克强指数与上海市经济增长关系的实证研究

周业付，乔越然

（1.九江学院 经济与管理学院，江西 九江332005；2.合肥工业大学 电子科学与应用物理学院，安徽合肥230009）

一、引言

克强指数（Li Keqiang index）［1～2］是以中国李克强总理名字命名的一种用于评估中国GDP增长量的指标，它由英国《经济学人》杂志创造。耗电量、铁路货运量和银行贷款发放量是“克强指数”的三个经济指标。“克强指数”挤掉了统计数字中的水分，更具有真实性，比官方GDP数字更能精准和客观地反映经济现状。包括花旗银行在内的众多国际机构也都认可“克强指数”。

通过查阅和搜索现有国内外文献资料，笔者了解到国内外学者已经从不同的视角、运用不同的方法对经济增长的动态计量问题进行了大量的理论与实证研究，并取得了丰富的研究成果。但目前国内外学术界对克强指数与经济增长之间关系的实证研究非常缺乏。因此，深入研究克强指数与上海市经济增长之间的内在关系与动态机制，具有重要的理论价值与现实意义。

二、数据处理

（一）变量选取

本文对所采用的解释变量和被解释变量作如下选择：

（1）被解释变量。根据以往的研究成果，国内外学者在研究经济增长问题时，衡量经济增长的指标绝大多数选取国内生产总值（GDP）。本文中也仍将采用这一指标，记为GDP。

（2）解释变量。与GDP 等常规指标相比，“克强指数”涵盖指标较为简单，统计误差也更小。本文结合上海市自身实际情况，在不违背克强指数实质前提下，对解释变量的选择略作如下调整：

工业用电量。现代工业生产与能源消耗存在紧密关系。因此，我国工业的活跃度以及工厂的开工率可以通过“耗电量”多少来反映。本文仍采用上海市工业实际用电量这一指标，简记为E。

货运量。在我国，铁路是货物运输的最大载体。因此，经济运行现状和经济运行效率可以通过“铁路运货量”多少来反映。但上海地处长江入海口，是中国交通、航运中心和滨江滨海国际性港口，其海运、空运、汽运在货物运输量中的比例不容忽视。故本文采用货运量这一指标，简记为F。

金融机构贷款量。我国间接融资占社会融资总量的比例高达84%，而在我国的间接融资中，银行贷款占了绝大比重。因此，市场对当前经济状况的信心和对未来经济风险度的判断可以通过“贷款发放量”的多少来反映。但上海是中国经济、金融和贸易中心，同时又是国际性大都会，尤其是自由贸易区的成立，将进一步推动上海对外开放程度，其贷款资金来源将进一步拓宽。故本文采用金融机构贷款余额这一指标，简记为L。

（二）数据来源

本文采用年度数据，样本区间为1995-2014年，数据来源于《上海统计年鉴》（2000-2015年）。为了消除各时期价格变动因素和时间序列数据中存在的异方差现象对模型的影响，便于变量之间的长短期分析，对变量数据进行自然对数变换，分别记为lnGDP、lnE、lnF、lnL，变换后不影响原序列的协整关系。

三、实证分析

（一）单位根检验

在进行协整分析前，本文采用常用的ADF单位根检验方法，对变量lnGDP、lnE、lnF和lnL以及它们的差分序列进行平稳性检验，以防止“伪回归”问题的出现［3］。检验结果见表1所列。

表1 ADF检验结果

由表1 可以知道，经过二阶差分后的Δ2lnGDP、Δ2lnE、Δ2lnF、Δ2lnL均在1%显著水平下拒绝了“存在单位根”的零假设，表明二阶差分后的4个序列均为平稳序列。因此，4 个原始序列都是二阶单整序列，满足同阶单整条件，可用于协整分析。

（二）协整检验

为了探讨克强指数各指标与上海市经济增长之间的长期均衡关系，笔者引入协整理论进行分析。在协整关系检验中，学者们一般采用EG（Engle&Granger）两步法和JJ（Johansen&Juselius）似然比检验方法。鉴于多变量间的协整关系检验，JJ 检验法与EG检验法相比更具有优越性，所以本文采用JJ似然比检验法对选取的变量进行协整关系检验，检验结果见表2所列。

从表2 可以看出，在不存在协整向量的原假设下，迹统计量（44.777 48）和最大特征值统计量（25.240 93）均在5%显著性水平下大于其各自的临界值，故拒绝原假设；而在至少存在一个协整关系的原假设下，上述两统计量均小于其各自的临界值，所以该向量自回归模型存在且只有一个协整关系表达式，标准化后的协整方程为：

表2 JJ协整检验结果

在协整方程表达式中，工业用电量的系数为负数，这启示：上海市应该加快转变经济发展方式，推动产业结构转型，使社会经济由依靠能源消耗实现增长向依靠科技进步和金融服务业等第三产业方向转变。

（三）Granger因果关系检验

虽然协整检验结果显示克强指数各指标与上海市经济增长之间存在长期稳定的均衡关系，但是还需要进一步的验证这种均衡关系是否真正构成因果关系，而Granger因果检验［4］为这类问题提供了解决思路。为此，笔者将运用Granger因果检验来分析克强指数各指标与上海市经济增长之间的因果关系。

根据Granger 因果关系检验原理，笔者选择对lnGDP、lnE、lnF和lnL二阶差分进行Granger 因果关系分析，由Granger因果检验系统自动给出滞后期为2。根据Akaike信息准则确定最优滞后阶为3，分析检验结果见表3所列。

表3 Granger因果关系检验结果

从表3 的检验结果可以分析得出，在10%的显著水平上，上海市经济增长与工业用电量、货运量相互之间不具有因果关系，而上海市经济增长与金融机构贷款量之间互为Granger 因果关系。分析其原因，笔者认为可能是：随着改革步伐的加快，上海市经济不断深入发展，产业结构不断调整优化，特别是金融服务等行业取得长足发展，经济发展由依靠能源消耗转向依靠科技和发展第三产业。

（四）VAR模型及脉冲响应分析

为了进一步研究在其他因素保持不变的情况下，克强指数各指标与上海市经济增长之间的联动效应，本文通过建立VAR模型，运用脉冲响应模型进行分析。

（1）VAR 模型。向量自回归［5］（Vector Autoregression，VAR）是一种非结构化的模型，它是基于数据的统计性质，通过把系统中每一个内生变量作为系统中所有内生变量的滞后项的函数来构造模型的。滞后阶数的确定是VAR模型构造中的一个重要问题。在滞后阶数的选择过程中，既要保证有足够数目的滞后项，又要保证有足够数目的自由度。根据AIC 和SC 等信息准则，当最大滞后阶数选择2的时候，模型特征多项式的根的倒数都位于单位圆内，AIC 达到最小值-14.960 93，SC 也达到了较小值-13.222 60，因此确定的最佳滞后阶数为2，得到相应的VAR(2)模型。

（2）脉冲响应函数。脉冲响应函数［5］能够比较直观地描绘出变量之间的动态交互作用及其效应，可以用于衡量来自模型中随机扰动项的一个标准差冲击对其他内生变量当前及未来各期取值的影响轨迹。克强指数与上海市经济增长的VAR 模型有4个内生变量，可建立16个脉冲响应函数。考虑到本文主要是研究克强指数与上海市经济增长的关系，所以本文主要分析克强指数各指标对上海市经济增长冲击的反应以及上海市经济增长对克强指数各指标冲击的反应。基于VAR模型的脉冲响应模型分析结果如图1 和图2 所示。横轴表示冲击作用的滞后时间，纵轴表示因变量对扰动项一个标准差冲击的响应程度；实线是脉冲响应函数值，虚线所示范围为正负2倍标准差的置信带。

从图1 可以看出，对于给定上海市GDP 一个标准差的正向冲击，克强指数各指标都表现为正向效应，但工业用电量和货运量对经济增长的冲击效应随着时间的增长表现得越来越不明显。

从图2 可以看出，工业用电量一个标准差的正向冲击在长期内对上海市经济增长有持续而递增的正向效应。上海市经济增长对来自货运量一个标准差的冲击表现为负向效应，对来自金融机构贷款量标准差的冲击效应随着时间的增长表现得越来越不明显。

图1 克强指数各指标对上海市经济增长冲击的脉冲响应函数分析

图2 上海市经济增长对克强指数各指标冲击的脉冲响应函数分析

四、结论与建议

本文试图从克强指数这一独特视角来研究上海市经济发展问题，具有重要的理论创新性和实际应用价值。笔者运用协整理论、Granger因果关系检验和脉冲响应模型，深入探讨了上海市经济增长与工业用电量、货运量和贷款发放量之间的内在关系与动态机制，主要得出以下3点结论与建议：

（1）协整检验结果表明，克强指数各指标与上海市经济增长之间存在着长期稳定的均衡关系，这说明从长期来看，克强指数可以作为上海市经济发展状况的一个可靠、有用的衡量指标。但工业用电量的系数为负数，这表明上海市应该加快转变经济发展方式。随着上海自贸区的成立，金融服务业将成为上海市经济发展的重要推动力量。推动上海市产业结构转型，努力将上海建设成为国际性的金融贸易中心。

（2）Granger因果关系检验结果表明，在10%的显著水平上，上海市经济增长与工业用电量、货运量相互之间不具有因果关系，而与金融机构贷款量之间互为Granger因果关系。这说明金融机构贷款量新增对上海市经济增长具有重要的拉动作用，工业用电量和货运量对上海市经济增长的拉动作用减弱。上海市要实现进一步发展，就要全面深化改革，扩大开放程度，推动产业结构升级，尤其是加快自贸区建设。

（3）脉冲效应模型分析结果进一步论证了前面两点结论。克强指数各指标对给定上海市GDP一个标准差的正向冲击都表现出正向效应，而上海市经济增长对工业用电量一个标准差的正向冲击有持续而递增的正向效应，对货运量一个标准差的冲击表现为负向效应，对金融机构贷款量标准差的冲击效应随着时间的增长表现得越来越不明显。

但是，上海市作为一座国际性的大都市，经济结构有着很强的空间相关性和溢出效应，而本文所采用的传统计量经济模型忽略了这些复杂的空间依存结构和空间相互作用问题，很容易使其回归分析产生偏差［6］。从空间经济视角、引入空间计量经济学模型［7］对上海市乃至全国经济发展问题进行实证研究，是今后进一步的研究方向。

［1］刘庆传. 读懂“克强指数”［N］. 新华日报，2013-04-23（A05）.

［2］解读“克强指数”［N］. 企业家日报，2013-07-01（14）.

［3］张晓峒. Eviews使用指南与案例［M］. 北京：机械工业出版社，2007.

［4］高铁梅. 计量经济分析方法与建模：EViews 应用及实例［M］. 北京：清华大学出版社，2009：277-281.

［5］高秀丽，王爱虎，房兴超. 广东省区域物流与区域经济增长关系的实证研究［J］. 工业工程，2012，15（1）：60-65.

［6］兰峰，张春苗. 空间经济学视角下的商品住房价格溢出效应研究［J］. 统计与信息论坛，2015，30（6）：39-44.

［7］赵丹妮. 广东省区域经济增长影响因素的空间计量分析［J］. 统计与决策，2015（15）：101-104.