中国宏观经济不确定性的经济效应

余 杰 黄孝武

一、引言

经济波动的原因一直是宏观经济研究中最重要的主题，2007年美国次贷危机爆发后这一主题的重要性更加突出。在传统的经济学理论中，经济波动的原因是多方面的，货币因素和实际经济因素都会引起经济的波动。近年来大量研究表明，不确定性是导致经济波动的重要原因，不确定性具有明显的逆周期特征，即经济下行时期不确定性上升(Bloom等，2018[1]；Fajgelbaum等，2017[2])。同时金融市场中的许多动荡都是由不确定性引起的(Trichet，2008[3])。美国联邦储备系统公开市场委员会(FOMC)在次贷危机时期曾多次强调不确定性增加对经济衰退的影响(Bloom等，2018[1])。中国人民银行在近年来的货币政策执行报告中也反复强调不确定性对经济增长可能产生的影响(如2018年第4季度和2019年第1季度的货币政策执行报告)。关注不确定性对宏观经济的影响在理论与实践中都具有重要意义。

不确定性研究中的关键问题是如何界定和度量不确定性。Baker等(2016)[4]指出，不确定性包括宏观经济不确定性(Macroeconomic Uncertainty，EU)和经济政策不确定性(Economic Policy Uncertainty，EPU)两个方面(1)这一分类方法目前已经为经济学中对于不确定性的研究普遍接受。。对于宏观经济不确定性的度量，实证研究中大多使用代理变量，例如股票市场的波动率、GDP的波动率、专家预测的不一致性、企业劳动生产率的离差等。但是，这些代理变量都存在一定的局限性，从本质上来说他们能否成为宏观经济不确定性较好的代理变量存在疑问(Jurado等，2015[5])。如何合理地度量宏观经济不确定性，仍然是学术研究特别是经验研究中的重点。

另一方面，关于不确定性对于宏观经济的影响，无论是理论模型还是实证研究都并未达成一致。传统的观点倾向于认为不确定性的升高会对经济造成损害。比如，不确定性的升高会减少企业进行投资的意愿，或者使企业在进行投资时变得格外谨慎，投资的减少使得经济增长受损(Bloom，2009[6]；Bloom等，2018[1])。再如，不确定性的升高也会影响家庭部门的消费行为，抑制家庭的消费(Bloom，2014[7]；Fajgelbaum等，2017[2])。但是，近年来也有研究发现不确定性会在长期有利于经济的发展，这主要是因为不确定性升高会刺激创新活动和某些特定行业的投资(如Kraft等，2018[8])。

Jurado等(2015)[5]改进了前人研究中的缺陷，提出了一种更为合理的度量宏观经济不确定性的方法，为观察和理解宏观经济中的不确定性提供了一个新的思路和框架。该方法试图在高维数据中尽可能消除“确定性因素”的影响，以不可预测的共同的随机波动代表宏观经济不确定性。沿着这一思路和方法，本文拟从经验数据层面尝试度量中国宏观经济的不确定性，并讨论其对宏观经济的影响。本文的贡献主要在于两个方面：第一，本文采用相对合理的方法对中国宏观经济不确定性进行了度量，我们观察到这种不确定性具有明显的逆周期特征。第二，本文使用TVP-SV-FAVAR模型探究了宏观经济不确定性对中国宏观经济的影响。我们发现宏观经济不确定性会在短期内使得我国的经济增长、价格、投资受到抑制，但却会促进全社会的创新活动，从而在长期有利于我国经济增长，这一结论是对现有实证研究的补充。

本文后续部分的安排如下：第二部分是文献综述；第三部分是宏观经济不确定性的度量方法及度量结果；第四部分是宏观经济不确定性对宏观经济影响的实证分析；第五部分是全文的结论和政策建议。

二、文献综述

(一)不确定性的定义及度量

1.不确定性与风险。

Knight(1921)[9]最早对风险和不确定性进行了区分，给出了经济学中不确定性的概念。基于主观概率理论，他认为不确定性的核心是信息的不完备性。所以，当我们可以对某些事件进行重复实验并获取它们的概率分布时，不确定性就被消除了。然而，在社会经济生活中，几乎不可能对某些事件进行重复实验，所以不确定性是普遍存在的。

现代经济学中关于不确定性的定义大多借鉴了Knight(1921)[9]不确定性的定义，但又有所不同。定义It为t时刻经济系统中所有机构所能获取的信息，θt是t时刻经济系统的状态，一般地，θt中应该包括经济系统各方面的状态。则不确定性可以表述为Var(θt|It)，即θt的条件波动率或者方差。同时要求当It增大时，这个条件波动率将会下降，即当信息量增加时，不确定性会降低。

2.不确定性的度量。

根据上述不确定性与风险的涵义，学者们提出了度量不确定性的各种方法。

从不确定性的定义可以容易想到，波动率可以作为不确定性的一个代理变量。Bloom等(2009)[6]使用股票波动率作为不确定的度量，发现不确定性在短期内对实体经济造成了不利的影响。Gilchrist等(2014)[10]则研究了股票波动率对投资的影响，他们认为股票波动率能够很好地衡量企业层面的不确定性，这种不确定性会对企业的投资造成巨大的影响。叶建华(2014)[11]以及徐倩(2014)[12]也使用股票的波动率来反映企业面临的不确定性。另外一个与股票波动率类似的指标是由芝加哥期权交易所发布的波动率指数(Volatility Index，VIX)，同时，它也是金融市场恐慌程度的一个度量。Bloom(2014)[7]发现，VIX指数具有明显的逆周期性，能够作为不确定性的一个度量。蔡一飞(2016)[13]发现我国的经济政策不确定指数与VIX指数具有时变的格兰杰因果关系。然而，也有学者对使用金融市场的波动率指标作为不确定性的度量提出了质疑。Bekaert等(2013)[14]认为，股票的波动率或者VIX指数的波动很有可能仅仅是由企业的异质性引起的，而与不确定性的关系不大。而产出的波动率则不存在异质性的问题，Baum等(2006)[15]使用一个GARCH(2,2)模型拟合了美国的季度GDP增速，计算了GDP增速的条件波动率，并以此作为宏观不确定性的一个度量。遵循这一思路，梁权熙等(2012)[16]使用GARCH(1,1)模型拟合了我国宏观经济领先指数，王义中和宋敏(2014)[17]使用GARCH(1,1)模型拟合了我国季度GDP的增速。韩国高和胡文明(2016)[18]使用分省份年度GDP的三年移动标准差作为不确定性的度量。

除了直接可以观测到的波动率之外，调查数据也常常用作不确定性的度量。其中最著名的是美国的密歇根调查数据(例如，Bloom，2014[7]；Fajgelbaum等，2017[2])。研究发现该数据中回答者对于未来经济走势的预测的不一致性具有逆周期性，即人们在“坏的时期”(Bad Time)对于未来期望的不一致性增大，从而可以作为不确定性的一种度量。李妹和高山行(2014)[19]也使用了调查研究的方法来衡量不确定性。

另外，有学者认为，诸如自然灾害、恐怖袭击、政治选举的外生的冲击也能作为不确定性的工具变量。Baker和Bloom(2011)[20]是这方面研究的开创者，他们提取了股票波动率中能够被这些外生冲击解释的部分，并使用这些成分去预测GDP的增长。Stein和Stone(2013)[21]使用企业面对外生的能源和货币的波动作为工具变量，研究了不确定性对投资、就业等方面的影响。

近年来，也有学者开始关注经济政策不确定性的度量。Baker等(2016)[4]把不确定性分为宏观经济整体和经济政策这两个层面的不确定性，并着重研究了后者。他们使用文本分析方法，通过对主流媒体的新闻报道中关于不确定性的词语的分析，构建了不同国家经济政策不确定性指数。目前这一指数已经成为国内外度量经济政策不确定性的常用指标。(2)在计算中国的经济政策不确定性指数时使用了香港南华早报的新闻报道。

Jurado等 (2015)[5]提出了另一种衡量宏观经济不确定性的方法，即基于高维数据的动态因子模型方法。在变量选择上，他们纳入了高维的宏观经济数据集，考虑了宏观经济中能够获得的所有信息。在对不确定性的技术处理上，他们首先移除了宏观经济序列中的可预测成分，然后通过随机波动模型 (Stochastic Volatility Model) 保证不确定性的新息过程(innovation process)具有能够独立影响宏观经济变量本身的一阶矩和二阶矩成分，最后通过加权平均的方法获得了统一的宏观经济不确定性的度量。近年来，一些研究中国宏观经济不确定性的文献已经开始使用这种方法，如Huang等(2018)[22]、马丹等(2018)[23]、王维国和王蕊(2019)[24]，等等。

(二)不确定性的宏观经济效应

宏观经济不确定性如何影响到宏观经济，有三个理论解释方向，即实物期权(Real Options)理论、风险补偿(Risk Compensation)理论，以及增长期权(Growth Options)理论等。

1.实物期权理论。

实物期权理论在不确定性与经济增长的讨论中最为常见。Bernanke(1983)[25]认为企业的投资行为可以看作一系列的期权：当投资行为是不可逆的时候，企业在进行投资时需要对“现在”就进行投资和等待未来更好的投资机会之间的成本和收益进行权衡。从实物期权理论角度来看，当未来的不确定性升高时，选择推迟投资对于企业来说更有价值，因为在等待期间企业也许能够获得更多的关于未来的信息来避免可能出现的较大的损失。类似的观点也出现在Brennan和Schwartz(1985)[26]以及McDonald和Siegel(1986)[27]中。

从上述描述中可以看出，与实物期权相关的一个重要概念是调整成本，包括资本的调整成本和劳动的调整成本(3)例如，在设备安装和拆卸过程中可能造成的设备的损坏以及二手设备的转手造成的折价等就是资本的调整成本，而招聘、培训的费用以及解雇时需要支付的违约金等就是劳动的调整成本，在实物期权理论中投资是不可逆的，因此这些成本对于企业来说通常会比较高。。刘盛宇和尹恒(2018)[28]估算了我国1998年到2008年之间的全行业资本调整成本，发现我国的资本调整成本在10%左右，这一比例随着时间的推移逐渐增加，并且不同性质企业的资本调整成本也不同。关于劳动的调整成本，Bloom(2009)[6]认为美国的劳动调整成本占企业总工资支出的10%到20%，胡永刚和刘方(2007)[29]、陈利锋和雷盼盼(2017)[30]分别在DSGE模型中引入劳动调整成本，都发现不管使用何种参数校准值，劳动调整成本均是我国经济波动的重要原因。进一步地，Schaal(2017)[31]强调了劳动搜寻成本在不确定性高涨时期的作用，认为劳动搜寻成本可以看作是一种特殊的劳动调整成本并使劳动力市场受到巨大的影响。

除了理论上的解释之外，大量实证研究发现不确定性在宏观层面和微观层面都会明显降低投资和产出。在宏观层面，不确定性会使得投资和产出都降低。Bloom(2009)[6]、Jurado等(2015)[5]、Bloom等(2018)[1]发现不确定性冲击对美国的GDP增长和投资有显著的抑制效应。韩国高和胡文明(2016)[18]使用省级GDP的三年移动平均标准差作为宏观经济不确定性的度量，发现宏观经济不确定性会降低固定资产投资。Baker等(2016)[4]构建了经济政策不确定性指数，并发现经济政策不确定性会降低产出。沿着这一思路，国内大量的研究也讨论了经济政策不确定性对投资和产出的影响。金雪军等(2014)[32]发现经济政策不确定性对投资、产出都有抑制作用，张浩等(2015)[33]也发现经济政策不确定性会使得投资降低，田磊和林建浩(2016)[34]则发现经济政策不确定性会使得我国的产出降低。黄宁和郭平(2015)[35]则发现经济政策不确定性对我国产出和投资的抑制作用在不同的地区强度不同，它对东部地区的短期影响较为明显，而对西部地区的长期影响较为显著。

另一方面，实物期权也会使得家庭部门的消费减少，其中对耐用品消费的影响最为明显。Bloom(2014)[7]认为，在不确定性较高的时期，人们对诸如房屋、交通工具等耐用品的消费会降低，因为人们并不确定这些商品的价格会如何变化，同时，在不确定性高涨的时期，家庭对未来的收入也充满了不确定，这也会抑制消费。张振和乔娟(2011)[36]发现收入的不确定性对我国城乡家庭的消费行为都有影响，其中对农村家庭的影响大于对城镇家庭的影响，廖直东和宗振利(2014)[37]也发现了类似的效应。张浩等(2015)[33]发现经济政策不确定性的提高会降低房地产的消费。陈国进等(2017)[38]建立了一个DSGE模型并使用经济政策不确定性指数校准参数，发现经济政策不确定性的提高会抑制家庭的消费和投资行为。

高不确定性不仅仅会降低投资和消费的水平，也会降低这些变量对经济状况改变的敏感性。这主要由以下两种因素造成。Foote等(2000)[39]、Bertola等(2005)[40]认为高不确定性会让家庭部门对利率的改变不得不敏感，从而使得耐用品消费对利率的弹性降低，他们分别使用美国和意大利的数据证明了这一观点。同时，高不确定性使得企业变得更加谨慎，从而对经济状况的改变不敏感。Fajgelbaum等(2017)[2]认为当不确定性升高时企业之间的信息传递会变得缓慢，这又会导致企业对利率变化的反应变得谨慎。对中国来说，这种“谨慎效应”同样存在，大量实证研究发现经济政策不确定性会使得我国企业的现金持有提高(王红建等，2014[41]；陈德球等，2016[42]；李凤羽和史永东，2016[43]；张光利等，2017[44])，王化成等(2016)[45]发现在经济政策不确定性的升高会使得企业获得的商业信用减少。

2.增长期权理论。

增长期权理论通常用来解释20世纪末到21世纪初美国互联网泡沫的形成过程(Bloom，2014[7])，其核心是成本和收益的对比。按照这种理论，经济系统中充满了不确定性，然而这种不确定性却会促进投资，从而促进经济增长。因为，对诸如互联网行业来说，企业投资的最大损失就是他们的成本，但是一旦投资获得成功，企业获得的回报却数倍于他们的成本，这种高额利润的诱惑使得投机性投资增加。由于投资转化为产能需要一段时间，于是这种投资可以看作是企业购买的一个“看涨期权”。Bar-Ilan和Strange(1996)[46]发现了增长期权的实证证据，他们认为对某些行业来说，不确定性的升高会大幅提高期望收益。Kraft等(2018)[8]发现，增长期权对于解释创新驱动型企业的投资行为十分重要，他们发现在不确定性增加时，这一类企业反而会提高他们的研发支出，以期在未来一段时间之后使企业获得高额回报。

国内的一些研究也发现不确定性会促进企业的创新行为。孟庆斌和师倩(2017)[47]在DSGE模型中研究了经济政策不确定性对企业研发投入的关系，他们发现企业的研发投入与经济政策不确定性正相关，并且对于风险偏好程度越高的企业，经济政策不确定性对研发投入的促进作用越明显。顾夏铭等(2018)[48]区分了经济政策不确定性对企业创新的选择效应和激励效应，发现经济政策不确定性正向影响上市公司的研发投入和专利申请量，这种影响对不同产权性质或者不同行业的企业有所不同。饶品贵等(2017)[49]则发现对中国来说，在高不确定性时期，企业会更加考虑市场因素，从而提高了企业的投资效率。

3.风险补偿理论。

在经济学中，投资者需要通过风险溢价(Risk Premium)获得对承担风险的补偿。高不确定性往往会使风险溢价升高，这会进一步导致融资的成本上升。近年来，大量的理论文献证明了不确定性的升高会提高借贷成本(Borrowing Costs)，从而使得经济增长受到影响(Arellano等，2010[50]；Christiano等，2014[51]；Gilchrist等，2014[10])。Ilut和Schneider(2014)[52]提出了“模糊经济周期”(Ambiguous Business Cycle)模型，他们定义了一群对未来高度不确定的机构，发现当不确定性增大时，这些机构会削减他们的投资和消费，进而影响经济的增长。

此外，高不确定性还会增加家庭和企业的预防性储蓄，这会使得总消费降低(例如，Bansal和Yaron，2004[53])。直观来看，总消费的降低会成为存款并且最终转化为投资，因此不确定性的升高似乎不会对经济造成太大的影响。但是，Fernández-Villaverde等(2011)[54]的研究表明，在高度开放的经济体中，总消费降低导致的储蓄将会外流，不一定会使投资增加。而对开放程度不太高的经济体来说，Fernández-Villaverde等(2015)[55]、Leduc和Liu(2016)[56]、Basu和Bundick(2017)[57]等的研究则进一步表明，高不确定性会导致储蓄上升，降低了利率和价格，同时会使得投资上升，但是投资的这种上升却无法弥补消费减少带来的损失，其原因在于价格粘性的存在使得价格和利率的降低无法刺激足够多的投资。

(三)对已有文献的评述

1.关于宏观经济不确定性度量的文献评述。

从不确定性的定义上看，现有的对宏观经济不确定性的度量都可能存在一定的局限性。第一，在度量不确定性时，只有把可以预测的部分去除掉才能更合理地反映不确定性的本质特征，诸如股票波动率和调查数据的不一致性等度量方式都没有考虑这一点。第二，宏观经济不确定性是一种类似于“共同成分”的因素，现有的关于宏观经济不确定性的度量都只考虑了单一变量或者某一类变量。经济周期和不确定性的理论文献中都要求不确定性是一种能够影响诸多变量的因素(例如，Bloom，2009[6]；Gilchrist等，2014[10]；Basu和Bundick，2017[57]；Fajgelbaum等，2017[2]；Bloom等，2018[1])。第三，宏观经济不确定性的新息(Innovation)或者冲击(Shock)应该同时具有一阶矩(First Moment)和二阶矩(Second Moment)成分，同时不确定性的新息过程必须独立影响经济变量本身(Bloom，2009[6]；Jurado等，2015[5]；Bloom等，2018[1])，而使用GARCH族模型计算的条件方差显然不满足这一特征。

Jurado等(2015)[5]提出的基于高维数据的动态因子模型方法可以较好地剔除宏观经济中的确定性因素，考虑了经济变量的共同成分，并且使得不确定性的新息过程能够独立影响宏观经济变量，因此我们认为这种方法在度量宏观经济不确定性时更加合适，而国内仅有少量文献关注到了这种方法。

2.关于经济不确定性宏观经济效应的文献评述。

在经济不确定性的宏观经济效应三个理论方向的文献中，存在以下三个特点：第一，虽然大部分的文献认为不确定性的升高会抑制经济增长，但是也有增长期权等理论认为不确定性的提高会通过促进创新和特定行业的投资从而在长期有利于经济的增长。然而国内对于增长期权理论的关注都集中在微观层面，在宏观层面能够支持增长期权理论的实证证据并不多见。第二，国内绝大部分关于不确定性的实证研究使用了Baker等(2016)[4]发布的中国经济政策不确定性指数，而从整体上讨论宏观经济不确定性及其对于经济增长系统效应的讨论并不多。第三，尽管有少量研究涉及宏观经济不确定性，但这些研究中对宏观经济不确定性的度量方法并不一致，而且均存在一定的局限。

本文拟借鉴Jurado等(2015)[5]基于高维数据动态因子方法来较为合理地度量中国宏观经济不确定性，并使用TVP-SV-FAVAR模型来分析我国宏观经济不确定性对宏观经济的时变效应。

三、中国宏观经济不确定性的度量

(一)度量方法

1.宏观经济不确定性的基本表达。

(1)

其中It代表机构在t时刻能够获取的信息，所以宏观经济的总不确定性为：

(2)

2.宏观经济不确定性的度量过程。

在定义了不确定性之后，度量宏观经济不确定性就转化为对式(1)和式(2)的估计，估计步骤可以总结为以下几个基本过程。

第一，收集宏观经济信息集。由于It是t时刻机构面对的宏观信息集，因此首先要收集能够尽可能全面反映宏观经济状况的数据，这一步的作用是消除“确定性因素”的影响。

第二，估计预测误差。通常来说，收集的宏观经济信息集非常庞大，通常具有几十甚至上百个时间序列。为避免“维度诅咒”，我们使用FAVAR模型来估计每个序列的预测误差。

第三，对于预测误差使用随机波动模型建模。这一步是整个估计过程中最为重要的一步。如前所述，理论文献要求不确定性“具有独立影响各个宏观经济变量的二阶矩新息”，随机波动模型可以满足这一要求。根据Jurado等(2015)[5]的推荐，我们选择了Kastner和 Fruhwirth-Schnatter(2014)[58]的估计方法。

第四，计算各时间序列的不确定性。这一步我们根据Jurado等(2015)[5]推导出的递归方程来完成。

第五，使用合适的赋权方法，将各时间序列的不确定性综合为宏观经济不确定性。根据Jurado等(2015)[5]的讨论，简单的等权重平均法与其他的一些复杂方法计算的结果差别不大，因此我们采用简单的等权重平均法。

(二)数据和度量结果

1.数据及来源。

本文选择了59个中国宏观经济变量的月度数据，数据区间是1996年9月到2018年12月。由于在预测过程中对变量的滞后处理会损失数据量，因此我们最后得出宏观经济不确定性的区间是1997年1月到2018年12月。发明专利申请量的数据来源于国家知识产权局，其余所有的数据都来源于国家统计局和中经网统计数据库。我们对数值较大的数据取对数，对于需要季节调整的数据进行了季节调整，之后使用PP检验来判断序列的平稳性，对于不平稳的序列采用差分使之平稳。最后，根据FAVAR模型的要求，我们将所有数据标准化为均值为0、方差为1的序列。(4)由于篇幅所限，数据预处理方法详情备索。

对中国宏观经济不确定性的研究中，Huang等(2018)[22]使用了224个变量，王维国和王蕊(2019)[24]使用了158个变量，这些研究中的数据量明显比我们的多。但是我们认为并不是纳入越多的变量就越好，原因在于，本文使用的方法的核心部分是一个动态因子模型，该模型的核心假设是经济变量的特质波动之间具有截面弱相关性。根据Boivin和Ng(2006)[59]的研究，由于多数宏观经济变量之间存在高度的相关性，在动态因子模型中纳入过多的变量会增加数据噪声并且使得估计量不满足截面弱相关性的假设，从而降低估计的精度。他们在蒙特卡洛模拟中发现，使用40个宏观经济变量反而能够更加准确地估计共同因子。因此，我们认为使用59个变量能够获得更加准确的估计。马丹等(2018)[23]也采用了与我们差不多的数据量。

2.宏观经济不确定性的度量结果。

在FAVAR模型的估计过程中，因子个数与滞后期数是关键变量。按Bai和Ng(2002)[60]提出的信息准则我们最终确定因子个数为4个，根据AIC准则我们确定模型的滞后阶为4阶。在估计随机波动模型时，我们使用MCMC方法，总共进行了55 000次抽样，舍弃了前5 000次抽样，保留了后50 000次抽样。为了方便比较，我们参考Gulen 和Ion(2015)[61]对经济政策不确定性指数的处理方法，将我们度量的宏观经济不确定性处理成季度数据，并且比较了宏观经济不确定性与我国季度GDP同比增速，如图1所示。

图1 中国宏观经济不确定性与GDP增速

从图1可以看出，我国的宏观经济不确定性在大多数时期表现出了逆周期性质，即宏观经济上行时，宏观经济不确定性下降，反之亦然。参考Jurado等(2015)[5]的做法，我们将宏观经济不确定性超过其本身均值加上1.65倍标准差的时期定义为“高不确定性时期”，其余时期为正常时期，图1中黑色虚线为宏观经济不确定性的均值加上其1.65倍标准差的值。图1中灰色区域分别为1998年亚洲金融风暴、2008年前后的“次贷危机”和2011年前后的欧债危机。可以看出，我国在这三个时期都处于“高不确定性时期”，而我国的季度GDP同比增速在这三个时期都处于“谷底”位置。在2015年初经历了一个阶段性高点之后，我国的宏观经济不确定性一直在低位运行，反映出我国供给侧结构性改革给宏观经济带来了新的活力，经济发展的可预测性增强，因此宏观经济不确定性降低。

如前所述，Baker等(2016)[4]把不确定性分为宏观经济不确定性和经济政策不确定性，而且提供了经济政策不确定性的算法和数据。经济政策不确定性是否存在替代性则成为判断本文所度量的宏观经济不确定性有效性的重要依据。(5)经济政策不确定性指标来源于http://www.policyuncertainty.com。从概念本身来看，宏观经济不确定性和经济政策不确定性是两个不同的概念，反映的是两个不同的方面，因此从经济逻辑上它们应该具有不同的特征。从度量方法看，本文度量宏观经济不确定性使用的是计量经济学方法，充分体现了“让数据说话”的原理，而Baker等(2016)[4]对经济政策不确定性的度量采用的是基于计算机搜索技术的指数合成方法。因此，从度量方法上看，本文的宏观经济不确定性与经济政策不确定性也会具有不同的特征。我们计算了向前预测1期的月度宏观经济不确定性与经济政策不确定性指数的当期值与滞后值之间的相关性(如表1所示)。

表1 宏观经济不确定性与经济政策不确定性的相关性

从表1我们可以看出，我们的中国宏观经济不确定性与国内研究常用的经济政策不确定性指数之间的相关性大约为-30%，这一结果对当期值和序列的滞后期值差别不大。据此，我们认为本文的宏观经济不确定性和经济政策不确定性指数并不存在替代关系。

四、中国宏观经济不确定性的经济效应

根据实物期权理论和与风险补偿理论，不确定性会在短期内对经济系统造成不利的影响，但是根据增长期权理论，不确定性也有可能在长期内有利于经济发展。因此，本文接下来实证检验宏观经济不确定性与一些关键经济变量的关系。

SVAR模型是宏观经济学实证研究中常用的模型，然而，SVAR模型假设模型中的参数是一个常数，这种假设通常与实际经济的运行不符。就本文的研究主题来说，不确定性对宏观经济的影响在经济危机时期可能更加明显(Bloom，2009[6]；Fajgelbaum等，2017[2]；Bloom等，2018[1])，它在衰退时期会加剧经济的波动。宏观经济不确定性对我国经济的影响是否具有非线性效应，是我们需要研究的问题之一。因此，我们使用时变参数模型来避免使用线性模型可能出现的设定偏误问题。

(一)TVP-SV-FAVAR模型的基本设定和估计

一般而言，TVP-SV-VAR模型可以较好地刻画经济系统的时变特征，但是Koop和Porter(2011)[62]指出，如果在TVP-SV-VAR模型中纳入过多的变量和过多的滞后阶，模型的估计精度将迅速下降，他们发现TVP-SV-VAR模型中最多只能包含5个变量且滞后阶不能超过4阶。同时，大量研究发现如果VAR模型中包含的变量数量过少，可能无法完整反映整个经济系统的动态特征(Stock和Watson，2002a[63]，2002b[64]；Bernanke等，2005[65])。因此，本文采用TVP-SV-FAVAR模型来研究宏观经济不确定性对经济系统的效应。该模型的优点在于既能刻画经济系统的时变特征，也能通过纳入大量的宏观经济变量来完整地反映经济系统的各个方面。

对TVP-SV-FAVAR模型的估计需要使用MCMC方法，但是当模型包含的变量过多时，MCMC方法仍然会耗费大量的时间且估计精度不佳。本文采用Koop和Korobilis(2014)[66]提出的基于两阶段卡尔曼滤波(Dual Kalman Filter)的方法来估计模型，以提高模型估计的精度。

令xt是一个n×1维宏观经济向量，yt是s×1维变量。对本文来说，yt中仅仅包含宏观经济不确定性这一个变量。一个p阶的TVP-SV-FAVAR模型的基本设定如下式：

(3)

(4)

λt=λt-1+ut

(5)

βt=βt-1+ηt

(6)

其中，ut～N(0,Wt)，ηt～N(0,Rt)。最后，vt、εt、ut和ηt两两互不相关。

我们接下来简述Koop和Korobilis(2014)[66]的估计方法。令θt=(λt,βt)，则两阶段卡尔曼滤波法可以简述为：给定ft，使用卡尔曼滤波估计θt；给定θt，使用卡尔曼滤波估计ft。根据Koop和Korobilis(2014)[66]的推荐，我们可以首先使用传统的主成分估计法来获得ft的初始估计，然后再使用两阶段卡尔曼滤波来获得参数最终的估计。除了模型的参数和共同因子之外，我们还需要估计(Vt,Qt,Wt,Rt)。对Vt和Qt，可以使用指数加权移动平均估计量(Exponentially Weighted Moving Average Estimators，EWMA)。对于Wt和Rt，可以使用Koop和Korobilis(2013)[67]提出的遗忘因子方法(Forgetting Factor Methods，FFM)。模型的估计方法总结如下：

第三步，给定θt，使用卡尔曼滤波估计ft。

上述估计过程中的一个关键步骤是模型的初始化参数λ0、β0、f0、V0和Q0。对于这些参数的设定，我们遵循Koop和Korobilis(2014)[66]，使用无信息先验，具体来说，

f0～N(0,4)

λ0～N(0,4×In(s+1))

β0～N(0,VMIN)

V0=In

Q0=Is+1

其中，VMIN是一个明尼苏达先验(Minnesota Prior)，即

(二)宏观经济不确定性对经济影响的实证分析

按Jurado等(2015)[5]的基于高维数据动态因子度量方法，宏观经济不确定性的新息过程本身就能够独立影响宏观经济变量的一阶矩和二阶矩成分，也就是说由该方法度量出来的宏观经济不确定性与可观察的原始数据序列是完全不相关的(详细阐述可以参考Jurado等(2015)[5]的数学推导部分)，因此实证研究中不存在“内生性”问题，我们可以讨论宏观经济不确定性与其他宏观经济变量之间的关系。

我们的数据集与前面的一样，59个变量预处理方法与前面一样，因子个数设定为4，模型滞后阶数设定为4。在结构冲击的识别上，我们参考Bloom(2009)[6]的方法，即使用Choleski分解的方法，并将宏观经济不确定性排在最后。在这些基础上，我们计算了脉冲响应函数。

TVP-SV-FAVAR模型能够在每一个时点都给出一个脉冲响应函数的估计，因此这个模型的脉冲响应函数是一个三维图形，三个维度依次是脉冲响应值、时点、滞后期。在实证研究中为了便于分析，通常给出两种脉冲响应函数。第一种被称为时点脉冲响应函数。如果我们固定一个时点，将脉冲响应值和滞后期绘制成图，就得到了时点脉冲响应函数，这与传统的脉冲响应函数类似。第二种被称为等间隔脉冲响应函数。如果我们固定一个滞后期，将时点和脉冲响应值绘制成图，就得到了等间隔脉冲响应函数。本文将滞后1期的等间隔脉冲响应函数看作短期，将滞后12期、滞后24期、滞后36期的等间隔脉冲响应函数看作长期，由此就能看出长短期反应的时变特征。等间隔脉冲响应函数和时点脉冲响应函数是相互印证的关系，同时，从这两种脉冲响应函数中我们也可以得到不同的信息。

首先我们观察宏观经济不确定性与经济增长的关系。因为数据发布频率的关系，我们选取月度工业增加值作为经济增长指标代理变量。一个标准差宏观经济不确定性结构冲击下工业增加值滞后1期、滞后12期、滞后24期和滞后36期的等间隔脉冲响应如图2所示。为了反映危机时期和正常时期宏观经济不确定性的响应，我们分别绘制了1998年1月、2005年1月、2009年1月、2015年1月这些时点上一个标准差宏观经济不确定性结构冲击下工业增加值的时点脉冲响应图(如图3所示)。

图2 工业增加值对宏观经济不确定性结构冲击的等间隔脉冲响应

图3 工业增加值对宏观经济不确定性结构冲击的时点脉冲响应

从图2(a)可以看出宏观经济不确定性结构冲击对工业增加值的短期影响。宏观经济不确定性升高时，工业增加值在1个月之后会降低，这种短期的降低在2010年左右达到最大值，而在1998年亚洲金融危机期间，虽然工业增加值在短期降低了，但是这种短期降低的程度却低于次贷危机期间。图2(b)、图2(c)和图2(d)则可以看出宏观经济不确定性结构冲击对工业增加值的长期影响。从长期来看，大约在2005年之前，工业增加值在受到宏观经济不确定性冲击之后，即使在长期也会降低，而在2005年之后则会提高，这表明我国工业增加值对宏观经济不确定性冲击在长期具有不同的反应方式。

上述对于等间隔脉冲响应函数的分析也可以在图3中得到印证。图3(a)表明在1998年亚洲金融危机时期，宏观经济不确定性升高时，我国的工业增加值持续降低，这种降低大约在12个月左右到达最大值，并且这种效应即使在36个月之后仍然存在。图3(b)是2005年1月工业增加值对一个标准差的宏观经济不确定性冲击的反应，它的反应方式与图3(a) 相似，在不确定性升高时，工业增加值在短期迅速降低，但是这种抑制效应大约在12个月左右就降到了一个相对较低的水平。图3(c)和图3(d)分别展示了2009年1月和2015年1月的脉冲响应图，这两幅图表现出一种完全不同的响应方式，宏观经济不确定升高时，工业增加值虽然在短期内经历了一个急剧的降低，但是这种降低在大约6个月之后就消失了，之后反而有一个持续的小幅升高。这说明，随着近年来我国改革的深入，宏观经济的韧性逐渐增强，工业增加值在受到不确定性冲击之后在短期虽然会损失较大，但是在长期却会增长。

结合上面的分析，我们可以认为在2005年之前我国经济增长对不确定性的反应与实物期权理论及风险相关的理论一致，宏观经济不确定性的升高会抑制经济增长。而在2005年之后宏观经济不确定性对经济增长的作用则与增长期权理论一致，宏观经济不确定性升高在长期有利于经济发展。

根据增长期权理论，不确定性促进经济增长的原因是它会刺激创新活动，我们以全社会发明专利申请量作为创新活动的代理变量，绘制了创新活动对宏观经济不确定性结构冲击的脉冲响应图。

我们把图4(a)看作宏观经济不确定性升高对创新的短期影响，把图4(b)、图4(c)和图4(d)看作不确定性升高对创新的长期影响。从图4(a)可以看出，宏观经济不确定性的升高在短期内会抑制全社会发明专利申请量的增长，这种短期抑制作用在2005年之前并不明显，而在2005年之后开始增大。而图4(b)、图4(c)和图4(d)中，宏观经济不确定性升高对创新的影响程度较小(对比图4(a)与图4(b)、图4(c)、图4(d)纵轴的反应值)，因此我们认为从图4(b)、图4(c)和图4(d)中无法较为准确地反映宏观经济不确定性对创新的长期影响。图5中则更清晰地展示了宏观经济不确定性与创新活动的关系。图5(a)表明在1998年亚洲金融危机期间，在宏观经济不确定性升高时，我国的全社会发明专利申请量有一个持续的提高，但是这种升高的程度却较小(对比图5(a)和图5(b)、图5(c)和图5(d)的纵轴)。从图5(b)我们发现，在2005年之后，宏观经济不确定性升高时，我国的发明专利申请量在短期迅速上升，且反应程度比较大，这种反应在大约6个月之后就下降到一个较低的程度。图5(c) 和图5(d)分别展示了2009年1月和2015年1月宏观经济不确定性对创新的影响，在宏观经济不确定性升高时，我国发明专利申请量在最初2个月会下降，但是在此之后就开始提高，并且提高的持续时间(大约5个月)大于下降的持续时间(大约2个月)。这些结果表明在宏观经济不确定性升高时，我国的创新活动会有一定程度的增加。综合图4和图5，我们认为宏观经济不确定性对创新的影响与增长期权理论一致，并且在2005年之后宏观经济不确定性的升高对创新的推动作用更加明显。

图4 全社会发明专利申请量对宏观经济不确定性结构冲击的等间隔脉冲响应

图5 全社会发明专利申请量对宏观经济不确定性结构冲击的时点脉冲响应

物价变动是宏观经济运行的另一重要指标。我们绘制了一个标准差宏观经济不确定性结构冲击下，CPI的等间隔脉冲响应图和时点脉冲响应图，如图6和图7所示。

图6 CPI对宏观经济不确定性结构冲击的等间隔脉冲响应

图7 CPI对宏观经济不确定性结构冲击的时点脉冲响应

同样地，图6(a)是宏观经济不确定性升高对CPI的短期影响，而图6(b)、图6(c)和图6(d) 则可以看作不确定性升高对CPI的长期影响。图6(a)表明，在宏观经济不确定性升高时，CPI在短期内会降低，与工业增加值类似，这种短期降低也在2010年左右达到最大值。但是从图6(b)、图6(c)和图6(d)我们可以看出，CPI的长期响应值在2003年左右就变为正值。这说明在2003年之前，宏观经济不确定性升高在长期也是不利于CPI增长的，而在2003年之后，宏观经济不确定性升高在长期则有利于CPI的增长。图7也同样证明了这一点。图7(a)表明，在亚洲金融危机时期，不确定性升高使得CPI经历了一个持续时间很长的降低，这种抑制效应即使在36个月之后仍然存在。而图7(b)、图7(c)和图7(d)则说明，在宏观经济不确定性升高时，CPI会在短期内下降，这种效应大约持续6个月，然后CPI就开始升高，并且这种升高的持续时间都较长。经济状况的好转通常会伴随着价格的适度升高，因此我们认为，我国宏观经济不确定性对CPI的短期影响与实物期权理论及风险补偿理论一致，而从2003年之后，宏观经济不确定性对CPI的长期影响与增长期权理论一致。

实物期权理论和风险补偿理论都认为宏观经济不确定性会影响投资，因此我们需要考察一下宏观经济不确定性对投资的影响。我们以固定资产投资完成额作为投资的代理指标，在一个标准差宏观经济不确定性结构冲击下，固定资产投资完成额的等间隔脉冲响应图和时点脉冲响应图分别如图8和图9所示。

图8 固定资产投资完成额对宏观经济不确定性结构冲击的等间隔脉冲响应

图9 固定资产投资完成额对宏观经济不确定性结构冲击的时点脉冲响应

与前面的讨论一样，我们也可以把图8(a)当成宏观经济不确定性升高对投资的短期影响，而把图8(b)、图8(c)和图8(d)看作不确定性升高对投资的长期影响。图8(a)表明，宏观经济不确定性升高时，在短期内会抑制投资。这种抑制在2005年之前效应很大，但是在2005年之后，这种短期抑制效应随着时间的推移逐渐降低。图8(b)、图8(c)和图8(d)也表现出与图8(a)类似的特征，这说明宏观经济不确定性的升高在长期也会抑制投资的增长，但是在2005年之后，这种长期抑制作用也随着时间推移逐渐降低。我们推测，从2005年之后宏观经济不确定性的升高对投资的抑制作用逐渐减弱主要是以下两方面因素造成的：第一，我国近年来推出的刺激政策一定程度上抵消了宏观经济不确定性对投资的负面影响；第二，随着供给侧改革成效逐渐显现，国内的投资需求逐渐增加。类似的结论也能从图9中得出。图9(a)说明，在1998年亚洲金融危机期间，宏观经济不确定性的升高对投资造成了负面影响，同时这种影响的持续期较长，在24个月之后仍然比较大。图9(b)的脉冲响应图与图9(a) 类似，这说明即使在2005年之前的非危机时期，宏观经济不确定性的升高也会对投资产生较大的负面效应，并且这种影响的持续时间比较长。而图9(c) 和图9(d)则有所不同，宏观经济不确定性的升高对投资的负面影响不仅程度上逐渐降低(图9(c)和图9(d)纵轴的反应值与图9(a)和图9(b)相比有所降低)，而且持续期也变得更短，这种负面作用大约持续了12个月就降到了较低的水平。结合上面的分析，宏观经济不确定性对我国投资的影响符合实物期权理论及风险补偿理论的预测，同时，随着近年来改革的深入，宏观经济不确定性对投资的负面影响逐渐减弱。

在经济政策层面，货币政策是平抑经济波动的重要工具。但是，在对我国经济政策不确定性的相关研究中却发现在经济政策不确定性升高时，我国货币政策并未做出反应(田磊和林建浩，2016[34])。针对我国货币政策是否对宏观经济不确定性做出了反应这一问题，我们以M2作为货币政策的代理变量，绘制了一个标准差的宏观经济不确定性冲击下，M2的等间隔脉冲响应函数图和时点脉冲响应函数图，如图10和图11所示。

图10 M2对宏观经济不确定性结构冲击的等间隔脉冲响应

图11 M2对宏观经济不确定性结构冲击的时点脉冲响应

同样地，图10(a) 可以看作是宏观经济不确定性冲击对于M2的短期影响，在面临宏观经济不确定性冲击时，M2在短期内降低。在2005年之前，这种短期抑制的效应较大，而2005年之后这种短期抑制效应则随着时间的推移逐渐减弱。从理论上来说，在不确定性高涨时期，银行发放贷款会变得更加谨慎，银行信贷的降低会造成M2的降低，因此M2的降低符合理论预测。而图10(b)、图10(c)和图10(d)可看作是宏观经济不确定性冲击对M2响应的长期影响。在这些图中可以看到2009年之后M2的长期响应值变为正数，这说明在2009年之后，我国货币政策开始对宏观经济不确定性冲击做出了积极响应。图11也反映了同样的情况。从图11(a)和图11(b)可以看出，在2009年之前，宏观经济不确定性冲击对M2的抑制效应持续时间比较长(36个月之后这种效应仍然没有消失)。图11(c)则表明，M2在宏观经济不确定性冲击下会降低，但是这种降低只持续了大约12个月。而图11(d)说明，在2015年1月这个时点上，宏观经济不确定性冲击对M2响应的抑制作用的持续时间只有6个月左右，6个月之后M2的响应开始升高。以上分析表明我国货币政策在2009年之后对宏观经济不确定性冲击是存在积极反应的。

五、结论和政策建议

本文使用Jurado等(2015)[5]提出的方法度量了我国的宏观经济不确定性，并讨论了其经济影响。

本文发现我国宏观经济不确定性具有逆周期的性质，即在经济下行时宏观经济不确定性会升高，同时它在国际经济危机时期的升高幅度大于正常经济波动造成的升高。鉴于宏观经济不确定性与常用的经济政策不确定性指数相关性不高，我们认为本文度量的宏观经济不确定性也可以作为反映不确定性的重要指标。

进一步，本文使用TVP-SV-FAVAR模型分析了宏观经济不确定性对宏观经济的影响，发现宏观经济不确定性对于我国经济具有明显的时变效应，具体来说，第一，宏观经济不确定性升高会使得工业增加值和CPI在短期内降低，但是从2003年之后，宏观经济不确定性的升高在长期却会使CPI升高，在2005年之后宏观经济不确定性的升高在长期会使得经济增长提高。第二，宏观经济不确定升高会使得创新活动变得活跃，从而在长期有利于经济增长。第三，宏观经济不确定性升高会抑制投资，不利于经济增长，但是从2005年之后，这种抑制作用的程度随着时间的推移逐渐减弱。第四，经济政策层面，我国货币政策在2009年之后对宏观经济不确定性存在明显反应，货币供应量M2对宏观经济不确定性冲击的响应值短期内下降但随后就有明显的提高。

以上结论说明，随着我国改革的深入，我国经济的韧性越来越强。同时，我国宏观经济不确定性对于经济的效应，在短期表现出实物期权和风险补偿理论的特征，而在长期则与增长期权理论相符合。

上述结果与结论，有着明显的政策意义。

虽然我国的宏观经济政策在熨平经济的短期波动方面起到了巨大的作用，如“四万亿”投资计划，但是也带来了很多后遗症。次贷危机之后的实践表明，在不确定性高涨的时期，直接针对主要宏观经济指标进行的宽松政策的效果往往比较差，这可能是由于在不确定性高涨时期，政策传导渠道会变得不通畅(Fajgelbaum等，2017[2]；段梅，2017[68])。基于本文的研究，我们认为在宏观经济不确定性升高时，宏观经济政策在平抑短期经济波动的同时，应该更加注重引导创新活动。一方面宏观经济不确定性的升高在短期内会抑制经济活动，另一方面宏观经济不确定性的升高也会促进创新，从而在长期有利于经济发展。因此，在我国目前的内外部环境下，宏观经济政策取向的调整十分必要，在稳增长的同时，更应该促创新，加大对科研的投入，增加对高新技术产业的扶持和保护力度，引导更多人才进入科技领域，保证我国经济在短期和长期都能保持合理的增速。