江蘇省金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)影響的區(qū)域差異

［摘要］選取江蘇省13個(gè)地級(jí)市2002—2011年的數(shù)據(jù)，運(yùn)用固定效應(yīng)變系數(shù)模型，研究了金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)影響的區(qū)域差異性，結(jié)果表明：江蘇省13個(gè)地區(qū)的金融發(fā)展對(duì)當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)的影響存在較大的區(qū)域差異，多數(shù)地區(qū)的金融發(fā)展對(duì)其經(jīng)濟(jì)增長(zhǎng)沒(méi)有起到促進(jìn)作用。

［關(guān)鍵詞］金融發(fā)展；經(jīng)濟(jì)增長(zhǎng)；江蘇省

［中圖分類號(hào)］F8327［文獻(xiàn)標(biāo)識(shí)碼］A［文章編號(hào)］2095-3283(2014)07-0067-03

［作者簡(jiǎn)介］劉強(qiáng)（1981-），男，漢族，山東臨沂人，講師，碩士，研究方向：區(qū)域金融，金融工程。一、引言

金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)關(guān)系一直是經(jīng)濟(jì)學(xué)家的研究熱點(diǎn)，國(guó)內(nèi)學(xué)者已有研究成果中，如周立，王子明（2002）通過(guò)對(duì)中國(guó)各地區(qū)1978—2000年金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)關(guān)系進(jìn)行了實(shí)證研究，發(fā)現(xiàn)中國(guó)各地區(qū)金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)密切相關(guān)。張萍，陳福中（2009）運(yùn)用協(xié)整理論，研究發(fā)現(xiàn)江蘇省金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)既有促進(jìn)作用，也有負(fù)面影響。孫士金，孫世霞（2013）基于VAR系統(tǒng)，研究發(fā)現(xiàn)上海金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)存在明顯的促進(jìn)作用。王重潤(rùn)，崔寅生（2010）通過(guò)構(gòu)造面板數(shù)據(jù)模型， 研究表明環(huán)渤海地區(qū)五省市金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的影響程度存在顯著差異。彭耿，劉芳（2012）基于隨機(jī)變系數(shù)模型，研究顯示湖南省14個(gè)地區(qū)的金融發(fā)展對(duì)當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)的影響存在差異。

綜上所述，現(xiàn)有研究有些采用協(xié)整理論、VAR模型對(duì)金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)的關(guān)系進(jìn)行刻畫(huà)，但是由于時(shí)間序列較短，模型估計(jì)的穩(wěn)健性有待檢驗(yàn)；有些采用省級(jí)面板數(shù)據(jù)，從面板模型的角度進(jìn)行分析，但無(wú)法深入研究各省內(nèi)部各個(gè)地區(qū)金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)關(guān)系的差異性。因此，本文選取江蘇省13個(gè)地級(jí)市的面板數(shù)據(jù)，應(yīng)用固定效應(yīng)變系數(shù)面板模型對(duì)江蘇省各地區(qū)金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的效應(yīng)進(jìn)行研究，以期為江蘇省經(jīng)濟(jì)增長(zhǎng)的金融支持提供建議。

二、指標(biāo)選取和數(shù)據(jù)說(shuō)明

本文選取了江蘇省13個(gè)地級(jí)市作為研究對(duì)象，樣本區(qū)間為2002—2011年共10年，因此樣本容量為13*10=130個(gè)。數(shù)據(jù)來(lái)源于歷年的江蘇省統(tǒng)計(jì)年鑒。后續(xù)的分析在Eviews70軟件下完成。

涉及的變量主要有經(jīng)濟(jì)增長(zhǎng)水平、金融發(fā)展水平和金融發(fā)展效率。經(jīng)濟(jì)增長(zhǎng)水平為因變量，采用各地級(jí)市人均實(shí)際GDP（GRE）來(lái)度量；金融發(fā)展水平為自變量，采用金融相關(guān)比率（FIR）衡量金融發(fā)展水平，金融相關(guān)比率用來(lái)衡量某地區(qū)的金融深化程度，是指某一時(shí)點(diǎn)上現(xiàn)存金融資產(chǎn)總量與該地區(qū)國(guó)民財(cái)富的比值，通常用金融資產(chǎn)總量與GDP之比來(lái)表示，基于數(shù)據(jù)的可得性，大多數(shù)采用金融機(jī)構(gòu)存貸款總額來(lái)代替金融資產(chǎn)總量；金融發(fā)展效率為自變量，用各地級(jí)市儲(chǔ)蓄存款與貸款的比值表示金融發(fā)展效率（FE），以衡量金融中介儲(chǔ)蓄轉(zhuǎn)化為貸款的效率。為了減少數(shù)據(jù)的波動(dòng)性，在后續(xù)的分析中，對(duì)各變量采用了取對(duì)數(shù)處理。

江蘇省13個(gè)地級(jí)市分別是南京市（NJ）、無(wú)錫市（WX）、徐州市（XZ）、常州市（CZ）、蘇州市（SZ）、南通市（NT）、連云港市（LYG）、淮安市（HA）、鹽城市（YC）、揚(yáng)州市（YZ）、鎮(zhèn)江市（ZJ）、泰州市（TZ）以及宿遷市（SQ）。各市相關(guān)的變化如圖1所示。

從圖1可知，從時(shí)間維度看，江蘇省13個(gè)地級(jí)市之間并不存在明顯的差異,GRE呈現(xiàn)明顯的上升趨勢(shì)，F(xiàn)IR呈現(xiàn)出水平波動(dòng)的現(xiàn)象，F(xiàn)E的波動(dòng)較為劇烈；從截面角度看，無(wú)論是人均GDP還是金融發(fā)展都存在顯著的差異，如蘇州、無(wú)錫的人均GDP顯著高于其他地級(jí)市，南京市的金融發(fā)展水平顯著高于其他地級(jí)市等，而金融發(fā)展效率顯著低于其他地級(jí)市，因此在截面上很可能存在固定效應(yīng)或者隨機(jī)效應(yīng)。圖1江蘇省各市GRE，F(xiàn)IR和FE變化圖三、實(shí)證分析

1北淞康鈉轎刃約煅

為了避免模型出現(xiàn)跨截面時(shí)間序列問(wèn)題，應(yīng)該對(duì)數(shù)據(jù)的平穩(wěn)性進(jìn)行檢測(cè)，單位根檢驗(yàn)是一種檢測(cè)數(shù)據(jù)平穩(wěn)性的有效方法，常用的面板單位根檢驗(yàn)方法有LLC檢驗(yàn)、Breitung檢驗(yàn)、IPS檢驗(yàn)、Fisher-ADF檢驗(yàn)、PP檢驗(yàn)等。為克服單一檢驗(yàn)方法所帶來(lái)的偏差，選擇以下多種方法對(duì)各面板數(shù)據(jù)變量及其一階差分變量進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表1。

由表1可知，在1%顯著性水平上，除lnFIR的LLC檢驗(yàn)通過(guò)外，其余檢驗(yàn)均未通過(guò)，lnGRE所有檢驗(yàn)均未通過(guò)，可知，lnFIR、lnFE和lnGRE存在單位根，經(jīng)過(guò)一階差分后的變量，除△lnFIR的Fisher-ADF檢驗(yàn)在5%顯著性水平下通過(guò)外，其余均在1%顯著性水平下通過(guò)檢驗(yàn)，可以認(rèn)為經(jīng)過(guò)一階差分后的各變量是平穩(wěn)序列。

表1面板單位根檢驗(yàn)結(jié)果變量LLC檢驗(yàn)IPS檢驗(yàn)Fisher-ADF檢驗(yàn)PP檢驗(yàn)統(tǒng)計(jì)量P值統(tǒng)計(jì)量P值統(tǒng)計(jì)量P值統(tǒng)計(jì)量P值lnGRE34939309998590825100009893000998237348300695lnFIR-40570400000*-066494025302857480330823108506268lnFE-03914103347179615096381829520864829187803026△lnGRE-92464300000*-37615900001*62612000001*69625500000*△lnFIR-43239400000*-2228900129**49833100033*68118900000*△lnFE-10719100000*-54393300000*82313500000*14232100000*注：P值表示對(duì)應(yīng)單位根統(tǒng)計(jì)量的顯著水平，*表示接受在1%水平上統(tǒng)計(jì)檢驗(yàn)顯著，**表示在5%水平上統(tǒng)計(jì)檢驗(yàn)顯著。

2泵姘逍整檢驗(yàn)

根據(jù)上面對(duì)變量進(jìn)行平穩(wěn)性分析的結(jié)果，可知變量均為一階單整，因此有必要繼續(xù)考察變量之間是否存在協(xié)整關(guān)系，為了保證結(jié)果的穩(wěn)健性與可靠性，本文在面板協(xié)整理論的框架下，運(yùn)用Pedroni 檢驗(yàn)方法和 Kao檢驗(yàn)方法，檢驗(yàn)結(jié)果見(jiàn)表2。

由表2可知，Pedroni 檢驗(yàn)的七個(gè)統(tǒng)計(jì)量和Kao檢驗(yàn)的統(tǒng)計(jì)量在不同的顯著性水平上接受不存在協(xié)整關(guān)系的原假設(shè)，這充分表明非平穩(wěn)時(shí)間序列l(wèi)nGRE和lnFIR、lnFE之間不存在協(xié)整關(guān)系，故不能通過(guò)普通最小二乘法得到變量間長(zhǎng)期穩(wěn)定的線性關(guān)系。

表2面板協(xié)整檢驗(yàn)結(jié)果檢驗(yàn)方法面板協(xié)整統(tǒng)計(jì)統(tǒng)計(jì)量值P值面板v-0881755 08110面板rho 1706615 09561面板PP-1046087 01478Pedroni 殘差協(xié)整檢驗(yàn)

H0: 不存在協(xié)整關(guān)系面板ADF-0887368 01874群rho 2610987 09955群PP-1773832 00380群ADF-1315460 00942Kao 殘差協(xié)整檢驗(yàn)ADFH0: 不存在協(xié)整關(guān)系-1542497 00615注：P值表示對(duì)應(yīng)統(tǒng)計(jì)量的顯著水平。

3奔屏磕Ｐ偷難≡

首先確定面板模型的影響形式，采用Hausman檢驗(yàn)進(jìn)行固定效應(yīng)與隨機(jī)效應(yīng)模型的取舍，檢驗(yàn)結(jié)果見(jiàn)表3。在1%的置信水平下，拒絕隨機(jī)效應(yīng)模型的假設(shè)，采用固定效應(yīng)模型比隨機(jī)效應(yīng)模型的效果要好。

表3Hausman檢驗(yàn)結(jié)果Test SummaryChi-Sq盨tatisticChi-Sq眃眆盤(pán)rob盋ross-section random17172354200002Period random14785527200006其次需要確定模型的形式，分別計(jì)算變系數(shù)模型、變截距模型和混合模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)的殘差平方和S1=0190417，S2=1125920和S3=4297034，根據(jù)公式計(jì)算F統(tǒng)計(jì)量：

F2=（S3－S1）/［（N－1）（k+1）］S1/（NT－N（k+1））~F［（N－1）（k+1）,N（T－k－1）］

F1=（S2－S1）/［（N－1）k］S1/（NT－N（k+1））~F［（N－1）k,N（T－k－1）］

N為截面數(shù)目，T為時(shí)期數(shù)目，k為解釋變量數(shù)目。其中 N=13，k=2，T=10，得到的兩個(gè)F統(tǒng)計(jì)量分別為：F2=56790> F005（36,91）=15467,拒絕為不變參數(shù)模型的零假設(shè)，F(xiàn)1=18628> F005（24,91）=16376，拒絕為變截距模型的零假設(shè)，因此，最終模型應(yīng)選擇變系數(shù)的形式。

表4SUR模型估計(jì)結(jié)果名稱截距l(xiāng)nFIR系數(shù)統(tǒng)計(jì)量lnFE系數(shù)統(tǒng)計(jì)量南京2397358-1315189*-4009457-2149581**-2389021無(wú)錫2651491-1369762*-4720822-1166057-2016277徐州0719981-0240538-0400594-2179756*-4612007常州2145573-1023906*-3213081-1093856***-1832980蘇州3453355-3096737*-7235656-3479592*-5318703南通08073602591990769412-1638281*-3490536連云港0423939-1036614*-5383567-3185646*-8723566淮安0052453-0143380-0474072-3689799*-6607472鹽城0672296-0389266-0776876-2107699*-5064980揚(yáng)州市1047678-0139657-0433119-2058993*-5137747鎮(zhèn)江155271-0597116***-1949319-0931301-1533467泰州0851968-0102552-0285129-2071817*-5047786宿遷-01772-0417904-1440276-3518817*-6006522R-squared=0997487，F(xiàn)-statistic=6924721，Durbin-Watson stat=1420449注: 其中*，**，*** 分別表示在 1%，5%，10%水平上顯著

從表4可以分析出江蘇各地級(jí)市金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)有以下具體影響：（1）從截距項(xiàng)來(lái)看，除宿遷外，其他所有地級(jí)市的取值都為正數(shù)，這說(shuō)明江蘇省金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的基礎(chǔ)效應(yīng)整體較強(qiáng)，南京和蘇州、無(wú)錫、常州地區(qū)基礎(chǔ)效應(yīng)最強(qiáng)，特別是蘇州達(dá)到了345，揚(yáng)州市、鎮(zhèn)江市次之，取值在1左右，其他地區(qū)取值都小于1，截距項(xiàng)值不同說(shuō)明金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的基礎(chǔ)效應(yīng)不同，取值越大，說(shuō)明基礎(chǔ)效應(yīng)越強(qiáng)；反之，取值越小，說(shuō)明基礎(chǔ)效應(yīng)越差。（2）金融相關(guān)比率（FIR）有效的地區(qū)有南京市、無(wú)錫市、常州市、蘇州市、連云港市和鎮(zhèn)江市，說(shuō)明這些地區(qū)金融相關(guān)比率對(duì)經(jīng)濟(jì)增長(zhǎng)的影響顯著，但是影響顯著的地區(qū)取值都為負(fù)數(shù)，說(shuō)明這些地區(qū)金融相關(guān)率與經(jīng)濟(jì)增長(zhǎng)是負(fù)相關(guān)的。以影響最顯著的蘇州和無(wú)錫為例，取對(duì)數(shù)后的金融相關(guān)比率每增加1%，對(duì)數(shù)人均GDP會(huì)相應(yīng)的下降310%和137%。（3）除無(wú)錫市和鎮(zhèn)江市外，其他地級(jí)市的金融效率（FE）均有效，但這些地區(qū)的取值也都為負(fù)數(shù)，說(shuō)明金融效率與經(jīng)濟(jì)增長(zhǎng)負(fù)相關(guān)，如淮安市，金融效率每增加1%，經(jīng)濟(jì)增長(zhǎng)會(huì)降低369%。在這些地區(qū)，金融效率對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用沒(méi)有得到顯現(xiàn)。

四、結(jié)論與建議

本文選取2002—2011江蘇省13個(gè)地區(qū)的數(shù)據(jù)，研究了金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)影響的區(qū)域差異，發(fā)現(xiàn)江蘇省金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的基礎(chǔ)效應(yīng)整體較強(qiáng)，但也存在明顯的地區(qū)差異性，江蘇省13個(gè)地級(jí)市中的大多數(shù)的金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)并沒(méi)有起到促進(jìn)作用。

導(dǎo)致金融相關(guān)比率與經(jīng)濟(jì)增長(zhǎng)負(fù)相關(guān)的原因可能是銀行存貸款在推動(dòng)經(jīng)濟(jì)增長(zhǎng)過(guò)程中作用并不明顯，主導(dǎo)江蘇省經(jīng)濟(jì)增長(zhǎng)的原因可能是固定資產(chǎn)投資、財(cái)政支出或者其他的金融因素，比如各地級(jí)市規(guī)模龐大的地方政府債券對(duì)經(jīng)濟(jì)增長(zhǎng)的推動(dòng)作用等。導(dǎo)致金融效率與經(jīng)濟(jì)增長(zhǎng)負(fù)相關(guān)的原因可能是儲(chǔ)蓄轉(zhuǎn)化成貸款的效率過(guò)低，大量貸款的產(chǎn)生并非市場(chǎng)競(jìng)爭(zhēng)的結(jié)果，政府的宏觀調(diào)控起到了主導(dǎo)性作用。還有一個(gè)合乎邏輯的解釋就是金融抑制的存在，使得信貸的增長(zhǎng)并不能促進(jìn)有效率投資的增長(zhǎng)，反而會(huì)使無(wú)效率投資得以重復(fù)出現(xiàn)。政府對(duì)金融系統(tǒng)的干預(yù)會(huì)導(dǎo)致對(duì)經(jīng)濟(jì)增長(zhǎng)起主要作用的一些非國(guó)有部門(mén)得不到強(qiáng)力的金融支持，比如越來(lái)越嚴(yán)重的中小企業(yè)融資難問(wèn)題。

本文的研究明晰了江蘇省金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)之間關(guān)系的地區(qū)差異，為不同地區(qū)制定差異化金融支持政策提供了地區(qū)劃分的參考。對(duì)于金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)負(fù)相關(guān)的地區(qū)，應(yīng)該降低政府部門(mén)對(duì)金融體系的干預(yù)，努力發(fā)揮金融對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用，使經(jīng)濟(jì)增長(zhǎng)成為金融現(xiàn)象而不是財(cái)政現(xiàn)象。當(dāng)然，本文僅以銀行的存貸款數(shù)據(jù)作為衡量金融發(fā)展的指標(biāo)，如考慮更多的其他指標(biāo)（如證券化程度、保險(xiǎn)深度等），可能會(huì)得到更有價(jià)值的結(jié)論。

［參考文獻(xiàn)］

［1］高鐵梅奔屏烤濟(jì)分析方法與建模 —Eviews 應(yīng)用及實(shí)例［M］北本：清華大學(xué)出版社,2006

（責(zé)任編輯：梁宏偉）