姜松

摘要：国外货币政策操作并没有关注产业结构调整的先例，所以我国货币政策是否应关注产业结构调整一直是一个存在争议的议题。研究发现：在理论层面，货币政策只能在短期内产生“结构性”的非对称性效应，当跨越资本投资影子价值“均衡点”后，货币政策的产业结构调整预期目标并不会产生；在实证层面，非参数格兰杰检验结果显示，当滞后1—9个月后，货币政策是产业结构调整的“过程”指标和“结果”的格兰杰因果原因，但随着滞后期增长，货币政策并不是产业结构调整的格兰杰原因。此外，无论是在“过程”层面还是在“结果”层面，产业结构调整都不是货币政策的格兰杰因果原因，二者间不存在互动效应。研究综合表明：作为经济总量调节的货币政策关注产业结构调整，只能视为短期性、暂时性经济行为，不应将其视为常态化工具。

关键词：货币政策；产业结构调整；非参数格兰杰检验；供给侧结构性改革

中图分类号：F822.0；F121.3 文献标识码：A 文章编号：1007-2101（2018）02-0034-12

一、引言

全球金融危机过后，发达国家和新兴市场国家历经萧条与复苏的周期性挣扎，均步入深度转型与结构性调整的新常态时期。虽然世界经济总体上仍保持平稳增长。但其所“根植”的环境生态却复杂多变：增长的不平衡性、产业结构空心化、投资非市场性风险激增等不确定性因素给经济增长徒添了“几抹”不可预知性。面对变化多端的国际形势和走出经济周期性迷途的现实鞭策，世界各国不约而同将产业结构调整作为寻求突破、提质增效和促进增长的突破口。实施“再工业化”战略和发展实体经济再一次成为新一轮产业结构调整的核心主题与实质内涵。如德国的“工业4.0”计划和美国的“工业互联网”战略等，都旨在通过信息化、智能化重塑经济发展活力，化解结构性矛盾和走出发展困境。就我国而言，为顺应世界潮流、面向“两个一百年”的战略目标，我国顺势而为制定了《中国制造2025》，作为新一轮科技革命和产业变革背景下的行动指南与战略纲领。可以大胆判断，产业结构调整与优化将是我国适应经济新常态并引领新常态的主要基调与战略焦点。

为了适应这一发展趋势，我国也启动了“供给侧结构性”改革，试图通过重构政策体系框架、精准布局来破解制度性瓶颈为产业结构调整保驾护航。货币政策作为我国调控政策体系中的重要组成部分，自然引发了实践操作部门的广泛关注。在《2015年第四季度中国货币政策执行报告》中，中国人民银行就明确提出：“要继续实施稳健的货币政策，保持松紧适度，适时预调微调，做好与供给侧结构性改革相适应的总需求管理”的货币政策调控战略。试图通过运用总量、价格等多种政策工具，打通货币政策传导渠道，从“量”和“价”两个维度为我国产业结构转型升级营造稳健的货币金融环境。在具体的货币政策操作层面，从2008—2015年，货币政策已有五次关注产业结构调整的操作事例（见表1），尤其是在2015年的四次货币政策调整中均有涉及产业结构调整的思路。更值得一提的是，2015年6月28日所执行的货币政策更是以“定向降准”为主题内容，试图通过“支农支小”举措支持实体经济增长和促进产业结构调整。综合特征事实可以清晰看出：关注产业结构调整已经成为我国货币政策目标体系的重要构成，货币政策主动承担起了改革重任。

一般而言，货币政策以总量调节为目标，更为注重货币政策对宏观经济的影响（干杏娣和吉红云，2014），经济增长、充分就业、物价稳定和国际收支平衡共同构成其目标体系框架。关注产业结构调整并未涵盖其中。这样“非常规”的做法是否存在合理性呢？同时，从西方国家的货币政策实践来看：货币政策也一般以关注通胀、充分就业或者寻求二者间的平衡为主，并未有关注产业结构调整和承担结构性改革之责的先例。当然，也有一些结构性政策操作工具，但也是在经济危机爆发的特殊时期（见表1）。在战术层面，采取的也是“定规则，不定机构”的原则，货币政策“总量调控”的属性和特质并未发生实质变化。综合而言，无论是在支撑理论还是操作战术方面，货币政策关注产业结构调整都没有事实依据可循。那么，我国货币政策关注产业结构调整是对一般规律的背离还是我国特殊国情所决定的个数个案呢？货币政策关注产业结构调整是否有一定的合理性呢？是否应将产业结构调整纳入货币政策目標体系？未来我国货币政策如何调整与优化呢？这就亟需从多维度、多层面进行探究，为我国货币政策操作提供理论支撑与经验佐证。

二、文献回顾与述评

经济增长与产业结构调整之间存在相互依赖性，经济增长伴随着产业结构和比较优势的变化而变化，产业结构调整可以促进经济增长（Ishikawa，1992）。作为经济结构调整的重要组成部分，产业结构调整是转变经济增长方式的内在要求，是理解发展中国家和发达国家经济发展区别的核心变量，也是经济新常态下的新特征（干春晖等，2011；刘金全等，2013；张月友，2014；王朝明和朱瑞博，2016）。在产业结构调整过程中，政策支持是其主要力量（栗书茵和康莹，2009）。货币政策作为政策体系中的重要构成，自然也引发了学界的广泛关注。但从货币政策属性来看，其以总量调节为目标的。也就是说，货币政策效应在整个经济内部和各产业间是均衡的、一致的、无差异的（吉红云和干杏娣，2014）。因此，关于货币政策与产业结构调整之间的关系一直存在诸多争议和“迷思”，研究结论也大相径庭。

一方面，一些学者认为货币政策应该关注产业结构调整，并从不同侧面证实其是产业结构调整的重要手段。有些学者从反思既定假设条件和揭示货币政策的“结构效应”和“非对称性效应”的角度间接地切入。如，吉红云和干杏娣（2014）从微观角度切入，利用上市公司层面的面板数据检验发现，货币政策对于资本密集型行业的影响程度最大，技术密集型行业的影响次之，劳动密集型行业的影响最弱。庞念伟（2016）则从中观的角度切入，认为第二产业对货币政策冲击的反应最强，第一产业次之，第三产业最小。当然，还有学者对研究进行拓展，从空间角度进行揭示。如，郭晔和赖章福（2011）研究发现，货币政策在东部和西部地区第三产业发展中的调节作用最强，在中部地区表现比较弱。进一步的，基于结构性效应的考证，学界研究也转向揭示其深层次的传递机理。詹新宇和方福前（2014）研究发现，货币政策主要通过“要素替代效应”和“收入-消费效应”两种渠道产生作用，但也有学者持不同意见。如彭俞超和方意（2016）则认为货币政策主要通过影响金融机构的运营成本起到影响产业结构调整的作用。基于上述综合认知，学者普遍认为货币政策能够影响产业增长和结构调整（刘金全和刘汉，2013），尤其是中长期货币政策应关注我国经济增长率稳中趋降、第三产业占比上升和人口老龄化等结构性变化（潘宏胜，2011），考虑流通速度等要素所带来的“非对称性”，通过定向调控实施差异化的货币政策以保证既定目标实现（谢超峰和范从来，2016）。endprint

另一方面，也有一些学者认为货币政策关注产业结构调整存在一些不确定性，甚至负面影响。因为产业结构转型升级是一种“单向性”政策目标，与传统经济稳定问题并不完全一致（彭俞超、方意，2016），所以诸多学者对于货币政策关注产业结构调整持怀疑态度，认为其效应存在不稳定性。国外学者如Lubik（2003）构建了涵盖贸易部门和非贸易部门的理论框架，并通过模拟发现，来源于不同产业劳动力供给弹性在面临货币政策冲击时对于产出的反应没有显著影响，但经常性账户对于货币政策的冲击则取决于产业结构。Pham（2013）以越南为研究对象，揭示了产业结构因素会“阻塞”货币政策的传导渠道。我国学者对于这一议题关注也较多。如，张斌和何帆（2006）研究发现，保持名义有效汇率固定与国内物价稳定的货币政策“锚定”原则会造成工业/服务业价格扭曲和失衡。张伟进和胡春田（2014）认为由于货币政策“预期机制”的存在，产业结构的最优发展路径可能发生偏离，致使货币政策效应与预期方向不一致。当然，产业结构性因素还会致使货币流通速度变慢和影响政策有效性（王延军和温娇秀，2015）。王朝明和朱睿博（2016）甚至提出货币政策，尤其是利率政策对产业结构调整会产生负面影响。也正是这些不确定性使中央银行在面临产业发展不均衡、区域发展不平衡及结构失衡时显得无能无力（刘树成，2004；干杏娣和吉红云，2014）。

综合而言，学术界关于货币政策和产业结构调整不同侧面的研究成果，极大拓展了认知和奠定了深入开展的逻辑起点。但梳理也发现其存在如下问题：一是现有研究在揭示货币政策与产业结构调整之间关系的往往是从产业内部、产业之间两个维度切入，从“非对称性”的角度间接地认为货币政策应该关注产业结构调整。这样的经验实证本身就缺少理论支撑，因为将总量指标置于产业内部和产业之间本身就存在指标口径不一致问题，研究本身的科学性、可信度大打折扣。但事实上，产业结构调整包括产业结构合理化和产业结构高级化双重内涵，若从总体上进行概念操作化并直接检验和揭示二者之间的关系可以确保指标口径的一致性和得到更为科学的研究结论。二是在揭示货币政策与产业结构调整关系时，现有研究大多采用线性模型并假定参数是恒定的。但在现实经济环境中，货币政策传导机制与路径十分复杂，尤其是涉及结构层面因素时，传递路径也可能与理论相背离，研究结论的准确性值得推敲。这在对货币政策和产业结构调整关系不明确的情况下，非参数方法无疑是最为合适和恰当的，可以挖掘和利用一切潜在的隐匿信息，进而增加研究科学性。有鉴于此，本研究在进行理论分析基础上，运用格兰杰因果检验的最新研究成果——非参数格兰杰检验来揭示货币政策和产业结构调整之间的关系，进而澄清争议和为构建“精准布局”“精准发力”的政策体系提供理论支撑和经验辅助。

三、理论分析

货币政策效力的程度和异质性与金融结构、劳动结构及商品结构存在密切关系（Berben等，2004），其中，商品结构则起到关键作用。尤其是在开放型经济中，进出口商品结构的不同，决定产业结构中主导产业不同，进而致使不同产业工人就业及其工资水平也不同（魏浩和赵春明，2012）。因此，从某种程度上，商品结构可以看成是产业结构的组成部分，其会影响到货币政策有效性。另外，从货币政策传导渠道来看，无论是“信贷传导”还是“利率传导”路径，也都与产业结构有密切联系。从“信贷传导”路径来看，货币政策的产业结构效应也是存在的，如果产业结构发展不均衡也会导致信贷市场扭曲和局部信贷萎缩，进而会阻塞货币政策传导路径。从“利率传导”路径来看，产业结构中，资本密集型产业往往是决定货币政策有效性的重要因素。因为为扩大再生产和进行技术更新改造，资本密集型产业的财务杠杆都较高，对利率反应的敏感性也较强。如钢铁、汽车、房地产等行业对利率的敏感程度要高于勞动密集型产业，如服装、纺织业、家具制造业等（高波和王先柱，2009）。当然，作为产业结构的微观表达，大型企业和小型企业对利率的敏感度也就不同（Eichenbaum，1994）。

基于此，本研究借鉴Raabe（2006）所构建的双重市场结构框架：假定在一个双重产业i中存在j=1，…，M企业。其中，大型企业行业属性是资本密集型产业，处于市场中心，投入的是订制化资本和非技能化劳动力；小企业属于劳动密集型行业，处于市场外围，投入的是专业化资本和技能性劳动力，但与大型企业共存、共生，可以进行独立的投资决策。值得一提的是，无论是大型企业还是小型企业，在不同产业i=1，…，N，都是风险中性和生产异质性产品。尽管二者存在显著差异性，但本研究假定其经营相同生产函数Yji，如式（1）：

Yji=Aji，tKji1-α（Nji，tHji，t）α（1）

其中，Aji，t表示技术进步水平，本研究将其假定为希克斯中性技术进步类型。在具体表达式方面，进一步将技术参数A假定为带漂移的随机游走过程，如式（2）。其中，参数αAi揭示的是一个时不变性质的正漂移项，用以揭示特定产业发展水平下的生产技术进步。ΔRDji，t体现的是研发水平，用以反映因为专业性研发活动所引致的技术改进水平、生产效率差异和产出规模的差异。

Aji，t=αAi+Aji，t-1+βAji（ΔRDji，t）+εAji，t（2）

Hji表示人力资本水平，用以控制市场中心大型企业和市场外围的小型企业中劳动力技能差异和工资水平的差异。将其表达式设置为式（3）。其中，αHi也是一个时不变性质的漂移项，描述的是“干中学”过程。变量Sji，t是一个“二进制”虚拟变量，用来控制处于市场中心的大型企业和处于市场外围的小型企业的显著性的人力资本差异，如果是大企业则赋值为1，小企业则赋值为0。

Hji，t=αHi+Hji，t-1+βHjiSji，t（3）

Kji表示物质资本水平，借鉴Goldsmith（1951）所使用的“永续盘存法”，将其定义为式（4）。其中，δ表示资本折旧速度，将其假定为常数，并且满足条件0<δ<1。Iji，t描述了每单位时间公司j的资本投资总额。endprint

Kji，t=（1-δ）Kji，t-1+Iji，t（4）

由式（4）可知，企业物质资本存量除了依赖于上一期资本存量以外，更依赖于当期资本投资水平Iji，t，而这部分与企业生产成本密切联系。按照Letterie和Pfann（2003）的观点，无论是大型企业还是小型企业，其投资成本一般包含资本购置或销售成本、现有固定成本和调整成本①等三部分。为此，将投资成本函数设定为式（5）：其中，pIt表示每一单位资本投资It的价格，则pItIt表示资本购置或销售的成本；一般而言，资本购置或销售价格pIt可以由产业特性（εit）和企业特性（εjt）两部分构成，并据此体现产业结构和企业属性差异。为此，可以将其形式设定为：pIt=εit+υεjt。εit体现产业中使用“标准化”资本生产的小型企业，εjt体现产业中使用“订制化”资本进行生产的大型企业，更为重要的是该部分还可以代表由于R&D所形成的沉没成本。同时，假定υ为虚拟变量，用以反映上述两种情况。pkt表示每一单位固定资本的价格，pktK表示现有固定成本；γ表示价格参数且在正向投资和负向投资时其均是恒定的，γ■表示调整成本。值得注意的是，固定资本的投资成本一般较高，而且往往具有不可逆性（于博，2014）。υ也是一个二元虚拟变量，当赋值为1的时候，则说存在新增资本投资。当赋值为0时，表明不存在新增资本投资。需要说明的是，只有存在新增资本投资时，才存在资本调整成本。同时，由于资本投资的特殊性以及市场信息不对称性，我们很容易发现：资本的购置价格p+一般要大于其销售价格p-，可以表示为p+>p->0。如果新增资本投资成本处于p+，企业会积极进行资本投资，此时I>0；但若新增资本投资成本处于p-，企业资本投资热情将降低，此时I<0。

C（It，Kt）=pItIt+υ（pKtKt）+γ■（5）

设置各投入要素和成本函数后，接下来的关键就是要确定产出品的价格。由于将技术假定为随机过程，我们也将产出品价格设置为一个随机过程。为此，在产业i中企业j在时间t的产出品的市场价格为Pji，t，其为一个带漂移项的AR（1）过程，如式（6）：

Pji，t=αPi+Pjt，t-1+εPji，t（6）

为此，在短期内，其利润函数可以表示为：

π（Pt，At，Kt，Nt，Ht）=max[Ptf（At，Kt，Nt，Ht）-C（Nt）]（7）

在式（7）中，Pt为产出品价格，f（·）表示生产函数，C（Nt）=WtNt衡量的是生产过程中的劳动力要素投入成本，即所支付的工资水平。由于物质资本投入和人力资本积累和形成是一个长期过程，在短期内可以看成是“准固定”的。所以，在短期内，企业扩大再生产过程中，劳动力价格和成本是主要组成部分，但劳动力要素的調整往往是低成本的，因为对劳动力进行再培训的成本并不会显著提升。所以，从长期来看，在产业i中企业j进行生产调整时，资本成本就是约束利润水平的最为关键的因素。在这样的约束下，无论是大型企业还是小型企业都会通过最大化每一期经营净利润的方式进行最优化投资行为选择。但在每一期内，企业均面临着跨期投资所导致的资本周期性贬值和资本调整问题。为化解这一困境，其势必会将预期利润最大化，可以表达为：

V（Pt，At，Kt，Nt，Ht）=maxEt{■βt+s[π（Pt+s，At+s，Kt+s，Nt+s，Ht+s）-C（It+s，Kt+s）]}（8）

在式（8）中，β表示贴现因子，Et是t时刻期望算子的条件信息。由式（8）我们可以清晰看出公司价值体现的就是未来经营利润的现值。由贝尔曼最优性原理②我们可知，公司价值就等于经营利润和未来资本投资所得共同构成。可以表示为：

V（Pt，At，Kt，Nt，Ht）=■{π（Pt，At，Kt，Nt，Ht）-C（It，Kt）+βt+1Et[Vt+1]}（9）

结合约束性条件，那么跨期最大化问题可以用拉格朗日表达式来表示：

Lt=π（Pt，At，Kt，Nt，Ht）-C（It，Kt）+βt+1Et[Vt+1]+γt[（1-δ）Kt-1+Kt+It]-VPt（αP+Pt-1-Pt+εPt）+VAt（αA+At-1-At+βA（RDt）+εAt）+VHt（αH+Ht-1-Ht+βHSt）（10）

其中，VPt、VAt、VHt分别代表着产出价格、技术和人力资本的影子价值。εPt和εAt代表着技术和产出价格的随机冲击因素。γt表示在时间t上一个新增物质资本的影子价值，其是影响企业最优投资行为的关键因素，所揭示的经济学涵义是一个额外物质资本对于公司价值的贡献。此外，由式（10）我们还可以看出，只有γIt和C（It，Kt）是包含物质资本投资因素。进一步参考Abel和Eberly（1994）的做法，引入式（11）。其中，？覬t刻画的是时间t的投资净值。

？覬（λt，Kt）=■{λtIt-C（It，Kt）}（11）

求解式（11）的一阶条件可得：

■=λt-■=λt-（PIt+γm■）（12）

整理可得最优投资行为It*的表达式：

It*=■■（13）

结合式（5），可以发现式（13）存在三种情景：如果新增资本投资的影子价值小于其销售价格p-It，则I*（λt，Kt）<0；如果新增资本投资的影子价值等于其销售价格p-It但小于或者等于其购买价格，则I*（λt，Kt）=0；如果新增资本投资的影子价值等于其购置价格，则I*（λt，Kt）>0。为此，可以综合表示为：

I*（λt，Kt）<0，λt0，λt>p+It（14）

需要提出的是式（14）没有考虑约束条件下的情况。若考虑约束条件则情况并不如此。之所以会这样是因为当在新增投资的情况下，固定成本因素没有纳入其中，而这会直接影响到支付函数？覬（λt，Kt）。为实现利润最大化，资本影子价值λ必须纳入其中。将I*t带入式（11）可得：

？覬*（λt，Kt）=（λt-pIt）■■-

υ（pKtKt）+γ■（15）

可以进一步将其改写为：

？覬*（λt，Kt）=Ω（λt-pIt）■Kt■-υ（pKtKt）（16）

其中，Ω=1-■（γm）■。可以看出，式（16）中资本影子价值也存在显著的门槛效应。为了更好识别投资行为，分别将资本购买价格p+It和销售价格p-It分别施加约束条件？覬=0，则两种投资行为可以进一步表示为：

λt>■t=p+It+υ（pKtψt）■λt<■t=p-It-υ（pKtψt）■（17）

式（17）中，ψt=■，■t和λt描述的是资本的影子价值的上限和下限临界值。基于这些条件，最优投资行为可以重新改写为：

■（λt，Kt）=I*（λt，Kt）<0，λt<■tI*（λt，Kt）=0，■t0，λt>■t（18）

从中可以看出，当λt>■t时，小型公司将运用“标准化”资本进行投资，大型公司则会运用“订制化”资本进行投资，在给定pl和pK的情况下，投资将是公司规模的增函数。但λt<λt时候，公司规模所导致的投资差异将变得并不显著，因为大型公司和小型公司面临相同的资本购置价格，订制化资本将演变为沉没成本。在这样的情形下，二者的投资积极性受挫，均会在相同的临界值λ*下选择不进行投资，但由于现有资本存量pK的影响，大型公司所承担的成本负担要比小型公司大，所以就投资影子价值的门槛上限和下限满足■L>■S、λL<λS。以此为基础进一步揭示货币政策冲击效应影响。将折现系数β定义为货币市场利率rM和企业风险溢价rFP组成，即：

β=■（19）

式（19）中，rt=rM，t+rFP，t，rM，t表示货币市场利率，rFP，t表示风险性因子，则将其改写为：

β=■=■（20）

进一步地，继续假定公司所面临的风险溢价是货币市场利率的函数。而货币市场利率受到货币政策影响。并将其写成rFP，t=αrM，t，其中α>0，式（20）可以进一步表示为：

β=■=■（21）

从长期来看，处于市场中心大型公司和处于市场外围的小型公司所面临的风险存在“均等化”趋势。因为资本影子价值的持续性差异并不存在而且“套利”现象被消除。因此，可以认为大型公司和小型公司的投资影子价值对于来自货币市场利率的反映是相同的，也就是说αsmall=αlarge，则对于大型公司和小型公司来说，其在时点t+1和t+s对于利率的反应分别等于：

■=-■E（λt+1）（22）

■=Et■-■（■-■）（23）

为了便于讨论将可能的情况绘制成图1。由图1可以看出，当资本影子价值处于長期均衡水平λ*时候，大公司和小公司投资对于利率反应是相同的。但当面临较大利率冲击时大公司和小公司的资本投资影子由均衡水平的λ*下降为λLI，此时大型公司和小型公司的投资行为分别变成OC和OB，且显然OC>OB，大型公司对利率敏感性明显要大于小型公司。但面临较小冲击时，小型公司投资受到利率政策冲击较大，大公司则并不受影响。当资本影子价值达到上限■后，效应曲线的形态也存在一致性。换言之，这也从一个侧面说明：实践中为小型公司提供定向“利率优惠”的政策设计只能在短期内存在“非对称性效应”，长期来看，并不能达到通过调整产品结构进而调整产业结构的目标预期。因为从长期来看，影响公司投资的因素是外部需求变化而不是资金需求得不到满足，货币政策及其效果也会受到限制（王义中和宋敏，2014）。理论分析充分表明，货币政策对于产业结构调整只能在短期内产生政策效力，长期效果并不显著。总之，关注产业结构调整只能作为货币政策短期性、非常态化的目标取向，长期内仍应回归总量调控属性。

四、实证方法与指标选取

（一）非参数格兰杰检验方法说明

基于理论认知，继续通过实证检验方式来揭示现实中货币政策和产业结构调整间的相互关系。计量经济学中，判断一个变量的变化是否是另一变量变化的原因一般都用格兰杰因果检验（Granger causality tests）方法。该方法主要由Granger（1969）所构建，用以揭示时间序列间的表征及其机理，其实质是检验一个变量的滞后变量是否引入其他变量的方程中。一个变量如果受到其他变量的滞后影响，则其具有Granger因果关系。比如定义一个平稳的二元过程{（Xt，Yt）}，如果变量X有助于解释Y的变化，就可以认为序列{Xt}是引起{Yt}的格兰杰原因。更为一般的形式可以用式（24）进行表达。

（Yt+1，…，Yt+k）|（fX，t，fY，t） ～/ （Yt+1，…，Yt+k）|fY，t（24）

事实上，基于自回归模型实施格兰杰因果检验已经达到了非常成熟的地步，并得到了广泛的运用和发展。一般来说，其是建立在参数严格假设条件下的，利用总体信息并通过总体分布和样本对总体参数进行判断。但经济社会作为一个复合型演化系统，总体分布也是复杂多变的。基于参数的格兰杰因果检验的适用范围以及研究结论的科学性都受到诸多质疑。随着研究技术进步，非参数格兰杰检验逐步成为一个热点领域并引发学界关注。在众多的非参数检验方法中，引人注目的就是Hiemstra和Jones（1994）所提出的“HJ检验”，其实质上是对Baek和Brock（1992）条件性独立性检验的修正。“HJ检验”也奠定了非参数格兰杰检验的研究基础。但其也存在诸多问题，尤其是当原假设是正确时候，检验结果存在“过度”拒绝的问题，进而会使统计结果失真（Diks和Panchenko，2006），亟待进行修正。在接下来的部分，主要介绍Diks和Panchenko（2006）的优化思路并以此方法为基础进行实证检验。其进行非参数格兰杰因果检验的原假设是：{Xt}不是{Yt}的格兰杰原因，其修正的出发点就是寻找证据来拒绝原假设。为此，按照（24）式中的基本定义，考察K=1时的情况。众所周知，在给定Yt，Yt-1，……的前提下，Yt+1与Xt，Xt-1……之间存在条件独立性。而条件独立性可以用有限的滞后期lX和lY来检验，则式（24）可以写为：

Yt+1|（Xtlx，Ytly）～Yt+1|Ytly（25）

在式（25）中，Xtlx=（Xt-lX+1，…，Xt），Ytly=（Yt-lX+1，…，Yt）。对于一个严格的时间序列来说，{（Xt，Yt）}就是关于（lX+lY+1）维向量Wt=（Xtlx，Ytly，Zt）的不变分布，其中Zt=Yt+1。在此研究中只考虑lX=lY=1的情况。同时，为更好进行检验，运用联合分布形式对零假设进行重新表达：在给定（X，Y）=（x，y）、Y=y时，Z的分布是一样的。那么其联合分布形式可以表述为：

■=■（26）

Hiemstra和Jones（1994）构造“HJ检验”就运用关联积分比值来衡量式（26）左边和右边的差异。对于多元随机向量，其关联积分CV（ε）就是寻找两个独立向量同时发生的概率小于或等于ε。在Hiemstra和Jones（1994）看来，对于ε>0，都暗含：

■=■=■×■（27）

然后，就可以利用式（27）计算关联积分以检验■和■的差异，采用的形式如下：

CW，n（ε）=■∑■IijW，IijW=I（‖Wi-Wj‖≤ε）（28）

比较式（26）和式（27），我们会发现二者并不存在一般性。式（26）只有在给定Y=y，Z和X的条件分布不依赖于y时才会发生，在其他情况下，式（27）将不能被分解为左边和右边两个等式。这就说明“HJ检验”的结果与原假设并不一致，这也是造成其统计失真的最主要原因。但总体来说，如果通过适当的措施消除其中的偏差，其仍是渐近有效的。为此，Diks和Panchenko（2005）主要通过增加样本容量和允许带宽ε趋于0的方式进行修正。在其看来，原假设暗含式（10）的关系。其中，g（X，Y，Z）表示加权函数。

qg=E[■-■■

g（X，Y，Z）]=0（29）

所以，基于指示函数，对式（29）进行自然估计就可以构造一个统计量进行非参数格兰杰检验。Diks和Panchenko（2005）所构造的统计量如式（30）所示。其中，IijW=I（‖Wi - Wj‖<ε）。

Tn（ε）=■■[■ ■（IikXYZ IijY -IikXYIijYZ）]（30）

如果将随机向量W在Wi处的局部密度估计函数表示为：■W（Wi）=■■IijW，则式（30）就可以进一步表达为：

Tn（ε）=■■[■X，Y，Z（Xi，Yi，Zi）■Y（Yi）-■X，Y（Xi，Yi）■Y，Z（Yi，Zi）（31）

构造好检验统计后，如果能选取适当带宽序列ε（n）。“HJ检验”的估计值就存在一般性。进一步，借鉴Powell和Stoker（1996）的做法：将带宽设置为εn=Cn-β。其中，C为任意正常数，β∈（■，■）。在实际操作中，Diks和Panchenko（2005）将带宽设定为εn=max（Cn-2/7，1.5），并认为在这样的条件下，非参数格兰杰因果检验的统计量Tn服从正态分布并表达为下式：

■■→N（0，1）（32）

（二）指标选取与数据来源

本研究主要涉及货币政策和产业结构调整两个内容层面数据量化。一是在货币政策方面。由于货币政策主要通过中介目标对总体目标产生影响，因而货币政策也主要从中介目标层面维度进行量化。从我国货币政策操作实践来看，货币供应量长期以来被选作货币政策调控的中介目标（张晓慧，2012），其既能反映货币供给的变化，又可以反映货币需求的变化，数据获取便利且与经济增长的关联性较强。有鉴于此，采用广义货币供应量M2作为货币政策（MP）的代理变量。二是在产业结构层面。产业结构调整描述的是产业结构从低级形态向高级形态变迁的过程，是产业结构合理化和高级化的有机统一，描述的是第一产业占优势比重逐步向第二产业、第三产业占优势比重演进，由劳动密集型产业优势比重向资金密集型产业、技术密集型产业占优势比重演进的过程（黄群慧，2014；李子伦，2014）。如果对其进一步凝练，我们可以发现产业结构调整包含“过程”和“结果”两个层面的内涵。其中，在过程方面，产业结构调整体现的是第二产业和第三产业对第一产业的替代与融合过程；在结果层面，产业结构调整“过程”所致使的直接结果就是第二产业和第三产业在整个国民经济体系中所占比重增加。遵循这一结构化思路，用第二、三产业增加值之和除以第一产业增加值来量化产业结构调整的“过程”内涵（SP），用二、三产业增加值占GDP的比重来衡量产业结构调整的“结果”内涵（SR）。同时，为了减少数据口径的不一致性，对所有数据均取自然对数。所有数据均来自国家统计局，时间跨度为1992年第4季度至2016年第3季度。各变量描述性统计信息如表2所示。

五、实证结果与分析

（一）數据平稳性检验

在实证检验方法介绍部分，我们已经揭示非参数格兰杰检验是建立在严格平稳时间序列的基础上的。如果数据是非平稳的，容易使非参数格兰杰检验存在“虚假回归”问题。因此，在实施非参数格兰杰因果检验之前需要对数据平稳性进行检验。关于数据平稳性检验方法已经十分成熟和完善，但是传统的ADF检验和PP检验等方法在时间序列平稳性检验中经常存在检验效度低和存在样本偏差等诸多问题，研究结论扭曲问题较为严重。鉴于此，本研究采用Ng-Perron方法进行检验。其是Ng和Perron（2001）基于广义最小二乘法退势所构造的四个统计量来检验数据平稳性。因而相比较其他单位根检验方法，Ng-Perron方法的统计量更为稳健，有效地避免了水平扭曲问题和提高了研究结论效度和信度。在本研究中主要考虑了只涵盖常数项（C，0）以及同时包括常数项和时间趋势项（C，T）两种情况的检验结果。检验结果见表3。由结果可以看出，变量MP、SP和SR在两种情况下均为平稳序列。因此，可以进行非参数格兰杰因果关系检验。endprint

（二）非参数格兰杰检验

我们分别从过程和结果两个层面对货币政策是否应关注产业结构调整进行实证检验。按照Pompe（1993）的建议，在确保时间序列独立性基础上，如果将时间序列转换成均匀的边缘分布，可以提高检验的科学性和精度。为此，在本研究中，分别给出了原始序列（Origin）和转换后序列（Unif）两种结果。其中，表4给出的是货币政策和产业结构调整“过程”指标间相互关系的检验结果，表5给出的是货币政策和产业结构调整“结果”指标间相互关系的检验结果。从表4我们可以看出，Hiemstra等（1994）创立的“HJ检验”与Diks等（2006）创立的“T检验”的最终结果并不存在显著差异。这与Diks等（2006）在改进思路中提到的一致：如果样本容量小于500，二者的检验结果并不会存在显著不同。唯有样本容量大于500后，“T检验”较“HJ检验”表现才会更出色、精度才会更高。从原始序列（Origin）和转换序列（Unif）的结果来看，二者结果也并不存在显著差异。但随着置信水平的放宽③，我们会发现基于原始序列（Origin）检验结果的拒绝条件明显放松，但基于转换序列（Unif）的检验结果仍然较为稳定。为此，本研究中均以基于转换序列（Unif）的“T检验”为准。从结果可以看出，在滞后1期、2期和3期时，均拒绝原假设。这说明在1-3期的滞后期内，货币政策是产业结构调整过程指标的格兰杰原因。同时，由于样本使用的是季度数据，滞后1-3期就意味着滞后3-9个月。因而，货币政策对产业结构调整产生影响的“时滞”就是3-9个月。但当滞后4期，也就是12个月后，Diks和Panchenko（2006）创设的“T检验”结果无法拒绝“货币政策不是产业结构调整过程指标格兰杰原因”的原假设。综合而言，可以清晰看出：在短期内，货币政策关注产业结构调整过程有一定现实依据和实证支撑，这也切合货币政策聚焦短期问题的属性特征。但从长期来看，并没有充分证据和经验证实货币政策和产业结构调整过程指标间的因果关系的存在。因此，不能将货币政策关注产业结构视为“常态化”的目标取向。

那么，产业结构调整是否要求货币政策做出动态调整呢？在接下来的部分我们进一步对此做出检验。由结果可知，无论是基于原始序列（Origin）还是转换序列（Unif），“HJ检验”和“T检验”中除少部分结果存在不一致问题外，其他并无区别。但比较会发现：基于转换序列（Unif）的检验结果更为平稳。而且这一点上，“HJ检验”和“T检验”结果之间并无实质性差异。为此，仍以“T检验”结果作为分析基准。从结果中可以看出：无论滞后多少期，“T检验”均无法拒绝原假设。这说明，产业结构调整过程指标并不是货币政策做出反应的原因。所以，一言以蔽之：在过程层面，货币政策和产业结构调整间只存在短期性、单向性的因果关系，长期内二者间的关系并不显著。换言之，在过程层面，货币政策和产业结构调整间并不存在互动效应。这也直接印证了货币政策不能从本质上促进产业结构调整，“结构性”问题的解决还是要依靠体制机制改革来化解（宋芳秀，2014）。

上述分析中，我们主要从“过程”层面，检验了货币政策和产业结构调整之间的关系。那么，在“结果”层面，货币政策和产业结构调整结果指标间又存在怎样的关系呢？检验结果见表5。由结果可知：基于原始序列（Origin）和转换序列（Unif）的“HJ检验”和“T检验”并不存在显著差异。但按照上述说明我们仍以基于转换序列（Unif）的“T检验”为基准进行分析和解释。由表5结果可知：当滞后1期、2期、3期时，Diks和Panchenko（2006）创设的“T检验”的值分别为4.647、4.548、3.561，均在1%显著性水平下拒绝原假设。这说明在滞后1-3季度或者说3-9个月后，货币政策是产业结构调整结果指标的格兰杰原因。这和上述运用“过程”指标进行检验的结果是一致的。但当滞后4个季度也就是1年以后，货币政策与产业结构调整“结果”指标间“T检验”值均无法拒绝原假设。所以，“结果”层面的非参数格兰杰检验结果也表明：货币政策也应在短期内关注产业结构调整，长期内其并不是产业结构调整的格兰杰原因。

进一步地，产业结构调整结果指标是不是货币政策的格兰杰原因呢？从表5中基于转换序列（Unif）的“T检验”结果可知：在1%的显著性水平下，滞后1-8季度后，我们均无法拒绝“产业结构调整结果指标不是货币政策格兰杰原因”的原假设。这和“过程”层面的检验结果是一致的。综合而言，无论是在“过程”层面还是“结果”层面，非参数格兰杰检验结果均表明：货币政策只能在短期内关注产业结构调整，长期内其并不是产业结构调整的格兰杰原因。可以说，从长期来看，货币政策不应过多承担改革之责。此外，无论是在“过程”层面还是“结果”层面，产业结构调整均不是货币政策的格兰杰原因。

六、研究结论与政策建议

本研究试图从理论和实证两个层面解答我国货币政策是否应承担产业结构调整之责的问题。在理论层面，借鉴Raabe（2006）理论框架从市场结构的角度构建理论模型揭示大型公司和小型公司的最优投资行为及其对货币政策的冲击反应。研究发现，当资本投资影子价值处于长期均衡水平时，大型公司和小型公司对于利率政策反應是相同的。唯有面临较大利率冲击时，大型公司对于利率的敏感性才明显大于小型公司。面临较小利率冲击时候，小型公司反应较为敏感，大型公司不受影响。理论分析充分印证：为小型公司提供定向的“利率优惠”的货币政策设计只能在短期内产生“非对称效应”，长期内无法达到预期目标。货币政策关注产业结构调整只能视为短期目标，不能将其视为“常态化”“惯性化”的政策手段和目标预期。进一步地，研究运用格兰杰检验的最新研究成果“非参数格兰杰”检验，从“过程”和“结果”内涵两个层面来检验货币政策和产业结构调整间的格兰杰因果关系。研究发现：无论是在“过程”层面，还是在“结果”层面，在滞后1-9个月后，货币政策是产业结构调整的格兰杰因果原因。但随着滞后期的增长，货币政策就不是产业结构调整的“格兰杰原因”。此外，无论是在“过程”层面还是在“结果”层面，产业结构调整均不是货币政策的“格兰杰原因”，二者之间不存在互动效应。实证检验结论和理论分析预期存在一致性。综合而言，关注产业结构调整可以作为货币政策短期目标取向，长期内货币政策应回归总量调控的政策属性。唯有此才能达到政策预期。本研究所蕴含的政策涵义如下：endprint

一是理性认知，让货币政策回归“总量调节”的常态化。本研究已经实证出货币政策只在短期内是产业结构调整的格兰杰原因。但在长期内并没有证据表明货币政策是产业结构调整的格兰杰原因。换言之，让货币政策承担产业结构调整的重任只能是短期性、暂时性的次优选择结果，只能将其作为过渡性的目标选择，而不应将其纳入货币政策目标体系框架。否则，可能会陷入政策操作误区和强化结构性矛盾。为此，货币政策的制定与决策部门应理性认知，遵循货币政策操作一般规律，让货币政策回归“总量调节”初衷，并在增强央行独立性的基础上，聚焦目标体系中的主要矛盾和宏观经济形势下的棘手问题。参照国际经验，重点关注通货膨胀和就业以及金融稳定等问题，避免让货币政策过多承担改革重担，分散了政策传导效力。

二是明确货币政策与财政政策分工，强化协同配合。货币政策与财政政策共同构成我国调控经济和规避“市场失灵”的两把“利剑”。既然货币政策只能在短期内对产业结构调整产生影响，那么在货币政策时滞效应过后，财政政策就应该实现“补位”，实现货币政策与财政政策的协同配合。具体来说，对于产业结构中的新产业、新产品和新业态等，政府通过财政补贴、贴息、融资模式创新等途径，逐步提高财政政策对产业结构调整的干预和激励，提升其科技含量和创新档次，切实将科技成果转化为实际生产力和提升企业创造、创新能力。此外，还要充分发挥税收在产业结构调整中的调节作用，对于清洁化、环境友好化的企业实施税收优惠，对于落后产能、淘汰产业，要发挥税收“环境负外部性”矫正作用，引导其进行产业改造或进行梯度转移。

三是切实推进配套改革，突破产业结构调整困境。从政府操作层面来看，要为货币政策“松绑”和“释放”改革负担，切实协同推进配套改革才是突破的关键。众所周知，产业结构调整是一个系统工程，融资需求刚性态势无法逆转，需要多方市场参与和寻求共赢。为此可以借鉴项目融资经验，引入政府、私人资本、金融机构等多方合作机制，改革创新融资模式，以项目为依托载体，建立政府和民营资本合作的PPP模式，形成合力共赢、共促改革的共生格局。同时，在配套制度改革层面，通过不断完善企业信息资源数据库建设和等级评选，建立企业信用机制和激励机制，对于为中小企业担保成绩卓越的担保企业，要加大政府扶持和奖励力度，切实调动和发挥其在产业结构调整中的作用。

注释：

①调整成本衡量的是决策变量发生变动时经济个体所产生的成本。一般包括，当生产活动转向投资活动时所产生的计划成本和安装成本两部分。

②贝尔曼最优性原理即为最优策略任何一部分子策略也必须是最优的。

③在本研究中设置的置信水平为1%。

参考文献：

[1]吉红云，干杏娣.我国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）：3-10.

[2]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011（5）：4-16.

[3]Ishikawa J. Learning by doing，changes in industrial structure and trade patterns，and economic growth in a small open economy[J]. Journal of International Economics，1992，33（3-4）：221-244.

[4]Lubik T. Industrial Structure and Monetary Policy in a Small Open Economy[R]. Economics Working Paper Archive，2003.

[5]Usman O A，Adejare A T. Impact of Monetary Policy on Industrial Growth in Nigeria[M]. International Journal of Academic Research in Business & Social Sciences，2014，4（1）：18-31.

[6]Pham M. A Structural Vector Autoregression Model of Monetary Policy in Vietnam[M].Social Science Electronic Publishing，2013.

[7]劉金全，刘汉.产业增长、货币供给冲击与结构调整[J].经济管理，2013（6）：1-11.

[8]王朝明，朱睿博.产业结构升级中的货币政策与金融市场效应——基于BVAR模型与门限回归模型的分析[J].财经科学，2016（12）：23-34.

[9]张月友.中国的“产业互促悖论”——基于国内关联与总关联分离视角[J].中国工业经济，2014（10）：46-58.

[10]栗书茵，康莹.美国区域产业结构调整的投融资支持及启示[J].北京工商大学学报（社会科学版），2009（3）：54-58.

[11]庞念伟.货币政策在产业结构升级中的非对称效应[J].金融论坛，2016（6）：16-26.

[12]郭晔，赖章福.货币政策与财政政策的区域产业结构调整效应比较[J].经济学家，2010（5）：67-74.

[13]谢超峰，范从来.基于货币流通速度影响因素的货币政策有效性研究[J].经济学家，2016（12）：52-60.

[14]彭俞超，方意.结构性货币政策、产业结构升级与经济稳定[J].经济研究，2016（7）：29-42.

[15]方福前，詹新宇.我国产业结构升级对经济波动的熨平效应分析[J].经济理论与经济管理，2011，（9）：5-16.endprint

[16]劉树成.新一轮经济周期的背景特点[J].经济研究，2004（3）：4-9.

[17]张伟进，胡春田.我国货币政策的城乡区域不对称效应研究[J].商业经济与管理，2014（2）：66-76.

[18]张斌，何帆.货币升值的后果——基于中国经济特征事实的理论框架[J].经济研究，2006（5）：20-30.

[19]王延军，温娇秀.产业结构变动与我国货币流通速度研究[J].上海金融，2015（1）：23-28.

[20]潘宏胜.中国经济的结构性变化与货币政策取向[J].经济社会体制比较，2011（6）：41-47.

[21]Berben R P，Locarno A，Morgan J B，et al.Cross-country Differences in Monetary Policy Transmission[M].Social Science Electronic Publishing，2004：9-71.

责任编辑：武玲玲

Abstract： The operation of foreign monetary policy does not pay attention to the precedent of industrial restructuring， so whether or not China's monetary policy should focus on industrial restructuring has always been a controversial issue. The study found that： at the theoretical level， monetary policy can only produce "structural asymmetry effect" in the short term， when the shadow value of capital investment across the "equilibrium"， the industrial structure restructuring expectations of monetary policy will not appear；at the empirical level， the non-parametric Granger test shows that monetary policy is the Granger causality after the lag period of 1 to 9 months， which is the "process" indicator and "result" of industrial restructuring. However， as the lag period grows， the monetary policy is not the Granger reason for the adjustment of industrial structure. In addition， whether in the "process" or at the "results" level， the adjustment of industrial structureis not the Granger causality of monetary policy， there is no interaction between the two. The study shows that the monetary policy， as the adjustment of the industrial structure， can only be regarded as a short-term and temporary economic behavior， but not a normalized instrument.

Key words： Monetary Policy；Adjustment of the Industrial Structure； Non-parametric Granger test； Supply-side Structural Reformsendprint