城市化水平时间序列分析

摘要
城市化水平是城市化研究的基本测度之一,等价的测度是城乡人口比。

城市化水平又叫城市化率,指的是一个国家或者地区的城市人口占总人口的比重。

文章采用1949~2009年的中国年度数据，建立了一个中国城市化水平的时间序列模型。

通过该模型对2007~2010年中国城镇人口比重用SAS软件进行预测，得出预测结果的所有预测误差的绝对值都小于1%。

而且，用该模型预测未来5年的中国城市化水平，从对2010年的预测结果47.07%来看，预测结果与国家统计局发布的2010城市化水平47.50%基本一致。

关键词：城市化；时间序列模型；SAS；预测
中国正处于经济转轨时期城市化自然而然是经济发展的必然要求然而中国的城市化发展正面临着两难困境一方面中国具有典型的二元经济特征三农问题是制约经济增长的突出问题加快人口城市化进程使农民通过向城市转移并最终实现市民化是解决三农问题促进经济快速增长的最有效途径另一方面由于中国人口众多城市化水平的提高就意味着会有大量的农村人口迁往城镇这又将对城镇经济与社会诸多方面如就业吸纳环境承载贫困问题等产生巨大的冲击盲目地走发达国家的城市化发展路线快速提高城市化水平又不符合中国的现实情况这就要求理论工作者科学预测中国未来城市化水平的变化趋势确定合意的城市化水平准确把握城市化水平发展变化的动态特征从而方便有关部门有针对性地采取各种措施协调城乡发展最终顺利完成中国的城市化。

一、中国城市化水平数据的选取
本文采用1947-2009中国城镇人口占总人口的比重的数据，数据来源于国家统计局统计年鉴。

通过SAS软件绘制的中国城市化水平序列时序图：
2、对序列做初步识别，输入如下程序：
proc arima data=a;
identify var=x nlag=6;
run; 结果如下：
3、提交程序，观察样本自相关系数，可看出有缓慢下降趋势，结合我们观察的
图形，我们知道要对序列做差分运算，作一阶差分，输入如下程序：
identify var=x(1) nlag=8;
run; 得到结果：
观察样本偏自相关系数可知：除了延迟一阶的偏自相关系数之外，其他的都在两倍标准差之内变化，且由非零偏自相关系数变为小值波动的过程非常突然，因此判定此模型为AR(1)
4、输入下面程序，进行参数估计：
estimate p=1 plot;
run;
5、观察输出结果，可看出模型通过了白噪声检验，说明模型拟合充分，且残差
标准误与前一估计相差很小，故以此结果为我们所要的结果，依此结果写出方程式。

FACTOR 1: 1-0.23316 B**(1)
即：X(t)=0.477+0.23316X（t-1）
6、进行预测，预测未来3年的城市化水平。

输入如下程序：
forecast lead=6 interval=qtr id=date out=results;
run;
结果如下：
二、模型分析
从上面可知，中国城市化水平与前一期的城市化水平密切相关。

且通过了白噪声检验，参数检验也通过了DF检验。

故总体而言，模型的拟合比较正确。

三、结论
过去10年，是中国城镇化推进速度比较快或者最快的时期之一。

2000年，我国的城镇化率是36.2%，城镇人口4.6亿人。

到去年底(2010年)，城镇化率已经提高到47.5%，城镇人口大约是6.3亿人，城镇化成为推动经济社会发展的强大动力。

现在全球人口超过1亿的只有11个国家，而10年间，我国城镇化率提高了11.3个百分点，平均每年提高1.13个百分点，城镇人口足足增加了1.7亿人，这是非常了不起的成就。

这主要和我们坚持以经济建设为中心，坚持改革开放，解放和发展生产力直接相关。

我国是一个发展中大国，最大的内需在城镇化，最大的发展潜力也在城镇化。

我国城镇化提升的空间还很大，推进城镇化必将有效拉动市场需求，显著提高人民生活水平。

参考文献
【1】王燕《应用时间序列分析》，中国人民大学出版社
【2】刘荣冯国生丁维岱:《SAS统计分析与应用》，机械工业出版社。