农村金融发展城镇化和城乡收入差距探讨.docVIP

农村金融发展城镇化和城乡收入差距探讨 　　摘要：在构建城乡二元经济结构框架的基础上，文章首先从数理模型的角度分析了农村金融发展、城镇化对城乡收入差距的作用机制，并基于中国1997年～2012年30个省份的动态面板数据，采用DIF-GMM、SYS-GMM对三者之间的关系进行了动态的计量分析，再通过工具变量的有效识别对估计结果进行了取舍。 　　关键词：农村金融发展；城镇化；城乡收入差距；动态面板数据模型 　　一、 引言 　　改革开放以来，我国城乡收入差距问题越来越突出。农村金融发展和城镇化对我国城乡收入差距的净效应到底是正还是负？影响程度又如何？这正是本文要研究的问题。 　　二、 基于数理模型的分析 　　1. 数理模型假设。 　　（1）经济社会中存在城镇（U）和农村（R）两个相对独立的部门，为了研究的方便，模型假定总人口规模保持不变，并将劳动者数量等同于人口数量，因此，城镇化为城镇劳动者数量Lu与农村劳动者数量Lr结构相互变动的结果，即城镇化？浊=。 　　（2）经济社会中存在大量竞争性厂商，且满足规模报酬不变及零利润的假设。本文在Barro内生增长模型的基础上，将外部融资资金（F）作为不同于物质资本的生产要素引入模型中，分别得出城镇部门和农村部门代表性厂商的生产模型： 　　因此，在城镇化的初期，城镇化并不利于缩小城乡收入差距；但当城镇化发展到一定水平后，这种对城乡收入差距的缩小作用开始凸显。 　　三、 动态计量模型的建立、变量的选取及数据说明 　　1. 动态计量模型的建立。由于城乡收入差距是一个动态的过程，存在一定的路径依赖，它不仅与当前因素有关还取决于过去的城乡收入差距水平。因此，本文构建如下的动态效应面板数据模型： 　　其中，j=1，2表示城镇和农村，pij，t为i省第t年的城镇或农村居民收入，zij，t为i省第t年的城镇或农村的人口数，pit为i省第t年的总收入，zit为i省第t年的总人口数。 　　（2）农村金融发展。本文从规模和效率两个方面来考虑我国的农村金融发展： 　　农村金融发展规模（RFDSit）：定义农村金融发展规模RFDSit=（农户储蓄存款余额+农业贷款余额）/农村GDP，后者用“第一产业GDP+乡镇企业增加值”衡量。 　　农村金融发展效率（RFDEit）：定义RFDEit=农业贷款余额/农户储蓄存款余额。 　　（3）城镇化水平（URBAit）。本文选取城镇人口/总人口衡量城镇化水平。 　　（4）影响城乡收入差距的控制变量。①人均G-DP增长率（PGDPit）；②第三产业就业人数占全国劳动力人数的比重（SCit）；③地方政府对经济活动的参与度（LGIEAit）；④经济的对外开放度（OPENit）。 　　四、 基于动态面板数据模型的实证分析 　　1. 动态效应面板数据模型的估计。动态效应面板模型内生性问题的存在，导致一般的面板模型估计方法所估结果的有偏性与非一致性，为避免这一问题的存在，本文采用广义矩估计法（GMM）予以解决。 　　广义矩估计主要分为差分广义矩估计和系统广义矩估计，理论上说，系统广义矩估计（SYS-GMM）在有限样本条件下，虽然比差分广义矩估计（DIF-GMM）具有更高的有效性，但过多工具变量的选择造成自由度的损失，缺乏足够的可信度；且广义矩估计的两步估计虽然比一步估计结果更加稳健，但会低估标准差，影响估计效率。基于上述考虑，本文将分别报告DIF-GMM的一步估计与两步估计以及SYS-GMM的一步估计与两步估计结果，并通过工具变量的过度识别检验选择合理的估计结果。本文样本的时间跨度为1997年～2012年，时间跨度不是很大，取最大滞后阶数M=1。模型的具体估计结果如表1所示。 　　2. 动态效应面板模型的有效性检验。从Sargan检验结果来看，表1的第（2）和第（4）项都通过了工具变量的有效性检验，即工具变量的设定是有效的；从AR（2）检验结果看，同样认为第（2）和第（4）项的模型设定合理。但从总体检验结果上看，第（4）项在工具变量和模型设定上比第（2）项更加有效（第（4）项Sargan检验和AR（2）检验的P值分别为0.913 6、0.887 6，而第（2）项的P值分别为1.000 0、0.901 3），且Blundell，Bond和Windmeijer通过蒙特卡罗模拟实验证明，当被解释变量的一阶滞后项的系数为0.8～0.9时，SYS-GMM比DIF-GMM更加有效，因此第（4）项的估计结果具有更好的有效性和一致性。 　　3. 动态效应面板模型估计结果分析。基于上述分析，本文选择表1的第（4）项来分析动态效应面板模型的估计结果。具体来说： 　　（1）从城乡收入差距滞后项的视角看：由上表1可以看出，无论采用哪种估计方法，城乡收入差距滞后项均在1%的显