经济政策不确定性、 通货膨胀与国别异质性

　　摘要：基于分位数格兰杰因果关系检验方法，对 16个样本国家 1997年 1月至 2019年 10月期间，经济政策不确定性与通货膨胀变动之间的因果关系进行了定量分析。研究发现，对于大多数国家，经济政策不确定性是导致通货膨胀发生变化的重要因素，尤其2008年金融危机之后，经济政策不确定性对通货膨胀的影响显著上升。并且该影响随着不确定性的不同分位数而不同，对于大多数国家，经济政策不确定性越高，越能明显地影响通货膨胀变化。

　　本文源自王益君; 魏美云; 周潮; 孔丽娜， 金融理论与实践 发表时间：2021-07-12

　　关键词：分位数回归;格兰杰因果;政策不确定性;通货膨胀

　　一、引言及文献综述

　　国际货币基金组织(IMF)在 2019年 11月的《世界经济展望》中指出：“对全球经济造成压力的最大因素，是投资者对发达经济体政府当局是否会兑现政策承诺而感到不确定。”[1] 众多学者和市场参与者认为，政策不确定性走高是导致近期全球经济不确定性上升的重要原因之一。大量的理论和实证文献支持这些担忧，认为不确定性对经济活动具有衰退效应。迄今为止，相关文献主要关注政策不确定性对实体经济的影响，包括产出、投资、消费和失业等(Baker et al.，2012;Fernández - Villaverde et al.， 2013)[2-3] 。保持物价总水平的基本稳定是宏观经济政策的基本目标之一，目前研究政策不确定性是否影响通胀预期的文献较多(例如 Istrefi 和 Piloiu， 2014;Binder，2017)[4-5] ，研究对通胀影响的文献较少(Balcilar et al.，2014;李文君和张骏，2020)[6-7] ，而且这些研究并未考虑不同程度的政策不确定性对通货膨胀的影响不同，也未考虑国别差异，以及金融危机是否加剧了政策不确定性的影响。本文通过定量分析不同国家的政策不确定性与通货膨胀之间的动态关系，以期对以上问题进行实证研究。

　　Frank(1921)[8] 首先将“不确定性”的概念引入经济学中，Bloom(2009)[9] 关于经济不确定性影响经济活动的开创性研究文献，引起学界和政策层的广泛关注。Baker et al(. 2016)[10] 指出政策不确定性是经济不确定性变化的重要内容，通过构建主要经济体的政策不确定性指数进行实证研究，发现在发达国家和发展中国家，其政策不确定性与 GDP增长率之间 的 关 系 都 明 显 为 负 。 Panousi 和 Papanikolaou (2012)[11] 研究发现，政策不确定性是导致全球发生金融危机的重要因素之一，对企业投资有负面冲击。 Jackson 和 Orr(2019)[12] 基于多阶段多层次分析框架，发现宏观经济不确定性负向影响房地产直接投资和企业盈利。Leblang和Bernhard(2006)[13] 使用选举或立法结果的不确定性作为政策不确定性的测度指标，发现政策不确定性对汇率波动存在放大效应。基于中国报纸的文本分析结果，Huang和Luk(2020)[14] 构建了中国的政策不确定性指数。国内文献重点研究政策不确定性对经济增长、企业投资、汇率波动、市场利率等方面的影响，例如田磊等(2017)[15] 、刘贯春等(2019)[16] 、王博等(2019)[17] 、张成思和刘贯春(2018)[18] 、刘尚希和武靖州(2018)[19] 等的研究。

　　大量国内外文献的研究结论认为，政策不确定性的主要影响有：对经济增长造成负向冲击，导致国内长期利率不断上升，企业投资的盈利降低，汇率波动幅度进一步放大，等等。关于通胀预期的文献主要有，Istrefi和Piloiu(2014)[4] 分析了政策不确定性对通货膨胀预期的影响，发现其对短期和长期通货膨胀率都具有显著影响。Binder(2017)[5] 发现政策不确定性和居民部门的短期通货膨胀不确定性之间具有很强的相关性，高收入和高学历消费者的通货膨胀不确定性最低，政策不确定性更多地反映消费者的预期，而不是专业预测人士或金融市场的预期。国内学者朱军和蔡恬恬(2018)[20] 采用最大份额结构 VAR 模型，发现中国的货币和财政政策的不确定性，短期将导致通货膨胀预期上升，而长期则导致通货膨胀预期降低，同时财政政策不确定性影响的持续性可能更强，而货币政策不确定性的影响可能更大。

　　研究政策不确定性与通货膨胀及通货膨胀预期关系的文献多集中于对某个国家的分析，不仅不具有普适性，也忽略了较高政策不确定性与较低政策不确定性影响的差异性。目前在对政策不确定性进行分位数影响的研究范围内，尚未发现相关文献，因此本文尝试积极探索不同国家宏观经济政策不确定性对通货膨胀影响的定量分析。基于分位数格兰杰因果关系检验方法，本文对巴西、日本、中国、加拿大、希腊、法国、爱尔兰、德国、韩国、墨西哥、意大利、西班牙、瑞典、英国、荷兰和美国共16个国家经济政策不确定性与通货膨胀的因果关系进行定量分析①。本文采用分位数回归方法主要考虑其具有以下 优 点 ：一 是 Buchinsky(1998)[21] 和 Chuang et al. (2009)[22] 指出基于最小二乘法(OLS)模型估计的格兰杰因果关系不显著，主要是由对应上下分位数的正负效应相互抵消造成的，即所谓的“平均效应”。二是分位数回归方法能够更全面反映经济政策不确定性和通货膨胀变化之间的因果关系，并且能揭示出不同分位数之间两者关系是如何变化的。具体到本文的研究样本，较高分位数的经济政策不确定性可以解释经济体较高的通货膨胀率，而低分位数的经济政策不确定性则与较低的通货膨胀水平相关。三是分位数回归方法对传统的最小二乘(OLS)方法进行了自然推广，并在非高斯分布情形下产生了更为可靠的推论。例如在偏态、峰度或存在异常值的情况下，最小二乘(OLS)方法可能不够充分，而分位数回归方法提供了更为可靠和更加有效的估计(Barnes和 Hughes，2002)[23] 。

　　根据 Chuang et al(. 2009)[22] 所定义的分位数格兰杰因果关系，可以运用分位数回归(QR)计量模型来估计分位数因果效应(Koenker 和 Bassett，1978; Koenker，2005)[24-25] 。所有分位数的格兰杰因果关系假设，是根据 Koenker和 Machado(1999)[26] 提出的 sup-Wald检验来进行检验的，可以检验出分位数回归模型中整个参数过程的显著性，因此与分位数中的 偏 离 因 果 关 系 情 形 是 一 致 的 。 Chuang et al. (2009)[22] 扩展了 Koenker 和 Machado(1999)[26] 的检验方法，来评估不同分位数范围内的因果关系，并确定因果关系的相关分位数范围，因此采用这种方法可以详细描述经济政策不确定性变化与通货膨胀之间的因果关系。

　　众所周知，通货膨胀是宏观经济的核心，正如价格是微观经济的核心一样，而造成通货膨胀的原因有很多，例如货币数量论、总供求失衡论、结构性通货膨胀乃至输入性通货膨胀等。根据本文的研究发现，在样本国家并可推广至全球范围来看，经济政策不确定性是导致通货膨胀发生变化的主要成因之一，同时基于分位数方法从计量角度能够纠正基于均值关系常规检验得出的非因果关系结论的误导性。本文的研究进一步丰富了关于通货膨胀原因解释的文献，具有一定的理论价值和政策含义。

　　本文的边际贡献可以从三个不同的方面来解释。一是实证研究了 16 个样本国的政策不确定性与通货膨胀变动之间的动态关系，检验不同分位数水平下经济政策不确定性与通货膨胀变动之间的关系。更为准确地说，本文试图通过研究这两种经济变量之间是如何通过短期动态交互作用来相互影响的，从而对现有文献进行补充。由于本文采用分位数回归方法，实证结果的稳健性要高于基于最小二乘法的条件均值回归，因此能够覆盖所有的条件分位数函数，使得本文的实证估计更为有效。二是本文进行了跨国的横向比较研究，验证了经济政策不确定性对通货膨胀的影响对于样本内的大多数国家都是成立的。三是验证了金融危机的影响，金融危机的发生加剧了经济政策不确定性对通货膨胀等宏观经济变量的影响。

　　二、研究方法

　　(一)政策不确定性与通胀影响之间的传导机制简析

　　参考朱军和蔡恬恬(2018)[20] 等文献的研究，经济政策不确定性影响通货膨胀的传导机制，主要可以从居民部门、金融部门和企业部门来刻画。一是假设经济政策不确定性处于上升状态，将使得居民部门加大“预防性储蓄”，从而减少居民部门的未来消费，降低对全社会产品的需求总量，并最终造成通货膨胀水平下降。二是随着居民部门的“预防性储蓄”效应上升，金融部门会吸收更多的储蓄存款，但是为了防止金融坏账风险发生，则会导致产生“惜贷”行为，并使得全社会的投资总水平下降。三是由于政策处于“不确定性”状态中，企业会减少投资，进而减少产品供给，从而潜在的“供不应求”会使得通货膨胀水平上升。总之，由于政策不确定性的存在，社会公众能够自行调整储蓄、消费和投资三者之间的关系，从而改变贡献值均衡的状态，通货膨胀上升力量和通货膨胀下降力量“此消彼长”。如果通货膨胀处于上升趋势，经济负向消息会相应增多，导致经济信心发生变化，从而引起经济政策不确定性的上升。因此经济政策不确定性对通货膨胀影响的传导机制非常复杂。

　　(二)均值因果检验

　　两个平稳时间序列之间的因果关系检验，传统上是基于 Granger(1969，1981)[27-28] 的因果关系来定义的。从形式上来讲，如果有： Fyt (η|(Y,X)t-1)=Fyt (η|Yt-1)，∀η∈R (1)可以肯定，时间序列 xt不是时间序列 yt的格兰杰原因。这里 Fyt (∙|Yt-1)是 yt的条件分布，(Y,X)t-1是由 xj和 yj在时间 t-1 所产生的信息集。这样如果时间序列 xt的过去信息，没有改变时间序列 yt的条件分布，则 xt不是 yt的格兰杰原因。当方程(1)不成立的时候，时间序列 xt被认为是时间序列 yt的格兰杰原因。由方程(1)定义的格兰杰非因果性，接下来将被称为“分布中的格兰杰非因果性”。

　　由于条件分布的估计和检验在实践上很麻烦，更常见的是检验方程(1)的必要条件： E[yt |(Y,X)t-1]=E(yt |Yt-1) (2)这里 E(yt |Ω)是 Fyt (∙|Ω)的均值。如果方程(2)成立，可以认为 xt不是 yt在均值上的格兰杰原因;如果是其他情形，则认为 xt是 yt在均值上的格兰杰原因。相似地，可以定义在方差上的非因果性(Cheung 和 Ng，1996)[29] ，或者在其他矩上的非因果性。注意这些非因果关系的符号，对于分布中的格兰杰非因果关系是必要的，但不是等价的。

　　通常对 E[yt |(Y,X)t-1]的线性模型进行评估，来检验方程(2)： α0+∑i = 1 p αi yt-i+∑ j = 1 q βj xt-j 其依赖于 yt-1,⋯,yt-p和 xt-1,⋯,xt-q的过去信息。检验方程(2)相当于检验既定模型中βj =0(j=1,⋯,q)的原假设，即滞后的 xt是否对 yt的条件均值具有显著影响①。拒绝这个原假设与均值中的非因果关系是一致的，但与其他矩或其他分布特征中的因果关系却并无关系。

　　(三)分位数因果检验

　　由于均值(或方差)的非因果关系不能延续到其他分布特征或者是分布的不同部分，因此这种最常见的非因果关系检验受到严格限制，这促使本文考虑不同分位数位置非因果关系的性质和检验。假设分布可以完全由其分位数决定，那么分布中的格兰杰因果关系可以采用条件分位数来表示。根据Chuang et al(. 2009)的研究[22] ，用Qyt (τ|(Y,X)t-1)表示Fyt (∙| (Y,X)t-1)的第τ个分位数，则方程(1)等价于： Qyt (τ|(Y,X)t-1)=Qyt (τ|Yt-1)，∀τ∈(0,1) (3)如果方程(3)成立，Chuang et al(. 2009)定义x不是y在所有分位数上的格兰杰原因[22] 。Chuang et al. (2009)定义在分位数范围[a,b]∈(0,1)的格兰杰[22] 为： Qyt (τ|(Y,X)t-1)=Qyt (τ|Yt-1)，∀τ∈[a,b] (4)为了校验方程(3)的因果关系，本文使用对 Qyt (τ|(Y, X)t-1) 的 模 型 ，采 用 Koenker 和 Bassett (1978)[24] 、Koenker(2005)[25] 提出的分位数回归(QR)模型进行估计。

　　Yt-1,p =[Yt-1,⋯,yt-p]′，Xt-1,q =[xt-1,⋯,xt-q]′和 zt-1 =[1, Y′ t - 1, p,X′ t - 1, q]′中，本文设定下面的模型为第 τ个条件分位数函数： Qyt (τ|(Y,X)t-1)=α(τ)+Y′ t - 1α(τ)+X′ t - 1, q (5) β(τ)=Z′ t - 1θ(τ) 这里 α(τ)=[α1(τ),α2(τ),⋯,αp(τ)]′和 β(τ)=[β1(τ),β2(τ), ⋯,βq (τ)]′分别是p和q维参数向量，θ(τ)=[α(τ),α(τ)′,β(τ)′]′。通过最小化条件分位数的权重偏差，得到： θ ̂ (τ)=arg min θ ∑t = 1 T ρ(yt -Z′ t - 1θ(τ)) (6)这里 ρτ(∙)称为检验函数(Koenker，2005)[25] 。对于任意分位数τ∈(0,1)，检验函数定义为： ρτ(εtτ)= ì í î τεtτ , if εtτ ≥ 0 ( τ - 1 ) εtτ , if εtτ < 0 (7)这里 εtτ=yt-Z′ t - 1θ(τ)是第 τ 个条件分位数的误差。

　　对于给定的条件分位数τ，为检验原假设H0∶β(τ)= 0，Chuang et al(. 2009)[22] 给出Wald统计量。 WT(τ)=Tβ(τ)′(RΩ̂ -1 ZZR′)β(τ)/[τ(1-τ)] (8)这里R是q×k的选择矩阵，有Rθ(τ)=β(τ)，Ω̂(τ)是 Ω(τ) =D(τ) -1 MzzD(τ) -1 的 一 致 估 计 ，Mzz∶=limT → ∞ ∑t = 1 T Zt - 1 Z′ t - 1，D(τ)∶=limT → ∞ T-1 ∑t = 1 T ft - 1 (F-1 t - 1(τ))Zt-1Z′ t - 1，Ft-1 和 ft-1是 yt以 Zt-1为条件的分布函数和密度函数，信息集是由 Zt-1,Zt-2,⋯ 产生的(Koenker 2005;Koenker 和Xiao，2006)[25,30] 。

　　在合适条件和原假设H0下，Wald统计量的上确界具有渐近极限分布： sup τ ∈ ϑ W(τ)¾¾¾d ®sup τ ∈ ϑ  Bq ( τ ) τ (1 - τ ) 2 (9)这里 Bq(τ)是 q 独立的布朗桥，在分布上等于[τ (1-τ)] 1/2 N(0,Iq)。实践中可以用Wald统计量的上确界，来检验原假设H0∶β(τ)=0，∀τ∈[a,b]。 sup-WT = sup i = 1, 2,⋯, n WT(τi ) (10)这里τi ∈[a,b]，有a=τ1<⋯<τn=b。简言之，分位数回归(QR)提供了对两个时间序列xt和yt之间动态连接关系的进一步洞察。

　　三、实证分析

　　(一)数据来源

　　本文采用 Baker et al(. 2016)[10] 构建的经济政策不确定性(EPU)指数，测度政策决策者所采取行动的不确定性。EPU 是一个以报纸为基础的月度指数，通过统计包含至少一个与政策相关术语的新闻文章数量，在主流媒体上收集数据。第一个集合是关于不确定的，第二个集合是经济，第三个集合是包括与政策相关的术语，如“监管”“央行”“货币政策” “政策制定者”“赤字”“立法”和“财政政策”。数据按每月报纸的新闻文章总数进行统计，然后进行归一化处理。所有EPU数据均从政策不确定性网站http:// www.policyuncertainty.com下载。一般采用同比月度消费价格指数 CPI 来体现通货膨胀变化，但是由于上年基期和翘尾因素会显著影响同比 CPI 的数据，借鉴文献中的处理方法，本文采用环比 CPI(百分比)指数来作为通货膨胀率的测度指标[31] 。

　　目前EPU网站共发布22个国家的月度数据，其中新加坡月度 EPU 是从 2003年 1月开始的，由于样本期过短本文没有采用。澳大利亚、智利、哥伦比亚、印度和俄罗斯的月度环比 CPI 数据样本期过短同样没有采用。最终选择巴西、加拿大、中国、法国、德国、希腊、爱尔兰、意大利、日本、韩国、墨西哥、荷兰、西班牙、瑞典、英国和美国共16个国家为研究对象，研究的样本期间是从1997年1月到2019年10月的274个月份。考虑到研究样本期间经历了全球金融危机，以雷曼兄弟公司倒闭为标志性事件，选择以 2008 年 9 月为中断点，把样本期划分为两个子样本期：危机前和危机后。1997 年 1 月到 2008 年 8 月为危机前子样本期，共计 140 个月份;2008 年 9 月到 2019 年 10 月为危机后子样本期，共计 134 个月份。对所有建模变量均取自然对数，根据16个国家EPU 和 CPI 月度数据的描述性统计结果，Jarque-Bera 统计量表明，经济政策不确定性和通货膨胀变化都不是正态分布的，并且表现出一定的波动聚集性。

　　(二)分位数回归格兰杰因果

　　本文首先考虑政策不确定性(EPU)和通货膨胀(CPI)变化的双边格兰杰因果性模型，使用分位数回归(QR)来估计模型： Et =α0(τ)+∑i = 1 p αi ( τ )Et-i+∑i = 1 q βj ( τ )Pt-j+εE,t (11a) Pt =ϕ0(τ)+∑i = 1 p ϕi ( τ )Et-i+∑i = 1 q θj ( τ )Pt-j+εP,t (11b)这里Et和Pt分别代表政策不确定性和通货膨胀变化。本文运用 sup -Wald 统计量来检验在方程(11a)和方程(11b)中[0.05, 0.95]分位数范围的格兰杰因果性。如果对 τ 在[0.05, 0.95]分位数范围的原假设 H0∶β1(τ)=⋯=βq(τ)=0 没有被拒绝，则 Pt不是 Et 的格兰杰原因。相似的，如果原假设H0∶ϕ1(τ)=⋯= ϕq(τ)=0对 τ在[0.05,0.95]分位数范围没有被拒绝，则 Et不是Pt的格兰杰原因。

　　为了比较，本文也运用最小二乘法来估计方程(11a)和方程(11b)的因果性模型，通过计算 F 统计量来决定 Et和 Pt均值之间的格兰杰因果性①。对子样本，同样运用分位数回归 QRs(τ=0.05, 0.05,⋯, 0.95)。经济政策不确定性和通货膨胀变化之间的格兰杰因果性检验结果在表1中给出。

　　从表1的实际检验结果来看，在全样本时期内， sup-WT统计量除了巴西、希腊、韩国和瑞典(在10% 的显著性水平上拒绝原假设)之外，其他 12 个国家在 1% 的显著性水平上拒绝经济政策不确定性不是通货膨胀格兰杰原因的原假设。从反向因果关系来看，只有法国、爱尔兰和瑞典在 1% 的显著性水平上，巴西、墨西哥和美国在 5% 的显著性水平上，拒绝通货膨胀不是 EPU变化的格兰杰原因的原假设。因此可以看出对于大多数国家而言，经济政策不确定性是通货膨胀变化不可忽视的因素之一。

　　其次，根据分位数回归法的实际检验结果，在 2008年全球金融危机发生之前，只有爱尔兰、日本、韩国、墨西哥和荷兰 5 个国家在 1% 的显著性水平上，加拿大、德国和西班牙 3 个国家在 5% 的显著性水平上，经济政策不确定性是通货膨胀变化的格兰杰原因。从反向因果关系来看，只有墨西哥、瑞典和美国3个国家在5%的显著性水平上，通货膨胀会导致经济政策不确定性发生变化。而在全球金融危机发生之后，中国、法国、德国、爱尔兰、墨西哥、荷兰、英国和美国 8 个国家在 1% 的显著性水平上，巴西、加拿大、希腊、意大利和西班牙在 5% 的显著性水平上，瑞典在 10% 的显著性水平上，经济政策不确定性是通货膨胀变化的格兰杰原因。因此总体来看，在2008年全球金融危机爆发之后，政策不确定性是通货膨胀格兰杰原因的国家个数明显上升。从反向因果关系来看，只有加拿大、爱尔兰和瑞典3个国家在 1% 的显著性水平上，希腊、意大利、墨西哥、荷兰、英国和美国 6 个国家在 5% 的显著性水平上，通货膨胀成为导致 EPU 发生变化的格兰杰原因。同样在金融危机之后，通货膨胀导致 EPU发生变化的国家个数在上升，显著性程度也在提高。两个方向存在因果关系的国家个数均在金融危机后显著上升，说明后金融危机时期，经济政策不确定性对宏观经济影响的重要性显著增强。

　　再次，以上实证检验说明分位数回归(QR)方法的科学性，明显大于最小二乘(OLS)方法。从表1所提供的基于普通最小二乘(OLS)方法的格兰杰因果检验估计结果对比来看，基于分位数回归(QR)方法的格兰杰因果关系检验，要比基于普通最小二乘(OLS)方法的格兰杰因果关系揭示更多的信息。而均值水平不存在因果关系的一种可能解释是，在最小二乘 OLS 估计中，正分位数因果效应和负分位数因果效应相互抵消。

　　考虑表1中经济政策不确定性显著主导通胀变化的研究结论，同时基于幅面考虑，本文只绘制经济政策不确定性(Et )不是通货膨胀(Pt )变化的格兰杰原因原假设的系数 β̂ 1(τ)估计结果。在图 1—图 4 中针对不同分位数τ(=0.05,0.10,⋯,0.90,0.95)，绘制β̂ 1(τ) 的分位数回归 QR方法估计(实线加空心圆圈)以及相应 95% 置信区间(虚线加空心圆圈)，最小二乘 OLS方法估计(实线)及其95%置信区间(虚线)。

　　根据图 1—图 4 所示，β̂ 1(τ)的分位数回归(QR)估计随着分位数的不同位置而发生变化，在不同的样本时期，不同的国家存在一定的差异性。从图中左侧的全样本时期图形，中国的情况非常特殊，β̂ 1(τ) 系数在OLS回归估计中为0.06，而在QR回归中则从最低 0.05 分位数位置的 0.4(正相关)一直随着分位数升高而不断下降到最高 0.95 分位数位置的-0.2 (负相关)。西班牙的情况完全与中国相反，QR回归估计的 β̂ 1(τ)系数随着分位数位置的上升而上升(正相关)。而巴西政策不确定性与通货膨胀的关系则呈现正 U 形。除此之外，大多数国家随着分位数位置的上升，QR 回归估计的 β̂ 1(τ)系数有升有降，但是总体上保持在一定的正值水平，表明经济政策不确定性是导致通货膨胀变化的主要原因。如果只看 OLS 回归估计的均值结果，个别国家出现 β̂ 1(τ)系数为负值的情况，例如法国、德国、瑞典、西班牙和美国，究其原因主要是这些发达经济体长期保持低通货膨胀水平，如果不参照 QR 估计结果甚至会得到相反的结论。

　　对比图 1—图 4 的中间危机前图形与右侧危机后图形来看，大多数国家 QR估计显示，其 β̂ 1(τ)系数在金融危机发生之后均出现一定程度的明显上升，并且分位数位置越高，β̂ 1(τ)系数的值越大，表明在金融危机发生之后，经济政策不确定性对各国通货膨胀变化的主导地位明显上升，并且经济政策不确定性上升到越高的位置，对通货膨胀变化的影响越明显。政策不确定性与通货膨胀关系在各国之间存在的这些差异性，可能是由于各国经济发展水平存在较大差异，经济政策调控手段和力度运用也存在很大差异。

　　(三)分位数因果效应的非对称检验

　　根据 Buchinsky(1998)[21] 的研究，本文检验在第 τ个和第(1-τ)个分位数位置，这一对的因果效应是否关于中位数是对称的，即β1(τ)+β1(1-τ)=2β1(0.5)和 φ1(τ)+φ1(1-τ)=2φ1(0.5)。对称分位数的因果效应有助于解释，为什么采用最小二乘(OLS)估计等传统计量经济学方法，检验 EPU与通货膨胀之间的因果效应，可能会现出微不足道的估计结果，因为其正向和负向影响会被“平均”，即在相应的上分位点和下分位点，往往会彼此抵消。这相当于检验以下的两个假设： H0∶â1,T(τ)=β̂ 1,T(τ)+β̂ 1,T(1-τ)-2β̂ 1,T(0.5)=0 (12a) H0∶b ̂ 1,T(τ)=ϕ̂ 1,T(τ)+ϕ̂ 1,T(1-τ)-2ϕ̂ 1,T(0.5)=0 (12b)本文运用基于正态均方的 χ2 (1)检验方法，对不同的分位数位置(0.05,0.95)(, 0.15,0.85)(, 0.25,0.75), (0.35,0.65)和(0.45,0.55)进行上述假设检验。这里 δ ̂ T(τ)的标准误差SE是运用矩阵拔靴法来计算的，所有国家的检验结果在表2中给出。

　　在表 2 中，对所有的国家(除了韩国危机后时期之外)，至少存在有一个τ对分位数因果效应对称对称的两种假设的 p 值，即公式(12a)中面板 1 的 H0∶â 1T (τ)=0，公式(12b)中面板 2 的 H0∶b ̂ 1T(τ)=0;(2)在 1%、5% 和10%的显著性水平，分别用***、**和*来表示的原假设，在 5% 的显著性水平上不能被拒绝。因此表 2 提供了明显的证据，证明为什么最小二乘(OLS)方法估计总是产生不显著的因果效应，即为 “平均效应”提供了一个合理的解释。同时对比危机前后的16个国家样本，同样发现存在不对称情况的国家个数，在危机后明显上升。

　　(四)异质性分析和传导机制检验

　　1.国别异质性分析

　　为比较不同国家间的差异性，本文在前文实证的基础之上，进一步采用普通最小二乘(OLS)方法进行简单回归，从而得到表中的基准回归结果。

　　从表 3 的 OLS 基准回归结果来看国别异质性，以下几点值得注意。第一，只有加拿大的 EPU对通货膨胀冲击在全样本期间为负数，其他国家的全样本期间均为正数，表明政策不确定性越高，越容易引发样本国家的通货膨胀水平上升。加拿大全样本回归系数的显著性不高，其危机前和危机后两个子样本的回归系数均为正数，并且在金融危机之后，该系数显著上升为 0.2146。第二，从危机前与危机后两个子样本的回归系数值来看，各国统一存在金融危机之后的子样本回归系数变大的现象。根据表3数据绘制危机前和危机后的回归系数箱体图，从图 5 结果来看，危机前的回归系数的平均值为0.1555，而危机后的回归系数平均值则为 0.3168。由此判断，在全球金融危机之后，各个国家政策不确定性程度上升，与危机之前相比较而言，更加容易引起该国的通货膨胀水平上升。第三，不同样本国家的异质性非常明显。从全样本期间的回归系数来看，西班牙、希腊、瑞典和荷兰的回归系数均大于 0.2，西班牙的系数甚至接近 0.3。可能是因为这些国家经济总量偏小，经济政策不确定性对通货膨胀的影响非常明显。美国、日本和英国等发达国家，其回归系数在 0.1和 0.2之间，特别是美国的回归系数为 0.1865，比较接近 0.2，可能是由于其政策前后调整幅度较大，所以政策不确定性波动较大，相应对通货膨胀上升带来较大的冲击压力。中国和德国等国的回归系数在 0.05 和 0.1 之间，可能是因为其经济体量大，政策执行相对稳健，所以政策不确定性波动较小，相应对通货膨胀上升的冲击压力较小。

　　2.经济政策不确定性对通货膨胀影响的传导机制检验

　　鉴于前文已经验证经济政策不确定性与通货膨胀互为格兰杰因果关系，所以可以构建面板向量自回归(PVAR)模型进行传导机制的检验。面板向量自回归模型兼顾了时间序列模型与面板数据模型的优点，由于面板数据包含大量个体，具有更多的观察值，因此其推断结果更具有可靠性和说服力。由前文论述可知，经济政策不确定性与通货膨胀互相影响的传导机制复杂，其中可能的传导机制是同时通过供给端和需求端对消费和投资产生影响。同时对消费和投资有重要影响的经济变量之一，就是金融市场利息率的波动，那么如果这个传导途径成立，就可以银行同业(隔夜)拆借市场利率为渠道建立指标，构建经济政策不确定性(EPU)、居民消费价格指数(CPI)、利息率(i)三变量的面板 PVAR 模型，来验证上述传导机制是否对大多数国家成立。

　　如表4可知，三个变量(EPU、CPI、i)的单位根检验 p值均为 0.000，使用赤池信息准则(AIC)、贝叶斯信息准则(BIC)和汉南—昆信息准则(HQIC)，判断模型最优滞后期数应该为 12 期。且模型的单位根都落在单位圆内，满足整体稳定性条件。

　　由表 5 格兰杰因果检验的结果可知，三个方程整体上都无法拒绝所有变量对其无影响的原假设，模型设定合理。另外，就单个变量来看，检验拒绝了 EPU 不是 i 变动的格兰杰原因，也拒绝了 i 不是 CPI 变动的格兰杰原因。即经济政策不确定性导致了金融市场利息率的上下波动，而利息率的波动又会对消费和投资产生影响，进而影响到社会的通货膨胀水平。通过面板向量自回归模型，检验了经济政策不确定性对通货膨胀影响的机制和渠道之一是影响了居民的储蓄和投资决策。

　　通过基于面板数据均值的格兰杰因果检验，也再次验证了本文前面所描述的均值回归问题，即在均值回归下拒绝了 CPI 变动不是 EPU 变动的原因，通货膨胀对经济政策不确定性无影响。但实际分位数回归结果表明，不同的分位数水平下，CPI也会影响EPU，也是EPU变动的原因。

　　四、稳健性分析

　　(一)均方滞后依赖变量的因果检验

　　为了检验分位数因果效应是否稳健，本文取滞后因变量的平方，作为两个变量波动的代理变量，来对方程(11)进行扩展，并且将滞后的S2 t - i (i=1,⋯,p)和 E2 t - j (j=1,⋯,q)作为额外的回归项： St =α0(τ)+∑i = 1 p αi (τ)St-i+∑i = 1 q βj (τ)Et-j+∑i = 1 p γj (τ)S2 t - i +εS,t (13a) Et =ϕ0(τ)+∑i = 1 p ϕi (τ)St-i+∑i = 1 q θj (τ)Et-j+∑i = 1 q ξj (τ)E2 t - j +εE,t (13b)

　　这样就可以检验，当在 S2 t -(i E2 t - )i 存在的时候， E(t St )是否依然是S(t Et )的格兰杰原因。模型(13)具有均值 ARCH 模型的特点，也可以捕捉滞后因变量中的一些非线性。根据 Schwarz Bayesian(SB)准则，来自动选择所有国家的最优滞后阶数(p 和 q)。三个样本期的检验结果见表6。

　　表 6 中用下划线表示的统计量表明，与表 1 相比，格兰杰因果关系发生了变化，大多情况为显著性水平有所提高。根据对原假设的检验结果，除了个别时期个别国家新增个别因果关系之外，与表 1 中的结论基本相符，格兰杰因果关系基本保持不变，即 EPU 显著导致通货膨胀变化，在个别时期和个别国家，通货膨胀也会导致 EPU 发生变化。表 6 的结果表明，在模型中加入滞后因变量的平方和，可以弱化分位数因果效应，但是并不会影响因果关系本身。

　　(二)增加世界利率代理变量影响的因果检验

　　为了稳健性，本文参考刘莉亚等(2013)[32] 的研究，选择美国利率作为世界利率的代理变量，在方程(14)中将美国利率作为格兰杰因果检验的额外回归项。辅助模型表示为： St =α0(τ)+∑i = 1 p αi (τ)St-i+∑i = 1 q βj (τ)Et-j+∑i = 1 l φi (τ)rUS,t-k+εS,t (14a) Et =ϕ0(τ)+∑i = 1 p ϕi (τ)St-i+∑i = 1 q θj (τ)Et-j+∑i = 1 l φi (τ)rUS,t-k+εE,t (14b)

　　结果如表7所示。这说明加入美国利率作为世界利率水平的代理变量之后，与表1相比，根据对原假设的检验结果，除了极少数国家的个别时期新增因果关系之外，与表1中的结论基本是相符的，基本的格兰杰因果关系仍然不变。因此关于美国利率的影响，前文中的格兰杰因果关系检验结论，依然是稳健的。

　　五、结论

　　本文基于分位数回归(QR)方法，对 16 个国家经济政策不确定性与通货膨胀的因果关系进行定量分析，并在不同的分位数范围内检验格兰杰非因果关系，得出结论有以下几点。

　　一是对于大多数国家，经济政策不确定性是导致通货膨胀发生变化的重要成因，并且这种因果关系在2008年全球金融危机发生之后显著上升，经济政策不确定性越处于高位，越会显著影响通货膨胀变化。同时少数国家的通货膨胀对经济政策不确定性的变化也具有反向影响，这种影响程度在全球金融危机之后也有所上升。这说明 2008 年金融危机后，经济形势越发多变，宏观经济变量间互相影响的机制也就越发复杂。

　　二是与传统最小二乘(OLS)方法分析相比，运用分位数回归方法发现，经济政策不确定性和通货膨胀之间具有更多的分位数因果关系，两者之间的因果关系要比最小二乘OLS方法所描述的均值因果关系要复杂得多。比如发现有些国家均值回归不存在影响的因果关系，但是在高分位数(高政策不确定性)时却存在显著的因果关系。也就是说在不同分位数上的因果效应可能是异质的，在尾部分位数上的因果效应，可能与在中间分位数和均值上的因果效应有很大的不同。因为在相应的上分位点和下分位点，正向和负向因果关系影响往往会彼此抵消，导致基于均值关系常规检验得出的非因果关系结论可能具有误导性。

　　三是不同国家经济政策不确定性对通货膨胀影响的大小不同，这与每个国家的政治经济稳定程度、经济体量大小、受到经济冲击时的反应速度有关。但总体来看，经济体量越小的国家，在越高分位经济政策不确定性的冲击下，越有可能发生更高的通货膨胀。

　　根据上述得出的研究结论，可以提出以下几点政策建议。

　　第一，保持经济政策环境的稳健是稳定通货膨胀水平的重要保障。在政策制定过程中应充分考虑经济政策的前瞻性、时效性，避免经济政策的频繁变动，降低经济政策不确定性，从而降低政策不确定的影响。尤其是在发生大的经济冲击以及公共突发事件冲击时，政策的频繁变动，会加剧宏观经济波动。

　　第二，每个国家应根据自身的情况，对经济政策不确定性的影响进行评估，对于经济体量较大、政治经济较为稳定的国家，可以在发生经济危机及突发事件冲击时，采取较为灵活多变的货币政策和财政政策，以降低经济危机的影响。

　　第三，对于经济政策不确定性较高就会导致通货膨胀水平上升较大的国家，政府及中央银行应充分发挥政策稳定的作用，加强与市场主体的信息沟通和前瞻性指引，以确保公众通货膨胀预期的稳定，从而缓释经济政策不确定性对通货膨胀的影响程度。

　　第四，加强国际间经济政策的协作性，是保证各国经济平稳发展的必然选择。各国应加强对经济政策不确定性的监测与预测，建立宏观经济政策的协调机制，共同推动全球经济平稳发展。