四川产业结构变动对城镇化影响的实证

摘 要本文基于四川省各地市州2010年第六次人口普查的相关数据,采用岭回归模型,对四川省各地市州产业结构变动对城镇化的影响进行实证分析,结果表明：人均GDP对城镇化的影响最大,其次是第二产业产值和第三产业产值,第一产业产值对城镇化影响为负向.

关 键 词岭回归产业结构城镇化多重共线性

中图分类号：F121文献标识码：A

一、指标选取

本文主要探讨的是四川省各地市州产业结构变动对城镇化的影响,笔者选取第一产业产值（pri）、第二产业产值（sec）、第三产业产值（ter）和人均GDP（pgdp）作为产业结构的指标,数据来自2011年四川省统计年鉴；城镇化的指标为城镇化率（urba）,数据来自2010年第六次人口普查.为了方便进行研究,对原始数据进行对数化处理.

二、模型选择及多重共线性诊断

(一)模型选择.

由于所研究的对象是多自变量单因变量,故采用多元的对数计量经济模型,基本模型如下：

此类型模型由于自变量过多,自变量之间易产生相互作用,导致出现多重共线性,影响回归结果的真实性.岭回归是解决多重共线性的一个方法,用损失精度的方法来解决多重共线性,对病态数据的耐受性远远强于最小二乘法.常用的是岭迹图,即岭回归系数关于岭参数k的图形）法,选用岭迹趋于平稳、且回归系数没有不合理符号时的k值.

(二)多重共线性诊断.

变量之间多重共线性诊断需要用到方差膨胀因子、特征值、条件指数和方差比例等.当自变量的方差膨胀因子大于10时,表明自变量间存在严重的多重共线性.对最小二乘法建立的模型中的常数项及所有自变量计算主成分,若前面几个主成分特征值数值较大,后面几个较小甚至接近于0,或其中几个条件指数较大（大于30）,或某个主成分对2个或多个自变量的贡献（即方差比例）均较大（大于0.5）时,则提示存在多重共线性.

1.多元线性回归的参数估计与显著性检验.

用最小二乘法建立三次产业产值、人均GDP对城镇化率的多元线性回归模型,同时进行显著性检验,模型检验结果是：R2等于0.814,即81.4%的波动都可以用模型来解释.方差分析结果：F等于17.460,其相应显著性水平P<0.0001.回归模型具有显著性意义,回归系数及检验结果见表1.

表1多元线性回归的参数估计与显著性检验

由上表可知,两个自变量的回归系数通不过t检验,所以自变量无统计学意义,且人均GDP回归系数符号明显与常规不符,自变量回归系数的VIF有3个都大于10,说明自变量间存在严重的多重共线性.

2.多元线性回归的共线性诊断.

进一步对多元线性模型进行共线性诊断,由表2得出,5个主成分特征值第1个最大,第2个较大,剩下的3个接近于0；第3、4、5个主成分的条件指数均大于30,第5个主成分的条件指数超过250,其相对应的自变量中一产产值、二产产值、人均GDP的方差比例均大于0.9,说明这些变量间存在多重共线性,可采用岭回归建立多元线性回归模型.

三、建立岭回归模型

方程（2）中,Y为城镇化率,X1为第一产业产值,X2为第二产业产值,X3为第三产业产值,X4为人均GDP.R2等于0.77,调整后的R2等于0.71,F等于13.420,显著性水平P<0.0001,括号内为t检验值.回归模型中R2=0.77,表明方程拟合的优度高,其解释力近80%.该回归模型表明在2010年四川省各地市州第一产业产值每减少1个百分点,四川省各地市州城镇化率就增加0.18个百分点；四川省各地市州第二产业产值每增加1个百分点,四川省各地市州城镇化率就增加0.327个百分点；四川省各地市州第三产业产值每增加1个百分点,四川省各地市州城镇化率就增加0.2144个百分点；四川省各地市州人均GDP每增加1个百分点,四川省各地市州城镇化率就增加0.4182个百分点.

四、结果

由岭回归方程可以看出,人均GDP对四川省城镇化的影响最大,为0.4182个百分点,其次是第二产业产值和第三产业产值,第一产业产值对城镇化是负向的影响,也就是说,四川省各地市州第一产业的发展并不利于四川省各地市州城镇化的发展,城镇化的发展需要第二、三产业的发展作为重要支撑.□

（作者：四川大学法学院在读研究生,法学硕士,研究方向：人力资源开发研究）