-
中国经济进入高质量发展阶段,金融杠杆率过高带来的问题不断凸显。中国社科院发布的报告显示,包括居民部门、非金融企业部门和政府部门的实体经济杠杆率由2008年的170%攀升至2018年的243.7%。金融杠杆的不断攀升说明资本在金融领域重复运转,违背了金融服务实体经济的初衷。与此同时,由于金融部门的强关联特征(苏明政和张庆君,2015),金融领域的系统性风险也在不断增加。合理区间内的金融杠杆对经济发展的作用是良性的(马勇和李振,2016),过低的金融杠杆对实体经济的支撑作用不明显,而过高的金融杠杆容易抑制实体经济的发展。
目前关于金融杠杆与经济增长关系的争论主要分为传统理论和危机后理论两个阵营。在传统理论中,金融杠杆是推动实体经济发展的重要工具,因此重点关注发达金融体系分散风险、促进经济增长的作用。危机后理论认为次贷危机爆发的主要原因在于金融杠杆过高带来的过度证券化,因此将研究重点聚焦于过高的金融杠杆所蕴含的系统性风险,以及其与经济增长之间的非线性关系。发达国家虚拟经济占GDP的比重相对较高,金融危机前金融杠杆对经济增长的推动作用非常明显,当然金融危机后受到的打击也很大。世界银行对国家收入分组的显示,近几年中国已步入中高收入国家行列。中高收入国家虚拟经济占比相对较低,金融体系尚不完善。与高收入国家组别相比,金融杠杆对经济增长的作用在中高收入国家是线性的还是非线性的?在金融自由化的背景下,金融发展的特征如金融稳定性、金融效率和银行业集中度如何影响这种作用效果?
本文从产出创造方式的差异入手分析金融领域的特征,并使用74个国家2000−2017年的面板数据进行门槛效应研究①,探究金融杠杆与经济增长之间的关系。本文的边际贡献如下:一是从实体经济与虚拟经济产值创造的不同方式出发解释金融杠杆的作用机制;二是首次使用金融稳定性、金融效率和银行业集中度来反映金融自由化背景下的金融发展情况,并将这三个指标作为门槛变量,检验金融杠杆与经济增长的非线性关系。
-
随着金融业在现代经济中的重要作用日益凸显,金融杠杆与经济增长的关系成为研究的热点问题。金融危机之前,研究普遍认为金融杠杆对经济增长的作用是正向的,经济增长的主要原因之一在于金融市场的发展程度(King和Levine,1993),且这种相关关系非常显著。发达的金融市场能够提供多种融资渠道,降低实体经济的融资成本,促进经济增长。2000年左右,有大量文献对不同类型经济体进行了实证研究,多数结果支持金融杠杆推动经济增长的结论,但也有部分研究认为金融杠杆过高可能会抑制经济增长(Rioja和Valev,2004;Shen和Lee,2006)。金融危机爆发之后,主流观点认为金融杠杆过高是诱发主因。过高的金融杠杆会刺激企业将投资方向由实体经济转向虚拟经济,追求高额利润,抬高实体经济融资成本,造成资本在行业间的错配,从而给实体经济带来不稳定因素,引发宏观经济风险(Wagner,2010)。随后的研究便展开对金融杠杆合理区域的探索。当金融杠杆超越合理范围之后,金融发展对经济增长的影响存在边际递减效应,杠杆值太高还可能负向作用于经济增长(Torre等,2012)。Rousseau和Wachtel(2011)也证实了金融杠杆与经济增长之间的这种非线性关系,他们认为金融杠杆对经济增长的抑制效应主要在于金融监管没有跟上金融市场的快速发展。Cecchetti和Kharroubi(2012)通过对50个国家将近30年的面板数据进行实证分析,发现金融杠杆存在一个临界值,在这个临界值之前,金融杠杆越大对经济增长的贡献越多,而一旦超越了这个临界值,金融杠杆的升高将会抑制经济增长。李扬等(2012)从风险积累的角度也得出了同样的结论:随着金融杠杆的升高,私人信贷占国内生产总值的比重越来越大,被积累的金融风险一旦触发,将导致金融危机。中国的金融杠杆与经济增长之间也存在着显著的边际递减特征(杨友才,2014;王艺璇和刘喜华,2019)。王爱俭和杜强(2017)使用门槛模型对发达经济体和新兴经济体的面板数据进行实证研究,发现不管使用金融规模还是金融结构作为门槛变量,均得出金融杠杆对经济增长的边际效应递减的结论。马勇和陈雨露(2017)在更大的样本范围上也得出了相似的结论。
合理金融杠杆的阈值到底在哪里?国内外学者各持己见。已有文献大多使用广义货币增速M2占GDP的比重或私人信贷占GDP的比重来衡量金融杠杆的大小。M2占比指整个国家宏观金融杠杆情况,私人信贷占比指微观经济中金融杠杆的情形。以私人信贷占比衡量金融杠杆,Law和Singh(2014)使用门槛模型得出金融杠杆的门槛值为88%的结论,一旦私人信贷占比超过这一阈值,金融杠杆对经济增长的影响即由正转负。使用同样的衡量指标,Arcand等(2015)使用50年的面板数据,发现金融杠杆的阈值为100%。由于虚拟经济领域的风险传染特性,金融杠杆过高会增加金融领域的系统性风险(夏越,2019),阻碍经济增长。因此,学者们针对“去杠杆”问题展开了广泛探讨。Roxburgh等(2010)发现重大金融危机之后的去杠杆过程往往会持续数年。发达国家普遍采取杠杆转移、政府接管担保等政策降低金融市场和家庭部门的杠杆率。“去杠杆”缓解了金融风险,同时不可避免地打击了就业和经济增长。一方面,“去杠杆”抑制了居民部门的消费和投资;另一方面,“去杠杆”影响到了企业投资,提高了失业率(Caballero等,2013)。此外,“去杠杆”还存在空间外溢效应,发达国家的去杠杆政策会间接打击到其他国家的市场(钟伟和顾弦,2009)。对于中国的金融杠杆,李扬等(2012)通过测算发现企业部门的杠杆率是高杠杆的主要贡献者,并提出通过杠杆调整和转移的方式降低企业部门的杠杆,从局部化解风险,尽量减少对整体经济的冲击。夏越(2019)发现中国的杠杆率存在显著的地区差异,因此,“去杠杆”不能一刀切,政策应充分考虑这种地区差异。
总体来看,目前国内关于金融杠杆与经济增长的关系研究并不多,对跨国样本的考察更少。在金融自由化日益推进的背景下,深入考察金融杠杆与经济增长的关系很有必要。本文的后续内容安排如下:第三部分从理论上阐述了金融杠杆对经济增长的作用机制;第四部分以金融发展为门槛变量,实证检验金融杠杆对经济增长的作用效果;第五部分给出结论以及相应的政策建议。
-
古典经济学理论中,劳动和资本是产出的关键要素,决定着产出的多寡。以索洛为代表的新古典经济模型提出在要素的边际报酬递减假设下技术进步是经济增长的源泉,并假设技术进步是外生变量。若没有技术进步,不同国家的人均产出和资本劳动比率短期存在差异,长期均会趋向稳态值。以罗默为代表的新经济增长理论认为经济增长是内生的,强调知识和人力资本对经济增长的外溢效应。这些理论的研究对象均为实际产出部门,即实体经济领域。因此,要素投入是实体经济增长的基本动力,蕴含着知识外溢效应的技术进步是实体经济增长的源泉。
国内生产总值是衡量一国经济增长的常用指标。在MPS体系(物质产品平衡表体系)中只有物质生产领域才被计入GDP,这一体系已基本不被使用。目前通行于市场经济国家的SNA体系(国民经济核算体系)以萨伊的生产要素理论为依据,认为生产部门不仅包括物质产品生产部门,还应该将提供劳务的部门纳入其中,如金融业、房地产业、职业服务业、教育、医疗卫生等行业。从逻辑上来看,不管是生产行业还是服务行业均存在投入产出关系,只不过投入的要素不同,生产的产品也有差异。如在制造业中,投入劳动和资本最终产出实际产品;在银行业中,原材料是存款货币,产出的是贷款,二者之间的利息差异就是银行的收入。实际产品销售后获得收入被计入GDP,银行的利息最终作为工资和利润也被计入GDP。金融杠杆能够以固定比例放大或收缩资本,是金融业、房地产业等虚拟经济②领域常用的投资工具。虚拟经济领域独特的运行方式是金融杠杆促进实体经济增长的根本原因。
-
虚拟经济和实体经济的投入产出关系类似,但产出创造过程存在差异。我们以银行业和证券业为例简要阐述虚拟经济部门的产出创造过程。在银行业中,家庭收入通过银行这个中介贷给企业,银行赚取贷款利率高于存款利率的部分,存贷差随着整个经济体中货币的总量增加而增加,存贷差最终作为工资和利润被计入GDP。但随着其他非银行金融机构业务的拓展,存贷差这种传统业务给银行创造的利润越来越低。银行开始发展中间业务以赚取佣金,如信用担保服务、信托服务、租赁服务、期货期权等其他创新金融服务。创新金融服务将银行资金不断放大,为银行带来了高额利润。从1980年到2018年,根据美国经济分析局的数据分析,联邦储备银行、信贷中介以及相关活动创造的产值增幅速度明显高于制造业产值增幅速度。证券业中的产出主要来源于市场上的重复交易数量。当进入证券业的资金增加时,交易额和交易数量随之增加。尽管重复交易不计入GDP,但与交易次数直接相关的中介服务是GDP的组成部分,大量重复交易带来的中介服务增加,作为利润和工资主要来源的佣金和服务费就会增加。
在虚拟经济领域,通过金融杠杆对原有货币数量的放大作用,金融资本依靠其资金规模和信息优势可以以小博大,产生明显的杠杆效应,通过杠杆作用扩大虚拟经济领域的资本供给。金融杠杆撬动资金主要有两种方式,即借钱交易和收入流证券化。银行业中的典型杠杆就是以少量自有资金运营大量负债,证券业中的典型杠杆就是使用少量保证金达成巨额交易。这种类型的金融杠杆其风险显而易见,通常被金融监管机构通过严格规定进行限制。收入流证券化是将稳定的收入流资本化后进行销售。从理论上计算这种证券化结果可能更为直观,即收入流除以贴现率(市场利息率),这样一个小的收入流就被杠杆化成了巨额资产。这个过程既可以针对实体经济的稳定收入流进行操作,也可以将虚拟经济领域的收入流进行资本化,如住房抵押贷款的证券化。杠杆越长,对资产的影响就越大,进而影响中间服务,最终作用到服务带来的产值上来。
金融杠杆通过银行信贷和收入流证券化两种方式推动经济增长,但若金融杠杆不断上升,其对经济增长的抑制作用也是显而易见的。随着金融工具的不断创新,金融杠杆被不断延长,虚拟经济领域的利润越来越高。在实体经济各行业中,使用金融杠杆盘活资金扩大再生产的目标也发生了变化,转而参与利润高的投资活动,“以钱生钱”。在金融危机前,美国几乎所有行业都参与了跟本行业生产活动几乎没有关系的投资(或投机)活动。资金在虚拟经济领域空转必将提高实体经济的融资成本,抑制实体经济增长。
通过对金融杠杆影响实体经济和虚拟经济的分析,本文做出假设:金融杠杆通过提高资金运转效率服务于实体经济,能够推动实体经济增长;但如果大量资金在虚拟经济领域空转,将一方面与实体经济竞争各类资源,另一方面会增加系统性风险,最终损害一个国家的经济增长。
-
理论分析提出的假设认为金融杠杆对经济增长的影响效果是不确定的,会受到金融发展程度的影响。对于金融发展程度不同的国家,这种影响效应存在差异。根据世界银行按照国家收入的分类标准,基于数据的可得性,本文使用39个高收入国家和35个中高收入国家2000−2017年的年度数据进行实证分析,考察金融杠杆对经济增长的影响是否存在非线性效应。
-
本文使用Hansen(1999)提出的面板门槛模型,构建如下计量模型
$$lpgdp = {\beta _0} + {\beta _1}{X_{it}} + {\beta _2}fl{e_{it}}(fd \leqslant {\gamma _1}) + {\beta _3}fl{e_{it}}(fd > {\gamma _1}) + {\varepsilon _{it}}$$ (1) 其中,lpgdp表示经济发展水平,Xit为控制变量,包括工业化水平、储蓄率、资本形成比率、贸易开放度、通货膨胀率、城镇化和广义货币占比等影响经济发展水平的其他因素。
$fle{_{it}}$ 为金融杠杆,$fd$ 为门槛变量,衡量金融发展程度,$\gamma $ 为门槛值,下标$i$ 和$t$ 分别表示个体和时间,${\varepsilon _{it}}$ 为随机误差项。存在两个门槛值的模型如下:
$$\begin{split} lpgdp = \;&{\beta _0} + {\beta _1}{X_{it}} + {\beta _2}fl{e_{it}}(fd \leqslant {\gamma _1}) + {\beta _3}fl{e_{it}}({\gamma _1} < fd \leqslant {\gamma _2}) \\ &+ {\beta _4}fl{e_{it}}(fd > {\gamma _2}) + {\varepsilon _{it}} \end{split}$$ (2) 存在多个门槛值的模型如下:
$$\begin{split} lpgdp =\;& {\beta _0} + {\beta _1}{X_{it}} + {\beta _2}fl{e_{it}}(fd \leqslant {\gamma _1}) + {\beta _3}fl{e_{it}}({\gamma _1} < fd \leqslant {\gamma _2}) + \cdots\\ & + {\beta _{n + 1}}fl{e_{it}}(fd > {\gamma _n}) + {\varepsilon _{it}}\end{split}$$ (3) -
1. 经济发展水平。采用多数文献的做法,用人均国内生产总值衡量经济增长,作为被解释变量。
2. 金融杠杆。学术界对金融杠杆的界定基本可以分为两类(盛天翔和张勇,2019):信贷资金的需求方与供给方。信贷资金的需求方主要为实体经济,信贷资金的供给方主要为各类金融部门。从国家宏观层面来说,需求方的杠杆通常使用私人部门信贷/GDP来衡量,而供给方的杠杆通常使用资本充足率来衡量。由于金融监管政策的滞后特性,资本充足率很难真实反映一国的真实杠杆。本文使用私人部门信贷占比来衡量金融杠杆的大小。根据世界银行数据库对指标的定义,私人部门信贷指金融公司通过贷款、购买非股票证券、贸易信贷和其他应收账款等方式向私人部门提供的金融资源。
3. 门槛变量。20世纪90年代以来的金融自由化对经济增长产生了很大影响。一方面金融自由化改变了银行业的市场结构,强化了市场竞争,提高了金融效率,推动了全球经济增长;另一方面金融自由化放大了金融业的脆弱性,增加了金融业发生系统性风险的概率,从而影响金融稳定(王路加和郭亚妮,2017)。因此本文选取银行业集中度、金融效率与金融稳定性三个指标作为反映金融发展的门槛变量。银行业集中度考察了三个最大的商业银行在一个国家银行系统中的比重,反映了银行业的市场结构。金融效率考察了银行业利息收入占比。采用世界银行全球金融发展数据库提供的Z-score来衡量金融稳定性,该指标主要反映国家银行系统违约的可能性。
4. 控制变量。根据经典的总供给−总需求模型,一国收入的决定同时受到供给和需求的影响(袁申国和张振华,2019)。从供给方面来说,资本形成比率、城镇化率以及通货膨胀率均会影响国民收入水平;从需求方面来说,工业化程度、贸易开放度以及广义货币增长率均会影响国民收入水平。
上述各回归变量的变量类型、变量名称、计算方法以及数据来源见表1,各回归变量的描述性统计见表2。
表 1 变量说明
类型 变量名称 符号 计算方法 数据来源 被解释变量 经济发展水平 lpgdp 人均GDP取对数 世界银行WDI数据库 核心解释变量 金融杠杆 fle 私人信贷/GDP IMF数据库 门槛变量 银行业集中度 con 前三大银行资产占银行总资产的比重 Bankscope数据 金融效率 fe $\displaystyle\frac{ t \simfont\text{期净利息收入} } {[t\simfont\text{期资产总收益}+(t-1)\simfont\text{期资产总收益}]/2}$ Bankscope数据 金融稳定性 sta $\displaystyle \frac{ROA+\simfont\text{权益/资产}} {sd(ROA)}$ Bankscope数据 控制变量 资本形成比率 capital 资本形成总额/GDP 世界银行WDI数据 城镇化水平 urb 城镇人口/总人口 世界银行WDI数据 通货膨胀 inf 使用GDP平减指数计算的通胀率 世界银行WDI数据 工业化程度 real 工业增加值/GDP 世界银行WDI数据 贸易开放度 open 出口贸易额/GDP 世界银行WDI数据 广义货币占比 m2 M2/GDP 世界银行WDI数据 表 2 变量的描述性统计
变量 样本数 均值 标准差 最小值 最大值 lpgdp 1332 9.527 0.980 7.414 11.626 fle 1332 69.606 47.901 0.699 260.704 con 1332 67.238 18.147 20.846 100.000 fe 1332 3.789 2.422 0.010 21.186 sta 1332 13.317 8.428 0.017 61.164 capital 1332 23.921 5.745 10.217 57.990 urb 1332 70.017 15.459 30.869 100.000 inf 1332 95.475 27.519 16.055 459.025 real 1332 28.309 9.971 9.259 71.649 open 1332 47.863 32.608 9.043 228.994 m2 1332 80.305 66.213 12.932 669.880 -
在不考虑金融发展程度对金融杠杆和经济增长影响的前提下,本文首先使用静态面板模型考察金融杠杆对经济增长的作用。通过F检验、Hausman检验和LR检验的结果表明,模型的个体和时间效应显著,因此选择个体和时间的双固定效应模型进行估计,具体结果见表3。从表3可以看出,金融杠杆对经济增长存在显著的正向影响。从控制变量来看,工业化程度、通货膨胀率、城镇化水平、贸易开放度、广义货币占比和资本形成比率系数均为正,所有变量均在1%的水平上显著。控制变量的结果基本与经验判断一致,工业化水平越高的国家,实体经济对经济增长的贡献越大;一国的城镇化水平越高越能推动经济增长;贸易开放程度反映了一国产品和服务的国外需求,能够显著拉动经济增长;只有形成了用于投资的足够资本积累,才能实现持续的经济增长。
表 3 基准回归结果
(1) (2) (3) (4) (5) (6) fle 0.004*** 0.002*** 0.002*** 0.002*** 0.001*** 0.001*** (14.067) (8.315) (7.697) (7.466) (6.629) (7.051) real 0.004*** 0.008*** 0.010*** 0.009*** 0.008*** 0.007*** (2.601) (6.576) (8.565) (7.898) (7.290) (6.345) inf 0.004*** 0.003*** 0.003*** 0.003*** 0.003*** (26.934) (19.257) (19.142) (18.879) (19.074) urb 0.018*** 0.018*** 0.018*** 0.017*** (11.901) (12.069) (12.141) (11.708) open 0.002*** 0.003*** 0.003*** (5.254) (6.673) (7.975) m2 0.001*** 0.001*** (6.385) (6.314) capital 0.005*** (6.522) 常数项 9.156*** 8.819*** 7.575*** 7.508*** 7.460*** 7.397*** (177.286) (205.109) (67.509) (67.181) (67.639) (67.899) 时间效应 YES YES YES YES YES YES 个体效应 YES YES YES YES YES YES N 1332 1332 1332 1332 1332 1332 R2 0.137 0.453 0.509 0.519 0.535 0.550 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 Hansen(1999)提出使用格点搜索方法确定门槛值,并使用迭代抽样的方法检验门槛的显著性。按照上述方法确定并检验门槛值,结果见表4。表格显示金融稳定性、金融效率与银行业集中度均存在门槛效应,证明金融杠杆对经济增长的作用并不是线性的。具体来看,金融稳定性与银行业集中度具有单门槛效应,金融效率具有三重门槛效应。
表 4 门槛效应检验结果
门槛变量 门槛数量 F值 P值 门槛值 sta 单门槛 20.92** 0.040 14.22 双门槛 0.92 0.990 fe 单门槛 8.69*** 0.001 1.17 双门槛 4.67*** 0.027 2.23 三门槛 4.58*** 0.031 7.16 con 单门槛 60.66 *** 0.030 56.35 双门槛 17.44 0.140 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 根据门槛效应的检验结果,将金融稳定性、金融效率与银行业集中度分别作为门槛变量,估计金融杠杆对经济增长的作用,结果见表5。从表5中可以发现,对于三个不同的门槛变量,金融杠杆的系数均大于零,说明总体来说金融杠杆对经济增长存在促进而不是抑制作用,这与静态面板的估计结果相同。具体来看,门槛变量的不同取值范围会显著影响金融杠杆作用于经济增长的效应。
表 5 门槛效应估计结果
变量 (1) (2) (3) fle (sta<14.22) (fe<1.17) (con<56.35) 0.00137 *** 0.0011*** 0.00227*** (6.71) (4.5317) (9.98) (14.22<sta) (1.17<fe<2.23) (56.35<con) 0.00189*** 0.0013*** 0.00117*** (8.34) (5.5152) (5.76) (2.23<fe<7.16) 0.0017*** (6.4256) (7.16<fe) 0.0026 *** (5.8855) real 0.00752*** 0.0071 *** 0.00735 *** (6.56) (4.0084) (6.52) inf 0.00272*** 0.0027 *** 0.00264*** (19.22) (6.6164) (18.98) urb 0.01683*** 0.0174*** 0.01688 *** (11.40) (6.9687) (11.64) open 0.00300 *** 0.0031*** 0.00301*** (8.01) (6.7218) (8.35) m2 0.00088*** 0.0010 *** 0.00092*** (6.08) (7.9315) (6.45) capital 0.00536*** 0.0051*** 0.00547*** (6.45) (3.2044) (6.68) N 1332 1332 1332 BS次数 1000 1000 1000 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 表5第(1)列显示了当金融稳定性作为门槛变量时,金融杠杆影响经济增长的效应。金融稳定性存在显著的单门槛效应:当金融稳定性小于(或等于)门槛值14.22时,金融杠杆的系数为0.0014;当金融稳定性大于门槛值时,金融杠杆的系数为0.0019。总体来看,金融杠杆对经济增长的总效应为正,即金融杠杆能够促进全样本国家的经济增长。从金融杠杆系数变化的趋势来看,随着一国金融稳定性逐渐增加,金融杠杆对经济增长的促进作用不断增强。金融自由化的深入增加了各国金融机构发生系统性风险的概率,降低了金融机构的稳定性,不利于国家经济增长,金融危机就是最好的例证。一国金融是否稳定会直接影响投资者情绪,影响要素资源配置,决定经济增长水平。因此,金融稳定性的增强能够促进金融杠杆对经济增长的正效应。
表5第(2)列显示了当金融效率作为门槛变量时,金融杠杆对经济增长的作用效果。金融效率具有显著的三重门槛效应:当金融效率小于(或等于)1.17时,金融杠杆的系数为0.0011;当金融效率大于第一个门槛值小于(或等于)第二个门槛值2.23时,金融杠杆的系数上升为0.0013;当金融效率大于第二个门槛值小于(或等于)第三个门槛值7.16时,金融杠杆的系数上升为0.0017;当金融效率大于第三个门槛值时,金融杠杆的系数上升为0.0026。总之,随着金融效率不断提高,金融杠杆对经济增长的推动作用越来越大。从对变量的定义来看,金融效率表示一国的投资水平,在那些投资拉动型国家,这一变量与经济增长的关系非常密切(张春海,2018)。当金融效率较低时,金融杠杆过高容易造成资源浪费,不利于经济增长。随着金融效率的提高,资金能够得到合理高效使用,从而推动经济增长。
表5第(3)列显示了当银行业集中度作为门槛变量时,金融杠杆对经济增长的作用效果。银行业集中度具有显著的单门槛效应:当银行业集中度小于(或等于)门槛值56.35时,金融杠杆的系数为0.0023;当银行业集中度大于门槛值时,金融杠杆的系数下降为0.0012。从结果能够看出,当银行业集中度超过门槛值后,金融杠杆对经济增长的促进作用开始减弱。理论上,银行业集中度对金融杠杆发挥作用的效果具有两方面影响。一方面,银行业集中度提高便于监管,有利于抵御风险冲击,降低整个金融系统的风险;另一方面,高度集中的银行体系阻碍了利率市场化,提高了企业融资成本,不利于经济增长。经过实证检验,多数学者认为银行业集中度过高不利于金融资源配置,会损害经济增长。
-
根据世界银行的分类标准,我们将全样本分为高收入国家和中高收入国家两个子样本进行实证检验,以期发现收入等级不同的国家其金融杠杆与经济增长之间的非线性关系。同样使用格点搜索方法确定门槛值,并使用迭代抽样的方法检验门槛的显著性,检验结果见表6。表格显示金融稳定性、金融效率与银行业集中度均存在显著的单门槛效应,证明金融杠杆对经济增长的作用受到金融发展程度的非线性影响。
表 6 门槛效应检验结果(分样本回归)
门槛变量 门槛数量 高收入国家 中高收入国家 F值 P值 门槛值 F值 P值 门槛值 sta 单门槛 29.97** 0.040 18.38 3.42** 0.046 3.064 双门槛 8.80 0.560 5.89 0.540 fe 单门槛 4.45*** 0.032 2.457 10.81*** 0.000 3.911 双门槛 5.59 0.880 5.63 0.680 con 单门槛 54.68 *** 0.000 62.635 12.48*** 0.000 55.78 双门槛 11.62 0.200 4.64 0.580 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 根据门槛效应的检验结果,对两个子样本,分别将银行业集中度、金融效率与金融稳定性作为门槛变量,估计金融杠杆对经济增长的作用,结果见表7。从表7中可以发现,对于不同收入等级的国家,金融发展程度对金融杠杆与经济增长的非线性作用存在差异。
表 7 门槛效应估计结果(分样本回归)
变量 高收入国家 中高收入国家 sta fe con sta fe con (1) (2) (3) (4) (5) (6) fle (sta<18.38) (fe<4.45) (con<54.68) (sta<3.064) (fe<3.911) (con<55.78) 0.002*** 0.0015*** 0.003*** −0.0004 0.0005*** 0.0009*** (6.970) (5.172) (9.560) (−1.125) (1.695) (2.895) (18.38<sta) (4.45<fe) (54.68<con) (3.064<sta) (3.911<fe) (55.78<con) 0.003*** 0.0019*** 0.001*** 0.0007*** 0.0003 0.0003*** (8.580) (6.945) (5.530) (2.352) (0.489) (1.019) real 0.014*** 0.014*** 0.014*** −0.003** −0.003 −0.003* (10.040) (6.234) (9.640) (−1.889) (−1.639) (−1.716) inf 0.002*** 0.002*** 0.002*** 0.005*** 0.005*** 0.005*** (11.740) (5.590) (11.010) (22.188) (22.155) (21.312) urb 0.026*** 0.028*** 0.028*** −0.006*** −0.005*** −0.005*** (14.040) (10.001) (15.200) (−2.977) (−2.361) (−2.441) open 0.002*** 0.002*** 0.002*** 0.003*** 0.003*** 0.003*** (4.110) (3.732) (3.620) (5.901) (5.893) (6.557) m2 0.001*** 0.001*** 0.001*** 0.001*** 0.001*** 0.001*** (3.920) (4.173) (3.310) (3.848) (3.867) (4.319) capital 0.004*** 0.004*** 0.004*** 0.006*** 0.006*** 0.006*** (4.030) (1.964) (3.980) (5.003) (5.376) (5.728) N 738 738 738 594 594 594 BS次数 1000 1000 1000 1000 1000 1000 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 表7第(1)列和第(4)列显示了当金融稳定性作为门槛变量时,在高收入国家和中高收入国家,金融杠杆对经济增长的影响都具有显著的单门槛效应。对于高收入国家来说,当金融稳定性小于(或等于)门槛值18.38时,金融杠杆的系数为0.002;当金融稳定性大于门槛值时,金融杠杆的系数为0.003。从金融杠杆系数变化的趋势来看,金融稳定性增加到门槛值之后,能够显著增强金融杠杆对经济增长的正效应。对于中高收入国家来说,当金融稳定性小于(或等于)门槛值3.064时,金融杠杆的系数为−0.0004;当金融稳定性大于门槛值时,金融杠杆的系数为0.0007。当金融稳定性跨过门槛值时,金融杠杆对经济增长的作用由负转正。
表7第(2)列和第(5)列显示了当金融效率作为门槛变量时,在高收入国家和中高收入国家,金融杠杆影响经济增长都具有显著的单门槛效应。对于高收入国家来说,当金融效率小于(或等于)门槛值4.45时,金融杠杆的系数为0.0015;当金融效率大于门槛值时,金融杠杆的系数为0.0019。从金融杠杆系统变化的趋势来看,金融效率显著提升了金融杠杆对经济增长的作用。这说明高收入国家在实现金融自由化的过程中,也注重金融效率的提升,提高了金融资源的配置效率,促进了经济增长。对于中高收入国家来说,当金融效率小于(或等于)门槛值3.911时,金融杠杆的系数为0.0005;当金融效率大于门槛值时,金融杠杆的系数不显著。中高收入国家金融体系发展程度相对于高收入国家要低,金融效率对金融体系发挥作用的影响效应不明显。
表7第(3)列和第(6)列显示了当银行业集中度作为门槛变量时,在高收入国家和中高收入国家,金融杠杆影响经济增长都具有显著的单门槛效应。对于高收入国家,当银行业集中度小于(或等于)门槛值54.68时,金融杠杆的系数为0.003;当银行业集中度大于门槛值时,金融杠杆的系数为0.001。对于中高收入国家,当银行业集中度小于(或等于)门槛值55.78时,金融杠杆的系数为0.0009;当银行业集中度大于门槛值时,金融杠杆的系数为0.0003。从实证结果能够看出,不管是对高收入国家,还是中高收入国家,银行业集中度过高都不利于经济增长。
-
本文基于39个高收入国家和35个中高收入国家2000−2017年的面板数据,将金融发展程度作为门槛变量,使用门槛模型分析了金融杠杆与经济增长之间的非线性关系。实证结果表明,无论对于全样本还是子样本,金融杠杆对经济增长的门槛效应均显著,即随着金融发展程度的变化,金融杠杆对经济增长的影响存在差异。(1)金融稳定性对所有国家都非常重要,对于虚拟经济比重更高的高收入国家,金融稳定性的作用效果更为显著。(2)金融效率的提升促进了金融杠杆对经济增长的作用。对于高收入国家组别,这种促进作用更强。(3)银行业集中度在门槛值以下可以降低金融系统的风险,促进经济增长;一旦超过门槛值就将不利于金融资源的有效配置,阻碍经济增长。
基于以上研究结论,本文提出以下建议:第一,充分发挥金融杠杆对经济增长的积极作用。金融业对中国经济的意义重大,能够有效推动实体经济增长。因此,“去杠杆”需把握好节奏与方向,引导金融机构主动降低杠杆率,降低系统性风险,为实体经济提供服务。第二,进一步加强金融监管,维持金融系统稳定。2016年以来“去杠杆”政策频出,但中国金融杠杆率仍然处于较高水平。若没有强有力的金融监管,在当前存在不良贷款增多、通货膨胀、产能过剩等问题的背景下,金融市场抵御风险的能力难以经受考验(兰日旭,2018)。第三,推动银行业的良性竞争。由于资本市场尚未完善,中国实体经济发展主要依赖银行系统,但银行往往出于风险规避本能将有限资金投放到实力强的大型企业,造成中小企业融资困境。中小企业是带动经济发展的基础力量,也是最活跃的组成部分,中小企业的困境会严重损害金融杠杆对经济增长的积极作用。因此,需要推动银行业的良性竞争,为中小企业提供顺畅的融资渠道,推动中国经济高质量发展。
-
摘要: 金融杠杆既能推动经济增长,也会与实体经济竞争资源,从而损害经济增长。金融杠杆对经济增长的不确定效应会受到金融发展程度的影响。文章分析了金融杠杆作用于经济增长的具体机制,并基于74个国家2000−2017年的面板数据,以金融稳定性、金融效率和银行业集中度代表金融发展程度并作为门槛变量进行了门槛效应分析。实证结果显示,金融稳定性和金融效率能够提升金融杠杆对经济增长的促进作用,银行业集中度过高会损害金融杠杆对经济增长的正向效应。中国应着力于维护金融稳定、提高金融效率,促进银行业的良性竞争,突出金融为实体经济服务的根本功能。
The Threshold Effect of Financial Leverage in Middle and High Income Countries: An Empirical Study on Cross-Border Panel Data
Abstract: Financial leverage not only promotes the economic growth, but also competes with the real economy for resources, thus damages economic growth. The uncertain effect of financial leverage on economic growth will be affected by the degree of financial development. This paper analyzes the specific mechanism of financial leverage on economic growth based on the panel data of 74 countries from 2000 to 2017, and the threshold effect by using financial stability, financial efficiency and banking competitiveness as threshold variables. The empirical results show that financial stability and efficiency can enhance the role of financial leverage in promoting economic growth, the high concentration of banking system will damage the positive effect of financial leverage on economic growth. China should focus on maintaining financial stability, improving financial efficiency, promoting the healthy competition in banking industry, and highlighting the fundamental function of finance serving the real economy.-
Key words:
- money supply /
- financial leverage /
- economic growth
-
表 1 变量说明
类型 变量名称 符号 计算方法 数据来源 被解释变量 经济发展水平 lpgdp 人均GDP取对数 世界银行WDI数据库 核心解释变量 金融杠杆 fle 私人信贷/GDP IMF数据库 门槛变量 银行业集中度 con 前三大银行资产占银行总资产的比重 Bankscope数据 金融效率 fe $\displaystyle\frac{ t \simfont\text{期净利息收入} } {[t\simfont\text{期资产总收益}+(t-1)\simfont\text{期资产总收益}]/2}$ Bankscope数据 金融稳定性 sta $\displaystyle \frac{ROA+\simfont\text{权益/资产}} {sd(ROA)}$ Bankscope数据 控制变量 资本形成比率 capital 资本形成总额/GDP 世界银行WDI数据 城镇化水平 urb 城镇人口/总人口 世界银行WDI数据 通货膨胀 inf 使用GDP平减指数计算的通胀率 世界银行WDI数据 工业化程度 real 工业增加值/GDP 世界银行WDI数据 贸易开放度 open 出口贸易额/GDP 世界银行WDI数据 广义货币占比 m2 M2/GDP 世界银行WDI数据 表 2 变量的描述性统计
变量 样本数 均值 标准差 最小值 最大值 lpgdp 1332 9.527 0.980 7.414 11.626 fle 1332 69.606 47.901 0.699 260.704 con 1332 67.238 18.147 20.846 100.000 fe 1332 3.789 2.422 0.010 21.186 sta 1332 13.317 8.428 0.017 61.164 capital 1332 23.921 5.745 10.217 57.990 urb 1332 70.017 15.459 30.869 100.000 inf 1332 95.475 27.519 16.055 459.025 real 1332 28.309 9.971 9.259 71.649 open 1332 47.863 32.608 9.043 228.994 m2 1332 80.305 66.213 12.932 669.880 表 3 基准回归结果
(1) (2) (3) (4) (5) (6) fle 0.004*** 0.002*** 0.002*** 0.002*** 0.001*** 0.001*** (14.067) (8.315) (7.697) (7.466) (6.629) (7.051) real 0.004*** 0.008*** 0.010*** 0.009*** 0.008*** 0.007*** (2.601) (6.576) (8.565) (7.898) (7.290) (6.345) inf 0.004*** 0.003*** 0.003*** 0.003*** 0.003*** (26.934) (19.257) (19.142) (18.879) (19.074) urb 0.018*** 0.018*** 0.018*** 0.017*** (11.901) (12.069) (12.141) (11.708) open 0.002*** 0.003*** 0.003*** (5.254) (6.673) (7.975) m2 0.001*** 0.001*** (6.385) (6.314) capital 0.005*** (6.522) 常数项 9.156*** 8.819*** 7.575*** 7.508*** 7.460*** 7.397*** (177.286) (205.109) (67.509) (67.181) (67.639) (67.899) 时间效应 YES YES YES YES YES YES 个体效应 YES YES YES YES YES YES N 1332 1332 1332 1332 1332 1332 R2 0.137 0.453 0.509 0.519 0.535 0.550 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 表 4 门槛效应检验结果
门槛变量 门槛数量 F值 P值 门槛值 sta 单门槛 20.92** 0.040 14.22 双门槛 0.92 0.990 fe 单门槛 8.69*** 0.001 1.17 双门槛 4.67*** 0.027 2.23 三门槛 4.58*** 0.031 7.16 con 单门槛 60.66 *** 0.030 56.35 双门槛 17.44 0.140 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 表 5 门槛效应估计结果
变量 (1) (2) (3) fle (sta<14.22) (fe<1.17) (con<56.35) 0.00137 *** 0.0011*** 0.00227*** (6.71) (4.5317) (9.98) (14.22<sta) (1.17<fe<2.23) (56.35<con) 0.00189*** 0.0013*** 0.00117*** (8.34) (5.5152) (5.76) (2.23<fe<7.16) 0.0017*** (6.4256) (7.16<fe) 0.0026 *** (5.8855) real 0.00752*** 0.0071 *** 0.00735 *** (6.56) (4.0084) (6.52) inf 0.00272*** 0.0027 *** 0.00264*** (19.22) (6.6164) (18.98) urb 0.01683*** 0.0174*** 0.01688 *** (11.40) (6.9687) (11.64) open 0.00300 *** 0.0031*** 0.00301*** (8.01) (6.7218) (8.35) m2 0.00088*** 0.0010 *** 0.00092*** (6.08) (7.9315) (6.45) capital 0.00536*** 0.0051*** 0.00547*** (6.45) (3.2044) (6.68) N 1332 1332 1332 BS次数 1000 1000 1000 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 表 6 门槛效应检验结果(分样本回归)
门槛变量 门槛数量 高收入国家 中高收入国家 F值 P值 门槛值 F值 P值 门槛值 sta 单门槛 29.97** 0.040 18.38 3.42** 0.046 3.064 双门槛 8.80 0.560 5.89 0.540 fe 单门槛 4.45*** 0.032 2.457 10.81*** 0.000 3.911 双门槛 5.59 0.880 5.63 0.680 con 单门槛 54.68 *** 0.000 62.635 12.48*** 0.000 55.78 双门槛 11.62 0.200 4.64 0.580 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 表 7 门槛效应估计结果(分样本回归)
变量 高收入国家 中高收入国家 sta fe con sta fe con (1) (2) (3) (4) (5) (6) fle (sta<18.38) (fe<4.45) (con<54.68) (sta<3.064) (fe<3.911) (con<55.78) 0.002*** 0.0015*** 0.003*** −0.0004 0.0005*** 0.0009*** (6.970) (5.172) (9.560) (−1.125) (1.695) (2.895) (18.38<sta) (4.45<fe) (54.68<con) (3.064<sta) (3.911<fe) (55.78<con) 0.003*** 0.0019*** 0.001*** 0.0007*** 0.0003 0.0003*** (8.580) (6.945) (5.530) (2.352) (0.489) (1.019) real 0.014*** 0.014*** 0.014*** −0.003** −0.003 −0.003* (10.040) (6.234) (9.640) (−1.889) (−1.639) (−1.716) inf 0.002*** 0.002*** 0.002*** 0.005*** 0.005*** 0.005*** (11.740) (5.590) (11.010) (22.188) (22.155) (21.312) urb 0.026*** 0.028*** 0.028*** −0.006*** −0.005*** −0.005*** (14.040) (10.001) (15.200) (−2.977) (−2.361) (−2.441) open 0.002*** 0.002*** 0.002*** 0.003*** 0.003*** 0.003*** (4.110) (3.732) (3.620) (5.901) (5.893) (6.557) m2 0.001*** 0.001*** 0.001*** 0.001*** 0.001*** 0.001*** (3.920) (4.173) (3.310) (3.848) (3.867) (4.319) capital 0.004*** 0.004*** 0.004*** 0.006*** 0.006*** 0.006*** (4.030) (1.964) (3.980) (5.003) (5.376) (5.728) N 738 738 738 594 594 594 BS次数 1000 1000 1000 1000 1000 1000 注:***、**、*分别表示在1%、5%、10%的统计水平下显著。 -
[1] 李扬, 张晓晶, 常欣,汤铎铎,李成. 2012. 中国主权资产负债表及其风险评估(上). 经济研究 (6): 4−19. [2] 兰日旭. 2018. 中国近代金融风潮防范——以政府治理为中心. 安徽师范大学学报(人文社会科学版) (1): 128−137. [3] 马勇, 陈雨露. 2017. 金融杠杆、杠杆波动与经济增长. 经济研究 (6): 31−45. [4] 马勇, 李振. 2016. 城镇化、金融杠杆与经济增长. 金融评论 (3): 1−19. doi: 10.3969/j.issn.1674-7690.2016.03.001 [5] 盛天翔, 张勇. 2019. 货币政策、金融杠杆与中长期信贷资源配置——基于中国商业银行的视角. 国际金融研究 (5): 55−64. [6] 苏明政, 张庆君. 2015. 关联性视域下我国金融行业间系统性风险传染效应研究. 会计与经济研究 (6): 111−124. [7] 王爱俭, 杜强. 2017. 经济发展中金融杠杆的门槛效应分析——基于跨国面板数据的实证研究. 金融评论 (5): 18−27. [8] 王路加, 郭亚妮. 2017. 我国货币政策的银行风险承担渠道检验——基于中国16家上市银行数据的动态GMM实证分析. 会计与经济研究 (6): 96−113. [9] 王艺璇, 刘喜华. 2019. 金融稳定、金融杠杆与经济增长——基于时变参数向量自回归模型. 金融发展研究 (5): 1−9. [10] 夏越. 2019. 金融杠杆如何影响系统性金融风险——U型关系与空间溢出. 财经科学 (1): 1−15. [11] 袁申国, 张振华. 2019. 金融效率抑制了经济波动吗——基于61个国家面板数据的经验研究. 当代财经 (7): 59−71. [12] 杨友才. 2014. 金融发展与经济增长——基于我国金融发展门槛变量的分析. 金融研究 (2): 59−71. [13] 张春海. 2018. 经济发展中的金融杠杆的门槛效应与拐点效应——来自跨国面板数据的经验分析. 金融发展研究 (11): 33−39. [14] 钟伟, 顾弦. 2009. 从金融危机看金融机构的去杠杆化及其风险. 中国金融 (2): 24−25. [15] Arcand, J., E. Berkes, and U. Panizza. 2015. Too much finance? Journal of Economic Growth 20(1): 105−148. [16] Caballero, C., I. Drumond, J. Lendvai, P. Pontuch, and R. Raciborski. 2013. Indebtedness, deleveraging dynamics and macroeconomic adjustment. European Economy-Economic Papers 33: 1−49. [17] Cecchetti, S., and E. Kharroubi. 2012. Reassessing the impact of finance on growth. BIS Working Papers. [18] Hansen, B. 1999. Threshold effects in non-dynamic panels: Estimation, testing, and inference. Journal of Econometrics 93(3): 345−368. [19] King, R. G., and R. Levine. 1993. Finance, entrepreneurship and growth: Theory and evidence. Journal of Monetary Economic 32(3): 513−542. doi: 10.1016/0304-3932(93)90028-E [20] Law, S. H., and N. Singh. 2014. Does too much finance harm economic growth? Journal of Banking and Finance 41(2): 36−44. [21] Rioja, F., and N. Valev. 2004. Finance and the sources of growth at various stages of economic development. Economic Inquiry 42(1): 127−140. doi: 10.1093/ei/cbh049 [22] Rousseau, P. L., and P. Wachtel. 2011. What is happening to the impact of financial deepening on economic growth? Social Science Electronic Publishing 49(1): 276−288. [23] Roxburgh, C., S. Lund, T. Wimmer, E. Amar, C. Atkins, J. Kwek, R. Dobbs, and J. Manyika. 2010. Debt and deleveraging: The global credit bubble and its economic consequences. McKinsey Global Institute Working Paper. [24] Shen, C. H., and C. C. Lee. 2006. Same financial development yet different economic growth: Why? Journal of Money Credit Banking 38(7): 1907−1944. doi: 10.1353/mcb.2006.0095 [25] Torre, A. D. L., A. Ize, and S. L. Schmukler. 2012. Financial development in latin America and the Caribbean: The Road Ahead. Policy Research Working Paper. [26] Wagner, W. 2010. Diversification at financial institutions and systemic crises. Journal of Financial Intermediation 19(3): 373−386. doi: 10.1016/j.jfi.2009.07.002
点击查看大图
计量
- 文章访问数: 394
- HTML全文浏览量: 224
- PDF下载量: 1709
- 被引次数: 0

下载: 







