負(fù)利率政策可以緩解失業(yè)潮沖擊嗎？
——基于合成控制法的研究

鄧道才，楊雨晴

（安徽大學(xué)經(jīng)濟(jì)學(xué)院，合肥 230601）

20世紀(jì)80年代至今，全球經(jīng)濟(jì)持續(xù)不景氣，2008年的金融危機(jī)更是推波助瀾，進(jìn)一步導(dǎo)致全球經(jīng)濟(jì)下行。常規(guī)的貨幣政策已經(jīng)不能滿足大部分國(guó)家預(yù)期經(jīng)濟(jì)目標(biāo)實(shí)現(xiàn)，“零利率下限”問(wèn)題開(kāi)始進(jìn)入各國(guó)央行的視野。各國(guó)實(shí)施了一系列非常規(guī)貨幣政策以挽救經(jīng)濟(jì)疲態(tài)，負(fù)利率政策①開(kāi)始在丹麥、歐元區(qū)、瑞士、瑞典、挪威、匈牙利、保加利亞、波黑和日本等國(guó)家或地區(qū)落地。這些國(guó)家或地區(qū)的經(jīng)濟(jì)發(fā)展處于瓶頸期，勞動(dòng)生產(chǎn)率停滯不前，經(jīng)濟(jì)增長(zhǎng)緩慢，而日益嚴(yán)重的人口老齡化進(jìn)一步增加了財(cái)政包袱，消費(fèi)能力逐漸下滑[1]。傳統(tǒng)的貨幣政策無(wú)法成功推動(dòng)經(jīng)濟(jì)增長(zhǎng)，因此，中央銀行采用非常規(guī)貨幣政策即負(fù)利率政策來(lái)實(shí)現(xiàn)其預(yù)期目標(biāo)：緩解通貨緊縮，穩(wěn)定匯率，刺激經(jīng)濟(jì)復(fù)蘇。

2020年，大部分國(guó)家或地區(qū)經(jīng)濟(jì)增長(zhǎng)受到阻礙，日常的生產(chǎn)和工作秩序被打亂，降低了全球勞動(dòng)參與率，全球就業(yè)前景依舊不樂(lè)觀。與2019年相比，全球勞動(dòng)參與率在2022年下降1.2%②。目前，全球就業(yè)形勢(shì)嚴(yán)峻，失業(yè)率不斷增加，失業(yè)潮沖擊不可忽視。就中國(guó)而言，中國(guó)城鎮(zhèn)調(diào)查失業(yè)率在2020年2月為6.2%，6月份有所回落，但是也處于5.7%的較高水平③。全球經(jīng)濟(jì)下行趨勢(shì)對(duì)中國(guó)產(chǎn)生了“倒灌”沖擊，中國(guó)經(jīng)濟(jì)前景潛在的不確定性不可小覷，就業(yè)壓力也將持續(xù)存在。

就業(yè)是民生之本，也是社會(huì)穩(wěn)定運(yùn)行和經(jīng)濟(jì)快速發(fā)展的基礎(chǔ)。緩解大規(guī)模失業(yè)潮的沖擊離不開(kāi)全球經(jīng)濟(jì)的復(fù)蘇。常規(guī)政策無(wú)法拯救亟待復(fù)蘇的全球經(jīng)濟(jì)，各國(guó)央行將目光轉(zhuǎn)移至超低利率的非常規(guī)貨幣政策，關(guān)于是否應(yīng)該實(shí)施負(fù)利率政策的討論更是愈演愈烈，其中，中國(guó)是否應(yīng)該實(shí)施負(fù)利率政策的研究也在逐漸升溫。負(fù)利率政策落地時(shí)間較為短暫，既有文獻(xiàn)對(duì)負(fù)利率政策的實(shí)證分析相對(duì)較少，研究方法集中于理論研究及定性分析。此外，無(wú)法在負(fù)利率政策效用評(píng)估上達(dá)成一致結(jié)論且研究重點(diǎn)多為通貨膨脹、經(jīng)濟(jì)增長(zhǎng)、匯率、信貸等，負(fù)利率政策對(duì)其余經(jīng)濟(jì)指標(biāo)的研討較少，更少有直接研究負(fù)利率政策與失業(yè)率的關(guān)系。因此，現(xiàn)階段對(duì)負(fù)利率政策能否緩解失業(yè)潮沖擊問(wèn)題進(jìn)行研究就顯得十分必要。

本文聚焦全球失業(yè)潮，從失業(yè)率視角出發(fā)，采取定量研究方法分析日本實(shí)施負(fù)利率政策對(duì)失業(yè)率造成的影響。為排除其他政策影響，克服過(guò)去研究過(guò)程中控制組樣本偏差問(wèn)題和回歸模型中無(wú)法避免的內(nèi)生性問(wèn)題，利用Abadie等[2]給出的合成控制法（SCM），把失業(yè)率作為最終解釋變量，尋找控制組國(guó)家或地區(qū)并經(jīng)過(guò)加權(quán)模擬得到合成日本，評(píng)估日本實(shí)施負(fù)利率政策能否改善失業(yè)潮現(xiàn)象。

1 文獻(xiàn)綜述與理論分析

隨著貨幣征收“攜帶稅”的方法被提出，即貨幣的持有需要成本[3-4]，打破了“零利率下限約束”理論，為負(fù)利率政策的落地創(chuàng)造了前提條件。但是負(fù)利率政策真正實(shí)施時(shí)間并不長(zhǎng)，因此無(wú)法對(duì)負(fù)利率政策的傳導(dǎo)機(jī)制與實(shí)施效果給予完全肯定的結(jié)論。負(fù)利率政策和常規(guī)貨幣政策的傳導(dǎo)渠道與過(guò)程能否混為一談，至今也沒(méi)有一致性的結(jié)論。有學(xué)者認(rèn)為常規(guī)貨幣政策的傳導(dǎo)過(guò)程基本可以解釋相對(duì)平緩的負(fù)利率政策[5]。但也有學(xué)者持相反觀點(diǎn)，認(rèn)為負(fù)利率政策和常規(guī)貨幣政策的傳導(dǎo)過(guò)程完全不同，正是這種傳導(dǎo)方式的不同導(dǎo)致政策效果的不同。若負(fù)利率政策在一個(gè)國(guó)家或地區(qū)落地，在一定時(shí)間內(nèi)和一定程度上可以推動(dòng)經(jīng)濟(jì)上行、刺激經(jīng)濟(jì)復(fù)蘇。但長(zhǎng)期來(lái)看，也可能會(huì)造成價(jià)格機(jī)制扭曲、市場(chǎng)調(diào)節(jié)失靈等不可忽略的負(fù)向影響。因此，結(jié)合既有研究提出以下兩個(gè)研究假說(shuō)。

1.1 負(fù)利率政策緩解失業(yè)潮沖擊的有效性

負(fù)利率政策或許依靠信貸渠道影響宏觀經(jīng)濟(jì)，減弱商業(yè)銀行的惜貸心理，提高權(quán)益類資產(chǎn)的價(jià)值，改善資產(chǎn)負(fù)債表[6]。而利率下行會(huì)收窄商業(yè)銀行的利息差，為了保障盈利能力不受打擊，商業(yè)銀行會(huì)主動(dòng)提升風(fēng)險(xiǎn)偏好，風(fēng)險(xiǎn)承擔(dān)行為也會(huì)增加[7]。負(fù)名義利率會(huì)削減商業(yè)銀行在中央銀行的存款，從而促進(jìn)資金使用，過(guò)剩資金將流向?qū)嶓w部門(mén)，信貸規(guī)模得以擴(kuò)張。企業(yè)的融資需求得到滿足，更簡(jiǎn)單的從商業(yè)銀行取得貸款，獲取資金成本低于預(yù)期，刺激企業(yè)增加貸款，進(jìn)而提升社會(huì)總體投資水平。商業(yè)銀行對(duì)于風(fēng)險(xiǎn)的追求，在一定程度上為成長(zhǎng)型企業(yè)融資需求提供空間。企業(yè)發(fā)展?jié)摿υ黾涌赡軙?huì)增加產(chǎn)出和勞動(dòng)力需求，從而改善就業(yè)狀況。

負(fù)利率政策不單會(huì)影響信貸規(guī)模，也會(huì)影響資產(chǎn)未來(lái)現(xiàn)金流貼現(xiàn)率，使消費(fèi)者對(duì)資產(chǎn)價(jià)格產(chǎn)生積極預(yù)期。范志勇等[8]進(jìn)一步研究發(fā)現(xiàn)，負(fù)利率政策會(huì)使市場(chǎng)利率下行，從而使資產(chǎn)價(jià)格拔高，引起本幣貶值，指出負(fù)利率政策依靠金融市場(chǎng)和實(shí)體經(jīng)濟(jì)兩個(gè)層級(jí)進(jìn)行傳導(dǎo)，且金融市場(chǎng)的傳導(dǎo)機(jī)制是實(shí)體經(jīng)濟(jì)的傳導(dǎo)基礎(chǔ)。居民面臨負(fù)利率政策，會(huì)相信利率可以被再次下調(diào)。Altavilla等[9]提出預(yù)期渠道也是負(fù)利率傳導(dǎo)機(jī)制的一種，最終會(huì)導(dǎo)致收益率曲線的變化。對(duì)打破“利率零下限約束”的心理預(yù)期會(huì)使負(fù)利率政策的效果得以提升[10-11]。金融市場(chǎng)利率下行，房地產(chǎn)和股票等資產(chǎn)價(jià)格會(huì)呈現(xiàn)上升態(tài)勢(shì)，消費(fèi)者所擁有的資產(chǎn)也得到升值，對(duì)消費(fèi)者釋放了好的信號(hào)，為實(shí)現(xiàn)財(cái)富效應(yīng)最大化，風(fēng)險(xiǎn)偏好會(huì)隨之提升，投資行為更加多樣化，短期內(nèi)消費(fèi)和投資規(guī)模會(huì)擴(kuò)大。資產(chǎn)價(jià)格在負(fù)利率政策的影響下逐步攀升，并因財(cái)富效應(yīng)鼓勵(lì)消費(fèi)，總需求提升，社會(huì)總供給隨之提升，刺激產(chǎn)出和勞動(dòng)力需求，從而帶動(dòng)就業(yè)機(jī)會(huì)增加，一定程度上緩解失業(yè)潮。

負(fù)利率政策也會(huì)讓資本流向國(guó)外市場(chǎng)，國(guó)外投機(jī)資本減少，本幣貶值。歐元區(qū)實(shí)施負(fù)利率政策后，提高了匯率對(duì)于貨幣政策預(yù)期敏感度。丹麥依靠負(fù)利率政策成功緩解了本幣升值，實(shí)現(xiàn)了本幣貶值[12]。其他負(fù)利率政策落地的國(guó)家，匯率也都呈現(xiàn)下降的趨勢(shì)，并且減弱了匯率市場(chǎng)的波動(dòng)性[13]。本幣貶值促使出口增加，該國(guó)出口貿(mào)易規(guī)模擴(kuò)張，從而總產(chǎn)出隨出口總額提升，對(duì)勞動(dòng)力需求擴(kuò)大，促進(jìn)就業(yè)，進(jìn)而改善失業(yè)潮現(xiàn)象，失業(yè)率隨之下降。丁玉[14]指出負(fù)利率政策某種程度上可以提升實(shí)際GDP，對(duì)比政策落地前后歐元區(qū)CPI、實(shí)際GDP增長(zhǎng)率、信貸等經(jīng)濟(jì)指標(biāo)，發(fā)現(xiàn)歐元區(qū)經(jīng)濟(jì)呈現(xiàn)一定程度上的復(fù)蘇。孫國(guó)峰等[15]通過(guò)DSGE模型實(shí)證分析負(fù)利率政策效果，發(fā)現(xiàn)負(fù)利率政策能夠緩和經(jīng)濟(jì)疲態(tài)。負(fù)利率政策刺激居民減少儲(chǔ)蓄，提升消費(fèi)水平，緩解通貨緊縮。通貨緊縮的緩解、居民儲(chǔ)蓄的減少、消費(fèi)水平的上升和社會(huì)總需求的擴(kuò)張會(huì)刺激社會(huì)總供給增加，導(dǎo)致勞動(dòng)力需求增大，進(jìn)而增加就業(yè)機(jī)會(huì)，緩解失業(yè)潮，降低失業(yè)率。

綜上所述，負(fù)利率政策能夠拓展貸款規(guī)模、鼓勵(lì)消費(fèi)、刺激經(jīng)濟(jì)上行，從而引起產(chǎn)出和勞動(dòng)力需求增加、就業(yè)機(jī)會(huì)增多、失業(yè)率下降。所以，提出假設(shè)1。

假設(shè)1：負(fù)利率政策能夠促進(jìn)就業(yè)，降低失業(yè)率，緩解失業(yè)潮沖擊。

1.2 負(fù)利率政策緩解失業(yè)潮沖擊的不穩(wěn)定性

負(fù)利率政策傳導(dǎo)過(guò)程的有效與否顯著影響政策實(shí)施效應(yīng)優(yōu)劣[16]。沒(méi)有一個(gè)國(guó)家或地區(qū)能完全保證傳導(dǎo)渠道的暢通，這可能會(huì)影響傳導(dǎo)效果。負(fù)利率政策會(huì)使商業(yè)銀行經(jīng)營(yíng)成本提高，加重其負(fù)擔(dān)。商業(yè)銀行存款利率需要考慮消費(fèi)者情緒，為防止存款資金大量外流，存款利率的下降會(huì)受到限制。貸款利率下降、存款利率受限和利息差的縮窄會(huì)侵蝕商業(yè)銀行的利息收入，影響其盈利能力[17]。此外，負(fù)利率政策導(dǎo)致的資金外流可能也會(huì)給新興市場(chǎng)帶來(lái)消極溢出效應(yīng)，發(fā)達(dá)經(jīng)濟(jì)體實(shí)施負(fù)利率政策會(huì)導(dǎo)致新興市場(chǎng)資金流入上漲，促使當(dāng)?shù)匦刨J規(guī)模不合理擴(kuò)大，給商業(yè)地銀行帶來(lái)更大的壓力[18]。長(zhǎng)時(shí)間的負(fù)利率政策會(huì)給商業(yè)銀行的盈利能力帶來(lái)反向作用，這種盈利能力可能受到的沖擊會(huì)反過(guò)來(lái)影響商業(yè)銀行的貸款意愿，從負(fù)利率政策到存貸款利率的傳導(dǎo)機(jī)制受到干擾，可能會(huì)影響信貸規(guī)模的擴(kuò)張，進(jìn)而不能實(shí)現(xiàn)刺激信貸的作用，企業(yè)的發(fā)展也會(huì)受到限制而無(wú)法改善失業(yè)現(xiàn)象。

負(fù)利率政策釋放資產(chǎn)價(jià)格攀升的訊息，投資將會(huì)大幅增加，容易產(chǎn)生資產(chǎn)泡沫。通過(guò)VAR模型和貝葉斯向量自回歸（BVAR）模型對(duì)負(fù)利率政策在日本的傳導(dǎo)過(guò)程深入剖析，發(fā)現(xiàn)負(fù)利率政策并未完成日本央行的初始期望，同時(shí)會(huì)擾亂常規(guī)貨幣政策的影響機(jī)制[19—20]。投機(jī)者的增加和不理智的投資決策會(huì)導(dǎo)致資產(chǎn)價(jià)格的不正常增長(zhǎng)，使資產(chǎn)價(jià)格機(jī)制扭曲，進(jìn)一步會(huì)影響市場(chǎng)自身的發(fā)展方式，引起市場(chǎng)調(diào)節(jié)機(jī)制的失靈，減少社會(huì)總體福利，經(jīng)濟(jì)發(fā)展不再穩(wěn)健。長(zhǎng)時(shí)間維持這種非正常經(jīng)濟(jì)狀態(tài)，會(huì)嚴(yán)重影響金融市場(chǎng)穩(wěn)定并阻礙宏觀經(jīng)濟(jì)運(yùn)行。資產(chǎn)價(jià)格攀升利于高收入人群而非低收入人群，長(zhǎng)此以往，收入差距會(huì)逐漸變大，社會(huì)穩(wěn)定也會(huì)受到?jīng)_擊，經(jīng)營(yíng)環(huán)境的不穩(wěn)定性可能導(dǎo)致企業(yè)經(jīng)營(yíng)不善，進(jìn)而加劇失業(yè)潮。

負(fù)利率政策導(dǎo)致的資本外流一旦過(guò)度，會(huì)打壓該國(guó)技術(shù)創(chuàng)新、阻礙合資企業(yè)發(fā)展，影響該國(guó)企業(yè)成長(zhǎng)，影響產(chǎn)出和勞動(dòng)力需求，從而影響就業(yè)。此外，Sussman等[21]和Perez-Segura[22]對(duì)國(guó)家或地區(qū)推行負(fù)利率政策后的效應(yīng)進(jìn)行分析，發(fā)現(xiàn)通貨膨脹率并沒(méi)有明顯上升，甚至部分國(guó)家的相關(guān)指標(biāo)下降，負(fù)利率政策沒(méi)有實(shí)現(xiàn)提升通貨膨脹水平的預(yù)期目標(biāo)，政策效果并不如預(yù)期。同時(shí)負(fù)利率政策對(duì)通貨膨脹的影響效果異質(zhì)性顯著，實(shí)行負(fù)利率后續(xù)三年中，非常規(guī)貨幣政策對(duì)通貨膨脹水平的提升作用為3.1%，僅有五分之一來(lái)自負(fù)利率政策的作用[23]，且溫和的負(fù)利率政策仍然會(huì)墮入流動(dòng)性陷阱，會(huì)使通貨緊縮更加嚴(yán)重[24]，長(zhǎng)此以往，反而會(huì)使經(jīng)濟(jì)增長(zhǎng)進(jìn)一步呈現(xiàn)疲態(tài)。通貨膨脹傳導(dǎo)效果的異質(zhì)性導(dǎo)致負(fù)利率政策對(duì)通貨膨脹的刺激作用不穩(wěn)定，甚至可能導(dǎo)致進(jìn)一步通貨緊縮，經(jīng)濟(jì)增長(zhǎng)疲軟，就業(yè)機(jī)會(huì)隨之減少，失業(yè)浪潮加劇。

綜上所述，負(fù)利率政策傳導(dǎo)效果具備多變性與不穩(wěn)定性，可能導(dǎo)致經(jīng)濟(jì)更加疲軟，從而引起總產(chǎn)出縮減、勞動(dòng)力需求下降、就業(yè)機(jī)會(huì)減少。所以，提出假設(shè)2。

假設(shè)2：負(fù)利率政策能夠在一定程度上降低失業(yè)率，但效果不穩(wěn)定。

2 研究設(shè)計(jì)

2.1 研究對(duì)象

自20世紀(jì)90年代日本泡沫經(jīng)濟(jì)瓦解，日本便遭受失業(yè)潮沖擊。日本央行在2016年2月實(shí)施負(fù)利率政策，也是亞洲第一個(gè)實(shí)施負(fù)利率政策的國(guó)家。本文選取日本作為研究對(duì)象，分析實(shí)施政策后與假設(shè)未實(shí)施政策時(shí)，日本失業(yè)率如何變化，負(fù)利率政策能否緩解失業(yè)潮沖擊，并結(jié)合既有研究分析負(fù)利率政策利弊，判斷是否有實(shí)施該政策的必要。

2.2 研究方法

本文運(yùn)用合成控制法[2]，而非進(jìn)行政策評(píng)價(jià)常用的雙重差分法（DID）。因?yàn)殡p重差分法對(duì)控制組要求較高，需要政策實(shí)施前后研究主體的各指標(biāo)具有可比性，所以選擇控制組易產(chǎn)生人為樣本偏誤進(jìn)而導(dǎo)致錯(cuò)誤估計(jì)政策影響。而合成控制法通過(guò)對(duì)若干控制對(duì)象進(jìn)行權(quán)重計(jì)算，找到合適的線性組合，從而構(gòu)建愈加精準(zhǔn)的合成控制地區(qū)（synthetic control region），并將合成控制地區(qū)同研究對(duì)象比較分析。這種根據(jù)數(shù)據(jù)進(jìn)行計(jì)算線性組合最優(yōu)權(quán)重的方法可以有效避免雙重差分法中主觀樣本選擇偏誤。

本文采取Abadie等[25]的研究思路探討日本實(shí)施負(fù)利率政策后失業(yè)率的變化，即構(gòu)建合成日本，使其與實(shí)施負(fù)利率政策前日本的失業(yè)率有相似軌跡，通過(guò)合成日本的失業(yè)率模擬如果日本不實(shí)施負(fù)利率政策的失業(yè)率曲線，合成日本失業(yè)率與實(shí)際失業(yè)率的差距就是負(fù)利率政策對(duì)日本失業(yè)狀況的作用。

2.3 指標(biāo)選擇

2016年2 月日本實(shí)施負(fù)利率政策，因此，實(shí)證分析中政策開(kāi)始年份設(shè)置為2016年。

合成控制法要求預(yù)測(cè)控制變量能夠讓影響政策實(shí)施前研究指標(biāo)的因素與研究對(duì)象基本相似。在經(jīng)濟(jì)指標(biāo)預(yù)測(cè)因素上，蘇治等[26]在研究通貨膨脹時(shí)選擇的預(yù)測(cè)變量是研究對(duì)象實(shí)施政策前的平均GDP增長(zhǎng)速度與通貨膨脹滯后項(xiàng)。Abadie等[25]為提高合成控制組和研究對(duì)象契合率，添加了沒(méi)有進(jìn)行平均化處理的預(yù)測(cè)控制變量。陸超等[27]研究通貨膨脹選取的預(yù)測(cè)控制變量是失業(yè)率和實(shí)證研究采用數(shù)據(jù)初始時(shí)間到政策實(shí)施前的時(shí)間段內(nèi)平均GDP增長(zhǎng)率，以及該時(shí)間段內(nèi)沒(méi)有進(jìn)行平均化處理的通貨膨脹率；研究經(jīng)濟(jì)增長(zhǎng)時(shí)選取了人口增長(zhǎng)等經(jīng)濟(jì)指標(biāo)以及政策實(shí)施前未做平均化處理的實(shí)際GDP增長(zhǎng)率。

因此，考慮失業(yè)率的預(yù)期控制變量，本文選取對(duì)數(shù)化后的實(shí)際GDP增長(zhǎng)率與失業(yè)率滯后項(xiàng)為預(yù)測(cè)變量。其中，GDP增長(zhǎng)率和失業(yè)率的統(tǒng)計(jì)標(biāo)準(zhǔn)均來(lái)自世界銀行，GDP增長(zhǎng)率為世界銀行依據(jù)不變價(jià)格度量的實(shí)際GDP增長(zhǎng)率。

2.4 數(shù)據(jù)來(lái)源及說(shuō)明

本文數(shù)據(jù)來(lái)源于世界銀行公開(kāi)數(shù)據(jù)，包含1996—2020年的年度經(jīng)濟(jì)指標(biāo)數(shù)據(jù)。

選擇控制組國(guó)家或地區(qū)考慮以下方面：一是控制組國(guó)家或地區(qū)發(fā)展水平要接近于日本。日本為發(fā)達(dá)經(jīng)濟(jì)體，因此所選取控制組國(guó)家或地區(qū)最好在發(fā)達(dá)經(jīng)濟(jì)體范圍內(nèi)。國(guó)際貨幣基金組織將39個(gè)國(guó)家或地區(qū)列為發(fā)達(dá)經(jīng)濟(jì)體，扣除早已實(shí)施負(fù)利率政策和數(shù)據(jù)缺失的經(jīng)濟(jì)體，控制組國(guó)家或地區(qū)選擇范圍剩余15個(gè)經(jīng)濟(jì)體。二是合成控制法最終確定控制組是根據(jù)相似度計(jì)算權(quán)重組合形成，初始控制組國(guó)家或地區(qū)盡可能多，最終合成控制組會(huì)更接近于日本。因此，除實(shí)施負(fù)利率政策的經(jīng)濟(jì)體之外，加入與日本某方面，包括地理位置、文化、經(jīng)濟(jì)等有相同特點(diǎn)的10個(gè)國(guó)家或地區(qū)。三是國(guó)際關(guān)系可能會(huì)影響到日本經(jīng)濟(jì)指標(biāo)，考慮與日本政治聯(lián)系和貿(mào)易合作密切的9個(gè)國(guó)家或地區(qū)加入控制組。最終選取中國(guó)澳門(mén)、中國(guó)香港、烏克蘭、以色列、伊拉克、伊朗、俄羅斯、冰島、加拿大、匈牙利、印度、印度尼西亞、土耳其、塞爾維亞、韓國(guó)、德國(guó)、挪威、捷克、新加坡、新西蘭、沙特阿拉伯、波蘭、波多黎各、泰國(guó)、澳大利亞、科威特、緬甸、羅馬尼亞、美國(guó)、英國(guó)、菲律賓、越南、阿聯(lián)酋、馬來(lái)西亞共計(jì)34個(gè)控制組國(guó)家或地區(qū)。

本文剔除1996—2007年數(shù)據(jù)，選取2008—2020年包含日本和控制組國(guó)家或地區(qū)的經(jīng)濟(jì)體數(shù)據(jù)。這主要因?yàn)?，首先，世界銀行公開(kāi)數(shù)據(jù)僅擁有部分國(guó)家或地區(qū)早期數(shù)據(jù)，為保障多數(shù)據(jù)樣本和長(zhǎng)時(shí)間段，未采用早期數(shù)據(jù)。其次，2008年以后金融危機(jī)影響全球經(jīng)濟(jì)，大部分國(guó)家或地區(qū)經(jīng)濟(jì)指標(biāo)數(shù)值下行，因此控制組國(guó)家或地區(qū)與日本的波動(dòng)趨勢(shì)較之前更為相似，有利于最終控制組加權(quán)結(jié)果。最后，20世紀(jì)90年代末期到政策實(shí)施前，很長(zhǎng)一段時(shí)間內(nèi)日本經(jīng)濟(jì)不景氣，而其他國(guó)家經(jīng)濟(jì)變動(dòng)較大，整體會(huì)有差異性變動(dòng)，為了合成控制組需要剔除前期時(shí)間段數(shù)據(jù)。

3 實(shí)證分析

3.1 實(shí)證結(jié)果及分析

本文用日本與合成日本在2016年后失業(yè)率和實(shí)際失業(yè)率差值分析日本實(shí)施負(fù)利率政策對(duì)失業(yè)情況的影響。

利用Stata統(tǒng)計(jì)軟件的Synth程序計(jì)算發(fā)現(xiàn)，合成日本由7個(gè)國(guó)家或地區(qū)構(gòu)成，包括40.9%的阿聯(lián)酋、20.6%的中國(guó)香港、16.3%的冰島、6.8%的匈牙利、6.5%的德國(guó)、5%的伊朗、3.8%的緬甸。

表1是負(fù)利率政策實(shí)施前日本與合成日本的經(jīng)濟(jì)指標(biāo)，可以發(fā)現(xiàn)在預(yù)測(cè)控制變量中，合成值均接近實(shí)際值，這說(shuō)明合成控制法成功地?cái)M合負(fù)利率政策實(shí)施前經(jīng)濟(jì)特征。

表1 預(yù)測(cè)控制變量擬合情況

圖1是日本與合成日本2008—2020年的失業(yè)率，垂直虛線所在年份表示2016年，即日本開(kāi)始實(shí)施負(fù)利率政策的年份。虛線左側(cè)是利率政策實(shí)施前，日本與合成日本的失業(yè)率非常接近。虛線右側(cè)為實(shí)施政策后，兩者差距就是日本負(fù)利率政策失業(yè)率變化情況?？梢园l(fā)現(xiàn)，負(fù)利率政策實(shí)施后失業(yè)率有下降態(tài)勢(shì)。

圖1 日本與合成日本失業(yè)率

進(jìn)一步分析負(fù)利率政策對(duì)失業(yè)率的作用，計(jì)算政策實(shí)施前后合成日本與日本的負(fù)利率差值如圖2。實(shí)施負(fù)利率政策前，即2008—2015年，差值基本為0，說(shuō)明合成日本擬合較為成功；而實(shí)施負(fù)利率政策后，2016—2020年，兩者差值逐漸拉大，說(shuō)明實(shí)施負(fù)利率政策可以導(dǎo)致失業(yè)率的下行趨勢(shì)。

圖2 日本與合成日本失業(yè)率差距

3.2 有效性檢驗(yàn)

Abadie等[2，25]給出的安慰劑檢驗(yàn)法能夠?qū)ι鲜鰧?shí)證結(jié)果進(jìn)行有效性檢驗(yàn)，確認(rèn)本文實(shí)證研究中失業(yè)率差異沒(méi)有受到其他因素影響，僅來(lái)自負(fù)利率政策作用，且說(shuō)明實(shí)證結(jié)果是否具有顯著性。

關(guān)于日本實(shí)施負(fù)利率政策的實(shí)證研究中，安慰劑檢驗(yàn)具體辦法如下：假定一個(gè)本沒(méi)有在2016年推行負(fù)利率政策的國(guó)家或地區(qū)推行了負(fù)利率政策，依據(jù)合成控制法對(duì)其余控制組國(guó)家或地區(qū)進(jìn)行加權(quán)模擬，得到該國(guó)家或地區(qū)的合成控制組，計(jì)算該國(guó)家或地區(qū)與未推行負(fù)利率政策的合成控制組之間的失業(yè)率差值。對(duì)每一個(gè)控制組國(guó)家或地區(qū)開(kāi)展相同操作，將安慰劑檢驗(yàn)中失業(yè)率差值與實(shí)證分析中日本失業(yè)率差值進(jìn)行對(duì)比分析。如果確定實(shí)證結(jié)果中日本的差值來(lái)自負(fù)利率政策，即統(tǒng)計(jì)結(jié)果顯著，安慰劑檢驗(yàn)差值會(huì)明顯不如實(shí)證分析中負(fù)利率差值；否則，統(tǒng)計(jì)結(jié)果不顯著。

本文安慰劑檢驗(yàn)的原假設(shè)是負(fù)利率政策對(duì)失業(yè)率作用不顯著，即負(fù)利率政策無(wú)法降低失業(yè)率。根據(jù)Abadie等[25]和陸超等[27]的研究方法，顯著性檢驗(yàn)利用P檢驗(yàn)值完成。失業(yè)率安慰劑檢驗(yàn)中的P值就是失業(yè)率差值（負(fù)）小于日本差值的國(guó)家或地區(qū)數(shù)量與所有進(jìn)行安慰劑檢驗(yàn)的國(guó)家或地區(qū)數(shù)量的比值，P值越低，代表未實(shí)施負(fù)利率政策的國(guó)家或地區(qū)與日本具有相同作用的可能性越小，即日本負(fù)利率政策越顯著。此外，合成控制法加權(quán)計(jì)算合成控制國(guó)家或地區(qū)的依據(jù)是2016年前可能會(huì)影響失業(yè)率的指標(biāo)，因此安慰劑檢驗(yàn)中要注意平均預(yù)測(cè)均方誤差MSPE（失業(yè)率和合成失業(yè)率差距平方的平均值），一旦某個(gè)國(guó)家或地區(qū)2016年前具有高數(shù)值平均預(yù)測(cè)均方誤差MSPE，代表合成控制國(guó)家或地區(qū)沒(méi)有優(yōu)秀的近似于該國(guó)家實(shí)際情況，繼續(xù)運(yùn)用其2016年后差值進(jìn)行分析的效果不明顯，可以在安慰劑檢驗(yàn)中刪除該國(guó)家或地區(qū)。

如圖3和圖4所示，安慰劑檢驗(yàn)結(jié)果分別是全部35個(gè)安慰劑檢驗(yàn)國(guó)家或地區(qū)與剔除政策推行前MSPE異常高于該研究對(duì)象MSPE值的1個(gè)控制組國(guó)家或地區(qū)后。表2是安慰劑檢驗(yàn)的P值。

圖3 日本與安慰劑檢驗(yàn)國(guó)家失業(yè)率差值

圖4 日本與剔除異常值后安慰劑檢驗(yàn)國(guó)家失業(yè)率差值

表2 安慰劑檢驗(yàn)結(jié)果P值

結(jié)合圖形和表格分析，第一，對(duì)所有研究國(guó)家或地區(qū)開(kāi)展安慰劑檢驗(yàn)，圖3所示，2016年后代表日本失業(yè)率差值的實(shí)線在中間偏下位置，即日本失業(yè)率差值與安慰劑檢驗(yàn)中控制組國(guó)家或者地區(qū)差值差異較小，日本負(fù)利率政策對(duì)失業(yè)率作用不顯著。但是在接近2020年時(shí)，日本失業(yè)率差值曲線已處于相對(duì)偏下位置，即日本失業(yè)率差值與安慰劑檢驗(yàn)控制組國(guó)家或地區(qū)差值差異較大，日本負(fù)利率政策對(duì)失業(yè)率作用顯著。第二，由表2可見(jiàn)，2016年和2018年P(guān)值為0.257和0.171，有25.7%和17.1%的控制組國(guó)家或地區(qū)失業(yè)率差值（負(fù)）小于日本，在10%置信水平接受原假設(shè)，負(fù)利率政策對(duì)失業(yè)率作用不顯著。但2020年P(guān)值為0.086，有8.6%的控制組國(guó)家或地區(qū)失業(yè)率差值（負(fù)）小于日本，在10%置信水平拒絕原假設(shè)，負(fù)利率政策對(duì)失業(yè)率作用顯著。第三，剔除MSPE較高的值后，由圖4可以發(fā)現(xiàn)，2016年日本與其他安慰劑檢驗(yàn)國(guó)家或地區(qū)相比，日本失業(yè)率差值曲線在中間偏下位置，日本負(fù)利率政策對(duì)失業(yè)率作用不顯著。但在2020年，日本失業(yè)率差值曲線在相對(duì)偏下位置，與安慰劑檢驗(yàn)中控制組國(guó)家或地區(qū)差異較大，日本負(fù)利率政策對(duì)失業(yè)率作用顯著。第四，由表2可以看出，2016年和2018年P(guān)值分別為0.294和0.176，有29.4%和17.6%的控制組國(guó)家或地區(qū)失業(yè)率差值（負(fù)）小于日本，在10%置信水平接受原假設(shè)，負(fù)利率政策對(duì)失業(yè)率作用不顯著。但2020年P(guān)值為0.088，有8.8%的控制組國(guó)家或地區(qū)失業(yè)率差值（負(fù)）小于日本，在10%置信水平拒絕原假設(shè)，負(fù)利率政策對(duì)失業(yè)率作用顯著。

利用合成控制法對(duì)日本負(fù)利率政策研究結(jié)果表明，負(fù)利率政策實(shí)施后，日本實(shí)際失業(yè)率低于合成失業(yè)率。安慰劑檢驗(yàn)結(jié)果顯示負(fù)利率實(shí)施后一段時(shí)間內(nèi)，即2016—2019年接受原假設(shè)，負(fù)利率政策無(wú)法降低失業(yè)率，失業(yè)率降低可能與負(fù)利率政策無(wú)關(guān)。但2020年安慰劑檢驗(yàn)結(jié)果拒絕原假設(shè)，負(fù)利率政策對(duì)失業(yè)率作用顯著，可以降低失業(yè)率，雖然2020年因疫情影響而比較特殊，無(wú)法驗(yàn)證負(fù)利率政策在常態(tài)化的2020年能否降低失業(yè)率，但是在疫情時(shí)間逐漸延長(zhǎng)的情況下，仍有一定的參考意義。

綜上所述，2016—2019年內(nèi)負(fù)利率政策無(wú)法影響失業(yè)率，而2020年顯著降低失業(yè)率，造成這種結(jié)果的原因有以下三點(diǎn)：一是時(shí)間的差異性。負(fù)利率政策的傳導(dǎo)，尤其是影響至失業(yè)率，需要一定的時(shí)間，政策實(shí)施后三年內(nèi)，無(wú)法有效發(fā)揮其在失業(yè)率上的作用。二是環(huán)境的差異性。2020年，經(jīng)濟(jì)受到?jīng)_擊，在這種情況下，常規(guī)的政策無(wú)法發(fā)揮其有效作用，負(fù)利率政策反而更能凸顯其預(yù)期作用。三是負(fù)利率政策本身的不穩(wěn)定性。關(guān)于負(fù)利率政策的有效性至今未有一致結(jié)論，主要原因就在于其發(fā)揮作用受到各種因素的綜合制約，從而具有極大的不穩(wěn)定性，這種不穩(wěn)定性可能會(huì)影響本身負(fù)利率政策的傳導(dǎo)效果，從而造成預(yù)期目標(biāo)的起伏?？傮w來(lái)說(shuō)，負(fù)利率政策可以降低失業(yè)率，但是傳導(dǎo)效果不穩(wěn)定且需要時(shí)間，本文假設(shè)得到驗(yàn)證。

4 結(jié)論與啟示

本文從失業(yè)率視角出發(fā)研究負(fù)利率政策傳導(dǎo)效果，根據(jù)2008—2020年日本及34個(gè)控制組國(guó)家或地區(qū)經(jīng)濟(jì)數(shù)據(jù)，運(yùn)用合成控制法研究日本負(fù)利率政策對(duì)失業(yè)率的影響。結(jié)果發(fā)現(xiàn)，日本負(fù)利率政策可以降低失業(yè)率，但是需要一定傳導(dǎo)時(shí)間，日本負(fù)利率政策對(duì)失業(yè)率影響隨時(shí)間變動(dòng)，政策實(shí)施后2016—2019年內(nèi)無(wú)法影響失業(yè)率，但是在2020年顯著降低失業(yè)率，在進(jìn)行安慰劑檢驗(yàn)后，該結(jié)論仍然成立。這說(shuō)明負(fù)利率政策傳導(dǎo)效果不夠穩(wěn)定，短期和長(zhǎng)期影響可能截然不同，經(jīng)濟(jì)社會(huì)環(huán)境的改變所造成的影響可能截然不同，而負(fù)利率政策實(shí)施時(shí)間的短暫性導(dǎo)致現(xiàn)有研究無(wú)法準(zhǔn)確判斷負(fù)利率政策利弊。

基于上述結(jié)論，啟示如下：第一，實(shí)施負(fù)利率政策有一定的意義和作用，負(fù)利率政策可以部分實(shí)現(xiàn)常規(guī)貨幣政策無(wú)法達(dá)到的目標(biāo)。第二，負(fù)利率政策不是萬(wàn)能藥，各國(guó)政府不能過(guò)分依賴負(fù)利率政策，要全面衡量負(fù)利率政策實(shí)施后果。第三，負(fù)利率政策實(shí)施效果具有差異性，不同國(guó)家或地區(qū)會(huì)有不同結(jié)果，也會(huì)給該經(jīng)濟(jì)體帶來(lái)弊端。第四，各國(guó)政府應(yīng)該結(jié)合實(shí)際情況綜合運(yùn)用貨幣政策，在負(fù)利率政策實(shí)施中不可忽視其他貨幣政策與財(cái)政政策，相互配合的政策才能更好地調(diào)節(jié)經(jīng)濟(jì)。第五，在中國(guó)當(dāng)下的經(jīng)濟(jì)環(huán)境中，負(fù)利率政策并不是最好的選擇。

注 釋：

① 本文負(fù)利率政策是指中央銀行采取的使經(jīng)濟(jì)運(yùn)行中的名義利率為負(fù)的政策措施。

② 全球失業(yè)數(shù)據(jù)來(lái)源：INTERNATIONAL LABOUR ORGANIZATION.World employment and social outlook：trends 2022［R］.Switzerland：International Labor Office，2022.

③ 中國(guó)城鎮(zhèn)調(diào)查失業(yè)率數(shù)據(jù)來(lái)源：國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒［M］.北京：中國(guó)統(tǒng)計(jì)出版社，2020.