基于 VAR 的省域金融发展与经济增长关系研究

基于 VAR 的省域金融发展与经济增长关系研究本文充分考虑了我国区域间的发展不平衡以及差异性及其对研究结果造成的影响,运用面板向量自回归模型(PVAR),采用我国 31 个省、市、自治区 1979—2012年的相关面板数据,通过五个具代表性的计量指标(以反映金融发展规模以及金融发展效率作为金融发展的代表指标,以进出口环比增长率、全社会固定资产投资环比增长率、地区生产总值环比增长率作为三个有关经济增长的代表指标),并借助格兰杰(Granger)因果检验、脉冲响应函数以及预测误差分解,分析研究金融发展与经济增长之间具体的因果关系以及影响两者之间关系的具体因素。

一变量与数据针对金融发展指标,本文从金融发展效率以及金融发展规模两个方面考虑,选取了三个变量,即:金融相关性比率(FIR)、金融机构存款余额环比增长率以及金融机构贷款余额环比增长率。

1.金融相关比率指标(FIR):某一时点上现存金融资产总额与国民财富之比，用这个指标来衡量金融经济化程度。

由于本文研究的是各个省份金融发展与经济增长之间的关系,考虑到各个省份统计的局限性以及经济发展水平的不一,在借鉴国内外学者成熟的研究指标的基础上,并结合我国各省份的实际情况,基于变量数据的可获得性,本文仍采用金融机构存贷款之和与 GDP 之比来衡量金融发展规模。

2.金融机构存款余额环比增长率(Deposit):该指标是本年度存款余额与上年度金融机构存款余额之比。

3.金融机构贷款余额环比增长率(Loan):该指标是本年度贷款余额与上年度金融机构贷款余额之比。

在经济增长指标选取方面,考虑到物价消费指数的变动,选取了各个省份 GDP 环比增长率。

同时,为使研究更加完善,还加入了另外两个影响经济增长的显著指标,即:进出口环比增长率以及全社会固定投资环比增长率。

4.进出口环比增长率 (Export):改革开放以来,进出口贸易不断增大,占国内生产总值的比重也越来越大。

在研究金融发展与经济增长之间的关系时,进出口已经成为一个重要而不可忽视的因素。

因此,本文采用各个省份进出口贸易总额环比增长率来衡量进出口变化,即以本年度进出口贸易总额与上一年度贸易总额之比,这样可以避免由于货币单位不同以及通货膨胀等因素对变量指标的影响。

5.投资增长率(Invest):改革开放以来,我国各省的 GDP 都呈现了快速而稳定的增长,其中固定资产投资拉动贡献明显。

为了衡量及消除物价波动带来的影响,采用各个省份的全社会固定资产投资环比增长率,即以本年度固定资产投资总额与上年度固定资产投资总额之比来衡量影响经济增长的一个指标。

指标选择的直观表示见表一:表一变量指标二数据描述本研究使用了中国 31 个省、自治区、直辖市 1979—2012 年的数据,数据源自《新中国六十年统计资料汇编》、《新中国五十五年统计资料汇编》、国家统计局、各省统计年鉴和 wind 数据库。

为更好地表明各指标变量与经济增长的关系,本文首先对所选取的指标进行了初步描述性统计与分析。

表二变量的描述性统计从表二中可以看出:1.进出口环比增长率的观察值有 1029 个,缺失数据的省份以及年份分别为:陕西省 1978 年至 1984 年的数据,是由于陕西开通海关时间晚;重庆市与海南省的 1978年至 1986 年的数据,是由于重庆、海南后从其他省份划分出来。

由于这些数据无从获得,又由于缺失数据对模型的影响在本文允许范围内,所以缺失值由 STATA 系统自动处理。

2.GDP 环比增长率最大值为 1.53427,增长率达到 53.427%,而最小值为 0.9532658,呈现负增长;金融机构存款余额环比增长率最大值为 3.009145,最小值为 0.4876456,金融机构贷款余额环比增长率最大值为 3.590168,最小值为 0.5995793。

由此可知不同省份之间的经济增长及金融发展的差异较大,各省份的差异性也为实证研究的有效性提供了更大范围的计量样本,加之选取的时间足够长,也使指标间的相互参照、相互对比、相互校正成为可能。

三模型构建在实证研究之前,本文对 GDP 环比增长率、金融机构存款余额环比增长率、金融机构贷款余额环比增长率、金融机构存贷款之和比 GDP、进出口环比增长率以及投资环比增长率进行平稳性检验以及协整检验。

1 面板单位根检验为避免非平衡时间序列、防止模型出现伪回归现象,本文选取了目前广泛应用的协整分析方法,并在进行协整检验之前首先进行了各变量的平稳性检验。

协整理论是检验非平衡时间序列的一个重要方法。

如果两个或者两个以上的非平稳时间序列(必须同阶单整)的线性组合能构成平稳的时间序列,则称这些非平稳序列是协整的,平稳性的线性组合为协整方程,且可认为这些变量间存在长期均衡关系。

由于一般用来表示绝对量指标的宏观经济变量都是非平稳的,含有一个或多个单位根。

因此,在进行具体的经验议程估计和相关检验之前,都需要进行单位根检验。

本文采用的是面板单位根检验,同时为克服一种单位根检验方式可能存在的偏差,在此本文分别进行了 LLC 检验、Breitung 检验、IPS 检验、PP-F 检验、HT 检验、Hadri检验等六种检验。

表三单位根检验检验结果表明:除金融机构存贷款/GDP 这一指标外,其他五个变量指标在不经过数据处理的情况下都通过了在置信水平为 5%的平稳性检验;在 5%的置信水平下只有金融机构存贷款/GDP(FIR)没有通过变量的显著性检验,但本文通过 STATA 11 计量软件对其进行二阶差分后也通过了平稳性检验。

本文实证方面除了单位根检验采用 EVIEWS6.0 外,其他均是借助 STATA11 完成。

2 面板 VAR 模型的构建本文基于中国 31 个省份 1979 年--2012 年的面板数据来研究金融发展与经济增长之间关系。

鉴于前面的研究仅局限于二者间简单的相关关系,而忽视了其他影响经济增长的变量以及金融发展的代表指标的间接影响因素,本文立足于通过构建面板向量自回归 (Panel Data Vector Autoregression,PVAR)模型的方法获得金融发展的代表指标对经济增长的影响。

本文采用了 Holtz-Eakin (1988)提出的面板数据的向量自回归(PVAR )方法。

该方法中,只要 T ≥ m +3(T 为时间序列的长度,m 为滞后项的长度),便可以对模型的参数进行估计;而且当 T ≥ 2 m +2时,便可在稳态下估计滞后变量的参数。

本文使用的数据对上述两点都可以满足。

与以前学者研究所采用的模型相比较,采用的面板向量自回归模型(PVAR)有如下优点:一是本文将研究涉及的关于金融发展与经济增长的所有变量指标都视作内生变量,并研究所有指标的滞后项与另外一个变量之间的具体关系。

二是借用正交化冲击函数,可分离出每一个内生变量(金融发展规模指标或金融发展效率指标)对其他内生变量(各省取对数化的区域生产总值)所带来的影响程度。

其原因为:正交化后,可以识别出在其他变量保持不变的情况下某一变量的冲击反应。

三是面板向量自回归模型估计可以通过面板格兰杰因果检验的方式,检验出金融发展与经济增长之间具体的因果关系。

正是由于面板向量自回归模型(PVAR)可以很好地分解出金融发展代表指标对经济增长的影响,进而可以将两者之间的因果研究结果,结合目前的中国实际情况提出一些有利于、适合于经济增长的政策建议。

在运用面板向量自回归模型(PVAR)进行估计之前,本文运用数据对是采用固定效应模型还是随机效应模型进行了判断。

采用 Hausman 检验判断是采用固定效应模型还是随机效应模型,且在进行 Hausman 检验之前,首先建立了固定效应回归模型以及随机相应随机模型。

此检验方法的原假设为模型为随机效应模型,运用 STATA11 分析结果详见表四。

表四 Hausman检验结果由表四可以看出,Hausman 检验统计量为 11.65,对应的 P 值为 0.0399,小于0.05。

因此,该检验结果说明要拒绝随机效应回归模型的原假设,即应建立固定效应回归模型。

最终,通过模型检验结果,本文确定应采用引入固定效应变量的面板 VAR 模型。

固定效应的面板 VAR 模型如下:其中:Yi,t 是一个包含六个变量的向量{GDP,FIR,DEPOSIT,LOAN,INVEST,EXPORT},GDPi,t代表第i个地区在时间t的GDP环比增长率;FIRi,t代表在第i个地区在时间 t 的金融机构存贷款之和与GDP 之比; DEPOSITi,t 代表第 i 个地区在时间 t的金融机构存款余额环比增长率, LOANi,t代表第 i 个地区在时间 t 的金融机构贷款余额环比增长率。

由前面检验可知,本文引入固定效应的面板向量自回归模型(PVAR),即允许变量中存在“省份之间异质性”,在模型中用ηit表示,代表可能遗漏的地区特征,并且这些特征与其它解释变量是相关的。

Фit 是时间效应,用来解释系统变量里面的趋势特征。

εit是个被假设为服从正态分布的随机扰动。

本文采用的是动态面板,但动态面板模型中会含有因变量的滞后项。

因此,本文采用的固定效应的面板VAR模型就与因变量存在关系,将会产生有偏的系数估计结果。

为消除固定效应的这种影响,本文对模型方程进行了差分,首先利用向前一步均值差分方法,即“Helmert 过程”对变量进行转换,去除向前均值,亦即去除每个地区可获得的所有未来观测值的均值。

“Helmert 过程”保持了转换变量与滞后因变量之间的正交性,其次,用滞后变量做工具变量,利用系统距估计方法(GMM)对模型的参数进行估计。

3 模型滞后阶数的选取及面板距估计(GMM)关于滞后阶数的选取,采用 AIC、BIC 和 HQIC 准则,检验结果见表五。

表五面板 VAR 滞后阶数的选择标准注:括号内为各估计量的 P 值;*表示在 10%的置信水平下显著;**表示在 5%的置信水平下显著;***表示在 1%的置信水平下显著。

由表五可知,应该选取滞后三阶的面板 VAR 模型。

采用的是滞后三阶的动态面板 VAR 模型,由模型公式可知,解释变量中引入了被解释变量的滞后项,因此使模型中每个变量都是内生变量,而不再是外生变量;通过将系统 GMM 方法和差分 GMM方法两种估计方法进行对比,可知系统GMM 方法与差分 GMM 方法的系数估计值很接近,但是前者的标准差较后者更小,这种原因可能是系统 GMM 估计方法用的工具变量比较多,所以其估计的更精确一些。

所以在综合对比之下,本模型决定采用系统GMM 方法进行估计,用所有内生变量的滞后变量作为解释变量来估计模型中的参数。

模型估计中对变量采用一阶差分,目的是消除个体效应。

四脉冲响应分析与方差分解国内外关于金融发展与经济增长关系方面的研究很多,既有因果关系的研究,也有非线性模型的研究,采用的模型与方法以及研究的范围也多种多样,但较少有通过面板数据,运用面板VAR 模型进行研究。