本研究通过利用时间序列的非高斯性来识别贝叶斯结构向量自回归模型，为财政和货币政策的影响做出了贡献。我们使用1954年第4期至2006年第4期和1985年第1期至2020年第3期的美国季度数据，正式评估了理论预测信号的合理性，以标记财政政策、货币政策和商业周期冲击。消费对财政政策冲击的脉冲响应在一定程度上依赖于样本周期，但隐含的财政乘数总是小于1。在投资方面，大概率存在滞后性挤出效应，但在后一样本中不明显。至于紧缩性货币政策冲击后的反应，我们发现在一些滞后后，产出会减弱，这与主要的货币政策文献一致。事实证明，商业周期冲击只会在长期内影响政府支出，而在短期内，它对联邦基金利率已经很重要了。

　　宏观经济学研究中最重要的任务之一是确定宏观经济政策(即财政和货币政策)中可靠的外生变量。这种外生变化通常被称为冲击。一旦这些冲击被正确地识别和标记，我们就能够评估其对经济的影响。一种广泛使用的冲击提取方法是结构向量自回归(SVAR)模型。

　　虽然针对财政政策或货币政策的SVAR模型被广泛利用，但同时分析这两种政策的文献并不多。例如，Rossi和Zubairy(2011)强调了使用SVAR模型共同识别财政和货币政策冲击的重要性。如果不同时考虑两者，就会产生一个问题，即可能导致对经济波动根源的错误诊断。

　　现有的SVAR文献依赖于对结构参数的限制或对脉冲响应的直接限制来获得财政或货币政策冲击的识别。然而，财政变量的遗传特征增加了在SVAR框架内识别财政政策冲击的困难。有人会说，由于决定政府预算时的立法程序，预计会出现财政政策冲击。换句话说，从预算公布到实施存在一些滞后，这可能会使经济主体在此期间调整自己的行为。然后，一些文献建议使用前瞻性财政变量，如军费开支的新闻(Ramey 2016)或金融市场的变量，如应税政府债券期货(Leeper et al. 2013)。尽管如此，无论是预期的还是未预期的，除了震级不同，这两种冲击在质量上产生相同的影响(Mertens和Ravn 2010)。另一方面，在货币政策文献中没有太多的争论，然后就把货币政策冲击理解为利率的意外。

　　补充越来越多的研究财政和货币政策影响的SVAR文献，本文利用宏观经济时间序列数据的统计特性。其主要贡献在于应用了非高斯SVAR模型，如Lanne和Luoto(2020)。通过利用非高斯性，我们统计地检验了由给定理论预测的影响的迹象。与SVAR文献中传统的符号限制不同，我们没有对结构参数或脉冲响应施加任何限制。我们只使用符号来标记非高斯性识别的冲击。据我们所知，这种统计识别尚未在现有文献中使用财政和货币政策的联合分析。脚注1:我们的方法还有助于评估以前文献中使用的标志限制(例如，参见Mountford和Uhlig 2009)。此外，我们能够测试短期限制，例如Rossi和Zubairy(2011)所施加的限制。

　　我们考虑从1954:IV到2006:IV的季度美国数据，变量的定义与Rossi和Zubairy(2011)相同。此外，我们还报告了基于1985年1月至2020年3月数据的结果。由于非高斯性，所有的结构性冲击都被识别出来，我们将其中的三个冲击标记为财政政策、货币政策和经济周期冲击。为此，我们找到了最可能满足理论隐含符号约束的冲击。例如，巴克斯特和金(1993)的真实商业周期(RBC)模型预测，在积极的政府支出冲击之后，消费会下降。我们发现有证据表明，其中一种已确定的冲击具有这种性质，这有助于将这种冲击标记为财政政策冲击。

　　为了应对积极的财政政策冲击，我们还发现实际工资会立即下降，投资也会滞后下降，在一段时间后，这将转化为产出的疲软。因此，我们的研究结果符合挤出投资效应的观点。然而，对于1985:I到2020:III的数据集，挤出投资效应不再成立。相反，发现了一种拥挤效应。至于货币政策冲击后的反应，我们发现在一段时间后产出会减弱，这与主要的货币政策文献一致。我们研究结果的另一个微妙之处是，我们发现商业周期冲击仅在长期内对政府支出的变化有所贡献，而在短期内对联邦基金利率有很大贡献。

　　本文的其余部分结构如下。在第2节中，描述了模型和识别所需的假设。此外，还讨论了标记冲击所需的数据和符号约束。第3节包含实证结果。最后，第四节结束。

　　我们考虑SVAR(p)模型

　　(1)

　　式中()为时间序列的向量，为截距，()为自回归系数矩阵，非奇异矩阵()包含误差的同期结构关系。假设误差过程是一个独立的、同分布的随机向量序列。正如Lanne等人(2017)所示，当矩阵的分量相互独立并且其中最多有一个具有高斯边缘分布时，矩阵被识别到其列的符号和排列。的相互独立性和非高斯性是实现全局辨识的充分必要条件。脚注2:与之前的许多文献中假设误差向量的每个独立分量的t分布不同，我们假设遵循歪斜广义t分布，Anttonen等人(2021)也采用了这种分布。

　　偏态广义t分布以其灵活性而闻名。五个参数影响分布的矩(Davis 2015)。而为均值，分别控制方差和偏度，和和q共同决定峰度。采用Davis(2015)和Anttonen et al.(2021)的方法，我们假设每个分量的均值为零，单位尺度，因此第i次结构冲击的偏态广义t分布具有如下概率密度函数:

　　（2)

　　函数和在哪里

　　（3）

　　得到平均误差为零。此外，将参数设置为1表示拥有。在这种情况下，方差不需要存在，它的存在性可以根据每个方差的尾部行为来评估，其中是误差的尾部指数。正如Davis(2015)所指出的，只有当。因此，方差存在的概率为。最后，我们施加以下限制:、、和。

　　我们考虑偏态广义t分布的主要动机是对一些宏观经济时间序列的统计特性的实证发现。例如，Fagiolo等人(2008)发现，美国和许多其他经合组织国家的产出增长率分布具有指数功率密度的特征，其尾部比高斯分布肥得多。同样，弗兰克(2015)也发现了美国产出增长呈肥尾分布的证据，特别是在大缓和时期(1984:I-2007:II)。这些论文中的指数幂分布只是偏斜广义t分布的一种特殊情况。偏态广义t分布还包括其他分布族，如t分布时和或正态分布时，和。因此，与Lanne和Luoto(2020)等文献中的t分布相比，偏态广义t分布更为普遍。由于其灵活性，偏态广义t分布便于利用包含在较高矩中的信息进行识别，例如误差的第三矩。

　　为了了解偏态广义t分布与更常用的高斯分布以及t分布之间的联系，请考虑前面提到的五个参数。偏态广义t分布的尾指数类似于t分布的自由度参数。例如，当一个随机变量具有和的性质，这意味着它遵循t分布，尾部指数就等于t分布的自由度参数。由此可见，当自由度参数趋于无穷时，t分布随机变量变成高斯分布，或者在这种情况下。

　　考虑偏态广义t分布的另一个动机是对数据序列的检查，我们发现它们中的大多数偏离正态分布。我们不假设方差有任何特定的运动规律，例如AR(1)过程后的对数方差(Clark and Ravazzolo 2015)或状态切换误差方差(l

　　tkepohl and Wo?niak 2020;Brunnermeier et al. 2021)，因为这些文献通常依赖于正态性假设，而通过我们的方法，我们打算利用较弱假设的非正态性。脚注4

　　最后，由于SVAR(p)模型中有大量的参数，我们使用贝叶斯方法。我们把关于贝叶斯估计和先验设置的详细讨论推迟到附录A。

　　在估计了参数的后验分布之后，我们根据参数的后验分布对结构冲击进行推断。如果式(1)中的过程满足稳定性条件，即

　　SVAR(p)模型具有移动平均表示

　　（4）

　　其中是递归得到的，while和的无条件期望。第i次结构冲击的脉冲响应嵌入到矩阵的第i列中。然后我们进行评估，以找到我们感兴趣的冲击。因为它们只能根据列的排列来确定，为了找到这些冲击，我们必须找到最有可能满足给定符号约束的列。为此，我们使用贝叶斯因子，如下所述。

　　我们有n!的列的排列，可以在其上放置一些限制。根据Lanne和Luoto(2020)的研究，我们首先确定了排列，然后计算每个排列的后验概率，这些排列反映了满足符号约束的特定顺序的每种冲击组合。在实践中，我们从参数的后验分布中抽取，并计算满足符号限制的抽取的份额。然后，我们根据不受限制的模型计算受限制模型的贝叶斯因子，并根据贝叶斯因子选择模型。

　　为了便于与Rossi和Zubairy(2011)进行比较，我们考虑在1954:IV至2006:IV的类似季度数据上估计的相同SVAR(p)模型。因此，我们在(1)中的SVAR(p)模型中有八个变量:政府支出()，GDP()，非农业商业部门的工作时间()，非持久和服务消费()，私人投资总额和持久消费()，非农业商业部门的实际工资()，GDP平减指数通货膨胀()和联邦基金利率()。除和外，所有变量均为对数水平和实际值，由GDP平减指数和，，，，平减，并以人均表示。所有变量的定义遵循Rossi和Zubairy(2011)，附录B更详细地描述了变量及其结构。我们专注于与Rossi和Zubairy(2011)相同的数据期，以便与他们的结果进行比较。此外，在2008年全球金融危机之后，美国的货币政策可能遵循一种不同的机制(非常规货币政策机制)，而我们的线性SVAR模型并不是为了捕捉多种机制而设计的。

　　尽管SVAR(p)模型有八个变量，但我们只关注三种冲击，即财政政策、货币政策和商业周期冲击。为了标记统计识别的冲击，我们需要额外的信息。为此，我们依赖于Mountford和uhlight(2009)的标志限制。然而，与它们不同的是，我们没有对脉冲响应施加任何符号限制。表1中的符号约束仅用于标记由非高斯性识别的冲击。换句话说，在估计了无限制模型之后，最可能满足符号约束的冲击被相应地标记。

　　表1符号约束

　　除了Mountford和Uhlig(2009)中的迹象外，我们根据RBC模型(Baxter和King 1993)的预测，增加了一个迹象约束，即积极的财政政策冲击会损害消费()。请注意，我们并没有像传统的符号限制文献那样强加这些符号约束。相反，我们只考虑不受限制的模型，并找到最有可能满足约束的冲击，并相应地标记它们。在李嘉图等价的RBC框架下，我们预计未来的税收将弥补当前的赤字支出。由于对高税收的预期，经济主体降低了他们当前的消费。

　　表1给出了所有的符号约束。加号()表示增加，而减号(-)表示在接下来的四个季度中所讨论的变量减少。例如，财政政策冲击的加号()表明，我们预计在积极的财政冲击之后，政府支出将增加四个季度。同样，例如，货币政策冲击的负号(?)表明，我们预计在积极的货币政策冲击或货币政策收紧后，价格将在四个季度内下降。

　　在货币政策冲击之后，我们预计会看到利率()的上升和价格()的下跌。此外，Mountford和Uhlig(2009)将积极的货币政策冲击限制为较低的调整后储备，但这一变量未包括在我们的模型中。我们这里的两个约束与货币政策的主要文献一致，如Faust(1998)和Uhlig(2005)，或最近的(Antolín-Díaz和Rubio-Ramírez 2018;Arias et al. 2019)。我们可以验证数据是否支持这些约束。

　　我们打算标记的另一个冲击是商业周期冲击，Mountford和uhlight(2009)将其定义为在未来四个季度内共同推动GDP()、消费()、投资()和政府收入上升的冲击。由于政府收入不包括在我们的模型中，我们只考虑前三个约束条件来标记积极的商业周期冲击。

　　最后，正如Mountford和Uhlig(2009)所研究的那样，连续四个季度政府支出()的增加表明了财政政策的冲击。正如他们所指出的，漫长的影响期是为了排除对财政变量的暂时性冲击。根据我们的经验，区分财政政策冲击和商业周期冲击是有问题的，在给财政政策冲击贴上标签时，只有一个对政府支出的限制()，因为商业周期冲击也可能伴随着政府支出的增加()。因此，我们提出了一个额外的约束，将冲击标记为财政政策冲击，而不是由Mountford和Uhlig(2009)施加的。具体来说，我们限制积极的财政政策冲击来损害消费()。消费()对积极财政政策冲击的负反应符合李嘉图等价的RBC模型。在这种情况下，未来的税收将不可避免地为当前的赤字支出提供资金。由于预期将来会有更高的税收，经济主体就会降低当前的消费(例如，见Baxter和King 1993;Ramey and Shapiro, 1998)。与这一观点不同，IS-LM模型预测，在积极的财政政策冲击之后，消费会上升，因为消费者的行为是基于他们当前的可支配收入，而不是像RBC模型那样基于他们的终身资源(例如，参见Galí等人，2007;Linnemann 2006;2007年佩洛)。与之前的货币政策冲击一样，我们能够验证数据是否支持这些限制。

　　我们的目标是找到最可能满足表1中的不等式约束的三个冲击。由于我们有八个变量，我们有八个统计上确定的冲击，我们打算将其中三个标记为财政政策冲击()，货币政策冲击()和商业周期冲击()。我们遵循Lanne和Luoto(2020)脚注5中标记多个结构冲击的过程，其中在估计具有统计识别冲击的SVAR模型后，我们根据满足不等式约束的冲击的概率计算贝叶斯因子。具体来说，我们一次对三次冲击施加表1中的符号约束，并计算约束SVAR模型的后验概率。

　　然后，我们计算有约束模型(即冲击满足不等式约束的模型)相对于无约束模型(没有任何不等式约束的模型)的贝叶斯因子。按照Kass和Raftery(1995)的观点，如果贝叶斯系数在3.2到10之间，我们认为支持一个模型的证据是实质性的，如果贝叶斯系数在10到100之间，我们认为证据是强有力的。也许贝叶斯因素为多个模型提供了大量甚至是强有力的支持。在这种情况下，我们继续选择最有可能感兴趣的模型，即满足不等式约束的后验概率最高的模型，并根据数据支持的其他模型计算该模型的贝叶斯因子。如果至少有大量证据支持可能性最大的模型，那么我们就可以相应地给这三种冲击贴上标签。

　　然而，最有可能的模型可能并不总是支配所有其他模型。在这种情况下，我们继续分析Lanne和Luoto(2020)提出的脉冲响应和预测误差方差分解。首先，在财政政策冲击之后，我们预计至少在前四个季度，政府支出()的冲动反应中值为正，而在同一时间段内，消费()的冲动反应中值为负。其次，在货币政策冲击之后，我们预计至少在前四个季度，联邦基金利率()的中位数冲动反应为正，而价格()的中位数冲动反应为负。第三，我们预计至少在商业周期冲击后的前四个季度，实际GDP()、消费()和投资()的中位数脉冲反应将为正。

　　在预测误差方差分解分析中，对政府支出和联邦基金利率预测误差方差贡献最大的应分别来自财政和货币政策冲击。最后，我们预计经济周期冲击对实际GDP、消费和投资的预测误差方差的贡献最大。对于商业周期冲击对实际GDP、消费或投资的贡献是否最大，我们没有先验信念。在这方面，我们将把我们的结果与Forni和Gambetti(2021)以及King等人(1991)的结果进行比较。Forni和Gambetti(2021)研究了样本期为1959年1月至2007年4月的美国经济，将增加实际GDP、消费和投资的冲击定义为供给冲击，并发现这种冲击解释了GDP增长预测误差方差的46%左右，同时消费比投资更突出。同样，这种冲击解释了King等人(1991)对产出的预测误差方差的35-44%。

　　摘要

　　1 介绍

　　2 模型

　　3.结果与讨论

　　4 结论

　　笔记

　　参考文献

　　致谢

　　作者信息

　　道德声明

　　附录

　　搜索

　　导航

　　#####

　　我们从参数的后验分布中抽取两条链()，其中每条链由500000条图组成。每次抽签都包含10次内部迭代()，我们丢弃了50万张抽签中的45万张。根据Gelman et al.(2013)的收敛统计量评估链的收敛性，其中阈值设置为1.1。然后证明链对每个参数都是收敛的。

　　为了保证识别，我们需要结构误差具有足够的非高斯性，即至少有一个结构误差是非高斯的。为了评估这一点，我们绘制了所有统计识别的结构冲击的尾部指数的边际后验分布。偏态广义t分布的尾指数类似于t分布的自由度参数。较低的值意味着更肥的尾巴，而较高的值意味着更薄的尾巴。例如，对于高斯激波，，，因此。图8显示了足够的非高斯性，因为质量倾向于集中在相对较小的值上(见附录C.3)。此外，还表明了各冲击的方差是高概率存在的。

　　在第一阶段，我们计算有约束模型(即冲击满足表1中符号约束的模型)与无约束模型(即没有符号约束的模型)的贝叶斯因子。结果表明，数据支持表1中指定的符号约束。然而，有许多模型满足符号约束，有大量证据(贝叶斯因子大于> 3.2)。换句话说，冲击的多种组合可能满足给定的符号约束。

　　接下来，我们选择最有可能感兴趣的模型，或者满足符号约束的后验概率最高的模型。然后，我们根据其他模型计算最可能模型的贝叶斯因子。在这里，我们发现了大量证据(贝叶斯因子> 3.2)，除了最可能模型之外，表2中列出的三个模型之外，最可能模型优于所有其他模型。该表包含了最左边一栏中给出的三种冲击分别满足财政、货币政策和经济周期冲击的符号约束的后验概率。第一行给出了最可能的组合，最右边一列给出了其他组合的贝叶斯因子。

　　根据表2的结果，财政政策、货币政策和经济周期冲击有多个候选。例如，后验概率最高的模型为0.39，表明为财政冲击，为货币政策冲击，为商业周期冲击。另一方面，它们也可能是财政政策冲击的对象。同时，也是货币政策冲击的可能候选者，也是大概率的经济周期冲击。由于缺乏支持表2中三个模型中的任何一个模型反对最可能模型的实质性证据，我们通过分析脉冲响应以及预测误差方差分解来进行。

　　表2财政政策冲击候选人的评估政策冲击，经济周期冲击，从左到右依次

　　在分析脉冲响应时，我们专注于，因为这些是基于表2中结果的候选项。我们有三个财政政策冲击的候选者，即，和。正如我们在上一节中已经提到的，我们预计至少在前四个季度中，中位数脉冲响应为正，而在相同的范围内，中位数脉冲响应为负。对这些冲击的中位数脉冲响应如图1所示。我们强有力的候选是由于它在所有视界上的负中值脉冲响应。

　　图1

　　

　　对所选冲击的中位数脉冲响应(按上排顺序排列)。阴影区域是最高后验密度的68%区域

　　两者都是货币政策和商业周期冲击的候选者，因为对这些冲击的脉冲响应中值至少在前四个季度是负的，而脉冲响应中值是正的。参考图1，两次冲击之间的差异是实际GDP()的中位数脉冲响应为正，四个季度后变为负。因此，它们分别是商业周期和货币政策冲击的有力候选者。另一方面，、、和不是商业周期和货币政策冲击的良好候选者，因为一些变量的中位数脉冲响应不像预期的那样。第一季度的脉冲响应中值对和的响应为零，而我们预计货币政策冲击后的响应为正。同样，中位数脉冲响应是负的，而我们期望在商业周期冲击后的响应是正的。

　　表3相对co每个冲击对变量预测误差方差的贡献(以百分比为单位)。这些数字是前四个季度预测误差方差比例的后验分布的中位数

　　最后，我们分析了预测误差方差分解，其中我们依赖于前四季度冲击的贡献。与分析脉冲响应一样，我们主要关注和的相对贡献。参考表3，对政府支出预测误差方差贡献最大的是()，且显著大于()的贡献。因此，与脉冲响应一起，结果允许我们将财政政策冲击标记为()，而不是或。

　　其次，从预测误差方差分解来看，联邦基金利率()对实际GDP()、消费()和投资()贡献最大，而对实际GDP()、消费()和投资()贡献很小。相比之下，对实际GDP、消费和投资的贡献要大得多。更具体地说，它解释了实际GDP中约36-38%的预测误差方差()，这与King et al.(1991)和Forni and Gambetti(2021)相当。因此，根据研究结果，加上脉冲响应，我们将其标记为货币政策冲击()和商业周期冲击()。脚注6

　　在下面的小节中，我们将分析这三种冲击对经济的影响。脉冲响应的中位数与68%的最高后验密度区域一起描绘。图2绘制了财政政策冲击的脉冲响应，图3和图5分别显示了货币政策冲击和商业周期冲击的脉冲响应。

　　财政政策冲击的脉冲响应和68%的最高后验密度区域如图2所示。我们的财政政策冲击的中值是指政府支出增长约0.8%。在财政扩张或积极的财政政策冲击后，产出立即增长略低于0.2%。四个季度后，效应为零(概率很高)，因为68%的点向后验密度分位数覆盖了正区域和负区域，与Mountford和uhlight(2009)一致。正如Rossi和Zubairy(2011)所发现的那样，对政府支出的积极冲击刺激了产出，但这种影响持续的时间超过四个季度。尽管在所有考虑的范围内，消费的中位数脉冲响应都低于零，但我们发现财政扩张对消费的总体影响是零(高概率)，正如最高后验密度的68%区域所反映的那样。这一结果与Mountford和uhlight(2009)相似，但不同于Rossi和Zubairy(2011)，他们发现在积极的政府支出冲击后，消费显著增加。我们对积极财政政策冲击的广泛消费反应，包括积极和消极领域的反应，也与Burnside等人(2004)一致，他们发现积极的政府支出冲击不会显著影响私人消费。我们用另一个数据集进一步检验了这些结果，即使用1985年1月至2020年3月的样本，其中我们排除了沃尔克事件之前和期间的时期，并包括2008年全球金融危机(GFC)事件以及随后的零利率事件。财政支出扩张后消费下降的结果似乎更持久(见附录D中的图9)。

　　图2

　　

　　对财政政策冲击的冲动反应()。黑线描绘中位反应，阴影区域是68%的最高后验密度区域

　　至于投资，上升或下降是可能的，这取决于政府支出增加的持久性(Ramey 2016)。这还取决于是催化剂效应还是高利率效应起主导作用。如果催化剂效应占主导，则投资上升;如果后者占主导，则投资下降。另一方面，Galí等人(2007)发现这种影响要么是负的，要么是不显著的。由于利率上升，负面影响浮出水面，但如果央行保持利率不变，那么对投资的影响是中性的。

　　在我们的结果中，我们发现财政扩张通过提高利率挤出了投资，但反应仅在4到24个季度之间为负。因此，在某种程度上，我们的结果与Galí et al.(2007)一致。然而，以Blanchard和Perotti(2002)为例，投资的负面反应会立即持续发生，并在8 - 12个季度之间达到峰值。从长期来看，财政扩张对投资的影响具有很大程度的不确定性，最高后验密度区域扩大了68%。与Mountford和uhlight(2009)发现财政支出冲击后价格令人费解地下降不同，我们发现了直观的结果，即通货膨胀的脉冲响应中值在短期内为零，但在中长期内为正。然而，这个结果是不确定的，因为68%的最高后验密度区域是宽的。基于这些结果，我们还推测，财政政策冲击对国民账户和价格的影响是暂时的。对于1985年1月至2020年3月的样本，我们发现了类似的结果，即投资的中位数脉冲响应在一定滞后后下降。然而，我们认为挤出效应的概率已经降低，因为68%的最高后验密度区域覆盖了正区和负区。

　　对于劳动力市场，RBC模型预测，财政扩张随后产生的财富效应会诱导劳动力供给，经济将劳动力需求曲线移动到工作时间更长、实际工资更低的点(Baxter and King 1993;Ramey and Shapiro 1998;2007年佩洛)。我们的结果与他们的发现一致，即积极的财政冲击提高了工作时间，降低了实际工资。Mountford和Uhlig(2009)也发现，在积极的财政支出冲击之后，实际工资会出现负面反应，但这只是在中期。另一方面，Rossi和Zubairy(2011)发现实际工资的响应不显著，工作时间的响应为正。从图2可以看出，这些影响从短期到中期都是持续的，而从长期来看，这些影响的不确定性变得更高。从1985年1月到2020年3月的样本中，实际工资的下降仍然存在，但不像1954年4月至2006年4月的样本那么强烈(见附录D中的图9)。

　　3.2.1之上预期与未预期的财政政策冲击

　　关于财政政策冲击的一个问题是，这种冲击是可以预见的还是不可预见的。之前的分析隐含地假设了财政政策冲击是意料之外的。如果是预期的呢?让我们假设影响延迟一年，正如Mountford和Uhlig(2009)所施加的那样，其中政府支出仅限于在一年后增加，Mountford和Uhlig(2009)将其标记为预期的政府支出冲击。然后，我们可以评估表1中的信号约束，仅对财政冲击施加约束，而对前四个季度施加约束，货币政策和商业周期冲击。

　　表4财政冲击候选国家的评估(预期)政策冲击和经济周期冲击

　　结果表明，许多模型都有充分的证据满足符号约束，即对于不受限制的模型，贝叶斯因子> 3.2。如3.1节所述，我们挑出满足符号约束的后验概率最高的模型，然后根据其他模型计算最可能模型的贝叶斯因子。这一次，我们发现了大量证据(贝叶斯系数> 3.2)支持最可能的模型，除了其他两个模型，其他模型都支持，如表4所示。结果表明，表4中的结果指向与表2中相同的模型，从而导致与上面相同的分析。因此，我们在本文中所标记的财政政策冲击，无论冲击是意外的还是预期的，都是稳健的。然而，表4中的后验概率高于表2，这表明财政政策冲击确实可以预期，正如许多先前的文献所表明的那样。

　　3.2.2 财政乘数

　　基于对财政政策冲击的脉冲响应(如图2所示)，我们使用Mountford和Uhlig(2009)的公式计算累计财政支出乘数的现值，并将样本的平均有效联邦基金利率作为贴现率。我们在表5中报告了财政支出乘数的中位数，并将其与Lewis(2021)的结果进行了比较，因为他使用了与我们(1950:I-2006:IV)相似的数据集。我们还将我们的数据与1985:I-2020:III的各种数据样本进行了比较，以排除沃尔克事件之前和期间的时期，并包括2008年全球金融危机(GFC)事件以及随后的零利率事件。脚注8

　　表5现值累计财政支出乘数

　　在影响方面，我们的结果得出财政支出乘数为0.91，一个季度后达到峰值0.94。对于另一个数据样本，它变得稍微低一些，如表5所示。我们这里的结果更类似于Mountford和uhlight(2009)的赤字支出乘数，乘数在一个季度后达到峰值，并在长期内显示出逆转的迹象，而不是表5中报告的其他先前的结果。然而，在1985:I-2020:III的数据样本中，中位数乘数的符号反转不可见。图2中实际GDP的响应为零(大概率)，因为68%的最高后验密度区域在四个季度后既覆盖了正区域，也覆盖了负区域。因此，8-20季度的乘数很可能为零。我们对财政支出乘数的估计在短期内高于Lewis(2021)、Mertens和Ravn(2014)以及Blanchard和Perotti(2002)的估计，但在长期内较低。然而，考虑到峰值乘数为0.89-0.94，我们的结果与Ramey(2011)一致，Ramey发现政府支出乘数在0.8 - 1.5之间。

　　对积极货币政策冲击的脉冲响应，以利率增加约25个基点为标志，以及点向后验密度中68%的最高后验密度区域，如图3所示。总体而言，货币政策冲击对所有变量的影响都是暂时的。在产出反应方面，我们发现的结果与传统观点一致，即货币政策收紧后产出会减弱，但只是在一些滞后之后。我们在这里可以强调的另一个结果是，短期内货币政策冲击的影响存在很大程度的不确定性。因此，我们关于输出响应的结果与Rossi和Zubairy(2011)和Uhlig(2005)一致。与此同时，通货膨胀会瞬间下降，并在两个季度后达到峰值。基于这些，我们推测在我们的结果中不会出现价格难题。VAR文献中的价格谜题指的是货币政策收紧后价格的积极反应。不仅中位数低于零，而且68%的关节区域的最高后密度高达20个季度。

　　图3

　　

　　货币政策冲击的脉冲响应()(数据样本:1954 - 2006)。黑线描绘中位反应，阴影区域是68%的最高后验密度区域

　　在货币政策收紧之后，随着产出缓慢下降，工作时间随之减少，负财富效应变得明显。随着工作时间的减少，实际工资上涨。Rossi和Zubairy(2011)发现，在货币政策收紧后的一段时间内，消费、投资、工作时间和实际工资都出现了显著的负面反应。相比之下，我们的结果显示出不同的反应，其中只有在8到24个季度的工作时间内才会出现负面反应。有人可能会说，货币政策冲击传递给这些变量的速度较慢，而且其影响是暂时的。

　　至于消费和投资，我们发现货币政策收紧的影响越来越大，这一点并不吸引人。这可能是由于货币政策冲击对消费和投资的传导非常缓慢，就像工作时间和实际工资一样。相比之下，Bernanke等人(2005)发现货币政策收紧后个人消费、持久消费和非持久消费的反应不显著。在他们的论文中，耐用消费被包含在我们的论文中的投资变量中。为了进一步研究，我们对1985:I-2020:III的数据集进行了分析，其中我们排除了沃尔克事件之前和期间的时期，并包括2008年全球金融危机(GFC)事件和随后的零利率事件。脚注9

　　图4

　　

　　对货币政策冲击的冲动反应()(以1985年为样本):I-2020黑线描绘中位反应，阴影区域是68%的最高后验密度区域

　　我们在后一组数据中发现了更吸引人的结果，其中，在货币政策收紧利率约25个基点后，实际GDP、投资和工作时间在4个季度后下降，最大的影响在12至16个季度之间(见图4)。消费和实际工资仅在20个季度后下降，对通胀的影响较弱，比1954:IV - 2006:IV的数据样本持续时间短得多。

　　正向商业周期冲击的脉冲响应和点向后验密度中68%的最高后验密度区域如图5所示。我们发现与Mountford和Uhlig(2009)相似的结果对所有变量都有积极影响，除了通货膨胀。从表面上看，对消费、实际工资和政府支出的影响是持久的，而对实际GDP和工作时间的影响则持续约10个季度。考虑到对投资的持续影响，稳态资本劳动比可能会增加，并产生更高水平的稳态收入和消费(Mountford和Uhlig 2009)。

　　我们的结果与Mountford和uhlight(2009)的结果之间的一个显著差异是GDP平减指数通胀在商业周期冲击后的反应。我们发现通货膨胀出现了短暂的下降，而Mountford和uhlight(2009)发现通货膨胀滞后且持续上升。与Forni和Gambetti(2021)相比，我们发现我们所标记的商业周期冲击更类似于供给冲击，它提高了GDP、消费和投资，但降低了GDP平减指数。与我们的研究结果相似，Forni和Gambetti(2021)也发现了这种冲击对消费、投资和实际工资的永久性影响。

　　图5

　　

　　对经济周期冲击的脉冲响应()。黑线描绘中位反应，阴影区域是68%的最高后验密度区域

　　表6基于中位数方差分解给出了经济周期冲击()对模型中所有八个变量的相对贡献(以百分比为单位)。它们是预测误差方差比例的后验分布的中位数。商业周期冲击对实体部门(通常与商业部门和家庭有关)的影响，从极短期到长期都是持续的。经济周期冲击对GDP、工作时间和投资等变量的影响，从第一季度之后开始，在长达40个季度的时间里保持相当大的影响。在消费和实际工资方面，商业周期冲击的贡献在四个季度后开始回升。此外，商业周期冲击对政府支出和联邦基金利率也有相当大的影响。虽然对政府支出的影响在较长时期(20至40个季度)达到顶峰，但在较短时期(8至20个季度)的政策利率上达到顶峰。

　　表6相对co经济周期冲击的贡献(基于中位数方差分解(%)。这些是预测误差方差比例的后验分布的中位数

　　我们发现，我们已经成功地评估了Mountford和uhlight(2009)使用的标识限制，指出了与他们相同特征的商业周期冲击。我们进一步分析了政府支出和联邦基金利率分别作为财政和货币政策工具对商业周期冲击的反应。参考图5，利率的积极反应可以看作是货币政策的逆周期反应，这符合Romer和Romer(1994)对货币政策的描述。与此同时，政府支出的积极反应表明财政政策具有顺周期性。根据图5中政府支出的反应，我们发现美国财政政策在短期内是非周期性的，但在长期内是顺周期性的。这意味着，如果政府从商业周期繁荣中获得资金，它最终会花掉这笔钱。这些结果与Mountford和Uhlig(2009)的研究结果一致，他们还发现，在一次积极的商业周期冲击后，政府支出只有在大约六个季度后才会显著增加。

　　表7相对co经济周期冲击的贡献(基于方差分解(以%为单位)。这是预测误差方差比例的第16和第84个后验分布

　　与其他研究交叉验证，我们的结果也与Kaminsky et al.(2005)和Lane(2003)一致，他们发现美国的财政政策是非周期性的，因为我们发现它在短期内是非周期性的，但在长期内是顺周期性的。我们的结果与Bashar等人(2017)的结果略有不同，因为他们发现了美国反周期财政政策的证据。然而，反周期行为仅在1987-2011年期间明显，并且在10%的显著水平上。当使用覆盖一半以上样本的1960-1986年样本期时，Bashar et al.(2017)不能拒绝无反周期的零假设。因此，我们的结果与他们的结果并不矛盾。

　　就持续性而言，联邦基金利率的反应是瞬时的、短暂的，而政府支出的反应是滞后的、长期的。为了进一步分析，我们根据预测误差方差比例的后验分布的第16和第84分位数计算了商业周期冲击的相对贡献。表7所示的结果证实，货币政策对商业周期中较短的波动作出反应，而财政政策对较长的波动作出反应。在联邦基金利率的变动中，商业周期冲击已经在4至20个季度之间做出了重大贡献。另一方面，对政府支出而言，冲击的贡献在20个季度后才会达到峰值。

　　我们通过提取时间序列数据的统计特性以及基于理论的符号成功地确定了三次冲击。我们发现了大量的证据，这些数据支持本文提出的符号约束。尽管多种排列满足符号约束，但财政政策冲击、货币政策冲击和经济周期冲击都可以通过进一步的检验来标记。我们发现它们对经济的影响与理论一致，并且概率相对较高。

　　总体而言，我们发现积极的财政政策冲击对消费的影响在1954:IV至2006:IV的样本中可能为零(高概率)，或者在后一组数据中为负。根据这一发现，我们发现财政乘数低于1。在投资方面，我们发现在1954:IV - 2006:IV的数据样本中存在滞后挤出效应，但在1985:I-2020:III的数据样本中，滞后挤出效应的概率较小。至于积极的货币政策冲击后的反应，我们发现在一段时间后产出会减弱，这与主要的货币政策文献一致。

　　此外，我们发现，积极的商业周期冲击对政府支出的影响是滞后的，但却是长期的，而它对联邦基金利率的影响是瞬时的、短暂的。商业周期冲击只会在长期内影响政府支出的变化，而即使在短期内，它也会对联邦基金利率产生重大影响。我们研究的一个局限是，我们只考虑政府消费支出和总投资作为财政政策的衡量标准，而联邦基金利率作为货币政策的衡量标准。我们把这两项政策的其他措施留给进一步研究。

　　下载原文档：https://link.springer.com/content/pdf/10.1007/s00181-022-02352-z.pdf