文章编号：1003-6636（2012）02-0038-07；中图分类号：F011；文献标识码：A 犯罪对金融发展的影响研究 ――基于中国经验的实证研究收稿日期：2011-10-09
基金项目：本文受重庆市社会科学规划项目《中国转型时期犯罪治理资源的配置效率研究》（2010QNJJ08）和西南政法大学2010年度科研训练创新活动专门项目《犯罪对金融发展的影响：基于中国经验的实证研究》（10XZ-BZX-03）资助。
作者简介：陈刚（1981-），男，四川内江人，西南政法大学经济学院副教授，博士研究生，研究方向为法律经济学；冯萌萌（1990-），女，山东德州人，西南政法大学经济学院2008级本科生，研究方向为金融发展理论；周春（1989-），女，重庆大足人，西南政法大学2008级本科生，研究方向为金融发展理论。
陈刚，冯萌萌，周春
（西南政法大学 经济学院，重庆401120）
摘要：在理论上，犯罪活动可能通过弱化财产安全和交易契约的有效性、阻碍社会资本的形成和成长以及恶化投资环境等渠道阻碍金融的深化。本文基于中国1997―2009年30个省市的面板数据的分析结果证实，在控制住经济变量、法律环境等变量之后，犯罪率显著地阻碍了中国的金融发展。总体而言，每万人的犯罪人数每增加一例，当地金融中介的私人贷款占GDP的比例将下降1.6个百分点左右；同时，分地区考察的结果还发现，在金融深化水平更高的东部地区，犯罪率对金融发展的阻碍作用也更大，意味着犯罪率对金融发展的阻碍程度与金融发展水平有关。
关键词：金融发展；犯罪；社会资本
Crime and Financial Development
- Evidence from China
CHEN Gang, FENG Meng?meng, ZHOU Chun
（Southwest University of Political Science and Law School of Economics,Chongqing 401120, China）
Abstract：In theory, criminal activities can obstacle the financial deepening in many ways, such as weakening the security of properties and the effectiveness of trading contract, inhabiting the formation and growth of social capital, deteriorate the investment environment, and so on. This paper measures the impact of crime on financial development by exploiting the panel data of 30 provinces of China from 1997 to 2009. Our central result is that criminal activities significant hindered China’s financial development. Further more, one criminal case (every ten thousand) increase, FINPRI (private loans of local financial intermediaries on GDP) will lower about 1.6 percent. Meanwhile, sub?regional study shows that crime plays a greater role to hinder the development of financial in the eastern region where has higher level of financial depth. This result also means that how much the influence of crime to financial development is related to the level of the financial deepening.
Key words：Financial Development; Crime; Social Capital
一、引言
犯罪是一种极端的反社会的行为。在伦理道德层面，犯罪活动严重地破坏了社会正义和社会道德；在经济层面，犯罪也是一项具有高昂社会成本的破坏性活动，是拖累经济持续增长的沉重桎梏。
在中国，自改革开放以来的经济和社会转型虽然收获了巨大的成功，但是不断深化的经济和社会体制改革越来越严重地冲击到了旧有的利益格局。同时，由于改革收益增量在各阶层间的分配不平衡，结果是一些潜在的社会矛盾和社会冲突也慢慢浮出了水面，并变得日益尖锐。这些社会矛盾和社会冲突日趋激化的一个重要表现就是，中国的犯罪率在转轨时期也急剧地恶化了。据统计数据显示，中国公安机关立案的每万人财产犯罪数和暴力犯罪数在过去30年里都大幅度地增加了，每万人总犯罪数由1978年的5?57起增加到了2009年的41?81起，增长了7?5倍，年均增长率高达6?7%。①①根据相关统计年鉴上对犯罪的统计分类标准，本文将盗窃、诈骗、抢劫定义为财产犯罪，将抢劫、杀人、伤害和强奸定义为暴力犯罪。中国的财产犯罪率与总犯罪率在1989年和1992年出现了一个较大的波动，这是因为1989年公安机关调整了立案不实的情况，并在1992年提高了盗窃案的立案标准。如果忽略这两个调整而导致的波动，中国的犯罪率从1980年代中期开始到20世纪末几乎一直保持着稳定上升的趋势。特别是在2000年以后，中国的犯罪率进入了新的一轮高峰期，无论是每万人财产犯罪数还是暴力犯罪数在新千年后都有一个明显的跳跃式增长。
数据来源：作者根据历年《中国法律年鉴》和《中国统计年鉴》整理。
图11978―2009年中国的犯罪率变化趋势犯罪率的急剧恶化，不仅对中国的公共安全构成了严重的威胁，是建设社会主义和谐社会的最大障碍之一。②②国家统计局在2007年对全国31个省（自治区、直辖市）共101029个家庭的问卷调查结果显示，社会治安位列群众最关心的社会问题的第3位，仅次于医疗和社会风气。中国经济时报和腾讯网在2007年举行的联合调查结果同样显示，有3?56%的被调查者认为社会治安不好是构建和谐社会的最大障碍。而且，犯罪率的急剧恶化所产生的社会成本支出也是拖累中国经济可持续增长的沉重负担。因而，犯罪率到底对中国经济增长产生了什么样的影响，以及犯罪率的恶化可能通过什么样的机制影响了中国的经济增长是值得我们进一步去思考的问题。
在金融发展理论的相关文献中，金融被视作是现代经济的核心，金融体系在经济增长中具有占据首位（first-order）的重要作用。对于中国的金融体系来说，虽然其效率的低下一直以来都被学术界所诟病，其对改善资源配置和促进经济增长的作用也广受质疑。但金融在中国经济体系中的重要性同样是毋庸置疑的，如果脱离了金融体系的不断深化和发展，也不可能实现中国经济的可持续增长。
既然金融体系的不断深化发展对于经济增长至关重要，那么，犯罪率的恶化是否是阻碍中国金融发展的一个重要因素呢？上述问题的答案，不仅有助于我们在理论上更好地理解犯罪影响经济增长的机制，而且，对于推动中国的金融发展和经济增长也具有重要的政策性意义。在本文中，我们将以1997―2009年中国各地区的数据为样本，系统考察犯罪对中国金融发展的影响。
本文余下的内容结构安排如下：第二部分是文献综述，回顾国内外学者对这一问题的研究成果；第三部分是进行数据描述；第四部分，我们通过建立计量模型，对所研究的问题进行定量分析；第五部分，我们得出相关结论，并提出政策建议。
二、文献综述
犯罪活动具有高昂的社会成本。在理论上，犯罪活动的流行不仅会导致违法的商品和服务在市场上得以交易，从而扰乱社会秩序，妨害社会安全。而且，犯罪活动还将导致个人和整个社会遭受极大的物质和精神损害。近年来，核算犯罪的社会成本是犯罪经济学研究的一个热门课题。例如，Soares和Naritomi的研究显示，上世纪90年代美国的犯罪活动导致的社会成本支出大约占到了美国GDP总额的4?09％，拉丁美洲国家则高达5?79％。［1］Dototto和Vannin针对意大利的研究发现，2006年意大利的犯罪活动导致的社会成本支出高达380亿美元，约占意大利GDP的2?6%。犯罪活动导致的巨额社会成本支出，是拖累经济增长的沉重枷锁，并降低了各国的经济增长率。［2］Giménez的研究指出，如果拉丁美洲的犯罪率能够降低到世界的平均水平，那么，其经济增长速度每年将会因此提高大约0?9个百分点。［3］
本文并不打算考察犯罪是否也同样降低了中国经济的增长速度，这个问题的答案是显而易见的。我们关心的问题是，犯罪对中国的金融发展存在什么样的影响。因为，有关金融发展理论文献研究指出，金融体系是现代经济的核心，其在信息生产和信息分析、项目监控和公司监管、风险分散和风险管理、储蓄动员和储蓄积聚、交易平滑等五个方面具有重要作用，能够提高资本的配置效率和促进技术进步，是长期经济增长的良好指示器。在中国，虽然金融发展是否提高了其资本配置效率以及技术进步是一个有争议的问题，［4］但金融体系的深化和发展对于中国经济的可持续增长的重要性是毋庸置疑的，如果脱离了金融体系的不断深化和发展，也不可能实现中国经济的可持续增长。
在理论上，犯罪可能通过如下三种渠道影响金融发展。首先，犯罪增加了企业生产和市场交易的不确定性，严重威胁了财产安全和交易契约的有效性，从而可能阻碍金融发展。在法与金融的相关文献中，金融体系被视作是一组契约，因而，金融交易契约的有效性对于金融体系的发展是至关重要的。大量经验研究也证实，法律制度决定着各国金融体系的发展规模和效率，法律制度对产权和契约的保护越有力，当地的金融体系规模越大，且其对经济增长的促进作用越强。［5-6］对于犯罪活动来说，它是触犯现有法律制度的一项破坏性活动，它加剧了企业生产和市场交易的不确定性，并严重威胁着一国产权和契约的有效性，进而可能对当地的金融发展产生阻碍作用。
其次，犯罪活动还降低了信任，不利于当地社会资本的发育和成长，从而可能阻碍金融发展。已有研究证实，社会资本作为一种非市场力量，其在降低交易成本、提高交易效率以及保护市场契约的有效性等方面同样具有重要作用。因而，除去正式的法律制度之外，社会资本这种非正式制度也是决定一国金融发展的重要因素。［7］犯罪活动是一种具有严重社会危害的破坏性活动，严重地威胁着人们的人身和财产安全，因此，犯罪会降低人们之间的相互信任，不利于社会资本的形成，并进而可能阻碍了金融的发展。
最后，犯罪还恶化了投资环境，降低了投资主体的投资意愿，抑制了对金融服务的需求。犯罪作为一种反社会的行为，严重威胁到了投资者的生命和财产安全，恶化了投资环境，降低了投资主体的投资意愿。例如，Londo?o和Guerrero针对拉美国家的研究发现，城市暴力犯罪导致这些国家的投资率下降了1?8个百分点。显然，犯罪通过恶化投资环境并降低了投资率，从而将会抑制对金融服务的需求，进而也会阻碍金融发展。［1］
三、模型、变量和数据
计量模型设定的目的是为了考察犯罪对金融发展的影响，此外，由于影响金融发展的因素很多，我们还要控制其他可能的影响因素。我们将基准回归方程设定为如下形式：
FINPRIit=β0+β1CRIMEit+ΒΠ+∑yeart+νi+εit（1）
上式中，下标i表示省份，t表示年份；year为不可观测的时间效应，是一个不随省份不同而变化的变量，它可以解释所有没有被包含在回归模型中和时间有关的效应，vi为不可观测的地区效应，目的在于控制省份的固定效应，εit为随机干扰项，服从独立同分布。
上述回归方程中，被解释变量FINPRI是度量金融发展的变量。中国的金融体系是一个典型的以银行为主导的金融体系，虽然股票和债券市场在近年来取得了长足发展，但是信贷融资依然是企业融资的最主要渠道。因此，本文主要从金融中介的角度来度量中国的金融发展水平。以往的文献一般采用金融机构贷款占GDP的比率来度量中国的金融发展水平，但是上述处理方式受到的许多质疑，因为中国的金融体系长期以来都由国有银行主导，并且中国的法律体系整体缺乏效率，给予投资者权益的保护和契约维权的力度较弱。上述因素导致了中国的银行部门更偏向于向具有“政治背景”的国有企业提供贷款，而不关心这些企业是否具有效率，具有更高效率的非国有企业则往往受到信贷歧视或面临着更高贷款条件的限制。因此，如果以金融机构的全部信贷总额占GDP的比率来度量，显然是高估了中国的金融发展水平。更理想的指标应该是以银行部门给予私人部门的贷款额占GDP的比率来度量中国的金融发展水平。由于缺乏中国各省银行给私人部门的贷款数据，已有研究大多借鉴了Boyreau-Debra［8］的处理方式，以一个固定的权重来度量金融机构给予私人部门的贷款的权重。①①Boyreau-Debray是假定银行给予国有企业的贷款与国有企业的产出成正比，并建立一个以金融机构全部贷款对国有企业产出的一元线性回归方程，以估计得到的斜率系数来表示金融机构给予国有企业的贷款占总贷款的比重。在本文中，我们也借鉴了这样的处理方式，但是我们是以各地区非国有企业固定资产投资占当地总固定资产投资的比率来度量金融结构给予私人部门贷款的权重，因为企业的固定资产投资绝大多数是来自于银行贷款。由图2可以看到，以本文定义的指标来度量的中国金融的发展水平在样本区间内（1997―2009年）是呈稳定上升的趋势，且东部地区的金融深化程度要明显高于中部和西部地区。
图2金融机构对私人部门的信贷占GDP比率（1997―2009年）在解释变量中，CRIME是度量犯罪率的指标。长期以来关于如何度量犯罪率一直是相关研究面临的一个难题，这是由于犯罪行为本质上的隐蔽性和保密性，使得要想得到真实的犯罪数据成为一件几乎不可能完成的事情。目前，大多数研究者都采用报案数或者逮捕人数来近似反映真实的犯罪数，这样的处理虽然难免存在测量偏误，但是Levitt曾经证明过，以报案人数来度量犯罪率不会导致明显的估计偏误。［9］本文借用了陈刚的指标，选择以每万人中被人民检察院批准逮捕的刑事犯罪嫌疑人数来度量中国的犯罪率。［10］
Π是由其他一些影响金融发展的解释变量组成的控制变量矩阵。其中包括：
（1）人均GDP（PGDP），本文将其换算成了以2000年不变价格来衡量；
（2）政府干预变量GOV，本文以政府财政支出占GDP的比率来度量；
（3）法律环境变量LAW，本文是以每万人中的律师数来度量；
（4）城镇化率变量URBAN，本文是以城镇人口占总人口的比率来度量；
（5）对外开放程度变量OPEN，本文是以商品进出口总额占GDP的比率来度量。
我们研究的对象是30个省区在1997-2009年期间的金融发展水平、犯罪状况以及其他方面的基本状况，由于数据缺乏，这里没有包含西藏自治区。测算上述变量的基础数据中：各地区金融机构贷款总额摘自历年《中国金融年鉴》；各地区人民检察院批准逮捕的犯罪嫌疑人数和律师人数分别摘自历年《中国检察年鉴》和《中国法律年鉴》。其他未作特别说明的数据均摘自历年《中国统计年鉴》。主要变量的定义和描述性统计见表1。
表1变量定义和描述性统计
变量名变量含义最大值最小值标准差FINPRI金融机构对私人部门的贷款占GDP的比率2?0400?1590?244CRIME每万人中人民检察院批准逮捕的刑事犯罪嫌疑人数23?5372?4722?710PGDP2000年不变价格衡量的人均GDP（万元）6?2980?2200?936GOV财政支出占GDP的比率0?4500?0540?066LAW每万人律师数12?0880?1591?358URBAN城镇人口占总人口的比率0?8910?1400?172OPEN进出口总额占GDP的比率1?8430?0320?434四、计量分析及讨论
本文接下来将采用上述样本数据实证检验犯罪对中国金融发展的影响。在回归方程（1）中，犯罪率和金融发展变量之间很可能存在双向的因果关系，而且，方程中也可能遗漏掉一些同时影响金融发展和犯罪率的变量。因此，我们在估计回归方程（1）时，首先需要处理并克服解释变量的内生性问题。首先，我们选择将各解释变量的滞后1期纳入方程，这是计量经济学中克服内生解释变量的常用策略，并对回归方程进行了固定和随机效应模型估计，结果见表2。
结果显示，当回归方程中不纳入控制变量时（第1和3列），犯罪率变量系数的估计值为正，而且在随机效应模型中通过了0?01的显著性检验；当将全部控制变量纳入回归方程后，犯罪率变量系数的估计值在固定效应模型中变为负，随机效应模型中仍为正，但此时它们都未能通过显著性检验。不过，上述结果是否稳健，可能还需要进一步的审慎检验进行判断。因为，如果回归方程（1）中的随机扰动项存在自相关，将解释变量滞后一期纳入回归方程就并不能消除犯罪率与随机扰动项之间的同期相关性，此时，系数的估计量依然是非一致的。
表2固定和随机效应估计结果
固定效应模型随机效应模型（1）（2）（3）（4）CRIME0?008-0?0000?017***0?0020?0050?0050?0050?005PGDP-0?053-0?057*0?0440?034GOV0?3040?2560?4220?278LAW0?086***0?091***0?0150?013URBAN0?214*0?1380?1210?105OPEN0?273***0?202***0?0850?055常数项0?336***0?165**0?197***0?0360?0700?051年份变量是是是是R2：within0?430?530?430?52F或Wald检验P值0?000?000?000?00观测值360360360360注：***、**、*分别表示在0?01、0?05和0?1的显著性水平下显著；估计系数下方的数值是其标准差。下表同。
我们接下来将采用工具变量来解决回归方程中解释变量内生性的问题，考虑到在回归方程之外寻找犯罪变量是非常困难的事情，因此，我们试图在回归方程范围内寻找有效的工具变量。具体来说，我们将采用差分广义矩估计（GMM）拟合回归方程（1）。差分GMM估计的思路是，首先，在回归方程（1）中加入了被解释变量的滞后一期，从而将之前的静态回归方程转换成了如下的动态回归方程（2）
FINPRIit=β0+β1FINPRIi,t－1+β2CRIMEit+ΒΠ+∑yeart+νi+εit（2）
然后，对回归方程（2）进行差分变换，以消除个体效应νi，得到如下的差分方程：
ΔFINPRIit=β1ΔFINPRIi,t－1+β2ΔCRIMEit+ΒΔΠ+∑Δyeart+Δεit（3）
上述差分方程中，由于ΔCRIMEit与Δεit相关，此时参数的OLS估计量是有偏且非一致的。因此，我们在估计差分方程（3）时，需要为ΔCRIMEit寻找有效的工具变量。Arellano和Bond建议，［11］当残差ε不存在序列相关和初期的CRIMEi1为前定变量时，CRIMEit的滞后二期或二期以上滞后值均是ΔCRIMEit的有效工具变量。其它解释变量一阶差分的工具变量的选取有如下三种情况：当解释变量是严格外生时，其所有的水平变量均是其一阶差分的有效工具变量；当其是前定变量时，其水平一期及以上滞后值均是有效的工具变量；当其是内生变量时，其水平两期及以上滞后值均是有效的工具变量。
我们采用差分GMM二步估计重新完成了对回归方程的拟合，结果汇报在了表3中。结果显示，在一步估计中（第1和2列），Sargan检验P值拒绝了方程满足过度识别的约束条件。但在二步估计中（第3和4列），Sargan检验P值则没有拒绝方程满足过度识别的约束条件，意味着此时工具变量的选取是有效的，而且，二步估计中的AR（1）和AR（2）检验P值也说明残差仅存在一阶而不存在二阶序列相关。因此，我们选择更加信赖差分GMM二步估计结果。
差分GMM二步估计结果显示，度量犯罪率的变量CRIME的估计系数在0?01的显著性水平上为负，意味着犯罪率的确显著地阻碍了金融发展，同时，在控制了其他影响金融发展的变量后，每万人犯罪数如果能够降低1例，金融发展水平大约能够提高1?6个百分点。如果将犯罪率对金融发展的阻碍效应与经济增长对金融发展的促进效应进行比较，我们的估计结果说明，如果每万人犯罪数能够降低7例，那么，其对金融发展的促进作用大致上与人均GDP增速提高1个百分点是相当的。①①表3中，差分GMM二步估计结果显示，在控制住影响金融发展水平的其他变量后，人均GDP增速如果提高1个百分点，金融发展水平大约能够提高11?2个百分点。上述发现具有重要的政策含义，意味着降低犯罪率对中国的金融发展进而是经济增长具有重要的正向推动作用。进一步来说，已有研究证实民生状况的恶化是中国近年来犯罪率急剧上升的根源，提高社会福利条件和改善民生则是有效率的治理犯罪的措施，［10］因此，上述发现还意味着，政府在追求“保民生”和“促增长”这两个目标时，它们之间非但是不冲突的，而且，还是相互促进的。
控制变量中：（1）人均GDP的估计系数在1%的水平下显著为正，说明经济增长对金融发展有显著的促进作用，这与我们的理论预期高度一致。（2）政府支出变量的估计系数显著为正，说明政府的财政支出提高了金融发展水平，可能的解释是，中国的银行体系是以国有银行为垄断的，它们的信贷规模在很大程度上受到了当地政府的政府意志的影响，财政支出的规模和结构则直接反映了地方政府的投资偏好，因此，财政支出规模越高的地区，银行在当地政府行为的影响下可能也会相应增加放贷规模。（3）法律环境变量的估计系数显著为负，这与理论预期相悖，但这也是可以被解释的，因为中国现在虽然已经构建起了较为完备的书面法律体系，但是这些书面法律的执行效率却是非常低下的，［12］而已有研究证实，书面法律的执行效率对金融发展的作用要远比书面法律本身重要得多。［13］对于本文采用的每万人律师数这个指标来说，它可能不是一个度量司法效率的理想的指标。另外，城镇化和开放程度这两个变量的估计结果在所有的模型中始终不显著。
表3GMM估计结果
一步估计二步估计（1）（2）（3）（4）FINDEV-10?581***0?574***0?614***0?551***0?0440?0450?0250?027CRIME-0?027***-0?025***-0?027***-0?016***0?0060?0070?0040?005PGDP0?045*0?112***0?0280?040GOV0?4381?751**0?2990?777LAW-0?036***-0?044***0?0100?005URBAN0?1160?0560?0930?060OPEN0?038-0?0330?0550?042常数项0?047***0?042***0?039***0?0180?0150?0160?0050?013年份变量是是是是AR(1)检验P值0?000?000?010?01AR(2)检验P值0?440?550?650?95Sargan检验P值0?000?001?001?00观测值330330330330在前文中，我们发现1997―2009年，中国的金融发展水平总体上呈现持续深化的趋势，但是东部与中西部地区的金融发展水平却存在着明显的差异。那么，东部与中西部地区在金融发展水平上的差异，是否会导致犯罪率对金融发展的影响也存在类似的差异呢？为了检验上述问题，我们在回归方程（1）中引入了东部（E）和西部（W）地区虚拟变量与犯罪率的交互项，并估计了方程，结果见表4。
估计结果显示，犯罪率与东部地区交互项（CRIME*E）的估计系数在0?05的水平下显著为负，犯罪率与西部地区交互项（CRIME*W）的估计系数虽为负，但并没有通过显著性检验。结果说明，犯罪率对金融发展的阻碍作用随着金融发展水平提高而增加了，在金融发展水平更高的东部地区，犯罪率对金融发展的阻碍作用要远远高于金融发展水平落后的中西部地区。
表4地区差异的估计结果
参数估计量标准差FINDEV-10?509***0?037CRIME-0?0020?010PGDP0?092***0?027GOV0?730*0?419LAW-0?048***0?006URBAN0?165***0?062OPEN0?055*0?033CRIME*E-0?026**0?010CRIME*W-0?0070?011年份变量是AR(1)检验P值0?043AR(2)检验P值0?819Sargan检验P值1?000观测值330五、总结与启示
犯罪作为一种极端的反社会行为，其社会成本是难以计量的。面对中国在经济社会双重转轨时期出现的犯罪率持续增长，金融发展效率低下的现象，我们利用中国1997―2009年30个省级面板数据，从整体和区域两个层面上就犯罪对金融发展的影响这一问题进行了系统的计量分析。
我们首先就犯罪对金融发展的整体影响进行了计量分析，通过分析我们发现，在控制其他影响金融发展的因素之后，犯罪能够对金融发展产生显著的影响：犯罪率越高，对金融发展的阻碍程度越大。可见，这个结果有效地支持了我们前面的理论预期。在此基础上，我们又分区域考察犯罪对金融发展的影响，发现犯罪对东部地区金融发展的阻碍程度最大，而对中西部地区则没有明显的差别。对于这一现象，我们认为这与当地金融的发展水平有关，相对而言，东部地区金融发展水平高，资本密集，对同一犯罪活动的社会成本要高得多，因此对犯罪这一反社会行为比较敏感，而中西部地区的金融发展水平在改革开放以后虽然取得了一定的发展，但是相对于东部来说还是有相当大的差距。综上，我们得出结论，犯罪会阻碍金融发展，并且其阻碍程度与自身的金融发展水平有关。
本文的研究具有很强的政策含义，对于解决中国金融发展的问题提出了新的途径和视角，意味着降低犯罪率对中国的金融发展进而是经济增长具有重要的正向推动作用。进一步来说，已有研究证实民生状况的恶化是中国近年来犯罪率急剧上升的根源，提高社会福利条件和改善民生则是有效率的治理犯罪的措施，［10］因此，上述发现还意味着，政府在追求“保民生”和“促增长”这两个目标时，它们之间非但是不冲突的，而且，还是相互促进的。
参考文献：
［1］Soares,R.R. and J.Naritomi. Understanding High Crime Rates in Latin America: the Role of Social and Policy Factors［EB/OL］.［2010-10-1］https://www.sebh.ecn.br/seminario_5/arquivo1.pdf.
［2］Detotto,C. and E.Otranto. A time varying parameter approach to analyze the macroeconomic consequences of crime［R］. CRENoS Working Paper No.2010/02, 2010.
［3］Giménez,G. Violence and growth in Latin America［J］. Economic Analysis Working Papers, 2007(6), 1-34.
［4］陈刚，李树. 金融发展与增长源泉：要素积累、技术进步与效率改善［J］.南方经济，2009（5）：24-35.
［5］La Porta,R., F.Lopez-de-silanes, A.Shleifer and R.Vishny. Law and finance［J］. Journal of Political Economy, 1998, 106, 1113-1155.
［6］Levine,R. Law, finance, and economic growth［J］. Journal of Financial Intermediation, 1999(8), 8-35.
［7］Guiso,L., P.Sapienza, and L.Zingales. The role of social capital in financial development［J］. American Economic Review, 2004,94(3), 526-556.
［8］Boyreau-Debray,G. Financial intermediation and growth: Chinese style［R］. World Bank Policy Research Paper No.3027, 2003.
［9］Levitt,S.D. Why Do Increased Arrest Rates Appear to Reduce Crime: Deterrence, Incapacitation, or Measurement Error? ［J］. Economic Inquiry, 1998, 36(3),353-372.
［10］陈刚. 社会福利支出的犯罪治理效应研究［J］. 管理世界，2010，（10）：75-86.
［11］Arellano,M. and S.Bond. Some Tests of Specification for Panel Data: Monte Carlo Evidence and Application to Employment Equations［J］. Review of Economic Studies, 1991, 58, 277-297.
［12］Allen,F., J.Qian, and M.Qian. Law, finance, and economic growth in China［J］. Journal of Financial Economics, 2005,77(1), 57-116.
［13］Pistor,K., M.Raiser, and S.Gelfer. Law and finance in transition economics［J］. Economics of Transition, 2000,8(2), 325-368.
责任编辑：梁宏志