黃 樂， 黃志剛， 林朝穎

(1. 福州大學經(jīng)濟與管理學院， 福建 福州 350116; 2. 福建省金融科技創(chuàng)新重點實驗室， 福建 福州 350116; 3. 福建農林大學管理學院， 福建 福州 350002)

0 引言

2009年11月3日， 前國務院總理溫家寶在《讓科技引領中國可持續(xù)發(fā)展》的重要講話中首次提出了戰(zhàn)略性新興產業(yè)(strategic emerging industries， SEI)的概念. 2010年10月， 文獻[2]第一次明確提出了我國發(fā)展戰(zhàn)略性新興產業(yè)的目標. 2016年12月19日， 經(jīng)李克強總理簽批， 國務院印發(fā)《“十三五”國家戰(zhàn)略性新興產業(yè)發(fā)展規(guī)劃》[3]， 其中更是對“十三五”期間我國戰(zhàn)略性新興產業(yè)發(fā)展目標、 重點任務、 政策措施等做出了全面的部署和安排. 對于戰(zhàn)略新興產業(yè)的劃分， 周晶等[4]從統(tǒng)計學的角度， 對戰(zhàn)略新興產業(yè)進行統(tǒng)計分類. 國內更多的學者是從財政政策的角度對戰(zhàn)略新興產業(yè)開展研究， 李苗苗等[5]從財政政策、 企業(yè)R&D經(jīng)費和技術創(chuàng)新能力三個方面對戰(zhàn)略新興產業(yè)進行實證分析， 提出政府應設定適當財政政策門檻， 才能使其產生積極作用. 文獻[6-7]分別從甘肅、 內蒙古的區(qū)域財政政策對戰(zhàn)略新興產業(yè)的影響來驗證其重要性及作用.

縱觀歷史， 發(fā)達國家歷經(jīng)200多年的工業(yè)現(xiàn)代化道路是以犧牲資源和環(huán)境作為代價的. 如今包括中國在內的發(fā)展中國家為了實現(xiàn)現(xiàn)代化， 不能再走發(fā)達國家所走的老路， 必須依靠科學技術形成投入少、 產出多、 少排放、 多利用的新型生產消費模式， 真正實現(xiàn)可持續(xù)發(fā)展. 進入21世紀以來， 一些重要科技領域取得了革命性的突破， 一場由知識和技術體系創(chuàng)新所驅動的科技革命即將發(fā)生， 這必將為人類世界現(xiàn)代化進程提供強大的動力. 中國必須抓住這次發(fā)展契機， 縮小與世界先進科技水平的差距， 順應世界經(jīng)濟科技發(fā)展的大趨勢， 從中贏得主動、 有所作為. 如何能更好地扶持發(fā)展戰(zhàn)略新興產業(yè)， 使其逐步成為我國經(jīng)濟社會發(fā)展的主導力量， 是當下所要解決的重點問題.

貨幣政策有效性是研究經(jīng)濟學的一個重要內容， 也是宏觀經(jīng)濟預測和貨幣政策制定的理論基礎. 諸多學者對其都有深入的研究， Friedman等[8]最早運用時間序列計量方法來考察貨幣政策和財政政策對名義產出影響的顯著程度. Sims[9]則從產出維度研究貨幣政策變量的作用效果. 國內的學者也對貨幣政策有效性有深入的研究， 文獻[10]揭示我國貨幣政策沖擊在不同的時間維度對實體經(jīng)濟的影響也不同. 文獻[11]通過實證證明貨幣供應量作為我國貨幣政策研究的中介目標仍然有效. 閆力等[12]運用VAR模型對我國貨幣政策有效性進行分析， 實證表明貨幣供應量M1價格效應比產出效應明顯. 文獻[13]利用中國30個工業(yè)兩位數(shù)行業(yè)數(shù)據(jù)建立SVAR模型分析貨幣政策的微觀傳導機制.

除此之外， 國內還有很多學者研究貨幣政策在不同行業(yè)中的有效性， 其中研究最多的就是房地產行業(yè). 文獻[14]通過建立VAR模型， 運用脈沖響應函數(shù)與方差分解方法研究貨幣供應量與利率沖擊對房地產價格的動態(tài)影響， 發(fā)現(xiàn)貨幣供應量對房價有正向影響， 利率的變化則會使房地產價格下降. 高波等[15]的研究表明， 貨幣供給量的增加會刺激房地產投資和商品房銷售額的增長， 提高利率則對貸款供給是有效的.

自2008年金融危機以來， 我國廣義貨幣供應量M2大幅增加， 截至2017年8月末， 達到164.5萬億元， 平均同比增長15.51%； 同時， 公共財政支出也從2008年的6萬億， 增加到2016年的18.8萬億， 平均同比增長16.07%. 越來越多的學者關注到財政政策對戰(zhàn)略新興產業(yè)的影響， 卻忽略了貨幣政策對戰(zhàn)略新興產業(yè)的作用. 本研究希望通過構建VAR模型， 研究貨幣政策在戰(zhàn)略新興產業(yè)的有效性， 從而為制定有效的戰(zhàn)略新興產業(yè)貨幣政策提供理論依據(jù). 目前還沒有專家學者運用VAR模型對貨幣政策在戰(zhàn)略新興產業(yè)中的有效性進行過驗證， 本研究很好地彌補了這一空缺， 可以為戰(zhàn)略新興產業(yè)貨幣政策的有效性提供有力的理論支持.

1 變量選擇和數(shù)據(jù)說明

1) 變量選擇. 在文獻[16]研究的基礎上， 考慮到我國利率尚未完全自由化， 利率并不能完全反映貨幣市場的供求狀況， 故選取貨幣供應量M2代表貨幣政策. 對于戰(zhàn)略新興產業(yè)的研究， 國內的學者更多探討財政政策對其的影響， 為了使模型更全面地反映問題， 選擇公共財政支出作為財政政策的代表， 研究其對戰(zhàn)略新興產業(yè)的影響. 同時， 分別采用我國工業(yè)生產總值和戰(zhàn)略新興產業(yè)的主營業(yè)務收入作為衡量貨幣政策以及財政政策對該行業(yè)的影響. 最后， 為了熨平數(shù)據(jù)的長期趨勢， 本研究對所有數(shù)據(jù)取其自然對數(shù)， 分別記為M2， FP， GDPi， SEI.

2) 數(shù)據(jù)來源. 所選的樣本區(qū)間為2004年1月到2015年9月的季度數(shù)據(jù). 所有原始數(shù)據(jù)均來自《中國統(tǒng)計》《中國高科技產業(yè)統(tǒng)計年鑒》和Wind數(shù)據(jù)庫. 戰(zhàn)略新興產業(yè)的數(shù)據(jù)是根據(jù)文獻以及國家發(fā)改委《戰(zhàn)略新興產業(yè)重點產品和服務指導目錄》(2016)中對戰(zhàn)略新興產業(yè)各行業(yè)的劃分， 通過整理并對原始數(shù)據(jù)以X-11方法進行季節(jié)調整處理得出. 本研究所有計量分析工作都使用Eviews 8.0軟件完成.

2 計量模型及分析

根據(jù)上文所選變量及數(shù)據(jù)， 建立如下向量自回歸(VAR)模型：

(1)

其中:Yi, t=(GDPi,M2, FP, SEI),M2為貨幣政策中介目標的貨幣供應量；Ai為系數(shù)向量；k為模型的滯后階數(shù)；εi, t為白噪聲誤差項；di是常數(shù)項. 展開式為：

自回歸模型采用的是多方程聯(lián)立的形式， 它并不以經(jīng)濟理論為基礎， 在模型的每一個方程中， 內生變量對模型的全部內生變量的滯后項進行回歸， 從而估計全部內生變量的動態(tài)關系.

在對VAR模型進行估計之前， 必須對時間序列的平穩(wěn)性進行檢驗， 以防止繆誤回歸的發(fā)生. 常見的方法有Dickey-Fuller檢驗(DF檢驗)、 擴展的Dickey-Fuller檢驗(ADF檢驗)和Phillips-Perron檢驗(PP檢驗). DF檢驗適用于一階自回歸且無時間趨勢的時間序列檢驗， ADF檢驗適用于高階回歸時間序列的檢驗， PP檢驗則是在檢驗模型中不引入滯后項. 本研究采用ADF檢驗方法對各時間序列變量的平穩(wěn)性特征進行檢驗， 并對非平穩(wěn)序列進行修正， 使一階差分后的非平穩(wěn)序列成為平穩(wěn)序列， 檢驗結果如表1.

表1 單位根檢驗結果

注： ① D為時間序列的一階差分形式； ② 檢驗形式(C、T、L)中的C表示ADF檢驗時有常數(shù)項，T表示含有時間趨勢項(T為0時， 表示不含有時間趨勢項)，L表示滯后階數(shù)， 選取規(guī)則遵循模型中隨機誤差項不存在序列相關關系； ③*、**、***分別代表時間序列在10%、 5%、 1%的顯著水平下是平穩(wěn)的

如表1所示， 所有原時間序列都是不平穩(wěn)的， 經(jīng)過一階差分之后在1%的顯著性水平上都是平穩(wěn)的， 所以GDPi、M2、 FP、 SEI都是一階單整時間序列. 為了檢驗這些變量之間有沒有存在長期穩(wěn)定的均衡關系， 本研究采用Johansen協(xié)整檢驗的方法， 根據(jù)最優(yōu)滯后階數(shù)選擇的原則， 將VAR模型的最優(yōu)滯后階數(shù)設定為1， 檢驗結果如表2所示.

表2 Johansen協(xié)整檢驗結果

注：r表示協(xié)整關系的個數(shù)

表3 格蘭杰因果關系檢驗結果

由檢驗結果可見， GDPi、M2、 FP、 SEI之間存在4個協(xié)整關系， 這就意味著這些非平穩(wěn)時間序列之間有長期均衡的關系. 為了進一步證實貨幣供應量、 公共財政支出和工業(yè)生產總值是否會對戰(zhàn)略新興產業(yè)的產出帶來影響， 本研究進行格蘭杰因果關系檢驗， 結果見表3. 從上述檢驗中發(fā)現(xiàn)， 在90%的置信水平上， 貨幣供應量M2、 工業(yè)生產總值和公共財政支出都是戰(zhàn)略新興產業(yè)產出波動的主要原因. 也就是說貨幣供應量、 工業(yè)生產總值和公共財政支出的變動都對戰(zhàn)略新興產業(yè)的產出有顯著的影響.

為了具體分析貨幣政策和財政政策如何影響戰(zhàn)略新興產業(yè)的產出， 特別是在其他因素保持不變的前提下， 分析貨幣供應量M2、 工業(yè)生產總值和公共財政支出的沖擊對戰(zhàn)略新興產業(yè)產出的動態(tài)影響， 脈沖響應函數(shù)提供了很好的解釋. 如圖1所示， 在當期分別給貨幣供應量M2、 工業(yè)生產總值和公共財政支出一個Cholesky標準差的正向沖擊， 來觀察戰(zhàn)略新興產業(yè)的產出分別對它們有什么反應.

圖1 脈沖響應Fig.1 Impulse response

1) 財政政策. 公共財政支出的增加會刺激戰(zhàn)略性新興產業(yè)產出的上漲. 在給當期公共財政支出一個單位的正向沖擊之后， 戰(zhàn)略新興產業(yè)的產出馬上就有一個小幅的增長. 因為財政政策一開始沒有明確的目標性， 所以對于整個行業(yè)的扶持會給總產值帶來短時間的增加； 隨之而來的是一個大幅的降低， 通過市場的篩選， 一些能耗過高或是沒有太大市場競爭力的產品會被市場規(guī)律所淘汰， 所以導致產出的降低. 進入下一時期后， 由于市場篩選留下的企業(yè)具有更強的競爭力， 所以這時的財政政策就具有較為明確的目標性， 會使產出繼續(xù)增長. 之后會重復這一篩選過程， 直至整個市場趨于穩(wěn)定， 整個戰(zhàn)略新興產業(yè)產出對財政政策單位沖擊的累積響應約為1.4%.

2) 貨幣政策. 貨幣供應量的增加短期內抑制戰(zhàn)略新興產業(yè)產出的增長. 在給當期貨幣供應量一個正向的沖擊之后， 戰(zhàn)略新興產業(yè)的產出會出現(xiàn)一個明顯的負增長， 直到第2期才出現(xiàn)增長的趨勢， 之后一直保持增長趨勢. 因為當貨幣供應量增加的時候， 對傳統(tǒng)產業(yè)來說， 獲取資金更加容易， 會刺激對傳統(tǒng)產業(yè)的投入及其產量的增加， 相對而言戰(zhàn)略新興產業(yè)獲得的投資較少， 在短期內會對戰(zhàn)略新興產業(yè)的產出產生“擠兌效應”. 之后由于產量的提升, 假定需求不變， 市場將出現(xiàn)供大于求現(xiàn)象， 導致通貨膨脹， 但是戰(zhàn)略新興產業(yè)多為高科技產品， 有財政政策的補貼， 價格相對穩(wěn)定， 所以會導致戰(zhàn)略新興產業(yè)產出相對與傳統(tǒng)產業(yè)有較大提升. 整個戰(zhàn)略新興產業(yè)產出對貨幣政策單位沖擊的累積響應約為3.5%， 可以看出效果非常顯著.

3) 工業(yè)生產總值. 工業(yè)生產總值的增加會使戰(zhàn)略性新興產業(yè)產出同時增加. 在給當期工業(yè)生產總值一個單位的正向沖擊之后， 并不會立刻對戰(zhàn)略新興產業(yè)的產出有影響， 但在第2期會有正面影響且波峰達到為3.2%， 之后慢慢達到新的平衡， 整個戰(zhàn)略新興產業(yè)產出對工業(yè)生產總值單位沖擊的累積響應約為3.2%.

3 結語

本研究創(chuàng)新性地運用VAR模型對貨幣政策在戰(zhàn)略新興產業(yè)中的有效性進行分析， 對2004年1月到2015年9月的經(jīng)濟金融季度數(shù)據(jù)進行收集. 通過單位根檢驗、 協(xié)整檢驗和格蘭杰因果檢驗來確定模型的穩(wěn)定性， 再利用脈沖響應函數(shù)來觀察戰(zhàn)略性新興產業(yè)產出對貨幣政策和財政政策沖擊的反應. 根據(jù)理論分析和實證檢驗， 本研究發(fā)現(xiàn)貨幣政策在戰(zhàn)略新興產業(yè)方面是有效的， 且貨幣政策累積響應約為3.5%， 財政政策的累積響應約為1.4%， 工業(yè)生產總值的累積響應約為3.2%.

工業(yè)生產總值、 貨幣供應量以及公共財政支出互為因果關系， 所以工業(yè)生產總值的增加也會通過貨幣供應量和公共財政支出這兩個渠道間接地影響戰(zhàn)略新興產業(yè)的產出， 至于如何傳導與影響可待后續(xù)研究. 貨幣供應量的增加， 在短期內會對戰(zhàn)略新興產業(yè)的產出產生“擠兌效應”， 但從長期來看肯定對繁榮戰(zhàn)略新興產業(yè)是有利的. 對于財政政策， 正如很多學者研究的， 對戰(zhàn)略新興產業(yè)具有很強的正相關性， 通過專項財政支出和稅收補貼等方式， 財政政策可以有效地刺激戰(zhàn)略新興產業(yè)產出的增長， 配合市場的篩選過程， 能夠更好地選出真正具有市場競爭力的產品， 這也是戰(zhàn)略新興產業(yè)在宏觀經(jīng)濟疲軟時期仍能保持快速增長的重要保障. 因此， 在財政政策的扶持下， 還應注意貨幣政策的調控， 才能更好更快地促進我國戰(zhàn)略新興產業(yè)的發(fā)展.

向量自回歸模型可以很好地反映內生變量之間的動態(tài)關系. 同時， VAR模型允許變量的值取決于其自身的滯后項和其他變量的滯后項. 而且該模型提供了豐富的結構信息， 能夠捕獲更多的數(shù)據(jù)特征. 因此， 由VAR產生的預測通常比傳統(tǒng)的結構模型來的更好. 在實際應用中， 如果滯后階數(shù)足夠大， 模型可以完全反映所有的動態(tài)關系信息. 但是它有一個嚴重的缺點， 如果滯后階數(shù)越大， 待估計的參數(shù)就會越多， 然后自由度就會下降. 所以， 找到自由度與滯后階數(shù)之間的平衡點至關重要.