金融支持中部地区新型城镇化实证研究.docVIP

PAGE  PAGE 7 金融支持中部地区新型城镇化实证研究 　　摘要：文章选取中部地区六省1978年-2012年相关数据，采用面板数据影响模型和PVAR模型进行实证研究。结果为：金融发展水平、规模和效率与中部地区六省城镇化水平呈明显的正相关关系，金融支持中部地区城镇化存在明显差异。提出保持金融发展规模稳步增长，加大金融支持力度；优化金融机构资源配置，提高金融支持效率；积极开发特色金融产品，提升金融精准支持等对策建议。 　　关键词：金融支持；新型城镇化；中部地区；PVAR.模型；对策建议 　　一、 引言 　　1978年～2012年，中部地区六省城镇化水平（UR）和金融相关率（Financial Interrelation Rate，FIR）均有较大幅度提升，且呈现同向上升趋势（表1）。金融相关率反映金融机构存贷款量（选用全国和中部地区六省金融机构人民币年末存款余额和贷款余额）在国内生产总值中（为剔除通货膨胀的影响，GDP选用当年国内生产总值）的地位，即金融发展（Financial Development），为城镇化提供了大量资金。本文将通过面板数据影响模型和PVAR模型进行实证研究。 　　二、 模型与数据 　　根据国内外学者理论分析和实证研究，选取城镇化和金融发展相关指标，设定计量模型如下： 　　UR=F（FIR，DE，ID） 　　城镇化水平（UR）即城镇人口占总人口的比重，UR越大说明城镇化水平越高，该地区人口向城镇集聚程度越高。金融发展水平（FIR），采用金融机构存贷款总额之和与GDP的比率，FIR越大，表明金融发展水平越高。金融发展规模（DE）选用金融机构存款余额与GDP的比率，DE越大，说明金融发展规模越大。金融发展效率（ID）采用固定资产投资与储蓄的比例，ID越大说明储蓄转化为投资的能力越强，金融发展效率越高。 　　选取1978年～2012年中部地区六省各指标年度数据进行实证检验，数据来源于各省历年统计年鉴。为剔除通胀因素对变量的影响，在计算与GDP相关的金融发展水平指标和金融发展规模指标时，将各省GDP数据统一进行价格调整，换算为以1978年为基期的GDP指数。 　　三、 实证检验 　　1. 面板单位根检验。在进行PVAR模型估计前，先对变量平稳性进行检验，避免模型估计出现“虚假回归”，确保估计结果有效性。如果变量平稳，则用传统回归分析方法进行估计和检验；否则，需采用协整检验分析各变量之间的关系。 　　选取LLC检验、IPS检验等五种方法进行单位根检验，各变量均采用带时间趋势和截距的检验类型，在所有显著水平（1%、5%和10%）下，各变量原始数据都不平稳，一阶差分序列都平稳（表2），说明各变量一阶单整，可进行协整分析。 　　2. 面板协整检验。由于各变量均为一阶单整，可通过面板协整检验，分析变量之间长期稳定关系。选取Pedroni（Engle-Granger based）和Johansen面板协整检验，滞后阶数选取1。Pedroni面板协整检验（表3）结果表明，各变量存在协整关系。 　　由于本文采用的时序数列具有一定的随机游走特性，且协整向量包含截距项，因此选择第三种情况进行Johansen面板协整检验。Johansen面板协整检验结果（表4）表明，变量城镇化水平与金融发展水平、规模和效率之间存在协整关系。 　　上述两种检验方法均表明，中部地区六省城镇化水平与金融发展水平、金融发展规模和金融发展效率之间存在协整关系。 　　3. 面板模型。面板数据模型分析方法包括固定影响模型和随机影响模型。通过Hausman检验，Hausman统计值为10.159 666，对应概率为0.017 3，说明在5%显著性水平下，拒绝随机影响模型的原假设，建立固定影响模型，模型中的个体影响与解释变量相关。 　　选取Panel EGLS（Period Random Effects）方法，建立固定影响模型（表5），在5%显著性水平下，中部地区六省金融发展水平、金融发展规模和金融发展效率与城镇化水平呈正相关关系。金融发展规模系数最大，对城镇化水平影响显著；金融发展效率系数较大，对城镇化水平影响较显著；金融发展水平系数较小，对城镇化水平影响较小。 　　4. 面板VAR。由于固定影响模型结果较显著，能够较好地估计中部地区六省金融发展对城镇化的影响，最终建立如下面板模型。 　　（1）PVAR。面板数据向量自回归（PVAR）是面板数据模型与传统向量自回归方法的结合，把面板数据模型系统中所有变量视为内生，较真实地呈现各变量间关系。根据AIC和SC准则，并结合模型的有效性和稳定性条件，将PVAR最优滞后阶数定为1（表6）。所有金融发展指标的一阶滞后项对城镇化水平的系数都为正，反映了金融发展水平、规模和效率