金融核心期刊论文江苏金融业发展与城镇化率变化的实证

分类：金融论文发表 时间：2015-11-03 14:27 关注：(1)

　　这篇金融核心期刊论文发表了江苏金融业发展与城镇化率变化的实证，论文通过研究分析了江苏省城镇化率受到哪些因素的影响，如何才能加快江苏城镇化发展，对江苏的金融业发展进行了实证研究，同时也为其他省份提供了较好的借鉴样本。

　　【摘要】本文对江苏省金融业发展与城镇化率的增长进行了实证关系的研究。检验结果表明，江苏省金融业的发展是提升江苏省城镇化率的重要因素，城镇化率的提高则促进了江苏省金融业的发展。

　　【关键词】 金融核心期刊论文,金融业发展,城镇化率,实证研究

　　一、引言

　　城镇化是当代世界各国经济社会发展的主要趋势。城镇化水平高低是衡量一个国家社会进步状况的重要标志，也是促进社会全面进步的必然要求。城镇化作为人类文明进步的产物，既能提高生产活动效率，同时也可以富裕农民、造福人民，全面提升他们的生活质量。

　　根据新颁布的《国家新型城镇化规划(2014―2020年)》中指出城镇化是伴随着经济发展和工业化的一种经济现象，是国家现代化的重要标志。我国1978―2013年期间，城镇化率从17.9%提升到53.7%。国务院副总理李克强表示，中国已进入中等收入国家行列，但发展还很不平衡，尤其是城乡差距量大面广，差距就是潜力，未来几十年最大的发展潜力在城镇化。中央农村工作领导小组副组长陈锡文也表示城镇化将是中国经济下一步发展的发动机。

　　金融作为经济的核心，其功能就是实现资源的有效配置，它可以为城镇化的开展增加资本积累、促进技术创新等，所以从金融发展角度研究其对城镇化的影响具有重要意义。江苏省作为中国经济强省，是国内目前城镇化水平最高的省份之一，2012年的人口城镇化率为63%以上，远超全国均值52.7%;金融业发展水平也远超全国水平，2012年金融机构各项资产余额96582亿元，保险额达到1301.28亿元，全省上市公司累计融资总额2990亿元。

　　金融发展与经济增长间的关系一直受到学术界与政界的关注，但我们发现有关金融发展与城镇化率的讨论，以描述性分析和政策建议居多，进行实证研究的较少。本文主要采用江苏省2003年至2013年的数据(所有数据来源于2003年至2013年《江苏省统计年鉴》)，利用时间序列的分析方法，通过格兰杰(Granger)因果关系检验，对江苏省金融业发展与城镇化率变化的相关性进行实证研究。

　　二、文献回顾

　　从实证研究角度出发，通常把财政支出和区域政策差异作为金融支持城镇化进程的调节变量进行考察(汪小亚，2002)，强调金融支持城镇化作用的发挥与政府治理水平密切相关(孙浦阳、武力超;2011)。金融发展在长期与城镇化进程有均衡关系，而这种关系在东部地区尤为明显(谷小菁，2011)。已有的金融发展对产业城镇化影响的研究甚少，多集中于探究金融发展对工业化的作用，研究发现金融发展能够促进工业发展，并且可以通过扩宽融资渠道等加快金融发展的政策来促进经济转型(邓玲，2011;孙长青，2012)。

　　在研究方法上，谢庆勇(2006)使用格兰杰检验与VAR模型分析了1978年以来我国农村工业化和农村城镇化的关系;孙文生(2005)等通过建立回归模型研究河北省工业化水平对城镇化的影响。通过对比我国东、中、西地区金融发展对其经济增长、产业结构、城市化之间的长期和短期关系发现在不同区域产生不同的效应(梁彭勇，2008;孙林，2012)。

　　综上所述，在政策理论方面，关于金融发展与城镇化的研究，国内外学者都取得了一定成果。但是在实证研究方面，描述金融发展与城镇化之间关系的研究较少。江苏省无论城镇化和金融发展水平都领先于全国水平，具有典型性，对其他省份的研究有借鉴作用。因此，本文选取江苏省金融发展水平，进行实证研究，检验江苏省金融发展与城镇化率之间的相关性，也为其他省份金融发展与城镇化率的关系，提供较好的借鉴样本。

　　三、变量选取

　　本文主要采用江苏省2003年至2013年的数据，利用时间序列的分析方法，通过格兰杰(Granger)因果关系检验，对江苏省金融业发展与城镇化率变化的相关性进行实证研究。2003年至2013年(单位：亿元)江苏省城镇化率依次为：46.80%，50.27%，50.50%，51.89%，53.20%，54.30%，55.61%，60.58%，61.89%，63.01%，64.11%。金融业增加值依次为：392.11，440.50，492.40，653.25，1054.25，1298.48，

　　1596.98，2105.92，2600.11，3136.51，3958.79。本外币贷款余额依次为：11387.20，3573.53，16282.60，19383.65，23265.83，

　　27081.06，36846.34，44180.21，50283.52，57652.84，64908.22。本外币存款余额依次为：15473.22，18307.90，22821.57，

　　26722.83，31337.99，38063.38，50061.85，60583.07，67638.75，78109，88302.07。

　　四、实证方法与结果分析

　　在研究江苏省金融业的发展与城镇化率变化之间的关系时，本文主要采用如下金融变量来描述金融业发展与城镇化率变化之间的基本状况。BF代表保费收入，DK代表本外币贷款余额，CK代表本外币存款余额，ZJ代表金融产业的增加值，CZ代表城镇化率。

　　首先，为了消除时间序列可能存在的异方差性，将对各个变量去自然对数，分别表示为LNBF，LNDK，LNCK，LNZJ，LNCZ。

　　1、变量LNBF，LNDK，LNCK，LNZJ，LNCZ之间的相关性检验

　　通过各变量之间的相关性检验，可以得出如下数据：LNCK，LNCZ，LNDK，LNZJ与LNBF之间的相关系数依次为：0.982776，0.957194，0.983688，0.981092。LNBF，LNCZ，LNDK，LNZJ与LNCK的相关系数依次为：0.982776，

　　0.966026，0.999372，0.984907。LNBF，LNCK，LNDK，LNZJ与LNCZ的相关系数依次为：0.957149，0.966026，0.969908， 　　0.949832。LNBF，LNCK，LNCZ，LNZJ与LNDK的相关系数依次为：0.983688，0.999372，0.969908，0.986532。LNCK，LNCZ，LNDK，LNBF与LNZJ之间的相关系数依次为：0.984907，0.949832，0.986532，0.981092。

　　通过各变量自建的相关系数检验的结果分析，可以得出结论：本文所选取的各个变量之间的相关性很强，相关系数都在0.94以上。由于各个变量之间近乎完全线性相关，因此在选择模型时不应该将变量LNBF、LNCK、LNDK、LNZJ放在同一个线性回归模型之中作为解释变量使用，因为所选取的解释变量之间会存在着较为严重的多重共线性。

　　本文中，相关性检验所用到的数据主要是截面数据，在运用的过程中并没有考虑滞后变量对当期变量的影响。为了更加准确深刻的描述各变量之间的相关关系，下面将进行变量LNBF、LNCK、LNDK、LNZJ与变量LNCZ的格兰杰(Granger)因果关系检验。

　　2、格兰杰(Granger)因果关系检验

　　下面将进行变量LNBF、LNCK、LNDK、LNZJ与变量LNCZ的格兰杰(Granger)因果关系检验(见表1―8)，首先选取滞后阶数为1，置信度水平为0.5。

　　通过格兰杰因果关系检验，在0.5的置信度水平下，检验结果表明：除了原假设“LNCZ不是LNZJ的Granger原因”不能被拒绝外，其余原假设均严格的被拒绝，即表明在1阶滞后的情况下，LNDK与LNCZ、LNCK与LNCZ、LNBF与LNCZ三组变量之间互为格兰杰因果关系。而LNCZ与LNZJ之间只具有单向的格兰杰因果关系，即LNCZ不是LNZJ的格兰杰原因。在格兰杰因果关系检验中，对于不拒绝原假设的状况下，如果选择较长的滞后期，格兰杰因果关系检验也许就会更加的有效。因此，应该选择更长的滞后期，继续进行检验。

　　下面将会取2阶滞后期，来检验变量LNBF、LNCK、LNDK、LNZJ与变量LNCZ的格兰杰因果关系，检验结构如下。

　　通过检验，将滞后期设定为2期时，各个原假设均被拒绝，只有原假设“LNCZ不是LNCK的Granger原因”，没有通过格兰杰因果关系检验，但是在1阶滞后的状况下，原假设“LNCZ不是LNCK的Granger原因”，通过格兰杰因果关系检验。因此，表明LNBF，LNCK，LNDK，LNZJ的滞后值对LNCZ的当期值具有解释作用，即变量之间具有相关性。从格兰杰因果关系检验的检验结果看出，如果对LNCZ变量采用向量自回归模型(VAR模型)会更加合适，但是由于在相关性检验中发现各个变量之间存在着很强的线性相关性，使得以这些变量作为解释变量的多元线性回归模型得不到有效的参数估计。因此，在模型选择上考虑采用二元回归模型。

　　3、变量LNCZ线性回归模型的建立

　　下面将对变量LNCZ分别与变量LNBF、LNCK、LNDK、LNZJ进行线性回归，采用的模型为双对数线性回归模型(见表9―12)。

　　模型的数学表达式为：LNCZt=2.659819+0.204813LNBFt

　　其中LNCZt即为变量LNCZ，LNBFt为变量LNBF，下标t表示当期值，其系数为0.204813，表示当保费收入增加1%，城镇化的比例将增加0.204813%。同时可以得出，保费收入与城镇化比率之间呈现正相关的关系。

　　图1表示的为LNCZ与LNBF之间的关系图。图中的折线是用实际数据描点得到的两变量之间的关系图，直线表示的是LNCZ与LNBF的线性回归直线，即拟合曲线。因此，折线描述的是两者之间的实际变动关系，直线描述的是回归模型中两者的关系。

　　通过图1，可以表明LNCZ与LNBF之间具有很强的线性关系，因此用线性回归模型进行回归会得到很好的拟合效果。

　　模型的数学表达式为：LNCZt=2.205662+0.171136LNCKt

　　其中LNCCZt即为变量LNCZ，LNCKt为变量LNCK，下标t表示当期值，其系数为0.171136，表示当本外币存款余额增加1%，城镇化的比例将增加0.171136%。同时可以得出，本外币存款余额与城镇化比率之间呈现正相关的关系。

　　图2中折线表示由实际数据描点得到的LNCZ与LNCK的关系图，直线表示为LNCZ对LNCK的回归直线。

　　模型的数学表达式为：LNCZt=2.266603+0.170412LNDKt

　　其中LNCZt即为变量LNCZ，LNDKt为变量LNDK，下标t表示当期值，其系数为0.170412，表示当本外币贷款余额增加1%，城镇化的比例将增加0.170412%。同时可以得出，本外币贷款余额与城镇化比率之间呈现正相关的关系。

　　图3中折线表示由实际数据描点得到的LNCZ与LNDK的关系图，直线表示为LNCZ对LNDK的回归直线。

　　模型的数学表达式为：LNCZt=3.134666+0.123814LNZJt

　　其中LNCZt即为变量LNCZ，LNZJt为变量LNZJ，下标t表示当期值，其系数为0.123814，表示当金融产业增加值增加1%，城镇化的比例将增加0.123814%。同时可以得出，金融产业增加值与城镇化比率之间呈现正相关的关系。

　　图4中折线表示由实际数据描点得到的LNCZ与LNZJ的关系图，直线表示为LNCZ对LNZJ的回归直线。

　　五、结论性评价

　　通过对所选取变量的相关关系检验表明：各个变量两者之间具有很强的线性相关性，相关系数都在0.94以上，接近完全的线性相关。在取1阶滞后的状况下，LNCZ与LNDK、LNCZ与LNCK、LNCZ与LNBF之间都互为格兰杰因果关系。而LNCZ与LNZJ之间只存在着单向的格兰杰因果关系。在2阶滞后的状况下，各个原假设都被拒绝，只有原假设“LNCZ不是LNCK的格兰杰原因”被接受，但是在1阶滞后期状态下，这个假设被拒绝，表明LNBF，LNCK，LNDK，LNZJ的滞后值对LNCZ的当期值具有解释作用。

　　综上所述，江苏省金融业的不断发展，对江苏省城镇化的进程有着一定的影响。本文所选取的四个变量，即保费收入、本外币存款余额、本外币贷款余额。金融业增加值都促进了江苏省城镇化水平的提高，同时由于变量之间两两互为格兰杰因果关系，所以城镇化水平的提高，在一定程度上也促进了江苏省金融业的发展。

　　【参考文献】

　　[1] 黄勇、谢朝华：城镇化建设中的金融支持效应分析[J].理论探索，2008(3).

　　[2] 郑长德：中国的金融中介发展与城镇化关系的实证研究[J].广东社会期刊，2007(3).

　　[3] 肖金成：城镇人与城市可持续发展[J].中国金融，2007(7).

　　[4] 孙长青：基于VAR模型的城镇化、工业化与金融发展关系分析――以中原经济区为例[J]. 经济经纬，2012，12(6).

　　[5] 巴曙松：城镇化大转型的金融视角[M].厦门大学出版社，2013.

　　论文范文：金融本科生怎么发表科研论文

　　金融是现代化经济的核心，从事金融研究应该建立在大量的调查研究上，需要搜集丰富的科学依据，广泛的数据调查才能有制定各项方针、政策和解决问题的依据，很多从事金融行业理论研究的同志们，将多方面的研究和探讨结果描述成文，进行交流和发表，对于金融本科生来说怎么发表科研论文呢?首先要选择合适的期刊，期刊目录网为大家推荐一本金融方面的期刊。