台灣總體經濟信用管道之探討

全文

(1)2004 年亞太區域研討會. 台灣總體經濟信用管道之探討. 吳中書* 陳立修**. 民國 93 年 6 月 6 日. *中研院經研所研究員政治大學合聘教授台灣大學兼任教授 **政治大學經濟學系碩士班研究生.

(2) 一、. 前言. 1985 年以來我國經濟與金融環境歷經了很多大的變故，1987 年至 2000 年間股市與房地產的飆漲埋下了日後泡沫經濟的危機。1991 年後新銀行、新保險以及新票劵等金融機構的大量成立，造成金融機構營運所面臨的競爭壓力驟然劇增。此外，1995 至 1996 年間，兩岸政治情勢的緊張、1997 年亞洲金融危機的爆發、1999 年大地震以及 2000 和 2001 年國際景氣的大幅回軟，都使經濟與金融情勢更加惡化。由表一中我們可以看出 1987 年後我國的實質國內生產毛額呈現逐步走低的趨勢，消費者物價指數之年增率亦出現逐漸盤低的走勢，此趨勢的變化若以 1997 年為區隔點，則尤為明顯。值得注意的是，就在我國經濟成長呈現逐步趨緩的同時，本國一般銀行放款的年成長率亦呈現逐步走低的趨勢。再者，若對照準備貨幣與貨幣機構放款的走勢，可明顯看出在 1997 年之前準備貨幣的變動趨勢大體與本國銀行放款呈現正的相關性，但在 1997 年之後兩者間的相關性似乎出現了變化。根據傳統的經濟理論，當一個國家面臨流動性陷阱時，擴張的貨幣政策無法有效提升其實質產出。由表一中我們可以看出我國的隔夜拆款利率在近幾年是呈現逐步下滑的變動趨勢。此現象是否反應對於提升實質產出，我國貨幣政策所能扮演的角色並不多？在本文中我們將建立一個結構向量自我迴歸模型(Structural Vector Autoregression Model)探討我國信用管道與實際經濟的關聯性，並分析在 1997 年亞洲金融危機爆發後，信用管道與實質經濟之關聯性是否產生變化。雖然金融結構 (financial structure) 對經濟體系的重要性在既有的文獻中一值被討論著，如 Fisher (1933)、Gurley and Shaw (1955)、 Mishkin (1978)、Bernanke (1983)、Hamilton (1987)、Gertler& Gilchrist (1993)、Walsh& Wilcox (1995)與 Friedman(1999)，但並未獲得主流經濟研究者的重視。近年來由於日本經濟的持續低迷與亞洲金融危機的發生，使金融結構在經濟體系中所扮演的角色再度獲得經濟學家的重視。然而在討論金融因素與經濟體系的互動關係時，既有文獻大多. 1.

(3) 是根據金融加速理論 (financial accelerator theory) 加以探討，如 Williamson(1986, 1987)、Bernanke & Gertler (1989)、Moore (1993)、Bernanke (1996)。該理論認為當實質經濟體系產生干擾時會經由金融體系而使該干擾對經濟的衝擊效果加以放大與加速。在該理論中，金融結構所扮演的角色僅是干擾因素影響實質經濟體系所可能出現的多種管道之一種，並未考慮到當金融結構發生變化時其可能會獨立的影響實質經濟體系。例如知名公司的倒閉所造成資金的竄逃，匯率與資金價格大幅波動所造成股市的動盪，以及產業間投資結構的轉變…等。因此本文在研究信用管道在我國經濟體系中所扮演角色時，我們沿用 Safaei & Cameron (2003) 所設立的模型，將信用因素作為影響實質經濟體系的干擾來源之一。誠如 Gertler& Gilchrist (1994) 所指出，政府的政策對於經濟體系中的大小廠商可能存在不同的影響效果；Oliner & Rudebusch (1995) 與 Huang (2003)亦指出貨幣政策對於信用管道在不同類別的廠商間的確存在差異性的影響效果。由於我國過去幾年，信用受限制的對象大多是較不具競爭力的傳統產業，或財務出現警訊的企業體，信用管道對經濟體系的影響可能因個人或家計單位，以及民營企業而有所差異。因此本文在討論以本國一般銀行放款所代表的信用變動對經濟體系之影響時，我們將之區分為本國一般銀行對個人與家計單位放款，以及本國一般銀行對民營企業放款兩種不同性質的放款。本文的章節架構除了本節的前言外，在第二節中我們將說明所設立含有獨立信用因素的結構向量自我迴歸模型。第三節為實證結果與分析；第四節則根據衝擊反應函數 (Impulse Response Function) 分析干擾對各總體變數的衝擊動態效果；第五節為結論與未來研究方向。. 二、. 結構向量自我迴歸 (SVAR) 模型. 本文中我們選擇五個變數來描述經濟體系的狀態，其分別為：產出 ( Y )，物價水準 ( P )，貨幣存量 ( M )1，信用 ( L )，以及貨幣政策變數 ( B )。在既有. 2.

(4) 文獻中可以採利率或準備貨幣作為代表貨幣政策的政策變數。如表二中所列，我國自 1990 年初期即設立貨幣成長目標區，為達成該目標區，央行會採公開市場操作或調整存款準備率與重貼現率的方式使準備貨幣趨近目標值。固然在某些期間，央行會考慮市場利率作為其執行貨幣政策的依據，但近年來利率呈現逐步走低的現象且利率走勢並非完全由央行所引導，若以利率作為央行反應變數，並未能合理的反應央行執行政策的實際狀態。因此在本文中我們採準備貨幣(B)作為貨幣政策變數。由上述五個變數所形成的結構向量自我迴歸模型可被表示如下. (1). AYt = BYt-1 + ut. 其中 Yt = [ Y , P , B , M , L ]′，A 為反應總體經濟體系當期相關性的５x 5 參數矩陣，B 則是各變數之延遲期對各總體變數當期值之影響係數所組成的５x 5 參數矩陣，ut = [ uy , up , ub , um , ul ]′ ，為彼此獨立之各結構式殘差值。結構模型殘差值 ( u )與縮減式 (reduced form) 模型殘差值(ε) 之相關性可表示如下 Aεt. =. ut. (2) 其中 εt = [εy , εp , εb , εm , εl ]′為縮減向量自我迴歸模型之殘差值。我們所設立結構向量自我迴歸 (SVAR) 模型包含了五個方程式，由此推導的縮減向量自我迴歸 (RVAR) 模型之殘差變異與互變異數矩陣存在 15 個未知的元素。而我們僅有 SVAR 模型５個殘差值變異數的訊息，要能夠剛好認定 (just-identification) A 矩陣需要再加上 10 個限制條件，在本文中我們沿用 Safae & Cameron(2003)模型的設立，將考慮９個零限制與一個相等式限制後的結構向量自我迴歸模型表示如下： εy = a1 (εl – εp) + uy (3) (+) 3.

(5) εp = a2εy + up (4) (+) εb = a3εy + a4εp + a5εm + ub (5) (-) εm. (-) =. (? ) a6εy. +. a7εp. +. um. (6) (+) εl. (+) = a8εp. +. (?). (?). a9εb. +. a10εm. +. ul. (7) (+). 方程式(3)是代表總需求關聯性，該式假設實質產出是由需求所決定，自發性需求干擾對產出是直接產生衝擊並非是經由物價。此外，在此產出函數中允許實質信用干擾對產出具影響力，且依據既有信用管制的相關文獻，此係數應為正。方程式(4)可視為總供給函數，總需求干擾對物價的影響效果與菲律浦曲線相一致，當總需求干擾增加時會使物價上揚。至於通貨膨脹自身干擾對物價波動的影響可當作是供給面干擾，而此供給面干擾可能源自於技術進步，勞動供給改變，或税制的變動。方程式(5)是代表影響準備貨幣的可能因素，此函數形式亦可解釋為貨幣當局的政策反應函數。當產出非預期的增加時，貨幣當局會減少準備貨幣，價格非預期的上升亦會採較為緊縮的貨幣政策。方程式(6)是描述對名目貨幣之需求。根據傳統的數量理論，當物價與實質產出擴增時，會增加對名目貨幣的需求。至於技術創新或金融改革等因素包含於貨幣供給干擾 um 項目中。方程式(7)可視為信用供給的函數。準備貨幣的擴增或縮減會影響信用的增減，且貨幣需求的變動會影響銀行存款的高低進而影響資金需求與信用的取得。此外，反映金融創新與管制等因素之結構信用干擾對信用供給亦將產生衝擊效果。 4.

(6) 三、結構向量自我迴歸模型之估計結果 3.1 實證變數選取與研究期間本文所選取的變數分別是以消費者物價指數代表物價(P)；實質國內生產毛額代表產出(Y)；貨幣供給額 M1B 代表貨幣數量(M)；信用則是分別以本國一般銀行對個人與家計單位放款(LI)，與本國一般銀行對民營企業放款(LB)來表示；貨幣政策的政策變數是以準備貨幣(MB)所代表 2。由於本國一般銀行對個人與家計單位放款以及對民營企業之放款資料僅能朔及 1987 年 1 月，因此我們以 1987 年 1 月為我們實證分析的起始點。此外，誠如前言中所提及我國經濟與金融情勢在 1997 年 7 月亞洲金融危機爆發之前與之後似乎存在相當大的差異，故我們在從事實證估計時將期間區分為 1987 年 1 月至 1997 年 7 月以及 1997 年 8 月至 2003 年 12 月兩個子期間 3。本文資料來源為教育部 AREMOS/EPS 資料庫中心與中華民國金融統計月報。由於實質國內生產毛額並不存在月資料，我們僅以工業生產指數為權數將實質國內生產毛額的季資料轉換成月資料 4。. 3.2 單根檢定與 VAR 模型落後期之選取當利用 VAR 模型作估計之前，要先確定是否變數為定態(stationary)，若不為定態則須將其作差分方可進行，否則將造成虛假迴歸(spurious regression)的現象。在此我們採用 ADF 與 PP 這兩個較常用的單根檢定方式來對所有變數作檢定，其中 ADF 檢定時之最適落後期數是依據最小 AIC 來選取，而 PP 檢定時則是採用 Newey-West 所建議的 trunction lag。我們將結果列於表三與表四。由表三中可知，第一期間(1987:1-1997:7)時所有變數不論是經由 ADF 還是 PP 檢定都認定具有單根的性質，故在 SVAR 估計之中我們將第一期間的所有變數均取對數後差分。另外，表四中除了準備貨幣在兩種檢定呈現不同的結果外，. 5.

(7) 其餘也都是 I(1)的數列；即便準備貨幣在採 PP 檢定時是為 I(0)，但畢竟有的情況下會是 I(1)，亦即具有單根的性質，所以在這期間我們亦將所有變數取對數並作一階差分。最後，我們主要根據 AIC 值將 VAR 的最適落後期數設為 2 5。. 3.3 估計結果解釋在表五中我們列出估計期間為 1987 年 1 月到 1997 年 7 月且以準備貨幣為貨幣政策變數之估計結果 6。值得注意的是模型中估計係數的 t 值大多很小，此現象普遍存在於結構向量自我迴歸模型的估計。其主要理由是在 VAR 模型中擁有太多的變數要估計，且遲延變數間往往存在明顯的共線性問題。由表中我們可以看出將放款區分為本國一般銀行對個人與家計單位放款，以及對民營企業放款所得的實證結果存在若干差異之處。首先實質放款的增加若是以個人與家計單位為主體則對實質國內生產毛額具有正面刺激效果，但若以民營企業為對象雖然符號是正但不顯著異於零，此結果顯示再亞洲金融危機爆發以前對個人與家計單位非預期實質放款的增加對於提升經濟成長是有助益的，但該效果卻未能出現在對民營企業的放款，此或許是因為民營企業並未將多增加的放款導入投資活動中。其次，非預期準備貨幣的增加對於民營企業的放款具正面擴張作用；但對個人與家計單位放款的助益並不顯著。此或許是由於在 1997 年之前消費金融並不盛行，金融機構的放款以企業融資為主軸，因此當準備貨幣非預期的增加時會將多餘的準備貨幣用於企業融資而不是消費融資，此現象亦可由準備貨幣非預期增加對民營企業放款是顯著正相關中獲得驗證。雖然本國一般銀行對個人與家計單位放款，以及對民營企業放款在實證上具有上述兩點差異，但在其餘的估計上差異並不大。尤其值得注意的是，在準備貨幣反應函數中，產出非預期的增加政府貨幣當局會採緊縮的貨幣政策，但若面臨非預期貨幣需求的增加，政府會採融通的政策。至於在物價波動方面，符號並未能被理論所合理解釋，但均不顯著異於零。 6.

(8) 若我們將估計期間改為 1997 年 8 月至 2003 年 12 月，則我們發現實質放款非預期的增加在個人與家計單位方面對實質產出的衝擊效果仍然異於民營企業放款，對個人與家計單位放款的增加對實質產出具較顯著的正面衝擊。然而令人感興趣的是，準備貨幣非預期的擴增，在 1997 年 8 月以後的期間其反而是對個人與家計單位放款具正面顯著關聯性；對民營企業放款卻未見顯著關聯性，此結果與根據 1997 年 7 月以前期間所獲得的估計結果恰巧相反。乍看之下令人不解，但若觀察 1997 年以來我國經濟與金融情勢的發展狀態則就不足為奇。1997 年以後由於亞洲金融風暴後遺症的擴散，再加上金融業惡性競爭的加速，造成全體金融機構的逾期放款快速攀升。金融機構對於企業的放款在逾放居高不下的情況下放款意願低落，但是為尋求資金的運用，大都積極拓展消費金融業務，或許這是我們獲得準備貨幣非預期擴增對個人放款具正面提升作用而對企業放款則否之原因。. 四、衝擊反應函數 (Impulse – Response Function) 根據結構向量自我迴歸模型估計所得的結構參數，我們可計算出不同干擾對各變數之衝擊反應，藉此可解釋各干擾因素對相關變數之衝擊動態過程。雖然模型是以一階差分的方式加以估計，為了獲得更易於解讀的實證結果，我們仿效 Safaei & Cameron (2003)的作法，變數是以採對數的形式計算其衝擊反應。由於在我們的結構 VAR 模型中涵蓋了五個變數，每個變數皆存在五個衝擊反應，為了簡化起見，我們僅在圖一到圖八中列出所關心變數之衝擊反應。在圖一與圖二中我們分別列出於 1987 年 1 月至 1997 年 7 月本國一般銀行對個人與家計單位放款，以及對民營企業放款干擾對各變數之衝擊反應。由圖一可看出，個人與家計單位放款對實質產出具顯著的正向衝擊，其效果在 8 個月後逐漸產生。相對的，民營企業放款對實質產出亦具正面衝擊效果，但並不顯著異於零。. 7.

(9) 圖三與圖四分別為 1987 年 1 月至 1997 年 7 月準備貨幣干擾在包含不同放款對象之經濟體系中對各變數的衝擊反應。圖三是顯示在個人與家計單位放款的經濟體系中準備貨幣干擾的衝擊效果，由圖中可以看出準備貨幣干擾對個人與家計單位放款的影響效果並不顯著異於零。相對的，由圖四顯示準備貨幣干擾在延遲一個月的期間內對民營企業的放款具顯著的正面刺激作用。上述的結論與結構 VAR 模型的估測結果頗為相近。圖五至圖八則是重覆上面的實證分析，不同之處僅是將研究期間改為 1997 年 8 月至 2003 年 12 月。在圖五與圖六中無論是對個人與家計單位的放款或是對民營企業的放款，這兩種放款的干擾對實質產出皆具顯著正向衝擊。其中個人與家計單位放款衝擊之正效果在四個月後開始顯著，至一年後效果逐漸消失；民營企業放款干擾之正向衝擊效果則是侷限於一至三個月的期間點。至於在 1997 年 8 月以後的期間點，準備貨幣干擾對個人與家計單位放款的衝擊效果由圖七顯示要較 1997 年 7 月前的期間顯著許多，其正向的刺激效果一直到九個月後才逐漸不顯著異於零。然而在此期間準備貨幣干擾對民營企業放款雖具正面刺激效果，但並不顯著。以上的實證結果大致與結構 VAR 模型之估計結果相一致，以本國一般銀行對個人與家計單位放款，以及對民營企業放款所代表的信用管道無論在 1997 年之前或之後對實質產出皆具顯著的的刺激作用。其中只有對民營企業放款在 1997 年 7 月之前的正面效果較不顯著。其主要原因可能是在該期間民營企業放款非預期的增加並未被使用於對實質產出有助益的民間投資上面；此外，準備貨幣干擾的產生在 1997 年 7 月之前僅是對民營企業放款具期初的刺激效果，1997 年 7 月以後其刺激效果主要是集中在個人與家計放款方面。此結果可能是因為在 1997 年 7 月之前，金融機構之放款主要是針對企業融資，在 1997 年 7 月之後，亞洲金融風暴的發生使金融機構營運風險大增，對企業融資態度轉趨保守，且將營業中心移至消費金融所致。. 8.

(10) 五、結論與未來研究方向本文採用 Safaei & Cameron (2003)的研究方式，從一個由簡單經濟理論所建立的 SVAR 模型來分析銀行放款對象不同對實質經濟造成的影響。由於台灣的經濟與金融體系於 1997 年 7 月亞洲金融風暴爆發以後便產生相當大的轉變，所以為了進一步探討不同的銀行放款對象在不同期間對實質經濟的影響，且為了凸顯亞洲金融風暴此因素，我們將研究期間分為兩階段以便進行估計與分析。儘管 SVAR 估計結果中部分參數之符號並不符合理論的預期，且為了獲致更易於解釋的結果而妥協地直接採用取對數後的變數進行衝擊反應分析，但不可否認的，實證的結果的確提供了我們一些對經濟現象的合理解釋。首先，2 種分析方式都指出一般銀行的個人與家計單位放款對實質產出具有正面的衝擊效果，而一般銀行企業放款的效果則較不顯著；此或許是因為企業未將放款拿去作有利於實質國內生產毛額的民間投資所致。值得注意的是，該現象在亞洲金融風暴發生前情況較為普遍。此外，準備貨幣在兩期間對不同放款對象的影響並不因分析方法改變而變動，兩者皆指出亞洲金融風暴爆發前，國內消費金融並不盛行且銀行放款主要是針對企業作融資，故準備貨幣非預期的增加會對一般銀行的企業放款產生正面刺激作用，也就是在此一期間以企業為放款對象的信用管道存在，而以個人與家計單位為放款對象的信用管道並不暢通。亞洲金融危機發生後由於消費金融的逐漸盛行加上金融機構對企業放款趨於保守使得準備貨幣非預期的增加有助於個人與家計單位放款的增加，但對企業放款並無助益。在本文的研究裡，我們所採的結構 VAR 模型主要是沿用 Safaei & Cameron (2003)所設立的模型。在從事實證估測時，我們並未詳細檢驗模型對台灣經濟的適用性。而此問題也是採結構 VAR 分析時，最常被人質疑的問題。找尋一個更能描述台灣經濟現象的結構 VAR 模型，將是值得投入的研究方向。. 9.

(11) 表一：各變數歷年(1987-2003)的變動率(%) 變數. GDP. CPI. R*. MB. M1B. LI. LB. 年 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003. 12.74 7.84 8.23 5.39 7.55 7.49 7.01 7.11 6.42 6.1 6.88 4.57 5.42 5.86 -2.18 3.59 3.24. 0.51 4.14 25.38 46.42 NA NA 1.28 4.88 20.90 30.12 35.58 30.57 4.42 7.34 18.97 13.36 23.78 26.51 4.12 10.49 7.69 -2.80 14.56 15.12 3.62 7.39 7.89 5.87 12.24 16.75 4.47 6.88 12.31 15.44 25.56 25.33 2.94 6.41 10.53 8.22 12.96 19.07 4.10 6.13 13.46 16.94 16.98 16.07 3.67 6.19 8.69 4.76 14.02 10.91 3.08 5.44 5.63 4.13 11.79 -1.62 0.89 6.85 7.30 13.82 15.52 5.76 1.69 6.56 4.78 2.52 12.79 17.05 0.17 4.77 5.37 9.87 6.09 15.37 1.26 4.73 5.00 10.58 2.81 8.93 -0.01 3.69 1.13 -1.02 0.26 -2.04 -0.20 2.05 1.78 17.01 -1.91 -4.24 -0.28 1.10 5.28 11.82 4.69 0.61. * 表中所列 R (金融業隔夜拆款利率) 為歷年水準值. 10.

(12) 表二：歷年貨幣成長目標區西元 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004. 民國. M2 成長目標區 (%) 10-15 10-15 10-15 10-15 9-14 9-14 6-12 6-11 6-11 5-10 3.5-8.5 1.5-5.5 2.5-6.5. 81 82 83 84 85 86 87 88 89 90 91 92 93. *資料來源：中央銀行年報. 11.

(13) 表三. 第一期間(1987:1-1997:7)各變數之單根檢定. 變數. 水準值 ADF. 一階差分 PP. ADF. PP. LNP. 0.313. -0.08. -5.829***. -19.06***. LNY. -1.03. -1.8. -9.02***. -51.03***. LNLI. -2.16. -2.79. -3.03**. -8.26***. LNLB. 0.196. -0.013. -10.603***. -10.67***. LNMB. 1.116. 3.11. -1.76*. -10.96***. LNM1B. -0.41. -1.21. -2.598*. -11.41***. *單根檢定中虛無假設為具有單根，而表中差分 ADF 與 PP 值***表 1%顯著水準下拒絕虛無假設，**表 5% 下拒絕虛無假設，*表 10%顯著水準下拒絕虛無假設。. 表四. 第二期間(1997:8-2003:12)各變數之單根檢定. 變數. 水準值 ADF. 一階差分 PP. ADF. PP. LNP. 0.543. 0.887. -8.76***. -18.207***. LNY. 2.73. 2.17. -3.81***. -29.65***. LNLI. -3.886. -2.27. -4.19***. -7.1***. LNLB. -2.33. -2.09. -4.06**. -10.31***. LNMB. -2.51. -3.46**. -6.51***. LNM1B. -2.25. 0.67. -8.24***. -8.18***. *單根檢定中虛無假設為具有單根，而表中差分 ADF 與 PP 值***表 1%顯著水準下拒絕虛無假設，**表 5% 下拒絕虛無假設，*表 10%顯著水準下拒絕虛無假設。. 12.

(14) 表五. 第一期間(1987:1-1997:7)之 SVAR 估計結果. 1 以個人為放款對象 εy = 0.85(εl – εp) + uy (0.43)** εp = 0.021εy + up (0.039) εb = -0.158εy + 0.297εp + 0.176εm + ub (0.052)** (0.197) (0.072)** εm = -0.089εy + 0.009εp + um (0.069) (0.25) εl = -0.052εp + 0.042εb + 0.106εm + ul (0.09) (0.038) (0.032)** 2 以企業為放款對象 εy = 0.144(εl – εp) + uy (0.22) εp = -0.031εy + up (0.026) εb = -0.161εy + 0.255εp + 0.202εm + ub (0.053)** (0.199) (0.072)** εm = -0.062εy - 0.01εp + um (0.069) (0.247) εl = 0.082εp + 0.159εb + 0.217εm + ul (0.15) (0.068)** (0.056)** 註 1：括弧中為標準誤註 2：**為 5%顯著水準下顯著 *為 10%顯著水準下顯著. 13.

(15) 表六. 第二期間(1997:8-2003:12)之 SVAR 估計結果. 1 以個人為放款對象 εy = 1.571(εl – εp) + uy (0.807)** εp = -0.015εy + up (0.036) εb = -0.319εy + 0.78εp + 0.217εm + ub (0.064)** (0.329)**(0.106)** εm = -0.095εy - 0.094εp + um (0.067) (0.356) εl = -0.224εp + 0.1029εb + 0.058εm + ul (0.15) (0.05)** (0.044)** 2 以企業為放款對象 εy =- 0.244(εl – εp) + uy (0.447) εp = -0.079εy + up (0.026)** εb = -0.395εy + 0.605εp + 0.257εm + ub (0.058)** (0.302)** (0.099)** εm = -0.021εy + 0.069εp + um (0.072) (0.355) εl = -0.13εp - 0.04εb + 0.219εm + ul (0.275) (0.1) (0.09)**. 14.

(16) 圖一：本國一般銀行對個人與家計放款干擾對各變數之衝擊反應 (1987:1-1997:7). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNLI .04 .03 .02 .01 .00 -.01 -.02. 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. 18. 20. Response of LNP to LNLI .010 .008 .006 .004 .002 .000 -.002 -.004. 2. 4. 6. 8. 10. 15. 12. 14. 16.

(17) 圖一：本國一般銀行對個人與家計放款干擾對各變數之衝擊反應(續) (1987:1-1997:7) Response of LNMB to LNLI .02. .01. .00. -.01 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNLI .03. .02. .01. .00. -.01. -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. 18. 20. Response of LNLI to LNLI .02. .01. .00. -.01. 2. 4. 6. 8. 10. 16. 12. 14. 16.

(18) 圖二：本國一般銀行對民營企業放款干擾對各變數之衝擊反應 (1987:1-1997:7). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNLB .04. .03. .02. .01. .00. -.01. -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. 18. 20. Response of LNP to LNLB .010. .008. .006. .004. .002. .000. -.002. -.004 2. 4. 6. 8. 10. 17. 12. 14. 16.

(19) 圖二：本國一般銀行對民營企業放款干擾對各變數之衝擊反應(續) (1987:1-1997:7) Response of LNMB to LNLB .02. .01. .00. -.01 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNLB .03. .02. .01. .00. -.01. -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNLB to LNLB .03. .02. .01. .00. -.01. -.02 2. 4. 6. 8. 10. 18. 12. 14. 16. 18. 20.

(20) 圖三：準備貨幣在放款對象為個人時干擾對各變數之衝擊反應 (1987:1-1997:7). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNMB .04. .03. .02. .01. .00. -.01. -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNP to LNMB .010. .008. .006. .004. .002. .000. -.002. -.004 2. 4. 6. 8. 10. 19. 12. 14. 16. 18. 20.

(21) 圖三：準備貨幣在放款對象為個人時干擾對各變數之衝擊反應(續) (1987:1-1997:7) Response of LNMB to LNMB .02. .01. .00. -.01 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNMB .03. .02. .01. .00. -.01. -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNLI to LNMB .02. .01. .00. -.01. 2. 4. 6. 8. 10. 20. 12. 14. 16. 18. 20.

(22) 圖四：準備貨幣在放款對象為企業時干擾對各變數之衝擊反應 (1987:1-1997:7). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNMB .04 .03 .02 .01 .00 -.01 -.02. 2. 4. 6. 8. 10. 12. 14. 18. 20. 18. 20. 16. Response of LNP to LNMB .010 .008 .006 .004 .002 .000 -.002 -.004. 2. 4. 6. 8. 10. 21. 12. 14. 16.

(23) 圖四：準備貨幣在放款對象為企業時干擾對各變數之衝擊反應(續) (1987:1-1997:7) Response of LNMB to LNMB .02. .01. .00. -.01. 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNMB .03. .02. .01. .00. -.01. -.02. 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNLB to LNMB .03. .02. .01. .00. -.01. -.02. 2. 4. 6. 8. 10. 22. 12. 14. 16. 18. 20.

(24) 圖五：本國一般銀行對個人與家計放款干擾對各變數之衝擊反應 (1997:8-2003:12). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNLI .04 .03 .02 .01 .00 -.01 -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. 18. 20. Response of LNP to LNLI .008 .006 .004 .002 .000 -.002 -.004 2. 4. 6. 8. 10. 23. 12. 14. 16.

(25) 圖五：本國一般銀行對個人與家計放款干擾對各變數之衝擊反應(續) (1997:8-2003:12) Response of LNMB to LNLI .03. .02. .01. .00. -.01. -.02. -.03 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNLI .04. .02. .00. -.02. -.04. -.06 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. 18. 20. Response of LNLI to LNLI .03. .02. .01. .00. -.01. -.02. -.03 2. 4. 6. 8. 10. 24. 12. 14. 16.

(26) 圖六：本國一般銀行對民營企業放款干擾對各變數之衝擊反應 (1997:8-2003:12). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNLB .04 .03 .02 .01 .00 -.01 -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. 18. 20. Response of LNP to LNLB .008 .006 .004 .002 .000 -.002 -.004 2. 4. 6. 8. 10. 25. 12. 14. 16.

(27) 圖六：本國一般銀行對民營企業放款干擾對各變數之衝擊反應(續) (1997:8-2003:12) Response of LNMB to LNLB .03. .02. .01. .00. -.01. -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNLB .04. .03. .02. .01. .00. -.01. -.02. -.03. -.04. -.05 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNLB to LNLB .015. .010. .005. .000. -.005. -.010. -.015 2. 4. 6. 8. 10. 26. 12. 14. 16. 18. 20.

(28) 圖七：準備貨幣在放款對象為個人時干擾對各變數之衝擊反應 (1997:8-2003:12). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNMB .04 .03 .02 .01 .00 -.01 -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNP to LNMB .008 .006 .004 .002 .000 -.002 -.004 2. 4. 6. 8. 10. 27. 12. 14. 16. 18. 20.

(29) 圖七：準備貨幣在放款對象為個人時干擾對各變數之衝擊反應(續) (1997:8-2003:12) Response of LNMB to LNMB .03. .02. .01. .00. -.01. -.02. -.03 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNMB .04. .02. .00. -.02. -.04. -.06 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNLI to LNMB .03. .02. .01. .00. -.01. -.02. -.03 2. 4. 6. 8. 10. 28. 12. 14. 16. 18. 20.

(30) 圖八：準備貨幣在放款對象為企業時干擾對各變數之衝擊反應 (1997:8-2003:12). Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LNY to LNMB .04 .03 .02 .01 .00 -.01 -.02 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNP to LNMB .008 .006 .004 .002 .000 -.002 -.004 2. 4. 6. 8. 10. 29. 12. 14. 16. 18. 20.

(31) 圖八：準備貨幣在放款對象為企業時干擾對各變數之衝擊反應(續) (1997:8-2003:12) Response of LNMB to LNMB .03. .02. .01. .00. -.01. -.02. 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNM1B to LNMB .04 .03 .02 .01 .00 -.01 -.02 -.03 -.04 -.05. 2. 4. 6. 8. 10. 12. 14. 16. 18. 20. Response of LNLB to LNMB .015 .010 .005 .000 -.005 -.010 -.015. 2. 4. 6. 8. 10. 30. 12. 14. 16. 18. 20.

(32) 附註 1. 本文雖然採用 M1B 作為貨幣數量，但由於 M1B 與 M2 之性質有些許的不同，故我們亦嘗試以 M2 為貨幣數量放入模型中，惟結果差異並不大。. 2. 為了捕捉季節效果，我們在估計 VAR 模型時加入 11 個季節虛擬變數。. 3. 關於全部期間分別以個人與家計單位放款以及民營企業放款的結果我們將之置於附表一。. 4. 例如 1987 年第一季之實質 GDP 為 203357，而 1987 年 1 到 3 月之工業生產指數分別為 14、15、16，則利用工業生產指數為權數換算實質 GDP 的做法為先算權數，即 14、15、16 三者的平均為 15，則第 1 個月的實質 GDP 即為 203357 x 14/15 = 189799.87，第二個月則為 203357 x 15/15 =203357，於此類推。. 5. 我們亦採用 Likelihood Ratio test 來作為判斷最適落後期數的準則，以避免過於依賴 AIC 的值。惟其結果仍是支持 2 期。. 6. 係數之估計是利用 Eviews 中的 Scoring 法進行且估計係數之標準誤是由各需估計變數的 asymptotic distribution 所算出；另外，亦利用相同的方式，估計衝擊反應函數的標準誤。. 31.

(33) 參考文獻 1. Bernanke, B. S. (1983) “Non-monetary effects of the financial crisis in the propagation of the great depression,” The American Economic Review , 79,257-76. 2. Bernanke, B. S. and Gertler, M. (1989) “Agency costs, net worth, and business fluctuations,” The American Economic Review,79,14-31. 3. Bernanke, B. S. and Gilchrist, S. (1996) “The financial accelerator and the flight to quality,” The Review of Economics and Statistics, 78,1-15. 4. Fisher, I. (1933) “The debt-deflation theory of the great depression,” Econometrica, I, 337-57. 5. Friedman, B. M. (1999) “The future of monetary policy, “ International Finance. 6. Gurley, J. and Shaw, E. (1955) “Financial aspects of economic development,” The American Economic Review,45,515-38. 7. Gertler, M. and Gilchrist, S. (1993) “The cyclical behavior of short-term business lending-implications for financial propagation mechanism,” European Economic Review,37,623-31. 8. Gertler, M. and Gilchrist, S. (1994) “Monetary policy, business cycles, and the behavior. of. small. manufacturing. firms,”. Quarterly. Journal. of. Economics,109,309-340. 9. Hamilton, J.(1987) “Monetary factors in the Great Depression,” Journal of Monetary Economics,19,145-70. 10. Huang, Z.(2003) “Evidence of a bank lending channel in the UK,” Journal of Banking & Finance,27,491-510. 11. Mishkin,. F.. (1978). “The. household. balance. depression,”Journal of Economic History,38,918-37.. 32. sheet. and. the. great.

(34) 12. Moore, R.(1993) “Asymmetric information, repeated lending, and capital structure,” Journal of Money, Credit, and Banking,25,393-409. 13. Oliner, S. and Rudebusch, G.. (1995) “Is there a bank lending channel for monetary policy?” Federal Reserve Bank of San Francisco Economic Review 2, 3-20. 14. Safaei and Cameron(2003). “Credit channel and credit shocks in Canadian. macrodynamics ─a structural VAR approach” Applied Financial Economics,13, 267-277. 15. Williamson, S.D. (1986) “Cost monitoring , financial intermediaries , and equilibrium credit rationing,” Journal of Monetary Economics,18,159-79. 16. Williamson, S.D. (1987a) “Costly monitoring , optimal contracts, and equilibrium credit rationing,” Quarterly Journal of Economics,102,135-45. 17. Walsh, C. E. and Wilcox, J. A. (1995) “ Bank credit and economic activity, in Is Bank Lending Important for the Transmission of Monetary Policy?(Eds) J. Peek and. E.. Rosengern,. Federal. Reserve. Boston,39,83-112.. 33. Bank. of. Boston. Conference,.

(35) 附表一全部期間(1987:1-2003:12)之 SVAR 估計結果 1 以個人為放款對象 εy =1.244(εl – εp) + uy (0.403)** εp = 0.027εy + up (0.028) εb = -0.241εy + 0.481εp + 0.195εm + ub (0.04)** (0.167)** (0.06)** εm = -0.087εy - 0.019εp + um (0.046)* (0.195) εl = -0.042εp + 0.088εb + 0.07εm + ul (0.088) (0.033)** (0.028)** 2 以企業為放款對象 εy = -0.058(εl – εp) + uy (0.192) εp = -0.038εy + up (0.017)** εb = -0.217εy + 0.477εp + 0.222εm + ub (0.037)** (0.164)** (0.06)** εm = -0.03εy + 0.051εp + um (0.045) (0.19) εl = 0.046εp + 0.073εb + 0.202εm + ul (0.132) (0.055) (0.049)**. 34.

(36)