盛雯雯

一、引言

金融發(fā)展與經(jīng)濟增長的關(guān)系一直是學(xué)術(shù)界關(guān)注的焦點。近年來,對金融部門與實體經(jīng)濟關(guān)系的研究正逐漸由強調(diào)金融體系在促進投資的作用轉(zhuǎn)變?yōu)閷μ嵘?jīng)濟增長效率的作用上。張軍和金煜(2005)[1],趙勇和雷達(dá)(2010)[2],陳啟斐和吳建軍(2013)[3]等都從全要素生產(chǎn)率(Total Factor Productivity,以下簡稱TFP)角度出發(fā),對金融發(fā)展與中國經(jīng)濟增長效率之間的關(guān)系進行了考察。然而,經(jīng)濟增長效率的改善不僅體現(xiàn)在生產(chǎn)技術(shù)水平的提高(生產(chǎn)前沿函數(shù)即生產(chǎn)可能性曲線向上移動),還表現(xiàn)為生產(chǎn)技術(shù)效率的提升(由偏離向生產(chǎn)前沿函數(shù)靠近)(Aigner和Chu,1968[4]；Aiger等,1977[5])。對此,Jerzmanowski(2007)[6]的實證研究發(fā)現(xiàn),約占69%的國家間人均收入差距可由TFP差距解釋。而對于TFP差異,技術(shù)水平僅能解釋其中的26%,高達(dá)43%的TFP差異是由技術(shù)效率差距導(dǎo)致的,并且這一比率隨著時間的推移還在不斷上升。可見,對生產(chǎn)率水平較低的發(fā)展中國家而言,相對于生產(chǎn)技術(shù)進步,生產(chǎn)技術(shù)效率改善的意義更為重大。而從中國經(jīng)濟現(xiàn)實出發(fā),當(dāng)前中國正面臨經(jīng)濟增長方式由投資拉動型向全要素生產(chǎn)率驅(qū)動型轉(zhuǎn)變的挑戰(zhàn)。在此背景下,研究金融體系如何促進實體經(jīng)濟生產(chǎn)效率提升具有重要的現(xiàn)實意義。

本文利用中國1990—2012年30個省(含自治區(qū)和直轄市)的面板數(shù)據(jù),采用隨機前沿分析方法,實證檢驗了金融發(fā)展與中國生產(chǎn)技術(shù)效率二者之間的關(guān)系,結(jié)果發(fā)現(xiàn):盡管整體來看總信貸規(guī)模對中國生產(chǎn)技術(shù)效率的作用并不明顯,但私人部門信貸顯著地促進了技術(shù)效率的改善,國有部門信貸增長則具有負(fù)面影響。在此基礎(chǔ)上,我們選用了兩種方法測算了私人信貸和國有信貸對技術(shù)效率的貢獻率:從區(qū)域角度看,相對于東部,私人信貸對中部和西部地區(qū)技術(shù)效率的促進作用更大；相應(yīng)地,國有部門信貸對中部和西部的不利影響也要大于東部；從時間角度看,私人信貸對生產(chǎn)技術(shù)效率的促進作用在2008年國際金融危機后逐步上升,而國有信貸的負(fù)面作用也在2008年后趨于擴大。

本文的創(chuàng)新點及貢獻性在于:第一,本文將金融發(fā)展促進經(jīng)濟增長的研究拓展到對技術(shù)效率改善的作用上,深化了對金融部門與實體經(jīng)濟關(guān)系的認(rèn)識,具有研究視角上的創(chuàng)新；第二,從研究方法看,本文引入了經(jīng)濟增長核算分析中的隨機前沿分析方法來研究金融發(fā)展與生產(chǎn)效率的關(guān)系,彌補了索洛余項法和數(shù)據(jù)包絡(luò)分析方法的缺陷,結(jié)論更為穩(wěn)健可靠；第三,本文不僅定性分析了國有信貸與私人信貸對生產(chǎn)技術(shù)效率的異質(zhì)性作用,還創(chuàng)新性地運用了兩種測算方法,定量測算了二者對技術(shù)效率的貢獻率大小。

本文余下部分的結(jié)構(gòu)安排如下:第二部分對現(xiàn)有的相關(guān)文獻進行了梳理和總結(jié)；第三部分是對模型設(shè)定和變量數(shù)據(jù)來源的介紹；第四部分為實證分析以及對回歸結(jié)果的解釋；第五部分運用兩種方法,對金融發(fā)展貢獻率進行測算；第六部分是主要結(jié)論與政策建議。

二、文獻綜述

根據(jù)新古典經(jīng)濟增長理論,產(chǎn)出增長來自兩個源泉:一是增加資源、勞動和資本等要素投入,即外延式增長；二是提高生產(chǎn)效率,即內(nèi)涵式增長方式。早期對金融發(fā)展作用的研究集中在對金融發(fā)展促進儲蓄轉(zhuǎn)化為投資,即資本要素投入的作用上,例如Goldsmith(1969)[7]指出金融通過為投資融資和提升投資收益誘發(fā)經(jīng)濟增長。Mckinnon(1973)[8]和Shaw(1973)[9]的“金融深化”理論,闡述了金融深化對經(jīng)濟增長的儲蓄效應(yīng)、投資效應(yīng)、就業(yè)效應(yīng)和收入效應(yīng)。以King和Levine(1993)[10],Levine(1997[11],2005[12])為代表的學(xué)者則對金融發(fā)展與經(jīng)濟增長二者的關(guān)系進行了大量經(jīng)驗性研究。國內(nèi)很多學(xué)者也從中國現(xiàn)實出發(fā),分析了金融深化對中國經(jīng)濟發(fā)展的獨特作用,如韓廷春(2001)[13],趙志君(2000)[14],周立和王子明(2002)[15],沈坤榮和張成(2004)[16],盧峰和姚洋(2004)[17],王晉斌(2007)[18],武志(2010)[19],Liang和Teng(2006)[20],Zhang等人(2012)[21]等。上述文獻從金融結(jié)構(gòu)或金融總量角度對金融發(fā)展進行了刻畫,但是對經(jīng)濟增長的分析則停留在總量層面,即GDP增長率。學(xué)者們普遍認(rèn)為金融深化通過為投資提供融資支持,有利于中國經(jīng)濟增長。

隨著研究的深入,近年來學(xué)者們的焦點逐漸由分析金融對GDP增長率的作用轉(zhuǎn)變?yōu)榉治鰧?jīng)濟增長效率的作用,主要是全要素生產(chǎn)率作用的研究上。Demirgü?-Kunt和Levine(2008)[22]認(rèn)為,金融中介與市場具有風(fēng)險分散與流動性供給、降低事前及事后信息不對稱和道德風(fēng)險的功能,從而可以促進生產(chǎn)要素和最終產(chǎn)品在社會范圍內(nèi)有效流動、合理配置,有助于經(jīng)濟增長效率的改善。然而,從中國現(xiàn)實出發(fā),當(dāng)前國內(nèi)學(xué)術(shù)界對此問題的研究還相對有限,且結(jié)論存在較大分歧:一些學(xué)者發(fā)現(xiàn)金融深化確實促進了中國經(jīng)濟增長效率的提升(張軍和金煜,2005[1]；趙勇和雷達(dá),2010[2]；許文彬和張豐,2014[23])；另一派學(xué)者則認(rèn)為中國金融系統(tǒng)的發(fā)展并沒有對中國生產(chǎn)率增長產(chǎn)生顯著的正面影響(陳剛等,2009[24]),甚至產(chǎn)生了負(fù)面作用(魯曉東,2008[25]；陳啟斐和吳建軍,2013[3])。通過總結(jié),我們發(fā)現(xiàn)實證研究的結(jié)果隨著金融發(fā)展衡量口徑的不同而不同:認(rèn)為金融發(fā)展有利于生產(chǎn)率提升的研究多采用私人部門信貸作為金融深化的度量,而持否定觀點的研究則是將全社會信貸總量或國有部門信貸作為金融發(fā)展的衡量指標(biāo)。

金融發(fā)展與經(jīng)濟增長效率關(guān)系研究的另一個關(guān)鍵在于如何合理地衡量經(jīng)濟增長效率,對此存在三種方法。方法一是在Cobb-Douglas生產(chǎn)函數(shù)的設(shè)定基礎(chǔ)上從產(chǎn)出增長中剔除要素投入增長的貢獻后,剩余部分即為生產(chǎn)率增長的貢獻,即索洛余項法(Solow residual accounting)。張軍和金煜(2005)[1],許文彬和張豐(2014)[23],陳啟斐和吳建軍(2013)[3]等都是采用索洛余項法來分析中國金融發(fā)展對生產(chǎn)率的影響。索洛余項法的優(yōu)勢在于計算簡單,經(jīng)濟意義易于解釋,但是其隱含的關(guān)鍵假設(shè)——不存在生產(chǎn)無效率,即所有生產(chǎn)者都能在最優(yōu)的生產(chǎn)可能性曲線上生產(chǎn),在現(xiàn)實中往往難以達(dá)到。事實上,很多發(fā)展中國家并不具備完全效率條件:這是由于發(fā)展中國家的市場具有不完全性,信息不對稱、制度性扭曲等非價格因素造成的生產(chǎn)效率損失普遍存在,因此廠商并沒有在最佳前沿技術(shù)水平上從事生產(chǎn)活動(周曉燕和韓朝華,2009)[26],此外索洛余項法設(shè)定的新古典假設(shè)即完全競爭、規(guī)模效益不變和?？怂怪行约夹g(shù)進步在現(xiàn)實中也很難滿足(姚戰(zhàn)琪,2009)[27]。

對此,Aigner和Chu(1968)[4]提出了前沿生產(chǎn)函數(shù)模型,將TFP增長的來源分解為兩個來源:一是生產(chǎn)技術(shù)前沿(technological frontier)的上移,即技術(shù)進步(technical change)；二是由偏離到向生產(chǎn)技術(shù)前沿靠近,即技術(shù)效率(technical efficiency)改善。如圖1所示:ft(x)和ft＋1(x)分別表示t時期和t＋1時期的兩個生產(chǎn)前沿函數(shù)(生產(chǎn)可能性曲線)；t到t＋1時期,生產(chǎn)前沿函數(shù)的上移體現(xiàn)了前沿生產(chǎn)技術(shù)進步。事實上,由于各種隨機效應(yīng)的存在,在給定的生產(chǎn)技術(shù)水平下,很多情況下生產(chǎn)者在偏離生產(chǎn)前沿的點上進行生產(chǎn),即存在技術(shù)無效率,如A點相對于B點,C點相對于D點。因此,在給定的前沿生產(chǎn)函數(shù)下,A點向B點的移動以及C點向D點的移動體現(xiàn)了技術(shù)效率的改善。對此,Jerzmanowski(2007)[6]通過實證研究發(fā)現(xiàn),國家間收入差距很大程度上正是由于發(fā)展中國家技術(shù)效率水平低,資源配置和使用效率低下,并沒有充分利用生產(chǎn)技術(shù),在偏離生產(chǎn)技術(shù)可能性曲線下生產(chǎn)所導(dǎo)致的。

圖1 全要素生產(chǎn)率分解示意圖

因此,近年來一些學(xué)者轉(zhuǎn)而利用前沿生產(chǎn)模型方法來研究金融發(fā)展對中國生產(chǎn)技術(shù)效率的作用。前沿分析可分為確定性前沿分析——數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis,DEA)和隨機前沿生產(chǎn)函數(shù)法(Stochastic Frontier Approach,SFA)兩類方法。其中,DEA是非參數(shù)確定性前沿分析方法,不考慮隨機誤差的影響。而SFA的前沿生產(chǎn)函數(shù)則是隨機的,各生產(chǎn)單元不需要共用一個前沿面。通過引入隨機誤差項,SFA對誤差項中的低效率值與隨機誤差項進行了明確區(qū)分,從而能更準(zhǔn)確地反映實際的技術(shù)效率水平(Coelli等,1998[28])。對此,傅曉霞和吳利學(xué)(2007)[29]比較了DEA和SFA在中國全要素生產(chǎn)率核算中的適用性,結(jié)果發(fā)現(xiàn)DEA的估計結(jié)果對奇異值非常敏感,而SFA的結(jié)果則具有良好的穩(wěn)健性,因而在中國更為適用。然而,現(xiàn)有文獻如陳剛等(2009)[24],趙勇和雷達(dá)(2010)[2]都是利用基于DEA對金融發(fā)展與中國經(jīng)濟增長效率的關(guān)系進行探討。而盡管一些學(xué)者用SFA對中國經(jīng)濟增長進行了核算(王志剛等,2006[30]；周曉艷和韓朝華,2009[26]；姚戰(zhàn)琪,2009[27]),他們的研究重點在于對中國經(jīng)濟增長效率來源的分解,而并非著眼于金融部門的作用。利用SFA對中國金融發(fā)展與技術(shù)效率的深入研究還十分有限。

回顧上述學(xué)者們的文獻,我們認(rèn)為當(dāng)前對金融發(fā)展與經(jīng)濟增長效率的研究存在以下不足之處:第一,從研究對象看,現(xiàn)有文獻對金融發(fā)展是否有助于提高經(jīng)濟增長效率,尤其是改善技術(shù)效率的研究還遠(yuǎn)遠(yuǎn)不夠,結(jié)論也存在較大分歧；第二,從研究方法看,盡管SFA更加適用于中國現(xiàn)實,但當(dāng)前實證研究仍以索洛余項法和DEA為主,鮮見利用SFA對金融發(fā)展與生產(chǎn)效率進行系統(tǒng)性分析的研究；第三,在定性分析的基礎(chǔ)上,現(xiàn)有文獻尚缺乏對金融發(fā)展貢獻程度的定量測算,從而無法準(zhǔn)確把握金融發(fā)展作用的時間演進和在地區(qū)間的差異；最后,從數(shù)據(jù)的覆蓋程度來看,現(xiàn)有實證研究所用數(shù)據(jù)多止步于2008年全球金融危機前,因此也就無力追蹤中國經(jīng)濟新常態(tài)下經(jīng)濟增長效率演進的最新情況。本文試圖從上述角度對現(xiàn)有文獻進行完善。

三、模型設(shè)定與數(shù)據(jù)來源

(一)SFA的基本原理

本文對中國省級層面的經(jīng)濟增長效率的分析建立在Aigner等人(1997)[5]的隨機前沿模型基礎(chǔ)上。SFA方法的基本思想是在一定的生產(chǎn)要素投入下,估計經(jīng)濟體的最大化產(chǎn)出水平,而最大化產(chǎn)出與實際產(chǎn)出之間的差異則被定義為生產(chǎn)的技術(shù)無效率。

前沿生產(chǎn)函數(shù)的基本形式如下:

其中,Z＝[Z1,…,ZM]是包括M個技術(shù)無效率決定因素的組合。對此,Kumbhakar等人(1991)[31]提出用一階段極大似然估計的方法來對式(1)和式(2)同時加以估計。Battese和Coelli(1995)[32]進一步將該方法拓展到用面板數(shù)據(jù)模型,將生產(chǎn)技術(shù)效率(technical efficiency,TE)定義為實際產(chǎn)出與潛在最大化產(chǎn)出的比率,計算公式為:

式(3)中生產(chǎn)技術(shù)效率TE的取值為[0,1]。TE的取值越接近1,代表生產(chǎn)技術(shù)效率越高,反之則越低。TE等于1則意味著產(chǎn)出水平在最優(yōu)的生產(chǎn)前沿面上,不存在生產(chǎn)無效率。

(二)經(jīng)驗?zāi)Ｐ偷脑O(shè)定

1.超越對數(shù)生產(chǎn)函數(shù)。

我們將等式(1)的生產(chǎn)函數(shù)轉(zhuǎn)換為超越對數(shù)函數(shù)(translog function)形式,主要是考慮到超越對數(shù)形式不需要以不變替代彈性為前提假設(shè),因此相較Cobb-Douglas生產(chǎn)函數(shù)而言更具有一般性(Kumbhakar和Wang,2005[33])。對數(shù)線性化形式的超越對數(shù)生產(chǎn)函數(shù)為:

這里下標(biāo)i表示省份；下標(biāo)t表示年份。K和L分別為資本要素和勞動力要素投入；T為年份時間趨勢變量,考慮到技術(shù)的非單調(diào)改變,還引入了年份的二次項形式；加入時間與生產(chǎn)要素投入的交互項則是出于非中性技術(shù)進步的考慮。

2.技術(shù)無效率函數(shù)。

技術(shù)無效率函數(shù)的設(shè)定是本文模型設(shè)定中的重點。參考現(xiàn)有文獻,我們選取對外開放度、金融發(fā)展水平、教育水平、政府支出、基礎(chǔ)設(shè)施及1990年各省的初始人均GDP水平作為技術(shù)無效率函數(shù)的解釋變量。技術(shù)無效率函數(shù)的估計式如下所示:

這里FDit為金融發(fā)展指標(biāo),取對數(shù)形式；OPENit代表對外開放度；GOVit為政府支出；INFRAit為基礎(chǔ)設(shè)施水平,取對數(shù)形式；最后,GDPINNit為1990年各省份的初始人均GDP水平,同樣經(jīng)過對數(shù)轉(zhuǎn)換。此外,我們還加入了表征東部和西部的區(qū)域虛擬變量EAST和WEST,以及2008年國際金融危機的時間虛擬變量CRISIS。

(三)變量的選擇與衡量

1.產(chǎn)出、勞動力與資本存量。本文用2000年不變價格折算的各省份實際國內(nèi)生產(chǎn)總值(GDP)作為產(chǎn)出水平Y(jié)的衡量指標(biāo)；對于實際資本存量,采用已有文獻廣泛使用的永續(xù)盤存法進行測算,參考張軍等(2004)[34]的研究,將折舊率取為9.6%；對于有效勞動力,參考通用做法(盛斌和毛其淋,2011[35]),用勞動力數(shù)量與人力資本水平的乘積衡量,其中勞動力為實際從業(yè)人員數(shù),而人力資本水平則由受教育水平占勞動力數(shù)量的比重估算得到。

2.金融發(fā)展。從金融中介的功能出發(fā),現(xiàn)有文獻最常用的衡量金融發(fā)展的指標(biāo)是信貸與GDP之比(Demirgü?-Kunt和Levine,2001[36]；盧峰和姚洋,2004[17]；張軍和金煜,2005[1])。①本文對金融發(fā)展的討論主要集中在金融中介部門,主要是考慮到中國是以銀行為主的金融體系,以銀行信貸為代表的間接融資在中國全社會融資中占主導(dǎo)地位,而股票市場、企業(yè)債券市場等直接融資的規(guī)模相對較小。銀行信貸投放反映了金融系統(tǒng)為經(jīng)濟提供資金的能力,即金融發(fā)展程度?？紤]到我國金融系統(tǒng)的政府主導(dǎo)特征,不同地區(qū)、不同所有制企業(yè)獲得信貸上不均衡的現(xiàn)狀,我們進一步將總信貸區(qū)分為國有部門信貸與私人部門信貸。由于國有部門信貸所占比重數(shù)據(jù)無法直接獲取,本文借鑒張軍和金煜(2005)[1]的方法,用國有企業(yè)員工數(shù)與從業(yè)人員數(shù)量之比作為國有部門信貸比重的近似估計,然后用該比率與總信貸規(guī)模的乘積作為國有部門信貸的最終衡量方法；總信貸在扣除國有部門信貸后則為私人部門信貸。

3.其他控制變量。對外開放、政府支出、基礎(chǔ)設(shè)施以及初始經(jīng)濟發(fā)展水平等控制變量,分別用外商投資總額/GDP與進出口總額/GDP之和,財政支出占GDP比例,每平方公里面積擁有的公路公里數(shù),以及1990年實際人均GDP來衡量。

各指標(biāo)的主要數(shù)據(jù)均來自中國數(shù)據(jù)在線(China Data Online),構(gòu)成涵蓋全國30個省、市、自治區(qū)(不包括西藏),時間跨度為1990—2012年的面板數(shù)據(jù)。

表1 主要變量的統(tǒng)計性特征

四、估計結(jié)果

(一)金融發(fā)展與經(jīng)濟增長效率:基本估計結(jié)果

在對模型參數(shù)進行估計前,首先應(yīng)確定前沿生產(chǎn)函數(shù)模型形式是否成立,我們構(gòu)造統(tǒng)計量λ＝－2[L(H0)－L(H1)],其中L(H0)和L(H1)分別為零假設(shè)和備擇假設(shè)下的對數(shù)似然函數(shù)值；備擇假設(shè)H1為原始模型形式。如果零假設(shè)H0成立,則檢驗統(tǒng)計量λ服從自由度為受約束變量個數(shù)的漸進χ2分布。我們進行了四個似然比檢驗:第一,檢驗Cobb-Douglas函數(shù)的設(shè)定是否優(yōu)于超越對數(shù)函數(shù)形式,此時原假設(shè)為生產(chǎn)函數(shù)中所有二次項系數(shù)均為零；第二,檢驗技術(shù)進步是否為?？怂怪行?此時原假設(shè)為生產(chǎn)函數(shù)中所有時間變量T與其他變量交互項的系數(shù)均為零；第三,檢驗生產(chǎn)的技術(shù)無效率是否存在,如果存在生產(chǎn)的無效率,則極大似然估計要優(yōu)于OLS估計,此時原假設(shè)為不存在生產(chǎn)的無效率,無效率函數(shù)中所有變量的系數(shù),以及γ＝σ2u/(σ2u＋σ2v)為零,即γ＝δ0＝δ1＝…＝δ8＝0；第四,為了驗證生產(chǎn)無效率解釋變量的選擇是合理的,我們還檢驗各個解釋變量估計系數(shù)是否聯(lián)合為零,此時原假設(shè)為δ1＝…＝δ8＝0。檢驗結(jié)果如表2的(c)欄所示,結(jié)果表明,在1%的顯著性水平下,應(yīng)當(dāng)拒絕上述四個原假設(shè),這表明本文的超越對數(shù)生產(chǎn)模型設(shè)定和極大似然估計方法合理,如果忽略金融深化等因素的影響將不能反映中國經(jīng)濟運行的實際情況。

表2的(1)～(3)列分別為用總信貸、私人部門信貸和國有部門信貸作為金融發(fā)展衡量指標(biāo)下,中國經(jīng)濟增長的超越對數(shù)和生產(chǎn)無效率估計結(jié)果。其中,(a)欄為生產(chǎn)前沿函數(shù)的估計結(jié)果,(b)欄為生產(chǎn)無效率函數(shù)的估計結(jié)果。需特別注意的是:這里的被解釋變量是生產(chǎn)的無效率水平,估計系數(shù)為負(fù)表示技術(shù)無效率下降,即技術(shù)效率水平提高,因此各系數(shù)符號應(yīng)進行逆解讀。

首先,表2中生產(chǎn)無效率函數(shù)各列的γ值表明,1990—2012年期間中國產(chǎn)出變動中高達(dá)85%以上的部分可以由生產(chǎn)技術(shù)效率的改變所解釋。技術(shù)無效率函數(shù)估計結(jié)果顯示:當(dāng)金融發(fā)展用不同口徑衡量時,其估計系數(shù)結(jié)果明顯不同。首先,無效率函數(shù)中總信貸水平的系數(shù)為正但并不顯著,這說明用總信貸規(guī)模衡量的金融發(fā)展并沒有對中國生產(chǎn)技術(shù)效率產(chǎn)生顯著影響。而私人部門信貸的系數(shù)在5%的顯著性水平下顯著為負(fù),則意味著私人信貸規(guī)模的提高有助于技術(shù)效率的改善。具體而言,當(dāng)其他條件保持不變時,私人信貸每增加1%,技術(shù)效率將提高0.543%。而相反地,國有部門信貸的系數(shù)在1%的顯著性水平下顯著為正,說明國有部門信貸的提升會進一步惡化中國產(chǎn)出中的技術(shù)無效率現(xiàn)象,具體來說,國有信貸每增加1%將降低技術(shù)效率0.401%。

表2 超越對數(shù)生產(chǎn)函數(shù)和生產(chǎn)無效率函數(shù)的估計結(jié)果

續(xù)前表

對此,盧峰和姚洋(2004)[17]認(rèn)為由于中國金融部門存在“漏損效應(yīng)”——即金融資源具有從享有特權(quán)的國有部門流向受到信貸歧視的私人部門的傾向,因此金融資源整體而非所有制結(jié)構(gòu)決定了金融發(fā)展的最終作用。然而,我們的研究結(jié)果卻顯示,盡管以國有信貸和私人信貸為形式的金融深化均可以有效促進投資,但二者對經(jīng)濟增長效率的作用卻是截然不同的:私人信貸有助于提升生產(chǎn)技術(shù)效率,相反,國有信貸則會惡化技術(shù)效率；二者的反向作用最終導(dǎo)致了總信貸規(guī)模對中國生產(chǎn)技術(shù)效率的影響是不確定的。事實上,本文的發(fā)現(xiàn)與另一些研究結(jié)論一致:例如,魯曉東(2008)[25]認(rèn)為中國金融資源存在錯配現(xiàn)象——信貸投放向國有企業(yè)傾斜,導(dǎo)致金融深化并不利于中國生產(chǎn)率的提高。王晉斌(2007)[18]發(fā)現(xiàn)金融發(fā)展在金融控制強的區(qū)域?qū)?jīng)濟增長有不利影響,而在金融控制弱的區(qū)域二者則表現(xiàn)出一種“中性”關(guān)系。李青原等人(2013)[37]也發(fā)現(xiàn),盡管金融發(fā)展有利于提升中國實體經(jīng)濟的資源配置效率,但地方政府的干預(yù)卻會妨礙金融系統(tǒng)發(fā)揮資源配置作用。本文從私人信貸和國有信貸對技術(shù)效率的異質(zhì)性作用角度驗證了上述學(xué)者的論斷。

除金融發(fā)展外,生產(chǎn)無效率函數(shù)中的其他控制變量也都在10%的顯著性水平上對技術(shù)效率施加影響,其中對外開放、政府支出和基礎(chǔ)設(shè)施建設(shè)的系數(shù)符號為負(fù),說明這些變量的提升有利于中國生產(chǎn)效率的改善。而初始人均GDP的系數(shù)符號顯著大于零,則說明經(jīng)濟基礎(chǔ)越好的省份平均技術(shù)效率越低。上述控制變量的系數(shù)符號與顏鵬飛和王兵(2004)[38],邱斌等人(2008)[39],傅元海等人(2010)[40],張軍和金煜(2005)[1]等實證研究結(jié)果相類似。

(二)1990—2012年中國各省份的生產(chǎn)技術(shù)效率水平

在表2的基礎(chǔ)上,我們分別計算了中國東中西部地區(qū)在1990—1994,1995—1999,2000—2004,2005—2009,2010—2012年期間的生產(chǎn)技術(shù)效率情況,結(jié)果如表3所示。首先,從整體來看,在1990—2012年間,中國各省份的平均技術(shù)效率為0.808。而通過進一步觀察,可以發(fā)現(xiàn)中國的生產(chǎn)技術(shù)效率演進具有明顯的時間和區(qū)域特點:

表3 中國生產(chǎn)技術(shù)效率的演進:1990—2012年

一方面,從時間角度來看,中國的生產(chǎn)技術(shù)效率在1990—2012年期間經(jīng)歷了先上升后下降的過程:首先,1990—2004年期間,中國的技術(shù)效率不斷改善,從1990—1994年間的0.735,逐步提高至1995—1999年的0.779和2000—2004年期間的0.878；然而,受到2008年國際金融危機的負(fù)面沖擊,中國的平均技術(shù)效率在2005—2009年期間下滑到0.849,并在2010—2012年間繼續(xù)惡化到0.776。而一方面,從區(qū)域角度來看,中國的技術(shù)效率在東中西部之間存在著巨大差異:在各個時期中,東部都是技術(shù)效率最高的地區(qū),中部次之,而西部的技術(shù)效率水平則最為落后；具體而言,廣東在整個時期內(nèi)的平均技術(shù)效率最高,為0.93；而新疆的平均技術(shù)效率水平最低,僅為0.628。不僅如此,這種區(qū)域差距在近年來有進一步惡化的趨勢:具體而言,2000—2004年期間,東部的技術(shù)效率僅比中部及西部地區(qū)分別高出0.01和0.10,2005—2009年期間,差距進一步擴大至0.063和0.111,而到了2010—2012年期間,東部與中部和西部之間的技術(shù)效率差距已擴大到0.104和0.184。

圖2 中國各省份的金融發(fā)展水平與生產(chǎn)技術(shù)效率

為了更加直觀地把握中國各省份生產(chǎn)效率與金融發(fā)展水平二者之間的關(guān)系,我們還分別將各省份技術(shù)效率與私人部門信貸,以及技術(shù)效率與國有部門信貸的關(guān)系繪制了擬合散點圖,如圖2所示。由于北京和上海無論在私人信貸還是國有信貸規(guī)模上均遠(yuǎn)超過其他各省份,因此我們同時提供了包括北京和上海在內(nèi)(圖2a和圖2c)以及將北京和上海樣本剔除后的擬合散點圖(圖2b和圖2d)。

其中,圖2a與2b中的生產(chǎn)技術(shù)效率是根據(jù)表2中第(2)列,將私人信貸作為金融發(fā)展衡量指標(biāo)的估計結(jié)果得到；圖2c與2d中的生產(chǎn)技術(shù)效率則根據(jù)表2中第(3)列,將國有信貸作為金融發(fā)展衡量指標(biāo)。圖2a表明技術(shù)效率與私人部門信貸呈正相關(guān)關(guān)系,這種正相關(guān)關(guān)系在剔除北京和上海后的圖2b中依然成立；圖2c則表明技術(shù)效率與國有部門呈負(fù)相關(guān)關(guān)系,這種負(fù)相關(guān)的關(guān)系在剔除北京和上海后的圖2d中表現(xiàn)得更為明顯。可見,散點圖以一種非常直觀的方式呈現(xiàn)了上文中所得到的結(jié)論:私人部門信貸是中國生產(chǎn)技術(shù)效率提升的重要推動因素,而國有部門信貸則阻礙了技術(shù)效率的改善。

五、金融發(fā)展對中國生產(chǎn)技術(shù)效率貢獻的測算

(一)貢獻率測算的兩種方法

在上文基礎(chǔ)上,為進一步分析金融發(fā)展對中國生產(chǎn)技術(shù)效率的影響程度,本文具體測算了私人信貸和國有信貸對中國生產(chǎn)技術(shù)效率的貢獻率。Coelli等人(1999)[41]以及Henry等人(2009)[42]分別提出了在隨機前沿模型設(shè)定下,基于“向前看”以及“向后看”兩種原則下影響因素對技術(shù)效率貢獻的測算方法。具體思路為:

首先,借鑒Battese和Coelli(1995)[32]和Coelli等人(1999)[41]的研究,技術(shù)效率(TE)可通過下述公式計算得到:

式(6)中的Φ(·)表示標(biāo)準(zhǔn)正態(tài)分布變量的累計分布函數(shù)；式(7)中[Z1,…,Zm]為影響技術(shù)無效率的m個決定因素(環(huán)境因素)的組合。本文中,[Z1,…,Zm]包括金融發(fā)展、對外開放度、政府支出、基礎(chǔ)設(shè)施、初始人均GDP、區(qū)域以及國際金融危機等變量,即:

[Z1，…，Z8]＝[ln FDit，OPENit，GOVit，ln INFRAit，ln GDPINit，EAST，WEST，CRISIS]

貢獻率的測算方法之一是Coelli等人(1999)提出的“向前看”(forward)方法。Coelli等人(1999)[41]提出,為判斷某影響因素Zn的貢獻率大小,可假定該影響因素情況對所有個體完全相同且均處于最優(yōu)水平,即當(dāng)式(7)中的δnZn,it取最小值min δnZn,it時①由于生產(chǎn)無效率函數(shù)的估計系數(shù)為負(fù),意味著降低技術(shù)無效率,即提高技術(shù)效率,因此當(dāng)δnZn,it取最小化時,該影響因素的促進作用最大化。,計算得到技術(shù)效率(TEb)為最優(yōu)條件下的潛在技術(shù)效率。潛在技術(shù)效率與實際技術(shù)效率的比率TEb/TEa越高意味著該因素對技術(shù)效率的貢獻越大,可進一步通過(TEb/TEa－1)衡量貢獻率水平。該方法的缺陷在于:由于對該影響因素最優(yōu)水平的假設(shè)是基于現(xiàn)有觀測個體的最優(yōu)情況確定的,因此有可能低估了潛在最優(yōu)水平,從而造成對貢獻率的低估。

對此,Wang和Wong(2012)[43]綜合利用“向前看”和“向后看”兩種方法,分析了在進口以及FDI兩種國際技術(shù)轉(zhuǎn)移渠道下,國際研發(fā)活動(R＆D)對一國技術(shù)效率的貢獻大小及演進趨勢。結(jié)果表明,盡管基于Coelli等人(1999)[41]“向前看”以及Henry等人(2009)[42]“向后看”方法的測算結(jié)果在貢獻率大小上有所差異,但是差異是系統(tǒng)性的(后者測算結(jié)果整體上低于前者),二者結(jié)果在時間維度及地區(qū)維度上的變化趨勢具有一致性,且與現(xiàn)實情況的擬合效果較好,綜合來說穩(wěn)健性較強。因此,本文也綜合利用“向前看”和“向后看”兩種方法,測算了金融發(fā)展對中國各省份技術(shù)效率的貢獻率大小。

(二)基于“向后看”原則的測算結(jié)果

表4 金融發(fā)展對中國技術(shù)效率的貢獻率(%)

表4的(a)欄為私人信貸對生產(chǎn)技術(shù)效率的貢獻率:1990—2012年期間,私人部門信貸對中國各地區(qū)生產(chǎn)效率的平均貢獻率為14.301%。在不同地區(qū)中,私人部門信貸對中部地區(qū)的生產(chǎn)技術(shù)效率的貢獻率最高,為14.137%,其次為西部地區(qū),貢獻率為13.86%,而私人部門信貸對東部地區(qū)生產(chǎn)效率的貢獻率最低,為12.042%。這說明相較于東部地區(qū),對經(jīng)濟基礎(chǔ)較弱,資金來源相對有限的中西部地區(qū)而言,私人部門信貸對生產(chǎn)效率的改善發(fā)揮著更加重要的作用。此外,從時間演進來看,私人部門信貸對技術(shù)效率的貢獻率在1995—1999年間達(dá)到最高,而在2000—2004年間出現(xiàn)了下降,在2005—2009年后又逐漸提升。由此可見,私人部門信貸對中國經(jīng)濟增長效率的促進作用具有逆周期性:在經(jīng)濟上行周期,私人信貸對技術(shù)效率的貢獻較低；而在經(jīng)濟下行周期,私人部門信貸對提升技術(shù)效率、乃至經(jīng)濟增長動力的轉(zhuǎn)換起著更為重要的作用。

表4的(b)欄報告了國有部門信貸對生產(chǎn)效率的貢獻率。對全部地區(qū)和全部時期,國有部門信貸對生產(chǎn)效率的貢獻均為負(fù)。平均而言,1990至2012年期間,國有部門信貸對中國各地區(qū)生產(chǎn)效率的貢獻率為－13.588%。從區(qū)域角度看,國有部門信貸的不利影響對西部地區(qū)省份而言最為明顯,為－21.198%,東部地區(qū)次之,為－10.083%；而中部地區(qū)受到國有部門信貸的不利影響程度最小,為－8.081%。從時間角度看,國有部門信貸的不利影響在2000—2004年期間最小,但是在2008年國際金融危機后又再度惡化。2008年后,國有部門信貸對全國技術(shù)效率的貢獻率由2000—2004年的－8.504%下滑至2005—2009年的－9.391%,并進一步惡化到2010—2012年間的－12.532%。2008年國際金融危機后,為提振經(jīng)濟、緩解外部沖擊,政府曾出臺了大規(guī)模信貸刺激政策。對此,本文結(jié)果表明盡管國有信貸在短期內(nèi)有利于緩解危機時期外需下降帶來的負(fù)面沖擊,但是卻進一步降低了中國的技術(shù)效率水平。

(三)基于“向前看”原則的測算結(jié)果

按照Coelli等人(1999)[41]“向前看”的思路,假設(shè)各省份的私人信貸和國有信貸處于完全相同且最高水平時,即當(dāng)式(7)中的δ1FDit取最小值min(δ1FDit)(金融發(fā)展用私人信貸衡量),以及取最大值max(δ1FDit)(金融發(fā)展用國有信貸衡量)時,可得到潛在技術(shù)效率(TEb)。在此基礎(chǔ)上,本文計算了潛在技術(shù)效率及其與實際技術(shù)效率的比率TEb/TEa,以及貢獻率指標(biāo)(TEb－TEa)/TEa,結(jié)果如表5所示。

表5的(a)欄為私人部門信貸最大化水平下,中國的潛在技術(shù)效率及貢獻率情況。以全國為例,從整個時期來看,當(dāng)私人部門信貸處于最優(yōu)水平時,中國各地區(qū)的平均潛在技術(shù)效率將提升至0.841,與該時期實際技術(shù)效率之比為1.046,私人信貸的貢獻率為4.6%。在三大區(qū)域中,西部地區(qū)在整個時期具有最高的潛在效率比率,為1.057,私人信貸的貢獻率最高,為5.7%。這意味著如果西部處于最優(yōu)的私人信貸規(guī)模水平,其技術(shù)效率將得到最大程度的改善。東部地區(qū)在整個時期的潛在效率比率為1.024,私人信貸的貢獻率為2.4%,說明私人信貸規(guī)模對東部地區(qū)的貢獻程度要低于西部。中部地區(qū)的潛在效率比率為1.026,貢獻率為2.6%,居于東部和西部地區(qū)中間。

表5的(b)欄是假設(shè)各省份的國有部門信貸規(guī)模處于最大化水平下,潛在的生產(chǎn)效率與效率比率情況。(b)欄中的潛在效率比率均小于1,意味著當(dāng)國有部門信貸規(guī)模最大化時,對應(yīng)的潛在技術(shù)效率低于實際技術(shù)效率,即國有部門信貸的提升對中國各地區(qū)生產(chǎn)技術(shù)效率具有負(fù)面影響。具體而言,當(dāng)國有部門信貸最大化時,1990—2012年整個時期全國以及東中西部地區(qū)的潛在技術(shù)效率與實際效率的比率分別為0.933,0.948,0.931和0.920,國有部門信貸的貢獻率分別為－6.7%,－5.2%,－6.9%,－8%。可見國有部門信貸擴張對西部的負(fù)面作用最大,對中部地區(qū)次之,對東部地區(qū)的負(fù)面影響則相對較小?？傮w而言,上述基于“向前看”方法得到的貢獻率時間與空間演進趨勢基本與“向后看”方法得到的結(jié)論保持一致。

表5 中國潛在技術(shù)效率與潛在技術(shù)效率比率

續(xù)前表

六、結(jié)論

利用中國1990—2012年30個省份面板數(shù)據(jù),本文采用隨機前沿分析方法,實證研究了金融發(fā)展與中國生產(chǎn)技術(shù)效率二者之間的關(guān)系,得到了如下結(jié)論:

中國經(jīng)濟增長的技術(shù)效率水平偏低,存在區(qū)域差異,且近年來呈惡化趨勢,成為制約經(jīng)濟增長效率改善的重要阻礙。對此,以信貸規(guī)模衡量的金融深化對生產(chǎn)技術(shù)效率起到了重要的影響作用。具體而言,盡管總信貸規(guī)模整體上對生產(chǎn)技術(shù)效率的作用并不明顯,但私人部門信貸對技術(shù)效率的提升發(fā)揮了積極的促進作用,而國有部門信貸則產(chǎn)生了不利影響。在此基礎(chǔ)上,本文通過“向前看”和“向后看”兩種方法,具體測算了私人信貸和國有信貸對生產(chǎn)技術(shù)效率的貢獻率大小,結(jié)果顯示:就區(qū)域角度而言,相對于東部,私人信貸對中部和西部地區(qū)技術(shù)效率的促進作用更大；相應(yīng)地,國有部門信貸對中部和西部的不利影響也要大于東部；而從時間演進角度來看,私人信貸對生產(chǎn)效率的促進作用在2008年金融危機后逐步上升,而國有部門信貸的負(fù)面作用也在2008年后趨于擴大。

當(dāng)前,中國經(jīng)濟已邁入新常態(tài),經(jīng)濟增長模式亟需調(diào)整,增長動力轉(zhuǎn)換的關(guān)鍵在于如何進一步提升全要素生產(chǎn)率在經(jīng)濟增長中的貢獻。在此背景下,本文的實證結(jié)果具有重要的政策含義:考慮到中國不同地區(qū)、不同所有制企業(yè)在獲得信貸上仍存在不均衡問題,而私人信貸而非總信貸規(guī)模才有助于中國生產(chǎn)技術(shù)效率的提升,因此我們認(rèn)為靈活適度的結(jié)構(gòu)性貨幣政策,而非過度寬松的總量型貨幣政策,才是促進中國經(jīng)濟增長效率改善的解決之道。央行應(yīng)繼續(xù)引導(dǎo)金融機構(gòu)優(yōu)化信貸結(jié)構(gòu),發(fā)揮好信貸政策支持再貸款、再貼現(xiàn)和抵押補充貸款、窗口指導(dǎo)等作用,疏通資金流向中西部地區(qū)和私人部門尤其是小微企業(yè)的渠道,為中西部地區(qū)和小微企業(yè)提供融資便利；同時,應(yīng)將貨幣政策調(diào)控與深化改革緊密結(jié)合,進一步糾正信貸向國有部門過度傾斜的制度性扭曲,更充分地發(fā)揮市場在資源配置中的決定性作用。這將對緩解中國實體經(jīng)濟資源錯配現(xiàn)象,提高經(jīng)濟增長效率,轉(zhuǎn)變經(jīng)濟增長方式發(fā)揮積極作用。

[1]張軍,金煜.中國的金融深化和生產(chǎn)率關(guān)系的再檢測:1987—2001[J].經(jīng)濟研究,2005(11):34－45.

[2]趙勇,雷達(dá).金融發(fā)展與經(jīng)濟增長:生產(chǎn)率促進抑或資本形成[J].世界經(jīng)濟,2010(2):37－50.

[3]陳啟斐,吳建軍.金融發(fā)展與技術(shù)進步:一項來自中國省級數(shù)據(jù)的研究[J].經(jīng)濟評論,2013(6):98－107.

[4]Aigner D J,Chu S F.On Estimating the Industry Production Function[J].American Economic Review,1968,58(4):826－839.

[5]Aigner D J,Lovell C A K,Schmidt P.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Econometrics,1977,6(1):21－37.

[6]Jerzmanowski M.Total Factor Productivity Differences:Appropriate Technology vs.Efficiency[J].European Economic Review,2007,51(8):2080－2110.

[7]Goldsmith R W.Financial Structure and Development[J].Studies in Comparative Economics,1969,70(4):31－45.

[8]Mckinnon R I.Money and Capital in Economic Development[M].Washington DC:Brookings Institution,1973.

[9]Shaw E S.Financial Deepening in Economic Development[M].New-York:Oxford University Press,1973.

[10]King R G,Levine R.Finance,Entrepreneurship and Growth:Theory and evidence[J].Journal of Monetary Economics,1993,32(3):513－542.

[11]Levine R.Financial Development and Economic Growth:Views and Agenda[J].Journal of Economic Literature,1997,35(2):688－726.

[12]Levine R.Finance and Growth:Theory and Evidence[J].Handbook of Economic Growth,2005,Vol.1(12):865－934.

[13]韓廷春.金融發(fā)展與經(jīng)濟增長:基于中國的實證分析[J].經(jīng)濟科學(xué),2001(3):31－40.

[14]趙志君.金融資產(chǎn)總量結(jié)構(gòu)與經(jīng)濟增長[J].管理世界,2000(3):126－136.

[15]周立,王子明.中國各地區(qū)金融發(fā)展與經(jīng)濟增長實證分析:1978—2000[J].金融研究,2002(10):1－13.

[16]沈坤榮,張成.金融發(fā)展與中國經(jīng)濟增長——基于跨地區(qū)動態(tài)數(shù)據(jù)的實證研究[J].管理世界,2004(7):15－21.

[17]盧峰,姚洋.金融壓抑下的法治、金融發(fā)展和經(jīng)濟增長[J].中國社會科學(xué),2004(1):42－55.

[18]王晉斌.金融控制政策下的金融發(fā)展與經(jīng)濟增長[J].經(jīng)濟研究,2007(10):95－104.

[19]武志.金融發(fā)展與經(jīng)濟增長:來自中國的經(jīng)驗分析[J].金融研究,2010(5):58－68.

[20]Liang Q,Teng J Z.Financial Development and Economic Growth:Evidence from China[J].China Economic Review,2006,Vol.17(4):395－411.

[21]Zhang J,Wang L,Wang S.Financial Development and Economic Growth:Recent Evidence from China[J].Journal of Comparative Economics,2012,40(3):393－412.

[22]Demirgü?kunt A,Levine R.Finance,Financial Sector Policies,and Long-Run Growth[J].Social Science Electronic Publishing,2008.

[23]許文彬,張豐.金融發(fā)展、行業(yè)特征、地區(qū)差異與全要素生產(chǎn)率——基于1999—2011年中國省際行業(yè)數(shù)據(jù)的分析[J].經(jīng)濟管理,2014(2):33－46.

[24]陳剛,李樹,劉櫻.銀行信貸、股市融資與中國全要素生產(chǎn)率動態(tài)[J].經(jīng)濟評論,2009(6):47－56.

[25]魯曉東.金融資源錯配阻礙了中國的經(jīng)濟增長嗎[J].金融研究,2008(4):55－68.

[26]周曉艷,韓朝華.中國各地區(qū)生產(chǎn)效率與全要素生產(chǎn)率增長率分解(1990—2006)[J].南開經(jīng)濟研究,2009(5):26－48.

[27]姚戰(zhàn)琪.生產(chǎn)率增長與要素再配置效應(yīng):中國的經(jīng)驗研究[J].經(jīng)濟研究,2009(11):130－143.

[28]Coelli T,Rao P,Battase E.An Introduction to Efficiency and Productivity Analysis[M].Boston:Kluwer Academic Publishers,1998.

[29]傅曉霞,吳利學(xué).前沿分析方法在中國經(jīng)濟增長核算中的適用性[J].世界經(jīng)濟,2007(7):56－66.

[30]王志剛,龔六堂,陳玉宇.地區(qū)間生產(chǎn)效率與全要素生產(chǎn)率增長率分解(1978—2003)[J].中國社會科學(xué),2006(2):55－66.

[31]Kumbhakar S,Ghosh S,McGuckin T.A Generalized Production Frontier Approach for Estimating Determinants of Inefficiency in US Dairy Farms[J].Journal of Business＆Economic Statistics,1991,9(3):279－286.

[32]Battese G E,Coelli T J.A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics,1995,20(2):325－332.

[33]Kumbhakar S C,Wang H J.Estimation of Growth Convergence Using a Stochastic Production Frontier Approach[J].Economics Letters,2005,88(3):300－305.

[34]張軍,吳桂英,張吉鵬.中國省際物質(zhì)資本存量估算:1952—2000[J].經(jīng)濟研究,2004(10):35－44.

[35]盛斌,毛其淋.貿(mào)易開放、國內(nèi)市場一體化與中國省際經(jīng)濟增長:1985—2008年[J].世界經(jīng)濟,2011(11):44－66.

[36]Demirgü?-Kunt A,Levine R.Financial Structure and Economic Growth[M].Cambridge,MA:MIT Press,2001.

[37]李青原,李江冰,江春.金融發(fā)展與地區(qū)實體經(jīng)濟資本配置效率——來自省級工業(yè)行業(yè)數(shù)據(jù)的證據(jù)[J].經(jīng)濟學(xué):季刊,2013,12(1):527－548.

[38]顏鵬飛,王兵.技術(shù)效率、技術(shù)進步與生產(chǎn)率增長:基于DEA的實證分析[J].經(jīng)濟研究,2004(12):55－65.

[39]邱斌,楊帥,辛培江.FDI技術(shù)溢出渠道與中國制造業(yè)生產(chǎn)率增長研究:基于面板數(shù)據(jù)的分析[J].中國經(jīng)濟學(xué)前沿,2009,31(2):20－31.

[40]傅元海,唐未兵,王展祥.FDI溢出機制、技術(shù)進步路徑與經(jīng)濟增長績效[J].經(jīng)濟研究,2010(6):92－104.

[41]Coelli T,Perelman S,Romano E.Accounting for Environmental Influences in Stochastic Frontier Models:With Application to International Airlines[J].Journal of Productivity Analysis,1999,11(3):251－273.

[42]Henry M,Kneller R,Milner C.Trade,Technology Transfer and National Efficiency in Developing Countries[J].European Economic Review,2009,53(2):237－254.

[43]Wang M,Wong M C S.FDI,Imports,Technology Transfer and Technical Efficiency:Evidence from Panel Stochastic Frontier Analysis[J].World Development,2012,40(40):1982－1998.