Chapter 2 文獻回顧
2.2 貨幣政策論證-權衡與法則
2.2.2 權衡論
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
9
更不穩定。數十年來，支持法則論與權衡論的學者不斷利用理論模型與實證支持 其論點。往下，本文以權衡與法則孰優的角度回顧相關文獻，彙整近年來學者們 對該議題的闡述與實證結果。
2.2.1 法則論
Robert Lucas 於 1976 的文獻中提到，施政當局駕馭權衡政策的能力並沒有 法則政策來的佳。Kydland and Prescott (1977)、Calvo (1978)、Barro and Gordon (1983)指出，當政府當局存在擴充產出的動機時，考慮到政策執行的時間落差 (time inconsistency)，強調權衡性的貨幣政策容易導致較高的長期通貨膨脹。因 此，若央行採行法則性政策，並信守其政策承諾，便能降低政策執行下的通膨偏 差(inflation bias)。Cho and Kasa (2003)利用適應性預期(adaptive learning)取代理性 預期建立模型，解釋金融危機發生的原因。該篇文章指出，若政府低估通貨貶值 的緊縮效果，採即時性的權衡政策很可能引發金融危機。Taylor and Williams (2011)整理近年來的相關文獻，認為一個簡單的貨幣「法則」，遠比某些最適化 模型下的貨幣政策或者更複雜的政策組合來的有效。
Delli Gatti et al., (2005), Raberto et al., (2008)以代理人基經濟學的角度出發，
針對權衡與法則的議題進行研究。Delli Gatti et al., (2005)建構涵蓋廠商、勞工、
中央銀行的經濟體系，模擬央行採行權衡與法則兩貨幣政策的結果。模擬結果顯 示，法則型的貨幣政策比權衡式貨幣政策更能有效地降低產出缺口的波動性。
Raberto et al., (2008)比較隨機性貨幣政策與法則政策對經濟的影響，結果也指出 法則性政策較能夠穩定產出缺口以及通貨膨脹，增進社會福利。透過以上文獻，
可歸納出法則優於權衡的論點，法則論者認為權衡政策不僅難以控制，還帶有引 發經濟金融危機的風險。
2.2.2 權衡論
許多主張權衡論的學者們認為法則政策並不能應付詭譎多變的經濟情況；
即使權衡性貨幣政策有缺失，配合彈性的調整機制，還是可發揮應有作用。近年，
部分實證文獻認為某些國家的中央銀行還是使用偏權衡性的貨幣政策。什麼原因 使得央行改採權衡式的施政策略?部分可歸咎於政治因素。Olmelo (2002)提到，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
10
當選舉將至，執政者可能會對貨幣當局施壓，強迫央行做出政策改變以影響選舉 結果。Blinder (2000)表示，在貨幣獨立性不高的國家，央行容易受制於政治力量，
隨著執政者的理念來更動貨幣政策。從總體經濟的角度來討論，使央行採行權衡 式政策的另一個重要原因，可能是景氣循環。
景氣循環與貨幣政策的關係，一直是經濟學家關心的課題。究竟，央行是否 會依據景氣現況，改變貨幣政策?Altavilia and Landolfo (2005),Castro (2008)發現，
歐盟央行(ECB)和英國央行在不景氣時的行動比景氣擴張時積極，表示景氣循環 在貨幣政策的決定過程中扮演了重要腳色。某些實證文獻指出，央行可能將某總 體經濟變數做為景氣循環的指標，制定一門檻值作為貨幣政策的調整依據；門檻 型的施政方法隱含了權衡特色，表示施政者會隨著景氣波動調整政策參數。一旦 景氣過熱，使該經濟變數偏離門檻值，央行會使用較緊縮的貨幣政策來抑制通貨 膨脹等情況；當景氣指標低於門檻值，經濟出現下波警訊，央行會改採溫和的貨 幣政策來刺激產出，使國內經濟不致過度萎靡。
Blinder (1998), Taylor and Davradakis (2006)認定央行面對正向產出缺口與負 向產出缺口時，會有不同的施政考量。Kazanas, et.al, (2011)考慮不對稱的非線性 泰勒法則，將產出缺口做為為景氣循環的門檻型指標，實證結果顯示，當景氣繁 榮，產出缺口大於門檻值，央行會調高泰勒法則的參數，使用緊縮的貨幣政策；
當景氣轉壞，產出缺口低於門檻值，為了刺激產出，央行會調低政策參數，改採 較寬鬆的貨幣政策。
總結以上可知，在不同模型基礎及不同經濟環境下，或許權衡與法則各有其 適合的發揮空間。因此，為了將研究議題拓展至權衡與法則的論證，本文除了參 考 Chen et al., (2012)的代理人基社會網路新凱因動態隨機一般均衡模型，另外加 入 Kazanas et.al, (2011)的門檻實證設定，模擬權衡與法則政策下的經濟情況，在 代理人基社會網路與新凱因斯總體模型的框架下比較不同政策選擇對產出缺口、
通貨膨脹等經濟變數的影響。詳細設定將於第三章詳述。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
11
Chapter 3 模型介紹
3.1 社會網路
3.1.1 網路結構定義
在學術文獻中，常以對稱矩陣(symmetric matrix)的型式來詮釋網路結構。簡 單來說，網路結構(Graph)是眾多節點(node)與連線(Edge)的集合，每個節點都代 表一個獨立的代理人(agent)，各節點之間的關係使用連線來表示。符號定義如下:
{
,}
, 1,...,{ }
,{
ij: ,}
G= N E N = n E= b i j∈N
ij ji
b =b
用G=
{
N E,}
表示某網路結構， N 為節點集合， E 為連線關係集合。假設有 一個由 n 個節點組成的網路結構，令網路結構中其中一個節點為代理人 i (agent i)，剩餘的 n-1 個節點都有機會與代理人 i 相連。若網路結構中某節點 j 與節點 i 互 相連線，表示兩節點(代理人)可能存在某種關係(舉例:家人、朋友)，這裡定義
ij 1
b = ；相反的，若節點 i 與節點 j 之間沒有連線，表示兩節點間不存在直接關係，
代理人 i 與代理人 j 可能素不相識，因此定義bij = 。根據以上定義，代理人 i0 與其他節點的關係可用一個1 n× 的矩陣來描述。將每位代理人與其他節點的關係 矩陣堆疊起來，會得到一個n×n的對稱矩陣。利用對稱矩陣，可以表達出不同 結構的網路拓樸。以下介紹本次實驗所使用的網路結構。
3.1.2 網路結構拓樸(Network Topologies) (1) 完全連結網路(Fully Connected Network)
假定某網路結構內共有 n 個節點(代理人)，若每個節點與其他節點的連線總數皆 為 n-1，表示網路內每個節點都能彼此連線，連結程度百分之百，學理上稱作完 全連結網路(Fully Connected Network)，如圖 3.1。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
12
(2) 環狀網路(Circle Network): k=1
假設網路結構內每個節點都在自己左右兩側尋找距離最近的節點做連線，連線數 目為 k。連線數量(k)的多寡可以決定網路結構的形態。若每個節點與兩側節點的 連線數為 1(k=1)，表示每個節點在兩側各有一個認識的人，該連結型態被稱為環 狀網路(Circle Network)，如圖 3.2。
圖 3.1 Fully Connected Network
圖 3.2 Circle Network
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
13
(3) 規則網路(Regular Network):k=2
比照前述概念，若每個節點與兩側節點的連線數為 2，表示每個節點在兩側各有 兩位認識的人，此型態被稱作規則網路(Regular Network)。(圖 3.3)
(4) 小世界網路(Small-World Network)與隨機網路(Random)
小世界網路是由 Watts and Strogatz (1998) 所提出，著重群聚度 (Clustering Coefficient)與最短路徑長度(Path Length)的概念，是接近真實世界特色的網路結 構。群聚度表示某代理人(agent)之連線節點之間的連線(熟識)程度，路徑長度表 示兩節點之間的平均距離。一個理想中的網路結構應具有高群聚度與平均路徑短 的特色。參照以上衡量標準，可發現規則網路(Regular network)的群聚度低，路 徑長度短；隨機網路(Random network)的群聚度高，路徑長度大，兩者皆不盡理 想。因此，Watts 與 Strogatz 以規則網路為基礎，提出介於規則網路與隨機網路 的小世界網路結構(Small-World Network)。小世界網路結構與規則網路、隨機網 路最大的不同之處，在於它具有高群聚度以及較短平均路徑的特色，是網路結構 的理想型態。設定如下:
假設社會網路中有 n 個節點，每個節點對網路內其他節點的連線總數為 k，
各節點皆擁有一隨機機率 p， p 代表該節點捨棄舊的連線節點，尋找新節點重新 連線的機率(rewiring probability)。當p=0，網路形式為最原始的規則網路；若
1
p= ，網路結構轉為隨機網路。在隨機網路中所有網路結構內的節點皆以隨機 方式連結，沒有一定的規則，涵蓋了各式各樣的連結型態；因此，當某個網路連 結形態過於複雜，無法使用單一網路結構來表達，就可以使用隨機網路來模擬。
調整重新連線機率值(p)，可建構出不同的小世界網路。本文實驗設計的 p 值依序為: 0 , 0.1 , 0.3 , 0.5 , 0.7 , 0.9 , 1，可建構出規則網路(Regular)、小世界網 路 01(SW01, p=0.1)、小世界網路 03(SW03, p=0.3)、小世界網路 05(SW05,
0.5
p= )、小世界網路 07(SW07,p=0.7)、小世界網路 09(SW09,p=0.9)、以及 隨機網路結構(Random)。小世界網路與隨機網路見圖 3.4，3.5。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
14
圖 3.3 Regular Network
圖 3.4 Small-World Network: p=0.1
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
15
圖 3.5 Random Network: p=1
圖 3.6 ScaleFree Network
‧
(5) 無標度網路(Scale-Free Network)
無標度網路(Scale-Free Network)的網路型態廣泛存在於現今社會，是非常普遍的 網路結構。舉凡如全球通訊網路(WWW, Internet,見Albert et al,.1999；Faloutsos et al,1999)、電話網路與電子郵件網路(Aiello et al.,1999；Ebel et al.,1999)等，都可 發現無標度網路的蹤跡。無標度網路有幾個重要特色:
‧
(2) 平均群聚度(Average Clustering Coefficient)
群聚度表示某節點之連線節點彼此的相連程度，舉例來說，假設某節點 i 擁有兩
‧
(3) 最短平均路徑(Average Path Length)
最短平均路徑(APL)表示網路結構中兩節點之間連線的平均最短距離。平均路徑
(4) 中介中心性(Betweenness Centrality)
前述的幾個網路統計指標大致涵蓋了連結性的概念。往下介紹網路分析指標中另 一個重要概念:中心性(Centrality)。透過中心性分析，研究者可以不同的角度衡量 節點的重要程度(Opsahl et al., 2010)。本文選用中介中心性(Betweenness Centrality) 與相鄰中心性(Closeness Centrality)作為中心性指標的代表。
中介中心性指標可追溯於 Linton Freeman 的文章(Freeman, 1977)。中介中心 性指的是某節點居中掌握兩非相鄰結點之間互動關係的能力。假設節點 j 與節點 k為兩互不相鄰之節點，節點 j 與節點 k 之間存在一節點 i，而節點 i 與節點 j、
節點 k 同時都有連結；若節點 j 欲與節點 k 進行交流互動或資訊傳遞，此時節點 i 就扮演了所謂的中介腳色，控制了節點 j 與節點 k 的互動關係。若網路結構中 某節點位於許多非相鄰節點之可能連線的最短路徑中(geodesic)，統計上就認定
‧
(5) 相鄰中心性(Closeness Centrality)
相鄰中心性(Closeness Centrality)為另一個衡量網路中心性的指標(Freeman, 1978;
Wasserman and Faust, 1994；Opsahl et al., 2010)。網路結構研究中以「鄰近」與「距 離」來定義相鄰中心性。基於效率的經濟考量，若某節點與其餘所有節點的距離
‧
‧
包含總合需求曲線(Aggregate Demand Equation, AD)、菲利浦曲線(Aggregate Supply Equation (New Keynesian Philips Curve, AS)及泰勒法則(Taylor’s Rule)三條 方程式，分述如下。
‧
‧
et al., 2005, Adolfson et al., 2008)。若能正確估計泰勒法則中之參數，可改善新凱 因斯動態隨機一般均衡模型之設定，使該模型更貼切的描述整體經濟狀況。因此，本文參考 Kazanas et al. (2011)的實證方法，以非線性門檻型泰勒法則詮釋央行的
「權衡性政策」，另以一般線性型態的泰勒法則作為「法則」的政策代表，建構