论文部分内容阅读
【摘要】基于全国31个省市的面板数据构建了面板数据回归模型，实证研究了城镇固定资产投融资结构与城镇化率之间的作用机理。研究结果表明，城镇固定资产投融资结构的发展对各地区城镇化率的作用机制并不相同，投融资结构中的引用外资对城镇化建设的影响较为显著，且为负相关。而预算财政、国内贷款和自筹资金对城镇化建设的影响不太显著。
【关键词】城镇化 固定资产投融资 面板数据
一、引言
十八大后，新型城镇化建设成为推动我国经济和社会发展的一项重要战略部署。农村城镇化是指各种生产要素在农村城镇中不断集聚并有效的流动和重组，城镇人口不断增多，城镇数量，规模不断增大，质量不断提高的过程。城镇化是人类文明进步和经济社会发展的必然趋势，是全面建设小康社会过程中必须历经的一种经济形式。这就要求扎实推进新型城镇化建设，壮大城镇规模，加快形成城乡一体化格局，构建新型城镇化发展体系，全面推动经济、社会和环境协调发展。
如何完善新型城镇化建设中固定资产投资投融资结构，强化其推进城镇化建设的支撑保障作用，成为一项重要而紧迫的任务。从固定资产投资资金来源的角度出发，研究其资金的来源结构对我国城镇化水平的作用机制显得尤为重要。因此，进一步研究其投融资结构对新型城镇化建设的影响作用，具有重要的理论和实际意义。基于以上背景，本文就全国31个省市的面板数据进行面板模型计量分析，研究城镇固定资产投融资结构对新型城镇化建设的作用机制，为政策制定者提供更可行性的理论依据。
二、文献综述
在现代经济周期理论中，Kydland Prescott（1982）认为投资波动是导致经济波动的主要原因[3]。Podrecca和Carmeci（2001）对于固定资产投资和实际产出之间是否具有显著的双向影响，认为在理论分析和实证检验上尚无一致的结论[4]。苗敬毅（2006）应用单整PP检验和协整EG检验得出固定资产投资波动对产值波动影响是显著的；郑长德（2007）通过格兰杰因果检验得出我国经济货币化程度的提高是影响我国城镇化水平的重要因素。郑玫（2008）利用灰色关联度分析法得出在所有经济形势中，固定资产投资对城镇化率的影响最大。黄勇、谢朝华（2008）采用向量自回归模型发现我国的银行贷款对我国的城镇化有影响。邵宇、王鹏（2013）认为城镇化的发展离不开产业的发展，而中国未来的城镇化的健康发展迫切需要产业布局的支撑。杨晓敏（2014）认为推进新型镇化建设，核心是以人为本，就要坚持以生态文明引领城市发展思路，以新型城镇体系建设为核心，以培育壮大城镇产业支撑体系作为突破口。郭丽虹、张祥建（2014）认为保持社会融资规模合理增长，调整和优化社会融资结构对于促进实体经济部门发展具有重要意义。
从国内外的研究中，在其中看出，有的学者没有考虑国内的国情，有的学者使用的方法也往往不能准确的达到拟定的效果。在学者们的优秀成果下，基于面板数据模型对我国城镇化过程中的固定资产投融资进行了进一步的分析，这样可以得到更加准确的结果，为国家和政府制定更加有效的政策提供有效的理论基础支撑。
三、实证分析
（一）数据说明
本文选取全国2004～2014年大陆31个省市面板数据作为样本点，选取城镇化率作为城镇化水平指标（cz），即某地区常住城镇人口数占该地区总人口的比例。从固定资产投资资金来源的角度出发，将其投融资指标分为政府预算财政资金所占比重yc、国内贷款所占比重gd、外商直接投资所占比重wz和自筹资金所占比重zc四个指标。城镇化指标和固定资产投融资指标数据均来源于中国经济社会发展统计数据库和中国统计年鉴（数据详见附表）。进行数据处理的软件是Eveiws8.0计量经济学软件。
（二）面板数据模型的建立
根据建模需要，定义如下变量：CZit，和yzt，gdt，wzt，zct分别表示第i地区在第t年的城镇化率、政府预算财政资金所占比重、国内贷款所占比重、外商直接投资所占比重和自筹资金所占比重。i=1，2，…，31；t=1，2…9。
1.变量的统计描述。本文按照前文所述的地区的样本值，对变量的统计描述进行分析，得出各个指标的统计状况表，下表为城镇化率的状况表，其余变量的统计状况详见附件。
根据述统计结果显示：我国不同省份间城镇化水平差异明显，城镇化率最大值达到89.30%（上海），而最小值仅为19.80%。可见城镇化建设存在着很大的省际间的差异性，沿海和内地、东部和西部固有的经济差异应该是带来如此结果的必然因素。但值得可观的是，城镇化率的离散程度较低，这主要是由于区域间的协同效应在发挥作用。因此，区域与区域间城镇化发展的联动性分析便成为今后政策制定的突破点。
另外，在固定资产投融资结构中，自筹资金所占比重和国内贷款所占比重较大。可见，自筹资金和国内贷款是城镇化建设重要的资金来源。特别地，由于各解释变量的标准差均维持在都较小，因此，为解释变量所导致被解释变量的空间效应奠定了分析基础。
2.时序图分析。通过对五个变量进行时序图分析，发现变量均带有较为明显的截距项和趋势项。
3.单位根检验。从时序图分析可以看出，原值的检验模式应该选择含有截距项和趋势的检验模式，即“include in test equation”选择“individual intercept and trend”，使用的单位根检验为相同根单位根检验LLC和不同根单位根检验Fisher-ADF这两种检验方法。
从检验结果看出，在LLC和ADF-Fisher两种检验方法下，原序列检验结果的Prob.xx小于置信度（取0.10），我们认为拒绝单位根的原假设，通过检验，五个变量均为0阶单整。
4.协整检验。使用Kao检验方法，城镇化率指标与固定资产投融资指标的协整检验结果为prob是0.0531，从检验结果可以看出，我国31个省市的城镇化率和固定资产投融资指标之间存在协整关系。 （三）回归估计
1.变系数模型，变系数回归结果，得到s1=415.2402。
2.变截距模型，变截距回归结果，s2=1693.200
3.混合模型估计，混合模型回归结果，s3=37140.49：
（四）确定模型形式
把模型估计取得的s1、s2、s3数值代入前述公式，如下：
查表知在显著性水平为0.10下，临界值F=1.25和1.00，F1、F2均大于临界值，因此我们认为常数和截距在不同截面样本点上是不同的，应该采用变系数模型。
（五）回归分析
选择变系数模型，回归结果见附件三，Prob（F-statistic）为0.000000，模型方程显著，本例中R-squared=0.993262，接近1，拟合度相当好，但是，t值较小，t检验大部分都未通过，说明整体情况并不理想。
通过对四个变量不同的组合进行回归分析，发现只有变量wz显著性能通过检验，其他变量以及变量之间的组合均未能通过检验。只有wz的回归分析见附件四，以下是回归分析：
（1）Coefficient为系数，比如WZ_BJ的系数为-2.016546。
（2）t-Statistic为t值，检验每一个自变量的合理性。|t|大于临界值表示可拒绝系数为0的假设，即系数合理。Prob为系数的概率，若其小于置信度（如0.10）则表明|t|大于临界值，即认为系数合理。从结果可以看出，本例中系数合理。
（3）R-squared为样本决定系数，表示总离差平方和中由回归方程可以解释部分的比例，比例越大说明回归方程可以解释的部分越多。值为0-1，越接近1表示拟合越好，>0.8认为可以接受，但是R2随因变量的增多而增大，所以可以通过增加自变量的个数来提高模型的R-squared。本例中R-squared=0.979674，接近1，拟合度相当好。Adjust R-seqaured为修正的R-squared，与R-squared有相似意义。
（4）F-statistic表示模型拟合样本的效果，即选择的所有自变量对因变量的解释力度。F大于临界值则说明拒绝0假设。若Prob（F-statistic）小于置信度（0.10）则说明F大于临界值，方程显著性明显。本例中Prob（F-statistic）为0.000000，模型方程显著。
（5）Durbin-Watson stat：检验残差序列的自相关性。其值在0-4之间。
（六）结论分析
经过回归分析，我们发现，只有外商投资对城镇化率回归显著，并且，系数为负，可见，城镇固定资产投融资结构的发展对各地区城镇化率的作用机制并不相同，投融资结构中的引用外资对城镇化建设的影响较为显著，且为负相关。而预算财政、国内贷款和自筹资金对城镇化建设的影响不太显著。外商投资与城镇化率存在负相关关系，即外商投资越多，城镇化率越低。
四、政策建议
外商投资对我国城镇化的影响是不容忽视的，针对这一论证，提出以下的政策建议，以便扬长避短，更好的推进我国城镇化建设的进程：
（一）控制外商投资的规模，使其处在一个合适的区间，从而促进我国经济的增长和社会的进步。
（二）加强对外商投资的区域投资导向，使外商投资可以比较均匀的分布在全国各地，以使全国的城镇化率趋于一致。
参考文献
[1]Kydland F.and Prescott，E.1982.Time to build and aggregate fluctuations.Econometrica，50（6）：1345-1370.
[2]Podrecca，E.andCarmeci，G.，2001，Fixed Investment and economic growth：new results on causality.Applied Economics，33：177-182.
[3]郑玫.固定资产投资与城镇化率相关性——以重庆直辖市为例，改革与战略，2008（8）
[4]黄勇，谢朝华.城镇化建设中的金融支持效应分析，理论探索，2008（3）
[5]邵宇，王鹏.重塑中国：新型城镇化、深度城市化和新四化，金融发展评论，2013（1）.
[6]杨晓敏.推进张掖市新型城镇化建设的调查与思考，山东农业工程学院学报，2014（2）.
[7]郭丽虹，张祥建.社会融资规模和融资结构对实体经济的影响研究，金融市场，2014（6）.
【关键词】城镇化 固定资产投融资 面板数据
一、引言
十八大后，新型城镇化建设成为推动我国经济和社会发展的一项重要战略部署。农村城镇化是指各种生产要素在农村城镇中不断集聚并有效的流动和重组，城镇人口不断增多，城镇数量，规模不断增大，质量不断提高的过程。城镇化是人类文明进步和经济社会发展的必然趋势，是全面建设小康社会过程中必须历经的一种经济形式。这就要求扎实推进新型城镇化建设，壮大城镇规模，加快形成城乡一体化格局，构建新型城镇化发展体系，全面推动经济、社会和环境协调发展。
如何完善新型城镇化建设中固定资产投资投融资结构，强化其推进城镇化建设的支撑保障作用，成为一项重要而紧迫的任务。从固定资产投资资金来源的角度出发，研究其资金的来源结构对我国城镇化水平的作用机制显得尤为重要。因此，进一步研究其投融资结构对新型城镇化建设的影响作用，具有重要的理论和实际意义。基于以上背景，本文就全国31个省市的面板数据进行面板模型计量分析，研究城镇固定资产投融资结构对新型城镇化建设的作用机制，为政策制定者提供更可行性的理论依据。
二、文献综述
在现代经济周期理论中，Kydland Prescott（1982）认为投资波动是导致经济波动的主要原因[3]。Podrecca和Carmeci（2001）对于固定资产投资和实际产出之间是否具有显著的双向影响，认为在理论分析和实证检验上尚无一致的结论[4]。苗敬毅（2006）应用单整PP检验和协整EG检验得出固定资产投资波动对产值波动影响是显著的；郑长德（2007）通过格兰杰因果检验得出我国经济货币化程度的提高是影响我国城镇化水平的重要因素。郑玫（2008）利用灰色关联度分析法得出在所有经济形势中，固定资产投资对城镇化率的影响最大。黄勇、谢朝华（2008）采用向量自回归模型发现我国的银行贷款对我国的城镇化有影响。邵宇、王鹏（2013）认为城镇化的发展离不开产业的发展，而中国未来的城镇化的健康发展迫切需要产业布局的支撑。杨晓敏（2014）认为推进新型镇化建设，核心是以人为本，就要坚持以生态文明引领城市发展思路，以新型城镇体系建设为核心，以培育壮大城镇产业支撑体系作为突破口。郭丽虹、张祥建（2014）认为保持社会融资规模合理增长，调整和优化社会融资结构对于促进实体经济部门发展具有重要意义。
从国内外的研究中，在其中看出，有的学者没有考虑国内的国情，有的学者使用的方法也往往不能准确的达到拟定的效果。在学者们的优秀成果下，基于面板数据模型对我国城镇化过程中的固定资产投融资进行了进一步的分析，这样可以得到更加准确的结果，为国家和政府制定更加有效的政策提供有效的理论基础支撑。
三、实证分析
（一）数据说明
本文选取全国2004～2014年大陆31个省市面板数据作为样本点，选取城镇化率作为城镇化水平指标（cz），即某地区常住城镇人口数占该地区总人口的比例。从固定资产投资资金来源的角度出发，将其投融资指标分为政府预算财政资金所占比重yc、国内贷款所占比重gd、外商直接投资所占比重wz和自筹资金所占比重zc四个指标。城镇化指标和固定资产投融资指标数据均来源于中国经济社会发展统计数据库和中国统计年鉴（数据详见附表）。进行数据处理的软件是Eveiws8.0计量经济学软件。
（二）面板数据模型的建立
根据建模需要，定义如下变量：CZit，和yzt，gdt，wzt，zct分别表示第i地区在第t年的城镇化率、政府预算财政资金所占比重、国内贷款所占比重、外商直接投资所占比重和自筹资金所占比重。i=1，2，…，31；t=1，2…9。
1.变量的统计描述。本文按照前文所述的地区的样本值，对变量的统计描述进行分析，得出各个指标的统计状况表，下表为城镇化率的状况表，其余变量的统计状况详见附件。
根据述统计结果显示：我国不同省份间城镇化水平差异明显，城镇化率最大值达到89.30%（上海），而最小值仅为19.80%。可见城镇化建设存在着很大的省际间的差异性，沿海和内地、东部和西部固有的经济差异应该是带来如此结果的必然因素。但值得可观的是，城镇化率的离散程度较低，这主要是由于区域间的协同效应在发挥作用。因此，区域与区域间城镇化发展的联动性分析便成为今后政策制定的突破点。
另外，在固定资产投融资结构中，自筹资金所占比重和国内贷款所占比重较大。可见，自筹资金和国内贷款是城镇化建设重要的资金来源。特别地，由于各解释变量的标准差均维持在都较小，因此，为解释变量所导致被解释变量的空间效应奠定了分析基础。
2.时序图分析。通过对五个变量进行时序图分析，发现变量均带有较为明显的截距项和趋势项。
3.单位根检验。从时序图分析可以看出，原值的检验模式应该选择含有截距项和趋势的检验模式，即“include in test equation”选择“individual intercept and trend”，使用的单位根检验为相同根单位根检验LLC和不同根单位根检验Fisher-ADF这两种检验方法。
从检验结果看出，在LLC和ADF-Fisher两种检验方法下，原序列检验结果的Prob.xx小于置信度（取0.10），我们认为拒绝单位根的原假设，通过检验，五个变量均为0阶单整。
4.协整检验。使用Kao检验方法，城镇化率指标与固定资产投融资指标的协整检验结果为prob是0.0531，从检验结果可以看出，我国31个省市的城镇化率和固定资产投融资指标之间存在协整关系。 （三）回归估计
1.变系数模型，变系数回归结果，得到s1=415.2402。
2.变截距模型，变截距回归结果，s2=1693.200
3.混合模型估计，混合模型回归结果，s3=37140.49：
（四）确定模型形式
把模型估计取得的s1、s2、s3数值代入前述公式，如下：
查表知在显著性水平为0.10下，临界值F=1.25和1.00，F1、F2均大于临界值，因此我们认为常数和截距在不同截面样本点上是不同的，应该采用变系数模型。
（五）回归分析
选择变系数模型，回归结果见附件三，Prob（F-statistic）为0.000000，模型方程显著，本例中R-squared=0.993262，接近1，拟合度相当好，但是，t值较小，t检验大部分都未通过，说明整体情况并不理想。
通过对四个变量不同的组合进行回归分析，发现只有变量wz显著性能通过检验，其他变量以及变量之间的组合均未能通过检验。只有wz的回归分析见附件四，以下是回归分析：
（1）Coefficient为系数，比如WZ_BJ的系数为-2.016546。
（2）t-Statistic为t值，检验每一个自变量的合理性。|t|大于临界值表示可拒绝系数为0的假设，即系数合理。Prob为系数的概率，若其小于置信度（如0.10）则表明|t|大于临界值，即认为系数合理。从结果可以看出，本例中系数合理。
（3）R-squared为样本决定系数，表示总离差平方和中由回归方程可以解释部分的比例，比例越大说明回归方程可以解释的部分越多。值为0-1，越接近1表示拟合越好，>0.8认为可以接受，但是R2随因变量的增多而增大，所以可以通过增加自变量的个数来提高模型的R-squared。本例中R-squared=0.979674，接近1，拟合度相当好。Adjust R-seqaured为修正的R-squared，与R-squared有相似意义。
（4）F-statistic表示模型拟合样本的效果，即选择的所有自变量对因变量的解释力度。F大于临界值则说明拒绝0假设。若Prob（F-statistic）小于置信度（0.10）则说明F大于临界值，方程显著性明显。本例中Prob（F-statistic）为0.000000，模型方程显著。
（5）Durbin-Watson stat：检验残差序列的自相关性。其值在0-4之间。
（六）结论分析
经过回归分析，我们发现，只有外商投资对城镇化率回归显著，并且，系数为负，可见，城镇固定资产投融资结构的发展对各地区城镇化率的作用机制并不相同，投融资结构中的引用外资对城镇化建设的影响较为显著，且为负相关。而预算财政、国内贷款和自筹资金对城镇化建设的影响不太显著。外商投资与城镇化率存在负相关关系，即外商投资越多，城镇化率越低。
四、政策建议
外商投资对我国城镇化的影响是不容忽视的，针对这一论证，提出以下的政策建议，以便扬长避短，更好的推进我国城镇化建设的进程：
（一）控制外商投资的规模，使其处在一个合适的区间，从而促进我国经济的增长和社会的进步。
（二）加强对外商投资的区域投资导向，使外商投资可以比较均匀的分布在全国各地，以使全国的城镇化率趋于一致。
参考文献
[1]Kydland F.and Prescott，E.1982.Time to build and aggregate fluctuations.Econometrica，50（6）：1345-1370.
[2]Podrecca，E.andCarmeci，G.，2001，Fixed Investment and economic growth：new results on causality.Applied Economics，33：177-182.
[3]郑玫.固定资产投资与城镇化率相关性——以重庆直辖市为例，改革与战略，2008（8）
[4]黄勇，谢朝华.城镇化建设中的金融支持效应分析，理论探索，2008（3）
[5]邵宇，王鹏.重塑中国：新型城镇化、深度城市化和新四化，金融发展评论，2013（1）.
[6]杨晓敏.推进张掖市新型城镇化建设的调查与思考，山东农业工程学院学报，2014（2）.
[7]郭丽虹，张祥建.社会融资规模和融资结构对实体经济的影响研究，金融市场，2014（6）.