中國通貨膨脹的產業結構配置效應分析

　　摘要：本文運用 2005—2017 年的中國省際面板數據，構建了中國通貨膨脹對三次產業產出構成影響的動態面板數據模型，基于穩健的一步系統 GMM 估計法進行實證研究并進行穩健性檢驗。研究認為，我國通貨膨脹對第一產業和第二產業產生了顯著的正向影響，而對第三產業則產生了顯著的負向影響，加之可持續的經濟增長有利于三次產業結構的調整，因此通貨膨脹并未阻礙我國產業結構的優化升級進程。雖然近幾年來我國并未出現明顯的通貨膨脹，但存在局部的結構性價格上漲情況，各產業部門應結合現實經濟情況，深入推進供給側改革，促進市場供求均衡以確保我國宏觀經濟穩定健康發展。

　　本文源自聶颯， 當代經濟 發表時間：2021-07-10

　　關鍵詞：通貨膨脹;產業結構;動態面板數據模型;系統 GMM 估計方法

　　一、引言

　　進入新世紀以來，我國經濟得到了快速發展，與當時的宏觀經濟情況相一致，我國通貨膨脹率則呈現了劇烈的波動態勢。2012 年 5 月以來，我國通貨膨脹率始終處于 3%以下，物價總水平看似處于穩定狀態，但經濟發展速度卻有所下降，經濟進入新常態，傳統的需求管理效果不明顯。在這一背景下，國家審時度勢提出了供給側結構性改革，以去產能、去庫存、去杠桿、降成本、補短板(三去一降一補)為主要任務，調整優化產業結構，轉變經濟增長方式，全面深化經濟體制改革，促進經濟高質量發展。眾所周知，物價水平的變化，一方面是需求管理的表現，另一方面是對供給側產生信號傳遞的作用，它是市場發揮資源優化配置決定性作用的關鍵。很明顯，促進物價總水平基本穩定是為了提升資源的配置效率。當物價水平變化較為劇烈時，將會導致資源配置效率的損失，從而對經濟造成不利影響(Fischer，1982)。在現實經濟中，由于不同產品價格調整是非同步進行的，物價總水平的變化就會造成相對價格的差異，這種相對價格的扭曲轉而會導致資源在部門之間配置的低效率，盡管總產出仍然處于很高水平，但產出的構成將受到一定的影響(Fischer，1982;Woodford，2003)。因此，本文將研究物價總水平的變化(通貨膨脹)對產出構成的影響，這不僅可以了解市場配置資源的情況，同時也可以為供給側結構調整提供一定的參考。

　　國內外關于這一選題的研究頗少。從國外研究來 看 ，大 量 文 獻 從 通 脹 與 部 門 產 出 增 長 率(Iscan & Osberg，1998;Muhammad，2016)、貨幣政策沖擊對產出的 影 響(Peersman & Smets，2005;Dedola & Lippi， 2005;Balke & Wyne，2007;Lastrages，2006 等)等角度進 行 研 究 。 與 本 文 研 究 最 為 相 關 的 是 ，Geirge et. (2011)運用 1970—2005 年 7 個 OECD 國家 9 個部門的數據，通過構建動態面板數據模型并進行脈沖響應分析，檢驗了通貨膨脹與實際部門產出構成的關系。從國內研究來看，早期研究中大多從理論上探討了通貨膨脹與產業結構演變的關系(崔友平，1989;王師勤， 1990;郭克莎，1990 等)，也有學者從通貨膨脹產生的原因分析了通脹對不合理的產業結構的影響(李真， 2011)，潘敏等(2012)則研究了中國產業結構調整對通貨膨脹缺口持久性的影響。郭寧(2014)首先分析了通脹在中國三次產業中的表現，接著從理論上分析了通貨膨脹對產業結構的影響機制，通過構建 VAR 模型進行脈沖響應分析研究了各產業對通脹的沖擊反應，并找出了反應不同的原因，最后提出政策建議。聶颯(2017)運用動態面板數據模型研究中國通貨膨脹對 8 大部門產出份額的影響，分析通貨膨脹對各部門的配置效應。本文將在此基礎上做進一步研究，探討通貨膨脹對三次產業產出構成的影響，即構建動態面板數據模型實證檢驗我國通貨膨脹的產業結構配置效應問題。

　　二、計量模型及方法

　　如前文所述，本文實證研究的假設是通貨膨脹會對產出構成產生影響。考慮到調整成本及慣性因素，產出構成由包括其自身在內的許多因素決定，需要將被解釋變量的滯后項引入模型，因此本文構建的是動態面板數據模型。同時，將通貨膨脹作為內生變量，其滯后項作為工具變量引入模型。考慮到人們對商品和服務的相對需求與人均實際收入水平相對應，再將人均地區產值的對數及其滯后項作為外生控制變量引入到模型中，用來反映經濟增長效應。此外，考慮到不同區域間的異質性，用省份虛擬變量來捕捉特定的固定效應，引入時間虛擬變量來控制其他外生性因素的干擾。綜上，本文所構建的動態面板數據模型形式如下： Sijt =∑k = 1 m1 αki Sijkt - k +∑k = 0 m2 βki πt - k +∑k = 0 m3 θkj yjt - k + ηij + εi λt + uijt (1)上式中，Sijt 為被解釋變量，表示在時間 t 情況下 j 地區 i 產業的產出構成;πjt 為解釋變量，表示時間 t 情況下 j 地區的通貨膨脹率;yjt 為外生控制變量，表示時間 t 情況下 j 地區的人均地區產值的對數;ηj 表示地區虛擬變量;λt 表示時間虛擬變量;uijt 為通常的隨機誤差項。

　　上 述 模 型 中 被 解 釋 變 量 的 滯 后 階 數 ，可 以 根 據 Arellano & Bond(1991)選擇自相關檢驗法來識別滯后階數。為了處理固定效應，可將方程(1)進行一階差分處理，差分后被解釋變量與殘差項存在相關性，此時方程的 OLS 估計是有偏并且非一致的。為了解決此問題，Arellano & Bond(1991)建議在 GMM 估計中將滯后被解釋變量以水平方式作為工具變量，這種策略被稱為差分 GMM 估計，關于使用一步估計還是兩步估計，Bond(2002)建議使用一步估計就可以滿足實證研究。此外，以水平方式引入的工具變量可能是非平穩的，差分 GMM 估計存在一個弱工具變量問題(Bound，1995)。 Blundell & Bond(1998)建 議 使 用 Arellano & Bover(1995)的系統 GMM 法估計，該方法使用被解釋變量的差分形式引入工具變量矩陣以解決 上 述 弱 工 具 變 量 問 題 。 根 據 Blundell & Bond (1998)的模擬結果，當滯后被解釋變量的參數接近于 1 時，應用系統 GMM 法估計的效率得到了大幅的改善。因此，采用這種穩健的系統 GMM 一步估計法進行實證檢驗。

　　三、指標及數據說明

　　為了檢驗通貨膨脹的產業結構配置效應，本文選擇 2005—2017 年全國 31 個省市自治區三次產業構成及通貨膨脹率數據，數據來源于 2006—2018 年《中國統計年鑒》。根據我國現行產業級次分類可知，第一產 業(Primary Industry)包 括 農 林 牧 漁 業 ;第 二 產 業(Secondary Industry)包 括 工 業 和 建 筑 業 ;第 三 產 業(Tertiary Industry)即是服務業。本文中所涉及到的產業構成數據是根據上述三次產業增加值占地區生產總值比重計算，通貨膨脹率數據則根據各地區 CPI 價格指數計算。根據 2005—2017 年全國 31 個省區的數據可以整理出全國各地區三次產業的平均產出構成及平均通貨膨脹率數據，如表 1 所示。

　　由 表 1 可 以 看 出 ，全 國 通 貨 膨 脹 平 均 水 平 處 在 2.72%，除西部地區超出平均水平外，其他地區均低于全國平均水平。從三次產業平均產出構成來看，東部地區第一產業比重最低，第三產業比重超過第二產業比重，說明東部地區的產業結構得到了優化提升;其他地區仍然處于第二產業主導，第三產業相對落后的狀態;與其他地區相比，西部地區則是第一產業比重最高，第三產業比重接近全國平均水平。由此可見，由于我國各地區經濟發展水平不同，通貨膨脹水平不同，產業結構調整亦存在明顯的不一致性，這說明通貨膨脹將會對產業結構調整產生不同的影響，這即是本文要檢驗的問題。

　　四、實證檢驗結果

　　在估計本文所構建的理論模型之前，非常有必要進行一系列的統計檢驗，包括面板單位根檢驗、面板協整檢驗及面板因果關系檢驗，為本文的實證研究奠定一定的統計基礎。由于文中所涉及到通貨膨脹率、人均地區生產總值對數兩個變量在現有研究中已經通過統計檢驗，均是平穩序列。同時，本文所使用的動 態 面 板 數 據 系統 GMM 估計中包含了一階差分程序，可以保證所有變量的平穩性特征，而且現有文獻已經驗證了通貨膨脹與產業結構之間的關系，因此本文不再重復進行統計檢驗工作，而是直接進行實證檢驗。

　　(一)穩健的一步系統GMM估計結果

　　本文基于中國 2005—2017 年的省際面板數據，將通 貨 膨 脹 率 視 為 內 生 變 量 ，運 用 Arellano & Bover (1995)的 系 統 GMM 估 計 法 進 行 穩 健 的 一 步 系 統 GMM 估計。由于面板數據特征，上述模型估計程序將會產生大量工具變量，為了保證工具變量數小于觀測數，本文在 gmmstyle 中設置 collapse 選項以控制工具變量數。本文共涉及到 3 個模型，所有估計結果如表 2 所示。從 Hansen 檢驗結果來看，所有模型均接受過度識別限制條件的假設。從 AR(1)和 AR(2)檢驗來看，3 個模型均接受存在一階自相關性，模型 1 接受存在二階自相關性。從所有模型來看，一階滯后被解釋變量的系數均為正數且均是統計顯著的，表明三次產業的產出構成都受到上期影響。同時，所有模型的通貨膨脹率(INF)及其滯后項對各部門產出份額均是顯著的，但作用方向存在差異。具體來說，由模型 1 結果可知，當期的通貨膨脹率及其滯后項對第一產業(PI)產出份額的影響均為正向，且當期在 1%顯著性水平下統計顯著，而滯后二期則在 5%顯著性水平下統計顯著，結果表明通貨膨脹會提高第一產業的產出構成;由模型 2 結果可知，當期和滯后二期通貨膨脹率的系數均顯著為正向，滯后一期系數為負但統計不顯著，說明從長期來看通貨膨脹對第二產業產生正的配置效應;由模型 3 結果可知，當期及滯后二期的通貨膨脹率的系數均為負向且統計顯著，說明通貨膨脹將對第三產業產生負向的配置效應。由此可知，通貨膨脹雖然對第二產業保持了正向的配置效應，但阻礙了第一產業和第三產業的優化升級進程，產生了不利的配置效應，以上結果符合通貨膨脹對產業結構影響的作用機制(郭寧，2014)。

　　再由所有模型中人均地區產值對數系數來看，短期內經濟發展對第一產業產生負向影響且統計顯著，對第二產業產生顯著的正向影響，但對第三產業則產生負向影響;長期看經濟發展將會對第一產業產生顯著正向影響，而對工業將會產生較為明顯的負向影響，對第三產業將會產生顯著的正向影響。我國經濟高質量發展對三次產業提出了較高的要求，由于產業調整需要一個過程，短期內由于無法滿足要求，因此經濟增長效應可能為負向，但從長期來看，經濟增長將會不斷促進產業結構的調整優化。

　　(二)穩健性檢驗結果

　　穩健性檢驗是為了檢驗研究結論對于不同估計技術的靈敏度。本文根據 Hausman 檢驗結果，運用固定效應和隨機效應方法剔除滯后被解釋變量以后重新估計上述模型，結果如表 3 所示。

　　由表 3 中數據可知，通貨膨脹率及其滯后項對第一產業、第二產業均產生正向的影響且統計顯著，對第三產業則產生負向的影響且統計顯著，這與本文動態面板數據模型的估計結果一致，證明本文的實證研究結果相對于不同的估計策略具有較強的穩健性。同時，根據穩健性檢驗結果可以發現，短期內經濟增長對于第一產業和第三產業產出構成均是負向的配置效應，而對第二產業則是正向影響;長期看則會對第一產業和第三產業產生正向配置效應，而對第二產業則會產生負向配置效應，這符合我國產業結構調整的目標與過程。將表 3 中模型估計結果與表 2 相比較，說明了穩健的一步系統 GMM 估計方法得到的結果精度更高。

　　五、結論

　　本文運用 2005—2017 年的中國省級面板數據構建中國通貨膨脹對三次產業產出構成影響的動態面板數據模型，將滯后被解釋變量引入模型，基于穩健的一步系統 GMM 估計法進行實證研究并進行穩健性檢驗。研究認為，我國通貨膨脹對第一產業和第二產業產生了正向的影響，而對第三產業則產生了負向的影響，但經濟發展在長期內有利于三次產業的調整，其經濟增長效應要明顯大于通貨膨脹效應。由于近幾年來我國的通貨膨脹壓力并不明顯，但存在明顯的結構性價格上漲情況(蔬菜、水果等食品類)，由此導致的相對價格扭曲無疑會破壞市場價格機制對供給側的信號傳遞作用，因此各產業部門應結合現實經濟情況，深入推進供給側結構性改革，促進供求均衡以確保我國宏觀經濟的平穩健康發展。