计量经济学论文-中国城镇化影响因素研究-以安徽省为例

1 计量经济学 课程论文课程论文 论文题目:中国城镇化影响因素研究以安徽省为例 课程名称:计量经济学 专业:数学与应用数学 姓名:刘凌志 对应学号:2014100102014 2 目录 研究背景.3 文献综述.3 模型建立与数据收集4 一、数据收集.4 二、模型的建立.6 三、模型估计和检验.6 (一)平稳性检验.6 (二)模型的估计10 (三)检测多重共线性11 (四)解决多重共线性12 (五)检验异方差15 (六)检验自相关16 结论分析18 参考文献18 摘要：摘要： 近几年来，中国政府不断强调要加强社会主义新型城镇化建设，即推进以 人为核心的城镇化。这种城镇化水平的提升是通过就业支撑，服务保障来实 现。因此,如何抓住当前我国对于城镇化发展给予高度重视的历史机遇，实现城 镇化进程不断加快，进一步改善居民的生活水平，这成为政府亟需解决的问 题。这一问题的解决将对我国城镇化的推进起到巨大的促进作用，因此是我们 小组研究的重点。与此同时，我们以全国 1999 年至 2015 年城镇化发展进程 作为研究对象，结合相关经济发展理论和经济数据，以了解经济理论与实际情 况联系时是否存在一定的差异，以及发生差异的原因与相关的解决措施。从而 了解目前我国城镇化发展中可能存在的一些问题，这一研究对于我国城镇化发 展措施落实到具体地区时也具有一定的借鉴意义。 本文通过收集 1999 年到 2015 年全国的城镇化率、FDI 额（外商直接投 资额）、房地产投资额、第三产业比重以及人均 GDP 数据，利用计量经济学的 分析方法来研究四个变量对安徽省城镇化率的影响，以此来了解各变量对安徽 省城镇化率的贡献率并提出一些相应的建议，从而达到利用计量经济学所学知 识为家乡的发展出谋划策的目标。 关键词：关键词：城镇化率、FDI 额、房地产投资额、第三产业比重、人均 GDP 3 研究背景研究背景 城镇化率是一个国家或地区经济发展的重要标志，也是衡量一个国家或地 区社会组织程度与管理水平的重要标志。从经济学的角度来看，城镇化就是农 村的传统自然经济逐步转化为城市社会化大生产的过程。目前，我国的城镇化 率的计算主要是用人口聚居区的常住人口占全部人口的百分比表示。 衡量城镇化程度的标准是多指标的，而影响城镇化进程的因素也是复杂多 样的。这些影响因素包括了经济发展状况、人口素质、政府作用、经济制度等 多个层面。分析这些层面的因素对城镇化进程的作用机制是一个复杂的系统性 问题，需要用更加科学的方法加以论证，这是本文研究的理论价值。而且，城 镇化作为我国“十二五”时期经济发展的一个重要战略，揭示城镇化进程中的 关键因素及其作用路径，对于经济社会的健康发展，有着重要的现实意义。 文献综述文献综述 近几年来，国内外的学者对于影响城镇化的因素进行了各种研究，取得了 一定的成果。 邱晨曦，靳峰在外国直接投资与中国城市化的相关性分析中研究了外 国直接投资与中国代表省份的城镇化进程关系，认为在世纪，外国直接投资己 经成为推动中国由农村向城市，农业社会向工业社会转变的强大动力。 向为民、李娇在城镇化水平与房地产投资增长率的关系研究运用格兰 杰因果关系法，对我国 19862003 年间城镇化进程和房地产投资增长作了 实证研究。结果表明，“目前我国城镇化水平和房地产投资都正处于上升阶 段，房地产投资增长速度快于城镇化增长，两者均保持相对平稳上升的趋势， 且具有一定的相关性，相关系数为 0.205，具有相互促进的因果关系”。 张雷，朱守先在现代城市化的产业结构演进初探中外发展研究 对比中发现产业转换升级会导致生产要素流动，生产要素在城乡之间发生转 移和重新配置，推动城镇化的发展。从世界城镇化的发展历史来看，城镇化的 过程统一于产业集群、产业转换升级以及城乡产业融合的过程。产业结构升级 调整，带来城镇生产性服务和消费性服务不断增加，产生大量就业机会，吸引 农村人口向城镇不断转移。 中国经济增长与宏观稳定课题组在 城市化、产业效率与经济增长 中 指出城镇化首先是经济发展的产物，是资源集聚、规模经济发生作用的自然结 果。没有经济发展水平的提高，就不可能发生城镇化过程，城镇化水平与经济 发展水平呈高度相关性。 4 模型建立与数据收集模型建立与数据收集 一、一、 数据收集数据收集 为了获得真实准确的数据，我们通过网络查询收集了全国统计局 1999- 2015 年安徽省国民经济和社会发展统计公报，获得相关数据整理得到城市化影 响因素模型时间序列表（详见表 3.1）。 由于安徽省在 FDI 额统计上存在外商合同直接投资额与外商实际直接投资 额，考虑到合同直接投资额存在不确定性，因此选择使用外商实际直接投资额 作为 FDI 额，并以亿美元作为单位。在理论方面 FDI 额应该以人民币作为计 量单位，但是实际中我们发现外商直接投资大部分都是以美元结算，同时也考 虑到以人民 币作为计量单位时，还应考虑到历年人民币对美元汇率的影响。而我们通 过查询 1999 年至 2015 年的美元指数，发现美元指数虽然受到 2001 年 “911”事件，2007 年次贷危机等重大事件的影响，但是美联储及时采取了一 系列政策积极应对，导致美元指数下跌的幅度不大，甚至 2005 年至 2007 年 一度发生反弹，所以我们选择以美元作为 FDI 额的计量单位。同时我们在收集 数据的时候发现，1999 年至 2001 年安徽省统计局的国民经济和社会发展统计 公报中并未直接统计人均 GDP 值，因此我们通过统计公报中的全省全年国民生 产总值与当年全省常住人口计算出人均 GDP 值。 5 表 3.11999-2015 年安徽省城市化率影响因素模型时间序列表 年份城镇化率FDI 额房地产投资额第三产业比重人均 GDP 199926.33.671.330.24665 200028.14.288.1335061 200129.53.411134.15201 200231.43.8146.534.85623 200332.63.91240.736.36457 2004345.5350.335.57768 200535.76.9459.440.58597 200637.213.9637.44010044 200739.130891.538.812015 200841.335.71351.637.414485 200942.138.81669.836.316391 20104350.12251.833.820611 201144.866.32590.132.225340 201246.586.43151.632.728792 201347.9106.93946.233.131684 201449.2123.4433934.834427 201550.5136.24424.937.335997 （数据来源：安徽省统计局 1999-2015 年国民经济和社会发展统计公报与安徽 省 1999-2015 年统计年鉴。城镇化率单位：%，FDI 额单位：亿美元，房地产 投资额单位：亿元，第三产业比重单位：%，人均 GDP 单位：元。） 6 二、二、 模型的建立模型的建立 本文依据 1999 年到 2015 年安徽省的城镇化率和 FDI 额、房地产投资 额、第三产业比重以及安徽省的人均 GDP 进行回归分析。设模型为： itttttuXbXbXbXbbY443322110lnln 其中， tY 表示安徽省城镇化率， tX1 表示历年安徽的 FDI 值， tX2 表示安徽 省历年房地产投资额， tX3 表示安徽省历年第三产业比重， tX4 表示安徽省历年 人均 GDP 值， iu 为误差项。 三、三、 模型估计和检验模型估计和检验 (一一)平稳性检验平稳性检验 对于经济时间序列的分析首先要对其进行平稳性检验，以避免将非平稳序 列进行回归分析得到伪回归结果。本文采用单位根检验法对时间序列进行平稳 性检验。首先对城镇化率进行平稳性检验，Eviews 输出结果如表 1.1 所示： 表 1.1 城镇化率 Y 平稳性检验输出结果 Null Hypothesis: Y has a unit root Exogenous: Constant Lag Length: 2 (Fixed) t-StatisticProb.* Augmented Dickey-Fuller test statistic-1.1965500.6442 Test critical values:1% level-4.004425 5% level-3.098896 10% level-2.690439 *MacKinnon (1996) one-sided p-values. 7 从检验结果看，在 1%、5%、10%三个显著性水平下，单位根检验的 Mackinnon 临界值分别为-4.004425、-3.098896、-2.690439，t 检验统计量 值-1.196550 大于相应临界值，表明城镇化率序列存在单位根，是非平稳序 列。其次对 FDI 额进行平稳性检验，输出结果如表 1.2 所示： 表 1.2 FDI 额平稳性检验输出结果 Null Hypothesis: X1 has a unit root Exogenous: Constant Lag Length: 2 (Fixed) t-StatisticProb.* Augmented Dickey-Fuller test statistic1.3781470.9974 Test critical values:1% level-4.004425 5% level-3.098896 10% level-2.690439 *MacKinnon (1996) one-sided p-values. 从检验结果看，在 1%、5%、10%三个显著性水平下，单位根检验的 Mackinnon 临界值分别为-4.004425、-3.098896、-2.690439，t 检验统计量值 1.378147，大于相应临界值，表明 FDI 额序列是存在单位根的，是非平稳序 列。 8 其次对房地产投资额进行平稳性检验，输出结果如表 1.3 所示： 表 1.3 房地产投资额平稳性检验输出结果 Null Hypothesis: LGX2 has a unit root Exogenous: Constant Lag Length: 2 (Fixed) t-StatisticProb.* Augmented Dickey-Fuller test statistic-2.8413230.0777 Test critical values:1% level-4.004425 5% level-3.098896 10% level-2.690439 *MacKinnon (1996) one-sided p-values. 从检验结果看，在 1%、5%、10%三个显著性水平下，单位根检验的 Mackinnon 临界值分别为-4.004425、-3.098896、-2.690439，t 检验统计量 值-2.841323 在 1%、5%两个水平下大于相应临界值，我们认为房地产投资额序 列也是存在单位根的，是非平稳序列。 对第三产业比重进行平稳性检验，Eviews 运行结果如表 1.4 所示： 表 1.4 第三产业比重平稳性检验输出结果 Null Hypothesis: X3 has a unit root Exogenous: Constant Lag Length: 2 (Fixed) t-StatisticProb.* Augmented Dickey-Fuller test statistic-2.1445810.2321 Test critical values:1% level-4.004425 5% level-3.098896 10% level-2.690439 *MacKinnon (1996) one-sided p-values. 9 从检验结果看，在 1%、5%、10%三个显著性水平下，单位根检验的 Mackinnon 临界值分别为-4.004425、-3.098896、-2.690439，t 检验统计量 值-2.144581，大于相应临界值，表明是存第三产业比重序列在单位根的，是非 平稳序列。 对人均 GDP 进行平稳性检验，Eviews 输出结果如表 1.5 所示： 表 1.5 人均 GDP 平稳性检验输出结果 Null Hypothesis: LGX4 has a unit root Exogenous: Constant Lag Length: 2 (Fixed) t-StatisticProb.* Augmented Dickey-Fuller test statistic-1.3822640.5602 Test critical values:1% level-4.004425 5% level-3.098896 10% level-2.690439 *MacKinnon (1996) one-sided p-values. 从检验结果看，在 1%、5%、10%三个显著性水平下，单位根检验的 Mackinnon 临界值分别为-4.004425、-3.098896、-2.690439，t 检验统计量 值-1.382264，大于相应临界值，表明人均 GDP 序列是存在单位根的，是非平 稳序列。 由前面的分析已知城镇化率、FDI 额、房地产投资额、第三产业比重、人 均 GDP 都是非平稳变量，现在需要通过协整性检验来判断他们的线性组合是否 平稳，本文采用 EG 两步法协整检验，Eviews 结果如表 1.6 所示： 10 表 1.6 残差序列平稳性检验结果 Null Hypothesis: ET has a unit root Exogenous: None Lag Length: 0 (Fixed) t-StatisticProb.* Augmented Dickey-Fuller test statistic-3.8056650.0008 Test critical values:1% level-2.717511 5% level-1.964418 10% level-1.605603 *MacKinnon (1996) one-sided p-values. 从检验结果看，在 1%、5%、10%三个显著性水平下，临界值分别为- 2.717511、-1.964418、-1.605603，t 检验统计量值-3.805665，小于相应临界 值，表明残差序列不存在单位根，是平稳序列，说明城镇化率、FDI 额、房地 产投资额、第三产业比重、人均 GDP 之间存在协整关系。 (二二)模型的估计模型的估计 通过使用 Eviews 软件，我们得到模型的初始回归结果。（详见表 4.1） 表 4.1模型的初始估计结果 Dependent Variable: Y Method: Least Squares Date: 12/22/16Time: 20:33 Sample: 1999 2015 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C4.23440423.844530.1775840.8620 X10.0438420.0139483.1432800.0085 11 LOG(X2)3.9257671.3017183.0158340.0107 X30.1262240.0728131.7335370.1086 LOG(X4)0.2385653.2624740.0731240.9429 R-squared0.997769 Mean dependent var38.77647 Adjusted R-squared0.997025 S.D. dependent var7.679724 S.E. of regression0.418878 Akaike info criterion1.337453 Sum squared resid2.105501 Schwarz criterion1.582515 Log likelihood-6.368347 Hannan-Quinn criter.1.361812 F-statistic1341.550 Durbin-Watson stat1.510220 Prob(F-statistic)0.000000 从回归结果我们可以看到，模型的拟合程度很好，校正后的判定系数为 0.9970，模型对于城镇化率的解释程度高达 99.78%。F 统计量为 1341.550， 说明在显著性水平 0.05 下回归方程整体高度显著。而 t 统计量结果表明除了 FDI 额与房地产投资额，第三产业的比重和人均 GDP 对城镇化率的影响均不显 著。 (三三)检测多重共线性检测多重共线性 从经济意义上分析，随着经济的增长，FDI 额、房地产投资额、第三产业 比重和人均 GDP 存在着共同的变化趋势，例如，FDI 额显然与人均 GDP 存在 着一定的线性关系。所以，我们认为模型解释变量之间可能存在多重共线性。 因此选择相关系数矩阵对模型进行多重共线性检验，利用 Eviews 软件得到结 果详见表 4.2。 表 4.2自变量的相关系数矩阵 LGX2LGX4X1X3 LGX21.0000000.9849120.8668870.120209 LGX40.9849121.0000000.931443-0.008511 X10.8668870.9314431.000000-0.129975 X30.120209-0.008511-0.1299751.000000 12 从相关系数矩阵可以看出，解释变量之间（除 X3 例外）的相关系数大部 分比 0.87 大，说明模型存在多重共线性。为了进一步了解多重共线性的性 质，我们做辅助回归，即将每个 X 变量分别作为被解释变量都对其余的 X 变 量进行回归(具体运行数据见附件)。从回归中所得到的可决系数以及计算所得 的方差扩大因子的数值，见表 4.3。 表 4.3 辅助回归的 R 2值 被解释变量 可决系数 R 2的值 方差扩大因子 VIF X10.97282518.65271 LGX20.996899161.4887 X30.7424582.228382 LGX40.998083261.0744 由于辅助回归的可决系数很高(X3 除外)，经验表明，方差扩大因子 VIF10 时，通常说明该解释变量与其余解释变量有严重的多重共线性，这里 X1、LGX2、LGX4 的方差扩大因子远大于 10，表明存在严重多重共线性问题。 (四四)解决多重共线性解决多重共线性 采用逐步回归法筛选并剔除引起多重共线性的变量，用解释变量对每一个 所考虑的被解释变量做简单回归（具体运行过程见附件），发现被解释变量 LGX2 对解释变量的贡献最大，因此，以回归方程 ttXbbY220ln 为 基础，逐个引入其余的解释变量，首先引入解释变量 X1，得到回归结果见表 4.4。 表 4.4 引入解释变量 X1 的模型估计结果 Dependent Variable: Y Method: Least Squares Date: 12/22/16Time: 21:42 Sample: 1999 2015 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C9.1025450.9704779.3794560.0000 X10.0376400.0055586.7725150.0000 13 LGX29.7727870.40346224.222330.0000 R-squared0.996220Mean dependent var38.77647 Adjusted R-squared0.995680S.D. dependent var7.679724 S.E. of regression0.504738Akaike info criterion1.629230 Sum squared resid3.566644Schwarz criterion1.776268 Log likelihood-10.84846Hannan-Quinn criter.1.643846 F-statistic1845.036Durbin-Watson stat1.253998 Prob(F-statistic)0.000000 从表中可以看出，X1 的引入明显改进了修正的 2 R和 F 检验，且其他回 归参数 t 检验在统计上仍是显著的，因此在模型中保留该量。 其次，引入解释变量 X3，得到回归结果见表 4.5 表 4.5 引入解释变量 X3 的模型估计结果 Dependent Variable: Y Method: Least Squares Date: 12/22/16Time: 21:46 Sample: 1999 2015 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C5.9752071.2978074.6040790.0005 X10.0447870.0050318.9016450.0000 LGX29.2568230.36479425.375510.0000 X30.1218880.0406033.0019540.0102 R-squared0.997768Mean dependent var38.77647 Adjusted R-squared0.997253S.D. dependent var7.679724 S.E. of regression0.402534Akaike info criterion1.220251 Sum squared resid2.106440Schwarz criterion1.416301 Log likelihood-6.372134Hannan-Quinn criter.1.239739 14 F-statistic1936.929 Durbin-Watson stat1.528340 Prob(F-statistic)0.000000 虽然在前文的多重共线性检验中，解释变量 X3 的相关系数较小，方差扩大 因子也较小，表明解释变量 X3 与其他变量之间不存在严重的多重共线性。但 是，我们发现，模型在引入 X3 之后，修正的 2 R和 F 检验并没有得到明显的改 善，且在=0.01 时，解释变量的 t 统计量是不显著的，因此，在模型中剔除 该变量。 其次，引入解释变量 LGX4，得到回归结果见表 4.6 表 4.6 引入解释变量 LGX4 的模型估计结果 Dependent Variable: Y Method: Least Squares Date: 12/22/16Time: 21:59 Sample: 1999 2015 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C38.9353213.919652.7971490.0151 X10.0596020.0113655.2445570.0002 LGX213.416961.7347507.7342320.0000 LGX4-10.056544.683199-2.1473670.0512 R-squared0.997210 Mean dependent var38.77647 Adjusted R-squared0.996566 S.D. dependent var7.679724 S.E. of regression0.450024 Akaike info criterion1.443292 Sum squared resid2.632780Schwarz criterion1.639343 Log likelihood-8.267985 Hannan-Quinn criter.1.462780 F-statistic1548.836 Durbin-Watson stat1.824830 Prob(F-statistic)0.000000 从回归结果来看，人均 GDP 的系数符号为负，表明此变量与城镇化率存在 着负相关关系，显然与经济意义不符，因此，在模型中剔除该变量。所以我们 可以得到理想的模型为： itttuXbXbbY22110ln 15 (五五)检验异方差检验异方差 怀特检验怀特检验 通过 Eviews 对调整后的模型使用怀特的一般异方差检验，结果详见表 4.7。 表 4.7怀特的一般异方差检验结果 Heteroskedasticity Test: White F-statistic1.180396 Prob. F(5,11)0.3785 Obs*R-squared5.936208 Prob. Chi-Square(5)0.3125 Scaled explained SS5.223891 Prob. Chi-Square(5)0.3892 Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 12/22/16Time: 22:07 Sample: 1999 2015 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C11.316496.8641321.6486410.1275 X120.0002140.0002330.9192150.3777 X1*LGX2-0.0231640.038821-0.5966990.5628 X10.0346830.1157500.2996360.7700 LGX221.9098411.3581141.4062440.1873 LGX2-9.2213186.111218-1.5089170.1595 16 通过怀特的一般异方差检验结果可以看到， 2 nR=5.936， 由怀特检验知，在=0.05 下，模型不存在异方差。 (六六)检验自相关检验自相关 1. 1.DWDW 检验法检验法 对样本量为 17、两个解释变量的模型、5%的显著水平，查 DW 统计表可知，Ld=1.105，Ud=1.536，模型中 DW=1.254，因 此不能判断是否自相关。 2. 2. B-GB-G 检验检验 通过 Eviews 选择序列相关的 B-G 检验，检验结果详见 4.10。 R-squared0.349189 Mean dependent var0.209803 Adjusted R-squared0.053365 S.D. dependent var0.348380 S.E. of regression0.338957 Akaike info criterion0.944678 Sum squared resid1.263812 Schwarz criterion1.238754 Log likelihood-2.029767 Hannan-Quinn criter.0.973910 F-statistic1.180396 Durbin-Watson stat2.572746 Prob(F-statistic)0.378538 17 表 4.10B-G 检验结果 Breusch-Godfrey Serial Correlati