新能源产业的发展动力资本与金融支持的实证研究_匡毅

面板单位根检验结果 统计值/P 值 △JZ -7.2684 0.0000 -8.2647 0.0002 △ZQ -9.2467 0.0002 -10.2647 0.0007 △XC -3.2618 0.0008 -3.1257 0.0000
来自百度文库2.2
最优滞后阶数的确定 新能源产业发展动力进行回归时， 应该选择的滞后阶
y i t = Γ 0 + å Γ j y i t - j + f i + d i + e i t
j=1
q
其中 yi t 表示实证分析时所选取的变量， Γ j 表示变量 的滞后效应，fi 表示实证分析中的个体差异， di 是时间虚 拟变量， 属于独立同分布的随机变量。 ei t 表示扰动项， 确定面板向量自回归模型的滞后阶数是计量分析的 关键， 信息准则法是常用的确定最优滞后阶数的方法， 信 息准则法包括赤池信息准则法 （AIC） 和斯瓦茨信息准则 （SC） 法， 两种方法的公式分别为： AIC = ln åY + 2k T k SC = ln åY + ln T T
网络出版时间：2015-03-27 15:34 网络出版地址：http://www.cnki.net/kcms/detail/42.1009.C.20150327.1534.036.html
经济实证
新能源产业的发展动力资本与金融支持的实证研究
匡 毅
（中国人民大学 经济学院， 北京 100872）
摘 要： 新能源产业具有高投入、 高风险和高回报特性， 金融是新能源产业发展的重要发展动力资本。文章 运用面板 VAR 模型利用 2000~2013 年的跨国面板数据对新能源产业发展的动力资本和金融支持进行实证研究， 结果显示： 银行信贷和证券市场是新能源产业发展的重要动力。新能源产业对资金的需求弹性较大， 供给弹性较 小。由于新能源产业所需投资大， 经营风险大， 因此要从法律政策层面给予新能源产业强有力的金融支持。 关键词： 新能源产业； 发展动力资本； 金融支持 中图分类号： F224.9 文献标识码： A 文章编号： 1002-6487 （2015） 06-0136-03
2.3
面板 VAR 回归结果 为了实证检验新能源产业发展的动力资本及金融支
基金项目： 2012 年度国家社科基金重大项目 （12&ZD091） 作者简介： 匡 毅(1980-),男， 湖南郴州人， 博士， 经济师， 研究方向： 中国经济改革与发展。 136
统计与决策２０1 5 年第 6 期·总第 426 期
经济实证
门提供的短期资金供给可以满足新能源企业短期信贷需 求， 银行部门还可以提供中长期信贷， 用于新能源企业长 期发展。 （2） 证券市场 （ZQ） 用我国年度上市公司的市场资 本额与国内生产总值的比例表示， 该指标反映了证券市场 的发展程度， 可以用来衡量新能源市场化情况。其中上市 公司市场资本额用发行的股票数量乘以股票价格来表 示。证券市场的发展可以为新能源产业提供长期资金的 支持， 虽然证券市场规模的扩大并不直接表示新能源产业 的发展， 但是其隐含意义能表示新能源资本转移和抗风险 能力的增强。 （3） 新能源产业值 （XC） 用可再生能源的发电 量除以总发电量来年表示， 该指标用来衡量新能源产业的 电力供应情况， 考虑到数据的可得性， 这里用可再生能源 的发电量来代表新能源电力供应情况。 为此， 根据以上所选取的变量构建以下面板 VAR 模 型：
|
|
|
|
其中
| åY | 表示待估参数残差的方差与协方差矩阵，
T 表示实证分析样本的数量， k 表示模型中参数的数量， 当 AIC 或 SC 值最小时表示最优滞后阶数。 均值差分法是面板 VAR 模型估计的常用方法， 但是 这种方法所估计的结果往往是有偏的， 向前均值差分法可 以通过消除个体的未来均值， 能保证滞后变量和误差项的 不相关性。面板 VAR 模型是一个动态模型， 为了考察变 量之间的动态关系需要进行脉冲响应函数和方差分解进 行分析， 脉冲函数表达了一个标准差的新息对变量现值以 及未来值的影响， 方差分解可以对每个新息所产生的贡献 度进行分析， 从而评价不同冲击的重要程度， 方差分解所 得值越大表示该冲击的影响程度越大。 本文在借鉴现有研究成果基础上， 拟选取金融中介、 证券市场和新能源产业值作为实证分析的主要变量。 （1） 金融中介 （JZ） 用我国银行年度贷款量与国内生产总值的 比例表示， 该指标反映了金融融资的发展程度， 新能源产 业的发展需要金融支持， 如果金融中介发展速度越快规模 越大， 表示新能源产业越能得到更多的资金支持。银行部
样本数据描述性统计 △ZQ 标准差 7.59 3.29 3.69 29.34 27.34 9.97 20.39 5.62 2.63 4.46 40.16 2.49 2.96 5.10 11.56 3.91 4.51 7.31 4.71 5.20 3.68 6.55 7.48 20.56 4.46 12.94 5.69 7.24 10.05 13.34 均值 0.35 5.01 0.58 3.76 4.36 5.19 1.62 1.50 2.59 0.98 0.10 3.75 1.52 0.09 -1.31 3.85 0.42 1.29 1.05 2.36 1.75 3.88 3.61 3.68 8.06 0.78 1.51 1.86 2.16 2.29 标准差 20.36 29.76 11.69 22.13 30.01 39.31 16.09 52.34 20.16 12.48 50.16 29.38 14.51 11.61 19.70 28.17 10.39 28.16 10.79 19.25 9.71 30.02 20.19 30.57 50.01 25.16 15.62 28.64 24.31 25.91 均值 0.08 0.13 0.39 0.20 0.07 0.05 1.40 0.21 0.09 0.75 1.12 0.13 0.21 0.32 0.07 0.02 -0.08 0.47 0.46 0.01 0.26 0.01 0.76 0.52 0.08 0.19 0.06 0.13 0.09 0.30 △XC 标准差 0.14 0.16 0.78 0.27 0.10 0.14 2.89 1.42 0.17 0.71 2.71 0.10 0.66 0.41 0.11 0.06 0.42 0.70 0.88 0.06 0.41 0.02 0.91 0.71 0.09 0.69 0.17 0.22 0.21 0.95
表3 判断准则 AIC SC 面板 VAR 滞后阶数判定结果 PVAR （1） 9.9456 10.2367 PVAR （2） 11.3547 11.3221 PVAR （3） 12.3254 12.0324 PVAR （4） 15.1254 13.1201 PVAR （5） 15.2174 14.2153
其中 yi t = (DJZi t DZQi t DXCi t ) , DJZ 表示金融中介 发展变动情况， DZQ 表示证券市场发展变化情况， DXC 表示新能源产业变动值， D 表示变量 t 年比 t-1 年的增加 值。 1.2 数据来源及说明 金融中介变量中我国银行年度贷款量原始数据来源 于相关年份 《中国金融统计年鉴》 ， 证券市场变量中我国年 度上市公司的市场资本额原始数据来源于相关年份 《中国 证券市场发展公报》 ， 国内生产总值原始数据来源于 《中国 统计年鉴》 ， 新能源产业值变量中的可再生能源的发电量 和总发电量原始数据来源于 《中国电力产业发展报告》 ， 由 于变量中数据以变动值出现， 所以金融中介、 证券市场和 新能源产业值三变量分别用各自 t 年的数据减去 t-1 年的 数据而得， 分析的年限选定为 2000~2013， 本文所分析的 数据为面板数据， 根据数据可得性原则， 年度数据缺失两 年以上的国家剔除样本， 最终选取了 29 个国家或地区， 样 本数据的描述性统计见表 1。 2 新能源产业发展动力资本及金融支持的面板数据检验 2.1 平稳性检验 新能源产业及其影响因素等变量的原始数据是否平 稳是下一步分析的前提， 因为面板数据的平稳性是进行面 板 VAR 回归的关键因素， 只有数据是平稳的， 实证结果才 具有较高的可靠程度， 否则将产生伪回归现象。传统的 ADF 单位根检验方法在进行面板数据检验时效率较低， 因 此 本 文 使 用 Im-Pesaran-Shin 面 板 单 位 根 检 验 和 Fisher-type 面板单位根检验两种方法， 对本文的三个解释变 量金融中介变动值、 证券市场变动值和新能源产业增加值 进行平稳性检验， 检验结果见表 2， 从检验结果可以看出， 检验的 P 值都小于 0.01， 表示在 1%的显著性水平下拒绝 非平稳的原假设， 变量是平稳的， 可以进行回归分析。
能源是人类社会赖以生存的基础， 对人们生活水平的 提高具有重要作用， 在国民经济中具有重要的战略地位， 特别是现代社会新能源的发展对一个国家具有特殊的重 要意义， 各国政府都非常重视新能源产业的发展。但是由 于新能源产业具有高投入、 高风险和高回报的特点， 在融 资过程中面临不同程度的问题， 给新能源的发展带来一定 障碍。鉴于新能源产业的重要地位以及发展中面临的问 题， 经济学家从不同角度对新能源产业的发展进行研究， 并提出相应解决措施。从现有的研究文献来看， 经济学家 已经重视到新能源产业对国民经济至关重要的作用， 但在 分析问题时所用方法以定性分析为主， 定量分析中主要使 用传统的回归分析方法， 在结论的准确性上存在一定局限 性， 本文试图使用面板向量自回归模型 （PVAR） 对新能源 产业发展的动力资本和金融支持进行实证研究， 分析新能 源产业发展面临的现实问题， 并提出相应的政策建议， 为 新能源产业的健康发展提供借鉴。 1 研究设计 1.1 实证模型构建与变量选取 传统回归模型要求把变量区分为内生变量和外生变 量两大类， 因此在计量分析时具有明显局限性， Sims 在 1980 年提出的向量自回归模型解决了传统回归模型的这 一局限性， 把所有变量都当做内生变量来处理， 而且对模 型系数没有约束， 该模型自提出以来得到非常广泛的应 用。但是向量自回归模型由于待估参数随变量数量的增 加而成倍增加， 这就需要具备大量的样本观测值， 否则估 计的参数是不准确的。面板数据在向量自回归模型中的 应用解决了这一问题， 面板数据拥有的样本数据较多， 而 且可以对样本个体的异质性区别对待。面板向量自回归 模型的基本公式为：
数为多少， 又是进行实证回归之前必须要确定的重要问 题。本文使用赤池信息准则和斯瓦茨信息准则对新能源 产业值面板 VAR 的最优滞后阶数进行判定， 判定结果见 表 3， 从表 3 中可以看出， 根据赤池信息准则在滞后 1 阶时 AIC 最小， 其值为 9.9456， 斯瓦茨信息准则在滞后 1 阶时的 SC 值最小为 10.2367， 因此两种判定方法一致认为最优滞 后阶数为 1， 应该建立 PVAR （1） 模型。
y i t = Γ 0 + å Γ j y i t - j + f i + d i + e i t
j=1 q
表1 国家 阿根廷 澳大利亚 奥地利 巴西 加拿大 中国 丹麦 芬兰 法国 德国 冰岛 印度 印尼 意大利 日本 韩国 墨西哥 荷兰 新西兰 挪威 波兰 俄罗斯 西班牙 瑞典 瑞士 泰国 土耳其 英国 美国 合计 表2 检验方法 Im-Pesaran-Shi n Fisher-type W P Z P △JZ 均值 0.31 4.21 1.28 0.61 4.11 2.97 8.79 0.31 1.56 1.59 7.29 1.03 -0.51 2.76 4.02 3.12 0.36 6.67 3.86 1.69 1.61 0.51 6.89 0.59 1.27 2.31 2.31 6.19 4.03 2.84