外部资源价格冲击与工业部门通胀的内生关联研究

　　摘要：文章基于近年来国际资源市场价格激烈波动的现实背景，选择３３个工业部门以构建反映部门间内在联系的全局向量自回归模型（ＧＶＡＲ），分析外部资源价格冲击对工业部门价格和产出波动的短期效应，继而通过分解各个工业部门的通货膨胀压力来源，探寻资源价格冲击的主要传导路径。研究表明：（１）国际原油价格冲击对能源、化工和基础原材料部门的价格和产出的短期影响较大，而国际工业原材料价格冲击的影响则集中在冶金和机械等工业部门；（２）外部资源价格冲击的影响存在滞后性，但并未产生第二轮通胀效应；（３）工业部门的通货膨胀压力存在显著的溢出效应，国际原油和工业原材料的价格冲击沿着产业链内在联系构成的固定路径进行传导。在ＧＶＡＲ模型中使用新的工业部门间关联权重后，上述结果基本稳健。文章的研究结论为政府有关部门应对国际资源价格冲击提供了一个细化的行业视角。

　　关键词：资源价格；外部冲击；ＧＶＡＲ模型；传导路径

　　一、引言

　　随着工业化和城市化进程的不断加快，我国对能源和原材料等资源类大宗商品的进口规模也在快速扩张，已逐步成为全球主要的资源进口国。海关总署公布的数据显示，２０１３年我国原油进口２．８５亿吨，对外依存度达５７．３９％；２０１３年铁矿石进口８．２亿吨，对外依存度超过６０％。对外依存度的扩大导致我国经济经常受到国际资源市场价格波动的影响。

　　从国际范围来看，期货交易所是资源交易的主要平台。２０世纪８０年代，纽约期货交易所和伦敦国际原油交易所相继引进原油与天然气期货等资源交易品种，推动原油等资源产品的金融市场交易量逐步超过了实体现货市场交易量。同时，在金融创新的推动下，资源领域的金融衍生品蓬勃发展，期货市场价格开始替代传统的现货贸易价格而成为资源市场的定价基础，这不仅加剧了资源价格的波动，也使其易受各国货币政策、贸易摩擦及政治纠纷的影响。特别是在２００８年国际金融危机爆发后，为刺激美国经济复苏，美联储先后推出数轮量化宽松货币政策（ＱＥ），向市场注入了逾万亿美元规模的流动性，造成美元贬值，并推动了以美元计价的大宗商品的价格飙升。美国政府的宽松货币政策也引发了日本和韩国的相继模仿，“汇率战争”的呼声甚嚣尘上，国际市场的资源价格波动愈加激烈。

　　作为工业部门的主要生产要素，资源类大宗商品的价格波动直接影响相关中间产品的生产成本。然而，这种影响并非均匀地作用于工业体系中的各个部门，而是首先作用于某个或几个部门，再通过相互间投入产出关系逐步传导到其他部门，并最终影响总产出和总体价格水平。在近期“汇率战争”和美国货币政策变动的复杂背景下，深入分析资源类大宗商品的价格冲击对我国工业部门的影响，特别是厘清工业部门价格之间的内在关联和传导路径，并提出减少外部资源价格冲击对工业部门消极影响的具体措施，对我国稳定物价、优化产业结构和稳定经济增长具有非常重要的现实意义。

　　国内外已有不少研究国际大宗商品价格波动对宏观经济影响的相关文献，这些文献运用的方法主要集中在协整理论（或ＶＡＲ方法）、一般均衡模型和投入产出模型。然而，由于研究方法与所选取样本的不同，实证结果并不一致：

　　（１）协整理论或ＶＡＲ方法。

　　Ｃｕ?ａｄｏ和Ｐéｒｅｚ（２００３）运用协整方法发现石油价格在短期对产出具有非对称效应，而对通货膨胀率的影响时间更长。经济增长与宏观稳定课题组（２００８）应用ＶＡＲ模型的实证研究表明国际原油价格对国内物价的影响在中长期呈逐步扩大趋势。Ｌｅｓｃａｒｏｕｘ和Ｍｉｇｎｏｎ（２００８）运用ＶＡＲ方法实证检验了石油价格冲击的短期效应和长期效应，研究发现石油价格冲击会直接引起ＣＰＩ和ＰＰＩ指数的上升。段继红（２０１０）运用ＳＶＡＲ模型发现国际油价上涨对ＣＰＩ有正向影响，但影响并不显著且有一个比较长的滞后期。胡援成等（２０１２）结合有向无环图方法和ＳＶＡＲ模型对我国通货膨胀的传导途径及其效应进行了实证分析，发现我国当前承受着较大的输入型通货膨胀，国际大宗商品价格上涨对我国通货膨胀的影响更侧重于生产领域。

　　（２）一般均衡模型。

　　Ｄｏｒｏｏｄｉａｎ和Ｂｏｙｄ（２００３）运用可计算一般均衡模型（ＣＧＥ）验证了石油价格与通货膨胀的关系，发现石油价格具有通货膨胀效应。林伯强等（２００８）运用ＣＧＥ方法的研究发现能源价格上涨对经济具有紧缩作用，但对不同产业的紧缩程度不一致，能源价格能推动产业结构变化。任若恩等（２０１０）建立跨时优化一般均衡模型研究发现，国际油价对产出和通货膨胀以及各部门产出和价格有一定影响，且具有时间滞后效应。另外有不少学者通过构建动态随机一般均衡模型（ＤＳＧＥ）研究石油冲击对经济的影响（孙宁华等，２０１２；魏巍贤等，２０１２；柳明和宋潇，２０１３；王云清，２０１４），均发现能源价格冲击对宏观经济的影响大于其他冲击的影响。

　　（３）投入产出模型。

　　Ｂｅｒｕｍｅｎｔ和Ｔａｓｃｉ（２００２）运用１９９０年土耳其投入产出表研究了石油价格上涨的通货膨胀效应，发现只有当名义工资、利润、利息和租金跟随包含石油价格的一般价格水平进行调整时，石油价格才具有显著的通货膨胀效应。任泽平等（２００７）基于２００２年１２２个部门的投入产出表，采用投入产出价格影响模型，模拟测算了原油价格变动对我国总体物价水平和各部门产品价格变化的影响情况。林伯强和王锋（２００９）运用投入产出价格影响模型，在能源价格不受管制和受管制两种情景下，模拟了能源价格上涨导致一般价格水平上涨的幅度。

　　选择合适的模型方法对结论的可靠性相当重要。尽管上述文献具有重要的参考价值，但仍存在一些不足。首先，以往文献主要研究大宗商品价格波动对宏观经济的冲击，而对经济系统内的细分行业关注较少。由于各行业产业结构、生产技术和消费习惯等存在差异，结果使得外部冲击对各行业的影响不一，因此忽视行业层面则难以全面把握经济系统的反应。

　　其次，以上三类研究方法也有各自的缺陷。如ＶＡＲ模型中的新息一般具有相关性，从而导致进行脉冲响应分析没有意义；而递归式ＶＡＲ模型对变量的排序缺乏比较公认的理论支撑；结构ＶＡＲ模型可以实现对新息的结构性分解，但却存在一个明显的缺陷，即最多仅能识别与模型内生变量一样多的结构性冲击（Ｂｌａｎｃｈａｒｄ和Ｑｕａｈ，１９８９）。ＣＧＥ模型对参数设置过多，而且缺乏有效的估计方法。更为重要的是，外部冲击效应和传导机制研究大多需要借助ＶＡＲ模型配合其他模型才能完成，而已有研究大多缺乏一种综合模型来兼顾这两个问题。本文运用Ｐｅｓａｒａｎ等（２００４）以及Ｍａｕｒｏ等（２００７）等提出的全局向量自回归模型（ＧｌｏｂａｌＶＡＲ，ＧＶＡＲ）将有助于解决上述问题。ＧＶＡＲ模型的核心思想是先建立各国或各部门的ＶＡＲＸ＊，在每个ＶＡＲＸ＊模型中均有能够描述单个经济系统的核心内生变量和刻画外部影响的弱外生变量。然后，利用贸易矩阵、资本流量或产业关联矩阵将各个ＶＡＲＸ＊模型连接成一个ＧＶＡＲ模型，分析多个国家、地区或部门经济结构系统之间的相互联系。

　　国内尚未有学者借助ＧＶＡＲ模型分析外部价格冲击对工业部门层面的影响。本文通过分析多种国际资源价格外部冲击对我国工业部门产出和价格的影响，并比较原油和原材料价格冲击的范围、持久程度和主要传导渠道。

　　二、模型构建与数据处理

　　（一）ＧＶＡＲ模型基本原理。

　　目前，ＧＶＡＲ模型被广泛运用于多个国家、多个部门的经济互动关系研究。ＧＶＡＲ模型构建一个由单个ＶＡＲ模型构成的全局系统，通过考虑不同个体的内在联系，分析全局变量冲击对各个内生变量的影响以及不同个体之间的溢出效应。

　　设定我国有Ｎ个工业部门。对第ｉ个部门，内生变量为ｋｉ×１阶的向量Ｘｉｔ。对应于Ｘｉｔ，其余Ｎ－１个部门的加权平均用Ｘ＊ｉｔ表示。单个部门的ＶＡＲＸ＊（１，１）模型可表示为：Ｘｉｔ＝ａｉ０＋ａｉ１ｔ＋Φｉ１Ｘｉ，ｔ－１＋Λｉ０Ｘ＊ｉｔ＋Λｉ１Ｘ＊ｉ，ｔ－１＋εｉｔ（１）其中，Φｉ１是一个ｋｉ×ｋｉ阶的滞后系数矩阵，Λｉ０和Λｉ１表示其他部门影响系数的ｋｉ×ｋ＊ｉ阶矩阵；εｉｔ为ｋｉ×１阶随机扰动项，表示部门层面的异质性冲击。假定各部门的自发冲击是不相关的，均值为零，即εｉｔ～ｉ．ｉ．ｄ．（０，Σｉｉ），其中ｉ＝０，１，…，Ｎ，而Σｉｉ为εｉｔ的协方差矩阵。部门外生变量可由Ｘ＊ｉｔ＝ΣｗｉｊＸｊｔ（ｊ＝１，２，…，Ｎ；ｗｉｉ＝０）构建，权重矩阵Ｗ反映不同部门的影响（关联）程度。将部门内生变量Ｘｉｔ和部门外生变量Ｘ＊ｉｔ相结合，令Ｚｉｔ＝（Ｘ′ｉｔ，Ｘ＊ｉｔ′）′，可将式（１）转化为：ＡｉＺｉｔ＝ａｉ０＋ａｉ１ｔ＋ＢｉＺｉ，ｔ－１＋εｉｔ（２）其中，Ａｉ＝（Ｉｋｉ，－Λｉ０），Ｂｉ＝（Φｉ１，Λｉ１）；Ａｉ和Ｂｉ均为ｋｉ×（ｋｉ＋ｋ＊ｉ）阶矩阵；Ａｉ为行满秩矩阵，即ｒａｎｋ（Ａｉ）＝ｋｉ。将所有的部门联系到一起，得到一个ｋ×１阶向量，ｋ＝ΣＮｉ＝１ｋｉ为全局模型里所有部门的内生变量个数之和，各部门的内生变量可设为Ｘｔ，则Ｚｉｔ＝ＷｉＸｔ，其中Ｘｔ＝（Ｘ′１ｔ，Ｘ′２ｔ，…，Ｘ′Ｎｔ，）′，代入式（２），可以得到：ＧＸｔ＝ａ０＋ａ１ｔ＋ＨＸｔ－１＋εｔ，Ｇ＝Ａ１Ｗ１Ａ２Ｗ２ＡＮＷＮ，Ｈ＝Ｂ１Ｗ１Ｂ２Ｗ２ＢＮＷＮ，ａｊ＝ａ１jａ２ｊａＮｊ，εｔ＝ε１ｔε２ｔεＮｔ，ｊ＝０，１（３）其中，Ｗｉ阶数为（ｋｉ＋ｋ＊ｉ）×ｋｉ，是一个将各部门的ＶＡＲＸ＊模型连接成ＧＶＡＲ模型的工业部门间关联权重矩阵，Ｇ是ｋ×ｋ的满秩矩阵。式（３）两边左乘Ｇ－１，得到ＧＶＡＲ模型为：Ｘｔ＝ｂ１＋Ｇ－１ａ１＋ｂ１ｔ＋ＤＸｔ－１＋ｅｔ（４）其中，ｂ０＝Ｇ－１ａ０，ｂ１＝Ｇ－１ａ１，Ｄ＝Ｇ－１Ｈ，ｅｔ＝Ｇ－１εｔ。进一步将式（４）一般化，使得ＧＶＡＲ模型不仅包含工业部门的主要核心经济变量，而且纳入全局共同变量ｄｔ（石油价格和国际原材料价格）。通过估计单个部门的ＶＡＲＸ＊模型和计算工业部门间关联矩阵得到Ｗ中的系数，进而构造出系数矩阵Ｇ，可以避免因直接估计ＧＶＡＲ模型参数而导致自由度不足的问题，使得在ＧＶＡＲ模型内可以进行类似ＶＡＲ模型的分析。

　　（二）工业部门选择。