金融发展与经济增长实证研究综述(.doc

《金融发展与经济增长实证研究综述(.doc》由会员分享，可在线阅读，更多相关《金融发展与经济增长实证研究综述(.doc（7页珍藏版）》请在三一办公上搜索。

1、金融发展与经济增长实证研究综述* 该文已发表于经济学动态2006年第12期，pp.101-105.连玉君(西安交通大学 金禾经济研究中心，陕西 西安 710049)摘 要：本文对金融发展与经济增长相关的实证文献进行了回顾和评述。目前文献中对金融发展与经济增长之间的诸多关系还没有一致的结论，而实证分析中所使用的各种计量工具都有各自的缺陷。截面分析往往存在遗漏变量和内生性问题，时间序列分析往往存在小样本偏误，而面板数据分析在数据的可混合性、初始条件的确认以及结构突变等方面还需要作进一步的研究。关键词：金融发展 经济增长 面板数据在过去的20年中，金融发展与经济增长之间的关系受到了学者们的广泛关注。

2、虽然多数学者认为金融发展对经济增长有着重要的促进作用，但也有学者认为我们过度强调了金融发展的作用。尽管对此问题的理论研究最早可追溯至 Patrick(1966),但相关的实证研究仅在近10年才大量涌现。早期的实证研究多基于单纯的截面分析或时间序列分析，往往因为存在内生性、小样本或遗漏变量等偏误而颇受质疑。随着计量经济学的快速发展，面板数据模型逐渐成为近期研究的主要分析工具，新近发展出来的动态面板数据模型、面板向量自回归模型、面板单位根检验以及门槛面板模型都得到了广泛地应用。然而，计量理论的发展似乎永远无法满足实证分析的需求，这使得该领域的实证分析与理论预期之间还存在很大的差距。鉴于已有学者对相

3、关的理论文献做了很好的综述，本文将注意力集中于实证文献中所采用的主要计量方法和颇具争议的一些实证关系上，以期对后续研究提供有益的借鉴。一、金融发展与经济增长的关系：实证证据由于金融发展只是影响经济增长的诸多因素之一，所以不难想象二者之间关系的复杂性，而从现有的实证研究结果来看也的确如此。学者们考虑了金融发展与经济增长之间的多种关系，而每一种关系背后都对应着不同的政策含义。 （一）线性还是非线性？虽然目前多数实证研究都是在假设金融发展与经济增长之间存在线性关系的前提下进行的，但一系列基于新古典经济增长模型的理论研究表明，二者之间可能存在非线性关系，如Acemoglu and Zilibotti（

4、1997）。实证分析中有两类文献支持该观点。第一类发现金融发展与经济增长之间存在“门槛效应”（threshold effect），即随着人均收入水平或金融发展水平的变化，二者的关系也会发生改变。Xu（2000）研究表明，对于低收入或中低收入国家而言，金融发展对经济增长有负面作用，但对于高收入国家则有正面影响。Deidda and Fattouh（2002）发现在低收入国家中二者关系不显著，但在高收入国家中金融发展对经济增长有明显的促进作用。除了上面提到的人均收入水平可能导致金融发展与经济增长间的门槛效应外，Aghion et al.(2005)发现金融发展水平的差异也可能导致这种门槛效应的产生

5、。他们的研究结果表明，对于金融发展水平高于某一门槛值的国家，金融发展对经济增长有明显的促进作用，但在当金融发展水平低于这一门槛值时，它对经济增长的作用甚微。第二类文献发现金融发展与经济增长间可能因为其它因素的影响而呈现非线性关系，如利率、通货膨胀等。Rousseau and Wachtel（2002）采用滚动回归方法研究发现，只有在通货膨胀率低于某一门槛值后金融发展才会对经济增长有促进作用。以上研究表明，金融发展对经济增长的作用似乎存在阶段性，这主要表现为只有经济总量达到一定的水平或金融体系比较成熟时，前者才会对后者产生促进作用，否则，金融发展非但不会促进经济增长还有可能产生消极作用。从模型的

6、设定角度来讲，在研究二者之间的关系时，我们有必要对其它宏观经济变量进行合理的控制，否则就可能得出误导性的结论，而这一点在前期的多数研究中并没有得到足够的重视。（二）金融发展：因还是果？金融发展与经济增长间的因果关系也是实证分析中的一个重要议题，因为二者之间究竟表现出何种因果关系对宏观经济政策的制定有着迥然不同的含义。目前的实证研究多以Patrick（1966）提出的三个实证假说为基础：“供给导引假说”（supply-leading hypothesis）、“需求跟随假说”（demand-following hypothesis）和“阶段发展假说”（stage of development hy

7、pothesis）。“供给导引假说”认为金融发展促进经济增长，“需求跟随假说”认为经济增长导致金融发展。而“阶段发展假说”则认为在经济发展的初级阶段，“供给引导”居主导地位，但其作用会不断减弱，随着金融发展和经济增长进程的推进，“需求跟随”的作用将不断增强。目前多数实证研究结果都支持“供给引导假说”，如King and Levine（1993），Rousseau and Wachtel（2002）,以及Rousseau and Vuthipadadorn(2005)。同时，也有一些研究支持“需求跟随假说”，如Jung（1986）。除了对金融发展与经济增长间单向因果关系的检验，Calderon

8、and Liu（2003）采用Geweke分解法对二者之间的互动关系进行了检验，发现金融发展在对经济增长产生影响的同时也会受到经济增长的反馈作用。在最近的一篇文章中，Rioja and Nalev（2004）发现他们的实证结果支持“阶段发展假说”，金融发展与经济增长之间的关系会因为金融发展的程度不同而有所变化。对于收入较低的地区而言，金融发展对经济增长的作用具有不确定性；在中等收入地区，前者对后者有显著的促进作用；而在高收入地区这种作用虽然是正面的，但并不显著。总体而言，这一主题的研究仍然存在诸多疑问。虽然一系列内生增长模型都表明金融发展与经济增长之间可能存在互动关系，但实证分析中却缺乏有力的

9、分析工具，文献中普遍使用的格兰杰因果检定往往因为小样偏误而颇受质疑。新近发展的面板向量自回归模型（Panel VAR）以及上面提到的Geweke分解法或许是我们在后续研究中值得借鉴的方法。（三）长期还是短期？金融发展与经济增长间因果关系的不确定性使得部分学者开始将金融发展作用的时滞性考虑进来。这一点非常重要，正如Loayza and Ranciere（2002）所言，金融发展到较高层次时对经济增长的促进效果往往可以在短时间内发挥出来，但就长期来看，随着经济的不断增长并逐渐趋于成熟，这些效果会逐渐减退。如果仅仅从长期角度检验二者的因果关系往往会掩盖金融发展对经济增长的这种短期作用效果，即，我们很

10、可能发现二者之间不存在任何因果关系。因此，他们认为在实证研究中必须同时考虑金融发展对经济增长的短期和长期影响。他们发现就长期而言金融发展对经济增长具有显著的促进作用，但短期而言往往会产生负面影响。Calderon and Liu（2003）通过对109个发展中和发达国家1960-1994年间的实证分析表明，考察的样本区间越长，观察到的金融发展对经济增长的促进作用越显著。但Christopoulos and Tsionas（2004）的研究表明金融发展与经济增长之间并不存在明显的短期因果关系，并指出金融发展对经济增长的作用只能从长期角度来考察。虽然目前的文献对这一问题并未达成一致的看法，但其政策

11、含义却是相当深刻的。对于致力于提高金融发展水平的政府而言，政策的作用效果很可能存在较强的时滞性，但就长期而言对经济增长的促进作用是非常显著的，如果急于求成，则很可能会功亏一篑。二、金融发展与经济增长的关系：计量方法就文献中使用的计量方法而言，可以大体归结为三个维度，而在每个维度上，计量经济学的每一点新的成果都会反映到金融发展与经济增长的实证文献中来。下面，我们分别从截面分析、时间序列分析和面板数据分析三个角度对一些主要分析工具进行评述。（一）基于截面分析的实证研究自上世纪90年代以来，多数截面分析都以新古典增长模型的分析框架为基础，如King and Levine（1993）。对此类研究的批评

12、主要集中在以下几个方面。首先，截面分析的回归方程中往往存在严重的共线性问题；其次，由于截面分析无法控制不可观测的个体效应，所以往往存在遗漏变量的偏误；最后，多数此类研究都没有很好地控制变量的内生性问题（Beck and Levine，2004）。为了控制内生性问题，Levine（1998, 1999）以及Levine et al.（2000）采用法律体系和会计体系的发展程度作为金融发展的工具变量来估计以往的回归方程，以获得一致估计量。为了检验这种处理方式的稳健性，McCaig and Stengos（2005）进一步对多种工具变量的实证表现进行了考察。他们借助过度识别回归（over-ident

13、ifying regressions, OIR）来检验各种的工具量的合理性和模型的拟合程度，最终认为前期的研究结果具有稳健性。虽然以上方法可以从一定程度上解决内生性问题，但同时也引发了新的疑问。如果用以衡量法律体系和会计体系发展程度的变量都是替代金融发展的有效工具变量，那么难道这些部门本身对经济增长就没有任何影响么？因此，在研究金融发展与经济增长关系的过程中，如果我们漏掉了对这些部门中任何一个的考察都有可能再次陷入“遗漏变量”的偏误之中。基于这样的考虑，Beck and Levine（2004）以及近期的一系列研究开始将股票市场的发展状况、法律制度甚至社会文化背景等因素考虑进来，从一个更为开阔

14、的视角对金融发展与经济增长之间的关系进行研究。事实上，文献中对截面分析的批评更多地集中在其背后的假设条件上。这些假设条件与我们观察到的实际状况往往存在很大的偏差，如多数研究都假设样本内的所有国家都处于稳定的增长路径上，且具有相似的经济结构和技术水平。因此，前期基于截面分析得到的结果是否具有稳健性还需要作进一步的验证。（二）基于时间序列分析实证研究时间序列分析主要用于考查金融发展与经济增长之间的动态关系和因果关系，这些都是截面分析无法胜任的。Jung（1986）采用向量自回归（VAR）模型对1960年后的年度数据进行分析表明，对于样本内的多数国家，金融发展都与经济增长互为因果。Demetriad

15、es and Hussein（1996）采用格兰杰因果检验和Johansen协整分析等方法，对16个发展中国家进行了研究，结果并不支持“供给导引假说”，相反地，他们发现对多数国家而言，因果关系是双向的，而部分国家则表现为经济增长导致金融发展的单向因果关系。同时，他们指出，金融发展与经济增长间的因果关系存在很大的地区差异，所以以往截面分析基于同质性假设得到的结论非常值得怀疑。然而，Luintel and Khan（1999）认为以上研究所使用的实证模型存在设定偏误和单方程偏误。因此，后续研究基本上都采用了多变量向量自回归模型（VARs）和向量误差修正（VECMs）模型，以期得到更为稳健的结果。如

16、，Luintel and Khan（1999）采用协整分析对金融发展与经济增长间的长期关系进行了研究，发现在所有样本国家中，金融发展与经济增长间都互为因果。Xu（2000）采用多变量向量自回归分析来检验金融的持续发展对国内产出的影响，发现金融发展导致了经济增长，且这种因果关系是单向的。Rousseau and Wachtel（2005）纳入对投资行为的分析，基于向量误差修正模型的研究表明，虽然金融发展对投资有很明显的促进作用，但对产出的影响却非常微弱。虽然样本选取、估计方法等方面的差异可以在一定程度上解释上述研究结果的不一致性，但多数研究都忽略了以下两个重要问题。一是小样本偏误。虽然现有研究都

17、基本上认识到宏观经济变量多为一阶单整变量，而且也采用了诸如单位根检验和协整分析一类的计量方法对此问题进行了处理，但由于多数宏观经济变量的时间跨度都比较短，而以上检验方法又多基于大样本进行统计推断，致使检定力往往很低。因此，Christopoulos and Tsionas（2004）认为在后续的研究中应当更有效地利用数据的特性以便做出更为合理的统计推断。二是结构突变问题。当我们错误设定模型的动态关系时，传统的单位根检验和协整分析的检定力会变得很低（Enders and Granger,1998）。由于目前的多数实证分析都以发展中国家为研究对象，而考察的样本区间又往往涵盖了这些国家经历制度变革或

18、经济起飞的阶段，所以假设所有样本国家在考察区间内都不存在结构突变是很值得怀疑的。（三）基于面板数据分析的实证研究随着计量经济学在面板数据模型方面的快速发展，大量的文献都开始采用以面板数据为基础的计量方法来检验金融发展与经济增长之间的关系。相对于单纯的截面分析和时间序列分析，采用面板数据模型有诸多优点：得益于样本容量的增加，检定力可以得到大幅提高；由于面板数据同时涵盖了截面和时序两方面的信息，所以我们可以同时对金融发展与经济增长间的长期和短期动态关系进行考察；不可观测的个体效应和时间效应都可以得到很好的控制，从而在很大程度上避免了遗漏变量产生的偏误。在近十年的实证研究中，几乎所有新近发展的面板数

19、据模型都得到了应用，包括动态面板数据模型、面板单位根和协整检验、门槛面板数据模型以及面板向量自回归模型等。就动态面板数据模型而言，Rousseau and Wachtel（2002）等采用Arellano and Bond（1991）提出的系统一阶差分估计量来控制不可观测的个体效应和动态面板模型中典型的内生性问题。但Arellano and Bover（1995）指出，Arellano and Bond（1991）估计方法并未充分利用所有可用的矩条件，从而会导致严重的小样本偏误，而在大样本下其表现也欠佳。因此，Beck and Levine（2004）采用了Arellano and Bover

20、（1995）提出的系统广义矩估计量（system GMM estimator），并指出该估计量可以显著提高估计的一致性和有效性。然而，问题远没有那么简单。多数动态面板模型都是采用广义矩估计法（GMM）来构造估计量的，该方法对所有的样本观察值都赋予相同的权重。如果部分样本仅代表很弱的工具变量，那么基于GMM得到的估计量将存在严重的小样本偏误，Arellano and Bover（1995）估计量的缺陷正源于此。由于要充分利用所有可能的样本矩条件，该估计量在构造过程中使用了大量的工具变量，这就很难保证所有的工具变量都足够有效，最终导致随后的过度识别检验的检定力很低。为了提高估计的有效性，Oguzo

21、glu and Stengos（2004）采用新近发展的实证似然估计法（EL）来处理弱工具变量问题。实证似然估计法的主要优点在于可以为矩条件重新分配权重，相关性强的工具变量得到的权重相对较大，而越弱的工具变量得到的权重也就越小。单位根检验和协整分析在近二十年中已成为时间序列分析的主要工具，但其在小样本下的统计性质却不尽人意。因此，近期的研究中多采用面板单位根检验和面板协整分析来考察金融发展与经济增长之间的动态关系。Christopoulos and Tsionas（2004）采用面板协整分析对金融发展与经济增长间的长期关系进行了研究，结果表明就长期而言金融发展能够显著促进经济增长。在处理细节上

22、，为了控制面板协整分析中的异质性问题，他们采用了完全修正OLS法（FMOLS）。同时，他们还在允许截面异质性的情况下估计了误差修正模型，以期对长期和短期因果关系做出区分。除了以上在各个实证研究领域都有广泛应用的面板模型外，Hansen（2000）发展的门槛面板数据模型也被Deidda and Fattouh（2002）应用于检验金融发展与经济增长间的非单调关系。他们的实证结果也的确证实了这种关系的存在。然而，Hansen（2000）的门槛面板模型建立在几个非常严格的假设条件之上，如截面同质、模型中不存在动态关系等，这都在很大程度上限制了该模型的适用范围，尤其在大量研究都证实金融发展与经济增长间

23、存在动态关系和滞后效应的情况下，在一个静态模型中考察二者的关系显然有些过于牵强了。虽然基于面板数据的估计和检验方法为我们研究金融发展与经济增长之间的关系提供了有利的分析工具，但在学者们沉迷于对各类面板数据模型的应用时却往往忽略了这些模型背后的一些基本问题，尽管这些“基本问题”可能也正在困扰着计量经济学家。首先，目前的多数研究在应用动态面板数据模型时都忽略了对初始条件的确认。这个问题非常关键，它涉及到我们所选取样本的初始值能否代表模型的稳态（Arellano，2001），而这又恰恰是多数实证模型背后的一个基本理论假设。其次，实证研究中很少检验样本的可混合性。经验研究表明,不同的国家并不具有相似的

24、均衡增长路径（Quch,1993），而我们在面板数据分析过程中之所以能够把所有国家的数据混合起来进行估计完全是依赖了同质性假设所有的样本国家具有相似的增长路径。同时，Luintel and Khan（1999）也指出在其它一些情况下，可混合性假设也无法得到满足。最后，如同我们在时间序列分析部分所提到的，基于面板数据的研究对结构突变问题也没有给与充分的重视。这一方面因为计量理论本身在结构突变模型的估计和检验方面的发展比较缓慢，另一方面是考虑结构突变往往要求样本的时间跨度比较长，而一般实证分析中的面板数据多为大截面、短时序类型。三、结语金融发展与经济增长之间既特殊又复杂的关系吸引了众多学者从理论和

25、实证方面对此问题进行研究。本文将注意力集中于实证文献中所使用的计量方法和一些典型的结果上，这主要是因为计量方法的选择和使用往往对实证结果有着重要的影响，而这一点在前期的综述中并没有得到足够的重视和充分的阐释。整体而言，尽管大量的文献都认为金融发展对经济增长有很重要的作用，反之亦然，但目前仍然存在一些悬而未决的问题，如金融发展与经济增长之间的因果关系，而这一点对政策的制定往往有着重要的指导作用。同时，实证分析中使用的各种计量工具多多少少都有其自身的缺陷。截面分析往往存在遗漏变量和内生性问题，时间序列分析往往存在小样本偏误，面板数据模型虽然可以在很大程度上克服前面两种方法的缺陷，但在数据的可混合性

26、、初始条件的确认以及结构突变等方面还需要作进一步的考察。 近期也有一些国内学者从区域角度对我国的金融发展与经济增长之间的关系进行了研究。虽然目前使用的计量分析工具仍然比较简单，但在随后的研究中必然会采用一些新近发展的计量方法进行更为深入的研究。我国特殊的转型背景使得我们在实证分析中可利用的样本区间往往较短，因此面板数据模型显然会得到广泛的应用，但结构突变和初始条件的确认问题可能是需要进行特别处理的。从模型设定的角度来讲，目前的实证模型对转型经济特征的设定非常有限，金融发展与经济增长间的非线性特征和内生关系也将是随后实证分析中的一个考察重点。参考文献：Acemoglu, D. and F. Zi

27、libotti (1997), “Was Prometheus Unbound by Chance? Risk, Diversification, and Growth”,Journal of Political Economy 105: 709-775.Aghion, P., Howitt, and D. Mayer-Foulkes (2005), “The Effect of Financial Development on Convergence: Theory and Evidence. Quarterly Journal of Economics 120, 173-222.Arell

28、ano, M. and B. Honore, (2001), “Panel Data Models: Some Recent Developments”, in Hechman, J. J. and E. Leamer (eds.), Handbook of Econometrics, Vol. 5, Chapter 53, North-Holland. Arellano, M. and S. Bond (1991), “Some Tests of Specification for Panel Data: Monte Carlo Evidence with An Application fo

29、r Employment Equations”, Review of Economic Studies 58: 277-297.Arellano, M. and O. Bover (1995), “Another Look at the Instrumental Variable Estimation of Error-Component Models”, Journal of Econometrics 68: 29-51.Beck, T. and R. Levine (2004), “Stock Markets, Banks and Growth: Panel Evidence”, Jour

30、nal of Banking and Finance 28: 423-442.Calderon, C. and L. Liu (2003), “The Direction of Causality between Financial Development and Economic Growth”, Journal of Development Economics 72: 321-334.Christopoulos, D. K. and E. G. Tsionas (2004), “Financial Development and Economic Growth: Evidence from

31、 Panel Unit Root and Cointegration Tests”, Journal of Development Economics 73: 55-74.Deidda, L. and B. Fattouh (2002), “Non-linearity between Finance and Growth”, Economics Letters 74: 339-345.Demetriades, P. and K. Hussein (1996), “Does Financial Development Cause Economic Growth? Time Series Evid

32、ence from 16 Countries”, Journal of Development Economics 51: 387-411.Enders, W. and C. W. Granger (1998), “Unit Root Tests and Asymmetric Adjustment with an Example Using the Term Structure of Interest Rates”, Journal of Business & Economic and Statistics 16, 304- 312.Hansen B. E. (2000), “Sample S

33、plitting and Threshold Estimation”, Econometrica 68, 575-603.Jung, W. S. (1986), “Financial Development and Economic Growth: International Evidence”, Economic Development and Cultural Change 34: 336-346.King, R. G. and R. Levine (1993), “Finance and Growth: Schumpeter Might Be Right”, Quarterly Jour

34、nal of Economics 108: 717-737.Levine, R. (1998), “The Legal Environment, Banks, and Long-Run Economic Growth”, Journal of Money, Credit, and Banking 30 (3) : 596-613.Levine, R. (1999), “Law, Finance, and Economic Growth”, Journal of Financial Intermediation 8: 36-67.Levine, R., N. Loayza and T. Beck

35、 (2000), “Financial Intermediation and Growth: Causality and Causes”, Journal of Monetary Economics 46: 31-77.Loayza, N. and R. Ranciere (2002), “Financial Fragility, Financial Development, and Growth”, World Bank Working paper.Luintel, K. B. and M. Khan (1999), “A Quantitative Reassessment of the F

36、inance-Growth Nexus: Evidence from A Multivariate VAR”, Journal of Development Economics 60: 38-405. McCaig, B. and T. Stengos (2005), “Financial Intermediation and Growth: Some Robustness Results”, Economics Letters 88: 306-312.Oguzoglu, U. and T. Stengos (2004), “Can Dynamic Panel Data Explain the

37、 Finance-Growth Link? An Empirical Likelihood Approach”, Working paper.Patrick, H. (1966), “Financial Development and Economic Growth in Underdeveloped Countries”, Economic Development Cultural Change, 1966, 14: 174-189.Quah, D. (1993), “Empirical Cross-Section Dynamics in Economic Growth”, European

38、 Economic Review 37: 426-434.Rioja, F. and N. Valev (2004), “Does One Size Fit All? A Reexamination of the Finance and Growth Relationship”, Journal of Development Economics 74: 429-447.Rousseau, P. and P. Wachtel (2002), “Inflation Thresholds and the Finance-Growth Nexus. Journal of International Money and Finance 21: 777-793.Rousseau, P. and D. Vuthipadadorn (2005), “Finance, Investment, and Growth: Time Series Evidence from 10 Asian Economies”, Journal of Macroeconomics 27: 87106.Xu, Z. (2000), “Financial Development, Investment, and Economic Growth”, Economic Enquiry 38: 331-344.