1992－2010年中国信贷供给结构与经济波动——基于VAR模型分析

徐灵超

（同济大学 经济与管理学院，上海 200092）

在我国，银行信贷作为社会融资的主要形式，2010年末，信贷供给占全部非金融机构融资总量的比例超过75.2%，这样的融资结构决定了信贷供给对中国宏观经济的影响非常直接。信贷供给也成为了货币政策调整最突出的政策主线，成为影响经济波动的重要因素。而在信贷供给从1992年1季度的2.17万亿元到2010年末的47.92万亿元的同时，我国的信贷供给结构亦发生了明显的变化（如图1），中长期贷款从1992年1季度末3076.66亿元（占全部贷款余额

14.18%，此时短期贷款为14908.68亿元、其它贷款3，705.84亿元）开始，稳步保持高速增长；至2005年第4季度达到87460亿元，首次超过短期贷款；之后的5年时间，中长期贷款保持了最陡的曲线图，体现了比短期贷款更快的增长速度。至2010年末，中长期贷款达到288930亿元，占全部贷款余额60.29%，而短期贷款仅166233亿元，中长期贷款是短期贷款的1.74倍。在短期贷款和中长期贷款保持增长的情况下，其它贷款发展显得缓慢，至2010年末，其它贷款24031.73亿元，占全部贷款5.02%，与1992年1季度相比，仅增长6.48倍。

图1 信贷供给（tc）、中长期贷款（lc）、短期贷款（sc）、其它贷款（oc）变化趋势

因此，对信贷供给结构与经济波动的关系展开研究具有重大的理论与现实意义。

一、相关理论文献探讨

（一）国外文献综述

理论文献中，研究信贷供给和经济波动的关系主要有两个范式：银行借贷渠道（Bank Lending Channel）和资产负债表渠道（Balance Sheet Channel）。资产负债表渠道着重分析信贷市场摩擦对经济波动的放大作用（即“金融加速器”效应），强调企业的自有资本金或者利润对其外部融资成本的影响（Bernanke和Gertler，1989）[1]。银行借贷渠道则强调，如果银行根据货币政策或其它的原因调整自身信贷供给时，经济中的投资和产出等都会受到影响。除了信贷之外没有其它的融资渠道或者其它融资渠道不能完全替代银行信贷是信贷渠道存在的重要前提 （Bernanke和Blinder，1988）[2]。一旦信贷紧缩不可避免，那些对信贷依赖性较强的企业很难从银行获得足够的资金，其正常的生产活动将受到影响。Kashyap和Stein（1994）总结，银行信贷变动要对真实经济波动有重要影响需满足三个方面的条件：①价格调整存在粘性；②一部分企业的外部融资必须通过银行；③某种程度上货币当局能够控制银行的信贷供给[3]。显然，中国的事实符合上述三方面要求。因此，开展银行信贷与经济波动关系的研究具有重要的意义。

（二）国内文献综述

我国就信贷供给和中国经济波动的关系亦开展了一定的研究。陈磊（2004）基于1981—2002年的季度数据，考察了在经济转轨的不同阶段我国信贷波动的特征，并通过时差相关分析和Granger因果关系检验，分析了信贷波动与经济周期波动的相互关系。结果表明，总体上信贷波动与经济周期波动基本同步，在时间上由基本同步转变为1994年后通常会滞后3个季度左右；信贷扩张和收缩是产生经济周期波动的显著影响因素，但这种影响从20世纪90年代中期开始有所下降，同时，经济波动对于信贷规模的影响也由1994年之前的微弱明显增强，信贷波动的内生性开始显现[4]。赵振全等（2007）采用门限向量自回归模型对我国信贷市场与宏观经济活动的非线性关联进行脉冲响应函数分析后发现，中国存在显著的金融加速器效应[5]。许伟等（2009）基于1993—2005年的季度数据通过DSGE模型研究了银行信贷与中国经济波动的关系，结果表明，信贷冲击解释了大部分短期消费、贷款以及货币余额的波动，对产出、投资的波动有一定解释力[6]。潘敏、缪海斌（2010）通过构建反映宏观经济变量之间内在联系的结构向量自回归（SVAR）模型，实证检验2003年以来银行信贷投放对中国宏观经济波动的影响。结果表明：一方面，中国信贷规模资金的投放对宏观经济的稳定发展产生了重要的推动作用，但是信贷投放对经济增长的冲击效应会随着时间的变化逐渐趋弱；另一方面，短期来看，信贷资金的大规模投放不会对物价水平的攀升产生影响，但由于其是物价变动的主要因素，在长期内，必须合理估计中国将来在物价水平调控方面可能面临的较大压力[7]。段军山、周婕（2010）认为银行信贷存在明显的“亲经济周期”效应,考虑我国转型期的实际特征以及政府调控经济的策略和工具特征，银行信贷可能是经济波动的主要影响因素之一。我国经济整体扩张期的扩张幅度比收缩期的收缩幅度大，显示我国信贷调整的刚性。经济波动与信贷波动存在长期的“协整”关系，信贷对经济波动影响具有至少2年的时滞效应。从1987—2009年整体经济轨迹来看，信贷变动是导致经济波动的一个重要因素，但贷款波动具有一定的外生性。对于1994—2009区间中，经济波动可能对贷款变动有一定的影响[8]。汪川、黎新、周镇峰（2011）在一个带有“金融加速器”的DSGE模型中讨论了我国宏观经济波动背后的信贷因素，并检验了“金融加速器模型”对我国宏观经济波动的解释能力。在此基础上，进而分析了货币政策通过信贷因素对我国宏观经济的影响，结果表明，受信贷市场中不对称信息的影响，宏观经济变量都表现出较大的波动性，模型模拟出的产出、实际利率和投资等主要变量的相对标准差都与实际经济数据相似；同时，脉冲响应分析的结论显示，相对产出等其他变量，货币政策对于价格水平和通货膨胀有着更好的控制力[9]。上述文献均认为在我国，银行信贷与经济波动存在着一定关系，但没有涉及对信贷供给结构对经济波动的关系的研究。曹元芳（2011）通过采用带有控制变量的向量误差修正模型，从银行信贷规模、信贷结构和信贷效率三个层面对中国银行信贷发展与经济增长之间的相关关系和因果关系进行了检验。研究结果表明，中国信贷发展在规模扩张、结构调整和效率变化三个层面均与经济增长之间具有长期关系和双向的因果关系[10]。该文的信贷结构仅以中长期贷款与短期贷款的比例表示，亦没有涉及对信贷供给结构与经济波动的深入分析。

从现有文献看，我国学者对信贷供给与经济波动的关系开展了大量的研究，但基本上只涉及信贷供给与经济波动的关系，而对于信贷供给结构与经济波动的关系研究文献则寥寥无几，因此，本文拟对此展开研究。本文将通过计量模型探讨信贷供给结构与宏观经济变量波动的关系。

二、模型选取与数据处理

（一）模型选取

本文运用VAR模型建立信贷供给结构与宏观经济变量的模型，探讨信贷供给结构与宏观经济变量之间短期冲击波动关系。1980年西姆斯（C.A.Sims）将非结构化的VAR模型引入到经济学中，它常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量短期波动的影响。在VAR模型基础上，可开展脉冲响应、方差分解等，有关更具体的VAR模型和VEC模型的内容可参见相关计量书籍[11-12]。

（二）变量选取和数据处理

1.变量选取

（1）信贷供给结构变量。本文以中长期贷款、短期贷款、其它贷款表示信贷供给结构，其中中长期贷款、短期贷款直接来源于《金融机构人民币信贷收支表》，其它贷款则由《金融机构人民币信贷收支表》中的各项贷款扣除中长期贷款、短期贷款得到，分别以LC、SC、OC表示。

（2）宏观经济变量。本文宏观经济变量选取产出、通货膨胀，其中：国内生产总值（GDP）作为产出变量，反映经济波动，居民消费价格指数（CPI）作为通货膨胀变量，反映价格波动。

（3）货币变量。本文另选取M1作为货币变量，以衡量信贷与货币对经济波动的相对重要性。

2.数据处理

考虑到数据的可得性，本文分析采用的数据样本区间从1992年第1季度至2010年4季度。

本文对信贷供给结构中的中长期贷款、短期贷款、其它贷款及货币变量采用名义值，而国内生产总值（GDP）采取以居民消费价格指数（CPI）剔除价格因素后的季度实际值，居民消费价格指数（CPI）由作者换算成季度数据，上述数据来源于人民银行网站及各期统计年鉴。

由于数据存在较强的季节性因素，因此采用censusX—12季节调整方法进行调整，为了消除异方差和指数化趋势，对上述数据均进行对数化处理，记为lnlc_sa、lnsc_sa、lnoc_sa、lngdp_sa、lncpi_sa、lnm1_sa，本文计量分析均采用软件EViews6.0进行。

三、信贷供给结构与经济波动的因果关系检验

（一）平稳性检验

为分析变量之间的因果关系，必须保证变量是平稳的。本文采用ADF检验方法，对拟进入VAR模型中的各变量lnc⁃pi_sa、lngdp_sa、lnm1_sa、lnlc_sa、lnsc_sa、lnoc_sa进行平稳性检验，检验结果见表1。

由表1可知，除了lnsc_sa、lncpi_sa表现为平稳序列，其他所有变量水平序列均不平稳，而其差分序列则在5%显著性水平上拒绝原假设，因此它们均为一阶单整I（1）。

表1变量的ADF检验结果

（二）Granger因果检验

为分析信贷供给结构与货币供应量、产出、居民消费价格指数的长期均衡和短期动态关系，进一步分析各变量之间的因果关系。研究分为九组：第一组为lnlc_sa和lnm1_sa；第二组为lnlc_sa和lngdp_sa；第三组为lnlc_sa和lncpi_sa；第四组为lnsc_sa和lnm1_sa；第五组为lnsc_sa和lngdp_sa；第六组为lnsc_sa和lncpi_sa；第七组为lnoc_sa和lnm1_sa；第八组为lnoc_sa和lngdp_sa；第九组为lnoc_sa和lncpi_sa，由于上文进行单位根检验时表明lnsc_sa、lncpi_sa为平稳序列，而lnlc_sa、lnoc_sa、lngdp_sa、lnm1_sa具有不平稳特征，而其一阶差分具有平稳特征。因此，可以对这些变量的一阶差分进行格兰杰因果检验，各变量对数的一阶差分实际上表示各变量的变化率，具有经济学意义。同时，为保证检验结果的稳定性，每个检验的滞后阶数均取1-5，检验结果见表2。

从表2可知：①lnsc_sa与lnm1_sa只存在单向关系，即lnsc_sa可以引起lnm1_sa变化，反之不能；lnlc_sa与lnm1_sa存在互为因果关系，但lnm1_sa每期均可引起lnlc_sa变化，但反之lnlc_sa则只有第2、5期可以引起lnm1_sa变化，说明主导因素仍为lnm1_sa引起lnlc_sa变化；lnoc_sa与lnm1_sa只存在单向关系，即lnoc_sa可以引起lnm1_sa变化，且存在4期时滞，反之不能。②lnsc_sa、lnlc_sa与lngdp_sa不存在因果关系。但lnoc_sa与lngdp_sa存在互为因果关系；在第1、2期主要是lngdp_sa影响lnoc_sa，第3期两者相互因果关系；而之后主要是lnoc_sa影响lngdp_sa。③lncpi_sa与lnsc_sa、lnlc_sa只存在单向因果关系，即lncpi_sa可引起lnsc_sa、ln⁃lc_sa变化，反之则不能；同时，lncpi_sa对lnsc_sa影响第1期即反应，而对lnlc_sa的影响需在第4期反应；而lncpi_sa与lnoc_sa不存在互为因果关系。

从以上检验结果可知：中长期贷款、短期贷款实际上并没有对GDP产生影响；其它贷款在滞后3期时开始影响GDP。同时，前3期GDP对其它贷款有明显影响。同时，从中长期贷款、短期贷款、其它贷款分列单独看，三者均不对CPI产生影响，反而是CPI对中长期贷款、短期贷款产生影响；而中长期贷款、短期贷款、其它贷款均能影响货币供应量，但短期贷款立即对货币供应量产生影响，中长期贷款则需在第2期和第5期产生影响，而其它贷款则在第4期产生影响；反之货币供应量则仅影响中长期贷款，对短期贷款、其它贷款没有影响。这说明，我们在关注信贷供给的影响时，必须同时关注信贷结构问题，真正对GDP产生影响的是其它贷款。

四、信贷供给结构与经济波动的动态效应分析

为分析信贷供给结构与经济波动的关系，拟构建dln⁃lc_sa、dlnsc_sa、dlnoc_sa、dlnm1_sa、dlngdp_sa、dlncpi_sa六个变量的VAR模型。

（一）滞后期选择和单位根检验

对模型滞后期选择，主要以AIC、SC准则为主，同时参考LR、FPE等，根据多数原则（见表3），选择最优滞后阶数为4。

表2各组变量的格兰杰检验结果

表3按照各种标准所选的最优滞后期

如果被估计的VAR模型所有根模的倒数小于1，即位于单位圆内，则其是稳定的。模型不稳定，某些结果将不是有效的，如脉冲响应函数等。所以进行脉冲响应函数分析前先对上述VAR系统进行稳定性检验，根据AR根的图（见图2），所有根的模的倒数小于1，都位于单位圆内，模型是稳定的。

图2 信贷供给结构变量所在VAR系统AR根图

（二）脉冲响应分析

1.各变量对信贷供给结构的脉冲响应

对VAR模型采用Cholesky分解方法得到脉冲响应，变量的顺序为：dlnlc_sa、dlnsc_sa、dlnoc_sa、dlnm1_sa、lngdp_sa、lnc⁃pi_sa。信贷供给结构对各变量产生的脉冲响应如图3所示，从图3可知：

（1）在本期给出中长期贷款、短期贷款、其它贷款的一个冲击后，产出在初期均出现一个较小的负向影响，分别约为－0.003、－0.0046、－0.0044倍左右；随后第二期前两者回到正向冲击，并在零值上下方波动并趋于零，其中中长期贷款的最大值在第四期达到约0.004倍，最小值在第5期达到约－0.0013；短期贷款的最大值在第四期达到约0.005倍，最小值在第5期达到约－0.008；而其它贷款则一直稳定上升且前三期均保持负值，并在第四期达到最大值约为0.01，随后波动下降至第7期回到负值，随后在零值上下方波动趋于零。

图3 各变量对信贷供给结构的响应

（2）CPI对于中长期贷款、短期贷款、其它贷款的一个标准差新息在第一期响应基本上接近于零，但对于中长期贷款为正值0.0004，其余两者则为负值－0.0003、－0.0006；对于中长期贷款，随后围绕着零值上下方波动至第9期后在零值上方趋于零，其最大值为第3期0.0017，最小值为第7期－0.0011倍；对于短期贷款，随后上升至第3值0.0005，然后下降并在第4期即回到负值并在零值下方波动趋于零，其最大负值为第9期约－0.002倍；对于其它贷款，随后上升至第6期达到最大值0.0039，随后缓慢下降并一直在零值上方趋于零。

（3）货币供应量M1对于中长期贷款、短期贷款、其它贷款的一个标准差新息，出现不同的响应。对于中长期贷款，第一期响应为－0.0026倍，随后逐步上升并在第2期达到最大值约0.0042倍，随后波动下降并在零值上下方波动趋于零；对于短期贷款，第一期响应约为0.0071倍，然后逐步下降，在第3期后为负值，随后在零值上下方波动并趋于零；对于其它贷款，第一期基本上没有响应，随后波动向上并在第5期达到最大值约0.0067倍，随后下降并在零值上下方波动趋于零。

由上面分析可知，对于信贷供给结构的一个标准差新息，各变量反映不同，总体来说，对于中长期贷款的一个标准差新息，各变量响应幅度最小；而对于其它贷款的一个标准差新息，各变量响应幅度最大。这说明，在信贷供给结构对经济波动的影响中，其它贷款更易对经济波动产生冲击。

2.信贷供给结构对各变量的脉冲响应

信贷供给结构对各变量的响应如图4所示，从图4可知：

（1）对于产出的一个标准差新息，中长期贷款、短期贷款、其它贷款在第一期均没有响应；对于中长期贷款，第二期出现最大负向反应约－0.0033倍，随后在零值上下方波动趋于零，最大值为第6期约0.0057倍；对于短期贷款，第二期出现正向反应，且为正向最大值约为0.0015倍，随后在零值上下方波动并趋于零（大部分在上方）；对于其它贷款，第二期出现最大负向反应－0.0126倍，随后上升并在零值上下方波动并趋于零，正值最大值为第4期0.0094倍。

（2）对于通货膨胀的一个标准差信息，中长期贷款、短期贷款、其它贷款在第一期均没有响应；对于中长期贷款，第2期出现正向响应最大值约为0.0049倍，随后围绕零值上下方波动并趋于零，其中第4期达到负向响应最大值约为-0.0056倍；对于短期贷款，第二期出现最大负向响应约为-0.0031倍，随后波动上升至第8期达到正向最大值约为0.0051倍，随后在零值上方波动并趋于零；对于其它贷款，第二期出现最大负向反应－0.0138倍，随后上升并在第8期达到正向响应最大值约为0.0138倍，随后波动下降并在零值上下方波动并趋于零。

（3）对于货币供应量的一个标准差信息，中长期贷款、短期贷款、其它贷款在第一期均没有反应，在第二期开始，中长期贷款有正向反应，约0.0021倍，第三期则回到负向反应，约为－0.0037倍，随后上升，并在第5期达到最大值约为0.012倍，随后下降，并在零值上下方波动趋于零；短期贷款有负向反应，约－0.0031倍，随后在零值上下方波动至第10期0.0011倍，随后在零值上方波动趋于零；其它贷款则有负向反应，并至第5期达到负向最大值约－0.0214倍，随后波动上升至第9期达到正值最大值0.0222倍，随后在零值上下方波动并趋于零。

由上面分析可知，对于各变量的一个标准差新息，信贷供给结构反映不同，总体来说，其它贷款对于各变量的一个标准新息响应最大；中长期贷款次之，短期贷款响应最小；而从信贷供给结构对于产出的一个标准差新息，各变量响应幅度最小；而对于通货膨胀及货币供应量，各变量响应幅度接近。变量变动时其余变量的贡献度，结果见表4-表7。

图4 信贷供给结构对各变量的响应

表4显示，无论从短期还是从长期来看，产出自身的冲击都是其方差的一个主要来源，在30期仍保持在约62%。信贷供给增长率对经济增长的贡献率则主要来源于短期贷款和其它贷款的冲击，两者的贡献率均达到13.5%以上，而中长期贷款仅为2.9%。

这说明银行信贷冲击对我国产出波动的冲击主要来源于短期贷款和其它贷款的变化。

五、信贷供给结构与经济波动的贡献度分析

前述脉冲响应刻划了VAR模型中一个内生变量的冲击对其它内生变量所带来的影响，但无法判断每一个内生变量对其它内生变量变化的贡献度。基于VAR模型的预测方差分解能够刻画每一个内生变量对其它内生变量变化的贡献度，进一步评价不同冲击的重要性。基于此，采用预测方差分解的方法（分解顺序为：DLNLC_SA、DLNSC_SA、DLNOC_SA、DL⁃NM1_SA、DLNGDP_SA 、DLNCPI_SA），考察了VAR模型中各

表4 DLNGDP_SA的方差分解表

表5 DLNCPI_SA的方差分解表

表5显示，无论从短期还是从长期来看，CPI自身的冲击是其方差的一个主要来源，其贡献率仍保持在36%以上。产出、货币供应量对通货膨胀的贡献度长期分别保持在10.5%、9.16%左右。需要注意的是，信贷供给冲击的三个变量中，实际上主要是其它贷款在CPI的变化中发挥了主导作用，而中长期贷款、短期贷款的贡献率很有限。其它贷款虽然在前5期贡献度较小（第5期已接近22%），仅在第10期即达到约38%，与CPI自身贡献率基本接近，随后其贡献率即超过CPI自身的贡献率，并稳定在39%以上。这说明其它贷款实际上对通货膨胀起决定性影响。

表6显示，无论从短期还是从长期来看，货币供应量自身的冲击仍是其方差的一个主要来源，在30期仍达约60%，其余通货膨胀、产出的贡献度变化较小；需要注意的是，信贷供给冲击对货币供应量的变化中确实发挥了较大作用，但发挥作用的程度则随着时间的推移，由短期贷款逐步过渡到其它贷款，而中长期贷款贡献度一直较低；短期贷款在第一期贡献度即达到10%以上，但在第二期上升到11%以上后即开始下降并稳定在9%以上；而其它贷款的贡献度虽然在第1、2期很少，但在第3期开始不断上升，并在第5期即超过短期贷款，并持续上升到16.5%以上，成为仅次于货币供应量自身之外的最重要因素。

从表7可知，从中长期贷款、短期贷款、其它贷款三者自身变化来看，三者自身的变化均是其自身方差的主要来源，第30期仍分别达51%、66%、62%以上；除此之外，中长期贷款的变化主要还来源于其它贷款（第30期约占19%）、货币供应量（第30期约占16%）；短期贷款的变化主要还来源于其它贷款（第30期约占10%）、产出（第30期约占8%）、货币供应量（第30期约占7%）；其它贷款的变化则主要来源于短期贷款（第30期约占21%）、中长期贷款（第30期约占8%）。这说明：①我国中长期贷款、短期贷款、其它贷款的变化除受自身影响外，还受货币供应量的一定影响（特别是中长期贷款），但更受到三者之间的相互影响。②其它贷款明显影响着中长期贷款、短期贷款，且对中长期贷款的影响程度大于短期贷款；而中长期贷款、短期贷款亦影响着其它贷款，但短期贷款的影响程度大于中长期贷款；而中长期贷款与短期贷款的相互影响则较小。

表6 DLNM1_SA的方差分解表

表7 DLNLC_SA、DLNSC_SA、DLNOC_SA的方差分解表

六、结论及政策含义

本文基于中国宏观经济金融的现实环境，通过构建反映信贷供给结构与经济波动关系的VAR模型，考察了信贷供给结构与经济波动的短期动态关系，实证检验了信贷供给结构与经济波动的关系。实证结果表明：

（1）中长期贷款、短期贷款与产出没有因果关系，其它贷款与产出存在着相互因果关系。同时，信贷供给结构各变量均不引起通货膨胀的变化，而通货膨胀是中长期贷款、短期贷款变化的原因；信贷供给结构各变量引起货币供应量变化的时滞不同；而货币供应量则仅引起中长期贷款的变化。

（2）对于信贷供给结构的变动，各变量对其它贷款的响应最大，对中长期贷款的响应最小，这说明其它贷款更易引起经济波动。同样，对于各经济变量的变动，其它贷款的响应最大，中长期贷款次之、短期贷款最小。

（3）银行信贷冲击对产出波动的冲击主要来源于短期贷款和其它贷款的变化。其它贷款实际上对通货膨胀起决定性影响。其它贷款成为仅次于货币供应量之外的最重要因素。

（4）中长期贷款、短期贷款、其它贷款的变化除受自身影响外，还受货币供应量的一定影响（特别是中长期贷款），但三者之间的相互影响更大。其它贷款对中长期贷款的影响程度大于短期贷款；短期贷款对其它贷款的影响程度大于中长期贷款；中长期贷款与短期贷款的相互影响则较小。

因此，目前我国信贷供给结构、货币供应量、产出、物价四者之间存着着短期的冲击效应，但影响程度差异很大。这对制定我国信贷政策具有重要的政策启示。对此，本文提出以下建议：

（1）在关注信贷供给的同时必须关注信贷供给结构。长期以来，我国十分重视信贷供给总量的调控，而对信贷供给中的中长期贷款、短期贷款、其它贷款的结构性问题往往重视有限。实际上，信贷供给中的各类贷款对经济变量产生的作用差异很大，特别是占比相对较小极易被人们忽视的其它贷款反而对产出、通货膨胀、货币供应量影响最大，成为信贷供给结构中影响经济波动的主要因素。

（2）投放信贷时必须注意把握节奏、落到实处。我国的信贷供给结构对产出与通货膨胀均存在着波动性的冲击效应，因此信贷投放时必须注意节奏，保持产出平稳增长，避免出现高通货膨胀。联系我国实际，2009年为应对金融危机，我国新增贷款达9.63万亿元，对促进我国国民经济增长起到了一定作用，但同时亦一定程度上导致了后续通货膨胀的产生。

（3）宏观调控时特别关注其它贷款。其它贷款实际上包括了融资租赁、委托贷款、票据融资、各项垫款，它往往与银行的创新业务联系在一起，成为企业与银行规避宏观调控的手段。特别是在国家实施紧缩政策时，一般先对中长期贷款、短期贷款实行总量控制，此时企业往往通过变相的手段如票据融资、融资租赁等方式获得资金。实际上，一方面，该部分贷款是引起经济波动的重要因素（如前文所述）；另一方面，该部分贷款往往融资成本高、且存在许多不规范的地方，极易产生金融风险。因此，我们必须对其它贷款给予更高的关注。

[1]Bernanke B，Gertler M.Agency Costs，Net Worth and Busi⁃ness Fluctuations[J].American Economic Review，1989，79：14-31.

[2]Bernanke B S，Blinder A.Credit，money and aggregate demand[J].American Economic Reivew，1988，78：435-439.

[3]Kashyap A，Stein J.Monetary Policy and Bank Lending[M]//N G Mankiw.Monetary Policy NBER，1994：221-262.

[4]陈磊.中国转型期的信贷波动与经济波动[J].财经问题研究，2004，（9）：18-23.

[5]赵振全，于震，刘淼.金融加速器效应在中国存在吗[J].经济研究，2007，（6）：27-38.

[6]许伟，陈斌开.银行信贷与中国经济波动：1993-2005[J].经济学（季刊），2009，（2）：969-994.

[7]潘敏，缪海斌.银行信贷与宏观经济波动：2003-2009[J].财贸研究，2010，（4）：83-89.

[8]段军山，周婕.信贷调整与经济波动的时滞效应：1978-2009[J].改革，2010，（9）：40-47.

[9]汪川，黎新，周镇峰.货币政策的信贷渠道：基于“金融加速器模型”的中国经济周期分析[J].国际金融研究，2011，（1）：35-43.

[10]曹元芳.中国信贷规模、结构、效率与经济增长关系的经验分析[J].上海金融，2011，（1）：22-26.

[11]高铁梅.计量经济分析方法与建模——Eviews应用及实例[M].北京：清华出版社，2009.

[12]樊欢欢，张凌云.Eviews统计分析与应用[M].北京：机械工业出版社，2009.