IMF国际货币组织全球-Assessing-IMF-Lending-a-Model-of-Sample-Selection_23页_1mb

总结：IMF贷款评估：样本选择模型

核心内容

本文探讨了国际货币基金组织（IMF）贷款需求的潜在规模，并引入了一个统一的计量经济学框架，以考虑样本选择和贷款规模的双重维度。研究基于面板数据，通过扩展Heckman的样本选择模型，结合Mundlak的方法，允许对未观察的异质性进行建模，从而捕捉国家层面的永久性样本选择渠道。研究还通过蒙特卡洛模拟，评估了不同全球冲击情景下IMF可能的总贷款需求。

主要观点

• IMF贷款规模与国家的外部融资需求、汇率贬值、GDP增长率下降以及全球金融状况恶化密切相关。
• 样本选择偏差是研究IMF贷款的重要方法论挑战，因为只有部分国家的贷款数据被观察到。
• 未观察的异质性（如国家层面的永久性特征）可能影响样本选择，因此需在模型中加以考虑。
• 通过引入Mundlak变量，模型能够捕捉国家间的永久性差异，这种变量与Reinhart、Rogoff和Savastano提出的“债务容忍度”概念相关。
• 模型通过模拟不同全球冲击情景，得出IMF潜在总贷款需求的分布具有显著的右尾，意味着极端危机可能导致更高的贷款需求。

关键信息

数据与样本

• 使用了Poulain和Reynaud的面板数据，涵盖1992年至2014年间92个先进、新兴和前沿市场经济体，共119项IMF贷款安排。
• 模型考虑了国家层面的样本选择和贷款规模之间的相关性。

模型结构

• 模型包括两个主要部分：选择方程和规模方程。
• 选择方程用于预测国家是否需要IMF贷款，考虑了外部融资需求（EFN）、人均GDP、政府稳定性、互联性、过去贷款安排和信用-GDP缺口等因素。
• 规模方程用于预测贷款规模，考虑了EFN、人均GDP、汇率波动、GDP增长和VIX指数（全球风险厌恶指标）等因素。
• 未观察的异质性变量 $ (c_i, d_i) $ 被假设与观测变量相关。

方法论创新

• 扩展了Heckman的样本选择模型，引入了Mundlak的思路，将未观察异质性线性投影到观测变量上。
• 通过蒙特卡洛模拟，评估了不同全球冲击情景下IMF贷款需求的潜在分布。
• 模型考虑了样本选择偏差和未观察异质性对结果的影响，从而更准确地估计IMF贷款需求。

模拟结果

• 在第一种模拟方法中，当VIX指数为30时，潜在IMF贷款需求在85%分位数为约2800亿特别提款权（SDR），在95%分位数为约5600亿SDR。
• 在第二种模拟方法中，当选择概率阈值为7.5%时，潜在贷款需求约为4000亿SDR；当阈值降至4%时，需求迅速上升至约8250亿SDR。
• 模拟结果表明，大多数危机可在IMF约600-8000亿SDR的贷款能力范围内得到应对，但极端危机可能导致显著更高的需求。

结构概述

1. 引言：阐述了全球金融危机后IMF在国际金融安全网中的重要性，并指出样本选择偏差对IMF贷款需求研究的影响。
2. 统计数据：分析了IMF贷款规模随时间的变化趋势，指出其分布逐渐向右偏移，尾部变宽。
3. 实证方法：介绍了模型构建与估计方法，包括选择方程和规模方程的设定，以及未观察异质性的处理。
4. 结果分析：展示了模型估计结果，并讨论了样本选择偏差和未观察异质性对贷款规模的影响。
5. 情景模拟：通过两种不同的方法模拟了不同全球冲击情景下的IMF贷款需求，强调了极端情景下的潜在需求。
6. 结论：总结了研究的贡献，并指出该模型可为IMF资源充足性评估提供重要参考。

关键变量与系数

模型拟合结果

• 选择模型拟合：通过将预测的样本选择概率分组，发现模型在较高概率组的表现较为满意，尽管样本量较小。
• 规模模型拟合：模型预测的贷款规模分布近似于对数正态分布，残差显示更多值低于零，表明模型对规模的预测具有一定的准确性。

政策意义

• 本文的模型为评估IMF资源的充足性提供了重要输入，特别是在全球危机情景下的潜在需求。
• 研究强调了全球金融周期对IMF贷款需求的影响，并指出当前全球风险厌恶水平较低，可能意味着IMF的贷款需求预期也较低。
• 该模型可用于政策制定者评估IMF在不同经济环境下的应对能力，并为未来的资源分配提供参考。

参考文献

• Berkson, J. (1946)
• IMF (2016)
• Chamberlain, G. (1982)
• Ghosh, A., Goretti, M., Joshi, B., Alun, T., & Zalduendo, J. (2008)
• Heckman, J. J. (1979)
• Heckman, J. J. (1981)
• Lang, V. (2016)
• Little, R. J. A., & Rubin, D. B. (1987)
• Mundlak, Y. (1978)
• Pearl, J. (2009)
• Poulain, J.-G., & Reynaud, J. (2017)
• Reinhart, C. M., Rogoff, K. S., & Savastano, M. A. (2003)