中国的金融发展与经济增长-一个联立方程计量模型的经验解释.doc

中国的金融发展与经济增长 一个联立方程计量模型的经验解释2008-9-12摘要金融发展与经济增长的关系长期以来受到了国内外学者的广泛关注。本文通过对我国经济增长与金融中介体及股票市场建立联立方程模型，并用广义矩的系统估计方法(GMM)，对我国金融发展与经济增长的关系进行了实证检验。结果显示，我国金融中介体市场尤其是存款货币银行的发展对我国经济增长长有明显的促进作用，而存款货币银行效率的提高却对经济增长产生负效用；股票市场的规模及流动性对经济增长的促进作用也很明显；与此同时，经济增长对金融发展也有明显的促进作用。关键词金融发展，经济增长，联立方程，广义矩阵一、问题的提出及文献回顾关于金融发展与经济增长的关系，著名的经济学家熊彼特(Schumpeter，1911)曾提出过一个著名的论断：金融中介提供的服务(推动储蓄、评估项目、管理风险、监督管理者及便利交易等)是技术创新和经济增长所必需的，也就是说金融的发展可以推动经济的增长。希克斯(Hicks，1969)的研究发现金融创新对英国工业革命的作用与技术创新同样重要。戈德史密斯(Goldsmith，1969)和麦金农(Mckinnon，1973)对一些国家所做的经验研究表明金融发展与经济增长之间有着紧密的联系。金和莱文(King and Levine，1993)建立模型对80多个国家1960年到1989年的数据进行分析得到的结论是熊彼特的论断是正确的，即金融发展促进经济增长。也有很多有影响力的经济学家认为金融在经济增长中是一个相对不重要的因素。Levine和Zervos(1998)用41个国家19761993年的面板数据做回归，得出结论认为银行和股票市场的指标与当前及以后的经济增长率有很强的相关性。罗宾逊(Robinson，1952)提出金融仅仅是跟随着经济的发展而发展。卢卡斯(Lucas，1988)提出金融与经济发展之间的关系被“过分强调”了。他们认为经济发展会创造对金融服务的需求，这种需求导致金融部门的发展，是经济增长带动金融部门发展而不是金融发展促进经济的增长。Arestis和Demetriades(1997)分别对德国和美国两个国家的时间序列数据进行分析，发现金融发展与经济增长之间的长期因果关系不仅因国家的不同而不同，而且可能有本质的区别。国内学者关于金融发展与经济增长的关系有很多的研究，采用的方法及得出的结论不尽相同。国内学者的研究大致可分为两块：金融中介的发展与经济增长的关系及股票市场的发展与经济增长的关系。其中一部分是把两块结合在一起研究，还有一部分则是分别研究金融中介及股票市场与经济增长的关系。谈儒勇(1999)用19931998年的季度数据分别验证了我国金融中介市场及股票市场与经济增长的关系，得出金融中介的发展与经济增长之间有显著的正相关关系，股票市场发展与经济增长之间有不显著的负相关关系，他认为这意味着金融中介体的发展有可能促进经济增长，股票市场的发展对经济增长的作用则是极其有限的。曹啸、吴军(2002)采用格兰杰因果检验法对金融中介发展与经济增长的关系进行了检验，结果显示金融发展是经济增长的原因，并认为金融发展对经济增长的促进作用主要是通过金融资产数量上的扩张来实现的。殷醒民、谢浩(2001)运用Levine和Zervos(1998)提出的方法对19931999年期间我国股票市场发展和经济增长的关系进行实证研究，得出股票市场发展与我国经济增长之间存在很强的正相关关系，从而认为股票市场的发展对中国经济增长起到了重要的推动作用。李广众、陈平(2002)利用1952-1999年的时间序列数据，对多变量VAR系统进行研究表明，经济增长与金融中介规模指标之间不存在任何的因果关系，而与金融中介效率指标之间则存在双向的因果关系。李广众(2002)利用我国30个省、直辖市1996-1999年的面板数据进行回归分析，结果表明银行和股票市场能够从不同的方面促进投资规模的上升，但对经济增长的解释力不强。为什么各个研究结果会有如此明显的分歧呢?可能出于以下几个方面的原因：一是变量选取不同，各个变量尤其是表示金融发展水平的变量的选取有很大的差异，控制变量的选取也存在很大的差异。二是所采取的研究方法不一样，有些采用普通最小二乘法，有些采用协整分析等方法；有些把金融中介、股票市场及经济增长结合在一起来研究，还有的分别研究金融中介与经济增长和股票市场与经济增长的关系。三是所取样本的范围不一样，有的采用年度数据，有的则用季度数据，还有的用各省、直辖市的截面数据，样本的起止时间有很大的差别。本文拟建立联立方程模型，并采用广义矩的估计方法来分析我国金融发展与经济增长之间的关系。二、变量及方法的选取(一)指标的选择与数据来源本文选用的数据为1997-2007年的季度数据，选取的指标可分为四组：表示金融中介发展水平的指标、表示股票市场发展水平的指标、表示经济发展水平的指标及影响经济增长的指标。关于金融中介发展水平的指标，本文选取三个：金融深度(DEPTH)、金融效率(SLR)、存款货币银行在配置国内信贷过程中相对于中央银行的重要性(BANK)。King和Levine将DEPTH定义为金融中介体的流动负债除以GDP。全部金融中介体的流动负债实际上就是M3，由于我国缺乏M3的统计数据，我们借鉴谈儒勇(1999)的做法，用M2替代。同样，为了减轻物价变动带来的不利影响，我们也仿照King和Levine(1993)的做法，对上季度末和本季度的M2求算术平均，再除以本季度的名义GDP，得到本季度的DEPTH。DEPTH这个指标可以衡量一国金融深化或经济金融化的程度，我们也可以用来衡量金融中介体的总体规模。投资数量及投资效率是实现经济快速增长的关键因素。持续高速的经济增长需要高水平的储蓄与投资，高储蓄率、高投资率以及储蓄向投资的有效转化毫无疑问是经济高速增长的重要原因。本文选取的第二个变量SLR用来表示金融中介的效率，SLR的值等于贷款与存款的比值。金融中介体的第三个指标用来衡量存款货币银行在配置国内信贷过程中相对于中央银行的重要性，用BANK来表示。关于这一指标的定义，与谈儒勇的定义一样。数据来自中国金融统计年鉴(1997-2007)和国家宏观经济研究院的网站。关于股票市场，由于我国的股票市场起步较晚，相对金融中介体规模还不大，对经济增长的影响也相对弱一些，同时考虑数据样本较小，受自由度的限制，模型中不能设置太多变量，本文选取两个指标来表示股票市场的发展水平。第一个指标表示股票市场规模的大小，用STOCK表示，其值等于股票的流通市值。股票市场的第二个指标为每季度的股票成交额与季度名义GDP的比，用VALUE表示，用来反映股票市场的流动性。数据来自金融界网站。关于经济增长，考虑到人均国内生产总值GDP更能体现一个国家的经济发展水平，同时能去除人口变化对经济增长的影响，我们选用人均GDP作为经济增长的指标，用RGDP表示，季度人口数我们采用Eviews4软件中的数据频率转换方法将年度数据转换成季度数据得来。数据来自中国金融年鉴和国际货币基金组织的网站www.imf,org。影响经济增长的因素还有很多，如果不考虑这些因素而单独检验金融中介体及股票市场对经济增长的影响可能会得到错误的结论，因此有必要在模型中加入控制变量来表示其他因素对经济增长的重要作用。我们选取减去国内贷款部分后全社会固定资产投资作为第一个控制变量，用INV表示。由于我们只能获取1998-2007年的INV季度数据，对于缺失的1997年的季度数据，我们同样采用数据频率转换方法将年度数据转换成季度数据加以补充。另外，众所周知，国际贸易对我国经济增长起到了很大的促进作用，因此我们选取进口和出口总和作为另一个控制变量，用XM表示，其值等于各季度的进口和出口值相加，再乘上各季度人民币兑美元的汇率，转换成人民币的值。物价的变动对经济增长的影响也很大，考虑到我们已经对人均GDP作了剔除物价影响的操作，便不再把物价变动作为单独的变量引入到模型中来。数据来自国家宏观经济研究院的网站和国际货币基金组织的网站www.imf,org。全社会固定资产投资的部分数据参考赵振全、薛丰彗(2004)的文章所附数据。为了去除季节变动对序列的影响，我们采用Eviews软件中的移动平均法对RGDP、STOCK、INV和XM四个变量进行季节调整，DEPTH、BANK、SLR及VALUE等四个变量因为是比值的形式，季节变动同时对分子与分母施加影响，在一定程度上可以抵消季节变动的影响，所以不再对其进行季节调整。为了去除物价变动对各变量的影响，我们以1997年第1季度为基期，计算出各季度全国商品消费价格指数，对RGDP、STOCK、INV和XM四个变量进行了去除物价变动影响的操作。另外，由于序列的自然对数变换不改变原序列中的信息，并能使其趋势线性化，消除时间序列中存在的异方差现象，所以我们对RGDP、STOCK、INV和XM四个变量进行自然对数变换，分别用LRGDP、LSTOCK、LINV、LXM表示。(二)检验方法国内外很多学者采用面板数据来分析金融发展与经济增长的关系，如King和Levine(1993)及Levine和Zervos(1998)等都曾采用过面板数据的分析方法。Arestis和Demetriades(1997)在他们的研究中发现，采用时间序列数据来分析单个国家金融发展和经济增长的关系比用多个国家的面板数据更为有效。本文采用1994年第1季度到2004年第4季度的时间序列来分析我国金融发展与经济增长之间的关系。关于时间序列的分析，国内在这方面的经验研究目前大多仍处于采用单一方程模型和普通最小二乘法应用上，还有一些采用协整分析和最大似然估计法。单一方程模型的缺点在于只能用于分析从解释变量到被解释变量的单项因果关系，一般假定解释变量是非随机的。在实际生活中，金融市场、投资、进出口等和经济增长之间是多向的因果关系，表示金融市场发展水平的变量之间也可能存在多向的因果关系，它们之间存在相互决定的可能，采用联立方程可以解决这样的问题。另外，传统的计量经济学模型估计方法，如普通最小二乘法、工具变量法、极大似然法等，其参数估计量必须在模型满足某些假设时才具有良好的性质，诸如只有当模型的随机误差项服从正态分布或某一已知分布，极大似然法参数估计量才是可靠的估计量；而GMM允许随机误差项存在异方差和序列相关，所得到的参数估计量比其他参数估计方法更合乎实际。考虑到这些情况，我们使用联立方程模型和广义矩估计方法来分析我国金融发展与经济增长之间的关系，较之最小二乘法等其他估计方法，能够得到一致性的估计。三、实证检验结果与分析(一)实证模型的设立考察本文中对经济增长影响最重要的几个因素：金融深度、投资、进出口(物价变动及人力资本也是影响经济增长的重要因素，本文在前面已经通过去除物价影响以及使用人均GDP把这两个因素考虑进去了)。我们建立如下模型来估计各因素对经济增长的贡献：我们通过建立这个方程来估计金融深度对经济增长的影响，投资、进出口为对经济增长产生影响的其他几个重要因素，作为控制变量引入到模型中来。考虑到投资对经济增长的长期效应，我们对投资取4期滞后。作为国内信用的主要创造者，存款货币银行在配置国内信贷的过程中相对于中央银行的变化会对我国的M2产生重要影响，从而影响我国的金融深化程度，同样，存款货币银行自身效率的变化以及股票市场规模的大小也会对我国的金融深化产生重要的影响。由此，我们可以建立如下模型：关于股票市场，我们可以建立如下方程：联立方程(1)、(2)和(3)，我们得到：方程组中lrgdp、depth和lstock为内生变量，其余几个变量为外生变量，变量的滞后阶数根据后面的估计效果选取。(二)计量结果分析前面说过，广义矩方法估计所得到的参数比其他参数估计方法更合乎实际，而且，可以证明，GMM包容了许多常用的估计方法，普通最小二乘法、工具变量法、极大似然法都是它的特例。在本文中，我们采用广义矩估计法来估计我们的模型。经过多次估计、比较，我们发现在模型中对解释变量kg如取滞后4期，对linv取滞后4期，对depth取滞后1期对模型的拟合效果和各系数的显著性水平是最优的。这样做同时也符合现实情况：上年度的人均gdp会对下年度的人均gdp产生影响；全社会固定资产投资对经济增长的影响也不是即时的，有明显的滞后；货币当局会根据当期的货币数量对下期的货币数量进行调整，因而，当期的depth会对下期的dep出产生影响，但滞后期不会太长。我们采取逐个剔除模型中最不显著变量的方法，得到估计结果见表1。观察模型(1)可以发现，有7个变量的系数不能通过10%的显著性水平，其中第一个方程的常数项很小且极不显著，我们把该常数项从模型中剔除，重新对模型进行估计得到模型(2)。观察模型(2)可以看出，模型中各系数的显：著性水平普遍高于模型(1)，在模型(2)中，只有4个系数未能通过10%的显著性水平，模型(2)中各方程的调整R2也要比模型(1)中的稍高，也就是说模型(2)的拟合优度要稍高于模型(1)。模型(2)第一个方程中sb的系数显著性水平最低，是整个模型中最不显著的一个变量，我们把slr从模型(2)的第一个方程中剔除掉再进行估计，得到模型(3)。对比模型(2)和(3)，可以看出，模型(3)中各系数的显著性水平又有所提高，除常数项c7外，所有的系数都通过了10%的显著性水平，其中大部分系数都通过了1%的显著性水平，各方程的调整R2较之模型(2)也有所提高，回归效果明显好于模型(2)。鉴于以上的比较，我们选取模型(3)所得结果作为我们的估计结果。在联立方程模型中，系统估计出来的参数只是每个方程中各个解释变量对被解释变量的直接影响，要得出本方程中没有却存在于其它方程中的解释变量对本方程中解释变量的影响，还要进一步进行计算。我们可以通过把联立方程的结构式模型转化为简化式模型来计算所有外生变量对被解释变量的影响，结果见表2。综合表l和表2的结果，我们可以看到金融中介体与经济增长之间的关系以及股票市场与经济增长的关系。从表1模型(3)的第一个方程可以看到depth(1)的系数为负，在第二个方程中发现lrgdp(2)的系数也为负，也就是说，金融深度与经济增长之间互为负相关关系，这似乎难以理解；但是，如果考虑货币当局的逆周期操作，就很好解释了。金融深度与经济增长之间负相关关系是货币当局逆周期操作的结果。在经济增长速度较快时(经济过热)，为了防止通货膨胀，货币当局会减少货币供应量M2；当经济增长缓慢时，为了刺激消费和投资从而带动经济增长，货币当局会增加货币供应量M2。于是较高的经济增长速度对应较低水平的货币供应量，而较慢的经济增长速度则对应着较高水平的货币供应量，所以金融深度与经济增长表现出明显的负相关关系。而从表2的方程(1)可以看到，滞后一期的金融深度变量depth_1对经济增长的影响为正，但作用并不明显。bank的系数为正且数值较大，表明存款货币银行相对于中央银行的重要性与我国经济呈高度正相关。货币银行相对重要性的加强意味着政府对金融系统管制的放松，这就是Show和Mackinnon提出的金融深化论，他们在研究中从不同的角度强调了金融对经济增长的作用。再来考察金融中介体的第三个变量slr，从方程(1)中可以看到，其系数为负，这与我们预期的不一样，银行效率的提高应该会促进经济增长。笔者认为这与我国的贷款结构有关，目前我国非国有部门对国家GDP的贡献超过了70%，但在过去十几年里获得银行的正式贷款却不到20%，80%以上的银行贷款都流向了国有部门，而国有部门的低效率甚至在一定程度上拖慢了中国的经济增长速度，所以银行贷款效率的提高与经济增长的负相关关系也就不足为奇了。关于融资结构问题，有待进一步研究。从表1的模型(3)可以看到，lstock(1)的系数为0.093，b2如(3)的系数为1.958，表明lstock与lrgdp之间为正相关关系，经济增长与股票市场之间相互促进，从表2的方程(1)看到，value的系数为0.044，表明股票市