中国通货膨胀的产业结构配置效应分析

　　摘要：本文运用 2005—2017 年的中国省际面板数据，构建了中国通货膨胀对三次产业产出构成影响的动态面板数据模型，基于稳健的一步系统 GMM 估计法进行实证研究并进行稳健性检验。研究认为，我国通货膨胀对第一产业和第二产业产生了显著的正向影响，而对第三产业则产生了显著的负向影响，加之可持续的经济增长有利于三次产业结构的调整，因此通货膨胀并未阻碍我国产业结构的优化升级进程。虽然近几年来我国并未出现明显的通货膨胀，但存在局部的结构性价格上涨情况，各产业部门应结合现实经济情况，深入推进供给侧改革，促进市场供求均衡以确保我国宏观经济稳定健康发展。

　　本文源自聂飒， 当代经济 发表时间：2021-07-10

　　关键词：通货膨胀;产业结构;动态面板数据模型;系统 GMM 估计方法

　　一、引言

　　进入新世纪以来，我国经济得到了快速发展，与当时的宏观经济情况相一致，我国通货膨胀率则呈现了剧烈的波动态势。2012 年 5 月以来，我国通货膨胀率始终处于 3%以下，物价总水平看似处于稳定状态，但经济发展速度却有所下降，经济进入新常态，传统的需求管理效果不明显。在这一背景下，国家审时度势提出了供给侧结构性改革，以去产能、去库存、去杠杆、降成本、补短板(三去一降一补)为主要任务，调整优化产业结构，转变经济增长方式，全面深化经济体制改革，促进经济高质量发展。众所周知，物价水平的变化，一方面是需求管理的表现，另一方面是对供给侧产生信号传递的作用，它是市场发挥资源优化配置决定性作用的关键。很明显，促进物价总水平基本稳定是为了提升资源的配置效率。当物价水平变化较为剧烈时，将会导致资源配置效率的损失，从而对经济造成不利影响(Fischer，1982)。在现实经济中，由于不同产品价格调整是非同步进行的，物价总水平的变化就会造成相对价格的差异，这种相对价格的扭曲转而会导致资源在部门之间配置的低效率，尽管总产出仍然处于很高水平，但产出的构成将受到一定的影响(Fischer，1982;Woodford，2003)。因此，本文将研究物价总水平的变化(通货膨胀)对产出构成的影响，这不仅可以了解市场配置资源的情况，同时也可以为供给侧结构调整提供一定的参考。

　　国内外关于这一选题的研究颇少。从国外研究来 看 ，大 量 文 献 从 通 胀 与 部 门 产 出 增 长 率(Iscan & Osberg，1998;Muhammad，2016)、货币政策冲击对产出的 影 响(Peersman & Smets，2005;Dedola & Lippi， 2005;Balke & Wyne，2007;Lastrages，2006 等)等角度进 行 研 究 。 与 本 文 研 究 最 为 相 关 的 是 ，Geirge et. (2011)运用 1970—2005 年 7 个 OECD 国家 9 个部门的数据，通过构建动态面板数据模型并进行脉冲响应分析，检验了通货膨胀与实际部门产出构成的关系。从国内研究来看，早期研究中大多从理论上探讨了通货膨胀与产业结构演变的关系(崔友平，1989;王师勤， 1990;郭克莎，1990 等)，也有学者从通货膨胀产生的原因分析了通胀对不合理的产业结构的影响(李真， 2011)，潘敏等(2012)则研究了中国产业结构调整对通货膨胀缺口持久性的影响。郭宁(2014)首先分析了通胀在中国三次产业中的表现，接着从理论上分析了通货膨胀对产业结构的影响机制，通过构建 VAR 模型进行脉冲响应分析研究了各产业对通胀的冲击反应，并找出了反应不同的原因，最后提出政策建议。聂飒(2017)运用动态面板数据模型研究中国通货膨胀对 8 大部门产出份额的影响，分析通货膨胀对各部门的配置效应。本文将在此基础上做进一步研究，探讨通货膨胀对三次产业产出构成的影响，即构建动态面板数据模型实证检验我国通货膨胀的产业结构配置效应问题。

　　二、计量模型及方法

　　如前文所述，本文实证研究的假设是通货膨胀会对产出构成产生影响。考虑到调整成本及惯性因素，产出构成由包括其自身在内的许多因素决定，需要将被解释变量的滞后项引入模型，因此本文构建的是动态面板数据模型。同时，将通货膨胀作为内生变量，其滞后项作为工具变量引入模型。考虑到人们对商品和服务的相对需求与人均实际收入水平相对应，再将人均地区产值的对数及其滞后项作为外生控制变量引入到模型中，用来反映经济增长效应。此外，考虑到不同区域间的异质性，用省份虚拟变量来捕捉特定的固定效应，引入时间虚拟变量来控制其他外生性因素的干扰。综上，本文所构建的动态面板数据模型形式如下： Sijt =∑k = 1 m1 αki Sijkt - k +∑k = 0 m2 βki πt - k +∑k = 0 m3 θkj yjt - k + ηij + εi λt + uijt (1)上式中，Sijt 为被解释变量，表示在时间 t 情况下 j 地区 i 产业的产出构成;πjt 为解释变量，表示时间 t 情况下 j 地区的通货膨胀率;yjt 为外生控制变量，表示时间 t 情况下 j 地区的人均地区产值的对数;ηj 表示地区虚拟变量;λt 表示时间虚拟变量;uijt 为通常的随机误差项。

　　上 述 模 型 中 被 解 释 变 量 的 滞 后 阶 数 ，可 以 根 据 Arellano & Bond(1991)选择自相关检验法来识别滞后阶数。为了处理固定效应，可将方程(1)进行一阶差分处理，差分后被解释变量与残差项存在相关性，此时方程的 OLS 估计是有偏并且非一致的。为了解决此问题，Arellano & Bond(1991)建议在 GMM 估计中将滞后被解释变量以水平方式作为工具变量，这种策略被称为差分 GMM 估计，关于使用一步估计还是两步估计，Bond(2002)建议使用一步估计就可以满足实证研究。此外，以水平方式引入的工具变量可能是非平稳的，差分 GMM 估计存在一个弱工具变量问题(Bound，1995)。 Blundell & Bond(1998)建 议 使 用 Arellano & Bover(1995)的系统 GMM 法估计，该方法使用被解释变量的差分形式引入工具变量矩阵以解决 上 述 弱 工 具 变 量 问 题 。 根 据 Blundell & Bond (1998)的模拟结果，当滞后被解释变量的参数接近于 1 时，应用系统 GMM 法估计的效率得到了大幅的改善。因此，采用这种稳健的系统 GMM 一步估计法进行实证检验。

　　三、指标及数据说明

　　为了检验通货膨胀的产业结构配置效应，本文选择 2005—2017 年全国 31 个省市自治区三次产业构成及通货膨胀率数据，数据来源于 2006—2018 年《中国统计年鉴》。根据我国现行产业级次分类可知，第一产 业(Primary Industry)包 括 农 林 牧 渔 业 ;第 二 产 业(Secondary Industry)包 括 工 业 和 建 筑 业 ;第 三 产 业(Tertiary Industry)即是服务业。本文中所涉及到的产业构成数据是根据上述三次产业增加值占地区生产总值比重计算，通货膨胀率数据则根据各地区 CPI 价格指数计算。根据 2005—2017 年全国 31 个省区的数据可以整理出全国各地区三次产业的平均产出构成及平均通货膨胀率数据，如表 1 所示。

　　由 表 1 可 以 看 出 ，全 国 通 货 膨 胀 平 均 水 平 处 在 2.72%，除西部地区超出平均水平外，其他地区均低于全国平均水平。从三次产业平均产出构成来看，东部地区第一产业比重最低，第三产业比重超过第二产业比重，说明东部地区的产业结构得到了优化提升;其他地区仍然处于第二产业主导，第三产业相对落后的状态;与其他地区相比，西部地区则是第一产业比重最高，第三产业比重接近全国平均水平。由此可见，由于我国各地区经济发展水平不同，通货膨胀水平不同，产业结构调整亦存在明显的不一致性，这说明通货膨胀将会对产业结构调整产生不同的影响，这即是本文要检验的问题。

　　四、实证检验结果

　　在估计本文所构建的理论模型之前，非常有必要进行一系列的统计检验，包括面板单位根检验、面板协整检验及面板因果关系检验，为本文的实证研究奠定一定的统计基础。由于文中所涉及到通货膨胀率、人均地区生产总值对数两个变量在现有研究中已经通过统计检验，均是平稳序列。同时，本文所使用的动 态 面 板 数 据 系统 GMM 估计中包含了一阶差分程序，可以保证所有变量的平稳性特征，而且现有文献已经验证了通货膨胀与产业结构之间的关系，因此本文不再重复进行统计检验工作，而是直接进行实证检验。

　　(一)稳健的一步系统GMM估计结果

　　本文基于中国 2005—2017 年的省际面板数据，将通 货 膨 胀 率 视 为 内 生 变 量 ，运 用 Arellano & Bover (1995)的 系 统 GMM 估 计 法 进 行 稳 健 的 一 步 系 统 GMM 估计。由于面板数据特征，上述模型估计程序将会产生大量工具变量，为了保证工具变量数小于观测数，本文在 gmmstyle 中设置 collapse 选项以控制工具变量数。本文共涉及到 3 个模型，所有估计结果如表 2 所示。从 Hansen 检验结果来看，所有模型均接受过度识别限制条件的假设。从 AR(1)和 AR(2)检验来看，3 个模型均接受存在一阶自相关性，模型 1 接受存在二阶自相关性。从所有模型来看，一阶滞后被解释变量的系数均为正数且均是统计显著的，表明三次产业的产出构成都受到上期影响。同时，所有模型的通货膨胀率(INF)及其滞后项对各部门产出份额均是显著的，但作用方向存在差异。具体来说，由模型 1 结果可知，当期的通货膨胀率及其滞后项对第一产业(PI)产出份额的影响均为正向，且当期在 1%显著性水平下统计显著，而滞后二期则在 5%显著性水平下统计显著，结果表明通货膨胀会提高第一产业的产出构成;由模型 2 结果可知，当期和滞后二期通货膨胀率的系数均显著为正向，滞后一期系数为负但统计不显著，说明从长期来看通货膨胀对第二产业产生正的配置效应;由模型 3 结果可知，当期及滞后二期的通货膨胀率的系数均为负向且统计显著，说明通货膨胀将对第三产业产生负向的配置效应。由此可知，通货膨胀虽然对第二产业保持了正向的配置效应，但阻碍了第一产业和第三产业的优化升级进程，产生了不利的配置效应，以上结果符合通货膨胀对产业结构影响的作用机制(郭宁，2014)。

　　再由所有模型中人均地区产值对数系数来看，短期内经济发展对第一产业产生负向影响且统计显著，对第二产业产生显著的正向影响，但对第三产业则产生负向影响;长期看经济发展将会对第一产业产生显著正向影响，而对工业将会产生较为明显的负向影响，对第三产业将会产生显著的正向影响。我国经济高质量发展对三次产业提出了较高的要求，由于产业调整需要一个过程，短期内由于无法满足要求，因此经济增长效应可能为负向，但从长期来看，经济增长将会不断促进产业结构的调整优化。

　　(二)稳健性检验结果

　　稳健性检验是为了检验研究结论对于不同估计技术的灵敏度。本文根据 Hausman 检验结果，运用固定效应和随机效应方法剔除滞后被解释变量以后重新估计上述模型，结果如表 3 所示。

　　由表 3 中数据可知，通货膨胀率及其滞后项对第一产业、第二产业均产生正向的影响且统计显著，对第三产业则产生负向的影响且统计显著，这与本文动态面板数据模型的估计结果一致，证明本文的实证研究结果相对于不同的估计策略具有较强的稳健性。同时，根据稳健性检验结果可以发现，短期内经济增长对于第一产业和第三产业产出构成均是负向的配置效应，而对第二产业则是正向影响;长期看则会对第一产业和第三产业产生正向配置效应，而对第二产业则会产生负向配置效应，这符合我国产业结构调整的目标与过程。将表 3 中模型估计结果与表 2 相比较，说明了稳健的一步系统 GMM 估计方法得到的结果精度更高。

　　五、结论

　　本文运用 2005—2017 年的中国省级面板数据构建中国通货膨胀对三次产业产出构成影响的动态面板数据模型，将滞后被解释变量引入模型，基于稳健的一步系统 GMM 估计法进行实证研究并进行稳健性检验。研究认为，我国通货膨胀对第一产业和第二产业产生了正向的影响，而对第三产业则产生了负向的影响，但经济发展在长期内有利于三次产业的调整，其经济增长效应要明显大于通货膨胀效应。由于近几年来我国的通货膨胀压力并不明显，但存在明显的结构性价格上涨情况(蔬菜、水果等食品类)，由此导致的相对价格扭曲无疑会破坏市场价格机制对供给侧的信号传递作用，因此各产业部门应结合现实经济情况，深入推进供给侧结构性改革，促进供求均衡以确保我国宏观经济的平稳健康发展。