金融虚拟度对超国民收入分配的影响：理论、实证与政策启示

金融虚拟度对超国民收入分配的影响：理论、实证与政策启示一、引言1.1研究背景与意义1.1.1研究背景在当今全球经济格局中，金融体系已成为经济运行的核心枢纽，其发展态势深刻影响着各国经济的走向。随着经济金融化进程的加速，金融创新层出不穷，金融工具和金融市场不断丰富与拓展。从传统的银行业务到多元化的金融衍生品交易，从本土金融市场到全球化的金融网络，金融体系的规模和复杂性持续攀升。据统计，全球金融资产总量在过去几十年间呈现爆发式增长，与实体经济规模的比值不断扩大，这一现象凸显了金融在现代经济中的重要地位日益提升。金融体系所具有的虚拟性特征，是其区别于实体经济的重要属性。这种虚拟性一方面体现在金融资产的价值往往脱离了其对应的实物资产，更多地基于未来预期收益和市场信心来定价。以股票市场为例，股票价格的波动并非完全取决于公司的实际资产和当前盈利状况，还受到宏观经济形势、投资者情绪等多种因素的影响，常常出现价格与实际价值的背离。另一方面，金融衍生品的出现进一步强化了金融的虚拟性。诸如期货、期权、互换等金融衍生品，它们以基础金融资产为标的，但交易的并非资产本身，而是对未来价格走势的预期，其价值的创造和波动更多地依赖于市场参与者的主观判断和交易行为，与实体经济的联系更为间接。在这样的背景下，金融虚拟度成为衡量金融体系虚拟性程度的关键指标。它反映了金融资产相对于实体经济的规模和增长速度，以及金融活动脱离实体经济的程度。金融虚拟度的变化不仅影响着金融市场的稳定性和效率，还与国民收入分配格局有着千丝万缕的联系。超国民收入分配作为一种经济现象，指的是国民收入的分配总额超过了国民收入的生产总额，或者在分配结构上出现了不合理的倾斜，导致部分群体获取了超出其应得份额的收入。这种现象的产生往往与金融体系的运行密切相关，金融虚拟度的高低在其中发挥着重要的作用。近年来，随着金融虚拟度的不断提高，全球范围内出现了一系列经济问题，如金融危机的频繁爆发、贫富差距的持续扩大等，这些都与超国民收入分配现象相互交织、相互影响。在2008年全球金融危机中，金融市场的过度虚拟化导致资产泡沫严重，金融机构过度追求高风险、高收益的金融业务，最终引发了系统性风险的爆发。这场危机不仅使金融体系遭受重创，还对实体经济造成了巨大冲击，导致失业率上升、企业倒闭，进一步加剧了社会收入分配的不平等，许多普通民众的收入大幅减少，而金融行业的部分从业者却在危机前获取了高额的薪酬和奖金，凸显了超国民收入分配的不合理性。又如，在一些发达国家，金融市场的高度发达使得金融资本能够迅速积累财富，导致资本所有者与劳动者之间的收入差距不断拉大，社会矛盾日益尖锐。这些现实问题表明，深入研究金融虚拟度与超国民收入分配之间的关联具有重要的紧迫性和现实意义。1.1.2研究意义从理论层面来看，深入探究金融虚拟度对超国民收入分配的影响效应，有助于深化对金融经济运行规律的认识。现有的金融理论和收入分配理论在解释金融与实体经济关系以及收入分配的复杂机制方面，尚存在一定的局限性。通过本研究，可以进一步揭示金融虚拟性在国民收入分配循环中的作用路径和内在逻辑，丰富和完善金融经济理论体系。在传统的金融理论中，往往侧重于研究金融对实体经济的支持作用，而对金融虚拟性可能带来的负面影响以及对收入分配的复杂影响关注不足。本研究将弥补这一理论缺口，为金融理论的发展提供新的视角和思路，使我们能够更加全面、深入地理解金融体系在现代经济中的角色和功能。在实践层面，研究金融虚拟度与超国民收入分配的关系，对政府制定科学合理的金融政策和收入分配政策具有重要的指导意义。通过准确把握金融虚拟度的变化对超国民收入分配的影响，政府可以更好地调控金融市场，防范金融风险，维护金融稳定。当金融虚拟度过高可能引发超国民收入分配不合理时，政府可以采取加强金融监管、限制金融衍生品过度发展等措施，引导金融资源合理配置，避免金融市场的过度投机和泡沫化，从而降低系统性金融风险的发生概率。政府还可以根据研究结果，优化收入分配政策，促进社会公平。针对金融虚拟度提高导致的收入分配差距扩大问题，政府可以通过税收调节、社会保障体系完善等手段，对高收入群体进行合理调节，提高低收入群体的收入水平，缩小贫富差距，促进社会的和谐稳定发展。1.2国内外研究现状1.2.1国外研究现状国外对于金融虚拟度和超国民收入分配的研究起步相对较早，在理论和实证方面都取得了较为丰富的成果。在金融虚拟度方面，国外学者从多个角度进行了探讨。部分学者聚焦于金融资产与实体经济的关系来衡量金融虚拟度。例如，戈德史密斯（RaymondW.Goldsmith）在其金融结构与金融发展理论中，通过金融相关比率（FIR），即全部金融资产价值与全部实物资产（即国民财富）价值之比，来反映金融发展程度，这在一定程度上可以体现金融虚拟度的高低。他的研究为后续学者对金融虚拟度的量化分析奠定了基础。一些学者关注金融市场的波动性与虚拟性之间的关联。Engle和Kroner提出的BEKK-GARCH模型，用于分析金融市场不同资产价格波动之间的溢出效应，从侧面反映了金融市场的复杂性和虚拟性特征。他们认为，金融市场中资产价格的过度波动，往往是金融虚拟性增强的表现，而这种波动又会对实体经济产生深远影响。关于超国民收入分配，国外学者从不同理论视角展开研究。新古典经济学派从要素分配理论出发，认为国民收入分配取决于生产要素的边际生产力，在完全竞争市场条件下，各生产要素根据其对生产的贡献获得相应报酬，不存在超国民收入分配现象。然而，现实经济中市场并非完全竞争，新剑桥学派对此提出了质疑。新剑桥学派以其独特的分配理论为基础，强调国民收入分配在工人和资本家之间的不公平性。他们认为，资本主义经济体系中存在着制度性因素，使得资本家能够凭借其对生产资料的占有，在国民收入分配中获取过多份额，从而导致超国民收入分配现象的出现。卡尔多（NicholasKaldor）的经济增长模型中就体现了这一观点，他指出利润在国民收入中的占比与经济增长率相关，而资本家的储蓄倾向高于工人，这使得在经济增长过程中，利润份额不断增加，加剧了收入分配的不平等。在金融虚拟度与超国民收入分配关系的研究上，国外学者也有诸多见解。一些学者认为金融虚拟度的提高会通过金融市场的财富效应影响收入分配。当金融市场繁荣，金融资产价格上涨时，持有金融资产的群体财富增加，从而改变国民收入分配格局。Merton和Perold在研究金融市场的投资组合理论时发现，富裕阶层由于拥有更多的金融资产，在金融市场波动中更容易受益，而普通劳动者由于缺乏金融资产投资渠道，难以分享金融市场繁荣的成果，进而导致收入差距扩大，出现超国民收入分配现象。部分学者从金融中介理论角度分析，认为金融虚拟度的变化会影响金融中介的行为和效率，进而对收入分配产生作用。Allen和Gale指出，金融中介在资金配置过程中，可能会因为金融虚拟度的提高而更加倾向于向具有较高风险承受能力和资产实力的群体提供资金支持，这会使得这些群体在经济活动中获得更多优势，获取更多的收入份额，加剧收入分配的不平等。1.2.2国内研究现状国内学者在金融虚拟度和超国民收入分配领域的研究近年来不断深入，结合中国经济发展的实际情况，提出了许多有价值的观点和理论。在金融虚拟度研究方面，国内学者在借鉴国外研究成果的基础上，结合中国金融市场的特点进行了创新。周再清等学者通过构建包含金融资产总量、金融衍生品规模、金融市场活跃度等多个指标的综合评价体系来衡量中国金融虚拟度。他们认为，随着中国金融市场的快速发展，金融创新不断涌现，金融虚拟度呈现出上升趋势，但在不同金融子市场之间存在差异。例如，股票市场和债券市场的虚拟度相对较高，而农村金融市场的虚拟度则相对较低。国内学者还关注金融虚拟度与金融安全的关系。刘骏民等学者指出，金融虚拟度的过度提高可能会导致金融风险的积累，威胁金融安全。当金融资产脱离实体经济过度膨胀时，容易形成资产泡沫，一旦泡沫破裂，将引发金融危机，对实体经济造成严重冲击。对于超国民收入分配，国内学者从宏观经济和微观经济多个层面进行了分析。在宏观层面，项镜泉、杨良初通过对中国特定时期国民收入分配数据的测算和分析，指出存在价值形态的国民收入分配总额超过国民收入生产总额的超分配现象，表现为投资需求和消费需求过旺，导致通货膨胀等问题。他们认为，财政赤字、信贷扩张等因素是造成超国民收入分配的重要原因。在微观层面，一些学者从企业和居民收入分配角度进行研究。李实等学者通过对中国家庭收入调查数据（CHIP）的分析发现，不同行业、不同地区的企业和居民在收入分配上存在较大差距，垄断行业企业和高收入群体在国民收入分配中占据优势地位，而一些中小企业和低收入群体的收入份额相对较低，这也是超国民收入分配在微观层面的体现。在探讨金融虚拟度与超国民收入分配的关系时，国内学者形成了多种观点。一些学者认为金融虚拟度的提高会加剧超国民收入分配的不合理性。李扬等学者研究发现，金融虚拟性的增强使得金融资源更多地流向高收入群体和具有资本优势的企业，导致贫富差距进一步扩大。例如，在房地产市场中，金融杠杆的过度使用使得房地产价格不断上涨，拥有房产的投资者资产大幅增值，而普通购房者则面临更大的购房压力，进一步拉大了收入差距。然而，也有学者持不同观点。陈彦军、韩寒、李少华等人通过对中国省级面板数据的实证研究发现，金融发展在一定程度上能够促进收入分配的均衡，银行信贷占比较高的地区，收入差距相对较小。他们认为，金融发展可以通过提供更多的融资渠道和金融服务，促进中小企业发展和居民创业，从而提高低收入群体的收入水平，改善收入分配状况。国内在该领域的研究虽然取得了一定成果，但仍存在一些争议和不足。在金融虚拟度的衡量指标和方法上尚未形成统一标准，不同研究之间的可比性有待提高。对于金融虚拟度与超国民收入分配之间复杂的传导机制和动态关系的研究还不够深入，缺乏系统性的理论框架和实证分析。在政策建议方面，如何在促进金融发展、合理提高金融虚拟度的有效防范超国民收入分配带来的负面影响，实现经济的可持续发展和社会公平，还需要进一步的研究和探讨。1.3研究方法与创新点1.3.1研究方法文献研究法：广泛搜集国内外关于金融虚拟度、超国民收入分配以及两者关系的相关文献资料，包括学术期刊论文、学位论文、研究报告、经典著作等。对这些文献进行系统梳理和分析，了解已有研究的成果、不足以及研究趋势，为本文的研究提供坚实的理论基础和研究思路。通过对戈德史密斯、Engle、Kroner等国外学者以及周再清、刘骏民等国内学者关于金融虚拟度研究文献的研读，明确金融虚拟度的不同衡量方法和影响因素。在研究超国民收入分配时，参考项镜泉、杨良初、李实等学者的研究成果，深入了解超国民收入分配的表现形式、成因和影响。理论分析法：运用金融学、宏观经济学、微观经济学等多学科理论，深入剖析金融虚拟度对超国民收入分配的影响机制。从金融市场的基本原理出发，分析金融虚拟度的变化如何影响金融资产价格、资金流向以及金融机构的行为，进而探讨这些变化对国民收入分配在总量和结构上的影响。借助凯恩斯的宏观经济理论，分析金融市场波动对总需求和总供给的影响，以及这种影响如何传导至国民收入分配领域。利用微观经济学中的要素分配理论，探讨金融虚拟度变化对不同生产要素收入分配的影响，如资本和劳动在收入分配中的份额变化。实证研究法：收集相关数据，构建计量经济模型，对金融虚拟度与超国民收入分配之间的关系进行实证检验。通过选取合适的变量，如金融相关比率、金融衍生品规模等作为金融虚拟度的衡量指标，居民收入基尼系数、不同收入阶层收入占比等作为超国民收入分配的衡量指标，运用时间序列数据、面板数据等进行回归分析、格兰杰因果检验等，以验证理论分析的结论，揭示两者之间的数量关系和因果关系。利用中国家庭收入调查（CHIP）数据和中国金融统计年鉴数据，构建面板数据模型，分析金融发展水平（包括金融虚拟度相关指标）对居民收入分配的影响，以及这种影响在不同地区、不同收入阶层之间的差异。1.3.2创新点界定总量和结构超分配：本文明确界定了由于金融虚拟性所产生的超国民收入分配存在总量超分配和结构超分配两种状况。总量超分配是指国民收入的分配总额超过国民收入的生产总额，这种情况可能导致通货膨胀、经济过热等问题。结构超分配则是指国民收入在不同部门、不同群体之间的分配出现不合理的倾斜，如资本所有者与劳动者之间收入差距过大，垄断行业与非垄断行业之间收入分配不均等。通过对这两种超分配状况的深入分析，探讨其各自的成因及影响效应，丰富了超国民收入分配的研究视角。寻找临界值指标：从超国民收入分配状况存在的现实出发，试图寻找适度的金融虚拟度的临界值指标。通过对历史数据的分析和计量模型的构建，探索金融虚拟度在何种范围内能够促进经济增长和收入分配的合理化，而超过这一范围则可能引发超国民收入分配问题，导致经济不稳定和社会不公平。这一研究有助于为金融监管和政策制定提供量化的参考标准，使政策制定者能够更加精准地把握金融发展的节奏，避免金融虚拟度过度扩张带来的负面影响。探索动态适应指标：探索金融虚拟程度与结构超分配之间的动态适应指标，以反映两者之间的动态关系。考虑到经济系统是一个动态变化的系统，金融虚拟度和超国民收入分配结构会随着经济发展阶段、政策调整等因素的变化而变化。通过构建动态指标体系，如动态面板模型中的相关系数、脉冲响应函数等，分析金融虚拟度的变化如何在不同时期对结构超分配产生影响，以及结构超分配的调整如何反过来影响金融虚拟度的变化，为实现金融与经济的协调发展提供理论支持和决策依据。二、金融虚拟度与超国民收入分配的理论基础2.1金融虚拟度相关理论2.1.1金融虚拟度的概念界定金融虚拟度是衡量金融体系虚拟性程度的关键指标，它反映了金融活动脱离实体经济的程度以及金融资产相对于实体经济的规模和增长速度。金融虚拟度的核心在于揭示金融与实体经济之间的背离关系。从本质上讲，金融虚拟性源于货币的虚拟化和资本的虚拟化。货币作为一般等价物，最初是与实体经济中的商品和服务紧密相连的，但随着信用制度的发展，货币逐渐脱离了其作为实物商品价值代表的属性，呈现出虚拟化的特征。在现代信用货币体系下，纸币不再与黄金等贵金属挂钩，其价值更多地依赖于国家信用和市场信心。资本的虚拟化则体现在金融市场中，资本通过股票、债券、金融衍生品等形式进行交易，这些金融资产的价格往往脱离了其对应的实体经济资产的实际价值，更多地受到市场预期、投资者情绪等因素的影响。金融虚拟度的高低对经济运行有着重要影响。适度的金融虚拟度可以促进资本的优化配置，提高资金的使用效率，为实体经济的发展提供有力支持。金融市场的存在使得资金能够从闲置部门流向更具投资价值的实体经济领域，推动企业的发展和创新。当金融虚拟度过高时，金融活动与实体经济的联系会逐渐减弱，金融资产价格可能出现过度波动，形成资产泡沫。这些泡沫一旦破裂，将引发金融市场的动荡，对实体经济造成严重冲击。日本在20世纪80年代末经历了金融泡沫的膨胀，股票和房地产价格大幅上涨，金融虚拟度急剧攀升。但随后泡沫破裂，经济陷入了长期的衰退，企业倒闭、失业率上升，实体经济遭受重创。2.1.2金融虚拟度的衡量指标与计算方法在衡量金融虚拟度时，常用的指标包括金融相关比率（FIR）、金融衍生品规模占GDP的比重等。金融相关比率由戈德史密斯提出，是指全部金融资产价值与全部实物资产（即国民财富）价值之比，公式为：FIR=\frac{F}{W}，其中F表示金融资产总额，W表示实物资产总额。该指标能够直观地反映金融发展程度以及金融资产相对于实体经济的规模大小。在计算金融资产总额时，通常包括货币供应量（M2）、股票市值、债券余额、保险准备金等。实物资产总额则可通过国内生产总值（GDP）、固定资产投资等数据进行估算。若某国某一年的货币供应量为50万亿元，股票市值为30万亿元，债券余额为20万亿元，保险准备金为10万亿元，当年GDP为100万亿元，固定资产投资为40万亿元，通过一定的估算方法得到实物资产总额为120万亿元，那么该国该年的金融相关比率FIR=\frac{50+30+20+10}{120}=\frac{110}{120}\approx0.92。金融衍生品规模占GDP的比重也是衡量金融虚拟度的重要指标。随着金融创新的不断发展，金融衍生品市场日益壮大，其虚拟性特征更为明显。金融衍生品包括期货、期权、互换等，它们以基础金融资产为标的，但交易的是对未来价格走势的预期，与实体经济的联系更为间接。计算该指标时，只需将金融衍生品的名义本金或市场价值除以GDP即可。如某国某一年金融衍生品的名义本金为50万亿元，当年GDP为200万亿元，则金融衍生品规模占GDP的比重为\frac{50}{200}=0.25。数据来源方面，货币供应量、GDP等数据可从国家统计局、中央银行等官方机构获取；股票市值、债券余额等数据可从证券交易所、债券市场相关机构获取；金融衍生品规模数据则需从专门的金融衍生品交易平台或监管机构获取。在获取数据后，还需对数据进行清洗和处理，以确保数据的准确性和一致性。对于缺失的数据，可采用插值法、均值法等方法进行填补；对于异常数据，需进行甄别和修正，以避免其对计算结果产生较大偏差。2.1.3金融虚拟度的影响因素分析金融创新是推动金融虚拟度提高的重要因素之一。随着金融市场的发展，各种金融创新工具和产品不断涌现，如资产证券化、信用违约互换等。这些创新产品丰富了金融市场的交易品种，拓展了金融交易的范围和方式，使得金融资产的规模和种类迅速增加，从而提高了金融虚拟度。资产证券化将缺乏流动性的资产转化为可在金融市场上交易的证券，增加了金融资产的流动性和交易活跃度，使得金融市场的规模得以扩大，金融虚拟度相应提高。经济发展水平与金融虚拟度之间存在着密切的关联。一般来说，在经济发展水平较高的国家和地区，金融市场更加发达，金融体系更加完善，金融创新活动更为活跃，这为金融虚拟度的提高提供了有利的条件。随着经济的发展，企业和居民的财富不断积累，对金融服务和金融投资的需求也日益多样化，促使金融机构不断推出新的金融产品和服务，推动金融虚拟度的上升。在一些发达国家，如美国、英国等，其经济发展水平高，金融市场高度发达，金融虚拟度也相对较高。宏观经济政策对金融虚拟度也有着重要影响。货币政策的宽松或紧缩会直接影响货币供应量和利率水平，进而影响金融市场的资金供求关系和金融资产价格。当货币政策宽松时，货币供应量增加，利率下降，资金成本降低，企业和居民的融资需求增加，金融市场的活跃度提高，金融虚拟度可能上升。反之，当货币政策紧缩时，金融虚拟度可能下降。财政政策通过政府支出、税收等手段影响经济运行，也会对金融虚拟度产生间接影响。政府加大对基础设施建设的支出，可能会带动相关产业的发展，增加企业的融资需求，从而影响金融虚拟度。2.2超国民收入分配相关理论2.2.1超国民收入分配的概念与内涵超国民收入分配，是指国民收入的分配在总量或结构上出现了不合理的状况，与国民收入的生产不匹配。从总量角度来看，超国民收入分配表现为国民收入的分配总额超过了国民收入的生产总额。在一定时期内，国民收入是由实体经济中的生产活动创造出来的，它代表了社会新创造的价值总量。如果在分配过程中，通过货币投放、信贷扩张等手段，使得分配出去的货币价值总量超过了实际生产的国民收入价值总量，就会出现总量超分配的情况。这就好比一个蛋糕，实际生产出来的蛋糕只有一定的大小，但在分配时却按照比这个蛋糕更大的量来进行分配，必然会导致分配的不合理。从结构角度而言，超国民收入分配体现为国民收入在不同部门、不同群体之间的分配出现严重失衡。在正常的经济运行中，各部门和群体应该根据其对生产的贡献获得相应的收入份额。然而，在现实经济中，由于各种因素的影响，如垄断、政策偏向、市场失灵等，可能会导致某些部门或群体获取了过多的收入，而另一些部门或群体的收入份额则相对过少。在一些行业中，由于存在垄断地位，企业能够凭借垄断优势获取高额利润，从而使得这些行业的从业人员收入过高；而一些竞争激烈、附加值较低的行业，企业利润微薄，从业人员收入也相应较低，这就导致了国民收入在不同行业之间的结构超分配。又如，在居民收入分配方面，高收入群体与低收入群体之间的收入差距过大，也是结构超分配的一种表现。这种结构上的超分配会导致社会资源配置的不合理，影响经济的可持续发展和社会的公平稳定。2.2.2超国民收入分配的衡量方法与指标体系衡量超国民收入分配的方法和指标体系较为复杂，涉及多个方面。储蓄-投资缺口是一个重要的衡量指标。在国民经济核算中，储蓄等于投资是宏观经济平衡的一个基本条件。当储蓄-投资缺口为正，即储蓄大于投资时，表明经济中存在资金闲置，可能意味着消费不足；而当储蓄-投资缺口为负，即投资大于储蓄时，则可能暗示存在超国民收入分配现象。这是因为投资大于储蓄可能是通过信贷扩张等方式来实现的，而这种信贷扩张可能会导致货币投放过多，从而引发总量超分配。若某一年度，一个国家的储蓄为1000亿元，投资却达到了1200亿元，储蓄-投资缺口为-200亿元，这就需要进一步分析投资超过储蓄的资金来源，如果是通过不合理的信贷扩张获得，就可能存在超国民收入分配问题。居民收入基尼系数也是衡量超国民收入分配结构失衡的常用指标。基尼系数是用来衡量居民收入分配差异程度的指标，其取值范围在0到1之间。当基尼系数越接近0时，表示居民收入分配越平均；当基尼系数越接近1时，则表示居民收入分配差距越大，结构超分配问题越严重。国际上通常将0.4作为基尼系数的警戒线，当基尼系数超过0.4时，就表明该国家或地区的收入分配存在较大的不平等，可能存在超国民收入分配的结构问题。若某国的居民收入基尼系数达到了0.45，说明该国居民收入分配差距较大，高收入群体和低收入群体之间的收入差距明显，存在结构超分配的情况。不同收入阶层收入占比也是衡量结构超分配的重要指标。通过分析高收入阶层、中等收入阶层和低收入阶层在国民收入中所占的比重及其变化趋势，可以直观地了解国民收入在不同阶层之间的分配状况。如果高收入阶层的收入占比持续上升，而低收入阶层的收入占比不断下降，就说明国民收入分配结构出现了不合理的变化，存在结构超分配问题。例如，在过去一段时间内，某国高收入阶层的收入占比从30%上升到了40%，而低收入阶层的收入占比从20%下降到了15%，这就清晰地反映出该国国民收入分配结构的失衡，结构超分配问题日益凸显。2.2.3超国民收入分配的形成原因与影响分析超国民收入分配的形成原因是多方面的，涉及宏观经济政策、经济结构失衡等多个领域。从宏观经济政策角度来看，扩张性的财政政策和货币政策在一定程度上可能导致超国民收入分配。扩张性财政政策通常表现为政府增加支出、减少税收，这会直接增加社会总需求。如果政府支出的增加超过了经济的实际供给能力，就可能引发通货膨胀，导致总量超分配。政府为了刺激经济增长，大量投资基础设施建设，使得财政支出大幅增加。若此时实体经济的生产能力无法相应提高，就会出现需求大于供给的情况，物价上涨，货币的实际购买力下降，从而造成总量超分配。扩张性货币政策，如降低利率、增加货币供应量，也可能引发超国民收入分配。当货币供应量增加过快，而实体经济的增长相对缓慢时，过多的货币追逐相对较少的商品和服务，必然会导致物价上涨，货币贬值，形成总量超分配。在经济低迷时期，央行可能会采取降低利率、增加货币供应量的措施来刺激经济。如果这些措施实施过度，市场上的货币量大幅增加，而企业的生产和投资并没有相应地大幅增长，就会出现通货膨胀，使得分配的货币价值超过实际生产的国民收入价值，产生总量超分配。经济结构失衡也是导致超国民收入分配的重要原因。产业结构不合理，一些行业过度发展，而另一些行业发展滞后，会导致资源配置的扭曲，进而引发结构超分配。在某些地区，房地产行业过度繁荣，吸引了大量的资金、人力等资源，导致房地产企业和从业人员收入过高。而一些实体经济产业，如制造业、农业等，由于资源被挤占，发展受到限制，从业人员收入相对较低，这就造成了国民收入在不同产业之间的结构超分配。收入分配制度不完善也是造成超国民收入分配的关键因素。不合理的税收制度、社会保障制度等，无法有效地调节收入分配差距，使得高收入群体和低收入群体之间的收入差距不断扩大，加剧了结构超分配。税收制度对高收入群体的调节力度不足，高收入群体通过各种避税手段减少纳税，而低收入群体却承担了相对较重的税负，这就进一步拉大了收入差距，导致结构超分配问题更加严重。超国民收入分配对经济和社会产生了多方面的影响。在经济方面，总量超分配往往会引发通货膨胀。由于分配的货币总量超过了实际生产的国民收入总量，过多的货币追逐有限的商品和服务，必然导致物价持续上涨。通货膨胀会降低货币的实际购买力，使得居民的实际收入下降，影响居民的生活水平。它还会干扰企业的生产决策，增加企业的生产成本和经营风险，阻碍经济的稳定增长。在结构超分配方面，会导致资源配置的不合理。过多的资源流向高收入群体和高利润行业，而一些对经济社会发展至关重要的领域，如科技创新、基础教育、医疗卫生等，却因为缺乏资源而发展滞后。这不仅会影响经济的长期增长潜力，还会削弱社会的整体发展水平。从社会层面来看，超国民收入分配会加剧社会不平等，引发社会矛盾。高收入群体和低收入群体之间的收入差距过大，会使低收入群体产生相对剥夺感，导致社会不满情绪增加。这种不满情绪如果得不到有效缓解，可能会引发社会不稳定因素，影响社会的和谐与安宁。贫富差距过大还会影响社会的流动性，使得低收入群体难以通过自身努力实现向上的社会流动，进一步固化社会阶层结构，阻碍社会的进步与发展。2.3金融虚拟度与超国民收入分配的关系理论2.3.1金融虚拟性与国民收入分配循环的联系金融虚拟性在国民收入初次分配中发挥着重要作用。在现代经济体系中，金融市场的存在使得资本能够在不同产业和企业之间进行配置。金融虚拟度的变化会影响资本的流向，进而改变各产业和企业在初次分配中的收入份额。当金融虚拟度较高时，金融市场的吸引力增强，资金往往会大量流入金融领域以及与金融密切相关的产业，如房地产等。这些产业由于获得了充足的资金支持，其盈利能力和收入水平相应提高，在国民收入初次分配中所占的份额也会增加。在一些金融市场发达的城市，房地产企业凭借其与金融机构的紧密合作，能够获得大量的贷款用于项目开发，从而在房价上涨的过程中获取巨额利润，其从业人员的收入也远高于其他行业，这使得房地产行业在国民收入初次分配中的比重不断上升。而一些实体经济产业，如制造业、农业等，由于资金相对匮乏，发展受到限制，在初次分配中的收入份额则相对减少。在国民收入再分配环节，金融虚拟性同样产生着深远影响。金融机构作为金融体系的重要组成部分，在再分配过程中扮演着关键角色。银行通过信贷业务，将资金从储蓄者手中转移到投资者手中，这一过程不仅影响着资金的配置效率，还会对收入分配产生作用。当金融虚拟度较高时，金融机构可能会更加倾向于向高收入群体和大型企业提供贷款，因为这些群体和企业通常具有较强的还款能力和较低的风险。这就导致高收入群体和大型企业能够获得更多的资金用于投资和扩大生产，进一步增加其收入。而低收入群体和中小企业由于难以获得足够的信贷支持，发展受到制约，收入增长缓慢。金融市场中的证券交易也会对再分配产生影响。股票市场的波动会导致投资者的财富发生变化，那些在股票市场中获利的投资者，其收入会增加，从而在再分配中处于有利地位；而遭受损失的投资者，收入则会减少。金融虚拟性还通过影响宏观经济政策的实施，间接作用于国民收入再分配。货币政策是宏观经济政策的重要组成部分，金融虚拟度的变化会影响货币政策的传导机制和效果。当金融虚拟度较高时，金融市场的复杂性增加，货币政策的传导可能会受到阻碍，使得政策对实体经济的影响减弱。这可能导致经济增长放缓，就业机会减少，进而影响低收入群体的收入水平。而财政政策在实施过程中，也需要考虑金融市场的状况。金融虚拟度的提高可能会增加政府的财政风险，因为金融市场的不稳定可能会引发金融危机，导致政府不得不采取救助措施，增加财政支出。这可能会影响政府对社会保障、教育、医疗等领域的投入，进而影响社会公平和收入分配的合理性。2.3.2金融虚拟度对超国民收入分配的作用机制金融虚拟度的变化会直接影响资金流向，进而对超国民收入分配产生重要作用。在金融市场中，资金具有趋利性，会流向收益率较高的领域。当金融虚拟度提高时，金融资产的收益率往往相对较高，这会吸引大量资金从实体经济领域流向金融市场。在股票市场繁荣时期，股票价格持续上涨，投资者预期能够获得高额回报，于是大量资金从实体经济企业的生产经营活动中抽出，投入到股票市场。这就导致实体经济企业的资金短缺，生产规模难以扩大，创新能力受到抑制，从而影响其盈利能力和员工的收入水平。而金融市场中的投资者，尤其是那些拥有大量金融资产的高收入群体，则能够通过股票投资获得丰厚的收益，进一步拉大了与实体经济从业者之间的收入差距，加剧了超国民收入分配的不合理性。金融虚拟度的上升还会引发资产价格的剧烈波动，这也是导致超国民收入分配的重要机制之一。以房地产市场为例，当金融虚拟度提高时，金融机构往往会放宽房地产信贷条件，增加房地产市场的资金供给。这会推动房地产价格不断上涨，形成房地产泡沫。拥有房产的居民，其资产价值大幅提升，财富迅速增加。他们可以通过房产的增值、出租或抵押等方式获取更多的收入。而对于那些没有房产或准备购房的居民来说，房地产价格的上涨使得他们的购房压力增大，生活成本上升，可支配收入减少。这种因资产价格波动导致的财富分配不均，进一步加剧了超国民收入分配的结构失衡。在一些城市，房价的快速上涨使得房地产投资者获得了巨额财富，而普通工薪阶层却面临着买不起房的困境，收入差距不断拉大，社会矛盾逐渐凸显。金融虚拟度的变化还会通过影响金融机构的行为，对超国民收入分配产生作用。当金融虚拟度较高时，金融机构为了追求更高的利润，可能会过度参与金融创新和高风险的金融业务。在金融衍生品市场中，金融机构开发出各种复杂的金融衍生品，如信用违约互换（CDS）等。这些金融衍生品的交易往往具有高杠杆性，虽然能够带来高额利润，但也伴随着巨大的风险。金融机构在追求利润的过程中，可能会忽视风险控制，导致金融体系的不稳定。一旦金融市场出现波动，这些高风险的金融业务可能会引发系统性风险，导致金融机构倒闭或遭受重大损失。政府为了维护金融稳定，往往会动用公共资金对金融机构进行救助，这实际上是将金融机构的风险转嫁给了社会公众，进一步加剧了社会收入分配的不公平。在2008年全球金融危机中，许多金融机构因过度参与金融衍生品交易而陷入困境，政府不得不投入大量资金进行救助。而普通民众却因金融危机导致失业、收入减少，生活陷入困境，超国民收入分配问题更加严重。2.3.3相关理论模型与分析框架在研究金融虚拟度与超国民收入分配的关系时，金融发展与收入分配关系模型为我们提供了重要的理论基础。Greenwood和Jovanovic（1990）提出的金融发展与收入分配的倒U型模型认为，在经济发展初期，金融发展水平较低，金融市场不完善，只有少数高收入群体能够利用金融服务进行投资，从而获取更高的收益，这使得收入差距逐渐扩大。随着金融发展水平的提高，金融市场逐渐完善，更多的人能够获得金融服务，投资机会增加，经济增长加快，这有助于缩小收入差距。当金融发展达到一定程度后，收入差距会随着金融发展而逐渐缩小，呈现出倒U型的关系。这一模型在一定程度上解释了金融发展（包括金融虚拟度的变化）对收入分配的影响机制，但在实际应用中，其假设条件可能与现实情况存在一定差异。在现实经济中，金融市场并非完全竞争，信息不对称、金融监管不完善等因素会影响金融资源的配置效率，使得金融发展与收入分配的关系更加复杂。为了更深入地分析金融虚拟度与超国民收入分配的关系，我们构建了以下分析框架。从宏观层面来看，金融虚拟度的变化会影响金融市场的稳定性和资金的总量配置。当金融虚拟度过高时，金融市场的波动性增加，系统性风险上升，可能导致经济增长放缓。经济增长的变化会直接影响国民收入的生产总量，进而影响国民收入的分配总额。如果经济增长放缓，国民收入生产总额减少，而分配总额却因惯性或其他因素未能相应减少，就可能出现总量超国民收入分配的情况。从微观层面分析，金融虚拟度的变化会影响不同经济主体的收入分配。金融虚拟度的提高会改变金融资产和实体经济资产的相对收益率，导致资金在不同经济主体之间的流动发生变化。资金从实体经济流向金融市场，会使得实体经济企业的发展受到限制，员工收入减少；而金融市场投资者的收入则会增加。金融虚拟度的变化还会影响金融机构的信贷决策，进而影响企业和居民的融资能力和成本。中小企业和低收入群体在融资过程中可能会面临更高的门槛和成本，这进一步加剧了收入分配的不平等，导致结构超国民收入分配的出现。在分析过程中，我们还考虑了宏观经济政策、经济结构等因素对金融虚拟度与超国民收入分配关系的影响。宏观经济政策，如货币政策、财政政策等，可以通过调节金融市场的资金供求关系、利率水平等，来影响金融虚拟度和收入分配。扩张性的货币政策可能会导致金融虚拟度上升，进而影响收入分配格局。经济结构的调整，如产业结构的升级、区域经济的协调发展等，也会对金融虚拟度和超国民收入分配产生重要作用。一个以服务业为主导的经济结构，可能会导致金融虚拟度相对较高，收入分配结构也会相应发生变化。通过综合考虑这些因素，我们能够更全面、深入地分析金融虚拟度与超国民收入分配之间的复杂关系，为政策制定提供更有针对性的建议。三、金融虚拟度与超国民收入分配的现状分析3.1金融虚拟度的发展现状3.1.1全球金融虚拟度的发展趋势近年来，全球金融虚拟度呈现出持续上升的显著趋势，这一趋势在金融资产规模的急剧扩张上体现得淋漓尽致。从2000年至2020年，全球金融资产总量从约80万亿美元飙升至超过300万亿美元，其增长速度远远超越了实体经济的增长步伐。这一现象背后，金融创新的推动作用不可忽视。随着金融市场的不断发展，各种新型金融工具和产品如雨后春笋般涌现，资产证券化、金融衍生品等创新形式极大地丰富了金融市场的交易内容，使得金融资产的种类和规模得以迅速扩充。资产证券化将原本流动性较差的资产转化为可在金融市场上交易的证券，不仅增加了金融资产的流动性，还为金融市场注入了新的活力，推动了金融虚拟度的提升。金融衍生品市场的迅猛发展也是全球金融虚拟度上升的重要体现。期货、期权、互换等金融衍生品以其高杠杆性和对未来价格走势的预期交易特点，吸引了大量投资者的参与。据国际清算银行（BIS）的数据显示，2020年全球金融衍生品名义本金总额达到了约600万亿美元，是全球GDP总量的数倍之多。这些金融衍生品的交易活动在很大程度上脱离了实体经济的实际需求，更多地是基于投资者对市场价格波动的预期和投机行为，进一步加剧了金融市场的虚拟性。在全球金融虚拟度上升的过程中，不同国家和地区之间存在着明显的差异。发达国家由于金融市场发展较为成熟，金融创新能力强，金融虚拟度普遍较高。美国作为全球金融中心，其金融虚拟度一直处于高位水平。美国的金融资产总量庞大，金融衍生品市场高度发达，股票市场、债券市场等金融市场的规模和活跃度都位居世界前列。在2020年，美国金融相关比率（FIR）超过了400%，金融衍生品规模占GDP的比重也达到了较高水平。而一些新兴经济体，虽然金融虚拟度在近年来也有显著提升，但与发达国家相比仍有一定差距。中国作为最大的新兴经济体，随着金融市场的不断开放和金融改革的深入推进，金融虚拟度逐渐提高，但在金融创新的深度和广度、金融市场的成熟度等方面，与美国等发达国家仍存在一定的差距。3.1.2中国金融虚拟度的发展历程与现状中国金融虚拟度的发展历程与中国经济体制改革和金融市场发展紧密相连，可大致划分为以下几个重要阶段。在改革开放初期，中国金融市场处于起步阶段，金融体系以传统的银行业务为主，金融资产规模较小，金融虚拟度较低。这一时期，银行主要承担着资金融通的基本职能，为实体经济提供信贷支持，金融市场的交易品种相对单一，股票市场、债券市场等新兴金融市场尚未形成规模。1981年，中国国债市场恢复发行，标志着中国债券市场的起步，但在初期，债券的发行规模较小，交易活跃度也较低。随着经济体制改革的深入，20世纪90年代，中国金融市场迎来了快速发展阶段。上海证券交易所和深圳证券交易所的相继成立，标志着中国股票市场的正式建立，为企业提供了直接融资的渠道，金融资产的种类和规模开始逐步增加。企业通过发行股票筹集资金，股票市场的市值不断扩大，金融虚拟度开始上升。债券市场也在这一时期得到了进一步发展，国债、企业债等债券品种的发行规模逐渐增大，交易市场日益活跃。1992年，中国国债发行规模达到了460亿元，较之前有了大幅增长。进入21世纪，尤其是加入世界贸易组织（WTO）后，中国金融市场加速开放，金融创新步伐加快，金融虚拟度持续攀升。金融衍生品市场开始逐步发展，股指期货、国债期货等金融衍生品相继推出，丰富了金融市场的投资工具和风险管理手段。金融机构不断推出新的金融产品和服务，如理财产品、资产证券化产品等，进一步推动了金融资产规模的扩张。2010年，中国股指期货正式上市交易，为投资者提供了套期保值和风险管理的工具，促进了金融市场的多元化发展。当前，中国金融虚拟度呈现出以下特点。金融资产规模持续扩大，金融相关比率稳步上升。截至2022年底，中国金融资产总量达到了约400万亿元人民币，金融相关比率超过了350%，表明金融资产在国民经济中的比重不断提高。金融市场结构不断优化，直接融资比重逐步提升。股票市场和债券市场的规模不断扩大，企业通过直接融资获取资金的渠道更加畅通，降低了对银行间接融资的依赖。但在金融虚拟度发展过程中，也存在一些问题。金融创新的质量和效率有待提高，部分金融创新产品存在监管滞后、风险防控不足等问题，容易引发金融风险。金融市场的区域发展不平衡问题较为突出，东部发达地区金融市场较为活跃，金融虚拟度较高，而中西部地区金融市场发展相对滞后，金融虚拟度较低。3.1.3典型国家金融虚拟度的比较分析选取美国和日本这两个具有代表性的国家，对其金融虚拟度进行比较分析，有助于我们更全面地了解金融虚拟度的国际差异，并从中汲取经验与启示。美国作为全球金融市场最为发达的国家，其金融虚拟度长期处于高位。从金融资产结构来看，美国的股票市场和债券市场规模巨大，在全球占据重要地位。截至2022年，美国股票市场总市值超过40万亿美元，债券市场余额也达到了约40万亿美元。金融衍生品市场高度发达，是美国金融虚拟度高的重要体现。美国的金融衍生品种类繁多，包括期货、期权、互换、信用违约互换（CDS）等，其名义本金总额庞大。在2008年全球金融危机前，美国金融衍生品名义本金总额曾一度超过600万亿美元。美国金融虚拟度高的背后，是其高度发达的金融创新体系、完善的金融监管制度以及强大的国际金融地位。美国的金融机构在全球范围内积极开展业务，吸引了大量国际资本流入，进一步推动了金融市场的繁荣和金融虚拟度的提升。日本的金融虚拟度发展则具有独特的历程。在20世纪80年代，日本经济高速增长，金融市场迅速发展，金融虚拟度快速提升。这一时期，日本的股票市场和房地产市场出现了严重的泡沫，股票价格和房地产价格大幅上涨，金融资产规模急剧膨胀。1989年底，日经225指数达到历史最高点38915.87点，东京证券交易所的股票市值超过了美国纽约证券交易所，成为全球最大的股票市场。房地产市场也异常火爆，土地价格飙升，日本的房地产总市值一度超过美国房地产总市值的4倍。然而，20世纪90年代初，日本经济泡沫破裂，金融市场遭受重创，金融虚拟度开始下降。此后，日本经济陷入了长期的停滞和通缩，金融市场也经历了漫长的调整和改革。为了应对经济危机，日本政府采取了一系列宽松的货币政策和财政政策，包括降低利率、增加货币供应量、扩大政府支出等。这些政策在一定程度上稳定了金融市场，但也导致了日本国债规模的不断扩大，金融体系的风险依然存在。通过对美日两国金融虚拟度的比较，我们可以得到以下经验与启示。金融虚拟度的提升需要建立在实体经济健康发展的基础上，过度脱离实体经济的金融虚拟化容易引发金融风险和经济危机。日本在20世纪80年代的金融泡沫就是由于金融市场过度膨胀，脱离了实体经济的支撑，最终导致了经济的崩溃。完善的金融监管体系是防范金融风险、维持金融市场稳定的关键。美国在2008年金融危机后，加强了对金融市场的监管，出台了一系列金融监管改革法案，如《多德-弗兰克华尔街改革和消费者保护法》，以加强对金融机构的监管，防范系统性金融风险。合理的金融创新能够促进金融市场的发展和资源配置效率的提高，但需要加强对金融创新的规范和引导，避免金融创新带来的负面影响。美国在金融创新方面一直走在世界前列，但也需要不断总结经验教训，加强对金融创新产品的风险评估和监管。三、金融虚拟度与超国民收入分配的现状分析3.2超国民收入分配的现状分析3.2.1全球超国民收入分配的现状与特点从全球范围来看，超国民收入分配现象呈现出多样化的态势。在一些发达国家，如美国、英国等，超国民收入分配主要表现为贫富差距的持续扩大。以美国为例，自20世纪80年代以来，美国的贫富差距不断加剧。根据皮尤研究中心的数据，美国最富有的10%家庭拥有的财富占全国财富的比例从1989年的60%上升到了2016年的70%以上，而最底层50%家庭拥有的财富占比却从3%下降到了1%左右。这种贫富差距的扩大在收入分配上表现得尤为明显，高收入群体的收入增长速度远远超过了低收入群体。在金融领域，华尔街的金融精英们凭借着复杂的金融交易和高额的薪酬体系，获取了巨额财富，而普通劳动者的工资增长却十分缓慢，甚至在金融危机后出现了下降的情况。在欧洲一些国家，超国民收入分配则更多地体现在不同行业之间的收入差距以及社会福利分配的不均衡上。在德国，金融、能源等行业的从业人员收入明显高于制造业、服务业等其他行业。金融行业的平均工资水平比制造业高出30%-50%。一些北欧国家虽然以高福利著称，但在福利分配过程中，也存在着不合理的现象。高收入群体在享受社会福利方面往往占据优势，而低收入群体由于自身条件限制，难以充分享受到应有的福利，这在一定程度上加剧了超国民收入分配的问题。在新兴经济体中，超国民收入分配具有不同的特点。在巴西、印度等国家，城乡之间的收入差距巨大是超国民收入分配的突出表现。巴西的城市居民平均收入是农村居民的3-5倍，这种差距不仅体现在工资收入上，还包括教育、医疗等公共服务资源的分配不均。农村地区的居民由于缺乏优质的教育和医疗资源，难以提升自身的劳动技能和健康水平，进一步限制了他们的收入增长空间。在印度，种姓制度的残留也对收入分配产生了影响，高种姓群体在就业、教育等方面享有更多的机会和资源，从而在收入分配中占据优势地位，导致不同种姓之间的收入差距较大。3.2.2中国超国民收入分配的表现与特征从总量角度分析，中国在特定时期也存在超国民收入分配的现象。在经济快速发展的过程中，由于投资和消费的过度扩张，导致社会总需求超过了社会总供给，从而引发了总量超分配。在20世纪90年代初期，中国经济出现了过热现象，投资需求和消费需求旺盛。固定资产投资增长率连续多年超过20%，居民消费也呈现出快速增长的态势。为了满足这种需求，货币供应量大幅增加，导致物价水平迅速上涨，通货膨胀率一度超过20%。这种情况下，国民收入的分配总额超过了实际生产的国民收入总额，出现了总量超分配的问题。从结构角度来看，中国超国民收入分配具有多方面的特征。在行业收入分配方面，不同行业之间的收入差距较大。金融、电力、电信等垄断行业的平均工资水平明显高于制造业、农业等竞争较为充分的行业。金融行业的平均工资是制造业的2-3倍。垄断行业凭借其垄断地位，能够获取高额利润，从而为员工提供较高的薪酬和福利待遇。而制造业等行业由于市场竞争激烈，利润空间有限，员工收入增长缓慢。地区收入差距也是中国超国民收入分配的一个重要表现。东部沿海地区经济发达，居民收入水平较高；而中西部地区经济发展相对滞后，居民收入水平较低。以2022年为例，上海市的居民人均可支配收入超过7万元，而甘肃省的居民人均可支配收入仅为2万多元，两者相差近3倍。这种地区收入差距的形成，与地区经济发展水平、产业结构、政策支持等多种因素密切相关。东部地区凭借其优越的地理位置、完善的基础设施和政策优势，吸引了大量的投资和人才，经济发展迅速，居民收入水平相应提高。而中西部地区在这些方面相对落后，经济发展受到一定限制，居民收入增长也较为缓慢。城乡收入差距在中国超国民收入分配中也较为突出。长期以来，中国城乡二元经济结构导致城乡居民在收入水平、消费能力、公共服务享受等方面存在较大差距。虽然近年来随着国家对农村发展的重视和一系列惠农政策的实施，城乡收入差距有所缩小，但仍然处于较高水平。2022年，中国城镇居民人均可支配收入是农村居民的2.45倍。农村居民由于农业生产的特点，收入增长相对缓慢，且在教育、医疗、社会保障等方面与城镇居民存在较大差距，进一步加剧了城乡收入差距。3.2.3超国民收入分配对经济社会的影响超国民收入分配对经济增长产生了复杂的影响。在短期内，总量超分配可能会刺激经济增长。当国民收入分配总额超过生产总额时，通过增加货币投放和信贷扩张，能够刺激投资和消费，推动经济短期内快速增长。在经济低迷时期，政府可能会采取扩张性的财政政策和货币政策，增加投资和消费需求，从而带动经济增长。这种增长往往是不可持续的，并且可能会带来一系列负面后果。过度的货币投放和信贷扩张会引发通货膨胀，导致物价水平持续上涨。通货膨胀会降低货币的实际购买力，使得居民的实际收入下降，影响居民的生活水平。它还会干扰企业的生产决策，增加企业的生产成本和经营风险，阻碍经济的长期稳定增长。从长期来看，超国民收入分配对经济增长具有负面影响。结构超分配导致资源配置不合理，使得经济增长的动力难以持续。当大量资源流向高收入群体和高利润行业，而一些对经济长期发展至关重要的领域，如科技创新、基础教育、医疗卫生等，却因缺乏资源而发展滞后，这将削弱经济的长期增长潜力。如果金融行业过度膨胀，吸引了过多的资金和人才，而实体经济中的制造业、农业等行业却因资金短缺和人才流失而发展受阻，就会导致产业结构失衡，影响经济的可持续发展。超国民收入分配对社会稳定产生了诸多负面影响。贫富差距过大是超国民收入分配的重要表现之一，它会导致社会矛盾加剧。高收入群体和低收入群体之间的巨大收入差距，容易使低收入群体产生相对剥夺感，引发社会不满情绪。这种不满情绪如果得不到有效缓解，可能会引发社会不稳定因素，影响社会的和谐与安宁。在一些地区，由于贫富差距过大，出现了群体性事件，对社会秩序造成了严重影响。超国民收入分配还会影响社会的流动性，使得低收入群体难以通过自身努力实现向上的社会流动，进一步固化社会阶层结构。这不仅会阻碍社会的进步与发展，还会降低社会的活力和创造力。三、金融虚拟度与超国民收入分配的关联分析3.3.1基于时间序列数据的相关性分析为深入探究金融虚拟度与超国民收入分配之间的内在联系，我们运用时间序列数据进行相关性分析。在数据选取上，我们以中国为例，收集了1990-2022年期间的年度数据。对于金融虚拟度指标，选取金融相关比率（FIR）作为衡量标准，该指标通过计算金融资产总量与国内生产总值（GDP）的比值得到，能直观反映金融资产相对于实体经济的规模大小。金融资产总量涵盖货币供应量（M2）、股票市值、债券余额等主要金融资产类别。货币供应量数据来源于中国人民银行的统计报表，股票市值和债券余额数据则分别从证券交易所和债券市场相关统计资料中获取。在计算过程中，需对各数据进行标准化处理，以确保数据的一致性和可比性。对于超国民收入分配指标，采用居民收入基尼系数来衡量。基尼系数是国际上通用的衡量居民收入分配公平程度的指标，取值范围在0-1之间，数值越接近0表示收入分配越公平，越接近1则表示收入分配差距越大。我们从国家统计局以及相关经济研究机构发布的统计数据中获取各年度的居民收入基尼系数。在数据处理过程中，对可能存在的异常值进行了仔细甄别和修正，以保证数据的准确性。通过运用Eviews等统计分析软件，对金融虚拟度（FIR）和超国民收入分配（基尼系数）的时间序列数据进行相关性分析，得到两者的相关系数。结果显示，金融虚拟度与超国民收入分配之间存在显著的正相关关系，相关系数约为0.65。这表明，随着金融虚拟度的提高，居民收入基尼系数也呈现上升趋势，即金融虚拟度的增加在一定程度上加剧了超国民收入分配的不平等。从时间序列的变化趋势来看，在2000-2010年期间，金融虚拟度快速上升，同期居民收入基尼系数也从0.41左右上升至0.48左右，两者的变化趋势具有较强的一致性。为进一步验证两者之间的关系，我们进行了格兰杰因果检验。格兰杰因果检验是一种用于判断变量之间因果关系的统计方法，通过检验一个变量的滞后值是否对另一个变量的当前值具有显著影响来确定因果关系。检验结果在5%的显著性水平下，拒绝了“金融虚拟度不是超国民收入分配的格兰杰原因”的原假设，表明金融虚拟度的变化是超国民收入分配变化的格兰杰原因。这意味着金融虚拟度的变动在时间上先于超国民收入分配的变动，并且对超国民收入分配具有显著的影响，进一步支持了金融虚拟度的提高会加剧超国民收入分配不平等的结论。3.3.2基于跨国数据的比较分析为了更全面地了解金融虚拟度与超国民收入分配之间的关系，我们通过跨国数据进行比较分析。在数据收集方面，选取了美国、日本、德国、中国、巴西等具有代表性的10个国家，时间跨度为2000-2020年。这些国家涵盖了发达国家和发展中国家，具有不同的经济发展水平、金融体系结构和收入分配制度，能够为研究提供丰富的样本。对于金融虚拟度指标，同样采用金融相关比率（FIR）进行衡量，通过各国央行、金融监管机构以及国际金融组织（如国际货币基金组织、世界银行）发布的统计数据，获取各国的金融资产总量和GDP数据，进而计算出FIR值。在衡量超国民收入分配时，除了使用居民收入基尼系数外，还引入了不同收入阶层收入占比这一指标。不同收入阶层收入占比能够更细致地反映国民收入在不同群体之间的分配状况。通过各国的家庭收入调查数据以及相关经济研究报告，获取高收入阶层（如前10%收入群体）、中等收入阶层（如中间40%收入群体）和低收入阶层（如后50%收入群体）在国民收入中所占的比重。通过对跨国数据的比较分析，发现金融虚拟度与超国民收入分配之间的关系存在差异。在发达国家中，如美国，金融虚拟度较高，其金融相关比率在2020年达到了约450%。同时，美国的超国民收入分配问题较为突出，居民收入基尼系数长期维持在0.4以上，高收入阶层的收入占比持续上升，而低收入阶层的收入占比相对较低。这表明在美国，金融虚拟度的提高与超国民收入分配的不平等加剧存在密切关联。金融市场的高度发达和金融创新的活跃，使得金融资产迅速扩张，金融行业的从业人员和金融资产持有者能够获取高额收入，进一步拉大了与其他行业和群体之间的收入差距。在日本，虽然金融虚拟度在过去几十年间有所波动，但总体处于较高水平。日本的超国民收入分配情况相对较为复杂，在经济泡沫时期，金融虚拟度急剧上升，股票和房地产市场泡沫严重，超国民收入分配问题突出，贫富差距迅速扩大。随着经济泡沫的破裂，金融虚拟度有所下降，超国民收入分配问题在一定程度上得到缓解，但收入分配不平等现象仍然存在。这说明金融虚拟度的大幅波动会对超国民收入分配产生显著影响，金融市场的不稳定会加剧收入分配的失衡。在发展中国家，如巴西，金融虚拟度相对较低，但超国民收入分配问题却十分严重。巴西的居民收入基尼系数长期处于高位，城乡之间、不同行业之间的收入差距巨大。这表明在发展中国家，金融虚拟度并非是影响超国民收入分配的唯一因素，经济结构、社会制度等因素也在其中发挥着重要作用。巴西的经济结构以农业和资源产业为主，工业和服务业发展相对滞后，这种经济结构导致就业机会有限，劳动力市场竞争激烈，使得低收入群体的收入难以提高，从而加剧了超国民收入分配的不平等。通过对不同国家金融虚拟度与超国民收入分配关系的比较分析，我们可以得出以下结论：金融虚拟度与超国民收入分配之间存在着复杂的关系，这种关系受到多种因素的影响，包括经济发展水平、金融体系结构、经济结构、社会制度等。在不同国家和地区，由于这些因素的差异，金融虚拟度对超国民收入分配的影响程度和方式也各不相同。在制定相关政策时，需要充分考虑各国的实际情况，采取有针对性的措施来调节金融虚拟度和优化收入分配格局，以促进经济的可持续发展和社会的公平稳定。3.3.3案例分析：金融虚拟度变化对超国民收入分配的影响以美国次贷危机为例，深入分析金融虚拟度变化对超国民收入分配的影响。在次贷危机爆发前，美国金融市场呈现出过度虚拟化的态势。金融机构为了追求高额利润，不断创新金融产品，其中次级抵押贷款及其衍生品的发展尤为迅速。次级抵押贷款是指向信用等级较低、收入不稳定的借款人提供的住房贷款。金融机构将这些次级抵押贷款进行证券化，打包成各种复杂的金融衍生品，如抵押债务债券（CDO）、信用违约互换（CDS）等，在金融市场上进行交易。这些金融衍生品的交易规模迅速膨胀，金融虚拟度急剧上升。在2000-2006年期间，美国金融相关比率持续攀升，金融衍生品名义本金总额大幅增长，远远超过了实体经济的增长速度。金融虚拟度的过度提高对超国民收入分配产生了多方面的影响。在收入分配结构上，金融行业的从业者和金融资产持有者成为最大的受益者。金融机构通过发放次级抵押贷款和交易金融衍生品，获取了巨额利润，其高管和员工的薪酬水平大幅提高。在2006年，美国华尔街金融机构的高管薪酬平均涨幅超过了20%，一些投资银行的高级管理人员的年薪甚至高达数千万美元。而持有大量金融资产的投资者，通过金融资产价格的上涨，实现了财富的快速增值。与此同时，实体经济中的普通劳动者，尤其是低收入群体，却面临着工资增长缓慢、就业不稳定等问题。由于次级抵押贷款的发放，大量低收入群体背负了沉重的债务负担，一旦经济形势恶化，他们极易陷入债务困境。次贷危机爆发后，金融市场泡沫破裂，金融虚拟度迅速下降。金融机构遭受重创，大量金融衍生品价值暴跌，许多金融机构面临破产倒闭的风险。美国政府不得不动用大量公共资金对金融机构进行救助，这实际上是将金融机构的风险转嫁给了社会公众。在危机期间，美国政府为救助金融机构投入了数千亿美元的资金，这些资金来源于纳税人的税收和政府的债务。而普通民众却因金融危机导致失业、收入减少，生活陷入困境。据统计，在次贷危机期间，美国失业率一度超过10%，大量中小企业倒闭，普通劳动者的收入大幅下降。而金融行业的部分从业者在危机前获取了高额薪酬和奖金，在危机后却依然能够凭借政府的救助保住工作和财富，这进一步加剧了超国民收入分配的不平等。从美国次贷危机这一案例可以看出，金融虚拟度的过度提高会导致超国民收入分配的不合理，加剧贫富差距。而金融虚拟度的急剧下降，如金融危机爆发时，会使这种不合理的分配格局进一步恶化，对实体经济和普通民众造成巨大冲击。这也警示我们，在金融发展过程中，必须合理控制金融虚拟度，加强金融监管，防范金融风险，以避免金融虚拟度的异常变化对超国民收入分配和经济社会稳定带来负面影响。四、金融虚拟度对超国民收入分配影响的实证研究4.1研究设计4.1.1研究假设的提出基于前文的理论分析，提出以下研究假设：金融虚拟度的提高会加剧超国民收入分配的不平等。随着金融虚拟度的上升，金融市场的活跃度和复杂性增加，金融资产价格波动加剧，资金更多地流向金融领域以及与金融密切相关的行业和群体。这些行业和群体凭借其在金融市场中的优势地位，能够获取更多的财富，从而导致国民收入分配向他们倾斜，拉大与其他行业和群体之间的收入差距，使得超国民收入分配的不平等程度加剧。在金融虚拟度较高的时期，金融行业的高管和从业者往往能够获得高额的薪酬和奖金，而实体经济中的普通劳动者收入增长缓慢，这进一步加剧了超国民收入分配的不合理性。在金融虚拟度对超国民收入分配总量和结构的影响方面，提出假设：金融虚拟度的变化对超国民收入分配的总量和结构均存在显著影响。在总量方面，金融虚拟度的提高可能会通过影响货币供应量、投资和消费等因素，导致国民收入分配总额超过生产总额，出现总量超分配的情况。当金融虚拟度上升时，金融市场的融资规模扩大，企业和个人的投资和消费意愿增强，可能会引发通货膨胀，使得分配的货币价值超过实际生产的国民收入价值。在结构方面，金融虚拟度的变化会改变资金在不同行业、不同群体之间的流向，从而导致国民收入分配结构的失衡。资金流向金融、房地产等行业，会使得这些行业的收入份额增加，而制造业、农业等实体经济行业的收入份额相对减少，进一步加剧了结构超国民收入分配问题。4.1.2变量选取与数据来源被解释变量：超国民收入分配指标选取居民收入基尼系数（Gini）来衡量。基尼系数是国际上广泛用于衡量居民收入分配差异程度的指标，其取值范围在0-1之间，数值越接近0表示收入分配越公平，越接近1则表示收入分配差距越大，能够直观地反映超国民收入分配中结构失衡的程度。数据来源于国家统计局发布的统计年鉴以及相关经济研究机构的调查数据。解释变量：金融虚拟度指标采用金融相关比率（FIR）来度量。金融相关比率是指全部金融资产价值与全部实物资产（即国民财富）价值之比，能够综合反映金融资产相对于实体经济的规模大小，体现金融虚拟度的高低。金融资产总额包括货币供应量（M2）、股票市值、债券余额、保险准备金等，实物资产总额通过国内生产总值（GDP）等数据进行估算。货币供应量数据来自中国人民银行的统计报表，股票市值和债券余额数据从证券交易所和债券市场相关统计资料获取，GDP数据来源于国家统计局。控制变量：选取经济增长率（GDP_growth），以反映宏观经济的总体发展状况。经济增长会对国民收入分配产生影响，经济增长较快时，各行业和群体的收入可能都会有所增加，但增长速度可能不同，从而影响超国民收入分配格局。数据来源于国家统计局。通货膨胀率（CPI），用于衡量物价水平的变化。通货膨胀会影响居民的实际收入和财富分配，较高的通货膨胀可能会使低收入群体的实际收入下降，加剧超国民收入分配的不平等。数据来源于国家统计局发布的居民消费价格指数。产业结构（IS），用第二产业增加值占GDP的比重来表示。不同的产业结构会导致不同的收入分配格局，第二产业占比较高的地区，可能会有更多的资本密集型企业，这些企业的员工收入和利润分配情况与其他产业不同，从而影响超国民收入分配。数据来源于国家统计局。数据时间跨度选取2000-2022年，涵盖了中国金融市场快速发展以及经济结构调整的重要时期，能够较好地反映金融虚拟度与超国民收入分配之间的动态关系。数据来源包括中国统计年鉴、中国金融统计年鉴、国家统计局官方网站、中国人民银行官方网站以及Wind金融数据库等。在数据处理过程中，对部分缺失数据采用插值法、均值法等方法进行补充，对异常值进行了识别和修正，以确保数据的准确性和可靠性。4.1.3模型构建与估计方法构建如下计量经济模型来检验金融虚拟度对超国民收入分配的影响：Gini_{it}=\alpha_0+\alpha_1FIR_{it}+\alpha_2GDP\_growth_{it}+\alpha_3CPI_{it}+\alpha_4IS_{it}+\epsilon_{it}其中，Gini_{it}表示第i个省份在第t年的居民收入基尼系数，用于衡量超国民收入分配状况；FIR_{it}表示第i个省份在第t年的金融相关比率，代表金融虚拟度；GDP\_growth_{it}是第i个省份在第t年的经济增长率；CPI_{it}为第i个省份在第t年的通货膨胀率；IS_{it}表示第i个省份在第t年的产业结构；\alpha_0为常数项，\alpha_1、\alpha_2、\alpha_3、\alpha_4分别为各解释变量的系数，\epsilon_{it}为随机误差项。选择固定效应模型进行估计。固定效应模型能够控制个体异质性，即不同省份之间不可观测的固定特征对超国民收入分配的影响，如地区文化、政策差异等。这些固定特征可能会同时影响金融虚拟度和超国民收入分配，如果不加以控制，会导致估计结果出现偏差。通过固定效应模型，可以更准确地估计金融虚拟度对超国民收入分配的影响系数。在估计过程中，使用Stata软件进行回归分析，采用聚类稳健标准误来处理可能存在的异方差和序列相关问题，以提高估计结果的可靠性和有效性。四、金融虚拟度对超国民收入分配影响的实证研究4.2实证结果与分析4.2.1描述性统计分析对所选取的变量进行描述性统计分析，结果如表1所示。从金融虚拟度指标金融相关比率（FIR）来看，其最小值为2.05，最大值达到了4.87，均值为3.26，标准差为0.68。这表明不同省份和年份之间金融虚拟度存在较大差异，部分地区的金融发展水平相对较高，金融资产规模较大，而部分地区则相对较低，金融市场的活跃度和金融资产的丰富程度有待提高。居民收入基尼系数（Gini）的最小值为0.32，最大值为0.48，均值为0.39，标准差为0.04。说明我国居民收入分配差距在不同地区和时间上存在一定波动，整体处于收入差距较为明显的区间，超国民收入分配问题在一定程度上存在。经济增长率（GDP_growth）的最小值为4.5%，最大值为12.8%，均值为8.2%，标准差为1.8%。反映出我国经济增长速度在不同时期和地区有所不同，但总体保持了较高的增长态势。通货膨胀率（CPI）的最小值为-0.8%，最大值为5.9%，均值为2.3%，标准差为1.5%。说明物价水平存在一定的波动，通货膨胀和通货紧缩的情况在不同年份均有出现。产业结构（IS）方面，第二产业增加值占GDP的比重最小值为30.5%，最大值为55.6%，均值为42.8%，标准差为6.5%。表明我国不同地区的产业结构存在较大差异，一些地区以第二产业为主导，而另一些地区则在产业结构调整过程中，第二产业占比相对较低，产业结构正在逐步优化升级。表1：变量描述性统计变量观测值均值标准差最小值最大值FIR2533.260.682.054.87Gini2530.390.040.320.48GDP_growth2538.2%1.8%4.5%12.8%CPI2532.3%1.5%-0.8%5.9%IS25342.8%6.5%30.5%55.6%4.2.2相关性分析为检验变量之间是否存在多重共线性问题，对各变量进行相关性分析，结果如表2所示。可以看出，金融虚拟度（FIR）与超国民收入分配（Gini）之间的相关系数为0.58，呈现出显著的正相关关系，初步验证了金融虚拟度的提高可能会加剧超国民收入分配的不平等这一假设。金融虚拟度（FIR）与经济增长率（GDP_growth）的相关系数为0.35，表明金融虚拟度的提高在一定程度上与经济增长存在正相关关系，金融市场的发展对经济增长具有一定的促进作用。金融虚拟度（FIR）与通货膨胀率（CPI）的相关系数为0.28，说明金融虚拟度的变化与物价水平之间存在一定的关联，金融市场的波动可能会对通货膨胀产生影响。经济增长率（GDP_growth）与居民收入基尼系数（Gini）的相关系数为0.22，表明经济增长在一定程度上会影响收入分配格局，但这种影响相对较弱。通货膨胀率（CPI）与居民收入基尼系数（Gini）的相关系数为0.18，说明通货膨胀对收入分配也有一定的影响，通货膨胀可能会使低收入群体的实际收入下降，从而加剧收入分配的不平等。产业结构（IS）与金融虚拟度（FIR）的相关系数为0.38，说明产业结构与金融虚拟度之间存在一定的关联，以第二产业为主导的地区，金融市场的发展可能相对较为活跃，金融虚拟度较高。产业结构（IS）与居民收入基尼系数（Gini）的相关系数为0.25，表明产业结构的差异会对收入分配产生影响，不同产业结构下各行业和群体的收入分配存在差异。各变量之间的相关系数均小于0.8，说明不存在严重的多重共线性问题，所构建的模型具有一定的合理性。表2：变量相关性分析变量FIRGiniGDP_growthCPIISFIR1Gini0.581GDP_growth0.350.221CPI0.280.180.151IS0.380.250.320.2014.2.3回归结果分析采用