内容提要：在具有总量效应的同时，货币政策和财政政策在产业效应方面各自表现如何？本文运用1990-2008年东、中、西部地区的动态面板数据模型进行实证分析，结果显示：东部与中部地区的货币政策和财政政策都具有产业效应，而西部地区货币政策和财政政策的效应均不理想，同时，货币政策和财政政策对三次产业的效应都存在明显的区域性。并且，结合相关理论，文章从产业和区域两个层面进行实证分析，揭示出产业间在增量资本产出率和政府扶持力度以及区域间在银行集中度和基础设施投资方面存在的差异，是造成这种结果的主要原因。

关键词：货币政策，财政政策，产业效应，动态面板数据模型

一、引言

实现经济平稳快速增长，在促进总量增长的同时积极推进产业结构调整，一直是理论和实务界探讨的重要课题之一。货币政策与财政政策对实际产出是否具有总量效应是以往理论讨论的焦点，直至近期，争论才逐渐减少，至少绝大部分的学者和政策制定者已经承认短期的政策总量效应。相应地，人们将更多的关注转向政策的其他方面，如以往讨论较少的政策“微观”效应，本文的研究主要涉及其中两方面的内容：

第一，货币政策与财政政策的产业效应(Industrial effect)。Ghosh(2009)、Alam & Waheed (2006)、Hayo & Uhlenbrock(1999)和Ganley & Salmon(1997)使用VAR方法分别就印度、巴基斯坦7个产业部门、德国制造业和采矿业中的子部门、英国24个产业部门的货币政策效应进行了实证研究，结果表明货币政策的传导中存在显著非对称的产业效应。相比之下，国内的研究将视角定位于货币政策和财政政策的产业效应方面的研究仍较少，只零星地出现在一些文献中。如国建业、唐龙生(2001)从理论上确定了财政政策在促进产业结构调整方面的有效性。戴金平、金永军、陈柳钦(2005)运用实证方法证实第一、二产业和房地产业对利率政策冲击反应明显，而第三产业、餐饮业和批发贸易零售业反应较小。闫红波、王国林(2008)认为统一的货币政策对不同产业往往带来不同的影响，其实证研究表明我国货币政策对制造业中各产业存在非对称性。

第二，货币政策与财政政策的区域效应(Regional effect)。近年来已有不少文献对我国货币政策与财政政策存在的区域效应进行了定量和定性的分析，结果显示它们都具有明显的区域差异效应(陈安平，2007)，尤其是货币政策表现更为明显(宋旺、钟正生，2006)。

当然，本文还涉及货币政策和财政政策的效应比较。陈安平(2007)通过实证发现与货币政策相比，财政政策对区域经济发展的作用更大。而钟永红(2007)运用实证方法发现：积极货币政策的经济增长效果无论是在短期还是长期内均要强于财政政策。

鉴于此，本文将从两个不同角度进行实证比较——货币政策与财政政策的产业效应对比、东中西部的区域效应对比，以期更系统地揭示货币政策和财政政策在区域间产业效应方面的表现。

二、理论基础

从理论上看，货币政策与财政政策的产业效应与总量效应近乎一致，只是产业效应细化为对不同产业的产出效应。

(一)“货币观点”(Money view)和“信贷观点”(Credit view)

在20世纪70年代的滞胀之后，西方经济学在新凯恩斯主义、货币主义和新古典综合派等的混合下达到了一系列新的所谓“共识”。其中，货币政策对实际产出的传导机制主要体现为所谓的“货币观点”，即利率渠道。他们认为货币政策通过直接影响短期利率来实现对实体经济效应的传导。

传统上，货币观点在西方经济学中占据主导地位，相应地，他们认为货币政策的信贷渠道大多表现为以发展中国家为代表的信贷配给(Credit rationing)。直至20世纪80年代，以Bernanke and Blinder(1988)为代表的西方学者才明确提出现代的“信贷观点”，即强调金融资产与负债的独特作用的信贷渠道。这种意义上的信贷渠道包含两方面的涵义：其一，银行贷款渠道，它强调银行信贷的特殊性和银行在金融体系中的作用。依照银行贷款渠道，银行在货币政策影响实体经济的传导过程中发挥了尤其关键的作用(Walsh，2004)。当货币当局作出影响银行准备金头寸的政策时，利率和银行部门的资产负债都将进行调整，银行资产负债表的负债方变动反映政策对银行存款和货币供给的最终影响，资产方的变动则反映对银行信贷供应量的影响。若银行无法通过调整其持有的证券数量等方式抵消准备金变动的影响，那么银行贷款将发生变化，进而作用于投资和实际产出。其二，更广义的金融加速器效应，它强调由于信息不对称导致的信贷市场的不完美。信贷市场的这种不完美性，导致企业外部融资的代理成本高于内部融资，即有外部融资额外费用。于是，投资就必须依赖于企业的资产负债表的状况：较低的现金流量和资产净值对于投资有直接或间接的负面影响，直接的影响是因为它减少了内部融资的来源，间接的影响是因为它提供更少的抵押品而增加了外部融资成本。

总体而言，我们认为“货币观点”与“信贷观点”并不对立，两者之间存在着交叉且递进的部分，只是“货币观点”强调利率在货币政策传导中的关键作用，而“信贷观点”强调银行、信贷市场在政策传导中的关键地位。因此，在货币政策的传导中，利率渠道和信贷渠道主辅交替、互为补充。信贷渠道成为主传导时主要具备如下条件：

第一，对于大多数企业而言银行贷款具有不可替代性，同时，对于大部分银行而言存款负债具有不可替代性，货币政策的主传导为信贷渠道。特别是在金融市场欠发达的经济体中，因为微观主体获得资金的渠道单一，缺乏可以替代银行贷款的资金途径。如此情况下，即使利率已实现市场化，信贷渠道仍是最直接和最有效的传递货币政策的途径。如果金融市场发达，当货币当局实施紧缩政策，银行收紧银根减少信贷，但是，由于私人部门存在股票融资等多种可替代性途径以弥补信贷市场的紧缩，此时，起主要作用的可能不是信贷渠道，而是利率渠道。当然，在金融市场发达的经济体中，信贷渠道也可能起着至关重要的作用，只要上述的两个“不可替代性”存在。比如当市场管制较严时，信贷渠道中的银行贷款渠道将变得更为重要，因为银行可以采取的抵消准备金变动的措施受到限制。

第二，在利率非市场化的经济体中，货币政策的主传导表现为信贷渠道，而且很可能表现为信贷配给。具体而言，一方面，当利率受管制的情形下，信贷市场上的贷款需求高于供给，贷款者中只有一部分的贷款申请被满足。另一方面，由于信贷市场存在着严重的信息不对称，可能引发逆向选择风险和道德风险，即使利率未受到管制，银行也宁愿实施信贷配给，而不愿意提高利率以满足所有的贷款需求。

(二)财政政策的产业效应机制

财政政策对实体经济的作用机制主要通过政府支出政策、税收政策调节资金总量和流向，引导微观经济主体(企业)优化投资活动，促进区域产业间、产业内部结构的不断调整，进而，实现区域产业结构向合理化、高级化演变。具体来看，首先，观察国民收入恒等式：

Y=C(Y-T)+I+G+NX

其中，政府购买支出G直接影响实际产出Y，而税收T则通过影响消费C间接地影响实际产出Y。并且，由于边际消费倾向小于1，税收对产出的效应往往低于政府购买支出对产出的效应。

其次，一般而言，在发展中国家财政支出在财政政策的产出效应中地位更为重要。一方面，是由于税收的产出效应和替代效应可能相互抵消。另一方面，与发达国家相比，发展中国家税收效应可能由于税制结构功能缺位，各个税类、税种的地位、作用和税种间的关系难以协调，税制结构整体合力不够等原因，效果不甚明显。特别地，在一些国家(如我国)外资企业在税收上具有“超国民待遇”，致使税收效应在不同的微观主体上敏感度和影响程度各不相同。

第三，理论上，以财政支出为主要手段的财政政策主要以三种效应对实体经济产生影响：①财政支出的“财富效应”①。当政府因为财政支出的扩大而向公众发行债券，且财政政策为非李嘉图制度时，公众会由于手中的债券资产数量增加而感到财富增加，继而增加当前消费从而提高产出。②财政支出的“生产效应”。作为公共性支出，财政支出具有生产性特征，一方面，基础设施投资等公共投资可以作为生产要素直接进入生产函数，当中央或地方政府增加基础设施投资时，产出增长；另一方面，由于公共性支出的提高，使得基础设施不断完善，可以吸引高技能劳动力的流入，形成产业集聚效应，提高该产业的私人资本收益率，进而私人投资增加，促进产出增加。③财政支出的“内部需求效应”。具体包含两方面：一是公共基础设施投资(交通、通讯、法律等)的增加导致区域内生产者与消费者的交易成本降低，交易成本的降低刺激需求，进而市场扩大导致区域产业集聚；二是财政支出通过政府采购的形式直接影响总需求，通过产业的“后向关联”形成产业集聚(赵文哲、周业安，2009)。由此可见，财政支出的产业和区域效应主要表现为以基础设施投资为主的公共投资所产生的“生产性效应”和“内部需求效应”。

基于以上理论，本文的实证部分将以信贷渠道为主分析货币政策的产业效应，以财政支出的效应为代表分析财政政策的产业效应。

三、数据说明、变量设置与模型设定

(一)数据说明与变量设置

由于1990年之前重庆的数据难以获得，所以实证运用的样本包括1990-2008年东部地区11个省市自治区、中部地区8个省市自治区和西部地区12个省市自治区的三个面板数据。数据来源于中经网数据库、《新中国五十五年统计资料汇编》和各地2009年统计公报。具体说明如下：

1.地区的选取。按照目前多数文献的划分标准。东部地区包括11个省市：北京、天津、河北、山东、江苏、上海、浙江、福建、广东、辽宁、海南；中部地区包括8个省：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括12个省自治区直辖市：陕西、甘肃、青海、宁夏、新疆、四川、重庆、广西、内蒙古、云南、贵州、西藏。

2.变量的设置。首先，本文使用三次产业的增加值作为被解释变量，分别表示第一产业部门(包括种植业、林业、牧业和渔业)、第二产业部门(工业和建筑业)和第三产业部门(包括流通部门和服务部门)在一个清算周期(以年计)比上个清算周期的增长值。其次，解释变量选取“财政支出”、“金融机构贷款余额”和“居民消费物价指数”，其中，“财政支出”反映财政政策的状况；“金融机构贷款余额”反映货币政策的状况，“居民消费物价指数”体现通货膨胀的状况。最后，除居民消费物价指数以外，所有变量均取对数值。

(二)模型的设定

根据前文的理论分析和上述的数据选取与变量设置，我们设立如下基本计量模型：

lnyrt=α0+α1lncdrt+α2lnfsrt+βπrt+urt

i=1，2，…，N  t=1，2，…T    (1)

其中，下标r表示省自治区直辖市，t表示年份；y为被解释变量，即包含三次产业增加值的向量(il，i2，i3)′，i1表示第一产业实际增加值，i2表示第二产业实际增加值，i3表示第三产业实际增加值；cd和fs是我们关注的解释变量，cd表示金融机构贷款余额，fs表示地方财政决算支出；π代表居民消费物价指数的增长率，用来衡量各地的通货膨胀水平；urt为复合误差项，α和β分别代表截距项和各个解释变量的系数矩阵。

进一步地，由于三次产业增加值的增减很可能依赖于其过去的波动情况，而货币政策与财政政策的效应均存在时滞，通常来说，货币政策的(外部)时滞一般为半年至两年；而财政政策的内部时滞较长，外部时滞较短。所以，为了防止出现基本计量模型的设定偏误，我们将基本计量模型扩展为一个动态面板模型，即加入被解释变量和主要解释变量的滞后项。此外，动态面板模型还具有明显的优点，即允许解释变量不是严格外生的(Roodman，2006)。因此，在基本计量模型的基础上我们建立如下动态面板模型：

lnyrt=α0+ρlnyrt-1+α1lncdrt+α2lncdrt-1+α3lnfsrt+α4lnfsrt-1+βπrt+ar+vrt    (2)

其中，lnyrt-1是被解释变量的一阶滞后项；lncdrt-1和lnfsrt-1分别表示两个主要解释变量(金融机构贷款余额和地方财政决算支出)的一阶滞后项；ar表示非观测的固定效应；vrt表示随机误差项。

四、产业效应的经验分析②

鉴于单位根③和协整关系④的检验结果，我们将动态面板模型(2)中的所有变量取一阶差分，dlni1，dlni2，dlni3，dlncd，dlnfs和dπ。接着，运用混合OLS估计(Pooled OLS)、固定效应估计(FE)和系统GMM估计⑤对三组面板数据分别进行估计，结果如表1、表2和表3所示。

之所以选择固定效应而非随机效应模型，一方面由于Hausman检验支持固定效应模型；另一方面因为我们选取的样本性质，当样本被认为是从一个大总体中随机抽样出来时，随机效应模型更为适合，否则就应该运用固定效应模型。其次，因所使用的计量模型(式(2))为动态面板数据模型，所以很可能由于被解释变量的一阶滞后项lnyrt-1与复合误差项中的ar存在相关性，从而导致混合OLS和固定效应的估计结果都是有偏的。一般地，因变量滞后项系数(ρ)的混合OLS估计值会存在向上偏误，而固定效应估计值会存在向下偏误，一致性估计量往往在两者之间⑥。故此，我们将三个估计方法的结果同时列出进行比较。结果显示，绝大部分GMM估计的因变量滞后项系数(ρ)均在混合OLS估计值和固定效应估计值之间。最后，为克服动态面板模型的内生性等问题，我们主要以GMM估计的结果为准进行分析。此外，为了对GMM估计中工具变量⑦的有效性进行检验，我们使用Sargan过度识别检验，结果表明使用的工具变量合适。接着，在实证结果的基础上对分区域的货币政策和财政政策的产业效应予以分析：

首先，除西部地区之外，其他区域中货币政策的产业效应大都表现出了时滞效应，即滞后一期的金融机构贷款余额变动对三次产业增加值的变动具有统计意义上显著的系数。而以财政决算支出为代表的财政政策的产业效应则未表现出时滞，即当期的地方财政决算支出变动对三次产业增加值变动具有显著的系数。这与之前的理论分析一致，即货币政策一般具有较长的外部时滞。

第二，以不同区域的横向比较来看，货币政策与财政政策对三次产业的作用均具有区域效应。货币政策对三次产业的效应在中部地区表现最强，尤其是对第一产业的效应在中部地区表现非常突出，这很可能是由于中部地区农业信贷的比重较大所致，此外，在西部地区货币政策对第二产业和第三产业的效应很小(系数都接近于0.05)，表明以信贷为主导的货币政策对工业、建筑业和服务业等的支持力度仍太小；财政支出对三次产业的效应在东部地区显示最强，特别是对第二产业的效应，而在西部地区财政支出对三次产业的效应都表现得不显著，这或许说明西部地区的经济发展中财政政策远未发挥其应有的作用。

表1    东部地区的主要回归结果

注：括号中的数值为标准差，***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著。