金融发展与经济增长关系的面板数据协整研究：亚洲的经验.doc

此文档收集于网络，如有侵权，请联系网站删除研究领域：数理经济与计量经济学金融发展与经济增长关系的面板数据协整研究：亚洲的经验Nonstationary Panel Data Cointegration Estimation between Financial Development and Economic Growth: Evidence from Asia康继军 傅蕴英(重庆大学 经济与工商管理学院，重庆 400044)作者简介与联系方式：1. 康继军，男，1968.10，汉族，黑龙江哈尔滨人，重庆大学经济与工商管理学院，博士，讲师。主要研究领域：制度变迁与经济增长，应用计量经济学建模。通讯地址：重庆大学经济与工商管理学院，邮政编码：400044；电话E-mail: 。2. 傅蕴英，女，1968.02，汉族，山东德州人，重庆大学经济与工商管理学院，博士，副教授。主要研究领域：金融理论，金融计量经济学。通讯地址：重庆大学经济与工商管理学院，邮政编码：400044；电话E-mail: 。作者及合作者近期发表的高水平学术论文有：1. 中国经济转型与增长，管理世界2007年第1期；2. 开放经济下的经济增长模型：中国的经验，数量经济技术经济研究2007年第1期；3. 金融发展与经济增长之因果关系中国、日本、韩国的经验，金融研究2005年第10期；基金项目：本文得到了国家社会科学基金课题“中国转型期制度变迁与经济增长研究”(07CJL010)和重庆大学2006年度校人文社科青年基金项目的研究资助。研究领域：数理经济与计量经济学金融发展与经济增长关系的面板数据协整研究：亚洲的经验【摘要】 金融发展是否促进经济增长这一问题关系到金融改革政策的制定如何更好地推动经济增长。本文使用“二分法”思路构建的理论模型，运用面板数据单位根和协整理论对1978-2004年间亚洲14个国家和地区的金融发展与经济增长之间的关系进行了研究，实证结果证实了亚洲14个国家和地区的金融发展与经济增长之间存在显著的协整关系，金融发展对经济增长的总贡献介于7.13%-8.71%之间，其系数为正，且在统计意义上是显著的(5%显著性水平)，这一结论支持亚洲金融发展对经济增长有积极的影响以及金融发展和经济增长这二者之间存在正相关关系的观点。关键词：金融发展 经济增长 面板数据 协整分析 非平稳面板时间序列Nonstationary Panel Data Cointegration Estimation between Financial Development and Economic Growth: Evidence from AsiaAbstract: The issue whether financial development promotes economic growth is terribly important for how to make a possible finance reform policy to promote economics growth. Based on the framework of alternative econometric approaches, and employing panel unit root tests, panel cointegration tests and estimation of panel cointegration models, this paper evaluated the relationship between financial development and economic development with annual data for 14 Asian countries and regions during 1978 to 2004. Our findings are as follows: (a) there are cointegration relationships between financial development and economic development; (b) financial intermediation promotes economic growth in about 7.13%-8.71% of the 14 Asian countries and regions. The estimating results of this study do support the view the financial development promotes economic growth.Key Words: Financial Development, Economic Growth, Panel Cointegration, Panel Unit Roots, Nonstational Panel DataJEL classifications: C22, C23, E44一、引 言金融发展指金融体系的规模或效率得到提高，金融发展理论研究的是金融体系是否具有促进实体经济增长的功能。在影响经济增长的诸多因素中，金融发展一直是国内外研究学者所关注的焦点，然而各种理论关于金融发展与经济增长关系存在着较大的分歧。一种观点认为金融中介在促进科技创新和经济增长方面是非常重要的。如新古典增长理论(Goldsmith，1969)认为金融发展与投资有效性之间存在很强的正相关关系，强调金融自由化在增加储蓄和投资方面起着重要作用(McKinnon，1973；Shaw，1973)。新经济增长理论认为通过有效的资本配置可以提高投资有效性，金融机构的产生与成长促进了经济增长(参见Roubini和Sala-I-Martin(1992)，Levine(1997)等人的研究)。而与之对立的观点则认为是经济增长导致金融发展，金融发展对经济增长并不重要。例如，以Lucas(1988)为代表的一些经济学家认为以往的经济学家们过分强调(over-stressed)了金融因素在经济增长中的作用，认为经济发展会创造对金融服务的需求，从而导致金融部门的发展，是经济增长带动金融发展而不是金融发展促进经济增长。在这些理论研究基础上许多学者从实证的角度考察了金融发展与经济增长之间的关系。相当多的研究结果证实了金融发展对经济增长的积极影响(Goldsmith，1969；King和Levine，1993；Odedokun，1996；Levine，1997)，但是De Gregorio和Guidotti(1995)等一些学者的研究结果显示了金融发展对拉美经济的负面影响。自从King和Levine(1993)对80个国家的跨国研究证实了各国金融发展与经济增长之间存在正相关关系以来，对金融发展与经济增长关系的争论不是减少了，而是增多了。连Levine(2003)本人也认为难以对现实世界中金融发展必定促进经济增长下定论，他对“金融体系较发达的国家，其增长速度也较快”等一系列实证研究结论“持相当程度的怀疑态度”。学者们和政策制定者们非常关注金融发展和经济增长关系的研究，试图制定出相应的金融改革政策以更好地推动经济增长。近年来国内这方面的实证研究日渐增多，从这些研究采用的分析方法来看，基本上可以划分为三个阶段：第一个阶段是线性回归模型阶段。不少学者使用了普通最小二乘回归(OLS)、加权最小二乘回归(WLS)等线性回归方法来研究金融发展与经济增长之间的关系，代表性的成果有谈儒勇(1999)，韩廷春(2001)，周立、王子明(2002)等人的研究。此类研究方法最主要的缺陷在于未考虑时序变量的非平稳情况以及由此而产生的伪回归(spurious regression)问题。第二个阶段是时间序列计量分析阶段。学者们采用协整模型和误差修正模型来处理非平稳时间序列数据，运用Granger因果检验对金融发展与经济增长的关系进行研究，从而有效地解决了伪回归问题。这些研究采用单纯的时间序列数据，较早的研究多采用1978年以来的年度数据，由于样本数较少，单位根和协整检验缺乏可靠性，难以得到稳健的结论。因此，赵振全等(2004)，康继军等(2005)和范学俊(2006)等人的研究采用了季度数据，一定程度上解决了小样本所可能导致的结论不稳健的问题。由于1992年以前中国的季度数据无法获得，因此单纯地应用时间序列数据难以对较长时间范围金融发展与经济增长的关系进行研究，要克服这一缺陷，必须借助更新的计量分析手段。第三个阶段是面板数据分析阶段。面板数据(Panel Data或Longitudinal Data)可用来描述一个总体中给定样本在一段时间内的变化情况。Baltagi(2001)指出，面板数据可以克服变量间多重共线性的困扰，提供更高的自由度和更高的估计效率，更好地识别和度量单纯的时间序列数据或横截面数据所不能发现的影响因素，构造和检验更加复杂的模型。就具体的技术处理形式和手段看，已有的文献已经从固定效应模型等常规面板数据分析方法过渡到广义矩方法的动态面板数据分析方法(Generalized Method of Moments Estimation of Dynamic Panel Data Analysis)，例如，沈坤荣、张成(2004)运用DPD方法，使用1978-1998年间的年度数据对中国29个省市金融发展程度和经济增长的关系进行了研究，研究认为中国的金融发展与经济增长的关系不明显，并推断内生金融深化理论中这二者之间的传导机制不完善。Kao(1999)的研究指出，在面板数据模型中，如果解释变量有单位根，即数据为非平稳面板时间序列数据，那么OLS估计量虽然具有一致性，但t统计量的分布却是发散的，因此，基于传统t分布对系数的检验也就是错误的，即存在伪回归问题。为了避免动态面板数据模型估计中存在的伪回归问题，面板数据单位根检验理论方法及其应用研究成为了非经典计量经济学的重要研究内容之一。面板数据单位根和协整理论是时间序列单位根和协整理论研究的继续与发展，它将横截面和时间序列的信息结合起来，对单位根和协整关系的推断检验更为直接和准确，为非平稳面板时间序列数据的处理提供了有效的计量分析方法(Pedroni(1995，1999)；McCoskey和Kao(1998)；Maddala和Wu(1995)；Breitung(2000，2005)。根据金融发展理论，有两类模型可以用来研究金融发展与经济增长的关系，第一类模型建立在传统的新古典单一部门总生产函数框架上，把金融发展视为生产过程的一种“投入”要素：Y = f (L, K, F, Z)。其中，Y表示总产出或者实际GDP，L表示劳动力，K表示资本存量，F表示金融发展水平，Z表示总生产过程中的其他投入要素。此类模型的优点是把金融发展水平看作是一种投入要素，并且模型可以扩展到包括其他非传统投入要素(如进出口)。缺点在于需要按照基本经济理论尽可能地列出影响经济增长的其他变量作为控制变量，由此分离出金融发展对经济增长的贡献。由于不能说明金融发展影响经济增长的机制，模型可能仅仅反映了金融发展对经济增长的一部分影响。第二类模型是所谓的“二分法”模型(alternative econometric approaches)，或两部门模型。即将所有社会部门分成“非此即彼”的两类，把一个部门的产出作为另一个部门的投入要素，而后用微分法分解出一个部门对其他部门的贡献。Feder(1982)按照这一思路提出了“出口增长”关系模型，分析了出口部门对国民经济的影响。Odedokun(1996)对模型进行了修正，并将其用于金融发展和经济增长关系的研究。本文采用“二分法”思路构建“金融发展经济增长”关系的两部门模型，并创新性地运用新近发展的基于非平稳面板数据的前沿计量方法对亚洲14个国家和地区金融发展与经济增长关系进行深入研究。本文的余下部分的内容安排如下：第二部分为理论模型分析；第三部分为实证研究，运用面板单位根检验、面板协整检验和面板协整模型估计等计量经济学方法进行实证研究，论文中所有的非平稳面板时间序列数据(Nonstationary Panel Time Series)分析均由作者编写GAUSS程序，使用GAUSS软件包完成；第四部分为结论。二、理论模型按照“二分法”的思路，本文假设：1) 经济分为两部门，金融部门(F)以及非金融部门(R)；2) 由金融发展水平度量的金融部门的产出对非金融部门的产出产生外部影响；3) 劳动力和资本在两个部门中仍然是传统的两大投入要素；4) 两个部门的产出函数是不同的，每一投入的相对边际产出也是不同的。两部门的生产函数为 本节理论模型的推导沿用了Odedokun(1996)等人的假设和方法，原文中模型的具体推导细节较为省略，本节给出了完整的推导过程，此部分内容可根据审稿人和编辑部意见对本节内容进行精简。：YF = f (LF, KF) (1)YR = g (LR, KR, YF) (2)生产函数满足经典假设，即劳动和资本的边际生产力是递减的：， (3)， (4)由于只有两个部门，所以全国劳动投入(L)、资本投入(K)和总产出(Y)分解为：Y = YF + YR (5)L = LF + LR (6)K = KF + KR (7)其中，YF为金融部门的产出；YR为非金融部门的产出；式(2)的解释变量中引入了金融部门的产出YF，表示非金融部门的产出受到金融部门产出的外部影响；LF, KF, LR, KR分别代表金融部门、非金融部门的劳动投入和资本存量；Y为总产出或者实际GDP。对(5)式求全微分，得到： (8)由假设(3)、(4)可推知，经济均衡条件为两部门劳动边际生产力MPLF、MPLR(即、)与资本边际生产力MPKF、MPKR(即、)之比相等，即： (9)按照Feder26的方法，本文对式(9)变形后得到检验式： (10)即：MPLF / MPLR = MPKF / MPKR = 1 + (11)其中，MPLi和MPKi( i = F, R )代表i部门劳动和资本的边际生产力，表示生产力导数(productivity differential constant)。如果 = 0，表示劳动、资本在两部门的边际生产力之比相等；如果 0，表示劳动和资本在金融部门的边际生产力大于在非金融部门的边际生产力；如果 0，表示劳动和资本在金融部门的边际生产力小于在非金融部门的边际生产力。将(11)式代入(8)式，整理后得到： (12)由式(1)、(6)得到： (13) (14) (15)式(15)中I为两部门投资流量。将式(13)、(14)、(15)代入式(12)，整理得到： (16)等式两边同时除以Y，整理后得到： (17)令，即为金融发展对经济增长的总贡献。式(17)赋予了金融部门和非金融部门不同的产出函数，明确地假设金融部门对非金融部门产出具有外部影响，同时，这两部门中相关投入要素的产出也是不同的，系数g刻画了金融发展从外部性和生产率差异两方面对经济增长的总贡献。将式(17)转化成计量模型，即可由经验数据估计出g。式(17)中资本在非金融部门边际生产力()和劳动在非金融部门边际生产力与整个经济系统的劳动单位产出之比()进入计量模型的可选方法有常参数法、确定性变参数法、随机变参数法、自适应回归模型法等，严谨的做法是使用各方法进行试算，根据F检验结果对模型进行选择和调整。由于除金融部门以外整个国家经济是一个庞大的经济体，其整体增长的情况与GDP增长的情况比较接近，因此，本文参照Odedokun(1996)等人的做法使用常参数法，方程两侧各变量对时间t求导，用g(.)表示增长率，则(17)式可写为(省略下标i,t)： (18)三、实证研究(一) 数据来源及处理本文数据来自国际货币基金组织(IMF)出版的国际金融统计年鉴(International Financial Statistics Yearbook，IFSY，December 2005)。使用1978-2004年间亚洲14个国家和地区 由于部分年份数据缺失的缘故，本文的研究未包括蒙古和越南，同时IMF未提供中国台湾地区的数据。(孟加拉、中国、香港、印度、印度尼西亚、日本、韩国、澳门、马来西亚、缅甸、巴基斯坦、菲律宾、新加坡和泰国)的数据构建面板数据集。本文使用实际GDP的年增长率来度量经济增长，用GDP缩减因子(GDP Deflator，2000=100)根据名义GDP计算实际GDP，并计算出实际GDP年增长率g(Y)。劳动力的增长用人口的增长率来衡量，人口的增长率用人口规模(Population)的年增长率计算。投资产出比率( I / Y )用总的名义固定资本形成(Gross Fixed Capital Formation)加上名义存货的增加(或减少) (Changes in Inventories)，然后再除以名义GDP。在度量金融发展或金融深化水平的指标中，流动负债与GDP的比率是一个被广泛应用的度量金融发展的主要指标，由于我们并不能获得所有亚洲国家(或地区)流动负债的数据，所以在本文中，按照King和Levine(1993)，Odedokun(1996)等研究的做法，采用货币加准货币(Money Plus Quasi-Money)来衡量金融发展水平(YF)。金融发展的增长(g(YF)用货币加准货币的年增长率来计算。(二) 面板数据的单位根检验有关面板数据单位根检验的早期研究成果可以追溯到Levin和Lin(1992，1993)(LL92、LL93)。面板单位根检验的基本模型为：y i,t = i y i,t-1 + z i,t g + i,t，其中，i = 1, 2, , N; t = 1, 2, , T。z i,t 为模型中的外生变量。LL92检验假设：1) ei,t IID(0, 2)，即每个i的个体序列在横截面上是相互独立的，并且没有序列相关；2) 对所有i都有 i。LL92检验有6种模型形式，零假设为H0：对所有i， i1,即y i包含一个单位根；备择假设为H1：对所有i， i 1,即y i是弱平稳的(weakly stationary)。LL93检验考虑了误差过程的自相关性和异方差情况，与LL92的模型相比，LL93使用了一阶差分方程，其基本模型为： (19)因此零假设为H0：对所有i，r i( i - 1) = 0,有单位根；备择假设为H1：对所有i，r i 0,无单位根。其后，Levin、Lin和Chu(2002)(LLC)，Breitung(2000)，Maddala和Wu(1999)，Im，Pesaran和Shin(2003)，Hadri(2000)等在此基础上进行了修正和拓展。LLC，Breitung(2000)和 Hadri(2000)检验都假设存在共同单位根过程，因此，r i对所有截面个体都是相同的。在LL92和LL93检验的基础上，LLC考虑了截面个体截距和趋势的不同，其方法是对每个截面个体分别进行差分(即ADF)和水平动态(即动态DF)回归获取标准化残差和，由回归产生t检验统计量，LLC 经过对r估计量及其方差进行稳健性调整，使调整后的t统计量服从渐进正态分布，以此检验所有序列均存在单位根的零假设。Breitung(2000)检验与LLC检验很相似，但有两点不同之处，其一，在差分和水平动态回归时方程不包括外生变量，其二，差分项和水平项的定义有所不同。与其他检验相反，Hadri(2000)检验的零假设是无单位根，而备择假设是存在单位根，采用与KPSS单位根检验相似的方法，利用截面个体OLS回归(含截距项，或者是含截距项和趋势项)的残差累积总和构造LM统计量，再由LM统计量计算出Z统计量，Hadri(2000)证明了在一定的假设条件下，Z统计量服从渐进正态分布：，当1/6，1/45(模型只包括截距项)；当1/15，11/6300(模型包括截距项和趋势项)。Im，Pesaran和Shin(2003)检验与Maddala和Wu(1999)的Fisher-ADF检验都允许个体序列单位根过程，因此，跨横截面对不同的个体i，r i可以是不同的，进一步放松了面板个体之间的同质条件。其中，前者的零假设为H0：对所有i，r i0,有单位根；备择假设为H1：r i0, i = 1，2，N1；r i 0，i = N1+1，N1+2，N。通过单独估计个体的ADF回归得到r i的t检验值，求其平均值，得到组平均统计量：，IPS(2003)证明了具有渐进标准正态分布。Maddala和Wu(1999)检验使用Fisher32关于独立性的检验方法，组合每个横截面个体序列单位根检验的p值来构造统计量。在原假设截面独立的情况下，定义i为个体i的单位根检验统计量的p值，则Maddala和Wu(1999)检验统计量为：，该检验是一个非参数检验，其明显优点在于它对统计量选择滞后长度和样本数大小比较稳健。为了增强检验结果的稳健性，本文同时采用LLC(2002)、Breitung(2000)、IPS(2003)、Maddala和Wu(1999)、 Hadri(2000)这5种面板单位根检验方法对亚洲金融发展与经济增长关系的数据进行平稳性检验，检验结果见表1。表1 亚洲金融发展与经济增长关系面板数据单位根检验结果检验方法g(Y)g(L)I / Y(YF/Y)g(YF)统计量概率统计量概率统计量概率统计量概率LLC(2002)0.89270.81400.2554 0.6008 -0.2168 0.4142 1.6312 0.9486 Breitung(2000)-0.04530.4819-1.0727 0.1417 -0.5385 0.2951 -1.3488 0.0887 IPS(2003)-1.2045 0.1142 1.2247 0.8897 -1.1676 0.1215 -0.4760 0.3170 Maddala和Wu(1999)27.3841 0.4974 24.4634 0.6569 34.6993 0.1788 26.5467 0.5430 Hadri(2000)2.25120.01228.7001 0.0000 5.2396 0.0000 4.7851 0.0000 注：本文使用年度数据，各检验的滞后阶均为lag=4。从表1的检验结果可知，5个面板数据单位根检验得到了一致的结论：对于亚洲14个国家和地区经济增长与金融发展关系的4个变量，前4个检验均不能拒绝有单位根的零假设(5%显著性水平下)，而Hadri(2000)检验结果均拒绝了无单位根的零假设，这4个变量均存在显著的单位根。因此，我们必须进一步进行面板数据协整检验以避免面板数据伪回归问题。 (三) 面板数据的协整检验面板数据的协整检验方法分为两类：一类是单方程法，其中，Kao(1999)和Pedroni(1995，1999)的单方程方法以不存在协整关系为零假设，而McCoskey和Kao(1998)提出的一种基于残差的单方程检验方法，其零假设为存在协整关系；另一类为多方程法，如Larsson，Lyhagen和Lothgren(2001)构造的一种多方程框架下基于个体Johansen(1995)迹统计量平均值计算异质面板协整秩的方法。(1) Kao(1999)的检验方法与Engle-Granger两步法(1987)相类似，提出了4种DF形式和1种ADF形式的检验，利用如下方程的残差检验不存在协整关系的零假设：。所有5种Kao检验都是基于斜率系数b不随面板截面个体i而改变这一同质性(homogeneity)假定的。(2) Pedroni(1995，1999)检验放松了同质性假设，利用如下方程的残差检验不存在协整关系的零假设：。该方程形式可以考虑异质斜率系数，固定效应和个体确定趋势，因此，允许面板数据具有很大的异质性(heterogeneity)。Pedroni(1995，1999)将组内残差和组间残差联合起来，构造了4个面板均值统计量和3个群均值统计量，并证实了这7个统计量的渐进分布具有如下形式：，其中为这7个统计量的标准形式，和是的渐进均值和方差。 (3) McCoskey和Kao(1998)采用LM方法对具有协整关系的零假设进行检验，证明用OLS、完全修正OLS (fully modified OLS, FMOLS)和动态OLS (dynamic OLS, DOLS)得到的估计量都服从渐近正态分布：，当H0: = 0，其中，。有关参数的具体函数表达式参见McCoskey和Kao22。为了得到可靠的结论，本文采用Kao(1999)的5个统计量、Pedroni(1999)的7个统计量和McCoskey和Kao(1998)的LM+统计量来检验亚洲金融发展与经济增长的协整关系，以保证结论的可靠性，检验结果见表2。表2 亚洲金融发展与经济增长关系面板数据协整检验结果检 验 方 法统计量概率Kao(1999)DFr-16.31400.0000DFt-9.31360.0000DFr*-24.40950.0000DFt *-9.30100.0000ADF 检验-6.21260.0000Pedroni(1999)面板 v0.00000.0000面板 r-5.30690.0000面板t (非参数)-3.14490.0000面板t (参数)-1.17E+110.0000群 r-66.27940.0121群t (非参数)-17.15670.0000群t (参数)-16.13470.0000McCoskey和Kao(1998)LM+ - Adj.OLS19.32711.0000LM+ - FMOLS18.27151.0000LM+ - DOLS19.81791.0000注：表中Kao(1999)的5个检验和Pedroni(1999)的7个检验的零假设为H0：不存在协整关系。McCoskey和Kao(1998)的LM+检验的零假设为H0：存在协整关系。从表2的面板协整检验结果可以看出，所有的检验一致支持亚洲14个国家和地区金融发展与经济增长之间存在长期、稳定均衡关系的结论，所有检验结果一致，说明了结论的稳健性和可靠性。下面本文进一步用面板协整模型估计计量模型(18)，估计亚洲地区1978-2004年间金融发展对经济增长的总贡献。(四) 面板协整模型估计目前主要有三种面板数据协整模型估计方法：Pedroni(2000)的完全修正OLS (fully modified OLS, FMOLS)、Kao和Chiang2000)的动态OLS (dynamic OLS, DOLS) 以及Breitung(2005)的基于VECM(向量误差修正模型)的两步估计法。本文首先对FMOLS模型和DOLS模型修正内生性和序列相关问题作一简要介绍，考虑一个简单的面板回归模型： (20)其中，采用标准面板OLS方法估计的系数bi为： (21)Pedroni(2000)认为这一估计量是渐进有偏的，只有当x严格外生，并且跨面板截面所有个体都满足同质性假定时该估计量才是无偏的。Pedroni(2000)提出了组平均FMOLS估计量以消除由于回归量的内生性和序列相关所导致的偏差，其FMOLS统计量为： (22)其中， (23) (24)和是模型(20)长期协方差矩阵的协方差和自协方差矩阵。OLS估计量和FMOLS估计量的实质性差别在于式(23)通过对因变量的变形，实现了对内生性的修正，而式(24)中的实现了序列相关的修正。面板数据的FMOLS估计量就是各序列的估计量的一个均值。与非参数FMOLS估计相对应，Kao和Chiang(2000)也构造了一种参数方法的组平均面板DOLS估计量，该方法通过在式(20)中加入自变量的领先和滞后差分项来来控制内生反馈效应，加入因变量的滞后项来处理序列相关问题： (25)其中， (26)Breitung25提出了基于VECM的两步估计法。对于有k个变量的一阶VEC模型：，假设残差服从正态分布，构造短期反馈系数i和残差协方差矩阵v的似然函数，该函数求解时计算非常复杂，Breitung(2005)采用了两步估计法：在第一步，将模型变形：，令，则有。允许模型的短期反馈系数i跨截面个体变动，在第二步进行混合回归(pooled regression)，得到的长期反馈系数(协整向量b)具有同质性。其长期协整参数是渐进正态分布的。采用上述估计方法可以有效地避免因变量的内生性和误差项的序列相关问题，FMOLS和DOLS两种方法的估计量是渐进无偏的，在有限样本情况下，Breitung(2005)认为其VECM两步法较前两者估计的偏差略小。为保证结论的稳健性，本文使用FMOLS、DOLS和VECM两步估计法三种有效的估计方法来对模型(18)进行面板协整模型估计。估计结果见表3。表3 亚洲金融发展与经济增长关系面板数据协整模型估计结果g(L)I / Y(YF/Y)g(YF)R2修正的R2估计方法t-检验值bt-检验值gt-检验值FMOLS0.791717.4033*0.12133.3154*0.08712.5593*0.99970.9997DOLS0.743114.3751*0.18364.4179*0.07331.8961*0.99960.9996VECM两步法0.56061.8972*0.14064.3077*0.07132.1591*-四、结论本文使用“二分法”思路构建理论模型，运用面板数据单位根和协整理论对1978-2004年间亚洲14个国家和地区的金融发展与经济增长之间的关系进行了研究，实证结果证实了亚洲14个国家和地区的金融发展与经济增长之间存在显著的协整关系，金融发展对经济增长的总贡献介于7.13%-8.71%之间，虽然其值较小，但是其系数为正，且在统计意义上是显著的(5%显著性水平)，这一结论支持金融发展对经济增长有积极的影响以及金融发展和经济增长这二者之间存在正相关关系的观点。本文的结果和以往类似研究的结果不尽一致。例如，张宏霖(2003)采用单纯时间序列回归和固定效应模型面板数据分析方法对东亚8个国家金融发展和经济增长关系的研究认为，金融发展的系数为负且在统计意义上不显著，并因此而认为东亚的经验并不能表明金融发展对经济增长有积极的影响，这与本文得到的结论刚好相反。究其原因，我们认为这主要与所采用的计量分析方法有关。如前所述，近年来对金融发展和经济增长关系的研究已经较为广泛地使用了面板数据，许多研究已经采用了GMM等动态面板数据估计方法，但是却很少有文献讨论其所使用方法的适用性。萧政(2005)指出，面板数据模型推断结果可靠性的关键取决于数据生成过程相适应的推断过程，例如，他通过对动态面板数据模型的比较证明了与一般的看法相反，极大似然法比工具变量法(IV)或者GMM方法能更方便地得到统计量，并且在有限样本下的统计性质更好。就本文的研究对象而言，由于亚洲14个国家和地区1978-2004年的面板数据集经检验为非平稳面板时间序列，因此运用面板数据单位根检验和协整估计所得到的结论比采用单纯时间序列数据或者固定效应模型的面板数据分析方法得到的结论更为稳健而可靠。需要指出的是，由于数据方面的原因，本文使用传统金融深化指标M2/GDP来衡量金融发展的程度。由于M2这一指标更多的是同金融体系提供的交易和服务数量有关，而同储蓄转化为投资渠道的关系不大，现实中许多经济体的金融体系并不发达，但是却有着较高的M2/GDP比率，所以将M2/GDP作为衡量金融发展程度的测度指标不尽合理，如何选择更有效的指标体系来衡量经济体的金融发展程度，还有待于今后的研究。参考文献1 Baltagi, B. H., Econometric Analysis of Panel Data M, John Wiley & Sons, UK. 2001.2 Breitung, J., The Local Power of Some Unit Root Tests for Panel Data, in B. Baltagi (ed.), Advances in EconometricsM, Vol. 15: Nonstationary Panels, Panel Cointegration, and Dynamic Panels, Amsterdam: JAI Press, 2000, 161178.3 Breitung, J., A parametric approach to the estimation of Cointegration vectors in panel dataJ, Econometric Reviews, 2005, 24(2), 151173.4 De Gregorio, Jose and Pablo E. Guidotti, Financial Development and Economic GrowthJ, World Development, 1995, 23(3),433442.5 Engle, R. E., Granger, C. W. J., Cointegration and Error-Correction: Representation, Estimation, and Testing J, Econometrica, 1987, 55, 251276.6 Feder, Gershon, On Exports and Economic Growth, Journal of Development EconomicsJ, 1982,12, 59-73.7 Fisher, R. A. Statistical Methods for Research WorkersM, Edinburgh: Oliver & Boyd. 1932.8 Goldsmith, R. W., Financial Structure and DevelopmentM, New Haven, CT: Yale University Press. 1969.9 Hardi, Kaddour, Testing for Stationarity in Heterogeneous Panel DataJ, Econometric Journal, 2000, 3, 148161.10 Im, K. S., Pesaran, M. H., and Y. Shin, Testing for Unit Roots in Heterogeneous PanelsJ, Journal of Econometrics, 2003, 115, 5374.11 Johansen, Sren. Likelihood-based Inference in Cointegrated Vector Autoregressive Models, Oxford: Oxford University Press. 1995.12 Kao, C., Spurious regression and residual-based tests for Cointegration in panel dataJ, Journal of Econometrics, 1999, 90, 144.13 Kao, C., and Chiang, M. H., On the Estimation and Inference of a Cointegrated Regression in Panel DataJ, Advances in Econometrics, 2000, 15, 179222.14 King, R. G. and R. Levine, Finance and growth: Schumpeter might be rightJ, Quarterly Journal of Economics, 1993, 108(3), 717737.15 Larsson, R., Lyhagen J. and Lothgren M., Likelihood-based Cointegration tests in heterogeneous panelsJ, Econometrics Journal, 2001, 4, 109142.16 Levine, R., Financial development and Economic Growth: Views and AgendaJ, Journal of Economic Literature, 1997, 35(2), 688726.17 Levine, R., More on Finance and Growth: More Finance, More Growth? J, the Federal Reserve Bank of St. Louis, July/August, 2003, 3146.18 Levin, A. and C. F. Lin, Unit Root Test in Panel Data: Asymptotic and Finite Sample Properties, Discussion Paper #92-93, University of California at San Diego. 1992.19 Levin, A. and C. F. Lin, Unit root Tests in panel Data New results, Discussion Paper #9356. University of California at San Diego, 1993.20 Levin, A., Lin, C. F., and C. Chu, Unit Root Tests in Panel Data: Asymptotic and Finite-Sample PropertiesJ, Journal of Econometrics, 2002, Vol. 108, pp. 124.21 Lucas, Robert E., On the mechanics of economic developmentJ, Journal of Monetary Economics, 1988, 22(1), 342.22 Maddala, G. S. and S. Wu, A Comparative Study of Unit Root Tests with Panel Data and A New Simple TestJ, Oxford Bulletin of Economics and Statistics, 1999, 61, 631652.23 McKinnon, R. I., Money and Capital in Economic DevelopmentM, New York NY: Macmillan Publishing Company, 1973.24 McCoskey, S. and Kao, C., A Residual-Based Test of