居民消费率和城市化率动态关系实证研究.docVIP

居民消费率和城市化率动态关系实证研究 　　内容摘要：本文采用2000-2011年我国29个省、自治区、直辖市的相关数据，建立面板向量自回归模型（PVAR）对我国城市化率与居民消费率间的动态关系进行了实证研究。结果表明：我国居民消费率的增长显著地促进了城市化水平的提高，但城市化率的升高却会导致居民消费率的下降。本文依据实证结论对居民消费和城市化水平之间的非对称关系进行了探讨，并针对如何提高居民消费率和城市化率提出了建议。 　　关键词：居民消费 城市化 PVAR模型 脉冲响应分析 　　引言 　　投资、消费和净出口是拉动一国经济增长的三驾马车，我国依靠大规模的投资和强劲的出口一直保持着GDP高增长的发展态势。但是近年来，因国际金融危机、人民币升值等种种因素，出口对GDP的贡献率逐年减少，而且高强度投资对经济拉动的效用边际递减，当前依靠高投资高出口的发展模式已不再适用于我国的经济发展。从世界各国的发展来看，消费是影响并决定投资需求和经济增长的源动力。但是我国最终消费率一直低迷，从1978年的62.1%一路下滑至2010年的47.4%，远远低于国际平均水平，同时居民消费率更是从1978年的49.2%下降至2010年的33.8%。如何提高居民消费率从而促进经济增长，这个问题便成为我国经济发展模式转型中的当务之急。 　　居民消费受到了多方面因素的影响，我国近30年来的大规模人口流动无疑是其中一个重要的方面。目前，我国城市化进程开始加速，我国城市化率在1978年仅仅为17.92%，而去年已经达到了51.27%。不断提高的城市化率也影响了我国城乡居民的消费行为。因此，研究城市化水平与我国居民消费之间的动态关系不仅对促进我国经济发展模式的转变具有重大意义，同时对我国进一步改善城乡二元结构也有巨大的价值。 　　目前，已有不少学者从理论和实证两个方面来研究城市化与消费之间的关系，但大部分都集中于城市化对消费增长的分析上，忽视了居民消费对城市化的反向作用。鉴于此，本文采用面板向量自回归模型（Panel Vector Autoregressive，简称PVAR）和脉冲响应函数对2000-2011年我国29个省、自治区、直辖市的城市化率及居民消费率进行定量研究，从而得出两者之间的动态关系和相互影响情况，并提出相关政策建议。 　　面板向量自回归模型（PVAR）及相关理论 　　Chamberlain（1983）讨论了基于混合数据（PooledData）情形的回归方法，这实际上是面板数据向量自回归模型的雏形；接着，Holtz-Eakin、Newey和Rosen（1988）采用2SLS方法估计了单内生变量的时变系数的面板数据向量自回归模型。但二者都不是严格意义上的面板向量自回归模型。 　　严格意义上的面板向量自回归模型主要有两类，第一类是宏观面板数据即横截面个数较少，但是时间长度充分大的情况；另一类是微观面板数据，即横截面个数较多，但是时间长度较短的情况。对于宏观面板数据，Pesaran，Smith（1995）给出了一种一致估计的方法，即通过对面板数据向量自回归模型中，每个变量的个体平均时间序列数据，建立时间序列向量自回归模型的方法，来估计模型参数。而对于微观面板数据，Binder，Hsiao，Pesaran（2003）对个体固定效应面板数据分别进行了QML估计、GMM估计和最小距离估计（Minimum Distance Estimation），并且发现这些估计都是具有渐近正态分布的一致估计。 　　PVAR沿袭了VAR的优点，不再需要区分内生变量和外生变量，而是把所有变量均视作内生.可以真实反映出各变量之间的互动关系；正交化脉冲一响应函数能够分离出一个内生变量的冲击给其他内生变量所带来的影响。因此可以用来分析一个变量对其他变量的影响程度。并且，与VAR不同的是，面板数据的个体效应允许了不可观察的个体差异，时间效应则捕捉到个体在横截面上可能受到的共同冲击，得到的结果更符合事实。 　　模型的基本形式为： 　　Yi，t=a0+bi1Yi，j-1+bi2Yi，j-2+…+bimYi，j-m+ci1 Xi，j-1 　　+ci2 Xi，j-2+…+cim Xj-m+ai+uit 　　Yi，t是个体i在时点t的s个可观测随机变量的s×1向量，Xi，t是个体i在时点t的s个可观测其它内生变量的s×1向量，ai是个体i的s个不可观测的个体固定效应的s×1向量，bit和cit分别l是期滞后变量Yi，t-1和Xi，t-1的s×s系数矩阵。 　　PVAR模型有三条假设： 　　假设1：对于任意的N和Tp+3，Yi1，Yi2，…，YiT是可观测的。 　　假设2：对于i=1，2，…，N；t=1，2，…，T，uit ： 　　i.i.d（0，Ω）即uit是具有