中国货币政策效应时滞性实证分析.docVIP

中国货币政策效应时滞性的实证分析 　　中图分类号：F830 文献标识码：A 　　文章编号：1672―7355（2012）01―0124―02 　　摘 要:在全球金融危机背景下，货币政策的时滞性对于制定有效的货币政策尤为重要。本文运用脉冲响应函数和方差分析法，结合1999年至2009年的季度数据对中国货币政策宏观调控效应的时滞性进行了实证检验，最终得出了货币政策在价格和产出两个传导过程中具有时滞期数，并且货币渠道对价格和产出水平的贡献大于信贷渠道的结论。 　　关键词:货币政策 时滞性 脉冲响应函数 方差分析 　　一、 引言 　　货币政策作为国家宏观调控的主要工具，在实现经济总量平衡和币值稳定等发面发挥着重要的作用，几乎成为了经济宏观调控的代名词。在实际运用过程中，货币政策的效应并不是在实施后就马上显现出来，而是存在一定的时间间隔，即所谓的货币政策效应“时滞”。时滞的存在增加了货币政策调控的风险，使中央银行对于货币政策措施有效性的检验变得更加困难。因此，在国家宏观调控中，分析货币政策的时滞情况对于提升货币政策的有效性就有了重要意义。此前已有不少学者对货币政策效应的时滞进行了研究，但由于采用的计量经济方法和选取的工具变量的不同，测算出效应的时滞长短也不相同。王志强（2000）利用1990年到1997年的月度数据，选取货币供应量、贷款以及利率作为变量进行测算，得出了货币政策的时滞为4个月的结论。郝雁（2004）利用1998年到2003年的月度数据，把贷款和货币供应量作为变量来进行测算，得出了贷款对产出和物价的作用为4个月，货币供应量对产出和物价的作用为5个月的结论。马秀远（2010）利用1996年到2009年的季度数据，以国内生产总值、广义货币供应量和通货膨胀率作为测算变量，发现我国货币政策会通过信贷渠道和货币渠道影响产出和通货膨胀，并且信贷渠道的短期效应较为显著，货币的长期效应较为持久。 　　二、 理论基础及方法介绍 　　（一）向量自回归（VAR）模型 　　向量自回归模型常应用于检验时间序列随机扰动项对变量的动态影响，是研究政策传导和效果的有效方法，对于揭示货币政策的影响方法，该模型充当了基本的检验工具。同时，选择向量自回归模型可以避免传统回归模型对相关变量的分类要求。 　　（二）脉冲响应函数和方差分解 　　在VAR模型中，对第i个变量的冲击在直接影响第i个变量的同时，也会通过模型的动态之后结构传递给其他所有的内生变量。因此，脉冲响应函数主要体现了对扰动项的一次性冲击给内生变量的现值和未来值产生的影响。脉冲响应函数是随着时间的推移，来考察回归模型中个自变量对于冲击是怎么反应的，但是对于只要简单说明变量间的影响关系又显得过细。在这种情况下，Sims（1980）提出了方差分解，即用方差评价第j个扰动项对第i个变量从过去到现在时点的影响。因此，就可考察向量自回归模型中任一个变量冲击的相对重要性，并比较这个重要性的时间变化规律，从而测算该变量的作用时滞。 　　三、 货币政策效应时滞性的实证分析 　　（一）变量的选取及数据处理 　　本文选取了最近的一个完整周期，1999年至2009年的季度数据作为样本区间。在研究货币政策具体实施效果的指标时，选用了国内生产总值GDP和消费品价格指数CPI来衡量货币政策的产出效应和价格变动效应。同时，由于中国人民银行于1996年正式采用M1作为我国货币政策的中介目标，而M0和M2是作为观测目标，所以本文将选择M1作为模型的一个变量。此外，文章还将选取“同业拆借利率的加权平均”R和“全国金融机构本外币的贷款余额”LOAN作为其中的解释变量。为使时间序列数据更为平稳，本文对所有数据取对数，分别采用LGDP、LCPI、LM1、LM2、LR和LLOAN来表示。以上变量的数据均来自于国家统计局和人民银行网站。 　　(二)单位根检验及协整检验 　　选用ADF检验的方法对以上时间序列数据进行单位根检验，结果如下： 　　由ADF检验结果可知，LCPI和LM2是平稳时间序列数据，无需进行查分处理，其他变量为非平稳数据，在一阶差分后的ADF值的绝对值是大于5%的临界值，因此，拒绝单位根存在的原假设，即数据在一阶差分处理后为平稳序列。在对经过处理的数据进行协整检验后，笔者发现差分后的时间序列数据具备协整关系，这表明本文选取的各变量具备长期均衡关系。 　　（三）向量自回归模型、脉冲响应函数以及方差分解 　　基于上述分析，本文将平稳的时间序列数据建立VAR（3）模型。其中，滞后结束是在确保残差不相关的前提下用AIC法则选取。对于VAR（3）模型，首先需进行AR根视图诊断。运用Eviews5.0计算，模型AR根的图表显示，该模型的根全部都是小于1并且位于单位圆之内的，因此，该VAR模型时稳定的，这可