從雨佳

(安徽財經(jīng)大學 金融學院，安徽 蚌埠　233030)

?

“修正的克強指數(shù)”與安徽省經(jīng)濟增長的關(guān)系

從雨佳

(安徽財經(jīng)大學 金融學院，安徽 蚌埠233030)

摘要：“克強指數(shù)”由工業(yè)用電量、鐵路貨運量和銀行中長期貸款這三個指標構(gòu)成?；诎不帐嵡椋瑢﹁F路貨運量和銀行中長期貸款這兩個指標進行改進，提出“修正的克強指數(shù)”。根據(jù)安徽省1998年到2014年的數(shù)據(jù)建立ECM模型，得到工業(yè)用電量、貨物運輸量以及金融機構(gòu)貸款余額增長的與安徽省GDP增長的之間的動態(tài)關(guān)系。

關(guān)鍵詞：“克強指數(shù)”；GDP；金融機構(gòu)貸款余額；貨物運輸量；工業(yè)用電量

0引言

2010年，英國雜志《經(jīng)濟學人》為了評級中國GDP增長量創(chuàng)造了“克強指數(shù)”這一指標。這一概念的提出源于李克強在2007年擔任遼寧省委書記時，稱自己喜歡用全省鐵路運貨量、用電量和銀行已發(fā)放貸款量來衡量經(jīng)濟的動向。之后花旗銀行對這幾個變量之間做了簡單的線性回歸，得到“克強指數(shù)”的公式：克強指數(shù)=0.25*鐵路貨運量增速+0.35*銀行中長期貸款余額增速+0.4*工業(yè)用電量增速。

在“克強指數(shù)”這一概念提出之前，我國已有大量的學者對工業(yè)用電量、交通運輸業(yè)以及融資的規(guī)模與GDP的增長量進行過探討。何永秀、趙四化等(2006)用格氏因果關(guān)系和修正誤差模型對中國的經(jīng)濟增長和用電量進行研究，發(fā)現(xiàn)當用電量增長時國民經(jīng)濟也會隨之增長，但不同工業(yè)部門的用電量對經(jīng)濟的增長起著不同的作用。[1]張靜、劉婷(2010)就廣西地區(qū)鐵路運輸和地方的經(jīng)濟增長建立回歸模型進行了定量分析，得到貨物周轉(zhuǎn)量每增加1%時，GDP的增長為2.07%。[2]韓愛華(2009)以上海市為例，利用關(guān)聯(lián)度分析方法研究GDP增長與信貸擴大的關(guān)系，并得出銀行短期工業(yè)貸款、中長期基礎(chǔ)建設(shè)貸款與GDP的相關(guān)性最高的結(jié)論。[3]在“克強指數(shù)”提出之后，國內(nèi)又有部分學者對該指數(shù)與GDP的增速關(guān)系進行了更深一步的討論。祝煦，黃正勇(2014)以我國的貨運總量、新增貸款量以及全社會用電量為評經(jīng)濟指標，對原有的“克強指數(shù)”做出了修正，提出了“修正的克強指數(shù)”，并基于2008年到2011年的月度數(shù)據(jù)為樣本，建立一元和二元的動態(tài)ARIMAX模型進行對比。[4]唐德祥、孫權(quán)等(2015)采用VECM模型對重慶市經(jīng)濟增長和“克強指數(shù)”之間的關(guān)系進行了動態(tài)的分析，發(fā)現(xiàn)“克強指數(shù)”可以很好地研究重慶市經(jīng)濟的發(fā)展。但從Granger因果檢驗的結(jié)果來看，該地區(qū)的貨物運輸量與地區(qū)經(jīng)濟增長之間不存在因果關(guān)系。[5]劉慧(2014)通過VAR模型和VEC模型證明了銀行貸款、鐵路運輸量以及工業(yè)用電量與經(jīng)濟增長之間存在著短期調(diào)整機制和長期均衡關(guān)系。[6]

從研究的文獻來看，目前已有許多學者對工業(yè)用電量、鐵路運輸量以及銀行貸款余額這三個指標與經(jīng)濟增長的關(guān)系進行研究。但由于“克強指數(shù)”是李克強總理根據(jù)遼寧經(jīng)濟發(fā)展做出的評價，對于不同省份“克強指數(shù)”的指標可能代表性不強。多數(shù)學者都是基于宏觀角度，從國家層面上分析，對部分省市的探討涉及的較少。因此，本文以安徽省為例，分析“克強指數(shù)”與安徽經(jīng)濟發(fā)展的動態(tài)變化關(guān)系。

1變量及模型的選取

1.1變量的說明

“克強指數(shù)”對工業(yè)耗電量、鐵路貨運量和銀行中長期貸款這三個指標的選取是為了評價我國生產(chǎn)的活躍程度、經(jīng)濟的運行效率以及市場對當前經(jīng)濟的信心。[7]

相比于農(nóng)業(yè)和服務(wù)業(yè)，安徽省耗電量絕大多數(shù)都用于工業(yè)生產(chǎn)，用工業(yè)用電量便能很好地反映經(jīng)濟發(fā)展的狀況。從1998年到2014年期間的數(shù)據(jù)來看，安徽省的貨物運輸絕大多數(shù)依靠公路，其次是水路，鐵路運輸只占貨物運輸總量的很小一部分。所以，在構(gòu)建適合安徽省的“克強指數(shù)”時，將鐵路運輸總量改成總的貨物運量，從而能夠更好地反映安徽省的經(jīng)濟運行現(xiàn)狀。[8]與此同時，銀行中長期貸款在中國的融資里只占有限的一部分，若只用銀行貸款來反映信貸的規(guī)模會出現(xiàn)低估的現(xiàn)象?？紤]到安徽省信貸的總體情況，采用金融機構(gòu)的總體的貸款余額作為評價指標。根據(jù)以上所選取的三個指標，構(gòu)建“修正的克強指數(shù)”。仍然采用花旗銀行的“克強指數(shù)”的計算公示運算，可以看到“修正的克強系數(shù)”與安徽省經(jīng)濟增長速度有著相一致的變化，能夠較好地反映安徽省經(jīng)濟的發(fā)展變化狀況。

圖1　安徽省GDP的增長變化與“改進的克強指數(shù)”波動變化狀況

1.2分析方法

設(shè)工業(yè)耗電量(億千瓦時)為X1，貨運量為X2，金融機構(gòu)的貸款余額為X3，安徽省生產(chǎn)總值為Y。在分析經(jīng)濟增長與“修正的克強指數(shù)”之間的關(guān)系時，首先對數(shù)列進行對數(shù)處理，對對數(shù)數(shù)列和差分后的數(shù)列進行平穩(wěn)性檢驗，之后進行協(xié)整性檢驗，最后利用EVIEWS8.0對各項指標之間建立修正誤差模型，得到最終的結(jié)果。

2實證分析

2.1ADF檢驗和協(xié)整性檢驗

為了防止偽回歸的現(xiàn)象出現(xiàn)，首先對時間序列進行單位根檢驗。根據(jù)檢驗結(jié)果可以看出，在10%的顯著性水平下，都接受存在單位根的原假設(shè)，序列不平穩(wěn)。于是，對四個序列進行一階差分，發(fā)現(xiàn)一階查差分后能初步消除增長的變化趨勢，在10%的范圍內(nèi)拒絕原假設(shè)。

表2　單位根檢驗結(jié)果

在證明一階差分序列為無單位根后，在對其進行Johansen協(xié)整性檢驗，檢驗結(jié)果見表2。在5%的顯著性水平下，66.9703>47.8561，概率值為0.0003，拒絕假設(shè)，說明四個變量之間存在協(xié)整關(guān)系。

表2　Johansen協(xié)整性檢驗結(jié)果

2.2模型的構(gòu)建

有時即便變量之間有著長期的均衡關(guān)系，在短期內(nèi)也可能出現(xiàn)失衡，所以建立ECM模型糾正短期的失衡。先擬合出對數(shù)序列的回歸方程，得到誤差項，再對差分序列和修正誤差項做回歸，建立如下模型：

ECMt-1=lnY-0.3769lnX1-0.1050lnX2-0.5099lnX3-0.8618

dlnY=0.1189dlnX1+0.1960dlnX2+0.3262dlnX3-0.1494ECMt-1+0.0044

通過短期的修正誤差模型看出，-0.1491符合誤差的反向修正機制。由方程的系數(shù)可知，安徽省的工業(yè)耗電量、貨運總量和金融機構(gòu)貸款余額與GDP之間存在正的相關(guān)關(guān)系。工業(yè)耗電量每增長1單位，經(jīng)濟增長11.89%；貨運總量每增長1單位，經(jīng)濟增長19.6%；金融機構(gòu)貸款余額每增長1單位，經(jīng)濟增長32.62%。

3結(jié)論及展望

本文主要是以安徽省的年度數(shù)據(jù)進行分析，對“克強指數(shù)”所含指標進行修正，由最終得到的修正誤差模型看出，金融機構(gòu)的貸款對安徽省的經(jīng)濟增長貢獻度最大?？梢?，金融機構(gòu)放貸擴張是對經(jīng)濟看好，對經(jīng)濟增長有著積極的引導。金融機構(gòu)放大貸款對工業(yè)、農(nóng)業(yè)以及其他的第三產(chǎn)業(yè)都有著正效應(yīng)的傳導作用。其次，貨物運輸總量增長對安徽省經(jīng)濟發(fā)展也起著較為重要的作用。貨物運輸體現(xiàn)著一個地區(qū)的經(jīng)濟繁榮程度，當?shù)貐^(qū)發(fā)展較好，運輸業(yè)也會隨之發(fā)展，所以運輸業(yè)對經(jīng)濟的貢獻大小也能從側(cè)面反映當?shù)氐墓I(yè)、零售業(yè)等發(fā)展。但工業(yè)用電量較金融機構(gòu)貸款余額和貨物運輸總量而言對安徽省經(jīng)濟發(fā)展的作用較小，分析安徽省用電量結(jié)構(gòu)發(fā)現(xiàn)，工業(yè)用電是安徽省用電能消耗的主要部分，工業(yè)企業(yè)在保持正常生產(chǎn)的同時，可能忽略能源消耗所帶來的負外部效應(yīng)，沒有很好地考慮到環(huán)境污染治理等問題。工業(yè)增長對安徽省經(jīng)濟作出貢獻的同時，政府還要拿出一部分資金進行環(huán)境治理。

結(jié)合以上的結(jié)論，提出下列幾點建議：

首先，在推進工業(yè)發(fā)展的同時，政府應(yīng)鼓勵節(jié)能環(huán)保型企業(yè)的發(fā)展，對工業(yè)企業(yè)的污染排放標準作出明確限制。積極開發(fā)新能源，加快科技的創(chuàng)新力度，實現(xiàn)能源供給的多元化。淘汰高污染、高耗能的企業(yè)，盡快完成產(chǎn)業(yè)的轉(zhuǎn)型升級。

其次，對于安徽省來說，公路運輸是安徽省運輸?shù)闹饕绞?。但對比鐵路運輸，公路運輸存在著費用較高、效率較低的現(xiàn)象。安徽省處于長江三角洲地區(qū)，水路運輸有著良好的發(fā)展條件，并且作為代表性的中部省份，擁有許多鐵路樞紐。所以安徽省應(yīng)該利用自身的地理優(yōu)勢，加大發(fā)展鐵路運輸和水上運輸，建立完整的交通運輸網(wǎng)絡(luò)。

最后，安徽省政府應(yīng)該優(yōu)化投融資環(huán)境，加強金融機構(gòu)對企業(yè)的扶持力度。通過保持一個合理的融資規(guī)模，保持當前金融機構(gòu)貸款在安徽省經(jīng)濟發(fā)展中的主導作用。完善當前的投融資渠道，加大對投融資平臺的規(guī)范化的管理力度，從而提升當前的金融服務(wù)環(huán)境。

參考文獻：

[1]何永秀,趙四化,等. 中國工業(yè)用電量與經(jīng)濟增長的關(guān)系研究[J].工業(yè)技術(shù)經(jīng)濟,2006(1):78-82.

[2]張靜,劉婷等. 鐵路運輸對地方經(jīng)濟增長的貢獻分析[J].中國新技術(shù)新產(chǎn)品, 2010(2):205.

[3]韓愛華. 擴大信貸投放與GDP增長關(guān)系:對上海市的實證研究[J].上海經(jīng)濟研究,2009(9):91-98.

[4]祝煦,黃正勇. “修正的克強指數(shù)”與 GDP 增長率時間序列建模分析[J].洛陽師范學院學報,2014(11):110-115.

[5]唐德祥,孫權(quán). 經(jīng)濟增長與“克強指數(shù)”的動態(tài)關(guān)系研究[J].重慶理工大學學報,2016(1):46-52.

[6]劉慧. “克強指數(shù)”與經(jīng)濟增長的動態(tài)關(guān)系研究:基于VAR和VEC模型的實證分析[J].商業(yè)時代,2014(1):11-13.

[7]黃志敏，慈向陽. “改進的克強指數(shù)”與經(jīng)濟增長實證研究[J].商業(yè)經(jīng)濟研究,2015(31):55-57.

[8]馬秋卓. 五種運輸方式貨運周轉(zhuǎn)量與國民經(jīng)濟關(guān)系研究[J].物流技術(shù),2010(20):29-45.

責任編輯：何玉付

收稿日期：2016-05-01

基金項目：本文系安徽省創(chuàng)新訓練項目“農(nóng)戶與農(nóng)產(chǎn)品期貨市場對接模式研究”(編號：20150378556)和國家自然科學項目(編號：11301001)階段性研究成果。

作者簡介：從雨佳(1995-),女，安徽滁州人，安徽財經(jīng)大學金融學院金融工程專業(yè)2013級學生，研究方向為金融工程。

中圖分類號：F127

文獻標識碼：A

文章編號：1671-8275(2016)04-0106-03

Research on the Relationship between “Modified Keqiang Index”and Economic Growth of Anhui

CONG Yujia

Abstract:“Keqiang Index” is constituted by industry power consumption, railway freight volume and long-term bank loans. Based on the actual situation of Anhui Province, the two indicators on railway freight volume and long-term bank loans have been improved, and the “modified Keqiang index” has been put forward. The ECM model, based on data of Anhui province from 1998 to 2014, is developed to explore the dynamic relations between GDP growth of Anhui and the increase in industrial power consumption, freight traffic volume and loan balance of financial institutions.

Key words:Keqiang Index; GDP; loan balance of financial institutions; freight volume; industry power consumption