一、文獻(xiàn)綜述

投資、工業(yè)生產(chǎn)和貸款的關(guān)系長期以來都是理論研究和政策制定者關(guān)注的重點(diǎn)問題之一。劉海英等（2009）利用非均衡計(jì)量模型得出，我國信貸市場中存在著貸款過度需求的非均衡狀態(tài)，主要表現(xiàn)為近年來貸款增長率始終處于下降并且嚴(yán)重滯后于工業(yè)產(chǎn)出需求的狀態(tài)。同時緊縮性貨幣政策所導(dǎo)致的信貸供給約束更加強(qiáng)化了這一非均衡狀態(tài)，并且已經(jīng)影響到了工業(yè)實(shí)體經(jīng)濟(jì)的發(fā)展。鄒慶華（2010）利用VAR 向量自回歸模型，研究發(fā)現(xiàn)，湖南省工業(yè)增加值對短期貸款具有持久的正向響應(yīng)，并高于其對短期貸款的沖擊響應(yīng)；固定資產(chǎn)投資對中長期貸款沖擊的響應(yīng)相當(dāng)于對短期貸款沖擊響應(yīng)的3.28倍，并且響應(yīng)時間明顯長于短期貸款。李錦玲等（2011）對1995——2009年全國及省際經(jīng)濟(jì)增長與銀行信貸資金分布的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果發(fā)現(xiàn)，貸款是推動區(qū)域經(jīng)濟(jì)增長的重要因素，但貸款對區(qū)域經(jīng)濟(jì)增長的貢獻(xiàn)效率明顯不同。李蕊（2012）實(shí)證發(fā)現(xiàn)，貸款對于浙江省經(jīng)濟(jì)增長起著積極的推動作用，兩者之間存在著一個長期均衡關(guān)系，但近年來，浙江貸款資金使用效率呈現(xiàn)下降的趨勢。黃蓉（2012）通過使用面板數(shù)據(jù)的建模分析技術(shù)，研究了國內(nèi)區(qū)域投資與金融機(jī)構(gòu)存貸款量之間的關(guān)系，發(fā)現(xiàn)金融機(jī)構(gòu)是推動地區(qū)投資增長的重要因素，但是受到政府區(qū)域發(fā)展戰(zhàn)略規(guī)劃、地方行政性因素、非公有制經(jīng)濟(jì)信貸約束等諸多影響，金融機(jī)構(gòu)對于投資的正向推動力度出現(xiàn)了由東向西依次遞增的現(xiàn)象。

總體而言，現(xiàn)有文獻(xiàn)對揭示投資、工業(yè)生產(chǎn)和貸款的關(guān)系具有重要參考價值，但這些文獻(xiàn)較多討論的是貸款與單一經(jīng)濟(jì)變量（GDP或工業(yè)增加值或固定資產(chǎn)投資），忽略了經(jīng)濟(jì)變量之間的相互影響，對貸款的評價和作用存在放大或縮小的可能。因此，本文擬以內(nèi)蒙古為例，分析投資、工業(yè)生產(chǎn)和貸款的關(guān)系，通過實(shí)證試圖獲得有價值的信息。

二、實(shí)證方法和變量選擇

（一）實(shí)證方法

單方根檢驗(yàn)。由于多數(shù)經(jīng)濟(jì)時間序列數(shù)據(jù)存在不穩(wěn)定性，屬于非平穩(wěn)時間序列。如果直接用非平穩(wěn)時間序列建立回歸模型，即使模型擬合度很高，但是它的殘差序列是一個非平穩(wěn)序列，反映出因變量除了能被自變量解釋的部分以外，其余部分變化仍屬不規(guī)則，隨著時間的變化存在越來越偏離因變量均值的趨勢，因此這樣的模型無法用于預(yù)測未來信息。所以對時間序列進(jìn)行平穩(wěn)性檢驗(yàn)，是對經(jīng)濟(jì)時間序列數(shù)據(jù)進(jìn)行建模處理的第一步。如果一個時間序列通過d次差分后成為平穩(wěn)序列，而這個序列差分d-1次時卻不平穩(wěn)，那么稱這個序列為d階單整，記為I（d），特別是如果這個序列本身是平穩(wěn)序列，則為零階單整序列，記為I（0）。單整階數(shù)是序列中單位根個數(shù)，或者是使序列平穩(wěn)而差分的階數(shù)。檢查序列平穩(wěn)性的標(biāo)準(zhǔn)方法稱為單位根檢驗(yàn)。檢驗(yàn)方法有Augmented Dickey-Fuller test（ADF）檢驗(yàn)、Phillips-Perron（PP）檢驗(yàn)等，本文采用ADF法進(jìn)行檢驗(yàn)。

向量自回歸（Vector Auto-regression，VAR）模型。VAR模型常用于預(yù)測相互聯(lián)系的時間序列系統(tǒng)及分析隨機(jī)擾動對變量系統(tǒng)的動態(tài)沖擊，從而解釋各種經(jīng)濟(jì)沖擊對經(jīng)濟(jì)變量造成的影響。VAR模型是基于數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)建立模型，把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的向量自回歸模型。最一般的VAR模型數(shù)學(xué)表達(dá)式為：

（1）

模型（1）中， 是k維內(nèi)生變量向量， 是d維外生變量向量，p是滯后階數(shù)，T是樣本個數(shù)。k×k維矩陣 和k×d維矩陣 是要被估計(jì)的系數(shù)矩陣。 是k維擾動向量。滯后階數(shù)p的確定是VAR模型的一個重要問題，一方面滯后階數(shù)足夠大，能更好反映出所構(gòu)造模型的動態(tài)特征；另一方面滯后階數(shù)越大，需要估計(jì)的參數(shù)也就越多，模型的自由度將減少，因此選擇合適的滯后階數(shù)需要綜合考慮，既要有足夠數(shù)目的滯后項(xiàng)，又要有足夠數(shù)目的自由度。常用的確定滯后階數(shù)的檢驗(yàn)方法有LR檢驗(yàn)、AIC準(zhǔn)則和SC準(zhǔn)則。本文采用的是AIC準(zhǔn)則和SC準(zhǔn)則。

脈沖響應(yīng)函數(shù)（impulse response function，IRF）和方差分解（variance decomposition）。由于VAR模型是一種非理論性的模型，它無需對變量作任何先驗(yàn)性約束，因此在分析VAR模型時，往往無法判斷一個變量的變化對另一個變量的影響程度。而脈沖響應(yīng)函數(shù)就是用于衡量VAR模型中的一個內(nèi)生變量的沖擊對其他內(nèi)生變量所帶來的影響，它能夠較直觀地反映出變量之間的動態(tài)交互作用。方差分解是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化（一般用方差度量）的貢獻(xiàn)度，進(jìn)一步評價不同結(jié)構(gòu)沖擊的重要性。

（二）變量選擇和數(shù)據(jù)說明

考慮到數(shù)據(jù)的可得性，這里采用年末內(nèi)蒙古人民幣各項(xiàng)貸款余額代表貸款（DK），采用年度城鎮(zhèn)固定資產(chǎn)投資額、年度工業(yè)增加值分別代表投資（TZ）和工業(yè)生產(chǎn)（SC）。本文研究的樣本區(qū)間為1980—2012年。數(shù)據(jù)來源于Wind數(shù)據(jù)庫。本文使用EVIEWS6軟件進(jìn)行實(shí)證分析。

三、實(shí)證分析與檢驗(yàn)

（一）單方根檢驗(yàn)

在單方根檢驗(yàn)前，為消除異方差的影響，對原序列取對數(shù)，分別記為LDK、LTZ、LSC，相應(yīng)的一階差分記為DLDK、DLTZ、DLSC。表1分別是1980—2012年各序列單方根檢驗(yàn)情況。

從表1可知，在5%的顯著性水平下，LDK、LTZ、LSC序列接受原假設(shè)，即存在單方根的結(jié)論；DLDK、DLTZ、DLSC序列拒絕原假設(shè)，即接受不存在單方根的結(jié)論。因此，LDK、LTZ、LSC序列在經(jīng)過一階差分后平穩(wěn)，它們都是一階單整序列，即I（1）。

（二）對LDK、LTZ與LSC構(gòu)建VAR模型

構(gòu)建 VAR 模型，首先要確定模型的滯后階數(shù)，根據(jù)AIC與SC最小的判斷準(zhǔn)則，經(jīng)過軟件多次實(shí)驗(yàn)，發(fā)現(xiàn) LDK、LTZ與LSC三者 VAR 模型的最佳滯后階數(shù) p=4。

通過 EVIEWS 軟件求解，得到結(jié)果如表2所示：

在模型一的估計(jì)結(jié)果中，LTZ對LDK的滯后影響系數(shù)分別為0.2143、-0.2912、0.1087、0.0142，影響系數(shù)和為0.0459，說明LTZ對LDK存在正向的影響，即固定資產(chǎn)投資增長會拉動貸款增長；LSC對 LDK的滯后影響系數(shù)分別為0.3006、-0.2476、0.0611、-0.1113，影響系數(shù)和為0.0029， 說明工業(yè)生產(chǎn)對貸款有一定的正向推動作用，即工業(yè)生產(chǎn)增加將促使貸款需求增加。

在模型二的估計(jì)結(jié)果中，LDK對LTZ的滯后影響系數(shù)分別為-0.1209、0.2227、-0.8084、0.7399，影響系數(shù)和為0.0332，說明LDK對LTZ存在正向的影響，即貸款增長會刺激固定資產(chǎn)投資增長；LSC對 LTZ的滯后影響系數(shù)分別為-0.6223、0.4664、-0.0729、0.0954，影響系數(shù)和為-0.1335， 說明工業(yè)生產(chǎn)對固定資產(chǎn)投資有負(fù)面影響。工業(yè)對投資的負(fù)向作用與我們對經(jīng)濟(jì)觀察的經(jīng)驗(yàn)存在一定的背離，造成這個現(xiàn)象可能有兩個解釋，一個原因是工業(yè)生產(chǎn)和固定資產(chǎn)投資都需要包括銀行貸款在內(nèi)的社會各方面資金支持，在全社會資金相對有限的情況下，工業(yè)生產(chǎn)擠占了部分投資領(lǐng)域的資金；另一個原因是相當(dāng)數(shù)量工業(yè)產(chǎn)品的最終用途是消費(fèi)、銷往自治區(qū)以外的國內(nèi)其他省市以及出口，而不是投資。

在模型三的估計(jì)結(jié)果中，LDK對LSC的滯后影響系數(shù)分別為-0.3759、0.5043、-0.1248、0.0727，影響系數(shù)和為0.0763，說明LDK對LSC存在正向的影響，即貸款增長會拉動工業(yè)生產(chǎn)增長；LTZ對 LSC的滯后影響系數(shù)分別為0.4053、0.1880、-0.0438、0.1485，影響系數(shù)和為0.6980， 說明固定資產(chǎn)投資對工業(yè)生產(chǎn)有較大的正向推動作用，即固定資產(chǎn)投資增加將拉動煤炭、建材、鋼鐵等產(chǎn)品需求，進(jìn)而刺激工業(yè)生產(chǎn)增長。

（三）LDK的脈沖響應(yīng)函數(shù)

LDK的脈沖響應(yīng)函數(shù)圖和方差分解圖分別如圖 1 和圖 2 所示。這里我們重點(diǎn)討論LDK的波動因素，因此未將LTZ和LSC的脈沖響應(yīng)函數(shù)圖展示出來。

圖 1 的脈沖響應(yīng)圖表示 LDK對來自自身和LTZ、LSC隨機(jī)擾動的反應(yīng)過程，這里主要探討來自對方隨機(jī)擾動的反應(yīng)。從圖1可以看出，來自LTZ的一個標(biāo)準(zhǔn)差隨機(jī)擾動對LDK的影響不斷增加，最大影響出現(xiàn)在第7期，而后震蕩收斂，全部時間都為正值，反映出LTZ的變動對LDK存在著正向推動作用；相對于LTZ帶來的影響，來自LSC的一個標(biāo)準(zhǔn)差隨機(jī)擾動對LDK的影響明顯弱小，除第2期稍有正向沖擊外，其后時間大都為較小的負(fù)值，反映出LTZ的變動對LDK存在著負(fù)向推動，但作用較弱。圖2的方差分解圖反映出在LDK、LTZ與LSC的動態(tài)關(guān)系中，LDK的波動主要?dú)w因于來自LDK自身與LTZ的沖擊，從長期看LDK、LTZ分別解釋了波動產(chǎn)生的約30%、約70%，而 LSC只解釋了波動產(chǎn)生的不足1%，反映出貸款的變化與波動幾乎來源于自身與固定資產(chǎn)投資的波動影響。

四、結(jié)論分析與政策建議

（一）結(jié)論分析

VAR模型和脈沖響應(yīng)函數(shù)的結(jié)果表明，在1980至2012年期間，內(nèi)蒙古城鎮(zhèn)固定資產(chǎn)投資和工業(yè)生產(chǎn)都會促進(jìn)貸款增加，而且投資拉動的作用更強(qiáng)于工業(yè)生產(chǎn)；同時，貸款增加也會拉動城鎮(zhèn)固定資產(chǎn)投資和工業(yè)生產(chǎn)，而且對工業(yè)生產(chǎn)的拉動作用強(qiáng)于投資；此外，城鎮(zhèn)固定資產(chǎn)投資對工業(yè)生產(chǎn)有較大的正向推動作用，但工業(yè)生產(chǎn)對城鎮(zhèn)固定資產(chǎn)投資的拉動作用不明顯。

（二）政策建議

1.積極擴(kuò)大內(nèi)蒙古貸款總量，滿足實(shí)體經(jīng)濟(jì)合理的資金需求

首先，建議自治區(qū)政府支持全國性及自治區(qū)外的區(qū)域性銀行業(yè)金融機(jī)構(gòu)、外資銀行到內(nèi)蒙古設(shè)立分支機(jī)構(gòu)，對新設(shè)立的金融機(jī)構(gòu)，可以考慮給予適當(dāng)?shù)难a(bǔ)助。其次，駐內(nèi)蒙古的全國性金融機(jī)構(gòu)努力向上爭取新增信貸規(guī)模，積極引進(jìn)總行直貸項(xiàng)目或單列信貸指標(biāo)，多渠道增加信貸資金來源。再次，充分發(fā)揮財(cái)政資金"四兩撥千斤"的杠桿作用，引導(dǎo)金融機(jī)構(gòu)加大對重點(diǎn)領(lǐng)域重點(diǎn)企業(yè)的貸款投入。最后，支持銀行業(yè)金融機(jī)構(gòu)通過整體轉(zhuǎn)讓表內(nèi)信貸資產(chǎn)、加大不良資產(chǎn)處置力度、加快對國家明令限期淘汰的落后產(chǎn)能項(xiàng)目的信貸退出等方式，有效盤活存量貸款規(guī)模，為新增貸款騰出空間。

2.增強(qiáng)貸款對內(nèi)蒙古工業(yè)發(fā)展的拉動作用

金融管理部門一方面可以根據(jù)信貸政策和產(chǎn)業(yè)政策契合度，引導(dǎo)銀行業(yè)金融機(jī)構(gòu)對符合國家產(chǎn)業(yè)政策，對當(dāng)?shù)鼐蜆I(yè)、稅收及產(chǎn)業(yè)發(fā)展貢獻(xiàn)較大的工業(yè)企業(yè)提供充裕的資金支持，促使工業(yè)企業(yè)向集約化、節(jié)約型方向發(fā)展；另一方面積極創(chuàng)新金融服務(wù)方式，搭建金融支持工業(yè)企業(yè)發(fā)展的互動平臺。以推介會等形式加強(qiáng)銀行和工業(yè)企業(yè)溝通，訂立合作意向或簽訂合作協(xié)議，增強(qiáng)支持力度。同時，各銀行業(yè)金融機(jī)構(gòu)要發(fā)揮主動性，科學(xué)規(guī)劃，加大對自治區(qū)工業(yè)企業(yè)的全方位資金支持。以國開行為主的政策性銀行著重加大對工業(yè)企業(yè)發(fā)展所需的配套基礎(chǔ)設(shè)施建設(shè)的信貸支持；工農(nóng)中建四大商業(yè)銀行著重加大對大中型工業(yè)企業(yè)的資金支持；股份制銀行和地方中小金融機(jī)構(gòu)著重滿足小微企業(yè)的資金需求。

3.增強(qiáng)貸款對內(nèi)蒙古投資的拉動作用

銀行業(yè)金融機(jī)構(gòu)要以重點(diǎn)項(xiàng)目為抓手，積極向符合條件的重點(diǎn)項(xiàng)目發(fā)放貸款，保障重點(diǎn)項(xiàng)目建設(shè)順利進(jìn)行。一是加強(qiáng)信貸產(chǎn)品創(chuàng)新。積極開辦"項(xiàng)目收益權(quán)質(zhì)押貸款"等符合重點(diǎn)項(xiàng)目融資需求特點(diǎn)的信貸產(chǎn)品，提高信貸融資效率。二是加強(qiáng)同業(yè)合作。針對部分重點(diǎn)項(xiàng)目建設(shè)資金需求量較多的情況，銀行業(yè)金融機(jī)構(gòu)可以加強(qiáng)與自治區(qū)外金融機(jī)構(gòu)的合作，采取銀團(tuán)貸款、內(nèi)保外貸、信貸資產(chǎn)轉(zhuǎn)讓等方式，吸引外部資金流入。三是根據(jù)重點(diǎn)項(xiàng)目建設(shè)進(jìn)度提供高效金融服務(wù)。對已授信的在建續(xù)貸項(xiàng)目，按照工程進(jìn)度用款要求，及時撥付貸款資金，保障工程進(jìn)度；對已承諾貸款并完成評估、審批環(huán)節(jié)的項(xiàng)目，加快放款進(jìn)度；對有承貸意向的項(xiàng)目要加快評估工作進(jìn)度，在切實(shí)防范風(fēng)險的前提下，簡化程序，提高工作效率；對意向介入的新開工項(xiàng)目，早介入、早接觸、早評估；對已經(jīng)投產(chǎn)尚缺流動資金的重點(diǎn)項(xiàng)目，主貸銀行積極給予支持。

（作者單位：中國人民銀行福州中心支行）

責(zé)任編輯：張莉莉