贵州省金融发展与产业结构升级的关系研究
2022-03-19韩雪莲
韩雪莲
关键词:贵州省;金融发展;产业结构升级
中图分类号:F127 文献标志码:A 文章编号:1673-291X(2022)06-0022-04
引言
我国经济已由高速增长阶段转向高质量发展阶段,深化供给侧结构性改革,就要不断调整产业结构,使之能够与新阶段经济发展需求的变化相适应。经济的发展离不开金融业的支持,金融业与产业结构升级的关系在经济高质量发展阶段变得越发紧密。改革开放以来,我国经济实力不断增强,取得的成绩令人瞩目,但东中西部地区发展不平衡、不充分问题仍然突出。产业结构转型升级和金融发展都存在着较大的区域性差异,从区域的角度出发,研究二者的关系有着十分重要的意义。贵州省作为西部欠发达地区,其金融业与产业结构升级之间有着怎样的影响关系呢?本文对此进行研究,以期为认识二者之间的关系以及贵州省产业结构持续升级、金融发展提供新的实证依据。
一、文献综述
国内外学者研究金融发展和产业结构升级二者的关系得出的结论不尽相同。Carlin等(2003)认为,资本市场更有利于高新产业发展,银行体系更适合传统型产业发展[1]。我国学者蔡红艳等(2004)指出,资本市场不能有效促进产业结构调整,股市资本对高成长行业支持力度不够[2]。Hyina(2012)、李强(2015)等大部分学者都认为,金融发展会对产业结构升级的产生积极影响[3~4]。易鑫富等(2020)的实证研究表明,金融体系规模对产业结构高级化的冲击最大,金融体系结构的冲击次之,金融体系效率的冲击作用最小[5]。方爱平等(2011)的研究表明,产业结构升级对推动中部地区金融发展有积极影响[6]。李远天等(2021)认为,金融结构变动和产业结构升级之间的影响是相互的,金融结构变动能更好地服务于产业结构升级,与产业结构升级协调发展的金融结构才是最优的金融结构[7]。国内外学者的研究大多侧重于金融发展对产业结构升级的影响,关于产业结构升级是否也能促进金融发展的实证研究较少;其次,以往研究多从整体出发,而中国区域之间发展不平衡,有必要根据贵州省的实际情况进行具体分析。
二、变量选取及模型设定
(一)变量选取
1.被解释变量与解释变量。一是产业结构升级(ISU)。构建产业结构升级指数[8],表示贵州省的产业结构升级水平。计算公式为:ISU=zi×i=z1×1+z2×2+z3×3 其中,zi表示第i产业的产值占GDP的比重。二是金融发展(FD)。目前,贵州省产业发展所需资金很大程度上还是来源于银行业,资本市场发展时间较短,直接融资水平较低,采用银行业的数据衡量贵州省的金融发展水平更具有代表性。本文从金融发展规模(FDS)和金融发展效率(FDE)两个方面进行衡量。其中,FDS=金融机构各项存贷款余额总和/GDP,FDE=金融机构各项贷款余额/金融机构各项存款余额。
2.控制变量。固定资产投资水平(FAI)、经济发展水平(GDP)及政府行为(GOV)等诸多外部因素会对贵州省产业结构升级和金融发展产生影响,本文将这些因素作为控制变量。其中,FAI=固定资产投资总额/GDP,GDP=贵州省人均GDP,GOV=一般公共预算支出/GDP。
(二)数据说明
本文所使用的数据来源于历年《贵州省统计年鉴》和国泰安数据库。为确保数据尺度统一,FDS、FDE、FAI、GOV四个变量的值均采用小数形式,并保留四位小数。为缩小量纲、降低序列异方差,对GDP取对数得到LNGDP。
(三)模型设定
ARDL-ECM模型是以ARDL模型为基础推导得到的,ARDL模型对小样本检验同样有效,估计结果更加稳健,只要序列满足零阶单整或一阶单整就可以构建无约束的误差修正模型(UECM),运用 ARDL边限协整检验来检验变量的长期稳定关系。若变量间长期协整关系存在,则进一步建立ARDL-ECM模型估计模型系数。ARDL-ECM模型表达式为:
(一)单位根检验
本文实证部分使用的是Eviews10软件。ADF单位根检验结果显示,ISU原序列在10%的显著性水平下拒绝原假设,为零阶单整序列。FDS、FDE、FAI、LNGDP、GOV均为非平稳序列,一阶差分后分别在5%,1%的显著性水平下拒绝原假设,为一阶单整序列。所有变量满足I(0)或I(1)平稳,可以运用ARDL方法进行研究。
(二)ARDL边限协整检验
本文基于AIC信息准则确定最优滞后阶数,由于樣本数据量较小(T=39),将最大滞后阶数设置为3。检验通过F统计量进行判断,F值大于上临界值,则拒绝原假设,变量间长期协整关系存在;F值小于下临界值,则接受原假设,变量间长期协整关系不存在;F值落在上下两个临界值之间,则无法判断,检验结果如表1所示。
ISU=f(FDS,FAI,LNGDP,GOV)、ISU=f(FDE,FAI,LNGDP,GOV)和FDS=f(ISU,FAI,LNGDP,GOV)函数的F 统计值均高于显著性水平为1%的上临界值,通过协整关系检验。FDE=f(ISU,FAI,LNGDP,GOV)则没有通过协整关系检验。
(三)长期和短期系数估计
由于FDE=f(ISU,FAI,LNGDP,GOV)没有通过协整检验,故只估计模型1、模型2、模型3的长短期系数。为了避免异方差或自相关问题,采用HAC(Newey-West)估计法修正参数估计量的标准差,参数估计结果如下页表2所示。
ISU为因变量,FDS为自变量时,金融发展规模的长短期系数均在1% 的显著性水平下显著。长期来看,金融发展规模提高1%产业结构升级则会提高0.268486%,短期内金融发展规模提高1%产业结构升级会提高0.168003%。三个控制变量在长期都会对产业结构升级产生影响,但固定资产投资水平会抑制产业结构升级,原因可能是贵州省的固定资产投资资源配置不合理,不能有效支持产业结构升级。ECMt-1在 1% 的显著水平下通过检验,系数为-0.997887,说明产业结构升级短期偏离长期均衡状态后,会以99.7887%的速度向长期均衡方向调整。
FDS为因变量,ISU为自变量时,产业结构升级对金融发展仅存在长期的正向影响,产业结构升级提高1%金融发展规模则会提高0.612983%。固定资产投资水平在长期能促进金融规模增长,但经济发展水平却对金融发展规模产生抑制作用,原因可能是贵州省在基础设施建设上投入了大量资金,虽然GDP增长了,但地方债务重,而大部分债务来自银行。短期来看,金融发展规模的滞后项D(FDS(-1))在1%的显著水平下显著,金融发展规模自身的影响存在延续性,当期值变动 1%,下期值则会同向变动 0.43376%。政府行为及其滞后项在短期内都会抑制金融发展规模,原因可能在于金融发展规模短期增长过快会引起通货膨胀,需要政府进行干预。ECMt-1在 1% 的显著水平下通过检验,说明金融发展规模短期偏离长期均衡状态后,会以111.9521%的速度向长期均衡方向调整。
ISU为因变量,FDE为自变量时,金融发展效率的长期系数并不显著,长短期都不会对产业结构的升级产生影响。从长期来看,控制变量的系数都是显著的,均会对产业结构转型升级产生正向或负向影响。短期内只有产业结构升级的滞后项D(ISU(-1))在10%的显著性水平下会对其产生影响,产业结构升级自身的影响存在延续性,当期值变动 1%,下期值则会同向变动 0.238048%。
本文用CUSUM和CUSUMSQ检验模型的稳健性,检验结果显示三个模型的CUSUM值和CUSUMSQ值都位于5%显著性水平下的上下临界值之间,说明ARDL-ECM模型估计的结果是有效的。
结语
本文通过分析实证结果得出以下结论:第一,贵州省产业结构升级和金融发展规模之间存在长期稳定的均衡关系。从长期来看,金融发展规模的扩大推动了产业结构的转型升级,产业结构升级也推动了金融发展规模的增长。短期内,当期的金融发展规模会推动当期的产业结构转型升级,但是不存在滞后项,说明金融发展规模在短期内能推动产业结构升级,但是这种推动作用不能延续。第二,产业结构升级对金融发展规模的推动作用更大。原因可能在于贵州省第二、三产业正在蓬勃发展,对资金的需求也会大幅度地增加。此外,产业结构升级也对金融机构的服务水平提出了更高的要求,从而倒逼金融机构不断发展壮大。第三,产业结构升级和金融发展效率之间没有明显的联系。原因可能在于贵州省金融发展效率呈现出一定的下滑趋势,1978年全省金融机构贷款余额与存款余额的比值为1.1987,2017年则下降到了0.7996。
参考文献:
[1] CarlinW,MayerC.Finance,investment,andgrowth[J].CeprDiscussionPapers,2003,(1):191-226.
[2] 蔡红艳,阎庆民.产业结构调整与金融发展——来自中国的跨行业调查研究[J].管理世界,2004,(10):79-84.
[3] Anna Hyina,Roberto Samaniergo.StruturalChangeandFinancingConstrains[J].JournalofMonetaryEconmics,2012,(2):166-179.
[4] 李强.金融发展与我国产业升级:全球价值链攀升的视角[J].商业经济与管理,2015,(6):86-96.
[5] 易鑫富,穆琳.产业结构高级化升级过程中金融要素的贡献[J].广西大学学报:哲学社会科学版,2020,(2):105-113.
[6] 方愛平,李虹.产业结构升级对金融发展的影响——来自中部地区的证据[J].经济问题,2011,(11):97-100.
[7] 李远天,胥英明.金融结构变动、产业结构升级与高质量发展[J].中国注册会计师,2021,(4):63-69.
[8] 徐敏,姜勇.中国产业结构升级能缩小城乡消费差距吗?[J].数量经济技术经济研究,2015,(3):3-21.
3439500589238