金融发展对实体经济的影响——基于社会融资规模的视角

贾高清

（华东师范大学经济与管理学部经济学院，上海 200241）

引 言

金融发展和经济增长之间关系的重要性毋庸置疑，在早期的相关文献中得到了大量的研究。Schumpeter （1911）［1］对金融发展和经济增长的关系研究做出了开创性的贡献，认为一个运行良好的金融体系通过将资源从生产力较低的部门分配到生产力更高的部门来促进技术创新的提高和经济增长。 Kuznets（1955）［2］提出金融市场的产生是在经济增长发展到一定阶段后才出现的，并在经济步入成熟期后开始快速发展。Lewis和Arthur（1955）［3］发现金融市场是在经济增长的过程中自然发展的，并在之后促进了实体经济的发展。Patrick（1966）［4］对上述理论进行了总结，概括为 “需求跟随”理论和 “供给引导”理论。“需求跟随”理论假设实体经济活动的增加会导致对金融服务的需求，从而增加金融部门的发展。“供给引导”理论则认为健全的金融部门的发展有助于经济增长。

之后，更多国外的学者从理论和实证层面证实了金融发展对经济增长有着积极的影响［5-7］。中国的学者也注意到了金融发展与经济增长的关系，谈儒勇 （1999）［8］采用中国的季度数据证明了中国的金融发展对经济增长有着显著正相关的关系。周立和王子明 （2002）［9］采用中国省级的面板数据实证发现中国的金融发展有利于长期的经济增长。武志 （2010）［10］将发展经济学的观点与金融发展的理论结合形成了一种新的理论假说，即金融规模上的提升可以促进经济增长，但实现金融质量的提高需要进行经济结构转型，推动技术进步和制度创新。除此之外，也有学者发现金融发展与经济增长之间是非线性的关系。Deidda和Fattouh（2002）［11］通过门槛回归模型发现了两者之间非线性关系的证据。Law和Singh （2014）［12］则发现了金融发展和经济增长之间的倒U型关系，这意味着金融发展低于一定程度时是促进经济增长的，当金融发展超过某一数值就会损害经济增长。Ibrahim 和Alagidede （2017）［13］的研究表明虽然金融发展在低于某一门槛值时对经济增长有着积极的影响，但金融发展超过某一门槛时对经济增长会有更加强烈和显著的影响。我国学者杨友才 （2014）［14］证实了我国金融发展与经济增长之间存在非线性的关系，主要表现为门槛效应和边际递减效应，且在东中西不同地区存在差异。黄智淋和董志勇（2013）［15］主要以通货膨胀率作为门限值，通过动态面板数据模型发现我国金融发展与经济增长呈现非线性关系，即当通货膨胀率超过某一定值时，金融发展与经济增长呈现负相关关系，当通货膨胀率处于较低水平时，金融发展可以促进经济增长。这些研究大多孤立地分析金融发展和经济增长关系，未考虑到金融发展和实体经济之间的关系，及金融和实体经济不平衡发展时对经济增长的影响。

1 理论分析和模型设定

1.1 理论分析

本文基于内生增长中AK模型来研究金融发展和实体经济之间的关系及其对经济增长的影响，引入金融和实体两个部门，每个部门都有不同比例的生产要素，资本存量的不同会造成不同的经济增长。假设两个部门都具有规模报酬不变的生产函数，两个部门对商品的偏好是一致的，都用资本和劳动两种投入要素进行生产，分别以K（t）和L（t）代表资本和劳动，劳动供给无弹性，Y代表最终产出，YF代表金融部门产出，YR代表实体部门产出。

金融和实体部门的生产函数分别为式 （1）和 （2）：

Kj（t）和 Lj（t）分别代表某部门的资本和劳动，当j＝F时代表金融部门，当j＝R时代表实体部门，Aj（t）是哈罗德中性的技术进步，对于整个经济来说：

每个部门最终产品的价格分别是pF和pR，资本和劳动的价格分别是r和w，r代表资本的租金回报率，w代表工人的工资率，在完全竞争下的产品和要素市场中，价格满足如下方程：

金融和实体部门中资本份额可以分别表示为：

其中，ε∈［0，∞］代表生产函数两种投入的替代弹性，σ是分布参数，θ是经济体中金融部门资本的份额，也包括人力资本，1-θ是实体部门中的资本份额。如果ε＜1，则金融部门和实体部门之间是互补关系，如果ε＞1，则金融部门和实体部门之间是替代关系，我们假设金融部门和实体部门是互补关系，因为金融部门可以为实体经济提供所需要的资金，提高资本的配置效率。对方程 （12）取对数后对时间求微分，我们可以得到总的经济增长率：

均衡的增长路径认为所有部门都应以恒定的速度增长。刘易斯提倡均衡增长，即 “经济的各个部门必须在彼此之间保持同向增长的关系，或者都不能增长”。可以说，只有经济体的各部门之间相互协调、整体平衡增长的情况下，经济发展的过程才可以维持、强化和累计。因此，金融和实体部门应该以同样的速度增长，这样才对经济增长产生正的促进作用。在本文的模型中，金融部门的发展可以通过对实体经济提供信贷促进经济增长，这与 “供给引导”假说相一致，Schumpeter（1911）［1］认为对实体部门的信贷是推动经济增长和发展的主要力量。假定在均衡增长时，每种投入要素具有固定的比例，此时， gF（t）和 gR（t）表示每单位产出下的增长率， 如果 gF（t）＞gR（t），表示金融部门的增长率快于实体部门的增长率，金融部门的过快增长会损害实体经济生产率的增长，特别是对于那些有形资产比例较低或者研发支出密集度较高的行业［16］，一些风险性较高的投资项目也会得到投资，可能造成不良贷款，因此总体的经济增长率将是下降的。 当 gF（t）＜gR（t）时，金融部门的增长率慢于实体部门的增长率，金融可以将资金配置到生产率更高的企业中，减少金融的不稳定性和系统性风险，同时金融也可以很好地发挥监督管理职能，这时总体的经济增长率将是增加的。据此，我们可以得出结论，为了使金融发展促进经济增长、金融有效地支持实体经济，信贷占GDP比例的增速和实体部门应该保持同步增长。

1.2 模型设定

为了克服金融发展、金融发展相对实体经济发展差异和其他解释变量与经济增长存在的内生性问题，我们采用系统广义矩估计法进行估计，用解释变量和被解释变量的滞后变量作为工具变量。设定的基本模型如下：

其中yit是第i个地区在第t时间的人均实际GDP增长率，yit-1是滞后一期的经济增长率，FDit是金融发展，diffit是金融发展增长率和实体经济增长率的差异，Qit是一系列的控制变量，γi是地区效应，μt是时间效应，εit是随机扰动项。我们主要感兴趣的参数是β3，衡量了金融发展相对实体经济增长率对经济增长的影响，为了探究金融发展相对实体经济增长率影响经济增长的渠道，我们加入金融发展和实体经济增长差异的交互项，设定的基本模型如下：

其中diffit是一系列金融发展相对实体经济增长率差异影响经济增长传导渠道的变量。对于系统广义矩估计方法，存在差分GMM和系统GMM，由于差分GMM面临解释变量不随时间变化和弱工具变量时会产生偏差［17］，而且处理动态数据的固定效应时，仅仅通过减去均值或者进行差分有待商榷，因此我们采取系统GMM进行估计，系统广义矩估计的矩条件为：

为了证明系统GMM是合适的，本文要对系统GMM模型适用的两个前提条件进行检验，即随机扰动项是否存在自相关和工具变量的过度识别检验。

2 数据来源与变量选择

本文选取了2000～2018年全国31个地区的面板数据，所有相关数据都来源于中国国家统计局网站。关于实体经济，则选择了工业部门作为代表，选取工业部门增加值的增长率代表实体经济增长率。关于金融发展的指标，由于影子银行的出现和发展，不管是广义货币发行量还是银行贷款与实体经济的相关性都不那么显著，因此，仅以M2或者银行贷款来衡量金融对实体经济的支持力度是明显不够的。央行为了更好地反映金融对实体经济的支持，引入了社会融资规模这个指标，接下来我们用社会融资规模占名义GDP的比例来衡量金融发展。同时，也选取了私人信贷占GDP的比例作为替代变量，对于私人信贷的计算我们采纳了张军和金煜 （2005）［18］的做法。

关于控制变量的选择，我们选取了人均实际GDP的初始值：可以用来控制地区的收敛效应；财政支出水平：选取各地区公共财政支出占地区生产总值的比例来衡量政府支出水平，财政支出占GDP的比例一定程度上体现政府对经济的干预程度和对市场经济造成的扭曲影响；人力资本：用人均受教育年限来衡量人力资本水平；对外开放水平：用进出口贸易总额占GDP的比例来衡量对外开放水平；通货膨胀水平：用消费者价格指数来衡量通货膨胀水平；固定资本形成率；用固定资本形成总额占地区GDP的比例来表示。

3 实证结果分析

3.1 描述性统计分析

表2报告了我们文中变量的基本描述性统计，包括变量个数、均值、标准差、最小值、中位数和最大值。我们可以发现人均实际GDP的平均增长速度为11%，中位数为10.8%，两者比较接近，说明我国大多数省份大多数时间平均增长率处于11%左右，数据相对比较平稳。社会融资规模占GDP比例的平均值为0.20，大于中位数0.173。金融发展增长率和实体部门增长率差异平均值为0.08，说明平均来看我国金融发展的增长率快于实体部门的增长率。

表1 变量含义简要说明

表2 描述性统计

表3是变量间的相关系数表。从中可以看出，人均实际GDP增长率和其他变量之间的相关系数基本小于0.6，个别变量可能大于0.7，说明变量之间并不存在多重共线性关系，因此可以继续进行后续的回归分析。人均实际GDP增长和金融发展增长率相对实体经济增长率差异的相关系数为-0.12，且在5%的显著性水平下显著，说明金融发展增长率相对实体经济增长率和经济增长之间存在负的相关关系。

表3 相关系数表

3.2 系统GMM回归分析

考虑到金融发展以及其他解释变量可能和经济增长之间存在的内生性问题，本文采用系统广义矩估计方法 （GMM）来研究金融发展、实体经济和经济增长之间的关系。

表4 系统GMM回归结果

续 表

表4报告了金融发展与实体经济的相关变量和经济增长的系统GMM回归结果。Wald检验模型设定是否具有显著性，原假设为各解释变量的系数均为0。AR（1）是对扰动项的一阶自相关检验，AR（2）是对扰动项的二阶自相关检验，两者检验的原假设都为随机扰动项无自相关，当AR（1）统计量显示拒绝原假设，则表示存在一阶序列相关，模型存在内生性问题，当AR（2）统计量显示接受原假设时，则表示二阶序列无自相关，较好地克服了模型中的内生性问题。Hansen Test用来检验工具变量的过度识别问题，原假设是 “所有工具变量均是有效的”，当不能拒绝原假设时则说明模型中选择的工具变量是有效的。从回归（1）～（5） 我们可以看到 AR（1）和 AR（2）都通过了序列相关的检验，Hansen Test也表示所有模型都通过了工具变量有效性的检验。

回归 （1）是对模型进行的系统GMM回归结果，从结果我们可以看到金融发展的系数是正的，且在5%的显著性水平下显著，说明金融部门的发展可以显著促进经济增长。金融部门增长率和实体经济增长率的相对差异系数是负的，且在1%的显著性水平下显著，每单位金融部门相对实体部门增长率差异的增加导致经济增长下降0.7%，这和本文的理论一致，证明了金融部门的过快增长减弱了其他因素对经济增长的影响。正如Ductor和 Grechyna （2015）［19］所论述的， 当金融部门的发展脱离实体经济的增长速度而肆意扩张时就会减弱金融发展对经济增长的效应，当金融发展和实体经济同步发展时，金融可以最大程度发挥它的作用，促进经济增长。劳动就业人数和固定资本形成率对经济增长都具有正的系数，且在5%的显著性水平下显著，和索洛增长模型一致。通货膨胀的系数是负的，且在1%的显著性水平下显著，说明通货膨胀显著降低了经济增长。

为了研究金融发展与经济增长可能存在的非线性关系，在模型中加入金融发展的平方项如回归 （3）所示，金融发展的系数是正的，金融发展的二次项系数是负的，表明金融发展与经济增长之间存在倒U型关系。根据我们的研究结果来看，当社会融资规模占GDP的比例达到50%时，金融发展对经济增长的效应开始变为负值。模型中的其他变量，除了劳动就业人数变得不显著外，通货膨胀和固定资本形成率依然是显著的。金融发展与经济增长之间产生非线性关系的原因可能是源于金融发展和实体经济发展的不平衡，所以在回归 （2）中本文加入金融发展相对实体经济增长率差异的变量，金融发展的变量依然是正值，而金融发展相对实体经济增长差异的系数是负的，且在1%的显著性水平下显著，平均金融发展与实体经济增长差异的单位百分比增长使得经济增长率下降0.8%，表明金融发展的过快增长对经济发展造成了负面的影响。更具体地来看，当社会融资规模增长率超过实际部门增长率0.08%时，社会融资规模从1／4分位数值 （12.30%）增加到中位数值 （17.33%），预计经济增长将增加0.87%①，然而当金融发展与实体经济平衡增长时，社会融资规模从1／4分位数值 （12.30%）增加到中位数值 （17.33%）将导致经济增长0.89%②。

回归 （5）中加入金融发展增长率相对实体经济增长率与社会融资规模的交互项，可以看到金融发展增长率相对实体经济增长率与社会融资规模的系数是负的，且在5%的显著性水平下显著，这进一步证实了金融发展与实体经济增长不相匹配时，金融发展将对经济增长产生负面作用。这也告诉我们金融发展对经济增长产生负效应的主要作用渠道是通过社会融资规模和实体经济产出的不平衡增长，当社会融资规模的扩张没有伴随着社会生产力的大幅改善时，大量风险投资的增长可能降低经济增长甚至导致金融危机。

3.3 稳健性检验

为了证实结果是否稳健，本文将私人信贷占GDP的比例作为金融发展的替代变量重新进行回归。表5是以私人信贷作为金融发展的替代变量的回归结果。由于用私人信贷来衡量金融发展排除了国有企业贷款的影响，其对金融发展的衡量更严格更纯粹，从回归结果可以看到，以私人信贷衡量的金融发展相比之前，对经济增长的作用虽然是正的，但系数变小了，说明金融发展对经济增长的作用减弱了。金融发展相对实体经济增长速度差异的系数仍然是负的，且在1%的显著性水平下显著，这与我们之前的结论一致。私人信贷的平方项的系数是负的，且在10%的显著性水平下是显著的，说明金融发展与经济增长之间存在倒U型的关系。同时，金融发展相对实体经济增长率的差异与金融发展的交互项的系数也是负的，且在1%的显著性水平下显著，说明金融发展对经济增长的负效应主要是由金融发展与实体经济不平衡发展所致。

3.4 影响渠道分析

接下来本文考察金融发展与实体经济的增长差异影响经济增长的渠道，通过把固定资本形成率和通货膨胀率纳入到模型中，分析金融发展相对实体经济增长率差异影响经济增长的机制，本文对模型进行回归，表6是加入金融发展相对实体经济增长差异交互项的系统GMM回归。回归（1）、（2）、（4） 分别是加入主要解释变量与金融发展相对实体经济增长差异和相关变量交互项的回归结果，回归 （3）、（5）分别是加入其它控制变量与金融发展相对实体经济增长差异和相关变量交互项的回归结果。从结果我们可以看到金融发展相对实体经济增长率差异与固定资本形成率的交互项系数是负的，且在5%的显著性水平下是显著的，表明金融发展相对实体经济增长率差异通过降低投资率而影响了我国实体经济增长。其中，金融发展相对实体经济增长率差异每单位百分比的变化通过固定资本形成率显著降低了0.8%的经济增长率。当金融发展超过实体经济增长所需要的最优水平时，过多的信贷增长没有用来积累资本而是进入到了非生产性的活动中 （如参与金融投资），从而导致金融资源不能得到有效利用，影响了实体经济的快速增长。另外，当信贷过多时，多余的资金也会参与到具有风险性的投资项目中，从而可能形成不良贷款，这样也会对整体经济增长产生负面影响。正如Cecchetti和Kharroubi （2015）［20］所论述的那样， 当金融发展过快时，在那些有形资产比例较低或者研发密度比较高的行业中，全要素生产率的增长往往会不成比例地下降。

表6 加入金融发展相对实体经济增长差异交互项的系统GMM回归

从金融发展相对实体经济的增长率与通货膨胀的交互项来看，系数为-0.0002，且在10%的显著性水平下显著，表明金融发展相对实体经济增长率的上升通过通货膨胀影响到了经济增长，具体来看，金融发展相对实体经济增长率通过通货膨胀的上升使经济增长率下降了0.8%。由于相比投资率来说，过多的信贷往往会增加更多的私人消费，从而造成总需求和价格水平的上升。较高的通货膨胀会助长经济中投机行为，使得稀缺资源被分配到非生产性的活动中，从而减少经济增长。除此之外，通货膨胀会使经济面临更多不确定性，从而使经济行为发生扭曲，造成经济效率的下降。然而，相比通货膨胀的渠道来说，金融发展相对实体经济增长率差异通过固定资本形成率降低经济增长的渠道更强，通货膨胀增长过快虽然对经济增长也是有害的，但金融发展与经济增长呈倒U型关系，最好的解释是因为金融发展相对实体经济增长率的差异。

当金融部门的快速发展超过实体经济时，信贷资金的扩张并不一定能促进国内资本形成，因为过度的金融化可能导致一些资金投向非生产性项目和个人消费，从而造成通货膨胀或者产生不良贷款影响经济增长。

4 结 论

基于中国2000～2018年31个省份自治区直辖市的面板数据，本文研究了金融部门和实体经济不平衡发展时金融发展对经济增长的影响。金融发展对经济增长的效应取决于金融部门和实体经济产出的相对增长速度，当金融发展的速度超过实体部门产出的增长速度时会对经济增长造成负面影响。这是因为过度的金融化会减少资本形成，加剧通货膨胀从而导致宏观经济不稳定，从而抵消金融发展对经济增长的正面影响。为了保持中国经济的平稳快速增长，金融监管部门应该对信贷进行适当的指导和监督，制定反周期的资本缓冲政策，同时要加强研发创新能力，促进实体经济转型升级，只有实体经济有了更高质量的发展，金融部门的发展才有更好的基础，两者可以产生良性互动，最终实现我国经济高质量的增长。

注释：

①首先计算社会融资规模从1／4分位数值到中位数值的增长率然后计算单位社会融资规模的变化0.022-0.008×0.08＝0.02136，0.022和0.08分别是社会融资规模系数和平均金融发展增长率相对实体经济增长率差异，两者相乘即求得。

②预计经济增长将等于社会融资规模从1／4分位数到中位数的增长率乘以社会融资融资规模的系数，即0.0089。