西部地區金融資產結構調整與產業結構升級分析

摘要：產業結構升級是十八大報告提出的重要任務，是當前中國轉變經濟增長方式的關鍵所在。文章從金融資產結構調整視角出發，在構建面板向量自回歸模型（PVAR）的基礎上，綜合運用面板協整檢驗、面板脈沖響應和方差分解、面板格蘭杰因果關系檢驗等多種模型對1993-2011年間西部地區金融資產結構調整與產業結構升級之間的互動關系進行深入研究。結果顯示，西部地區金融資產結構調整與產業結構升級之間的確具有互動關系，但不同類型金融資產與產業結構升級之間的互動作用大小、方向和路徑存在顯著差異。

關鍵詞：金融資產結構調整；產業結構升級；PVAR模型

中圖分類號：F015文獻標志碼：A文章編號：10085831（2015）02000108一、問題與文獻述評

十八大報告指出，要實現經濟增長方式的轉變，關鍵是要加快產業結構升級。為此，提升產業技術含量和創新能力、加快產業結構升級步伐、增強產業市場競爭力是當前中國產業發展的主要任務。金融資產作為產業發展最核心的要素之一，其結構狀況對一國或地區產業結構的升級進程具有重要影響。但金融資產結構調整與產業結構升級之間相互作用的路徑具體是什么？二者相互作用力的大小如何？學術界尚存在較多爭議。

早在1969年，Goldsmith利用35個國家1860-1963年的數據進行實證檢驗，證明金融資產結構調整與產業結構升級之間存在相關關系[1]。Beck和Levine[2]、Chang和Caudill[3]、Luintel等[4]、張曉燕和王成亮[5]等進一步證實了這一結論。冉茂盛[6]、Christopoulos和Tsionas[7]從發展中國家視角，蘇振天[8]、韓曉明[9]從省域視角，范方志和張立軍[10]從區域比較視角深入研究后也均證實金融資產結構調整是產業結構升級的重要促進因素。Angelos、Nicholas和Chris等通過對世界29個國家20個行業數據樣本進行實證檢驗，發現雙向格蘭杰因果關系在金融資產結構調整與產業結構升級之間的確存在[11]。毛定祥的研究則證明中國僅僅存在產業結構升級到金融資產結構調整的單向格蘭杰因果關系，不存在金融資產結構調整到產業結構升級的格蘭杰因果關系[12]。與以上觀點不同的是，部分學者的研究結論發現金融資產結構調整與產業結構升級之間的互動關系并不如想象中那樣顯著。Atindehou和Gueyie的研究發現金融資產結構調整對產業結構升級的影響基本可以忽略[13]，Gries等通過對非洲16個國家的研究也發現金融資產結構調整與產業結構升級之間并不存在因果關系[14]。

就中國西部地區的產業結構發展現狀看，自1999年“西部大開發”戰略正式實施以來，該地區在加快地區經濟增長、提升經濟發展速度的同時，產業結構調整力度顯著加強，產業結構升級步伐明顯加快，成效顯著。但截至目前，該地區的產業結構仍存在著許多問題，如第一產業的產業化程度不高，產出效率低；第二產業發展層次較低，競爭力不強；第三產業總量偏少，發展水平不高。此外，西部地區還面臨著產業空間布局趨同，區域之間重復建設，協調不力等系列問題。在當前中國提出轉變經濟增長方式，加快實現產業結構升級的大背景下，對西部地區產業結構升級問題進行深入研究顯得尤為必要。本文從金融資產結構調整視角出發，在構建面板向量自回歸模型（PVAR）的基礎上，綜合運用面板協整檢驗、面板脈沖響應和方差分解、面板格蘭杰因果關系檢驗等多種模型對西部地區金融資產結構調整與產業結構升級之間的互動關系進行了深入研究。

二、PVAR模型估計

（一）指標設置及數據選取

金融資產結構包括金融資產內部結構和金融資產外部結構。其中金融資產內部結構是指一個國家或地區內貨幣、證券、保險、債券等各類金融資產在該國或地區金融資產總量中各自占有的比例關系，具體包括貨幣性金融資產/金融資產總量、證券類金融資產/金融資產總量、保險類金融資產/金融資產總量等指標，衡量的是金融資產多元化的程度。為了反映西部地區金融資產多元化程度與產業結構升級之間的關系，本文采用金融資產內部結構指標來反映西部地區金融資產結構，主要選取的指標有HB、ST、IN。其中，HB=M2/金融資產總額，代表貨幣資產結構；ST=股票市值總額/銀行信貸余額，代表證券資產結構；IN=保費收入總額/金融資產總額，代表保險資產結構。從產業結構升級指標看，根據錢納里的相關理論可知，當一個國家或地區的產業結構出現升級時，第一產業產值在國內生產總值或地區生產總值中所占有的比重會下降，第二三產業產值在國內生產總值或地區生產總值中所占有的比重會上升。考慮到與東部地區相比，西部地區生產力發展水平相對滯后，產業結構升級更多表現為第二三產業所占比重的增長。為此，本文的產業結構升級指標=（第二產業產值+第三產業產值）/國內生產總值，即非農產業占比FN來代表。

重慶大學學報（社會科學版）2015年第21卷第2期

杜家廷，等西部地區金融資產結構調整與產業結構升級分析

在數據選取上，本文以1993-2011年間中國西部地區12省市的金融資產結構和產業結構面板數據作為樣本。由于1990年12月和1991年6月中國上海證券交易所和深圳證券交易所才相繼成立，1992年以后中國證券市場才有一個完整的會計年度數據，1993年之前西部地區上市公司數量及股票市值較小。因此，這里將實證樣本數據的選取跨度定為1993-2011年，數據來源為該期間西部地區各省市的《城市統計年鑒》、《經濟統計年鑒》、《統計公報》。為了保證各數據序列具有可比性，以1993年為基期，運用1993-2011年間西部地區各省市的CPI指數對相應數據指標序列進行調整。調整后的數據序列FN、HB、ST、IN分別為產業結構升級指標、貨幣資產結構指標、證券資產結構指標、保險資產結構指標，其特征值見表1。

由表1可見，1993-2011年間，西部地區貨幣資產結構指標的均值最大，保險資產結構指標的均值最小。貨幣資產結構指標均值是保險資產結構指標均值的69.833倍，是證券資產結構指標的3.551倍。貨幣資產在西部地區金融資產結構中占有舉足輕重的地位，保險資產發展明顯不足。從殘差項看，西部地區證券資產結構指標的殘差項最大，保險資產結構指標的殘差項最小，這和現實情況基本一致。

（二）面板單位根及協整檢驗

在進行面板協整檢驗和PVAR模型分析之前，需要先對各數據序列的平穩性進行檢驗。這里的序列為面板型數據，運用傳統的單位根檢驗方法可能會產生效力偏低的偏誤。為此，這里分別采用了LLC、ADF和Fisher-PP三種適用于面板數據序列的方法進行檢驗，以保證檢驗結果的可靠性，結果見表2。

由表2的檢驗結果可知，1993-2011年間西部地區金融資產結構與產業結構數據序列的水平值都無法完全拒絕“存在單位根”這一原假設，各序列的一階差分檢驗值全部可以顯著拒絕原假設。因此，西部地區金融資產結構和產業結構指標序列均滿足一階單整，可運用面板協整檢驗方法來檢驗該期間金融資產結構調整與產業結構升級之間是否存在協整關系。為了保證檢驗結果的穩健性，這里采用了Pedroni[15]和Johansen 面板協整兩種方法進行檢驗，結果見表3。

表31993-2011年西部地區金融資產結構調整與

產業結構升級的面板協整檢驗結果指標FN、HB、IN、STPanel v-2.499**Panel rho 1.839*Panel PP-0.194Panel ADF 2.887***Group rho-Statistic 2.935***Group PP-Statistic 0.843Group ADF-Statistic 2.612**Fisher170.600***注：***、**、*分別表示在1%、5%和10%水平下顯著。

從表3中的Pedroni檢驗結果可見，除Panel PP和Group PP-Statistic兩個指標不顯著外，其他指標均顯著拒絕“不存在協整關系”的原假設，這表明變量間存在長期協整關系。同時，Fisher檢驗值也在1%的顯著度水平下顯著拒絕原假設，所以存在協整關系。

（三）PVAR模型估計

Chamberlain開創了基于面板數據的PVAR模型。以此為基礎，Douglas Holtz-Eakin、Whitney Newey和Harvey[16]建立了如下基于個體固定效應時變系數的PVAR模型和廣義距估計（GMM）法：

其中N為橫截面觀察個體，i和t分別為個體和時間，i=1，…，N；t=1，…，T，fi是未觀察個體效應；a0，t、al，t、δl，t、Ψt均為待估系數。μi，t滿足當i

T滿足T≥m+3，m為滯后期，yit滿足可觀察的條件。

隨后，Peasran和Smith的研究發現，當面板數據的N相對較大，T相對較小時，Chamberlain、Holtz-Eakin等構建的模型很難對參數作出準確估計[17]。Binder發現擴展的廣義距估計（Extend GMM）和QML估計可有效解決這一問題[18]。該模型如下：

wi，t是m×1維隨機變量；Φ為m×m維橫截面系數矩陣；μi為隨機干擾項，是m×1維向量個體固定效應。則PVAR的一般模型可表示為：

Yi，t是截面個體i在t時點M個可觀測變量的M×1維向量，Xi，t為可觀測確定性嚴格外生變量的M×1向量，Φt，κ、Ψi，j為M×M的待估系數矩陣，γi表示個體i的M個不可觀測的個體固定效應矩陣，μi，t為隨機誤差項。在實際應用中，滯后內生變量和外生變量的待估系數矩陣常常為非時變情形，即：

對模型（5）進行簡單推廣便可適用于模型（4）。據此可構建以下PVAR模型：

Vi，t為{FN，HB，ST，IN}T，FNi，t、HBi，t、STi，t、INi，t分別為第i個省市在時刻t的產業結構升級指標、貨幣資產結構指標、證券資產結構指標、保險資產結構指標。PVAR模型擁有一個前提假設，即每個省市的金融資產結構變量HB、ST、IN對產業結構升級的影響具有相同的基本結構，這顯然與現實存在較大差距。為此，這里把固定效應ηt和時間效應Φt引入模型，分別代表不同省市變量間存在的區域異質性和解釋系統變量里的趨勢特征，εi，t為白噪聲。在有效去除模型中固定效應和時間效應的干擾之后，即可采用GMM估計法來估計PVAR模型參數，具體結果見表4。根據AIC信息準則可得知模型的最佳滯后期為1期。

由表4的估計結果可知，西部地區FN對自身在1%水平上具有顯著的正向影響，影響度為0.923%；對HB在5%水平上具有顯著的正向影響，影響度為1.448%；對ST在10%水平上具有顯著的正向影響，影響度為0.581%；對IN有微弱的正向影響，影響度為0.025%，但并不顯著。HB對FN在5%水平上具有顯著的反向影響，影響度為-0.823%；ST對FN在10%水平上具有顯著的正向影響，影響度為1.051%；IN對FN具有微弱的反向影響，影響度為-0.051%，并不顯著。

三、面板脈沖響應及方差分解

為了讓誤差項實現正交，以便克服因誤差項相關而對估計效果產生影響，這里采用的方法是Cholesky殘差的方差—協方差矩陣分解。由于方程順序或內生變量順序在大多數情況下會影響Cholesky殘差的方差—協方差矩陣分解結果，需要建立相應的置信區間來避免這一問題。為此，本文以GMM方法估計出的系數以及方差—協方差矩陣為基礎，采用Monte Carlo模擬實驗隨機生成大量系數，重復計算變量間的沖擊響應，這一過程共進行了500次，用模擬結果所獲得的兩個標準誤差置信區間來評價變量間的沖擊響應是否顯著。圖1給出了西部地區金融資產結構調整與產業結構升級之間的PVAR正交化脈沖響應圖，其中橫軸為追溯期，這里共考察了6個追溯期；縱軸為其他變量產生一個標準差沖擊時因變量的響應程度；中間一條曲線為因變量的響應函數線，外側兩條曲線為2倍標準差的置信區間。

圖1 四變量{FN，HB，ST，IN}T的PVAR正交化脈沖—響應圖

圖1中第一行分別是FN對來自HB、ST、IN一個標準差沖擊的響應情況。由圖可見，當HB產生一個標準差沖擊時，FN在即期的響應值為0，隨后表現為一種反向效應，這說明1993-2011年間西部地區的貨幣資產增長并沒有促進產業結構升級。究其原因，這或許是因為貨幣資產的增加意味著社會融資環境變得更加寬松，在融資成本較低的條件下企業缺乏動力進行產業結構升級的緣故。當ST產生一個標準差沖擊時，FN在即期的響應值為0，之后則呈現為一種正向響應，說明證券資產結構的調整促進了西部地區產業結構升級，這與證券市場的資源優化配置功能相符。當IN產生一個標準差沖擊時，FN的即期響應值為0，之后逐漸呈現為一種反向響應，這或許與西部地區企業效益不高有關。當企業效益較差時，保險資產結構的提升意味著企業將為更多員工投保，或為原有員工增加投保金額，這可能會加重企業負擔，在一定時期內不利于企業發展，因此表現出一種微弱的反向響應。

圖1中第二行分別是HB、ST、IN對FN一個標準差沖擊的響應。從圖中可見，當FN產生一個標準信息差沖擊時，HB的響應為正向，這說明西部地區產業結構升級有利于貨幣資產結構的提升。這是因為產業結構升級后，其產出效率更高，企業和居民個人將擁有更多存款和財富，其顯現出來的效應就是整個社會的貨幣資金增加。當FN產生一個標準差信息沖擊時，證券資產結構在即期雖然表現為一種微弱的反向響應，但很快轉變為一種穩定的正向響應。說明從整體上看，產業結構升級有利于證券資產的發展。當FN產生一個標準差沖擊時，IN在即期表現為一種正向響應，之后逐漸向0收斂。說明西部地區產業結構升級能促進保險資產的發展，但從總體上看這種促進效應還相對較小。

為了進一步揭示各變量波動的來源，下面分別從10、20、30個預測期對HB、ST、IN和FN的預測均方誤差進行分解，進一步分析HB、ST、IN和FN間沖擊作用的具體構成，結果見表5。

由方差分解結果可知，在10、20、30個預測期，FN的變動中分別有37.288%、34.513%和34.493%的比例來源于自身，來源于HB的影響分別為17.336%、17.192%和17.178%，來源于ST的影響分別為41.343%、44.947%和44.991%，來源于IN的影響分別為4.033%、3.349%和3.339%。對FN變動影響的大小順序分別為證券資產結構調整、貨幣資產結構調整、保險資產結構調整。與此相應，FN對HB的影響分別占到32.369%、34.488%、34.492%，對ST的影響分別為29.191%、34.450%、34.492%，對IN的影響的分別為34.945%、34.498%、34.492%。由此可見，產業結構升級對證券資產結構調整、貨幣資產結構調整、保險資產結構調整的影響大小較為接近。

四、面板Granger因果檢驗

根據Granger的研究結論，如果兩個非平穩時間序列變量存在協整關系，那么這兩個變量間至少存在一個單向格蘭杰因果關系[19]。在假設變量已包含全部預測信息的前提下，Granger構建了以下檢驗模型。

Yt=mj=1ajXt-j+mj=1bjYt-j+εt（6）

Xt=mj=1ajYt-j+mj=1bjXt-j+εt（7）

該模型主要適用于時間序列數據。Hurlin和Venet認為，當檢驗對象為既有時間維度特征，又有截面維度特征的面板數據序列（Panel Data）時，由于樣本量明顯增大，自由度提高，解釋變量間的共線性程度會降低，基于面板數據序列為基礎的模型檢驗具有更強的穩定性和可靠性[20]。為此，在Granger模型的基礎上， Hurlin和Venet構建了以下基于面板數據序列為研究對象的格蘭杰因果關系檢驗模型：

Yi，t=pk=1γ（k）Yi，t-1+pk=1β（k）Xi，t-1+Vi，t（8）

Xi，t=pk=1γ（k）Xi，t-1+pk=1β（k）Yi，t-1+Vi，t（9）

在以上模型中，Vi，t=at+ωτ+εi，t，εi，t～i.i.d（0，σ2ε），X、Y為不同變量。模型（8）假設變量Y與其自身的過去值以及變量X的過去值相關，如檢驗結果顯示變量X的系數和顯著不等于0，則說明系統中僅存在X到Y的單向格蘭杰因果關系。模型（9）假設變量X與其自身的過去值以及變量Y的過去值相關，如估計結果顯示變量Y的系數和顯著不等于0，則說明系統中僅存在Y到X的單向格蘭杰因果關系。如果檢驗結果顯示變量X和變量Y都顯著不等于0，則說明變量X和變量Y之間存在雙向因果關系，即X是Y的格蘭杰原因，Y也是X的格蘭杰原因。遵循這一思路，本文的格蘭杰因果檢驗可基于如下誤差修正模型進行：

以上模型中，Δ代表變量的一階差分，p為變量的滯后期數。如檢驗結果顯示模型中的差分項顯著，則說明在短期內變量間存在格蘭杰因果關系；如檢驗結果顯示模型中的誤差修正項ecmt-1顯著，則說明在在長期內變量間存在格蘭杰因果關系。運用面板數據對西部地區12省市金融資產結構調整與產業結構升級變量進行格蘭杰因果關系檢驗，結果見表6。

由表6的檢驗結果可得出以下結論：第一，無論是FN與HB、FN與IN，還是FN與ST的格蘭杰因果關系檢驗的ecm均至少在5%水平顯著。說明在長期內，西部地區金融資產結構調整與產業結構升級之間存在雙向格蘭杰因果關系，即產業結構升級是金融資產結構調整的格蘭杰原因。同時，金融資產結構調整也是產業結構升級的格蘭杰原因。第二，在短期內，FN和HB、FN和ST、HB與ST之間只存在單向因果關系，即HB是FN的格蘭杰原因，但FN不是HB的格蘭杰原因；ST是FN的格蘭杰原因，FN不是ST的格蘭杰原因。第三，短期內，IN與FN之間不存在格蘭杰關系，即FN不是IN的格蘭杰原因，IN也不是FN的格蘭杰原因。

五、結論及政策建議

本文從金融資產結構調整視角出發，在構建面板向量自回歸模型（PVAR）的基礎上，綜合運用面板協整檢驗、面板脈沖響應和方差分解、面板格蘭杰因果關系檢驗等多種模型對1993-2011年間西部地區金融資產結構調整與產業結構升級之間的互動關系進行研究，獲得以下基本結論。

（1）西部地區金融資產結構調整與產業結構升級之間存在長期協整關系。金融資產結構調整對產業結構升級的作用方向是：貨幣資產結構調整對產業結構升級具有反向作用；證券資產結構調整對產業結構升級具有正向效應；保險資產結構調整對產業結構升級具有反向效應，但作用效果比較微弱。產業結構升級對金融資產結構調整的作用方向是：產業結構升級有利于貨幣資產的增長；在短期內雖對證券資產增長具有反向影響，但總體上有利于證券資產增長；對保險資產增長有正向影響，但這種影響較為微弱。（2）從波動性看，證券資產結構調整對產業結構升級的影響度最大，其次分別是貨幣資產結構調整和保險資產結構調整，產業結構升級對證券資產結構調整、貨幣資產結構調整、保險資產結構調整的影響大小較為接近。（3）從因果關系看，在長期，西部地區金融資產結構調整與產業結構升級之間存在雙向格蘭杰因果關系。在短期，西部地區存在由貨幣資產結構調整到產業結構升級的單向格蘭杰因果關系，以及由證券資產結構調整到產業結構升級的單向格蘭杰因果關系，保險資產結構調整與產業結構升級之間不存在格蘭杰因果關系。

為此，西部地區應在進一步做大金融資產規模，滿足產業結構升級對金融資產總量需求的前提下，不斷優化金融資產結構和產業結構，促進西部地區金融資產結構調整與產業結構升級良性互動機制的形成。在金融資產結構調整方面：一是要提升銀行業務創新能力、提升貨幣資產對產業結構升級的作用效率；二是要創新證券市場產品，充分發揮證券市場的資金集聚和金融資源配置功能，增強證券資產對產業結構升級的促進作用；三是要增大保險資產總量，提升保險資產對產業結構升級的促進作用。在產業結構升級方面：一是要加大傳統農業升級改造力度，提高農業產業化和現代化水平；二是要積極應用新型適用技術改造傳統工業，為金融資產結構與產業結構協調發展創造良好外部環境；三是要大力提升第三產業發展速度和水平，增大第三產業總量。

參考文獻：

[1] GOLDSMITH R.Financial structure and economic development[M].NewHaven：Yale University Press， 1969：155-213.

[2] BECK T，LEVINE R.Industry growth and capital allocation： Does having a market or bankbased system matter[R]. NBER Working Paper， 2002：82-89.

[3] CHANG，CAUDILL.Financial development and economic growth： The case of Taiwan[J]. Applied Economics， 2005，37：1329-1335.

[4] LUINTEL K B， KHAN M， ARESTIS P，et al.Financial structure and economic growth[J].Journal of Development Economics， 2008，86：181-200.

[5] 張曉燕，王成亮.中國金融結構和產業結構關系的實證研究[J].當代經濟， 2007（8）：32-33.

[6] 冉茂盛.我國經濟適度穩定增長的貨幣供給邊界研究[J].重慶大學學報：社會科學版， 1999 （1）：32-34.

[7] CHRISTOPOULOS，TSIONAS.Financial development and economic growth： Evidence from panel unit root and cointegration tests[J]. Journal of Development Economics，2004，73：55-74.

[8] 蘇振天.安徽省金融結構與產業結構互動關系的實證分析[J].技術經濟， 2008，27（10）：96-100.

[9] 韓曉明，范德成.金融結構調整和黑龍江省產業結構升級的關系機理研究[J].現代管理科學，2010（6）：88-90.

[10] 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， 2003，81 （11）：36-48.

[11] ANTZOULATOS A A， APERGIS N， TSOUMAS C.Financial structure and industrial structure[J]. Bulletin of Economic Research，2011，63（2）：3307-3378.

[12]毛定祥.中國金融結構與產業結構經濟結構關系的實證研究[J].運籌與管理， 2006，15（5）：122-127.

[13]ATINDEHOU，GUEYIE，AMENOUNVE.Financial intermediation and economic growth： Evidence from Western Africa[J]. Applied Financial Economics， 2005， 15（11）：777-790.

[14] GRIES，KRAFT，MEIERIEKS.Linkages between financial deepening， trade openness， and economic development： Causality evidence from Sub-Saharan Africa[J]. World Development，2009，37（12）：1849-1860.

[15] PEDRONI.Critical values for cointegration tests in heterogeneous panels with multiple repressors[J].Oxford Bulletin of Economics and Statistics， 1999，61： 653-670.

[16]HOLTZEAKIN D.Estimating vector autoregressions with panel data[J].Econometrica，1988，56（6）：1371-1395.

[17]PESARAN M H， SMITH R.Estimating longrun relationships from dynamic heterogeneous panels[J]. Journal of Econometrics，1995，68（1）：79-113.

[18]BINDER.Estimation and inference in short panel vector autoregressions with unit roots and cointegration [J]. Econometric Theory，2003，21（4）：795-837.

[19]GRANGER C W J.Investigating causal relations by econometric models and crossspectral methods[J]. The Econometric Society，1969，37： 424-438.

[20]HURLIN C，VENET B.Granger causality in panel data models with fixed coefficients [DB/OL].[2013-10-17].http： //www.core.uc.lac.be/archives/EC2-2001/program.htm，l， 2001（12）：13.