通胀预期_流动性过剩与中国通货膨胀的动态性质

《通胀预期_流动性过剩与中国通货膨胀的动态性质》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、杨继生:通胀预期、流动性过剩与中国通货膨胀的动态性质*通胀预期、流动性过剩与中国通货膨胀的动态性质杨继生内容提要:本文基于新凯恩斯混合Phillips曲线,考察我国通货膨胀预期的性质以及流动性过剩对通货膨胀的影响。分析显示:我国通货膨胀的动态性质具有短期新凯恩斯混合Phillips曲线的典型特征,同时存在着向后看的适应性预期和向前看的理性预期。对零售商品价格,理性预期的影响略强于适应性预期;而对消费性服务价格,适应性预期要强于理性预期。通货膨胀率对于流动性过剩近似具有单位弹性,准货币是导致通货膨胀趋势的主要根源。通胀预期的特征和流动性过剩的具体影响均表明:明确公布并切实

2、执行的货币紧缩政策对抑制通货膨胀是有效的。关键词:通货膨胀新凯恩斯混合Phillips曲线预期流动性过剩一、前言国家统计局报告显示,2007年我国居民消费价格比上年上涨418%,商品零售价格上涨318%。为抑制通胀和稳定通胀预期,2007年初到2008年6月,中国人民银行连续16次上调存款准备金率,连续8次上调金融机构存贷款基准利率。因而,深入认识我国通胀预期的特征以及流动性过剩的影响,可以为货币政策的适时调整和有效运用,为政府各种宏观调控政策的有效组合提供参考依据。那么,非常现实的问题就是:我国的通胀预期具有什么样的具体特征?流动性过剩对物价总水平上涨的具体影响是什么

3、?这些问题都需要通过对通货膨胀的动态性质及其与流动性过剩的关系进行深入分析来回答。目前,国内研究通货膨胀动态性的主要理论工具是适应性预期的Phillips曲线。王少平等(2001)的研究结论显示,适应性预期的Phillips曲线不能很好地解释中国的通胀行为。在此基础上,王少平和彭方平(2006)认为我国通货膨胀与通货紧缩之间存在非线性转换机制。而赵博和雍家胜(2004)、刘金全等(2006)则认为我国的通胀预期表现出适应性预期的特征。显然,目前国内基于适应性预期的Phillips曲线的关于中国通货膨胀的研究结论还存在明显的争议。Scheibe和Vines(2005)分别

4、基于适应性预期和理性预期的研究结果显示,基于理性预期的新凯恩斯Phillips曲线(NKPC)对中国通货膨胀的动态性质具有更好的解释能力。而Funke(2005)的研究则表明,适应性预期和理性预期共存的新凯恩斯混合Phillips曲线(HybirdNKPC)有助于解释中国通货膨胀的动态性质。上述基于Phillips曲线的研究有一个共同的特点,就是在分析通货膨胀动态性质的过程中,仅考虑经济运行的周期性因素,而没有考虑货币市场流动性过剩的影响。Hasan(1999)、Feyzioglu(2004)、范志勇(2008)的研究均表明,货币因素对中国通货膨胀的影响是显著的。另一方

5、面,上述*杨继生,华中科技大学经济学院,邮政编码:430074,电子信箱:yangjisheng770@sohu.com。本文受国家社科基金重点项目/我国减排与城乡经济问题研究0(07AJY010)资助。作者衷心感谢两位匿名审稿人具体而有针对性的修改建议,感谢华中科技大学王少平教授的指导和范红忠老师的意见。文责自负。1062009年第1期研究文献也没有考虑产品市场中微观个体行为的影响,如居民消费和厂商投资,这实际上是对模型施加了一个隐含的假定,即当预期不变时,Phillips曲线在短期内是不动的,对模型的这种约束不利于我们正确认识通货膨胀动态调整的动力来源。Oppers

6、(1997)认为消费冲击是中国通货膨胀周期性变化的重要来源,而Brandt和Zhu(2000)则将中国通货膨胀的主要原因归结为国有企业投资的软预算约束。实际上,就近期而言,我国投资需求的扩张已不仅仅限于国有企业。所以,除了考虑流动性过剩的影响,在通货膨胀模型中引入居民消费和厂商投资等个体行为的冲击,能够为短期内Phillips曲线的平移提供微观的分析基础,有助于正确认识我国通货膨胀的动态特征和动力来源。目前对我国通货膨胀的研究还有一个共同的特点,即这些研究都是基于时间序列数据展开的。¹中国在1992年价格改革基本完成后,才开始形成由市场主导的价格形成机制。所以,对中国通

7、货膨胀动态行为的实证研究,只能利用1992年以后的数据。在定量分析中,这样的样本区间大大限制了估计和检验统计量的自由度,降低了分析结论的可靠性。尽管部分研究采用季度数据来增加样本容量,但是,Perron(1991)、Pierce和Snell(1995)等的研究结论均显示,影响估计和检验可靠性的主要是样本数据的采样区间。所以,样本区间较短时,运用季度数据对提高估计和检验的可靠性意义不大,季节效应的存在反而可能干扰我们对经济变量变化特征的认识。幸运的是,面板数据(paneldata)由于包含了多个个体(individual)的信息,能够以横截