城镇化与第三产业及其就业拉动的关系研究

陈珊+刘琪

【摘要】本文利用VAR模型，对城镇化及其就业拉动的关系进行了实证研究，发现城市化率、第三产业GDP贡献率与第三产业就业比重间存在如下关系：第三产业就业比重的上升将对其自身、第三产业GDP贡献率以及城镇化率产生持续的正向影响；镇化率主要受其自身和第三产业就业比重的双重影响，第三产业GDP贡献率的影响很小。

【关键词】城镇化 第三产业 VAR模型

城市化与第三产业的关系之一直是经济学界关注的焦点，但在这一领域地研究多偏向于定性、地域实证和宏观辩证分析，少有将城市化、第三产业增长和其就业联动并行分析的成果。

一、文献回顾

对城市化与第三产业的关系，国内外学者从进行了大量研究，产生了众多研究成果，其中代表性的观点有：城市化与第三产业协同演进。多数学者认为，城市化与第三产业协同演进、协调发展，彼此存在着显著正向影响；第三产业与城市化的彼此影响并不对等；城市化对推动第三产业的发展具有重要作用。城市是第三产业产出的重要需求部门——制造业的集聚场所，其发展为第三产业的发展提供了必要的要素，促使服务企业发展成长；中国的城市化和第三产业发展同时滞后。我国城市化与工业化的发展并不同步，其突出的表现正是第三产业的发展与城市化长期滞后于工业化。

上述研究成果表明，学者们对城市化与第三产业之间存在着某种互动关系都予以认同。

二、变量选择与模型构建

（一）变量选择

本文采用狭义的城市化定义，用城镇化率作为核心指标，衡量我国的城市化水平的，第三产业就业水平则选取“第三产业就业人员”和“第三产业就业比重”来体现，用ur、tg、te 分别代表人口城市化水平、第三产业增长水平及第三产业就业水平，并用dur、dtg、dte分别三个变量的方差。

（二）数据来源

ur、tg、te的数据分别来自历年《中国统计年鉴》和《新中国60年统计资料汇编》。

（三）模型构建

本文采用向量自回归模型（VectorAutoregression，记为VAR）进行分析，以避免模型模拟因内外生变量区分不当而导致错误的现象。

三、实证研究

（一）变量的ADF单位根检验

为了避免“伪回归”问题，对时间序列进行分析前，首先对原变量序列进行单位根检验（平稳性检验）。本文利用Eviews6.0软件，选取ADF方法对数据进行平稳性检验，检验结果表明，三个时间序列数据都在5%的显著性水平下通过了t检验，为平稳序列，即TG、TE、UR均为I（1）序列。

（二）VAR最优滞后阶数的确定

如表2所示，本文根据AIC、HQIC、SBIC等信息准则，以及LR似然比、FPE均方误差等判别方法，选择滞后期为3，即VAR（3）。

（三）VAR模型的稳定性检验

如图1所示，本文所构建的VAR（3）模型的特征方程的所有根的倒数都在小于1，在单位圆内。因此，本文所构建的模型是稳定的。

（四）格兰杰（Granger）因果关系检验

两个经济变量之间的格兰杰（Granger）因果关系是指，若一个变量有助于解释另一个变量的未来变化，那么第一个变量被认为是导致第二个变量变动的格兰杰原因。

（五）脉冲响应函数

VAR模型系数仅反映的是局部的动态关系，而不是全面复杂的动态关系，利用脉冲响应函数，可以弥补这个缺陷，分析模型中的每个内生变量对自身及其余内生变量的冲击做出的反应。

（六）方差分解分析

方差分解通过分析结构冲击对内生变量變化的贡献度，来评价不同结构冲击的重要性。

四、结论

本文通过构建VAR模型，利用格兰杰（Granger）因果检验、脉冲响应函数分析和方差分解分析等得出如下结论：

第一，变量之间的Granger因果关系检验显示，对城镇化率而言，第三产业就业比重是其单向Granger原因；第三产业GDP贡献率与第三产业就业比重之间、第三产业GDP贡献率与城镇化率之间不存在Granger因果关系。

第二，对短期脉冲响应的分析得出，第三产业就业比重的上升对其自身、城镇化率和第三产业GDP贡献率都将产生持续的正向影响；第三产业GDP贡献率上升对城镇化率、第三产业就业水平影响较小，只对其自身的影响最为显著；城镇化率的上升对第三产业的产值和就业水平及其自身的影响都较小。

第三，对预测误差方差分解的分析得出，第三产业就业比重主要受其自身影响，第三产业GDP贡献率和城镇化率对其影响可以忽略不计；第三产业GDP贡献率主要受其自身变动的影响，受第三产业就业比重的和城镇化率的影响相对较小；对城镇化率的预测除第1期主要受其自身影响外，第2期及以后受其自身和第三产业就业比重的双重影响，第三产业GDP贡献率的影响很小。