黃倩 李江城 熊德平

摘? ?要：基于中國2005—2018年省級面板數(shù)據(jù)，實證分析金融杠桿對經(jīng)濟增長和金融風險的影響，并從“銀行信貸渠道”和“資產(chǎn)價格渠道”檢驗金融風險對金融杠桿與經(jīng)濟增長的門檻效應。研究表明：宏觀杠桿率與經(jīng)濟增長存在顯著的倒“U”型關系，與金融風險存在顯著的“U”型關系，且杠桿率波動加大會減緩經(jīng)濟增速并加大金融風險;不同部門和地區(qū)金融杠桿水平及其合理杠桿區(qū)間有較大差異;金融風險具有門檻效應，當其累積超過一定水平后，杠桿率的上升對經(jīng)濟增長沒有促進作用，反而會造成負向沖擊。因此，金融杠桿調控應根據(jù)各部門和地區(qū)的實際情況采取動態(tài)和差異化的策略，防止金融杠桿波動過大引致經(jīng)濟下滑和金融不穩(wěn)定。

關鍵詞：金融杠桿;經(jīng)濟增長;金融風險

中圖分類號：F832? ?文獻標識碼：A? ?文章編號：1003-7543（2021）04-0078-17

金融杠桿是金融實現(xiàn)資金融通功能的重要手段，能夠幫助資金需求者運用借貸獲得的資金完成各類投資和交易，從而發(fā)揮資金配置功能。金融杠桿手段的運用可以放大投資和交易的金額，使預期收益和風險同時增加，適當?shù)慕鹑诟軛U對于企業(yè)、政府和家庭降低投資消費約束、提高收入和增加市場活力，從而促進經(jīng)濟增長具有重要作用，但過高的金融杠桿會集聚經(jīng)濟泡沫，導致整體金融風險升高，甚至會造成經(jīng)濟金融危機。因金融杠桿過高引起的高負債、過度資產(chǎn)證券化以及資產(chǎn)價格泡沫等問題已成為誘發(fā)金融危機的重要因素，因而受到各國高度關注[1-3]。2008年以前，以美國、歐洲為代表的發(fā)達經(jīng)濟體的杠桿率增加較快，而2008年以后，以中國為代表的新興經(jīng)濟體杠桿率增加較快，杠桿率的大幅提升使得金融機構大量投資于高風險的資產(chǎn)組合，給經(jīng)濟增長帶來了較大不確定性[4]。

我國金融杠桿問題已引起國家層面的高度關注。自2015年末起，金融杠桿調整策略先后經(jīng)歷了“一般性去杠桿”、“企業(yè)去杠桿”和“結構性去杠桿”三個階段。2015年12月，“去杠桿”作為“三去一降一補”的任務之一，首次在中央經(jīng)濟會議上被提出;2016年，中央經(jīng)濟工作會議明確“去杠桿”要在控制總杠桿率的前提下，把降低企業(yè)杠桿率作為重中之重，強調要規(guī)范政府舉債行為;2018年，為打好防范化解金融風險攻堅戰(zhàn)，中央進一步提出“結構性去杠桿”，在維持總杠桿率平穩(wěn)的前提下，將國有企業(yè)去杠桿作為重中之重。通過一系列杠桿調整策略的實施，我國宏觀杠桿率和企業(yè)杠桿率均有所下降。但由于2019年以來嚴峻的國際形勢以及2020年新冠肺炎疫情的沖擊，在經(jīng)濟下行和銀行信貸增加的共同影響下，宏觀杠桿率有所反彈，這說明金融杠桿調整需要在“防風險”與“穩(wěn)增長”目標之間進行權衡。中國人民銀行發(fā)布的《中國金融穩(wěn)定報告》顯示，截至2019年末，我國宏觀杠桿率為254.4%，較2018年上升約5個百分點，比2008—2016年年均約10個百分點的漲幅明顯下降，宏觀杠桿率過快增長的勢頭得到遏制。目前，我國宏觀杠桿率略低于發(fā)達國家杠桿率，但高于發(fā)展中國家190%的平均杠桿率。我國非金融企業(yè)部門、住戶部門和政府部門的分部門杠桿率分別為152%、49%和36%;非金融企業(yè)部門杠桿率遠高于OECD國家90%的閾值，居世界前列。歷史經(jīng)驗表明，作為防風險重要手段的“去杠桿”常伴隨著經(jīng)濟增速的放緩，甚至還有可能會出現(xiàn)流動性緊缺，引致金融系統(tǒng)風險。與此同時，好的“去杠桿”策略則能促進經(jīng)濟金融經(jīng)歷短暫的陣痛后實現(xiàn)轉型升級。那么，金融杠桿、金融風險與經(jīng)濟增長之間的影響效應和作用機制如何？我國宏觀杠桿率和各部門、各地區(qū)的杠桿率如何通過差異化調節(jié)助推經(jīng)濟高質量發(fā)展？對這兩個問題的回答，有助于理清金融風險視角下我國金融杠桿發(fā)展規(guī)律及其對經(jīng)濟增長的影響，并從宏微觀層面為結構性杠桿調控提供政策參考。

一、相關文獻綜述

本研究的目的是探究金融杠桿對經(jīng)濟增長和金融風險的影響及金融風險在金融杠桿與經(jīng)濟增長中的作用機制。因此，這里主要圍繞宏觀杠桿率與經(jīng)濟增長和金融風險的關系以及宏觀杠桿率的金融風險傳導機制，對相關文獻進行回顧和述評。

（一）金融杠桿與經(jīng)濟增長

金融杠桿是連接金融與經(jīng)濟的重要紐帶。杠桿率的公式為債務總額/國民生產(chǎn)總值，反映了金融部門信用創(chuàng)造對經(jīng)濟發(fā)展的影響。一些學者證實了宏觀杠桿率與經(jīng)濟增長或衰退有密切關系。金融部門杠桿率與經(jīng)濟增長之間存在長期順周期性[5]。宏觀杠桿率的提高不僅能夠提高投資率、促進經(jīng)濟增長，而且可以促進資源的跨部門優(yōu)化配置、降低經(jīng)濟的波動性，特別是對于產(chǎn)業(yè)更加多樣化、資本密集型行業(yè)在經(jīng)濟產(chǎn)出中占比較高的國家更是如此[6-7]。當企業(yè)杠桿率較低時，其與投資效率和投資回報之間存在正反饋效應，杠桿率增加有助于緩解權益資本約束，對經(jīng)濟增長有正向作用，而當企業(yè)杠桿率超過一定水平后，會抑制企業(yè)投資，進而對經(jīng)濟發(fā)展造成負面影響[8]。在經(jīng)濟擴張過程中，杠桿率會上升，而杠桿率上升到一定程度時會觸發(fā)約束效應，引致投資者賣出資本，使得資產(chǎn)價格下降，并通過“費雪通貨緊縮機制”使信貸、抵押資產(chǎn)的價格和投資呈螺旋式下降，從而對經(jīng)濟產(chǎn)生較大的負面沖擊，即金融杠桿與經(jīng)濟增長呈倒“U”型[9]。多數(shù)基于跨國面板數(shù)據(jù)的實證研究也支持金融杠桿與經(jīng)濟增長呈倒“U”型關系，即在金融杠桿到達臨界點之前，杠桿率的提高有利于經(jīng)濟增長，而超過臨界點后，杠桿率的繼續(xù)上升會阻礙經(jīng)濟增長[10-12]。金融杠桿對經(jīng)濟增長的促進作用會隨著金融效率的提高和金融結構的優(yōu)化而增強，但會隨著金融規(guī)模的擴大而減弱[9]。

（二）金融杠桿與金融風險

2008年全球金融危機爆發(fā)后，越來越多的學者發(fā)現(xiàn)過高的杠桿率會加大金融風險，甚至引發(fā)金融危機[13-14]。與此同時，杠桿率波動也會對金融風險產(chǎn)生正向沖擊，杠桿率波動幅度越大，金融系統(tǒng)越不穩(wěn)定，伴隨而來的金融風險也越大[4，15]。學者們主要從如下方面分析了金融杠桿與金融風險之間呈現(xiàn)正向關系的原因：一是經(jīng)濟繁榮使金融機構借貸和投機增加，導致杠桿率上升，此時，貨幣當局會通過貨幣約束來抑制金融杠桿，去杠桿將造成金融機構借貸的壞賬率增加和投機損失，從而加大金融風險[16]。二是隨著杠桿率的上升，債務人的還債壓力會逐漸增大，金融風險也將不斷累積，當杠桿率超過某個閾值時，將對經(jīng)濟金融的穩(wěn)定性造成負向沖擊[14]。三是高杠桿金融機構之間持有相互關聯(lián)的投資組合，投資組合之間具有相互依賴性，投資活動也受到資本約束的限制，致使資產(chǎn)價值變化具有“多米諾骨牌”效應。如果某家金融機構的資產(chǎn)惡化，其他金融機構的杠桿約束也會惡化，從而引起資產(chǎn)的拋售，迫使金融機構去杠桿和去投資，導致信貸緊縮和流動性不足，加之杠桿率的大幅波動會增加金融風險，從而易引發(fā)金融危機[15]。

（三）金融杠桿的金融風險傳導機制

金融杠桿主要通過“銀行信貸渠道”和“資產(chǎn)價格渠道”傳導金融風險，從而影響經(jīng)濟增長?！皞鶆铡s”理論認為，債權人的過度負債會導致其在償還債務時傾向于廉價出售資產(chǎn)，進而引發(fā)資產(chǎn)價格下降，觸發(fā)持續(xù)的通貨緊縮[17]。當投資者運用金融杠桿從信貸市場上貸款購買資產(chǎn)或僅對負債承擔有限責任時，投資者會更加偏好于投資風險資產(chǎn)，這易引起資產(chǎn)泡沫，一旦資產(chǎn)價格崩潰，將引發(fā)大規(guī)模違約行為，從而影響金融穩(wěn)定[13]。“信貸繁榮”泡沫破滅后的持續(xù)去杠桿將抑制企業(yè)投資和家庭消費，這會進一步增加金融風險和減緩經(jīng)濟復蘇[18]。學者們實證研究的結果同樣支持金融杠桿膨脹與資產(chǎn)價格泡沫存在顯著的正相關關系，并驗證了金融加速器效應的存在[19]。金融危機前寬松的信貸環(huán)境和較多的投資機會引發(fā)了投資熱潮，導致宏觀杠桿率和資產(chǎn)價格大幅提高，資產(chǎn)泡沫逐漸形成。此時，若發(fā)生金融機構個體沖擊或是貨幣當局采取緊縮性政策，就易造成資產(chǎn)泡沫破滅、財富大幅縮水，并引發(fā)金融危機[20]。

（四）簡要評述

現(xiàn)有文獻主要基于美國或跨國數(shù)據(jù)分析了金融杠桿對金融風險和經(jīng)濟增長的影響，而對其中的內在傳導機制研究較少。我國金融杠桿的產(chǎn)生和累積有自身的背景和特點，并且各部門利用金融杠桿的程度和目的以及各地區(qū)的金融市場發(fā)達程度都有較大的差異，導致各部門、各地區(qū)之間的杠桿水平和杠桿結構差異較大，這可能會造成我國金融杠桿對經(jīng)濟增長和金融穩(wěn)定的影響及其背后的傳導機制與其他國家相比有所差異。因此，研究我國金融杠桿對經(jīng)濟增長和金融穩(wěn)定的影響及機制，并針對“穩(wěn)增長”與“防風險”雙目標提出優(yōu)化金融杠桿的政策建議，具有重要的現(xiàn)實意義。

與已有文獻相比，本文的貢獻主要體現(xiàn)在以下方面：一是利用省際面板數(shù)據(jù)度量了我國的宏觀杠桿水平以及非金融企業(yè)、家庭和地方政府三部門各自的金融杠桿水平，在衡量金融風險時不僅選取傳統(tǒng)的銀行不良貸款率作為其代理指標，而且構建了各省份層面的股票價格指數(shù)波動率作為其代理指標，從而更為全面地從銀行和證券兩個層面考察我國的金融風險。二是采用系統(tǒng)GMM估計方法實證分析了宏觀杠桿率以及非金融企業(yè)、家庭和地方政府的杠桿率對經(jīng)濟增長和金融風險的影響，并針對我國“穩(wěn)增長”和“防風險”雙目標，識別出達到雙目標的金融杠桿合理區(qū)間。三是從“銀行信貸渠道”和“資產(chǎn)價格渠道”檢驗金融風險對金融杠桿與經(jīng)濟增長關系的門檻效應。

二、指標選取與模型設定

（一）指標選取

1.被解釋變量

經(jīng)濟增長（Y）。本文使用GDP增長率和人均GDP增長率來度量經(jīng)濟增長，前者反映了一個國家或地區(qū)總財富創(chuàng)造的增長速度，后者反映了單個個體財富創(chuàng)造的增長速度。

金融風險（R）。我國的金融體系以銀行業(yè)為主導，銀行不良貸款率是反映銀行整體風險水平的最核心指標，因此，本文選取銀行不良貸款率從“銀行信貸渠道”來衡量金融風險。另外，股票價格是資產(chǎn)價格的最主要代表，且股票市場是經(jīng)濟的晴雨表。隨著經(jīng)濟全球化影響的不斷加深以及我國資本市場的逐步開放，股票市場在金融體系中扮演著越來越重要的角色，而股市風險主要由股票價格指數(shù)來衡量。因此，本文選取股票價格指數(shù)波動率從“資產(chǎn)價格渠道”來衡量金融風險。

股票價格指數(shù)波動率的測算方式如下：首先，我們通過每日股票價格指數(shù)收益率，基于已實現(xiàn)波動率的方法[21]，計算出月度股票價格指數(shù)波動率，具體方法如下：

其中，Sj為樣本的價格數(shù)據(jù);i=1，2，…，n;j=1，2，…，k;i為第i個月; j為第i月第j個交易日;k為每個月第k日的收益率。然后，將個股月度股票波動率轉化為年度波動率①。最后，將個股市值在各省份股票總市值中的占比作為權重乘以個股年度波動率得到該省份的股票波動率。

2.核心解釋變量

本文的核心解釋變量為金融杠桿水平。首先，從宏觀上測算整體杠桿水平，選取私人部門信貸總額與政府債務之和在GDP中的占比來衡量宏觀杠桿率（lev），該比率越大，說明宏觀杠桿率越高。然后，考慮到金融杠桿主要由企業(yè)、家庭和地方政府部門的負債程度共同決定，而各部門主體之間杠桿率差距較大，因而有必要分析其對經(jīng)濟增長和金融風險影響的異質性。本文分別測算了非金融企業(yè)、家庭和地方政府的杠桿率及其波動情況。非金融企業(yè)杠桿率（enlev）為非金融企業(yè)貸款余額在GDP中的占比;家庭杠桿率（ctlev）為住戶貸款余額在GDP中的占比;政府杠桿率（golev）為地方政府債務余額在GDP中的占比，由于地方政府債務的權威數(shù)據(jù)難以獲得②，因而需要選取合適的代理變量。本文用市政領域的固定資產(chǎn)投資支出③與地方政府可用收入④差額來衡量地方政府債務[22]。最后，考慮到金融杠桿對經(jīng)濟增長和金融風險的影響可能是非線性的，以及杠桿率波動的影響，本文還將在模型中引入杠桿率的平方項（lev2）和波動項vol。關于杠桿率波動的衡量，對杠桿率求HP濾波，得到其周期性波動項（cycle），然后取絕對值，這個絕對值即杠桿率波動[15]。

3.控制變量

參照相關文獻的做法，加入工業(yè)化程度、資本形成率、儲蓄率、人口增長率、城鎮(zhèn)化水平等變量作為控制變量[2，12]。

（二）數(shù)據(jù)來源

考慮到2005年是我國深化經(jīng)濟體制改革的重要一年，如實行了股權分置改革和人民幣匯率形成機制改革，開啟了商業(yè)銀行股份制改革等，這些會對我國經(jīng)濟主體發(fā)展方式和融資決策產(chǎn)生重要影響，并綜合研究實際和數(shù)據(jù)可得性，本文選取2005—2018年全國30個省份（除西藏之外）的面板數(shù)據(jù)作為研究樣本。金融風險、宏觀杠桿率、非金融企業(yè)杠桿率及家庭杠桿率等指標的測算數(shù)據(jù)來源于Wind數(shù)據(jù)庫和CSMAR數(shù)據(jù)庫。經(jīng)濟增長水平、地方政府杠桿、工業(yè)化程度、資本形成率和人口增長率的數(shù)據(jù)主要來自2005—2018年全國及各省份的統(tǒng)計年鑒、國民經(jīng)濟和社會發(fā)展統(tǒng)計公報、固定資產(chǎn)投資統(tǒng)計年鑒和財政統(tǒng)計年鑒，少數(shù)省份個別年份數(shù)據(jù)存在缺失時，根據(jù)其變化規(guī)律進行推算補齊。上述各變量的符號和計算方法如表1所示。

表2（下頁）是變量的描述性統(tǒng)計結果?？梢钥闯?，2005—2018年我國GDP增長率和人均GDP增長率保持高速增長，平均值分別為10.7%和9.8%;總體來看，銀行不良貸款率較低，平均為3.8%，股票價格指數(shù)波動率較高，平均為58.2%;從金融杠桿指標來看，我國宏觀杠桿率平均為119.2%，最小值為5.5%，最大值為258.5%，平均波動率達4.4%。其中，非金融企業(yè)杠桿率最高，平均值為96.5%，家庭和政府部門的平均杠桿率分別為22.8%和21.7%。目前我國金融杠桿的形成主要來自企業(yè)部門，這也可以一定程度上解釋為什么國家在“去杠桿”任務中把降低企業(yè)杠桿率作為重中之重。

（三）模型設定

1.動態(tài)面板模型

首先，考察金融杠桿率及其波動對經(jīng)濟增長的影響。借鑒以往文獻的做法，構建如下形式的一般面板模型：

接下來，為了檢驗金融杠桿對金融風險的影響，本文構建以下模型：

其中，Ri，t表示金融風險，其值越大，表示金融風險越高，其他變量同式（2）。

模型（2）、（3）為靜態(tài)面板估計模型。經(jīng)濟增長率和金融風險會由于慣性或部分調整效應，使得過去的表現(xiàn)對其當前表現(xiàn)產(chǎn)生顯著影響，因此，本文在解釋變量中加入滯后一期的被解釋變量對模型作進一步估計，此時，基本模型如下：

在面板模型（4）和（5）中，解釋變量包含了被解釋變量的滯后項。對于動態(tài)面板數(shù)據(jù)，由于被解釋變量Yi，t、Ri，t是其隨機擾動項εi，t的函數(shù)，導致Yi，t-1、Ri，t-1也可能與隨機擾動項相關，且模型具有橫截面相依性，從而使得最小二乘法、極大似然估計以及面板模型（包括固定效應模型和隨機效應模型）都存在不同程度的（漸進）偏倚（Nickell偏倚）和組內估計量不一致的問題。針對這一情況，為了獲得有效的估計量，本文將采用系統(tǒng)廣義矩估計（System Generalized Method of Moments，簡稱系統(tǒng)GMM）對基本模型進行估計，選擇內生變量lev、lev2和vol的滯后項作為工具變量，該方法可有效避免內生性問題。同時，本文還使用“WC-Robust Standard Error”估計方法得到穩(wěn)健標準誤，從而保證回歸結果更可靠。

2.面板門檻模型

一般而言，合理的金融杠桿水平有助于促進經(jīng)濟增長，但當杠桿率達到一定水平后，可能會造成金融風險的大幅上升，從而使金融杠桿對經(jīng)濟增長的影響發(fā)生變化。這意味著金融杠桿對經(jīng)濟增長的影響可能存在一個門檻值，當金融風險沒有達到這一門檻值時，金融杠桿的提高有利于促進經(jīng)濟增長;反之，當金融風險超過門檻值后，則會抑制金融杠桿對經(jīng)濟增長的促進作用，甚至對經(jīng)濟增長產(chǎn)生較大的負面影響。本文將檢驗是否存在這一門檻特征。已有研究多使用分組或交叉項檢驗進行門檻研究，但這兩種方法都無法對門檻值的正確性以及門檻效應進行顯著性檢驗，而Hansen在1999年提出的門檻回歸模型能夠較好地克服以上兩種方法的不足。基于此，本文將借鑒Hansen的面板門檻模型對門檻值進行估計，其基本思想是將門檻值作為一個未知的變量納入模型中，構建不同區(qū)間下解釋變量系數(shù)的分段函數(shù)，并對門檻值和門檻效應進行估計和檢驗。具體模型如下：

模型（6）的估計包含三個步驟：第一步，根據(jù) R進行逐點回歸，對門檻值及相關控制變量的系數(shù)進行估計，并把最小殘差平方和對應的R值作為門檻值γ。第二步，檢驗門檻模型的顯著性，采用自抽樣法（Bootstrap）獲得其漸進有效分布，然后構造其p值判斷是否拒絕原假設H0∶α2=α3，若拒絕原假設，則可判斷門檻效應顯著。第三步，檢驗門檻值的有效性和置信區(qū)間，使用極大似然估計函數(shù)來檢驗，若接受原假設H0∶=γ0，則門檻值有效，并通過構造極大似然比LR統(tǒng)計量來估計門檻值γ的置信區(qū)間。

三、金融杠桿對經(jīng)濟增長的影響

（一）宏觀杠桿率對經(jīng)濟增長的影響

表3（下頁）估計了宏觀杠桿率對經(jīng)濟增長的影響，其中，列（1）—（3）的因變量為GDP增長率，列（4）—（6）的因變量為人均GDP增長率。列（1）和列（4）的控制變量只包括被解釋變量的一階滯后項和核心解釋變量（即宏觀杠桿率lev、宏觀杠桿率的平方lev2以及宏觀杠桿率波動vol）的基本回歸結果。而列（2）—（3）和列（5）—（6）則是在基本回歸的基礎上逐步加入了經(jīng)濟、金融和社會三個層面的相關控制變量后的回歸結果。

從表3的結果可以看出，當被解釋變量為GDP增長率時，宏觀杠桿率的系數(shù)在1%或5%的置信水平下顯著為正，而宏觀杠桿率平方的系數(shù)在5%或10%的置信水平下顯著為負，說明宏觀杠桿率與GDP增速之間存在倒“U”型關系，即隨著宏觀杠桿率的提高，GDP增速先上升后下降，存在一個拐點，在拐點之前，GDP增長率會隨著宏觀杠桿率的提高而上升，在拐點之后，GDP增長率會隨著宏觀杠桿率的提高而下降。根據(jù)最完整的回歸方程測算，拐點的位置在宏觀杠桿率達到229.4%時出現(xiàn)。與此同時，宏觀杠桿率波動系數(shù)在1%的顯著水平下為負，表明宏觀杠桿率波動的加大會對一國經(jīng)濟造成負向沖擊，導致經(jīng)濟增長率下降。

當被解釋變量為人均GDP增長率時，宏觀杠桿率的系數(shù)在5%的置信水平下顯著為正，而宏觀杠桿率平方的系數(shù)在10%的置信水平下顯著為負，說明宏觀杠桿率與人均GDP增長率之間的關系依然為倒“U”型。與此同時，宏觀杠桿率波動的系數(shù)在1%的顯著水平下為負，表明宏觀杠桿率波動的加大對人均GDP的增長率同樣造成負向沖擊。這一結論與被解釋變量為GDP增長率時的結果基本一致。根據(jù)最完整的回歸方程測算，拐點的位置出現(xiàn)在宏觀杠桿率達到224%時。2018年，宏觀杠桿率超過拐點的地區(qū)包括青海、甘肅、北京，分別為234.9%、232.5%、229.7%①。

上述結果在逐步加入控制變量后未發(fā)生顯著變化，且所有回歸方程都通過了AR（2）檢驗和Sargan檢驗，說明工具變量選擇恰當且不存在二階自相關，表明估計結果是穩(wěn)健有效的。從控制變量來看，工業(yè)化程度系數(shù)顯著為正，說明工業(yè)化程度的提高對GDP增長率和人均GDP增長率都有促進作用;貿(mào)易開放度系數(shù)顯著為正，說明促進對外貿(mào)易有利于我國經(jīng)濟增長，這也可以一定程度上解釋我國加入WTO后經(jīng)濟的高速增長;人口增長率系數(shù)顯著為正，說明人口增長率提高可通過“人口紅利”效應和人力資本積累效應提高GDP增長率和人均GDP增長率。

（二）非金融企業(yè)杠桿率對經(jīng)濟增長的影響

表4（下頁）估計了非金融企業(yè)杠桿率對經(jīng)濟增長的影響。從表4的結果可以看出，非金融企業(yè)杠桿率的系數(shù)在1%的置信水平下顯著為正，而非金融企業(yè)杠桿率平方的系數(shù)在1%或5%的置信水平下顯著為負，說明非金融企業(yè)杠桿率與GDP增速之間呈現(xiàn)倒“U”型關系。非金融企業(yè)杠桿率與人均GDP增速之間亦呈倒“U”型關系。隨著非金融企業(yè)杠桿率的提高，GDP增長率和人均增長率先上升后下降。與此同時，非金融企業(yè)杠桿率波動的系數(shù)在1%或5%的置信水平下顯著為負，表明非金融企業(yè)杠桿率波動的加大會對一國經(jīng)濟造成負向沖擊，導致GDP增長率下降。根據(jù)最完整的回歸方程測算，非金融企業(yè)杠桿率對GDP增長率和人均GDP增長率影響的拐點位置分別在152.6%和155.1%時出現(xiàn)。我國大部分地區(qū)的非金融企業(yè)杠桿率在2015年或2016年達到頂峰，隨著我國一系列“去杠桿”政策的出臺，各地區(qū)該指標明顯下滑。截至2018年末，非金融企業(yè)杠桿率超過拐點的地區(qū)包括青海、甘肅和北京，分別為195.1%、172%和165%。上述結果在逐步加入控制變量后未發(fā)生顯著變化，控制變量對非金融企業(yè)杠桿率的影響與對宏觀杠桿率的影響一致，且所有回歸方程都通過了AR（2）檢驗和Sargan檢驗，說明工具變量選擇恰當且不存在二階自相關，表明估計結果是穩(wěn)健有效的。

（三）家庭杠桿率對經(jīng)濟增長的影響

表5估計了家庭杠桿率對經(jīng)濟增長的影響。從表5的結果可以看出，家庭杠桿率的系數(shù)在1%或10%的置信水平下顯著為正，而家庭杠桿率平方的系數(shù)在1%或10%的置信水平下顯著為負，說明家庭杠桿率與GDP增速之間呈現(xiàn)倒“U”型關系。家庭杠桿率與人均GDP增長率之間亦呈現(xiàn)倒“U”型關系。隨著家庭杠桿率的提高，GDP增長率和人均增長率呈現(xiàn)先上升后下降的特征。與此同時，家庭杠桿率波動的系數(shù)在1%或5%的置信水平下顯著為負，表明家庭杠桿率波動的加大同樣會對一國經(jīng)濟造成負向沖擊，導致GDP增長率和人均GDP增長率同時下降。根據(jù)最完整的回歸方程測算，家庭杠桿率對GDP增長率和人均GDP增長率影響的拐點位置分別在52.3%和62.6%時出現(xiàn)。2018年，家庭杠桿率超過拐點的地區(qū)包括浙江和重慶，分別為75.7%和57%。上述結果在逐步加入控制變量后未發(fā)生顯著變化，且所有回歸方程都通過了AR（2）檢驗和Sargan檢驗，說明工具變量選擇恰當且不存在二階自相關，表明估計結果穩(wěn)健有效。

（四）地方政府杠桿率對經(jīng)濟增長的影響

表6估計了地方政府杠桿率對經(jīng)濟增長的影響。從表6的結果可以看出，地方政府杠桿率的系數(shù)在1%或10%的置信水平下顯著為正，而地方政府杠桿率平方的系數(shù)顯著為負，說明地方政府杠桿率與GDP增速之間也呈現(xiàn)倒“U”型關系。地方政府杠桿率與人均GDP增長率之間亦呈現(xiàn)倒“U”型關系。隨著地方政府杠桿率的提高，GDP增長率和人均增長率呈現(xiàn)先上升后下降的特征。根據(jù)最完整的回歸方程測算，地方政府杠桿率對GDP增長率和人均GDP增長率影響的拐點位置分別在56.1%和50.8%時出現(xiàn)。2018年，地方政府杠桿率超過拐點的地區(qū)包括貴州、江蘇、山東和青海，分別為59.9%、61.5%、73.9%和76.3%。上述結果在逐步加入控制變量后未發(fā)生顯著變化，且所有回歸方程都通過了AR（2）檢驗和Sargan檢驗，說明工具變量選擇恰當且不存在二階自相關，表明估計結果穩(wěn)健有效。

四、金融杠桿對金融風險的影響

表7給出了金融杠桿對金融風險影響的估計結果，其中列（1）—（4）的被解釋變量為銀行不良貸款率，列（5）—（8）的被解釋變量為股票價格指數(shù)波動率，對應的核心解釋變量分別為宏觀杠桿率、非金融企業(yè)杠桿率、家庭杠桿率和地方政府杠桿率。

當被解釋變量為銀行不良貸款率時，宏觀杠桿率和各部門（除地方政府部門外）杠桿率的一次項系數(shù)均顯著為負，二次項系數(shù)顯著為正，說明隨著杠桿率的上升，銀行不良貸款率先下降后上升，宏觀杠桿率和各部門（除地方政府部門以外）杠桿率與金融風險的關系表現(xiàn)為“U”型。根據(jù)模型（5）測算，拐點的位置分別在宏觀杠桿率為140.4%、非金融企業(yè)杠桿率為124.4%、家庭杠桿率為48%時出現(xiàn)，即過高的杠桿率會加大金融風險。與此同時，除地方政府杠桿率外，其他部門杠桿率波動的系數(shù)在1%或5%的置信水平下顯著為正，表明宏觀杠桿率和各部門（除地方政府部門外）杠桿率波動的加大會增加一國金融風險。

當被解釋變量為股票價格指數(shù)波動率時，除地方政府杠桿率外，其他部門杠桿率的一次項系數(shù)顯著為負、二次項系數(shù)顯著為正，說明宏觀杠桿率和各部門（除地方政府部門外）杠桿率與金融風險的關系呈“U”型。根據(jù)模型（5）測算，拐點的位置分別在宏觀杠桿率為140%、非金融企業(yè)杠桿率為140%、家庭杠桿率為48.2%時出現(xiàn)。與此同時，宏觀杠桿率波動與非金融企業(yè)杠桿率波動的系數(shù)分別在5%、1%的置信水平下顯著為正，表明宏觀杠桿率波動或非金融企業(yè)杠桿率波動的加大會增加股票價格指數(shù)波動率，對金融穩(wěn)定造成負向沖擊，加大金融風險。這一結論與被解釋變量為銀行不良貸款率時的結果基本一致。表7中所有回歸方程都通過了AR（2）檢驗和Sargan檢驗，說明工具變量選擇恰當且不存在二階自相關，表明估計結果是穩(wěn)健有效的。

五、金融風險對金融杠桿與經(jīng)濟增長關系的門檻效應檢驗

合理的金融杠桿有助于促進經(jīng)濟增長，但過高的金融杠桿會導致金融風險增加，甚至誘發(fā)金融危機，從而對經(jīng)濟增長產(chǎn)生負面影響。這里從“銀行信貸渠道”和“資產(chǎn)價格渠道”檢驗金融風險對金融杠桿與經(jīng)濟增長關系的門檻效應。

首先對模型（6）進行門檻條件檢驗，以確定門檻模型的具體設定形式。從表8（下頁）的門檻檢驗結果可以看出，以金融風險作為門檻變量時，單門檻、雙門檻、三門檻檢驗均在1%或5%的顯著性水平下顯著，本文選用三門檻模型進行分析。

接著對三門檻模型的門檻值及置信區(qū)間進行估計，結果如表9（下頁）所示。以risk為門檻變量時，對應的三門檻估計值為0.016、0.044和0.101;以volatility為門檻變量時，對應的三門檻估計值為0.177、0.384和0.801，且門檻估計值對應的似然比均處于95%置信區(qū)間內，即接受門檻估計值等于實際門檻值的原假設。

從表10（下頁）的門檻模型估計結果可以看出，不同金融風險下宏觀杠桿率對經(jīng)濟增長的影響存在一定差異。從“銀行信貸渠道”來看，當risk≤0.016時，lev系數(shù)為0.017，在5%水平上顯著，表明此時增加宏觀杠桿率能夠促進經(jīng)濟發(fā)展。以2018年數(shù)據(jù)為例，有北京、上海、重慶等9個省份處于此階段。當0.0160.101時，lev系數(shù)顯著為負，沒有省份處于此階段。以上結果表明，當risk>0.044時，宏觀杠桿率的上升對經(jīng)濟增長不再具有促進作用，甚至會對經(jīng)濟增長造成負向沖擊。從“資產(chǎn)價格渠道”來看，當volatility≤0.177時，lev系數(shù)變?yōu)?.028，在1%水平上顯著，此時宏觀杠桿率對經(jīng)濟發(fā)展的促進作用最強，處于這一階段的有北京、貴州、上海等26個省份。當0.1770.384時，lev系數(shù)由正轉負，此時如果再增加宏觀杠桿率，會對經(jīng)濟增長造成負向沖擊?？傮w而言，系統(tǒng)性金融風險在宏觀杠桿率對經(jīng)濟增長的影響機制中具有門檻效應，當金融風險上升到一定程度后，宏觀杠桿率對經(jīng)濟增長的影響會由正向轉向負向，此時，需要降低宏觀杠桿率。

六、結論與政策建議

本文基于中國2005—2018年省級動態(tài)面板數(shù)據(jù)，實證考察金融杠桿對經(jīng)濟增長與金融風險的影響，在此基礎上，從“銀行信貸渠道”和“資產(chǎn)價格渠道”檢驗了金融風險對金融杠桿與經(jīng)濟增長關系的門檻效應。通過研究得到以下結論：第一，宏觀杠桿率與經(jīng)濟增長存在顯著的倒“U”型關系，與金融風險存在顯著的“U”型關系。若以最常用的GDP增長率為經(jīng)濟增長的考察指標，以銀行不良貸款率為金融風險的考察指標，則宏觀杠桿率對經(jīng)濟增長與金融風險影響的拐點分別為229.4% 和140.4%，因此，宏觀杠桿率對經(jīng)濟增長與金融風險的影響可分為三個區(qū)間：Ⅰ區(qū)為當宏觀杠桿率≤140.4%時，隨著宏觀杠桿率的上升，經(jīng)濟增長速度加快，金融風險降低;Ⅱ區(qū)為當宏觀杠桿率∈（140.4%，229.4%]時，宏觀杠桿率上升仍可促進經(jīng)濟增長，但金融風險逐漸加大;Ⅲ區(qū)為當宏觀杠桿率>229.4%時，宏觀杠桿率上升將減緩經(jīng)濟增長，并加大金融風險。第二，分部門來看，非金融企業(yè)和家庭部門杠桿率與經(jīng)濟增長呈倒“U”型關系，與金融風險呈“U”型關系。非金融企業(yè)杠桿率拐點位置分別為152.6%和124.4%，家庭杠桿率拐點位置分別為52.3%和48%;地方政府杠桿率對經(jīng)濟增長影響呈倒“U”型，拐點位置為56.1%，對金融風險的影響不顯著。第三，無論是宏觀杠桿率波動的加劇，還是非金融企業(yè)、家庭部門的杠桿率波動加劇，都會對經(jīng)濟增長和金融穩(wěn)定同時產(chǎn)生負向沖擊，減緩經(jīng)濟增長，增加系統(tǒng)性金融風險。第四，無論是“銀行信貸渠道”，還是“資產(chǎn)價格渠道”，金融風險都對金融杠桿與經(jīng)濟增長具有門檻效應。在一定金融風險水平（risk≤0.044或volatility≤0.384）下，宏觀杠桿率的增加有助于促進經(jīng)濟增長，但當金融風險累積超過一定水平（risk>0.044或volatility>0.384）后，宏觀杠桿的上升對經(jīng)濟增長不再具有促進作用，反而會對經(jīng)濟增長造成負向沖擊。

基于以上結論，提出如下建議：

第一，防止杠桿率大幅波動引發(fā)經(jīng)濟金融系統(tǒng)性風險。金融杠桿調控應從總量控制和結構優(yōu)化兩方面入手，盡可能采取循序漸進策略，既要防止總杠桿率上升過快，又要防止金融杠桿急速下降。同時，需要特別關注非金融企業(yè)、家庭和地方政府等部門杠桿率的可持續(xù)性和內部協(xié)調，處理好儲蓄、投資和消費之間的關系，避免由于單一部門杠桿風險過高或調整過快而引發(fā)系統(tǒng)性風險。

第二，堅持結構性、差異化的杠桿調控策略。要正確認識金融杠桿對經(jīng)濟增長和金融風險影響的非線性特征，防止“一刀切”，充分考慮地區(qū)差異，堅持“因地施策、區(qū)別對待和分類指導”的原則，依據(jù)地區(qū)金融狀況采取針對性的金融杠桿調控策略，把提高杠桿效率作為核心，將調控企業(yè)杠桿，尤其是將調控國有企業(yè)杠桿作為重中之重，加快僵尸企業(yè)的出清，防止形成“大而不倒”的預期。對于債務風險偏高的國企，應在市場化前提下通過業(yè)務重組、債轉股等方式降低金融杠桿，對產(chǎn)能過剩、技術含量過低、不經(jīng)濟和不環(huán)保等發(fā)展?jié)摿^低的企業(yè)實施去杠桿，而對符合國家戰(zhàn)略布局的企業(yè)以及高新科技企業(yè)給予資金和政策支持，以達到“穩(wěn)增長”和“防風險”的雙重目的。

第三，強化金融杠桿預警機制，筑牢金融風險“防火墻”。應從中央到地方建立自上而下的金融杠桿預警機制，完善對地區(qū)金融杠桿的測度和監(jiān)控。在測度地方政府金融杠桿時，要充分考慮地方政府隱性存量債務的風險，以及債務硬性約束和軟性約束之間的關系。此外，在將存量指標作為金融杠桿調整策略依據(jù)的同時，考慮增量金融杠桿的調整策略，從而提高金融杠桿測度的準確性，確保及時動態(tài)調整宏觀杠桿率以適應經(jīng)濟發(fā)展和金融穩(wěn)定之需，在此基礎上，為各地區(qū)采取差異化的金融杠桿調控策略提供依據(jù)。

第四，明確政府職責，加強制度化建設。一方面，應強化市場化手段在經(jīng)濟金融運行中的主導地位，減少政府對企業(yè)的直接干預，繼續(xù)深化國有企業(yè)改革;另一方面，政府應當構建公平競爭的制度體系，如加強投資者保護，加大對民營企業(yè)合法權益的保護力度，健全知識產(chǎn)權制度和侵權賠償制度。為促使企業(yè)采取市場化、多元化的方式分散融資風險，應加快完善直接融資市場，構建多層次的資本市場體系，健全完善信息披露制度和股權退出機制，同時，充分發(fā)揮政府引導作用，推進資金脫虛向實。

參考文獻

[1]WAGNER W. Diversification at financial institutions and systemic crises[J]. Journal of Financial Intermediation， 2010（3）： 373-386.

[2]王愛儉，杜強.經(jīng)濟發(fā)展中金融杠桿的門檻效應分析——基于跨國面板數(shù)據(jù)的實證研究[J].金融評論，2017（5）：18-27.

[3]劉立新，李鵬濤.金融供給側結構性改革與系統(tǒng)性金融風險的防范[J].改革，2019（6）：84-91.

[4]BHATTACHARYA S， TSOMOCOS D P， GOODHART C， et al. Minskys financial instability hypothesis and the leverage cycle[Z].LSE Financial Markets Group Paper Series Special Paper， 2011， No. 202.

[5]ADRIAN T， SHIN H S. The shadow banking system： implications for financial regulation， federal Reserve Bank of New York， staff report NO. [J]. Ssm Electronic Journal， 2009.

[6]ACHARYA V V， GALE D， YORULMAZER T. Rollover risk and market freezes[J]. The Journal of Finance， 2011， 66（4）： 1177-1209.

[7]MANGANELLI S and POPOV A. Financial development， sectoral reallocation， and volati-

lity： international evidence[J]. Journal of International Economics， 2015， 96（2）： 323-337.

[8]劉一楠.企業(yè)杠桿、企業(yè)投資與供給側改革——基于面板雙門限回歸模型的微觀證據(jù)[J].上海經(jīng)濟研究，2016（12）：120-129.

[9]MENDOZA E G. Sudden stops， financial crises， and leverage[J]. The American Economic Review， 2010， 100（5）： 1941-1966.

[10] LAW S H， SINGH N. Does too much finance harm economic growth？[J]. Journal of Banking & Finance， 2014， 41： 36-44.

[11] ARCAND J L， BERKES E，PANIZZA U. Too much finance？ [J]. Journal of Economic Growth， 2015， 20 （2）： 105-148.

[12] 馬勇，陳雨露.金融杠桿、杠桿波動與經(jīng)濟增長[J].經(jīng)濟研究，2017（6）：31-45.

[13] ALLEN F， GALE D. Bubbles and Crises[J]. The Economic Journal， 2000.

[14] 李揚，等.中國主權資產(chǎn)負債表及其風險評估（下）[J].經(jīng)濟研究，2012（7）：4-21.

[15] 馬勇，田拓，阮卓陽，等.金融杠桿、經(jīng)濟增長與金融穩(wěn)定[J].金融研究，2016（6）：37-51.

[16] MINSKY H P.The financial instability hypothesis[Z]. The Jerome Levy Economics Institute Working Paper， 1992， No. 74.

[17] FISHER I. The debt-deflation theory of the great depression[J]. Econometrica， 1933（1）： 337-357.

[18] MIAN A， SUFI A， VERNER E. Household debt and business cycles worldwide[J]. The Quarterly Journal of Economics， 2017（4）： 1755-1817.

[19] 陳雨露，馬勇，徐律.老齡化、金融杠桿與系統(tǒng)性風險[J].國際金融研究，2014（9）：3-14.

[20] BORDO M D. An historical perspective on the crisis of 2007-2008[Z]. NBER Working Paper Series， Working Paper， 2008. No. 14569.

[21] MCALEER M， MEDEIROS M C. Realized volatility： a review[J]. Econometric Reviews， 2008， 27（1-3）：10-45.

[22] 呂健.影子銀行推動地方政府債務增長了嗎[J].財貿(mào)經(jīng)濟，2014（8）：38-48.

（責任編輯：許志敏）