中国经济金融化与城镇化的空间计量分析

姜松+王钊+刘晗

摘 要：在理论分析经济金融化影响城镇化机制的基础上，运用我国省际面板数据建立空间计量模型，并采用直接效应和间接效应分解的方法来探寻经济金融化对本区域和邻近区域城镇化发展的影响效应及特征。研究发现，经济金融化对本区域城镇化的影响存在着倒“U”型的非线性转换特征。当经济金融化水平未达到倒“U”型曲线的顶点以前，对该区域城镇化的影响效应显著为正；而其跨越“U”型曲线的顶点后，对该区域城镇化发展的负面效应便开始显现。但值得注意的是，其对邻近区域城镇化影响的非线性特征并不显著，而是存在显著的、线性的负向关系，会制约邻近区域城镇化的发展。此外，工业化和农业人力资本两个控制变量对本区域和邻近区域的城镇化影响效应均显著为正。

关键词：经济金融化；城镇化；空间计量；直接效应；间接效应

文章编号：2095-5960（2017）03-0070-14

中图分类号：F121

文献标识码：A

一、引言

纵观世界经济演变与发展过程，经济金融化带有普遍性和规律性。经济金融化描述和反映的就是金融业在经济体中所占比重不断攀升，经济活动中心由实体经济转至金融部门、生产贸易为中心转移到以金融为中心的客观事实（Foster和Magdoff，2008；赵峰，2010）[1-2]。从发达国家经验来看：在1980年初，发达国家的股市市值已经与GDP相当，而现在其股市市值普遍是GDP的3倍以上，金融部门地位及其贡献不言而喻。就我国而言，随着改革开放和市场化改革联动，我国已晋升世界第二大经济体，金融业发展迅速、实力不断攀升、经济“核心”地位不断显现。据统计资料显示：金融业占GDP的比重由1978年的2.09%上升至2014年的7.32%。当然，这也不仅突显了金融系统在经济领域的重要地位，而且也带来了整个经济发展的金融化趋势（王国伟，2011）[3]，为实体经济提供了强有力的资金支持和服务支撑。但即便如此，我们也应理性和辩证看待经济金融化现象。前车经验充分表明经济金融化是一把名副其实的“双刃剑”，会改变传统利润积累模式、诱发金融利润投机和加剧收入分配失衡。更为甚者，过度经济金融化还会造成实体经济结构的“虚拟化”、产业发展的“空心化”，进而使一国陷入转型困境而不能自拔。

当前，我国经济已迈入新常态，处于结构转型的关键节点、自我修复更新的关键期、改革攻坚的“最后一公里”，但新问题却“抱团”涌现。条分缕析：这些矛盾问题集中体现在农业现代化、工业化、信息化和城镇化不同步性上。所以从宏观层面来说，推动“四化”同步是当前经济发展必然选择和战略框架。在“四化”中，新型城镇化是现代化水平的重要标志，是随着工业化发展，非农产业不断向城镇集聚，从而农村人口不断向非农产业和城镇转移、农村地域向城镇地域转化、城镇数量增长和规模不断扩大、城镇生活方式和城镇文明不断向农村文明扩散的历史过程（张占斌，2013）[4]和必然趋势，是“四化”同步的空间载体和支撑。也即此，新时期城镇化被中央决策高层寄予厚望并被认定为“经济增长引擎”。但城镇化的发展有其内在规律和根植条件，其发展需要实体经济保驾护航、产业支撑保障，进而才能得以实现“产城互动”的政策目标预期和提高城镇化的发展质量。

综合经济金融化和城镇化的核心内涵我们会发现：二者都体现一定的客观性和必然性，代表着经济发展的必然趋势和时代特征，这也是已有发展规模所呈现的不争事实。经济金融化虽然代表着金融部门的地位和综合竞争力的攀升，可以通过金融部门的规模经济为城镇化发展提供必要的资金支撑和基础条件。但我们也可以看到，随着经济金融化深化，其所带来的是国民经济体系中实体经济与虚拟经济比重的变化以及产业结构的变化，可能会虚化城镇化发展的产业基础。那么，二者之间究竟存在怎样的关系呢？在我国现实发展实践中，经济金融化对城镇化影响如何？这些都需要理论和实证予以解答。尤其是在推进新型城镇化的背景下，若不能理清二者之间的关系和现实影响极易会陷入制度背离困境。研究的必要性在于：通过分析经济金融化对城镇化的影响可以不但可以把脉我国经济金融化的发展程度，而且可以从经济金融互动的层面揭示钳制我国城镇化发展原因，为增强政策时效和宏观战略制定提供理论指导和经验支撑。

关于经济金融化国内外学者从不同角度、不同视角对其进行了深入、系统探究。但若对其进行追根溯源，关于经济金融化研究最早发轫于发达国家的体制“土壤”，具有浓重的“体制性”色彩。总体来说：虽然成果丰富，但并未达成共识（赵峰，2010；Freeman ，2010；Lapavitsas，2011）[1][5-6]。若进行归纳，基本上围绕概念认知和效应评估两大主题。在概念认知层面，Palley（2007）[7]认为金融化是一个过程，意味着金融动机、金融市场、金融参与者和金融机构在国内及国内经济运行中的地位不断提升，是金融部门与实体部门关系变化（Epstein，2005；Stockhammer，2010；赵峰，2010）[8-9][1]。崔学东（2009）[10]认为经济金融化是指发达国家以金融为核心并支配实体经济的发展阶段概况，涵盖企业治理、资本关系与积累模式等内容（Arrighi，1994；Fligstein，2001；Tickell，2000；莫雷拉和阿尔梅达，2010；何自立和马锦生，2013）[11-15]。此外，还有学者从生产关系层面进行探索，认为经济金融化是经济关系的日益金融关系化（白钦先，2003；严启发，2008）[16-17]。当然，也有学者提供了较为综合的概念，如赵玉敏（2008）[18]就认为狭义金融化是指运用金融技术将实体资产置换为金融资产的过程，广义金融化则是指世界主要经济体从产业资本向金融资本过渡的进程。

基于概念理清，学者也将研究重点转至效应评估，但也众说纷坛形成两种截然相反结论。Foster 和 Magdoff（2008）[1]、蔡如海和刘向明（2008）[19]、Corpataux和 Crevoisier 等（2009）[20]、鲁春义（2014）[21]充分肯定了经济金融化在金融资源有效配置、完善金融市场体系、缓解收入不平等等方面的正向效应，并发现当增长速度濒临停滞时，金融化有助于经济发展。Stockhammer（2010）[9]、Gleadle和Haslam（2010）[22]、Lin 和Devey（2013）[23]、Mishra 和 Sivramkrishna （2014）[24]聚焦的是经济金融化的微观效应，认为金融化在改变非金融机构治理模式、提升金融人才谈判能力、提升价值创造、维持利润率等方面发挥了重要作用。但也有学者对此并不以为然并对经济金融化的负面效应进行了浓墨重彩的渲染。如在国外学者中，Palley（2007）[7]、Foster和Magdoff （2008）[1]、Dore （2008）[25]等一致认为经济金融化加剧了收入不平等，会引致金融部门行为变化，是影子银行出现的直接原因（Stockhammer，2010）[9]，会加剧经济系统性风险（Kedrosky 和Stangler，2011；Lee 和Cheng，2011）[2627]。在国内学者也有类似观点，如刘刚和白钦先（2008）[28]经济金融化会导致短期资本逐步演化为专业性投资资本，往往会对一国乃至世界经济金融发展造成巨大威胁。吴晓灵（2009）[29]认为金融危机是在经济金融化的高度发展的背景下发生的。赵磊和肖斌（2013）[30]认为经济金融化造成了实体经济与虛拟经济的严重不平衡。

学术界关于经济金融化内涵及其影响认知为研究深入提供了坚实的理论框架和逻辑起点，指引了研究深入方向。但通过对已有研究成果综述亦发现已有研究存在以下问题：一是当前关于金融化效应的研究大多是基于宏观层面的经济增长，并未探究其对城镇化影响的分析。在中国经济整体迈入新常态的现实背景下，城镇化则被中央决策高层视为新时期“经济增长的潜在动力”，战略意义重大，揭示经济金融化对城镇化的影响效应意义更为重大。二是经济金融化和城镇化是经济社会发展的重要规律，随着阶段转换和发展水平提高，二者势必存在显著的阶段性特征和转换性，如何揭示这种成长性和动态性也具有重要意义。三是无论是经济金融化还是城镇化都涉及生产要素的跨区域流动与配置，受到临近市场、临近区域的经济金融化和城镇化发展程度的影响，存在典型的“空间溢出效应”，而现有研究中并未考虑这一“空间”因素，研究前提假设亟待拓展和完善。鉴于此，本文通过建立经济金融化对城镇化影响的空间计量模型展开实证分析，力争寻求新的实证发现，为政府政策制定、理性决策做出提供实证依据和经验支撑。

二、经济金融化对城镇化影响机制的理论分析

按照上述分析，在宏观层面，经济金融化的最为直接的影响效应主要集中于其对经济增长的维度。虽然城镇化所产生的规模效应和集聚效应起到了促进经济的作用，但总体上可以将城镇化看成是经济增长的结果（彭文生等，2013）[31]，二者是同一问题的不同侧面。如果不考虑体制性制约因素，在理论上二者是亦步亦趋、同步前进的。因此，本研究在揭示经济金融化对城镇化影响机制时候确立了“金融化→经济增长→城镇化”的理论分析框架。以此为基础，引入柯布道格拉斯生产函数。

在式（7）中，α体现的就是资金对于产值的贡献份额。由于按照上述假定，资金源于贷款。因此，α体现的就是贷款资金、金融机构或者说金融业增加值对于产值的贡献份额，而这恰恰是经济金融化的核心内涵和基本特征。因此，作为经济增长的必然结果，经济金融化亦会通过加速资金要素流动和分配、提升资源聚合和配置水平和加速资本积累、和推进产业结构的高级化和合理化等途径推进城镇化的发展。另外，1-α则衡量的就是劳动力对产值的贡献份额。从中可以清晰看出，二者之间是此消彼长的关系。由发展经济学的经典理论可知，城镇化过程与工业化过程亦步亦趋，体现的是农村劳动力由农村转向城市、由农业向非农产业就业的客观现实。所以，从某种意义上来说，城镇化所引发的农村劳动力流动、转移和就业的“主战场”应该是劳动密集型产业。但由上可知，随着经济金融化的发展，α对于产值的贡献递增，那么1-α对于产值的贡献就会递减，二者实践是此消彼长的关系。这背后暗含的一个客观事实就是：劳动力密集型产业会逐步向资金或者资本密集型产业转变。当然，这也符合产业发展和产业结构调整的一般规律。但是对于城镇化确实会形成一定的不良影响和冲击。所以，追其本质，金融化所刻画的实际上就是一个国家或者地区金融最大或“最适”容量①①金融容量是一个国家或地区在一定经济条件下金融最大或最适容纳量。变化的过程。这实质上反映的就是美国经济学家戈登.史密斯所刻画的经济-金融比率。尽管戈登.史密斯没有使用经济金融化这一概念，但其金融-经济相关比率实质上就是研究这一问题（蔡如海、刘向明，2008）[19]。

有鉴于此，我们可以认定经济金融化必须维持在一定的限度和临界值以下。寻求和揭示“经济金融化”的适度性就是判断其对当前我国城镇化影响效应和政策制定的关键。而按照上述分析，这实质上就是要寻找资金和劳动力分配的最佳分配比例。众所周知，信用是区别现代化经济和传统经济的主要依据。由于上文我们假定所有资金均来自贷款，而获取贷款需要一定的“资金成本”，也就是利率。为此，假定利率水平为r，劳动力成本或者说工资水平为w。所以，运用资金K和劳动力L产生产值Y时最终的得到的效益函数就可以表示为：

式（11）反映的就是最佳的资金与劳动力比率也就是经济金融化影响城镇化的“门槛值”。当跨越这一“门槛值”时，就意味着当前的金融容量已经超越了经济增长和城镇化所能承受的容量。那么，在新时期如何实现经济金融化与城镇化的协调同步发展呢？式（11）也给出了一定的政策建议。比如，在α和w不变的情况下，r與KL之前就存在一个反比的关系。如果当前经济金融化程度较高，那么政策的侧重就应通过减低利率来实现。反之，如果当前经济金融化程度不高，那么就应该通过提高利率来实现。所以，在推进经济增长和城镇化的过程中，利率改革是一个非常重要的内容。当然，现实中经济金融化对城镇化究竟产生了怎样的影响？其到底有没有因为超过“门槛值”而对城镇化产生不良的影响呢？这些都有待于继续建立计量经济模型予以实证和检验。

三、模型设计与变量说明

（一）模型设计

基于理论分析中所揭示的经济金融化对城镇化的影响机制。本部分继续建立计量经济学模型检验实践中经济金融化对城镇化的影响效应。城镇化作为“四化”系统中的子系统，是经济社会发展的必然规律。因此，除了理论分析部分所涉及的经济金融化外，其还受到其他一系列因素的影响。为了更为准确的揭示其影响效应的变动，又必须在核心变量的基础上引入控制变量，并城镇化看成是经济金融化和控制变量的函数，假定形如式（12）：

在式（22）中，直接效应反映的是矩阵主对角线上元素的平均值，衡量的是自变量是否对本地区的因变量具有显著影响。间接效应是矩阵所有非对角线元素的平均值，主要用于检验是否存在空间溢出效应，计算结果与时间下标是独立的。为此，本研究将运用直接效应和间接效应分解的估计方法来评估经济金融化对城镇化的影响及其空间效应以增强估计方法的科学性和准确性，为政策制定和改革推进提供相应的经验支撑和政策支持。

（二）变量说明及其量化

因变量：城镇化（Ur）。迈入经济新常态后，城镇化演变为经济增长动力，是“四化”同步的载体与主要空间表现形式，是农村人口向城镇流动、集聚的经济规律性形态。这种现象在国外也被称为“城市化”。但就其实质而言，城市化和城镇化并没有本质区别①①因为Urban中包含城市（City）和镇（Town）。我国设有镇的建制，人口规模与国外的小城市相当，人口不仅向“City”集聚，而且向“Town”集聚。（简新华和黄琨，2010）[36]。参照我国大政方针及相关政策导向，沿用城镇化的提法。为此，基于城镇化的基本内涵，用人口城镇化率来衡量我国城镇化发展水平。虽然这一指标存在一定的统计缺陷，但内涵的简洁性、操作的可行性以及获取的便利性特征使其深受学者的青睐。其计算如式（23）。其中，Up表示城镇人口，Tp表示总人口。

核心自变量：经济金融化（Fi）。随着我国经济转轨和市场经济体系逐步健全，金融资产不断丰富，金融体系建立健全，金融创新不断，金融部门在国民经济体系中占据的地位和发挥的作用不断攀升。而按照上文中的界定，这恰恰是经济金融化的重要特征表现。换言之，经济金融化在产业层面表现的是金融产业在国民经济系统中占比的增加。另一方面，如果从利润创造渠道来看，经济金融化体现的是金融投机利润的增加，劳动力收入构成、分配比例和渠道偏好的改变。综合而言，经济金融化最终体现的仍是相较传统产业部门、实物资产、利润渠道，金融部门不断膨胀、实物资产不断证券化、利润创造的“金融偏好”的特征事实。因此，基于概念的综合认知，用金融业增加值占GDP的比重来衡量，见式（24）。相比较，现有学术界用信贷资产占GDP的比重来衡量经济金融化的方式，用金融产值来替代有更深次含义、代表性和典型性。主要有以下几点考虑：一是，在现行金融体制下，信贷总规模反映的只是银行部门的价值活动，无法体现证券、保险以及其他金融行业的价值活动，而金融业增加值则很好地弥补了这一缺陷。因为在生产法下，金融增加值体现的就是金融总产出减去所有中间损耗得到。可以更好地反映“大金融”范畴。二是，在收入法下，金融业增加值是由劳动者报酬、固定资产折旧、生产税净额和营业盈余四部分构成。所以，该指标还可以涵盖收入分配概况，更好拓展经济金融化的内涵及其微观特征。

控制变量（Control）：除核心变量外，影响城镇化的因素还有很多。但从系统科学的角度而言，城镇化作为经济社会发展的子系统，其发展情况无非受到内部因子和外部因子的影响，并在二者相互作用下不断向前演进。当然，这也会模型的稳健性和科学性造成影响，进而也会影响到研究的基本结论。为了保证经济金融化对城镇化发展的影响效应的稳定性，按照发展经济学典型理论，引入工业化（In）和农业人力资本（Ah）两个控制变量以增强模型的稳健性。其中，工业化控制变量用来控制由于工业化发展阶段不同而引致城镇化发展水平的差异。农业人力资本主要用于控制由于城镇化主体也就是农村转移劳动力个体差异特征导致的城镇化发展水平差异的影响。具体而言：

按照发达国家的基本经验，城镇化是工业化的直接诱因和必然结果，不同的工业化发展会导致城镇化发展水平、层次和程度的不同，将工业化引入控制变量可以祛除工业化阶段不同而产生的城镇化发展差异性。一般来说，对工业化的认知存在广义与侠义之分，对于工业化内涵界定不同，定量的指标选取也就不同。从目前的情况来看，存在着指标体系和单一指标两种测度方式。在指标体系方面，如谢康等（2012）[37]就从经济发展水平、产业结构、工业结构、空间结构四个方面建立指标体系来衡量工业化水平。虽然采用指标体系可以更好、更全面和更具体的反映工业化发展的各个维度的内涵特征，但操作复杂。因而其在测度时候运用较多，因而在计量经济学中运用的较少。尤其是，在指标体系方法下，各个指标间存在着“信息重叠”的现象。如现行的主流操作方式一般都将“城镇化”作为工业化指标体系的“空间结构”特征来考量。这显然无法单独揭示工业化对城镇化的影响效应。因而，许多学者仍从狭义的工业化概念入手，用单一指标来衡量。如周业安等（2004）[38]、钞小静和任保平（2011）[39]等学者均采用“工业化率”这一单一指标来衡量工业化发展水平。其计算公式，如式（25），其中，Iv表示工业增加值。

在内部因素方面，我国经济发展存在典型特质就是“二元经济”特性。而在“二元”经济结构中一般都是假定劳动力是同质的，但在现实发展实践中劳动力是由不同年龄、性别禀赋且经过不同教育铸造过的差异化个体，具有明显的异质性特征。尤其是当进入工业化中后期后，劳动力的这种差异化、异质性表现会更为凸显，进而对城镇化进程也会产生不一样的影响，也就會对模型中经济金融化对城镇化的影响产生诸多不稳定性。为控制这种因为农业劳动力自身个体因素对城镇化所产生的差异化影响，进一步引入农业人力资本控制变量以消除劳动力异质性因素的影响。现阶段关于农业人力资本的衡量并未形成统一的意见。但比较来看，平均受教育年限在前提假设层面更为接近人力资本的内涵，而且在技术操作层面相比其他指标具有明显的优越性。为此，本研究在对农业人力资本进行量化的时沿用平均受教育年限这一指标。其基本操作方式如下：一是按照统计年鉴统计口径将农民按受教育程度划分为文盲或半文盲、小学、初中、高中及中专、大专及以上五类，并分别将其赋值为2年、6年、9年、12年、16年，二是再乘以相应类型农民占比就可以得到农民人均受教育年限，如式（26）。其中，WM、XX、CZ、GZ、DZ分别表示各受教育层次农民占比。

（三）数据来源及说明

最终样本选取的是我国31省、市、自治区和直辖市面板数据，样本跨期为1987—2013。其中，城镇化、经济金融化、工业化、农业人力资本等统计指标均出自或根据《中国农村统计年鉴》，《中国统计年鉴》，各省、市、自治区等统计年鉴，中宏教研支持系统，国泰安数据库等整理得到。各省会省市的经度和纬度数据源自国家地理信息中心。相关描述性统计信息如表1：

四、实证结果及分析

空间计量分析是建立空间统计的基础之上的，因此，首先对我国经济金融化对城镇化变动的影响进行空间统计分析，以揭示二者在整体系统中的相互关联及其分布特征。文中主要以1987—2013年我国各省份经济金融化和城镇化二者的平均水平进行空间相关性检验。运用的主要方法是局部Morans I散点图来反映。见图2。由图1可知，我国经济金融化和城镇化间的Morans I的系数为-0.113，小于0，我国经济金融化和城镇化的数据在空间并不是随机分布的，而是呈现典型的依赖性特征，并且表现为空间负相关性。从集聚特点来看，我国经济金融化和城镇化数据在空间上基本上呈现“低-高”、“高-低”的集聚特点。下面以此为基础进一步进行空间计量分析，以揭示经济金融化对城镇化影响程度。

表2中给出了经济金融化对城镇化影响的空间计量分析结果。此外，为了增强研究结论的可信度、科学性和稳定性，研究分别给出了没有添加控制变量和添加控制变量两种情况的模型估计结果。其中，模型（1）为只涵盖核心变量的普通面板估计结果。模型（2）为添加控制变量的普通面板估计结果。由模型（2）可知，引入控制变量后，模型各参数影响方向、影响程度均发生了较大的变化。这说明经济金融化对城镇化的影响受外部和内部环境的影响波动性较强，模型的稳定性有待进一步增强。进一步的，将“空间因素”纳入回归方程。为增强回归结果的可靠性，筛选较优的模型解释经济金融化对城镇化的影响效应。本研究给出了目前空间计量领域主流的四种模型：空间自回归模型（SAR）、空间杜宾模型（SDM）、带有干扰项的自回归空间模型（SAC）和广义空间随机效应模型（GSPRE）的估计结果。其中，模型（3）-模型（6）分别给出的是SAR、SDM、SAC和GSPRE模型的估计结果。模型（7）-（10）分别给出的是工业化和农业人力资本控制变量的SAR、SDM、SAC和GSPRE模型估计结果。从空间计量各模型的估计结果来看，引入空间因素后，模型的R2值有显著提高，这说明涵盖空间因素的空间计量模型较普通面板模型更具有解释力。可以说，引入“空间因素”后模型估计的精准度和信度都得到了较大提高。

但另一方面，从估计结果中我们也会发现：引入空间因素后，某些参数的估计结果在各空间计量模型下就存在了非一致性。这也说明前文所提到的使用点估计方法所带来的研究结果存在的偏误。但事实上，要系统全面地进行空间计量分析，不仅要揭示因变量的自回归空间效应，还应揭示经济金融化和其他控制变量的空间效应。虽然这一点可以由空间杜宾模型得以揭示，但是当样本容量较大时，要涵盖所有估计参数将产生问题。其中，一个解决的办法就是近期受到普遍关注的直接效应和空间效应的分解与估计（LeSage和Fischer，2008；Elhorst，2014）[40][41]。有鉴于此，继续运用直接效应和间接效应分解的方式对空间模型的结果进行重新估计。其中，直接效应测度的是自变量的变化对本区域因变量的影响效应，这种效应还包括“反馈效应”（feedback effects），即效应“外溢”至邻近区域并由其传回“策动”区域。间接效应测度的则是某一单位自变量的变动对其他空间单元因变量的影响效应。由此可以看出，通过对自变量“直接效应”和“间接效应”的空间分解，空间计量研究维度变得更为拓展。由于目前直接效应和间接分解只适用于空间杜宾模型和空间自回归模型。因此，在进行分解时只考虑这两种模型。由于是对空间杜宾模型和空间自回归模型进行分解。在模型（11）和模型（12）中给出的总体效应实际上和模型（7）和模型（8）中是一致的。因而，在分析的时候着重分析其直接效应和间接效应，总体效应部分就不再赘述了。其中，模型（11）给出的是空间杜宾模型的直接效应与间接效应分解结果；模型（12）给出的则是空间自回归模型的直接效应与间接效应分解结果。综合比较，以模型（12）的估计结果作为最终的分解结果。具体来说，在直接效应层面：城镇化的平方项（Ur2）在1%的显著性水平下通过检验，这和模型设定部分所提出假设是不谋而合的。实证结果充分说明，我国城镇化演变是一个动态过程，存在显著的成长性、阶段性和路径依赖性，符合事物变化和发展的基本规律。因此，在实践层面，我们推进城镇化发展也要遵循这样的规律，不能执行“冒进主义”和急于求成。应在遵循城镇化发展客观规律的基础上，打破相应的“路径依赖”特征，做好新型城镇化发展的路径选择。接下来我们重点来看一下经济金融化对城镇化影响的直接效应：

由估计结果可以看出，总体来看，经济金融化（Fi）及其平方项（Fi2）在5%的显著性水平下均通过检验，且经济金融化的平方项Fi2的估计系数为负。这说明就域内而言，经济金融化和城镇化之间存在倒“U”型关系，实证结果有效支撑了经济金融化是一把“双刃剑”理论思想：在未跨越倒“U”型曲线的顶点或者其发展临界值之前，经济金融化对区域内城镇化发展会起到有效的促进作用，可以为城镇化发展可以通过金融部门的规模经济和资金时空功能为城镇化发展提供强大的金融资本积累和基础条件。但一旦经济金融化发展跨越越倒“U”型曲线的顶点或跨越“门槛值”，其对城镇化发展的负面效应就开始显现，金融资产和金融部门膨胀而产生的利润积累模式改变和实体经济“虚拟化”、“空洞化”、“去工业化”而使城镇化失去产业支撑。因此，要实现经济金融化和城镇化协调和共生，必须就经济金融化控制在“合理区间”，防止经济金融化绕过生产过程直接涌入金融领域所形成的“资金空转”和实体经济“虚化”的现象，使城镇化背离产业“土壤”进而影响到城镇化发展质量。另外，从结构层面来看，我们也要对不同区域、不同时间、不同省份的经济金融化发展是否达到“门槛值”进行针对性分析进而制定差异化的调控政策以增强政策的有效性，切记一刀切。

从控制变量的直接效应来看：工业化（In）和人力资本（Ah）对城镇化都显著为正。但相比较而言，工业化对城镇化影响的边际系数要大于农业人力资本积累。工業化为城镇化提供产业支撑、就业容纳和禀赋条件，是城镇化的动力基础，当然这也与“二元”经济理论所揭示的工业化和城镇化二者间的相互关系一致。农业的人力资本积累可以提高农民的城镇化意愿和人口素质，推动城镇化的发展，这也充分说明农业人力资本提高是决定城镇化的重要因素之一（万广华，2013）[42]。通过农业人力资本影响系数低于工业化也说明农业系统内部的“推力”不足，仅靠外部“拉力”在未来可能会面临动力不足的问题。在新时期，转变思路、将支农方向转向农民自身素质提高的维度会是新型城镇化推进重要战略选择。

在间接效应层面：城镇化的平方项（Ur2）在5%的显著性水平下通过检验，这表明城镇化演进除了对本区域具有重要的影响外，也存在显著的空间溢出效应，将对邻域地区的城镇化产生重要的影响。这主要是因为城镇化的发展过程一般伴随着生产要素流动、产业集聚和基础设施建设的配套完善，表现的是社会经济地域空间的演化过程（姜松和王钊，2014）[43]，其空间“外溢性”不言而喻。此外，区域经济一体化进程、区域合作深化以及“城市群”战略实施也均对城镇化的“空间溢出效应”具有重要的影响。接下来，我们重点来看一下，经济金融化对城镇化影响的间接效应以揭示其空间“外溢性”。