金融发展与城镇化进程关系的空间计量经济分析

《金融发展与城镇化进程关系的空间计量经济分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、金融发展与城镇化进程关系的空间计量经济分析基于空间计量模型，在检验城镇化发展是否存在空间依赖性的基础上，对长三角地区的金融发展与城镇化进程的关系进行了实证分析。研究结果显示：2003～2011年间，长三角地区的城镇化发展具有明显的空间依赖性和空间互动效应，自2007年开始呈现逐年增强的趋势;经济增长过程中，金融发展对城镇化的进程具有推动作用，且金融发展效率比金融发展规模对城镇化发展贡献更大。要加快区域城镇化进程，实现区域的城镇化联动发展，必须致力于加强与邻近地区的合作与交流，促进金融资源的合理流动;同时还应优化配置

2、金融资源，提高财政金融资本的使用效率，推动新型城镇化的发展。一、引言2013年，我国城镇化率达到53.73%，而城镇化还将保持较快发展的趋势，城镇化率仍将以年均提高1个百分点左右的速度推进，在2020年中国的城镇化率将达到60%左右。城镇化俨然已经进入了能否走上可持续发展之路的关键阶段。城镇化长期囿于传统的投融资体制，城镇化发展一直受资金瓶颈制约。解决城镇化的资金需求一方面是增加财政投入，当然仅靠财政收入往往杯水车薪，这就需要金融资本发挥作用。一个有效的金融系统是新型城镇化的强大助推器，它不仅应该为城镇化的进程而融

3、资，也应该为城镇发展方式的转型而融资。所以，如何完善城镇化金融服务体系，有效发挥资金融通的功能，为新型城镇化的快速推进提供必要的金融资本，是当下需要关注和解决的重要问题。从有关研究城镇化与金融发展关系的已有文献来看，大多理论研究及实证研究除个别文献外，大都支持这一观点，即金融发展在一定程度上对城镇化进程具有积极作用，并且城镇化会进一步促进金融深化。从实证分析来看，大部分文献都是基于时间数据或面板数据进行经典的计量分析，其主要问题是忽略了城镇化、金融发展的空间依赖性和空间互动效应。城镇化是农村人口向城市不断迁移的过程

4、，而我国人口跨区域流动的现象极其普遍，2013年我国流动人口达到2.45亿人。并且城镇化本身就是人口、产业的空间集聚，所以，将城镇化的空间依赖性考虑进去，建立空间计量模型，可以更客观地衡量城镇化与金融发展的关系，从而为城镇化发展战略的制定提供更具针对性的政策提供建议。接下来，本文将针对长三角地区16个地级市的金融发展与城镇化的相互关系进行实证研究。二、实证结果及分析(一)变量选取及数据为研究中国金融发展和城镇化进程之间的关系，选取金融发展和城镇化相关变量，具体如下：1.城镇化率(U)。本文中以非农业人口占常住人口的

5、比重来表示城镇化率，其数值的高低表征城镇化的进程;2.金融发展(F)。由于金融发展表现为三个方面，即金融发展规模、金融发展结构、金融发展效率，但由于长三角地区涉及到两省一市，反映地级市金融发展结构的数据资料难以获取。所以，本文选取两个变量共同描述金融发展情况：以储蓄贷款的比率表示金融发展效率，以贷款与GDP的比重(FS)表示金融发展规模;3.经济增长(EG)。影响城镇化进程的因素有很多，需要对一些主要变量进行控制增加模型的解释力度。由于经济增长是城镇化发展的源动力，且经济增长会通过多个方面影响到城镇化的发展，因此，

6、本文以人均实际GDP作为经济增长指标作为控制变量。本文研究的样本为16个长三角地区地级市的2003～2011年的年度面板数据，于2004～2012年的《江苏省统计年鉴》、《浙江省统计年鉴》、《上海市统计年鉴》、《中国城市统计年鉴》、中国经济与社会发展统计数据库，其中人均GDP已通过价格指数转化为实际的人均GDP，金融发展效率指标RSL及金融发展规模指标RLG都已转化为百分数。(二)城镇化水平的空间相关性检验本文采用阈值距离(ThresholdDistance)的空间权值矩来计算2003～2011年长三角16个地级市

7、的城镇化率U的空间自相关Moran’I指数，结果如表1所示。结果显示：2003～2011年间，16个地级市的城镇化率存在着显著的正向空间自相关性。在“非典”发生的2003年之后，16个地区空间自相关性大大减弱;从2007年开始到2011年，空间相关性又开始逐步增加，尤其受金融危机的影响，2009年的空间自相关性出现了显著增加的趋势。所以，总的来看，除了“非典”之后的两三年之外，其他年份的城镇化率均表现出逐步上升的空间自相关性，也就是说各个地级市城镇化的空间依赖性在不断加强，在城镇化的定量研究中必须充分考虑这种逐渐增

8、强的空间相关性效应。因此，运用空间计量模型对长三角16个地级市的城镇化水平的金融发展推动因素进行研究要比传统计量方法更为适宜。(三)空间计量经济模型估计本节中，选取2003、2006、2008、2011年四个时间点对城镇化水平的金融发展推动因素进行空间计量分析，采用的模型为普通回归模型(OLS)、空间滞后模型(SLM)、空间误差模型(SEM)，所得结果见表2