空间视角下金融支持对新型城镇化的影响研究

2018-08-30张小波

山西财政税务专科学校学报 2018年1期

张小波

(武汉大学，湖北武汉 430072)

一、引言

金融与新型城镇化的关系是最近几年经济学者重点关注的问题。Kyung-Hwan Kim(1997)认为人口与产业的集聚需要大量资金流入,这就需要构建一个良好的金融生态圈才能实现。Iimi(2005)也提出了相似的观点,他认为只要满足城市化进程中大量基础设施建设与房地产建设的融资需求，就能促进城市规模的增长。陈雨露(2013)认为,教育、医疗、养老、交通、商贸、房地产等新增市民需求会衍生出对应的金融服务需求,这也体现了农村人口到城市人口在生活方式上的变化,金融机构应该扩展业务、鼓励创新,满足居民上述金融需求。杨慧、倪鹏飞(2015)采用协调度评价模型研究金融与城镇化二者之间的关系,发现二者之间正向着好的方向发展,但是金融支持力度仍然不足。我国新型城镇化建设主要是依靠政策性金融来支持,商业性金融支持力度较低。罗琼(2016)从政策性金融和商业性金融两个方面深入研究,认为政策性金融和商业性金融的互补将加速新型城镇化建设,因此有必要加强商业性金融对新型城镇化的支持力度。陆岷峰、马艳(2009)提出，金融支持城镇化需要从优化金融市场、支持中小金融企业服务地方发展、建立多层次多元化的融资体系入手。熊湘辉、徐璋勇(2015)研究表明,我国省份新型城镇化水平和金融支持性是客观存在的,并且有明显的区域差别,金融规模、金融效率、金融结构对新型城镇化建设有显著影响,并建议提高金融效率、扩大金融规模、完善金融结构。崔喜苏(2014)从金融支持新型城镇化的具体方式入手,提出新型城镇化的推进不仅体现在对农业现代化的提升上,更重要的是通过产业的转移与升级容纳更多的就业人口。吴超、钟辉(2013)也提出了类似的观点,认为金融应着力支持工业化发展、产业结构升级、农业部门现代化、基础设施建设、中小企业发展等增长源。王弓、叶蜀君(2016)从空间计量的角度入手,认为我国各省份城镇化水平相互影响,其中金融集聚通过产业升级路径影响区域城镇化时，溢出作用最大。

从以上研究可以看出,金融对新型城镇化发展十分重要。在上述研究的基础上,本文选用金融规模、金融业发育程度、金融结构三个金融支持指标深入分析金融支持对新型城镇化的影响。同时,本文采用空间计量方法,较之以往的研究,加入了往往被忽视的空间关系,更加全面地分析问题。

二、金融支持与新型城镇化建设相互影响的机理分析

金融发展与城镇化彼此之间相互影响,相互推动。随着金融改革不断深化,居民储蓄率上升,更多储蓄转向投资,资本配置效率提高,带动城市经济增长,促进新型城镇化的发展。同时,城镇化水平提高带来的集聚效应扩大了金融市场的规模,促使金融体系加速改革。金融的不断发展促使人口、产业等要素在空间上集聚,加速新型城镇化向前发展，如图1所示。

图1 金融发展与新型城镇化之间的互动机制

新型城镇化建设对资金的需求单凭各级财政支持远远不够,必须依靠金融支持。其一,在产业结构调整和产业升级方面,金融通过提供融资、技术升级或风险防范的支持带动经济结构由劳动密集型向技术密集型转型、低附加值产业向高附加值产业升级，进而推动新型城镇化进程。其二,在公共物品供给方面,只有通过金融筹集大量资金投入到这些初始投资大、回报周期长的公共物品,才能保障城镇化的质量。其三,在解决就业压力方面,日益现代化和机械化的大型企业提供的就业岗位难以满足就业需求,消化和吸收城镇化就业的往往是那些中小企业,但是中小企业因为信用基础薄弱、信息不对称等,融资难成为其发展的拦路虎,所以金融要主动为中小企业提供资金支持和担保，使其日益壮大成为缓解就业压力的主力军。其四,在农业现代化方面,通过将大量农业人口转向非农业人口不是根本之策,只有改变传统农业生产方式向现代化转变,通过金融提供现代化的农业技术、农业信息、农业装备，缩小城乡之间差距，才能真正实现新型城镇化。其五,在城乡生态保护方面,传统的城镇化是粗放式的城镇化,是通过高消耗与高污染带来经济的增长和城乡建设的深入,而我国新型城镇化是在保护环境的基础上进行的,所以金融要为城乡生态提供技术、设备等支持，保护共同的碧水蓝天。

新型城镇化的发展会产生双重集聚效应,一个是人口在城镇的集聚,另一个是经济活动在城镇的集聚。首先,经济增长带动人口增长,收入增加的农村劳动力用于消费的比例上升,消费比例的上升能有效推动城市经济发展并带动收入再次增长。人们在满足自身所需消费之后，剩余的货币将带动金融需求的增加,从而反向推动金融机构在业务上创新,推动金融业发展。城市土地面积的有限和城市人口规模大幅提高的矛盾促使城市住房价格持续攀升,房地产行业的发展需要金融市场提供大量资金,在这一过程中,住房的供给者和需求者都对金融市场有很大的依赖性,所以房地产行业推动金融不断深化发展。其次,资本的集聚带动产业结构不断升级。城镇化不断加快,产业不断升级,随着专业化水平的深化和社会分工的细化,各种生产要素在利益的驱动下向效益高的部门流动。在资源再配置过程中,票据结算机构也需要不断发展来满足各地区、各企业的密切交流与合作。同时,大量企业在集聚效应下不断向城市集聚,相同类型企业之间通过信息共享和资源共享达到合作和促进,而不同类型企业的集聚又能完善经济结构和市场需求。企业规模不断扩大,对资金的需求也逐渐扩大,刺激金融市场的不断发展。最后,集聚效应将带来规模化效应,完善的供水、供电、通信等基础设施将最大化发挥规模化效应,所以为匹配基础设施建设的融资需求,必须改变现有的融资体系,推动金融业改革。

没有扩散的集聚或是没有集聚的扩散都无法促进新型城镇化的长期发展。城镇化发展到一定阶段后,规模经济效应将不复存在,城镇产业向城镇外围移动,这便是扩散效应。当扩散效应产生时,金融结构已基本完善,金融需求已基本满足。此外,在扩散阶段,金融业渗透至农村,为金融机构开拓了新的市场,促进金融业的调整和升级。

三、数据说明、计量模型

(一)指标选取与数据说明

本文选取2007—2015年中国31个省域的截面数据,选取空间计量模型,研究分析哪种金融支持指标可以有效推进新型城镇化建设。本文的变量由被解释变量、解释变量和三个控制变量构成。

1.被解释变量。新型城镇化水平Y。新型城镇化坚持以人为本,对于人的生活环境的改善和发展潜力的提升十分重视,人口城镇化是农村人口向城镇流动的体现,所以人口城镇化指标是国内目前衡量新型城镇化水平的关键指标。其计算公式为：新型城镇化水平=城镇范围内全部人口/总人口数。

2.核心解释变量。金融支持水平X1。本文共选用三个金融支持指标衡量金融支持水平,分别为金融规模(FIN1)、金融业发育程度(FIN2)、金融结构(FIN3)。(1)金融规模常用金融相关率来衡量。金融相关率=金融机构存款+金融机构贷款/GDP。由于金融相关率能较好地反映金融资源对单位GDP产值的支持,进而反映其为城镇化建设所提供的支持。(2)本文选用金融产业增加值与地区生产总值之比作为衡量金融支持对新型城镇化建设的指标。金融业增加值能体现金融产业发展对社会发展的影响,故本文采用金融业增加值反映金融业发育程度。(3)金融结构采用直接融资率来衡量。直接融资率=企业债券+非金融企业境内股票融资/社会融资规模。一地的直接融资比例和该地区非金融机构的融资效率、金融结构是否高级化正相关。

3.控制变量。(1)基础设施建设X2。房地产业是社会固定资产中最为重要的一项。一方面，房地产业的发展推动新型城镇化基础设施建设；另一方面,过度的房地产开发投资将会抑制城镇化的推进。本文选用房地产投资作为基础设施建设指标。(2)科技创新投入X3。科技创新是推动新型城镇化发展的重要引擎。由于R&D(研究与试验发展)是最能体现创新能力的科技活动,故本文采用R&D经费支出衡量科技创新投入。(3)第三产业发展水平X4。第三产业是解决农村劳动力就业的排头兵。当工业化发展到一定程度时,服务业比重的上升对新型城镇化发展会产生更大影响,服务业在就业中所占的比例也将逐步扩大。本文采用地区第三产业产值占地区生产总值的比重来衡量第三产业的发展水平。

本文数据均选自2007—2015年《中国统计年鉴》《中国金融年鉴》《中国区域金融运行报告》。同时对所有指标作对数处理消除异方差性。各变量的观测数、最大值、最小值、平均值、标准差见表1。

表1 变量及描述表

(二)空间计量模型设定

本文基本计量模型如下:

Y=β0+β1X1+β2X2+β3X3+β4X4+ε

其中,β0为截距项,β1、β2、β3、β4为回归参数,ε为随机误差项。

(三)空间计量方法

空间计量方法如下:首先采用空间分析方法检验被解释变量，即全国31个省域新型城镇化发展是否存在空间自相关性；若存在,则采用空间计量模型进行下一步分析。

1.空间自相关性。空间自相关统计量是用于度量地理数据某位置上的数据与其他位置上的数据间的相互依赖程度,这种依赖被定义为空间依赖性。本文采用MoranI指数来对全国31个省域新型城镇化发展进行全局空间自相关性检验。MoranI定义为:

2.空间计量模型。本文主要使用空间滞后模型(SLM)、空间误差模型(SEM)与空间杜宾模型(SDM)进行分析。

(1)空间滞后模型主要对各变量在一地区是否有溢出效应进行研究。通过考虑空间结构造成的影响，可以更好地估计和预测解释变量的趋势,控制空间效应所带来的影响。其模型表达式为:

Yt=ρWYt+Xtβ+εt

其中,n为截面中的个体数,Yt为n×1个被解释观测值向量,Xt为n×(k+1)个解释变量观测值矩阵,W为n×n阶空间权重矩阵,WYt为被解释变量的空间滞后向量,ε～N(0,Ω),ρ是空间自相关系数,是衡量邻接地区被解释观测值的空间滞后向量对本地区Yt的影响程度。

(2)空间误差模型通过误差项来度量邻接地区关于被解释变量对本地区观察值的影响程度。其模型表达式为:

Yt=Xtβ+εt且εt=λWεt+μt

其中,ε～(0,δ2In),β反映了解释变量Xt对被解释变量Yt的影响,λ是空间误差自相关系数,为邻接地区的观测值对本地区观测值的影响方向和程度提供解释,一般情况下要求满足|λ|<1,并且空间矩阵W的单位根小于1(对空间矩阵进行标准化处理),该模型还可以改写成(In-λW)Yt=(In-λW)βXt+εt,表示被解释变量同时受到本区域的解释变量观测值矩阵Xt、邻接区域的被解释变量的空间滞后向量WYt和解释变量WXt的共同影响。

(3)空间杜宾模型在考虑被解释变量空间相关性的同时，还考虑了解释变量的空间相关性。其模型表达式为:

Yt=ρWYt+Xtβ+WXtθs+Ina+εt

其中,WYt为被解释变量的空间滞后向量,WXt是解释变量空间滞后项,反映邻接区域解释变量对区域因变量的空间影响,β是解释变量的系数,ρ是空间滞后向量WYt的系数,θ是解释变量空间滞后项的系数。

对于上述三种模型，一般采用极大似然法对参数进行估计，以避免使用最小二乘法估计所带来的系数估计值有偏或者无效的情况。

3.模型的选择。通过拉格朗日乘数(LMERR、LMLAG)和稳健的拉格朗日乘数(R-LMERR、R-LMLAG)对空间依赖性进行检验。如果LMLAG、R-LMLAG在统计上分别比LMERR、R-LMERR更加显著,则使用空间滞后模型;反之则使用空间误差模型。如果拉格朗日乘数和稳健的拉格朗日乘数都显著的话,则采用空间杜宾模型。

四、回归结果及分析

(一)空间自相关检验

本文运用matlab计算出2007—2015年中国31个省域的城镇化的MoranI指数及其显著性检验结果，由表2可以看出,城镇化的MoranI基本均通过1%显著性检验。

表2 2007—2015年我国31个省域城镇化的Moran I指数

(二)空间计量结果分析

本文建立的模型有三个：模型1为金融规模支持新型城镇化建设,模型2为金融业发育程度支持新型城镇化建设,模型3为金融结构支持新型城镇化建设。本文拟采用matlab对非空间面板模型估计及检验，判断哪种模型更为合适，结果见表3。

表3 非空间面板模型估计及检验

通过拉格朗日乘数(LMERR、LMLAG)和稳健的拉格朗日乘数(R-LMERR、R-LMLAG)的检验,本文三个模型均采用空间杜宾模型(SDM)。模型回归结果见表4。

表4 模型回归结果

在三个模型中，W*Y的系数均通过1%的显著性检验且系数为正,说明区域之间城镇化水平有相互促进的作用。

在金融规模支持新型城镇化建设模型中,金融规模指标回归系数达到0.184 7,且达到了1%显著性水平,这表明金融规模每提高1%,将促进新型城镇化水平提高0.184 7个百分点。控制变量方面,基础设施建设指标回归系数为-0.062 9且达到了1%的显著性,证明房地产业发展并不能有效推动新型城镇化的建设,房地产开发投资对新型城镇化具有“挤出效应”。当房地产市场失灵时,过度的房地产开发投资将会抑制新型城镇化的推进,如果政府强调通过房地产开发来推动新型城镇化建设,更有可能导致房价上涨、居民迁出城镇的局面,不利于农民工在城里安家落户。科技创新投入回归系数显著为正,表明科技创新每投入1%,新型城镇化水平提高0.129 0%。第三产业发展水平在此模型中不显著,但是W*X4显著为正,表明当相邻省份第三产业发展水平每提高1%时,会促进该省份新型城镇化水平提高1.051 3%。同时,我们可以看出,W*X1的回归系数为-0.515 6且达到1%显著性,说明当邻域的金融规模提高1%时,会促使该省份的新型城镇化水平降低-0.515 6%;W*X2在1%的水平下显著为负,说明当周围地区基础设施投入增加时,该地区的新型城镇化水平将下降;W*X3回归系数为0.158 1且达到1%的显著性,说明当邻接省域科技创新投入增加1%时,本地区新型城镇化率将提高0.158 1个百分点。

在金融业发育程度支持新型城镇化建设模型中,金融业发育程度指标回归系数达到0.130 6,且达到了1%的显著性水平,这表明金融业发展每提高1%,将促进新型城镇化水平提高0.130 6个百分点。控制变量方面,基础设施建设指标仍旧显著为负,科技创新投入回归系数显著为正,第三产业发展的回归系数为0.146 4,达到了5%的显著性水平,证明第三产业有力推动新型城镇化建设的发展。W*X1显著为负,证明当周边省域金融业发育较快时,该省份新型城镇化水平将下降。这表明各省域之间的金融资源存在竞争效应,当某一地区所拥有的金融资源较多时,其相邻地区所拥有的相应金融资源就势必减少,从而降低新型城镇化发展水平。W*X2显著为负,W*X3和W*X4显著为正,三个变量对被解释变量的方向与模型一的相同变量方向相同。

在金融结构支持新型城镇化建设模型中,金融结构指标回归系数达到0.038 8,且达到了5%的显著性水平,这表明金融结构指标每提高1%,将促进新型城镇化水平提高0.038 8个百分点。控制变量方面,基础设施建设指标显著为负,科技创新投入显著为正,第三产业发展显著为正,这与模型二相同变量的方向相同。W*X1在10%的水平下显著为负,证明社会融资量有限,在一定的范围内,某一地区社会融资量不仅会吸收本地区的资金,还会吸引周边省域资金的集聚。W*X2显著为负,W*X3和W*X4显著为正,三个变量对被解释变量的方向与模型一的相同变量方向相同。

实证结果发现:(1)新型城镇化通过正的外部性在空间上产生集聚。(2)金融支持指标显著促进本区域新型城镇化率提升,而对邻域的新型城镇化水平影响不大。这符合我国金融资源在空间地域分布上的不平等、不同步性。其原因在于各地区初始禀赋不同,后续所获得的政策支持不同,各种历史与偶然的因素相叠加。在我国这样一个不完善的市场经济体制中,金融支持的辐射范围难以突破行政规划,无法在更大范围内实现资源整合。(3)控制变量基础设施指标房地产投资，一方面可以让居者有其屋,在改善城乡面貌的同时促进经济发展,推动新型城镇化快速发展；另一方面过度的房地产投资会推动房价过快上涨,高房价对人口进程有明显的挤出效应,并推高服务业成本,使农民无法向市民转变身份,无法推进城市公共服务均等化进程,形成人口与土地城镇化不同步,制约新型城镇化的发展。(4)控制变量科技创新投入指标，由于科技所带来的先进性以及较快的传导性,在促进本地区新型城镇化发展的同时，也能带动周围省域新型城镇化的发展,因此要加大对科技创新的投入,这也印证了科技是第一生产力。(5)控制变量第三产业发展在后两个模型中显著为正,证明产业升级不仅有利于自身新型城镇化的提高,周围省域承接先进地区落后的产业、工业同样可以促进新型城镇化的发展,具体来说应该是一种从东到西的趋势。

五、结论及政策建议

与发达国家相比,我国城镇化在规模、质量上都明显滞后。影响我国新型城镇化进程的因素有很多,其中之一就是资本,对于我国目前金融行业发展而言,金融支持力度太小,金融支持方向不明,且局限较多,使其在长期内成为制约我国新型城镇化发展的主要原因之一。本小节在前文论述以及实证研究的基础上,对金融支持新型城镇化建设提出如下政策建议:

(一)完善新型城镇化金融支持体系

目前我国金融业对新型城镇化建设更多的是依靠间接融资即银行贷款,这样的方式过于单一,不利于闲置资金向新型城镇化建设方面聚集。在未来十年,如果城镇化率年均提升1%,中国城市年均将新增1 300万人。参照通常标准估算,一个农民工市民化所需投资大约为15万元,因此,全国每年需要大约2万亿资金。银行贷款难以满足如此大的资金需求,因此要扩展融资方式和融资渠道,建立多层次、多元化的新型城镇化金融支持体系。

(二)加强对金融业的有效监管,同时鼓励地方性中小金融企业的发展,鼓励金融创新

地方性中小金融企业的发展能够有效弥补大型金融机构不能关注到的领域,其主要服务于当地经济发展,为广大农村地区及小城镇提供针对性强、质量高的金融服务支持,同时通过扩大营业规模达到一定的金融发育程度,推动新型城镇化的发展。落实到具体层面便是要逐渐消除对各类中小金融企业歧视性政策,为其营造一个公平的市场环境,而且要尽快制定和落实对中小金融企业的各项扶持政策,为其发展提供一个良好的政策环境。