珠三角经济增长与金融发展实证分析

黄佑军

摘要：以广东省珠三角九市数据为样本，利用最近10年（2000～2010年）的金融与经济数据，对珠三角区域的金融发展与经济增长之间究竟存在何种相互关系进行实证分析。研究发现，珠三角九市的金融发展水平和经济增长水平之间是互为因果关系的。金融发展程度的提高，使得前期获得有效回报，这很可能加剧了地方政府大量举债的问题，从而提升了地方城市的贷款效率等能力，引起经济增长水平的上升。但同时发现政府的过度行为有可能会损害金融与经济相互促进的作用。

关键词：珠三角经济增长金融发展系统广义矩估计

一、 前言

随着经济发展、增长国际一体化进程的加速，我国现有经济发展、增长对金融发展提出了更新更高的要求，而尚未被满足的这些要求以各种类型的矛盾或问题突出表现出来。例如，经济运行中的结构失衡、区域分化和非集约性发展等现象。具体到广东省，这类问题则表现为金融增长速度缓慢、产业竞争力弱、金融风险隐患大、金融中心地位不突出、金融开放程度滞后和金融结构失衡等（姜永宏，廖毅芳，2006）。尤其珠三角九市在广东省金融创新发展中处于领头地位，这些矛盾在珠三角地区亟待解决。为了更好的研究金融结构对经济发展的影响，深入剖析区域金融结构存在的主要问题，提供合理而有效的金融结构调整方向，本文以广东省珠三角九市数据为样本，利用最近10年（2000～2010年）的金融与经济增长数据，对珠三角区域的金融发展与经济增长之间究竟存在何种相互关系进行实证分析。然而，学术界对如何理解金融发展与经济增长之间的相互关系一直存在较多争议。在金融发展与经济增长的因果关系方面存在三种基本观点： 一种观点认为， 金融发展与经济增长之间的关系是“供给引导型”的，即金融发展引领经济增长；另一种观点认为它们之间的关系是“需求跟随型”的， 即实体经济的增长导致了对金融服务的要求，从而拉动了金融的发展；还有一种观点认为，金融发展与经济增长之间存在内生性的双向因果关系（马卫峰等，2006）。在本课题的前期研究中发现，最新的文献从理论和实践都说明区域经济增长与产业结构优化升级是一个相伴而生的内生化过程。因此，本文也将从金融发展与经济增长的内生关系出发，研究如何构造合理的金融发展体系，有效促进经济增长。

二、 研究设计、变量与数据说明

（一） 研究方法

影响经济增长的因素很多， 从国内外的研究来看， 主要包括资本投入量、劳动力投入量和信息化水平等。郑玉（2012）指出虽然部分研究试图运用格兰杰因果关系检验来解决产业结构优化升级与经济增长的双向因果关系，但格兰杰因果关系检验的前提条件苛刻，很容易导致虚假的因果关系，而且格兰杰因果关系检验的结论只反映统计意义上的因果性，而不一定是真正的因果关系，转而考虑内生关系研究。在殷俊明（2010）中通过选取安徽省1978—2008年的经济数据进行实证分析，结果表明，金融发展与安徽省经济发展存在双向因果关系。但是郑玉（2012）、殷俊明（2010）没有考虑到内生滞后性问题。任何一项政策的实施，它在市场上的反应总会经历市场的消化过程。我们认为无论金融发展是否促进经济增长还是经济增长带动金融发展，它们之间存在着影响的滞后性。本文也将从内生滞后性出发考虑两者的关系。考虑到这些因素，并参考Aschauer（1989），本文尝试检验以下动态模型：

（1）

（2）

（1）式中，Y是相关变量（金融发展程度和经济增长指标，下文将分别说明），X代表除了Y的滞后值以外、非虚拟变量的其它解释变量集，D为虚拟变量，η是城市特有效应， ε是误差项。下标i和t分别代表不同的城市和时期。由于变量也可能存在两阶滞后影响，本文还进一步考察（2）式，此时X的下标也相应的滞后一期，等式左边的Yi，t—1可以移到等式右边，于是模型可以反映出Xt—1对Yi，t的影响。用小写字母表示一阶差分变量，并对（1）式和（2）式进行差分以消除城市特有效应得到：

因为需要控制滞后的被解释变量潜在的内生性问题，最小二乘法和两阶段最小二乘法都是有偏的。所以，本文采用系统广义矩估计方法（SYS GMM）对此动态模型进行估计。这一方法由Arellano and Bond（1991）、Arellano and Bover（1995）以及Blundell and Bond（1998）建立。

在对变量集的选择上，除了两个内生变量金融发展水平（CDL）和经济增长水平（EDL）外，本文还采用了以下控制变量：贷款效率（LR）、信息化水平（IL）、人力资本（HR）、金融深化指标（DH）、经济集聚程度（EG）、国际贸易（IT）。此外考虑到国家产业政策改革的因素，本文还加入了产业结构优化升级指标（IND）、产业政策（POL）。下文将对变量含义详细说明。具体动态结构式实证模型如下：

使用（6）和（8）式是因为因变量可能存在两阶滞后影响。γ和β代表回归系数，ε和u表示残差项。由于变量间可能存在内生性，在用SYS GMM方法对（5）、（6）式进行估计时，本文选择进入方程的非虚拟控制自变量的滞后一期变量、即期虚拟控制变量、以及ILt—1和ITt—1作为工具变量；对（7）、（8）式进行估计时，根据模型具体形式选择非虚拟控制自变量（包括未进入方程的变量）的滞后变量和即期虚拟控制变量作为工具变量。

（二）变量说明

1.金融发展水平（CDL）

选取戈德·史密斯提出的金融相关比率FIR（Financial interrelations ratio）来衡量珠三角九市金融发展状况，金融相关比率是指“某一时点上金融资产总额与国民财富之比”。用金融相关率可以衡量一国金融发展的水平，但Goldsmith推导出的计算公式应用困难，在实证检验中，考虑到数据的可获得性，通常采用全部金融机构的存款总额和贷款总额之和除以国内生产总值得到金融相关率。也有学者使用广义货币（M2）与当期GDP的比率表示FIR（为了区分前后两种计算方式，本方法计算的FIR记为MFIR），MFIR表示银行金融中介相对于国民经济的规模，在本文中将用于稳定性检验。

2.经济增长水平（EDL）

本文选取广东省各市人均生产总值（人均GDP）来衡量珠三角九市经济的发展状况，为剔除通货膨胀带来的影响，国内生产总值采用1978年的定基价格指数进行了平减。最后为避免数据剧烈波动，对人均GDP进行了对数化处理。

3.非虚拟控制变量

（1）贷款效率（LR）。该指标表示每亿元贷款支持的GDP，是GDP与各项贷款总额的比率。

（2）金融深化指标（DH）。Levine和Zervos（1998）认为，银行信用是度量金融发展的有用指标。本文以全部银行信贷余额占GDP的比重作为度量金融深化的指标。

（3）经济集聚程度（EG）。度量区域经济集聚的指标有很多，如城镇化率、人口密度等。我国区域集聚通常与工业和服务业的集聚水平密切相关，而工业和服务业又是城镇化的重要标志，因此，本文选取城镇化率来衡量经济集聚水平。

（4）信息化水平（IL）。基于获取数据的替代性原则，本文考虑的信息化水平主要引入邮电业务数据。由于邮电业务额包括函件、报刊期发数、各类电话、光缆线路长度等内容， 这些是典型的信息资源传播与储存载体， 因此用以邮电业务额作为信息化水平的替代变量。

（5）人力资本（HR）。按Pagano的AK模型，金融发展通过就业量渠道影响经济增长。金融对于资本投入量的增长的会使得吸纳更多的就业人员，促进企业数量和规模的增加，促进经济的增长，扩大就业。这里可以用金融业就业人数占总就业人数比重的提高来衡量各区域经济发展中金融对劳动投入量提高的贡献。

（6）国际贸易（IT）。国际贸易对我国经济增长起到了很大的促进作用， 因此我们选取进口和出口总和作为另一个控制变量， 用IT表示， 其值等于各年度的进口和出口值相加， 再乘上各年度人民币兑美元中间值的平均值的汇率， 转换成人民币的值。

以上六个控制变量中，可能同时影响金融发展水平和经济增长水平。

4.虚拟控制变量

以下两个因素可能影响多元化和资本结构，本文分别用虚拟变量控制其影响：

（1）产业结构优化升级指标（IND）。即使在珠三角九市中，产业结构之间的差异还是比较明显的。根据发达国家产业结构优化升级的重要标志是第三产业占地区生产总值的比重达到70%以上，而中等发达国家占比在50%，低收入国家也占30%—40%。参照我国现代化建设水平，2011年三大产业的GDP数据显示，我国第三产业占GDP的比重只有41.5%。因此，考虑到珠三角经济区域的特殊情况，本文拟选择第三产业产值占GDP的比重是否达到40%以上来衡量产业结构优化升级水平。如果某市第三产业占地区生产总值的比重达到40%以上，则认为该市具有产业结构优化升级指标，此变量为1，否则认为该市不具有产业结构优化升级指标，此变量为0。

（2）产业政策（POL）。党的十六大首次作出了推进产业结构优化升级的部署，即形成以高新技术产业为先导、基础产业和制造业为支撑、服务业全面发展的产业格局，为我国推进产业结构优化升级指明了方向。因此，本文设定2002年之前（含2002年）的产业政策的变量值为0，2003年之后的产业政策的变量值为1。

（三）样本与数据说明

为保证所用数据的有效性，本文实证分析选取2000年到2010年的数据，数据主要来源为历年《中国金融年鉴》和《广东省统计年鉴》，数据分析主要使用软件Eviews6.0。

三、 实证检验结果及分析

（一）金融发展水平的影响因素

首先对模型（5）和（6）进行检验，以分析影响金融发展水平的因素。在模型（5）中，Sargan 过度识别检验说明工具变量的选取是可靠的。但是本文发现，Arrelano—Bond二阶自相关检验说明模型（5）存在二阶自相关，所以需要进一步检验模型（6），其回归结果如表1。

注：括号内为t统计量。*，**，***分别表示10%，5%和1%水平上统计显著。

由表1可见，cdlt—1系数显著为负且约为—0.12，根据模型（6）可知，此时CDLt—1系数显著为正且小于1，CDLt—2的系数则约为0.12。说明前期金融发展水平对后期经济增长水平有明显的推动作用，但这种推动作用随时间推移显著减弱。 EGt—1系数为负，但绝对值很小且不显著，说明滞后一期的经济聚集程度的高低对金融决策没有影响。但EDLt—1仍然为正且具有一定的显著性，说明城镇化率的升高确实对金融发展有一定促进作用。LRt—1，DHt—1，INDt—1和POLt—1的系数均不显著，说明滞后一期贷款效率、金融深化指标、产业结构优化升级指标和产业政策因素对金融发展水平均无影响。因此，综合模型（5）与模型（6）的回归结果结合上文的论述，可知银行信贷余额占GDP的比重小，每亿元贷款对GDP的支持程度均不是引起城市金融发展水平增加的原因。银行信贷余额占GDP的比重小，每亿元贷款对GDP的支持程度与城市金融发展程度负相关性的原因很可能在于，城市金融发展的过程，由于地方政府的举债行为导致其银行信贷余额占GDP的比重，每亿元贷款对GDP的支持程度的下降。此外，我们发现在表2中Sargan 过度识别检验结果说明工具变量的选取是可靠的，Arrelano—Bond一、二阶自相关检验结果说明模型设置是合理的。

（二）经济增长水平的影响因素

注：括号内为t统计量。*，**，***分别表示10%，5%和1%水平上统计显著。

接着对模型（7）和（8）进行检验，以分析影响经济增长水平的因素。在模型（7）中，本文发现对于大部分变量而言，模型（7）的回归结果很不稳定，且回归1与回归3的Arrelano—Bond二阶自相关检验说明模型（7）存在二阶自相关。故需要进一步考察模型（8），其回归结果如表2。

表2中Sargan 过度识别检验结果说明工具变量的选取是可靠的，Arrelano—Bond一、二阶自相关检验结果说明模型设置是合理的。观察表2可发现，CDLt—1系数在10%水平上显著为负，说明前期金融发展水平的提高会引起后期经济增长水平的提高，DHt—1显著为负，证实了银行信贷余额占GDP的比重高的城市金融对经济增长有制约作用。POLt—1显著为负，说明产业政策改革有助于经济增长。HRt—1系数显著为正，说明前期人力资源投入与经济增长水平正相关，佐证了金融人才的培养对经济增长的促进作用；而LRt—1系数显著为正，说明贷款效率高的能力会引起后期经济的增长。ITt—1的系数为何为正？这恰恰反映了珠三角的金融市场上存在着严重的产业依赖的问题，确实毗邻港澳台地区导致珠三角在获取贸易增量上更有优势。根据本文的分析，金融发展水平的提高很可能引起地区贷款效率和银行信贷余额占GDP的比重的下降，但却能够为城市带来更大的贸易增量和经济增长程度。本文认为，这其中的原因，也就在于金融业作为高风险高收益行业与地方政府迫切追求产业转型之间的矛盾，对于金融业的投资，地方政府更容易在决策时忽略银行信贷余额的资金不足问题。

（三）稳健性检验

为了保证研究结果的稳健性，本文用MFIR代替FIR重复了上述检验，结果一致。

四、结论与建议

本文尝试构建动态结构模型，运用系统广义矩方法（SYS GMM）对此问题进行研究，并结合中国转型经济下的一些特有因素去思考这一问题，试图提供一些有价值的理论思考线索和经验证据。

本文研究发现，珠三角九市的金融发展水平和经济增长水平之间是互为因果关系的。金融发展程度的提高，前期获得有效回报的情况，很可能加剧了地方政府大量举债的问题，从而提升了地方城市的贷款效率等能力，引起经济增长水平的上升；而经济增长水平在上升过程中又会反过来对金融发展水平产生一定的制约作用，引起金融发展水平的回落。本文通过进一步的实证分析证明，银行信贷余额占GDP的比重小，每亿元贷款对GDP的支持程度与城市金融发展程度负相关性的原因很可能在于，各城市在发展金融业的过程中，由于地方政府的举债行为导致其银行信贷余额占GDP的比重，每亿元贷款对GDP的支持程度的下降。这从一个侧面说明了，政府的过度行为有可能会损害金融与经济相互促进的作用。

本文的研究还证实了产业政策改革对于经济增长的正面作用，但是否达到产业结构优化升级标准与经济增长的关系上，并没有表现出稳定的显著差别，这说明珠三角各市因产业结构的不同没有对经济增长的程度产生明显的差别。由于研究的时间跨度只有十年，选用的经济区域仅限于珠三角地区，本文的研究结论还有待未来去做进一步证实，用内生性观点考虑金融发展与经济增长的关系进行更深入的分析也是未来的研究方向。

参考文献：

[1]Arellano， M. and S. Bond， 1991，Some Tests of Specification for Panel Data： Monte Carlo Evidence and an Application to Employment Equations， Review of Economic Studies， 58：2，277—297.

[2]Arellano，M.and O. Bover， 1995， Another Look at the Instrumental Variable Estimation of Error—Components Models， Journal of Econometrics， 68：1， 29—51.

[3]Blundell， Richard， and Stephen Bond，1998， Initial Conditions and Moment Restrictions in Dynamic Panel Data Models， Journal of Econometrics， 87：1， 115—143.

[4]王满仓等.西部金融体系发展与经济增长：以陕西省为例的实证分析[ J].管理世界， 2005（7）

[5]陈得文，苗建军.空间集聚与区域经济增长内生性研究——基于1995—2008年中国省域面板数据分析[J].数量经济技术经济研究，2010（9）：82—92.

[6]杨柳勇，莫申生，彭美红.浙江省金融结构与经济增长关系的实证研究.浙江金融，2011（2）

郑玉. 产业结构优化升级与经济增长的内生性研究——基于1991—2009年河南省时间序列数据的分析. 河南商业高等专科学校学报. 2012（2）

[7]李斌红. 广东省金融结构与经济增长关系的实证研究. 财政界. 2012（10）

本文系作者主持的佛山市社科联2012年度哲学社会科学规划项目《珠三角金融发展与经济增长的内生性研究》成果之一，项目编号：12—JG19。