金融新政视角下农村非正规金融发展水平收敛性研究

金融新政视角下农村非正规金融发展水平收敛性研究 金融“新政”视角下农村非正规金融发展水平 收敛性研究(上) 胡宗义 苏静 , 2013-05-03 14:58:49 来源:《经济与管理研究》2012年第12期 提 要:本文采用参数和非参数模型对2004年金融“新政”实施以来，中国农村非正规金融发展水平收敛性进行实证分析。结果表明，2004,2010年不同区域农村非正规金融发展呈现不同的收敛态势;中国农村非正规金融发展差距主要是由区域之间农村非正规金融发展差距引起;而各区域农村经济发展水平不均衡、农村正规金融发展水平差异过大是导致农村非正规金融发展差距扩大的重要原因。文章就此提出了相关对策建议。 关键词:金融新政，农村非正规金融，β收敛性，核密度估计 一、引言 2004,2010年连续出台7个涉农中央一号文件，几乎每一个文件都提出“要改革中国现有农村金融体系，进行多种所有制形式的农村金融体制创新”，凸显了政府扶持和发展农村内生金融，建立内生金融与外生金融功能互补的农村金融市场格局的政策探索，这被学术界称为金融“新政”。那么，2004年“新政”实施以来，农村非正规金融发展走势及其焦点如何,是否沿着某种金融发展稳态趋向于某种均衡,在中国实施经济金融协调发展的大背景下，准确测度频繁出台的金融“新政”对中国农村非正规金融的政策效应，实证检验农村非正规金融发展的收敛性，并探寻各区域农村非正规金融发展实现趋同的条件，对于促进农村 非正规金融健康发展和农村金融体制改革的深层次破冰，具有重要的理论价值和现实意义。 二、文献综述 早期学者对于金融发展收敛性的研究大多都是探讨影响金融发展收敛的因素(如政治、经济环境、文化背景等)，以及尝试性的回答金融发展是否收敛的问，关于金融发展收敛性的实证研究并不多见。进入20世纪后，随着统计方法的发展和数据获取瓶颈的突破，越来越多的学者开始偏向于实证研究。 艾伦(Allen)等对美、英、法、日、意、德6个国家的金融发展收敛性进行了实证分析，研究发现上述6国金融发展的收敛性非常有限，而且不同的金融体制安排有着不同的收敛均衡[1]。穆瑞德(Murinde)等对1972,1996年欧盟7个成员国的金融发展趋势进行了实证分析，研究认为欧盟7个成员国的金融发展存在条件收敛[2]。荷泽奥(H?lzl)研究了欧洲金融发展水平的收敛性问题，研究认为金融结构的发展与制度变迁是息息相关的，具有较强的路径依赖特征[3]。苏珊(Susan)等研究了具有金融压抑特征的中国省级金融发展的收敛性问题，发现政府干预阻碍了中国金融发展的收敛步伐，尤其是阻碍了非正式金融发展速度，并发现了中国正规金融部门的金融资源对非正规金融部门存在泄露效应的证据[4]。安耶洛斯(Angelos)等利用世界银行的金融发展和结构数据，对13个工业国家和发展中国家的金融发展水平收敛性进行了分析，发现样本国家金融发展差距呈现扩大趋势，且大多数俱乐部收敛指数超越了发达国家和发展中国家的收敛指数[5]。艾伦(Allen)等利用国家和企业层面的数据，对非洲国家的金融发展差距进行了跨国比较，并就肯尼亚国内的金融发展收敛性问题进行了全面分析。研究认为人口密度的不均衡是导致非洲国家之间金融发展趋于发散的重要因素。在 贫困国家里，金融市场潜在的准入条件明显阻碍了包容性金融部门的发展，而这势必将进一步影响到贫困地区金融发展速度和收敛速度[6]。布鲁诺(Bruno)等通过对1980,2005年经济合作与发展组织9个国家的家庭金融资产对总的可支配收入比例的研究，发现总的金融资产、股票以及保险产品之间存在β收敛性，金融全球化、资本市场的发展等因素能够解释这种收敛性;但存款和债务证券则只存在弱收敛性，原因可能是银行证券投资、债务证券持有比例以及国债权重等存在差异[7]。 中国学者在金融发展收敛性方面的实证研究也积累了大量成果，但远没有形成具有共识性的结论。周立和胡鞍钢通过对中国各地区1978,1999年金融资产相关比率及其他指标的计算发现，中国金融发展差距具有先缩小后扩大的“U”型特征，区域金融发展不存在收敛特征[8]。金雪军和田霖对中国1978,2004年的金融成长差异进行了实证研究，发现这期间中国区域金融发展路径并不存在倒“U”型曲线特征，而是呈现“三次曲线”的变动态势[9]。李敬等研究了中国区域金融发展的收敛机制与区域金融发展差异的变动特征，发现区域金融发展差异的变动路径可能呈现“草帽”型特征，并且在1992,2004年，中国省际间金融发展差异呈现加速扩张的态势[10]。黄砚玲等对浙江省67个县市区1997,2008年的金融发展收敛性进行了空间计量分析，研究认为，浙江省县市区金融发展在此期间存在显著的β绝对收敛[11]。黄文胜等对中国农村金融排除收敛性进行分析，中国各个县(市)金融排除总体存在σ收敛和β绝对收敛特征，而东中西三大区域不存在俱乐部收敛效应[12]。邓向荣和杨彩丽利用极化理论和Esteban-Ray指数实证研究了中国区域金融发展的极化情况，分析发现中国区域金融发展极化现象已经出现，并且极化速度较快，金融极化与经济极化之间呈现负相关关系[13]。 通过对文献的梳理，可以发现现有研究基本是从国际或国家层面对金融发展的收敛性进行分析，鲜有文献对中国农村金融发展的收敛性问题进行探讨，而对目前备受关注的农村非正规金融发展水平收敛性的实证研究还处于空白状态。事实上，在中国农村借贷市场上处于主要地位、占据较大优势的非正规金融，对中国农村经济发展的作用是不言而喻的。在研究方法的选取上，基本以静态分析为主，鲜有采用动态分析工具，这将在一定程度上影响结论的完整性和可靠性。为弥补以上研究的不足，本文以收敛理论为基础，利用中国农村2004,2010年30个省市的相关统计数据?，从静态和动态两个方面分别考察金融“新政”实施以来，中国农村非正规金融发展水平的收敛性，以期为农村非正规金融发展和农村金融发展战略及相关政策制定提供理论参考依据。 三、模型、方法、数据 为了更客观地分析农村非正规金融发展差距的静态和动态变化特征，本文分别选取参数面板数据模型和非参数核密度估计(kernel density estimation)模型，对2004年金融“新政”实施以来农村非正规金融发展收敛性进行分析。 (一)参数静态面板数据模型 参数面板数据模型通过β收敛检验方程进行。β收敛又分为β绝对收敛和β条件收敛，β绝对收敛不考虑各经济体结构上的差异，意味着所有经济体的金融发展水平都收敛于相同的稳态;β条件收敛则认为各经济体的金融发展水平不仅取决于初期金融发展状况，还会受到资源、制度以及产业结构等其他因素的影响，意味着各个经济体收敛于各自不同的稳态。 本文借鉴由鲍莫尔(Baumo1)提出的β收敛理论[14]，构建如下模型检验农村非正规金融发展的β绝对收敛: 式(1)中，如果β的估计值为负，则说明存在绝对收敛。β绝对收敛说明落后地区在低于其稳定增长路径时，其金融发展速度要快于发达地区的金融发展速度，并逐渐赶上发达地区的金融发展水平。NFit+T，NFit表示i地区期末、期初的农村非正规金融发展水平，由于数据获取的局限性，用《中国固定资产投资统计年鉴》中农村农户和非农户投资资金来源中的自筹资金和其他资金近似替代。 由于绝对收敛理论依托的假设是:所有地区具有相同的稳定增长路径。但不同地区不可避免地存在经济、技术、资本或制度上的差异，将导致上述严格假设难以得到满足，因此，研究者们引入条件收敛的概念。通常在式(1)中引入刻画不同地区差异的关键变量来描述条件收敛: 式(2)中，如果参数β的估计值为负，则说明存在条件收敛。在已知β估计值的情况下，收敛速度λ由式(3)计算得到: 本文刻画不同地区性质差异的关键变量用COV表示。包括: (1)农业国内生产总值(GDP)，控制各地区农村经济发展水平差异的影响，用经过调整的各省市农林牧渔业生产总值来衡量，并利用居民消费价格指数进行了调整;数据来源于《中国农村统计年鉴》。 (2)农村正规金融发展水平(IF)，控制各地区农村正规金融发展水平差异的影响，用经过调整的各省市农村农户和非农户投资资金来源中国内贷款金额表示。数据来自于《中国固定资产投资统计年鉴》。 (二)非参数估计动态模型 本文采用核密度估计来分析农村非正规金融发展水平的动态变化特征。核密度估计是解决统计问题中样本分布密度函数拟合的一种非参数统计方法，其基本思想是将考察变量的分布视为某种概率分布，进而考察其在截面维度上的动态变化特征。对于数据集{x1，x2，„，xn}，固定带宽的核密度估计函数基本形式为: 其中h为带宽，由于密度函数对带宽的选择非常敏感，因此，选择合适的带宽h是正确进行核函数估计的关键。一般来说，最优带宽的选择是利用估计密度与真实密度之间误差最小原则来选择。比较理想的办法就是分布比较稠密的区域使用较窄的带宽，分布比较稀疏的区域使用较宽的带宽[15]，通常通过采用适应 性核密度估计而实现。适应性的含义指的是通过估计密度的局部平滑而提高全局估计的效果。估计采用两阶段法:第一阶段得到一个基于固定带宽的试验性密度估计fn(x)，其中初始的固定带宽hn基于上述“最优”原则计算得到;第二阶段是计算带宽的权重因子λi，其中η为化因子，且 。因此，点x处的适应性核密度估计形式为: K(?)是核函数，且满足K(x)?0，K(x)=K(-x)和?+?-?K K(x)dx=1等条件。核函数是一种加权函数或平滑函数，主要包括高斯核、指数核、三角核和四次核4种类型。本文选取高斯核对农村非正规金融发展的分布进行估计，其函数形式为: 函数估计出来之后，就可以通过密度函数波峰的位置、数量、宽度和偏度等特征来判断考察变量的动态变化特征。如果观察到波峰高度变矮，或宽度变宽，或数量变多，或位置左移，或波峰向右偏移，均表示差距变大;反之，如果观察到波峰高度变高，或宽度变窄，或数量变少，或位置右移，或波峰向左偏移，则均表示差距变小。 四、实证结果分析 (一)面板数据模型结果分析 面板数据模型包括混合普通最小二乘法(Ordinary Least Square，OLS)、固定效应(Fixed Effects)和随机效应(Randorm Effects)3种类型，因此，首先要选择最合适的面板数据模型。本文模型(1)和模型(2)F检验结果和霍斯曼(hausman)检验结果表明，应采用固定效应模型进行估计。在此基础上，为了克服可能存在的异方差和自相关问题，本文采用Stata软件中的固定效应稳健标准误(Robust Standard Error)进行修正，得到的β绝对收敛和β条件收敛估计结果如表1所示。 表1 β收敛估计结果 注:*表示p,0.05，**表示p,0.10，***表示p,0.15，括号内为标准差。 由表1模型(1)的估计结果可知，2004,2010年，中部地区lnNF的系数β为负值且在10%的水平下显著，回归方程F检验统计量显著，说明中部地区农村非正规金融发展存在β绝对收敛性，但是收敛速度比较慢，只有4.5%。而不论是全国整体范围还是东部、西部地区，lnNF的系数β均为负但都不显著，表明 全国整体和东部、西部农村非正规金融发展差距均不存在β绝对收敛。 基金项目:国家社科基金重点项目“能源消费、碳排放与经济增长的一般均衡分析与政策优化研究”(12AJ007);湖南省科技项目“文化产业发展水平评价模型研究”(2011ZK3160)