2024-06-23-美联储-菲利普斯曲线的斜率（英）_22页_396kb

报告摘要

菲利普斯曲线斜率估计方法的演进与发现

一、菲利普斯曲线的斜率及其意义

现代菲利普斯曲线常采用以下形式：
$${\pi_t} = \gamma\pi_{t-1} + (1-\gamma)E_t\pi_{t+1} + \kappa(y_t - y_t^*) + u_t$$
其中$ \kappa $为菲利普斯曲线斜率，反映了通胀与经济活动的敏感性。该斜率既决定了货币政策面临的通胀产出权衡，也是通胀预测的重要参数。

二、现有研究方法与局限

（一）传统估计方法的挑战

内生性问题：未观测变量（预期通胀、潜在产出）与存量变量存在相关性，标准工具变量法（使用滞后变量）难以解决。
弱工具变量困境：相关工具变量数量不足导致参数估计的可靠性问题。

（二）新方法突破

基于需求冲击的工具变量法：利用清晰识别的需求冲击（如货币政策冲击）作为工具变量，显著改善了估计的稳健性。
地区与企业层面数据：通过分析州/市/企业数据，剔除总量层面的混淆因素，进一步缓解了内生性问题。
结构VAR模型方法：结合符号限制识别需求/供给冲击，也可部分缓解内生性问题。

三、疫情前后关系动态

（一）疫情前证据

区域数据分析：美国州级数据显示，1991-2018年菲利普斯曲线斜率下降了约一半（估算值0.055），但无显着统计意义。
测度因素考量：菲利普斯曲线变平可能源于测度误差（潜在产出概念演变、通胀预期变化）而非真实机制改变。

（二）疫情影响与解释

供应链非线性因素：疫情期间，需求结构转型及行业产能约束（Boehm & Pandalai-Nayar，2022）共同导致核心通胀回升的非线性机制。
价格调整行为变化：高通胀环境导致企业涨价频率增加（Montag & Villar，2023），使菲利普斯曲线短期内趋于陡峭。此外，有限注意力模型显示通胀高企时期消费者与企业的信息敏感度提高，也可能提升物价传导效率。