计量经济学-城镇化率影响因素分析

中国城镇化率影响因素实证分析
摘要：城镇化是指生产要素聚集，进而带动人口（主要是农村人口）向城镇转移，集中的过程。

具体表现为：一个国家或地区的农业人口转化为非农业人口，即人口由农村向城镇转移；农村区域的不断减少，城镇区域的不断增加；劳动力、资金等生产要素由农村向城镇聚集，农业在国民经济中份额的下降及第二、第三产业份额的上升；城镇自身发展和素质的提高，即“城镇的城市化”；城镇功能对农村的辐射影响等等。

十六大报告明确指出“农村富裕劳动力向非农村业和城镇转移，是工业化和现代化的必然趋势。

要逐步提高城镇化水平，坚持大中小城市和小城镇协调发展。

走中国特色的城镇化道路”。

本文从1998年到2009年各地区城镇化率统计表入手，综合比较安徽等中西部地区与沿海城市发展的差异，得出影响城镇化率的四个主要因素：国内生产总值增长率，第三产业发展状况，工业发展速度，政策扶持情况。

运用Eviews统计软件，逐步回归，对数据进行线性拟合，经过各种参数检验及模型筛选，得到模型。

并利用模型，分析出工业增长和第三产业发展对我国城镇化率的显著影响，提出了相应的政策建议。

关键字：城镇化率逐步回归工业增长第三产业发展模型筛选
一．经济背景及研究意义：
（一）经济背景
依据第六次全国人口普查公报，2010年11月1日零时，全国总人口1339724852人，其中乡村人口6.74亿人，城镇6.66亿人，城镇化率为49.7％，低于世界平均水平（2009年世界城镇化率为50.3%）。

尽管中国城镇化率已从新中国成立之初的大约１０％提高到大约４５％，但与发达国家７８％和世界平均50％的城镇化水平相比，仍有很大的发展潜力。

中国经济在经历了多年高增长后，又成功抵御国际金融危机影响率先企稳回升。

要保持经济长期平稳较快增长，下一步应关注如何进一步拓展发展空间。

（二）研究意义
对于我国，城镇化的滞后已经给中国经济社会带来了一系列的消极影响，产生了不少社会矛盾和问题：研究城镇化发展的影响因素，有利于落实科学发展观，进一步提高全国城镇化速率。

对于我们安徽省，经济建设落后于周边地区，尤其是沿海发达城市。

通过对比城镇化率相关数据，研究城镇化率的影响因素，可以科学制定城市规划，实现我省快速全面的发展。

2012年12月召开的中央经济工作会议发透出重要信号：今后一段时期，城镇化将在拓展中国经济发展新空间中扮演重要角色。

一系列政策措施将围绕“城镇化”逐步展开，并对中国经济社会产生深刻影响。

城镇化不仅能够推动基础设施建设带来投资增长，还可以提高居民生活水平、带来消费扩大、促进社会和谐，可谓一举多得。

（三）相关数据分析；
见表1各省市城市化率历年统计数据（1990-2008）
数据来源：各省统计年鉴及中国60年统计资料汇编，本数据结合城镇人口或非农人口除以各省年末总人口所得，便于计量研究．
表1为我国各省部分年限城镇化率统计表，通过对比数据，猜想中国城镇化率的速度与财政政策有关，同时观察得到北京，上海，天津同期城镇化率明显高于其他省市，猜想与经济发展状况有关，进一步猜测城市化率可能与第三产业比重，GDP增长率，工业的发展速度水平有关, 中国城市化率可能影响因素详细分析见表2
表2中国城市化率可能影响因素历年统计数据表（1998 - 2009）
注：
1:国内生产总值指数，第三产业指数，工业增加值指数以1978年为基期，即1978年=100。

2..90年代未出台城镇化相关政策，20世纪尤其是十一五规划依赖，开始出台扶持第三产业和城镇化相关政策，扶持农村城镇化发展。

3.数据来源于中国国家统计局（/）
二：模型设定
1.模型建立
我们用Eviews软件逐步回归法建立对数线性模型。

我们希望应用多元回归分析的方法建立最优回归方程以便对被解释变量Y（城镇化率）进行预测或控制。

所谓“最优回归方程”，主要是指希望在回归方程中包含所有对被解释变量y影响显著的自变量而不包含对Y影响不显著的自变量回归方程。

（一）选取变量
本文的主题是研究中国城镇化率的影响因素，根据数据分析，选取中国城镇
化率(Y)作为被解释变量，选取国内生产总值指数（X1）、第三产业指数（X2）、工业增加值（X3）、政策支持（X4）四组数据作为解释变量构建模型：
Y=f (X1, X2, X3, X2D ，D)
(二)解释变量的构造
为了反映“政策支持”这一定性因素的影响，设置虚拟变量如下：
⎩⎨
⎧=无相关政策政策扶持01D
Xd=x2*d,即反映政策扶持对第三产业的影响。

（三）回归模型的筛选
国内生产总值与城镇化率相关关系图：
第三产业指数与城镇化率相关关系图：
工业增加值与城镇化率相关关系图：
相关图表明，城镇化率分别与国内生产总值指数（X1）、第三产业指数（X2）、工业增加值（X3）的曲线相关关系较为明显。

现将函数初步设定为线性、对数、指数等不同形式，进而加以比较分析。

2.模型比较
线性函数条件下：
函数形式为：Y=X1+X2+X3+Xd+D1
对数模型下：
函数形式为：ln(Y)=ln(X1)+ln(X2)+ln(X3)+Xd+D1
指数模型下：
函数形式为：Y=ln(X1)+ln(X2)+ln(X3)+Xd+D1
上述几种模型，拟合优度均较高，但未通过T检验，通过相关系数检验和辅助回归方程，我们可以看到如下结果：
由结果可得，每个变量均与被解释变量城镇化率高度相关，但解释变量之间存在高度自相关，因此通过辅助回归方程检验多重共线性，结果如下表：
X1与X3，D1,XD无关，X2与X3无关，说明X1与X2之间存在高度正相关关系，而与虚拟变量XD无明显相关关系，说明国内生产总值与第三产业增加值关系显著，但与政策导向下的第三产业发展无明显相关关系，因此，剔除变量X2。

3.运用逐步回归方法
由上表可知，城镇化率与GDP增长率关系最密切，初步建立函数关系为：β
α+
ε
Y
ln x
=1
+
Lny=f(lnx1,lnx2 d1 xd)
即lny=-2.5425+1.2822lnx1+9.7086lnx3+0.1887d1-1.2261xd
t=-2.1759 t=3.8203 t=3.9044 t=2.2070 t=3.2566
R2 = 0.9612 F=443.4643
此模型拟合程度较好。

三、模型检验
1.异方差性
利用怀特检验的方法得到如下信息：
P 值均大于0.05，且
8851.499.5)2(2205.0=>=nR χ，所以模型不存在异方差性 2. 自相关性
因为样本容量N=12,解释变量数目K ＝4，查DW 分布表可得临界值DL=0.512 DU=2.177,而2.177>dw=2.026>4-2.177=1.823,所以方程无一阶自相关性。

因此，最终模型为：
lny=-2.5425+1.2822lnx1+9.7086lnx3+0.1887d1-1.2261xd
t=-2.1759 t=3.8203 t=3.9044 t=2.2070 t=3.2566
R 2 =0.9612 F=443.4643
通过方程可以看出，城镇化率的GDP 弹性为 1.2822，工业产值增长率弹性为9,7086，说明我国城镇化进程与工业发展程度紧密相关，工业发展越快，城镇化速度也呈现正比例加快的趋势；虚拟变量回归系数检验显著，说明我国城镇化进程受政策扶持影响较大，十一五期间对第三产业的扶持大大促进了我国城镇化的速率，而GDP 总量对于城镇化率的弹性较小，影响不如工业发展和第三产业发展显著。

四：结论及政策建议
（一）研究结论
城镇化速度受经济、社会、政治、历史、地理、制度、政策等多种因素的影响和制约。

从经济角度看，经济总体发展状况，总的经济发展速度，特别是第三产业的发展、工业发展程度，对城镇化的速度有着直接的影响，尤以工业的发展速度和水平对城镇化速度影响最为直接和显著。

（二）政策建议
根据上述分析，对于我国城镇化的发展，建议如下：
（1）加快城镇化发展必须强化产业支撑.
（2）科学制定规划，实现中西部城市城镇化的有序发展
（3）推行有利于农村城镇化的政策
参考文献：
1. 王忠平. 我国城市化进程中的宏观调控问题. 城市发展研究（京），2 0 0 8 . 2
2 . 陆大道等. 基于我国国情的城镇化过程综合分析. 经济地理，2007.6
3 . 吴耀，牛俊蜻，郝晋伟. 区域城镇化综合发展水平评价研究—以陕西省
为例. 西北大学学报（自然科学版）[ J ] ，2009(6)
4．《中国统计年鉴》2010年
5：庞皓《计量经济学》第二版。