发达国家利率变动对中国货币政策的影响研究

A Study on the Impact of Interest Rate Changes in Developed Countries on China’s Monetary Policy

摘要: 本文以全球货币政策联动深化为背景，聚焦发达国家利率变动对中国货币政策独立性与有效性的传导机制及异质性影响，基于2010Q1~2023Q4季度数据，构建包含家庭、中间品厂商、最终品厂商与货币当局的中美两国开放经济DSGE模型，创新性融合“避险效应–利率–汇率”三维传导渠道与两国互动框架，实证检验发达国家利率冲击的动态影响。研究为中国在美联储利率周期中优化“数量型 + 价格型 + 结构性”货币政策工具箱、增强政策独立性提供理论支撑与实证依据。

Abstract: Against the backdrop of deepening global monetary policy coordination, this study examines the transmission mechanisms and heterogeneous impacts of interest rate changes in developed countries on the independence and effectiveness of China’s monetary policy. Using quarterly data from 2010Q1 to 2023Q4, we construct a two-country open-economy DSGE model encompassing households, intermediate goods producers, final goods producers, and monetary authorities for both China and the United States. The framework innovatively integrates a three-dimensional transmission channel of “safe-haven effect-interest rate-exchange rate” within a two-country interactive setting, empirically testing the dynamic effects of interest rate shocks from developed economies. The research provides theoretical and empirical support for optimizing China’s “quantity-based + price-based + structural” monetary policy toolkit during Federal Reserve interest rate cycles, thereby enhancing policy independence.

1. 引言

1.1. 研究背景与问题提出

2008年全球金融危机后，美联储货币政策经历“量化宽松→渐进加息→紧急降息→激进加息→降息周期启动”的剧烈波动，其利率政策通过“全球美元循环”对新兴经济体形成显著外溢效应。据国际金融协会(IIF)数据，2022年美联储累计加息525 BP期间，新兴市场资本外流规模达1240亿美元，创2008年以来峰值；其中中国面临双重压力：一方面，中美10年期国债利差自2022年4月首次倒挂，至2022年10月倒挂幅度扩大至120 BP，打破2010年以来“中债收益率持续高于美债”的常态；另一方面，人民币对美元汇率从2022年3月的6.30贬至2022年11月的7.39，单季度贬值幅度超5%，触发央行启用“外汇存款准备金率上调2个百分点 + 企业汇率风险中性管理”组合政策。

在此背景下，两个核心问题亟待解答：一是发达国家利率变动通过哪些具体渠道影响中国货币政策？不同渠道的贡献度是否存在差异？二是中国不同类型货币政策工具对发达国家利率冲击的响应弹性是否存在异质性？2020年后这种异质性是否因资本账户开放程度提升而扩大？

1.2. 研究意义

理论意义：一是拓展开放经济下货币政策联动的“两国三部门”分析框架，将“发达国家利率冲击”作为核心外部变量纳入DSGE模型，补充新兴经济体在“资本账户部分开放 + 汇率有管理浮动”特征下对发达经济体利率政策的响应机制，修正传统蒙代尔–弗莱明模型“资本完全流动/完全管制”的极端假设；二是创新性量化“三维传导渠道”的贡献度，通过方差分解验证避险效应、利率、汇率渠道分别解释发达国家利率冲击对中国货币政策的影响。

现实意义：在美联储加息周期，建议优先使用降准与结构性工具，减少LPR下调频率，避免中美利差过度收窄；在美联储降息周期，可加大LPR下调力度，同步推进汇率形成机制改革，释放货币政策空间。

1.3. 研究思路

理论模型：构建开放经济DSGE模型，设定家庭(含消费习惯形成)、厂商、货币当局的行为方程，嵌入“三维传导渠道”。

实证分析：基于2010Q1~2023Q4数据，开展描述性统计、数据平稳性检验、参数校准与贝叶斯估计。

2. 文献综述

2.1. 发达国家利率变动的国际传导机制研究

传统国际宏观经济学中，发达国家利率传导的理论基础源于“利率平价理论”与“蒙代尔–弗莱明模型”。Obstfeld & Rogoff (1995) [1]在“新开放经济宏观经济学(NOEM)”框架中指出，发达国家利率变动通过“利差→资本流动→汇率波动→贸易收支”的链式反应影响他国经济，其核心假设是“资本完全流动 + 价格弹性”。近年研究进一步细化传导机制并拓展假设条件：Hausman & Wongswan (2011) [2]基于20个新兴经济体数据发现，发达国家加息通过“资产重配置效应”导致新兴经济体股票市场下跌3~5%、债券收益率上升20~30BP，且这种效应在资本账户开放度高的国家更显著。

2.2. 发达国家利率对新兴经济体货币政策的影响研究

对于新兴经济体，发达国家利率冲击的影响具有“非对称性”与“异质性”。Fratzscher et al. (2018) [3]基于27个新兴经济体2000~2018年面板数据发现，发达国家加息对经常账户赤字率超5%、外债/GDP超60%的国家冲击强度是其他国家的2.3倍，体现“脆弱性指标”的调节作用；Ahmed & Zlate (2014) [4]进一步指出，资本账户开放度是关键中介变量——当新兴经济体资本账户开放度(Chinn-Ito指数)高于0.5时，发达国家利率冲击对其政策利率的传导弹性为0.45 (即发达国家加息1%，新兴经济体加息0.45%)，而开放度低于0.3时，传导弹性仅为0.12。

2.3. 中国货币政策应对外部冲击的研究

国内学者围绕“外部冲击与中国货币政策独立性”展开大量研究，形成三类核心观点：

第一类观点强调“政策独立性受损但可控”：构建中美两国DSGE模型，发现中国采用扩展泰勒规则(含汇率平滑项)时，发达国家利率冲击对中国产出的短期影响弹性为−0.12，但通过“利率走廊 + 汇率双向波动”组合工具，可将影响弹性降至−0.08；Liu & Zhang (2020) [5]进一步验证，2015年后中国货币政策独立性有所提升，相关系数从2010~2014年的0.65降至2015~2020年的0.42。

第二类观点聚焦“政策工具的异质性响应”：马骏等(2019) [6]通过SVAR模型发现，数量型工具(降准)受外部冲击的影响小于价格型工具；陈雨露等(2021) [7]补充结构性工具的优势，指出“科技创新再贷款”“普惠小微贷款支持工具”等结构性工具对发达国家利率冲击的敏感性最低，2022年其规模逆势增长30%，成为稳增长的“缓冲器”。

第三类观点引入“外部不确定性”的调节作用：邓创等(2023) [8]提出“避险效应渠道”，发现发达国家利率上升推升VIX指数(全球避险情绪指标)，中国资本外流压力加大，导致价格型货币政策有效性下降约20%；张晓慧等(2022) [9]进一步指出，2020年后新冠疫情加剧外部不确定性，发达国家利率冲击的影响效应较2010~2019年上升30%，央行需更注重“跨周期调节”。

2.4. 文献评述与本文贡献

现有研究已验证发达国家利率对中国货币政策的影响，但仍存在两点不足：1) 样本周期多截止至2016或2020年，未覆盖2022年美联储激进加息周期与2023年中美利差倒挂常态化，无法反映最新冲击特征；2) 对“不同政策工具的响应差异”分析不足，尤其缺乏结构性工具与传统工具的对比。

3. 理论模型：开放经济DSGE框架

借鉴两国DSGE模型，结合邓创等(2023) [8]的“三维传导渠道”，构建包含“中国(Home)-发达国家(Foreign)”的开放经济模型，核心部门包括家庭(含消费习惯形成)、中间品厂商(含Calvo价格粘性)、最终品厂商(完全竞争)与货币当局(差异化政策规则)。

3.1. 家庭部门行为方程

中国家庭的目标是最大化跨期效用函数：$U_t=E_t{\displaystyle \sum _{s=t}^{\infty }{\beta }^s}\left[\frac{{\left(C_s-h{C}_{s-1}\right)}^{1-{\sigma }_c}}{1-{\sigma }_c}-\frac{{\left(L_s\right)}^{1+{\sigma }_l}}{1+{\sigma }_l}\right]$

消费篮子C_s满足CES函数：$C_s={\left[{\left(1-\alpha \right)}^{1/\eta }{\left(C_s^H\right)}^{\left(\eta -1\right)/\eta }+{\alpha }^{1/\eta }{\left(C_s^F\right)}^{\left(\eta -1\right)/\eta }\right]}^{\eta /\left(\eta -1\right)}$

本国、发达国家最终品的消费，$C_s^H=\left(1-\alpha \right){\left(\frac{P_s^H}{P_s}\right)}^{-\eta }{C}_s$ ；$C_s^F=\alpha {\left(\frac{P_s^F}{e_s{P}_s}\right)}^{-\eta }{C}_s$ 。

家庭预算约束：$P_t{C}_t+P_t{I}_t+\frac{B_t^H}{1+i_t^H}+\frac{e_t{B}_t^F}{1+i_t^F}+P_t\Phi \left(\frac{B_t^F}{K_{t-1}}\right)\le W_t{L}_t+R_t^K{K}_{t-1}+B_{t-1}^H+e_t{B}_{t-1}^F+{\Pi }_t$ 。

构建拉格朗日函数求解一阶条件，得到消费欧拉方程：$\frac{1}{C_t-h{C}_{t-1}}=\beta \left(1+i_t^H\right)E_t\left[\frac{1}{C_{t+1}-h{C}_t}\cdot \frac{P_t}{P_{t+1}}\right]$

与资本需求方程：$1=\beta E_t\left[\frac{C_t-h{C}_{t-1}}{C_{t+1}-h{C}_t}\cdot \frac{P_t}{P_{t+1}}\left(R_{t+1}^K+\left(1-\delta \right)\left(1-\frac{{\varphi }_I}{2}{\left(\frac{I_{t+1}}{I_t}-1\right)}^2+{\varphi }_I\left(\frac{I_{t+1}}{I_t}-1\right)\frac{I_{t+1}^2}{I_t^2}\right)\right)\right]$

3.2. 厂商部门行为方程

3.2.1. 最终品厂商

中国最终品市场为完全竞争市场，最终品$Y\_t$ ：$Y_t={\left[{{\displaystyle {\int }_0^1{Y}_t\left(j\right)}}^{\left(\theta -1\right)/\theta }dj\right]}^{\theta /\left(\theta -1\right)}$

基于利润最大化，推导中间品需求函数：$Y_t\left(j\right)={\left(\frac{P_t\left(j\right)}{P_t}\right)}^{-\theta }{Y}_t$

3.2.2. 中间品厂商

中间品市场为垄断竞争市场，第j个中间品厂商采用柯布–道格拉斯生产函数：

$Y_t\left(j\right)=A_t{K}_{t-1}{\left(j\right)}^{{\alpha }_k}{L}_t{\left(j\right)}^{1-{\alpha }_k}$

厂商成本最小化，得到边际成本$MC\_t\left(j\right)$ ：$M{C}_t=\frac{{\left(R_t^K\right)}^{{\alpha }_k}{W}_t^{1-{\alpha }_k}}{{\alpha }_k^{{\alpha }_k}{\left(1-{\alpha }_k\right)}^{1-{\alpha }_k}{A}_t}$

调整价格的厂商选择最优价格$P_t^{*}\left(j\right)$ 最大化未来利润现值：

${\max }_{P_t^{*}\left(j\right)}{E}_t{\displaystyle \sum _{s=0}^{\infty }{\xi }^s}{\beta }^s\frac{C_t-h{C}_{t-1}}{C_{t+s}-h{C}_{t+s-1}}\cdot \frac{P_t}{P_{t+s}}\left(\frac{P_t^{*}\left(j\right){\displaystyle \prod _{k=1}^s{\pi }_{t+k-1}^{{\gamma }_p}}}{P_{t+s}}-M{C}_{t+s}\right)Y_{t+s}\left(j\right)$

通过一阶条件求解最优价格，结合价格指数演化方程，推导通胀动态方程：

${\pi }_t=\frac{{\gamma }_p}{1+\beta {\gamma }_p}{\pi }_{t-1}+\frac{\beta }{1+\beta {\gamma }_p}{E}_t{\pi }_{t+1}+\frac{\left(1-\xi \right)\left(1-\beta \xi \right)}{\left(1+\beta {\gamma }_p\right)\xi }{\widehat{mc}}_t$

3.3. 货币当局行为方程

3.3.1. 中国货币政策规则(扩展泰勒规则)

结合中国央行“稳增长、稳通胀、稳汇率”的三重目标，采用包含“产出缺口、通胀缺口、汇率平滑、利率平滑”的扩展泰勒规则：

${\widehat{i}}_t^H={\rho }_i{\widehat{i}}_{t-1}^H+\left(1-{\rho }_i\right)\left[{\varphi }_{\pi }\left({\widehat{\pi }}_t-{\pi }^{*}\right)+{\varphi }_y{\widehat{y}}_t+{\varphi }_e\Delta {\widehat{e}}_t\right]+{\epsilon }_{i,t}^H$

3.3.2. 发达国家货币政策规则

参考美联储“双重mandate”(物价稳定、充分就业)，采用标准泰勒规则，不包含汇率项：

${\widehat{i}}_t^F={\rho }_i^{*}{\widehat{i}}_{t-1}^F+\left(1-{\rho }_i^{*}\right)\left[{\varphi }_{\pi }^{*}\left({\widehat{\pi }}_t^{*}-{\pi }^{*F}\right)+{\varphi }_y^{*}{\widehat{y}}_t^{*}\right]+{\epsilon }_{i,t}^F$

3.4. 传导机制嵌入

1) 避险效应渠道

通过资本流动调整成本函数引入避险情绪冲击${\sigma }_t^R$ ：$\Phi \left(\frac{B_t^F}{K_{t-1}}\right)=\frac{{\varphi }_B}{2}{\left(\frac{B_t^F}{K_{t-1}}-\overline{b}\right)}^2\left(1+{\sigma }_t^R\right)$

2) 利率渠道

通过中美利差$sprea{d}_t={\widehat{i}}_t^H-{\widehat{i}}_t^F-\Delta {\widehat{e}}_t^e$ 影响家庭投资决策，在资本需求方程中引入利差的调节作用：

$1=\beta E_t\left[\frac{C_t-h{C}_{t-1}}{C_{t+1}-h{C}_t}\cdot \frac{P_t}{P_{t+1}}\left(R_{t+1}^K+\left(1-\delta \right){\Omega }_t\right)\right]$

3) 汇率渠道

在模型中，通过将进口品价格纳入通胀动态方程，量化汇率传递效应：

${\pi }_t=\frac{{\gamma }_p}{1+\beta {\gamma }_p}{\pi }_{t-1}+\frac{\beta }{1+\beta {\gamma }_p}{E}_t{\pi }_{t+1}+\frac{\left(1-\xi \right)\left(1-\beta \xi \right)}{\left(1+\beta {\gamma }_p\right)\xi }\left({\widehat{mc}}_t+{\varphi }_e{\widehat{e}}_t\right)$

3.5. 市场出清与总量约束

模型满足以下市场出清条件：

产品市场出清：$Y\_t=C\_t+I\_t+G\_t+NX\_t$ ，$N{X}_t=\frac{P_t^H{X}_t-e_t{P}_t^{F*}{M}_t}{P_t}$ 。

劳动市场出清：$L_t={\displaystyle {\int }_0^1{L}_t\left(j\right)}dj$ ，所有厂商劳动需求总和等于家庭劳动供给。

债券市场出清：$B_t^H=0$ (家庭持有的本国债券与政府发行的债券抵消)；$B_t^F=-B_t^{F*}$ 。

4. 实证分析

4.1. 数据处理与说明

4.1.1. 数据范围与来源

设定样本区间为2010Q1~2023Q4，覆盖美联储三轮关键政策周期：2010~2014年量化宽松、2015~2018年渐进加息、2020年紧急降息、2022~2023年激进加息，确保样本代表性。核心变量来源与处理方式如下表1：

Table 1. Sources and processing methods of core variables

表1. 核心变量来源与处理方式

变量名称	代理指标	数据来源	处理方式
发达国家利率(u)	联邦基金利率	美联储官网(FRED)	季度均值，单位：%
中国利率(r)	1年期LPR (2019Q3后)/1年期贷款 基准利率(2019Q2前)	中国央行官网	季度均值，单位：%
GDP增长率(y)	实际GDP同比增长率	中国国家统计局	直接采用季度公布值， 单位：%
通胀率(pi)	CPI同比增长率	中国国家统计局	直接采用季度公布值， 单位：%
汇率(e)	USD/CNY名义汇率	中国央行官网	季度均值，直接标价法
避险情绪(σ^R)	VIX指数	芝加哥期权交易所(CBOE)	季度内日度数据的标准差，单位：点
中美利差(spread)	中国10年期国债收益率 − 发达国家10年期国债收益率	中国债券信息网、FRED	季度均值，单位：%
汇率波动率(vol_e)	USD/CNY日度汇率的标准差	中国央行官网	季度均值，单位：%

4.1.2. 数据平稳性检验

为避免伪回归与DSGE模型参数估计偏误，采用“ADF检验(Augmented Dickey-Fuller) + PP检验(Phillips-Perron)”双重方法对变量进行平稳性检验，滞后阶数根据AIC准则选择(最大滞后阶数4)。检验结果见表2：

Table 2. Results of variable stationarity tests (ADF + PP)

表2. 变量平稳性检验结果(ADF + PP)

变量	ADF检验(水平值)	ADF检验(一阶差分)	PP检验(水平值)	PP检验(一阶差分)	结论
u (发达国家利率)	0.321 (不平稳)	0.002 (平稳)	0.356 (不平稳)	0.001 (平稳)	一阶平稳
r (中国利率)	0.287 (不平稳)	0.001 (平稳)	0.312 (不平稳)	0.000 (平稳)	一阶平稳
y (GDP增长率)	0.045 (平稳)	-	0.039 (平稳)	-	水平平稳
pi (通胀率)	0.038 (平稳)	-	0.042 (平稳)	-	水平平稳
e (汇率)	0.415 (不平稳)	0.003 (平稳)	0.438 (不平稳)	0.002 (平稳)	一阶平稳
σ^R (VIX波动率)	0.379 (不平稳)	0.000 (平稳)	0.395 (不平稳)	0.000 (平稳)	一阶平稳
spread (中美利差)	0.298 (不平稳)	0.004 (平稳)	0.315 (不平稳)	0.003 (平稳)	一阶平稳
vol_e (汇率波动率)	0.352 (不平稳)	0.001 (平稳)	0.368 (不平稳)	0.000 (平稳)	一阶平稳

检验结果显示，所有变量的一阶差分均在1%显著性水平下平稳，符合DSGE模型对变量平稳性的要求。对于水平平稳的变量(y、pi)，直接采用原始数据；对于一阶平稳的变量(u、r、e等)，采用一阶差分后的数据进行参数估计，避免趋势性影响。

4.2. 描述性统计分析

4.2.1. 核心变量描述性统计

核心变量描述性统计如下表3。

Table 3. Descriptive statistics of core variables (2010Q1~2023Q4)

表3. 核心变量描述性统计(2010Q1~2023Q4)

变量	均值	标准差	最小值	最大值	2010~2018均值	2019~2023均值
u (%)	1.87	1.62	0.05	5.33	1.25	3.02
r (%)	4.32	0.89	3.45	6.56	4.81	3.52
y (%)	6.21	1.58	2.20	10.20	7.35	4.18
pi (%)	2.15	1.23	−0.50	6.40	2.42	1.68
e	6.65	0.38	6.04	7.39	6.38	7.12
σ^R	19.82	7.65	11.20	82.69	16.53	25.78
spread (%)	0.85	0.92	−1.20	2.56	1.32	−0.25
vol_e (%)	1.25	0.78	0.32	2.80	0.85	2.05

4.2.2. CPI指数特征分析

CPI指数特征如下图1、图2。

Figure 1. China CPI index (Base period: July 2025 = 100) (2010Q1~2023Q4)

图1. 中国CPI指数(基期：2025年7月 = 100) (2010Q1~2023Q4)

Figure 2. China’s year-on-year CPI inflation rate (2010Q1~2023Q4)

图2. 中国CPI同比通胀率(2010Q1~2023Q4)

4.3. DSGE模型参数校准与估计

4.3.1. 参数校准

对于无观测值、理论共识较强或无法通过贝叶斯估计识别的参数，采用校准法，参考邓创等(2023) [8]及国内DSGE基准研究(如马骏等(2019) [6])的校准值，结合中国宏观经济特征调整，表4：

Table 4. DSGE model calibration parameters

表4. DSGE模型校准参数

参数符号	参数含义	校准值
$\beta$	主观贴现率	0.99
$\delta$	资本折旧率	0.025
${\alpha }_k$	资本产出弹性	0.4
${\sigma }_c$	消费跨期替代弹性	2.0
${\sigma }_l$	劳动供给弹性	1.0
${\varphi }_I$	资本调整成本系数	4.0
${\rho }_i^{*}$	发达国家利率平滑系数	0.8
$\eta$	中美商品替代弹性	1.5
$h$	消费习惯参数	0.6
$\xi$	价格粘性参数	0.75

4.3.2. 参数贝叶斯估计

对于反映政策反应、冲击持续性、冲击标准差的参数，采用贝叶斯估计，数据采用“平稳化处理后的变量”，先验分布参考主流DSGE研究设定，后验分布通过Metropolis-Hastings算法抽样。估计结果见表5：

Table 5. Bayesian estimation results of the DSGE model

表5. DSGE模型贝叶斯估计结果

参数符号	参数含义	先验分布	先验均值	后验均值	90%置信区间	收敛性检验 (Geweke统计量)
${\rho }_i$	中国利率平滑系数	Beta (0.7, 0.15)	0.70	0.72	[0.65, 0.79]	−1.25 (P > 0.1，收敛)
${\varphi }_{\pi }$	中国通胀反应系数	Normal (1.5, 0.2)	1.50	1.53	[1.32, 1.74]	−0.98 (P > 0.1，收敛)
${\varphi }_y$	中国产出反应系数	Normal (0.5, 0.1)	0.50	0.48	[0.39, 0.57]	−1.12 (P > 0.1，收敛)
${\varphi }_e$	中国汇率反应系数	Normal (0.3, 0.1)	0.30	0.31	[0.22, 0.40]	−0.85 (P > 0.1，收敛)
${\rho }_A$	中国TFP冲击持续性	Beta (0.8, 0.1)	0.80	0.78	[0.71, 0.85]	−1.03 (P > 0.1，收敛)
${\rho }_u$	发达国家利率冲击持续性	Beta (0.8, 0.1)	0.80	0.85	[0.79, 0.91]	−0.72 (P > 0.1，收敛)
${\rho }_R$	避险情绪冲击持续性	Beta (0.6, 0.1)	0.60	0.58	[0.49, 0.67]	−0.92 (P > 0.1，收敛)
${\sigma }_{i^H}$	中国货币政策冲击标准差	InvGamma (0.1, 2)	0.010	0.012	[0.010, 0.014]	−1.18 (P > 0.1，收敛)
${\sigma }_u$	发达国家利率冲击标准差	InvGamma (0.1, 2)	0.015	0.018	[0.015, 0.021]	−0.88 (P > 0.1，收敛)
${\sigma }_A$	TFP冲击标准差	InvGamma (0.1, 2)	0.010	0.011	[0.009, 0.013]	−1.05 (P > 0.1，收敛)

后验分布收敛性检验采用Geweke统计量(原假设“后验样本前10%与后90%来自同一分布”)，所有参数的Geweke统计量绝对值均小于1.96 (P > 0.1)，表明后验样本无明显偏差，估计结果可靠。

4.4. 稳健性检验

替换发达国家利率代理变量

将发达国家利率(u_t)的代理变量从“联邦基金利率”(短期利率)替换为“发达国家10年期国债收益率”(长期利率)，重新估计模型。检验结果显示：发达国家10年期国债收益率冲击下，中国利率的响应弹性(0.16)略高于联邦基金利率(0.14)，GDP增长率的负向响应(−0.25个百分点)也更大，原因在于长期利差对资本流动的影响更持久。但核心结论不变——发达国家利率变动通过三维渠道显著影响中国货币政策，价格型工具敏感性更高。

5. 传导机制检验：基于“三维渠道”的量化分析

5.1. 计量模型设定

参考邓创等(2023) [8]的交互项框架，构建面板回归模型，以“中国货币政策独立性指数(MAI)”为被解释变量——MAI取值范围[−1, 1]，越接近1表示独立性越强(计算方法：MAI = 1 − 中国利率变动与发达国家利率变动的相关系数 × 资本流动波动率，数据来源：中国央行《货币政策执行报告》)。

核心回归方程：

$MA{I}_t={\alpha }_0+{\alpha }_1{u}_t+{\alpha }_2\left(u_t\times {\sigma }_t^R\right)+{\alpha }_3\left(u_t\times sprea{d}_t\right)+{\alpha }_4\left(u_t\times vo{l}_e{}_t\right)+\gamma X_t+{\epsilon }_t$

5.2. 回归结果与渠道贡献度

5.2.1. 基准回归结果

回归结果如下表6所示。

Table 6. Baseline regression results for the transmission mechanism

表6. 传导机制基准回归结果

变量	系数	标准误	t值	P值
常数项	0.85	0.07	12.14	0.000
发达国家利率	−0.28	0.08	−3.50	0.001
$u_t\times {\sigma }_t^R$	−0.15	0.06	−2.50	0.016
$u_t\times sprea{d}_t$	−0.32	0.09	−3.56	0.001
$u_t\times vo{l}_e{}_t$	−0.18	0.07	−2.57	0.013
大宗商品价格指数	−0.08	0.04	−2.00	0.051
中国财政支出增速	0.12	0.05	2.40	0.020
发达国家GDP增长率	−0.05	0.03	−1.67	0.101
R-squared	0.72	-	-	-
F统计量	18.56	-	-	0.000

发达国家利率冲击的直接效应：系数为−0.28 (P < 0.01)，表明发达国家利率每上升1个百分点，中国货币政策独立性指数下降0.28，验证外部冲击对政策独立性的直接削弱作用——2022年美联储累计加息5.25个百分点，MAI从0.65降至0.42，下降幅度与模型预测(0.28 × 5.25 ≈ 0.15)基本一致。

三大渠道的显著性检验：避险效应渠道：系数−0.15 (P < 0.05)，显著为负。当VIX指数高于25 (高避险状态)时，发达国家加息1个百分点，MAI额外下降0.15 × (VIX − 20)/5 = 0.09，原因在于高避险情绪下，资本外流对利率变动的敏感性提升。利率渠道：系数−0.32 (P < 0.01)，绝对值最大。当中美利差低于1个百分点时，发达国家加息1个百分点，MAI下降0.32 × (1 − spread)/1 = 0.16，表明利差是缓冲外部冲击的关键。汇率渠道：系数−0.18 (P < 0.05)，显著为负。当汇率波动率高于2%时，发达国家加息1个百分点，MAI额外下降0.18 × (vol_e − 1)/1 = 0.091，反映央行干预汇率对政策独立性的制约。

5.2.2. 渠道贡献度方差分解

1) 采用方差分解方法，量化三大渠道对发达国家利率冲击总效应的贡献度。利率渠道贡献度最高(42%)：中美利差变动是影响中国货币政策独立性的核心因素，原因在于利差直接决定资本流动方向；

2) 汇率渠道贡献度27%：汇率波动通过“进口通胀–政策制约”影响独立性，2022年人民币贬值推升进口通胀0.8个百分点，使央行在降准决策上更为审慎；

3) 避险效应渠道贡献度31%：全球避险情绪上升放大资本流动波动，2022年VIX指数每上升10点，中国资本外流规模增加200亿美元，迫使央行调整流动性管理工具。

5.2.3. 分周期渠道异质性分析

对比2010~2018年与2019~2023年两个周期的渠道贡献度，发现显著异质性：

2010~2018年：利率渠道贡献度35%，汇率渠道22%，避险效应渠道43%。这一时期全球经济相对平稳，避险情绪是主要冲击源；

2019~2023年：利率渠道贡献度升至51%，汇率渠道33%，避险效应渠道16%。原因在于2020年后中美利差波动加剧，汇率市场化程度提升，利率与汇率渠道的作用显著增强，而避险情绪的影响减弱。

6. 结论与政策建议

6.1. 主要研究结论

发达国家利率变动对中国货币政策存在显著且异质的影响：

整体效应：发达国家加息1个百分点，中国政策利率被动上升0.14~0.16个百分点，GDP增长率下降0.18~0.29个百分点，通胀率呈现“先抑后扬”(短期 − 0.05%，长期 + 0.12%)；

工具差异：价格型工具(LPR)对冲击的敏感性(响应弹性0.16)显著高于数量型工具(RRR，响应弹性0.08)，结构性工具(科技创新再贷款)敏感性最低(0.05)，2022年LPR下调对投资的刺激效应下降15.3%，而降准仅下降6.8%。

“利率–避险效应–汇率”三维渠道共同作用，且贡献度存在周期异质性：

总贡献度：利率渠道(42%) > 避险效应渠道(31%) > 汇率渠道(27%)；

周期差异：2019年后利率渠道(51%)与汇率渠道(33%)贡献度显著提升，避险效应渠道(16%)下降，反映中美经济联动性与汇率市场化程度的提升。

6.2. 政策建议

差异化使用政策工具：

美联储加息周期：优先使用数量型工具与结构性工具，减少价格型工具调整。通过降准释放长期资金，增加再贷款额度，既缓解流动性压力，又避免中美利差过度收窄；美联储降息周期：加大价格型工具使用力度，同步推进汇率形成机制改革。

完善汇率形成机制，提升汇率弹性：

减少常态化干预：仅在汇率出现“异常波动”时介入，可逐步取消外汇存款准备金率调整，让市场供求更多决定汇率；扩大外汇市场参与主体：允许更多中小企业与个人进入外汇衍生品市场(如远期、期权)，降低汇率风险对冲成本。

加强跨境资本流动宏观审慎管理：

构建“宏观审慎 + 资本管制”双支柱：对短期资本流动征收托宾税，对长期资本流动保持开放；推进人民币国际化：扩大人民币在贸易结算与跨境投资中的使用，减少美元循环对中国货币政策的制约。

6.3. 研究不足与未来展望

本文仍存在两点不足：一是模型未纳入金融部门(如银行信贷摩擦)，无法分析发达国家利率变动对中国银行业不良率、信贷规模的影响；二是未考虑发达国家利率与其他外部冲击(如全球供应链冲击、地缘政治风险)的叠加效应。

未来研究可从两方面拓展：一是构建“中美两国带金融部门的DSGE模型”，引入银行资本充足率、信贷违约率等变量，分析金融稳定与货币政策的互动；二是采用“因子增强型VAR模型”，将发达国家利率冲击与全球供应链压力指数(GSCPI)、地缘政治风险指数(GPR)等变量结合，量化多重冲击的叠加效应，为中国货币政策“内外均衡”提供更全面的决策支持。