产业结构变化对人口城镇化的相关性分析
一、 引言
工业化与产业结构的变迁对城镇化有显著的促进作用，而城镇化对产业结构变化也产生空间聚集、空间支撑的影响。产业结构演变和城镇化之间的关系得到国内外学者的广泛关注。本文采用协整和Granger因果检验等计量分析工具，对中国城镇人口占总人口比重、三次产业产值变动 1978到2010年的样本观测值作回归分析，来确定中国产业结构与人口城镇化之间的因果关系。
二、 变量选取和数据的来源
本文选取1978―2010年的年度数据作为分析所用的样本数据，数据来源于中国统计年鉴（2011），有各年中国总人口和城镇居民人口数，第一、二、三产业各年产出值。本文通过各年城镇居民人口占总人口的比重Yt来反映人口城镇化增长，用第二、三产业产出值的和来除以GDP总量的比值Xt=（G2+G3）/GDPt作为衡量产业结构变动的指标。
由于数据的自然对数变换不改变原来变量之间的协整关系，能使其趋势线性化，消除时间序列中存在的异方差情况，因此分别对城镇居民人口占总人口比重、第二、三产业产值和对GDP的比值进行自然对数变换，分别用LYt、LXt表示自然对数的Yt、Xt。
三、 实证分析
模型构建
假设城镇化加快是由产业结构变化引起的，因此可以选择城镇人口比重的对数作为被解释变量，二、三产业产值对国内生产总值比重的对数作为解释变量，采用1978―2010年的相关数据.
1、 单位根检验
运用标准的单位根检验来检验数据是否平稳，所用的统计软件为Eviews3.1。检验结果见表1：
由检验结果可知，这两个指标序列都存在单位根，都是非平稳时间序列。因次，对三个序列的一阶差分要做单位根检验，结果如表2：
由检验结果可知，LXt序列的一阶差分平稳，其在0.05的显著水平上通过，LYt序列的一阶差分未通过，而要进行协整分析，需要X和Y都是同阶单整。所以，要继续对序列的二阶差分做单位根检验，结果如表3：
检验结果可知，两个指标序列二阶差分平稳，均为二阶单整I（2），可以做协整检验。
2、 协整检验
对1978―2010年时间序列数据LYt和LXt作回归方程：LYt=-0.50368+2.89586LXt，并对回归方程对应的残差项et做单位根检验，结果如表4：
ADF检验值为-2.869193，小于显著性水平显著水平1%的临界值-2.6423，所以残差序列不存在单位根，为平稳序列，表明回归方程自变量和因变量存在着长期的均衡关系，则协整检验结果可知，序列LXt和LYt之间存在协整关系，因此可以进行Granger因果检验来确定产业结构变动和人口城镇化之间的关系。
3、 格兰杰因果检验
世界著名计量经济学家美国哈佛大学格兰杰r于1969年提出来了格兰杰因果检验，并被之后的来自亚洲和欧美的学者等发展过来。他提出来的新的定义因果关系的方法即利用时间序列来判断数据间的因果关系，目前已被世界广泛接受并使用多年。具体内容大致为：假定给定一个信息集Bt （Mt ， Nt） ， 如果 M 的变化引起 N 的变化，根据时间发生的先后逻辑顺序来判断的话，则 XM的变化应当发生在N 的变化之前。如果 M 是引起 YN变化的原因， 则必须满足两个条件。首先， M 应该有助于预测N， 即在 YN关于其过去的回归模型中， 添加 M 的过去值作为独立变量应当显著地增加回归模型的解释能力； 其次， N对于解释M无帮助，也就是N无法给M以预测，这是因为当N可以较为准确的预测数据M的时候，那么非常可能的情况是存在另外一个因素或者是其他很多的因素引起了数据M的变化。检验M究竟是不是N产生变化的原因，可以通过格兰杰检验分析以下步骤，首先， 检验M变化不是引起N变化的原因的原假设，对下列两个回归模型分有误约束进行模型估计，然后利用回归的残差平方和计算F统计量的值，看检验系数βj是否同时显著不为零。如果情况向符合的话，这种情况下我们拒绝原先假设条件，反之我们则接受。接着检验：N的变化不会引起M 的变化的原假设条件， 现在我们将M，N两者的调换交换，并运用上述方法进行同样的估计， 检验N的滞后项是不是很显著的不为零。要得到 N是引起 M变化原因的结论， 我们就不得不拒绝 “N不是引起M变化的原因” 的原假设， 同时接受 “N是引起 M变化的原因” 的备择假设。运用Eviews进行产业结构和城镇化之间关系的格兰杰因果分析，如表5所示：
根据格兰杰理论观点，由表的检验结果表明，人口城镇化指数的变化不会引起产业结构的变化，而产业结构的变化会导致人口城镇化指数的变化。结论如下：产业结构的调整促进了城镇化水平的提高，而不是人口城镇化水平的变动推动产业结构的调整，证明了产业结构升级在促进城镇化进程中发挥着举足轻重的作用。因此深化产业结构改革，提高二、三产业在国民经济中的比重，尤其是第三产业还有对劳动力有较大的吸纳作用，对带动各个地区的城镇化水平有重要意义。（作者单位：西南财经大学国际商学院）
