本站小編為你精心準備了金融資產結構與經濟增長論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1數據的選取與處理

本文選取存貸款總額、股票總市值、保費收入、金融資產總量、人均GDP、地區CPI等指標，運用1993①～2013年浙江省相關數據，對金融資產結構與經濟增長關系進行實證分析。其中，貨幣類金融資產（存貸款）數據來自中國人民銀行、《浙江統計年鑒》［9］；證券類金融資產（股票總市值）數據由筆者根據Wind數據庫資料統計整理而成；保險類金融資產（保費收入）數據來自《浙江統計年鑒》、Wind數據庫、中國保險監督管理委員會；經濟（人均GDP）數據來自國家統計局、浙江省統計局。如果不考慮通貨膨脹因素，會影響回歸系數中的殘差項等，因此本文采用居民消費價格指數代表通脹率，把1993年的CPI（居民消費價格水平）作為基底并定義取值為1，其他年份的數據對應折算。此外，為了消除時間序列的波動性和異方差性，并使計算方便，各變量均取自然對數處理。為了后文敘述方便，對變量名稱做如下解釋：M———存貸款總額，衡量貨幣類金融資產；S———股票總市值，衡量證券類金融資產；I———保費收入，衡量保險類金融資產；FA———金融資產總量，衡量金融資產總規模；GD－PA———人均GDP，衡量經濟發展水平。

1.1平穩性和協整性檢驗變量的平穩性是計量經濟學分析的基礎，模型中的變量只有滿足平穩性要求時，傳統的計量研究方法才科學有效。協整檢驗的前提也是序列平穩，如果非平穩的序列經過差分后平穩，說明存在線性的協整關系，因此在協整檢驗前先進行ADF單位根檢驗。本文采用的是時間序列數據，一般是非平穩的，缺乏固定的期望值，且表現出顯著的趨勢性和周期性。運用ADF（AugmentedDickey－Fuller）檢驗的方法檢驗是否存在單位根。借助Eviews6．0［10］對浙江的各類數據進行處理，如果隨機過程進行N次差分后變為平穩序列，則該序列就具有N階單整性，檢驗結果如表2所示。檢驗形式（c，t，n）分別表示單位根檢驗中包含常數項、時間趨勢及滯后項的階數，滯后期根據AIC準則確定，D表示一階差分，D2表示二階差分。ADF值大于5％水平下的臨界值，從而拒絕H0，表明序列不存在單位根，是平穩序列。從分析結果看，表2中所有變量均為一階單整，即符合I（1），用計量方法研究有效，結果具有可信度。在通過了平穩性檢驗后，進一步對序列進行協整檢驗，考察各變量之間是否存在長期穩定的關系，證明回歸方程是有意義的，不存在偽回歸。考慮到是多個變量，在此選用Johansen－Juselius檢驗法進行協整檢驗，結果整理如表3。從檢驗結果看，1993～2013年的各時間序列變量間均存在長期穩定的關系，回歸方程有意義，可以進行Granger因果檢驗和OLS回歸。

1.2Granger因果檢驗前文的協整檢驗已經證明了1993～2013年金融資產與人均GDP均存在長期穩定的關系，接下來確定變量間表現出的長期均衡關系是否有效構成因果關系。運用格蘭杰因果檢驗方法，借助Eviews6．0考察，檢驗結果整理如表4。從Granger因果檢驗結果可以看出，金融資產總量對經濟增長的影響作用顯著，而經濟增長對金融資產總量的反作用并不明顯；貨幣類資產、保險類資產是經濟增長的Granger原因，但不存在反向作用；經濟增長較為突出的影響著證券類資產。

2金融資產外部結構與經濟增長關系的統計檢驗

2.1雙對數回歸模型和自相關性檢驗金融資產外部結構指金融資產總量占GDP比率。首先對金融資產總量與經濟增長關系做統計檢驗。在上述檢驗的基礎上用Eviews6．0進行OLS回歸分析，構建計量回歸模型如下。如果α＞0，且能夠通過T檢驗，則證明金融資產對經濟增長有正向促進作用。實證結果如表5所示。從實證結果看，F值均較大，R2與Ad－R2值均接近1，說明方程總體的擬合度很高，單個變量的t值也均能通過檢驗。但是D．W．值過低，可能存在自相關性。由于OLS回歸結果顯示，D．W．值偏小，可能存在低階自相關性，進一步用LM檢驗法驗證回歸方程是否存在高階自相關性，原假設（H0）：直到2階滯后不存在序列相關。表6中LM檢驗結果顯示，P值小于0．05，表示在5％的顯著性水平下拒絕原假設，證明存在序列相關。為了對模型進行修正，擬采用Q統計檢驗，得到殘差序列相關圖1。AC為自相關系數，PAC為偏自相關系數。從殘差序列相關圖中可以看出，自相關系數在1階、5階截尾，偏自相關系數在1階截尾，序列存在顯著自相關。

2.2異方差性檢驗在金融時間序列中，殘差的當期值明顯與鄰近的殘差值有關，如果回歸序列的殘差存在異方差性，OLS估計量仍具有一致性，但其標準差不具有有效性，因此應當選擇穩健標準差進行修正，或選用加權最小二乘法進行估計。通過Eviews6．0實現這一過程，結果如表7所示，觀察到Obs＊R的P值均大于5％的顯著性水平，證明回歸序列不存在異方差性。

2.3修正后的回歸模型對財經數據而言，隨機游走是很好的模型，此處修正擬采用ARIMA模型［11］。ARIMA模型的思路是：當回歸模型的擾動項存在序列相關時，則將擾動項的滯后殘差逐項代入該方程，可以獲得一個參數為非線性、擾動項為白噪聲序列的回歸方程，并借助Gauss－Newton迭代法求解方程的參數。擬在模型中添加AR（1）、AR（2）進行修正，修正后的OLS估計結果如表8。可以看出，在修正后的模型中，D．W．值有顯著改善，且各項指標良好，充分說明了金融資產總量與經濟增長之間的關系。回歸系數為．5423（t＝33．857），說明經濟增長對金融資產總量起到正向促進作用，且效果顯著。

3金融資產內部結構與經濟增長關系的統計檢驗

3.1雙對數回歸模型金融資產內部結構指不同類型金融資產占金融資產總量的比率。通過相關性檢驗，可以發現貨幣類金融資產和保險類金融資產的相關系數頗高，為0．9981，擬在模型中引入乘積變量lnM•lnI．從表10看，回歸結果并不理想。證券類資產、保險類資產、貨幣類資產與保險類資產的交叉項的顯著性水平較差，考慮是否存在冗余變量需要剔除。另外D．W．值偏小，可能存在序列相關問題。以下將就此問題對模型進行修正。

3.2冗余變量檢驗從上面的實證結果看，證券類資產、保險類資產、貨幣類資產與保險類資產的交叉項的顯著性水平均較差，這可能是由于指標樣本數過少導致，以下考慮是否應當剔除一些變量。原假設（H0）：被檢驗變量的系數為0。選擇Eviews6．0中的RedundantVariables－LikelihoodRatio功能，得到如表11所示的結果。

3.3自相關和廣義差分分析從剔除冗余變量后模型的OLS回歸結果看，t值和F值均有所提升，但是D．W．值仍然明顯小于2，殘差序可能存在正的序列相關。先進行LM檢驗，原假設（H0）：直到2階滯后不存在序列相關。結果顯示，Obs＊R的P值小于0．05，拒絕原假設，證明存在序列相關。為了解決自相關問題，采用廣義差分法對模型進行估計。根據殘差序列圖的顯示，擬借助自回歸移動平均模型，在模型中添加MA（1）進行修正。如表14所示，修正后模型的D．W．值為2．108917，Ad－R2由0．994565提升至0．997260，F值由1830．929增強至2427．630，且所有變量系數均通過顯著性檢驗。經過修正，統計結果大有改善。通過以上分析可以得出結論：從方程整體看，Ad－R2為0．997671，F值為2427．630，對應的P值為0．000000，表明方程整體的擬合度很高，回歸有效。D．W．值為2．108917，較修正之前的1．129818有顯著改善。從單個變量看，貨幣類資產的系數為0．9207，表明銀行存貸款每增長1％，人均GDP平均增長0．9207％，具有明顯正向促進作用，且t值為8．5194，P值為0．0000，顯著性水平極高；修正前證券類資產的系數為0．0194，表現出一定的正向促進作用，但t值為0．7319，P值僅為0．4748，顯著性水平較差，后經檢驗作為冗余變量剔除；保險類資產系數為－0．2681，表明保險資產每增長1％，人均GDP反而下降0．2681％，存在反向抑制作用，t值為－2．4318，P值為0．0264，顯著性水平較高。修正添加的MA（1）項值為0．9974，t值為14．0590，P值為0．0000，修正效果極為明顯。

4結論與建議

從Granger因果檢驗看，浙江金融資產總量對經濟增長的影響作用顯著，而經濟增長對金融資產總量的反作用并不明顯。但以經濟增長為自變量，金融資產總量為因變量做回歸，發現存在嚴重的序列自相關問題，經過ARIMA模型修正后的回歸系數為1．5423（t＝33．875），說明經濟增長對金融資產總量起到了強有力的促進作用。不同類型的金融資產對經濟增長的貢獻度差異較大。貨幣類資產系數為0．9207（t＝8．5194），具有明顯的正向促進作用，且修正后的顯著性水平得到進一步提高。證券類資產變量系數顯著性水平較低，只有0．0194，不能通過檢驗。保險類資產表現出對經濟增長的反向抑制作用，系數為－0．2681（t＝－2．4318），說明浙江保險市場的發展總體不盡人意。根據上述研究結果，建議通過優化金融資產結構來增強金融對經濟的支撐和促進作用。一是建立健全多層次的資本市場體系，提高證券類資產對經濟的促進作用。二是完善保險市場體系，創新保險業務與產品，促使保險在經濟建設中發揮積極的促進作用。

作者：黃燕君李融單位：浙江大學經濟學院