论文摘要：本文选取适当指标，运用线性回归模型、协整检验和脉冲响应函数等计量方法，对1998-2009年义乌市金融生态环境和经济增长的动态关系进行了研究。结果显示，金融生态的发展要与区域经济发展的规模保持一致，才会更好的促进经济增长。
论文关键词：金融生态环境,经济增长,协整检验,脉冲响应函数
一、引言
良好的金融生态环境，有助于保持金融生态的动态平衡和结构优化，并且关系到一国或地区金融体系的平稳运行和持续发展。近年来，义乌市依托于建立国际小商品城的优势，大力发展金融业，这使得其金融生态环境得到了很大改善，资金的流动性、安全性和效益性有所增强，资金的吸纳能力也在增强。在当前金融危机形势下，义乌市的金融业务量仍能位列浙江省县市第一位，已成为浙江省乃至全国金融业务增长最快的县市之一。
从2009年中国社科院研究报告中公布的国内金融生态环境评价结果来看，义乌所属的金华市位列第十三位。优良的金融生态环境作为区域金融发展的一种特有现象，与地区经济基础、金融发展、政府治理和制度文化有很大的相关性。但同时要注意到，义乌市的金融生态环境改善，还远未达到自我调节、自我优化的良性发展状态，特别是与上海、杭州等大城市相比还有差距。金融生态环境的改善带来了经济发展的契机，但其不完善之处又制约着经济发展，因而如何同时带动金融生态环境发展和经济的增长，对于受金融危机影响较大的义乌市是一个重大的考验。
二、本文的研究方法及设想
本文采用了数量分析的方法对义乌市金融生态环境与经济增长做出实证分析，以检验金融发展与经济增长的动态关系。主要利用1998~2009年义乌市地区生产总值，第三产业等占地区生产总值比重，银行存贷款数据等，利用回归分析和VAR模型实证检验义乌市金融生态环境发展对经济增长的作用。
金融生态理论为我们研究金融与区域经济增长提供了新的视角，本文尝试从这一角度出发来系统考察金融与经济之间的关系。根据金融生态的特征，运用VAR模型来研究金融生态系统与经济增长之间的动态关系。基本思想是：首先，利用OLS建立线性回归方程。其次，利用ADF检验经济变量的单位根是否同阶，若同阶，可进行协整检验，协整检验平稳，则它们之间存在长期稳定的均衡关系，这种均衡是统计学上的一种动态均衡。目前关于协整关系的检验估计，常用EG(Engle—Granger)两步法和Johansen迹统计量法，本文使用Johansen协整检验。并使用脉冲响应函数得到各变量的结构冲击引起GDP波动的响应函数，进而得到金融生态与区域经济增长之间的动态关系，从而为金融发展政策提供经验证据。如果金融生态的确促进了经济增长，那么，改善金融生态对经济的可持续增长具有重大的意义。
三、模型设计
（一）数据分析
1、指标选取：
数据主要来自于《义乌市统计年鉴》、《义乌金融统计年报》（1999~2010）和《金华市统计年鉴》（1999~2010）等。为了防止各时间序列数据产生异方差，并考虑到对时间序列取自然对数后不会改变原序列的性质及关系，且所得到的数据容易成为平稳序列，故对这些时间序列数据作对数处理，采用的软件是Eviews6.0。
(1)解释变量
有关金融生态指标的选取，现有的文献几乎没有正式提出。由于数据的可获得性，我们不能得到所有的代表金融生态的各个子系统的变量数据，需要对变量进行选取。本文选取了代表金融生态状态的以下变量：
IDU-第三产业产值占GDP之比，可以衡量一个地区第三产业在国民经济总值中所占的地位，以及第三产业的发展。由于金融业是第三产业的一部分，因而该指标也能说明金融业占国民经济总值的比例。
FIR-金融相关率，一般将货币总量(通常为M2)与GDP的比值作为衡量金融发展“广度”的指标。由于中国没有各地区货币供给数量，可以用金融部门存款总额和贷款总额之和来代替。我们用金融相关率 这一变量来衡量金融深化和货币化程度。计算公式为：
 （1）
式中 表示金融相关比率，D表示全部金融机构的存款余额，L表示全部金融机构的贷款余额，GDP为地区生产总值。
EFF-存贷比(贷款/存款)，代表金融生态效率，这里选用金融机构的贷款余额与金融机构的存款余额之比 来反映金融生态系统配置资金资源的效率。
DEP-金融存贷差（存款-贷款），这一指标反映了金融存款与贷款的差额。
(2)被解释变量
本文对经济增长的含义界定为国民经济的增长，在经济增长的指标选取方面，选择义乌市生产总值(GDP)作为衡量经济增长的变量。
2.选取的模型
我们将要估计的基本回归模型如下：
 (2)
其中 是因变量，反映地区生产总值，即经济增长指标； 是一组向量，代表要考察的影响地区金融生态环境的一组变量； 是误差项。最小二乘法主要作为一个对比的结果，检验后面的VAR模型脉冲响应函数和方差分解的结果。
对lnGDP，lnIDU，lnFIR，lnEFF和lnDEP做线性回归得到以下结果：
表1
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
lnIDU
|
0.031578
|
0.142969
|
0.220876
|
0.8315
|
|
lnFIR
|
-1.030719
|
0.095630
|
-10.77820
|
0.0000
|
|
lnEFF
|
1.932979
|
0.158763
|
12.17522
|
0.0000
|
|
lnDEP
|
1.001498
|
0.045841
|
21.84721
|
0.0000
|
|
C
|
11.64389
|
0.692381
|
16.81717
|
0.0000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.999125
|
Mean dependent var
|
23.83398
|
|
Adjusted R-squared
|
0.998626
|
S.D. dependent var
|
0.609459
|
|
S.E. of regression
|
0.022594
|
Akaike info criterion
|
-4.447932
|
|
Sum squared resid
|
0.003573
|
Schwarz criterion
|
-4.245888
|
|
Log likelihood
|
31.68759
|
Hannan-Quinn criter.
|
-4.522736
|
|
F-statistic
|
1999.205
|
Durbin-Watson stat
|
1.236194
|
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
除了lnIDU之外的各解释变量的系数和常数项均通过了T检验，下文将舍去对模型并不显著的这个指标并进行修正后的OLS回归，得到如下结果：
表2
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
lnFIR
|
-1.039098
|
0.082400
|
-12.61046
|
0.0000
|
|
lnEFF
|
1.937205
|
0.147940
|
13.09453
|
0.0000
|
|
lnDEP
|
1.008017
|
0.032926
|
30.61465
|
0.0000
|
|
C
|
11.53776
|
0.467942
|
24.65639
|
0.0000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.999119
|
Mean dependent var
|
23.83398
|
|
Adjusted R-squared
|
0.998789
|
S.D. dependent var
|
0.609459
|
|
S.E. of regression
|
0.021208
|
Akaike info criterion
|
-4.607654
|
|
Sum squared resid
|
0.003598
|
Schwarz criterion
|
-4.446018
|
|
Log likelihood
|
31.64592
|
Hannan-Quinn criter.
|
-4.667497
|
|
F-statistic
|
3025.304
|
Durbin-Watson stat
|
1.174509
|
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
可以看到，各解释变量的系数和常数项均通过了T检验；方程通过了F检验，置信水平为1%，说明方程总体显著；拟合优度 大于0.926，说明方程拟合程度较高。 1/4 1 2 3 4 下一页 尾页 |
