中国货币政策金融加速器效应的行业差异性分析

　　摘要：文章使用SUR计量方法，对制造业30个子类行业的行业层面的金融加速器效应大小进行分析。得出结论：有15个行业没有表现出明显的行业层面的金融加速器效应；另外15个行业中，金属制品业表现出最大的行业层面的金融加速器效应。效应大小为1.982％。木材加工及木、竹、藤、棕、草制品业行业层面的金融加速器效应最小，效应大小为0.50％，其他行业的行业层面金融加速器效应大小在0.56％～1.73％之间。这些结论对政府的信贷政策有一定的参考作用。
　　关键词：金融加速器效应；货币政策；行业差异性
　　中图分类号：F830　文献标识码：A　文章编号：1006-1428(2009)03-0036-04
　　
　　一、引言
　　
　　1989年，Bemanke和Gerder提出。信贷市场不完美会引起借贷双方的代理成本变化，由此引起企业资产负债改变，从而引起企业投资和产量变化。最终使得经济出现更大的波动，他们将这种效应称为加速器效应。1994年，Bemauke、Gertler和Gilchrist正式提出了金融加速器概念。1998年。这三位学者又采用动态新凯恩斯(Dynamic New Keynesian-DNK)模型分析框架，将信贷市场不完美和企业净值纳入主流宏观经济模型，分析了金融加速器在经济周期中的作用。从而使金融加速器理论逐渐趋于完善。从金融加速器的概念可以看出，金融加速器效应主要是从企业层面来分析信贷市场不完美造成企业投资波动最终影响产出，所以相关的实证研究文献都是从企业的角度出发研究金融加速器效应。比如，Gertler和Gilchrist(1991)将制造企业按资产划分为小企业和大企业，考察了制造企业的销售量数据，结果发现货币供应量M2的增长对大企业没有太大影响，却与小企业的增长有很强的正向关系；Benanke，Gertler和Gilchrist(1994)分析了不同规模的企业在面临紧缩的货币政策时投资支出与现金流状况，认为小企业的金融加速器效应大于大企业的金融加速器效应；吴建环和席莹(2007)以货币政策对不同规模高科技企业的影响为例，分析了中国货币政策的金融加速器效应。
　　本文认为，金融加速器效应虽然是针对企业层面提出的概念，但是一个行业的所有企业表现出的金融加速器效应加总后最终会通过该行业宏观地表现出来。也就是说，货币政策变动后，由于信贷市场不完美，影响到行业内各个企业的资产负债、投资和产出，当将行业内所有企业的有关变量相应变动加总后，最终行业层面的资产负债、投资和产出都因货币政策变动而受到影响。这样，在行业层面，货币政策通过资产负债表渠道的传导途径同样是：货币政策M变动影响利率，利率的变化影响行业层面的资产净值NE、投资I和产出Y，最终使经济出现波动。这样，研究一个行业的投资、产出、资产净值受货币政策的影响程度，就可以得出行业层面的金融加速器效应大小。很多研究文献指出，我国货币政策具有非对称性的行业效应，这显然表明货币政策在行业中的传导具有差异性，从而对经济波动产生不同的影响，也就是说，各个行业可能具有不同的金融加速器效应。为了研究行业层面的金融加速器效应差异。本文选择制造业行业中的30个子类行业作为研究对象，使用SUB估计方法，对这些行业构成的方程组进行回归分析。试图找到各行业的行业层面的金融加速器效应大小。为我国针对不同行业制定不同的信贷政策提供一定的参考。
　　
　　二、模型选择和数据说明
　　
　　由金融加速器理论知。当货币供给M上升后，引起利率R下降，股票价格P上升，企业资产净值N增加，净值增加使得企业的贷款L上升，从而企业的投资I和产出Y都将增加，使得经济出现更大波动。根据该理论，货币供给量M和利率R都可以作为货币政策变量。投资I和产出Y的变动可以作为金融加速器效应大小的变量。资产净值NE和贷款L属于金融加速器的中间传导变量。考虑到我国利率没有完全市场化。这里选择货币供给量M2作为货币政策变量，选择资产净值N作为中间变量。选择投资I作为衡量金融加速器效应的变量。于是，模型的被解释变量为行业的投资额I。解释变量为行业的资产净值N和货币政策变量M2。Benanke等人指出，企业的净值是指企业流动资产与可抵押物品的价值之和，由于数据的可获得性，这里不使用这些数据，而使用各行业的资产总值减去负债总值得到资产净值。
　　本文的数据都来自中经网数据库。由于没有公布建筑业资产总值和负债总值2007年和2008年的月度数据，所以样本数据范围最终选择2003年1月一2006年12月的月度数据。为了消除价格因素的影响，将所有变量的当月值都除以当月的CPI指数，得到各行业的实际投资额、实际货币供给量和实际资产净值，同时进行对数变换，以熨平长期趋势。另外，由于各个变量都存在明显的季节特性，所以都使用X-12方法对月度数据进行了季节调整。另外，各行业1月份的投资数据没有公布，本文使用每年近似等比的增长率方式计算出该月份的当月值。
　　考虑到货币政策和企业资产净值对企业投资的影响都有一定的滞后期，所以模型中的变量要使用这两个变量的滞后项。为了选择适当的滞后项作为被解释变量，我们对货币政策和制造业资产净值总额的前三期值构成的各模型进行了比较，具体回归模型结果见表1所示。
　　
　　根据表1中显示的T统计量、标准误、残差平方和、DW检验等值，模型3回归的效果更有效一些，所以最终选择资产净值滞后1期、货币政策变量M2滞后3期作为模型的变量。为了便于比较，在构建各个行业的计量模型时，都遵循这种选择标准。
　　式中的IitNit、M分别为各行业的投资、资产净值和货币政策变量，所有的变量都取了对数，且经过X一12季节调整，i=l。2…30，代表30个行业。需要说明的是，由货币政策在行业中的传导机制知，货币政策变动对行业的实际资产净值产生影响需要一段时滞，然后实际资产净值作为中间传导变量去影响投资，又有一定的时滞。这样。选择的货币政策变量的滞后期应该大于资产净值的滞后期。上面通过比较各模型最终选择货币政策变量滞后3期。资产净值变量滞后l期比较符合现实。
　　
　　三、实证分析
　　
　　从表2中看出，货币政策对农副食品加工业等17个行业投资的影响通过了显著性检验，其中，印刷业和记录媒介的复制业通过10％的显著性水平检验。造纸及纸制品业通过5％的显著性水平检验，其余15个行业通过1％的显著性水平检验。但各行业受货币政策的影响程度呈现明显差别。受货币政策影响最大的是皮革、毛皮、羽毛(绒)及其制品业，投资的货币政策弹性值为4.092，货币政策变动1％，投资变动4.092％。其次是交通运输设备制造业，投资的货币政策弹性为2.717，再次是电气机械及器材制造业、通信设备、计算

相关热词搜索：差异性 加速器 货币政策 中国 效应