中國經濟波動分解及異質性貨幣政策沖擊的動態響應機制

摘要：文章通過構建隨機擾動變參數因子擴展的向量自回歸模型（SV-TVP-FAVAR模型），對中國經濟波動進行結構性及周期性因素分解，在此基礎上給出異質性貨幣供給沖擊對經濟變量的動態影響特征。得出以下結論：結構性因素解釋經濟波動的34.12%，周期性因素解釋經濟波動的65.88%，兩種因素的影響效果明顯不同；樣本期內，貨幣政策變量具有3個轉折點，分別為1961年、1978年及1996年；不同經濟波動成分對貨幣政策沖擊的響應存在較大差異；不同的經濟狀態也會對貨幣政策的調控存在影響。

關鍵詞：動分解；貨幣政策沖擊；SV-TVP-FAVAR

中圖分類號：F2240，F8201文獻標志碼：A文章編號：

10085831（2016）01005008

一、問題與文獻回顧

近年來，中國經濟增速不斷波動，并且每次波動都伴隨著不同程度的結構性及周期性因素的影響。2012年以來，受國內外復雜因素的影響，中國經濟始終面臨較大的下行壓力，進口三度負增長。當前經濟增長趨于穩定，但穩定基礎并不牢固。一些學者則認為中國此輪經濟波動就是由結構性及周期性因素疊加造成的，包括為了平衡前些年的貿易順差以及經濟高增長所實施的平衡政策；同時全球金融危機后世界經濟出現了整體減速的現象；再有國內劉易斯拐點的到來，勞動力供給短缺等一系列因素重疊在一起，造成了當前經濟面臨的困難。然而不同因素對經濟造成的影響強度及響應時間存在顯著差異，要想有效地治理中國經濟波動，分別研究結構性及周期性成因具有重要的經濟意義。如何度量中國結構性及周期性因素是一個不可回避的問題。所謂結構性因素主要指一種長期的經濟結構的轉變。經濟結構調整是指國家運用經濟、法律等必要手段，改變現有的經濟結構狀況，使之合理化、完善化，進一步適應生產力發展的需要。而本文則把結構性因素更多地解釋為影響經濟波動的長期性因素。周期性因素代表引起經濟短期波動的因素，其涵蓋經濟中的很多方面，例如庫存、公眾對經濟變動的預期、國內外經濟環境及政策變動、總需求的變化，等等。與此同時，當經濟受到以上多種因素疊加影響時，貨幣政策沖擊的動態響應機制在不同時點會產生不同的影響效果。并且考慮到貨幣當局在制定切實可行的貨幣政策之前，需要進行貨幣政策影響分析，通常需要監控上百個經濟指標。當經濟變量之間相互關聯且存在經濟轉變時，僅使用幾個變量來代表大量經濟信息以及使用不變參數模型來刻畫經濟是不現實的，所以本文采用隨機擾動時變參數因子擴展向量自回歸模型（SV-TVP-FAVAR）從大量數據集中抽取出不可觀測因子，其可以解釋經濟中的大量結構性及周期性的經濟信息，在此基礎上得到異質性貨幣政策沖擊對經濟變量的動態響應效果。

對于經濟波動的成因問題，國內外有很多學者進行研究。金浩、李延軍及高素英[1]就使用了轉折點檢驗及回歸的方法判定中國經濟周期的劃分以及造成這種經濟波動的總需求方面的成因。廖曉燕[2]則使用總量數據從信息技術革命、制度以及外部因素等方面分析了美國經濟周期的成因。然而大多數學者是從總量分析角度對經濟波動成因進行探討，但總量分析方法也有其缺陷，不能對經濟中多種因素的混合影響進行更加細致的分析，給出有針對性的建議。所以針對此不足，一些學者對相應的研究方法進行改進。對于經濟變量的分解，Chen等[3]使用VAR方法對美國就業市場的失業率波動做了結構性及周期性的分解，解釋了美國大蕭條時期造成長期高失業率的原因。而Fleischman和Roberts[4]，Morley、Nelson和Zivot[5]等使用卡爾曼濾波法對GDP進行分解，得到了GDP的趨勢以及周期性成分，進而對其長期和短期的波動進行了分析。但以上方法都是僅使用幾個經濟變量進行研究，可能造成經濟中重要信息缺失。所以Bernanke等[6]在Sims[7]的向量自回歸模型的基礎上首次提出了因子擴展的向量自回歸模型（FAVAR），通過從大量的數據序列中提取主要的經濟成分對經濟波動及政策傳導進行研究。中國學者王少平等[8]也應用了FAVAR方法對中國的CPI進行宏觀成分及特質沖擊的分解，判定二者在引起CPI波動方面所占比重以及其對經濟所造成的影響。本文考慮到經濟波動的成因復雜，使用簡單的幾個主要變量很難涵蓋較多的經濟信息，解釋能力有限，而FAVAR方法則有效地解決了此問題，既掌握了因子分析的優勢，起到降維的目的，又可以有效地抓住經濟中較多的有用信息，所以使用FAVAR方法對經濟波動進行分解，進而揭示各方面因素對經濟波動的影響效果及差異，是本文的一個主要研究動機。

另外，貨幣政策沖擊對于經濟的動態影響特征分析一直是宏觀經濟學界的熱點問題，所以對于貨幣政策動態影響特征的研究，學者們也在不斷尋找新的突破。Boivin和Giannoni[9]，Cogley和Sargent[10-11]以及Clarida等[12]探討了美國20世紀80年代后的貨幣政策在穩定價格及總的經濟活動方面起到的更加積極的作用。中國學者王松濤、劉洪玉[13]以住房為載體研究了中國貨幣政策的傳導機制。然而上述文章都是使用線性計量模型進行研究，對于說明貨幣政策在不同發展階段出現的非連續性以及非一致性問題的可信度降低。為了彌補此缺陷，Primiceri[14]，Sims和Zha[15]，Koop和Korobilis[16]隨后使用擴展的VAR模型，即允許VAR模型的參數隨著時間而變動，探討了貨幣政策沖擊對經濟波動特征的影響是否會隨著時間而發生明顯變化。像上文所述，在實際的經濟決策過程中，經濟決策者以及經濟機構會接觸到成百上千個變量信息[17]，在研究過程中若僅使用幾個變量，很難精確地涵蓋經濟的結構轉變特征。使用動態因子分析可以很好地解決此問題，也不會造成自由度的損失，因為動態因子模型還可以使用幾個主因子來涵蓋大量數據集中的重要信息。所以一些學者，如Boivin和Ng[18]，Giannone、Reichlin和Small[19]，Boivin和Giannoni[9]，Bernanke等[6]以及Korobilis[20]嘗試將FAVAR方法與動態參數及動態隨機波動方法進行結合，給出了SV-TVP-FAVAR模型，并對貨幣政策的傳導動態特征進行了研究。本文則參考Korobilis[20]，使用SV-TVP-FAVAR模型對中國的經濟波動以及異質性貨幣政策沖擊的動態影響效果進行深入探討。

綜上所述，本文存在以下幾點創新：（1）對經濟波動的成因進行分解研究，從不同成因的角度進行刻畫；（2）在對經濟波動變量進行分解的過程中，考慮大量的信息集，通過抽取信息集中的主成分對變量進行分解，而不是僅根據幾個總量變量進行刻畫；（3）在研究貨幣政策對經濟的調控效果時，考慮了異質性因素，即在不同時點、不同經濟狀態下給定貨幣政策沖擊進行對比分析；（4）進行脈沖響應分析時所建模型為隨機擾動時變參數模型，而不是固定參數模型，這更能夠體現出經濟的波動特點。

二、模型設定

本文使用的參數及擾動項隨時間可變的因子擴展向量自回歸模型（SV-TVP-FAVAR模型）是在Sim[7]所提出的向量自回歸模型（VAR）基礎上進行的動態因子擴展。較經典的框架由Korobilis[20]建立，本文就是基于此框架進行研究。對于SV-TVP-FAVAR模型的簡化式表示如下：

其中Yt=[Ft，Rt]′為總因子，其包含維數為（ν×1）的可觀測因子Rt，可以是貨幣政策沖擊或一些主要經濟變量，（（K+ν）×1）維的誤差項υt的均值為0，協方差矩陣Ωt的維數為（（K+ν）×（K+ν））。然而方程（1）不能直接估計，因為變量中包含不可直接觀測的因子。所以首先需要在大量的數據集中提取不可觀測的共同因子。假設Xt是一個包含大量經濟時間序列的經濟信息集，其中N較大且一般比FAVAR模型中估計出的因子個數更大（即K+v≤N）。信息集Xt與不可觀測因子Ft以及可觀測變量Rt具有相關性，其聯系方程表示為：

Xt=ΛfFt+ΛrRt+et（2）

其中Λf是N×K維的因子載荷矩陣，Λr是N×ν維的因子載荷矩陣，et代表N×1維的誤差項，其均值為0，方差協方差矩陣為Ψ=diag（exp（ψ1，t），…，exp（ψn，t））。方程（2）表明Ft與Rt共同推動經濟變量Xt的波動。方程（1）與方程（2）共同構成了SV-TVP-FAVAR模型。

協方差矩陣Ωt=A-1tHt（A-1t）′中At和Ht均為隨時間可變的矩陣，分別被定義為：

對于參數的設定參考Primiceri[14]以及Koop和Korobilis[16]，假定所有的參數都服從隨機游走過程，并且隨機游走參數的沖擊設定參考Giordini和Kohn[21]的混合設定形式：其中，=[αt，βt，p]，并且沖擊之間相互獨立且服從于式（5）中的正態分布：在式（5）中的誤差項之間允許存在相關關系。本文則通過方程（2）從信息集Xt中提取代表大部分經濟信息的不可觀測因子，并用來解釋經濟結構性及周期性波動的成因。使用因子載荷矩陣Λf、Λr對國內生產總值波動序列進行結構性及周期性因素分解，并在此基礎上分析中國的異質性貨幣政策沖擊對經濟的動態響應時變特征。其中可觀測變量集Rt包括通貨膨脹率、經濟增長率以及中央銀行的貨幣供給量。本文選擇貨幣供給量增長（M2增長率）作為央行的貨幣政策工具，是考慮到金融危機后，各大經濟體爭相采用量化寬松的貨幣政策，希望通過擴大貨幣供給量來穩定價格、平抑經濟波動，所以深入研究貨幣供給沖擊下的貨幣政策內生傳導機制有利于貨幣當局制定出具有前瞻性、異質性和持續性的貨幣政策。雖然當前貨幣供給量作為中國貨幣政策的中介目標受到了一些學者的質疑，認為其可控性較差，但大多數學者仍認為貨幣供給量與GDP及通貨膨脹之間仍有較大的相關性，所以當前使用其作為貨幣政策的中介目標仍然合理[22-23]。

確定因子個數的方法不盡相同，有Bai和Ng[24]提出的因子個數信息準則以及Bernanke、Boivin和Eliase[6]提出的敏感性分析等。本文采用敏感性分析方法進行確定。具體估計方法為：從不可觀測的因子個數為1開始，與可觀測變量共同組成共同因子，基于此估計模型（2），依次增加不可觀測因子Ft的個數并基于對應的模型（2）計算因子所解釋的經濟變量信息，直至Ft的增加至K，繼續增加Ft的個數對經濟序列的解釋能力不能產生實質性的不同，至此確定Ft的個數。而本文在抽取主因子的時候首先將總的經濟變量集分成兩部分，說明結構性問題的變量與周期性問題的變量分別歸組，并在兩組變量中抽取主成分，來代表經濟的主要信息。對于參數估計本文參考Korobilis[20]，使用Gibbs抽樣方法進行MCMC估計。首先從10 000次Gibbs迭代后去掉前面的2 000次隨機生成樣本，建立一個Gibbs樣本，然后利用抽樣樣本的統計推斷性質來估計相應的后驗參數。

三、實證分析

（一）數據選取及預處理

本文考慮到經濟波動為長期性問題，所以本文選取年度數據進行說明。樣本區間選取了1953-2011年的59個觀測值，構建了31維的宏觀信息集Xt，主要包括：（1）實際產出類，包括國民生產總值、國內生產總值以及三大產業的國內生產總值等；（2）實際消費及零售類，包括全國居民消費價格水平絕對值、居民消費價格指數、全國商品零售總額等；（3）黃金及外匯儲備類；（4）人口類，包括出生率、死亡率以及就業人口數等；（5）進出口類，包括進口貿易總額、出口貿易總額等5大類變量。本文應用上述變量集，是因為考慮到影響經濟波動的主要成因以及中國數據的可獲得性。對于可觀測變量集中的3個變量來說，通貨膨脹率根據年度居民消費價格指數（CPI）計算得出，具體的計算公式為通貨膨脹率=CPI-100；經濟增長率根據國內生產總值數據計算得出，其計算公式為經濟增長率=（當年國內生產總值-前一年國內生產總值）/前一年國內生產總值；而貨幣政策工具變量考慮到貨幣供應量M2更能夠代表經濟中的流動性變動，所以選擇它的增長率序列來進行研究，由于樣本區間的時間跨度較長，M2數據序列在中國的數據有限，所以本文使用的M2序列在1953年到2001年的數據是參考章澤武[25]所給出的值，其設定公式為貨幣供應量M2=貨幣（M1）+準貨幣=流通中的貨幣（M0）+單位存款+儲蓄存款，而2001年以后的貨幣供給量的數據則來自于《中國宏觀經濟政策報告》，繼而根據此計算其增長率序列。雖然由于中國數據資源的限制，Xt的維數和樣本長度仍然較小，但涵蓋了中國實際經濟活動等重要的宏觀經濟信息。本文中其他數據均來自于國家統計局網站以及《新中國60年統計資料匯編》。

本文中只有59個觀察值，而變量又有31維的宏觀信息集，但并不對模型的估計精度造成影響，原因為：（1）文章首先在31維的變量集中抽取主成分，在主成分的抽取過程中59個觀測值足夠觀測數據的趨勢變化特征；（2）在估計時變參數模型的過程中，也就是對異質性貨幣政策沖擊研究的過程中僅使用3個變量，即貨幣供給量以及文章中對經濟波動分解出的2個成分變量，所以3個變量的模型使用59個觀測值也具有可行性。

由于數據的量綱存在很大差異，為防止較大的估計誤差，所以在建立SV-TVP-FAVAR之前要對數據進行標準化處理，即將Xt中的每一個分量變換為均值為0，標準差為1的序列。單位根檢驗證明大量數據為非平穩數據，所以首先對數據進行平穩化處理。對于實際數量序列則使用取對數差分的變換進行處理，變換為環比增長率序列，例如實際國內生產總值等變量。而對于一些指數及增長率變量則直接進行差分處理，例如出生率等變量。對于本身為平穩的序列則無需處理。最后使Xt中所有分量為平穩序列。數據的預處理使用Eviews軟件進行操作，實證部分則全部使用matlab軟件完成。

（二）中國經濟波動的結構性及周期性因素分解

本文根據Bernanke、Boivin和Eliase[6]的敏感性分析方法，選擇不可觀測因子的個數為2。分別從結構性變量集以及周期性變量集中各抽取一個不可觀測因子。這兩個因子基本涵蓋了不可觀測信息集的大部分信息。其中結構性變量集包含的主要變量為：總人口、出生率、死亡率、自然增長率、總就業人數、第一至第三產業的就業人數、第一至第三產業的國內生產總值、農林牧副漁總產值、全國工業總產值、全國能源總產值、貨運總量以及黃金儲備（盎司）和外匯儲備。而周期性變量集包含的主要變量為：平均貨幣工資、國民總收入、全國居民消費水平絕對值、財政收入、財政支出、財政收入占國內生產總值比重、全國各項稅收收入、商品零售價格指數、全國消費品零售總額以及進口貿易總額和出口貿易總額。圖1為本文從數據集中抽取的主因子。

圖1中左圖為結構因子與結構變量集中的人口自然增長率序列的對比圖，右圖為周期因子與周期性變量集中的財政收入占國內生產總值的比重序列的對比圖。我們知道若想更清晰地理解因子之間的差異，最重要的是指出其代表的經濟意義。所以圖1中選擇了與不可觀測因子最為接近的一個代表性變量進行對比說明。從圖中可以看出，兩個因子對于代表性變量都有較好的擬合，可以反映各自數據集的波動特征。然而我們在接下來的自回歸分析中，之所以不直接選擇這些代表性變量而選擇抽取的主因子，原因主要是各個主因子的測量誤差相對于變量來說具有更好的穩定性，其更能夠代表一個經濟序列集的共同的趨勢特征，這一特點在圖1中也可以直觀地觀測到，因子的波動相對來說都比較小。

由于方程（2）中的每一個方程都可以寫為下面的形式：

xit=λfift+λriRt+eit（6）

所以為了更加直觀地分析兩種因素對經濟波動的解釋能力，本文參考王少平等[8]，使用下面的R2統計量來衡量：

其中的var表示方差，λi′Ct分別代表結構因子、周期因子以及可觀測因子的波動對主要宏觀經濟變量波動的解釋能力，而本文只關注對國內生產總值GDP增長率的波動的解釋能力，其中使用的都是標準化后的變量。經計算得出結果見表1。由于本文中設定的可觀測因子包含貨幣供給增長率（M2增長率）、通貨膨脹率以及產出增長率，這3個變量一般都是反映經濟的短期波動，所以其解釋經濟波動的百分比應該被包含在周期性因素部分。從表1所給出的結果看，數據中提取的結構性因素解釋了經濟波動的34.12%，而周期性因素卻解釋了經濟波動的65.88%，兩者相差較大，這充分說明了兩種因素對中國經濟波動的解釋能力。由于經濟的結構因素變動比較緩慢，并且其調整過程較長，所以影響經濟波動的作用時間較長且不容易在短期內解決，同時也不容易在某個時點上對經濟波動產生急劇的影響。而根據本文所使用的結構性變量集以及中國經濟的實際情況，所指的結構性因素主要包括：人口結構問題，目前中國老齡化問題不斷加重，造成勞動力成本的上升，人口紅利不斷減弱；產業結構不合理問題，農業生產技術創新緩慢，工業出現“大”而不“強”的局面，處于全球價值鏈的底端，高技術含量的產品較少，而第三產業仍然以傳統的服務業為主。這些問題一直在較大程度上影響著中國經濟的波動以及長遠發展。而對于周期性成分來說，它代表著短期的波動，經濟中很多方面的波動都會造成經濟暫時性偏離其均衡軌跡，發生波動。例如固定資產投資的周期波動、農業波動、人為因素的波動（公眾的預期等）、經濟政策的波動，等等，這些都會隨著經濟的內因或外因而發生周期性變化，從而對經濟造成周期性影響。一般周期性因素可以在短期內被調控且回到穩態，但會造成經濟的短期頻繁波動。所以相對而言，造成經濟發生較大波動的主要原因是周期性因素，但在控制周期性因素影響的基礎上為經濟提供一個較合理的結構環境也至關重要。中國政策當局在治理當前的經濟增長動力不足的問題時除了找到新的動力因素外，調整中國經濟的不合理結構，如城鄉結構問題、人口老齡化問題以及收入分配不合理問題等，為經濟增長提供一個較合理的發展空間也不可或缺。

（三）異質性貨幣政策沖擊的動態特征分析

本文接下來基于從大量數據集中抽取的不可觀測因子與貨幣供給變量構成的變量集來研究經濟波動的結構性成分與周期性成分對異質性貨幣政策沖擊的動態響應機制（即在不同時點上給定不同變換特征的1單位正的貨幣政策沖擊的動態響應機制）。下面首先使用序列圖及間斷點檢驗判斷中國貨幣供給政策是否存在結構性轉折，以及轉變時間點的確定。對于轉折點的檢驗，有很多學者進行方法上的研究，例如檢驗單個時間序列的Chow檢驗等，但以往方法只能根據所指定的時間點來給出檢驗結果。而本文則參考Jushan Bap和Pierre Perron[26]所介紹的斷點檢驗方法SUPFT（k）檢驗、UDmax檢驗以及WDmax檢驗對貨幣政策數據進行驗證，選擇這幾種檢驗方法主要基于其不僅可以判定經濟序列是否存在轉折點、轉折點的個數，還可以估計出具體轉換時間以及轉折點的明確置信區間，而不需人為的先驗指定。

根據表2的檢驗結果，判定中國的貨幣政策變量即貨幣供給量增長率（M2增長率）在樣本區間內存在轉折點，并且Sequential及BIC檢驗接受轉折點個數為3的原假設，而LWZ檢驗的結果為存在1個轉折點，本文根據從眾原則，選擇轉折點個數為3的結論。而WDmax檢驗結果給出中國政策變量（M2增長率）的時間序列的轉折時間點分別為1961年、1978年以及1996年。經濟時間段對比可知，在1978年之前，即改革開放前的一段時間，中國經濟屬于計劃經濟，在嚴格的計劃經濟體制下商品經濟處于窒息狀態，經濟的市場化和貨幣化程度較低。同時，中國沒有建立起根本意義上的銀行體制，人民銀行既是貨幣的發行銀行，又是商業信貸銀行，貨幣的發行與流通完全控制在政府的手中。在此期間，貨幣政策與財政政策雖然表面看是兩個系統分別執行，但是在計劃經濟體制下兩者的相互依賴性較大，所以貨幣供給量在較大程度上依賴于財政的預算，而在此時期經濟增長緩慢，在一定程度上減少了財政收入與支出，形成了惡性循環。另一方面，由于經濟體制以及政治因素的影響，經濟增長非常緩慢，正像章澤武[25]所述，中國的貨幣供給量與經濟增長呈現明顯的順周期性特征，所以在此期間的貨幣供給量的增長也相應地處于較低水平。1978年至1996年間中國經歷了改革開放的巨變，經濟迅速發展，相應的經濟體制也從計劃經濟逐步向商品經濟和市場經濟轉變；在此期間市場逐漸開放，貨幣化程度逐步加深，極大地增加了貨幣的需求量，所以此期間貨幣供給增長率持續處于較高的水平。1996年后中國處于社會主義市場經濟的深化與鞏固時期，所以此階段經濟穩步增長，并且1996年中國放開了同業拆借利率，向市場利率邁出了堅實的第一步，此后利率市場化、經濟全球化進程逐漸加大，所以此時期的貨幣增長率相對于前一時期更加平緩，增速有所下降。使用折線圖通過直觀判斷也對上述結論加以了驗證（圖2）。接下來根據不同時間段的經濟特征對比兩種經濟波動成分的脈沖響應差異。

在中國，作為貨幣政策中介目標的貨幣供給量一直是政府調控經濟較常用的手段，尤其是金融危機過后，擴張性貨幣政策更是頻繁地被貨幣當局用來促進經濟增長、增加就業。但是，只有識別不同經濟條件下調控貨幣供給增長率的不同影響效果，對貨幣政策的效力進行較好的評估才可以為政策制定者提供較好的參考。接下來我們根據上述斷點檢驗結果以及間斷點的確定給出在不同經濟時期以及不同經濟情況下，兩種經濟波動成分對政策沖擊的脈沖響應對比圖，據此分析中國的貨幣政策沖擊對經濟影響的時變特征。圖3給出了1961年、1978年以及1996年的經濟時點脈沖響應圖，以期基于異質性貨幣供給沖擊觀測經濟波動不同成分的時變特征。脈沖響應圖顯示了在各個時點上1單位正向貨幣供給增長率沖擊下相關經濟變量的響應：（1）對于不同時點的正向貨幣政策沖擊，也就是采取寬松的貨幣政策，那么經濟中的兩種經濟成分在初期都呈現出上升的趨勢。（2）對于結構性成分來說，在初期逐漸上升，而后在滯后3期時達到最大，后出現了小幅下降，最后回歸一個新的穩態水平。（3）對于周期性因素來說，在脈沖響應初期經濟周期性波動上升，在滯后2期達到最大，并開始逐漸下降，到滯后4期左右轉向了負值的水平，負值運行一段時間后逐漸向穩態水平靠近。（4）在不同的時間點，也就是不同的經濟狀態下，給定貨幣政策沖擊，變量的相應幅度也存在差異。通過以上的對比可知，經濟波動的結構性及周期性因素在受到貨幣政策沖擊時，其響應效果存在較大差異。對于結構性成因構成的通貨膨脹來說，采取逆向調控的措施可以起到較好的效果。而對于周期性因素來說，短期內受貨幣政策的影響較好，但是從長期看，其影響效果及影響方向出現了與預期相反的變動。所以，針對以上的分析，本文建議，在經濟出現較強烈的波動時，為了平抑經濟波動，選擇貨幣政策措施應該充分考慮造成經濟波動的成因及經濟波動的特點。針對不同成因，采取有針對性的政策調控會得到更好的效果。四、結論及政策建議

中國作為一個新興經濟體，經濟體制逐漸由計劃經濟向市場經濟轉變，金融市場不斷開放，對外開放水平顯著提高，在此條件下經濟體因受到越來越多的外生變量的影響而顯著波動。不同影響因素對經濟的影響效果存在顯著差異，且經濟的非線性特征凸顯。所以本文基于SV-TVP-FAVAR模型對中國的經濟波動進行周期性及結構性因素分解，基于此給出不同時點的異質性貨幣政策沖擊對主要經濟變量的動態響應效果，得出以下結論。

第一，本文分別從結構性變量集及周期性變量集中抽取一個主因子來代表經濟信息集的大部分信息，降低缺失信息對模型分析準確度的影響，同時給出兩種因素對經濟波動的解釋能力。結構性因素解釋了經濟波動的34.12%，而周期性因素卻解釋了經濟波動的65.88%。相對來說周期性因素對經濟波動的影響效果更加顯著。但當前中國處于經濟轉軌時期，在控制周期性因素影響的基礎上為經濟提供一個較合理的結構環境也至關重要，例如中國政策當局在治理當前的經濟增長動力不足的問題時除了找到新的動力因素外，調整中國經濟的不合理結構，如城鄉結構問題、人口老齡化問題以及收入分配不合理問題等，為經濟增長提供一個較合理的發展空間尤為重要。

第二，通過SUPFT（k）、UDmax以及WDmax等斷點檢驗方法，給出貨幣政策發生結構性轉變的時點分別為1961年、1978年及1996年。在這四個不同時期，經濟體制及經濟環境都發生了較明顯的轉變，影響著貨幣政策的調控效果。隨著時間的發展，中國的貨幣化進程、利率市場化改革、經濟全球化的程度都在不斷加深，這些都促使貨幣政策具有了更好的調控效果。所以中國應從制度、體制等各方面加快經濟市場化進程。

第三，在3個不同時點給定異質性的貨幣供給沖擊，兩種經濟波動成分具有不同的響應特征。從脈沖響應結果可知兩種成分受到貨幣政策沖擊時的脈沖響應存在著較明顯的差異；結構性因素的逆向調控可以起到較好的效果；而周期性因素在短期內受貨幣政策調控的效果較為理想，但長期出現了反向變動。所以針對以上問題，建議政策當局在調控貨幣政策平抑經濟波動時，應具體考慮經濟波動的主要成因及波動特征，以制定更加高效的政策措施。參考文獻：

[1]金浩，李延軍，高素英.關于經濟波動周期性及成因的實證研究[J].數理統計與管理，2005，24（1）：52-57.

[2]廖曉燕.美國經濟波動特點與成因解析[J].求索，2006（1）：49-52.

[3]CHEN J Z，KANNAN P，LOUNGANI P，et al.New evidence on cyclical and structural sources of unemployment[R].IMF working paper，2011.

[4]FLEISCHMAN CA，ROBERTS J M.From many series， one cycle： Improved estimates of the business cycle from a multivariate unobserved components model[R]. Federal Reserve Board Finance and Economics Discussion Series Working paper ，2011.

[5]MORLEY J C，NELSON C R，ZIVOT E.Why are Beveridge-Nelson and unobservedcomponent decompositions of GDP so different？[J].The Review of Economics and Statistics，2003，85（2）：235-243.

[6]BERNANKE B S，BOIVIN J，ELIASZ P.Measuring the effects of monetary policy：A factoraugmented vector autoregressive （FAVAR） approach[J].Quarterly journal of economics，2005，120（1）：387-422.

[7]SIMS C A.Macroeconomics and reality[J].Econometrica Society，1980，48（1）：1-48.

[8]王少平，朱滿洲，胡朔商.中國CPI的宏觀成分與宏觀沖擊[J].經濟研究，2012（12）：29-42.

[9]BOIVIN J，GIANNONI M.Has monetary policy become more effective？[J].Review of Economics and Statistics，2006，88：445-462.

[10]COGLEY T，SARGENT T.Evolving postWorld War II inflation dynamics[R].NBER Macroeconomic Annual，2001，16：331-373.

[11]COGLEY T，SARGENT T.Drifts and volatilities： monetary policies and outcomes in the post WWII U.S[J].Review of Economic Dynamics，2005，8：262-302.

[12]CLARIDA R，GALI J，GERTLER M.Monetary policy rule and macroeconomic stability：Evidence and some theory[J].Quarterly Journal of Economics，2000，115：147-180.

[13]王松濤，劉洪玉.以住房市場為載體的貨幣政策傳導機制研究[J].數量經濟技術經濟研究，2009（10）：61-73.

[14]PRIMICERI G.Time varying structural vector autoregressions and monetary policy[J].Review of Economic Studies，2005，72：821-852.

[15]SIMS C，ZHA T.Were there regime switches in macroeconomic policy？[J].American Economic Review，2006，96： 54-81.

[16]KOOP G，KOROBILIS D.Bayesian multivariate time series methods for empirical macroeconomics[J].Foundations and Trends in Econometrics，2010（3）：267-358.

[17]BERNANKE B S，BOIVIN J.Monetary policy in a datarich environment[J].Journal of Monetary Economics，2003，50：525-546.

[18]BOIVIN J，NG S.Understanding and comparing factorbased forecasts[J].International Journal of Central Banking，2005（3）：111-151.

[19]GIANNONE D，REICHLIN L，SMALL D.Nowcasting：The realtime informational content of macroeconomic data[J].Journal of Monetary Economics，2008，55：665-676.

[20] KOROBILIS D.Assessing the transmission of monetary policy shocks using dynamic factor models[R]. mimeo， 2009.

[21]GIORDANI P，KOHN R.Efficient Bayesian inference for multiple change point and mixture innovation models[J].Journal of Business and Economic Statistics，2008，26：66-77.

[22]劉明志.貨幣供應量和利率作為貨幣政策中介目標的適應性[J].金融研究，2006（1）：51-63.

[23]蘇亮瑜.我國貨幣政策傳導機制及盯住目標選擇[J].金融研究，2008（5）：25-34.

[24]BAI J S，NG S.Determining the number of factors in approximate factor models[J].Econometrica，Econometric Society，2002， 70（1）：191-221.

[25]章澤武.中國貨幣供應與經濟增長關系研究[D].武漢：武漢理工大學，2002.

[26]BAI J S，PERRON P.Computation and analysis of multiple structural change models[J].Journal of Applied Econometrics，2003，18（1）：1-22.

（責任編輯傅旭東）