2025第51卷第10期
2. 广东外语外贸大学 金融学院，广东 广州 510006
2. School of Finance, Guangdong University of Foreign Studies, Guangzhou 510006, China
一、引 言
近年来，数字经济的迅速发展正在深刻重塑经济运行机制，其对宏观经济理论的影响日益显现，特别是对卢卡斯批判所提出命题的冲击亟需深入研究。卢卡斯批判在宏观经济学中具有里程碑意义，它指出在理性预期条件下，经济主体会对政策规则进行内生化响应，从而削弱宏观政策的有效性。在这一背景下，中国作为处于经济转型阶段的国家，数字经济的崛起不仅改变了信息传播与预期形成的方式，也引发出新的理论问题：在信息透明度提升、数据传输加速和网络效应扩散的当前环境下，卢卡斯批判是否依然完全适用？其理论边界是否需要重新审视？对这些问题的探讨，不仅有助于构建契合中国现实国情的宏观经济理论框架，也对提升宏观调控的精准性与有效性具有重要意义。
本文提出数字经济影响卢卡斯批判的三种机制路径：其一，政策信息反馈机制。数字技术加快了政策信息在市场中的吸收和反应速度，政策意外性可能被削弱，但同时政策制定者也获得了更强的实时调整与响应能力。其二，数据传输速度机制。信息传递效率的提升大幅压缩了政策传导的时滞，加快了预期形成过程，从而改变了政策冲击的时序结构与最终效果。其三，平台网络化机制。平台经济强化了市场主体之间的信息互联与预期协同，使政策意图更快被识别和消化，也为政策沟通与预期引导提供了新渠道与新工具。总体来看，数字经济对卢卡斯批判的影响呈现双向性：它既可能因预期更趋理性而强化该批判的约束，也可能通过优化信息结构与增强政策透明度而弱化其实际效应。
为此，本文构建了一个数学模型，用于分析数字经济对货币政策有效性的影响。该模型将货币政策分解为规则性部分与随机性部分：规则性部分对真实产出无影响，而未预期到的随机性政策冲击会显著改变真实产出。在此基础上，本文引入两个关键参数——理性预期权重（
在实证部分，本文基于货币政策规则与企业微观数据，评估数字经济对预期形成机制的实际影响。研究发现，数字经济显著提高了经济主体的理性预期能力与政策可预测性，总体上弱化了卢卡斯批判，并强化了货币政策对企业投资的促进作用。机制检验表明，这一效应主要通过政策信息反馈效率、数据传输速度以及平台网络效应三个渠道实现。此外，数字经济发展阶段和经济政策不确定性具有调节作用：在较高发展阶段，主体对政策判断更为准确；而在高不确定性环境下，数字经济仍有助于稳定货币政策效果。研究还发现，数字经济对家庭消费存在积极影响，但该影响主要来自收入效应，而非通过预期渠道或货币政策传导实现。
本文的研究与数字经济如何影响经济预期相关。在国外研究方面，Brynjolfsson和McAfee（2014）强调数字化技术提升了信息传播效率，使经济主体能够更快调整对政策变化的预期，从而在一定程度上削弱宏观政策的有效性；Agrawal等（2022）指出数字技术通过提高信息透明度和市场效率改善企业和消费者的决策预期，使其更加依赖实时信息和数据分析而非历史数据；Lopez-Lira （2024）认为生成式AI并非替代人类判断，而是通过拓展认知维度重构“可预测性边界”，将预期差转化为稳健的套利信号。在国内研究方面，吴非等（2021）发现企业数字化转型能改善信息不对称并强化资本市场预期；方明月等（2023）、仇化和尹志超（2023）、李文芳和胡秋阳（2024）、熊家财等（2024）、刘秉镰等（2025）也指出数字经济的发展有助于降低信息不对称、减少交易成本并提升决策效率。总体而言，现有研究大多关注信息技术与大数据如何改善信息获取，而对数字经济在政策预期机制中的作用仍缺乏系统性探讨，本文则进一步研究经济主体在形成预期时是否会内生化政策规则，以及数字化技术对政策规则传导路径的潜在影响。
本文的研究还与预期机制和货币政策效果的研究相关。Lucas （1976）提出卢卡斯批判，认为理性预期会使传统货币政策在应对波动时失效；Clarida等（1999）则基于DSGE模型表明，预期调整削弱了政策的长期效果。后续研究如Andrade等（2019）、Campbell等（2019）、Bundick和Smith（2020）、Swanson （2021）、Coibion等（2022）均强调预期管理在货币政策传导中的关键作用，并主张提升政策透明度和稳定性以减少预期波动干扰。在中国背景下，高洁超等（2019）指出预期理性化虽能提升福利，但异质性预期下事前承诺不一定优于相机抉择；宋芳秀和宋奎壁（2024）利用央行储户调查发现，不完全信息个体会将货币政策作为未来信号，加剧信息效应并阻碍传导；庄子罐等（2018）、朱小能和周磊（2018）、隋建利和刘碧莹（2020）、董青马等（2024）发现未预期的货币政策会显著影响资产价格，若忽略则会低估政策有效性；郭豫媚和周璇（2018）、欧阳志刚和胡雯华（2024）、姜富伟等（2024）、张一帆等（2024）则强调前瞻性引导和宏观审慎政策有助于稳定预期并强化效果。与这些研究不同，本文关注数字经济条件下预期机制对政策效果的动态调整，探讨数据与信息传播如何强化或弱化政策规则在预期形成中的作用，从而揭示数字经济带来的货币政策新挑战。
总的来看，本文的学术贡献主要体现在以下几个方面：第一，在研究视角上，本文不仅关注数字经济对货币政策效果的总体影响，而且进一步探讨了数字经济如何通过改变经济主体的预期形成机制，进而重塑货币政策规则部分的传导路径。这一视角拓展了传统宏观政策分析对预期调整的理解框架，将数字经济作为影响信息结构、市场行为模式与政策反应机制的关键变量。第二，在机制识别上，本文提出并建构了一个新的货币政策传导机制，强调数字经济的发展通过提升政策信息反馈水平、加快数据传输速度与强化平台网络效应增强了经济主体对政策规则的识别与内生化能力。该机制不仅揭示了数字经济如何通过信号效应与目标协调效应改变预期结构，而且从理论上指出在数字经济条件下，预期的“可引导性”反而可能在一定程度上提升货币政策工具的有效性，从而对卢卡斯批判的适用性提出修正。第三，在实证设计上，本文结合不同经济环境与制度背景，系统识别了数字经济通过预期机制对政策效果所产生的异质性影响。通过引入数字经济变量与宏观不确定性、发展阶段等变量的交互结构，本文创新性地刻画了政策传导路径在不同信息结构条件下的差异性，为评估政策效果提供了更具精度与解释力的实证工具。
文章后面部分结构如下：第二部分是理论分析与研究假说；第三部分是研究设计；第四部分是实证结果分析；第五部分是机制分析；第六部分是进一步的探讨；第七部分是结论与政策含义。
二、理论分析与研究假说
（一）宏观经济模型中的卢卡斯批判
卢卡斯批判指出，传统宏观模型若忽视经济主体在政策变化下调整预期和行为的内生性，则政策评估就会失真。基于这一逻辑，本文引入卢卡斯–萨金特–华莱士（LSW）模型来加以刻画：
| $ D{y}_{t}^{s}=a\cdot D{y}_{t-1}+b\left({p}_{t}-{p}_{t}^{e}\right)+{u}_{t} $ | (1) |
式（1）为供给方程，其中
| $ {y}_{t}^{d}=c\left({m}_{t}-{p}_{t}\right)+{\eta }_{t} $ | (2) |
式（2）是总需求方程，表示实际货币余额对需求的影响。其中，
| $ {m}_{t}={m}_{0}+d\cdot D{y}_{t-1}+{\xi }_{t} $ | (3) |
式（3）定义了货币供给的政策规则，其中货币供给
| $ {y}_{t}={y}_{t}^{d}={y}_{t}^{s} $ | (4) |
式（4）是供需均衡条件。
| $ {p}_{t}^{e}={E}_{t-1}\left({p}_{t}\right) $ | (5) |
式（5）是预期价格均衡条件。式（1）至式（5）组成了卢卡斯供给曲线，表示产出受到未预期价格变动的影响，以及过去产出水平变化的影响。前者表示经济主体是根据对未来价格的理性预期变化来调整当前产出；后者表示由于调整滞后等原因，供给具有一定的惯性。
经推导后，本文可以得到在均衡条件下货币政策变动对产出的影响表达式如下：
| $ D{y}_{t}=a\cdot D{y}_{t-1}+\frac{bc}{b+c}{\xi }_{t}+\frac{b}{b+c}{\eta }_{t}+\frac{c}{b+c}{u}_{t} $ | (6) |
式（6）表明，第t期的真实产出变化由上一期的真实产出变化、货币政策未预期变动（
（二）数字经济对卢卡斯批判的影响
基于理性预期假设，下面从两条逻辑主线分析数字经济对卢卡斯批判的影响路径：一是改变经济主体预期形成机制，二是提升政策制定者对公众预期的引导能力。
1. 数字经济对预期形成机制的影响
在经济学中，理性预期强调经济主体能基于有效信息调整行为，从而削弱政策效果；而在缺乏数字经济的条件下，预期更多的是呈适应性特征，依赖历史信息而非完全理性。基于这一假设，本文进一步构建模型分析数字经济对卢卡斯批判的影响：
| $ {p}_{t}^{e}=\left(1-\lambda \right){p}_{t-1}+{\lambda E}_{t-1}\left({p}_{t}\right) $ | (7) |
其中，
| $ p_t^e=\mathit{\lambda}\left(DE\right)p_{t-1}+\left[1-\mathit{\lambda}\left(DE\right)\right]E_{t-1}\left(p_t\right) $ | (8) |
其中，
| $ Dy_t=a\cdot Dy_{t-1}+b\left\{\kappa\cdot DE\cdot\left[p_t-E_{t-1}\left(p_t\right)\right]+\left(1-\kappa\cdot DE\right)\left(p_t-p_{t-1}\right)\right\}+u_t $ | (9) |
由式（9）容易看出，数字经济通过
2. 数字经济对政策预期可引导性的影响
传统理论认为理性预期会削弱政策效果，但这一结论依赖于政策制定者缺乏预期引导能力。在数字经济条件下，信息透明度和平台效应提升了预期管理效率，当政策目标能有效锚定市场预期时，政策效果反而可能因“政策—预期”协同而放大。基于此，本文在式（8）中引入预期可引导性参数
| $ p_t^e=\left[1-\lambda\left(DE\right)\right]\left[\gamma p_{t-1}^{target}+\left(1-\gamma\right)p_{t-1}^e\right]+\lambda\left(DE\right)E_{t-1}\left(p_t\right) $ | (10) |
其中，
| $ Dy_t=a\cdot Dy_{t-1}+b\left(p_t-p_{t-1}^e\right)+u_t+\phi(\lambda,\gamma) $ | (11) |
其中，
由于λ（DE）随数字经济发展而上升，政策效果取决于主体理性程度与政府沟通能力的匹配。模型中预期引导效应为
3. 数字经济影响政策预期协同的路径
如上述模型推导所示，“预期可引导性”参数γ在决定货币政策是否被提前内生化，以及政策意图能否传导至经济行为中发挥关键作用。结合数字经济的三项核心功能和前瞻性预期理论，可以看出其通过不同机制共同塑造预期形成过程，并对卢卡斯批判产生相反效应。
首先，在政策信息反馈机制下，若数字经济缺乏统一透明的信息渠道，则主体可能误读政策信号，
其次，数据传输速度与平台网络效应同样重要。若信息更新滞后，则主体依赖旧规则进行预期，导致市场误调，
假说1：数字经济使得经济主体的预期更加符合理性预期特征。
假说2：虽然数字经济使经济主体更趋于理性预期，但对货币政策效果的影响并不确定。
假说2a：如果数字经济有助于形成有效的预期引导机制，促使市场预期协同于政策目标，那么货币政策传导效果将得以增强，卢卡斯批判被弱化。
假说2b：如果数字经济未能形成有效的预期引导机制，那么预期对政策规则的敏感性将提升，导致货币政策传导效果被削弱，卢卡斯批判得以增强。
三、研究设计
（一）模型设计
1. 假说1的模型设计
为了检验数字经济对预期形成机制的影响，本文基于卢卡斯批判所强调的货币政策规则展开分析，其逻辑在于：若预期更符合理性，则政策规则更易被预测，未预期变化更具随机性。关于规则选择，国内部分研究认为可用泰勒规则描述中国货币政策（卞志村，2006；郑挺国和刘金全，2010；陈创练和郑挺国，2018），但也有观点强调中国仍以调控货币供应量为主，更适合采用戴姆勒规则（岳超云和牛霖琳，2014；吴吉林和张二华，2015；Chen等，2018）。其中 Chen等（2018）指出，中国货币政策主要通过调控货币供应量实现年度产出增长目标，因此本文据此设定计量模型:
| $ {g_{m,t}} = {\gamma _0} + {\gamma _m}{g_{m,t - 1}} + {\gamma _\pi }({\pi _{t - 1}} - {\pi ^ * }) + {\gamma _x}({g_{x,t - 1}} - g_{_{x,t - 1}}^ * ) + {u_{1m,t}} $ | (12) |
| $ {g_{m,t}} = {\gamma _0} + {\gamma _m}{g_{m,t - 1}} + {\gamma _\pi }({\pi _{t - 1}} - {\pi ^ * }) + {\gamma _x}({g_{x,t - 1}} - g_{_{x,t - 1}}^ * ) + {\gamma _{DE}}{g_{DE,t}} + {u_{2m,t}} $ | (13) |
其中，t代表季度，
2. 假说2的模型设计
假说2的主要逻辑是，数字经济可能通过改变经济主体预期形成机制来影响货币政策的效果。为了弱化内生性问题，本文采用企业微观面板数据，构建如下计量模型来检验假说2：
| $ \begin{aligned} Inves{t_{it}} = & {\beta _0} + {\beta _1}D{E_t} + {\beta _2}P{E_t} + {\beta _3}M{P_t} + {\beta _4}D{E_t} \times P{E_t} + {\beta _5}D{E_t} \times M{P_t} \\ & + {\beta _6}D{E_t} \times P{E_t} \times M{P_t} + {\delta ^T}{Z_{it}} + {\gamma ^T}{K_t} + {\lambda _i} + {\varepsilon _{it}} \end{aligned} $ | (14) |
其中，
（二）变量定义与数据
在宏观层面，本文选取的核心变量包括：货币供应量增长率
在企业层面，理性预期程度（
数据方面，假说1选取2016年第一季度至2024年第三季度中国宏观季度数据，假说2选取2016年第一季度至2024年第二季度上市公司数据。宏观数据来自CSMAR、中经网和政府工作报告，并经Census X-12处理；企业数据来自RESSET，剔除金融行业、ST和财务异常样本，并对连续变量在1%和99%分位缩尾。本文最终获得
四、实证结果
（一）假说1的实证结果分析
表1的列（1）和列（2）分别报告了式（12）和式（13）的估计结果。具体而言，列（1）单位根检验（ADF检测）显示的统计量为−4.7000，而列（2）对应的统计量为−5.9500，即列（1）的ADF检验统计量的绝对值小于列（2）的ADF检验统计量的绝对值。这表明，在未控制数字经济条件下，式（12）的残差表现出相对较弱的随机性。这意味着货币政策偏离规则的部分具有更强的持续性与趋势性，且模型可能遗漏了重要变量（如数字经济变量）。这一结果反映了传统政策规则框架下的特点，即在经济主体的预期未完全理性时，政策规则对产出的影响更容易受到内生性因素的干扰。政策规则的系统性部分和随机性部分难以有效剥离，导致残差序列表现出较强的趋势性和自相关性。
| 被解释变量：gm | ||
| （1） | （2） | |
| 残差ADF检验 | − |
− |
| 残差PP检验 | − |
− |
| 样本量 | 30 | 30 |
| 调整R2 | ||
| 注：列（1）和列（2）分别报告了式（12）和式（13）的残差序列ADF检验统计量和PP检验统计量；*、**和***分别表示在10%、5%和1%的水平上显著；变量单位根检验未报告（备索）。 | ||
在控制数字经济变量后，式（13）的估计结果中残差的单位根特性显著减弱。这意味着数字经济变量的引入改善了模型的拟合程度，能够更好地解释政策规则对产出的系统性影响。数字经济通过提高信息透明度和改进预期形成机制，使得政策规则的随机性部分对产出的作用增强，而规则性部分的直接影响则显著减弱。
从式（12）和式（13）的残差对比来看，式（12）的残差更符合单位根过程，这说明政策规则的系统性部分在未控制数字经济条件下对产出的作用较为显著，且包含更多未解释的系统性偏差；而式（13）的残差接近白噪声，这表明数字经济对政策规则的内生性影响具有削弱作用。也就是说，数字经济通过改进预期形成机制使得政策规则主要体现在随机性部分对经济的作用，从而削弱了规则性部分的作用，这与卢卡斯批判关于理性预期下的货币政策观点相一致。因此，假说1得证。
（二）假说2的实证结果分析
为了准确识别模型中主要解释变量的边际效应，同时缓解多重共线性可能对估计结果带来的干扰，本文采用逐步回归方法对模型进行变量筛选与估计。此外，考虑到企业层面数据可能存在跨期相关性与个体间异质性问题，本文的模型除引入固定效应外，还采用企业层面聚类的稳健标准误，进一步缓解标准误估计的偏误，以提升推断的可靠性。
表2的结果显示，尽管数字经济的普及提高了经济主体的理性预期水平，传统逻辑下这应该会强化“卢卡斯批判”效应，但实证结果却显示出相反的趋势，即实证结果表明假说2a得证，这一结果可从“前瞻性预期管理”理论角度得到更为合理的解释。具体来看，列（2）显示，数字经济总体上削弱了货币政策的直接效应，这可能是由于其降低了市场摩擦，如线上价格灵活调整与数字合约的快速履约能力，使价格黏性下降，从而削弱了货币政策通过实际利率渠道影响实体经济的能力（姜婷凤等，2020；彭安兴等，2021；战明华和卢垚，2023）。但列（3）中的结果表明，理性预期程度与货币政策的交互项（PE×MP）在1%显著水平上为正，这说明随着预期的理性化，货币政策的效果反而增强。该发现与卢卡斯批判的理论预期相反，却符合新凯恩斯主义“前瞻性预期管理”理论：当经济主体对政策信号理解力增强，且能将央行目标纳入其预期构建中时，政策制定者更有可能通过有效沟通实现预期引导，从而放大政策信号传导路径（Woodford，2003；Smets和Wouters，2007）。进一步地，数字经济、理性预期和货币政策的三阶交互项（DE×PE×MP）在1%水平上显著为正，这表明数字经济不仅提升了理性预期水平，而且通过强化政策沟通机制与信息传播效率，实现了“前瞻性引导”的制度化内嵌，使政策目标更易被市场所识别和响应，进而增强了政策效果。这一结果从机制层面支持了“前瞻性预期管理”理论的内涵，即政策有效性不仅取决于市场是否具备理性预期，更取决于是否存在由政策制定者主导的预期引导框架。
| 被解释变量：Invest | |||
| （1） | （2） | （3） | |
| DE | |||
| MP | |||
| DE×MP | − |
− |
|
| PE | − |
||
| PE×MP | |||
| DE×PE×MP | |||
| lev | |||
| roe | |||
| liqui | − |
− |
− |
| capmarket | |||
| comgdp | |||
| capgdp | |||
| exrate | − |
− |
− |
| lfnontax | |||
| _cons | − |
− |
− |
| 企业固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 80 112 | 80 112 | 80 112 |
| 调整R2 | |||
| 注：（1） *、**和***分别表示在10%、5%和1%的水平上显著，括号内数值为稳健标准误，稳健标准误聚类到企业层面。下同。（2）控制变量包括财务杠杆（lev）、净资产收益率（roe）、流动比率（liqui）、资本市场状况（capmarket）、消费需求水平（comgdp）、投资水平（capgdp）、汇率水平（exrate）和非税征收水平（lfnontax）。表3和表4与此同。 | |||
简而言之，数字经济的发展提高了信息对称性、数据响应速度和政策目标透明度，从而提升了央行锚定预期的能力，缓解了Kydland和Prescott（1977）所提出的动态不一致性问题，也削弱了卢卡斯批判所强调的“政策效果内生化”逻辑。因此，在数字技术不断演进的背景下，预期的形成路径呈现出由“市场内生”向“政策协同”转变的新趋势，这使得“历史数据驱动”的政策评估模型在某些条件下依然具有解释力，挑战了卢卡斯批判的普适性前提。
（三）稳健性检验
为了确保结论的稳健性，本文首先对关键变量进行替换，
此外，考虑到不可观测冲击与样本特征差异，本文进一步进行了多重检验。首先，控制新冠疫情冲击，构建shock虚拟变量（2020–2022年赋值为1），结果与基准回归一致。其次，采用倾向得分匹配（PSM）方法，基于企业特征对处理组与对照组进行匹配，回归结果依旧稳健。最后，引入行业固定效应与企业—行业固定效应，并采用分行业聚类标准误与异方差稳健标准误进行估计，结果均未改变核心结论。以上结果说明数字经济通过重塑预期机制强化货币政策传导的效应具有较强稳健性。
（四）异质性分析
1. 数字经济不同发展阶段的影响
由于信息处理能力存在阶段性差异，因此数字经济对预期的边际影响呈现非对称特征。在发展初期，信息透明度和流通速度有限，虽然一定程度上减少了预期误差，但边际效应较弱，市场反应滞后、信息不完全情况仍较突出，经济主体调整预期的速度慢、误差大，理性预期作用有限。而在高发展阶段，信息传递的实时性和透明性显著增强，经济主体能够更快、更准确地修正预期，理性预期对货币政策效果的作用也更为突出。但需要指出的是，理性预期的提升并不必然强化卢卡斯批判，因此其在不同阶段可能呈现非线性影响效应。
为此，本文将样本划分为数字经济发展高和低两个阶段（高发展阶段即数字经济发展水平高于均值的阶段，dig_stage=1；否则为0），以识别边际效应差异。回归结果如表3列（1）所示，交乘项在1%水平上显著，且方向与未引入虚拟变量时相反，这表明数字经济在不同阶段确实对政策效果产生了非对称作用：在高速发展阶段，数字经济一方面通过降低价格黏性削弱政策直接效应，另一方面又通过强化理性预期和提升政策引导性显著增强了政策效果，最终弱化了卢卡斯批判。这可能是因为：在初期阶段，市场主体存在“信息冲击下的认知偏差”，政策制定者信息反馈滞后；而在高度发展阶段，数据驱动预期成为主流，政策制定者借助数字技术实现动态调整和精准沟通，从而显著削弱了卢卡斯批判。
| 被解释变量：Invest | ||
| （1） | （2） | |
| DE | − |
|
| PE | − |
− |
| MP | − |
|
| DE×MP | − |
|
| PE×MP | ||
| DE×PE×MP | − |
− |
| DE×MP×dig_stage | − |
|
| PE×MP×dig_stage | − |
|
| DE×PE×MP×dig_stage | ||
| dig_stage | ||
| epu_stage | ||
| DE×MP×epu_stage | − |
|
| PE×MP×epu_stage | − |
|
| DE×PE×MP×epu_stage | ||
| _cons | − |
− |
| 企业固定效应 | 控制 | 控制 |
| 控制变量 | 控制 | 控制 |
| 样本量 | 80 112 | 80 112 |
| 调整R2 | ||
2. 经济政策不确定性的影响
在数字经济环境下，信息的流动性、透明度和可获取性都显著提升，但这并不意味着政策变动能够被市场预判，特别是在政策规则频繁变化或存在较大不确定性的情况下。换句话说，在政策不确定性较高的时期，由于政策可信度较低，央行预期管理的效果可能较差，因此数字经济通过改变预期机制提高货币政策效果、削弱卢卡斯批判的作用可能较弱，但也可能产生更显著的正向边际效应。
为了检验上述猜想，本文按照中国经济政策不确定性指数将样本期分为高不确定期和低不确定期，并引入虚拟变量epu_stage（高不确定性时期即经济政策不确定性指数高于均值时期，epu_stage =1；否则为0）。回归结果如表3的列（2）所示，DE×MP×epu_stage的估计系数为负且显著，这说明数字经济对货币政策效果的直接影响没有因经济政策不确定性的提高而改变；而PE×MP×epu_stage的估计系数显著为负，这说明经济政策的高不确定性通过理性预期的形成而强化了卢卡斯批判。原因可能在于：市场主体虽试图理性预测政策变化，但由于存在高度的政策不确定性，预期分歧加剧，进而削弱了货币政策传导效果。此外，DE×PE×MP×epu_stage的估计系数显著为正，这说明相对于经济政策确定时期，政策的不确定性反而增强了数字经济通过预期形成机制对货币政策效果的正向作用。原因可能在于：数字经济系统借助其技术工具（如实时信息监控系统与大数据预测），在经济政策高不确定性时期通过有效的信息过滤和算法下的预期协同，有效引导了公众预期与政策制定者的政策趋同，进而对货币政策效果起到了更显著的提升作用。
五、机制分析
本部分旨在探讨数字经济如何促使理性预期的形成，进而导致货币政策效果的转变。这一分析有助于更全面地理解数字经济通过预期形成机制对政策效果的作用路径，从而为政策制定者有效应对数字经济带来的政策挑战提供实证依据，有针对性地优化预期管理。基于变量间的经济理论含义，计量模型构建如下：
| $ \begin{aligned} Inves{t_{it}} = & {\beta _0} + {\beta _1}{M_t} + {\beta _2}P{E_t} + {\beta _3}M{P_t} + {\beta _4}{M_t} \times M{P_t} + {\beta _5}{M_t} \times P{E_t} \times M{P_t} \\ & + {\delta ^T}{Z_{it}} + {\gamma ^T}{K_t} + {\lambda _i} + {\varepsilon _{it}} \end{aligned} $ | (15) |
其中，M代表数字经济不同维度变量IT、DS和PP；IT代表政策信息公开水平，采用浙江大学公共政策研究院公布的中国政府网络透明度指数来衡量；
表4的结果进一步表明，数字经济的三种特征表现均通过改变预期形成机制，从而提升了货币政策的实施效果，最终弱化了卢卡斯批判。结合新凯恩斯主义的“前瞻性预期管理”理论可知，这一结果说明数字经济不仅改变了市场预期的理性程度，还增强了政策制定者对市场预期的引导能力，实现了“可引导的理性预期”，从而推动“政策—预期”协同的形成。
| 被解释变量：Invest | |||
| （1） | （2） | （3） | |
| IT | |||
| PE | − |
− |
− |
| MP | |||
| IT×MP | − |
||
| IT×PE×MP | |||
| DS | |||
| DS×MP | − |
||
| DS×PE×MP | |||
| PP | |||
| PP×MP | − |
||
| PP×PE×MP | |||
| _cons | − |
− |
− |
| 企业固定效应 | 控制 | 控制 | 控制 |
| 控制变量 | 控制 | 控制 | 控制 |
| 样本量 | 80 112 | 80 112 | 80 112 |
| 调整R2 | |||
在列（1）中，政府信息透明度（IT）与货币政策（MP）的交互项系数显著为负，而交互项IT×PE×MP的系数显著为正，且都在1%水平上显著。这表明信息透明度的提升虽有可能加剧卢卡斯批判（即公众提前内生化政策信号，削弱政策效果），但该效应在理性预期程度提高的情形下被有效抑制。更重要的是，基于前瞻性预期管理的视角，信息透明度的增加不仅提升了公众获取政策信号的能力，还增强了政策制定者的沟通可信度和目标传递效率，使市场更容易将政策目标内化为预期锚定点。这种“可信信息+明确目标”的政策沟通路径，使中央银行得以借助数字手段引导市场预期方向，从而实现政策意图的更高效传导。
列（2）的结果显示，数据传输速度（DS）与货币政策（MP）的交互项系数显著为负，而交互项DS×PE×MP的系数显著为正。这意味着虽然实时数据加速可能导致市场快速反应、提前内生化政策路径，从而削弱短期内的政策效应，但在理性预期水平较高的背景下，政策信号的预期效应反而更加精准和一致。基于“前瞻性预期管理”理论，这可解释为央行可以借助高频数据传输机制持续调整并清晰传达政策方向，在公众拥有更强数据处理能力的前提下，形成更有效的“预期锚定”，从而压缩误判和过度反应空间，实现对预期的动态引导与稳定。
列（3）的结果显示，平台机制（PP）与货币政策（MP）的交互项系数显著为负，而交互项PP×PE×MP的系数显著为正。这表明平台经济在缺乏理性预期调节时，可能通过“预支政策效果”削弱了货币政策的直接传导效力，然而，当平台经济与理性预期形成机制结合时，这一削弱效应不仅被抵消，反而转化为政策效果的增强。这一机制可被理解为平台网络效应不仅增强了政策信息的覆盖面和一致性，还提供了央行与公众之间更直接的沟通渠道，支持央行开展“前瞻性预期管理”，缩短政策信号传递路径，使公众更容易形成与政策一致的预期方向。因此，公众对政策意图的解读更加统一，理性预期实现从“被动响应”向“主动协同”的转化，最终增强政策效果。
综上所述，数字经济并非单纯通过“预期理性化”来增强货币政策效果，而是在提升政策制定者预期引导能力、建立政策沟通机制与预期锚定结构的前提下，形成了一种基于“前瞻性预期管理”的政策协同路径。这种机制不仅减少了政策内生化导致的效果削弱，还通过提升政策框架灵活性与可信度，在微观经济主体与宏观政策目标之间架设了更高效的信息桥梁，从而在实践中弱化了卢卡斯批判的适用基础，支持了本文所提出的第二个假说。
六、进一步的探讨
在对假说2的检验中，本文将企业投资作为产出的代理变量进行分析。然而，从理论上讲，货币政策不仅能显著影响企业投资，还能对家庭消费产生重要影响，而消费是产出的关键组成部分。为了避免使用无效代理变量可能导致的估计偏差，本文进一步考察在消费层面数字经济如何通过影响理性预期程度进而改变产出对货币政策的响应。模型构建如下：
| $ \begin{aligned} \ln ({C_{it}}) = & {\beta _0} + {\beta _1}D{E_t} + {\beta _2}P{E_t} + {\beta _3}M{P_t} + {\beta _4}D{E_t} \times P{E_t} + {\beta _5}D{E_t} \times M{P_t} \\ & + {\beta _6}D{E_t} \times P{E_t} \times M{P_t} + {\delta ^T}{Z_{it}} + {\lambda _i} + {\varepsilon _{it}} \end{aligned} $ | (16) |
其中，i代表第i个省份；t代表第t年；
表5的结果显示，数字经济对居民消费存在一定的正向影响。然而，随着列（2）和列（3）中引入货币政策、理性预期变量及其相关交互项后，数字经济变量的显著性消失，且交互项DE×MP和DE×PE×MP的系数均不显著。这表明数字经济在家庭层面既未显著改变货币政策对居民消费的传导效应，也未通过预期机制有效强化该传导路径。这一发现与数字经济在投资层面的显著正向效应形成鲜明对比，从而进一步说明数字经济主要通过“信息对称性提升”等机制强化企业资本投资决策的敏感性；而在居民消费层面，短期预期的引导作用相对有限，反映出货币政策传导路径在不同经济行为主体中的差异性。
| 被解释变量：ln（C） | |||
| （1） | （2） | （3） | |
| DE | |||
| MP | |||
| DE×MP | − |
− |
|
| PE | |||
| PE×MP | − |
||
| DE×PE×MP | − |
||
| 地区固定效应 | 控制 | 控制 | 控制 |
| 控制变量 | 控制 | 控制 | 控制 |
| 样本量 | 248 | 248 | 248 |
| 调整R2 | 0.970 | 0.980 | 0.980 |
上述结果不仅契合中国消费相较于投资更加稳定的特征，而且进一步印证了货币政策对消费传导机制的中性化特征（郭新强等，2013）。长期以来，中国居民普遍存在高储蓄、低消费的行为倾向。从理论视角看，货币政策对消费的影响同样存在替代效应与收入效应的双重抵消。即便在数字经济背景下，已有研究表明居民货币需求下降、储蓄倾向有所缓解（尹志超等，2022），但伴随移动支付和数字金融工具的发展，流动性释放效应更多体现在资金从传统储蓄账户流向理财产品等短期低风险资产（如余额宝、财付通等平台），而非直接转化为即时消费（董婧璇等，2022；骆文月等，2024）。因此，即便数字经济能够提升居民对政策变化的理性预期水平，强化政策目标的可引导性，但其实际作用仍更多局限于跨期消费的有限平滑效应（如短期借贷替代长期储蓄），难以根本性突破以预防性储蓄为主导的消费行为惯性。
以上实证结果进一步说明，中国消费刺激政策面临显著的制度性约束，仅依靠货币政策和数字技术的单一推动，难以有效打破“高储蓄—低消费”的结构性特征。这也提示后续政策设计需更加关注居民预期形成的行为惯性与结构性矛盾，推出更具针对性的收入分配、社会保障和消费预期管理措施。
七、结论与政策含义
在中国经济转型的进程中，数字化是最显著的结构性变革之一，它不仅重塑了经济版图，还深刻影响了预期形成机制与政策效应之间的关系。基于这一逻辑，本文在数字经济背景下重新审视卢卡斯批判，并得到如下研究结论：理论上，数字经济显著推动了预期理性化，提高了政策规则的可预测性，使经济主体更易形成对政策变化的合理预期，从而削弱了政策系统性部分对经济的直接作用，符合卢卡斯批判的内生性逻辑。进一步的微观实证表明，数字经济通过提升理性预期水平，显著强化了货币政策对企业投资的影响，缓解了“政策效力被高估”的问题。其作用机制主要体现在政策信息反馈、数据传输速度和平台网络效应三个方面。进一步分析发现，数字经济的作用具有阶段性与条件性差异。在高发展阶段，经济主体获取和处理信息的能力更强，对政策变化的判断更加系统和准确，从而有效减弱了卢卡斯批判的适用性。在政策不确定性较高的环境下，数字经济通过提升信息透明度和理性预期水平，部分抵消了不确定性带来的负面影响，使货币政策对产出的正向影响效应更为显著。同时，本文将分析扩展至家庭消费领域，结果显示数字经济虽然对消费整体上具有正向推动作用，但这种效应主要来源于收入改善和金融可得性提升，而非预期机制的改变，这说明数字经济在不同经济活动中的作用路径存在差异。
本文的研究具有如下政策含义：首先，货币政策在数字经济条件下应更加重视信息透明度与预期管理。随着经济主体预期趋于理性，政策制定者需要借助数字平台和数据技术及时公开经济数据和政策动向，以提高预期的准确性和传导效率，避免因信息滞后导致的过度反应。同时，应利用数字经济提升的预期契合度来增强政策即时效果，在应对突发波动时采取更灵活的工具，通过政策沟通缩短市场反应时滞。具体而言，企业侧应强化数字化政务透明度以促进理性预期形成，居民消费侧则要加强针对性沟通，如利用社交媒体及时澄清政策信号。其次，货币政策应结合数字经济发展阶段与政策环境差异制定差异化策略。在数字经济不成熟阶段，传统利率工具作用更大；而在高发展阶段，政策更依赖于信息引导和预期管理。而且在高不确定性时期，应加大数字经济基础设施和平台投资，以缓解不确定性冲击并提升政策稳定性。同时，政策有效性不仅依赖于技术支撑，也取决于制度可信度与政策一致性，两者共同决定预期引导能力。因此，强化数字基础设施、优化政策沟通和提升制度协调性，是实现“预期—政策”有效传导的关键，且这一启示对发展中经济体和制度治理良好的国家均具有参考价值。
| [1] | 陈创练, 郑挺国. 数据修订、实时估计与时变参数货币政策规则抉择[J]. 统计研究, 2018(8): 23–38. |
| [2] | 董青马, 张皓越, 马剑文, 等. 央行沟通与资产价格——识别“潜在”未预期货币政策信息[J]. 金融研究, 2024(6): 40–59. |
| [3] | 方明月, 聂辉华, 阮睿, 等. 企业数字化转型与经济政策不确定性感知[J]. 金融研究, 2023(2): 21–39. |
| [4] | 高洁超, 杨源源, 范从来. 供求冲击、异质性预期与货币政策范式选择[J]. 财经研究, 2019(3): 47–59. |
| [5] | 郭豫媚, 周璇. 央行沟通、适应性学习和货币政策有效性[J]. 经济研究, 2018(4): 77–91. |
| [6] | 姜富伟, 李梦如, 孟令超. 调预期、防风险: 央行金融稳定沟通效果研究——基于文本分析的视角[J]. 经济学（季刊）, 2024(6): 2025–2040. |
| [7] | 姜婷凤, 汤珂, 刘涛雄. 基于在线大数据的中国商品价格粘性研究[J]. 经济研究, 2020(6): 56–72. |
| [8] | 金钊, 谢晨裕, 王曦. 同业市场波动、银行信贷与企业长期投资[J]. 管理世界, 2024(8): 177–190. |
| [9] | 李青原, 陈世来, 陈昊. 金融强监管的实体经济效应——来自资管新规的经验证据[J]. 经济研究, 2022(1): 137–154. |
| [10] | 刘秉镰, 袁博, 刘玉海. 数字基础设施如何畅通区域间资本要素流动——基于企业注册大数据的证据[J]. 数量经济技术经济研究, 2025(1): 72–92. |
| [11] | 骆文月, 高瑜, 寇海洁. 移动支付、感知风险与中国家庭金融市场参与[J]. 南开经济研究, 2024(6): 148–166. |
| [12] | 欧阳志刚, 胡雯华. 央行沟通公告有助于提升政策利率的传导效率吗?[J]. 数量经济技术经济研究, 2024(10): 69–88. |
| [13] | 仇化, 尹志超. 数字化转型、信息搜寻与女性高质量就业[J]. 财贸经济, 2023(7): 124–141. |
| [14] | 盛松成, 谢洁玉. 社会融资规模与货币政策传导——基于信用渠道的中介目标选择[J]. 中国社会科学, 2016(12): 60–82. |
| [15] | 宋芳秀, 宋奎壁. 公众异质预期、信息成本与货币政策传导[J]. 金融研究, 2024(7): 1–19. |
| [16] | 吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界, 2021(7): 130–144. |
| [17] | 吴吉林, 张二华. 我国货币政策操作中的数量规则无效吗?[J]. 经济学（季刊）, 2015(2): 827–852. |
| [18] | 项后军, 周雄. 流动性囤积视角下的影子银行及其监管[J]. 经济研究, 2022(3): 100–117. |
| [19] | 易行健, 李家山, 万广华, 等. 财富差距的居民消费抑制效应: 机制探讨与经验证据[J]. 数量经济技术经济研究, 2023(6): 27–47. |
| [20] | 尹志超, 吴子硕, 蒋佳伶. 移动支付对中国家庭储蓄率的影响[J]. 金融研究, 2022(9): 57–74. |
| [21] | 战明华, 卢垚. 数字经济、价格粘性与货币政策利率渠道传导效果[J]. 经济研究, 2023(10): 55–74. |
| [22] | 张一帆, 樊嘉诚, 林建浩, 等. 央行沟通信息与政策利率传导——基于公开市场操作的研究[J]. 统计研究, 2024(12): 54–70. |
| [23] | 张一凡, 许宪春. 数字经济相关指数和指标体系研究[J]. 财贸经济, 2024(4): 5–19. |
| [24] | 周阔, 梁佳杨, 曲植, 等. 双向直接投资协调发展对居民消费的影响研究[J]. 数量经济技术经济研究, 2024(12): 89–110. |
| [25] | 朱小能, 周磊. 未预期货币政策与股票市场——基于媒体数据的实证研究[J]. 金融研究, 2018(1): 102–120. |
| [26] | Agrawal A, Gans J, Goldfarb A. Prediction machines, updated and expanded: The simple economics of artificial intelligence[M]. Boston: Harvard Business Review Press, 2022. |
| [27] | Andrade P, Gaballo G, Mengus E, et al. Forward guidance and heterogeneous beliefs[J]. American Economic Journal: Macroeconomics, 2019, 11(3): 1–29. DOI:10.1257/mac.20180141 |
| [28] | Bundick B, Smith A L. The dynamic effects of forward guidance shocks[J]. The Review of Economics and Statistics, 2020, 102(5): 946–965. DOI:10.1162/rest_a_00856 |
| [29] | Campbell J R, Ferroni F, Fisher J D M, et al. The limits of forward guidance[J]. Journal of Monetary Economics, 2019, 108: 118–134. DOI:10.1016/j.jmoneco.2019.08.009 |
| [30] | Chen K J, Ren J, Zha T. The nexus of monetary policy and shadow banking in China[J]. American Economic Review, 2018, 108(12): 3891–3936. DOI:10.1257/aer.20170133 |
| [31] | Coibion O, Gorodnichenko Y, Weber M. Monetary policy communications and their effects on household inflation expectations[J]. Journal of Political Economy, 2022, 130(6): 1537–1584. DOI:10.1086/718982 |
| [32] | Lopez-Lira A. The predictive edge: Outsmart the market using generative AI and ChatGPT in financial forecasting[M]. New York: John Wiley & Sons, 2024. |
| [33] | Lucas Jr R E. Econometric policy evaluation: A critique[J]. Carnegie-Rochester Conference Series on Public Policy, 1976, 1: 19–46. DOI:10.1016/S0167-2231(76)80003-6 |
| [34] | Swanson E T. Measuring the effects of federal reserve forward guidance and asset purchases on financial markets[J]. Journal of Monetary Economics, 2021, 118: 32–53. DOI:10.1016/j.jmoneco.2020.09.003 |
| [35] | Woodford M. Interest and prices: Foundations of a theory of monetary policy[M]. Princeton: Princeton University Press, 2003. |