郭小卉　康书生

摘 要：本文使用SVAR模型分析2005年第1季度—2016年第1季度我国京津冀三地经济对货币政策冲击的反应，结果显示货币政策对京津冀三地经济增长的影响并不相同。数量型货币政策工具的冲击在一定程度上缩小了京津冀三地之间的经济差距，但是力度比较小。价格型货币政策工具的冲击在一定程度上扩大了三地间的差距。

关键词：货币政策；区域效应；京津冀协同发展

中图分类号：F822.0 文献标识码：A 文章编号：1674-2265（2016）12-0017-08

一、引言

京津冀协同发展是我国目前非常重要的区域经济战略规划之一，其目标是建立以首都为核心的世界级城市群，在京津冀三地实现产业结构优化，交通、医疗、教育、就业和公共服务一体化，使得京津冀三地作为一个整体，真正地实现协同发展。但就目前来看，京津冀三地特别是京津和河北之间的经济差距还非常大。如图1所示，京津两地人均GDP水平差距不大，而河北人均GDP比较落后，低于全国平均水平。2015年，京津两地人均GDP是河北人均水平的2.5倍以上。因此，京津冀协同发展过程中，应大力发展河北经济，逐步缩小三地之间的经济差距。

近年来，货币政策在我国经济快速增长过程中发挥了重要的作用（He、Leung和Chong，2013；Dickinson和Liu，2007；Hsing和Haieh，2004）。但由于我国区域经济差距过大，货币政策的区域效应问题（宋旺、钟正生，2006；Guo和Tajul，2014）一直备受关注。我国货币政策开始注重“定向调控、精准发力”，来解决货币政策的区域效应问题和经济发展中的结构性问题（汪川，2015）。因此，本文主要研究在京津冀协同发展的大背景下，货币政策对京津冀三地的影响以及如何使用货币政策缩小三地之间的经济差距，以实现京津冀三地的经济协同发展。

二、文献综述

大多数学者对货币政策区域效应的研究集中在一国范围内，他们一致认为，货币政策对大国国内不同地区的影响存在差异。Beare（1976） 采用圣路易斯简约方程 （St. Louis Reduced-form Model） 证实了货币主义的主张：货币政策对区域经济也有重要的影响，他指出货币政策的冲击在一定程度上导致了区域经济的波动。其后，诸多学者（Cohen和Maeshiro，1977；Mathur和Stein，1980、1983；Garrison和Kort，1983）对于Beare（1976）的观点和研究方法展开了争论（Dow和Rodríguez-Fuentes，1997）。

Fishkind（1977）在凯恩斯理论的基础上采用大型宏观经济模型研究了货币政策对美国印第安纳州的影响，研究发现，货币政策对美国整体经济的影响与对印第安纳州的影响存在明显的区别。Garrison和Chang（1979）、Chase Econometric Associates（1981）同样在凯恩斯模型的框架下利用大型宏观经济模型研究了美国货币政策的区域效应问题，结论与Fishkind （1977） 大体一致。

Carlino和DeFina（1998、1999） 最早使用SVAR模型证实了美国货币政策区域效应的存在，并指出了区域效应存在的原因：区域利率敏感性产业占比的不同，区域中小企业占比的差异和区域大小银行结构的差异。然而，他们的实证分析只证实了货币政策区域利率传播渠道的存在，并没有找到区域信贷渠道存在的证据。

此后，众多学者在不同国家使用VAR方法分别证实了货币政策区域效应的存在。例如De Lucio和Izquierdo（1999，西班牙），Weber（2006，澳大利亚），Nachane、Ray和Ghosh（2002，印度），Cortes和Kong（2007，中国），Guo和Tajul（2014，中国），Georgopoulos （2009，加拿大），Ridhwan等（2014，印尼）。

国内大部分学者也都采用了VAR模型来研究我国货币政策的区域效应，研究一致表明，我国货币政策对东、中、西部三大地区的影响存在差异（宋旺、钟正生，2006等），并且货币政策的区域效应倾向于扩大地區间的差距（杨晓、杨开忠，2007；Guo和 Tajul，2014），东部地区在货币政策传导速度和深度上都大大优于中西部地区，对货币政策的反应更加迅速和敏感，而中西部地区的反应相对迟缓（刘玄、王剑，2006）。曹永琴（2007）、蒋益民和陈章（2009）将我国分为八大经济区，通过面板模型和SVAR模型证实了货币政策对我国八大经济区的影响存在差异。Corts和Kong（2007），孔丹凤、Corts和秦大忠（2007）采用VEC模型研究了我国货币政策的省际效应，结果显示，沿海省份对于货币政策冲击的反应要比内陆省份更大些。陈安平（2007）指出我国货币政策不仅存在区域上的不对称效应，在时间上也存在明显的不对称效应，1978年后货币政策的对区域经济的影响要明显强于1978之前。

关于货币政策区域效应产生的原因，学者们大部分是从货币政策传播渠道的差异进行分析。宋旺、钟正生（2006）指出利率渠道和信贷渠道是导致货币政策区域效应的重要原因，而汇率渠道基本没有解释力。具体而言，区域生产力水平的差异（蒋益民和陈章，2009）、区域产业结构和区域金融结构（刘玄、王剑，2006；蒋益民和陈章，2009）、国有银行信贷制度（曹永琴，2007；杨晓、杨开忠，2007）是造成货币政策区域效应的主要原因，并且区域金融发展对削弱货币政策区域效应更具实际意义（蒋益民和陈章，2009）。

综上所述，大多数学者对于我国货币政策区域效应的研究都是集中在2005年以前，且多使用年度数据。而本文主要研究2005年至今货币政策对京津冀区域经济中北京、天津和河北的差异性影响，以谋求货币政策能够在促进京津冀经济协同发展中发挥一定的作用。

三、研究方法

跟Carlino和DeFina（1998、1999）的方法相似，本文采用SVAR模型来衡量货币政策对京津冀三地经济的影响。由货币理论（Friedman和Schwartz，1963）、货币政策反应公式 （Taylor，1995；McCallum，1988）和区域经济溢出效应（Carlino和DeFina，1995；Groenewold、Chen和Lee，2010）可知，貨币政策、区域经济和价格水平之间相互影响，由此，我们可得到SVAR模型：

[CYt=A（L）Yt-1+H（L）USGDPt+ut] （1）

其中，C是一个6×6阶的系数矩阵，描述变量之间的当期关系。A（L）和H（L） 是6×6阶滞后算子的参数矩阵。ut是6×1阶结构式扰动项。向量Yt为：

[Yt=[MPt，SGDPt，HGDPt，TGDPt，BGDPt，PRICEt]′] （2）

MP是货币政策变量。本文将货币政策变量分为数量型货币政策变量和价格型货币政策变量（王去非等，2015；黄宪、王旭东，2015；马鑫媛、赵天奕，2016）。其中，数量型货币政策变量采用M2和M1，尽管货币供应量是货币政策工具操作的对象，且具有内生性，但其距离货币政策最终目标比较近，与宏观数据频度相一致，故而很多学者仍然采用它作为货币政策变量（白战伟、李树培，2010；肖卫国、刘杰，2013；王去非等，2015；王玉凤、张淑芹，2015）。对于价格型货币政策变量，本文选取一年期贷款基准利率R1（董华平、干杏娣，2015）和全国银行间同业拆借利率R2（黄宪、王旭东， 2015；马勇，2015）作为衡量指标。PRICE是全国一般价格水平（用CPI来衡量，2005Q1=100）。HGDP、TGDP和BGDP是河北、天津和北京的实际GDP（以2005年第1季度为基期），这三个变量用于衡量京津冀三地的区域经济发展水平。SGDP是全国GDP扣除掉京津冀三地GDP之后的其他地区的实际GDP 总和，用以控制其他地区与京津冀地区之间经济增长的溢出效应 （Carlino和 DeFina， 1995；Guo和Tajul，2014）。USGDP是美国实际GDP。近年来，我国经济融入世界经济的步伐在不断加快，京津冀地区经济发展受外部的影响也非常大，将USGDP纳入本模型主要是为了控制外部冲击对京津冀区域经济的影响，因此，USGDP在本模型中视为一个外生变量。

在SVAR系统中，每一个解释变量视为该变量和其他变量的滞后变量的函数。本文通过估计SVAR模型来分析整个系统对货币政策冲击的反应。在本模型中，货币政策的冲击是指货币政策变量残差的1个正向标准差大小的冲击。本文实证分析采用季度数据，样本估计期间是2005年第1季度—2016年第1季度，所有的数据来源于国家统计局数据库、中国人民银行官方网站和万得资讯。

我们可以把SVAR模型（1）转换成简化式VAR模型：

[Yt=Z（L）Yt-1+G（L）WDGDPt+et] （3）

其中，Z（L） = C-1A（L）和G（L） = C-1H（L）是无穷阶滞后算子形式， et=C-1ut和ut=Cet描述的是模型的简化式扰动项和结构式扰动项之间的关系。本文将ut=Cet转化成A-B型 SVAR形式来估计SVAR模型： Aet=But。本文对于结构式扰动项和简化式扰动项之间的识别方法主要是对矩阵A和B施加限制条件和对结构式扰动项的方差协方差矩阵做出假设。

矩阵A反映的是5个内生变量之间的当期关系。在估计SVAR模型时，Bernanke和Blinder （1992） 提出一个普遍使用的识别条件，他们假设货币政策对产出水平和价格水平没有当期影响，考虑到货币政策的时滞，这个假设是比较合理的。但Di Giacinto （2003） 指出当研究采用季度数据而不是月度数据时，该假设条件不太适合。白战伟、李树培（2010）认为我国货币供应量的改变在当月开始对GDP产生影响，3个月后完全发挥作用。肖卫国、刘杰（2013）指出，不可预期的货币供应量对产出和通胀的时滞为3个月和4个月。因此，本文假定货币政策在当期内（一个季度）直接影响产出水平和价格水平。Fan、Yu和Zhang （2011）指出我国货币政策的制定是遵循Taylor规则和McCallum规则的①。因此，在本文中，我们假设货币政策的制定不受当期产出和通胀水平的影响，而是受到滞后期的产出和价格水平的影响（考虑到数据统计的滞后性，这个假设是比较合理的）。由于多年来北京对周边地区的虹吸效应，本文假设在当期内，国内其他地区的经济增长能够影响到京津冀地区，HGDP能够影响到TGDP和BGDP，TGDP能影响到BGDP，而BGDP在当期内不能影响HGDP和TGDP。因此，在SVAR模型中，内生变量的顺序安排是MP、SGDP、HGDP、TGDP、BGDP、PRICE。本文同时假定结构式扰动项具有单位方差，把矩阵B看作是一个对角矩阵，对角元素就是待估计的结构式冲击的标准差。

四、实证分析

（一）单位根检验

在估计SVAR模型之前，首先需要检验变量的平稳性，以确保估计的有效性。本文在Eviews 8.0上用ADF检验对变量的水平数据和一阶差分数据进行了单位根检验（见表1），除了一年期贷款利率R1和同业拆借利率R2以外，所有变量以自然对数的形式进入分析。从表1中我们可以看到，在水平形式上，LNBGDP、LNHGDP、LNSGDP平稳，其他变量不平稳。在一阶差分形式上，除了LNTGDP之外，其他变量都已经平稳②。继续用PP检验和KPSS检验LNTGDP时发现LNTGDP一阶差分平稳。因此，在一阶差分形式上，所有的变量都已经平稳。

当所有变量一阶差分平稳时，应先检验变量之间是否存在协整关系，如果不存在协整关系，则采用VAR模型，如果存在协整关系，则意味着变量之间存在长期关系，应该采用VECM模型进行估计。但是，本文没有进行协整检验，直接运行SVAR模型，主要原因在于：第一，小样本（11年）再加上季度数据并不足以探讨变量之间的长期关系；第二，Bewley等 （1994）指出小样本估计的偏度和峰度问题都会影响对协整关系的衡量；第三，本文主要采用脉冲响应函数分析货币政策对京津冀三地经济增长的影响，Carlino和DeFina（1998、1999）、Di Giacinto（2003）指出SVAR模型在解释脉冲响应函数上具有明显优势，可以在经济理论的基础上对变量之间的当期关系和短期关系施加合理的假设，从而能够更加准确地描述变量之间的关系。在短期内，我们认为变量之间的长期关系并不是本文的研究重点，因此，本文所有变量的一阶差分形式直接进入SVAR模型来估计。

（二）脉冲响应函数

首先，我们采用M2作为货币政策变量来估计SVAR模型（基准模型），在综合考虑各种滞后阶数选择标准之后，本文选定滞后阶数为2，SVAR模型所有根的倒数都在单位圆之内，显示模型是平稳的，模型属于恰好识别。脉冲响应函数图像如图2和图3所示。

图2展示了对于M2结构式扰动项施加未预期到的1个单位的正向标准差的冲击（1.43%），所有變量在每一期的脉冲响应图像（即M2增速一次性意外加快1.43%，GDP和其他变量在各期的变化），其中实线是变量的脉冲响应函数估计值，两条虚线表示正负两倍标准差的置信区间。如图2所示，河北GDP增长从第1期（季度）开始加速，在第3期加速到最大0.35%，第3期以后其加速开始放缓，长期（第8期以后）逐渐趋向于0。天津GDP增速也是从第1期开始加快，同样在第3期达到最大值0.37%，随后缓慢下降，长期逐渐趋向于0。北京GDP增长在第2期加速到最快0.33%，在第4期以后，其加速开始围绕0上下波动，最终收敛于0。全国其他地区综合GDP的增长趋势跟京津冀地区类似，在第2期GDP增速便加速至最快0.37%。一般价格水平增长在第4期达到最快0.19%，随后其增长开始逐渐趋向于0。

图3展示了M2增速一次性意外增加1.43%，所有变量的累计脉冲响应增加值图像（即所有变量在各期累计的增长量）。京津冀三地GDP和其他地区GDP的变化趋势基本类似，在第1—4期开始增长，在第8期以后逐步趋于稳定，不同地区在GDP增长量上有所区别，天津GDP增速最快，在第8期（两年）累计加速达1.3%，最终稳定于1.7%左右。河北GDP增长在第8期累计加快至1.1%，长期稳定于1.3%左右。北京GDP增速增长相对较缓，在第8期达到0.7%，长期稳定于0.9%左右。全国其他地区GDP增速在第8期累计加速至0.7%，长期稳定在0.8%左右。

其次，为检验结果的稳定性，本文采用M1作为货币政策变量来估计SVAR模型，滞后阶数为2。SVAR模型所有根的倒数都在单位圆之内，显示模型是稳定的，模型属于恰好识别。为简化考虑，我们只列出了GDP对M1冲击反应的累计脉冲响应图像（见图4）。

由图4可以看出，各地GDP增长率对M1冲击（1.89%）的累计响应图像与其对M2冲击的累计响应图像极其相似，在第1—5期开始增长，第8期以后逐渐趋于稳定。天津GDP增速仍然最快，河北次之，北京第三，全国其他地区GDP增速跟北京相似。天津、河北、北京和全国其他地区GDP增速累计增长在第8期分别为1.1%、0.8%、0.63%和0.72%，长期稳定水平分别在1.4%、1%、0.8%和0.8%左右。

在数据处理程序上，由于原始数据水平形式不平稳，本文通过一阶差分使得数据平稳，然后直接进入SVAR模型。因为小样本问题，本文没有检验变量之间的协整关系。Sims、Stock和Watson（1990）认为使用一阶差分序列来做VAR模型时，如果原始序列是平稳的或者原始序列的变量之间存在协整关系时，可能会损失数据当中蕴含的某些重要信息，在这种情况下，可以直接用VAR模型对水平数据进行估计（Hamilton，1994；Carlino和DeFina，1998）。因此，本文又用水平数据（log形式）、以M2为货币政策变量来进行SVAR模型分析，模型滞后阶数为2，模型本身稳定且属于恰好识别。如果所得结果跟一阶差分数据的结果相似，则证明本文的结论是稳定的。

图5显示的是当M2一次性意外增加1.14%时，GDP变化的脉冲响应图。各地区GDP从第1期开始增长，前8期内出现一些波动，在第8期之后逐渐趋于稳定。依然是天津GDP增长最快（第8期：0.37%；长期稳定水平：0.32%），河北、北京和全国其他地区GDP增长水平相似（河北第8期：0.3%，长期稳定水平：0.22%；北京第8期：0.3%，长期稳定水平：0.21%；全国其他地区第8期：0.32%，长期稳定水平：0.21%）。由此可见，图3—图5的脉冲响应图像就总体趋势而言差别不大，本文基准模型的结论是可靠的。

综上所述，就数量型货币政策工具（M2）而言（根据基准模型进行分析），2005年以后，数量型货币政策工具的实施（扩张型），在总体上对京津冀地区的经济促进作用要稍好于全国其他地区，在京津冀区域内部，数量型货币政策对京津冀三地的影响呈现出一定的区域效应，扩张型政策对天津的经济促进作用最大，河北次之，北京排在最后；就累计影响而言，天津要比北京高出80%以上，河北比北京稍高。从这个意义上讲，2005年以来，数量型货币政策工具的执行在一定程度上有助于京津冀三地之间经济差距的缩小。由图1可知，2005年以后，京津两地的人均GDP差距不断缩小，天津人均GDP于2010年超过北京，目前两地人均GDP基本类似。尽管货币政策对河北的影响稍高于北京，但是河北与京津两地的差距还是在缓慢增大。也就是说，尽管数量型货币政策工具在一定程度上有助于京津冀三地之间经济差距的缩小，但是力度还不够（特别是对河北而言）。

最后，本文引入价格型货币政策工具：一年期贷款利率（R1）和同业拆借利率（R2）来分析价格型货币政策工具对京津冀三地经济的影响。其中，一年期贷款利率采用央行公布的一年期贷款基准利率，通过时间加权获得季度数据。同业拆借利率采用全国银行间7天加权平均利率，以月度交易量为权重加权获得季度数据。本文以R1和R2分别作为货币政策变量来估计SVAR模型，滞后阶数都为2，模型平稳且属于恰好识别。其累计脉冲响应图像如图6所示。

图6显示的是面对R1和R2的冲击，京津冀GDP增长的累计脉冲响应图像。当央行一次性意外加息0.3%时（一年期贷款利率R1意外增加0.3%，图6第1列），河北GDP增长当期便开始减速，在第5期减速至最低值-0.48%，在第8期之后逐步趋于稳定（-0.21%）。天津GDP增长在第3期之后才开始减速，在第6期减至最低值-0.3%，第8期以后趋于稳定水平-0.2%。北京GDP增长在第3期即减至最低值-0.52%，但其恢复得也比较快，第4期以后GDP增长开始恢复，第7期以后即转为正增长，长期稳定于0.08%。

当同业拆借利率R2一次性意外增加0.53%时（图6第2列），河北GDP增速当期便开始放缓，第3期减至最低值-0.21%，第8期以后逐步趋于稳定水平-0.09%。天津GDP增速从第一期开始下降，第5期减至-0.56%，随后逐渐稳定于-0.53%。北京GDP增速反应比较灵敏，第2期便减至最低值-0.16%，但其恢复得也较快，第3期变成正值，第8期达0.28%，长期稳定于0.21%。

综上所述，就价格型货币政策工具而言，由于京津冀三地金融业发展差距较大（郭小卉、康书生，2016），京津冀三地在受到价格型货币政策冲击时的反应差别也很大，呈现出明显的区域效应。总体而言，在京津冀三地间接融资仍然占据较大比重，所以各变量在面临一年期贷款利率冲击时的反应整体上要优于在受到同业拆借利率冲击后的反应③。河北金融业发展水平比较落后，传统金融机构（国有银行）占据主导地位，以间接融资为主，因此，在面对一年期贷款利率的冲击时，河北GDP增速下滑的幅度较大。由于金融市场发展比较落后，金融机构对于同业拆借利率的变化相对不太敏感，所以在面临同业拆借利率的冲击时，河北GDP增速下滑的幅度比较小。天津金融业发展略高于全国平均水平，金融机构实力比较雄厚，间接融资占比占据相当规模，因此，当一年期贷款利率一次性意外增加时，天津GDP增速缓慢下滑了一定的幅度，但下滑幅度要小于河北。近年来，天津社会融资结构中直接融资的比重在逐步增加，资本市场和货币市场相当发达，所以在受到同业拆借利率的冲击时，天津GDP增速下滑的幅度在京津冀三地中是最大的。北京拥有丰富的优质金融资源，金融业发展处于全国领先水平，金融机构众多且已实现多样化发展，资本市场和货币市场非常发达。金融机构和金融市场对价格的变化都非常敏感，所以在面对一年期贷款利率和同业拆借利率的冲击时，北京GDP增速在前3期之内便下滑到最大幅度，同时，由于北京金融资源丰富，融资结构合理，在面临利率负向冲击的时候，北京GDP增速短暂下滑之后迅速恢复，甚至长期GDP增速还稳定于正向增长水平。总之，在面临价格型货币政策工具的冲击时，津冀两地经济受到的影响比较大，而北京受到的影响较小，价格型货币政策工具的执行呈现出明显的区域效应，且在一定程度上扩大了京津冀三地之间的经济差距。

五、结论

本文使用SVAR模型分析了2005年第1季度—2016年第1季度货币政策对京津冀三地经济的影响。结果显示，货币政策对京津冀三地经济增长的影响各不相同，整体而言，数量型货币政策的效果要优于价格型货币政策。2005年以来，数量型货币政策工具的执行在一定程度上缩小了京津冀三地之间的经济差距，但是力度還远远不够。由于京津冀三地金融业发展差距比较大，价格型货币政策工具的执行对京津冀三地的影响差异也非常大，并且这种差异要大于数量型货币政策工具对京津冀地区的差异性影响，同时，这种差异在一定程度上扩大了京津冀三地之间的经济差距。因此，从货币政策的角度来看，促进京津冀经济协同发展，应当做到以下两点：

第一，就货币政策工具而言，可以考虑对河北省经济发展比较落后地区（如环京津贫困带、张承地区、河北西部山区）的金融机构适当实行定向降准，对于河北落后农村和小微企业，可以加大支农再贷款和支小再贷款的力度。同时，应当充分发挥货币政策调结构的作用，利用新型货币政策工具（如抵押补充贷款、借贷便利和合格抵押品质押再贷款等）来引导河北经济不断淘汰落后产能、转型升级，逐步向绿色、生态、和谐和可持续发展靠拢。总之，应不断提高货币政策的灵活性，充分发挥货币政策“定向调控、精准发力”的作用，加大对河北经济发展的支持力度，缩小京津冀三地之间的经济差距。

第二，大力发展河北省的金融业，引进新型金融机构，发展货币市场和多层次资本市场。河北应不断引进京津两地优质的金融资源，争取京津两地的金融市场向河北开放。同时，加强京津冀三地金融机构的横向联合，促进京津冀地区的金融协同发展，建立京津冀统一开放的金融市场，以有效疏通价格型货币政策工具的传导机制，逐步缩小价格型货币政策工具对京津冀三地的差异性影响。

此外，本文的研究有一定的局限性。首先，由于数据的可得性，研究期间比较短，长期的趋势性可能显现得不够充分，存在小样本问题；其次，本文在实证分析过程中没有考虑到2008年次贷危机的影响，危机前和危机之后货币政策对京津冀地区经济的影响可能会有所差别。这些问题期望在后续研究中得到解决。

注：

①Taylor（1993）提出了泰勒规则，认为央行在制定货币政策时（利率变化），主要是依据预期的通胀缺口和产出缺口。McCallum（1988） 规则是指货币供应量的变化也是主要依据预期的通胀缺口和产出缺口的。这两个规则主要用来描述当预期通胀高于通胀目标和真实产出高于自然产出水平时，央行如何提高利率或者增加货币供应量。

②LNUSGDP在一阶差分形式“none项”的检验下平稳：-1.951**。

③各变量也包括其他地区GDP、一般价格水平，在本文没有列示，感兴趣的读者可向作者索要。

参考文献：

[1]Beare，J. B. 1976. A Monetarist Model of Regional Business Cycles.Journal of Regional Science，16（1）.

[2]Benkwitz，A.，Lütkepohl，H.，&Wolters，J. 2001. Comparison of Bootstrap Confidence Interval for Impulse Responses of German Montary Systems. Macroeconomic Dynamics，5（01）.

[3]Bernanke，B. S.，& Blinder，A. S. 1992. The Federal Funds Rate and the Channels of Monetary Transmission. American Economic Review，82（4）.

[4]Chase Econometric Associates，I. 1981. Rural Impacts of Monetary Policy. Agricultural Economics Research，33.

[5]Cohen，J.，& Maeshiro，A. 1977. The Significance of Money on the State Level：Note. Journal of Money，Credit and Banking，9（4）.

[6]Cortes，B. S.，&Kong，D. 2007. Regional Effects of Chinese Monetary Policy. The International Journal of Economic Policy Studies，2.

[7]Davidson，R.，&MacKinnon，J. G. 1993. Estimation and Inference in Econometrics. Oxford：Oxford University Press.

[8]Di Giacinto，V. 2003. Differential Regional Effects of Monetary Policy：A Geographical SVAR Approach. International Regional Science Review，26（3）.

[9]Dow，S. C.，&Rodríguez-Fuentes，C.J. 1997. Regional Finance：A Servey. Regional Studies，31（9）.

[10]Fan，L.，Yu，Y.，&Zhang，C. 2011. An Empirical Evaluation of Chinas Monetary Policies. Journal of Macroeconomics，33（2）.

[11]Fishkind，H. H. 1977. The Regional Impact Of Monetary Policy：An Economic Simulation Study Of Indiana 1958—1973. Journal of Regional Science，17（1）.

[12]Friedman，M.，&Schwartz，A. J. 1963. A Monetary History of the United States：1867—1960. Princeton University Press：Princeton University Press.

[13]Georgopoulos，G. 2009. Measuring Regional Effects of Monetary Policy In Canada. Applied Economics，41（16）.

[14]Groenewold，N.，Chen，A.，&Lee，G. 2010. Inter-regional Spillovers of Policy Shocks in China. Regional Studies，44（1）.

[15]Guo，X.，& Tajul，A. M. 2014. Regional Effects of Monetary Policy in China：The Role of Spillover Effects. Asian Academy of Management Journal，19（1）

[16]Hamilton，J. D. 1994. Time Series Analysis （Vol. 2）. Princeton：Princeton university press.

[17]He，Q.，Leung，P.-H.，&Chong，T. T.-L. 2013. Factor-augmented VAR Analysis of the Monetary Policy in China. China Economic Review， 25.

[18]Hsing，Y.，&Hsieh，W.-J. 2004. Impacts of Monetary，Fiscal and Exchange Rate Policies on Output in China：A VAR Approach. Economics of Planning，37（2）.

[19]Mathur，V. K.，& Stein，S. 1983. Regional Impact of Monetary and Fiscal Policy：A Comments. Journal of Regional Science，23（2）.

[20]McCallum，B. T. 1988. Robustness Properties of a Rule for Monetary Policy. Carnegie Rochester Conference Series on Public Policy，29.

[21]Nachane，D. M.，Ray，P.，&Ghosh，S. 2002. Does Monetary Policy have Differential State-Level Effects？ An Empirical Evaluation. Economic and Political Weekly，37（47）.

[22]Ridhwan，M. M.，de Groot，H. L. F.，Rietveld，P.，&Nijkamp，P. 2014. The Regional Impact of Monetary Policy in Indonesia. Growth and Change，45（2）.

[23]Sims，C. A.，Stock，J. H.，& Watson，M. W. 1990. Inference in linear time series models with some unit roots. Econometrica： Journal of the Econometric Society，1（58）.

[24]Taylor，J. B. 1993. Discretion versus Policy Rules in Practice. Carnegie-Rochester Conference Series on Public Policy，39（1）.

[25]Weber，E. J. 2006. Monetary Policy in a Heterogeneous Monetary Union：the Australian Experience. Applied Economics，38（21）.

[26]白战伟，李树培.我国财政政策和货币政策时滞的测算：2001—2009年[J].中央财经大学学报，2010，（4）.

[27]董华平，干杏娣.我国货币政策银行貸款渠道传导效率研究——基于银行业结构的古诺模型[J].金融研究，2015，（10）.

[28]郭小卉，康书生.京津冀金融协同发展的路径选择[J].金融理论探索，2016，（2）.

[29]黄宪，王旭东.我国央行货币政策实施力度和节奏的规律及效果研究——基于历史演进和时变分析的视角[J].金融研究，2015，（11）.

[30]蒋益民，陈璋.SVAR模型框架下货币政策区域效应的实证研究：1978—2006[J].金融研究，2009，（4）.

[31]马鑫媛，赵天奕.非正规金融与正规金融双重结构下货币政策工具比较研究[J].金融研究，2016，（2）.

[32]马勇.中国货币政策透明度的经验研究[J].世界经济，2015，（9）.

[33]宋旺，钟正生.我国货币政策区域效应的存在性及原因——基于最优货币区理论的分析[J].经济研究，2006，（3）.

[34]汪川.“新常态”下我国货币政策转型的理论及政策分析[J].经济学家，2015，（5）.

[35]王玉凤，张淑芹.财政政策冲击对社会福利及宏观经济的动态影响——基于新凯恩斯DSGE模型的分析[J].中央财经大学学报，2015，（4）.

[36]肖卫国，刘杰.可预期与不可预期货币政策时滞的实证测度[J].统计研究，2013，（12）.