< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
4 経済圏モデルによる日本経済予測分析:
プロジェクションモデル・アプローチ*1
中澤正彦*2
小寺 剛*3
清水玄彦*4
石川大輔*5
高村 誠*6
要 約
本稿では,IMF が開発した Global Projection Model(GPM)を発展させ,日本経済の分析や
予測を行うための新たなツールを提示する。本稿の特徴は以下の 4 点である:(1) 既存の日本,
米国,ユーロ圏の 3 経済圏モデルに中国を加えた 4 経済圏モデルを構築する。(2) 4 経済圏モ
デルのパラメーターを一括でベイズ推定する。(3) 得られた推定結果を基に,各国の需要ショ
ックと金融政策ショックに対するインパルス応答や,GDP ギャップの歴史的分解を行う。また,
推定結果から導かれる経済予測と現実経済の推移を比較し,その精度を検証する。(4) 3 経済
圏モデルと 4 経済圏モデルの分析結果を比較し,モデル拡張の影響を検証する。これらの分
析によって,モデルに中国経済を明示的に組み込むことが分析結果に様々な影響を与えるこ
とを確認する。
キーワード:マクロ経済モデル,予測,ベイズ推定
JEL classification:C32,C53,E37
*1 本稿の作成にあたっては,
「財政政策とマクロ経済」研究会(京都大学経済研究所,2013 年 2 月),
Western Economic Association International, 10th Biennial Pacific Rim Conference(慶應義塾大学,2013 年 3 月),
マクロモデル研究会(日本経済研究センター,2013 年 7 月),日本経済学会 2013 年度秋季大会(神奈川大学,
2013 年 9 月)およびフィナンシャル・レビュー論文検討会議(財務省財務総合政策研究所,2013 年 12 月)
の出席者から示唆に富むご指摘,ご意見を多数賜った。特に,日本経済学会において,討論者の飯星博邦
教授(首都大学東京)
,座長の浅井学教授(創価大学)から有益なコメントをいただいた。ここに記して
心より感謝申し上げる。ただし,残る誤りはすべて筆者の責任に帰される。なお,本稿の内容は著者らの
個人的見解であり,著者らの所属組織の公式見解を示すものではない。
*2 京都大学経済研究所先端政策分析研究センター准教授([email protected])
*3[email protected]研究員
*4 財務総合政策研究所研究官
*5 財務総合政策研究所主任研究官
*6 財政総合政策研究所客員研究員(元財務省大臣官房総合政策課)
− 121 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
Ⅰ.はじめに
中国など新興国の急速な経済発展や米国のリ
分析ツールとして用いられるようになった。さ
ーマンブラザーズの破綻に端を発した世界金融
らに Smets and Wouters(2003, 2007)や An and
危機が,日本経済に対し大きな変動をもたらし
Schorfeide(2007) に よ っ て,MCMC(Markov
たことに論を俟たないであろう。例えば,世界
Chain Monte Carlo)法によるベイズ推定を用い
金融危機直後の 2008 年第 4 四半期と 2009 年第
た DSGE モデルの計量分析手法が確立され,
1 四半期の日本経済は,実質 GDP 成長率が季
また,DSGE モデルの分析を容易に実行できる
節 調 整 済 み 前 期 比 年 率 で そ れ ぞ れ,-12.4%,
コンピュータ・プログラム,Dynare が普及し
-15.1% であったが,実質輸出の寄与度がそれ
たことにより,DSGE モデルの構築とそのパラ
ぞれ -9.4%,-14.9% と輸出の減少が日本経済の
メーター等のベイズ推定は,マクロ経済分析の
景気後退に大きな役割を担った。また,輸出入
基本ツールとしての地位を築きつつある。
以外に為替レートの変動も,例えば布袋(2011)
このように DSGE モデルが政策・実証分析の
において法人企業統計などの企業レベルのパネ
手段として発展していく中で,海外経済の影響
ルデータを用いた分析で円高が有意に実質設備
を小国開放経済モデルではなく,本稿で取り扱
投資を減少させることが示されているように,
うような,複数の経済圏が存在し,それらが相
日本の景気に大きく影響する。これらを考える
互に作用し合うマルチカントリーモデルによっ
と,日本経済を分析し,また,今後の動向を予
て分析しようとする試みが,現在いくつかの機
測する上で,対外経済の動向や為替レートの変
関によって精力的に行われている。例えば IMF
動が明示的に含まれたモデルで分析・予測する
は,米国,欧州,日本,新興アジア諸国,その
ことの重要性が改めて認識されるであろう。そ
他 地 域 の 5 つ の 経 済 圏 か ら な る Global
こで,本稿では,日本経済の分析や予測のため
Integrated Monetary and Fiscal(GIMF)モデルと
のツールとして,日本経済とともに日本経済を
呼 ば れ る 世 界 経 済 モ デ ル を 開 発 し て い る。
取り巻く主要な経済圏(米国,ユーロ圏,中国)
GIMF モデルは,1 つの経済圏が,貿易財と非
を明示的に含めた動学的確率的一般均衡モデル
貿易財からなる中間財市場,最終財市場,金融
(Dynamic Stochastic General Equilibrium model;
仲介部門,政府部門(財政当局,金融政策当局)
DSGE モデル)に基づくプロジェクションモデ
といった多様な経済構造とそれらに付随する経
ルを構築する。
済ショックを内包し,さらに世界石油市場まで
DSGE モデルは,従来,理論分析のツールと
存在するという,ミクロ経済学的基礎づけを持
して見なされることが多かったが,Christiano
つモデルとしては極めて巨大な経済モデルであ
et al.(2005)が,モデルに経済主体の直面する
る。このような巨大な世界経済モデルは,一国
様々な摩擦や硬直性を導入することによって現
の経済において起こる様々なショックが世界経
実のデータから観察される経済のダイナミクス
済に与える影響を詳細に分析できるという大き
を再現して以降,多くの中央銀行や国際機関,
な利点がある一方で,モデルとしてはその複雑
政府機関においてマクロ経済の実証分析や政策
さゆえに扱いや拡張が困難になるという問題点
1)それ以外にも,DSGE モデルによる多国モデルでは,状態変数や確率的ショックの数が国の数に比例して
増加するために,モデルの正確な解を短時間で導出することが難しいという技術的な問題点も指摘されてい
る。(Den Haan et al., 2011)
− 122 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
もある1)。また,GIMF モデルでは各経済パラ
モデルに独自の修正を加えつつ中国およびその
メーターの値は先行研究やモデルの製作者自身
他地域を含むように拡張しているほか,ドイツ
による「置き」
(カリブレーション)によって
の Halle 研究所においても,Giesen et al.(2012)
設定されており,ベイズ推定によるシステム全
が GPM をユーロ圏の分析に応用している。
体の推定は行われていない。
本稿の目的は,GPM を日本経済の分析に応
世界経済モデルに関するその他の取り組みと
用することを念頭に置き,その土台として日本,
しては,厳密なミクロ経済学的基礎づけを持た
米国,ユーロ圏,中国の 4 経済圏からなるプロ
ない,プロジェクションモデルに基づくアプロ
ジェクションモデルを構築することである。本
ーチがある。このアプローチでは,経済主体の
稿と先行研究の最も大きな差異は,4 経済圏の
最適化行動を明示的にモデル化するのではな
経済パラメーターを一括してベイズ推定してい
く,通常の DSGE モデルにおいて最適化行動
る点にある。先に挙げた先行研究では,ベイズ
の結果として導出されるいくつかの基本的な方
推定の際に,あらかじめ主要経済圏(日本,米
程式(ニューケインジアンタイプの IS 曲線や
国,ユーロ圏)のプロジェクションモデルのパ
フィリップス曲線)を経済の行動方程式として
ラメーターを推定したうえで,その他の国・地
与え,そのシステム全体をベイズ推定するとい
域のモデルを加えて,当該国・地域のパラメー
う手法がとられる。このアプローチには,1 国
ターの推定を行っている。すなわち,主要経済
の経済が 4,5 本の線形の行動方程式で表され
圏以外の経済を加えるにあたって主要経済圏の
るため,モデルの取り扱いや拡張性に優れると
パラメーターの再推定を行っていないことか
いう利点があり,IMF では短期の経済予測など
ら,加えた国・地域から主要経済圏への影響が
を目的として,Global Projection Model(GPM)
パラメーター推定に影響を与えないことを想定
と呼ばれるプロジェクションモデルによる世界
した分析となっている。この段階的な推定方法
経 済 モ デ ル が 開 発 さ れ て い る。GPM は ま ず
は,2 段階目に加える国・経済圏が小国であれ
Carabenciov et al.(2008a)によって米国だけの
ば,それらの経済が主要経済圏に与える影響は
モデルとして開発され,その後いくつかの段階
十分小さいと考えられるため妥当な手段である
を 経 て 拡 張 さ れ て い る。Carabenciov et al.
といえる。しかし,例えば中国のような大国を
(2008b)は主要な経済圏としてユーロ圏と日本
2 段階目に加える場合には,大国から主要経済
を加えることで,ベースとなる世界経済モデル
圏への影響を捨象した分析になるため,分析結
を完成させ,さらに Carabenciov et al.(2008c)
果についても一定の留保が必要になるであろ
はそれに石油価格の影響を分析できるように拡
う。これに対し,本稿の分析では 4 地域を一括
張した。Canales-kriljenko et al.(2009)と Andrle
推定することによって,中国経済がその他 3 地
et al.(2009) は,Carabenciov et al.(2008b) の
域に与える影響を考慮した推定結果が得られ
主要 3 地域モデルに中・小規模の経済圏(前者
る。また,4 か国モデルの分析結果を,中国を
ではラテンアメリカ経済,後者ではインドネシ
除いた 3 か国モデルを同じサンプル期間で推定
ア)を組み込み,それらの地域の経済分析を行
して得られる結果と比較し,モデルに中国を加
うと同時に,モデルに新たな経済圏を加える方
える意義を検証する。
法 に つ い て 説 明 し て い る。 ま た,Arbatli and
本稿の構成は以下のとおりである。2 節では
Moriyama(2011)では GPM を用いてエジプト
各国・経済圏のモデルを提示する。3 節ではデ
経 済 の 分 析 が 行 わ れ て い る。IMF 以 外 で の
ータの説明と推定手法を紹介し,推定結果とし
GPM の発展としては,カナダ銀行において,
て事後分布,需要ショックと金融政策ショック
Bailliu and Blagrave(2010),Bailliu et al.(2010)
に対するインパルス応答および GDP ギャップ
が,Carabenciov et al.(2008c)のモデルを米国
の歴史的分解を提示する。また,推定から予測
− 123 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
される近年の各地域の GDP の推移を実際のデ
関して,中国を除いた 3 経済圏モデルの結果と
ータと比較する。4 節では,日本の分析結果に
比較する。5 節は本稿のまとめとなる。
Ⅱ.モデル
本 稿 の モ デ ル は 基 本 的 に Carabenciov et al.
(2008b)に依拠し,中国に関しては Andrle et
ここで,
は均衡実質 GDP の年間成長率であ
り,以下の確率過程に従う。
al.(2009)及びその他の先行研究を参考にしつ
(2)
つ,先進国のモデルに修正を加える。モデルは,
各変数が均衡値からの乖離によって表されるギ
ャップモデルとなっており,各均衡値は単純な
確率過程に従うと仮定される。各経済圏の経済
は 4,5 本の行動方程式によって記述され,国
による差異として,米国には金融仲介部門が含
すなわち,潜在実質 GDP は長期的に定常成長
率
の割合で成長する。失業率
の均衡値
(自然失業率) およびその成長率
も同様に
以下の確率過程に従う。
まれ,中国に関しては,貿易財部門と非貿易財
(3)
部門の生産性格差による為替の増価トレンド
(バラッサ・サミュエルソン効果)を考慮した
形に修正される。
(4)
Ⅱ−1.観測変数および均衡値の確率過程
本稿では観測変数として,実質 GDP,消費者
消費者物価指数を として,年率換算した四半
物価指数,名目金利,名目為替レート,失業率,
期のインフレ率 は
銀行貸出逼迫度(bank lending tightening)の 6 系
(5)
列を用いる(全て四半期データ)。ただし,中
国の失業率のデータは捕捉範囲等の観点から使
用せず,また,銀行貸出逼迫度は Carabenciov
年間のインフレ率
は
et al.(2008b)では,米国モデルにおいてのみ
(6)
用いられる。なお本稿の表記のルールとして,
変数
の均衡値を , の均衡値からの差分(ギ
ャップ)を小文字 で表す。また,国は下付き
と表される。また,実質金利 は名目金利 に
文字 で表され (
よって
),各ショ
ックは平均ゼロの正規分布に従うとする。
実質 GDP の対数値を 100 倍したものを と
(7)
し,その均衡値 は次の確率過程に従うと仮定
と定義され,その均衡値 は長期的に定常利子
する。
率
(1)
− 124 −
に収束すると仮定する。
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
うに定義される。
(8)
米国ドルに対する名目為替レートを とする
と,実質為替レートの対数値 は
(9)
Ⅱ−2.行動方程式
各経済圏の経済は 4 本ないし 5 本の行動方程
と定義され,その均衡値 は,日本とユーロ圏
式によって記述される。まず 1 本目の行動方程
については,単純なランダムウォーク過程に従
式として,経済の総需要が以下のような動学的
2)
な IS 曲線で表される。
うと仮定する 。
(10)
(13)
一方,中国の実質為替レートに関しては,次の
ような確率過程を想定する。
IS 曲線は GDP ギャップのラグ変数とリード変
(11)
数の双方を含む,いわゆるハイブリッド型とし
て定式化されている。右辺第 4 項の
一般に,発展途上国では貿易財部門と非貿易財
は 国
の 国に対する相対的な為替ギャップであり,
部門の生産性格差を反映して為替が増価トレン
として定義される。
ドを持つ傾向があることが知られており,この
総貿易額に占める 国との取引額の割合であ
は 国の
定式化はその効果を考慮したものである。すな
り,第 4 項全体として 国の実質実効為替レー
わち (11) 式は,貿易財部門の高い生産性によ
トのギャップが自国経済に与える影響を表して
って成長率が定常成長率を上回る程に均衡実質
いる4)。また,
為替レートが増価し,定常状態では両部門の生
は 国の総輸出額に占める
国への輸出額の割合であり,第 5 項は
を
産性格差が解消することによって増価トレンド
ウェイトとして諸外国の GDP ギャップが自国
がなくなることを意味している3)。最後に,米
経済に与える影響を表している。
国の銀行貸出逼迫度の均衡値
先に述べたように本稿では米国モデルにおい
に関して
てのみ金融仲介部門を考慮し,米国の金融仲介
以下の確率過程を想定する。
部門は
(12)
(14)
実質 GDP,実質利子率,失業率,実質為替
レートの均衡値とのギャップはそれぞれ次のよ
と定式化されている。この式は将来の好況が予
2) , の上昇は実質為替の減価を意味する。
3)増価トレンドの定式化は,Andrle et al.(2009)では,増価トレンド自体が確率過程に従うとしている。本
稿の定常状態からの生産性の乖離を増価トレンドとする定式化は,Bailliu et al.(2010)を参考にしている。
4)ここでの総貿易額とは,モデルが対象とする自国以外の 3 か国との貿易額の総和であり,任意の につい
て
が成り立つ。後に用いられる,GDP ギャップ式中
,フィリップス曲線中の
についても
同様である。具体的なウェイトについては図表 1 を参照。
− 125 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
想されると現在の貸出態度が緩和されることを
と定式化される。すなわち,名目金利は慣性を
表している。これを踏まえた上で,米国の IS
持ちつつ,標準的なテイラー・ルールに従って,
インフレ率のターゲット値
曲線は
からの乖離と
GDP ギャップに反応して決定される。その一
方で,中国の政府当局が自国の為替レートの管
理と安定化を重要視していることは広く知られ
て お り, こ の た め,Liu and Zhang(2010) や
Straub and Thimann(2010)では標準的な金融政
(15)
策ルールに為替に関する項を追加している。本
稿においてもこれらの先行研究に従って,中国
の金融政策ルールを
(16)
(19)
となる。つまり過去の銀行貸出を緩和するよう
なショックの和((15) 式右辺第 6 項)が,今期
と定式化する。(19) 式の右辺第 3 項が自国為替
の経済に好影響を与える定式化になっている。
の変化に対する反応を表しており,実質為替の
インフレ率は,以下のようなハイブリッド型
増価に対しても金融緩和が行われることを意味
のフィリップス曲線によって決定される。
している5)。
日本とユーロ圏の実質為替レートはカバーな
し金利平価式によって決定される。
(20)
(17)
右辺第 3 項の
は , 間での実質為替レー
トの変化率の差を表す (
)。
(21)
は 国の総輸入額に占め
る 国からの輸入額の割合であり,第 3 項は
をウェイトとして諸外国からの実質為替
ここで,
は 期における
期の予想実
質為替レートである。ただし中国に関しては為
レートの変化による輸入材価格の変化が自国の
替レートの増価トレンドを想定しているため,
物価に与える影響を表している。
中国の金利平価式と予想レートは以下のように
日本,米国,ユーロ圏の金融政策ルールは
修正される。
(18)
(22)
5)Bailliu and Blagrave(2010)や Bailliu et al.(2010)では,名目金利が実質為替レートではなく名目為替レー
トに対して反応するように定式化されている。また,Burdekin and Siklos(2008)は,貨幣の数量を政策の操
作変数としたマッカラム・タイプのルールが中国の金融政策の特徴を説明できることを示している。
− 126 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
(24)
(23)
ただし,中国の失業率のデータに関する捕捉範
最後の行動方程式として,失業率のギャップ
囲等の観点から,この式は中国モデルにおいて
が動学的なオークンの法則によって定式化され
は含まれない6)。
る。
Ⅲ.推定と分析
Ⅲ−1.推定手法
る。なお,Carabenciov et al.(2008b)を含むい
Carabenciov et al.(2008a)から始まる一連の
くつかの先行研究では,GDP ギャップのショ
GPM の研究では,パラメーター等推定にベイ
ックとインフレ率のショックなどいくつかのシ
ズの手法が用いられている。本稿のモデルもベ
ョックの相互相関も推定しているが,本稿では
イズの手法により,パラメーター等を推定する。
モデルの大型化に伴い,簡素化のためショック
4 経済圏以上のモデルでは,Giesen et al.(2012)
間の相互相関はないものとしている。
によるユーロ経済圏モデル(独,仏,伊,米)
具体的には,失業率ギャップはオークン法則
の 4 カ国モデルを除き,まず,主要経済圏(米
を表す (24) 式によって決定されることとなる
国,日本,ユーロ圏)のパラメーター等をベイ
が,失業率ギャップ自体が他の変数や他国に影
ズ推定した上で,他の経済圏の方程式を加えて
響を及ぼさないモデルの構造となっているた
当該経済圏のパラメーターをベイズ推定すると
め,まず,失業率に関する確率過程を定義する
いう,2 ステップ(Bailliu et al.(2010)は 3 ス
(3),(4) 式とオークン法則を表す (24) 式を除い
テップ)の推定方式が採られている。このよう
て,4 経済圏のパラメーター等を一括で推定す
な段階的な推定手法は,加えた国・地域から主
る。その上で,そこで得られた推定結果を用い
要経済圏への影響がパラメーター推定に影響を
て失業率関連のパラメーターのみを再度推定す
与えないことを想定した分析となっており,2
ることとする。
段階目に加える国・経済圏が小国であれば,そ
な お, パ ラ メ ー タ ー 等 の 推 定 に は Dynare
れらの経済が主要経済圏に与える影響は十分小
4.3.2 を用いて,Metropolis-Hastings アルゴリズ
さいと考えられるため妥当な手段であるといえ
ムにより,サンプリングの回数 80 万回の 2 つ
る。しかし,本稿が第 4 カ国目として加える中
の連鎖を生成した。また,サンプリング時の受
国は世界で第二位の経済大国であり,また,特
容率を調整するスケール・パラメーターを 0.28
に日本経済にとっては隣国であることから,貿
に設定した。
易や直接投資において密接なつながりを持つ。
そこで,本稿では,中国を含めた 4 経済圏のパ
Ⅲ−2.使用するデータ
ラメーター等を可能な限り同時にベイズ推定す
データの詳細は図表 1 に示す通りである。な
6)失業率ギャップはオークンの法則によって他の行動方程式から独立に決まるため,この式の有無に関わら
ずモデルを解くことができる。
− 127 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
は,Carabenciov et
お,金融摩擦を示す
に中国の定常均衡での経済成長率を示す
al.(2008b)や Giesen et al.(2012)では,4 指数
を 5% と実際の成長率よりも低めに設定してい
の平均であるが,データ利用の可能性の関係か
る。これは,現在の中国の高い経済成長が貿易
ら 3 指数の平均とした。
財部門の高い生産性に牽引されており,定常均
データの期間については,Carabenciov et al.
衡では貿易財部門と非貿易財部門の生産性格差
(2008b)の主要 3 経済圏モデルでは,1994 年
が解消され,成長率は現在の潜在成長率よりも
第 1 四半期以降のデータを利用しているが,本
低くなるという想定に基づくものである。これ
稿では 2002 年第 1 四半期から 2012 年第 3 四半
に関連して,経済成長率の定常成長率からの乖
期までのデータを用いた。データの期間の開始
離が増価トレンドに反映される程度を表す
時点を決定するにあたっては,ユーロが導入さ
については,中国の潜在成長率を 9% 程度
れ た 1999 年 第 1 四 半 期,Bailliu et al.(2010)
と想定し,また,サンプル期間内の実質為替レ
と同じ 2000 年第 1 四半期,さらに中国が 2001
ートの増価率が平均して約 0.5% であることを
年 12 月 に WTO に 加 盟 し た こ と を 踏 ま え た
踏まえ,平均 0.5 のガンマ分布を事前分布とし
2002 年第 1 四半期の 3 つの時点を候補とした
て与えた7)。その他に,例えば,IS 曲線におけ
が,推定におけるモデルのデータに対するフィ
る対外的な経済活動の影響を示す変数に付随す
ットの良さを表す対数周辺尤度が最も大きかっ
るパラメーター
た 2002 年第 1 四半期を選択した。
とし,主要経済圏における同パラメーターの事
の事前分布の平均を 0.4
前分布の平均よりも大きな値を設定している
(Bailliu et al., 2010)。
Ⅲ−3.事前分布・事後分布
図表 2,3 はそれぞれ各パラメーターと各シ
ベイズ推定を行っていないパラメーターとし
ョックの分散の推定結果を表している。事前分
て,各経済圏の実効為替レートや相対的な経済
布は,日本,ユーロ圏,中国のパラメーターに
活動の影響の割合を示す
ついては,Bailliu et al.(2010)に多くを依拠し
ついては作成した貿易マトリックスの値を用い
た。また,米国のパラメーターの事前分布は
た。また,中国の金融政策の平準化の程度を示
,
,
に
Giesen et al.(2012)に拠った。
す γCH,1 に つ い て は,Bailliu et al. (2010) で は
事前分布における国による差異として,主要
2000 年代前半に金融政策当局が銀行部門に配
3 経済圏については,例えば,IS 曲線を表す行
慮して政策金利を動かさなかったことから,観
動方程式のうち,対外的な経済活動の影響を示
測データからは有益な情報は得られないとして
す変数のパラメーター
推定を行っておらず,本稿においても γCH,1 を
について,輸出対
GDP 比などの対外的な開放度を踏まえ,EU の
0.667 として推定を行わなかった。日本,米国,
事前平均を高目に設定している。また,フィリ
ユーロ圏,中国の金融政策においてターゲット
ップス曲線を示す行動方程式についても,実質
と す る イ ン フ レ 率 は そ れ ぞ れ 1%,2.5%,
為替の変化率の差のパラメーター
1.9%,4% とした。
におい
て,対外的な開放度を踏まえ EU の事前平均を
事後分布の平均については,主要 3 経済圏で
高くしている(Bailliu et al., 2010)。なお,日本
は,例えば,金融政策の金利の平準化を示す
は Bailliu et al.(2010)で
において,日本,米国が 0.9 を超える値と
は 2% としているが,90 年代以降の成長率の
なっており,日本については,2000 年代前半
低迷を踏まえ,本稿では 1% とした。
を通して,米国についても金融危機以降のゼロ
中国については,Bailliu et al.(2010)と同様
金利制約に直面した金融政策運営が影響してい
の定常実質利子率
7)(11) 式右辺第 2 項において,
が成り立つように
− 128 −
の事前分布の平均を 0.5 に設定した。
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
ると考えられる。また,日本の実質定常利子率
目)。
は 0.57% と事前分布に比して,低い数字とな
っているが,信用区間にゼロを含んでいないこ
Ⅲ−4−2.金融政策ショックとその反応
とから,有意にゼロとはなっていない。中国に
図表 5 には各国・地域の金利を引き上げる金
ついては,例えば,IS 曲線の行動方程式のパ
融政策ショック ( ) に対する各国の GDP ギャ
ラメーターのうち,GDP ギャップのリード項
ップなどの反応を示した。
(
日本の金融政策ショックに対しては,日本の
) のパラメーター
が 0.026 と主要
3 経済圏に比べ,小さくなっている。これは,
GDP ギャップはマイナスの方向(供給超過)
Bailliu et al.(2010)と同様の結果であり,中国
に反応しているが,米国やユーロ圏の GDP ギ
の家計や企業がフォワードルッキングに行動す
ャップは一時的にプラスの方向に反応し,その
る程度が低いことを示していると考えられる。
後プラス幅が減衰している。このような反応は,
金融政策ショックにより,ショック発生国の日
Ⅲ−4.インパルス応答関数
本の為替レートが増価の方向に反応しているた
Ⅲ−4−1.需要ショックとその反応
め,金融政策ショック発生当初は,通貨安によ
図表 4 の (1) から (4) は各国・地域の需要シ
り GDP ギャップをプラス方向に動かしている
ョック (
可能性が考えられる。その後は,ショック発生
) に対する各国の GDP ギャップなど
の反応を示している。
国の景気の動向を受け,プラスの反応が減衰し
各国・地域の需要ショックに対して,他の国・
ているものと考えられる。一方,中国の GDP
地域の GDP ギャップ(Y)はプラスの方向(需
ギャップは,日本の金融政策ショック発生直後,
要超過)に反応している。需要ショックの国内
ほとんど反応を示さない。これは他国と同様の
への影響としては,日本,米国,ユーロ圏では
プラス方向の GDP ギャップの変化が,日本の
自国の正の需要ショックに対して,プラスの
景気後退の影響によって相殺されているものと
GDP ギャップ,名目短期金利(RS)の上昇,
考えられる。
実質実効為替(REER_T)の増価という反応が
米国の金融政策ショックに対しては,日本,
示されている。これらは正の需要ショックに対
ユーロ圏の GDP ギャップが一時的にプラスの
する標準的な反応と言えるが,中国に関しての
方向に反応しているがその後減衰している。中
み,ショック発生時における為替の減価が観察
国の GDP ギャップも同様にプラスの反応を示
される。これは中国の金融政策ルールが為替を
しているが,その変化は日本やユーロ圏に比べ
考慮した形に修正された結果であると考えられ
て小さい。これは,中国の世界経済との結びつ
る。
きが外需に大きく依存しており,米国の金融政
図 表 4 の (5) は, 各 国・ 経 済 圏 の GDP 比 1
策の変化の直接的影響は小さいことを表してい
%の需要増ショックが,他国の GDP ギャップ
ると考えられる。
8)
に与える影響をまとめたものである 。表の 2
ユーロ圏の金融政策ショックに対しては,米
行目では,米国の需要ショックが各経済圏に等
国と中国の経済圏の GDP ギャップが有意にマ
しく大きな影響を与えることが顕著に示されて
イナスに反応しているのに対し,日本はわずか
いる。また,中国経済が外国の需要ショックか
にプラス方向に反応している。また,中国の金
ら大きな影響を受けることも確認できる(4 列
融政策ショックに対しては,日本及び米国の
8)Dynare の estimation コマンドのオプションである bayesian_irf によって出力されるインパルス応答が,推定
された 1 標準偏差のショックに対する反応であることを踏まえ,表中の数値は,ショックを GDP 比 1 %に
規格化することで各反応を修正したものを記載している。
− 129 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
GDP ギャップがプラスに反応し,ユーロ圏の
ると,世界金融危機に際し,他国と同様に米国
GDP ギャップは有意な反応とはなっていない。
の金融部門ショック (
) が一定の役割を果
たしているが,同時にユーロ圏内の金融政策シ
Ⅲ−5.歴史的分解
ョック (
図表 6 では,各国・経済圏の GDP ギャップ
わかる。
の変動の推移をモデル上のショックに分解し示
中国の GDP ギャップの変動の推移を見ると,
した。なおショックに関しては,変動に影響を
世界金融危機を境に米国の金融部門ショック
与えたショックのうち,標準偏差の大きい上位
(
10 番目までをグラフで示している。
一方,自国の大きな需要ショック (
まず,日本の GDP ギャップの変動の推移を
を打ち消していることが確認できる。このよう
見ると,世界金融危機の影響を受けた 2008 年
な結果は,当時の中国政府が行った大胆な財政
第 4 四半期は,自国の需要ショック (
政策を反映していると考えられる。また,2000
国の金融部門のショック (
) と米
) が大きな要因
) も大きな影響を与えていることが
) が景気にマイナスの影響を与えている
) がそれ
年代前半に自国の金融政策ショック (
)が
となっていることがわかる。その後,米国の実
継続的に景気を支える方向に寄与していること
質金利に対するショック (
も特徴と言える。また,対外的な要因では日本
) も日本の景気に
影響を与えていることが観察される。また,日
のショックが 1 種類 (
),米国のショックが
本の金融政策ショックも,日本の景気の変動に
2 種類 (
一定の役割を果たしているが,これは,ゼロ金
は 3 種類のショック (
利制約を反映しているものと考えられる。中国
経済の変動に影響を与えており,中国とユーロ
に関しては,実質為替のショック (
圏の経済的な結びつきが強いことを示唆してい
長率のショック (
) や成
) が日本の景気変動に影響
,
) であるのに対し,ユーロ圏
,
,
) が中国
る。
を与えていることがわかる。具体的には,2000
年代前半は実質為替のショックが日本経済の下
Ⅲ−6.予測
押し圧力となっていた一方で,成長率のショッ
最後に,モデルのパフォーマンスを検証する
クは日本の景気にプラスに働いていた。逆に
ために,モデルからの予測と現実の GDP の推
2000 年代後半になると,成長率のショックが
移を比較する。図表 7 では,2002 年第 1 四半
日本の GDP ギャップをマイナスに拡大させる
期から 2011 年第 1 四半期までのサンプルでモ
方向に寄与し,実質為替のショックは日本の景
デルを推定した上で,2011 年第 2 四半期から
気にプラスの影響を与えていた。なお,ユーロ
2012 年第 3 四半期までの 6 四半期について各
圏のショックについては,本稿の分析では,日
国の GDP を予測し実際の数値と比較している。
本の GDP ギャップの変動に対し寄与が見られ
図において,破線が予測の平均値,実線が現実
なかった。
の値,バンドは予測の 90%信用区間を表して
次に,米国 GDP ギャップの変動の推移を見
いる。
ると,自国の金融部門ショック (
) が景気
日本の GDP については,2011 年 3 月の東日
変動の大きな要因となっており,特に世界金融
本大震災の影響のため,2011 年第 2 四半期が
危機のときには,景気を大きく落ち込ませる要
予測のバンドから外れ,その後もほぼ予測平均
因となっていることが確認できる。また,日本
の下方で推移している。一方,米国の GDP に
とは異なりユーロ圏のショックが米国の景気の
ついては,2011 年第 3 四半期までほとんど予
変動に一定の役割を果たしていることも観察で
測平均通りに推移し,それ以降は予測平均を上
きる。
回っているものの全体としてバンド内を推移し
ユーロ圏の GDP ギャップの変動の推移を見
ている。他方,ユーロ圏の GDP については,
− 130 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
経済の停滞をこのモデルでは予測できていな
ば,ソブリンリスクを示す指標を考慮すること
い。これは,ギリシャに端を発したユーロ債務
も 今 後 の 課 題 の 一 つ と 考 え ら れ る。 中 国 の
危機とその後の経済の停滞を,この予測モデル
GDP については,ほぼ予測通りに推移してい
では織り込むことができないためと考えられ
ることが観察される。
る。ユーロ圏の予測能力を高めるために,例え
Ⅳ.3 経済圏モデルとの比較
この節では,本稿の推定結果を中国を除いた
ユーロ圏と中国,日本と中国がそれぞれ経済的
3 経済圏モデルの結果と比較し,中国をモデル
に密接に結びついているため,ユーロ圏におけ
に加えることの影響を検証する。本稿のモデル
るショックの波及効果が中国経済を介して増幅
から中国を除いた 3 経済圏モデルは,
されることを表していると考えられる。
Carabenciov et al.(2008b)のモデルと同じもの
図表 9 は 3 経済圏モデルにおける日本の
であるが,ここでは比較のため前節と同じ期間
GDP ギ ャ ッ プ の 歴 史 的 分 解 を 表 し て い る。
のデータを用いて推定を行う9)。なお本節では
GDP ギャップの推移自体はほとんど変化して
10)
日本経済についてのみ比較を行う 。
いないものの,4 経済圏モデル(図表 6)で観
図表 8 では,3 経済圏モデルと 4 経済圏モデ
察された中国経済に起因するショックは当然の
ルの需要ショックに対するインパルス応答を比
ことながら存在せず,その代わりユーロ圏の金
較しており,破線が 3 経済圏モデル,実線が 4
融政策と実質為替のショックが日本の景気に影
経済圏モデルのレスポンスを表している。図表
響を与えていることがわかる。このような違い
8-1 と 8-2 はそれぞれ日本の需要ショックが米
は,ユーロ圏よりも中国の方が日本経済により
国とユーロ圏の景気に与える影響を表してお
大きな影響を与えていることを表しており,日
り,どちらも 3 経済圏モデルの方がより大きな
本経済の分析において中国を考慮することの重
反応を示している。これは,3 経済圏モデルで
要性を示唆している。
は国の数が少ない分,各国相互の相対的な影響
図表 10 は,3 経済圏モデルに基づく,2011
力が大きくなることを表していると考えられ
年第 2 四半期から 2012 年第 3 四半期までの日
る。米国の需要ショックが日本に与える影響を
本の GDP 予測を示しており,4 経済圏モデル
示している図表 8-3 では,同様に 3 経済圏モデ
の予測の平均値を一点鎖線で表示している。両
ルの方が大きな反応を示している。一方,ユー
モデルの予測に大きな違いはないものの,予測
ロ圏のショックが日本経済に与える影響を表し
平均で見ると 3 経済圏モデルは 4 経済圏モデル
た図表 8-4 では,ショック発生直後はどちらの
に比べてやや下方に位置し,より現実に近い推
モデルもほとんど同じ反応を示し,ピーク時に
移を予測している。このような違いは,経済成
は 4 経済圏モデルの方が日本の景気に与える影
長率が高く,日本経済とも結びつきの強い中国
響がわずかながら大きくなっている。これは,
を含む 4 経済圏モデルの方が,相対的に日本経
9)Carabenciov et al.(2008b)は 1994 年第 1 四半期から 2008 年第 1 四半期のデータを用いているため,本稿
の 3 経済圏モデルとは推定結果が異なっている。
10)各パラメーターの推定結果は文末の別表を参照されたい。
− 131 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
済の高い成長を予測した結果であると考えられ
東日本大震災の発生やその影響を考慮していな
る。この結果は,3 経済圏モデルの方が予測精
い予測であることを踏まえて解釈する必要があ
度が高いことを示しているようにも見えるが,
る。
Ⅴ.まとめ
本稿では,日本経済の分析や予測のためのツ
影響もあり,予測精度は米中両国ほどは高くな
ールとして,日本経済とともに日本経済を取り
かった。さらに,中国を除いた 3 経済圏モデル
巻く主要な経済圏(米国,ユーロ圏,中国)を
との比較を行い,日本経済と密接な関係のある
明示的に含めた DSGE モデルに基づくプロジ
中国の存在が分析結果に様々な影響を与えるこ
ェクションモデルを構築し,ベイズ推定により
とを確認した。
パラメーター等を推定した。GDP ギャップに
今後の課題としては,中国経済の定式化の精
対するショックの分析からは,米国の金融仲介
緻化がまず挙げられる。中国経済は,日本や米
部門のショックが世界金融危機で,全世界に大
国,欧州と市場の深化が大きく異なり,また国
きな影響を与えたことが確認できたと同時に,
際金融の面でも,資本移動規制を採用し,為替
各国・経済圏のそれぞれに景気の変動に影響を
をドルにペッグし,金融政策の自由度は確保し
与えている要因があることが観察できた。また,
ている。これらを踏まえ,金融政策や為替につ
モデルのパフォーマンスを検証するために,サ
いて,方程式の定式化を引き続き検討する必要
ンプル期間を短くした上で GDP の予測を行っ
がある。さらに,日本経済と密接な関係にある
た。米国と中国についてはおおむね予測通りの
韓国など,その他のアジア経済をモデルに組み
動きとなっている一方で,日本は東日本大震災
込むことや,財政政策を明示的に定式化するこ
の影響,ユーロ圏については,欧州債務危機の
とも課題として考えられる。
参 考 文 献
1. 布袋正樹(2011),「為替レートが日本企業の
4. Arbatli, E. and K. Moriyama (2011), “Estimating
設備投資に及ぼす効果−企業レベルのパネル
a Small Open-Economy Model for Egypt:
データを用いた分析−」,フィナンシャル・
Spillovers, Inflation Dynamics, and Implications
レビュー第 107 号,pp.82-96,財務総合政策
for Monetary Policy,” IMF Working Paper No.
研究所。
11/108.
2. An, S. and F. Schorfheide (2007), “Bayesian
5. Bailliu, J. and P. Blagrave (2010), “The
Analysis of DSGE Models,” Econometric Reviews
Transmission of Shocks to the Chinese Economy
26(2-4), pp.113-172.
in a Global Context: A Model-Based Approach,”
Bank of Canada Working Papers 10-17.
3. Andrle, M., C. Freedman, R. Garcia-Sartos, D.
Hermawan, D. Laxton and H. Munandar(2009),
6. Bailliu, J., P. Blagrave and J. Rossiter (2010),
“Adding Indonesia to the Global Projection
“Introducing the Bank of Canada’s Projection
Model,” IMF Working Paper No.09/253.
Model for the Global Economy,” Technical Report
− 132 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
Effects of a Shock to Monetary Policy,” Journal of
No.99, Bank of Canada.
Political Economy 113(1), pp.1-45.
7. Burdekin, R.C.K. and P.L. Siklos, (2008), “What
Has Driven Chinese Monetary Policy since 1990?
13. Den Haan, W.J., K.L. Judd and M. Julliard
Investigating the People’s Bank’s Policy Rule,”
(2011), “Computational Suite of Models with
Journal of International Money and Finance 27,
Heterogeneous Agents II: Multi-country Real
pp847-859.
Business Cycle models,” Jounal of Economic
Dynamics and Control 35, pp.175-177.
8. Canales-Kriljenko, J., C. Freedman, R. GarciaSaltos, M. Johnson and D. Laxton (2009),“Adding
14. Giesen, S., O. Holtemoller, J. Scharffa and R.
Latin America to the Global Projection Model,”
Scheufelec (2012), “The Halle Economic
IMF Working Paper No. 09/85.
Projection Model,” Economic Modelling 29,
9. Carabenciov, I., I. Ermolaev, C. Freedman, M.
pp.1461-1472.
Juillard, O. Kamenik, D. Korshunov, D. Laxton
15. Liu, L. and W. Zhang (2010), “A New Keynesian
and J. Laxton (2008a), “A Small Quarterly
Model for Analysing Monetary Policy in Mainland
Projection Model of the US Economy,” IMF
China,” Journal of Asian Economics 21, pp.540-
Working Paper No. 08/278.
551.
10. Carabenciov, I., I. Ermolaev, C. Freedman, M.
16. Smets, F. and R. Wouters (2003), “An Estimated
Juillard, O. Kamenik, D. Korshunov, D.Laxton
Dynamic Stochastic General Equilibrium Model
and J. Laxton (2008b), “Small Quarterly Multi-
of the Euro Area,” Journal of the European
Country Projection Model,” IMF Working Paper
No. 08/279.
Economic Association 1(5), pp.1123-1175.
17. Smets, F. and R.Wouters (2007), “Shocks and
11. Carabenciov, I., I. Ermolaev, C. Freedman, M.
Frictions in US Business Cycles: A Bayesian
Juillard, O. Kamenik, D. Korshunov, D.Laxton
DSGE Approach,” American Economic Review
and J. Laxton (2008c), “A Small Quarterly Multi-
97(3), pp.586-606.
Country Projection Model with Financial-Real
18. Straub, R. and C. Thimann (2010), “The External
Linkages and Oil Prices,” IMF Working Paper No.
and Domestic Side of Macroeconomic Adjustment
08/280.
in China,” Journal of Asian Economics 21, pp.425-
12. Christiano, L.J., M. Eichenbaum and C.L. Evans
(2005), “Nominal Rigidities and the Dynamic
− 133 −
444.
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
図表 1 データの定義
米国
概要
データ出所
GDP
実質国内総生産(2005 年暦年連鎖価格)
米国経済分析局
為替
−
−
CPI
消費者物価指数(1982-1984 年 =100)、季節調整済
米国労働省労働統計局
金利
3カ月物 ドル LIBOR
英国銀行協会
失業率
季節調整済(%)
米国労働省労働統計局
Bank Lending tightening
以下の3指標の平均
Banks Tightening C.I Loans to Large Firms (% )
Banks Tightening C.I Loans to Small Firms (% )
Tightening Standards for Commercial Real Estate (% )
Federal Reserve Board
:FRB Senior Officers
Survey
ユーロ圏 15 か国(2005 年暦年価格)、季節調整済
欧州委員会統計局
ユーロ圏 GDP
日本
中国
為替(ユーロ / ドル)
期中平均(上昇が減価)
Bloomberg
CPI
消費者物価指数(2005 年 =100)、季節調整済
欧州委員会統計局
金利
3カ月物 EULIBOR
Bloomberg
失業率
季節調整済(%)
欧州委員会統計局
GDP
実質国内総生産、季節調整済(2005 年暦年連鎖価格) 内閣府国民経済計算部
為替(円 / ドル)
期中平均(上昇が減価)
Bloomberg
CPI
消費者物価指数(2010 年 =100)、季節調整済
総務省統計局
金利
無担保コールレート3カ月物(%)
日本銀行
失業率
季節調整済(%)
総務省統計局
中国国家統計局
GDP
実質国内総生産(1999 年暦年連鎖価格)
為替(元 / ドル)
期中平均(上昇が減価)
Bloomberg
CPI
消費者物価指数(1999 年暦年連鎖 )
中国国家統計局
金利
貸出金利、期中平均(%)
中国人民銀行
※ IMF “Direction of Trade Statistics”(2011) より、貿易ウェイトを算出し、それをもとに実質実効為替レートを算出。Output
Gap を推計する際に使用する貿易ウェイトは輸出と輸入の総和を用いて計算している一方、インフレ率を推計する際に使用
する貿易ウェイトは輸入のみから計算している。なお、海外の Output Gap を求める際のウェイトは輸出のみを用いて計算し
ている。
貿易マトリックス (1999-2011 年平均 , 単位 :%)
US
Export Destinations
Import Origins
Trade (export + import)
JA
EU
CH
to US
to JA
to EU
to CH
20
66
14
45
29
26
70
13
17
40
23
37
-
from US
from JA
from EU
from CH
24
50
26
32
27
41
47
21
32
23
41
36
-
US
JA
EU
CH
22
55
23
40
28
32
58
17
25
34
29
37
-
(データ出所)IMF “Direction of Trade Statistics”
− 134 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
図表 2 パラメーター推定結果
prior
mean
post.
mean
credible interval
prior
prior
stdev
prior
mean
post.
mean
credible interval
prior
prior
stdev
ߚா௎ǡଵ 0.75
0.8187
0.7312
0.8947
gamma
0.1
ߣா௎ǡଷ 0.208
0.1470
0.1100
0.1859
gamma
0.05
ߚ௃஺ǡଵ 0.75
0.6157
0.5428
0.6867
gamma
0.1
ߣ௃஺ǡଷ 0.18
0.1379
0.1008
0.1768
gamma
0.05
ߚ௎ௌǡଵ 0.78
0.6798
0.5855
0.7629
gamma
0.1
ߣ௎ௌǡଷ 0.12
0.1199
0.0727
0.1636
gamma
0.05
ߚ஼ுǡଵ 0.75
0.6356
0.5642
0.7111
beta
0.05
ߣ஼ுǡଷ 0.12
0.1595
0.0929
0.2148
gamma
0.05
ߚா௎ǡଶ 0.1
0.0883
0.0342
0.1391
beta
0.05
݃ா௎ 2
2.0168
1.9461
2.0830
norm
0.05
ߚ௃஺ǡଶ 0.1
0.0873
0.0312
0.1360
beta
0.05
݃௃஺ 1.7
1.6445
1.5896
1.6929
norm
0.05
2.2
2.2098
2.1264
2.2792
norm
0.05
5
5.2459
4.9464
5.5340
norm
0.2
2
1.6076
1.4176
1.7831
norm
0.3
௒ത ೄೄ
௒ത ೄೄ
ߚ௎ௌǡଶ 0.1
0.0435
0.0077
0.0761
beta
0.05
ߚ஼ுǡଶ 0.15
0.0263
0.0008
0.0506
beta
0.1
௒ത ೄೄ
݃௎ௌ ௒ത ೄೄ
݃஼ு ߚா௎ǡଷ 0.2
0.2226
0.1817
0.2679
gamma
0.05
ௌௌ
ܴതா௎
ߚ௃஺ǡଷ 0.2
0.1317
0.0906
0.1726
gamma
0.05
ௌௌ
ܴത௃஺
1
0.5667
0.2714
0.8459
norm
0.3
ߚ௎ௌǡଷ 0.2
0.1607
0.1088
0.2113
gamma
0.05
ௌௌ
ܴത௎ௌ
1.9
1.8617
1.5786
2.1430
norm
0.25
ߚ஼ுǡଷ 0.25
0.2706
0.2122
0.3362
gamma
0.05
ௌௌ
ܴത஼ு
3.9
3.9358
3.6966
4.1785
norm
0.2
0.03
ߚா௎ǡସ 0.104
0.1403
0.0825
0.2103
gamma
0.04
߬ா௎ 0.05
0.0462
0.0086
0.0878
beta
ߚ௃஺ǡସ 0.09
0.0941
0.0566
0.1363
gamma
0.04
߬௃஺ 0.05
0.0614
0.0321
0.0879
beta
0.03
ߚ௎ௌǡସ 0.05
0.0135
0.0053
0.0215
gamma
0.02
߬௎ௌ 0.043
0.0331
0.0037
0.0594
beta
0.03
ߚ஼ுǡସ 0.05
0.0267
0.0183
0.0352
gamma
0.01
߬஼ு 0.03
0.0228
0.0186
0.0278
beta
0.005
ߚா௎ǡହ 0.052
0.0458
0.0347
0.0556
gamma
0.01
ߩா௎ 0.5
0.5203
0.3840
0.6556
beta
0.1
ߚ௃஺ǡହ 0.045
0.0422
0.0327
0.0530
gamma
0.01
ߩ௃஺ 0.5
0.5470
0.4188
0.6357
beta
0.1
ߚ௎ௌǡହ 0.03
0.0302
0.0188
0.0432
gamma
0.01
ߩ௎ௌ 0.3
0.0871
0.0491
0.1234
beta
0.1
ߚ஼ுǡହ 0.4
0.3126
0.2620
0.3625
gamma
0.05
ߩ஼ு 0.9
0.8969
0.8883
0.9066
beta
0.01
ߛா௎ǡଵ 0.5
0.7648
0.7298
0.7902
beta
0.05
߶ா௎ 0.5
0.7497
0.6789
0.8193
beta
0.2
ߛ௃஺ǡଵ 0.5
0.9641
0.9530
0.9762
beta
0.25
߶௃஺ 0.5
0.8909
0.8215
0.9630
beta
0.2
0.5
0.0828
0.0168
0.1447
beta
0.2
1
2.3401
1.6664
3.0088
gamma
0.5
ߛ௎ௌǡଵ 0.8
0.9230
0.9056
0.9407
beta
0.05
߶஼ு ߛா௎ǡଶ 1.5
1.2250
1.0393
1.4234
gamma
0.2
ߠ௎ௌ ߛ௃஺ǡଶ 1.5
1.3520
1.1388
1.5446
gamma
0.2
ߢ௎ௌ 20
19.2701
18.8055
19.6627
gamma
0.5
ߛ௎ௌǡଶ 1.8
1.4882
1.1542
1.8066
gamma
0.3
߯஼ு 0.5
0.4998
0.4814
0.5193
gamma
0.02
ߛ஼ுǡଶ
1.2
0.5374
0.3490
0.7266
gamma
0.3
ߙா௎ǡଵ 0.75
0.6027
0.5061
0.7025
beta
0.1
ߛா௎ǡସ 0.2
0.2147
0.1470
0.2871
gamma
0.05
ߙ௃஺ǡଵ 0.75
0.7733
0.6621
0.8919
beta
0.1
ߛ௃஺ǡସ 0.2
0.1802
0.1309
0.2264
gamma
0.05
ߙ௎ௌǡଵ 0.7
0.6776
0.5292
0.8208
beta
0.1
ߛ௎ௌǡସ 0.53
0.5584
0.5156
0.6088
gamma
0.05
ߙா௎ǡଶ 0.3
0.2397
0.1930
0.2870
gamma
0.1
ߛ஼ுǡସ
0.2
0.2059
0.1512
0.2582
gamma
0.05
ߙ௃஺ǡଶ 0.1
0.0589
0.0348
0.0831
gamma
0.05
ߛ஼ுǡହ
0.2
0.2139
0.1573
0.2796
gamma
0.05
ߙ௎ௌǡଶ 0.22
0.2672
0.1593
0.3751
gamma
0.1
ߣா௎ǡଵ 0.5
0.7381
0.6341
0.8372
beta
0.1
ߙா௎ǡଷ 0.5
0.4050
0.1155
0.6980
beta
0.2
ߣ௃஺ǡଵ 0.5
0.6435
0.5468
0.7404
beta
0.1
ߙ௃஺ǡଷ 0.5
0.5192
0.2200
0.8088
beta
0.2
ߣ௎ௌǡଵ 0.63
0.8155
0.7451
0.8860
beta
0.1
ߙ௎ௌǡଷ 0.3
0.2800
0.1221
0.4360
beta
0.1
ߣ஼ுǡଵ 0.5
0.7416
0.7055
0.7832
beta
0.05
ߣா௎ǡଶ 0.25
0.2318
0.1936
0.2682
gamma
0.05
ߣ௃஺ǡଶ 0.25
0.2023
0.1544
0.2565
gamma
0.05
ߣ௎ௌǡଶ 0.18
0.1663
0.1121
0.2130
gamma
0.05
ߣ஼ுǡଶ 0.25
0.1478
0.1107
0.1890
gamma
0.05
− 135 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
図表 3 ショックの分散推定結果
prior
mean
௬
ߝா௎ ௬
ߝ௃஺ ௬
ߝ௎ௌ ௬
ߝ஼ு ഥ
௚ೊ
ߝா௎ ഥ
௚ೊ
ߝ௃஺ ഥ
௚ೊ
ߝ௎ௌ ഥ
௚ೊ
ߝ஼ு ത
ߝ௒ா௎
௒ത
ߝ௃஺
0.3
0.5
post.
mean
0.2476
0.8867
credible interval
0.2075
0.7823
0.2909
0.9871
prior
prior
stdev
invg
0.05
ூ
ߝ௃஺
0.25
0.1121
0.0913
0.1
ߝூ௎ௌ 0.5
0.3941
invg
prior
mean
post.
mean
prior
prior
stdev
0.1322
invg
Inf
0.3171
0.4724
invg
Inf
credible interval
0.7
0.5098
0.3736
0.6432
invg
0.2
ߝூ஼ு 0.5
0.4533
0.2979
0.6071
invg
Inf
0.3
0.6794
0.4997
0.8520
invg
Inf
௓ത
ߝா௎
1
5.3443
4.1201
6.5120
invg
Inf
4
3.7341
2.9131
4.5420
invg
Inf
1
0.4840
0.3316
0.6274
invg
Inf
1
0.7444
0.2434
1.3136
invg
Inf
0.5
0.3951
0.1193
0.7084
invg
Inf
1
1.7799
0.2426
4.3166
invg
Inf
0.1
0.2855
0.2148
0.3451
invg
0.05
௓ത
ߝ௃஺
0.1
0.3036
0.2194
0.3794
invg
0.05
௓ത
ߝ஼ு
0.3096
0.0414
0.5718
invg
Inf
0.25
0.2754
0.2508
0.2955
invg
0.03
0.2
0.2475
0.1896
0.2951
invg
0.05
0.2
0.2091
0.1413
0.2787
invg
0.05
0.1
ത
ߝ௒௎ௌ
0.2
0.3066
0.1959
0.4283
invg
ത
ߝ௒஼ு
0.2
0.2125
0.1518
0.2744
invg
ோಶೆ ିோೆೄ
ߝா௎
ோ಻ಲ ିோೆೄ
ߝ௃஺
ோ಴ಹ ିோೆೄ
ߝ஼ு
തതതതതത
஻௅்
ߝ௎ௌ 0.2
0.2072
0.0418
0.4060
invg
Inf
0.1
ߝ஻௅்
௎ௌ 0.6
0.3979
0.2483
0.5444
invg
Inf
0.05
ഥ
ߝ௎
ா௎ 0.1
0.0428
0.0239
0.0607
invg
Inf
0.1
0.0784
0.0302
0.1276
invg
Inf
0.1
0.2256
0.0256
0.4927
invg
Inf
0.1
0.0468
0.0261
0.0663
invg
Inf
0.1
0.0806
0.0317
0.1280
invg
Inf
0.1
0.0755
0.0270
0.1239
invg
Inf
ߝగா௎ 0.5
2.5462
2.0528
3.0050
invg
Inf
ഥ
௎
ߝ௃஺
గ
ߝ௃஺
1
1.1225
0.9054
1.3304
invg
Inf
ߝ௎
௎ௌ Inf
ഥ
ഥ
0.9
2.3252
1.9145
2.7207
invg
ߝగ஼ு 1
2.6321
2.1337
3.1226
invg
Inf
ത
ߝோா௎
0.2
0.1815
0.1521
0.2116
invg
0.04
௚ೆ
ߝா௎ ഥ
௚ೆ
ߝ௃஺ ഥ
௚ೆ
ߝ௎ௌ 0.04
ߝ௨ா௎ 0.2
0.0573
0.0408
0.0733
invg
Inf
0.1
0.0719
0.0291
0.1141
invg
Inf
0.1
0.2933
0.0310
0.4559
invg
Inf
ߝగ௎ௌ ோത
ߝ௃஺
0.1
0.1250
0.0708
0.1703
invg
ത
ߝோ௎ௌ
0.7
0.8758
0.5327
1.2209
invg
Inf
௨
ߝ௃஺
ത
ߝோ஼ு
0.5
0.5451
0.4602
0.6192
invg
0.05
ߝ௨௎ௌ ߝூா௎ 0.25
0.3780
0.2844
0.4689
invg
Inf
− 136 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
図表 4 各国・経済圏の需要ショックとその反応
(1)日本
(2)米国
− 137 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
図表 4 各国・経済圏の需要ショックとその反応
(3)ユーロ圏
(4)中国
(5)各経済圏の需要ショックが他国の経済に与える影響
(単位:%)
Y_JA
Y_US
Y_EU
Y_CH
RES_Y_JA
-
0.015
0.012
0.116
RES_Y_US
0.173
-
0.162
0.218
RES_Y_EU
0.088
0.056
-
0.247
RES_Y_CH
0.020
0.010
0.004
-
(注)各経済圏の需要ショックは GDP 比 1% に規格化している。
− 138 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
図表 5 各国・経済圏の金融政策ショックとその反応
(1)日本
(2)米国
− 139 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
図表 5 各国・経済圏の金融政策ショックとその反応
(3)ユーロ圏
(4)中国
− 140 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
図表6 各経済圏の GDP ギャップの推移と歴史的分解
(1)日本
6.0
4.0
2.0
0.0
Ͳ2.0
Ͳ4.0
Ͳ6.0
Ͳ8.0
Ͳ10.0
RES_RR_BAR_US
RES_RS_US
RES_Y_US
RES_BLT_US
RES PIE JA
RES_PIE_JA
RES Y JA
RES_Y_JA
RES RS JA
RES_RS_JA
RES LZ BAR JA
RES_LZ_BAR_JA
RES_G_CH
RES_LZ_BAR_CH
initial
total
(2)米国
3.0
2.0
10
1.0
0.0
Ͳ1.0
Ͳ2.0
Ͳ3.0
Ͳ4.0
Ͳ5.0
RES_PIE_US
RES_Y_US
RES_RS_US
RES_RR_BAR_US
RES_BLT_US
RES_LZ_BAR_EU
RES_RS_EU
RES_PIE_EU
RES_G_CH
RES_LZ_BAR_CH
initial
total
− 141 −
2012Q3
2012Q2
2012Q1
2011Q4
2011Q3
2011Q2
2011Q1
2010Q4
2010Q3
2010Q2
2010Q1
2009Q4
2009Q3
2009Q2
2009Q1
2008Q4
2008Q3
2008Q2
2008Q1
2007Q4
2007Q3
2007Q2
2007Q1
2006Q4
2006Q3
2006Q2
2006Q1
2005Q4
2005Q3
2005Q2
2005Q1
2004Q4
2004Q3
2004Q2
2004Q1
2003Q4
2003Q3
2003Q2
2003Q1
2002Q4
2002Q3
2002Q2
2002Q1
Ͳ6.0
6.0
− 142 −
RES_Y_US
RES_BLT_US
RES_Y_JA
RES_RS_EU
RES PIE EU
RES_PIE_EU
RES LZ BAR EU
RES_LZ_BAR_EU
RES PIE CH
RES_PIE_CH
RES G CH
RES_G_CH
RES_Y_CH
RES_RS_CH
initial
total
RES_G_CH
initial
total
(4)中国
4.0
3.0
2.0
1.0
0.0
Ͳ1.0
Ͳ2.0
Ͳ3.0
Ͳ4.0
2011Q
Q2
2011Q
Q1
2010Q
Q4
2010Q
Q3
2010Q
Q2
2010Q
Q1
2009Q
Q4
2009Q
Q3
2009Q
Q2
2009Q
Q1
2008Q
Q4
2008Q
Q3
2008Q
Q2
2008Q
Q1
2007Q
Q4
2007Q
Q3
2007Q
Q2
2007Q
Q1
2006Q
Q4
2006Q
Q3
2006Q
Q2
2006Q
Q1
2005Q
Q4
2005Q
Q3
2005Q
Q2
2005Q
Q1
2004Q
Q4
2004Q
Q3
2004Q
Q2
2004Q
Q1
2003Q
Q4
2003Q
Q3
2003Q
Q2
2003Q
Q1
2002Q
Q4
2002Q
Q3
2002Q
Q2
2002Q
Q1
2012Q
Q3
RES_PIE_EU
2012Q
Q2
RES_Y_EU
2012Q
Q3
RES_RS_EU
2012Q
Q1
RES_LZ_BAR_EU
2012Q
Q2
RES_BLT_US
2011Q
Q4
RES_PIE_US
2012Q
Q1
RES_Y_US
2011Q
Q3
RES_RS_US
2011Q
Q4
RES_RR_BAR_US
2011Q
Q3
2011Q
Q2
2011Q
Q1
2010Q
Q4
2010Q
Q3
2010Q
Q2
2010Q
Q1
2009Q
Q4
2009Q
Q3
2009Q
Q2
2009Q
Q1
2008Q
Q4
2008Q
Q3
2008Q
Q2
2008Q
Q1
2007Q
Q4
2007Q
Q3
2007Q
Q2
2007Q
Q1
2006Q
Q4
2006Q
Q3
2006Q
Q2
2006Q
Q1
2005Q
Q4
2005Q
Q3
2005Q
Q2
2005Q
Q1
2004Q
Q4
2004Q
Q3
2004Q
Q2
2004Q
Q1
2003Q
Q4
2003Q
Q3
2003Q
Q2
2003Q
Q1
2002Q
Q4
2002Q
Q3
2002Q
Q2
Q1
2002Q
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
図表6 各経済圏の GDP ギャップの推移と歴史的分解
(3)ユーロ圏
40
4.0
3.0
2.0
1.0
0.0
Ͳ1.0
10
Ͳ2.0
Ͳ3.0
Ͳ4.0
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
図表 7 GDP の予測
図表 8 需要ショックとその反応(3 経済圏モデル)
(8Ͳ1)
(8Ͳ2) ResponseofY_EUtoRES_Y_JA
ResponseofY_UStoRES_Y_JA
0.030
0.030
0.025
0.025
0.020
0 020
0.020
0.015
0.015
0.010
0.010
0.005
0.005
0.000
0.000
Ͳ0.005
Ͳ0.005
Ͳ0.010
Ͳ0.010
Ͳ0.015
1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
4⤒῭ᅪ䝰䝕䝹
(8Ͳ3)
1
3
5
7
3⤒῭ᅪ䝰䝕䝹
4⤒῭ᅪ䝰䝕䝹
3⤒῭ᅪ䝰䝕䝹
(8Ͳ4) ResponseofY_JAtoRES_Y_EU
ResponseofY_JAtoRES_Y_US
0.250
0.100
0.200
0.080
0.150
0.060
0.100
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
0.040
0.050
0 020
0.020
0.000
0.000
Ͳ0.050
Ͳ0.020
Ͳ0.100
Ͳ0.040
Ͳ0.150
1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Ͳ0.060
4⤒῭ᅪ䝰䝕䝹
1
3⤒῭ᅪ䝰䝕䝹
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
4⤒῭ᅪ䝰䝕䝹
− 143 −
3⤒῭ᅪ䝰䝕䝹
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
図表 9 日本の GDP ギャップの推移と歴史的分解(3 経済圏モデル)
6.0
4.0
2.0
0.0
Ͳ2.0
Ͳ4.0
Ͳ6.0
Ͳ8.0
Ͳ10.0
RES_RS_EU
RES_LZ_BAR_EU
RES_RR_BAR_US
RES_RS_US
RES_Y_US
RES_BLT_US
RES_PIE_JA
RES_Y_JA
RES_RS_JA
RES_LZ_BAR_JA
initial
total
図表 10 日本の GDP の予測
− 144 −
< 財務省財務総合政策研究所「フィナンシャル・レビュー」平成 26 年第1号(通巻 117 号)2014 年3月>
別表1 3 経済圏モデル パラメーター推定結果
prior
mean
post.
mean
credible interval
prior
prior
stdev
prior
mean
post.
mean
credible interval
prior
prior
stdev
ߚா௎ǡଵ 㻌
0.75
0.7663
0.6901
0.8457
gamma
0.1
ߣா௎ǡଷ 㻌
0.208
0.1359
0.0844
0.183
gamma
0.05
ߚ௃஺ǡଵ 㻌
0.75
0.6282
0.5372
0.7122
gamma
0.1
ߣ௃஺ǡଷ 㻌
0.18
0.1542
0.0941
0.2136
gamma
0.05
ߚ௎ௌǡଵ 㻌
0.78
0.718
0.6403
0.7987
gamma
0.1
ߣ௎ௌǡଷ 㻌
0.12
0.143
0.0649
0.2124
gamma
0.05
2
1.9713
1.9014
2.0431
norm
0.05
1.7
1.7548
1.6768
1.8302
norm
0.05
ߚா௎ǡଶ 㻌
0.1
0.1127
0.0412
0.1928
beta
0.05
ߚ௃஺ǡଶ 㻌
0.1
0.1097
0.0436
0.179
beta
0.05
ߚ௎ௌǡଶ 㻌
0.1
0.0772
0.0207
0.1265
beta
0.05
௒ത ೄೄ
݃ா௎ 㻌
௒ത ೄೄ
݃௃஺ 㻌
௒ത ೄೄ
݃௎ௌ 㻌
2.2
2.2075
2.118
2.3008
norm
0.05
ߚா௎ǡଷ 㻌
0.2
0.2058
0.1399
0.2675
gamma
0.05
ௌௌ
ܴതா௎
㻌
2
1.8505
1.4582
2.2056
norm
0.3
ߚ௃஺ǡଷ 㻌
0.2
0.1486
0.0964
0.2012
gamma
0.05
ௌௌ
ܴത௃஺
㻌
1
0.0882
-0.1851
0.3442
norm
0.3
ߚ௎ௌǡଷ 㻌
0.2
0.127
0.0895
0.1646
gamma
0.05
ௌௌ
ܴത௎ௌ
㻌
1.9
1.7406
1.3606
2.1164
norm
0.25
ߚா௎ǡସ 㻌
0.104
0.148
0.095
0.194
gamma
0.04
߬ா௎ 㻌
0.05
0.0245
0.0039
0.0448
beta
0.03
ߚ௃஺ǡସ 㻌
0.09
0.0706
0.0345
0.1071
gamma
0.04
߬௃஺ 㻌
0.05
0.0307
0.0067
0.054
beta
0.03
ߚ௎ௌǡସ 㻌
0.05
0.0277
0.0124
0.0416
gamma
0.02
߬௎ௌ 㻌
0.043
0.0289
0.0023
0.0567
beta
0.03
ߚா௎ǡହ 㻌
0.052
0.0498
0.041
0.0596
gamma
0.01
ߩா௎ 㻌
0.5
0.4458
0.3108
0.5721
beta
0.1
ߚ௃஺ǡହ 㻌
0.045
0.0394
0.0224
0.0528
gamma
0.01
ߩ௃஺ 㻌
0.5
0.5303
0.3914
0.6496
beta
0.1
ߚ௎ௌǡହ 㻌
0.03
0.026
0.0137
0.037
gamma
0.01
ߩ௎ௌ 㻌
0.3
0.198
0.0845
0.3129
beta
0.1
ߛா௎ǡଵ 㻌
0.5
0.7715
0.7494
0.7902
beta
0.05
߶ா௎ 㻌
0.5
0.7566
0.6977
0.8157
beta
0.2
ߛ௃஺ǡଵ 㻌
0.5
0.9688
0.9592
0.9787
beta
0.25
߶௃஺ 㻌
0.5
0.8519
0.7621
0.9463
beta
0.2
ߛ௎ௌǡଵ 㻌
0.8
0.9118
0.8926
0.9317
beta
0.05
ߠ௎ௌ 㻌
1
1.5505
0.7604
2.4562
gamma
0.5
ߛா௎ǡଶ 㻌
1.5
1.1646
0.9589
1.3585
gamma
0.2
ߢ௎ௌ 㻌
20
19.8975
19.1788
20.647
gamma
0.5
ߛ௃஺ǡଶ 㻌
1.5
1.4284
1.1683
1.7024
gamma
0.2
ߙா௎ǡଵ 㻌
0.75
0.6035
0.5095
0.6985
beta
0.1
ߛ௎ௌǡଶ 㻌
1.8
1.6683
1.2924
2.0427
gamma
0.3
ߙ௃஺ǡଵ 㻌
0.75
0.7744
0.6733
0.8795
beta
0.1
ߛா௎ǡସ 㻌
0.2
0.2193
0.1345
0.2994
gamma
0.05
ߙ௎ௌǡଵ 㻌
0.7
0.666
0.522
0.811
beta
0.1
ߛ௃஺ǡସ 㻌
0.2
0.1418
0.0979
0.1896
gamma
0.05
ߙா௎ǡଶ 㻌
0.3
0.2082
0.1694
0.249
gamma
0.1
ߛ௎ௌǡସ 㻌
0.53
0.4897
0.4285
0.5377
gamma
0.05
ߙ௃஺ǡଶ 㻌
0.1
0.0597
0.038
0.0811
gamma
0.05
ߣா௎ǡଵ 㻌
0.5
0.6965
0.5898
0.7992
beta
0.1
ߙ௎ௌǡଶ 㻌
0.22
0.2725
0.1665
0.376
gamma
0.1
ߣ௃஺ǡଵ 㻌
0.5
0.5877
0.4951
0.6861
beta
0.1
ߙா௎ǡଷ 㻌
0.5
0.3849
0.1061
0.664
beta
0.2
ߣ௎ௌǡଵ 㻌
0.63
0.8274
0.7514
0.9074
beta
0.1
ߙ௃஺ǡଷ 㻌
0.5
0.5628
0.2773
0.8594
beta
0.2
ߙ௎ௌǡଷ 0.3
0.2807
0.1191
0.4338
beta
0.1
ߣா௎ǡଶ 㻌
0.25
0.1791
0.1288
0.228
gamma
0.05
ߣ௃஺ǡଶ 㻌
0.25
0.1886
0.1423
0.2372
gamma
0.05
ߣ௎ௌǡଶ 㻌
0.18
0.2145
0.1483
0.3126
gamma
0.05
− 145 −
4 経済圏モデルによる日本経済予測分析:プロジェクションモデル・アプローチ
別表 2 3 経済圏モデル ショックの分散推定結果
prior
mean
௬
ߝா௎ ௬
ߝ௃஺ ௬
ߝ௎ௌ ഥ
௚ೊ
ߝா௎ ഥ
௚ೊ
ߝ௃஺ ഥ
௚ೊ
ߝ௎ௌ ത
ߝ௒ா௎
0.3
post.
mean
0.2784
credible interval
0.2197
0.3284
prior
prior
stdev
prior
mean
invg
0.05
ߝூ௎ௌ 0.5
0.3884
0.3127
1
5.1822
4
4.2431
1
0.5
0.9263
0.7802
1.0682
invg
0.1
௓ത
ߝா௎
0.7
0.4892
0.3779
0.5984
invg
0.2
௓ത
ߝ௃஺
post.
mean
prior
prior
stdev
0.4646
invg
Inf
4.1821
6.1396
invg
Inf
3.215
5.2579
invg
Inf
0.8626
0.2372
1.6036
invg
Inf
0.5
0.4786
0.1133
0.8636
invg
Inf
0.2
0.2592
0.0418
0.5023
invg
Inf
credible interval
0.1
0.1152
0.0531
0.1772
invg
0.05
0.1
0.1949
0.1064
0.2831
invg
0.05
0.1
0.3045
0.0471
0.5341
invg
Inf
ோಶೆ ିோೆೄ
ߝா௎
ோ಻ಲ ିோೆೄ
ߝ௃஺
஻௅்
ߝതതതതതത
௎ௌ
0.05
ߝ஻௅்
௎ௌ 0.6
0.6377
0.293
1.0081
invg
Inf
0.2
0.2273
0.1627
0.2916
invg
௒ത
ߝ௃஺
0.2
0.1752
0.1232
0.2295
invg
0.05
ഥ
ߝ௎
ா௎ 0.1
0.0435
0.0246
0.0624
invg
Inf
ത
ߝ௒௎ௌ
0.2
0.2058
0.1035
0.3061
invg
0.1
௎
ߝ௃஺
0.1
0.0781
0.0297
0.1248
invg
Inf
Inf
ഥ
ߝ௎
௎ௌ 0.1
0.2039
0.0259
0.4778
invg
Inf
0.1
0.0489
0.0276
0.0694
invg
Inf
0.1
0.0711
0.0281
0.1154
invg
Inf
ߝగா௎ 0.5
2.6241
2.1326
3.1081
invg
ഥ
ഥ
గ
ߝ௃஺
1
1.2303
0.9748
1.4663
invg
Inf
ߝగ௎ௌ 0.9
2.3378
1.9218
2.7401
invg
Inf
ത
ߝோா௎
0.2
0.1995
0.1549
0.2461
invg
0.04
௚ೆ
ߝா௎ ഥ
௚ೆ
ߝ௃஺ ഥ
௚ೆ
ߝ௎ௌ 0.1
0.0731
0.0274
0.1199
invg
Inf
ோത
ߝ௃஺
0.1
0.1096
0.0499
0.1705
invg
0.04
ߝ௨ா௎ 0.2
0.0578
0.0408
0.0739
invg
Inf
ത
ߝோ௎ௌ
0.7
0.7333
0.2899
1.1349
invg
Inf
௨
ߝ௃஺
0.1
0.0759
0.031
0.1179
invg
Inf
ߝ௨௎ௌ 0.1
0.3061
0.0326
0.4579
invg
Inf
ߝூா௎ 0.25
0.3849
0.2941
0.4696
invg
Inf
ூ
ߝ௃஺
0.25
0.11
0.0895
0.1307
invg
Inf
− 146 −
ダウンロード

4 経済圏モデルによる日本経済予測分析: プロジェクション