中国溢出效应：综合和企业层面的证据（英）

中国溢出：总量和公司级证据 AlexanderCopestake,MelihFirat,DavideFurceri&ChrisRedl WP/23/206 国际货币基金组织的工作文件描述了作者正在进行的研究，并发表以征求意见和鼓励辩论。 IMF工作文件中表达的观点是作者的观点，不一定代表IMF ，其执行局或IMF管理层的观点。 2023 OCT ©2023国际货币基金组织WP/23/206 货币基金组织工作文件 亚太部 中国溢出：总体和企业层面的证据 由亚历ft大·科普斯塔克、梅利·菲拉特、大卫·弗塞里和克里斯·雷德编写* 授权由ShanakaJ.Peiris发行 2023年10月 国际货币基金组织的工作文件描述了作者正在进行的研究，并发表以征求意见和鼓励辩论。IMF工作文件中表达的观点是作者的观点，不一定代表IMF，其执行局或IMF管理层的观点。 摘要：我们估计了中国不同类型的经济放缓对全球国家和企业的影响。首先，我们将结构向量自回归框架与中国国内经济活动的广泛度量相结合，以区分中国增长的供求成分。然后，我们使用本地预测模型来评估其他国家（公司）对GDP增长（收入）的这种冲击的反应。我们发现：（i）供需放缓与合作伙伴GDP和公司收入的大幅下降有关；（ii）与中国有更强贸易联系的国家和公司的负面溢出效应更大；（iii）在总量和公司层面，中国供应冲击的溢出效应强于需求冲击的溢出效应。 JEL分类编号：F14、F16、F44关键字:供需分解；中国溢出效应作者的电子邮件地址： *本文的初步版本以“中国经济放缓带来的增长溢出”为题。对于有帮助的意见和建议，我们感谢国际货币基金组织亚太部的同事以及国际货币基金组织，欧洲央行和芬兰银行-中国人民大学关于“中国现代化之路”会议的研讨会参与者。 1.Introduction 自2001年加入世界贸易组织以来，中国在全球经济中发挥着越来越重要的作用，成为全球主要的制造 业中心和重要的需求来源，尤其是对亚洲而言。中国在全球产量中的份额从1995年的2%上升到2018 年的16%（图1）。在2000-14年期间，中国占全球增长的三分之一，并在全球金融危机（GFC ）之后提供了重要的平衡，当时世界其他地区的需求异常疲软（Dizioli等人，2016）。中国最终需求的作用也有所增加，从1995年占全球产量的0.3％增加到2018年的2.2％。中国对制造业投入的需求，以及越来越多的自身最终消费，与世界其他地区建立了重要的联系。这些在亚洲尤其重要，在亚洲，中国内需吸收的产出份额从1％上升到6％（图2）。 然而，根据国际货币基金组织2022年10月的《世界经济展望》（图3），中国的经济增长 预计将在短期内放缓，就像我们在中期一样：从2010-2019年的平均7.7%降至约5%的中期平均水平。中期增长的下降反映了生产率增长放缓和人口迅速老龄化，以及决策者期望的增长组合从投资转向国内消费(IMF，2023)。自COVID-19以来观察到的放缓既有供应方面的因素，也有需求方面的因素，从暂时的封锁引发的产能限制，到房地产行业持续疲软后信心的普遍下降。鉴于中国通过贸易和金融网络与全球经济深度融合，这种国内增长冲击将对世界其他地区产生影响，影响范围从广泛的宏观经济政策到单个企业层面的狭隘决策。 虽然有几项研究考察了中国GDP增长的跨国溢出效应，但几乎没有一项研究区分需求冲击和供给冲击。鉴于不同类型的冲击有可能产生不同的影响，这一点很重要。在短期内，持续的房地产危机带来的需求驱动的溢出效应可能会占主导地位，而在中期，供应方面的因素——特别是生产率放缓和劳动力萎缩——可能会发挥更大的作用。在本文中，我们通过估计大量国家和公司样本的中国经济由供应和需求驱动的放缓所产生的明显溢出效应来填补这一空白。 我们分三步进行。首先，我们确定组成(需求与供应）从结构向量自回归（SVAR）模型驱动中国活动的国内冲击：国内需求冲击被确定为与活动和价格下降相关的冲击，而国内供应冲击被确定为活动下降但价格上涨的冲击。SVAR模型的结果表明，需求冲击在我们样本的第一部分(截至2014年)占主导地位，而供应冲击最近更为重要，特别是在与COVID-19大流行相关的封锁期间(图 4)。 其次，我们使用Jordà（2005）的本地预测框架来衡量这些冲击对50个发达国家和新兴国家的总体跨国溢出效应。该分析的结果表明，与需求冲击相比，中国供给冲击带来的跨国溢出效应更大 ，更多。将我们的冲击调整为相当于GDP下降1％，我们发现供应冲击导致其他国家的GDP在2年后累计下降0.6％，而对于需求冲击，即使在4年后，这个数字也只有0.4％。这种差异的主要渠道是与需求冲击相比，对与供应相关的投资支出的影响更大。这反映了全球价值的关键作用。 从中国传递冲击的链条；事实上，我们发现，在与中国有更强贸易联系的国家，供应冲击溢出效应更大。 最后，我们使用公司层面的数据，并使用CapitalIQ的季度资产负债表数据，估算了中国增长对61个国家和20个行业的20,000家公司收入的影响。这些数据的使用在有关中国溢出效应的文献中是新颖的，并且有两个主要好处。首先，样本的广度使我们能够利用国家之间和国家内部的差异，而数据的高（季度）频率特别适合估计中国冲击的动态影响。其次，我们的细粒度数据使我们能够控制无法观察到的国家和行业因素，包括为应对中国经济放缓而可能制定的任何国内政策变化。 我们首先运行我们的总体回归的公司级类似物，发现在需求或供应冲击相当于中国GDP下降1％的两年后，各国的平均公司收入分别下降了1.6％和1.4％。从总体结果来看，供应冲击的下降速度略高于需求冲击。将冲击与每个公司行业对中国的出口份额相互作用，我们再次发现贸易联系会放大负面溢出效应。 然后，我们充分利用我们的粒度数据，区分在更依赖中国最终需求的部门运营的公司（产出联系）和在更依赖中国中间投入生产的部门运营的公司（投入联系）。我们运行一个灵活的规范，估计所有四个供应链排列冲击（需求-产出，需求-投入，供给-产出，供给-投入）的边际影响。与理论一致，我们发现需求冲击对与中国有很强产出联系的公司有负面影响，供给冲击对与中国有很强投入联系的公司有负面影响，以及其他两个渠道。 在统计上是微不足道的。1经过四年的中国供给冲击通过投入联系的总影响大约是中国需求冲击通过产出联系的影响的三倍。在一个标准差比平均水平高一个标准差的行业中，一家公司的收入下降了0.6个百分点，以应对相当于中国GDP下降1％的负面供应冲击。 总而言之，我们的结果显示，中国经济放缓带来了巨大的总体和企业层面的溢出效应，这些溢出效应在与中国有更强贸易联系的国家和企业中尤为明显。中国供应驱动的放缓带来的溢出效应尤其显著，投资在总量和企业层面的反应越来越快，与中国供应商联系更紧密的行业企业受到的影响更大 。Ibroadterms,oecathioforresltsassggestigaaalogosbtivertedcoterpartytothe‘globalfiacialcycle’(Rey,2013):aegativedemadshocitheworld’slargestsorceofdemadpropagatesstroglytotherestoftheworldth2020年)，而我们发现，全球最大生产国的供应冲击通过生产联系强烈传播到世界其他地区。 相关文献：Ouraggregateresultsareintheupperrangeoftheestimatesfoundintheliterature,where spilaversfroma1percentagepointdecreasedinChinesegrowthhavebeenestimatedtobeintherangeof0.15to0.8percentagepoints.Cashinandothers(2016)andDizoli 1在进口竞争溢出的背景下，Acemogl，Acigit和Kerr（2015）从理论上表明，需求冲击将主要向上游传播（i。e.，通过产出联系)，而供应冲击将主要向下游传播(即e.，通过输入链接)。在他们采用柯布-道格拉斯偏好和技术的主要模型中，需求冲击只向上游传播，供给冲击只向下游传播。模型的一般化(例如g.，Acemogl，Ozdaglar和Tahbaz-Salehi，2016)建议在相反的方向上效果有限。Acemogl，Acigit和Kerr（2015）对美国的实证结果-包括中国出口驱动的负面需求冲击的影响-支持Cobb-Doglas版本。 andothers(2016)employGVARmodelsfindinga1percentdecreaseinChineseGDPgrowthisassociatedwitha0.2percentagepointdecreaseinglobalgrowthand0.3percentagepointdecreaseingrowthforASEAN5economies.Duvalandothers(2014)findthatspir 增值贸易联系较弱的经济体为0.15%。Frceri，Jalles和Zdzieica（2017）估计3年后GDP平均下降 0.4％。巴塞罗那和其他国家（2022年）发现，全球GDP增长0.3％，而中国的信贷增长占GDP的1％。Hidrom等人（2020）研究了七个最大的新兴市场的溢出效应，发现来自中国的溢出效应是最大和最广泛的。他们估计中国的全球溢出率为0.8％。Szajdersa和Kapscisi（2020）估计了GVAR和逐个国家的贝叶斯VAR，发现贝叶斯VAR模型的溢出效应（从0到1.4％不等）明显大于GVAR估计（从0到0.5％不等）。 文献中很少有公司层面的估计，尽管Ahja和Nabar（2012）发现了工业生产和股票价格的可比大小的影响。继Ator，Dor和Haso（2013）之后的大量文献关注中国扩张对美国和全球劳动力市场的影响（例如g.，Dath，Fideise和Sedem，2017），而Bloom，Draca和VaReee（2015）发现中国企业内部创新竞争加剧带来了积极的溢出效应，Iacavoe，Rach和Witers（2012）发现中国投入的作用日益增强会增加公司收入。最后，我们的发现，中国供应冲击特别影响下游，客户公司与通过生产网络传播冲击的文献一致（例如，见Acemogl等人，2012）。 我们的论文与以前的工作在三个主要方面有所不同。首先，大多数溢出效应研究都使用官方GDP来衡量中国的增长冲击（例如，Cashi，Mohaddes和Raissi2016；Dizioli等人201l；Frceri，Jalles和Zdzieica2017）。最近的研究强调了使用广泛的指标来准确捕捉中国经济活动的重要性（巴塞罗那和其他2022;Ferald，Hs和Spiegel2021）。这是因为在短时间内发生的非常大的结构变化可能会使精确测量具有挑战性（Ferald，Hs和Spiegel2021），但也由于大数据修订（Siclair2012）和能源强度的惊人波动中国GDP（Owyag和Shell2017）。我们的基线估计使用由Ferald，Hs和Spiegel（2021）开发的旧金ft联邦储备银行的中国周期性活动跟踪器（以下简称CCAT）来衡量中国的整体活动。其次，文献通常不会根据推动中国国内活动的冲击类型来区分溢出效应。大多数论文都考虑了对中国经济增长的一般冲击，而没有使用国内数据来确定冲击是需求还是供应驱动。巴塞罗那和其他（2022）是一个例外，因为他们都使用了中国活动的广泛代理，并衡量了由信贷冲动特别驱动的中国冲击。然而，他们的溢出估计基于全球总数据，我们的估计依赖于50个国家的面板。最后，据我们所知，我们是第一个估计中国的溢出效应的公司，涵盖了发达和新兴市场经济体的大样本 。 2他们