劉金全 隋 藝

（廣州大學(xué)經(jīng)濟與統(tǒng)計學(xué)院，廣東 廣州 510006）

一、引言

“十四五”時期，我國開啟全面建設(shè)社會主義現(xiàn)代化國家新征程，黨中央把積極應(yīng)對人口老齡化上升為國家戰(zhàn)略，并在《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035 年遠景目標綱要》中做了專門部署。人口老齡化是人類社會發(fā)展的客觀趨勢，我國進入老齡化社會已有20 余年，逐步呈現(xiàn)出老年人口規(guī)模大、老齡化進程快、老齡化水平地區(qū)不平衡等特點。《2020 年度國家老齡事業(yè)發(fā)展公報》顯示，我國60周歲及以上老年人口達26402萬人，占總?cè)丝诘?8.7%，60～69 周歲的低齡老年人口在老年人口中占比過半，老年人口撫養(yǎng)比為19.7%，比2010年提高7.8 個百分點，這表明我國人口年齡結(jié)構(gòu)正加速轉(zhuǎn)變，“高老齡化”社會已經(jīng)形成。

人口老齡化不僅會對宏觀經(jīng)濟、金融市場和社會民生等領(lǐng)域產(chǎn)生深遠影響，還會對經(jīng)濟政策的效率產(chǎn)生溢出效應(yīng)。貨幣政策作為宏觀調(diào)控的重要工具，可以通過多種傳導(dǎo)渠道影響實體經(jīng)濟，例如利率渠道、風(fēng)險承擔渠道、信貸渠道等。在過去二十多年的貨幣政策調(diào)控中，我國中央銀行長期以廣義貨幣供給作為中介目標對宏觀經(jīng)濟進行調(diào)控，直至今日銀行信貸仍是社會融資規(guī)模中的重要組成部分，這決定了信貸渠道是我國貨幣政策傳導(dǎo)的主要渠道（杜立和錢雪松，2021）[1]。盡管近年來貨幣政策調(diào)控逐漸從數(shù)量型向價格型轉(zhuǎn)變，但我國利率市場化仍未完成，當前我國金融市場發(fā)展程度不夠，各類經(jīng)濟主體的融資方式和融資渠道比較單一，銀行信貸仍是企業(yè)和家庭獲得資金的主要方式。那么，在當前和未來人口老齡化程度日益加深的背景下，貨幣政策有效性是否會受到影響？人口老齡化是否會對貨幣政策的信貸傳導(dǎo)渠道產(chǎn)生實質(zhì)性影響？

信息非對稱或金融摩擦是貨幣政策信貸傳導(dǎo)渠道的核心問題（Bernanke和Blinder，1988）[2]，擴張性貨幣政策可以通過降低融資成本、緩解融資約束進而促進信貸增長，最終影響產(chǎn)出和物價。具有更高融資約束的經(jīng)濟個體對貨幣政策變動的敏感度更高（潘攀和鄧超，2020）[3]。老年人對住房和耐用品消費等貸款依賴程度較高的商品需求較低（陳小亮等，2021）[4]，其自我融資傾向較高，外部融資溢價較低（方顯倉和張衛(wèi)峰，2019）[5]，對貨幣政策的反應(yīng)也較弱。在高度老齡化社會中，微觀經(jīng)濟主體活力不足，擴張性貨幣政策對信貸的促進作用可能大大減弱，貨幣政策信貸傳導(dǎo)渠道的弱化將進一步影響貨幣政策對產(chǎn)出和物價的調(diào)控效果。因此，在新的人口年齡結(jié)構(gòu)下，人口老齡化通過對貨幣政策傳導(dǎo)渠道的影響，逐步躍升為影響貨幣政策有效性的重要因素之一。本文的重要貢獻在于，采取更為嚴謹?shù)挠嬃糠椒?，基于信貸渠道，從宏觀層面和省級層面探析人口老齡化對貨幣政策宏觀傳導(dǎo)效率和中觀傳導(dǎo)路徑的影響，進而給出對策建議。

二、文獻綜述和理論分析

（一）人口老齡化與貨幣政策有效性的因果關(guān)系和機制刻畫

對于人口老齡化視角下的貨幣政策有效性問題，發(fā)達經(jīng)濟體已有大量文獻進行研究，相當多學(xué)者認為老齡化會降低貨幣政策有效性，如老齡化會削弱日本貨幣政策對消費的影響及其產(chǎn)出效應(yīng)（Yoshino和Miyamoto，2020）[6]，減弱美國、加拿大、日本、英國、德國的失業(yè)率和通貨膨脹對貨幣政策的反應(yīng)（Imam，2015）[7]。Mangiante（2022）[8]則認為由于美國老年人更多購買價格剛性較高的產(chǎn)品，老齡化社會下產(chǎn)出對貨幣政策沖擊的反應(yīng)也更加強烈，即老齡化可能會強化貨幣政策有效性。也有少部分學(xué)者認為在歐元區(qū)老齡化對貨幣政策實施效果的影響微乎其微（Kara和Thadden，2016）[9]。

同樣地，國內(nèi)學(xué)者普遍認為我國人口老齡化會削弱貨幣政策有效性，采用的測度方法主要有四類：第一，采用時變參數(shù)向量自回歸（TVP-VAR）模型先測度出貨幣政策有效性的時變特征，然后再利用回歸模型探討貨幣政策有效性的下降是否由人口老齡化引起（張衛(wèi)峰和劉堂勇，2019；何俊杰，2017；李婷婷和逯進，2021；鄒瑾，2017）[10-13]。這種方法的缺陷是，TVP-VAR 模型對參數(shù)施加隨機游走約束，這并不一定符合經(jīng)濟現(xiàn)實，一旦TVP-VAR 模型所測度的貨幣政策有效性存在測量誤差，便會將其帶入第二步回歸模型，導(dǎo)致參數(shù)估計失去可信度。第二，基于生命周期理論，采用世代交疊模型（OLG）或動態(tài)隨機一般均衡模型（DSGE）等進行理論演繹（方顯倉和張衛(wèi)峰，2019；Yoshino 和Miyamoto，2020；Ippei 等，2019；李建強和張淑翠，2018）[5，6，14，15]。第三，將老年人撫養(yǎng)比引入Rudebusch 和Svensson（1999）[16]提出的貨幣政策效果方程，構(gòu)建多項式分布滯后模型并進行參數(shù)估計。第四，陳小亮等（2021）[4]把老年撫養(yǎng)比11.9%作為“高老齡化”和“低老齡化”的劃分依據(jù)，利用局部投影法估計不同老齡化狀態(tài)下的貨幣政策有效性，發(fā)現(xiàn)老齡化弱化了貨幣政策的穩(wěn)增長效果，但該研究并未控制影子銀行、經(jīng)濟不確定性等對貨幣政策有效性具有重要影響的變量，可能導(dǎo)致遺漏變量偏誤。

在老齡化影響貨幣政策有效性的理論機制刻畫層面，李建強和張淑翠（2018）[15]在DSGE模型中納入老齡化特征，研究發(fā)現(xiàn)老齡化社會的通貨膨脹容忍程度下降，弱化貨幣政策的需求管理能力。方顯倉和張衛(wèi)峰（2019）[5]推導(dǎo)簡約的OLG 模型并指出，由于老年人持有國債和存款等低風(fēng)險資產(chǎn)，提高貨幣政策利率將產(chǎn)生正的財富效應(yīng)，促進社會消費，這意味著緊縮性貨幣政策效果降低。老齡化影響貨幣政策的另外一個理論機制是壓低自然利率，加劇貨幣政策觸及零利率下界的風(fēng)險，進而收窄貨幣政策的自主操作空間（王博和陳開璞，2021；Bielecki等，2022）[17，18]。也有一部分研究從實證角度討論這一問題，例如Leahy 和Thapar（2019）[19]發(fā)現(xiàn)美國40～65 歲人口占比越高，貨幣政策有效性就越強，因為企業(yè)家的年齡大多分布在40～65歲，企業(yè)家對貨幣政策刺激更加敏感。Berg等（2021）[20]使用向量自回歸（VAR）模型和生命周期模型研究發(fā)現(xiàn)美國的老年人消費對貨幣政策沖擊的反應(yīng)遠遠大于年輕人消費，這與不同年齡層的財富特征和投資組合等因素密切相關(guān)。

（二）人口老齡化對貨幣政策傳導(dǎo)渠道的影響

根據(jù)國內(nèi)外研究文獻，老齡化通過影響貨幣政策傳導(dǎo)渠道進而影響貨幣政策的有效性，貨幣政策傳導(dǎo)渠道主要有五種，分別為利率傳導(dǎo)渠道、信貸傳導(dǎo)渠道、財富效應(yīng)渠道、風(fēng)險承擔渠道和匯率渠道，如表1 所示。具體而言：（1）利率傳導(dǎo)渠道。老年人資產(chǎn)凈值高，借債需求少，住房等投資需求也較少，消費和投資的利率敏感性下降，當社會老年人口比例明顯增加，全社會對利率的敏感程度會大幅減弱，利率傳導(dǎo)渠道下貨幣政策有效性也會隨之減弱。（2）信貸傳導(dǎo)渠道。老年人資產(chǎn)較多，抵押物豐富，且對房屋等耐用品的需求也沒有年輕人大，使用信貸消費的需求較低，因此，在老齡化社會下，貨幣政策的信貸傳導(dǎo)渠道受到阻礙。（3）財富效應(yīng)渠道。老年人擁有大量財富，有資產(chǎn)保值需求，對貨幣政策變化更加敏感，故老齡化社會下財富效應(yīng)傳導(dǎo)渠道的貨幣政策有效性會增強。（4）風(fēng)險承擔渠道。貨幣政策通過鼓勵“追求收益”直接或間接地影響風(fēng)險承擔。在一個老齡化社會中，彌補損失的時間比年輕社會要短，這可能會導(dǎo)致更多的家庭厭惡風(fēng)險，從而降低整體風(fēng)險承擔。因此，在老齡化社會中，風(fēng)險承擔渠道的效力可能不如年輕社會，從而降低了貨幣政策的有效性。（5）匯率渠道。受多重因素影響，老齡化社會中貨幣政策匯率渠道傳導(dǎo)的有效性無法確定?？傮w而言，人口老齡化會在一定程度上阻礙利率渠道、信貸渠道和風(fēng)險承擔渠道的傳導(dǎo)（何俊杰，2017；Fujiwara 和Teranishi，2008）[11，21]，但會加強財富效應(yīng)，最終影響取決于各渠道的相對重要性（Bean，2004）[22]。

從我國情況看，由于呈現(xiàn)“未富先老”特征，財富效應(yīng)渠道是比較微弱的（陳小亮等，2021）[4]，而匯率渠道的影響也無法確定，因此，我國并不存在明顯的財富效應(yīng)渠道和匯率渠道（翟光宇等，2023）[23]，考慮到過去我國數(shù)量型貨幣政策主要通過信貸渠道影響物價和產(chǎn)出，本文聚焦于信貸渠道視角研究人口老齡化對我國貨幣政策有效性的影響。一方面，本文從宏觀層面，對比了納入老齡化調(diào)節(jié)變量的交互向量自回歸模型（I-VAR）與不納入老齡化調(diào)節(jié)變量的VAR模型中貨幣政策沖擊對產(chǎn)出、物價和信貸變量的影響。這種方法避免了使用局部投影模型產(chǎn)生的遺漏變量問題，也避免了TVP-VAR 模型對參數(shù)施加隨機游走假設(shè)的問題。另一方面，本文從省級層面，構(gòu)建了以老齡化作為條件變量的面板同質(zhì)向量自回歸（PCH-VAR）模型，探討具有異質(zhì)性人口結(jié)構(gòu)特征的不同地區(qū)的產(chǎn)出、物價和信貸變量對貨幣沖擊的脈沖響應(yīng)函數(shù)是否存在差別，論證了老齡化能影響“貨幣政策→信貸渠道→產(chǎn)出和通貨膨脹”這一傳導(dǎo)機制，為理解人口老齡化如何影響貨幣政策有效性提供了宏觀層面和中觀層面的經(jīng)驗證據(jù)支持。此外，本文還驗證了利率調(diào)控的有效性同樣會被人口老齡化弱化。

三、計量模型構(gòu)建和實證分析策略

此部分介紹了如何使用I-VAR 模型和PCH-VAR模型測度不同老齡化狀態(tài)下的貨幣政策有效性，同時刻畫老齡化對貨幣政策信貸渠道的具體影響，并闡述關(guān)于變量選取、模型設(shè)定和數(shù)據(jù)處理的實證思路。

（一）I-VAR模型

本文的目標是識別不同老齡化狀態(tài)下貨幣政策沖擊對經(jīng)濟的非線性影響，從而檢驗人口老齡化是否會影響貨幣政策有效性。I-VAR 模型對解決本文的問題十分有利，它將交互項的思想納入VAR 模型框架，包含了足量的經(jīng)濟信息并能以一種簡潔的方式模擬人口老齡化對貨幣政策效率的影響。本文的I-VAR 模型形式如下：

其中，yt=[GDP,CPI,M,XD,llh]'，為包含實際GDP 同比增長率、居民消費價格指數(shù)CPI、廣義貨幣供應(yīng)量同比增速M、金融機構(gòu)人民幣各項貸款余額（同比增速）XD和老年撫養(yǎng)比llh的5×1 維內(nèi)生變量向量，α為n×1 的常數(shù)項向量，Aj為n×n的系數(shù)矩陣，k為模型滯后階數(shù)，μt為n×1 的誤差項向量，且其方差協(xié)方差矩陣為Ω 。括號內(nèi)是老年撫養(yǎng)比llht-j以及廣義貨幣供應(yīng)量同比增速M的交互項，cj是交互項的系數(shù)矩陣，以捕捉不同老齡化狀態(tài)下貨幣政策對宏觀經(jīng)濟變量的調(diào)控效果差異。

本文通過廣義脈沖響應(yīng)函數(shù)來量化不同老齡化狀態(tài)下貨幣政策沖擊對產(chǎn)出、物價和信貸的影響。理論上，內(nèi)生變量向量yt的h期向前的廣義脈沖響應(yīng)函數(shù)可表示為：

其中，E[·]表示期望算子，δt為t時刻的結(jié)構(gòu)性沖擊，ωt-1={yt-1,yt-2,…,yt-l} 為初始條件。GIRFy使我們能夠跟蹤系統(tǒng)內(nèi)生變量對本文框架中所有內(nèi)生變量的動態(tài)響應(yīng)，GIRFy的結(jié)果取決于貨幣政策沖擊的方向、幅度以及初始條件。

變量選取方面，本文選用實際GDP 同比增長率、居民消費價格指數(shù)、廣義貨幣供應(yīng)量同比增速、金融機構(gòu)人民幣各項貸款余額（同比增速）和老年撫養(yǎng)比分別表征產(chǎn)出、消費、貨幣政策、信貸和人口老齡化，數(shù)據(jù)時間跨度為2002 年第一季度—2019 年第四季度，數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫和國家統(tǒng)計局。其中，老年撫養(yǎng)比是學(xué)界普遍使用的衡量人口老齡化程度的代理變量，但該變量只有年度數(shù)據(jù)，考慮到人口老齡化是慢動變量，本文根據(jù)陳小亮等（2021）[4]的做法對其進行線性插值轉(zhuǎn)化為季度頻率數(shù)據(jù)。本文選用的貨幣政策代理變量為廣義貨幣供應(yīng)量M2 同比增速，是因為我國過去主要使用數(shù)量型貨幣政策調(diào)控經(jīng)濟，并且數(shù)量型貨幣政策與信貸的關(guān)聯(lián)最為緊密，使用該變量符合本文的研究需求。

模型估計方面，參考Caggiano 等（2017）[24]的做法，模型（1）和（2）使用最小二乘法進行參數(shù)估計，滯后階數(shù)使用AIC準則確定，然后使用廣義脈沖響應(yīng)函數(shù)算法計算不同老齡化狀態(tài)下貨幣政策對產(chǎn)出、物價和信貸的調(diào)控效果。

（二）PCH-VAR模型

要刻畫人口老齡化對貨幣政策有效性和傳導(dǎo)機制的影響，一種方法是令模型參數(shù)隨著老齡化變量的變化而變化，PCH-VAR 模型可以滿足這一研究需求。PCH-VAR 模型克服了線性面板VAR 模型完全同質(zhì)假設(shè)下導(dǎo)致的參數(shù)估計不一致問題，并且相比于TVPVAR 模型，它不局限于單個經(jīng)濟個體時間序列的估計，能通過識別不同經(jīng)濟主體的結(jié)構(gòu)特征差異來分析異質(zhì)性和動態(tài)變化來源。在本文中，應(yīng)用PCH-VAR模型可以通過不同省份的結(jié)構(gòu)特征，刻畫人口老齡化影響下貨幣政策效果的異質(zhì)性和動態(tài)變化，從而增加研究結(jié)論的直觀性和政策建議的價值。參考Georgiadis（2012）[25]做法，構(gòu)建PCH-VAR模型形式如下：

其中，內(nèi)生變量Yit=[GDPit,CPIit，XDit,M]'，是包含省級實際GDPit同比增長率、省級居民消費價格指數(shù)CPIit、省級金融機構(gòu)人民幣各項貸款余額（同比增速）XDit和國家層面廣義貨幣供應(yīng)量同比增速M的向量，Aj()zit為系數(shù)矩陣，標量zit是外生條件變量，這里選取老年撫養(yǎng)比來衡量各省人口老齡化的結(jié)構(gòu)特征，Aj(zit)的數(shù)值會隨著老齡化的不同而變化。i=1,2,…,N代表中國31 個省（自治區(qū)、直轄市，以下簡稱省份），t代表時間，p是內(nèi)生變量系數(shù)矩陣Aj(zit)的滯后階數(shù)，μit是均值為0、協(xié)方差矩陣為Σit的隨機誤差項。為了能夠估計PCH-VAR 模型，假設(shè)Aj(zit)中每個標量系數(shù)aj,sm(zit)可以近似表示為條件變量zit中的標量多項式：

其中，j=1,2,…,p，s=1,2,…,K，m=1,2,…,K，π(zit)=[π1(zit),π2(zit),πτ(zit)]是zit的1×τ階多項式組成的向量，γj,sm=(γj,sm1,γj,sm2,γj,smτ)'是τ×1 階多項式系數(shù)的向量。根據(jù)這種近似，Aj(zit)可表示為：

方程可以寫成：

一旦確定了多項式階數(shù)（本文設(shè)定為2 階）①，模型就可以運用普通的最小二乘法（LS）或廣義最小二乘法（GLS）確定系數(shù)矩陣Aj(zit)，由此便可計算信貸、產(chǎn)出和物價等變量對貨幣政策沖擊的響應(yīng)函數(shù)，而這個脈沖響應(yīng)函數(shù)的具體形態(tài)和演變趨勢又依賴于老齡化變量的狀態(tài)，這使得貨幣政策有效性和傳導(dǎo)機制直接與人口老齡化形成函數(shù)關(guān)系，讓我們能夠直接觀測不同老齡化水平下貨幣政策有效性的趨勢性變化。

在數(shù)據(jù)選取方面，產(chǎn)出變量、物價變量和信貸變量分別選用我國31 個省份的實際GDP 季度同比增長率、CPI 季度同比增長率和金融機構(gòu)本外幣各項貸款余額季度同比增長率，貨幣政策變量選用國家層面的廣義貨幣供給量季度同比增長率，老齡化變量采用各省份的老年撫養(yǎng)比數(shù)據(jù)，由于老年撫養(yǎng)比只有年度數(shù)據(jù)，本文使用線性插值法將其轉(zhuǎn)化為季度數(shù)據(jù)。另外，省級層面老年撫養(yǎng)比數(shù)據(jù)在人口普查年度使用的是人口普查數(shù)據(jù)，在非人口普查年度使用的是抽樣數(shù)據(jù)。所有數(shù)據(jù)來自各省統(tǒng)計年鑒、中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫和各年度《中國區(qū)域金融運行報告》，樣本區(qū)間為2004年第一季度—2019年第四季度。

四、人口老齡化對貨幣政策有效性影響和傳導(dǎo)機制的實證分析

（一）描述性統(tǒng)計分析

圖1 展示了M2 同比增速與各省信貸同比增速的對比，較粗的曲線代表M2 同比增長率，不難看出各省信貸同比增速與M2 同比增速的趨勢高度一致，這表明宏觀層面的數(shù)量型貨幣政策立場對各省信貸走向具有決定性作用。但從數(shù)值上看，不同省份的信貸增速也存在顯著的差異，這主要是因為各省份的經(jīng)濟發(fā)展、金融發(fā)展、信貸需求量等方面存在著較大的差異。此外，各省信貸增速的明顯高點出現(xiàn)在2008 年國際金融危機爆發(fā)期間，這與該時期我國實施超寬松的財政貨幣政策刺激信貸和經(jīng)濟的現(xiàn)實相吻合。

圖1：M2同比增速與各省信貸同比增速對比

觀察圖2 可以發(fā)現(xiàn)，各省老年撫養(yǎng)比差異顯著但整體呈上升趨勢，這說明我國老齡化程度逐年加劇并具有明顯的區(qū)域差異。具體來看，將我國各省份（不包含港澳臺地區(qū)）劃分為東、中、西三部分②，東部地區(qū)老齡化程度最高，西部地區(qū)老齡化程度最低，2010年后各地老齡化程度加速上升，中部地區(qū)老齡化水平逐漸接近東部地區(qū)。截至2020 年末，按照陳小亮等（2021）[4]對人口老齡化的劃分，各省全部處于“高老齡化”社會，東部和中部地區(qū)的老年撫養(yǎng)比高達18%左右，西部地區(qū)約為15%，老齡化問題嚴峻。

圖2：老年撫養(yǎng)比的省級差異和區(qū)域?qū)Ρ?/p>

（二）國家層面分析：人口老齡化對貨幣政策有效性的影響

圖3 呈現(xiàn)了VAR 模型和I-VAR 模型中產(chǎn)出和物價對數(shù)量型貨幣政策沖擊的反應(yīng)函數(shù)，從左圖可以發(fā)現(xiàn)，VAR模型中的產(chǎn)出脈沖響應(yīng)函數(shù)數(shù)值在所有時期均高于I-VAR 模型，I-VAR 模型中的GDP 脈沖響應(yīng)函數(shù)在中期甚至轉(zhuǎn)為負值。這一結(jié)果表明，當考慮老齡化因素后，數(shù)量型貨幣政策對產(chǎn)出的調(diào)控效率下降。同樣地，右圖的結(jié)果表明，VAR模型中物價對貨幣政策沖擊的反應(yīng)程度更大，盡管在第7—11 期I-VAR 模型中物價的脈沖響應(yīng)函數(shù)數(shù)值比VAR 模型稍高，但在其他時期均低于VAR 模型。從累積20 期脈沖響應(yīng)函數(shù)的情況看，經(jīng)計算，VAR模型中物價的累積脈沖響應(yīng)函數(shù)值為1.89，高于I-VAR 模型的1.35。由于IVAR模型的估計參數(shù)受到老年撫養(yǎng)比變量的影響，這一結(jié)果意味著，當考慮人口老齡化因素后，貨幣政策對產(chǎn)出和物價的調(diào)控效果均出現(xiàn)了弱化，這一結(jié)果與國內(nèi)大多數(shù)研究的結(jié)論一致。我們有理由相信人口老齡化的不斷加劇是導(dǎo)致數(shù)量型貨幣政策效果不斷下降的重要原因。

圖3：產(chǎn)出和物價對貨幣政策沖擊的脈沖響應(yīng)函數(shù)

圖4 的結(jié)果同樣表明，VAR 模型中信貸對貨幣政策沖擊的反應(yīng)函數(shù)數(shù)值高于I-VAR 模型，這說明當考慮了人口老齡化因素后，貨幣政策對信貸的促進作用減弱了。原因在于，老年人的信貸需求較低，其外部融資溢價也較低，對貨幣政策的敏感度大大下降。擴張性貨幣政策的信貸傳導(dǎo)渠道的核心是降低融資成本和緩解外部融資溢價，具有更高融資約束的個體通常會有更強的反應(yīng)。因此，老齡化程度越高的社會，貨幣政策對信貸的刺激作用就越弱，導(dǎo)致貨幣政策對產(chǎn)出和物價的調(diào)控效果進一步弱化。圖3 和圖4 的結(jié)果相互佐證，能夠在一定程度上論證人口老齡化對信貸渠道的弱化導(dǎo)致了對產(chǎn)出和物價的調(diào)控效果下降。

圖4：信貸對貨幣政策沖擊的脈沖響應(yīng)函數(shù)

（三）省級層面分析：人口老齡化對貨幣政策有效性影響的省級差異和傳導(dǎo)機制分析

觀察圖5 可以發(fā)現(xiàn)，在觀察區(qū)間內(nèi)，當老年撫養(yǎng)比逐步增加時，貨幣政策對省級產(chǎn)出和省級物價的影響程度逐漸下降，其中省級產(chǎn)出的累積響應(yīng)下降了0.3 左右，而省級物價的累積響應(yīng)下降了1.2 左右，這表明在省級層面人口老齡化削弱了貨幣政策對產(chǎn)出和通貨膨脹調(diào)控的有效性。值得注意的是，受人口老齡化影響，通貨膨脹對擴張性貨幣政策沖擊的反應(yīng)由正轉(zhuǎn)為負，說明未來可能面臨通貨緊縮的風(fēng)險。

圖5：不同老齡化狀態(tài)下省級產(chǎn)出和省級物價對貨幣政策沖擊的累積脈沖響應(yīng)函數(shù)

下面從省級層面探析人口老齡化對貨幣政策中觀傳導(dǎo)路徑的影響，信貸傳導(dǎo)渠道是貨幣政策傳導(dǎo)的重要方式，具體傳導(dǎo)路徑為“貨幣政策→信貸渠道→產(chǎn)出和通貨膨脹”。圖6 顯示，隨著老齡化程度的加深，省級信貸對M2 沖擊的累積脈沖響應(yīng)函數(shù)數(shù)值不斷下降，說明人口老齡化削弱了傳導(dǎo)路徑“貨幣政策→信貸渠道”的邊際效率。

圖6：不同老齡化狀態(tài)下省級信貸對貨幣政策沖擊的累積脈沖響應(yīng)函數(shù)

圖7 顯示，分區(qū)域來看，由于東部和中部地區(qū)的平均人口老齡化程度較高，人口老齡化對貨幣政策在東部和中部地區(qū)的產(chǎn)出調(diào)控效率有更強的負面影響，而西部地區(qū)老齡化程度相對較低，故貨幣政策對西部地區(qū)產(chǎn)出的邊際效果基本未受到影響，甚至有上升的趨勢。

圖7：不同區(qū)域老齡化對貨幣政策有效性的影響對比

（四）人口老齡化是否弱化了價格型貨幣政策的有效性

考慮到我國貨幣政策調(diào)控方式正逐漸由數(shù)量型向價格型轉(zhuǎn)變，以利率調(diào)控為核心的價格型貨幣政策將成為未來的重點，本文將I-VAR 模型中的數(shù)量型貨幣政策變量替換成價格型貨幣政策變量（以銀行間同業(yè)拆借7 天加權(quán)平均利率代表），并計算了VAR 模型和I-VAR 模型中產(chǎn)出和信貸對利率沖擊的脈沖響應(yīng)函數(shù)（見圖8）?？梢钥闯?，無論是VAR 模型還是I-VAR 模型，利率每上升一個單位，產(chǎn)出和信貸都呈現(xiàn)負向的脈沖響應(yīng)，這符合經(jīng)濟理論，說明緊縮性貨幣政策對產(chǎn)出和信貸產(chǎn)生負面影響。通過對比可以發(fā)現(xiàn)，IVAR模型中產(chǎn)出和信貸對利率沖擊的反應(yīng)程度比VAR模型更小，這表明考慮人口老齡化因素后，我國價格型貨幣政策對產(chǎn)出和信貸的調(diào)控效果弱化。當前我國數(shù)量型貨幣政策和價格型貨幣政策仍在混合使用，兩者的調(diào)控效果都會受到人口老齡化的負面影響。

圖8：產(chǎn)出和信貸對利率沖擊的脈沖響應(yīng)函數(shù)

五、結(jié)論和政策建議

本文運用I-VAR 模型和面板PCH-VAR 模型，從宏觀和省級層面研究人口老齡化對貨幣政策有效性的時變影響特征以及其內(nèi)在傳導(dǎo)機制，主要得到以下結(jié)論：首先，隨著我國人口老齡化程度的加深，數(shù)量型貨幣政策對產(chǎn)出、通貨膨脹和信貸的邊際調(diào)控效率趨于下降；其次，無論從宏觀還是省級層面來看，信貸與M2 增速的趨勢高度一致，信貸傳導(dǎo)渠道在貨幣政策眾多傳導(dǎo)渠道中處于重要地位，是影響區(qū)域經(jīng)濟的重要渠道；再次，人口老齡化的深化會對信貸傳導(dǎo)渠道“貨幣政策→信貸渠道→產(chǎn)出和通貨膨脹”產(chǎn)生負面影響，當人口老齡化程度加劇時，貨幣政策對信貸的影響減弱，削弱了貨幣政策有效性；最后，我國人口老齡化區(qū)域差異較大，東部地區(qū)明顯高于西部地區(qū)，因此，人口老齡化加深背景下貨幣政策對東部地區(qū)的有效性大幅下降，對西部地區(qū)影響不大。

基于以上研究結(jié)論，本文提出如下政策建議：

第一，多方位完善生育保障體系。改善人口年齡結(jié)構(gòu)，從生育率入手，在加強三孩生育政策的宣傳和引導(dǎo)的基礎(chǔ)上，應(yīng)將重點放在生育保障體系的完善和政策支持上。一方面，要加大對生育的補貼和優(yōu)惠，如稅收優(yōu)惠、生育津貼、孕期醫(yī)療費用適當報銷、擴大教育費用減免范圍和年限等；另一方面，要加強并落實對女性權(quán)益的保障，包括但不限于延長產(chǎn)假、保障女性返崗就業(yè)的工資、推廣靈活辦公模式等，解決“不想生”“推遲生”“不敢生”的問題，提高生育率。

第二，宏觀調(diào)控既要考慮宏觀層面人口結(jié)構(gòu)變化對貨幣政策有效性的影響，也應(yīng)充分考慮地區(qū)層面人口結(jié)構(gòu)差異引致的貨幣政策效率的區(qū)域差異。政策當局應(yīng)該認識到人口老齡化時代貨幣政策調(diào)控的局限性，并健全目標優(yōu)化、分工合理、高效協(xié)同的宏觀經(jīng)濟治理體系，建立更加完備的宏觀調(diào)控工具箱。例如，在老齡化程度日益加深的背景下，一旦宏觀經(jīng)濟運行受到負面沖擊，單靠貨幣政策擴張可能無法完全實現(xiàn)穩(wěn)增長，可以讓財政政策和貨幣政策協(xié)調(diào)配合、共同發(fā)力，保證經(jīng)濟運行維持在合理區(qū)間。

注：

①多項式階數(shù)不宜太大，否則VAR模型的特征根出現(xiàn)在單位圓外將意味著模型不穩(wěn)定。

②東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南12 個省份，中部地區(qū)包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南9 個省份，西部地區(qū)包括四川、貴州、云南、西藏、陜西、甘肅、寧夏、青海、新疆9個省份。