#河北省金融发展与经济增长关系的统计研究.docx
《#河北省金融发展与经济增长关系的统计研究.docx》由会员分享，可在线阅读，更多相关《#河北省金融发展与经济增长关系的统计研究.docx（28页珍藏版）》请在冰点文库上搜索。
#河北省金融发展与经济增长关系的统计研究
河北省金融发展和经济增长关系的统计研究
河北经贸大学孙立辉、尹福禄、赵洁
摘要
经济增长是社会发展和政治稳定的前提条件，而金融发展在经济生活中发挥了越来越重要的作用，因此，不断探索、发现和协调两者之间的关系以促进经济增长，是经济学界一直关注和研究的焦点。
由于我国各个区域的经济金融发展又具有较大的差异性，有必要从单个区域层面来论证金融发展和经济增长的相互关系。
本文以1995-2009年的河北省金融和经济发展数据为样本（数据来自《河北经济年鉴》、《河北金融年鉴》、《河北统计年鉴》），从影响金融经济发展的多个方面建立指标体系。
首先运用因子分析提取主因子，然后利用主因子得分来代表原始指标进行协整检验和Granger因果检验，最后运用灰色关联系数矩阵测算金融发展和经济增长的耦合度、运用灰色关联度来检验两者之间的协调性。
检验结果认为：
金融发展和经济增长之间确实存在着长期均衡关系，且金融发展规模是经济增长的原因，产业结构影响着金融市场的发展，但是均为单向因果关系，说明金融发展和经济增长之间步伐不一致，存在着不和谐因素；1995-2009年两者之间关系的耦合度很强，但是协调性明显的分成了三个阶段，原因是政府政策目标干预成分较强，内在动力不足。
根据所得结论从四个方面提出了促进两者和谐发展的建议：
合理规划金融产业布局，提高资源配置效率；完善金融职能，拓宽服务范围；加快产业结构调整和优化；政策调整的同时加强内在动力。
关键词：
金融发展；经济增长；因子分析；协整；灰色关联度
引言
金融是现代经济社会的核心。
金融发展和经济增长之间的关系越来越受经济学界的关注。
作为服务于经济增长的金融只有适应经济增长的需要,更高效地发挥自身的功能,才能促进经济增长,也才能为自身的进一步发展提供可靠的基础。
否则,如果金融发挥的功能和经济增长的需要相违背（表现为金融抑制或者金融的发展超越了外部条件所允许的空间）,则金融不仅不能促进经济增长,甚至损害经济增长,最终又使自身失去发展的根基。
从经济增长的需要以及金融发展的视角研究金融和经济增长的关系,可以更好地认识二者之间的互动规律,也可以更有效地构建未来的金融体系,以此促进经济的稳定增长。
1问题的提出及意义
货币的出现加速了资源的配置和价值的创造，使人类社会经济和物质生产得以进一步发展，而以货币为经营对象的金融业，既属于第三产业但又不仅仅局限于第三产业。
在货币信用经济条件下，金融业的良性发展能促进经济的增长；反之，金融业发展滞后将阻碍经济的发展[1]。
在现代经济增长中,金融在资源配置、风险管理、信息提供等方面发挥着核心作用,金融发展构成了现代市场经济发展的最主要方面。
金融作为经济发展的重要推动力,不仅要直接反映经济的区域性特点,而且经济发展的区域性很大程度上要借助于金融的区域化运行得以实现。
由于我国各个区域的经济金融发展具有较大的差异性，有必要从单个区域层面来论证金融发展和经济增长的相互关系，从而进一步深化区域金融发展和区域经济增长关系的理论探讨。
改革开放以来，河北省的金融实现了快速发展，为经济增长提供了强大的金融支持，极大的推动了河北省的经济发展。
然而，目前河北省金融发展已经开始滞后于经济发展，并呈现出逐步扩大的趋势。
在这种情况下，努力调整河北省金融发展和经济增长之间的关系，积极推进金融和经济的协调发展，己经成为河北省经济发展的一种必然的现实选择。
河北省的经济金融发展具有全国经济金融发展的特点，又有其自身的特殊性，因此以河北省为样本，研究其金融发展和经济增长的关系，对促进河北的发展，进一步丰富中国各区域的金融发展和经济增长关系的理论研究具有重要意义。
因此,探求区域金融发展和区域经济增长之间的作用机理,调整我国区域金融结构,制定适合区域金融发展的战略,充分利用各地的资源或资金优势,对于促进我国区域经济协调发展具有重要的理论价值和现实意义[2]。
2文献回顾及文章思路
2.1国外研究现状
国外从20世纪30年开始对“金融发展促进经济增长”进行实证研究，RaymondW.Goldsmith（1969）对长达百余年的金融发展史及当代几十个国家的金融结构现状进行了比较研究，并创建了衡量一国金融发展水平的数量指标——金融相关率（FIR），将金融活动作为一种结构研究。
西方学者在此基础上，对金融发展和经济增长相关性的研究不断深化。
King和Levine（1993）率先验证了1960－1989年的经济增长，证明“金融发展和经济增长的相关性是因果关系”的假设；HerringandChatusripitak（2000）使用“资金流量分析法”考察了缺少发达的债券市场对储蓄、投资质量和数量以及风险管理的影响，认为债券市场的缺失会降低经济效率，并且更容易发生金融危机。
EichengreenandLuengnaruemitchai（2003）用41个国家组成的PanelData研究了亚洲债券市场不发达的原因。
文章发现债券市场发展和经济增长呈正相关关系，银行信用规模扩张和债券市场发展之间也呈正相关关系，但是，该研究只从规模发展的角度考察二者的关系，也没有引入股票市场。
美国经济学家格利和肖（1997）是最早对发展中国家金融和经济增长关系研究的学者。
格利和肖认为金融的作用在于把储蓄者的储蓄转化为投资者的投资，提高全社会投资水平，金融技术可以作为金融发展促进经济增长的途径之一[3]。
这种金融技术可以细分为分配技术和中介技术，这两种技术都有助于扩大经济社会中可贷资金的广度，提高资金分配的效率，从而提高储蓄率和投资水平，最终使经济增长率得以提高[4]。
格利和肖一针见血的指出了发展中国家经济落后的原因在于金融发展的落后。
他从满足顺畅的资金流动要求出发，得出了金融发展能够解决发展中国家资金“传输”困难，提高金融和经济效率的重要结论。
2.2国内研究现状
近些年来，大多数的经济学家和金融学家已经对金融发展和经济增长的关系进行了大量的实证分析研究。
在我国，对区域金融经济发展关系的研究已逐步展开，主要分为三种类型。
一是以我国东中西三大地区为对象，对三地区的经济和金融发展关系进行实证分析。
杨明基等（2002）对西部地区金融成长和经济发展的关系进行了相对比较系统论述。
周立（2002）和周好文等（2004）注意研究我国各地区经济发展和经济增长的逻辑关系，从数据整理分析逐步进入数学模式的实证检验。
二是按照某种经济区划进行研究，如长三江，珠三江，东北经济区等。
叶耀明（2004）研究了长三角城市群金融发展对产业结构变动的影响。
张文云（2004）研究了珠三角金融对经济发展及产业结构升级的支持作用。
三是以某个省份为研究对象，分析其经济增长和金融发展的关系。
如张倩（2007）运用协整检验和Granger因果检验研究了陕西省金融发展和经济增长的关系。
朱志刚，王成（2007）以江苏省为例，运用回归分析研究了江苏省的金融发展和经济增长的关系。
梁慧超,李延军,齐晓丽（2009）以河北省为样本，运用因子分析法，从区域金融效率出发，分析了区域金融效率和经济增长的关系。
楚晓梅（2010）以河北省为样本，运用回归分析和Granger因果检验研究了农村金融经济发展水平以及农村金融对农村经济增长的支持作用。
2.3文章研究思路
大多数学者所进行的实证分析其数据选取主要有三种情况：
一是以某一国家为研究对象，并收集该国经济增长和金融发展的时间序列数据进行分析；二是选取跨国的截面数据进行研究；三是为了克服时间序列数据和截面数据所带来的统计缺陷，采用了一种兼而有之的面板数据进行分析[5]。
近几年来，随着对金融发展和经济增长关系研究的深入，部分学者开始将此理论运用于一国地区层面的研究，并取得了相应成果。
以省份为对象的研究中，大部分都只是用回归分析、协整检验或Granger因果检验来简单的判定金融发展和经济增长的关系，而且在指标的选取上也基本相同，而且都是用少量的指标代替金融和经济的发展，并没有考虑消除指标之间的相关性，这样指标之间的重叠会导致结果的不准确。
基于以上的总结，本课题旨在以河北省为样本，从影响金融经济发展的多个方面建立指标体系，运用因子分析提取主因子，然后利用主因子得分来代表原始指标进行协整检验和Granger因果检验；最后运用灰色关联系数矩阵测算金融发展和经济增长的耦合度、运用灰色关联度来检验两者之间的协调性。
对金融发展和经济增长的关系进行多角度研究，而不只是简单的关系判定。
3金融发展和经济增长指标的确定
3.1模型介绍
因子分析的基本思想是根据各指标变量数值的相关性大小对原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性则较低[6]。
每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就成为公共因子。
因子分析的目的是研究如何用少数几个因子变量来解释众多原始变量，同时又尽量避免信息丢失。
在研究实际问题时，常用因子分析去除重叠信息，将原始的众多指标综合成较少的几个因子变量来分析。
因子分析的模型为：
其中
是可观测的
维随机向量；
（
）为公共因子或因子向量；
为因子载荷矩阵，
为因子载荷，是第
个原始变量在第
个公共因子上的载荷；
为特殊因子，表示原始变量不能被公共因子解释的部分。
因子分析得到的各主因子得分表示对应方面的发展水平，可以根据主因子得分对问题进行研究分析。
3.2金融发展指标的选取和确定
3.2.1指标和数据的选取
本部分指标的选取是在借鉴其他文献资料指标[7~12]和针对河北省金融发展实际需要的基础上选取的，共十个指标。
分别是金融机构各项存款余额（亿元），金融机构各项贷款余额（亿元），保险收入（亿元）、保险市场深度（一定时期保费收入/名义GDP）、金融中介效率（金融机构年末贷款余额/金融机构年末存款余额）、存贷比（金融机构年末贷款余额/金融机构年末存款余额）、财政支出占GDP比重、金融相关比率（金融机构存贷款总额/名义GDP）、居民消费价格指数、固定资产投资价格指数。
由于我国股票市场发展较晚，河北省上市公司的统计数据难以找到，又因为股票市场在我省金融市场中所占比例不大，所以这里我们没有选取代表股票市场指标。
模型数据以河北省1995年—2009年的时间序列数据为基础，其中原始数据来自《河北经济年鉴》、《河北金融年鉴》，所使用的数据根据分析需要进行了计算。
使用统计软件SPSS13.0进行模型的建立和分析。
3.2.2实证过程及分析结果
由于各个指标的单位不统一，使得指标数据没有可比性，因此这里我们对数据进行无量纲化处理。
设有
个反映
年金融发展的统计指标,
记为
其中
表示第
年的第
个指标。
其中
，
处理后的样本指标
服从标准正态分布,这样既消除了量纲的影响,又消除了指标间的差异,使得各指标间具有可比性。
对无量纲化处理后的指标数据进行因子分析。
因子分析是基于变量间的协方差矩阵，把变量表示成各因子的线性组合，因此要求进行因子分析的变量具有一定的相关性。
我们采用Bartlett'sTest球度检验和KMO测度法来检验变量的相关性。
检验结果见表1。
表1KMOandBartlett'sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.
.664
Bartlett'sTestofSphericity
Approx.Chi-Square
311.654
df
45
Sig.
.000
结果显示：
所有变量的简单相关系数的平方和和这些变量之间的偏相关系数的平方和之差（KMO）达到0.664。
通常，KMO值大于0.5就可以进行因子分析（根据Kaiser（1974）的判断标准），效果为中等。
而Bartlett'sTest统计值的显著性概率为0，适合做因子分析，且各变量的观察值来自正态分布总体。
表2特征值和方差贡献率
主因子
特征值
方差贡献率%
累积方差贡献率%
1
6.121
61.212
61.212
2
2.943
29.434
90.646
3
.408
4.077
94.723
提取公因子时以特征值大于1为标准。
从上表中可以明显的看出，前两个因子的特征值大于1，且累积方差贡献率达到了90.65%，即前两个公因子综合了原始指标的90.65%的信息，因此提取前两个公因子来代表原始十个指标，可以对河北省金融发展状况作出较好的解释。
表3因子载荷阵（未经旋转）
指标
公因子
1
2
金融机构贷款总额
.958
.217
金融机构存款总额
.932
.315
保险市场深度
.929
.287
保险收入
.902
.372
金融相关比率
.893
-.400
存贷比
-.867
.279
金融中介效率
-.837
-.453
财政支出占比
-.200
.862
居民消费价格指数
.392
-.854
固定资产投资指数
-.463
.813
因子载荷矩阵中载荷系数越大，说明综合指标对原始指标的解释能力越强。
表3显示，金融机构贷款总额、金融机构存款总额、保险市场深度、保险收入、金融相关比率、存贷比、金融中介效率在第一个公因子上有较大的载荷，我们命名为金融发展规模因子。
财政支出占比、居民消费价格指数和固定资产投资指数在第二个因子上的载荷较大，这里将第二个公因子命名为金融发展程度。
由于这两个因子能代表原始十个指标变量的绝大部分信息，所以这两个因子将作为原始指标的代表来进行下面的分析。
第一个因子用FA1表示，第二个因子用FA2表示。
3.3经济增长水平指标的选取和确定
3.3.1指标和数据的选取
本部分选取十二个指标[7~12]，分别是人均GDP（元）、社会消费品零售总额（亿元）、社会固定资产投资总额（亿元）、财政收入（亿元）、职工工资（元）、货物进出口总额（万美元）、外商直接投资（万美元）、城乡居民储蓄存款总额（亿元）、最终消费率、资本形成率、第二产业占GDP比重、第三产业占GDP比重。
这些指标涵盖了经济发展的人均总量和经济发展速度及规模，可以较全面的代表经济增长水平。
模型数据以1995年—2009年的时间序列数据为基础，原始数据来自《河北经济年鉴》、《河北统计年鉴》，实际使用数据根据分析需要进行了计算。
使用SPSS13.0对指标数据进行模型的建立和分析。
3.3.2实证过程和分析结果
首先对数据进行无量纲化，然后再进行因子分析。
下面是对处理后数据进行的因子分析及结果分析。
表4KMOandBartlett'sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.
.802
Bartlett'sTestofSphericity
Approx.Chi-Square
436.897
df
66
Sig.
.000
从表4可以看出，KMO值为0.802，效果为良好。
Bartlett'sTest统计值的显著性概率为0，说明适合进行因子分析，且变量数据来自正态分布总体。
表5特征值和方差贡献率
主因子
特征值
方差贡献率%
累积方差贡献率%
1
10.043
83.695
83.695
2
1.100
9.168
92.863
3
.437
3.642
96.505
如表5所示，第一个因子和第二个因子的特征值大于1，且累积方差贡献率达到92.86%，即前两个公因子可以代表原始变量92.86%的信息，则可以提取第一和第二个因子来代表原始的十二个指标，并且这两个公因子就可以对河北省经济发展状况做出较好的解释。
表6因子载荷阵（经旋转）
指标
公因子
1
2
城乡居民储蓄存款总额
.957
.283
职工工资
.956
.288
社会消费品总额
.947
.320
财政收入
.929
.358
人均GDP
.929
.356
社会固定资产投资总额
.928
.328
货物进出口总额
.865
.441
外商直接投资
.771
.589
第二产业占GDP比重
.702
.587
第三产业占GDP比重
-.111
-.940
最终消费率
-.512
-.724
资本形成率
.541
.711
因子载荷阵显示：
人均GDP、社会消费品零售总额、社会固定资产投资总额、财政收入、职工工资、货物进出口总额、外商直接投资、城乡居民储蓄存款总额、第二产业占GDP比重在第一个主因子上有较大的载荷，由于这些指标表示经济增长的增长能力指标和经济结构指标，可以定义为经济增长能力因子。
最终消费率、资本形成率、第三产业占GDP比重在第二个因子上有较大的载荷，这三个指标表示经济产业结构的形成和调整，可以定义为产业结构因子。
第一个因子我们用EC1表示，第二个因子用EC2表示。
4金融发展和经济增长互动关系的分析
4.1模型介绍
4.1.1协整关系检验
协整提供了一种处理非平稳序列的分析方法。
利用协整方法建模之前，必须先对序列的平稳性和滞后阶数进行单位根检验。
通常采用增强的
检验（ADF）对要建立协整方程的变量进行单位根检验。
对于一个非平稳序列，如果经过
次差分以后可以变成稳定序列，则称该序列为
阶单整序列，记作
[13]。
协整检验的基本内容是：
如果时间序列向量
的每个分量都是
阶单整，存在一个向量
，使得
～
，其中b>0。
此时序列
是（d，b）阶协整的，
称为协整向量。
协整检验的模型为：
设
是k+1个
时间序列构成的向量。
如果
分量之间存在协整关系，则有：
其估计残差为：
在检验过程中可通过检验协整回归方程的估计残差项的平稳性来判断协整关系。
如果估计残差序列是平稳的，那么就表明变量间存在协整关系。
当两个非平稳时间序列（同阶单整）之间存在协整关系，则意味着两个序列之间存在着一种长期稳定的均衡关系。
4.1.2Granger因果关系检验
为了说明经济变量之间的因果关系，常常使用Granger因系检验。
假定两个确定的随机的时间序列
和
遵从如下的矢量自回归过程：
其中L为滞后期长度。
，
，
，
是相关矢量的系数，
和
是截距。
Granger因果检验是对
或
是否等于零的F检验。
通过Granger因果检验，如果
显著为0，而
不显著为0，可说明
是由
引起的。
反之亦然，如果
为而
不为0，则说明
是由
引起的。
如果
和
均不显著为0，则说明
和
存在双向的因果关系。
4.2金融发展和经济增长互动关系的实证分析
4.2.1单位根检验
很多经济变量的时间序列都是非平稳的。
根据协整理论，在对经济时间序列进行分析之前有必要进行平稳性检验，并且只有在各个变量同阶单整的前提下才能进行协整分析。
这里我们使用ADF检验方法对时间序列进行分析。
数据选择由因子分析得到的四个因子（FA1、FA2、EC1、EC2）的因子得分。
在检验的过程中，模型的种类是根据样本数据的描述性统计结果确定的；而最优滞后期则根据AIC信息准则确定。
表7对变量进行单位根检验的结果
变量
ADF检验值
1%显著水平ADF临界值
5%显著水平ADF临界值
10%显著水平
ADF临界值
平稳性结果
EC1
-0.648917
-4.800080
-3.791172
-3.342253
非平稳
D（EC1,2）
-3.404626
-2.771926
-1.974028
-1.602922
平稳
EC2
-1.762781
-4.800080
-3.791172
-3.342253
非平稳
D（EC2,2）
-3.502618
-2.771926
-1.974028
-1.602922
平稳
FA1
-1.337083
-4.800080
-3.791172
-3.342253
非平稳
D（FA1,2）
-3.698019
-2.816740
-1.982344
-1.601144
平稳
FA2
-0.407015
-5.124875
-3.933364
-3.420030
非平稳
D（FA2,2）
-2.857361
-2.771926
-1.974028
-1.602922
平稳
对变量EC1、EC2、FA1、FA2的序列进行ADF检验，检验结果如上表所示。
检验中选择不含趋势项和截距项，结果显示EC1、EC2、FA1、FA2原序列在1%、5%的显著性水平下均不能拒绝存在单位根的原假设，所以四个指标的原序列均是非平稳的。
经过二阶差分后，各个变量的ADF值均落在拒绝域内，故我们可以在1%的显著性水平下认为不存在单位根，二阶差分后的序列是平稳的，即各个变量均为二阶单整（
）序列。
因此我们可以运用协整检验方法来分析它们之间的关系。
4.2.2Johansen协整检验和Granger因果关系检验
由于大多数的时间序列是非平稳的，要解决非平稳序列的“伪回归”问题，可以采用协整检验。
如果单位根检验后发现序列是同阶单整的，则可以构建VAR模型，借助协整检验来考察非平稳的时间序列之间是否存在长期关系。
对于多个变量的协整分析，一般采用Johansen多重协整检验法。
表8Johansen协整检验结果
原假设
特征根
迹统计量（P值）
统计量（P值）
0个协整向量
0.981031
100.3136（0.0000）**
51.54451（ 0.0000）**
至多1个协整向量
0.897596
48.76913（0.0010）**
29.62481（ 0.0040）**
至多2个协整向量
0.661965
19.14432（0.0707）
14.09987（0.0936）
至多3个协整向量
0.321611
5.044448（0.2786）
5.044448（ 0.2786）
注：
带**的数据表示在5%的显著性水平下拒绝原假设。
从上表可以看出，迹统计量显示拟检验的变量在1%的显著性水平下存在一个协整关系，且最大特征根统计量在1%的显著性水平下也存在一个协整关系。
即表明金融发展和经济增长之间存在着长期均衡关系。
虽然变量之间存在长期的相关关系，但它们之间是否存在因果关系，以及因果关系的方向并不明确，因此需要对这些变量进行Granger因果检验。
检验结果如下表。
表9Granger因果关系检验
原假设
F-统计量值
P值
检验结果
FA1不是Granger引起EC1
4.82419
0.04222
5%条件下拒绝原假设
EC1不是Granger引起FA1
3.06179
0.10294
接收原假设
FA1不是Granger引起EC2
0.88751
0.50786
接收原假设
EC2不是Granger引起FA1
4.73988
0.04484
5%条件下拒绝原假设
FA2不是Granger引起EC1
1.02136
0.40267
接受原假设
EC1不是Granger引起FA2
0.20939
0.81539
接收原假设
FA2不是Granger引起EC2
1.43872
0.33619
接收原假设
EC2不是Granger引起FA2
0.29580
0.82752
接收原假设
从表中可以看出，在5%的显著性水平下拒绝FA1不是Granger引起EC1
升级会员 