中国人均GDP主要要素的关联度实证分析

法定准备金主要要素及对策分析

目 录

摘 要 ........................................ Ⅰ Abstract......................................................................................Ⅱ 引 言 ............................................. 2 一人均GDP和城镇化率的关联度双变量分析 ............... 3 二、人均GDP主要要素的关联度分析 .................... 15 三、模型设定误差分析 ............................... 24 四、模型结构稳定性检验 ............................. 25 五、模型多重共线性诊断及补救 ....................... 29 六、模型自相关诊断及补救 ........................... 31 七、模型异方差诊断及补救 ........................... 32 八、预测模型选择 ................................... 34 九﹑小结与建议 ................................. 35 十﹑参考文献 ................................... 37

1

法定准备金主要要素及对策分析

引 言

法定准备金政策是我国人民银行对我国经济进行宏观调控的重要货币政策之一。自1984 年中国人民银行按存款种类规定了法定准备金率以来，我国央行先后31 次调整了法定准备金率，尤其是自2003 年以后更是形成了逐步调高的趋势，这段时间的特点主要是频率快、幅度小、提前公布。频率快主要指央行从2003 年以后逐步加快了对法定准备率的调整，特别是从2007 年开始央行在一年内做了十次上调，随后2008 年调过九次，而这在世界范围内都是少见的。由此可见，中国人民银行在2010年已经六次上调至历史最高点，其目的是想让我国过热的经济能得到有效的降温，以便CPI从高位回落,并回笼投放过多的货币。对此本文选取全国近16年来有关法定准备金、广义货币(M2)、CPI、基准利率及发行货币的统计数据，并运用计量经济学的分析方法，建立相应的回归模型以及运用一些相关分析方法对所建模型进行分析，以更好的说明因素间的关系，即法定准备金对广义货币(M2)、 CPI、基准利率的影响关系。

2

法定准备金主要要素及对策分析

一、人均GDP和城镇化率的关联度双变量分析

（一）人均GDP和城镇化率关联度分析

为了更好的进行全国人均GDP和城镇化率)的关联度分析，我们选取全国1990年至2010年全国人均GDP和城镇化率统计资料，如表1所示。

表1 1994-2010年全国人均GDP和城镇化率（单位：亿万元）

年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 人均GDP元 1181 1338 1641 2156 2935 3931 4574 5253 5579 5804 6274 6963 7912 9098 10845 12404 13939 16629 20490 22920 27596 城镇化率% 17.4 18.26 20.67 22.26 24.09 26.43 29.50 31.00 32.60 34.30 35.59 37.40 39．90 41.90 43.51 45.24 46.70 48.30 49.99 51.59 53.00 我们建立二元回归模型y＝b1＋b2X2＋ei（相关计算数据参照于表1），把人均GDP作为被解释变量y，城镇化率为解释变量X2，运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表2、表3和表4所示。

表2 模型汇总

3

法定准备金主要要素及对策分析

模型汇总 模型 R 1 .913a R 方 .834 调整 R 方 .825 标准 估计的误差 3132.89530 a. 预测变量: (常量), VAR00002。

表3 ANOVA(b)

Anovab 模型 1 回归 残差 总计 平方和 9.343E8 1.865E8 1.121E9 df 1 19 20 均方 9.343E8 9815032.938 F 95.193 Sig. .000a a. 预测变量: (常量), VAR00002。 b. 因变量: VAR00001

a Predictors: (Constant),人均GDP b Dependent Variable城镇化率

表4 系数(a)

系数a 模型 非标准化系数 B 1 (常量) VAR00002 a. 因变量: VAR00001 -12438.266 601.184 标准 误差 2303.335 61.617 标准系数 试用版 t -5.400 .913 9.757 Sig. .000 .000

a Dependent Variable: 人均GDP

据此，可得该回归模型各项数据为：

4

法定准备金主要要素及对策分析

b2 ＝ ?x2y?22?x?2y?x?n2(?x2)n ＝601.184

b1 ＝y?b2x2＝-12438.266

2?e ＝?＝9815032.938

i2n?2Var（b1） ＝

?x1222n?(x2?x2)?2＝5305352.122

Var（b2） ＝

?(x2?x2)2?2＝3797.270859

Se（b1） ＝ Var(b1) ＝2303.335 Se（b2） ＝ Var(b2) ＝61.617 t（b1） ＝

b1Se(b1)b2Se(b2)?

＝-5.400

t（b2） ＝ ＝9.757

y)222R ＝ ?(y??(y?y) ＝0.834

df ＝ 19 令?＝0.1， 我们提出如下假设： H0：Bi＝0，Y＝B1+B2X2+μi y＝b1＋b2X2＋ t(bi)~

t0.1

模型为：y＝-12438.266＋601.184X2＋ei

ei

(19)

在?水平下，t检验的拒绝域为：〔－∞，－1.328〕和〔1.328，＋∞〕

所以t（b1）、t（b2）均落在拒绝域中，拒绝原假设，即常数项和X2对于模型均有意义。

对于该模型的经济意义解释如下：

平均而言，在其他条件不变的情况下，广义货币(M2)每变动一个单位，将引起法定准备金变动601.184个单位。并且，该模型反映了83.4%的真实情况。

5

法定准备金主要要素及对策分析

（人均GDP和城镇化率还有工业化率的关联度分析

为了更好的进行对人均GDP城镇化率和工业化率的关联度分析，我们选取全国1990年至2010年人均GDP城镇化率和工业化率的统计资料，如表5所示。

表5 1990-2010年全国人均GDP城镇化率和工业化率

年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 人均GDP 1181 1338 1641 2156 2935 3931 4574 5253 5579 5804 6274 6963 7912 9098 10845 12404 13939 16629 20490 22920 27596 城镇化率 17.4 18.26 20.67 22.26 24.09 26.43 29.50 31.00 32.60 34.30 35.59 37.40 39．90 41.90 43.51 45.24 46.70 48.30 49.99 51.59 53.00 工业化率 35.88 36.12 37.16 39.63 40.74 38.84 38.18 37.61 35.85 35.44 35.40 35.18 35.29 36.54 37.33 37.31 40.10 42.87 45.00 44.68 46.60

我们建立多元回归模型y＝b1＋b2X2＋b3X3+ei（相关计算数据参照于表5），把人均GDP作为被解释变量y，城镇化率作为解释变量X2工业化工业率X3，运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表6、表7和表8所示。

表6 模型汇总

6

法定准备金主要要素及对策分析

模型汇总 模型 R 1 .977a R 方 .955 调整 R 方 .950 标准 估计的误差 1676.32831 a. 预测变量: (常量), VAR00003, VAR00002。

表7 ANOVA(b)

Anovab 模型 1 回归 残差 总计 平方和 1.070E9 5.058E7 1.121E9 df 2 18 20 均方 5.351E8 2810076.599 F 190.427 Sig. .000a a. 预测变量: (常量), VAR00003, VAR00002。 b. 因变量: VAR00001

表8 系数(a)

系数a 模型 非标准化系数 B 1 (常量) VAR00002 VAR00003 a. 因变量: VAR00001 -41687.827 449.866 896.425 标准 误差 4382.782 39.503 128.901 标准系数 试用版 t -9.512 .683 .417 11.388 6.954 Sig. .000 .000 .000

据此，可得该回归模型各项数据为：

7

法定准备金主要要素及对策分析

b2 ＝ ?x2y?22?x?2y?x?n2(?x2)n ＝449.866

b1 ＝y?b2x2＝-41687.827 b3 =896.425

e ＝?＝2810076.599

i2?2n?2Se（b1） ＝ Var(b1) ＝4382.782 Se（b2） ＝ Var(b2) ＝39.503 Se（b3） ＝ 128.901 t（b1） ＝

b1Se(b1)b2

＝-9.512

t（b2） ＝

Se(b2) ＝11.388

t（b3） ＝6.954

2R ＝ ?(y??y)22?(y?y) ＝0.955

df ＝ 18

模型为：y＝41687.827+449.866X2+896.425X3＋ei 令?＝0.1， 我们提出如下假设： H0：Bi＝0，Y＝B1+B2X3+μi y＝b1＋b2X3＋ t(bi)~

t0.1

ei

(18)

在?水平下，t检验的拒绝域为：〔－∞，－1.3330〕和〔1.3330，＋∞〕

所以t（b1）、t（b2）t（b3） 均落在拒绝域中，拒绝原假设，城镇化率每变动一个单位，人均GDP增加449.866，工业化率每变动一个单位人均GDP增加894.25。该数据反映了95.55%的真实性。

8

法定准备金主要要素及对策分析

三、模型设定误差分析

对于初始模型：y＝-12438.266＋601.184X2＋ei

Se＝2303.335 61.617 t＝-5.400 9.757

R＝0.834 df＝19

2对于模型（一）：y=41687.827449.866X2+896.425X3＋ei

Se=4382.782 3905.3 128.901 t＝－9.512 11.388 6.954

R＝0.955 df＝18 F＝190.427

2通过比较可以发现：

1．引入X3，模型（一）中各参数的t检验值要比初始模型中对应参数的t检验值要大，

最终的人均GDP模型以模型一为最优，即： y＝41687.827+449.866X2+896.425X3＋ei

四、模型结构稳定性检验

对样本进行回归分析，依据前面步骤可得出以下数据：

y＝41687.827449.866X2+896.425X3＋ei Se＝4382.782 3905.3 128.90 t= －9.512 11.388 6.954

R＝0.955 df ＝18 F ＝ 190.427

2（1）将样本分为两段，其中第一段数据如表4-1所示。

表4-1 1990-2000年人均GDP城镇化率和工业化率（单位：亿万元）

9

法定准备金主要要素及对策分析

年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 人均GDP 1181 1338 1641 2156 2935 3931 4574 5253 5579 5804 6274 城镇化率 17.4 18.26 20.67 22.26 24.09 26.43 29.50 31.00 32.60 34.30 35.59 工业化率 35.88 36.12 37.16 39.63 40.74 38.84 38.18 37.61 35.85 35.44 35.40 建立三元回归模型y＝b1＋b2X2＋b3X3＋ei（相关计算数据参照于表4-1），运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表4-2、表4-3和表4-4所示。

表4-2 模型汇总

模型汇总 模型 R 1 .995a R 方 .989 调整 R 方 .986 标准 估计的误差 224.01583 a. 预测变量: (常量), VAR00003, VAR00002。

a Predictors: (Constant), 广义货币(M2)、CPI、基准利率

表4-3 ANOVA(b)

Anovab 模型 1 回归 残差 平方和 3.654E7 401464.743 df 2 8 均方 1.827E7 50183.093 F 364.101 Sig. .000a

10

法定准备金主要要素及对策分析

总计 3.694E7 10 a. 预测变量: (常量), VAR00003, VAR00002。 b. 因变量: VAR00001

系数a 模型 非标准化系数 B 1 (常量) VAR00002 VAR00003 a. 因变量: VAR00001 -3885.544 295.029 -6.744 标准 误差 1618.122 11.365 40.420 表4-4 系数(a)

标准系数 试用版 t -2.401 .993 -.006 25.959 -.167 Sig. .043 .000 .872

据此，可得该回归模型为 Se=1618.122 11.365 40.420

t＝－2.401 25.959 -0.167 R＝0.989 df＝8 F＝364.101

b2 ＝ ?x22y?22?x?2y?x?n2(?x2)n ＝295.029

b1 ＝y?b2x2＝-3885.544 b3 =-6.744

y＝-3885.544＋295.029X2－6.744X3＋＋ei

11

法定准备金主要要素及对策分析

令?＝0.1， 我们提出如下假设：

H0：Bi＝0，Y＝B1+B2X2+B3X3＋B4X4＋μi y＝b1＋b2X2＋b3X3＋＋ei t(bi)~ t0.1 (8)

在?水平下，t检验的拒绝域为：〔－∞，－1.397〕和〔1.397，＋∞〕 所以t（b3）落在非拒绝域中，非拒绝原假设，即X3 对于模型均没有意义。 联合假设检验：

H0：R＝0 F ～F0.1 (2，8)

在?水平下，模型中的F值落在F检验的右侧拒绝域〔4.46，＋∞〕中，拒绝原假设，

2即R?0

2（2）第二段数据如表5-5所示。

表4-5 2001-2010人均GDP城镇化率和工业化率（单位：万元）

年份 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 人均GDP 6963 7912 9098 10845 12404 13939 16629 20490 22920 27596 城镇化率 37.40 39．90 41.90 43.51 45.24 46.70 48.30 49.99 51.59 53.00 工业化率 35.18 35.29 36.54 37.33 37.31 40.10 42.87 45.00 44.68 46.60 我们建立三元回归模型y＝b1＋b2X2＋b3X3＋ei（相关计算数据参照于表5-5），运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表4-6、表4-7和表4-8所示。

表4-6 模型回总

模型汇总 模型 R 1 .978a R 方 .957 调整 R 方 .944 标准 估计的误差 1629.92126

12

法定准备金主要要素及对策分析

模型汇总 模型 R 1 .978a R 方 .957 调整 R 方 .944 标准 估计的误差 1629.92126 a. 预测变量: (常量), VAR00003, VAR00002。 a Predictors: (Constant), 广义货币(M2)、CPI、基准利率

表4-7 ANOVA（b）

Anovab 模型 1 回归 残差 总计 平方和 4.102E8 1.860E7 4.288E8 df 2 7 9 均方 2.051E8 2656643.301 F 77.209 Sig. .000a a. 预测变量: (常量), VAR00003, VAR00002。 b. 因变量: VAR00001 a Predictors: (Constant), 广义货币(M2)、CPI、基准利率 b Dependent Variable: 法定准备金

表4-8 系数(a)

系数a 模型 非标准化系数 B 1 (常量) VAR00002 VAR00003 a. 因变量: VAR00001 a Dependent Variable: 法定准备金

-47237.933 481.167 1000.316 标准 误差 5036.111 372.620 438.631 标准系数 试用版 t -9.380 .357 .631 1.291 2.281 Sig. .000 .238 .057 Se=5036.111 372.620 438.631

t＝－9.380 1.291 2.281

13

法定准备金主要要素及对策分析

R＝0.957 df＝7 F＝77.209

b2 ＝ ?xy?2222?x?2y?x?n2(?x2)n ＝481.167

b1 ＝y?b2x2＝-47237.933 b3 =-1000.316

据此，可得该回归模型为：

y＝-47237.933+481.167X2＋-1000.316X3＋ei 令?＝0.1， 我们提出如下假设：

H0：Bi＝0，Y＝B1+B2X2+B3X3＋＋μi y＝b1＋b2X2＋b3X3＋＋ei t(bi)~ t0.1 (7)

在?水平下，t检验的拒绝域为：〔－∞，－1.415〕和〔1.415，＋∞〕 所以、t（b2）落在非拒绝域中，非拒绝原假设，即X2、对于模型均没有意义。 联合假设检验：

H0：R＝0 F ～F0.1 (2，7)

在?水平下，模型中的F值落在F检验的右侧拒绝域〔4.74，＋∞〕中，拒绝原假设，

2即R?0

22.对于模型y＝41687.827+449.866X2+896.425X3＋ei

22?eRSS（y?y）＝12256546.348 ＝?R＝?

RSS1 ＝9256546.486

对于模型y＝y＝-3885.544＋295.029X2－6.744X3＋＋ei 对于模型y＝-47237.933+481.167X2＋-1000.316X3＋ei

RSS2 ＝14234945.697

由此可得：

RSSUR ＝RSS1＋RSS2＝23491492.193

H0：RSSR＝RSSUR

14

法定准备金主要要素及对策分析

F ＝

(RSSR?RSSUR)/kRSSUR/(n1＋n2?2k)＝2.58

在?水平下，所以F值落在F检验的不在拒绝域〔3.29，＋∞〕中，非拒绝原假设，即该模型为结构稳定模型。

五、模型自相关诊断

（一）自相关的诊断

相关数据参照于附表2-5。 (1)图形法

① 作ei对ei?1的散点图，所得结果如图1所示。 ② 作ei对t的散点图，所得结果如图2所示。

根据模型：y＝7372.062＋0.007X2－7866.147X3＋320.440X4＋ei

COMPUTE e=人均GDP - (41687.827+449.866 * 城镇化率+896.425 * 工业化率). EXECUTE.

GRAPH /SCATTERPLOT(BIVAR)=VAR00005 WITH e /MISSING=LISTWISE.

15

法定准备金主要要素及对策分析

图1 ei对ei－1的散点图

16

法定准备金主要要素及对策分析

图2 ei对t的散点图

从图形中可以看出，ei是随机的，即不存在自相关。 (2)杜宾－瓦尔逊检验 H0：ei是随机的

n?d＝

i?2(ei?ei－1)n2＝1.318

?i?1ei2在?水平下，查D-W表得DL=1.22、DU=1.42，

则4－DU＝2.78、4－DL＝2.58，所以d值落在〔DL， DU〕的区域中，即无法判断是否存在自相关。

综上所述，该模型是不存在自相关的。

17

法定准备金主要要素及对策分析

六、模型多重共线性诊断

在以下分析中，将选取原数据所得模型：

y＝7372.062＋0.007X2－7866.147X3＋320.440X4＋ei 相关计算数据参照于附表2-2和附表2-4。 1.进行多重共线性的诊断

（1）R ＝ 0.929 t（b1）＝3.083 t（b2）＝12.411 t（b3）=－3.082

t（b4）＝5.025

2由此可看出，该模型的拟合优度较大，各参数的t检验值都较显著，所以，不能据此看出其存在多重共线性。

（2）X2、X3、X4之间的关联度 如下表5-1:

表5-1 相关系数表

M2（亿元）X1 CPIX2 基准利率 Pearson Correlation Pearson Correlation Pearson Correlation M2（亿元）X1 1 -.839** -.935** CPIX2 -.839** 1 .946** 基准利率 -.935** .946** 1

由此可看出，该模型的X2与X3、X4都是不相关的。

（3）辅助回归

针对模型：y＝7372.062＋0.007X2－7866.147X3＋320.440X4＋ei

建立以X2为因变量， X3为自变量的辅助回归模型：X2＝c1＋c2 X3＋c3 X4＋ei 运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表5-2、表5-3和表5-4所示

表5-2 模型回总

18

法定准备金主要要素及对策分析

Model 1 R .608a R Square .370 Adjusted R Square .273 Std. Error of the Estimate 139126.3202 a Predictors: (Constant), 基准利率、CPI

表5-3 ANOVA（b）

Model 1 Regression Residual Total Sum of Squares 1.476E11 2.516E11 3.992E11 Df 2 13 15 Mean Square 7.378E10 1.936E10 F 3.802 Sig. .050a a Predictors: (Constant), 基准利率、CPI b Dependent Variable: 广义货币(M2)

表5-4 系数(a)

Standardized Model 1 (Constant) CPI 基准利率 Unstandardized Coefficients B Std. Error Coefficients Beta .712 -1.171 t -1.086 1.380 -2.268 Sig. .297 .191 .041 -1251340.044 1152624.916 1655317.040 1199734.460 -61622.795 27166.179 a Dependent Variable: 广义货币(M2)

据此，可得该回归模型为：

X2 ＝－1251340.044＋1655317.040X3－61622.795 X4＋ei H0： R＝0 F ＝

R2/k?1(1?R2)/(n?k)222 ＝3.802

F ～F0.1 (2，13)

在?水平下， F值落在F检验的不在拒绝域〔3.81，＋∞〕中，不拒绝原假设，说明不存在多重共线性。

19

法定准备金主要要素及对策分析

六、模型自相关诊断

（一）自相关的诊断

相关数据参照于附表2-5。 (1)图形法

③ 作ei对ei?1的散点图，所得结果如图1所示。 ④ 作ei对t的散点图，所得结果如图2所示。

根据模型：y＝7372.062＋0.007X2－7866.147X3＋320.440X4＋ei

COMPUTE e=人均GDP - (41687.827+449.866 * 城镇化率+896.425 * 工业化率). EXECUTE. GRAPH /SCATTERPLOT(BIVAR)=VAR00005 WITH e /MISSING=LISTWISE.

20

法定准备金主要要素及对策分析

图1 ei对ei－1的散点图

图2 ei对t的散点图

从图形中可以看出，ei是随机的，即不存在自相关。 (2)杜宾－瓦尔逊检验 H0：ei是随机的

n?d＝

i?2(ei?ei－1)n2＝1.318

?i?1ei2在?水平下，查D-W表得DL=1.22、DU=1.42，

则4－DU＝2.78、4－DL＝2.58，所以d值落在〔DL， DU〕的区域中，即无法判断是否

21

法定准备金主要要素及对策分析

存在自相关。

综上所述，该模型是不存在自相关的。

七、模型异方差诊断及补救

1.异方差的诊断（相关计算数据参照于表2-5） (1)图形法

?的散点针对模型y＝7372.062＋0.007X2－7866.147X3＋320.440X4＋ei作ei对y图，所得结果如图3所示。

?的散点图 图3 ei对y

由图形可以看出，散点基本上在一个集中的区域，且不存在一定的规律性，即原模型不存在在异方差。

(2)帕克检验

2?i?vi即y*?b1?b2x*?vi 建立模型Lnei?b1?b2Lny运行统计分析软件SPSS，将附表2-5中相应变量数据输入界面，进行回归分析所得结果如表7-1、表7-2和表7-3所示。

表7-1 模型汇总

22

法定准备金主要要素及对策分析

Model 1 R .391a R Square .153 Adjusted R Square .092 Std. Error of the Estimate 2.7682599026E0 a Predictors: (Constant), X*

表7-2 ANOVA(b)

Sum of

Model 1

Regression Residual Total

Squares 19.325 107.286 126.611

df

1 14 15

Mean Square

19.325 7.663

F 2.522

Sig. .135a

a Predictors: (Constant), X* b Dependent Variable: y*

表7-3 系数(a)

Unstandardized Model 1 (Constant) Coefficients B 31.630 -2.898 Std. Error 13.784 1.825 Standardized Coefficients Beta -.391 t 2.295 -1.588 Sig. .038 .135 X* a Dependent Variable: y*

据此，可得该回归模型为：y*＝31.630－2.898 X*＋vi

令?＝0.1，

H0：B2＝0，Y＝B1+B2 X*+μi

y*＝31.630－2.898 X*＋vi t(bi)~ t0.1 (14)

23

法定准备金主要要素及对策分析

在?水平下，t检验的拒绝域为：〔－∞，－1.761〕和〔1.761，＋∞〕 所以t（b2）均落非拒绝域中，不拒绝原假设，B2＝0。由此判断，不存在异方差。

综上所述，该模型不存在异方差，所以不需要对其进行补救。

八、预测模型选择

由于不存在多重共线性、自相关、异方差

所以，将选取y＝7372.062＋0.007X2－7866.147X3＋320.440X4＋ei作为本报告中研究对象的预测模型。

其经济含义如下：

平均而言，在其他条件不变的情况下，广义货币(M2)每变动一个单位，将引起法定准备金变动0.007个单位；在其他条件不变的情况下，CPI每变动一个单位，将引起法定准备金变动7866.147个单位；在其他条件不变的情况下，基准利率每变动一个单位，将引起法定准备金变动320.440个单位。并且，该模型反映了92.9%的真实情况。

且其优点如下：

1. 节省性，即该模型简洁明了，能够较清晰地反映出现象之间的影响关系。 2. 拟合优度较大，即该模型反映了较大程度的真实情况。

3. 预测能力，即该模型能够较好的对所研究经济现象进行预测分析。

综上所述，对于分析法定准备金受广义货币(M2)、CPI及基准利率的影响关系，采用模型y＝7372.062＋0.007X2－7866.147X3＋320.440X4＋ei可以起到相对较好的预测分析功能，供相关部门进行经济决策，以促进我国货币政策的进一步发展。

九﹑小结与建议

在2010年我国已经五次上调整法定准备金率其目的就是要通过上调准备金率来增加法定准备金从而减少货币的流动性，起到抑制通货膨胀和物价上涨、防止经济过热的作用。本文先通过对2009年法定准备金与广义货币（M2）、CPI 及基准利率的相关性分析，得出我国实施法定准备金率调控的制定这一政策作用是较弱的以下是没有起到作用的原因和建议。

（一）法定准备金率调控效果较弱显的原因分析

1. 本文的理论基础过于简单。由于数据来源所限本文只是考虑了法定准备金与广

24

法定准备金主要要素及对策分析

义货币（M2）、CPI及基准利率之间的关系，没有考虑股价、贷款等因素的影响。

2. 控制的货币政策。准备金率等数量型政策的上调会紧缩市场资金的供给，当投资者普遍预期长期货币政策将呈数量型紧缩时，就可以主动缩短投资久期。鉴于我国投资营商环境的恶化及人们对未来经济政治的良好预期，渐进的货币政策在他们面前已经失去了诱惑。居民对生活费用的急剧提高有鲜明感受。加之，银行存款实际利率为负，与此相比，房地产价格和股票价格大幅飙升，由此引发大量银行存款转移到股市和楼市，并进一步推动资产价格上扬。

3. 法定准备金本身存在的缺陷。相对于发达国家来说，我国现在所实行的准备金制度不是很完善，除明确资本充足率、资产质量状况指标外，还有必要进一步扩大差别准备金的对象。另外，对准备金付息影响了准备金工具的有效运用，以我国目前来看，我国仍需对存款准备金和超额准备金支付利息，与此相反，世界上大所述国家都不对准备金付息，更不用说对超额准备金付息。由于，商业银行有超额准备金的利益的驱使，把大量资金以超额准备金的形式存放在央行以获取无风险收益，而这便影响了央行的货币控制及货币政策的效率。再者，目前我国金融机构超额准备金十分充足，在存在巨额超额准备金的条件下，提高法定准备金率的效应是相当有限的。

4. 法定准备金政策的传导机制效率低下。我国货币政策的传导机制以信贷渠道为主，法定准备金是影响货币乘数的主要因素。但是，在目前我国贸易顺差持续扩大、外汇储备保持较快增长、我国基础货币的被动投放的情况下，导致货币乘数对于货币供应量的贡献率非常低。

5. 汇率政策的不完善。我国现行的汇率政策是以市场供求为基础，参照一揽子货

币进行调节，有管理的浮动汇率制度。官方储备是由货币当局购买并持有的，其在货币当局账目上的对应反映就是外汇占款，外汇占款的增加直接增加了基础货币量，再通过货币乘数效应，造成了货币供应量的大幅度增长。我国现在因外汇储备而发行的外汇占款过多，造成国内市场上纸币过多冲击市场物价，央行为了稳定物价就要把这些因美元而发行的贷币回笼，让其退出国内市场。使得央行被动投放基础货币，让法定存款准备金政策的效果大打折扣，没有达到紧缩银根，控制经济过热的目的。可见外汇占款在国内经济作用完全是负作用。热钱大量涌入、外生性通胀爆发的时候，央行上调法定准备率的措施是不能解决其根本问题的。

（二）对我国实施法定准备金率调控的建议

1. 准备金制度改革。我国央行提高法定准备金率的有效性研究一方面要逐步取消准备金存款付息制度。改革方式可以采取分步走，先保留对法定准备金的付息，停止对超额准备金的付息，等到法定准备金率明显下降后，再次降低甚至取消法定准备金利率。另一方面要改变我国现存的差别存款准备率制度，依据存款金额、银行规模等因素，考虑金融机构流动性不同的分布情况，把国际惯例和我国国情结合起来，创造出有利于稳

25

法定准备金主要要素及对策分析

定货币金融环境的、有特色的差别法定准备金制度。

2. 货币政策调控机制改革。尽快拓宽货币政策传导渠道，修补完善中央银行货币政策传导功能，提高我国人民银行的调控艺术，加快金融体制改革，提高指导性计划的科学性和灵活性。研究制定区域性货币政策，增强货币政策操作性和针对性，努力创新，在工作实践中不断创造区域性的货币政策次级工具。

3. 汇率制度改革。我国现行的汇率制度应该逐步深化改革，以改变单一的固定汇率或浮动汇率制度。并根据我国的具体国情采取一种中间汇率制度，发挥各种汇率制度的长处，共同为国民经济服务。同时减少不必要的外汇占款，以缓解国内对市场上流通货币量的影响，并加大力度控制热钱的涌入，从而使外生性通胀得到逐步缓解，最终使国民经济正常合理的发展。人民银行需采取综合措施，使得我国的经济过热情况得到有效控制，使CPI稳步下降，让经济实现软着陆。

4. 利率的市场化。完善我国货币传导机制，其关键就是要使利率成为市场的中介，利率市场化程度越高越有利于政策的货币传到机制。因此我们要加强利率的调节作用，使它成为市场的主要目标和中介，从而更好地为宏观经济政策作用的发挥而服务。

5. 综合运用税收和价格等经济手段。严格产业政策，控制高耗能、高排放和产能过剩行业的投资，控制出口，特别是“两高一资（高耗能、高污染、资源性）”产品出口。其次取消外国投资的优惠政策，加强我国产业结构升级，逐步减少对外资的过度依赖，营造一个内外资公平竞争的环境。

26

法定准备金主要要素及对策分析

参考文献

[1] 高鸿业.西方经济学[M].中国人民大学出版社,2004.

[2] 黄招、张明志、吴小芳.法定存款准备金政策对控制物价水平效果的实证分析及研

究[J].时代经济论坛 2007.9.

[3] 林华军．法定法定准备金与流动性关系的实证分析[J]． 2009，（4）． [4] 孙秀玲.法定准备金对货币政策影响的实效性研究[J].2009.

[5] 刘亦文、黄静寅.央行频繁提高法定准备金率金融效应分析[C]. 金融研究论文 2009,11,08

[6] 孙砥.我国央行提高法定准备金率的有效性研究[J],法制与经济2010.2.

27

本文来源：https://www.bwwdw.com/article/77b7.html