我国货币供应量M2的影响因素分析
计量经济学
论文
我国货币供应量M2的影响因素分
析
061141班闫志伟
我国货币供应量M2的影响因素分析
摘要
目前我国货币供应量已突破100万亿，居世界第一，是什么原因导致了我们目前庞大的货币供应量？过多的货币是否会影响居民的生活水平下降？本文首先研究了CPI与M2的影响关系，试图通过研究M2的量来研究我国居民的生活水平情况；接着又探讨了我国货币供应量的影响因素，利用EViews软件建立关于M2的多元回归模型，得出GDP、利率及大量的外汇储备很大程度上影响了M2的供给。间接为国家宏观货币政策的实施提供了参考依据，也为M2与通货膨胀及居民消费水平的研究提供借鉴内容。
关键字：货币供给量、GDP、外汇储备、利率
一、理论分析与变量选取
在市场经济条件下，金融的宏观调控作用日益明显。作为行使中央银行职能的中国人民银行，其货币政策的最终目的是保持人民币币值的稳定，这一转变意味着，中央银行分析和判断经济、金融运行趋势，调整及实施货币政策的分析指标体系将发生明显转变。为了达到这一目标，人民银行的宏观调控要从总量调控与结构调整并重转向以总量控制为主。
所谓控制总量，就是要控制整个银行系统的货币供应量。货币供应量的增长必须与经济增长相适应，以促进国民经济的持续、快速、健康发展。因此，分析某一阶段各个层次的货币供应量是否合理，必须与当时的经济增长幅度相联系，与货币流通速度相联系。通常来讲，衡量货币供应是否均衡的主要标志是物价水平的基本稳定。物价总指数变动较大，则说明货币供求不均衡，反之则说明供求正常。
货币供应量，是指一国在某一时点上为社会经济运转服务的货币存量，它由包括中央银行在内的金融机构供应的存款货币和现金货币两部分构成。货币供应量对国民经济运行有着极其重要的参考价值，对居民生活有着不可忽视的作用，这是各国央行选择货币供应量为调控经济主要手段的重要原因。
选择M2作为衡量货币供应量的指标的主要原因是随着金融系统的发展，各国央行逐渐将货币调控的目标放在了与利率有一定敏感度且利于控制的M2上。M2不仅反映现实购买力，还反映潜在购买力，较好地体现社会总需求的变化，体现了经济活动中的长期购买能力，被央行作为货币政策的中介目标。此外，随着金融业的发展和创新，M2所具有的流动性也在不断提高，对经济影响程度也在不断增加，而且更能影响长期的经济均衡问题。
央行在4月11日发布的统计数据显示，3月份新增贷款1.06万亿元。同时，3月末，中国货币供应量余额103.61万亿元，同比增长15.7%，首次突破100万亿大关。3月末，我国货币供应量余额103.61万亿元，同比增长15.7%，首次突破100万亿大关，居世界第一。
我国目前如此庞大的M2规模，到底是由哪些因素影响的呢？
本文经过分析认为我国货币供应量M2主要来源于两部分，即中央银行的基础货币和商业银行的货币创造。基础货币由央行根据国民生产总值的增长情况而适量发行，因此GDP的增长意味着生出的成品的增多必然会导致货币的大量供
应。由于中国加入世界贸易组织（WTO ）后出口导向的产业政策，对外贸易顺差导致了大量的外汇存底，积累了大量美元，外汇并且外汇管理还是最初的强制结售汇制度，导致基础货币的大量投放并通过银行的创作功能使M2余额急剧增加。货币供应量中很大一部分是由商业银行的货币创造而产生的。影响商业银行货币创造的主要因素就是存贷款利率。当两者的利率差扩大时，银行就会大量贷款获利，从而造成货币供给的增多。在假定贷款利率不变情况下，存款利率对M2有反向影响。（虽然准备金制度影响商业银行放贷款数量，但由于超额准备金制度和同业拆借的办法可以抵消影响，因为认为法定准备金对M2的影响不显著。）
针对上述分析，本文选取建立两个回归模型，一个是CPI 受M2影响的模型，一个是M2受GDP 、存款利率及外汇储备等因素影响的模型。
二、模型建立与实证分析
本文选取从1978年—2010年的统计数据进行实证研究，数据见附表。根据前文的分析，可建立多元回归模型如下：
0112233Y=+X +X +X +ββββμ
其中：Y ：货币供应量M2
X 1：国内生产总值
X 2：一年期存款利率
X 3：美元外汇储备
将1978—2010年的时间序列数据输入EViews 中，得到如下普通最小二乘回归结果。
图1 因此可得样本回归函数为：
123
?12860.45 1.06532411.26+13.3805Y X X X =+-
(1.35) (9.47) (-2.25) (6.00)
R 2=0.9949 F=1888.06 D.W.=1.03
下面我们对模型进行检验。
三、模型检验及修正
1.经济意义检验
参考前文关于变量的经济学分析，认为各变量前的参数及符号均基本符合实际的经济情况，是符合实际的。
2. 统计检验
可看出，模型的可决系数较高，达到R 2=0.9949，Y 变化的99%可由这四个变量的变化解释；F=1888.06，伴随概率为0，说明模型整体的线性也通过了F 检验；在5%显著性水平下，除截距项外各变量参数的t 检验值也通过了检验。
3.计量经济学检验
（1）多重共线性检验
做X 1、X 2、X 3之间的相关系数分析，如图：
可看出X 1和X 3间存在较高的共线性。
分别作Y 关于X 1，X 2，X 3的回归结果如下：
（1）1
?21736.52 1.726Y X =-+ （-4.66） （51.72）
R 2=0.9885 D.W.=0.70
（2）2
?345387.037416.31Y X =- （6.16） （-4.28）
R 2=0.3718 D.W.=0.16
（3）3
?30126.9035.9872Y X =+ （4.57） （31.86）
R 2=0.9703 D.W.=0.15
可见，M2受GDP 影响最大，因此选（1）为初始回归模型。将其他变量逐步引入初始模型中，发现引入X2和X3后模型拟合优度均有提高，考虑到经济变量虽时间有同步变化性，故忽略X1和X3间的相关性，认为他们都对Y 有显著影响，且前面已证明通过了检验。故模型不做改变。
（2）异方差性检验
在EViews 中用white 检验来检验模型是否存在异方差，结果如下：
图2
可看出X2X3的平方项的参数的t检验是显著的，且White统计量为30.29，伴随概率为0.004，在5%的显著性水平下，拒绝同方差性这一原假设，方程确实存在异方差性。
下面采用加权最小二乘法进行估计，过程如下：
得到回归结果如下：
图3 因此回归表达式改为：
123
?10503.56 1.04742062.67+14.0795Y X X X =+- (7.47) (74.30) (-9.77) (23.66)
R 2=0.9993 F=14489.92 D.W.=1.07
可验证模型已不存在异方差性，且模型的拟合优度进一步提高，各变量的t 检验值也有所增加。
（3）序列相关性检验
作残差项t e 与时间t 及t e 与-1t e 的关系图如下：
图4
可看出随机项存在正序列相关性，下面具体验证。
D.W.检验
在5%显著性水平下，n=33，k=3，查表可得d L =1.32，d U =1.58，D.W.=1.07<1.32，因此可认为模型存在一阶序列相关性。下面再用LM 检验验证。
拉格朗日乘数（LM ）检验
如下图所示，构造辅助回归模型
011223311e t t t t t t X X X e ββββρε-=+++++
其中e t 为原模型OLS 估计后的残差项。用EViews 计算得：
得含1阶滞后残差项的辅助回归为：
1231e 5997.610.07541.13 1.5670.545t t X X X e -=--++
（0.62） （-0.67） （-0.52） （0.71） （2.76）
R 2=0.2353
于是，LM=32×0.2353=7.53，该值大于显著性水平为5%、自由度为1的2χ分布
的临界值()20.051=3.84χ，由此判断原模型存在1阶序列相关性。
接着检验模型是否存在更高阶的序列相关，如下：