金融资产结构与经济增长论文范文

1数据的选取与处理

本文选取存贷款总额、股票总市值、保费收入、金融资产总量、人均GDP、地区CPI等指标，运用1993①～2013年浙江省相关数据，对金融资产结构与经济增长关系进行实证分析。其中，货币类金融资产（存贷款）数据来自中国人民银行、《浙江统计年鉴》［9］；证券类金融资产（股票总市值）数据由笔者根据Wind数据库资料统计整理而成；保险类金融资产（保费收入）数据来自《浙江统计年鉴》、Wind数据库、中国保险监督管理委员会；经济（人均GDP）数据来自国家统计局、浙江省统计局。如果不考虑通货膨胀因素，会影响回归系数中的残差项等，因此本文采用居民消费价格指数代表通胀率，把1993年的CPI（居民消费价格水平）作为基底并定义取值为1，其他年份的数据对应折算。此外，为了消除时间序列的波动性和异方差性，并使计算方便，各变量均取自然对数处理。为了后文叙述方便，对变量名称做如下解释：M———存贷款总额，衡量货币类金融资产；S———股票总市值，衡量证券类金融资产；I———保费收入，衡量保险类金融资产；FA———金融资产总量，衡量金融资产总规模；GD－PA———人均GDP，衡量经济发展水平。

1.1平稳性和协整性检验变量的平稳性是计量经济学分析的基础，模型中的变量只有满足平稳性要求时，传统的计量研究方法才科学有效。协整检验的前提也是序列平稳，如果非平稳的序列经过差分后平稳，说明存在线性的协整关系，因此在协整检验前先进行ADF单位根检验。本文采用的是时间序列数据，一般是非平稳的，缺乏固定的期望值，且表现出显著的趋势性和周期性。运用ADF（AugmentedDickey－Fuller）检验的方法检验是否存在单位根。借助Eviews6．0［10］对浙江的各类数据进行处理，如果随机过程进行N次差分后变为平稳序列，则该序列就具有N阶单整性，检验结果如表2所示。检验形式（c，t，n）分别表示单位根检验中包含常数项、时间趋势及滞后项的阶数，滞后期根据AIC准则确定，D表示一阶差分，D2表示二阶差分。ADF值大于5％水平下的临界值，从而拒绝H0，表明序列不存在单位根，是平稳序列。从分析结果看，表2中所有变量均为一阶单整，即符合I（1），用计量方法研究有效，结果具有可信度。在通过了平稳性检验后，进一步对序列进行协整检验，考察各变量之间是否存在长期稳定的关系，证明回归方程是有意义的，不存在伪回归。考虑到是多个变量，在此选用Johansen－Juselius检验法进行协整检验，结果整理如表3。从检验结果看，1993～2013年的各时间序列变量间均存在长期稳定的关系，回归方程有意义，可以进行Granger因果检验和OLS回归。

1.2Granger因果检验前文的协整检验已经证明了1993～2013年金融资产与人均GDP均存在长期稳定的关系，接下来确定变量间表现出的长期均衡关系是否有效构成因果关系。运用格兰杰因果检验方法，借助Eviews6．0考察，检验结果整理如表4。从Granger因果检验结果可以看出，金融资产总量对经济增长的影响作用显著，而经济增长对金融资产总量的反作用并不明显；货币类资产、保险类资产是经济增长的Granger原因，但不存在反向作用；经济增长较为突出的影响着证券类资产。

2金融资产外部结构与经济增长关系的统计检验

2.1双对数回归模型和自相关性检验金融资产外部结构指金融资产总量占GDP比率。首先对金融资产总量与经济增长关系做统计检验。在上述检验的基础上用Eviews6．0进行OLS回归分析，构建计量回归模型如下。如果α＞0，且能够通过T检验，则证明金融资产对经济增长有正向促进作用。实证结果如表5所示。从实证结果看，F值均较大，R2与Ad－R2值均接近1，说明方程总体的拟合度很高，单个变量的t值也均能通过检验。但是D．W．值过低，可能存在自相关性。由于OLS回归结果显示，D．W．值偏小，可能存在低阶自相关性，进一步用LM检验法验证回归方程是否存在高阶自相关性，原假设（H0）：直到2阶滞后不存在序列相关。表6中LM检验结果显示，P值小于0．05，表示在5％的显著性水平下拒绝原假设，证明存在序列相关。为了对模型进行修正，拟采用Q统计检验，得到残差序列相关图1。AC为自相关系数，PAC为偏自相关系数。从残差序列相关图中可以看出，自相关系数在1阶、5阶截尾，偏自相关系数在1阶截尾，序列存在显著自相关。

2.2异方差性检验在金融时间序列中，残差的当期值明显与邻近的残差值有关，如果回归序列的残差存在异方差性，OLS估计量仍具有一致性，但其标准差不具有有效性，因此应当选择稳健标准差进行修正，或选用加权最小二乘法进行估计。通过Eviews6．0实现这一过程，结果如表7所示，观察到Obs＊R的P值均大于5％的显著性水平，证明回归序列不存在异方差性。

2.3修正后的回归模型对财经数据而言，随机游走是很好的模型，此处修正拟采用ARIMA模型［11］。ARIMA模型的思路是：当回归模型的扰动项存在序列相关时，则将扰动项的滞后残差逐项代入该方程，可以获得一个参数为非线性、扰动项为白噪声序列的回归方程，并借助Gauss－Newton迭代法求解方程的参数。拟在模型中添加AR（1）、AR（2）进行修正，修正后的OLS估计结果如表8。可以看出，在修正后的模型中，D．W．值有显著改善，且各项指标良好，充分说明了金融资产总量与经济增长之间的关系。回归系数为．5423（t＝33．857），说明经济增长对金融资产总量起到正向促进作用，且效果显著。

3金融资产内部结构与经济增长关系的统计检验

3.1双对数回归模型金融资产内部结构指不同类型金融资产占金融资产总量的比率。通过相关性检验，可以发现货币类金融资产和保险类金融资产的相关系数颇高，为0．9981，拟在模型中引入乘积变量lnM•lnI．从表10看，回归结果并不理想。证券类资产、保险类资产、货币类资产与保险类资产的交叉项的显著性水平较差，考虑是否存在冗余变量需要剔除。另外D．W．值偏小，可能存在序列相关问题。以下将就此问题对模型进行修正。

3.2冗余变量检验从上面的实证结果看，证券类资产、保险类资产、货币类资产与保险类资产的交叉项的显著性水平均较差，这可能是由于指标样本数过少导致，以下考虑是否应当剔除一些变量。原假设（H0）：被检验变量的系数为0。选择Eviews6．0中的RedundantVariables－LikelihoodRatio功能，得到如表11所示的结果。

3.3自相关和广义差分分析从剔除冗余变量后模型的OLS回归结果看，t值和F值均有所提升，但是D．W．值仍然明显小于2，残差序可能存在正的序列相关。先进行LM检验，原假设（H0）：直到2阶滞后不存在序列相关。结果显示，Obs＊R的P值小于0．05，拒绝原假设，证明存在序列相关。为了解决自相关问题，采用广义差分法对模型进行估计。根据残差序列图的显示，拟借助自回归移动平均模型，在模型中添加MA（1）进行修正。如表14所示，修正后模型的D．W．值为2．108917，Ad－R2由0．994565提升至0．997260，F值由1830．929增强至2427．630，且所有变量系数均通过显著性检验。经过修正，统计结果大有改善。通过以上分析可以得出结论：从方程整体看，Ad－R2为0．997671，F值为2427．630，对应的P值为0．000000，表明方程整体的拟合度很高，回归有效。D．W．值为2．108917，较修正之前的1．129818有显著改善。从单个变量看，货币类资产的系数为0．9207，表明银行存贷款每增长1％，人均GDP平均增长0．9207％，具有明显正向促进作用，且t值为8．5194，P值为0．0000，显著性水平极高；修正前证券类资产的系数为0．0194，表现出一定的正向促进作用，但t值为0．7319，P值仅为0．4748，显著性水平较差，后经检验作为冗余变量剔除；保险类资产系数为－0．2681，表明保险资产每增长1％，人均GDP反而下降0．2681％，存在反向抑制作用，t值为－2．4318，P值为0．0264，显著性水平较高。修正添加的MA（1）项值为0．9974，t值为14．0590，P值为0．0000，修正效果极为明显。

4结论与建议

从Granger因果检验看，浙江金融资产总量对经济增长的影响作用显著，而经济增长对金融资产总量的反作用并不明显。但以经济增长为自变量，金融资产总量为因变量做回归，发现存在严重的序列自相关问题，经过ARIMA模型修正后的回归系数为1．5423（t＝33．875），说明经济增长对金融资产总量起到了强有力的促进作用。不同类型的金融资产对经济增长的贡献度差异较大。货币类资产系数为0．9207（t＝8．5194），具有明显的正向促进作用，且修正后的显著性水平得到进一步提高。证券类资产变量系数显著性水平较低，只有0．0194，不能通过检验。保险类资产表现出对经济增长的反向抑制作用，系数为－0．2681（t＝－2．4318），说明浙江保险市场的发展总体不尽人意。根据上述研究结果，建议通过优化金融资产结构来增强金融对经济的支撑和促进作用。一是建立健全多层次的资本市场体系，提高证券类资产对经济的促进作用。二是完善保险市场体系，创新保险业务与产品，促使保险在经济建设中发挥积极的促进作用。

作者：黄燕君李融单位：浙江大学经济学院