非线性冲击：阈值效应、状态转换下的冲击性质变化

各位同学，今天我们来聊一个很有意思的话题——非线性冲击。

说实话，传统经济学里讲冲击，大多假设它是线性的。什么意思呢？就是冲击来了，影响是均匀的、可叠加的。比如GDP下降1%，消费也跟着降0.8%，很规整。但现实世界哪有这么听话？

我做了十几年宏观分析，见过太多“突然就崩了”的案例。为什么突然？因为冲击不是线性的，它存在一个“临界点”。过了这个点，性质就变了。

什么是阈值效应？

阈值效应，说白了就是“不到那个数没事，到了就出事”。

举个例子。你往一个水杯里倒水，前99%的水都没事，但第100%的水倒进去，水就溢出来了。这就是阈值。宏观经济学里，这种效应比比皆是。

我在2015年做过一个项目，研究地方政府债务对经济增长的影响。当时我们发现，债务率低于60%的时候，债务对增长几乎没影响。但一旦超过80%，每增加1%的债务，增长就掉0.3个百分点。这就是典型的阈值效应。

状态转换：冲击的“变脸”

状态转换跟阈值效应是孪生兄弟。阈值是“临界点”，状态转换是“过了临界点之后发生了什么”。

我习惯把经济系统想象成一台机器。正常状态下，机器平稳运行，你敲一下它，它晃一晃就回来了。但如果你敲得太重，机器内部的某个齿轮卡住了，整个运行模式就变了——这就是状态转换。

为什么会这样？因为经济系统里存在大量的非线性反馈机制。比如：

• 金融加速器效应：资产价格下跌 → 企业抵押品贬值 → 融资成本上升 → 投资减少 → 经济更差 → 资产继续跌。这是个正反馈循环，一旦启动，冲击会被放大。
• 流动性陷阱：利率降到零以后，货币政策就失效了。你再怎么放水，钱都趴在银行里，不流到实体经济。冲击的性质从“可调控”变成了“不可控”。
• 信心崩塌：消费者信心指数跌破某个值，大家就开始存钱不花钱。这时候财政刺激的效果会大打折扣。

如何建模？

讲理论不过瘾，我们来点实际的。怎么在模型里刻画这种非线性冲击？

我个人比较喜欢用门限自回归模型（TAR）。它的核心思想很简单：把数据分成两个或多个“状态”，每个状态里用不同的线性模型去拟合。

# 一个简单的两状态TAR模型示例
# 假设阈值变量为z，阈值为c

if z_t <= c:
    y_t = α₁ + β₁ * x_t + ε_t
else:
    y_t = α₂ + β₂ * x_t + ε_t

# 其中β₁和β₂可以完全不同
# 这意味着冲击x在不同状态下对y的影响系数不同

嗯，这里要注意：阈值c不是随便选的。通常要用Hansen（1999）的格点搜索法，找到让模型拟合最好的那个阈值。我当年写论文时，光调这个阈值就调了两周。

状态	条件	冲击传导系数	冲击性质
正常状态	z ≤ c	β₁ = 0.2	临时冲击，可逆
危机状态	z > c	β₂ = 1.5	永久冲击，不可逆

你看，同一个冲击，在正常状态下只产生0.2的响应，到了危机状态就变成1.5。差了7.5倍。这就是非线性。

避坑指南

我曾经犯过一个错误，现在想起来还觉得丢人。当时我分析一个国家的通胀数据，发现货币供应量增加10%，通胀只涨了2%。我心想，嗯，通胀不敏感，货币政策可以大胆放水。结果第二年，通胀突然飙到15%。

为什么？因为货币供应量超过了某个阈值，通胀预期发生了状态转换。之前大家觉得央行会收手，所以不涨价。但看到货币一直放，预期变了，所有人都开始抢购。这就是阈值效应下的冲击性质变化。

知识体系框架

下面这张图是我自己画的，把本章的核心逻辑串起来了。你仔细看一遍，应该能理解非线性冲击的全貌。

这张图的核心逻辑是：冲击进来后，先判断是否超过阈值。没超过，系统还在正常状态，冲击是临时的，会自己恢复。超过了，系统切换到危机状态，冲击被非线性放大，很可能变成永久性的。

你想想看，很多金融危机就是这么来的。一开始只是个小冲击，但触发了阈值，状态一转换，小冲击就变成了大灾难。

好了，这一章就到这里。非线性冲击是个大话题，后面我们还会反复提到。你先把阈值效应和状态转换这两个概念吃透，后面就好办了。

---