江蘇省金融發展對經濟增長影響的區域差異

［摘要］選取江蘇省13個地級市2002—2011年的數據，運用固定效應變系數模型，研究了金融發展對經濟增長影響的區域差異性，結果表明：江蘇省13個地區的金融發展對當地經濟增長的影響存在較大的區域差異，多數地區的金融發展對其經濟增長沒有起到促進作用。

［關鍵詞］金融發展；經濟增長；江蘇省

［中圖分類號］F8327［文獻標識碼］A［文章編號］2095-3283(2014)07-0067-03

［作者簡介］劉強（1981-），男，漢族，山東臨沂人，講師，碩士，研究方向：區域金融，金融工程。一、引言

金融發展與經濟增長關系一直是經濟學家的研究熱點，國內學者已有研究成果中，如周立，王子明（2002）通過對中國各地區1978—2000年金融發展與經濟增長關系進行了實證研究，發現中國各地區金融發展與經濟增長密切相關。張萍，陳福中（2009）運用協整理論，研究發現江蘇省金融發展對經濟增長既有促進作用，也有負面影響。孫士金，孫世霞（2013）基于VAR系統，研究發現上海金融發展對經濟增長存在明顯的促進作用。王重潤，崔寅生（2010）通過構造面板數據模型， 研究表明環渤海地區五省市金融發展對經濟增長的影響程度存在顯著差異。彭耿，劉芳（2012）基于隨機變系數模型，研究顯示湖南省14個地區的金融發展對當地經濟增長的影響存在差異。

綜上所述，現有研究有些采用協整理論、VAR模型對金融發展與經濟增長的關系進行刻畫，但是由于時間序列較短，模型估計的穩健性有待檢驗；有些采用省級面板數據，從面板模型的角度進行分析，但無法深入研究各省內部各個地區金融發展與經濟增長關系的差異性。因此，本文選取江蘇省13個地級市的面板數據，應用固定效應變系數面板模型對江蘇省各地區金融發展對經濟增長的效應進行研究，以期為江蘇省經濟增長的金融支持提供建議。

二、指標選取和數據說明

本文選取了江蘇省13個地級市作為研究對象，樣本區間為2002—2011年共10年，因此樣本容量為13*10=130個。數據來源于歷年的江蘇省統計年鑒。后續的分析在Eviews70軟件下完成。

涉及的變量主要有經濟增長水平、金融發展水平和金融發展效率。經濟增長水平為因變量，采用各地級市人均實際GDP（GRE）來度量；金融發展水平為自變量，采用金融相關比率（FIR）衡量金融發展水平，金融相關比率用來衡量某地區的金融深化程度，是指某一時點上現存金融資產總量與該地區國民財富的比值，通常用金融資產總量與GDP之比來表示，基于數據的可得性，大多數采用金融機構存貸款總額來代替金融資產總量；金融發展效率為自變量，用各地級市儲蓄存款與貸款的比值表示金融發展效率（FE），以衡量金融中介儲蓄轉化為貸款的效率。為了減少數據的波動性，在后續的分析中，對各變量采用了取對數處理。

江蘇省13個地級市分別是南京市（NJ）、無錫市（WX）、徐州市（XZ）、常州市（CZ）、蘇州市（SZ）、南通市（NT）、連云港市（LYG）、淮安市（HA）、鹽城市（YC）、揚州市（YZ）、鎮江市（ZJ）、泰州市（TZ）以及宿遷市（SQ）。各市相關的變化如圖1所示。

從圖1可知，從時間維度看，江蘇省13個地級市之間并不存在明顯的差異,GRE呈現明顯的上升趨勢，FIR呈現出水平波動的現象，FE的波動較為劇烈；從截面角度看，無論是人均GDP還是金融發展都存在顯著的差異，如蘇州、無錫的人均GDP顯著高于其他地級市，南京市的金融發展水平顯著高于其他地級市等，而金融發展效率顯著低于其他地級市，因此在截面上很可能存在固定效應或者隨機效應。圖1江蘇省各市GRE，FIR和FE變化圖三、實證分析

1北淞康鈉轎刃約煅

為了避免模型出現跨截面時間序列問題，應該對數據的平穩性進行檢測，單位根檢驗是一種檢測數據平穩性的有效方法，常用的面板單位根檢驗方法有LLC檢驗、Breitung檢驗、IPS檢驗、Fisher-ADF檢驗、PP檢驗等。為克服單一檢驗方法所帶來的偏差，選擇以下多種方法對各面板數據變量及其一階差分變量進行單位根檢驗，檢驗結果見表1。

由表1可知，在1%顯著性水平上，除lnFIR的LLC檢驗通過外，其余檢驗均未通過，lnGRE所有檢驗均未通過，可知，lnFIR、lnFE和lnGRE存在單位根，經過一階差分后的變量，除△lnFIR的Fisher-ADF檢驗在5%顯著性水平下通過外，其余均在1%顯著性水平下通過檢驗，可以認為經過一階差分后的各變量是平穩序列。

表1面板單位根檢驗結果變量LLC檢驗IPS檢驗Fisher-ADF檢驗PP檢驗統計量P值統計量P值統計量P值統計量P值lnGRE34939309998590825100009893000998237348300695lnFIR-40570400000*-066494025302857480330823108506268lnFE-03914103347179615096381829520864829187803026△lnGRE-92464300000*-37615900001*62612000001*69625500000*△lnFIR-43239400000*-2228900129**49833100033*68118900000*△lnFE-10719100000*-54393300000*82313500000*14232100000*注：P值表示對應單位根統計量的顯著水平，*表示接受在1%水平上統計檢驗顯著，**表示在5%水平上統計檢驗顯著。

2泵姘逍整檢驗

根據上面對變量進行平穩性分析的結果，可知變量均為一階單整，因此有必要繼續考察變量之間是否存在協整關系，為了保證結果的穩健性與可靠性，本文在面板協整理論的框架下，運用Pedroni 檢驗方法和 Kao檢驗方法，檢驗結果見表2。

由表2可知，Pedroni 檢驗的七個統計量和Kao檢驗的統計量在不同的顯著性水平上接受不存在協整關系的原假設，這充分表明非平穩時間序列lnGRE和lnFIR、lnFE之間不存在協整關系，故不能通過普通最小二乘法得到變量間長期穩定的線性關系。

表2面板協整檢驗結果檢驗方法面板協整統計統計量值P值面板v-0881755 08110面板rho 1706615 09561面板PP-1046087 01478Pedroni 殘差協整檢驗

H0: 不存在協整關系面板ADF-0887368 01874群rho 2610987 09955群PP-1773832 00380群ADF-1315460 00942Kao 殘差協整檢驗ADFH0: 不存在協整關系-1542497 00615注：P值表示對應統計量的顯著水平。

3奔屏磕Ｐ偷難≡

首先確定面板模型的影響形式，采用Hausman檢驗進行固定效應與隨機效應模型的取舍，檢驗結果見表3。在1%的置信水平下，拒絕隨機效應模型的假設，采用固定效應模型比隨機效應模型的效果要好。

表3Hausman檢驗結果Test SummaryChi-Sq盨tatisticChi-Sq眃眆盤rob盋ross-section random17172354200002Period random14785527200006其次需要確定模型的形式，分別計算變系數模型、變截距模型和混合模型，在每個模型的回歸統計量里可以得到相應的殘差平方和S1=0190417，S2=1125920和S3=4297034，根據公式計算F統計量：

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為截面數目，T為時期數目，k為解釋變量數目。其中 N=13，k=2，T=10，得到的兩個F統計量分別為：F2=56790> F005（36,91）=15467,拒絕為不變參數模型的零假設，F1=18628> F005（24,91）=16376，拒絕為變截距模型的零假設，因此，最終模型應選擇變系數的形式。

表4SUR模型估計結果名稱截距lnFIR系數統計量lnFE系數統計量南京2397358-1315189*-4009457-2149581**-2389021無錫2651491-1369762*-4720822-1166057-2016277徐州0719981-0240538-0400594-2179756*-4612007常州2145573-1023906*-3213081-1093856***-1832980蘇州3453355-3096737*-7235656-3479592*-5318703南通08073602591990769412-1638281*-3490536連云港0423939-1036614*-5383567-3185646*-8723566淮安0052453-0143380-0474072-3689799*-6607472鹽城0672296-0389266-0776876-2107699*-5064980揚州市1047678-0139657-0433119-2058993*-5137747鎮江155271-0597116***-1949319-0931301-1533467泰州0851968-0102552-0285129-2071817*-5047786宿遷-01772-0417904-1440276-3518817*-6006522R-squared=0997487，F-statistic=6924721，Durbin-Watson stat=1420449注: 其中*，**，*** 分別表示在 1%，5%，10%水平上顯著

從表4可以分析出江蘇各地級市金融發展對經濟增長有以下具體影響：（1）從截距項來看，除宿遷外，其他所有地級市的取值都為正數，這說明江蘇省金融發展對經濟增長的基礎效應整體較強，南京和蘇州、無錫、常州地區基礎效應最強，特別是蘇州達到了345，揚州市、鎮江市次之，取值在1左右，其他地區取值都小于1，截距項值不同說明金融發展對經濟增長的基礎效應不同，取值越大，說明基礎效應越強；反之，取值越小，說明基礎效應越差。（2）金融相關比率（FIR）有效的地區有南京市、無錫市、常州市、蘇州市、連云港市和鎮江市，說明這些地區金融相關比率對經濟增長的影響顯著，但是影響顯著的地區取值都為負數，說明這些地區金融相關率與經濟增長是負相關的。以影響最顯著的蘇州和無錫為例，取對數后的金融相關比率每增加1%，對數人均GDP會相應的下降310%和137%。（3）除無錫市和鎮江市外，其他地級市的金融效率（FE）均有效，但這些地區的取值也都為負數，說明金融效率與經濟增長負相關，如淮安市，金融效率每增加1%，經濟增長會降低369%。在這些地區，金融效率對經濟增長的促進作用沒有得到顯現。

四、結論與建議

本文選取2002—2011江蘇省13個地區的數據，研究了金融發展對經濟增長影響的區域差異，發現江蘇省金融發展對經濟增長的基礎效應整體較強，但也存在明顯的地區差異性，江蘇省13個地級市中的大多數的金融發展對經濟增長并沒有起到促進作用。

導致金融相關比率與經濟增長負相關的原因可能是銀行存貸款在推動經濟增長過程中作用并不明顯，主導江蘇省經濟增長的原因可能是固定資產投資、財政支出或者其他的金融因素，比如各地級市規模龐大的地方政府債券對經濟增長的推動作用等。導致金融效率與經濟增長負相關的原因可能是儲蓄轉化成貸款的效率過低，大量貸款的產生并非市場競爭的結果，政府的宏觀調控起到了主導性作用。還有一個合乎邏輯的解釋就是金融抑制的存在，使得信貸的增長并不能促進有效率投資的增長，反而會使無效率投資得以重復出現。政府對金融系統的干預會導致對經濟增長起主要作用的一些非國有部門得不到強力的金融支持，比如越來越嚴重的中小企業融資難問題。

本文的研究明晰了江蘇省金融發展與經濟增長之間關系的地區差異，為不同地區制定差異化金融支持政策提供了地區劃分的參考。對于金融發展與經濟增長負相關的地區，應該降低政府部門對金融體系的干預，努力發揮金融對經濟增長的促進作用，使經濟增長成為金融現象而不是財政現象。當然，本文僅以銀行的存貸款數據作為衡量金融發展的指標，如考慮更多的其他指標（如證券化程度、保險深度等），可能會得到更有價值的結論。

［參考文獻］

［1］高鐵梅奔屏烤濟分析方法與建模 —Eviews 應用及實例［M］北本：清華大學出版社,2006

（責任編輯：梁宏偉）