1、.：.；安徽新型工業(yè)化與資本市場(chǎng)的脈沖呼應(yīng)分析我們假定安徽新型工業(yè)化進(jìn)程與資本市場(chǎng)的開展是相互配合、調(diào)和一致的，且兩者的開展程度由低級(jí)向高級(jí)逐漸提升。當(dāng)新型工業(yè)化程度較低、綜合指數(shù)較小時(shí)，資本市場(chǎng)籌資規(guī)模也不大、開展程度也不高；而當(dāng)資本市場(chǎng)籌資額加大時(shí)，新型工業(yè)化程度也有所提高，新型工業(yè)化與資本市場(chǎng)之間那么堅(jiān)持較優(yōu)的協(xié)調(diào)形狀。然而，這樣的分析并不能清楚地得出，安徽新型工業(yè)化進(jìn)程的加快能否是資本市場(chǎng)不斷開展完善而推進(jìn)的，同樣，安徽資本市場(chǎng)的成熟能否有新型工業(yè)化程度提高而促進(jìn)的要素；此外，假設(shè)兩者是相互促進(jìn)、相互驅(qū)動(dòng)的，那么一方在另一方的開展過程中的奉獻(xiàn)究竟有多大，均需求進(jìn)一步深化準(zhǔn)確地分析。為了

2、詳細(xì)分析安徽新型工業(yè)化與資本市場(chǎng)之間相互影響的程度，本文將在向量自回歸模型Vector Autoregressive Model，VAR模型根底上研討兩者的動(dòng)態(tài)特性，主要技術(shù)手段是VAR中的脈沖呼應(yīng)函數(shù)和方差分解。一、模型的建立1980年Sims提出了向量自回歸模型，該模型采用多方程自回歸模型的聯(lián)立方式，本質(zhì)上是一種非構(gòu)造化的多方程模型，即它不以經(jīng)濟(jì)實(shí)際為根底，而是用數(shù)據(jù)本身來確定模型的動(dòng)態(tài)構(gòu)造。VAR模型通常用于相關(guān)時(shí)間序列系統(tǒng)的預(yù)測(cè)和隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)影響分析，模型避開了構(gòu)造建模方法中需求對(duì)系統(tǒng)中每個(gè)內(nèi)生變量關(guān)于一切內(nèi)生變量滯后值函數(shù)的建模問題，不需求對(duì)變量的內(nèi)生性和外生性進(jìn)展假定，

3、即可以將VAR模型中一切的變量都看作是內(nèi)生的。這些內(nèi)生變量共同組成一個(gè)封鎖系統(tǒng)，然后運(yùn)用最小二乘OLS或最大似然Maximum Likelihood等多種方法進(jìn)展參數(shù)估計(jì)。但由于VAR模型的參數(shù)估計(jì)量只具有一致性，單個(gè)參數(shù)估計(jì)值的經(jīng)濟(jì)意義并不明確，因此要對(duì)VAR模型做出詳細(xì)的結(jié)論，必需借助脈沖呼應(yīng)函數(shù)和方差分解。脈沖呼應(yīng)函數(shù)Impulse Response Functions，IRF用于衡量隨機(jī)擾動(dòng)項(xiàng)的一個(gè)規(guī)范差沖擊對(duì)內(nèi)生變量當(dāng)前值和未來值的影響，并且擾動(dòng)項(xiàng)對(duì)某一變量的沖擊影響經(jīng)過VAR模型的動(dòng)態(tài)構(gòu)造傳送給其他一切的變量。而方差分解Variance Decomposition那么是把VAR系統(tǒng)

4、中每個(gè)內(nèi)生變量的動(dòng)搖按其成因分解為與各方程新息相關(guān)聯(lián)的組成部分，從而了解各新息在模型變量動(dòng)態(tài)變化中的相對(duì)重要性。本文經(jīng)過建立關(guān)于安徽新型工業(yè)化綜合指數(shù)GYH與中長期貸款余額XD、股票市場(chǎng)籌資額GP之間的三變量VAR模型，讓數(shù)據(jù)本身來確定模型的動(dòng)態(tài)構(gòu)造，這是在目前沒有成熟的相關(guān)經(jīng)濟(jì)實(shí)際指點(diǎn)的情況下，研討新型工業(yè)化與資本市場(chǎng)動(dòng)態(tài)關(guān)系的一種可靠的技術(shù)手段。在建立VAR模型后，繪制其脈沖呼應(yīng)曲線圖，可以明晰地勾畫出安徽新型工業(yè)化程度和直接、間接籌資方式的擾動(dòng)傳送情況，從而察看安徽新型工業(yè)化程度對(duì)兩種籌資方式?jīng)_擊的反響。而方差分解技術(shù)將從另一個(gè)角度描畫兩種籌資方式的沖擊在新型工業(yè)化程度動(dòng)態(tài)變化中的相對(duì)重

5、要性。VAR模型最普通的VAR模型的數(shù)學(xué)表達(dá)式為： 1其中，是維內(nèi)生變量向量，為常數(shù)向量，1，2，為系數(shù)矩陣，為維誤差向量，其協(xié)方差矩陣為，且，。在實(shí)踐運(yùn)用中，通常希望滯后期足夠大，從而可以完好地反映所構(gòu)造模型的動(dòng)態(tài)特征；但另一方面，滯后期越長，模型中待估計(jì)的參數(shù)就越多，自在度就越少。因此，為了在滯后期與自在度之間尋求一種平衡形狀，普通根據(jù)和信息量取值最小的原那么或LR法確定模型的滯后階數(shù)。脈沖呼應(yīng)函數(shù)與脈沖呼應(yīng)曲線圖在隨機(jī)擾動(dòng)項(xiàng)上加一個(gè)規(guī)范差大小的沖擊會(huì)對(duì)內(nèi)生變量的當(dāng)前值和未來值產(chǎn)生一定的影響，脈沖呼應(yīng)函數(shù)就是用來跟蹤這種影響的。調(diào)查一個(gè)簡單的雙變量一階向量自回歸模型VAR：其中，和是VAR

6、中的內(nèi)生變量，是隨機(jī)擾動(dòng)項(xiàng)或新息Innovation。在VAR中，發(fā)生變化，不僅會(huì)立刻改動(dòng)的當(dāng)前值，同時(shí)也會(huì)經(jīng)過當(dāng)前的值影響到變量和今后的取值，由于的滯后項(xiàng)在兩個(gè)方程中都是解釋變量。脈沖呼應(yīng)函數(shù)就是試圖描畫這些影響的軌跡，顯示恣意一個(gè)變量的擾動(dòng)如何經(jīng)過模型影響一切其他變量，最終又反響到本身的過程。假設(shè)新息和之間是不相關(guān)的，那么脈沖呼應(yīng)可以直接進(jìn)展解釋，即是的新息，是的新息。但新息之間普通都是相關(guān)的，它們將包含一個(gè)不與某特定變量相聯(lián)絡(luò)的共同成分，故無法將新息單獨(dú)指派給某一變量。通常，將共同成分的效應(yīng)歸屬于VAR系統(tǒng)中第一個(gè)出現(xiàn)按照方程順序的變量。為了處置這一問題，常引入一個(gè)變換矩陣與新息相乘，使

7、得：從而把的協(xié)方差矩陣變換為一個(gè)對(duì)角矩陣。目前，用于此變換的方法有很多，常用的一種是喬利斯基Cholesky分解法，其經(jīng)過將新息正交化而使得每個(gè)變量的相對(duì)影響可以別分開來。將脈沖呼應(yīng)函數(shù)繪制成脈沖呼應(yīng)曲線圖，那么可以更直觀地分析沖擊對(duì)每個(gè)內(nèi)生變量的動(dòng)態(tài)影響。假設(shè)脈沖呼應(yīng)曲線趨于0，闡明一變量暫時(shí)變化對(duì)另一變量沒有耐久影響；假設(shè)趨于某一數(shù)值，那么闡明一變量暫時(shí)變化對(duì)另一變量有耐久影響；假設(shè)脈沖呼應(yīng)曲線位于零坐標(biāo)線上方，即顯示一變量暫時(shí)變化可引起另一變量同向變化；假設(shè)曲線位于零坐標(biāo)線下方，那么表示一變量暫時(shí)變化可引起另一變量反向變化。方差分解法Sims于1980年提出的方差分解法，提供了一種判別經(jīng)

8、濟(jì)序列變量間動(dòng)態(tài)相關(guān)性的重要方法。方差分解本質(zhì)上是一個(gè)新息計(jì)算Innovation Accounting過程，是將系統(tǒng)在不同預(yù)測(cè)期限的預(yù)測(cè)均方誤差Mean Square Error，MSE分解為系統(tǒng)中各變量沖擊所作的奉獻(xiàn)。方差分解的主要思想是將系統(tǒng)中每個(gè)內(nèi)生變量共個(gè)的動(dòng)搖步預(yù)測(cè)均方誤差按其成因分解為與各方程新息相關(guān)聯(lián)的個(gè)組成部分，從而了解各新息對(duì)模型內(nèi)生變量的相對(duì)重要性。方差分解不僅是樣本期間以外的因果關(guān)系檢驗(yàn)，而且可以將每個(gè)變量的單位增量分解為一定比例本身緣由和其他變量的奉獻(xiàn)。對(duì)于式1所示的階向量自回歸過程，假設(shè)為平穩(wěn)隨機(jī)過程，那么可將其表示為無窮向量挪動(dòng)平均過程： 2利用Choleshy分

9、解法，將式2變換成： 其中，為一非奇特下三角矩陣，；，表示系統(tǒng)對(duì)單位沖擊新息的反響；，。那么的步預(yù)測(cè)均差誤差為：第個(gè)變量的新息對(duì)第個(gè)變量的步預(yù)測(cè)均差誤差的奉獻(xiàn)為： 3其中，是矩陣的第個(gè)元素。由式3可以測(cè)算VAR模型系統(tǒng)中恣意一個(gè)內(nèi)生變量的預(yù)測(cè)均方誤差分解成系統(tǒng)中各變量的新息所做的奉獻(xiàn)，估算該變量奉獻(xiàn)占總奉獻(xiàn)比例隨時(shí)間變化而變化的特征，研討變量在系統(tǒng)中的作用以及它的變化對(duì)系統(tǒng)內(nèi)其他變量的影響。二、安徽新型工業(yè)化與資本市場(chǎng)的動(dòng)態(tài)分析VAR模型的建立與參數(shù)估計(jì)本文建立VAR模型所采用的變量為19932003年安徽新型工業(yè)化綜合指數(shù)GYH、中長期貸款余額XD和股票市場(chǎng)籌資額GP。為了防止數(shù)據(jù)的猛烈動(dòng)搖

10、，先對(duì)各序列進(jìn)展對(duì)數(shù)化處置，分別記為LGYH、LXD、LGP。由于本文研討數(shù)據(jù)的期限限制，因此所建立的VAR模型的最優(yōu)滯后步長為1階。需求留意的是，由于沖擊對(duì)變量的沖擊順序非常敏感，根據(jù)Sims1980和Zhou1996提出的沖擊順序，應(yīng)該先是不易受影響的變量如弱外生變量，后是與之相關(guān)的內(nèi)生變量，最后是其他內(nèi)生變量，故在此原那么上，確定本文的沖擊順序?yàn)镚P、XD、GYH。根據(jù)式1建立如下向量自回歸動(dòng)態(tài)方程： 利用計(jì)量分析軟件Eviews3.1建立LGP、LXD、LGYH三變量的VAR模型，參數(shù)估計(jì)及檢驗(yàn)結(jié)果見表1至表3：表1 VAR模型參數(shù)估計(jì)值變 量LGPLXDLGYHLGP(-1)-0.0

11、33190-0.0071990.002498(0.26617)(0.02690)(0.01478)(-0.12469)(-0.26759)(0.16904)LXD(-1)4.2678080.3397840.070388(2.45460)(0.24808)(0.26)(1.73870)(1.36965)(0.51657)LGYH(-1)-9.2815832.6041710.691521(9.98372)(1.00903)(0.55422)(-0.92967)(2.58086)(1.24773)C-29.009725.926675-0.597621(21.3495)(2.15774)(1.1851

12、6)(-1.35880)(2.74670)(-0.50425)注：表中參數(shù)估計(jì)值下面的第一個(gè)括號(hào)內(nèi)的數(shù)字是估計(jì)系數(shù)規(guī)范差，第二個(gè)括號(hào)內(nèi)的數(shù)字是t檢驗(yàn)統(tǒng)計(jì)量值。表2 VAR模型各方程檢驗(yàn)結(jié)果被解釋變量LGPLXDLGYHR-squared0.5847120.9657950.854162Adj. R-squared0.3770680.9486930.781243Sum sq. resids7.9389580.0810940.024465S.E. equation1.1502870.1162570.063855F-statistic2.81593456.4711111.73Log likelihoo

13、d-13.035379.88426415.87610Akaike AIC3.407074-1.176853-2.375221Schwarz SC3.528108-1.055819-2.254186表3 VAR模型整體檢驗(yàn)結(jié)果Determinant Residual Covariance2.13E-06Log Likelihood22.72602Akaike Information Criteria-2.145204Schwarz Criteria-1.782102從表1中的統(tǒng)計(jì)量值可以看出，每個(gè)方程都僅有約三分之一的滯后項(xiàng)經(jīng)檢驗(yàn)是顯著的。而表2中三個(gè)方程的檢驗(yàn)結(jié)果闡明，后兩個(gè)方程的擬合效果較好

14、，但第一個(gè)方程的、和F統(tǒng)計(jì)量值都較低，這闡明LGP、LXD和LGYH三個(gè)變量的上一期變化對(duì)LGP本期的總影響是不顯著的，LGP的變化主要由模型之外的其他變量來決議。然而，在建立VAR模型時(shí)普通不根據(jù)檢驗(yàn)的顯著與否來進(jìn)展變量的挑選，而是保管各個(gè)滯后變量。故有如下的向量矩陣方式：LGP、LXD和LGYH的脈沖呼應(yīng)分析為了更加清楚地了解LGP、LXD、LGYH這三個(gè)變量的動(dòng)態(tài)特征，運(yùn)用三者的VAR模型，對(duì)其進(jìn)展脈沖呼應(yīng)分析，即計(jì)算一個(gè)規(guī)范差大小的LGP、LXD、LGYH沖擊分別對(duì)LGP、LXD和LGYH的影響。由此在Eviews3.1中得到脈沖呼應(yīng)表表4至表6和脈沖呼應(yīng)曲線圖圖1至圖3。表4 LGY

15、H的脈沖呼應(yīng)表PeriodLGPLXDLGYH10.0103540.0434850.02117420.0126280.0355170.01464230.0114580.0341990.01640.0111550.0342040.01450.0110730.0338260.00060.0109420.0333700.01340570.0107990.0329420.01323180.0106610.0325240.01306490.0105260.0321100.012898100.0103920.0317020.012734圖1 LGYH對(duì)各變量單位沖擊的呼應(yīng)曲線由表4和圖1可知，LGYH遭到

16、LXD的脈沖呼應(yīng)要強(qiáng)于LGP和其本身對(duì)它的脈沖呼應(yīng)。當(dāng)在本期給LXD一個(gè)規(guī)范差的新息后，LGYH立刻有較強(qiáng)呼應(yīng)，添加了0.043，之后LGYH雖有緩慢下降的趨勢(shì)，但可以看出無論從短期還是長期來說，LGYH對(duì)LXD的沖擊皆具有顯著、穩(wěn)定的正向呼應(yīng)，由強(qiáng)漸弱，長期趨于0.03，LXD對(duì)LGYH的效應(yīng)時(shí)滯為1期。LGYH對(duì)其本身的沖擊在第1期添加了0.021，第2期有所下降，但長期堅(jiān)持微弱的正向影響。LGYH對(duì)LGP的脈沖呼應(yīng)在第1期幾乎沒有反響，到第2期才較為明顯，但影響時(shí)間不長，到第6期根本上只需0.01的微弱正影響，LGP對(duì)LGYH的作用時(shí)滯為2期。表5 LXD的脈沖呼應(yīng)表PeriodLGPL

17、XDLGYH10.0460650.0773790.00000020.0362020.5340.05514130.0446760.1404330.05828240.0447670.1348460.05423850.0436620.1329270.05328060.0430610.1314640.05279970.0425450.1298060.05214680.0420070.1281410.05147090.0414710.1265090.050814100.0409430.1249010.050168圖2 LXD對(duì)各變量單位沖擊的呼應(yīng)曲線由表5和圖2可知，LXD受本身的沖擊影響最大，當(dāng)在本期

18、給LXD一個(gè)單位沖擊后，LXD隨即添加0.077，在第3期到達(dá)峰頂，之后LXD緩慢下降并趨于穩(wěn)定，長期趨于0.12。LXD對(duì)LGYH的一個(gè)規(guī)范差的新息在第1期沒有影響，第2期比較顯著，第3期呼應(yīng)最大，后趨于穩(wěn)定，作用時(shí)滯2期。而LGP的沖擊對(duì)LXD在短、長期皆具有正向呼應(yīng)，除第2期外，不斷堅(jiān)持0.04的穩(wěn)定程度。LXD受三個(gè)變量的沖擊具有顯著的正向影響，大致在第4期后趨于穩(wěn)定。表310 LGP的脈沖呼應(yīng)表PeriodLGPLXDLGYH10.8910080.0000000.00000020.070919-0.073372-0.19653030.0349430.2682840.10595040.

19、0831610.2730130.11977150.0847570.2489660.10022160.0807570.2450820.09783070.0795370.2432030.09766780.0787000.2401660.09650390.0777120.2370350.095211100.0767130.2340150.093994圖3 LGP對(duì)各變量單位沖擊的呼應(yīng)曲線由表6和圖3可以得出，LGP受其本身的單位沖擊具有長期正向呼應(yīng)，在第一期時(shí)最為顯著，隨后迅速下降，在第3期呼應(yīng)最小，第4期后穩(wěn)定在0.08左右。LGP對(duì)其他變量LGYH、LXD的新息在第1期均沒有反映，在第2期跌至低

20、谷，呈現(xiàn)微弱的負(fù)效應(yīng)，之后又同時(shí)上升，在第4期到達(dá)峰頂并趨于穩(wěn)定，LGP對(duì)LXD的沖擊呼應(yīng)長期趨于0.23，影響較為顯著，而對(duì)LGYH的脈沖呼應(yīng)長期趨于0.09，與本身的沖擊影響效果相當(dāng)，LGYH對(duì)LGP的作用時(shí)滯為3期。LGP、LXD和LGYH的方差分解分析脈沖呼應(yīng)分析思索了各種沖擊對(duì)LGP、LXD和LGYH的影響，為了進(jìn)一步調(diào)查三個(gè)變量彼此的動(dòng)搖性，利用方差分解技術(shù)對(duì)LGP、LXD和LGYH各變量的預(yù)測(cè)均方誤差進(jìn)展分解，并計(jì)算出每個(gè)變量沖擊的相對(duì)重要性。方差分解的結(jié)果見表7至表9和圖4至圖6。表7 LGYH的方差分解表PeriodLGPLXDLGYH14.38216177.2918118.

21、3260326.53320277.2303516.2364437.15056477.6586515.1907847.41215977.9239314.6639257.58861378.0760514.3353367.71474978.1804814.1047777.80693678.2578813.9351987.87726678.3171313.8056097.93280078.3638713.70333107.97774878.4016913.62056圖4 LGYH的方差分解從表7和圖4可以看出，LXD的沖擊對(duì)LGYH影響最大，且根本穩(wěn)定在78%左右，闡明間接融資方式長期對(duì)安徽新型工業(yè)化

22、程度的影響是顯著的。而LGP的沖擊對(duì)LGYH的影響在第2、3步預(yù)測(cè)中有微弱上升后，不斷處于8%以下，因此，不論從短期還是長期來看，直接融資方式對(duì)安徽新型工業(yè)化的影響都比較小。這與脈沖呼應(yīng)分析的結(jié)論相吻合。表8 LXD的方差分解表PeriodLGPLXDLGYH126.1665073.833500.000000210.7501079.727479.52243439.51621279.1989911.2848049.27052379.0309511.6985359.10330278.9871211.9095868.98956978.9590412.0514078.91295478.9378312.

23、1492188.85757978.9224012.2200298.81541978.9107612.27382108.78227378.9016212.31611圖5 LXD的方差分解圖從表8和圖5可知，LXD的預(yù)測(cè)方差主要其本身的沖擊，從第2步預(yù)測(cè)開場(chǎng)就不斷堅(jiān)持在78%左右；LGYH的沖擊對(duì)LXD的影響不大，只是隨預(yù)測(cè)步長的延伸而逐漸增大，但其新息的影響沒有超越LXD預(yù)測(cè)方差的13%；而LGP的沖擊對(duì)LXD的影響那么呈下降趨勢(shì)，在第1步預(yù)測(cè)時(shí)其新息的影響占LXD預(yù)測(cè)方差的26.17%，在第2步時(shí)迅速下降為10.75%，之后就不斷處于9%以下。表9 LGP的方差分解表PeriodLGPLXDL

24、GYH1100.00000.0000000.000000294.779240.6386564.582100386.282578.3419915.375441478.8799214.845896.274196573.8635519.401956.734505669.6437823.244817.111414765.9808926.572307.446812862.8080229.454017.737971960.0371731.971027.9918111057.5955534.189008.215452圖6 LGP的方差分解圖表9和圖6闡明，LGP的動(dòng)搖主要受本身沖擊的影響，雖然這種影響呈明顯

25、的下降趨勢(shì)，但依然占50%以上。LXD和LGYH的新息對(duì)LGP的預(yù)測(cè)方差奉獻(xiàn)均在第2步預(yù)測(cè)時(shí)才開場(chǎng)顯現(xiàn)，但LXD的沖擊對(duì)LGP的預(yù)測(cè)方差奉獻(xiàn)增長較快，由第2步預(yù)測(cè)時(shí)的0.64%上升到34.19%，闡明從長期來看，安徽間接融資方式對(duì)直接融資的影響不容忽視；而LGYH的新息對(duì)LGP的影響那么處于緩慢增長態(tài)勢(shì)，長期趨于8%左右。三、根本結(jié)論經(jīng)過以上實(shí)證分析，可以得出以下結(jié)論：1從安徽新型工業(yè)化角度來看：經(jīng)過脈沖呼應(yīng)分析可知，不論長期還是短期，中長期信貸市場(chǎng)和股票市場(chǎng)對(duì)安徽新型工業(yè)化進(jìn)程均有正向影響，可見，安徽資本市場(chǎng)對(duì)新型工業(yè)化進(jìn)程的推進(jìn)具有積極作用，但兩者的影響力度有所不同，中長期信貸市場(chǎng)對(duì)新型工

26、業(yè)化的影響明顯大于股票市場(chǎng)對(duì)其的影響。安徽中長期信貸市場(chǎng)對(duì)新型工業(yè)化的影響長短期均較為顯著，且作用時(shí)滯為1期；而安徽股票市場(chǎng)對(duì)新型工業(yè)化的影響那么相當(dāng)微弱，作用時(shí)滯為2期，其整體作用效果不及中長期信貸市場(chǎng)對(duì)新型工業(yè)化影響的三分之一。從對(duì)LGYH的預(yù)測(cè)均方誤差分解可知，中長期信貸市場(chǎng)的沖擊對(duì)安徽新型工業(yè)化的動(dòng)搖有相當(dāng)大的解釋作用，奉獻(xiàn)比例不斷維持在78%左右；而股票市場(chǎng)對(duì)安徽新型工業(yè)化預(yù)測(cè)方差的奉獻(xiàn)不斷處于8%以下，闡明安徽資本市場(chǎng)的開展對(duì)推進(jìn)新型工業(yè)化進(jìn)程是有利的，但直接融資方式對(duì)安徽新型工業(yè)化的影響明顯小于間接融資方式，這與脈沖呼應(yīng)分析的結(jié)論相吻合。以上結(jié)論闡明，在當(dāng)前的安徽新型工業(yè)化進(jìn)程中，直接融資方式仍不能取代間接融資的主體位置，金融機(jī)構(gòu)的中長期貸款仍是企業(yè)籌集資金的重要來源；此外，由于目前安徽股票市場(chǎng)的運(yùn)作還不太規(guī)范、構(gòu)造也不太合理、募集資金運(yùn)用效率欠佳、政策性風(fēng)險(xiǎn)突出等問題的存在，影響了股票市場(chǎng)直接籌資方式對(duì)安徽新型工業(yè)化開展的成效發(fā)揚(yáng)。2從安徽資本市場(chǎng)的角度來看：經(jīng)過脈沖呼應(yīng)分析可以看出，安徽新型工業(yè)化進(jìn)程的推進(jìn)對(duì)中長期信貸市場(chǎng)和股票市場(chǎng)長期均有顯著的正向影響，而且此影響要大于安徽資本市場(chǎng)對(duì)新型工業(yè)化的影響程度。安徽中長期信貸市場(chǎng)受