金融促进产业结构转型升级的实证检验研究

发布时间:2020-05-27 22:51:31 来源:本站原创   作者:admin123

特别声明:站内论文除注明为本站原创外,其他均来自网友投稿、公共网络或者公开资源,本站不提供全文浏览或者下载,版权归原作者所有,仅供学习研究参考,不得用作商业目的。如著作权人不同意转载,请通知本站删除!

     
     金融促进产业结构转型升级的实证检验
    1 变量定义 
    (1)金融发展水平指标.。
    金融市场是一个复杂且巨大的系统,无法简单地使用某一个指标来衡量金融的发展状况,因此本文借鉴前人经验,并同时考虑到广东省实际情况与数据的可得性,从金融规模、金融效率两个角度出发,通过金融相关率及存贷款比率两个指标对广东省的金融发展进行测量与分析。
    金融相关率(FIR,Financial Interrelations Ratio)是学术界普遍接受的用于衡量金融规模的指标,它是由雷蒙德·戈德史密斯在其1969年发表《金融结构与金融发展》中提出,文中对FIR指标的定义是“某一日期一国全部金融资产价值与该国国民财富的比值”。其中全部金融资产包括广义货币M2、股票市值、债券价值。国民财富包括实物资产总额及对外净资产。该指标能有效反映一国金融结构与经济基础之间在规模上的变化关系,是测量金融规模及深度很重要的指标,然而在我国实际研究中,由于缺乏各地区M2 和金融资产的统计数据,所以金融资产的衡量常以各地区金融机构的存款额来代替,另外国民财富的衡量也常以国民生产总值或国内生产总值来表示。本文即采用这一调整,。即FIR用广东省金融机构 (主要是银行系统)各项存款总额除以广东地区生产总值来表示。
    该指标具体运算公式为:FIR=金融机构人民币存款/名义GDP。以广东省为例,这个指标的数值越大,表明广东省金融资产总值相对地占GDP的比重越大,同时也说明每生产一单位GDP,需要消耗的金融资产越多,这些也就意味着广东省金融发展的规模较大,并且当地经济发展对金融的依赖程度较强。
    存贷款比率(SLR,Save Loan Rate)是学术界普遍接受的用于衡量金融效率的量化指标。该指标的定义是“金融机构(主要是银行系统)各项贷款总额与金融机构各项存款总额的比值,该指标表明的是金融机构投入与产出的关系,因此可以有效判断金融机构对其资源的配置、运作及供给的效率状况。这对于我国以间接融资为主的金融市场十分适用。在本文中,SLR用广东省金融机构(主要是银行系统)各项贷款总额除以存款总额表示
    该指标运算公式为: SLR =金融机构贷款总额/金融机构存款总额(仅指人民币部分)。以广东省为例,该指标越大,表明广东省金融机构里,每单位存款的存款中用于贷款的比重越大,也就意味着金融机构将存款(储蓄)转化为贷款(投资)的能力越强,即对资源的配置运作等具有效率,相反若该指标越小,表明越多的存款(储蓄)不能顺有效转化为贷款(投资),资金效率低下。但是目前这个指标尚有不足之处,主要是由于我国对于存贷款的比例有规定,,因此并不能完全表示金融机构的资金效率,并且除贷款以外的其他资产可能也会对银行的流动性造成影响。
    (2)产业结构指标
    在经济研究中,对产业结构经常使用的分类方法主要有两大领域、两大部类分类法,三次产业分类法,资源密集度分类法与国际标准产业分类等。其中最通用的是三次产业结构法。这种分类法是根据社会生产活动历史发展的顺序对结构的划分。产品直接取自自然界的部门称为第一产业,对初级产品进行再加工的部门称为第二产业,为生产和消费提供各种服务的部门称为第三产业。而也就是说随着经济社会的发展,第一产业所占的比重将逐渐减少,而第二和第三产业在国民经济总量里所占比重则会越来越大,所以,当ISR越接近于1时产业结构越是高级化。因此目前产业结构发展水平主要采用产业结构优化率(Industrial Structure Rate)也就是第二产业、第三产业之和占当年GDP的比重来进行度量。在本文中ISR用广东省第二产业增加值和第三产业增加值之和占GDP的比重表示。
    该指标具体运算公式为: ISR=(第二产业增加值+第三产业增加值)/名义GDP。该式表明第二、三产业对GDP的贡献程度,也就是意味着该指标越接近1,则第二、三产业的贡献越大,产业结构越是高级化。综上所述,本文选取ISR、FIR、SLR 三个指标作为广东省金融规模、金融效率以及产业结构的水平指标,,从而分析广东省金融发展对产业结构调整的影响。如图表6-1
    图表 6-1 单位根检验结果
    变量 中文含义 计算方式
    ISR 产业结构优化率 (第二产业增加值+第三产业增加值)/名义GDP
    FIR 金融相关比率 金融机构(主要是银行系统)人民币存款/名义GDP
    SLR 存贷款比率 金融机构(主要是银行系统)贷款总额/金融机构存款总额
    2 数据来源
    本文所用数据是1978年至2012年广东省的年度数据。数据来源于《中国统计年鉴》、《广东统计年鉴》、以及广东省统计局等官方网站,并对数据进行了计算和整理。计算后对数据汇集如图表2。
    图表 6-2广东省历年产业结构优化指标与金融发展指标汇总表(1978--2012)
    年份 ISR FIR SLR
    1978 70.2% 44.3% 137.1%
    1979 68.2% 44.0% 127.2%
    1980 68% 44.8% 150.5%
    1981 67.5% 43.8% 137.8%
    1982 65.2% 42.9% 130.1%
    1983 67.1% 43.5% 137.3%
    1984 68.3% 45.0% 140.0%
    1985 70.2% 68.4% 141.6%
    1986 71.8% 88.2% 129.8%
    1987 72.6% 85.1% 127.1%
    1988 73.5% 80.0% 121.4%
    1989 74.5% 79.5% 114.8%
    1990 75.3% 92.4% 104.4%
    1991 78.0% 104.1% 95.1%
    1992 81.0% 123.9% 71%
    1993 83.9% 95.5% 87.7%
    1994 85.0% 95.4% 79.7%
    1995 85.4% 119.5% 77.5%
    1996 83% 132.8% 69.6%
    1997 87.4% 142.6% 73.9%
    1998 88.3% 155.4% 71.7%
    1999 89.1% 162.4% 73.1%
    2000 90.8% 157.4% 69.3%
    2001 91.8% 161.4% 67.4%
    2002 92.5% 169.8% 63%
    2003 93.2% 171.5% 69%
    2004 93.5% 163.1% 63.5%
    2005 93.7% 158.6% 58.0%
    2006 94.2% 153.8% 57%
    2007 94.7% 145% 57.5%
    2008 94.6% 145.6% 54%
    2009 94.9% 169.1% 58.3%
    2010 95.0% 170.1% 58.9%
    2011 95.0% 163.2% 60.1%
    2012 95.0% 170.8% 60.1%
    数据来源:历年《中国统计年鉴》、《广东统计年鉴》 (其中,FIR和SLR,1993年以前采用银行存贷款和农村信用合作社存贷款之和,从1993年开始采全部金融机构各项存贷款计算得到)
    3 模型设定
    单方程的的普通最小二乘法(OLS)是实证研究中最常用的回归方法,但是单方程的OLS法对于非平稳变量可能会出现伪回归问题,因此并不适用。在本文中, ISR和FIR均为时间序列数据,可能具有非平稳特征,因此,为了避免模型出现伪回归现象,本文进行以下操作:首先利用 ADF 单位根检验法对各个变量的时间序列进行平稳性检验,对非平稳的变量进行处理;然后建立向量自回归(Vector Autoregression, VAR)模型。相对于单方程,VAR模型具有更高的可靠性尤其当存在非平稳变量时,在VAR模型下,我们能够对变量进行Johansen协整(Cointegration)检验,利观察广东金融发展与产业结构升级之间是否存在某种长期均衡关系;最后,本文基于VAR模型用格兰杰因果检验法,对广东金融发展与产业结构升级之间的因果关系做出具体判断。本文的实证检验借助于Eviews0软件完成。
    4 实证结果
    (一)数据特征描述
    我们对ISR、FIR以及SLR三个指标1978至2012年间近40年的变动情况做出如图表3的趋势图。从图中不难发现,这三个指标都随着时间变化呈现出一定的规律,结合其经济学意义以及前面的理论分析,我们可以判断它们彼此之间可能存在某些相关关系。同时,我们可以发现三项指标的变动趋势并不是十分稳定,尤其是FIR以及SLR两项指标。因此,我们有理由认为们是不平稳的时间序列,下面我们将进行验证


    图表 6-3 广东产业结构指标和金融发展指标变化趋势散点图

    ( 二) 广东省金融发展与产业结构变动关系检验
    1、单位根检验
    在时间序列分析中,平稳时间序列是一类重要的特殊的随机序列。平稳时间序列是指统计规律不会随着时间的推移而发生变化的时间序列。然而在经济领域中,我们得到的时间序列的观测值大都不是有平稳过程产生的。因此,我们有必要对其进行平稳性检验。  本文选择了 ADF(AugmentDickey--Fuller)检验方法,该检验是对迪基-富勒(Dickey and Fuller test)的扩充而形成的是目前最常用的单整检验方法具体检验是通过三个模型进行的,
    模型一:不包括常数项和趋势项   ΔYt=δYt-1+jYt-j+ut
    模型二:包括常数项不包括趋势项 ΔYt=α+δYt-1+jYt-j+ut
    模型三:包括常数项及趋势项     ΔYt=α++δYt-1+jYt-j+ut
    以上三个模型的原假设都是Ho:p=0 即存在一单位根,序列为不平稳序列,检验从模型三开始依次进行若拒绝了原假设,则检验停止,即该序列没有单位根,为平稳序列。若直至检验完模型一仍未拒绝,则说明无法拒绝原假设,序列为不平稳序列。本文通过利用计量软件Eviews0分别对ISR、FIR、SLR本身以及他们的一阶差分ΔISR、ΔFIR、ΔSLR进行了ADF检验,检验结果如下通
    图表 6-4 单位根检验结果
    变量 检验类型 ADF检验值 1%临界值 5%临界值 10%临界值
    ISR (c,t,0) -0.93556 -4.27328 -3.55776 -3.21236
    FIR (c,t,0) -1.83459 -4.25288 -3.54849 -3.20709
    SLR (c,t,0) -1.13238 -4.26274 -3.55297 -3.20964
    ΔFIR (c,0,1) -5.28073 -4.27328 -3.55776 -3.21236
    ΔISR (c,0,1) -3.31668 -4.27328 -3.55776 -3.21236
    ΔSLR (c,0,1) -7.37315 -4.26274 -3.55297 -3.20964
    注:检验类型中C、T、1分别表示带有常数项、趋势项和滞后阶数,
    如上表所示:ISR、FIR、SLR的 ADF 检验值在1%、5% 、10% 的显著性水平上均表现显著,因此,无法拒绝有单位根的零假设,即ISR、FIR、SLR序列是非平稳的。对但差分后的 ΔISR、ΔFIR、ΔSLR序列 ADF 检验值均小于1%显著性水平的临界值,即拒绝原假设,为平稳序列。因此,我们得出 ISR、FIR、SLR都是一阶单整的时间序列,它们之间可能存在协整关系。
    2、协整检验
    上文已经提到,单方程的OLS回归模型只能用于平稳序列,即没有随机趋势和确定趋势,在非平稳序列中会出现虚假回归等诸多问题。为了解决这些问题,出现了协整的概念。协整理论指出,即使变量是非平稳的,但如果我们对其进行某种特殊组合,他们仍可能会出现平稳性,从而得到他们之间存在的均衡关系。通俗地说,协整即存在共同的随机性趋势,协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系。目前协整检验主要有两种方法:一是Engle—Granger两步法检验(EG检验),该检验是基于回归残差,简单,容易操作,并且其得到的协整参数估计量具有超一致性和强有效性等优点。但该检验存在一些问题,首先其统计量不具有良好的极限分布,这样若样本有限其估计值可能产生偏差,其次该方法仅适用于讨论两变量的协整关系,所以对于多协整系统,EG检验不合适。二是Johansen协整检验,该检验是Johansen在1988年及在1990年与Jusclius一起提出的,是基于VAR模型利用两种概率似然比检验来确认矩阵的秩(mk),也即多变量之间存在着的协整方程数目,因此J检验不局限于两变量回归,而可以判断多元回归的协整关系一般这被公认为是多变量协整检验的最佳方法。具体的检验步骤分为以下三步:一检验每个变量是同阶单整的;二若符合同阶单整,则按照VAR模型的定阶方法确定滞后长度;三确定独立协整向量的个数归结为判断矩阵的秩。本文我们采用Johansen协整检验方法检验广东地区产业结构变动与金融发展指标之间的关系.以下是具体操作。
    首先由上文ADF验知, ISR、FIR、SLR 都是一阶单整序列,也就是说满足Johansen协整检验的前提条件其次是确定向量自回归(Vector Autoregression, VAR)模型的滞后长度。向量自回归模型(VAR) 相对于经典模型,有效避开了结构建模中需要对系统中每个内生变量关于所有内生变量滞后值建模的问题,因此被认为是分析多变量时间序列的有效工具。本文通过采用LR统计量(5%置信水平下)}FPE(最终预测误差)、AIC准则、SC信息准则(Schwarz criterion)和HQ信息准则(Harman一Quinn criterion)等五个指标对VAR模型的最优滞后长度进行判断。3阶滞后阶数有4项标准里是最优的,因此我们选用3阶滞后阶数的VAR模型即VAR(3)模型继续检验。
    图表 6-5 滞后阶数判断结果
    lag LogL LR FPE AIC SC HQ
    0 91.44886 NA 7.98E-07 -5.52805 -5.39064 -5.48251
    1 189.8222 172.1533 3.00E-09 -11.1139 -10.56423* -10.9317
    2 199.4163 14.99076 2.95E-09 -11.151 -10.1891 -10.8322
    3 213.6523 19.57461* 2.22e-09* -11.47827* -10.1041 -11.02279*
    * Indicates lag order selected by the criterion
    最后基于VAR(3)模型确定独立协整向量的个数归结为判断矩阵的秩,即设定原假设H0:有r个协整关系,备择假设H1:有r+1个协整关系,检验迹统计量为r=-n,式中,r是特征根迹统计量,r为协整向量的个数;是按大小排列的第i个特征值;n为样本容量。检验从不存在协整关系这一的零假设开始,直至接受零假设为止。结果如图表6所示。
    图表 6-6 Johansen协整检验结果
    原假设 特征根 迹统计量 0.05 临界值 P值
    0个向量协整* 0.417772 30.63584 29.79707 0.0399
    至少一个向量协整 0.245303 13.32727 15.49471 0.1033
    至少两个向量协整* 0.126317 4.321213 3.841466 0.0376
    * 表示在5%的显著性水平下拒绝原假设
    从上表可以看出在5%的显著性水平下,检验拒绝了有0个和至少有2个向量协整的假设,也就是说变量间存在一个协整关系即我们对长期关系模型的变量选择是合理的,并且我们可以利用OLS回归得到下列长期方程,这个回归系数是具有经济意义的。
    ISR=0.902135+0.091399FIR-0.19723SLR
                                 (4.290513)  (-310235)
    R2=0.97    DW=1.30
    括号内数字为 t 统计量,系数显著,此外,DW统计量表明样本数据经过处理后已经不存在自相关问题。最后样本的可决系数达到0.97,拟合效果较好
    通过以上协整关系检验,我们得知广东省金融发展和产业结构升级之间在长期上的确保持着某种长期均衡关系。另外从回归方程中也可以看出。金融相关率与非农产值比率同方向变动,且其1个百分点可以引起非农产值比重0.09个百分点的变动,而存贷比率变动与非农产值比率则是反方向变动关系,即存贷款比率变动1个百分点非农产值比重反向0.2个百分点的变动。因此我们可以得到以下结论:广东省金融规模的扩大与产业结构升级之间存在着正向相关关系,而金融效率的提高则与产业结构升级呈现负向相关,同时我们发现金融效率对产业结构的影响要强于金融相关率指标
    3、格兰杰因果关系检验
    由上面的平稳性检验可知,1978~2012年广东省的产业结构优化率ISR、金融相关比率FIR和存贷款比率SLR都是一阶差分平稳变量,且存在长期均衡关系。即我们发现这些变量中存在着依存性,但这并不意味着这些变量之间必然存在着因果关系。因此为了了解三项指标间的因果关系及方向,还需要利用计量经济软件Eviews0对三项指标进行因果检验。格兰杰因果关系检验(Granger Causality Test)是计量运用中最常用的方法。其基本原理是,如果变量Y2过去和现在的信息有助于改进变量Y1的预测,则说变量Y1是由变量Y2格兰杰原因引起的(Granger—caused)。如下所示
    Yt=ixt-i+jyt-j+u1t
    其中,白噪音u1t假定是不相关的。其零假设 H0:1=2=…=q=0 若拒绝原假设,则说明x是y的格兰杰原因。若接受则不是。同时将变换因变量和自变量的顺序,判断y是否为x的格兰杰原因。从而判断x与y序列彼此间的因果关系。此外在格兰杰因果检验中,
    需要注意的是在格兰杰因果检验中,选择不同的滞后期对变量之间的因果关系和因果方向的检验有影响,本文根据SC评价标准,选取2为最优滞后期,然后对 ISR、SLR与 FIR等变量进行彼此间的因果检验关系。结果如表8.6所示。
    图表6 -7 Johansen协整检验结果
    因果关系假定 滞后期 P值 检验结果
    ISR不是FIR的格兰杰原因 2 0.0287 拒绝
    FIR不是ISR的格兰杰原因 2 0.1454 不拒绝
    SLR不是FIR的格兰杰原因 2 0.1826 不拒绝
    FIR不是SLR的格兰杰原因 2 0.4352 不拒绝
    SLR不是ISR的格兰杰原因 2 0.0318 拒绝
    FIR不是SLR的格兰杰原因 2 0.0162 拒绝
    如图表6-7所示从检验的结果来看,在5%的显著性水平下,我们可以得到以下结论。
    (1)产业结构优化水平和金融规模之间存在良性循环,即金融规模的改变与产业结构调整之间互相存在因果关系。这一结论与我们之前的理论分析相一致。产业结构的升级促进金融规模的扩大。一般来说产业结构的升级是沿着农业、轻工业、重工业、高技术工业、现代服务业的顺序演进的,也就是ISR趋近于1的顺序。而农业、轻工业等主要都是劳动密集型产业,对资金的要求小,同时又由于规模较小,生产周期短,因此整体的金融需求不高。然而随着产业的升级,产业由劳动密集型转向资本密集型,企业需要大量且持续的资金供给。同时又由于产业的调整,会形成更多元化的资金需求。因此会促进金融规模的不断扩张。同时金融规模的扩大为产业发展带来了源动力[[1]广东省产业结构优化的金融支持研究. [D].中山大学硕士学位论文.2009(16)]。首先金融市场是一个信用活动市场,信用活动决定着生产要素的分配比例,从而决定着产业结构升级调整的过程。若生产要素的分配比例合理,促进各种生产要素从猥琐部门向新兴产业转移,产业的结构也会朝着更高度化的方向发展。其次,金融规模的扩大,使得信贷资金的投入会不断扩大,为产业的生产力形成有效供给,尤其是通过其结构式供给为收益率较高的产业或者国家利用金融政策支持的产业提供有效地资本积累,使产业结构的协调发展和快速演进得以实现。最后金融规模扩大,其风险管理机制也会得以提升,而这个风险管理机制会使那些风险更高但更具生产率的技术获得足够的资本投入,从而推动技术进步和产业结构升级。
  •  1/2    1 2 下一页 尾页  
  • 原文地址:https://www.lunwen3721.com/jinronglunwen/jryj/4977.html,如有转载请标明出处,谢谢。 您可能在寻找关于金融研究论文方面的范文,您可以到证券金融论文频道查找。

    关于我们

    原创论文写作网

    本站拥有海量论文资源,为大学生、硕士生、博士生、学术研究者免费提供专业论文信息咨询,提供论文降重,论文改重,论文修改润色,硕士论文,博士论文,本科论文,毕业论文,MBA论文,开题报告,范文,模板,论文写作,论文检测,论文资料下载,论文答辩,论文写作指导服务。

    论文咨询

    QQ咨询
    微信咨询
    微信二维码

    官方微信服务号

    电话咨询
    联系电话
    131-6166-9098
    返回顶部