经济政策不确定性、 通货膨胀与国别异质性摘要：基于分位数格兰杰因果关系检验方法，对 16个样本国家 1997年 1月至 2022年 10月期间，经济政策不确定性与通货膨胀变动之间的因果关系进行了定量分析研究发现，对于大多数国 摘要：基于分位数格兰杰因果关系检验方法，对 16个样本国家 1997年 1月至 2022年 10月期间，经济政策不确定性与通货膨胀变动之间的因果关系进行了定量分析研究发现，对于大多数国家，经济政策不确定性是导致通货膨胀发生变化的重要因素，尤其2022年金融危机之后，经济政策不确定性对通货膨胀的影响显著上升并且该影响随着不确定性的不同分位数而不同，对于大多数国家，经济政策不确定性越高，越能明显地影响通货膨胀变化 本文源自王益君; 魏美云; 周潮; 孔丽娜， 金融理论与实践 发表时间：2022-07-12 关键词：分位数回归;格兰杰因果;政策不确定性;通货膨胀 一、引言及文献综述 国际货币基金组织(IMF)在 2022年 11月的?世界经济展望?中指出：“对全球经济造成压力的最大因素，是投资者对兴旺经济体政府当局是否会兑现政策承诺而感到不确定〞[1] 众多学者和市场参与者认为，政策不确定性走高是导致近期全球经济不确定性上升的重要原因之一。
大量的理论和实证文献支持这些担忧，认为不确定性对经济活动具有衰退效应迄今为止，相关文献主要关注政策不确定性对实体经济的影响，包括产出、投资、消费和失业等(Baker et al.，2022;Fernández - Villaverde et al.， 2022)[2-3] 保持物价总水平的根本稳定是宏观经济政策的根本目标之一，目前研究政策不确定性是否影响通胀预期的文献较多(例如 Istrefi 和 Piloiu， 2022;Binder，2022)[4-5] ，研究对通胀影响的文献较少(Balcilar et al.，2022;李文君和张骏，2022)[6-7] ，而且这些研究并未考虑不同程度的政策不确定性对通货膨胀的影响不同，也未考虑国别差异，以及金融危机是否加剧了政策不确定性的影响本文通过定量分析不同国家的政策不确定性与通货膨胀之间的动态关系，以期对以上问题进行实证研究 Frank(1921)[8] 首先将“不确定性〞的概念引入经济学中，Bloom(2022)[9] 关于经济不确定性影响经济活动的开创性研究文献，引起学界和政策层的广泛关注Baker et al(. 2022)[10] 指出政策不确定性是经济不确定性变化的重要内容，通过构建主要经济体的政策不确定性指数进行实证研究，发现在兴旺国家和开展中国家，其政策不确定性与 GDP增长率之间 的 关 系 都 明 显 为 负 。
Panousi 和 Papanikolaou (2022)[11] 研究发现，政策不确定性是导致全球发生金融危机的重要因素之一，对企业投资有负面冲击 Jackson 和 Orr(2022)[12] 基于多阶段多层次分析框架，发现宏观经济不确定性负向影响房地产直接投资和企业盈利Leblang和Bernhard(2022)[13] 使用选举或立法结果的不确定性作为政策不确定性的测度指标，发现政策不确定性对汇率波动存在放大效应基于中国报纸的文本分析结果，Huang和Luk(2022)[14] 构建了中国的政策不确定性指数国内文献重点研究政策不确定性对经济增长、企业投资、汇率波动、市场利率等方面的影响，例如田磊等(2022)[15] 、刘贯春等(2022)[16] 、王博等(2022)[17] 、张成思和刘贯春(2022)[18] 、刘尚希和武靖州(2022)[19] 等的研究 大量国内外文献的研究结论认为，政策不确定性的主要影响有：对经济增长造成负向冲击，导致国内长期利率不断上升，企业投资的盈利降低，汇率波动幅度进一步放大，等等关于通胀预期的文献主要有，Istrefi和Piloiu(2022)[4] 分析了政策不确定性对通货膨胀预期的影响，发现其对短期和长期通货膨胀率都具有显著影响。
Binder(2022)[5] 发现政策不确定性和居民部门的短期通货膨胀不确定性之间具有很强的相关性，高收入和高学历消费者的通货膨胀不确定性最低，政策不确定性更多地反映消费者的预期，而不是专业预测人士或金融市场的预期国内学者朱军和蔡恬恬(2022)[20] 采用最大份额结构 VAR 模型，发现中国的货币和财政政策的不确定性，短期将导致通货膨胀预期上升，而长期那么导致通货膨胀预期降低，同时财政政策不确定性影响的持续性可能更强，而货币政策不确定性的影响可能更大 研究政策不确定性与通货膨胀及通货膨胀预期关系的文献多集中于对某个国家的分析，不仅不具有普适性，也忽略了较高政策不确定性与较低政策不确定性影响的差异性目前在对政策不确定性进行分位数影响的研究范围内，尚未发现相关文献，因此本文尝试积极探索不同国家宏观经济政策不确定性对通货膨胀影响的定量分析基于分位数格兰杰因果关系检验方法，本文对巴西、日本、中国、加拿大、希腊、法国、爱尔兰、德国、韩国、墨西哥、意大利、西班牙、瑞典、英国、荷兰和美国共16个国家经济政策不确定性与通货膨胀的因果关系进行定量分析①本文采用分位数回归方法主要考虑其具有以下 优 点 ：一 是 Buchinsky(1998)[21] 和 Chuang et al. (2022)[22] 指出基于最小二乘法(OLS)模型估计的格兰杰因果关系不显著，主要是由对应上下分位数的正负效应相互抵消造成的，即所谓的“平均效应〞。
二是分位数回归方法能够更全面反映经济政策不确定性和通货膨胀变化之间的因果关系，并且能揭示出不同分位数之间两者关系是如何变化的具体到本文的研究样本，较高分位数的经济政策不确定性可以解释经济体较高的通货膨胀率，而低分位数的经济政策不确定性那么与较低的通货膨胀水平相关三是分位数回归方法对传统的最小二乘(OLS)方法进行了自然推广，并在非高斯分布情形下产生了更为可靠的推论例如在偏态、峰度或存在异常值的情况下，最小二乘(OLS)方法可能不够充分，而分位数回归方法提供了更为可靠和更加有效的估计(Barnes和 Hughes，2022)[23] 根据 Chuang et al(. 2022)[22] 所定义的分位数格兰杰因果关系，可以运用分位数回归(QR)计量模型来估计分位数因果效应(Koenker 和 Bassett，1978; Koenker，2022)[24-25] 所有分位数的格兰杰因果关系假设，是根据 Koenker和 Machado(1999)[26] 提出的 sup-Wald检验来进行检验的，可以检验出分位数回归模型中整个参数过程的显著性，因此与分位数中的 偏 离 因 果 关 系 情 形 是 一 致 的 。
Chuang et al. (2022)[22] 扩展了 Koenker 和 Machado(1999)[26] 的检验方法，来评估不同分位数范围内的因果关系，并确定因果关系的相关分位数范围，因此采用这种方法可以详细描述经济政策不确定性变化与通货膨胀之间的因果关系 众所周知，通货膨胀是宏观经济的核心，正如价格是微观经济的核心一样，而造成通货膨胀的原因有很多，例如货币数量论、总供求失衡论、结构性通货膨胀乃至输入性通货膨胀等根据本文的研究发现，在样本国家并可推广至全球范围来看，经济政策不确定性是导致通货膨胀发生变化的主要成因之一，同时基于分位数方法从计量角度能够纠正基于均值关系常规检验得出的非因果关系结论的误导性本文的研究进一步丰富了关于通货膨胀原因解释的文献，具有一定的理论价值和政策含义 本文的边际奉献可以从三个不同的方面来解释一是实证研究了 16 个样本国的政策不确定性与通货膨胀变动之间的动态关系，检验不同分位数水平下经济政策不确定性与通货膨胀变动之间的关系更为准确地说，本文试图通过研究这两种经济变量之间是如何通过短期动态交互作用来相互影响的，从而对现有文献进行补充由于本文采用分位数回归方法，实证结果的稳健性要高于基于最小二乘法的条件均值回归，因此能够覆盖所有的条件分位数函数，使得本文的实证估计更为有效。
二是本文进行了跨国的横向比拟研究，验证了经济政策不确定性对通货膨胀的影响对于样本内的大多数国家都是成立的三是验证了金融危机的影响，金融危机的发生加剧了经济政策不确定性对通货膨胀等宏观经济变量的影响 二、研究方法 (一)政策不确定性与通胀影响之间的传导机制简析 参考朱军和蔡恬恬(2022)[20] 等文献的研究，经济政策不确定性影响通货膨胀的传导机制，主要可以从居民部门、金融部门和企业部门来刻画一是假设经济政策不确定性处于上升状态，将使得居民部门加大“预防性储蓄〞，从而减少居民部门的未来消费，降低对全社会产品的需求总量，并最终造成通货膨胀水平下降二是随着居民部门的“预防性储蓄〞效应上升，金融部门会吸收更多的储蓄存款，但是为了防止金融坏账风险发生，那么会导致产生“惜贷〞行为，并使得全社会的投资总水平下降三是由于政策处于“不确定性〞状态中，企业会减少投资，进而减少产品供应，从而潜在的“供不应求〞会使得通货膨胀水平上升总之，由于政策不确定性的存在，社会公众能够自行调整储蓄、消费和投资三者之间的关系，从而改变奉献值均衡的状态，通货膨胀上升力量和通货膨胀下降力量“此消彼长〞如果通货膨胀处于上升趋势，经济负向消息会相应增多，导致经济信心发生变化，从而引起经济政策不确定性的上升。
因此经济政策不确定性对通货膨胀影响的传导机制非常复杂 (二)均值因果检验 两个平稳时间序列之间的因果关系检验，传统上是基于 Granger(1969，1981)[27-28] 的因果关系来定义的从形式上来讲，如果有： Fyt (η|(Y,X)t-1)=Fyt (η|Yt-1)，∀η∈R (1)可以肯定，时间序列 xt不是时间序列 yt的格兰杰原因这里 Fyt (∙|Yt-1)是 yt的条件分布，(Y,X)t-1是由 xj和 yj在时间 t-1 所产生的信息集这样如果时间序列 xt的过去信息，没有改变时间序列 yt的条件分布，那么 xt不是 yt的格兰杰原因当方程(1)不成立的时候，时间序列 xt被认为是时间序列 yt的格兰杰原因由方程(1)定义的格兰杰非因果性，接下来将被称为“分布中的格兰杰非因果性〞 由于条件分布的估计和检验在实践上很麻烦，更常见的是检验方程(1)的必要条件： E[yt |(Y,X)t-1]=E(yt |Yt-1) (2)这里 E(yt |Ω)是 Fyt (∙|Ω)的均值如果方程(2)成立，可以认为 xt不是 yt在均值上的格兰杰原因;如果是其他情形，那么认为 xt是 yt在均值上的格兰杰原因。
相似地，可以定义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这些非因果关系的符号，对于分布中的格兰杰非因果关系是必要的，但不是等价的 通常对 E[yt |(Y,X)t-1]的线性模型进行评估，来检验方程(2)： α0+∑i = 1 p αi yt-i+∑ j = 1 q βj xt-j 其依赖于 yt-1,⋯,yt-p和 xt-1,⋯,xt-q的过去信息检验方程(2)相当于检验既定模型中βj =0(j=1,⋯,q)的原假设，即滞后的 xt是否对 yt的条件均值具有显著影响①拒绝这个原假设与均值中的非因果关系是一致的，但与其他矩或其他分布特征中的因果关系却并无关系 (三)分位数因果检验 由于均值(或方差)的非因果关系不能延续到其他分布特征或者是。