基于金融发展和经济增长关系的面板数据分析

摘 要：金融发展是经济增长的重要推动力，金融发展和经济增长的关系一直是经济学界关注的热点。文章运用面板数据单位根检验、协整检验对我国31个省份经济增长与金融发展相互间关系进行了实证研究。结果表明：金融发展对经济增长的作用存在区域和时点差异。

关键词：金融发展 经济增长 面板数据 单位根检验 协整检验

中图分类号：F830 文献标识码：A

文章编号：1004-4914（2010）12-021-03

一、引言

金融作为经济发展的重要推动力，不仅要直接反映经济的区域性特点，而且经济发展的区域性很大程度上要借助于金融的区域化运行得以实现。因此，探求金融发展与经济增长之间的作用机理，及时总结东部地区的金融发展经验进而指导中西部地区，制定适合区域金融发展的战略和政策，对于促进我国区域经济协调发展具有重要的意义。金融发展与经济增长之间的关系已得到学术界的认可，国内外已有许多学者就金融发展对经济增长的作用进行了研究。其中具有代表性的有：美国的经济学家雷蒙德・W・戈德・史密斯，在他的著作《金融结构与金融发展》（1969）中指出：在经济发展与金融发展之间存在着大致平行的关系，经济飞速增长的时期也是金融发展速度较高的时期；反之，经济发展趋于缓慢甚至处于停滞时期，金融发展的成效也是微乎其微的。谈儒勇（1999）模仿King和Levine使用OLS回归方法，首次对中国金融发展与经济增长之间的关系进行了实证研究。王志强、孙刚（2002）采用带有控制变量的VECM和格兰杰因果检验方法，验证了20世纪90年代以来中国金融发展与经济增长之间存在显著的双向因果关系。丁晓松（2005）通过单位根检验和协整检验探讨了1986年―2002年中国金融发展和经济增长之间的关系。除了时间序列数据结构的实证研究以外，很多学者利用截面数据对我国金融发展和经济增长之间的关系进行了实证研究。如周立和王子明（2002）利用1978年―2000年的数据对中国各地区金融发展与经济增长的关系进行了实证研究，得出了区域金融发展与区域经济增长之间存在高度相关性，促进金融发展有利于经济的长期增长。笔者采用2000年―2007年的数据，借鉴其他学者的方法，运用面板数据的单位根检验、协整检验以及面板模型的建立对我国31个省份经济增长与金融发展的关系进行实证研究，试图找出金融发展对经济增长作用的区域和时点差异以及差异程度。

二、金融发展和经济增长关系的实证研究

（一）指标和数据的选取说明

1.实际人均GDP。为了真实反映我国各省份经济增长水平，我们拿31个省份实际人均GDP作为衡量经济增长的指标，选取的是2000年―2007年经过GDP指数折算过的实际人均GDP数据，数据均来自统计年鉴和金融年鉴及相关测算。

2.金融相关率。金融相关率（FIR）是衡量一国或地区金融发展水平的指标，笔者将金融相关率定义为全部金融机构存贷款之和与名义GDP之比，即：FIR=(DT+LT)/GDP，DT和LT分别代表全部金融机构存款和贷款额。本文选取的是2000年―2007年的数据，数据均来自统计年鉴和金融年鉴及相关测算。

（二）面板数据的单位根检验

1.单位根检验的方法。主要运用纵剖面时间序列独立的面板单位根检验和纵剖面时间序列相关的面板单位根检验中常用的LLC检验和IPS检验。

LLC检验的主要思路是首先分别对每个纵剖面时间序列进行ADF回归，其次构造两组正交的残差序列，最后利用正交残差序列的合并回归系数的t统计量得到修正的t统计量，此统计量检验面板数据是否存在单位根。具体做法是先从和中剔出和确定项的影响，并使其标准化，成为变量。再用变量做ADF回归yit*=pyit-1*+vit。t（p）。渐近服从N(0,1)分布。如果统计量大于临界值，则接受原假设，结论是存在单位根，如果统计量t（p）小于临界值，则拒绝原假设，结论是不存在单位根。

2.单位根检验的结果。笔者采用LLC和IPS的检验方法，对实际人均GDP和FIR分别进行LLC和IPS单位根检验。具体检验结果见表1。

从表1可看出，实际人均GDP和金融相关率FIR在一阶差分的情况下二者均不存在单位根，故这两个变量均是一阶平稳的。

（三）面板数据的协整检验

1.协整检验的方法。面板数据的协整检验分为两类：一类是基于面板数据协整回归检验式残差数据单位根检验的面板协整检验，称为第一代面板协整检验；另一类是从推广Johansen Trace检验方法的方向发展的检验，称为第二代面板协整检验。

2.协整检验的结果。本文运用第一代面板协整检验法对我国金融发展和经济增长的关系进行协整检验。从表2可看出，LLC和IPS检验均在5%的水平下拒绝原假设，通过第一代面板协整检验可知：我国31个省份金融发展和经济增长之间存在协整关系。

（四）模型的选择及说明

1.混合估计模型。假设建立的混合估计模型为：

GDP=β0+β1FIR+μ(1)

利用OLS估计模型(1)得到

GＤ＾P=-51.71+4720.85FIR

(-0.0338)(8.6023)

R2=0.23RSS=1.75E+10

2.个体固定效应模型。假设建立的个体固定效应模型为：

GDP=β0+β1D1+β2D2+…+β31D31+β32FIR+μi(2)

引入虚拟变量D1，D2，…D31，其定义是：

i表示我国31个省份。当i=1时，D1=1，D2=D3=…=D31=0，当i=2时，D2=1，D1=D3=…=D31=0，…，当i=31时，D31=1，D1=D2=…=D30=0。

利用OLS估计模型(2)得到

GＤ＾P=18377.48+31325.26D1+14705.41D2+…-2672.11D31

-2337.68FIR

(-2.29)

R2=0.8 RSS=4.58E+09

个体固定效应模型是否优于混合估计模型要进行F检验：H0：不同个体的模型截距项相同（建立混合估计模型）；H1：不同个体的模型截距项不同（建立个体固定效应模型）。F统计量定义为：

F1=2.1421>F0.05(30，216)=1.48，所以拒绝原假设，接受备择假设，故建立个体固定效应模型更合理。

3.时点固定效应模型。假设建立的时点固定效应模型为：

GDP=β0+β1D1+β2D2+…+β8D8+β9FIR+μt (3)

引入虚拟变量W1，W2 ，…，W8 ，其定义是：

t表示2000年―2007年8年的年份。当t=1时，W1=1，W2= W3=…=W8=0，当t=2时，W2=1，W1=W3=…=W8=0，…，当t=8时，W8=1，W1=W2=…=W7=0。

利用OLS估计模型(3)得到

GＤ＾P=-877.79-3471.28D1-3593.59D2+…+7493.41D8

+5037.25FIR

(10.1711)

R2=0.41RSS=1.35E+10

时点固定效应模型是否优于混合估计模型要进行F检验：H0：不同横截面模型截距项相同（建立混合估计模型）；H1：不同横截面模型的截距项不同（建立时刻固定效应模型）。F统计量定义为：

F2=10.12>F0.05(7,89)=3.25，所以拒绝原假设，接受备择假设，结论是应该建立时点固定效应模型。

4.时点个体固定效应模型。假设建立的时点个体固定效应模型为：

引入虚拟变量D1，D2，…，D31，其定义是：

引入虚拟变量W1，W2 ，…，W8 ，其定义是：

i表示我国31个省份，t表示8年的年份。当i=1时，D1=1，D2=D3=…=D31=0，当i=2时，D2=1，D1=D3=…=D31=0，…，当i=31时，D31=1，D1=D2=…=D30=0；当=1时，W1=1，W2=W3=…=W8=0，当t=2时，W2=1，W1=W3=…=W8=0，…，当t=8时，W8=1，W1=W2=…=W7=0。

利用OLS估计模型(4)得到

GＤ＾P=12636.27+21754.69D1+14217.93D2+…-2145.57D31

-4419.32W1-3701.28W2+…+6701.47W8-138.75FIR

（-0.2139）

R2=0.94RSS=1.30E+09

时刻个体固定效应模型是否优于混合估计模型要进行F检验：H0：不同横截面不同序列模型截距项都相同（建立混合估计模型）；H1：不同横截面不同序列模型截距项各不相同（建立时刻个体固定效应模型）。

F统计量定义为：

F3=70.7277>F0.05(37，209)=1.21，所以拒绝原假设，接受备择假设。因此建立时点个体固定效应模型是合理的。

5.随机效应模型。假设建立的个体随机效应模型为：

引入虚拟变量D1，D2，…D31，其定义是：

i表示我国31个省份。当i=1时，D1=1，D2=D3=…=D31=0，当i=2时，D2=1，D1=D3=…=D31=0，…，当i=31时，D31=1，D1=D2=…= D30=0。

利用OLS估计模型(5)得到

GＤ＾P=11212.34+406.63FIR

（4.5037） （0.4971）

R2=0.94RSS=1.30E+09

个体随机效应模型是否由于混合估计模型要进行进一步的检验：H0：σu2=0。（混合估计模型）；H1：σu2≠0。（个体随机效应模型）

统计量LM定义为：

所以拒绝原假设，接受备择假设。故个体随机模型优于混合估计模型。固定效应模型是否由于随机效应模型要进行进一步的检验：H0：个体效应与回归变量无关；H1：个体效应与回归变量相关。统计量H=187.1719>?字20.05(2)=5.99，所以拒绝原假设，接受备择假设。故固定效应模型优于随机效应模型。

三、研究结论

综合上述检验发现，固定效应模型和随机效应模型均优于混合估计模型，且固定效应模型更优于随机效应模型，故在文中我们采用固定效应模型。但是在具体的实证分析中，时点个体固定效应模型克服了时点效应模型和个体固定效应模型的弱点和缺陷，因此笔者选取时点个体固定效应模型。通过协整检验对金融发展和经济增长的长期关系的可靠性进行分析后，发现全国各地区金融发展对经济增长的作用具有明显的差异。同时，在不同的年份这种差异也是明显的。这种地区差异表现在：中西部地区金融发展对经济增长的促进作用相对不显著，而在东部地区，金融对经济促进的作用较明显。时间上的这种差异表现在：2004年之前，金融发展对经济增长的促进作用较显著，而在2004年之后这种促进作用有所下降。因此，在采取金融政策的时候不仅要考虑区域自身因素的影响，对不同的地区采取有差异的金融政策，还要考虑这种年份的差异，在不同的年份采取相应的金融政策，做到政策实施的因地制宜和因时制宜，适时调整政策。通过政策的实施和调整，大力推动金融发展对经济增长的促进作用，使金融在最大程度上促进全国各地区的经济发展。

参考文献：

1.白仲林.面板数据的计量经济分析[M].天津：南开大学出版社，2008

2.张晓峒.Eviews使用与案例指南[M].北京：工业机械出版社，2007

3.王文胜.西部大开发视角下区域金融与经济发展实证研究[M].甘肃：兰州大学出版社，2009

4.高铁梅.计量经济分析方法与建模：Eviews应用及实例[M].北京：清华大学出版社，2006

5.Im，S.K.，Pesaran，H.M.，Shin，Y. Testing for Unit Roots in Heterogeneous Panels[J].Journal of Econometrics,2003 (115)：53-74

（作者单位：兰州大学经济学院 甘肃兰州 730000）

（责编：吕尚）