省际城镇化率与居民消费的面板协整检验

胡斌+游新彩

摘 要：自2011年开始，中国城镇化率已经超过50%，新型城镇化是中国特色道路之一，也是扩大居民消费的重要影响因素，健全城乡一体化体制机制，对城镇化率与居民消费进行相关研究有重要意义。基于2005—2012年中国31个省份的城镇化率和城镇居民人均消费的数据，建立了面板数据集，用单位根、协整等计量经济学理论对面板数据进行实证分析。结果表明，中国各省份城镇化率与城镇居民人均消费之间时序变化差异和按空间变化差异都很显著，且两者之间存在协整关系；最后根据实证结果，提出相应的政策建议。

关键词：城镇化率；消费；面板数据；协整

中图分类号：F12 文献标志码：A 文章编号：1673-291X（2014）36-0051-03

城镇化是指人口向城镇聚集、城镇规模扩大以及由此引起一系列经济社会变化的过程，其实质是经济结构、社会结构和空间结构的变迁。李克强[1]曾经在《求实》期刊著文，讲到协调推进新型工业化、新型城镇化，形成新的增长极、增长带、增长面，拓展扩大内需的新空间。党的十八大报告中提出“坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路”。根据发达国家社会变迁经验，城镇化能创造需求。内需拉动是推动中国经济增长的三驾马车之一，通过新型城镇化建设扩大国内内需消费市场是中国经济可持续发展的重要工作。根据官方统计，自2011年开始中国城镇化率已经超过50%，有一半以上人口居住在城镇，至此迎来一个新时代，这个转型过程尤为需要现代社会治理体系的跟进。

由于提出新型城镇化的中国特色道路，关于城镇化的研究如雨后春笋，尤其在近几年，如刘艺容[2]，李林杰、申波等[3]研究表明城镇化能改变消费习惯和观念、对居民消费产生示范效应和积累效应，借此扩大内需和消费率。万勇[4]从效应分解视角出发，并采用省际面板数据进行实证结果表明，中国城市化的结构效应和保障效应不明显，城市化增强了交易的可获得性、交通的方便性，但没有提升居民信息的可获得性，城乡收入差距扩大抑制了居民消费需求。付波航、方齐云等[5]通过动态面板一步系统GMM估计表明：城镇化水平每提高1%，居民消费就会增加0.04%，预期城镇化进程对社会总体消费将起积极的推动作用。刘厚莲[6]通过省际面板数据的实证表明人口城镇化率与居民消费率呈现正相关关系，并从中可得到连续增加1%的城镇化率所能增加的居民消费率呈递减趋势。分时间段的31个省级样本数据序列有何显著差异？城镇化率与居民消费数据序列是否平稳？两者是否存在协整关系？在前人的研究基础上，对省际城镇化与居民消费的关系进一步实证分析，试图回答上述问题，并为中国制定扩大内需的经济政策提供参考。

一、计量模型和数据

（一）变系数模型[7]

在面板变截距模型中，横截面成员的个体影响是用变化的截距来反映的，即用变化的截距来反映模型中忽略的反映个体差异的变量的影响。然而现实中变化的经济结构或不同的社会经济背景等因素有时会导致反映经济结构的参数随着横截面个体的变化而变化。因此，当现实数据不支持变截距模型时，便需要考虑这种系数随横截面个体的变化而改变的变系数模型。

变系数模型的基本形式如下：

其中：yi 为因变量向量，xi 为 T×k 维解释变量矩阵，参数ai 表示模型的常数项，βi 为对应于解释变量矩阵 xi 的系数向量。随机误差项 ui 相互独立，且满足零均值、等方差的假设。

在式（1）所表示的变系数模型中，常数项ai和系数向量βi都是随着横截面个体的改变而变化的，因此可以将变系数模型改写成如下形式：

其中：i=（1，xi），δi=（αi，βi′）′类似于变截距模型，变系数模型也分为固定影响变系数模型和随机影响变系数模型两种类型。

（二）数据来源

数据选自中国2005—2012年的统计年鉴及各省统计公报。

二、建模实证

（一）Hausman检验[7]

对于如何检验模型中个体影响与解释变量之间是否相关，Hausman（1978）提出了一种严格的统计检验方法——Hausman检验。Hausman统计量检验的原假设与备择假设是：H0：个体效应与回归变量（CZHLit）无关（个体随机效应回归模型）；H1：个体效应与回归变量（CZHLit）有关（个体固定效应回归模型）。检验结果（见表1）：

Test cross-section random effects即是否存在个体固定效应的Hausman检验。Hausman统计量的值是345.09，相对应的概率是0，说明检验结果拒绝了随机效应模型原假设，应该建立个体固定效应模型。表中第2部分给出的是Hausman检验中间结果比较。823.99是个体固定效应模型对参数的估计，335.36是随机效应模型对参数的估计。691.88是相应两个参数估计量的分布方差的差Var（Diff.）。

（二）选择固定效应模型

固定效应模型根据截距的变化和系数的变化有不同的面板模型对应。就估计个体固定变截距回归模型、时点固定变截距回归模型和固定影响变系数回归模型三类模型的各类参数情况，其中可决系数和残差平方和两个参数估计结果：R2个体固定变截距回归模型0.889984，时点固定变截距回归模型0.842326，固定影响变系数回归模型0.993006；SSE个体固定变截距回归模型1 405.579，时点固定变截距回归模型1 599.685，固定影响变系数回归模型387.7899。可以看出，变系数模型的可决系数最大，为0.99，变系数模型的残差平方和为391.73，是最小。又因为可决系数越大，残差平方和越小，线性回归模型的拟合程度就越优，所以选择固定影响变系数回归模型对面板数据进行解释。

（三）固定影响变系数回归模型

从估计结果可以看出，对于31个省市来说，2005—2012年间城镇化率对消费的倾向由于各地发展基础不同而不同，排在第一位的是上海，后续位数依次为北京、内蒙古、天津、广东等，在最末位的是西藏，从后往前依次为吉林、黑龙江、山西、甘肃等。而且各省市的自发消费也存在显著地差异，其中吉林的自发消费为最高，后续为西藏、黑龙江、山西等。endprint

（四）单位根检验

CZHL？原序列各种方法的单位根检验结果都接受原假设，CZHL？序列存在单位根，是非平稳的。一阶差分后的CZHL？序列各种方法的结果都拒绝原假设，所以可以得出结论：CZHL？序列是I（1）的。同样XF？原序列各种方法的单位根检验结果都接受原假设，XF？序列存在单位根，是非平稳的。一阶差分后的XF？序列各种方法的结果都拒绝原假设，可得出结论：XF？序列也是I（1）的。因为两个序列数据都是一阶单整过程，故下一步对两个序列数据进行协整检验。

（五）协整检验

用建立在Engle and Granger二步法检验基础上的面板协整检验，具体方法为Pedroni检验和Kao检验来实证面板数据。从表4的检验结果可以看出，中国29个省市的城镇居民消费和收入的面板数据之间存在协整关系。

三、结论与建议

基于2005—2012年中国31个省际面板数据，使用面板单位根、面板协整检验的计量分析方法建立了面板变系数固定效应回归模型，对城镇化率与居民消费的相关关系进行了实证，得到如下结论：（1）面板单位根检验来看，各变量都是一阶单整的序列。（2）通过变系数固定效应回归模型的参数估计，各省际单位城镇化率对消费的倾向由于各地发展基础不同而不同，如内蒙古的城镇化快速推进，对居民消费也起到很大作用，而吉林的城镇化一直处于低位，城镇化对居民消费影响不大，而居民的自发性消费还是快速增长。（3）长期来看，城镇化率与居民消费存在协整关系，城镇化率能对扩大内需起积极作用。

还有许多不足，面板实证还可以多增加变量，比如第三产业发展水平、受教育情况、居民收入水平等，多元回归使模型更具有解释力度。城镇化数据是近年来开始统计的指标，随着城镇化数据的更新，增加最新的数据系列再运用运用Johansen面板协整检验，与传统的Kao检验和Pedroni检验作比较，还有面板模型的分析方法上还可以引进面板误差修正模型[8]、交互因果模型[9]等，这是以后要进行的工作。

参考文献：

[1] 李克强.保持经济平稳较快发展[J].求实，2009，（15）.

[2] 刘艺容.加快城市化进程是拉动消费增长的持久动力[J].消费经济，2005，（4）：31-35.

[3] 李林杰，申波，李杨.借助人口城市化促进国内消费需求的思路与对策[J].中国软科学，2007，（7）：30-40.

[4] 万勇.城市化驱动居民消费需求的机制与实证—基于效应分解视角的中国省级区域数据研究[J].财经研究，2012，（6）.

[5] 付波航，方齐云，宋德勇.城镇化、人口年龄结构与居民消费——基于省际动态面板的实证研究[J].中国人口·资源与环境，

2013，（11）.

[6] 刘厚莲.人口城镇化、城乡收入差距与居民消费需求—基于省际面板数据的实证分析[J].人口与经济，2013，（6）.

[7] 高铁梅.计量经济分析方法与建模—eviews应用及实例（第2版）[M].北京：清华大学出版社，2009.

[8] 吴铮，李广泳.滞后的城镇化对中国居民消费的影响效应——基于省际面板数据的协整与误差修正模型分析[J].青海师范大

学学报（哲学社会科学版），2012，（7）.

[9] [美]Steven E.Finkel.用面板数据做因果分析[M].李丁，译.上海：格致出版社，2012.[责任编辑 刘娇娇]endprint

（四）单位根检验

CZHL？原序列各种方法的单位根检验结果都接受原假设，CZHL？序列存在单位根，是非平稳的。一阶差分后的CZHL？序列各种方法的结果都拒绝原假设，所以可以得出结论：CZHL？序列是I（1）的。同样XF？原序列各种方法的单位根检验结果都接受原假设，XF？序列存在单位根，是非平稳的。一阶差分后的XF？序列各种方法的结果都拒绝原假设，可得出结论：XF？序列也是I（1）的。因为两个序列数据都是一阶单整过程，故下一步对两个序列数据进行协整检验。

（五）协整检验

用建立在Engle and Granger二步法检验基础上的面板协整检验，具体方法为Pedroni检验和Kao检验来实证面板数据。从表4的检验结果可以看出，中国29个省市的城镇居民消费和收入的面板数据之间存在协整关系。

三、结论与建议

基于2005—2012年中国31个省际面板数据，使用面板单位根、面板协整检验的计量分析方法建立了面板变系数固定效应回归模型，对城镇化率与居民消费的相关关系进行了实证，得到如下结论：（1）面板单位根检验来看，各变量都是一阶单整的序列。（2）通过变系数固定效应回归模型的参数估计，各省际单位城镇化率对消费的倾向由于各地发展基础不同而不同，如内蒙古的城镇化快速推进，对居民消费也起到很大作用，而吉林的城镇化一直处于低位，城镇化对居民消费影响不大，而居民的自发性消费还是快速增长。（3）长期来看，城镇化率与居民消费存在协整关系，城镇化率能对扩大内需起积极作用。

还有许多不足，面板实证还可以多增加变量，比如第三产业发展水平、受教育情况、居民收入水平等，多元回归使模型更具有解释力度。城镇化数据是近年来开始统计的指标，随着城镇化数据的更新，增加最新的数据系列再运用运用Johansen面板协整检验，与传统的Kao检验和Pedroni检验作比较，还有面板模型的分析方法上还可以引进面板误差修正模型[8]、交互因果模型[9]等，这是以后要进行的工作。

参考文献：

[1] 李克强.保持经济平稳较快发展[J].求实，2009，（15）.

[2] 刘艺容.加快城市化进程是拉动消费增长的持久动力[J].消费经济，2005，（4）：31-35.

[3] 李林杰，申波，李杨.借助人口城市化促进国内消费需求的思路与对策[J].中国软科学，2007，（7）：30-40.

[4] 万勇.城市化驱动居民消费需求的机制与实证—基于效应分解视角的中国省级区域数据研究[J].财经研究，2012，（6）.

[5] 付波航，方齐云，宋德勇.城镇化、人口年龄结构与居民消费——基于省际动态面板的实证研究[J].中国人口·资源与环境，

2013，（11）.

[6] 刘厚莲.人口城镇化、城乡收入差距与居民消费需求—基于省际面板数据的实证分析[J].人口与经济，2013，（6）.

[7] 高铁梅.计量经济分析方法与建模—eviews应用及实例（第2版）[M].北京：清华大学出版社，2009.

[8] 吴铮，李广泳.滞后的城镇化对中国居民消费的影响效应——基于省际面板数据的协整与误差修正模型分析[J].青海师范大

学学报（哲学社会科学版），2012，（7）.

[9] [美]Steven E.Finkel.用面板数据做因果分析[M].李丁，译.上海：格致出版社，2012.[责任编辑 刘娇娇]endprint

（四）单位根检验

CZHL？原序列各种方法的单位根检验结果都接受原假设，CZHL？序列存在单位根，是非平稳的。一阶差分后的CZHL？序列各种方法的结果都拒绝原假设，所以可以得出结论：CZHL？序列是I（1）的。同样XF？原序列各种方法的单位根检验结果都接受原假设，XF？序列存在单位根，是非平稳的。一阶差分后的XF？序列各种方法的结果都拒绝原假设，可得出结论：XF？序列也是I（1）的。因为两个序列数据都是一阶单整过程，故下一步对两个序列数据进行协整检验。

（五）协整检验

用建立在Engle and Granger二步法检验基础上的面板协整检验，具体方法为Pedroni检验和Kao检验来实证面板数据。从表4的检验结果可以看出，中国29个省市的城镇居民消费和收入的面板数据之间存在协整关系。

三、结论与建议

基于2005—2012年中国31个省际面板数据，使用面板单位根、面板协整检验的计量分析方法建立了面板变系数固定效应回归模型，对城镇化率与居民消费的相关关系进行了实证，得到如下结论：（1）面板单位根检验来看，各变量都是一阶单整的序列。（2）通过变系数固定效应回归模型的参数估计，各省际单位城镇化率对消费的倾向由于各地发展基础不同而不同，如内蒙古的城镇化快速推进，对居民消费也起到很大作用，而吉林的城镇化一直处于低位，城镇化对居民消费影响不大，而居民的自发性消费还是快速增长。（3）长期来看，城镇化率与居民消费存在协整关系，城镇化率能对扩大内需起积极作用。

还有许多不足，面板实证还可以多增加变量，比如第三产业发展水平、受教育情况、居民收入水平等，多元回归使模型更具有解释力度。城镇化数据是近年来开始统计的指标，随着城镇化数据的更新，增加最新的数据系列再运用运用Johansen面板协整检验，与传统的Kao检验和Pedroni检验作比较，还有面板模型的分析方法上还可以引进面板误差修正模型[8]、交互因果模型[9]等，这是以后要进行的工作。

参考文献：

[1] 李克强.保持经济平稳较快发展[J].求实，2009，（15）.

[2] 刘艺容.加快城市化进程是拉动消费增长的持久动力[J].消费经济，2005，（4）：31-35.

[3] 李林杰，申波，李杨.借助人口城市化促进国内消费需求的思路与对策[J].中国软科学，2007，（7）：30-40.

[4] 万勇.城市化驱动居民消费需求的机制与实证—基于效应分解视角的中国省级区域数据研究[J].财经研究，2012，（6）.

[5] 付波航，方齐云，宋德勇.城镇化、人口年龄结构与居民消费——基于省际动态面板的实证研究[J].中国人口·资源与环境，

2013，（11）.

[6] 刘厚莲.人口城镇化、城乡收入差距与居民消费需求—基于省际面板数据的实证分析[J].人口与经济，2013，（6）.

[7] 高铁梅.计量经济分析方法与建模—eviews应用及实例（第2版）[M].北京：清华大学出版社，2009.

[8] 吴铮，李广泳.滞后的城镇化对中国居民消费的影响效应——基于省际面板数据的协整与误差修正模型分析[J].青海师范大

学学报（哲学社会科学版），2012，（7）.

[9] [美]Steven E.Finkel.用面板数据做因果分析[M].李丁，译.上海：格致出版社，2012.[责任编辑 刘娇娇]endprint