亚洲新兴经济体的经济增长和整合（上）

作者：Rasmus Rüffer  Marcelo Sánchez  Jian-Guang Shen
摘要：本文通过计量学方法分析了亚洲新兴经济体经济增长的原因。结果显示，亚洲新兴经济体（包括在内）的经济扩张受外部因素（尤其是发达经济体）的影响依然很大，这主要是因为亚洲经济体的经济增长仍在很大程度上依赖于出口。这就为决策者的政策选择提供了有力依据。同时，本文也在某些方面为最大中国家中国提供了经济转型的理论依据。


在亚洲新兴经济体快速融入世界经济的大背景下，本文分析了推动亚洲经济体经济增长的内外部因素。我们通过利用向量自回归模型(vector autoregression, VAR)评估了10个亚洲经济体在1979年第一季度至2003年第四季度期间受到的外部因素的影响，同时利用信号限制条件(sign restrictions)法分析了内部结构性因素。方差分解(variance decomposition)显示，亚洲经济体的增长在很大程度上依赖于外部因素，而且这种特征表现地越来越明显。我们通过相关性和主成分分析法(principal component)比较了亚洲经济体之间的内部结构性因素差异，进而分析了内部结构性因素达到何种程度能够形成一种区域维。亚洲经济体在结构因素方面的联动程度相对有限。虽然主成分分析法显示亚洲经济体之间的联动程度在逐渐加深，但相关性分析却显示在下降。这可能体现了地区整合是以牺牲双边经济利益为代价的。


最近几十年，亚洲经济不断融入世界经济。与此同时，亚洲经济体之间的经济整合也在快速推进。因此产生的结构性变化似乎对每个亚洲经济体的经济增长动力产生了重要影响。总体而言，亚洲新兴经济体的宏观经济表现受到三个重要因素影响：全球、地区和经济体。从全球角度讲，地区间联系程度的提高产生的结果是对其他地区依赖的加深。同时，地区内部经济体联系越紧密，则越可能增强商业周期的区域维实力。最后，经济的长期快速增长能够提高国民收入，这提高了一个经济体发展的重要意义。前两个外部因素意味着亚洲新兴经济体与世界经济的整合程度在加深，但同时面临的外部风险也在增大；第三个因素说明，一个经济体经济的发展程度对商业周期波动会产生更大影响。本文将重点评估这三种因素的重要性。


本文在现有的基础上，利用整合结构方法分析了外部因素对东亚经济体内部经济增长动力的影响。我们通过VAR模型评估了10个亚洲新兴经济体。在有关发达经济体的文献（Faust (1998), Canova and De Nicolò (2002)和Uhlig (2004)）基础上，我们利用信号限制条件通过简化后的模型分析了结构性因素。这种方法的一个优点是，它依靠一组影响力相对较小的限制因素，因此不会出现短期和长期意外强劲增长问题。


在结构性因素分解的基础上，一方面，我们利用方差分解解决了不同类型内部因素对每个经济体影响的问题，另一方面，还解决了一组全球可变因素对每个经济体的整体影响问题。此外，我们还通过相关性和主成分分析法分析了内部结构性因素对形成的区域维的可能性进行了评估。如果亚洲地区表现出强劲的地区增长动力，则这种特征就会明显地体现在各个经济体结构性因素的联动上。


我们得出的结论是：总体而言，东亚经济体的发展主要受到外部因素的影响。一般而言，对所有变量和所有经济体来讲，外部因素占误差方差的比例达到了57%，四种内部因素在剩余的比例中所占份额相当。然而这一结果没有体现一些经济体和变量之间存在的有趣差异。有越来越多的事例表明，外生变量占方差的比例从57%上升到了75%，说明外部因素的重要性随着时间的推移而显著增强。从内部发展的区域维考虑，双边相关性分析和多边主要构成分析结果均显示，不同亚洲新兴经济体内部因素的联动程度相对有限。主要构成分析结果显示，联动程度有所提高，尤其是需求和货币因素方面。但是相关性分析显示，联动效应却在降低。产生这种差异的原因可能是，在亚洲地区间整合范围不断扩大的过程中，任何两个经济体的双边相关性在降低，而这种相关性在整个地区间则表现得愈加明显，地区内结构性因素的联动则表现得更为广泛。


分工程度的提高降低了经济体出口的国内附加值，从而导致传统的贸易开放措施以及外部风险越来越无效，这种情况在亚洲表现得尤其明显。此外，贸易占GDP的比例等传统衡量指标并未考虑内外部冲击的波动程度；对一个相对封闭的经济体来说，如果内部冲击程度不及外部，那么这个经济体受到外部因素的影响可能更大。同时，在经济整合过程中，市场的整合速度尤其迅速，因此造成经济体之间非贸易联系程度加深，基于贸易开放程度的衡量指标很好地反映这一特征。在这样的背景下，在衡量经济体开放程度以及受外部影响程度等问题上，本文采用的VAR方法提供了一个非常有效的分析途径。


1.       引言


最近几十年，亚洲经济不断融入世界经济。与此同时，亚洲经济体之间的经济整合也在快速推进。例如，迅速增长的区域内贸易流动即能说明这一点；在中国逐渐成为装配和加工中心的过程中，贸易流动的增长在一定程度上反映了生产过程国际化程度的提高。与之相伴的结构性变革可能会对每个经济体的增长动力产生影响。总体而言，对亚洲新兴经济体宏观经济发展产生非常重要影响的三个地理因素是：全球、区域和经济体。从全球角度讲，区域间联系程度的提高在一定程度上反映了一个经济体外向型的增长策略，其产生的结果是亚洲新兴经济体对其他区域依赖程度的加深。同时，随着区域内部经济体联系越来越紧密，经济增长过程的区域性也就越来越明显。最后，经济的长期快速增长能够提高国民收入，从而提高一个经济体发展的重要程度。前两个外部因素意味着亚洲新兴经济体与世界经济的整合程度在加深，但同时面临的外部风险也在增大；第三个因素说明，一个经济体经济的发展程度对商业周期会产生更大影响。本文将重点评估这三种因素的重要性[1]。


在情境分析(conjunctural analysis)中，亚洲新兴经济体增长动力源是一个重要问题。在评估亚洲地区经济前景时经常会遇到一个问题，那就是：亚洲新兴经济体所表现出的强劲增长动力有多少是来自外部，有多少是由内部需求所致。在全球经济增长显著放缓的情况下，这个问题对评估亚洲经济持续增长至关重要。一些研究表明，虽然亚洲新兴经济体，尤其是中国的内需减缓了全球经济波动对亚洲经济的影响，但这种独立的区域性因素受到了其他一些因素的制约[2]。例如，后一种情况包括较高程度的出口再加工[3]（与世界平均水平相比，亚洲的出口再加工规模仍然很小）能力，以及亚洲地区对某些产品全球需求的依赖程度，尤其是美国对IT产品的需求[4]。


描述性分析对读者在理解亚洲新兴经济体与其他地区和经济体的联系时帮助不大。例如，有关GDP构成中的内外部因素比较无法描述两种因素之间的相互作用。尤其是从国民收入角度来讲，投资支出可能被认为是由内部需求引起的。然而实际情况可能是，投资支出与出口行业的联系更为紧密。同样，个人消费也取决于收入与出口的关系。因此，要对内外部因素有一个更加深入的了解就有必要使用严密的计量经济学方法，这样能够更加准确地分析相互依赖性问题。


本文在现有文献的基础上，利用整合结构方法分析了外部因素对东亚经济体内部增长动力的影响。我们通过VAR模型评估了10个亚洲新兴经济体。在有关发达经济体的文献（Faust (1998), Canova and De Nicolò (2002)和Uhlig (2004)）基础上，我们利用信号限制条件通过简化后的模型分析了结构因素[5]。通过信号限制条件鉴别可以避免将不合理以及非常严格的限制性排他约束强加于不同冲击形成的短期或长期影响。此外，应用具体的信号限制条件能够确保鉴别方法与大量的宏观经济模型相一致。在结构性因素分解的基础上，一方面，我们利用方差分解解决了不同类型内部因素对每个经济体影响的问题，另一方面，还解决了一组全球可变因素对每个经济体整体影响的问题。此外，我们还通过相关性和主成分分析法对内部结构性因素对可能形成的区域维的重要意义进行了评估。如果亚洲地区表现出强劲的地区增长动力，则这种特征就会明显地体现在各个经济体结构性因素的联动上。同时，这种分析方法有力地证明了前文所述的内外部分解，因为内部冲击可能包括一种重要的区域构成，而不是纯粹的内部因素。在过去几十年亚洲地区结构快速调整的背景下，我们还研究了这些因素是否会对内外部构成或地区经济增长动力产生重大影响。


我们得出的结论是：总体而言，东亚经济体的发展主要受到外部因素的影响。一般而言，对所有变量和所有经济体来讲，外部因素占误差方差的比例达到了57%，四种内部因素在剩余的比例中所占份额相当。然而这一结果没有体现一些经济体和变量之间存在的有趣差异。按照经济体分析，新加坡和马来西亚最容易受到外部因素的影响，外生变量占误差方差的比例为87%。而菲律宾和印度受外部因素影响的程度最小。有越来越多的事实表明，外生变量方差比例从57%上升到了75%，说明外部因素的重要性随着时间的推移而显著增强。从内部发展的区域维考虑，双边相关性分析和多边主要构成分析结果均显示，不同亚洲新兴经济体内部因素的联动程度相对有限。主要构成分析结果显示，联动程度有所提高，尤其是需求和货币因素方面。但是相关性分析显示，联动效应却在降低。产生这种差异的原因可能是，在亚洲地区间整合范围不断扩大的过程中，任何两个经济体的双边相关性都在降低，而这种相关性在整个地区间则表现得愈加明显，地区内结构性因素的联动则更加普遍。


本文以下内容为：第二节通过回顾以前的相关研究，讲述本文与现有文献的关系；第三节介绍本文使用的方法、试验部分使用的鉴别限制因素、VAR模型结构和鉴别方法；第四节简单描述数据；第五节讲述VAR分析的结果，分析内外部因素对亚洲经济体增长动力的影响；第六节分析在鉴别外部冲击时可能形成的区域维问题；第七节为结语。


2.       相关文献回顾


本文与两类文献持类似观点。一类是有关内外部因素对经济的影响，另一类是有关经济体之间的相互关系。在第一类文献中，与本文观点最为相似的是Canova 于2003年所作的有关美国对八个拉丁美洲经济体影响的研究。他利用他与De Nicolò在2002年所作的研究程序，通过信号限制条件VAR模型分析了美国的结构性因素，之后通过贝叶斯VAR方法评估了美国对拉丁美洲的影响。Canova发现，美国对拉丁美洲的宏观经济产生了重大影响。这种影响主要表现在金融领域，其中美国的货币政策影响最大，而供需影响程度则较小。在有关亚洲和拉丁美洲的研究中，Hoffmaister和Roldós在1997年利用一组结构VAR模型和长、短期分析限制条件研究了大量的内外部可变因素。结果显示，一个单独的内部因素（即供应因素）就可以主导亚洲和拉丁美洲经济体的宏观经济，其中拉丁美洲经济体从某些方面讲更容易受到外部因素的影响。在有关亚洲经济体的研究中，Genberg在2003年利用半结构VAR模型分析了香港的宏观经济表现。Genberg发现，约一半的宏观经济波动是由短期内外部因素造成的，而中长期的经济表现则主要受外部因素影响。此外，Moon和Jian在1995年所作的有关韩国的研究报告分析了利率、物价和产出等外部变量对一系列内部宏观经济变量的影响。研究结果显示，内外部因素均对韩国经济构成影响，而作者重点强调，与国内利率相比，世界利率对韩国宏观经济会产生更大影响。


分析经济体相互依赖关系的文献不在少数。Kose et al.在2003年利用贝叶斯动态潜在因子模型分别解释了世界、地区和经济体对60个经济体宏观经济表现的决定性影响。其中一个重要发现就是，世界因素对一个经济体的商业周期会产生主要影响，而地区经济的影响有限。虽然他们的方法能够解释独特的地域特征，但无法对涉及其中的各项内容进行结构性分析。Ahearne et al.在2003年使用一组出口增长VAR分析法研究了数个亚洲经济体。研究结果表明，外部需求（通过主要贸易伙伴GDP平均增速来衡量）成为实际汇率变化的决定力量，进而解释了出口增长动力问题。此外，他们还发现，中国出口对其他亚洲经济体的出口产生了积极影响。Abeysinghe和Forbes在2001年以及Abeysinghe和Lu在2003年均通过结构VAR模型，利用外国贸易加权GDP研究了亚洲经济体实际GDP与外部需求之间的关系，从而评估了经济体之间的直接和间接影响。研究结果发现，除日本以外，中国对其邻国的影响要远远大于其他亚洲经济体产生的影响[6]。Zebregs在2004年利用非常规因素分析法研究发现，亚洲新兴经济商业周期的普遍因素产生的影响超过了各个经济体内部因素的影响，同时与美国和欧盟经济体相比，这种普遍因素更容易受到日本经济的影响。Pesaran et al.在2004年利用VAR模型将26个经济体分为内外部变量等11个领域。这些模型与Pesaran和Shin在1998年利用普遍动力反应设计的一种鉴别因素的全球模型有共同之处。


 将这些综合起来分析可以发现，推动亚洲新兴市场的内外部变量的相关研究结果之间的差异在不断增大。但总体而言，有试验结果表明，外部因素的影响程度更深，甚至能够主导内部因素。例如，Genberg在2003年对香港商业周期的研究发现，外部因素影响程度占到了75%，而Canova在2003年在对拉丁美洲的研究发现，外部因素所占比例高达90%，这其中有50个百分点来自美国[7]。即使对开放程度更深的体而言，外部因素的影响也是占据了主导地位，Cushman和Zha在1997所作的研究即证明这一点。他们发现，美国对加拿大商业周期的影响程度超过了70%。有意思的是，与本段提到的所有使用VAR模型得出的研究结果不同的是，Kose et al.在2003年发现，亚洲和拉丁美洲的宏观经济波动在很大程度上受到内部因素的影响，而跨区域，尤其是区域内因素产生的影响却相当有限。


3. 方法


3.1 模型说明


我们利用四种可变VAR模型分别模拟了11个东亚经济体。这四种变量包括：产值（经济活动变量）、消费物价（反映物价变动情况）、实际货币供应量（反映经济体的货币情况）和利率（不少东亚经济体都对利率采取了一定的管制措施，这里的利率用于货币形势的数量分析）。鉴于部分开放的小规模东亚经济体强劲的出口实力，第四个变量中还包含实际汇率用来衡量国际竞争力。此外，我们假设外部经济体的变化能够对样本经济体产生影响，因此我们还采用了许多外部变量以反映外部经济体的变化情况，反之亦然。这些外部变量用于衡量东亚以外经济体的经济活动，其中包括全球利率、全球股票价格以及石油和非石油大宗商品价格[8]。


     简化后的格式模型：


     
是n ×1内部变量向量，是k ×1外部全球变量向量，是白噪声误差(white noise errors)，A(L)和G(L)分别是p和q的多项式。


在我们模拟东亚经济体的时候，不得不考虑的一项因素是1997-1998年的亚洲危机，因为这场危机给部分亚洲经济体造成了严重冲击。像其他研究分析一样，我们也引入了危机模型来反映亚洲金融危机的影响。我们加入了1997年第三季度至1998年第三季度连续五个季度的模型变量。在VAR模型中，多项式p和一组亚洲危机模型的选择是根据Akaike信息选取标准(Akaike information criterion (AIC))价值得出的[9]。为保留模型的自由度，只有同时期的外部变量才会加入模拟系统中[10]。


3.2 通过信号限制条件进行验证


我们使用了很多种方法将简化后的格式模型转化为由经济因素决定的结构模型。其中一个标准是这些结构性因素相互独立，互不影响。结构模型如下：


     
将(1)式和(2)式整理即可得出：和。因此，在考虑到的同时，结构模型可以看作是一种在C矩阵中加入充分限制条件的模型。一般的验证方法是通过限定一些系数来将短期影响限制条件设定在结构性因素上。尤其是在许多情况下，一种回归结构是通过限定C矩阵来完成。现有的动态宏观经济理论提供了大量可以用来识别影响因素的限制条件。但是这些限制条件很少通过零限制形式来产生乘数放大效应。例如，Canova和Pina在1999年研究发现，将货币政策的零影响限制条件加在产值变量上产生的结果与一般均衡货币模型不一致。


为避免产生某些上述问题，在Blanchard和Quah于1989年所作的半年度研究之后，长期影响限制条件开始被频繁使用。虽然使用这种限制条件有更强的理论基础，但也会产生一些与理论相矛盾的地方（Gali在1992年的文章中就指出了这点），同时，Faust和Leeper在1997年发现，在短期研究对象中引入长期限制条件会引起严重偏差。


近来，信号限制条件有时用于修正结构模型（Canova、Uhlig和Peersman都在各自于2005的研究中发现了这样一种现象）。虽然经济理论很少有提供零限制条件的，但有大量相当有力的事实证明了这样一种结果，即许多变量对某些冲击因素做出的反应开始向这种方向变动。例如，在多数模型中，供应方面的有利变动造成价格下降，产量增加[11]。在实际分析中，对不同研究对象或出现的交叉反应加以限制条件比对信号本身加以限制更加容易。在分析供应变动因素时，应该将物价和产出加以反向关系限制条件。通过这种方式将特性曲线加在结构性因素上相当于对C矩阵加以限制；C矩阵将简化后的格式冲击与结构冲击相结合，因此这可用于结果验证[12]。与强制加入短期和长期零限制条件相比，这种鉴别方法通常不会产生特别的鉴别结果。这反映出，虽然看似更加合理，但加入强制条件这种做法相对一般且不太可靠。因此，一些满足信号限制条件的特性曲线统计结果反映的是最小、最大和中值。


我们通过对亚洲新兴经济体对全球变量的反应以及四种内部结构性因素来描述经济活力；四种内部因素包括：供应（或技术）、实际内部需求（下文简称需求）和货币政策。此外，我们还考虑到了另一种因素，但由于从理论上无法提供合理有力的限制条件[13]，因此不会考虑该因素对变量所做出的反应。对于前三种因素，我们对特性曲线的交叉产物加上信号限制条件。在此，我们借鉴了有关发达经济体的文献（Faust (1998), Canova and De Nicolò (2002)和Uhlig (2004)）。内部供应因素造成内部产出和通货膨胀形成反向变动关系；同时内部需求和货币政策使得内部产出和通货膨胀形成正向变动关系。我们令实际货币余额和通货膨胀分别呈正、反方向变动，从货币量变动中分解出了需求因素。由于关于结构性因素对汇率波动影响的理论尚不完备，因此我们并未对实际有效汇率反应加以任何限制条件。


前段提及的信号限制条件与标准宏观经济模型一致。这些限制条件不仅体现了传统的宏观经济理论（AS-AD模型），而且还和动态均衡模型的思路基本一致。例如，这些限制条件与从标准新凯恩斯DSGE模型中得出的理论特性曲线相一致。如，Peersman和Straub在2006年建立的一套完成的新凯恩斯DSGE模型，其中采用了Calvo物价和工资设定标准，并将工资和物价指数化，同时还计入了资本调整成本和可变产能利用因素。该模型基本体现了另一种被广泛使用的，由Christiano et al.在2005年与Smets和Wouters在2003年出的模型。在该模型的特性曲线模拟过程中，作者在现有文献的基础上甄选了参数值，同时在合理的区间内选取不同参数值对其研究结果进行了验证。该模型主要受七种不同结构性因素的影响：三种实际内部需求（消费者偏好、政府支出和投资）、三种供应因素（物价、技术和劳动力供应）以及货币。在本文的验证过程中，三种供应因素造成物价和产出呈反向变动关系。此外，三种需求因素和货币因素使得物价和产出表现出相同的正负特性曲线关系。实际需求和货币政策可以通过名义利率变化加以区别，因为三种需求因素造成名义利率上升，而货币政策放松通常造成名义利率下滑。

    鉴于亚洲新兴经济体特殊的金融结构，我们的验证过程不包括利率因素，但将实际货币余额来作为货币状况的衡量因素。货币环境宽松会增加货币余额，在货币政策变动的情况下，这增强了特性曲线对物价、产出和货币量的正相关性；这同时也构成了一个利率下降的简单货币需求函数。相反，实际需求增加会造成实际货币余额与物价和产出形成负相关关系。Canova和De Nicolò在2002年开发出的模型证实了这种相关性。 




[1]本文不涉及亚洲新兴经济体的货币整合内容。
[2]亚洲开发银行认为，在2002年下半年全球经济增长放缓时期，亚洲经济依然能够保持稳定增长得益于亚洲地区的贸易往来。新加坡金融管理局估计，东亚有36% 的出口目的地在该地区，同时22%的出口满足了该地区需求。
[3]有关亚洲出口再加工程度的预测存在较大差异。出口的比例为50% (Rumbaugh and Blancher, 2004)-80%（高盛, 2003年）。
[4]美国的IT产品采购对韩国、、新加坡和马来西亚等经济体来说非常重要。Zebregs (2004)估计，1998-2001年期间，亚洲新兴经济体出口增幅有一半源自行业。
[5]本文的分析包含四种内部宏观经济变量，以及衡量发达经济体经济活动、世界利率和股价以及石油和非石油商品等一组外部变量。
[6 ]Abeysinghe和Lu还发现，亚洲经济体之间相互影响程度在1998-2000年期间显著增强，其中对其他经济体的影响最大。
[7]然而Hoffmaister和Roldós (1997)发现，外部因素对亚洲和拉丁美洲宏观经济的影响程度分别至多为20%和30%。
[8]当然，还有很多能够用来描述外部影响的变量。但是本文所使用的变量可以在抓住主要货币、金融和商品变化关系的同时，简化了模型结构，优化了分析过程。
[9]施瓦茨标准通常仅包含一种滞后指标。
[10]这是参照信息标准安排的，尤其四施瓦茨标准。
[11]在分析的过程中还可以使用特性曲线函数的其他特征。例如，Peersman在2005年的研究中使用这一限制条件证明了油价变动对油价的影响超过了供应变动产生的影响，从而解决了油价和供应变动具有相同限制信号的问题。
[12]信号限制条件分析法有时会遭到质疑，因为验证系统的特性曲线分析被认为是仅仅反映了验证假设条件和验证目的。这是任何一个验证分析都存在的问题，而不仅仅出现在信号限制条件验证过程中。值得一提的是，在信号限制条件VAR模型中，在对某些冲击或变量没有加上限制条件的情况下，仍存在反应数量、反应形态甚至反应信号等问题。此外，数据会否定限制条件，这样就无法实现验证。
[13]有时该因为会被认为是汇率或竞争因素。但不清楚其他变量会对该因素作何反应。因此我们使用数据来决定这些反应，同时给系统加上一组最小的合理有力的假设条件。