论文部分内容阅读
持续稳健地推动的城市化进程是我国2l世纪社会经济发展的重大课题。本文运用横截面数据计量分析法对2014年中国31个省（市）的城市化水平影响因素进行了实证分析。结果研究一方面展示了中国各个地区城市化水平和那些因素的变化更鲜明的影响城市化水平。另一方面，我们发现产业结构的变化，尤其是第三产业的发展是影响地区城市化水平的主要因素之一。地区经济发展水平的提高和对外开放程度的加深对地区城市化水平提高有积极的作用，而教育水平滞后和城乡收入差距的扩大对推动城市化进程有负面的影响。
城市化 地区
经济发展 影响因素
引言
一国的城市化进程不仅取决于其经济发展水平，还受其特定的历史和地理因素的影响。作为一个处于转型期的发展中大国，中国的发展道路和城市化进程具有与众不同的特征。
城市化是指伴随着经济增长，由产业结构非农化而引发的生产要素由农村向城市流动和集中，在城市体系不断升级的同时，农村的生产方式、生活方式逐渐与城市接轨、最终实现城乡一体化的过程。城市化是在经济增长的前提下，社会全面进步、城乡和谐发展、居民生活质量稳步提高的过程，是从工业化走向现代化的必然选择。我国的城市化进程在改革开放后的30年间取得了巨大的成就，但城市化水平增长缓慢、2013年城市化率53.74%.2014年54.77%。
城市化水平影响因素分析
目前，学术界研究出来的影响我国各个地区城市化水平的因素很多，包含了众多的因素，这些因素对城市化的影响大小也各有不同，通过实证分析我们可以知道哪些因素的影響比较大。影响某个地区城市化水平的因素有人均GDP，第三产业总产值，外商直接投资，城镇居民可支配收入，平均工资，基础设备投资，固定资产投资，农村居民消费，城市居民消费等。本文通过横截面数据计量回归分析对选出来影响因素进行回归分析了。
（1）指标选取与变量说明
本文利用2014年各个省份的有关数据，用EVIEWS计量软件，以城市化率为自变量，以人均GDP，第三产业总产量，外商直接投资，固定资产投资，城镇居民可支配收入为自变量进行横截面数据多元线性回归分析，各变量分别为以下字母表示：
Y：城镇化水平（%）
Xl：人均GDP（元）
X2：第三产业总产值（亿元）
X3：外商直接投资（亿元）
X4：固定资产投资（亿元）
X5：城镇居民可支配收入（元）
（2）模型假设与回归分析
最初的模型假设为：Y=β0+β1LNXl+β2LNX2+β3LNX3+β4LNX4+β5X5+μ
我选取的被解释变量是百分比所以我对解释变量进行一些调整，以为这些解释变量对被解释变量都有一定的促进作用。下一步应用所选取的数据（数据见附件），利用最小二乘法进行回归分析，多元线性回归结果如下：
根据回归结果进行检验：F检验针对原假设HO：β0=β1=β2=β3=β4=β5=0给定显著性水平α=0.01，统计量F=30.0042，给定的显著性水平下得到的临界值为4.14所以F统计量大于F临界值应拒绝原假设，表明模型的线性关系在99%的置信水平下成立，解释变量对被解释变量有一定显著影响。
T检验：根据结果可以看出来回归方程显著在99%的显著性水平下自变量二，四，五的P值大于0.01，这些自变量接受原假设的但回归结果显示原假设β0=β1=β2=β3=β4=β5=0不成立。且拟合有83.89%有点高，所以回归模型中的自变量之间可能存在多重共线性。
多重共线性检验（检查相关系数）
检验结果表明LNX1与LNX5，LNX3与LNX4.LNX5与LNX2之间存在的相关性有点大，从上面两次的检验结果我们可以剔除来解释变量LNX3.LNX4与LNX5对被解释变量影响。下面我们可以考虑的是剩下的解释变量Xl和X2对被解释变量的影响。
对LNX1余LNX2进行相关性检验，他们之间的相关性很小。从最后的回归分析和相关性检验结果写出来的最后的模型是：
解释变量Xl与X2符合各个检验，相关性要求.且均在0.01的显著性水平下通过检验，两个变量显著性概率都小于0.01，所以人均GDP和第三产业生产总额对城市化有显著性的影响。
结论
最后的回归结果表明一个地区的人均GDP和第三产业生产总额对一个地区的城市化水平有显著性影响，人均GDP每增加一单位引起城市化水平增加14.4909%，第三产业生产总额每增加一个单位引起城市化水平增加6.133 2%，从最后的结果我们可以总结出来影响城市化水平的哪些因素里面人均GDP和第三产业生产总额起总要作用。从中我们可以总结出来第三产业的发展一定程度上拉动一个地区的城市化水平。
[1]敦安宁，中国城镇化进程的影响因素分析[J]，中国集体经济
[2]马孝先，中国城镇化的关键影响因素及其效应分析[J]，中国人口和资源环境，2014年底12期
[3]蒋伟，中国省域城市化水平影响因素的空间计量分析[J]，经济地理2009
[4]刘贵文，杨建伟·影响中国城市化进程的经济因素分析[J]，城市化
[5]曾昭俊·转型时期中国城市化发展的影响因素分析[D]
[6]李子奈，潘文卿·计量经济学，
[7]中华人民共和国《2015年统计年鉴》
[8]杰弗里，伍德里奇·计量经济学导论
[9]关春玉·西部地区城市化影响因素分析
[10]（数据来源：中华人民共和国统计局2015年统计年鉴，网站：HTTP： //DATA.STATS.GOVCN/）
城市化 地区
经济发展 影响因素
引言
一国的城市化进程不仅取决于其经济发展水平，还受其特定的历史和地理因素的影响。作为一个处于转型期的发展中大国，中国的发展道路和城市化进程具有与众不同的特征。
城市化是指伴随着经济增长，由产业结构非农化而引发的生产要素由农村向城市流动和集中，在城市体系不断升级的同时，农村的生产方式、生活方式逐渐与城市接轨、最终实现城乡一体化的过程。城市化是在经济增长的前提下，社会全面进步、城乡和谐发展、居民生活质量稳步提高的过程，是从工业化走向现代化的必然选择。我国的城市化进程在改革开放后的30年间取得了巨大的成就，但城市化水平增长缓慢、2013年城市化率53.74%.2014年54.77%。
城市化水平影响因素分析
目前，学术界研究出来的影响我国各个地区城市化水平的因素很多，包含了众多的因素，这些因素对城市化的影响大小也各有不同，通过实证分析我们可以知道哪些因素的影響比较大。影响某个地区城市化水平的因素有人均GDP，第三产业总产值，外商直接投资，城镇居民可支配收入，平均工资，基础设备投资，固定资产投资，农村居民消费，城市居民消费等。本文通过横截面数据计量回归分析对选出来影响因素进行回归分析了。
（1）指标选取与变量说明
本文利用2014年各个省份的有关数据，用EVIEWS计量软件，以城市化率为自变量，以人均GDP，第三产业总产量，外商直接投资，固定资产投资，城镇居民可支配收入为自变量进行横截面数据多元线性回归分析，各变量分别为以下字母表示：
Y：城镇化水平（%）
Xl：人均GDP（元）
X2：第三产业总产值（亿元）
X3：外商直接投资（亿元）
X4：固定资产投资（亿元）
X5：城镇居民可支配收入（元）
（2）模型假设与回归分析
最初的模型假设为：Y=β0+β1LNXl+β2LNX2+β3LNX3+β4LNX4+β5X5+μ
我选取的被解释变量是百分比所以我对解释变量进行一些调整，以为这些解释变量对被解释变量都有一定的促进作用。下一步应用所选取的数据（数据见附件），利用最小二乘法进行回归分析，多元线性回归结果如下：
根据回归结果进行检验：F检验针对原假设HO：β0=β1=β2=β3=β4=β5=0给定显著性水平α=0.01，统计量F=30.0042，给定的显著性水平下得到的临界值为4.14所以F统计量大于F临界值应拒绝原假设，表明模型的线性关系在99%的置信水平下成立，解释变量对被解释变量有一定显著影响。
T检验：根据结果可以看出来回归方程显著在99%的显著性水平下自变量二，四，五的P值大于0.01，这些自变量接受原假设的但回归结果显示原假设β0=β1=β2=β3=β4=β5=0不成立。且拟合有83.89%有点高，所以回归模型中的自变量之间可能存在多重共线性。
多重共线性检验（检查相关系数）
检验结果表明LNX1与LNX5，LNX3与LNX4.LNX5与LNX2之间存在的相关性有点大，从上面两次的检验结果我们可以剔除来解释变量LNX3.LNX4与LNX5对被解释变量影响。下面我们可以考虑的是剩下的解释变量Xl和X2对被解释变量的影响。
对LNX1余LNX2进行相关性检验，他们之间的相关性很小。从最后的回归分析和相关性检验结果写出来的最后的模型是：
解释变量Xl与X2符合各个检验，相关性要求.且均在0.01的显著性水平下通过检验，两个变量显著性概率都小于0.01，所以人均GDP和第三产业生产总额对城市化有显著性的影响。
结论
最后的回归结果表明一个地区的人均GDP和第三产业生产总额对一个地区的城市化水平有显著性影响，人均GDP每增加一单位引起城市化水平增加14.4909%，第三产业生产总额每增加一个单位引起城市化水平增加6.133 2%，从最后的结果我们可以总结出来影响城市化水平的哪些因素里面人均GDP和第三产业生产总额起总要作用。从中我们可以总结出来第三产业的发展一定程度上拉动一个地区的城市化水平。
[1]敦安宁，中国城镇化进程的影响因素分析[J]，中国集体经济
[2]马孝先，中国城镇化的关键影响因素及其效应分析[J]，中国人口和资源环境，2014年底12期
[3]蒋伟，中国省域城市化水平影响因素的空间计量分析[J]，经济地理2009
[4]刘贵文，杨建伟·影响中国城市化进程的经济因素分析[J]，城市化
[5]曾昭俊·转型时期中国城市化发展的影响因素分析[D]
[6]李子奈，潘文卿·计量经济学，
[7]中华人民共和国《2015年统计年鉴》
[8]杰弗里，伍德里奇·计量经济学导论
[9]关春玉·西部地区城市化影响因素分析
[10]（数据来源：中华人民共和国统计局2015年统计年鉴，网站：HTTP： //DATA.STATS.GOVCN/）