我国金融发展与经济增长的非对称效应研究

王 军，王 昆

（中国石油大学（华东）经济管理学院，山东青岛266580）

0 引言

金融部门作为现代经济的核心部门之一，对资源配置起着关键性作用。自我国改革开放以来，我国经济长期保持中高速增长。而经济的快速增长，尤其经济体量的大幅扩张和资金的快速积累，有利于为金融业发展创造有效的外部市场环境。在此经济背景下，探寻我国经济增长与金融发展之间的关联作用关系，有利于进一步深化对我国金融要素与经济增长两者之间关系的认识，增强金融发展与经济增长的互动性，提升我国经济增长潜力。

关于金融发展与经济增长的关系，学术界的观点主要分为两类。一是两者之间存在单向关系，如Graff和Karmann（2004）[1]认为金融发展是实现经济增长的一个必要条件，其通过促进资本积累和提高分配效率以推动经济增长；二是以Padtrick（1966）[2]为代表，认为两者之间存在双向关系，金融与经济增长的双向作用取决于一个经济体所处的发展阶段。在发展初期，金融通过服务的供给扩张来刺激经济增长，而到了发展的高级阶段，经济增长对金融发展产生引致性服务需求。

纵观我国金融发展与经济增长关系研究的既有文献[3-6]，研究视角集中为把金融发展拆分为金融发展规模、效率、市场结构等不同要素，但是从整体金融发展来分析两者之间关系的研究相对缺乏。基与此，本文首先测度我国1996—2015年的金融发展综合水平（FCL），然后利用VAR模型来研究两者之间的非对称性关系，并分析导致这种结果的内在原因。

1 金融综合水平测度

参考既有文献设计的金融发展评价指标体系，本文从金融发展规模、效率和金融市场结构这三个维度来对我国的金融发展综合水平进行评价。金融发展规模指标衡量，一般常用Goldsmith指标（金融资产所占规模），以我国存贷款总额相对于整体经济的规模来度量。金融发展效率，利用贷款总额/存款总额来刻画金融产业对社会资金的利用效率，其效率高低反映着金融资产对实体经济的有效支撑程度。金融市场结构代表直接融资和间接融资两者之间结构的比例，我国直接融资市场发育程度，以股票交易总额/贷款总额来度量具有一定代表性。根据上述分析，构建如表1所示的评价指标体系。

表1 金融综合水平评价指标体系

设计的指标数据结果如下页表2所示，数据来源于中国统计年鉴。

熵值法、德尔菲法、AHP法、因子分析法、主成分分析法都是常用的综合指标测度方法，但是熵值法相较于德尔菲法和AHP在指标权重设计上相对客观。因为这两种方法依赖于专家评分，主观性较强，而因子分析法、主成分分析法适用于变量较多的情况。由于本文数据变量指标较少，仅有三个，因此适宜采用熵值法进行综合测算。熵是物理学中的一个重要概念，是对不确定状况的度量。在信息论中，信息熵表示一个系统的有序程度，信息熵越大，系统有序程度越高，效用值越低。

表2 我国相关金融指标数据

熵值法的计算步骤：首先对指标数据进行变换，标准化处理，由于本文所设计的指标都为正向指标，其标准化变换方式如公式（1）所示；然后分别进行指标值的权重计算，如公式（2）所示；指标的熵值（信息熵）计算如公式（3）所示；指标差异性系数（效用值)的计算如公式（4）所示；计算指标权重如公式（5）所示。整个计算过程示意如下：

首先对原始数据进行平滑处理。任何数据都是由趋势成分和波动成分组成。

采用HP滤波方法剔除其趋势成分，得到其波动成分，作为新的变量。本文中m=19，n=3，根据上述步骤，处理结果如表3所示。

表3 熵值法输出结果

利用公式（5）和表3的结果进行加权求和，得到我国金融综合水平测度结果如表4所示。

表4 我国金融发展综合水平

为了更为清晰直观地反映上述的结果，把表4转换为图1，其中虚线代表金融的综合发展水平，实线代表金融发展趋势。

图1 我国金融发展综合水平

从表3看出，我国金融市场结构对金融发展水平的贡献度最大，其次是金融发展效率和规模。图1表明，我国金融发展综合水平形态呈现出极为平缓的“U”字型，并表现出一定的季节波动性和往复的周期性，主要是由于金融业是对于实体经济的一个补充，其发展在根本上受到我国整体经济形势和财政货币政策因素的制约。单从2008—2015年金融综合水平的变化来看，其变化方向与我国整体经济形势是相一致的，由于我国相继受到金融危机、欧债危机的冲击，经济增速下滑，市场整体疲软，我国采取强有力的“4万亿”经济刺激，实行较为宽松的财政货币政策，来减缓社会投资下滑，促进经济复苏，而且伴随着我国经济调整进入新常态，近年来经济增速保持中高速平稳增长，这有利于促进我国金融综合水平的提升。

2 实证分析

2.1 模型设定

VAR模型常用来分析多元时间序列分析中几个变量的共同变动作用，因此采用VAR模型来研究金融发展水平（FCL）与经济增长（g）之间的具体关系，其中我国经济增长率（以上年为基期）的数据来源于中国统计局网站。

VAR模型设定如下：

其中，t为样本个数，p为滞后阶数，Yt为2维内生变量的列向量，由FCL、g这两个变量组成，B为外生变量，α为待估的系数矩阵，εt为误差向量。

2.2 单位根检验

单位根检验是对数据的平稳性进行检验，是后期进行协整检验和建立VAR模型的基础。本文利用ADF检验法在99.5%的置信水平下对数据变量进行平稳性分析。首先对经济增长率的原始数据取对数变换，数据处理软件为Eviews8.0，输出结果如表5所示。

表5 单位根检验结果

由表5可见，变量g原序列不平稳，但是其一阶差分是平稳的，变量为一阶单整的，FCL原序列是平稳的，可以进行协整分析。

2.3 确定最优滞后阶数

滞后阶数结果如表6所示。

表6 滞后阶数结果

依据AIC和SC准则，确定模型最优滞后阶数p=1,因此建立VAR（1）模型。

2.4 协整检验

采用Johansen极大似然估计法进行这两个序列之间的协整关系分析。如果变量不平稳，则变量间同阶单整，而且变量之间的某种线性组合是平稳的，则称这两个变量是协整的。

表7 Johansen协整检验结果

从表7中可以看出，在99.5%的置信水平下，变量金融综合水平和经济增长率之间存在1个协整关系。

2.5 格兰杰因果关系分析

为了避免伪回归现象的发生，运用格兰杰关系对这两个变量之间的因果关系进行检验。检验结果如表8所示。

表8 格兰杰因果关系检验结果

由表8可知，在99.5%的置信水平下，经济增长率和金融综合水平存在单向因果关系，经济增长可以带动金融发展的综合水平提升，但是金融发展对经济增长的作用非常微弱。

2.6 脉冲响应函数分析

首先对模型的稳定性进行检验，软件输出结果如图2所示。

VAR模型的所有单位根全部落在单位圆内，因此模型是稳定的，可以对VAR模型进行脉冲响应函数分析。

采用脉冲响应函数法来反映VAR模型中两变量之间的相互影响，也就是给每个自变量一个新息量的冲击，来研究相应因变量的变动效果。

图2 模型稳定性检验

图3为随时间变化的脉冲响应图，图4为随时间变化的方差分解图，其中纵轴分别反映内生变量对脉冲冲击的反应程度以及两者之间的解释能力，横轴代表滞后阶数，本文取10期。

图3 金融综合水平与经济增长的脉冲响应图

图3(a)显示，当期给定经济增长率g一个标准差新息冲击时，FCL在第1期就产生较弱的负效应，在第2期跌落到最低点-0.05，然后在第3期逐渐反弹，收敛到第10期，但是始终未能突破0水平线，其惯性增长动力不强。图4(a)显示，金融发展受到经济增长因素影响的解释能力较高，总体解释度高达40%。

图3(b)显示，当期给金融综合水平FCL自身一个标准差新息冲击时，经济增长立即产生较强的负效应，在第2期跌落到-0.4附近，其负效应强度是金融发展受到经济增长的8倍左右，在第3期之后逐渐收敛到0，而且图4(b)显示，经济增长受到金融发展因素影响的解释能力非常低，总体解释度还不足10%。

图4 金融综合水平与经济增比的方差分解图

通过上述分析，可以看出：

（1）我国经济增长和金融发展存在着明显的非对称效应。两者之间存在单向关系，金融发展并没有实质性地推动我国经济增长。但是我国经济的长期快速增长对金融市场发展产生了一定的引致性服务需求，这要求我国进一步推动金融改革调整，与我国经济增长相配套，提升金融发展综合水平，以满足经济增长的需要。在经济发展过程中，我国建立并逐步完善股票市场、深化银行体制改革，我国存贷款总量迅速增加等都是我国经济增长带来的引致性需求效应的集中体现。

（2）金融综合水平在受到经济增长的冲击时，在经过较短的缓冲之后逐渐反弹收敛，而且负效应较小，这意味着我国经济增长对金融发展产生了相应的引致性服务需求。这推动了金融自身的不断完善，从而促进经济增长，但是持续促进经济金融发展的惯性作用相对不强。而与之相对应的，我国经济增长在受到金融发展冲击时产生了较强的负效应，而且其受金融发展因素影响的解释度较低。这表明两者之间并没有直接的因果关系，说明我国金融发展对带动经济增长的关联作用极其微弱，这可能与我国存在较为严重的“金融抑制”和传统的要素驱动经济增长模式相关。

3 金融发展对经济增长无有效作用的内在原因

我国金融发展与经济增长之间存在单向关系，但是金融发展为何未对经济增长产生有效带动作用需要进一步探究。本文运用自回归分布滞后（ARDL）模型对其内在的原因进行分析。

把金融发展水平分解为金融发展规模、效率及市场结构，将其作为自变量，把经济增长速度作为因变量，由于各个变量经过一阶差分变换后平稳，因此构建如下的ARDL模型：

分析软件为Eviews 8.0，输出结果如表9所示。

表9 ARDL模型回归结果

其中，R-squared=0.9375，Adjusted R-squared=0.8977，F-statistic=23.5689，Prob(F-statistic)=0。

从表9可以看出，模型拟合优度较高，调整后的相关系数在90%左右，模型整体显著，而且各个变量在90%的置信水平下显著。因此模型具有较高可信度。

从各个变量的系数来看，FIR、FIR（-1）都为正向关系，对经济增长起到促进作用，而FE、FE（-1)、FS（-1）都为负向关系，对经济增长产生抑制作用。虽然金融规模对经济增长有正的贡献度，但是金融发展效率、金融市场结构抵消了金融规模对经济增长的带动作用，因此导致我国金融发展对经济增长的作用没有得到实质性的发挥。说明我国金融发展效率相对低下和金融市场结构不合理已经成为经济增长的一个重要阻碍。同时验证了我国经济发展过程中存在较为严重的金融抑制现象，这与我国整体的金融市场环境密不可分。比如我国金融市场机制尚未健全，利率尚未实现市场化，导致企业的资金信贷的成本较高，降低了企业贷款和社会投资的积极性；以政府为主导的投资模式、我国国有银行在整个金融市场结构中居于支配地位，造成我国银行在项目选择上忽视项目的投资收益而是更多地受制于政府的管控，造成金融发展效率低下；股市的投机性成分太高，其市场价格偏离经济发展实际等，这些消极因素造成我国金融市场资源配置扭曲，传导到实体经济，对实体经济产生一定的挤出效应。因此破除我国存在的“金融抑制”，有效发挥金融对经济增长的支持作用才能更好实现我国金融发展与经济增长的互动关联。

4 结束语

当前我国金融发展与经济增长两者之间呈现单向关系，集中表现为经济增长对金融市场服务产生一定的引致性需求效应，带动金融市场创新，而金融发展对经济增长的作用及其微小。这主要是由于我国存在较为严重的金融市场抑制，金融发展效率较为低下，金融市场结构尚不能与我国经济增长相适应。而伴随我国经济增长动力的调整，改变传统的要素驱动，这导致对金融市场产生较高层次的派生型需求。因此我国政府应积极推动金融市场化改革，破除金融发展的制度性障碍，促进培育多元化综合金融市场，鼓励金融市场的供给端创新，逐渐推动利率市场化和完善银行业竞争机制，规范金融市场，充分降低金融市场的交易成本和投机程度，以带动实际经济增长。

参考文献：

[1] Graff M,Karmann A.What Determines the Finance-growth Nexus？Empirical Evidence for Threshold Models[J].Journal of Economics,2006,(87).

[2] Patrick H T.Financial Development and Economic Growth in Unde⁃veloped Countries[J].Economic Development and Cultural Change,1966,(34).

[3] 杨友才.金融发展与经济增长——基于我国金融发展门槛变量的分析[J].金融研究，2014，（2）.

[4] 张金清，陈卉.我国金融发展与经济增长关系的适度性研究[J].社会科学,2013，（5）.

[5] 武志.金融发展与经济增长:来自中国的经验分析[J].金融研究,2010，（5）.

[6] 马轶群，史安娜.金融发展与经济增长:来自中国的经验分析[J].国际金融研究,2012，（11）.