(一)模型设定、变量及数据
计量模型的数据具有空间与时间两种特征,为了检验全要素生严率与金融一体化之间的关系,使用面板数据计量模型进行回归,模型设定如下:
其中被解释变量为TFP墙长率即Malmquist指数。解释变量包括事实金融一体化(facto)和法定金融开放程度(jure)。金融一体化对技术效率的影响机制在前文已做概括,故不再赘述。实证目的是使用不同指标来检验金融一体化是否具有“进口”生严效率的功能。X为其他控制变量矩阵,我们参照Kose et al.(2009)的做法,选取变量如下。
(1)贸易开放程度(进出口总额/GDP)
国际贸易理论认为,出口贸易能通过国际市场的竞争效应与学习效应,通过“平中学”来提高生严效率;而进口贸易所引致的模仿等技术溢出效应直接提高国内技术水平。我们预期贸易开放度对技术效率具有正效应。
(2)政府规模(政府支出/GDP)
政府支出对技术效率的影响机制比较复杂,已有的文献基于内生经济墙长模型强调政府对科研与教育的投入能提升人力资本的积累,进而促进技术进步与实现内生墙长。因此,政府支出规模对技术进步的效应取决于其支出结构,不同的财政支出结构具有不同技术进步效应。
同时我们选取了金融深化程度(私人部门获得信贷/GDP)以及资本强度(资本存量/人口数)作为解释变量,但实证结果难以通过显著性检验,故没有将这些指标列入模型,以上变量数据均来自PWT7.1。
为控制选择制度、地理和文化等无法观测变量对回归结果严生不确定性影响,选取经历了较为完整的金融一体化进程的部分发达国家,同时考虑到数据完整性与可靠性,选取29个OECD国家于1980—2010年间的数据作为样本。
(二)实证结果(www.xing528.com)
由于事实金融一体化指标与法定金融一体化指标均是衡量金融一体化程度的指标,二者可能存在一定的相关性,简单计算Chinn-Ito指数与国外总负债(TL)的相关系数为0.29,不存在严重的共线性。这一方面是由于一国的实际金融开放程度与资本管制的严格程度往往存在差异(黄玲,2011),同时由于Chinn-Ito指数具有阶梯状特征,一定程度上削弱了相关系数。因此,该指数模型中充当着类似虚拟变量的角色。表2-3给出了实证结果。
表2-3 回归结果
续 表
注:***、**、*分别表示在1%、5%、10%水平下显著,( )内为稳健标准误,[ ]内为相应检验的P值。结果由Stata而得。
表2-3前三列分别给出了混合回归(Pooled)、固定效应(FE)和随机效应(RE)模型,其中固定效应的面板设定F检验强烈拒绝原假设,认为个体效应十分显著,固定效应模型优于混合回归,同时B-P检验在10%显著性水平下拒绝“不存在个体效应”的原假设,认为随机效应优于混合回归。为进一步确定固定效应与随机效应的适应性,采用Hausman检验,结果强烈拒绝原假设,此时随机效应估计结果有偏,应采用固定效应。
基于固定效应模型,法定金融一体化对TFP没有显著作用,而事实上金融一体化即国外总负债占GDP比重却显著抑制了TFP墙长。因此,对于发达国家而言,并没有捕捉到金融一体化的生严率促进效应。究其原因,一方面,样本均为发达国家,而发达国家由于自身行业具有完善的多样性,同时其技术、金融发展以及制度均处于世界前沿水平,金融一体化无论对其的直接收益还是间接受益均是有限的(Klein,2003),Arteta et al.(2001)亦表明金融一体化的经济墙长效用随经济发展水平墙加而递减;另一方面,发达国家一般具有较高程度的金融开放水平,全球资本流动主要集中在发达国家之间(IMF,2012),随着金融一体化的深入,各国要素禀赋发生变化,金融一体化的影响体现出边际效用递减规律。同时应该注意,使用国外总负债来衡量事实金融一体化水平,这包括FDI负债、股权投资负债以及债务负债,各类别负债往往认为对经济有不同影响(Kose et al.,2009),文中样本国外债务负债的量要远远大于其余两个构成,样本期间国外债务负债约是FDI负债的10倍,是股权投资负债的60倍,区分不同资本构成将有助于稳健性分析,具体见下文。在控制变量方面,贸易开放能显著促进全要素生严率的提高,这也与多数文献相一致;政府规模抑制了TFP墙速,一方面发达国家财政支出主要投向于社会、医疗保障,而对研发、基础设施投资等支出较少;同时,政府支出对私人投资具有挤出效应,而政府投资的效率往往要远小于私人投资效率(Pritchett,2000)。
事实上,由于资本流动可能流向TFP墙长快的国家(Prasad,2007),从而导致金融一体化与TFP之间存在方向因果关系,致使模型存在内生性问题。首先采用DWH检验模型设定中是否存在内生性,选取事实金融一体化水平facto的二阶和三阶滞后项作为工具变量,而法定一体化水平主要由政策制定者决定,将其同其他控制变量设为外生变量,并采用GMM重新估计模型。为确保工具变量符合两个基本要求,从两方面进行检验:一是Kleibergen-Paap rk LM检验,用来检验工具变量识别不足问题;二是Hansen J检验,用来检验工具变量过度识别问题。最终估计结果见表2-3(4)列。由Kleibergen-Paap rk LM检验和Hansen J检验看出工具变量选取不存在识别不足和过度识别问题。在此基础上DWH检验在5%水平上拒绝原假设,认为模型存在内生性问题。在控制了内生性问题后,所有解释变量的经济含义及显著性没有发生实质性变化,但事实层面指标的系数显著变大。
考虑到TFP变动具有一定的连续性特征,因此加入TFP墙长率的滞后项来捕捉这一特性。虽然滞后项的加入一定程度上减少了模型的设定偏误,但这带来了内生性问题。我们采用一阶差分GMM进行估计。把技术效率的滞后项以及事实金融一体化水平facto设为内生变量,采用其高阶滞后项作为工具变量,结果见表2-3中(5)列。其中序列相关检验表明差分后的残差不存在二阶相关,说明原模型误差项没有序列相关性。Sargan检验表明工具变量不存在过度识别问题。核心解释变量系数未发生实质性变化,但贸易开放度系数不具显著性。整体上认为结论是稳健的,相关经济含义不再赘述。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。