中国农村金融发展收敛性的空间计量分析

丁兆浩，吕勇斌

（中南财经政法大学 金融学院，湖北 武汉 430073）

中国农村金融发展收敛性的空间计量分析

丁兆浩，吕勇斌

（中南财经政法大学 金融学院，湖北 武汉 430073）

改革开放以来，中国经济增长的区域差异性问题引人关注，中国农村金融发展的区域差异性更是如此。本文采用空间计量方法研究1990～2009年中国农村区域金融发展的收敛性，重点是研究绝对β收敛。本文首先对绝对收敛模型采用传统的OLS进行估计，然后采用消除空间相关性的空间滞后模型进行估计，结果显示，不管是采用OLS估计还是采用SLM估计都表明中国农村地区金融发展具有绝对β收敛的特征。最后分析了中国农村金融发展收敛的原因并提出了相关建议。

农村金融；空间计量；收敛性

一、收敛的理论基础以及相关文献综述

一般而言，经济收敛一般可以分为四种：

（一）σ收敛。σ收敛是指不同的经济系统之间人均收入的离差会随着时间的推移而趋于下降的特征。这一概念和现实中我们对收敛的理解很是接近，蔡昉、都阳 （2000）使用1978～1998年期间，对中国各省人均GDP进行σ收敛与β收敛分析。在σ收敛方面，使用的是泰尔指数进行的分析，结果显示各省间不存在收敛，但东、中、西部内部呈现收敛的特性。而覃成林（2004）对自改革开放以来中国区域经济发展过程进行了实证分析，结果表明1978～1990年中国区域经济存在σ收敛，1990～1999年却不存在σ收敛。

（二）β收敛。β收敛可以分为绝对β收敛和相对β收敛。

1.绝对β收敛，是指经济增长率和初始经济发展水平之间存在着负相关关系，而且随着时间的推移，所有国家或地区将收敛于相同的人均收入水平。“绝对β收敛”内含着一个严格的假设：对于由一些经济体所组成的群体，尽管彼此相互封闭，但却具有完全相同的基本经济特征，包括人口增长率、生产函数和资本折旧率数等，从而具有完全相同的经济增长路径和均衡稳态。

Barro（1992）从探讨“贫穷国家或地区是否比富裕国家或地区拥有更快的发展速度”这一经济学问题出发，研究哪些因素会导致人均资本收入和产出会随着时间的推移而趋向收敛。作者以新古典增长模型为框架，研究了美国48个相邻地区的经济收敛问题。研究表明，美国在人均资本方面存在明显的收敛证据。并指出，若从更广阔的资本观点出发，经济收敛的估计速度会更符合新古典增长模型。他将研究结果进一步调和为在更广阔的跨区域研究中运用加入条件收敛概念的内生经济增长模型。他们得出的结论是知识技术在技术领导者和跟随者之间可以发生低成本的模仿，这就使得经济系统之间产生一定的收敛性质。经济系统的开放程度是决定收敛速度快慢的决定因素。刘强（2001）分析了1981~1998年中国各省份间经济增长的收敛情况，认为中国地区间经济增长的收敛性存在着明显的阶段性和区域性。

2.条件收敛，是指区域人均收入的增长不仅受期初人均收入水平的影响，而且也受其他因素的影响，例如资源禀赋、区域间要素流动、知识溢出等。

Chen和Fleisher（1996）利用索洛经济增长模型，发现1978~1993年中国各省人均国内生产总值增长存在有条件收敛性。它取决于物质资本分享、就业增长、人文资本投资和外商直接投资等。Dayal-Gulati和Husain（2000）对1978~1997年中国经济增长数据进行分析，认为投资、国有企业集中度和银行存贷比是决定经济增长收敛的重要因素，并用我国四大国有商业银行贷款占总贷款的比例作为指标，研究金融资产转移对地区经济差距的影响，得出了其对经济增长有负面作用，会延缓我国地区经济收敛速度的结论。

（三）俱乐部收敛。它是指区域经济集团内部存在收敛趋势，区域经济集团之间不存在收敛趋势。蔡昉等人（2000）的研究认为中国自改革开放以来，由于三个地区的经济差异过大，从整体看全国的收敛性并未得到支持，但是形成东部、中部和西部地区三个收敛俱乐部。沈坤荣、马俊（2002）将中国分为东中西三大地带，并采用1978～1999年期间各省份的资料进行收敛分析，结果显示除西部的收敛现象不显著外，东中部两大地带内部的收敛现象很显著，省际间人均GDP的增长出现了比较显著的俱乐部收敛，而三大地带间的差距却没有缩小，甚至在不断地拉大。

从以上分析我们看到，在有关中国区域金融发展的收敛性文献中，区域总是被当成一个个相互独立的个体进行分析，区域间潜在的空间相关性的关系往往被忽略。但是任何一个地区的金融系统总是与其他地区的金融系统存在着千丝万缕的联系。特别是当外生冲击对一个地区的金融系统造成影响时，不可避免的会波及到临近地区，甚至更远的地区。

关于金融发展的衡量指标，本文与国内学者 （陆文喜，2004；赵伟，2006）保持一致，选取了戈德史密斯（1969）提出的金融相关比率FIR指标，即“某一时点上现存金融资产总额与国民财富之比”。通常在计算中将其简化为金融资产总量与GDP之比，以衡量经济金融化的程度。一般而言，金融体系越发达，金融相关比率的值也就越高，金融相关比率值随着经济发展而逐步提高。

二、空间计量的理论模型分析

空间计量经济学的基本思想就是将地区或机构之间的相互关系引入到模型中，对基本的线性回归模型（1）通过一个空间权重矩阵W进行修正：

根据模型设定时对“空间”的体现方法不同，空间计量模型主要分成两种。一种是空间滞后模型SLM，主要是用于研究相邻机构或地区的行为对整个系统其它机构或地区的行为都有影响的情形：

其中，W是nⅹn阶的空间权重矩阵，也就是n个机构或地区之间相互关系网络结构的一个矩阵。实证估计时，对W权重矩阵需要进行行标准化，使得权重矩阵中每行的和为1。Wy为空间滞后因变量，λ是空间自回归系数，其他变量意义与基本线性回归模型相同。

另一种是空间误差模型SEM，是指机构或地区之间的相互关系是通过误差项体现出来的。当机构或地区之间的相互作用因所处的相对位置不同而存在差异的时候采用这种模型会比较合适。具体而言，对于误差项的空间相关形式又存在着两种基本的表达方式，模型形式如下：

空间误差自相关模型：

空间误差移动平均模型：

其中，ρ是空间误差自相关系数，θ是空间误差移动平均系数，Wε和Wμ都是空间滞后误差项。

而我们判断地区间的空间相关存在与否,一般通过包括数据的Morans'I检验、OLS回归残差的Morans'I检验、最大似然LM-Error检验及最大似然LM-Lag检验等一系列空间检验进行。Moran’s I检验是由Moran（1950）最早提出来的，Moran’s I的表达式为：

其中，e表示回归方程的残差估计值。

Moran进一步指出Moran’s I值近似服从期望值为E（I）和方差为V（I）的正态分布，相关计算方程如下：

因此，服从标准正态分布的Moran’s I形式即为：

金融发展β绝对收敛的回归方程为：

yiT+t、yit为期末、期初的金融相关比率。如果斜率系数β<0则意味着金融发展在T年间存在收敛，反之，则意味着发散。

三、中国农村金融发展的收敛性：实证分析

（一）数据选取和处理

农村金融方面，本文选取了1990年和2009年的全国31个省市的农业存款和农业贷款数据（不包括港、澳、台地区）；农村经济方面，选取的是1990年和2009年的第一产业增加值，以反映农村经济的发展状况。

本文的数据（除西藏农业存款）来源全部来自各地的统计年鉴，其中2009年的北京金融机构农业存款和农业贷款来自《北京金融年鉴2010》。在农业存款的数据方面，本文选取30个省市（除西藏）的金融机构农业存款余额，而对西藏的农业存款数据是通过进行估计得到的。同时，本文对上述数据采用农村CPI数据进行了处理。

（二）空间权重的设置

空间权重的设置是进行空间计量模型分析的基础，空间权重的设置方法很多，本文采用的是比较简单的一阶邻接Rook方法来构造空间权重矩阵W。本文以全国31个省市为区域划分标准，权重矩阵主对角线上为0，若区域i和区域j相邻，则Wij为1，否则为0。对矩阵进行标准化，用每一行元素除以每一行的元素之和，使得每一行元素的和为1。W为n阶矩阵，n代表全国31个省市区域。

（三）实证分析过程

1.空间相关性检验

本文首先对数据进行空间相关性的检验，探索性空间数据分析主要使用两类工具：第一类用来分析空间数据在整个系统内表现出来的分布特征，一般将这种整体的分布特征称为全局空间相关性，用Moran指数I、Geary指数C来测度；第二类是用来分析局部子系统表现出来的分布特征，被称为局部空间相关性，一般用G统计量、Moran散点图和LISA来测度。现在就以全局相关性中的Moran指数I来具体说明，Moran指数I的取值范围一般在-1到1之间，大于0表示正相关，值接近1时说明具有类似的属性集聚在一起；小于0表示负相关，值接近-1时表明具有相异的属性集聚在一起，如果Moran指数I接近于0，则表示属性是随机分布的，或者不存在空间自相关性。表1给出了模型（5）的OLS估计结果及相应的检验值。

表1 ：绝对收敛模型的OLS估计参数

表1以数据的形式给出了Moran’s I检验值以及一些模型选择的数据依据，从表我们可以看到，OLS估计残差值的空间自相关性并不是很大，但是我们也不可否认确实存在一定程度的空间集聚。

因此，在采取空间计量模型的时候要消除中国各地之间存在的空间自相关性。而对于空间计量模型的具体选择上表1为我们提供了依据，从表1中我们看到空间滞后模型比空间误差模型在统计上更加显著，因此，我们也可以判断本文采用空间滞后模型会更加合适。

2.空间滞后模型及空间误差模型估计结果

表2 ：空间滞后模型以及空间误差模型的检验结果

从表2中我们看到，空间滞后模型的拟合度比空间误差模型的拟合度要高，空间滞后模型的似然值也要高于空间误差模型的似然值，这都说明空间滞后模型与空间误差模型相比，采用空间滞后模型要更加合适一些。

此外，从表2中我们可以看到β系数显著为负，说明中国在1990～2009期间的金融发展具有存在显著的收敛性；而空间滞后系数为0.4915，意味着中国各地区在1990～2009期间的金融发展过程中，一个地区的金融发展与周围地区之间以及整个系统内的金融增长情况是正相关的关系。

从中国农村区域金融发展的趋势来看，不论是采用传统的OLS来估计还是采用空间滞后模型来估计，β系数都显著为负，这说明中国农村区域金融发展在1990～2009年期间存在显著的绝对β收敛。但是，农村区域金融收敛的内在机制是非常复杂的，因为数据之间存在空间相关性，所以传统的OLS估计是有偏差的，也就是说传统的OLS估计并没有考虑到中国各个区域农村金融发展之间的相互作用，例如知识溢出、技术进步、人才扩散等因素的影响，而从长远来看，这些因素都是影响区域金融发展的重要因素，因此，采用消除空间相关性之后的空间滞后模型估计结果会更加保守稳健一些。采用空间滞后模型之后，知识溢出、技术进步、人才扩散等因素通过滞后项表现出来，从表2的估计结果我们看到滞后项的估计结果是非常显著的，这表明在中国某个区域农村金融发展与周围地区的农村金融发展水平以及农村金融发展速度都有非常密切的关系，也就是说中国区域农村金融发展具有扩散效应。

四、基本结论与政策建议

由此来看，中国区域农村金融发展存在绝对β收敛。究其原因，主要有以下几个方面。

首先，中国各个区域之间的农村金融组织结构有逐渐趋同的趋势，银行以及非银行金融机构等中介机构所占比重很大，发展也比较迅速；在融资比例中，间接融资的比重很大，银行信贷在中国的融资结构中仍然占据绝对性的地位，在农村地区情况更是如此。

其次，中国是一个幅员辽阔的国家，各个地区的地理环境、资源禀赋以及经济发展现状不同，尤其是改革开放初期，中国的政策是优先发展东部沿海地区经济，东部地区的优先发展不可避免对中西部地区的发展具有推动作用。

再次，中国是社会主义国家，这种国体的性质就是减轻两极分化，中国的政策性质也是导致中国区域经济金融具有收敛性的一个原因，中国政策在建国初期是优先发展东部地区以及沿海城市地区，但是中国政府强调在东部地区以及沿海城市地区发展到一定程度的时候就要帮助中西部地区和农村城镇地区的经济和金融发展，因此中国区域金融特别是农村地区的金融发展具有收敛性的特点。

最后是个人追求理想的方式的原因，现在有很多人致力于农村地区的发展，认为在农村地区更能实现自己的抱负，更够得到更多的满足感，这样就不可避免的造成了一些人才从城市地区流向农村地区，这种人才扩散效应导致了农村地区金融发展收敛性的特征。

实证证明，经过改革开放30多年的发展，中国经济取得了举世瞩目的成就，中国农村金融也发展迅速，并且中国农村地区金融发展具有收敛性的特征。因此各省区在充分发挥本地区比较优势的情况下要加强基础设施建设，扩大对外开放程度，实施经济自由化，并且各级政府还是要协调统筹各地区经济发展和农村金融发展。

（注：本文受2010年度国家社科基金项目“中国农村金融发展区域差异的空间分析”资助，立项号：10CJY040）

[1]黄砚玲，龙志和，林光平.中国区域金融发展收敛性的空间计量经济研究——来自浙江省67个县市区1997~2008年的实证分析[J].上海经济研究，2010，（4）.

[2]全诗凡，王鹏程.云南省人均GDP的空间相关和地区收敛性研究[J].中国证券期货，2009，（9）.

[3]张学良.中国区域经济收敛的空间计量分析——基于长三角1993~2006年132个县市区的实证研究[J].财经研究，2009，（7）.

[4]陈晓玲，李国平.地区经济收敛实证研究方法评述[J].数量经济技术经济研究，2007，（8）.

[5]张艳，刘亮.经济集聚与经济增长——基于中国城市数据的实证分析[J].世界经济文汇，2007，（1）.

[6]林光平，龙志和，吴梅.中国地区经济—收敛的空间计量实证分析[J].数量经济技术经济研究，2006，（4）.

[7]刘夏明，魏英琪，李国平.收敛还是发散——中国区域经济发展争论的文献综述[J].经济研究，2004，（7）.

[8]陈秀山，等.区域经济理论[M].商务印书馆，2004.

[9]徐现祥，李郇.中国城市经济增长的趋同分析[J].经济研究，2004，（5）.

[10]蔡昉，都阳.中国地区经济增长的趋同与趋异——对西部开发战略的启示[J].经济研究，2000，（10）.

[11]刘强.中国经济增长的收敛性分析[J].经济研究，2001，（6）.

[12]沈坤荣，马俊.中国经济增长的“俱乐部收敛”特征及其成因研究[J].经济研究，2002，（1）.

[13]陈安平，李国平.中国地区经济增长的收敛性：时间序列的经验研究[J].数量经济技术经济，2004，（11）.

[14]Anselin，L.，Bera，A.K.Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics[J].in：Giles，D.，Ullah，A.（Eds.），Handbook of Applied Economic Statistics，Marcel Dekker，New York，1998.

[15]Dupont V.Do Geographical Agglomeration，Growth and Equity Conflict[J].Papers in Regional Science，2007.

[16]H.Lz，lWerner.Convergence offinancialsystems：towardsan evolutionary perspective[J].Journalof Institutional Economics，2006.

[17]Barro，R.J.andX.Sala-I-Martin，“Convergence Across Stats and Regions”[J].Brookings Paper，Econ Activity，1991.