基于VAR的移动互联网发展与城镇化建设良性互动效应研究

郑飞鸿，丁先存



基于VAR的移动互联网发展与城镇化建设良性互动效应研究

郑飞鸿，丁先存

(安徽大学管理学院，安徽合肥 230601)

文章通过建立VAR模型实证检验移动互联网发展与城镇化建设的动态关系，利用VEC模型、脉冲响应、方差分解等方法分析了移动互联网发展与城镇化建设的交互效应，结果证明移动互联网发展对于城镇化建设具有显著的正向影响，而城镇化建设对于移动互联网发展的初期作用显著，后期会出现“边际递减”效应，政府部门应从战略高度重视移动互联网发展，企业与社会公众也应努力为移动互联网发展营造良好的外部环境。

VAR模型；移动互联网发展；城镇化建设；良性互动效应

一、引言

世界移动互联网大会(GMIC)将于2017年6月23日在北京举办，这是继2016年第三届世界互联网大会(WIC)在乌镇举办后，我国举办的又一次高级别互联网峰会，届时来自世界各地的行业领袖、企业高管将齐聚一堂，共同研讨移动互联网的发展趋势。Web3.0时代的移动互联网既是一种技术、也是一种产业，从技术层面上来说，移动互联网技术改变了人们传统的生活方式，打破了僵化的思维模式，对于提高人们的生活质量和生活水平具有显著作用。从产业层面上来说，移动互联网产业优化了产业结构布局，通过发挥“引致效应”和“集聚效应”带动了相关产业发展，合理配置了要素资源。移动互联网发展对于加强基础设施建设、提高生产技术水平、促进区域互联互通、推进供给侧结构性改革等新型城镇化建设项目起到重要作用，移动互联网发展与城镇化建设正呈现出良性互动效应，新型城镇化建设配套国家“一带一路”、“互联网+”、“智慧城市”、“宽带中国”以及“中国制造2025”等宏观政策必将释放潜能，推进移动互联网更好更快的发展。

孙耀吾等利用系统动力学模块耦合共轭理论揭示了移动互联网创新网络运行机理，移动运营商、网络设备供应商和下游开发商形成动态的耦合共轭系统，推动移动互联网基础设施不断升级[1]。彭丽琼从产业规模、消费结构、市场潜力、产业链的竞争与合作角度论证了我国移动互联网产业发展的必要性和可行性[2]。Mutaz等认为移动互联网发展改变了传统的商业模式，O2O模式强调以顾客为中心，充分考虑顾客的个性化需求，并且通过体验消费、增值服务带动相关产业发展。Kolko通过对比分析美国服务业与制造业对于城镇化发展的影响效应，结果发现服务业(B=0.55,p<0.01)比制造业(B=0.42,p<0.01)更有利于促进城镇化，服务业对于移动互联网的依赖性更大，移动互联网对于服务贸易的协同集聚效应使得城镇化推进得更快。Liddle研究发现城镇化对于移动互联网发展的影响呈现倒U型关系，城镇化初始阶段这种倒U型影响并不明显，随着城镇化发展到一定阶段，这种倒U型影响变得越来越显著。张军涛和黎洁岑结合移动互联网产业集聚区域形成创新系统的特点，对北京、深圳等六大城市的创新能力进行了评价，结果显示移动互联网产业集聚有利于提升城市的创新能力[3]。Jordan和Shaffer指出基站、服务器、电缆、MVPDs影响移动互联网运营，移动互联网基础设施建设有利于改善移动服务网络，为城镇居民的生活带来便利。曲巍巍和程迎新指出移动互联网、地理信息、大数据等信息技术催生出科技创意园、企业孵化器、综合性生产服务中心等新载体，加速了我国产城融合的发展[4]。Joseph通过研究五个ECA国家的移动银行发展情况，发现在产城融合背景下移动银行的业务流程、服务模式得到了很大的创新，移动互联网技术的应用变得更加成熟。刘焕蕊认为移动互联网金融能够突破传统地域、产业等社会空间的限制，实现产城之间、行业之间的资金供需对接，从而实现产城之间的空间整合、以产促城、以城兴产的经济发展目标[5]。Jenny和Isaac对撒哈拉以南非洲地区的移动互联网普及情况进行了调查研究，认为移动互联网以及通信基础设施的建设能够有效提升农业和劳动力市场效率，对于促进产城融合意义重大。

二、实证分析

(一)变量的选择

本文选取移动互联网覆盖率(MI)与城镇化率(UR)作为移动互联网发展与城镇化建设的替代变量，移动互联网覆盖率为手机网民数占网民数量的比重，城镇化率为城镇人口占总人口的比重。移动互联网覆盖率与城镇化率分别来源于中国互联网络信息中心(CNNIC)提供的《中国互联网络发展状况统计报告》和国家统计局提供的《中国统计年鉴》，选取的数据期限为2002—2015年，之所以选取2002以后的数据是因为我国从2001年11月开始正式接入移动互联网。

(二)构建VAR模型

VAR模型在研究时间序列变量的动态关系以及交互作用机理方面具有独特优势，首先，VAR模型不需要对解释变量在预测期内的取值做任何预测，避免了传统回归模型繁琐的回归前检验步骤和程序，简化了移动互联网发展与城镇化建设数据处理与预测前准备的相关检验过程。其次，VAR模型通过引入待估参数的滞后期将预测模型进行时间序列分解，能够精准地预测出移动互联网发展与城镇化建设在时序上、内外部、长短期的动态交互影响效应，并且可以显著降低因采用替代变量而造成的偏离误差。再次，VAR模型对参数不施加零约束，有效解决了参数估计中的非一致性问题，增强了对移动互联网发展与城镇化建设时间序列变量变化趋势以及系统扰动因素的解释能力。因此，VAR模型在简化程度上、预测精准度上以及解释能力上具有一般回归模型无可比拟的优势，非常适合用于研究移动互联网与城镇化建设的动态关系。向量自回归模型(VAR)将研究对象全部看成是内生变量，运用非结构化模型将所有内生变量的滞后值作为函数进行回归分析，这样就把原先的单变量线性回归模型改造成由单变量滞后期函数构成的组合变量回归模型，形成了系统性的组合变量复杂预测模型，这种组合变量复杂预测模型能够有效弥补传统单变量回归模型的弊端，提高了模型预测、判别的精度和准度，有利于深层次解析移动互联网发展与城镇化建设之间的动态关系和影响效应。为消除异方差同时突出弹性意义，我们对两项指标分别取对数，即移动互联网覆盖率Ln(MI)和城镇化率Ln(UR)，参照LR、FPE、AIC、SC、HQ等评价指标，确定模型的滞后期为2阶滞后期，由于Ln(MI)和Ln(UR)均为非平稳时间序列，需要对变量进行稳健性检验。

1. 稳健性检验。稳健性检验用以判别模型系统结构的动态稳定性，VAR模型稳定的充要条件是经过友矩阵变换的特征方程所有特征根的模都要小于1，并且所有特征根均分布于单位圆内，如果被估计的VAR模型不稳定，估计的结果则会出现较大的偏差。对VAR模型的联立方程组进行计算，得出模型的全部特征根，由表1可知，VAR模型的全部特征根均小于1，因此具有较强的稳健性，我们利用Eviews6.0软件的AR Roots Graph功能绘制出VAR模型全部特征根位置图，发现模型的全部特征根均分布于单位圆的范围内，因此，可以判定构建的VAR模型是个非常稳定的系统。

表1 VAR模型的全部特征根

2. ADF单位根检验。ADF单位根检验的目的是验证时间序列变量组之间是否存在真正意义上的相关性，当时间序列变量中存在单位根时，时间序列变量组就会变得不平稳，在做变量回归的时候也就容易出现“纳伪”的现象，因此，需要通过对变量作差分处理使其变得平稳。如表2所示，Ln(UR)的截距项和时间趋势项的Prob.值均小于0.05，D-W统计量接近于2，t统计量大于5%临界值，初始检验结果不平稳，需要做一阶差分再检验。∆Ln(UR)的截距项和时间趋势项的Prob.值均小于0.05，D-W统计量接近于2，t统计量仍然大于5%临界值，因此还需要做二阶差分检验。Ln(UR)的截距项和时间趋势项的Prob.值均大于0.05，需要将C和T剔除，由于D-W统计量不符合检验要求，需要修改滞后期数再做检验，最终t统计量小于5%临界值，ADF单位根检验达到平稳。Ln(MI)的截距项和时间趋势项的Prob.值均大于0.05，需要将C和T剔除，由于D-W统计量不符合检验要求，需要修改滞后期数再做检验，t统计量大于5%临界值，初始检验结果不平稳，需要做一阶差分再检验。∆Ln(MI)的截距项Prob.值均小于0.05，而时间趋势项的Prob.值均大于0.05，因此将T剔除，由于D-W统计量不符合检验要求，需要修改滞后期数再做检验，t统计量仍然大于5%临界值，因此还需要做二阶差分检验。Ln(MI)的截距项和时间趋势项的Prob.值均大于0.05，需要将C和T剔除，D-W统计量接近于2，最终t统计量小于5%临界值，ADF单位根检验达到平稳。

表2 ADF单位根检验结果

3. Johansen协整检验。协整检验通过分析变量之间是否存在长期稳定的均衡关系，从而论证模型构建与变量回归在逻辑上的合理性。对Ln(MI)和Ln(UR)这两个变量进行Johansen协整检验，结果显示Trace统计量大于5%的显著水平临界值(Trace统计量=20.855，5%临界值=12.320)，且Prob.**概率值小于0.05(Prob.**=0.001)，因此我们可以判定Ln(MI)和Ln(UR)这两个变量存在协整关系，即移动互联网发展与城镇化建设之间存在长期稳定的均衡关系。

(三)构建VEC模型

向量误差修正模型(VEC)是在对VAR模型进行修正调整的基础上构建出来的，通过协整检验的非平稳时间序列可以经自回归分布滞后变换构建误差修正模型，而含有协整约束的自回归分布滞后模型的组合就是向量误差修正模型。向量误差修正模型通过引入误差修正项(ecm)，能够反映出变量偏离长期均衡状态时由非均衡状态调整至均衡状态的变化过程，同时将变量的水平值与差分相结合，利用变量的波动振幅更加精确地做出预测估计。根据前文检验结果，本研究的相关变量均通过稳健性检验、ADF单位根检验以及Johansen协整检验，因此具备构建VEC模型的基本条件，分别构建关于Ln(UR)和Ln(MI)的VEC模型，即：

∆=-0.091*+0.226*∆-1.205*∆-0.009*∆+0.005*∆+0.056

∆=-6.17*-27.343*∆-52.138*∆-0.068*∆+0.136*∆+2.539

其中：

1. 脉冲响应函数分析。脉冲响应原理利用某一变量对系统内其他变量的随机误差项产生冲击，根据相关变量受到冲击后在当期内以及未来期限的反应程度，分析变量之间的动态影响关系以及敏感性因素。我们通过构造脉冲响应函数分别研究Ln(MI)的随机误差项的冲击对Ln(UR)当期以及以后各期的影响，Ln(UR)的随机误差项的冲击对Ln(MI)当期以及以后各期的影响，从而检验移动互联网发展与城镇化建设之间的动态关系及影响效应，对 Ln(UR)施加冲击时，Ln(MI)一开始受到负向影响，这种负向影响的程度逐渐加强，到了第2期达到最低点-0.0016，从第2期开始这种负向影响开始减弱，到了第3期开始转为正向影响，且这种正向影响的程度不断增强到了第4期达到峰值0.0015，从第4期开始这种正向影响出现下降趋势，一直到第6期突破临界值，变为较弱的负向影响，这种负向影响很快又转变为正向影响，且影响程度急剧上升，到了第8期达到最高点0.0016，之后便出现略微下降趋势，到第10期趋于平稳。Ln(UR)对Ln(MI)的脉冲响应要比Ln(MI)对Ln(UR)的脉冲响应敏感得多，Ln(UR)一开始受到正向影响，但这种正向影响逐渐减弱，到了第2期转变为负向影响，且这种负向影响程度继续加剧，到了第3期达到最低点-0.15，从第3期开始负向影响程度逐渐减弱，到了第5期突破临界值，变为较弱的正向影响，紧接着这种正向影响又变为负向影响，且影响程度不断增强，一直到第7期达到顶点-0.12，之后出现微弱的波动，最终稳定在-0.1左右。

2. 方差分解分析。方差分解通过解构内生变量的相关影响因素，分析相关变量在不同时期对于内生变量的贡献度影响水平。根据Ln(UR)和Ln(MI)的方差分解结果(见表3)，Ln(UR)在第1期仅受自身波动的影响，从第2期开始受到Ln(MI)的影响，但Ln(MI)的方差贡献率较小，从第3期起Ln(MI)对Ln(UR)的方差贡献率持续增加，到第10期基本保持稳定，约占24%，尽管在第5—7期出现一点波动，但总体趋势还是稳定上升的，因此认为移动互联网发展对城镇化建设起到较大的促进作用，且这种影响是持续稳定的。Ln(MI)从第1期开始就收到Ln(UR)波动的影响，且影响程度较强，Ln(UR)的方差贡献率达到24%，从第2期开始Ln(UR)对Ln(MI)的方差贡献率出现下降趋势，且这种趋势一直延续到第10期，并在第10期达到稳定程度，约占6%，因此我们认为城镇化建设对移动互联网发展的影响一开始保持强劲态势，但是随着城镇化建设的推进，特别是城市基础设施建设的完善，这种影响出现了“边际递减”的效应。

表3 Ln(UR)和Ln(MI)的方差分解

三、结论

根据实证分析结果，我们认为移动互联网发展与城镇化建设之间存在良性互动效应，移动互联网发展对于城镇化建设具有显著的正向影响，而城镇化建设对于移动互联网发展的初期作用显著，后期会出现“边际递减”效应。从宏观层面来说，移动互联网发展对于政府推进城乡一体化、优化公共服务、合理配置基础性资源起到重要的引领作用；从中观层面来说，移动互联网发展对于企业改进生产技术、创新营销模式、集聚供应链资源起到重要的支持作用；从微观层面来说，移动互联网发展对于公众改变生活方式、转变消费观念、拓宽应用场景起到重要推动作用。总的来说，移动互联网发展对于城镇化建设起到积极的促进作用，而城镇化建设反过来又会促进移动互联网更好地发展。政府部门应从战略高度重视移动互联网发展，利用政策工具支持移动互联网技术创新、移动互联网产业集聚以及移动互联网要素整合，充分发挥移动互联网在驱动产业升级、刺激投资消费、便利群众生活等方面的重要作用，不断推进新型城镇化建设朝着结构优化、功能提升的方向发展。企业与社会公众也应积极适应移动互联网发展的变革环境，努力为移动互联网发展营造良好的外部环境，共同推进移动互联网发展与城镇化建设的良性互动。

[1] 孙耀吾，翟翌，顾荃. 服务主导逻辑下移动互联网创新网络主体耦合共轭与价值创造研究[J]. 中国工业经济，2013(10)：148-155.

[2] 彭丽琼. 移动互联网发展对我国经济的影响[J]. 中共乐山市委党校学报，2011(1)：70-73.

[3] 张军涛，黎洁岑. 基于移动互联网产业集聚的城市创新能力比较研究[J]. 财经问题研究，2014(11)：115-119.

[4] 曲巍巍，程迎新. 我国产城融合的“四化”趋势[J]. 人民论坛，2017(2)：80-81.

[5] 刘焕蕊. 互联网金融支持产城融合发展研究[J]. 技术经济与管理研究，2016(5)：70-74.

[6] Mutaz，Enas，Guy. Engineering Innovative Mobile Data Services：Developing a Model for Value Network Analysis and Design[J]. Business Process Management Journal，2013(2)：.336-350.

(责任编校：李延军)

2017-01-15

安徽大学舆情与区域发展协同创新中心研究生创新项目(ADYQYJS18)

郑飞鸿(1993-)，男，安徽凤台人，硕士生。

丁先存(1936-)，男，安徽庐江人，教授。

10.15916/j.issn1674-327x.2017.03.006

F299.22

A

1674-327X (2017)03-0020-04