金融业成28省份支柱产业 对12省份GDP拉动率超过1%-中新网
金融业成28省份支柱产业 对12省份GDP拉动率超过1%
日 00:17　来源：中国经济周刊 　
　　中国金融业增加值占GDP比重， 超过美、日、英等发达国家
　　金融业成28省份支柱产业
对12省份GDP拉动率超过1%
　　防范风险、服务实体经济成为行业发展主基调
　　近期，有关我国金融业增加值占GDP比重(下称“金融业增加值占比”)是否过高引发讨论。有分析认为，我国金融业增加值占比甚至高于美国，而这一指标的高企恰恰是泡沫存在的表现。同时，一些地方更是“热衷”金融业。
　　那么，当前我国金融业增加值占比情况究竟如何？这一占比意味着什么？具体到31个省份，金融业又有怎样的表现？
　　年，11年间我国金融业增加值占比翻番
　　国家统计局颁布的《国民经济行业分类与代码》显示，我国金融业由货币金融服务、资本市场服务、保险业以及其他金融活动四个子行业组成。因此，金融业增加值由银行业、证券业、保险业和其他金融活动四个子部门加总得来。
　　《中国经济周刊》记者根据Wind资讯提供的数据，选取1996年到2015年这20年的时间跨度进行统计。
　　从金融业增加值占比来看，我国金融业所占比重1996年至2002年在5%左右，2003年至2006年接近4%，2007年以来不断走高至2015年的8.4%。从2005年4%的低点至%的高点，在这11年间，我国的金融业增加值占比翻了一番。
　　与美英日等发达国家相比，我国金融业增加值占比于2013年超过美国，于2015年超过英国。2015年，中美日英四国的金融业增加值占比分别为8.4%、7.2%、4.4%、7.2%，中国已超过另外三国。
　　而央行2012年公布的《金融业发展和改革“十二五”规划》曾提出，在“十二五”时期，金融服务业增加值占国内生产总值比重保持在5%左右。但事实的发展已经超出5%的目标。有分析认为，我国金融业增加值占比超过美日等发达国家并不是一件值得骄傲的事，而恰是泡沫的表现。
　　从金融业增加值增速来看，我国金融业增速自1996年至2004年一直低于同时期的GDP增速和工业增速，且低于10%，2010年至2011年这两年与此情况类似；而在2005年至2009年和2012年至2015年这两个时间段，我国金融业增速明显高于GDP增速和工业增速，2007年达到25.8%的高点。
　　为何在上述两个时间段，我国金融业增速迅猛？青岛银行首席经济学家赵建认为，这与2007年世界金融危机和2012年欧债严重危机有很大关系。
　　他向《中国经济周刊》记者分析说：“为了应对2007年世界金融危机，中央果断推出了‘四万亿’计划，直接通过商业银行发放信贷的形式，向失去动力的经济体系注入‘血液’，开启了商业银行资产负债表大扩张的周期，并由此带来了整个金融业产能的快速扩大和积累。”
　　赵建分析，2011年之后，中国的信贷刺激政策告一段落，本来金融产能开始逐步消化和释放，“而欧债危机重新让世界陷入危机救助模式，美国加大了量化宽松(QE)力度，先后推出QE2、QE3、QE4。当时，我国面临人民币升值压力，美国QE超发的货币通过各种渠道进入中国，不但增加了我国的外汇储备，也带来了人民币的持续升值，这又进一步吸引大量美元进入国内。在中国强制结售汇制度下，进入央行资产负债表的美元都结算为人民币成为基础货币，为商业银行资产规模的扩张打下流动性基础。因为基础货币到广义货币的传导是有乘数效应的，因此在最高峰有近4万亿美元外汇储备的情况下，假设货币乘数为4.5，可以支撑商业银行创造超过120万亿的广义货币规模，这是次贷危机后中国金融产能大扩张的另一个原因。”
　　金融业增加值
　　在国民经济核算中，金融业增加值是金融部门在一定时期内通过提供金融服务创造的价值总量，由融资服务增加值和中间服务增加值组成。融资服务增加值是金融机构提供吸收存款和发放贷款、发行和购买证券等资金融通活动形成的产出；中间服务增加值是金融机构从事证券交易、投资管理、结算、外汇交易等不具有融资性质的中间服务的产出。
　　28个省份金融增加值占比超5%，成地方支柱产业
　　具体到全国31个省份，不少省份在制定金融业“十二五”“十三五”发展规划时都提出了一些明确的量化指标。
　　一些省份在其金融业“十二五”规划里曾提出要大力发展金融业，如新疆提出，金融业增加值年均增速不低于15%；天津提出，金融业增加值将由2010年的561亿元增加到2015年的1800亿元，占规划地区生产总值16000亿元的11.2%。实际上天津2015年GDP为16538.19亿元，虽然金融业增加值为1603.23亿元，但天津金融业增加值仍占比9.7%。
　　四川、宁夏、湖南等省份在制定金融业“十三五”规划时，也把提高金融业增加值占比作为发展目标，例如：到2020年末，四川的金融业增加值占比10%左右，而2016年为8%；宁夏的金融业增加值占比10%左右，而2016年为9.1%；湖南的金融业增加值占比6%左右，而2016年为4.1%。
　　一般来讲，当一个产业的增加值占GDP比重达5%以上，就会被称为支柱性产业。
　　《中国经济周刊》统计了2016年全国31个省份的金融业增加值占比和金融业对GDP拉动率情况。
　　数据显示，除了山东、吉林和湖南3省份外，余下的28个省份的金融业增加值占比均超过5%，成为各省份名副其实的支柱性产业。其中，上海和北京的金融业增加值占比均超过17%。
　　从金融业增加绝对值来看，广东最高为6501.85亿元，西藏最低仅为96.24亿元，前者是后者的67.56倍。
　　而计算金融业对GDP的拉动率相对复杂。有分析人士介绍说，首先根据一个省份2016年金融业增加值增量与2016年GDP增量之比得出金融业的产业贡献率，再乘以2016年的GDP增速，得出相应结果。《中国经济周刊》记者据此测算，2016年，山西、西藏、内蒙古等12个省份的金融业对GDP拉动率超过1个百分点。其中，山西省的拉动率最高，接近3%，而该省2016年的GDP增速为4.5%。
　　赵建向记者解释了地方政府热衷发展金融业的四个原因：第一，金融业是可以很快见效的行业，不像制造业等产业需要较长的固定资产投资周期，还需要建一些配套的基础设施等，能很快见产值和效益。“在金融业快速发展的那几年，新建立的金融机构，无论是银行还是信托、证券、基金等，当年都可以实现盈利。”
　　第二，金融业是纳税大户，在很多实体企业效益越来越不好、纳税越来越少的情况下，金融业仍然贡献稳定且大额的税收，对当地的财政有巨大的支持作用。
　　第三，金融业属于第三产业，金融业的发展可以提升当地的第三产业产值占比，对当地政府来说属于重要的政绩，尤其是当前对地方政府的考核越来越重视产业结构的改善。
　　第四，发展金融业可以更好地支持当地政府的各项投资，政府平台贷款和地方债需要依靠当地金融机构来投放、发行、承销和购买，因此发展金融业对地方政府的财政投资也有很大的好处。
　　部分地方政府“热衷”金融，究竟有何风险？
　　赵建提醒，地方政府如果忽视当地环境承载能力，过度热衷发展金融业，可能会带来资源配置不当，挤出当地具有竞争力的优势特色产业。“更重要的是，由于地方上的监管技术和力量不足，金融业过度发展可能会带来区域性系统风险，同时地方政府处置和应对危机能力也相对较弱， 可能会产生更加严重的影响。当然，地方政府如果能够顺应金融监管和金融科技发展的大趋势，充分利用金融科技的力量，大力发展旨在服务实体经济和小微企业的新型金融机构，那么对当地经济的影响则是积极和有益的。”
　　是过度金融化？还是金融发育不足？
　　前不久，全国人大财经委副主任委员黄奇帆曾分析金融业增加值占比增长背后金融业“脱实向虚”的隐忧：银行把钱借给小银行，小银行把钱借给租赁公司，租赁公司把钱给了小贷公司，小贷公司把钱贷给各种金融业，自我循环过程中每一个金融企业都要有利润，都要有用工成本，这些成本就是金融业的GDP，所以金融业GDP如果多了一倍，意味着实体经济的融资成本也提高了，转化为利润、税收和金融业的GDP。
　　因此，随着我国金融业增加值占比的增加，也引发了外界对经济过度金融化的担忧。赵建向记者分析说：“当前经济的确存在过度金融化的问题，如果一直这么下去对经济的影响是显而易见的。”
　　他认为，过度金融化会造成三方面的风险和危害。
　　首先，过度金融化会导致风险迅速积累。金融是一个高风险行业，尤其是发达国家的金融危机已经表明，金融业占GDP的比重越高，潜在的风险越大，因为大量的投资为了追求高收益而将资金配置到高风险的资产上。美国次贷危机发生以前，次级债这样的垃圾债竟然成为投资者竞相配置的热点，这在以前是不可思议的。
　　其次，过度金融化会导致监管成本越来越高，经济运行越来越不稳定。整个金融产业链越来越长、交易结构越来越复杂，对监管造成巨大的挑战，监管的难度越来越大，国家向监管体系投入的资源也越来越多，而且在监管过松和监管过度之间也很难拿捏，稍有不慎还会造成监管不当风险，导致经济不稳定比如发生钱荒、债灾等。
　　再次，过度金融化会导致资源错配，形成对实体经济的资源挤出。实体经济收益率越来越低，但融资成本却相对越来越高；大量的要素资源，包括人才和金融资源本身，从实体经济向金融产业转移，对经济造成“挤出效应”。
　　不过，恒丰银行研究院执行院长董希淼对《中国经济周刊》记者表示：“因为我国长期以来处于经济学理论上的‘金融抑制’状态，金融市场自由化程度低，金融机构市场机制不足，政府对金融体系严格管制，对利率、汇率等干预较多。”因此他更倾向认为，目前所谓的过度金融化是一种表象，其深层次的原因在于两个方面：一方面是当前实体经济比较困难，制造业在尚未完成转型升级时后劲不足，逐利的资金自然流入金融业；另一方面，金融供给结构相对老化，尚未与经济结构转型升级完全对接，金融供给仍然存在所有制偏好。
　　国家外汇管理局国际收支司原司长、中国金融四十人论坛(CF40)高级研究员管涛也认为，尽管全球金融危机后，中国货币供应快速扩张，中国金融业的扩张速度加快，但没有改变中国金融体系发育不足的现实。
　　管涛引用数据称，从国家资产负债表的角度看，以金融资产与GDP之比来衡量，中国并不高，“截至2013年底，美国、日本、英国和加拿大分别为11.6、13.1、17.5和10.7，中国为6倍。”
　　2017年金融业增加值占比不断下降
　　去年底的中央经济工作会议和今年7月份的全国金融工作会议之后，金融业过快发展的势头正在得到遏制。
　　7月18日，国家统计局公布数据，2017年二季度金融业增加值相比去年同期增长3.2%，增速创2004年以来同期新低。同时，金融业增加值占二季度GDP比重为8.13%，较一季度下降1.39个百分点，也低于去年全年8.34%的水平。
　　为何金融业增加值占比有所下降？中国民生银行首席研究员温彬认为，今年以来，我国监管部门为落实“把防控金融风险放到更加重要的位置”的要求，相继出台了多项监管举措：央行将表外理财纳入广义信贷，银监会严格治理“三违反、三套利、四不当”等市场乱象，证监会也加强了对上市公司股权激励、重大资产重组及证券期货投资者适当性管理，保监会则加强了对万能险和保险机构股票投资行为的监管。这些监管举措利于促进金融回归服务实体经济的本质，防止金融过度创新。
　　东方证券首席经济学家邵宇对媒体表示，目前金融业的主基调是防风险、去杠杆、服务实体经济，在央行控制总量流动性、各部门严控杠杆率和金融风险的背景下，下半年金融业增加值增速预计会持续目前的低增速趋势，推动经济发展需要增强存量货币的利用效率。
　　社科院发布的《中国金融业高增长：逻辑与风险》也提出，把“十三五”时期金融业发展目标确定为8%，即金融服务业增加值占国内生产总值比重保持在8%左右。这并不意味着金融发展的停滞，而是把金融工作的重点聚焦于提高金融运行效率和更好服务实体经济上。
　　显然，8%的目标会与不少地方政府在其金融业“十三五”规划中提出的目标“打架”。
　　此外，管涛也建议，“中国需要通过发展的方式解决前进中的问题、化解运行中的风险。中国经济转型升级、供给侧结构性改革离不开金融业支持。当前在高度重视‘防风险、强监管’的同时，要避免过度监管的倾向。如果违背金融发展规律，要么可能效果不好、事与愿违，要么可能引爆风险、引发危机。”
　　《中国经济周刊》记者 贾国强 | 北京报道 (本文刊发于《中国经济周刊》2017年第33期)
【编辑:王忠会】
>经济新闻精选：
　| 　|　　|　　|　　|　　|　　|　
本网站所刊载信息，不代表中新社和中新网观点。 刊用本网站稿件，务经书面授权。
未经授权禁止转载、摘编、复制及建立镜像，违者将依法追究法律责任。
[] [] [京公网安备:-1] [] 总机：86-10-
Copyright &
. All Rights Reserved金融发展与经济增长的关系—现代经济理论派学说的计量考证_经济学毕业论文-人大经济论坛
您的位置：
金融发展与经济增长的关系—现代经济理论派学说的计量考证_经济学毕业论文
发布时间：
金融发展与经济增长的关系—现代经济理论派学说的计量考证_经济学毕业论文
金融发展与经济增长的关系
—现代经济理论派学说的计量考证
[摘 要] 本文通过理论上分析金融发展与经济增长的作用机制，利用经济发展的实际数据对二者相关性进行实证检验，并依据分析结果进行经济分析。计量结果显示，金融发展对我国的经济增长具有积极的推动作用，但力度有限；我国的金融发展滞后于经济增长，加快金融深化和金融体系改革有助于推动经济增长。
[关键词] 金融发展 金融深化 经济增长
一 理论基础：对现代经济学派理论的初步认识。
1 关于金融发展与经济增长的关系在理论和实证研究上一直存在着争议。古典经济学家认为金融发展与经济增长之间没有因果关系，货币金融变量对实体经济中只充当“面纱”角色，经济增长完全由实物部门决定；现代的经济学派更是认为金融发展与经济增长存在各种可能的关系，既有金融发展促进经济增长的观点，也有经济学家认为金融发展阻碍经济增长.
2. 现代经济学派的大部分研究结论都支持金融发展促进经济增长的观点，但是对于金融发展如何影响经济增长却存在许多争论。这些分歧大致可以分为两大派别，即金融结构论和金融压抑论。
以goldsmith(1969)为代表的金融结构论者认为金融发展对经济发展起积极的促进作用。因为良好的金融系统和金融体制利于资本的积累和资源源的优化配置，便于资金的融通储蓄向投资的转化，从而对经济增长起促进作用。其中部分经济学家认为金融发展是经济增长的一个必要条件。r.g. king & r. levine (1993) 的研究结果均对这一观点提供了经验支持，并从反面证实了落后的金融发展水平严重障碍了经济增长。rajan & zingales (1996) 、kunt & maksimovic (1996) 运用各国大量的行业数据进行分析，结果都显示金融发展水平与结构对经济增长的速度产生了实质性的影响。
而另一方面，以mckinnon（1973）与shaw（1973）为代表的金融压抑论认为，对于欠发达国家，实际利率和实际汇率的金融自由化是推动经济增长的重要途径，而低于均衡的实际利率与高估的国内货币等形式的金融压抑阻碍了经济的增长。gelb (1989)和fry (1988) 的对发展中国家实证分析也发现，实际利率较高的国家的经济增长平均高于实际利率较低或为负值的国家。
二．因素选择与模型设定
关于经济增长的决定因素，古典主义经济学认为，国民财富的增长取决于两个基本条件：一是专业分工促进劳动生产率的提高；二是劳动力数量与资本规模的增加。而现代的经济观点也认为，一国长期的经济增长取决于储蓄和投资，投资数量及投资效率是实现经济快速增长的关键因素。持续高速的经济增长需要高水平的储蓄与投资，高储蓄率、高投资率以及储蓄向投资的有效转化无疑是经济高速增长的重要原因。另一重要的原因就是劳动力、资本等生产要素的产出效率。
由以上分析得出，长期的经济增长一方面取决于由经济体中的储蓄和投资水平，另一方面取决于劳动力和资本等生产要素的生产效率，也即资本的投资效率。借鉴harrod－domar经济增长模型，将经济增长的决定因素分解为：
其中,y,I,s分别表示储蓄向投资转化的效率、国民收入、投资和储蓄。上式表示经济增长由一国经济中的储蓄率、储蓄向投资的转化率以及资本的产出比率决定，而这三个经济变量都受金融发展水平的影响。金融系统便利了储蓄流动、资源配置、风险管理、公司控制及产品交换，最终通过“资本积累”和“技术创新”这两条途径影响经济增长。金融发展（包括金融工具发展、金融市场发展及金融制度的发展）降低了信息与交易费用，使得那些最具潜力的投资者能够得到足够的资金进行技术革新和产品生产，从而提高了储蓄率、储蓄向投资的转化率以及投资的生产效率，进而影响到了储蓄水平、投资决策、技术创新及长期增长速度。金融市场的规模、金融部门的效率以及宏观经济金融政策都会对储蓄和投资产生影响，所以，金融系统通过作用于以上三个经济变量进而影响到经济增长，只要影响到上述三变量的任何因素最终都会影响到经济增长。基于以上分析，我们将从以下三方面选择代表性指标：
（1）储蓄率和投资的影响因素。在此，我们选用实际利率水平以及固定资产投资与GDP的比率分别作为储蓄和投资的代表指标。
（2）储蓄向投资的转化效率。决定储蓄向投资转化的效率主要取决于一国的金融发展水平和金融系统的效率。国内外一些学者的常研究指出资本市场的发育程度和效率会影响到储蓄向投资的转化，鉴于我国资本市场中股票市场的主导地位，用股票市场的直接融资余额与社会金融资产总量的比率衡量资本市场内的规模。
（3）资本产出效率的影响。影响产出效率的一个重要因素就是技术进步因素，度量指标在此用无形资本（人力资本和研发资本）与有形资本的比率表示．
（4）另外，M2作为金融发展指标也被考虑其中。
以GDP增长率作为被解释变量，以上述指标作为解释变量，从而建立如下多元线性回归模型，考虑到货币政策的时滞，用R(-1)表示滞后一期的实际利率，也即前期的实际利率对当期的经济增长具有相关性：
G=0+1M+2R(-1)+3I+4H+5F+
G: 表示国民生产总值；
H：表示技术进步因素，为无形资本（包括人力资本和R&D资本）与金融资产存量的比率；M：表示金融深化指标M2/GDP，为货币供给M2与GDP的比率；
R：为实际利率，即名义利率减去通货膨胀率；
I: 表示投资指标，为社会固定资产投资额占GDP的比重；
F: 表示融资结构，即资本市场的发展水平（直接融资余额与社会金融总量余额的比率）。这些金融发展的指标直接或间接地影响着长期的经济增长和资本积累。
三 统计数据：
gdp增长率及实际利率
年份gdp增长率
g（％）m2/gdp
m（％）实际利率
r（％）固定资产投资/gdp
i（％）人力资本和r&d资本/资本存量
h（％）直接融资/金融资产总量f(％)
.10 1.0.00
.80 -0.0.00
.00 3.1.68
.90 3.1.75
1.80 4.1.41
7.80 2.1.08
0.90 -2.1.48
.30 1.1.52
3.80 -0.2.39
2.00 -10.3.11
.10 -6.2.84
.70 6.4.78
.70 5.9.59
06.00 2.12.10
00.70 -3.12.90
00.40 -10.13.20
03.90 -3.14.00
.10 3.14.50
.20 6.17.20
.40 7.19.60
.10 5.21.70
.50 3.27.32
.90 2.26.08
所有数据来自利用的数据来源于《中国金融年鉴》、《中国统计年鉴》以及EIU CountryData网站，《计量经济学教材》以及校园网上已有的统计课程论文，计算整理而得．其中部分数据选取的依据是：
（1）变量H为人力资本与R&D资本之和与资本存量的比率。资本存量用社会金融资产总量表示，人力资本等于国家教育投资，R&D资本则用研究开发支出表示。
（2）R为实际利率，等于名义利率减去通货膨胀率。名义利率为当期长期国债的利率。
（3）F为融资结构，等于直接融资与金融资产总值之比，直接融资以股票融资额与债券发行额作为近似值，间接融资以金融机构各项存款作为近似值，金融资产总值则是直接融资与间接融资之和。
四 统计检验：
对模型直接回归结果为：
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 20:27
Sample(adjusted):
Included observations: 22 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
C-4.121-1.0
M-0.816-3.7
R(-1)0..0363
R-squared0.787767 Mean dependent var9.540909
Adjusted R-squared0.721444 S.D. dependent var3.137888
S.E. of regression1.656126 Akaike info criterion4.073840
Sum squared resid43.88407 Schwarz criterion4.371397
Log likelihood-38.81225 F-statistic11.87778
Durbin-Watson stat2.168376 Prob(F-statistic)0.000064
各解释变量在０．０５的显著水平下对被解释变量的影响都是显著的．模型如下：
G=0+1M+2R(-1)+3I+4H+5F+
（1）granger因果关系检验：我们选择模型中的金融变量，看它们是否能解释GDP增长。
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 10:41
Null Hypothesis:ObsF-StatisticProbability
M does not Granger Cause G22 0.30
G does not Granger Cause M 9.09
R(-1) does not Granger Cause G22 8.00
G does not Granger Cause R(-1) 10.69
F does not Granger Cause G22 0.49
G does not Granger Cause F 5.71
结果显示，在一阶条件下, 只有R(-1)可以认为是经济增长的原因，金融发展对经济增长的作用并不明显，反而经济的增长到促进着金融发展。那么金融发展是否对经济增长没有作用呢？ 对于金融发展与经济增长的因果关系争论，综合的观点认为金融发展和经济增长互为因果关系（Patrick，1966）。需求跟随型和供给引导型的金融发展在不同的经济发展阶段扮演不同的角色，供给引导型的金融发展在经济增长的初期处于主导地位，一旦经济发展进入成熟阶段，需求跟随型的金融发展将成为主流。Gupta（1984）和Jung（1986）分别使用Granger因果检验法，对发达国家和发展中国家的实证检验证实了这一理论的相关性。
后来提出的“门槛效应”进一步完善了这种观点。Greenwood & Jovanovic（1990）以及Levine（1992）的研究指出金融中介体系的组建存在较高的固定成本，导致金融发展与经济增长之间的“门坎效应”。由于门坎效应的存在，只有在其经济规模达到某一水平之后才能发展特定的金融体系，这时金融发展才会体现出对经济增长的促进作用。所以，低水平的经济发展使金融体系的发展受到限制，这又反过来阻碍了投资资源的优化配置，从而限制了经济的增长；而较高的经济发展水平会带来金融体系的充分发展，后者又为进一步的经济增长提供条件；因此只有在发达国家，才会出现金融发展与经济增长相互促进的良性循环。门坎效应的理论可以很好解释了发达国家与发展中国家的金融发展水平的差别。
许多国内外学者也对我国金融发展与经济增长关系进行了分析。谈儒勇（1999）的研究结论认为，国内的银行发展对经济增长具有促进作用，而股市发展对经济增长至多是弱效应。韩廷春（2001）的实证分析结论认为，技术进步与制度创新是经济增长的最为关键因素，而金融发展对经济增长的作用极其有限。
（2）单位根检验：
White Heteroskedasticity Test:
F-statistic0.254405 Probability0.980232
Obs*R-squared4.132379 Probability0.941178
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/11/05 Time: 20:32
Included observations: 22
VariableCoefficientStd. Errort-StatisticProb.
M^2-0.676-0.9
R(-1)-0.906-0.7
R(-1)^2-0.812-0.3
I^2-0.721-0.4
H-1.497-0.2
H^20..4953
F^20..8960
R-squared0.187835 Mean dependent var1.994730
Adjusted R-squared-0.550496 S.D. dependent var2.362356
S.E. of regression2.941580 Akaike info criterion5.302624
Sum squared resid95.18183 Schwarz criterion5.848145
Log likelihood-47.32886 F-statistic0.254405
Durbin-Watson stat2.870247 Prob(F-statistic)0.980232
resid:残差项ADF值在1%,5%,10%显著水平下都通过了检验，认为残差不存在单位根，模型具有长期平稳的趋势。然后对各变量分别进行单位根检验，结果都可以认为是平稳的。（详见附录）
（3）异方差检验
P值太大，T值全部小于2，模型显然存在异方差，用加权最小二乘法修正后回归：
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 20:35
Sample(adjusted):
Included observations: 22 after adjusting endpoints
Weighting series: W
VariableCoefficientStd. Errort-StatisticProb.
C-5.874-3.4
M-0.510-10.0
R(-1)0..0004
Weighted Statistics
R-squared0.999996 Mean dependent var12.04961
Adjusted R-squared0.999995 S.D. dependent var48.72036
S.E. of regression0.107533 Akaike info criterion-1.395045
Sum squared resid0.185012 Schwarz criterion-1.097488
Log likelihood21.34549 F-statistic292.6637
Durbin-Watson stat1.557020 Prob(F-statistic)0.000000
Unweighted Statistics
R-squared0.776624 Mean dependent var9.540909
Adjusted R-squared0.706819 S.D. dependent var3.137888
S.E. of regression1.699048 Sum squared resid46.18823
Durbin-Watson stat2.010282
(4)自相关检验：
模型整体拟和较好，只是在0.05的显著水平下dl＝０.８９５DW＝１.５６５du＝１.９２０,无法判断是否存在自相关，此点不尽如人意．
绘制散点图如下：
（5）检验多重共线：
简单系数矩阵如下：
F 1.....238354
H-0.....238736
I 0.....131859
M 0.....228064
R 0.....000000
直观的观察到M与F，I与F的相关系数很大，可能存在多重共线，运用逐步回归法．第一轮，选出maxRba^2＝0.999915,该解释变量是R(-1)；继续逐步回归，　maxRba^2=0.999935,该解释变量为H；继续逐步回归，maxRba^2=0.999961,对应的解释变量为I;再逐步回归，maxRba^2=0.999973,对应的变量是M;最后回归一次，Rba^2=0.999995,对应的解释变量为F．因此模型没有多余变量．
调整后模型最终为：
G= -5.635-0.165M+0.165R(-1)+0.494I+0.539H+0.462F+
五 模型直观的经济解释：
从模型分析结果我们可以看到，在改革以来的整个经济发展阶段，技术因素和投资与经济增长是同方向变动，二者通过影响投资的数量和投资的产出效率促进经济增长，这与理论分析是相一致的；直接融资比重对经济增长也是正相关关系，可见资本市场的发展对经济增长起着积极的促进作用；实际利率与滞后一期的经济增长呈现正的相关关系，这与前面的理论认为实际利率较高的发展中国家经济增长也较快相一致。值得注意的是，传统的金融发展指标M2/GDP对经济增长产生了负面的影响，而且影响程度较高，国内一些学者（谈儒勇，1999；韩廷春，2001）研究得出这主要是由于货币政策的反向操作造成的，所以单从金融深化程度还很难分辨出金融发展对我国经济增长的长期趋势。
从影响程度来看，传统的实体经济指标如技术、投资和对我国的经济增长具有较强的影响作用，而金融发展指标对经济增长却呈现负相关关系，这说明我国的金融发展和改革滞后于经济的发展，金融深化和金融改革须进一步推进。
六 深入探究经济原因：
1、金融深化指标呈现负面影响
金融发展水平与经济增长的负相关关系主要是货币政策的逆周期操作的结果（谈儒勇，1999）。按照凯恩斯货币政策理论，为了熨平经济周期的波动，货币当局往往在经济的高涨时期减少货币供应量M2，而此时的GDP较高，所以金融发展的水平指标M2/GDP相对降低；而在经济的衰退期（经济增长率较低或为负值），则通常增加货币供应量M2，而此时的GDP又较低。
2、资本市场对经济增长影响相对甚微
分析显示，中国的资本市场发展对经济增长产生了相对微弱的积极影响，这说明股票市场以及债券市场的发展对经济增长的影响是极其有限的，这一结果与R. Harris（1997）年的研究结果是一致的，即在欠发达国家，股票市场发展对经济增长的效应至多是非常弱的；而在发达国家，股票市场的活动水平对于人均GDP的增长率具有较强的解释能力。中国的资本市场与经济增长的微弱正相关关系是由诸多方面原因造成的。首先，中国的股市只有12年的发展时间，相对于西方发达国家的股票市场来说还很不成熟，且由于门槛效应，资本市场的作用还不能发挥的很好。因此，我国资本市场的发展和规范程度有待进一步提高；其次，股票的发行市场和二级市场还有许多方面不规范，相关政策缺乏一致性、连贯性及透明度；上市公司将筹措来的资金不是完全用在指定项目上。以上种种原因致使目前的股票市场对中国经济增长影响甚微。
理论分析与计量结果显示，金融发展对我国的经济增长具有积极的推动作用，但力度有限。总体来看，我国的金融发展滞后于经济增长，落后的金融体制已经束缚了经济的发展。目前我国应加紧推进金融体制改革，以使金融体制更好地满足企业扩张所带来的日益增长的融资需求。
要改善目前的落后的金融发展局面，我们建议一方面努力拓宽企业的融资渠道，让企业更多的利用资本市场进行直接融资，改善融资机制，消除“所有制歧视”，为中小企业创造良好的投融资环境；另一方面加速资本市场的发展和规范，发掘债券市场的潜力，为直接融资提供更大空间，并且积极推进非国有银行和中小银行的发展，促成金融机构的合理竞争。有理由相信，加快金融深化和金融体系改革必将有助于推动经济增长。
参考文献：
1.谈儒勇：《中国金融发展和经济增长关系的实证研究》[J]，《经济研究》-61.。
2.宾国强：《实际利率、金融深化与中国的经济增长》[J]，《经济科学》-38.3.韩廷春：《金融发展与经济增长：基于中国的实证分析》[J]，《经济科学》-40.4. 武剑：《货币政策与经济增长》[M]，上海：上海三联出版社2000年版.5. 罗纳德.麦金农：《经济发展中的货币与资本》（中译本）[M]，上海；上海三联书店1997年版.
6.《货币金融学》.米什基
7．高鸿业：《西方经济学》，人民大学出版社
8、 Patrick, H. T., 1966, Financial Development and Economic Growth in Undeveloped Countries, Economic Development and Cultural Change 34, 174-189.
由于正文部分篇幅有限，我们将建立模型中遇到的困难，解决办法以及逐步回归法的具体过程收录到附录部分
建立模型中遇到的困难和解决：
原建立的模型为：G=0 +1M+2R+3I+4H+5F+
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 12:30
Included observations: 23
VariableCoefficientStd. Errort-StatisticProb.
C-1.951-0.0
M-0.742-3.5
R-squared0.690071 Mean dependent var9.456522
Adjusted R-squared0.598915 S.D. dependent var3.092340
S.E. of regression1.958419 Akaike info criterion4.401610
Sum squared resid65.20185 Schwarz criterion4.697826
Log likelihood-44.61851 F-statistic7.570243
Durbin-Watson stat2.042179 Prob(F-statistic)0.000667
由模型可以看到r作为储蓄率代表并不具有显著性，从经济意义上讲与现代经济学派的理论相违背．
异方差检验：怀特检验结果如下
White Heteroskedasticity Test:
F-statistic0.597373 Probability0.788863
Obs*R-squared7.644257 Probability0.663540
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/11/05 Time: 12:32
Included observations: 23
VariableCoefficientStd. Errort-StatisticProb.
M^2-0.961-0.8
R-0.353-0.0
R^2-0.568-1.0
I-2.942-0.8
I^20..5976
H^2-0.673-0.4
F-0.429-0.4
F^20..4937
R-squared0.332359 Mean dependent var2.834863
Adjusted R-squared-0.224009 S.D. dependent var3.462708
S.E. of regression3.830965 Akaike info criterion5.830045
Sum squared resid176.1155 Schwarz criterion6.373107
Log likelihood-56.04551 F-statistic0.597373
Durbin-Watson stat3.142629 Prob(F-statistic)0.788863
可以看到模型中的t值 2,且p=0.788863，说明犯拒真错误的概率很大，于是认为模型存在异方差。下面用加权最小二乘法对异方差进行修正：
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 12:39
Included observations: 23
Weighting series: W
VariableCoefficientStd. Errort-StatisticProb.
C-0.481-0.6
M-0.550-7.0
Weighted Statistics
R-squared0.999321 Mean dependent var9.799429
Adjusted R-squared0.999121 S.D. dependent var12.39070
S.E. of regression0.367327 Akaike info criterion1.054330
Sum squared resid2.293796 Schwarz criterion1.350546
Log likelihood-6.124794 F-statistic272.0596
Durbin-Watson stat1.920433 Prob(F-statistic)0.000000
Unweighted Statistics
R-squared0.672014 Mean dependent var9.456522
Adjusted R-squared0.575547 S.D. dependent var3.092340
S.E. of regression2.014661 Sum squared resid69.00062
Durbin-Watson stat1.852671
修正后的模型为：G=-0.5M+0.8I+0.3F+
在以前的回归结果尚有显著的改善。
．自相关检验：
模型的D-W=1.920433，k-1=5，du=1.920，duD-W4-du,因此模型不存在自相关．
多重共线性检验。
部分金融变量的简单系数矩阵如下：
M 1...970315
R 0...238354
F 0...000000
我们看到利率R与其他指标之间的相关度较弱，表明利率对金融发展的影响并不显著；而先前利率的t值在０．０５的显著水平下表明它对经济增长的影响也不显著，这些与现代经济学派的观点是违背的．进一步找寻这之间的原因，这里面可能包含滞后问题．我们发现货币政策有时滞，使模型中当期的R并不具显著性．因此正文重将R滞后一期。
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 21:02
Sample(adjusted):
Included observations: 22 after adjusting endpoints
Weighting series: W
VariableCoefficientStd. Errort-StatisticProb.
M-0.577-0.8
Weighted Statistics
R-squared0.999660 Mean dependent var12.04961
Adjusted R-squared0.999643 S.D. dependent var48.72036
S.E. of regression0.920404 Akaike info criterion2.758500
Sum squared resid16.94288 Schwarz criterion2.857686
Log likelihood-28.34350 F-statistic0.192247
Durbin-Watson stat1.168166 Prob(F-statistic)0.665753
Unweighted Statistics
R-squared-1.026298 Mean dependent var9.540909
Adjusted R-squared-1.127613 S.D. dependent var3.137888
S.E. of regression4.577030 Sum squared resid418.9841
Durbin-Watson stat0.461549
逐步回归法：
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 21:06
Sample(adjusted):
Included observations: 22 after adjusting endpoints
Weighting series: W
VariableCoefficientStd. Errort-StatisticProb.
R(-1)-0.619-8.0
Weighted Statistics
R-squared0.999919 Mean dependent var12.04961
Adjusted R-squared0.999915 S.D. dependent var48.72036
S.E. of regression0.449952 Akaike info criterion1.327156
Sum squared resid4.049133 Schwarz criterion1.426341
Log likelihood-12.59871 F-statistic64.49088
Durbin-Watson stat1.458297 Prob(F-statistic)0.000000
Unweighted Statistics
R-squared-1.020918 Mean dependent var9.540909
Adjusted R-squared-1.121964 S.D. dependent var3.137888
S.E. of regression4.570950 Sum squared resid417.8716
Durbin-Watson stat1.095908
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 21:11
Sample(adjusted):
Included observations: 22 after adjusting endpoints
Weighting series: W
VariableCoefficientStd. Errort-StatisticProb.
Weighted Statistics
R-squared0.999733 Mean dependent var12.04961
Adjusted R-squared0.999720 S.D. dependent var48.72036
S.E. of regression0.815385 Akaike info criterion2.516194
Sum squared resid13.29704 Schwarz criterion2.615380
Log likelihood-25.67814 F-statistic5.728646
Durbin-Watson stat1.127357 Prob(F-statistic)0.026613
Unweighted Statistics
R-squared-0.343001 Mean dependent var9.540909
Adjusted R-squared-0.410151 S.D. dependent var3.137888
S.E. of regression3.726235 Sum squared resid277.6966
Durbin-Watson stat0.561682
Method: Least Squares
Date: 06/11/05 Time: 21:10
Sample(adjusted):
Included observations: 22 after adjusting endpoints
Weighting series: W
VariableCoefficientStd. Errort-StatisticProb.
C-0.402-0.4
Weighted Statistics
R-squared0.999842 Mean dependent var12.04961
Adjusted R-squared0.999834 S.D. dependent var48.72036
S.E. of regression0.628071 Akaike info criterion1.994180
Sum squared resid7.889453 Schwarz criterion2.093365
Log likelihood-19.93598 F-statistic23.36357
Durbin-Watson stat1.396414 Prob(F-statistic)0.000101
Unweighted Statistics
R-squared-0.229623 Mean dependent var9.540909
Adjusted R-squared-0.291105 S.D. dependent var3.137888
S.E. of regression3.565481 Sum squared resid254.2531
Durbin-Watson stat0.614617
Method: Least Squares
Date: 06/11/05 Time: 21:12
Sample(adjusted):
Included observations: 22 after adjusting endpoints
Weighting series: W
VariableCoefficientStd. Errort-StatisticProb.
Weighted Statistics
R-squared0.999665 Mean dependent var12.04961
Adjusted R-squared0.999648 S.D. dependent var48.72036
S.E. of regression0.914227 Akaike info criterion2.745032
Sum squared resid16.71622 Schwarz criterion2.844218
Log likelihood-28.19535 F-statistic0.466040
Durbin-Watson stat1.270627 Prob(F-statistic)0.502646
Unweighted Statistics
R-squared-0.920117 Mean dependent var9.540909
Adjusted R-squared-1.016123 S.D. dependent var3.137888
S.E. of regression4.455495 Sum squared resid397.0287
Durbin-Watson stat0.476625
经管之家精彩文章推荐
加入经管之家，拥有更多权限。