江苏省金融发展对经济增长影响的区域差异

［摘要］选取江苏省13个地级市2002—2011年的数据，运用固定效应变系数模型，研究了金融发展对经济增长影响的区域差异性，结果表明：江苏省13个地区的金融发展对当地经济增长的影响存在较大的区域差异，多数地区的金融发展对其经济增长没有起到促进作用。

［关键词］金融发展；经济增长；江苏省

［中图分类号］F8327［文献标识码］A［文章编号］2095-3283(2014)07-0067-03

［作者简介］刘强（1981-），男，汉族，山东临沂人，讲师，硕士，研究方向：区域金融，金融工程。一、引言

金融发展与经济增长关系一直是经济学家的研究热点，国内学者已有研究成果中，如周立，王子明（2002）通过对中国各地区1978—2000年金融发展与经济增长关系进行了实证研究，发现中国各地区金融发展与经济增长密切相关。张萍，陈福中（2009）运用协整理论，研究发现江苏省金融发展对经济增长既有促进作用，也有负面影响。孙士金，孙世霞（2013）基于VAR系统，研究发现上海金融发展对经济增长存在明显的促进作用。王重润，崔寅生（2010）通过构造面板数据模型， 研究表明环渤海地区五省市金融发展对经济增长的影响程度存在显著差异。彭耿，刘芳（2012）基于随机变系数模型，研究显示湖南省14个地区的金融发展对当地经济增长的影响存在差异。

综上所述，现有研究有些采用协整理论、VAR模型对金融发展与经济增长的关系进行刻画，但是由于时间序列较短，模型估计的稳健性有待检验；有些采用省级面板数据，从面板模型的角度进行分析，但无法深入研究各省内部各个地区金融发展与经济增长关系的差异性。因此，本文选取江苏省13个地级市的面板数据，应用固定效应变系数面板模型对江苏省各地区金融发展对经济增长的效应进行研究，以期为江苏省经济增长的金融支持提供建议。

二、指标选取和数据说明

本文选取了江苏省13个地级市作为研究对象，样本区间为2002—2011年共10年，因此样本容量为13*10=130个。数据来源于历年的江苏省统计年鉴。后续的分析在Eviews70软件下完成。

涉及的变量主要有经济增长水平、金融发展水平和金融发展效率。经济增长水平为因变量，采用各地级市人均实际GDP（GRE）来度量；金融发展水平为自变量，采用金融相关比率（FIR）衡量金融发展水平，金融相关比率用来衡量某地区的金融深化程度，是指某一时点上现存金融资产总量与该地区国民财富的比值，通常用金融资产总量与GDP之比来表示，基于数据的可得性，大多数采用金融机构存贷款总额来代替金融资产总量；金融发展效率为自变量，用各地级市储蓄存款与贷款的比值表示金融发展效率（FE），以衡量金融中介储蓄转化为贷款的效率。为了减少数据的波动性，在后续的分析中，对各变量采用了取对数处理。

江苏省13个地级市分别是南京市（NJ）、无锡市（WX）、徐州市（XZ）、常州市（CZ）、苏州市（SZ）、南通市（NT）、连云港市（LYG）、淮安市（HA）、盐城市（YC）、扬州市（YZ）、镇江市（ZJ）、泰州市（TZ）以及宿迁市（SQ）。各市相关的变化如图1所示。

从图1可知，从时间维度看，江苏省13个地级市之间并不存在明显的差异,GRE呈现明显的上升趋势，FIR呈现出水平波动的现象，FE的波动较为剧烈；从截面角度看，无论是人均GDP还是金融发展都存在显著的差异，如苏州、无锡的人均GDP显著高于其他地级市，南京市的金融发展水平显著高于其他地级市等，而金融发展效率显著低于其他地级市，因此在截面上很可能存在固定效应或者随机效应。图1江苏省各市GRE，FIR和FE变化图三、实证分析

1北淞康钠轿刃约煅

为了避免模型出现跨截面时间序列问题，应该对数据的平稳性进行检测，单位根检验是一种检测数据平稳性的有效方法，常用的面板单位根检验方法有LLC检验、Breitung检验、IPS检验、Fisher-ADF检验、PP检验等。为克服单一检验方法所带来的偏差，选择以下多种方法对各面板数据变量及其一阶差分变量进行单位根检验，检验结果见表1。

由表1可知，在1%显著性水平上，除lnFIR的LLC检验通过外，其余检验均未通过，lnGRE所有检验均未通过，可知，lnFIR、lnFE和lnGRE存在单位根，经过一阶差分后的变量，除△lnFIR的Fisher-ADF检验在5%显著性水平下通过外，其余均在1%显著性水平下通过检验，可以认为经过一阶差分后的各变量是平稳序列。

表1面板单位根检验结果变量LLC检验IPS检验Fisher-ADF检验PP检验统计量P值统计量P值统计量P值统计量P值lnGRE34939309998590825100009893000998237348300695lnFIR-40570400000*-066494025302857480330823108506268lnFE-03914103347179615096381829520864829187803026△lnGRE-92464300000*-37615900001*62612000001*69625500000*△lnFIR-43239400000*-2228900129**49833100033*68118900000*△lnFE-10719100000*-54393300000*82313500000*14232100000*注：P值表示对应单位根统计量的显著水平，*表示接受在1%水平上统计检验显著，**表示在5%水平上统计检验显著。

2泵姘逍整检验

根据上面对变量进行平稳性分析的结果，可知变量均为一阶单整，因此有必要继续考察变量之间是否存在协整关系，为了保证结果的稳健性与可靠性，本文在面板协整理论的框架下，运用Pedroni 检验方法和 Kao检验方法，检验结果见表2。

由表2可知，Pedroni 检验的七个统计量和Kao检验的统计量在不同的显著性水平上接受不存在协整关系的原假设，这充分表明非平稳时间序列lnGRE和lnFIR、lnFE之间不存在协整关系，故不能通过普通最小二乘法得到变量间长期稳定的线性关系。

表2面板协整检验结果检验方法面板协整统计统计量值P值面板v-0881755 08110面板rho 1706615 09561面板PP-1046087 01478Pedroni 残差协整检验

H0: 不存在协整关系面板ADF-0887368 01874群rho 2610987 09955群PP-1773832 00380群ADF-1315460 00942Kao 残差协整检验ADFH0: 不存在协整关系-1542497 00615注：P值表示对应统计量的显著水平。

3奔屏磕Ｐ偷难≡

首先确定面板模型的影响形式，采用Hausman检验进行固定效应与随机效应模型的取舍，检验结果见表3。在1%的置信水平下，拒绝随机效应模型的假设，采用固定效应模型比随机效应模型的效果要好。

表3Hausman检验结果Test SummaryChi-Sq盨tatisticChi-Sq眃眆盤rob盋ross-section random17172354200002Period random14785527200006其次需要确定模型的形式，分别计算变系数模型、变截距模型和混合模型，在每个模型的回归统计量里可以得到相应的残差平方和S1=0190417，S2=1125920和S3=4297034，根据公式计算F统计量：

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为截面数目，T为时期数目，k为解释变量数目。其中 N=13，k=2，T=10，得到的两个F统计量分别为：F2=56790> F005（36,91）=15467,拒绝为不变参数模型的零假设，F1=18628> F005（24,91）=16376，拒绝为变截距模型的零假设，因此，最终模型应选择变系数的形式。

表4SUR模型估计结果名称截距lnFIR系数统计量lnFE系数统计量南京2397358-1315189*-4009457-2149581**-2389021无锡2651491-1369762*-4720822-1166057-2016277徐州0719981-0240538-0400594-2179756*-4612007常州2145573-1023906*-3213081-1093856***-1832980苏州3453355-3096737*-7235656-3479592*-5318703南通08073602591990769412-1638281*-3490536连云港0423939-1036614*-5383567-3185646*-8723566淮安0052453-0143380-0474072-3689799*-6607472盐城0672296-0389266-0776876-2107699*-5064980扬州市1047678-0139657-0433119-2058993*-5137747镇江155271-0597116***-1949319-0931301-1533467泰州0851968-0102552-0285129-2071817*-5047786宿迁-01772-0417904-1440276-3518817*-6006522R-squared=0997487，F-statistic=6924721，Durbin-Watson stat=1420449注: 其中*，**，*** 分别表示在 1%，5%，10%水平上显著

从表4可以分析出江苏各地级市金融发展对经济增长有以下具体影响：（1）从截距项来看，除宿迁外，其他所有地级市的取值都为正数，这说明江苏省金融发展对经济增长的基础效应整体较强，南京和苏州、无锡、常州地区基础效应最强，特别是苏州达到了345，扬州市、镇江市次之，取值在1左右，其他地区取值都小于1，截距项值不同说明金融发展对经济增长的基础效应不同，取值越大，说明基础效应越强；反之，取值越小，说明基础效应越差。（2）金融相关比率（FIR）有效的地区有南京市、无锡市、常州市、苏州市、连云港市和镇江市，说明这些地区金融相关比率对经济增长的影响显著，但是影响显著的地区取值都为负数，说明这些地区金融相关率与经济增长是负相关的。以影响最显著的苏州和无锡为例，取对数后的金融相关比率每增加1%，对数人均GDP会相应的下降310%和137%。（3）除无锡市和镇江市外，其他地级市的金融效率（FE）均有效，但这些地区的取值也都为负数，说明金融效率与经济增长负相关，如淮安市，金融效率每增加1%，经济增长会降低369%。在这些地区，金融效率对经济增长的促进作用没有得到显现。

四、结论与建议

本文选取2002—2011江苏省13个地区的数据，研究了金融发展对经济增长影响的区域差异，发现江苏省金融发展对经济增长的基础效应整体较强，但也存在明显的地区差异性，江苏省13个地级市中的大多数的金融发展对经济增长并没有起到促进作用。

导致金融相关比率与经济增长负相关的原因可能是银行存贷款在推动经济增长过程中作用并不明显，主导江苏省经济增长的原因可能是固定资产投资、财政支出或者其他的金融因素，比如各地级市规模庞大的地方政府债券对经济增长的推动作用等。导致金融效率与经济增长负相关的原因可能是储蓄转化成贷款的效率过低，大量贷款的产生并非市场竞争的结果，政府的宏观调控起到了主导性作用。还有一个合乎逻辑的解释就是金融抑制的存在，使得信贷的增长并不能促进有效率投资的增长，反而会使无效率投资得以重复出现。政府对金融系统的干预会导致对经济增长起主要作用的一些非国有部门得不到强力的金融支持，比如越来越严重的中小企业融资难问题。

本文的研究明晰了江苏省金融发展与经济增长之间关系的地区差异，为不同地区制定差异化金融支持政策提供了地区划分的参考。对于金融发展与经济增长负相关的地区，应该降低政府部门对金融体系的干预，努力发挥金融对经济增长的促进作用，使经济增长成为金融现象而不是财政现象。当然，本文仅以银行的存贷款数据作为衡量金融发展的指标，如考虑更多的其他指标（如证券化程度、保险深度等），可能会得到更有价值的结论。

［参考文献］

［1］高铁梅奔屏烤济分析方法与建模 —Eviews 应用及实例［M］北本：清华大学出版社,2006

（责任编辑：梁宏伟）