邱靖平

摘 要：本文基于空间距离权重矩阵，选取我国31省市三次产业1980—2014年增加值构建GVAR模型，实证研究了货币政策波动对我国三次产业发展的区域与结构效应。研究结果表明：货币政策波动对我国三次产业发展存在区域和结构非均衡效应。我国八大综合经济区第一产业对货币政策波动在响应程度和趋势上存在明显的区域差异；第二产业和第三产业对货币政策波动响应趋势大体一致，但响应程度存在明显的区域和结构差异；扩张型货币政策对我国第二产业的冲击大于第三产业，因此紧缩性货币政策有利于我国第二产业向第三产业转移。

关键词：货币政策；三次产业；GVAR模型

中图分类号：F830.1 文献标识码：A 文章编号：1674-2265（2016）12-0025-07

一、引言

货币政策是指央行运用货币政策工具调节市场利率、影响企业生产投资和居民消费行为，最终达到稳定物价、经济增长和促进就业目的而采取的宏观调控措施。作为宏观调控的重要手段，货币政策通过中介目标对微观主体的投资消费行为产生影响，从而达到调控宏观经济的目的。传统的货币政策理论假设货币政策对整个经济系统的影响是均衡的，各个行业对货币政策的反应是一致的，然而这种假设忽略了行业内在属性、行业企业财务特征、地域特征等方面的差异。现有研究文献的研究结果，也表明货币政策对产业发展显示出区域和结构非对称性。在促增长、调结构的重要经济转型时期，对货币政策产业效应进行研究，深入了解货币政策波动对三次产业发展的影响，为制定针对性的货币政策、有效地促进我国产业结构调整和升级提供经验数据无疑具有重大的现实意义。

国外学者对货币政策区域效应的研究较少。Taylor（1995）选取欧元区国家检验了货币政策区域效应，发现统一的货币政策在欧元区国家产生了异质影响。Michael 等（2006）选取美国各州为研究对象，研究发现货币政策区域非均衡效应普遍存在。国外学者对货币政策产业结构效应的研究始于20世纪90年代末期，Bernanke和Gertler（1995）首先对货币政策产业效应作了开创性研究，他们基于VAR模型实证研究了货币政策冲击对不同行业的影响，研究结果表明货币政策冲击在不同行业间产生非均衡影响。Ganley和Salmon（1997）选取英国9个行业检验了货币政策产业非对称性效应，发现建筑业对货币政策冲击反应最敏感，其次是制造业和服务业。Hayo和Uhlenbrock（2000）考察了英国和德国货币政策产业效应，发现货币政策波动对不同行业的影响是非对称的。Raddatz和Rigobon（2003）研究发现耐用品消费和房地产行业等对利率敏感的行业受到货币政策波动的影响大，而设备与软件行业受到货币政策波动的影响较小。Georgopoulos和Hejazi（2009）認为货币政策对行业产出的影响主要通过资本成本渠道和信贷渠道。对这两个渠道的实证研究证实了货币政策行业效应是非对称的，并指出行业企业的不同财务特征是导致货币政策行业效应出现非对称性的主要因素。

近年来，我国学者从区域和结构两个视角对货币政策异质性效应作了积极的研究。从区域的视角对货币政策异质性的研究，证实货币政策对产业的发展效应是存在区域差异的。丁文丽（2006）、陈安平（2007）等学者运用VAR模型检验了我国货币政策区域非对称效应，实证研究结果表明货币政策区域非对称效应确实存在。申俊喜（2011）等首先阐述了货币政策区域差异性影响的形成机制，然后通过实证检验了货币政策区域差异性效应，发现货币配给机制和外汇管理机制是导致我国货币政策区域差异性的主要因素。从产业结构的视角对货币政策的研究同样表明货币政策产业效应是有差异的。闫红波和王国林（2008）基于我国制造业30个次级行业的实证研究结果表明，货币政策在我国制造业各次级行业中存在着非对称效应，并提出行业资本存量、行业投资行为、行业规模、行业财务杠杆、行业对外依赖性和政府对行业支持力度是造成我国货币政策行业非对称效应的主要因素。何静和李村璞（2009）从我国微观经济主体的视角检验了货币政策产业非均衡影响，并指出利率渠道与其他货币政策传导渠道相比，对产业发展的影响更大。王君斌和郭新强（2011）运用SVAR模型从产业投资结构和流动性效应的视角考察了货币政策对产业传导的差异性，发现扩张型货币政策增加了第二和第三产业的流动性，但对第一产业的流动性影响不大，货币政策冲击对第一产业投资波动影响最大，对第三产业的投资波动影响最小。张辉（2013）同样采用SVAR模型，选取利率、信贷、资产价格和汇率四种货币政策传导渠道考察了我国货币政策产业结构效应，发现提高利率水平有助于提高我国第一产业在国民经济中的比重；提高信贷规模短期内有助于提高第三产业在国民经济中的比重，但长期会使得第二产业的比重得到提升；汇率上升会降低第二产业的比重，但增加了第三产业的比重；资产价格传导渠道对产业结构调整没有显著影响。吉红云和干杏绨（2014）利用我国上市公司微观层面数据研究后发现第二产业内部不同要素密集行业对货币政策传导效应存在显著差异，具体表现为货币政策对资本密集型行业影响最大，其次是技术密集型行业、劳动密集型行业，同时指出相对紧缩的货币政策对我国技术密集型行业发展有利。

以往对货币政策产业结构效应的研究大多采用的是VAR模型和SVAR模型，或者通过微观层面数据建立面板模型的方法来考察，忽略了地区经济发展水平、资源禀赋、需求结构方面存在的差异和地区之间的关联性，即忽视了货币政策的区域非均衡效应。已有的研究也表明货币政策存在区域异质性效应特征。本文将货币政策区域差异因素考虑进来，同时研究货币政策对产业的区域和结构效应。本文选取我国31个省市为研究样本，选取省市的三次产业产值作为因变量，选取货币政策和财政政策作为自变量，首先建立各个地区的VAR模型，然后利用我国各省市地理空间距离权重矩阵将各省市联系起来，构建GVAR模型，最后利用广义脉冲响应函数来考察货币政策冲击对我国产业发展的动态影响。

二、货币政策对产业发展的传导机制

现有研究认为，货币政策传导渠道主要是利率、信贷、汇率和资产价格渠道。

（一）利率渠道

货币政策影响利率，利率变动影响居民和企业投资，进而影响总产出。以扩张型货币政策为例，增加货币供应量会降低利率，利率变动关系着行业企业资金成本。当利率下降时，企业获得资金成本低，从而刺激企业扩大贷款规模、增加投资行为，最终使得产出增加。不同行业对利率具有不同的敏感性。以资本密集型和劳动密集型行业为例，资本密集型行业对资本需求量大、对利率敏感度高，劳动密集型行业对劳动力需求大、对资本需求相对少，因而劳动密集型行业对利率敏感度低。因此，同样的货币政策在利率敏感度不同的行业间产生非均衡影响。由于地区产业结构存在差异，地区主导产业不同，意味着各地区资本密集存在差异，因此货币政策利率渠道会在不同地区产业产生异质性效应。

（二）信贷渠道

货币政策影响商业银行信贷规模，从而影响企业投资，最终影响总产出。以紧缩性货币政策为例，降低货币供应量，使得商业银行可贷资金规模降低。在我国以间接融资为主导的融资格局中，企业可获得的信贷资金减少，从而影响到企业的投资行为，最终使得产出减少。在紧缩性货币政策实施以后，商业银行的可贷资金规模下降，有限的信贷资金会流向规模大、信用好以及政策性扶持的行业企业。那些融资渠道单一、严重依赖信贷资金的小规模企业无法得到贷款，导致产业异质性效应出现。在我国，国有企业相对于非国有企业而言，会比较容易获得商业银行贷款。若行业中国有企业比重高，信贷规模紧缩对该行业的影响就小。我国地区经济发展不平衡。东南部经济发展快速，带动投资需求旺盛，而西部经济发展落后，导致投资需求小，因此信贷资金更多地流向投资需求旺盛的地区，而投资需求少的地区获得的信贷资金有限，从而货币政策信贷渠道对地区行业发展产生区域差异影响。

（三）汇率渠道

以扩张性货币政策为例， 增加货币供应量，使得本国真实利率下降，本国货币名义利率也跟着下降。本币贬值，本国商品相较于国外商品便宜，有利于出口增加，从而增加了行业产出。相较于商品，服务可贸易性较低，因此服务受到汇率变动冲击影响比商品小。当汇率降低时，有利于商品出口，从而有助于第二产业发展，而服务行业受到的影响相对较小。由于地理环境因素，我国东南部沿海地区商品出口拥有天然地理优势，而中西部地区出口受阻，从而货币政策汇率渠道在不同地区产生差异性影响。

（四）资产价格渠道

货币政策影响股票、房地产等资产价格，从而影响企业和居民投资以及消费，最终影响总产出。以扩张性货币政策为例， 扩张性货币政策使得利率下降，股票、房地产等资产价格提高，资产价格通过托宾Q理论对企业投资产生影响，通过财富效应论影响居民消费。托宾Q理论认为当企业市值高于重置成本时，企业会通过发行价格相对高的股票来筹集资金，购买相对便宜的设备，于是投资会增加；当企业市值低于重置成本时，企业会用相对便宜的价格直接收购另一家企业，投资支出会减少。财富效应论认为股票价格对经济主体财富产生影响，进而影响到经济主体的消费意愿。不同行业股票价格对货币政策反应不同造成不同行业间货币政策资产价格渠道非均衡影响，邹昆仑（2013）的研究也证明了这一点。当资产价格低时，居民财富少，居民消费支出主要集中在生活必需品上；当资产价格高时，居民财富多，从而对高端商品和服务的需求增加，需求最终影响着行业发展。各地区经济发展水平差异导致地区之间居民收入存在差异，从而地区居民消费需求存在差异，货币政策通过财富效应论对行业发展产生差异影响。

三、模型构建

（一）GVAR模型

2004年，Pesaran在VAR模型和VECM模型基础上提出了全局向量自回归模型（Global Vector Autoregression Model，GVAR模型）。GVAR模型是VAR模型和VECM模型的拓展，它首先建立各个地区的VAR模型或者VECM模型，然后通过权重矩阵转换成为GVAR模型，最后通过脉冲函数冲击来探究内生变量和外生变量冲击对内生变量的动态影响。GVAR模型避免了VAR模型多参数估计偏差的问题，同时量化了变量之间的内在关联性，构建一个具有内生联系的完整经济系统，有助于更好地分析变量间的动态影响。

假设有[N]个地区，用[i]表示某一特定地区，[i=1，2，…，N]，该地区变量不仅受到其自身滞后值的影响，同时会受到其他地区的溢出效应影响，建立包含其他地区变量的[VARX*（pi，qi）]模型如下：

[Xit=ai0+ai1t+Φi1Xi，t-1+…+ΦipiXi，t-pi+Λi0X*i，t+Λi1X*i，t-1+…+ΛiqiX*i，t-qi+uit]（1）

其中，[Xit]为[i]地区[t]时期[ki]个内生变量组成的列向量；[ai0]和[ai1]分別为截距项和趋势项组成的矩阵；[X*i，t]为除[i]地区外其他地区内生列向量与权重矩阵乘积得到的[ki]维列向量；[X*i，t]=[WiXjt（i≠j）]；[pi]和[qi]分别表示内生变量和其他地区与权重矩阵组成的弱外生变量的滞后阶数；[Φi1]、[Φipi]、[Λi0]、[Λi1]、[Λiqi]分别为内生变量和弱外生变量的[ki×ki]系数矩阵；[uit]为残差矩阵。令[Zit=XitX*it]，为简化推导，假设[pi=qi]，则（1）式转换为：

[Αi0Zit=ai0+ai1t+Αi1Zi，t-1+…+ΑipiZi，t-pi+uit] （2）

其中[Αi0=Iki，-Λi0，Αij=Φij，Λij，j=1，2，…，pi]

将全部地区[t]时期内生变量组成一个[k]维列向量[Xt]，其中[k=i=1Nki]；[Xt=X'1t，X'2t，…，X'Nt']；可得[Zit=WiXt]，其中[Wi]为地区关联权重矩阵。则（2）式可变换为：

[Αi0WiXt=ai0+ai1t+Αi1WiXt-1+…+ΑipiWiXt-pi+uit] （3）

[令G0=Α00W0Α10W1 ?ΑN0WN，Gj=Α0jW0Α1jW1 ?ΑNjWN，j=1，2，…，p，a0=a10a20?aN0，a1=a11a21?aN1，ut=u0tu1t?uNt]

（4）式变换为：

[G0Xt=a0+a1t+G1Xt-1+…+GpXt-p+ut] （5）

由于[G0]是可知的满秩矩阵，因此（5）式两边同乘[G0-1]，就可得到GVAR模型：

[Xt=b0+b1t+F1Xt-1+…+FpXt-p+εt] （6）

其中，[b0=G0-1a0，b1=G0-1a1]；[Fj=G0-1Gj，εt=G0-1ut]。方程（6）可以通过逐步回归求解。在建立[VARX*（pi，qi）]模型中还可以加入对所有地区具有影响的外生变量：

[Xit=ai0+ai1t+Φi1Xi，t-1+…+ΦipiXi，t-pi+Λi0X*i，t+Λi1X*i，t-1+…+ΛiqiX*i，t-qi+Γi1dt+Γi2dt-1+…+Γi，t-zdt-zi+uit （7）]

假设[pi=qi=zi]，得到GVAR模型如下，

[Xt=b0+b1t+F1Xt-1+…+FpXt-p+H1dt+…+Ht-pdt+εt]

（8）

其中[H1=G0-1Γ11Γ21?ΓN1，Ht-p=G0-1Γ1，t-pΓ2，t-p ?ΓN，t-p]，在逐步求解回归方程后，运用脉冲响应函数来分析内生变量和弱外生变量冲击对经济系统的动态影响。

（二）变量与数据来源

本文选取我国31个省市第一产业、第二产业和第三产业增加值作为产业发展的代理变量，影响产业发展的外生变量包括货币政策和财政政策，货币政策代理变量可以分为价格型和数量型，在以往学者的相关文献中，价格型变量往往选取的是利率，数量型变量往往选取的是货币供应量、信贷规模。由于我国利率并未完全市场化，并且利率和货币供应量的前期数据不容易获得，所以本文选取信贷规模作为货币政策的代理变量，用金融机构贷款余额表示；选取国家财政支出作为财政政策的代理变量。选取样本的时间区间为1980—2014年，所有数据来自于《新中国60年统计资料汇编》和中经网数据库。为了消除通货膨胀对数据的影响，本文选取1980年为样本基期，通过定基价格指数调整数据。为消除数据的异方差，对所有数据采取自然对数化处理。

（三）区域关联权重

区域关联权重用来量化区域之间的关联程度。本文采用各省省会城市之间空间距离的倒数来表示。设[wij]为[i]省和[j]省的关联权重，[dij]为[i]省和[j]省的空间距离，则有[wij=1dij（i≠j）]。对于相同的省份，我们定义[wij=0（i=j）]。区域之间的空间距离越远，表明受到的影响越小，权重也就越小；相反，区域之间的空间距离越近，表明受到的影响越大，权重也就越大；鉴于篇幅，表1展示了各省空间距离权重矩阵的一部分①。

表 1：区域空间关联权重矩阵

[ anhui beijing chongqing fujian gansu … zhejiang anhui 0 0.00098 0.00083 0.00177 0.00058 … 0.00412 beijing 0.00098 0 0.00068 0.00064 0.00079 … 0.00080 chongqing 0.00083 0.00068 0 0.00084 0.00097 … 0.00077 fujian 0.00177 0.00064 0.00084 0 0.00050 … 0.00258 gansu 0.00058 0.00079 0.00097 0.00050 0 … 0.00052 … … … … … … … … zhejiang 0.00412 0.00080 0.00077 0.00258 0.00052 … 0 ]

四、实证研究

（一）模型统计检验

采用GVAR模型需要对数据进行平稳性检验、协整关系检验以及弱外生性检验。分别对样本省份第一产业增加值、第二产业增加值、第三产业增加值、全国财政支出和金融机构贷款余额进行ADF单位根检验。[VARX*（pi，qi）]模型的滞后阶数根据AIC准则和实际情况，选取滞后阶数为1阶。根据ADF检验结果，有些省份变量不平稳。

由于截面众多，鉴于篇幅，本文仅以我国安徽省、北京市、重庆市和福建省为例，给出它们的协整关系检验以及弱外生性matlab软件检验结果。表2给出了变量协整关系迹检验结果，可以看出安徽省具有1个协整关系、北京市有2个协整关系、重庆市有1个协整关系、福建省有1个协整关系，其他省份也至少有1个协整关系，虽然数据具有不平稳性，但满足协整关系要求，所以可以建立GVAR模型来考察货币政策产业结构效应。

表2：协整关系检验结果

[ ANHUI BEIJING CHONGQING FUJIAN 臨界值（5%） r=0 100.96 126.25 82.24 134.51 78.52 r=1 38.52 61.56 49.46 46.92 50.72 r=2 14.49 20.62 17.54 19.17 26.24 ]

表3给出了我国四个省市外生变量弱外生性检验结果，从表中可以看出所有的外生变量都满足弱外生性假设，符合建立GVAR模型的弱外生性要求。

表3：外生变量的弱外生检验结果

[ F 检验 临界值（5%） One s Sec s Thi s Fin Loan ANHUI F（1，22） 4.30 0.00 0.01 0.03 0.08 0.32 BEIJING F（2，21） 3.47 1.87 0.76 0.81 1.43 0.82 CHONGQING F（1，22） 4.30 2.30 0.53 0.53 0.24 0.15 FUJIAN F（1，22） 4.30 0.92 0.22 0.36 0.49 0.08 ]

（二）结果分析

按照八大综合经济区划分标准，来考察我国31个省市货币政策产业区域的非均衡效应，经济区根据省市2012—2014年消除通胀因素后的GDP加权汇总，采用广义脉冲响应函数来考察变量间动态影响，采用这种脉冲响应函数能够消除变量顺序对最终结果的影响。

1. 各经济区第一产业对货币政策波动的响应。图1显示了我国八大综合经济区第一产业对货币政策冲击的响应结果。在给我国金融机构信贷规模一个正标准差冲击后，我国大西北、大西南和南部沿海地区在第一期出现正向响应，其他地区出现负向响应；在前七期我国八大经济区对货币政策冲击的响应呈现波动状态，七期以后响应趋于平稳。从图1中可见我国八大综合经济区第一产业对货币政策冲击存在显著地域差异。在给货币政策一个正标准差冲击后，我国大西南地区第一产业在十五期内都是正向响应，第一期增加0.0036，并且在第二期达到最大增加值0.0039，其他地区则呈现正负响应交替状态。从增加幅度来看，我国八大经济区对货币政策冲击的响应也存在着很大差异。我国大西北地区、南部沿海地區分别在第一期达到最大增加值，分别为0.0164和0.0142；大西南地区在第二期达到最大增加值为0.0039，是货币政策冲击最敏感的三大地区；货币政策冲击最不敏感的地区为长江中游地区和东部沿海地区，长江中游地区在第三期达到最大增加值0.0018，东部沿海地区在第二期达到最大增加值0.0011。从各地区第一产业对货币政策的冲击来看，造成我国第一产业增加值存在显著地域差异的原因可能是我国农业仍然以分散经营为主，并且地理环境差异导致我国第一产业各次级行业内存在地域结构上的失衡，另外一个可能的原因是我国政府的财政补贴。

2. 各经济区第二产业对货币政策波动的响应。图2显示了我国八大综合经济区第二产业对货币政策冲击的响应结果。在给我国金融机构信贷规模一个正标准差冲击后，我国八大经济区第二产业对货币政策冲击的响应趋势基本相同。在前两期都为正向响应，但第二期响应程度有所减弱，在第三期到第七期呈现波动状态，在第七期以后趋于平稳。从图中可看出我国八大经济区对货币政策冲击的响应趋势大体一致。从响应程度来看，我国北部沿海、长江中游、大西南、东北、东部沿海、黄河中游、南部沿海地区都在货币政策冲击后第一期达到最大增加幅度；我国大西北地区在第二期达到最大增加幅度。我国八大经济区对货币政策冲击响应程度呈现出较大差异。对货币政策冲击敏感的三大地区为大西北地区、南部沿海地区和东北地区，正向增加值分别为0.0614、0.0308、0.0278；对货币政策冲击最不敏感的区域为黄河中游地区、北部沿海和长江中游地区，最大增加值分别为0.0126、0.0174、0.0196。从前十五期累积响应结果来看，在给货币政策一个正标准差冲击后，我国八大经济区第二产业增加值均表现为正向响应，说明实施扩张性货币政策有利于我国第二产业发展，累积响应最大的为南部沿海地区，累积响应值为0.1520；累积响应值最小的为东部地区，累积响应值为0.0106。

3. 各经济区第三产业对货币政策波动的响应。图3显示了我国八大综合经济区第三产业对货币政策冲击的响应结果。在给我国金融机构信贷规模一个正标准差冲击后，我国八大经济区第三产业对货币政策冲击的响应趋势基本相同。在前一到二期为正向响应，在二到七期呈现波动状态，在第七期以后趋于稳定。从响应程度来看，我国北部沿海、长江中游、大西南、东北、大西北、黄河中游、南部沿海地区均在货币政策冲击后一期达到最大值，东部沿海地区在第二期达到最大值。对于统一的货币政策冲击，我国八大经济区对货币政策的响应程度存在着地域差异。其中，正向响应值最大的前三大地区分别为东北地区、东部沿海地区和南部沿海地区，最大增加值分别为0.0146、0.0192、0.0108；正向响应值最小的三大地区分别为北部沿海、大西北和大西南地区，增加值分别为0.0029、0.0070、0.0040。从前十五期累积响应看，我国北部沿海地区和大西北地区对货币政策冲击累积响应值为负值，其他六大综合经济区累积响应值均为正值。累积响应值最大的地区为东部沿海地区，累积响应值为0.0413，说明实施扩张性货币政策对北部沿海和大西北地区第三产业发展不利，而对我国其他六大综合经济区发展有利，受益最大的是我国东部沿海地区。

4. 各经济区三次产业对货币政策波动的响应比较分析。从第二产业和第三产业对货币政策冲击响应的结果来看，扩张性货币政策对我国八大经济区第二产业冲击响应要高于第三产业冲击响应，这可能是货币政策汇率传导机制在第二产业和第三产业间造成的差异导致的。扩张性货币政策有利于商品出口，而出口作为推动我国经济发展的“三驾马车”之一，推动了我国第二产业发展。但由于服务可贸易性低于商品，从汇率传导渠道来说，扩张性货币政策促进我国第三产业发展的作用相对有限。与国外发达国家相比，我国第三产业在国民经济中占比较低，因此与扩张性货币政策相比，实施稳健的货币政策有助于第二产业向第三产业转移，提升第三产业在国民经济中的比重。

五、研究结论

本文选取我国31个省市的第一产业、第二产业和第三产业增加值为研究样本，利用各省市的空间距离权重矩阵建立GVAR模型，实证考察了货币政策波动对三次产业的区域和结构非均衡效应，结果表明：货币政策波动对我国三次产业发展具有显著的区域和结构非均衡效应，具体表现在八大经济区第一产业对货币政策波动的响应程度和响应趋势存在着显著的地域差异，八大经济区第二产业和第三产业对货币政策波动的响应趋势大致相同，但响应程度存在明显的区域和结构差异。

由于我国地区发展不平衡、金融服务水平各异和各产业的特有属性差异，在稳增长和调结构的政策背景下，总量货币政策忽略了我国各经济区的资源禀赋差异和需求结构差异，难以有效地促进我国各经济区产业结构优化调整。因此，实施“一刀切”的货币政策不利于我国产业结构调整，而应该针对区域三大产业对货币政策冲击的反应，制定差异化的货币政策，为了保证货币政策的有效性，货币政策实施过程中必须和财政政策、投资政策结合起来，引导信贷资金流量，在达成总量经济目标的同时，促进我国产业结构合理化。

注：

①数据来源于https：//ideas.repec.org/c/boc/bocode/s457059.html。

参考文献：

[1]Taylor J B.1995. The monetary transmission mechanism： an empirical framework[J].Journal of Economic Perspectives，9（4）.

[2]Michael T. Owyang， Howard J. Wall. 2006. Regional VARs and the Channels of Monetary Policy[J].Applied Economics Letters，16（12）.

[3]Bernanke B S， Gertler M. 1995. Inside the Black Box：The Credit Channel of Monetary Policy Transmission[J].Journal of Economic Perspectives，9（4）.

[4]Ganley J，Salmon C. 1997. The Industrial Impact of Monetary Policy Shocks： Some Stylized Facts[J].Ssrn Electronic Journal.

[5]Hayo B，Uhlenbrock B. 2000. Industry Effects of Monetary Policy in Germany [M].Regional Aspects of Monetary Policy in Europe. Springer US.

[6]Raddatz C E， Rigobon R. 2003. Monetary Policy and Sectorial Shocks： Did the FED react properly to the High-Tech Crisis？[J].Social Science Electronic Publishing.

[7]Georgopoulos G， Hejazi W. 2009. Financial structure and the heterogeneous impact of monetary policy across industries[J].Journal of Economics&Business，61（1）.

[8]丁文丽.转轨时期中国货币政策效力区域非对称性实证研究——基于VAR模型的经验分析[J].经济科学， 2006，（6）.

[9]陈安平.我国财政货币政策的区域差异效应研究[J].数量经济技术经济研究，2007， 24（6）.

[10]申俊喜，曹源芳，封思贤.货币政策的区域异质性效应——基于中国31个省域的实证分析[J].中国工业经济，2011，（6）.

[11]闫红波，王国林.我国货币政策产业效应的非对称性研究——来自制造业的实证[J].数量经济技术经济研究， 2008，25（5）.

[12]何静，李村璞.中国货币政策的产业效应研究——基于上市公司面板数据的实证分析[J].统计与信息论坛， 2009， 24（12）.

[13]王君斌，郭新强.产业投资结构、流动性效应和中国货币政策[J].经济研究，2011，（S2）.

[14]张辉.我国货币政策传导变量对产业结构影响的实证研究[J].经济科学， 2013，（1）.

[15]吉红云，干杏娣.我國货币政策的产业结构调整效应——基于上市公司的面板数据分析[J].上海经济研究， 2014，（2）.

[16]邹昆仑.货币政策对股票市场的非对称性影响研究——基于行业和企业规模的视角[J].宏观经济研究， 2013，（11）.