城镇化建设论文关于陕西省金融支持新型城镇化建设的实证论文范文参考资料

城镇化建设论文关于陕西省金融支持新型城镇化建设的实证论文范文参考资料 摘要在对金融支持和新型城镇化理论内涵了解的基础上，从以下两个方面进行了研究：首先，从人口、经济、社会和基础设施四个维度选取了16个指标构建了新型城镇化的综合指标体系，采用因子分析法对陕西省10个省辖市的新型城镇化水平进行测度和评价；其次，建立面板数据模型，实证研究了金融规模和金融效率对陕西省新型城镇化建设的支持力度，样本数据为陕西省xx-xx年十个省辖市的相关指标数据。实证结果表明：金融规模和金融效率对陕西省新型城镇化建设具有显著的促进作用。 关键词金融支持；新型城镇化；因子分析法；面板数据模型 DOI 10. 13939/j. ki. zgsc. xx. 45. 086 xx年9月23日，陕西 _发布了陕西省新型城镇化规划（xx-2020年），为陕西省新型城镇化的发展指明了方向和道路。为了研究金融发展是如何影响陕西省新型城镇化建设，本文通过构建面板数据进行实证研究。 1 新型城镇化水平综合评价指标体系的构建和测度 1.1新型城镇化水平评价指标体系的构建 参考大多数学者的观点，从人口、经济、社会和基础设施四个方面选取指标，构建了陕西省新型城镇化水平的综合评价指标体系（见表1）。 1.2新型城镇化水平的综合测度：因子分析法 以xx年数据为例，对xx年各省辖市16个指标数据进行KAO检验和Bartlett球形度检验，KAO值为0.676（大于最低标准0.5），Bartlett球形度检验的P值为0.000，在1%的显著水平上拒绝原假设，表明各变量间具有较强的相关性，因子分析有效。 表2给出了各公因子（一般提取特征根大于1的因子）的方差贡献情况，四个公因子可以解释原始变量89. 169%的信息。 通过运行SPSS 16.0软件得到四个公因子的得分数，以旋转后各自的方差贡献率占累计方差贡献率的比重为权重，加权可得到xx年各个市的综合得分。同理可得xx-xx年十个省辖市的新型城镇化水平的综合得分（见表3）。 从表3可以看出：西安新型城镇化水平的综合得分均值为0. 9754，城镇化水平最高；榆林、延安和宝鸡的综合得分均大于0，说明这三个市的城镇化水平位于陕西省平均水平之上；其余6个市的综合得分均小于0，都位于陕西省平均水平之下。 2实证研究：基于陕西省十个省辖市的面板数据模型 2.1 指标选取和模型设定 解释变量：从金融规模和金融效率两方面选取指标来衡量金融发展，采用Raymond W. Goldsmith提出的金融相关比率指标来衡量金融规模，是金融机构存贷款余额之和占GDP比重。采用多数学者常用的存货比指标来衡量金融效率，分别用x和X2表示，数据xx-xx年陕西省区域统计数据。 被解释变量：新型城镇化水平，用Y表示，数据见表3。 2.2单位根检验和协整检验 在建立模型之前，先要对单个变量的平稳性进行检验，以避免出现虚假回归或伪回归的现象，检验结果见表4。 从表4可以看出，三个方法均在5%的显著水平上拒绝存在单位根的原假设，表明三个序列的一阶差分序列是平稳的，而原序列是非平稳序列。各变量是不平稳的，就不可以直接进行回归。 非平稳变量回归之前要进行协整检验，来判断它们之间是否存在长期的均衡关系，采用KAO检验和Pedroni检验对三个变量整体进行检验，检验结果见表5。 检验表明，除了Panel rho - Stat和Group rho - Stat这两个检验接受原假设外，其余检验均拒绝“不存在协整关系”的原假设。综合考虑，认为变量间存在协整关系，因此可以进行回归分析。 2.3实证结果 对面板数据模型进行Hausman检验，统计量值为3. 378，P值为0.1847，在10%的显著性水平上接受原假设，建立随机效应模型，回归结果见表6。 由表6可知，可决系数R2为0. 8936，说明回归方程对观测值的拟合程度较高。F统计量的P值为0. 0000，说明回归方程整体显著。由回归系数知，Xl和X2均与y正相关，表明金融规模和金融效率