华东地区财政金融支持新型城镇化的SD仿真预测

新型城镇化资金需求最重要的是建立完善的财政金融支持体系。本文基于2003—2016年面板数据，建立华东地区财政金融支持新型城镇化评价指标体系，通过投影寻踪赋权法测算各综合指标值，并进行空间相关性检验，构建财政金融支持新型城镇化建设的流率基本入树仿真模型。实证分析表明：财政支持存在显著的空间溢出效应；新型城镇化建设受财政政策和金融政策的支持作用较为明显，税收收入和居民储蓄存款在“十三五”和“十四五”期间对新型城镇化发展作用各异，后者表现得更为稳定的正向促进作用。

一、引言与文献综述

2014年2月4日，国家发改委等11个部委联合印发《国家新型城镇化综合试点方案》，华东地区的安徽、江苏两省和宁波等62个城市(镇)及2个建制镇被列为国家新型城镇化综合试点地区。新型城镇化对资金的需求巨大，离不开财政与金融的支持。据估算，在现有财政金融条件下，扣除政府财政收入（含土地收入），到2020年，新型城镇化投资需求年均约8万亿元，在经济新常态下，积极推进新型城镇化必然要加紧建立多元化、可持续的资金保障。

国内外学者实证研究了财政金融支持城镇化发展，比较一致的观点认为两者之间存在双向的正相关关系。Stopher［1］和Hyung-Hwan Kim［2］的研究表明：投资水平、经济增长等因素影响了美国和英国的城市化发展，城市化受资本投入影响最为显著。Chang［3］分析了金融体系为基础设施建设提供资金支持的情况。Henderson［4］着眼于财政支持基础设施建设和社会公共服务体系建设，研究城镇化问题。彭江波等［5］基于土地增值收益角度，构建了“财政诱导+金融跟进”的新型城镇化融资体系。张明等［6］测度了城镇化进程中的财政金融政策支持效率。梁益琳、缪晨阳［7-8］指出城镇化与财政之间存在相互影响、相互补充的关系。

就研究方法而言，周战强［9］利用向量误差修正模型研究了城镇化中财政与金融的不同影响，财政投入只对城镇化存在短期效应，而金融对城镇化的长期影响更为显著，三者在长期达到均衡。郭江山、徐小林等、林志伟和张庆宪等［10-13］借助向量自回归模型，分别证明了金融发展能够显著促进城镇化进程；长期来看，人口城市化与财政基本建设投资之间存在均衡关系；金融扩张和金融效率的提高在促进城镇化发展的同时，城镇化也会通过带动本地区经济发展和产业结构的升级反向促进金融结构优化，提高金融效率。刘心怡利用倾向值匹配的倍差法对新型城镇化政策效果进行评估，并探究其在不同条件下的实施效果。［14］杜春玲［15］采用灰色关联度模型检验了城镇化发展与金融支持的相关性，认为政策性金融比商业性金融更能促进城镇化发展。以上学者的研究范围涉及全国许多省份，因而结论具有一定的普遍性。

在华东地区的江苏省与安徽省六个地级市、四个县级市和浙江省苍南县龙港镇作为国家开展新型城镇化综合试点的大背景下，本文着眼于华东地区新型城镇化建设，通过检验新型城镇化、财政、金融支持综合指数的空间溢出效应，构建复杂系统分析框架，建立系统动力学（SD）流率基本入树仿真模型，定量刻画和动态演绎华东地区财政金融支持新型城镇化建设的作用机制及路径，为国家新型城镇化建设提供政策参考。

二、评价指标体系和研究设计

（一）新型城镇化及财政金融系统评价指标体系

新型城镇化是建立城乡统筹一体、产城融合、资源节约集约、环境宜居、人与自然和谐发展为基本特征的城镇化，是城镇化的较高级阶段，是大中小城市、小城镇、新型农村社区协调发展、互促共进的城镇化。新型城镇化建设涉及许多方面和主体，它的资金需求特点是金额大和期限长，社会效益明显但商业效益不高，需要发挥政策性财政和金融的引导和促进作用，推动建立市场化、可持续的资金保障机制，如建立城投公司和发行城投债。

在文献学习和充分考虑新型城镇化、财政金融支持的科学内涵的基础上，遵循可比性、动态性、完备性原则，参考已有文献中的评价指标，经过归类整理，本文构建了华东地区新型城镇化和财政金融支持系统的评价指标体系(见表1)。鉴于指标的可获得性和完整性，本文研究时间起点确定为2003年，数据分别来自2004—2017年中国统计年鉴以及同花顺iFinD数据库。

（二）研究方法

1.投影寻踪赋权。金融经济分析的特点是指标多，且数据多为非正态分布和非线性数据，投影寻踪(Projection Pursuit，PP)正好是处理高维空间中这类数据的一种统计方法，其赋权算法包括如下步骤：

评价指标数据归一化处理：本文研究数据均为正向指标，故可以逐年地统一采用极差法对数据进行标准化处理。

表1 新型城镇化和财政、金融支持系统指标体系

其中，局部密度的窗口半径k=0.1Sz，距离dij=｜zi-zj｜,t=k-dij，单位阶跃函数u(t)在t＜0时为零，否则为1，构造投影指数函数Q(a)=SzDz，用粒子群算法通过求解投影指标函数最大化问题：

迭代得到最大投影函数值并求得最佳投影向量a*=［a*（1） a*(2) …a*(n)］ （3）

求解评价指标权重：实际上，最佳投影向量a*真实反映了各指标的不同重要程度，且它是单位投影向量，平方和为1，故可以将w=［a*2（1） a*2(2) …a*2(n)］作为各评价指标的权重，MATLAB编程可以很轻松地完成上述所有运算，表1列出了2016年华东地区新型城镇化、财政和金融支持评价指标的投影寻踪赋权值。

2.Moran′s I指数全局空间自相关。

其中，Yi表示i省市的样本指数；和S2分别表示样本指数的均值和方差；n表示样本省市总数；Wij表示空间经济权重矩阵，它由地理空间权重矩阵和经济权重矩阵合成，地理空间权重矩阵经过样本单元地理坐标中的经纬度转化而来，经济权重矩阵是由各省市GDP所占比重均值所组成的对角矩阵。

3.SD流率基本入树建模。建模初期，将新型城镇化的财政、金融支持系统划分成不同的子系统，建立各子系统的入树结构模型，然后根据矩阵、反馈环等相关理论对各子系统进行综合集成，生成整个系统的复杂结构模型。具体步骤包括：通过系统动力学理论、历史数据、行业经验和专家判断力四方面相结合进行系统结构分析，建立研究系统的流位流率系｛(L1(t),R1(t),L2(t),R2(t),…Ln(t),Rn(t)｝；结合实际情况，建立Ri(t)(i=1,2,…,n)依赖Li(t)(i=1,2,…,n)、Rk(t)(k∈(1,2,…,n),k≠i)及环境变量的因果链二部分图；再分别建立以Ri(t)(i=1,2,…,n)为根，基于Ri(t)依赖的流位变量Li(t)、流率变量Rk(t)及经济变量为尾的二部分图，逐树逐枝或逐树逐层建立每棵流率基本入树，得到系统的流率基本入树合流图。

（三）研究设计

本文首先确立华东地区的新型城镇化及其财政、金融支持系统指标体系，采用投影寻踪赋权法测算三个综合指数的相应权重及指数值，将新型城镇化、财政支持和金融支持综合指数进行空间可视化演示，并进一步检验财政、金融支持和新型城镇化的空间自相关性；最后引入空间自相关因素作为空间影响因子，建立SD流率基本入树模型，调控参数进行仿真，预测“十三五”和“十四五”时期财政、金融政策对华东地区新型城镇化的动态影响。

三、结果与分析

利用测算出的华东地区新型城镇化、财政和金融支持综合指数，先检验新型城镇化、财政与金融支持综合指数的空间自相关性，然后构建新型城镇化的财政金融支持SD流率基本入树仿真合流图。

（一）华东地区新型城镇化水平综合评价

华东地区新型城镇化发展受国际环境、国内经济发展影响较大，2003—2016年间，人口、空间、产业城镇化发展态势各异。人口城镇化方面，2003—2009年各省市出现较大波动和跳跃，波峰出现在2005年和2008年，这是2004年世界经济全面复苏和国内过热经济的正常反映。爆发国际金融危机之后的2009年，上海市由之前的第一名跌至最后一名，而山东省正好相反，取代上海市成为领跑者，福建省的人口城镇化发展乏力，下滑较明显，排至倒数第二。2009年后，华东地区人口城镇化稳中有升，呈现较好局面。空间城镇化方面，2006年是关键年，五个省这一年跌至最低水平，2007年后，除山东省外，其他五省一市，人口城镇化发展较平稳，江苏省表现最好。产业城镇化方面，江苏省呈现较佳的发展势头，其他五省一市中，经济较不发达省徘徊不前，经济较发达省有逐年下滑的趋势。

综合人口、空间、产业城镇化指数，得到华东地区2003—2016年新型城镇化水平测度值，表2列示了2008—2016年的测度值。从纵截面上看，各省市新型城镇化水平大约在2010年达到峰值。

（二）新型城镇化和财政、金融支持空间分布格局

为了直观反映华东地区新型城镇化和财政、金融支持空间格局及其演变，本文以2003、2009、2016年测算值为例，将新型城镇化水平由低值到高值分为三个等级并将其空间化，整体上看，华东地区新型城镇化发展呈现三、一、三阵势，即上海市、江苏省和山东省始终处于新型城镇化最高水平等级，浙江省居于第二梯队，福建省、江西省和安徽省居于第三梯队。

华东地区财政、金融支持由早期的财政支持普遍大大弱于金融支持，演变为2016年的六省市（浙江省除外）财政支持高过金融支持，这也是效率向公平的转变，是“以人为本”管理政策的体现。2009年后，上海市金融实力弱化，江西省、安徽省和山东省的财政实力增长很快，新型城镇化建设中，江西省需要着手做大做强金融。

表2 2008—2016年华东地区新型城镇化水平测度值

（三）Moran′s I指数全局空间自相关检验

空间自相关检验中，Moran′s I取正值，则表示所评价指数存在空间同质性；Moran′s I取负值，表示所评价指数存在空间异质性。表3报告了华东地区新型城镇化和财政金融支持综合指数的Moran′s I值，表明2003—2016年，仅财政支持表现为空间正自相关，也就是各省市财政支持呈现空间同质性，存在空间溢出效应，财政支持较高（低）的省市被相邻财政支持较高（低）的省市所包围。华东地区财政支持在空间分布上具有明显的正自相关关系（空间依赖性），说明各省市财政支持的空间分布并非完全随机，而是表现出相似指数值在相邻空间的集聚。

（四）流率基本入树建模

财政支持综合指数的全局空间自相关检验表明，Moran′s I指数大于零，在10%的水平上显著且存在空间集聚现象，华东地区财政支持显示出空间自相关特征，于是考虑将空间因素纳入流率基本入树流图模型，并进行仿真预测。

表3 新型城镇化和财政金融支持综合指数的Moran′s I指数

新型城镇化、财政和金融系统之间的关系错综复杂，而还原论与整体论相结合为探索系统复杂性指明了方向。流率基本入树逐步仿真方法以还原论思想为指导，通过分别建树，分别建仿真方程，逐步仿真，然后整体仿真，利于用整体论与还原论相结合的思想方法对问题进行有效研究。流图模型共设3组流位流率对，设置仿真步长为0.25年，2005年为仿真初始时间，2025年为仿真分析结束时间，模拟总时段为84。

流率基本入树建模开始，确定第一棵树的流位变量为财政支持L1(t)，财政支持变化率R1(t)为流率变量；内生变量包括财政收入、城镇化率、GDP变化率、金融支持L2(t)、新型城镇化水平L3(t)。第二棵树的流位变量为金融支持L2(t)，金融支持变化率R2(t)为流率变量，同时引入空间影响因子作为增补变量；内生变量有财政支持L1(t)、新型城镇化水平L3(t)、居民储蓄存款、GDP变化率、货币增长率。第三棵树的流位变量为新型城镇化水平L3(t)，新型城镇化水平变化率R3(t)为流率变量，内生变量包括财政支持L1(t)、金融支持L2(t)、城镇化率、GDP变化率。

建立流图仿真模型（图1）时，先依据历史数据运用计量经济方法和参考前述空间面板模型变量参数（表2）确定流率变量方程，对于未通过显著性检验的外生变量，考虑通过逻辑函数间接作用于流率变量，以第一棵树T1(t)建模为例，其流率变量方程如下（*表示在10%水平上显著，R2为一元回归拟合度）：

流率R1(t)回归方程（5）中，只有城镇化率通过了10%的显著性检验，它的经济意义可以理解为：城镇化率正向作用于财政支持变化率，城镇化速度的提高要求财政支持力度的增加。对包含入树T1(t)的子模型进行仿真，结果正常，未发现异常输出，流率基本入树T1(t)成功建立。

最终确定入树T1(t)的流率方程如下：

R1(t)=财政政策因子A11×［金融支持L2(t)×财政金融因子A13+新型城镇化水平L3(t)×财政城镇化因子A14+税收收入×财政税收因子A16］×财政潜变量表函数B11(t)(Time)×城镇化率因子A12(t)×财政GDP因子A15(t) （6）

图1 新型城镇化及其财政金融支持系统仿真流图

同理，依次确立子模型T1(t)+T2(t)，合模型T1(t)+T2(t)+T3(t)，在逐颗建树和运用Venple51逐树仿真过程中，从仿真数据看，模型模拟的效果较好，仿真预测值与真实历史数据之间的误差可以控制在1%以内，从误差变化的趋势来看，系统性偏差可以忽略，说明模型拟合较好，基于上述理由，认为模型的建立是合理的。

（五）参数调控仿真

参数调控仿真评价关注的是华东地区财政、金融力度的变化对新型城镇化产生的影响。流图仿真结果表明：

税收收入作用于财政支持，税收收入每提高10%，“十三五”和“十四五”时期的财政支持平均分别提高-8.67%和16.15%（图2-3）；居民储蓄存款作用于金融支持，居民储蓄存款每提高10%，“十三五”和“十四五”时期的金融支持平均分别提高10.293%和10.632%（图2-4）。预见在未来新型城镇化发展过程中，居民储蓄存款成为稳定的支撑力量，而税收收入受经济环境的影响更强，其作用力在下滑。

新型城镇化的财政支持方面，财政政策力度每提高10%，“十三五”和“十四五”时期的新型城镇化水平分别提高0.449%和0.798%（图2-2）；税收收入作用于新型城镇化，税收收入每提高10%，“十三五”和“十四五”时期的新型城镇化水平分别提高0.451%和0.804%（图2-3）。财政支持对新型城镇化的影响不如财政政策明显（图2-1）。

新型城镇化的金融支持方面，金融政策力度提高每10%，“十三五”和“十四五”时期的新型城镇化水平分别提高2.309%和3.902%（图2-2）；居民储蓄存款作用于新型城镇化，居民储蓄存款每提高10%，“十三五”和“十四五”时期的新型城镇化水平分别提高2.789%和4.934%（图2-4）。同样，金融支持对新型城镇化的影响不如金融政策明显（图2-1）。

“十三五”和“十四五”期间，财政、金融政策和税收收入、居民储蓄存款作用于新型城镇化的仿真输出结果见图2。图2-2显示了金融政策对新型城镇化的支持作用大于财政政策，图2-3显示税收收入对财政支持的作用在2021年发生反转，由负向刺激变为正向推动，图2-4说明居民储蓄存款首先正向强作用于金融支持，然后正向衰减作用于新型城镇化。

图2 参数调控仿真输出结果

四、结论与建议

第一，通过对华东地区新型城镇化的测度评价，江苏省和山东省的新型城镇化水平处于最高等级，远高于其他省市。第二，华东地区只有财政支持存在空间正自相关性，财政支持呈现明显的空间溢出效应，财政政策在相邻省市更容易得到复制和推广，不同省市间的财政合作意愿在加强，并且这种趋势还在继续发展。第三，SD流率基本入树流图模型仿真结果表明，“十三五”至“十四五”期间金融支持比财政支持在提升华东地区新型城镇化方面作用更显著，具体而言，居民储蓄存款和税收收入均正向作用于华东地区的新型城镇化水平，提高财政和金融对新型城镇化建设的支持力度是必要的。

基于上述结论，本文对华东地区财政金融支持新型城镇化发展建议如下：

第一，夯实人口城镇化基础，创新流动人口城镇化的制度设计和公共服务财政支持体系。当前地方政府按户籍人口来提供公共服务难以解决新型城镇化带来的流动人口本地化和本地人口市民化带来难题。山东省、江苏省和安徽省的人口城镇化发展良好，上海市人口城镇化阻力较大，江西省充分发挥生态优势，已经从重规模和数量阶段走向重质量阶段，户籍人口城镇化率提升迅速。第二，切实减轻企业税收负担，促进产业城镇化进程。“十三五”期间税收收入的提高并不能促进新型城镇化的发展，通过减税，藏富于民，增加居民储蓄存款的途径间接加快新型城镇化。第三，提高金融支持力度，这样才能运用金融思维强化财政职能，财政和金融相辅相成。在可统筹财力增长空间十分有限的情况下，新型城镇化建设进入基础设施建设密集期后，迫切需要创新财政投融资手段，综合运用各种现代金融工具，多渠道、多维度地从资本市场上筹集城市建设发展资金。如江苏省为新型城镇化建设融资融智，聚焦顶层设计，进入开展新型城镇化建设投融资体制改革。