美国分类经济政策不确定性对中国省域经济的冲击效应

摘要：在全球经济一体化的背景下，一国经济政策不确定性会通过贸易、投资等渠道溢出到其他国家和地区，为分析美国经济不确定性对中国各省域的影响，采用全局向量自回归模型分析美国贸易、财政和货币政策不确定性对中国各省域经济的冲击效应。研究发现：美国贸易政策不确定性对各省域宏观经济的脉冲冲击大于货币政策不确定性的冲击，而财政政策不确定性的脉冲冲击明显较小；美国贸易和货币政策不确定性对各省域的脉冲冲击具有较大的异质性，省域经济发展越“充分”，对各省域消费物价指数的冲击越倾向于负向冲击，且冲击越小，而对进出口的冲击越倾向于正向冲击，且冲击越大。各省需注意贸易和货币政策不确定性对地区消费物价指数和进出口的冲击，以提前做好应对；各省域应进一步提升创新能力和开放水平，弱化外部经济政策不确定性的负向冲击。

关键词：国民经济管理；经济政策不确定性；省域经济；冲击效应；全局向量自回归模型

中图分类号：F202      文献标志码：A      文章编号：1008-4657（2024）03-0032-12

2008年全球性金融危机之后，全球的不确定性，特别是经济政策不确定性（以下用“EPU”表示）推动了全球经济的周期性波动 ［ 1，2 ］，且大部分的不确定性来自美国 ［ 3 ］。较高的EPU反映了未来政策冲击有更广泛的概率分布，因此，较高的EPU并不一定导致对宏观经济和微观个体的负向冲击［ 4 ］。尽管如此，经济主体往往会对EPU保持较高的警惕。高的EPU影响经济主体对未来的政策预期，产生“观望”心态，并影响消费、投资和其他经济行为。在市场争相竞争的环境中，微观个体的经济行为最终涌现出宏观的经济特征。政策需求者环境的变化又会影响政策供给及其决策过程，并进一步推高EPU。近些年，虽然中美贸易摩擦、英国脱欧和欧洲民粹主义的兴起让全球经济一体化蒙上了阴影，但全球化是历史大势，当前出现的一些逆全球化动向只不过是全球化潮流中激起的几朵浪花，阻挡不住全球化大潮（ 1 ）。在全球经济一体化的背景下，一国EPU的影响不仅仅局限在国内，还会通过贸易、投资等渠道溢出到其他国家和地区。

当前大量文献探讨了EPU的国际溢出效应，其中较多的文献探讨了美国EPU的国际溢出。对中国来说，深入分析美国EPU的影响，避免对宏观经济的冲击尤为重要。考虑到中国的非平衡发展战略、东中西部经济发展的显著差异、各省内生和外生比较优势的明显不同，更为重要的是基于省域层面深入分析美国EPU对中国各省域经济的冲击效应。

一、文献综述

（一）经济政策不确定性对国内宏观经济的影响

Bernanke［ 5 ］和 Bloom［ 6 ］较早研究了不确定性的“观望”效应，认为当需求增加到某些上限时，企业就会进行投资，而当需求达到某些下限时，就会减少投资。企业的最优投资呈现阈值形式，由于不确定性提高了投资的上限，企业愿意“观望”，引发投资水平的下降。从家庭的角度来看，较高的不确定性促使家庭更关注未来的收入。因此，家庭倾向于减少消费来增加预防性储蓄 ［ 7-9 ］。但这种影响是复杂的，因为更高的储蓄可以刺激未来投资，从而促进长期的经济增长［ 2 ］。大量的实证论文发现了EPU对一个国家内部实际经济活动的不利影响，如产出［ 1，10-11 ］、股价［ 1 ］、投资和就业 ［ 1，6，8，12 ］、失业［ 8，13 ］、通胀［ 8 ］；资产价格［ 14 ］； 金融市场［ 15-16 ］和信贷流量 ［ 17 ］。

（二）经济政策不确定性的国际溢出

关于不确定性的国际溢出效应，目前文献主要是对目标国家或一小部分经济体的孤立分析。Carrière  Swallow  &  Céspedes［ 18 ］对40个发达和新兴经济体的VAR模型估计发现，在美国EPU冲击后，发达和新兴经济体的投资和消费都在下降。与美国和其他发达国家相比，在外部EPU冲击后，新兴经济体的投资和私人消费下降更为严重，需要更长时间才能复苏。类似地，Colombo［ 19 ］使用标准的SVAR框架显示，给予美国EPU的一个标准差冲击会导致欧洲工业生产和价格的显著下降。从数量上看，美国EPU对欧洲的冲击大于欧元区特有的EPU冲击。为纳入更多的变量，Kamber等人［ 20 ］使用因子增强VAR模型（FAVAR），发现了其他主要经济体和新西兰的实际经济活动对美国EPU冲击的负面反应。Trung［ 3 ］使用Panel   VAR模型（PVAR）研究了美国EPU冲击对一小部分新兴经济体的冲击效应。研究发现美国EPU冲击对新兴经济体的实际经济活动（如产出、投资、消费、外国直接投资和出口）均有负面影响。一些学者在细分EPU的同时，指出了美国货币政策不确定性对世界其他地区产生了相当大的产出溢出效应，对许多经济体来说，这比美国国内的影响还要大［ 21 ］。

关于EPU对资本流动的冲击，Gauvin、McLoughlin  &  Reinhardt［ 22 ］指出，美国的EPU冲击显著减少了进入新兴市场的债券和股票。相反，欧盟的EPU对流入新兴市场的股票和债券有不同的影响，表现为股票流入增加，但债券流入减少。EPU对资本流动的溢出效应取决于时间以及全球和国内经济状况。相反，Gourio、Siemer  &  Verdelhan［ 23 ］采用26个新兴国家的数据集显示，EPU刺激了资本流入新兴经济体。Raddatz［ 24 ］使用Panel   VAR模型（PVAR）量化了这些不同外部冲击的影响，并确定了它们对低收入国家产出波动的贡献。从数量角度来看，外部冲击的产出效应在绝对值上通常很小，但相对于这些国家的历史表现来说很大。

考虑到地缘政治的影响，一些学者探究了美国EPU对主要拉丁美洲国家如墨西哥、哥伦比亚、巴西和智利宏观经济变量的溢出效应，认为美国EPU的冲击导致了上述四个国家的货币贬值，最大的影响是对墨西哥 ［ 25 ］，并对墨西哥的利率产生积极影响［ 26 ］。其他具有统计意义的结果是对哥伦比亚的工业总产值产生短暂而小的积极影响。

（三）经济政策不确定性国际溢出的异质性

大量研究表明，美国EPU对不同国家宏观经济的冲击效应具有较大的异质性。冲击效应的大小取决于接受国的贸易和金融一体化、金融开放、汇率制度、金融市场发展、劳动力市场刚性、产业结构以及对全球价值链的参与等。

异质性的主要来源是贸易开放，贸易开放可能加剧国内经济受到外部冲击的脆弱性［ 21，27-30 ］。使用制造业生产和贸易的行业级面板数据，可以发现，随着专业化程度的提高，贸易开放度对产出波动的影响越强［ 28 ］。从长期来看，发展中国家贸易开放度与收入水平之间存在双向的正相关关系，这表明贸易开放度既是收入波动的原因，也是收入波动的结果［ 31 ］。然而，一些研究认为，贸易开放可以通过促进风险分散来减少对外部冲击的暴露［ 31-32 ］。

有些研究认为，金融发展使金融系统能够将资本分配到最有成效的用途上，因此，金融全球化可以成为促进新兴市场国家经济增长和减少贫困的强大力量［ 33 ］。从理论上讲，金融开放可以通过允许外部金融冲击更迅速地跨境传播，从而扩大外部冲击的不利影响，但是金融开放度和外部冲击的关系并不是线性的，处于中等金融发展水平的经济体比非常发达或非常不发达的经济体更不稳定［ 34 ］。因此，正在经历金融发展阶段的国家在短期内可能会变得更加不稳定［ 35 ］。同样，完全的资本账户自由化可能会破坏处于中等金融发展水平经济体的经济稳定。相反，有研究认为，金融开放可以通过改善风险分担，帮助国内经济分散外部冲击的影响［ 29，35-36 ］，但是，金融一体化在改善风险分担和消费平滑可能性方面的好处似乎只有在超过某一门槛时才会产生［ 29 ］。从制度层面看，疲软的机构导致资本流动更加波动，从而增加了外部冲击后国内经济的宏观经济波动，与流向发达国家的资本流动相比，流向新兴国家的资本更容易受到偶然的大规模负面冲击［ 37 ］。

当前研究主要存在以下问题：第一，EPU包括了贸易、货币、财政和汇率政策不确定性，当前研究笼统地探讨了EPU的国际溢出，并没有对EPU进行细分。这种研究逻辑的结果是一方面可能产生研究结果的偏差，另一方面难以针对EPU的国际溢出作出贸易、财政、货币和汇率政策的调整。第二，当前研究集中在对美国EPU的溢出效应，且主要是探讨对某一国和某些国家的宏观经济溢出，即溢出的接受者为国家。在一国内部，不同的区域由于地理位置、贸易开放度、制度质量、经济总量、市场化水平等影响，外部EPU的冲击可能会带来不同的影响。

基于上述问题，本文将美国EPU细分为贸易、财政和货币政策不确定性（以下分别用“TPU”“MOP”和“FIR”表示），利用Baker et al开发的不确定性指数，以中国各省域为研究对象，在省域经济相互联系的背景中，采用全局向量自回归模型（以下用“GVAR”表示）分析美国分类经济政策不确定性对中国各省域经济的影响，以求解释美国分类经济政策不确定性对中国各省域经济影响的差异以及引起这种差异的原因。

二、研究设计

（一）溢出效应的方法：GVAR模型

GVAR模型（global  vector  autoregressive）是Dees  et  al［ 38 ］开发的意在捕捉全球经济和金融关系的经验模型，该模型已经成功用于研究宏观经济［ 38-39 ］和金融市场［ 40-41 ］冲击的传播。

本文GVAR模型主要包括两个步骤：第一步，构建30个省域的子模型VARX*（不包括港澳台和西藏，不包括西藏的原因为数据的缺失），每个子模型包含了内部变量（yt）、外部变量（xt）和外生的全局变量（dt）。由于各省域的宏观经济变量具有共同的时间趋势，因此，子模型采用矢量误差修正形式。对特定的省域i，则有：

对每一省域i，弱外生的外部变量被构造为跨省域的加权平均值：

权重代表各省域之间的经济联系，本文采用30个省域之间的地理距离矩阵作为权重，并进行标准化处理。p表征内部变量的p阶滞后，q表征外部变量的q阶滞后，r表征全局变量的r阶滞后。

第二步，30个子模型VARX*（p，q，r）堆叠构成一个全局向量自回归模型。堆叠模型如下：

H和S为单个国家的堆叠系数矩阵。P  =  max（pi，qi），L  =  max（r）和G包含了堆叠权重矩阵。

Gi  =  （I，Λx）zi，W为Ki  × K权重矩阵，Ki  为全部内部和弱外生的外部变量的总数，K为整个系统内部变量和外部变量的总数，即：

此处权重矩阵的构造采用30个省域2017～2019年地区生产总值的平均数，数据来自中国国家统计局网站数据库，由于最终以权重的形式进入模型，故不需要进行取自然对数等处理。

（二）变量与数据

各省域的内部变量如下：

消费物价指数域CPI（cpi）。以2015年为基期，采用当期值计算，原数据单位为“%”。本文将原数据扩大100倍以去掉百分号，并取自然对数处理后进入模型。

城镇固定资产投资累计增长（guding）和规模以上工业增加值同比增长（gongye）。采用当期值计算，原数据单位为“%”，本文将原数据扩大100倍后进入模型。

进出口总值累计增长（jinchukou）。采用当期值计算，原数据单位为“%”，本文将原数据扩大100倍，并取自然对数处理后进入模型（ 2 ）。

外部变量以内部变量后加“s”来表示，即外部变量包括：cpis、gudings、gongyes和jinchukous。

全局变量为美国的分类经济政策不确定性，以指数形式表示，包括了贸易政策不确定性指数（tpu）、财政政策不确定性指数（mop）和货币政策不确定性指数（fir）。各指数采用Baker et al ［ 1 ］提出的基于新闻数据的检索和计量方法，利用Access世界新闻数据库中2000多份美国报纸相关关键词出现频次的结果计算（ 3 ）。每个分类系列都经过归一化处理，平均值为100，在取自然对数后进入模型，缺失值（内部变量）采用线性插值的方法填补。

上述变量均为月度数据，从2000年1月到2022年11月。各变量描述性统计见表1：

（三）广义脉冲响应函数分析

标准的脉冲响应函数分析采用Cholesky分解来构造正交冲击，这取决于变量的滞后阶数，该阶数通常由经济理论来推断。由于当前的文献中没有明确的不确定性冲击的经验识别方案［ 42 ］，根据Trung［ 3 ］的建议，文章采用Pesaran & Shin［ 43 ］提出的广义脉冲响应函数（GRIFs）来研究美国分类经济政策不确定性对中国各省域宏观经济的冲击效应，该方法的优点是响应曲线不依赖于变量的顺序。

三、实证结果

（一）单位根和协整检验

文章采用增强的Dickey-Fuller检验来探究长期协整关系的数量。检验结果表明，多数变量存在一个单位根，而一级差分序列平稳。根据AIC信息准则的建议，对北京、天津、山西、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、江西、湖北、广东、重庆、四川、贵州、云南、甘肃、宁夏和新疆等20个省域采用VARX*（2，1）模型，其余省域采用VARX*（1，1）模型。

文章使用Johansen的最大特征值和Pesaran， Shin & Smith（2000）［ 44 ］对弱外生回归变量模型开发的跟踪统计量来确定每个省域特定的VARX*模型的长期协整关系的数量，结果见表2。

（二）弱外生性检验

GVAR模型的一个重要假设是所有外部变量都是弱外生的，即内部变量对外部变量没有反馈。根据Dees et al［ 38 ］的方法进行弱外生性检验，以AIC标准判断滞后期，内部变量滞后期为1，外部变量滞后期为2，结果表明，将近97%的变量通过显著性水平为5%的弱外生性检验（见表3），在调整显著性水平为10%后，所有变量通过弱外生性检验。

（三）结构稳定性测试

稳定性测试采用Ploberger & Kr?mer［ 45 ］提出的最大OLS累积和统计量（PKsup）和其均方差（PKmsq）、Nyblom［ 46 ］提出的非平稳备选方案的参数恒定性测试（Nyblom）及其稳健估计量、在对未知变化点的一次性结构变化进行的连续Wald测试中，采用Quandt［ 47 ］提出的QLR统计量及其稳健估计、Hansen［ 48 ］提出的MW统计量及其稳健估计、Andrews & Ploberger［ 49 ］提出的APW统计量及其稳健估计。在估计结果中，发现模型存在一定的不稳定性，但是这种不稳定性较小。参照Trung et al［ 3 ］的做法，使用通过1000次重复的模拟产生的自举中位数和置信区间来解释美国分类经济政策不确定性的冲击效应。

（四）美国分类经济政策不确定性冲击对中国各省域的溢出效应

由于纳入研究的省域有30个，考虑到典型性和普遍性，挑选12个主要省域进行广义脉冲响应分析。这12个省域包括了东部地区的五个省域：北京、上海、江苏、山东、广东；中部地区的三个省域：山西、安徽、湖北；西部地区的四个省域：贵州、重庆、甘肃、内蒙古。由于对城镇固定资产投资累计增长和规模以上工业增加值同比增长的影响不显著，因此本文主要分析美国分类经济政策不确定性对中国各省域CPI和进出口的脉冲冲击，冲击效应如图1所示。

从图1可以看出：美国TPU对各省域CPI冲击最大，其次是FIR，而MOP对各省域CPI的冲击总体偏小。给予美国财政政策不确定性一个单位标准差的冲击，在第一期对各省域CPI负向冲击均值为-0.002，正向冲击均值为0.001，对所有省域CPI正向或负向冲击情况见表4。

美国分类经济政策不确定性对上述12个省域进出口的脉冲冲击效应如图2所示。

从图2可以看出，美国TPU对各省域进出口冲击最大，其次是FIR，而MOP对各省进出口的冲击总体偏小。给予美国MOP一个单位标准差的冲击，在第一期对各省域进出口的影响在（-0.001，0.001）之间。整体脉冲冲击与美国分类经济政策不确定性对各省域CPI的脉冲冲击存在较大差异，对所有省域进出口正向或负向冲击情况见表5。

四、进一步研究：关于异质性探讨

从上文分析可以看出，美国分类经济政策不确定性对中国各省域CPI和进出口的冲击存在较大的异质性。为探讨异质性的来源，本文探讨了各省域的下述变量：R&D支出比重、进出口总额、对外直接投资总额、市场化指数、GDP和人均GDP。各变量的来源、标识和处理如下：

R&D支出比重（lnrdgdp）。以当年价格计算的2017～2019年各省域R&D支出占本省域GDP比重的平均值来表示，并取自然对数，表征各省域的创新能力（ 2 ）。

进出口总额（lnexim）和对外直接投资总额（lnfdi）。进出口总额（lnexim）以当年价格计算的2017～2019年各省域进出口总额（单位为千美元）平均值来表示，并取自然对数。对外直接投资总额（lnfdi）以当年价格计算的2017～2019年各省域对外直接投资总额（单位为万美元）平均值来表示，并取自然对数。进出口总额（lnexim）和对外直接投资总额（lnfdi）表征各省域的对外开放水平（ 2 ）。

市场化指数（mar）。以2017～2019年各省域市场化指数的平均值表示，数据来自王小鲁、胡李鹏和樊纲［ 50 ］，表征各省域对内开放的水平。

GDP（lngdp）和人均GDP（lnrgdp）。以当年价格计算的2017～2019年各省域GDP（单位为亿元）和人均GDP的平均值（单位为万元）来表示，并取自然对数，表征各省域的经济总量（ 2 ）。

由于美国MOP对中国各省域CPI和进出口影响较小，故不考虑MOP的脉冲冲击。美国TPU和FIR对各省域CPI和进出口的前12期冲击（12期后趋近于0）与各省域创新能力、对外开放水平、对内开放水平和经济总量的皮尔逊相关系数热力图如下所示：

说明：“fir-cpi”表示美国FIR对中国各省域CPI脉冲冲击的前12期中各期与各省域lnrdgdp、lnexim、lnfdi、mar、lnrgdp和lngdp的皮尔逊相关系数，下同。

如果将各省域创新能力、对外开放水平、对内开放水平和经济总量识别为省域经济发展是否“充分”，从图3可以看出：（1）省域经济发展是否“充分”与美国FIR对中国各省域CPI的冲击不存在显著的相关关系，而与美国TPU对中国CPI的冲击存在中度负相关，即省域经济发展越“充分”，美国TPU对中国各省域CPI的冲击越倾向于负向冲击，且冲击越小。值得说明的是，省域经济发展是否“充分”与美国FIR对中国各省域CPI的冲击不存在显著的相关关系，说明了需要引入其他变量进一步识别异质性的来源。（2）省域经济发展是否“充分”与美国TPU和FIR对中国各省域进出口的冲击存在显著的中度正相关，即省域经济发展越“充分”，美国TPU和FIR对中国各省域进出口的冲击越倾向于正向冲击，且冲击越大。

五、结论

1.美国分类经济政策不确定性对中国各省域宏观经济的冲击效应较为显著

将美国EPU细分为贸易、货币和财政政策不确定性，可以发现美国分类政策不确定性对中国各省域CPI和进出口存在显著影响，而对各省域城镇固定资产投资累计增长和规模以上工业增加值同比增长的影响不显著。美国TPU对各省域CPI和进出口的脉冲冲击大于FIR的冲击，而美国MOP对各省域CPI和进出口的脉冲冲击明显较小。

2.脉冲冲击具有较大的异质性

美国TPU和FIR对中国各省域CPI和进出口既存在正向脉冲冲击，也存在负向脉冲冲击，显示出美国TPU和FIR对各省域宏观经济影响的复杂性。正向冲击和负向冲击的同时存在说明了美国TPU和FIR对中国省域经济来说，既是“危”，也是“机”。从概念学的角度来看，EPU意味着未来经济政策有更广泛的概率空间，一方面表明了政策是否变化和何时变化的不确定性，另一方面表明了政策到来时向哪个方向变化以及变化幅度的不确定性，这种变化可能是利于行为主体的，也可能是不利于行为主体的，因此从根本上来说，EPU并不必然导致“坏”的结果。

3.美国TPU和FIR对中国各省域CPI和进出口的脉冲冲击异质性的来源

以R&D支出比重（lnrdgdp）、进出口总额（lnexim）、对外直接投资总额（lnfdi）、市场化指数（mar）、GDP（lngdp）和人均GDP（lnrgdp）表征省域创新能力、对外开放水平、对内开放水平和经济总量来识别异质性的来源。省域经济发展越“充分”，美国TPU对中国各省域CPI的冲击越倾向于负向冲击，且冲击越小，而美国TPU和FIR对中国各省域进出口的冲击越倾向于正向冲击，且冲击越大。

基于上述结论，提出如下政策建议：

一是高度关注外部经济政策不确定性对国内宏观经济的冲击，并提前做好应对。美国贸易、财政和货币政策不确定性的极值点通常伴随着某一特定的经济事件，其变化通常先于该经济事件的发生。因此，当美国某一特定经济政策事件发生或即将发生时，各省需仔细研判该事件所引发的EPU对本省域宏观经济可能带来的冲击，尤其需要注意TPU和FIR对本省域CPI和进出口的冲击，以提前做好充分的应对。

二是各省域应以高质量发展为指引进一步提升创新能力和开放水平，以应对外部经济政策不确定性的冲击。习近平总书记在党的二十大报告中指出：“高质量发展是全面建设社会主义现代化国家的首要任务。发展是党执政兴国的第一要务。”高质量发展包括了各省域创新能力、对外开放水平、对内开放水平和经济总量的提升，这些指标的提升可以弱化TPU和FIR对各省域CPI和进出口的不利冲击，或强化有利冲击。各省域应进一步提升创新能力和开放水平，才能在全球化的大局中游刃有余。

当然，本文也存在一定的不足，这些不足也是以后研究的方向。

一是需要进一步进行异质性来源的识别。在本文的分析中，无法得出美国FIR对中国各省域CPI脉冲冲击异质性的来源，且在其他异质性的分析中，相关系数也仅为中度相关，因此需要进一步识别异质性的来源。

二是需要厘清美国分类经济政策不确定性对中国各省域宏观经济影响的逻辑机理。本文定量研究了美国贸易、货币和财政政策不确定性对中国各省域宏观经济的脉冲冲击，但并未深入研究其逻辑机理。因此需要进一步探究脉冲冲击的机制与逻辑。分析脉冲冲击的路径以及存在哪些中介因素和调节因素。

注释：

（1）习近平2019年6月出席圣彼得堡国际经济论坛的讲话。

（2）数据来自中国国家统计局。

（3）数据来自经济政策不确定性网站（www.policyuncertainty.com）。

参考文献：

［1］Baker S. R.，Bloom N.，Davis S. J. Measuring economic policy uncertainty［J］. The Quarterly Journal of Economics，2016，131（4）：1593-1636.

［2］Bloom N. Fluctuations in uncertainty［J］. Journal of Economic Perspectives，2014，28（2）：153-176.

［3］Trung N.B.The spillover effects of US economic policy uncertainty on the global economy：a global VAR approach［J］.North American Journal of Economics and Finance，2019（48）：90-110.

［4］焦雨生.经济政策不确定性溢出、制度捕获与经济增长——基于制度质量的面板门槛模型［J］.宜春学院学报，2022，44（7）：36-44.

［5］Bernanke B. S. Irreversibly，uncertainty，and cyclical investment［J］. The Quarterly Journal of Economics，1983，98（1）：85-106.

［6］Bloom N. The impact of uncertainty shocks［J］. Econometrica，2009，77（3）：623-685.

［7］Kimball M. Precautionary saving in the small and in the large［J］. Econometrica，1990，58（1）：53-73.

［8］Leduc S.，Liu Z. Uncertainty shocks are aggregate demand shocks［J］. Journal of Monetary Economics，2016，82（C）：20-35

［9］Leland H. E. Saving and uncertainty：The precautionary demand for savings［J］. The Quarterly Journal of Economics，1968，82（3）：465-473.

［10］Bachmann R.，Elstner S.，Sims E. R.Uncertainty and economic activity： evidence from business survey datas［J］. American Economic Journal：Macroeconomics，2013，5（2）：217-249.

［11］Arellano C.，Bai Y.，Kehoe P. J. Financial frictions and fluctuations involatilizes［R］. Federal Reserve Bank of Minneapolis Research Department Staff Report，2012，466.

［12］Gulen H.，Ion M.Policy uncertainty and corporate investments［J］. Review of Financial Studies，2016，29（3）：523-564.

［13］Caggiano G.，Castelnuovo E.，Figueres J. Economic policy uncertainty and unemployment in the United States： a nonlinear approachs［J］. Economics Letters，2017，151（C）：31-34.

［14］Brogaard J.， Detzel A. The asset-pricing implications of government economic policy uncertainty［J］. Management  Science， 2015，61（1）：3-18.

［15］Christiano L. J.， Motto R.， Rostagno M. Risk shocks［J］. American Economic Review，2014，104（1）：27–65.

［16］Karnizova L.， Li J.， Chris. Economic policy uncertainty， financial markets and probability of US recessions［J］. Economics Letters，2014，125（2）：261-265.

［17］Gete P.， Melkadze G. Aggregate volatility and international dynamics：the role of credit supply［J］. Journal of International Economics，2018，111（C）：143–158.

［18］Carriere-Swallow Y.， Cespedes L F. The impact of uncertainty shocks in emerging economies［J］. Journal of International Economics，2013，90（2）：316-325.

［19］Colombo V. Economic policy uncertainty in the US： Does it matter for the Euro area？［J］. Economics Letters 2013，121（1）：39-42.

［20］Kamber G.， Karagedikli O.， Ryan M.， et al. International spill-overs of uncertainty shocks： evidence from a FAVAR［R］. Centre for Applied Macroeconomic Analysis，Crawford School of Public Policy，The Australian National University，2016.

［21］Georgiadis G. Determinants of global spillovers from US monetary policy［J］. Journal of International Money and Finance， 2016，67（C）：41-61.

［22］Gauvin L.， McLoughlin C.， Reinhardt D. Policy uncertainty spillovers to emerging markets–evidence from capital flows［R］. Rochester， NY： Social Science Research Network.2014.

［23］Gourio F.， Siemer M.， Verdelhan A. Uncertainty and international capital flows［R］. Rochester， NY： Social Science Research Network.2015.

［24］Raddatz C. Are external shocks responsible for the instability of output in low-income countries？［J］ Journal of Development Economics，2007，84（1）：155-187.

［25］Alam M. R.， Istiak K. Impact of US policy uncertainty on Mexico： evidence from linear and nonlinear tests［J］. Quarterly Review of Economics and Finance.2009.

［26］Martinez J N.， Coronado SF.，Venegas-Martínez. Spillover effects of the US economic policy uncertainty in Latin America［J］. Estudios de Economia，2020，47（2）：273-293.

［27］Calderón C.， Schmidt-Hebbel K.Openness and growth volatility［R］.Working Papers Central Bank of Chile. 2008.

［28］Giovanni J.， Levchenko A. A. Trade openness and volatility［J］. The Review of Economics and Statistics，2009，91（3）：558-585.

［29］Kose M. A.， Prasad E. S.， Terrones M. E. Financial integration and macroeconomic volatility［R］. IMF Staff Papers， 2003，50（1）：119-142.

［30］Sakyi D.， Villaverde J.， Maza A. Trade openness， income levels， and economic growth： the case of developing countries， 1970-2009［J］. Journal of International Trade & Economic Development，2015，24（6）：860 - 882.

［31］Cavallo E. A.， Frankel J. A. Does openness to trade make countries more vulnerable to sudden stops， or less？ Using gravity to establish causality［J］. Journal of International Money and Finance，2008.27（8）：1430-1452.

［32］Down I. Trade openness， country size and economic volatility：the compensation hypothesis revisited［J］. Business and Politics， 2007，9（2）：1-20.

［33］Mishkin F. S. Why we shouldnt turn our backs on financial globalization［R］. IMF Staff Papers，2009.56（1）：139-170.

［34］Aghion P.， Bacchetta P.， Banerjee A. Financial development and the instability of open economies［J］. Journal of Monetary Economics，2004，51（6）：1077-1106.

［35］Buch C. M.， Yener S. Consumption volatility and financial openness［J］. Applied Economics，2010，42（28）：3635-3649.

［36］Obstfeld M.， Rogoff K. The six major puzzles in international macroeconomics： Is there a common cause？［R］. Center for International and Development Economics Research，Working Paper  Series，2000.

［37］Broner F.， Rigobon R. Why are capital flows so much more volatile in emerging than in developed countries？［R］. Rochester， NY：Social Science Research Network.2014.

［38］Dees S.， Mauro F.， Pesaran M. H. et al. Exploring the international linkages of the Euro area： a global VAR analysis［J］. Journal of Applied Econometrics 2007，22（1）：1-38.

［39］Pesaran M. H.， Schuermann T.， Smith V. L. What if the UK or Sweden had joined the Euro in 1999？ An empirical evaluation using a global VAR［J］. International Journal of Finance and Economics，2007，12（1）：55-87.

［40］Chudik A.， Fratzscher M.Identifying the global transmission of the 2007-2009 financial crisis in a GVAR model［J］. European Economic Review，2011，55（3）：325-339.

［41］Galesi A.， Sgherri S.Regional financial spillovers across Europe： a global VAR analysis［R］. IMF Working Papers，2009，09/23.

［42］Ludvigson S. Uncertainty and business cycles： exogenous impulse or endogenous response［C］// 2016 Meeting Papers. Society for Economic Dynamics，2016.

［43］Pesaran M.， Shin Y. Generalized impulse response analysis in linear multivariate models［J］. Economics Letters，1998，58（1）：17-29.

［44］Pesaran M.， Shin Y.， Smith R. Structural analysis of vector error correction models with exogenous I（1） variables［J］. Journal of Econometrics，2000，97（2）：293-343.

［45］Ploberger W.， Kr?mer W. The CUSUM test with OLS residuals［J］. Econometrica，1992，60（2）：271-285.

［46］Nyblom J. Testing for the constancy of parameters over time［J］. Journal of the American Statistical Association，1989，84（405）：223-230.

［47］Quandt R. E. Tests of the hypothesis that a linear regression system obeys two separate regimes［J］. Journal of the American Statistical Association，1960，55（290），324-330.

［48］Hansen B. E. Tests for parameter instability in regressions with 1（1） processes［J］. Journal of Business & Economic Statistics， 1992，10（3）：321-335.

［49］Andrews D. W. K.， Ploberger W. Optimal tests when a nuisance parameter is present only under the alternative［J］. Econometrica，1994，62（6）：1383-1414.

［50］王小鲁，胡李鹏，樊纲.中国分省份市场化指数报告（2021）［M］.北京：社会科学文献出版社，2021.