城市化的经济学解释篇1
我以“文艺复兴为什么首先在意大利兴起”教学中对“经济与文化关系”的解释教学为例说一些想法。以前听过的解释教学大致是这样的：
老师出示材料并设问：意大利社会出现了什么状况？
“意大利最早出现资本主义萌芽。那里的新兴资产阶级……要求物质享受和优美的艺术欣赏，这就需要……建筑师、艺术家等为他们的现实生活增添乐趣。”
生：资本主义萌芽出现了，资产阶级想要追求生活的幸福。
师：随着社会发展，出现了资本主义萌芽，新兴资产阶级想要追逐现实的幸福。由此兴起了文艺复兴。
这种解释教学大体符合文艺复兴史学研究中“经济与文化关系”的基本观点。19世纪后期以来，史学家们重点研究意大利文艺复兴发源地佛罗伦萨的经济情况，并探讨文艺复兴和资本主义的关系。有学者指出：“西方资本主义慢慢创造了一种崭新的生活艺术和精神状态，前者伴随着后者，后者又伴随着前者。”
这种解释教学忽视了史学研究中的两个基本认识：一是意大利文艺复兴是在佛罗伦萨这类城市共和国取得“点”的突破，而意大利地区的“面”没有大变。二二是综合研究当时的历史背景、政治形势和经济情况探讨文艺复兴的兴起。
这种解释教学也许没有错误，但一定有耽误。学生因不知佛罗伦萨而漏看了一道生动的历史风景，学生因只知经济不知其他而无法领略历史的复杂性也是一种美。久而久之，简单、偏狭的认识容易造成学生多有绝对之言，少有包容之语。这种“简陋思维”不仅会遮蔽学生感悟历史的心灵，而且还会削弱他们追求幸福生活的智慧。
在温嘉两地联合举行的教学研讨活动上，一位青年教师在“经济与文化关系”的解释教学中，有心为改变学生的“简陋思维”做些尝试。教学片段简述如下：
师：为什么佛罗伦萨城市共和国能成为意大利文艺复兴的发源地？
出示材料1：《13世纪佛罗伦萨毛织作坊生产组织图》。
师：根据材料1说明佛罗伦萨城市经济发展程度，并指出由此引起人们思想观念的变化。
生：城市经济发展程度高。人们逐渐改变对现世生活悲观绝望的态度，开始寻求世俗乐趣。
师：经济发展了，就一定会有文艺复兴吗？
生：（沉默。私语。）
出示材料2：北部意大利的海港城市热那亚在12、13世纪执海外贸易的牛耳，商业贸易的兴盛在意大利甚至全欧洲都可谓数一数二，但它的政治发展却长期滞后，始终处于贵族与豪商的寡头政权统治下，文化上亦无建树。
生：除了经济，政治也应是文艺复兴兴起的因素。
师：介绍佛罗伦萨的自治政治。说明经济是基础性因素，经济与政治因素互动推动文化发展。
这种解释教学启发我思考，改变学生“简陋思维”的解释教学路径大致有：一、依据文艺复兴的史学史，理解史家们的历史解释，选材提问设计教学。二、尊重历史史实和学术研究，聚焦“佛罗伦萨”这一解释对象，避免泛谈、空谈、虚谈。三、通过具体、细节的“毛织业”史料解读抽象的“城市经济发展”。四、对比佛罗伦萨、热那亚的城市治理，说明政治因素在文化发展中的作用。五、既要防止绝对理解经济的决定性，又不否认经济的基础性，认识历史发展是合力的结果。
这种解释教学还有不少缺憾，其中最大的是解释中缺少“人”。美国文艺复兴史专家布鲁克尔说：“文艺复兴文化……是由一个新兴的社会阶级、城市资产阶级（市民阶级）资助扶助起来的……他们依靠从商业、银行和工业活动中获得的财富，能够雇用、延聘大批诗人、学者和艺术家，让这些人的辉煌成就为他们和他们的城市扬名争光。通过这些作为雇员和助手的知识分子和艺术家，资产阶级得以抒发他们自己的理想与价值观念。”有“人”的历史不会“简陋”。学者的论述启示我们理解历史中的“人”是改变学生“简陋思维”的历史解释的重要路径。参考相关学术研究资料，@围绕佛罗伦萨的“市民阶级”选择材料，融合时代、政治、经济、文化等诸多因素对“经济与文化关系”再设计、再教学，值得一试。
城市化的经济学解释篇2
关键词：交易效率城市化经济发展
一、交易效率、经济发展与城市化进程
（一）交易效率的内涵及意义
“交易效率”最先由经济学家杨小凯于1988年模仿了“冰山运输成本”提出：假若一个人购买一单位(元)商品时,他实际只得到k单位(元)商品,那么这1-k单位(元)便可称之为交易成本,而k单位(元)可称为该笔交易的交易效率。
（二）交易效率、经济发展与城市化
近年来，经济学家日益发现新古典经济学在解释城市形成中的局限，纷纷改用规模报酬递增和交易效率理解城市形成中的本质问题。这类文献可分为两类:一类运用规模报酬递增、多样化消费偏好和交易效率之间的两难冲突，来解释城市形成(FujtiaandKrugmna,1995)；另一类借用劳动分工和专业化经济、交易效率、多样化消费偏好之间的两难冲突来解释城市形成(Yang,1991,YangandRice,1994,Yangandng.1993等)。
二、2008年我国58个主要城市交易效率分析比较
从样本的选择来看，本文选取中国代表性的58个城市作为分析对象，它们主要由中国的直辖市、省会城市、重要工业基地或对外开放城市组成。这并不能说明中国只有58个城市，只是基于数据收集的难度而折衷的结果。
（一）交易效率指标的初步选取与数据说明
杨小凯认为，交易效率改进既可由运输条件(新的运输技术或运输基础设施)引起,也可由制度性变化(更有效地保护产权的法律或更具竞争性的银行制度等)引起。赵红军则结合前人的研究成果对交易效率的决定因素进行了分类。本文结合杨小凯、eigen-Zucch、钟富国、赵红军等知名学者的观点，交易效率指标将从以下层面选取。
（二）数据处理与因子分析
1.数据处理
由于衡量交易效率的23个指标的偏度均大于0，呈多右偏状态，所以应利用自然对数进行转换，使其变为对称分布，从而有利于下一步的信度分析。
2.信度分析
从表2交易效率各指标信度分析结果表可知，各指标的Cronbach的α信度系数为0.951，符合大于0.8的高信度检验标准，说明各指标均通过了信度分析，指标之间具有良好的内部一致性，可以进行下一步的因子分析。
3.因子分析
表3是根据SpSS16.0统计分析软件得到的分析结果。
由表3可知，Kmo值为0.819远高于0.5的检验标准，Bartlett球形检验也达到1%的显著水平，可进行因子分析。但我们提取出来的主成分-因素1对交易效率各指标的解释力存在明显差异，对应的主成分-因素1解释力小的指标我们可以认为这些指标与我们需要的交易效率指标并不一致，可以予以剔除。剔除后的其余变量的检验结果如表4。
通过观察表3、表4可知，剔除某些指标后的Kmo参数比未剔除前明显上升，Bartlett球星检验的卡方值在1%的水平上显著。且提取的主成分-因素1对各变量的解释程度均进一步增大，这表明，我们剔除解释力低的指标的作用是积极的。
表5说明了主因素对变异程度的解释率，可以看出我们提取出的主成分-因素1解释了15个变量总变异程度的78%左右，其特征值为11.784，相当符合按照特征值大于1以及主成分的累积贡献率大75%以上的因子分析法提取原则。
综上所述，影响一个地区、城市的交易效率他的因素来自多个层面，不仅有来自于制度层面的、资源禀赋层面的、教育层面的、更有来自于基础建设、信息通信科技层面上的。最后，我们将因子分数系数矩阵作为新的变量保存下来，即为我们要进一步分析的交易效率指标。
下面为运用SpSS16.0计算得出的我国58个城市2008年交易效率得分及排序情况：
城市化的经济学解释篇3
【关键词】信贷资产证券化城市商业银行对策
一、引言
所谓资产证券化就是指将把缺乏流动性，但具有未来现金流的资产汇集起来，通过结构性重组，将其转变为可以在金融市场上出售和流动的证券，据以融通资金的过程。信贷资产证券化可以使中小金融机构流动性得到提高，从而转移信用风险，降低银行的不良贷款率，提高本银行的资本充足率和经营水平。同时，我国目前大力推进的信贷资产证券化也不失为破解中小企业融资难困境的重要手段。因此，本文从中小金融机构信贷资产证券化入手，对a城市商业银行信贷状况、信贷资产证券化的发展现状进行调查和计量分析，探索完善城市商业银行信贷资产证券化的对策建议。
二、中小金融机构信贷资产证券化的意义
（一）优化中小企业的融资结构
中小金融机构可以通过信贷资产证券化，将贷款转化为证券的形式向市场直接再融资，从而降低中小企业间接融资比例，提高企业直接融资比例，从而优化以中小金融机构为主的银行系统的融资结构和信用风险。
（二）打通信贷市场和证券市场的通道
信贷资产证券化可以促进融合直接融资市场和间接融资市场的资金，促进多个市场的联通，政府可以更加有效的对资金进行管控。在充分发挥市场定价的功能后可以提高我国金融资源的配置效率。信贷资产证券化可以引进像中诚信一样的第三方评级机构，提升商业银行运作的透明度，让商业银行的运作更加透明化。
（三）优化银行的资产结构
城市商业银行作为区域性城市商业银行，其信贷资产客观上存在大批的中小企业的中长期贷款，通过信贷资产证券化可以优化a城市商业银行的资产结构，运用市场机制合理分配区域性银行金融资产的风险与收益，为区域性银行的中小企业的信贷资产提供市场出口，促进区域性银行信贷资产的良性循环。
三、a城市商业银行信贷资产证券化的计量分析
a城市商业银行作为一家上市的城市商业银行，其在信贷资产证券化的发展明显快于同行业的其他银行。作为支持地方发展的区域银行，a城市商业银行的信贷资产证券化对当地的中小金融机构具有示范作用。本文以a城市商业银行为例，探索a城市商业银行信贷资产证券化变量之间的关系。以a城市商业银行的资产总额（亿元）为被解释变量Y，资产负债率（%）为解释变量X1，营业总收入（亿元）为解释变量X2，每股经营现金流（元）为解释变量X3，研究的时间为2007～2015年。具体数据如下表所示：
对于以上数据，本文用计量软件进行相关性分析，先通过相关性分析来检验是否存在线性相关，在对这3个解释变量进行多重共线性检验，最后通过多元线性回归来寻找出对资产总额这个被解释变量最可靠的解释变量。
为分析资产负债率（X1）和资产总额（Y）之间的数量规律性，可以通过散点图来分析是否存在线性关系：
从上图可以看出，资产负债率（解释变量X1）和资产总额（被解释变量Y）存在一定的线性关系，所以X1对Y具有一定的解释度。
为分析营业总收入（X2）和资产总额（Y）之间的数量规律性，可以通过散点图来分析是否存在线性关系：
从上图可以看出，营业总收入（解释变量X2）和资产总额（被解释变量Y）存在一定的线性关系，而且具有很强的相关性，所以X2对Y具有很强的解释度。
为分析每股经营现金流（X3）和资产总额（Y）之间的数量规律性，可以通过散点图来分析是否存在线性关系：
从上图可以看出，每股经营现金流（解释变量X3）和资产总额（被解释变量Y）不存在线性关系，所以排除这个解释变量。其次，对解释变量X1（资产负债率）和解释变量X2（营业总收入）进行多重共线性检验。具体如图5，图6所示：
由上图可以看出，不管是X2X1的解释图还是X1对X2的解释图，它们的t检验值都是小于2，t=1.861503。同时R^2=0.235561。根据双低判断原则，X1和X2不存在多重共线性。也就是说解释变量X1（资产负债率）和解释变量X2（营业总收入）不存在多重共线性，所以本文得出的结论是营业总收入对资产总额有影响，资产负债率和每股经营现金流这两个解释变量对资产总额影响不大。为了进行多元回归分析，即a城市商业银行资产负债率（X1），营业总收入（X2）与资产总额（Yt）不同程度的存在相关性，为此设立如下形式的计量模型。
Yt=β1+β2X1+β3X2+ut
由上图可以看出，X2的相关系数最大，且t的检验值最大。结合F检验和可决系数（0.988979）证明了营业总收入与资产总额相关度显著。
四、完善中小金融机构信贷资产证券化的对策建议
（一）扩大基础资产池的信贷品种
从a城市商业银行角度出发，应该稳步扩大基础资产池的信贷品种。a城市商业银行拥有优质的存量信贷，如果能在严格防控风险的基础上，扩大自身信贷资产证券化基础资产池的信贷品种，积极探索开展不良资产的证券化工作，这样就可以盘活公司的存量信贷，提高资本使用效率。同时满足不同投资者需求，推动公司业务朝多元化的方向发展。
（二）加强资本市场制度建设
从监管层面出发，应不断完善资本市场建设，大力培育机构投资者。信贷资产证券化的发展需要一个成熟的、有一定深度和广度的资本市场，形成大量、持续、稳定的长期资金供给。从长期来看，我们还需要不断扩大投资者范围，加大投资者培育力度，正确处理好信贷资产证券化的复杂性与投资者适当性的关系，提高投资者对证券化产品分析和风险定价能力。
（三）强化信息披露制度
从市场角度出发，交易所应当强化信息披露等市场约束机制。信息披露是投资者识别证券化风险的重要依据。市场信息披露不真实或者不完全都会使投资者对证券的价值提出质疑，从而削弱投资热情。制定完备的机制和措施来保证信息披露的真实性、有效性和完整性才能更好地进行信贷资产证券化。
参考文献
[1]刘吕科，张定胜，邹恒甫.证券价格、资产证券化和道德风险――一个理论模型[J].世界经济文汇.2013（01）.
[2]巴曙松，孟之静，孙兴亮.金融危机后资产证券化的新特征及监管新动态[J].经济纵横.2010（08）.
[3]刘琪林，李富有.资产证券化与银行资产流动性、盈利水平及风险水平[J].金融论坛.2013（05）.
[4]邵静，刘慧侠.资产证券化对我国银行收益、风险的影响分析[J].当代经济.2013（21）.
[5]陶涛.基于层次分析法的银行信贷资产证券化风险控制分析[J].统计与决策.2013（06）.
城市化的经济学解释篇4
关键词：皖江城市带承接产业转移示范区；金融生态环境；主成分分析
一、金融生态环境评价指标体系的建立
金融生态环境是一个综合性指标，它具有属性多样、结构复杂的特性，客观、全面地评价一个地区的金融生态环境，关键是建立科学、客观、有效的金融生态环境评价指标体系。通行的金融发展指标体系采用了综合性指标体系，在此基础上同时考虑到统计指标的可获得性、可测性以及数据加工处理的复杂度与难度，并结合皖江城市带的发展情况和发展阶段，本文构建如下金融生态环境评价的指标体系：
二、皖江城市带金融生态环境实证分析
（一）分析方法选择
在社会经济的研究中，为了全面系统的分析和研究问题，必须考虑许多经济指标，这些指标能从不同的侧面反映我们所要研究的对象的特征。但在某种程度上，这些指标间又存在信息的重叠，具有一定的相关性。如果将这些指标直接纳入分析不仅复杂、难以取舍，而且可能因为多重共线性而无法得出正确结论。主成分分析是把各指标之间互相关联的复杂关系进行简化分析的方法之一。主成分分析的目的就是通过线性变换，将原来的多个指标组合成相互独立的少数几个能充分反映总体信息的指标，从而在不丢失重要信息的前提下避开变量间的共线性问题，便于进一步分析。金融系统的关系复杂，其结构层次较难建立，选用因子分析法能较好的克服这个困难。本文将采用因子分析方法，主要对上述指标进行主成分分析，以降低多项指标之间相关造成的复杂性。
（二）实证过程
首先，使用SpSS软件对皖江城市带2009年10个城市的金融经济数据进行了因子分析，根据表二可以看出所提取的三个因子特征值分别为15.219、2.721、1.382，方差贡献率分别为72.471%、12.956%、6.581%，累计方差贡献率已达到92.007%。第三个因子以后的因子特征值根都较小，对解释原有变量的贡献很小，所以在对示范区内各城市金融生态环境的数据进行分析时，提取三个因子就可以较好的反映皖江城市带的经济金融情况。
根据表三的成分矩阵可以看出三个因子分别包含不同的指标，其中国民生产总值、财政收入、金融机构存款余额、第三产业值、金融机构贷款余额、固定资产投资、普通高等学校毕业生人数、工业增加值、每千人非农人口城镇便民利民服务网点、社会消费品零售总额、发行股票数量、上市公司数量、进出口总额、财政支出、实际利用外资、每10万人口拥有大专及以上教育程度人数、每百人卫生机构数在因子一上有较高的载荷，说明因子一主要解释了这17个变量；因子二则主要解释了每百人卫生机构数、城乡居民最低生活保障总金额这2个变量。所以因子二可解释为社会保障因素；因子三则主要解释了被检查单位存在违法行为比率、违法行为被立案比例这2个变量。所以因子三可解释为法制因素。可以看出其中大多数变量在因子一上的载荷都很高，第一个因子对原有变量解释作用显著。因子二社会保障因素和因子三法制因素也对原有变量解释作用有一定的贡献度。
最后，根据上述因子分析的结果可以计算皖江城市带十个城市的综合得分。由表四中的成分得分系数和表二中的方差累计贡献率可得到各城市综合评分公式为：
F=72.471%fac1+12.956%fac2+6.581%fac3
根据综合评分公式及标准化值可以计算十个城市的综合得分及排名。（见表五）
（三）实证结果
由表三可以看出，在影响皖江城市带金融生态环境的诸多因素中，经济金融因素以及政府行为起了主要的作用，但是社会信用环境、法制环境以及社会保障方面同样有着不容忽视的重要性。
由表五可以看出，皖江城市带的区域金融生态环境发展不平衡，主要表现为合肥市、芜湖市的金融经济发展状况明显好于其他城市，特别是合肥市。合肥作为省会城市，其金融生态环境水平遥遥领先于皖江城市带承接产业转移示范区内的其他地市。在第二期“中国金融中心指数”中，合肥首次上榜，排名第10位。而预计在2015年合肥滨湖金融城竣工后，合肥区域性金融中心的框架将得以实现，并将形成立足安徽、辐射周边、服务长三角的区域性金融中心。但由于金融基础较差，经济发展相对落后，城市带内其他地市的金融生态环境并不乐观。
以上分析表明，皖江城市带中经济落后、地区经济发展不平衡是造成皖江城市带金融生态环境不够完善、各地市差别较大的主要原因，这已经成为制约皖江城市带金融生态环境优化的“瓶颈”。除此之外，皖江城市带金融生态环境建设还存在着社会信用环境差；法制不健全，执法不到位；政府的职能作用有待进一步发挥；金融发展的市场化程度还不够高；社会保障体系不够完善，社会保障面太窄且水平较低等诸多问题。
三、优化皖江城市带金融生态环境的政策建议
（一）加快皖江城市带经济发展，为金融生态环境的建设提供经济基础
城市化的经济学解释篇5
内容摘要:本文以人均GDp作为经济发展的代表性指标,选择城镇化率、全社会固定资产投资额和市区建成区面积为解释变量,构建城市经济发展多元回归模型。并对河南郑州、开封进行实证分析,描述经济发展的运行轨迹,对影响经济发展的主要因素进行定量研究。
关键词:经济发展模型多元回归相关分析
城市经济的发展受多种因素的影响,本研究从中选择对城市经济发展具有较大影响力的指标,与城市的人均经济总量进行相关分析,建立多元回归模型,以描述城市经济发展的运行轨迹,并对影响城市经济发展的主要因素进行定量分析。
城市经济发展模型的研究
(一)分析指标的选择
人口、土地和资本是经济发展的最基本要素。反映人力资源的指标有总人口、城镇人口、从业人口、城镇化率(城镇人口与总人口的比率)等,考虑到城镇化率是一个能够综合反映人力资源分布以及人力素质的综合指标,它受多种因素的影响,因此选择城镇化率作为反映人力资源的指标,能比较合理和准确地衡量城市化水平对城市经济发展的影响。反映土地资源的指标采用市区建成区面积指标。反映资本投入的指标采用全社会固定资产投资额指标。反映城市经济发展的指标采用人均GDp指标。上述三个指标是否与人均GDp存在着相关关系,可以计算其相关系数来判定它们之间的相关强度。
本文运用河南郑州市和开封市1994―2006年的统计数据,以人均GDp为经济变量,分别以城镇化率、市区建成区面积和全社会固定资产投资额为解释变量进行直线相关分析,计算各解释变量与人均GDp的相关系数如表1所示。
直线相关系数是用来度量两个随机变量之间线形相关关系强度的指标。河南郑州市、开封市人均GDp与城镇化率、全社会固定资产投资额、市区建成区面积的直线相关系数均在0.9以上,说明它们之间存在着高度正相关关系。因此,可以选择城镇化率、全社会固定资产投资额和市区建成区面积作为解释变量,对城市的经济发展进行定量分析。
(二)城市经济发展的多元回归模型
城市经济发展的多元回归模型构造为:
y=a+b1x1+b2x2+b3x3
式中:y为因变量,x1、x2、x3为解释变量,b1、b2、b3为回归系数。
其中:y代表人均GDp;x1代表城镇化率;x2代表全社会固定资产投资额;x3代表市区建成区面积;b1表示在另外两个变量不变的情况下,城镇化率每提高1个百分点,人均GDp增加的数额;b2表示在另外两个变量不变的情况下,全社会固定资产投资额每提高1亿元,人均GDp增加的数额;b3表示在另外两个变量不变的情况下,市区建成区每增加1平方公里,人均GDp增加的数额;a表示难以用城镇化率、全社会固定资产投资额和市区建成区面积来解释的部分。
河南郑州城市经济发展模型的实证分析
河南郑州于2006年人均GDp(按当年价格计算)达到27961元,较1994年增长4.65倍,年均增长15.52%。本文运用河南郑州市1994―2006年的统计数据,建立郑州市经济发展的多元回归数学模型为:
y=-4722.42+146.899x1+5.069x2+69.434x3
R2=0.970F=96.693n=13
模型拟合程度较高,通过t检验和F检验,复相关系数R=0.985,说明郑州市人均GDp与城镇化率、全社会固定资产投资额、市区建成区面积之间存在着高度相关关系。
(一)城镇化率对城市经济发展的影响
城镇化率是反映城市化进程的核心指标,它反映人力资源向城镇的聚集程度。城镇化率指标是一个综合指标,它受城市规模、经济结构等多种因素的影响。回归模型中的回归系数b1=146.899,表示郑州市的城镇化率每提高1个百分点,将使人均GDp增加146.899元。近年来,河南郑州市的城市化进程明显加快,城镇化率由2000年的35.36%提高到2006年的60.27%,6年间提高了24.91个百分点。城镇化率的提高对郑州经济的发展发挥了较大的积极影响。城镇化率的提高,标志着城市人口的增加,但这是一把“双刃剑”,它一方面能够为城市经济的发展提供充足人力资源的保证,另一方面又给城市经济发展的环境和就业带来了巨大的压力。据有关研究资料分析,武汉、上海、厦门等城市的城镇化率指标均与人均GDp呈负相关关系,就说明城市人口的增加已给城市的经济发展带来负面效应。
(二)全社会固定资产投资对城市经济发展的影响
固定资产投资活动是经济发展的重要拉动力量,固定资产投资额的提高反映资本投入的增加。回归模型中的回归系数b2=5.069,表示河南郑州市的全社会固定资产投资额每提高1亿元,将带动人均GDp增加5.069元。近年来,河南郑州市的固定资产投入明显加大,2001―2005年全社会固定资产投资额累计达到2542.13亿元,2006年更达到1031.99亿元,年均增加149.17亿元。固定资产投资的增加已成为拉动人均GDp增长的主要动力之一。另外,郑州市的固定资产用于基础设施建设的比重较大,具有一定的先瞻性,功效不能立即显现出来,但可以产生良好的“滞后效应”。
(三)市区建成区对城市经济发展的影响
市区建成区是城市经济发展的空间载体,城区面积的扩大可以使城市的发展不受旧城区的限制,有利于提高城市竞争力和发挥城市集聚效应。回归模型中的回归系数b1=69.434,表示郑州市的市区建成区每增加1平方公里,将带动人均GDp增加69.434元。近年来,郑州的城市空间有较大的拓展,市区建成区面积由2000年的133平方公里扩大到2006年的282平方公里,增加了1.12倍。市区建成区的扩大,对郑州经济发展有较大的拉动作用。
河南开封城市经济发展模型的实证分析
河南开封市2006年人均GDp(按当年价格计算)达到10106元,较1994年增长4.17倍,年均增长14.68%。本文运用河南开封市1994―2006年的统计数据,建立河南开封市经济发展的多元回归数学模型为:
y=-1373.25+4.094x1+31.012x2+77.859x3
R2=0.967F=86.840n=13
从模型中可以看出,回归系数b1=4.094,说明在其他两个变量不变的情况下,城镇化率每提高一个百分点,人均GDp仅提高4.094元。其对经济发展的推动作用还不够大。这是因为河南开封市近年来城市化进程缓慢,城市就业结构和就业环境较差等原因所造成的。河南开封市长期以来城镇化率都维持在20%以下,2003年仅达到19.87%,近年来虽有所加快,但2006年也仅达到34.17%,城市化水平仍然很低(见表2)。
从就业结构来分析,2006年河南开封市三次产业就业人员占全社会就业人员的比重为62.8:18.4:18.8。近2/3的劳动力仍大量滞留在第一产业,这不但导致农业生产的低效率,更重要的是浪费了大量劳动力这一生产要素,严重影响了经济又快又好的发展。从以上分析可以看出,城镇化率低,就业结构不合理是制约河南开封经济发展的主要因素。因此,河南开封市应当加快城镇化进程,优化经济结构,积极推进第三产业的发展,把更多的劳动力转移到非农产业中来。
由于城镇化率对于河南开封的经济发展影响甚微,可以考虑在回归模型中剔除城镇化率因素的影响,剔除城镇化率因素后,建立河南开封经济发展多元回归模型为:
y=-1301.966+31.580b1+31.580b2+77.618b3
R2=0.967F=144.719n=13
模型拟合程度较高,通过t检验和F检验,复相关系数R=0.983,说明河南开封人均GDp与全社会固定资产投资额、市区建成区面积之间存在着高度相关关系。
回归模型中,回归系数b2=31.580,表示在另一个变量不变的情况下,全社会固定资产投资额每提高1亿元,人均GDp将增加31.580元。回归模型显示全社会固定资产投资额的增加对河南开封经济发展有较大的拉动作用,2006年河南开封的全社会固定资产投资额达到166.29亿元,近五年来年均增加24.46亿元,河南开封的经济发展对投资需求的拉动作用依赖性更强。
回归系数b3=77.618,表示在另一个变量不变的情况下,市区建成区每增加1平方公里,人均GDp将增加77.618元。近年来,河南开封的建成区面积由2000年的67平方公里扩大到2006年的81平方公里。市区建成区的扩大,对河南开封的经济发展有较大的拉动作用。
结论
综上所述,可以得出以下结论:通过对城市经济发展模型的理论研究和对河南郑州、开封两市的实证分析,可以看出以人均GDp作为经济发展的代表性指标,以城镇化率、全社会固定资产投资额和市区建成区面积为解释变量构建的多元回归模型,其拟合程度较高,能够正确地描述经济发展的运行轨迹,对影响经济发展的主要因素进行定量研究。
通过对郑州经济发展模型的分析研究,可以看出,河南郑州作为经济发展相对较快的城市,城镇化率的提高、全社会固定资产投资额的增加和市区建成区面积的扩大对郑州经济的发展都有较大的推动作用;河南郑州的经济发展已开始从单纯依靠扩大投资规模、拉大城市框架的外延增长方式,向主要依靠科技进步、劳动者素质提高、管理创新等内涵方面转变。河南郑州应进一步加快经济增长方式的转变,推动产业结构的优化升级,走中国特色的新型工业化道路,使河南郑州的经济沿着又好又快的方向可持续发展。
通过对河南开封经济发展模型的研究,可以看出,河南开封作为经济发展相对缓慢的城市,城镇化率对经济发展的拉动作用还不够大,而对全社会固定资产投资额的增加和市区建成区面积的扩大依赖性较强。从经济发展模型中剔除城镇化率的影响因素,只是为了进一步描述开封经济发展的特点,并不是说城镇化率对开封的经济发展不重要,而恰恰相反,正是缓慢的城市化进程和落后的经济发展方式制约了开封的经济发展。郑汴一体化的实施将会促使开封经济结构的优化升级,改变目前落后的就业结构,加快城市化进程的步伐。郑汴产业带的开发,将会使河南郑州、开封的城区规模拉大。同时,在郑汴一体化的发展进程中,各种生产和生活要素低成本自由流动,人力、资本、物资等国内外生产要素将向这一新的经济增长点聚集。随着郑汴组合城市的构建和发展,郑州、开封的经济发展将会跨入又好又快的运行轨道。
参考文献:
1.巩镇肃著.现代统计技术与区域经济研究.成都科技大学出版社,1998
2.梁玉红,蓝光喜.中部地区城市化水平对区域经济发展的绩效分析.城市经济、区域经济,2007
城市化的经济学解释篇6
城市化（城镇化）是中国的国家战略，党的“十八大”和十八届三中全会《决定》明确指出“城镇化是我国现代化建设的历史任务，也是扩大内需的最大潜力所在。有序推进农业转移人口市民化是中国城镇化的重要任务”{1}。因此中国的城市（镇）化研究成为国内外学术界的热点问题。
如何有序的推进城镇化进程使之与经济发展相适应引起了大量学者的关注，学者们利用发达国家的相关数据进行研究，普遍得到城市化水平与经济增长二者呈同方向发展的规律，经济发展水平的提高与城市化水平的提高二者互为促进作用。然而，利用发展中国家（包括中国）的相关数据进行研究却得到不一致的结果。研究的结果之所以不同，是因为国内各地区经济发展产生的差异，城市化（城镇化）水平与经济增长的动态影响效应也会呈现不同的结果，为本文的研究提供良好的思路。作为广西省的政治、经济和文化中心的南宁市，自1978年改革开放以来，经济实力逐渐增强，尤其在获得中国-东盟博览会东道主、北部湾经济发展和国家“一带一路”发展战略优先发展城市等良好的契机后，各项经济发展都迈向了高速发展的轨道。本文将利用向量自回归（VaR）模型和方差分解法，选取南宁市自1978～2015年的人口城镇化水平和经济增长之间的相互影响纳入一个框架进行动态考察。数据来源于《广西统计年鉴》和wind数据库。
二、动态影响效应实证研究
（一）指标选取和数据处理
本文选取人口城镇化与南宁市三大产业占南宁市的GDp比率作为一个动态研究的体系。对于城市化水平，一般采用人口城市化（城镇化）率，即地区城镇人口占总人口（地区）的百分比，这是学术界比较一致的观点。利用南宁市三大产业产值占南宁市GDp的占比来代替，三大产业包含内容最为全面，用来衡量经济增长较为合理。为了避免对非平稳的时间序列进行回归时造成伪回归情况，协整检验之前要对时间序列变量进行单位根的平稳性检验、Johansen协整检验（迹检验）和最大特征值检验，结果发现各序列单位根检验均平稳，且时间序列变量之间在95%的置信度下存在多个协整方程。说明模型设定正确，同时也表明变量之间存在长期的稳定均衡关系，因此可以建立VaR模型来估计变量间的相互关系及反映模式。
（二）基于VaR的脉冲响应分析
脉冲响应函数（impulseresponsefunction）是考虑随机扰动项一个变量变化是如何影响另一个变量。如图1表示滞后期为10期的南宁市三大产业结构变动对城镇化率水平的响应函数图。城镇化水平受到三大产业结构增长的一个标准差大小的冲击后，它的当期值和未来值所发生的变化。
根据图1南宁市第一、二和三产业结构对城镇化水平标准差新息冲击的效应。城镇化水平受到第一、二和三产业结构变动的冲击后第一期值并未产生效果（即值为0），第一产业结构在第二期立刻达到最大值1.199，第三期立马降低为最低值。第二产业在第二期却达到最小值-0.83，第四期升至最大值。第一、二产业在短期中产生的冲击效果较大，但其推动作用会随时间的推移而减弱。第三产业结构对城镇化水平标准差新息冲击的响应效应没有前两者的相应效果大，其推动作用同样会随时间的推移而减弱。
结合格兰杰因果检验可以知道，南宁市第一、二、三产业结构的变动对城镇化水平在短期内具有带动作用，是提高城镇化水平的原因，但城镇化水平的提高没有相应地拉动经济增长。
（三）方差分解
VaR模型中方差分解可以通过方差分解来分析随时间变化的各个变量给其他内生变量结构影响的贡献度，进一步评级不同结构冲击的重要性。如表1可以看出，城镇化水平自身的解释程度较强基本在90%以上，第二产业增长解释能力要相对第一、三产业结构增长强，第二、三产业结构的解释贡献度还有上升的趋势。从方差分解结果来看，第二产业结构的增长对城镇化率的解释程度最高，结合前面所述的脉冲响应函数可知，城镇化对其自身的预测方程贡献度随时间的推移有所减弱，而经济增长对城镇化水平的?献程度会随时间的推移而增强。
三、结论与建议
本文的实证结果显示在不考虑各自变量对自身的贡献度，从长期看，正是由于经济增长对城镇化推动具有长期显著贡献，其作用的程度要明显强于城镇化水平的反向推动作用。结果使得经济增长的单向作用影响较大，而反向产生的影响不大，这与上述脉冲响应函数分析的结果相一致，经济增长推动城镇化的原因在于劳动力会随行业收入的不同向高收入行业转移。
（一）在长期，南宁市城镇化水平与经济增长存在长期均衡的关系
城镇化水平与第一、二、三产业结构经过二阶差分后变得平稳，均为二阶单整，四个变量之间的组合平稳且存在协整关系，这种均衡关系说明南宁市经济增长与城镇化水平呈现一定的协调性，总体不存在后者滞后于经济增长的情况。
（二）二者相互作用的效应差异明显
在短期内，二者相互产生的效应都比较强，南宁市第一、二、三产业结构的变动对城镇化水平在短期内具有带动作用，都随时间的推移效应逐渐减弱。城镇化水平的提高对经济的增长提高效用不明显。
因此，对于南宁市来说，在大力发展经济、加快城镇化进程的同时，还要注重城镇化过程中的三大产业结构的优化，特别是第二、三产业发展方式调整问题。具体来说，就是注意城市规划的合理布局，把握产业如何发展新趋势，合理规划第二、三产业的城区分布，引导第二、三产业从业人口比例，使得城镇人口增长比例与第二、三产业结构增长协调发展，并利用好东盟的城市经济效应及“一带一路”的契机，促进城镇化与经济增长的协调发展。
城市化的经济学解释篇7
关键词：经济效益；因子分析；系统聚类；山东
资助项目：国家社会科学基金项目（14BJL050）
中图分类号：F29文献标识码：a
收录日期：2016年3月21日
改革开放30多年来，中国经济年均以8.8%的速度高速增长，然而随着我国经济的飞速发展，不同区域间的发展不平衡问题也日益突出。我国区域发展不平衡问题体现在不同尺度上，如东中西部之间、南北之间以及省、市、县之间，这严重制约了我国发展方式的转变和产业结构的转型升级，影响到中国的和谐、稳定与健康发展。以往学者对区域不平衡问题进行了大量研究，一是对区域发展不平衡程度的测度（于学成，2009；杨勇，2014等）；二是对区域发展不平衡成因、对策的分析（管卫华等，2006；覃成林，2011；陈长石，2015等）；三是对区域发展不平衡趋势的研究，即在时间维度上区域差异是否缩小（魏后凯，1996；王少剑，2013等）。本文将经济效益引入对区域经济发展不平衡的研究，通过分析山东各城市经济效益发展状况，从中获得关于区域发展不平衡战略和调整的新的认识和启示。所谓经济效益就是企业生产经营管理活动中投入与产出之比，然而城市不是一个企业，也不是一个部门，它比企业和部门的范围更广，所以城市经济效益要考虑的是一个整体，它主要是考察一个地区的经济和经济效果是否处于均衡发展。徐光远曾经指出城市经济效益是综合经济效益，它是各部门内部效益与外部社会效益、环境效益的综合。城市经济效益可以让我们更加全面的了解城市发展的水平、规律和管理质量，有利于我们从全面观点出发，提高城市经济效益。然而，国内关于城市经济效益评价的研究仍旧较为缺乏。众多的研究仅仅是作为一个模型进行理论分析，实证研究比较少。鉴于此，本研究以山东省为实例，利用数学模型解决实际问题。
一、研究区和指标选择
（一）研究区概况。山东省作为东部沿海经济大省正积极实施“两区一圈一带”战略，其工业以能源、化工、冶金、建材、机械、纺织、食品等产业为主，经济增长迅速，尤其是计划单列市青岛作为山东半岛城市群的龙头城市，经济发展势头异常迅猛。截至2014年年底，山东省共有地级市17个，主要指标均居全国前列，2014年实现地区生产总值59，426.59亿元（居全国第三位），人均地区生产总值达到60，879元。2013年，山东被评为中国最具综合竞争力的三个省区之一。然而，区域经济发展不平衡是山东省情的一个明显特征，一些地区发展空间受限、后劲不足、资源环境约束加剧。山东东、西部经济差别像是整个中国大陆东、西部差别的一个缩影，山东区域不平衡主要表现为东西部之间的差距。如何突破山东区域发展不平衡的瓶颈，实现跨越式发展，建设“大而强、富而美”的新山东，是未来山东发展亟待解决的问题。
（二）数据来源及指标选择。本研究选择山东省17个地级市，分别为：济南市、青岛市、淄博市、枣庄市、东营市、烟台市、潍坊市、济宁市、泰安市、威海市、日照市、莱芜市、临沂市、德州市、聊城市、滨州市、菏泽市；10个指标分别为总人口数、GDp、工业总产值、客运总量、货运总量、公共财政预算收入、固定资产投资总额、城镇居民可支配收入、在岗职工人数、在岗职工工资总额。各项指标数据根据《山东统计年鉴2015》以及2014年山东省各地市国民经济和社会发展统计公报统计的数据进行分析。（表1）
二、基于因子分析法的经济水平比较
（一）因子分析
1、模型的建立。通过分析样本中10个原始变量间的相关性，从10个原始变量中提取少数的综合变量，使其包含变量提供的大部分信息，同时又尽量使综合变量尽可能地彼此不相关，以达到为原始数据降维的目的。
共因子为Fm，则因子模型为：
其中，F为主因子，着为特殊因子，a为因子载荷矩阵，即aij为第i个观测变量在第j个公共因子上的因子载荷系数，也就是两者的相关系数。
2、确认原始变量是否适合作因子分析。因子分析是为了寻求存在相关关系的观测变量间是否存在对其起支配作用的公共因子，因此因子分析之前需确认原始变量是否适合作因子分析。本文采用Kmo和Bartlett的球形度检验：Kmo检验用于检验变量间的偏相关是否很小，一般认为Kmo统计量大于0.9时效果最好，0.7以上可以接受，0.5以下则不宜作因子分析；球形Bartlett检验用于检验相关矩阵是否是单位阵，即各变量之间是否独立，若不能否定相关矩阵为单位阵，就说明各变量可能独自提供了一些信息，此时若采用因子模型就不合适。由表2可以看出本文中的Kmo统计量为0.589，可以接受。同时，本文中的Bartlett检验的显著性为0.000，小于0.01，由此可知各变量间显著相关，即否定相关矩阵为单位阵的零假设。（表2）
3、求得初始公因子及因子载荷矩阵。通过分析原始变量的相关性，根据研究需要从中提取较少的公因子。利用观测变量的相关系数阵计算其特征值，从大到小依次为p。则前m（m
一般认为，累积方差贡献率大于80%时，就能保证不丢失太多重要信息。
表3给出了每个公因子所解释的方差及累积和。从“初始特征值”一栏可以看出，前两个公共因子解释的累积方差达83.723%，而后面的公共因子的特征值较小，对解释原有变量的贡献越来越小，因此提取两个公共因子是合适的。（表3）
4、因子旋转。得到因子模型后，其中的公共因子不一定能反映问题的实质特征，为了能更好地解释每一个公共因子的实际意义，且减少解释的主观性，可以通过因子旋转达到目的，经过旋转后的每个公共因子上的载荷分配也更清晰了。利用SpSS提供的因子旋转方法――方差最大化正交旋转，得到旋转后的成分矩阵。从表4可以看出，本文中的第1个公共因子更能代表城镇居民可支配收入、GDp、在岗职工工资总额、公共财政预算收入、在岗职工人数、固定资产投资总额和工业总产值这7个变量，将其命名为经济因子；第2个公共因子更能代表总人口数、客运总量和货运总量这3个变量，将其命名为人口和客货运因子。（表4）
5、计算因子得分和综合得分。要想得到17个地级市的经济因子、人口和客货运因子，需要先知道公共因子得分。因子得分是根据原始变量的线性组合求得，利用SpSS输出标准化的因子得分系数矩阵。（表5）
由表5可得最终的因子得分公式：
F1=-0.136×总人口数+0.176×GDp+…0.184×在岗职工工资总额
F2=-0.389×总人口数-0.001×GDp+…-0.022×在岗职工工资总额
城市的经济效益得分公式为：
zF=F1×F1的方差贡献率+F2×F2的方差贡献率
根据上述公式可以计算17个地级市的因子得分和综合得分。（表6）可以看出：（1）青岛、济南、东营、烟台、淄博五城市在经济因子上得分较高，从地理区位看五城市均位于山东东部地区，区域位置优越、政策优惠倾斜多、发展基础好，在发展经济方面具有得天独厚的便利；（2）潍坊、临沂、菏泽、济宁、烟台、青岛六城市在人口和客货运因子上得分较高，其中青岛、烟台和潍坊作为沿海港口城市，环境适宜、海运十分便利，对人口吸引力较强。而济宁作为京杭大运河沿线的重要城市，自古交通十分便利，下辖曲阜等旅游城市，作为孔孟之乡，客货运量大。临沂作为江北最大商贸物流集散中心和山东人口最多的地级市，现代物流产业起步较早，是山东商贸物流大市，货运量巨大。而地处山东西部的菏泽，承东启西、引南连北，地理位置优势十分突出；（3）在综合得分方面，青岛、济南和烟台处于前三甲，青岛、济南作为副省级城市，济南又是山东省会城市，青岛、济南的综合竞争力十分突出。位于黄渤海之滨的烟台，从自身得天独厚的优势资源出发，借助蓝色资源优势，经济发展异常迅猛；（4）城市经济效益的提升，必须是经济、人口和客货运等各个方面整体的提升，如果片面追求某一方面的发展，是不利于城市整体水平的提高的。
（二）回归分析
1、建立回归模型。本文采用多元线性回归模型，多元线性回归的数学模型为：
其中，p为解释变量的个数；β0，β1，β2，…βp为未知参数；εi为随机误差项，是由随机误差或其他因素的变化而引起的y线性变化部分，εi～n（0，σ2）。
2、线性回归的实现。GDp是一个地方经济水平的主要衡量指标，本文中，我们将GDp作为被解释变量（因变量），寻求GDp与其他变量的线性相关性。本研究使用逐步回归法中的使用F的概率选择进入模型的变量。逐步回归法即先选择对因变量贡献最大，并满足判断条件的自变量进入回归方程，然后将模型中符合剔除数据的变量移除模型，重复进行直到没有变量被引入或剔除，得到回归方程。最终进入回归模型的解释变量只有三个：公共财政预算收入、工业总产值、在岗职工工资总额。（表7）
表7给出了回归拟合过程每一步被引入的解释变量及所有模型的回归系数估计值。可以看出，最先被引入模型的是公共财政预算收入，其次为工业总产值，最后为在岗职工工资总额。其中公共财政预算收入的标准化回归系数是3个变量中最大的；3个模型中所有变量的显著性（Sig值）均小于0.05，通过显著性检验；各解释变量的方差膨胀因子（ViF值）都较小，说明解释变量基本不存在多重共线性问题。所拟合回归方程为：
其中：X6为公共财政预算收入，X3为工业总产值，X10为在岗职工工资总额。
模型的R2为0.995，说明引入回归方程的变量是显著的，建立的回归方程较好。F值为801.138，显著性概率小于0.05，拒绝原假设，认为模型整体显著。模型中3个解释变量的t值显著性均为0.000，小于0.05，拒绝回归系数都为0的原假设，认为系数显著。
三、经济发展水平聚类分析
（一）聚类分析的原理。聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法，其原理是根据事物本身的特性将相似的事物归类，被归为一类的事物具有较高的相似性，而不同类间的事物有着很大差异。本文利用系统聚类中的凝聚法依据10个原始数据指标对山东省17个地级市进行聚类分析。
（二）聚类分析过程。系统聚类中的凝聚法过程如下：（1）聚类开始前先将每一个个案都视为一类，有多少个案就有多少类；（2）根据所定义的距离，将距离最近的两个个案合并为一类，这样类别就减少了一类；（3）重复步骤（2），将新合并的类与最近的旧类再合并为一类，重复这一步骤，直到将所有的个案都合并为一个类别为止。
利用SpSS中系统聚类中的凝聚法，将表1中的10个统计指标作为变量，以“城市”变量作为标识变量，采用组内连接的聚类方法，得到聚类分析结果如表7所示。（表7）可以看出，整个聚类过程，表格的“阶段”一列表示聚类的步数，以第3行为例，此步是将第14和第16类合并为一类，“系数”一列表示两类之间的距离，其中第14类首次出现是在第1步（从首次出现聚类的阶段聚类1中显示数字为1），而第16类是首次出现（从首次出现聚类的极端聚类2中显示数字为0），所以第3步中的第14类其实包含了第14个个案和第15个个案，所以第3步是将第14、15和第16个个案归为了第2类，而这第2类下一次合并是在第9步（“下一个阶段”列第3步显示的数字为9）。最后，17个观测经过16步聚为一类。另外，我们可以根据表中聚类系数的变化幅度来界定聚类类别，当相邻两个步骤的系数远大于上一步骤时，即存在跳跃时，我们可以认为这两类的差别较大。（图1）
从图1来看并结合表7，将其聚为6类是比较合适的，聚类结果为：
G1={青岛}
G2={济南、烟台}
G3={济宁、临沂、潍坊}
G4={淄博、东营}
G5={德州、聊城、滨州、泰安、威海、菏泽}
G6={枣庄、日照、莱芜}
聚类分析得出的结果和前面17城市因子分析结果中综合得分结果完全一致，说明本文所进行的分析是比较科学合理的。作为4个计划单列市和15个副省级城市之一的青岛市，是山东半岛的龙头城市，是山东半岛城市群的经济中心；第二组中的济南和烟台，经济规模接近，GDp总量都在5，000亿元左右。济南作为省会城市，综合实力突出，而近几年烟台充分利用自身优势，经济发展异常迅速；第三组中的3个城市都是山东省城市经济效益增长较快的地区，三者在客货运总量、城镇居民可支配收入和在岗职工工资总额方面都比较接近；第四组中的淄博和东营在早期都是以工业经济为主的城市，工业体系完善，近几年在成功实行转型后，城市经济效益不断提升，成为山东省新的经济增长中心；第五组中的6个城市大体处于相同的发展阶段，城市经济的整体性不强，仅依靠单一特色经济发展，城市经济效益相对较差；第六组中的枣庄和莱芜作为资源型城市，随着资源的枯竭和经济转型的需要，正在承受经济转型的阵痛。而日照由于起步晚，发展基础差，城市经济效益不明显。
四、结论及建议
通过对山东省17个地级市的原始数据进行因子分析和聚类处理，从横向和纵向两个角度对17个地级市的经济效益进行比较分析，最终将10个原始指标解释为经济、人口和客货运两个公共因子，并将因子分析所得结果与聚类分析结果相比较，验证其合理性。结果表明：山东中西部城市经济效益不断提升，已经形成了山东省中西部以济宁和临沂为新的区域增长极的中心城市，中西部城市正在不断调整其发展战略，实现对东部城市的赶超。
长期以来人们习惯将山东省划分成鲁东、鲁中、鲁西三大经济区，鲁东即青岛、济南、烟台、威海、淄博、潍坊、日照以及东营，鲁中地区包括济宁、泰安、德州、莱芜、滨州，鲁西是指聊城、临沂、菏泽、枣庄。从地理区位和经济发展基础来说，一般鲁东地区城市经济效益要高于鲁中和鲁西地区。本文经过实证分析所得出的结论与人们的传统认识有些偏差，以往研究认为中部和西部地区的效益明显不如东部地区，且有加大趋势，本文结论显示：鲁中地区的济宁和鲁西地区的临沂城市经济效益大幅提升，而作为沿海城市的日照综合得分排在倒数第二位，鲁中、鲁西地区的城市经济效益不断提高。
为了解决区域发展不平衡问题，山东省提出了“省会城市经济圈”和“西部经济隆起带”战略，中西部不少地市纳入了国家和省级发展战略，政策叠加优势明显，强力推动山东中西部跨越式发展。在以后经济发展过程中，省政府要重点扶植第五类和第六类中的地市，青岛作为山东最大的城市，经济发展关乎着整个山东省的经济力量，必须发挥好其龙头带动作用，尤其是在山东半岛城市群中的辐射带动作用。而作为省会城市的济南，其在省会城市经济圈中起着核心和龙头作用，必须充分利用济南的综合经济实力和辐射带动作用，大力发展“飞地经济”，实现区域内资源优化配置，力求实现济南和其他6地市的抱团式发展。对于枣庄这种资源型城市，必须加快资源枯竭城市转型发展，打造西部经济隆起带转型升级高地。另外，在加快第五类和第六类中城市发展的同时，必须避免产业趋同、恶性竞争，根据各地市实际，实现精准发展，形成各具特色、富有生机新的增长极，实现山东省东、中、西部的均衡发展，提升山东整体经济发展实力。
主要参考文献：
[1]徐光远.城市经济学[m].北京：中国经济出版社，2009.
[2]饶会林.城市经济效益分析[J].财经问题研究，1985.1.
[3]张庆堂，高洁，王传荣，刘旭宁，郝海波.山东省产业结构调整及合理布局研究[J].财经界（学术版），2014.3.
[4]王志宪，吕霄飞，张峰.青岛在山东半岛蓝色经济区建设中的功能定位及发展对策研究[J].长江流域资源与环境，2011.7.
[5]张志元，董彦岭，刘清春，渠涛，蒲业潇.山东区域经济协调发展存在的主要问题与对策研究[J].经济与管理评论，2012.5.
[6]赵明华，郑元文.近10年来山东省区域经济发展差异时空演变及驱动力分析[J].经济地理，2013.1.
[7]张慧，周春梅.我国旅游上市公司经营业绩的评价与比较――基于因子分析和聚类分析的综合研究[J].宏观经济研究，2012.3.
[8]梁子谦，李小军.影响中国粮食生产的因子分析[J].农业经济问题，2006.11.
[9]胡振华，袁静.企业效益评价因子分析模型及应用[J].中国管理科学，2002.1.
[10]山东“两区一圈一带”战略初见成效[J].领导决策信息，2014.22.
[11]马浩.山东区域经济非均衡协调发展研究[D].北京交通大学，2013.
[12]efendin，CaginKC.owa-basedlinkagemethodinhierarchicalclustering：applicationonphylogenetictrees[J].expertSystemswithapplications，2011.38.10.
[13]袁连新，余勇.聚类分析方法及其环境监测（水质分析）中的应用[J].环境科学与技术，2011.S2.
[14]郭宁，李新，窦同宇.山东省区域经济差异的实证分析[J].国土与自然资源研究，2015.4.
城市化的经济学解释篇8
关键词：因子分析县域经济发展
县域经济是以县级行政区划为地理空间，以市场为导向，以县级政权为重要推动，优化配置资源，具有地域特色和功能完备的区域经济①。准确评价县域科学发展情况，能激励县域比学赶超，积极探索具有县域特点的科学发展道路。
潍坊市县域经济包括11个县市区（奎文区因农业人口低于60%，不属于县域经济范畴），其中，中心城区3个，县和县级市8个。2011年实现地区生产总值3063.7亿元，经济比重占全市的86.5％，常住人口908.62万人，县域总人口占到全市的90％以上。实践已经证明，壮大县域经济是富民强市的重要路径。本文立足于潍坊市县域经济发展实际，应用因子分析方法，对县域经济发展水平进行评价研究，找出县域经济发展存在的主要问题，进而提出促进县域经济发展的对策建议。
一、指标选取、数据来源和研究方法
（一）指标选取和数据来源
评价县域经济发展水平，必须建立科学的指标体系。本文遵循县域经济科学发展的价值标准――以人为本，进行“强县富民一致性”评价，又考虑到实际可操作性，尽可能选择现行统计资料中容易获取的客观指标，保证操作的简便可行。选取了如下7项指标：人均GDp（元）、地方财政收入（万元）、规模以上固定资产投资（万元）、年末总人口（万人）、城镇在岗职工平均工资（元）、农民人均纯收入（元）、社会消费品零售总额（万元）。评价体系体现了“大道至简”的思想和评价的基本原则――指标公开、客观、可比，指标规律可以把握，评价结果有确切导向性。
数据来源：原始数据根据2011年《潍坊统计年鉴》数据搜集整理取得。限于篇幅原始数据从略。
（二）研究方法
本文应用因子分析法，利用统计软件SpSS20.0，对2010年潍坊市县域经济发展进行评价研究。
因子分子是通过对变量之间关系的研究，找出能综合原始变量的少数几个因子，使得少数因子能够反映原始变量的绝大部分信息，然后根据相关性的大小将原始变量分组，使得组内的变量之间相关性较高，而不同组的变量之间相关性较低。因子分子能够提取信息，使变量简化降维，从而对问题的研究更加深入和简单直观②。
二、因子分析在潍坊市县域经济发展研究中的应用
因子分析的应用过程一般需要经过数据检验、因子提取、因子的命名和解释、计算因子得分并进行综合评价等。
（一）数据检验
数据检验用于判断搜集的数据是否适合作因子分析。对原始数据使用Kmo检验和Bartlett球度检验，根据输出结果，检验的值接近0，表明7个变量之间有较强的相关关系（公因子方差表略），适合作因子分析。
（二）因子提取
因子的提取方法多使用主成分法。因子提取是根据原始变量提取少数几个因子，因子数量的确定，根据因子方差的贡献率来选择。一般情况下，累计贡献率达到80%以上的前几个因子可以作为最后的公因子。从特征根角度看，一般要求因子对应的特征根要大于1。表1给出的是因子方差贡献率，其中，“提取平方和载入”部分是提取的两个公因子对原始变量方差的解释情况，两个因子总共解释了原始变量方差的92.988%，表明因子分析的效果十分理想。“旋转平方和载入”部分是因子旋转后对原始变量方差的解释情况。
（三）因子的命名和解释
因子命名是因子分析的重要一步。因子分析得到的因子的含义是模糊的，需要重新命名，以便对研究的问题作出合理的解释。因子命名可通过考察观察因子载荷矩阵并结合实际问题完成③。并且需要进一步作因子旋转，以便于对因子的命名和解释，旋转的方法中最常用的是Varimax法（方差最大正交旋转）。表2是采用Varimax法得到的旋转后的因子载荷矩阵。
表2中的第一个因子与年末总人口、固定资产投资、社会消费品零售总额、地方财政收入这四个变量的载荷系数较大，这几个变量主要反映了地区的经济发展水平，因此可以把因子1命名为“经济水平”因子。第二个因子与农民人均纯收入、城镇在岗职工平均工资、人均GDp这三个变量的载荷系数较大，主要解释了这三个变量，从实际意义上看，这三个变量主要反映了地区的居民生活水平，因此可以将因子2命名为“生活水平”因子。
（四）计算因子得分并进行综合评价
按回归法估计的因子得分系数矩阵如表3。
根据SpSS20.0操作得到各县市区两个因子和的得分，用每个公因子的方差贡献率作权数，分别对各地区每个因子得分进行加权计算，得到每个地区的总因子得分。计算公式为：
F＝0.712289F1+0.287711F2
最后，对潍坊市所辖11个县市区的经济发展状况进行综合评价。
因子F1和F2的得分、综合得分F及排名如表4所示。
从总体上来看，综合得分F大于0的县市有4个，分别是寿光市、诸城市、青州市、高密市排名前四位，他们的“经济水平”因子得分都比较高，而“生活水平”因子得分，寿光市、诸城市比较高，青州市、高密市却小于0分（全市平均水平）。根据不同情况，可将潍坊市县域经济分县市和中心城区两个层面进行分析评价。从8县市分析，除了前述4个县级市，其它4个县市：昌邑市、安丘市、昌乐县、临朐县综合得分在8县市中排名在后（如表4），这4个县市两个因子的分值及排名又有差别。根据综合分析与评价将8县市县域经济发展分三类：第一类F＞1，包括寿光市和诸城市，属县域经济较发达地区；第二类0＜F＜1，包括青州市和高密市，属于县域经济中等发达地区；第3类F＜0，包括昌邑市、安丘市、昌乐县、临朐县4县市，属于县域经济发展较低地区。另3个中心城区：潍城区、寒亭区、坊子区因为总人口少，经济总量小，所以反应“经济水平”的因子F1得分排名在最后3位；这三个中心城区因为城镇在岗职工平均工资和农民人均纯收入（根据原始数据）比较高，非农业人口比例相对也比较高，所以反应“生活水平”的因子F2得分排名比较靠前。从提取的两个因子的特征根看，“经济水平”因子是主要因子，所以这三个中心城区的综合得分较低，并且F＜0，也属于县域经济发展较低地区。
三、结论与对策建议
从以上分析可以发现，一是潍坊市县域经济发展很不平衡，有强县，也有弱县；二是部分地区没有做到强县富民同步发展，表现在“经济水平”因子得分较高，而“生活水平”的因子得分较低；三是中心城区和县城经济发展的辐射带动作用发挥不够。针对分析结果，对潍坊市整体提升县域经济发展水平，增强县域综合实力提出如下对策建议：
（一）加大政策支持力度，促进县域经济平衡协调发展
县域经济的发展水平，决定着经济文化强市建设的水平。从县域发展均衡程度看，潍坊市强县与弱县交错分布，应在抓好城市经济的同时，更多的抓县域经济发展，加大支持县域发展的力度，实现促强与扶弱的统一。整体提升县域经济发展水平。
（二）实现经济增长与居民收入增长同步
强县要富民，加快完善公共财政体系，实现城乡居民收入与经济同步增长，争取农民收入增幅更高一些，切实提高城乡居民收入水平，共建和谐社会，共享改革发展成果。
（三）推进城乡统筹发展
县域沟通工农、连接城乡，是统筹城乡、推进城乡经济社会一体化发展的重要节点。要坚持“以城带乡、以工促农”，协调推进。一要推进城乡一体化。二要加快县域城镇化。加快县域中心城区和沿主干交通线中心镇建设，引导农村居民向城镇集中；积极促进城镇化与工业化协调发展，大力推进一、二、三产业协调发展。
参考文献：
①刘福刚.新时期县域经济科学发展范例与新模式[m].北京：中共中央党校出版社，2008：363
②贾俊平.统计学[m].北京：中国人民大学出版社，2011：261―268
③王力宾，顾光同.多元统计分析：模型、案例及SpSS应用[m].北京：经济科学出版社，2010：247―249
城市化的经济学解释篇9
（1.广东省人口发展研究院，广东广州510600；2.学术研究杂志社，广东广州510050）
摘 要：区别于以往研究，文章从非线性的角度去解释我国人口城镇化与城乡消费差距（以城乡恩格尔系数比表示）变化的关系并进行实证发现，从长期来看，我国人口城镇化与城乡恩格尔系数比之间表现为n型曲线关系，即随着人口城镇化发展，城乡恩格尔系数比将呈先下降再上升然后下降的走势。这说明市场有其自发的调节器，随着我国城乡之间劳动力自由流动的壁垒（如户藉、社保、教育等）越来越少，某一阶段城镇化集聚效应显著所带来的城乡消费差距拉大，会引起下一阶段拥挤效应的制约而缩小城乡消费差距。同时，虽然人口城镇化在带来集聚效应的同时也带来了拥挤效应，但总体来说它无疑是促进了我国城乡居民消费水平的总体提高，只是在速度上有所差别。
关键词：人口城镇化；恩格尔系数；n型曲线关系
中图分类号：F014.5
文献标识码：a
文章编号：1002－3240（2015）07－0059－05
收稿日期：2015-04-30
基金项目：本文系国家自然科学基金青年项目《农村社区环境、产业特性与涉农家族企业创业研究》（71202082）的阶段性成果
作者简介：李超，广西柳州人，理学博士，广东省人口发展研究院助理研究员，主要研究方向为人口经济学；张超，广东高州人，管理学博士研究生，学术研究杂志社编辑、助理研究员，主要研究方向：人口经济和农业经济。
一、引言
1978年改革开放以来，随着计划经济体制逐渐退出及市场经济发展、城乡之间的壁垒逐渐松动并被打破，我国的城镇化进程也由被压制转为松动、放开，进而迎来了全面发展的黄金时期。城镇化最主要的标志就是城镇人口在总人口中比重上升，也即人口城镇化。自1978年至2012年，我国城镇人口比重由17.92%上升到52.57%，相当于每年提高1个百分点左右，速度惊人。那么，在这场快速的人口城镇化过程中，作为衡量居民生活水平高低的一项重要指标，我国城乡居民的消费水平是否都得到了提升？城乡消费差距是扩大了抑或缩小了？关于第一个问题，几乎所有学者的回答都是肯定的，如付波航、方齐云等（2013）利用中国29个省份1989-2010年的面板数据实证表明，城镇化水平与我国居民消费率呈正向关系，城镇化水平每提高1%，居民消费率就增加0.04%，城镇化通过提升居民消费能力、改变居民消费习惯和扩展消费领域等途径间接地提高了总体消费水平。[1]
而关于第二个问题，学界却一直存在争论。部分学者认为人口城镇化发展扩大了城乡消费差距。曾令华（2001)从理论角度解释这种差距的形成：农村人口变成城镇人口后，与土地完全脱离联系，其消费完全实现商品化，城镇居民的收入比农村居民高，城镇居民的消费环境比农村居民要优越，城镇居民的消费领域比农村居民要宽广，消费城镇化使得需求获得倍数扩张的能力。[2]曾国安、胡晶晶（2008）对我国1978年以来城乡居民数据进行分析，结果表明，城镇化使得城乡居民收入差距扩大，又导致城乡居民之间的消费水平也呈现长期扩大趋势。[3]蒋南平、王向南等（2011）实证发现我国城镇化过程显著地促进了城乡居民消费的增长，但总体上城镇化对城镇居民消费增长的促进作用大于农村居民。[4]石贝贝、王金营（2014）认为我国城镇化引起的人口流动集聚效应带动了城镇居民消费水平比农村居民更快地提高。[5]另一部分学者却认为人口城镇化发展不会扩大城乡消费差距。陆铭、陈钊（2004）从侧面证明城镇化对缩小城乡消费差距的作用。[6]姜凌、高文玲（2013）认为我国可以通过有效地加快城镇化发展、引导农民改变消费方式来促进消费，缩小城乡消费差距。[7]廖直东、宗振利（2014）研究表明，收入不确定性对乡城移民的消费行为具有显著的抑制作用。[8]
从学者们的研究结论来看，如果纯粹探讨线性关系，确实在我国人口城镇化过程中，可以观察到的城乡消费差距在有些阶段是扩大的（正相关），在有些阶段却是缩小的（负相关），或者有时整体来看是无影响的（不相关）。然而，这些不同的结论恰好表明我国人口城镇化与城乡消费差距变化的关系有可能是非线性的，之前学者的研究结论可能过于片面了。因此，本文尝试从非线性的角度去解释我国人口城镇化与城乡消费差距变化的长期关系，并进行实证分析，由于恩格尔系数是衡量居民消费水平的一项重要指标，我们将以城乡恩格尔系数变化差异来反映城乡消费差距。
二、理论机制分析
人口城镇化既是伴随着一个地区工业化进程和社会经济发展的结构变动过程，也是一个地区人口从农村向城镇集聚的过程。在城镇化的人口集聚过程中，有两种效应会发生。一是集聚效应(李超、匡耀求，2013)。[9]大量人口在城市这样一个小的地理空间集聚，产生的经济效果就是降低市场交易成本和促进分工与合作，形成规模经济、范围经济以及知识积累和外溢效应，提高生产效率。这意味着从农村迁移进城镇的人们将能以比之前更低的成本来获得更高的收入，收入增长加快。同时，由于人口集聚带来了巨大的消费需求，城市中发展起来大型集市、超市、批发市场和众多物流企业，共同的交易市场与批量的采购降低了众多消费品（包括食品）的价格，使得城镇居民的食品支出相对降低。二是拥挤效应（肖文、王平，2011）。[10]城市的空间和资源环境承载能力是有限的，大量人口在此集聚产生了拥挤。为了争夺资源或高的收入，城镇居民之间会展开剧烈的竞争，竞争使得原来的一些超额收益逐渐趋零，也使得原来的一些高收入趋向于正常收入。同时，对于城镇居民来说，他们的收入在集聚效应下可以增长很快，但过大的收入差距总会吸引更多的农村人口流入城市去竞争这种高收入，由此收入增长的速度会减缓。与此相反，农村居民的收入则由于竞争的减少及由此实现的土地规模经营和就业机会增加而带来收入增长加快。另外，大量农村人口向城市集聚产生了巨大的住房需求和商业用地需求，这导致城市物业租金水平上升，商品的销售成本增加，引起物价上涨，特别是食品价格上涨，最终使得城镇居民的食品支出相对上升。一般来说，在人口城镇化的早期阶段，集聚效应会大于拥挤效应，而在人口城镇化的中后期阶段，拥挤效应会大于集聚效应。人口城镇化产生的两种效应会对城乡居民的消费水平产生影响，集聚效应使得城镇居民消费水平提高快于农村居民，而拥挤效应则使得城镇居民消费水平提高慢于农村居民。恩格尔系数是衡量居民消费水平高低的一项重要指标，它表示一个家庭收入中用于食物的消费支出金额在总消费支出金额中所占的比重，一个家庭的消费水平越高，其用于购买生存性食品的支出比例就会越低，用于购买其他享受性商品的消费支出比例会就会越高，恩格尔系数就会越小。因此，如果从城乡居民恩格尔系数变化差异来看，我国人口城镇化发展经历了三个阶段。
第一阶段为1978-1989年，小城镇化发展使得农村居民的恩格尔系数下降快于城镇居民。这一阶段我国处于实行改革开放的初期，在工业基础和城镇发展基础极差的条件下，改革和发展的突破口只能在农村和农业，而农业发展起来后其所带来的大量贸易机会及剩余劳动力的转移推动了靠近农村的小城镇蓬勃发展。特别是80年代初期家庭承包责任制的实施大大地解放了农村生产力，进而推动小城镇加速发展，出现大量乡镇企业吸引农村转移劳动力到城镇就业，形成第一次“民工潮”。这个时期我国的人口城镇化发展速度并不快，城镇化率由1978年的17.92%上升到1989年的26.21%，年均仅提高0.75个百分点。究其原因，是因为靠近农村的小城镇发展使得很多农民是离土不离乡地就业，大量农民享受了小城镇集聚发展带来的收入增加，但他们并不是城镇的常住人口①，而大城市在这个时期的发展比较缓慢。农村居民的收入在这个时期的增长速度稍快于城镇居民，农村居民家庭年人均纯收入从1978年的133.6元增加到1989年的601.5元，增长了350%；而城镇居民家庭年人均可支配收入从1978年的343.4元增加到1989年的1375.7元，增长300%。另外，在消费方面，小城镇的发展使得农产品贸易变得非常繁荣，大的农产品集市和批发中心逐渐形成，供给的增加和物流成本的降低都使得食品价格相对下降，这给在小城镇就业的农民和在附近生活的农民带来食品支出的降低。总之，在这一阶段，我国人口城镇化带来的集聚效应大于拥挤效应，而由于小城镇化发展及农民离土不离乡的就业环境，集聚效应所带来的消费水平提高很大程度上被农村人口所占有，所以出现农村居民的恩格尔系数下降快于城镇居民的现象。
第二阶段为1990-2004年，人口城镇化发展使得城镇居民的恩格尔系数下降快于农村居民。这一阶段是我国实施进一步扩大对外开放、民营经济大发展的时期，以1992年初邓小平南巡讲话为标志，中央释放了走市场经济道路的明确信号，为民营经济的发展进一步提供了合法性保护。自此，出现了城市化背景下的第二次“民工潮”。第二次“民工潮”和第一次不一样，这次的目的地是城市而不是小城镇，由于路途遥远很多农民常年在此打工，成为城市的常住人口。因此，这个时期的人口城镇化发展非常快，城镇化率由1989年的26.21%上升到2004年的41.76%，年均提高1.04个百分点。人口城镇化的飞速发展也带来了很大的集聚效应，城镇居民的收入增长在这个时期远快于农村居民收入增长，城镇居民家庭年人均可支配收入从1989年的1375.7元增加到2004年的9421.6元，增长了585%；而农村居民家庭年人均纯收入从1989年的601.5元增加到2004年的2936.4元，仅增长388%。另外，在消费方面，集合运输、仓储、装卸、加工、整理、配送、信息等方面供应链的现代物流业发展，以及大型超级市场、农贸批发市场的建设，加上城市建设早期的土地物业租金水平仍较低，使得大中城市的总体食品价格相对于农村并没有上升，反而是下降。总之，在这一阶段，我国人口城镇化带来的集聚效应大于拥挤效应，所以出现城镇居民恩格尔系数下降快于农村居民的现象。
第三阶段为2005-2012年，人口城镇化发展使得农村居民恩格尔系数下降快于城镇居民。在这一阶段，我国高校规模扩招后的大批农村毕业大学生开始进城工作，并迅速成为城市的常住居民。自1999年教育部扩招开始，当年的招生人数达到51.32万人，增长速度为47.4%，2000-2003年，每年的扩招幅度都达到20%左右。2004年后是大量大学毕业生进入城镇就业市场的阶段，其中有相当一部分是来自农村的大学毕业生。城镇化率由2004年的41.76%上升到2012年的52.57%，年均提高1.35个百分点。大批农村毕业大学生在短期内涌入城市带来的结果就是激烈的就业竞争，城镇化的拥挤效应明显，城镇居民的收入增长减缓。与此相反，随着许多加工企业由高成本的发达地区向低成本的欠发达地区迁移，农村及农村周边小城镇的就业机会增加，农村居民的劳动收入增长速度明显提高，农村居民的收入在这个时期的增长速度稍快于城镇居民，以2004年为起点，城镇居民家庭年人均可支配收入在2012年增加到24564.7元，增长了160.7%；而农村居民家庭年人均纯收入在2012年增加到7916.6元，增长了169.6%。另外，在消费方面，随着福利分房的终结以及住房市场化改革，人口城镇化带来的巨大居住消费需求在这一阶段得到快速释放，房地产价格和地租翻倍上涨，城市食品销售成本提高，价格上升。这样一来，相对于农村居民，城镇居民的食品消费支出更快地增长。在这一阶段，我国人口城镇化带来的拥挤效应大于集聚效应，所以出现农村居民恩格尔系数下降快于城镇居民的现象。
综合来说，1978-1989年和1990-2004年这两个阶段是我国人口城镇化的早期发展阶段，城镇化带来的集聚效应都大于拥挤效应，但由于1978-1989年的小城镇化发展及农民离土不离乡的就业环境，其集聚效应所带来的消费水平提高很大程度上被农村人口所占有，所以出现农村居民恩格尔系数下降快于城镇居民的现象；而在1990-2004年则正常地体现为城镇居民恩格尔系数下降快于农村居民。2005-2012年这一阶段是我国人口城镇化发展的中后期阶段，城镇化带来的拥挤效应大于集聚效应，农村居民恩格尔系数下降快于城镇居民。如果以城乡恩格尔系数的比值（即城镇居民恩格尔系数/农村居民恩格尔系数，以下简称城乡恩格尔系数比）来衡量城乡居民消费水平的变化差异，则当农村居民恩格尔系数下降快于城镇居民时，城乡恩格尔系数比增大，城乡消费差距缩小，当城镇居民恩格尔系数下降快于农村居民时，城乡恩格尔系数比减小，城乡消费差距扩大。因此，从长期来看，随着我国人口城镇化发展，城乡恩格尔系数比将呈现先下降再上升然后下降的走势，即人口城镇化与城乡恩格尔系数比之间表现为n型曲线关系（如图1）。在下文中，我们将设定回归模型对这种n型曲线关系进行实证检验。
三、实证分析
（一）回归模型设定
理论分析部分表明，在集聚效应和拥挤效应的影响下，人口城镇化发展对城乡恩格尔系数变化有重要影响，人口城镇化与城乡恩格尔系数比之间表现为n型曲线关系。因此，我们把人口城镇化率设为影响城乡恩格尔系数比的一个重要自变量，考虑到在恩格尔定律中居民恩格尔系数变化主要受收入水平影响，我们把城乡居民收入水平比（城镇居民年人均纯收入/农村居民年人均纯收入）也纳为自变量，并据此建立回归模型。由于人口城镇化率与城乡恩格尔系数比之间可能存在非线性的关系，我们把人口城镇化率变量的二次项和三次项都加进回归模型，模型表达式如下：
其中，c为常数，u是随机误差，Y表示城乡恩格尔系数比，Z表示城乡居民收入比，X表示人口城镇化率，参数β1、β2和β3分别表示人口城镇化率（X）的一次、二次和三次项的系数。对于不同的βi，模型具有不同的意义。具体来说，当β3＞0、β2＜0、β1＞0时，人口城镇化率与城乡恩格尔系数比之间呈n型曲线关系；当β3＜0、β2＞0、β1＜0时，人口城镇化率与城乡恩格尔系数比之间呈倒n型曲线关系；当β3=0、β2＞0、β1＜0时，人口城镇化率与城乡恩格尔系数比之间呈U型曲线关系；当β3=0、β2＜0、β1＞0时，人口城镇化率与城乡恩格尔系数比之间呈倒U型曲线关系；当β3=β2=0、β1≠0时，人口城镇化率与城乡恩格尔系数比之间呈线性关系。
（二）数据来源及描述
在《2013中国统计年鉴》上有我国从1978年至2012年共35年的城乡居民收入、恩格尔系数及城镇化率数据，这为本文实证研究的开展提供了方便。城镇居民年人均纯收入用年鉴中的指标城镇居民家庭年人均可支配收入表示，农村居民年人均纯收入用年鉴中的指标农村居民家庭年人均纯收入表示。从整体来说，我国城镇居民家庭恩格尔系数和农村居民家庭恩格尔系数都呈下降趋势，前者由1978年的57.5降到2012年的36.2，后者则由67.7降到39.3，说明两者的消费水平都在提高。但是从相对水平来说，城乡恩格尔系数比由1978年的0.85上升为2012年的0.92，城乡消费差距相对缩小，当然这并不是简单地一直缩小，而是经历了先缩小再扩大然后缩小的过程。相反，城乡居民收入比则是总体呈扩大趋势，由1978年的2.57上升为2012年的3.10，这说明居民收入水平的变化并不能完全解释恩格尔系数变化。人口城镇化率的总体趋势也是上升，由1978年的0.18上升为2012年的0.53，但在不同时期表现出来的速度有较大差别，前期速度较慢，中后期不断加快。（由于篇幅所限，具体表格可向作者索取）
（三）实证结果分析
为了更好检验假设，根据方程（1），我们设计了4个回归模型，因变量都为城乡恩格尔系数比（Y），回归结果见表1。在模型1中，以城乡居民收入比（Z）为解释变量，发现其在1%的显著水平下通过了t检验，但回归模型的相关系数adj-R2只为0.501072，这说明城乡居民收入只能解释城乡恩格尔系数变化的50%左右，还存在其他变量对城乡恩格尔系数变化有重要影响。在模型2中，我们加入了人口城镇化率（X）作为解释变量，但发现其一次项并没有通过显著性检验，回归模型的相关系数也没有提高多少，这说明人口城镇化率对城乡恩格尔系数比的线性影响不明显。在模型3中，我们单独以人口城镇化率（X）的一次、二次、三次项作为解释变量，发现它们都在1%的显著水平下通过了t检验，且回归模型的相关系数adj-R2达到0.672878，这说明人口城镇化率对城乡恩格尔系数比有非线性影响，且能够解释城乡恩格尔系数变化的67%左右，比城乡居民收入的解释力还强，且由于β3＞0、β2＜0、β1＞0，说明人口城镇化率与城乡恩格尔系数比之间呈n型曲线关系，散点图如图2所示。
在模型4中，我们模型2的基础上再加进人口城镇化率（X）的二次、三次项作为解释变量，结果发现所有变量均在至少5%的显著水平通过了t检验，回归模型的相关系数adj-R2也提高到了0.747187，这说明城乡恩格尔系数比与人口城镇化率之间存在非线性关系，且城乡居民收入比与人口城镇化率两个变量能够解释城乡恩格尔系数比变化的75%左右。另外，从回归系数来看，人口城镇化率（X）的一次项系数为正，二次项系数为负，三次项系数为正，即β3＞0、β2＜0、β1＞0，这说明人口城镇化率与城乡恩格尔系数比之间呈n型曲线关系。
四、结论与启示
第一，市场有其自发调节器，人口城镇化发展并不会使得我国城乡消费差距一直扩大。在人口城镇化发展的不同阶段，城乡消费差距的变化方向是不一样的。人口城镇化所带来的集聚与拥挤两种效应其实质上是市场竞争机制下要素自由流动的结果，高收益在引起要素流入的同时也带来了竞争。随着我国城乡之间劳动力自由流动的壁垒（如户藉、社保、教育等）越来越少，市场自发的竞争机制也越来越发挥作用，某一阶段集聚效应显著所带来的城乡消费差距拉大，会引起下一阶段拥挤效应的制约而缩小城乡消费差距。
第二，人口城镇化依然是提高我国城乡居民消费水平的最大动力机制。虽然人口城镇化在带来集聚效应的同时也带来了拥挤效应，但总体来说它无疑是促进了我国城乡居民消费水平的总体提高，只是在速度上有所差别。当前，我国的城镇化发展带来了很多问题，如房价居高不下对城镇居民消费水平造成负面影响，但是这并不能抺杀其积极的一面，很多农转非的迁移者其实在农村也有房子，他们进城买房本来就是消费水平提高的体现。
参考文献
[1]付波航，方齐云，宋德勇.城镇化、人口年龄结构与居民消费——基于省际动态面板的实证研究[J].中国人口·资源与环境，2013，（11）.
[2]曾令华.我国现阶段扩大内需的根本途径——城镇化[J].经济学动态，2001，(3).
[3]曾国安，胡晶晶.论20世纪70年代末以来中国城乡居民收入差距的变化及其对城乡居民消费水平的影响[J].经济评论，2008，（1）.
[4]蒋南平，王向南，朱琛.中国城镇化与城乡居民消费的启动——基于地级城市分城乡的数据[J].当代经济研究，2011，（3）.
[5]石贝贝，王金营.人口发展变化对区域消费影响的实证研究——基于中国省级区域的数据[J].人口研究，2014，（1）.
[6]陆铭，陈钊.城市化、城市倾向的经济政策与城乡收入差距[J].经济研究，2004，（6）.
[7]姜凌，高文玲.城镇化与农村居民消费——基于我国31个省(区)动态面板数据模型的实证研究[J].投资研究，2013，（1）.
[8]廖直东，宗振利.收入不确定性、乡城移民消费行为与城镇化消费效应——基于微观数据的审视[J].现代财经（天津财经大学学报），2014，（4）.
[9]李超，匡耀求.人口集聚过程中的我国房价收入比[J].学术研究，2013，（2）.
城市化的经济学解释篇10
关键词：证券公司；区位因素；回归检验
前言
中国要发展市场经济，就必须大力发展证券市场。证券市场不仅具有天然的融资功能，还是有效配置经济资源的重要手段，它的某些指标还是衡量一国经济发展状况，特别是投资者信心的晴雨表，一个国家的宏观经济决策和调控政策亦往往通过证券市场反映其效果。
证券公司作为我国证券市场的主要组成部分，经历了从无到有、从小到大的发展历程，各种金融创新业务也加快了步伐。但从整体上看，经纪、自营、以承销业务为主的投行仍是国内券商的最主要业务内容和利润来源。随着我国资本市场逐步对外开放，其生存和发展越来越受到威胁。为促进我国证券公司更合理、更有序、更健康地发展，学者大多从如何评价和提升证券公司的竞争力，制约证券公司发展的因素，证券公司的风险监管制度、治理结构、经营模式、营销能力、人力资本等角度进行研究，对证券公司区位的研究相对较少。正是在此背景下，本文对适于证券公司发展的区位因素进行了探讨。
因为证券公司总部的发展情况直接影响着整个证券公司在国内的发展，所以，每个证券公司在选择总部的区位时都会做一番思量。但是究竟何种区位因素能够有效促进公司的发展并不十分清楚。本文以拥有证券公司总部(以下简称证券公司)的22个城市为对象，结合城市内证券公司的发展情况，探索影响证券公司发展的主要区位因素。
一、区位因素分析
1、资本规模
随着资本市场逐步开放，国际投资银行逐渐介入，我国证券公司资产规模普遍偏小已经成了威胁其生存与发展的因素之一。资本数量的多少直接决定着证券公司的抗风险能力和开展业务的能力，公司所在区位拥有的资本数量多有利于公司扩资、融资，促进公司发展。
2、人力资本
人力资本指凝聚在劳动者身上的知识、技能及其表现出来的能力，是一种与物质资本相对应的资本形态，具有其自身独特的性质，其基本特征有：依附性、动态性、私有性、波动性、群体性、创造性、层次性、潜藏性。员工是企业人力资本的天然载体。与其他行业相比，证券业的经济效益更加依赖于人力资本的经济效益产出。证券公司的员工是知识型员，所以，证券公司应落户于有人力资本优势的区位，有利于提升公司人力资本的经济效益。
3、科技实力
区位在科技实力上的优势能给予证券公司的运作更多技术支持，同时区位内的大学、科研院校、企业研究中心等是证券公司员工的很好来源，此外，科技实力强的区位，拥有的潜在个人投资者也多，这就增加了对公司的业务需求，有利于公司发展。
4、基础设施
基础设施是一个区域经济运行和发展的基础性保障，是企业赖以生存的重要的外部条件之一。基础设施发育的完善与发达程度直接影响区域经济的活跃度、开放度，是吸引外部稀缺资源和整合内部资源的基础性要素，电力、邮电和交通构成区域发展的基础性环境。证券业所需的技术、信息及其产品主要依赖于现代通讯和网络设备，证券公司与客户，以及客户与客户之间主要通过网络等设备进行信息的传递与交流，此外，证券公司与外部的交流也需要发达的交通设施，所以说区位的基础设施对证券公司的发展有着一定的影响。
社会区位优势
社会区位优势指证券公司所在区位的政治文化区位优势，不同的区域在国内的政治文化区位是不一样的，这体现在区域的行政中心等级和科教文中心等级两个方面。我国证券公司无论在总部的选址或是营业部的选址时都会选择所在省份的中心城市或是直辖市，这种做法是有一定道理的，因为这类地区的社会区位优势高。
6、经济发展状况
个人投资者、机构和企业进入证券市场的前提是拥有一定量的资本，所在地的人均地区生产总值影响潜在股票需求者和供给者的数量，同时，一个地区的地区生产总值越多，说明企业发展状况越好，企业数越多，潜在的需要上市融资的企业数量也就越多，所以经济发展状况也是影响证券公司发展的区位因素。
二、实证检验
本文用证券公司所在城市的特定指标表示对应的区位因素，构成计量检验中所需的七个解释变量，并选取变量对城市内证券公司的发展情况进行量化，构成被解释变量，利用eview3.0计量经济学软件将各解释变量与被解释变量一一进行一元线性回归，并对其t值及模型的异方差性进行检验，分析结果，得出结论。
1、检验变量的选取
证券公司发展的好坏不能简单的用某项经营业绩指标来表示，公司发展的好不仅指公司规模大，还要考虑公司的风险控制情况等。王晓芳、王学伟(2008)选择证券公司经营中的18个参考指标，通过因子分析方法全面反映了我国证券公司的综合实力，以排名的形式对我国证券公司2006年度的经营状况做出了全面、客观的评价，本文中采用了他们的研究成果，用其数据构造实证检验中所需的被解释变量。2006年，我国共有104家证券公司，但是公司的规模存在很大差异，为了更加客观，只采用前50家公司的综合得分，剩余64家不进行考虑。前50家公司的总部分布在全国23个城市，用每个城市的证券公司的平均综合得分表示证券公司在该城市的发展情况，这就得到了检验中所需的被解释变量。
为了得到检验中所需的解释变量，需要选取变量来量化六个区位因素。为了得到检验中所需的解释变量，需要选取变量来量化六个区位因素。本文从《中国城市竞争力报告》中选取了资本数量指数、人才竞争力、科技实力指数、基础设施竞争力、政治文化区位优势指数这五个指标依次量化前五个区位因素。另外，经济发展状况这一区位因素，用城市的GDp与人均GDp两个变量表示。
2、样本数值
对上述各变量的样本值进行整理，现列表如下。
3、回归检验
利用表2中的样本资料，将前五个解释变量分别与被解释变量——证券公司的平均综合得分，进行一元线性回归，并记录斜率项的t检验值。将地区GDp与人均地区GDp这两个解释变量与被解释变量进行多元线性回归，记录t检验值及F检验值。本文采用了截面数据做样本，对于这类计量经济学问题，由于在不同样本点上解释变量以外的其他因素的差异较大，往往存在异方差性，所以，本文对回归模型的的区位因素实证研究异方差性做了white检验。并给出了与各模型相对应的怀特统计量。回归结果见下表。
在5％的显著性水平下，自由度为20的t分布的临界值为t0.025(20)=2.086，在10％的显著性水平下，自由度为20的￡分布的临界值为t0.05(20)=1.725，因此，前六个解释变量的参数都通过了5％显著性水平下的t检验，人均地区GDp的参数未通过检验，但在10％的显著性水平下，其参数也通过了检验，且给定显著性水平a=0.05，查，分布表，得到临界值F0.05(2.19)=3.52，又11.8>3.52表明模型的线性关系在95％的置信水平下显著成立，即地区GDp与人均地区GDp确实对证券公司的平均综合得分产生显著影响。从怀特统计量的值及其伴随概率看出，每个模型都不能拒绝同方差性这一原假设，即不存在异方差问题。
4、结果分析
通过回归检验，发现七个解释变量都对被解释变量产生显著影响，根据t值的大小，影响程度由大到小的变量依次为：人才竞争力、政治文化区位优势指数、地区GDp、资本数量指数、基础设施竞争力、科技实力指数、人均地区GDp。基于上述发现，得出以下结论：六个区位因素对证券公司的发展有着显著影响，但影响程度有着些许区别，由大到小依次为：人力资本、社会区位优势、经济发展状况、资本规模、基础设施、科技实力。
三、结语