宏观经济因素范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇宏观经济因素范例，将为您的写作提供有力的支持和灵感！

篇1

[中图分类号] F830.9 ［文献标识码］ A [文章编号] 1673-0461（2011）12-0084-04

一、引 言

2011年4月我国CPI同比上涨5.3%，食品价格上涨11.5%。根据美联储编制的美元对主要货币的汇率指数变化，2009年美元汇率贬8.5%，同时依据国际货币基金组织统计的全球储备结构数据，非美元储备资产占到近四成，2009年美元资产相对美元升值导致以美元计值的外汇储备余额增加。采用市场上常用的巴克莱全球债券综合指数收益率，2005年～2009年的年均收益率为4.8%。今年以来央行连续出台上调存款准备金率和加息等政策，经济增速放缓，通胀压力未减，货币政策“偏紧”，新股融资也相对密集，股票市场难以寻找良好的系统性投资机会。在这样的宏观经济紧缩背景下，债券市场尤其受到关注。通货膨胀和紧缩政策对债券市场产生什么影响？在加息周期中，债券的收益率是否受到影响？

学者们已经对影响债券收益率的因素进行了一些研究，如王一鸣和李剑峰[1]将宏观经济变量对收益率曲线的几个特征有如何影响进行了实证分析,发现宏观经济变量更多的是对整个收益率曲线的位置有影响。谢海玉[2]发现受经济周期和通货膨胀溢价要求的影响，超长期债券的利率敏感性应弱于短期债券。蔡跃明和平新乔[3]分析了经济增长与环境的新型债券的相关性。王海灵和阚丽萍[4]分析了我国宏观经济因素对债券收益率的影响。庄哗[5]分析了宏观经济信息对中国债券市场收益率结构的影响。白丽健[6]研究了近代中国债券市场价格变动的成因。

本文用主成分分析方法分析宏观因素对政府债券收益的影响。债券收益来自三个方面，债券的利息收益、资本利得和再投资收益。而到期收益率既考虑了利息收益，也考虑了资本损益和再投资收益。

宏观经济分析可以通过一系列经济指标的计算、分析和对比来进行。选取了8个常用的经济指标：生产者物价指数（PPI）、消费者信心指数（CCI）、消费者物价指数（CPI ）、国内生产总值（GDP）、货币供应量M1、汇率、利率、通货膨

胀率。

主成分分析在分析宏观经济对国债收益率的影响方面有其独特的优点。在实际问题的研究中，往往会涉及众多有关的变量。但是，变量太多不但会增加计算的复杂性，而且也给合理地分析问题和解释问题带来困难。一般来说，虽然每个变量提供了一定的信息，但其重要性有所不同，而在很多情况下，变量间有一定的相关性，从而使得这些变量所提供的信息在一定程度上有所重叠。因而人们希望对这些变量加以“改造”，用为数较少的互不相关的新变量来反映原来变量所提供的绝大部分信息，通过对新变量的分析达到解决问题的目的。主成分分析便是在这种降维的思想下产生的处理高维数据的方法。

二、实证分析

（一）样本选取

国债0213是财政部2002年发行的记账式（十三期）国债，期限是15年。由于该国债的剩余期限较长，其属于长期国债。而宏观经济增长对长期国债收益率的影响比较大。因此，本文研究宏观经济对国债0213到期收益率的影响。

一般来说，研究的区间长度越长越好，宏观经济中的某些因素对债券的收益影响大小越准确。但由于数据收集的困难，可供研究的时间区间长度有限。因此国债季度期的到期收益率时间段为2004年6月至2010年12月，对应的宏观经济指标也是季度数据。

（二）宏观经济指标分析

分析用因子分析的可能性。通过使用SPSS软件分析，由表1可知KMO检验统计量值为0.656，说明进行因子分析的效果尚可，比较适宜做因子分析；Bartlett's球形检验的显著性概率为

0.000

1. 确定提取因子数量

在确定可以用因子分析法后，确定因子的数量和方差解释，如下图所示。

下面利用方差解释表2提取主成分因子。提取的原则是主成分的累积贡献率和特征根。

分析表2可知：第一个因子的贡献率为54.397%，第二个因子的贡献率为28.238%，前两个因子的累计贡献率达到了82.636%，说明提取前两个主成分可以解释原有变量82.636%的信息；第一个因子的特征根为4.352，第二个因子的特征根是2.259，其余因子的特征根均小于1，因此，选择提取前两个主成分。

2. 主成分表达式

再利用旋转后的因子负荷矩阵和因子得分系数矩阵确定主成分变量。

由表3和表4得，主成分一为变量x3、x4、x5、x6、x7的线性组合，主成分二为变量x1、x2、x8的线性组合。用SAS软件进行主成分分析各因子的特征向量，据此可以写出由标准化变量所表达的主成分的关系式为：

由表5可知，成分1和成分2不相关，因此，可以分别研究每个成分的影响因素，而不考虑二者之间的相关因素。

3. 因子解释

Z1是反映消费者信心指数（CCI）、国内生产总值（GDP）、货币供应量M1、汇率、利率的综合指标。其中货币供应量M1、汇率、利率都是中央银行宏观经济调控的货币工具。CCI反映消费者信心强弱，综合反映并量化消费者对当前经济形势评价和对经济前景、收入水平、收入预期以及消费心理状态的主观感受，可以一定程度上衡量消费者对宏观经济调控的反应。而GDP是宏观经济调控的反应结果，反映一个国家一定时期内的经济表现。综上所述，将Z1定义为宏观调控影响综合指标。

Z2是反映PPI、CPI和通货膨胀率的综合指标。PPI、CPI和通货膨胀率都在一定程度上反映一定时期内的通货膨胀。通货膨胀决定消费者花费多少来购买商品和服务，左右着商业经营的成本，极大地破坏着个人或企业的投资，影响着退休人员的生活质量。对通货膨胀的分析有助于设立劳动合同和制定政府的财政政策。综上所述，将Z2定义是通货膨胀影响综合指标。

（三）线性回归分析

根据以上主成分关系式将8个宏观经济变量降低为两个综合指标变量，即宏观调控影响综合指标Z1、通货膨胀影响综合指标Z2。用Stepwise方法分别对国债0213的到期收益做线性回归分析。

分别绘制国债与主成分Z1和Z2的散点图（见图2、图3）。

通过观察图2和图3中的散点布局可以判断，国债0213的到期收益率与宏观经济综合影响指标Z1，通货膨胀影响综合指标Z2都有一定的线性关系。

下面我们用逐步回归方法对国债0213的到期收益率和Z1、Z2两个指标进行回归分析，得到结果如下表6所示：

由表6结果可以知道，国债0213的到期收益率与通货膨胀影响综合指标Z2线性回归的负相关系数是0.62073，拟合优度为0.307。

通过表7结果可知，国债0213的到期收益率与通货膨胀影响综合指标Z2线性回归模型的显著性概率为0.04，在显著性水平α=0.05上该模型显著。

由表8结果知道，国债0213的到期收益率与通货膨胀影响综合指标Z2线性回归的模型为：y1=0.554Z2，其中Z2的显著性概率为0.04。因此，国债0213的到期收益率与通货膨胀影响综合指标正相关。

篇2

 

一、影响地区对外直接投资的内在机理及门槛条件的提出

 

(一)对外直接投资的宏观影响因素内在机理考察

 

20世纪90年代以前，基于对外直接投资主要发生在发达国家的事实，以海默的垄断优势理论、巴克莱的内部化理论、小岛清的边际产业转移理论、邓宁的国际生产折中理论为代表的对外直接投资理论都是以发达国家为研究对象;随着发展中国家对外直接投资的兴起，威尔士的小规模技术理论、拉奥的技术地方化理论和坎特威尔的技术创新产业升级理论也相继提出，在发展中国家开展对外直接投资实践中提供了理论指导。就中国而言，自从“走出去”战略开始实施，对外直接投资得到快速增长，但区域间发展不平衡，经济发达地区的对外直接投资规模远远超出经济欠发达地区。2011年，地方对外非金融类对外直接投资流量合计235.6亿美元，其中东部地区174.35亿美元，中部地区30.7亿美元，西部地区30.55亿美元，中西部地区的投资规模之和只占东部地区的1/3。由此可以看出，对外直接投资的演变历程与投资母国或地区的经济发展水平一致。Dunning提出的IDP理论阐述了对外投资的发展路径[1]，并被后来的研究加以验证[2]。Andreff用一个包含176个发达国家和发展中国家在内的截面样本再次验证IDP理论，发现对外直接投资和母国经济发展水平之间存在函数关系[3]。

 

研究表明，投资国会通过对外直接投资获得东道国具有而母国不具有或者相对东道国处于劣势的资源，包括自然资源、人力资源、管理经验、营销水平、技术效率等。Dunning总结了对外投资的4种类型：一是市场寻求型，即需求导向型OFDI，是为产品寻找海外市场以弥补国内市场需求不足;二是资源寻求型，即供给导向型OFDI，是为了获得母国所需的矿产、农产品、非熟练劳动力等资源;三是效率寻求型，是为了提高国际分工的效率，促进跨国公司资产组合更加专业化，通常发生在市场寻求型或资源寻求型的投资阶段之后;四是战略资源寻求型，是以增强自身投资公司所有权优势为目的OFDI[4]。某些国家(如瑞士和荷兰)比其他国家(如俄罗斯)具有更强的动机进行对外直接投资，主要是因为其经济发展基础、国内企业的核心竞争力、市场规模、海外市场经验、不具有流动性资源的吸引力等方面存在明显差异。

 

(二)宏观影响因素及门槛条件的提出

 

在有关中国对外直接投资影响因素的实证研究方面，阎大颖等以2006-2007年中国对外直接投资的微观数据为样本，从制度方面发现政府政策扶植、海外关系资源及自身融资能力对企业对外直接投资的动机和能力有重要影响[5]。张为付运用内部张力、外部引力和环境支撑力范式对影响对外直接投资的各作用力进行了理论分析和实证检验，作用力包括经济规模、外贸依存度、与贸易伙伴国的摩擦、经济成分结构、政府对外直接投资的政策、人民币对美元的汇率[6]。田巍和余淼杰采用企业层面的微观数据考察了生产率与对外投资的关系[7]。借鉴已有研究，本文将从国内的经济发展水平、吸引外资水平、产业结构、经济成分组成4个方面论述和分析有关OFDI影响因素的门槛条件。

 

首先，从母国的经济发展水平看，Dunning以母国的人均GDP为指标，采用分组的方法把1971年67个国家分为4组[4]。第一组是人均GDP低于400美元的贫穷的发展中国家，外商投资极少，没有对外投资。第二组包含25个国家，其人均GDP在400～1 500美元之间，外商投资迅速增长，出现对外直接投资。第三组是人均GDP在2 000～4 750美元之间的国家，对外直接投资依然低于外商投资，这一阶段会出现两种情况：一是对外直接投资保持不变，外商投资开始下降;二是对外直接投资的增速超过了外商投资。第四组是人均GDP位于2 600～5 600美元之间的少数发达国家，对外直接投资规模开始超过外商投资，可能是因为对外直接投资的增速远远超过了外商投资的增速。

 

其次，从吸引外商投资的能力看，某地区吸引外商投资规模的大小在一定意义上反映了该地区的对外开放度。FDI的技术溢出效应对东道国企业的国际化经营和管理模式起到了良好的示范作用，是推动经济发展强有力的工具，有利于地区经济发展模式实现

 

从“引进来”到“走出去”的转变;而大量外资的引进无疑会在一定程度上解决地区的劳动力剩余问题，增加该地区的财政收入，这种现象极有可能导致地方政府把吸引外资作为地方发展的核心动力，而忽略了本地企业自身能力的培养，导致外商投资对地方OFDI产生挤出效应。

 

再次，从母国的产业结构看，Andreff研究发现：一方面，对于经济发展良好的发展中国家、资源丰富的国家、新兴工业化国家和发达国家而言，母国的产业结构是影响对外直接投资的重要因素;另一方面，对于经济发展落后的发展中国家和经济转型国家，母国的产业结构对OFDI的影响在5%和10%的显著性水平下均不显著[3]。说明母国产业结构的发展对OFDI的影响存在门槛特征。

 

最后，从经济成分组成结构看，张为付发现民营企业固定资产投资占全社会固定资产投资比重每变动1%，中国对外直接投资额将变动9.1689%，二者呈现明显的正效应关系，这是因为民营企业正在成为中国对外直接投资的新生主力[6];但是从投资金额占比上看，中国的对外直接投资存在“国升民降”现象，这是因为对外直接投资需要资金实力和信息优势作支撑[8]。这就意味只有实力雄厚的民营企业才能在国际竞争中占有一席之地。

 

二、对外直接投资宏观影响因素的模型设定及数据来源

 

对外直接投资规模在中国各地区存在明显差异是不争的事实，这种现象发生的根源来自于中国区域经济发展的不平衡性。由于地理位置不同，对外开放程度存在差异，经济基础迥异导致各地区的经济发展动力不同，国家政策倾斜导致不同地区的经济成分组成不同、产业结构调整方向不同，诸多因素影响了各地区企业“走出去”的积极性。部分越过经济发展门槛的地区，企业在自身经济实力和政策支持下，凭借企业特定优势或国家特定优势能够顺利进行国际化经营[9];而另一些低于经济发展门槛的地区，对企业国际化经营不但无法提供经济支持，还以吸引外商投资的方式加快自身经济发展，从而对本地区的OFDI产生了挤出效应。这就意味着影响对外直接投资规模的因素存在一定的门槛特征，即当一地区的综合经济实力达到一定的水平时，经济发展的提高会使对外直接投资规模迅速扩大。

 

(一)模型设定

 

近年来，解决这一非线性计量经济问题的方法从“分组检验”发展到“门限回归”。Hansen建立了关于技术外溢的面板门槛模型[10]，Girma在Hansen的基础上利用面板数据验证了技术外溢中吸收能力的门槛效应[11]。国内学者延续了非线性面板数据计量经济模型的研究[12]。同样地，本文借鉴Hansen的面板数据门槛模型，将模型设定为如下形式：

 

Ofdiit=a0+a1qitI(qit<γ1)+a2qitI(qit≥γ1)+a3xit+eit(1)

 

在式(1)的基础上，我们将其扩展为双门槛模型甚至多门槛模型：

 

Ofdiit=a0+a1qitI(qit<γ1)+a2qitI(γ1≤qit<γ2)+a3qitI(qit≥γ2)+a4xit+eit

 

其中，i表示地区，t表示年份，γ1和γ2为待搜索的门槛值，且有γ1<γ2，I(·)为指标函数，eit为随机干扰项。Ofdiit表示各地区非金融类对外直接投资流量，年度OFDI流量不存在滞后，能更有效地刻画当期经济状况的发展和变化[13]。qit为本文研究的核心变量，设定为影响OFDI的主要因素，包括：第一，经济发展水平，采用国内生产总值(GDP)和人均国内生产总值(PGDP)来测度地区的经济发展的综合实力;第二，对外开放度，用吸引的外商投资企业投资总额(FDI)来表示该地区对外经贸往来的密切程度;第三，产业结构，用第二产业从业人数(seclab)和第三产业从业人数(thirlab)来衡;第四，经济成分，选取民营经济的固定资产投资(pinve)来测度，通过内资企业固定资产投资总额和国有经济固定资产投资总额相减得到。xit表示本文选取的控制变量，具体包括：第一，出口，以exp表示，用地区的出口总额代表;第二，政府支持，以fisc表示，用各地区政府的财政支出总额代表;第三，研发支出，以rd表示，用地方部门R&D经费内部支出代表。

 

(二)数据来源

 

本文所选取的数据为中国29个省区市2003-2011年的面板数据

 

由于西藏和贵州两省的非金融类对外直接投资流量数据缺失年份较多，故未被包含在检验样本中。，地区的非金融类对外直接投资数据来自历年的《中国对外直接投资统计公报》，其他指标数据来自历年的《中国统计年鉴》和《地区统计年鉴》。其中，以美元统计的出口和外资企业投资总额指标用人民币兑美元的年平均价换算;回归检验之前，用标准化公式：zi=(xi-minx)/(maxx-minx)，对各指标数据进行标准化处理。表1为变量的基本统计量。

 

(三)影响因素分布的地区差异

 

把样本划分为东、中、西3个地区，东部地区包括北京、天津、河北、上海、广东、浙江、辽宁、福建、山东、江苏、广西、海南12个省、自治区、直辖市;中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖南、湖北9个省、自治区;西部包括重庆、四川、云南、陕西、甘肃、宁夏、青海、新疆8个省、自治区、直辖市。

 

图1、图2中的纵轴表示各省市的对外直接投资流量和影响因素位于均值及其以上(均值以下)的比例。从图1和图2可以看出，各变量位于均值以上的省市主要集中在东部地区，西部地区占比在0.2以下，中部地区各变量规模处于均值以上的比例低于均值以下的比例。另外，我们发现，各地区对外直接投资规模与区域经济发展水平的变动趋势一致。对外直接投资规模和GDP水平、引进外资水平、产业结构、民营经济发展轨迹一样，在区域经济发展较好的东部地区处于全国平均水平之上的比例最高，在中部地区次之，在西部地区最低;相反，低于全国水平的各个变量比例在西部地区最高，中部地区次之，东部地区最低。对外直接投资规模及其影响因素从东部发达地区到中西部欠发达地区均呈现明显的递减趋势。

 

三、对外直接投资影响因素的门槛检验与实证结果

 

(一)弱外生性检验

 

目前，检验变量弱外生性的方法主要有两种：一是EHR方法，基于模型所有变量的联合分布函数定义了与模型中重要参数相关联的弱外生变量;二是Johansen方法，在协整框架内，构建无条件误差修正模型和条件误差修正模型，依据ECM模型修正参数的显著性来检验变量是否具有弱外生性。EHR方法不仅可以检验出变量的弱外生性、强外生性及超外生性，还可以进行政策评价，在金融研究领域得到了广泛应用。EHR检验步骤如下：先将待检验变量作为被解释变量，其他可以解释贷款余额的变量以及其本身的滞后一期变量作为解释变量进行最小二乘回归估计，然后把所生成的残差序列加入原等式作为新的解释变量，最后对估计残差进行Lagrange Multiplier检验，确定是否具有弱外生性。

 

依循惯例，采用上述EHR方法依次检验门槛变量的弱外生性，检验结果如表2所示。从P值可以看到，无法拒绝门槛变量具有弱外生性的零假设。意味着在5%的显著性水平上，市场规模、外商直接投资、产业结构和经济成分均具有弱外生性，把这些影响因素设定为门槛变量是有效的。

 

(二)门槛条件检验

 

为了选择恰当的门限个数和门限值，依次估计线性模型、单门限模型、双门限模型和三门限模型，Hansen提出了“格栅搜索法”(Grid Search)，目的是减少在搜索门槛值中执行的回归次数。这种搜索方法把待搜索的门槛值限定在某特定的分位数或者整数值，并分别对搜索结果进行回归并计算相应模型的残差平方和，最小残差平方和所对应的门槛值就被认为是最接近门槛水平的真实门槛值[14]。因此可构造出门槛估计值在95%置信区间的图形，如图3所示。

 

为了检验门槛效应在统计上的显著性，Hansen提出采用自举法(Bootstrap)模拟似然比检验的渐进分布，得到相应的概率Bootstrap P值，据此判断门槛值的真实性。表3给出了单门槛模型各因素的自抽样检验结果和95%显著性水平下的置信区间。人均GDP和第二产业从业人员的门槛值在5%的水平上显著，其余变量的门槛值均在1%水平上显著。同时为了检验模型中是否有双门槛效应甚至多门槛效应，表4则给出了各影响因素双门槛效应的相关检验结果。由表4的检验结果可知，各个变量的统计量均未能通过显著水平的检验可知。由此可知，不存在双门槛效应甚至多门槛效应，整个模型只存在单门槛效应。(三)模型估计结果

 

针对各地区的经济发展特征，本文将影响该地区企业对外直接投资的因素归纳为经济发展水平、外商投资规模、市场结构及地区的经济成分结构4个方面，分别对其具体的影响进行门槛回归检验

 

为了保证门槛值选取及回归的有效性，在实际检验当中，排序后保留样本中最大的10%和最小的10%，只把样本中间80%个变量的值作为门槛值的候选来源。，检验结果(如表5所示)表明这些影响因素存在明显的单门限特征。

 

(1)经济发展水平。当GDP总量超过27 698.18亿元时，经济总量对OFDI具有显著的正向促进作用，而当GDP总量低于这一水平时，经济总量对OFDI的作用不明显。同样，当一个地区的人均GDP水平超过39 985.07元时，对OFDI的正向促进系数达到0.17，而当人均GDP低于这一水平时，对OFDI的负向影响系数达到了0.26。一国或地区的经济发展水平越高，该国或地区的企业越容易形成对外直接投资的所有权优势、内部化优势和区位优势，一切投资行为都离不开母国的经济发展。

 

(2)外商投资规模。当一个地区吸引的外商投资规模超过9 145.061亿元时，外商投资对OFDI具有显著的正向影响，系数达到0.66;而当一个地区吸引的外商投资规模低于这一水平时，外商投资对OFDI具有显著的负向影响，系数为0.81。FDI的技术溢出效应使东部地区内资部门的技术得以提升，中部地区得到有效发挥，西部地区的外溢效应为负。提高外商投资的技术溢出效应，增强本地企业的吸收能力，是有效促进本地企业实行国际化经营的有效途径之一。

 

(3)产业结构。当第二产业从业人数超过610.85万人时，第二产业从业人员会对OFDI具有显著的促进作用，其变量的估计系数在1%显著水平上达到了0.39;当第三产业从业人数超过905.81万人时，此时产业结构的估计系数为0.33，并且通过了1%显著水平的检验，这充分表明第三产业从业人员的增加会对OFDI产生明显的促进作用。相反，当，第二产业从业人员和第三产业从业人数分别低于各自的门槛水平时，会对地区的OFDI流量产生明显的抑制作用，双方的估计系数分别为-0.53和-0.34，并且均通过了5%显著水平的检验。第二产业从业人数和第三产业从业人数对OFDI具有基本相同的作用机理，这与对外直接投资行业分布广泛(中国对外直接投资统计公报，2011)的特点相符。这意味着中国企业在海外市场形成的产业集聚，更多是依靠外部的行业规模优势而不是企业自身具有的特定优势。

 

(4)民营经济发展。目前，国有或国有控股企业依然是中国进行对外直接投资的主体，但未来，随着民营企业实力不断趋向壮大，国有企业的OFDI占比在达到高峰点之后将逐渐回落。企业对外直接投资的内在经济动力和国家政策导向共同奠定了民营经济在中国对外直接投资中的重要地位。当民营经济固定资产投资规模超过7 414.01亿元时，对OFDI具有显著的正向影响，影响系数为0.36;当民营经济固定资产投资规模低于这一水平值时，对OFDI具有相同程度的反向影响效应。随着民营经济的发展，对OFDI的影响由抑制作用转变为促进作用，体现了民营经济在中国对外直接投资中的强劲后力。

 

从控制变量可以看出，出口规模对OFDI具有显著的正向影响，与张为付的研究结论一致，说明中国对外直接投资类型是以出口替代、市场寻求型为主。政策支持与企业对外直接投资规模成正相关关系，这与事实情况相符：一方面，国有企业担负着国家的战略发展、能源资源寻求的责任，更多地体现了国家的经济利益，多属于政府政策驱动型的对外直接投资;另一方面，国家积极执行“走出去”战略，大力支持民营企业发挥自身机动灵活的体制优势。研发投入对地区的OFDI规模具有明显的促进作用，说明中国对外直接投资企业研发投入不足、技术水平亟待提高。

 

(四)结果分析

 

实证结果显示，国内宏观经济影响因素达到或超过一定门槛值时，对OFDI具有积极的促进作用。以人均GDP为例，如图4所示，从地区看，除内蒙古外，跨越门槛值的省、区、直辖市主要集中在东部沿海发达地区;从时间看，跨越门槛值的省份主要集中在2006-2008年和2009-2011年，而2003-2005年人均GDP跨越门槛值省份很少，仅有上海。由此表明随着时间推移，更多省份的人均GDP对OFDI的促进作用明显在更大范围内显现出来。同样地，中国对外直接投资在近期才得到迅速发展，并且主要集中在东部沿海地区。这是因为经济基础薄弱的地区往往同时存在着对外开放度低、缺乏具有国际经营经验的专门人才、地理位置闭塞、技术水平低、产业结构不合理等内在问题，导致企业很难形成特定的所有权优势、区位优势、内部化优势;另外，经济欠发达地区一切以发展为目的，在现阶段促进对外直接投资带来的经济效益远不如引进外资带来的经济效益大，从而形成对OFDI的“挤出”效应。在政策优惠方面，对民营企业的鼓励政策缺乏针对性，民营企业融资难、规模小、难以形成集中优势等问题仍未得到解决。因此，要合理调整产业结构，积极参与西部大开发战略，结合中西部地区的特色资源努力促进经济发展，转变对外直接投资促进经济增长的思路，把促进对外直接投资和经济增长并重发展，以缩小东、中、西部地区之间的差距。

 

四、基本结论与政策建议

 

本文借鉴Hansen的门槛模型，选用中国2003-2011年间29个省区市的面板数据对中国OFDI的宏观影响因素进行估计，得到以下实证分析结论。

 

其一，中国不同地区的对外直接投资流量规模不同。由于各地区的地理位置、经济基础、国家政策导向不同导致影响中国对外直接投资的宏观因素存在差异，经济发达地区比经济欠发达地区的对外直接投资出现得更早、规模更大。在现有研究的基础上，归纳总结了这些因素影响OFDI的内在机制，并提出这些影响因素具有一定的门槛特征。

 

其二，本文分别选择了地区的经济发展水平、外商投资、产业结构、经济成分组成等4方面的6个因素，检验这些因素对中国对外直接投资规模所产生的影响，并测算了国内生产总值、人均国内生产总值、外商投资、产业结构及经济成分组成等影响因素的门槛值。只有当这些指标达到或超过门槛值时，对中国OFDI才具有显著的促进作用，反之，则不存在影响甚至对OFDI会产生挤出效应，即中国对外直接投资的宏观影响因素表现出了明显的门限特征。

 

篇3

    宏观经济走势是影响证券市场大盘走势的最基本因素。证券市场是整个国民经济的重要组成部分,它在宏观经济的大环境中发展,同时又服务于国民经济的发展。从根本上说,股市的运行与宏观的经济运行应当是一致的,经济的周期决定股市的周期,股市周期的变化反映了经济周期的变动。经济周期包括衰退、危机、复苏和繁荣四个阶段,一般来说,在经济衰退时期,股价指数会逐渐下跌;到经济危机时期,股价指数跌至最低点;当经济复苏开始时,股价指数又会逐步上升;到经济繁荣时,股价指数则上涨至最高点。

    宏观经济走势影响股价变动,但宏观经济走势与股市趋势的变动周期不是完全同步的。2002年10月,两个数据在中国证券业界引起了广泛关注,一个数据是2002年前三个季度中国国内生产总值同比增长7.9%,一个数据是2002年1~10月上证指数跌幅达到7.9%,一正一负,宏观经济走势与证券市场走势看上去形同陌路,相互背离,让投资者感到困惑。实际上,无论是宏观经济还是股票市场,都存在着各自周期性变化的特征。股市周期是指股票市场长期升势与长期跌势更替出现不断循环反复的过程,即牛市与熊市不断更替的现象。

    以上海证券市场为例对中国的股市周期进行分析。中国股市运行的第一个周期,是从1990年12月19日的100点至 1996年1月的512点,其中,大牛市阶段为1990年12月19日的100点至1993年2月16日的1558点;大熊市阶段为 1993年2月16日的1558点至1996年1月的512点。第二个周期是从1996年1月的512点至今,其中,大牛市阶段是 1996年1月的512点至2001年6月的2245点,从此股市出现了较大的下跌行情。同期中国宏观经济运行的状况为:1978~1990年期间,中国经济运行的总体态势是经济增长的稳定性在逐步增强,经济增长的质量有所提高。1991~1999年期间,中国经济先是快速增长,越过高峰后,以小幅缓收为基调,而且收缩期明显增长(从1993年步入经济收缩期开始到1999年底,7年内GDP增长率平均每年下降1个百分点左右,波动较为平缓,但下滑时间较长)。进入2000年,中国的经济增长率结束了连续7年的下滑过程(1999年为 7.1%,2000年为8%,2001年为7.3%,2002年为8%)。经济周期是根本,经济从衰退、萧条、复苏到高涨的周期性变化,是形成股市牛熊周期性转换的最基本的原因,正是从这种意义上讲,股市是国民经济的晴雨表,但这并不代表两个周期是完全同步的。作为一个相对独立的市场,股市的波动也存在着自身特有的规律,在实际运行中,股市周期反映经济周期有着独特的特点,从而造成了股市周期与经济周期不同步,甚至背离的现象。

    二、货币供应量对证券市场的影响

    货币供应量与股票价格一般是呈正相关关系,即货币供应量增大使股票价格上涨,反之,货币供应量缩小则使股票价格下跌。但从1994年以来,我国货币供应量的增长与股市的增长率变化比较,货币供应量的变化就不能准确地反映股市的变化。如1994、1995、1998这三年,上证指数的增幅都是负数,而同期我国的货币供应量(M2)的增幅分别是 34.53%、29.47%、14.87%;1996、1997、1999、2000这四年,上证指数的增幅分别是65.14%、30.22%、 19.18%、 51.73%,同期我国的M2增幅分别是25.26%、19.58%、14.74%、12.27%。原本是强相关的两项指标,增幅的变化却出现了背离现象。这说明证券市场与货币市场没有完全打通,货币政策的传导机制出现了故障。

    所谓货币政策的传导机制是指一定的货币政策工具,如何引起社会经济生活的某些变化,最终实现预期的货币政策目标。对货币政策传导机制的分析,在西方主要有凯恩斯学派和货币学派。凯恩斯学派的主要思路:通过货币供给的增减影响利率,利率的变化通过资本边际效益的影响使投资以乘数方式增减,而投资的增减会进而影响总支出和总收入。凯恩斯学派传导机制理论的特点是对利率这一中介指标特别重视。货币学派认为,利率在货币传导机制中不起重要作用,更强调货币供应量在整个传导机制上的直接效果,主要思路:货币供给量的变化直接影响支出,变化了的支出影响投资或者说导致资产结构调整,资产结构的调整又反映在实际产出和价格的变动上。

    从货币政策工具的运用到货币政策目标的实现中间有一个相当长的作用过程,在过程中货币当局本身并不能直接控制和实现诸如稳定、增长这些目标,它只能借助于货币政策工具、设置中介指标并通过对中介指标的调节和影响最终实现政策目标。因此,中介指标就成了货币政策作用过程中一个十分重要的中间环节,对它们的选择是否正确以及选定后能否达到预期调节效果,关系到货币政策最终目标能否实现。根据中介指标的可控性、可测性、相关性、抗干扰性以及在不同经济体制和金融体制下的适应性,中介指标一般有利率、货币供应量等。作为中介指标,利率有可控性强、可测性强、货币当局能够通过利率影响投资和消费支出的优点,但利率作为中介指标也有不理想之处。因为利率既是一个内生经济变量,又是一个政策变量。作为内生变量,在经济繁荣时,利率随信贷需求增加而上升;在经济停滞时,利率随信贷需求减少而下降。作为政策变量,经济过热,应提高利率;经济疲软,应降低利率。可见。利率作为内生变量与政策变量往往很难区分。在这样的情况下,中央银行很难判明自己的政策操作是否已达到了预期的目标。以货币供应量作为中介指标,首先遇到的困难是确定哪种口径的货币作为中介指标,是MO(现金),还是M1(M1=MO+活期存款),还是M2(MO +M1+定期存款+其他存款)。三个指标分别反映在中央银行和商业银行及其他金融机构的资产负债表上,可以进行测算和控制,问题在于究竟哪一个指标更能代表一定时期的社会总需求和购买力,通过对它的调控就可直接影响总供求。至于抗干扰性,货币供应量的变动作为内生变量是顺循环的,作为政策变量是逆循环的,一般说来两者是不会混淆的。

    货币供应量与股票价格一般是呈正相关关系,但在特殊情况下必须具体情况具体分析。如,在通货膨胀的情况下,政府一般会采取紧缩的货币政策,这就会提高市场利率水平,从而使股票价格下降。同期,企业经理和投资者不能明确地知道眼前盈利究竟是多少,更难预料将来盈利水平,他们无法判断与物价有关的设备、原材料、工资等成本的上涨情况,从而引起企业利润的不稳定,对证券市场造成不良影响。

    通货紧缩对证券市场的影响是通过伤害消费者和投资者的积极性反映出来的。就消费者而言,持续的通货紧缩使消费者对物价的预期值下降,而更多地持币待购,推迟购买;就投资者而言,通货紧缩将使目前的投资在将来投产后,产品价格比现在的价格还低,并且投资者预期未来工资下降,成本降低,这些会促使投资者更加谨慎,或者推迟原有的投资计划。消费和投资的下降减少了总需求,使物价继续下降,从而使股票、债券及房地产等资产价格大幅下降,进一步又大大影响了投资者对证券市场走势的信心。

    三、利率变动对股市的影响

    一般情况下,利率变动与股价变动成反相关关系。1996年以来,我国已八次下调人民币利率。1996年5月1日中央银行决定实施首次降息,当时的股市正从底步启动,市场从4月份起,就对这一利好作出了积极的提前反应,消息出台后虽然出现了暂时的获利回吐,但很快就步入了持续的升势,一个历时超过两年的大牛市从此拉开了序幕。1996年8月 23日央行实施了第二次降息,存款利率平均降低1.5个百分点,贷款利率平均下调1.2个百分点,幅度之大超出了当时人们的预期。这一消息对于已经经历4 个月调整的沪深股市带来了新的刺激,市场很快探底成功,股指由此屡创新高,并在当年年底冲上了历史的高峰(1996年上证指数增幅 65.14%)。1997年10月23日,央行第三次降息,存贷利率平均下调幅度分别为1.1和1.5个百分点,由于经历了三次降息,流向资本市场和消费市场的资金不断增加。1998年3月25日和1998年7月1日的第四、第五次降息虽然在幅度上明显低于前三次,但同时对准备金率作出了大幅度的调整(由 1980年的13%降到1998年的8%),使得社会融资环境进一步宽松。由此,沪市综指也从第一次降息的660点升至 1998年7月的1330点,升幅超过1倍。1998年12月?日,央行决定第六次降低金融机构的存贷利率,一年内三次降息的间隔之短,在我国银行利率调整历史上也实属罕见,这次降息没有对股市起到立竿见影的作用,但却使股市在1000点企稳,也为之后的“5.19”行情做了铺垫。1999年6月10日,央行宣布第七次降息,金融机构存贷款利率分别下调1个、0.75个百分点。这次降息虽然仍激发了投资者的投资热情,市场的直接反应却呈现逐步减弱之势,这是因为市场缺乏能够引导市场的热点板快等,但这并不能否定降息对股市的长期利好作用,就是说,政策的利好虽没有改变市场趋势,但却在不断改变经济和市场环境,此次降息为“5.19”行情的爆发起到了推波助澜的作用。2002年2月21日,央行实施第八次降息政策,存贷款利率平均下调分别是0.25个百分点和0.5个百分点,此次降息最重要的是政府表明了一种态度,给消费者者、投资者、生产者一个积极的信号:只要通货紧缩的趋势继续延续,经济低迷,政府就不会坐视不管,政府要加大金融对经济发展的力度,以此来促进国民经济持续、快速、健康发展。

篇4

中图分类号：F015 文献标识码：A

文章编号：1005-913X（2015）11-0183-02

一、引言

金融发展和经济增长之间的关系一直是经济学中极富争议的一个问题。作为金融市场重要组成部分的股票市场和经济增长，以及由此引申而出的股票市场和宏观经济变量的关系，也是最近研究热点之一。我国股票市场发展非常迅速，已经成为影响社会经济生活的重要因素。在这种背景之下，研究股票市场表现和宏观经济变量的经验关系，具有很大的理论意义和实践意义。

国外学者对股票市场表现和宏观经济变量的关系进行了大量的经验研究。这些研究大多数表明在宏观经济变量和股票价格之间存在明显的相关关系， 但结论并非是完全一致的。例如，Chen， Rol和Ros（1986）研究发现可以显著解释股票收益率的因子有风险溢价变化以及通货膨胀率等；但消费支出、原油价格和股票收益率之间却没有明显关系。Mukherjee和Naka（1995）用误差修正模型研究了东京股票交易所（TSE）和日本宏观经济变量之间的动态关系。

他们研究发现，TSE股票价格指数和六个宏观经济因子之间存在协整关系。而Binswanger （2000）对20世纪80年代以来的美国经济，用子样本滚动回归方法研究发现，股票收益率和实质经济活动之间的关系不成立。

国内学者也在这方面进行了一些经验研究，谈儒勇（1999）研究了中国金融发展和经济增长之间的关系，其中涉及了股市发展和经济增长之间的实证研究。研究表明，我国股市发展的三个指标（市价总值/GDP、成交金额/GDP和成交金额/市价总值） 在回归模型中都不显著， 这意味着我国股市发展对经济增长的作用极其有限。郑江淮、袁国良等（2000）的经验研究认为，虽然我国股市规模对经济增长的作用效果不明显，但股市发展与储蓄之间的正相关关系表明存在股票市场对经济增长的作用机制。李广众（2002）的经验研究认为中国银行、股市发展的主要作用在于促进投资规模扩大，股市发展对经济增长的作用并不显著。

从上述国内研究文献可以看出，研究重点大多放在金融发展和经济增长关系上，股票市场发展和经济增长之间的关系仅仅是研究中的一部分，很少涉及关于宏观经济和股票市场表现之间的经验检验。

从研究方法上来看，大部分用的是比较简单的回归分析，很少考虑时间序列不平稳带来的谬回归问题。基于上述考虑， 研究将根据月度数据，在宏观经济变量与股市价格的理论关系和经验研究结论的基础上，利用VAR模型对上海股票市场表现和宏观经济变量的关系进行实证研究。结构如下：第二部分介绍模型形式、变量和数据选取， 第三部分给出实证结果， 第四部分是总结和结论。

二、模型设定及数据选取

宏观经济对股指波动的影响主要体现政府宏观调控、市场变化以及消费者行为方面，因此建立一个包含货币政策、宏观经济情况、房屋价格变动、通货膨胀及消费者信心指数的VAR模型，模型形式如下：

Yt=C1Xt-1+……CnXt-n+ξt

其中，Yt=[AINDEXt]Xt=[AINDEXt，Rt，M2，GDPt，HGINDESt+HOUSEINDEXt，CPIt，CCIt]，C表示常数项。其中AINDEX表示上证收盘综合指数；R分别表示利率水平和M2同比增长率，用以衡量货币政策；GDP分别表示GDP增长率和HGINDES宏观经济景气指数，两者结合衡量宏观经济变动；HOUSEINDEX表示国房景气指数，CPI衡量通货膨胀，与宏观经济变量一起表示市场变化；CCT表示消费者信心指数。样本区间为2001年1月―2013年12月共计156个样本。

三、实证结果

建立VAR模型，先对数据进行平稳性检验。经过检验，所有的变量都可以通过平稳性检验，可以用来构建VAR模型，在此基础上，为了保证模型的稳定性，进行AR根检验，检验结果表明模型具有稳定性，如图1所示。

（一）滞后阶的确定

进行VAR模型检验的最后一步就是确认滞后阶，模型滞后阶的选择过程如表1所示（最大试算阶数为2）。

根据表中所示，LR、FPE、AIC准则都显示最优滞后阶数为2，SC、HQ准则显示最优滞后阶数为1，根据少数服从多数原则，我们选取最优滞后阶数为2。

（二）VAR模型和脉冲响应

我们得到VAR模型形式如下：

AINDEX=0.857088397461*AINDEX（-1）+

0.126504716401*AINDEX（-2）-0.00230273338677*CCI（-1）

-0.000963551505897*CCI（-2）+0.0093385588814*CPI（-1）

-0.0195604202722*CPI（-2）+0.00942041778789*HGINDEX（-1）-0.0140177132655*HGINDEX（-2）+0.0138781296713

*GDP（-1）+0.00954420314823*GDP（-2）-0.000221171008889

*HOUSEINDEX（-1）-0.00501632789264*HOUSEINDEX（-2）+

0.0043259281095*M2（-1）-0.00657125075722*M2（-2）+

0.00636285095489*R（-1）-0.00643171398778*R（-2）-

0.007661618

R2=0.96

模型的拟合效果较好，较能对被解释变量做出解释。从估计结果中我们可以看出，上证指数具有较强的惯性特征，上一期对本期的解释高达0.857，再前一期对被本期的解释达到0.1265，二者结合就解释了全部的0.98，表明上证指数受自身影响最强，而其他变量对其解释力较弱，这也从一定程度上解释了我国经济连续增长多年而股票市场却熊冠全球。再看其他变量，其余变量中，消费者信心指数影响最弱且负相关，几乎可以忽略不计；前两期的CPI对本期上证股指影响较强，达到0.02，且呈负相关，表明上两期的CPI指数如果上升，则会一定程度上导致本期股票市场的下跌，而上一期的CPI指数则对本期股票市场呈微弱正相关；除此之外，宏观经济景气指数的前一期和两期也表现出明显的分野现象，与CPI相同的是都是前两期呈现明显的负相关，而前一期呈现微弱的正相关，表明宏观经济指数与CPI相关性较强；前一期的GDP对本期股指影响呈现正相关，而且相关指数达到0.014，前两期的相关就变得微弱，表明当期GDP的增加能明显增强下一期的股指，但之后影响就逐渐减小；货币政策在前一期对本期呈正相关，前两期对本期则呈负相关，也具有一定的分野现象。

四、结论与建议

通过利用VAR模型对宏观经济环境、政府调控政策、市场变化和中国股票市场波动性之间的关系进行实证研究，得到了如下的主要研究结果：宏观经济环境本身的发展状况将对中国股票市场波动性产生显著的正向影响，而宏观经济环境变化对中国股票市场波动性的影响是不确定的，这在一定程度上证明了中国股票市场价格变动对经济基本面变化的反映功能的缺失；货币供应量变化将对中国股票市场波动性产生影响较为微弱，宏观经济环境不会对货币供应量调整政策调控中国股票市场的效果产生本质性的影响。这个结论既是中国股票市场资金拉动型特征的直接结果，同时也为中国股票市场具有的资金拉动型特征提供了实证证据；市场变化对中国股票市场波动性产生的负向影响更大，而且不会受到宏观经济环境因素的影响。中国股票市场的弱市场有效性特征和噪音交易特征为这个结论的合理性提供了依据，而且中国股票市场的政策调控实践也反复证明了这个结论的正确性；利率调整政策对中国股票市场产生的调控效果受到宏观经济环境的明显影响。宏观经济环境因素的存在使得利率调整政策调控股票市场的效果变得不确定和不可预测。产生这种结果的主要原因在于，不考虑宏观经济环境的理想情况下，投资者的入市决策和股票交易决策都会受到利率变化的显著影响，而在考虑宏观经济环境的现实情况下，中国宏观经济环境状况对中国股票市场条件波动性产生的显著正向影响可能对利率调整政策调控股票市场的效果产生了替代作用，从而致使利率变化对中国股票市场波动性产生的影响不显著。利率调整政策对中国股票市场影响的近似随机的现实现象也证明了该结论与中国股票市场现实情况的一致性。研究结论启示我们，加大理性市场主体的培育力度，改革政策机制、降低政策信息的获取成本，建立和完善股票市场相关制度、特别是信用交易制度，加大金融衍生产品的开发和上市力度，科学制定调控政策、提高政策调控能力、规范政府调控行为是提高政策调控效率、保障中国股票市场健康、稳定、持续发展的有效途径。当然，研究工作仅仅是笔者有关宏观经济环境、政府调控政策与中国股票市场关系研究的一项阶段性实证研究成果，还有很多相关问题有待于进一步研究。

参考文献：

[1] 陆 蓉，徐龙炳.“牛市”和“熊市”对信息的不平衡性反应研究[J].经济研究，2004（3）.

[2] 赵振全，张 宇.中国股票市场波动和宏观经济波动关系的实证研究[J].数量经济技术经济研究，2003（6）.

[3] 郭金龙，李文军.我国股票市场发展与货币政策互动关系的实证分析[J].数量经济技术经济研究，2004（6）.

[4] 许均华，李启亚.宏观政策对我国股市影响的实证研究[J].经济研究，2001（9）.

篇5

    数据分析表明,国民收入的增长结构明显向工业企业利润和政府财政收入倾斜,居民收入项目的增长相对缓慢,这是一个对调控政策效率具有基本性制约的重要因素。

    国民收入的增长结构,是影响和制约政府宏观调控的一个基础性因素。由此,我们选择了国民收入中具有代表性的三组重要项目:工业企业利润、中央财政和地方财政收入、城市单位报酬和城乡居民收入,对它们1998年到2005年的平均增长水平进行了综合比较。

    统计数据显示,从1998年到2005年,我国国民收入的增长在不同领域呈现出明显的差异。这8年的平均年增长水平,工业企业利润的年均增长为30.5%,高居榜首;中央财政和地方财政的年均增长分别为18.6%和16.6%,也具有相当高的增长水平;城镇单位劳动报酬的年均增长为9.9%,远低于前两项的水平;城市居民和农村居民的年均收入增长分别为8.7%和4.6%,居于同期最低位。GDP的同期平均年增长为8.9%。从积累角度考察国民收入增长结构,这也同时可以显示为是社会财富的增长结构。

    另一项有关对劳动所得在国民经济分配中比重的研究数据,也为上述状况提供了一种印证。这个研究数据表明,劳动所得在国民经济分配中的比重是持续下降的。1978年到1983年,劳动所得比重从42.1%上升到56.5%,之后从1983年到2005年持续下降,其中只在1993年到1996年中略有上升,2005年的比重为37%,比1983年下降了19.5个百分点。这项研究数据还显示出,同期内资本收入在国民经济分配中比重是持续大幅上升的。1978年,以经营盈余和折旧资本所得及生产税净额为代表的资本收入,在GDP的比例为57.9%,2005年上升到63.3%,加上其他因素,资本比重实际上升了大约20个百分点。

    这种国民收入增长结构和社会财富积累增长结构的状况,首先决定了政府管理当局最希望“提高内需拉动”,即较大幅度提高社会消费对国民经济的增长拉力,是很难真正奏效的。1990年到2005年的15年间,国内投资率的年均增长为20.8%,同期消费率的增长只有4.1%。1980年―1990年,最终消费占GDP的比例为62%,之后逐步下降,2005年仅为52.1%。1991年,居民消费率为48.8%,2005年下降为38.2%。这种情况,显然是上述国民收入增长结构状况的必然结果。因为,维持宏观经济高增长的主导力量,肯定只能是投资而不会是社会消费。经济分析的基本学理告诉我们,拉动消费增长的第一个充分必要条件就是居民收入水平的增长状态,而可供分配的国民收入在一定时期永远是一个定量,当资本收入和政府财政收入增长大幅持续提高时,就决定了国民收入用于居民收入的增长不可能太多。

    资本收入持续增长,特别是工业企业年均利润增长30.5%的高位水平(尽管不同行业表现出差别),也足以解释为什么货币当局屡屡用提高利率来抑制投资过快增长而屡屡收效甚微。在如此高水平的企业利润增长激励下,降低25个或27个基本点的利率调节,或者再高一点也罢,对企业投资冲动不可能起到具有实际约束力的降温作用。再者,反过来说,有这种高水平的利润增长激励,企业又有什么理由要紧缩自己的投资活动呢?

    居民家庭收入的等级结构差异越拉越大,中等和中高收入层的收入持续高速增长、中低收入层的增长明显迟缓,这就使当前一些涉及消费活动的宏观调控政策左右为难。

    从2001年到2005年,按照国家统计局五等份分组的城镇居民家庭收入增长统计:高收入、中高收入、中收入、中低收入和低收入的城镇居民家庭年均收入增长,分别为15.23%、11%、9.31%、7.83%、5.35%。在这里,不但高收入层和低收入层之间的增长差距有3倍之多,而且高收入、中高收入和中等收入三个阶层,同低收入和中低收入层的平均差距也相当明显。据有关方面统计,2006年中等收入的居民家庭在2006年的年平均收入已经达到47000元,低收入家庭只有13000元,相差3.62倍。这种情况告诉我们,在经济高速增长中,中高收入阶层的收入持续高速增长、中等收入阶层的收入持续较快增长、中低收入阶层则明显增长迟缓。

    这种社会收入阶层的明显分化,常常使我们目前看到一些涉及消费活动的宏观调控政策左右为难,甚至进退维谷。这里仅以政府有关部门对房地产的管理政策为例。近年来国内商品房的价格水平快速增长,引起普遍关注。这里的原因当然很复杂,确有房地产企业高额盈利问题、市场操作失范问题、政府财政资源过分依赖房地产开发问题、境外热钱炒作问题,等等,但我的分析说明,对这种商品房价格高位增长的基本性支撑,可能还是来自市场内部的需求增长力量。以2004年和2005年为例,国内高档住宅和普通住宅的销售价格指数上升最快,两年平均售价增长9.75%和9%,但同时高收入、中高收入和中等收入家庭在2001年-2005年的平均增长分别为15.23%、11%、9.31%,仍然高于前者。这就提供了一个支持高增长价格买房的高增长收入群体,应当不存在买房基础的需求缺失的问题。这里的矛盾仅仅在于,中低收入和低收入家庭的同期收入增长只有7.83%和5.35%,完全不能适应房价高速增长。由此,政府限制房价增长就很难奏效,因为存在市场需求的基本支撑;政府用控制售房面积来满足大多数人住房需求的办法也很难奏效,因为只要还是市场性房价就不可能满足大量中、低收入家庭的住房需求。

    国内三次产业的结构变化相当缓慢,第二产业仍然是高速增长的最强大支持,其产值比重甚至出现了稳中微升的状况,这就使加快转变增长方式的各项调控政策执行难度很大。

    中国经济的高速持续增长主要依赖第二产业的强大支撑,这种基本增长格局不但没有改变,而且还有进一步稳定和强化的趋势。数据分析显示,进入新世纪的2000年到2006年,第一产业的产值比重是下降的,从2000年的15%下降到2006年的12%;第三产业的产值比重变动极小,2000年为39%,之后在3个百分点上下变动,2006年又回位到39%。第二产业的产值比重在2000年为39%,2001年和2002年下降了一个百分点,2003年之后逐步微升,2006年上升到49%。结论是,中国三次产业的产值结构变化甚微,第二产业的产值比重稳中有升,对经济高速增长继续起着主导性支撑的作用。

    这种三次产业结构增长格局的基本状况,就可以在更深层的经济原因上解释,为什么政府宏观调控关于加快转变增长方式的各项政策,在执行力方面的难度很大。例如关于降低能耗和减少污染排放的政府调控目标很不理想,当然可以在法律法规、资源价格、生态补偿等方面找到原因,但是,在目前第二产业如此强劲的增长势头背景下,在目前第二产业的增长还需要依赖我们最重要的比较优势――主要不是依赖技术进步而是依赖资源产品、初级产品和廉价劳动力大量投入的情况下,以高耗能和高污染为特征的增长活动可能发生根本性的改变吗?再以控制土地开发政策为例,在第二产业的主导性产值拉动如此强大的吸引下,对土地资源的扩张开发必然成为地方政府(无论是东部地区还是中西部地区)拉动经济增长最有效的手段之一。

    进一步的深入研究还会告诉我们,中国的工业化进程可能仍然处在急剧扩张性发展时期,由此,目前三次产业的增长结构或许并非是不合理的,人为的改变结构恐怕很难,问题在于我们怎样把这个过程的阵痛减少到最低限度。

    既然增长结构已经成为影响宏观调控效率的一个重要制约因素,改进的思路就应是:在调控政策实施中考虑增加结构性操作;积极改变目前增长结构中不合理的东西。

    任何政府的宏观调控操作,实际上都是在既定增长结构条件下进行的。当调控方向和工具的使用可以基本达到调控目标时,几乎可以不考虑增长结构的问题,但如果这种调控工具的选择和使用总是较多偏离调控目标,对增长结构的重新认识和由此考虑对调控方向和工具的使用进行新的选择,或者进行部分新的选择,就是一个应当认真研究的问题了。我认为思考当前政府的宏观调控操作及其效率,就已到了这样一个时候。