大型新兴经济体的溢出效应：中国有多主导？

新兴经济体溢出效应：中国的主导地位如何？ 汉尼·阿卜德尔-拉蒂夫，阿迪娜·波佩斯库WP/25/27 国际货币基金组织工作论文描述作者（们）正在进行的研究，并发表出来以征求评论并促进辩论。国际货币基金组织（IMF）工作论文中表达的观点为作者（们）的观点，并不一定代表IMF、其执行董事会或IMF管理层的观点。 2025一月份 欧洲部门国际货币基金组织工作论文 跨国经济体溢出效应：中国的主导地位如何？ 由汉尼·阿卜德尔-拉蒂夫，阿迪娜·波佩斯库* 准备 经詹姆斯·沃什授权分发，2025年1月 国际货币基金组织工作论文描述作者正在进行中的研究，并公开发表以引发评论和促进辩论。国际货币基金组织（IMF）工作论文中表达的观点是作者（们）的观点，并不一定代表IMF、其执行董事会或IMF管理层的观点。 摘要：本研究调查了由G20新兴市场（G20-EMs）引起的全球经济溢出效应，特别强调了中国的比较影响力。采用贝叶斯全球向量自回归（GVAR）模型，我们评估了在63个国家中需求和供给冲击的影响，捕捉全球经济互动的细微动态。我们发现，中国在全球经济溢出效应中的贡献远远超过其他G20-EMs。具体而言，与其他G20-EMs的冲击相比，中国的国内冲击对全球GDP、通货膨胀和商品价格产生了更大、更普遍的溢出效应。相比之下，其他G20-EMs的溢出效应更局限于区域范围内，对全球的影响有限。该研究突出了中国在塑造全球经济动态中的重要作用，以及其他G20-EMs在短期内缓解中国经济放缓潜在负面影响的有限能力。 推荐引用：Abdel-Latif, H., & Popescu, A. (2025). 大型新兴经济体的溢出效应：中国有多主导？（国际货币基金组织工作论文 No. 25/27）。国际货币基金组织。 工作论文 大型新兴经济体溢出效应：中国的影响有多大？ 阿德尔-拉蒂夫·汉尼，波佩斯库·阿德ina1 大型新兴经济体溢出效应：中国的影响有多大？ 汉尼·阿卜杜勒-拉蒂夫a,Adina Popescu∗ a一个国际货币基金组织 摘要 GGEMs（高增长新兴市场）本论文调查了20个新兴市场（20−）产生的全球经济溢出效应，特别强调了中国比较影响的差异。采用贝 叶斯全球向量自回归（GVAR）模型，我们评估了63个国家在需求侧和供给侧冲击的影响，捕捉全球经济互动的微妙动态。我们的发现揭示了：G新兴市场（Emerging Markets） 中国对全球经济溢出效应的贡献显著超过其他20个。具体而言，中国国内冲击对全球经济产生了显著更大 且更为广泛的外溢效应。GEMs（高增长新兴市场） GDP、通货膨胀和商品价格与其他20-的冲击相比。相比之下，来自...的溢出效应GEMs（高增长新兴市场） 其他20个例子区域影响更为显著，对全球的影响有限。本研究突显了中国的GEMs（高增长新兴市场） 在全球经济动态塑造中扮演超大角色，以及其他20-国家有限的缓解能力，以减轻中国短期内经济放缓可能带来的任何潜在负面影响。 关键词： 新兴经济体、增长溢出、全球传导、GVAR模型经济学文献编号F14, F43, O55, C32, E32, O19 1. 引言 在过去的二十年里，全球经济格局被迅速重塑。GGEMs（高增长新兴市场） 20个大新兴经济体的崛起（20-），即阿根廷、巴西、中国、印度、印度尼西亚、墨西哥、俄罗斯、沙特阿拉伯、南非和土耳其。这一转变的特点是这些国家在全球经济产出中的贡献显著增加，以及它们与全球经济互动的扩大，主要通过国际贸易和跨境金融联系。例如，GEMs（高增长新兴市场） 20-公司平均年增长率接近6%，从而显著提高了其对全球经济活动约三分之一和全球贸易四分之一的贡献（Abdel-Latif等，2024）。这种崛起带来了复杂的经济溢出效应，需要全球政策制定者进行更深入的理解。 历史上，由于中国具有重要的地位和前所未有的融入全球经济，学术和政策导向的研究重点一直主要集中在中国。包括Cesa-Bianchi等人（2012年）、Dizioli等人（2016年）和Cashin等人（2016年）在内的研究广泛记录了中国对全球贸易模式、商品市场的影响以及其在全球价值链中的核心作用。然而，尽管这种对中国的重视是有道理的，但它无意中导致了其他重要问题得到较少的关注。GEMs（高增长新兴市场） 20-及其对全球经济动态的贡献。考虑到中国预期增长放缓，这一点尤其相关，尤其是与印度等国家动态增长潜力进行对比时，其中IMF预测其中期增长率为6.5%。这一点GEMs（高增长新兴市场） 情景预测，其他20个国家和地区可能越来越成为未来全球增长的催化剂，得益于人口优势以及旨在改善其商业环境、吸引投资和提高生产力的结构性改革。 鉴于这种背景，进行跨国家比较分析对于揭示可能的增长至关重要。GEMs（高增长新兴市场） 来自所有20个经济体的溢出效应。此类分析可能提供更全面的GEMs（高增长新兴市场）对20个全球经济体经济足迹的评估，考虑到它们在经济结构、政策框架和发展阶段上的多样性。尽管一些研究，如Huidrom等人（2020年）和Ahmed等人（2022年）已经涉足这一领域，但在研究方面仍存在重大差距，尤其是在这些溢出效应发生的多样化渠道——包括贸易、商品和金融流动——及其更广泛的影响方面。 这篇论文调查了全球差异G新兴市场（Emerging Markets）融合来自20个国家国内增长冲击的研究——使用贝叶斯全球向量自回归（GVAR）模型。该模型遵循Pesar an等人（2004年）的基础方法，并通过贝叶斯估计技术得到增强，以在更短的预测期内实现更精确的估计，包括处理随机波动性，如Feldkircher和Huber（2016年）所示。本研究涵盖了63个国家，其中30个为新兴经济体，扩展了分析新兴市场对全球舞台影响的地域和时间范围。s 尤其关注自2000年代初以来的这段时间。 GEMs（高增长新兴市场）利用这一全面的方法论，我们的研究评估了20−在所有相关渠道中的发展影响：直接贸易联系、区域效应 、商品价格波动和金融一体化。我们的发现强调了来自中国的相对较大的溢出效应，并通过提供对所有溢出途径的更详细审查，证实并扩展了先前的研究，针对更广泛的新兴经济体。此外，我们的研究通过估计需求侧和G新兴市场（Emerging Markets） 供给侧冲击在20世纪，从而允许对这些经济体外部冲击的结构传导机制有更细致的理解。 2. 溢出文献 大量实证文献探讨了来自中国的贸易和金融溢出效应对世界其他地区的影响，揭示了其显著的全球影响。然而，中国对全球增长的影响估计差异很大，受方法论、样本规模和数据质量差异的影响。一般来说，大多数研究表明，中国国内生产总值（GDP）增长1%的下降可能会使世界产出降低0.2至0.5%（国际货币基金组织，2019年；Cashin等，2016年；Dizioli等，2016年；Furceri等，2016年）。中国溢出效应的规模因地区和联系强度而异，对特定国家的估计高达1.6%（Sznajderska和Kapuscinski，2020年）。在亚洲国家中记录了更大的溢出效应。´ ´ff向贸易联系较弱的经济体（Duval等，2014）。其他研究强调中国对新兴亚洲商品出口国（Dieppe等 ，2018；Gauvin和Rebillard，2018）和拉丁美洲（Ahmed等，2022；IMF，2019）的显著溢出效应，尤其是对石油出口国（Dieppe等，2018）。 亚太地区（Asia-Pacific）大多数研究表明，中国经济对发达经济体的溢出效应（），尤其是对美国，通常是 亚太地区（Asia-Pacific）尽管如此，逆向溢出效应是显著的（黄等，2018）。这是因为在通常对中国的直接贸易或金融敞口有限 。然而，中国的增长可以通过全球风险情绪的变化影响全球金融周期（Barcelona等，2022年），可能导致对美国经济产生更大的负面溢出效应，尤其是在美国货币政策受限的条件下（Ahmed等，2022年）。 GEMs（高增长新兴市场） 显著较少的研究关注于考察其他主要20-的溢出效应，研究发现通常指出与中国的效应相比，效果更为适度。Dabla-Norris等人（2015）报告指出：新兴市场（Emerging Markets）LICs 扩大主要联系之间联系并且低收入国家（），主要通过贸易条件和需求冲击传播。最近，Huidrom等人（2020）确定了显著的溢出效应新兴市场（Emerging Markets）新兴市场和发展中国家（EMDEs） 从主要至其他新兴市场和发达经济体（), 识别出中国是主要贡献者。Arezki和Liu（2020）在研究跨国总 计时指出，来自新兴市场（Emerging Markets） 随着时间的推移，随着这些经济体更多地融入全球经济，它们（）亚太地区（Asia-Pacific）显著小于发达经济体的那些（）。 数据与经验模型 3.1. GVAR模型 我们的GVAR模型允许我们研究面板国家之间的动态关系，同时仔细地在国家及全球层面融入多变量传播和反馈渠道。GVAR 模型可以表示如下： 该模型包括内生变量：实际国内生产总值（GDP）、消费者物价指数（CPI）通货膨胀、实际汇率、短期利率和长期利率，同时通过预定双边贸易将外部变量纳入其中。QQ权重用于捕捉全球影响。我们使用了2001年第1季度到2023年第2季度的季度数据，涵盖63个国家的样本，包括34个发达经济体和29个新兴经济体，合计占全球产出的90%以上（详见附录A.1中的完整列表）。所有数据均来自国际货币基金组织（IMF）数据库，包括上述贸易权重的贸易统计（DOTS）和国家当局。附录A提供了有关数据集的更多详细信息。我：i一个where = 0,t1,N2, ...,T表示该国，= 1,2, ..., 代表年份。我：iffi,表示系数0一个该持续的是系数（是系数）。我：iΦ,并且A1有效拟合确定性时间趋势。是参数矩阵ilil为了估计，而 \u000F 表示不相关的特殊冲击。GVAR 模型包括两套滞后它变量：国内变量，表示为x并且由外生变量表示x. 暂时滞后两种订单∗我：ip q国家变量的集合分别表示为 和 。外国变量被认为我：i我：i弱外生变量，包括特定国家的国外变量。后者是计算为横截面w平均来自其他国家国内变量的数值，使用固定权重矩阵 { }N,基于双边ij ij=0贸易权重1即：pqX我：i X我：ix一个它=我：i,0+一个我：i,无效输入1+ Φxil i,t l+A xil∗ −+,它,it l l=l1=1 −XN− 1xx∗=wij jtit j=j0, ,我：i 我们的模型包含一个专门的商品区块，它捕捉了石油市场的动态，包括石油价格、生产水平、石油库存以及全球需求的衡量指标。这种方法与文献中发现的其它方法形成对比，这些方法通常将石油价格作为单一国家模型（通常是美国）的内生变量来整合。我们的建模框架使我们能够以独特的方式强调商品价格渠道的重要性。它使石油市场能够对所有国家模型施加影响，这由Gauvin和Rebillard（2018）通过实证数据所证明。然后，GVAR模型对每个国家分别进行估计，参数估计值通过权重矩阵堆叠到一个全球模型中。这个综合模型有助于模拟系统内的冲击传播，正如Chudik和Pesaran（2016）所阐述的。 国际货币基金组织7 3.2. 贝叶斯广义向量自回归模型：先验分布与模型选择 我们采用了一种擅长处理随机波动的贝叶斯算法，在分析中尽管使用了综合的数据集，但有效地降低了过拟合风险。值得注意的是，这种贝叶斯广义向量自回归（GVAR）在广泛变量和预测区间上实现了更高的预测精度，显著超越了传统的协整向量自回归模型，正如Cuaresma等人（2016年）所展示的。我们测试了各种标准先验，它们表现出广泛的相似性能，尽管存在一些细微差异。每个先验本质上都假设非平稳变量趋向于随机游走过程