實體經濟脆弱性測度及其影響因素研究

湯 萱,廖高可,謝夢園

(1.廣州大學 經濟與統計學院，廣東 廣州 510006； 2.湖南大學 金融與統計學院，湖南 長沙 410082)

實體經濟脆弱性測度及其影響因素研究

湯 萱1,廖高可2,謝夢園1

(1.廣州大學 經濟與統計學院，廣東 廣州 510006； 2.湖南大學 金融與統計學院，湖南 長沙 410082)

在考慮實體經濟不景氣的背景下，提出實體經濟脆弱性的概念，從經濟預期環節、流通環節和生產環節三個方面構建實體經濟脆弱性測度指標體系，測算實體經濟脆弱性指數，其結果表明實體經濟脆弱性具有較大波動性，目前處于高位運行狀態。其次從居民、企業和政府三部門角度考察實體經濟脆弱性影響因素，通過使用ARDL模型和LSTAR模型對其進行分析，得出金融企業部門對實體經濟脆弱性的影響具有非對稱性，其它影響因素對實體經濟脆弱性的影響存在長期協整關系的結論。

實體經濟脆弱性；影響因素；ARDL；LSTAR

一、引言

目前，大部分關于實體經濟的研究主要圍繞實體經濟與虛擬經濟的關系、金融與實體經濟的關系來研究實體經濟，而缺乏單獨對實體經濟的研究。近年來，“實體經濟不景氣”這個詞頻繁出現在人們的視野中，但究竟什么影響了實體經濟不景氣，實體經濟不景氣的程度如何量化？這一問題卻少有涉及研究，本文擬從實體經濟本身出發，提出實體經濟脆弱性的概念，通過實體經濟脆弱性來說明實體經濟的情況，同時對實體經濟脆弱性的影響因素進行探索性研究。

在關于脆弱性的研究方面，國外學者的起步較早，脆弱性的概念最早出現在流行病學領域，隨后擴大到有關生態環境變化、氣候變化、可持續發展、災害學、社會學和經濟學等領域的脆弱性研究及評估脆弱性的應用。Timmerman(1981)[1]在研究地質領域提出脆弱性的概念，指出脆弱性是一種度，即系統在災害事件中受到不利影響的程度。Kates(1985)[2]認為脆弱性是一種能力，反映系統遭受損害時產生反應的能力。Gabor等(1980)[3]認為脆弱形式是一種可能性，即度量系統受到物質威脅致使系統損害的可能性。在學者把脆弱性廣泛應用在自然系統和人文系統等科學領域時，研究者開始關注經濟脆弱性的問題，從研究自然災害、社會事件等外部因素脅迫導致經濟脆弱性的產生，然后關注到社會經濟系統結構的內部因素也起著關鍵的影響，還有經濟行業自身脆弱性對經濟系統整體的影響。如張成思等(2016)[4]研究了經濟金融化對我國實業投資率的影響，并指出金融化程度對實業投資率具有擠出作用，同時弱化貨幣政策對實業投資率的提升效果，且會加劇金融資產的風險收益錯配對實業投資的抑制作用。然而，Campello等(2011)[5]、劉雪松和洪正(2017)[6]、吳成頌等(2015)[7]指出銀行授信和合理有效的信貸資源配置可以提高實體經濟對流動性沖擊的應對能力，緩和金融危機對實體企業的影響。Nanda和Rhodes-Kropf(2016)[8]、鄭玉航和李正輝(2015)[9]、劉悅等(2016)[10]指出金融市場為企業提供的靈活多樣的融資產品和工具，能有效改善企業內部治理，促進企業的資本積累，提高實體企業的技術創新和科技創新能力。

關于經濟學中脆弱性界定，在1990年召開的聯合國貿易和發展會議上首次提出“經濟脆弱性”概念，指經濟體系由于自身固有的特性面對不利事件沖擊的暴露性的承受能力。Dow(1992)[11]強調脆弱性是自身系統的應對能力，指系統承受不利影響的能力。Fineberg(1996)[12]認為是社會經濟系統和物理環境受自然災害的影響程度及系統恢復能力。國內學者李鶴等(2008)[13]指出是系統對擾動的敏感性和缺乏抵抗力而造成的系統結構和功能容易發生改變的屬性。孫平軍等(2010)[14]在研究礦物城市經濟系統脆弱性時，認為經濟系統脆弱性是經濟系統面對內外擾動的敏感因素時，由于應對能力不足而呈現出不利于可持續發展演變的狀態。蘇飛等(2010)[15]認為是指經濟系統對內外擾動缺乏應對能力而使系統本身遭受損害的一種本質屬性，并指出這種屬性只在系統受損害是才表現出來。袁海紅等(2015)[16]認為是指由產業重要性、產業易損性、經濟密度以及企業規模四種致災因子而引致的經濟承災體遭受的損失。

大量學者對金融與實體經濟的關系進行了研究，張曉樸等(2014)[17]指出，金融體系并非是實體經濟對立面的虛擬經濟，而是作為服務業一部分直接貢獻了實體經濟產出，并且還是實體經濟配置資源的核心。鄭建明等(2017)[18]發現實體企業的影子銀行參與度以及影子銀行的投資度均能有效地提高了企業的投資效率。李靜萍(2015)[19]指出中國的實體經濟對金融部門的依賴程度較高，但金融部門向實體經濟的資金配置有規模而缺乏效率。戴偉等(2017)[20]指出雖然金融市場化顯著提高了我國實體經濟的資本配置效率，但我國目前以銀行信貸為主的金融體系對提升實體經濟資本配置效率的效果并不明顯。葉茜茜(2016)[21]指出高負債且不穩定的金融脆弱性是金融危機的根本原因。郭瑩瑩(2013)[22]指出金融系統內在脆弱性引發的金融危機是當前經濟危機的主要存在形式。在金融危機對實體經濟的影響研究中，李飛等(2009)[23]、王欣和陳麗珍(2012)[24]、萬蘭蘭(2016)[25]、Devereux和Dwyer(2016)[26]指出銀行危機或金融危機不僅沖擊實體經濟，還會通過影響消費者的購買心理和行為進一步影響實體經濟。王永欽等(2016)[27]發現金融資產泡沫不僅影響實體經濟效率和造成經濟波動以及經濟扭曲，亦可能緩解實體經濟中的扭曲現象。本文中的脆弱性是指由金融資源引起的實體經濟的脆弱性，其主要表現在生產和流通兩個領域，同時會對經濟預期產生顯著影響。結合相關學者對脆弱性的探討，本文認為脆弱性是對實體經濟發展的一種綜合度量，指在社會環境因素和經濟系統自身因素的共同作用下，面對發展過程中的生產效益、流通效率、資源利用率、經濟預期等積聚起來形成對實體經濟的威脅和擾動，使其無法維持現有社會經濟和科學技術水平的運轉能力的狀態。從經濟發展的角度來看，脆弱性與可持續發展密切相關，要實現經濟可持續發展，需要降低實體經濟脆弱性，保證其在外界因素的沖擊下能夠保持穩定發展。由此，我們可認為脆弱性可以作為衡量經濟可持續發展的一個程度，若難以控制威脅因素的損害范圍使脆弱性過高，則在不同程度上抑制經濟發展甚至破壞經濟發展的現實形態，導致經濟向不利于可持續發展的方向演變，當這種演變積累到某種程度經濟系統就會崩潰，出現經濟不景氣等經濟危機。同時，脆弱性來源于經濟系統內部結構自帶的屬性，當社會各影響要素成為經濟系統的擾動因素時，就成為了脆弱性表現的導火索。因此有效控制實體經濟的脆弱性，只有將其控制在一定范圍之內，才可實現實體經濟的可持續性發展。同時，經濟脆弱性與行為主體的預期也具有非常強的關聯性。

二、實體經濟脆弱性的測度

(一)實體經濟脆弱性測度的原理

合理選擇評價指標是進行實體經濟脆弱性指數編制的統計基礎。本文對實體經濟脆弱性指數評價指標的選取標準是依據實體經濟運行的基本環節并考慮經濟預期，基于此構建實體經濟脆弱性指標體系。認為實體經濟的運行情況主要通過經濟預期、流通環節和生產環節3個方面來反映，通過選取能夠反映各個環節具體情況的相關指標構成經濟預期脆弱性指數、流通環節脆弱性指數和生產環節脆弱性指數，然后利用變異系數、熵值、相關系數和CRITIC 4種賦權法的簡單算術平均計算得到經濟預期、流通環節和生產環節權重，最后通過所得權重求出實體經濟脆弱性指數。

實體經濟脆弱性評價指標體系設計時，指標選取需要遵循全面性、數據可獲得性和代表性的基本原則。同時還必須注意兩個方面內容：一是注重單個指標所代表的意義，即在經濟意義能夠相對全范圍覆蓋的基礎上，選取出的確認指標能夠在某一個方面具有較強的代表性；二是注重指標體系的內部結構。一般來說，指標的代表性和指標體系的全面性是在指標體系構建過程中難以兼顧的難題。若滿足全面性的要求，勢必會增加指標體系中指標的個數；但增加了指標的個數，指標間的相關程度可能性增大，且各指標之間的顯著性差異缺乏，又影響指標的代表性。當指標之間相關性程度較高或者沒有顯著差異時，指標和數據相互之間提供的信息可能存在大量交叉、重復、矛盾甚至是無效的內容。

(二)實體經濟脆弱性測度指標體系構建

根據前文的分析，本文分別從經濟預期環節、流通環節和生產環節來構建實體經濟脆弱性指標體系。

對于經濟預期環節，本文選取了5個代表性指標，它們分別是宏觀經濟景氣指數、消費者信心指數、房地產景氣指數、制造業采購經理指數和非制造業采購經理指數。該5個指標分別代表宏觀經濟、消費、房地產業、制造業和非制造業五個方面說明實體經濟脆弱性情況。宏觀經濟景氣指數反映當前經濟的基本走勢，由工業生產、就業、社會需求(投資、消費、外貿)、社會收入(國家稅收、企業利潤、居民收入)等4個方面合成，主要是實時衡量宏觀經濟運行態勢，當實體經濟脆弱性較強時，宏觀經濟就會易受到沖擊，宏觀經濟景氣指數就會下降，所以該指標與實體經濟脆弱性呈負相關關系；消費者信心指數是綜合反映并量化消費者對當前經濟形勢評價和對經濟前景、收入水平、收入預期以及消費心理狀態的主觀感受，是預測經濟走勢和消費趨向的一個先行指標，當實體經濟脆弱性較強時，消費者認為經濟環境惡劣，會盡量回避消費，所以該指標與實體經濟脆弱性呈負相關關系；房地產景氣指數是綜合反映全國房地產業發展景氣狀況的總體指數，可以從土地、資金、開發量、市場需求等角度顯示全國房地產業基本運行狀況，波動幅度，預測未來趨勢，當實體經濟脆弱性較強時，作為中國經濟支撐之一的房地產業必然會受到巨大的沖擊，所以該指標與實體經濟脆弱性呈負相關關系；采購經理指數反映了商業活動的現實情況，通過各指標的動態變化來反映經濟活動所處的周期狀態，當實體經濟脆弱性較強時，無論是制造業采購經理指數還是非制造業采購經理指數均會易受到沖擊而下降，所以該指標與實體經濟脆弱性呈負相關關系。

由于中國經濟不斷迅速發展的原因，指標如采用絕對數，則不能反映出實體經濟脆弱性的變化情況，故本項目在流通環節和生產環節所選用的指標均采用增長率來說明流通環節和生產環節的脆弱性。

對于流通環節，本項目選取了5個代表性指標，它們分別是貨物運輸量增長率、貨物周轉量增長率、旅客運輸量增長率、旅客周轉量增長率和港口吞吐量增長率。該5個指標分別從貨物流通角度、旅客流通角度和港口貨物流通角度來說明實體經濟在流通環節的脆弱性。貨物運輸量和貨物周轉量是反映交通運輸部門同國民經濟其他部門相互聯系的主要指標，貨物運輸量增長率和貨物周轉量增長率反映了工農業生產和基本建設的相對比較情況，當實體經濟脆弱性較強時，貨物運輸量增長率和貨物周轉量必然會放緩甚至變為負，所以該指標與實體經濟脆弱性呈負相關關系；旅客運輸量和旅客周轉量同樣是反映交通運輸部門同國民經濟其他部門相互聯系的主要指標，旅客運輸量和旅客周轉量取決于了人們的出行次數與平均距離，旅客運輸量增長率和旅客周轉量增長率則反映了人們作為經濟活動主體的相對活躍情況，當實體經濟脆弱性較強時，旅客運輸量增長率和旅客周轉量增長率必然會放緩甚至變為負，所以該指標與實體經濟脆弱性呈負相關關系；港口吞吐量是指經水運輸出、輸入港區并經過裝卸作業的貨物總量，港口吞吐量增長率則反映了實體經濟貨物水運流通的相對情況，當實體經濟脆弱性較強時，港口吞吐量增長率必然會放緩甚至變為負，所以該指標與實體經濟脆弱性呈負相關關系。

對于生產環節，本項目選取了5個代表性指標，它們分別是進出口總額增長率、工業增加值增長率、工業企業利潤增長率、發電量增長率、固定資產投資完成額增長率。該5個指標分別從進出口、工業、能源和固定資產的角度來說明實體經濟在生產環節的脆弱性。進出口總額指實際進出中國國境的貨物總金額，進出口總額增長率則反映了國家在對外貿易方面總規模的變化情況，當實體經濟脆弱性較強時，進出口總額增長率必然會放緩甚至變為負，所以該指標與實體經濟脆弱性呈負相關關系；工業增加值和工業企業利潤指工業企業的工業生產活動的最終成果和收益情況，工業增加值增長率和工業企業利潤增長率則反映了生產單位或部門對國內生產總值的貢獻和其自身獲利情況的變化，當實體經濟脆弱性較強時，其增長率均會放緩甚至變為負，所以該指標與實體經濟脆弱性呈負相關關系；發電量指發電機進行能量轉換產出的電能數量，電能是企業生產活動中主要使用的能源之一，發電量增長率則反映了企業能源消耗的變化情況，當實體經濟脆弱性較強時，企業活躍度下降，消耗的能源量減少，發電量增長率必然會放緩甚至變為負，所以該指標與實體經濟脆弱性呈負相關關系；固定資產投資完成額一是定時期內建造和購置固定資產的工作量以及與此有關的費用的總稱，中國體制制約著固定資產投資具有較強的政府行為性質，而在生產領域實行的經濟活動，固定資產投資完成額增長率則反映了該生產領域經濟活動的變化情況，當實體經濟脆弱性較強時，固定資產投資完成額增長率必然會放緩甚至變為負，所以該指標與實體經濟脆弱性呈負相關關系。

基于經濟預期、流通環節和生產環節的理論分析，選取測算實體經濟脆弱性的要素層指標后，接下來要進行實體經濟脆弱性關于要素層指數的測算，即對經濟預期脆弱性、流通環節脆弱性和生產環節脆弱性的測算。要素層均可直接通過指標層的指標進行反映，但是由于各指標的量綱與經濟含義存在一定的差別，需要使用一定方法對要素層各指標進行歸一化處理。經過相關實驗測算，發現各指標標準化和一致化后，經濟數據的變異系數幾乎沒有差別，故可認為各個指標在標準化后對實體經濟脆弱性中的經濟預期、流通環節和生產環節的描述能力基本一致，所以采用等權方式匯總，即簡單平均法將這些標準化后的指標匯總得到經濟預期脆弱性指數、生產環節脆弱性指數和流通環節脆弱性指數。

根據以上分析，本文所構建的實體經濟脆弱性評價指標體系如表1所示，選取2002年1月至2015年12月的月度數據作為樣本。

表1 實體經濟脆弱性指標體系表

(三)測度方法及結果分析

實體經濟脆弱性是由要素層經濟預期脆弱性指數、流通環節脆弱性指數和生產環節脆弱性指數通過加權復合而成的，故需要對要素層和指標層權重進行確定，而對于原始數據的標準化，本文采用Z-Score法。

按照權數性質可分為信息量權數、獨立性權數和估價權數，或者按賦權方法分為兩類。前兩種稱為客觀賦權法，第三種稱為主觀賦權法。為避免主觀因素的影響，本項目采用客觀賦權法，由于對客觀賦權法的取舍有主觀的影響，所以本項目采用變異系數、熵值、相關系數和CRITIC四種賦權方法的簡單算術平均。其中變異系數和熵值賦權是根據信息量進行賦權，如果一個評價指標在評價對象之間的差異程度大，則體現評價對象的信息量越多，所以賦給較大的權重。而相關系數賦權是根據指標之間的相關性賦權的，若該指標與其他所有指標的相關性弱，則獨立性越強，則賦予較大的權重。CRITIC是將信息量和相關性均考慮進去。本文則將變異系數賦權法、熵值賦權法、相關系數賦權法和CRITIC賦權法四種賦權方法所計算的權重經過簡單的算數平均，計算出各指標層和要素層的最終權數，其中要素層結果如表2所示。

從表2可以看出，預期環節所占權重最大，占總權重的50.93%，生產環節和流通環節所占比重分別為25.16%和23.91%，說明經濟預期環節對實體經濟脆弱性的影響最大，而生產環節和流通環節對實體經濟脆弱性的影響存在細微差別。通過計算得到實體經濟脆弱性總指數，其時序圖如圖1所示。

可以看出實體經濟脆弱性指數具有一定波動性。2002年到2007年雖然存在較強的波動，但是其波動速率較為平緩，而到了2008年實體經濟脆弱性指數陡然上升，并且在2009年達到頂峰，其脆弱性指數值已經到達0.8，從此處開始，實體經濟脆弱性指數開始下降，一直到2010年年初達到波谷。從2010年第二季度一直到2015年，實體經濟脆弱性指數一直在平穩上升，直到2015年年尾甚至快接近0.8逼近2009年的峰值。

表2 實體經濟脆弱性指數各系統層的權重

圖1 實體經濟脆弱性指數結果圖

三、實體經濟脆弱性的影響因素模型構建

(一)影響因素變量的選擇

國內學者羅能生等(2012)[28]結合新古典增長理論及制度變遷理論對經濟增長動力進行了深入研究，認為制度變遷、科技創新、教育優化和金融制度進步是實體經濟快速發展的主要影響因素。本文主要考查實體經濟脆弱性的影響因素，由于居民、企業和政府是實體經濟運行過程中必不可少的一部分，任何一個部門的經濟活動均會對實體經濟產生重大影響。為了科學地分析各部門對實體經濟脆弱性的影響，本文通過選取合理的指標進行實證分析。

在指標的選擇上，從居民的角度出發，居民是實體經濟運行過程中的消費者，主要通過消費活動來對實體經濟脆弱性產生影響。而居民的消費習慣變化主要體現在物價的變化上，CPI最能直接反映物價對人民生活的影響程度，CPI過高或過低均會導致經濟動蕩，提高實體經濟脆弱性。因此本文選擇CPI作為居民部門對實體經濟脆弱性的影響因素。

從企業的角度出發，金融企業和非金融企業在實體經濟運行過程中所扮演的角色截然不同，實體經濟運行過程中的生產者絕大部分由非金融企業擔任，而金融企業主要服務于非金融企業，為其資金運行提供保障。因此，在指標的選擇上，社會融資規模反映了實體經濟從金融體系獲得的全部資金總額，金融企業通過其投入到實體經濟的資金來對實體經濟脆弱性產生影響；工業增加值是工業企業生產過程中新增加的價值，若工業增加值過低則說明實體經濟運行的首端就出現了不景氣的情況，其必然對實體經濟脆弱性產生影響。因此本文選擇社會融資規模和工業增加值同比增長率作為金融企業和非金融企業對實體經濟脆弱性的影響因素。

從政府角度出發，政府是實體經濟運行過程中的調控者，主要通過實施宏觀經濟政策對整體的經濟運行進行調控，由于實體經濟運行過程中以貨幣作為交易媒介，一定時期內狹義貨幣供應量M1可以近似看作能夠投入實體經濟中的貨幣量，同時，借鑒李翔等(2015)的研究結果，實體經濟更多的受到貨幣供應量的非線性影響[29]。本文選擇M1同比增長率作為政府部門對實體經濟脆弱性的影響因素。

(二)函數基本形式確定

首先將實體經濟脆弱性影響因素模型設定為一般多元回歸模型形式如下：

(1)

在式(1)中，y為實體經濟脆弱性，x1為CPI，x2為社會融資規模，x3為工業增加值增長率，x4為M1增長率，c為常數項，μ為隨機擾動項。考慮到各影響因素對實體經濟脆弱性可能存在滯后性影響，則式(1)的形式變為

(2)

處于不同經濟周期時，不同影響因素對實體經濟脆弱性的影響程度可能存在非線性特征，因此需要構建非線性的實體經濟脆弱性影響因素函數模型。而平滑轉移模型(smoothtransitionregression)它可以通過選取不同的轉移變量或轉移函數形式較為準確地描述經濟過程中線性模型與非對稱模型的轉換。基于此，本項目采用平滑轉移模型分析實體經濟脆弱性影響因素。

平滑轉移模型基本的表達方程形式是：

yt=φ′zt+θ′ztG(st;γ,c)+ut,u～iid(0,σ2)

(3)

式(3)可以分為兩部分，即線性部分和非線性部分，其中zt=(wt′,xt′)′是(m×1)×1的解釋變量，其中wt′=(1,yt-1,……,yt-p)′,xt′=(x1t,……,xkt)′，φ和θ分別代表線性和非線性部分的參數向量，G(st;γ,c)為轉移函數，其取值范圍介于0和1之間，st為轉移函數中的轉移變量，γ和c分別稱為平滑參數和位置參數，平滑參數決定著轉移函數變化的平滑性，γ的變動能夠反映模型機制轉換的劇烈程度，而位置參數可以理解為兩種機制或多種機制轉換的門限。其中G(st;γ,c)是連續的奇函數或偶函數，奇函數通常假設為logistic函數形式，偶函數假設為指數形式。

(4)

偶函數：G(st;γ,c)=1-e{-γ(st-c)}2

(5)

轉移函數為logistic形式的STR模型稱為LSTAR模型，而轉移函數為指數形式的STR模型稱為ESTAR模型。Granger等(2006)[30]指出LSTAR模型可用于描述實體經濟脆弱性影響因素的動態特征相對不同，并且一個階段到另一個階段的轉換平滑，而ESTAR可用于描述實體經濟脆弱性影響因素具有動態相似性，而其平穩階段具有相異動態性。LSTAR描述的現象更符合現實，因此本文采用LSTAR模型刻畫實體經濟脆弱性影響因素函數的非線性變化過程，相應的實體經濟脆弱性影響因素函數模型為：

G(st;γ,c)

(6)

四、實體經濟脆弱性的影響因素實證分析

(一)數據預處理與模型設定

根據上述內容可以得出，本部分主要是為了研究居民、企業和政府3個方面對實體經濟脆弱性的影響因素，根據模型的設定形式，首先需要確定模型的滯后階數。使用EVIEWS進行自回歸分布滯后模型(ARDL)分析可以初步建立解釋變量與被解釋變量之間的關系，得到變量的滯后階數，ARDL模型要求各時間序列的單整性不超過1，但不要求時間序列要嚴格有I(0)或I(1)單整性。因此在模型實證以前，需要對數據的平穩性等進行檢驗，驗證數據生成過程是否單整性不超過1。為了便于表述，將變量實體經濟脆弱性用y表示，CPI用x1表示，社會融資規模用x2表示，工業增加值增長率用x3表示，狹義貨幣供應量M1增長率用x4表示。檢驗具體結果如表3所示，所有變量均為一階單整。

表3 各變量的單位根檢驗結果

注：表中變量僅列出平穩狀態下的結果

然后使用ARDL模型建立解釋變量與被解釋變量的協整關系，結果如表4所示。

通過表4的結果可以得出變量Y滯后3階最優，變量X1滯后1階最優，變量X3滯后2階最優，變量X2、X4無滯后項，模型整體結果較好，但變量X2不顯著，為了檢驗模型是否具有非線性特征，可采用LM檢驗方法來判定模型的非線性，根據序貫假設，使用不同轉移變量對函數線性進行假設檢驗，其結果如表5所示。

表4 ARDL模型的檢驗結果

注：模型R-squared為0.926874，Adjusted R-squared為0.922125

從表5的結果可以看出，以X1和X4為轉移變量時，拒絕模型為線性模型的假設，接受模型為非線性模型假設，以X1和X3為轉移變量時，接受模型為線性模型的假設，同時表明實體經濟脆弱性波動的非線性特征主要源于金融資源投入實體經濟的總量和狹義貨幣供應量的總量。

(二)模型的參數估計

確定轉換變量與轉換函數的形式之后，需要對模型進行估計，STR模型的估計是遵循非線性最優化的路線，本文選擇網格搜尋法進行估計，其基本思想為：選取γ的一組值和c的一組值，對兩組數據分別進行組合，將各組合分別代入到轉換函數中，找到使得轉換函數估計所得的殘差平方和最小的γ和c，所得γ和c即為轉換函數的參數，表6是利用JMulTi軟件得出的兩個不同轉移變量模型初始值，其展現了兩個不同轉移變量模型的平滑參數和位置參數的初始估計值的區間范圍，而只有平滑參數和位置參數的初始估計值落在其構造的區間內，才可以作進一步的參數估計和優化。

表5 線性假設檢驗和模型選擇檢驗結果

表6 平滑參數和位置參數的初始估計值

從表6中得到相應的參數值都落在了相對應的區間內。根據平滑參數和位置參數的初始估計值，結合理論模型的構建，對兩個不同轉移變量模型進行參數估計，其中以X4作為轉移變量結果大部分不顯著，在此僅列出以X2作為轉移變量估計結果，如表7所示。

通過上述實證結果可得模型形式如下：

y=[0.5723+0.9067yt-1-0.6731yt-2-1.16*10-5x2-0.0034x3+0.009x3,t-1-0.0036x3,t-2-0.0146x4]+[-0.1995-0.289yt-1+0.5689yt-2+1.12*10-5x2-0.006x3-0.0064x3,t-1+0.0017x3,t-2+0.0123x4]G(Zt)

(7)

其中G(Zt)=[1+exp(-12.0242(x2-4607.655)]-1

表7 模型的參數估計結果

注：模型R-squared為0.945275，Adjusted R-squared為0.937239。

(三)實證結果分析

根據表6和表7結果可以得出，非線性模型的位置參數為12.0242，即閾值為莫蘭指數為12.0242時，此值表示實體經濟脆弱性受不同影響因素影響所產生不同效應的中間點，且表明實體經濟脆弱性在研究時期內受影響因素的影響具有明顯差異，存在非對稱性。在模型的線性部分，可以看出實體經濟脆弱性的一階滯后、二階滯后項通過顯著性檢驗，說明實體經濟脆弱性在穩定狀態下運行時主要受其自身前一個月和前一兩個月時期的影響，而三個月前的狀態對其現狀影響并不顯著。從居民、企業和政府三個方面的影響來看，CPI對實體經濟脆弱性的影響并不顯著，而其它指標均能通過顯著性檢驗，說明居民的消費對實體經濟脆弱性的解釋程度不及企業和政府。在模型的非線性部分，其顯著性結果與線性部分類似，說明實體經濟脆弱性發生突變在另一區制下運行時，影響因素沒有變化。

再從其系數值來看，在模型的線性部分，實體經濟脆弱性受其自身影響，其前一個月和前兩個月的影響存在正負交替性，前一個月的影響為0.9067，前兩個月的影響為-0.6731，說明實體經濟脆弱性自身會進行調節，若不考慮其它因素，實體經濟脆弱性對其自身整體呈正向影響。社會融資規模對實體經濟脆弱性影響為負，說明實體經濟從金融機構中獲取的資金越多，實體經濟脆弱性越低。工業增加值同比增長率對實體經濟脆弱性的影響也存在正負交替性。M1同比增長率對實體經濟脆弱性影響為負，說明M1增長有利于降低實體經濟脆弱性。在模型的非線性部分，實體經濟脆弱性發生突變在另一區制下運行時，大部分變量的對實體經濟脆弱性的影響均發生了變化，實體經濟脆弱性受其自身影響和工業增加值對實體經濟脆弱性仍然為正負交替影響，但社會融資規模和M1同比增長率對實體經濟脆弱性的影響與線性部分正好相反，說明社會融資規模和M1同比增長率的上升會提高實體經濟脆弱性。

五、結論

本文首先通過經濟預期環節、流通環節和生產環節三個方面來反映實體經濟脆弱性，并構建實體經濟脆弱性評價指標體系，測算實體經濟脆弱性指數，然后進一步使用ARDL模型和LSTAR模型考察實體經濟脆弱性的影響因素，得出以下結論。

1．經濟預期對實體經濟脆弱性具有顯著的解釋效果。基于實體經濟脆弱性指標權重的結果可以得出，經濟預期環節占實體經濟脆弱性測度的權重達到50%，而經濟運行的生產環節和流通環節所占權重為25%，說明人們對經濟形勢的態度能在一定程度上說明實體經濟脆弱性，經濟運行的生產環節和流通環節對實體經濟脆弱性的解釋程度不具有顯著性差異但都遠小于經濟預期的解釋程度。

2．實體經濟脆弱性具有較大波動性。基于實體經濟脆弱性指數測算結果可以得出，在2002年到2007年實體經濟脆弱性指數波動速率較為平緩，2008年至2010年受美國次貸危機和中國應對次貸危機措施的影響，實體經濟脆弱性指數波動速率迅速，指數先呈現快速上升后迅速下降，2010年至2015年，實體經濟脆弱性指數開始呈現持續上升的狀態，直到2015年年尾甚至已經逼近2009年的峰值。這種現象說明中國實體經濟脆弱性一直不穩定具有較大波動性，且在近幾年實體經濟脆弱性不斷提高，實體經濟抵御外界風險的能力下降，實體經濟情況不容樂觀。

3．社會融資規模對實體經濟脆弱性影響不具有長期協整關系。基于自回歸分布滯后模型的實證結果可以得出，居民消費價格指數、工業增加值增長率、狹義貨幣供應量均與實體經濟脆弱性具有長期協整關系，且總體上均與實體經濟脆弱性呈負相關關系。實體經濟脆弱性自身對其影響最大持續時間最長，從其他影響因素來看，工業增加值對實體經濟脆弱性的影響持續時間最長，但是社會融資規模的實證結果不顯著。說明從長期來看居民消費價格指數的上升，工業增加值提高和狹義貨幣供應量總量提高均有利于降低實體經濟脆弱性，提高實體經濟運行的穩定性。

4．社會融資規模對實體經濟脆弱性影響具有非對稱性。基于LSTAR模型的實證結果可以得出，社會融資規模對實體經濟脆弱性影響不具有長期協整關系是由于社會融資規模對實體經濟脆弱性影響具有非對稱性，在社會融資規模較低的情況下，社會融資規模對實體經濟脆弱性的影響為負，在社會融資規模較高的情況下，社會融資規模對實體經濟脆弱性的影響為正。

[1]TIMMERMAN P. Vulnerability, resilience and the collapse of society: A review of models and possible climatic applications[J]. Environmental Monograph. 1981.

[2]KATES R W. The interaction of climate and society[J]. Climate Impact Assessment, 1985,27:3-26.

[3]GABOR T, GRIFFITH TK. The assessment of community vulnerability to acute hazardous materials incidents[J]. Journal of Hazardous Materials, 1980,3(4):323-333.

[4]張成思, 張步曇. 中國實業投資率下降之謎:經濟金融化視角[J]. 經濟研究, 2016(12):32-46.

[5]CAMPELLO M, GIAMBONA E, GRAHAM JR, et al. Liquidity management and corporate investment during a financial crisis[J]. Review of Financial Studies, 2011,6(24):1944-1979.

[6]劉雪松, 洪 正. 金融危機、銀行授信與企業流動性管理:中國上市公司的經驗證據[J]. 中國軟科學, 2017(3):123-139.

[7]吳成頌, 周 煒, 黃送欽. 產能過剩下銀行信貸資源配置行為研究：基于控股股東的持股結構視角[J]. 科學決策, 2015(5):15-34.

[8]NANDA R, RHODES-KROPF M. Financing risk and innovation[J]. Management Science, 2016,63(4):901-918.

[9]鄭玉航, 李正輝. 中國金融服務科技創新的有效性研究[J]. 中國軟科學, 2015(7):127-136.

[10]劉 悅, 鄭玉航, 廖高可. 金融資源配置方式對產業結構影響的實證研究[J]. 中國軟科學, 2016(8):149-158.

[11]DOW K. Exploring differences in our common future(s): The meaning of vulnerabiliy to global environmental change[J]. Geoforum, 1992,23(3):417-436.

[12]FINEBERG H V. Social vulnerability and death by infection[J]. New England Journal of Medicine 1996,334(13):859-860.

[13]李 鶴, 張平宇, 程葉青. 脆弱性的概念及其評價方法[J]. 地理科學進展, 2008(2):18-25.

[14]孫平軍, 修春亮. 東北地區中老年礦業城市經濟系統脆弱性[J]. 地理科學進展, 2010(8):935-942.

[15]蘇 飛, 張平宇. 基于集對分析的大慶市經濟系統脆弱性評價[J]. 地理學報, 2010(4):454-464.

[16]袁海紅, 牛方曲, 高曉路. 城市經濟脆弱性模擬評估系統的構建及其應用[J]. 地理學報, 2015(2):271-282.

[17]張曉樸, 朱太輝. 金融體系與實體經濟關系的反思[J]. 國際金融研究, 2014(3):43-54.

[18]鄭建明, 許晨曦, 許蘇琦. 制度環境、影子銀行參與與企業投資效率[J]. 科學決策, 2017(3):1-18.

[19]李靜萍. 中國金融部門融資對實體經濟增長的影響研究：基于“從誰到誰”資金流量表[J]. 統計研究, 2015(10):21-31.

[20]戴 偉, 張雪芳. 金融發展、金融市場化與實體經濟資本配置效率[J]. 審計與經濟研究, 2017(1):117-127.

[21]葉茜茜. 基于金融脆弱性理論的區域金融風波形成機制與防范研究：以溫州為例[J]. 管理世界, 2016(6):170-171.

[22]郭瑩瑩. 國內外金融危機預警模型述評[J]. 科學決策, 2013(10):63-80.

[23]李 飛, 馬寶龍, 林 健. 金融危機對零售企業顧客購買行為的影響研究[J]. 中國軟科學, 2009(S2):243-248.

[24]王 欣, 陳麗珍. 美國經濟衰退對中國實體經濟的沖擊效應和傳導機制研究[J]. 中國軟科學, 2012(11):

29-40.

[25]萬蘭蘭. 銀行危機經濟代價的影響因素研究[J]. 科學決策, 2016(7):34-50.

[26]DEVEREUX J, DWYER GP. What detemines output losses after banking crises？[J]. Journal of International Money and Finance, 2016,69:69-94.

[27]王永欽, 高 鑫, 袁志剛, 等. 金融發展、資產泡沫與實體經濟:一個文獻綜述[J]. 金融研究, 2016(5):191-206.

[28]羅能生, 羅富政. 改革開放以來我國實體經濟演變趨勢及其影響因素研究[J]. 中國軟科學, 2012(11):19-28.

[29]李 翔, 李冬星, 張 麗. 貨幣政策對實體經濟和虛擬經濟的非線性影響：中國市場實證研究[J]. 投資研究, 2015(5):33-47.

[30]GRANGER C W J, TERASVIRTA T. 非線性經濟的模型[M].上海：上海財經大學出版社, 2006.

(本文責編：海 洋)

Research on Measuring the Vulnerability of Real Economy and Its Influencing Factors

TANG Xuan1，LIAO Gao-ke2，XIE Meng-yuan1

(1.EconomicandStatisticsCollegeofGuangzhouUniversity,Guangzhou510006,China； 2.FinancialandStatisticsCollegeofHunanUniversity,Changsha410082,China)

Considering the real economy downturn, the concept of real economic vulnerability is put forward, and an index system to measure the real economy vulnerability is built from the aspects of economic expectation, circulation and production.The estimated real economic vulnerability index shows that the vulnerability of the real economy bears great volatility and it is currently running at a high state.Then, the influencing factors of the vulnerability are studied from the angle of residents, businesses and the government. By using the ARDL model and model LSTAR, the analysis results show that the impact of the financial corporate sectors on the real economy vulnerability is asymmetry, while other factors have long term co-integration relationship with the real economic vulnerability.

real economic vulnerability; influencing factors;ARDL; LSTAR

2016-12-15

2017-04-30

廣東省自然科學基金(2015A030313510)；國家社會科學基金重大項目(16ZDA131)；廣州國際金融研究院課題(16GFR02B02)；廣州市哲學社會科學“十三五”規劃課題(2016GZZK07)

湯萱(1975—)，女，湖北黃岡人，博士，廣州大學經濟與統計學院副教授，碩士生導師，研究方向：產業經濟、經濟統計。

C812

A

1002-9753(2017)05-0149-11