信贷供给结构变化对国内经济增长影响参考

《信贷供给结构变化对国内经济增长影响参考》由会员分享，可在线阅读，更多相关《信贷供给结构变化对国内经济增长影响参考（13页珍藏版）》请在装配图网上搜索。

1、信贷供给结构的变化对国内经济增长影响 信贷作为银行的主营业务，信贷资金的收益和效率直接影响着银行资产质量和经营效益，信贷规模和结构的变化也反映了一国宏观经济调控的货币政策实施状况，也是影响一国经济增长状况的重要因素。本文通过建立多元线性回归分析的计量经济学模型，通过模型设定、模型建立、模型检验与模型修正，来分析我国信贷供给结构的变化对我国经济增长的影响，得出结论：短期贷款、中长期贷款和其他贷款的增加，都会使我国经济增长增加，但是，其他贷款的变动对我国经济增长的影响较小，短期贷款的影响最大。并预测2013年我国信贷供给变化导致的经济增长情况。1978年的改革开放，给我过金融行业的发展提供了有利的

2、市场环境，货币供给的变化越来越影响着我国经济的增长状况，尤其是20世纪90年代之后，我国推行积极的货币政策以促进经济回升，使得货币供应量持续地增长，各大金融机构的新增贷款总额也逐年增加。贷款总额的增加表现在各项贷款中短期贷款、中长期贷款和其他贷款的总额也有不同程度的增长，因此，不仅贷款规模，尤其是各项贷款中贷款结构的变化，对我国经济增长的影响是否显著，需要进一步的实证分析和检验。本文采用1978年2012年的样本数据，通过建立多元线性回归分析的计量经济学模型，通过模型设定、模型建立、模型检验与模型修正，来分析我国信贷供给结构的变化对我国经济增长的影响，并预测2013年我国信贷供给变化导致的经济

3、增长情况。最后，对该模型得出的结论及预测结果进行评价。统计定量分析根据国家统计局的统计报告显示，国内生产总值（GDP）在1978年改革开放之后是逐年增长的，可以用GDP增长率的变化情况来反应我国经济增长的情况。再者，国家统计局对信贷规模及结构变化的指标分为：各项信贷总额、各项贷款中短期贷款、各项贷款中中长期贷款、各项贷款中融资租赁、各项贷款中各项垫款、各项贷款中境外贷款。其中，各项贷款中短期贷款、中长期贷款所占的比重较大，占到总贷款额的80%以上，甚至大多数年份占比都超过90%。因此，本报告在分析信贷结构变化对我国经济增长的影响时，把除了短期贷款和中长期以外的贷款归为其他贷款。（见附表2） 由

4、于改革开放初期，我国信贷规模的总体变化以及其中短期贷款、中长期贷款的增加变化幅度较大，就选用1990-2012年我国实行稳健的货币政策以来各指标的变化数据，制作了折线图，来反应信贷总额、短期贷款、中长期贷款及其他贷款的变化情况与GDP变化的关系。图1 1990-2012年贷款总额与GDP的关系从图1可以看出，我国信贷总额的变化的确与GDP的增长状况有大致的相同趋势。图2 1990-2012年短期与GDP的关系图3 1990-2012年中长期贷款与GDP的关系图4 1990-2012年其他贷款与GDP的关系 从上图2-4可以看出，短期贷款、中长期贷款的变化情况与我国经济增长的变动有明显的相似趋势

5、，而其他贷款的波动与GDP的波动关联性较小。然而，通过统计数据绘制的图标进行的分析结果是否确实是正确的呢？这需要建立合理的计量经济学模型进行实证分析和检验。计量经济学模型的建立本报告采用国内生产总值（GDP）作为产出变量，来表示经济增长的变动情况；以短期贷款、中长期贷款和其他贷款来表示信贷供给结构的变化。本报告的有关数据全部来自国家统计局官网所公布的统计公报，选取了19782012年34年的样本数据。在计量经济模型设定中，以GDP作为被解释变量，用Y表示；以短期贷款、中长期贷款和其他贷款作为解释变量，分别用X1、X2、X3表示，建立经典多元线性回归模型。模型表达式为： Y=+1X1+2X2+3

6、X3+u其中，u代表随机干扰项，表示没有在模型中反应的其他影响GDP变化的因素。、1 、2 、3 分别表示各解释变量的待估参数。用Eviews软件操作，得到如下回归结果：Dependent Variable: YMethod: Least SquaresDate: 07/05/14 Time: 13:13Sample (adjusted): 1979 2012Included observations: 34 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C1376.5113346.2630.4113580.6837

7、X11.0135250.1243608.1499340.0000X20.6344510.0707998.9613100.0000X32.1936530.5601563.9161490.0005R-squared0.994390Mean dependent var116832.6Adjusted R-squared0.993829S.D. dependent var142907.8S.E. of regression11226.52Akaike info criterion21.60008Sum squared resid3.78E+09Schwarz criterion21.77965Log

8、likelihood-363.2013Hannan-Quinn criter.21.66132F-statistic1772.436Durbin-Watson stat1.562895Prob(F-statistic)0.000000得到回归结果如下：Y = 1376.51111272 + 1.01352493953*X1 + 0.634450821768*X2 + 2.19365330783*X3 （0.411358） （8.149934） （8.961310） （3.916149） R2=0.994390 F=1772.436 DW=1.562895模型检验1. 拟合优度检验： R2=0.

9、994390 ，说明模型的拟合性很好。2. 参数显著性检验：各解释变量X1、X2、X3的t统计量值都大于5%的显著性水平，并且所对应的P值都远小于0.05，所以，拒绝原假设，各解释变量的参数均是显著的。但是，常数项的t值小于5%的显著性水平，不能通过检验。3. 方程显著性检验：F=1772.436 非常大，并且Prob(F-statistic)=0.000000非常小，所以，可以拒绝原假设，则各参数的系数不同时为零，回归方程总体上显著性很高。说明短期贷款、中长期贷款和其他贷款联合起来确实对GDP的变化有显著影响。4. 结构稳定性检验：由于1996年实行了扩张的货币政策，新增贷款大幅度增加，因此

10、，选取1996年为突破点，检验该模型在1996年前后是否发生了明显的结构变化。Chow检验结果如下：由P值大于0.05的显著性水平可知，不能拒绝原假设，则接受不存在突破点的原假设，说明在1996年前后各变量不存在结构变化。Chow Breakpoint Test: 1996Null Hypothesis: No breaks at specified breakpointsVarying regressors: All equation variablesEquation Sample: 1979 2012F-statistic0.356075Prob. F(4,26)0.8374Log li

11、kelihood ratio1.813321Prob. Chi-Square(4)0.7700Wald Statistic1.424300Prob. Chi-Square(4)0.84005.多重共线性的检验：由于回归结果中，各参数的t统计量都能通过检验，F值很大，R2=0.994390，方程的拟合性很好，并且DW=1.562895较接近于2，所以，各解释变量间不存在严重的多重共线性。6.异方差的检验：由于模型为多元函数，故进行white检验时，可以选择有交叉乘积项和无交叉乘积项两种情形分别进行检验。Eviews软件对回归结果进行white检验。（1）无交叉乘积项的检验结果如下：nR2=12.

12、60646大于X20.05（6）=12.5916，P值为0.0056小于0.05的显著性水平，所以拒绝原假设，认为模型存在异方差。Heteroskedasticity Test: WhiteF-statistic5.892645Prob. F(3,30)0.0027Obs*R-squared12.60646Prob. Chi-Square(3)0.0056Scaled explained SS30.71588Prob. Chi-Square(3)0.0000Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 07

13、/10/14 Time: 09:08Sample: 1979 2012Included observations: 34VariableCoefficientStd. Errort-StatisticProb.C-1822506650852456-0.3583910.7226X120.0303690.0144432.1027540.0440X22-0.0134900.005785-2.3319030.0266X320.5718690.2946771.9406660.0617R-squared0.370778Mean dependent var1.11E+08Adjusted R-squared

14、0.307856S.D. dependent var2.82E+08S.E. of regression2.35E+08Akaike info criterion41.49776Sum squared resid1.66E+18Schwarz criterion41.67733Log likelihood-701.4618Hannan-Quinn criter.41.55899F-statistic5.892645Durbin-Watson stat1.539346Prob(F-statistic)0.002749（2）以有交叉乘积项的检验结果为例：结果如下图所示，nR2=24.83577大于

15、X20.05（9）=16.9190，P值为0.0032小于0.05的显著性水平，所以拒绝原假设，认为模型存在异方差。Heteroskedasticity Test: WhiteF-statistic7.226870Prob. F(9,24)0.0001Obs*R-squared24.83577Prob. Chi-Square(9)0.0032Scaled explained SS60.51285Prob. Chi-Square(9)0.0000Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 07/05/14

16、Time: 12:43Sample: 1979 2012Included observations: 34VariableCoefficientStd. Errort-StatisticProb.C-7492947976036969-0.9854350.3342X160141.5723287.242.5825980.0163X12-1.3043050.453808-2.8741360.0084X1*X21.1970250.3648733.2806660.0032X1*X34.1435902.1521461.9253300.0661X2-17134.3410405.34-1.6466870.11

17、27X22-0.3585750.090108-3.9794060.0006X2*X3-0.7141470.814872-0.8763910.3895X3-176556.283889.62-2.1046250.0460X32-6.5424192.479657-2.6384380.0144R-squared0.730464Mean dependent var1.11E+08Adjusted R-squared0.629388S.D. dependent var2.82E+08S.E. of regression1.72E+08Akaike info criterion41.00292Sum squ

18、ared resid7.09E+17Schwarz criterion41.45185Log likelihood-687.0496Hannan-Quinn criter.41.15601F-statistic7.226870Durbin-Watson stat2.073320Prob(F-statistic)0.0000507. 自相关的检验：（1）由回归结果可知，DW=1.562895。查d统计量表，在5%的显著性水平下，下限dL=1.271，上限dU=1.652，则dLDWdU，处于无法判别的区域，不能判断随机干扰项是否存在自相关关系。（2）用Eviews软件对回归结果进行LM检验，结果

19、如下图所示：LM=nR2=4.438031，并且相应的P值为0.1087，大于0.05的显著性水平，则说明不能拒绝原假设，随机干扰项不存在自相关。Breusch-Godfrey Serial Correlation LM Test:F-statistic2.101769Prob. F(2,28)0.1411Obs*R-squared4.438031Prob. Chi-Square(2)0.1087Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 07/05/14 Time: 12:49Sample: 1979 2

20、012Included observations: 34Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C1157.5713181.4620.3638490.7187X1-0.0585950.123747-0.4735080.6395X20.0390240.0692520.5635060.5776X3-0.0251520.559765-0.0449340.9645RESID(-1)0.2908410.2010851.4463590.1592RESI

21、D(-2)-0.3771190.208465-1.8090320.0812R-squared0.130530Mean dependent var-1.50E-11Adjusted R-squared0.043583S.D. dependent var10704.07S.E. of regression10468.21Akaike info criterion21.57785Sum squared resid3.29E+09Schwarz criterion21.84721Log likelihood-360.8235Hannan-Quinn criter.21.66971F-statistic

22、0.900758Durbin-Watson stat1.611116Prob(F-statistic)0.493424模型修正 以上直接用原始数据进行的回归结果，虽然方程整体的拟合性很好，并且各参数显著性也很高，但是，常数项不能通过检验，随机干扰项存在异方差。（1） 为了消除异方差，采用加权最小二乘法进行回归，权重取为残差绝对值的倒数，即：W=1/abs(e0）。但是这种方法并没能够消除异方差。因此，在加权最小二乘法的基础上，对各变量取对数，并且去掉常数项再次回归：Dependent Variable: LNYMethod: Least SquaresDate: 07/12/14 Time:

23、09:34Sample (adjusted): 1979 2012Included observations: 34 after adjustmentsWeighting series: 1/ABS(E0)VariableCoefficientStd. Errort-StatisticProb.LNX10.9199120.04723719.474470.0000LNX2-0.0856230.022805-3.7546110.0007LNX30.2515490.0340687.3837460.0000Weighted StatisticsR-squared0.999672Mean depende

24、nt var10.10148Adjusted R-squared0.999651S.D. dependent var29.85724S.E. of regression0.055172Akaike info criterion-2.872626Sum squared resid0.094362Schwarz criterion-2.737947Log likelihood51.83464Hannan-Quinn criter.-2.826697Durbin-Watson stat1.317569Unweighted StatisticsR-squared0.982113Mean depende

25、nt var10.76516Adjusted R-squared0.980959S.D. dependent var1.524058S.E. of regression0.210302Sum squared resid1.371037Durbin-Watson stat0.171417如上图回归结果所示，取对数后，回归结果的拟合度很高，各参数显著性都能通过检验，并且方程总体显著性水平也很高。但是，此时对模型进行LM检验，结果如下，LM=nR2=28.82112，并且对应的P值为0.0000非常小，可以拒绝原假设，认为模型存在自相关。Breusch-Godfrey Serial Correlat

26、ion LM Test:F-statistic80.69621Prob. F(2,29)0.0000Obs*R-squared28.82112Prob. Chi-Square(2)0.0000（2） 对自相关的修正迭代法假如认为模型存在一阶自相关，在eviews中进行随机干扰项的一阶自回归分析，得到回归结果如下：Dependent Variable: LNYMethod: Least SquaresDate: 07/12/14 Time: 09:37Sample (adjusted): 1980 2012Included observations: 33 after adjustmentsCo

27、nvergence achieved after 6 iterationsVariableCoefficientStd. Errort-StatisticProb.LNX10.8507920.05944814.311650.0000LNX20.1253790.0523592.3945750.0233LNX30.0977650.0464822.1032960.0442AR(1)0.8270430.03555223.263020.0000R-squared0.998251Mean dependent var10.83957Adjusted R-squared0.998070S.D. depende

28、nt var1.483643S.E. of regression0.065177Akaike info criterion-2.510195Sum squared resid0.123195Schwarz criterion-2.328800Log likelihood45.41822Hannan-Quinn criter.-2.449161Durbin-Watson stat1.414454Inverted AR Roots.83 此时，各解释变量的t值都通过了显著性水平检验，所对应的P值都小于0.05的显著性水平，R2=0.998251，说明方程的拟合度很高。此时，采用LM检验对进行了一阶

29、自回归后的结果进行检验，结果如下：LM=nR2=4.601473，所对应的P值为0.1002大于0.05的显著性水平，并且各变量的t值都不能通过检验。所以不能拒绝原假设，认为不存在自相关。Breusch-Godfrey Serial Correlation LM Test:F-statistic2.193108Prob. F(2,27)0.1310Obs*R-squared4.601473Prob. Chi-Square(2)0.1002Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 07/12/14 Time

30、: 09:37Sample: 1980 2012Included observations: 33Presample missing value lagged residuals set to zero.Weight series: 1/ABS(E0)VariableCoefficientStd. Errort-StatisticProb.LNX10.0015010.0554050.0270880.9786LNX20.0082150.0487720.1684410.8675LNX3-0.0115160.043585-0.2642240.7936AR(1)9.66E-050.0336220.00

31、28730.9977RESID(-1)0.3397160.1900021.7879570.0850RESID(-2)-0.3076810.189267-1.6256470.1156R-squared0.139439Mean dependent var0.001162Adjusted R-squared0.050415S.D. dependent var0.062036S.E. of regression0.060452Akaike info criterion-2.539515Sum squared resid0.105978Schwarz criterion-2.267422Log like

32、lihood47.90199Hannan-Quinn criter.-2.447964Durbin-Watson stat1.881192此时，采用white检验时，选择有交叉乘积项和无交叉乘积项，模型都不存在异方差。其中无交叉乘积项的white检验结果如下：nR2=5.583436，相应的P值为0.2325大于0.05的显著性水平，所以不能拒绝原假设，认为不存在异方差。Heteroskedasticity Test: WhiteF-statistic1.425564Prob. F(4,28)0.2515Obs*R-squared5.583436Prob. Chi-Square(4)0.232

33、5Scaled explained SS1.765243Prob. Chi-Square(4)0.7788其中有交叉乘积项的white检验结果如下：nR2=11.44265小于X2（10）=18.3070，相应的P值为0.3241大于0.05的显著性水平，所以不能拒绝原假设，认为不存在异方差。Heteroskedasticity Test: WhiteF-statistic1.167761Prob. F(10,22)0.3619Obs*R-squared11.44265Prob. Chi-Square(10)0.3241Scaled explained SS3.617676Prob. Chi-

34、Square(10)0.9630 通过以上对模型进行修正，得到了修正后的回归方程： LNY=0.85079212408*LNX1+0.125378568023*LNX2+0.0977653456807*LNX3+AR(1)=0.827043038816 （14.31165） （2.394575） （2.103296） （23.26302） R2=0.998251 DW= 1.414454模型评价及预测（一）模型评价根据上述得到的回归方程，可知，短期贷款、中长期贷款、其他贷款的变动情况均对我国经济增长有正相关关系，其中，短期贷款的变动对我国经济增长的变化有较大的影响，中长期贷款次之，其他贷款对我

35、国经济增长的影响作用较小。其中：在其他因素不变的情况下，短期贷款增速每提高一个百分点，则会导致GDP增速同方向提高0.85079212408个百分点；在其他因素不变的情况下，中长期贷款增速每提高一个百分点，则会导致GDP增速同方向提高0.125378568023个百分点；在其他因素不变的情况下，其他贷款增速每提高一个百分点，则会导致GDP增速同方向提高0.0977653456807个百分点。 根据以上的结论，短期贷款与中长期贷款相比，短期贷款的波动对我国经济增长的影响较大，且都是顺经济周期的，即短期贷款和中长期贷款的增加，会使得GDP相应增加；但是，其他贷款的增速变动，对经济增长的影响三者中最

36、小。总之，我国信贷规模和结构的变化确实是对我国经济增长有一定的影响的，信贷规模的增加以及信贷结构的合理化确实是会刺激我国经济增长的。然而，信贷增长更多的是由政府宏观经济调节政策所主导的，没有政府的正确引导，信贷规模的增长并不一定会带来经济的快速有效增长，若信贷资金使用不当，信贷结构不合理，甚至会给经济的发展带来不利影响，导致经济的大幅度波动。（二） 模型预测 如上预测图所示，左边图中蓝色的实线(LNYF)表示的是被解释变量的预测值，两边的两条红色虚线表示预测值的两倍标准误差带。以附表2中各指标的增长率，分别计算出短期贷款、中长期贷款和其他贷款与上一年相比的平均增长率，再以这些平均增长率为基础，计算出短期贷款、中长期贷款和其他贷款与2012年相比的增长情况，得出2013年短期贷款、中长期贷款和其他贷款的估计值，分别为287996.4016亿元、451721.4976亿元、34188.0574亿元，然后再根据回归方程，得出2013年我国GDP的预测值为627804.8568亿元。文档可能无法思考全面，请浏览后下载，另外祝您生活愉快，工作顺利，万事如意!13 / 13