城镇化对金融杠杆的动态影响探析

开篇：润墨网以专业的文秘视角，为您筛选了一篇城镇化对金融杠杆的动态影响探析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：文章通过对124个国家1983年-2012年的面板数据进行实证分析，结果发现，城镇化和金融杠杆之间呈现出显著的倒U型关系，即随着城镇化率的上升，金融杠杆水平会先上升后下降。具体而言，当城镇化率达到56%～63%时，私人部门信贷/GDP可能出现拐点;当城镇化率达到60%～63%时，M2/GDP可能出现拐点。文章根据最近5年中国城镇化率的年均增速推算，预计中国的金融杠杆水平很可能在2019年-2021年进入拐点区域。

关键词：城镇化;金融杠杆;SYS-GMM

一、 引言与文献回顾

城镇化是维持经济健康发展的强大动力，也是促进金融发展和创新的有力支撑，反映了社会发展的客观规律、国家现代化的发展程度。2013年11月，十三中全会做出的《关于全面深化改革若干重大问题的决定》提出，“坚持走中国特色新型城镇化道路，推进以人为核心的城镇化，推动大中小城市和小城镇协调发展、产业和城镇融合发展，促进城镇化和新农村建设协调推进”。在2014年3月，正式推出《国家新型城镇化规划》（2014-2020年），明确了中国未来城镇化的发展路径、主要目标以及战略任务。当前，中国正处在城镇化加速推进、金融深层变革的关键阶段，正确理解和处理城镇化、金融发展两者之间的动态联系和规律，对于成功实现新型城镇化和金融改革发展有重要的理论价值与实践意义。

国内外文献就城镇化与金融之间的关系研究，主要集中于金融发展与金融创新对城镇化进程的影响，而城镇化进程对金融的影响则很少涉及。孙浦阳和武力超（2011），采用1995年～2008年120个国家的面板数据，使用2SLS估计方法分析了金融发展对全球各国城镇化进程的影响，发现金融发展是影响城镇化进程的重要因素。熊湘辉和徐璋勇（2015）通过对中国2004年～2013年31个省区使用空间面板模型进行分析发现，金融支持水平的提高对我国城镇化发展具有促进作用。荣晨和葛蓉（2015）从市场和政府关系的视角检验了金融发展对城镇化的支持效应，金融对城镇化的支持在不同地区有明显差异，而且，金融支持对政府干预、国有经济所占比重具有不同的敏感性。很多学者也认为城镇化和金融发展之间存在一种互动机制。例如，贾洪文和胡殿萍（2013）认为，城镇化和金融发展存在一种互动机制，通过扩大金融规模、适当提高金融效率和促进金融中介发展，能够加快城镇化进程;反过来，城镇化水平的提高也会在一定程度上促进金融发展。关于新型城镇化建设中金融困境的成因，邱俊杰和邱兆祥（2013）认为有三方面的内容：一是金融生态环境亚健康阻碍了城镇化的高速发展;二是资源配置失衡削弱了金融支持城镇化发展的效率;三是农村居民的自我排斥倾向进一步削弱了金融支持城镇化建设的力度。因此，金融发展和金融创新对于城镇化进程的支持是有限的，需要其他条件的支持。Kim，Kyung-Hwan（1997），认为依靠良好的金融创新、政府治理以及政治承诺，持续的城镇化进程可以产生巨大财富，以改善所有收入群体的住房和基本服务需求。

本文试图通过跨国实证分析，对城镇化和金融杠杆（金融发展）之间的关系进行讨论。本文其余部分结构如下：第二部分，实证分析城镇化对金融杠杆的动态影响;第三部分，结合实证结论对中国的情况进行讨论;最后本文进行总结并提出政策建议。

二、 实证分析

1. 研究样本和模型设定。根据样本数据的可获得性，本文包括了124个国家1983年～2012年的面板数据。从经济总量来看，该样本国家的GDP总量超过全球GDP总量的90%，因而可以视为一个在全球范围内具有代表性的研究样本。

关于模型设定，根据研究目标，本部分主要考察城镇化对金融杠杆的动态影响。考虑到金融杠杆的观测值随国家和时间而变化，通常存在一定的序列相关性，因此考虑到各变量之间的潜在内生性，本文采用动态面板模型进行实证分析。根据Aerllano和Bond（1991）提出的一阶差分GMM估计量，设立金融杠杆与城镇化之间的动态关系模型，如下回归方程表示：

从理论上看，虽然一阶差分GMM估计方法可以在一定程度上兼顾金融杠杆通常存在的序列相关性以及相关变量之间的内生性，但是一阶差分GMM估计方法有局限性，当被解释变量滞后项的系数较大时，被解释变量会出现强烈的序列相关性;当个体效应的波动远大于误差项的波动时，模型也会表现欠佳。因此，采用Arellano和Bover（1995）、Blundell和Bond（1998）提出的系统GMM估计量，对方程（1）进行实证分析。系统GMM估计可以分为一步GMM估计和两步GMM估计，一步估计使用传统异方差-序列相关稳健型估计量来计算标准误，两步估计使用Windmeijer（2005）纠偏估计量来计算标准误。在有限的样本情况下，两步估计比一步估计能够更好的解决自相关与异方差问题。

由于GMM估计量的一致有效性的前提条件是误差项不存在序列相关性和工具变量过度识别的问题。因此，需要对误差项进行序列相关性检验和过度识别条件检验。根据Arellano和Bond（1991），误差项的一阶滞后由于初始误差项经过差分处理后，即使初始误差项序列无关，仍可能会出现序列相关情况，因此，误差项的二阶滞后必须不存在序列相关，而误差项的一阶滞后可以存在序列相关。Arellano和Bond（1991）建议使用两步估计给出的Sargan统计量进行过度识别条件检验。当不能拒绝上述两个检验时，说明误差项不存在序列相关，并且GMM估计量是一致有效的，可以认为模型设定是正确的。

2. 变量选择。在模型变量的选择方面，金融杠杆的替代变量主要使用两个基本指标：一是私人部门信贷/GDP（记为Private），一般认为为私营部门提供的应偿还金融资源越多的国家和地区，通常具有更高的金融杠杆;二是M2/GDP（记为Mtwo），由于其反映了宏观经济的货币化程度，因而成为衡量一国金融杠杆水平的重要参考指标。将城镇人口/总人口（记为Urban）作为城镇化率替代变量的基本指标，该指标越大，通常一国的城镇化率越高。

在控制变量的选择方面，部分地参考过往文献，主要纳入了四个不同层面的影响因素：一是宏观经济变量，具体使用的控制变量包括人均GDP、按GDP平减指数衡量的年通货膨胀率;二是产业资本结构变量，具体使用的控制变量包括工业增加值/GDP、服务等附加值/GDP、资本形成总额/GDP;三是金融环境变量，具体使用的控制变量包括：存款利率、存款保险、资本账户开放度指数;四是社会人口变量，具体使用的控制变量包括：移动蜂窝式无线通讯系统的电话租用率、人口年增长率。各主要变量的表示形式、经济含义和数据来源如表1所示。

基于研究样本的可获得性，本文共选择了124个主要国家和地区1983年～2012年的相关数据。

3. 城镇化进程中的金融杠杆变化。根据方程（1），针对城镇化对私人部门信贷的动态影响，进行系统GMM估计。当被解释变量为私人部门信贷/GDP时，从估计结果可以发现，以城镇化率（记为Urban）和城镇化率的平方项（记为Urban2）为核心解释变量进行估计，Urban呈现显著正效应，Urban2呈现显著负效应，模型整体呈现“倒U型”，拐点大致位于56%～63%之间，说明随着城镇化的推进，金融杠杆水平呈现递增趋势，当城镇化率达到某一区间时出现拐点。在越过拐点之后，随着城镇化的继续推进，金融杠杆水平开始出现下降趋势。

从估计结果可以发现，对一国私人部门信贷/GDP均产生显著影响的控制变量主要包括：人均GDP（记为Lgdp）、资本形成总额/GDP（记为Capital）、存款利率（记为Deposit）、人口年增长率（记为Pgrowth）。结合各变量的系数符号，可以得到以下基本结论：（1）人均GDP越高，私人部门信贷/GDP越高，说明金融杠杆水平会随着经济发展水平的上升而提高;（2）资本形成总额/GDP越高，私人部门信贷/GDP越高，说明金融杠杆水平会随着宏观资本结构的改变而同向变化;（3）存款利率越高，私人部门信贷/GDP越低，说明存款利率升高会降低金融杠杆水平;（4）人口的年增长率越高，私人部门信贷/GDP越高，说明人口增长对金融杠杆水平的提升有正向促进作用。

当被解释变量为另一个杠杆指标即M2/GDP时，从估计结果同样可以发现，以城镇化率（记为Urban）和城镇化率的平方项（记为Urban2）为核心解释变量进行估计，模型整体依然呈现出“倒U型”关系，拐点区间位于60%～63%之间。

从控制变量来看，对一国M2/GDP产生显著影响的控制变量主要包括：按GDP平减指数衡量的年通货膨胀率（记为Ginf）、工业增加值/GDP（记为Industry）、资本形成总额/GDP（记为Capital）、存款利率（记为Deposit）、人口年增长率（记为Pgrowth）。考虑各变量的系数符号，可以获得以下基本结论：（1）通货膨胀率越高，M2/GDP越低，说明通货膨胀会对金融杠杆水平产生负效应;（2）工业增加值/GDP越高，M2/GDP越低，说明金融杠杆水平会随着第二产业比重的提高而降低;（3）资本形成总额/GDP越高，M2/GDP越高，说明金融杠杆水平会随着投资的增长而上升;（4）存款利率越高，私人部门信贷/GDP越低，说明利率上升会抑制金融杠杆水平;（5）人口的年增长率越高，私人部门信贷/GDP越高，说明人口增长对金融杠杆水平的上升有推动作用。

三、 对中国情况的应用分析

基于上述实证结论，参照拐点区间的平均值和上限，并根据最近5年中国城镇化率的年均增速推算，预计中国的金融杠杆水平可能在2019年～2021年进入拐点区域，如图1所示，此后随着城镇化率的上升，金融杠杆将出现下降趋势。

四、 结论与政策启示

本文基于124个国家1983年～2012年的动态面板数据进行实证分析，结果发现，城镇化和金融杠杆之间呈现出显著的“倒U型”关系，当城镇化率达到56%～63%时，私人部门信贷/GDP可能出现拐点;当城镇化率达到60%～63%时，M2/GDP可能出现拐点。此外，发现人均GDP、资本形成率、人口增长率、社会发展水平越高，通货膨胀、存款利率、第二产业比重越低，金融杠杆水平越高;反之，金融杠杆水平越低。

上述实证分析结论对中国城镇化的推进、金融杠杆的管理具有比较明确的政策启示。城镇化发展对金融杠杆具有明显的促进作用，随着城镇化的加速推进，金融领域也会得到快速发展，金融风险日益增加，亟需通过加强金融监管措施和改革，为城镇化中的金融稳定健康发展保驾护航。然而，当城镇化率达到56%～63%时，金融杠杆水平达到拐点，此后将随着城镇化率的增大而降低。此时，为弥补金融支持城镇化的不足，政府部门要主动引导城镇化进程中的投融资机制，进一步支持城镇化的持续健康发展。

参考文献：

[1] 熊湘辉，徐璋勇.中国新型城镇化进程中的金融支持影响研究[J].数量经济技术经济研究，2015，（6）.

[2] 孙浦阳，武力超.金融发展与城市化：基于政府治理差异的视角[J].当代经济科学，2011，（2）.

[3] 荣晨，葛蓉.我国新型城镇化的金融支持――基于政府和市场关系的经验证据[J].财经科学，2015，（3）.

[4] 邱俊杰，邱兆祥.新型城镇化建设中的金融困境及其突破[J].理论探索，2013，（4）.

[5] Demirgü -Kunt， A.， and E.Detragiache，C- rosscountry empirical studies of systemic bank distress： a survey， National Institute Economic Review，2005，192（1）：68-83.

[6] Kim， Kyung-Hwan， Housing finance and urban infrastructure finance， Urban Studies，1997，34（10）：1597-1620.

[7] 贾洪文，胡殿萍.中国金融发展与城镇化相关性――基于1991-2011年数据的实证分析[J].首都经济贸易大学学报，2013，（4）.

基金项目：教育部人文社会科学重点研究基地重大项目“我国金融风险管理和监管问题研究”（项目号：11JJD790009）。

作者简介：李振（1989-），男，汉族，山东省济宁市人，中国人民大学财政金融学院博士生，重阳金融研究院助理研究员，研究方向为全球金融治理;王晓煜（1992-），男，汉族，山西省晋中市人，中国人民大学财政金融学院博士生，研究方向为金融风险管理。

收稿日期：2016-10-12。