區(qū)域融資強度調(diào)整對中國經(jīng)濟增長的影響與貢獻效應(yīng)

陳 斐 龐欣茹

(浙江理工大學(xué) a.經(jīng)濟管理學(xué)院；b.區(qū)域與城市經(jīng)濟研究所，杭州 310018)

提要： 社會融資規(guī)模逐漸成為衡量中國金融宏觀調(diào)控的重要指標(biāo)。首先考察了中國社會融資規(guī)模變化與融資強度的短期調(diào)整情況，然后基于GDP核算的支出法，選擇2014—2019年24個季度時間段的省級數(shù)據(jù)，建立納入了融資強度變量的動態(tài)面板模型，采用系統(tǒng)GMM估計方法考察了區(qū)域融資強度調(diào)整對中國經(jīng)濟增長的影響，并將全國樣本細分為兩類地區(qū)樣本分別展開實證研究，進而考察了區(qū)域融資強度調(diào)整在經(jīng)濟增長中的貢獻效應(yīng)。研究發(fā)現(xiàn)：在三種樣本情形下，融資強度對經(jīng)濟增長均具有顯著性的正向促進作用，且這種促進作用呈現(xiàn)出“相對發(fā)達地區(qū)<全國<欠發(fā)達地區(qū)”的關(guān)系。對融資強度調(diào)整的經(jīng)濟增長貢獻效應(yīng)模擬分析進一步表明，區(qū)域融資強度的調(diào)整對經(jīng)濟增長具有正向的貢獻效應(yīng)，且這種貢獻效應(yīng)在欠發(fā)達地區(qū)表現(xiàn)得更為明顯。

引 言

“社會融資規(guī)?！痹?010年年底中央經(jīng)濟工作會議上被首次提出。隨后，2011年中國人民銀行首次發(fā)布了季度全國社會融資規(guī)模增量數(shù)據(jù)，并從2014年起按季發(fā)布地區(qū)社會融資規(guī)模增量數(shù)據(jù)。社會融資規(guī)模這一金融統(tǒng)計指標(biāo)反映了國家從金融體系獲得的全部資金，全面反映了金融對實體經(jīng)濟的服務(wù)能力[1]，也是中國在完善金融統(tǒng)計信息與統(tǒng)計制度方面做出的一種新探索[2]。近年來，中國政府針對經(jīng)濟短期波動采取了積極的逆周期調(diào)節(jié)手段[3]，這其中也包括對社會融資規(guī)模增量的調(diào)整[4]。在中國，當(dāng)經(jīng)濟面臨重大沖擊時，政府部門往往會采取積極的貨幣政策或財政政策，以期維持經(jīng)濟社會的健康穩(wěn)定[5]。2020年以來，中國政府對貨幣政策等宏觀經(jīng)濟調(diào)控提出了更加清晰的要求[6]，社會融資規(guī)模增量也隨之出現(xiàn)了明顯的短期調(diào)整。當(dāng)前，社會融資規(guī)模已成為衡量中國金融宏觀調(diào)控的重要指標(biāo)[7]，地區(qū)社會融資規(guī)模也成為全面準(zhǔn)確反映區(qū)域金融支持力度和區(qū)域資金配置能力的重要指標(biāo)之一[8]。區(qū)域金融發(fā)展與經(jīng)濟增長一直都是國內(nèi)外學(xué)者研究的熱點話題，同時，探尋區(qū)域融資能力與區(qū)域經(jīng)濟增長的關(guān)系，試圖從區(qū)域金融視角尋找驅(qū)動經(jīng)濟增長的策略，也具有非常重要的現(xiàn)實意義。那么，社會融資規(guī)模增量調(diào)整及其強度是否對中國經(jīng)濟增長具有顯著的促進作用？這種促進作用又是否表現(xiàn)出一定的區(qū)域異質(zhì)性？這些都是當(dāng)下值得解答的問題。

一、研究動態(tài)

在金融發(fā)展與經(jīng)濟增長關(guān)系這個問題上，最早的文獻可以追溯到Bagehot[9]，他認為英國金融系統(tǒng)的完善增加了融資的便利性，在促進英國工業(yè)化及經(jīng)濟增長中起到了關(guān)鍵作用。Patrick也提出金融發(fā)展與經(jīng)濟增長之間存在因果關(guān)系[10]。在之后的研究中，大多數(shù)學(xué)者的研究都繼續(xù)支持了這一觀點，即金融發(fā)展對經(jīng)濟增長有正向的影響[11-13]。談儒勇的研究表明在中國金融中介體發(fā)展和經(jīng)濟增長之間有顯著的、很強的正相關(guān)關(guān)系[14]。曹嘯等采用格蘭杰因果檢驗法對中國金融中介發(fā)展與經(jīng)濟增長之間的因果關(guān)系進行補充檢驗，研究結(jié)果表明金融發(fā)展是經(jīng)濟增長的重要原因之一[15]。

同時，也有一些學(xué)者認為金融發(fā)展是一把“雙刃劍”，金融發(fā)展在促進經(jīng)濟增長的同時，也帶來了一些風(fēng)險，可能會誘發(fā)金融危機，進而危害實體經(jīng)濟[16]。Krugman對金融發(fā)展可以促進經(jīng)濟增長的觀點提出了質(zhì)疑，他認為金融業(yè)的過度發(fā)展很有可能會引發(fā)金融危機，進而抑制經(jīng)濟增長[17]。他的這一觀點也得到了部分學(xué)者的響應(yīng)[18-20]，即金融發(fā)展對同一經(jīng)濟體的經(jīng)濟增長的促進作用存在一個閾值，超過該閾值，金融發(fā)展將不再對經(jīng)濟增長產(chǎn)生積極影響，甚至可能會產(chǎn)生負面的影響。Lucas則認為金融發(fā)展和經(jīng)濟增長之間沒有必然的因果關(guān)系[21]，經(jīng)濟社會的發(fā)展不斷增加了對金融服務(wù)的需求，進而促進了金融業(yè)的發(fā)展，而不能說是金融發(fā)展可以促進經(jīng)濟增長。

此外，一些研究也認為對金融發(fā)展與經(jīng)濟增長的因果關(guān)系需要結(jié)合具體情況而具體分析，其在不同經(jīng)濟體中可能會有不同的表現(xiàn)。Bangake等的研究表明二者之間的因果關(guān)系在低收入、中等收入和高收入國家之間存在顯著差異，在低收入和中等收入國家金融發(fā)展與經(jīng)濟增長之間不存在短期因果關(guān)系，但在高收入國家經(jīng)濟增長顯著影響金融發(fā)展[22]。Menyah等的研究表明金融發(fā)展對撒哈拉以南國家經(jīng)濟增長的帶動作用非常有限[23]。黃憲等通過對包括英美、德國和法國3個法系共計98個經(jīng)濟體面板數(shù)據(jù)的研究發(fā)現(xiàn)，不同法系下金融發(fā)展對經(jīng)濟增長的促進作用及持續(xù)性也存在一定的差異[24]。

在社會融資規(guī)模這一指標(biāo)提出之后，許多研究者也對其與經(jīng)濟發(fā)展之間的關(guān)系展開了大量的研究。郭麗虹等利用門限回歸模型通過對中國31個省份月度數(shù)據(jù)的研究發(fā)現(xiàn)，增加社會融資規(guī)?？梢燥@著促進實體經(jīng)濟的發(fā)展[25]。不過，社會融資規(guī)模對經(jīng)濟增長的促進作用存在一定的門檻水平，即只有在一定限度內(nèi)才可以促進經(jīng)濟增長。張林等通過構(gòu)建VAR模型驗證得出社會融資規(guī)模調(diào)整會促進實體經(jīng)濟的增長，并發(fā)現(xiàn)在長期和短期內(nèi)不同融資形式對實體經(jīng)濟增長存在差異性[26]。大多數(shù)的研究都認為社會融資規(guī)模的增加對經(jīng)濟增長存在一定的促進作用，但也有部分學(xué)者得出了不一樣的結(jié)論。楊薪燕運用ADF平穩(wěn)性檢驗、Johansen協(xié)整檢驗、Granger因果關(guān)系檢驗及脈沖響應(yīng)等方法進行了實證分析，發(fā)現(xiàn)社會融資規(guī)模的增加并不能促進中國經(jīng)濟的增長[27]。

筆者采用社會融資規(guī)模增量與GDP之比來表示全國融資強度或省級區(qū)域融資強度，并主要基于季度數(shù)據(jù)開展分析。在考察中國社會融資規(guī)模變化和融資強度的短期調(diào)整的基礎(chǔ)上，基于GDP核算的支出法，選擇2014—2019年共24個季度時間段的省級數(shù)據(jù)，建立納入了融資強度變量的動態(tài)面板模型，利用系統(tǒng)GMM估計方法來考察區(qū)域融資強度的調(diào)整對中國經(jīng)濟增長的影響，并將全國樣本細分為兩類地區(qū)樣本分別展開實證研究；然后構(gòu)建區(qū)域融資強度對經(jīng)濟增長的貢獻率函數(shù)，考察區(qū)域融資強度調(diào)整在經(jīng)濟增長中的貢獻效應(yīng)。

二、中國社會融資規(guī)模變化與融資強度的短期調(diào)整

隨著金融改革的深化和金融體系的創(chuàng)新，融資工具逐漸多元化，證券、信托等非存款性融資力度加大，使得人民幣貸款比重逐漸下降。新增人民幣貸款已不能完整地反映金融體系對經(jīng)濟增長的支持力度?！吧鐣谫Y規(guī)?！钡恼Q生為探尋金融發(fā)展與經(jīng)濟增長之間的關(guān)系提供了一個新的監(jiān)測分析指標(biāo)?！吧鐣谫Y規(guī)模”是一個增量概念，兼具總量和結(jié)構(gòu)兩方面的信息，不僅能全面反映實體經(jīng)濟從金融體系中獲得的資金總額，而且能反映出融資結(jié)構(gòu)與資金流向。此外，社會融資規(guī)模還提供了地域信息，用以全面反映融資狀況的地區(qū)差異。2016年起，中國人民銀行開始發(fā)布全國社會融資規(guī)模的存量數(shù)據(jù)，且迄今尚未發(fā)布省級數(shù)據(jù)。

(一)中國社會融資規(guī)模的變動趨勢

表1列出了2012—2020年中國社會融資規(guī)模增量及構(gòu)成情況，可以看出，2012—2016年間社會融資規(guī)模增量雖略有波動，但整體上比較穩(wěn)定。2017年納入了政府債券項使得當(dāng)年社會融資規(guī)模增量與2016年相比有了較大的提升，此后兩年也相對比較穩(wěn)定。2020年以來，中國政府出臺了一系列稅費減免和新增信貸等措施，銀行業(yè)和金融機構(gòu)等加大信貸投放。2020年社會融資規(guī)模增量出現(xiàn)了比較大的攀升，全年社會融資增量達到34.79萬億，同比增長35.5%，增幅較2019年提高了21個百分點。其中，人民幣貸款、企業(yè)債券和政府債券與上年相比均有明顯的提高，同比分別增長18.6%、31.0%和76.3%，且這三項占社會融資規(guī)模增量的94%，其中，企業(yè)債券和政府債券占比達36%，為2014年以來的最高。

表1 2012—2020年中國社會融資規(guī)模增量及構(gòu)成情況 億元

從總體上來看，銀行信貸依舊占據(jù)著半壁江山，2012—2020年人民幣貸款占比均超過了50%。2018年以來，信托貸款和委托貸款規(guī)模逐年大幅減少，該變化與規(guī)范融資監(jiān)管下房地產(chǎn)行業(yè)融資下降密切相關(guān)。而在寬松的貨幣政策的推動下，近年來企業(yè)債券和政府債券的規(guī)模穩(wěn)中有升，且占社會融資規(guī)模增量的比重相對較大，這也一定程度上對沖了委托貸款和信托貸款下降的影響。

(二)融資強度變化及短期調(diào)整

圖1直觀地反映了2012—2020年間中國融資強度的年度變化趨勢以及2020年以來的季度短期調(diào)整情況，其中，實線為2012—2020年中國融資強度的年度變化，虛線為2020年以來的季度短期調(diào)整。根據(jù)圖1可以看出，除2017年首次納入政府債券而導(dǎo)致融資強度大幅上升外，融資強度一直呈現(xiàn)比較穩(wěn)定的態(tài)勢。2020年中國政府增大信貸投放等舉措使得融資強度提高到0.34，為歷年來最高，且比2018年和2019年分別高出10個百分點和8個百分點。

圖1 2012—2021年中國融資強度的變化與短期調(diào)整

從2020年以來季度融資強度的短期調(diào)整來看，季度融資強度整體上明顯上升，2020年第一季度的融資強度高達0.54，這也是2012年以來首次突破0.5大關(guān)。隨著適時的短期逆周期調(diào)節(jié)政策陸續(xù)退出，社會融資規(guī)模逐季回落，融資強度也隨之下降，但整體上仍處于較高水平。除2020年第四季度以外，2020年前三個季度和2021年第一季度的融資強度均顯著高于2012—2019期間的歷年融資強度，2021年第二季度的融資強度也高于除2017年之外的同期歷年融資強度。

在中國，區(qū)域融資分布不均衡問題一直廣受關(guān)注，從區(qū)域?qū)用嫔蟻砜?，融資分化明顯，區(qū)域融資能力也存在較大的差異[28]。地區(qū)社會融資規(guī)模是指一定時期內(nèi)某一地區(qū)從金融體系中獲得的全部資金總額，該指標(biāo)不僅可以全面準(zhǔn)確地反映出金融體系對特定地區(qū)的資金支持情況，同時也可以反映出區(qū)域融資能力的不均衡現(xiàn)象。在本文的分析中，選用地區(qū)融資規(guī)模的季度數(shù)據(jù)以進一步分析區(qū)域融資強度對經(jīng)濟增長影響的區(qū)域異質(zhì)性。

三、模型設(shè)定、估計方法與變量說明

(一)模型設(shè)定與估計方法

通過考察區(qū)域融資強度調(diào)整對中國經(jīng)濟增長的影響進一步分析區(qū)域融資強度調(diào)整在經(jīng)濟增長中的貢獻效應(yīng)。因此，有必要對經(jīng)濟增長率給予更多的關(guān)注。本文采用動態(tài)面板模型探究區(qū)域融資強度調(diào)整對中國各省份經(jīng)濟增長的動態(tài)影響，并考慮了經(jīng)濟增長的一階或多階滯后項對當(dāng)期經(jīng)濟增長的影響。在具體模型設(shè)定時，本文基于支出法核算GDP的基礎(chǔ)上納入融資強度指標(biāo)，構(gòu)建了如下動態(tài)面板模型：

RGDPit=α+β1FINit+β2CRit+β3IRit+

β4RGDPi，t-1+εi+θt+μit

(1)

其中，RGDPit表示i區(qū)在時間t的GDP增長率，F(xiàn)INit表示i區(qū)在時間t的融資強度，IRit表示i區(qū)在時間t的固定資產(chǎn)投資總額的增長率，CRit表示i區(qū)在時間t的社會消費品零售總額的增長率，RGDPi，t-1表示GDP增長率的一階滯后，εi是省份固定效應(yīng)，θt是季度固定效應(yīng)，μit是隨機擾動項。

在式(1)中，由于包含了被解釋變量的滯后項RGDPi，t-1，可能導(dǎo)致模型內(nèi)生性問題。在實證分析中，當(dāng)采用傳統(tǒng)的隨機或固定效應(yīng)模型時，估計的系數(shù)存在一定的偏差。因此，在本文的分析中考慮采用系統(tǒng)GMM方法進行參數(shù)估計，以保證估計結(jié)果的無偏性。較差分GMM估計而言，系統(tǒng)GMM估計避免了差分GMM估計量很容易受到弱工具變量的影響，在有限樣本下其估計效率也得到了一定的提高[29]。

在系統(tǒng)GMM估計過程中有必要對變量進行分類。在本文分析中，將固定資產(chǎn)投資總額的增長率IR和社會消費品零售總額的增長率CR設(shè)置為前定變量，融資強度FIN設(shè)置為外生變量。GMM估計量的一致性關(guān)鍵取決于是否滿足各項假設(shè)條件，主要需要進行兩個假設(shè)檢驗。首先，通過Arellano-Bond的自相關(guān)檢驗方法對誤差擾動項的二階序列相關(guān)進行檢驗。此外，隨著周期的增加，系統(tǒng)GMM默認生成了大量的工具變量，這可能會導(dǎo)致過度擬合，削弱模型設(shè)定檢驗[30]。為了防止過度識別，在命令中附加了“collapse”選項，可以極大地壓縮工具變量數(shù)。在Stata軟件中，有幾種不同的命令可以進行系統(tǒng)GMM估計，比如官方命令“xtdpdsys”和非官方命令“xtabond2”。官方命令“xtdpdsys”提供Sargan檢驗，而非官方命令“xtabond2”同時提供Sargan檢驗和Hansen檢驗。本文采用非官方命令“xtabond2”通過Hansen過度識別檢驗對所使用的工具變量的有效性進行檢驗。

(二)變量選取與數(shù)據(jù)處理

采用中國人民銀行公布的社會融資規(guī)模增量季度數(shù)據(jù)與其季度GDP之比來表示融資強度，用以反映金融對經(jīng)濟增長的支持力度。為了能很好地刻畫社會融資規(guī)模增量調(diào)整及其強度對中國經(jīng)濟增長的影響效應(yīng)，本文采用實際季度GDP的同比增長率作為經(jīng)濟增長的指標(biāo)。此外，考慮到經(jīng)濟增長存在一定的慣性，當(dāng)期經(jīng)濟增長會受到上期經(jīng)濟增長的潛在影響。在本文的分析中，也納入了經(jīng)濟增長的一階滯后項。從某種程度而言，經(jīng)濟增長一階滯后項的納入，可以視為是對經(jīng)濟增長影響分析中所有遺漏變量的綜合表達，以增強對經(jīng)濟增長的解釋。

從支出法的角度來看，總產(chǎn)出水平Y(jié)=C+I+G+NX，消費C、投資I以及貿(mào)易進出口NX都對經(jīng)濟增長具有十分重要的影響。從理論上講，省級貿(mào)易數(shù)據(jù)應(yīng)該既包括國際(國外)貿(mào)易數(shù)據(jù)，又包括省際(國內(nèi))貿(mào)易數(shù)據(jù)，而在實際操作中很難獲得省際(國內(nèi))貿(mào)易數(shù)據(jù)，因此本文模型中沒有引入進出口相關(guān)變量。同時考慮到季度數(shù)據(jù)的可獲得性和口徑的問題，本文選用“投資變動率”和“消費變動率”作為研究變量，分別用固定資產(chǎn)投資實際變動率來衡量“投資變動率”，用社會消費品零售總額實際變動率來衡量“消費變動率”。

中國人民銀行自2014年起發(fā)布地區(qū)融資規(guī)模季度數(shù)據(jù)，且因2020年季度GDP總量波動大，故此最初擬考慮選取2014—2019年全國31個省份(不含港、澳、臺三個地區(qū)數(shù)據(jù))的季度數(shù)據(jù)開展分析。進一步對各省份融資結(jié)構(gòu)分析時發(fā)現(xiàn)，西藏和青海兩個省份的政府債券占比過高①，因此在后續(xù)的實證分析中將這兩個省份從全國樣本中剔除②，選取了其余29個省份樣本單元2014—2019年的季度面板數(shù)據(jù)進行實證研究。此外，對GDP等變量消除了價格因素的影響；對于融資強度指標(biāo)而言，由于是比值數(shù)據(jù)，價格因素同時對分子和分母施加影響，所以本文未做消除價格因素的處理。文中所涉及的數(shù)據(jù)均來自中國人民銀行和國家統(tǒng)計局發(fā)布的官方數(shù)據(jù)。

四、實證結(jié)果與分析

(一)回歸結(jié)果分析

為了更加準(zhǔn)確地考察區(qū)域融資強度調(diào)整對經(jīng)濟增長影響的地區(qū)差異，本文基于2014—2020年相對規(guī)模指標(biāo)——全國人均GDP水平來衡量29個省份樣本單元的經(jīng)濟發(fā)展水平③，將29個省份劃分成兩類地區(qū)，即相對發(fā)達地區(qū)和欠發(fā)達地區(qū)。具體而言，相對發(fā)達地區(qū)包括北京、天津、上海、江蘇、浙江、福建、山東、湖北、廣東、重慶等10個省，欠發(fā)達地區(qū)包括河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、安徽、江西、河南、湖南、廣西、海南、四川、貴州、云南、陜西、甘肅、寧夏、新疆等19個省。

表2分別列出了2014—2019年全國和兩類地區(qū)三種樣本情形下的描述性統(tǒng)計，從中可以看出，全國樣本的各項平均值和標(biāo)準(zhǔn)差均介于相對發(fā)達地區(qū)和欠發(fā)達地區(qū)兩類樣本之間。相對發(fā)達地區(qū)的經(jīng)濟增長率(RGDP)的平均值明顯高于欠發(fā)達地區(qū)，且其標(biāo)準(zhǔn)差更小，這表明相對發(fā)達地區(qū)整體經(jīng)濟發(fā)展優(yōu)于欠發(fā)達地區(qū)，且其各省份之間的經(jīng)濟水平差距更小，發(fā)展更加均衡。而對于融資強度(FIN)而言，相對發(fā)達地區(qū)的平均值和標(biāo)準(zhǔn)差都略高于欠發(fā)達地區(qū)，這說明相對發(fā)達地區(qū)整體的融資強度更高，同時各省份之間的差異也較大。欠發(fā)達地區(qū)的消費變動率(CR)均值略高于相對發(fā)達地區(qū)，投資變動率(IR)則與GDP增長率有著相類似的特征，即相對發(fā)達地區(qū)的平均值高于欠發(fā)達地區(qū)，且其標(biāo)準(zhǔn)差更小，這同樣表明相對發(fā)達地區(qū)投資增長快于欠發(fā)達地區(qū)，且其各省份之間的差距也更小。

表2 描述性統(tǒng)計

表3列出了三種樣本情形下系統(tǒng)GMM方法的估計結(jié)果?？梢钥闯?，對于全國樣本情形而言，融資強度(FIN)的系數(shù)為0.635，且通過了1%的顯著性水平檢驗；對于相對發(fā)達地區(qū)樣本情形和欠發(fā)達地區(qū)樣本情形而言，融資強度(FIN)的系數(shù)分別為0.606、1.081，且均通過了5%的顯著性水平檢驗。這表明了無論是在全國樣本情形下還是在兩類地區(qū)樣本情形下，融資強度對經(jīng)濟增長均具有顯著的正向促進作用；且融資強度每提高0.1，三種樣本情形下的經(jīng)濟增長率分別提高0.064(全國樣本)、0.060(相對發(fā)達地區(qū))和0.108(欠發(fā)達地區(qū))個百分點。此外，三種樣本情形下的IR系數(shù)均為正值，且至少在5%的顯著性水平上顯著；三種樣本情形下的CR系數(shù)也均為正值，對于全國樣本情形和相對發(fā)達地區(qū)樣本而言，也均通過了10%的顯著性水平檢驗。盡管在欠發(fā)達地區(qū)樣本情形下消費變動率(CR)未能通過顯著性檢驗，但無論是對于全國樣本還是相對發(fā)達地區(qū)樣本而言，模型的估計結(jié)果均具有比較強的解釋性，這表明采用的模型是比較合適的；對于欠發(fā)達地區(qū)樣本而言，模型的估計結(jié)果也具有一定的參考意義。進一步比較三種樣本情形下融資強度(FIN)的系數(shù)值大小，可以發(fā)現(xiàn)呈現(xiàn)出“相對發(fā)達地區(qū)<全國<欠發(fā)達地區(qū)”的關(guān)系，全國層面的系數(shù)值介于相對發(fā)達地區(qū)和欠發(fā)達地區(qū)之間；這大致表明，融資強度對相對發(fā)達地區(qū)的經(jīng)濟增長促進作用相對更小，而對欠發(fā)達地區(qū)經(jīng)濟增長的促進作用更為明顯。

表3 三種樣本情形下系統(tǒng)GMM的回歸結(jié)果

表3也顯示出在三種樣本情形下，RGDP(-1)的系數(shù)均為正值，且均通過了1%的顯著性水平檢驗，當(dāng)期經(jīng)濟增長與上一期經(jīng)濟增長之間存在很強的正相關(guān)性，說明了中國經(jīng)濟增長確實存在一定的慣性，這也表明了在模型中納入經(jīng)濟增長的一階滯后項是可取的。此外，無論是在全國還是兩類地區(qū)的樣本情形下，AR(1)的P值都嚴格小于0.1，AR(2)的P值都大于0.1。這表明模型的隨機誤差項存在一階自相關(guān)而不存在二階自相關(guān)，通過了自相關(guān)檢驗。

(二)穩(wěn)健性檢驗

本文在實證分析中所采用的Stata非官方命令“xtabond2”，可以同時提供Sargan檢驗和Hansen檢驗。而當(dāng)樣本量比較小時，Sargan檢驗拒絕原假設(shè)的能力可能很低[31]，過度識別檢驗多采用Hansen檢驗[32-33]。根據(jù)表3中的結(jié)果可以看出，三種樣本情形下Hansen檢驗所對應(yīng)的P值均大于0.1，這說明工具變量的有效性基本通過了檢驗。

此外，進一步選用相對發(fā)達地區(qū)④的樣本數(shù)據(jù)，通過限制滯后階數(shù)的方法進行了穩(wěn)健性檢驗，結(jié)果見表4。從中可以看出，幾乎所有項的估計系數(shù)都在5%的水平上保持顯著，且在各種減少工具變量的情況下，系數(shù)估計值的變化相對較小，各項系數(shù)均在數(shù)值上也同樣保持了較好的一致性，這表明了模型的結(jié)果是穩(wěn)健的。

表4 限制不同滯后階數(shù)下2014—2019年相對發(fā)達地區(qū)的系統(tǒng)GMM估計結(jié)果

(三)區(qū)域融資強度及其調(diào)整對經(jīng)濟增長的貢獻效應(yīng)

圖2反映了三種樣本情形下2014—2019年融資強度對經(jīng)濟增長貢獻率的變化情況。從中可以看出，無論是對于全國樣本而言，還是對于兩類地區(qū)樣本而言，2014—2019年間融資強度對經(jīng)濟增長的貢獻率都呈現(xiàn)出季節(jié)性波動的特點，且整體上相對穩(wěn)定。從數(shù)值大小看，融資強度對經(jīng)濟增長的貢獻率存在一定的地區(qū)差異，在欠發(fā)達地區(qū)樣本情形下融資強度對經(jīng)濟增長的貢獻率大概在2.4～5.5個百分點之間，普遍高于在全國樣本情形下(1.6～3.3)和在相對發(fā)達地區(qū)樣本情形下(1.2～3.8)的貢獻效應(yīng)。

圖2 三種樣本情形下2014—2019年融資強度的經(jīng)濟增長貢獻率變化情況

利用模型中融資強度(FIN)系數(shù)的估計值β1(表3)，分別計算出三種樣本情形下2020—2021年各季度各省份融資強度貢獻項β1FINit的數(shù)值，同樣以各數(shù)值系列的中位數(shù)來近似表示某樣本情形下該季度區(qū)域融資強度對經(jīng)濟增長的實際貢獻效應(yīng)(簡稱實際貢獻效應(yīng))，具體見表5。從中可以看出，在三種樣本情形下，實際貢獻效應(yīng)在整體上呈現(xiàn)出逐季減弱的季節(jié)波動性；且在欠發(fā)達地區(qū)樣本情形下，實際貢獻效應(yīng)普遍高于全國樣本情形下和相對發(fā)達地區(qū)情形下的貢獻效應(yīng)。

進一步測算出假定融資強度未調(diào)整狀態(tài)下的模擬貢獻效應(yīng)⑤(簡稱模擬貢獻效應(yīng))，并將2020年以來6個季度的實際貢獻效應(yīng)與其進行對比，利用二者的差值來表示區(qū)域融資強度調(diào)整對經(jīng)濟增長貢獻效應(yīng)(簡稱調(diào)整貢獻效應(yīng))。根據(jù)表5可以發(fā)現(xiàn)，三種樣本情形下的調(diào)整效應(yīng)均為正值，且呈現(xiàn)逐季減弱的態(tài)勢；同樣，在欠發(fā)達地區(qū)樣本情形下，調(diào)整貢獻效應(yīng)也普遍高于全國樣本情形下和相對發(fā)達地區(qū)情形下的貢獻效應(yīng)。這表明區(qū)域融資強度的調(diào)整對經(jīng)濟增長具有正向的貢獻效應(yīng)，且這種貢獻效應(yīng)在欠發(fā)達地區(qū)表現(xiàn)得更為顯著；此外，隨著融資強度調(diào)整力度的減弱，調(diào)整貢獻效應(yīng)也在逐漸減弱。

表5 2020年以來三種樣本情形下季度融資強度調(diào)整的經(jīng)濟增長貢獻效應(yīng)分析

五、結(jié)論和討論

本文首先考察了中國社會融資規(guī)模變化與融資強度的短期調(diào)整，然后基于GDP核算的支出法，選擇2014—2019年24個季度時間段的省級數(shù)據(jù)，建立納入了融資強度變量的動態(tài)面板模型，采用系統(tǒng)GMM估計方法分別在三種樣本情形下具體考察了區(qū)域融資強度調(diào)整對中國經(jīng)濟增長的影響與貢獻效應(yīng)。主要研究結(jié)論如下。

第一，無論對于全國樣本還是兩類地區(qū)樣本而言，區(qū)域融資強度對經(jīng)濟增長均存在顯著的正向促進作用，且區(qū)域融資強度對經(jīng)濟增長的影響呈現(xiàn)區(qū)域異質(zhì)性。在三類樣本情形下，融資強度每提高0.1，經(jīng)濟增長率分別提高0.064(全國樣本)、0.060(相對發(fā)達地區(qū))和0.108(欠發(fā)達地區(qū))個百分點，呈現(xiàn)出“相對發(fā)達地區(qū)<全國<欠發(fā)達地區(qū)”的關(guān)系。模型分析結(jié)果也表明：模型具有較強的適用性，且在模型中納入經(jīng)濟增長的一階滯后項是可取的。

第二，區(qū)域融資強度對經(jīng)濟增長的實際貢獻率呈現(xiàn)出季節(jié)性波動的特點，且在欠發(fā)達地區(qū)樣本情形下這種貢獻效應(yīng)相對更明顯，高于在相對發(fā)達地區(qū)樣本情形下和在全國樣本情形下的貢獻效應(yīng)。對區(qū)域融資強度調(diào)整的經(jīng)濟增長貢獻效應(yīng)模擬分析也表明，2020年以來三種樣本情形下各季度融資強度調(diào)整的經(jīng)濟增長貢獻效應(yīng)均高于在假定融資強度未調(diào)整狀態(tài)下得到的模擬貢獻效應(yīng)，且在欠發(fā)達地區(qū)樣本情形下，融資強度調(diào)整的貢獻效應(yīng)也普遍高于全國樣本情形下和相對發(fā)達地區(qū)情形下的貢獻效應(yīng)。

第三，2020年以來，社會融資規(guī)模進行了一系列的短期調(diào)整，季度融資強度整體上呈明顯上升態(tài)勢，且2020—2021年6個季度，三種樣本情形下的區(qū)域融資強度調(diào)整對經(jīng)濟增長的貢獻效應(yīng)均為正值。這表明在三種樣本情形下區(qū)域融資強度的調(diào)整對經(jīng)濟增長都存在正向的貢獻效應(yīng)。

金融是現(xiàn)代經(jīng)濟的核心，新時代要重點把握金融發(fā)展與經(jīng)濟增長之間的關(guān)系。一方面，金融業(yè)作為服務(wù)業(yè)可以直接貢獻實體經(jīng)濟的產(chǎn)出[34]；另一方面，金融工具還是資源配置和經(jīng)濟調(diào)控的重要手段。因此，提高區(qū)域金融服務(wù)能力，使金融發(fā)展更好地服務(wù)于經(jīng)濟增長，實現(xiàn)金融同實體經(jīng)濟的均衡發(fā)展?；诖耍岢鲆韵抡呓ㄗh。

(一)合理調(diào)節(jié)融資差距，促進區(qū)域金融協(xié)調(diào)發(fā)展

提高區(qū)域金融服務(wù)能力，不僅可以為經(jīng)濟增長提供原動力，還可以協(xié)調(diào)區(qū)域金融發(fā)展，助力解決區(qū)域發(fā)展不平衡問題。從總體上來看，中國區(qū)域金融分布不均，融資規(guī)模、融資強度的地區(qū)差異較大，金融資源的市場化配置使其更多流向了相對發(fā)達地區(qū)。而利用政府“有形的手”主動調(diào)節(jié)社會融資規(guī)模是一種非常有效的宏觀調(diào)控手段，而且這種調(diào)控效果在欠發(fā)達地區(qū)更為顯著。因此，通過中央轉(zhuǎn)移支付等手段適度加大對欠發(fā)達地區(qū)的融資力度，有針對性地提高部分地區(qū)的社會融資規(guī)模水平，可以從金融視角提出縮小區(qū)域經(jīng)濟發(fā)展不平衡的策略，進而促進區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展。

(二)適當(dāng)優(yōu)化融資結(jié)構(gòu)，有效發(fā)揮多渠道融資功能

著力優(yōu)化融資結(jié)構(gòu)，引入創(chuàng)新型融資工具，滿足多樣化的投融資需求。以銀行間接融資為主導(dǎo)的金融業(yè)的高速發(fā)展成為中國經(jīng)濟增長的重要因素。隨著金融市場的不斷發(fā)展，金融體系的不斷完善，融資結(jié)構(gòu)的調(diào)整和優(yōu)化對于深化金融體制改革、提高金融服務(wù)能力，促進經(jīng)濟增長等都具有十分重要的意義。當(dāng)下，為了充分發(fā)揮金融調(diào)控的有效性，必須同時關(guān)注融資結(jié)構(gòu)的優(yōu)化升級和資金流向的靈活便捷。

第一，深入推進債券市場的創(chuàng)新發(fā)展，提高直接融資規(guī)模比重。在保持人民幣貸款這一主要融資渠道的基礎(chǔ)上，拓寬融資渠道，適當(dāng)增加政府債券和企業(yè)債券等的融資規(guī)模，穩(wěn)步推進融資結(jié)構(gòu)優(yōu)化升級。大力發(fā)展公司信用類債券，積極發(fā)揮優(yōu)質(zhì)企業(yè)的直接融資功能，完善債券市場的發(fā)行注冊制度，加快知識產(chǎn)權(quán)證券化，提高企業(yè)債券的資金使用效率。

第二，適度調(diào)控資金流向，強化其產(chǎn)業(yè)引導(dǎo)功能。經(jīng)濟金融化表現(xiàn)為金融資本通過投資信貸等手段介入產(chǎn)業(yè)資本，并控制產(chǎn)業(yè)資本的運行，進而影響實體經(jīng)濟的發(fā)展[35]。加大政策傾斜和資金引導(dǎo)的力度，促使更多的金融資本流向經(jīng)濟社會發(fā)展的重點領(lǐng)域，優(yōu)先發(fā)展社會生產(chǎn)中的關(guān)鍵技術(shù)和薄弱環(huán)節(jié)。同時，充分挖掘各地具有投資需求潛力的領(lǐng)域，探索建立相應(yīng)的投融資激勵機制，因地制宜支持有較好發(fā)展?jié)摿Φ念I(lǐng)域優(yōu)先發(fā)展，重點把握各區(qū)域經(jīng)濟增長的著力點。

(三)建立科學(xué)的融資評價指標(biāo)，切實完善金融監(jiān)管體系

隨著金融市場的快速發(fā)展，理論研究與政策操作都需要能全面、準(zhǔn)確地反映金融與經(jīng)濟關(guān)系的統(tǒng)計指標(biāo)。區(qū)別于傳統(tǒng)的貨幣供應(yīng)量指標(biāo)，社會融資規(guī)模建立在信用渠道的理論基礎(chǔ)之上，納入更加廣泛、多元的融資渠道，全面地反映了一段時間內(nèi)實體經(jīng)濟從整個金融體系獲得的資金支持。建立地區(qū)社會融資規(guī)模統(tǒng)計指標(biāo)，有利于改善地區(qū)融資環(huán)境，增強金融與經(jīng)濟間的良性互動，促進區(qū)域經(jīng)濟結(jié)構(gòu)的優(yōu)化和轉(zhuǎn)型升級，縮小區(qū)域經(jīng)濟發(fā)展差距。同時，其豐富的結(jié)構(gòu)化細分對政府的宏觀調(diào)控也具有一定的指示作用。為了金融工具能更好地發(fā)揮調(diào)節(jié)資源配置和服務(wù)實體經(jīng)濟的作用，應(yīng)進一步著力健全融資機制與指標(biāo)監(jiān)測，完善中央調(diào)控手段和傳導(dǎo)機制，保持社會融資規(guī)模合理適度增長，強化金融體系的逆周期調(diào)節(jié)功能。

在推進金融改革進程的同時，尤其要加強區(qū)域金融風(fēng)險的監(jiān)測，構(gòu)建完善的金融監(jiān)管體系。一方面，從根本上防范和化解重大金融風(fēng)險，統(tǒng)籌金融發(fā)展與金融安全，牢牢守住金融安全的紅線；另一方面，為實體經(jīng)濟提供寬松穩(wěn)定的融資環(huán)境，引導(dǎo)金融資本有序流向?qū)嶓w產(chǎn)業(yè)，使其成為貨幣調(diào)控政策的有益補充，共同促進中國經(jīng)濟社會的穩(wěn)定發(fā)展。

當(dāng)前，中國經(jīng)濟社會發(fā)展進入了新階段。在貫徹新發(fā)展理念、構(gòu)建新發(fā)展格局的引領(lǐng)下，金融發(fā)展要始終以多元化為目標(biāo)，以促進經(jīng)濟協(xié)調(diào)增長為宗旨，建設(shè)和發(fā)展中國特色資本市場，調(diào)節(jié)區(qū)域融資差距，優(yōu)化區(qū)域融資結(jié)構(gòu)，完善融資監(jiān)管體系，朝著效率優(yōu)先的方向進行改變，有效發(fā)揮融資規(guī)模及其調(diào)整對經(jīng)濟增長的調(diào)節(jié)作用，從而推動經(jīng)濟社會協(xié)調(diào)健康發(fā)展。

注 釋：

①2019年西藏全年社會融資規(guī)模增量為23億元，其中，政府債券增量為122億元，是社會融資規(guī)模增量的5.24倍；2020年青海全年社會融資規(guī)模增量為117億元，其中，政府債券增量為349億元，是社會融資規(guī)模增量的2.98倍。

②考慮到中國人民銀行公布的地區(qū)社會融資規(guī)模數(shù)據(jù)從2018年才開始細分出政府債券項，并僅對2017年以來社會融資規(guī)模數(shù)據(jù)進行了調(diào)整，因而無法全部將2014-2019研究時段內(nèi)的政府債券從社會融資規(guī)模數(shù)據(jù)中剔除。故在本文中，將這兩個省份做剔除處理。

③參考發(fā)表在《中國工業(yè)經(jīng)濟》2019年第1期的文章“偏離最優(yōu)公共—私人投資比對經(jīng)濟增長的影響”中的方法，詳細解釋見官方網(wǎng)站(http：//www.ciejournal.org)公開附件。由于選取研究時段的不同，本文中的地區(qū)劃分結(jié)果與此文有所不同。

④在上文實證分析中，模型在相對發(fā)達地區(qū)樣本的擬合效果最好，故此首先選用了該樣本進行限制滯后期的檢驗。在全國樣本和欠發(fā)達地區(qū)樣本兩種情形下，估計出的各個系數(shù)在數(shù)值上也同樣保持了較好的一致性，除CR項未能通過顯著性檢驗外，其余各項均通過了顯著性檢驗。

⑤模擬貢獻效應(yīng)計算過程如下：(1)首先根據(jù)前文對中國社會融資規(guī)模變動趨勢的分析，選用2018年和2019年的數(shù)據(jù)，得到各季度融資強度序列數(shù)據(jù)的中位數(shù)。(2)根據(jù)步驟1得到的各季融資強度的中位數(shù)，將這些中位數(shù)放在一起，得到一個數(shù)據(jù)系列。(3)考慮到融資強度的季節(jié)性，分季度計算步驟2數(shù)據(jù)系列的平均數(shù)，將其視作為調(diào)整未調(diào)整狀態(tài)下的季度融資強度。(4)計算出對應(yīng)的β1FINit的數(shù)值，將其視作模擬貢獻效應(yīng)的近似表達。