摘要：本文運(yùn)用包含隨機(jī)波動(dòng)的時(shí)變參數(shù)向量自回歸模型（TVP-VAR），聚焦于我國(guó)人口老齡化對(duì)貨幣政策調(diào)控宏觀(guān)經(jīng)濟(jì)能力的時(shí)變影響特征研究?；谪泿耪咝刨J傳導(dǎo)渠道在我國(guó)的重要地位，以CC-LM模型為理論依據(jù)，分析了人口老齡化對(duì)貨幣政策信貸傳導(dǎo)機(jī)制的影響。結(jié)果表明，人口老齡化降低了我國(guó)貨幣政策的有效性，具體表現(xiàn)為人口老齡化抑制了數(shù)量型和價(jià)格型政策工具對(duì)經(jīng)濟(jì)增長(zhǎng)和通貨膨脹的調(diào)控效果。人口老齡化通過(guò)對(duì)銀行信貸供給環(huán)節(jié)以及企業(yè)信貸融資環(huán)節(jié)產(chǎn)生負(fù)面效應(yīng)，削弱了貨幣政策信貸渠道效力，且該結(jié)論在更換人口老齡化衡量指標(biāo)后仍成立。本文認(rèn)為，我國(guó)貨幣政策的決策與制定應(yīng)當(dāng)充分考慮人口老齡化因素，并可通過(guò)豐富政策組合以及改革信貸傳導(dǎo)機(jī)制等方法提升人口老齡化背景下的貨幣政策調(diào)控效果。

關(guān)鍵詞：人口老齡化；貨幣政策效果；信貸傳導(dǎo)；TVP-VAR模型；系統(tǒng)GMM估計(jì)

中圖分類(lèi)號(hào)：C924.24;F822.1;F832.4" "文獻(xiàn)標(biāo)識(shí)碼：A" 文章編號(hào)：1007-0753（2024）08-0029-17

一、引言

人口老齡化現(xiàn)已成為影響全球長(zhǎng)期發(fā)展的問(wèn)題，近年來(lái)，我國(guó)人口老齡化趨勢(shì)尤為嚴(yán)峻。根據(jù)2022年國(guó)家統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)，截至2021年末，我國(guó)65歲及以上人口占比為14.2%，達(dá)到了深度老齡化社會(huì)衡量標(biāo)準(zhǔn)（65歲及以上人口占比超過(guò)14%）。我國(guó)已處于深度老齡化社會(huì)，并在向重度老齡化社會(huì)邁進(jìn)。面對(duì)人口老齡化加劇的事實(shí)，中共中央、國(guó)務(wù)院在2019年發(fā)布了《國(guó)家積極應(yīng)對(duì)人口老齡化中長(zhǎng)期規(guī)劃》，將應(yīng)對(duì)人口老齡化確定為國(guó)家戰(zhàn)略，并在二十大報(bào)告中對(duì)發(fā)展養(yǎng)老事業(yè)、養(yǎng)老產(chǎn)業(yè)做出重大部署。2023年中央金融工作會(huì)議更提出要做好包括“養(yǎng)老金融”在內(nèi)的五篇大文章。

人口老齡化趨勢(shì)不可逆轉(zhuǎn)，且會(huì)對(duì)國(guó)家發(fā)展的多個(gè)領(lǐng)域產(chǎn)生系統(tǒng)性影響，其不僅影響我國(guó)的就業(yè)水平（英潔等，2024），而且逐漸成為驅(qū)動(dòng)收入分配失衡的重要因素，顯著擴(kuò)大了收入不平等（姚玉祥和呂指臣，2024）。人口老齡化使得居民投資、消費(fèi)與儲(chǔ)蓄決策行為發(fā)生改變，進(jìn)而影響諸多經(jīng)濟(jì)指標(biāo)發(fā)展趨勢(shì)（汪偉和劉玉飛，2017；何冬梅和劉鵬，2020）。

貨幣政策傳導(dǎo)渠道是否通暢，決定著中央銀行運(yùn)用貨幣政策調(diào)控實(shí)體經(jīng)濟(jì)的效果（張永輝等，2023）。近年來(lái)，諸多學(xué)者認(rèn)為我國(guó)貨幣政策的有效性有所下降（戴金平和劉東坡，2016；劉金全和解瑤姝，2016；徐亞平和王蕊，2018）。部分學(xué)者也認(rèn)為，在人口老齡化大背景下，貨幣政策的傳導(dǎo)機(jī)制和作用效果必然會(huì)受到影響（周源和唐曉婕，2015）。作為世界人口大國(guó)，我國(guó)人口老齡化究竟會(huì)對(duì)貨幣政策效果產(chǎn)生何種影響？信貸傳導(dǎo)機(jī)制作為我國(guó)貨幣政策發(fā)揮作用的主要渠道，人口老齡化又對(duì)其產(chǎn)生了怎樣的效應(yīng)？面對(duì)不斷加劇的人口老齡化趨勢(shì)，我國(guó)貨幣政策應(yīng)如何調(diào)整以應(yīng)對(duì)挑戰(zhàn)？本文將深入探討我國(guó)人口快速老齡化與貨幣政策效果之間的潛在關(guān)系，分析人口老齡化對(duì)我國(guó)貨幣政策信貸渠道傳導(dǎo)的影響機(jī)理。本文的邊際貢獻(xiàn)包括：

（1）現(xiàn)有文獻(xiàn)多將研究重點(diǎn)置于人口老齡化對(duì)貨幣政策最終效果的影響上，缺乏對(duì)人口老齡化影響政策傳導(dǎo)機(jī)制的深入探討。本文既從宏觀(guān)層面闡釋我國(guó)人口老齡化如何影響貨幣政策效果，也利用商業(yè)銀行和上市公司的微觀(guān)主體數(shù)據(jù)，進(jìn)行人口老齡化影響信貸渠道效力的實(shí)證分析，對(duì)現(xiàn)有文獻(xiàn)只關(guān)注“總效果”的缺陷進(jìn)行了補(bǔ)充。

（2）實(shí)證方法方面，在進(jìn)行人口老齡化對(duì)貨幣政策影響效果的測(cè)度時(shí)，現(xiàn)有文獻(xiàn)使用了VAR模型、I-VAR模型以及PCH-VAR模型，均假設(shè)經(jīng)濟(jì)變量關(guān)系在樣本期內(nèi)保持不變，模型參數(shù)不發(fā)生變化，導(dǎo)致估計(jì)結(jié)果存在偏誤。本文使用時(shí)變參數(shù)向量自回歸模型（TVP-VAR）來(lái)分析我國(guó)人口老齡化對(duì)貨幣政策效果的時(shí)變影響特征。盡管也有學(xué)者利用TVP-VAR模型探究過(guò)人口老齡化與貨幣政策有效性的問(wèn)題，但其以多個(gè)經(jīng)濟(jì)體為研究對(duì)象，結(jié)論對(duì)我國(guó)適用性不強(qiáng)，而本文的實(shí)證分析則更聚焦于中國(guó)問(wèn)題。

二、理論分析與研究假說(shuō)

（一）人口老齡化與貨幣政策有效性

人口老齡化對(duì)貨幣政策效果的影響不容小覷，學(xué)者們針對(duì)人口老齡化和貨幣政策有效性問(wèn)題進(jìn)行了大量探討研究，結(jié)論卻存在著諸多差異甚至互相矛盾。Imam（2015）研究發(fā)現(xiàn)，利率沖擊對(duì)發(fā)達(dá)經(jīng)濟(jì)體失業(yè)率和通貨膨脹的影響效應(yīng)隨著人口老齡化程度的提升下降。Yoshino和Miyamoto（2019）研究認(rèn)為，日本人口老齡化會(huì)抑制貨幣政策對(duì)消費(fèi)的影響及其對(duì)總產(chǎn)出的調(diào)控效應(yīng)。人口老齡化會(huì)降低社會(huì)對(duì)通貨膨脹的容忍度，削弱貨幣政策對(duì)總需求的調(diào)控能力，提高政策實(shí)施成本，從而降低貨幣政策的有效性（李建強(qiáng)和張淑翠，2018）。此外，F(xiàn)ujiwara和Teranishi（2008）、Kronick和Ambler（2019）以及方顯倉(cāng)和張衛(wèi)峰（2019）的研究均認(rèn)為人口老齡化削弱了貨幣政策的有效性。與之相反的是，Miles（2002）證明了人口老齡化會(huì)強(qiáng)化貨幣政策有效性。相關(guān)研究也表明，美國(guó)老齡化社會(huì)中的貨幣政策目標(biāo)對(duì)政策沖擊的反應(yīng)更為劇烈，人口老齡化會(huì)增強(qiáng)貨幣政策的有效性。

現(xiàn)有文獻(xiàn)認(rèn)為人口老齡化對(duì)貨幣政策效果的影響是基于多條渠道產(chǎn)生的，本文主要針對(duì)以下4條進(jìn)行分析。一是利率渠道，相較于年輕人，老年群體存在較高的資產(chǎn)凈值，借債需求低。老年人口的占比加大將導(dǎo)致全社會(huì)對(duì)利率變化的敏感度降低（Kantur，2013），從而使利率渠道的有效性減弱。二是信貸渠道，人口老齡化導(dǎo)致經(jīng)濟(jì)主體的總體信貸需求顯著下降，使得整個(gè)社會(huì)對(duì)銀行信貸的敏感性下降。人口快速老齡化加大了通過(guò)信貸渠道實(shí)現(xiàn)貨幣政策目標(biāo)的難度。三是財(cái)富效應(yīng)渠道，在發(fā)達(dá)經(jīng)濟(jì)體中財(cái)富更多地集中在老年家庭，人口老齡化會(huì)使財(cái)富效應(yīng)更加明顯（Miles，2002）。但在中國(guó)，“未富先老”的現(xiàn)象突出（鐘水映等，2015）。老年人的財(cái)富積累有限，我國(guó)人口老齡化對(duì)財(cái)富效應(yīng)渠道的正向影響效果可能不如發(fā)達(dá)經(jīng)濟(jì)體顯著（伍戈和曾慶同，2015）。四是風(fēng)險(xiǎn)承擔(dān)渠道，隨著年齡的增長(zhǎng)，人們的風(fēng)險(xiǎn)厭惡程度會(huì)逐漸提升，且傾向于將資產(chǎn)投放于風(fēng)險(xiǎn)和收益較低的投資領(lǐng)域（Imam，2015）。因此，人口老齡化削弱了貨幣政策風(fēng)險(xiǎn)承擔(dān)機(jī)制的有效性。

雖然國(guó)內(nèi)外研究基本認(rèn)同人口快速老齡化會(huì)影響貨幣政策的有效性，但對(duì)其影響方向、程度等方面尚未形成一致結(jié)論。我國(guó)的貨幣政策目標(biāo)是保持幣值穩(wěn)定，并以此促進(jìn)經(jīng)濟(jì)增長(zhǎng)。因此，本文選取通貨膨脹和經(jīng)濟(jì)增長(zhǎng)兩個(gè)指標(biāo)對(duì)貨幣政策的有效性進(jìn)行衡量。在經(jīng)過(guò)人口老齡化影響貨幣政策各傳導(dǎo)機(jī)制分析并充分考慮我國(guó)實(shí)際情況后，提出假設(shè)1。

假設(shè)1：我國(guó)人口老齡化會(huì)抑制我國(guó)貨幣政策有效性，即弱化貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)和通貨膨脹的調(diào)控效果。

（二）人口老齡化與貨幣政策信貸傳導(dǎo)渠道

在我國(guó)，銀行業(yè)主導(dǎo)的間接融資體系仍然是社會(huì)融資的主要來(lái)源，數(shù)量型貨幣政策主要依賴(lài)信貸傳導(dǎo)渠道影響物價(jià)和總產(chǎn)出。因此，信貸傳導(dǎo)渠道被眾多學(xué)者視為我國(guó)貨幣政策的主要傳導(dǎo)渠道（董華平和干杏娣，2015；戰(zhàn)明華和李歡，2018；杜立和錢(qián)雪松，2021）。

Bernanke 和 Blinder（1988）最早提出信貸傳導(dǎo)渠道的觀(guān)點(diǎn)，其將信貸均衡的思想引入IS-LM模型，構(gòu)建了包含信貸市場(chǎng)、貨幣市場(chǎng)和商品市場(chǎng)的CC-LM模型，為貨幣政策信貸傳導(dǎo)機(jī)制的研究奠定了理論基礎(chǔ)。貨幣政策通過(guò)信貸渠道影響產(chǎn)出的過(guò)程見(jiàn)圖1。當(dāng)央行實(shí)施擴(kuò)張性貨幣政策時(shí)，LM曲線(xiàn)①會(huì)因貨幣供應(yīng)量的增加向右平移，導(dǎo)致利率降低，總產(chǎn)出則由Y0上升至Y1。同時(shí)，擴(kuò)張性的貨幣政策導(dǎo)致了銀行信貸供給的增加，CC曲線(xiàn)②也向右平移至CC1，進(jìn)一步推動(dòng)產(chǎn)出水平增長(zhǎng)至Y2。

根據(jù)CC-LM模型，信貸渠道的有效性取決于兩個(gè)關(guān)鍵因素：一是銀行貸款的供給是否有效，即支撐銀行貸款供給的儲(chǔ)蓄存款要能滿(mǎn)足企業(yè)的資金需求；二是企業(yè)的貸款需求是否有效，即由于銀行貸款與其他金融資產(chǎn)之間具有不完全替代性，企業(yè)融資必須高度依賴(lài)銀行信貸資源。

本文針對(duì)以上兩個(gè)因素，從需求和供給兩個(gè)層面進(jìn)行人口老齡化影響信貸傳導(dǎo)渠道的理論闡述。從信貸需求側(cè)考慮，老年群體通常擁有數(shù)量更多的財(cái)富和抵押品，依靠自有資產(chǎn)就能滿(mǎn)足投資和消費(fèi)需求。在進(jìn)行投資和消費(fèi)決策時(shí)，其通過(guò)信貸渠道來(lái)進(jìn)行投資和消費(fèi)的欲望下降（劉金全和隋藝，2023）。人口老齡化降低了居民的住房信貸需求、經(jīng)營(yíng)性信貸需求以及貸款依賴(lài)性強(qiáng)的耐用品消費(fèi)需求（李思多，2020）。此外，咸金坤和陳磊（2022）認(rèn)為人口老齡化會(huì)抑制我國(guó)企業(yè)投資效率，預(yù)期利潤(rùn)的下降致使企業(yè)不愿意進(jìn)行投資擴(kuò)張，也會(huì)減少貸款需求。從信貸供給側(cè)考慮，人口老齡化會(huì)通過(guò)改變商業(yè)銀行的貸款規(guī)模與投向，影響銀行的信貸總量。老齡人口比重的上升，將影響銀行的信貸供應(yīng)結(jié)構(gòu)及行業(yè)分布，商業(yè)銀行的信貸資金逐漸由制造業(yè)等勞動(dòng)密集型行業(yè)轉(zhuǎn)向保健、醫(yī)療等老年產(chǎn)業(yè)（婁飛鵬，2014）。個(gè)人貸款業(yè)務(wù)在辦理時(shí)，銀行就對(duì)貸款者提出了包括年齡、抵押品等多種條件約束以加強(qiáng)風(fēng)險(xiǎn)管理，導(dǎo)致老年人貸款可得性低。因此，在人口老齡化背景下，商業(yè)銀行的信貸供給量將減少。

在我國(guó)，商業(yè)銀行的信貸行為會(huì)因貨幣政策的實(shí)施而發(fā)生改變（許友傳，2012），且信貸市場(chǎng)的信息不對(duì)稱(chēng)和不完全將使得企業(yè)不同方式的融資成本存在差異。對(duì)于大多數(shù)借款者而言，依靠直接融資滿(mǎn)足資金需求并非易事，他們往往通過(guò)間接融資途徑，如通過(guò)銀行貸款來(lái)解決資金需求（饒品貴和姜國(guó)華，2013）。因此，本文在我國(guó)信貸市場(chǎng)現(xiàn)狀符合信貸傳導(dǎo)機(jī)制假定的前提下，利用銀行貸款和企業(yè)融資數(shù)據(jù)，分析人口老齡化對(duì)我國(guó)貨幣政策信貸傳導(dǎo)渠道銀行貸款供給環(huán)節(jié)（信貸供給）以及企業(yè)信貸融資環(huán)節(jié)（信貸需求）的影響，并提出假設(shè)2。

假設(shè)2：人口老齡化會(huì)影響商業(yè)銀行的貸款供給和企業(yè)的信貸融資需求，老齡化人口結(jié)構(gòu)將削弱貨幣政策信貸渠道效力。

三、人口老齡化影響我國(guó)貨幣政策效果的實(shí)證分析

（一）TVP-VAR模型構(gòu)建

TVP-VAR模型被廣泛應(yīng)用于經(jīng)濟(jì)金融領(lǐng)域問(wèn)題的實(shí)證研究中，若假定待估參數(shù)服從一階隨機(jī)游走過(guò)程，TVP-VAR模型就能更準(zhǔn)確地反映變量的結(jié)構(gòu)性突變，避免估計(jì)偏誤問(wèn)題。簡(jiǎn)化的TVP-VAR模型方程見(jiàn)下式：

Yt = Xt β + At-1∑t" εt" ，" " t = s + 1， …， n" " " " " " "（1）

式（1）中，Yt為k×1階向量，Xt=Ik" （Yt-1，…，Yt-s），

其中" 表示克羅內(nèi)克積，Ik為k階單位矩陣。

在上述方程中，為便于估算參數(shù)矩陣At，將At設(shè)定為對(duì)角元為1的下三角矩陣，即

At =

（2）

假設(shè)與上述時(shí)變參數(shù)的結(jié)構(gòu)沖擊均不相關(guān)，即εt ～ N（0， Ik），且

∑t" =

（3）

令at = （a21， a31， a32， … ， ak，k-1）T，ht = （h1t， …， hkt）T，則可以進(jìn)一步簡(jiǎn)化實(shí)證方程，此處ht表示對(duì)數(shù)波動(dòng)率矩陣（SV），且hjt = ln σ2jt（j =1，…， k； t = s +1， …， n）。

假設(shè)參數(shù)均遵循隨機(jī)游走過(guò)程：

βt+1 = βt + μβt；αt+1 = αt + μαt；ht+1 = ht + μht，且

（4）

其中，βt+1 ～ N（μβ0， ∑β0）， αt+1 ～ N（μα0， ∑α0）， μh+1 ～

N（μh0， ∑h0）。為體現(xiàn)不同方程同期關(guān)系的獨(dú)立性，設(shè)定∑α和∑h為對(duì)角形矩陣，且（∑α）i-2和（∑h）i-2服從Gamma分布，∑β服從逆Wishart分布。

（二）數(shù)據(jù)與變量

本文以我國(guó)2000—2022年的季度宏觀(guān)經(jīng)濟(jì)數(shù)據(jù)為研究樣本。為更直觀(guān)地反映我國(guó)經(jīng)濟(jì)總體增長(zhǎng)情況，對(duì)我國(guó)GDP季度數(shù)據(jù)進(jìn)行對(duì)數(shù)處理，并將其作為經(jīng)濟(jì)增長(zhǎng)（ln GDP）的衡量指標(biāo)；在經(jīng)濟(jì)領(lǐng)域，消費(fèi)價(jià)格指數(shù)（CPI）是衡量一國(guó)或地區(qū)通脹水平的重要指標(biāo)，使用我國(guó)CPI季度數(shù)據(jù)的同比變化率作為通貨膨脹（inf）的衡量指標(biāo)；參照喬海曙和程彩蓮（2020）的研究，使用貨幣供應(yīng)量（M2）的季度同比變動(dòng)率代表數(shù)量型貨幣政策（m）；以銀行間同業(yè)拆借7天加權(quán)平均利率（r）表示價(jià)格型貨幣政策。此外，采用學(xué)術(shù)界的廣泛做法，以“老年人口撫養(yǎng)比（ODR）”衡量我國(guó)人口老齡化程度（齊紅倩和劉巖，2020；王博和鄢若蘭，2023），該指標(biāo)通過(guò)計(jì)算“65歲及以上人口數(shù)量/

15—64歲人口數(shù)量”得到。

相關(guān)數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局和WIND數(shù)據(jù)庫(kù)。本文對(duì)于上述時(shí)間序列數(shù)據(jù)進(jìn)行了CensusX12季節(jié)調(diào)整，并對(duì)各變量進(jìn)行了單位根和協(xié)整檢驗(yàn)，檢驗(yàn)結(jié)果滿(mǎn)足模型要求。

（三）模型結(jié)果分析

1.模型參數(shù)結(jié)果分析

參考Towbin和Weber（2013）的研究，本文在TVP-VAR模型中加入貨幣政策變量和人口老齡化衡量指標(biāo)的交互項(xiàng)，使得模型既可估計(jì)貨幣政策的單獨(dú)效應(yīng)，也能估計(jì)人口結(jié)構(gòu)變化和貨幣政策對(duì)經(jīng)濟(jì)目標(biāo)的聯(lián)合影響。本文確定TVP-VAR模型的滯后階數(shù)為3階，根據(jù)經(jīng)濟(jì)理論并結(jié)合格蘭杰因果檢驗(yàn)結(jié)果，將模型變量的順序設(shè)定為（m、r、m×ODR、r×ODR、ln GDP、inf）③。模型的計(jì)算方法為MCMC（馬爾科夫鏈蒙特卡洛模擬）算法，模型的抽樣次數(shù)為10 000次。參數(shù)的估計(jì)結(jié)果見(jiàn)表1。

從表1可知，參數(shù)后驗(yàn)分布均值均處于95%的置信區(qū)間內(nèi)，參數(shù)呈現(xiàn)出一定程度上的集中趨勢(shì)。待估參數(shù)的收斂診斷值（Geweke）均未超過(guò)1.96，表明在5%的顯著性水平下，模型的統(tǒng)計(jì)量不拒絕趨于后驗(yàn)分布的原假設(shè)。無(wú)效因子數(shù)值均不超過(guò)100，最大值僅為60.67，則有效樣本量至少有164個(gè)，說(shuō)明本文構(gòu)建的TVP-VAR模型能進(jìn)行有效估計(jì)。

此外，圖 2中A1—A6為樣本自相關(guān)系數(shù)圖，B1—B6為樣本模擬路徑變動(dòng)圖，C1—C6為后驗(yàn)分布密度函數(shù)圖。首先，樣本自相關(guān)系數(shù)均迅速下降，并逐漸收斂于零值附近，表明樣本不存在顯著的自相關(guān)性。其次，樣本動(dòng)態(tài)模擬路徑平穩(wěn)，波動(dòng)聚類(lèi)現(xiàn)象明顯，表明通過(guò)設(shè)定的10 000次MCMC抽樣能夠捕捉相關(guān)數(shù)據(jù)的動(dòng)態(tài)特性以獲得有效的相關(guān)樣本。最后，樣本后驗(yàn)密度函數(shù)呈現(xiàn)出近似于正態(tài)分布的趨勢(shì)，符合TVP-VAR模型推斷要求。

2.時(shí)變脈沖效應(yīng)分析

（1）等間隔脈沖響應(yīng)分析

TVP-VAR模型可以計(jì)算各變量在不同提前期的脈沖響應(yīng)函數(shù)。提前1期（3個(gè)月）、2期（6個(gè)月）和4期（12個(gè)月）我國(guó)貨幣政策調(diào)整后，經(jīng)濟(jì)增長(zhǎng)和通貨膨脹的動(dòng)態(tài)脈沖響應(yīng)見(jiàn)圖3。

由圖3（a）可知，對(duì)于數(shù)量型貨幣政策的沖擊，經(jīng)濟(jì)增長(zhǎng)在不同的提前期下脈沖函數(shù)走勢(shì)基本一致。給定一個(gè)數(shù)量型貨幣政策沖擊，2010年之前，我國(guó)經(jīng)濟(jì)增長(zhǎng)對(duì)其呈正響應(yīng)，且正響應(yīng)數(shù)值從2000年開(kāi)始呈現(xiàn)逐漸上升的趨勢(shì)，并在2007年前后達(dá)到最大。自2009年起，不同提前期下數(shù)量型貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)的影響發(fā)生了轉(zhuǎn)變，從正向響應(yīng)逐漸變?yōu)樨?fù)向響應(yīng)，各提前期的脈沖響應(yīng)函數(shù)數(shù)值均于2021年達(dá)到負(fù)向最大值。在三個(gè)不同提前期下，提前4期的脈沖響應(yīng)函數(shù)波動(dòng)幅度最大，響應(yīng)的變化值大約為0.074。引入人口老齡化指標(biāo)以后，由圖3（b）可知，數(shù)量型貨幣政策與老年人口撫養(yǎng)比的交互項(xiàng)（m× odr）對(duì)經(jīng)濟(jì)增長(zhǎng)的沖擊從總體效果來(lái)看顯著減小。給定一個(gè)交互項(xiàng)的沖擊，圖3（b）中提前4期的脈沖函數(shù)的響應(yīng)變化值大約為0.025，波動(dòng)幅度明顯降低。提前1期、2期的經(jīng)濟(jì)增長(zhǎng)的響應(yīng)函數(shù)的波動(dòng)范圍也大幅度收縮。這說(shuō)明從中短期來(lái)看，人口老齡化導(dǎo)致貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)的沖擊效果顯著減??；從長(zhǎng)期來(lái)看，其效果也有所削弱。這說(shuō)明人口老齡化抑制了數(shù)量型政策工具對(duì)經(jīng)濟(jì)增長(zhǎng)的調(diào)控效果。

由圖3（c）可知，提前4期數(shù)量型貨幣政策對(duì)于通貨膨脹的沖擊，在2018年前都呈現(xiàn)明顯的正向響應(yīng)，2018年后轉(zhuǎn)變?yōu)樨?fù)向響應(yīng)并在2019年達(dá)到負(fù)向峰值，隨后響應(yīng)程度有所下降。這表明從中長(zhǎng)期來(lái)看，自2000年以來(lái)的較長(zhǎng)一段時(shí)間內(nèi)，我國(guó)數(shù)量型貨幣政策與通貨膨脹的關(guān)系較為穩(wěn)定。但是可能隨著中國(guó)經(jīng)濟(jì)的逐步開(kāi)放，宏觀(guān)經(jīng)濟(jì)環(huán)境愈發(fā)復(fù)雜，這種穩(wěn)定的關(guān)系在一些特殊的時(shí)段也存在反常。另外，提前1期的響應(yīng)函數(shù)波動(dòng)幅度和正負(fù)交替的頻率相對(duì)較大。這也說(shuō)明短期內(nèi)貨幣政策變化能迅速對(duì)通貨膨脹產(chǎn)生影響。在引入人口老齡化指標(biāo)以后，給定交互項(xiàng)（m×odr）一個(gè)沖擊，由圖3（d）可知不同提前期的通貨膨脹在全時(shí)段呈現(xiàn)出負(fù)響應(yīng)，且僅是提前4期的響應(yīng)函數(shù)在有限范圍內(nèi)小幅度波動(dòng)。這表明可能該沖擊對(duì)通貨膨脹不存在直接或間接影響。由圖3（d）可知，其數(shù)據(jù)支持人口老齡化削弱數(shù)量型貨幣政策對(duì)通貨膨脹目標(biāo)調(diào)控效果的觀(guān)點(diǎn)。

由圖3（e）可知，不同提前期經(jīng)濟(jì)增長(zhǎng)對(duì)于價(jià)格型貨幣政策的脈沖響應(yīng)在全時(shí)段內(nèi)均為正響應(yīng)且波動(dòng)趨勢(shì)大致近似，這表明在我國(guó)實(shí)施加息政策并不能夠抑制總產(chǎn)出增長(zhǎng)。這可能是由于我國(guó)的上市公司尤其是國(guó)企傾向于過(guò)度投資，甚至出現(xiàn)投資隨利率水平的提高而上升的“非理性”現(xiàn)象（伍戈和張旭梅，2017）。利率的上升不能削弱企業(yè)投資的意愿，從而促進(jìn)了經(jīng)濟(jì)的增長(zhǎng)。引入人口老齡化指標(biāo)以后，給定交互項(xiàng)（r× odr）一個(gè)沖擊后，圖3（f）中提前4期的響應(yīng)函數(shù)走勢(shì)比較平穩(wěn)，中短期的經(jīng)濟(jì)增長(zhǎng)脈沖響應(yīng)幾乎沒(méi)有波動(dòng)。交互項(xiàng)對(duì)經(jīng)濟(jì)增長(zhǎng)的沖擊效果明顯小于利率對(duì)其的沖擊效果，說(shuō)明人口老齡化降低了價(jià)格型貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)的影響效果。

由圖3（g）可知，對(duì)于價(jià)格型貨幣政策的正向沖擊，提前1期和2期通貨膨脹呈正響應(yīng)，這表明我國(guó)宏觀(guān)經(jīng)濟(jì)可能存在短期“費(fèi)雪效應(yīng)”。即名義利率提高，會(huì)在短期存在通脹上升效應(yīng)（田素華和王麗，2022）。而提前4期通貨膨脹的正響應(yīng)一直呈下降趨勢(shì)，并在2010年由正轉(zhuǎn)負(fù)，意味著我國(guó)價(jià)格型貨幣政策在長(zhǎng)期具有一定抑制通貨膨脹的作用。引入人口老齡化指標(biāo)以后，在交互項(xiàng)（r× odr）的一個(gè)沖擊下，圖3（h）中通貨膨脹提前4期的脈沖響應(yīng)函數(shù)走勢(shì)較之前發(fā)生反轉(zhuǎn)，而且提前1期和提前2期的脈沖響應(yīng)函數(shù)的波動(dòng)幅度較之前大幅減小。提前1期的脈沖響應(yīng)函數(shù)近乎為一條直線(xiàn)，表明這個(gè)特定沖擊對(duì)通貨膨脹幾乎沒(méi)有影響，這說(shuō)明老齡化社會(huì)對(duì)于利率變動(dòng)并不敏感。人口老齡化降低了我國(guó)價(jià)格型貨幣政策調(diào)節(jié)通貨膨脹的效果。

綜上，根據(jù)等間隔脈沖響應(yīng)分析，無(wú)論是數(shù)量型貨幣政策還是價(jià)格型貨幣政策，都會(huì)受到人口老齡化因素的干擾，對(duì)經(jīng)濟(jì)增長(zhǎng)和通貨膨脹的調(diào)控效果被明顯弱化。

（2）特定時(shí)點(diǎn)的脈沖響應(yīng)分析

本文選取三個(gè)時(shí)點(diǎn)進(jìn)行脈沖響應(yīng)分析，分別為2008年第1季度、2016年第1季度以及2020年第1季度。對(duì)比分析次貸金融危機(jī)時(shí)期、2015年股市崩盤(pán)時(shí)期以及新冠疫情時(shí)期我國(guó)經(jīng)濟(jì)增長(zhǎng)和通貨膨脹對(duì)兩類(lèi)貨幣政策工具的脈沖響應(yīng)，結(jié)果見(jiàn)圖4。

根據(jù)圖4（a）可知，數(shù)量型貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)的沖擊在不同時(shí)點(diǎn)的變化趨勢(shì)不同。在2008年經(jīng)濟(jì)增長(zhǎng)面對(duì)M2的一個(gè)沖擊呈正響應(yīng)，說(shuō)明央行通過(guò)實(shí)施寬松貨幣政策，可以較好地發(fā)揮其對(duì)經(jīng)濟(jì)增長(zhǎng)的刺激作用。2016年和2020年經(jīng)濟(jì)增長(zhǎng)對(duì)貨幣政策的響應(yīng)則出現(xiàn)反常，這可能是由于股災(zāi)和新冠疫情對(duì)宏觀(guān)經(jīng)濟(jì)造成的影響足夠大，以至于單一的貨幣政策工具不足以使經(jīng)濟(jì)發(fā)展情況回歸正軌。當(dāng)引入人口老齡化指標(biāo)以后，在交互項(xiàng)（m× odr）的一個(gè)沖擊下，圖4（b）中不同時(shí)點(diǎn)的脈沖響應(yīng)函數(shù)變化趨勢(shì)比較同步。再比較分析2008年的脈沖響應(yīng)函數(shù)以后，發(fā)現(xiàn)人口老齡化抑制了寬松的貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)的正向沖擊效果。

由圖4（c）可知，2016年和2020年通貨膨脹對(duì)于數(shù)量型貨幣政策沖擊起初均呈正響應(yīng)，并在第2期達(dá)到峰值后下降并逐漸趨于平穩(wěn)。2008年通貨膨脹對(duì)于數(shù)量型貨幣政策沖擊開(kāi)始呈負(fù)響應(yīng)，但該響應(yīng)在第2期就由負(fù)轉(zhuǎn)正，并在第5期到達(dá)峰值后趨于平穩(wěn)。在引入人口老齡化指標(biāo)以后，在交互項(xiàng)（m× odr）的沖擊下，圖4（d）中三個(gè)時(shí)點(diǎn)的脈沖響應(yīng)在初期均為0，隨即三個(gè)時(shí)點(diǎn)的響應(yīng)函數(shù)迅速向下延伸，到達(dá)各自的最低點(diǎn)后又逐漸上升。表明人口老齡化會(huì)改變數(shù)量型貨幣政策的通貨膨脹效應(yīng)。中央銀行在實(shí)施數(shù)量型貨幣政策工具時(shí)，除了要注重政策的時(shí)效性，更要將人口老齡化因素考慮進(jìn)去。

根據(jù)圖4（e）可知，不同時(shí)點(diǎn)上給定價(jià)格型貨幣政策的沖擊，經(jīng)濟(jì)增長(zhǎng)響應(yīng)函數(shù)的變化趨勢(shì)比較接近，三個(gè)時(shí)點(diǎn)經(jīng)濟(jì)增長(zhǎng)統(tǒng)一呈正響應(yīng)，而且都大致以“指數(shù)函數(shù)曲線(xiàn)”向上擴(kuò)展。在引入人口老齡化指標(biāo)以后，給定一個(gè)交互項(xiàng)（r× odr）的沖擊，圖4（f）中三個(gè)時(shí)點(diǎn)經(jīng)濟(jì)增長(zhǎng)的脈沖響應(yīng)的響應(yīng)方向和變化趨勢(shì)與未加入人口老齡化指標(biāo)時(shí)完全相反。三個(gè)時(shí)點(diǎn)的響應(yīng)函數(shù)均以“對(duì)數(shù)函數(shù)曲線(xiàn)”向下擴(kuò)展。

由圖4（g）可知，對(duì)于價(jià)格型貨幣政策的沖擊，三個(gè)時(shí)點(diǎn)上通貨膨脹的脈沖響應(yīng)函數(shù)均迅速向上擴(kuò)張，并在約1.5期時(shí)達(dá)到峰值后逐漸下降。表明在這三個(gè)時(shí)點(diǎn)我國(guó)經(jīng)濟(jì)存在短期“費(fèi)雪效應(yīng)”。2016年和2020年的脈沖響應(yīng)函數(shù)在第2期后逐漸轉(zhuǎn)正為負(fù)，2008年的脈沖響應(yīng)函數(shù)也在第5期轉(zhuǎn)正為負(fù)，表明價(jià)格型貨幣政策在長(zhǎng)期起到了對(duì)通貨膨脹的抑制作用。進(jìn)一步，本文發(fā)現(xiàn)在2008年第1季度、2016年第1季度以及2020年第1季度這三個(gè)時(shí)點(diǎn)上，我國(guó)利率上調(diào)對(duì)經(jīng)濟(jì)增長(zhǎng)和通貨膨脹會(huì)呈現(xiàn)一定的順周期效應(yīng)，這也能在一定程度上說(shuō)明中國(guó)利率傳導(dǎo)并不完全通暢，價(jià)格型貨幣政策工具與宏觀(guān)經(jīng)濟(jì)變量在部分時(shí)點(diǎn)仍存在阻塞。在引入交互項(xiàng)（r× odr）后，圖4（h）顯示了三個(gè)時(shí)點(diǎn)通貨膨脹對(duì)交互項(xiàng)的響應(yīng)函數(shù)動(dòng)態(tài)變化與僅是利率沖擊時(shí)的動(dòng)態(tài)變化存在差異。三個(gè)時(shí)點(diǎn)的脈沖函數(shù)起初均呈現(xiàn)出負(fù)響應(yīng)，而且第1期就達(dá)到負(fù)向峰值，且三個(gè)時(shí)點(diǎn)的脈沖效應(yīng)函數(shù)變化方向和趨勢(shì)較之前也顯著不同。通過(guò)圖4（f）和圖4（h）可知我國(guó)人口老齡化對(duì)價(jià)格型貨幣政策調(diào)控經(jīng)濟(jì)增長(zhǎng)和通貨膨脹的能力都存在負(fù)面影響。

綜上，根據(jù)圖4的時(shí)點(diǎn)脈沖響應(yīng)分析，在貨幣政策與人口老齡化指標(biāo)交互項(xiàng)的沖擊下，經(jīng)濟(jì)增長(zhǎng)和通貨膨脹脈沖響應(yīng)函數(shù)的變化方向和趨勢(shì)發(fā)生明顯改變。這表明在這三個(gè)時(shí)點(diǎn)上，貨幣政策和人口老齡化對(duì)宏觀(guān)經(jīng)濟(jì)的聯(lián)合影響，與貨幣政策對(duì)其單獨(dú)的影響有著顯著差異，貨幣政策對(duì)經(jīng)濟(jì)指標(biāo)的影響效果會(huì)受到人口老齡化因素的干擾。

四、人口老齡化影響我國(guó)貨幣政策信貸傳導(dǎo)渠道的實(shí)證分析

（一）人口老齡化對(duì)銀行信貸供給的影響

1.模型與數(shù)據(jù)

借鑒Sanfilippo-Azofra等（2018）和何劍等（2021）的研究思路和方法，本文通過(guò)構(gòu)造老年人口撫養(yǎng)比與貨幣政策的交互項(xiàng)將人口老齡化測(cè)度指標(biāo)納入到面板模型中，分析人口老齡化對(duì)銀行信貸供給的影響。計(jì)量模型設(shè)定如下：

Δln（loan）i，t = α0 + α1Δln（loan）i，t-1 + α2MPt +

α3Sizei，t-1 + α4Liqi，t-1 + α5Capi，t-1 +

α6ODRt + α7MPt × Sizei，t-1 + α8MPt ×

Liqi，t-1 + α9MPt × Capi，t-1 + α10MPt ×

Sizei，t-1 × ODRt + α11MPt × Liqi，t-1 ×

ODRt + α12MPt × Capi，t-1 × ODRt +

δ1Δln（GDP）t + δ2SBt + δ3GSRt +

γi + εit" " " " " " " " " " " " " " " " " " " " " "（5）

式（5）中，被解釋變量loan為銀行貸款供給量。用銀行發(fā)放貸款及墊款凈額衡量。解釋變量MP為數(shù)量型貨幣政策，用M2季度同比增長(zhǎng)率衡量；Size為銀行規(guī)模，用銀行總資產(chǎn)的對(duì)數(shù)衡量；Liq為銀行流動(dòng)性水平，用（現(xiàn)金+存放中央銀行款項(xiàng)+存放同業(yè)款項(xiàng)）/總資產(chǎn)衡量；Cap為所有者權(quán)益占比，用所有者權(quán)益/總資產(chǎn)衡量；ODR為老年人口撫養(yǎng)比，用65歲及以上人口數(shù)量/15—64歲人口數(shù)量衡量?？刂谱兞縎B為影子銀行，用（委托貸款+信托貸款+未貼現(xiàn)銀行承兌匯票）/GDP衡量；GSR為國(guó)債收益率；Δln（GDP）為宏觀(guān)經(jīng)濟(jì)狀況。

本文以我國(guó)41家上市商業(yè)銀行2013—2022年的季度數(shù)據(jù)為研究樣本，銀行財(cái)務(wù)報(bào)表數(shù)據(jù)來(lái)自CSMAR 數(shù)據(jù)庫(kù)，宏觀(guān)經(jīng)濟(jì)數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局和WIND數(shù)據(jù)庫(kù)。對(duì)于少量缺失的數(shù)據(jù)，采用移動(dòng)平均法予以補(bǔ)齊。

2.實(shí)證結(jié)果

對(duì)面板數(shù)據(jù)進(jìn)行模型檢驗(yàn)后，本文首先使用固定效應(yīng)模型進(jìn)行分析。但考慮到動(dòng)態(tài)面板的內(nèi)生性問(wèn)題，進(jìn)一步使用系統(tǒng)GMM的方法對(duì)面板數(shù)據(jù)模型進(jìn)行估計(jì)，且分析結(jié)論以系統(tǒng)GMM的回歸結(jié)果為主要依據(jù)，回歸結(jié)果見(jiàn)表2。其中列（1）和列（3）是銀行信貸供給環(huán)節(jié)檢驗(yàn)的基準(zhǔn)模型結(jié)果，列（2）和列（4）為納入人口老齡化指標(biāo)的拓展模型結(jié)果。

根據(jù)表2列（3）可知，變量MP的系數(shù)為0.106 0，且在5%的水平上顯著，說(shuō)明實(shí)施擴(kuò)張性貨幣政策會(huì)提升銀行貸款供給水平；此外，銀行特質(zhì)變量與政策變量的交互項(xiàng)MP × Size_1以及MP× Cap_1 的系數(shù)也顯著。這表明上市商業(yè)銀行對(duì)貨幣政策變動(dòng)有較強(qiáng)的敏感性，并通過(guò)銀行資產(chǎn)規(guī)模等特質(zhì)變量影響其信貸供給水平。即貨幣政策信貸渠道的銀行信貸供給環(huán)節(jié)效力強(qiáng)勁。這說(shuō)明我國(guó)貨幣政策影響銀行信貸供給的事實(shí)明顯存在。

根據(jù)表2列（4）可知，當(dāng)模型中引入人口老齡化指標(biāo)后，變量ODR的系數(shù)顯著為負(fù)，MP的系數(shù)明顯變小且不顯著，說(shuō)明銀行信貸供給水平對(duì)于貨幣政策的敏感性以及顯著性都明顯降低。交互項(xiàng)MP × Size_1、MP × Cap_1系數(shù)的絕對(duì)值大小和顯著性水平均明顯下降，而且三變量的交互項(xiàng)的符號(hào)全部為正，僅MP × Cap_1 × ODR的系數(shù)不顯著，與未引入人口老齡化指標(biāo)時(shí)MP × Size_1、MP × Liq_1、MP × Cap_1的系數(shù)相反，說(shuō)明人口老齡化削弱了貨幣政策通過(guò)銀行特質(zhì)變量從而調(diào)節(jié)貸款供給的能力。即人口老齡化轉(zhuǎn)變?nèi)趸诵刨J渠道的銀行信貸供給環(huán)節(jié)。

（二）人口老齡化對(duì)企業(yè)外部融資的影響

1.模型與數(shù)據(jù)

Kashyap等（1993）認(rèn)為，企業(yè)負(fù)債結(jié)構(gòu)會(huì)因貨幣政策沖擊而出現(xiàn)差異性，貨幣政策的沖擊會(huì)引起企業(yè)負(fù)債結(jié)構(gòu)中銀行貸款占比的改變。本文參考戰(zhàn)明華等（2020）的研究，對(duì)企業(yè)外部融資環(huán)節(jié)的計(jì)量模型設(shè)定如下：

BSit = c0 + β1BSi，t-1 + β2MPt + β3Sii，t-1 + β4Ini，t-1 +

β5tqi，t-1 + β6MPt × Sii，t-1 + β7MPt × Ini，t-1 +

β8MPt × tqi，t-1 + β9ODRt + β10MPt × Sii，t-1 ×

ODRt + β11MPt × Ini，t-1 × ODRt + β12MPt ×

tqi，t-1 × ODRt + δ1ESI + δ2SBt + γi + εit" " " "（6）

式（6）中，被解釋變量BS為企業(yè)信貸融資占比，用（短期借款+長(zhǎng)期借款）/負(fù)債合計(jì)衡量。解釋變量MP為數(shù)量型貨幣政策變量；Si為企業(yè)資產(chǎn)規(guī)模，用企業(yè)總資產(chǎn)的對(duì)數(shù)值衡量；In為企業(yè)營(yíng)業(yè)收入，用主營(yíng)業(yè)務(wù)收入/總資產(chǎn)衡量；tq為企業(yè)托賓Q值，用企業(yè)近三年的凈利潤(rùn)平均值/總資產(chǎn)衡量；ODR為老年人口撫養(yǎng)比。ESI為宏觀(guān)經(jīng)濟(jì)狀況，用GDP季度同比增長(zhǎng)率衡量；SB為影子銀行。

本文使用我國(guó)滬深兩市部分A股上市公司2013—2022年季度面板數(shù)據(jù)進(jìn)行實(shí)證分析。企業(yè)財(cái)務(wù)數(shù)據(jù)來(lái)自CSMAR 數(shù)據(jù)庫(kù)，宏觀(guān)經(jīng)濟(jì)數(shù)據(jù)來(lái)自WIND數(shù)據(jù)庫(kù)。在剔除ST和金融業(yè)的上市公司，剔除企業(yè)長(zhǎng)、短期借款連續(xù)缺失的上市公司，剔除近三年總凈利潤(rùn)為負(fù)值的上市公司后，最終得到946家上市公司作為樣本。本文還對(duì)上述變量進(jìn)行了頭尾縮減的Winsor2處理。

2.實(shí)證結(jié)果

使用固定效應(yīng)模型和系統(tǒng)GMM模型分析人口老齡化影響企業(yè)外部融資環(huán)節(jié)的回歸結(jié)果見(jiàn)表3。其中列（1）和列（3）為企業(yè)外部融資環(huán)節(jié)檢驗(yàn)的基準(zhǔn)模型實(shí)證結(jié)果，列（2）和列（4）為引入人口老齡化指標(biāo)的企業(yè)外部融資環(huán)節(jié)擴(kuò)展模型實(shí)證結(jié)果。

根據(jù)表3列（3）可知，變量MP的系數(shù)顯著為正，說(shuō)明當(dāng)央行力圖通過(guò)實(shí)施擴(kuò)張性的貨幣政策來(lái)帶動(dòng)總需求的增長(zhǎng)時(shí)，對(duì)企業(yè)的信貸融資規(guī)模會(huì)起到顯著的正向擴(kuò)張作用。即我國(guó)貨幣政策信貸傳導(dǎo)渠道中的企業(yè)外部融資環(huán)節(jié)顯著存在，我國(guó)上市公司的外部融資情況與貨幣政策的實(shí)施密切相關(guān)。

通過(guò)GMM拓展模型實(shí)證結(jié)果不難發(fā)現(xiàn)，在引入人口老齡化指標(biāo)后，變量ODR的系數(shù)符號(hào)顯著為負(fù)。變量MP不僅系數(shù)的絕對(duì)值明顯下降，顯著性水平也隨之降低，說(shuō)明貨幣政策對(duì)企業(yè)外部融資規(guī)模的影響的確會(huì)受到社會(huì)老齡化因素的干擾。即人口老齡化會(huì)在一定程度上弱化信貸渠道中的企業(yè)外部融資環(huán)節(jié)，從而削弱貨幣政策對(duì)宏觀(guān)經(jīng)濟(jì)的調(diào)控能力。

GMM模型結(jié)果顯示，在引入人口老齡化指標(biāo)后，交互項(xiàng)MP × In_1和MP × tq_1系數(shù)的絕對(duì)值呈下降趨勢(shì)，顯著性水平也明顯下降，甚至變得不再顯著。說(shuō)明人口結(jié)構(gòu)變化會(huì)改變企業(yè)的融資環(huán)境，此時(shí)貨幣政策通過(guò)企業(yè)特質(zhì)變量影響企業(yè)外部融資的能力被弱化。同時(shí)三變量的交互項(xiàng)MP × Si_1 × ODR、MP × In_1 × ODR以及MP × tq_1 × ODR的系數(shù)均為負(fù)值，且系數(shù)均至少在10%水平下顯著。模型結(jié)果的符號(hào)以及顯著性水平符合預(yù)期，證實(shí)了前文所提出的假設(shè)2，人口老齡化對(duì)信貸渠道企業(yè)外部融資環(huán)節(jié)產(chǎn)生了明顯影響。

（三）穩(wěn)健性檢驗(yàn)

為確保上述研究結(jié)論的可靠性和有效性，本文更換了人口老齡化衡量指標(biāo)。將我國(guó)老年人口比重（old）作為老年人口撫養(yǎng)比的替代指標(biāo)進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果見(jiàn)表4和表5。結(jié)果表明，在改變?nèi)丝诶淆g化程度的測(cè)度方法后，盡管模型中各變量系數(shù)的絕對(duì)值水平發(fā)生了變化，但符號(hào)、顯著性水平等整體趨勢(shì)保持一致，所以前文結(jié)論具有穩(wěn)健性。

五、研究結(jié)論與政策建議

（一）結(jié)論

本文探討了人口老齡化與貨幣政策效果以及貨幣政策信貸傳導(dǎo)渠道效力之間的潛在聯(lián)系，得出以下幾點(diǎn)結(jié)論，一是隨著人口老齡化的發(fā)展，兩類(lèi)貨幣政策對(duì)經(jīng)濟(jì)增長(zhǎng)和通貨膨脹的調(diào)控效果均會(huì)受到抑制。二是我國(guó)商業(yè)銀行和上市公司能夠迅速對(duì)貨幣政策的實(shí)施做出反應(yīng)，并體現(xiàn)在銀行貸款供應(yīng)和企業(yè)外部融資需求兩個(gè)方面，表明我國(guó)貨幣政策信貸傳導(dǎo)渠道顯著存在。三是人口老齡化對(duì)銀行信貸供給環(huán)節(jié)以及企業(yè)外部信貸融資環(huán)節(jié)都產(chǎn)生了負(fù)面影響，削弱了貨幣政策的信貸渠道傳導(dǎo)效力，進(jìn)而降低了貨幣政策的有效性。

（二）政策啟示

第一，重視人口結(jié)構(gòu)改變的現(xiàn)實(shí)。政府在進(jìn)行貨幣政策的決策和制定時(shí)，要充分認(rèn)識(shí)人口老齡化現(xiàn)象的長(zhǎng)期性，仔細(xì)評(píng)估當(dāng)前人口現(xiàn)狀和發(fā)展趨勢(shì)，密切監(jiān)測(cè)人口老齡化對(duì)貨幣政策各個(gè)傳導(dǎo)渠道的沖擊。此外，還要善于借鑒已經(jīng)歷深度人口老齡化的國(guó)家的貨幣政策經(jīng)驗(yàn)，積極應(yīng)對(duì)政策效果減弱的問(wèn)題。

第二，多樣化宏觀(guān)調(diào)控工具，豐富政策組合。在人口老齡化會(huì)削弱貨幣政策效果的背景下，經(jīng)濟(jì)發(fā)展和金融穩(wěn)定的壓力將日益被其他政策手段所分擔(dān)。因此，央行應(yīng)探索更積極的政策調(diào)控方式，構(gòu)建更完備的宏觀(guān)調(diào)控工具體系，在宏觀(guān)經(jīng)濟(jì)調(diào)控過(guò)程中，實(shí)現(xiàn)與財(cái)政政策、產(chǎn)業(yè)政策等的協(xié)調(diào)配合，以充分發(fā)揮宏觀(guān)調(diào)控政策的效果。

第三，優(yōu)化信貸資源配置。積極引導(dǎo)信貸資金投向，加大信貸資金支持老年產(chǎn)業(yè)發(fā)展的力度。同時(shí)鼓勵(lì)金融機(jī)構(gòu)適當(dāng)擴(kuò)大信貸服務(wù)領(lǐng)域，豐富信貸資產(chǎn)證券化的投資品種，創(chuàng)新更多適合老年產(chǎn)業(yè)的金融產(chǎn)品。通過(guò)改善信貸服務(wù)、提高老年群體在信貸市場(chǎng)的參與率等方法提升信貸需求，以拉動(dòng)經(jīng)濟(jì)增長(zhǎng)。

注釋?zhuān)?/p>

① LM曲線(xiàn)反映的是在貨幣市場(chǎng)實(shí)現(xiàn)均衡的情況下，利率與總產(chǎn)出之間的關(guān)系。

② CC曲線(xiàn)反映的是在信貸市場(chǎng)和商品市場(chǎng)同時(shí)實(shí)現(xiàn)均衡的情況下，利率和總產(chǎn)出之間的關(guān)系。

③ 本文對(duì)變量的順序進(jìn)行了全排列，并隨機(jī)挑選10種排列方式進(jìn)行穩(wěn)健性檢驗(yàn)，檢驗(yàn)結(jié)果顯示，在不同的變量排序情況下，脈沖響應(yīng)函數(shù)圖接近，表明脈沖響應(yīng)函數(shù)的結(jié)果可靠。

參考文獻(xiàn)：

[1] 英潔，宋佳瑩，高傳勝.人口老齡化、醫(yī)療衛(wèi)生支出與就業(yè)——基于健康人力資本與技術(shù)水平的機(jī)制分析[J].西北人口，2024，45（03）：79-91.

[2] 姚玉祥，呂指臣.人口老齡化、社會(huì)保障支出與收入分配[J].云南民族大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2024，

41（02）：68-79.

[3] 汪偉，劉玉飛.人口老齡化與居民家庭消費(fèi)結(jié)構(gòu)升級(jí)——基于CFPS2012數(shù)據(jù)的實(shí)證研究[J].山東大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2017（05）：84-92.

[4] 何冬梅，劉鵬.人口老齡化、制造業(yè)轉(zhuǎn)型升級(jí)與經(jīng)濟(jì)高質(zhì)量發(fā)展——基于中介效應(yīng)模型[J].經(jīng)濟(jì)與管理研究，2020，41（01）：3-20.

[5] 張永輝，宋美霖，陳亮，等.我國(guó)欠發(fā)達(dá)地區(qū)貨幣政策傳導(dǎo)的區(qū)域效應(yīng)研究[J].金融經(jīng)濟(jì)，2023（12）：27-39.

[6] 戴金平，劉東坡.中國(guó)貨幣政策的動(dòng)態(tài)有效性研究——基于TVP-SV-FVAAR模型的實(shí)證分析[J].世界經(jīng)濟(jì)研究，2016（12）：12-24+132.

[7] 劉金全，解瑤姝.“新常態(tài)”時(shí)期貨幣政策時(shí)變反應(yīng)特征與調(diào)控模式選擇[J].金融研究，2016（09）：1-17.

[8] 徐亞平，王蕊.我國(guó)貨幣政策傳導(dǎo)的動(dòng)態(tài)變化與新常態(tài)下調(diào)控優(yōu)化[J].經(jīng)濟(jì)經(jīng)緯，2018，35（05）：151-157.

[9] 周源，唐曉婕.人口老齡化與貨幣政策有效性[J].西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，35（05）：25-32.

[10] 劉梟，李雪，鄭棣.人口老齡化對(duì)我國(guó)貨幣政策傳導(dǎo)機(jī)制的影響[J].財(cái)經(jīng)科學(xué)，2014（09）：41-48.

[11]IMAM P A.Shock from graying： Is the demographic

shift weakening monetary policy effectiveness

[J]. international Journal of Finance amp; Economics， 2015，20（02）：138-154.

[12] YOSHINO N，MIYAMOTO H. How does population aging affect the effectiveness of monetary and fiscal policies？[R].ADBI Working Paper Series， No. 1064， Asian Development Bank Institute （ADBI），2019.

[13] 李建強(qiáng)，張淑翠.人口老齡化影響財(cái)政與貨幣政策的有效性嗎？ [J].財(cái)經(jīng)研究，2018，44（07）： 16-32.

[14] FUJIWARA I， TERANISHI Y. A dynamic new Keynesian life-cycle model： Societal aging， demographics， and monetary policy[J]. Journal of Economic Dynamics and Control，2008，32（08）：2398-2427.

[15] KRONICK J， AMBLER S. Do demographics affect

monetary policy transmission in Canada？ [J]. International Journal of Finance amp; Economics， 2019，24（02）：787-811.

[16] 方顯倉(cāng)，張衛(wèi)峰.人口老齡化與貨幣政策： 研究進(jìn)展與政策啟示[J].上海財(cái)經(jīng)大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2019，21（01）：28-50.

[17] MILES D. Should monetary policy be different in a

greyer world？ [M]. AUERBACH A J， HERRMANN H （eds）. Ageing policy， financial markets and monetary policy， Heidelberg： Springer Berlin Heidelberg，2002.

[18] KANTUR Z.Aging and monetary policy [R].The Macro-economics Study Group Meets Working Paper of Bilkent University，2013.

[19] 鐘水映，趙雨，任靜儒.我國(guó)地區(qū)間“未富先老”現(xiàn)象研究[J].人口研究，2015，39（01）：63-73.

[20] 伍戈，曾慶同.人口老齡化和貨幣政策：爭(zhēng)議與共識(shí)[J].國(guó)際經(jīng)濟(jì)評(píng)論，2015（04）：99-109+6.

[21] 董華平，干杏娣.我國(guó)貨幣政策銀行貸款渠道傳導(dǎo)效率研究——基于銀行業(yè)結(jié)構(gòu)的古諾模型[J].金融研究，2015（10）：48-63.

[22] 戰(zhàn)明華，李歡.金融市場(chǎng)化進(jìn)程是否改變了中國(guó)貨幣政策不同傳導(dǎo)渠道的相對(duì)效應(yīng)？[J].金融研究，

2018（05）：20-36.

[23] 杜立，錢(qián)雪松.影子銀行、信貸傳導(dǎo)與貨幣政策有效性——基于上市公司委托貸款微觀(guān)視角的經(jīng)驗(yàn)證據(jù)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2021（08）：152-170.

[24] BERNANKE B， BLINDER A. Credit， money and aggregate demand[J].American Economic Review， 1988，78（02）：435-439.

[25] 劉金全，隋藝.人口老齡化、信貸渠道和貨幣政策有效性——來(lái)自宏觀(guān)層面和省級(jí)層面的經(jīng)驗(yàn)證據(jù)[J].金融發(fā)展研究，2023（08）：15-23.

[26] 李思多.我國(guó)人口老齡化對(duì)貨幣政策有效性影響的研究[J].區(qū)域金融研究，2020（06）：36-40.

[27] 咸金坤，陳磊.人口老齡化降低企業(yè)投資效率了嗎？——來(lái)自制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J].農(nóng)村金融研究，2022（05）：70-79.

[28] 婁飛鵬.商業(yè)銀行積極應(yīng)對(duì)人口老齡化的思路建議[J].西南金融，2014（02）：27-28.

[29] 許友傳.商業(yè)銀行對(duì)貨幣政策的信貸行為反應(yīng)與分布特征[J].上海經(jīng)濟(jì)研究，2012，24（09）：3-11+29.

[30] 饒品貴，姜國(guó)華.貨幣政策對(duì)銀行信貸與商業(yè)信用互動(dòng)關(guān)系影響研究[J].經(jīng)濟(jì)研究，2013，48（01）： 68-82+150.

[31] 喬海曙，程彩蓮.基于VAR模型，價(jià)格型貨幣政策是否比數(shù)量型有效——以中國(guó)利率市場(chǎng)化和匯率改革為背景[J].投資研究，2020，39（04）：23-41.

[32] 齊紅倩，劉巖.人口年齡結(jié)構(gòu)變動(dòng)與居民家庭消費(fèi)升級(jí)——基于CFPS數(shù)據(jù)的實(shí)證研究[J].中國(guó)人口·資源與環(huán)境，2020，30（12）：174-184.

[33] 王博，鄢若蘭.人口老齡化與外部失衡：基于結(jié)構(gòu)轉(zhuǎn)型視角[J].世界經(jīng)濟(jì)研究，2023（12）：74-88+133-134.

[34] TOWBIN P，WEBER S，Limits" of" floating exchange rates： The role of foreign currency debt and import structure[J].Journal of Development Economics，2013，

101：179-194.

[35] 伍戈，張旭梅.過(guò)度投資、利率變動(dòng)與貨幣擴(kuò)張——基于中國(guó)的實(shí)證研究[J].金融發(fā)展評(píng)論，2017（01）： 14-29.

[36] 田素華，王麗.名義利率上升的通貨膨脹效應(yīng)——對(duì)中國(guó)數(shù)據(jù)的經(jīng)驗(yàn)分析[J].世界經(jīng)濟(jì)文匯，2022（04）：

99-120.

[37] SANFILIPPO-AZOFRA S， TORRE-OLMO B， CANTERO-SAIZ M， et al. Financial development and the bank lending channel in developing countries[J].Journal of Macroeconomics，2018，55：215-234.

[38] 何劍，魏濤，劉炳榮.數(shù)字金融、銀行信貸渠道與貨幣政策傳導(dǎo)[J].金融發(fā)展研究，2021（02）：3-13.

[39] KASHYAP A K， STEIN J C， WILCOX D W. Monetary policy and credit conditions： Evidence from the composition of external finance[J]. American Economic Review， 1993，81（01）：78-98.

[40] 戰(zhàn)明華，湯顏菲，李帥.數(shù)字金融發(fā)展、渠道效應(yīng)差異和貨幣政策傳導(dǎo)效果[J].經(jīng)濟(jì)研究，2020，55（06）： 22-38.

（責(zé)任編輯：唐詩(shī)柔）

Does Population Aging Affect the Effectiveness of Monetary Policy Transmission？

—Evidence from the Credit Channel

YANG Cheng， CHEN Yumin

（ School of Finance ，Yunnan University of Finance and Economics ）

Abstract： This paper employs a time-varying parameter vector autoregression model （TVP-VAR） that includes stochastic fluctuations to focus on the time-varying impact characteristics of population aging on the macroeconomic regulation capacity of monetary policy in China. Based on the important role of the credit transmission channel of monetary policy in China， and using the CC-LM model as a theoretical basis， the paper analyzes the impact of aging on the monetary policy credit transmission mechanism. The results from the time-varying parameter VAR model indicate that population aging reduces the effectiveness of monetary policy in China， specifically manifested as aging suppressing the regulatory effects of quantity-based and price-based policy tools on economic

growth and inflation. Population aging negatively affects both the bank credit supply and corporate credit financing，

weakening the effectiveness of the monetary policy credit channel， and this conclusion remains valid even after changing the measurement indicators for population aging. This paper argues that the formulation and decision-making

of monetary policy in China should fully consider the factor of population aging， and that the effectiveness of monetary policy regulation in the context of aging can be enhanced through a richer policy mix and reforms to the credit transmission mechanism.

Keywords： Population aging; Effectiveness of monetary policy; Credit transmission; TVP-VAR model; System GMM estimation

收稿日期：2024-05-14

作者簡(jiǎn)介：楊" "鋮，博士，講師，云南財(cái)經(jīng)大學(xué)金融學(xué)院，研究方向?yàn)殚_(kāi)放經(jīng)濟(jì)理論與政策、國(guó)際金融、理論經(jīng)濟(jì)。

陳育民，通訊作者，碩士研究生，云南財(cái)經(jīng)大學(xué)金融學(xué)院，研究方向?yàn)楹暧^(guān)經(jīng)濟(jì)政策。

本文感謝匿名審稿專(zhuān)家的意見(jiàn)，文責(zé)自負(fù)。