張萌+閆玉科

摘 要：金融業(yè)是現(xiàn)代市場經(jīng)濟的重要組成部分，廣東金融發(fā)展與城鎮(zhèn)化、工業(yè)化之間關系密切，良性互動有助于促進廣東經(jīng)濟可持續(xù)發(fā)展。文章基于VAR模型，選擇1978-2013年的城鎮(zhèn)化率、工業(yè)化率和金融發(fā)展指標這三個數(shù)據(jù)，運用Granger因果檢驗、脈沖分析、方差分解等方法對廣東城鎮(zhèn)化、工業(yè)化與金融發(fā)展三者之間的關系進行了實證分析，探討了三者之間存在的互動關系，并提出了實現(xiàn)廣東金融發(fā)展與城鎮(zhèn)化、工業(yè)化良性互動的對策建議。

關鍵詞：金融發(fā)展；城鎮(zhèn)化；工業(yè)化；VAR模型

中圖分類號：F832.765 文獻標志碼：A 文章編號：1008-2697（2015）04-0043-06

在中共十八大報告中，關于城鎮(zhèn)化建設習近平總書記做出這樣的表達“要形成以工促農(nóng)、以城帶鄉(xiāng)、工農(nóng)互惠、城鄉(xiāng)一體的新型工農(nóng)、城鄉(xiāng)關系?！币粫r間，城鎮(zhèn)化成為社會界和學術界談論的重點。并且早在2012年12月，中央經(jīng)濟工作會議時就指出，城鎮(zhèn)化是我國建設的歷史任務，也是擴大內需的最大潛力所在。同時，城鎮(zhèn)化與工業(yè)化緊密相關，是一個國家或地區(qū)實現(xiàn)現(xiàn)代化的兩個必不可少的實體要素，城市工業(yè)生產(chǎn)需要大量勞動力，吸引農(nóng)村剩余人口向城鎮(zhèn)轉移；同時，城鎮(zhèn)人口的集聚也隨之會產(chǎn)生各種需求，又會促使國家或地區(qū)加大對基礎設施的投資，進而拉動工業(yè)化的發(fā)展。眾所周知，金融業(yè)作為資金融通的重要渠道，是現(xiàn)代市場經(jīng)濟的核心，金融產(chǎn)業(yè)可將零散的居民儲蓄轉化為集中的企業(yè)投資，為城鎮(zhèn)化和工業(yè)化建設提供資金支持[1]。因此，研究金融發(fā)展與城鎮(zhèn)化、工業(yè)化之間的互動關系具有重要的現(xiàn)實意義，它使得國家在制定經(jīng)濟政策時能夠更好地引導金融產(chǎn)業(yè)發(fā)揮在城鎮(zhèn)化和工業(yè)化建設中的促進作用。

廣東省走在中國改革發(fā)展的前列，無論是經(jīng)濟發(fā)展、城鎮(zhèn)化水平還是工業(yè)化水平都穩(wěn)居全國前三。2013年，廣東省銀行業(yè)金融機構人民幣各項存款余額89169.6億元，比2012年增加9211.6億元，同期人民幣各項貸款余額為53411.8億元，比2012年增加6220.2億元。2013年廣東省城鎮(zhèn)化率達到了76.67%，較1986年提高了28.3個百分點，工業(yè)化率達到55.66%，較1986年提高了15.11個百分點。城鎮(zhèn)化和工業(yè)化是實現(xiàn)現(xiàn)代化的必由之路，金融發(fā)展為城鎮(zhèn)化和工業(yè)化提供資金支持，是實現(xiàn)現(xiàn)代化的核心，為促進廣東省的經(jīng)濟發(fā)展，研究三者之間的動態(tài)關系便顯得勢在必行。本文利用1978到2013年的有關數(shù)據(jù)，建立VAR模型進行實證研究，重點談論三者之間互動關系的內在機理，并針對廣東省的經(jīng)濟發(fā)展提出一些政策建議。

一、指標選取和數(shù)據(jù)來源

針對本文所研究的問題，實證分析過程中選取下列指標對城鎮(zhèn)化、工業(yè)化和金融發(fā)展進行測量和評估[2]。

（一）城鎮(zhèn)化率（CZ）

城鎮(zhèn)化率是指某一個國家或地區(qū)中城鎮(zhèn)人口占總人口的比例，用來反映國家或地區(qū)農(nóng)村人口向城市聚集的程度，即城鎮(zhèn)化是農(nóng)村人口轉為城鎮(zhèn)人口的過程。其公式為：戶籍人口城鎮(zhèn)化率（CZ）=非農(nóng)業(yè)人口/總人口。

（二）工業(yè)化指標

狹義的工業(yè)化是指第二產(chǎn)業(yè)在國民收入中的比重和第二產(chǎn)業(yè)勞動人口占總勞動人口的比重不斷增加。廣義的工業(yè)化是指國民經(jīng)濟的進步和發(fā)展。文章采用狹義的工業(yè)化指標，選擇“工業(yè)增加值增長率”來表示工業(yè)化的水平，用符號GY表示，其公式為：工業(yè)增加值增長率（GY）=工業(yè)增加值/工業(yè)總產(chǎn)值。

（三）金融發(fā)展指標

金融業(yè)為工業(yè)發(fā)展和城市建設籌集資金，支持工業(yè)的運作，對區(qū)域經(jīng)濟發(fā)展有非常重要的作用。Coldsnith（1969）首次提出用的“金融相關率”作為衡量金融發(fā)展的指標，這一指標被國內外學者廣泛接受并采用，借鑒已有的成果并考慮數(shù)據(jù)的可得性，本文也采用金融相關率作為衡量金融發(fā)展指標，用FIR表示，其公式為：金融相關率（FIR）=（金融機構存款余額+金融機構貸款余額）/GDP。

本文所用的計量軟件為eviews7.2，選則1978—2013年相關的數(shù)據(jù)指標，共有36個年度樣本，數(shù)據(jù)來源于相關年份的《廣東統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，為消除異方差的存在，同時又不影響時間序列性質的的前提下，對CZ、GY、FIR三個指標進行取自然對數(shù)處理，得到反應城鎮(zhèn)化、工業(yè)化和金融發(fā)展的指標分別為LNCZ、LNGY、LNFIR（見表1）。

表1 廣東省城鎮(zhèn)化、工業(yè)化、金融發(fā)展指標數(shù)據(jù)

年份 LNCZ LNGY LNFIR

1978 -1.816705955 -0.894109353 -0.080697044

1979 -1.777953835 -0.885405245 -0.121983591

1980 -1.749040687 -0.901868903 -0.018430721

1981 -1.731864032 -0.8756296 0.060989214

1982 -1.708478706 -0.916732604 0.073883359

1983 -1.704034952 -0.913753795 0.174712099

1984 -1.627286352 -0.838364564 0.444777484

1985 -1.652474628 -0.846926756 0.328847617

1986 -1.621007897 -0.941996069 0.471978816

1987 -1.510359958 -0.838008293 0.474948922

1988 -1.467457758 -0.821233141 0.390135183

1989 -1.472757352 -1.044554645 0.343574353endprint

1990 -1.47339204 -1.146472238 0.434898794

1991 -1.443569312 -1.035265502 0.465938308

1992 -1.40788582 -1.032053323 0.537808208

1993 -1.308560434 -0.919836423 0.307701829

1994 -1.239915365 -1.032322514 0.265638648

1995 -1.220376089 -1.088693196 0.75204667

1996 -1.202224364 -1.229434031 0.819273632

1997 -1.18595504 -1.180157891 0.911262503

1998 -1.169042683 -1.244537971 0.983797135

1999 -1.16511786 -1.281106044 1.033538312

2000 -1.308142895 -1.232235824 0.98019563

2001 -1.295267286 -1.229969869 0.993751095

2002 -1.161637223 -1.2741458 1.038091269

2003 -0.889667922 -1.151760724 1.051847005

2004 -0.875028925 -1.35225245 0.980564967

2005 -0.811948329 -1.188923036 1.001038499

2006 -0.822199208 -1.202368462 0.956505045

2007 -0.822758434 -1.23017241 0.9179192

2008 -0.833728826 -1.270682794 0.894512336

2009 -0.843476608 -1.40629728 1.062106953

2010 -0.854194492 -1.262922909 1.016439077

2011 -0.846512511 -1.33280464 0.985661664

2012 -0.85510879 -1.132122039 1.030393368

2013 -0.816831897 -1.342931102 1.038091269

二、實證結果及分析

（一）單位根檢驗

時間序列往往存在非平穩(wěn)性，從而導致偽回歸現(xiàn)象的出現(xiàn)，為了防止這樣現(xiàn)象出現(xiàn)，需要先對時間序列的平穩(wěn)性進行單位根檢驗，其中最常用的是ADF單位根檢驗，本文亦采用此方法，檢驗結果見表2。

表2 ADF單位根檢驗的結果輸出

變量名 檢驗類型

（A，T，P） ADF值 5%的臨界值 概率 是否平穩(wěn)

LNCZ （A，T，O） -0.937442 -2.948404 0.7641 非平穩(wěn)

LNGY （A，T，O） -1.92382 -2.951125 0.6663 非平穩(wěn)

LNFIR （A，T，O） -1.678511 -2.954021 0.4634 非平穩(wěn)

DLNCZ （A，T，O） -4.355553 -2.951125 0.0015 平穩(wěn)

DLNGY （A，T，O） -8.09516 -2.951125 0 平穩(wěn)

DLNFIR （A，T，O） -6.17303 -2.951125 0 平穩(wěn)

注：檢驗類型（A，T，P）中的A、T和P分別表示單位根檢驗方程中包含常數(shù)項、時間趨勢項和滯后階數(shù)的選擇；0是檢驗結果中不包含常數(shù)項和時間趨勢項；D表示一階差分。

從表中單位根檢驗結果可以看出，原序列LNCZ、LNGY、LNFIR的ADF值都大于5%的臨界值且概率P值都大于0.05，接受存在單位根的原假設，認為原序列是非平穩(wěn)的。對原序列進行一階差分后的DLNCZ、DLNGY、DLNFIR三個序列在5%顯著性水平下平穩(wěn)，即所有變量都是一階單整I（1）。

（二）VAR模型滯后期的確定

建立VAR模型之前需要先確定最優(yōu)的滯后階數(shù)，選擇依據(jù)LR、FPE、AIC、SC和HQ這五個統(tǒng)計量決定，其值越小越好。結果見表3 。

表3 VAR最優(yōu)滯后階數(shù)選擇

Lag LogL LR FPE AIC SC HQ

0 38.53957 NA 2.33E-05 -2.153913 -2.017867 -2.108138

1 112.5838 130.1384* 4.54e-07* -6.095991* -5.551806* -5.912889*

2 115.9833 5.356632 6.47E-07 -5.756561 -4.804238 -5.436133

3 118 2.811194 1.03E-06 -5.333332 -3.972871 -4.875578

注：* 表示根據(jù)相應準則選擇的滯后階數(shù)。

表3結果顯示，當VAR模型的滯后階數(shù)為1時，評價準則擁有的所有的*，所以可以確定VAR模型的滯后階數(shù)為1階，即VAR（1）最優(yōu)。

（三）VAR模型穩(wěn)定性檢驗endprint

通過上文分析可得建立VAR（1）模型是最優(yōu)，但是該模型是否合理可建還需要對其進行穩(wěn)定相檢驗。對于此滯后長度為1且有3個內生變量的VAR模型，特征根多項式則有3個特征根，如果這三個特征根的倒數(shù)的模均小于1（即位于單位圓內），則VAR模型是穩(wěn)定的，如果有一個特征根的倒數(shù)的模等于1（即位于單位圓上），則說明該VAR模型不穩(wěn)定需要重建[3]。檢驗結果顯示VAR（1）的三個特征根均小于1，分別為0.971014、0.680596和0.199391，特征根的圖檢驗如下：

圖1 AR特征根的倒數(shù)的模的單位圓圖示

表4 城鎮(zhèn)化、工業(yè)化、金融發(fā)展的Granger因果分析

原假設 卡方統(tǒng)計量 自由度 P值 結論

LNCZ方程 GY不是CZ的Granger原因 0.031359 1 0.8594 接受

FIR不是CZ的Granger原因 0.816380 1 0.3664 接受

GY、FIR同時不是CZ的Granger原因 1.333051 2 0.5135 接受

LNGY方程 CZ不是GY的Granger原因 6.564662 1 0.0104 拒絕

FIR不是GY的Granger原因 0.974598 1 0.3235 接受

CZ、FIR同時不是GY的Granger原因 15.54928 2 0.0004 拒絕

LNFIR方程 CZ不是FIR的Granger原因 0.531424 1 0.4660 接受

GY不是FIR的Granger原因 3.201030 1 0.0726 拒絕

GY、CZ同時不是FIR的Granger原因 5.023797 2 0.0811 拒絕

無論從特征根的值還是單位圓內的圖示都顯示該VAR（1）是穩(wěn)定的，因此可以建立VAR（1）模型并在模型的基礎上進行格蘭杰因果分析、脈沖響應函數(shù)、方差分析等。

（四）格蘭杰因果檢驗

金融發(fā)展水平與城鎮(zhèn)化率、工業(yè)化率三個變量之間是否存在因果關系，某個變量的所有滯后項是否對另外兩個變量有影響，這需要進行Granger因果檢驗，檢驗結果見表4。

從表4可以看出，在10%的顯著水平下，城鎮(zhèn)化是工業(yè)化的Granger原因，但工業(yè)化不是城鎮(zhèn)化的Granger原因，根據(jù)經(jīng)濟學家H·錢納里和M·塞奎因的理論：工業(yè)化發(fā)展早期，是工業(yè)反哺農(nóng)業(yè)，工業(yè)發(fā)展推動農(nóng)業(yè)化；在工業(yè)化發(fā)展的后期，則是農(nóng)業(yè)化促進工業(yè)化的形成。廣東省處于工業(yè)化發(fā)展的中后期，城鎮(zhèn)化加速發(fā)展并且已經(jīng)超過工業(yè)化，城鎮(zhèn)人口急劇擴張、各種需求增大，因此，在強大需求的拉動下，城鎮(zhèn)化對工業(yè)化的促進作用變得凸顯。

城鎮(zhèn)化和金融發(fā)展同時是工業(yè)化的Granger原因，其兩者綜合作用對工業(yè)化的促進效果更明顯，因為城鎮(zhèn)發(fā)展帶來對公共基礎設施的需求、食品服務需求、設備需求的增加，金融發(fā)展能夠有力的為滿足需求而開展的工業(yè)建設提供資金支持，兩者共同促進工業(yè)化快速發(fā)展。

工業(yè)化是金融發(fā)展的Granger原因，但金融發(fā)展并不是工業(yè)化的Granger原因，而且工業(yè)化和城鎮(zhèn)化同時是金融發(fā)展的Granger原因。廣東省的工業(yè)發(fā)展居全國首位，工業(yè)產(chǎn)業(yè)鏈條完善、規(guī)模效應發(fā)展明顯、高新科技聚集、核心競爭力突出，因此工業(yè)對金融發(fā)展具有明顯的帶動作用。整體上，廣東省的金融發(fā)展卻滯后于工業(yè)化，本省金融產(chǎn)業(yè)不能滿足工業(yè)發(fā)展所需求的巨額的資金支持，這也就成為抑制工業(yè)發(fā)展的重要原因[4]。工業(yè)化和城鎮(zhèn)化發(fā)展需要更多更有效的資金，因此其綜合作用可以帶動金融產(chǎn)業(yè)向更高效更長遠的方向發(fā)展。

（五）脈沖響應函數(shù)

要了解金融發(fā)展與城鎮(zhèn)化、工業(yè)化之間的動態(tài)影響效果，則需要對上述的VAR（1）模型進行脈沖響應函數(shù)分析，具體分析結果見圖2、圖3。下圖中橫軸表示為時間，縱軸表示城鎮(zhèn)化與金融發(fā)展受到?jīng)_擊后的影響變化情況，上下紅色虛線表示脈沖響應函數(shù)值加減兩倍標準差的置信區(qū)間。

圖2 金融發(fā)展對城鎮(zhèn)化的脈沖響應

圖3 工業(yè)化對金融發(fā)展的脈沖響應

圖2顯示的是金融發(fā)展LNFIR對城鎮(zhèn)化LNCZ的脈沖響應函數(shù)圖，藍色實線表示LNCZ受到?jīng)_擊后的走勢，從第一期開始LNCZ指數(shù)開始上升并在第六期（即第六年）時達到最高峰的穩(wěn)定值（0.016），在其后的年份里保持穩(wěn)定。通過圖2可以判斷，金融發(fā)展對城鎮(zhèn)化有正的沖擊作用，并在第六年達到峰值；圖3顯示的是工業(yè)化LNGY變動一個標準差對金融發(fā)展LNFIR的脈沖響應函數(shù)圖，藍色實線表示LNFIR受到?jīng)_擊后的走勢，同樣可見工業(yè)化LNGY對金融發(fā)展LNFIR有正向沖擊作用，并在第三年達到峰值（0.027），此后逐年下降。

（六）方差分解

方差分解是定量分析每一個隨機擾動項對其內生變量變化的貢獻率，用于評價隨機新息對內生變量的相對重要性。結果見表5。

表5 金融發(fā)展LNFIR預測方差分解圖

期數(shù) 標準差 LNFIR LNGY LNCZ

1 0.063288 89.52124 10.11431 0.364455

2 0.085411 77.63989 22.0997 0.260414

3 0.100592 72.19826 27.05898 0.742759

4 0.112438 68.95683 29.08854 1.954634

5 0.122287 66.47168 29.80007 3.728257

6 0.130773 64.30451 29.87304 5.822447

7 0.13824 62.3332 29.63061 8.036195endprint

8 0.144901 60.5281 29.23917 10.23273

9 0.1509 58.88149 28.78766 12.33085

10 0.156338 57.38721 28.32382 14.28897

表5給出了金融發(fā)展水平方差分解結果，在第1期，金融水平的變動有將近90%來自其本身的新息，隨著時間的推移，自身影響的貢獻率在逐漸減少，而工業(yè)化和城鎮(zhèn)化對金融發(fā)展的影響在逐漸增加。到了第10期，金融發(fā)展水平波動受自身影響的部分減小到57.38721%，工業(yè)化波動為金融規(guī)模沖擊解釋的部分達到28.32382%，大于城鎮(zhèn)化的貢獻率14.28897%，可見，工業(yè)化對金融發(fā)展的影響要大于城鎮(zhèn)化對金融發(fā)展的影響程度[5]。

三、結論與建議

本文利用VAR（1）模型、Granger因果檢驗、脈沖響應函數(shù)、方差分解等方式對廣東省的城鎮(zhèn)化、工業(yè)化與金融發(fā)展三者之間的關系進行了實證分析，得出如下結論：

1.城鎮(zhèn)化、工業(yè)化、金融發(fā)展三者之間存在互動關系，城鎮(zhèn)化是工業(yè)化的Granger原因，但工業(yè)化不是城鎮(zhèn)化的Granger原因，這是我國的戶籍制度造成的，廣東應加大戶籍制度改革力度，促使城鎮(zhèn)化與工業(yè)化良性互動；工業(yè)化是金融發(fā)展的Granger原因，但金融發(fā)展不是工業(yè)化的Granger原因，說明廣東金融發(fā)展滯后于工業(yè)化，金融機構不能為工業(yè)企業(yè)部門的發(fā)展提供足夠的資金支持，不足滿足工業(yè)發(fā)展的需求。

2.從脈沖響應分析可以看出，工業(yè)化對金融發(fā)展有正向的沖擊作用，并且這種作用能夠在較短的時間（三年）內達到峰值；金融發(fā)展對城鎮(zhèn)化也有正項的沖擊作用，但這個沖擊反應遲緩，要在第六年才能達到穩(wěn)定的效果；城鎮(zhèn)化對金融發(fā)展在前兩年表現(xiàn)出負作用，其后才開始上升為正項的沖擊作用。

3.方差分析結果表明，第一期金融發(fā)展狀況受自身影響較大，幾乎占到90%，隨后這種影響降低；工業(yè)化和城鎮(zhèn)化對金融發(fā)展的影響隨著時間的推移逐漸遞增，工業(yè)化對金融發(fā)展的促進作用比較穩(wěn)定，貢獻率將近為30%，城鎮(zhèn)化對金融發(fā)展的促進作用逐年增加，并且工業(yè)化對金融發(fā)展的貢獻度要大于城鎮(zhèn)化對其影響。

針對上文的結論部分，有針對性地提出以下幾點建議：

首先，城鎮(zhèn)化和工業(yè)化之間的非良性互動是我國長期存在的“二元結構”戶籍制度造成的，只有加大戶籍制度改革力度，加快農(nóng)村建設用地自由入市的步伐，促進家庭承包經(jīng)營土地確權頒證、使土地經(jīng)營權順利流轉，讓更多的進城務工的農(nóng)民工帶“資”進城，享受市民待遇，才能促進廣東新型城鎮(zhèn)化的發(fā)展，

其次，實證結果顯示金融機構未能給廣東省的工業(yè)發(fā)展提供足夠的資金支持，金融機構可以將民間儲蓄轉化為投資，提高資金資源的配置效率。為此，應該進一步加快廣東省金融機構的發(fā)展，推動金融產(chǎn)品創(chuàng)新、滿足客戶多樣化需求：積極開展中小企業(yè)倉單質押貸款、應收賬款質押貸款等質押貸款品種以及車輛抵押、房產(chǎn)抵押等多種抵押貸款形式，活躍市場資金；創(chuàng)新權益型的融資工具，例如換股并購、員工持股計劃（ESOP）等，吸引廣泛的社會資金為工業(yè)化、城鎮(zhèn)化的建設提供有效的資金支持[6]。

最后，廣東在提高工業(yè)化程度時，應大力發(fā)展區(qū)域特色經(jīng)濟，把各地的比較優(yōu)勢轉變?yōu)楦偁巸?yōu)勢，避免支柱產(chǎn)業(yè)雷同現(xiàn)象，努力形成差異化的產(chǎn)業(yè)布局。例如，珠三角地區(qū)著力發(fā)展電子通訊、計算機、電氣機械制造業(yè)以及汽車運輸制造業(yè)等科技含量較高的產(chǎn)業(yè)；環(huán)珠三角地區(qū)著力發(fā)展電力、熱力生產(chǎn)和供應等行業(yè)以滿足珠三角巨大的需求；粵東地區(qū)重點發(fā)展紡織業(yè)，紡織服裝、服飾業(yè)，橡膠和塑料制品業(yè)；粵西地區(qū)應加強農(nóng)副產(chǎn)品、水產(chǎn)品的深加工業(yè)，石油加工、金屬冶煉、海濱旅游業(yè)等；粵北山區(qū)重點發(fā)展金屬冶煉和壓延加工業(yè)，非金屬礦物制品業(yè)，電力、熱力生產(chǎn)和供應業(yè)和生態(tài)旅游業(yè)等。

參考文獻：

[1]孫長青.基于VAR模型的城鎮(zhèn)化、工業(yè)化與金融發(fā)展關系分

析——以中原經(jīng)濟區(qū)為例[J].經(jīng)濟經(jīng)緯，2012（06）：17-21.

[2]石林，肖春梅，張曉燕.基于VAR模型的新疆城鎮(zhèn)化、工業(yè)化

與金融發(fā)展[J].企業(yè)經(jīng)濟，2013（10）：147-151.

[3]郭嬌嬌.城鎮(zhèn)化、工業(yè)化與金融發(fā)展相關關系實證分析——

以重慶市為例[J].商業(yè)時代，2013（35）：77-79.

[4]張艷，沈惟維.安徽省金融發(fā)展、城鎮(zhèn)化及工業(yè)化動態(tài)關系

研究——基于VAR模型的實證分析[J].吉林工商學院學報，

2014（04）：55-59.

[5]沈惟維.銅陵市金融發(fā)展、城鎮(zhèn)化及工業(yè)化動態(tài)關系研

究——基于VAR模型的實證分析[J].銅陵學院學報，2014（04）：

15-18+54.

[6]張士云，譚美容.基于VAR模型下的安徽省金融發(fā)展和城鎮(zhèn)

化的關系分析[J].安徽農(nóng)業(yè)大學學報（社會科學版），

2015（03）：50-53+124.

（責任編輯：陳 勇）endprint