内容摘要：本文利用2003-2011年我国30个省际面板数据对城镇化与商贸流通业发展的关系进行分析。采用固定效应变系数模型对我国东、中、西部各省市城镇化和商贸流通业之间的关系进行量化分析，得出两者相互促进作用大致呈反比例关系的结论。最后提出相关政策建议。
关键词：城市管理论文发表,城镇化,商贸流通业,变系数模型
随着《国家新型城镇化规划(2014年-2020年)》的出台，城镇化已成为我国实现扩大内需、提高消费需求的根本路径和动力。商贸流通业作为满足消费需求的平台和载体，与城镇化进程密不可分。新一轮城镇化建设对商贸流通业提出新的要求，为其发展提供更大的空间;反之，商贸流通业在推进城镇化过程中起着重要的支撑作用。自2003年以来，我国城镇化率年均提高1.34个百分点，商贸流通业GDP保持年均1.8个百分点的增长速度。但是，各省市城镇化进程与商贸流通业发展存在着怎样一种量化关系呢?它们之间的这种量化关系又存在什么差异呢?
我国有不少学者对城镇化进程和流通业的发展关系进行相关研究。例如，晏维龙(2006)、朱发仓(2007)以及刘根荣(2010)等，但大多采用时间序列研究它们在某个时期的相互影响关系，较少采用全国面板数据分析两者的互动关系，并缺乏对各省市间影响强度差异作对比分析。本文将运用Panel Data计量模型对我国30个省市在2003-2011年期间城镇化与商贸流通业的相互关系展开研究。
Panel Data计量模型概述
Panel Data是采用个体、时间、指标等三维信息结构对时间序列数据和截面数据进行综合分析的一种方法。通过采用合成数据研究变量间相互关系并预测其影响趋势，该模型的一般形式为：
i=1，2，…，N，t=1，2，…，T (1)
其中，K是解释变量个数，N是横截面个体变量个数，T表示样本观测时期数，参数αi表示截距项，β1i，…，βki表示解释变量的系数。
根据截距项和解释变量系数不同的限制条件，通常将面板数据分为三种。第一种是混合回归模型，即截距和解释变量系数均相同，模型形式为：
i=1，2，…，N，t=1，2，…，T (2)
第二种是变截距模型，即截距项不同但解释变量系数相同，模型的形式为：
i=1，2，…，N，t=1，2，…，T (3)
第三种是变系数模型，即截距项和解释变量系数均不相同，模型的形式为：
i=1，2，…，N，t=1，2，…，T (4)
依据不同形式的个体影响，又将变截距模型和变系数模型分为固定效应模型和随机效应模型。通常采用hausman检验对随机效应和固定效应进行选择。通过协方差分析法确定面板数据的模型形式，该方法需构造两个F统计量F1和F2：
(5)
(6)
其中，S1、S2、S3分别表示变系数模型、变截距模型和混合模型的回归残差平方和，并提出如下两个假设：
H1：β1=β2=…=βN
H2：α1=α2=…=αN，β1=β2=…=βN
模型形式检验过程是：先检验原假设H2，如果经计算得到的统计量F2的值小于给定显著性水平下的相应临界值，则不能拒绝原假设H2，选用混合回归模型。否则，拒绝原假设H2，并继续检验原假设H1，如果计算得到的F1值小于给定显著性水平下的相应临界值，则认为接受假设H1，采用变截距模型，否则采用变系数模型。
实证分析
(一)数据说明
本文采用2003-2011年全国30个省市的城镇化率(UL)代表城镇化水平;用批发和零售以及住宿和餐饮的国内生产总值(CGDP)代表商贸流通业水平。原始数据来源于2004-2012年《中国统计年鉴》，为消除异方差，分别对指标取对数，记作lnUL和lnCGDP。
(二)面板数据单位根检验
在进行协整检验之前运用Eviews6.0软件对变量进行LLC、IPS、ADF、PP等方法的单位根检验，检验结果如表1所示。
由此可知，变量lnUL和lnCGDP都存在单位根，但二者的一阶差分在5%的显著性水平下拒绝存在单位根的假设，可见这两个变量均为一阶单整。
(三)面板数据协整检验
通过单位根检验后，将采用EG方法进行变量之间的协整检验，分为以下两步：
1.模型回归估计。由于本文样本数据是对自身进行推论，所以选择固定效应模型。采用F检验确定模型形式，以lnUL为解释变量，lnCGDP为被解释变量，分别得到：S1=0.989，S2=3.125，S3=46.02，将K=1，T=9，N=30代入式(5)和(6)得到F1=15.64> F0.95(29，210)=0.598，F2=164.86>F0.95(58，210)=0.693，因此，采用变系数模型。同理，以 lnCGDP为解释变量，以lnUL为被解释变量时也采用变系数模型，建立固定效应变系数模型：
(7)
(8)
式(7)旨在研究城镇化进程对商贸流通业的影响，系数βi代表城镇化对商贸流通业的影响系数;式(8)中系数β`i则代表商贸流通业对城镇化的贡献率。通过Eviews6.0得到固定效应变系数模型回归结果，如表2所示。
由表3可知，变系数模型的R2均在0.99以上，说明城镇化进程与商贸流通业发展水平很大程度上能够相互解释。D.W统计量都比较接近于2，表明残差序列均不存在一阶序列自相关。
从表2可以看出，城镇化进程对商贸流通业的影响强度为：东部>中部>西部，即城镇化率每提高1个百分点会使得东、中、西部商贸流通业GDP 分别增长10.9578、6.227、5.5905个百分点。可见，东部地区城镇化带动商贸流通业的相对能力较强，可能的原因是东部地区商业设施较为完善，居民人均收入较高，消费潜力必然超过中西部地区。在东、中、西部各省市之间也存在一定差异。例如，在东部，城镇化带动最强的省市是北京和天津，它们有着较为独特的地理位置，其次是上海和广东等沿海城市。处于中部的黑龙江受城镇化影响较大，这固然离不开黑龙江老工业基地的作用以及各种促进流通业发展的政策措施。而以四川、陕西等为代表的西部地区商贸流通业受城镇化影响的敏感度较弱，其中一个原因是其本身的经济基础较差，商业网点布局不完善，但从另一方面说明西部商贸流通业受城镇化推动有较大的提升空间。 相反，通过系数β`可以看到，商贸流通业对城镇化的贡献程度依次为：中部>西部>东部。即商贸流通业GDP每增长1个百分点能使东、中、西部的城镇化率分别提高0.1121、0.1781、0.1688个百分点。由此可见，在中西部大力发展商贸流通业必然会推动其城镇化进程。中部地区商贸流通业发展对城镇化的推动作用之所以要略强于西部地区，主要是因为河南、湖北、安徽等中部省市均是人口大省，通过发展商贸流通业改变就业结构，使农民走向城镇的作用更加明显。在西部的广西和甘肃等商贸流通业发展对城镇化贡献较大，原因可能是在少数民族地区，发展商贸流通业更能提高人民收入，促使人们向城镇转移。然而，位于东部的北京、天津、广东等省市城镇化进程受商贸流通业影响并不明显，原因是这些省市的城镇化已经达到较高水平，商贸流通业发展程度也几乎达到极限，再靠商贸流通业推动城镇化进程空间狭小。
2.模型回归残差的单位根检验。经过模型回归估计后，对各截面回归方程的残差序列 uit、u`it进行单位根检验，其结果如表4所示。由此可见，模型回归残差的单位根检验的概率值均为零，则认为估计所得到的残差序列uit、u`it是平稳的，即序列lnCGDP与lnUL之间存在协整关系。
结论与政策建议
通过以上分析，本文可以得到以下结论：我国的城镇化进程与商贸流通业发展是相互促进的，但它们之间的相互促进作用大致呈反比例关系，即城镇化对商贸流通业的带动作用越大，那么商贸流通业对城镇化的促进作用就越小，反之亦然。因此，针对上述研究，提出以下政策建议：
第一，抓住城镇化机遇，完善城镇商业网点布局，加快商贸流通业发展。在我国全面推进城镇化建设中，充分发挥城镇化对商贸流通业的带动作用。例如加大对道路、交通等基础设施的投入力度，加强对城镇商业网点的规划，包括社区商业网点的布局。针对城镇化水平较为落后的中西部地区，可以通过城市群的建立，提升对商贸流通业的带动力度，例如西南地区的成渝城市群。
第二，重视商贸流通发展，建立中西部商贸流通中心，推动城镇化进程。分析结果显示，中西部商贸流通业的发展能够较大地推动城镇化，与我国当前加强中西部新型城镇化的战略目标一致。作为先导产业的商贸流通业是绿色产业，能改善我国的就业结构，缩小城乡居民收入差距。因此，特别要加强重庆、安徽、甘肃、河南等中西部省市商贸流通业的发展。例如，建立以重庆为中心的西南商贸中心，出台相关优惠政策，重视以商贸流通业促进城镇化的战略路径。
第三，加快农村流通体系建设，推进城乡商品流通一体化，促进城乡统筹发展。新型城镇化的最终目的是要达到城乡统筹，通过城市与农村商品交换，使农村居民享受城市商品，城市居民享用绿色农产品。因此，需要政府加大对农村流通体系建设的资金投入，包括加强对农村道路、市场以及信息化服务的投资，以实现城乡商品流通一体化，使得我国城镇化到达城乡统筹的效果。
参考文献：
1.晏维龙.中国城市化对流通业发展影响的实证研究[J].财贸经济，2006(3)
2.朱发仓，苏为华.城市化水平对流通业发展影响Panel Data证据―兼与晏维龙教授商榷[J].财贸经济，2007(2)
3.刘根荣，李欣欣.城市化与流通产业发展互动关系的实证分析[J].价格月刊，2010(9)
4.郑勇军.现代流通业发展与新型城镇化―以浙江省为例[J].商业经济与管理，2014(3)
