供給側結構性改革下融資結構對實體經濟發展的空間效應分析

劉偉江 王虎邦

摘要：社會融資規模的合理增長與社會融資結構的有效優化，有利于營造供給側結構性改革下的良好貨幣金融環境。本文基于中國31個省（區、市）的面板數據，引入空間杜賓模型研究了社會融資結構對實體經濟發展的影響，對全國、東部地區、中部地區、西部地區實體經濟發展的空間交互效應進行對比分析。研究表明，全國及三大區域的銀行信貸、股票與債券融資方式都顯著地促進了實體經濟的發展，但存在明顯的空間依賴性及政策相關性。

關鍵詞：供給側結構性改革 融資結構 實體經濟 空間杜賓模型

中圖分類號：F820.1 文獻標識碼：A

An Analysis of the Spatial Effects of Financing Structure on Real Economy Development under Supply-side Reform

Liu Weijiang Wang Hubang

Abstract: That aggregate financing to the real economy increases reasonably and social financing structure optimizes continuously are important and meaningful for the supply-side structural reforms to create a appropriate monetary and financial environment. By introducing Spatial Durbin Model to study the interaction of financing structure to the real economy, based on panel data of 31 provinces（autonomous regions and municipalities）in China, regional spatial interaction in national, eastern, central and western economic development entities were compared. Results showed that bank credit, stocks and bonds of financing methods are significantly for promoting the development of the real economy, but there is a clear spatial dependence and policy relevance.

Keywords: Supply-side Structural Reform Financing Structure Real Economy Spatial Durbin Model

引言

廣義貨幣（M2）和新增人民幣貸款一直被視為金融統計監測的重要指標。然而，隨著金融改革的不斷深化和金融創新的不斷發展，融資工具更趨多元化，實體經濟的融資結構也發生了深刻演變，以股票和債券為代表的直接融資占據著越來越重要的地位。傳統的宏觀調控指標已不能準確反映金融對實體經濟發展的支持力度，從而給政府宏觀調控帶來了新的挑戰。在此背景下，2010年11月中國人民銀行開始研究并設計社會融資規模指標。2012年，中國人民銀行開始按月發布社會融資規模增量數據。2014年起，中國人民銀行按季公布各省份的社會融資規模增量數據。2015年2月，中國人民銀行發布了2002年以來社會融資規模存量統計數據。2016年的《政府工作報告》提出了兩個“13%左右”的貨幣政策調控目標，即廣義貨幣（M2）增長13%左右，社會融資規模余額增長13%左右。這是中國第一次在國家層面提出社會融資規模增長目標，意味著社會融資規模正式成為中國貨幣政策的調控目標。該指標從社會資金供給的角度反映金融對實體經濟部門的支持，也反映了供給側結構性改革的進展情況，其對宏觀經濟的影響引起了政府部門和相關研究機構的廣泛關注。

與此同時，中國各地區社會融資結構本身存在比較大的差異，而各地區間融資結構的正向溢出效應將使這種差距進一步縮小。如何使社會融資規模保持合理增長，使社會融資結構更加優化，進而為區域經濟發展和供給側結構性改革營造良好的貨幣金融環境？對這一問題的解答有助于詮釋經濟結構變遷與發展的動力機制，它是當前供給側結構性改革面臨的主要問題之一，也是區域金融結構性改革與轉型升級的關鍵所在。

實際上，圍繞著融資結構與實體經濟間關系問題，國內外學者進行了一定研究。國外大多數學者認為合理的融資結構可以促進實體經濟增長。Tadesse（2002）分析得出，市場導向型的融資結構有利于整個經濟部門的創新，而銀行導向型的融資結構僅對信息集中度比較高的工業部門的創新具有較大的促進作用。Luintel、Khan和Arestis等（2008）運用時間序列和動態異質性面板數據方法，分析了由世界銀行提供的14個國家的金融發展和金融結構數據，結果發現金融結構在解釋經濟增長方面的作用非常顯著。Cheng和Degryse（2010）的研究表明銀行信貸對實體經濟增長起促進作用。然而，也有部分學者的實證研究得出了不同的結論。Demirgü?-Kunt（2004）、Ergungor（2008）通過不同國家、不同行業和跨國公司層面的數據對金融結構與經濟表現做計量分析，并未找到證據來支持金融結構與經濟增長之間存在相關性。Hasan等（2009）、Zhang等（2012）認為政府干預導致國有銀行對資金的非效率配置，從而阻礙了實體經濟增長。

國內學者對融資結構與實體經濟間關系的研究形成兩種觀點。第一種，絕大多數研究發現融資結構與實體經濟增長之間存在顯著的正向相關關系。林毅夫和孫希芳（2008）、武志（2010）、盛松成和謝潔玉（2012）都認為社會融資結構的變動能夠顯著影響實體經濟。郭麗虹、張祥建和徐龍炳（2014）指出，社會融資規模的擴大對地區實體經濟發展有顯著促進作用。張興軍等（2015）的研究表明，產業結構、融資結構、國有企業投資占比對各地區融資效率有顯著影響。第二種，張曉樸和朱太輝（2014）認為，金融體系發展對經濟增長存在倒U形的“閾值效應”，一定范圍內的金融發展會促進經濟增長，超出一定范圍的金融發展反而會阻礙經濟增長。夏祥謙（2014）的研究則發現融資總量相對于實體經濟規模的擴大對經濟增長和生產率提高均具有顯著正效應，但直接融資比重的上升對經濟增長和生產率提高有顯著的抑制作用。吳晗（2015）基于新結構經濟學視角認為，在中低經濟發展水平地區，以銀行信貸為主的金融資源配置方式更有利于經濟增長。可以看出，國內學者對融資結構與實體經濟間存在明顯的相關關系已基本達成共識，但是在融資結構對實體經濟的作用機制方面存在著差異。

本文引入空間交互效應理論模型探討銀行信貸與金融市場對實體經濟發展的支持作用，基于金融結構轉型與區域經濟供給側結構性改革的實際，將空間交互影響作用分解為直接效應、溢出效應和總效應，以期客觀、真實地詮釋社會融資結構與實體經濟間的作用機制，進而提出優化融資結構的政策建議。

1 社會融資規模變動趨勢及結構特征分析

銀行信貸、股票與債券等融資方式的存在，意味著實體經濟在不同范圍內有資金需求，并且資金用途各有其特點，由此也就決定了融資的規模和結構比例的變化。事實上，這種融資結構比例是動態調整的，它隨著社會經濟結構與環境的變化而發生相應的變動，原因不僅在于資金需求結構的變動，而且更重要的是資本要素供給側的結構變化。通過社會融資規模的趨勢分解情況，可以清晰地解讀我國實體經濟部門的融資隨時間變化的趨勢及波動特征（見圖1）。

從圖1中的趨勢成分看，社會融資規模在2002～2016年的樣本區間內整體呈波動上升趨勢；從周期成分看，2002～2007年社會融資規模的波動幅度較平穩，而自2008年金融危機爆發以來，其波動幅度變化較劇烈，這意味著金融深化導致融資環節增多、鏈條拉長、金融風險增加。由此可見，社會融資規模具有明顯攀升勢頭，但伴隨著較大不確定性，因此對包含銀行信貸、股票與債券在內的社會融資規模及結構的監測也就具有重要現實意義。表1反映了中國及其各地區社會融資中銀行信貸融資（間接融資）占比的變動趨勢。由于間接融資與直接融資存在互補關系，下面分別對二者進行闡述。

直接融資和間接融資的相互關系和量的比率構成了一國的融資結構，反映著兩種金融組織方式對實體經濟的貢獻程度。由于間接融資與直接融資存在互補關系，下面分別對二者進行闡述。從表1可以看出，（1）銀行信貸融資變動趨勢及結構特征：2001～2004年以銀行信貸為中心的融資方式占據絕對重要地位，全國、東部、中部、西部銀行信貸融資占比都在90%以上。2004～2007年銀行信貸融資占比有所下降，原因是股票和債券融資模式得到了初步發展。2007～2011年受全球金融危機影響，銀行信貸融資占比呈現先升后降的倒U形變化趨勢。2012～2015年中國經濟步入新常態，呈現經濟增長動力與經濟下行壓力并存的情況，銀行信貸融資占比上行調整。西部地區對銀行信貸依賴程度最高，其銀行信貸融資占比最高為2003年的96.3%，最低為2012年的79.6%，整體高于其他地區。東部地區對銀行信貸依賴程度最低，2011年銀行信貸融資所占比重為71.0%, 2012年銀行信貸融資所占比重已下降到了69.8%的水平。截至2016年6月末，東部、中部和西部地區本外幣各項貸款余額同比增速分別為11.2%、15.8%和13.0%，中、西部地區本外幣各項貸款余額增速分別高出東部地區4.6和1.8個百分點。綜上所述，銀行信貸是我國實體經濟部門獲取外部融資的主要途徑，信貸資金持續向中、西部傾斜，這兩個地區的貸款增速遠高于東部地區。可見，銀行信貸融資變動趨勢及結構特征與區域經濟發展水平、宏觀經濟周期及國家政策等因素密切相關，這些因素使得銀行信貸對實體經濟產生了不對稱效應。

（2）股票、債券融資變動趨勢及結構特征：2001～2015年，中國金融市場中股票和債券融資占比呈現一定程度的增長，但僅在2% ～32%的區間內浮動。2001～2004年股票和債券融資發展非常滯后。2004～2007年直接融資占比快速增長，2004年的全國平均水平就達25.0%。2007～2011年受全球金融危機的影響，直接融資占比總體呈先降后升的U形變化趨勢。隨著中國經濟進入新常態，經濟增長動力與經濟下行壓力并存，2013年股票、債券融資占比大幅度下降，至2014年有小幅上漲。綜上所述，金融市場中股票、債券融資在整個社會融資格局中的地位不斷增強。其中，東部地區直接融資發展水平最高，中西部地區發展相對滯后，但融資區域不平衡狀況有所改善。另外，經濟運行周期對實體經濟融資方式也具有深遠影響。

2 社會融資結構對實體經濟空間影響效應的模型設定

根據銀行與金融市場在金融體系中的相對重要性，一般將金融體系劃分為銀行主導型和市場主導型兩種。本文選取的研究變量是以銀行信貸為中心的間接融資和以金融市場股票、債券為主的直接融資。研究這兩種融資方式對實體經濟的支持作用，能更好地促進直接融資與間接融資相對地位和職能的調整，促進融資結構優化，進而實現經濟發展的目標。本文采用空間杜賓模型研究地區社會融資結構對實體經濟影響的空間交互效應，其基本形式為：

公式（1）通過對空間滯后模型（SAR）和空間誤差模型（SEM）施加相應約束條件而設立，其中W1 是因變量的空間相關關系，W2 是自變量X的空間相關關系，兩者可以設置為相同或不同的空間矩陣，ε是滿足正態獨立同分布的隨機擾動項。本文將銀行信貸與金融市場（股票、債券）對實體經濟影響的空間杜賓模型的具體形式設定如下：

其中，α為常數項，ln INV是實體經濟發展的代理變量，ln BANK代表了銀行信貸融資，ln MARKET是金融市場（股票、債券）融資，ρ為空間回歸系數，μi 和λt 分別代表空間特定效應和時間特定效應的啞變量；εit是擾動項列向量；W為N×N階的空間權重矩陣，W×ln INV是實體經濟固定資產投資的空間滯后項，W×ln BANK代表自變量銀行信貸融資的空間滯后項，W×ln MARKET代表金融市場中股票和債券融資的空間滯后項。

對于公式（2）的估計問題，由于空間相關性的存在，其基本假設條件已不再滿足，如果仍然選用OLS進行參數估計，那么模型估計結果將是有偏和無效的。為了得到切實可靠的結論，本文依據Anselin（1988）、Lee和Yu（2010）、Elhorst（2010）的方法，采用由LeSage和Pace（2009）總結的空間杜賓模型極大似然法（MLE）進行參數估計，其對數似然函數形式如下：

其中，eλ＝Y-ρWY-Zθ, Z＝［X, WX］, θ＝［β′, y′］′, α為常數項估計值。為了進一步說明銀行信貸與金融市場對實體經濟的空間交互效應，本文參考Elhorst（2010）的研究將這種空間相關擴展到相鄰區域的信息上，由此將空間交互效應分解為直接效應、溢出效應及總效應，這樣公式（1）可以用以下形式表示：

進一步改寫為：

如果定義矩陣：

那么，公式（1）最終可寫成如下形式：

至此，本文根據公式（9）就可以推導出社會融資結構對實體經濟空間交互作用的直接效應、溢出效應和總效應。

直接效應為?yi/?xir＝Sr（W）ii，表示X對本地區造成的直接效應，也即銀行信貸融資與金融市場融資給本地區實體經濟帶來的直接影響，數值為矩陣Sr（W）中對角線元素的平均值，記作：

溢出效應為?yi/?xjr＝Sr（W）ij，表示X對其他地區造成的間接效應，也即銀行信貸融資與金融市場融資給其他相鄰地區實體經濟帶來的溢出效應，數值為Sr（W）中非對角元素的平均值，計作（r）indirect的。總效應（r）total表示銀行信貸融資與金融市場融資給所有地區帶來的總影響，記作：

由于本文按照空間地理位置的不同進行樣本數據的采集，這樣就會導致如下兩個方面的問題：一是不同的觀測值之間存在空間相關性；二是模型中存在空間異質性。為了檢驗實體經濟、銀行信貸融資、金融市場融資等變量是否存在空間相關性，使用空間自相關經典檢驗Moran'I指數方法。此外，空間異質性的檢驗為空間經濟計量模型處理空間交互效應的效果提供了判定標準。在無空間交互效應面板模型的基礎上，構建殘差的拉格朗日LM test和穩健的拉格朗日Robust LM統計量進行空間自相關檢驗，判斷是否有必要引入空間滯后模型（SAR）和空間誤差模型（SEM）。若空間滯后模型和空間誤差模型都成立，需要通過構建Wald統計量和LR統計量進行相關的假設檢驗，即H0: θ＝0和H0: θ+δβ＝0，以此來判定空間杜賓模型是否可以退化為空間滯后模型或空間誤差模型。

3 社會融資結構對實體經濟空間影響效應的實證分析

3.1 數據來源及處理

本文選取中國31個省（區、市）2001～2015年非金融機構部門社會融資結構年度數據為研究對象，該數據來源于中國人民銀行公布的各年《中國區域金融運行報告》，具體包括各省份當年本外幣貸款新增額、企業債券融資和股票融資。同時，采用中國人民銀行劃分標準，將本外幣貸款新增額作為銀行信貸融資，將企業債券凈融資和股票融資作為金融市場融資。為消除異方差，將本外幣貸款新增額與企業債券凈融資和股票融資數據取對數處理。關于實體經濟代理變量，則參考林毅夫和孫希芳（2008）, Cheng和Degryse（2010），郭麗虹、張祥建和徐龍炳（2014）等相關研究，選取社會固定資產投資。該變量數據取自2001～2016年《中國統計年鑒》，并將社會固定資產數據取對數處理。此外，為加強各地區社會融資結構的有機聯系，考慮空間區位因素對實體經濟協調發展的影響，本文采用鄰接性方法構建空間權重矩陣。

3.2 社會融資結構對實體經濟空間影響效應分析

在實證計量分析過程中，除了要研究社會融資結構與實體經濟間存在關聯的經濟理論基礎，還需要分析實體經濟、銀行信貸融資、金融市場融資各變量的數據分布規律及兩兩之間的因果關系，這些都是進行參數估計與統計推斷的前提。空間交互效應計量模型中各變量分布及關系如圖2所示。

圖2直觀展示了實體經濟、銀行信貸融資、金融市場融資各變量的數據分布特征。對角線為各變量自身的分布圖，對角線之外則為對應變量兩兩之間的散點圖。可以發現，社會融資結構各變量與實體經濟之間具有很強的相關關系。此外，采用面板數據Dumitrescu和Hurlin（2012）檢驗方法，發現在1%的顯著性水平上，上述各變量Granger因果關系的原假設都被拒絕（如表2所示）。這意味著面板數據存在雙向因果關系：既存在銀行信貸融資、股票與債券融資對實體經濟的影響，也存在實體經濟對不同融資方式的影響，因而社會融資規模內部結構對實體經濟影響的研究具有重要現實意義。

同時，由前文分析可知，在進行空間交互效應分析時，還需要對實體經濟、銀行信貸融資、金融市場融資等各變量進行空間相關性的Moran指數檢驗。從表3中可以看出，固定資產投資、銀行信貸融資、股票與債券融資各變量的Moran指數在空間區位上具有相似的正相關屬性值，并且在各年份上都顯著通過空間自相關檢驗，這說明各變量存在明顯的空間正依賴性。

為了更好地研究經濟體要素稟賦結構的變化是否會使不同的融資結構對實體經濟的作用發生轉變，本文首先對無空間效應下的面板數據模型進行比較（見表4）。

從表4中的檢驗結果可以看出，LM統計量和Robust LM統計量均在1%的顯著性水平上拒絕原假設，這說明空間滯后模型和空間誤差模型同時成立。此外，結合個體固定效應和時間固定效應LR統計量和P值的聯合顯著性檢驗結果可知，本文建立的面板數據模型應是包含空間效應的杜賓模型，具體參數估計結果如表5所示。

從表5可以看出，對于中國全樣本數據的估計結果而言，空間滯后模型的Wald統計量和LR統計量分別為15.180和16.449，在1%的水平上顯著拒絕了θ為0的原假設；同理，空間誤差模型的Wald統計量和LR統計量分別為75.760和115.759，在1%的顯著性水平上拒絕了θ+δβ＝0的原假設，這意味著更為廣義的SDM模型是最恰當的模型形式。關于固定效應與隨機效應選擇問題，全樣本數據的Hausman檢驗統計量為69.848，在1%的顯著性水平上拒絕了空間隨機效應的原假設，這表明空間固定效應的杜賓模型更適于本文的研究。顯然，對于東部地區和中部地區也可以得出同樣的結論。

從東、中、西部三大區域來看，不同的融資結構對實體經濟發展都具有顯著的促進作用，但影響程度存在差異。因此，不能忽略區位因素的存在以及空間效應的影響。其中，從銀行部門提供的信貸資金看，東部地區和中部地區的影響非常顯著，其影響系數分別為0.712和0.745。這一影響顯著高于西部地區0.291的影響水平以及全國平均影響水平（0.2927）。從金融市場股票和債券融資看，東部地區影響最為顯著，其影響水平為0.195，其次為西部地區（0.141），中部地區影響水平（0.117）最低。Lesage和Pace（2009）提出了直接效應、溢出效應和總效應等概念，用來反映自變量對因變量的影響。在本文研究中，直接效應表示銀行信貸與金融市場對本地區實體經濟造成的平均影響；溢出效應則表示銀行信貸與金融市場對其他地區實體經濟帶來的平均影響；總效應表示銀行信貸與金融市場對所有地區造成的平均影響。杜賓模型的空間效應分解為直接效應、溢出效應與總效應，具體結果見表6。

表6給出了銀行信貸融資、金融市場（股票與債券）融資對我國實體經濟的直接效應、溢出效應和總效應。（1）反饋效應方面，兩種融資方式的直接效應與表5中空間杜賓模型系數估計值的方向及顯著性水平保持一致，兩數值之差表示反饋效應。銀行信貸融資對地區實體經濟的直接影響系數為0.315，在非空間面板模型中相應的銀行信貸融資影響系數為0.273，因此，該正向效應被低估了13.33%；空間杜賓模型中銀行信貸融資的影響系數為0.293，相應的反饋效應僅為0.022，占直接效應的6.98%。金融市場（股票與債券）融資對地區實體經濟的直接影響系數為0.069，非空間面板模型中的金融市場融資對實體經濟的影響系數為0.066，該正向效應被低估了4.35%；相應的反饋效應為0.019，占直接效應的27.54%。（2）直接效應方面，東部地區和中部地區銀行信貸對本地區實體經濟的影響直接效應分別為0.693和0.735，都顯著高于西部地區0.303的水平。這意味著銀行信貸利用效率與地區經濟發展水平有著密切關系。金融市場融資對本地區實體經濟影響的直接效應，東部地區為0.202，中部地區與西部地區分別為0.133和0.157，顯著低于東部地區。（3）溢出效應方面，金融市場融資與銀行信貸融資不僅會對本地區實體經濟的發展產生直接影響，而且可以通過要素流動對鄰近地區實體經濟的變動造成顯著的間接影響。東部地區與中部地區銀行信貸對實體經濟的影響出現了負向溢出狀況。東部、中部、西部地區金融市場融資都對實體經濟存在明顯的正向溢出作用。其中，西部地區的溢出作用最大，中部地區次之，東部地區最小。但是，中部地區的此種溢出作用在統計上并不十分顯著。（4）總效應方面，全國、東部地區、中部地區、西部地區無論是銀行信貸融資，還是金融市場融資，都具有顯著的正向“流入”效應。銀行信貸融資與金融市場融資對其他地區實體經濟發展的溢出效應非常顯著，并且兩種融資渠道都呈現正向溢出效應。綜上所述，與空間面板模型相比，普通面板模型下銀行信貸融資與金融市場融資的正向促進效應均存在明顯的被低估現象。兩種融資渠道融資對各地區實體經濟的發展具有正向反饋效應，這意味著保持社會融資規模的合理增長、調整和優化社會融資結構對于促進實體經濟部門發展具有重要意義。

4 主要結論及政策啟示

4.1 研究結論

研究發現，銀行信貸融資、金融市場融資都顯著地促進了實體經濟的發展，但存在明顯的空間依賴性。在普通面板模型下，兩種融資的這種正向促進效應均存在明顯被低估現象。具體結論如下。

（1）銀行信貸是實體經濟發展的重要融資渠道，而且實體經濟對其高度依賴的格局未有明顯改變。我國銀行信貸資金持續向中、西部地區傾斜。銀行信貸融資的趨勢及結構特征與區域經濟發展水平、宏觀經濟周期及國家政策等因素密切相關。

（2）金融市場融資對實體經濟發展具有積極促進作用，但受企業股票與債券發行制度、產業發展階段、資本市場完善程度及金融自由化情況等多種因素制約，導致其在中西部地區發展相對滯后。

（3）不同融資結構對實體經濟發展的影響程度存在地區差異。東部地區和中部地區銀行信貸融資對實體經濟的影響非常顯著，且高于西部地區水平及全國平均水平。東部地區金融市場融資對實體經濟的影響效應最為顯著，明顯高于中西部地區。

（4）銀行信貸與金融市場融資兩種融資方式具有明顯的空間溢出效應，表明本地區銀行信貸和金融市場對其他地區實體經濟發展具有積極的正向溢出作用。同時，兩種融資方式對各地區實體經濟的發展具有正向反饋效應。

4.2 政策啟示

社會融資結構反映了資金的總供給結構，能夠從金融角度反映供給側結構性改革的推進情況。銀行信貸融資、股票與債券融資等社會融資對實體經濟的支持作用非常顯著，不僅對經濟增長具有正向促進作用，而且是經濟增長的重要影響因素。基于上述分析結論，得到如下政策啟示。

（1）加強中長期銀行信貸對實體經濟發展的支持作用。調整信貸增量投向結構，扭轉國有銀行信貸投放的結構性偏好，提高信貸資金使用效率。加強銀行風險管理，避免金融風險過度集中于銀行體系內。弱化地方政府對銀行信貸配置的干預，加快中小銀行及地方金融機構發展。針對經濟發展水平地區差異，優化中西部地區金融生態環境，推動經濟及產業結構轉型升級。

（2）優化金融市場結構，拓寬實體經濟部門融資渠道，加快發展多層次資本市場。提高直接融資所占比重，切實降低社會融資成本，提升股票、債券、保險等融資方式對實體經濟的支持力度。使金融市場與產業結構升級相結合，引導資本流向高成長、高效益產業和企業，支持創新型產業和中小型企業發展，探索互聯網金融新模式的積極作用，最終實現實體經濟科學、協調、可持續發展。

（3）建立直接融資和間接融資功能互補的制度模式，發揮兩種融資方式的內在功能，實現直接金融與間接金融協調運行，形成投融資活動的良性互動。同時，在投融資過程中要考慮潛在環境影響，積極完善綠色金融相關政策，進而提高整個融資制度的效率及實現可持續發展。

參考文獻

郭麗虹，張祥建，徐龍炳．2014．社會融資規模和融資結構對實體經濟的影響研究［J］．國際金融研究，（6）: 66-69.

林毅夫，孫希芳．2008．銀行業結構與經濟增長［J］．經濟研究，（9）: 31-45.

盛松成，謝潔玉．2016．社會融資規模與貨幣政策傳導——基于信用渠道的中介目標選擇［J］．中國社會科學，（12）: 60-82.

吳晗．2015．我國融資結構演進對經濟增長的影響——基于新結構經濟學視角的經驗分析［J］．經濟問題探索，（1）: 115-121.

武志．2010．金融發展與經濟增長：來自中國的經驗分析［J］．金融研究，（5）: 58-68.

夏祥謙．2014．融資規模、結構與經濟增長：中國的經驗研究［J］．上海金融，（3）: 8-9.

張丁育．2016．貨幣政策信貸渠道與商業銀行風險分布效應［J］．數量經濟研究，（2）: 96-110.

張曉樸，朱太輝．2014．金融體系與實體經濟關系的反思［J］．國際金融研究，（3）: 43-52.

張興軍，羅曉磊，王妍婷，李鐘帥．2015．我國各地區社會融資結構及融資效率差異化問題研究［J］.區域金融研究，（12）: 77-83.

Anselin, L.1988. Spatial Econometrics: Methods and Models［J］. Economic Geography, 65（2）: 160.

Cheng, X. , H. Degryse.2010. The Impact of Bank and Non-bank Financial Institutions on Local Economic Growth in China［J］. Journal of Financial Services Research, 37（2-3）: 179-199.

Demirgü?-Kunt, A.2004. Financial Structure and Economic Growth: A Cross-country Comparison of Banks，Markets, and Development［M］. MIT Press, pp.91-92.

Dumitrescu, E. I. , C. Hurlin.2012. Testing for Granger Non-causality in Heterogeneous Panels［J］. Economic Modelling, 29（4）: 1450-1460.

Elhorst, J. P.2010. Dynamic Panels with Endogenous Interaction Effects When T is Small［J］. Regional Science ＆ Urban Economics, 40（5）: 272-282.

Ergungor, O. E.2008. Financial System Structure and Economic Growth: Structure Matters［J］. International Review of Economics ＆ Finance, 17（2）: 292-305.

Hasan, I. , P. Wachtel, M. Zhou.2009. Institutional Development, Financial Deepening and Economic Growth: Evidence from China［J］. Journal of Banking ＆ Finance, 33（1）: 157-170.

Lee, L. F, Yu J.2010. Estimation of Spatial Auto-regressive Panel Data Models with Fixed Effects［J］. Journal of Econometrics, 154（2）: 165-185.

Lesage, J. P. , R. K. Pace.2009. Introduction to Spatial Econometrics［M］. CRC Press, pp.1-336.

Luintel, K. B. , M. Khan, P. Arestis, et al.2008. Financial Structure and Economic Growth［J］. Journal of Development Economics, 86（1）: 181-200.

Tadesse, S.2002. Financial Architecture and Economic Performance: International Evidence［J］. Journal of Financial Intermediation, 11（4）: 429-454.

Zhang, J, L. Wang, S. Wang.2012. Financial Development and Economic Growth: Recent Evidence from China［J］. Journal of Comparative Economics, 40（3）: 393-412.