１７８中国现场统计研究会第１５届学术年会论文集我国城镇化进程与经济增长关系的实证研究宰朱孔来１李静静２乐菲菲１１．济南大学管理学院山东济南２５００２２２．山东财政学院统计与数理学院山东济南２５００１４摘要：以我国１９７８—２００９年城镇化率和人均ＧＤＰ年度时间序列数据为基础，建立反映城镇化水平和经济增长动态关系的向量自回归（ＶＡＲ）模型；在ＶＡＲ模型的基础上，运用脉冲响应函数和方差分解分析了城镇化进程与经济增长相互之间的动态影响。为了弥补时间序列数据只包含时间和指标两维信息的缺陷，进一步采用２０００－２００９年我国３１个省市的城镇化率和人均ＧＤＰ的面板数据，利用横截面、时间和指标三维信息对两者之间的关系进行分析。通过运用面板数据的单位根检验和面板数据协整检验，得出我国城镇化进程与经济发展水平之间存在长期稳定的均衡关系。在此基础上，建立面板数据固定效应变系数模型，从弹性角度分析，认为我国城镇化率每提高一个百分点，可以维持７．１％的经济增长。关键词：城镇化：经济增长；ｖＡＲ模型；面板数据ＡｎＥｍｐｉｒｉｃａｌＡｎｎｌｙｓｉｓｏｎｔｈｅＲｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＣｈｉｎａＵｒｂａｎｉｚａｔｉｏｎａｎｄＥｃｏｎｏｍｉｃＧｒｏｗｔｈＺＨＵＫｏｎｇｌａｉｌＬＩＪｔｎｇｉｍｇ＇１ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ，ＵｎｉｖｅｒｓｉｔｙｏｆＪｉｎａｎ，２５００２２２ＳｃｈｏｏｌｏｆＳｔａｔｉｓｔｉｃｓａｎｄＭａｔｈｅｍａｔｉｃ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅ，２５００１４Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｕｓｅｓｖｅｃｔｏｒａｕｔｏｒｅｇｒｅｓｓｉｏｎ（＂ＣＡＲ）ｍｏｄｅｌｔｏｅｘｐｌａｉｎｔｈｅｄｙｎａｍｉｃｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｕｒｂａｎｉｚａｔｉｏｎａｎｄｅｃｏｎｏｍｉｃｇｒｏｗｔｈｏｎｔｈｅｂａｓｉｓｏｆｔｉｍｅｓｅｒｉｅｓｄａｔａ．ｕｒｂａｎｉｚａｔｉｏｎｒａｔｅａｎｄＧＤＰｐｅｒｃａｐｉｔａｌｆｒｏｍ１９７８ｔｏ２００９；ｔｈｅｎａｐｐｌｉｅｓｉｍｐｕｌｓｅｒｅｓｐｏｎｓｅｆｕｎｃｔｉｏｎ（ＩＲＥ）ａｎｄｖａｒｉａｎｃｅｄｅｃｏｍｐｏｓｉｔｉｏｎｔｏｒｅｆｌｅｃｔｔｈｅｅｆｆｅｃｔｏｆｔｈｅｅｃｏｎｏｍｉｃｇｒｏｗｔｈｏｎｕｒｂａｎｉｚａｔｉｏｎａｎｄｕｒｂａｎｉｚａｔｉｏｎｏｎｅｃｏｎｏｍｉｃｇｒｏｗｔｈ．ＴｏＣＯＶｅｒｔｈｅｓｈｏｒｔａｇｅｎｌａｔｔｉｍｅｓｅｒｉｅｓｄａｔａｃｏｎｔａｉｎｓｏｎｌｙｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｉｎｆｏｒｍａｔｉｏｎ．ｔｉｍｅａｎｄｉｎｄｅｘ．ｗｅｉｎｔｒｏｄｕｃｅｐａｎｅｌｄａｔａｃｏｎｔａｉｎｉｎｇｉｎｆｏｒｍａｔｉｏｎｏｆｃｒｏｓｓｓｅｃｔｉｏｎ－ｔｉｍｅ．ｉｎｄｅｘ．Ｔｈｅｕｎｉｔｒｏｏｔｔｅｓｔａｎｄｔｈｅｃｏｉｎｔｅｇｒａｔｉｏｎｔｅｓｔｏｆｐａｎｅｌｄａｔａｏｆ３１ｐｒｏｖｉｎｃｅｓａｎｄｃｉｔｉｅｓｆｒｏｍ２０００ｔｏ２００９．ｓｈｏｗｔｈａｔｉｔｅｘｉｓｔｓｌｏｎｇ．ｔｅｒｍｂａｌａｎｃｅｒｅｌａｔｉｏｎｓｈｉｐｂｌｉ。：ｌ｝、）ｌ棚ｕｒｂａｎｉｚａｔｉｏｎａｎｄｅｃｏｎｏｍｉｃｇｒｏｗｔｈ．Ａｔｌａｓｔ，ｖｉａｍａｋｉｎｇｕｓｅｏｆｆｉｘｅｄｅｆｆｅｃｔｓｕｎｒｅｓｔｒｉｃｔｅｄｍｏｄｅｌｓｔｏｍｅａｓｕｒｅｔｈｅｕｒｂａｎｉｚａｔｉｏｎｅｌａｓｔｉｃｉｔｙ，ｗｅｃｏｎｃｌｕｄｅｔｈａｔｉｎｃｒｅａｓｉｎｇｕｒｂａｎｉｚａｔｉｏｎｒａｔｅｂｙａｐｅｒｃｅｎｔａｇｅｐｏｉｎｔｋｅｅｐｓｕｐｅｃｏｎｏｍｉｃｇｒｏｗｔｈｏｆａｒｏｕｎｄ７．１％ａｙｅａｒ．Ｋｅｙｗｏｒｄｓ：Ｕｒｂａｎｉｚａｔｉｏｎ；ＥｃｏｎｏｍｉｃＧｒｏｗｔｈ；脚Ｍｏｄｅｌ；ＰａｎｅｌＤａｔａ０引言众所周知，经济增长引起城镇聚集、规模扩大和城镇化水平提高，城镇化反过来对经济增长也有明显的推动作用，城镇化与经济增长二者之间呈现密切的相互促进关系。从经济角度看，城市化是在空间体系。卜．的一种经济转换过程，人口和经济之所以向城市集中是集聚经济和规模经济双重作用的结果，经济增长必然带来城市化水平的提高，而城市化水平的提高’国家社科基金（编譬：１０ＢＴｊ００７）、山东省自然基金项｜＿｛（编号：Ｚ２００８Ｈ０１）作者简介：朱孔来（１９６３．１１～），勇。ｉｈ东省临沭县人，济南入学管理学院教授，研究方向为Ⅸ域经济、综合评价。联系电话：０５３１－－８２８７６９８１）７、Ｉ？，．＇９５９０１２６７８：Ｉ＇－ｍａｉｌ：ｚｋｌｎｉ＠ｓ｛ｍ＇．ｃｆ珊中国现场统计研究会第１５届学术年会论文集无疑又会推动经济增长。但就我国目前发展阶段而言，城镇化到底对经济增长起到多大的推动作用、经济发展对城镇化到底又起到多大的拉动作用？到底是城镇化对经济增长的推动作用大、还是经济发展对城镇化的拉动作用大？这是社会各界比较关心的问题。在目前加快经济发展方式转变的新形势下，搞清楚现阶段二者之间的关系对服务的宏观决策意义重大。为此，笔者在借鉴已有相关研究成果的基础上，选取了城镇化率和人均ＧＤＰ两个指标，对我国城镇化进程与经济增长之间的定量关系进行了实证分析。１国内外已有相关研究成果概述城镇化与经济增长关系的研究在国外已有较长时间，如美国学者Ｌａｍｐａｒｄ（１９５６）研究指出，美国城市发展与经济增长之间呈现一种非常显著的正相关，经济发展程度与城市化阶段之间有很大的一致性…；Ｂｅｒｒｙ（１９６５）在选用９５个国家的ｃｒｏｓｓ．ｓｅｃｔｉｏｎ数据进行主成分分析时，也揭示城市化与经济发展水平存在的相关性【２】；Ｎｏｒｔｈａｍ（１９７５）通过ｐａｎｅｌ数据分析后，提出城市化水平与经济发展水平之间的线性经验关系式ｐ１：城市经济学家ＶｅｒｎｏｎＨｅｎｄｅｒｓｏｎ（２０００）计算出世界各国的城镇化率与人均ＧＤＰ（Ｘ撒）之间的相关系数是０．８５。就我国而言，也有许多学者对城镇化与经济增长的关系进行研究。如周一星（１９９７）对１９７７年世界１５７个国家和地区的资料进行分析，发现除了科威特、新加坡、瑞士、乌拉圭等大约２０个国家因受某种特殊因素的强烈影响、两种水平不匹配外，其余１３７个国家和地区的城镇化率与人均ＧＤＰ之间是一种十分明显的对数曲线关系【４１；郭松利用单位根和协整检验方法探讨了１９７８年到２００３年我国城镇化水平和经济增长之间的关系，结果表明两者之间存在着协整关系，即长期均衡关系【５１；张颖和赵民（２００３）从对广为引用的钱纳里关于人均国民生产总值与城市化率关系论述的辨析出发，在实证统计研究的基础上，得出城市化发展与经济发展的一般关系模型与发展指标【６】；刘耀彬（２００６）利用协整关系检验和基于向量误差修正模型的格兰杰因果方法，分时段地对我国城市化发展与经济增长之间的长期相关关系和因果关系进行了实证检验，得出目前我国城市化发展与经济增长是互为推进的关系，着眼于多要素的综合是协调好二者关系的有效途径［７１；易善策（２００８）从更为宏观的角度分析了城镇化与经济社会发展的关系，认为城镇化发展不仅与工业化的结构转型发展存在着互动关系．同时还深受向市场经济转轨过程的影响捧Ｊ。现有研究成果大都是基于城镇化与经济发展之间可能存在一种先验的互为因果关系为基础的，但经济学中变量间的相关性并不能代表它们之间的因果关联性，固然这种推断可以对城镇化与经济增长的关系做出某种判断，但是从实证研究的角度检验城镇化发展与经济增长他们之间的因果关系显然具有重要的现实意义：如果城镇化发展推动经济增长的作用大，国家就应该采取优先推进城市化战略，进而通过城市化发展来推动其经济增长；如果是经济增长带动城市化发展的作用大，则应该将重心放在经济增长方面；如果城市化发展与经济增长二者是双向作用关系，则应着眼于城市化与经济增长协调发展的。２基于时间序列的城镇化进程与经济增长关系的实证分析目前确定城镇化指标及测度方法通常有两种，即主要指标法和复合指标法，角度不同，指标也不一样。城镇化的本质是集聚，综观各类指标从更一般的经济意义上讲，在借鉴已有相关研究成果的基础上，考虑到全国历史数据的可获得性以及统计口径的一致性，本文选取了最常用的城镇化率测度城镇化水平，即城镇人口占总人口的比重（％）。国内生产总值（ＧＤＰ）、人均ＧＤＰ、人均收入等指标皆可反映经济增长，考虑到人均ＧＤＰ剔除了人口规模的影响，本文选择人均ＧＤＰ作为衡量经济增长的指标变量。城镇化率和人均ＧＤＰ分别记为Ｕ和ｇ。在参与计量分析时，采朋它们的对数形式来考察，因为对数形式有以。Ｆ优点：一是符合经济增长理论的一般形式（如扩展的科布．道格拉斯生产函数）；二是可以包含上述文献有关城市化与经济发展关系研究的成果；三是消除可能存在的异方筹，对指标进行自然对数处理，记为Ｉｎｕ和Ｉｎｇ。回顾我国的城镇化进程，以改革开放为分界线明显地可以分为前后两个不同的历史阶段：１９７８年以前是城镇化的停滞和低速增长阶段；１９７８年以后城镇化进程在理论和实践等方面均受到了社会各界前所未有的深切关注，是加速推进阶段吲。由于１９７８年以前城镇化水平低、波动大、进程缓慢，有关变量的数据缺乏足够的说服力，故本文只对１９７８年以后我国城镇化水平与经济增长的关系进行实证分析。原始数据见表ｌ，自然对数处理后的数据如图ｌ所示。表１１９７８年“２００９年中国人均ＧＤＰ和城镇化率原始数据人均ＧＤＰ城镇化率人均ＧＤＰ城镇化率人均ＧＤＰ城镇化率年份（元）（％）年份（元）（％）年份（元）（％）１９７８３８１１７．９２１９８９１５１９２６．２ｌ２０００７８５８３６．２２１９７９４１９１８．９６１９９０１６４４２６．４１２００１８６２２３７．６６１９８０４６３１９．３９１９９１１８９３２６．９４２００２９３９８３９．０９１９８１４９２２０．１６１９９２２３ｌｌ２７．４６２００３１０５４２４０．５３１９８２５２８２１．１３１９９３２９９８２７．９９２００４１２３３６４１．７６１９８３５８３２１．６２１９９４４０４４２８．５ｌ２００５１４１８５４２．９９１９８４６９５２３。０１１９９５５０４６２９．０４２００６１６５００４３．９１９８５８５８２３．７ｌ１９９６５８４６３０．４８２００７２０１６９４４．９４１９８６９６３２４．５２１９９７６４２０３１．９ｌ２００８２３７０８４５．６８１９８７１１１２２５．３２１９９８６７９６３３．３５２００９２５５７５４６．５９１９８８１３６６２５．８ｌ１９９９７１５９３４．７８数据来源：《中国统计年鉴》（２０１０）Ｉ．ＮＯ１１’—一一————————一一一一～０１————一————————一——————，１０１３．８｛。ｊ／，／／。。／／／｛／，／。一ｓｅ４／／７，／，ｅ１／，３．４Ｊ７－１一一７７／／’’３．２｝／／／７７８Ｌ一一７７ａ．ｏＪ／／。。。５＿＿ＴＴ—ｒ－ｒ１—ｒ。Ｔ一一ｒ，—，一Ｔ，—一—ｒ，—Ｔ一，．１—ｒ２．８—ｌ—，．—，Ｔ—ｒ一，———，—ｉ一，，一—，—ｒ一，．Ｊｒ图１人均ＧＤＰ和城镇化率取对数后的时序图２．１变量的单整检验由图１可以定性的判断它们不是平稳序列，接下来采用ＡＤＦ单位根检验的方法来检验变量的平稳性，避免“伪回归”现象。通过图ｌ可以看出Ｉｎ“和ｈａｇ具有较大的常数项和明显的趋势，采用科学计量ＡＤＦ检验方法去检验序列是否平稳，滞后阶数的确定采用ＳＣ准则。由表２可知，变餐Ｉｎ“和ｌｎｇ的ＡＤＦ统计鼙都人予临界值，表明序列是１卜平稳的，存在单位根；而其一阶差分ｄＩｎＵ和ｄｌｎｇ序列的ＡＤＦ统计量都小于临界值，表明序列是平稳的。因此得出结论：Ｉｎ甜和１ｎｇ均是一阶单整变量。－＿＿＿＿＿＿●＿－●－－●●－＿＿－＿＿＿＿Ｉ－＿＿●＿＿●●＿●＿－＿●＿－●＿－●－＿－＿－＿＿＿－＿＿＿－●＿＿＿＿＿＿＿＿＿＿＿＿＿＿－＿＿＿－——————————一一±里翌塑竺盐堡窭室蔓！！星兰垄堡室丝塞箜表２ＡＤＦ单位根检验丝原始数据数据种类ＡＤＦ统计量值５％水平临界值Ｐ值平稳性检验结果ｌｎｕ－３．１０４３２４－３．５７４２４４０．１２４１ｌｎｇ—３．０５０１９８—３．５６８３７９０．１３６１一阶差分后数据ｄｌｎｕ—３．８２４２６３ｄｌｎｇ－３．６４７６５２—３．５６８７３９０．０２９－３．５８７５２７０．０４４３不平稳不平稳平稳平稳２．２ＶＡＲ模型的建立与估计由于现存的经济理论没有提供城镇化率与人均ＧＤＰ之间动态关系的严格定义，所以不能用建立结构模型的方法来研究两者的关系。而向量自回归模型是非结构化的多方程模型，通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响。城镇化率与人均ＧＤＰ的传导关系恰可用ＶＡＲ模型拟合。最一般的ＶＡＲ模型数学表达式为：ｙ，：Ｃ＋中ｌｔ—Ｉ＋…＋。ＰＬ—Ｐ＋Ｅｔ，ｆ：１９７８，１９７９，…，２００９（１）其中，Ｚ是以维向量时间序列，Ｃ是力维的常数向量，Ｐ是滞后阶数，ｔ为样本。①，…①，是ｋｘｋ维的待估计的系数矩阵，￡是ｋ维揉动列向量，它们相互之间可以同期相关，但不与自己的滞后值相关且不与等式右边的变量相关。基于调整后的数据调用Ｅｖｉｅｗｓ６中的ＶＡＲ命令，采用Ｉｎｕ和Ｉｎｇ一阶差分后的数据ｄｉｎ“和ｄｌｎｇ进行计量分析。根据赤池信息（Ａｋａｉｋｅｉｎｆｏ）准则，确定ＶＡＲ模型的最优滞后长度为２，采用最小二乘法估计该模型，所得方程如下（２）、（３）所示：（ｄｉｎ材）。＝０．０１１６４８＋０．２９１４９（ｄＩｎＨ）卜Ｉ一０．０７５７２９（ｄＩｎｇ）卜Ｉ＋０．３５４８６９（ｄＩｎ“）卜２＋０．０６５９７９（ｄＩｎｇ）卜２＋ｑ．（ｄｒａｇ），＝Ｏ．１５２６９４—０．１８００６４（ｄＩｎｕ），－Ｉ＋０．８９４４５７（ｄｔｒｉｇ）卜Ｉ—ｉ．７３０５８０（ｄｌａｕ），一２—０．５７３６２５（ｄｌｎｇ）卜２＋岛．（２）（３）表３ＣｖＡＲ（２）模型参数的显著性检验结果ｏＩ１．６１３７４—０．２６１９６—１．６７０９２５．１８６２４２．０４９８ｌ—２．６２６８５中２１．４５５３９—３．３２５０５第一个方程第二个方程Ｉ．０４４０４３．５９６６３表３列示了ＶＡＲ（２）模型各参数的显著性检验结果，由表可看出上述两方程所估计系数的ｔ统计量值大部分在统计上均是显著地，由于方程中同一变量的多个滞后项产生的多重共线性使得部分ｔ统计量不显著。两个方程的拟合优度分别为：弼ｌｎ。＝ｏ．３９４４８６，砰ｈＩｇ＝０．６４４２１。方程的整体拟合度较高。从以上的方程可以看出：当前ｄＩｎｕ与其自身的滞后值有较大的联系，且呈现增强趋势；当前ｄｌｎｇ主要受其自身滞后一阶的影响，其滞后二阶对其影响逐步减弱，同时与滞后二阶的ｄＩｎＵ有较大联系。２．３Ｇｒａｎｇｅｒ因果检验在经济变量中有一些变量显著相关，但未必是有意义的。Ｇｒａｎｇｅｒ提出一个判断因果关系的检验，解决了ｘ是否引起Ｙ的问题，其实质是检验一个变量的滞后变量是否可以引入到其他变量方程中。一个变量如果受到其他变量的滞后影响，则称它们具有Ｇｒａｎｇｅｒ因果关系。根据实际情况，基于ＶＡＲ（２）模型，：｛佥马佥ｄｌｎｕ与ｄｌｎｇ之间是否有显著的Ｇｒａｎｇｅｒ关系。表３原假设ｄＩｎ“个－ｚ口．匕ｐ。Ｇｒａｎｇｅｒ引起ｄＩｎ２ｄＩｎ２不能Ｇｒａｎｇｅｒ引起ｄ１１１ＵＧｒａｎｇｅｒ因果检验的结果Ｆ统计量３．７９８４１．５６７９７Ｐ值０．０３６９０．２２９ｌ检验结果扼绝原假设接受原假设中国现场统计研究会第１５届学术年会论文集上述Ｇｒａｎｇｅｒ因果检验表明：城镇化是经济发展的格兰杰原因，经济发展不是城镇化的格兰杰原因。由此可以得出这样的结论：就我国现阶段而言，城镇化水平对推动经济增长有积极的作用，而经济增长拉动城镇化发展的贡献却不是很大。从经济学角度进行分析，这可能是由于我国城镇化发展的阶段性和外生性所致。目前，我国城镇化进程处于历史上发展速度最快的时期，人口和经济活动迅速向城镇集中，必然会由于规模效应而产生多方面的外部经济性，如需求关联和成本关联的循环累积因果效应、劳动力市场的共享效应、信息技术的外溢效应等。另外，转移到城镇的人口相对于一般农村人口整体素质高、消费水平也高，由此带来劳动生产率提高和消费需求的增加；农民进城后由于城镇居民的增加将促进城镇建设和公共服务设施建设，带来投资需求增加；农民转为城镇居民后为剩余的农民增加了更多的生产要素，会提高农业劳动生产率；进城后劳动力的非农化程度提高，将会促进产业结构的调整。这些多重效应叠加在一起必然会有力促进经济增长。至于经济增长拉动城镇化发展的贡献不大，说明我国现阶段城镇化进程与经济发展不协调，分析其原因是我国长期以来城镇化水平滞后于经济发展水平、城镇化滞后于工业化并由此影响产业结构和就业结构的变动。有学者研究认为，目前制约我国城镇化进程与经济增长相协调的因素主要包括：基础设施建设缓慢、土地与户籍管理制度存在弊端、社会保障制度不完善、产业结构和能源消耗方式不合理、投资体系不健全和信贷支持不足、环境保护和资源节约意识淡薄等Ⅲ。。２．４脉冲响应函数分析ＶＡＲ模型的主要功能并不是解释回归系数的意义，而是说明一个随机新变量的冲击对内生变量的影响和其相对重要性，这就需要脉冲响应函数对其作进一步分析。脉冲响应函数可以描述一个内生变量对误差的反应，刻画的是～个标准差大小的冲击对ＶＡＲ模型中内生变量当期值和未来值的影响。由于在ＶＡＲ模型中，所有的变量都与其他的变量相关，因此，任何一个变量的冲击不仅会影响到自己的变化，而且会对其它向量中所有的变量产生影响。本文选择广义脉冲响应分析，脉冲响应检验结果如图２所示。：ｓ小船肋｛窖、｛¨避∞砼矾璐／、。＼、＼’＼＼＼＼～一一…一、、。．．，．·’…’～．－－～～．．．鼋；小舶、＼／，一一／，４７’、·ｌ：：、。．．。。：，．，，，—７：Ｉ：：：：：：：：·√。一，。一一，。一一…。、‘．一，‘人均ＧＤＰ的脉冲．：；ｌ起的人均ＧＤＰ的响应函数城镇化率的脉冲引起的人均ＧＤＰ的响应函数：宝蚰ｌ璺蛐瞄拍人均ＧＤＰ的脉冲引起的城镇化率的响应函数城镇化率的脉冲引起的城镇化率的响应函数，‘｜ｌ，ｒ。＿～＾＿’＿Ｊ—一一、ｊ，？？？＼：。，７。：：＼：：：：：：：’－‘－·－．～～～，～～‘’１‘‘。、·。＾‘～，．一‘‘一。一一一一一图２脉冲响应检验结果人均ＧＤＰ对其自身的一个标准著冲击的响应总体是波动的，在前三期处于正向响应波动中国现场统计研究会第１５届学术年会论文集状态，且开始时波动幅度较大，第三期之后呈现负向响应，随后的负响应先增大后减小，逐渐转为正向响应，强度逐步减弱。这表明当前的ＧＤＰ与其滞后值存在一定的关联，并且关联度逐渐弱化及至趋于稳定。人均ＧＤＰ对城镇化水平新息的一个标准差冲击的反应：前七期处于微调阶段波动幅度较大，一直持续到第七期；在第一期城镇化的正冲击对人均ＧＤＰ波动就有一个负的影响，在第四期达到负的最大，然后开始逐步减弱，逐步趋于０，但其影响都是负的。分析我国城镇化进程中存在的问题不难解释产生负效应的原因：地方在城镇化发展中存在较强的短期行为，热衷于搞“形象工程”；在现有的产业结构前提下，城乡都存在大量的剩余劳动力：存在理论上重视城镇化数量而忽视城镇化质量的现象。城镇化发展对人均ＧＤＰ的响应情况和响应路径：城镇化水平对人均ＧＤＰ新息的一个标准差扰动在前七期也有一个微调的阶段，随后持续形成对人均ＧＤＰ增长的正向响应；在第一期左右的时间形成负的响应，在第二期达到最大，到第四期时城镇化对人均ＧＤＰ的响应开始转为正并且在第五期时达到最大，其后响应程度开始减弱，并趋于稳定，但始终都对人均ＧＤＰ增长产生正向响应，延续时间也相当长。城镇化水平对其自身的一个标准差新息的响应程度较为强烈，一直呈现正向响应，并有一个先下降、后上升、再下降、最后趋于稳定的过程，这说明当前的城镇化水平与其滞后值具有较强的关联度。２．５方差分解分析脉冲响应函数描述了ＶＡＲ模型中一个内生变量的冲击给其它内生变量所带来的影响，而要分析每～个结构冲击对内生变量变化的贡献度，并评价不同结构冲击的重要性，则需建立方差分解模型。方差分解不仅是样本期间以外的因果关系检验，而且通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性，并给出对ＶＡＩｌ模型中的变量产生影响的每个随机扰动的相对重要性的信息。为了进一步考察，下面对ＶＡＲ（２）模型做方差分解分析，分析结果如图３所示。人均ＧＤＰ扰动对城镇化率的贡献率城镇化率扰动对城镇化率方的贡献率图３方差分解结果图图３显示，人均ＧＤＰ的波动在第一期只受自身波动的影响，城镇化进程对人均ＧＤＰ的波动冲击在第三期才显现出来，这种冲击相对于人均ＧＤＰ自身的影响非常微弱，只有１２．４５１７９％，此后有逐步增强态势，从第六期开始，冲击影响趋于稳定，稳定在３０％和３１％左右；城镇化水平从第一期开始就受到自身波动和人均ＧＤＰ波动冲击的影响，受人均ＧＤＰ波动的影响在第一期表现的相对较弱，此后总体趋于稳定在预测方差的６％和７％之间。以上分析与脉冲响应函数分析的结果基本一致。３基于面板数据的城镇化进程与经济增长关系的实证分析由于地区之间资源状况、生产力布局、经济发展速度不平衡，经济状况存在差异，在对城镇化水平与经济增长关系的研究上如果只考虑时间序列模型，势必会忽略各个地区的个体差异：如果单纯考虑横截面数据又会造成无法动态反映经济变化趋势的问题。为克服以上两种缺点，本文进一步采用面板数据（ＰａｎｅｌＤａｔａ）模型对我国各地区的城镇化水平和经济增长做实证分析，ＰａｎｅｌＤａｔａ模型能够同时反映研究对象在时间和截面单元两个方向上的变化规律及不同时间、不同单元的特性，综合利用样本信息使研究更加深入，同时可以减少多重共线性带来的影响。本文以我国３１个省市为横截面单元，样本区间为２０００－２００９年，原始数据如表４所示。表４２０００年’２００９年中国３１个省市人均ＧＤＰ和城镇化率数据城镇化率（％）２００６２０（）７人均ＧＤＰ（元）２０００２００ｌ２００２２０（）３２００４２００５２（）０８２００９２０００２０（）ｌ２００２２００３２００４２００５２００６２００７２００８２０（）９北京天津河北山话：２４印２５５２３２８４４９３２０６１４１０９９４５４４４５０４６７５８２０４６３０２９６８７８８７７．５４７８．１０７９．５０７９．１０７８．６０８３．６２８４．３３８４．５０８４．９０８５．００７９９３２０１５４２２３８（）２６５３２３０５７５３５７８３４ｌｉ６３４６１２２５５４７３６２４０３７１．９９７２．０８７２．５９７２．３０７２．１５７５．１１７５．７３７６．３１７７．２３７８．Ｏｌ７６６３８３６２５４６０９１１５６１４６７２４ｌ１０５１３１１２４８１４７８２１６９６２１９８７７２３２３９２４２８４２６．０８３０．７０３５．８６３３．５１３３，００３７．６９３８．４４４０．２５４１．９０４３．００７４３５１０７４２【２４９５１４１２３１６９４５２０：ｊ９８２１５４４８９７５１２７６７５１３７３４．９１３５．０９３９．６３３８．８１３８．０９４２．１１４３．０１４ｄ．０３４５，ｔ１４５．９９５３．４０内蒙古辽宁吉林黑龙江．｝．海５８７２６４６３１２２６１２０４ｌ６８４７８５６２７６４０９３４９１６３３１２００５３２５：ｊ９３３２２１４４０２２５４２．６８４３．５４４５．６７４４．７４４４．０６４７．２０４８．刚５０．１５５１．７ｌ１２９８６１４２５８１５８２３１８９８３２１７８８２５７２９３Ｊ２５９３４８９８５４．２４５５．００５６．５０５６．００５５．００５８．７０５８．９９５９．２０６０．０５６０．３５８３３４９３３８１１５３７ｌ：３３，４８１５７２０１９，３８３２３５１４２６３１９４９．６８４９．８０５２．：；０５Ｉ．７７５０．８８５２．５２５２．９７５３．１６５３．２ｌ５３．３２５２．８５２．６５２．６５３．１０５３．．５０５３．９０５５．４０５５．５０ｌＯｌ８４１１６１５１２４４９１４４３４１６１９５１８４７８２１７２７２１６６５５１．５ｄ５２．３８１４５４７３７３８２４０６４６，１６７】８４６３３８５ｌｄ７４５７６９５６６３６７７３１２４７８２２５８８．３１８８．４０８８．７０８８．６０８８．５０８９．０９８８．７０８８．７０８８．６０８８．６０江苏浙江安徽福建江西山东１７７３１２９２２１４３９ｌ１６８０９２０２２３２４５６０２８８１４３３９２８３９６２２４４２３２４１．４９４２．６０４８．２０４６．８０４４．７０５０．１ｌ３４６１５１．９０５３．２０５４．３０５５．６０１４６５５１６８３８２０１４７２４３５２２７７０３３１８７４３７４１５２２ｌ５８１７６４５５７６８１８６７５ｌ４２２１４４４３３５４８．６７５０．９０５４．００５３．００５１．９０５６．０２５６．５０５７．２０５７．６０５７．９０２７．８１Ｚ９．３０３３，５０３２．００３０．７０３５．５０３７．１０３８．７０，１０．５０４２．１０４８６７１００５５１２０４５１４４８５１６３９ｌｌ６（）ｌ１２３６２１３４９７１４９７９１６４６９４８５ｌ９５５５５４４４７１８８５６３９５２２ｌ５８２９６６７８８０９７１８６４６２１４７１２５９０８３０１２３３３０５ｌ４１．５７４２．５７４６．０７４５．１０４４．６０４７．：ｊ０４８．∞４８．７０４９．９０５１．４Ｉ）９４４０１０７９８１２６３３１４７８１１７１８５２７．６７３０．４０３５．６０３４．００３２．２（】３７．００３８．（ｊ８３９．８０４１．３６４３．１８：３８．００３９．００４３．．５０４１．８０４０．３２４５．（）０４６．１０４６．７５４７．６０４８．３２１０４６５Ｉ１６４５１３６６ｌ２００４４２００９６２３７９４２７８０７３３（）８３３５７９６５９２４７８１３６（／５４６４３６８３１９６５６５７５７０９１４５河南湖北湖南广东广西海南重庆四川贵州１１３４６１３３１３１６０１２１９５９３２０４７７２３．２０２４．４０２８．９０２７．２０２５．８０３０．６５３２．４７３４．３４３６．０３３７．７０１１４３ｌ９０１１７５５４９８９８９１６５１３２９６１６２０６１９８６０２２４５０４０．２２４０．８０４２．６０４２．００４１．４０４３．２０４３．８０４４．３０４５．２０４６．００１４４９２１７５２ｌ２０２２６１０４２６ｌ１９５０２９．７５３０．８０３５．．５０３３．５０３２．００３７．００３８．７１４０．４５４２．１５４３．２０６０．６８６３．ＯＧ６３．１４６３．３７６３．４０２８８５１３７３０１５０３０１７２１３２０８７ｌ２４４３５２８３３２３３１５１３７５８９４０７４８５５．００５６．０９５９．５０５＆３哇５７．２ｌ４３１９６８９４５１５７ｄ７８４４６６８７１３５５６５４５２，５０５０９９５９６９８３１６７４６０８７８８１０２９６１２５５５１４９６６１５９２３２８．１５２８．２０３１．７０２９．０６２８．３０３３．６２３４．６４３６．２４３８．１６３９．２０７８０３６３４７５７６６１００６７１０８７１１２６５４１４５５５１７１７５１９１６６４０．１１４１．，３８４４．２４ｄ３．２７４２．３９４５．２０４６．１０４７．２０４８．００４９．１３９６２３１０９８２１２４５７９Ｇ６０５０５２７８３５９１１４７２０９６４１８３６０３１４６６０１８０２５２２９１６３３．０９３７．４０４３．５０４１．９０３９．９０４５．２０４６．７０４８．３４４９．９９５１．５９７８９５４３１７１０５４６１２８９３１５３７８１７３Ｔ．ｊ２６．６９２７．２０３１．１０３０．１０２８．２０３３．（）０３４．３Ｃ３５．６０３７．４０３８．７０５７８７６９Ｊ５８８２４２６６２４６３７４５５９４５４９２８９５：ｊ１５３４８６６５３０７５１７９６０９３５５２３４４９３１０２５８２３．８７２３．９６２６．２８２４．７７２４．２９２６．８７２７．４６２８．２４２９．１ｌ２９．８９云南陕西５６６２７０１２６８７Ｉ６４８０８１０３８９７０１０．５４０１２５８７ｌ３５３６２３．３６２４．８６２８．１０２６．６０２６．０１２９．５０３０．．５０３１．６０３３．００３４．００１０４３０１２１０９１３８６１１５２９５１８．９３１９．５３１９．８２１９．８０１９．８０２６．６５２８．２１２８．３０２２．６１２３．８０５０２４４１６３５７３５５３４０８５８８６４６７９８９９１２１３８１４６０７１８２４６２１７３２３２．２６３３．６２３６．３６３５．５３３４．６２３７．２３３９．１２４０．６２４２．１０４３．５０７４７７８７５７甘肃青海宁夏３８３８５０８７４８３９５０２２１０：Ｍ６１２１１０１２８５２２４．０１２４．５１２８．６１２７．３８２５．９６３０．（Ｊ２３１．０９３１．５９３２．１５３２．６５６４２６５８０４７２７７８６９３ｌ００４５１１７６２１４２５７１７３８９１９４５４３４．７６３６．３２３８．５０３８．１８３７．６８３９．２５３９．２６４０．０７４０．８６４１．９０６６９１９１９８１０２３９１１８４７Ｊ４６４９１７８９２２１４７５３２．４３３３．３２４０．６０３６．９２３４．２０４２．２８４３．００４４．０２４４．９８４６．１０７４７０７９１３８３８２９７００１１３３７１３１０８１５０００１６９９９１９８９３１９９２６３３．８２３３．７５３５．１５３４．３９３３．８４３７．１５３７．９４３９．１５３９．６４３９．８５数据来源：《中国统计年鉴》、各省市统计年鉴及中经网统计数据库（ｈｔｔｐ：／／ｄｂ．ｃｅｉ．ｇｏｖ．ｏｎ）面板数据（ＰａｎｅｌＤａｔａ）是指对不同时刻的截面个体的相关指标作连续观测所得到的时间序列数据，也被称为时序与截面混合数据。这类数据结合了时间序列数据和横截面数据的优点，同时弥补了各自的不足。另外，观测点的数量扩大了，有助于提高计量估计的有效性。面板数据模型综合利用样本信息，使研究更加深入，同时更多的观测值可以提高自由度，增加估计的抽样精度。对于同定效应模型能得到参数的一致估计量，甚至是有效估计量。中国现场统计研究会第１５届学术年会论文集一般的线性面板数据模型可表示为：～Ｙ；ｔ＝仅ｉｔ＋ｐｉｔＸｔ＋ｅｉｌｉ－１，２，…，３１；ｔ＝－２０００，２００１，…，２００９（４）其中，ｘ赴＝（Ｘｌｉｔ，Ｘ：＂…，ＸＫｉｔ），为外生变量向量，ｐ：ｔ＝伊。ｎ，ｐ：ｉｔ，…，ｐＫｎ），为参数向量，Ｋ为外生变量的个数，Ｔ是时期数。随机扰动项巳。ｉＪ．ｄＪｖ（ｏ，矿）。假定参数满足时间一致性，按照对系数的不同设定，模型（４）可写为如下三种情形ｕ引：模型ｈ截距和回归斜率系数均不相同，即Ｙ：．＝％＋Ｂ：ｘ“＋ｅ；．模型２：截距不同，回归斜率系数相同，即Ｙ。＝ａ：＋Ｂ’Ｘ“＋ｅ；．模型３：截距和回归斜率系数均相同，即Ｙ：．＝叶Ｂ’ｘ；．＋ｅｉｔ根据样本数据的性质不同，模型ｌ、２又都有圃定效应模型和随机效应模型之分，并分别对应不同的估计方法。如果仅以样本自身效应为条件进行推论，宜使用固定效应模型；如果欲以样本对总体效应进行推论，则应采用随机效应模型。本文对我国３１个省市进行比较分析，数据包含了所有省市资料，选用固定效应模型进行分析。３．１面板数据的单位根检验开始协整检验之前，首先需要考察模型中的变量是平稳的还是非平稳的，即每个序列是否包含有单位根。面板数据的单位根检验方法包含两类：一类为相同根情形下的单位根检验，假设面板数据中的各截面序列具有相同的单位根过程，如ＬＬＣ检验、Ｂｒｅｉｔｕｎｇ检验和Ｈａｄｒｉ检验；另一类为不同根情形下的单位根检验，此类检验方法允许面板数据的各截面序列具有不同的单位根过程，如Ｉｍ－Ｐｅｓａｒａｎ－Ｓｋｉｎ检验、ＦｉｓｈｅｒＡＤＦ检验和Ｆｉｓｈｅｒ－ＰＰ检验。除Ｈａｄｒｉ检验的原假设为时间序列／截面数据中的各截面序列都不含有单位根，其他检验的原假设均是时间序列／截面数据中的各截面序列都含有单位根ｕ副。蠢收？相同根ＬＬＣ检验情形不同根情形Ｂｒｅｉｔｕｎｇ检验Ｈａｄｒｉ检验Ｉｍ－Ｐｅｓａｒａａ－Ｓｋｉｎ检验Ｆｉｓｈｅｒ－ＡＤＦ检验Ｆｉ表５面板数据单位根检验结果ｌｎｕｌｎｇｌｎｕ（一１）ｌｎｇ（一１）Ｏ．００００Ｏ．００４６８０．０００００．９８３５０．９９９４０．９９４５１．０００００．ｏ０００ｌ－００００１．００００１．ＯＯｏｏ０．００００Ｏ．ＯＯｏｏ０．００００Ｏ．００００Ｏ．ＯＯｏｏ０．０００００．ＯＯｏｏＯ．００４４０．００００Ｏ．ｏｏＯｌＯ．０００ｌ０．００００ｓｈｅｒ－ＰＰ检验０．９９７０分析表５可知，不是所有检验的结果都是一致的，但考虑到拒绝原假设犯第二类错误的风险太大，在５％的显著性水平下，断定面板数据中的ｌｎｕ、ｌｎｇ均为非平稳的Ｉ（１）。这一结果说明两变量之间可能存在长期稳定的协整关系，因此有必要进一步验证是否确实存在协整关系。３．２面板数据的协整检验通常认为城镇化与经济增长是一种相辅相成的关系，城镇化水平上升越快，经济增长速度也越快，而城镇化水平的下降也将导致经济增长速度下降。从现实经济意义考虑，城镇化与经济增长之间不存在伪回归现象。在面板单位根检验的基础上，本文接着对ｌｎｕ和ｌｎｇ进行面板协整检验，以检验各个非平稳时间序列之间是否存在协整关系。面板数据的协整检验方法有两类：一类是建立在Ｅｎｇｌｅ－Ｇｒａｎｇｅｒ二步法检验基础上的面板协整检验，主要有Ｐｅｄｒｏｎｉ检验和Ｋａｏ检验；另一类是建立在Ｊｏｈａｎｓｅｎ协整检验基础上的面板协整检验。本文Ｐｅｄｒｏｎｉ检验，其优点是允许最大程度的个体差异，不仅每个个体的协整系数可以不同，而且还允许有不同的短期动态学。Ｐｅｄｒｏｎｉ检验对不存在协整关系零假设的检验主要是通过计算假定协整回归的同归余项。该检验在对残差进行平稳性检验时，使用的具体原假设和备择假设分为两种情形：第一种情形是维度内检验，检验同质面板数据的协整关系，构造了四个面板统计量对原假设进行检验，包括Ｐａｎｅｌｖ、Ｐａｎｅｌｒｈｏ、ＰａｎｅｌＰＰ、ＰａｎｅｌＡＤＦ；第二种情形是维度间检验，主要检验异质面板数据的协整关系，构造了三个面板统计量对原假设中国现场统计研究会第１５届学术年会论文集进行检验，包括Ｇｒｏｕｐｒｈｏ、ＧｒｏｕｐＰＰ、ＧｒｏｕｐＡＤＦ旧１。表６面板数据协整检验结果统计量ＰａｎｅｌＰａｎｅｌＰａｎｅｌｖ－ＳｔａｔｉｓｔｉｃＰ值０．３６９６０．ｉ１８３０．００００Ｏ．０００００．９６４８０．０００００．０００００．３３２８４９一１．１８３７２８检验结果接受接受拒绝拒绝接受拒绝拒绝ｒｈｏ－ＳｔａｔｉｓｔｉｃＰＰ－Ｓｔａｔｉｓｔｉｃ一９．２１０２７０－１６．５５３５５Ｐａｎｅｌ呱睡一ＳｔａｔｉｓｔｉｃＧｒｏｕｐｒｈｏ－Ｓｔａｔｉｓｔｉｃｌ－踟９９４７一１４．４４２３１ＧｒｏｕｐＰＰ－ＳｔａｔｉｓｔｉｃＧｒｏｕｐＡＤＦ～Ｓｔａｔｉｓｔｉｃ－２０．８２８０３ｖ－Ｓｔａｒｉｓｔｉｃ、Ｐａｎｅｌｒｈｏ—Ｓｔａｔｉｓｔｉｃ和Ｇｒｏｕｐｒｈｏ－Ｓｔａｔｉｓｔｉｃ没有通过５％显著性水平的检验，其余统计量都通过了５％显著性水平的检验。考虑到本文的小样本性质，在Ｐｅｄｒｏｎｉ检验中ＰａｎｅｌＡＤＦ－Ｓｔａｔｉｓｔｉｃ和ＧｒｏｕｐＡＤＦ－Ｓｔａｔｉｓｔｉｃ较其他统计量具有更好的小样本性质，因此在小样本模型中主要参照ＰａｎｅｌＡＤＦ－Ｓｔａｔｉｓｔｉｃ和ＧｒｏｕｐＡＤＦ－Ｓｔａｔｉｓｔｉｃ来判断是否存在协整关系。本文中ＰａｎｅｌＡＤＦ－Ｓｔａｔｉｓｔｉｃ和ＧｒｏｕｐＡＤＦ－Ｓｔａｔｉｓｔｉｃ均通过了５％显著性水平的检验，因此可以判断出我国城镇化水平与经济增长之间存在长期稳定的均衡关系。３．３面板数据模型面板数据协整检验显示了城镇化与经济增长之间存在协整关系，接下来就是建立面板数据模型。首先需要检验样本数据究竟符合哪种面板数据模型形式，从而避免模型设定误差，改进参数估计的有效性。经常使用的检验是协方差分析检验，在参数不随时间变化的情况下，主要检验如下两个假设：Ｈｌ：ｐＩ＝ｐ２２…＝ｐＮＨ２：０【１２ａ２＝…＝ｎＮ由表６可以看出，Ｐａｎｅｌｐ１２ｐ２＝…＝ＩＩＮ如果接受假设Ｈ２，则可以认为样本数据符合模型３，即联合回归模型，无须进一步的检验。如果拒绝假设，则需要检验假设Ｈ一。如果拒绝假设Ｈ。，则认为样本数据符合模型１，即变系数模型；反之，则认为符合模型２，即变截距模型。假设检验主要是通过构造Ｆ统计量来完成的。以我国３１个省市２０００—２００９年的城镇化率和人均ＧＤＰ为样本数据建立如下模型：Ｅ：坠必嬲～Ｆ（（Ｎ．１）（Ｋ＋１），ＮＴ－Ｎ（Ｋ＋Ｉ））Ｓ．／［ＮＴ－Ｎ张＋１）１“一”（５）Ｅ：坠必螋翟～Ｆ（（Ｎ．１）Ｋ，Ｎ（Ｔ－Ｋ．１））Ｓｉ／［ＮＴ－Ｎ（Ｋ＋Ｉ）】””（６）其中，ＳｈＳ。、ｓ。分别代表模型１、２、３的残差平方和。如果计算的Ｆ：的值不小于给定置信度下的相应临界值，则拒绝假设Ｈ２，继续检验假设Ｈｔ。反之，则认为样本符合模型３。如果计算的统计量Ｆ－的值不小于给定置信度小的临界值，则拒绝Ｈ¨用模型１拟合样本；反之，用模型２拟合样本。把１１１９作为因变量，Ｉｎ“为解释变量，利用上面的模型形式设定检验方法（Ｎ＝３１，ｋ＝ｌ，Ｔ＝１０），由ＥＶＩＥＷＳ６．Ｏ输出结果可得ｓ。＝９．６２８６５７，￥２＝１８．１７７０５，￥３＝６９．１５４７６，由式（５）和式（６）计算得到两个Ｆ统计量分别为Ｆ２＝２５．５５３，ＦＦ７．３３９２，查Ｆ分布表，给定５％的显著性水平下，得到相应的临界值为Ｆ（６０，２４８）＝１．４３，Ｆ（２０，２４８）＝１．６５。由于Ｆ。＞１．４３，所以拒绝Ｈ：；Ｆ。＞１．６５，所以拒绝Ｈ。。因此，模型采用固定影响变系数模型。构建的模型如下：１ｎｇ；．＝仅：＋Ｄｉｌｎｕ。＋ｅ。ｉ－ｌ，２，…，３１ｔ＝２０００，２００１．…，２００９（７）以人均ＧＤＰ为被解释变量，城镇化率为解释变量的，固定效应变系数面板数据模型估计结果见表７。表７固定效应变系数模型估计结果地区北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南ｃ巳：．３０．６０３ｌ．４４．５７４３０．４６５２２．９．６３７３２．２３．２９６６．２８．２６９４．４９．３１５９＿４３．５９２５．１９２．１０ｌ．６．７６５０３－ｌ６．６４９４－１．１５１８ｌ－１０．０４７４－１．１９７３７．８．６８７５９一Ｏ．１８２６９１３；９．３６７１３６１２．７６１２６２．５２９６２８５．１０８１８８８．５３２１０３９．４０７０７６１４．８７８６６１３．３５９３６４５．２５７４．３１９３８３６．７０５０６２２．８８０３９５．１７９４４４２．８７４２２７４．９０８９４７２．７７９８３８ｔ（１３：）５．５６１８７１６．１８８２４６５．９４７４５７７．７１５４３５１０．００４１３５．７４０９５７６．１１２１３５４．８６５８２４１．６３８１４４６．’７４５５８ｐ（Ｂ；）０．ｏｏｏｏＯ．００００Ｏ．ｏｏｏｏ０．０００００．００００Ｏ．００００Ｏ．００００Ｏ．０００００．１０２７Ｏ．ｏｏｏｏｏ．００００Ｏ．００００Ｏ．Ｏ００００．ｏ００００．Ｏｏ（）ｏＯ．００００地区湖北湖南广东广西海南重庆四ＪＪＩａ‘．２３．１１９５－２．１１３０４．１９．３４４４Ｂ；８．６．１０１６４５３．１５９１０９７．１７５５６６３．４２０６４４５．１５７２４７３．２８０３５３３．２３６９２ｌ５．２３３４６９２．９４７１０７１．８１２４６２５．２９９４６１３．５５５０８ｔＯ：）５．８０９４７４ｐ（Ｂ；）Ｏ．ＯＯｏｏＯ．００００Ｏ．ｏｏｏｏ６．３仅鼢６７５．９１０１８６６．７４７１７７５．２１３５０５６．９１４９６３６．５１８６１５６．６０９８６３５．６０８０６ｌ４．４５１９０３７．９９０４１８．２．９０４４２－ｌＯ．３０２ｌ．３．１５１６－２．１４７９Ｏ．０００００．ＯＯｏｏ０．０００００．０００００．０００００．ｏ００００．００００Ｏ．０００００．００００Ｏ．００００Ｏ．０００００．００００贵州云南陕西甘肃青海宁夏．８．６４６７９．Ｏ．９５１４３３．４０８４２．１０．０４４３６．０５６９１８６．１６５３１３５．３５７８５６．２０８４３３６．４２０４５２７．０８４４８８．３．０８５９４．１９．５９５５一３．０２９１４．８．６９６１３６．１４８１８６６．６０４００９６．６９６５９４５．３４９４３３７．８７２８４７３．３１７２４６５．０３６９８７该模型的可决系数达０．９３２９９９，Ｆ统计量为５６．６１３４７远远大于临界值，说明模型的拟合优度很高，Ｄｗ检验值为１．６８８８７１，证明残差无严重序列相关，从统计学理论意义说，该模型的整体效果不错。由于以人均ＧＤＰ为被解释变量，城镇化水平作为解释变量，分别取对数以后进行回归系数的最小二乘估计，所以回归系数就是经济增长对城镇化水平的弹性。从表７可以看出，模型中除上海的回归系数不显著外，其它地区的回归系数均通过了５％的显著性检验。我国３１个省市人均ＧＤＰ对城镇化的弹性均为正，这说明我国并没有出现过度城镇化现象，城镇化还是可以进二步提高的。取全国各省市区弹性系数的算术平均数得出，我国城镇化率每提高一个点，可以维持７．１％的经济增长水平。由于各省市经济发展的侧重点不同，对城镇化的建设力度不一，城镇化对经济增长的促进作用也是不同的。表８是根据弹性系数进行３１个省市的排名情况。排除系数检验不显著的上海市，吉林省的弹性最高，说明城镇化对该省的经济推动作用最大；的弹性系数最低只有１．８１２，说明城镇化对经济推动作用最小，这与当地的城镇化进程和经济发展水平是基本一致的。表８各省市弹性捧名地区上海吉林黑龙江天津辽宁排名１２３４５６７８地区青海广东浙江排名９１０ｌｌ１２１３１４１５１６地区山东江苏甘肃广西宁夏重庆四ＪＩＩ排名１７１８１９２０２１２２２３２４地区湖南云南安徽江西河南河北排名２５２６２７２８２９３０３１陕西贵州福建海南山西北京湖北内蒙古４结论本文运川两种计量经济学方法对城镇化与经济增长的关系进行实证分析，得到如下结论：１．通过Ｇｒａｎｇｅｒ冈果检验、脉冲响应函数分析以及方差分解分析一致表明，城镇化水平对经济增长有积极的作用，而经济增长对城镇化的贡献却不是很大。这一结果与我国现阶１８８中国现场统计研究会第１５届学术年会论文集段的基本国情相符。改革开放以来，城镇化的发展为城市和农村的经济发展起到了巨大的推动作用，带动了经济的飞速发展，我国经济的高速增长离不开城镇化的快速推进。面对我国目前城镇化水平仍然滞后经济发展水平的客观现实，今后一个时期，城镇化仍然是经济发展的强大推动力，加快推进城镇化进程对于拉动消费、扩大内需、保持经济平稳较快发展以及对缩小城乡差距、全面建设小康社会都具有重要的现实意义和深远的历史意义。２．通过面板数据的协整分析，得出我国３１个省市的经济增长和城镇化之间存在着协整关系。在协整检验的基础上，建立固定效应变系数模型，继而得到各省市经济增长对于城镇化的弹性。各个省市区经济增长对城镇化发展的弹性均为正，排除系数检验不显著的上海市，吉林省的弹性最高，最低。从全国整体而言加快推进城镇化仍然具有巨大空间。经济增长对于城镇化发展弹性系数的差异反映了各省市区城镇化水平的差异以及城镇化建设力度和支持的不同。基于上述结论，特提出如下对策建议：１，从宏观经济导向上，走城镇化优先发展并依靠城镇化带动经济发展的路子。我国目前正处于转方式、调结构的关键时期，建议各级要把加快推进城镇化建设进程作为今后一个时期“转方式、调结构”的关键措施来抓，使其带动经济转型升级的重要引擎。２．明确城镇化建设的总体思路。根据我国国情，我国城镇化建设应该走特大城市、大城市、中等城市、小城市、小城镇五个层次城镇体系协调发展的路子。在战略上建议实施“都市圈带动”战略和“城乡一体化发展”战略；在工作部署上建议“抓两头、带中间”。一是突出抓好特大型城市建设尤其是全国中心城市和省域中心城市，发挥好其在都市圈中的带动作用；二是突出抓好小城镇建设，发挥好其在转移农村人口中的主渠道作用；三是在突出特大城市和小城镇主体功能的基础上，带动大城市、中等城市和小城市发展，努力构筑起特大城市、人城市、中等城市、小城市和农村小城镇协调发展的城镇体系。３．高度重视城市的圈状发展。现代城市经济理论认为，城市发展形式主要有两种：一种是层级发展，即由人口规模、经济影响力乃至政治因素等形成了具有不同地位和作用的全国中心城市、省域中心城市、市域中心城市、县域中心城市以及农村小城镇；二是圈状发展，即具有明显的中心带动城市、地域联系及经济联系紧密的城市组群形成城市圈（一、二层级的城市规模多数为特大型城市和大型城市的称为都市圈）。从我国目前情况看，各个层级的城市均有各级作为责任主体，因而对城市的层级发展比较重视，而对城市的圈状发展重视程度不够。建议今后应更加重视城市的圈状发展，并以圈状发展带动层级发展。４．以统筹县乡村基础设施为总抓手加快小城镇建设。在五个层次的城镇体系中，小城镇是薄弱环节。由于“分灶吃饭”的财政以及长期“县事县办、乡事乡办、村事村办”的工作思想，县级过多关注县域城区建设，对小城镇建设关注不够，而乡镇虽是小城镇建设的投入主体，然而目前大多数乡镇财政形同虚设。建议要结合目前城乡一体化发展和新农村建设的总体要求，赋予县级对县域范围内的县乡村基础设施建设实行统筹的责任，以此来带动小城镇建设。５．结合农村新型社区建设，以解决进城农民的后顾之忧为重点，加速农村人口的城镇化转移。进城农民：【之所以在城乡间“摆渡”，主要有“三难”：子女进城上学难、缺少城镇社会保障、购不起房。建议围绕解决这“三难”问题出台相应：用人单位招收农民工要向有关部门办理用工手续，并保证为新进城农民Ｊ：家庭解决“住有其所”问题或给予适量住房补贴；凡是在城镇稳定工作半年以上的农民工夫妇应给予其本人和子女在城镇落户；凡已办理城镇落户的农吣工子女就近无条件安排上学；凡已办理在城镇落户的农民工及其子女一律享受与其他城镇居民同样的社会保障；农民工在城镇第一次购房，要从售房收益中拿出绝大部分给予购房补贴；对退掉宅基地到城镇购房者，还要加大补贴强度。中国现场统计研究会第１５届学术年会论文集１８９参考文献［１］徐雪梅。王燕．城市化对经济增长推动作用的经济学分析［Ｊ］．城市发展研究，２００４（ＩＩ）［２］ＢｅｒｒｙＢＪＬ．Ｃｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎｈａｎｄｂｏｏｋ：ＭｅｔｈｏｄｓａｎｄＡｐｐｌｉｃａｔｉｏｎｓ［Ｍ］．ＮｅｗＹｏｒｋ：ＪｏｈｎＷｉｌｅｙ＆Ｓｏｎｓ，１９７０［３］ＮｏｒｔｈａｍＲＭ．ＵｒｂａｎＧｅｏｇｒａｐｈｙ［Ｍ］．ＮｅｗＹｏｒｋ：ＪｏｈｎＷｉｌｅｙ＆Ｓｏｎｓ，１９７５［４］周一星．城市化与国民生产总值关系的规律性探讨［Ｊ］．人口与经济，１９８２（１）［５］郭松．我国城市化水平对经济增长影响的实证研究［Ｊ］．黑龙江对外经贸，２００６（８）［６］张颖。赵民．论城市化与经济发展的相关性—对钱纳里研究成果的辨析与延伸．城市规划刊．２００３（４）［７］刘耀彬．中国城市化发展与经济增长关系的实证分析［Ｊ］．商业研究．２００６（２４）『８１釉簟．“双重转型”背景与中国特色城镇化道路［Ｊ］．济南大学学报（社会科学版）．２００８（６）『９１俞宪忠．中国城市化演进分析［Ｊ］．济南大学学报（社会科学版）．２００３（６）［１０］刘亚娴．我国城镇化建设与经济发展的协调性研究［Ｄ］．吉林大学硕士学位论文，２００９［１１］洪曦．农村城镇化对湖南省县域经济增长影响的实证研究［Ｄ］．中南大学硕士学位论文，２００８［１２］苏良军，何一峰．中国城乡居民消费与收入关系的面板数据协整研究［Ｊ］．世界经济，２００６（５）［１３］自仲林．面板数据模型的设定、统计检验和新进展［Ｊ］．统计与信息论坛，２０１０（１０）［１４］梅鸳仙．城市化与经济增长的实证研究［Ｄ］．浙江工商大学硕士学位论文，２００８［１５］高铁梅．计量经济分析方法与建模［Ｍ］．北京：清华大学出版社，２００９．５，３ｌ争３５４［１６］宋元粱，肖卫东．中国城镇化发展与农民收入增长关系的动态计量经济分析［Ｊ］．数量经济技术经济研究，２００５（９）［１７］杨政，田铮，党怀义．面板数据的单位根检验和协整检验一实证分析西部省市固定投资与工业增加值之问的关系［Ｊ］．数理统计与管理，２００７（３）我国城镇化进程与经济增长关系的实证研究
作者：作者单位：
朱孔来， 李静静， 乐菲菲
朱孔来,乐菲菲(济南大学管理学院 山东 济南 250022)， 李静静(山东财政学院统计与数理学院 山东 济南 250014)
本文链接：http://d.g.wanfangdata.com.cn/Conference_75241.aspx
