金融结构、产业结构与经济增长

摘 要：金融发展与经济增长之间的关系，历来是金融领域研究的重点，但却鲜有文献将金融结构、产业结构与经济增长三者结合起来进行研究。为此，本文基于我国东部10省市1998—2012年的数据，运用面板VAR分析了金融结构、产业结构与经济增长之间的关系，提出资本市场发展有助于推动经济增长，而信贷资金有助于推动产业结构升级，进而推动经济增长。因此，我国应在大力发展资本市场的同时，合理引导信贷资金流向，推动产业转型升级、促进经济增长。

关键词：金融发展；金融结构；产业结构；经济增长

中图分类号：F830 文献标识码：A 文章编号：1674-2265（2013）09-0020-06

一、引言

金融发展与经济增长之间的关系，很早就受到学术界的关注，也历来是金融领域研究的重点。随着相关研究的深入，许多学者发现经济增长总是伴随着金融发展和金融结构的变迁，并且开始关注金融结构变化及其在经济增长中的作用。产业结构升级是经济增长的重要内容之一，部分国外学者在研究金融发展与经济增长问题时，也将研究视角延伸至产业结构领域。目前，国内研究金融结构与经济增长两者之间关系的文献可谓汗牛充栋，也有部分学者开始关注产业结构变迁中的金融结构因素，但却鲜有文献将金融结构、产业结构与经济增长三者结合起来进行研究。金融发展的最终目的是服务于实体经济。经济处于不同的发展阶段，对金融体系的结构需求也存在差异。我国的金融结构是伴随着实体经济的增长而演变发展的，从产业结构与经济增长的角度研究金融结构调整与优化，有助于全面审视现有金融结构的特征和合理性，进而提出符合产业结构调整和经济增长需要的调整思路。

东部地区①是我国经济发展最具活力与竞争力的地区，在我国国民经济中具有举足轻重的地位。在东部地区经济快速增长的背后，是持续的产业结构优化升级；在经济增长和产业结构升级的过程中，金融发挥着十分重要的作用。本文试图以东部地区为例，运用面板VAR模型，分析金融结构、产业结构与经济增长之间的关系，以期为构建适应产业结构升级和经济增长的金融结构体系建言献策。

二、文献综述

自戈德史密斯（Goldsmith，1969）的经典著作《金融结构和金融发展》问世以来，有关什么样的金融结构更有利于促进经济增长的争论层出不穷，而争论的焦点则是金融中介（主要指银行）和金融市场（主要指股票市场）对于经济增长到底谁更胜一筹。银行优越论者认为银行发展是经济增长的一个源泉。施蒂格利茨（Stiglitz，1985）认为银行主导型金融体系能更好地解决委托问题，进而促进经济增长。金和莱文（King和Levin，1993） 运用1960—1989年间77个国家的数据进行分析，发现金融中介在识别具有更多成功机会的创新企业方面具有优势，并通过这些信息的获取和利用来推动技术创新，因此金融中介的发展与长期经济增长具有明显的相关性。艾伦和盖尔（Allen和Gale，2002）将金融系统分散风险的功能分为横向风险分担和跨期风险分担，依其理论可以看出，银行较之于股票市场可有效提供跨期风险分担来应对系统性风险。查克拉博蒂和雷（Shanka Chakraborty和Tridip Ray，2006）利用内生增长模型分析银行主导和市场主导的金融体系与经济增长的关系，认为对于工业化进程中的国家而言，银行主导的体系更具有积极意义。市场优越论者主要强调金融市场在推动经济增长方面比银行更有效。可汗和萨纳达吉（Khan 和Senhadji，2000）认为大银行对企业收费高、挤压企业利润空间，甚至通过控制融资，间接地控制了贷款企业，不利于经济增长。德布雷（Boyeau Debray，2003）利用20世纪90 年代中国省区面板数据研究银行业规模对各省经济增长的影响，认为国有银行更倾向于给国有企业发放贷款，而国有企业效率很低，这种所有制偏向使得银行信贷规模与经济增长之间存在负向关系。贝克和莱文（Beck和Levine，2004）认为股票市场和银行的发展能够对经济增长产生巨大的经济效应。还有部分研究认为不能简单地选择银行主导或市场主导，两种模式都与经济增长正相关，在提供金融服务方面相互补充（莱文，1997）。莱文和佐沃罗什（Levine和Zevros，1998）利用1976—1993年的跨国回归数据分析，指出市场主导的金融体系与银行主导的金融体系为经济发展提供的服务方式有所不同，但银行及股票市场的发展与经济增长之间存在较强的正相关关系。林特尔和可汗（Kul B.Luintel和Mosahid Khan，2008）分析了由世界银行提供的14个国家的金融发展和金融结构数据，发现金融结构在解释经济增长方面的作用非常显著。

在金融结构与产业结构关系方面，现有研究主要探讨金融结构是否可以影响产业结构。卡尔林和梅弗（Carlyn和Mayor，2003） 把产业分成人力资源型、银行融资依赖型和股票融资依赖型三种类型，并利用OECD国家的数据进行实证研究，证明金融结构在金融市场发展越过一定“门槛”后确实可以影响一国的产业结构。安佐拉多斯、阿波西斯和托马斯（Anizoulatos、Apergis和Tsoumas，2011）对29个国家的28个产业部门1990—2001年的面板数据进行协整分析，结果发现金融结构与产业结构在长期内存在关联。还有部分研究将触角延伸至行业内部，探讨不同金融结构具体对哪些行业产生影响。贝克、德米尔居奇和莱文（Beck、Demirgü?-Kunt和Levine，2004）在研究金融发展与企业规模以及经济增长问题时，发现金融发展更有利于那些由许多小企业构成的产业的增长。平、帕克和信（Binh、Park和Shin，2005） 遵循产业的技术特征区分不同产业，采用金融结构存在差异的26个OECD国家的26个制造业的产业数据进行研究，结果表明市场主导型金融结构有利于高新技术产业的增长，银行导向型金融结构有利于传统产业的增长。

国内的相关研究还集中在金融结构与经济增长的关系方面。梁琪、滕建州（2005）研究了1991—2004年间我国股市发展、银行发展与经济增长之间的关系，发现股市发展没有促进和导致经济增长，而银行发展在样本期内已经成为中国经济增长的一个源泉。刘红忠、郑海青（2006）运用东亚9个国家和地区1985—2001年的数据进行分析，得出了在人均GDP高的国家，股票市场比重也高的结论。然而，孙杰（2002）将资本结构纳入研究范围，分析发达经济体和新兴经济体金融结构、股票市场的发展、公司融资行为和经济增长的关系，认为金融结构和公司的融资决策、股票市场与公司的融资决策以及金融结构和经济发展之间的相关性并不强。在金融结构与产业结构的关系方面，林毅夫、章奇和刘明兴（2003）利用全球制造业1980—1992 年的数据进行分析，认为只有当金融结构和制造业的规模结构相匹配时，才能有效地满足企业的融资需求，从而促进制造业的增长。范方志、张立军（2003）探讨了金融结构转变与实体经济部门产业结构升级之间的关联机制，指出我国中西部地区金融结构水平落后、金融结构转换速度不快，妨碍了中西部地区产业结构的升级。蔡红艳、阎庆民（2004）的研究发现，我国金融市场中的资本流动存在着明显的扶持落后行业的非市场化行为，其结果必然是我国工业产业中高成长行业无法有效继续成长。林毅夫、孙希芳和姜烨（2009）认为要素禀赋结构决定产业和技术结构的性质以及企业规模特征和风险特征，进而决定金融结构。在不同发展阶段有不同的要素禀赋结构和最优产业结构，进而要求不同的最优金融结构。

纵观国内外学者的相关研究，现有文献并未对金融结构与经济增长、金融结构与产业结构的关系达成共识，而将金融结构、产业结构与经济增长三者结合起来的研究则更少。为此，本文利用综合了面板分析和VAR模型优点的面板VAR模型进行分析，探讨金融结构、产业结构与经济增长之间的关系，探讨如何构建适应产业结构升级和经济增长的金融结构体系。

三、指标、模型和方法

（一）指标选取及数据来源

1. 金融结构。金融结构（用FINCON表示）是指金融系统的各组成部分的分布、存在、相对规模、相互关系与配合的状态，具体包括资金配置方式结构、金融资产结构、产品结构、金融工具结构、金融组织的空间结构、金融市场结构、金融产权结构等等。考虑到金融系统最核心的功能是资金配置，金融结构决定金融功能，而产业结构又是资金配置的结果，因此，本文从资金配置方式视角来研究金融结构对产业结构优化和经济增长的影响。具体的金融结构指标包括“结构—规模指标”、“结构—行为指标”和“结构—效率指标”等。

就我国的现实情况而言，“结构—行为指标”，即“银行融资量/资本市场融资量”最能体现我国实际的金融结构。但在分析我国区域经济金融发展状况时，收集资本市场融资数据存在较大难度。由于我国国企、央企较多，这些企业通过证券市场融资的数据反映在其总部所在地，而使用则分散于全国各地，导致证券市场融资量数据无法体现各地真实的融资规模。以发行债券融资为例，自1998年以来，北京市的债券发行净额一直占全国的85%以上②。在企业上市融资方面也存在类似的问题，工商银行上市融得的资金就超过其他诸多省份全年的上市融资总额。为此，本文采用最常见的“结构—规模指标”，即用“贷款余额/股票市值”来表示。这一指标越高， 说明越趋近于银行主导型的金融体系。

2. 产业结构。产业结构（用STRUCT表示）是一个多维度的概念，既可以用三大产业之间的比例，以及产业内部行业比例关系来衡量，也可以用劳动密集、资本密集和技术密集程度来衡量。但是，这些指标都只能反映产业结构的一个侧面，无法体现产业结构的整体状况。因此，本文使用“转换份额分析法”（Shift Share Analysis），从劳动生产率增长中分解出产业结构变化效应。

假设经济总体第[t]期的劳动生产率为[LPt]，各个产业部门第[t]期的劳动生产率为[LPti]（下标[i=1、2、3]分别代表第一产业、第二产业和第三产业），第[t]期产业[i]的劳动所占份额为[Sti]，则总体劳动生产率为：

[LPt=YtLt=i=13YtiLtiLtiLt=i=13LPtiSti] （1）

其中，[Yt]为第[t]期的总产出，[Lt]为第[t]期的劳动要素投入，[Yti]为第[t]期产业[i]的产出，[Lti]为第[t]期产业[i]的劳动要素投入。

由（1）式可得，第[t]期的劳动生产率相对于第[t-1]期的增长率为：

[LPt-LPt-1LPt-1=i=13Sti-St-1iLPit-1LPt-1+i=13LPit-LPit-1Sti-St-1iLPt-1+i=13LPit-LPit-1St-1iLPt-1 （2）]

其中，[i=13Sti-St-1iLPit-1LPt-1]为静态产业结构优化效应，它度量的是劳动要素从劳动生产率较低的产业流向劳动生产率较高的产业所引起的总体劳动生产率的净提升；[i=13LPit-LPit-1Sti-St-1iLPt-1]为动态产业结构优化效应，它度量的是劳动要素从劳动生产率增长较慢的产业流向劳动生产率增长较快的产业所引起的总体劳动生产率的净提升，体现了劳动要素移动引起的动态效应；[i=13LPit-LPit-1St-1iLPt-1]为生产率增长效应，它是由各个产业内部的技术效率变化和技术进步等因素导致的各个产业内劳动生产率的增长。因此，第[t]期的结构优化指标为：

[STRUCT=i=13Sti-St-1iLPit-1+i=13LPit-LPit-1Sti-St-1iLPt-1]

（3）

3. 经济增长。衡量一个地区经济发展所处的阶段，一般会看人均GDP指标，本文也将这一指标作为经济增长的变量。由于人均GDP是一个绝对数，而本文用到的其他指标都是相对数。因此，本文对人均GDP取自然对数（用LGDPGRO表示），以保证模型的稳定性。

4. 其他指标。为增加模型的解释力，本文引入资本形成率（用CAPITAL表示）和劳动力增长率（用POPULA表示）作为解释变量。其中，劳动力增长率根据三次产业分就业人员数计算得出。

5. 数据来源。本文选择北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10个东部省市1998—2012年的年度数据进行实证研究。其中，各地区的GDP、三次产业的GDP、资本形成率、人口总数、按三次产业分就业人员数来源于历年《中国统计年鉴》，各地区的贷款余额和股票市值来源于万得数据库。

（二）面板VAR模型

面板VAR综合了面板分析和VAR模型的优点，不但可以控制不可观测的个体异质性（包括个体效应和时间效应），还可以分析面对冲击时经济的动态反应。在面板VAR模型中，各变量既可以对单个省市的经济波动产生影响，产出的波动也会对其他省市的相关变量产生冲击，这种动态的调整过程能够较好地刻画各种冲击的传导机制。因此，本文构建如下面板VAR模型进行分析：

[A0xi，t=fi+j=1qAjxi，t-j+di，t+μi，t] （4）

其中，[xi，t=（z′i，t，y′i，t）′]，向量[z′i，t=CAPITALi，t，POPULAi，t]是解释变量，向量[y′i，t=FINCONi，t，STRUCTi，t，LGDPGROi，t]是被解释变量，向量[μi，t=εi，t，ηi，t′]是随机扰动项，[εi，t]代表外生冲击，[ηi，t]代表内生冲击，[i]对应每个样本省市，[t]对应时期。方阵[A0]反映各变量间同期关系，方阵[Aj]反映变量的滞后效应，[j]为滞后阶数。[fi]为固定效应，体现不同省市的个体异质性；[di，t]为特定的时间虚拟变量，体现每一时期不同省市的特定冲击，进而规避横截面样本中可能存在的结构差异。

（三）估计方法

在估计面板数据时，首先需要消除样本中的固定效应。由于VAR模型的自变量与固定效应相关，导致通常使用的均值差分方法可能出现偏误，因此本文使用“向前均值差分”法消除个体向前的均值，确保滞后变量与转换后的变量正交，进而与误差项无关。因此，该方法可以使用滞后变量作为其工具变量，采用GMM的方法进行估计。

在同一个经济体内，东部10省市面对的区域经济环境有很大的相似之处，同时模型中加入了体现特定异质效应的虚拟变量，因而参数的异质性问题很小。因此，本文假定各横截面样本具有动态性，即矩阵A所体现的关系是相同的。该假定有助于缓解数据时间维度有限、无法估计单个省市的动态特征的问题。

四、实证分析③

（一）单位根检验

由于普通的ADF方法在检验面板数据的平稳性时是低效的，因此本文采用Levin-Lin-Chu检验和Im-Pesaran-Shin检验两种方法来检验面板数据的平稳性。面板单位根两种检验方法的检验结果（见表1 ）均表明，模型中的5个变量的一阶差分都是平稳的。

（二）面板VAR模型的估计

AIC准则和SC准则结果表明，面板VAR模型的滞后阶数为1。用GMM对模型进行估计，估计结果（见表2）表明，滞后1期的金融结构本身和产业结构对金融结构的影响在1%的显著性水平下显著，影响是正向的；滞后1期的产业结构本身对产业结构的影响在1%的显著性水平下显著，影响是正向的；滞后1期的金融结构对产业结构的影响在5%的显著性水平下显著，影响是正向的；滞后1期的金融结构对经济增长的影响在1%的显著性水平下显著，影响是负向的；滞后1期的产业结构和经济增长本身对经济增长的影响在5%的显著性水平下显著，影响是正向的。

（三）脉冲响应分析

基于面板VAR模型的估计结果，本文通过Monte Carlo模拟了500次得到脉冲响应函数图，衡量随机扰动项的一个标准差的冲击对其他变量当前和未来取值的影响轨迹，直观地刻画出变量之间的动态交互作用和效应。

根据面对冲击时金融结构的动态反应（见图1），可以得出以下结论：一是金融结构本身对金融结构带来的扩张效应最大。一单位标准差的冲击会使金融结构在第1期提高2.9779个单位，随后2—6期的影响程度大幅度下降，最终趋向于一个很小的正向影响，总体来看均为正向影响。二是经济增长开始对金融结构带来正向影响，然后转变为负向影响，总体影响不明显。三是产业结构会对金融结构带来扩张效应。一单位标准差的冲击会使金融结构在第0期提高0.9915个单位，随后3—6期的影响程度大幅度减少，最终趋向于一个很小的正向影响，总体上看均为正向影响。

根据面对冲击时产业结构的动态反应（见图2），可以得出以下结论：一是产业结构对产业结构本身具有明显的扩张效应。一单位标准差的冲击会使产业结构在第1期提高6.4515个单位，随后2—6期的影响程度大幅度下降，最终趋向于一个很小的正向影响，总体来看均为正向影响。二是经济增长开始对产业结构带来正向影响，然后转变为负向影响，总体影响不明显。三是金融结构会对产业结构带来扩张效应而且影响持续为正值。

根据面对冲击时经济增长的动态反应（见图3），可以得出以下结论：一是经济增长对经济增长本身带来的扩张效应最大，而且这种影响持续为正值。二是金融结构对经济增长有明显的负向影响，表明间接融资所占的份额越高，对经济增长的负向影响越大。三是产业结构会对经济增长带来扩张效应。一单位标准差的冲击会使经济增长在第1期达到最高，随后3—6期的影响程度大幅度下降，最终趋向于一个很小的正向影响，总体上看均为正向影响。

上述脉冲响应分析结果表明，经济增长对金融结构、产业结构的影响均不明显；产业结构对金融结构和经济增长均有明显的正向影响，即产业结构升级不但有助于经济增长，还会带动间接融资的发展；金融结构对产业结构有一定的正向影响，即间接融资在一定程度上推动产业结构升级；金融结构对经济增长有明显的负向影响，表明间接融资所占份额的提高不利于促进经济增长。

为了分析模型的稳定性，本文继续采用500次的Monte Carlo模拟进行方差分解。方差分解结果（见表3）表明，选取10个预测期与选取20个预测期进行方差分析的结果基本一样，说明在第10个预测期之后系统已基本稳定，对结果基本没有影响。

五、结论与政策含义

本文摒弃了分析金融总量与经济增长关系的传统研究思路，从金融结构、产业结构的角度研究经济增长问题。文章基于我国东部10省市1998—2012年的数据，运用面板VAR和脉冲响应函数分析了金融结构、产业结构与经济增长之间的关系。研究得出4个基本结论：一是经济增长对金融结构、产业结构的影响均不明显；二是产业结构升级有助于推动经济增长、带动间接融资的发展；三是间接融资比例的提高有助于推动产业结构升级，进而推动经济增长；四是直接融资在融资总额中所占的比重越高，越有利于经济增长。

上述研究结论表明，单纯地发展直接融资或间接融资，并不利于促进我国的经济增长。我国一方面应大力发展资本市场，发挥市场在资源配置中的基础性作用，以此促进经济增长；另一方面应充分发挥银行等金融中介在识别高新技术产业等方面的优势，合理引导信贷资金流向，推动产业转型升级。具体来说，一是要积极发展证券市场，提高交易市场活跃度，使投融资渠道顺畅；二是做大创业板市场，满足高风险科技发展的需要，发挥资本市场在促进产业升级中的作用；三是重视中小金融机构和中小企业评估机构的发展，满足高新技术产业、民营成长型企业的融资需求；四是鼓励各地区根据其优势产业规模状况制定金融发展战略。如在中小企业数量众多的地区大力发展间接融资，发挥银行等金融机构信贷审查制度完善的优势，减少由于信息不对称带来的逆向选择和道德风险；鼓励大企业较多的地区发展直接融资，提高资金配置效率。直接融资和间接融资共同发展的金融结构才是最优的金融结构，只有这样才能形成多样化的金融市场，通过市场机制推动产业结构升级，促进经济长期稳定增长。

注：

①根据国家统计局的划分，东部包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南等10个省市。

②数据来源：万得数据库。

③本文均运用Stata 11.0 软件进行计算。其中，面板VAR模型的估计是用了世界银行Inessa Love 博士提供的程序代码。

参考文献：

[1]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）.

[2]车，王茜.1980—2006 年东亚经济波动的原因——基于面板VAR 的分析[J].财经研究，2009，（11）.

[3]范方志，张立军.中国地区金融结构转变与产业结构升级研究[J].金融研究，2003，（11）.

[4]梁琪，滕建州.股票市场、银行与经济增长： 中国的实证分析[J].金融研究，2005，（10）.

[5]林毅夫，孙希芳，姜烨.经济发展中的最优金融结构理论初探[J].经济研究，2009，（8）.

[6]林毅夫，章奇，刘明兴.金融结构与经济增长： 以制造业为例[J].经济研究，2003，（1）.

[7]刘红忠，郑海青.东亚国家金融结构与经济增长的实证研究[J].国际金融研究，2006，（5）.

[8]刘伟，张辉.中国经济增长中的产业结构变迁和技术进步[J].经济研究，2008，（11）.

[9]孙杰.发达国家和发展中国家的金融结构、资本结构和经济增长[J].金融研究，2002，（10）.

[10]富兰克林·艾伦，道格拉斯·盖尔.比较金融系统[M].北京：中国人民大学出版社，2002.

[11]Arellano M，Bover O.1995.Another look at the instrumental variable estimation of error component models[J].Journal of Econometrics， （68）.

[12]Anizoulatos，Apergis Tsoumas.2011.Financial Stru-

cture and Industrial Structure[J].Bulletin of Economic Research， 63（2）.

[13]Binh， Parkandshin. Financial Struture and Industrial Growth： A Direct Evidence from OECD Countries[R].KMFA Working Paper.