内蒙古投资、工业生产与贷款关系实证分析.docVIP

内蒙古投资、工业生产与贷款关系实证分析 　　一、文献综述 　　投资、工业生产和贷款的关系长期以来都是理论研究和政策制定者关注的重点问题之一。刘海英等（2009）利用非均衡计量模型得出，我国信贷市场中存在着贷款过度需求的非均衡状态，主要表现为近年来贷款增长率始终处于下降并且严重滞后于工业产出需求的状态。同时紧缩性货币政策所导致的信贷供给约束更加强化了这一非均衡状态，并且已经影响到了工业实体经济的发展。邹庆华（2010）利用VAR 向量自回归模型，研究发现，湖南省工业增加值对短期贷款具有持久的正向响应，并高于其对短期贷款的冲击响应；固定资产投资对中长期贷款冲击的响应相当于对短期贷款冲击响应的3.28倍，并且响应时间明显长于短期贷款。李锦玲等（2011）对1995——2009年全国及省际经济增长与银行信贷资金分布的相关数据进行实证分析，结果发现，贷款是推动区域经济增长的重要因素，但贷款对区域经济增长的贡献效率明显不同。李蕊（2012）实证发现，贷款对于浙江省经济增长起着积极的推动作用，两者之间存在着一个长期均衡关系，但近年来，浙江贷款资金使用效率呈现下降的趋势。黄蓉（2012）通过使用面板数据的建模分析技术，研究了国内区域投资与金融机构存贷款量之间的关系，发现金融机构是推动地区投资增长的重要因素，但是受到政府区域发展战略规划、地方行政性因素、非公有制经济信贷约束等诸多影响，金融机构对于投资的正向推动力度出现了由东向西依次递增的现象。 　　总体而言，现有文献对揭示投资、工业生产和贷款的关系具有重要参考价值，但这些文献较多讨论的是贷款与单一经济变量（GDP或工业增加值或固定资产投资），忽略了经济变量之间的相互影响，对贷款的评价和作用存在放大或缩小的可能。因此，本文拟以内蒙古为例，分析投资、工业生产和贷款的关系，通过实证试图获得有价值的信息。 　　二、实证方法和变量选择 　　（一）实证方法 　　单方根检验。由于多数经济时间序列数据存在不稳定性，属于非平稳时间序列。如果直接用非平稳时间序列建立回归模型，即使模型拟合度很高，但是它的残差序列是一个非平稳序列，反映出因变量除了能被自变量解释的部分以外，其余部分变化仍属不规则，随着时间的变化存在越来越偏离因变量均值的趋势，因此这样的模型无法用于预测未来信息。所以对时间序列进行平稳性检验，是对经济时间序列数据进行建模处理的第一步。如果一个时间序列通过d次差分后成为平稳序列，而这个序列差分d-1次时却不平稳，那么称这个序列为d阶单整，记为I（d），特别是如果这个序列本身是平稳序列，则为零阶单整序列，记为I（0）。单整阶数是序列中单位根个数，或者是使序列平稳而差分的阶数。检查序列平稳性的标准方法称为单位根检验。检验方法有Augmented Dickey-Fuller test（ADF）检验、Phillips-Perron（PP）检验等，本文采用ADF法进行检验。 　　向量自回归（Vector Auto-regression，VAR）模型。VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量造成的影响。VAR模型是基于数据的统计性质建立模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型。最一般的VAR模型数学表达式为： 　　（1） 　　模型（1）中， 是k维内生变量向量， 是d维外生变量向量，p是滞后阶数，T是样本个数。k×k维矩阵 和k×d维矩阵 是要被估计的系数矩阵。 是k维扰动向量。滞后阶数p的确定是VAR模型的一个重要问题，一方面滞后阶数足够大，能更好反映出所构造模型的动态特征；另一方面滞后阶数越大，需要估计的参数也就越多，模型的自由度将减少，因此选择合适的滞后阶数需要综合考虑，既要有足够数目的滞后项，又要有足够数目的自由度。常用的确定滞后阶数的检验方法有LR检验、AIC准则和SC准则。本文采用的是AIC准则和SC准则。 　　脉冲响应函数（impulse response function，IRF）和方差分解（variance decomposition）。由于VAR模型是一种非理论性的模型，它无需对变量作任何先验性约束，因此在分析VAR模型时，往往无法判断一个变量的变化对另一个变量的影响程度。而脉冲响应函数就是用于衡量VAR模型中的一个内生变量的冲击对其他内生变量所带来的影响，它能够较直观地反映出变量之间的动态交互作用。方差分解是通过分析每一个结构冲击对内生变量变化（一般用方差度量）的贡献度，进一步评价不同结构冲击的重要性。 　　（二）变量选择和数据说明 　　考虑到数据的可得性，这里采用年末内蒙古人民币各项贷款余额代表贷款（