銀行信貸結(jié)構(gòu)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)影響的實(shí)證分析
——基于灰色關(guān)聯(lián)度模型和VAR模型的研究

呂寒冰，李 勇

(中國(guó)人民銀行濰坊市中心支行，山東濰坊261000)

經(jīng)濟(jì)與管理

銀行信貸結(jié)構(gòu)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)影響的實(shí)證分析
——基于灰色關(guān)聯(lián)度模型和VAR模型的研究

呂寒冰，李 勇

(中國(guó)人民銀行濰坊市中心支行，山東濰坊261000)

銀行信貸結(jié)構(gòu)一般分為期限結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)兩個(gè)方面。以濰坊市為研究對(duì)象，利用灰色關(guān)聯(lián)度模型和VAR模型針對(duì)該市銀行信貸的期限結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)影響當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)進(jìn)行了實(shí)證分析。實(shí)證結(jié)果顯示，濰坊市金融機(jī)構(gòu)的短期貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的相關(guān)性和貢獻(xiàn)度都強(qiáng)于中長(zhǎng)期貸款，金融機(jī)構(gòu)投放服務(wù)業(yè)貸款和房地產(chǎn)業(yè)貸款，相較于投放基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款，對(duì)經(jīng)濟(jì)增長(zhǎng)的刺激作用更強(qiáng)。

信貸結(jié)構(gòu)；經(jīng)濟(jì)增長(zhǎng)；VAR模型；灰色關(guān)聯(lián)度模型

一、銀行信貸結(jié)構(gòu)與區(qū)域經(jīng)濟(jì)增長(zhǎng)關(guān)系的理論分析

(一)銀行信貸結(jié)構(gòu)與區(qū)域經(jīng)濟(jì)增長(zhǎng)的關(guān)系

信貸結(jié)構(gòu)是指信貸資金投放運(yùn)用在不同區(qū)域、不同產(chǎn)業(yè)、不同行業(yè)以及不同期限上的配置與配比。[1]銀行信貸按貸款期限通常劃分為短期貸款、中長(zhǎng)期貸款，按貸款投向可劃分為第一產(chǎn)業(yè)貸款、第二產(chǎn)業(yè)貸款及第三產(chǎn)業(yè)貸款。

1.銀行信貸的期限結(jié)構(gòu)與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。從用途上看，銀行發(fā)放短期貸款主要是為了滿足客戶在生產(chǎn)經(jīng)營(yíng)過程中調(diào)劑流動(dòng)資金的需求；中長(zhǎng)期貸款則主要運(yùn)用在企業(yè)改造技術(shù)、建設(shè)基礎(chǔ)設(shè)施或新建固定資產(chǎn)等項(xiàng)目，以及個(gè)人住房、買車等消費(fèi)性支出。

企業(yè)的經(jīng)營(yíng)周轉(zhuǎn)需要流動(dòng)資金貸款的支持，利息則是短期貸款的主要成本，短期貸款利率的變動(dòng)會(huì)影響企業(yè)當(dāng)期的財(cái)務(wù)成本，最終傳導(dǎo)到產(chǎn)品出廠價(jià)格(PPI)的變動(dòng)和消費(fèi)物價(jià)指數(shù)(CPI)的變動(dòng)，物價(jià)波動(dòng)則是影響經(jīng)濟(jì)增長(zhǎng)的重要因素之一。中長(zhǎng)期貸款則會(huì)改變企業(yè)未來的生產(chǎn)經(jīng)營(yíng)狀況，它與企業(yè)的全要素生產(chǎn)率息息相關(guān)，企業(yè)獲得中長(zhǎng)期貸款占比的變動(dòng)，會(huì)影響其投資決策，進(jìn)而對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生波動(dòng)性影響。

2.銀行信貸的產(chǎn)業(yè)結(jié)構(gòu)與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。經(jīng)濟(jì)增長(zhǎng)包括經(jīng)濟(jì)總量的提高與產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化兩個(gè)方面。[2]一般來說，一個(gè)區(qū)域經(jīng)濟(jì)增長(zhǎng)的前期主要依靠第一、第二產(chǎn)業(yè)拉動(dòng)；隨著經(jīng)濟(jì)發(fā)展效率的提高，第三產(chǎn)業(yè)的占比會(huì)相應(yīng)提高，而第一產(chǎn)業(yè)的占比則略有下降，第二產(chǎn)業(yè)內(nèi)的細(xì)分產(chǎn)業(yè)，如產(chǎn)業(yè)鏈中相對(duì)高端的高新技術(shù)產(chǎn)業(yè)、物流業(yè)、金融租賃業(yè)的占比會(huì)相應(yīng)提高，而產(chǎn)業(yè)鏈中相對(duì)低端的基礎(chǔ)制造業(yè)、鋼鐵、煤炭行業(yè)的占比會(huì)有所下降。因此，信貸資金重點(diǎn)向現(xiàn)代服務(wù)業(yè)、高新技術(shù)產(chǎn)業(yè)、信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)傾斜，適當(dāng)壓縮“兩高一?！碑a(chǎn)業(yè)的信貸投入，將有利于產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)，這對(duì)于構(gòu)建現(xiàn)代產(chǎn)業(yè)體系，淘汰落后產(chǎn)能尤為重要。[3]

(二)銀行信貸投放對(duì)經(jīng)濟(jì)增長(zhǎng)的總體貢獻(xiàn)率分析

改革開放以來，濰坊市經(jīng)濟(jì)保持持續(xù)增長(zhǎng)的態(tài)勢(shì)。1978～2013年，濰坊市國(guó)內(nèi)生產(chǎn)總值(GDP)從23.5億元增長(zhǎng)到4 420.7億元，增量擴(kuò)大了180多倍，年均增長(zhǎng)16.14%。在經(jīng)濟(jì)快速發(fā)展過程中，銀行信貸投放起著舉足輕重的作用，35年間銀行各項(xiàng)信貸投放由12.3億元快速增長(zhǎng)到4 005.8億元，年均增長(zhǎng)17.97%。然而，銀行信貸投放的快速增長(zhǎng)并未有效刺激經(jīng)濟(jì)增長(zhǎng)。[4]181978～1994年，濰坊市的GDP、信貸投放余額增長(zhǎng)較為平緩，1994～2012年間，兩者開始加速增長(zhǎng)，信貸資金邊際貢獻(xiàn)率*本文的信貸資金邊際貢獻(xiàn)率是GDP與各項(xiàng)貸款余額的比值，用于反映信貸資金的使用效率。則在35年間呈現(xiàn)逐步下行態(tài)勢(shì)，1981年最高達(dá)201.9%，到2013年末降至歷史最低值110.4%(見圖1)。信貸資金邊際貢獻(xiàn)率持續(xù)下降，一方面與信貸資金投放增速較快有關(guān)，35年間濰坊市銀行本外幣各項(xiàng)貸款的年平均增速比GDP的年平均增速高出1.8個(gè)百分點(diǎn)；另一方面與大量信貸資金投向?qū)?jīng)濟(jì)增長(zhǎng)貢獻(xiàn)相對(duì)較低的領(lǐng)域(包括政府投資和融資平臺(tái)、部分國(guó)有企業(yè)等)有關(guān)，這些領(lǐng)域?qū)首儎?dòng)不敏感，在濰坊市經(jīng)濟(jì)發(fā)展中占據(jù)了大量的銀行信貸資金，而且其自身的產(chǎn)能利用率又相對(duì)較低，對(duì)經(jīng)濟(jì)貢獻(xiàn)度較小。本文試圖通過量化銀行信貸結(jié)構(gòu)對(duì)濰坊市經(jīng)濟(jì)增長(zhǎng)的影響，探究不同期限貸款與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，研究不同產(chǎn)業(yè)的信貸投放對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)程度，從而提出相應(yīng)的對(duì)策。

圖1 1978～2013年濰坊市GDP、信貸投放余額與信貸資金使用率變動(dòng)圖資料來源：《濰坊市統(tǒng)計(jì)年鑒2013》。

二、銀行信貸結(jié)構(gòu)與區(qū)域經(jīng)濟(jì)增長(zhǎng)的相關(guān)性分析:灰色關(guān)聯(lián)度模型

(一)灰色關(guān)聯(lián)度模型的基本原理

經(jīng)濟(jì)增長(zhǎng)與信貸結(jié)構(gòu)之間并非是絕對(duì)的函數(shù)對(duì)應(yīng)關(guān)系，而是模糊的不確定的關(guān)聯(lián)，為了更加有效地衡量?jī)烧咧g的關(guān)系，本文引入灰色關(guān)聯(lián)度模型進(jìn)行分析?；疑到y(tǒng)理論主要通過對(duì)“小樣本”“貧信息”不確定性系統(tǒng)的研究獲得有價(jià)值的信息，從而實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行行為、演化規(guī)律的正確描述和有效監(jiān)控。[5]灰色關(guān)聯(lián)度模型通過比較時(shí)間序列各樣本數(shù)據(jù)的幾何關(guān)系，來描述樣本間關(guān)系的強(qiáng)弱。如果樣本數(shù)據(jù)的變化態(tài)勢(shì)基本一致，反映在幾何圖形上的曲線就越相似，說明其關(guān)聯(lián)度越大；反之，則說明關(guān)聯(lián)度較小。

(二)實(shí)證研究

1.建立特征序列與相關(guān)序列。本文以濰坊市國(guó)內(nèi)生產(chǎn)總值(GDP)為特征序列，即：

Y(t)={GDP(t)}={GDP1,GDP2，GDP3，…GDPn}，其中GDPt為2010年1月至2013年9月的季度GDP數(shù)據(jù)(t=1，2，3…n)(見表1)。

本文分別從銀行信貸的期限結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)兩個(gè)角度選擇實(shí)證研究的變量指標(biāo)。在期限結(jié)構(gòu)上，本外幣貸款分為短期貸款(X1)和中長(zhǎng)期貸款(X2)；在產(chǎn)業(yè)結(jié)構(gòu)即貸款投向上，本外幣貸款分成服務(wù)業(yè)貸款*本文的服務(wù)業(yè)貸款剔除了基礎(chǔ)設(shè)施產(chǎn)業(yè)中的交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)，以及水利、環(huán)境和公共設(shè)施管理業(yè)，并剔除了房地產(chǎn)業(yè)。(X3)、基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款*本文的基礎(chǔ)設(shè)施產(chǎn)業(yè)包括：電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵電業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)。(X4)、房地產(chǎn)業(yè)貸款(X5)。實(shí)證研究的數(shù)據(jù)選擇了2010年1月至2013年9月濰坊市信貸投放季度余額(見表1)。

表1 2010年1月～2013年9月濰坊市信貸投放季度余額與GDP季度值 單位：億元

資料來源：《濰坊市統(tǒng)計(jì)年鑒2013》。

由表1中的信貸投放余額組成的m·n維矩陣，即

其中，變量Xi(t)分別代表短期貸款、中長(zhǎng)期貸款以及各產(chǎn)業(yè)貸款的季度余額，變量期間數(shù)t=1，2，…，n(n=15表示2010年1月至2013年9月的季度數(shù))，變量個(gè)數(shù)i=1,2,…m(m=5表示相關(guān)序列的個(gè)數(shù))。矩陣中m個(gè)行向量分別構(gòu)成5個(gè)相關(guān)序列，作為灰色關(guān)聯(lián)度分析的原始數(shù)據(jù)。

2.統(tǒng)一量綱。為了增強(qiáng)變量之間的可比性，需要對(duì)原始變量統(tǒng)一量綱。統(tǒng)一量綱有均值化變換、初值化變換和標(biāo)準(zhǔn)化變換等方法，本文運(yùn)用初值法*初值法是將某一序列中的所有數(shù)據(jù)分別除以同一個(gè)序列的首個(gè)數(shù)據(jù)而生成倍數(shù)序列的計(jì)算方法。由于原始數(shù)據(jù)的量綱各不相同，不便于比較或在比較時(shí)難以得到正確的結(jié)論，初值化可以將原始變量轉(zhuǎn)化為無單位的相對(duì)數(shù)值。參見：趙青霞.河北省科技投入與經(jīng)濟(jì)增長(zhǎng)的灰色關(guān)聯(lián)分析[J].區(qū)域經(jīng)濟(jì)，2011(4)：42.計(jì)算，得到統(tǒng)一量綱后的變量序列(見表2)。

表2 2010年1月～2013年9月濰坊市信貸投放季度余額與GDP季度值(初值化后)

將表2中的變量代入關(guān)聯(lián)系數(shù)計(jì)算公式，可以得到各個(gè)時(shí)刻特征序列與相關(guān)序列的關(guān)聯(lián)系數(shù)(見表3)。

表3 特征序列與相關(guān)序列的關(guān)聯(lián)系數(shù)表

關(guān)聯(lián)系數(shù)的取值范圍為(0，1)，數(shù)值越大表示關(guān)聯(lián)越緊密。在Min時(shí)，關(guān)聯(lián)系數(shù)r=1，表示特征序列與變量序列在該時(shí)刻完全關(guān)聯(lián)；在Max時(shí)，關(guān)聯(lián)系數(shù)r為最小值，表示特征序列與變量序列在該時(shí)刻基本無關(guān)聯(lián)。由于關(guān)聯(lián)系數(shù)反映的信息過于分散，不便于進(jìn)行整體性比較，因此，有必要進(jìn)一步計(jì)算序列的關(guān)聯(lián)度，即特征序列與相關(guān)序列在各個(gè)時(shí)刻關(guān)聯(lián)系數(shù)的平均值，關(guān)聯(lián)度公式如下：

表4反映了各變量指標(biāo)Xi與Yj的關(guān)聯(lián)程度大小。通過對(duì)關(guān)聯(lián)度分析，可以確定相關(guān)序列與特征序列的關(guān)聯(lián)性強(qiáng)弱。表4反映了2010年1月至2013年9月濰坊市國(guó)內(nèi)生產(chǎn)總值與銀行信貸結(jié)構(gòu)之間的關(guān)聯(lián)程度。數(shù)據(jù)表明，短期貸款、服務(wù)業(yè)貸款、房地產(chǎn)業(yè)貸款與區(qū)域經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)性在0.6以上。從貸款的期限結(jié)構(gòu)上看，短期貸款與濰坊市經(jīng)濟(jì)增長(zhǎng)的關(guān)聯(lián)性為0.66，高于中長(zhǎng)期貸款關(guān)聯(lián)性0.58，說明濰坊市短期貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的影響力強(qiáng)于中長(zhǎng)期貸款，鑒于灰色關(guān)聯(lián)分析亦是一種效率分析的性質(zhì)推斷，可以得出短期貸款的使用效率高于中長(zhǎng)期貸款。從細(xì)分產(chǎn)業(yè)關(guān)聯(lián)性排序的看，服務(wù)業(yè)房地產(chǎn)業(yè)基礎(chǔ)設(shè)施產(chǎn)業(yè)，說明濰坊市服務(wù)業(yè)貸款、房地產(chǎn)業(yè)貸款對(duì)當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)的推動(dòng)作用強(qiáng)于基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款的推動(dòng)作用，這與基礎(chǔ)設(shè)施建設(shè)項(xiàng)目的施工期長(zhǎng)、資金需求大、資金回報(bào)緩慢而導(dǎo)致貸款資金使用效率偏低有關(guān)。

三、銀行信貸結(jié)構(gòu)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率研究：VAR模型

(一)VAR模型基本原理

由于影響經(jīng)濟(jì)增長(zhǎng)的因素有很多，采取直接的回歸過程，需要較多的解釋變量，且容易導(dǎo)致多重共線性等問題影響解釋效果。為了衡量細(xì)分產(chǎn)業(yè)貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，本文采用VAR模型進(jìn)行實(shí)證檢驗(yàn)。VAR(Vector Autoregression)模型(向量自回歸模型)是分析多變量時(shí)間序列模型的常用方法，采用該模型一方面不用考慮內(nèi)生變量和外生變量的區(qū)別，另一方面還可以將解釋變量和被解釋變量的滯后項(xiàng)引入方程，分析各變量對(duì)經(jīng)濟(jì)增長(zhǎng)影響的大小程度。滯后階數(shù)為p的VAR(p)模型表達(dá)式為：

yt=α+A1yt-1+A2yt-2+…+Apyt-p+Bxt+εt

式中，yt為K維內(nèi)生變量向量，xt為d維外生變量向量，α為常數(shù)向量，p為滯后階數(shù)，t表示時(shí)間長(zhǎng)度。A1,A2,…,Ap和B為待估計(jì)系數(shù)矩陣，εt為隨機(jī)誤差項(xiàng)向量。

(二)實(shí)證過程

VAR模型選取的變量與灰色關(guān)聯(lián)度模型的變量一致，有濰坊市國(guó)內(nèi)生產(chǎn)總值(GDP)、信貸期限變量和結(jié)構(gòu)變量，其中期限變量包括短期貸款(DQ)和中長(zhǎng)期貸款(CQ)，結(jié)構(gòu)變量包括基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款(JC)、服務(wù)業(yè)貸款(FW)、房地產(chǎn)業(yè)貸款(FD)。為緩解數(shù)據(jù)波動(dòng)，消除時(shí)間序列中的異方差現(xiàn)象，本文對(duì)各變量進(jìn)行對(duì)數(shù)化處理，處理后的變量分別表示為：LNGDP、LNDQ、LNCQ、LNJC、LNFW、LNFD；同時(shí)，為消除季節(jié)波動(dòng)對(duì)GDP造成的影響，本文采用X-11方法*X-11方法是對(duì)時(shí)間序列中季度或月度相關(guān)原始數(shù)據(jù)進(jìn)行季節(jié)調(diào)整的方法。因?yàn)榧竟?jié)因素的存在，同一年中不同月份或季度的數(shù)據(jù)往往不具有可比性，季節(jié)調(diào)整是將季節(jié)影響因素從原有時(shí)間序列中剔除，目的是更好地反映變量的變動(dòng)規(guī)律。季節(jié)調(diào)整模型的程序主要有X-11或X-12-ARIMA(美國(guó)商務(wù)部普查局)、X-11-ARIMA(加拿大統(tǒng)計(jì)局)、Decomp、SABL、STAMP等等。參見：陳飛，高鐵梅.結(jié)構(gòu)時(shí)間序列模型在季節(jié)調(diào)整方面的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，2007(11)：7-14.對(duì)LNGDP數(shù)據(jù)進(jìn)行季節(jié)調(diào)整，調(diào)整后的變量用LNGDPSA表示。VAR模型實(shí)證研究的數(shù)據(jù)來源為2008年第4季度至2013年第1季度濰坊市統(tǒng)計(jì)局和中國(guó)人民銀行濰坊市中心支行的季度數(shù)據(jù)，采用的計(jì)量軟件為Eviews5.0。

1.平穩(wěn)性檢驗(yàn)。由于GDP、信貸的期限結(jié)構(gòu)變量和產(chǎn)業(yè)結(jié)構(gòu)變量都是時(shí)間序列數(shù)據(jù)，該序列很可能是不平穩(wěn)的，在這種情形下，如果直接對(duì)數(shù)據(jù)進(jìn)行回歸分析則很可能產(chǎn)生偽回歸。為此，本文運(yùn)用ADF(Augmented Dickey-Fuller)單位根檢驗(yàn)對(duì)2008年第4季度至2013年第3季度各變量的時(shí)間序列進(jìn)行平穩(wěn)性檢驗(yàn)(見表5)。

表5檢驗(yàn)結(jié)果顯示，LNGDPSA、LNDQ、LNCQ三個(gè)變量的ADF值分別為-3.785 4、-3.729 6、-2.345 9都小于5%臨界值，說明在5%的顯著性水平下為平穩(wěn)時(shí)間序列，符合進(jìn)行VAR分析的先決條件。LNGDPSA、LNJC、LNFW、LNFD的原序列在1%的顯著性水平下都不平穩(wěn)，但經(jīng)過一次差分后，它們?cè)?%的顯著性水平下均為平穩(wěn)時(shí)間序列，也符合做VAR模型的前提。

2.信貸期限結(jié)構(gòu)的VAR模型

(1)模型方程建立。建立VAR模型除了LNGDPSA、LNDQ、LNCQ滿足平穩(wěn)性條件外，還應(yīng)該正確確定滯后期。為了選擇最優(yōu)滯后期，根據(jù)LR、FPE、AIC、SC、HQ五個(gè)常用指標(biāo)，對(duì)LNGDPSA、LNDQ、LNCQ變量進(jìn)行滯后期標(biāo)準(zhǔn)(Lag Length Criteria)檢驗(yàn)，獲得各種滯后期的評(píng)價(jià)準(zhǔn)則檢驗(yàn)值(見表6)。

表6檢驗(yàn)結(jié)果顯示，除了LR和SC準(zhǔn)則選擇滯后1期，其余評(píng)價(jià)準(zhǔn)則均選擇了滯后2期，故本文選擇滯后2期的VAR模型，即VAR(2)。根據(jù)變量LNGDPSA、LNDQ、LNCQ數(shù)據(jù)，便得到信貸期限結(jié)構(gòu)的VAR模型各變量系數(shù)估計(jì)值(見表7)。

注：檢驗(yàn)形式(C，T，L)中C表示含有常數(shù)項(xiàng)，T表示含有時(shí)間趨勢(shì)，L表示滯后階數(shù)；△表示一次差分。

表6 各種滯后期的評(píng)價(jià)準(zhǔn)則檢驗(yàn)值*LR、FPE、AIC、SC、HQ是用于選擇VAR模型最優(yōu)滯后期的評(píng)價(jià)準(zhǔn)則，一般要求準(zhǔn)則的值越小越好。

注：*表示依據(jù)各種評(píng)價(jià)準(zhǔn)則選擇的最優(yōu)滯后期。

表7 信貸期限結(jié)構(gòu)的VAR模型估計(jì)結(jié)果

注：第一列中第一個(gè)數(shù)據(jù)是VAR模型的變量系數(shù)估計(jì)值，第二 個(gè)數(shù)據(jù)是(系數(shù)標(biāo)準(zhǔn)差)，第三個(gè)數(shù)據(jù)是[T統(tǒng)計(jì)量]，用于建議系數(shù)顯 著性。

根據(jù)上表數(shù)據(jù)，得出VAR(2)模型表達(dá)式：

LNGDPSA=-0.01×LNGDPSA(-1)-0.06×LNGDPSA(-2)+0.16×LNDQ(-1)+0.35×LNDQ(-2)+0.25×LNCQ(-1)-0.14×LNCQ(-2)+3.8

表7數(shù)據(jù)顯示，VAR(2)模型的決定系數(shù)為0.992，說明擬合程度較高。根據(jù)VAR(2)模型表達(dá)式可以得到，反映短期貸款LNDQ的系數(shù)和為0.51，反映中長(zhǎng)期貸款LNCQ的系數(shù)和為0.11，說明短期貸款和中長(zhǎng)期貸款的投放對(duì)濰坊市的區(qū)域經(jīng)濟(jì)增長(zhǎng)都具有正向刺激作用；短期貸款的系數(shù)大于中長(zhǎng)期貸款的系數(shù)，表明對(duì)濰坊市而言，短期貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的刺激作用更強(qiáng)。

(2)沖擊反應(yīng)分析：脈沖響應(yīng)。[4]31脈沖響應(yīng)函數(shù)描述的是一個(gè)內(nèi)生變量對(duì)誤差的反應(yīng)，即在誤差項(xiàng)上加一個(gè)標(biāo)準(zhǔn)差大小的新息*新息指時(shí)間序列方程里的殘差。沖擊，觀察其對(duì)內(nèi)生變量當(dāng)前值和未來值的影響。本文分別給LNGDPSA、LNDQ、LNCQ變量一個(gè)標(biāo)準(zhǔn)差的新息沖擊后，得到LNGDPSA的脈沖響應(yīng)結(jié)果(見圖2)。

圖2 濰坊市地區(qū)生產(chǎn)總值對(duì)自身、短期貸款、中長(zhǎng)期貸款沖擊的脈沖響應(yīng)結(jié)果

注：橫軸表示沖擊作用滯后階數(shù)，縱軸表示響應(yīng)程度*響應(yīng)程度是用于測(cè)度某變量受其他變量一個(gè)標(biāo)準(zhǔn)差沖擊后，給變量現(xiàn)狀和未來的反應(yīng)程度。，中間線表示脈沖響應(yīng)函數(shù)，反映了被解釋變量受解釋變量沖擊后的變化趨勢(shì)，兩側(cè)線表示正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶。

由圖2可見，給予度量短期貸款變量LNDQ一個(gè)標(biāo)準(zhǔn)差的沖擊，經(jīng)濟(jì)增長(zhǎng)率在第1期沒有出現(xiàn)明顯的波動(dòng)，基本上是從第2期開始出現(xiàn)較強(qiáng)的正向脈沖響應(yīng)，約為0.005倍，隨著期數(shù)增長(zhǎng)，正向響應(yīng)也在變強(qiáng)，到第4期達(dá)到最強(qiáng)，約為0.007倍，并保持基本穩(wěn)定，在第8期后才逐漸衰弱；基于度量中長(zhǎng)期貸款變量LNCQ一個(gè)標(biāo)準(zhǔn)差的沖擊，經(jīng)濟(jì)增長(zhǎng)率從第2期開始迅速達(dá)到最高值，約為0.008倍，其后隨著期數(shù)的增加，逐漸衰弱至0。脈沖響應(yīng)結(jié)果表明，相對(duì)于中長(zhǎng)期貸款而言，2008年第4季度至2013年第3季度濰坊市短期貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的刺激作用更為持久，刺激性也更強(qiáng)。

(3)貢獻(xiàn)率分析：方差分解。脈沖響應(yīng)函數(shù)描述了VAR模型中某個(gè)內(nèi)生變量的沖擊對(duì)其他變量(包括自身變量)的影響，是一種絕對(duì)效果的描述。方差分解則是研究多個(gè)解釋變量對(duì)被解釋變量影響的相對(duì)程度，運(yùn)用方差分解方法，能夠描述每個(gè)變量的變動(dòng)對(duì)VAR模型中變量的影響或貢獻(xiàn)度。依據(jù)2008年第4季度至2013年第3季度濰坊市LNGDPSA、LNDQ、LNCQ的數(shù)據(jù)，分析地區(qū)生產(chǎn)總值自身、短期貸款和中長(zhǎng)期貸款三個(gè)變量對(duì)濰坊市GDP變量的貢獻(xiàn)程度(見表8)。

表8 信貸期限結(jié)構(gòu)變量對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率的方差分解值

注：方差分解期數(shù)僅取前10期數(shù)據(jù)。

表8數(shù)據(jù)顯示，用短期貸款、中長(zhǎng)期貸款變量表示信貸期限結(jié)構(gòu)后，濰坊市經(jīng)濟(jì)增長(zhǎng)自身的沖擊是其方差的主要來源，到第10期，有57.6%的貢獻(xiàn)率來自其自身的沖擊；短期貸款相較于中長(zhǎng)期貸款而言，對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率較高，在第2期開始，短期貸款對(duì)濰坊市經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率逐漸提升，到第10期達(dá)到35.5%，而中長(zhǎng)期貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率在第3期達(dá)到最大值13%，隨后逐漸減少，到第10期衰弱至6.9%。

表10 信貸產(chǎn)業(yè)結(jié)構(gòu)的VAR模型估計(jì)結(jié)果

注：第一列中第一個(gè)數(shù)據(jù)是VAR模型的變量系數(shù)估計(jì)值，第二 個(gè)數(shù)據(jù)是(系數(shù)標(biāo)準(zhǔn)差)，第三個(gè)數(shù)據(jù)是[T統(tǒng)計(jì)量]，用于建議系數(shù)顯 著性。

3.信貸產(chǎn)業(yè)結(jié)構(gòu)的VAR模型

(1)模型方程建立：與構(gòu)建信貸期限結(jié)構(gòu)的VAR模型的方法一樣，先對(duì)LNGDPSA、LNJC、LNFW、LNFD變量進(jìn)行滯后期評(píng)價(jià)標(biāo)準(zhǔn)檢驗(yàn)，獲得各種滯后期的評(píng)價(jià)準(zhǔn)則檢驗(yàn)值(見表9)。

表9 各種滯后期的評(píng)價(jià)準(zhǔn)則檢驗(yàn)值

注：*表示依據(jù)各種評(píng)價(jià)準(zhǔn)則選擇的最優(yōu)滯后期。

表9檢驗(yàn)結(jié)果顯示，所有評(píng)價(jià)準(zhǔn)則均選擇了滯后1期，因此，本文確立滯后1期的VAR模型，即VAR(1)。根據(jù)變量LNGDPSA、LNJC、LNFW、LNFD數(shù)據(jù)，便得到信貸產(chǎn)業(yè)結(jié)構(gòu)的VAR模型各變量系數(shù)估計(jì)值(見表10)。

根據(jù)上表數(shù)據(jù)，得出VAR(1)模型表達(dá)式：

LNGDPSA=0.624 0×LNGDPSA(-1)+0.006×LNJC(-1)+0.223 9×LNFW(-1)+0.100 4×LNFD(-1) +1.069 724 914 11

表10數(shù)據(jù)顯示，VAR(1)模型的決定系數(shù)為0.982，說明擬合程度較高。根據(jù)VAR(1)模型表達(dá)式可以得到，反映服務(wù)業(yè)貸款LNFW、房地產(chǎn)業(yè)貸款LNFD、基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款LNJC的系數(shù)分別為0.22、0.1、0.01，表明滯后1期的服務(wù)業(yè)貸款每增長(zhǎng)1%，將拉動(dòng)本期的經(jīng)濟(jì)增長(zhǎng)0.22%，遠(yuǎn)大于房地產(chǎn)業(yè)的0.1%和基礎(chǔ)設(shè)施產(chǎn)業(yè)的0.01%，因此，對(duì)濰坊市而言，服務(wù)業(yè)、房地產(chǎn)業(yè)、基礎(chǔ)設(shè)施產(chǎn)業(yè)的信貸投放對(duì)當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)均有正向的促進(jìn)作用，對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)程度為服務(wù)業(yè)房地產(chǎn)業(yè)基礎(chǔ)設(shè)施產(chǎn)業(yè)。

(2)沖擊反應(yīng)分析：脈沖響應(yīng)。本文分別給LNJC、LNFW、LNFD變量一個(gè)新息沖擊后，得到LNGDPSA的脈沖響應(yīng)結(jié)果(見圖3)。

由圖3可見，對(duì)于基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款變量LNJC一個(gè)標(biāo)準(zhǔn)差新息沖擊，經(jīng)濟(jì)增長(zhǎng)水平在第1期的脈沖響應(yīng)最高，約為0.15倍，隨后迅速減弱，到第2期左右趨向于零，隨后幾期一直圍繞零值波動(dòng)；對(duì)于服務(wù)業(yè)貸款變量LNFW一個(gè)標(biāo)準(zhǔn)差新息沖擊，經(jīng)濟(jì)增長(zhǎng)水平在第1期較低，約為0.05倍，隨后逐漸增強(qiáng)，并在第3期達(dá)到最高值,約為0.19倍，隨后幾期逐漸減弱，但仍然在0.1倍左右；對(duì)于房地產(chǎn)業(yè)貸款變量LNFD一個(gè)標(biāo)準(zhǔn)差新息沖擊，經(jīng)濟(jì)增長(zhǎng)一直在零值附近波動(dòng)，也就是說，房地產(chǎn)業(yè)貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的刺激作用沒有得到充分體現(xiàn)。

圖3 濰坊市地區(qū)生產(chǎn)總值對(duì)自身、基礎(chǔ)設(shè)施產(chǎn)業(yè)、服務(wù)業(yè)、房地產(chǎn)業(yè)貸款沖擊的脈沖響應(yīng)結(jié)果

注：橫軸表示沖擊作用滯后階數(shù)，縱軸表示響應(yīng)程度，中間線表示脈沖響應(yīng)函數(shù)，反映了被解釋變量受解釋變量沖擊后的變化趨勢(shì)，兩側(cè)線表示正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶。

(3)貢獻(xiàn)率分析：方差分解。依據(jù)2008年第4季度至2013年第3季度濰坊市LNGDPSA、LNJC、LNFW、LNFD的數(shù)據(jù)，分析地區(qū)生產(chǎn)總值自身、基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款、服務(wù)業(yè)貸款、房地產(chǎn)業(yè)貸款變量對(duì)濰坊市GDP的貢獻(xiàn)程度(見表11)。

注：方差分解期數(shù)僅取前10期數(shù)據(jù)。

由表11可以看出，濰坊市經(jīng)濟(jì)增長(zhǎng)自身的沖擊仍是其方差的主要來源，在第10期，經(jīng)濟(jì)增長(zhǎng)自身貢獻(xiàn)率占比依然達(dá)到50%以上；基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款在第1期對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率較高，達(dá)到30.98%，隨后逐漸減少，到第10期逐漸衰退至4.34%；服務(wù)業(yè)貸款對(duì)經(jīng)濟(jì)增長(zhǎng)在第1期僅貢獻(xiàn)5.05%，隨后幾期逐漸擴(kuò)大，到第10期達(dá)到44.71%；房地產(chǎn)業(yè)貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率一直較低，基本保持在1%以下。

四、基本結(jié)論及相關(guān)建議

(一)基本結(jié)論

1.銀行信貸投放對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率呈下降趨勢(shì)。伴隨著經(jīng)濟(jì)總量的快速增長(zhǎng)，濰坊市的銀行信貸規(guī)模也在快速擴(kuò)張，但信貸資金對(duì)經(jīng)濟(jì)增長(zhǎng)的邊際貢獻(xiàn)率卻逐步下降。這一方面與信貸資金投放的高速增長(zhǎng)相關(guān)，信貸投放增速持續(xù)高于經(jīng)濟(jì)增速；另一方面與信貸資金投向相關(guān)，大量貸款投向了基礎(chǔ)設(shè)施產(chǎn)業(yè)、“兩高一?！钡阮I(lǐng)域，這類領(lǐng)域的資金使用效率較低，導(dǎo)致了信貸投放總體資金利用率的下降。

2.銀行信貸結(jié)構(gòu)與區(qū)域經(jīng)濟(jì)增長(zhǎng)之間具有相關(guān)性。通過灰色關(guān)聯(lián)度模型分析發(fā)現(xiàn)，濰坊市的銀行信貸結(jié)構(gòu)與經(jīng)濟(jì)增長(zhǎng)之間存在相關(guān)性：短期貸款與經(jīng)濟(jì)增長(zhǎng)的關(guān)聯(lián)性高于中長(zhǎng)期貸款，短期貸款的資金使用效率也相對(duì)較高；服務(wù)業(yè)貸款、房地產(chǎn)業(yè)貸款對(duì)濰坊市經(jīng)濟(jì)增長(zhǎng)的推動(dòng)作用強(qiáng)于基礎(chǔ)設(shè)施產(chǎn)業(yè)貸款。

3．優(yōu)化銀行信貸結(jié)構(gòu)有助于促進(jìn)經(jīng)濟(jì)增長(zhǎng)。通過VAR模型分析發(fā)現(xiàn)，濰坊市短期貸款對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率強(qiáng)于中長(zhǎng)期貸款，中長(zhǎng)期貸款在短期內(nèi)能夠促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但從長(zhǎng)期來看，對(duì)經(jīng)濟(jì)增長(zhǎng)的刺激作用逐漸減弱；服務(wù)業(yè)、房地產(chǎn)業(yè)、基礎(chǔ)設(shè)施產(chǎn)業(yè)的信貸投放對(duì)當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)均有正向的促進(jìn)作用，對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)程度為：服務(wù)業(yè)房地產(chǎn)業(yè)基礎(chǔ)設(shè)施產(chǎn)業(yè)。

(二)相關(guān)建議

1.繼續(xù)保持濰坊市銀行信貸投放的平穩(wěn)、適度增長(zhǎng)。信貸投放對(duì)經(jīng)濟(jì)發(fā)展起著至關(guān)重要的作用，但從2013年銀行信貸的變動(dòng)情況看，本外幣各項(xiàng)貸款出現(xiàn)“增量同比少增、增速同比回落”的問題。濰坊市金融機(jī)構(gòu)要認(rèn)真落實(shí)“有扶有控”的信貸政策，有的放矢地加大信貸投放力度，提高信貸資源的配置效率，確保信貸支持經(jīng)濟(jì)發(fā)展的均衡性和可持續(xù)性。

2.加強(qiáng)信貸政策與產(chǎn)業(yè)政策配合，大力支持產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。中國(guó)人民銀行應(yīng)圍繞“國(guó)十條”“盤活存量，用好增量”的相關(guān)要求，充分利用貨幣政策工具，引導(dǎo)金融機(jī)構(gòu)優(yōu)化信貸結(jié)構(gòu)，更好地服務(wù)實(shí)體經(jīng)濟(jì)發(fā)展；嚴(yán)格控制鋼鐵、水泥、煉焦、風(fēng)電、船舶等產(chǎn)能過剩行業(yè)和高污染、高耗能行業(yè)的信貸投放；結(jié)合濰坊市產(chǎn)業(yè)發(fā)展重點(diǎn)和規(guī)劃，加大對(duì)現(xiàn)代農(nóng)業(yè)、高新技術(shù)產(chǎn)業(yè)等經(jīng)濟(jì)社會(huì)發(fā)展重點(diǎn)領(lǐng)域和項(xiàng)目的貸款支持力度，保證在建和續(xù)建項(xiàng)目的信貸投放。

3.完善金融機(jī)構(gòu)的組織體系，切實(shí)提高信貸資源的配置效率。按照西方經(jīng)濟(jì)學(xué)原理，當(dāng)市場(chǎng)處于完全競(jìng)爭(zhēng)狀態(tài)時(shí)，整個(gè)經(jīng)濟(jì)會(huì)逐漸趨于帕累托最優(yōu)狀態(tài)，資源配置效率也會(huì)達(dá)到最高水平。濰坊市已經(jīng)形成國(guó)有大型商業(yè)銀行、股份制金融機(jī)構(gòu)、地方法人金融機(jī)構(gòu)、小額貸款公司等種類齊全的金融組織體系，但國(guó)有大型商業(yè)銀行依然占據(jù)相對(duì)壟斷的地位，掌握著大量的信貸資源，城商行、農(nóng)商行、村鎮(zhèn)銀行等地方法人金融機(jī)構(gòu)的規(guī)模相對(duì)偏小，影響了信貸資源的配置效率。因此，應(yīng)通過進(jìn)一步放寬市場(chǎng)準(zhǔn)入條件、繼續(xù)鼓勵(lì)和引入有競(jìng)爭(zhēng)力的全國(guó)股份制銀行在濰坊市設(shè)立分支機(jī)構(gòu)、扶持地方法人金融機(jī)構(gòu)發(fā)展壯大等措施，不斷增加信貸投放主體的數(shù)量，形成更加多元化的金融組織體系，提高信貸資源的配置效率。

[1] 林毅夫，孫希芳.銀行業(yè)結(jié)構(gòu)與經(jīng)濟(jì)增長(zhǎng)[J].經(jīng)濟(jì)研究，2008(9)：31-33.

[2] 涂序平.嘉興市信貸結(jié)構(gòu)對(duì)經(jīng)濟(jì)增長(zhǎng)的動(dòng)態(tài)效應(yīng)分析[J].嘉興學(xué)院學(xué)報(bào)，2011(3)：34-35.

[3] 周勇飛.我國(guó)短期信貸結(jié)構(gòu)對(duì)經(jīng)濟(jì)增長(zhǎng)的動(dòng)態(tài)效應(yīng)分析[J].中國(guó)農(nóng)業(yè)銀行武漢培訓(xùn)學(xué)院學(xué)報(bào)，2009(3)：17-18.

[4] 黃虎.我國(guó)銀行信貸對(duì)經(jīng)濟(jì)增長(zhǎng)的影響研究[D].湖南：中南大學(xué)，2009.

[5] 馬瀾.高新技術(shù)產(chǎn)業(yè)影響因素的灰色關(guān)聯(lián)分析[J].四川理工學(xué)院學(xué)報(bào)，2009(10)：71-72.

[6] 李華，曹冀彬.支付系統(tǒng)資金流動(dòng)與區(qū)域經(jīng)濟(jì)發(fā)展關(guān)聯(lián)性研究[J].金融會(huì)計(jì)，2013(1)：21-22.

[責(zé)任編輯：郭艷云]

聲 明

本刊已被《中國(guó)學(xué)術(shù)期刊》(光盤版)、中國(guó)期刊網(wǎng)、萬(wàn)方數(shù)據(jù)——數(shù)字化期刊群及《中國(guó)核心期刊(遴選)數(shù)據(jù)庫(kù)》等收錄，其作者文章著作權(quán)使用費(fèi)與本刊稿酬一次性給付。作者向本刊提交文章發(fā)表的行為即視為同意本刊上述聲明。

福建行政學(xué)院學(xué)報(bào)編輯部

Empirical Analysis on Relationship betweenCredit Structure and Regional Economic Growth：Based on Grey Correlation Model and VAR Model Research

LYU Han-bing，LI Yong

(Weifang Central Sub-branch, the People’s Bank of China，Weifang 261000，Shandong，China)

Bank credit structure is generally divided into two aspects of term structure and industrial structure. Taking Weifang as the research object, using the Grey Correlation Model and VAR Model, this paper makes an empirical analysis of the influence of the term and industrial structures of bank credit on local economic growth. The empirical results show that in Weifang the correlation of short-term loans of financial institutions on economic growth and contribution are greater than that of the medium and long-term loans, the service sector loans and real estate ones make stronger stimulation effects on economic growth than the infrastructure industry loans.

credit structure；economic growth；VAR Model；Grey Correlation Model

2014-11-10

呂寒冰(1987-)，男，山東濰坊人，中國(guó)人民銀行濰坊市中心支行貨幣信貸管理科科員； 李 勇(1981-)，男，山東濰坊人，中國(guó)人民銀行濰坊市中心支行團(tuán)委書記。

F832.4;F127

A

1674-3199(2015)02-0102-11