【《电子货币对货币政策效率影响的实证研究》3600字】

电子货币对货币政策效率影响的实证研究1.1样本选取与数据来源模型设计参考了贾丽平等（2019）的研究设计。其中电子货币指标借用了央行发布的银行卡存款余额和互联网及移动支付规模总和，选择了2010-2020年间共11年的季度数据进行研究，总共包括了105个观测样本。数据来源是Wind数据库。1.2变量定义由于电子货币在国内并没有具体的统计量数据，一直以来都是电子货币研究的难点。严佳佳和林毓鑫（2020）在研究电子货币对于货币政策中介指标的影响时，借用第三方支付的数据模拟电子货币对利率指标的冲击[27]53-66。贾丽平等（2019）也借用互联网和移动支付规模总和来指代电子货币的总量[31]。刘宏海（2016）利用统计分析软件探讨了电子货币对国家货币供应量的影响，发现电子货币在取代现金的过程中可以提高货币乘数，增强中央银行对货币供给的控制难度，在文章的最后，他还指明了政府部门后续的行动方向[32]。宁浮洁（2016）通过网上银行交易额和第三方支付交易额来计算电子货币数量，利用实证的方法探究了电子货币在流通过程中所产生的影响，发现其在长期内可以增强货币流动性，但是短期内却会降低货币流动性。因此，他明确提出了对电子货币进行监管的必要性，提出了有关的监管措施[33]。北京大学经济学院的宋芳秀和胡修修（2015）选用了存款型电子货币和以余额宝为代表的同业存款货币基金来替代电子货币总量M0，以探讨电子货币对货币供应量的影响[17]121-126。王峥（2018）在对电子货币进行实证分析时，选用了第三方支付数据量进行替代[11]90。湖南大学的杨胜刚和廖虹媛（2018）等在使用VAR模型进行实证研究后发现，随着手机等科技的普及程度越来越高，移动支付已成第三方支付的主要代表形式以及人们普遍接受的支付方式，因此选用移动支付数额代表我国电子货币的发展水平[6]62。苑秉纪（2021）在模拟我国电子货币对货币供求的影响时，采用了央行自2010年的支付体系运行报告中非现金支付额这一数据，以替代电子货币这一数据量在我国统计的空白[34]。而北京大学的施建淮（2021）教授在对电子货币进行价格效应的评估时，用银行卡消费额模拟电子货币总量[28]74-80。周丹丹（2015）认为，在国内对于电子货币没有具体统计量的时候，学术界通常采用银行卡的消费数据或者存款余额来代表电子货币这一变量，消费额体现了电子货币的消费利用，而存款余额体现了电子货币规模[18]57-59。根据其定义，电子货币是基于银行转账，因此本文将选用银行卡存款余额和互联网支付规模总和EM作为电子货币的替代指标，这将覆盖居民个人银行卡余额以及各种互联网交易，更好地衡量电子货币规模程度，体现会流通中现金的替代作用。其缺点在于选用范围较广，会夸大EM的数量。但由近年来电子货币的蓬勃发展，仅仅采用第三方支付数据的方法已经不能满足实际需要，因此该变量比较契合本文的实证理论分析。表1：变量设定变量指标符号电子货币规模银行卡存款余额和互联网及移动支付规模总和EM经济发展国内生产总值当季值GDP通货膨胀消费者物价指数CPI价格型货币政策shibor利率shibor数量型货币政策广义货币供应量M21.3模型构建由于电子货币规模和货币政策都是我国宏观经济的变量，具有时序性特征，所以借助2010-2019年的时间序列数据开展分析，选择的模型是VAR向量自回归模型，模型有助于考察电子货币规模对货币政策和经济指标影响的时序变化，其原理是借助电子货币规模冲击实验，分析经济增长、货币供应量、通货膨胀率、同业拆借利率等指标的响应变化，从而得到货币政策各个传导路径的影响效果。1.4实证过程1.4.1描述性统计分析本文使用统计软件Eviews进行数据计算。描述性统计结果中呈现了各变量的统计学指标，可以根据标准差除以平均系数得到变异系数，可以得到，经济增长（GDP）、货币供应量（M2）、通货膨胀率（CPI）、同业拆借利率（shibor）以及电子货币规模（EM）的时间序列具有良好的差异性，说明适合采用计量经济模型分析多组变量的数量经济关系。同时，发现GDP、M2和EM的绝对数值较大，可能影响到系数的解释性，所以后文的建模分析中，都将这3组时间序列对数化处理。表2：描述性统计分析GDPCPIM2SHIBOREM平均值176171.80106.051347269.004.04183433.50中位数168549.70101.901333375.003.9928136.50最大值278019.70139.002164085.007.57621000.00最小值87501.3093.60649947.501.742083.00标准差50149.959.33450194.101.37229473.20偏度0.241.490.130.640.83峰度2.105.301.843.001.95图1-图4中呈现了数据的时序图，可以发现GDP、M2和EM呈现明显的不平稳特征，GDP具有明显的周期性特点，所以后文中应当采取单位根检验，并对各组序列采取一阶差分处理。另外，鉴于GDP序列的周期性，本文采用了H-P滤波法得到了新的GDP序列，如图5所示。可以初步得到，电子货币规模与CPI、GDP、M2之间存在一定关联性。图1：GDP和电子货币的关系图表图2：shibor和电子货币的关系图表图3：M2和电子货币的关系图表图4：CPI和电子货币的关系图表图5：GDP滤波和电子货币的关系图表1.4.2平稳性检验本文采用ADF检验来测试各个序列是否存在单位根，序列的滞后项选择依据是Eviews中SIC检验。若序列不平稳，应当对序列一阶差分后再检验是否存在单位根。表3-表7中显示了各自变量的ADF检验结果，除了对数化M2能够通过5%的ADF检验以外，其他所有序列变量无法通过10%的显著性水平，说明只有M2的平稳的，其他序列应当进一步差分处理。表3：ln(EM)的检验结果AugmentedDickey-Fuller测试值T检验P值-1.04210.72851%level-3.61055%level-2.939010%level-2.6079表4：ln(GDP)的检验结果AugmentedDickey-Fuller测试值T检验P值-0.14790.93661%level-3.61565%level-2.941110%level-2.6091表5：CPI的检验结果AugmentedDickey-Fuller测试值T检验P值-1.79300.37881%level-3.59665%level-2.933210%level-2.6049表6：shibor的检验结果AugmentedDickey-Fuller测试值T检验P值-1.67470.43631%level-3.60105%level-2.935010%level-2.6058表7：ln(M2)的检验结果AugmentedDickey-Fuller测试值T检验P值-3.85330.00561%level-3.62685%level-2.945810%level-2.6115接着，进一步对模型进行一阶差分处理后，检验结果如表8-11中显示，此时变量是平稳的，说明GDP、shibor、CPI和电子货币规模的一阶单整序列，后文可以采用差分项来建立模型分析。表8：一阶差分ln(EM)的检验结果AugmentedDickey-Fuller测试值T检验P值-5.56160.00001%level-3.60105%level-2.935010%level-2.6058表9：一阶差分ln(GDP)的检验结果AugmentedDickey-Fuller测试值T检验P值-2.62590.09671%level-3.61565%level-2.941110%level-2.6091表10：一阶差分CPI的检验结果AugmentedDickey-Fuller测试值T检验P值-5.22660.00011%level-3.60105%level-2.935010%level-2.6058表11：一阶差分shibor的检验结果AugmentedDickey-Fuller测试值T检验P值-13.15290.00001%level-3.60105%level-2.935010%level-2.60581.5实证结果分析1.5.1最优滞后项检验在VAR检验中，先要对模型进行滞后项检验，一般最优滞后项选择是参照AIC准则信息统计量，在选择最大5期检验中，2阶的AIC统计量为-2.4095，说明建立电子货币规模与货币政策影响的VAR（2）分析是最优的。表12：最优滞后项检验LagLogLLRFPEAICSCHQ0-132.5269NA0.00127.43397.65167.510618.3037235.98640.0000-2.40954*2.478922*1.6333238.455142.37490.00000.89433.28891.7385395.871965.17582*0.0000-0.85792.62510.37004132.104231.33610.0000-1.46513.10640.14665174.576525.25383.38e-07*1.17283.2504-0.414132**表示标准选择的滞后顺序LR：连续修改的LR测试统计信息（每次测试在5％的水平上）FPE：最终预测错误AIC：Akaike准则信息统计量SC：Schwarz准则信息统计量HQ:Hannan-Quinn准则信息统计量1.5.2格兰杰因果检验在滞后5阶的模型显示，GDP、CPI、M2和SHIBOR都不是电子货币规模的格兰杰原因，因为P值都高于0.1。不过，电子货币规模对GDP和SHIBOR的影响通过了5%的显著性水平，一定程度说明，电子货币规模的传导作用主要通过货币需求和货币乘数来传递。表13：格兰杰因果检验原假设:样本量F检验P值LOG(GDP)不是LOG(EM)的格兰杰原因381.35550.2719LOG(EM)不是LOG(GDP)的格兰杰原因2.27780.0751CPI不是LOG(EM)的格兰杰原因381.00520.4337LOG(EM)不是CPI的格兰杰原因0.62560.6816LOG(M2)不是LOG(EM)的格兰杰原因381.14220.3626LOG(EM)不是LOG(M2)的格兰杰原因0.26180.9300SHIBOR不是LOG(EM)的格兰杰原因381.22860.3230LOG(EM)不是SHIBOR的格兰杰原因3.57270.01311.5.3VAR模型分析结果根据表14中的分析结果，呈现了电子货币规模对GDP、CPI、M2和SHIBOR的VAR（2）分析结果，各个系数结果较为复杂，难以判别影响路径，后文将采用脉冲响应图来分析动态变化。同时，图7的倒模根图检验中，得到所有逆AR根都在单位圆内，说明电子货币规模对GDP、CPI、M2和SHIBOR的VAR（4）模型的平稳性良好。表14：VAR模型分析结果D(LOG(EM))D(LOG(GDP))D(CPI)LOG(M2)D(SHIBOR)D(LOG(EM(-1)))0.25120.0141-10.01630.0045-1.2924-0.1947-0.0992-6.0735-0.0149-1.2348[1.28985][0.14175][-1.64918][0.29965][-1.04670]D(LOG(EM(-2)))-0.02570.0034-2.0012-0.00240.3856-0.1955-0.0996-6.0988-0.0150-1.2399[-0.13138][0.03461][-0.32813][-0.16246][0.31099]D(LOG(GDP(-1)))-0.6940-0.943822.41350.0470-1.1151-0.4131-0.2104-12.8843-0.0316-2.6194[-1.68018][-4.48639][1.73960][1.48683][-0.42569]D(LOG(GDP(-2)))-0.2629-0.610810.21030.07260.0667-0.3527-0.1797-11.0027-0.0270-2.2369[-0.74517][-3.39995][0.92798][2.68966][0.02981]D(CPI(-1))0.0029-0.00260.07290.0000-0.0289-0.0059-0.0030-0.1839-0.0005-0.0374[0.49558][-0.87736][0.39627][0.04645][-0.77341]D(CPI(-2))-0.00700.0012-0.23290.00050.0352-0.0069-0.0035-0.2162-0.0005-0.0440[-1.01007][0.32643][-1.07703][0.96579][0.80013]LOG(M2(-1))-3.6447-4.030080.37361.1371-16.9118-2.9554-1.5052-92.1832-0.2262-18.7410[-1.23323][-2.67742][0.87189][5.02660][-0.90239]LOG(M2(-2))3.52443.8961-74.8116-0.148616.0878-2.8778-1.4657-89.7638-0.2203-18.2492[1.22468][2.65823][-0.83343][-0.67476][0.88156]D(SHIBOR(-1))0.0019-0.02511.45230.0008-0.5002-0.0320-0.0163-0.9980-0.0025-0.2029[0.05808][-1.54301][1.45519][0.34452][-2.46554]D(SHIBOR(-2))0.01190.00471.46710.00220.1162-0.0331-0.0169-1.0323-0.0025-0.2099[0.36095][0.27836][1.42121][0.87260][0.55377]C1.92672.0510-79.14600.183212.1513-1.8380-0.9361-57.3313-0.1407-11.6556[1.04825][2.19096][-1.38050][1.30197][1.04253]R-squared0.20940.56850.23340.99860.4837Adj.R-squared-0.06330.4197-0.03090.99810.3057Sumsq.resids0.95240.2470926.58840.005638.2975S.E.equation0.18120.09235.65260.0139