工具变量法基本思路

第五节　模型应用——政策模拟（二）

一、概述

本节讨论反向政策模拟。简单地说，反向政策模拟是要回答“如果需要这样的经济运行结果，应该采取什么政策措施”的问题，即确定了经济系统主要经济变量的运行结果目标，反过来分析应该对所关心的政策外生变量取什么值。

反向政策模拟的基础，是将模型的内生变量分为目标变量和一般内生变量，将外生变量分为政策工具变量和一般外生变量。^[14]这样划分的一个宏观经济模型可写为：^[15]

其中p，q，γ，s分别表示相关变量的滞后期。

F为函数列向量：f₁…f_n；

y为目标变量列向量：y₁…y_n1；

X为一般内生变量列向量：X₁…X_n2；

n₁+ n₂= n为内生变量总个数；

W为政策工具变量列向量：W1…Wm1；

Z为一般外生变量列向量：Z₁…Z_m2；

m₁+ m₂= m为外生变量总个数；

θ为参数列向量；

e为误差列向量：e₁…e_n。

当n₁= m₁时，如果给定目标变量y的值y*，欲求政策工具变量W的值时，只需将y与W对换，将y*作为变量y的值代入，而将W作为（5．5．1）式的未知变量，便可求得W的值W*了。例如，在F为线性联立方程组时，（5．5．1）式可表示为：

其中A₁₁为n₁× n₁，A₁₂为n₁× n₂，A₂₁为n₂× n₁，A₂₂为n₂× n₂，B₁₁为n₁× m₂，B₂₁为n₂× m₁，B₂₂为n₂× m₂，均由参数θ得来。此时，将y*作为已知值，与欲求解的W*对换，（5．5．2）式可写为：

（5．5．3）式的解可表示为：

W的解出值W*即为在给定目标变量y为y*值时政策工具变量应取的值。

反向政策模拟最一般的表达形式，是根据已给定的目标变量的值设立损益函数，以损益函数值最小为目标，以（5．5．1）式的估计式（即该式中参数θ和误差e经过估计后均取确定的估计值，因而函数F也成为确定的为约束条件的二次最优规划问题。这一问题的静态形式可写为：

其中u_i为不同目标变量损益的权数。

在（5．5．5）式中，如果n₁= m₁，则一般可使损益函数L = 0；如果n₁＞ m₁，即目标变量多于政策工具变量时，一般来说，不可能使所有的目标变量都达到目标值，而只能使目标变量的值与目标值的距离达到最小，即使损益函数的值最小；而如果m₁＞ n₁，即政策工具变量多于目标变量时，则会有m₁- n₁个多余的政策工具变量可以任意取值，而其他n₁个政策工具变量成为目标变量的函数。

（5．5．5）式仅是一个简略的表达式，在实际应用的反向政策模拟中，必须更仔细地考虑实际操作中的两个具体问题：第一，需要考虑宏观经济模型的动态性，从经济系统中的目标变量在一定时期内的运行轨迹来确定同一时期中政策工具变量应取的值；第二，对经济政策的制定来说，不仅目标变量的值是被设定了的，对政策工具变量的值也应有初步的匡算，在这种条件下，反向政策模拟的任务是模拟为达到目标变量规定的值，又在政策工具变量的匡算限制下经济系统运行的情况。因此如果设模型动态运行期限为h，y*_it为目标变量i在t年的目标值（i = 1，…，n₁，t = 1，…，h），W*_it为政策工具变量j在t年的匡算值（j = 1，…，m₁，t = 1，…，h），则反向政策模拟的二次最优规划问题为：

其中：u_i、v_j分别为损益函数中目标变量和政策工具变量的损益权数。

在本节以下的内容中将以（5．5．6）式为基础，用我们的中国宏观经济模型进行反向政策模拟。

二、模型的分块

一个大型的宏观经济模型，特别当它是非线性形式的时候，如果将其全部作为（5．5．6）式的约束条件，除了要求较高的计算机条件外，计算过程势必十分复杂，操作亦会遇到许多困难。因此应首先考虑对模型的分块处理，以便简化（5．5．6）式的约束条件。在反向政策模拟中，对模型的分块处理，基本适用在第二章6.1节中提到的一般宏观经济模型的分块处理原则。但考虑到目标变量和政策工具变量的不同选定，反向政策模拟的分块还有其特殊性。

简单地说，我们可将一个模型分为四个部分，如图5.5.1。其中，第Ⅰ部分是一般意义的前递推块，即这块中的一般内生变量的值可由外生变量或前定变量直接确定，或按递推步骤逐个确定，由此确定的一般内生变量在反向政策模拟期中的数值可以直接代入以下各块。第Ⅱ块是包括目标变量和政策工具变量在内的为确定它们的值的最小联立块，该块中的一般内生变量与目标变量、政策工具变量之间均存在直接或间接的相互反馈关系。第Ⅲ块是当以上两块中的目标变量、一般内生变量和政策工具变量的值确定后，仍须联立求解以确定有关一般内生变量值的联立块，该块中一般内生变量的主要特点是：它们对目标变量和政策工具变量没有反馈关系。第Ⅳ块则是后递推块，其中的每一个一般内生变量均可在前三块计算的基础上逐一递推确定。

图5-3

根据以上分块原则得到的结果，可以大大地简化（5.5.9）式的约束条件，因为，只需将第Ⅱ块作为（5.5.6）式的全部约束条件即可。第Ⅰ块中一般内生变量的值可以在递推确定后直接代入第Ⅱ块，而后两块中的一般内生变量对目标变量和政策工具变量均不产生影响，欲知它们的值，仅需将前两块中得到的各内生变量和政策工具变量之值代入后进行联立计算或递推计算即可。

三、静态反向政策模拟

我们选定模型中的国民收入（不变价）（NIC）和零售物价指数（PR）作为反向政策模拟的目标变量，选定财政赤字（DF）和货币发行量（M）为政策工具变量。这样选择的目的是分析国民经济稳定协调增长、保持物价稳定与财政、金融调控措施之间的关系。

按照上述目标变量和政策工具变量的选择，作为二次最优规划的约束条件，即图5.5.1中的第Ⅱ块，包括本章所示模型的如下方程：

我们在模型的样本期后的第一年即1988年，进行了静态反向政策模拟，包括三个方案：

上述三个规划问题中的NIC*，PR*，M*，DF*均取1988年的实际值。计算结果见表5-9。

表5-9　1988年静态反向政策模拟结果

由于计算结果与实际值的误差相对都比较小，即国民经济系统运行的结果确实是由当时采取的各项财政金融政策造成的。这说明，我们的宏观经济模型，至少在样本期之外较近的时期内，拟合效果和反向政策模拟的效果都是令人满意的。

四、动态反向政策模拟

我们的动态反向政策模拟仍选定不变价国民收入（NIC）和零售物价指数（PR）作为目标变量，选定货币发行量（M）和财政赤字（DF）作为政策工具变量。动态规划期为1989~1992年。规化问题为：

（5．5．11）式的四个目标变量和政策工具变量解的结果见表5-10～表5-13。

表5-10

表5-11

表5-12

表5-13

由于20世纪80年代后期以来的一段时期内，中国经济过热，尽管国民经济的增长速度相当可观，但由于宏观失控，经济未能稳定协调地增长，引起诸多社会问题。货币发行量过高，1988年猛增到近680亿元。同时，连年实行赤字财政政策，不仅赤字居高不下，而且连续呈上升趋势。自1986年以来，赤字累积额已达320亿元。由此产生的物价上涨，严重地影响了经济的正常发展和人民生活水平的提高。

我们设计的目标变量值和政策工具变量值的意图在于分析为达到使国民经济保持适当增长率（6%左右），物价上涨明显低于20世纪80年代后期经济过热时的水平（10%以下），可否使货币发行量维持在一个适当的必要的增长水平5%～7%，以及使财政赤字在1988年的基础上逐年有所下降，以期最后达到财政收支平衡。

然而，（5．5．11）式的计算结果说明，我们面对的经济形势是十分严峻的。虽然目标变量和政策工具变量的值都被限定在尽可能合理的范围内，但计算结果普遍高于我们的期望值。在未考虑高强度的治理整顿措施影响的条件下，国民收入的增长速度均高于目标值4个百分点以上，零售物价指数的增长率难于控制在10%以下，货币发行量均高于匡算值，每年需多发行70亿元左右，虽然财政赤字的绝对值水平能有所控制，但难于达到逐年递减的要求。总的印象是，经济运行会顽强地表现出膨胀趋势。这一结果有力地说明了采取治理整顿措施的重要性。

上述结果，肯定受样本期趋势的影响，因而与可能的实际情况存在相当程度的差距，特别是模型的样本期至1988年为止，还未能反映治理整顿措施对国民经济运行产生的全部影响。但是，上述结果所显示、反映的社会经济仍要求继续膨胀的总的特点，是值得引起人们充分警惕的。像中国这样一个复杂的社会经济大系统，其趋势惯性的力量是十分强大的。要将由多种因素造成的经济的起伏、过热发展的局面向国民经济长期稳定协调发展的方向转变，必须从治理整顿入手，通过深化改革，改变造成波动和膨胀的经济机制。为了达到上述目标，坚持治理整顿，深化经济体制改革，是中国目前条件下唯一正确的可行途径。这是一项艰巨长期的战略任务，切不可掉以轻心，更不可浅尝辄止，半途而废。

利用宏观经济模型进行反向政策模拟，对分析实行计划经济与市场调节相结合的社会主义经济的运行有着重要的实用意义。加强对这一模拟分析技术在社会主义条件下应用的理论和方法的研究，是经济研究工作者的一项任务。目前，这种模拟方法在中国的使用尚不普遍，还存在许多有待解决的问题。其中，较重要的一个，恐怕是怎样使作为约束条件的结构模型能更及时、更有效地反映近期或当期经济运行与经济政策之间相互关系的特点，以使目标变量和政策工具变量的模拟结果更具准确性和科学性。另外，非线性数学规划问题的求解计算，也是一个重要的技术性问题。