基于VAR模型的银行贷款量与宏观经济关系实证分析.docVIP

基于VAR模型的银行贷款量与宏观经济关系实证分析 [摘 要] 改革开放以来，我国银行贷款量与GDP都实现了快速增长，为了研究银行贷款量与宏观经济的关系，选取了西安市2006年第一季度至2014年第二季度的相关数据，并对数据进行季节调整、平稳性检验、协整检验、Granger因果检验，建立VAR模型，且运用脉冲响应进行最终的分析。结果表明，中长期贷款量与宏观经济之间存在双向的互动关系，短期贷款量与宏观经济之间具备单向影响关系；同时，银行贷款量对宏观经济的影响主要来源于中长期贷款量。 [关键词] VAR模型；银行贷款量；宏观经济；关系实证分析 [中图分类号] F230 [文献标识码] B 一、引言 改革开放以来，我国银行贷款量与GDP都实现了快速增长，从数据上看，两者的变动趋势也较为一致，表明银行贷款量与GDP存在明显的相关性。然而这种相关性是由于某种巧合还是另有原因，还需要进行进一步的研究。 目前，国内外对于银行贷款量与宏观经济的关系已有不少研究，国外的相关研究主要形成了两者不同的观点。King和Levine研究得出银行贷款量与经济增长具有很强的正相关关系[1]。Ozyildirim也认为信贷发展与经济增长间具有正相关关系[2]。而Rousseau和Vuthipadadorn研究得出信贷的发展与经济增长两者间的关系不显著[3]。国内研究学者的研究结果也形成了两种不同的观点。夏斌和张承惠研究得出银行信贷对经济增长的影响较为显著[4]。单克强等学者的研究也得出了两者间的正相关关系[5]。而李广众和陈平、张军等学者研究得出银行信贷的发展对经济增长的影响不显著[6]。总体来看，目前国内外对银行贷款与经济增长之间的关系尚没有定论。 以上研究主要是对信贷政策、银行贷款总量等与宏观经济的关系进行探讨。其指标选取均为较宏观的综合数据，并未细化到不同产业的经济数值，也并未对贷款结构进行细分。本文以西安市为例，选取贷款结构中的具体指标与宏观经济进行深入研究。 二、变量选取与数据处理 1.变量选取 （1）银行贷款量变量。本文选取金融机构中长期贷款、短期贷款作为银行贷款量的变量，中长期贷款、短期贷款分别以BL、BS表示。 （2）宏观经济变量。本文选取西安市第三产业GDP作为宏观经济的变量，第三产业GDP以G3表示。 2.数据处理 本文采用时间序列分析，数据样本区间从2006年第一季度至2014年第二季度，每个变量样本容量为34，数据来源于于西安市统计局网站。 由于数据存在较强的季节波动性，因此采用Eviews软件的X-13方法对所有数据进行季节调整，得到平滑的时间序列数据，如图1、图2所示： 三、银行贷款与宏观经济的因果关系检验 1.数据平稳性检验 为了分析变量间的因果关系，必须保证变量是平稳的。首先对数据取对数以消除时间序列中存在的异方差，得到LBL、LBS、LG3，本文采用ADF检验方法进行单位根检验，检验结果如表1所示。 表1表明，在5%显著性水平下，中长期贷款量、短期贷款量及第三产业GDP三个变量都是非平稳时间序列，但其二阶差分项都是平稳序列，即三个变量都是二阶单整序列。 2.协整检验 为了分析三产GDP分别与短期贷款、中长期贷款量的长期协整关系，采用Eviews软件对其数据序列进行协整检验，检验结果如表2、表3所示。 表2 三产GDP与短期贷款量协整关系检验结果 根据协整检验结果得出三产GDP（LG3）与短期贷款量（LBS）之间的协整方程为： LG3 1.089272*LBS+0.690325 根据协整检验结果得出三产GDP（LG3）与中长期贷款量（LBL）之间的协整方程为： LG3 0.908621*LBL+0.683721 结果分析： 三产GDP与短期贷款量之间存在着长期正向的均衡关系。这说明即使短期贷款在贷款结构中占比相对较少，但仅从长期数据来看，两者还是具备均衡关系的。同时，三产GDP与中长期贷款量之间存在着长期正向的均衡关系。这一方面是由于中长期贷款在贷款结构中占比较重，另一方面是由于中长期贷款中房地产、公共设施以及教育等服务业贷款占有相当比重，这也势必会导致中长期贷款与三产GDP的紧密关系。 3.Granger因果检验 （1）滞后阶数确定。在进行Granger因果检验之前，需要根据一定的标准确定序列间相互影响的先行或者滞后阶数。通常的做法是根据AIC、SIC、LR、BPE和HQ等准则或者检验统计量来判断可能的最优滞后阶数。通过eviews8.0分析计算得出结果如表4所示。 表4表明：最优滞后阶数为1阶，下面通过Granger因果检验进一步内在的因果关系。 （2）检验。通过软件Eviews8.0得出检验结果如表5所示。 在5%显著性水平下，短期贷款与第三产业GDP具备单向Granger因果关系。即第三产业GDP是短期贷款的Grange