第二節 信貸供給沖擊的估計

一、計量模型設定與估計策略

將式（2-1）關于平均數去勢處理后，可得如下估計利用貨幣沖擊測算信貸供給沖擊的基準模型：

易知，了解貨幣沖擊的關鍵在于如何相對準確地獲得的估計，而這與計量模型的構建及估計策略的選擇密切相關。根據估計目的，要保證估計的相對準確性，核心是要使得式（2-7）的系數γ的估計相對準確，而這主要取決于式（2-9）中隨機擾動項的性質。為此，Driscoll （1994）和Melzer（2007）均對式（2-9）中可能出現的隨機擾動項序列相關和異方差問題進行了處理或檢驗。不過，雖然隨機擾動項序列相關和異方差問題的消除可以提高參數估計的有效性，但由于即便是式（2-9）中存在序列相關與異方差問題，其系數估計仍會滿足一致性，因而在樣本量較大的情況下，隨機擾動項的序列相關及異方差問題不會對參數估計的準確度產生嚴重影響。由此，與Driscoll（1994）和Melzer（2007）的理解不同，本章認為，對式（2-9）估計的關鍵是要確保解釋變量的弱外生性，即它與不能同期相關，而現實中貨幣需求與產出的動態互動很可能破壞這種弱外生性。

保證弱外生性的關鍵是將式（2-9）中一些與及同時相關的因素加以剔除，解決問題的方法有三種：一是將與及同時相關的變量引入式（2-9）；二是利用固定或隨機效應估計方法，剔除（固定效應）或同時考慮（隨機效應）時間或截面效應的影響；三是利用動態GMM估計這一頗具一般性的工具變量估計方法，解決解釋變量內生性問題。在具體的估計過程中，我們擬采用剔除截面固定效應的分布滯后LS與動態GMM估計兩種估計方法對式（2-1）進行估計，主要原因如下：一是由于不同地區的國民收入變化顯然既與地區的諸如文化等特征有關，也與轉軌過程中不斷發生的重大事件有關，因而認為截面和時間效應與作為解釋變量的國民收入無關是沒有說服力的；二是式（2-9）即等同于對式（2-1）的剔除時間固定效應處理；三是固定效應分布滯后LS估計會由于解釋變量的測量偏誤而導致相對嚴重的參數估計偏誤，而動態GMM估計則容易出現弱工具變量的問題，二者的同時運用可增強估計結果的穩健性。

另外需要說明的是，許多研究利用協整方法對作為貨幣需求函數的式（2-9）進行了估計，即便對于轉型經濟體也是如此處理（Pelias,2006;Austin, Ward and Dalziel,2007）。雖然未明確說明，但Melzer（2007）對長期貨幣需求函數的估計似乎也是基于協整理論。不過，基于如下理由，本章認為，對式（2-9）的估計，用考慮到變量平穩性的協整理論進行估計未必適宜：一是即使將協整模型看作具有單向因果關系，系數γ的估計值也僅能表示長期彈性，而這與對貨幣沖擊的短期定義不一致；二是即使式（2-9）中的變量均為I（1）的，通常的LS估計的系數仍滿足超一致性，因而不會影響殘差的估計。

二、變量定義與數據

（一）變量定義

貨幣量（mit）：按照Driscoll（1994），要與前面理論的邏輯相一致，貨幣量應定義為能引致銀行資產方貸款量變化的存款，Driscoll（1994）用M3減去現金與旅行支票存款之和來反映美國的貨幣量。不過，盡管各國對貨幣層次的劃分原則相同，但貨幣的具體構成并不一致，因而這里貨幣量的定義要依據中國的實際。按照中國的貨幣層次劃分，M2=M1+城鄉居民儲蓄存款+企業存款中具有定期性質的存款+信托存款+其他存款。顯然，除了M1當中包含的M0外，其他各種存款均是商業銀行資產負債表中負債方的組成部分。另外，中國并沒有M0、M1和M2的分省份統計數據，因而這里定義各個省份銀行各項存款的對數值為本章中的貨幣量指標。

國民收入（yit）：國民收入核算體系中的國民收入有多種測算尺度。在凱恩斯主義的貨幣需求理論中，貨幣需求包括交易性需求與投資性需求，它由家庭部門的經濟行為決定。因此，基于這一理論的貨幣需求函數中的國民收入應當用家庭部門的收入來表示。但是，如前所述，本章中構成貨幣量的存款不僅來自家庭，還來自企業等其他經濟部門，因此，這里不擬采用Driscoll（1994）的個人收入指標來表示國民收入，而是與Melzer （2007）一樣，采用各省的實際GDP對數指標。

價格指數（pit）：中國的國家與分省份統計年鑒中的價格指數包括居民消費價格指數、商品零售價格指數、工業生產者出廠價格指數、原材料等動力購進價格指數、固定資產投資價格指數5類。前面理論模型的邏輯及對貨幣存量內涵的界定表明，價格指數的選擇應盡可能全面地反映經濟總體價格水平的變化，顯然，在這幾個價格指數中，商品零售價格指數最符合這一要求，故這里采用商品零售價格指數對數值作為價格指數的指標。

（二）數據

本部分樣本數據的區間段為1980—2010年。其中，1980—2008年的數據來自《新中國六十年統計資料匯編》，其余年份數據補充自各個省份的2011年統計年鑒。需要說明的是，在樣本區內，四川與廣東的行政區劃有所變動，我們的處理方式是仍將分置后的四川與重慶、廣東與海南作為一個整體來看待，即分別對1984年后的廣東與海南、1997年后的四川與重慶數據進行加總。

三、估計結果

表2-1給出了式（2-9）的LS和動態GMM估計兩種估計結果。

表2-1給出了不同動態情境設定下的式（2-9）分布滯后回歸結果與動態GMM估計回歸結果，對不同動態情境進行設定的目的是觀察估計過程中模型設定的動態完整性。首先，Hausman檢驗結果顯示，在截面維度上隨機擾動項與解釋變量不相關的假設被嚴格拒絕，表明固定效應模型是一個更好的選擇。同時，J統計量的檢驗結果也表明，動態GMM估計的工具變量集的選擇是弱有效的。其次，不同模型設定的LS估計結果表明，雖然部分變量系數的顯著性隨滯后項的增加而有所減弱，但至少在模型3以后，模型4、5、6、7的大部分系數估計值顯示出了高度的一致性，這表明只要在基本模型式（2-9）中引入至多兩階滯后解釋與被解釋變量，模型就滿足動態完整性的要求，而這可保證系數估計的一致性。最后，模型4、5、6、7的系數估計結果與動態GMM估計結果也相當一致，表明式（2-9）解釋變量內生性的產生的確主要源于前期的解釋與被解釋變量未被引入模型，從而進一步印證了模型4、5、6、7滿足動態完整性的判斷。據此，我們選擇居于中間位置的模型6回歸結果作為進一步分析的基準，表2-2給出了模型6的殘差項統計特征。