中国省域金融顺周期效应异质性的影响因素研究——基于技术进步与产业调整的空间经济分析视角

王周伟，伏开宝，汪传江，胡德红

(上海师范大学 金融工程研究中心，上海 200234)

一、引言

金融顺周期效应是指金融与实体经济之间存在着正向反馈机制。在内生地放大金融体系的不稳定性的同时，该效应也会加剧经济波动。因此金融顺周期效应是经济调控与金融审慎监管都必须始终关注的核心问题。目前，大量文献研究已经表明，中国金融体系具有显著的顺周期效应，也呈现出不同的行业周期与时变特征。但这些相关研究主要集中于国家层面上，较少从省域经济层面上探讨金融顺周期效应。而中国省域经济的规模发展、技术进步、产业发展与结构调整、金融发展以及空间经济特征因素存在着很大差异，这些因素的差异都会使省域货币金融体系与经济体系运行呈现异质性，金融与实体经济的顺周期效应也会具有省域异质性。围绕金融顺周期效应的省域异质性及其影响因素展开具体研究，对于合理确定定向精准调控与审慎监管政策组合力度，提升结构化货币政策效率，提高省域金融体系对于创新驱动、转型发展及城镇化建设的支持力度都有着非常重要的指导意义。特别是在经济运行总体平稳、结构调整与转型升级需要稳步推进的“新常态”下，新型城镇化建设与区域经济协调发展亟需差别化结构调控。因此，从理论分析与实证检验两个方面，本文将探讨中国金融顺周期效应是否具有省域异质性？该异质性的影响因素有哪些？它们是如何发挥作用的？

本文的主要贡献在于，利用扩展的C-D生产函数，构建空间经济分析框架，推算了中国省域金融顺周期效应的异质比率的计算式，从理论上分析了其显著存在性、区域异质性，从创新驱动与产业结构调整视角分析了该效应的影响因素；在分别利用地理距离、技术距离与产业距离准则度量空间相关性的同时，设计了地理-技术-产业组合距离准则，构建了有效的组合空间权重矩阵，利用空间探索性分析与地区固定效应的空间面板杜宾模型及其解释变量效应分解分析方法，实证研究了中国省域金融顺周期效应的异质性影响因素及其作用路径。

二、文献综述

从维护金融稳定角度研究顺周期效应，兴起于2008年金融危机发生后。大多数现有文献是在全国层面上对其成因与作用原理进行理论分析，对其存在性、程度及特征进行实证研究。其中成因分析多数是从资本监管、银行经营行为与公允会计准则三个方面进行的。

新颁布的资本充足监管准则允许银行使用内部评级法，而使用内部评级法计算监管资本的三个风险参数是顺周期的。与使用固定风险权重的标准法相比较，这提高了监管资本的风险敏感性，也提高了监管资本的顺周期效应(Tanaka，2002等)；沿着资本监管与银行经营行为视角，Gai 等(2006)认为在市场不完美情况下，抵押资产的流动性放大了金融周期[1]；李文泓、罗猛(2010)运用最小二乘法与广义矩分析法，证实我国商业银行的资本充足率具有一定的顺周期效应[2]，因此要增加逆周期资本缓冲(Jacques ，2010)[3]；高国华、潘英丽(2010)依据银行资本跨期持有成本最小化的局部均衡调整模型，设计了商业银行的资本顺周期效应检验模型。他们发现监管资本的亲周期性使资本充足率变动具有顺周期效应，其顺周期调整也具有不对称性[4]。比较综合的是，方芳、刘鹏(2010)从金融市场、金融监管与经济波动三个方面定性地分析了金融顺周期效应的内在成因及其作用机理，利用M2与贷款对经济增长的相关性描述分析与VAR模型检验，证实中国金融体系存在着信贷顺周期效应[5]；通过回顾相关文献，张金城、李成(2011)认为金融体系存在双重顺周期，其成因不尽相同。盈利能力与外部融资成本的顺周期性以及借贷双方的信息不对称造成了银行信贷的顺周期效应；最低监管资本要求、信贷萎缩效应及内部评级法使银行资本充足率也具有顺周期效应[6]；Albertazzi 等(2013)通过观察雷曼公司破产前后的意大利银行信贷发放情况，认为银行对外信贷具有顺周期性[7]；对于美国商业银行与储蓄银行，Laux 等(2014)认为盯市规则并不是亲周期的主要驱动因素，而是经营杠杠与资本比率的目标管理引发亲周期性[8]；Olszak等(2014)利用欧盟的跨国家跨银行数据与两步系统GMM法，研究了贷款损失准备金与商业周期之间的作用，以及银行管理与运营特征、国家特征对其差异性的影响。结果显示，规模较大与稳健经营的商业银行贷款损失准备金的顺周期效应较强；较好的市场约束无法抵消其敏感性，但收入平滑、资本管理与信用风险管理可以减弱亲周期效应[9]。

从公允价值会计准则视角，Sole 等(2009)认为公允价值会计准则是导致顺周期效应的原因之一[10]；黄静茹、黄世忠(2013)模拟计算了在两种商业情景下两种计量模式对银行资产负债表科目波动性的影响，其结果与Laux 等(2009)相似[11]，即应用公允价值计量模式会产生增强经济自身波动的波动，不一定具有顺周期效应[12]；而梅波(2014)用扩展后的Feltham和Ohlson(1995)模型实证研究结果表明，价值相关性较强的公允价值计量具有顺周期性[13]。

为更好地把握顺周期效应，学者们已经开始探讨其运行特征了。程棵、刁思聪、杨晓光(2012)依据金融加速器理论提出信贷顺周期效应的不对称性命题，用带有马尔科夫转换机制的回归模型和状态空间模型，证明了信贷投放具有一定的顺周期效应，并且具有金融加速器效应[14]；俞晓龙(2013)利用银行资本优化模型，建立了银行资本充足率的面板数据实证模型。其研究结果表明，中国不同类型的商业银行资本具有不同的周期性特征，国有商业银行与农村商业银行的资本充足率没有周期性，而城市商业银行资本充足率具有逆周期特征，只有全国性股份制银行具有顺周期效应[15]；金雯雯、杜亚斌(2013)运用TVP-VAR模型研究发现，在控制货币政策效应后，信贷顺周期效应具有时变性，部分时段上是逆周期变化的，而且短期信贷顺周期效应小于中长期顺周期效应[16]。

从研究方法方面讲，现有文献主要选用的都是非空间的统计与计量方法，这对于概括研究国家金融顺周期效应是适用的。但是，探索分析一国经济体系内部各区域的经济效应时，需要考虑区域经济的异质性与溢出效应，这就需要依据新经济地理理论与空间经济理论框架，用适宜的空间探索分析方法与空间经济计量分析方法构建模型，研究省域金融顺周期效应的异质性及其影响因素。

三、理论分析

金融与实体经济具有顺周期效应，需要实施逆周期监管。由于省域经济的金融、科技与经济特征不尽相同，中国金融顺周期效应在省域上应当是异质的。本文将利用省域生产函数，从经济增长来源分解视角，说明金融顺周期效应存在着省域异质性，并从技术、产业、金融与空间经济特征方面，分析影响因素及其作用路径。

(一)中国金融顺周期效应的省域异质性研究

传统的C-D生产函数产出仅考虑劳动投入和资本投入两个要素，这不完全符合现代经济发展的现实情况。许多学者在研究经济增长对传统的C-D生产函数进行了扩展，Devarajan、Swaroop和Zou(1996)将公共支出分成两类分别纳入生产函数[17]；King & Levine(1993)认为在不发达国家中信贷主要被用来为国内企业的投资活动进行融资，是单一的最为重要的投资资金来源，信贷被认为是推动经济增长的一项重要金融要素，对经济增长至关重要[18]。在对经济增长和全要素生产率研究中，我国学者也对生产函数进行了相应的类似扩展，史永东等(2003)、郭庆旺等(2005)、张钢等(2006)、张军等(2005)都建立了新的扩展模型，研究分析了财政支出与信贷金融因素对于经济增长、全要素生产率的影响[19-21]。

相邻地区经济总量规模较大时，往往对本地区产品的需求能力较大。市场潜能(Market Potential)可以很好地度量这种具有空间正溢出效应的有效需求，它对本省域经济增长具有正向拉动作用，其对省域人均GDP的增长拉动弹性超过了固定资产投资的投入产出弹性(潘文卿，2012；赵增耀、夏斌，2012)[22-23]。

根据上述相关研究结论，本文把资本要素分为私人资本与公共资本，其中私人资本由私人信贷支持的私人投资形成，公共资本由主要源自财政收入的地方政府公共投资形成，把地方政府公共投资作为投入要素；另外，市场潜能增大可以提高各要素的投入产出，把市场潜能作为省域经济发展的需求拉动因素用乘法方式直接引入，得到扩展的省域C-D生产函数：

(1)

其中，Y为总产出；A为技术水平；K表示物质资本存量；用L表示劳动力投入；G表示地方政府公共投资；α,β,γ为相应要素的投入产出弹性系数；φ是市场潜能对产出的拉动弹性。为符合实际经济运行特征，假设该生产函数具有一次齐次性与二阶连续可微两个性质。另外，技术进步可以提高要素生产率，且具有偏向性(雷钦礼，2013；陆雪琴、章上峰，2013)[24-25]，省域内产业集聚具有规模经济与范围经济效应，于是参数α,β,γ,φ是随着技术进步及其效率与偏向以及产业集聚与结构的变化而变化的。

对式(1)两边取对数得到：

(2)

对式(2)两端对时间t求导得到经济增长率分解等式：

(3)

设D表示信贷余额，假定每期中新增信贷在当期全部用于固定资产投资，并在当期全部形成生产资本，资本折旧损耗很小，可以不考虑，则有：

(4)

(5)

把式(4)、(5)代入式(3)可得：

(6)

式(6)表示省域经济增长率由技术增长率、信贷增长率、劳动力增长率、地方政府公共投资增长率、市场潜能增长率及各要素投入产出弹性共同决定。用小写字母表示变量的增长率，则有：

yt=at+α·dt+β·lt+γ·gt+φ·mpt

(7)

在规模经济与范围经济及学习效应等作用下，式7中参数一般都为正，信贷变化与经济是同方向变化的，这表明尽管省级政府不具有完全的货币金融调控权力，但在省域经济体系中也存在着金融顺周期效应，即省域金融体系与实体经济之间存在动态的正向反馈作用机制。在该机制作用下，省域信贷增长会推动省域经济增长，反过来，省域经济增长会带来省域信贷增长的进一步增加。由于信息不对称、市场不完美、羊群效应与有限理性，省域经济波动使省域外部融资风险溢价逆向升降，金融加速器效应使省域金融体系经营杠杆率同方向变化；在收入与估值效应作用下担保抵押品价值会随着经济波动同方向变化，资产负债表效应会使省域借款人的信用质量发生同方向变化；在金融机构风险承担因素与竞争效应作用下，在追逐利润动机驱动下，省域金融机构的信贷扩张意愿与行为具有顺周期效应；在财富效应与托宾Q效应作用下[26]，金融资产质量、公允价值核算的绩效与外部融资成本也受到经济周期的正向作用，使得省域风险资本监管也具有顺周期效应。通过上述作用微观经济行为路径，在省域层面上省域金融体系形成了顺周期效应。

在经济增长来源分解等式(7)中，不同省域经济的资源禀赋及各参数值的大小及其显著差异程度，就决定着中国省域金融体系顺周期效应是否存在、是否具有异质性、异质性的大小及其显著差异程度。在规模经济阶段，如果省域信贷增长率的投入产出弹性值显著且为正值，一般不等于0，则说明中国金融顺周期效应具有省域异质性，即省域金融顺周期效应是显著存在的。新经济地理学与空间经济学理论与实证研究都表明，省域金融、技术与经济禀赋特征及其运行机制都存在明显差异，在这些具有空间异质性的因素作用下，省域金融顺周期效应就是异质的。于是提出本文第一个命题与原假设H1：中国省域金融体系存在顺周期性效应，而且该效应具有省域异质性。

(二)中国省域金融顺周期效应异质性的影响因素分析

为进一步分析省域金融顺周期效应异质性的影响因素，下面构建省域金融顺周期效应差异指标进行具体分析。在三大类十多个指标中，用信贷余额增长率与GDP增长率之间的比值判断金融经济繁荣与危机的效果最好[27](巴塞尔委员会，2012)。本文用省域经济增长率与省域信贷增长率之比反映省域金融顺周期效应，即经济增长与信贷增长的协调性。该比值大于0则表明二者是顺周期协同增长或下降。

式(7)两边除以d，可得反映省域金融顺周期效应大小的省域经济增长率与信贷增长率之比：

(8)

这表明省域金融顺周期效应大小取决于技术进步与产业经济方面的特征因素，即各经济增长动力要素的投入增长率与信贷增长率之比，包括技术水平增长率(即技术进步)与信贷投入增长率之比、劳动力投入与信贷投入增长率之比以及公共投资投入与信贷投入增长率之比；也取决于空间经济特征，即市场潜能增长率与信贷增长率之比及其拉动弹性；也取决于三个要素的效率，即省域投入产出弹性，包括信贷资本投入产出弹性、劳动力投入产出弹性与公共投资投入产出弹性。

两个不同省域的金融顺周期效应差异可以用省域金融顺周期效应之比来度量，即这两个省域的经济增长率与省域信贷增长率之比的比值(本文定义为异质比率)来度量。对于省域i、j，则有金融顺周期效应的异质比率为：

(9)

综合式(8)与(9)，我们可以知道，省域金融顺周期效应异质性的主要影响因素可以归纳为四个方面：

这些指标反映的是省域金融、科技与实体经济系统向生产领域投入的生产要素增长情况。微观经济主体与地方政府是总体理性的，在规模经济与范围经济阶段中才会加大要素投入，推动本地经济增长，要素投入增长率不同会带来省域金融顺周期效应的差异。这些因素属于影响省域金融顺周期效应异质性的规模经济因素。

TFP=EC×TC

=PEC×SEC×MTC×BTC

=PEC×SEC×MTC×OBTC×IBTC

=PEC×SEC×MTC×IBTC

(10)

在规模经济与范围经济作用下，这些指标都是正值，在正弹性作用下会把上述规模经济因素的影响作用以杠杠倍数方式放大，这些因素属于放大推动省域金融顺周期效应异质性的要素效率因素。

在上述省域金融、规模经济、技术、产业与空间经济特征的综合作用下，这种双重顺周期效应就呈现出省域异质性。如图1所示。

图1 中国省域金融顺周期效应异质性的影响因素及其作用路径

由此可以提出本文的第二个命题与原假设H2：中国省域金融顺周期效应异质性的影响因素主要来自本省域经济的金融发展、技术进步、规模经济、本地产业调整与空间经济四个方面的特征，它们的作用包括直接作用与空间溢出。

四、数据来源、变量选择与模型设计

(一)样本选择与数据来源

从1998年1月1日起，我国取消了对国有商业银行信贷规模的限额控制。因此，我们选用了中国31个省、直辖市、自治区在1998年-2012年期间相关指标的年度数据，共有15年31个省市的面板空间数据。数据来自于《中国工业经济统计年鉴》、《万德数据库》、《中国统计年鉴》、《60年中国统计资料汇编》、《中国科技统计年鉴》、《中国金融统计年鉴》、《地理信息系统》《中国区域金融运行报告》。

(二)变量选择

根据理论分析结论，我们分别选择了被解释变量、解释变量与控制变量指标。

1.被解释变量的指标选用

信贷余额增长率与GDP增长率之间的比值将经济和金融联系起来了，该指标对其长期趋势值的偏离度(GAP)能够反映金融体系中金融顺周期性，又能够综合考虑金融深化引起的经济波动和金融扩张之间的趋势，因此我们选用省域GAP值作为省域金融顺周期效应的代理变量。

2.解释变量的指标选用

(1)技术进步类指标。利用基于DEA的非参数估计Malmquist指数及其分解方法，计算全要素生产率(TFP)、技术效率、纯技术进步、纯技术效率与规模效率；技术进步偏向利用技术进步偏向指数反映。根据希克斯的定义，在不考虑要素替代性情况下，技术进步偏向指数(即资本边际产出增长率与劳动边际产出增长率之差)可以近似度量技术进步偏向，计算式为：

(11)

如果B大于0，则属于资本偏向型技术进步；如果B小于0，则属于劳动偏向型技术进步；如果等于0，则属于希克斯中性技术进步。

(3)金融发展类指标。我们选择金融效率、金融集聚、金融深化三个指标来反映省域金融发展现状。其中，金融效率是指金融体系动员与跨期配置社会资金的效率，用各地银行部门的贷款余额与存款余额之比表示；金融集聚是金融机构与金融要素资源在某些特定区域汇聚的经济现象，本文用各省金融从业人员占总从业人员之比与当年全国各省上述比重平均值的比表示；金融深化程度是指金融体系的发展通过金融市场的资源配置作用对经济发展的推动作用，本文用各省当年贷款与GDP之比表示。

(4) 市场潜能。某省域的市场潜能等于本地市场潜能、邻近省域市场潜能与海外市场潜能之和，它反映了本区域的市场潜力及其受相关区域经济溢出效应的大小。在考虑距离加权情况下，某省域的市场潜能计算式为：

(12)

(5)政府干预。作为一种外生因素，地方政府公共投资对于地方经济发展有着重要的推动作用和挤出效应，对于地方信贷的投放量也有一定的影响，用省域政府财政支出占其财政收入的比重可以表示省域政府干预程度。

3. 控制变量的指标选用

人均GDP能够反映一个地方经济发展的绝对水平，为了消除量纲偏大的影响，我们对人均GDP取对数；因此，我们选择人均GDP的对数作为控制变量。

(三)模型设定与空间效应检验

本文前面的理论分析结论表明，空间经济特征因素是省域金融顺周期效应异质性的主要拉力性影响因素，该作用决定了空间经济溢出效应的大小与空间经济的相关性。前者用解释变量中的市场潜能反映，后者则由空间经济计量分析模型与空间权重矩阵来刻画。因此，依据式(9)与图1描述的逻辑框架，本文构建了空间经济计量分析模型。面板数据分析常用的空间经济计量分析模型主要有空间滞后模型(Spatial Autoregressive Model，SAR)、空间误差模型(spatial error model，SEM)与空间面板杜宾模型(Spatial Durbin model，SDM)。三个空间计量模型描述的空间相关来源不同，SAR模型描述了不同省域因变量之间的空间相关性及其效应，SEM模型描述了不同省域的误差项之间的空间相关性及其效应，但两者都没有考虑自变量之间的空间相关性以及对因变量的作用，SDM模型则同时包括因变量之间和自变量之间的空间相关性。按照理论分析与变量选择结论，本文实证研究中面板数据的SAR模型、SEM模型与SDM模型的表达式分别为：

(13)

(14)

(15)

其中，yit是被解释变量；xitk是解释变量；zitm是控制变量；wij是空间权重矩阵的元素；τi是省域固定效应项；θt是时间固定效应项；εit、vit为均值为0、方差为σ2的随机误差向量；α是常数；β、a分别是解释变量的参数、控制变量的参数；ρ、γ是空间滞后参数，可以通过ρ、γ是否显著为0来判断是否应该建立空间计量模型或是普通面板数据模型。当γ=0且ρ≠0时，SDM模型可以缩减为空间滞后模型(SAR) 模型；当γ+ρβ=0时，SDM模型缩减为空间误差模型(SEM)，因此SDM模型更具有一般性。

为进一步合理确定模型形式，本文也根据空间效应检验结果进行判断。首先利用Moran’s I检验结果判断被解释变量之间与解释变量之间是否存在空间相关性；再用LM-lag检验与稳健LM-lag检验判断被解释变量之间是不是存在空间滞后相关，用LM-Error检验与稳健LM-Error检验判断是不是存在空间误差相关。如果只有被解释变量之间存在空间滞后相关，则建立SAR模型；如果只存在空间误差相关，则建立SEM模型；如果被解释变量之间与解释变量之间都存在空间相关性而且是空间滞后相关，则建立SDM模型。

(四)解释变量作用效应的分解分析

SDM模型中包含了被解释变量的空间相关项和解释变量的空间相关项，也包含了解释变量的非空间相关项，解释变量空间相关项矩阵WX和非空间相关项的系数都没有反映解释变量的全部作用效应。为综合分析解释变量的作用路径，可以通过微偏分的方法把解释变量对被解释变量的综合影响按照来源分为直接效应和间接效应。其中，直接效应为某个省域自变量的变化导致自身因变量的改变，即在第t年第k个解释变量在第i个省域的一个单位变化对第i个省域的被解释变量yit的平均影响。它可以分为两种影响路径，一种是各自变量对本省域因变量的直接影响，另一种是该自变量影响相邻省域因变量后产生的反馈效应，该反馈效应可以通过计算自变量的直接效应和自变量系数的差值得到。间接效应就是解释变量的空间溢出效应，即在第i个省域周围的每个省域中第k个解释变量同时发生一个单位变化，通过溢出效应对第i个省域的被解释变量yit的平均影响。它也可以分为两种影响路径，一是邻近省域自变量对于本省区因变量的影响，另外一种是邻近省域自变量变化使得其自身省地因变量的变化，进而对省域因变量产生的影响。在不考虑诱发效应时，第k个解释变量的总效应等于直接效应与间接效应之和。

为得到两个效应的计算式，先把SDM模型式(15)移项整理为一般形式[33]：

Y=I-ρW-1nιn+I-ρW-1Xβ+WXγ
+AZ+I-ρW-1ε

(16)

再求被解释变量向量关于第k个解释变量的偏微分方程可得[34]：

(17)

(五)空间权重矩阵的构建

空间权重矩阵反映不同省域经济之间的相互关联程度，其元素取值包括邻接标准与距离标准。在区域经济研究中邻接标准不符合实际，所以本文选用距离标准的空间权重矩阵。地理学第一定理告诉我们，任何事物之间都存在联系，而距离较近的事物之间比距离较远的事物之间的联系要更加紧密。而根据上述理论分析可知，技术进步与产业结构是金融顺周期效应的主要作用因素，所以，本文选用地理距离、技术距离、产业距离的倒数分别作为单一距离准则的空间权重矩阵的元素。

地理距离用各省、直辖市的地理中心之间的直线距离表示。以地理距离的倒数作为权重元素构建地理距离空间权重矩阵WD，各省域中心的经纬度坐标取自国家基础地理信息系统。即第i行第j列元素取值为：

(18)

其中，d为两地区地理中心之间的直线距离。

技术距离等于两个省域的高技术产业产值占工业总产值比重之差的绝对值。以技术距离的倒数作为权重元素构建得到技术距离空间权重矩阵WT；产业距离为两个省域的产业机构的错位程度(即相似指数的倒数)，其计算式为：

(19)

式中，Iik是第i省市第k个工业产业的总产值。以产业距离的倒数作为权重元素构建得到产业距离空间权重矩阵WI。其中计算技术距离、产业距离所用到高新技术产值、工业总产值、工业中所含各产业产值均为样本期各自均值。

地理距离、技术距离与产业距离不仅分别对空间相关性产生影响，而且它们两个或者三个整合起来共同对省域金融顺周期效应发挥着作用，所以本文也利用三个相关因素的组合距离构建了组合空间权重矩阵。把地理距离空间权重矩阵与技术距离空间权重矩阵相乘得到地理-技术组合距离空间权重矩阵：

WDT=WD*WT

(20)

把地理距离空间权重矩阵与产业距离空间权重矩阵相乘得到地理-产业组合距离空间权重矩阵：

WDI=WD*WI

(21)

把地理距离空间权重矩阵、技术距离空间权重矩阵与产业距离空间权重矩阵相乘得到地理-技术-产业组合距离空间权重矩阵：

WDI=WD*WT*WI

(22)

五、实证结果及其分析

(一)中国省域金融顺周期效应异质性的统计分析

省域GAP值可以作为省域金融顺周期效应的代理变量。省域GAP值的离散与不均等程度就反映了省域金融顺周期效应的异质性程度。我们利用方差、标准差反映绝对离散程度，用离散系数反映相对离散程度，用基尼系数反映省域GAP值的不均等程度。计算结果如表1所示。

从表1中的方差与标准差值可以看出，在不同年份，省域金融顺周期效应都有绝对波动；从离散系数看，在不同年份，省域金融顺周期效应都有较大幅度的相对波动，最小为0.333倍的均值，最大为18.913倍的均值；从基尼系数看，有10年的基尼系数值大于0.4，有2年的基尼系数值接近于0.4，说明不均等的差距较大，其中4年大于0.6，已属于差距特别悬殊，需要考虑省域金融顺周期效应的异质性问题，另有3年的基尼系数值接小于0.4，其中2007、2008年是处于国际金融危机期间。

表1 不同年份的省域金融顺周期效应异质性分析

为观察空间相关性与集聚性，我们用ArcGIS软件画出GAP的空间分布图，计算了每年每个变量之间Moran’I指数。限于篇幅，这里仅就2012年各省域GAP值与Moran’I指数值进行分析。

图2 2012年中国省域GAP值的四分位分布图

从图2可以看出，省域GAP值分布具有明显地区差异。东北和西北地区GAP值大，西南、华中、东部沿海除江苏地区比较小，集聚现象也比较突出，而2012年被解释变量之间的Moran’I指数值为0.410，且在1%显著性水平上显著，表明31省域GAP值具有显著的空间相关性。因此，本文提出的第一个命题是成立的。

(二)数据平稳性与协整关系检验

为了验证面板数据的平稳性和消除伪回归，我们对各个变量做了单位根检验及协整检验。LLC、IPS、ADF、PP四种检验结果均表明，原始变量中市场潜能、专一化指标、产业多元化指数、人均GDP四个变量不平稳，对不平稳的变量进行一阶差分后再进行检验，所有的变量均在1% 显著性水平水平下显著，表明变量一阶差分平稳。

由于变量存在一阶单整，于是需要检验模型中变量是否存在协整关系。KAO检验得到的ADF值为-6.148，在1% 显著性水平上显著，因此，模型中被解释变量与各解释变量之间存在着协整关系。

(三)前期检验与模型选择

为了判定模型的具体形式，通过似然比检验和Wald检验，我们进一步判断空间面板杜宾模型(SDM)是否可以简化为空间滞后模型(SAR)和空间误差模型(SEM)。检验结果表明，在不同的空间权重矩阵下，Wald_spatial_lag值和LR_spatial_lag值分别在5% 水平上显著，因此拒绝了γ为0的原假设，同时Wald_spatial_error值和LR_spatial_error值分别在5%水平上显著，也拒绝了γ+ρβ为零的原假设，这说明选用空间面板杜宾模型更为适合。

面板数据存在着固定效应和随机效应问题，我们进行了Hausman检验，结果建议选用固定效应模型。对于地区固定效应模型、时间固定效应模型与时空固定效应模型，我们也分别进行了参数估计与模型检验，结果表明在不同的空间权重矩阵下，采取省域固定效应的空间面板杜宾模型的拟合优度、F检验效果最好，对数最大似然值也都最大，因此我们最后选用省域固定效应的空间面板杜宾模型作为本文最终选用的模型。

(四)中国省域金融顺周期效应异质性的影响因素及其效应分解结果与分析

不同空间权重矩阵模型估计的结果见表3与表4。表3是不同空间相关准则下的空间面板杜宾模型参数估计结果，表4为影响因素的直接效应和间接效应估计情况。

表3 不同空间相关准则下的空间面板杜宾模型参数估计结果

注：*表示在10%水平下显著，**表示在5%水平下显著，***表示在1%水平下显著(下同)

从表3可以看出，不同空间相关准则下，空间滞后回归系数rho 均在 1% 显著水平下显著，表明我国各个省份的顺周期效应存在空间相关性，对其他省份存在溢出效应，模型的拟合效果比较好。从不同空间权重矩阵模型估计得到的参数值和显著性来看，虽然系数大小有差异，但除技术进步变量的显著性和产业升级的正负号有区别外，其他变量系数的正负号与显著性都没有差异。

从不同模型的拟合效果来看，采用地理-技术-产业组合距离构建的空间权重矩阵的模型拟合效果优于采用其他距离准则构建的空间权重矩阵模型的拟合效果，因此下面我们以采用地理-技术-产业组合距离为空间权重矩阵的空间面板杜宾模型估计结果进行影响因素作用效应分解分析。

根据表4可以得知，本文第二个命题及原假设是成立的，具体分析如下：

1．技术进步方面的因素：技术进步因素对于GAP的影响是十分复杂的，它可以促进劳动生产率的提高与经济发展，但同时又加大了资金需求。在模型回归结果的直接效应中，TFP、纯技术进步是不显著，技术效率系数有正向影响且显著，间接效应中纯技术进步与技术效率的系数与直接效应中相反，表明了纯技术进步、技术效率具有溢出效应，能够促进其他省域的纯技术进步而带动经济发展；纯技术效率与规模效率的系数显著为负表明本省域有效利用生产技术、提高投入要素在使用上的效率，提高规模效率都能够促进产出进而减小GAP值，纯技术效率与规模效率高的区域会吸引其他区域人才的流入和集聚，因此会产生显著的反向间接效应。较高的人力资本水平在吸收先进技术、驾驭先进设备的能力方面比较强，能够为提高纯技术效率奠定基础，可以通过提高教育投资来提高人力资本水平和优化要素投入比例提高规模效率来促进产出同时降低信贷/ GDP对其长期趋势的偏离程度，同时在重视对各省域人才培养的同时，也应逐渐完善人才流动机制，引导并激励人才流向落后地区。

表4 地理-技术-产业组合距离准则下

注：*表示在10%水平下显著，**表示在5%水平下显著，***表示在1%水平下显著

2．技术进步偏向因素：文中我们根据式(15)计算所得的技术进步偏向表明我国各省的技术进步大多数属于劳动偏向型技术进步，因为长期以来我国劳动力相对充裕，因此在经济发展中劳动密集型产业所占比重较大，进而在生产中选择多使用劳动而少使用资本的技术，因此技术进步偏向对于GAP影响的直接效应系数为负值，直接效应和间接效应的系数都不显著，表明技术进步偏向对于GAP影响不显著。随着我国刘易斯拐点的到来，应该大力发展知识密集型产业。

3．产业调整方面的因素：产业专业化反映的是全国水平上各行业在省市水平上的加总，因此专业化程度越高，外部经济越容易产生，从而也就越有利于产业创新以及劳动生产率的提高，因而直接效应中对GAP 影响为负，各省份的产业之间存在竞争性，本地产业专业化程度高，周边地区则低，因此间接效应系数相反。产业多元化指数反映的是地区内部产业结构的多元化，越小表明产业越多元化，而地区内部产业的多元化通过适度竞争有正向的外部性，促进本地经济的发展，因此随产业多元化指数增大GAP增大，其间接效应也为负，表明综合距离近的区域在内部发展模式与产业发展上有相互模仿效应。产业升级伴随着工业与服务业的发展，工业越发达服务业越多需求的资金也越多，同时产业升级又可以促进经济发展与资源利用效率提高，直接效应中产业升级系数为正且不显著，说明样本期间产业升级还不是影响GAP的主要因素，产业升级的间接效应为正与直接效应相同，并且是显著的，表明产业升级存在溢出效应，能够带动和促进其他地区产业的升级。

4．金融发展方面的因素：金融深化与金融效率越高，越有利于金融体系对于实体经济发展的支持，能够促进有效信贷量的增加，推动经济发展，在正反馈机制作用下，进一步加大了信贷的投放量，两个变量系数为正表明金融深化与金融效率越高GAP越大，同时金融深化的间接效应为正而且显著，表明金融深化程度越高，其扩散效应能够带动更多其他省域的金融发展，金融效率的直接效应和间接效应系数比较小表明目前金融效率对GAP影响不大，因此在金融发展、金融效率提高的同时，需要提高信贷资金的配置与利用效率。金融集聚程度越高，表明本地金融产业越发达，在经济增长中金融因素的作用不可忽视。本地金融业发达能够促进本地经济的发展，直接效应中系数显著为负，金融集聚反映了金融发展的不平衡，本地金融发展程度高，则其他地区金融发展程度低，不利于金融业对实体经济发展的支持，因此间接效应为负。

5．空间经济方面的因素：市场潜能的直接效应为负并且显著，表明市场潜能大的地区GAP值小，市场潜能通过外部性对于生产效率具有正向影响，因此市场潜能对于经济发展具有正向的作用，市场潜能越大，地区经济规模与发展水平越高，GAP值越小；市场潜能的间接效应为负且显著，说明综合距离近的省地域市场潜能之间相互产生正向影响，能够相互促进经济发展，相应地使得GAP值变小，因此可以通过基础设施建设发展发达的海陆空交通网络和信息通讯网络以缩小距离因素的影响，同时各省也应该积极拓展对外贸易，增大市场潜能，促进经济的发展，也有助于降低信贷/GDP对其长期趋势值的偏离程度。

六、结论与建议

利用扩展的生产函数，本文构建了金融经济分析框架，推导出省域金融顺周期效应的度量指标及其异质比率的计算式，论证了该效应的存在性与异质性，并从规模经济、技术进步、产业调整与空间经济特征方面，系统分析了异质性的影响因素及其作用路径。随后用标准差、离散系数与基尼系数三个离散分布指标，结合四分位数空间分布图，描述分析了省域金融顺周期效应的空间异质性与集聚相关性；在计量分析部分，基于技术、产业、地理视角的单一距离及其组合距离准则分别构建了空间权重矩阵，利用省域固定效应的空间面板杜宾模型，实证检验了省域异质性影响因素的显著作用程度与路径。研究结果表明，中国省域金融经济体系存在着差异显著的顺周期效应；组合距离准则的空间面板杜宾模型效果最好；从三个单一距离准则及其组合距离准则度量的空间相关看，市场潜能、纯技术效率、规模效率、技术进步偏向、产业专业化、金融集聚的总效应与直接影响都是显著为负向作用的，省域金融顺周期效应之间也是负空间自相关的；而技术效率、产业多元化与金融深化的总效应与直接影响都是显著为正向作用的；总效应与直接影响是一致的，说明这些影响因素的直接作用是主导性的。但是在不同的距离准则下影响因素的间接溢出效应表现差异较大，这也说明了影响因素及其作用机制的省域异质性；从组合距离准则看，市场潜能与金融集聚的间接溢出效应是显著为负向溢出效应，而产业专业化、金融深化、金融效率的间接溢出效应是显著为正向溢出效应。

根据上述结论，我们抑制省域顺周期效应，需要做出以下安排：

1. 分省域差别化地设置前瞻性动态调整机制。不同时期或不同省域的经济发展动力与结构特征是不同的，使得中国金融顺周期效应在不同时期的不同省域是具有显著异质性。所以，应当完善省域经济信息共享机制和金融综合统计体系，持续监测与挖掘省域金融经济周期运行规律，依据各省域的金融顺周期效应大小及其影响因素变化，在时间维度上抑制系统性风险的逆周期资本计提应当在计提区间与计提比例等方面分省域差别化地设置前瞻性动态调整机制，抑制金融过度扩张。比如，对于要素市场比较发达、资源配置效率较高的省域，可以设定起点较低、组距较宽的资本计提区间与较低的计提比例，而对政府干预的领域较多力度较大、要素市场欠发达、资源利用效率低下的省域，可以实施起点略高、组距较窄的资本计提区间与较高的计提比例。另外，目前的分省域逆周期资本监管，还要特别关注中国新常态经济特征的省域异质性。由于经济增长潜力下降，资源紧缺环境压力大，较少依赖要素投入推动发展的服务业发展迅速等因素的综合作用，新常态下中国经济总体上进入增长速度的结构性换档期，从8%-10%的高增长速度转为基本维持在7%-8%的中高等经济增长速度，但在省域层面上，省域金融经济周期运行机理的本质性变化、波动形态与结构及其在各省域的表现会有明显不同，逆周期资本监管要因地制宜才能适度有效控制时序上的系统性风险积累。

2. 构建综合挂钩指数，量化设定资本计提区间临界值。省域系统性金融风险来源是多方面的，各类金融风险之间又是相互传染的，省域金融与经济之间顺周期效应的作用路径是多元化的，而且省域金融顺周期效应异质性的显著影响因素主要有技术效率、纯技术效率、规模效率、产业专业化、产业多元化、金融发展规模与金融集聚程度等方面。因此，《巴塞尔协议III》提出的以信贷/GDP与其长期趋势的偏离度GAP计提为基础的逆周期资本监管框架虽然抓住主要表现指标，但是在可靠性方面还需要补充完善，例如加入顺周期效应的动力因素、异质性影响因素、路径因素及其他综合性风险观测因素，构建综合挂钩指数；在前瞻性方面，利用当期结束后的经济指标计算的指标确定计提比例与时机存在时滞性，需要纳入影响因素等先行指标，再结合极端增长情况下的宏观压力测试结果综合确定。在计提区间的划分临界值确定方面，应当用带有区制变换的量化技术如门限回归技术与平滑转换技术，识别风险状态变迁，分阶段构建相应的上行积累与下行释放机制，合理平衡有效消除顺周期性与平滑经济增长。当前中国经济步入了新常态，也表现出了“优结构、新动力、多挑战”特征。其中，优结构表现在产业结构优化升级，需求结构转为消费为主，城乡一体化趋势不断强化；收入结构转为居民收入为主；新动力表现在消费对经济增长的贡献会持续提升，近期“投资+消费+创新”拉动经济增长将成为常态，市场在资源配置中将起决定性基础作用；多挑战表现为原来高速增长下的隐性风险因素开始凸现，如房地产市场风险、地方债风险等因素。这些都需要我们时变地动态量化设置计提机制各要素，必须分省域因地因时制宜地合理设计挂钩指数与动态资本计提方式。

3. 逆周期资本监管要把省域计提与总体管控紧密融合起来。省域经济是溢出关联与收敛稳定的。从创新驱动与产业调整视角的空间经济计量分析结论看，省域市场潜能是显著影响省域金融顺周期效应异质性的，省域金融顺周期效应不仅总体上存在空间相关性，而且这些省域经济特征方面的影响因素对此异质性影响既有直接效应，也有间接的空间溢出效应与引致诱导效应。因此，在利用逆周期资本监管与资本留存缓冲控制金融过度投放时，要把省域计提与总体管控分别做好，也要在宏观与微观层面上紧密融合起来。在宏观管控层面上，要向价格型调控工具为主、与审慎监控工具及结构化定向精准调控相结合的方式转型，创新推出如补充抵押贷款等新型省域结构化流动性管理的货币政策工具，丰富和优化政策工具组合，构建货币金融审慎新调控框架模式[35]；也同时前瞻性地发挥差别化准备金动态调整机制与资本留存缓释等逆周期风险缓释调节作用，发挥信贷政策支持再贷款的促进优化信贷投向方向作用。在微观层面上，用改善与加强资本监管促进金融机构风险管理的功能再造与业务结构优化，利用RAROC、EVA、资本预算等先进资本管理技术，从业务管理、资本计提、公允价值准则、准备金要求等方面，对银行、证券与保险分类全方位地系统构建逆周期监管体系，强化激励约束机制，提高资源配置效率，推动金融资源合理利用。

参考文献：

[1]Gai, Prasanna and Kondor, Peter and Vause, Nicholas. Procyclicality, collateral values and financial stability[R]. Bank of England，Working Paper No. 304. 2006 .

[2]李文泓,罗猛.关于我国商业银行资本充足率顺周期性的实证研究[J].金融研究，2010(2)：147-157.

[3]Jacques, Kevin T., Procyclicality, Bank Lending, and the Macroeconomic Implications of a Revised Basel Accord[J]. Financial Review, 2010，45(4)：915-930.

[4]高国华，潘英丽. 我国商业银行资本充足率顺周期效应研究[J]. 经济与管理研究，2010(12)：82-89.

[5]方芳，刘鹏. 中国金融顺周期效应的经济学分析[J]. 国际贸易问题，2010(8)：120-128.

[6]张金城，李成. 银行信贷、资本监管双重顺周期性与逆周期金融监管[J].金融论坛，2011(2)：15-22.

[7]Albertazzi, Ugo and Bottero, Margherita.The procyclicality of foreign bank lending: evidence from the global financial crisis[R]. Bank of Italy，Working Paper No. 926. 2013.

[8]Laux, Christian and Rauter, Thomas.Procyclicality of US bank leverage[R] . Vienna University of Economics and Business Administration , Working Paper . 2014.

[10]Sole, Juan A. and Novoa, Alicia and Scarlata, Jodi. Procyclicality and fair value accounting [R]. IMF Working Papers, Vol. , pp. 1-40, 2009.

[11]Laux, Christian and Leuz, Christian. Did fair-value accounting contribute to the financial crisis?[J]. Journal of Economic Perspectives, Forthcoming.

[12]黄静茹,黄世忠. 资产负债表视角下的公允价值会计顺周期效应研究[J]. 会计研究，2013(4)：3-11，95.

[13]梅波. 顺周期效应下公允价值计量的价值相关性研究——兼论多重计量属性[J]. 山西财经大学学报，2014，36(4)：106-114.

[14]程棵，刁思聪，杨晓光. 中国信贷投放对经济增长影响的实证研究[J]. 经济理论与经济管理，2012(1)：44-58.

[15]俞晓龙.资本充足率顺周期效应的实证研究[J].金融论坛，2013(11)：44-49.

[16]金雯雯、杜亚斌. 我国信贷是持续顺周期的吗——基于期限结构视角的时变参数研究[J].当代经济科学，2013，35(5)：12-19，124.

[17]Shantayanan Devarajan, Vinaya Swaroop and Heng-Fu Zou. The Composition of public expenditures and economic growth[J]. Journal of Public Economics, 1996，6(7):221-240.

[18]King R,Levine R.Finance, entrepreneurship and growth [J]. Journal of Monetary Economics，1993(32): 513-542.

[19]郭庆旺，贾俊雪.积极财政政策的全要素生产率增长效应[J]. 中国人民大学学报，2005(4)：53-62.

[20]张钢，段澈. 我国地方财政支出结构与地方经济增长关系的实证研究[J] . 浙江大学学报，2006(10)：88-94.

[21]张军，金煜. 中国的金融深化和生产率关系的再检测:1987—2001[J]. 经济研究，2005(11)：34-45.

[22]潘文卿.中国的区域关联与经济增长的空间溢出效应[J].经济研究，2012(2)：54-65.

[23]赵增耀，夏斌. 市场潜能、地理溢出与工业集聚——基于非线性空间门槛效应的经验分析[J].中国工业经济，2012(11)：71-83.

[24]雷钦礼. 偏向性技术进步的测算与分析[J]. 统计研究，2013，30(4)：83-91.

[25]陆雪琴，章上峰. 技术进步偏向定义及其测度[J]. 数量经济技术经济研究，2013(8)：20-34.

[26]昌忠泽.金融顺周期性与逆周期金融宏观调控研究述评[J].湖北大学学报(哲学社会科学版).2014，41(3)：57-64.

[27]巴塞尔委员会.各监管当局实施逆周期资本缓冲指引[R].2012-12-16.

[28]郑君君，韩笑，潘子怡. 基于Malmquist指数的房地产开发企业全要素生产率变动及收敛性研究[J]．中国软科学，2013(3)：141-151.

[29]李苍舒. 我国金融业效率的测度及其对应分析[J].统计研究，2014，31(1)：91-97.

[30]陆雪琴，章上峰. 技术进步偏向定义及其测度[J].数量经济技术经济研究，2013(8): 20-34.

[31]汪克亮，杨力，杨宝臣，程云鹤.考虑技术进步偏向性的全要素生产率分解及其演变——来自1992～2009年中国省际面板数据的经验依据[J]. 软科学，2014，28(3)：12-15，25.

[32]李宏兵、蔡宏波、王永进.市场潜能加剧了性别工资不平等吗？[J]. 数量经济技术经济研究，2014(1): 22-41.

[33]马子量，郭志仪，马丁丑.西部地区城市化动力机制研究[J].中国人口·资源与环境，2014，24(6)：9-15.

[34]朱玉杰，倪骁然. 金融规模如何影响产业升级: 促进还是抑制?——基于空间面板dubin模型(SDM) 的研究:直接影响与空间溢出.中国软科学，2014(4)：180-192.

[35]茆训诚，王周伟，吕思聪. 宏观审慎调控框架下系统性风险管理体系的构建研究[J].金融管理研究，2013(2)：42-54.