我国城市化与经济增长之间关系的实证研究※

张优智（西安石油大学，陕西　西安　710065）



我国城市化与经济增长之间关系的实证研究※

张优智
（西安石油大学，陕西西安710065）

摘要：运用协整分析与Granger因果关系检验方法来分析我国城市化和经济增长之间的动态关系。实证研究发现：我国城市化水平与经济增长之间存在着长期的均衡关系；Granger因果关系检验表明：滞后期为4年时，经济增长构成城市化的原因很显著。即经济增长对城市化水平提高的效应在滞后4年时最为明显。但是，城市化水平构成经济增长的原因还不显著。

关键词：城市化；经济增长；协整检验；Granger因果检验

一、引言

Lucas（1988）发现本地信息与知识的溢出使得城市成为了经济增长的引擎［1］。Lampard（1955）通过对美国数据的实证研究，认为城市发展和经济增长之间是正相关关系［2］。Jones and Kone（1996）、Lemelin and Polese（1995）、Tolley and Thomas（1987）的研究也认为：人均收入和城市化之间是正相关性关系［3-5］。Duranton（2000）的研究表明：城市是经济增长的发生之地，也是经济增长本身的动力之源［6］。

国内学者周一星（1995）利用1977年157个国家和地区的数据进行分析，发现城市化与经济增长之间存在十分明显的对数关系，相关系数达0.9079［7］。程开明（2006，2008）对我国1978-2004年的时序数据的实证检验分析发现：经济增长为城市化水平提高的格兰杰原因，但城市化对经济增长的促进作用不明显［8-9］。曾贤林（2013）发现：贵州的城市化与经济增长之间存在长期均衡关系，两者相互推动［10］。杨筠等（2014）采用西部省级面板数据模型研究发现：不同地区经济增长速度对人口城市化水平提升具有不同的拉动效应［11］。冯亚娟和陈振环（2013）采用VAR模型对我国1978-2011年的数据分析发现：我国城市化对经济增长的正向效应要强于工业化对经济增长的正向效应［12］。

本文将对我国城市化水平与经济增长之间的关系进行Granger因果分析，研究得出的结论能够为我国有序推进城市化促进经济增长提供决策的理论依据。

二、变量、数据与研究方法

本文选择Lngdpi（单位为元/人）代表第i年的人均国内生产总值（用商品零售价格指数进行调整）的自然对数，用来测度经济增长，□Lngdpi为其一阶差分序列。基于数据的可获得性和一般文献通用的做法，以城镇人口占总人口的比重来反映我国城市化水平，用Lnuri表示第i年的城市化水平的自然对数，□Lnuri为其一阶差分序列。本研究采用的数据来源于《中国统计年鉴（2012）》、《新中国六十年统计资料汇编》和《中国能源统计年鉴（2012）》。研究时段为：1978年-2011年。从图1可看出，Lnur、Lngdp均有不断上升的趋势，这说明Lnur和Lngdp有着相关关系的可能。同时测算出两者之间的相关系数高达0.9427。由此可见，我国城市化与经济增长之间存在着十分紧密的依存关系。

图1 我国城市化与经济增长变动情况

三、实证分析

（一）ADF单位根检验

首先要对我国城市化与经济增长变量进行平稳性检验，以确定其平稳性及单整阶数。检验结果见表1,表1说明城市化与经济增长经过一阶差分后无单位根，已是平稳时间序列，所以有：Lnuri～I（1），Lngdpi～I（1）。

表1 Lngdp和Lnur的ADF检验

（二）协整检验

因Lnuri～I（1），Lngdpi～I（1），满足协整检验的前提，可以用Engle-Granger两步法来检验变量之间的协整关系。协整回归方程如下：

Lngdp=-2.9725+3.0004Lnur，R2=0.9857，F=2202.258，DW=0.2068。因方程的DW统计值为0.2068与2还有很大差距，说明了回归方程存在着自相关问题。为了消除方程的序列自相关问题，可以采用广义差分法来消除方程的自相关性。经过检验，发现方程存在二阶序列相关，所以采用广义差分法对回归方程的估计结果进行调整。

调整以后的协整回归方程为：

Lngdp（1978-2011）=-3.2871+3.0901 Lnur+［AR （1）=1.3469］+［AR（2）=-0.5100］，R2=0.9981，F=4953.414，DW=2.2296。

回归方程表示：城市化率每提高1%，引起经济增长增加3.0901%。残差序列的ADF检验结果见表2，方程的残差通过ADF检验，也说明Lngdp与Lnur之间存在协整关系。即我国城市化与经济增长之间存在长期均衡关系。图2分别显示了残差、观测值与拟合值的线性趋势，也明显地说明了变量之间存在协整关系。

表2 残差序列的ADF检验

图2 残差趋势图

（三）格兰杰因果关系检验

通过以上检验发现，1978-2011年我国城市化与经济增长之间存在长期动态均衡关系，为进一步了解变量之间的关系，可以选取格兰杰因果检验法，进行Granger检验。

表3 Granger因果关系检验表

表3表明：滞后期为4年时，经济增长构成城市化的原因很显著。即经济增长对城市化水平提高的效应在滞后4年时最为明显。但是，城市化水平构成经济增长的原因还不显著。由此可见，我国自改革开放以来，经济增长对城市化的作用比城市化对经济增长的影响要明显。其原因在于：经济发展引起了农业生产率的提高以及农民收入水平的增加，从而使农民产生了强烈的进城意愿。二元经济结构导致我国城乡之间的收入水平、国民的受教育机会以及基础设施建设等方面的强烈差距，从而使城市对农民形成了巨大的吸引力。同时经济增长引起了产业结构变动，规模经济、聚集经济效应促使许多企业向城市聚集。在这几方面的综合作用下，形成了经济增长过程中引发的大量农村人口向城市转移，使得我国城市化水平得到提高。城市化水平构成经济增长的原因还不显著，是由于我国服务业发展较慢，第三产业所占比重低，致使城市的扩散效应以及辐射能力均不强，创新溢出效应未能很好地得到发挥，与此同时，市场分割也导致我国城市化在降低交易费用方面的作用很不明显，进而使得我国城市化对经济增长的反向推动效应还不是很明显。

（四）向量自回归模型

序列△Lngdp与△Lnur是一阶单整序列，因此，运用这两个变量的一阶差分序列的数据可以构建向量自回归模型，同时运用脉冲响应函数及其方差分解方法对VAR模型进行进一步的说明。模型依据AIC及其SC（SC指的是施瓦茨准则，其数值越小，就代表模型拟合地越好）选取最小值的判定标准，经过尝试，本部分经过多次尝试将变量滞后区间确定为1阶到4阶。把△Lngdp和△Lnur滞后1～4期的值看作内生变量，进而运用最小二乘法来分析和估算这一向量自回归模型，结果见表4：

表4 向量自回归模型

表4中两个方程各系数下括号内的数值代表的是回归系数的伴随概率和其t统计量的检验值。方程中所估计的系数大部分比较显著，但是有个别的不甚显著，这是由于一个方程拥有同样变量的多个滞后值产生了多重共线性，但整体上来说，系数是显著的。第一个方程显示：当前的△Lngdp和其自身的滞后值以及△Lnur的滞后值都有比较大的相关性。第二个方程表明：当前的△Lnur和其自身的滞后值以及△Lngdp的滞后值都有比较大的相关性。对图3也说明所有的单位根倒数均在单位圆之内，可以证明VAR模型整体拟合情况较好，解释力强。

图3 VAR模型特征方程的根的倒数值

（五）脉冲响应函数及预测方差分解

1、脉冲响应函数

图4是基于VAR（4）以及渐近解析法（Analtic）模拟的脉冲响应函数曲线。

图4 脉冲响应函数曲线

从图4可以发现：城市化与经济增长相互作用的效应差异明显。经济增长对自身的一个标准差新息有较强的反应，而对城市化水平的反应相对较弱。城市化水平对自身的一个标准差开始有较强反应，但效应不断减弱。城市化水平对经济增长的冲击反应较弱。

总之，经济增长对城市化新息的一个标准差扰动的响应呈现出比较稳定的响应并且持续时间也比较长。说明了这两个变量之间存在着紧密的联系，并且这种联系也具有长期性。城市化对经济增长新息的一个标准差扰动的响应呈现出稳定的响应。说明了两个变量之间存在密切的长期关系。

2、预测方差分解

与脉冲响应分析不同，方差分解分析方法提供了另一种描述系统动态的方法。方差分解见图5。

图5 方差分解图

本文为了进一步分析结构冲击对内生变量变化的贡献度，方便评价不同结构冲击的重要性，所以有必要建立预测方差分解模型。根据方差分解理论模型，对城市化水平与经济增长的预测均方误差进行分解，结果见表5。

表5中第一列为变量△Lngdp、△Lnur的各期预测标准误差，这种预测误差是因为修正值的现在值或者将来值的变化造成的。△Lngdp、△Lnur的列分别代表以列△Lngdp列、△Lnur列为因变量的方程新息对各期预测误差的贡献度，每行结果相加为100。从表5中可以发现：经济增长在第1期就受自身波动影响，而城市化对经济增长的波动的冲击，即对预测误差的贡献度，在第3期才开始显现，以后稳定在1%左右。或者说经济增长从第1期开始只受自身冲击的影响，且受城市化水平的影响要小于其自身波动的影响，基本稳定在98%左右。与此同时，经济增长受城市化水平波动的影响从第3期才开始，基本稳定在1%左右。正是由于经济增长对城市化的正向作用要明显强于城市化对经济增长的反向作用，结果使得城市化对经济增长产生的影响不是很大。城市化水平的波动在第1期就受经济增长波动的影响，其对城市化水平波动的冲击（即对预测误差的贡献度）从第1期的25.87上升到第10期的29.90%。与此同时，城市化水平波动受其自身冲击的影响是逐步减弱的，从第1期的74.12%下降到第10期的70.09%，而这与脉冲响应函数分析的结果是相一致的。

表5 △Lngdp和△Lnur的方差分解表

四、研究结论

根据上述基于我国1978-2011年城市化与经济增长的实证分析发现：

（一）非平稳序列Lngdp、Lnur经过一阶差分后平稳，所以有Lnuri～I（1），Lngdpi～I（1）。协整检验结果发现：我国城市化与经济增长之间存在长期的均衡关系，城市化每增加1%，引起GDP增加3.0901%。

（二）格兰杰因果关系检验表明：滞后期为4年时，经济增长构成城市化的原因很显著。即经济增长对城市化水平提高的效应在滞后4年时最为明显。但是，城市化水平构成经济增长的原因还不显著。我国一直存在人多地少、二元经济结构以及城乡差距明显的基本国情，这样使得我国经济增长必然会对城市化产生明显的推动作用。但是由于第三产业不发达、城市规模效益未得到充分发挥等因素限制了我国城市功能充分的发挥，这样就使得我国城市化对于经济增长的反向推动作用还不是很强。

（三）基于VAR的模型表明：我国城市化和经济增长之间存在着密切的联系，且这种联系有一定的长期性。从长期来看，经济增长对于推动我国城市化水平提高的正面效应影响时间较长，效率更高，而城市化水平的提高对促进我国经济增长也有一定的作用，但效果不显著。

［参考文献］

［1］Lucas，R．E．On the mechanics of economic development［J］．Journal of Monetary Economics，1988，22（3）：3-42．

［2］Lampard，E．The history of cities in the economically advanced areas［J］．Economic Development and Cultural Change，1955，2（3）：81-136．

［3］Jones．，B.and Kone．，S．An exploration of relationships between urbanization and per capita income：United States and countries of the world［J］．Papers in Regional Science，1996，75（2）：35-153．

［4］Lemelin．A．，Polese，M．What about the bell-shaped relationship between primacy and development［J］．Interactional Regional Science Review，1995，18（3）：313-330．

［5］Tolley，G．S．，Thomas，V．The economics of urbanization and urban policies in developing nations［M］．Washington，DC：The World Bank，1987：10-15．

［6］Duranton，G．Urbanization, urban structure, and growth［M］．Cambridge：Cambridge University Press，2000：290-317．

［7］周一星.城市地理学［M］.北京:商务印书馆，1995：254-270. ［8］程开明.中国城市化与经济增长的统计研究［D］.杭州：浙江工商大学，2008：45-61．

［9］程开明.城市化与经济增长的互动机制及理论模型述评［J］.经济评论，2007，（4）：143-150.

［10］曾贤林.贵州省城市化与经济增长关系的实证分析［J］.贵州民族大学学报（哲学社会科学版），2013，142（6）：15-17.

［11］杨筠，孙丽萍，王旭霞.基于面板数据的西部人口城市化与经济增长相互关系分析［J］.重庆师范大学学报（哲学社会科学版），2014，（2）：85-91.

［12］冯亚娟，陈振环.工业化、城市化与中国经济增长的动态相关性研究［J］.统计与决策，2013，391（19）：145-148.

责任编校：徐晓

An Empirical Study of Relationship between Urbanization and Economy Growth in China

ZHANG You-zhi
（Xi'an Shiyou University, Xi'an ,Shaanxi,710065,China）

Abstract:Adopting the co-integration analysis and Granger causality method, the paper analyzes the dynamic relationship between urbanization and economy growth based on the data in China．The results show that when the hysteresis is 4 years, there is close causal connection between the urbanization and economy growth. In another word, economy growth has the most significant causal effect on urbanization, when the lag is 4 years. However, the single-direction is found in causality from economy growth to urbanization.

Key words:urbanization; economy growth; co-integration; Granger causality

中图分类号：F299.2；F224

文献标识码:A

文章编号:2095-7955（2016）02-0019-05

基金项目：※陕西省教育厅人文社科专项项目（项目编号：2013JK0149）。

收稿日期：2016-04-05

作者简介：张优智（1977-），西安石油大学副教授，博士。主要研究方向：区域经济。