会员登录
会员注册内容提要：2008年金融危机后，我国采取投资拉动策略复苏经济，然而投资规模是否过度一直是实务界和经济学界争论的焦点。本研究采用实际GDP增长率、资本形成总额、银行部门提供的国内信贷、外国直接投资净流入、市场资本总额和CPI作为系统关键变量，通过VEC模型分析投资对经济周期的影响，根据对未来经济周期指标的预测判断我国目前是否存在过度投资，并提出将投资增长率、信贷增长率、股市市值增长率分别稳定在17%、18%和32%的政策建议。
关键词：过度投资，经济周期，VEC模型
作者简介：陈德胜(1971-)，男，山东日照人，研究员，国家信息中心博士后，西南财经大学金
一、引言
投资是拉动我国经济增长的“三驾马车”之一。投资给我国带来了经济增长奇迹，但投资过度也会导致风险集聚、经济增长波动，造成经济周期的产生。为了实现经济持续平稳增长，投资规模和投资资金供给的增长都需设定在合理的范围之内。
过度投资是指国家政策不合理导致直接总投资存在超额异常现象的行为。近几年国内很多学者研究过度投资问题都选用固定资产投资额占GDP比重这个指标来衡量投资规模，但我们认为资本形成总额占GDP比重(即投资率)这个指标更为合理。首先，资本形成总额不仅包括固定资产投资，还包括存货投资，可以更全面地反映投资规模。再者，国际上通用的指标是投资率，进行国际比较时可以保持数据一致性。最后，投资率的计算是实际值相除，消除了通胀可能带来的误差。
经济周期是指经济运行中周期性出现的经济扩张与经济紧缩交替更迭、循环往复的一种现象。本文选用GDP增长率为指标。同时，通货膨胀率与社会民生息息相关，它的波动也是需要重点控制的对象。
过度投资对经济周期的影响，要从促进经济增长和造成经济衰退两方面来考虑。首先，过度投资会在一定时间内大幅促进经济增长。投资是GDP核算支出法中的重要组成部分。投资的迅速增加无疑会创造很多GDP，实现GDP的高速增长。同时，投资需要大量资金支持，势必会造成市场的流动性增加，从而为经济注入了更多活力，促使了经济高速发展。但如果理性地看待这种增长就会发现很多问题。第一，GDP的增长可能存在泡沫。为追求GDP政绩而产生的“建了拆、拆了又建”的折腾工程并未给人民生活带来真实财富。第二，使用货币驱动因素促进经济增长，很容易造成经济过快过热，并且流动性过剩促使通货膨胀发生，又引发了其他危机。另外，当过度投资在一定时间后会开始出现产能过剩，从而供给大于需求，造成通货紧缩，宏观经济悲观衰退。所以过度投资会造成一段时期经济增长和衰退的过程，即经济周期的产生。
二、国内外相关文献综述
目前国外学术界已证明美国等发达国家投资同经济增长之间具有显著正相关关系(De long和Summers，1992)，即投资率越高及以设备投资反映的高资本形成率越高，经济增长速度越快。Kala，Ataman和Norman(2003)考察了39个发展中国家在不同时期投资与经济增长的关系，也得出经济增长由投资来驱动的结论。在我国，刘金全(2002)检验了固定资产投资增长率与经济增长率之间的关系，证实了两者之间存在显著的当期相关性。安立仁(2003)提出中国是政府主导型经济，投资是经济增长最为主要的动力。
国内外学者对世界金融与经济增长关系的研究中，肯定了信贷因素巨大的贡献作用。曾令华，王朝军(2004)证实了信贷增长对我国经济增长的促进作用。Eduardo-Borensztein(1998)在多国回归模型中，使用最近20年来工业国流向69个国家的直接投资的数据检验了FDI对东道国经济增长的作用。孙立军(2008)验证了外资对中国经济增长的显著促进作用。在股票市场与经济增长关系的研究问题上，Durham J B和Luca Deidda(2002)验证了高收入水平国家发达的股票市场对经济增长具有促进作用，但人均GDP比较低的国家股市发展与经济增长关系不明显，甚至有负面效应。鲁登荣、李振静(2010)研究表明中国股票市场规模与经济增长呈负向关系。
从既有研究来看，各投资因素对经济增长的正向或负向效应已得到多数学者的认同。但这些研究总体来说存在一些不足。第一，他们只基于已有数据验证当期投资因素与经济增长的关系，并未对投资的后续影响进行分析，从而无法发现当期存在的投资隐患。第二，大多数学者只研究其中一个因素与经济增长的关系，并未将其他存在同步变动、互为因果的重要因素纳入系统综合衡量。第三，大多数研究进行的仅是验证性分析，并未做探究性分析去寻找合理的投资策略。基于此，本文立足于找出较为全面的关键性变量，建立合理的模型分析变量间的关系，并做出适当预测和提出政策建议。
根据前文已有的理论分析和文献综述，除了投资总额，初步猜想国内信贷发放、外国直接投资、证券市场价值是影响经济增长率的重要因素，同时因为通货膨胀率与经济的密切相关性和控制的必要性，也将其放在考虑范围之内。这些指标分别是实际GDP增长率、资本形成总额、银行部门提供的国内信贷、外国直接投资净流入、市场资本总额、CPI。下文通过对世界上两次重要危机和中国自身宏观调控的案例进行分析来最终确定关键变量。
三、相关典型案例分析
(一)20世纪80年代：拉美危机
二战之后，拉美地区的发展中国家萌生了强烈的愿望要实现快速发展并赶上发达国家，于是开始了持续几十年的“赶超策略”，大举借债、大力投资并迅速推动城市化，最终在20世纪80年代初陷入严重经济危机。
由于拉美地区不统计CPI数据，故分析时用GDP平减指数通胀率代替。同时拉美地区证券市场起步较晚，直到20世纪80年代末期才有相关统计数据，故市场资本总额在此案例中不予考虑。
从图1来看，拉美地区20世纪70年代资本形成总额、国内信贷额明显持续较快增长，外国直接投资因为相比其他指标数值较小在图上显示不明显，但经过计算其在20世纪70年代也有年平均104%的增长率。由于投资的不断推动，整个20世纪70年代拉美地区实现年平均5.7%的GDP增长率，效果显著，但其间不乏有增长率的小幅波动和通胀率的大幅波动。最终的危机在20世纪80年代初正式爆发，GDP增长率大幅下跌甚至为负，同时通胀率也因为全面衰退而下降，整个经济受到重创，进入紧缩时期。
图1 1970年～1990年拉美地区相关指标走势图
资料来源：世界银行数据库。
表1 GDP增长率与其他指标相关系数表
| | 资本形成总额 | 国内信贷额 | 外国直接投资净流入 |
| GDP增长率 | -0.9131828 | -0.9108562 | -0.8936749 |
注：GDP增长率所取数据范围为1979年～1983年，其余指标所取数据范围为1975年～1979年，故GDP增长率是滞后指标。
GDP增长率与其他指标的相关系数表更进一步印证了之前的逻辑猜想。表1中结果表明，GDP增长率与前期高速增长的资本形成总额、国内信贷额、外国直接投资都存在显著的负相关关系，可见过度的投资建设与过度的投资资金发放会引发后续的经济从增长转为下行，形成经济波动。
(二)2007年～2011年：美国危机
21世纪初期宽松的金融管制和货币政策，再加上美国人日益坚定的提前消费和投机理念，致使美国信贷规模尤其低信誉信贷大幅度扩张，股市迅速发展，房地产投资持续火爆，最终引发了2007年的金融风暴。
图2 2000年～2010年美国相关指标走势图
资料来源：世界银行数据库。
表2 21世纪初信贷增长率和市场资本总额增长率统计表
| 年份 | 信贷增长率 | 市场资本总额增长率 |
| 2001 | 7.40% | -8.27% |
| 2002 | -0.19% | -19.90% |
| 2003 | 12.95% | 28.55% |
| 2004 | 9.91% | 14.42% |
| 2005 | 8.38% | 3.96% |
| 2006 | 10.71% | 14.47% |
| 2007 | 8.82% | 2.68% |
| 平均值 | 8.28% | 5.13% |
结合图2中走势和表2中数据，可以看到美国在2007年前信贷规模和股市规模的高速扩张，它们的年平均增长率分别为8.28%和5.13%，远高于年平均GDP增长率2.38%，对于美国这样已经高度发达、基础雄厚的国家，这样的增长率是惊人的。资本形成总额和外国直接投资净流入的数值相对较小，在图中无法明显显示出其增长，但通过计算可以得到它们的年平均增长率分别为4.13%和13%，增长速度也非常快。不过此次美国危机最大的祸因还是房地产的过度投资，以及相应辅助的信贷和股市大幅度膨胀。美国经济2008年、2009年持续下行，大金融集团陆续破产、裁员，社会和民众生活都陷入萧条阶段且复苏困难重重，可见合理的投资策略的重要性。
(三)中国1978年至今的宏观调控案例
1992年初邓小平南方谈话以后，全国掀起了新一轮经济建设高潮，尤其是投资需求激增和信贷大幅膨胀，导致经济运行表现出过热征兆。数据表明，1992年GDP增长率达到14.2%。但与经济高速发展相伴的是，物价在经历1990年～1992年连续三年平稳之后，从1993年开始逐月攀升，最终1993年CPI为14.58%，1994年为24.24%，发展为严重通货膨胀。实际从1993年开始GDP增长率已经开始缓慢下滑，过度投资的影响立竿见影，如果不能及时调控，新的一场经济危机很有可能爆发(见图3、表3)。幸运的是，中央于1993年下半年开始及时实施宏观调控，1995年通胀实现缓慢回落，GDP增长率保持了稳定，中国经济实现软着陆。
图3 1990年～1996年中国相关指标走势图
资料来源：世界银行数据库。
表3 1992年和1993年各指标增长率情况
| | 资本形成总额增长率 | 外国直接投资净流入增长率 | 国内信贷增长率 | 市场资本总额增长率 |
| 1992 | 15.51% | 155.52% | 10.23% | 801.48% |
| 1993 | 23.75% | 146.64% | 15.89% | 121.86% |
刘国光、刘树成总结过中国此次调控成功的原因，其中有两点特别值得本文参考。第一个原因是中国政府做到了“及时削峰”。以往的“大起大落”，要害在于“大起”，所以在经济快速扩张难以为继时才被迫调整往往就来不及了，策略要早做准备。第二个原因是实现了经济适度从紧，即在保证经济适度增长的前提下，在总量上控制货币和信贷总规模、投资总规模，从而有效抑制通货膨胀。
所以，要想实现经济平稳且快速的发展一定要实施合理的投资策略和资金供给策略。通过对以上三个案例的具体分析已经可以初步肯定这6大变量是研究过度投资与经济增长问题的关键变量，下一步将根据中国实情建立模型并提出合理政策建议。
四、模型构建与测度
(一)数据选取
从1978年十一届三中全会以后，中国开始改革开放，但十几年仍然还是在发展计划商品经济的转型期，没有完全实现经济制度的转变。1992年中共十四大，社会主义市场经济体制被正式确立，经济运行发展模式较以前有了很大的改变。同时，20世纪90年代初上海证券交易所和深圳证券交易所相继成立并开始营业，也是从1992年开始我国股票市场才建立完成并步入正轨。另外，作为一个成功的经济转型体，中国也成为了一个引资大国，外商直接投资从1992年起大规模流入我国。基于以上原因，为了使拟合模型与当前经济模式更加匹配，本文数据的选取范围定为1992年～2010年。
本文选取的统计指标有GDP增长率、银行部门提供的国内信贷、市场资本总额、外国直接投资净流入、资本形成总额、CPI。由于有些指标没有完整的季度数据值，故只能选择年度数据值，总样本点为19个，无缺失值，所有数据取自世界银行数据库。为了方便，各变量分别简记为IGDP、loan、stock、BOP、investment、CPI。
在模型建立前先采用对数变化和标准化对各变量进行处理。原因如下：第一，对数变换和标准化消除了变量的量纲和数量级差异，从而使模型系数更为合理；第二，经过处理后回归的残差从原有数据的绝对误差变成了相对误差，从而缩小了残差的差异。这里有两点特别说明：①GDP增长率指标本身数值较小，故仅进行对数化处理。②CPI指标本身数值也较小，同时由于有些年份存在负值，为避免无效值出现，不进行相关处理。
(二)测度
1.模型介绍
向量误差修正模型(Vector Error Correction Model)特别适用于宏观经济中的时间序列数据，它采用多方程联立的形式，每一个方程中都令一个内生变量对模型的其余全部内生变量的滞后项进行回归，从而能估计出全部内生变量的动态关系和因果关系。它通常用来对已知协整关系的非平稳序列进行建模。它的表达形式为：
Δyt＝αβTyt-1+ГiΔyt-1+…+Гp-1yt-p-1+μt
其中，Гi＝-(Ai+1+… +Ap)，i＝1，…p-1，用来度量短时期的影响；α是载荷矩阵；β是协整向量矩阵，用来体现长期影响关系。μt是白噪声扰动项。
2.模型实现
使用R软件完成整个建模及预测过程。
第一步：滞后阶数的选择
使用R软件中的函数VARselect，根据AIC准则得到最优滞后阶数为p＝2。
第二步：平稳性检验
在进行ADF检验时，选择的类型为序列同时添加趋势项和截距项。如果此类型的检验能够通过，则其他类型的检验也能够通过。
ADF检验结果表明，所有变量都不是平稳序列，但都服从二阶单整(见表4)，可以进行下一步Johansen协整检验。
第三步：Johansen协整检验
建立向量系统yt＝(IGDP，loan，stock，BOP，investment，CPI)T，利用Johansen方法考察各分量的协整关系，类型同样为序列同时添加趋势项和截距项。
表4 各变量ADF检验结果
| 变量 | 确定性条件 | 滞后期 | t统计量 | 临界值(5%) | 结论 |
| IGDP | constant,trend | 2 | -2.3245 | -3.60 | 非平稳 |
| 一阶差分 | constant,trend | 1 | -2.9514 | -3.60 | 非平稳 |
| 二阶差分 | constant | 0 | -4.8411 | -3.60 | 平稳 |
| BOP | constant,trend | 2 | -1.7628 | -3.60 | 非平稳 |
| 一阶差分 | constant,trend | 1 | -3.329 | -3.60 | 非平稳 |
| 二阶差分 | constant | 0 | -5.1486 | -3.60 | 平稳 |
| loan | constant,trend | 2 | -2.56 | -3.60 | 非平稳 |
| 一阶差分 | constant,trend | 1 | -3.2424 | -3.60 | 非平稳 |
| 二阶差分 | constant | 0 | -3.9561 | -3.60 | 平稳 |
| stock | constant,trend | 2 | -1.9496 | -3.60 | 非平稳 |
| 一阶差分 | constant,trend | 1 | -3.24 | -3.60 | 非平稳 |
| 二阶差分 | constant | 0 | -4.1284 | -3.60 | 平稳 |
| investment | constant,trend | 2 | -1.9257 | -3.60 | 非平稳 |
| 一阶差分 | constant,trend | 1 | -2.0766 | -3.60 | 非平稳 |
| 二阶差分 | constant | 0 | -4.1763 | -3.60 | 平稳 |
| CPI | constant,trend | 2 | -2.6735 | -3.60 | 非平稳 |
| 一阶差分 | constant,trend | 1 | -2.7763 | -3.60 | 非平稳 |
| 二阶差分 | constant | 0 | -4.05 | -3.60 | 平稳 |
表5 Johansen协整检验结果
| | t统计量 | 临界值 |
| H0：协整方程个数 | p=2 | (5%) |
| r=0 | | 90.39 |
| r=1 | 568.19 | 70.60 |
| r=2 | 109.56 | 48.28 |
| r=3 | 53.76 | 31.52 |
| r=4 | 24.32 | 17.95 |
| r=5 | 4.98 | 8.18 |
表5结果表明系统存在5个显著的协整关系。