论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　已有相关研究为本文提供了借鉴与帮助。但是大多数研究运用实证分析集中检验了金融发展与经济增长的关系，在实证分析方法选择上以时间序列模型和东部、中部与西部的面板数据模型为主，没有考虑不同区域间及区域内经济发展水平和金融发展水平的差异；少量学者从理论视角对金融发展与实体经济增长之间的关系进行了定性分析，得出金融发展抑制了实体经济增长，缺乏实证检验。金融发展到底为实体经济带来了“福音”还是“诅咒”，以及金融发展对各区域实体经济发展的影响是否存在差异，值得检验。针对已有文章研究的不足，本文立足于共建“一带一路”的大背景，以“一带一路”所涉及17个省份1985-2013年的时间序列数据和面板数据为样本，分别检验金融发展对实体经济增长的整体作用效果和区域的差异。
　　指标选取、数据来源与研究方法
　　（一）指标选取
　　1.实体经济发展水平（RGDP）。刘骏民、伍超明（2004）和刘金全（2004）运用国民生产总值的增长率表示实体经济发展水平。由于实体经济与虚拟经济共同构成国民生产总值，而实体经济与虚拟经济通常表现出了相背离的情况（杜厚文、伞锋，2003；李晓西、杨琳，2000）。因此用该种方法测算实体经济发展水平缺乏可信度；伍超明（2004）利用家庭和企业两个部门的收入、消费和储蓄表示实体经济发展水平，用股票、债券市场和地产等生产总值表示虚拟经济发展水平。金融机构是联系这两个部门的中介。由于，实体经济和虚拟经济的计量中存在重叠部分，该种方法并不能完全测算出实体经济发展的真实水平；罗能生、罗富致（2012）和李强、徐康宁（2013）运用国民生产总值减去金融和房地产两个部门生产总值的剩余部分表示实体经济发展水平。该方法能消除虚拟经济部分，客观地反映实体经济的发展水平，数据容易获取，测算方法简单。因此，本文采用国民生产总值减去金融业和房地产业生产总值剩余产值的人均产值表示实体经济发展水平。
　　2.金融发展水平。自从戈得史密斯（1969）提出金融发展的衡量指标应该有金融发展规模和金融发展效率后，大量学者运这两个指标测算了金融发展水平（张立军、湛泳，2006；孙永强，2012；袁云峰、曹旭华，2007；王景武，2005）。本文也采用金融发展规模（FIR，用银行贷款占GDP的比值表示）和金融发展效率（FE，用年底金融机构存款余额与金融机构年底贷款余额的比值表示）两个指标测算金融发展水平。
　　3.控制变量。根据道格拉斯生产函数的定义，资本、劳动力是影响产出的主要因素，而构建“一带一路”的主要目的就是通过加强区域间的合作与交流，促进经济增长。因此文章选取资本（Cap）、劳动力（Lab）和经济开放程度（OPEN）三个控制变量。资本用社会固定资产投资总额与国内生产总值的比值表示，劳动力用就业人数与总人口的比值表示，经济开放程度用当年按美元与人民币中间价折算的外商直接投资额占GDP的比重表示。
　　（二）数据来源
　　本文选取1990-2013年“一带一路”所涉及17个省份的实体经济发展水平为研究对象，分别检验金融发展水平和各控制变量对其的影响。数据来源于1991-2014年《中国统计年鉴》、《中国金融统计年鉴》和各省统计年鉴。各指标的描述性统计量见表1。
　　表1表明，1985-2013年经济开放程度在“一带一路”所涉及的17个省份间存在较大差距，其标准差较大，其值为423.709；资本和劳动力的比准差较小，分别为0.217和0.071。
　　（三）研究方法
　　为了检验金融发展支持“一带一路”实体经济发展的总体效应以及金融发展对实体经济发展水平的作用是否在各区域之间存在差异。本文分别运用1990-2013年“一带一路”17个省份的面板数据和1990-2013年17个省份的时间序列数据模型进行研究。
　　1.面板数据模型。构建金融发展对“一带一路”实体经济发展水平影响的总体效应模型为：
　　（1）
　　其中，i表示各省份（i=1，2，3，...，17），t表示年份；α0表示截距项，α1，α2，…，α5表示各解释变量对实体经济的影响程度，εit表示随机误差项。
　　面板数据模型包括：混合模型、固定效应模型与随机效应模型，三种类型由于样本面板数据包含了截面、时期和变量三个维度信息，进行估计时，如果模型设定不准确，估计结果可能与现实情况偏离。因此要对模型的形式进行检验。文章采用协方差检验方法，构造F统计量：
　　（2）
　　S2和S1分别表示变系数和混合模型的残差平方和，N为样本个数，k表示参数个数，T表示年份数。若F1小于给定置信度水平下的临界值，则认为模型应采用混合模型；反之，继续检验模型是固定效应模型或随机效应模型，检验方法亦然。
　　2.时间序列数据模型。为了检验金融发展水平对“一带一路”各省份实体经济发展水平的影响程度是否存在差异，分别构建各省份1990-2013年的时间序列模型如下：
　　（3）
　　直接根据时间序列变量构造VAR模型要求各指标变量数据为平稳时间序列，但存在协整关系的非平稳时间序列，用VAR模型估计变量之间的关系也是可靠的（高铁梅，2009）。因此，本文在检验各指标平稳性的基础上，运用协整检验验证金融发展与实体经济发展水平的长期均衡关系，以及检验各省份间的这种协整关系是否存在差异。
　　金融发展影响实体经济的实证分析
　　（一）金融发展对实体经济发展水平影响的总体效应检验
　　1.单位根检验。对非平稳数据进行建模，可能产生伪回归，因此，在模型估计前应对数据的平稳性进行检验。若原数据平稳，那么就可以进行回归分析；如果原数据为非平稳序列，应对同阶的非平稳序列进行协整检验，若存在协整关系，可通过构造误差修正模型，避免伪回归现象。文章采用LLC检验、ADF-Fisher检验和PP-Fisher检验方法对各变量的单位根进行检验，检验结果表明，在10%的显著性水平下，原始序列均为非平稳序列。对一阶差分后的原始序列进行单位根检验，在1%的显著性水平下，平稳。即原始序列均为一阶单整序列（见表2）。  
　　2.协整检验。利用KAO协整检验方法检验实体经济发展水平与金融发展水平之间的协整关系。结果表明，ADF的T统计量为-19.426，相应的伴随概率为0.00，拒绝不存在协整关系的原假设。即：实体经济发展水平与金融发展水平之间存在协整关系。