金融支持工业化和城镇化协调发展问题研究.doc

金融支持工业化和城镇化协调发展问题研究 摘要：文章基于中国省1978-2010年时间序列数据，采用单位根检验、协整检验以及向量自回归等估计方法，在金融发展规模、效率、工业化和城镇化水平四个变量框架内对金融发展对城镇化和工业化协调发展的影响进行了实证分析。结果发现：金融发展带动了地区工业化和城镇化水平的不断提高，工业化和城镇化间相互促进，协调发展。最后，根据实证分析结论及中国工业化、城镇化发展现状提出如下政策建议。 关键词：工业化、城镇化、协调发展 近年来，随着宏观经济持续快速增长和全面建设小康社会工作的不断推进，我国工业化和城镇化建设进入协调高速发展期。随着工业化和城镇化的协调健康发展在经济增长中的作用也逐步显现。金融作为经济发展中不可或缺的生产要素之一，在城镇化和工业化协调发展中扮演着重要角色。因此，研究三者间的相互作用关系对于推动城镇化、工业化协调发展有着重要的理论和现实意义。 文章基于中国1978-2010年时间序列数据，采用单位根检验、协整检验以及向量自回归等估计方法，在金融发展规模、效率、工业化和城镇化水平四个变量框架内对金融发展对城镇化和工业化协调发展的影响进行了实证分析。结果发现：金融发展带动了地区工业化和城镇化水平的不断提高，工业化和城镇化间相互促进，协调发展。最后，根据实证分析结论及中国工业化、城镇化发展现状提出如下政策建议。 一、计量模型 （一）单位根检验 如果一个时间序列的均值或自协方差函数随时间而改变，那么这个序列就是非平稳时间序列，如果时间序列不平稳而进行回归就可能出现“伪回归”现象，因此，在做分析之前，我们要对变量进行平稳性检验，而检验变量序列是否平稳的方法，我们习惯上称之为单位根检验，一般使用ADF检验法，形式如下： 在实际操作中，式子中的参数P视具体情况而定，一般选择能保证是白噪声的最小的P值。 （二）格兰杰因果检验 格兰杰因果关系检验实质上是检验一个变量的滞后变量是否可以引入到其它变量方程中，一个变量如果受到其他变量的滞后影响，则称他们具有Granger因果关系。其基本思想为：假定变量X的变化是变量Y发生的原因，则变量X的变化应时间上先于变量Y，而且变量X在预测变量Y具有显著性，即在预测Y的回归模型中，引入变量X的过去观测值作为独立变量应该在统计上显著地增加模型的解释能力，并且，变量Y预测变量X在统计上不显著[13]。其检验模型为： 检验零假设为：X 不是Y 的Granger成因，即:==···==0。 （三）向量自回归模型及脉冲响应函数 向量自回归（VAR）是基于数据统计性质建立模型，VAR模型把系统中每一内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。1980年西姆斯（C.A.Sims）将VAR模型引入到经济学中，推动了经济系统动态性分析的广泛应用。VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。 VAR（p）模型的数学表达式是： 其中：是维内生变量向量，是维外生变量向量，是滞后阶数，是样本个数。维矩阵和维矩阵是要被估计的系数矩阵。是维扰动向量，它们相互之间可以同期相关，但不与自己的滞后值相关及不与等式右边的变量相关，假设∑是的协方差矩阵，是一个阶正定矩阵。上式可以展开表示为： 在上式中， 如果发生变化，不仅当前的值立刻发生改变，而且还会通过当前的值影响到变量和其他的今后的取值。因此，一般地，由的脉冲引起的的响应函数可以求出如下： 且由的脉冲引起的的累积（accumulate）响应函数可表示为。 的第行、第列元素可以表示为 作为的函数，它描述了在时期，其他变量和早期变量不变的情况下，对的一个冲击的反映，称它为脉冲响应函数。 也可以用矩阵的形式表示为： 即的第行、第列元素等于时期的第个变量的扰动项增加一个单位，而其他时期的扰动为常数时，对时期的第个变量值的影响。 二、金融支持工业化和城镇化协调发展的实证分析 （一）数据来源与说明 文章选取中国工业化率和城镇化率作为被解释变量，以考察地区工业和城镇化发展水平；选取中国各项贷款余额和存贷比作为解释变量，以反映金融发展规模和效率。文章引入的中国1978-2010年时间序列数据均出自《中国统计年鉴2011》和《辉煌的岁月-中国60年回顾》，为消除数据间存在的异方差性，文章对以上数据进行对数化处理。 表1 各变量描述性统计量 变量 单位 观测值 最大值 最小值 均值 标准误 贷款余额（CR） 亿元 33 18689.8 134.6 41