我國金融發展與勞動生產率增長
——基于面板工具變量模型的實證分析

劉天祥，鄧紅亮

(1.湖南商學院，湖南 長沙 410205；2.湖南大學 經濟與貿易學院，湖南 長沙 410079)

一、引言

改革開放以來，我國經濟總量高速增長的同時，粗放型的要素投入、整體較低水平的生產率以及地區間收入差距的擴大等問題也接踵而來。更明顯的是，近兩年來我國經濟面臨著巨大下行壓力。根據2017年初的政府工作報告，我國經濟在未來較長時間內將以保持中高速增長為目標。與此同時，隨著我國經濟體制改革的縱深推進,金融發展對經濟增長的貢獻也日益重要。全球流動性過剩、資產價格大漲大落等金融因素對中國宏觀經濟的影響以及2008年以來金融危機對各國實體經濟的沖擊,更是凸顯了金融體系在國民經濟中的重要地位。面對國內外錯綜復雜的經濟金融形勢，如何實現我國經濟持續穩定增長呢？提高我國整體勞動生產率是一條持續可行之路。據已有經驗研究來看，勞動生產率的提高對經濟體增長和協調地區經濟發展具有重要作用(高帆、石磊，2009)。因而，如何通過金融發展促進勞動生產率增長進而實現國民經濟的持續穩定增長也就成為我國現階段學者和政策制定者共同關注的一個十分重要的問題。

勞動生產率作為經濟增長的關鍵影響因素，對一國經濟與社會的發展都具有十分重要的意義，相關文獻豐富而深刻。這些文獻主要按以下三種思路展開。第一種思路，根據不同層面的數據，采用不同的分析方法研究一國或地區生產率及經濟增長的收斂情況，例如Baumol(1986)、Bradford(1988)、Mankiw，Romer和Weil(1992)等。第二種思路，從不同層面數據出發，利用不同的分解方法探討地區勞動生產率的結構和收斂性問題。如Hansen(2001)、許垚(2005)、高帆、石磊(2009)、Schündndeln(2012)等。第三種思路，從不同角度出發，采用不同的實證分析方法重點考察勞動生產率的影響因素。代表性的有Koch和McGrath(1996)、張金昌(2002)、陶洪、戴昌鈞(2007)等。

然而，就金融發展與勞動生產率關系的研究來看，幾乎全被金融發展與經濟增長的研究所掩蓋，鮮有直接證實金融發展與勞動生產率增長的研究。這些研究多數是在Gold Smith(1969)、McKinnon(1973)和Shaw(1973)的基礎上進行的。Stiglitz(1985)的研究表明，金融發展與經濟增長有顯著地正向關系。Mayer(1990)認為金融中介在消弱金融市場的信息不對稱方面具有重要作用，銀行機構在搜集和處理信息方面扮演著重要角色。Bencivenga和Smith (1991)的研究認為金融中介能降低個人持有流動性資產的風險，將居民儲蓄投入到較高生產率項目中去，以此促進經濟增長。King和Levine(1993)認為金融發展主要通過提高金融資源的配置效率以及回報率來促進經濟增長。Merton(1995)從金融中介基本功能角度著重探討了金融發展對經濟增長的影響，認為金融中介促進商品和證券交易、配置資源等功能的發揮將有助于經濟的長期增長。Levine(1997)進一步闡述了金融中介的基本功能，認為金融中介的功能主要依靠資本積累和技術進步來促進經濟增長。張杰(1997)等定量研究了我國金融資產結構,推動了國內學者對金融發展問題研究的不斷深入。王紹光、胡鞍鋼(1999)等將我國通貨緊縮、資本投入與經濟增長貢獻結合起來進行分析,為后來金融發展與經濟增長的實證研究奠定了堅實的基礎。周立、王子明(2002)的研究認為，我國各地區金融發展與經濟增長密切相關，從長期來看，這兩者間呈顯著的正相關性。周麗麗、楊剛強和江洪(2014)基于區域差異的視角研究了中國金融發展速度與經濟增長的可持續性關系，認為中國金融發展的收斂速度遠大于經濟增長的收斂速度。Loayza 和Ranciere(2006)的研究認為，金融中介與產出增長具有長期的正向關系。石盛林(2011)運用DEA方法分析認為，金融影響經濟增長主要依靠貸款、金融密度和貸款質量等變量的實現。另外，還有一部分學者探討了收入分配與金融發展的關系。葉志強、陳習定和張順明(2011)等的研究認為金融中介的發展顯著拉大了城鄉收入差距。張軍、金煜(2005)的研究認為金融深化和生產率增長之間呈顯著地正向關系，內地省份的金融深化過程相對沿海省份更慢。溫濤、冉光和和熊德平(2005)實證分析認為我國金融發展對農民收入增長具有顯著地負效應。同時，李志赟(2002)；陳曉光等(2010)；李連發(2011)等研究了銀行信貸對經濟發展的影響，這些研究均在一定程度上認為，信貸總量與宏觀經濟波動和經濟周期密切相關。

綜上所述，現有的文獻主要探討了金融發展對經濟增長的作用，而金融發展與勞動生產率間缺少直接的經驗證據，這就不容易深入分析金融發展對經濟增長的作用，也不利于進一步分析其對社會發展的作用。籠統地將金融發展對經濟增長的作用照搬到勞動生產率上去可能存在片面性，金融發展對勞動生產率的作用渠道可能存在不同，因此將其從金融發展與經濟增長的關系中抽離出來進行分析，揭示兩者之間的深層關系，即為本文的研究動機。為了實現這一目標，本文將通過數理模型分析金融發展與勞動生產率之間的關系，而后根據Mankiw第(1992)的包含人力資本和物質資本積累的擴展的索洛模型，將代表金融發展的變量加入其中，繼而導出回歸方程，在此基礎上利用中國省際面板數據研究金融發展對地區勞動生產率的影響。

本文以下部分將首先從金融發展規模、金融發展效率和金融發展結構角度，對金融發展與勞動生產率的關系進行分析，得出理論結論；文章的第三部分將構建本研究的計量模型、建立相關指標及對數據的說明；運用面板工具變量模型對我國金融發展與勞動生產率增長關系的實證將放在文章的第四部分進行；文章的第五部分是對實證結果的進一步檢驗和討論，得到實證支持的最終結論；最后給出本文的結論與政策建議。

二、金融發展與勞動生產率增長：一個理論模型

本節的模型思路主要來源于李志赟(2002)的中小企業融資模型，并在生產函數中加入勞動生產要素，通過數理模型分析，從金融發展結構、金融發展規模和金融發展效率三方面來考察金融發展對勞動生產率的作用。

在建立理論模型之前，我們有必要指出本文中金融發展結構、規模和效率的含義。金融發展結構指金融機構的中長期貸款在總貸款中的配比情況，金融發展規模指金融機構中儲蓄貸款總量情況，金融發展效率指金融機構將儲蓄轉化為投資的能力。本節理論模型中，分別用字母fs，(K+λK)和λ和代表金融發展結構、規模和效率。

(一)理論模型設定

假設在整個社會的金融體系只有一家處于壟斷地位的銀行，該銀行的主要功能在于將儲蓄轉化為貸款，其中儲蓄主要來源于居民手中的閑置資金，貸款則主要由廠商向銀行借貸產生。為了討論方便，我們假設經濟社會中只存在兩個類別的代表性廠商，一類主要從事短期貸款和短期生產的小廠商，另一個主要從事長期貸款和長期生產的大廠商；廠商均以預期利潤最大化為經營目標，且均為風險中性，廠商的初始生產資本為零；生產初期，廠商向銀行抵押貸款進行生產；如果廠商的生產活動成功，則在期末向銀行還本付息，反之貸款抵押則歸銀行所有。

假設廠商的生產函數均為規模報酬不變，不失一般性，我們假定，大廠商的生產函數為：

(1)

小廠商的生產函數為：

(2)

通常情況下，我們假設p1

兩廠商的預期利潤為：

(3)

(4)

其中，ri為貸款利率，wi代表工資，Ci為生產的固定成本。廠商向銀行進行貸款生產的條件是Eπi≥0。

經濟社會中僅有的一家銀行根據不同的貸款者(大、小廠商)設計不同的貸款合同，以實現預期利潤最大化的經營目標。銀行的預期利潤為：

Eπb=Max{I1r1+I2r2-I1-I2-Ce}

(5)

其中，Cb代表銀行貸款的交易成本。銀行向廠商放貸的條件是Eπb≥0。

(二)模型求解

首先考慮兩廠商的決策。當兩廠商生產的預期利潤達最大時，式(3)、式(4)需滿足最優解的一階條件為：

(6)

由(6)式的最優化條件可以得到銀行向兩廠商貸款的利率水平：

(7)

(8)

其次考慮銀行對兩家廠商的最優貸款分配決策。當銀行進行貸款的預期利潤達最大時，求解式(5)也就是解下面優化問題：

(9)

(10)

其中，Cb表示銀行貸款的交易費用，Eπb代表銀行預期利潤，K表示居民在銀行里的儲蓄。λ(0<λ<1)表示儲蓄—貸款的有效轉化率，λK代表銀行給廠商貸款的總額。當銀行預期利潤達最大時，式(9)滿足的一階條件為：

(11)

根據(11)式可以得到兩廠商的資本投入份額：

(12)

(13)

將式(12)、式(13)分別代入式(1)、式(2)的生產函數中，整理得到兩廠商生產成功的勞動生產率：

(14)

(15)

(16)

將代表廠商勞動生產率的(14)、(15)兩式代入式(16)，得到全社會總的預期勞動生產率：

(17)

最后，結合式(10)和式(17)消去I2，整理得到全社會總的預期勞動生產率為①：

(18)

我們將來重點分析，在模型所假設的經濟中，金融發展結構、規模和效率對勞動生產率的影響情況。對式(18)進行比較靜態分析，我們可以得到以下三個推論：

推論1：保持其他條件不變，一國(地區)的金融發展效率越高，也即儲蓄—投資轉化率(λ)越高，將有助于該國(地區)的勞動生產率提高。

推論2：保持其他條件不變，一國(地區)的金融發展規模越高，也即(λK+K)越高，將越有助于該國(地區)的勞動生產率提高。

證明：其他條件不變情況下，由式(18)有：

由此可知推論1成立。對于推論2的證明，通過變換(18)式得到：

(19)

因此推論2成立。

下面我們證明推論3的結論。首先由本文中金融發展結構的含義可知：

(20)

這樣，根據式(18)和式(20)兩式，當外界條件均保持不變時，我們有：

由臨界條件有：

從而

所以推論3后半部分也成立。證畢。

我們可以將以上推論總結為：良好的金融發展規模、效率以及結構確實可以帶動勞動生產率提高，這在一定程度上表明了金融發展與勞動生產率間存在正向的理論關系。然而，我國金融業起步較晚，發展還不夠完善，基于此，上述的推論能否在我國得到實證證明呢？這有待于下文對我國金融發展與勞動生產率增長進行嚴格的實證檢驗。

三、模型構建、指標選取與數據說明

(一)計量模型構建

經濟增長基本理論中，勞動、資本和技術進步被認為是經濟增長最重要的源泉，即Y=A×f(L,K),A表示技術進步，L表示勞動力，K表示資本。我們在這里采用大多數研究者的研究方法，將金融發展水平當作一種“投入要素”引入到總生產函數的分析框架中去(Greenwood和Jovanvic，1990；Odedokun，1996；溫濤等，2005)。在此基礎上，我們在Mankiw等(1992)含人力資本積累的生產函數中加入“金融發展要素”，給出反應金融發展與產出關系的生產函數：

Y(t)=K(t)αH(t)βF(t)γ(A(t)L(t))1-α-β-γ

(21)

其中Y(t)代表t年總產出，K(t)表示t年總的資本投入，H(t)表示t年人力資本積累水平，L(t)代表t年勞動力投入，A(t)表示t年的技術水平，F(t)代表t年金融發展水平，0<α，β，γ,1-α-β-γ<1。

假設總產出的sk部分用于物質資本投資，sh部分用于人力資本投資。并記k=K/AL，代表單位有效勞動物質資本存量，y=Y/AL，表示單位有效勞動產出水平，h=H/AL，表示單位有效勞動人力資本水平，f=F/AL，代表單位有效勞動金融發展水平。則物質資本和人力資本的變化率滿足：

(22)

(23)

(24)

現將式(1)生產函數兩邊同除以L(t)得到：

(25)

將(24)中兩式代入式(25)并取對數整理得到：

(26)

f(t)=fdsλ1*fdgλ2*fdeλ3

(27)

式(27)中參數λ1，λ2，λ3均為大于零的常數，fds，fdg，fde，分別表示金融發展結構、金融發展規模和金融發展效率。這樣我們將(27)代入(26)中整理得到本文最終的基本計量模型：

(28)

式(28)中，I表示物質資本投資，H表示人力資本積累，α代表截距項，μ表示隨機擾動項，且假設服從正態分布形式，即μ～N(μ,σ2)，下標的i,t分別表示省份和年份，其他字母含義同前。β5，β6，β7是本文核心估計系數。

(二)變量及數據說明

本文所涉及的數據主要來源于《中國統計年鑒》(1994—2014年歷年)、《中國金融年鑒》(1994—2014年歷年)、《新中國六十年統計資料匯編》(中國統計出版社2010年版)、《新中國60年》(中國統計出版社)、《中國人口和就業統計年鑒》(1994—2014年歷年)、《中國勞動統計年鑒》(1994—2014年歷年)。同時，為保證數據口徑的相對一致性，本文排除了西藏，并將重慶與四川合并，數據跨度為21年(1994—2014年)。為消除價格因素影響，本文以1994年為基期，對國民收入進行價格平減處理。現將本文主要變量說明如下：

勞動生產率采用單位勞動力的產出水平來代理勞動生產率，即勞動生產率(plrate)=國內生產總值/全社會從業人員數。

金融發展通過三個分項指標來衡量，具體采用以下三類指標：②①金融發展結構(fds)指標以金融機構中長期貸款額占全部貸款額比值衡量。與短期融資相比，中長期融資能更好的抵御資本流動性風險，有助于實體經濟合理分配資本、規避生產風險、實現規模經濟效益。因此，fds值越高，反應金融結構深化程度越高。②金融發展規模(fdg)指標采用全部銀行業金融機構存貸款額與地區GDP比重代理，該指標值的大小反映了金融機構的動員儲蓄能力對經濟總量的影響程度，能較好的反應一國金融機構的發展規模。③金融發展效率(fde)指標選用投資與儲蓄比率比值度量。一般而言，投資儲蓄比值越高，說明金融機構對于融資和儲蓄的轉化效率越高。

人力資本積累參照姚先國等(2008)等學者的做法，用地區就業人員平均受教育年限作為人力資本積累的代理變量，受教育程度分未上過學、小學、初中、高中、大學專科和本科、研究生，分別按0、6、9、12、16、19年折算，根據地區就業人員受教育程度百分比乘以相應的受教育年限，最后加總得到該地區勞動力平均受教育年限，即人力資本積累(human)。

在經濟增長理論中，技術進步對一國經濟增長有重要作用，這已然在經濟學界達成共識。基于此，本文將利用我國各省份專利數(Patent)代理地區技術發展水平，用各地區每萬人的專利申請授權數來計算。對于物質資本的衡量，已有相當豐富的文獻，本文對物質資本存量的衡量參照Mankiw等(1992)的方法，用全社會固定資產投資額與地區國民收入比值(irate)來度量。由于我國統計年鑒中缺少勞動力增長率的直接統計數據，鑒于此，本文采用人口出生率來代理勞動力增長率(lrate)。

四、實證結果分析

本節我們對上一節的基本回歸模型(28)進行估計。對于面板數據的實證分析，首先需要處理固定效應模型和隨機效應模型的選擇問題。本文對固定效應回歸模型及其對應的隨機效應模型都做了Hausman檢驗，檢驗結果一致接受固定效應模型。然而，考慮到模型中可能存在內生性問題(尤其是代表金融發展的變量可能有內生性問題)，為此，我們主要對模型中核心解釋變量(Lnfdg、Lnfde、Lnfds)進行了穩健的內生性檢驗③，內生性檢驗結果的P值報告在表2中。

表1主要變量的統計性質萬元/人、年、%

變量全國東部樣本數均值標準差最小值最大值樣本數均值標準差最小值最大值plrate6092 381 960 2912 912313 502 320 6812 91fdg6093 362 030 9817 542313 902 791 1617 54fde6090 960 300 122 472311 140 310 122 47fds6090 410 180 080 822310 380 190 080 82human6098 471 404 5713 632319 211 465 7513 63patent6092 274 690 0736 802314 656 850 0936 80irate6090 470 190 151 142310 440 140 260 92lrate6090 130 080 041 722310 110 030 040 21gov6090 150 070 050 402310 120 480 050 32fdi6090 200 320 001 642310 470 390 031 64變量中部西部樣本數均值標準差最小值最大值樣本數均值標準差最小值最大值plrate1681 741 120 475 472101 661 410 298 38fdg1682 730 951 266 452103 271 420 988 00fde1681 010 160 691 592100 730 190 211 09fds1680 370 160 130 682100 470 170 170 79human1688 500 886 0210 302107 641 214 5710 43patent1680 991 310 098 102100 660 890 075 70irate1680 470 210 241 112100 510 210 151 1lrate1680 120 030 050 192100 160 120 091 7gov1680 140 050 630 242100 200 080 080 40fdi1680 040 040 010 162100 020 020 000 13

注：plrate單位為：萬元/人；human單位為：年；patent單位為：萬件；lrate單位為：%。下同。

從表2中可以看出，金融發展規模(Lnfdg)和金融發展效率(Lnfde)的P值均大于0.05，故可認為Lnfdg和Lnfde的內生性問題不大。但金融發結構(Lnfds)對應的P值在不同層面上均小于0.05，因此我們認為Lnfds為本文的內生解釋變量。 鑒于此，我們將采用面板工具變量法對模型(28)進行估計④，用Lnfdg、Lnfde和Lnfds的滯后一期作為Lnfds的工具變量。另外，我們用Sargan檢驗值來判斷模型是否存在過度識別約束，以此來檢驗工具變量的有效性。

表2內生性檢驗的P值

被檢驗變量全國東部中部西部Lnfdg0 2710 9210 3250 217Lnfde0 8040 8060 1120 376Lnfds0 0000 0260 0470 004

估計的結果在表3中報告。為了便于比較，本文分全國及東、中、西部地區不同層面進行，表中同時還報告了固定效應的估計結果(FE)。

表3 基本模型(28)的回歸結果

注：括號里的數字為穩健標準誤；“*”、“**”、“***”分別表示在10%、5%、1%的顯著性水平上顯著；GMM回歸結果無常數項。下表同。

從表3中的估計結果可以初步判斷，調整的可決系數(R2)和F值均符合預期，但固定效應模型估計(FE)與面板工具變量估計(2SLS和GMM)在結果上存在較大差異，這也從側面證實了本文模型存在內生性問題。另外，表中Sargan檢驗值也沒有在5%的顯著性水平上拒絕本文所選取的工具變量為合適的工具變量的原假設，說明我們使用工具變量進行估計是合理的。然而，在上表的工具變量估計中，2SLS和GMM的估計結果并無本質區別，考慮到本文中GMM估計更有效率，我們在接下來的行文中(包括穩健性檢驗)將主要討論GMM的估計結果。

就面板工具變量估計(GMM)的結果來看，模型系數的估計基本合理。首先，在核心解釋變量的估計上，金融發展結構(lnfds)的回歸系數大小和顯著性均最強，全國和各地區層面上均在1%水平上顯著為正，這一結果表明，在控制其他因素不變的情況下，金融發展結構對勞動生產率有顯著的促進作用。整體來看，lnfds的估計系數達到0.353，意味著我國金融發展結構每增長1%，勞動生產率將提升0.353%。這一結果有力地揭示了，20世紀90年代以來，我國金融體系的中長期貸款和勞動生產率增長的關聯效應穩健存在。

然而，金融發展規模(Lnfdg)和金融發展效率(Lnfde)的估計結果似乎同我們的預期不符。其中，Lnfdg的估計系數在全國及東中部地區并沒有達到預期的顯著性水平，系數大小也偏低，但符號仍符合經濟意義。然而，令我們頗感意外的是，Lnfdg的估計系數在西部地區竟出現了顯著地負值！這似乎有悖于經濟現實。但若作進一步深入分析，這一結果又不難得到解釋。首先，我國金融業起步較晚，整體的金融發展水平還不高，金融中介的儲蓄貸款等功能還不夠完善，這就導致我國金融發展規模對勞動生產率的整體促進作用還不那么明顯。其次，改革開放以來，政府的許多優惠性政策以及東部地區自身的地域條件，都相對優于中西部地區(尤其是西部地區)，這就直接致使地區金融資源的初始稟賦水平從一開始就出現差異。毋庸置疑，隨著金融資本的不斷積累，東、中、西部地區金融機構的存貸款額占比差距被進一步拉大。最后，西部地區因存貸款規模嚴重不足而拉低了勞動生產率增長。

就Lnfde的回歸系數來看，只有東部地區的系數在5%的水平上顯著為正，系數也達到了0.048，而在全國及中西部地區卻出現輕微地負號。這一結果可作如下解釋。首先，對于我國金融行業，尤其是我國國有銀行來說，幾乎是由中央政府統一配置。然而，這種配置并非按效率原則進行，通常缺乏大眾的、分散的市場決策，容易造成金融資本扎推，降低金融資本的利用率，不利于金融機構儲蓄貸款功能作用的發揮，阻礙了儲蓄向貸款有效轉化，降低了企業生產效率。與此同時，地方政府為了追求“政績”而展開的“金融競爭”⑤也在一定程度上削弱金融資本在企業間的利用效率。以上種種結果表明了我國金融發展效率還不夠高，并且存在顯著地地區差異。

其他控制變量的估計系數基本符合預期，除勞動力增長率(lnlrate)在東中部地區不顯著外(東部輕微為正，中部輕微為負)，均在5%以上的顯著性水平上顯著，這與Mankiw.et.(1992)估計結果基本相似，這里不再一一闡述。另外，值得注意的是，代表勞動力人力資本(lnhuman)的彈性系數竟然呈現出西中東遞減現象，這一結果的可能解釋是，我國勞動人員受教育程度主要還是集中在初高中基礎水平，高質量受教育人才還相對不足，導致東部地區許多高新技術產業與就業存在嚴重的結構不匹配問題。然而，與之相反的是，中西部地區許多企業對勞動者受教育程度的門檻要求相對要低，就業者受教育程度能更好的發揮促進作用。但就整體來看，lnhuman的估計系數達到了0.909。這一結果充分表明就業者的受教育程度對勞動生產率的提高有著重要促進作用，這與多數學者的觀點一致(Mankiw等，1992；姚先國、張海峰，2008)。

綜合來看，我國金融發展對勞動生產率確實有一定的促進作用(主要是金融發展結構)，但實證結果與上一節的理論分析結論還存在較大差距。另外，回歸結果還表明，金融發展似乎還在一定程度上擴大了地區差距，這與張軍、金煜(2005)、溫濤等(2005)、葉志強等(2011)的結論相似。

五、穩定性探討

為了得到有效而穩健的回歸結果，本節我們將繼續采用上一節面板工具變量模型估計方法，對模型作適當的穩健性分析。分別從添加新變量、設置時間虛擬變量及不同估計方程三個方面對上節的回歸結果進行穩健性分析。

(一)添加新變量

地方性特征及對外開放程度在一定程度上與金融發展密切相關，良好的投資環境、開放的競爭市場通常可以帶動地區金融發展。為了控制各省地方性特征及對外開放程度對結果穩定性的影響，我們在原模型中分別添加政府支出水平(gov)和外商直接投資水平(fdi)進行回歸比較，觀察回歸結果是否存在明顯變化。回歸結果在下表4中報告。

比較表4中三個模型的回歸結果可以發現，lngov、lnfdi進入回歸方程后，各樣本區間的回歸系數的顯著性幾乎沒什么變化。變化較大的是在加入lngov的模型2中，東部層面上出現了lnfde和lnhuman的回歸系數的顯著性水平下降，lnlrate的回歸系數的顯著性水平上升(回歸系數右上角正負號表示)。從回歸系數的相對大小來看，加入新變量后，多數回歸系數均有所變化，但變化的幅度微小。另外，Sargan檢驗的P值及可決系數等都符合預期。總體來看，加入新變量后的模型與原模型在回歸結果上沒有本質區別，兩者得到的結論具有一致性，這就在一定程度上說明我們的結果具有一定穩定性。

表4基本模型中添加新變量的回歸結果比較

解釋變量基本模型(GMM)模型1(GMM)模型2(GMM)全國東部中部西部全國東部中部西部全國東部中部西部lnfds0 353???(0 03)0 340???(0 03)0 455???(0 07)0 350???(0 07)0 347???(0 03)0 308???(0 03)0 523???(0 09)0 350???(0 08)0 331???(0 03)0 320???(0 04)0 454???(0 07)0 298???(0 07)lnfdg0 023(0 05)0 08(0 07)0 015(0 11)-0 392???(0 11)0 009(0 06)0 001(0 07)0 102(0 12)-0 384???(0 12)0 013(0 05)0 055(0 07)0 003(0 11)-0 303???(0 11)lnfde-0 003(0 03)0 048??(0 02)-0 023(0 08)-0 01(0 07)-0 003(0 03)0 056?-(0 03)-0 066(0 09)-0 012(0 07)-0 007(0 03)0 050??(0 02)-0 042(0 09)-0 015(0 07)lnhuman0 909???(0 12)0 523??(0 22)0 864???(0 26)1 051???(0 14)0 885???(0 12)0 315-(0 21)0 863???(0 26)1 073???(0 15)0 921???(0 11)0 553??(0 22)0 835???(0 27)1 014???(0 15)lnpatent0 193???(0 02)0 219???(0 02)0 171???(0 03)0 265???(0 03)0 190???(0 02)0 214???(0 02)0 185???(0 03)0 271???(0 04)0 192???(0 02)0 223???(0 02)0 175???(0 03)0 241???(0 03)lnlrate-0 133??(0 05)0 13(0 08)-0 053(0 12)-0 198???(0 03)-0 127??(0 06)0 141?+(0 08)-0 079(0 12)-0 204???(0 03)-0 150???(0 05)0 11(0 08)-0 059(0 12)-0 207???(0 03)lnirate0 314???(0 03)0 325???(0 03)0 262???(0 06)0 453???(0 10)0 304???(0 04)0 285???(0 04)0 269???(0 06)0 454???(0 10)0 311???(0 03)0 326???(0 04)0 248???(0 06)0 475???(0 10)lngov0 052(0 06)0 284???(0 07)-0 238(0 15)-0 037(0 10)lnfdi0 041???(0 01)0 03(0 02)0 014(0 02)0 063???(0 02)Sargan檢驗P值0 520 180 110 250 480 060 190 190 470 230 100 19F值1141 36737 62521 36426 431042 09685 45449 85378 221065 75690 20540 92404 86樣本數551209152190551209152190551209152190調整的R20 9490 9630 9610 940 9490 9660 960 940 9510 9630 9610 944

注：①基本模型指模型(28)的面板模型。模型1是在基本模型中加入lngov得到；模型2是在基本模型中加入lnfdi得到。②表中回歸結果均由一般動態矩估計(GMM)估計得到；數字右上角的“-”和“+”分別表示相對基本模型的回歸系數而言，顯著性的下降和上升。下表同。

(二)設置時間虛擬變量

考慮到本文樣本的時間跨度(1994—2014)內發生過兩次巨大的金融風暴，1997年的亞洲金融危機，2008年美國發生的金融風暴，都在一定程度上影響了我國金融發展。基于此，我們在基本模型的基礎上，分別設置兩組不同的時間虛擬變量進行回歸比較，以驗證基本模型設定的合理性。回歸結果報告在下表5中。

表5 基本模型中添加時間虛擬變量的回歸結果比較

續表

變量基本模型模型3模型4全國東部中部西部全國東部中部西部全國東部中部西部lnhuman0 909???(0 12)0 523??(0 22)0 864???(0 26)1 051???(0 14)0 909???(0 12)0 486??(0 22)0 782???(0 25)1 087???(0 14)0 937???(0 11)0 573???(0 22)0 890???(0 25)1 060???(0 14)lnpatent0 193???(0 02)0 219???(0 02)0 171???(0 03)0 265???(0 03)0 198???(0 02)0 223???(0 02)0 180???(0 03)0 276???(0 03)0 192???(0 02)0 216???(0 02)0 171???(0 03)0 255???(0 03)lnlrate-0 133??(0 05)0 13(0 08)-0 053(0 12)-0 198???(0 03)-0 141???(0 05)0 126(0 08)-0 077(0 11)-0 198???(0 03)-0 135???(0 05)0 114(0 08)-0 057(0 12)-0 196???(0 03)lnirate0 314???(0 03)0 325???(0 03)0 262???(0 06)0 453???(0 10)0 312???(0 03)0 325???(0 04)0 255???(0 06)0 450???(0 10)0 311???(0 03)0 323???(0 04)0 251???(0 06)0 464???(0 10)Sargan檢驗P值0 520 180 110 250 400 140 340 250 490 150 090 27F值1141 36737 62521 36426 431013 74653 90525 47382 921041 10678 96470 00407 50樣本數551209152190551209152190551209152190調整的R20 9490 9630 9610 9400 9500 9630 9630 9400 9510 9640 9620 943

注：基本模型指模型(28)的面板模型；模型3是在基本模型中加入時間虛擬變量year_1997(1997年取1，其余年份為0)得到；模型4是在基本模型中加入時間虛擬變量year_2008(2008年取1，其余年份為0)得到。

根據表5，加入時間虛擬變量后，各模型的參數估計值均保持正常符號，同基本模型相比，系數的正負號、顯著性和大小關系基本不變。唯一發生變化的是全國勞動力增長率的參數估計變得更加顯著。另外，相關的統計檢驗值也是合理的。以上結果從另一個側面說明，本文基本模型的設定是合理的，實證結果具有一定可靠性。

表6

不同估計模型的估計結果比較

注：基本模型指方程(28)的面板模型。模型5是由基本模型剔除人力資本積累(Lnhuman)得到。

(三)不同估計方程的比較

Mankiw等(1992)利用索洛增長模型和含人力資本積累的擴展的索洛模型進行跨國實證分析。基于此，本文將在基本模型中去掉人力資本積累這一變量，其他解釋變量保留，重新估計基本模型，看結果是否出現明顯變化，以說明本文的回歸結果是否穩健。回歸結果報告在下表6中。

縱向比較表6中基本模型與模型5，我們發現，去掉人力資本積累后的回歸系數都有所提高，這與我們的預期一致，表明人力資本積累對勞動生產率有重要影響，與Mankiw等(1992)的結果不謀而合，因此原模型中包含人力資本積累這一變量是合理的。另外，與原模型相比，參數的顯著性水平保持不變，各統計量的檢驗值均在合理范圍。因此，我們有理由相信，基本模型的設定和估計方法是合理的。

基于上述三個方面的比較分析，我們認為，本文的模型設定是合理的、實證結果是穩健可靠的。

六、結論及政策建議

本文首先根據數理模型分析，得出了金融發展結構、規模和效率與勞動生產率之間關系的理論結論。然后，在Mankiw等(1992)含人力資本積累的生產函數模型中加入代表金融發展水平的變量，構建了金融發展結構、規模、效率與勞動生產率增長的實證模型。我們的實證結果清楚地顯示：①1994—2014年間中國金融發展，主要依靠金融發展結構的深化來對勞動生產率的提高起作用，金融發展規模和效率的提高對勞動生產率的促進作用并沒有像理論分析那樣可靠。②分地區視角來看，金融發展結構與效率的提高是促進東部地區勞動生產率提高的重要變量；而在中西部地區，只有金融發展結構深化成為促進勞動生產率的重要因素；金融發展規模和效率在中西部地區的作用并不顯著，甚至，金融發展規模對西部地區勞動生產率和金融發展效率對中部地區勞動生產率還起到了抑制作用。

本文結果所反應的事實是，我國金融發展對勞動生產率的促進作用并沒有很好地驗證本文的理論分析結論，但這并不意味著我們否認合理的金融發展結構、規模和效率促進勞動生產率提高，也不能否認我國金融發展對經濟增長的正向作用適用于勞動生產率提高的理論有效性。我們更愿意相信的是，為了使金融發展在各地區(尤其是中西部地區)有效的運作起來，地方政府對金融資源的合理配置和中央政府的適當扶持是絕對必要的。

在中國，勞動生產率的提高作為經濟增長的重要標志，無論是在理論上還是邏輯上，都理應成為金融發展的重要目標。為實現這一目標，進一步深化我國金融體制改革，促進我國金融在結構、規模、效率的合理發展將至關重要。下面我們就本文實證結果，并結合我國實際情況提出以下幾點政策建議：

首先，我國金融發展主要依靠中長期貸款來實現地區勞動生產率增長。然而，金融機構在將中長期貸款分配給不同企業時是十分不均衡的，像國有等大型企業通常更容易獲得較多的銀行信貸，而像私營等非國有的中小企業在獲得銀行信貸方面卻困難重重(李志赟，2002)。因此，合理分配中長期貸款，加大對非國有企業的貸款投資力度，加強地區中長期貸款，優化地區金融發展結構，完善金融結構服務于勞動生產率的制度安排就顯得尤為重要。

其次，對于我國現行金融中介的儲蓄貸款在地區間存在不均衡的配置現象，我們的政策建議是，改進我國現行金融中介的儲蓄貸款功能，優化儲蓄貸款路徑，拓寬企業的融資渠道，加強東、中、西部地區資金交流，促進剩余資金由東部地區向中西部地區有效轉移，整體提高我國金融發展規模水平。

最后，為了提升我國金融中介由儲蓄向貸款轉化的效率，改善金融組織體系，加強金融機構的有效競爭，糾正地方政府只追求政績的行為，推動金融供給側改革，調節金融發展中的政府與市場關系，促進儲蓄向貸款有效轉化，提高地區資本利用率，規范中西部地區金融機構儲蓄貸款的同時，加大對中西部地區投資力度等措施也是十分關鍵的。

唯有這樣，中國金融才能更好地服務于實體企業，整體提高金融發展對勞動生產率的貢獻，促進地區金融與經濟持續健康增長，以逐漸縮小地區差距、實現各地區協調發展。

注釋：

①由式(10)和式(17)兩式易知，I1、I2具有等價地位，任意消去一個對結果沒本質影響，為了更好的討論下文的推論3，此處我們選擇消去I2。

②本文金融發展指標的選取主要參考了沈坤榮、孫文杰(2004)；包群、陽佳余(2008)；孫少勤、邱斌(2014)等。

③由于傳統的Hausman檢驗在存在異方差的情形下是不成立的，鑒于模型中還存在異方差(組間異方差檢驗的P值為0.000，強烈拒絕無異方差的原假設)，因此，我們在這對模型進行穩健的內生性檢驗處理。

④面板工具變量法思路通常分為兩步，首先對模型進行相應變換解決遺漏變量問題，其次對變換后的模型進行二階段最小二乘法(2SLS)估計。然而，對于固定效應模型，當工具變量個數大于內生解釋變量個數時，一般動態矩估計法(GMM)相對于2SLS估計更有效率。考慮到本文有三個工具變量，內生解釋變量只有一個，我們在接下來的實證中將主要探討GMM估計的結果。

⑤參見周立、胡鞍鋼(2002)。

[1]陳曉，張宇麟.信貸約束、政府消費與中國實際經濟周期[J].經濟研究，2010(12).

[2]包群，陽佳余.金融發展影響了中國工業制成品出口的比較優勢嗎[J].世界經濟，2008(3).

[3]高帆，石磊.中國各省份勞動生產率增長的收斂性1978—2006[J].管理世界，2009(1).

[4]李連發，辛曉岱.銀行信貸、經濟周期與貨幣政策調控：1984—2011[J].經濟研究，2012(3).

[5]李志赟.銀行結構與中小企業融資[J].經濟研究，2002(6).

[6]倪克勤，趙穎嵐，徐鳳.勞動生產率對我國貿易收支的傳導效應研究[J].經濟研究，2011(10).

[7]沈坤榮，孫文杰.投資效率、資本形成與宏觀經濟波動——基于金融發展視角的實證研究[J].中國社會科學，2004(6).

[8]石盛林.縣域金融對經濟增長的影響機理——基于DEA方法的前沿分析[J].財貿經濟，2011(4).

[9]孫少勤，邱斌.金融發展與我國出口結構優化研究——基于區域差異視角的分析[J].南開經濟研究2014(4).

[10]陶洪，戴昌鈞.中國工業勞動生產率增長率的省域比較——基于DEA的經驗分析[J].數量經濟技術經濟研究，2007(10).

[11]王紹光，胡鞍鋼.中國：不平衡發展的政治經濟學(中文版)[J].北京：中國計劃出版社，1999.

[12]溫濤，冉光和，熊德平.中國金融發展與農民收入增長[J].經濟研究，2005(9).

[13]許垚.中國區域勞動生產率官往趨同碼?——一個基于產業勞動生產率的實證研究[J].南開經濟研究，2005(1).

[14]姚先國，張海峰.教育、人力資本與地區經濟差異[J].經濟研究，2008(5).

[15]葉志強，陳習定，張順明.金融發展能減少城鄉收入差距嗎？——來自中國的證據[J].金融研究，2011(2).

[16]張杰.中國的貨幣化進程、金融控制及改革困境[J].經濟研究，1997(8).

[17]張金昌.中國的勞動生產率:是高還是低?——兼論勞動生產率的計算方法[J].中國工業經濟，2002(4).

[18]張軍，金煜.中國的金融深化和生產率關系的再檢測:1987—2001[J].經濟研究，2005(11).

[19]周立，胡鞍鋼.中國金融發展的地區差距狀況分析:1978—1999年[J].清華大學學報(哲學社會科學版)2002(2).

[20]周立，王子明.中國各地區金融發展與經濟增長實證分析:1978—2000[J].金融研究，2002(10).

[21]周麗麗，楊剛強，江洪.中國金融發展速度與經濟增長可持續性——基于區域差異的視角[J].中國軟科學，2014(2).

[22]Baumol.W.J., Productivity Growth, Convergence, and Welfare: What the Long-Run Data Show. The American Economic Review,Vol.76, No.5, 1986:1072-1085.

[23]Bencivenga.V.R.,& Smith.B.D., Financial Intermediation and Endogenous Growth. Review of Economic Studies, Vol.58, No.2,1991:195-209.

[24]Bradford D. L.J., Productivity Growth, Convergence, and Welfare: Comment. The American Economic Review,Vol.78, No.5, 1988:1138-1154.

[25]Diamond.D.W., Financial Intermediation and Delegated Monitoring. Review of Economic Studies,Vol.51, No.3, 1984：393-414.

[26]Greenwood.J.,& Jovanovic.B., Financial Development,Growth,and the Distribution of Income. Journal of Political Economy,Vol.98, No.5, 1990:1076-1107.

[27]Hansen.B.E., The New Econometrics of Structural Change: Dating Breaks in U.S. Labor Productivity. Journal of Economic Perspectives,Vol.15, No.4, 2001：117-128.

[28]King.R.,& Levine.R.,Financial and Growth:Schumpeter Might be Right. The Quarterly Journal of Economics,Vol.108, No.3, 1993:717-737.

[29]Koch.M.J.,& McGrath.R.G., Improving Labor Productivity: Human Resource Management Policies do Matter. Strategic Management Journal, Vol.17, No.5, 1996：335-350.

[30]Levine.R, Financial Development and Economic Growth:Views and Agenda. Journal of Economic Literature, Vol.36, No.1, 1997:688-726.

[31]Loayza.N.,&Ranciere.R.,Financial Development,Financial Fragility,and Growth. Journal of Money,Credit,and Banking,Vol.38, No.4, 2006：1051-1070.

[32]Mankiw.N.G.,Romer.D. & Weil.D.N., A Contribution to the Empirics of Economic Growth. The Quarterly Journal of Economics,Vol.107, No.2, 1992：407-437.

[33]Mayer.C., Financial Systems, Corporate Finance, and Economic Development. University of Chicago Press,1990.

[34]McKinnon.R. I., Money and Capital in Economic Development. Washington: Brookings Institution,1973.

[35]Merton.R.C.,& Bodie.Z., A Conceptual Framework for Analysing the Financial Environment In Crane. The Global Financial System,A Functional Perspective,Cambridge,Mass:Harvard Business School Press,1995.

[36]Odedokun.M.O., Alternative Econometric Approaches for Analysing the Role of the Financial Sector in Economic Growth:Time-Series Evidence from LDCs. Journal of Development Economics,Vol.50, No.1, 1996:119-146.

[37]Schündndeln.N.F.,& Izem.R., Explaining the low labor productivity in East Germany-Aspatial analysis Journal of Comparative Economics, Vol.40, No.1, 2012：1-21.

[38]Shaw.S.E., Financial Deepening in Economic Development. NY: Oxford University Press,1973.

[39]Stiglitz.J.E., Credit Markets and the Control of Capital. Money、Credit、and Banking,Vol.17, 1985(2): 133-150.