長江經(jīng)濟帶結構性去杠桿與經(jīng)濟增長研究

周 兵，胡振興

（重慶工商大學 a.長江上游經(jīng)濟研究中心；b.會計學院；c.經(jīng)濟學院，重慶 400067）

一、引言及文獻綜述

2008年國際金融危機以來，我國杠桿率持續(xù)攀升，為了解決杠桿率高企的問題，我國實施了一系列的降杠桿政策。2015年10月，由我國政府頒布的去杠桿手段開始強制實施，為了確保我國市場經(jīng)濟健康發(fā)展，黨的十八屆五中全會第一次提出去杠桿的目標要求。2015年11月，習近平總書記在中央財經(jīng)領導小組第十一次會議上首次提出“供給側(cè)結構性改革”，標志著我國經(jīng)濟進入新常態(tài)的發(fā)展階段，這是根據(jù)我國面臨的一系列嚴峻局勢而做出的重大變革。2016年10月，《國務院關于積極穩(wěn)妥降低企業(yè)杠桿率的意見》（國發(fā)［2016］54號）提出企業(yè)去杠桿，目標更加具體化，并強調(diào)了市場化、法治化、有序開展、統(tǒng)籌協(xié)調(diào)的原則。2017年7月召開的全國金融工作會議上，習近平總書記強調(diào)要推動經(jīng)濟去杠桿，處理好穩(wěn)增長、調(diào)結構、控總量的關系。2018年4月，中央財經(jīng)委員會第一次會議首次提出要以結構性去杠桿為基本思路，分部門、分債務類型提出不同要求，努力實現(xiàn)宏觀杠桿率穩(wěn)定和逐步下降。

“結構性去杠桿”與經(jīng)濟增長有著緊密聯(lián)系，受到學術界和實務界的高度關注。Almeida（2009）等通過研究2007年的信貸危機也發(fā)現(xiàn)，債務杠桿率水平越高的企業(yè)在重大危機中受到的影響越大，而一個國家的整體債務杠桿率水平則決定了其在危機中經(jīng)濟衰退的程度［1］。Reinhart和Rogoff（2012）在對人類面臨共同的經(jīng)濟危機時指出，無論是政府、銀行、公司還是消費者，經(jīng)濟繁榮時期的過度舉債都會造成巨大的系統(tǒng)性風險［2］。Wagner（2010）的研究就表明，金融發(fā)展水平的提高可能使金融機構過度借款，而過高的杠桿率水平將導致經(jīng)濟環(huán)境更加復雜，從而增大宏觀經(jīng)濟和金融風險［3］。在Mendoza（2010）的研究中，認為杠桿水平會在經(jīng)濟擴張時期出現(xiàn)上升，而當杠桿比率足夠高時會觸發(fā)約束效應，并通過費雪通縮機制降低信貸、資產(chǎn)價格以及抵押資產(chǎn)的數(shù)量，從而導致產(chǎn)出水平的下降［4］。在進一步的研究中，學者們發(fā)現(xiàn)杠桿率與經(jīng)濟增長存在顯著的倒U型關系：當經(jīng)濟發(fā)展水平較低時，增加杠桿率可以促進經(jīng)濟發(fā)展；當經(jīng)濟發(fā)展水平較高時，提高杠桿率會阻礙經(jīng)濟的健康發(fā)展，以 至 于 產(chǎn) 生 經(jīng) 濟 危 機（Eberhardt、Presbitero，2015）［5］。國內(nèi)學者劉洪鐘和楊攻研（2014）、呂?。?015）、紀敏和嚴寶玉（2017）通過對我國政府債務與經(jīng)濟發(fā)展的研究，也得出了相似的結論［6-8］。

在一國經(jīng)濟發(fā)展的早期，各個經(jīng)濟部門通過運用金融杠桿可對經(jīng)濟發(fā)展產(chǎn)生積極影響。Rioja和Valev（2004）在研究中發(fā)現(xiàn)，杠桿率的存在在總體上可以促進 GDP 的增長［9］。Cecchetti（2010）通過對全球50個國家的長期經(jīng)濟數(shù)據(jù)進行研究發(fā)現(xiàn)，當一國或地區(qū)的經(jīng)濟杠桿沒有達到某一個臨界點之前，金融杠桿可以顯著拉動經(jīng)濟增長。金融杠桿的存在放大了可使用資金的數(shù)量，但也帶來了一些問題［10］。申廣軍和張延（2018）研究發(fā)現(xiàn)，杠桿率過高不僅會增加企業(yè)償還債務的壓力、增加違約風險引發(fā)經(jīng)濟危機，還會造成嚴重的資源錯配，產(chǎn)生大量的僵尸企業(yè)［11］。杠桿率的存在增強了經(jīng)濟發(fā)展的動力，但當杠桿率超過一定的閾值時，經(jīng)濟系統(tǒng)中的不穩(wěn)定性增大，經(jīng)濟增長速度降低。為了保持經(jīng)濟的健康發(fā)展，世界上許多國家都采取過去杠桿的措施。20世紀90年代日本金融泡沫危機之后，日本經(jīng)歷了長期的去杠桿歷程，2008年美國次貸危機之后，美國的生產(chǎn)部門、金融部門、居民部門都采取了去杠桿措施。李揚（2012）研究認為，杠桿率的上升會對經(jīng)濟發(fā)展產(chǎn)生影響，在不斷累加的過程中會嚴重威脅經(jīng)濟的健康運行，因此需要使杠桿率保持在一個合理的水平［12］。

在對經(jīng)濟問題的研究中，交互效應模型和門檻效應模型是被運用較廣的兩種方法。郝金磊（2016）運用交互效應模型實證檢驗了城鎮(zhèn)化水平、農(nóng)村勞動力轉(zhuǎn)移以及兩者交互效應對經(jīng)濟增長的影響機制［13］；吳洪和趙桂芹（2010）為了考察保險發(fā)展與經(jīng)濟增長的非線性關系，構造交互效應模型研究了保險、銀行、證券之間的交互效應［14］；潘雄鋒（2019）運用交互效應模型研究了科技基礎設施投入與技術創(chuàng)新之間的交互效應［15］。在對交互效應研究的發(fā)展方面，劉亞清和閆洪舉（2017）以向量自回歸模型為基礎，構造了交互效應空間面板結構向量自回歸模型（SPSVAR），以分析區(qū)域經(jīng)濟增長傳導機制，建立了共同因素已知情形下交互效應SPSVAR的估計程序，并采用蒙特卡洛模擬對模型估計方法的有效性進行了分析［16］。門檻模型在經(jīng)濟研究中運用較廣，Hansen（1999）提出的門檻效應分析模型能夠準確找到門檻值，因此獲得了廣泛的使用［17］。王桂虎和郭金龍（2019）運用全球40個國家和地區(qū)的面板數(shù)據(jù)，研究了宏觀杠桿率與系統(tǒng)性金融風險的門檻效應［18］；王綿斌和張妍（2018）運用面板門檻回歸模型研究不同經(jīng)濟發(fā)展水平下電力投資對京津冀和長三角地區(qū)經(jīng)濟增長的影響差異，并探討了城市化、工業(yè)化、科技投入水平和貿(mào)易開放水平對經(jīng)濟的作用關系［19］；陳菁（2018）運用門檻模型實證分析了地方政府性債務與我國經(jīng)濟增長之間的關系［20］。

綜合現(xiàn)有的文獻資料，國內(nèi)外學者對一國的宏觀經(jīng)濟杠桿研究較為充分，研究成果十分豐富，而對經(jīng)濟社會中的經(jīng)濟部門——銀行業(yè)金融部門杠桿率、非金融企業(yè)部門杠桿率、居民部門杠桿率的綜合研究較少；另一方面，學者們研究的地域范圍多集中在一國或全球國家層面，較少對一國內(nèi)部的重要經(jīng)濟發(fā)展區(qū)域進行深入研究。基于已有研究的不足，本文將研究對象聚焦于經(jīng)濟部門中的銀行業(yè)金融部門、非金融企業(yè)部門和居民部門杠桿率，將研究地域范圍界定為我國經(jīng)濟發(fā)展的重要區(qū)域——長江經(jīng)濟帶。

二、長江經(jīng)濟帶經(jīng)濟增長現(xiàn)狀分析

長江經(jīng)濟帶是我國重大國家戰(zhàn)略發(fā)展區(qū)域，是我國經(jīng)濟發(fā)展的黃金水道。長江經(jīng)濟帶地理位置橫跨了我國東、中、西三個區(qū)域，西起四川、東至上海，區(qū)域面積205萬平方公里，占全國總面積的21%，包括上海、浙江、江蘇、安徽、江西、湖北、湖南、重慶、四川、云南、貴州11個省份。長江經(jīng)濟帶在經(jīng)濟規(guī)模、人口總量上都具有十分重要的地位，在我國現(xiàn)階段實施的結構性去杠桿政策中，認真研究長江經(jīng)濟帶結構性去杠桿成效與作用機理，不僅對于此區(qū)域經(jīng)濟增長與持續(xù)發(fā)展有促進作用，對于全國經(jīng)濟發(fā)展也具有重要的示范作用。

（一）經(jīng)濟部門杠桿率水平分析

我國銀行業(yè)金融機構貸款余額從2000-2018年呈現(xiàn)出逐年上升趨勢，其中江蘇、浙江、上海貸款余額的絕對量增長最大，分別達到了11.04萬億元、9.42萬億元、6.93萬億元；貴州、江蘇、浙江的年平均增長率增幅最大，分別為19.02%、17.94%、17.55%。從貸款余額的區(qū)域分布上看，呈現(xiàn)出由東向西逐漸遞減的趨勢，位于東部的上海、浙江、江蘇、安徽貸款余額最高，位于中部的江西、湖北、湖南次之，位于西部的四川、重慶、云南、貴州最低。由此可見，銀行業(yè)金融機構貸款余額與當?shù)亟鹑诎l(fā)展水平息息相關，也跟經(jīng)濟整體發(fā)展水平密不可分。

從時間維度上看，2000-2012年，四川、湖北、重慶三省非金融企業(yè)杠桿率經(jīng)歷了一個快速上升且下降的過程，杠桿率的極差分別為47%、54%、26%，三省杠桿率在2012年時降到低值后有緩慢上升，到2018年時，杠桿率集中分布在50%左右。其余八省非金融企業(yè)杠桿率波動幅度較小，在2000-2018年呈現(xiàn)出緩慢上升的趨勢，且到2018年時杠桿率集中在50%左右。整體上看，非金融企業(yè)杠桿率在11個省市中表現(xiàn)出較為均衡的水平，除卻貴州、安徽、江西的年平均非金融企業(yè)杠桿率低于50%，其余各省的杠桿率均高于50%。

從時間維度上看，11個省市的杠桿率2000-2018年都有增長，2000年的各省市居民部門平均杠桿率為4%，到2018年居民部門平均杠桿率上升至27%。受2008年國際金融危機的影響，中國房市萎靡，商品房銷售額在長江經(jīng)濟帶11個省市都有所下降，表現(xiàn)為杠桿率的顯著下降。分省市來看，上海作為全國的經(jīng)濟金融中心，房價比其他地區(qū)高出很多，受此影響，2010年之前上海市的居民部門杠桿率遠高于其他省市，2010年以后，上海居民部門杠桿率下降較多，重慶市居民部門超過上海。長江經(jīng)濟帶下游地區(qū)的居民部門杠桿率最高，中、上游地區(qū)除重慶市以外杠桿率較低，且上游各省杠桿率低于中游各省居民部門杠桿率。

（二）經(jīng)濟增長絕對量分析

從1978年我國實行改革開放以來，經(jīng)濟總量有了巨大的增長，自2001年加入世貿(mào)組織以后，經(jīng)濟發(fā)展速度有了較快的提升。2000年國內(nèi)生產(chǎn)總值為10.03萬億元，2010年達到41.3萬億元，2017年中國國內(nèi)生產(chǎn)總值超過日本，達到82.08萬億元，成為世界第二大經(jīng)濟體。但隨著我國經(jīng)濟發(fā)展進入新常態(tài)，經(jīng)濟增長速度有所降低，經(jīng)濟發(fā)展進入增長速度換擋期、結構調(diào)整陣痛期和前期刺激政策消化期的“三期疊加”以及資本積累速度下降、人口紅利消失和“干中學”技術進步效應削減的“三期沖擊”時期，需要尋求更優(yōu)質(zhì)的經(jīng)濟增長方式。長江經(jīng)濟帶11個省市中經(jīng)濟體量最大的是江蘇省，2018年的GDP達到了9.26萬億元，其次為浙江、四川，2018年的GDP分別為5.62萬億元、4.07萬億元；上游地區(qū)的云南、貴州兩省經(jīng)濟體量較小，兩省之和與上海市GDP相當。在長江經(jīng)濟帶11個省市中，人均GDP最高的省市均分布在下游地區(qū)，上海市人均GDP 2018年達到13.5萬元，遠高于其他省市；緊跟其后的是江蘇、浙江，2018年的人均GDP分別為11.52萬元和9.86萬元。重慶和湖北分別是上游地區(qū)和中游地區(qū)人均GDP最高的省市，2018年達到了4.89萬元和6.67萬元；上游地區(qū)的云南、貴州仍然最低，其人均GDP分別為3.72萬元和4.12萬元。

（三）經(jīng)濟增長相對量分析

衡量一國或一地區(qū)經(jīng)濟增長除了用GDP這一指標外，許多學者在研究中也較多采用了GDP增長率這一指標，如劉曉光（2018）［21］、徐 常 建（2019）［22］采用了GDP增長率和人均GDP增長率指標衡量經(jīng)濟增長。與GDP這一指標相比，GDP增長率更能體現(xiàn)出GDP增長的變化速度，更能直觀地判斷經(jīng)濟發(fā)展處于何種階段。

圖1顯示了2000-2018年長江經(jīng)濟帶11個省市的GDP增長率，GDP增長率集中分布在10%的上下兩側(cè)。以2010年為界，各省市的GDP增長率經(jīng)歷了緩慢上升又緩慢下降的過程，2010年以前，GDP年均增長率為10.68%，2010年以后，GDP年均增長率下降到了8.97%，近年來GDP增長速度更是降到了8%以下。從圖1還可看出，浙江、江蘇、江西在2010年以前增長率較其他省份較高，但2010年以后，GDP增長率已沒有明顯優(yōu)勢；但貴州、重慶等地在2010年之前GDP增長率較低，2010年以后，GDP增長率呈現(xiàn)出較高的水平。

圖1 長江經(jīng)濟帶省市GDP增長率

三、結構性去杠桿與經(jīng)濟增長的實證研究

（一）變量選擇

本文重點研究結構性杠桿差異對經(jīng)濟增長的影響，因此選擇衡量經(jīng)濟增長的代理變量作為被解釋變量，衡量銀行業(yè)金融部門、非金融企業(yè)部門、居民部門杠桿率的代理變量作為核心解釋變量，并選取了一系列的控制變量，使構造的模型符合經(jīng)濟事實。

1.被解釋變量

參考馬勇和陳雨露（2017）的做法，用GDP增長率作為經(jīng)濟增長的代理變量，記作gdprate［23］。

2.核心解釋變量

（1）銀行業(yè)金融部門杠桿率，記作flev。潘敏和袁歌騁（2018）認為，資產(chǎn)負債率、資產(chǎn)權益比等指標可以用來衡量金融機構的杠桿率［24］，此外用M2與GDP的比值也可衡量金融機構杠桿率（陳雨露，2014）［25］。但由于研究一國內(nèi)部不同省份的金融杠桿時，M2難以收集，因此本文用各省“銀行業(yè)金融機構存款余額/GDP”作為銀行業(yè)金融部門杠桿率的代理變量。

（2）非金融企業(yè)部門杠桿率，記作nlev。本文參考劉一楠（2016）［26］、喬小樂和宋林（2018）［27］的做法，從非金融企業(yè)的資產(chǎn)負債率角度衡量非金融企業(yè)部門杠桿率，將非金融企業(yè)部門杠桿率定義為“企業(yè)負責/總資產(chǎn)”。

（3）居民部門杠桿率，記作plev。潘敏和劉知琪（2018）在研究家庭杠桿水平與消費水平的關系時，將家庭總負債/家庭總資產(chǎn)作為家庭杠桿的代理變量，研究發(fā)現(xiàn)，家庭住房負債占家庭總負債的40.12%，其總資產(chǎn)包括土地、房產(chǎn)、金融資產(chǎn)、生產(chǎn)性固定資產(chǎn)和耐用消費品、家庭收入等［28］?；诖?，考慮研究數(shù)據(jù)的可獲得性，本文將“人均住宅用房銷售收入/城鎮(zhèn)人均可支配收入”作為居民部門杠桿率的代理變量。

3.其他控制變量

為了保證構造模型的科學性和完備性，在研究中加入產(chǎn)業(yè)結構高級化（第三產(chǎn)業(yè)總值占GDP比例/第二產(chǎn)業(yè)總值占GDP比例，記作high）、經(jīng)濟初始水平（GDP的一階滯后項，記作lngdplag）、技術研發(fā)（R&D支出，記作lnrd）、、資本形成率（資本形成總額/GDP，記作cap）、經(jīng)濟開放度（進出口總額/GDP，記作trade）、資本密集度（城鎮(zhèn)固定資產(chǎn)投資/城鎮(zhèn)人口，記作lnfix）、非金融機構流動資產(chǎn)份額（非金融機構流動資產(chǎn)總額/總資產(chǎn)，記作ncur）。在以上選擇的控制變量中，GDP一階滯后項、技術研發(fā)、資本密集度這三個變量其絕對值過大，為保持變量在數(shù)量級上的一致性，對這三個變量取自然對數(shù)。

各變量名稱及計算方法見表1所列。

（二）數(shù)據(jù)來源與處理

1.數(shù)據(jù)來源

為了對結構性杠桿差異與長江經(jīng)濟帶經(jīng)濟增長的關系進行充分的研究，本文選擇銀行業(yè)金融機構杠桿率、非金融企業(yè)部門杠桿率、居民部門杠桿率作為核心解釋變量，選擇GDP增長率作為衡量經(jīng)濟增長的被解釋變量。

本文所選擇變量的時間跨度是2000-2018年，其中，GDP、GDP增長率、銀行業(yè)金融機構貸款余額、人均住宅用房銷售收入、進出口總額、城鎮(zhèn)固定資產(chǎn)投資、城鎮(zhèn)人口、第三產(chǎn)業(yè)總值占GDP比例、第二產(chǎn)業(yè)總值占GDP比例、人口總量數(shù)據(jù)來自EPS全球統(tǒng)計數(shù)據(jù)分析平臺，非金融企業(yè)負債、非金融企業(yè)總資產(chǎn)、非金融企業(yè)流動資產(chǎn)份額數(shù)據(jù)來自RESSET金融研究數(shù)據(jù)庫，資本形成總額數(shù)據(jù)來自國家統(tǒng)計局。其中，個別變量的個別值在地方統(tǒng)計年鑒或地方國民經(jīng)濟和社會發(fā)展統(tǒng)計公報上進行查找。各變量特征描述性統(tǒng)計見表2所列。

2.數(shù)據(jù)處理

本文所研究期間為2000-2018年，因此將2000年作為基期，對各年份的數(shù)據(jù)進行平減處理，年度平減指數(shù)見表3所列。由于進出口總額是以美元計價的，本文先將各年度以美元計價的進出口總額乘以當年一月的匯率，轉(zhuǎn)換為人民幣單位，再進行平減處理。為了保證各變量在數(shù)量級上的一致性，本文對GDP、技術研發(fā)、政府支持、資本密集度、消費能力、人口等變量進行了取自然對數(shù)處理，由于其他變量都是以比值的形式存在，大部分的數(shù)值都小于1，因此沒有進行取對數(shù)處理。對于數(shù)據(jù)中存在的個別缺失值，通過線性插值法進行了補全。

表3 年度平減指數(shù)

由于本文有3個核心解釋變量和8個控制變量，為了避免在回歸結果中出現(xiàn)偽回歸，首先進行了多重共線性檢驗，檢驗結果顯示VIF統(tǒng)計量的均值為5.27，且大多數(shù)變量的VIF統(tǒng)計量小于10，回歸系數(shù)的P值十分顯著，因此判斷此面板數(shù)據(jù)不存在多重共線性問題。本文所選擇變量的時間跨度為2000-2018年，需要對面板數(shù)據(jù)進行平穩(wěn)性檢驗，檢驗結果顯示面板數(shù)據(jù)中的flev、plev、lnrd、lntrade、lncap等多個變量存在單位根，因此對非平穩(wěn)變量進行一階差分后再進行平穩(wěn)性檢驗，平穩(wěn)性檢驗結果顯示一階差分后的變量不存在單位根。

（1）交互效應模型設定。本文運用固定效應模型研究核心解釋變量與其他變量的交互效應。對面板數(shù)據(jù)的回歸模型可以有多種構建方法，若假設面板數(shù)據(jù)的所有個體都擁有相同的回歸方程，則可以進行“混合回歸”（pooled regression），若不同個體回歸方程的截距項不同時，混合回歸的結果將不再是有效的。本文參考劉曉光（2018）的做法，構建如下的交互效應模型［21］：

其中，gdprate為經(jīng)濟增長的代理變量；μi為個體固定效應；λt為時間固定效應；εit為隨機擾動項；XiXj為核心解釋變量與其他變量的交互項；controlXjit為控制變量，包括GDP對數(shù)值的滯后項（lngdplag），用來控制經(jīng)濟初始水平、技術研發(fā)（lnrd）、非金融企業(yè)流動資產(chǎn)份額（ncur）、產(chǎn)業(yè)結構高級化水平（high）、經(jīng)濟開放度（trade）、資本密集度（lnfix）、資本形成率（cap）。

（2）門檻模型設定。在對宏觀經(jīng)濟增長與杠桿率水平門檻效應的研究中，根據(jù)具體的研究問題可以選擇不同的門檻變量，如王桂虎（2019）選擇了借貸利率與金融穩(wěn)定指數(shù)的滯后一期值作為門檻變量［18］，王愛儉（2017）選取了銀行信貸余額與股票市場市值之和占GDP的比重、儲蓄投資轉(zhuǎn)化率、股票市場市值與銀行信貸余額之比分別作為門檻變量［29］。本文根據(jù)研究的具體問題，選擇產(chǎn)業(yè)結構高級化水平（high）作為門檻變量，驗證產(chǎn)業(yè)結構高級化水平的變化通過對各部門杠桿率產(chǎn)生影響，進而影響經(jīng)濟增長。參考Hansen（1999）提出的門檻模型，本文構造了如下的門檻模型［17］：

其中，gdprate為經(jīng)濟增長的代理變量；levit為各部門杠桿率水平，包括dflev、nlev、dplev；產(chǎn)業(yè)結構高級化水平（high）為門檻變量；λi為門檻值；∑βjcontrolXjit為控制變量，與上文一致；εit為隨機擾動項。

（三）交互效應研究

表4顯示了主要變量的相關系數(shù)，可以看出，作為核心解釋變量的銀行業(yè)金融機構杠桿率（flev）、非金融企業(yè)部門杠桿率（nlev）、居民部門杠桿率（plev）與大部分的控制變量都十分相關。在1%的顯著性水平下，銀行業(yè)金融部門杠桿率與產(chǎn)業(yè)結構高級化水平（high）、經(jīng)濟初始發(fā)展水平（lngdplag）、技術研發(fā)（lnrd）、資本形成率（cap）、經(jīng)濟開放水平（trade）、資本密集度（lnfix）高度相關；非金融企業(yè)部門杠桿率在1%的統(tǒng)計水平上與研發(fā)投入（lnrd）相關，在5%的統(tǒng)計水平上與經(jīng)濟初始發(fā)展水平（lngdplag）相關；居民部門杠桿率在1%的顯著水平上與產(chǎn)業(yè)結構高級化水平（high）、經(jīng)濟初始發(fā)展水平（lngdplag）、研發(fā)投入（lnrd）、經(jīng)濟開放水平（trade）、資本密集度（lnfix）相關。許多控制變量也在極高的顯著水平上與被解釋變量經(jīng)濟增長速度（gdprate）相關，因此本文推斷核心解釋變量會與控制變量相互依賴、相互制約，共同對因變量的變化發(fā)生影響，即文中變量很可能存在交互效應。

表4 變量相關系數(shù)

在接下來的分析中，重點研究各部門的杠桿率水平與控制變量的交互效應。在實證分析中，用核心解釋變量與控制變量的乘積項表示交互效應的衡量變量，如X1X2代表兩個變量的交互效應，其系數(shù)代表效應的大小。通過實證分析與驗證，本文選擇銀行業(yè)金融機構杠桿率與研發(fā)投入、產(chǎn)業(yè)結構高級化水平、資本密集度、非金融企業(yè)流動資產(chǎn)份額的乘積作為交互效應的衡量變量，分別表示為fr、fh、ff、fn；選擇非金融企業(yè)杠桿率差分項與研發(fā)投入、資本密集度、非金融企業(yè)流動資產(chǎn)份額的乘積作為交互效應的衡量變量，分別表示為nr、nf、nn；選擇居民部門杠桿率差分項與產(chǎn)業(yè)結構高級化水平、資本形成率、經(jīng)濟開放度、非金融企業(yè)流動資產(chǎn)份額的乘積作為交互效應的衡量變量，分別表示為ph、pc、pj、pn。通過分別加入交互項進行回歸，回歸結果見表5至表7的模型3至模型6所列。模型1是不考慮交互效應與控制變量的核心解釋變量回歸結果，模型2是僅加入核心解釋變量與控制變量的回歸結果，其目的是與加入交互項的回歸結果進行對照，驗證交互項的效果。

1.銀行業(yè)金融部門杠桿率的交互效應

表5為銀行業(yè)金融部門交互效應回歸結果。從表5可以看出，核心解釋變量的顯著性水平在模型1至模型6中都十分顯著，且系數(shù)符號保持一致，銀行業(yè)金融機構杠桿率水平差值的增加阻礙經(jīng)濟增長速度的提升，非金融企業(yè)部門杠桿率水平增加有助于提高經(jīng)濟增長速度，居民部門杠桿率水平差值的增加有助于提高經(jīng)濟增長速度。在加入的交互項中，fh在5%的顯著性水平上顯著，且符號為正，表明產(chǎn)業(yè)結構高級化水平的上升可以提高經(jīng)濟增長速度，其原因可能是產(chǎn)業(yè)結構高級化水平的上升提高了資金的使用效率，增強了杠桿率變化促進經(jīng)濟增長的作用；fr在1%的顯著性水平上顯著，且符號為負，表明技術研發(fā)的增加會顯著加大杠桿率提升對經(jīng)濟增長的阻礙作用，可能是技術研發(fā)的增加使用了過多的杠桿資金，加劇了銀行業(yè)金融部門的債務壓力；交互項ff在1%的顯著性水平上顯著，且符號為正，表明資本密集度的上升可以加大杠桿率提高對經(jīng)濟增長的促進作用，可能因為固定資產(chǎn)投資是銀行業(yè)金融部門融入資金的一種有效使用方式，其收益足以彌補還本付息的財務壓力，并可以獲取收益，有助于經(jīng)濟增長；交互項fn在10%的統(tǒng)計水平上顯著，且符號為正，表明非金融企業(yè)流動資產(chǎn)份額的上升可以加大銀行業(yè)金融機構杠桿率提高對經(jīng)濟增長的促進作用。

表5 銀行業(yè)金融部門交互效應回歸結果

2.非金融企業(yè)部門杠桿率的交互效應

從表6可以看出，核心解釋變量dflev的系數(shù)在所有模型中顯著為負，nlev的系數(shù)在所有模型中顯著為正，dplev的系數(shù)在所有模型中顯著為正，表明回歸模型不存在明顯錯誤，回歸結果具有可信度。交互項nr在5%的顯著水平上顯著，且符號為負，表明增加技術研發(fā)會加大非金融部門杠桿率提高對經(jīng)濟增長的阻礙作用，本文認為這與技術研發(fā)資金量大、不能在當期產(chǎn)生效益以及會產(chǎn)生大量待付的利息有關；交互項nf在1%的顯著性水平上顯著，且符號為負，表明資本密集度的增加會加大杠桿率提高對經(jīng)濟增長的阻礙作用，其原因是資本密集度增加是由于固定資產(chǎn)投資增加引起，而固定資產(chǎn)投資的增加會占用非金融企業(yè)大量資金，且不能在當期取得回報；交互項nn在1%的顯著性水平上顯著，且符號為正，表明非金融企業(yè)流動資產(chǎn)份額的增加可以加大杠桿率提高對經(jīng)濟增長的促進作用，其原因是流動資產(chǎn)份額的增加有利于增強非金融企業(yè)抵抗突發(fā)性財務風險與經(jīng)濟危機的能力，提升促進經(jīng)濟增長的能力。

表6 非金融企業(yè)部門交互效應回歸結果

3.居民部門杠桿率的交互效應

從表7可以看出，核心解釋變量的顯著性水平與系數(shù)符號與前文一致，回歸結果十分可信。交互項ph、pn在回歸模型3和模型6中顯著性水平較高，且回歸系數(shù)在1%的顯著性水平上為正，表明產(chǎn)業(yè)結構高級化水平、非金融企業(yè)流動資產(chǎn)份額的上升加大了居民部門杠桿率差值擴大對經(jīng)濟增長的促進作用；交互項pc、pj在回歸模型4和模型5中的顯著性水平上顯著為負，且回歸系數(shù)在1%的統(tǒng)計水平上顯著為負，表明資本形成率、進出口總額的增加加大了居民部門杠桿率對經(jīng)濟增長的阻礙作用。

表7 居民部門交互效應回歸結果

續(xù)表7

（四）門檻效應分析

如何研究長江經(jīng)濟帶經(jīng)濟增長問題是一個較為復雜的難題，各部門杠桿率對經(jīng)濟增長速度的影響并不一定是一種線性關系，許多中間變量也會影響各部門杠桿率與經(jīng)濟增長速度的關系。本文經(jīng)過理論分析與模型試驗，得出產(chǎn)業(yè)結構高級化水平對于經(jīng)濟增長速度具有顯著的門檻效應，因此選擇產(chǎn)業(yè)結構高級化水平（high）作為門檻變量構造門檻模型，進一步研究分析產(chǎn)業(yè)結構高級化水平的門檻效應。

在進行門檻回歸之前，本文應用Hansen（1999）提出的格點搜索方法確定回歸模型中存在的門檻值，并運用自抽樣法對存在的門檻值的顯著性進行檢驗?；诖朔椒?，本文將門檻模型中的所有修正比例設定為0.05，格點值設定為400，自抽樣次數(shù)設定為500。將產(chǎn)業(yè)結構高級化水平（high）作為門檻變量進行研究，門檻值參數(shù)估計結果見表8所列。

表8 門檻模型參數(shù)估計

由表8可知，當以銀行業(yè)金融機構杠桿率、非金融企業(yè)杠桿率、居民部門杠桿率作為解釋變量時，產(chǎn)業(yè)結構高級化水平具有不同的門檻值，其中銀行業(yè)金融機構杠桿率對應的門檻變量表現(xiàn)出單一門檻效應，門檻值為1.070 7；非金融企業(yè)杠桿率對應的門檻變量表現(xiàn)出雙重門檻效應，門檻值分別為0.747 4、1.000 0；居民部門杠桿率對應的門檻變量不存在門檻效應。

表9顯示了以消費能力作為門檻變量、以銀行業(yè)金融機構杠桿率和非金融企業(yè)杠桿率分別作為解釋變量時的門檻模型回歸結果。

在以銀行業(yè)金融機構杠桿率作為解釋變量的回歸結果中，產(chǎn)業(yè)結構高級化水平具有單一門檻效應，當產(chǎn)業(yè)結構高級化水平小于1.070 7時，dflev的系數(shù)為-0.118，且在1%的統(tǒng)計水平上顯著，說明銀行業(yè)金融機構杠桿率每兩期的差值增加一個單位，會使得經(jīng)濟增長速度降低0.118個單位；當人均可支配收入對數(shù)值大于1.070 7時，dflev的系數(shù)為-0.030 9，且在10%的統(tǒng)計水平上顯著，說明銀行業(yè)金融機構杠桿率每兩期的差值增加一個單位，會使得經(jīng)濟增長速度降低0.030 9個單位。隨著產(chǎn)業(yè)結構高級化水平的增強，銀行業(yè)金融機構杠桿率增加對經(jīng)濟增長的阻礙作用呈現(xiàn)出減小的趨勢，但仍然表現(xiàn)出負向效果，這與銀行業(yè)金融機構杠桿率過高會增加金融危機風險以及財務危機密不可分。nlev的系數(shù)為0.037 1，且在1%的統(tǒng)計水平上顯著，dplev的系數(shù)為0.102，且在5%的統(tǒng)計水平上顯著，表現(xiàn)出對經(jīng)濟增長的促進作用。

在以非金融企業(yè)部門杠桿率作為解釋變量的回歸結果中，產(chǎn)業(yè)結構高級化水平具有雙重門檻效應，當產(chǎn)業(yè)結構高級化水平小于0.747 4時，nlev的系數(shù)為0.068 1，且在1%的統(tǒng)計水平上顯著，表明此時非金融企業(yè)部門的杠桿率增加一個單位，會使得經(jīng)濟增長速度增加0.068 1個單位；當產(chǎn)業(yè)結構高級化水平大于0.747 4且小于1時，nlev的系數(shù)為0.032 7，且在1%的統(tǒng)計水平上顯著，表明此時非金融企業(yè)部門的杠桿率增加一個單位，會使得經(jīng)濟增長速度增加0.032 7個單位；當產(chǎn)業(yè)結構高級化水平大于1時，nlev的系數(shù)為-0.005 97，卻不再顯著，結果不可信。隨著產(chǎn)業(yè)結構高級化水平的變化，非金融企業(yè)部門杠桿率對經(jīng)濟增長速度的影響表現(xiàn)出逐漸減弱效果，這是因為產(chǎn)業(yè)結構高級化水平的上升會使得第二產(chǎn)業(yè)的比重下降，拉低以第二產(chǎn)業(yè)為主的非金融企業(yè)對經(jīng)濟增長的促進作用。dflev的系數(shù)為-0.052 9，且在1%的統(tǒng)計水平上顯著，對經(jīng)濟增長表現(xiàn)出顯著的阻礙作用；dplev的系數(shù)為0.078 9，且在5%的統(tǒng)計水平上顯著，表現(xiàn)出對經(jīng)濟增長顯著的促進作用。

表9 門檻模型參數(shù)估計結果

（五）穩(wěn)健性檢驗

為了驗證回歸模型中被解釋變量與核心解釋變量回歸系數(shù)的數(shù)值和顯著性，需要對回歸模型進行穩(wěn)健性檢驗。實證分析中穩(wěn)健性檢驗的方法有很多，本文參考馬勇、陳雨露（2017）的研究，運用工具變量解決模型中存在的內(nèi)生性問題［23］。由于銀行業(yè)金融部門杠桿率與經(jīng)濟增長速度非常相關，因此判斷銀行業(yè)金融部門杠桿率為內(nèi)生變量，采用工具變量法解決存在的內(nèi)生性問題，具體的工具變量見表10所列。由表10可知，卡方統(tǒng)計量的P值全都大于0.1，顯著拒絕了所有工具變量都為內(nèi)生變量的假設，因此判斷工具變量為外生變量，可以進一步使用工具變量進行廣義矩估計。

表10 銀行業(yè)金融機構工具變量

表11顯示了運用工具變量的所有回歸結果，模型2至模型5顯示了以不同變量作為工具變量的廣義矩估計回歸結果，模型1是運用模型2的工具變量進行的兩階段最小二乘法（2SLS）回歸結果，是為了與廣義矩估計的結果進行對照。

表11 工具變量模型回歸結果

從表11的模型2至模型5可以看出，當運用不同的變量作為dflev的工具變量進行廣義矩估計時，回歸結果的顯著性水平都很高，核心解釋變量dflev的符號顯著為負，nlev的系數(shù)顯著為正，dplev的系數(shù)顯著為正，這與前文的估計結果一致。表明銀行業(yè)金融機構杠桿率每兩期差值的增大對經(jīng)濟增長有顯著的阻礙作用，而非金融企業(yè)部門和居民部門杠桿率的上升有助于促進經(jīng)濟增長。在與模型1的對照中可以發(fā)現(xiàn)，當使用相同的工具變量進行回歸時，兩階段最小二乘法與廣義矩估計回歸結果的系數(shù)大小和顯著性相差很小，說明運用工具變量的廣義矩估計回歸結果十分可信。在所有的回歸結果中，GDP對數(shù)值的一階滯后項的顯著性都非常高，均在1%的統(tǒng)計水平上顯著，其符號都為負，表明上一期經(jīng)濟體量越高，對下一期經(jīng)濟增長的阻礙越明顯。

四、研究結論與政策建議

本文運用長江經(jīng)濟帶11個省份2000-2018年的平衡面板數(shù)據(jù)，構造交互效應模型與門檻效應模型，實證分析了結構性去杠桿對經(jīng)濟增長的影響，研究得出不同經(jīng)濟部門杠桿率水平對經(jīng)濟增長具有不同的影響效果。

通過交互效應模型研究得出，不同經(jīng)濟部門杠桿率水平對經(jīng)濟增長速度的變化具有不同的影響，銀行業(yè)金融機構部門杠桿率水平的上升會顯著降低經(jīng)濟增長速度，非金融企業(yè)部門、居民部門杠桿率水平的上升會促進經(jīng)濟增長速度的提高。各經(jīng)濟部門杠桿率水平與經(jīng)濟增長速度具有非線性關系，各經(jīng)濟部門杠桿率的交互效應十分顯著。銀行業(yè)金融機構部門杠桿率水平會通過研發(fā)投入、產(chǎn)業(yè)結構高級化水平、資本形成率等因素影響經(jīng)濟增長速度；非金融企業(yè)部門杠桿率會通過研發(fā)投入、產(chǎn)業(yè)結構高級化水平、資本形成率、非金融企業(yè)流動資產(chǎn)份額等因素影響經(jīng)濟增長速度；居民部門杠桿率會通過研發(fā)投入、產(chǎn)業(yè)結構高級化水平、經(jīng)濟開放水平、資本密集度等因素影響經(jīng)濟增長速度。

通過門檻模型研究得出，產(chǎn)業(yè)結構高級化水平與經(jīng)濟增長具有顯著的門檻效應。在以產(chǎn)業(yè)結構高級化水平作為門檻變量的研究中，銀行業(yè)金融機構杠桿率表現(xiàn)出單一門檻效應，當產(chǎn)業(yè)結構高級化水平高于門檻值時，銀行業(yè)金融機構杠桿率水平上升對經(jīng)濟增長的阻礙作用顯著減弱；非金融企業(yè)杠桿率表現(xiàn)出雙重門檻效應，當產(chǎn)業(yè)結構高級化水平高于門檻值時，非金融企業(yè)部門杠桿率水平上升對經(jīng)濟增長的促進作用顯著減弱。

上述研究結論表明各部門杠桿率水平與長江經(jīng)濟帶經(jīng)濟增長存在顯著的交互效應與門檻效應。本文認為要增強結構性去杠桿效果，提高長江經(jīng)濟帶經(jīng)濟發(fā)展能力，可以從以下兩方面入手：

（1）深入落實結構性去杠桿政策。從邏輯上看，高杠桿率的危害在于杠桿率的錯配，以及杠桿率錯配引起的社會資源的錯配，導致資源利用效率低下，而不在于杠桿率高低本身。我國居民部門、金融企業(yè)部門和非金融企業(yè)部門的杠桿率不盡相同，不同經(jīng)濟部門的債務結構和防范風險的能力不同，在采取降杠桿手段時不能采取一刀切的政策，要在保持經(jīng)濟社會總體杠桿率平穩(wěn)的情況下，實現(xiàn)局部去杠桿以及杠桿率在各經(jīng)濟部門的轉(zhuǎn)移。

（2）提高產(chǎn)業(yè)結構高級化水平，提升經(jīng)濟發(fā)展質(zhì)量。提高產(chǎn)業(yè)結構高級化水平，可以顯著降低銀行業(yè)金融機構杠桿率上升對經(jīng)濟增長的阻礙作用。同時，在產(chǎn)業(yè)結構高級化水平上升過程中，重視非金融企業(yè)部門杠桿率提升對經(jīng)濟增長的正向促進作用。