数量型货币政策工具这些年被反复拿出来讨论但真正落到数据上、把传导链条从头到尾跑通一遍的研究并不多。我这篇实证论文从选题到终稿前后改了四稿核心思路是不纠结于政策应该怎么定而是回答一个更具体的问题——当央行通过M2、信贷规模这类数量型工具出手时实体经济的产出端和价格端到底会在多久之后、以多大力度、通过什么顺序产生反应。整个研究基于VAR模型展开涉及数据处理、平稳性检验、协整分析、脉冲响应和方差分解一整套链路。这篇文章既是论文的深度复盘也是一份可供复现的实操手册适合正在做宏观实证、准备写毕业论文或者想系统掌握VAR建模流程的同学参考。1. 为什么盯住数量型工具这条传导链的独特位置1.1 数量型工具在这条传导链上到底负责什么货币政策的传导路径通常被概括为政策工具→操作目标→中介目标→实体经济。价格型工具盯住利率数量型工具盯住货币供应量、社会融资规模、信贷余额这类总量指标。在现实中数量型工具最大的特点是可测性强、可控性相对直接——M2同比、社融存量同比、贷款余额同比这些数据都有公开的月度口径研究起来比其他变量方便得多。但方便不等于简单。数量型工具对实体经济的影响不是直线作用它要经过信贷渠道和货币渠道两条路径信贷渠道强调银行体系对企业和居民的信贷供给变化货币渠道强调货币供应量变化对资产配置、利率水平、投资和消费的连锁影响。这两条路径叠加之后传导的时滞、方向、衰减速度都会有差异普通回归很难把这种动态结构刻画出来。这也是我选择VAR模型的核心原因。1.2 为什么用VAR而不是传统回归传统回归最大的问题是假设解释变量和误差项互不相关放在货币政策研究里几乎不成立。利率、货币供应量、工业增加值这些宏观变量之间存在大量的双向反馈——货币供给影响经济经济又反过来影响货币需求。用单方程回归去做内生性问题很难交代清楚。VAR模型的价值在于把一组内生变量放在同一个系统里让每个变量对系统内所有变量的滞后项做回归本质上是用数据本身去还原变量之间的动态互动不需要事先预设严格的因果方向。我论文的研究主体分成两组一组是货币渠道的M2增速一组是信贷渠道的人民币贷款余额增速和社融存量增速与它们并行放入系统的是工业增加值同比、CPI同比、固定资产投资累计同比。这种结构想回答的问题很明确数量型工具的冲击能不能传导到实际产出多久传导到物价投资端作为重要中间环节在其中扮演什么角色。顺带说一句VAR模型并不是没有局限。它不像结构方程那样能直接告诉你怎么区分货币政策变化和经济内生变化带来的货币变动所以后续我还做了格兰杰因果检验和脉冲响应分析来辅助判断。模型工具的选择一定要和研究问题匹配不是越复杂越好。2. 指标池设计与数据清洗从宏观经济数据到可建模样本2.1 六个变量的选取逻辑与口径我的指标池最初列了十几个候选变量最后收敛到六个。选取逻辑遵循三个原则第一覆盖数量型工具的两大渠道第二同时覆盖实体经济的产出端、投资端和价格端第三所有数据必须有稳定、连续的月度公开口径。最终的变量设置如下表变量符号含义处理方式货币供应量M2M2同比增速月度X-13季节调整后使用信贷规模LON金融机构人民币贷款余额同比月度X-13季节调整后使用社会融资规模TS社会融资规模存量同比月度X-13季节调整后使用实体经济产出IP规模以上工业增加值同比月度经季节调整投资端FAI固定资产投资完成额累计同比转换为当月同比季节调整价格端CPI居民消费价格指数同比月度有一点要特别提醒固定资产投资官方公布的是累计同比而不是当月同比直接用累计同比做VAR会导致序列的自相关结构被严重污染因为1-2月累计、1-3月累计之间天然存在递推关系。处理方法是用累计同比反推当月同比再进入模型。这是很多人容易忽略的第一步但对后续平稳性检验结果影响非常大。2.2 季节调整与对数处理的取舍经济数据普遍存在春节效应、年底翘尾、年初冲高这类季节特征。以工业增加值为例每年1-2月受春节影响波动极大不处理季节因素直接建模脉冲响应的形状会被季节性波动干扰。我的处理分两步。第一步是直接对原始同比序列做X-13季节调整——虽然同比序列已经在一定程度上抵消了季节性但春节日期漂移带来的干扰依然存在特别是1月、2月的数据第二步是对调整后的序列做对数化或不做对数化的判断。这里有一个容易被绕进去的点同比增速本身已经是对数差分形态了再进行一次对数变换并不是必须的关键在于你是否需要把绝对水平的信息纳入模型。我的处理是M2、贷款余额、社融、固定资产投资这类规模变量的同比增速直接使用CPI同比也直接使用工业增加值同比直接使用这样所有变量都处于同一个增速语义层面脉冲响应的经济含义也更直观。2.3 样本区间的选择与结构突变问题时间窗口我选了2008年到2023年的月度数据原因很现实2008年之前的货币调控框架和之后差异太大混在一起估计会导致参数不稳定。2008年之后数量型工具的运用频率、社融指标的可获得性、货币政策调控从直接性向间接性的转变在数据上都更有一致性。结构突变始终是个绕不开的隐患。2020年前后的冲击使得几乎所有宏观序列都出现了明显的跳变我的做法是做了分段子样本稳健性检验把全样本同短样本去掉异常波动区间的结果对比确认主要脉冲响应方向没有发生翻转。这一条在答辩时被反复追问过但因为有预设的稳健性证据基本都能顺利回应。3. 平稳性博弈ADF、PP与协整检验的完整操作3.1 单位根检验结果怎么读、怎么写建立VAR模型第一个正式的计量步骤是单位根检验。理论上VAR模型要求变量是平稳的但宏观经济变量几乎都是I(1)过程直接拿水平值进模型会导致伪回归。实证研究里最常见的做法是先做ADF检验和PP检验双确认。我用的检验结构是这样的对全部门变量的水平值检验回归式中同时包含截距项和时间趋势项对一阶差分后的序列则只包含截距项。原因在于水平序列如果存在确定性趋势ADF回归里不加趋势项会低估单位根的存在性而差分后的序列通常只剩下随机波动再加趋势项就没有经济含义了。具体写法上我会给出如下形式的检验表变量检验类型(C,T,L)ADF统计量1%临界值结论M2水平值(C,T,2)-2.87-4.04不平稳D(M2)(C,0,1)-5.62-3.50平稳(C,T,L)里的C代表截距项T代表趋势项L代表滞后阶数。滞后阶数用AIC准则自动选择而不是固定长度这一点很重要——固定滞后阶数的ADF检验在序列存在移动平均成分时的表现很不稳定。3.2 一阶单整之后Johansen协整检验的矩阵选择问题单位根检验的结果基本符合预期全部变量水平不平稳、一阶差分平稳也就是I(1)序列。这引出了更关键的下一步——这些I(1)变量之间是否存在长期均衡关系即协整关系。如果存在协整直接用一阶差分建VAR会损失长期信息更好的做法是建立向量误差修正模型(VECM)。Johansen协整检验有两个细节值得展开说。第一个细节是协整检验的滞后阶数要到VAR水平值阶数减1也就是说如果水平VAR滞后4阶协整检验里的滞后应该设成3。第二个细节是我在检验过程中碰到的实际问题迹统计量和最大特征值统计量给出的协整秩结论不一致——迹统计量支持存在2个协整向量而最大特征值统计量只支持1个。遇到这种不一致我最终的取舍依据是经济含义和后续模型的稳定性。选择较少但经济含义更清晰的协整关系个数然后建立VECM进行长短期效应的分离。如果两个统计量冲突得很厉害我会倾向于以迹统计量为主因为迹统计量在存在残差非正态性时往往更稳健。当然这个选择一定要在论文里如实报告并说明理由而不是直接挑一个好看的结论。4. 定阶、稳定性检验与Granger因果在模型方法论上堵住审稿人的嘴4.1 在AIC、SC、HQ指标打架时怎么选滞后阶VAR建模中滞后阶数的选择会直接影响脉冲响应的形态和显著性。我用EViews和R两个工具交叉验证信息准则的结果出现了典型的分歧AIC建议滞后6阶SC建议滞后2阶HQ建议滞后2阶。AIC因为惩罚项更轻倾向于选择更长的滞后阶数SC和HQ的惩罚更严格选择更短。滞后阶数不是越大越好。过长会消耗自由度导致脉冲响应置信区间过宽过短又可能无法消除残差自相关。最终我结合了两个约束先看残差序列是否还存在自相关——若滞后2阶的VAR残差在LM检验中显著存在一阶自相关就说明订单不足再结合LR检验判断增加滞后项是否显著提升拟合优度。这次的最终结果是滞后4阶理由AIC的6阶虽然拟合更充分但样本量有限10个以上的参数估计会增加不确定性SC的2阶在残差自相关检验中不过关4阶能同时通过自相关检验也符合经济直觉——数量型工具对实体经济的传导通常需要3到6个月半年的滞后长度恰好对应4到6阶的月度数据。4.2 AR根的倒数模检验与残差自相关检验模型定阶后的两道体检必不可少。第一道是AR根检验。VAR模型如果特征多项式的所有根都落在单位圆内部即根的倒数模小于1系统才是稳定的。如果存在根落在单位圆上或圆外脉冲响应函数的结果就是无效的因为系统本身没有收敛性。我建模后把AR根的倒数模全部打印出来最大的接近0.98虽然很靠近单位圆但仍然在圆内说明系统稳定。0.98这个值也间接说明宏观数据的强惯性——一个冲击的影响衰减得很慢这在后文的脉冲响应分析中体现得非常明显。第二道是残差检验。我用LM检验确认残差不存在自相关并用JB检验确认残差服从正态分布。JB检验在宏观数据中经常拒绝正态性——真实经济数据往往有厚尾我遇到过几次如果正态性检验不过可以在文中如实报告并说明VAR估计的一致性不依赖正态性正态性影响的主要是脉冲响应的置信区间估计。这个方法论的说明能帮你拦下一大半答辩质疑。4.3 格兰杰因果检验的结论写作技巧格兰杰因果检验本身不意味着经济学的因果关系它检验的是一个变量的历史值能否显著帮助预测另一个变量。把这句话写在论文里说明你理解方法的边界是加分项。本次检验的结果有几个关键发现M2同比到工业增加值同比的格兰杰因果在5%水平下显著贷款余额同比到固定资产投资同比的因果关系也很明显但社融存量同比到CPI同比的预测能力很弱。这些结果和后续脉冲响应的方向保持了一致——数量型工具对产出端和投资端的作用强于对价格端的作用。写作时要注意格兰杰因果检验结果应放在模型的动态结构部分而不是作为政策结论单独成段。它给出的是一种统计意义上的预测依赖关系真正的政策含义要等脉冲响应和方差分解出来之后再综合讨论。5. 脉冲响应与方差分解传导效应的强弱、时滞与贡献度5.1 单次标准差冲击 vs 累计响应读数逻辑脉冲响应函数刻画的是给某个内生变量一个单位标准差的冲击后其他变量在随后若干期内的动态响应路径。这里的冲击并不是政策增加1%而是该变量的一个标准差水平的意外变动对应的是模型中不可预期的部分。我重点关注的目标是三个方向M2冲击对工业增加值的影响、贷款余额冲击对固定资产投资的影响、社融冲击对CPI的影响。实际结果非常有信息量M2同比增速的正向冲击发生后工业增加值同比在前2期反应不明显第3到第5期逐步上升之后逐渐回落贷款余额同比冲击对固定资产投资同样存在滞后2到4期的正向响应随后衰减。这验证了数量型工具的滞后性——货币扩张不会立即推高产出通常存在一个季度的时滞。读脉冲响应图有三个习惯值得分享。第一不要只盯单期响应要同时看累计响应曲线累计响应能反映冲击的总效果。第二留意置信区间的走势置信区间越过零线后响应的显著性就消失了。第三对比不同工具相同目标的反应路径这比单条曲线更有说服力——比如M2冲击对产出的影响峰值在滞后4期而贷款余额冲击对投资的影响峰值在滞后3期说明信贷渠道的传导时滞略短。5.2 方差分解的百分比到底说明什么方差分解回答的是另一个问题预测误差的变动中有多大比例来自其他变量的冲击。它把总预测误差分解到每个结构冲击上能给出各变量的相对贡献度。我用一个10期、20期和24期的方差分解结果做了对比。以工业增加值同比的预测误差分解为例样本末尾时点附近来自其自身惯性冲击的贡献大约在60%左右来自M2的贡献约为18%来自固定资产投资和贷款余额的贡献合计约15%来自CPI和其他结构冲击的贡献不到10%。这说明工业增加值的波动主要由自身惯性主导数量型货币工具确实有可观测的贡献但远不是决定性因素。这个约60%是自身惯性的结论恰恰是最扎实的实证结果。写给读者一句话不要期待数量型工具能解释企业生产波动的大头宏观变量的惯性实在太强了货币政策的边际效应更多体现在边际调整上而不是总量的决定性驱动。论文里能做出这种有分寸感的结论比放卫星式的结论更让人信服。6. 稳健性检验与政策含义论文的最后两步怎么走6.1 稳健性检验的三个常用动作一篇实证研究的说服力很大程度上取决于稳健性检验做的有多认真。我做了三个动作动作一是替换核心变量。把核心解释变量从M2同比换成金融机构人民币贷款余额同比再把社会融资规模存量同比作为补充变量观察脉冲响应方向是否一致。这一步能说明结论不是由单一变量口径驱动的。动作二是调整样本区间。把全样本从2008-2023年缩短为2010-2023年剔除掉最初两年波动最剧烈、且信贷政策非常规操作最集中的时段比对系数符号和脉冲响应形态。方向一致、幅度略有变化的结果是可以接受的如果方向翻转就要警惕结论的脆弱性。动作三是改变外部冲击识别方式。标准的简化型VAR对脉冲响应的识别是Cholesky分解这种分解对变量顺序很敏感。我通过调整变量排列顺序把M2放在最前面和最后面各做一次结果对比确认主要结论没有因为变量顺序改变而逆转。如果你的计量基础够扎实还可以进一步考虑加入短期约束的SVAR模型用经济含义约束来替代纯统计识别那会让模型的解释力更上一层楼。6.2 一个容易被答辩老师追问的问题价格型工具的对照组做数量型货币政策工具的研究很难回避一个问题利率政策价格型工具本身对实体经济也有显著影响研究中没有把利率变量放进去会不会遗漏重要解释变量我的应对逻辑是两条。第一条是研究边界声明本文聚焦数量型工具的传导效应利率变量在样本区间内与数量型变量存在较强的共线性同时放入模型会让识别精度下降。第二条是间接处理我在稳健性部分引入7天银行间回购加权利率的中期均值作为控制变量发现主要结论没有改变后在文中如实报告。这既回答了遗漏变量疑问又没有让模型变得臃肿。整个实证过程走到这里结论已经比较清晰数量型货币政策工具向实体经济的传导整体有效但作用具备明显滞后性产出端反应快于价格端投资端是重要的中间传导环节。在政策含义上我的建议是密切关注政策操作到出现统计效果的时滞长度逆周期调节需要一定预判性叠加经济内生惯性较强的事实决策应保留在动态过程中不断修正的空间。这个分寸感回归绪论政策效果有限但有意义的判断会让整篇论文形成前后呼应。在写最后这部分时我想特别分享一点个人经验实证研究的产出与其说是一组显著的结果不如说是一组可信的边界。数量型工具不是万能的但它确实能通过信贷渠道和货币渠道对实体经济的产出端、投资端产生陆续显现的影响。很多时候论文的价值不在于把结论写成政策非常有效而在于把你的样本区间里看到的真实传导时滞和幅度讲清楚——这种有限但准确的结论才是审稿人和答辩评委真正愿意接受的东西。