论文部分内容阅读
摘 要：已有的NKMP-DSGE模型将企业数量看做固定的常数，这与现实经济中企业进入和退出不断发生的事实不符。本文基于包含企业进入和退出的金融冲击NKMP-DSGE模型考察了金融冲击对于中国经济波动的影响。金融冲击的贝叶斯脉冲响应函数显著支持了金融危机期间中国政府采用非常规货币政策刺激经济的做法；模型比较的结果表明，未包含企业动态的模型在低估正向的金融冲击对于中国经济复苏作用的同时，还夸大了其对于通胀上升的效应。贝叶斯冲击分解的结果表明，货币政策冲击是中国产出波动的最主要推动力，金融冲击则次之，但在金融危机期间，逆向的总需求冲击是导致中国产出下行的主要因素。在此基础上，贝叶斯模型选择检验的结果表明，包含企业动态的模型相对较好地刻画了中国经济的现实。
关键词：金融冲击；企业动态；经济波动；模型选择检验
文章编号：2095-5960（2015）05-0001-13；中图分类号：F014；文献标识码：A
一、引言及文献述评
2008年至2010年由美国次贷危机引发的世界性金融危机对世界各国经济产生了严重的影响，表现为产出与国际贸易总量迅速下滑以及失业率上升。而在金融危机期间，国际金融市场以及国际金融业出现巨大震荡，进而形成强大的逆向（Negative）金融冲击。危机之后，金融危机的巨大破坏性促使研究者开始重新审视金融因素在宏观经济中的角色。而在理论研究中，近十年来，新凯恩斯主义货币政策动态随机一般均衡模型（NKMP-DSGE）因其对现实数据的良好拟合而在宏观经济学与货币政策分析中占据主导地位。因而，对于金融因素作用的重新审视在一定程度上也表现为反思NKMP-DSGE建模上存在的不足。
金融危机之前，研究者与各国央行在使用NKMP-DSGE模型进行政策分析时，尽管不断提高的模型完整性使得这一框架对于现实数据的拟合程度越来越高，但却存在一个明显的不足：代表性研究如Smets & Wouters（2007）在建模过程中将金融因素看做“黑箱”，进而忽略了对其考察。[1]金融危机之后，研究者在已有的NKMP-DSGE框架中引入金融因素，并考察金融冲击或者金融摩擦对于现实经济波动的影响。以Bernanke et al.（1999）的金融加速器（Financial Accelerator）模型[2]为基础，Nolan & Thoenissen（2009）以企业净资产冲击作为金融冲击考察了金融冲击对美国经济周期波动的影响，结果发现金融冲击可以解释45%的美国产出波动。[3]Christiano et al. （2011）采用搜寻与匹配方法将失业引入包含金融冲击的NKMP-DSGE模型以考察金融冲击对于瑞典经济的影响，结果发现金融冲击是导致瑞典产出波动的主要推手。[4]Jermann & Quadrini（2012）发现46%的美国产出波动可以由金融冲击来解释，即金融冲击是推动美国经济波动的最重要动力。[5]与之不同，Kaihatsu & Kurozumi（2014）则发现金融冲击并不是日本产出波动最重要的推动力。[6]中国研究者也对金融冲击在中国经济周期波动中的作用进行了考察，结论可谓众说纷纭。张伟进和方振瑞（2013）发现金融冲击是中国产出波动的第二大因素。[7]而王国静和田国强（2014）则发现金融冲击可以解释中国产出波动的80%。[8]陈利锋（2014）考察了金融冲击对于中国失业的影响，发现金融冲击并不是推动中国产出和失业波动最主要的因素。[9]上述研究分别考察了金融冲击对于不同国家产出波动的影响，但存在的一个问题是，这些研究均将企业的数量看作是固定的，进而忽略了金融冲击对于企业进入和退出或者企业动态（Firm Dynamics）的影响。
事实上，企业的进入和退出是经济中的一个显在的事实。Bilbiie et al. （2012）发现美国的制造业中有2%至3%的就业岗位是由新进入企业提供的。[10]Bernard et al. （2010）通过调查发现，过去5年中美国新进入企业推出的新产品所创造的价值占GDP的466%。[11]陈利锋（2015）发现企业的进入和退出在中国显著存在，并且与中国经济的周期性波动之间存在显著性互动关系。企业的进入和退出在金融危机期间则表现的更为明显。[12]Bergin et al （2014）发现2007年至2009年美国季度新企业成立的速度平均下降225%。[13]对于中国而言，金融危机还通过国际贸易渠道形成的总需求冲击影响了企业的进入和退出。2008年浙江省民营企业消亡数量与比例分别为292万家和462%；相对2007年，广东省2008年外商投资企业消亡增幅为14034%。就全国数据而言，2008年中国新建企业增幅仅为90%，而在2005年和2006年这一数据分别为173%和153%。① ①数据来源：《中国民营经济发展报告》这一系列数据表明，金融危机降低了中国新企业建立的速度并加快了企业消亡的速度，即金融冲击影响了企业进入和退出决策。
基于以上事实，本文构建了一个包含企业生存状态或企业动态的金融冲击NKMP-DSGE模型，并基于这一基准模型考察了金融冲击对于中国产出波动的影响。总需求冲击与金融冲击的贝叶斯脉冲响应函数表明，在经济遭遇强大的逆向总需求冲击时，政府应该采用相应的非常规货币政策形成正向的金融冲击以平抑逆向总需求冲击的不利影响。
为考察企业的进入和退出机制的作用，本文采用模型比较法分析了包含企业动态与未包含企业动态的模型中金融冲击的效应。结果发现，相对于未包含企业动态的模型，在包含企业动态的模型中金融冲击均引起产出、消费与就业更大的波动，原因在于企业的进入和退出扩大了金融冲击的效应（Caggese & Perez，2013） [14]。但不同的是，在包含企业动态的模型中，正向的金融冲击首先引起通胀的下降之后则随着金融冲击作用的减小而逐渐上升；而在未包含企业动态的模型中，正向的金融冲击直接引起了通胀的上升。这一发现意味着，未包含企业动态的NKMP-DSGE模型可能在低估金融冲击对于产出等变量的冲击效应的同时，也夸大了金融冲击对于通胀的效应。因此，本文的研究结论表明，基于未包含企业动态的模型所进行的政策分析和政策效果评价，既可能低估了经济刺激计划对于中国经济复苏的积极作用，也夸大了其对于中国通胀的影响，进而使政策制定者承担了过多的指责。 在此基础上，笔者采用贝叶斯冲击分解方法考察了不同外生冲击在推动中国产出波动中各自扮演的角色。结果表明：（1）货币政策冲击是推动中国产出波动最主要的推动力，而金融冲击则次之。（2）技术冲击对于中国产出波动的影响小于金融冲击。（3）在金融危机期间，总需求冲击是引致中国产出下行最主要的推动力。
最后，以未包含企业动态的模型为备择模型，笔者采用贝叶斯模型选择检验法考察基准模型与备择模型哪一个能够更好的刻画中国的现实数据。贝叶斯模型选择检验的结果表明，边际似然值检验、贝叶斯信息准则、后验优势比检验以及伪后验优势比检验的结果均倾向于支持包含企业动态的模型。这一结论表明，在本文的考察期内，包含企业动态的模型相对较好地刻画了中国的现实数据。
与已有的研究不同，本文主要做了如下几个方面的工作，当然这些工作也构成了本文可能存在的创新。第一，与已有的金融冲击NKMP-DSGE模型不同，笔者基于现实经济中企业进入和退出不断发生的事实，在模型中引入企业进入和退出机制，进而可以反映金融冲击通过影响企业进入和退出决策进而影响产出的路径。第二，通过模型比较，发现未包含企业动态的NKMP-DSGE模型可能低估了金融冲击对于产出、就业的影响，也高估了其对通胀的作用。第三，采用贝叶斯模型选择检验方法进行模型选择检验，进而发现包含企业动态的模型较好地反映了中国现实数据。
二、基准模型的设定
本部分建立一个包含家庭、企业以及政府的NKMP-DSGE模型。家庭部门的目标为实现其一生效用贴现值之和的最大化。作为企业的所有者，家庭可以获得企业转移的利润与红利，家庭成员为企业提供劳动力进而获得工资收入，家庭还可以进行债券投资。企业部门包含两类：中间产品生产企业和最终产品生产企业。最终产品生产企业购买中间产品，并采用一定的技术将其加总（Aggregate）为最终产品。通过将最终产品出售给家庭消费，最终产品生产企业实现其利润最大化。中间产品生产企业则包含在位企业和新进入企业。在位企业具有一定的垄断势力，通过雇佣家庭劳动力，在面临强制约束（Enforcement Constraint）、资本积累约束、技术约束以及预算约束下进行生产，通过价格调整实现其利润的最大化，可以通过债券举债融资或通过股票融资。金融冲击可以改变企业的融资决策，进而影响企业的进入和退出决策。在位企业还需要向股东发放红利，因而其目标还包括实现股东权益的最大化。潜在进入者需要支付一定的成本才可以成为新进入企业，金融冲击通过影响融资的难易程度，进而影响其进入决策。政府部门是财政政策与货币政策的制定者。
与已有的研究类似，金融冲击在模型经济中的传导路径为：首先，金融冲击直接影响了中间产品生产企业的融资决策，进而影响其生产决策和优化决策。其次，由于最终产品生产企业的生产投入来源于中间产品生产企业生产的中间产品，因而，金融冲击通过影响中间产品生产企业的优化行为进而影响了最终产品生产企业的优化决策。最后，金融冲击还影响家庭优化决策，具体路径为：（1）通过影响中间产品生产企业的融资决策而影响了股东权益和企业利润，由于企业为家庭所有，因而金融冲击影响了家庭的收入和预算约束，进而影响了家庭的优化行为。（2）通过影响产品的生产而影响家庭的消费行为和家庭的优化决策。
（一）家庭部门
模型环境中存在着大量具有同质性偏好的家庭，但家庭成员之间在工作技能方面具有一定的差异。与Gali （2013） [15]类似，家庭的目标为最大化如下函数：
E0∑∞t=0βteεdt[lnCt-11+ηeεltH1+ηt] （1）
其中，Ct和Ht分别为消费和就业；β为家庭的折现率；η为劳动厌恶系数；εdt和εlt分别为总需求冲击与劳动力供给冲击，且二者均服从平稳的AR（1）过程。家庭的约束条件为：
PtCt+Bt（1+Rt）+VtEt≤WtHt+Bt-1+Dt+FtNt-Tt （2）
其中，Pt为价格总水平；Rt为名义利率；Wt为名义工资率；Bt为一期债券；Nt和Et分别为t期的存活的企业数量和新进入的企业数量；Vt、Dt、Ft和Tt分别为新建企业的价值、中间产品企业发给家庭的红利、在位企业转移的利润和家庭缴纳的总量税，因而FtNt为时期t在位企业的利润之和。
假定每期均有δN比例的企业退出，那么任意时期t经济中的企业数量为上一期未退出的企业与本期新进入的企业数量之和，即：
Nt=（1-δN）Nt-1+Et （3）
基于以上设定，家庭的优化条件为在约束（2）（3）下最大化式（1），对应的一阶条件为：
Ft+β（1-δN）Et{（Ct+1Ct）-1（Pt+1Pt）-1Vt+1eεdt+1-εdt}=Vt （4）
β（1+Rt）Et{（Ct+1Ct）-1（Pt+1Pt）-1eεdt+1-εdt}=1 （5）
WtPt=eεltCtHηt （6）
式（4）表明，最优化均衡时企业的价值为其利润与未来价值贴现值之和；式（5）为消费的欧拉方程，表明最优化均衡时不存在无风险套利；式（6）为就业与闲暇（消费）的替代条件。
（二）最终产品生产企业
最终产品生产企业的生产活动表现为购买中间产品生产企业的中间产品Yt（j），并采用一定的加总技术将其加总为最终产品Yt。其加总技术为：Yt=[∫10Yt（j）1-（1/εp）dj]εp/（εp-1），εp为不同产品的替代弹性。最终产品生产企业通过将加总后的产品出售给家庭而获利，不过其身处竞争性市场环境，因而利润最大化时其利润为零。其利润最大化一阶条件为：
Yt（j）=（Pt（j）Pt）-εpYt （7）
其中，Pt（j）为第j类中间产品的价格。尽管式（7）为最终产品生产企业利润最大化一阶条件，但也构成了中间产品生产企业产品的需求约束。 （三）中间产品生产企业
与Ravenna & Walsh（2014） [16]的设定类似，中间产品生产企业的优化问题包含以下几个方面：第一，在生产技术约束下最小化生产成本；第二，在需求约束下，选择最优价格以最大化利润。不过，出于研究目的考虑且为了引入金融冲击，本文进一步引入中间产品生产企业的另外一个优化问题，即在融资约束下实现股东权益的最大化。
中间产品生产企业的生产函数为：
Yt（j）=Kt-1（j）α[eεatHt（j）]1-α （8）
其中，Kt-1（j）与Ht（j）为企业j生产过程中投入的物质资本与劳动力；α为资本的产出弹性；εat为总供给冲击，且服从平稳的AR（1）过程；式（8）即为企业的技术约束。物质资本来源于企业的投资，与Gali等（2007） [17]类似，物质资本的积累满足：
Kt=（1-δ）Kt-1+It[1-S（ItIt-1）] （9）
其中，δ为物质资本折旧率；It为投资；S（）为物质资本调整成本，且满足：S（1）=0，S′（1）=0，S″>0；δ为折旧率。
基于企业生产技术的设定，可知其第一个优化问题的一阶条件为：
Wt/PtRkt=（1-α）Kt-1αHt （10）
其中Rkt为物质资本实际租金率。依据式（10），中间产品生产企业的实际边际成本为：
MCt=α-α（1-α）-（1-α）（Rkt）α（WtPt）1-αe（1-α）εat （11）
价格按照交错方式进行调整。定义θp为名义价格刚性，那么每期仅有比例为1-θp的价格得以调整。具体的，价格调整方式为：Pt=[（1-θp）（Pt）1-εp+θpP1-εpt-1]1/（1-εp），Pt为厂商依据利润最大化原则确定的最优价格。由于不同企业生产的中间产品并不具有完全替代性，因而中间产品生产企业具有一定的垄断势力，进而具有一定的定价权。即通过调整价格，中间产品企业实现其利润最大化目标，其对应的一阶条件为：
∑∞k=0（βθp）kΛt，t+kYt+k|t[（PtPt）-MpMCt+k|t]=0 （12）
其中，Yt+k|t与MCt+k|t为价格保持不变情形下的产出与边际成本；Mp=εp/（εp-1）为稳态时的价格加成；Λt，t+k=（Ct+k/Ct）-1eεdt+k-εdt为与消费有关的动态随机贴现因子。基于以上设定，代表性企业转移的利润为：
Ft=（1-Pt（j）Pt）Yt（j） （13）
与已有研究类似，企业面临的强制约束为：
WtPtHt+It+BtPt（1+Rt）-1≤eεftKt （14）
式（14）左边可以看作企业获得的贷款总量，贷款用于支付工资、投资与支付给家庭债券收益；右边为企业借贷上限。企业进行物质资本积累，进而构成了企业的资产。一旦企业的债务超过企业的资产，则存在违约风险，因而εft反映了企业违约的概率，在已有的研究中，如Jerman & Quadrini（2012）、张伟进和方振瑞（2013）等将其视为金融冲击，且王国静和田国强（2014）及Bergin et al（2014）对这一冲击的来源和性质进行了较为详细的说明。① ①需要说明的是，已有的研究关于金融冲击的来源有不同的界定，但相同的是不管金融冲击如何界定其均通过影响中间产品生产企业而影响宏观经济。同样，εft也服从平稳的AR（1）过程。
企业可以通过发行股票和债券融资，当金融冲击发生时，企业可以改变融资结构以调整融资成本，但企业融资结构调整会产生成本。具体的，如果企业采用债务融资（即发放债券），其调整成本为其缴纳企业所得税之后的利率1+（1-τ）Rt，τ为企业所得税率；如果采用股票融资，则调整成本为：Φ（Dt），Dt为企业发放的红利，稳态时调整成本满足：Φ=0，Φ′=0，Φ″>0。基于以上设定可知，企业的预算约束为：
WtPtHt+It+Dt+Φ（Dt）+Bt-1Pt=Pt（j）PtYt（j）+BtPt[1+（1-τ）Rt]-1+RktKt （15）
中间产品生产企业的第三个优化问题为在约束条件（9）（14）（15）下最大化股东权益，即：
Et∑∞k=0βkΛt，t+kDt+k （16）
（四）新进入企业
潜在的进入企业需要支付一定的成本Γt才能够成为新进入企业，这一成本可能用于成立新企业、建立生产车间或者购买生产设备，因而这一成本可以看做起步投资（Startup Investment）。一旦成功进入，与Bilbiie et al（2012）类似，企业可以立即进行生产；而一旦进入失败，如被在位企业挤出市场，则进入成本将成为沉没成本。对于企业而言，当且仅当其支付的进入成本不超过进入之后企业的价值Vt时，企业才会进入。换言之，均衡时，企业进入成本与企业价值相等，即：Γt=Vt。因此，与式（4）类似，对于潜在进入者而言，其进入成本应满足：
Ft+β（1-δN）Et{（Ct+1Ct）-1（Pt+1Pt）-1Γt+1eεdt+1-εdt}=Γt （17）
（五）财政政策与货币政策当局
财政政策当局面临的约束为财政收支平衡，即：
Gt+BtPt{[1+（1-τ）Rt]-1-（1+Rt）-1}=Tt （18）
上式左边Gt为政府购买支出；依据张伟进和方振瑞（2013），第二项为企业债务利息的税收抵扣；因而式（18）左边构成了政府的支出。等式右边为家庭部门缴纳的总量税，构成了政府的收入。定义εgt=（Gt-G）/Y为财政政策冲击，G和Y分别为Gt和Yt的稳态值。
货币当局采用如下简单政策规则：
ln（RtR）=ryln（YtY）+rpln（ΠtΠ）+εrt （19） 其中，Πt=Pt/Pt-1为通胀，Π为其稳态值；εrt为货币政策冲击，且服从平稳的AR（1）过程。式（19）即为泰勒规则，贾俊雪和郭庆旺（2013） [18]研究表明，这一规则能够较好的拟合中国货币政策路径。
（六）市场均衡与模型的对数线性化
当市场达到均衡状态时，总供求平衡。即：
Yt=Ct+It+Gt （20）
定义t=lnXt-lnX为任意模型变量Xt对其稳态X的对数偏离；基于这一设定可以对以上模型进行对数线性化处理。对数线性化之后的模型包含了产出t、消费t、投资t、物质资本t、就业t、企业价值t、进入成本t、企业数量t、新进入企业数量t、利润t、通胀t、边际成本mct、实际工资t、名义利率t、实际租金率kt、实际债券持有t、股东权益t、总量税t以及方程（14）、（15）、（9）对应的拉格朗日乘子1t、2t和3t等21个变量。另外模型系统中还包含了总需求冲击εdt、劳动力供给冲击εlt、总供给冲击εat、金融冲击εft、财政政策冲击εgt和货币政策冲击εrt等6个外生冲击。一般而言，以上由27个方程构成的带预期的线性差分动力系统难以直接求得显式解，因而本文首先对其进行参数化，然而通过外生冲击下主要变量的动态反应路径对模型进行动态分析。
三、模型的参数化
一般而言，模型的参数化包括校准和贝叶斯极大似然估计。校准法适用于两种情形：（1）在已有研究中已经进行了较为精确的估计，并且这些参数的估计值得到了广泛的认可；（2）模型稳态参数。符合这两种情形的参数往往可以采用校准法进行取值，更重要的是，模型对于这些参数的变化并不敏感。
（一）基本参数的校准
依据周明和陈科（2013） [19]的研究，企业退出的比例δN的取值为005。依据中国2002年第1季度至2012年第4季度的物价数据可知，家庭的折现率参数β的取值为098。依据He et al（2007） [20]估计的结果，物质资本折旧率δ的取值为004，资本的产出弹性α取值为06，这一参数取值表明稳态时实际工资总额与产出的比值即劳动的份额为04。稳态时企业股票融资调整成本函数的二阶导数Φ″的取值，依据张伟进和方振瑞（2013） [7]估计的结果取值为001。稳态时实际债券余额—产出比（γb=BP/Y）与政府购买—产出比（γg=G/Y）的取值，依据张佐敏（2013） [21]估算的结果，取值分别为0181和0145。稳态时总量税—产出比（γt=T/Y）依据中国自1996年至2013年的实际税收收入与GDP比值的平均值进行估算，结果表明这一参数的取值约为015。稳态时消费—产出比（γc=C/Y）依据中国1996年至2013年历年实际社会消费总额与GDP比值的平均值进行估算，不过为了与本文中的产出对应，估算过程中使用的GDP数据仍需剔除净出口，估算的结果表明这一参数的取值约为0415。基于式（20）可知，稳态时投资—产出比约为044。企业所得税率τ的取值，依据中国当前企业所得税率，将其取值为025。具体的参数校准的结果见表1。
（二）样本说明与数据处理
其余参数采用贝叶斯极大似然方法进行估计。这一估计的秩条件要求参数估计过程中使用的观测变量的数量不超过外生冲击的数量，由于本文模型中包含了6个外生冲击，因而可以选取6组观测变量。基于数据的可得性考虑，本文选取剔除净出口后的GDP、名义利率、社会工资总额、社会消费总额、通胀以及总投资额等作为观测变量。
以2002年第1季度为基期，通胀数据采用消费物价指数（即CPI）通过环比方法计算得到；产出数据采用经CPI调整且剔除净出口之后的GDP数据；名义利率采用银行同业拆借利率数据。除名义利率和通胀外，所有数据均采用CPI进行调整以剔除物价因素的影响。为了防止季节性因素对估计结果的影响，本文采用X12方法剔除各观测变量的季节性趋势。最后，本文采用CF滤波法提取各观测变量的周期性成分。
贝叶斯极大似然估计过程所使用的数据全部来源于中经网数据库，时间跨度为2002年第1季度至2012年第4季度。
（三）主要参数的贝叶斯极大似然估计
定义Γ0为模型结构性参数的实际取值，而Φ（Γ0）为模型观测变量的实际取值。但是由于结构性参数的实际取值无法直接观测，因而只能采用贝叶斯方法进行估计；定义为对应于结构性参数估计值的模型观测变量的拟合值（Fitted Value）。依据渐进定理，若样本量T足够大，满足：
T[-Φ（Γ0）]→N[0，W（Γ0，Λ0）] （21）
上式中Λ0为模型中的外生冲击。式（21）意味着当样本区间较大时，观测变量的拟合值收敛于其实际值。不过，与广义矩估计（GMM）等估计方法不同的是，贝叶斯估计过程需要首先假定已知，并基于这一假定设定待估计参数Γ0的先验均值与先验分布（Priors）；进而估算Γ0的后验均值（Posteriors），因而贝叶斯估计实际上是一个事先设定与后验验证的过程。当然，这一过程首先需要建立如下给定Γ0下的似然函数：
f（|Γ0，V）=（2π）-TV-05exp{-05[-Φ（θ0）]′V-1[-Φ（θ0）]} （22）
这里，V=W（Γ0，Λ0）/T。定义p（Γ0）为Γ0的先验分布，依据贝叶斯定理，可以依据以上程序得到Γ0的后验均值：
f（Γ0|，V）=f（0|Γ，V）p（Γ0）f（|V） （23）
贝叶斯估计过程中，为提高估计的质量，我们要求程序使用5个平行马尔科夫链（Parallel Markov Chain）。考虑到外生冲击下观测变量的反应具有滞后性与惯性特征，我们在使用Metropolis-Hastings算法估算后验均值过程中要求程序重复20000次马尔科夫链蒙特卡洛模拟（即MCMC）并且剔除前5000个与后5000个MCMC的结果。基于以上程序，本文模型主要结构性参数贝叶斯估计的结果列在表2中。 表2给出了贝叶斯极大似然估计的先验分布、先验均值、贝叶斯极大似然估计值、后验标准误以及对应的t统计量。劳动厌恶系数η的贝叶斯极大似然估计值为61570，对应的t统计量为303749，这表明这一参数贝叶斯极大似然估计值具有统计学意义上的显著性，且这一参数的估计值与已有的研究如陈利锋和范红忠（2014） [22]等较为接近。名义价格刚性系数θp、不同中间产品的替代弹性系数εp的贝叶斯极大似然估计值分别为07159和13777，对应的t统计量分别为64787和113859，因而这两个参数的估计值在统计学意义上是显著的，且这一估计值与He et al（2007）估计的结果也较为接近，后者估计的结果表明这两个参数的取值分别为616和15330。金融冲击的持续性参数ρf和波动参数（标准差）σf的贝叶斯极大似然估计值分别为05408和00991，对应的t统计量分别为65393和116588，因而这两个参数的贝叶斯极大似然估计值具有统计学意义上的显著性。
四、模型动态分析
在模型参数贝叶斯极大似然估计的基础上，可以进行模型动态分析。与大多数已有的NKMP-DSGE的处理方法类似，本部分首先基于外生冲击的贝叶斯脉冲响应函数考察金融冲击下产出等主要宏观经济变量随时间动态变化的路径，然后采用贝叶斯冲击分解方法考察在包含企业动态条件下金融冲击对于中国经济波动的影响。
（一）外生冲击的贝叶斯脉冲响应函数
图1给出了积极的金融冲击与总需求冲击下模型主要变量的贝叶斯脉冲响应函数，进而可以反映出外生金融冲击与总需求冲击下产出、消费等主要变量随时间变化的动态路径。图1中，基于篇幅考虑，我们采用的是双纵轴方式绘图，左边纵轴为总需求冲击的测度，右边纵轴为金融冲击的测度。
从图1可以看出：正向的总需求冲击（意味着总需求增加）引起产出、消费、投资、就业、实际工资、租金率、物质资本以及通胀等变量的上升，需要注意的是，总需求的扩张也引起了企业数量的增加。原因在于总需求扩张意味着消费或投资的增加，进而刺激了新企业的建立。当然，这一结论与已有的关于企业动态的研究文献如Jaimovich & Floetto（2008） [23]、Bergin & Glick（2009） [24]及Bilbiie et al（2012）等是一致的。
图1还反映了金融冲击的效应。与总需求冲击类似，正向的金融冲击也引起了产出、消费、投资、就业、实际工资、租金率、物质资本等变量的上升以及通胀的下降。尽管物质资本租金率上升，但正向的金融冲击意味着信贷扩张，进而通过信贷渠道降低了企业融资的难度，进而刺激企业扩大生产规模和新企业的建立，因而企业的数量增加。这一结论也与Bergin et al （2014）的结论一致，后者也发现积极的金融冲击有利于新企业的进入。
图1 总需求冲击与金融冲击的贝叶斯脉冲响应函数
金融冲击的贝叶斯脉冲响应函数表明，正向的金融冲击推动了总需求的增加，降低了企业的融资难度（翟淑萍和顾群，2014） [25]，进而促进了投资的增加和新企业的进入。由于逆向总需求冲击会引起产出、就业、消费的下降以及企业生存状况恶化，这一结论意味着在经济遭遇较强的逆向总需求冲击时，可以采用正向的金融冲击以降低企业融资难度，进而刺激投资和影响产出、就业等主要宏观经济变量的下行趋势。因此，当经济遭遇较强的逆向总需求冲击时，货币政策当局可以采用非常规政策措施形成正向金融冲击以抵销逆向总需求冲击的效应。2008年至2010年世界性金融危机期间，中国政府通过“四万亿”非常规货币政策形成强大的正向金融冲击以抵御国外逆向总需求冲击对于中国经济的消极影响，从而使得中国成为最早走出金融危机泥潭的经济体。本文将这一发现总结为如下命题一。
命题一：在遭遇较强的逆向总需求冲击时，政府可以采用非常规货币政策形成正向金融冲击以缓解逆向总需求冲击的效应。
（二）企业动态在经济波动中的作用
与已有的关于金融冲击的研究相比，本文增加了金融冲击对于产出、就业等变量产生影响的新渠道—企业动态。从理论的角度看，这一渠道具体表现为：正向的金融冲击降低了企业融资难度，刺激了企业生产规模的扩张以及新企业进入，进而增加了产出与就业。然而，这一渠道在中国经济发展中是否存在呢？对于这一问题的回答需要采用模型比较的方法。设定备择模型为不存在企业动态的模型，即：Et=0，δN=0。这两个条件意味着企业的数量为常数，通过比较包含企业动态与不包含企业动态的模型中金融冲击的贝叶斯脉冲响应函数，可以得到企业动态的作用。
图2分别给出了本文基准模型与备择模型中外生金融冲击对于产出、消费、就业以及通胀的影响。图2表明：（1）相对于不包含企业动态的模型而言，包含企业动态的模型中金融冲击引起产出、消费以及就业更大幅度的上升。（2）在包含企业动态的模型中，金融冲击下通胀呈现先下降后上升的趋势。而在不包含企业动态的模型中，金融冲击引起通胀的上升。贝叶斯脉冲响应函数比较的结果表明，新企业的进入扩大了金融冲击的效应。具体表现为：（1）金融冲击通过信贷渠道降低了企业融资的难度，刺激了新企业的进入，进而增加了整个社会的总供给能力，因而在金融冲击下总产出能更大程度的上升。（2）新企业的进入，对于社会就业具有积极的促进作用，因而也促进了就业更大幅度的上升。（3）新企业的进入扩大了社会供给能力，而社会总供给能力的增加对于物价具有一定的平抑作用，进而在一定时期内通胀呈现出下降的趋势。因此，贝叶斯脉冲响应函数比较的结果还表明，忽略企业动态的金融冲击模型可能在低估金融冲击对于产出、就业的影响的同时，还夸大了金融冲击对于通胀（或者物价）的影响。这一发现可以总结为如下命题：
命题二：忽略企业动态的模型可能低估了金融冲击对于产出、就业等的影响，并夸大了金融冲击对于通胀的影响。 图2 企业动态的影响
2008年至2010年世界性金融危机期间各国政府为了平抑金融危机对于整体经济的影响而在不同程度上均采用经济刺激计划。而在危机之后，世界各国均面临通胀压力，因而部分研究倾向于指责政府的经济刺激计划。在金融危机期间，制造业的不景气、产出的下降以及失业的大量增加，使得刺激经济可能成为当时政府不得不实施的办法。命题二表明，基于未包含企业进入和退出机制的NKMP-DSGE模型对经济刺激计划进行评价时，既可能低估了经济刺激计划对于中国经济复苏的作用，也可能夸大了其对于中国通胀的影响，进而可能使货币政策当局承担了过多的指责。
（三）产出贝叶斯冲击分解
图3给出了产出的贝叶斯冲击分解的结果，由此可以考察基准模型中各个外生冲击在推动产出波动过程中的作用。贝叶斯冲击分解的结果表明：（1）货币政策冲击是推动中国产出波动最重要的因素，金融冲击对于产出波动的影响仅次于货币政策冲击。这一结论与王国静和田国强（2014）不同，后者认为金融冲击可以解释中国产出波动的80%。（2）在金融危机期间，总需求冲击构成了中国产出下行的主要推动力。这表明本文基准模型较好地刻画了金融期间国外需求急剧下降引起的逆向需求冲击对于中国经济的影响。（3）在金融危机初期，中国政府仍致力于消除流动性过剩引起的物价上涨，因而采用紧缩性货币政策，这一政策引起了产出的下降。不过，当“四万亿”计划推出之后，扩张性货币政策以及相应的金融冲击促进了产出的增长。这一结论表明本文基准模型较好地刻画了中国现实经济。（4）技术冲击对于产出波动的影响小于金融冲击。这一结论与Kaihatsu & Kurozumi（2014）不同，后者发现技术冲击是推动日本产出波动最主要的力量。
图3 产出的贝叶斯冲击分解
综合以上分析，外生冲击的贝叶斯脉冲响应函数与产出的贝叶斯冲击分解的结果均表明金融冲击对于产出等变量具有显著性推动作用。模型比较的结果则表明，企业动态的引入更好地刻画了金融冲击的效应。更重要的是，模型动态分析的结论表明，当经济受到强大的逆向总需求冲击时，政府可以采用非常规货币政策以形成正向的金融冲击以影响整体经济。
五、贝叶斯模型选择检验
由于大多数已有的包含金融冲击的NKMP-DSGE模型中均未考察企业动态，而是将企业数量看作固定不变的常数。那么，与之相关的一个问题是，本文在这一模型框架中引入企业动态是否能够得到中国现实数据的支持呢？如果引入企业动态之后的模型无法得到现实数据的支持，那么基于这一模型所进行的动态分析将是无效的。本部分采用NKMP-DSGE模型分析中的贝叶斯模型选择检验方法对这一问题进行考察。
一般而言，贝叶斯模型选择检验法包含三种不同的方法：边际似然值法、贝叶斯信息准则以及后验优势比。设定p（）和p（）分别为基准模型与备择模型的先验分布，贝叶斯极大似然估计法可以依据模型的先验分布估算出模型的后验分布，即：
p（|ΥT）=p（）p（ΥT|）∑=A，p（）p（ΥT|） （24）
上式中，ΥT为观测变量，T为样本容量，由于本文贝叶斯极大似然估计过程中使用的数据为2002年第1季度至2012年第4季度，因而T取值为44。p（ΥT|）为数据对模型的条件边际密度（Marginal Density of Data Conditional on the Model），一般而言，p（ΥT|）无法直接观测，而往往需要依据以下方程得到：
（ΥT|）=（2π）T2∑Tk=0θm12p（θm|ΥT，）p（θm|） （25）
其中θm为后验模。基于式（25），可以计算不同模型的后验优势比（Posterior Odds Ratio）：
p（|ΥT）p（|ΥT）=p（）p（）（ΥT|）（ΥT|） （26）
基于式（26）可以得到模型的后验优势比，进而构成了贝叶斯模型选择检验的第一个准则。在模型参数的贝叶斯极大似然估计过程中，往往会报告模型的边际似然值，这构成了模型选择检验的第二个准则。
模型选择的第三个准则为贝叶斯信息准则。定义ln（j）为模型j的极大似然值，N（j）为模型j中待估计参数的个数，n为样本容量，那么模型j的贝叶斯信息准则为：
BIC（j）=ln（j）-12N（j）ln（n） （27）
另外，Kiley（2007） [26]基于贝叶斯信息准则对后验优势比准则进行了拓展，进而得到了一个比后验优势比准则更具有效性的模型选择准则—伪后验优势比准则（Pseudo Posterior Odds Ratio）。具体的，这一准则计算伪后验优势比准则的方程为：
p（j）=exp（BIC（j））∑zk=1exp（BIC（k）） （28）
其中z为需要进行模型选择检验的带区别的模型数量，因此其取值为2。基于式（28）可以得到不同模型j的伪后验优势比。
依据以上准则的计算方法，表3给出了基准模型（包含企业动态）与备择模型（不包含企业动态）的模型选择检验的边际似然值、后验优势比、贝叶斯信息准则与伪后验优势比准则各自对应的取值。表3表明，基准模型与备择模型的模型选择检验的边际似然值检验与贝叶斯信息准则均倾向于支持包含企业动态的基准模型。两类模型的后验优势比检验表明，基准模型得到的支持率为08971，而备择模型得到的支持率为01029。伪后验优势比检验的结果表明，基准模型得到的支持率为09697，而备择模型得到的支持率为00303。因而后验优势比检验以及伪后验优势比检验也倾向于支持基准模型。因此，综合模型选择检验的结果，包含企业动态的模型相对较好地拟合了中国的现实数据。
六、结论与展望
基于包含企业动态的金融冲击NKMP-DSGE模型，本文考察了金融冲击对于中国产出波动的影响。与已有的研究相比，企业动态的引入使得本文的模型能够更为完整地反映金融冲击对于产出的效应。原因在于金融冲击可以影响企业融资的难度，进而影响潜在进入者的进入决策与在位企业的退出决策，而企业的进入与退出能够显著影响整体经济的总供给能力。金融冲击的贝叶斯脉冲响应函数显著支持了在遭遇强大的逆向总需求冲击时政府采用非常规货币政策的做法，通过非常规货币政策形成的正向金融冲击可以平抑逆向总需求冲击的消极影响。模型比较的结果表明，未包含企业动态的模型在低估经济刺激计划对于中国经济复苏积极作用的同时，还可能夸大了这一计划对于中国物价上涨的影响。贝叶斯冲击分解的结果表明，货币政策冲击是中国产出波动最重要的推动力，而金融冲击则次之。 本文的研究对于进一步的政策分析具有较为重要的意义。然而，作为一个将企业进入和退出机制引入金融冲击NKMP-DSGE模型的尝试，本文仍存在进一步改进的地方。首先，本文基于封闭经济建模，而事实上中国经济是一个较为开放的经济，因而一个可行的扩展是基于开放经济建模。关于这一方面的研究可以参考Merola（2013） [27]等。不过，由于开放经济中包含了国外企业的进入和退出，进而大大增加了分析的难度。其次，本文未对劳动力市场进行深入的分析，但事实上企业的进入和退出对于就业具有重要的影响。因而一个可行的方向是在本文基准模型中引入劳动力市场，进而考察金融冲击对于劳动力市场的影响。另外，在本文考察期内，房地产市场在中国经济波动中扮演着较为重要的角色，房价的波动对于制造业企业生存状况具有显著性影响，而本文并未对这一因素进行考察。因而，另一个可能的方向是引入房地产市场和制造业企业相互作用机制以更为精确的考察金融冲击的效应。
参考文献：
[1]Smets F， Wouters R. Shocks and Frictions in US Business Cycle： A Bayesian DSGE Approach[J]. American Economic Review， 2007， 97（3）： 586-606.
[2]Bernanke B S.， Gertler M.， Gilchrist S. The Financial Accelerator in a Quantitative Business Cycle Frame-work [A]. J. B. Taylor.，M. Woodford ed. Handbook of Macroeconomics[C]. Elsevier， 1999， 1（1）： 1341-1393.
[3]Nolan C.， Thoenissen C. Financial Shocks and the US Business Cycle[J]. Journal of Monetary Economics， 2009， 56（4）： 596-604.
[4]Christiano L J.， Trabandt M.， Walentin K. Introducing Financial Frictions and Unemployment into a Small Open Economy Model[J]. Journal of Economics Dynamics and Control， 2011， 35（12）： 1999-2041.
[5]Jermann U.， Quadrini V. Macroeconomic Effects of Financial Shocks[J]. American Economic Review， 2012， 102（1）： 238-271.
[6]Kaihatsu S.， Kurozumi T. Sources of Business Fluctuations： Financial or Technology Shocks？[J]. Review of Economic Dynamics， 2014， 17（2）： 224-242.
[7]张伟进， 方振瑞. 金融冲击与中国经济波动[J]. 南开经济研究，2013（5）：3-20.
[8]王国静， 田国强. 金融冲击和中国经济波动[J]. 经济研究，2014（3）：20-34.
[9]陈利锋. 资产组合调整成本，金融冲击与失业波动[J]. 浙江工商大学学报，2014（6）：69-79.
[10]Bilbiie F O.， Ghironi F.， Melitz M J. Endogenous Entry， Product Variety， and Business Cycles[J]. Journal of Political Economy， 2012， 120（2）： 304 - 345.
[11]Bernard A. B.， Redding S. J.， Schott P. K. Multi-Product Firms and Product Switching[J]. American Economic Review， 2010， 100（1）： 70-97.
[12]陈利锋. 企业生存状况与中国经济波动——基于动态新凯恩斯主义的视角[J]. 经济与管理评论，2015（1）：57-66.
[13]Bergin P.， Feng L.， Lin C. Financial Frictions and Firm Dynamics[R]. NBER Working Papers， 2014， w20099.
[14]Caggese A.， Perez A. Financial Constraints， Firm Dynamics， Export Decisions， and Aggregate Productivity[J]. Review of Economic Dynamics， 2013， 16（1）： 177-193.
[15]Gali J. Notes for a New Guide to Keynes （I）： Wages， Aggregate Demand， and Employment[J]. Journal of the European Economic Association， 2013， 11（5）： 973-1003.
[16]Ravenna F.， Walsh E C. Slow Recoveries， Worker Heterogeneity， and the Zero Lower Bound[R]. UCSC Working Papers， 2014. http：//people.ucsc.edu/～walshc/. [17]Gali J.， J. D López-Salido.， J Valles. Understanding the Effects of Government Spending on Consumption[J]. Journal of the European Economics Association， 2007， 5（1）： 227-270.
[18]贾俊雪， 郭庆旺. 财政支出类型、财政政策作用机理与最优财政货币政策规则[J].世界经济， 2012（11）： 3-30.
[19]周明， 陈科. 宏观经济波动与企业生存状况的DSGE模型构建与数值模拟[J]. 重庆大学学报（社会科学版）， 2013， 19（3）： 20-26.
[20]He D.， Zhang W.， Shek J. How Efficient has been China’s Investment？ Empirical Evidence from National and Provincial Data[J]. Pacific Economic Review， 2007， 12（5）：596-617.
[21]张佐敏. 财政规则与政策效果[J]. 经济研究， 2013（1）： 41-53.
[22]陈利锋， 范红忠. 房价波动、货币政策与中国社会福利损失[J]. 中国管理科学， 2014（5）： 42-50.
[23]Jaimovich N.， Floetotto M. Firm Dynamics， Markup Variations， and the Business Cycle[J]. Journal of Monetary Economics， 2008， 55（7）：1238-1252.
[24]Bergin P R.， Glick R. Endogenous Tradability and Some Macroeconomic Implications[J]. Journal of Monetary Economics， 2009， 56（8）：1086-1095.
[25]翟淑萍， 顾群. 金融发展与企业投资效率——基于融资约束与预算软约束的视角[J]. 贵州财经大学学报， 2014（3）： 24-31.
[26]Kiley M T. A Quantitative Comparison of Sticky-Price and Sticky-Information Models of Price Setting[J]. Journal of Money， Credit and Banking， 2007， 39（s1）： 101-125.
[27]Merola R. The Role of Financial Frictions in the 2007-2008 Crisis： An Estimated DSGE Model[R]. National Bank of Belgium Working Papers ， 2013，No. 249.
责任编辑：常明明 吴锦丹 萧敏娜
关键词：金融冲击；企业动态；经济波动；模型选择检验
文章编号：2095-5960（2015）05-0001-13；中图分类号：F014；文献标识码：A
一、引言及文献述评
2008年至2010年由美国次贷危机引发的世界性金融危机对世界各国经济产生了严重的影响，表现为产出与国际贸易总量迅速下滑以及失业率上升。而在金融危机期间，国际金融市场以及国际金融业出现巨大震荡，进而形成强大的逆向（Negative）金融冲击。危机之后，金融危机的巨大破坏性促使研究者开始重新审视金融因素在宏观经济中的角色。而在理论研究中，近十年来，新凯恩斯主义货币政策动态随机一般均衡模型（NKMP-DSGE）因其对现实数据的良好拟合而在宏观经济学与货币政策分析中占据主导地位。因而，对于金融因素作用的重新审视在一定程度上也表现为反思NKMP-DSGE建模上存在的不足。
金融危机之前，研究者与各国央行在使用NKMP-DSGE模型进行政策分析时，尽管不断提高的模型完整性使得这一框架对于现实数据的拟合程度越来越高，但却存在一个明显的不足：代表性研究如Smets & Wouters（2007）在建模过程中将金融因素看做“黑箱”，进而忽略了对其考察。[1]金融危机之后，研究者在已有的NKMP-DSGE框架中引入金融因素，并考察金融冲击或者金融摩擦对于现实经济波动的影响。以Bernanke et al.（1999）的金融加速器（Financial Accelerator）模型[2]为基础，Nolan & Thoenissen（2009）以企业净资产冲击作为金融冲击考察了金融冲击对美国经济周期波动的影响，结果发现金融冲击可以解释45%的美国产出波动。[3]Christiano et al. （2011）采用搜寻与匹配方法将失业引入包含金融冲击的NKMP-DSGE模型以考察金融冲击对于瑞典经济的影响，结果发现金融冲击是导致瑞典产出波动的主要推手。[4]Jermann & Quadrini（2012）发现46%的美国产出波动可以由金融冲击来解释，即金融冲击是推动美国经济波动的最重要动力。[5]与之不同，Kaihatsu & Kurozumi（2014）则发现金融冲击并不是日本产出波动最重要的推动力。[6]中国研究者也对金融冲击在中国经济周期波动中的作用进行了考察，结论可谓众说纷纭。张伟进和方振瑞（2013）发现金融冲击是中国产出波动的第二大因素。[7]而王国静和田国强（2014）则发现金融冲击可以解释中国产出波动的80%。[8]陈利锋（2014）考察了金融冲击对于中国失业的影响，发现金融冲击并不是推动中国产出和失业波动最主要的因素。[9]上述研究分别考察了金融冲击对于不同国家产出波动的影响，但存在的一个问题是，这些研究均将企业的数量看作是固定的，进而忽略了金融冲击对于企业进入和退出或者企业动态（Firm Dynamics）的影响。
事实上，企业的进入和退出是经济中的一个显在的事实。Bilbiie et al. （2012）发现美国的制造业中有2%至3%的就业岗位是由新进入企业提供的。[10]Bernard et al. （2010）通过调查发现，过去5年中美国新进入企业推出的新产品所创造的价值占GDP的466%。[11]陈利锋（2015）发现企业的进入和退出在中国显著存在，并且与中国经济的周期性波动之间存在显著性互动关系。企业的进入和退出在金融危机期间则表现的更为明显。[12]Bergin et al （2014）发现2007年至2009年美国季度新企业成立的速度平均下降225%。[13]对于中国而言，金融危机还通过国际贸易渠道形成的总需求冲击影响了企业的进入和退出。2008年浙江省民营企业消亡数量与比例分别为292万家和462%；相对2007年，广东省2008年外商投资企业消亡增幅为14034%。就全国数据而言，2008年中国新建企业增幅仅为90%，而在2005年和2006年这一数据分别为173%和153%。① ①数据来源：《中国民营经济发展报告》这一系列数据表明，金融危机降低了中国新企业建立的速度并加快了企业消亡的速度，即金融冲击影响了企业进入和退出决策。
基于以上事实，本文构建了一个包含企业生存状态或企业动态的金融冲击NKMP-DSGE模型，并基于这一基准模型考察了金融冲击对于中国产出波动的影响。总需求冲击与金融冲击的贝叶斯脉冲响应函数表明，在经济遭遇强大的逆向总需求冲击时，政府应该采用相应的非常规货币政策形成正向的金融冲击以平抑逆向总需求冲击的不利影响。
为考察企业的进入和退出机制的作用，本文采用模型比较法分析了包含企业动态与未包含企业动态的模型中金融冲击的效应。结果发现，相对于未包含企业动态的模型，在包含企业动态的模型中金融冲击均引起产出、消费与就业更大的波动，原因在于企业的进入和退出扩大了金融冲击的效应（Caggese & Perez，2013） [14]。但不同的是，在包含企业动态的模型中，正向的金融冲击首先引起通胀的下降之后则随着金融冲击作用的减小而逐渐上升；而在未包含企业动态的模型中，正向的金融冲击直接引起了通胀的上升。这一发现意味着，未包含企业动态的NKMP-DSGE模型可能在低估金融冲击对于产出等变量的冲击效应的同时，也夸大了金融冲击对于通胀的效应。因此，本文的研究结论表明，基于未包含企业动态的模型所进行的政策分析和政策效果评价，既可能低估了经济刺激计划对于中国经济复苏的积极作用，也夸大了其对于中国通胀的影响，进而使政策制定者承担了过多的指责。 在此基础上，笔者采用贝叶斯冲击分解方法考察了不同外生冲击在推动中国产出波动中各自扮演的角色。结果表明：（1）货币政策冲击是推动中国产出波动最主要的推动力，而金融冲击则次之。（2）技术冲击对于中国产出波动的影响小于金融冲击。（3）在金融危机期间，总需求冲击是引致中国产出下行最主要的推动力。
最后，以未包含企业动态的模型为备择模型，笔者采用贝叶斯模型选择检验法考察基准模型与备择模型哪一个能够更好的刻画中国的现实数据。贝叶斯模型选择检验的结果表明，边际似然值检验、贝叶斯信息准则、后验优势比检验以及伪后验优势比检验的结果均倾向于支持包含企业动态的模型。这一结论表明，在本文的考察期内，包含企业动态的模型相对较好地刻画了中国的现实数据。
与已有的研究不同，本文主要做了如下几个方面的工作，当然这些工作也构成了本文可能存在的创新。第一，与已有的金融冲击NKMP-DSGE模型不同，笔者基于现实经济中企业进入和退出不断发生的事实，在模型中引入企业进入和退出机制，进而可以反映金融冲击通过影响企业进入和退出决策进而影响产出的路径。第二，通过模型比较，发现未包含企业动态的NKMP-DSGE模型可能低估了金融冲击对于产出、就业的影响，也高估了其对通胀的作用。第三，采用贝叶斯模型选择检验方法进行模型选择检验，进而发现包含企业动态的模型较好地反映了中国现实数据。
二、基准模型的设定
本部分建立一个包含家庭、企业以及政府的NKMP-DSGE模型。家庭部门的目标为实现其一生效用贴现值之和的最大化。作为企业的所有者，家庭可以获得企业转移的利润与红利，家庭成员为企业提供劳动力进而获得工资收入，家庭还可以进行债券投资。企业部门包含两类：中间产品生产企业和最终产品生产企业。最终产品生产企业购买中间产品，并采用一定的技术将其加总（Aggregate）为最终产品。通过将最终产品出售给家庭消费，最终产品生产企业实现其利润最大化。中间产品生产企业则包含在位企业和新进入企业。在位企业具有一定的垄断势力，通过雇佣家庭劳动力，在面临强制约束（Enforcement Constraint）、资本积累约束、技术约束以及预算约束下进行生产，通过价格调整实现其利润的最大化，可以通过债券举债融资或通过股票融资。金融冲击可以改变企业的融资决策，进而影响企业的进入和退出决策。在位企业还需要向股东发放红利，因而其目标还包括实现股东权益的最大化。潜在进入者需要支付一定的成本才可以成为新进入企业，金融冲击通过影响融资的难易程度，进而影响其进入决策。政府部门是财政政策与货币政策的制定者。
与已有的研究类似，金融冲击在模型经济中的传导路径为：首先，金融冲击直接影响了中间产品生产企业的融资决策，进而影响其生产决策和优化决策。其次，由于最终产品生产企业的生产投入来源于中间产品生产企业生产的中间产品，因而，金融冲击通过影响中间产品生产企业的优化行为进而影响了最终产品生产企业的优化决策。最后，金融冲击还影响家庭优化决策，具体路径为：（1）通过影响中间产品生产企业的融资决策而影响了股东权益和企业利润，由于企业为家庭所有，因而金融冲击影响了家庭的收入和预算约束，进而影响了家庭的优化行为。（2）通过影响产品的生产而影响家庭的消费行为和家庭的优化决策。
（一）家庭部门
模型环境中存在着大量具有同质性偏好的家庭，但家庭成员之间在工作技能方面具有一定的差异。与Gali （2013） [15]类似，家庭的目标为最大化如下函数：
E0∑∞t=0βteεdt[lnCt-11+ηeεltH1+ηt] （1）
其中，Ct和Ht分别为消费和就业；β为家庭的折现率；η为劳动厌恶系数；εdt和εlt分别为总需求冲击与劳动力供给冲击，且二者均服从平稳的AR（1）过程。家庭的约束条件为：
PtCt+Bt（1+Rt）+VtEt≤WtHt+Bt-1+Dt+FtNt-Tt （2）
其中，Pt为价格总水平；Rt为名义利率；Wt为名义工资率；Bt为一期债券；Nt和Et分别为t期的存活的企业数量和新进入的企业数量；Vt、Dt、Ft和Tt分别为新建企业的价值、中间产品企业发给家庭的红利、在位企业转移的利润和家庭缴纳的总量税，因而FtNt为时期t在位企业的利润之和。
假定每期均有δN比例的企业退出，那么任意时期t经济中的企业数量为上一期未退出的企业与本期新进入的企业数量之和，即：
Nt=（1-δN）Nt-1+Et （3）
基于以上设定，家庭的优化条件为在约束（2）（3）下最大化式（1），对应的一阶条件为：
Ft+β（1-δN）Et{（Ct+1Ct）-1（Pt+1Pt）-1Vt+1eεdt+1-εdt}=Vt （4）
β（1+Rt）Et{（Ct+1Ct）-1（Pt+1Pt）-1eεdt+1-εdt}=1 （5）
WtPt=eεltCtHηt （6）
式（4）表明，最优化均衡时企业的价值为其利润与未来价值贴现值之和；式（5）为消费的欧拉方程，表明最优化均衡时不存在无风险套利；式（6）为就业与闲暇（消费）的替代条件。
（二）最终产品生产企业
最终产品生产企业的生产活动表现为购买中间产品生产企业的中间产品Yt（j），并采用一定的加总技术将其加总为最终产品Yt。其加总技术为：Yt=[∫10Yt（j）1-（1/εp）dj]εp/（εp-1），εp为不同产品的替代弹性。最终产品生产企业通过将加总后的产品出售给家庭而获利，不过其身处竞争性市场环境，因而利润最大化时其利润为零。其利润最大化一阶条件为：
Yt（j）=（Pt（j）Pt）-εpYt （7）
其中，Pt（j）为第j类中间产品的价格。尽管式（7）为最终产品生产企业利润最大化一阶条件，但也构成了中间产品生产企业产品的需求约束。 （三）中间产品生产企业
与Ravenna & Walsh（2014） [16]的设定类似，中间产品生产企业的优化问题包含以下几个方面：第一，在生产技术约束下最小化生产成本；第二，在需求约束下，选择最优价格以最大化利润。不过，出于研究目的考虑且为了引入金融冲击，本文进一步引入中间产品生产企业的另外一个优化问题，即在融资约束下实现股东权益的最大化。
中间产品生产企业的生产函数为：
Yt（j）=Kt-1（j）α[eεatHt（j）]1-α （8）
其中，Kt-1（j）与Ht（j）为企业j生产过程中投入的物质资本与劳动力；α为资本的产出弹性；εat为总供给冲击，且服从平稳的AR（1）过程；式（8）即为企业的技术约束。物质资本来源于企业的投资，与Gali等（2007） [17]类似，物质资本的积累满足：
Kt=（1-δ）Kt-1+It[1-S（ItIt-1）] （9）
其中，δ为物质资本折旧率；It为投资；S（）为物质资本调整成本，且满足：S（1）=0，S′（1）=0，S″>0；δ为折旧率。
基于企业生产技术的设定，可知其第一个优化问题的一阶条件为：
Wt/PtRkt=（1-α）Kt-1αHt （10）
其中Rkt为物质资本实际租金率。依据式（10），中间产品生产企业的实际边际成本为：
MCt=α-α（1-α）-（1-α）（Rkt）α（WtPt）1-αe（1-α）εat （11）
价格按照交错方式进行调整。定义θp为名义价格刚性，那么每期仅有比例为1-θp的价格得以调整。具体的，价格调整方式为：Pt=[（1-θp）（Pt）1-εp+θpP1-εpt-1]1/（1-εp），Pt为厂商依据利润最大化原则确定的最优价格。由于不同企业生产的中间产品并不具有完全替代性，因而中间产品生产企业具有一定的垄断势力，进而具有一定的定价权。即通过调整价格，中间产品企业实现其利润最大化目标，其对应的一阶条件为：
∑∞k=0（βθp）kΛt，t+kYt+k|t[（PtPt）-MpMCt+k|t]=0 （12）
其中，Yt+k|t与MCt+k|t为价格保持不变情形下的产出与边际成本；Mp=εp/（εp-1）为稳态时的价格加成；Λt，t+k=（Ct+k/Ct）-1eεdt+k-εdt为与消费有关的动态随机贴现因子。基于以上设定，代表性企业转移的利润为：
Ft=（1-Pt（j）Pt）Yt（j） （13）
与已有研究类似，企业面临的强制约束为：
WtPtHt+It+BtPt（1+Rt）-1≤eεftKt （14）
式（14）左边可以看作企业获得的贷款总量，贷款用于支付工资、投资与支付给家庭债券收益；右边为企业借贷上限。企业进行物质资本积累，进而构成了企业的资产。一旦企业的债务超过企业的资产，则存在违约风险，因而εft反映了企业违约的概率，在已有的研究中，如Jerman & Quadrini（2012）、张伟进和方振瑞（2013）等将其视为金融冲击，且王国静和田国强（2014）及Bergin et al（2014）对这一冲击的来源和性质进行了较为详细的说明。① ①需要说明的是，已有的研究关于金融冲击的来源有不同的界定，但相同的是不管金融冲击如何界定其均通过影响中间产品生产企业而影响宏观经济。同样，εft也服从平稳的AR（1）过程。
企业可以通过发行股票和债券融资，当金融冲击发生时，企业可以改变融资结构以调整融资成本，但企业融资结构调整会产生成本。具体的，如果企业采用债务融资（即发放债券），其调整成本为其缴纳企业所得税之后的利率1+（1-τ）Rt，τ为企业所得税率；如果采用股票融资，则调整成本为：Φ（Dt），Dt为企业发放的红利，稳态时调整成本满足：Φ=0，Φ′=0，Φ″>0。基于以上设定可知，企业的预算约束为：
WtPtHt+It+Dt+Φ（Dt）+Bt-1Pt=Pt（j）PtYt（j）+BtPt[1+（1-τ）Rt]-1+RktKt （15）
中间产品生产企业的第三个优化问题为在约束条件（9）（14）（15）下最大化股东权益，即：
Et∑∞k=0βkΛt，t+kDt+k （16）
（四）新进入企业
潜在的进入企业需要支付一定的成本Γt才能够成为新进入企业，这一成本可能用于成立新企业、建立生产车间或者购买生产设备，因而这一成本可以看做起步投资（Startup Investment）。一旦成功进入，与Bilbiie et al（2012）类似，企业可以立即进行生产；而一旦进入失败，如被在位企业挤出市场，则进入成本将成为沉没成本。对于企业而言，当且仅当其支付的进入成本不超过进入之后企业的价值Vt时，企业才会进入。换言之，均衡时，企业进入成本与企业价值相等，即：Γt=Vt。因此，与式（4）类似，对于潜在进入者而言，其进入成本应满足：
Ft+β（1-δN）Et{（Ct+1Ct）-1（Pt+1Pt）-1Γt+1eεdt+1-εdt}=Γt （17）
（五）财政政策与货币政策当局
财政政策当局面临的约束为财政收支平衡，即：
Gt+BtPt{[1+（1-τ）Rt]-1-（1+Rt）-1}=Tt （18）
上式左边Gt为政府购买支出；依据张伟进和方振瑞（2013），第二项为企业债务利息的税收抵扣；因而式（18）左边构成了政府的支出。等式右边为家庭部门缴纳的总量税，构成了政府的收入。定义εgt=（Gt-G）/Y为财政政策冲击，G和Y分别为Gt和Yt的稳态值。
货币当局采用如下简单政策规则：
ln（RtR）=ryln（YtY）+rpln（ΠtΠ）+εrt （19） 其中，Πt=Pt/Pt-1为通胀，Π为其稳态值；εrt为货币政策冲击，且服从平稳的AR（1）过程。式（19）即为泰勒规则，贾俊雪和郭庆旺（2013） [18]研究表明，这一规则能够较好的拟合中国货币政策路径。
（六）市场均衡与模型的对数线性化
当市场达到均衡状态时，总供求平衡。即：
Yt=Ct+It+Gt （20）
定义t=lnXt-lnX为任意模型变量Xt对其稳态X的对数偏离；基于这一设定可以对以上模型进行对数线性化处理。对数线性化之后的模型包含了产出t、消费t、投资t、物质资本t、就业t、企业价值t、进入成本t、企业数量t、新进入企业数量t、利润t、通胀t、边际成本mct、实际工资t、名义利率t、实际租金率kt、实际债券持有t、股东权益t、总量税t以及方程（14）、（15）、（9）对应的拉格朗日乘子1t、2t和3t等21个变量。另外模型系统中还包含了总需求冲击εdt、劳动力供给冲击εlt、总供给冲击εat、金融冲击εft、财政政策冲击εgt和货币政策冲击εrt等6个外生冲击。一般而言，以上由27个方程构成的带预期的线性差分动力系统难以直接求得显式解，因而本文首先对其进行参数化，然而通过外生冲击下主要变量的动态反应路径对模型进行动态分析。
三、模型的参数化
一般而言，模型的参数化包括校准和贝叶斯极大似然估计。校准法适用于两种情形：（1）在已有研究中已经进行了较为精确的估计，并且这些参数的估计值得到了广泛的认可；（2）模型稳态参数。符合这两种情形的参数往往可以采用校准法进行取值，更重要的是，模型对于这些参数的变化并不敏感。
（一）基本参数的校准
依据周明和陈科（2013） [19]的研究，企业退出的比例δN的取值为005。依据中国2002年第1季度至2012年第4季度的物价数据可知，家庭的折现率参数β的取值为098。依据He et al（2007） [20]估计的结果，物质资本折旧率δ的取值为004，资本的产出弹性α取值为06，这一参数取值表明稳态时实际工资总额与产出的比值即劳动的份额为04。稳态时企业股票融资调整成本函数的二阶导数Φ″的取值，依据张伟进和方振瑞（2013） [7]估计的结果取值为001。稳态时实际债券余额—产出比（γb=BP/Y）与政府购买—产出比（γg=G/Y）的取值，依据张佐敏（2013） [21]估算的结果，取值分别为0181和0145。稳态时总量税—产出比（γt=T/Y）依据中国自1996年至2013年的实际税收收入与GDP比值的平均值进行估算，结果表明这一参数的取值约为015。稳态时消费—产出比（γc=C/Y）依据中国1996年至2013年历年实际社会消费总额与GDP比值的平均值进行估算，不过为了与本文中的产出对应，估算过程中使用的GDP数据仍需剔除净出口，估算的结果表明这一参数的取值约为0415。基于式（20）可知，稳态时投资—产出比约为044。企业所得税率τ的取值，依据中国当前企业所得税率，将其取值为025。具体的参数校准的结果见表1。
（二）样本说明与数据处理
其余参数采用贝叶斯极大似然方法进行估计。这一估计的秩条件要求参数估计过程中使用的观测变量的数量不超过外生冲击的数量，由于本文模型中包含了6个外生冲击，因而可以选取6组观测变量。基于数据的可得性考虑，本文选取剔除净出口后的GDP、名义利率、社会工资总额、社会消费总额、通胀以及总投资额等作为观测变量。
以2002年第1季度为基期，通胀数据采用消费物价指数（即CPI）通过环比方法计算得到；产出数据采用经CPI调整且剔除净出口之后的GDP数据；名义利率采用银行同业拆借利率数据。除名义利率和通胀外，所有数据均采用CPI进行调整以剔除物价因素的影响。为了防止季节性因素对估计结果的影响，本文采用X12方法剔除各观测变量的季节性趋势。最后，本文采用CF滤波法提取各观测变量的周期性成分。
贝叶斯极大似然估计过程所使用的数据全部来源于中经网数据库，时间跨度为2002年第1季度至2012年第4季度。
（三）主要参数的贝叶斯极大似然估计
定义Γ0为模型结构性参数的实际取值，而Φ（Γ0）为模型观测变量的实际取值。但是由于结构性参数的实际取值无法直接观测，因而只能采用贝叶斯方法进行估计；定义为对应于结构性参数估计值的模型观测变量的拟合值（Fitted Value）。依据渐进定理，若样本量T足够大，满足：
T[-Φ（Γ0）]→N[0，W（Γ0，Λ0）] （21）
上式中Λ0为模型中的外生冲击。式（21）意味着当样本区间较大时，观测变量的拟合值收敛于其实际值。不过，与广义矩估计（GMM）等估计方法不同的是，贝叶斯估计过程需要首先假定已知，并基于这一假定设定待估计参数Γ0的先验均值与先验分布（Priors）；进而估算Γ0的后验均值（Posteriors），因而贝叶斯估计实际上是一个事先设定与后验验证的过程。当然，这一过程首先需要建立如下给定Γ0下的似然函数：
f（|Γ0，V）=（2π）-TV-05exp{-05[-Φ（θ0）]′V-1[-Φ（θ0）]} （22）
这里，V=W（Γ0，Λ0）/T。定义p（Γ0）为Γ0的先验分布，依据贝叶斯定理，可以依据以上程序得到Γ0的后验均值：
f（Γ0|，V）=f（0|Γ，V）p（Γ0）f（|V） （23）
贝叶斯估计过程中，为提高估计的质量，我们要求程序使用5个平行马尔科夫链（Parallel Markov Chain）。考虑到外生冲击下观测变量的反应具有滞后性与惯性特征，我们在使用Metropolis-Hastings算法估算后验均值过程中要求程序重复20000次马尔科夫链蒙特卡洛模拟（即MCMC）并且剔除前5000个与后5000个MCMC的结果。基于以上程序，本文模型主要结构性参数贝叶斯估计的结果列在表2中。 表2给出了贝叶斯极大似然估计的先验分布、先验均值、贝叶斯极大似然估计值、后验标准误以及对应的t统计量。劳动厌恶系数η的贝叶斯极大似然估计值为61570，对应的t统计量为303749，这表明这一参数贝叶斯极大似然估计值具有统计学意义上的显著性，且这一参数的估计值与已有的研究如陈利锋和范红忠（2014） [22]等较为接近。名义价格刚性系数θp、不同中间产品的替代弹性系数εp的贝叶斯极大似然估计值分别为07159和13777，对应的t统计量分别为64787和113859，因而这两个参数的估计值在统计学意义上是显著的，且这一估计值与He et al（2007）估计的结果也较为接近，后者估计的结果表明这两个参数的取值分别为616和15330。金融冲击的持续性参数ρf和波动参数（标准差）σf的贝叶斯极大似然估计值分别为05408和00991，对应的t统计量分别为65393和116588，因而这两个参数的贝叶斯极大似然估计值具有统计学意义上的显著性。
四、模型动态分析
在模型参数贝叶斯极大似然估计的基础上，可以进行模型动态分析。与大多数已有的NKMP-DSGE的处理方法类似，本部分首先基于外生冲击的贝叶斯脉冲响应函数考察金融冲击下产出等主要宏观经济变量随时间动态变化的路径，然后采用贝叶斯冲击分解方法考察在包含企业动态条件下金融冲击对于中国经济波动的影响。
（一）外生冲击的贝叶斯脉冲响应函数
图1给出了积极的金融冲击与总需求冲击下模型主要变量的贝叶斯脉冲响应函数，进而可以反映出外生金融冲击与总需求冲击下产出、消费等主要变量随时间变化的动态路径。图1中，基于篇幅考虑，我们采用的是双纵轴方式绘图，左边纵轴为总需求冲击的测度，右边纵轴为金融冲击的测度。
从图1可以看出：正向的总需求冲击（意味着总需求增加）引起产出、消费、投资、就业、实际工资、租金率、物质资本以及通胀等变量的上升，需要注意的是，总需求的扩张也引起了企业数量的增加。原因在于总需求扩张意味着消费或投资的增加，进而刺激了新企业的建立。当然，这一结论与已有的关于企业动态的研究文献如Jaimovich & Floetto（2008） [23]、Bergin & Glick（2009） [24]及Bilbiie et al（2012）等是一致的。
图1还反映了金融冲击的效应。与总需求冲击类似，正向的金融冲击也引起了产出、消费、投资、就业、实际工资、租金率、物质资本等变量的上升以及通胀的下降。尽管物质资本租金率上升，但正向的金融冲击意味着信贷扩张，进而通过信贷渠道降低了企业融资的难度，进而刺激企业扩大生产规模和新企业的建立，因而企业的数量增加。这一结论也与Bergin et al （2014）的结论一致，后者也发现积极的金融冲击有利于新企业的进入。
图1 总需求冲击与金融冲击的贝叶斯脉冲响应函数
金融冲击的贝叶斯脉冲响应函数表明，正向的金融冲击推动了总需求的增加，降低了企业的融资难度（翟淑萍和顾群，2014） [25]，进而促进了投资的增加和新企业的进入。由于逆向总需求冲击会引起产出、就业、消费的下降以及企业生存状况恶化，这一结论意味着在经济遭遇较强的逆向总需求冲击时，可以采用正向的金融冲击以降低企业融资难度，进而刺激投资和影响产出、就业等主要宏观经济变量的下行趋势。因此，当经济遭遇较强的逆向总需求冲击时，货币政策当局可以采用非常规政策措施形成正向金融冲击以抵销逆向总需求冲击的效应。2008年至2010年世界性金融危机期间，中国政府通过“四万亿”非常规货币政策形成强大的正向金融冲击以抵御国外逆向总需求冲击对于中国经济的消极影响，从而使得中国成为最早走出金融危机泥潭的经济体。本文将这一发现总结为如下命题一。
命题一：在遭遇较强的逆向总需求冲击时，政府可以采用非常规货币政策形成正向金融冲击以缓解逆向总需求冲击的效应。
（二）企业动态在经济波动中的作用
与已有的关于金融冲击的研究相比，本文增加了金融冲击对于产出、就业等变量产生影响的新渠道—企业动态。从理论的角度看，这一渠道具体表现为：正向的金融冲击降低了企业融资难度，刺激了企业生产规模的扩张以及新企业进入，进而增加了产出与就业。然而，这一渠道在中国经济发展中是否存在呢？对于这一问题的回答需要采用模型比较的方法。设定备择模型为不存在企业动态的模型，即：Et=0，δN=0。这两个条件意味着企业的数量为常数，通过比较包含企业动态与不包含企业动态的模型中金融冲击的贝叶斯脉冲响应函数，可以得到企业动态的作用。
图2分别给出了本文基准模型与备择模型中外生金融冲击对于产出、消费、就业以及通胀的影响。图2表明：（1）相对于不包含企业动态的模型而言，包含企业动态的模型中金融冲击引起产出、消费以及就业更大幅度的上升。（2）在包含企业动态的模型中，金融冲击下通胀呈现先下降后上升的趋势。而在不包含企业动态的模型中，金融冲击引起通胀的上升。贝叶斯脉冲响应函数比较的结果表明，新企业的进入扩大了金融冲击的效应。具体表现为：（1）金融冲击通过信贷渠道降低了企业融资的难度，刺激了新企业的进入，进而增加了整个社会的总供给能力，因而在金融冲击下总产出能更大程度的上升。（2）新企业的进入，对于社会就业具有积极的促进作用，因而也促进了就业更大幅度的上升。（3）新企业的进入扩大了社会供给能力，而社会总供给能力的增加对于物价具有一定的平抑作用，进而在一定时期内通胀呈现出下降的趋势。因此，贝叶斯脉冲响应函数比较的结果还表明，忽略企业动态的金融冲击模型可能在低估金融冲击对于产出、就业的影响的同时，还夸大了金融冲击对于通胀（或者物价）的影响。这一发现可以总结为如下命题：
命题二：忽略企业动态的模型可能低估了金融冲击对于产出、就业等的影响，并夸大了金融冲击对于通胀的影响。 图2 企业动态的影响
2008年至2010年世界性金融危机期间各国政府为了平抑金融危机对于整体经济的影响而在不同程度上均采用经济刺激计划。而在危机之后，世界各国均面临通胀压力，因而部分研究倾向于指责政府的经济刺激计划。在金融危机期间，制造业的不景气、产出的下降以及失业的大量增加，使得刺激经济可能成为当时政府不得不实施的办法。命题二表明，基于未包含企业进入和退出机制的NKMP-DSGE模型对经济刺激计划进行评价时，既可能低估了经济刺激计划对于中国经济复苏的作用，也可能夸大了其对于中国通胀的影响，进而可能使货币政策当局承担了过多的指责。
（三）产出贝叶斯冲击分解
图3给出了产出的贝叶斯冲击分解的结果，由此可以考察基准模型中各个外生冲击在推动产出波动过程中的作用。贝叶斯冲击分解的结果表明：（1）货币政策冲击是推动中国产出波动最重要的因素，金融冲击对于产出波动的影响仅次于货币政策冲击。这一结论与王国静和田国强（2014）不同，后者认为金融冲击可以解释中国产出波动的80%。（2）在金融危机期间，总需求冲击构成了中国产出下行的主要推动力。这表明本文基准模型较好地刻画了金融期间国外需求急剧下降引起的逆向需求冲击对于中国经济的影响。（3）在金融危机初期，中国政府仍致力于消除流动性过剩引起的物价上涨，因而采用紧缩性货币政策，这一政策引起了产出的下降。不过，当“四万亿”计划推出之后，扩张性货币政策以及相应的金融冲击促进了产出的增长。这一结论表明本文基准模型较好地刻画了中国现实经济。（4）技术冲击对于产出波动的影响小于金融冲击。这一结论与Kaihatsu & Kurozumi（2014）不同，后者发现技术冲击是推动日本产出波动最主要的力量。
图3 产出的贝叶斯冲击分解
综合以上分析，外生冲击的贝叶斯脉冲响应函数与产出的贝叶斯冲击分解的结果均表明金融冲击对于产出等变量具有显著性推动作用。模型比较的结果则表明，企业动态的引入更好地刻画了金融冲击的效应。更重要的是，模型动态分析的结论表明，当经济受到强大的逆向总需求冲击时，政府可以采用非常规货币政策以形成正向的金融冲击以影响整体经济。
五、贝叶斯模型选择检验
由于大多数已有的包含金融冲击的NKMP-DSGE模型中均未考察企业动态，而是将企业数量看作固定不变的常数。那么，与之相关的一个问题是，本文在这一模型框架中引入企业动态是否能够得到中国现实数据的支持呢？如果引入企业动态之后的模型无法得到现实数据的支持，那么基于这一模型所进行的动态分析将是无效的。本部分采用NKMP-DSGE模型分析中的贝叶斯模型选择检验方法对这一问题进行考察。
一般而言，贝叶斯模型选择检验法包含三种不同的方法：边际似然值法、贝叶斯信息准则以及后验优势比。设定p（）和p（）分别为基准模型与备择模型的先验分布，贝叶斯极大似然估计法可以依据模型的先验分布估算出模型的后验分布，即：
p（|ΥT）=p（）p（ΥT|）∑=A，p（）p（ΥT|） （24）
上式中，ΥT为观测变量，T为样本容量，由于本文贝叶斯极大似然估计过程中使用的数据为2002年第1季度至2012年第4季度，因而T取值为44。p（ΥT|）为数据对模型的条件边际密度（Marginal Density of Data Conditional on the Model），一般而言，p（ΥT|）无法直接观测，而往往需要依据以下方程得到：
（ΥT|）=（2π）T2∑Tk=0θm12p（θm|ΥT，）p（θm|） （25）
其中θm为后验模。基于式（25），可以计算不同模型的后验优势比（Posterior Odds Ratio）：
p（|ΥT）p（|ΥT）=p（）p（）（ΥT|）（ΥT|） （26）
基于式（26）可以得到模型的后验优势比，进而构成了贝叶斯模型选择检验的第一个准则。在模型参数的贝叶斯极大似然估计过程中，往往会报告模型的边际似然值，这构成了模型选择检验的第二个准则。
模型选择的第三个准则为贝叶斯信息准则。定义ln（j）为模型j的极大似然值，N（j）为模型j中待估计参数的个数，n为样本容量，那么模型j的贝叶斯信息准则为：
BIC（j）=ln（j）-12N（j）ln（n） （27）
另外，Kiley（2007） [26]基于贝叶斯信息准则对后验优势比准则进行了拓展，进而得到了一个比后验优势比准则更具有效性的模型选择准则—伪后验优势比准则（Pseudo Posterior Odds Ratio）。具体的，这一准则计算伪后验优势比准则的方程为：
p（j）=exp（BIC（j））∑zk=1exp（BIC（k）） （28）
其中z为需要进行模型选择检验的带区别的模型数量，因此其取值为2。基于式（28）可以得到不同模型j的伪后验优势比。
依据以上准则的计算方法，表3给出了基准模型（包含企业动态）与备择模型（不包含企业动态）的模型选择检验的边际似然值、后验优势比、贝叶斯信息准则与伪后验优势比准则各自对应的取值。表3表明，基准模型与备择模型的模型选择检验的边际似然值检验与贝叶斯信息准则均倾向于支持包含企业动态的基准模型。两类模型的后验优势比检验表明，基准模型得到的支持率为08971，而备择模型得到的支持率为01029。伪后验优势比检验的结果表明，基准模型得到的支持率为09697，而备择模型得到的支持率为00303。因而后验优势比检验以及伪后验优势比检验也倾向于支持基准模型。因此，综合模型选择检验的结果，包含企业动态的模型相对较好地拟合了中国的现实数据。
六、结论与展望
基于包含企业动态的金融冲击NKMP-DSGE模型，本文考察了金融冲击对于中国产出波动的影响。与已有的研究相比，企业动态的引入使得本文的模型能够更为完整地反映金融冲击对于产出的效应。原因在于金融冲击可以影响企业融资的难度，进而影响潜在进入者的进入决策与在位企业的退出决策，而企业的进入与退出能够显著影响整体经济的总供给能力。金融冲击的贝叶斯脉冲响应函数显著支持了在遭遇强大的逆向总需求冲击时政府采用非常规货币政策的做法，通过非常规货币政策形成的正向金融冲击可以平抑逆向总需求冲击的消极影响。模型比较的结果表明，未包含企业动态的模型在低估经济刺激计划对于中国经济复苏积极作用的同时，还可能夸大了这一计划对于中国物价上涨的影响。贝叶斯冲击分解的结果表明，货币政策冲击是中国产出波动最重要的推动力，而金融冲击则次之。 本文的研究对于进一步的政策分析具有较为重要的意义。然而，作为一个将企业进入和退出机制引入金融冲击NKMP-DSGE模型的尝试，本文仍存在进一步改进的地方。首先，本文基于封闭经济建模，而事实上中国经济是一个较为开放的经济，因而一个可行的扩展是基于开放经济建模。关于这一方面的研究可以参考Merola（2013） [27]等。不过，由于开放经济中包含了国外企业的进入和退出，进而大大增加了分析的难度。其次，本文未对劳动力市场进行深入的分析，但事实上企业的进入和退出对于就业具有重要的影响。因而一个可行的方向是在本文基准模型中引入劳动力市场，进而考察金融冲击对于劳动力市场的影响。另外，在本文考察期内，房地产市场在中国经济波动中扮演着较为重要的角色，房价的波动对于制造业企业生存状况具有显著性影响，而本文并未对这一因素进行考察。因而，另一个可能的方向是引入房地产市场和制造业企业相互作用机制以更为精确的考察金融冲击的效应。
参考文献：
[1]Smets F， Wouters R. Shocks and Frictions in US Business Cycle： A Bayesian DSGE Approach[J]. American Economic Review， 2007， 97（3）： 586-606.
[2]Bernanke B S.， Gertler M.， Gilchrist S. The Financial Accelerator in a Quantitative Business Cycle Frame-work [A]. J. B. Taylor.，M. Woodford ed. Handbook of Macroeconomics[C]. Elsevier， 1999， 1（1）： 1341-1393.
[3]Nolan C.， Thoenissen C. Financial Shocks and the US Business Cycle[J]. Journal of Monetary Economics， 2009， 56（4）： 596-604.
[4]Christiano L J.， Trabandt M.， Walentin K. Introducing Financial Frictions and Unemployment into a Small Open Economy Model[J]. Journal of Economics Dynamics and Control， 2011， 35（12）： 1999-2041.
[5]Jermann U.， Quadrini V. Macroeconomic Effects of Financial Shocks[J]. American Economic Review， 2012， 102（1）： 238-271.
[6]Kaihatsu S.， Kurozumi T. Sources of Business Fluctuations： Financial or Technology Shocks？[J]. Review of Economic Dynamics， 2014， 17（2）： 224-242.
[7]张伟进， 方振瑞. 金融冲击与中国经济波动[J]. 南开经济研究，2013（5）：3-20.
[8]王国静， 田国强. 金融冲击和中国经济波动[J]. 经济研究，2014（3）：20-34.
[9]陈利锋. 资产组合调整成本，金融冲击与失业波动[J]. 浙江工商大学学报，2014（6）：69-79.
[10]Bilbiie F O.， Ghironi F.， Melitz M J. Endogenous Entry， Product Variety， and Business Cycles[J]. Journal of Political Economy， 2012， 120（2）： 304 - 345.
[11]Bernard A. B.， Redding S. J.， Schott P. K. Multi-Product Firms and Product Switching[J]. American Economic Review， 2010， 100（1）： 70-97.
[12]陈利锋. 企业生存状况与中国经济波动——基于动态新凯恩斯主义的视角[J]. 经济与管理评论，2015（1）：57-66.
[13]Bergin P.， Feng L.， Lin C. Financial Frictions and Firm Dynamics[R]. NBER Working Papers， 2014， w20099.
[14]Caggese A.， Perez A. Financial Constraints， Firm Dynamics， Export Decisions， and Aggregate Productivity[J]. Review of Economic Dynamics， 2013， 16（1）： 177-193.
[15]Gali J. Notes for a New Guide to Keynes （I）： Wages， Aggregate Demand， and Employment[J]. Journal of the European Economic Association， 2013， 11（5）： 973-1003.
[16]Ravenna F.， Walsh E C. Slow Recoveries， Worker Heterogeneity， and the Zero Lower Bound[R]. UCSC Working Papers， 2014. http：//people.ucsc.edu/～walshc/. [17]Gali J.， J. D López-Salido.， J Valles. Understanding the Effects of Government Spending on Consumption[J]. Journal of the European Economics Association， 2007， 5（1）： 227-270.
[18]贾俊雪， 郭庆旺. 财政支出类型、财政政策作用机理与最优财政货币政策规则[J].世界经济， 2012（11）： 3-30.
[19]周明， 陈科. 宏观经济波动与企业生存状况的DSGE模型构建与数值模拟[J]. 重庆大学学报（社会科学版）， 2013， 19（3）： 20-26.
[20]He D.， Zhang W.， Shek J. How Efficient has been China’s Investment？ Empirical Evidence from National and Provincial Data[J]. Pacific Economic Review， 2007， 12（5）：596-617.
[21]张佐敏. 财政规则与政策效果[J]. 经济研究， 2013（1）： 41-53.
[22]陈利锋， 范红忠. 房价波动、货币政策与中国社会福利损失[J]. 中国管理科学， 2014（5）： 42-50.
[23]Jaimovich N.， Floetotto M. Firm Dynamics， Markup Variations， and the Business Cycle[J]. Journal of Monetary Economics， 2008， 55（7）：1238-1252.
[24]Bergin P R.， Glick R. Endogenous Tradability and Some Macroeconomic Implications[J]. Journal of Monetary Economics， 2009， 56（8）：1086-1095.
[25]翟淑萍， 顾群. 金融发展与企业投资效率——基于融资约束与预算软约束的视角[J]. 贵州财经大学学报， 2014（3）： 24-31.
[26]Kiley M T. A Quantitative Comparison of Sticky-Price and Sticky-Information Models of Price Setting[J]. Journal of Money， Credit and Banking， 2007， 39（s1）： 101-125.
[27]Merola R. The Role of Financial Frictions in the 2007-2008 Crisis： An Estimated DSGE Model[R]. National Bank of Belgium Working Papers ， 2013，No. 249.
责任编辑：常明明 吴锦丹 萧敏娜