水利基础设施投资与城镇化进程的关系研究——基于VAR模型的实证分析

朱敏杰,马　骏,2

(1.河海大学商学院,江苏 南京　211000; 2.江苏省水资源与可持续发展研究中心,江苏 南京　211100)



水利基础设施投资与城镇化进程的关系研究
——基于VAR模型的实证分析

朱敏杰1,马骏1,2

(1.河海大学商学院,江苏 南京211000; 2.江苏省水资源与可持续发展研究中心,江苏 南京211100)

摘要：运用VAR模型,构建我国水利基础设施投资额与城镇化率之间的动态关系系统,重点分析两者之间的相互关系和影响机制。Granger因果关系分析表明,水利基础设施投资额是城镇化率变化的Granger原因。通过VAR(4)模型可知,水利基础设施投资额与城镇化率构成的指标体系是长期稳定的。通过脉冲响应分析与方差分解分析可知,长期来看,水利基础设施投资会加速我国的城镇化进程,但在水利基础设施的建设期和运营期,这种影响的大小会有所不同。

关键词：水利基础设施投资;城镇化率;VAR模型;脉冲响应分析;方差分解分析

改革开放以来,中国经济发展取得了举世瞩目的成就。水作为一种自然资源,不仅维持着人们的生产生活,也为经济发展提供动力。中国是一个水资源大国,同时也是一个缺水国家,由于幅员辽阔、人口众多,我国人均水资源量一直处于较低水平,到2012年,中国人均水资源量为2 186 m3,仅为世界平均水平的1/4。中国的缺水情况,一方面与全国“南多北少、东多西少”的水资源空间分布不均有关,另一方面,也与水利基础设施不健全相关。随着我国在全面建设小康社会的道路上不断前进,越来越多的人将涌入城市,零星分布的村庄也将进一步得到整合,形成城镇。“一带一路”战略地实施,也将带动一大批新兴城镇诞生,这不仅为国家经济发展带来了新的增长点,也给全国大小城镇用水带来了新的挑战。随着国家改革不断深化,经济发展水平不断提高,水利基础设施投资与城镇化水平的因果关系如何，到底是水利基础设施投资促进了城镇化水平的提高,还是城镇化水平到了一定阶段后扩大了对水利基础设施的需求?如果这两者之间存在因果关系,那么相互之间的影响程度有多少?为了回答这些问题,笔者利用1978—2012年全国时间序列数据,基于VAR模型的相关理论,结合Granger因果检验、脉冲响应分析与方差分解分析等方法,探索了我国水利基础设施投资额与城镇化率之间的动态关系,并提出了相应的建议。

1文献回顾

经济发展依赖各种因素共同作用,其中,基础设施无疑是一项十分重要的因素。在经济学发展与衍生过程中,许多经济学家都看到了基础设施对城市与经济发展的重要作用,例如,亚当·斯密[1]就曾经指出:“一国商业的发达,全赖有良好的道路、桥梁、运河、港湾等公共工程。”但当时的经济学家对基础设施是如何影响经济发展并没有十分完整的认识,以至于在新古典经济增长理论中,许多经济学家都没有单独突出基础设施的作用。直到1989年,美国经济学家Aschauer[2]才真正将基础设施投资从总投资中分离出来,进行了深入研究,他利用美国1949—1973年的时间序列数据,结合Cobb-Douglas生产函数探讨了基础设施在经济增长中的作用,得到基础设施的产出弹性为0.39。以此为开端,基础设施与经济发展之间的相互影响成为了经济学界的研究热点,越来越多的经济学家投入到这一领域中来,例如,Holtz-Eakin[3]将基础设施投资从总投资中分离出来,单独估计了基础设施对经济增长的影响。Munnel[4]利用美国1948—1987 年的数据,对基础设施的产出弹性进行了估计,得出了基础设施产出弹性在0.34～0.41之间的结论。也有一些学者认为,基础设施并没有显著推动经济发展。例如,Hulten等[5]认为,基础设施资本所带来的产出效应并不会保持不变,宏观经济产量对公共资本的弹性大小取决于研究者所考察的时期长短。

国内学者对于基础设施与宏观经济发展之间关系的研究起步较晚,但发展迅速,目前已经成为研究领域的一大热点,涌现出了一批十分有代表性的研究成果。钱家骏等[6]等最早在国内提出,应该单独研究基础设施对宏观经济的影响,并认为应该加强在基础设施方面的投资。王任飞等[7]则基于协整理论和VECM模型,分析了中国基础设施与总产出之间的协整关系及Granger因果关系。任蓉等[8]从多因素共生角度出发,将Solow模型中的资本分为交通基础设施资本投入、其他基础设施资本投入、非基础设施资本投入,并利用1978—2009年的数据,构建了反映交通基础设施投资与经济增长的动态关系VAR模型,研究了交通基础设施对经济增长的贡献度。

通过对上述文献的回顾,发现大部分的研究文献都将基础设施作为一个整体,来研究其如何影响宏观经济。实际上,基础设施根据作用的不同,可以分为许多不同的类型,如交通、水利、能源等,不同的基础设施对经济发展的影响可能是不同的,一部分学者意识到了这一问题,因而突出研究了交通基础设施对经济的影响,但水利基础设施却鲜有关注。其次,经济发展包括许多方面,如社会生产率的提高、产业结构的升级、人民生活水平的提高等,单纯将GDP作为基础设施影响的对象未免不够全面。基于此,笔者研究了水利基础设施投资对宏观经济的影响,并跳出了将GDP作为因变量的固定思维,转而将重点放在城镇化水平上来,对水利基础设施投资对城镇化水平的影响机理做了初步研究。

2研究方法与数据来源

本文主要以VAR模型为基础,结合Granger因果检验、脉冲响应函数与方差分解等方法,以此来分析水利基础设施投资额与城镇化率之间的动态效应。向量自回归模型(Vector Auto Regression,VAR)是用模型中所有当期变量对所有变量的若干滞后变量进行回归,来估计联合内生变量的动态关系而不带有任何事先的约束条件,描述在同一样本期间内的n个变量(内生变量)可以作为它们过去值的线性函数。该模型运用非结构性的方法解释了各个变量之间的关系,并经过滞后结构分析、脉冲响应函数和方差分解等对变量之间的动态联系提供了严密的说明，常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态影响[9]。

对于n个变量滞后p期的VAR(p)模型的数学表达式为

(1)

根据上述模型,结合本文实际,yt所对应的变量分别为城镇化率(Ut)与水利基础设施投资额(St),其中,城镇化率采用全国城镇人口数除以全国总人口来表示。基于此,本文中yt为二维列向量。Aj为二乘二的待估矩阵,c为二维列向量,μt为二维扰动向量,p为滞后阶数。

针对所建立的模型,选取相应数据,所有数据均来自于《中国统计年鉴》与《中国水利统计年鉴》,时间跨度为1978—2012年。对变量时间序列数据的描述性统计见表1。

表1　变量数据的描述性统计

从表1的相关统计指标来看,我国城镇化取得了巨大进步,最大值是最小值的近3倍,但是,即使城镇化率最高的年份,也只有52.57%,与国外发达国家的80%以上仍有不小的差距,这表明我国的经济发展与城镇化进程仍有很大的潜力,改革开放所带来的“发展红利”在未来较长时间内,仍将推动国家经济的发展,随着“一带一路”政策的逐步落实到地方,各地城镇化水平在未来仍然会有较大的发展空间。从水利基础设施投资额来看,如今的水利基础设施投资与改革开放初期相比已经不可同日而语,投资额的最大值已经是最小值的292倍,水利基础设施投资额不断扩大,一方面是国力日渐强盛,国家拥有更多资金来发展水利领域,同时,也表明随着经济发展、城镇化水平提高,人们逐渐对水利基础设施重要性的认识也逐步提高。将水利基础设施投资额的均值、中位数、最大值综合起来看可以发现,水利基础设施投资额并非随着年份逐步稳定扩大,而是近几年才大幅增长,这也体现着国家对水利基础设施认识上的转变。

3定量分析

在开始定量分析之前,对数据进行预处理。由于水利基础设施投资额是以当年价格水平为基础的,为了消除价格水平变动与通货膨胀的影响,本文以1978年为基期对投资额进行平减。为了消除数据中可能存在的异方差现象,对城镇化率与平减后的水利基础设施投资额进行取对数处理,对数变化后的指标分别用lnUt和lnSt表示。

3.1单位根检验

多数的时间数据序列都是不稳定的,当时间序列不平稳时,会导致“伪回归”现象以及各项统计检验无意义[10]。因此,在建立计量模型之前,需要对时间序列数据进行单位根检验,以确定各序列的平稳性及单整阶数。

根据具体实际,本文采用ADF检验,运用EVIEWS软件进行单位根检验,检验结果见表2。

表2　ADF单位根检验结果

注:Δ为一阶差分；Δ2为二阶差分。检验类型中的C和T为含有常数项和趋势项；K为所采用的滞后阶数。

检验结果表明,原始数据与一阶差分后的数据均没有拒绝有单位根的假设,因此所有变量的原始数据与一阶差分数据都是存在单位根的非平稳序列。经过二阶差分后,所有变量数据都变成平稳序列,因此变量的时间序列服从二阶单整,即I(2)。

3.2Granger因果检验

本文是在VAR模型框架下,考察水利基础投资额(lnSt)与城镇化率(lnUt)之间的相互影响,在拟合VAR模型之前,必须先要判断两个变量之间是否存在因果关系,因此需要进行Granger因果检验。无论是Granger因果检验,还是拟合VAR模型,滞后阶数的选择都会对结果产生较大影响,所以必须先判断滞后阶数。本文在选择滞后阶数时综合考量LogL、LR、FPE、AIC、SC、HQ指标,遵循“少数服从多数”原则,对滞后期进行选择。分析结果见表3。

根据以上分析,结合“少数服从多数”原则,本文选择的滞后阶数为4。在此基础上,对所涉及的两个变量(lnSt与lnUt)进行Granger因果检验,检验结果见表4。

由表4可以得出,在5%显著水平下,lnUt与lnSt存在单向的Granger因果关系,即lnSt是lnUt的Granger原因,而lnUt不是lnSt的Granger原因。这表明,水利基础设施投资额的增加,会对加速我国的城镇化进程,而我国城镇化水平的变化,并不会直接引起水利基础设施投资额地增加。

表3　滞后阶数的确定

注:“*”为此评价标准下的最佳滞后阶数。

表4　Granger因果检验结果

注: 均在5% 的显著水平下,存在Granger因果关系。

3.3VAR模型的构建与分析

上述分析只是从总体上确定了城镇化率与水利基础设施投资额之间的因果关系,得出了水利基础设施投资额增加会加速城镇化进程的结论。为了进一步分析城镇化率与水利基础设施投资额之间的关系,必须构建出符合本文实际情况的二维VAR模型。在构建VAR模型时,考虑到自由度与滞后阶数之间的均衡,根据上文分析,选定滞后阶数为4,由此得到VAR(4)模型,其具体形式如下:

各自回归模型与VAR模型整体检验结果如表5所示。

从表5、表6可以看出,以lnSt和lnUt为被解释变量的模型的调整R2分别为0.992 054 419和0.999 117 785,模型的拟合效果较好。根据上文分析可知,lnSt是lnUt的Granger原因,而lnUt不是lnSt的Granger原因,因此重点关注以lnUt为因变量的方程,该方程的拟合效果较好。

根据上文建立的VAR(4)模型,可以得出如下结论:在VAR(4)模型中,水利基础设施投资额(lnSt)滞后1期到滞后4期对城镇化率(lnUt)的影响系数分别为0.002 8、0.007 5、-0.01 1、0.009 8,这表明在水利基础设施投资后,存在建设期与运营期两个阶段,这两个阶段对城镇化都有正向的促进作用,但两个阶段之间会有缺口。

表5　各自回归模型检验结果

表6　整体模型检验结果

3.4脉冲响应分析与方差分解分析

上文的VAR(4)模型分析了水利基础设施投资额(lnSt)对城镇化率(lnUt)的影响趋势,为了进一步揭示水利基础设施投资与城镇化之间的动态关系,必须进行脉冲响应分析与方差分解分析。由于只有稳定的VAR模型才可以进行脉冲响应分析与方差分析分析,因此,必须对上文的VAR(4)模型进行稳定性检验。检验结果如表7所示。

表7　VAR模型稳定性检验结果

从表7可以看出,特征方程的全部根的倒数都落在单位圆内,这表明,模型中,水利基础设施投资额与城镇化率之间的关系是稳定的,可以进行脉冲响应分析与方差分解分析。

根据上文的Granger因果检验可知,水利基础设施投资额(lnSt)与城镇化率(lnUt)之间,只存在lnUt与lnSt的单向Granger因果关系,即lnSt是lnUt的Granger原因,而lnUt不是lnSt的Granger原因。因此,在进行脉冲响应分析所得到的4个方面的响应图中,只分析水利基础设施投资额(lnSt)变化时,城镇化率(lnUt)的响应情况,脉冲响应分析如图1所示,图中实线表示脉冲响应函数,虚线表示正负两倍标差偏离带。

图1　脉冲响应分析

从图1可知,当对水利基础设施投资额(lnSt)施加一个标准差正向冲击后,城镇化率(lnUt)会产生如下变化:在水利基础设施投资额增加情况下,城镇化率在1～3期会有一个明显的上升,但在第4期时,这种上升趋势得到减缓,甚至略微下降,随后从第4期开始,城镇化率又会逐步上升。产生这种情况的原因主要是:对于水利基础设施而言,存在建设期与运营期,在建设期中,由于需要一系列建筑材料,因而会使与建设水利基础设施相关的原材料行业需求增加,产生产业集聚,这种集聚将有利于新城镇的诞生。随着建设期的完成,这些产业的集聚效应将会减弱,城镇化进程放缓,但随着水利基础设施开始运营,便捷的用水条件不仅改善了人们的生产生活条件,提高了人们的生产效率,也吸引那些用水要求较高的企业的入驻,从而在促进经济发展的同时,也会使城镇化率稳步提高。

方差分解是通过展示VAR模型中每一个结构冲击对内生变量变化的贡献度,来分析经济中某个内生变量的冲击给其他内生变量所带来的影响程度。其方法是把系统中全部内生变量的波动按其成因分解为与各个方程信息相关联的每个组成部分,从而得到信息对模型内生变量的相对重要程度[11]。与脉冲响应分析相同,我们在此只分析城镇化率(lnUt)的方差分解,见表8。

从方差分解结果可以看出,城镇化率水平的变动不仅受自身冲击影响显著,水利基础设施投资额也会对其产生明显的影响,且这种影响将随着时间的推移不断加强。为了进一步提高我国城镇化水平,提升人民生活质量,应重视和加大对水利基础设施的投资,为经济与产业发展打下坚实的基础。

表8　方差分解结果

4结论

运用VAR模型的相关理论,分析水利基础设施投资额与城镇化率之间的相互关系,并采用1978—2012年的时间序列数据进行实证分析,得出以下结论:

a. 由Granger因果检验得知,水利基础设施投资额与城镇化率之间并不是相互影响的双向因果关系,只存在水利基础设施投资是城镇化率变化的Granger原因这样的单向关系。根据这一结论建立的VAR(4)模型表明这两者构成的系统是长期稳定的。从Granger因果分析与VAR(4)模型的分析结果出发,结合现实情况,可以发现,水利基础设施投资加速城镇化的进程并不直接,而是存在一个传导过程:一般而言,水资源较易获得的地区容易产生高度的文明,我国历史上的长江流域文明和黄河流域文明已经印证了这一点,水利基础投资额的加大最直接的效果就是某地水利基础设施的完善,完善的水利基础设施降低了人们生活以及企业生产的用水成本,从而导致了人口与企业的集聚,人口与企业的集聚促进了商品经济的发展,最终将使得原有的小城镇扩大或形成新的城镇。

b. 脉冲响应分析与方差分解分析进一步揭示了水利基础设施投资与城镇化率之间的动态关系:水利基础设施投资无论是发生在建设期或是运营期,都会对城镇化水平的提高带来促进作用,且由于水利基础设施运营期与建设期相比时间更长,因此该投资在水利基础设施运营期对城镇化水平提高的促进作用显得更为显著且持久。而在两个时期的过渡阶段,水利基础设施投资对城镇化水平的提高会带来一定的不利影响。因此,为了进一步提高我国的城镇化水平,改善人们的生产生活条件,同时改善我国水资源“南多北少、东多西少”的空间分布情况,国家在保持目前固定资产投资政策的同时,尽可能加强水利基础设施领域的投资,同时引导社会资金参与到这一领域中来,为我国经济发展与城镇建设打下坚实的基础。

参考文献：

[1] 亚当·斯密.国富论[M].唐日松,译.北京:北京出版社，2007.

[2] ASCHAUER D A. Is public expenditure productive? [J].Journal of Monetary Economics，1989，23(2):177-200.

[3] HOLTZ-EAKIN D, SCHWARTZ A E.Spatial productivity spillovers from public infrastructure: evidence from state highways[J].International Tax & Public Finance，1995，2(3):459-468.

[4] MUNNELL A H.Why has productive growth declined? Productivity and public investment[J].New England Economic Review，1990(4):3-22.

[5] HULTEN C R, SCHWAB R M.Regional productivity growth in U.S.manufacturing: 1951—1978[J].American Economic Review，1984，74(1):152-162.

[6] 钱家骏，毛立本.要重视国民经济基础结构的研究和改善[J].经济管理，1981(3):12-15.

[7] 王任飞，王进杰.基础设施与中国经济增长:基于VAR方法的研究[J].世界经济，2007(3):13-21.

[8] 任蓉，程连元，谢卓然,等.交通基础设施投资与经济增长的动态效应分析:基于VAR模型的实证研究[J].科技管理研究，2012，32(4):85-89.

[9] 柳彬德，张丽峰.中国能源需求向量自回归模型的建立与分析[J].技术经济与管理研究，2009(2):85-87.

[10] 罗雨泽.我国FDI、经济增长与国内投资结构关系的实证研究:基于协整方法(1979—2004)[J].当代财经，2006(3):97-103.

[11] 鲁春义.基于VAR模型的中国金融化、垄断与收入分配关系研究[J].经济经纬，2014，31(1):142-148.

基金项目：江苏省社会科学基金(12EYB008);江苏省博士后基金(1202087C)

作者简介：朱敏杰(1990—),男,江苏无锡人,硕士研究生,主要从事区域经济学研究。E-mail:rob_zmj@163.com

DOI：10.3880/j.issn.1003-9511.2016.03.008

中图分类号：F407.9

文献标识码：A

文章编号：1003-9511(2016)03-0031-05

(收稿日期：2015-10-13编辑：陈玉国)