《电子货币对货币供给影响的实证研究1.doc》由会员分享，可在线阅读，更多相关《电子货币对货币供给影响的实证研究1.doc（18页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、复旦大学经济学院2019年本科生毕业论文电子货币对货币供给影响的实证研究经济学院 张指导教师 李 内容提要：在互联网飞速发展的背景下，传统货币已逐渐被电子货币替代。虽然电子货币对传统货币的替代效应增加了货币供给调控的难度，但电子货币便捷、交易快速的特性还是使利大于弊。本文尝试性的研究电子货币对货币供给的影响，并提出相关管理电子货币的建议。关 键 词：电子货币 基础货币 货币乘数 货币供给中图分类号：F831.4 An Empirical Study of the Influence of Electronic Money on Money SupplyAbstract: Keywords:JE
2、L：H21 E62 P1114目 录一、引言1（一）选题背景及意义1（二）文献综述1二、相关理论分析2（一）电子货币及其概念2（二）货币供给理论3三、电子货币对货币供给的实证分析3（一）理论分析3（二）电子货币对基础货币影响的实证分析4（三）电子货币对货币乘数影响的实证分析10四、结论13五、总结及建议13参考文献14后记15一、 引言（一）选题背景及意义在互联网飞速发展的背景下，一般货币已逐渐被电子货币替代。虽然电子货币对传统货币的替代效应增加了货币供给调控的难度，但借助电子货币便捷、快速的特性，还是能使利大于弊。本文尝试性的研究电子货币对货币供给的影响，并提出相关管理电子货币的建议。（二）
3、文献综述1.国外研究国际清算银行BIS (1996)是国外最早对电子货币的产生、发展、交易过程及其对货币流通速度的影响等相关问题进行探讨的机构。具体来看，学者James A.Dorn C 1996)认为，电子货币首先会对流通中的货币速度产生影响，因此削弱了央行对基础货币的控制力。Setsuya Sato和John Hawkins C 2001)在对世界21个国家电子货币的使用情况进行分析后，认为电子货币会对传统的金融市场与支付制度产生冲击，通过影响货币流通速度与货币乘数，最终影响货币供应量，为货币政策效果带来不确定性。Susan M. Sullivan C 2002 )认为，电子货币的发展与推
4、广，必然加快货币流通速度，削弱中央银行对于货币供给的控制能力，同时减少政府铸币税收入。Claudia Costa Storti, Paul De Grauwe C 2002)认为电子货币具有加J决货币流通速度的功能，并会影响央行货币政策的实施，同时电子货币具有“弹性”，这种弹性表现为电子货币导致货币最佳区域变化，最终扩大货币最佳区域。Priyatama和Apriansah C 2010)通过印度尼西亚的电子货币与货币流通速度的相关数据，运用现金余额法进行实证分析，结果显示电子货币的存在加快了货币流通速度，改变了现金需求函数，减少了流通中的货币供给量。2.国内研究大部分学者认为电子货币会加快货币
5、流通速度:方轶强(2009)研究发现支付模式的更新有助于货币流通速度加快，尤其是大额支付系统的发展使得货币流通速度呈现递增态势。谢平和刘海二(2013)提出电子货币对流通中的货币具有替代作用，因此加快了货币的流通速度，并且移动支付的发展改变了人们的货币需求，对货币供给产生了冲击，这为央行控制货币量增加了难度。王亮、吴洪源（2013）分析了电子货币对各层次货币流通速度的影响，通过实证检验了电子货币和第三方支付对不同层次的货币流通速度均存在正向促进作用。具体来说，卢花兰(2015)通过选取季度数据，分析了季度GDP增长率、现金比率和第三方互联网支付增长率与现金的流通速度之间的关系，实证结果表明第三
6、方支付增长率与Mo的流通速度具有正相关关系。方兴、郭子睿（2017）利用北京大学互联网金融指数、借助时变TVP-VAR模型，研究第三方支付与我国货币流通速度的关系，得出结论:第三方支付的应用与货币流通速度正相关，我国应及早建立电子货币流通监控机制，提升货币政策的有效性。刘达(2017)通过构建模型，以各层次货币流通速度为因变量，以第三方支付交易额为自变量，模型结果表明第三方互联网支付交易额的增长率对我国Mo,Ml以及M:货币流通速度均具有显著的促进作用，并且从力度大小来看，第三方支付对现金与狭义货币的流通速度促进作用更为明显，对广义货币的流通速度影响相对较小。二、 相关理论分析（一）电子货币及
7、其概念1.电子货币的定义和分类随着国家科技飞速发展，货币形态已从纸币现金转变为电子信息形式的代码，电子货币支付形式也从一开始的银行卡转账逐渐变为移动端支付形式。关于电子货币的定义和界定范围，各个国家的研究学者都有其独特的见解。国际清算银行（1996、1998）将电子货币定义为：电子货币泛指一种存在于零售端的支付机制，是预付类或具有价值储藏功能的产品，用于电子设备之间或在互联网这样的公共网络中实现支付。可以看出，国际清算银行将电子货币限定在预付卡和网络支付领域。杨青和霍炜（2015）认为电子货币分为三类：电子法币、预付货币和虚拟货币。其中电子法币是电子货币的主要形式，是由传统的中央银行发行的电子
8、化中央银行货币，与纸币一样作为银行存款计入货币供应量。根据上述定义，本文对电子货币的理解偏向于电子法币，这类电子货币是以银行账户为载体，体现为借记卡、信用卡、网上银行、电话银行、手机银行等渠道支付的货币，但随着支付形式的多样化，电子货币的定义不能局限于当前的定义，所以本文将以非现金支付的称为电子货币。（二）货币供给理论 1.货币供给量的组成结构货币供给量决定于两大因素，即基础货币（货币基数）和货币乘数。菲利普斯（C.A. Phillips）、米德（J.E. Meade）和弗里德曼施瓦兹（M. Friedman and A.J. Schwartz）等人的货币供给量理论都决定于基础货币与一个乘数的
9、乘积。2.基础货币基础货币又称货币基数，是货币当局的净货币负债。货币当局对社会公众的负债相当于社会公众的资产，也是存款机构的负债的基础和保证。基础货币包括公众所持通货及商业银行和其他存款机构的存款准备金，存款准备金又包括法定存款准备金和超额存款准备金。3.货币乘数除了基础货币外，影响货币供给量的因素是货币乘数。货币乘数主要决定于通货比率、准备金比率和定期存款比率三个因素。通货比率，也称现金比率，是指非银行公众所持通货与所持活期存款之比。准备金比率是指存款货币机构的准备金存款与全部存款之比。定期存款比率就是公众所持有的定期存款及储蓄存款与活期存款之比。三、 电子货币对货币供给的实证分析（一）理论
10、分析1.电子货币对基础货币的影响分析由于电子货币对现金的替代作用，现金在生活中使用的比率持续下降。在中国，虽然现金流通量持续在上升，但现金流通量占GDP的比重（M0/GDP）由1990年的18.30%下降到2018年的8.13%，说明非现金的使用（本文指电子货币）持续增加，公众对现金的需求量持续减少。同时，由于现金需求量的减少，社会公众在存款金融机构的提现率下降，所以存款金融机构的超额准备金也跟着减少。总的来说，电子货币通过影响流通中的通货和存款准备金，使得整体基础货币量下降，在下一节将运用实证分析法加以验证。2.电子货币对货币乘数的影响分析除了基础货币外，决定货币供给的另一个基本要素是货币乘
11、数。根据货币乘数理论，货币乘数主要由通货比率、准备金比率和定期存款比率决定。电子货币的使用，影响了货币乘数的各个决定因素，进而影响货币乘数。（1）电子货币与通货比率从通货比率的公式（k=M0/D，其中D为活期存款）来看，通货比率深受流通中现金M0的影响，而电子货币对现金的替代作用，显著降低了通货比率。（2）电子货币与准备金比率电子货币的使用对准备金比率的影响要从法定存款准备金率和超额存款准备金率来分析。在中国，法定存款准备金率由中央银行制定，中央银行可以根据政策的需要，针对不同的存款金融机构，制定不同的法定存款准备金率水平。电子货币的使用无疑将会影响中央银行的决策，但由于情况过于复杂且偏离主题
12、，本文将不考虑法定存款准备金的影响与法定存款准备金相比，存款金融机构能够在一定条件下灵活调整超额准备金率。电子货币对现金的替代效应增强，使得公众的提现率降低，因此存款金融机构可以减少用于满足提现要求的备付资金，即用于维持银行流动性的超额存款准备金减少。（3）电子货币与定期存款比率电子货币对定期存款比率的影响，主要是通过电子货币支付结算快速的特性来实现的。在支付结算体系实现电子化的情况下，电子货币的使用令资金支付结算的效率提高，定期存款的收益率和比重相对提高，从而使得定期存款比率上升。（二）电子货币对基础货币影响的实证分析1.变量选取（1）电子货币。随着货币形态的转移，现金和电子货币成了人们对立
13、的选择。在以往的研究中常以银行卡交易额衡量中国电子货币发展情况，但考虑到近年来移动支付端的快速发展，银行卡的交易已经无法代表中国电子货币的发展，所以本文选择2009年至2018年的“非现金支付业务额”作为电子货币量，记为EM。（2）基础货币。由上述理论分析，基础货币的影响因素包括流通中现金和商业银行存款准备金等，而电子货币会通过这些因素对基础货币产生影响。本文选取货币当局资产负债表中的储备货币作为基础货币量，记为MB（3）现金漏损率。由上述理论分析，通过电子货币的替代作用，现金的使用减少，现金漏损率（M0/M1）也将减少。记为K。（4）超额存款准备金。由于电子货币的使用使得社会公众对现金的需求
14、量下降，商业银行需要为社会公众准备的用于向中央银行兑换现金的超额准备金就下降。记为RER。2.数据预处理为了使数据的时间长度更加符合VAR模型检验的需要，本文将2009年至2018年的年度数据转换为季度数据，具体运用Quadratic-match Average二次匹配平均法进行转换。为了降低数据的异方差性，在实证之前对基础货币数据MB和电子货币数据EM进行对数处理，分别表示为LNMB和LNEM。3.各变量的平稳性检验在建立模型之前需要对所有经济变量的平稳性进行检验，以判断变量是否平稳，只有所有变量是平稳或同阶单整的，建立的模型才可靠，模型反应的各变量间的关系才可信。本文采用ADF单位根检验法
15、对变量进行平稳性检验，检验结果如下表所示。表1 ADF检验结果变量ADF统计量临界值P值结论1%5%10%K-1.413728-3.615588-2.941145-2.6090660.5654非平稳D(K)-1.77697-3.615588-2.941145-2.6090660.3859非平稳D(K,2)-7.001922-3.621023-2.943427-2.6102630.0000平稳LNMB-2.25733-3.639407-2.951125-2.61430.191非平稳D(LNMB)-2.131136-3.639407-2.951125-2.61430.2343非平稳D(LNMB,2
16、)-5.972904-3.639407-2.951125-2.61430.0000平稳LNEM-1.202189-3.639407-2.951125-2.61430.6621非平稳D(LNEM)-1.851338-3.639407-2.951125-2.61430.3504非平稳D(LNEM,2)-5.478743-3.639407-2.951125-2.61430.0001平稳RER-2.575671-3.639407-2.951125-2.61430.1078非平稳D(RER)-5.352498-3.6329-2.948404-2.6128740.0001平稳资料来源：电子货币来自wind
17、资讯数据库，其余来自国泰安经济数据库。由检验结果可知，变量K、LNMB、LNEM、RER的ADF检验对应的P值均大于0.05，因此在5%的显著性水平下，接受原假设，这些变量是非平稳序列。对原始变量进行一阶差分后得到的变量，其中RER的一阶差分的ADF检验P值小于0.05，因此在5%的显著性水平下拒绝原假设，即一阶差分后的RER变量是平稳的，而其他变量仍为非平稳变量。对变量K、LNMB、LNEM进行二阶差分得到的变量，对其进行ADF检验，相应得到的P值小于0.05，因此在5%的显著性水平下，变量K、LNMB、LNEM二阶差分后是平稳的。由此可见，变量K、LNMB、LNEM是二阶单整序列，变量RE
18、R是一阶单整序列。在实证分析为了使所有变量都为同阶单整，因此实证分析中使用变量K、LNMB、LNEM一阶差分后的变量和一阶差分平稳的变量RER，这样使用的变量皆为一阶单整序列，具备进行协整检验和进一步分析的平稳性基础。4.VAR模型滞后阶数的确定和稳定性检验最优滞后阶数的确定有多种方法，如：LR检验、FPE检验、AIC信息准则、SC准则、HQ检验等。多种方法确定的最优滞后阶数如下表所示，其中标有“*”的就是对应方法确定的最优滞后阶数。表2 最优滞后阶数确定结果滞后阶数LR检验FPE检验AIC信息准则SC准则HQ检验0NA1.63E-16-25.00062-24.82468-24.9392111
19、51.2671*3.04E-18*-28.99132*-28.11159*-28.68427*221.556183.45E-18-28.90081-27.31729-28.3481236.9112156.81E-18-28.31241-26.0251-27.51408由表可知：五种方法全部确定的最优滞后阶数皆为1阶，因此本文确定最优滞后阶数为1阶。AR根的稳定性结果显示，单位根全落在单位圆内，这说明VAR模型是稳定的，可以对VAR模型进行一个标准差的脉冲响应函数分析。图1 AR根稳定性结果5.协整检验根据平稳性检验结果，变量D(K)、D(LNMB)、D(LNEM)和RER均为同阶单整序列，因此
20、具备进行协整检验的条件。本文运用Johansen协整检验方法进行协整关系检验。对变量D(K)、D(LNMB)、D(LNEM)和RER进行协整检验，结果如下表3 D(LNEM)、D(K)、RER和D(LNMB)变量协整检验协整方程数特征值迹统计量5%临界值P值None*0.23216272.1942147.856130.0001At most 10.2065144.7199129.797070.0005At most 20.15051320.6631815.494710.0076At most 30.0349363.6983823.8414660.0545由上表可知：第一行的原假设为“变量之间不
21、存在协整关系”，对应的迹统计量大于5%显著性水平下的临界值，同时相应的P值小于0.05，因此拒绝原假设，即变量之间存在协整关系。由第三行可知，原假设为“至多存在2个协整关系”，但对应的迹统计量大于5%显著性水平下的临界值，同时相应的P值小于0.05，因此拒绝原假设，即变量之间存在3个协整关系。6.格兰杰因果关系检验本节通过格兰杰因果检验方法，对变量D(K)、D(LNMB)、D(LNEM)和RER之间的格兰杰因果关系进行分析，结果如下：表4 格兰杰因果检验结果滞后1阶滞后2阶滞后3阶滞后4阶滞后5阶 Null Hypothesis:F-StatisticProb. F-StatisticProb
22、. F-StatisticProb. F-StatisticProb. F-StatisticProb. D(K) does not Granger Cause D(LNEM)0.355930.55460.390620.67980.314680.81460.67770.61360.589540.708 D(LNEM) does not Granger Cause D(K)0.016520.89850.316490.7310.232820.87280.066230.99150.270540.9246 D(LNMB) does not Granger Cause D(LNEM)0.690560.4
23、1160.350960.70670.357550.7841.811450.15690.829780.5417 D(LNEM) does not Granger Cause D(LNMB)2.747580.10631.069250.35521.267150.30419.16452.00E-0711.73621.00E-05 RER does not Granger Cause D(LNEM)4.521780.04062.673930.08441.581890.21511.084930.38440.710610.6216 D(LNEM) does not Granger Cause RER2.94
24、7460.09490.489540.61740.044280.98741.189570.33870.662910.6552 D(LNMB) does not Granger Cause D(K)0.175220.67810.418930.66130.323960.8080.187730.94270.210010.9548 D(K) does not Granger Cause D(LNMB)0.728940.3990.412640.66540.275460.84260.679760.61222.394950.0689 RER does not Granger Cause D(K)4.08566
25、0.05093.839830.0322.147950.11581.093560.38041.20310.3389 D(K) does not Granger Cause RER7.093220.01161.856280.17271.340240.28061.282660.30233.435750.0183 RER does not Granger Cause D(LNMB)2.311150.13742.755840.07871.683070.19241.647830.19241.441480.2472 D(LNMB) does not Granger Cause RER0.041050.840
26、60.470360.6290.081750.96940.251230.90630.343480.8811由检验结果可知：在10%的显著性水平下，变量D(K)和D(LNEM)在滞后1至5阶的情况下，F统计量对应的P值均大于0.1，接受原假设，不存在格兰杰因果关系。变量D(LNEM)对D(LNMB)在滞后阶数为4和5时，F统计量对应的P值小于0.1，拒绝原假设，存在格兰杰因果关系。即变量D(LNEM)的变动，对较长期以后的D(LNMB)产生影响。在10%的显著性水平下，变量RER和D(LNEM)之间在滞后1阶时存在相互的格兰杰因果关系，即两个变量存在相互影响。变量D(K)对D(LNMB)在滞后阶数
27、为5时F统计量对应的P值小于0.1，拒绝原假设，存在格兰杰因果关系。在10%的显著性水平下，变量D(K)和RER之间在滞后1阶时存在相互的格兰杰因果关系。在10%的显著性水平下，变量RER对D(LNMB)在滞后阶数为2时存在格兰杰因果关系。7.脉冲响应分析本节运用脉冲响应函数，分析变量D(K)、D(LNMB)、D(LNEM)和RER之间的相互关系，变量D(LNEM)的冲击引起其他变量的脉冲响应图如下所示。图2 脉冲响应分析图由第一张图可知，变量D(LNEM)的一个单位正向冲击会对变量D(LNMB)产生负向影响，并且这种负向影响在第一期时最大，随后快速减小，至第四期时负向影响基本消失。说明电子货
28、币的增长变动D(LNEM)对基础货币的变动D(LNMB)产生负向影响，而且这种负向影响是短期性的。由第二张图可知，变量D(LNEM)的一个单位正向冲击会对变量D(K)产生负向影响，在第一期时最大，并逐渐减小，在第十四期基本消失。说明电子货币的增长变量对现金漏损率的变动产生负向影响，并且负向影响持续时间较长。由第三张图可知，变量D(LNEM)的一个单位正向冲击会对变量RER产生负向影响，在前三期的时候较大，随后快速减小，在第八期时负向影响基本消失，并且前三期负向影响较大，滞后影响逐渐减小。8.小结电子货币的变动和基础货币的变动、现金漏损率、超额准备金率之间存在长期均衡关系。其中，超额准备金率和电
29、子货币变动之间存在相互的影响关系，电子货币使用量的增加使得流通中的纸质货币减少，货币供应量下降，进而引起超额准备金率的下降。同时，电子货币增长变动对基础货币的变动有着负向影响，即电子货币使用量的增加会减少基础货币量的需求。电子货币增长变量还会对现金漏损率产生负向影响，即电子货币使用量的增加，大大降低了对纸质货币的需求和使用，使提现率降低，流出银行的现金减少，现金漏损率减小。并且这种负向影响具有长期性。（三）电子货币对货币乘数影响的实证分析本节首先对中国2009年至2018年的狭义货币供应量M1的乘数（m1）和广义货币供应量M2的乘数（m2）的变化进行观察和分析其次，将狭义货币供应量M1的乘数和
30、广义货币供应量M2的乘数分别表示为通货比率k、超额准备金比率RER和电子货币使用量EM的函数进行回归，并对各变量对m1和m2的影响进行相关性分析。最后根据分析结果进行总结。1.中国货币乘数变化趋势分析根据货币乘数的计算公式：狭义货币乘数m1=M1/基础货币；广义货币乘数m2=M2/基础货币。具体情况如下：表5 2009-2018年中国货币乘数变化情况（亿元）年份基础货币M1M2狭义货币乘数m1广义货币乘数m22009143985.00220001.50606225.001.534.212010185311.08266621.54725851.791.443.922011224641.76289
31、847.70851590.901.293.792012252345.17308664.23974148.801.223.862013271023.09337291.051106524.981.244.082014294093.02348056.411228374.811.184.182015276377.49400953.441392278.111.455.042016308979.61486557.241550066.671.575.022017321870.76543790.151676768.541.695.212018330956.50551685.901826744.221.675.
32、52资料来源：根据国泰安经济数据库中货币当局资产负债表统计数据汇总整理图3 2009-2018年中国货币乘数变化趋势（1）狭义货币乘数的变化趋势分析从狭义货币乘数m1来看，货币乘数从2009年的1.53逐步上升到2018年的1.67。2014年为1.18，呈现出先下降、后上升的态势。总体来看，电子货币对狭义货币的影响越来越大。（2）广义货币乘数的变化趋势分析由图3可见，在电子货币的影响下，广义货币乘数也呈现出先下降、后上升的态势。总的来看，广义货币乘数的增长速度要远快于狭义货币乘数的增长速度。（3）电子货币与货币乘数变化的相关性分析首先，分别以狭义货币乘数m1和广义货币乘数m2为被解释变量，以
33、通货比率K和电子货币使用量EM作为解释变量建立函数关系式，其中电子货币使用量取自然对数。回归方程如下：其次，运用Quadratic-match Average二次匹配平均法将2009-2018年的年度数据转换为季度数据，使得回归结果更可靠。最后运用Eviews软件对回归方程进行回归，并通过拟合优度检验和F检验得出经济意义和结论，结果和分析如下。（4）狭义货币乘数m1为被解释变量（，），表示狭义货币乘数m1与通货比率K是负向关系，通货比率K自2014年起急剧下降，到2017年年底时才稍稍回升，最低点出现再2017年第四季；而同期狭义货币乘数m1则在2014年起急剧上升，最高点也出现在2017年第
34、四季。因此，总体来看，该回归系数与实体经济情况大致相同。，表示狭义货币乘数m1与电子货币使用量也是负向关系。Adjusted R-squared = 0.89，表示估计的样本回归方程较好的拟合了样本观测值。并且解释变量与被解释变量间存在较强的相关性。F统计量为150.8805，Prob(F-statistic) = 0.00000，所以回归方程是显著的，即狭义货币乘数m1与通货比率K和电子货币使用量LNEM之间存在显著的线性关系。（5）广义货币乘数m2为被解释变量（，），表示广义货币乘数m2与通货比率K是负向关系，结合图形来看，该回归系数与实体经济情况大致相同。，表示广义货币乘数m2随着电子货
35、币使用量LNEM的增加而增加。Adjusted R-squared = 0.88，表示估计的样本回归方程较好的拟合了样本观测值。并且解释变量与被解释变量间存在较强的相关性。F统计量为134.5836，Prob(F-statistic) = 0.00000，所以回归方程是显著的，即广义货币乘数m2与通货比率K和电子货币使用量LNEM之间存在显著的线性关系。四、结论五、总结及建议电子货币日益普及，其对传统货币的替代效应也使得货币供给调控的难度增加，不过电子货币有其固有特性，应用得当，对金融市场必定利大于弊。然而在当前，电子货币的增加直接影响着流通中的货币，也使得央行对基础货币控制力减弱，针对这种情
36、况，分析电子货币对货币供给影响极为必要。在本文中，逼着通过模型的构建来进行具体分析。具体来说，实证部分主要包括两大方面。其一，探析电子货币对基础货币的影响，因为电子货币通过影响流通中的通货和存款准备金，使得整体基础货币量下降；其二，探析电子货币对货币乘数的影响，因为电子货币会影响货币乘数的各个决定因素，从而会对货币乘数产生影响。为对这两方面进行分析，笔者选择电子货币、基础货币、现金漏损率以及超额存款准备金作为变量，对各个变量进行平稳性检验等，通过VAR模型滞后阶数的确定和稳定性检验，确定最优滞后阶数为1阶。接着通过协整检验、格兰杰因果关系检验等，得出以下结论：其一，电子货币的变动和基础货币的变
37、动、现金漏损率、超额准备金率之间存在长期均衡关系。其中，超额准备金率和电子货币变动之间存在相互的影响关系，电子货币使用量的增加使得流通中的纸质货币减少，货币供应量下降，进而引起超额准备金率的下降。其二，电子货币增长变动对基础货币的变动有着负向影响，即电子货币使用量的增加会减少基础货币量的需求。电子货币增长变量还会对现金漏损率产生负向影响，即电子货币使用量的增加，大大降低了对纸质货币的需求和使用，使提现率降低，流出银行的现金减少，现金漏损率减小。并且这种负向影响具有长期性。针对以上影响，笔者提出了三点建议，其一，合理调整货币供应量的统计内涵，制定恰当合理的指标体系；其二，央行进行货币政策调整时候
38、，应当提高利率市场化的变革效率；其三，针对货币乘数加大问题，央行需要构建起电子货币统计监测体系，从而确保金融市场的稳定与发展。参考文献1 卞志村,陈义林.经济结构调整目标下的财政货币政策协调，广东金融学院学报2008年第6期,第35-43页。2 陈宗胜.中国经济体制市场化进程研究，上海人民出版社1999年版。3 杜钰洲.中国改革开放的成功与中国纺织工业的发展前景，中国纺织经济信息网，2007年6月5日。4 付广军,刘洋.对拉弗曲线的理论探索和实证检验以中国证券交易印花税为例，税收经济研究2013年第3期，第66-74页。5 Campos, J. E., D. Lien, and S. Prad
39、han, 1999, The Impact of Corruption on Investment: Predictability Matters. World Development 27(6), pp.1059-1067.6 Clinton, J. E., and S. Latin , 2003, The Impact of Corruption on Investment: Predictability Matters. World Development 27(6), pp.1059-1067.7 Hampos, J. E., D. Lien , and S. Pradhan, 199
40、9, The Impact of Corruption on Investment: Predictability Matters. World Development 27(6), pp.1059-1067.8 Kampos, J. E., D. Lien , and S. Pradhan, 1999, The Impact of Corruption on Investment: Predictability Matters. World Development 27(6), pp.1059-1067.9 Mampos, J. E., D. Lien , and S. Pradhan, 1
41、999, The Impact of Corruption on Investment: Predictability Matters. World Development 27(6), pp.1059-1067.后记随着毕业论文的完成，大学四年的学习生活就要结束了。在论文的撰写中，非常感谢我的导师。宏观经济学的内容十分丰富，从不同角度看拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论。宏观经济学的内容十分丰富，从不同角度看拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论拉弗曲线是供给学派理论。15