中国城镇化经济绩效空间差异研究

2015-02-18 04:58卢丽文李永盛
统计与决策 2015年12期
关键词:城镇化效应变量

卢丽文,张 毅,2,李永盛

(1.中国地质大学<武汉>研究生院,武汉 430074;2.华中师范大学 城市与环境科学学院,武汉 430079)

0 前言

城镇化的发展必将释放巨大内需,城镇化是中国经济长期平稳较快发展的动力源泉。城镇化与经济发展到底是什么关系,城镇化到底对经济增长的推动作用有多大,全国区域尺度、东中部区域尺度、西部区域尺度是否存在区域差异,这些问题的探讨对于服务现实国家的宏观决策具有重大的意义。本文首先建立了经济增长与城镇化水平的var模型,初步探讨经济发展与城镇化水平之间的相互关系,然后收集面板数据,采用空间计量模型,既考虑了时间尺度的相关性,又考虑了空间尺度的相关性。因此,对我国城镇化对经济增长的影响的贡献度进行更加科学的研究。

1 变量的选择与数据来源

1.1 变量的选择

因变量:一般来说,GDP、人均GDP这两个指标都能很好的反映经济增长水平,本文选择人均GDP,主要是考虑剔除人口规模的影响。

自变量:关于城镇化发展水平的常用衡量指标主要有单一指标法、多项指标法,其中一直处于主导地位的方法是人口比重指标法,本文选择人口城镇化率CZH。

为消除原始数据可能存在的异方差,对自变量和因变量数据进行取对数处理为lnRGDP与lnCZH。

基于VAR模型分析的数据取1978~2011年全国人均GDP与人口城镇化率的时间序列数据,空间面板计量模型的数据选取2007~2011年31个省市的人均GDP与人口城镇化率数据。

1.2 数据来源

变量数据来源于《中国统计年鉴(2006~2012)》、《中国区域经济统计年鉴2007》及《中国区域经济统计年鉴2012》,包括中国31个省市区,港澳台地区由于数据缺失原因除外,同时论文还分西部及东中部研究了其城镇化对经济增长的影响,其中中国东中部地区:北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、山西、安徽、江西、河南、湖北和湖南19个省市,西部地区包括重庆、四川、贵州、云南、广西、陕西、甘肃、青海、宁夏、西藏、新疆、内蒙古12个省市。

2 基于VAR模型的经济发展与城镇化水平动态关系分析

Var模型是不以经济理论为基础的模型,主要用于预测和分析随机扰动项对系统的动态冲击,利用var模型可以很好的研究经济发展与城镇化水平的波动传导关系。

2.1 数据平稳性检验

利用单位根检验来判断数据的判断数据的平稳性,避免伪回归,单位根检验结果如表1所示。

表1 时间序列单位根检验

从表1可以看出,原始数据是不平稳的时间序列,经过一阶差分,都呈一阶单整,有存在协整的可能。根据赤池信息准则(AIC)和施瓦茨(SC)最小的原则确定模型最优滞后阶数为3。根据最优滞后阶数对变量进行Johansen协整检验,检验结果通过了5%的显著性检验,拒绝原假设,变量之间存在协整关系,说明经济发展与城镇化水平之间存在长期均衡关系。为进一步验证协整关系的正确性,利用AR根的图表验证方法如图1所示,单位根倒数的模都小于1,都落在单位圆之内,因此,是一个平稳的系统。

图1 AR根检验结果

2.2 脉冲响应函数分析

脉冲响应函数用来刻画的是来一个标准差的自扰动项(新息)的冲击对当前值和未来值的影响轨迹,比较直观的表现出的动态互动关系。广义脉冲响应不依赖于var模型各变量的排序关系,所以本文采用的是广义脉冲响应,得到结果如图2和图3所示:

图2 城镇化与经济发展本身对经济发展的影响

图3 经济发展与城镇化本身对城镇化发展的影响

通过图2反映的是各内生变量对人均GDP的一个标准差大小的随机新息的反应,从图中可以看出Y(人均GDP)对其自身的反应是持续的正向效应,到第二期时达到最大,然后逐步减小,第三期至第八期减弱幅度较大,至第十期趋于稳定,这说明当期的人均GDP与其滞后值相关联,但是关联度在逐步减弱。城镇化水平的冲击引起Y(人均GDP)的变化是波动的,当在本期给城镇化水平一个正向冲击后,人均GDP在前三期为正向波动状态,随后转为负响应,负响应先增大后减少,逐步转为正响应,这说明城镇化水平的提高有助于经济增长,但具有滞后效应,分析原因可能是在城镇化水平提高拉动了投资与消费,通过一段时期的传导,抵消掉了城镇水平提高带来的城乡差距扩大的负效应,促进了人均GDP的提高。

从图3中可以看出,X(城镇化水平)对其自身的冲击反应是:先上升,后下降,总体而言是正响应,但在快速减弱,说明城镇化水平与其滞后值相关联。当在本期给人均GDP一个正向冲击后,城镇化水平在前三期为正向波动状态,第二期为最低点,随后逐步上升,为持续的正响应,说明经济发展的正向冲击对城镇化水平的提高具有非常显著促进作用,并且具有较长的持续效应。可能的原因是人均GDP越高,刺激居民的消费,拉动投资,投资带动就业,就业机会的增多引起人口向城镇流动,城镇化水平提高。

2.3 方差分解分析

方差分解可以用来把系统中每一个内生变量的变动分解成各变量所做的贡献,可以进一步评价各新息对模型内生变量的重要性。

图4 各变量冲击对经济发展的贡献度

图5 各变量冲击对城镇化发展的贡献度

从图4和图5可以看出:人均GDP的波动在第一期只受到自身冲击的影响,从第二期起来自城镇化水平的波动的影响逐步提高,城镇化对经济发展的贡献是逐步增加的,第六期趋于稳定,稳定在18%左右。城镇化水平的波动在第一期就受到自身及人均GDP的冲击,并且来自城镇化自身的扰动逐步下降,人均GDP的扰动上升至30%左右,经济发展对城镇化水平的提高具有显著的促进作用,这与我们得到的脉冲响应结论吻合。

2.4 格兰杰因果检验

格兰杰因果检验是统计意义的因果关系,其定义是在包含变量X、Y的过去信息的条件下,变量X的值包括进来能有助于解释变量Y的将来变化,则说X是Y的格兰杰原因。本文通过对变量滞后3期进行格兰杰因果检验,得出结果如表2所示:

表2 格兰杰因果检验结果

通过表2可以看出:城镇化与经济发展是双向格兰杰因果关系。因此,进一步验证了城镇化水平的提高对经济增长有促进作用,其实质是人口与经济活动在空间上集聚的过程。同时,经济的增长对促进城镇化也有积极的促进作用。

3 基于空间面板的城镇化对经济发展贡献度分析

通过VAR模型,研究了时间序列城镇化与经济发展的关系,但忽视了空间上的个体差异,也忽视了空间尺度的相关性,因此,进一步采用空间面板数据模型对我国的城镇化水平对经济发展的贡献度做分析。

3.1 面板数据的平稳性检验

为了避免伪回归,保证估计结果的有效性,需要对面板数据的平稳性进行检验,本文对变量进行了单位根及协整检验。面板数据单位根及协整检验利用的是eviews6软件,单位根检验采用的是LLC、IPS、ADF、PP四种检验方法。

表3 变量的单位根检验

一般来说,只要LLC及ADF两种检验方法均拒绝原假设则说明数据是平稳的,从表3可以看出,原始的数据的单位根检验值并不显著,在经一阶差分后,所有检验方法的检验值在10%的显著性水平下均拒绝了存在单位根的假设,可以认为数据是平稳的,所以全国、东中部、西部数据都是I(1)一阶单整,他们之间可能存在协整关系。

表4 协整关系检验结果

对于小样本,Panel ADF-Statistic和Group ADF-Statistic统计量的检验效果更好,检验结果从表4可以看出Panel ADF-Statistic和Group ADF-Statistic检验都通过了1%的显著性水平,对于T较小时,Kao检验具有更好的检验功效,从表4中可以看出,Kao检验也均通过了1%的显著性水平,拒绝不存在协整关系的假设,因此,本文认为我国31个省市的经济增长与城镇化水平两个变量之间存在协整关系。

3.2 空间相关性检验

在建立空间计量模型前,首先要检验数据之间是的空间相关性是否明显。

本文采用了 Moran I 、LMlag、LMerr、R-LMlag、R-LMerr五种自相关统计量对省域经济增长和城镇化水平进行空间相关性检验,其中LMlag、LMerr、R-LMlag、R-LMerr还可以为模型的选择提供依据。矩阵采用的是分块对角矩阵,利用matlabR2010a软件计算结果如表5所示。

表5 经济增长和城镇化空间相关性检验结果

从表5可以看出,全国、东中部、西部地区经济增长与城镇化水平之间的空间相关性检验都非常显著,而且全国、东中部、西部地区的空间相关性都在0.6以上,呈正相关,经济增长与城镇化具有明显的空间依赖性及空间集聚效应,因此采用传统的面板数据方法估计的模型是有偏的或者是无效的,我们在探讨经济增长与城镇化水平之间的关系时将空间因素纳入模型十分必要。同时从表中的LM与R-LM检验可以判断西部地区选择空间滞后模型。

3.3 空间计量模型的选择与分析

Anselin将空间误差项及空间滞后被解释量引入传统的面板数据模型中,空间经济计量的两种基本模型分别是:

空间滞后模型SLM:Y=ρ(IT⊗WN)Y+βX+ε

空间误差模型SEM:y=Xβ+ε ε=λ(IT⊗WN)ε+μ

其中Y表示经济产出,用lnRGDP来表征;U表示城镇化发展水平,用人口城镇化率lnCZH来表征;

在进行模型选择时,需要考虑是选择采用固定效应模型还是随机效应模型,本文通过运行matlabR2010a软件,比较空间滞后(SLM)固定效应与随机效应模型,空间误差(SEM)固定效应与随机效应模型检验值,如表6所示。

表6 随机效应和固定效应检验结果

从表6可以看出,全国、西部区域范围的空间误差随机效应Hausman检验在5%的水平上显著,表明应采用固定效应,且从全国、东中部、西部区域范围来看,空间滞后固定效应的LR-test、调整的R2、log-likelihood均大于其他三类模型,表明应选择空间固定效应模型。

固定效应模型包括无固定效应、空间固定效应、时间固定效应及时空双固定效应四类模型。通过运行matlabR2010a软件得出全国、东中部、西部地区空间滞后(SLM)四类固定效应模型结果如表7、8、9所示。

表7 全国区域空间固定效应模型的估计结果

表8 东中部地区空间固定效应模型的估计结果

表9 西部地区空间固定效应模型的估计结果

通过分析表7、8、9可以得出以下结论:

通过综合对比空间滞后模型的四类固定效应模型的调整的R2(拟合优度)、δ2、log-likelihood,空间固定效应明显优于无固定效应和时间固定效应,时空固定效应的极大似然值虽然大于空间固定效应,但其拟合优度太低,本文选择了空间固定效应模型。导致这种情况的可能有两个原因引起:原因一是本文选取的是“短面板”数据,也就是时间序列个数(T=7)小于截面个体(N=31)数量,也就可能会导致相对于时间固定效应来说,截面的个体效应更显著。原因二是说明相邻区域城镇化对经济增长的作用的空间溢出效应随区域、但不随时间变化存在很大差异,也就是说主要体现在区域间的结构性差异上,这与我们国家的实际情况也是相符的。

全国、东中部、西部经济增长的空间溢出效应显著,区位因素对经济增长具有重要影响。从表中可以看出,空间效应系数都在0.8以上且在5%的水平上显著,这表明经济增长具有正向的空间扩散效应,一个地区经济的发展会受到相邻地区经济发展的影响。

运用空间固定效应模型,可以进行具体的数据计算分析:对于全国区域而言,如果城镇化水平提高1%,则人均GDP增长0.93%。对于东中部区域而言,如果城镇化水平提高1%,则人均GDP增长3.14%。对于西部地区而言,如果城镇化水平提高1%,则人均GDP增长0.32%。说明城镇化对经济增长的影响存在很大的区域差异,其中,东中部地区城镇化对经济的促进作用最为明显,而在西部地区城镇化对经济的促进作用就相比削弱了很多。究其原因本文认为一是东中部地区教育水平、基础设施、生活水平相比于西部地区都具有优势,人力资源水平较高,具有较好的发展基础,因此东中部人口的城镇化可以形成较高的生产能力,产生较大消费能力,从而城镇化质量更高,促进经济增长的效率就更高,而随着经济的增长,教育、基础设施等的投入增加,社会就业岗位增长,人口的城镇化水平进一步提高,两者形成良性循环。而我国的西部地区虽然资源比较丰富,但是由于基础设施、教育水平、体制改革相对落后,投资不足,抑制了当地就业的增长、消费水平的提高、工资水平的提升,一部分人虽然由贫困的农村搬到城镇,但是其生活仍在贫困线上挣扎,城市贫困问题仍是西部需要关注的问题之一,影响城镇化质量不高,从而导致对经济增长的效率相对低下,因此东中部地区的城镇化水平对经济增长的促进效率远远高于西部地区。二是东中部由于经济更为发达,就业、求学等机会更多,工资水平更高,吸引了更多来自西部地区的人口流入东中部地区,尤其是东部吸引了大量来自西部欠发达地区的高科技人才和农村剩余劳动力,他们在东部城市就业、生活,为城市经济的发展做贡献,也就是说西部地区的资源大量流入东部地区,并且形成明显的马太效应,从而形成了明显的区域差异。

4 结论与建议

本文主要利用var模型和空间计量模型研究了城镇化与经济发展的关系,城镇化对经济发展的贡献度,得出以下结论:(1)本文首先利用var模型研究了城镇化与经济发展关系,脉冲响应函数、方差分解分析、格兰杰因果检验都表明城镇化水平的提高对经济增长有积极的促进作用,经济增长对城镇化发展也具有促进作用,城镇化实质是人口和经济活动在空间上的集聚。(2)本文利用空间计量模型分析得出全国城镇化每提高一个百分点,人均GDP增长约为0.93个百分点,东中部地区城镇化每提高一个百分点,人均GDP增长约为3.14个百分点,西部地区城镇化每提高一个百分点,人均GDP增长约为0.32个百分点,贡献度为东中部>全国>西部。

根据本文对中国城镇化经济绩效空间差异特征的研究,提出如下建议:(1)从宏观政策导向而言,积极推动城镇化建设,注重城镇化发展质量。(2)我国经济发展和城镇化水平都存在明显的空间外溢效应,通过快速交通体系及体制改革等措施,确实缩短距离,加强省域间的联系,寻求跨区域的发展与合作,由区域间的“竞争”发展走向“协同”发展,实现共赢的局面。(3)提高西部地区城镇化对经济增长的促进效率,缩小东西部发展差距,在中西部积极培育城市圈与城市群,打造城市经济圈,发挥空间集聚效应,形成增长极,发挥增长极的辐射带动作用,打破省域行政壁垒在区域间和省域间形成整合联动发展的局面,协调区域经济发展。

[1]Markus B.Economic Growth,Size of The Agricultural Sector,and Urbanization In Africa[J].Journal of Urban Economics,2012,(71).

[2]Sakiru A S,Muhammad S.Trivariate Causality Between Economic Growth,Urbanisation and Electricity Consumption in Angola:Cointegration and Causality Analysis[J].Energy Policy,2013,(60).

[3]朱孔来,李静静,乐菲菲.中国城镇化进程与经济增长关系的实证研究[J].统计研究,2011,(9).

[4]张宏彦,何清,余谦.中国农村金融发展对城乡收入差距影响的实证研究[J].中南财经政法大学学报,2011,(1).

[5]李璐.由“先有鸡还是先有蛋”谈起—格兰杰因果检验[J].中国统计,2012,(1).

[6]刘红梅,张忠杰,王克强.中国城乡一体化影响因素分析—基于省级面板数据的引力模型[J].中国农村经济,2012,(8).

[6]宋慧林,宋海岩.中国旅游创新与旅游经济增长关系研究—基于空间面板数据模型[J].旅游科学,2011,2(25).

[7]王锐淇,张宗益.区域创新能力影响因素的空间面板数据分析[J].科研管理,2010,5(31).

[8]沈体雁,冯等田,孙铁山.空间计量经济学[M].北京:北京大学出版社,2010.

猜你喜欢
城镇化效应变量
关于“十四五”新型城镇化实施方案的批复
铀对大型溞的急性毒性效应
抓住不变量解题
懒马效应
也谈分离变量
应变效应及其应用
家乡的城镇化
分离变量法:常见的通性通法
加快推进以人为本的新型城镇化
对构建新型城镇化的观察思考