以金融手段支持首都经济圈产业结构调整.docVIP

以金融手段支持首都经济圈产业结构调整 　　首都经济圈是由北京、天津两个超大城市以及环绕周边的河北省十一个地级市组成，是我国继珠三角、长三角之后第三个经济发达的城市圈。近年来，京津冀地区初步形成了较为清晰的经济发展定位和产业分工轮廓。本文在建立金融总量、金融效率和融资结构等指标体系的基础上，检验金融发展水平对首都经济圈产业结构调整的支持效果，探寻金融支持首都经济圈产业优化升级的政策着力点。 　　一、首都经济圈金融发展与产业结构调整的Granger因果模型 　　（一）实证思路 　　为探寻首都经济圈金融发展指标的与产业结构优化升级指标两组变量间的相互关系，我们将通过Granger因果检验的方法对金融发展变量组以及产业结构调整变量组中的每个变量一一进行因果检验。考虑到采集的数据全部是时间序列，本文将先对数据的平稳性进行ADF检验。 　　（二）指标选取及数据来源 　　1.产业结构调整评价指标 　　本文构造两个变量分别衡量产业结构优化与升级，选取第二产业增加值（△S）与第三产业增加值（△T）之和与GDP的比值（ISOR）作为反映产业结构优化的指标，选取第三产业增加值与第二产业增加值的比率（ISUR）作为反映产业结构升级的指标，即： 　　选取这两个指标意义在于：首先，产业结构优化表现为第二和第三产业在国民经济中的比重增大，即ISOR数值应是逐渐变大的。其次，针对首都圈重工业集群的特征，在产业结构升级进程中，第三产业相对第二产业比例的提升更加明显，表明首都圈产业结构逐渐走出“后工业化”阶段，表现为ISUR数值的升高。 　　2.金融发展评价指标 　　金融系统是一个复杂巨系统，可以从不同角度进行演绎和诠释。本文从金融总量、效率、结构三个角度选取各地的金融业规模、金融资产规模、金融中介效率、投资生产率和融资结构五个指标来衡量三个地区金融发展的实际状况。 　　金融总量指一个国家（地区）金融业创造财富的总水平或金融资产总量。由于我国缺乏各地区M2和金融资产的统计数据，无法直接使用戈氏指标和麦氏指标，只能代之以调整后的金融相关比率（FIR）和金融业规模比率（FISR）来作为金融总量的衡量指标（据周立（2002）研究发现，就地区的金融资产而言，如果不计流通中现金的影响，全部金融机构存贷款相关指标对金融发展规模的代表性在95%以上。因此，虽然这两个指标包含范围略显狭窄，但对于地区金融的发展规模仍具有较强的解释力）。即： 　　金融效率指金融资源供给以及配置运作的效率，即金融部门的投入与产出关系。本文选取存贷款比率（LDR）和投资生产率（IP）这两个指标即： 　　金融结构是指构成金融体系的各个组成部分的分布、相对规模、相互关系与配合的状态。本文侧重于融资结构，指标是直接融资与间接融资比率（DIFR）。直接融资主要指非金融机构通过股票、债券等形式获得的融资，间接融资主要指非金融机构获得的银行信贷。该指标能较好地反映地区融资结构的变迁。各指标含义详见表1。 　　3.数据来源 　　由于数据可得性的原因，上述变量的时间跨度不统一。其中，ISOR、ISUR、FIR、LDR、IP选用的是1978-2012年数据；FISR，河北选取的是1994-2012年数据，北京与天津选取的是1978-2012年数据；DIFR，北京与河北选取的是2001-2012年数据，天津选用的是1992-2012年数据。原始数据均来自《中国统计年鉴》、《北京统计年鉴》、《天津统计年鉴》、《河北经济年鉴》及各地年度国民经济和社会发展公报、金融运行报告和金融稳定报告。 　　（三）实证研究 　　1.金融发展与产业结构优化升级各指标的ADF检验 　　Granger因果检验要求数据必须是平稳或协整的。利用Eviews5.0，我们用ADF检验方法对各变量指标进行平稳性检验。经过首轮检验，在AIC最小原则下，发现在全部21组指标中只有北京产业结构优化率、河北金融业规模比率、天津与河北的直接融资间接融资比率4组是平稳的（I（0）），其余17组均为一阶单整（I（1））。考虑到I（0）变量组可以跳过协整检验步骤直接进行Granger因果检验，我们对一阶单整的数据进一步进行差分处理，使其也转化为平稳序列，然后对经过处理的新变量再次进行ADF检验。检验结果表明，经差分处理后的变量全部都为平稳性数列，可以进行接下来的Granger因果检验。 　　2.金融发展与产业结构优化升级的Granger因果检验 　　进行Granger因果检验之前，需要确定滞后阶数，其方法是使AIC最小的情况下同时保证模型残差无序列相关。我们先后选取北京、天津与河北，利用Eviews5.0分别对代表金融总量变化、代表金融效率变化、代表金融结构变化的变量与产业结构优化率和升级率变化指标进行了因果检验。表2归纳出了京津冀