南方经济２０１２年第８期

中国经济金融加速器效应的ＤＳＧＥ模型分析

刘兰凤袁申国＋

摘要：文章建立一个三部门经济ＤｓＧＥ模型，使用中国数据对模型中的参数校准后进行数值模拟。通过分析模拟数据的脉冲响应图、波动性和自相关性发现，含金融加速器模型模拟的数据对实际数据的解释能力更强，引入金融加速器机制有助于放大和传播所有对投资和产出暂时冲击的效应。该结论从微观层面验证了中国经济金融加速器效应的存在性，并验证了中国信贷市场摩擦导致金融加速器机制提高了标准宏观经济模型解释正常周期波动的能力。

关键词：金融加速器效应数值模拟ＤＳＧＥ模型

ＪＥＬ分类号：Ｆ０１５，Ｆ０１９．３中图分类号：Ｆ０６１．５

文献标识码：Ａ文章编号：１０００—６２４９（２０１２）０８—０１０２—０１３

一、引言

金融加速器理论解释了信贷市场摩擦在“小冲击，大波动”中的作用。该理论认为企业对投资项目融资时外部融资成本高于内部融资成本，即企业融资存在着外部融资酬金（ＥＸｔｅｍａｌＦｉｎａｎｃｉａｌＰｒｅ“ｕｍ）。同时该理论还认为外部融资酬金大小与企业资产负债表密切相关。当企业资产净值上升时外部融资酬金下降，企业可以从金融机构获得更多贷款用于新投资，引起企业投资增加，投资增加会进一步引起资产价格上升，资产价格上升又促使企业净值增加。这种相互加强机制不断循环下去，最终导致投资和产出出现较大波动而形成新的繁荣。相反当企业资产净值下降时外部融资酬金上升，致使企业从金融机构获取贷款减少甚至无法获得贷款，引起企业投资缩减和资产价格下降，资产价格下降又进一步促使企业净值下降。同样这种相互加强机制也会不断循环，最终导致投资和产出下降幅度增大形成一个新的商业周期。

金融加速器理论提出后，许多学者从不同角度对不同国家不同时期的金融加速器效应进行了具体研究。比如Ｉｃｈｉｍ（２００２）使用带有金融加速器的ＤｓＧＥ模型研究了日本经济，得出结论：日本企业投资的巨大波动可以通过这种机制得到解释。ＭｅｉｅｒａｎｄＭｕｌｌｅｒ（２００６）在ＢＧＧ（Ｂｅｍａｎｋｅ，ＧｅｒｌｔｅｒａｎｄＧｉｌｃｈｒｉｓｔ，１９９９）模型基础上建立ＤｓＧＥ模型研究了金融加速器在货币政策传导机制中的作用。Ｎ甜（２００４）使用贝叶斯技术估计了带有金融摩擦的ＤｓＧＥ模型，发现同时具有资本调整成本和金融摩擦两种特性的模型对数据的解释比只具有其中一种特性的模型更好。ｃｍｓｔｅｎｓｅｎａｎｄＤｉｂ（２００８）利用美国１９７９年第３季度到２００４年第３季度数据，使用ＭＬＥ方法估计了带有金融加速器机制和不带金融加速器机制的新凯恩斯模型的参数后再模拟。模拟结果发现金融加速器机制的存在显著地放大和传播了需求方冲击对投资和资本价格的影响，包括货币政策冲击、货币需求冲击和偏好冲击。但是技术和投资效率冲击后，金融加速器机制抑制了投资的增长。金融加速器在投资波动中的作用由冲击的特性所决定。加速器对产出和通货

＋刘兰凤，广东外语外贸大学南国商学院经济系、国际经济与管理研究所，ＥⅡｍｉｌ：ｌｉｕｌａｎｆｅｎ９１９７５＠１２６．ｃｏｍ，通讯地址：广东省广州市白云大道北２号广东外语外贸大学１０５—３０ｌ，邮政编码：５１０４２０；袁申国，广东外语外贸大学管理学院、国际经贸研究中心，Ｅｍａｉｌ：ｙｓｈｇｕｏ＠ｇｄｕｆｓ．ｅｄｕ．ｃｎ。本文为教育部人文社科规划基金项目（项目号：１１ＹＪＡ７９０２００）阶段性研究成果。作者感谢两位匿名审稿人的建议与评论。当然，文责自负。～１０２一

南方经济２０１２年第８期

膨胀的初始影响相对较小。国内也有不少学者对中国金融加速器效应进行了研究。比如崔光灿（２００６）在ＢＧＧ模型基础上运用包含金融加速器的两部门动态宏观经济学模型考察了资产价格波动对经济稳定影响的金融加速器效应。赵振全等（２００７）从金融加速器理论出发，运用门限向量自回归（ＴＶＡＲ）模型在宏观层面上对中国信贷市场与宏观经济波动的非线性关联展开实证研究。通过非线性脉冲响应函数的检验结果发现１９９０年１月至２００６年５月期间中国存在显著的金融加速器效应。并指出：“运用金融加速器理论有助于合理解释中国宏观经济波动的轨迹特征。”吴建环和席莹（２００７）以中国高科技上市公司为样本实证分析了货币政策对不同规模高科技企业的金融加速器效应，发现货币政策对高科技小企业投资和净值的影响比对高科技大企业的影响更为显著，从实证角度验证了金融加速器效应的不对称现象。袁申国（２００９）利用１９９９—２００８年月度数据，使用ＶＡＲ和脉冲响应函数分析了巾国房地产信贷市场货币政策资产负债表传导过程中金融加速器效应的区域差异性，发现中国房地产市场存在显著不同的金融加速器效应。另外，于同奎和李红刚（２０１０）构建了一个信贷市场不完美情况下的宏观经济模型研究产业转型升级和经济增长，其研究结论也体现出金融加速器效应特征。上述文献虽然从不同角度使用不同方法研究了不同国家金融加速器效应，但存在一些问题：（１）对中国金融加速器效应研究还缺乏使用微观理论模型进行深入分析。虽然崔光灿（２００６）建立了一个动态宏观经济学模型，但该文只是从房地产部门验证房地产价格波动的金融加速器效应，缺乏一般性的理论研究。赵振全等（２００７）则只是从宏观层面证实中国信贷市场存在着金融加速器效应。而宏观经济现象可能是微观个体经济行为的集中表现，所以建立一个包含经济体中各微观个体行为的ＤｓＧＥ模型来研究中国经济中的金融加速器效应微观机制就具有一定的现实性和必要性。吴建环和席莹（２００７）和袁申国（２００９）都是使用计量模型从实证角度分析企业和行业中的金融加速器效应。（２）数据校准方面。崔光灿（２００６）模型中的一些参数仍引用原ＢＧＧ模型中的数据，这在一定程度上会影响到对中国经济现实的准确描述。（３）虽然国外有些文献使用ＤｓＧＥ理论模型研究了不同国家的金融加速器效应，但发现不同国家的金融加速器效应大小和金融加速器机制对变量的影响程度却不大相同。我们认为出现这些差异的原因可能是各个国家的经济发展阶段、市场化程度、法律法制、宏观经济政策等因素存在较大差异，最终造成不同经济体金融加速器产生的微观机理就会存在较大差异。从这方面看，也有必要建立ＤｓＧＥ模型研究中国经济中的金融加速器效应。

本文针对这种情况主要从微观角度分析中国信贷市场存在摩擦时传播和放大未预料到的冲击对宏观经济变量影响的重要性。研究目的有两个：一是通过分析ＤｓＧＥ模型验证中国经济金融加速器效应的存在性，二是分析引入金融加速器机制后的ＤｓＧＥ模型对中国经济波动的解释能力，以便检验随机动态一般均衡模型加入信贷市场摩擦后金融要素在多大程度上影响了中国经济波动。以前大量研究文献都只通过估计带有相应解释变量的单个投资函数来分析金融要素对经济波动的影响。本文则利用中国数据，使用存在信贷市场摩擦的ＤｓＧＥ模型对该问题进行深入研究。据此本文在ＢＧＧ模型基础上，建立了一个包含金融加速器机制、资本调整成本、价格粘性的ＤｓＧＥ模型。模型中的大部分参数由中国１９９４—２００８年的宏观经济数据校准得到。为了评价金融加速器效应的重要性，文章对含和不含金融加速器模型模拟结果从宏观经济变量的脉冲响应、波动性和自相关性三个方面进行了详细分析。本文接下来的结构为：第二部分对ＤｓＧＥ模型构建详细阐述，第三部分对模型参数进行校准，第四部分从三个方面对模拟结果进行分析，第五部分对全文研究进行总结。

二、理论模型

为了从微观角度分析中国经济中的金融加速器效应，本文建立了一个包含金融加速器机制的三部门（家庭、企业和政府部门）经济模型，从微观层面验证中国是否存在显著的金融加速器效应，同时验证加入金融加速器机制后的ＤｓＧＥ模型是否能够提高标准宏观经济模型解释正常周期波动的能力，从而为分析中国经济周期波动成因提供一个新的研究视角。模型包括家庭，生产者、政府部门、货币当局等经济实一１０３一

中国经济金融加速器效应的ＤＳＧＥ模型分析

体。模型假定经济中存在三种类型的刚性：价格刚性、资本调整成本和金融市场摩擦。模型中有三种类型的生产者：企业、资本品生产者和零售商。

（一）家庭

根据Ｒ锄ｓｅｙ—ｃａｓｓ—ＫｏｏｐｍａＩｌｓ经济增长模型，假设家庭无限期生存下去，家庭是风险规避者。家庭在每期都进行工作获得收入，然后用于消费和储蓄。代表性家庭的效用函数包括消费和休闲。假设Ｅ为家庭在ｔ时期提供的劳动时间，则ｌ—只为家庭在ｔ时期的休闲时间，ｃ。为家庭ｔ时期的消费水平，卢∈（０，１）为折现因子，与为相对风险规避系数，并且有与＞ｏ，孝为休闲在效用函数中的权重，并且有孝＞Ｏ。则可设定家庭瞬时效用函数为：

ｕ（ｃ。，Ｅ）＝（ｃ：一‘一１）／（１一与）＋ｆｌｏｇ（１一只）（１）设肜为实际工资，ｔ为一次性名义总税收，ｒ。为家庭从零售商获得的分红，Ｄ。为存于金融中介的名义定期存款，Ｒ。＝１＋‘为总名义利率。则家庭效用最大化问题的预算约束条件为：．

Ｐ。Ｃ。＋Ｄ。１＝尸。肜Ｅ—Ｌ＋ｒ。＋Ｒ。Ｄ。（２）家庭在式（２）的预算约束下最大化式（３）：

ｍａｘ‰∑卢‘［（ｃ，一１）／（１一与）＋孝ｌｏｇ（１一Ｅ）】（３）利用拉格朗日函数法可以求得家庭效用最大化的一阶条件为式（４）、（５）、（６），其中仉＋。＝Ｐ州／尸。，Ａ，为拉格朗日乘子。

Ａ。＝ＣＩ＿’（４）Ａ。形＝∥（１一目）（５）Ａ。＝卢Ｅ。（Ａ。＋ｌ尺。＋ｌ／７ｒ。＋１）（６）

（二）生产者

生产者分成三种类型：企业、资本生产者和零售商。企业生产产品，然后将产品批发销售给零售商。企业从家庭借款，为购买用于生产过程的资本融资。由于资本市场存在摩擦，企业对资本的需求依赖于他们各自的财务状况。企业财务状况是金融加速器理论的关键变量。资本生产者不断生产新的资本品，以满足企业对资本品的需求。零售商处在垄断竞争市场中，他们将从企业批发的商品包装到一起形成最终产品，并交错地设立零售商品的名义价格。在我们的模型中，零售部门只起到提供名义价格粘性的作用。

１．企业

首先假设企业具有有限的期望存活期，每个企业以概率ｒ存活到下一期，则企业期望的存活期为１／（１一ｒ），企业是风险中性的。企业将购买的资本与雇佣的劳动组合用于生产，假设企业的生产函数为：

一＝霹（Ａ，Ｅ）卜“（７）其中ａ∈（０．１），Ｌ、Ｋ、只分别为产出、资本和劳动投入，Ａ。为技术。企业对资本的需求取决于资本的预期收益和预期的边际融资成本。在给定式（７）生产函数后，持有１单位资本从ｔ到ｔ＋１期的预期总收益Ｅ。ＦⅢ为：，

Ｅ；Ｆ。ｌ＝Ｅ。［（ａＬ＋１）／（ｘ。ｌＱ。Ｋ＋１）＋（（１—６）Ｑ。＋１）／Ｑ。】（８）其中Ｑ。为资本价格，置＋。为零售商的加价幅度，６是资本折旧率。商品的价格标准化为１，零售商的加价幅度为ｘ川，所以企业出售产品的相对价格为１肠。＋。。式（８）右边第一项为产出收益，是资本的边际产品。第二项为资本收益，其大小取决于资本价格和折旧率。每期期末企业购买资本Ｑ。ＫⅢ用于下期生产，购买资本的资金一部分来自企业净资产Ⅳｔ＋。，另一部分来自金融中介借贷，借贷资金为Ｑ。Ｋ＋。一Ｍ＋。。ＢｅｍａＩｌｌ【ｅ已ｆ甜（１９９９）指出由于存在代理成本问题使得企业外部融资成本高于内部融资成本，并指出外部一１０４—

南方经济２０１２年第８期

融资酬金５。（ ）可以表示成ｓ。（ ）＝ｓ。（Ｍ＋。／Ｑ。Ｋ＋，）。假定．ｓ（ ）不依赖于任何特定企业的杠杆率只依赖于总杠杆率，在该假定下企业融资的边际成本可设定为外部融资酬金与无资本市场摩擦时融资成本的乘积。于是企业对资本的需求满足式（９）：

Ｅ。Ｆ。＋１＝Ｅ。［Ｒ。ｌＪｓ。（以＋１／Ｑ。Ｋ。１）】（９）其中Ｍ＋。≤Ｑ。Ｋ＋。，．ｓ（１）＝１，Ｓ。（．）＜ｏ，Ⅳｆ＋。是企业净资产，外部融资总酬金ｓ（ ）由借款企业的净资产所决定，Ｒ。是无资本市场摩擦时的融资成本。式（９）提供了一个基本的金融加速器。该方程通过函数５。（．）将借方的资产负债表与融资边际成本联系起来。同时模型也通过该方程将资产价格变动与抵押贷款联系起来，因为资本价格Ｑ。的变动将影响到杠杆率Ｂ川／Ｍ＋，＝日川／（Ｑ。Ｋ＋。一Ｂ川），从而影响到企业的贷款能力。这里Ｂ川为企业债务总值，等于Ｑ。Ｋ＋。一Ｍ＋。。金融加速器中还有一个很重要的变量，即企业的净值以＋。，如果令Ｋ表示企业ｔ期的资本价值与借款成本差额，即有：

Ｋ＝Ｆ。Ｑ。一ｌＫ—Ｅ。一。．ｓ．。（ ）尺。（Ｑ。一。Ｋ。一＾１）（１０）式（１０）中Ｆ。是ｔ时期持有的资本的事后收益率，ｓ川（．）Ｒ。是事后借款成本。于是企业的净值可以表示成Ｋ的函数：

Ｍ＋。＝丁Ｋ（１１）企业ｔ时期经营收益是ｔ＋１时期的资产净值，所以可以得到企业净资产的动态变化形式，即净资产又可以表示成式（１２）。其中权重丁反应了每一期存活企业的数量。

Ｍ＋－＝ｒ｛Ｆ。Ｑ¨Ｋ—Ｒ。Ｓ¨（Ｍ／（Ｑ川Ｋ））（Ｑｌ－ｌＫ一以））（１２）由方程（１２）知，企业净值的变化主要由未预料到的收益和借款成本两个因素决定。比如未预期到的资产价格Ｑ。的变化，将使企业的收益Ｆ。Ｑ¨Ｋ变动，而未预期到的价格水平变动，会引起事后借款成本发生变动，这都将引起企业资产净值以＋，的变动。其中未预期到的资产价格Ｑ。的变化可能是Ｆ。波动的主要来源。

２．资本生产商

我们使用经典教材①介绍的存在调整成本的投资模型（也称ｑ理论投资模型），该模型指出厂商在某一时点的利润为：７ｒ（Ｋ），ｃ一，一ｃ（，），其中７ｒ（Ｋ），ｃ为收益，，为投入品成本，ｃ（，）为资本调整成本。本文假设资本生产者使用从零售商购买的一部分最终物品作为投资品ｔ去生产资本品，并与现有的资本存量组合生产新的资本品Ｋ＋。。新资本品的一部分用于取代折旧的资本，但大部分则增加资本的存量。又假定资本价格为Ｑ。，所以收益仃（Ｋ），ｃ＝Ｑ。‘，同时参考ｃ¨ｓｔｅｎｓｅｎａＩｌｄＤｉｂ（２００８）和Ｌ６ｐｅｚ甜讲（２００８），假设资本生产者还受到二次资本调整成本设定的约束，即调整成本ｃ（，）＝（疋（ｔ／Ｋ一艿）ｚＫ）／２，这里６是折旧率。注意假设资本是同质的，因此新生产的资本和旧资本之间没有差异。企业使用的旧资本租赁出去用于生产新资本，然后以与新生产的资本相同的价格收回。资本生产者的最优问题是选择最佳投资数量ｔ使得其利润达到最大化。所以有：

ｍａｘＥ。［Ｑ。ｔ—ｔ一（ｚ／２）（（，／Ｋ，）一６）２Ｋ】（１３）’’

‘

最优条件是式（１３）对ｔ求一阶导数并令其等于０，即：

Ｅ。［Ｑ。一ｌ一疋（，／Ｋ，一６）］＝０（ｔ４）式（１４）是与资本价格和边际调整成本相联系的标准的托宾Ｑ方程。资本调整成本降低了投资对不同冲击的反应，这将直接影响到资本的价格。在没有资本调整成本时资本价格Ｑ。为常数１，因此资本调整成本允许资本价格随着企业的资产净值变化而变化。资本的数量和价格由市场对资本的需求决定。总资本存量的演变由下式决定：

①《ＡｄｖａｎｃｅｄＭａｃｒｏｅｃｏｎｏｍｉｃｓ》，ＤａｖｉｄＲｏｍｅｒ著，上海财经大学出版社，２００６年９月。参见该书第８章第２节。一１０５一

中国经济金融加速器效应的ＤＳＧＥ模型分析

Ｋ。＋１＝，。＋（１—６）Ｋ（１５）３．零售商

模型中引入零售部门的目的是将其作为价格粘性的来源。假设企业将所有产品销售给零售商，后者随后将最终产品销售给家庭、资本生产者和政府部门。企业销售给零售商的产品是同质的，零售商对产品具有垄断权，可以设定最终产品的价格。根据ｅａｌｖｏ（１９８３）假设每个零售商以概率１一口重新设定价格，且每次调整价格都与以前调整的时间无关。这样每个时期有占（１一ｐ）比例的零售商重新设定他们的价格，而占ｐ比例的零售商保持其价格不变。因此价格保持不变的预期时间为ｌ／（１一日）。则ｔ期国内总通货膨胀率的表达式为①＿

仉＝《。＋肛。仉＋，（１６）其中７ｒ。＝ｐ。一ｐ。一１，，（＝ｐ１（１一ｐ）（１一口日）。

（三）资源约束与政府支出

经济总支出等于最终产品的总和，包括家庭消费、资本生产者投资和政府部门支出。设ｃ。为家庭消费，，。为国内私人全社会固定投资额，Ｇ。为政府消费，则产品资源约束为：

ｔ＝Ｃ。＋ｔ＋Ｇ。（１７）政府支出是通过一次性总税收和货币创造进行融资，Ｇ，＝（Ｍ。一朋川）／Ｐ。＋Ｌ。对于财政政策没有什么规则，与技术参数相同政府支出Ｇ：服从以下稳定的白回归过程：

ｇ。＝ｐｇｇ。１＋肛∥（１８）其中肛鲋～Ⅳ（ｏ，矿。２），ｇ。是Ｇ。去除趋势后的周期成分，肛∥是序列不相关的随机冲击。

（四）货币政策规则

货币政策规则的选择存在着争议。谢平和罗雄（２００２）研究指出泰勒规则能够为中国货币政策提供一个参照尺度，但中国货币政策对通胀率的反应不足，而对产出的反应过度。崔光灿（２００６）使用谢平和罗雄（２００２）研究得出的参数进行数值模拟时发现对产出的反应系数过大，造成金融加速器的特征不明显。所以他最终仍借鉴ＢＧＧ模型采用简单的货币规则。本文利用中国１９９４年第一季度到２００８年第二季度的数据尝试使用标准泰勒规则和ＢＧＧ简单的货币政策规则估计货币政策参数，进行数值模拟时发现各宏观经济变量标准差过大。所以最终借鉴ＩｒｅｌａＪｌｄ（２００３）修正的泰勒规则货币政策。因本文未考虑货币供应量，故最终的货币政策规则为：

Ｒ？／Ｒ“＝（７ｒｃ／仃）ｐ”（儿／’，）ｐ，ｅｘｐ（ｓｍ）（１９）式（１９）中Ｒ“、仃和），分别是彤、仉和），。稳定状态时的值，ｓｍ是货币政策冲击项，服从均值为零、标准差为盯。的标准正态分布。假定货币当局只对通货膨胀和产出偏离稳定状态作出反应而改变利率。

三、参数校准

（一）估计消费者相对风险规避系数

相对风险规避系数是消费跨期替代弹性的倒数，这里使用居民消费变量当期与滞后一期之间的关系建立计量模型先估计两个时期的替代弹性。模型具体形式为：ｌｎｃ；＝反＋卢。１ｎｃ¨＋ｓ；，参，即为替代弹性，相对风险规避系数ｆ＝１／卢，。估计结果如下：

ｌｎＣ＝０．３２０＋０．９６９１ｎＣ（一１）（２０）ｆ１．５００，０．２１３］［４１．４８２，０．０２３ｌ调整露＝０．９６８Ｓ。Ｅ。＝Ｏ．０９５

方括号内第一项为Ｔ统计量，第二项为标准误。回归结果显示方程线性结构通过显著性检验，１ｎｃ①具体推导可参见Ｇｅｎｌｅｒｅｆ０（２００３）。一１０６—

南方经济２０１２年第８期

（一１）系数也通过了１％的显著性水平检验，系数值为ｏ．９６９①。表明消费者前一期消费每增长ｌ％，当期消费将增长０．９６９％，所以消费者相对风险规避系数为Ｉ／０．９６９＝１．０３２。

（二）估计资本产出弹性ａ

设定生产函数形式为：Ｆ＝ｅ４ｆ棚’殴。叫一４，于是ｙｆ／日。＝ｅ４ｆ邯７（ＫＨ／日。）。，两边取对数得到：ｌｎ（ｙｆ／日；）＝Ａ。＋届ｒ＋ｄｌｎ（ＫＨ／Ｈ），只要估计出仅、卢的值，则可以得到全要素生产率序列Ａ。。要估计模型中两个参数的值，需要各年份资本存量Ｋ值。根据已有文献可以发现对中国各个年份的资本存｛５ｌ｝的髟是以基期价格计算的资本存量，删是实际净投资，等于实际总投资尺Ｇ，乘以当年价格计算的净投资与测算方法有较大差异。本文根据ｃｈｏｗ（１９９３）的方法计算资本存量，计算公式为：Ｋ＝Ｋ一，＋ＲＭ。，式中总投资的比率Ⅳ，／Ｇ，，即ＲＭ。＝ＲＧ，ｆ×（Ⅳ，／Ｇ，，）。实际总投资＝实际ＧＤＰ一实际消费一实际产品和服务的净出口。实际消费等于名义消费除以消费价格指数，实际产品和服务净出口等于其名义值除以ＧＤＰ平减指数，实际ＧＤＰ为政府公布支出法ＧＤＰ数据除以１９７８年为基期的ＧＤＰ平减指数。１９７８年的初始资本存量直接采用ｃｈｏｗ（１９９３）核算的值１４１１２．ｏ亿元。折旧数据１９７８一１９８９年使用李治国和唐国兴（２００２）原始数据，１９９０—２００６年数据来自国泰安研究服务中心数据库。其中２００４年数据缺乏，本文采用２００３年和２００５年的平均值。估算出１９７８—２００６年的资本存量后再对生产函数进行ＯＬｓ估计，回归结果为：

ｌｎ（ｙｆ／Ｅ）＝２．０３２＋０．０１４ｒ＋０．５７４ｌｎ（Ｋ／日．）（２１）

［Ｏ．９３９，２．１６３］［１．２９６，０．０１１］［２．１３６，０．２６９］调整帮＝Ｏ．９０９Ｓ．Ｅ．＝Ｏ．１０２

中括号内为Ｔ统计量，资本劳动比系数通过５％的显著性水平检验，于是得到资本产出弹性仅值为０．５７４。

（三）各种冲击参数设置

１．技术冲击相关参数设置

假设技术冲击遵循一阶自回归过程：

ｌｎＡ。＝（１一ｐｄ）ｌｎ（Ａ）＋ｐＡｌｎ（Ａ卜１）＋肛ｍ（２２）其中ｍ∈（一１，１），Ａ＞ｏ，肛ｍ服从均值为零标准差为盯。的正态分布。由估算出的生产函数可以得到技术冲击Ａ。的时间序列：

ｌｎＡ。＝ｌｎ（Ｅ／Ｅ）一０．０１４丁一Ｏ．５７４ｌｎ（Ｋｃ＿ｌ／日。）（２３）由式（２３）得到的时间序列进行０Ｌｓ回归，可以获得技术冲击方程：

ｌｎＡ。＝０．１９９＋０．８９９６ｌｎ（Ａ＋．）（２４）

［１．１７８，ｏ．１６９］［１０．８１４，０．０８３］调整Ｒ２＝ｏ．８０５ｓ．Ｅ．＝ｏ．０４４

方括号内第一项为Ｔ统计量，第二项为标准误。于是得到技术冲击的一阶自回归系数ｐ。＝０．８９９６，标准差矿Ａ＝Ｏ．０４４。

２．政府支出冲击相关参数设置

模型中政府支出属于外生变量。假设政府支出冲击服从方差为盯：，自回归系数为ｐ。的一阶自回归过程，见式（１８）。为了对方差和回归系数进行设置，可以对式（１８）进行一元线性回归分析。具体处理方法是先对政府消费支出实际值序列取对数，然后进行Ｈ—Ｐ滤波得到政府支出周期部分的数据序列，最后对周期部分数据进行ＯＬｓ估计，得到估计方程如下：

ｇ：＝０．４０２９９￡．１．（２５）

［３．０６９，０．１３１］调整Ｒ２＝０．１５６ｓ．Ｅ．＝０．１２４

①黄赜琳（２００５）对中国１９７８—２００２年消费者相对风险规避系数设置时，使用该方法估计得到这段时期消费者跨期替代弹性系数值为０．９８７。但模拟时参考了陈学彬等（２００５）的观点，将风险规避系数校准为０．７。一１０７—

中国经济金融加速器效应的ＤＳＧＥ模型分析

由估计结果获得回归系数ｐ。＝０．４０２９，标准差盯。＝０．１２４。

３．货币政策冲击相关参数设置

为了对货币政策参数进行设置，先对式（１９）两端取对数并整理得：

ｌｎＲ？一１ｎＲ“＝Ｐｙ（１ｎ，，。一ｌｎｙ）＋ｐ，ｒ（１ｎ７ｒ。一ｌｎ霄）＋ｓｍ（２６）式（２６）左边是名义利率变动率与均衡值差额，右边第一项是产出缺口，第二项表示通货膨胀变动率和稳定状态值差额，最后一项是货币政策冲击项，本文是指名义利率的负向冲击（紧缩性货币政策）。为了对式（２６）进行回归分析，首先需要选取数据变量。由于中国没有完全实行利率市场化，贷款利率数据无法获得。所以这里选择同业拆借加权平均利率①作为利率政策的代理变量。产出变量选择国家统计局公布的名义季度ＧＤＰ值去除价格因素后的实际值。通货膨胀变量则选择国家统计局公布的ＣＰＩ指数减去１００获得。１９９４年第一季度到２００８年第二季度银行同业拆借加权平均利率变动率的平均值为５．２７％，于是确定该值为名义利率均衡值。

产出缺口则参考谢平和罗雄（２００２）的方法，使用实际ＧＤＰ数据序列减去潜在ＧＤＰ数据序列获得，其中潜在ＧＤＰ采用线性趋势方法估计得到。由于实际产出水平具有明显的季节性，所以估计潜在产出水平时使用三个季度虚拟变量。具体估计方法是将实际ＧＤＰ的自然对数值与常数项、时间趋势项和虚拟变量进行ＯＬＳ回归，得到回归方程如下：

ＬＮＹ＝９．４７７＋Ｏ．０３１Ｔ一０．３３６Ｄ１—０．２４４Ｄ２—０．２２０Ｄ３（２７）［３１９．４１，０．０３０］［４７．４８，０．００１］［一１０．８５，ｏ．０３１］［一７．８９，０．０３１］［一６．９９，０．０３２］

调整Ｒ２＝０．９７７，Ｓ．Ｅ．＝０．０８３

方括号内第一项为Ｔ统计量，第二项为标准误。估计出潜在ＧＤＰ序列后，将实际ＧＤＰ序列减去潜在ＧＤＰ序列得到产出缺口序列。通货膨胀率经过Ｈ－Ｐ滤波后，其变动率的趋势部分比较平稳，最终确定通货膨胀率均衡值为变动率的平均值４．６６％。均衡值确定后，就可以使用式（２６）估计出货币政策各种参数值。估计结果如下：

１ｎ月？一ｌｎ月“＝０。３２７８（１ｎＫ—ｌｎｙ）＋０．６１４４（１ｎ霄。一１ｎ万）（２８）［８．１０７，０．０４０］［１３．７３８，０．０４５］

调整Ｒ２＝０．７６８Ｓ．Ｅ．＝０．０２ｌ

中括号内第一项为Ｔ统计量，第二项为标准误。根据回归方程得到产出调整系数ｐ，＝Ｏ．３２７８，通货膨胀调整系数ｐ。＝Ｏ．６１４４，利率冲击标准差为盯，：０．０２ｌ。

（四）均衡劳动供给Ｈ的设置

相关文献对均衡时劳动者工作时间的设置不一致。比如Ｈａｎｓｅｎ（１９８５）在模型中假设劳动不可分，劳动者没有休息日且所有人都参与劳动，于是将均衡时劳动者的工时数设置为０．３３。黄赜琳（２００５）认为劳动投入是指每年的就业人数而不是每天的工时数，并计算出１９７８年到２００２年中国就业人口数占总人口数的比例序列平均值为Ｏ．５４２，因此均衡劳动供给校准为Ｈ＝Ｏ．５４２。由于本文的劳动投入同样是指就业人数，所以也采用黄赜琳（２００５）同样的方法对均衡劳动供给进行校准。考虑到２００３—２００７年就业人数和总人口数有了变化，所以重新对１９７８年至２００７年就业人口数占总人口数的比例进行计算。通过计算可以得到中国１９７８—２００７年间就业人数占总人口数的平均比率为０．５２４，所以均衡劳动供给校准为Ｈ＝０．５２４，表明均衡时总人口中每年有５２．４％的人数参与劳动。

（五）总资产与资产净值的比率设定

国外许多文献都将稳定状态时资本与资产净值的比率∥Ⅳ设定为２，比如，Ｂｅｍ姐ｋｅ甜讲（１９９９）、Ｃ晡ｓｔｅｎｓｅｎａＩｌｄＤｉｂ（２００８）。崔光灿（２００６）研究中国房地产行业金融加速器效应时指出，我国一般企业稳定状态时资本与资产净值的比率∥Ⅳ为１．２５，而资产负债率高的企业∥Ⅳ为２．５。为了准确了解中

①同业拆借利率通常被认为是中国利率市场化程度最高的利率。一１０８—

南方经济２０１２年第８期

国企业该参数值，本研究计算了１９９９年到２００８年５７２个中国上市公司的总负债与总资产比率的平均值，发现５７２０个数据的平均值为０．５８，于是可以计算得到中国企业资本与资产的比率膨Ｗ＝２．３８。①

（六）其他参数的确定

国内有文献（黄赜琳，２００５）使用物价水平的变化确定贴现率，本文参考该方法对样本期间通货膨胀率进行计算得到该段时期通货膨胀率的平均值为０．０４６６，于是设置贴现率口＝０．９５３４。根据无风险利率Ｒ＝１邝可知在没有考虑金融加速器时，资本的总收益率Ｒ为１．０４８９。基于数据原因，有些参数参考已有的研究文献设置。如折旧率参数遵循文献的一般设定校准参数艿＝０．０２５。企业继续生存到下一期的概率ｙ参照ＢＧＧ模型设定为０．９７２８，意味着每个企业预期存活时间为３６年。②衡量零售商垄断程度的参数ｐ设为６，意味着稳定状态时价格加成２０％，相关文献一般都使用该值。资本调整成本参数ｘ设为Ｏ．５，有文献指出该参数的合适取值范围是０一ｏ．５之间。③由于没有就业数据所以休闲在效用函数中的参数孝根据一般文献（如ｃｍｓｔｅｎｓｅｎａＩｌｄＤｉｂ，２００８）设为１．３１５。金融加速器关键参数外部融资酬金关于企业杠杆率弹性沙值参考袁申国等（２０１１）设为０．０１。家庭消费、企业固定投资和政府部门的支出在经济总支出的份额由样本期问数据的平均值决定。消费、投资和政府支出占产出比取中国１９７８—２００８年的年度数据均值，分别为：ｏ．４７１、０．３８５、０．１４４。这样得到各个参数的校准值如表１所示。

表１模型参数校准值

四、模拟结果分析

根据校准的参数值，使用Ｄｙｎａｒｅ软件对ＦＡ和ＮｏＦＡ模型进行模拟。为了分析两种模型对现实数据的解释能力，本文分别从脉冲响应图、波动性和自相关性三个方面对模拟后的数据与实际数据进行比较。结果发现，带金融加速器机制的ＤｓＧＥ模型对现实数据特征的模拟效果更好。

（一）脉冲响应图

为了使用图形说明带有金融加速器机制模型的动态特性，这里分析了货币政策冲击后两种模型中主①这５７２个上市公司是从中国所有上市公司中筛选得到，在选择样本企业数据时剔除了年度数据缺乏的企业和数据极端异常的企业，最后剩下５７２个符合要求的企业。影Ⅳ＝ｌ／（１一Ｏ．５８）＝２．３８。

②之所以这样设定该参数值，还参考了国内杜清源和龚六堂（２００５）、崔光灿（２００６）的文献。

③Ｂ咖ａｎｋｅ甜ａｚ（１９９９）将该参数设定为０．２５，并指出资本调整成本参数的合理范围是ｏ～ｏ．５。一１０９一

中国经济金融加速器效应的ＤＳＧＥ模型分析

要宏观经济变量对冲击的脉冲响应图。①分别见图１一图９。图中实线是含金融加速器模型（简称为ＦＡ模型）的脉冲响应曲线，虚线是不含金融加速器模型（简称为ＮｏＦＡ模型）的脉冲响应曲线。纵坐标值表示名义利率１％的正向冲击后各变量响应值偏离其稳定状态水平的百分数。由脉冲响应图知，货币政策冲击后，两个模型的产出、投资、消费、就业和通货膨胀因受到名义利率影响而急剧下降。脉冲响应图表现出明显的金融加速器效应，金融加速器机制的存在显著地放大和传播了货币政策对投资和资本价格的冲击。在紧缩性货币政策后，资产价格因名义利率上升而下降，ＦＡ模型资产价格下降程度更大。这足闲为外部融资酬金上升引起企业杠杆率增加，购买新资本的融资成本更高而压制了资本需求，使得资本预期价格持续低于其稳定状态值。造成资产净值短期出现一次正向响应后很快下跌，以后一直低于均衡值。资产价格下降引起资产净值减少增加了企、Ｊｋ的外部融资酬金，在金融加速器机制作用下，使得企业投资和产出都出现明显下降，所以ＦＡ模型中投资和产出的下降程度都要大于ＮｏＦＡ模型的情形。

同样金融加速器机制还加大了就业的波动性，因为名义利率冲击后ＦＡ模型中就业下降程度要略大于ＮｏＦＡ模型中的情形。虽然存在金融加速器效应，但ＦＡ模型中通货膨胀的反应与ＮｏＦＡ模型的反应非常相似，波动程度和脉冲响应持续时间都非常接近。总之，脉冲相应图表明，在金融加速器机制作用下货币政策冲击对产出和投资的影响被扩大了。

图１产出图２投资图３消费

图４就业图５资产净值图６资产价格

①本文主要研究金融加速器机制对货币政策冲击的传播和放大作用，所以技术冲击和政府支出冲击效应未进行分析。一１１０—

南方经济２０１２年第８期

图７名义利率图８外部融资酬金图９通货膨胀

另外，从脉冲响应图还可以看出，ＦＡ和ＮｏＦＡ模型在名义利率冲击后，消费都下降，因为名义利率上升后，消费者会减少消费而增加储蓄。ＮｏＦＡ模型消费下降更大，因为名义利率上升引起企业减少投资，ＦＡ模型因金融加速器造成企业投资减少更大，用于消费的资源也就更多，所以对消费的影响小一些。ＮｏＦＡ投资需求减少相对小一些，即投资需求相对ＦＡ模型要大一些，同时，ＮｏＦＡ模型用于消费的资源要少一些，这两种情形的共同作用会促使名义利率和通胀率上升。所以，ＮｏＦＡ模型中消费、利率和通胀率的波动性会更大一些。

（二）波动性与模型解释能力

表２显示了ＦＡ和ＮｏＦＡ模型模拟结果与实际经济数据序列波动性、Ｋ—Ｐ方差④比率与产出同期相关性。由表中数据可以发现样本期间实际数据中投资和通货膨胀的波动性最大，二者分别达到７．１％和７．２６％，波动幅度都是产出波动幅度２倍多，产出的标准差为３．３６％。消费和利率的波动性也略比产出波动性大，分别为４．４４％和４．３％。从ＦＡ和ＮｏＦＡ模型模拟的结果看，产出、投资、消费、利率和通货膨胀波动性大小的排列顺序与实际经济数据基本一致。在ＦＡ模型中投资波动性最大，其次是通货膨胀波动性，消费和利率的波动性再次之，这些变量的波动性都大于产出的波动性。ＮｏＦＡ模型中是通货膨胀波动性最大，稍大于投资的波动性，利率的波动性略大于消费的波动性，产出的波动性最小。由各变量波动性再一次证实金融加速器机制的存在放大和传播了各种冲击对产出和投资的影响。ＦＡ模型中产出和投资的波动性都要大于ＮｏＦＡ模型，并且二者的波动性都更接近实际数据的波动性。这也进一步说明带金融加速器模型对现实模拟得更好，印证了其它文献②证实中国经济中金融加速器效应的存在性。与ＮｏＦＡ模型比，ＦＡ模型中资产价格的波动幅度也更大，但ＮｏＦＡ模型中消费、利率和通货膨胀的波动性则更大，这进一步表明金融加速器机制主要是放大和传播各种冲击对企业投资的影响后再影响到产出。

通过对ＫｙｄｌａＩｌｄ—Ｐｒｅｓｃｏｔｔ方差（后文都简称Ｋ—Ｐ方差）比率分析，可以发现ＦＡ和ＮｏＦＡ模型对投资和产出实际数据波动的解释能力比ＲＢｃ模型的解释能力相对来说更好。ＦＡ模型产出和投资的Ｋ—Ｐ方差比率分别为７２．０２和８４．５１，ＮｏＦＡ模型中二者分别为６９．３５和７４．６５。⑨说明ＦＡ模型能够解释大约７２％的产出波动、８５％左右的投资波动，ＮｏＦＡ模型能够解释大约７０％的产出波动、７５％左右的投资波动。很显然ＦＡ模型对产出和投资的波动性解释能力更强。两个模型都能够解释７４％以上的消费波动、７３％

①Ｋｙｄｌａｎｄ—Ｐｒｅｓｃｏｔｔ方差比率是模型中计算出的经济变量标准差与实际数据经过Ｈ—Ｐ滤波后的标准差之比。该值越大，说明模型对实际数据模拟效果越好。本文简称为Ｋ—Ｐ方差比率。

②崔光灿（２００６）、赵振全等（２００７）、吴建环和席莹（２００７）从不同角度研究了中国经济金融加速器效应的存在性。③黄赜琳（２００５）利用ＲＢｃ模型得到产出Ｋ—Ｐ方差比为０．７０，投资Ｋ—Ｐ方差比为０．６５。因为本文研究金融加速器机制，所以更关注产出和投资的波动性。一１１１—

中国经济金融加速器效应的ＤＳＧＥ模型分析

以上的利率波动和８０％以上的通货膨胀波动。

表２实际数据与模拟值的标准差、Ｋ—Ｐ值与产出同期相关－陛

两个模型中各变量模拟值与产出同期相关性数据显示，投资、消费和资本价格都是顺周期，并且与产出的相关性都较大，说明全社会固定投资、消费和资本价格与产出的波动趋势保持着高度一致性，符合现实经济的实际表现。资本价格与产出波动陛的相关程度高也进一步体现了金融加速器机制的动态特性。

（三）自相关性

图１０一图１２描述了产出、投资、消费实际数据的无条件自相关性和ＦＡ、№ＦＡ模型模拟产生的各宏观变量数据序列的自相关。总的来说，金融加速器机制起作用的模型在６个季度时期内数据序列与实际数据在自相关方面的一致性要更好一些。与ＮｏＦＡ模型相比，ＦＡ模型中的产出、投资、消费表现出明显稍强的自相关性，并且ＦＡ模型中消费序列与实际数据自相关的一致性较好。另外，两个模型中产出、投资和消费序列的自相关性都弱于实际数据。总体上两个模型中，ＦＡ模型各序列的自相关性更接近实际数据本身的自相关性。这也进一步表明ＦＡ模型模拟的数据比ＮｏＦＡ模型模拟的数据更接近实际数据，再次证实中国经济中存在明显的金融加速器效应。

图１０产出图１１投资图１２消费

五、小结

本文主要目的是建立一个包含金融加速器机制的三部门经济ＤｓＧＥ模型，从微观角度研究中国经济中金融加速器效应的存在性。模型中只包含家庭、生产者、政府部门和货币当局，并且只存在技术冲击和一１１２一

南方经济２０１２年第８期

政府支出冲击。与ＲＢｃ模型不同的是，模型中增加了价格粘性、信贷市场摩擦和货币政策几个特征，这几个特征也是现阶段宏观经济学的主流文献中经常涉及的问题。文章使用中国１９９４年到２００８年的宏观经济数据，对模型中一些重要参数的取值给出了合理的推导和详细解释。随后利用校准后的参数分别对带有金融加速器机制模型和不带金融加速器机制模型进行数值模拟。通过比较带有金融加速器模型和不带金融加速器模型模拟后的宏观经济变量的脉冲响应图、波动性和自相关性，发现带有金融加速器机制的ＤＳＧＥ模型模拟的数据对实际经济数据的解释能力更强。

脉冲响应图表明，引入金融加速器机制有助于放大和传播暂时冲击对投资和产出的影响，货币政策冲击后，两个模型的产出、投资、消费、就业和通货膨胀因受到名义利率影响而急剧下降，但ＦＡ模型中投资和产出的下降程度都要大于ＮｏＦＡ模型的情形，ＦＡ模型中二者的波动性都更接近实际数据的波动性，这说明带有金融加速器模型对现实模拟得更好。金融加速器机制的存在还显著地传播和放大了货币政策冲击对资本价格的影响。另外通过对ＫｙｄｌａＩｌｄ—Ｐｒｅｓｃｏｔｔ方差比率分析，发现ＦＡ和ＮｏＦＡ模型对投资和产出实际数据波动的解释能力比ＲＢｃ模型的解释能力相对来说更好。尤其是ＦＡ模型对产出和投资的波动性解释能力更强。两个模型中各变量模拟值与产出同期相关性数据显示，投资、消费和资本价格都是顺周期，并且与产出的相关性都较大，说明全社会固定投资、消费和资本价格与产出的波动趋势保持着高度一致性，符合现实经济的实际表现。资本价格与产出波动性的相关程度高也进一步体现了金融加速器机制的动态特性。从相关性和自相关性的数值和图形来看，ＦＡ与ＮｏＦＡ的模型在解释力度上差别不大，但是，总体来看，ＦＡ模型模拟结果对实际数据的解释稍微强于ＮｏＦ’Ａ模型。但模拟结果也不太理想，因为从自相关看模拟数据与现实数据相差较大。我们认为可能是以下两个原因引起：一是模型参数校准的准确性还需要进一步改进。因为多个校准参数都是通过单个计量方程进行回归获得，而计量方程本身就会存在一些难以解决的问题，比如内生性问题。所以要解决这方面的问题，我们认为使用ＭＬ或者贝叶斯方法对ＤｓＧＥ模型大部分参数进行估计获得会改善模拟效果。二是模型本身可能存在问题，这包括各个经济主体行为方程变量的选择和各个经济冲击的方程形式等方面。这两方面的缺陷在今后的研究过程中都需要在作进一步完善。

总的来说，文章通过使用中国实际经济数据序列对ＤｓＧＥ模型参数校准后进行数值模拟的结果，从微观层面验证了中国经济中金融加速器的存在性，同时也验证了中国经济信贷市场摩擦导致的金融加速器机制提高了标准宏观经济模型解释正常周期波动的能力。

参考文献

Ｂ啪ａｌｌｌ【ｅ，Ｂ．ｓ．，Ｍ．Ｇｅｒｌｔｅｒａｎｄｓ．Ｇｊｌｃｌｌｒｉｓｔ，１９９９．“ｎｅＦｉｎａｌｌｄａｌＡｃｃｅｌｅｒａｔｏｒｉｎａＱｕａｌｌｄｔａｎｖｅＢｕｓｊｎｅｓｓｃｙｄｅＦｒａｍｅｗｏｆｋ”，Ｈ柚ｄｂｏｏｋ０ｆ

Ｍａｃｒｏｅｃｏｎｏｍｉｃｓ，Ａｍｓｔｅｒｄ锄：ＮｏｍｌＨｏｌｌａＩｌｄ

ＣａｌｖｏＧ．八，１９８３．“Ｓ诅ｇｇｅｒｃｄＰｒｉｃｅｓｉｎａｕｔｉｌｉｔｙ—ＭａｘｉＩＩｌｉｚｉｎｇ胁ｎｅｗｏｒｋ”，如“ｍ耐０，＾如ｎ已缸，）＇＆伽Ｄ卅妇，（１２）：３８３—３９２．

ｃｈｏｗＧ．，１９９３．“ｃ印ｉ“Ｆｏｍａｔｉｏｎ锄ｄＥｃｏｎｏＩＩｌｉｃＧｍｗ山ｉｎｃｈｉｎａ”，Ｑ船舶ｒｆｙ如“ｍⅡｆＤ，Ｅ∞ｎＤｍ池，８０９—８４２．

ｃⅢｓｔｅｎｓｅｎＩ．ａＩｌｄＡ．Ｄｉｂ，２００８．“１１１ｅＦｉｎａＩｌｃｉａｌＡｃｃｅｌｅｒａｔｏｒｉｎ孤Ｅｓ妇ｌａｃｅｄＮｅｗＫｅｙｎｅｓｉａｌｌＭｏｄｅｌ”，ＲＰｖｆＰｗＤ，胁ｌＤ，，ｌ把劬硎ｆｃｊ，（１１）：１５５

—１７８．

ＧｅｍｅｒＭ．，Ｓ．Ｇｉｌｃｈｒｉｓｔ，Ｆ．Ｍ．Ｎａｔａｌｕｃｃｉ，２００３．“ＥｘｔｅｍａｌＣｏｎｓｔｒａ【ｉＩｌｔｓｏｎＭｏｎｅｔａｒｙＰｏｌｉｃｙａＩｌｄ吐ｌｃＦｉｎａＩｌｃｉａｌＡｃｃｅｌｅｍｔｏｒ”，ＤｍｆＬＨａＩｌｓｅｎＧ．，１９８５．“ＩｎｖｉｓｉｂｌｅＬａｂｏｒａＩｌｄｍｅＢｕｓｉｎｅｓｓｃｙｃｌｅ”，乃“ｍ甜Ｄ，ＭＤｎ已旭拶髓Ｄ胛Ｄｍ把ｓ，（１６）：３０９—３２７．

Ｉｃｈｉｒ０Ｆ．，２００２．“ＦｉｎａｎｃｉａｌＡｃｃｅｋｒａｔｏｒＥ侬虻ｔｓｉｎＪ印锄’ｓＢｕｓｉｎｅｓｓＣｙｃｌｅｓ”，ＷｏｒｋｉｎｇＰａｐｅｒ

ｈｌａｎｄＰ．Ｎ．，２００３．“Ｅｎｄｏｇｅｎｏｕｓｍｏｎｅｙｏｒｓｄｃｋｙ—ｃｅｓ？“．如“ｍｎｚＤ，肘ＤｎＰ细，），＆ＤｎＤｍｆｃｓ，１６２３一ｌ“８．

Ｌ６ｐｅｚＭＲ，Ｊ．Ｄ．胁ｄａ锄ｄＮ．Ｒｏｄｒｉｇｕｅｎ，２００８．“Ｆｉｎ肌ｃｉａｌＡｃｃｅｌｅｒａ缸Ｍｅｃｈ趾ｉｓｍｉｎａＳｍａｌｌｏｐｅｎＥｃｏｎｏｍｙ”，ＷｏｒｋｉｎｇＰａｐｅＬＭｅｉｅｒＡ．柚ｄＧ．Ｊ．Ｍｕｌｌｅｒ，２００６．“Ｆ１ｅｓｔｌｉｎｇｏｕｔｔｌｌｅＭｏｎｅｔａｌ了ＴｍｓｒＩｌｉｓｓｉｏｎＭｅｃｈａｎｉｓｍＯｕ哂ｌｔＣｏｍｐｏｓｉ吐ｏｍ锄ｄｍｅＲｏｌｅｏｆＦｉｎ锄ｃｉａｌ

阳ｃｔｉｏｎｓ”，如“ｍ日ｆ０，肘Ｄ，ｌ掣，ｃ陀础，Ｂ册七ｆ粥，１９９９—２１３３．

Ｎｅｒｉｓ．，２００４．“ＡｇｅｎｃｙｃｏｓｔｓｏｒｃｏｓｔｌｙＣａｐｉｔａｌＡｄｊｕｓｔＩｎｅｎｔＤｓＧＥＭ０ｄｅｌｓ？ＡＢａｙｅｓｉ姐ｈｌＶｅｓｔｉｇａｔｉｏｎ”，ＢａＩｌＩ【ｏｆＩｔａｌｙ，Ｄ嗽

陈学彬、杨凌和方松，２００５，《货币政策效应的微观基础研究——我国居民消费储蓄行为的实证分析》，《复旦学报（社会科学版）》第１期４２

—５４页。

崔光灿，２００６，《资产价格、金融加速器与经济稳定》，《世界经济》第１１期５９—６９页。一１１３—

中国经济金融加速器效应的ＤＳＧＥ模型分析

黄赜琳，２００５，《中国经济周期特征与财政政策效应——一个基于三部门ＲＢｃ模型的实证分析》，《经济研究》第６期２７—３９页。李治国和唐国兴．中国平均资本成本的估算［Ｊ］．统计研究，２００２，（１１）：２ｌ一２５．

吴建环和席莹，２００７，《中国货币政策的金融加速器效应研究一以货币政策对不同规模高科技企业的影响为例》，《山西财经大学学报》第１１

期９９—１０３页。

谢平和罗雄，２００２，《泰勒规则及其在中国货币政策中的检验》，《经济研究》第３期３—１２页。

于同奎和李红刚，２０１０，《信贷市场不完美，产业转型升级和经济增长》，《南方经济》第９期５３—６３页。

袁申国，２００９，《信贷市场金融加速器效应区域差异性研究一以房地产业对货币政策的传导为例》，《山西财经大学学报》第８期１０２一

１０８页。

袁申国、陈平和刘兰凤，２０１１，《汇率制度、金融加速器和经济波动》，《经济研究》第１期５７—７０页。

赵振全、于震和刘淼，２００７，《金融加速器效应在中国存在吗？》，《经济研究》第６期２７—３８页。

ＯｎＣｌｌｉｎｅｓｅｅｃｏｎｏｍｉｃａｌ６ｎａｎｃｅａｃｃｅｌｅｒａｔｏｒｅｆｆｅｃｔ

——ｂａｓｅｄｏｎＤＳＧＥｍｏｄｅｌａｎａｌｙｓｉｓ

ＬａＩｌｆｅｎｇＬｉｕＳｈｅｎｇｕｏＹｕａｎ

Ａｂｓｔｒ孔ｔ：７１１ｌｅａｎｉｃｌｅｅｓｔａｂｌｉｓｈｅｓａｍｒｅｅｓｅｃｔｏｒｓｅｃｏｎｏｍｙＤＳＧＥｍｏｄｅｌ，ｕｓｅｓｔｌｌｅＣｈｉｎｅｓｅｄａｔａｔｏｃａｒｒｙｏｎｔｌｌｅｖａｌｕｅｓｉｍｕｌａｔｉｏｎａ船ｒｐａｒａｍｅｔｅｒｃａｌｉｂｒａｔｉｏｎｉｎｔ｜ｌｅｍｏｄｅｌ．１１１ｒｏｕｇｈｔｌｌｅａＩｌａｌｙｓｉｓａＩｌａｌｏｇｄａｔａｐｕｌｓｅｒｅｓｐｏｎｓｅｃｈａｎ，ｔｌｌｅｗａＶｅａｌｌｄｔｌｌｅａｕｔｏｃｏｎ．ｅｌａｔｉｏｎ，ａＩｌｄｄｉｓｃｏｖｅｒｔｌｌａｔｅｘｐｌａｌｌａｔｉｏｎａｂｉｌｉｔ）ｒｏｆｓｉｍｕｌａｔｉｏｎｄａｔａｔｏｔｌｌｅａｃｔｕａｌ（Ｉａｔａａｒｅｓｎ．ｏｎｇｅｒｉｎｃｌｕＣＩｉｎｇｔｈｅｆｉｎａｒｌｃｉａｌａｃｃｅｌｅｒａｔｏｒｍｏｄｅｌ，ｔｌｌｅｉＩｌ仃ｏｄｕｃｔｉｏｎｆｉｎａｎｃｅａｃｃｅｌｅｍｔｏｒｍｅｃｈａＩｌｉｓｍｉｓｈｅｌｐｔｏｅｎｌａｒｇｅａＩｌｄｄｉｓｓｅＩＩｌｉｎａｔｅｔ１１ｅｅｆ！ｌ’ｅｃｔｗｌｌｉｃｈｉｎｖｅｓｔｍｅｎｔａｎｄｙｉｅｌｄａｒｅａｔｔａｃｋｅｄｔｅｍｐｏｒ撕１ｙ．ＴｌｌｉｓｃｏｎｃｌｕｓｉｏｎｈａｓｃｏｎｆｉｒｍｅｄｔｌｌｅＣｈｉｎｅｓｅｅｃｏｎｏＩＩｌｉｃａｌｆｌｎａＩｌｃｅａｃｃｅｌｅｒａｔｏｒｅｆ艳ｃｔｅｘｉｓｔｅｎｃｅｆ如ｍｔｌｌｅ１１１ｉｃｒｏｓｃｏｐｉｃｓ缸ａｔｉｆｉｃａ吐ｏｎｐｌａＩｌｅ，柚ｄｃｏｎｆｉ珊ｅｄｍｅＣＩｌｉｎａｃｒｅｄｉｔｍａｒ＿ｋｅｔ衔ｃｔｉｏｎｔｏｃａｕｓｅｔＩｌｅｆｉｎａＩｌｃｉａｌａｃｃｅｌｅｒａｔｏｒｍｅｃｈａＩｌｉｓｍｔｏｓｈａｒｐｅｎｔ１１ｅｓｔａＩｌＣＩａｒｄｍａｃｒｏｅｃｏｎ０１ＩｌｉｃｅｘｐｌａＩｌａｔｉｏｎｎｏ珊ａｌｃｙｃｌｅｕｎｄｕｌａｔｉｏｎａｂｉｌｉｔ）ｒ．

Ｋｅｙｗｏｒｄｓ：Ｆｉｎ飙ｃｅＡｃｃｅｌｅｒａｔｏｒＥｆｆｅｃｔ；ＶａｌｕｅＳｉｍｕｌａｔｉｏｎ；ＤＳＧＥＭｏｄｅｌ

（责任编辑：黄亮雄）

—１１４一

中国经济金融加速器效应的DSGE模型分析作者：

作者单位：

刊名：

英文刊名：

年，卷(期)：刘兰凤， 袁申国， Lanfeng Liu， Shenguo Yuan刘兰凤,Lanfeng Liu(广东外语外贸大学南国商学院经济系 510420)， 袁申国,Shenguo Yuan(广东外语外贸大学管理学院)南方经济South China Journal of Economics2012(8)

本文链接：http:///Periodical_nfjj201208008.aspx