大流行病时代的通货膨胀驱动因素和全球溢出（英）

不适用。1080 NOVEMBER2023 大流行时期的通货膨胀驱动因素和全球溢出效应 朱利安·迪·乔瓦尼|埃布纳姆·卡伦利-奥兹坎|阿尔瓦罗·席尔瓦| 穆罕默德 大流行时期的通货膨胀驱动因素和全球溢出效应 朱利安·迪·乔瓦尼、埃布纳姆·卡伦利-厄兹坎、阿尔瓦罗·席尔瓦和穆罕默德·A·耶尔德·勒姆 纽约联邦储备银行员工报告，2023年11月1080号 https://doi.org/10.59576/sr.1080 Abstract 我们估计了一个多国家、多部门的新凯恩斯主义模型，以量化包括美国在内的多个国家2020-23年国内通胀的驱动因素。该模型将观察到的通货膨胀与部门一级的价格和工资相匹配。我们进一步衡量了不同类型的冲击对各国通胀的相对重要性。关键机制是通过全球联系在国际上传递需求，供应和能源冲击，这有助于我们与美元/欧元汇率的行为相匹配。量化练习产生了四个关键发现。首先，对生产要素，劳动力和中间投入的负面供给冲击，最初引发了2020年的通货膨胀。 21.全球供应链和生产互补性在这一初始阶段发挥了放大作用。第二，积极的总需求冲击，由于刺激政策，扩大了供需失衡，在2021-22年期间进一步放大了通胀。第三，商品和服务部门之间的消费重新分配，一种相对部门层面的需求冲击，在通过全球贸易和生产网络在各国之间传播这些不平衡方面发挥了作用。第四，全球能源冲击对美国有不同的影响S.相对于其他国家的通货膨胀率。此外，能源和其他生产投入之间的互补性在这些冲击对通货膨胀的定量影响中起着特别重要的作用。 JEL分类:E2,E3,E6,F1,F4 关键词：通货膨胀，国际溢出效应，全球生产网络 乔瓦尼：纽约联邦储备银行，CEPR(电子邮件：jlia。digiovai@y。frb.org).Kalemli-Ozca：马里兰大学，CEPR，NBER（电子邮件：alemli@md。ed）。席尔瓦：马里兰大学（电子邮件：asilvb@md。ed） 。Y?ld?r?m:HarvardUiversity,KoçUiversity(email:mhammed_yildirim@hs.哈佛。ed）。作者感谢2023年意大利银行-欧洲央行-世界银行“全球经济中的贸易，价值链和金融联系”研讨会的参与者，《国际经济杂志 》的国际经济暑期学校（2023年版）。)，以及澳洲联储年度会议(2023年)，以获取有见地的评论。 本文介绍了初步的发现，并分发给经济学家和其他感兴趣的读者，以激发讨论并引起评论。本文表达的观点是作者的观点，不一定反映纽约联邦储备银行或联邦储备系统的立场。任何错误或遗漏均由作者负责。 要查看作者的披露声明，请访问https://www.newyorkfed.org/research/staff_reports/sr108.html。 “一开始，许多预测家和分析师。认为通货膨胀的突然上升主要是与大流行有关的需求构成变化，供应链中断以及劳动力供应急剧下降的函数。由此产生的供需失衡导致一系列受流行病影响最直接的物品，特别是商品的价格大幅上涨。但在2021年第四季度，数据明显变化。只有逐步恢复全球供应链，相对较少的工人重返劳动力大军。新的冲击在2022 年2月到来，当时俄罗斯入侵乌克兰，导致能源和其他商品价格急剧上涨。很明显，降低通胀将取决于消除前所未有的大流行相关的需求和供应扭曲，以及我们收紧货币政策，这将减缓总需求的增长，让供应时间赶上。” 杰伊·鲍威尔的讲话，第24届雅克·波拉克年度研究会议，国际货币基金组织，2023年。 1Introduction 在过去三年中，发达国家经历了四十年来未曾见过的通货膨胀率。这一通货膨胀事件的根本原因仍在争论中。本文建立了一个新凯恩斯主义的开放经济模型，以量化几个国家，特别是美国和欧元区的总体通货膨胀的关键驱动因素。我们基于该模型的量化工作与观察到的总体通货膨胀经验以及耐用品，非耐用品，服务和能源部门的部门级价格和工资变化相匹配。 该模型允许部门和总量层面的多种冲击。微观供需冲击的核算对部门和总量水平的就业/产出-通胀权衡具有重要意义，因为当负面供给冲击和正面需求冲击同时发生时，这种权衡可能会更糟。从这个意义上讲，我们论文中的框架类似于中开发的框架。封闭经济Baqaee和Farhi(2022)和Rubbo的论文 (2023a)。通过将模型扩展到开放经济，我们突出了 在世界各地传递冲击，这不仅有助于我们与几个国家观察到的通货膨胀率以及汇率变动相匹配，还使我们能够量化中国封锁政策和俄罗斯-乌克兰战争对美国和欧元区价格和工资造成的冲击的影响。 对我们的全球结构性宏观经济网络模型的估计使我们能够量化过去三年中不同国家在不同时期推动大流行时期通货膨胀的不同力量，同时显示出跨部门和国家之间相互联系的重要性。我们也量化了全球通胀上升的三个不同阶段的以下叙述。 在我们的开场白中突出显示。在2020-2021年的早期阶段，大流行引起的生产要素稀缺引起的供应冲击，例如受限的进口中间体和国内劳动力，引发了通货膨胀。这一时期的特点是当地和全球供应链瓶颈，要素成本上升，包括进口中间投入的价格以及国内劳动力市场的疲软。产品价格的最初上涨-布兰查德和伯南克（2023年）以及洛伦佐尼和沃宁（2023年）也强调了这一集，这是我们模型匹配的重要特征。此外，考虑到早期的负面劳动力供给冲击，该模型能够与2020年初观察到的实际工资上涨相匹配，然后在2021年下降。 在第一阶段，特别是在发达国家，也有大规模的财政一揽子计划和宽松的货币政策。旨在缓解高失业率带来的经济困难的财政计划分为不同阶段，持续到2022年。宽松政策导致的总需求冲击通过刺激低供应世界的需求而加剧了原有的供应链瓶颈问题，导致2021-2022.1第二阶段的通胀上升。最后阶段（2022-2023年）的特点是俄罗斯入侵乌克兰，考虑到能源价格的影响，通货膨胀进一步加剧，尤其是在欧洲。 通过扩展封闭经济Baqaee和Farhi(2022)对多个国家, 我们将国内或国外特定部门劳动力供给（和其他生产要素）的下降与所有国家的总产出，工资和通货膨胀联系起来 。该模型结合了一个全球生产网络，该网络允许中间产品的贸易和生产的互补性。2强调具有无弹性的要素供应和要素稀缺的要素市场与其他几个要素相结合：（i）标准总需求冲击（e。Procedre，财政刺激和宽松/紧缩的货币政策）和名义工资刚性下降，（ii）特定部门的需求冲击，以及（iii）通过俄罗斯能源部门提供的特定能源部门的全要素生产率冲击，这些冲击捕获了战争导致的能源价格冲击。我们的量化练习确定了这些冲击对国内通胀的贡献。 Thebaselineanalysisincludesseveralotherfeaturesthathelpmatchthedata.First,giventheshort-runcomparactionbetweenfactorsofproductioninthedata(e.g.,Boehm,Levchenko, 1正如迪·乔瓦尼、卡莱姆利-奥兹坎、席尔瓦和耶尔德·鲁姆(2023)所显示的那样，美国的三个财政一揽子计划推动了60 2021-2022年期间美国通货膨胀率的百分比。美国财政计划的日期为2020年12月，2021年3月，2021年12月。 2卡莱姆利奥兹坎斯，耶斯尔塔和耶尔德勒姆（）也将巴卡伊和法尔希（）扩展到 多个国家，专注于通过没有名义刚性的生产网络的实际产出损失。 和Padalai-Nayar，2023），在使用数据一致弹性的模型校准中，给定国家部门中任何投入短缺的影响都会放大到全球生产中。正如Gagliardoe和Gertler（2023）所强调的那样，就石油作为投入与家庭劳动之间的互补性而言，这一特征尤为重要。其次，我们假设细分的要素市场（劳动力和资本），其中各个部门的重新分配是有限的，与这一时期的数据一致。3第三，使用有关要素的跨境所有权的信息，我们解决了模型一致的汇率和贸易差额，跟踪他们在数据中的观察值。4模型是非线性的，需要通过计算来解决。然而，像Baqaee和Farhi（2022）一样，我们的框架允许为每个国家的通货膨胀率提供分析一阶近似解，与Baqaee和Farhi（2022）不同，在开放经济环境中，这是所有国家和部门的冲击的函数。 该模型在2020-2023年期间与美国和欧元区观察到的通货膨胀相匹配方面表现良好。鉴于来自美国，欧元区，俄罗斯以及包括中国在内的世界其他国家的实时部门级数据的局限性，量化工作是针对四个地区-四个部门的汇总世界的。我们收集了各国部门层面的就业和消费份额、总支出和季度能源价格的数据，以构建我们的一系列冲击。我们将这些数据与详细的数据结合起来。大流行前跨国投入产出 表，以便首先在初始稳态下求解模型，然后冲击稳态 每个季度都有部门层面和总体冲击，并解决世界上所有国家部门的价格、工资、资本租金和产出率以及汇率问题 。请注意，非线性模型可以解决所有价格和数量，包括模型隐含的“新”全球网络（支出）在冲击下的份额。5 然后，我们将每个季度的总价格同比通胀计算为对数-给定季度与上一年同一季度之间的差异。 3如Fernald和Li（2022）所示，在2020-2022年期间，劳动力从低工资到高工资/生产率部门的重新分配的贡献非常小，为0.18 ％，而劳动生产率增长了1.1％。 4我们的方法是本着Dekle，Eaton和Kortum（2007，2008）的精神，专注于资本（要素收入）流入，但与Baqaee和Farhi（即将到来）不同，Baqaee和Farhi（即将到来）适应标准汇率确定，并具有针对关税冲击的完全工资刚性。另见Gourinchas等人（2021），他们解决了固定汇率下经常账户的变化。 5OECD和美国BEA关于网络投入产出份额的数据都有5-7年的滞后，因此2020-2021年的实际网络支出份额要到2025-2027年才能知道。 该模型每个季度通过提供相对于大流行前时期定义的冲击来求解。我们收集各期冲击后的CPI水平，并使用这些来计算2020Q1-2022Q4之间基于模型的通货膨胀率。因此，尽管我们在模型中没有持久性，但我们仍然能够在时间序列上绘制出通货膨胀的路径。为了总结模型生成的通货膨胀率与年度水平的数据相比有多好，我们计算给定年份中每个季度的特定季度同比通货膨胀率，然后取给定年份这些数字的算术平均值。基准模型得出的美国2020年、2021年和2022年的通货膨胀率为2.30、8.61和6.37，而这些年的实际总体通货膨胀率分别为1.23、4.98和7.72％。因此，我们的模型预测通货膨胀率与平均值数据中观察到的通货膨胀率大致匹配。 接下来，为了量化通货膨胀的来源，我们分别将每个冲击输入模型，以计算它们对通货膨胀的贡献。这个练习产生了一个有趣的通货膨胀驱动因素的历史分解。例如，对于2020年的美国，仅考虑部门层面的供应冲击将产生2.62％的通胀（高于现实）；仅包括部门层面的需求冲击将产生0.93％的通胀（低于现实）；仅包括。 总需求冲击会产生−0.28%的通货膨胀率(远低于现实)， 只有能量冲击会导致−0.32%的通货膨胀。这些发现表明，最初供应冲击更为重要，总需求冲击是通货膨胀- 在2021年，部门层面的供应冲击将产生的通货膨胀率为−1.74%；仅部门级需求0.65，仅总需求7.88，仅能源1.12，说明 总需求冲击在2021年更重要，因为实际通货膨胀大约是5％。在2022年，部门层面的供应冲击只会产生通货膨胀 率−1.07%，部门层面要求通货膨胀率为−0.18%，总需求 通货膨胀率为7.57％，能源通货膨胀率为1.69％。因此，如果没有在2021年下半年和整个2022年充当反通胀力量（通过部门级供应冲击衡量）的供应链的改善，实际通货膨胀率将高得多。 转向欧元区的结果，该模型在匹配趋势方面也表现良好 6该模型超过了2021年的通胀，但如第4节所述，这是由于经济重新开放带来的