金融发展与经济增长的关系
—现代经济理论派学说的计量考证
[摘 要] 本文通过理论上分析金融发展与经济增长的作用机制，利用经济发展的实际数据对二者相关性进行实证检验，并依据分析结果进行经济分析。计量结果显示，金融发展对我国的经济增长具有积极的推动作用，但力度有限；我国的金融发展滞后于经济增长，加快金融深化和金融体系改革有助于推动经济增长。
[关键词] 金融发展 金融深化 经济增长
一 理论基础：对现代经济学派理论的初步认识。
1 关于金融发展与经济增长的关系在理论和实证研究上一直存在着争议。古典经济学家认为金融发展与经济增长之间没有因果关系，货币金融变量对实体经济中只充当“面纱”角色，经济增长完全由实物部门决定；现代的经济学派更是认为金融发展与经济增长存在各种可能的关系，既有金融发展促进经济增长的观点，也有经济学家认为金融发展阻碍经济增长.
2. 现代经济学派的大部分研究结论都支持金融发展促进经济增长的观点，但是对于金融发展如何影响经济增长却存在许多争论。这些分歧大致可以分为两大派别，即金融结构论和金融压抑论。
以goldsmith(1969)为代表的金融结构论者认为金融发展对经济发展起积极的促进作用。因为良好的金融系统和金融体制利于资本的积累和资源源的优化配置，便于资金的融通储蓄向投资的转化，从而对经济增长起促进作用。其中部分经济学家认为金融发展是经济增长的一个必要条件。r.g. king & r. levine (1993) 的研究结果均对这一观点提供了经验支持，并从反面证实了落后的金融发展水平严重障碍了经济增长。rajan & zingales (1996) 、kunt & maksimovic (1996) 运用各国大量的行业数据进行分析，结果都显示金融发展水平与结构对经济增长的速度产生了实质性的影响。
而另一方面，以mckinnon（1973）与shaw（1973）为代表的金融压抑论认为，对于欠发达国家，实际利率和实际汇率的金融自由化是推动经济增长的重要途径，而低于均衡的实际利率与高估的国内货币等形式的金融压抑阻碍了经济的增长。gelb (1989)和fry (1988) 的对发展中国家实证分析也发现，实际利率较高的国家的经济增长平均高于实际利率较低或为负值的国家。
二．因素选择与模型设定
关于经济增长的决定因素，古典主义经济学认为，国民财富的增长取决于两个基本条件：一是专业分工促进劳动生产率的提高；二是劳动力数量与资本规模的增加。而现代的经济观点也认为，一国长期的经济增长取决于储蓄和投资，投资数量及投资效率是实现经济快速增长的关键因素。持续高速的经济增长需要高水平的储蓄与投资，高储蓄率、高投资率以及储蓄向投资的有效转化无疑是经济高速增长的重要原因。另一重要的原因就是劳动力、资本等生产要素的产出效率。
由以上分析得出，长期的经济增长一方面取决于由经济体中的储蓄和投资水平，另一方面取决于劳动力和资本等生产要素的生产效率，也即资本的投资效率。借鉴harrod－domar经济增长模型，将经济增长的决定因素分解为：
其中,y,I,s分别表示储蓄向投资转化的效率、国民收入、投资和储蓄。上式表示经济增长由一国经济中的储蓄率、储蓄向投资的转化率以及资本的产出比率决定，而这三个经济变量都受金融发展水平的影响。金融系统便利了储蓄流动、资源配置、风险管理、公司控制及产品交换，最终通过“资本积累”和“技术创新”这两条途径影响经济增长。金融发展（包括金融工具发展、金融市场发展及金融制度的发展）降低了信息与交易费用，使得那些最具潜力的投资者能够得到足够的资金进行技术革新和产品生产，从而提高了储蓄率、储蓄向投资的转化率以及投资的生产效率，进而影响到了储蓄水平、投资决策、技术创新及长期增长速度。金融市场的规模、金融部门的效率以及宏观经济金融政策都会对储蓄和投资产生影响，所以，金融系统通过作用于以上三个经济变量进而影响到经济增长，只要影响到上述三变量的任何因素最终都会影响到经济增长。基于以上分析，我们将从以下三方面选择代表性指标：
（1）储蓄率和投资的影响因素。在此，我们选用实际利率水平以及固定资产投资与GDP的比率分别作为储蓄和投资的代表指标。
（2）储蓄向投资的转化效率。决定储蓄向投资转化的效率主要取决于一国的金融发展水平和金融系统的效率。国内外一些学者的常研究指出资本市场的发育程度和效率会影响到储蓄向投资的转化，鉴于我国资本市场中股票市场的主导地位，用股票市场的直接融资余额与社会金融资产总量的比率衡量资本市场内的规模。
（3）资本产出效率的影响。影响产出效率的一个重要因素就是技术进步因素，度量指标在此用无形资本（人力资本和研发资本）与有形资本的比率表示．
（4）另外，M2作为金融发展指标也被考虑其中。
以GDP增长率作为被解释变量，以上述指标作为解释变量，从而建立如下多元线性回归模型，考虑到货币政策的时滞，用R(-1)表示滞后一期的实际利率，也即前期的实际利率对当期的经济增长具有相关性：
G=0+1M+2R(-1)+3I+4H+5F+
G: 表示国民生产总值；
H：表示技术进步因素，为无形资本（包括人力资本和R&D资本）与金融资产存量的比率；M：表示金融深化指标M2/GDP，为货币供给M2与GDP的比率；
R：为实际利率，即名义利率减去通货膨胀率；
I: 表示投资指标，为社会固定资产投资额占GDP的比重；
F: 表示融资结构，即资本市场的发展水平（直接融资余额与社会金融总量余额的比率）。这些金融发展的指标直接或间接地影响着长期的经济增长和资本积累。
三 统计数据：
gdp增长率及实际利率
年份 gdp增长率
g（％） m2/gdp
m（％） 实际利率
r（％） 固定资产投资/gdp
i（％） 人力资本和r&d资本/资本存量
h（％） 直接融资/金融资产总量f(％)
1979 7.60 36.10 1.78 17.32 12.91 0.00
1980 7.80 40.80 -0.96 20.16 14.68 0.00
1981 5.20 46.00 3.00 19.76 16.78 1.68
1982 9.10 48.90 3.77 23.24 18.98 1.75
1983 10.90 51.80 4.26 24.10 22.38 1.41
1984 15.20 57.80 2.96 25.56 25.03 1.08
1985 13.50 60.90 -2.08 28.37 27.27 1.48
1986 8.80 69.30 1.20 30.59 24.32 1.52
1987 11.60 73.80 -0.10 31.70 21.65 2.39
1988 11.30 72.00 -10.82 31.84 21.54 3.11
1989 4.10 75.10 -6.68 26.08 20.30 2.84
1990 3.80 86.70 6.54 24.35 21.50 4.78
1991 9.20 97.70 5.11 25.88 23.39 9.59
1992 14.20 106.00 2.16 30.33 23.47 12.10
1993 13.50 100.70 -3.66 37.74 21.85 12.90
1994 12.60 100.40 -10.72 36.45 20.94 13.20
1995 10.50 103.90 -3.82 34.23 18.96 14.00
1996 9.60 112.10 3.11 33.75 17.98 14.50
1997 8.80 122.20 6.34 33.49 17.31 17.20
1998 7.80 133.40 7.64 36.26 16.55 19.60
1999 7.10 146.10 5.93 36.38 15.83 21.70
2000 8.00 150.50 3.48 36.80 15.20 27.32
2001 7.30 164.90 2.78 38.77 15.00 26.08
所有数据来自利用的数据来源于《中国金融年鉴》、《中国统计年鉴》以及EIU CountryData网站，《计量经济学教材》以及校园网上已有的统计课程^论文，计算整理而得．其中部分数据选取的依据是：
（1）变量H为人力资本与R&D资本之和与资本存量的比率。资本存量用社会金融资产总量表示，人力资本等于国家教育投资，R&D资本则用研究开发支出表示。
（2）R为实际利率，等于名义利率减去通货膨胀率。名义利率为当期长期国债的利率。
（3）F为融资结构，等于直接融资与金融资产总值之比，直接融资以股票融资额与债券发行额作为近似值，间接融资以金融机构各项存款作为近似值，金融资产总值则是直接融资与间接融资之和。
四 统计检验：
对模型直接回归结果为：
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 20:27
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -4.535082 3.305121 -1.372138 0.1890
M -0.187578 0.049816 -3.765451 0.0017
R(-1) 0.175217 0.076700 2.284457 0.0363
I 0.436162 0.125558 3.473787 0.0031
H 0.618540 0.155115 3.987628 0.0011
F 0.582249 0.228451 2.548683 0.0215
R-squared 0.787767 Mean dependent var 9.540909
Adjusted R-squared 0.721444 S.D. dependent var 3.137888
S.E. of regression 1.656126 Akaike info criterion 4.073840
Sum squared resid 43.88407 Schwarz criterion 4.371397
Log likelihood -38.81225 F-statistic 11.87778
Durbin-Watson stat 2.168376 Prob(F-statistic) 0.000064
各解释变量在０．０５的显著水平下对被解释变量的影响都是显著的．模型如下：
G=0+1M+2R(-1)+3I+4H+5F+
（1）granger因果关系检验：我们选择模型中的金融变量，看它们是否能解释GDP增长。
Pairwise Granger Causality Tests
Date: 06/14/05 Time: 10:41
Sample: 1979 2001
Lags: 1
Null Hypothesis: Obs F-Statistic Probability
M does not Granger Cause G 22 0.13607 0.71630
G does not Granger Cause M 9.10179 0.00709
R(-1) does not Granger Cause G 22 8.77671 0.00800
G does not Granger Cause R(-1) 10.2521 0.00469
F does not Granger Cause G 22 0.18919 0.66849
G does not Granger Cause F 5.04925 0.03671
结果显示，在一阶条件下, 只有R(-1)可以认为是经济增长的原因，金融发展对经济增长的作用并不明显，反而经济的增长到促进着金融发展。那么金融发展是否对经济增长没有作用呢？ 对于金融发展与经济增长的因果关系争论，综合的观点认为金融发展和经济增长互为因果关系（Patrick，1966）。需求跟随型和供给引导型的金融发展在不同的经济发展阶段扮演不同的角色，供给引导型的金融发展在经济增长的初期处于主导地位，一旦经济发展进入成熟阶段，需求跟随型的金融发展将成为主流。Gupta（1984）和Jung（1986）分别使用Granger因果检验法，对发达国家和发展中国家的实证检验证实了这一理论的相关性。
后来提出的“门槛效应”进一步完善了这种观点。Greenwood & Jovanovic（1990）以及Levine（1992）的研究指出金融中介体系的组建存在较高的固定成本，导致金融发展与经济增长之间的“门坎效应”。由于门坎效应的存在，只有在其经济规模达到某一水平之后才能发展特定的金融体系，这时金融发展才会体现出对经济增长的促进作用。所以，低水平的经济发展使金融体系的发展受到限制，这又反过来阻碍了投资资源的优化配置，从而限制了经济的增长；而较高的经济发展水平会带来金融体系的充分发展，后者又为进一步的经济增长提供条件；因此只有在发达国家，才会出现金融发展与经济增长相互促进的良性循环。门坎效应的理论可以很好解释了发达国家与发展中国家的金融发展水平的差别。
许多国内外学者也对我国金融发展与经济增长关系进行了分析。谈儒勇（1999）的研究结论认为，国内的银行发展对经济增长具有促进作用，而股市发展对经济增长至多是弱效应。韩廷春（2001）的实证分析结论认为，技术进步与制度创新是经济增长的最为关键因素，而金融发展对经济增长的作用极其有限。
（2）单位根检验：
White Heteroskedasticity Test:
F-statistic 0.254405 Probability 0.980232
Obs*R-squared 4.132379 Probability 0.941178
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/11/05 Time: 20:32
Sample: 1980 2001
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C 6.387823 39.26205 0.162697 0.8737
M 0.015288 0.348659 0.043848 0.9658
M^2 -0.000246 0.001676 -0.146915 0.8859
R(-1) -0.048699 0.202906 -0.240007 0.8147
R(-1)^2 -0.007430 0.028812 -0.257885 0.8013
I 1.037885 2.523139 0.411347 0.6887
I^2 -0.019596 0.042721 -0.458691 0.6554
H -1.964812 3.163497 -0.621089 0.5472
H^2 0.052026 0.073762 0.705322 0.4953
F 0.141019 0.704506 0.200168 0.8450
F^2 0.003087 0.023069 0.133808 0.8960
R-squared 0.187835 Mean dependent var 1.994730
Adjusted R-squared -0.550496 S.D. dependent var 2.362356
S.E. of regression 2.941580 Akaike info criterion 5.302624
Sum squared resid 95.18183 Schwarz criterion 5.848145
Log likelihood -47.32886 F-statistic 0.254405
Durbin-Watson stat 2.870247 Prob(F-statistic) 0.980232
resid:残差项ADF值在1%,5%,10%显著水平下都通过了检验，认为残差不存在单位根，模型具有长期平稳的趋势。然后对各变量分别进行单位根检验，结果都可以认为是平稳的。（详见附录）
（3）异方差检验
P值太大，T值全部小于2，模型显然存在异方差，用加权最小二乘法修正后回归：
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 20:35
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C -5.635447 1.642874 -3.430238 0.0034
M -0.165108 0.015510 -10.64512 0.0000
R(-1) 0.165402 0.037413 4.420949 0.0004
I 0.494398 0.036790 13.43851 0.0000
H 0.539467 0.042651 12.64826 0.0000
F 0.462156 0.052353 8.827743 0.0000
Weighted Statistics
R-squared 0.999996 Mean dependent var 12.04961
Adjusted R-squared 0.999995 S.D. dependent var 48.72036
S.E. of regression 0.107533 Akaike info criterion -1.395045
Sum squared resid 0.185012 Schwarz criterion -1.097488
Log likelihood 21.34549 F-statistic 292.6637
Durbin-Watson stat 1.557020 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.776624 Mean dependent var 9.540909
Adjusted R-squared 0.706819 S.D. dependent var 3.137888
S.E. of regression 1.699048 Sum squared resid 46.18823
Durbin-Watson stat 2.010282
(4)自相关检验：
模型整体拟和较好，只是在0.05的显著水平下dl＝０.８９５<DW＝１.５６５<du＝１.９２０,无法判断是否存在自相关，此点不尽如人意．
绘制散点图如下：
（5）检验多重共线：
简单系数矩阵如下：
F H I M R
F 1.000000 -0.418643 0.807261 0.970315 0.238354
H -0.418643 1.000000 -0.014970 -0.284422 -0.238736
I 0.807261 -0.014970 1.000000 0.851160 -0.131859
M 0.970315 -0.284422 0.851160 1.000000 0.228064
R 0.238354 -0.238736 -0.131859 0.228064 1.000000
直观的观察到M与F，I与F的相关系数很大，可能存在多重共线，运用逐步回归法．第一轮，选出maxRba^2＝0.999915,该解释变量是R(-1)；继续逐步回归， maxRba^2=0.999935,该解释变量为H；继续逐步回归，maxRba^2=0.999961,对应的解释变量为I;再逐步回归，maxRba^2=0.999973,对应的变量是M;最后回归一次，Rba^2=0.999995,对应的解释变量为F．因此模型没有多余变量．
调整后模型最终为：
G= -5.635-0.165M+0.165R(-1)+0.494I+0.539H+0.462F+
五 模型直观的经济解释：
从模型分析结果我们可以看到，在改革以来的整个经济发展阶段，技术因素和投资与经济增长是同方向变动，二者通过影响投资的数量和投资的产出效率促进经济增长，这与理论分析是相一致的；直接融资比重对经济增长也是正相关关系，可见资本市场的发展对经济增长起着积极的促进作用；实际利率与滞后一期的经济增长呈现正的相关关系，这与前面的理论认为实际利率较高的发展中国家经济增长也较快相一致。值得注意的是，传统的金融发展指标M2/GDP对经济增长产生了负面的影响，而且影响程度较高，国内一些学者（谈儒勇，1999；韩廷春，2001）研究得出这主要是由于货币政策的反向操作造成的，所以单从金融深化程度还很难分辨出金融发展对我国经济增长的长期趋势。
从影响程度来看，传统的实体经济指标如技术、投资和对我国的经济增长具有较强的影响作用，而金融发展指标对经济增长却呈现负相关关系，这说明我国的金融发展和改革滞后于经济的发展，金融深化和金融改革须进一步推进。
六 深入探究经济原因：
1、金融深化指标呈现负面影响
金融发展水平与经济增长的负相关关系主要是货币政策的逆周期操作的结果（谈儒勇，1999）。按照凯恩斯货币政策理论，为了熨平经济周期的波动，货币当局往往在经济的高涨时期减少货币供应量M2，而此时的GDP较高，所以金融发展的水平指标M2/GDP相对降低；而在经济的衰退期（经济增长率较低或为负值），则通常增加货币供应量M2，而此时的GDP又较低。
2、资本市场对经济增长影响相对甚微
分析显示，中国的资本市场发展对经济增长产生了相对微弱的积极影响，这说明股票市场以及债券市场的发展对经济增长的影响是极其有限的，这一结果与R. Harris（1997）年的研究结果是一致的，即在欠发达国家，股票市场发展对经济增长的效应至多是非常弱的；而在发达国家，股票市场的活动水平对于人均GDP的增长率具有较强的解释能力。中国的资本市场与经济增长的微弱正相关关系是由诸多方面原因造成的。首先，中国的股市只有12年的发展时间，相对于西方发达国家的股票市场来说还很不成熟，且由于门槛效应，资本市场的作用还不能发挥的很好。因此，我国资本市场的发展和规范程度有待进一步提高；其次，股票的发行市场和二级市场还有许多方面不规范，相关政策缺乏一致性、连贯性及透明度；上市公司将筹措来的资金不是完全用在指定项目上。以上种种原因致使目前的股票市场对中国经济增长影响甚微。
结语：
理论分析与计量结果显示，金融发展对我国的经济增长具有积极的推动作用，但力度有限。总体来看，我国的金融发展滞后于经济增长，落后的金融体制已经束缚了经济的发展。目前我国应加紧推进金融体制改革，以使金融体制更好地满足企业扩张所带来的日益增长的融资需求。
要改善目前的落后的金融发展局面，我们建议一方面努力拓宽企业的融资渠道，让企业更多的利用资本市场进行直接融资，改善融资机制，消除“所有制歧视”，为中小企业创造良好的投融资环境；另一方面加速资本市场的发展和规范，发掘债券市场的潜力，为直接融资提供更大空间，并且积极推进非国有银行和中小银行的发展，促成金融机构的合理竞争。有理由相信，加快金融深化和金融体系改革必将有助于推动经济增长。
参考文献：
1.谈儒勇：《中国金融发展和经济增长关系的实证研究》[J]，《经济研究》1999(10) 53-61.。
2.宾国强：《实际利率、金融深化与中国的经济增长》[J]，《经济科学》1999(3) 32-38.3.韩廷春：《金融发展与经济增长：基于中国的实证分析》[J]，《经济科学》2001(3) 31-40.4. 武剑：《货币政策与经济增长》[M]，上海：上海三联出版社2000年版.5. 罗纳德.麦金农：《经济发展中的货币与资本》（中译本）[M]，上海；上海三联书店1997年版.
6.《货币金融学》.米什基
7．高鸿业：《西方经济学》，人民大学出版社
8、 Patrick, H. T., 1966, Financial Development and Economic Growth in Undeveloped Countries, Economic Development and Cultural Change 34, 174-189.
附 录
由于正文部分篇幅有限，我们将建立模型中遇到的困难，解决办法以及逐步回归法的具体过程收录到附录部分
建立模型中遇到的困难和解决：
原建立的模型为：G=0 +1M+2R+3I+4H+5F+
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 12:30
Sample: 1979 2001
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -1.346066 3.446951 -0.390509 0.7010
M -0.225478 0.059742 -3.774166 0.0015
R 0.043609 0.109855 0.396968 0.6963
I 0.391043 0.185078 2.112856 0.0497
H 0.622753 0.166858 3.732224 0.0017
F 0.768708 0.254387 3.021809 0.0077
R-squared 0.690071 Mean dependent var 9.456522
Adjusted R-squared 0.598915 S.D. dependent var 3.092340
S.E. of regression 1.958419 Akaike info criterion 4.401610
Sum squared resid 65.20185 Schwarz criterion 4.697826
Log likelihood -44.61851 F-statistic 7.570243
Durbin-Watson stat 2.042179 Prob(F-statistic) 0.000667
由模型可以看到r作为储蓄率代表并不具有显著性，从经济意义上讲与现代经济学派的理论相违背．
异方差检验：怀特检验结果如下
White Heteroskedasticity Test:
F-statistic 0.597373 Probability 0.788863
Obs*R-squared 7.644257 Probability 0.663540
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/11/05 Time: 12:32
Sample: 1979 2001
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 7.756076 34.01393 0.228026 0.8235
M 0.334573 0.394362 0.848390 0.4128
M^2 -0.001110 0.001961 -0.566060 0.5818
R -0.140478 0.259353 -0.541648 0.5980
R^2 -0.034228 0.033568 -1.019651 0.3280
I -2.071285 2.934942 -0.705733 0.4938
I^2 0.026972 0.049748 0.542184 0.5976
H 1.372487 3.409095 0.402596 0.6943
H^2 -0.025930 0.079673 -0.325451 0.7504
F -0.735820 0.851429 -0.864218 0.4044
F^2 0.020941 0.029666 0.705884 0.4937
R-squared 0.332359 Mean dependent var 2.834863
Adjusted R-squared -0.224009 S.D. dependent var 3.462708
S.E. of regression 3.830965 Akaike info criterion 5.830045
Sum squared resid 176.1155 Schwarz criterion 6.373107
Log likelihood -56.04551 F-statistic 0.597373
Durbin-Watson stat 3.142629 Prob(F-statistic) 0.788863
可以看到模型中的t值< 2,且p=0.788863，说明犯拒真错误的概率很大，于是认为模型存在异方差。下面用加权最小二乘法对异方差进行修正：
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 12:39
Sample: 1979 2001
Included observations: 23
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C -0.140697 1.860481 -0.075624 0.9406
R 0.030354 0.022374 1.356690 0.1926
I 0.327851 0.038180 8.586912 0.0000
M -0.179599 0.024550 -7.315532 0.0000
H 0.533269 0.064942 8.211442 0.0000
F 0.533270 0.132851 4.528901 0.0003
Weighted Statistics
R-squared 0.999321 Mean dependent var 9.799429
Adjusted R-squared 0.999121 S.D. dependent var 12.39070
S.E. of regression 0.367327 Akaike info criterion 1.054330
Sum squared resid 2.293796 Schwarz criterion 1.350546
Log likelihood -6.124794 F-statistic 272.0596
Durbin-Watson stat 1.920433 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.672014 Mean dependent var 9.456522
Adjusted R-squared 0.575547 S.D. dependent var 3.092340
S.E. of regression 2.014661 Sum squared resid 69.00062
Durbin-Watson stat 1.852671
修正后的模型为：G=-0.1407-0.1795M+0.0304R+0.3278I+0.5332H+0.5333F+
在以前的回归结果尚有显著的改善。
．自相关检验：
模型的D-W=1.920433，k-1=5，du=1.920，du<D-W<4-du,因此模型不存在自相关．
多重共线性检验。
部分金融变量的简单系数矩阵如下：
M R F
M 1.000000 0.228064 0.970315
R 0.228064 1.000000 0.238354
F 0.970315 0.238354 1.000000
我们看到利率R与其他指标之间的相关度较弱，表明利率对金融发展的影响并不显著；而先前利率的t值在０．０５的显著水平下表明它对经济增长的影响也不显著，这些与现代经济学派的观点是违背的．进一步找寻这之间的原因，这里面可能包含滞后问题．我们发现货币政策有时滞，使模型中当期的R并不具显著性．因此正文重将R滞后一期。
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 21:02
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C 13.66719 2.467032 5.539932 0.0000
M -0.010776 0.024577 -0.438460 0.6658
Weighted Statistics
R-squared 0.999660 Mean dependent var 12.04961
Adjusted R-squared 0.999643 S.D. dependent var 48.72036
S.E. of regression 0.920404 Akaike info criterion 2.758500
Sum squared resid 16.94288 Schwarz criterion 2.857686
Log likelihood -28.34350 F-statistic 0.192247
Durbin-Watson stat 1.168166 Prob(F-statistic) 0.665753
Unweighted Statistics
R-squared -1.026298 Mean dependent var 9.540909
Adjusted R-squared -1.127613 S.D. dependent var 3.137888
S.E. of regression 4.577030 Sum squared resid 418.9841
Durbin-Watson stat 0.461549
逐步回归法：
方程１
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 21:06
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C 11.11078 0.185304 59.95980 0.0000
R(-1) -0.406500 0.050619 -8.030621 0.0000
Weighted Statistics
R-squared 0.999919 Mean dependent var 12.04961
Adjusted R-squared 0.999915 S.D. dependent var 48.72036
S.E. of regression 0.449952 Akaike info criterion 1.327156
Sum squared resid 4.049133 Schwarz criterion 1.426341
Log likelihood -12.59871 F-statistic 64.49088
Durbin-Watson stat 1.458297 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared -1.020918 Mean dependent var 9.540909
Adjusted R-squared -1.121964 S.D. dependent var 3.137888
S.E. of regression 4.570950 Sum squared resid 417.8716
Durbin-Watson stat 1.095908
方程２
Dependent Variable: G
Method: Least Squares
Date: 06/11/05 Time: 21:11
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C 0.592535 5.011016 0.118246 0.9071
H 0.572826 0.239330 2.393459 0.0266
Weighted Statistics
R-squared 0.999733 Mean dependent var 12.04961
Adjusted R-squared 0.999720 S.D. dependent var 48.72036
S.E. of regression 0.815385 Akaike info criterion 2.516194
Sum squared resid 13.29704 Schwarz criterion 2.615380
Log likelihood -25.67814 F-statistic 5.728646
Durbin-Watson stat 1.127357 Prob(F-statistic) 0.026613
Unweighted Statistics
R-squared -0.343001 Mean dependent var 9.540909
Adjusted R-squared -0.410151 S.D. dependent var 3.137888
S.E. of regression 3.726235 Sum squared resid 277.6966
Durbin-Watson stat 0.561682
方程３
Method: Least Squares
Date: 06/11/05 Time: 21:10
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C -0.132305 2.631402 -0.050279 0.9604
I 0.349193 0.072243 4.833587 0.0001
Weighted Statistics
R-squared 0.999842 Mean dependent var 12.04961
Adjusted R-squared 0.999834 S.D. dependent var 48.72036
S.E. of regression 0.628071 Akaike info criterion 1.994180
Sum squared resid 7.889453 Schwarz criterion 2.093365
Log likelihood -19.93598 F-statistic 23.36357
Durbin-Watson stat 1.396414 Prob(F-statistic) 0.000101
Unweighted Statistics
R-squared -0.229623 Mean dependent var 9.540909
Adjusted R-squared -0.291105 S.D. dependent var 3.137888
S.E. of regression 3.565481 Sum squared resid 254.2531
Durbin-Watson stat 0.614617
方程４：
Method: Least Squares
Date: 06/11/05 Time: 21:12
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob.
C 11.82109 1.121181 10.54342 0.0000
F 0.058025 0.084997 0.682671 0.5026
Weighted Statistics
R-squared 0.999665 Mean dependent var 12.04961
Adjusted R-squared 0.999648 S.D. dependent var 48.72036
S.E. of regression 0.914227 Akaike info criterion 2.745032
Sum squared resid 16.71622 Schwarz criterion 2.844218
Log likelihood -28.19535 F-statistic 0.466040
Durbin-Watson stat 1.270627 Prob(F-statistic) 0.502646
Unweighted Statistics
R-squared -0.920117 Mean dependent var 9.540909
Adjusted R-squared -1.016123 S.D. dependent var 3.137888
S.E. of regression 4.455495 Sum squared resid 397.0287
Durbin-Watson stat 0.476625
方程５
