經濟政策不確定性、 通貨膨脹與國別異質性

　　摘要：基于分位數格蘭杰因果關系檢驗方法，對 16個樣本國家 1997年 1月至 2019年 10月期間，經濟政策不確定性與通貨膨脹變動之間的因果關系進行了定量分析。研究發現，對于大多數國家，經濟政策不確定性是導致通貨膨脹發生變化的重要因素，尤其2008年金融危機之后，經濟政策不確定性對通貨膨脹的影響顯著上升。并且該影響隨著不確定性的不同分位數而不同，對于大多數國家，經濟政策不確定性越高，越能明顯地影響通貨膨脹變化。

　　本文源自王益君; 魏美云; 周潮; 孔麗娜， 金融理論與實踐 發表時間：2021-07-12

　　關鍵詞：分位數回歸;格蘭杰因果;政策不確定性;通貨膨脹

　　一、引言及文獻綜述

　　國際貨幣基金組織(IMF)在 2019年 11月的《世界經濟展望》中指出：“對全球經濟造成壓力的最大因素，是投資者對發達經濟體政府當局是否會兌現政策承諾而感到不確定。”[1] 眾多學者和市場參與者認為，政策不確定性走高是導致近期全球經濟不確定性上升的重要原因之一。大量的理論和實證文獻支持這些擔憂，認為不確定性對經濟活動具有衰退效應。迄今為止，相關文獻主要關注政策不確定性對實體經濟的影響，包括產出、投資、消費和失業等(Baker et al.，2012;Fernández - Villaverde et al.， 2013)[2-3] 。保持物價總水平的基本穩定是宏觀經濟政策的基本目標之一，目前研究政策不確定性是否影響通脹預期的文獻較多(例如 Istrefi 和 Piloiu， 2014;Binder，2017)[4-5] ，研究對通脹影響的文獻較少(Balcilar et al.，2014;李文君和張駿，2020)[6-7] ，而且這些研究并未考慮不同程度的政策不確定性對通貨膨脹的影響不同，也未考慮國別差異，以及金融危機是否加劇了政策不確定性的影響。本文通過定量分析不同國家的政策不確定性與通貨膨脹之間的動態關系，以期對以上問題進行實證研究。

　　Frank(1921)[8] 首先將“不確定性”的概念引入經濟學中，Bloom(2009)[9] 關于經濟不確定性影響經濟活動的開創性研究文獻，引起學界和政策層的廣泛關注。Baker et al(. 2016)[10] 指出政策不確定性是經濟不確定性變化的重要內容，通過構建主要經濟體的政策不確定性指數進行實證研究，發現在發達國家和發展中國家，其政策不確定性與 GDP增長率之間 的 關 系 都 明 顯 為 負 。 Panousi 和 Papanikolaou (2012)[11] 研究發現，政策不確定性是導致全球發生金融危機的重要因素之一，對企業投資有負面沖擊。 Jackson 和 Orr(2019)[12] 基于多階段多層次分析框架，發現宏觀經濟不確定性負向影響房地產直接投資和企業盈利。Leblang和Bernhard(2006)[13] 使用選舉或立法結果的不確定性作為政策不確定性的測度指標，發現政策不確定性對匯率波動存在放大效應。基于中國報紙的文本分析結果，Huang和Luk(2020)[14] 構建了中國的政策不確定性指數。國內文獻重點研究政策不確定性對經濟增長、企業投資、匯率波動、市場利率等方面的影響，例如田磊等(2017)[15] 、劉貫春等(2019)[16] 、王博等(2019)[17] 、張成思和劉貫春(2018)[18] 、劉尚希和武靖州(2018)[19] 等的研究。

　　大量國內外文獻的研究結論認為，政策不確定性的主要影響有：對經濟增長造成負向沖擊，導致國內長期利率不斷上升，企業投資的盈利降低，匯率波動幅度進一步放大，等等。關于通脹預期的文獻主要有，Istrefi和Piloiu(2014)[4] 分析了政策不確定性對通貨膨脹預期的影響，發現其對短期和長期通貨膨脹率都具有顯著影響。Binder(2017)[5] 發現政策不確定性和居民部門的短期通貨膨脹不確定性之間具有很強的相關性，高收入和高學歷消費者的通貨膨脹不確定性最低，政策不確定性更多地反映消費者的預期，而不是專業預測人士或金融市場的預期。國內學者朱軍和蔡恬恬(2018)[20] 采用最大份額結構 VAR 模型，發現中國的貨幣和財政政策的不確定性，短期將導致通貨膨脹預期上升，而長期則導致通貨膨脹預期降低，同時財政政策不確定性影響的持續性可能更強，而貨幣政策不確定性的影響可能更大。

　　研究政策不確定性與通貨膨脹及通貨膨脹預期關系的文獻多集中于對某個國家的分析，不僅不具有普適性，也忽略了較高政策不確定性與較低政策不確定性影響的差異性。目前在對政策不確定性進行分位數影響的研究范圍內，尚未發現相關文獻，因此本文嘗試積極探索不同國家宏觀經濟政策不確定性對通貨膨脹影響的定量分析。基于分位數格蘭杰因果關系檢驗方法，本文對巴西、日本、中國、加拿大、希臘、法國、愛爾蘭、德國、韓國、墨西哥、意大利、西班牙、瑞典、英國、荷蘭和美國共16個國家經濟政策不確定性與通貨膨脹的因果關系進行定量分析①。本文采用分位數回歸方法主要考慮其具有以下 優 點 ：一 是 Buchinsky(1998)[21] 和 Chuang et al. (2009)[22] 指出基于最小二乘法(OLS)模型估計的格蘭杰因果關系不顯著，主要是由對應上下分位數的正負效應相互抵消造成的，即所謂的“平均效應”。二是分位數回歸方法能夠更全面反映經濟政策不確定性和通貨膨脹變化之間的因果關系，并且能揭示出不同分位數之間兩者關系是如何變化的。具體到本文的研究樣本，較高分位數的經濟政策不確定性可以解釋經濟體較高的通貨膨脹率，而低分位數的經濟政策不確定性則與較低的通貨膨脹水平相關。三是分位數回歸方法對傳統的最小二乘(OLS)方法進行了自然推廣，并在非高斯分布情形下產生了更為可靠的推論。例如在偏態、峰度或存在異常值的情況下，最小二乘(OLS)方法可能不夠充分，而分位數回歸方法提供了更為可靠和更加有效的估計(Barnes和 Hughes，2002)[23] 。

　　根據 Chuang et al(. 2009)[22] 所定義的分位數格蘭杰因果關系，可以運用分位數回歸(QR)計量模型來估計分位數因果效應(Koenker 和 Bassett，1978; Koenker，2005)[24-25] 。所有分位數的格蘭杰因果關系假設，是根據 Koenker和 Machado(1999)[26] 提出的 sup-Wald檢驗來進行檢驗的，可以檢驗出分位數回歸模型中整個參數過程的顯著性，因此與分位數中的 偏 離 因 果 關 系 情 形 是 一 致 的 。 Chuang et al. (2009)[22] 擴展了 Koenker 和 Machado(1999)[26] 的檢驗方法，來評估不同分位數范圍內的因果關系，并確定因果關系的相關分位數范圍，因此采用這種方法可以詳細描述經濟政策不確定性變化與通貨膨脹之間的因果關系。

　　眾所周知，通貨膨脹是宏觀經濟的核心，正如價格是微觀經濟的核心一樣，而造成通貨膨脹的原因有很多，例如貨幣數量論、總供求失衡論、結構性通貨膨脹乃至輸入性通貨膨脹等。根據本文的研究發現，在樣本國家并可推廣至全球范圍來看，經濟政策不確定性是導致通貨膨脹發生變化的主要成因之一，同時基于分位數方法從計量角度能夠糾正基于均值關系常規檢驗得出的非因果關系結論的誤導性。本文的研究進一步豐富了關于通貨膨脹原因解釋的文獻，具有一定的理論價值和政策含義。

　　本文的邊際貢獻可以從三個不同的方面來解釋。一是實證研究了 16 個樣本國的政策不確定性與通貨膨脹變動之間的動態關系，檢驗不同分位數水平下經濟政策不確定性與通貨膨脹變動之間的關系。更為準確地說，本文試圖通過研究這兩種經濟變量之間是如何通過短期動態交互作用來相互影響的，從而對現有文獻進行補充。由于本文采用分位數回歸方法，實證結果的穩健性要高于基于最小二乘法的條件均值回歸，因此能夠覆蓋所有的條件分位數函數，使得本文的實證估計更為有效。二是本文進行了跨國的橫向比較研究，驗證了經濟政策不確定性對通貨膨脹的影響對于樣本內的大多數國家都是成立的。三是驗證了金融危機的影響，金融危機的發生加劇了經濟政策不確定性對通貨膨脹等宏觀經濟變量的影響。

　　二、研究方法

　　(一)政策不確定性與通脹影響之間的傳導機制簡析

　　參考朱軍和蔡恬恬(2018)[20] 等文獻的研究，經濟政策不確定性影響通貨膨脹的傳導機制，主要可以從居民部門、金融部門和企業部門來刻畫。一是假設經濟政策不確定性處于上升狀態，將使得居民部門加大“預防性儲蓄”，從而減少居民部門的未來消費，降低對全社會產品的需求總量，并最終造成通貨膨脹水平下降。二是隨著居民部門的“預防性儲蓄”效應上升，金融部門會吸收更多的儲蓄存款，但是為了防止金融壞賬風險發生，則會導致產生“惜貸”行為，并使得全社會的投資總水平下降。三是由于政策處于“不確定性”狀態中，企業會減少投資，進而減少產品供給，從而潛在的“供不應求”會使得通貨膨脹水平上升。總之，由于政策不確定性的存在，社會公眾能夠自行調整儲蓄、消費和投資三者之間的關系，從而改變貢獻值均衡的狀態，通貨膨脹上升力量和通貨膨脹下降力量“此消彼長”。如果通貨膨脹處于上升趨勢，經濟負向消息會相應增多，導致經濟信心發生變化，從而引起經濟政策不確定性的上升。因此經濟政策不確定性對通貨膨脹影響的傳導機制非常復雜。

　　(二)均值因果檢驗

　　兩個平穩時間序列之間的因果關系檢驗，傳統上是基于 Granger(1969，1981)[27-28] 的因果關系來定義的。從形式上來講，如果有： Fyt (η|(Y,X)t-1)=Fyt (η|Yt-1)，∀η∈R (1)可以肯定，時間序列 xt不是時間序列 yt的格蘭杰原因。這里 Fyt (?|Yt-1)是 yt的條件分布，(Y,X)t-1是由 xj和 yj在時間 t-1 所產生的信息集。這樣如果時間序列 xt的過去信息，沒有改變時間序列 yt的條件分布，則 xt不是 yt的格蘭杰原因。當方程(1)不成立的時候，時間序列 xt被認為是時間序列 yt的格蘭杰原因。由方程(1)定義的格蘭杰非因果性，接下來將被稱為“分布中的格蘭杰非因果性”。

　　由于條件分布的估計和檢驗在實踐上很麻煩，更常見的是檢驗方程(1)的必要條件： E[yt |(Y,X)t-1]=E(yt |Yt-1) (2)這里 E(yt |Ω)是 Fyt (?|Ω)的均值。如果方程(2)成立，可以認為 xt不是 yt在均值上的格蘭杰原因;如果是其他情形，則認為 xt是 yt在均值上的格蘭杰原因。相似地，可以定義在方差上的非因果性(Cheung 和 Ng，1996)[29] ，或者在其他矩上的非因果性。注意這些非因果關系的符號，對于分布中的格蘭杰非因果關系是必要的，但不是等價的。

　　通常對 E[yt |(Y,X)t-1]的線性模型進行評估，來檢驗方程(2)： α0+∑i = 1 p αi yt-i+∑ j = 1 q βj xt-j 其依賴于 yt-1,?,yt-p和 xt-1,?,xt-q的過去信息。檢驗方程(2)相當于檢驗既定模型中βj =0(j=1,?,q)的原假設，即滯后的 xt是否對 yt的條件均值具有顯著影響①。拒絕這個原假設與均值中的非因果關系是一致的，但與其他矩或其他分布特征中的因果關系卻并無關系。

　　(三)分位數因果檢驗

　　由于均值(或方差)的非因果關系不能延續到其他分布特征或者是分布的不同部分，因此這種最常見的非因果關系檢驗受到嚴格限制，這促使本文考慮不同分位數位置非因果關系的性質和檢驗。假設分布可以完全由其分位數決定，那么分布中的格蘭杰因果關系可以采用條件分位數來表示。根據Chuang et al(. 2009)的研究[22] ，用Qyt (τ|(Y,X)t-1)表示Fyt (?| (Y,X)t-1)的第τ個分位數，則方程(1)等價于： Qyt (τ|(Y,X)t-1)=Qyt (τ|Yt-1)，∀τ∈(0,1) (3)如果方程(3)成立，Chuang et al(. 2009)定義x不是y在所有分位數上的格蘭杰原因[22] 。Chuang et al. (2009)定義在分位數范圍[a,b]∈(0,1)的格蘭杰[22] 為： Qyt (τ|(Y,X)t-1)=Qyt (τ|Yt-1)，∀τ∈[a,b] (4)為了校驗方程(3)的因果關系，本文使用對 Qyt (τ|(Y, X)t-1) 的 模 型 ，采 用 Koenker 和 Bassett (1978)[24] 、Koenker(2005)[25] 提出的分位數回歸(QR)模型進行估計。

　　Yt-1,p =[Yt-1,?,yt-p]′，Xt-1,q =[xt-1,?,xt-q]′和 zt-1 =[1, Y′ t - 1, p,X′ t - 1, q]′中，本文設定下面的模型為第 τ個條件分位數函數： Qyt (τ|(Y,X)t-1)=α(τ)+Y′ t - 1α(τ)+X′ t - 1, q (5) β(τ)=Z′ t - 1θ(τ) 這里 α(τ)=[α1(τ),α2(τ),?,αp(τ)]′和 β(τ)=[β1(τ),β2(τ), ?,βq (τ)]′分別是p和q維參數向量，θ(τ)=[α(τ),α(τ)′,β(τ)′]′。通過最小化條件分位數的權重偏差，得到： θ ? (τ)=arg min θ ∑t = 1 T ρ(yt -Z′ t - 1θ(τ)) (6)這里 ρτ(?)稱為檢驗函數(Koenker，2005)[25] 。對于任意分位數τ∈(0,1)，檢驗函數定義為： ρτ(εtτ)= ì í î τεtτ , if εtτ ≥ 0 ( τ - 1 ) εtτ , if εtτ < 0 (7)這里 εtτ=yt-Z′ t - 1θ(τ)是第 τ 個條件分位數的誤差。

　　對于給定的條件分位數τ，為檢驗原假設H0∶β(τ)= 0，Chuang et al(. 2009)[22] 給出Wald統計量。 WT(τ)=Tβ(τ)′(RΩ? -1 ZZR′)β(τ)/[τ(1-τ)] (8)這里R是q×k的選擇矩陣，有Rθ(τ)=β(τ)，Ω?(τ)是 Ω(τ) =D(τ) -1 MzzD(τ) -1 的 一 致 估 計 ，Mzz∶=limT → ∞ ∑t = 1 T Zt - 1 Z′ t - 1，D(τ)∶=limT → ∞ T-1 ∑t = 1 T ft - 1 (F-1 t - 1(τ))Zt-1Z′ t - 1，Ft-1 和 ft-1是 yt以 Zt-1為條件的分布函數和密度函數，信息集是由 Zt-1,Zt-2,? 產生的(Koenker 2005;Koenker 和Xiao，2006)[25,30] 。

　　在合適條件和原假設H0下，Wald統計量的上確界具有漸近極限分布： sup τ ∈ ϑ W(τ)¾¾¾d ®sup τ ∈ ϑ  Bq ( τ ) τ (1 - τ ) 2 (9)這里 Bq(τ)是 q 獨立的布朗橋，在分布上等于[τ (1-τ)] 1/2 N(0,Iq)。實踐中可以用Wald統計量的上確界，來檢驗原假設H0∶β(τ)=0，∀τ∈[a,b]。 sup-WT = sup i = 1, 2,?, n WT(τi ) (10)這里τi ∈[a,b]，有a=τ1<?<τn=b。簡言之，分位數回歸(QR)提供了對兩個時間序列xt和yt之間動態連接關系的進一步洞察。

　　三、實證分析

　　(一)數據來源

　　本文采用 Baker et al(. 2016)[10] 構建的經濟政策不確定性(EPU)指數，測度政策決策者所采取行動的不確定性。EPU 是一個以報紙為基礎的月度指數，通過統計包含至少一個與政策相關術語的新聞文章數量，在主流媒體上收集數據。第一個集合是關于不確定的，第二個集合是經濟，第三個集合是包括與政策相關的術語，如“監管”“央行”“貨幣政策” “政策制定者”“赤字”“立法”和“財政政策”。數據按每月報紙的新聞文章總數進行統計，然后進行歸一化處理。所有EPU數據均從政策不確定性網站http:// www.policyuncertainty.com下載。一般采用同比月度消費價格指數 CPI 來體現通貨膨脹變化，但是由于上年基期和翹尾因素會顯著影響同比 CPI 的數據，借鑒文獻中的處理方法，本文采用環比 CPI(百分比)指數來作為通貨膨脹率的測度指標[31] 。

　　目前EPU網站共發布22個國家的月度數據，其中新加坡月度 EPU 是從 2003年 1月開始的，由于樣本期過短本文沒有采用。澳大利亞、智利、哥倫比亞、印度和俄羅斯的月度環比 CPI 數據樣本期過短同樣沒有采用。最終選擇巴西、加拿大、中國、法國、德國、希臘、愛爾蘭、意大利、日本、韓國、墨西哥、荷蘭、西班牙、瑞典、英國和美國共16個國家為研究對象，研究的樣本期間是從1997年1月到2019年10月的274個月份。考慮到研究樣本期間經歷了全球金融危機，以雷曼兄弟公司倒閉為標志性事件，選擇以 2008 年 9 月為中斷點，把樣本期劃分為兩個子樣本期：危機前和危機后。1997 年 1 月到 2008 年 8 月為危機前子樣本期，共計 140 個月份;2008 年 9 月到 2019 年 10 月為危機后子樣本期，共計 134 個月份。對所有建模變量均取自然對數，根據16個國家EPU 和 CPI 月度數據的描述性統計結果，Jarque-Bera 統計量表明，經濟政策不確定性和通貨膨脹變化都不是正態分布的，并且表現出一定的波動聚集性。

　　(二)分位數回歸格蘭杰因果

　　本文首先考慮政策不確定性(EPU)和通貨膨脹(CPI)變化的雙邊格蘭杰因果性模型，使用分位數回歸(QR)來估計模型： Et =α0(τ)+∑i = 1 p αi ( τ )Et-i+∑i = 1 q βj ( τ )Pt-j+εE,t (11a) Pt =?0(τ)+∑i = 1 p ?i ( τ )Et-i+∑i = 1 q θj ( τ )Pt-j+εP,t (11b)這里Et和Pt分別代表政策不確定性和通貨膨脹變化。本文運用 sup -Wald 統計量來檢驗在方程(11a)和方程(11b)中[0.05, 0.95]分位數范圍的格蘭杰因果性。如果對 τ 在[0.05, 0.95]分位數范圍的原假設 H0∶β1(τ)=?=βq(τ)=0 沒有被拒絕，則 Pt不是 Et 的格蘭杰原因。相似的，如果原假設H0∶?1(τ)=?= ?q(τ)=0對 τ在[0.05,0.95]分位數范圍沒有被拒絕，則 Et不是Pt的格蘭杰原因。

　　為了比較，本文也運用最小二乘法來估計方程(11a)和方程(11b)的因果性模型，通過計算 F 統計量來決定 Et和 Pt均值之間的格蘭杰因果性①。對子樣本，同樣運用分位數回歸 QRs(τ=0.05, 0.05,?, 0.95)。經濟政策不確定性和通貨膨脹變化之間的格蘭杰因果性檢驗結果在表1中給出。

　　從表1的實際檢驗結果來看，在全樣本時期內， sup-WT統計量除了巴西、希臘、韓國和瑞典(在10% 的顯著性水平上拒絕原假設)之外，其他 12 個國家在 1% 的顯著性水平上拒絕經濟政策不確定性不是通貨膨脹格蘭杰原因的原假設。從反向因果關系來看，只有法國、愛爾蘭和瑞典在 1% 的顯著性水平上，巴西、墨西哥和美國在 5% 的顯著性水平上，拒絕通貨膨脹不是 EPU變化的格蘭杰原因的原假設。因此可以看出對于大多數國家而言，經濟政策不確定性是通貨膨脹變化不可忽視的因素之一。

　　其次，根據分位數回歸法的實際檢驗結果，在 2008年全球金融危機發生之前，只有愛爾蘭、日本、韓國、墨西哥和荷蘭 5 個國家在 1% 的顯著性水平上，加拿大、德國和西班牙 3 個國家在 5% 的顯著性水平上，經濟政策不確定性是通貨膨脹變化的格蘭杰原因。從反向因果關系來看，只有墨西哥、瑞典和美國3個國家在5%的顯著性水平上，通貨膨脹會導致經濟政策不確定性發生變化。而在全球金融危機發生之后，中國、法國、德國、愛爾蘭、墨西哥、荷蘭、英國和美國 8 個國家在 1% 的顯著性水平上，巴西、加拿大、希臘、意大利和西班牙在 5% 的顯著性水平上，瑞典在 10% 的顯著性水平上，經濟政策不確定性是通貨膨脹變化的格蘭杰原因。因此總體來看，在2008年全球金融危機爆發之后，政策不確定性是通貨膨脹格蘭杰原因的國家個數明顯上升。從反向因果關系來看，只有加拿大、愛爾蘭和瑞典3個國家在 1% 的顯著性水平上，希臘、意大利、墨西哥、荷蘭、英國和美國 6 個國家在 5% 的顯著性水平上，通貨膨脹成為導致 EPU 發生變化的格蘭杰原因。同樣在金融危機之后，通貨膨脹導致 EPU發生變化的國家個數在上升，顯著性程度也在提高。兩個方向存在因果關系的國家個數均在金融危機后顯著上升，說明后金融危機時期，經濟政策不確定性對宏觀經濟影響的重要性顯著增強。

　　再次，以上實證檢驗說明分位數回歸(QR)方法的科學性，明顯大于最小二乘(OLS)方法。從表1所提供的基于普通最小二乘(OLS)方法的格蘭杰因果檢驗估計結果對比來看，基于分位數回歸(QR)方法的格蘭杰因果關系檢驗，要比基于普通最小二乘(OLS)方法的格蘭杰因果關系揭示更多的信息。而均值水平不存在因果關系的一種可能解釋是，在最小二乘 OLS 估計中，正分位數因果效應和負分位數因果效應相互抵消。

　　考慮表1中經濟政策不確定性顯著主導通脹變化的研究結論，同時基于幅面考慮，本文只繪制經濟政策不確定性(Et )不是通貨膨脹(Pt )變化的格蘭杰原因原假設的系數 β? 1(τ)估計結果。在圖 1—圖 4 中針對不同分位數τ(=0.05,0.10,?,0.90,0.95)，繪制β? 1(τ) 的分位數回歸 QR方法估計(實線加空心圓圈)以及相應 95% 置信區間(虛線加空心圓圈)，最小二乘 OLS方法估計(實線)及其95%置信區間(虛線)。

　　根據圖 1—圖 4 所示，β? 1(τ)的分位數回歸(QR)估計隨著分位數的不同位置而發生變化，在不同的樣本時期，不同的國家存在一定的差異性。從圖中左側的全樣本時期圖形，中國的情況非常特殊，β? 1(τ) 系數在OLS回歸估計中為0.06，而在QR回歸中則從最低 0.05 分位數位置的 0.4(正相關)一直隨著分位數升高而不斷下降到最高 0.95 分位數位置的-0.2 (負相關)。西班牙的情況完全與中國相反，QR回歸估計的 β? 1(τ)系數隨著分位數位置的上升而上升(正相關)。而巴西政策不確定性與通貨膨脹的關系則呈現正 U 形。除此之外，大多數國家隨著分位數位置的上升，QR 回歸估計的 β? 1(τ)系數有升有降，但是總體上保持在一定的正值水平，表明經濟政策不確定性是導致通貨膨脹變化的主要原因。如果只看 OLS 回歸估計的均值結果，個別國家出現 β? 1(τ)系數為負值的情況，例如法國、德國、瑞典、西班牙和美國，究其原因主要是這些發達經濟體長期保持低通貨膨脹水平，如果不參照 QR 估計結果甚至會得到相反的結論。

　　對比圖 1—圖 4 的中間危機前圖形與右側危機后圖形來看，大多數國家 QR估計顯示，其 β? 1(τ)系數在金融危機發生之后均出現一定程度的明顯上升，并且分位數位置越高，β? 1(τ)系數的值越大，表明在金融危機發生之后，經濟政策不確定性對各國通貨膨脹變化的主導地位明顯上升，并且經濟政策不確定性上升到越高的位置，對通貨膨脹變化的影響越明顯。政策不確定性與通貨膨脹關系在各國之間存在的這些差異性，可能是由于各國經濟發展水平存在較大差異，經濟政策調控手段和力度運用也存在很大差異。

　　(三)分位數因果效應的非對稱檢驗

　　根據 Buchinsky(1998)[21] 的研究，本文檢驗在第 τ個和第(1-τ)個分位數位置，這一對的因果效應是否關于中位數是對稱的，即β1(τ)+β1(1-τ)=2β1(0.5)和 φ1(τ)+φ1(1-τ)=2φ1(0.5)。對稱分位數的因果效應有助于解釋，為什么采用最小二乘(OLS)估計等傳統計量經濟學方法，檢驗 EPU與通貨膨脹之間的因果效應，可能會現出微不足道的估計結果，因為其正向和負向影響會被“平均”，即在相應的上分位點和下分位點，往往會彼此抵消。這相當于檢驗以下的兩個假設： H0∶a?1,T(τ)=β? 1,T(τ)+β? 1,T(1-τ)-2β? 1,T(0.5)=0 (12a) H0∶b ? 1,T(τ)=?? 1,T(τ)+?? 1,T(1-τ)-2?? 1,T(0.5)=0 (12b)本文運用基于正態均方的 χ2 (1)檢驗方法，對不同的分位數位置(0.05,0.95)(, 0.15,0.85)(, 0.25,0.75), (0.35,0.65)和(0.45,0.55)進行上述假設檢驗。這里 δ ? T(τ)的標準誤差SE是運用矩陣拔靴法來計算的，所有國家的檢驗結果在表2中給出。

　　在表 2 中，對所有的國家(除了韓國危機后時期之外)，至少存在有一個τ對分位數因果效應對稱對稱的兩種假設的 p 值，即公式(12a)中面板 1 的 H0∶a? 1T (τ)=0，公式(12b)中面板 2 的 H0∶b ? 1T(τ)=0;(2)在 1%、5% 和10%的顯著性水平，分別用***、**和*來表示的原假設，在 5% 的顯著性水平上不能被拒絕。因此表 2 提供了明顯的證據，證明為什么最小二乘(OLS)方法估計總是產生不顯著的因果效應，即為 “平均效應”提供了一個合理的解釋。同時對比危機前后的16個國家樣本，同樣發現存在不對稱情況的國家個數，在危機后明顯上升。

　　(四)異質性分析和傳導機制檢驗

　　1.國別異質性分析

　　為比較不同國家間的差異性，本文在前文實證的基礎之上，進一步采用普通最小二乘(OLS)方法進行簡單回歸，從而得到表中的基準回歸結果。

　　從表 3 的 OLS 基準回歸結果來看國別異質性，以下幾點值得注意。第一，只有加拿大的 EPU對通貨膨脹沖擊在全樣本期間為負數，其他國家的全樣本期間均為正數，表明政策不確定性越高，越容易引發樣本國家的通貨膨脹水平上升。加拿大全樣本回歸系數的顯著性不高，其危機前和危機后兩個子樣本的回歸系數均為正數，并且在金融危機之后，該系數顯著上升為 0.2146。第二，從危機前與危機后兩個子樣本的回歸系數值來看，各國統一存在金融危機之后的子樣本回歸系數變大的現象。根據表3數據繪制危機前和危機后的回歸系數箱體圖，從圖 5 結果來看，危機前的回歸系數的平均值為0.1555，而危機后的回歸系數平均值則為 0.3168。由此判斷，在全球金融危機之后，各個國家政策不確定性程度上升，與危機之前相比較而言，更加容易引起該國的通貨膨脹水平上升。第三，不同樣本國家的異質性非常明顯。從全樣本期間的回歸系數來看，西班牙、希臘、瑞典和荷蘭的回歸系數均大于 0.2，西班牙的系數甚至接近 0.3。可能是因為這些國家經濟總量偏小，經濟政策不確定性對通貨膨脹的影響非常明顯。美國、日本和英國等發達國家，其回歸系數在 0.1和 0.2之間，特別是美國的回歸系數為 0.1865，比較接近 0.2，可能是由于其政策前后調整幅度較大，所以政策不確定性波動較大，相應對通貨膨脹上升帶來較大的沖擊壓力。中國和德國等國的回歸系數在 0.05 和 0.1 之間，可能是因為其經濟體量大，政策執行相對穩健，所以政策不確定性波動較小，相應對通貨膨脹上升的沖擊壓力較小。

　　2.經濟政策不確定性對通貨膨脹影響的傳導機制檢驗

　　鑒于前文已經驗證經濟政策不確定性與通貨膨脹互為格蘭杰因果關系，所以可以構建面板向量自回歸(PVAR)模型進行傳導機制的檢驗。面板向量自回歸模型兼顧了時間序列模型與面板數據模型的優點，由于面板數據包含大量個體，具有更多的觀察值，因此其推斷結果更具有可靠性和說服力。由前文論述可知，經濟政策不確定性與通貨膨脹互相影響的傳導機制復雜，其中可能的傳導機制是同時通過供給端和需求端對消費和投資產生影響。同時對消費和投資有重要影響的經濟變量之一，就是金融市場利息率的波動，那么如果這個傳導途徑成立，就可以銀行同業(隔夜)拆借市場利率為渠道建立指標，構建經濟政策不確定性(EPU)、居民消費價格指數(CPI)、利息率(i)三變量的面板 PVAR 模型，來驗證上述傳導機制是否對大多數國家成立。

　　如表4可知，三個變量(EPU、CPI、i)的單位根檢驗 p值均為 0.000，使用赤池信息準則(AIC)、貝葉斯信息準則(BIC)和漢南—昆信息準則(HQIC)，判斷模型最優滯后期數應該為 12 期。且模型的單位根都落在單位圓內，滿足整體穩定性條件。

　　由表 5 格蘭杰因果檢驗的結果可知，三個方程整體上都無法拒絕所有變量對其無影響的原假設，模型設定合理。另外，就單個變量來看，檢驗拒絕了 EPU 不是 i 變動的格蘭杰原因，也拒絕了 i 不是 CPI 變動的格蘭杰原因。即經濟政策不確定性導致了金融市場利息率的上下波動，而利息率的波動又會對消費和投資產生影響，進而影響到社會的通貨膨脹水平。通過面板向量自回歸模型，檢驗了經濟政策不確定性對通貨膨脹影響的機制和渠道之一是影響了居民的儲蓄和投資決策。

　　通過基于面板數據均值的格蘭杰因果檢驗，也再次驗證了本文前面所描述的均值回歸問題，即在均值回歸下拒絕了 CPI 變動不是 EPU 變動的原因，通貨膨脹對經濟政策不確定性無影響。但實際分位數回歸結果表明，不同的分位數水平下，CPI也會影響EPU，也是EPU變動的原因。

　　四、穩健性分析

　　(一)均方滯后依賴變量的因果檢驗

　　為了檢驗分位數因果效應是否穩健，本文取滯后因變量的平方，作為兩個變量波動的代理變量，來對方程(11)進行擴展，并且將滯后的S2 t - i (i=1,?,p)和 E2 t - j (j=1,?,q)作為額外的回歸項： St =α0(τ)+∑i = 1 p αi (τ)St-i+∑i = 1 q βj (τ)Et-j+∑i = 1 p γj (τ)S2 t - i +εS,t (13a) Et =?0(τ)+∑i = 1 p ?i (τ)St-i+∑i = 1 q θj (τ)Et-j+∑i = 1 q ξj (τ)E2 t - j +εE,t (13b)

　　這樣就可以檢驗，當在 S2 t -(i E2 t - )i 存在的時候， E(t St )是否依然是S(t Et )的格蘭杰原因。模型(13)具有均值 ARCH 模型的特點，也可以捕捉滯后因變量中的一些非線性。根據 Schwarz Bayesian(SB)準則，來自動選擇所有國家的最優滯后階數(p 和 q)。三個樣本期的檢驗結果見表6。

　　表 6 中用下劃線表示的統計量表明，與表 1 相比，格蘭杰因果關系發生了變化，大多情況為顯著性水平有所提高。根據對原假設的檢驗結果，除了個別時期個別國家新增個別因果關系之外，與表 1 中的結論基本相符，格蘭杰因果關系基本保持不變，即 EPU 顯著導致通貨膨脹變化，在個別時期和個別國家，通貨膨脹也會導致 EPU 發生變化。表 6 的結果表明，在模型中加入滯后因變量的平方和，可以弱化分位數因果效應，但是并不會影響因果關系本身。

　　(二)增加世界利率代理變量影響的因果檢驗

　　為了穩健性，本文參考劉莉亞等(2013)[32] 的研究，選擇美國利率作為世界利率的代理變量，在方程(14)中將美國利率作為格蘭杰因果檢驗的額外回歸項。輔助模型表示為： St =α0(τ)+∑i = 1 p αi (τ)St-i+∑i = 1 q βj (τ)Et-j+∑i = 1 l φi (τ)rUS,t-k+εS,t (14a) Et =?0(τ)+∑i = 1 p ?i (τ)St-i+∑i = 1 q θj (τ)Et-j+∑i = 1 l φi (τ)rUS,t-k+εE,t (14b)

　　結果如表7所示。這說明加入美國利率作為世界利率水平的代理變量之后，與表1相比，根據對原假設的檢驗結果，除了極少數國家的個別時期新增因果關系之外，與表1中的結論基本是相符的，基本的格蘭杰因果關系仍然不變。因此關于美國利率的影響，前文中的格蘭杰因果關系檢驗結論，依然是穩健的。

　　五、結論

　　本文基于分位數回歸(QR)方法，對 16 個國家經濟政策不確定性與通貨膨脹的因果關系進行定量分析，并在不同的分位數范圍內檢驗格蘭杰非因果關系，得出結論有以下幾點。

　　一是對于大多數國家，經濟政策不確定性是導致通貨膨脹發生變化的重要成因，并且這種因果關系在2008年全球金融危機發生之后顯著上升，經濟政策不確定性越處于高位，越會顯著影響通貨膨脹變化。同時少數國家的通貨膨脹對經濟政策不確定性的變化也具有反向影響，這種影響程度在全球金融危機之后也有所上升。這說明 2008 年金融危機后，經濟形勢越發多變，宏觀經濟變量間互相影響的機制也就越發復雜。

　　二是與傳統最小二乘(OLS)方法分析相比，運用分位數回歸方法發現，經濟政策不確定性和通貨膨脹之間具有更多的分位數因果關系，兩者之間的因果關系要比最小二乘OLS方法所描述的均值因果關系要復雜得多。比如發現有些國家均值回歸不存在影響的因果關系，但是在高分位數(高政策不確定性)時卻存在顯著的因果關系。也就是說在不同分位數上的因果效應可能是異質的，在尾部分位數上的因果效應，可能與在中間分位數和均值上的因果效應有很大的不同。因為在相應的上分位點和下分位點，正向和負向因果關系影響往往會彼此抵消，導致基于均值關系常規檢驗得出的非因果關系結論可能具有誤導性。

　　三是不同國家經濟政策不確定性對通貨膨脹影響的大小不同，這與每個國家的政治經濟穩定程度、經濟體量大小、受到經濟沖擊時的反應速度有關。但總體來看，經濟體量越小的國家，在越高分位經濟政策不確定性的沖擊下，越有可能發生更高的通貨膨脹。

　　根據上述得出的研究結論，可以提出以下幾點政策建議。

　　第一，保持經濟政策環境的穩健是穩定通貨膨脹水平的重要保障。在政策制定過程中應充分考慮經濟政策的前瞻性、時效性，避免經濟政策的頻繁變動，降低經濟政策不確定性，從而降低政策不確定的影響。尤其是在發生大的經濟沖擊以及公共突發事件沖擊時，政策的頻繁變動，會加劇宏觀經濟波動。

　　第二，每個國家應根據自身的情況，對經濟政策不確定性的影響進行評估，對于經濟體量較大、政治經濟較為穩定的國家，可以在發生經濟危機及突發事件沖擊時，采取較為靈活多變的貨幣政策和財政政策，以降低經濟危機的影響。

　　第三，對于經濟政策不確定性較高就會導致通貨膨脹水平上升較大的國家，政府及中央銀行應充分發揮政策穩定的作用，加強與市場主體的信息溝通和前瞻性指引，以確保公眾通貨膨脹預期的穩定，從而緩釋經濟政策不確定性對通貨膨脹的影響程度。

　　第四，加強國際間經濟政策的協作性，是保證各國經濟平穩發展的必然選擇。各國應加強對經濟政策不確定性的監測與預測，建立宏觀經濟政策的協調機制，共同推動全球經濟平穩發展。