金融結構、產業結構與經濟增長

李劍

摘 要：金融發展與經濟增長之間的關系，歷來是金融領域研究的重點，但卻鮮有文獻將金融結構、產業結構與經濟增長三者結合起來進行研究。為此，本文基于我國東部10省市1998—2012年的數據，運用面板VAR分析了金融結構、產業結構與經濟增長之間的關系，提出資本市場發展有助于推動經濟增長，而信貸資金有助于推動產業結構升級，進而推動經濟增長。因此，我國應在大力發展資本市場的同時，合理引導信貸資金流向，推動產業轉型升級、促進經濟增長。

關鍵詞：金融發展；金融結構；產業結構；經濟增長

中圖分類號：F830 文獻標識碼：A 文章編號：1674-2265（2013）09-0020-06

一、引言

金融發展與經濟增長之間的關系，很早就受到學術界的關注，也歷來是金融領域研究的重點。隨著相關研究的深入，許多學者發現經濟增長總是伴隨著金融發展和金融結構的變遷，并且開始關注金融結構變化及其在經濟增長中的作用。產業結構升級是經濟增長的重要內容之一，部分國外學者在研究金融發展與經濟增長問題時，也將研究視角延伸至產業結構領域。目前，國內研究金融結構與經濟增長兩者之間關系的文獻可謂汗牛充棟，也有部分學者開始關注產業結構變遷中的金融結構因素，但卻鮮有文獻將金融結構、產業結構與經濟增長三者結合起來進行研究。金融發展的最終目的是服務于實體經濟。經濟處于不同的發展階段，對金融體系的結構需求也存在差異。我國的金融結構是伴隨著實體經濟的增長而演變發展的，從產業結構與經濟增長的角度研究金融結構調整與優化，有助于全面審視現有金融結構的特征和合理性，進而提出符合產業結構調整和經濟增長需要的調整思路。

東部地區①是我國經濟發展最具活力與競爭力的地區，在我國國民經濟中具有舉足輕重的地位。在東部地區經濟快速增長的背后，是持續的產業結構優化升級；在經濟增長和產業結構升級的過程中，金融發揮著十分重要的作用。本文試圖以東部地區為例，運用面板VAR模型，分析金融結構、產業結構與經濟增長之間的關系，以期為構建適應產業結構升級和經濟增長的金融結構體系建言獻策。

二、文獻綜述

自戈德史密斯（Goldsmith，1969）的經典著作《金融結構和金融發展》問世以來，有關什么樣的金融結構更有利于促進經濟增長的爭論層出不窮，而爭論的焦點則是金融中介（主要指銀行）和金融市場（主要指股票市場）對于經濟增長到底誰更勝一籌。銀行優越論者認為銀行發展是經濟增長的一個源泉。施蒂格利茨（Stiglitz，1985）認為銀行主導型金融體系能更好地解決委托代理問題，進而促進經濟增長。金和萊文（King和Levin，1993） 運用1960—1989年間77個國家的數據進行分析，發現金融中介在識別具有更多成功機會的創新企業方面具有優勢，并通過這些信息的獲取和利用來推動技術創新，因此金融中介的發展與長期經濟增長具有明顯的相關性。艾倫和蓋爾（Allen和Gale，2002）將金融系統分散風險的功能分為橫向風險分擔和跨期風險分擔，依其理論可以看出，銀行較之于股票市場可有效提供跨期風險分擔來應對系統性風險。查克拉博蒂和雷（Shanka Chakraborty和Tridip Ray，2006）利用內生增長模型分析銀行主導和市場主導的金融體系與經濟增長的關系，認為對于工業化進程中的國家而言，銀行主導的體系更具有積極意義。市場優越論者主要強調金融市場在推動經濟增長方面比銀行更有效。可汗和薩納達吉（Khan 和Senhadji，2000）認為大銀行對企業收費高、擠壓企業利潤空間，甚至通過控制融資，間接地控制了貸款企業，不利于經濟增長。德布雷（Boyeau Debray，2003）利用20世紀90 年代中國省區面板數據研究銀行業規模對各省經濟增長的影響，認為國有銀行更傾向于給國有企業發放貸款，而國有企業效率很低，這種所有制偏向使得銀行信貸規模與經濟增長之間存在負向關系。貝克和萊文（Beck和Levine，2004）認為股票市場和銀行的發展能夠對經濟增長產生巨大的經濟效應。還有部分研究認為不能簡單地選擇銀行主導或市場主導，兩種模式都與經濟增長正相關，在提供金融服務方面相互補充（萊文，1997）。萊文和佐沃羅什（Levine和Zevros，1998）利用1976—1993年的跨國回歸數據分析，指出市場主導的金融體系與銀行主導的金融體系為經濟發展提供的服務方式有所不同，但銀行及股票市場的發展與經濟增長之間存在較強的正相關關系。林特爾和可汗（Kul B.Luintel和Mosahid Khan，2008）分析了由世界銀行提供的14個國家的金融發展和金融結構數據，發現金融結構在解釋經濟增長方面的作用非常顯著。

在金融結構與產業結構關系方面，現有研究主要探討金融結構是否可以影響產業結構。卡爾林和梅弗（Carlyn和Mayor，2003） 把產業分成人力資源型、銀行融資依賴型和股票融資依賴型三種類型，并利用OECD國家的數據進行實證研究，證明金融結構在金融市場發展越過一定“門檻”后確實可以影響一國的產業結構。安佐拉多斯、阿波西斯和托馬斯（Anizoulatos、Apergis和Tsoumas，2011）對29個國家的28個產業部門1990—2001年的面板數據進行協整分析，結果發現金融結構與產業結構在長期內存在關聯。還有部分研究將觸角延伸至行業內部，探討不同金融結構具體對哪些行業產生影響。貝克、德米爾居奇和萊文（Beck、Demirgü?-Kunt和Levine，2004）在研究金融發展與企業規模以及經濟增長問題時，發現金融發展更有利于那些由許多小企業構成的產業的增長。平、帕克和信（Binh、Park和Shin，2005） 遵循產業的技術特征區分不同產業，采用金融結構存在差異的26個OECD國家的26個制造業的產業數據進行研究，結果表明市場主導型金融結構有利于高新技術產業的增長，銀行導向型金融結構有利于傳統產業的增長。

國內的相關研究還集中在金融結構與經濟增長的關系方面。梁琪、滕建州（2005）研究了1991—2004年間我國股市發展、銀行發展與經濟增長之間的關系，發現股市發展沒有促進和導致經濟增長，而銀行發展在樣本期內已經成為中國經濟增長的一個源泉。劉紅忠、鄭海青（2006）運用東亞9個國家和地區1985—2001年的數據進行分析，得出了在人均GDP高的國家，股票市場比重也高的結論。然而，孫杰（2002）將資本結構納入研究范圍，分析發達經濟體和新興經濟體金融結構、股票市場的發展、公司融資行為和經濟增長的關系，認為金融結構和公司的融資決策、股票市場與公司的融資決策以及金融結構和經濟發展之間的相關性并不強。在金融結構與產業結構的關系方面，林毅夫、章奇和劉明興（2003）利用全球制造業1980—1992 年的數據進行分析，認為只有當金融結構和制造業的規模結構相匹配時，才能有效地滿足企業的融資需求，從而促進制造業的增長。范方志、張立軍（2003）探討了金融結構轉變與實體經濟部門產業結構升級之間的關聯機制，指出我國中西部地區金融結構水平落后、金融結構轉換速度不快，妨礙了中西部地區產業結構的升級。蔡紅艷、閻慶民（2004）的研究發現，我國金融市場中的資本流動存在著明顯的扶持落后行業的非市場化行為，其結果必然是我國工業產業中高成長行業無法有效繼續成長。林毅夫、孫希芳和姜燁（2009）認為要素稟賦結構決定產業和技術結構的性質以及企業規模特征和風險特征，進而決定金融結構。在不同發展階段有不同的要素稟賦結構和最優產業結構，進而要求不同的最優金融結構。

縱觀國內外學者的相關研究，現有文獻并未對金融結構與經濟增長、金融結構與產業結構的關系達成共識，而將金融結構、產業結構與經濟增長三者結合起來的研究則更少。為此，本文利用綜合了面板分析和VAR模型優點的面板VAR模型進行分析，探討金融結構、產業結構與經濟增長之間的關系，探討如何構建適應產業結構升級和經濟增長的金融結構體系。

三、指標、模型和方法

（一）指標選取及數據來源

1. 金融結構。金融結構（用FINCON表示）是指金融系統的各組成部分的分布、存在、相對規模、相互關系與配合的狀態，具體包括資金配置方式結構、金融資產結構、產品結構、金融工具結構、金融組織的空間結構、金融市場結構、金融產權結構等等。考慮到金融系統最核心的功能是資金配置，金融結構決定金融功能，而產業結構又是資金配置的結果，因此，本文從資金配置方式視角來研究金融結構對產業結構優化和經濟增長的影響。具體的金融結構指標包括“結構—規模指標”、“結構—行為指標”和“結構—效率指標”等。

就我國的現實情況而言，“結構—行為指標”，即“銀行融資量/資本市場融資量”最能體現我國實際的金融結構。但在分析我國區域經濟金融發展狀況時，收集資本市場融資數據存在較大難度。由于我國國企、央企較多，這些企業通過證券市場融資的數據反映在其總部所在地，而使用則分散于全國各地，導致證券市場融資量數據無法體現各地真實的融資規模。以發行債券融資為例，自1998年以來，北京市的債券發行凈額一直占全國的85%以上②。在企業上市融資方面也存在類似的問題，工商銀行上市融得的資金就超過其他諸多省份全年的上市融資總額。為此，本文采用最常見的“結構—規模指標”，即用“貸款余額/股票市值”來表示。這一指標越高， 說明越趨近于銀行主導型的金融體系。

2. 產業結構。產業結構（用STRUCT表示）是一個多維度的概念，既可以用三大產業之間的比例，以及產業內部行業比例關系來衡量，也可以用勞動密集、資本密集和技術密集程度來衡量。但是，這些指標都只能反映產業結構的一個側面，無法體現產業結構的整體狀況。因此，本文使用“轉換份額分析法”（Shift Share Analysis），從勞動生產率增長中分解出產業結構變化效應。

假設經濟總體第[t]期的勞動生產率為[LPt]，各個產業部門第[t]期的勞動生產率為[LPti]（下標[i=1、2、3]分別代表第一產業、第二產業和第三產業），第[t]期產業[i]的勞動所占份額為[Sti]，則總體勞動生產率為：

[LPt=YtLt=i=13YtiLtiLtiLt=i=13LPtiSti] （1）

其中，[Yt]為第[t]期的總產出，[Lt]為第[t]期的勞動要素投入，[Yti]為第[t]期產業[i]的產出，[Lti]為第[t]期產業[i]的勞動要素投入。

由（1）式可得，第[t]期的勞動生產率相對于第[t-1]期的增長率為：

[LPt-LPt-1LPt-1=i=13Sti-St-1iLPit-1LPt-1+i=13LPit-LPit-1Sti-St-1iLPt-1+i=13LPit-LPit-1St-1iLPt-1 （2）]

其中，[i=13Sti-St-1iLPit-1LPt-1]為靜態產業結構優化效應，它度量的是勞動要素從勞動生產率較低的產業流向勞動生產率較高的產業所引起的總體勞動生產率的凈提升；[i=13LPit-LPit-1Sti-St-1iLPt-1]為動態產業結構優化效應，它度量的是勞動要素從勞動生產率增長較慢的產業流向勞動生產率增長較快的產業所引起的總體勞動生產率的凈提升，體現了勞動要素移動引起的動態效應；[i=13LPit-LPit-1St-1iLPt-1]為生產率增長效應，它是由各個產業內部的技術效率變化和技術進步等因素導致的各個產業內勞動生產率的增長。因此，第[t]期的結構優化指標為：

[STRUCT=i=13Sti-St-1iLPit-1+i=13LPit-LPit-1Sti-St-1iLPt-1]

（3）

3. 經濟增長。衡量一個地區經濟發展所處的階段，一般會看人均GDP指標，本文也將這一指標作為經濟增長的代理變量。由于人均GDP是一個絕對數，而本文用到的其他指標都是相對數。因此，本文對人均GDP取自然對數（用LGDPGRO表示），以保證模型的穩定性。

4. 其他指標。為增加模型的解釋力，本文引入資本形成率（用CAPITAL表示）和勞動力增長率（用POPULA表示）作為解釋變量。其中，勞動力增長率根據三次產業分就業人員數計算得出。

5. 數據來源。本文選擇北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南10個東部省市1998—2012年的年度數據進行實證研究。其中，各地區的GDP、三次產業的GDP、資本形成率、人口總數、按三次產業分就業人員數來源于歷年《中國統計年鑒》，各地區的貸款余額和股票市值來源于萬得數據庫。

（二）面板VAR模型

面板VAR綜合了面板分析和VAR模型的優點，不但可以控制不可觀測的個體異質性（包括個體效應和時間效應），還可以分析面對沖擊時經濟的動態反應。在面板VAR模型中，各變量既可以對單個省市的經濟波動產生影響，產出的波動也會對其他省市的相關變量產生沖擊，這種動態的調整過程能夠較好地刻畫各種沖擊的傳導機制。因此，本文構建如下面板VAR模型進行分析：

[A0xi，t=fi+j=1qAjxi，t-j+di，t+μi，t] （4）

其中，[xi，t=（z′i，t，y′i，t）′]，向量[z′i，t=CAPITALi，t，POPULAi，t]是解釋變量，向量[y′i，t=FINCONi，t，STRUCTi，t，LGDPGROi，t]是被解釋變量，向量[μi，t=εi，t，ηi，t′]是隨機擾動項，[εi，t]代表外生沖擊，[ηi，t]代表內生沖擊，[i]對應每個樣本省市，[t]對應時期。方陣[A0]反映各變量間同期關系，方陣[Aj]反映變量的滯后效應，[j]為滯后階數。[fi]為固定效應，體現不同省市的個體異質性；[di，t]為特定的時間虛擬變量，體現每一時期不同省市的特定沖擊，進而規避橫截面樣本中可能存在的結構差異。

（三）估計方法

在估計面板數據時，首先需要消除樣本中的固定效應。由于VAR模型的自變量與固定效應相關，導致通常使用的均值差分方法可能出現偏誤，因此本文使用“向前均值差分”法消除個體向前的均值，確保滯后變量與轉換后的變量正交，進而與誤差項無關。因此，該方法可以使用滯后變量作為其工具變量，采用GMM的方法進行估計。

在同一個經濟體內，東部10省市面對的區域經濟環境有很大的相似之處，同時模型中加入了體現特定異質效應的虛擬變量，因而參數的異質性問題很小。因此，本文假定各橫截面樣本具有動態性，即矩陣A所體現的關系是相同的。該假定有助于緩解數據時間維度有限、無法估計單個省市的動態特征的問題。

四、實證分析③

（一）單位根檢驗

由于普通的ADF方法在檢驗面板數據的平穩性時是低效的，因此本文采用Levin-Lin-Chu檢驗和Im-Pesaran-Shin檢驗兩種方法來檢驗面板數據的平穩性。面板單位根兩種檢驗方法的檢驗結果（見表1 ）均表明，模型中的5個變量的一階差分都是平穩的。

（二）面板VAR模型的估計

AIC準則和SC準則結果表明，面板VAR模型的滯后階數為1。用GMM對模型進行估計，估計結果（見表2）表明，滯后1期的金融結構本身和產業結構對金融結構的影響在1%的顯著性水平下顯著，影響是正向的；滯后1期的產業結構本身對產業結構的影響在1%的顯著性水平下顯著，影響是正向的；滯后1期的金融結構對產業結構的影響在5%的顯著性水平下顯著，影響是正向的；滯后1期的金融結構對經濟增長的影響在1%的顯著性水平下顯著，影響是負向的；滯后1期的產業結構和經濟增長本身對經濟增長的影響在5%的顯著性水平下顯著，影響是正向的。

（三）脈沖響應分析

基于面板VAR模型的估計結果，本文通過Monte Carlo模擬了500次得到脈沖響應函數圖，衡量隨機擾動項的一個標準差的沖擊對其他變量當前和未來取值的影響軌跡，直觀地刻畫出變量之間的動態交互作用和效應。

根據面對沖擊時金融結構的動態反應（見圖1），可以得出以下結論：一是金融結構本身對金融結構帶來的擴張效應最大。一單位標準差的沖擊會使金融結構在第1期提高2.9779個單位，隨后2—6期的影響程度大幅度下降，最終趨向于一個很小的正向影響，總體來看均為正向影響。二是經濟增長開始對金融結構帶來正向影響，然后轉變為負向影響，總體影響不明顯。三是產業結構會對金融結構帶來擴張效應。一單位標準差的沖擊會使金融結構在第0期提高0.9915個單位，隨后3—6期的影響程度大幅度減少，最終趨向于一個很小的正向影響，總體上看均為正向影響。

根據面對沖擊時產業結構的動態反應（見圖2），可以得出以下結論：一是產業結構對產業結構本身具有明顯的擴張效應。一單位標準差的沖擊會使產業結構在第1期提高6.4515個單位，隨后2—6期的影響程度大幅度下降，最終趨向于一個很小的正向影響，總體來看均為正向影響。二是經濟增長開始對產業結構帶來正向影響，然后轉變為負向影響，總體影響不明顯。三是金融結構會對產業結構帶來擴張效應而且影響持續為正值。

根據面對沖擊時經濟增長的動態反應（見圖3），可以得出以下結論：一是經濟增長對經濟增長本身帶來的擴張效應最大，而且這種影響持續為正值。二是金融結構對經濟增長有明顯的負向影響，表明間接融資所占的份額越高，對經濟增長的負向影響越大。三是產業結構會對經濟增長帶來擴張效應。一單位標準差的沖擊會使經濟增長在第1期達到最高，隨后3—6期的影響程度大幅度下降，最終趨向于一個很小的正向影響，總體上看均為正向影響。

上述脈沖響應分析結果表明，經濟增長對金融結構、產業結構的影響均不明顯；產業結構對金融結構和經濟增長均有明顯的正向影響，即產業結構升級不但有助于經濟增長，還會帶動間接融資的發展；金融結構對產業結構有一定的正向影響，即間接融資在一定程度上推動產業結構升級；金融結構對經濟增長有明顯的負向影響，表明間接融資所占份額的提高不利于促進經濟增長。

為了分析模型的穩定性，本文繼續采用500次的Monte Carlo模擬進行方差分解。方差分解結果（見表3）表明，選取10個預測期與選取20個預測期進行方差分析的結果基本一樣，說明在第10個預測期之后系統已基本穩定，對結果基本沒有影響。

五、結論與政策含義

本文摒棄了分析金融總量與經濟增長關系的傳統研究思路，從金融結構、產業結構的角度研究經濟增長問題。文章基于我國東部10省市1998—2012年的數據，運用面板VAR和脈沖響應函數分析了金融結構、產業結構與經濟增長之間的關系。研究得出4個基本結論：一是經濟增長對金融結構、產業結構的影響均不明顯；二是產業結構升級有助于推動經濟增長、帶動間接融資的發展；三是間接融資比例的提高有助于推動產業結構升級，進而推動經濟增長；四是直接融資在融資總額中所占的比重越高，越有利于經濟增長。

上述研究結論表明，單純地發展直接融資或間接融資，并不利于促進我國的經濟增長。我國一方面應大力發展資本市場，發揮市場在資源配置中的基礎性作用，以此促進經濟增長；另一方面應充分發揮銀行等金融中介在識別高新技術產業等方面的優勢，合理引導信貸資金流向，推動產業轉型升級。具體來說，一是要積極發展證券市場，提高交易市場活躍度，使投融資渠道順暢；二是做大創業板市場，滿足高風險科技發展的需要，發揮資本市場在促進產業升級中的作用；三是重視中小金融機構和中小企業評估機構的發展，滿足高新技術產業、民營成長型企業的融資需求；四是鼓勵各地區根據其優勢產業規模狀況制定金融發展戰略。如在中小企業數量眾多的地區大力發展間接融資，發揮銀行等金融機構信貸審查制度完善的優勢，減少由于信息不對稱帶來的逆向選擇和道德風險；鼓勵大企業較多的地區發展直接融資，提高資金配置效率。直接融資和間接融資共同發展的金融結構才是最優的金融結構，只有這樣才能形成多樣化的金融市場，通過市場機制推動產業結構升級，促進經濟長期穩定增長。

注：

①根據國家統計局的劃分，東部包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南等10個省市。

②數據來源：萬得數據庫。

③本文均運用Stata 11.0 軟件進行計算。其中，面板VAR模型的估計是用了世界銀行Inessa Love 博士提供的程序代碼。

參考文獻：

[1]蔡紅艷，閻慶民.產業結構調整與金融發展——來自中國的跨行業調查研究[J].管理世界，2004，（10）.

[2]車維漢，王茜.1980—2006 年東亞經濟波動的原因——基于面板VAR 的分析[J].財經研究，2009，（11）.

[3]范方志，張立軍.中國地區金融結構轉變與產業結構升級研究[J].金融研究，2003，（11）.

[4]梁琪，滕建州.股票市場、銀行與經濟增長： 中國的實證分析[J].金融研究，2005，（10）.

[5]林毅夫，孫希芳，姜燁.經濟發展中的最優金融結構理論初探[J].經濟研究，2009，（8）.

[6]林毅夫，章奇，劉明興.金融結構與經濟增長： 以制造業為例[J].經濟研究，2003，（1）.

[7]劉紅忠，鄭海青.東亞國家金融結構與經濟增長的實證研究[J].國際金融研究，2006，（5）.

[8]劉偉，張輝.中國經濟增長中的產業結構變遷和技術進步[J].經濟研究，2008，（11）.

[9]孫杰.發達國家和發展中國家的金融結構、資本結構和經濟增長[J].金融研究，2002，（10）.

[10]富蘭克林·艾倫，道格拉斯·蓋爾.比較金融系統[M].北京：中國人民大學出版社，2002.

[11]Arellano M，Bover O.1995.Another look at the instrumental variable estimation of error component models[J].Journal of Econometrics， （68）.

[12]Anizoulatos，Apergis Tsoumas.2011.Financial Stru-

cture and Industrial Structure[J].Bulletin of Economic Research， 63（2）.

[13]Binh， Parkandshin. Financial Struture and Industrial Growth： A Direct Evidence from OECD Countries[R].KMFA Working Paper.

（責任編輯 耿 欣；校對 XQ，SJ）