金融發展對實體經濟的影響
——基于社會融資規模的視角

賈高清

（華東師范大學經濟與管理學部經濟學院，上海 200241）

引 言

金融發展和經濟增長之間關系的重要性毋庸置疑，在早期的相關文獻中得到了大量的研究。Schumpeter （1911）［1］對金融發展和經濟增長的關系研究做出了開創性的貢獻，認為一個運行良好的金融體系通過將資源從生產力較低的部門分配到生產力更高的部門來促進技術創新的提高和經濟增長。 Kuznets（1955）［2］提出金融市場的產生是在經濟增長發展到一定階段后才出現的，并在經濟步入成熟期后開始快速發展。Lewis和Arthur（1955）［3］發現金融市場是在經濟增長的過程中自然發展的，并在之后促進了實體經濟的發展。Patrick（1966）［4］對上述理論進行了總結，概括為 “需求跟隨”理論和 “供給引導”理論。“需求跟隨”理論假設實體經濟活動的增加會導致對金融服務的需求，從而增加金融部門的發展。“供給引導”理論則認為健全的金融部門的發展有助于經濟增長。

之后，更多國外的學者從理論和實證層面證實了金融發展對經濟增長有著積極的影響［5-7］。中國的學者也注意到了金融發展與經濟增長的關系，談儒勇 （1999）［8］采用中國的季度數據證明了中國的金融發展對經濟增長有著顯著正相關的關系。周立和王子明 （2002）［9］采用中國省級的面板數據實證發現中國的金融發展有利于長期的經濟增長。武志 （2010）［10］將發展經濟學的觀點與金融發展的理論結合形成了一種新的理論假說，即金融規模上的提升可以促進經濟增長，但實現金融質量的提高需要進行經濟結構轉型，推動技術進步和制度創新。除此之外，也有學者發現金融發展與經濟增長之間是非線性的關系。Deidda和Fattouh（2002）［11］通過門檻回歸模型發現了兩者之間非線性關系的證據。Law和Singh （2014）［12］則發現了金融發展和經濟增長之間的倒U型關系，這意味著金融發展低于一定程度時是促進經濟增長的，當金融發展超過某一數值就會損害經濟增長。Ibrahim 和Alagidede （2017）［13］的研究表明雖然金融發展在低于某一門檻值時對經濟增長有著積極的影響，但金融發展超過某一門檻時對經濟增長會有更加強烈和顯著的影響。我國學者楊友才 （2014）［14］證實了我國金融發展與經濟增長之間存在非線性的關系，主要表現為門檻效應和邊際遞減效應，且在東中西不同地區存在差異。黃智淋和董志勇（2013）［15］主要以通貨膨脹率作為門限值，通過動態面板數據模型發現我國金融發展與經濟增長呈現非線性關系，即當通貨膨脹率超過某一定值時，金融發展與經濟增長呈現負相關關系，當通貨膨脹率處于較低水平時，金融發展可以促進經濟增長。這些研究大多孤立地分析金融發展和經濟增長關系，未考慮到金融發展和實體經濟之間的關系，及金融和實體經濟不平衡發展時對經濟增長的影響。

1 理論分析和模型設定

1.1 理論分析

本文基于內生增長中AK模型來研究金融發展和實體經濟之間的關系及其對經濟增長的影響，引入金融和實體兩個部門，每個部門都有不同比例的生產要素，資本存量的不同會造成不同的經濟增長。假設兩個部門都具有規模報酬不變的生產函數，兩個部門對商品的偏好是一致的，都用資本和勞動兩種投入要素進行生產，分別以K（t）和L（t）代表資本和勞動，勞動供給無彈性，Y代表最終產出，YF代表金融部門產出，YR代表實體部門產出。

金融和實體部門的生產函數分別為式 （1）和 （2）：

Kj（t）和 Lj（t）分別代表某部門的資本和勞動，當j＝F時代表金融部門，當j＝R時代表實體部門，Aj（t）是哈羅德中性的技術進步，對于整個經濟來說：

每個部門最終產品的價格分別是pF和pR，資本和勞動的價格分別是r和w，r代表資本的租金回報率，w代表工人的工資率，在完全競爭下的產品和要素市場中，價格滿足如下方程：

金融和實體部門中資本份額可以分別表示為：

其中，ε∈［0，∞］代表生產函數兩種投入的替代彈性，σ是分布參數，θ是經濟體中金融部門資本的份額，也包括人力資本，1-θ是實體部門中的資本份額。如果ε＜1，則金融部門和實體部門之間是互補關系，如果ε＞1，則金融部門和實體部門之間是替代關系，我們假設金融部門和實體部門是互補關系，因為金融部門可以為實體經濟提供所需要的資金，提高資本的配置效率。對方程 （12）取對數后對時間求微分，我們可以得到總的經濟增長率：

均衡的增長路徑認為所有部門都應以恒定的速度增長。劉易斯提倡均衡增長，即 “經濟的各個部門必須在彼此之間保持同向增長的關系，或者都不能增長”。可以說，只有經濟體的各部門之間相互協調、整體平衡增長的情況下，經濟發展的過程才可以維持、強化和累計。因此，金融和實體部門應該以同樣的速度增長，這樣才對經濟增長產生正的促進作用。在本文的模型中，金融部門的發展可以通過對實體經濟提供信貸促進經濟增長，這與 “供給引導”假說相一致，Schumpeter（1911）［1］認為對實體部門的信貸是推動經濟增長和發展的主要力量。假定在均衡增長時，每種投入要素具有固定的比例，此時， gF（t）和 gR（t）表示每單位產出下的增長率， 如果 gF（t）＞gR（t），表示金融部門的增長率快于實體部門的增長率，金融部門的過快增長會損害實體經濟生產率的增長，特別是對于那些有形資產比例較低或者研發支出密集度較高的行業［16］，一些風險性較高的投資項目也會得到投資，可能造成不良貸款，因此總體的經濟增長率將是下降的。 當 gF（t）＜gR（t）時，金融部門的增長率慢于實體部門的增長率，金融可以將資金配置到生產率更高的企業中，減少金融的不穩定性和系統性風險，同時金融也可以很好地發揮監督管理職能，這時總體的經濟增長率將是增加的。據此，我們可以得出結論，為了使金融發展促進經濟增長、金融有效地支持實體經濟，信貸占GDP比例的增速和實體部門應該保持同步增長。

1.2 模型設定

為了克服金融發展、金融發展相對實體經濟發展差異和其他解釋變量與經濟增長存在的內生性問題，我們采用系統廣義矩估計法進行估計，用解釋變量和被解釋變量的滯后變量作為工具變量。設定的基本模型如下：

其中yit是第i個地區在第t時間的人均實際GDP增長率，yit-1是滯后一期的經濟增長率，FDit是金融發展，diffit是金融發展增長率和實體經濟增長率的差異，Qit是一系列的控制變量，γi是地區效應，μt是時間效應，εit是隨機擾動項。我們主要感興趣的參數是β3，衡量了金融發展相對實體經濟增長率對經濟增長的影響，為了探究金融發展相對實體經濟增長率影響經濟增長的渠道，我們加入金融發展和實體經濟增長差異的交互項，設定的基本模型如下：

其中diffit是一系列金融發展相對實體經濟增長率差異影響經濟增長傳導渠道的變量。對于系統廣義矩估計方法，存在差分GMM和系統GMM，由于差分GMM面臨解釋變量不隨時間變化和弱工具變量時會產生偏差［17］，而且處理動態數據的固定效應時，僅僅通過減去均值或者進行差分有待商榷，因此我們采取系統GMM進行估計，系統廣義矩估計的矩條件為：

為了證明系統GMM是合適的，本文要對系統GMM模型適用的兩個前提條件進行檢驗，即隨機擾動項是否存在自相關和工具變量的過度識別檢驗。

2 數據來源與變量選擇

本文選取了2000～2018年全國31個地區的面板數據，所有相關數據都來源于中國國家統計局網站。關于實體經濟，則選擇了工業部門作為代表，選取工業部門增加值的增長率代表實體經濟增長率。關于金融發展的指標，由于影子銀行的出現和發展，不管是廣義貨幣發行量還是銀行貸款與實體經濟的相關性都不那么顯著，因此，僅以M2或者銀行貸款來衡量金融對實體經濟的支持力度是明顯不夠的。央行為了更好地反映金融對實體經濟的支持，引入了社會融資規模這個指標，接下來我們用社會融資規模占名義GDP的比例來衡量金融發展。同時，也選取了私人信貸占GDP的比例作為替代變量，對于私人信貸的計算我們采納了張軍和金煜 （2005）［18］的做法。

關于控制變量的選擇，我們選取了人均實際GDP的初始值：可以用來控制地區的收斂效應；財政支出水平：選取各地區公共財政支出占地區生產總值的比例來衡量政府支出水平，財政支出占GDP的比例一定程度上體現政府對經濟的干預程度和對市場經濟造成的扭曲影響；人力資本：用人均受教育年限來衡量人力資本水平；對外開放水平：用進出口貿易總額占GDP的比例來衡量對外開放水平；通貨膨脹水平：用消費者價格指數來衡量通貨膨脹水平；固定資本形成率；用固定資本形成總額占地區GDP的比例來表示。

3 實證結果分析

3.1 描述性統計分析

表2報告了我們文中變量的基本描述性統計，包括變量個數、均值、標準差、最小值、中位數和最大值。我們可以發現人均實際GDP的平均增長速度為11%，中位數為10.8%，兩者比較接近，說明我國大多數省份大多數時間平均增長率處于11%左右，數據相對比較平穩。社會融資規模占GDP比例的平均值為0.20，大于中位數0.173。金融發展增長率和實體部門增長率差異平均值為0.08，說明平均來看我國金融發展的增長率快于實體部門的增長率。

表1 變量含義簡要說明

表2 描述性統計

表3是變量間的相關系數表。從中可以看出，人均實際GDP增長率和其他變量之間的相關系數基本小于0.6，個別變量可能大于0.7，說明變量之間并不存在多重共線性關系，因此可以繼續進行后續的回歸分析。人均實際GDP增長和金融發展增長率相對實體經濟增長率差異的相關系數為-0.12，且在5%的顯著性水平下顯著，說明金融發展增長率相對實體經濟增長率和經濟增長之間存在負的相關關系。

表3 相關系數表

3.2 系統GMM回歸分析

考慮到金融發展以及其他解釋變量可能和經濟增長之間存在的內生性問題，本文采用系統廣義矩估計方法 （GMM）來研究金融發展、實體經濟和經濟增長之間的關系。

表4 系統GMM回歸結果

續 表

表4報告了金融發展與實體經濟的相關變量和經濟增長的系統GMM回歸結果。Wald檢驗模型設定是否具有顯著性，原假設為各解釋變量的系數均為0。AR（1）是對擾動項的一階自相關檢驗，AR（2）是對擾動項的二階自相關檢驗，兩者檢驗的原假設都為隨機擾動項無自相關，當AR（1）統計量顯示拒絕原假設，則表示存在一階序列相關，模型存在內生性問題，當AR（2）統計量顯示接受原假設時，則表示二階序列無自相關，較好地克服了模型中的內生性問題。Hansen Test用來檢驗工具變量的過度識別問題，原假設是 “所有工具變量均是有效的”，當不能拒絕原假設時則說明模型中選擇的工具變量是有效的。從回歸（1）～（5） 我們可以看到 AR（1）和 AR（2）都通過了序列相關的檢驗，Hansen Test也表示所有模型都通過了工具變量有效性的檢驗。

回歸 （1）是對模型進行的系統GMM回歸結果，從結果我們可以看到金融發展的系數是正的，且在5%的顯著性水平下顯著，說明金融部門的發展可以顯著促進經濟增長。金融部門增長率和實體經濟增長率的相對差異系數是負的，且在1%的顯著性水平下顯著，每單位金融部門相對實體部門增長率差異的增加導致經濟增長下降0.7%，這和本文的理論一致，證明了金融部門的過快增長減弱了其他因素對經濟增長的影響。正如Ductor和 Grechyna （2015）［19］所論述的， 當金融部門的發展脫離實體經濟的增長速度而肆意擴張時就會減弱金融發展對經濟增長的效應，當金融發展和實體經濟同步發展時，金融可以最大程度發揮它的作用，促進經濟增長。勞動就業人數和固定資本形成率對經濟增長都具有正的系數，且在5%的顯著性水平下顯著，和索洛增長模型一致。通貨膨脹的系數是負的，且在1%的顯著性水平下顯著，說明通貨膨脹顯著降低了經濟增長。

為了研究金融發展與經濟增長可能存在的非線性關系，在模型中加入金融發展的平方項如回歸 （3）所示，金融發展的系數是正的，金融發展的二次項系數是負的，表明金融發展與經濟增長之間存在倒U型關系。根據我們的研究結果來看，當社會融資規模占GDP的比例達到50%時，金融發展對經濟增長的效應開始變為負值。模型中的其他變量，除了勞動就業人數變得不顯著外，通貨膨脹和固定資本形成率依然是顯著的。金融發展與經濟增長之間產生非線性關系的原因可能是源于金融發展和實體經濟發展的不平衡，所以在回歸 （2）中本文加入金融發展相對實體經濟增長率差異的變量，金融發展的變量依然是正值，而金融發展相對實體經濟增長差異的系數是負的，且在1%的顯著性水平下顯著，平均金融發展與實體經濟增長差異的單位百分比增長使得經濟增長率下降0.8%，表明金融發展的過快增長對經濟發展造成了負面的影響。更具體地來看，當社會融資規模增長率超過實際部門增長率0.08%時，社會融資規模從1／4分位數值 （12.30%）增加到中位數值 （17.33%），預計經濟增長將增加0.87%①，然而當金融發展與實體經濟平衡增長時，社會融資規模從1／4分位數值 （12.30%）增加到中位數值 （17.33%）將導致經濟增長0.89%②。

回歸 （5）中加入金融發展增長率相對實體經濟增長率與社會融資規模的交互項，可以看到金融發展增長率相對實體經濟增長率與社會融資規模的系數是負的，且在5%的顯著性水平下顯著，這進一步證實了金融發展與實體經濟增長不相匹配時，金融發展將對經濟增長產生負面作用。這也告訴我們金融發展對經濟增長產生負效應的主要作用渠道是通過社會融資規模和實體經濟產出的不平衡增長，當社會融資規模的擴張沒有伴隨著社會生產力的大幅改善時，大量風險投資的增長可能降低經濟增長甚至導致金融危機。

3.3 穩健性檢驗

為了證實結果是否穩健，本文將私人信貸占GDP的比例作為金融發展的替代變量重新進行回歸。表5是以私人信貸作為金融發展的替代變量的回歸結果。由于用私人信貸來衡量金融發展排除了國有企業貸款的影響，其對金融發展的衡量更嚴格更純粹，從回歸結果可以看到，以私人信貸衡量的金融發展相比之前，對經濟增長的作用雖然是正的，但系數變小了，說明金融發展對經濟增長的作用減弱了。金融發展相對實體經濟增長速度差異的系數仍然是負的，且在1%的顯著性水平下顯著，這與我們之前的結論一致。私人信貸的平方項的系數是負的，且在10%的顯著性水平下是顯著的，說明金融發展與經濟增長之間存在倒U型的關系。同時，金融發展相對實體經濟增長率的差異與金融發展的交互項的系數也是負的，且在1%的顯著性水平下顯著，說明金融發展對經濟增長的負效應主要是由金融發展與實體經濟不平衡發展所致。

3.4 影響渠道分析

接下來本文考察金融發展與實體經濟的增長差異影響經濟增長的渠道，通過把固定資本形成率和通貨膨脹率納入到模型中，分析金融發展相對實體經濟增長率差異影響經濟增長的機制，本文對模型進行回歸，表6是加入金融發展相對實體經濟增長差異交互項的系統GMM回歸。回歸（1）、（2）、（4） 分別是加入主要解釋變量與金融發展相對實體經濟增長差異和相關變量交互項的回歸結果，回歸 （3）、（5）分別是加入其它控制變量與金融發展相對實體經濟增長差異和相關變量交互項的回歸結果。從結果我們可以看到金融發展相對實體經濟增長率差異與固定資本形成率的交互項系數是負的，且在5%的顯著性水平下是顯著的，表明金融發展相對實體經濟增長率差異通過降低投資率而影響了我國實體經濟增長。其中，金融發展相對實體經濟增長率差異每單位百分比的變化通過固定資本形成率顯著降低了0.8%的經濟增長率。當金融發展超過實體經濟增長所需要的最優水平時，過多的信貸增長沒有用來積累資本而是進入到了非生產性的活動中 （如參與金融投資），從而導致金融資源不能得到有效利用，影響了實體經濟的快速增長。另外，當信貸過多時，多余的資金也會參與到具有風險性的投資項目中，從而可能形成不良貸款，這樣也會對整體經濟增長產生負面影響。正如Cecchetti和Kharroubi （2015）［20］所論述的那樣， 當金融發展過快時，在那些有形資產比例較低或者研發密度比較高的行業中，全要素生產率的增長往往會不成比例地下降。

表6 加入金融發展相對實體經濟增長差異交互項的系統GMM回歸

從金融發展相對實體經濟的增長率與通貨膨脹的交互項來看，系數為-0.0002，且在10%的顯著性水平下顯著，表明金融發展相對實體經濟增長率的上升通過通貨膨脹影響到了經濟增長，具體來看，金融發展相對實體經濟增長率通過通貨膨脹的上升使經濟增長率下降了0.8%。由于相比投資率來說，過多的信貸往往會增加更多的私人消費，從而造成總需求和價格水平的上升。較高的通貨膨脹會助長經濟中投機行為，使得稀缺資源被分配到非生產性的活動中，從而減少經濟增長。除此之外，通貨膨脹會使經濟面臨更多不確定性，從而使經濟行為發生扭曲，造成經濟效率的下降。然而，相比通貨膨脹的渠道來說，金融發展相對實體經濟增長率差異通過固定資本形成率降低經濟增長的渠道更強，通貨膨脹增長過快雖然對經濟增長也是有害的，但金融發展與經濟增長呈倒U型關系，最好的解釋是因為金融發展相對實體經濟增長率的差異。

當金融部門的快速發展超過實體經濟時，信貸資金的擴張并不一定能促進國內資本形成，因為過度的金融化可能導致一些資金投向非生產性項目和個人消費，從而造成通貨膨脹或者產生不良貸款影響經濟增長。

4 結 論

基于中國2000～2018年31個省份自治區直轄市的面板數據，本文研究了金融部門和實體經濟不平衡發展時金融發展對經濟增長的影響。金融發展對經濟增長的效應取決于金融部門和實體經濟產出的相對增長速度，當金融發展的速度超過實體部門產出的增長速度時會對經濟增長造成負面影響。這是因為過度的金融化會減少資本形成，加劇通貨膨脹從而導致宏觀經濟不穩定，從而抵消金融發展對經濟增長的正面影響。為了保持中國經濟的平穩快速增長，金融監管部門應該對信貸進行適當的指導和監督，制定反周期的資本緩沖政策，同時要加強研發創新能力，促進實體經濟轉型升級，只有實體經濟有了更高質量的發展，金融部門的發展才有更好的基礎，兩者可以產生良性互動，最終實現我國經濟高質量的增長。

注釋：

①首先計算社會融資規模從1／4分位數值到中位數值的增長率然后計算單位社會融資規模的變化0.022-0.008×0.08＝0.02136，0.022和0.08分別是社會融資規模系數和平均金融發展增長率相對實體經濟增長率差異，兩者相乘即求得。

②預計經濟增長將等于社會融資規模從1／4分位數到中位數的增長率乘以社會融資融資規模的系數，即0.0089。