广东省城镇化与产业结构变化关系研究

广东省城镇化与产业结构变化关系研究

广东省城镇化与产业结构变化关系研究

【摘要】本文以广东省为研究对象，从城镇化与产业结构的变动关系入手，选取1978-2013年广东省城镇化与产业结构的年度时间序列数据，进行协整、格兰杰因果检验，建立VAR（向量自回归）、VEC（误差修正模型），综合探讨广东省城镇化与产业结构的变化关系，并揭示出两者发展存在的问题及原因，提出相应的政策建议。

【关键词】城镇化；产业结构；协调发展；广东省

一、引言

我国自改革开放以来，一直注重城镇化的推动和产业结构的优化升级，十八大报告提及城镇化多达七次，明确指出协调推进城镇化是实现现代化的重大战略选择，中国未来的最大发展潜力在于城镇化，要以推进城镇化、优化产业结构等为重点，着力解决制约经济健康发展的重大结构性问题。显然，城镇化与产业结构已成为我国经济战略性调整的核心问题与主要方向，是未来经济发展的重中之重。广东省作为中国经济的头号大省，无论是城镇化还是产业结构升级优化，都走在中国的前列，探究广东省城镇化与产业结构的发展过程及变动特征，提出两者协调发展的建议与措施，对广东省乃至全中国都有很强的现实指导意义。

二、指标的选取和数据的来源

本文以第二、第三产业增加值之和占GDP的比重来衡量产业结构的状况，以非农业人口数占总人口的比重来度量城镇化率。根据已确定的城镇化与产业结构的测度指标，本文选取了广东省1978―2013共36年的时间序列数据，进行协整、granger因果检验，并建立VAR、VEC模型来分析两者之间的关系。所有的数据均来自于《广东省统计年鉴》和广东省统计信息网。

三、广东省城镇化与产业结构变动关系的实证研究

（一）时间数据的平稳性检验

运用Eviews 6.0软件对URB（城镇化）序列、INDS（产业结构）

序列以及相应的一阶差分序列进行ADF单位根检验，检验结果如表1所示。

表1 URB序列、INDS序列以及

一阶差分序列ADF检验结果

变量检验类型

（C，T，K） ADF值各显著性水平下临界值

1% 5% 10%

检验

结果

URB （c，0，5） 2.372700 4.262735 3.552973 3.209642 非平稳

INDS （c，0，5） 2.312750 2.636901 1.951332 1.610747 非平稳

△URB （c，0，5） 3.455785 2.2636901 1.951332 1.610747 平稳

△INDS （c，0，5） 4.081433 3.646342 2.954021 2.615817 平稳

从表1中我们可以看出，在95%的置信水平下我们可以拒绝原假设，认为△URB和△INDS为平稳的时间序列。

（二）Granger因果关系检验

选择滞后期p=1，进行格兰杰因果关系检验，检验结果如下：

表2 城镇化与产业结构的格兰杰因果关系检验

原假设 obs F统计量相伴概率p

URB不是INDS的格兰杰原因 35 1.92726 0.1750

INDS不是URD的格兰杰原因 35 4.76392 0.0368

表2显示，在5%的显著性水平下，可以认为，广东省产业结构升级是城镇化的格兰杰原因，而城镇化则不是引致产业结构升级的格兰杰原因。

（三）VAR模型的建立及平稳性检验

由单位根检验可知，城镇化与产业结构序列均是一阶单整I（1），我们可以构造VAR模型。根据LR（似然比）、AIC准则以及SC准则等

滞后长度标准，经过多次试验，确定进入模型的变量URB和INDS的

最佳滞后阶数Lag=1。

表3 VAR模型滞后阶数判断依据表

Lag LogL LR FPE AIC SC HQ

0 74.44089 NA 3.70e05 4.527555 4.435947 4.497190

1 186.7126 203.4925* 4.27e08* 11.29454* 11.01971*

11.20344*

2 189.3470 4.44558

3 4.67e08 11.20919 10.75115 11.05736

3 191.5081 3.376688 5.29e08 11.09426 10.45300 10.88170

Eviews 6.0 运行VAR（1）的结果如下：

URB = 0.874939*URB（-1） + 0.165447*INDS（-1）-0.085972 R2=0.976396 F=683.5295

AIC-4.905453 SC=-4.7707741

INDS =- 0.050341*URB（-1） + 1.048190*INDS（-1）-0.016420 R2=0.988626 F=1435.1433

AIC=-6.021285 SC=-5.886606

从以上结果可以看出，INDS和URB两个向量自回归函数的调整

可决系数分别为0.976396和0.988626，F值分别达683.5295和1435.1433，其模型的拟和效果在整体上比较好，变量间的线性关系

显著。

（四）城镇化与产业结构序列协整检验

由单位根检验结果可以看出，非平稳时间序列URB和INDS经过

了一阶差分之后变为了平稳时间序列，所以，序列URB和INDS都是

一阶单整，即URB～I（1），INDS～I（1）。对于这样的非平稳时间序列，我们用传统的估计方法容易产生伪回归现象，所以我们要进一步检验两者之间是否具有长期稳定的协整关系，而且两者同为一阶单整，满足协整检验的条件。本文将利用Johansen检验法来检测URB

和INDS之间是否存在协整关系。协整检验选择后的滞后阶数应该等

于无约束的VAR模型的最优滞后阶数减1，VAR模型的最优滞后阶数

为1，可以得出协整检验的滞后阶数为0。表4 特征根迹检验原假设特征根 Trace（p） Kmax（p）