銀行信貸支持吉林省縣域經(jīng)濟發(fā)展問題研究
——基于空間面板計量模型

張傳娜，董玫汐

（1.吉林省農(nóng)村金融改革研究中心吉林 長春 130028；2.長春金融高等專科學(xué)校 科研處，吉林 長春 130028；3.北京市海淀區(qū)農(nóng)村合作經(jīng)濟經(jīng)營管理站，北京 海淀 100091）

一、引言

習(xí)近平總書記在2017年的全國金融工作會議上強調(diào)，金融是實體經(jīng)濟的血脈，為實體經(jīng)濟服務(wù)是金融的天職，是金融的宗旨。從微觀層面來說，銀行作為最主要的金融載體，通過吸收存款、發(fā)放貸款，解決微觀主體面臨的融資問題，達到服務(wù)微觀主體、促進微觀主體發(fā)展的目的。在縣域經(jīng)濟層面，銀行信貸與縣域經(jīng)濟發(fā)展之間的關(guān)系如何，銀行信貸是否能夠促進縣域經(jīng)濟發(fā)展，其作用機制及影響程度如何，這是本文探討的問題。

二、文獻回顧

由于我國金融市場起步較晚，在金融市場中又以銀行為絕對主體，證券和保險等其他形式的金融市場發(fā)展相對薄弱且不均衡，因此很多文獻都以研究金融發(fā)展與經(jīng)濟增長的關(guān)系為名，但實質(zhì)都是以銀行信貸相關(guān)指標(biāo)作為金融發(fā)展的指示變量，使用不同方法分析其與經(jīng)濟發(fā)展之間的關(guān)系，如張軍等（2005）［1］、張志強（2012）［2］、高曉燕等（2013）［3］、崔喜蘇等（2014）［4］。

研究銀行信貸與經(jīng)濟發(fā)展之間關(guān)系的文獻很多。從研究方法來說，分析銀行信貸與經(jīng)濟發(fā)展之間關(guān)系的方法主要有：時間序列的回歸分析、向量誤差修正模型、Granger因果關(guān)系檢驗、協(xié)整分析，如談儒勇（1999）［5］、王志強等（2003）［6］；基于省際和縣域面板數(shù)據(jù)的回歸分析、協(xié)整分析，如謝問蘭等（2008）［7］、郭剛等（2012）［8］、陳明（2014）［9］、劉雅嬌等（2018）［10］；利用空間面板計量模型分析銀行信貸與經(jīng)濟發(fā)展之間關(guān)系的文獻相對較少，方先明等（2010）［11］利用中國省域1998—2008年的面板數(shù)據(jù)分析金融支持與經(jīng)濟增長的關(guān)系，其構(gòu)建的是空間截面回歸模型，并未構(gòu)建空間面板計量模型。

本文試圖通過構(gòu)建空間面板計量模型來分析吉林省縣域經(jīng)濟中銀行信貸與經(jīng)濟發(fā)展之間的關(guān)系和內(nèi)在作用機制，驗證如下三個假設(shè)：

假設(shè)1：擴大銀行信貸規(guī)模能夠促進經(jīng)濟發(fā)展。

假設(shè)2：提高銀行信貸效率能夠促進經(jīng)濟發(fā)展。

假設(shè)3：銀行信貸促進經(jīng)濟發(fā)展的作用機制存在空間效應(yīng)。

三、影響因素分析與計量模型設(shè)定

本文的被解釋變量為人均地區(qū)生產(chǎn)總值，記作pergdp。

（一）影響因素分析與變量指標(biāo)選擇

通過整理現(xiàn)有文獻，明確銀行信貸是影響經(jīng)濟發(fā)展的重要因素，但是為了防止由于遺漏重要變量造成模型估計問題，還需要考慮影響經(jīng)濟發(fā)展的其他因素，將其作為控制變量引入到模型中。選擇指標(biāo)的具體情況如下：

1.解釋變量

本文的核心解釋變量為銀行信貸。可能影響經(jīng)濟發(fā)展的銀行信貸指標(biāo)主要有兩個：一是銀行信貸規(guī)模，二是銀行信貸效率。

（1）銀行信貸規(guī)模

銀行信貸規(guī)模的測度指標(biāo)有兩類，一類是絕對指標(biāo)，即銀行信貸的絕對數(shù)量，可用金融機構(gòu)各項貸款余額表示；另一類為相對指標(biāo)，即銀行信貸相對于地區(qū)生產(chǎn)總值的比重，用金融機構(gòu)各項貸款余額與GDP的比值表示。本文選擇相對指標(biāo)，即金融機構(gòu)各項貸款余額與GDP的比值來代表銀行信貸規(guī)模，符號記作FS。

（2）銀行信貸效率

現(xiàn)有文獻對銀行信貸效率的測度通常也有兩個指標(biāo)：一是將發(fā)放給私人部門的銀行信貸比例作為衡量銀行信貸效率的指標(biāo)；二是學(xué)者們通常使用的金融機構(gòu)貸款與存款的比值。考慮到獲取私人部門銀行信貸數(shù)額比較困難，本文選擇金融機構(gòu)貸款與存款的比值來代表銀行信貸效率，符號記作FE。

2.控制變量

選擇控制變量主要是在參考已有文獻及相關(guān)經(jīng)濟理論的基礎(chǔ)上，為避免遺漏關(guān)鍵變量造成估計誤差膨脹而確定的，本文選擇的主要指標(biāo)如下：

（1）工業(yè)發(fā)展水平

工業(yè)指從事自然資源的開采，對采掘品和農(nóng)產(chǎn)品進行加工和再加工的物質(zhì)生產(chǎn)部門。工業(yè)能夠吸收農(nóng)村剩余勞動力、提高農(nóng)產(chǎn)品附加值，有助于發(fā)展地方經(jīng)濟。本文以工業(yè)增加值代表工業(yè)發(fā)展水平，符號記作indus。

（2）固定資產(chǎn)投資

固定資產(chǎn)投資是一種再生產(chǎn)活動，表現(xiàn)為建造和購置固定資產(chǎn)的各種經(jīng)濟活動，包括固定資產(chǎn)更新、新建、改建和擴建等。本文以全社會固定資產(chǎn)投資總額表示，符號記作inv。

（3）地方財政支出［12］。財政支出一方面可以衡量縣域地方政府對經(jīng)濟發(fā)展的作用力，另一方面也可以衡量政府對經(jīng)濟發(fā)展的投入和調(diào)控。本文以各市縣公共財政支出表示，符號記作pub。

（4）經(jīng)濟密度。經(jīng)濟密度（GDP/平方公里）可以反映一個地區(qū)經(jīng)濟活動的頻繁程度和市場規(guī)模（商品購買力）的大小，符號記作eco。

（5）空間相依影響［13］［14］。經(jīng)濟活動通常在空間上表現(xiàn)出集聚特征，相鄰地區(qū)的經(jīng)濟發(fā)展存在一定的相關(guān)性。因此，針對多區(qū)域的計量分析，需要考慮指標(biāo)間的空間相依特征。具體而言，空間相依關(guān)系是通過空間加權(quán)矩陣進行考量的。

當(dāng)前比較流行的空間權(quán)重矩陣主要有三種：第一種是基于相鄰的空間加權(quán)矩陣，即任意兩個地區(qū)i和j如果在空間上是臨近的，即設(shè)定空間加權(quán)矩陣W的元素為1，否則為0；第二種是以距離的倒數(shù)作為構(gòu)建空間加權(quán)矩陣的元素，此種空間加權(quán)矩陣需外生給定截斷（cutoff）距離；第三種是以地區(qū)之間經(jīng)濟聯(lián)系為權(quán)重的空間加權(quán)矩陣，主要是利用地區(qū)之間的貿(mào)易數(shù)據(jù)，構(gòu)建貿(mào)易流量矩陣。

由于本文研究的是縣域經(jīng)濟，相關(guān)部門并未專門統(tǒng)計縣域之間的貿(mào)易數(shù)據(jù)，因此第三種空間加權(quán)矩陣在本文中并不適用。本文在研究過程中，構(gòu)建了基于相鄰的Queen空間加權(quán)矩陣［15］和基于距離倒數(shù)的空間加權(quán)矩陣。基于距離倒數(shù)的空間加權(quán)矩陣截斷（cutoff）點分別為100、150、200、250和300。經(jīng)過分析發(fā)現(xiàn)，截斷（cutoff）點為200的空間加權(quán)矩陣，各項指標(biāo)表現(xiàn)更好，因此本文的分析是基于截斷距離（cutoff）為200的空間加權(quán)矩陣展開。

（二）實證模型與空間計量方法

傳統(tǒng)面板數(shù)據(jù)計量模型在進行模型估計時，通常假定個體之間具有獨立性和同質(zhì)性。其對個體差異性的刻畫通過截距項的差異設(shè)置，即固定效應(yīng)和隨機效應(yīng)來體現(xiàn)，不能顯示個體之間差異的內(nèi)在作用機制。空間面板數(shù)據(jù)計量模型在傳統(tǒng)面板數(shù)據(jù)計量模型的基礎(chǔ)上，通過空間加權(quán)矩陣引入空間乘子，將個體之間的相互作用及表現(xiàn)的差異性考慮進來，能夠在一定程度上彌補傳統(tǒng)面板數(shù)據(jù)模型的不足。

本文的分析基于第二代空間面板數(shù)據(jù)計量模型——靜態(tài)空間面板數(shù)據(jù)模型。靜態(tài)空間面板數(shù)據(jù)模型的一般形式如下：

根據(jù)參數(shù)的設(shè)定情況，上述模型可轉(zhuǎn)化為以下三種形式：

第一，當(dāng)θ=0，λ=0時，模型為空間面板自回歸模型（簡稱SPAR模型）；

第二，當(dāng)ρ=0，θ=0時，模型為空間面板誤差自回歸模型（簡稱SPEM模型）；

第三，當(dāng)λ=0時，模型為空間面板杜賓模型（簡稱SPDM模型）。

在上述三種形式的模型中，分別加入空間固定效應(yīng)、時間固定效應(yīng)、雙向固定效應(yīng)及隨機效應(yīng)四種情況，因此本文將會在12種模型中做出選擇，以便分析銀行信貸對經(jīng)濟發(fā)展的作用。

四、實證分析

本文的實證分析基于吉林省40個縣域、2000—2016年共計17年的經(jīng)濟金融數(shù)據(jù)。數(shù)據(jù)來源于2001—2017年的《吉林省統(tǒng)計年鑒》《中國縣域統(tǒng)計年鑒（縣市卷）》、各縣市年度政府工作報告及統(tǒng)計公報，中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。

為了減弱絕對指標(biāo)存在的異方差可能對模型估計造成的影響，本文對相關(guān)變量做了取對數(shù)處理，相關(guān)變量分別表示為logpergdp（人均地區(qū)生產(chǎn)總值）、logindus（工業(yè)發(fā)展水平）、loginv（固定資產(chǎn)投資水平）、logpub（地方財政支出）、logeco（經(jīng)濟密度）。在實證分析中，首先對核心變量進行了空間相關(guān)性檢驗，然后對變量進行了平穩(wěn)性檢驗及協(xié)整檢驗，最后選擇相對恰當(dāng)?shù)哪Ｐ蛯ψ兞恐g的關(guān)系進行分析。

（一）空間相關(guān)性檢驗及平穩(wěn)性檢驗

1.空間相關(guān)性檢驗

由于在宏觀經(jīng)濟序列中，橫截面樣本序列之間普遍存在相關(guān)問題，因此Pesaran（2007）［16］提出了基于宏觀經(jīng)濟序列的CD檢驗，用于檢驗橫截面之間的相關(guān)性。本文對核心變量人均地區(qū)生產(chǎn)總值（logpergdp）及銀行信貸效率（FE）和銀行信貸規(guī)模（FS）分別進行了CD檢驗。從檢驗結(jié)果來看，上述三個變量都拒絕了橫截面相互獨立的假設(shè)。為了檢驗這三個變量是否存在空間相關(guān)性，本文又分別計算了Moran I指數(shù)和Geary’s C統(tǒng)計量。從檢驗結(jié)果來看，銀行信貸效率（FE）具有顯著的空間相關(guān)性，人均地區(qū)生產(chǎn)總值（logpergdp）和銀行信貸規(guī)模（FS）的空間相關(guān)性不很顯著。相關(guān)性檢驗結(jié)果見表1。

表1 logpergdp、FE和FS的空間相關(guān)性檢驗結(jié)果

2.變量平穩(wěn)性檢驗

第一代面板單位根檢驗，如IPS檢驗、Maddala和Wu檢驗，都假定橫截面?zhèn)€體之間是彼此相互獨立的。而前文相關(guān)性檢驗結(jié)果表明，核心變量橫截面?zhèn)€體之間存在明顯的相關(guān)關(guān)系，因此在單位根檢驗中，也需要考慮橫截面之間的相關(guān)性，將各個橫截面?zhèn)€體所面臨的隨機沖擊和公共因素考慮進去。本文的面板單位根檢驗使用的是Pesaran（2007）［16］提出的CIPS檢驗，檢驗結(jié)果見表2。

從CIPS檢驗結(jié)果來看，F(xiàn)S和logeco是一階單整序列，其它變量都是平穩(wěn)序列。對非平穩(wěn)的變量直接進行回歸分析，可能會產(chǎn)生虛假回歸問題，因此需要對目標(biāo)變量進行協(xié)整檢驗，以確定變量之間是否存在長期穩(wěn)定的關(guān)系。

3.變量之間的協(xié)整檢驗

在選擇協(xié)整檢驗方法時，同樣需要考慮到橫截面?zhèn)€體之間存在的空間相關(guān)性問題，因此本文選擇的是Westerlund（2007）［17］構(gòu)建的誤差修正模型狀態(tài)下面板協(xié)整關(guān)系檢驗（Westerlund檢驗），檢驗結(jié)果見表3。

表2 面板單位根檢驗結(jié)果

表3 Westerlund協(xié)整檢驗結(jié)果

從表3的Westerlund檢驗結(jié)果來看，變量之間存在長期的協(xié)整關(guān)系，說明銀行信貸是影響經(jīng)濟發(fā)展的重要因素。

（二）實證模型及解釋

通過前面的各種檢驗，可以認(rèn)為本文所選擇的變量可以用來建立回歸模型分析銀行信貸支持經(jīng)濟發(fā)展的作用機制，但是應(yīng)該選擇何種模型呢？

1.固定效應(yīng)和隨機效應(yīng)

Baltagi（2005）［18］指出，隨機效應(yīng)模型應(yīng)更多地對應(yīng)于樣本個體隨機來自于總體，當(dāng)實際樣本針對某些特定的個體時，固定效應(yīng)模型要優(yōu)于隨機效應(yīng)模型。本文選擇的樣本為吉林省40個縣（市、區(qū)），針對性較強，選擇固定效應(yīng)比較合適。

為了驗證上述判定，本文使用似然比（LR）檢驗進行固定效應(yīng)與隨機效應(yīng)的檢驗。檢驗原假設(shè)為空間固定效應(yīng)的聯(lián)合非顯著時，LR為954.44，在自由度為40時，P=0.00，說明必須拒絕原假設(shè)，認(rèn)為空間固定效應(yīng)聯(lián)合顯著。檢驗原假設(shè)為時間固定效應(yīng)聯(lián)合非顯著時，LR為100.51，自由度為17時，P=0.00，說明同樣必須拒絕原假設(shè)，認(rèn)為時間固定效應(yīng)聯(lián)合顯著。LR檢驗證實，空間面板計量模型應(yīng)選擇具有空間固定效應(yīng)和時間固定效應(yīng)的模型，即雙向固定效應(yīng)模型。

此外，本文還利用Lee and Yu（2012）［19］推導(dǎo)的用于一般空間面板數(shù)據(jù)模型的Hausman檢驗對固定效應(yīng)的選擇做了進一步驗證。Hausman檢驗的原假設(shè)為隨機效應(yīng)模型，其結(jié)果為34.94，P=0.00，同樣表明選擇固定效應(yīng)模型更合適。

2.空間面板自回歸模型（SPAR）、空間面板誤差模型（SPEM）和空間面板杜賓模型（SPDM）

在空間面板自回歸模型（SPAR）、空間面板誤差模型（SPEM）和空間面板杜賓模型（SPDM）之間的選擇，從包含信息量最大的空間面板杜賓模型開始，然后分別考慮空間面板杜賓模型是否可簡化為空間面板自回歸模型或空間面板誤差模型，可供選擇的檢驗方法有Wald檢驗和LR檢驗。

（1）空間面板杜賓模型（SPDM）是否可簡化為空間面板自回歸模型（SPAR）

原假設(shè)為可簡化為空間面板自回歸模型（SPAR）時，Wald取值為54.97，P值為0.00；LR取值為54.77，P值為0.00。Wald檢驗和LR檢驗都表明不能接受空間面板自回歸模型（SPAR）的原假設(shè)。

（2）空間面板杜賓模型（SPDM）是否可簡化為空間面板誤差模型（SPEM）

原假設(shè)為可簡化為空間面板誤差模型（SPEM）時，Wald取值為42.35，P值為0.00；LR取值為46.47，P值為0.00。Wald檢驗和LR檢驗都表明不能接受空間面板誤差模型（SPEM）的原假設(shè)。

綜上，本文選擇空間面板杜賓模型（SPDM）分析銀行信貸支持經(jīng)濟發(fā)展的作用機制。

3.模型估計結(jié)果及解釋

表4 模型估計結(jié)果

銀行信貸支持經(jīng)濟發(fā)展的空間面板杜賓模型（SPDM）估計結(jié)果見表4。從表4的結(jié)果來看，銀行信貸規(guī)模（FS）、銀行信貸效率（FE）、工業(yè)發(fā)展水平（logindus）、固定資產(chǎn)投資（loginv）、消費水平（logcon）及經(jīng)濟密度（logeco）對經(jīng)濟發(fā)展都有顯著的正效應(yīng)，而地方財政支出（logpub）對經(jīng)濟發(fā)展具有顯著的負效應(yīng)。考慮了空間效應(yīng)的變量，銀行信貸效率（W*FE）對經(jīng)濟發(fā)展有顯著的正效應(yīng)，而銀行信貸規(guī)模（W*FS）和消費水平（W*logcon）有顯著的負效應(yīng)。這些結(jié)果與經(jīng)濟理論及發(fā)展實際基本符合。

但是，Lesage and Pace（2009）［20］指出，由于空間加權(quán)矩陣（W）的引入，空間面板杜賓模型（SPDM）中的點估計將不能反映解釋變量對被解釋變量的全部線性影響，如果將其視為某個自變量對因變量的影響大小，將會存在嚴(yán)重的錯誤。因此，應(yīng)考慮在空間作用機制下自變量對因變量的直接影響、間接影響和總影響的大小，相應(yīng)結(jié)果見表5。

表5 空間效應(yīng)估計結(jié)果

表5為雙向固定效應(yīng)空間面板杜賓模型（SPDM）下銀行信貸等解釋變量對吉林省縣域經(jīng)濟發(fā)展的長期作用。具體來看：

（1）銀行信貸規(guī)模（FS）

銀行信貸規(guī)模（FS）具有顯著正的直接效應(yīng)，顯著負的間接效應(yīng)和不顯著的總效應(yīng)，與空間相關(guān)性檢驗的結(jié)果一致。具體來說，單純擴大銀行信貸規(guī)模（FS）并不能起到促進經(jīng)濟增長的作用。某縣通過擴大銀行信貸規(guī)模（FS），可能會促進本地經(jīng)濟發(fā)展，但同樣可能會給臨近縣的發(fā)展帶來不利影響，總體看不會對經(jīng)濟產(chǎn)生較顯著的影響。

（2）銀行信貸效率（FE）

銀行信貸效率（FE）具有顯著正的直接效應(yīng)、間接效應(yīng)和總效應(yīng)。具體來說，某縣銀行信貸效率（FE）提高1個百分點，可以促進當(dāng)?shù)亟?jīng)濟增長0.2個百分點；臨近縣銀行信貸效率（FE）提高1個百分點，可以促進本縣經(jīng)濟增長0.7個百分點；總體來看，銀行信貸效率（FE）提高1個百分點，可促進經(jīng)濟增長0.9個百分點。提高某縣銀行信貸效率（FE），不但可以促進本縣經(jīng)濟發(fā)展，還可以起到促進臨近縣市經(jīng)濟發(fā)展的作用。

（3）控制變量

控制變量中，工業(yè)發(fā)展水平（logindus）、固定資產(chǎn)投資水平（loginv）、消費水平（logcon）、經(jīng)濟密度（logeco）都對經(jīng)濟發(fā)展有顯著正的直接效應(yīng)，消費水平（logcon）對經(jīng)濟發(fā)展有顯著負的間接效應(yīng)，工業(yè)發(fā)展水平（logindus）和經(jīng)濟密度（logeco）對經(jīng)濟發(fā)展的總效應(yīng)是顯著正的，而消費水平（logcon）對經(jīng)濟發(fā)展的總效應(yīng)是顯著負的。工業(yè)發(fā)展對經(jīng)濟發(fā)展的作用是顯而易見的，工業(yè)發(fā)展，可促進經(jīng)濟發(fā)展。通過擴大固定資產(chǎn)投資的方式促進經(jīng)濟增長屬于粗放型的增長方式，并不能持久，因此短期內(nèi)可能會促進某縣經(jīng)濟發(fā)展，但是長期并不會給經(jīng)濟發(fā)展帶來好處。消費與儲蓄之間是此消彼長的關(guān)系，對于經(jīng)濟發(fā)展水平相對較低的縣域經(jīng)濟來說，增加消費無疑會減少儲蓄，是不利于經(jīng)濟未來發(fā)展的，因此表現(xiàn)出消費對經(jīng)濟發(fā)展的總效應(yīng)是顯著負的。但是，隨著經(jīng)濟的發(fā)展，消費對經(jīng)濟發(fā)展的促進作用也會顯現(xiàn)出來。經(jīng)濟密度反映的是一個地區(qū)經(jīng)濟活動的頻繁程度和市場規(guī)模的大小，顯然縣域經(jīng)濟活動越頻繁、市場規(guī)模越大，越能夠促進縣域經(jīng)濟發(fā)展。

五、結(jié)論與對策建議

（一）結(jié)論

本文運用空間面板計量模型，基于吉林省40個縣域、2000—2016年共計17年的經(jīng)濟金融數(shù)據(jù)，對銀行信貸支持吉林省縣域經(jīng)濟發(fā)展的作用機制進行了研究。實證研究證實：

第一，假設(shè)1不能完全成立，擴大銀行信貸規(guī)模在短期內(nèi)可能起到促進經(jīng)濟發(fā)展的目的，但是從長期來看并不能起到促進經(jīng)濟整體發(fā)展的作用。

第二，假設(shè)2是完全成立的，提高銀行信貸效率不僅能夠促進本縣經(jīng)濟發(fā)展，還能帶動臨近縣域經(jīng)濟發(fā)展。從驗證這兩個假設(shè)得出的結(jié)論可以看出，粗放式的發(fā)展方式對經(jīng)濟發(fā)展并不會產(chǎn)生有益影響，只有提高效率和效益的集約式發(fā)展方式才能促進經(jīng)濟長期、持續(xù)發(fā)展。

第三，假設(shè)3在本文中得到了證實，銀行信貸在促進經(jīng)濟發(fā)展中確實存在空間效應(yīng)，有著空間傳導(dǎo)機制。假設(shè)3印證了張傳娜（2018）［21］的猜測，即吉林省縣域經(jīng)濟之間確實存在空間相關(guān)關(guān)系。

（二）對策建議

經(jīng)濟單元并不是孤立存在的，相互之間存在緊密聯(lián)系。制定經(jīng)濟發(fā)展戰(zhàn)略需統(tǒng)籌兼顧、有全局意識，避免顧此失彼、得不償失。針對本文的分析，提出以下政策建議：

第一，關(guān)注經(jīng)濟發(fā)展的空間傳導(dǎo)機制，可嘗試通過金融要素的流動達到配置經(jīng)濟資源的目的；

第二，制定銀行信貸政策時，不應(yīng)單純以擴大信貸規(guī)模為考核依據(jù)，而應(yīng)著力提高信貸效率，用提高效率促進發(fā)展；

第三，在不擴大銀行信貸規(guī)模的前提下，應(yīng)把資金投向工業(yè)等增加值較高的行業(yè)，大力促進縣域農(nóng)業(yè)生產(chǎn)、農(nóng)產(chǎn)品加工的發(fā)展，繁榮縣域經(jīng)濟。