安徽省金融发展、城镇化及工业化动态关系研究——基于VAR模型的实证分析

张 艳，沈惟维

（1.铜陵学院，安徽 铜陵 244000；2.中国人民银行 铜陵市中心支行，安徽 铜陵 244000）

安徽省金融发展、城镇化及工业化动态关系研究
——基于VAR模型的实证分析

张 艳1，沈惟维2

（1.铜陵学院，安徽 铜陵 244000；2.中国人民银行 铜陵市中心支行，安徽 铜陵 244000）

通过建立VAR模型，分析了1978—2013年安徽省金融发展、城镇化及工业化之间的动态关系。结果表明：安徽省金融发展、城镇化及工业化三个变量之间存在长期稳定的均衡关系；城镇化与金融发展、金融发展与工业化之间均存在单向的因果关系，而城镇化与工业化互为因果关系；金融发展对来自工业化的随机扰动具有正的效应，工业化对来自城镇化的随机扰动先有正的效应，后有负的效应；方差分解结果表明，工业化对金融发展的贡献要比城镇化大。

金融发展；城镇化；工业化；VAR模型

一、引言

安徽省位于中国东南部，是华东地区跨江近海的内陆省份。2013年，安徽省银行业金融机构人民币各项存款余额26 739.3亿元，比上年末增加3 762亿元；人民币各项贷款余额为19 088.8亿元，比上年末增加2 794.5亿元。2013年安徽省城镇化率达到了47.9%，较1978年提高了35.3个百分点。2013年安徽省工业化率达到46.9%，较1978年提高了15.1个百分点。金融是现代经济的核心，其对经济发展的作用不言而喻。城镇化、工业化是实现现代化的必由之路，是经济发展的主要内容。本文通过建立VAR模型，对安徽省金融发展、城镇化及工业化动态关系进行实证研究。

二、变量选择和数据说明

（一）变量选择

金融发展指标：选取金融相关比率这一指标来量化金融发展水平，用FIR表示，即FIR=（金融机构存款余额+金融机构贷款余额）/GDP。城镇化指标：选取城镇人口占总人口的比重来度量城镇化水平，用URBR表示，即URBR=城镇人口/年末总人口。工业化指标：选取工业增加值与GDP的比来表示工业化水平，用INDR表示，即INDR=工业增加值/GDP。

（二）数据说明

本文选取1978—2013年的年度数据，共36个样本点，数据来源于历年的《安徽统计年鉴》，原始数据时序图如图1所示。

图1 安徽省FIR、URBR、INDR时序图

为了消除异方差，对上述指标进行对数化，得到LNFIR、LNURBR、LNINDR。对数化后的数据如表1所示。

表1 1978—2013年安徽省金融发展、城镇化及工业化相关变量数据

三、实证分析

（一）单位根检验

为了检验数据的平稳性，通常采用单位根检验，采用ADF法。

由表2可知，LNFIR、LNURBR、LNINDR在5%显著性水平下一阶差分平稳，即所有变量都是一阶单整I（1）。

（二）VAR模型的最优滞后阶数

建立VAR模型之前首先要确定最优滞后阶数，根据AIC、HQ、SC、FPE准则，其值越小表明所建立的VAR模型越优。

表2 单位根检验结果

表3 VAR模型的最优滞后期确定准则

根据表3，HQ、SC、FPE准则均选择最优滞后期为1，而AIC准则选择最优滞后期为4，暂时无法确定最优滞后期，须进一步对VAR（1）、VAR（2）、VAR（3）、VAR（4）进行模型诊断检验。这里根据JB检验和ARCHLM检验来确定滞后阶数。

表4 VAR（p）模型诊断检验

由表4，根据检验结果，选择VAR（1）是最优的。

（三）VAR（1）模型的稳定性

根据计算VAR（1）模型伴随矩阵的特征根的模知其均小于1，分别为0.9112、0.9112、0.5469，因此VAR（1）过程是稳定的。OLS-CUSUM检验也表明VAR（1）过程是稳定的（见图2）。

图2 VAR（1）模型的OLS-CUSUM检验

（四）Johansen协整检验

由于LNFIR、LNURBR、LNINDR均为一阶单整序列，满足进行协整检验的前提条件，采用Johansen特征根迹检验法。其中零假设H0：有0个协整关系，r=0表示无协整关系，r=1或2表示最多有1或2个协整关系。

表5 Johansen协整检验

表5结果表明，在10%、5%、1%显著性水平下，金融发展、城镇化及工业化三个变量之间均存在一个协整关系，它们之间存在长期稳定的均衡关系。

（五）Granger因果关系检验

Johansen协整检验说明了金融发展、城镇化及工业化之间存在长期稳定的均衡关系，但不能表明三者之间的确切经济含义。对于它们是否构成因果关系还需要进一步验证，采用Granger因果关系检验。

表6表明：在10%显著性水平下，城镇化是金融发展的Granger原因，同时无法拒绝金融发展不是城镇化的Granger原因；金融发展是工业化的Granger原因，同时无法拒绝工业化不是金融发展的Granger原因；城镇化与工业化互为Granger原因。

表6 Granger因果关系检验

（六）脉冲响应分析

为了弄清金融发展、城镇化及工业化之间的动态关系，须对VAR（1）进行脉冲响应分析，结果见图3、图4。图3与图4是基于模型的1单位标准差冲击所模拟的脉冲响应函数曲线，横轴表示时间，纵轴表示金融发展、城镇化水平所受到的响应程度，虚线表示脉冲响应函数值加减两倍标准差的置信区间。

图3 金融发展对工业化水平的脉冲响应

图4 工业化水平对城镇化水平的脉冲响应

图3显示，在本期给工业化水平（LNINDR）一个正向的冲击，金融发展（LNFIR）迅速作出反应，在第1期对金融发展影响最大，达到0.03%，以后这种影响开始逐渐减弱，直至稳定状态。图4显示，在本期给城镇化水平（LNURBR）一个正向的冲击，工业化水平（LNINDR）随即作出反应，在第7期对工业化影响最大，达到0.028%，随后这种影响开始减弱，到16期开始出现负的效应。

（七）预测方差分解分析

以上脉冲响应分析的是VAR（1）模型中工业化水平（LNURBR）的冲击对金融发展（LNFIR）、城镇化水平（LNURBR）的冲击给工业化水平（LNURBR）所带来的影响，而预测方差分解有所不同，它是把内生变量中的变化分解为对VAR模型的冲击，并给出了因变量在受到自身和其他变量的冲击时所变动的比例，因而可以分析每一种结构冲击对内生变量变化的重要性和贡献度。

表7 金融发展（LNFIR）预测方差分解结果

图5 金融发展（LNFIR）预测方差分解

表7和图5是金融发展（LNFIR）预测方差分解结果。在第1期，金融发展由自身解释占80.43%，城镇化对金融发展水平提高的贡献为2.18%，工业化为17.39%，这表明在初期工业化对金融发展的贡献要比城镇化高得多。随着期数的变化，城镇化对金融发展水平提高的贡献逐渐缓慢增加，而工业化逐渐减少。在第5期的时候，城镇化和工业化对其冲击的贡献率分别为3.03%和16.01%；到了第10期的时候，城镇化冲击的贡献率上升到4%左右，金融发展自身的冲击贡献稳定在80%左右，而工业化冲击的贡献为16%。

四、结论与建议

本文通过建立VAR模型，分析了1978—2013年安徽省金融发展、城镇化及工业化之间的动态关系。结果表明：安徽省金融发展、城镇化及工业化密切相关，金融发展、城镇化及工业化三个变量之间存在长期稳定的均衡关系；城镇化水平提高显著促进金融发展，金融发展对工业化进程有显著影响，城镇化与工业化互相促进发展；金融发展对来自工业化水平的随机扰动具有正的效应，且这种效应开始不断增强，随后逐渐减弱，直至接近0；工业化水平对来自城镇化水平的随机扰动先有正的效应，且这种效应开始不断增强，随后逐渐减弱，到16期开始出现负的效应，直至接近0；城镇化及工业化水平的提升对金融发展起的作用越来越重要，但相对而言，城镇化的贡献要比工业化的贡献小。

根据结论提出的建议是，进一步加快金融发展水平，努力调整信贷结构促进经济结构调整，积极推动金融产品创新满足多样化的金融服务需求；继续推进城镇化进程，要大力依托产业的发展，从产业结构调整出发，从实际出发，大力发展二、三产业，防止城镇化变成“空心化”，以产业带动城镇化发展，让城镇化充满生命力；深化新型工业化建设，大力发展地方特色经济，加大金融扶持低碳型新兴产业发展的力度，特别是对合肥信息产业、芜湖光电子产业、蚌埠光伏产业等高技术产业示范基地支持，加快皖北地区开发，着力推进煤炭资源综合利用和深度加工，实现资源利用价值倍增，将其打造成为安徽省重要的煤电化基地、生物质能源基地、农副产品生产和加工基地，加快形成全省联动发展的态势。

[1]Bernhard Pfaff.VAR，SVAR and SVEC Models：Implementation Within R Package vars.http://www.pfaffikus.de.

[2]Paul N.Balchin，David Isaac，Jean Chen.Urban Economics：a Global Perspective[M].London:Macmillan，2000.

[3]郭江山.基于VAR模型的城镇化、工业化与金融发展动态分析——以河北省为例[J].河北师范大学学报（哲学社会科学版），2011，（7）.

[4]苏发金.工业化、城镇化与农业现代化：基于VAR模型的分析[J].统计与决策，2012，（6）.

[5]朱海玲，龚曙明.中国工业化与城镇化联动和互动的研究[J].统计与决策，2010，（7）.

[6]谢俊贵.新型工业化条件下的中国城市化发展问题[J].中国软科学，2007，（7）.

[7]金碚.世界工业化历史中的中国改革开放30年[J].财贸经济，2008，（11）.

[责任编辑：辛晓莉]

F832.754

A

1674-3288（2014）04-0055-05

2014-05-29

张艳（1984-），女，安徽铜陵人，铜陵学院会计学院讲师，硕士，研究方向：财务管理；沈惟维（1984-），男，安徽无为人，中国人民银行铜陵市中心支行助理经济师，硕士，研究方向：数理统计。