基于VAR的城镇化进程与经济增长关系的实证研究.docVIP

基于VAR的城镇化进程与经济增长关系的实证研究 　　摘要：在我国经济飞速发展的大背景下，城镇化进程不断推进。本文以我国1978-2011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VAR模型，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之间的动态影响。 　　关键词：城镇化 经济增长 VAR模型 　　▲▲一、引言 　　改革开放以来，城镇化的进程持续加快，近些年来，第二、三产业向城镇逐年聚拢的趋势愈加明显，农村人口向城镇大幅迁徙正在上演。与此同时，中国的经济也踏上了高速列车，经济增长的势头越来越迅猛。 　　▲▲二、变量说明与数据整理 　　（一）数据选取 　　本文选取了城镇化率来衡量城镇化水平，城镇化率和人均GDP分别记为ur（urbanization rate）和pcgdp。对两个变量作对数处理，以减小异方差性的影响及实现非线性关系的线性化处理。记lnur为城镇化率的对数，lnpcgdp为人均GDP的对数。 　　（二）数据整理 　　1、时序图 　　VAR模型建立在变量平稳或具有协整关系基础上，否则会出现伪回归的现象。因此，要先对变量做平稳性检验。首先，对变量lnur和lnpcgdp分别作差分处理作出时序图（图略）。 　　由人均GDP和城镇比率取对数后的时序图可初步判断它们为非平稳序列。下面，通过采用ADF单位根检验的方法，进一步检验变量的平稳性。 　　2、ADF检验 　　由表1可知，变量lnur和lnpcgdp的ADF检验的 统计量均为正值，大于临界值，因此不能拒绝原假设，序列存在单位根，即城镇化率的对数lnur与人均GDP的对数lnpcgdp均为不平稳时间序列；而其一阶差分dlnur和dlnpcgdp序列的ADF统计量都小于临界值，表明序列是平稳的。 　　表1 ADF单位根检验 　　变量 ADF检验值 显著性水平 临界值 检验结果 　　lnur 　　lnpcgdp 　　dlnur 　　dlnpcgdp -0.107340 　　-0.699299 　　-4.357473 　　-3.867431 5% 　　5% 　　5% 　　5% -2.957110 　　-2.967767 　　-2.957110 　　-2.967767 不平稳 　　不平稳 　　平稳 　　平稳 　　综上可知，lnur和lnpcgdp均是一阶单整变量。 　　▲▲三、VAR模型的建立及结果分析 　　由于差分项dlnur与dlnpcgdp均为平稳序列，所以可以直接对两者之间的关系建立VAR模型。 　　（一）模型结构滞后期的选择 　　VAR模型中滞后期的选择很关键，过大过小都会出现问题，本文采取AIC准则，确定合适的最大滞后期为2。 　　表2 VAR模型滞后期的选择性检验 　　Lag LogL LR FPE AIC SC HQ 　　0 139.6269 NA 4.77e-07 -8.879153 -8.786637 -8.848995 　　1 149.5680 17.95813 3.26e-07 -9.262450 -8.984904 -9.171977 　　2 160.0405 17.56689* 2.16e-07* -9.680035* -9.217458* -9.529246* 　　（二）采用最小二乘法估计该模型，所用方程得到如下结论 　　结论：当前dlnur与其自身的滞后值有较大的联系，且呈现增强趋势；当前dlnpcgdp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dlnur有较大联系。 　　（三）Granger因果检验 　　为了更好的观察城镇化进程与经济增长之间的内在联系，本文在此对两者进行格兰杰因果关系检验。目的是对理论模型中两变量作为一个经济系统互为因果的关系进行验证，同时也可以于后文中运用的脉冲响应分析相互补充和印证。 　　本文中的两变量Granger因果检验表明：在5%的置信水平下，城镇化不是经济增长的格兰杰原因，经济增长是城镇化的格兰杰原因。这说明城镇化进程有赖于经济的增长，而经济增长不依赖于城镇化的推进。 　　（四）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，这就需要用脉冲响应函数对其作进一步分析。 　　图1 脉冲响应函数图 　　本文选择广义脉冲响应分析，脉冲响应检验结果分析如下： 　　1.城镇化冲击引起人均GDP的响应函数 　　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，