金融中介发展与技术进步.docx

金融中介发展与技术进步.docx

《金融中介发展与技术进步.docx》由会员分享，可在线阅读，更多相关《金融中介发展与技术进步.docx（15页珍藏版）》请在冰豆网上搜索。

金融中介发展与技术进步

金融中介发展与技术进步

——来自中国省级面板数据的证据

姚耀军1钱水土2

1浙江工商大学金融学院浙江·杭州310018

2浙江工商大学金融学院浙江·杭州310018

摘要：

根据内生经济增长理论中的新熊彼特增长模型，金融发展能够促进技术进步从而推动长期经济增长。

本文利用中国大陆省级面板数据对金融中介发展与技术进步的关系进行了实证检验。

基于对银行信贷决策自主性程度的考虑，私营企业及个体贷款占贷款总额的比例这个指标被用来度量金融中介发展水平。

在控制了人力资本、外商直接投资、专利保护水平及其证券化水平之后，本文发现，金融中介发展对技术进步具有非常显著的正向解释力。

关键词：

内生增长理论；金融中介发展；技术进步

一、引言

在AK模型框架下，金融发展可能通过三种途径促进长期经济增长（Pagano,1993）：

其一是提升广义资本（含物质资本、人力资本、技术知识）的边际生产率；其二是增加储蓄率；其三是增加储蓄投资转化率。

途径一的机理又有多种形式，例如，金融发展能够使更多的储蓄用于生产效率高但流动性差的项目投资（Levine,1991）；金融市场分散风险从而鼓励企业采用更加专业化的技术（Saint-Paul,1992）；金融中介收集和处理信息，便利于资金流向社会回报更高的项目（Greenwood&Jovanovic,1990）。

在AK模型中，技术知识作为智力资本与实物资本等一道被总括进广义资本之中，这种做法抹去了技术进步（创新）和资本积累之间本质上的区别。

另外，AK模型假定生产活动总是有效率从而技术进步是自动发生的。

与之相比较，新熊彼特增长模型沿袭了Schumpeter（1934）的思想，强调技术创新是经济增长的动力，认为技术进步来自于有目的的R&D活动，并通过某种形式的事后垄断获得报酬。

但在关于经济增长的新熊彼特增长模型中简单地引入金融因素未必就会使我们获得新的洞察力。

不过如果考虑了代理成本，那么在新熊彼特增长模型框架下，金融发展对经济增长的意义就显得十分重要了（Aghion&Howitt,1998）。

在King&Levine（1993）的开创性研究中，他们对Aghion&Howitt（1992）所构建的一个新熊彼特增长模型进行了拓展，融合了两种熊彼特观点：

第一是利润的动态变化决定了创新的动态变化；第二是由于金融机构对企业家所进行的风险性创新活动进行评估及其提供融资，因此金融机构对企业家的创新具有重要影响。

在他们的模型中，金融机构在评估企业家所进行的风险性创新活动时是有耗费的，这属于代理成本。

金融体系越发达，则这种代理成本越低（因为存在规模经济），进而将促进技术创新，推动长期经济增长。

另外，通过抛弃效用是消费的线性函数这个假设，他们的研究也表明，金融体系的存在也使得创新活动的风险得到了分散，这也将促进企业的技术创新。

跟随King&Levine（1993），基于新熊彼特增长模型框架并结合金融微观理论的进展，很多文献研究了金融中介对技术创新及其长期经济增长的意义。

例如，delaFuente&Martin（1996）假设企业创新成功的概率取决企业家的努力程度，而努力程度只能以一定的成本不完全被外部人所监测。

这种信息摩擦导致金融中介机构作为代理监督者出现。

金融中介机构与企业家签订的合约通过激励和监督的结合，导致了企业家最优的努力程度。

随着监督成本的降低，企业家能够获得更加优惠的贷款条件，从而产生更高水平的创新活动，促进经济的长期增长。

Blackburn&Hung（1998）得到了一个与delaFuente&Martin（1996）完全相同的结论，但在他们的模型中，企业研究与开发的结果被假设为私人信息（只有企业可以直接观察到创新项目是否成功），从而这将导致道德风险问题，因为企业总是有激励声称项目失败以便不偿还贷款。

与delaFuente&Martin（1996）相比较，在这里，不对称信息是关于项目结果而不是企业家的努力程度。

在实证研究方面，Beck,etal.（1999）基于跨国数据发现，金融中介发展对全要素生产率（totalfactorproductivity,TFP）的增长率具有显著正向影响，但其与资本积累的联系是微弱的。

Nourzad（2002）基于跨国数据也发现，金融深化对TFP具有显著的正向影响。

Arestis,etal.（2006）发现，在OECD国家，金融发展促进了TFP的提升，但其促进作用在时间上是递减的，并且依赖于过去的效率状态。

Rioja&Valev（2004）发现，金融中介发展促进全要素生产率的提升仅在发达国家中出现，在发展中国家，金融中介发展是通过促进资本积累而促进经济增长的。

Tadesse（2007）基于跨国产业数据发现，产业技术进步与银行中介发展具有显著的正向联系，但股票市场对产业技术进步的影响是微弱的。

Inklaar&Koetter（2008）基于欧洲产业数据发现，传统的金融发展总量指标与劳动生产率的联系是不显著的，而金融中介自身的效率（反映金融发展的质量）对劳动生产率具有显著的正面影响。

作为一个新兴的市场经济国家，中国同时经历了经济增长和以银行为主的金融中介发展过程。

近年来，关于金融中介发展与经济增长的中国经验研究大量涌现。

然而在已有的中国经验研究中，多数文献所关注的是金融发展与经济增长两者间的总体相关性，而对金融发展影响经济增长的作用机制着墨甚少。

韩廷春（2001）认为，与金融发展相比较，技术进步与制度创新才是中国长期增长的最关键因素，但他并没有研究金融发展与技术进步两者间的关联。

张军、金煜（2005）进行了一个开拓性的研究，其结论是，中国金融中介发展显著地促进了全要素生产率的增长率。

在他们的研究中，非国有企业贷款余额与GDP之比这个指标被用来衡量金融深化水平，该指标的值是一个回归估计的残差。

构建该指标所涉及到的关键假设是，“国有企业贷款与GDP之比”与“国有企业产出占总产出的比重”可以用一个固定效应模型模型描述。

Guariglia&Poncet（2006）以固定资产投资来源中贷款与财政拨款之比作为金融中介发展水平指标，得到了一个与张军、金煜（2005）相同的结论。

本文尝试利用中国省级面板数据，对金融中介发展与技术进步的关系重新进行了检验。

文章余下基本结构是：

第二部分是对中国金融中介发展及其技术进步状况的概述；第三部分是实证分析；第四部分对全文进行了总结。

二、中国的金融中介发展与技术进步：

一个概述

（一）金融中介发展

中国金融改革的目标是把由政府管理的银行改造成独立的金融机构（Qian,1994;Lardy,1998），然而，与其他领域的改革相比较，金融改革的步伐是迟缓的。

中国银行业不良债权率较高然而又不能得到及时的冲消（刘明志，2001；余永定，2002），与之具有因果联系的是，国有银行处于绝对主导地位且其信贷配给效率一直未得到很大的改善（Cull&Xu,2000;Allen,etal.,2005）。

如果在省级层面考察贷款总额与名义GDP之比这个指标与实际GDP水平或者实际GDP增长率的相关性，我们会发现存在一个负相关关系，见图1、2。

对图1的一个解释是，中央政府把信贷作为一种降低省级经济发展差距的工具，经济发展水平落后的省份更容易获得银行信贷的支持（Park&Sehrt,2001）；对图2的一个解释是，中国的银行信贷投放并未促进有效率的投资项目的增长，反而让无效率的投资得以不断实现（张军，2006）。

按照Show（1973）、McKinnon（1973）、King&Levine（1993），在一个金融抑制的经济体中，金融中介的深化过程一般可以定义为银行的自主化，减少和消除指令性贷款，以及金融决策的市场化等体制改革的后果。

对中国来说，由于相当部分贷款被政府指令或干预借贷给了那些缺乏效率的国有企业，因此贷款总额与名义GDP之比这个指标并未真正体现金融发展的内涵（张军、金煜，2005）。

图1贷款总额与名义GDP之比及其实际GDP的自然对数（2002-2006）

图2贷款总额与名义GDP之比及其实际GDP增长率（2002-2006）

基于对银行信贷决策的自主性程度的考虑，以非国有企业（私人部门）的贷款规模与GDP之比这样的指标来度量中国金融中介发展水平或许是一个更加合理的选择（Aziz&Duenwald,2002;Lu&Yao,2004;Liang,2005;张军、金煜，2005）。

然而，这样的指标设计所面临的主要困难是，官方统计资料并未按照授信客体的产权属性对贷款进行分类，因此指标构建面临数据获取问题。

考察银行贷款结构对于构建中国金融发展水平指标具有启发意义。

在中国，银行贷款包括短期贷款、中长期贷款、委托及其信托类贷款、其他类贷款这四类。

在这四类中，相对而言，银行在短期贷款决策上的自主性最强，在其余类型贷款决策上受到很多外部制约。

例如，按照1998年实行的贷款指导性计划管理规定，商业银行能够提供多少固定资产贷款，要受中长期贷款占中长期存款的比例、固定资产贷款占贷款总量的比例等一系列指标的严格约束，中长期贷款投向也被要求与国家产业政策和宏观调控政策取向一致。

短期贷款又包括工业贷款、商业贷款、建筑业贷款、农业贷款、乡镇企业贷款、三资企业贷款、私营企业及个体贷款、其他短期贷款这八类。

按照林毅夫、李志赟（2003），在这八大类中，工业贷款、商业贷款、建筑业贷款这三类基本上属于“国有独资企业贷款”，而银行在国有企业贷款决策上明显受到政府的干预。

为支持“三农”发展，银行在农业贷款决策上也受到政府的干预。

乡镇企业贷款决策受到地方政府的干预，在财政分权背景之下，为促进地方经济的增长，地方政府具有干预银行信贷的强烈动机（张军、金煜，2005）。

总的来看，银行在三资企业贷款以及私营企业及个体贷款上的决策具有更多的自由度，不过，三资企业长期以来在很多方面都享有超国民待遇，因此，我们有理由相信，银行在私营企业及个体贷款上的决策自主性程度最高，进而，我们认为选择“私营企业及个体贷款占贷款总额的比例”这个指标来衡量中国金融中介发展水平是比较合理的，该指标相对于那些借助于模型估计而构建的指标应该更加可靠。

从整体来看，私营企业及个体贷款在贷款总额中的份额由2002年的8.3‰上升到2007年的13.8‰，除在2005年有起伏外，各年间呈递增态势，年平均增速约为11.2%。

讨论中国金融发展不能忽视区域差异问题（Liang,2005；张军、金煜，2005）。

在2002-2007年，沿海地区在该指标上的平均值约为内陆地区的1.3倍，见图3，然而我们也注意到，区域差异似乎呈缓慢递减的态势。

图3私营企业及个体贷款占贷款总额比例的区域均值与比较（2002-2007）

（二）技术进步

技术进步是一个无形的变量，主要存在三种间接度量途径（舒元、才国伟，2007）：

第一是投入法，比如R&D投入；第二是产出法，比如专利数量；第三是TFP法。

第三种方法一般被认为是主流方法，然而，中国缺乏关于资本的统计数据，不同的资本估计方法再加上不同的TFP估计方法，这或许会导致TFP估算结果大相径庭，参见李宾、曾志雄（2009）。

鉴于TFP估算的困难，本文主要从R&D投入及其专利两方面来概述中国技术进步状况。

应该注意到，经验研究表明，R&D投入与TFP显著正相关（张海洋，2005；吴延兵，2006）。

Griliches（1987）甚至将R&D投入强度作为TFP的惟一解释变量。

因此，以R&D投入来衡量技术技术进步具有合理性，具体还可参见Keller（2002）。

近年来中国R&D经费支出增长迅速。

在2000年，支出额度为895.7亿元，到2006年，这一数字增加为3003.1亿元，占GDP的比重也由0.9%增至1.42%。

同时，传统计划经济体制下政府作为技术创新筹资主体的“错位”情况业已发生根本改变，企业在R&D活动中已居于主体地位，其R&D经费支出在全国R&D经费支出中的比重在2006年已达69%，接近发达国家水平。

由于没有完整的R&D支出区域数据，因此本文利用科技经费内部支出作为R&D支出的代理指标，从整体与区域比较两方面考察科技投入的变化态势。

从整体来看，科技经费内部支出占名义GDP的比例从2002年的2.3%逐年递增到2006年的2.5%，年平均增速约为2.5%，但从2003年开始，增速开始递减。

从区域比较来看，见图4，沿海地区该指标的平均值要高于内陆地区，而且在2002-2005年间，区域差异呈明显的递增态势，2006年出现回落。

图4科技经费内部支出占名义GDP比例的区域均值与比较（2002-2006）

专利申请授权数量被普遍用来衡量技术产出结果（Feldman,1994;Bode,2004;吴玉鸣，2006）。

随着中国专利保护制度的不断健全和完善，越来越多的科研成果以专利的形式出现，专利授权数量从2002年的100728项急遽上升到2006年的208761项。

如果从科技活动人员人均专利授权数量上看，在2002年，每万人专利授权数量约为299项；到2006年，该数据已达到505项左右，年均增速约为14.9%。

从区域比较来看，见图5，沿海地区该指标的平均值要高于内陆地区，不过差距似乎有轻微缩小的趋势。

图5科技活动人员人均专利授权数量的区域均值与比较（2002-2006）

（三）金融发展与技术进步的相关性

中国的金融中介发展是否促进了技术进步呢？

我们发现，在省级层面，私营企业及个体贷款占贷款总额的比例这个指标与科技经费内部支出占名义GDP的比例及其科技活动人员人均专利授权数量这两个指标都呈正相关性关系，见图6、7。

图6科技经费内部支出占名义GDP比例（TIE）及其私营企业及个体贷款占贷款总额比例（PER）（2002-2006）

图7人均专利授权数量（PAT）及其私营企业及个体贷款总额比例（PER）（2002-2006）

私营企业及个体贷款占贷款总额的比例与科技活动人员人均专利授权数量的正相关关系显得尤为明显。

然而，仅凭相关分析就断言金融发展促进了技术进步还为时尚早。

由于未控制其他变量，简单的线性相关关系并不一定暗示因果关系的存在。

因此，进一步的实证研究是非常必要的。

三、实证分析

（一）计量模型与变量选择

Liang（2005）在研究中国金融发展与经济增长关系时发现，控制区域因素对于得到正确的实证结果十分重要。

这个告诫同样也适用于本文的实证分析。

区域因素包括很多时不变的非观测效应，此时，基于面板数据建立估计模型对于消除变量遗漏偏误具有重要意义。

本文的计量模型是：

在这里，Dep代表因变量，科技经费内部支出与名义GDP之比（TIE）与科技活动人员人均专利授权数量（PAT）两者的自然对数分别充当因变量；PER是私营企业及个体贷款占贷款总额的比例，被用来测度金融中介发展水平；Control代表其它控制变量；

代表时不变的省份效应；

是特异性误差；

与

表示待估计参数；

、

分别是省份和时间标示变量；

代表其它控制变量的序号。

下面定义其它控制变量。

人力资本（HUM），用大专以上文化程度从业人员人数占从业人员总人数的比重表示。

大量理论及其实证研究都表明（Lucas,1988;Spiegel,1994;Islam,1995;Fleshier,1997），人力资本对技术进步有重要影响。

Aghion&Howitt（1998）指出，中等教育和高等教育能更好地反映一个经济社会潜在的研发人员的数量。

Papageorgiou（1999）表明，初等教育对最终产品的生产具有较为显著的正影响，而R&D活动则有赖于中等和中等后教育。

外商直接投资（FDI），用外商直接投资实际利用额与名义GDP之比表示。

Coe&Helpman（1995）、Keller（2002）认为，不同资本所有者研发能力的差异，以及技术外溢存在边界，这表明只有FDI才能有效地跨越地理和所有权的限制，把国外先进的生产技术传播到国内。

胡祖六（2004）认为，FDI对中国工业的生产率提高和技术进步起到了不可低估的作用，是解释中国经济增长奇迹的最重要变量之一。

专利保护水平（LAW），用专利执法累计结案数与累计立案数之比表示。

专利制度是促进技术进步的一个重要制度安排（Nelson,1987）。

然而，专利保护水平对后发国家或许是一把双刃剑。

一方面，强有力的知识产权保护通过鼓励创新而促进技术进步（Fosfuri,2000;Yang&Maskus,2001;Markusen,2001），但另一方面，它也可能抑制了后发国对国外技术的吸收与模仿（Helpman,1993;Glass&Saggi,2002）。

证券化水平（SEC），用股票总市值与名义GDP之比表示。

尽管中国金融体系是银行导向型的，但在实证分析时忽略资本市场对技术进步的影响是不明智的。

很多文献认为，资本市场较金融中介更适合高创新、高风险的投资项目（Allen,1993;Boot&Thakor,1997;Morck&Nakamura,1999）。

（二）数据来源与描述性统计

大多数省份私营企业及个体贷款数据都是从2002年开始公布，因此本实证采用2002-2006年中国大陆省级面板数据。

由于数据获取困难，样本不含西藏自治区。

私营企业及个体贷款数据来自《金融统计与分析》各期；科技经费内部支出、专利授权数量及其科技活动人员人数来自各年《中国科技统计年鉴》；大专以上文化程度从业人员占从业人员总人数的比重根据各年《中国劳动统计年鉴》及其国研网数据中心专题数据库整理；专利执法累计结案数与累计立案数来自各年《中国知识产权年鉴》；外商直接投资实际利用额与名义GDP来自各年《中国统计年鉴》；股票总市值来自Wind资讯库。

相关变量描述性统计结果见表1。

表1变量描述性统计

变量（单位）

观测值个数

均值

标准差

最小值

最大值

TIE（%）

150

2.193

1.577

0.465

9.362

PAT（项/万人）

150

335.612

222.826

57.122

1179.935

PER（‰）

150

8.919

7.104

0.533

43.926

HUM（%）

150

8.163

5.549

2.000

35.696

FDI（美元/元）

150

0.003

0.003

0.000

0.010

LAW

150

0.896

0.085

0.607

0.999

SEC

150

0.275

0.458

0.050

5.001

（三）估计结果

基于STATA.10，分别采用固定效应与随机效应估计法对模型进行估计，其结果见表2。

表2估计结果

logTIE

logPAT

固定效应

随机效应

固定效应

随机效应

PER

0.0049***

（0.0016）

[0.0018]

0.0049***

（0.0016）

[0.0015]

0.0075**

（0.0030）

[0.0033]

0.0086***

（0.0027）

[0.0031]

HUM

0.0021

（0.0027）

[0.0025]

0.0054**

（0.0027）

[0.0026]

0.0127***

（0.0051）

[0.0042]

0.0123***

（0.0045）

[0.0046]

FDI

-9.2370***

（3.7147）

[3.4103]

-7.51798*

（3.7528）

[3.9075]

-13.1336*

（6.8508）

[7.3110]

-5.4949

（6.5227）

[5.8313]

LAW

-0.3257

（0.2431）

[0.2866]

-0.1634

（0.2217）

[0.2561]

-0.4611

（0.4483）

[0.4936]

-0.1279

（0.3328）

0.2968

SEC

-0.0019

（0.0149）

[0.0101]

-0.0014

（0.0155）

[0.0091]

-0.0188

（0.0274）

[0.0122]

-0.0220*

（0.0282）

[0.0132]

截距项

0.5237**

（0.2162）

[0.2571]

0.3468

（0.2008）

[0.2340]

2.7316***

（0.3988）

[0.4322]

2.4074***

（0.2992）

[0.2856]

Hausman检验

Prob=0.000

Prob=0.000

非观测效应F检验

F（29,115）=70.99Prob=0.000

F（29,115）=24.54Prob=0.000

序列相关Wooldridge检验

F（1,29）=14.83Prob=0.001

F（1,29）=12.97Prob=0.001

组间异方差修正Wald检验

Prob=0.000

Prob=0.000

注：

*、**与***分别代表在10%、5%与1%显著水平下显著。

圆括号内数字是通常的标准误，方括号内数字是组间异方差稳健标准误。

各估计系数的显著性推断均在组间异方差稳健标准误下进行。

Hausman检验表明采用固定效应法对模型进行估计是恰当的；非观测效应F检验表明省份效应十分显著。

考虑到特异性误差项可能并不满足标准假定，因此本文进行了序列相关及其组间（groupwise）异方差检验。

序列相关Wooldridge检验（Drukker,2003）提供了支持误差项是一阶自相关的强烈证据；以省份为分组标准，修正Wald检验（Greene,2000）提供了支持误差项是组间异方差的强烈证据。

在特异性误差是序列相关的情况下，通常的标准误是有偏的，而组间异方差稳健标准误在这种情况下仍然是对标准误的一个一致估计（Drukker,2003）。

因此，我们对各估计系数的显著性推断基于组间异方差稳健标准误。

本文余下的讨论均依据固定效应估计结果。

无论是以logTIE还是以logPAT为因变量，PER的系数都在1%的显著水平下显著。

具体来说，保持其他控制变量不变，PER每提高一个单位（千分之一），TIE将增加0.49%，而PAT将提高0.75%。

这个实证结果与张军、金煜（2005）以及Guariglia&Poncet（2006）相一致。

基于该实证结果，按照内生经济增长理论中的新熊彼特增长模型（King&Levine,1993;Aghion&Howitt,1998），我们能够进一步地推断，中国金融中介发展促进了长期经济增长。

接下来考察其他控制变量的表现。

HUM其符号均符合预期，但只对logPAT有显著影响。

FDI其符号均为负，且至少在10%的显著水平下显著，这有点出乎意料，但这与包群、赖明勇（2002）王春法（2004）、董书礼（2004）相一致。

他们认为，大量外资流入使得国内自主研发和创新能力的提高进展缓慢，形成了严重的技术依赖，中国通过吸引外资推动本国工业的技术进步和产业成长的策略成效不彰。

LAW其符号均为负，但皆不显著。

这个结果或许印证了发展中国家的专利保护对技术进步的作用具有两面性的观点。

SEC其符号均为负，且在以logPAT为因变量的模型中达到了10%的显著水平。

一方面，如Bencivenga,etal.（1995）所认为，资本市场的发展或许改变储蓄组合，使一部分储蓄由新技术投资转向金融资产，从而造成对技术进步的负面作用。

另一方面，这个结果印证了Durnev,etal.（2004）及其Allen,etal.,（2007）的判断，他们指