2016年-PIIE彼得森国际经济研究所_Too_Much_Finance_or_Statistical_Illusion__6页_392kb

文档总结：Too Much Finance, or Statistical Illusion?

核心内容

本文由William R. Cline撰写，探讨了近期关于“金融过多会抑制经济增长”的研究是否可靠。文章指出，这些研究中出现的负二次项可能并非真实因果关系，而是统计上的误导。

主要观点

1. 传统观点：过去三十年，主流观点认为金融深化有助于经济增长，即金融深度与经济增长正相关。
2. 新研究挑战：2012年，Cecchetti和Kharroubi（BIS）以及Arcand等人（IMF）的研究指出，当金融深度超过一定水平后，经济增长会下降，这表明“金融过多”可能抑制增长。
3. 统计偏差的质疑：Cline认为这些负二次项可能是统计偏差，而非真实因果关系。他通过医生数量、电话数量和R&D技术人员数量的回归分析，展示了这种偏差的可能性。
4. 模型设定问题：当使用包含金融深度和其他与人均收入正相关的变量的回归模型时，由于变量之间的相关性，模型可能错误地将收敛效应归因于金融深度。
5. 结论：尽管某些国家确实存在金融过度的问题，但将“金融过多抑制增长”作为普遍规律还为时过早，需谨慎对待这些研究结果。

关键信息

金融深度与经济增长的回归分析

• 金融深度通常以“金融系统流动负债与GDP的比率”衡量。
• 早期研究（如King和Levine, 1993）发现金融深度与经济增长正相关。
• 近期研究引入二次项后，发现当金融深度超过一定阈值后，经济增长开始下降。

其他变量的回归分析

• 医生数量：回归结果显示，医生数量与经济增长正相关，但二次项为负。当医生数量超过2.12人/千人时，可能抑制经济增长。
• 电话数量：固定电话数量与经济增长正相关，但二次项为负。当电话数量超过53条/百人时，可能抑制经济增长。
• R&D技术人员数量：R&D技术人员数量与经济增长正相关，但二次项为负。当R&D技术人员数量超过4.1人/千人时，可能抑制经济增长。

统计偏差的数学解释

• 假设一个变量 $ y $ 与另一个变量 $ x $ 存在线性负相关关系，而变量 $ z $ 与 $ x $ 存在线性正相关关系。
• 在回归模型中，若同时引入 $ z $ 和 $ z^2 $，则会强制出现负二次项，即使 $ z $ 并不真正影响 $ y $。
• 这种偏差源于模型中未充分考虑 $ x $ 的影响，导致将部分收敛效应错误归因于 $ z $。

对高收入国家的负面影响估计

• Arcand等人（2012）估计日本若减少私人信贷占GDP的比例，可提升经济增长率1.6个百分点。
• Sahay等人（2015）估计日本的金融发展指数若降至最优水平，可使经济增长率提高3个百分点。
• 这些估计被认为过于夸张，缺乏现实基础。
• Cecchetti和Kharroubi（2012）的估计相对合理，仅指出日本的金融深度导致增长下降0.02个百分点。

数据与方法

• 使用了1960–2010年的国家数据，包括人均GDP、医生数量、电话数量和R&D技术人员数量。
• 数据来源包括Penn World Table 8.1和World Bank World Development Indicators。
• 回归模型形式为 $ g = a + \ln y_0^* + bX - cX^2 $，其中 $ g $ 为人均实际增长率，$ y_0^* $ 为初始人均GDP，$ X $ 为替代金融深度的变量。

附录要点

附录A：负二次项的统计偏差

• 通过数学推导说明，当变量 $ z $ 与 $ x $ 存在线性正相关关系时，回归模型中引入 $ z $ 和 $ z^2 $ 会强制出现负二次项。
• 这种负二次项并非真实因果关系，而是由于模型设定不当导致的统计误导。

附录B：数据描述

• 回归模型基于Cecchetti和Kharroubi（2012）的方法，使用Penn World Table 8.1的数据。
• 医生数量、电话数量和R&D技术人员数量作为替代金融深度的指标。
• 医生和电话数据覆盖1980–2009年，R&D数据覆盖1995–2009年，共44个国家。

总结

本文对近期关于“金融过多抑制增长”的研究提出质疑，指出这些研究中出现的负二次项可能是统计误导，而非真实的因果关系。Cline通过医生、电话和R&D技术人员数量的回归分析，展示了这种偏差的存在，并强调在解释经济增长时，应更加谨慎对待金融深度的测量和模型设定。