陳 斐 龐欣茹

(浙江理工大學(xué) a.經(jīng)濟(jì)管理學(xué)院；b.區(qū)域與城市經(jīng)濟(jì)研究所，杭州 310018)

提要： 社會(huì)融資規(guī)模逐漸成為衡量中國金融宏觀調(diào)控的重要指標(biāo)。首先考察了中國社會(huì)融資規(guī)模變化與融資強(qiáng)度的短期調(diào)整情況，然后基于GDP核算的支出法，選擇2014—2019年24個(gè)季度時(shí)間段的省級(jí)數(shù)據(jù)，建立納入了融資強(qiáng)度變量的動(dòng)態(tài)面板模型，采用系統(tǒng)GMM估計(jì)方法考察了區(qū)域融資強(qiáng)度調(diào)整對(duì)中國經(jīng)濟(jì)增長的影響，并將全國樣本細(xì)分為兩類地區(qū)樣本分別展開實(shí)證研究，進(jìn)而考察了區(qū)域融資強(qiáng)度調(diào)整在經(jīng)濟(jì)增長中的貢獻(xiàn)效應(yīng)。研究發(fā)現(xiàn)：在三種樣本情形下，融資強(qiáng)度對(duì)經(jīng)濟(jì)增長均具有顯著性的正向促進(jìn)作用，且這種促進(jìn)作用呈現(xiàn)出“相對(duì)發(fā)達(dá)地區(qū)<全國<欠發(fā)達(dá)地區(qū)”的關(guān)系。對(duì)融資強(qiáng)度調(diào)整的經(jīng)濟(jì)增長貢獻(xiàn)效應(yīng)模擬分析進(jìn)一步表明，區(qū)域融資強(qiáng)度的調(diào)整對(duì)經(jīng)濟(jì)增長具有正向的貢獻(xiàn)效應(yīng)，且這種貢獻(xiàn)效應(yīng)在欠發(fā)達(dá)地區(qū)表現(xiàn)得更為明顯。

引 言

“社會(huì)融資規(guī)?！痹?010年年底中央經(jīng)濟(jì)工作會(huì)議上被首次提出。隨后，2011年中國人民銀行首次發(fā)布了季度全國社會(huì)融資規(guī)模增量數(shù)據(jù)，并從2014年起按季發(fā)布地區(qū)社會(huì)融資規(guī)模增量數(shù)據(jù)。社會(huì)融資規(guī)模這一金融統(tǒng)計(jì)指標(biāo)反映了國家從金融體系獲得的全部資金，全面反映了金融對(duì)實(shí)體經(jīng)濟(jì)的服務(wù)能力[1]，也是中國在完善金融統(tǒng)計(jì)信息與統(tǒng)計(jì)制度方面做出的一種新探索[2]。近年來，中國政府針對(duì)經(jīng)濟(jì)短期波動(dòng)采取了積極的逆周期調(diào)節(jié)手段[3]，這其中也包括對(duì)社會(huì)融資規(guī)模增量的調(diào)整[4]。在中國，當(dāng)經(jīng)濟(jì)面臨重大沖擊時(shí)，政府部門往往會(huì)采取積極的貨幣政策或財(cái)政政策，以期維持經(jīng)濟(jì)社會(huì)的健康穩(wěn)定[5]。2020年以來，中國政府對(duì)貨幣政策等宏觀經(jīng)濟(jì)調(diào)控提出了更加清晰的要求[6]，社會(huì)融資規(guī)模增量也隨之出現(xiàn)了明顯的短期調(diào)整。當(dāng)前，社會(huì)融資規(guī)模已成為衡量中國金融宏觀調(diào)控的重要指標(biāo)[7]，地區(qū)社會(huì)融資規(guī)模也成為全面準(zhǔn)確反映區(qū)域金融支持力度和區(qū)域資金配置能力的重要指標(biāo)之一[8]。區(qū)域金融發(fā)展與經(jīng)濟(jì)增長一直都是國內(nèi)外學(xué)者研究的熱點(diǎn)話題，同時(shí)，探尋區(qū)域融資能力與區(qū)域經(jīng)濟(jì)增長的關(guān)系，試圖從區(qū)域金融視角尋找驅(qū)動(dòng)經(jīng)濟(jì)增長的策略，也具有非常重要的現(xiàn)實(shí)意義。那么，社會(huì)融資規(guī)模增量調(diào)整及其強(qiáng)度是否對(duì)中國經(jīng)濟(jì)增長具有顯著的促進(jìn)作用？這種促進(jìn)作用又是否表現(xiàn)出一定的區(qū)域異質(zhì)性？這些都是當(dāng)下值得解答的問題。

一、研究動(dòng)態(tài)

在金融發(fā)展與經(jīng)濟(jì)增長關(guān)系這個(gè)問題上，最早的文獻(xiàn)可以追溯到Bagehot[9]，他認(rèn)為英國金融系統(tǒng)的完善增加了融資的便利性，在促進(jìn)英國工業(yè)化及經(jīng)濟(jì)增長中起到了關(guān)鍵作用。Patrick也提出金融發(fā)展與經(jīng)濟(jì)增長之間存在因果關(guān)系[10]。在之后的研究中，大多數(shù)學(xué)者的研究都繼續(xù)支持了這一觀點(diǎn)，即金融發(fā)展對(duì)經(jīng)濟(jì)增長有正向的影響[11-13]。談儒勇的研究表明在中國金融中介體發(fā)展和經(jīng)濟(jì)增長之間有顯著的、很強(qiáng)的正相關(guān)關(guān)系[14]。曹嘯等采用格蘭杰因果檢驗(yàn)法對(duì)中國金融中介發(fā)展與經(jīng)濟(jì)增長之間的因果關(guān)系進(jìn)行補(bǔ)充檢驗(yàn)，研究結(jié)果表明金融發(fā)展是經(jīng)濟(jì)增長的重要原因之一[15]。

同時(shí)，也有一些學(xué)者認(rèn)為金融發(fā)展是一把“雙刃劍”，金融發(fā)展在促進(jìn)經(jīng)濟(jì)增長的同時(shí)，也帶來了一些風(fēng)險(xiǎn)，可能會(huì)誘發(fā)金融危機(jī)，進(jìn)而危害實(shí)體經(jīng)濟(jì)[16]。Krugman對(duì)金融發(fā)展可以促進(jìn)經(jīng)濟(jì)增長的觀點(diǎn)提出了質(zhì)疑，他認(rèn)為金融業(yè)的過度發(fā)展很有可能會(huì)引發(fā)金融危機(jī)，進(jìn)而抑制經(jīng)濟(jì)增長[17]。他的這一觀點(diǎn)也得到了部分學(xué)者的響應(yīng)[18-20]，即金融發(fā)展對(duì)同一經(jīng)濟(jì)體的經(jīng)濟(jì)增長的促進(jìn)作用存在一個(gè)閾值，超過該閾值，金融發(fā)展將不再對(duì)經(jīng)濟(jì)增長產(chǎn)生積極影響，甚至可能會(huì)產(chǎn)生負(fù)面的影響。Lucas則認(rèn)為金融發(fā)展和經(jīng)濟(jì)增長之間沒有必然的因果關(guān)系[21]，經(jīng)濟(jì)社會(huì)的發(fā)展不斷增加了對(duì)金融服務(wù)的需求，進(jìn)而促進(jìn)了金融業(yè)的發(fā)展，而不能說是金融發(fā)展可以促進(jìn)經(jīng)濟(jì)增長。

此外，一些研究也認(rèn)為對(duì)金融發(fā)展與經(jīng)濟(jì)增長的因果關(guān)系需要結(jié)合具體情況而具體分析，其在不同經(jīng)濟(jì)體中可能會(huì)有不同的表現(xiàn)。Bangake等的研究表明二者之間的因果關(guān)系在低收入、中等收入和高收入國家之間存在顯著差異，在低收入和中等收入國家金融發(fā)展與經(jīng)濟(jì)增長之間不存在短期因果關(guān)系，但在高收入國家經(jīng)濟(jì)增長顯著影響金融發(fā)展[22]。Menyah等的研究表明金融發(fā)展對(duì)撒哈拉以南國家經(jīng)濟(jì)增長的帶動(dòng)作用非常有限[23]。黃憲等通過對(duì)包括英美、德國和法國3個(gè)法系共計(jì)98個(gè)經(jīng)濟(jì)體面板數(shù)據(jù)的研究發(fā)現(xiàn)，不同法系下金融發(fā)展對(duì)經(jīng)濟(jì)增長的促進(jìn)作用及持續(xù)性也存在一定的差異[24]。

在社會(huì)融資規(guī)模這一指標(biāo)提出之后，許多研究者也對(duì)其與經(jīng)濟(jì)發(fā)展之間的關(guān)系展開了大量的研究。郭麗虹等利用門限回歸模型通過對(duì)中國31個(gè)省份月度數(shù)據(jù)的研究發(fā)現(xiàn)，增加社會(huì)融資規(guī)?？梢燥@著促進(jìn)實(shí)體經(jīng)濟(jì)的發(fā)展[25]。不過，社會(huì)融資規(guī)模對(duì)經(jīng)濟(jì)增長的促進(jìn)作用存在一定的門檻水平，即只有在一定限度內(nèi)才可以促進(jìn)經(jīng)濟(jì)增長。張林等通過構(gòu)建VAR模型驗(yàn)證得出社會(huì)融資規(guī)模調(diào)整會(huì)促進(jìn)實(shí)體經(jīng)濟(jì)的增長，并發(fā)現(xiàn)在長期和短期內(nèi)不同融資形式對(duì)實(shí)體經(jīng)濟(jì)增長存在差異性[26]。大多數(shù)的研究都認(rèn)為社會(huì)融資規(guī)模的增加對(duì)經(jīng)濟(jì)增長存在一定的促進(jìn)作用，但也有部分學(xué)者得出了不一樣的結(jié)論。楊薪燕運(yùn)用ADF平穩(wěn)性檢驗(yàn)、Johansen協(xié)整檢驗(yàn)、Granger因果關(guān)系檢驗(yàn)及脈沖響應(yīng)等方法進(jìn)行了實(shí)證分析，發(fā)現(xiàn)社會(huì)融資規(guī)模的增加并不能促進(jìn)中國經(jīng)濟(jì)的增長[27]。

筆者采用社會(huì)融資規(guī)模增量與GDP之比來表示全國融資強(qiáng)度或省級(jí)區(qū)域融資強(qiáng)度，并主要基于季度數(shù)據(jù)開展分析。在考察中國社會(huì)融資規(guī)模變化和融資強(qiáng)度的短期調(diào)整的基礎(chǔ)上，基于GDP核算的支出法，選擇2014—2019年共24個(gè)季度時(shí)間段的省級(jí)數(shù)據(jù)，建立納入了融資強(qiáng)度變量的動(dòng)態(tài)面板模型，利用系統(tǒng)GMM估計(jì)方法來考察區(qū)域融資強(qiáng)度的調(diào)整對(duì)中國經(jīng)濟(jì)增長的影響，并將全國樣本細(xì)分為兩類地區(qū)樣本分別展開實(shí)證研究；然后構(gòu)建區(qū)域融資強(qiáng)度對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)率函數(shù)，考察區(qū)域融資強(qiáng)度調(diào)整在經(jīng)濟(jì)增長中的貢獻(xiàn)效應(yīng)。

二、中國社會(huì)融資規(guī)模變化與融資強(qiáng)度的短期調(diào)整

隨著金融改革的深化和金融體系的創(chuàng)新，融資工具逐漸多元化，證券、信托等非存款性融資力度加大，使得人民幣貸款比重逐漸下降。新增人民幣貸款已不能完整地反映金融體系對(duì)經(jīng)濟(jì)增長的支持力度?！吧鐣?huì)融資規(guī)?！钡恼Q生為探尋金融發(fā)展與經(jīng)濟(jì)增長之間的關(guān)系提供了一個(gè)新的監(jiān)測(cè)分析指標(biāo)。“社會(huì)融資規(guī)?！笔且粋€(gè)增量概念，兼具總量和結(jié)構(gòu)兩方面的信息，不僅能全面反映實(shí)體經(jīng)濟(jì)從金融體系中獲得的資金總額，而且能反映出融資結(jié)構(gòu)與資金流向。此外，社會(huì)融資規(guī)模還提供了地域信息，用以全面反映融資狀況的地區(qū)差異。2016年起，中國人民銀行開始發(fā)布全國社會(huì)融資規(guī)模的存量數(shù)據(jù)，且迄今尚未發(fā)布省級(jí)數(shù)據(jù)。

(一)中國社會(huì)融資規(guī)模的變動(dòng)趨勢(shì)

表1列出了2012—2020年中國社會(huì)融資規(guī)模增量及構(gòu)成情況，可以看出，2012—2016年間社會(huì)融資規(guī)模增量雖略有波動(dòng)，但整體上比較穩(wěn)定。2017年納入了政府債券項(xiàng)使得當(dāng)年社會(huì)融資規(guī)模增量與2016年相比有了較大的提升，此后兩年也相對(duì)比較穩(wěn)定。2020年以來，中國政府出臺(tái)了一系列稅費(fèi)減免和新增信貸等措施，銀行業(yè)和金融機(jī)構(gòu)等加大信貸投放。2020年社會(huì)融資規(guī)模增量出現(xiàn)了比較大的攀升，全年社會(huì)融資增量達(dá)到34.79萬億，同比增長35.5%，增幅較2019年提高了21個(gè)百分點(diǎn)。其中，人民幣貸款、企業(yè)債券和政府債券與上年相比均有明顯的提高，同比分別增長18.6%、31.0%和76.3%，且這三項(xiàng)占社會(huì)融資規(guī)模增量的94%，其中，企業(yè)債券和政府債券占比達(dá)36%，為2014年以來的最高。

表1 2012—2020年中國社會(huì)融資規(guī)模增量及構(gòu)成情況 億元

從總體上來看，銀行信貸依舊占據(jù)著半壁江山，2012—2020年人民幣貸款占比均超過了50%。2018年以來，信托貸款和委托貸款規(guī)模逐年大幅減少，該變化與規(guī)范融資監(jiān)管下房地產(chǎn)行業(yè)融資下降密切相關(guān)。而在寬松的貨幣政策的推動(dòng)下，近年來企業(yè)債券和政府債券的規(guī)模穩(wěn)中有升，且占社會(huì)融資規(guī)模增量的比重相對(duì)較大，這也一定程度上對(duì)沖了委托貸款和信托貸款下降的影響。

(二)融資強(qiáng)度變化及短期調(diào)整

圖1直觀地反映了2012—2020年間中國融資強(qiáng)度的年度變化趨勢(shì)以及2020年以來的季度短期調(diào)整情況，其中，實(shí)線為2012—2020年中國融資強(qiáng)度的年度變化，虛線為2020年以來的季度短期調(diào)整。根據(jù)圖1可以看出，除2017年首次納入政府債券而導(dǎo)致融資強(qiáng)度大幅上升外，融資強(qiáng)度一直呈現(xiàn)比較穩(wěn)定的態(tài)勢(shì)。2020年中國政府增大信貸投放等舉措使得融資強(qiáng)度提高到0.34，為歷年來最高，且比2018年和2019年分別高出10個(gè)百分點(diǎn)和8個(gè)百分點(diǎn)。

圖1 2012—2021年中國融資強(qiáng)度的變化與短期調(diào)整

從2020年以來季度融資強(qiáng)度的短期調(diào)整來看，季度融資強(qiáng)度整體上明顯上升，2020年第一季度的融資強(qiáng)度高達(dá)0.54，這也是2012年以來首次突破0.5大關(guān)。隨著適時(shí)的短期逆周期調(diào)節(jié)政策陸續(xù)退出，社會(huì)融資規(guī)模逐季回落，融資強(qiáng)度也隨之下降，但整體上仍處于較高水平。除2020年第四季度以外，2020年前三個(gè)季度和2021年第一季度的融資強(qiáng)度均顯著高于2012—2019期間的歷年融資強(qiáng)度，2021年第二季度的融資強(qiáng)度也高于除2017年之外的同期歷年融資強(qiáng)度。

在中國，區(qū)域融資分布不均衡問題一直廣受關(guān)注，從區(qū)域?qū)用嫔蟻砜?，融資分化明顯，區(qū)域融資能力也存在較大的差異[28]。地區(qū)社會(huì)融資規(guī)模是指一定時(shí)期內(nèi)某一地區(qū)從金融體系中獲得的全部資金總額，該指標(biāo)不僅可以全面準(zhǔn)確地反映出金融體系對(duì)特定地區(qū)的資金支持情況，同時(shí)也可以反映出區(qū)域融資能力的不均衡現(xiàn)象。在本文的分析中，選用地區(qū)融資規(guī)模的季度數(shù)據(jù)以進(jìn)一步分析區(qū)域融資強(qiáng)度對(duì)經(jīng)濟(jì)增長影響的區(qū)域異質(zhì)性。

三、模型設(shè)定、估計(jì)方法與變量說明

(一)模型設(shè)定與估計(jì)方法

通過考察區(qū)域融資強(qiáng)度調(diào)整對(duì)中國經(jīng)濟(jì)增長的影響進(jìn)一步分析區(qū)域融資強(qiáng)度調(diào)整在經(jīng)濟(jì)增長中的貢獻(xiàn)效應(yīng)。因此，有必要對(duì)經(jīng)濟(jì)增長率給予更多的關(guān)注。本文采用動(dòng)態(tài)面板模型探究區(qū)域融資強(qiáng)度調(diào)整對(duì)中國各省份經(jīng)濟(jì)增長的動(dòng)態(tài)影響，并考慮了經(jīng)濟(jì)增長的一階或多階滯后項(xiàng)對(duì)當(dāng)期經(jīng)濟(jì)增長的影響。在具體模型設(shè)定時(shí)，本文基于支出法核算GDP的基礎(chǔ)上納入融資強(qiáng)度指標(biāo)，構(gòu)建了如下動(dòng)態(tài)面板模型：

RGDPit=α+β1FINit+β2CRit+β3IRit+

β4RGDPi，t-1+εi+θt+μit

(1)

其中，RGDPit表示i區(qū)在時(shí)間t的GDP增長率，F(xiàn)INit表示i區(qū)在時(shí)間t的融資強(qiáng)度，IRit表示i區(qū)在時(shí)間t的固定資產(chǎn)投資總額的增長率，CRit表示i區(qū)在時(shí)間t的社會(huì)消費(fèi)品零售總額的增長率，RGDPi，t-1表示GDP增長率的一階滯后，εi是省份固定效應(yīng)，θt是季度固定效應(yīng)，μit是隨機(jī)擾動(dòng)項(xiàng)。

在式(1)中，由于包含了被解釋變量的滯后項(xiàng)RGDPi，t-1，可能導(dǎo)致模型內(nèi)生性問題。在實(shí)證分析中，當(dāng)采用傳統(tǒng)的隨機(jī)或固定效應(yīng)模型時(shí)，估計(jì)的系數(shù)存在一定的偏差。因此，在本文的分析中考慮采用系統(tǒng)GMM方法進(jìn)行參數(shù)估計(jì)，以保證估計(jì)結(jié)果的無偏性。較差分GMM估計(jì)而言，系統(tǒng)GMM估計(jì)避免了差分GMM估計(jì)量很容易受到弱工具變量的影響，在有限樣本下其估計(jì)效率也得到了一定的提高[29]。

在系統(tǒng)GMM估計(jì)過程中有必要對(duì)變量進(jìn)行分類。在本文分析中，將固定資產(chǎn)投資總額的增長率IR和社會(huì)消費(fèi)品零售總額的增長率CR設(shè)置為前定變量，融資強(qiáng)度FIN設(shè)置為外生變量。GMM估計(jì)量的一致性關(guān)鍵取決于是否滿足各項(xiàng)假設(shè)條件，主要需要進(jìn)行兩個(gè)假設(shè)檢驗(yàn)。首先，通過Arellano-Bond的自相關(guān)檢驗(yàn)方法對(duì)誤差擾動(dòng)項(xiàng)的二階序列相關(guān)進(jìn)行檢驗(yàn)。此外，隨著周期的增加，系統(tǒng)GMM默認(rèn)生成了大量的工具變量，這可能會(huì)導(dǎo)致過度擬合，削弱模型設(shè)定檢驗(yàn)[30]。為了防止過度識(shí)別，在命令中附加了“collapse”選項(xiàng)，可以極大地壓縮工具變量數(shù)。在Stata軟件中，有幾種不同的命令可以進(jìn)行系統(tǒng)GMM估計(jì)，比如官方命令“xtdpdsys”和非官方命令“xtabond2”。官方命令“xtdpdsys”提供Sargan檢驗(yàn)，而非官方命令“xtabond2”同時(shí)提供Sargan檢驗(yàn)和Hansen檢驗(yàn)。本文采用非官方命令“xtabond2”通過Hansen過度識(shí)別檢驗(yàn)對(duì)所使用的工具變量的有效性進(jìn)行檢驗(yàn)。

(二)變量選取與數(shù)據(jù)處理

采用中國人民銀行公布的社會(huì)融資規(guī)模增量季度數(shù)據(jù)與其季度GDP之比來表示融資強(qiáng)度，用以反映金融對(duì)經(jīng)濟(jì)增長的支持力度。為了能很好地刻畫社會(huì)融資規(guī)模增量調(diào)整及其強(qiáng)度對(duì)中國經(jīng)濟(jì)增長的影響效應(yīng)，本文采用實(shí)際季度GDP的同比增長率作為經(jīng)濟(jì)增長的指標(biāo)。此外，考慮到經(jīng)濟(jì)增長存在一定的慣性，當(dāng)期經(jīng)濟(jì)增長會(huì)受到上期經(jīng)濟(jì)增長的潛在影響。在本文的分析中，也納入了經(jīng)濟(jì)增長的一階滯后項(xiàng)。從某種程度而言，經(jīng)濟(jì)增長一階滯后項(xiàng)的納入，可以視為是對(duì)經(jīng)濟(jì)增長影響分析中所有遺漏變量的綜合表達(dá)，以增強(qiáng)對(duì)經(jīng)濟(jì)增長的解釋。

從支出法的角度來看，總產(chǎn)出水平Y(jié)=C+I+G+NX，消費(fèi)C、投資I以及貿(mào)易進(jìn)出口NX都對(duì)經(jīng)濟(jì)增長具有十分重要的影響。從理論上講，省級(jí)貿(mào)易數(shù)據(jù)應(yīng)該既包括國際(國外)貿(mào)易數(shù)據(jù)，又包括省際(國內(nèi))貿(mào)易數(shù)據(jù)，而在實(shí)際操作中很難獲得省際(國內(nèi))貿(mào)易數(shù)據(jù)，因此本文模型中沒有引入進(jìn)出口相關(guān)變量。同時(shí)考慮到季度數(shù)據(jù)的可獲得性和口徑的問題，本文選用“投資變動(dòng)率”和“消費(fèi)變動(dòng)率”作為研究變量，分別用固定資產(chǎn)投資實(shí)際變動(dòng)率來衡量“投資變動(dòng)率”，用社會(huì)消費(fèi)品零售總額實(shí)際變動(dòng)率來衡量“消費(fèi)變動(dòng)率”。

中國人民銀行自2014年起發(fā)布地區(qū)融資規(guī)模季度數(shù)據(jù)，且因2020年季度GDP總量波動(dòng)大，故此最初擬考慮選取2014—2019年全國31個(gè)省份(不含港、澳、臺(tái)三個(gè)地區(qū)數(shù)據(jù))的季度數(shù)據(jù)開展分析。進(jìn)一步對(duì)各省份融資結(jié)構(gòu)分析時(shí)發(fā)現(xiàn)，西藏和青海兩個(gè)省份的政府債券占比過高①，因此在后續(xù)的實(shí)證分析中將這兩個(gè)省份從全國樣本中剔除②，選取了其余29個(gè)省份樣本單元2014—2019年的季度面板數(shù)據(jù)進(jìn)行實(shí)證研究。此外，對(duì)GDP等變量消除了價(jià)格因素的影響；對(duì)于融資強(qiáng)度指標(biāo)而言，由于是比值數(shù)據(jù)，價(jià)格因素同時(shí)對(duì)分子和分母施加影響，所以本文未做消除價(jià)格因素的處理。文中所涉及的數(shù)據(jù)均來自中國人民銀行和國家統(tǒng)計(jì)局發(fā)布的官方數(shù)據(jù)。

四、實(shí)證結(jié)果與分析

(一)回歸結(jié)果分析

為了更加準(zhǔn)確地考察區(qū)域融資強(qiáng)度調(diào)整對(duì)經(jīng)濟(jì)增長影響的地區(qū)差異，本文基于2014—2020年相對(duì)規(guī)模指標(biāo)——全國人均GDP水平來衡量29個(gè)省份樣本單元的經(jīng)濟(jì)發(fā)展水平③，將29個(gè)省份劃分成兩類地區(qū)，即相對(duì)發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)。具體而言，相對(duì)發(fā)達(dá)地區(qū)包括北京、天津、上海、江蘇、浙江、福建、山東、湖北、廣東、重慶等10個(gè)省，欠發(fā)達(dá)地區(qū)包括河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、安徽、江西、河南、湖南、廣西、海南、四川、貴州、云南、陜西、甘肅、寧夏、新疆等19個(gè)省。

表2分別列出了2014—2019年全國和兩類地區(qū)三種樣本情形下的描述性統(tǒng)計(jì)，從中可以看出，全國樣本的各項(xiàng)平均值和標(biāo)準(zhǔn)差均介于相對(duì)發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)兩類樣本之間。相對(duì)發(fā)達(dá)地區(qū)的經(jīng)濟(jì)增長率(RGDP)的平均值明顯高于欠發(fā)達(dá)地區(qū)，且其標(biāo)準(zhǔn)差更小，這表明相對(duì)發(fā)達(dá)地區(qū)整體經(jīng)濟(jì)發(fā)展優(yōu)于欠發(fā)達(dá)地區(qū)，且其各省份之間的經(jīng)濟(jì)水平差距更小，發(fā)展更加均衡。而對(duì)于融資強(qiáng)度(FIN)而言，相對(duì)發(fā)達(dá)地區(qū)的平均值和標(biāo)準(zhǔn)差都略高于欠發(fā)達(dá)地區(qū)，這說明相對(duì)發(fā)達(dá)地區(qū)整體的融資強(qiáng)度更高，同時(shí)各省份之間的差異也較大。欠發(fā)達(dá)地區(qū)的消費(fèi)變動(dòng)率(CR)均值略高于相對(duì)發(fā)達(dá)地區(qū)，投資變動(dòng)率(IR)則與GDP增長率有著相類似的特征，即相對(duì)發(fā)達(dá)地區(qū)的平均值高于欠發(fā)達(dá)地區(qū)，且其標(biāo)準(zhǔn)差更小，這同樣表明相對(duì)發(fā)達(dá)地區(qū)投資增長快于欠發(fā)達(dá)地區(qū)，且其各省份之間的差距也更小。

表2 描述性統(tǒng)計(jì)

表3列出了三種樣本情形下系統(tǒng)GMM方法的估計(jì)結(jié)果?？梢钥闯?，對(duì)于全國樣本情形而言，融資強(qiáng)度(FIN)的系數(shù)為0.635，且通過了1%的顯著性水平檢驗(yàn)；對(duì)于相對(duì)發(fā)達(dá)地區(qū)樣本情形和欠發(fā)達(dá)地區(qū)樣本情形而言，融資強(qiáng)度(FIN)的系數(shù)分別為0.606、1.081，且均通過了5%的顯著性水平檢驗(yàn)。這表明了無論是在全國樣本情形下還是在兩類地區(qū)樣本情形下，融資強(qiáng)度對(duì)經(jīng)濟(jì)增長均具有顯著的正向促進(jìn)作用；且融資強(qiáng)度每提高0.1，三種樣本情形下的經(jīng)濟(jì)增長率分別提高0.064(全國樣本)、0.060(相對(duì)發(fā)達(dá)地區(qū))和0.108(欠發(fā)達(dá)地區(qū))個(gè)百分點(diǎn)。此外，三種樣本情形下的IR系數(shù)均為正值，且至少在5%的顯著性水平上顯著；三種樣本情形下的CR系數(shù)也均為正值，對(duì)于全國樣本情形和相對(duì)發(fā)達(dá)地區(qū)樣本而言，也均通過了10%的顯著性水平檢驗(yàn)。盡管在欠發(fā)達(dá)地區(qū)樣本情形下消費(fèi)變動(dòng)率(CR)未能通過顯著性檢驗(yàn)，但無論是對(duì)于全國樣本還是相對(duì)發(fā)達(dá)地區(qū)樣本而言，模型的估計(jì)結(jié)果均具有比較強(qiáng)的解釋性，這表明采用的模型是比較合適的；對(duì)于欠發(fā)達(dá)地區(qū)樣本而言，模型的估計(jì)結(jié)果也具有一定的參考意義。進(jìn)一步比較三種樣本情形下融資強(qiáng)度(FIN)的系數(shù)值大小，可以發(fā)現(xiàn)呈現(xiàn)出“相對(duì)發(fā)達(dá)地區(qū)<全國<欠發(fā)達(dá)地區(qū)”的關(guān)系，全國層面的系數(shù)值介于相對(duì)發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)之間；這大致表明，融資強(qiáng)度對(duì)相對(duì)發(fā)達(dá)地區(qū)的經(jīng)濟(jì)增長促進(jìn)作用相對(duì)更小，而對(duì)欠發(fā)達(dá)地區(qū)經(jīng)濟(jì)增長的促進(jìn)作用更為明顯。

表3 三種樣本情形下系統(tǒng)GMM的回歸結(jié)果

表3也顯示出在三種樣本情形下，RGDP(-1)的系數(shù)均為正值，且均通過了1%的顯著性水平檢驗(yàn)，當(dāng)期經(jīng)濟(jì)增長與上一期經(jīng)濟(jì)增長之間存在很強(qiáng)的正相關(guān)性，說明了中國經(jīng)濟(jì)增長確實(shí)存在一定的慣性，這也表明了在模型中納入經(jīng)濟(jì)增長的一階滯后項(xiàng)是可取的。此外，無論是在全國還是兩類地區(qū)的樣本情形下，AR(1)的P值都嚴(yán)格小于0.1，AR(2)的P值都大于0.1。這表明模型的隨機(jī)誤差項(xiàng)存在一階自相關(guān)而不存在二階自相關(guān)，通過了自相關(guān)檢驗(yàn)。

(二)穩(wěn)健性檢驗(yàn)

本文在實(shí)證分析中所采用的Stata非官方命令“xtabond2”，可以同時(shí)提供Sargan檢驗(yàn)和Hansen檢驗(yàn)。而當(dāng)樣本量比較小時(shí)，Sargan檢驗(yàn)拒絕原假設(shè)的能力可能很低[31]，過度識(shí)別檢驗(yàn)多采用Hansen檢驗(yàn)[32-33]。根據(jù)表3中的結(jié)果可以看出，三種樣本情形下Hansen檢驗(yàn)所對(duì)應(yīng)的P值均大于0.1，這說明工具變量的有效性基本通過了檢驗(yàn)。

此外，進(jìn)一步選用相對(duì)發(fā)達(dá)地區(qū)④的樣本數(shù)據(jù)，通過限制滯后階數(shù)的方法進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果見表4。從中可以看出，幾乎所有項(xiàng)的估計(jì)系數(shù)都在5%的水平上保持顯著，且在各種減少工具變量的情況下，系數(shù)估計(jì)值的變化相對(duì)較小，各項(xiàng)系數(shù)均在數(shù)值上也同樣保持了較好的一致性，這表明了模型的結(jié)果是穩(wěn)健的。

表4 限制不同滯后階數(shù)下2014—2019年相對(duì)發(fā)達(dá)地區(qū)的系統(tǒng)GMM估計(jì)結(jié)果

(三)區(qū)域融資強(qiáng)度及其調(diào)整對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)效應(yīng)

圖2反映了三種樣本情形下2014—2019年融資強(qiáng)度對(duì)經(jīng)濟(jì)增長貢獻(xiàn)率的變化情況。從中可以看出，無論是對(duì)于全國樣本而言，還是對(duì)于兩類地區(qū)樣本而言，2014—2019年間融資強(qiáng)度對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)率都呈現(xiàn)出季節(jié)性波動(dòng)的特點(diǎn)，且整體上相對(duì)穩(wěn)定。從數(shù)值大小看，融資強(qiáng)度對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)率存在一定的地區(qū)差異，在欠發(fā)達(dá)地區(qū)樣本情形下融資強(qiáng)度對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)率大概在2.4～5.5個(gè)百分點(diǎn)之間，普遍高于在全國樣本情形下(1.6～3.3)和在相對(duì)發(fā)達(dá)地區(qū)樣本情形下(1.2～3.8)的貢獻(xiàn)效應(yīng)。

圖2 三種樣本情形下2014—2019年融資強(qiáng)度的經(jīng)濟(jì)增長貢獻(xiàn)率變化情況

利用模型中融資強(qiáng)度(FIN)系數(shù)的估計(jì)值β1(表3)，分別計(jì)算出三種樣本情形下2020—2021年各季度各省份融資強(qiáng)度貢獻(xiàn)項(xiàng)β1FINit的數(shù)值，同樣以各數(shù)值系列的中位數(shù)來近似表示某樣本情形下該季度區(qū)域融資強(qiáng)度對(duì)經(jīng)濟(jì)增長的實(shí)際貢獻(xiàn)效應(yīng)(簡(jiǎn)稱實(shí)際貢獻(xiàn)效應(yīng))，具體見表5。從中可以看出，在三種樣本情形下，實(shí)際貢獻(xiàn)效應(yīng)在整體上呈現(xiàn)出逐季減弱的季節(jié)波動(dòng)性；且在欠發(fā)達(dá)地區(qū)樣本情形下，實(shí)際貢獻(xiàn)效應(yīng)普遍高于全國樣本情形下和相對(duì)發(fā)達(dá)地區(qū)情形下的貢獻(xiàn)效應(yīng)。

進(jìn)一步測(cè)算出假定融資強(qiáng)度未調(diào)整狀態(tài)下的模擬貢獻(xiàn)效應(yīng)⑤(簡(jiǎn)稱模擬貢獻(xiàn)效應(yīng))，并將2020年以來6個(gè)季度的實(shí)際貢獻(xiàn)效應(yīng)與其進(jìn)行對(duì)比，利用二者的差值來表示區(qū)域融資強(qiáng)度調(diào)整對(duì)經(jīng)濟(jì)增長貢獻(xiàn)效應(yīng)(簡(jiǎn)稱調(diào)整貢獻(xiàn)效應(yīng))。根據(jù)表5可以發(fā)現(xiàn)，三種樣本情形下的調(diào)整效應(yīng)均為正值，且呈現(xiàn)逐季減弱的態(tài)勢(shì)；同樣，在欠發(fā)達(dá)地區(qū)樣本情形下，調(diào)整貢獻(xiàn)效應(yīng)也普遍高于全國樣本情形下和相對(duì)發(fā)達(dá)地區(qū)情形下的貢獻(xiàn)效應(yīng)。這表明區(qū)域融資強(qiáng)度的調(diào)整對(duì)經(jīng)濟(jì)增長具有正向的貢獻(xiàn)效應(yīng)，且這種貢獻(xiàn)效應(yīng)在欠發(fā)達(dá)地區(qū)表現(xiàn)得更為顯著；此外，隨著融資強(qiáng)度調(diào)整力度的減弱，調(diào)整貢獻(xiàn)效應(yīng)也在逐漸減弱。

表5 2020年以來三種樣本情形下季度融資強(qiáng)度調(diào)整的經(jīng)濟(jì)增長貢獻(xiàn)效應(yīng)分析

五、結(jié)論和討論

本文首先考察了中國社會(huì)融資規(guī)模變化與融資強(qiáng)度的短期調(diào)整，然后基于GDP核算的支出法，選擇2014—2019年24個(gè)季度時(shí)間段的省級(jí)數(shù)據(jù)，建立納入了融資強(qiáng)度變量的動(dòng)態(tài)面板模型，采用系統(tǒng)GMM估計(jì)方法分別在三種樣本情形下具體考察了區(qū)域融資強(qiáng)度調(diào)整對(duì)中國經(jīng)濟(jì)增長的影響與貢獻(xiàn)效應(yīng)。主要研究結(jié)論如下。

第一，無論對(duì)于全國樣本還是兩類地區(qū)樣本而言，區(qū)域融資強(qiáng)度對(duì)經(jīng)濟(jì)增長均存在顯著的正向促進(jìn)作用，且區(qū)域融資強(qiáng)度對(duì)經(jīng)濟(jì)增長的影響呈現(xiàn)區(qū)域異質(zhì)性。在三類樣本情形下，融資強(qiáng)度每提高0.1，經(jīng)濟(jì)增長率分別提高0.064(全國樣本)、0.060(相對(duì)發(fā)達(dá)地區(qū))和0.108(欠發(fā)達(dá)地區(qū))個(gè)百分點(diǎn)，呈現(xiàn)出“相對(duì)發(fā)達(dá)地區(qū)<全國<欠發(fā)達(dá)地區(qū)”的關(guān)系。模型分析結(jié)果也表明：模型具有較強(qiáng)的適用性，且在模型中納入經(jīng)濟(jì)增長的一階滯后項(xiàng)是可取的。

第二，區(qū)域融資強(qiáng)度對(duì)經(jīng)濟(jì)增長的實(shí)際貢獻(xiàn)率呈現(xiàn)出季節(jié)性波動(dòng)的特點(diǎn)，且在欠發(fā)達(dá)地區(qū)樣本情形下這種貢獻(xiàn)效應(yīng)相對(duì)更明顯，高于在相對(duì)發(fā)達(dá)地區(qū)樣本情形下和在全國樣本情形下的貢獻(xiàn)效應(yīng)。對(duì)區(qū)域融資強(qiáng)度調(diào)整的經(jīng)濟(jì)增長貢獻(xiàn)效應(yīng)模擬分析也表明，2020年以來三種樣本情形下各季度融資強(qiáng)度調(diào)整的經(jīng)濟(jì)增長貢獻(xiàn)效應(yīng)均高于在假定融資強(qiáng)度未調(diào)整狀態(tài)下得到的模擬貢獻(xiàn)效應(yīng)，且在欠發(fā)達(dá)地區(qū)樣本情形下，融資強(qiáng)度調(diào)整的貢獻(xiàn)效應(yīng)也普遍高于全國樣本情形下和相對(duì)發(fā)達(dá)地區(qū)情形下的貢獻(xiàn)效應(yīng)。

第三，2020年以來，社會(huì)融資規(guī)模進(jìn)行了一系列的短期調(diào)整，季度融資強(qiáng)度整體上呈明顯上升態(tài)勢(shì)，且2020—2021年6個(gè)季度，三種樣本情形下的區(qū)域融資強(qiáng)度調(diào)整對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)效應(yīng)均為正值。這表明在三種樣本情形下區(qū)域融資強(qiáng)度的調(diào)整對(duì)經(jīng)濟(jì)增長都存在正向的貢獻(xiàn)效應(yīng)。

金融是現(xiàn)代經(jīng)濟(jì)的核心，新時(shí)代要重點(diǎn)把握金融發(fā)展與經(jīng)濟(jì)增長之間的關(guān)系。一方面，金融業(yè)作為服務(wù)業(yè)可以直接貢獻(xiàn)實(shí)體經(jīng)濟(jì)的產(chǎn)出[34]；另一方面，金融工具還是資源配置和經(jīng)濟(jì)調(diào)控的重要手段。因此，提高區(qū)域金融服務(wù)能力，使金融發(fā)展更好地服務(wù)于經(jīng)濟(jì)增長，實(shí)現(xiàn)金融同實(shí)體經(jīng)濟(jì)的均衡發(fā)展?；诖耍岢鲆韵抡呓ㄗh。

(一)合理調(diào)節(jié)融資差距，促進(jìn)區(qū)域金融協(xié)調(diào)發(fā)展

提高區(qū)域金融服務(wù)能力，不僅可以為經(jīng)濟(jì)增長提供原動(dòng)力，還可以協(xié)調(diào)區(qū)域金融發(fā)展，助力解決區(qū)域發(fā)展不平衡問題。從總體上來看，中國區(qū)域金融分布不均，融資規(guī)模、融資強(qiáng)度的地區(qū)差異較大，金融資源的市場(chǎng)化配置使其更多流向了相對(duì)發(fā)達(dá)地區(qū)。而利用政府“有形的手”主動(dòng)調(diào)節(jié)社會(huì)融資規(guī)模是一種非常有效的宏觀調(diào)控手段，而且這種調(diào)控效果在欠發(fā)達(dá)地區(qū)更為顯著。因此，通過中央轉(zhuǎn)移支付等手段適度加大對(duì)欠發(fā)達(dá)地區(qū)的融資力度，有針對(duì)性地提高部分地區(qū)的社會(huì)融資規(guī)模水平，可以從金融視角提出縮小區(qū)域經(jīng)濟(jì)發(fā)展不平衡的策略，進(jìn)而促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。

(二)適當(dāng)優(yōu)化融資結(jié)構(gòu)，有效發(fā)揮多渠道融資功能

著力優(yōu)化融資結(jié)構(gòu)，引入創(chuàng)新型融資工具，滿足多樣化的投融資需求。以銀行間接融資為主導(dǎo)的金融業(yè)的高速發(fā)展成為中國經(jīng)濟(jì)增長的重要因素。隨著金融市場(chǎng)的不斷發(fā)展，金融體系的不斷完善，融資結(jié)構(gòu)的調(diào)整和優(yōu)化對(duì)于深化金融體制改革、提高金融服務(wù)能力，促進(jìn)經(jīng)濟(jì)增長等都具有十分重要的意義。當(dāng)下，為了充分發(fā)揮金融調(diào)控的有效性，必須同時(shí)關(guān)注融資結(jié)構(gòu)的優(yōu)化升級(jí)和資金流向的靈活便捷。

第一，深入推進(jìn)債券市場(chǎng)的創(chuàng)新發(fā)展，提高直接融資規(guī)模比重。在保持人民幣貸款這一主要融資渠道的基礎(chǔ)上，拓寬融資渠道，適當(dāng)增加政府債券和企業(yè)債券等的融資規(guī)模，穩(wěn)步推進(jìn)融資結(jié)構(gòu)優(yōu)化升級(jí)。大力發(fā)展公司信用類債券，積極發(fā)揮優(yōu)質(zhì)企業(yè)的直接融資功能，完善債券市場(chǎng)的發(fā)行注冊(cè)制度，加快知識(shí)產(chǎn)權(quán)證券化，提高企業(yè)債券的資金使用效率。

第二，適度調(diào)控資金流向，強(qiáng)化其產(chǎn)業(yè)引導(dǎo)功能。經(jīng)濟(jì)金融化表現(xiàn)為金融資本通過投資信貸等手段介入產(chǎn)業(yè)資本，并控制產(chǎn)業(yè)資本的運(yùn)行，進(jìn)而影響實(shí)體經(jīng)濟(jì)的發(fā)展[35]。加大政策傾斜和資金引導(dǎo)的力度，促使更多的金融資本流向經(jīng)濟(jì)社會(huì)發(fā)展的重點(diǎn)領(lǐng)域，優(yōu)先發(fā)展社會(huì)生產(chǎn)中的關(guān)鍵技術(shù)和薄弱環(huán)節(jié)。同時(shí)，充分挖掘各地具有投資需求潛力的領(lǐng)域，探索建立相應(yīng)的投融資激勵(lì)機(jī)制，因地制宜支持有較好發(fā)展?jié)摿Φ念I(lǐng)域優(yōu)先發(fā)展，重點(diǎn)把握各區(qū)域經(jīng)濟(jì)增長的著力點(diǎn)。

(三)建立科學(xué)的融資評(píng)價(jià)指標(biāo)，切實(shí)完善金融監(jiān)管體系

隨著金融市場(chǎng)的快速發(fā)展，理論研究與政策操作都需要能全面、準(zhǔn)確地反映金融與經(jīng)濟(jì)關(guān)系的統(tǒng)計(jì)指標(biāo)。區(qū)別于傳統(tǒng)的貨幣供應(yīng)量指標(biāo)，社會(huì)融資規(guī)模建立在信用渠道的理論基礎(chǔ)之上，納入更加廣泛、多元的融資渠道，全面地反映了一段時(shí)間內(nèi)實(shí)體經(jīng)濟(jì)從整個(gè)金融體系獲得的資金支持。建立地區(qū)社會(huì)融資規(guī)模統(tǒng)計(jì)指標(biāo)，有利于改善地區(qū)融資環(huán)境，增強(qiáng)金融與經(jīng)濟(jì)間的良性互動(dòng)，促進(jìn)區(qū)域經(jīng)濟(jì)結(jié)構(gòu)的優(yōu)化和轉(zhuǎn)型升級(jí)，縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。同時(shí)，其豐富的結(jié)構(gòu)化細(xì)分對(duì)政府的宏觀調(diào)控也具有一定的指示作用。為了金融工具能更好地發(fā)揮調(diào)節(jié)資源配置和服務(wù)實(shí)體經(jīng)濟(jì)的作用，應(yīng)進(jìn)一步著力健全融資機(jī)制與指標(biāo)監(jiān)測(cè)，完善中央調(diào)控手段和傳導(dǎo)機(jī)制，保持社會(huì)融資規(guī)模合理適度增長，強(qiáng)化金融體系的逆周期調(diào)節(jié)功能。

在推進(jìn)金融改革進(jìn)程的同時(shí)，尤其要加強(qiáng)區(qū)域金融風(fēng)險(xiǎn)的監(jiān)測(cè)，構(gòu)建完善的金融監(jiān)管體系。一方面，從根本上防范和化解重大金融風(fēng)險(xiǎn)，統(tǒng)籌金融發(fā)展與金融安全，牢牢守住金融安全的紅線；另一方面，為實(shí)體經(jīng)濟(jì)提供寬松穩(wěn)定的融資環(huán)境，引導(dǎo)金融資本有序流向?qū)嶓w產(chǎn)業(yè)，使其成為貨幣調(diào)控政策的有益補(bǔ)充，共同促進(jìn)中國經(jīng)濟(jì)社會(huì)的穩(wěn)定發(fā)展。

當(dāng)前，中國經(jīng)濟(jì)社會(huì)發(fā)展進(jìn)入了新階段。在貫徹新發(fā)展理念、構(gòu)建新發(fā)展格局的引領(lǐng)下，金融發(fā)展要始終以多元化為目標(biāo)，以促進(jìn)經(jīng)濟(jì)協(xié)調(diào)增長為宗旨，建設(shè)和發(fā)展中國特色資本市場(chǎng)，調(diào)節(jié)區(qū)域融資差距，優(yōu)化區(qū)域融資結(jié)構(gòu)，完善融資監(jiān)管體系，朝著效率優(yōu)先的方向進(jìn)行改變，有效發(fā)揮融資規(guī)模及其調(diào)整對(duì)經(jīng)濟(jì)增長的調(diào)節(jié)作用，從而推動(dòng)經(jīng)濟(jì)社會(huì)協(xié)調(diào)健康發(fā)展。

注 釋：

①2019年西藏全年社會(huì)融資規(guī)模增量為23億元，其中，政府債券增量為122億元，是社會(huì)融資規(guī)模增量的5.24倍；2020年青海全年社會(huì)融資規(guī)模增量為117億元，其中，政府債券增量為349億元，是社會(huì)融資規(guī)模增量的2.98倍。

②考慮到中國人民銀行公布的地區(qū)社會(huì)融資規(guī)模數(shù)據(jù)從2018年才開始細(xì)分出政府債券項(xiàng)，并僅對(duì)2017年以來社會(huì)融資規(guī)模數(shù)據(jù)進(jìn)行了調(diào)整，因而無法全部將2014-2019研究時(shí)段內(nèi)的政府債券從社會(huì)融資規(guī)模數(shù)據(jù)中剔除。故在本文中，將這兩個(gè)省份做剔除處理。

③參考發(fā)表在《中國工業(yè)經(jīng)濟(jì)》2019年第1期的文章“偏離最優(yōu)公共—私人投資比對(duì)經(jīng)濟(jì)增長的影響”中的方法，詳細(xì)解釋見官方網(wǎng)站(http：//www.ciejournal.org)公開附件。由于選取研究時(shí)段的不同，本文中的地區(qū)劃分結(jié)果與此文有所不同。

④在上文實(shí)證分析中，模型在相對(duì)發(fā)達(dá)地區(qū)樣本的擬合效果最好，故此首先選用了該樣本進(jìn)行限制滯后期的檢驗(yàn)。在全國樣本和欠發(fā)達(dá)地區(qū)樣本兩種情形下，估計(jì)出的各個(gè)系數(shù)在數(shù)值上也同樣保持了較好的一致性，除CR項(xiàng)未能通過顯著性檢驗(yàn)外，其余各項(xiàng)均通過了顯著性檢驗(yàn)。

⑤模擬貢獻(xiàn)效應(yīng)計(jì)算過程如下：(1)首先根據(jù)前文對(duì)中國社會(huì)融資規(guī)模變動(dòng)趨勢(shì)的分析，選用2018年和2019年的數(shù)據(jù)，得到各季度融資強(qiáng)度序列數(shù)據(jù)的中位數(shù)。(2)根據(jù)步驟1得到的各季融資強(qiáng)度的中位數(shù)，將這些中位數(shù)放在一起，得到一個(gè)數(shù)據(jù)系列。(3)考慮到融資強(qiáng)度的季節(jié)性，分季度計(jì)算步驟2數(shù)據(jù)系列的平均數(shù)，將其視作為調(diào)整未調(diào)整狀態(tài)下的季度融資強(qiáng)度。(4)計(jì)算出對(duì)應(yīng)的β1FINit的數(shù)值，將其視作模擬貢獻(xiàn)效應(yīng)的近似表達(dá)。