周 兵，胡振興

（重慶工商大學(xué) a.長(zhǎng)江上游經(jīng)濟(jì)研究中心；b.會(huì)計(jì)學(xué)院；c.經(jīng)濟(jì)學(xué)院，重慶 400067）

一、引言及文獻(xiàn)綜述

2008年國(guó)際金融危機(jī)以來(lái)，我國(guó)杠桿率持續(xù)攀升，為了解決杠桿率高企的問(wèn)題，我國(guó)實(shí)施了一系列的降杠桿政策。2015年10月，由我國(guó)政府頒布的去杠桿手段開(kāi)始強(qiáng)制實(shí)施，為了確保我國(guó)市場(chǎng)經(jīng)濟(jì)健康發(fā)展，黨的十八屆五中全會(huì)第一次提出去杠桿的目標(biāo)要求。2015年11月，習(xí)近平總書(shū)記在中央財(cái)經(jīng)領(lǐng)導(dǎo)小組第十一次會(huì)議上首次提出“供給側(cè)結(jié)構(gòu)性改革”，標(biāo)志著我國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)的發(fā)展階段，這是根據(jù)我國(guó)面臨的一系列嚴(yán)峻局勢(shì)而做出的重大變革。2016年10月，《國(guó)務(wù)院關(guān)于積極穩(wěn)妥降低企業(yè)杠桿率的意見(jiàn)》（國(guó)發(fā)［2016］54號(hào)）提出企業(yè)去杠桿，目標(biāo)更加具體化，并強(qiáng)調(diào)了市場(chǎng)化、法治化、有序開(kāi)展、統(tǒng)籌協(xié)調(diào)的原則。2017年7月召開(kāi)的全國(guó)金融工作會(huì)議上，習(xí)近平總書(shū)記強(qiáng)調(diào)要推動(dòng)經(jīng)濟(jì)去杠桿，處理好穩(wěn)增長(zhǎng)、調(diào)結(jié)構(gòu)、控總量的關(guān)系。2018年4月，中央財(cái)經(jīng)委員會(huì)第一次會(huì)議首次提出要以結(jié)構(gòu)性去杠桿為基本思路，分部門(mén)、分債務(wù)類型提出不同要求，努力實(shí)現(xiàn)宏觀杠桿率穩(wěn)定和逐步下降。

“結(jié)構(gòu)性去杠桿”與經(jīng)濟(jì)增長(zhǎng)有著緊密聯(lián)系，受到學(xué)術(shù)界和實(shí)務(wù)界的高度關(guān)注。Almeida（2009）等通過(guò)研究2007年的信貸危機(jī)也發(fā)現(xiàn)，債務(wù)杠桿率水平越高的企業(yè)在重大危機(jī)中受到的影響越大，而一個(gè)國(guó)家的整體債務(wù)杠桿率水平則決定了其在危機(jī)中經(jīng)濟(jì)衰退的程度［1］。Reinhart和Rogoff（2012）在對(duì)人類面臨共同的經(jīng)濟(jì)危機(jī)時(shí)指出，無(wú)論是政府、銀行、公司還是消費(fèi)者，經(jīng)濟(jì)繁榮時(shí)期的過(guò)度舉債都會(huì)造成巨大的系統(tǒng)性風(fēng)險(xiǎn)［2］。Wagner（2010）的研究就表明，金融發(fā)展水平的提高可能使金融機(jī)構(gòu)過(guò)度借款，而過(guò)高的杠桿率水平將導(dǎo)致經(jīng)濟(jì)環(huán)境更加復(fù)雜，從而增大宏觀經(jīng)濟(jì)和金融風(fēng)險(xiǎn)［3］。在Mendoza（2010）的研究中，認(rèn)為杠桿水平會(huì)在經(jīng)濟(jì)擴(kuò)張時(shí)期出現(xiàn)上升，而當(dāng)杠桿比率足夠高時(shí)會(huì)觸發(fā)約束效應(yīng)，并通過(guò)費(fèi)雪通縮機(jī)制降低信貸、資產(chǎn)價(jià)格以及抵押資產(chǎn)的數(shù)量，從而導(dǎo)致產(chǎn)出水平的下降［4］。在進(jìn)一步的研究中，學(xué)者們發(fā)現(xiàn)杠桿率與經(jīng)濟(jì)增長(zhǎng)存在顯著的倒U型關(guān)系：當(dāng)經(jīng)濟(jì)發(fā)展水平較低時(shí)，增加杠桿率可以促進(jìn)經(jīng)濟(jì)發(fā)展；當(dāng)經(jīng)濟(jì)發(fā)展水平較高時(shí)，提高杠桿率會(huì)阻礙經(jīng)濟(jì)的健康發(fā)展，以 至 于 產(chǎn) 生 經(jīng) 濟(jì) 危 機(jī)（Eberhardt、Presbitero，2015）［5］。國(guó)內(nèi)學(xué)者劉洪鐘和楊攻研（2014）、呂?。?015）、紀(jì)敏和嚴(yán)寶玉（2017）通過(guò)對(duì)我國(guó)政府債務(wù)與經(jīng)濟(jì)發(fā)展的研究，也得出了相似的結(jié)論［6-8］。

在一國(guó)經(jīng)濟(jì)發(fā)展的早期，各個(gè)經(jīng)濟(jì)部門(mén)通過(guò)運(yùn)用金融杠桿可對(duì)經(jīng)濟(jì)發(fā)展產(chǎn)生積極影響。Rioja和Valev（2004）在研究中發(fā)現(xiàn)，杠桿率的存在在總體上可以促進(jìn) GDP 的增長(zhǎng)［9］。Cecchetti（2010）通過(guò)對(duì)全球50個(gè)國(guó)家的長(zhǎng)期經(jīng)濟(jì)數(shù)據(jù)進(jìn)行研究發(fā)現(xiàn)，當(dāng)一國(guó)或地區(qū)的經(jīng)濟(jì)杠桿沒(méi)有達(dá)到某一個(gè)臨界點(diǎn)之前，金融杠桿可以顯著拉動(dòng)經(jīng)濟(jì)增長(zhǎng)。金融杠桿的存在放大了可使用資金的數(shù)量，但也帶來(lái)了一些問(wèn)題［10］。申廣軍和張延（2018）研究發(fā)現(xiàn)，杠桿率過(guò)高不僅會(huì)增加企業(yè)償還債務(wù)的壓力、增加違約風(fēng)險(xiǎn)引發(fā)經(jīng)濟(jì)危機(jī)，還會(huì)造成嚴(yán)重的資源錯(cuò)配，產(chǎn)生大量的僵尸企業(yè)［11］。杠桿率的存在增強(qiáng)了經(jīng)濟(jì)發(fā)展的動(dòng)力，但當(dāng)杠桿率超過(guò)一定的閾值時(shí)，經(jīng)濟(jì)系統(tǒng)中的不穩(wěn)定性增大，經(jīng)濟(jì)增長(zhǎng)速度降低。為了保持經(jīng)濟(jì)的健康發(fā)展，世界上許多國(guó)家都采取過(guò)去杠桿的措施。20世紀(jì)90年代日本金融泡沫危機(jī)之后，日本經(jīng)歷了長(zhǎng)期的去杠桿歷程，2008年美國(guó)次貸危機(jī)之后，美國(guó)的生產(chǎn)部門(mén)、金融部門(mén)、居民部門(mén)都采取了去杠桿措施。李揚(yáng)（2012）研究認(rèn)為，杠桿率的上升會(huì)對(duì)經(jīng)濟(jì)發(fā)展產(chǎn)生影響，在不斷累加的過(guò)程中會(huì)嚴(yán)重威脅經(jīng)濟(jì)的健康運(yùn)行，因此需要使杠桿率保持在一個(gè)合理的水平［12］。

在對(duì)經(jīng)濟(jì)問(wèn)題的研究中，交互效應(yīng)模型和門(mén)檻效應(yīng)模型是被運(yùn)用較廣的兩種方法。郝金磊（2016）運(yùn)用交互效應(yīng)模型實(shí)證檢驗(yàn)了城鎮(zhèn)化水平、農(nóng)村勞動(dòng)力轉(zhuǎn)移以及兩者交互效應(yīng)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響機(jī)制［13］；吳洪和趙桂芹（2010）為了考察保險(xiǎn)發(fā)展與經(jīng)濟(jì)增長(zhǎng)的非線性關(guān)系，構(gòu)造交互效應(yīng)模型研究了保險(xiǎn)、銀行、證券之間的交互效應(yīng)［14］；潘雄鋒（2019）運(yùn)用交互效應(yīng)模型研究了科技基礎(chǔ)設(shè)施投入與技術(shù)創(chuàng)新之間的交互效應(yīng)［15］。在對(duì)交互效應(yīng)研究的發(fā)展方面，劉亞清和閆洪舉（2017）以向量自回歸模型為基礎(chǔ)，構(gòu)造了交互效應(yīng)空間面板結(jié)構(gòu)向量自回歸模型（SPSVAR），以分析區(qū)域經(jīng)濟(jì)增長(zhǎng)傳導(dǎo)機(jī)制，建立了共同因素已知情形下交互效應(yīng)SPSVAR的估計(jì)程序，并采用蒙特卡洛模擬對(duì)模型估計(jì)方法的有效性進(jìn)行了分析［16］。門(mén)檻模型在經(jīng)濟(jì)研究中運(yùn)用較廣，Hansen（1999）提出的門(mén)檻效應(yīng)分析模型能夠準(zhǔn)確找到門(mén)檻值，因此獲得了廣泛的使用［17］。王桂虎和郭金龍（2019）運(yùn)用全球40個(gè)國(guó)家和地區(qū)的面板數(shù)據(jù)，研究了宏觀杠桿率與系統(tǒng)性金融風(fēng)險(xiǎn)的門(mén)檻效應(yīng)［18］；王綿斌和張妍（2018）運(yùn)用面板門(mén)檻回歸模型研究不同經(jīng)濟(jì)發(fā)展水平下電力投資對(duì)京津冀和長(zhǎng)三角地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響差異，并探討了城市化、工業(yè)化、科技投入水平和貿(mào)易開(kāi)放水平對(duì)經(jīng)濟(jì)的作用關(guān)系［19］；陳菁（2018）運(yùn)用門(mén)檻模型實(shí)證分析了地方政府性債務(wù)與我國(guó)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系［20］。

綜合現(xiàn)有的文獻(xiàn)資料，國(guó)內(nèi)外學(xué)者對(duì)一國(guó)的宏觀經(jīng)濟(jì)杠桿研究較為充分，研究成果十分豐富，而對(duì)經(jīng)濟(jì)社會(huì)中的經(jīng)濟(jì)部門(mén)——銀行業(yè)金融部門(mén)杠桿率、非金融企業(yè)部門(mén)杠桿率、居民部門(mén)杠桿率的綜合研究較少；另一方面，學(xué)者們研究的地域范圍多集中在一國(guó)或全球國(guó)家層面，較少對(duì)一國(guó)內(nèi)部的重要經(jīng)濟(jì)發(fā)展區(qū)域進(jìn)行深入研究?；谝延醒芯康牟蛔?，本文將研究對(duì)象聚焦于經(jīng)濟(jì)部門(mén)中的銀行業(yè)金融部門(mén)、非金融企業(yè)部門(mén)和居民部門(mén)杠桿率，將研究地域范圍界定為我國(guó)經(jīng)濟(jì)發(fā)展的重要區(qū)域——長(zhǎng)江經(jīng)濟(jì)帶。

二、長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)增長(zhǎng)現(xiàn)狀分析

長(zhǎng)江經(jīng)濟(jì)帶是我國(guó)重大國(guó)家戰(zhàn)略發(fā)展區(qū)域，是我國(guó)經(jīng)濟(jì)發(fā)展的黃金水道。長(zhǎng)江經(jīng)濟(jì)帶地理位置橫跨了我國(guó)東、中、西三個(gè)區(qū)域，西起四川、東至上海，區(qū)域面積205萬(wàn)平方公里，占全國(guó)總面積的21%，包括上海、浙江、江蘇、安徽、江西、湖北、湖南、重慶、四川、云南、貴州11個(gè)省份。長(zhǎng)江經(jīng)濟(jì)帶在經(jīng)濟(jì)規(guī)模、人口總量上都具有十分重要的地位，在我國(guó)現(xiàn)階段實(shí)施的結(jié)構(gòu)性去杠桿政策中，認(rèn)真研究長(zhǎng)江經(jīng)濟(jì)帶結(jié)構(gòu)性去杠桿成效與作用機(jī)理，不僅對(duì)于此區(qū)域經(jīng)濟(jì)增長(zhǎng)與持續(xù)發(fā)展有促進(jìn)作用，對(duì)于全國(guó)經(jīng)濟(jì)發(fā)展也具有重要的示范作用。

（一）經(jīng)濟(jì)部門(mén)杠桿率水平分析

我國(guó)銀行業(yè)金融機(jī)構(gòu)貸款余額從2000-2018年呈現(xiàn)出逐年上升趨勢(shì)，其中江蘇、浙江、上海貸款余額的絕對(duì)量增長(zhǎng)最大，分別達(dá)到了11.04萬(wàn)億元、9.42萬(wàn)億元、6.93萬(wàn)億元；貴州、江蘇、浙江的年平均增長(zhǎng)率增幅最大，分別為19.02%、17.94%、17.55%。從貸款余額的區(qū)域分布上看，呈現(xiàn)出由東向西逐漸遞減的趨勢(shì)，位于東部的上海、浙江、江蘇、安徽貸款余額最高，位于中部的江西、湖北、湖南次之，位于西部的四川、重慶、云南、貴州最低。由此可見(jiàn)，銀行業(yè)金融機(jī)構(gòu)貸款余額與當(dāng)?shù)亟鹑诎l(fā)展水平息息相關(guān)，也跟經(jīng)濟(jì)整體發(fā)展水平密不可分。

從時(shí)間維度上看，2000-2012年，四川、湖北、重慶三省非金融企業(yè)杠桿率經(jīng)歷了一個(gè)快速上升且下降的過(guò)程，杠桿率的極差分別為47%、54%、26%，三省杠桿率在2012年時(shí)降到低值后有緩慢上升，到2018年時(shí)，杠桿率集中分布在50%左右。其余八省非金融企業(yè)杠桿率波動(dòng)幅度較小，在2000-2018年呈現(xiàn)出緩慢上升的趨勢(shì)，且到2018年時(shí)杠桿率集中在50%左右。整體上看，非金融企業(yè)杠桿率在11個(gè)省市中表現(xiàn)出較為均衡的水平，除卻貴州、安徽、江西的年平均非金融企業(yè)杠桿率低于50%，其余各省的杠桿率均高于50%。

從時(shí)間維度上看，11個(gè)省市的杠桿率2000-2018年都有增長(zhǎng)，2000年的各省市居民部門(mén)平均杠桿率為4%，到2018年居民部門(mén)平均杠桿率上升至27%。受2008年國(guó)際金融危機(jī)的影響，中國(guó)房市萎靡，商品房銷售額在長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市都有所下降，表現(xiàn)為杠桿率的顯著下降。分省市來(lái)看，上海作為全國(guó)的經(jīng)濟(jì)金融中心，房?jī)r(jià)比其他地區(qū)高出很多，受此影響，2010年之前上海市的居民部門(mén)杠桿率遠(yuǎn)高于其他省市，2010年以后，上海居民部門(mén)杠桿率下降較多，重慶市居民部門(mén)超過(guò)上海。長(zhǎng)江經(jīng)濟(jì)帶下游地區(qū)的居民部門(mén)杠桿率最高，中、上游地區(qū)除重慶市以外杠桿率較低，且上游各省杠桿率低于中游各省居民部門(mén)杠桿率。

（二）經(jīng)濟(jì)增長(zhǎng)絕對(duì)量分析

從1978年我國(guó)實(shí)行改革開(kāi)放以來(lái)，經(jīng)濟(jì)總量有了巨大的增長(zhǎng)，自2001年加入世貿(mào)組織以后，經(jīng)濟(jì)發(fā)展速度有了較快的提升。2000年國(guó)內(nèi)生產(chǎn)總值為10.03萬(wàn)億元，2010年達(dá)到41.3萬(wàn)億元，2017年中國(guó)國(guó)內(nèi)生產(chǎn)總值超過(guò)日本，達(dá)到82.08萬(wàn)億元，成為世界第二大經(jīng)濟(jì)體。但隨著我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，經(jīng)濟(jì)增長(zhǎng)速度有所降低，經(jīng)濟(jì)發(fā)展進(jìn)入增長(zhǎng)速度換擋期、結(jié)構(gòu)調(diào)整陣痛期和前期刺激政策消化期的“三期疊加”以及資本積累速度下降、人口紅利消失和“干中學(xué)”技術(shù)進(jìn)步效應(yīng)削減的“三期沖擊”時(shí)期，需要尋求更優(yōu)質(zhì)的經(jīng)濟(jì)增長(zhǎng)方式。長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市中經(jīng)濟(jì)體量最大的是江蘇省，2018年的GDP達(dá)到了9.26萬(wàn)億元，其次為浙江、四川，2018年的GDP分別為5.62萬(wàn)億元、4.07萬(wàn)億元；上游地區(qū)的云南、貴州兩省經(jīng)濟(jì)體量較小，兩省之和與上海市GDP相當(dāng)。在長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市中，人均GDP最高的省市均分布在下游地區(qū)，上海市人均GDP 2018年達(dá)到13.5萬(wàn)元，遠(yuǎn)高于其他省市；緊跟其后的是江蘇、浙江，2018年的人均GDP分別為11.52萬(wàn)元和9.86萬(wàn)元。重慶和湖北分別是上游地區(qū)和中游地區(qū)人均GDP最高的省市，2018年達(dá)到了4.89萬(wàn)元和6.67萬(wàn)元；上游地區(qū)的云南、貴州仍然最低，其人均GDP分別為3.72萬(wàn)元和4.12萬(wàn)元。

（三）經(jīng)濟(jì)增長(zhǎng)相對(duì)量分析

衡量一國(guó)或一地區(qū)經(jīng)濟(jì)增長(zhǎng)除了用GDP這一指標(biāo)外，許多學(xué)者在研究中也較多采用了GDP增長(zhǎng)率這一指標(biāo)，如劉曉光（2018）［21］、徐 常 建（2019）［22］采用了GDP增長(zhǎng)率和人均GDP增長(zhǎng)率指標(biāo)衡量經(jīng)濟(jì)增長(zhǎng)。與GDP這一指標(biāo)相比，GDP增長(zhǎng)率更能體現(xiàn)出GDP增長(zhǎng)的變化速度，更能直觀地判斷經(jīng)濟(jì)發(fā)展處于何種階段。

圖1顯示了2000-2018年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的GDP增長(zhǎng)率，GDP增長(zhǎng)率集中分布在10%的上下兩側(cè)。以2010年為界，各省市的GDP增長(zhǎng)率經(jīng)歷了緩慢上升又緩慢下降的過(guò)程，2010年以前，GDP年均增長(zhǎng)率為10.68%，2010年以后，GDP年均增長(zhǎng)率下降到了8.97%，近年來(lái)GDP增長(zhǎng)速度更是降到了8%以下。從圖1還可看出，浙江、江蘇、江西在2010年以前增長(zhǎng)率較其他省份較高，但2010年以后，GDP增長(zhǎng)率已沒(méi)有明顯優(yōu)勢(shì)；但貴州、重慶等地在2010年之前GDP增長(zhǎng)率較低，2010年以后，GDP增長(zhǎng)率呈現(xiàn)出較高的水平。

圖1 長(zhǎng)江經(jīng)濟(jì)帶省市GDP增長(zhǎng)率

三、結(jié)構(gòu)性去杠桿與經(jīng)濟(jì)增長(zhǎng)的實(shí)證研究

（一）變量選擇

本文重點(diǎn)研究結(jié)構(gòu)性杠桿差異對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，因此選擇衡量經(jīng)濟(jì)增長(zhǎng)的代理變量作為被解釋變量，衡量銀行業(yè)金融部門(mén)、非金融企業(yè)部門(mén)、居民部門(mén)杠桿率的代理變量作為核心解釋變量，并選取了一系列的控制變量，使構(gòu)造的模型符合經(jīng)濟(jì)事實(shí)。

1.被解釋變量

參考馬勇和陳雨露（2017）的做法，用GDP增長(zhǎng)率作為經(jīng)濟(jì)增長(zhǎng)的代理變量，記作gdprate［23］。

2.核心解釋變量

（1）銀行業(yè)金融部門(mén)杠桿率，記作flev。潘敏和袁歌騁（2018）認(rèn)為，資產(chǎn)負(fù)債率、資產(chǎn)權(quán)益比等指標(biāo)可以用來(lái)衡量金融機(jī)構(gòu)的杠桿率［24］，此外用M2與GDP的比值也可衡量金融機(jī)構(gòu)杠桿率（陳雨露，2014）［25］。但由于研究一國(guó)內(nèi)部不同省份的金融杠桿時(shí)，M2難以收集，因此本文用各省“銀行業(yè)金融機(jī)構(gòu)存款余額/GDP”作為銀行業(yè)金融部門(mén)杠桿率的代理變量。

（2）非金融企業(yè)部門(mén)杠桿率，記作nlev。本文參考劉一楠（2016）［26］、喬小樂(lè)和宋林（2018）［27］的做法，從非金融企業(yè)的資產(chǎn)負(fù)債率角度衡量非金融企業(yè)部門(mén)杠桿率，將非金融企業(yè)部門(mén)杠桿率定義為“企業(yè)負(fù)責(zé)/總資產(chǎn)”。

（3）居民部門(mén)杠桿率，記作plev。潘敏和劉知琪（2018）在研究家庭杠桿水平與消費(fèi)水平的關(guān)系時(shí)，將家庭總負(fù)債/家庭總資產(chǎn)作為家庭杠桿的代理變量，研究發(fā)現(xiàn)，家庭住房負(fù)債占家庭總負(fù)債的40.12%，其總資產(chǎn)包括土地、房產(chǎn)、金融資產(chǎn)、生產(chǎn)性固定資產(chǎn)和耐用消費(fèi)品、家庭收入等［28］?；诖耍紤]研究數(shù)據(jù)的可獲得性，本文將“人均住宅用房銷售收入/城鎮(zhèn)人均可支配收入”作為居民部門(mén)杠桿率的代理變量。

3.其他控制變量

為了保證構(gòu)造模型的科學(xué)性和完備性，在研究中加入產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化（第三產(chǎn)業(yè)總值占GDP比例/第二產(chǎn)業(yè)總值占GDP比例，記作high）、經(jīng)濟(jì)初始水平（GDP的一階滯后項(xiàng)，記作lngdplag）、技術(shù)研發(fā)（R&D支出，記作lnrd）、、資本形成率（資本形成總額/GDP，記作cap）、經(jīng)濟(jì)開(kāi)放度（進(jìn)出口總額/GDP，記作trade）、資本密集度（城鎮(zhèn)固定資產(chǎn)投資/城鎮(zhèn)人口，記作lnfix）、非金融機(jī)構(gòu)流動(dòng)資產(chǎn)份額（非金融機(jī)構(gòu)流動(dòng)資產(chǎn)總額/總資產(chǎn)，記作ncur）。在以上選擇的控制變量中，GDP一階滯后項(xiàng)、技術(shù)研發(fā)、資本密集度這三個(gè)變量其絕對(duì)值過(guò)大，為保持變量在數(shù)量級(jí)上的一致性，對(duì)這三個(gè)變量取自然對(duì)數(shù)。

各變量名稱及計(jì)算方法見(jiàn)表1所列。

（二）數(shù)據(jù)來(lái)源與處理

1.數(shù)據(jù)來(lái)源

為了對(duì)結(jié)構(gòu)性杠桿差異與長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)增長(zhǎng)的關(guān)系進(jìn)行充分的研究，本文選擇銀行業(yè)金融機(jī)構(gòu)杠桿率、非金融企業(yè)部門(mén)杠桿率、居民部門(mén)杠桿率作為核心解釋變量，選擇GDP增長(zhǎng)率作為衡量經(jīng)濟(jì)增長(zhǎng)的被解釋變量。

本文所選擇變量的時(shí)間跨度是2000-2018年，其中，GDP、GDP增長(zhǎng)率、銀行業(yè)金融機(jī)構(gòu)貸款余額、人均住宅用房銷售收入、進(jìn)出口總額、城鎮(zhèn)固定資產(chǎn)投資、城鎮(zhèn)人口、第三產(chǎn)業(yè)總值占GDP比例、第二產(chǎn)業(yè)總值占GDP比例、人口總量數(shù)據(jù)來(lái)自EPS全球統(tǒng)計(jì)數(shù)據(jù)分析平臺(tái)，非金融企業(yè)負(fù)債、非金融企業(yè)總資產(chǎn)、非金融企業(yè)流動(dòng)資產(chǎn)份額數(shù)據(jù)來(lái)自RESSET金融研究數(shù)據(jù)庫(kù)，資本形成總額數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局。其中，個(gè)別變量的個(gè)別值在地方統(tǒng)計(jì)年鑒或地方國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)上進(jìn)行查找。各變量特征描述性統(tǒng)計(jì)見(jiàn)表2所列。

2.數(shù)據(jù)處理

本文所研究期間為2000-2018年，因此將2000年作為基期，對(duì)各年份的數(shù)據(jù)進(jìn)行平減處理，年度平減指數(shù)見(jiàn)表3所列。由于進(jìn)出口總額是以美元計(jì)價(jià)的，本文先將各年度以美元計(jì)價(jià)的進(jìn)出口總額乘以當(dāng)年一月的匯率，轉(zhuǎn)換為人民幣單位，再進(jìn)行平減處理。為了保證各變量在數(shù)量級(jí)上的一致性，本文對(duì)GDP、技術(shù)研發(fā)、政府支持、資本密集度、消費(fèi)能力、人口等變量進(jìn)行了取自然對(duì)數(shù)處理，由于其他變量都是以比值的形式存在，大部分的數(shù)值都小于1，因此沒(méi)有進(jìn)行取對(duì)數(shù)處理。對(duì)于數(shù)據(jù)中存在的個(gè)別缺失值，通過(guò)線性插值法進(jìn)行了補(bǔ)全。

表3 年度平減指數(shù)

由于本文有3個(gè)核心解釋變量和8個(gè)控制變量，為了避免在回歸結(jié)果中出現(xiàn)偽回歸，首先進(jìn)行了多重共線性檢驗(yàn)，檢驗(yàn)結(jié)果顯示VIF統(tǒng)計(jì)量的均值為5.27，且大多數(shù)變量的VIF統(tǒng)計(jì)量小于10，回歸系數(shù)的P值十分顯著，因此判斷此面板數(shù)據(jù)不存在多重共線性問(wèn)題。本文所選擇變量的時(shí)間跨度為2000-2018年，需要對(duì)面板數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果顯示面板數(shù)據(jù)中的flev、plev、lnrd、lntrade、lncap等多個(gè)變量存在單位根，因此對(duì)非平穩(wěn)變量進(jìn)行一階差分后再進(jìn)行平穩(wěn)性檢驗(yàn)，平穩(wěn)性檢驗(yàn)結(jié)果顯示一階差分后的變量不存在單位根。

（1）交互效應(yīng)模型設(shè)定。本文運(yùn)用固定效應(yīng)模型研究核心解釋變量與其他變量的交互效應(yīng)。對(duì)面板數(shù)據(jù)的回歸模型可以有多種構(gòu)建方法，若假設(shè)面板數(shù)據(jù)的所有個(gè)體都擁有相同的回歸方程，則可以進(jìn)行“混合回歸”（pooled regression），若不同個(gè)體回歸方程的截距項(xiàng)不同時(shí)，混合回歸的結(jié)果將不再是有效的。本文參考劉曉光（2018）的做法，構(gòu)建如下的交互效應(yīng)模型［21］：

其中，gdprate為經(jīng)濟(jì)增長(zhǎng)的代理變量；μi為個(gè)體固定效應(yīng)；λt為時(shí)間固定效應(yīng)；εit為隨機(jī)擾動(dòng)項(xiàng)；XiXj為核心解釋變量與其他變量的交互項(xiàng)；controlXjit為控制變量，包括GDP對(duì)數(shù)值的滯后項(xiàng)（lngdplag），用來(lái)控制經(jīng)濟(jì)初始水平、技術(shù)研發(fā)（lnrd）、非金融企業(yè)流動(dòng)資產(chǎn)份額（ncur）、產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平（high）、經(jīng)濟(jì)開(kāi)放度（trade）、資本密集度（lnfix）、資本形成率（cap）。

（2）門(mén)檻模型設(shè)定。在對(duì)宏觀經(jīng)濟(jì)增長(zhǎng)與杠桿率水平門(mén)檻效應(yīng)的研究中，根據(jù)具體的研究問(wèn)題可以選擇不同的門(mén)檻變量，如王桂虎（2019）選擇了借貸利率與金融穩(wěn)定指數(shù)的滯后一期值作為門(mén)檻變量［18］，王愛(ài)儉（2017）選取了銀行信貸余額與股票市場(chǎng)市值之和占GDP的比重、儲(chǔ)蓄投資轉(zhuǎn)化率、股票市場(chǎng)市值與銀行信貸余額之比分別作為門(mén)檻變量［29］。本文根據(jù)研究的具體問(wèn)題，選擇產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平（high）作為門(mén)檻變量，驗(yàn)證產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的變化通過(guò)對(duì)各部門(mén)杠桿率產(chǎn)生影響，進(jìn)而影響經(jīng)濟(jì)增長(zhǎng)。參考Hansen（1999）提出的門(mén)檻模型，本文構(gòu)造了如下的門(mén)檻模型［17］：

其中，gdprate為經(jīng)濟(jì)增長(zhǎng)的代理變量；levit為各部門(mén)杠桿率水平，包括dflev、nlev、dplev；產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平（high）為門(mén)檻變量；λi為門(mén)檻值；∑βjcontrolXjit為控制變量，與上文一致；εit為隨機(jī)擾動(dòng)項(xiàng)。

（三）交互效應(yīng)研究

表4顯示了主要變量的相關(guān)系數(shù)，可以看出，作為核心解釋變量的銀行業(yè)金融機(jī)構(gòu)杠桿率（flev）、非金融企業(yè)部門(mén)杠桿率（nlev）、居民部門(mén)杠桿率（plev）與大部分的控制變量都十分相關(guān)。在1%的顯著性水平下，銀行業(yè)金融部門(mén)杠桿率與產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平（high）、經(jīng)濟(jì)初始發(fā)展水平（lngdplag）、技術(shù)研發(fā)（lnrd）、資本形成率（cap）、經(jīng)濟(jì)開(kāi)放水平（trade）、資本密集度（lnfix）高度相關(guān)；非金融企業(yè)部門(mén)杠桿率在1%的統(tǒng)計(jì)水平上與研發(fā)投入（lnrd）相關(guān)，在5%的統(tǒng)計(jì)水平上與經(jīng)濟(jì)初始發(fā)展水平（lngdplag）相關(guān)；居民部門(mén)杠桿率在1%的顯著水平上與產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平（high）、經(jīng)濟(jì)初始發(fā)展水平（lngdplag）、研發(fā)投入（lnrd）、經(jīng)濟(jì)開(kāi)放水平（trade）、資本密集度（lnfix）相關(guān)。許多控制變量也在極高的顯著水平上與被解釋變量經(jīng)濟(jì)增長(zhǎng)速度（gdprate）相關(guān)，因此本文推斷核心解釋變量會(huì)與控制變量相互依賴、相互制約，共同對(duì)因變量的變化發(fā)生影響，即文中變量很可能存在交互效應(yīng)。

表4 變量相關(guān)系數(shù)

在接下來(lái)的分析中，重點(diǎn)研究各部門(mén)的杠桿率水平與控制變量的交互效應(yīng)。在實(shí)證分析中，用核心解釋變量與控制變量的乘積項(xiàng)表示交互效應(yīng)的衡量變量，如X1X2代表兩個(gè)變量的交互效應(yīng)，其系數(shù)代表效應(yīng)的大小。通過(guò)實(shí)證分析與驗(yàn)證，本文選擇銀行業(yè)金融機(jī)構(gòu)杠桿率與研發(fā)投入、產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平、資本密集度、非金融企業(yè)流動(dòng)資產(chǎn)份額的乘積作為交互效應(yīng)的衡量變量，分別表示為fr、fh、ff、fn；選擇非金融企業(yè)杠桿率差分項(xiàng)與研發(fā)投入、資本密集度、非金融企業(yè)流動(dòng)資產(chǎn)份額的乘積作為交互效應(yīng)的衡量變量，分別表示為nr、nf、nn；選擇居民部門(mén)杠桿率差分項(xiàng)與產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平、資本形成率、經(jīng)濟(jì)開(kāi)放度、非金融企業(yè)流動(dòng)資產(chǎn)份額的乘積作為交互效應(yīng)的衡量變量，分別表示為ph、pc、pj、pn。通過(guò)分別加入交互項(xiàng)進(jìn)行回歸，回歸結(jié)果見(jiàn)表5至表7的模型3至模型6所列。模型1是不考慮交互效應(yīng)與控制變量的核心解釋變量回歸結(jié)果，模型2是僅加入核心解釋變量與控制變量的回歸結(jié)果，其目的是與加入交互項(xiàng)的回歸結(jié)果進(jìn)行對(duì)照，驗(yàn)證交互項(xiàng)的效果。

1.銀行業(yè)金融部門(mén)杠桿率的交互效應(yīng)

表5為銀行業(yè)金融部門(mén)交互效應(yīng)回歸結(jié)果。從表5可以看出，核心解釋變量的顯著性水平在模型1至模型6中都十分顯著，且系數(shù)符號(hào)保持一致，銀行業(yè)金融機(jī)構(gòu)杠桿率水平差值的增加阻礙經(jīng)濟(jì)增長(zhǎng)速度的提升，非金融企業(yè)部門(mén)杠桿率水平增加有助于提高經(jīng)濟(jì)增長(zhǎng)速度，居民部門(mén)杠桿率水平差值的增加有助于提高經(jīng)濟(jì)增長(zhǎng)速度。在加入的交互項(xiàng)中，fh在5%的顯著性水平上顯著，且符號(hào)為正，表明產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的上升可以提高經(jīng)濟(jì)增長(zhǎng)速度，其原因可能是產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的上升提高了資金的使用效率，增強(qiáng)了杠桿率變化促進(jìn)經(jīng)濟(jì)增長(zhǎng)的作用；fr在1%的顯著性水平上顯著，且符號(hào)為負(fù)，表明技術(shù)研發(fā)的增加會(huì)顯著加大杠桿率提升對(duì)經(jīng)濟(jì)增長(zhǎng)的阻礙作用，可能是技術(shù)研發(fā)的增加使用了過(guò)多的杠桿資金，加劇了銀行業(yè)金融部門(mén)的債務(wù)壓力；交互項(xiàng)ff在1%的顯著性水平上顯著，且符號(hào)為正，表明資本密集度的上升可以加大杠桿率提高對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用，可能因?yàn)楣潭ㄙY產(chǎn)投資是銀行業(yè)金融部門(mén)融入資金的一種有效使用方式，其收益足以彌補(bǔ)還本付息的財(cái)務(wù)壓力，并可以獲取收益，有助于經(jīng)濟(jì)增長(zhǎng)；交互項(xiàng)fn在10%的統(tǒng)計(jì)水平上顯著，且符號(hào)為正，表明非金融企業(yè)流動(dòng)資產(chǎn)份額的上升可以加大銀行業(yè)金融機(jī)構(gòu)杠桿率提高對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用。

表5 銀行業(yè)金融部門(mén)交互效應(yīng)回歸結(jié)果

2.非金融企業(yè)部門(mén)杠桿率的交互效應(yīng)

從表6可以看出，核心解釋變量dflev的系數(shù)在所有模型中顯著為負(fù)，nlev的系數(shù)在所有模型中顯著為正，dplev的系數(shù)在所有模型中顯著為正，表明回歸模型不存在明顯錯(cuò)誤，回歸結(jié)果具有可信度。交互項(xiàng)nr在5%的顯著水平上顯著，且符號(hào)為負(fù)，表明增加技術(shù)研發(fā)會(huì)加大非金融部門(mén)杠桿率提高對(duì)經(jīng)濟(jì)增長(zhǎng)的阻礙作用，本文認(rèn)為這與技術(shù)研發(fā)資金量大、不能在當(dāng)期產(chǎn)生效益以及會(huì)產(chǎn)生大量待付的利息有關(guān)；交互項(xiàng)nf在1%的顯著性水平上顯著，且符號(hào)為負(fù)，表明資本密集度的增加會(huì)加大杠桿率提高對(duì)經(jīng)濟(jì)增長(zhǎng)的阻礙作用，其原因是資本密集度增加是由于固定資產(chǎn)投資增加引起，而固定資產(chǎn)投資的增加會(huì)占用非金融企業(yè)大量資金，且不能在當(dāng)期取得回報(bào)；交互項(xiàng)nn在1%的顯著性水平上顯著，且符號(hào)為正，表明非金融企業(yè)流動(dòng)資產(chǎn)份額的增加可以加大杠桿率提高對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用，其原因是流動(dòng)資產(chǎn)份額的增加有利于增強(qiáng)非金融企業(yè)抵抗突發(fā)性財(cái)務(wù)風(fēng)險(xiǎn)與經(jīng)濟(jì)危機(jī)的能力，提升促進(jìn)經(jīng)濟(jì)增長(zhǎng)的能力。

表6 非金融企業(yè)部門(mén)交互效應(yīng)回歸結(jié)果

3.居民部門(mén)杠桿率的交互效應(yīng)

從表7可以看出，核心解釋變量的顯著性水平與系數(shù)符號(hào)與前文一致，回歸結(jié)果十分可信。交互項(xiàng)ph、pn在回歸模型3和模型6中顯著性水平較高，且回歸系數(shù)在1%的顯著性水平上為正，表明產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平、非金融企業(yè)流動(dòng)資產(chǎn)份額的上升加大了居民部門(mén)杠桿率差值擴(kuò)大對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用；交互項(xiàng)pc、pj在回歸模型4和模型5中的顯著性水平上顯著為負(fù)，且回歸系數(shù)在1%的統(tǒng)計(jì)水平上顯著為負(fù)，表明資本形成率、進(jìn)出口總額的增加加大了居民部門(mén)杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)的阻礙作用。

表7 居民部門(mén)交互效應(yīng)回歸結(jié)果

續(xù)表7

（四）門(mén)檻效應(yīng)分析

如何研究長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)增長(zhǎng)問(wèn)題是一個(gè)較為復(fù)雜的難題，各部門(mén)杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)速度的影響并不一定是一種線性關(guān)系，許多中間變量也會(huì)影響各部門(mén)杠桿率與經(jīng)濟(jì)增長(zhǎng)速度的關(guān)系。本文經(jīng)過(guò)理論分析與模型試驗(yàn)，得出產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平對(duì)于經(jīng)濟(jì)增長(zhǎng)速度具有顯著的門(mén)檻效應(yīng)，因此選擇產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平（high）作為門(mén)檻變量構(gòu)造門(mén)檻模型，進(jìn)一步研究分析產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的門(mén)檻效應(yīng)。

在進(jìn)行門(mén)檻回歸之前，本文應(yīng)用Hansen（1999）提出的格點(diǎn)搜索方法確定回歸模型中存在的門(mén)檻值，并運(yùn)用自抽樣法對(duì)存在的門(mén)檻值的顯著性進(jìn)行檢驗(yàn)。基于此方法，本文將門(mén)檻模型中的所有修正比例設(shè)定為0.05，格點(diǎn)值設(shè)定為400，自抽樣次數(shù)設(shè)定為500。將產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平（high）作為門(mén)檻變量進(jìn)行研究，門(mén)檻值參數(shù)估計(jì)結(jié)果見(jiàn)表8所列。

表8 門(mén)檻模型參數(shù)估計(jì)

由表8可知，當(dāng)以銀行業(yè)金融機(jī)構(gòu)杠桿率、非金融企業(yè)杠桿率、居民部門(mén)杠桿率作為解釋變量時(shí)，產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平具有不同的門(mén)檻值，其中銀行業(yè)金融機(jī)構(gòu)杠桿率對(duì)應(yīng)的門(mén)檻變量表現(xiàn)出單一門(mén)檻效應(yīng)，門(mén)檻值為1.070 7；非金融企業(yè)杠桿率對(duì)應(yīng)的門(mén)檻變量表現(xiàn)出雙重門(mén)檻效應(yīng)，門(mén)檻值分別為0.747 4、1.000 0；居民部門(mén)杠桿率對(duì)應(yīng)的門(mén)檻變量不存在門(mén)檻效應(yīng)。

表9顯示了以消費(fèi)能力作為門(mén)檻變量、以銀行業(yè)金融機(jī)構(gòu)杠桿率和非金融企業(yè)杠桿率分別作為解釋變量時(shí)的門(mén)檻模型回歸結(jié)果。

在以銀行業(yè)金融機(jī)構(gòu)杠桿率作為解釋變量的回歸結(jié)果中，產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平具有單一門(mén)檻效應(yīng)，當(dāng)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平小于1.070 7時(shí)，dflev的系數(shù)為-0.118，且在1%的統(tǒng)計(jì)水平上顯著，說(shuō)明銀行業(yè)金融機(jī)構(gòu)杠桿率每?jī)善诘牟钪翟黾右粋€(gè)單位，會(huì)使得經(jīng)濟(jì)增長(zhǎng)速度降低0.118個(gè)單位；當(dāng)人均可支配收入對(duì)數(shù)值大于1.070 7時(shí)，dflev的系數(shù)為-0.030 9，且在10%的統(tǒng)計(jì)水平上顯著，說(shuō)明銀行業(yè)金融機(jī)構(gòu)杠桿率每?jī)善诘牟钪翟黾右粋€(gè)單位，會(huì)使得經(jīng)濟(jì)增長(zhǎng)速度降低0.030 9個(gè)單位。隨著產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的增強(qiáng)，銀行業(yè)金融機(jī)構(gòu)杠桿率增加對(duì)經(jīng)濟(jì)增長(zhǎng)的阻礙作用呈現(xiàn)出減小的趨勢(shì)，但仍然表現(xiàn)出負(fù)向效果，這與銀行業(yè)金融機(jī)構(gòu)杠桿率過(guò)高會(huì)增加金融危機(jī)風(fēng)險(xiǎn)以及財(cái)務(wù)危機(jī)密不可分。nlev的系數(shù)為0.037 1，且在1%的統(tǒng)計(jì)水平上顯著，dplev的系數(shù)為0.102，且在5%的統(tǒng)計(jì)水平上顯著，表現(xiàn)出對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用。

在以非金融企業(yè)部門(mén)杠桿率作為解釋變量的回歸結(jié)果中，產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平具有雙重門(mén)檻效應(yīng)，當(dāng)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平小于0.747 4時(shí)，nlev的系數(shù)為0.068 1，且在1%的統(tǒng)計(jì)水平上顯著，表明此時(shí)非金融企業(yè)部門(mén)的杠桿率增加一個(gè)單位，會(huì)使得經(jīng)濟(jì)增長(zhǎng)速度增加0.068 1個(gè)單位；當(dāng)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平大于0.747 4且小于1時(shí)，nlev的系數(shù)為0.032 7，且在1%的統(tǒng)計(jì)水平上顯著，表明此時(shí)非金融企業(yè)部門(mén)的杠桿率增加一個(gè)單位，會(huì)使得經(jīng)濟(jì)增長(zhǎng)速度增加0.032 7個(gè)單位；當(dāng)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平大于1時(shí)，nlev的系數(shù)為-0.005 97，卻不再顯著，結(jié)果不可信。隨著產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的變化，非金融企業(yè)部門(mén)杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)速度的影響表現(xiàn)出逐漸減弱效果，這是因?yàn)楫a(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的上升會(huì)使得第二產(chǎn)業(yè)的比重下降，拉低以第二產(chǎn)業(yè)為主的非金融企業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用。dflev的系數(shù)為-0.052 9，且在1%的統(tǒng)計(jì)水平上顯著，對(duì)經(jīng)濟(jì)增長(zhǎng)表現(xiàn)出顯著的阻礙作用；dplev的系數(shù)為0.078 9，且在5%的統(tǒng)計(jì)水平上顯著，表現(xiàn)出對(duì)經(jīng)濟(jì)增長(zhǎng)顯著的促進(jìn)作用。

表9 門(mén)檻模型參數(shù)估計(jì)結(jié)果

（五）穩(wěn)健性檢驗(yàn)

為了驗(yàn)證回歸模型中被解釋變量與核心解釋變量回歸系數(shù)的數(shù)值和顯著性，需要對(duì)回歸模型進(jìn)行穩(wěn)健性檢驗(yàn)。實(shí)證分析中穩(wěn)健性檢驗(yàn)的方法有很多，本文參考馬勇、陳雨露（2017）的研究，運(yùn)用工具變量解決模型中存在的內(nèi)生性問(wèn)題［23］。由于銀行業(yè)金融部門(mén)杠桿率與經(jīng)濟(jì)增長(zhǎng)速度非常相關(guān)，因此判斷銀行業(yè)金融部門(mén)杠桿率為內(nèi)生變量，采用工具變量法解決存在的內(nèi)生性問(wèn)題，具體的工具變量見(jiàn)表10所列。由表10可知，卡方統(tǒng)計(jì)量的P值全都大于0.1，顯著拒絕了所有工具變量都為內(nèi)生變量的假設(shè)，因此判斷工具變量為外生變量，可以進(jìn)一步使用工具變量進(jìn)行廣義矩估計(jì)。

表10 銀行業(yè)金融機(jī)構(gòu)工具變量

表11顯示了運(yùn)用工具變量的所有回歸結(jié)果，模型2至模型5顯示了以不同變量作為工具變量的廣義矩估計(jì)回歸結(jié)果，模型1是運(yùn)用模型2的工具變量進(jìn)行的兩階段最小二乘法（2SLS）回歸結(jié)果，是為了與廣義矩估計(jì)的結(jié)果進(jìn)行對(duì)照。

表11 工具變量模型回歸結(jié)果

從表11的模型2至模型5可以看出，當(dāng)運(yùn)用不同的變量作為dflev的工具變量進(jìn)行廣義矩估計(jì)時(shí)，回歸結(jié)果的顯著性水平都很高，核心解釋變量dflev的符號(hào)顯著為負(fù)，nlev的系數(shù)顯著為正，dplev的系數(shù)顯著為正，這與前文的估計(jì)結(jié)果一致。表明銀行業(yè)金融機(jī)構(gòu)杠桿率每?jī)善诓钪档脑龃髮?duì)經(jīng)濟(jì)增長(zhǎng)有顯著的阻礙作用，而非金融企業(yè)部門(mén)和居民部門(mén)杠桿率的上升有助于促進(jìn)經(jīng)濟(jì)增長(zhǎng)。在與模型1的對(duì)照中可以發(fā)現(xiàn)，當(dāng)使用相同的工具變量進(jìn)行回歸時(shí)，兩階段最小二乘法與廣義矩估計(jì)回歸結(jié)果的系數(shù)大小和顯著性相差很小，說(shuō)明運(yùn)用工具變量的廣義矩估計(jì)回歸結(jié)果十分可信。在所有的回歸結(jié)果中，GDP對(duì)數(shù)值的一階滯后項(xiàng)的顯著性都非常高，均在1%的統(tǒng)計(jì)水平上顯著，其符號(hào)都為負(fù)，表明上一期經(jīng)濟(jì)體量越高，對(duì)下一期經(jīng)濟(jì)增長(zhǎng)的阻礙越明顯。

四、研究結(jié)論與政策建議

本文運(yùn)用長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省份2000-2018年的平衡面板數(shù)據(jù)，構(gòu)造交互效應(yīng)模型與門(mén)檻效應(yīng)模型，實(shí)證分析了結(jié)構(gòu)性去杠桿對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，研究得出不同經(jīng)濟(jì)部門(mén)杠桿率水平對(duì)經(jīng)濟(jì)增長(zhǎng)具有不同的影響效果。

通過(guò)交互效應(yīng)模型研究得出，不同經(jīng)濟(jì)部門(mén)杠桿率水平對(duì)經(jīng)濟(jì)增長(zhǎng)速度的變化具有不同的影響，銀行業(yè)金融機(jī)構(gòu)部門(mén)杠桿率水平的上升會(huì)顯著降低經(jīng)濟(jì)增長(zhǎng)速度，非金融企業(yè)部門(mén)、居民部門(mén)杠桿率水平的上升會(huì)促進(jìn)經(jīng)濟(jì)增長(zhǎng)速度的提高。各經(jīng)濟(jì)部門(mén)杠桿率水平與經(jīng)濟(jì)增長(zhǎng)速度具有非線性關(guān)系，各經(jīng)濟(jì)部門(mén)杠桿率的交互效應(yīng)十分顯著。銀行業(yè)金融機(jī)構(gòu)部門(mén)杠桿率水平會(huì)通過(guò)研發(fā)投入、產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平、資本形成率等因素影響經(jīng)濟(jì)增長(zhǎng)速度；非金融企業(yè)部門(mén)杠桿率會(huì)通過(guò)研發(fā)投入、產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平、資本形成率、非金融企業(yè)流動(dòng)資產(chǎn)份額等因素影響經(jīng)濟(jì)增長(zhǎng)速度；居民部門(mén)杠桿率會(huì)通過(guò)研發(fā)投入、產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平、經(jīng)濟(jì)開(kāi)放水平、資本密集度等因素影響經(jīng)濟(jì)增長(zhǎng)速度。

通過(guò)門(mén)檻模型研究得出，產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平與經(jīng)濟(jì)增長(zhǎng)具有顯著的門(mén)檻效應(yīng)。在以產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平作為門(mén)檻變量的研究中，銀行業(yè)金融機(jī)構(gòu)杠桿率表現(xiàn)出單一門(mén)檻效應(yīng)，當(dāng)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平高于門(mén)檻值時(shí)，銀行業(yè)金融機(jī)構(gòu)杠桿率水平上升對(duì)經(jīng)濟(jì)增長(zhǎng)的阻礙作用顯著減弱；非金融企業(yè)杠桿率表現(xiàn)出雙重門(mén)檻效應(yīng)，當(dāng)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平高于門(mén)檻值時(shí)，非金融企業(yè)部門(mén)杠桿率水平上升對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用顯著減弱。

上述研究結(jié)論表明各部門(mén)杠桿率水平與長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)增長(zhǎng)存在顯著的交互效應(yīng)與門(mén)檻效應(yīng)。本文認(rèn)為要增強(qiáng)結(jié)構(gòu)性去杠桿效果，提高長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)發(fā)展能力，可以從以下兩方面入手：

（1）深入落實(shí)結(jié)構(gòu)性去杠桿政策。從邏輯上看，高杠桿率的危害在于杠桿率的錯(cuò)配，以及杠桿率錯(cuò)配引起的社會(huì)資源的錯(cuò)配，導(dǎo)致資源利用效率低下，而不在于杠桿率高低本身。我國(guó)居民部門(mén)、金融企業(yè)部門(mén)和非金融企業(yè)部門(mén)的杠桿率不盡相同，不同經(jīng)濟(jì)部門(mén)的債務(wù)結(jié)構(gòu)和防范風(fēng)險(xiǎn)的能力不同，在采取降杠桿手段時(shí)不能采取一刀切的政策，要在保持經(jīng)濟(jì)社會(huì)總體杠桿率平穩(wěn)的情況下，實(shí)現(xiàn)局部去杠桿以及杠桿率在各經(jīng)濟(jì)部門(mén)的轉(zhuǎn)移。

（2）提高產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平，提升經(jīng)濟(jì)發(fā)展質(zhì)量。提高產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平，可以顯著降低銀行業(yè)金融機(jī)構(gòu)杠桿率上升對(duì)經(jīng)濟(jì)增長(zhǎng)的阻礙作用。同時(shí)，在產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平上升過(guò)程中，重視非金融企業(yè)部門(mén)杠桿率提升對(duì)經(jīng)濟(jì)增長(zhǎng)的正向促進(jìn)作用。