

本文根据式(9)检验中国经济政策不确定性对货币政策的就业效应的影响。式(9)的Hausman统计量为221.14，Prob=0.000 0,拒绝了随机效应的原假设，因此应该采用固定效应模型估计。表4为估计结果。

表4 经济政策不确定性对货币政策就业效应影响表

注：括号内为回归系数的标准误，*、** 和 *** 分别表示在 10%、5%和 1%的水平上显著，下同。

首先，从全样本回归的系数估计结果中可以看出，MGt的系数为0.450且在1%的置信水平下显著，说明货币供给增长率的提高在整体上能够促进企业就业的增长，该结果支持假说H1。EPUt的系数为-0.010，并且在10%的置信水平上显著，说明经济政策不确定性的提高会对企业的就业产生直接抑制作用，这一结果支持假说H2。

为了分析经济政策不确定性是否会影响货币政策的就业效应，本文根据EPU的大小将样本分为两组子样本。样本期EPU指数的几何平均数为1.182，因此本文将这个值作为经济政策不确定性高低的划分标准，EPU小于1.182的样本为低经济政策不确定性样本，EPU大于1.182的为高经济政策不确定性样本，之后根据式(9)分别对两个子样本进行回归，比较两组子样本中MGt系数的差异，从而考察经济政策不确定性对货币政策就业效应的影响。参数估计结果分别列入表4的(2)列和(3)列。从低EPU子样本的回归系数可以看出，MGt的回归系数为0.521且在1%的置信水平下显著，大于全样本的系数0.450，同时EPUt的回归系数不显著，这说明整体而言，在经济政策不确定性较低的时期，货币供给增长对于就业的促进作用较大，并且此时的经济政策不确定性对于就业的抑制作用不明显。对比之下，高EPU子样本中MGt的回归系数不显著，但是EPUt的回归系数为-0.048且在1%的置信水平上显著，大小和显著性都明显高于全样本和低EPU子样本对应的回归系数，这说明高的经济政策不确定性较高时，货币政策对就业的促进作用受到了抑制，并且此时经济政策不确定性对就业的直接抑制作用十分明显。进一步比较两个子样本中MGt的系数可以发现，二者的差值为正且在1%的置信水平上显著，说明二者显著不同，这进一步证明了在中国高的经济政策不确定性会抑制货币政策的就业效应，从而验证了假说H3。

接下来，本文将实证检验经济政策不确定性是否对企业就业存在滞后影响。一方面，本文将从年度频率上考察企业就业，实际上已经为企业根据当前经济形势调整用工决策预留了足够的时间，从这个意义上来讲，经济政策不确定性对就业的滞后影响较为微弱；另一方面，上一年度经济政策不确定性又会影响企业对本年度经济政策不确定性的预期，从而可能在一定程度上影响企业本年度的用工决策。因此，实证分析从以下两个角度展开：一是鉴于货币政策的传导存在一定的时滞，上一年度的货币政策有可能影响本年度企业就业，需要在这种情况下检验经济政策不确定性是否对就业存在滞后影响；二是检验经济政策不确定性是否对本年度货币政策就业效应存在滞后影响。为此构建实证模型如下：

Lgrowthi,t=β0+β1MGt-1+β2EPUt-1+

β3Asseti,t-1+β4Levi,t-1+β5ROAi,t-1+β6OCFi,t-1+

β7TQi,t-1+β8Sgrowthi,t-1+β9∑Industry+ui+εi,t

(10)

Lgrowthi,t=β0+β1MGt+β2MGt×EPUt-1+

β3EPUt+β4Asseti,t+β5Levi,t+β6ROAi,t+β7OCFi,t+

β8TQi,t+β9Sgrowthi,t+β10∑Industry+ui+εi,t

(11)

式(10)用于检验滞后影响(1)，如果式(10)的回归结果中MGt-1和EPUt-1的系数显著，则表明上一期的货币政策和经济政策不确定性对本期就业存在滞后影响。式(11)用于检验滞后影响(2)，式(11)中引入上一期经济政策不确定性及其与当期货币增长率的交互项，如果交互项系数显著，则表明上一期经济政策不确定性会对本期货币政策的就业效应产生滞后效应，反之则不存在滞后效应。实证结果如表5所示。

表5 经济政策不确定性对就业滞后影响检验表

从表5中可以看出，在第(1)列中，MGt-1与EPUt-1的系数均不显著，表明上一期货币政策和经济政策不确定性对本期就业的影响均不显著。在第(2)列中MGt的系数为1.106且在1%的置信水平上显著，说明货币供给增长率的提高在整体上能够促进企业就业的增长，这与上文结论一致，但是交互项MGt×EPUt-1的系数并不显著，表明上一期的经济政策不确定性不会影响当期货币政策的就业效应。综合这两个方面来看，经济政策不确定性对就业的滞后影响十分微弱。

(四)企业异质性分析

为进一步考察经济政策不确定性对货币政策就业效应的影响，本文将考虑样本内上市公司的所有权性质和行业两种异质性因素。

1.所有权性质异质性。在中国，国有企业由于其特殊地位，既要承担经济责任，也要承担一定的政治责任和社会责任。国有企业在一定程度上要担负起扩大就业、维护稳定等方面的义务。因此，国有企业的特殊职责使其在一定程度上抵消货币政策冲击和经济政策不确定性对就业的影响。本文猜想：一是货币政策对于非国有企业就业的直接影响要大于对国有企业就业的影响；二是在经济政策不确定性抑制货币政策的就业效应方面，对非国有企业的抑制作用大于国有企业。接下来将对这两个猜想进行验证。

首先，将全体样本按照所有权性质分为国有企业组与非国有企业组两个子样本，接下来在每个子样本内部按照与上文相同的标准分为低EPU组与高EPU组，这样可以得到(1)低EPU国有企业组、(2)高EPU国有企业组、(3)低EPU非国有企业组和(4)高EPU非国有企业组共4组样本，最后根据式(9)分别对这4组样本进行回归。回归结果如表6所示。

表6 经济政策不确定性对货币政策就业效应影响表(所有制异质性)

表6的(1)、(2)两列表明在不同的经济政策不确定性下货币政策对国有企业就业效应的影响。从回归系数的估计结果可以看出，对于国有企业而言，无论是在经济政策不确定性较高还是较低的时期，MGt的回归系数都是不显著的，说明对于国有企业而言，货币政策不是影响企业就业的重要因素，经济政策不确定性对货币政策的就业效应的影响有限。但是，比较两个样本MGt变量的系数可以发现，二者的差值为0.133并且在1%的置信水平上显著，说明二者显著不同，即在国有企业中，经济政策不确定性对货币政策就业效应依然存在一定的抑制作用。

表6的(3)、(4)两列表明在不同的经济政策不确定性下货币政策对非国有企业就业效应的影响。从回归结果可以看到当经济政策不确定性较低时，MGt变量的回归系数为0.977，并且在1%的置信水平下显著，而EPUt的回归系数不显著，说明此时货币供给增长的提高能够显著促进非国有企业就业，而经济政策不确定性对于就业的抑制作用不明显。当经济政策不确定性较高时，MGt的回归系数变得不显著，然而EPUt的回归系数为-0.065并且在1%的置信水平上显著，表明此时货币政策对于非国有企业的就业作用有限，但是经济政策不确定性能够显著抑制非国有企业的就业。接下来，进一步比较两个子样本中MGt变量的系数可以发现，二者的差值为0.864且在1%的置信水平上显著，说明二者显著不同，这进一步证明了对于中国非国有企业而言，经济政策不确定性对于货币政策的就业效应有显著的抑制作用。最后，比较国有企业的MGt变量系数差与非国有企业MGt变量的系数差可以发现，非国有企业样本差值为0.864明显大于非国有企业的0.133，这一结果充分证明了在经济政策不确定性对于货币政策就业效应的抑制作用方面，非国有企业大于国有企业。

最后，比较货币政策对国有企业和非国有企业就业效应的差异。通过(1)、(3)两列可以发现，非国有企业MGt变量的回归系数0.977明显大于国有企业MGt变量的回归系数0.141，说明在经济政策不确定性较低时，货币政策促进非国有企业就业的效果优于国有企业。而当经济政策不确定性较高时，通过(2)、(4)两列可以发现，货币政策对国有企业和非国有企业就业的影响均不显著。

2.行业异质性。随着中国经济结构的不断调整，第三产业在国民经济中的比重逐渐增大，第二产业的比重的则相对减小。与之对应，第三产业吸收就业的比重超过第二产业并且差距不断拉大。因此本文猜想：一是货币政策对于非工业企业就业的直接影响要大于对工业企业就业的影响；二是在经济政策不确定性抑制货币政策的就业效应方面，对非工业企业的抑制作用大于工业企业。接下来，将对这两个猜想进行验证。

首先，将全体样本按照行业性质分为工业企业组与非工业企业组两个子样本，按照证监会《上市公司行业分类指引(2012年)》和通常的划分方法，采矿业、制造业和电力、热力、燃气及水生产和供应业被划分为工业，其他行业则是非工业。接下来在每个子样本内部按照与上文相同的标准分为低EPU组与高EPU组，这样可以得到(1)低EPU工业企业组、(2)高EPU工业企业组、(3)低EPU非工业企业组和(4)高EPU非工业企业组共4组样本，最后根据式(9)分别对这4组样本进行回归。回归结果如表7所示。

表7 经济政策不确定性对货币政策就业效应影响表

表7的(1)、(2)两列报告了不同EPU水平下货币政策对工业企业就业效应的影响。从中可以看出，在EPU水平较低时，MGt变量的回归系数为0.362，且在10%的置信水平上显著，说明此时的扩张性货币政策对工业企业就业有一定的促进作用，此时EPUt变量的回归系数不显著，表明此时经济政策不确定性不是影响就业的主要原因。而EPU水平较高时，MGt变量的回归系数变得不显著，表明此时扩张性货币政策对就业的促进作用有限。然而，EPUt变量的回归系数为-0.052并且在1%的置信水平上显著，说明此时高的经济政策不确定性会抑制工业企业的就业。

表7的(3)、(4)两列报告了不同EPU水平下货币政策对非工业企业就业效应的影响。当EPU水平较低时，MGt变量的回归系数为0.973，且在1%的置信水平上显著，说明经济政策不确定性较低时，扩张性的货币政策能够显著促进非工业企业的就业。然而，当EPU指数较高时，MGt变量的回归系数不显著，表明此时扩张性货币政策对非工业企业就业影响有限。并且在(3)、(4)两列中，EPUt变量的回归系数都不显著，说明经济政策不确定性并非影响非工业企业就业的重要因素。

最后，对比(1)、(3)两列可以看出，非工业企业的MGt变量回归系数明显大于工业企业MGt变量的回归系数，这说明货币政策对非工业企业就业的影响大于对非工业企业就业的影响。而当经济政策不确定性较高时，通过(2)、(4)两列可以看出，货币政策对工业企业和非工业企业就业的影响均不显著。

五、稳健性检验

为检验回归结果的稳健性，本文采用Shibor隔夜拆借利率年度平均值的变化代替M2增长率作为货币政策的代理变量，对上文的回归做稳健性检验，检验结果如表8所示，在这里仅列出少数关键变量的回归系数。由于利率升高表示紧缩性货币政策，利率下跌表示扩张性货币政策，因此变量ΔInterest回归系数符号与前文MG变量的回归系数符号相反。稳健性结果与前文结论没有实质性差异。

表8 稳健性检验表

六、结论与启示

本文以2001—2016年中国A股上市公司为样本，采用Baker等提出的EPU指数研究中国的经济政策不确定性对货币政策就业效应的影响。结果发现：总体来讲，货币供给增速的提高能够促进上市公司的就业，特别对非国有企业和非工业企业就业的促进作用尤其明显；经济政策不确定性对企业就业存在直接抑制作用；经济政策不确定性对货币政策就业效应存在抑制作用，并且对于非国有企业的抑制作用大于对国有企业的抑制作用，对于非工业企业的抑制作用大于对工业企业的抑制作用。

结论表明，虽然经济政策是宏观调控的重要手段，但是经济政策不确定性会对政策的调控效果产生一定的负面影响，因此政府在制定经济政策上应注意避免政策的频繁变动，保持政策的连续性和稳定性，当需要改变现行政策时要做到积极引导企业和公众的预期，或者做到果断和透明，降低不确定性对宏观经济和政策调控效果的负面影响。另外，中央银行在制定和实施货币政策时应把握好恰当的时机，提高货币政策有效性。