摘 要：基于1952—2016年美国政府、居民、金融和企业四部门的信用规模数据，从多个视角实证考察了信用规模变动的部门间联动机理。实证结果表明：信用规模变动不仅存在于单部门之间，两部门或三部门的联合变动同样具有很强的传递效应。在四部门信用规模变动的联动机理中，金融在风险传递中处于核心地位，不易受其他部门影响，居民风险传递性最弱，政府最易受其他部门影响。在三个层次的信用风险传递过程中，信用规模变动的联动性依次增强。该研究对于中国的信用治理，特别是防范由信用规模无序变动导致的系统性风险具有借鉴意义。
关键词：信用规模；内在联动；传染度；脆弱度
一、研究述评
美国作为信用经济最发达的国家，形成的信用链条也最广泛和密集，是国际信用风险的主要输出国。目前我国正处于全面推动经济全球化的过程中,国际联系日趋加强，信用风险面临着进一步聚集的情况。因此，对美国债务风险相关问题的研究可以为我国信用风险防范提供借鉴，为我国防范输入型信用风险提供学术支撑。
在垂直搜索引擎应用方面，自上世纪90 年代以来，国外出现了不少优秀的垂直搜索引擎。1998 年9月，Google 搜索引擎创建[12-13]，支撑其发展的主要包括分布式存储、分布式处理和分布式数据库三大核心技术。2005 年7 月，雅虎发布了Trip Planner 旅游搜索引擎。国内在垂直搜索领域也有所建树，2002 年百度就推出了百度MP3 搜索[14]，阿里巴巴在2010 年成立了一淘网。国内垂直搜索引擎在技术层面与国外还有一定差距，而且行业认识和理解方面也有短板，因此国内垂直搜索还有很大的发展空间。
如何识别及防范信用规模的无序扩张，防范系统性风险的产生、发展和传播？国内外学者进行了诸多尝试。Korani(1986)、Velasco(1999)、Boadway等(2003，2005)分别从预算软约束、降低运营成本、财政收入与财政支出在时间上进行跨期匹配等角度论证地方政府信用规模发生变动的原因。Edwards 等(1997)、卡尔(2001)等学者从货币供应量、银行信贷、非金融债务、通货膨胀等方面研究了金融部门信用规模变动的原因与可能产生的风险等问题。我国学者(张鸣 等，2013)、刘尚希(2018)等从分别从非体制因素、地方政府任命与考核制度、预算软约束等角度研究和论证了政府部门信用规模变动的原因。林清泉等(2007)、许桂华(2013)等从金融政策刺激、一步到位消费观念等方面论证了居民部门信用规模变动的原因。张晓朴(2010)、朱莎等(2018)主要从金融风险的识别、防范和监管方面来研究信用风险的相关问题。陆婷(2015)从非金融企业部门债务风险的成因、对策等方面研究信用风险问题。近年来也有对部门间债务风险传递的相关研究。申香华(2014)从银行风险识别、政府财政补贴与企业债务风险的角度来研究三者之间关系，其实质是从金融与非金融企业两个部门研究债务风险问题。中国人民银行南昌中心支行课题组(2017)从金融风险与财政风险协同管理的角度研究部门间风险防范问题。胡学平等(2018)从居民信用规模结构性变动对金融部门风险的影响来研究部门间的风险传递问题。上海财经大学高等研究院课题组(2018)从企业与家庭债务变动的相关关系来研究两部门之间的信用风险的交互式反馈效应。
本文的创新在于：(1)在研究思路上，已有文献大多将四部门信用规模变动割裂开来进行分析，由于系统性分析的缺乏，使得已有研究难以真正把握信用风险的产生、发展及传导规律，也很难建立有效的信用风险识别与防范机制。本文将四部门信用规模的变动纳入到统一框架下，从信用规模变动的部门间内在联动机理出发，对信用规模变动的部门间传导路径和特征进行研究。(2)在研究视角上，从信用规模部门间变动机理来研究债务风险，是对债务风险相关问题的重新审视，也是一个全新的研究着眼点。
二、理论分析
信用规模变动在部门间的传递一般具有三个特点：第一，无论是信用规模有序变动还是无序变动均可在信用网络之间相互传播；第二，信用规模变动的传递具有很强的隐蔽性；第三，信用规模变动在信用网络之间的传播具有多方向传播性。基于上述对信用规模变动冲击在部门间传递特点的分析可知，若部门间信用关系网连接不够紧密，就会形成较少的信用关系链条，此时部门间信用风险的传染效应较低。当部门间的信用关系网连接足够紧密，就会形成较为发达的信用关系网络，此时信用规模变动冲击的部门间传递效应越复杂、风险传染性也越强。因此，理清信用规模变动的部门间相互关联的规律与信息传递路径，对于识别和防控部门间的信用风险具有十分重要的意义。
部门间的联动关系除了存在某部门信用规模变动直接作用于另一部门的直接联动关系外，还存在通过其他部门信用规模变动而间接影响另一部门的间接联动关系。无论是直接联动关系还是间接联动关系引起的信用规模变动，均是信用风险产生的根源。因此，只考虑部门间的直接联动关系，忽略间接联动关系，将会很大程度上低估信用规模变动冲击的复杂程度和传染能力，进而造成无法准确识别和防范信用风险的结果。鉴于此，本文将采用添加各部门信用规模变动交互项的方法来考察间接联动关系。根据加入的交互项，在探讨信用规模部门间联动机理时，挖掘的是14个传输节点(4个部门及10个交互项)之间信用规模的信息传递特征与传导路径，具体如图1所示：
但“以什么角度的数据分析切入可以更加全面、高效地实现医院精细化管理”？赵前前介绍，病种是贯穿医疗过程的轴心，从强化医疗质量管理、提升医院经济运营能力、促进学科发展和人才培养等多个维度考量，院领导最终明确以病种为切入点进行深入分析。
图1信用规模变动的部门间内在联动机理的理论路径简图
注：其中G代表政府部门，H代表居民部门，F代表金融部门，NF代表非金融企业部门，*表示交互；由于内在联动传输路径线条太多无法再图中显示，本图只给出了层次没刻画具体传输路径的简图
为量化信用规模变动的内在联动机理，本文引入传染度、脆弱度和关联度三个概念。传染度为某部门信用规模变动能够影响的部门个数，数量越多说明其传染度越强，反之则越弱；脆弱度为其他部门信用规模变动能够影响本部门的部门数，个数越多，说明该部门的脆弱度越强，反之则越弱；关联度表示的是某部门信用规模变动与其他部门的总体关联程度，既包括其外向传染度又包括相对脆弱度。笔者将传染度与脆弱度之和定义为该部门的关联度。
三、研究设计
(一)研究对象的选择
本文在实证研究信用规模变动部门间的内在联动机理时之所以采用美国的数据，原因有三：一是美国信用规模数据的时间序列较长，有助于准确的认识和把握信用规模变动的部门间内在联动机理；二是美国作为信用体系发展相对较为成熟的国家，具有良好的信用基础、法律环境和较高市场化程度，更容易捕捉信用规模变动的一般性规律；三是美国作为当前国际化程度最广泛的国家，其建立的信用关系网在全球最为普及，因此其信用规模变动的国际影响力也最大。
(二)变量的选择
主要变量的选择：信用规模变动从经济部门来划分，包括政府、居民、金融与非金融企业四部门信用规模的变动，也构成实证研究的主要变量。指标的选择和量化均依据美联储(BoardofGovernorsoftheFederalReserveSystem)的解释。其中，政府部门信用规模(GTC)为政府部门的负债总额，主要由联邦政府、州或地方政府的发行的证券与取得的贷款两部分构成，其中不包括退休工人基金；居民部门信用规模(HTC)为居民部门的负债总额，主要由居民部门与非营利组织发行的证券、住房抵押贷款与消费信贷三部分组成；金融部门信用规模(FTC)为金融部门的负债总额，主要由国内金融部门的证券类债务与贷款两部分构成；非金融企业部门信用规模(NFTC)为非金融企业部门的负债总额，主要由非金融企业与非金融公司发行的证券与贷款两部分构成。
辅助变量的选择：根据文章理论分析部分对三个层次信用规模的设定，在辅助变量的选择上，沿用四部门的两两交互项(6个)与三三交互项(4个)来实现；另外，本文对各交互项的量化使用各部门信用规模的乘积来确定。
(三)模型设计
研究信用规模变动实质上是判断某一部门信用规模的变化是否能够引起另外一个部门信用规模的变化，以及这种变化的方向。文章借鉴soydemir(2002)、张兵等(2010)学者用线性Granger因果检验的方法研究事物之间联动关系，在构建向量自回归(VAR)模型的基础上，进行Granger因果检验来捕捉信用规模变动的部门间联动模式及变化的传递路径。
研究思路如下：通过对三个层次(单部门、两部门和三部门)信用规模变动之间关联机制的研究，归纳和总结信用规模变动的部门间内在联动机理。具体上，若不同层次部门之间的信用规模变动不存在任何显著的Granger因果关系，则表明信用规模变动相互之间较为独立，不存在联动关系；若不同层次部门之间的信用规模变动存在显著的Granger因果关系，则说明其信用规模变动存在联动关系，而这种关系又分为单向联动关系和双向联动关系。最终刻画出四部门信用规模变动的单部门传递、两部门传递以及三部门交叉传递的内在联动机理。
(四)数据来源与统计性描述
鉴于信用规模频繁变化的特征，本文采用季度数据进行实证研究，研究区间为1952年第2季度至2016年第4季度，样本长度为259。其中，政府部门信用规模、居民部门信用规模、金融部门信用规模、非金融企业部门信用规模指标均来源于美联储网站。剔除物价影响，对各部门信用规模的名义值以1959年第1季度为基期进行了平减，得到了可以比较的实际值。CPI数据来源于美国劳工部统计局。
行为均分为（3.80±0.80）分，最低为 1 分，最高为5分。单因素分析显示，科室、“是否主动了解疫苗相关知识”与疫苗及安全接种行为不同有关（Z=-4.242，P＜0.01；H=-2.029， P＜0.01）。Logistic 回归分析显示，无任何自变量进入行为分组的回归方程。
表1 1952Q2—2016Q4样本主要变量的描述性统计结果
符号观测值均值50百分位标准差最小值最大值X1259-1.702%-1.335%0.02705-10.910%11.030%X2259-1.392%-1.024%0.02688-11.828%5.249%X3259-0.572%-0.466%0.03624-11.580%9.518%X4259-1.539%-1.178%0.02473-11.590%3.085%X1×X22590.078%0.133%0.00185-0.1179%1.178%X1×X32590.539%0.006%0.00167-0.2530%1.100%X1×X42590.074%0.014%0.00181-0.0727%1.154%X2×X32590.074%0.015%0.00173-0.1893%1.170%X2×X42590.081%0.014%0.00183-0.0282%1.371%X3×X42590.069%0.014%0.00171-0.1898%1.147%X1×X2×X3259-0.004%-5.9e-05%0.00014-0.1165%0.009%X1×X2×X4259-0.005%-1.0e-04%0.00016-0.1365%0.002%X1×X3×X4259-0.004%-6.6e-05%0.00014-0.1142%0.009%X2×X3×X4259-0.004%-3.6e-05%0.00015-0.1356%0.012%
四、实证结果与分析
(一)单位根检验、格兰杰因果检验
为了避免出现伪回归，在进行数据分析之前，首先对数据进行单位根检验，以确定数据系列的平稳性。通过对信用规模变动的4个主要基础变量与10个辅助变量进行ADF检验发现，14个时间序列均为平稳序列，可以直接构建VAR模型，并进行Granger因果检验。具体实证结果与分析如下：
(二)四部门Granger因果检验结果分析
表3(见下页)反映了两部门信用规模变动与其余3个变量之间的Granger因果检验结果。结果显示政府、居民两部门信用规模联合变动与2个变量构成了Granger因果关系，其信用规模变动的传染度为2；政府、金融两部门信用规模联合变动与3个变量构成了Granger因果关系，其信用规模的传染度为3；政府、非金融企业两部门信用规模联合变动与2个变量均构成了Granger因果关系，其信用规模变动的传染度为2；居民、金融两部门信用规模联合变动与3个变量构成了Granger因果关系，其信用规模变动的外向传染度为3；居民、非金融企业两部门信用规模联合变动与2个变量构成了Granger因果关系，其信用规模变动的外向传染度为2；金融、非金融企业两部门信用规模联合变动与3个变量构成了Granger因果关系，其信用规模变动的外向传染度为3。
表2反映了单一部门信用规模变动与其余7个变量之间的Granger因果检验结果。结果显示政府部门与2个变量构成了Granger因果关系，其信用规模变动的传染度为2；居民部门与6个变量构成了Granger因果关系，其信用规模的传染度为6；金融部门信用与7个变量均构成了Granger因果关系，其信用规模变动的传染度为7；非金融企业部门与6个变量构成了Granger因果关系，其信用规模变动的外向传染度为6。
表2单部门信用规模变动的Granger因果检验结果
resultX1&Reject2∗∗∗resultX2&Reject2∗∗∗resultX3&Reject2∗∗∗resultX4&Reject2∗∗∗X2(13.772)X1(18.551)X1(25.778)X1(16.197)X1&AcceptX2&Reject2∗∗X3&Reject2∗∗∗X4&Reject2∗∗∗X3(3.972)X3(7.487)X2(81.730)X2(45.032)X1&AcceptX2&Reject3∗∗∗X3&Reject2∗∗∗X4&AcceptX4(4.201)X4(20.117)X4(75.621)X3(2.471)X1&AcceptX2&Reject2∗∗X3&Reject2∗∗∗X4&Reject2∗∗∗X2×X3(1.279)X1×X3(6.932)X1×X2(38.009)X1×X2(29.309)X1&Reject1∗∗X2&Reject2∗∗∗X3&Reject1∗∗∗X4&Reject1∗∗X2×X4(4.668)X1×X4(28.959)X1×X4(42.440)X1×X3(5.144)X1&AcceptX2&AcceptX3&Reject2∗∗∗X4&Reject2∗∗X3×X4(3.064)X3×X4(1.187)X2×X4(34.864)X2×X3(6.285)X1&AcceptX2&Reject2∗∗X3&Reject2∗∗∗X4&Reject2∗∗X2×X3×X4(1.285)X1×X3×X4(6.661)X1×X2×X4(31.094)X1×X2×X3(6.388)
注：(1)***、**、*表示在1%、5%、10%的显著水平下拒绝不存在Granger因果关系的原假设；(2)Accept表示接受不存在Granger因果关系的原假设；(3)Rejectk的下标k表示滞后期；(4)chi-squaretestinparentheses
2. 两部门信用规模联合变动的Granger因果检验
1.单部门信用规模变动的Granger因果检验
3.三部门信用规模变动的Granger因果检验
表4(见下页)反映了三部门信用规模变动与其余4个变量之间的Granger因果检验结果。结果显示政府、居民、金融三部门信用规模的联合变动与1个变量构成了Granger因果关系，其信用规模变动的传染度为1；政府、居民、非金融企业三部门信用规模联合变动与1个变量构成了Granger因果关系，其信用规模的传染度为1；政府、金融、非金融企业三部门信用规模联合变动与1个变量均构成了Granger因果关系，其信用规模变动的传染度为1；居民、金融、非金融企业三部门信用规模联合变动与1个变量构成了Granger因果关系，其信用规模变动的外向传染度为1。
李离点着头：“嗯嗯，打扰两位前辈了。我名叫李离，这是上官星雨，袁安与吴耕，黄梁村的老黄拿走了我半包金叶子，是宇晴师父让我们爬上树，向你们问路的，我们想知道万花因隧道的入口在哪里，我们想去万花谷。”
表3两部门信用规模的Granger因果检验结果
resultX1×X2&AcceptresultX1×X4&Reject6∗∗resultX2×X4&Reject1∗∗∗X3(0.969)X2(15.523)X1(26.908)X1×X2&Reject2∗∗∗X1×X4&AcceptX2×X4&AcceptX4(8.799)X3(1.995)X3(0.738)X1×X2&Reject1∗∗∗X1×X4&Reject2∗∗∗X2×X4&Reject2∗∗X3×X4(19.884)X2×X3(19.846)X1×X3(8.602)X1×X3&Reject2∗∗∗X2×X3&Reject1∗∗∗X3×X4&Reject1∗∗∗X2(18.778)X1(43.560)X1(38.631)X1×X3&Reject1∗∗∗X2×X3&Reject2∗∗∗X3×X4&Reject2∗∗∗X4(45.007)X4(37.401)X2(27.229)X1×X3&Reject2∗∗∗X2×X3&Reject2∗∗∗X3×X4&Reject1∗∗∗X2×X4(124.01)X1×X4(236.66)X1∗X2(221.47)
注：(1)***、**、*表示在1%、5%、10%的显著水平下拒绝不存在Granger因果关系的原假设；(2)Accept表示接受不存在Granger因果关系的原假设；(3)Rejectk的下标k表示滞后期；(4)chi-squaretestinparentheses
表4三部门信用规模的Granger因果检验结果
resultX1×X2×X3&Reject2∗∗∗resultX1×X2×X4&Reject2∗∗∗X4(13.772)X3(18.551)X1×X3×X4&Reject3∗∗∗X2×X3×X4&Reject2∗∗∗X2(25.778)X1(16.197)
注：(1)***、**、*表示在1%、5%、10%的显著水平下拒绝不存在Granger因果关系的原假设；(2)Accept表示接受不存在Granger因果关系的原假设；(3)Rejectk的下标k表示滞后期；(4)chi-squaretestinparentheses
4.信用规模变动与联合变动的Granger因果检验
有X1、X2、X3、X4加入的联合变动的变量均有6项；有X1×X2、X1×X3、X1×X4、X2×X3、X2×X4、X3×X4加入的联合变动均有10项；有X1×X2×X3、X1×X2×X4、X1×X3×X4、X2×X3×X4的联合变动均有12项。将这些变量两两之间进行Granger因果检验，需要进行132次检验，鉴于文章篇幅限制，本文只给出不存在Granger因果关系的检验结果，具体如表5所示。由表5可知，居民部门到由其参与的6条渠道中有2条不畅通；非金融企业部门到由其参与的6条渠道中有2条不畅通；政府、居民两部门的联合变动到由其任何一个参与的10条渠道中有1条不畅通；政府、非金融企业两部门的联合变动到由其任何一个参与的10条渠道中有1条不畅通；居民、金融两部门的联合变动到由其任何一个参与的10条渠道中有1条不畅通；居民、非金融企业两部门的联合变动到由其任何一个参与的10条渠道中有1条不畅通；金融、非金融企业两部门的联合变动到由其任何一个参与的10条渠道中有2条不畅通；政府、居民、非金融企业到有其参与的12条传输渠道中有1条不畅通。
他拿出一个幸运星的钥匙扣，对丸子说，第一次坐我车的时候，你把幸运星掉在车上了。对不起，现在才想到要还给你。
表5信用规模变动与联合变动的Granger因果检验结果
resultX2&AcceptresultX1×X2&AcceptresultX3×X4&AcceptX2×X3(1.243)X2(3.098)X3(0.224)X2&AcceptX1×X4&AcceptX3×X4&AcceptX2×X4(4.099)X4(1.158)X2×X3(0.005) X4&AcceptX2×X3&AcceptX1×X2×X4&AcceptX3×X4(3.111)X3(0.762)X3(0.407)X4&AcceptX2×X4&AcceptX2×X3×X4(3.599)X4(4.070)
注：(1)chi-square test in parentheses；(2)Granger因果检验经过滞后6阶的检验，结果均为Accept，其中括号中给出的为滞后2阶的chi-square test；(3)其他结果若有需要可以向作者索取
为了证实结果的稳健性，用各层次信用规模变动率的相关系数矩阵来进行检验。表8反映了各层次各部门信用规模变动的相关系数矩阵，统计结果显示4个部门和10个联合部门的信用规模变动均具有很强的相关性，大部分相关性在70%以上，证明了前文得到的各部门信用规模变动的内在关联度很大的结果。另外，表8中显示金融部门与其他各部门各层次的相关性较弱，这也证实了前文实证得出的该部门信用规模变动脆弱性较低结果的正确性。实践经验与相关性矩阵给出的结果与上文的理论分析与实证检验结果一致。
综合表2～表5，可以总结出信用规模变动的14个传输节点的脆弱度、传染度及关联度。具体如表6(见下页)所示。
③在小滑块从C到D的过程中，如图六所示，洛伦兹力并不做功，而重力mg与电场力的合力F与速度方向的夹角小于90°，且在不断增大，合力做的是正功，直到二力的夹角增大到为90°时，合力F垂直与重力mg，这时的速度达到最大，且合力F不做功。那么我们就可以知道小滑块在D到P的过程中做的是类平抛运动。
为了实现本文的研究目的，用信用规模增长率来表示其变动情况。以上变量的定义与处理过程，模型涉及的各变量实际含义与符号分别为政府部门实际信用规模增长率(RsjGTC，X1)、居民部门实际信用规模增长率(RsjHTC，X2)、金融部门实际信用规模增长率(RsjFTC，X3)、非金融企业部门实际信用规模增长率(RsjNFTC，X4)。模型中涉及的主要变量描述性统计结果如表1所示。由表1所示的结果可以看出，各变量均具有左偏的属性，即信用规模变动均在较小的区间内变动。
表6所有层次各个部门信用规模变动的内在关联度的实证结果
序列名传染度脆弱度关联度序列名传染度脆弱度关联度X171219X2×X3111021X261117X2×X4111223X312416X3×X4111021X49918X1×X2×X3131326X1×X2111324X1×X2×X4121325X1×X3131326X1×X3×X4131326X1×X4111324X2×X3×X4131124
由表6的结果可知，四部门中金融部门的传染度最强，脆弱度最低；居民部门传染度最弱，政府部门脆弱度最大；两部门联合变动中，政府与金融部门联合变动的传染度最强，脆弱度也最强，居民、金融两部门与金融、非金融企业两部门两边变动的脆弱度最弱；三部门联合变动中政府、居民、非金融企业的传染度最弱，居民、金融、非金融企业三部门联合变动的脆弱度最弱。
(1)给予两组患者同样的基础用药,指导患者合理使用克拉霉素片(广东逸舒制药股份有限公司;国药准字H20000207;0.125g*24s)、阿莫西林分散片(石药集团中诺药业(石家庄)有限公司;国药准字H10980075;0.25g*6s))、甲硝唑片(湖南汉森制药股份有限公司;国药准字H43020225;0.2g*21s);(2)对照组在基础用药基础上加用奥美拉唑(广东逸舒制药有限公司;国药准字H20040911;20mg*7S);实验组在对照组基础上加用雷贝拉唑(济川药业集团有限公司;国药准字H20052317;10mg*7S)。
以上结果的内在产生机制如下：其一，从单部门、两部门到三部门随着信用规模联合作用复杂程度的加深，其对其他部门信用规模变动的影响路径越多、影响程度也越深；其二，美国自布雷顿森林体系建立以来一直推行的利用金融全球化拉动其社会经济增长的策略，这也造成了金融部门及金融部门与其他部门联合变动的传染度较大；其三，政府部门及政府部门与其他部门联合变动的脆弱度较强，这与政府部门一直充当调控宏观经济失衡的角色有关。
从关联度来看，在14个层次的信用规模变动的总体关联度为310，其中关联度最小的为金融部门，但其关联度也有16，这说明信用规模的部门间传导途径基本畅通。信用规模的任何一个变动，均能引起其他相应层次信用规模做出调整，并且从Granger因果检验的滞后期来看，这种调整的时滞很短，均在滞后1期或滞后2期就能够实现。由关联度的分析结果来看，美国四部门信用规模变动的部门间联动程度已经很深，特别是多部门共同作用时的关联度几乎达到全部关联，这也充分印证了市场经济越发达，金融深化程度越深的国家信用规模变动的部门间联动程度越深，信用关系网越复杂，风险传染的途径也越多，对风险进行监控的难度越大。
6. 三个层次信用规模变动的传输路径与传输通道
综合表2～表5，可以总结出三个层次信用规模变动的部门间内在联动的传输路径与传输通道的情况。具体如表7所示：
由表7给出的结果可知，三个层次14个传输节点共建立70个双向传输通道和21个单向传输通道。也就是说，部门间信用规模变动的182(70×2+21×2)条传输通道中，有161(70×2+21)条渠道信用规模变动传递渠道畅通，畅通率约为88%(161÷182)。另外，由表6还可看出三个层次间双向传输通道分布并不均匀。其中，多部门联合变动建立的均为双向传输通道，单向传输通道均出现在单部门传输通道上，政府与金融部门的单向传输通道均有5条，居民部门有1条。
表7信用规模变动的部门间传输路径与传输通道
X1X2X3X4X1×X2X1×X3X1×X4X2×X3X2×X4X3×X4X1×X2×X3X1×X2×X4X1×X3×X4X2×X3×X4X1/ X2/ X3/X4/ X1×X2/ X1×X3/ X1×X4/X2×X3/ X2×X4〛/ X3×X4〛/ X1×X2×X3〛/ X1×X2×X4〛/ X1×X3×X4〛/ X2×X3×X4〛/
注：表示传输通道双向畅通；和表示传输通道单向畅通，箭头指向代表畅通方向；表示传输通道双向不畅通；阴影部分与箭头部分完全对称且重复，所以无需显示
(三)稳健性检验
5.三个层次信用规模变动的传染度、脆弱度与关联度
微晶纤维素和磁性纤维素红外光谱分析如图1所示，3 425处和2 895 cm-1处分别是O-H和C-H伸缩振动吸收峰[14]。在1 569 cm-1处出现的N-H伸缩振动吸收峰，表明氯乙酰胺与纤维素表面发生反应，胺基成功引入纤维素中[15]。558 cm-1附近的峰变宽变强，是因为Fe3O4中Fe-O的振动吸收峰存在的缘故[16]。
表8三个层次部门信用规模变动的相关性矩阵
X1X2X3X4X1×X2X1×X3X1×X4X2×X3X2×X4X3×X4X1×X2×X3X1×X2×X4X1×X3×X4X2×X3×X4X11.00X20.751.00X30.450.681.00X40.720.900.671.00X1×X2-0.77-0.79-0.50-0.801.00X1×X3-0.65-0.68-0.63-0.730.881.00X1×X4-0.78-0.79-0.52-0.830.990.891.00X2×X3-0.55-0.65-0.51-0.680.820.920.841.00X2×X4-0.70-0.79-0.54-0.820.960.890.970.901.00X3×X4-0.58-0.67-0.57-0.720.830.940.860.970.911.00X1×X2×X30.630.690.540.72-0.91-0.94-0.92-0.92-0.93-0.931.00X1×X2×X40.690.730.480.75-0.96-0.89-0.97-0.85-0.96-0.870.961.00X1×X3×X40.630.680.540.72-0.89-0.94-0.92-0.91-0.93-0.941.000.951.00X2×X3×X40.590.700.560.73-0.86-0.91-0.88-0.92-0.93-0.940.980.930.981.00
五、结论与政策建议
本文基于回归模型与Granger因果检验，研究了信用规模变动的部门间内在联动机理，结论如下：
施工方案：地下通道施工可采用明挖法，盖挖法和顶管施工方法。综合考虑管线影响、工期和交通影响，采取顶管施工方案。
(一)信用规模变动的部门间联动关系不仅体现在单部门之间，两部门或三部门联合变动对各层次各部门信用规模的变动也有不同的信息传递效应。
(二)在四部门信用规模变动的联动机理中，金融在风险传递中处于核心地位，不易受其他部门影响，居民风险传递性最弱，政府最易受其他部门影响。
(三)三部门联合变动的部门间关联度大于两部门联合变动的部门间关联度，而单部门信用规模变动的部门间关联度最弱。
(四)由实证结果可知，信用规模变动的部门间内在关联网建立了70个双向传输通道，21个单向传输通道；部门间整体的关联度为333，传递度为153，脆弱度也为157。由理论分析与实证分析的结果可知，信用规模变动的冲击存在多向传导和逆向传导并存的现象，形成一个存在161条传输路径的内在联动关系网，其在接收到一个信用规模变动冲击后，现实中信用规模的变化程度将呈现出复杂化和多变化的特点，使对信用风险的控制难度加大。
同龄、同乡、同年大学毕业，四岁以前连母亲都相同。这是苏楠做梦也想不到的。和李峤汝这么多的缘分，全世界也罕见。
本课题的研究，对于中国的信用治理，特别防范由信用规模无序变动导致的系统性风险具有借鉴意义：
3.2肿瘤标志物不论是单项(如癌胚抗原),还是套餐项(如蛋白芯片检测),在年轻群体(≤30岁和30-40岁)中的选择率都很高,蛋白芯片检测的选择率甚至高于年老群体(40-50岁和≥50岁),说明年轻群体重视早期诊断肿瘤的意识比较强。
(一)识别和防范信用规模无序变动风险的关键在于正确认识信用规模变动冲击的部门间联动规律。因此，我国在建立信用规模无序变动的防控体系时，应理清我国信用规模变动冲击不同层次间的相互影响关系与信息传递效应，挖掘各层次间信用规模变动冲击存在的部门间相互依赖情况，以及相互依赖的传递路径与信息传递效应。
(二)在建立信用规模无序变动风险防范体系时，应加强政府、居民、金融与非金融企业四部门之间的合作，形成四部门一盘棋的风险防范思路，探究协调部门之间的单独防御、联合防御以及制度建设等合作机制。同时，针对传递性较强的部门，加强对其信用规模变动的管控力度，降低其风险传递能力；针对脆弱度较强的部门，提高其对信用规模变动冲击的防范力度，提高其风险防范能力。
(三)我国在建立信用规模无序变动的风险防范体系时，应注重信用规模变动的层次化特征，建立科学的风险识别框架。
(四)鉴于信用规模有无序和有序之分，且存在很强的隐蔽性，在构建信用防范体系时要有前瞻性，建立过程性监管机制，实时监测和准确识别信用规模变动的性质，防范信用规模由有序变动向无序变动转变，预防信用风险的产生及传播。
参考文献：
胡学平，杨利敏，徐梦洁.2018.居民杠杆率结构性飙升对金融风险的影响分析——基于荆州市居民杠杆率的调查[J].武汉金融(9):78-81.
卡尔. 2001.货币理论与政策[M].北京:中国人民大学出版社.
林清泉，张建龙，杨丰.2007.中国信用体系建设中的个人信用模糊评估[J].山西财经大学学报(2):81-85.
刘尚希，李成威，杨德威.2018.财政与国家治理:基于不确定性与风险社会的逻辑[J].财政研究(1):10-19.
陆婷.2015.中国非金融企业债务:风险、走势及对策[J].国际经济评论(5):67-77.
上海财经大学高等研究院课题组.2018.企业和家庭债务交互式负反馈效应增加去杠杆难度[J].中国经济报告(10):94-96.
申香华.2014.银行风险识别、政府财政补贴与企业债务融资成本——基于沪深两市2007—2012年公司数据的实证检验[J].财贸经济(9):62-71.
许桂华.2013.家庭债务变动与居民消费的过度敏感性:来自中国的证据[J].财经科学(3):95-104.
张兵，范致镇，李心丹.2010.中美股票市场的联动性研究[J].经济研究(11):141-151.
张鸣，范柏乃.2013.地方政府信用的内涵、结构要素及实际测度[J].探索(4):52-59.
张晓朴.2010.系统性金融风险研究:演进、成因与监管[J].国际金融研究(7):58-67.
中国人民银行南昌中心支行课题组.2017.金融风险与财政风险的协同管理研究——以政府引导基金为例[J].金融与经济(12):57-64.
朱莎，裴沛.2018.新时期中国金融市场风险状态甄别和政策冲击研究[J].中央财经大学学报(11):24-37.
BOADWAY R, CUFF K, MARCHAND M.2003.Equalization and the decentralization of revenue-raising in a federation [J].Journal of Public Economic Theory, 5(2):201-228.
BOADWAY R, TREMBLAY J.2005.A theory of vertical fiscal imbalance [M]. Montreal: Queen’s University Press.
EDWARDS S, ARLOS A.1997.Banks and macroeconomic disturbances under predetermined exchange rates [J].Journal of Monetary Economics, 40(2): 239-278.
KORANI J. 1986.The soft budget constraint [J]. Kyklos, 39(1):3-30.
SOYDEMIR G. 2000. International transmission mechanism of stock market movements: Evidence from emerging equity markets [J]. Journal of Forecasting, 19(3):149-176.
VELASCO A.1999.A model of endogenous fiscal deficits 551 and delayed fiscal reforms [M].Chicago: Univ. of Chicago Press.
TheInternalLinkageMechanismofCreditScaleChangeAmongDepartments——An Empirical Analysis Based on Cases in the United States
XIE Qiao-yan
(SchoolofFinance,HenanUniversityofEconomicsandLaw,Zhengzhou450046,China)
Abstract: Based on the credit scale data of the U.S. government, residents, finance and enterprises from 1952 to 2016, this paper empirically studies the inter sector linkage mechanism of credit scale change from multiple perspectives. The empirical results show that: the change of credit scale not only exists between single sectors, but also has a strong transmission effect in the joint change of two or three sectors. In the linkage mechanism of the change of credit scale of four sectors, the financial sector is in the core position in risk contagion, with the strongest transmission, and is not easily affected by other sectors; the residents' risk transmission is the weakest; the government sector is most vulnerable to other sectors. In the three levels of credit risk transmission process, the first, second and third levels of the linkage of credit scale increases successively. This study is of great significance to China's credit governance, especially for the prevention of systematic risks caused by disordered changes in credit scale.
Keywords： credit scale; internal linkage; contagion; vulnerability
基金项目：国家社会科学后期资助基金项目(18FJL001)
作者简介：谢巧燕(1984— )，女，河南郑州人，讲师，博士，主要从事区域金融与信用管理研究。
中图分类号：F832.5
文献标识码：A
文章编号：1006-1096(2019)06-0125-08
收稿日期：2018-10-18
(编校：少卿)
标签：信用论文; 变动论文; 部门论文; 规模论文; 金融论文; 《经济经纬》2019年第6期论文; 国家社会科学后期资助基金项目(18FJL001)论文; 河南财经政法大学金融学院论文;