区域居民杠杆过快增长的空间因素分析

本观测值的并不完全满足空间独立性，而是存在一定程度的空间互动关系。因此，本文选取30个省级区域的空间样本数据，同时选取2010—2016年间我国省区居民杠杆率作为被解释变量的面板数据。
　　在解释变量的选择上，本文重点分析居民杠杆率与经济发展及金融波動风险间的空间互动关系。在核心解释变量的选择上，首先选取GDP增长率度量经济发展水平（GDPL），然后采用金融杠杆波动度量金融风险的强弱程度。对于金融杠杆波动的计算，选取全国各省贷款余额与GDP的比值，然后对其进行HP滤波计算，则得到金融杠杆的振幅，然后再将振幅取绝对值以表示金融杠杆波动的强弱程度（VOL）。金融杠杆波动越大，VOL的值也越大，金融不稳定程度越高。 
    在其他控制变量的选择上，选取宏观、结构、金融、社会四个层面，分别考察其与居民杠杆率的空间互动关系。宏观层面选取人均GDP（GDPR）与通货膨胀率（CPI）;结构层面分别选取第二产业（2GDP）及第三产业（3GDP）与GDP的比值，资本形成率（ZB）;金融层面选取金融业总量与GDP的比值（JRGDP）;社会层面选取人口自然增长率（RK）。数据来源于Wind数据库。
　　三、实证结果
　　由Moran's I指数的计算结果可知，我国省域居民杠杆率并不完全服从空间上的独立同分布。本文选取2010—2016年的居民杠杆率作为被解释变量与其他控制变量的面板数据，利用空间计量面板数据模型对居民杠杆率与区域经济增长及金融稳定进行回归分析，考察其空间异质性及空间溢出效应。
　　表2是我国省域居民杠杆率与GDP增长率SDM模型空间与时间双固定效应回归结果。在模型1中，仅包含GDP增长率，从模型2至模型5，依次加入宏观、结构、金融、社会层面的控制变量。由表3可知，Hausman检验表明本文采用的模型应为固定效应模型。从模型1至模型5，Wald检验与LR检验的结果显示本文应采用SDM模型最为合适。
　　由表2的计算结果可知，由模型1至模型5，全国各省居民杠杆率的空间滞后系数（JMGGL）均为负数，但是显著性却呈现出先上升后下降的趋势。这说明从总体上来看，我国居民杠杆率总体呈现出空间扩散趋势，即全国高居民杠杆率的省份有不断增多的趋势，但是人口增长、金融发展等因素能抑制居民杠杆率的空间扩散程度。
　　从核心解释变量的回归结果看，GDP增长率（GDPL）仅在模型1中显著，模型2至模型5均不显著，且模型1中GDP增长率的系数为负，表明经济发展对居民杠杆率有降低作用。而经济发展过程中宏观