|
| | | | Проблемы современной экономики, N 2 (86), 2023 | | | | ВОПРОСЫ ЭКОНОМИЧЕСКОЙ ТЕОРИИ. МАКРОЭКОНОМИКА | | | Афанасьева О. Н.
доцент кафедры теории и методологии государственного и муниципального управления
Московского государственного университета им. М.В. Ломоносова,
кандидат экономических наук
| |
| | | | | В статье исследовано влияние инструментов монетарной политики на целевые макроэкономические показатели в России и Китае для сравнения практической реализации принципа Тинбергена «цели-инструменты». Определено воздействие инструментов монетарной политики — ключевой ставки, нормы обязательного резервирования, денежной базы, денежной массы, кредитов домохозяйствам и кредитов нефинансовым организациям на достижение макроэкономических целевых показателей — ВВП, ИПЦ (уровень инфляции) и уровень безработицы. Получен результат расширение принципа Тинбергена в российской реальности и некотором его изменении в Китае. | | Ключевые слова: теория экономической политики Тинбергена, монетарная политика, «цели - инструменты», ВВП, ИПЦ, уровень безработицы, Россия, Китай | | УДК 336 Стр: 49 - 54 |
Введение. Вопросы реализации монетарной политики, применения ее инструментов для достижения макроэкономических целей особо актуальны во всех странах. Соответствующее соотношение целей и инструментов может либо способствовать достижению поставленных экономических целей, либо, наоборот, нарушать или тормозить их достижение.
В научных исследованиях обсуждаются различные аспекты применения работ Тинбергена в реализации экономической политики. Fenichel E.P., Horan R.D. (2016) [11] показывают, что правило Тинбергена распространяется на внешние факторы экосистемы. Acocella N., Di Bartolomeo G. (2006) [9] стремятся показать, как классическая теория экономической политики может решать проблемы неэффективности политики и существования равновесия по Нэшу, расширяя ее от контекста, в котором принимает решения один человек, до стратегического многопользовательского контекста. Thore S., Tarverdyan R. (2022) [14], принимая во внимание, что теория экономической политики Тинбергена 1950-х годов изложила и обсудила оптимизацию «общественного благосостояния», используют показатели ЦУР (целей устойчивого развития) для формирования индекса «благосостояния ЦУР».
De La Peña R. (2021) [10] отмечает, что в соответствии с правилом Тинбергена некоторые авторы считают, что денежно-кредитная политика является неэффективной для одновременного достижения ценовой и финансовой стабильности; другие ученые считают, что денежно-кредитная политика может оказывать влияние при «укрощении кредитного цикла» без ущерба для ее эффективности в контроле над инфляцией. De La Peña R. (2021) [10] считает, что оптимальное сочетание мер политики состоит в применении двух отдельных инструментов, каждый из которых имеет ориентацию на ценовую и финансовую стабильность. Одновременно эти инструменты дополняют друг друга для стабилизации экономики в условиях финансовых потрясений.
Figueroa J.G. (2015) [12] на основе работы Яна Тинбергена и Джона Мута, основателей теории экономической политики и гипотезы рациональных ожиданий показывает как разрабатывается экономическая политика на основе предпочтений и ожиданий агентов в статической и динамической среде с целью поиска лучшей стратегии, максимизирующей социальную выгоду с наименьшими затратами.
Schader C., Lampkin N., Muller A., Stolze M. (2014) [13] делают вывод, что соотношение между экономической эффективностью инструментов, которые связаны со всеми целями политики, является ключевым фактором, определяющим экономически обоснованный выбор инструментов политики.
Модель экономической политики Тинбергена встала в основу ряда исследований российских ученых. Так Сухарев О.С. рассматривает на ее основе экономическую политику развития науки и инноваций [7]. Работы об эффекте превышения сложности макроэкономической политики [5], о накопительном эффекте макроэкономической политики и его преодолении [4], о распределенном управлении и расширении принципа экономической политики «цели-инструменты» [6] созданы на основе теории экономической политики Тинбергена. Также присутствуют другие работы российских экономистов, основанные на трудах Тинбергена: о соответствии в экономической политике современной России целей и инструментов [2], об эволюции теорий экономического роста и развития [8].
Автором статьи ранее представлены работы, основанные на теории экономической политики Тинбергена: по распределению инструментов монетарной политики по целям развития [3]; по выявлению влияния инструментов монетарной политики на достижение совокупности макроэкономических целей [1].
В рамках данной статьи рассмотрим действие принципа Тинбергена [15] [16] «цели — инструменты» в его первоначальном понимании, применительно к монетарной политике в настоящей реальности в России и в Китае, и проведем сравнение работы данного принципа.
Методы исследования. Корреляционный анализ позволяет ответить на вопрос о наличии статистически значимых связей между показателями, однако не позволяет судить о том, как именно меняется один показатель под воздействием единичного изменения другого. Для этого были оценены модели парной линейной регрессии, основанные на предварительном корреляционном анализе.
В отличие от корреляционного анализа, представляющего собой анализ связей между показателями, регрессионный анализ является анализом зависимостей. Это означает, что при расчете коэффициентов корреляции мы не определяем, какой из показателей является зависимым (результативным), а какой — независимым (факторным), то есть не определяем, что влияет на что. При построении регрессионной модели такое допущение является необходимым. В большинстве случаев определение зависимой и независимой переменных производится априорно, на основании анализа экономического содержания задачи. В данном исследовании гипотеза заключается в воздействии инструментов денежно-кредитной политики на целевые макроэкономические показатели, поэтому инструменты выступают в качестве независимых переменных (факторов), а целевые показатели — в качестве зависимых (результативных).
Для моделирования взяты лаги инструментов, соответствующие максимальным обнаруженным коэффициентам корреляции из числа первых 15 лагов. Это обусловлено рядом соображений. Во-первых, предположением о том, что наибольшее влияние на целевой показатель изменение инструмента оказывает в течение первого года. Корреляция с большим временным лагом может являться проявлением как отсроченного влияния изменения инструмента, так и общих трендов в динамике инструмента и целевого показателя, поэтому оценивать величину изменения целевого показателя под влиянием изменения значения инструмента представляется целесообразным в течение первых месяцев. Число 15 взято из соображений оценки влияния в течение первого года плюс-минус три месяца. Во-вторых, выбор не одинакового для всех, а максимального статистически значимого значения коэффициента корреляции обусловлен попыткой оценить, на какую величину максимально может измениться целевой показатель при единичном изменении инструмента, и какая доля вариации целевого показателя может максимально объясняться вариацией значений инструмента денежно-кредитной политики.
Оценивались модели парной линейной регрессии, поскольку отбор лагов проводился на основе коэффициентов линейной корреляции. Не исключая возможности наличия нелинейного воздействия изменения инструмента на целевой показатель, задача заключалась в определении того, на сколько единиц измерения изменится целевой показатель при изменении инструмента на одну единицу своего измерения. Такую возможность дает именно модель линейной регрессии.
Оценка моделей реализована с использованием метода наименьших квадратов (МНК). Проверка значимости уравнения в целом (или значимости коэффициента детерминации) реализована посредством F-критерия (критерия Фишера), проверка значимости отдельных коэффициентов уравнения — с помощью t-критерия (критерия Стьюдента). Проверка значимости производится аналогично описанной для коэффициентов корреляции, поскольку нулевые гипотезы заключаются в равенстве нулю коэффициента детерминации (для проверки значимости уравнения в целом) и равенстве нулю соответствующего коэффициента регрессии (для проверки значимости коэффициентов регрессии).
Метод наименьших квадратов предполагает выполнение условий Гаусса-Маркова. Именно в случае их выполнения оценки параметров уравнения будут являться линейными, несмещенными, состоятельными и эффективными. Другими словами, они будут «качественными» и наилучшими среди других возможных. Это связано с тем, что нас интересуют т.н. «истинные», или теоретические значения параметров, однако по имеющейся выборке мы получаем только оценки этих неизвестных нам параметров, и по любой другой выборке (например, при увеличении или уменьшении длины временного ряда, использованного для оценки), мы получим другие оценки, которые могут отличаться незначительно (если условия Гаусса-Маркова выполнены, то есть устойчивы) или значительно (при нарушении условий Гаусса-Маркова, неробастности оценок и т.п.) от полученных первоначально. Оценка робастности не входит в стандартный перечень эконометрических проверок и не является обязательным условием «качества» полученных МНК оценок, поэтому, как правило, либо подразумевается, либо просто умалчивается. Поэтому при использовании МНК для оценки параметров уравнения требуется проверка выполнения условий Гаусса-Маркова. В первую очередь проверяются условия гомоскедастичности (т.е. отсутствия гетероскедастичности) остатков модели и отсутствия автокорреляции в остатках.
Остатки модели — это оценка ошибки (случайной составляющей теоретического уравнения), то есть случайного отклонения от теоретического регрессионного уравнения. Остатки рассчитываются, как отклонения, то есть разность, фактического значения зависимой переменной от ее прогнозного значения, рассчитанного по оцененной модели регрессии.
Гипотеза об отсутствии гетероскедастичности остатков, то есть постоянстве дисперсии остатков, может быть протестирована с помощью ряда тестов: Бреуша-Пагана, Уайта, Харви и др. В данном исследовании был использован тест Уайта. Он позволяет выявить гетероскедастичность безотносительно к ее структуре. Нулевая гипотеза тестов на гетероскедастичность заключается в том, что дисперсия остатков постоянна для всех наблюдений, то есть остатки гомоскедастичны. Поэтому, если она отвергается, то можно сделать вывод о том, что остатки модели гетероскедастичны. Вывод о результате теста делается «наоборот» по сравнению с проверкой значимости параметров уравнения и уравнения в целом: если уровень значимости больше 0,1, то остатки можно считать гомоскедастичными, если меньше, то гетероскедастичными.
Все оцененные модели являются статистически значимыми по F-критерию, параметры при независимых переменных значимы по t-критерию. Однако практически во всех моделях присутствует гетероскедастичность и автокорреляция остатков. Устранить их традиционными способами оказалось невозможным. Основная проблема, связанная с наличием как гетероскедастичности, так и автокорреляции остатков заключается в том, что хотя оценки коэффициентов не смещены, смещенными оказываются оценки стандартных ошибок коэффициентов, что приводит к ошибкам при проверке значимости коэффициентов (при расчете t-критерия значение оценки коэффициента делится на значение оценки стандартной ошибки). В современных эконометрических пакетах существует возможность введения поправок, когда стандартные ошибки вычисляются с учетом наличия автокорреляции остатков, либо гетероскадастичности и автокорреляции одновременно, что позволяет устранить смещение и проверить гипотезы о статистической значимости коэффициентов более корректно. Поэтому при оценке моделей были использованы поправки в форме Навье-Уэста, учитывающие наличие как автокорреляции, так и гетероскедастичности, в связи с чем полученные результаты оценки моделей можно считать надежными.
Исходные данные исследования. В исследовании использовано три целевых показателя: номинальный ВВП, в млн долл. США, уровень инфляции, выраженный приростом индекса потребительских цен (далее — ИПЦ), в процентах, и уровень безработицы, в процентах. В качестве инструментов монетарной политики, влияющих на целевые показатели, отобраны: ключевая ставка, норма обязательного резервирования, денежная база, денежная масса (М2 для России, М3 для Китая), кредиты домохозяйствам и кредиты нефинансовым организациям. Временной период, исследованный в работе — 2000–2020 гг.
Применение модели. Оценка влияния произведена посредством оценки моделей парной линейной регрессии с зависимой переменной, представляющей собой лаговое значение целевого показателя, то есть ВВП, индекса потребительских цен и уровня безработицы, и независимой — инструментом денежной политики. Величина лага выбиралась на основании проведенного корреляционного анализа таким образом, чтобы наиболее наглядно отразить влияние изменения инструмента на целевой показатель в ближайшей перспективе.
Общий вид оцениваемых моделей:
yj(t+k) = β0 + β1 · xi + ε ,
где yj(t+k) — лаговые значения целевых показателей, j = 1, 2, 3,
j = 1 — ВВП,
j = 2 — индекс потребительских цен,
j = 3 — уровень безработицы.
k — величина лага, k = 1 ...
xi — инструменты денежно-кредитной политики, i = 1 ... 6.
i = 1 — норма резервирования,
i = 2 — денежная база,
i = 3 — кредиты домохозяйствам,
i = 4 — кредиты нефинансовым организациям,
i = 5 — денежная масса (М2 или М3),
i = 6 — ключевая ставка.
β0 — свободный член регрессионного уравнения (константа),
β1 — коэффициент регрессионного уравнения при инструменте денежно-кредитной политики.
ε — случайная составляющая, ошибка регрессионного уравнения.
Все оцененные модели статистически значимы по F-критерию, все коэффициенты при инструментах денежной политики значимы по t-критерию.
Модели тестировались на наличие гетероскедастичности с помощью теста Уайта, на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона. При их обнаружении стандартные ошибки оценок коэффициентов вычислялись в форме Навье-Уэста, для устранения негативного влияния нарушения условий Гаусса-Маркова на результаты оценки стандартных ошибок коэффициентов и проверку гипотез.
В таблице 1 представлены результаты оценки регрессионных моделей с независимой переменной «ключевая ставка». Увеличение ключевой ставки на 1% к снижению ВВП Китая на 829233,7 млн долл. через два месяца, России — на 18398,9 млн долл. через 10 месяцев. Вариация ВВП Китая на 21% объясняется вариацией ключевой ставки, России — на 67%.
Рост ключевой ставки на 1% приводит в среднем к увеличению инфляции на 0,84% через два месяца в Китае, на 0,64% в России. При этом вариация ИПЦ объясняется вариацией ключевой ставки на 13% в Китае, на 68% — в России.
Увеличение ключевой ставки на 1% приводит к росту уровня безработицы в Китае на 1,1% через 15 месяцев, на 0,18% в России через два месяца. Вариация уровня безработицы объясняется вариацией ключевой ставки на 16% в Китае, на 61% в России.
В таблице 2 представлены результаты влияния на целевые показатели изменения нормы резервирования. При увеличении нормы резервирования на 1% ВВП Китая вырастает в среднем на 191924,8 млн долл. через 13 месяцев, в России снижается на 61698 млн долл. через 15 месяцев. При этом вариация нормы резервирования объясняет 42,8% вариации ВВП Китая, 45% вариации ВВП России с указанными лагами.
Увеличение нормы резервирования на 1% приводит к росту ИПЦ в Китае на 0,08% через 2 месяца, 1,25% в России через 14 месяцев. Вариация нормы резервирования объясняет 4% вариации ИПЦ в Китае, 17% — в России с указанными лагами.
Рост нормы резервирования на 1% приводит к росту уровня безработицы в Китае на 0,01% через два месяца, на 0,27% в России через 9 месяцев.
Вариация нормы резервирования объясняет 7% вариации уровня безработицы Китая, 9% — России.
В таблице 3 представлены результаты оценки моделей парной регрессии для оценки влияния на целевые показатели изменения величины денежной базы. При увеличении денежной базы на 1 единицу своего измерения ВВП Китая растет в среднем на 0,000000526 млн долл. через 12 месяцев, России — на 20,3 млн долл. через два месяца. При этом вариация ВВП Китая объясняется вариацией денежной базы на 50%, России — на 44% с указанными лагами.
Рост денежной базы приводит к росту индекса потребительских цен в Китае через 5 месяцев и снижению в России через 2 месяца. Количественные оценки изменения невелики из-за разности в размерности показателей. Наиболее значимым является при увеличении денежной базы на 1 млрд руб. снижение индекса потребительских цен на 0,00078% в России. При этом в России 57% вариации инфляции объясняется изменением денежной базы, в Китае — 8% вариации.
Увеличение денежной базы приводит к снижению уровня безработицы в Китае — через 15 месяцев, в России — через четыре месяца. Количественные оценки изменения невелики из-за разности в размерности показателей. При увеличении денежной базы на 1 млрд руб. снижение безработицы произойдет на 0,000224% в России. В России — 60% вариации уровня безработицы объясняется вариацией денежной базы, в Китае — 9%.
В таблице 4 представлены результаты оценки моделей парной линейной регрессии для изучения влияния изменения денежной массы на целевые показатели. Рост индикатора «денежная масса» на 1 единицу своего измерения приводит к увеличению ВВП Китая на 1,798 млн долл., России — на 6,4 млн долл. через два месяца. При этом вариация ВВП Китая на 52% объясняется вариацией денежной массы, России — на 44%.
Рост денежной массы на 1 единицу своего измерения приводит к снижению инфляции в Китае через 115 месяцев, в России через 2 месяца. Количественные оценки изменения невелики из-за разности в размерности показателей. Наиболее значимым является при увеличении денежной массы на 1 единицу своего измерения снижение индекса потребительских цен на 0,00024% в России.
При этом вариация денежной массы объясняет вариацию индекса потребительских цен в Китае на 1,7%, в России — на 54%.
Увеличение денежной массы приводит к снижению уровня безработицы в Китае через 15 месяцев, в России через 4 месяца. Количественные оценки изменения невелики из-за разности в размерности показателей и представлены в таблице 4.
Наиболее значимым является при увеличении денежной массы на 1 единицу своего измерения снижение уровня безработицы на 0,00007% в России через 4 месяца.
Вариация уровня безработицы объясняется вариацией денежной массы в Китае на 14%, на 61% — в России.
В таблице 5 представлены результаты оценки моделей парной линейной регрессии для исследования влияния на целевые показатели изменения кредитов домохозяйствам. Рост кредитов на 1 единицу своего измерения приводит к росту ВВП Китая на 303,4 млн долл. через 2 месяца, России — всего на 13,99 млн долл. через 2 месяца. При этом вариация ВВП Китая объясняется вариацией кредитов домохозяйствам на 27%, России — на 37%.
Рост кредитов домохозяйствам на 1 единицу своего измерения приводит к снижению инфляции в Китае на 0,00025% через 15 месяцев, в России на 0,00053% через 2 месяца. Наибольшая доля вариации индекса потребительских цен объясняется вариацией кредитов домохозяйствам в России 47%, в Китае данный показатель составляет 6%.
Увеличение кредитов домохозяйствам на 1 единицу своего измерения приводит к снижению уровня безработицы в Китае на 0,000051% через 9 месяцев и в России на 0,00017% через четыре месяца. В России 58% вариации уровня безработицы объясняется вариацией кредитов домохозяйствам, а в Китае 49%.
В таблице 6 представлены результаты оценки моделей парной регрессии с независимой переменной «кредиты нефинансовым организациям». Их рост на 1 единицу своего измерения приводит к росту через два месяца ВВП Китая на 111,5 млн долл., России на 2,17 млн долл.
При этом в Китае 50%, а в России только 32% вариации ВВП объясняется вариацией кредитов нефинансовым организациям.
Рост кредитов нефинансовым организациям на 1 единицу своего измерения снижает уровень инфляции в Китае на 0,000027% через 32 месяца, в России на 0,000084% через 15 месяцев. Вариация кредитов нефинансовым организациям объясняет 45% вариации инфляции в России и 0,9% — в Китае.
Увеличение на 1 единицу своего измерения кредитов нефинансовым организациям приводит к снижению уровня безработицы в Китае на 0,000009% через 15 месяцев, в России на 0,000027% через четыре месяца. Вариация уровня безработицы объясняется вариацией кредитов нефинансовым организациям на 16% в Китае, на 56% — в России.
Таблица 1
Результаты оценки моделей парной регрессии с независимой переменной «ключевая ставка»| Страна | лаг | ВВП | лаг | ИПЦ | лаг | Уровень безработицы |
|---|
| Китай | t+2 | -829233,7*** | (102132) | t+2 | 0,84*** | (0,14) | t+15 | 1,1*** | (0,01) | | константа | 6412848*** | (564752) | константа | -2,33*** | (0,75) | константа | 3,47*** | (0,08) | | R2 | 0,21*** | [65,9] | R2 | 0,13*** | [38] | R2 | 0,16*** | [46] | | Россия | t+10 | -18398,9*** | (826) | t+2 | 0,64*** | (0,03) | t+2 | 0,18*** | (0,009) | | константа | 566964,9*** | (11824) | константа | 2,04*** | (0,39) | константа | 4,46*** | (0,12) | | R2 | 0,67*** | [495,9] | R2 | 0,68*** | [539] | R2 | 0,61*** | [392,7] |
Таблица 2
Результаты оценки моделей парной регрессии с независимой переменной «норма резервирования»| Страна | лаг | ВВП | лаг | ИПЦ | лаг | Уровень безработицы |
|---|
| Китай | t+13 | 191924,8*** | (14331) | t+2 | 0,08*** | (0,024) | t+2 | 0,01*** | (0,03) | | константа | -512995,4*** | (199593) | константа | 1,28*** | (0,32) | константа | 3,8*** | (0,4) | | R2 | 0,428*** | [179] | R2 | 0,04*** | [10,8] | R2 | 0,07*** | [19,4] | | Россия | t+15 | -61698*** | (4469) | t+14 | 1,25*** | (0,18) | t+9 | 0,27*** | (0,05) | | константа | 623103*** | (21701) | константа | 3,7*** | (0,87) | константа | 5,28*** | (0,26) | | R2 | 0,45*** | (190,5) | R2 | 0,17*** | [49] | R2 | 0,09*** | [24,6] |
Таблица 3
Результаты оценки моделей парной регрессии с независимой переменной «денежная база»| Страна | лаг | ВВП | лаг | ИПЦ | лаг | Уровень безработицы |
|---|
| Китай | t+12 | 0,000000526*** | (0,0000003) | t+5 | 0,000000000000104* | (0,00005) | t+15 | -0,00000000000003*** | (0,000005) | | константа | -220058,5 | (155324) | константа | 1,85*** | (0,27) | константа | 4,16*** | (0,027) | | R2 | 0,5*** | [246,2] | R2 | 0,08* | [3,29] | R2 | 0,09*** | [25,6] | | Россия | t+2 | 20,3*** | (1,45) | t+2 | -0,00078*** | (4) | t+4 | -0,000224*** | (0,000001) | | константа | 184257*** | (12549) | константа | 15,4*** | (0,37) | константа | 8,16*** | (0,1) | | R2 | 0,44*** | [196] | R2 | 0,57*** | [336] | R2 | 0,6*** | [373] |
Таблица 4
Результаты оценки моделей парной регрессии с независимой переменной «денежная масса»| Страна | лаг | ВВП | лаг | ИПЦ | лаг | Уровень безработицы |
|---|
| Китай | t+2 | 1,798*** | (0,12) | t+115 | -0,000001* | (0,0000006) | t+15 | -0,0000001*** | (0,00000002) | | константа | 385050,9*** | (114328) | константа | 2,89*** | (0,25) | константа | 4,14*** | (0,02) | | R2 | 0,52*** | [268] | R2 | 0,017* | [3,3] | R2 | 0,14*** | [40,3] | | Россия | t+2 | 6,4*** | (0,46) | t+2 | -0,00024*** | (0,000014) | t+4 | -0,00007*** | (0,000004) | | константа | 197823,8*** | (11904) | константа | 14,8*** | (0,36) | константа | 8,02*** | (0,09) | | R2 | 0,44*** | [191] | R2 | 0,54*** | [298,8] | R2 | 0,61*** | [383] |
Таблица 5
Результаты оценки моделей парной регрессии с независимой переменной «кредиты домохозяйствам»| Страна | лаг | ВВП | лаг | ИПЦ | лаг | Уровень безработицы |
|---|
| Китай | t+2 | 303,4*** | (37,2) | t+15 | -0,00025*** | (0,0006) | t+9 | -0,000051*** | (0,00003) | | константа | 1427545*** | (159228) | константа | 3,5*** | (0,26) | константа | 4,19*** | (0,001) | | R2 | 0,27*** | [66,5] | R2 | 0,06*** | [12] | R2 | 0,49*** | [165] | | Россия | t+2 | 13,99*** | (0,001) | t+2 | -0,00053*** | (0,0003) | t+4 | -0,00017*** | (0,0008) | | константа | 225479*** | (11448) | константа | 13,78*** | (0,35) | константа | 7,79*** | (0,09) | | R2 | 0,37*** | [146] | R2 | 0,47*** | [220] | R2 | 0,58*** | [350] |
Таблица 6
Результаты оценки моделей парной регрессии с независимой переменной «кредиты нефинансовым организациям»| Страна | лаг | ВВП | лаг | ИПЦ | лаг | Уровень безработицы |
|---|
| Китай | t+2 | 111,5*** | (7,04) | t+32 | -0,000027* | (0,00002) | t+15 | -0,000009*** | (0,000001) | | константа | 572704,5*** | (107540) | константа | 2,8*** | (0,197) | константа | 4,13*** | (0,02) | | R2 | 0,5*** | [250] | R2 | 0,009* | [2,9] | R2 | 0,16*** | [46] | | Россия | t+2 | 2,17*** | (0,198) | t+15 | -0,000084*** | (0,000006) | t+4 | -0,000027*** | (0,0000012) | | константа | 215561*** | (12947) | константа | 13,3*** | (0,36) | константа | 7,96*** | (0,1) | | R2 | 0,32*** | [120] | R2 | 0,45*** | [193] | R2 | 0,56*** | [315] |
В () скобках указаны стандартные ошибки, [] — F-статистики; * — параметр значим на уровне значимости 10%, ** — 5%, *** — 1%
Результаты исследования. Посредством применения моделей парной линейной регрессии с зависимой переменной для оценки влияния инструментов монетарной политики на целевые макроэкономические показатели можно сделать выводы по двум критериям. Первая группа результатов сформирована, исходя из описания R-квадрата, величина которого показывает долю вариации целевого показателя, объясняемую вариацией конкретного инструмента. Возьмем как значимый R -квадрат более 0,45%.
Вторая группа результатов сформирована, исходя из влияния инструментов монетарной политики на целевые макроэкономические показатели (результата монетарной политики), изменения целевого макроэкономического показателя при изменении (увеличении) инструмента монетарной политики на единицу с учетом лага.
Cгруппированы результаты оценки влияния инструментов монетарной политики на целевые макроэкономические показатели в России и Китае.
В России определено наибольшее влияние на достижение макроэкономической цели экономического роста (ВВП) следующих инструментов монетарной политики (при увеличении на 1 единицу своего измерения):
– ключевая ставка (-18398,9 млн долл.) R2 — 0,67%;
– нормы обязательных резервов (-61698 млн долл.) R2 — 0,45%;
– денежная масса (6,4 млн долл.) R2 — 0,44%;
– денежная база (20,3 млн долл.) R2 — 0,44%;
– кредиты домохозяйствам (13,99 млн долл.) R2 — 0,37%;
– кредиты нефинансовым организациям (2,17 млн долл.) R2 — 0,32%.
Наибольшее влияние на достижение макроэкономической цели инфляции (ИПЦ) в России оказывают следующие инструменты монетарной политики (при увеличении на 1 единицу своего измерения):
– ключевая ставка (0,64%) R2 — 0,68%;
– норма обязательных резервов (1,25%) R2 — 0,17%;
– денежная масса (-0,00024%) R2 — 0,54%;
– денежная база (-0,00078%) R2 — 0,57%;
– кредиты домохозяйствам (-0,00053%) R2 — 0,47%;
– кредиты нефинансовым организациям (-0,000084%) R2 — 0,45%.
Максимальное влияние на достижение макроэкономической цели уровень безработицы в России оказывают следующие инструменты монетарной политики (при увеличении на 1 единицу своего измерения):
– ключевая ставка (0,18%) R2 — 0,61%;
– норма обязательных резервов (0,27%) R2 — 0,09%;
– денежная масса (-0,00007%) R2 — 0,61%;
– денежная база (-0,000224) R2 — 0,60%;
– кредиты домохозяйствам (-0,00017%) R2 — 0,58%;
– кредиты нефинансовым организациям (-0,000027%) R2 — 0,56%.
В Китае выявлено наибольшее влияние на достижение макроэкономической цели экономического роста (ВВП) следующих инструментов монетарной политики (при увеличении на 1 единицу своего измерения):
– ключевая ставка (-829233,7 млн долл.) R2 — 0,21%;
– норма обязательных резервов (191924,8 млн долл.) R2 — 0,42%;
– денежная масса (1,798 млн долл.) R2 — 0,52%;
– денежная база (0,000000526 млн долл.) R2 — 0,50%;
– кредиты домохозяйствам (303,4 млн долл.) R2 — 0,27%;
– кредиты нефинансовым организациям (111,5 млн долл.) R2 — 0,50%.
Наибольшее влияние на достижение макроэкономической цели инфляции (ИПЦ) в Китае оказывают следующие инструменты монетарной политики (при увеличении на 1 единицу своего измерения):
– ключевая ставка (0,84%) R2 — 0,13%;
– норма обязательных резервов (0,08) R2 — 0,04%;
– кредиты домохозяйствам (-0,00025%) R2 — 0,06%.
Максимальное влияние на достижение макроэкономической цели уровень безработицы в Китае оказывают следующие инструменты монетарной политики (при увеличении на 1 единицу своего измерения):
– ключевая ставка (1,1%) R2 — 0,16%;
– норма обязательных резервов (0,01%) R2 — 0,07%;
– кредиты домохозяйствам (-0,000051%) R2 — 0,49%.
Таким образом, исходя из принципа Тинбергена «цели-инструменты», проследим связь в России и Китае инструментов монетарной политики и достижения макроэкономических целевых показателей.
Необходимо уточнить, что в данном исследовании рассматривается работа каждого инструмента раздельно, без учета совокупности применяемых инструментов монетарной политики. В России при достижении цели ВВП возможно применение одного инструмента — ключевой ставки; на уровень инфляции оказывают влияние ключевая ставка, денежная масса М2 и денежная база; на уровень безработицы — ключевая ставка, денежная масса М2, денежная база, кредиты домохозяйствам, кредиты нефинансовым организациям. Следовательно, можно предположить расширение принципа Тинбергена в российской реальности
В Китае при достижении цели ВВП возможно применение нескольких инструментов — денежная масса М3, денежная база и кредиты нефинансовым организациям; на уровень инфляции и уровень безработицы инструменты монетарной политики не оказывают значимого воздействия. Следовательно, можно говорить также о некотором изменении принципа Тинбергена. |
| |
|
|
