农村金融支持城镇化实证分析
1 研究对象介绍
本文选择江苏省和四川省作为研究对象，原因在于江苏省是我国最早进行改革开放的省份之一，经济实力较强，城镇化率较高；而四川省位于我国中西部，不仅是人口大省，也是重要的经济、工农业和军事大省，近年来经济获得了迅速的发展，但是受到地理位置和交通条件的局限，城镇化处于后发态势，仍有很大的增长空间。两个省份的经济结构和经济发展水平非常典型，因此作为研究对象具有一定的代表性。并且两个省份的研究结果相对比将能够使研究结论更具普遍性。
1.1 江苏省
江苏省位于我国东部沿海地区，地域面积10.26万平方公里，常住人口达到7920万人，2012年江苏GDP总量达到54058.22亿元，人均GDP达到12047美元，居全国首位。根据新浪网对中国省域竞争力的排名，江苏省的综合竞争力、地区发展与民生指数均位居全国首位，成为中国综合发展水平最高的省份。近几年，江苏省加快推进苏南转型升级，巩固苏中、苏北快速发展局面，苏中、苏北对全省经济增长的贡献份额达到42.3%，提高2.9个百分点，全面实施沿海地区发展规划。 江苏省县域经济规模大且百强县实力突出。城市化和城市现代化水平稳步提高，2010年末城市化率达55.6%，比上年提高1.3个百分点。“十二五”时期，全省综合实力跃上新台阶。2010年地区生产总值达到40903亿元，年均增长13.5%；人均地区生产总值从3046美元提高到7700美元。财政总收入11743亿元，其中地方一般预算收入4080亿元。社会消费品零售总额13482亿元，年均增长18.6%，消费成为经济增长的最大拉动力。全社会固定资产投资23187亿元，年均增长21.5%，民间投资占全社会投资比重达64.2%。进出口总额4658亿美元，其中出口2706亿美元，均创历史新高。
（1）江苏省农村金融业的发展
江苏省农村金融业的发展较早，发展成果在全国各省区中也十分突出。1996年根据《国务院关于农村金融改革的决定》，江苏省农村信用社和农业银行开始脱离行政隶属关系，2000年开始农村信用社改革试点率先在江苏淮安开展，目前已经取得了积极的成效。目前，江苏省内已经初步实现了银行业对所有乡镇的全覆盖，截至2013年底，江苏省共有131家农村中小型金融机构，其中省级联社1家，农商行58家，县农联社4家，村镇银行68家，在全省的下设网点超过6500家，其中农村合作金融机构在县城及以下的网点有2137家，平均每个县拥有服务网点47家。与此同时，江苏省对“三农”资金的支持力度也在不断加大，进入到“十二五”，江苏省涉农贷款余额年均增长率超过15%，领先其他各种贷款的增幅，截止到2013年底，江苏省本外币的涉农贷款余额达到2.26万亿元；涉农贷款的结构也不断优化，对于农户和小微型企业的房贷数额迅速增加；直接融资渠道得到开发，目前已经有超过80家江苏省县域企业或者农业产业化企业在境内外上市，融资金额超过500亿元。
虽然江苏省农村金融业的发展取得了显著的成绩，但是仍然存在一定的问题，一是“三农”发展对金融资源的迫切需求仍然与农村金融资源配置现状不符；二是农村金融工具创新和服务创新依然落后于金融资源需求者的要求；三是目前金融机构的风险管理水平不符合现代金融机构可持续发展的要求。
（2）江苏省城镇化水平
根据江苏省统计局发布的数字，2013年底江苏省城镇人口超过5000万，达到5090万人，城镇化率达到64.1%，高出全国平均水平约10个百分点，畏惧全国第7位，按照国外“三阶段”论述，江苏省已经进入到了成熟的城镇化社会阶段。
随着新型城镇化和城乡一体化不断推进，2013年，江苏城镇人口一举突破5000万人，达到5090万人，比上年增加100万人；城镇化率为64.1%，比上年提高1.1个百分点。按照城镇化三阶段论，超过60%的城镇化率，显示江苏整体上已步入成熟的城镇化社会。江苏各地区城镇化发展水平不平衡，和经济发展水平一样，三大区域的城镇化率也呈南北梯度排列。不过江苏省各地区的城镇化水平还存在较大差异。2013年底苏南地区城镇化水平超过70%，苏中接近60%，而苏北则只有55%左右，因此未来江苏中北部的城镇化水平还有较大的提升空间。
1.2 四川省
四川省是位于我国西南腹地，地域面积48.5万平方千米，四川的省情是人口多、底子薄、不平衡、欠发达，发展不够、发展水平不高。四川经济发展不平衡，成都跻身国内一线城市，而民族地区还十分落后。四川产业发展依然不足，还远没到饱和的时候。四川好多产业都谈不上高端，还处在原料输出时代，附加值极低。四川民族地区幅员面积30.2万平方公里，占全省的62%，经济发展水平还不高，经济发展的回旋空间很大。2013年底，四川省常住人口到达8107万人，2013年四川省GDP总量约为26260.77亿元，人均GDP为32516元，低于全国平均水平。2014年在“微刺激”、“强改革”等政策红利持续释放的背景下，四川省经济运行态势与全国大势保持基本一致，呈现出总体平稳、稳中有进的特点，经国家统计局审定，2014年四川省实现地区生产总值（GDP）28536.7亿元，按可比价格计算比上年增长8.5%，增速比全国平均水平高1.1个百分点。其中，第一产业增加值3531.1亿元，增长3.8%；第二产业增加值14519.4亿元，增长9.3%；第三产业增加值10486.2亿元，增长8.8%。其中，2014年，四川省全社会固定资产投资以及房地产开发投资均保持了良好的增长势头，其中固定资产投资较2013年同比增长保持在12%，房地产投资较2013年同比增长保持在13.7%左右。2014年四川省内贸外贸继续保持良好增长势头，规模以上工业增加值同比增长9.8%，进出口贸易额出现明显增加，出口总额较2013年增长6.9%；进口总额较2013年增长12.3%。
（1）四川省农村金融业的发展
金融是现代经济的核心，金融业在优化资源配置、促进经济发展和经济结构调整中发挥着举足轻重的作用。“十二五” 时期是四川深入实施西部大开发战略、全面建设小康社会承前启后和极为关键的时期，也是金融业抓住机遇、发挥优势、加快发展的重要时期。为促进金融业平稳健康发展，加快西部金融中心建设，使金融成为现代服务业的支柱产业，并以此推动全省经济优化结构、提高质量、 加快发展，进一步加快西部经济发展高地建设， 实现经济社会协调发展。进入到新世纪以来，四川省农村金融体系也获得了长足的发展。截至到2013年底，全省银行业农业贷款余额为10759.48亿元，新增余额为1753.82亿元。四川省县及以下农村合作金融机构存款余额为3158.32亿元，同比增幅超过25.42%，贷款余额为1886.51亿元，同比增长17.54%。在全省农村金融机构的贷款余额中，涉农贷款余额为3874.37亿元，同比增长19.33%，增幅超过其他全部贷款增速。目前，四川省内新型金融机构数量已经达到了48家，其中村镇银行有45家，贷款公司2家，资金互助社有1家，新型农村金融机构的各项贷款余额为309.75亿元，同比增长45.72%，贷款余额为206.62亿元，同比增长54.98%，实现了新型农村金融机构的大跨越式发展。
虽然四川省农村金融业已经取得了显著的发展成绩，新型农村金融机构和其他准金融组织逐步增加，截至2014年末，全省共有村镇银行24家、贷款公司2家、 资金互助社1家，小额贷款公司73家，融资性担保公司363家。但是从绝对数字上来看，四川省农村金融发展水平仍处于较低的位置，不仅在存贷款数量，还是在金融机构的数量上，都与江苏省存在较为显著的差距。
（2）四川省城镇化水平
根据四川省统计局的数字，2013年末四川常住人口达到8107万人，其中城镇人口达到3640万人，人口城镇化率达到44.90%，相比2012年提高了1.37的百分点，增幅高于全国平均水平，增幅位居全国第三位。四川省城镇化水平位居全国第24位，在西部地区中位居第8位，可见未来四川省的城镇化建设还有很大的发展空间。2014年四川省城镇化工作会议要求，要以人为本，推进以人为核心的城镇化，提高城镇人口素质和居民生活质量，把促进有能力在城镇稳定就业和生活的常住人口有序实现市民化作为首要任务。根据四川省统计局《2013年四川城镇化水平与质量稳步提高》的报告来看，2013年四川城镇化水平增幅趋缓，原因主要存在于三个方面：第一是“非农人口”的增长放缓；第二是人口流动速度降低导致流入城市的农村居民减少；如四川省乡村流入城镇半年以上人口占调查人口总数的比例为13.66%，比2012年下降4.29个百分点，而全国仅下降2.04%，四川降幅比全国高2.25个百分点。流入城镇人口减少，致使城镇化率增幅减少约0.22个百分点。第三是“村委会”改“居委会”的人口减少。如2013年，四川省“村”改“居”人口66.90万人，较2012年减少6.79万人。
四川省城镇化进程同样存在地域差异，城镇化程度最高的成都市城镇化率达到69.4%，而最低的凉山自治州仅为30.57%。从各地区城镇化的实现程度看，地区间的城镇化水平差距较大。四川城镇化水平较高的地区有成都市和攀枝花市，城镇化率分别为69.4%和63.43%，德阳、自贡、绵阳3个市也超过了四川省平均水平。而南充、雅安、眉山等地区的城镇化水平则低于四川省平均水平，这部分地区在四川省全省来看，已经超过了35%。
2 模型介绍
根据课题预定的研究内容，本文将建立研究农村金融体系对城镇化率的计量经济学影响的向量自回归（VAR）模型。建立模型之前，本文将对VAR模型的形式和变量进行详细介绍。
传统的计量经济学方法是依据经济学理论来建立模型的，模型正确的前提是理论的准确性。经过大量的实际数据分析我们知道，大部分的经济数据存在内生性和滞后性，也就是自变量不仅和因变量相关，也与模型中的其他自变量相关，不仅与当期的变量相关，也受到以往几期变量的影响，这使得传统的简单回归模型无法对这些复杂的相关关系进行描述。内生变量既可以出现在方程左端也可以出现在方程右端，更是超出了一般计量模型的研究范畴。
向量自回归模型把系统中每一个内生变量作为所有内生变量的滞后值的函数，从而能够对经济指标的滞后性进行研究，在研究时间序列变量时具有一定的优势。由于向量自回归（VAR）不仅将全部的变量纳入到一个回归方程中，还将这些变量的滞后值纳入到回归方程中，因此在有限的研究区间内，不可能将多个变量纳入到VAR模型中，本研究VAR模型中的变量均是衡量农村金融发展水平和城镇化程度的指标。
大量的学术研究将城镇人口占总人口的比重作为衡量城镇化水平的指标，因此本文也将该指标—人口城镇化率纳入到VAR模型中。但是仅仅利用人口城镇化率对城镇化水平进行衡量是不够的，至少在学术上是不严谨的，例如拉美大部分国家都进入到高城镇化水平的阶段，但是按照新型城镇化的标准，这种城镇是不合格的，必须还要通过“收入城镇化率”指标对产业结构进行衡量，本文做出如下定义：
收入城镇化率就是第一产业比值占到国民生产总值的比例
根据这个定义，某个地区的收入城镇化率越高，说明第一产业比重占到国民生产总值的比例越低，一般而言该地区的城镇化水平就较高。
而衡量农村金融体系效率的指标也十分丰富，最常用的是“金融相关率”指标。金融相关率是用于衡量金融发展广度的指标，其定义如下：
金融相关率=（金融系统货币供应量+金融机构贷款余额+金融系统有价证券）/国民生产总值
而对于农村金融系统来说，按照以往研究成果的做法，可以将金融系统的存款数量作为其货币供应总量 ，而由于我国农村金融机构不甚完善，有价证券的价值极低，因此可以将其忽略，所以在我国农村金融系统中：
金融相关率=（存款总额+贷款总额）/国民生产总值
但是金融相关率并不是用于衡量农村金融系统发展程度的唯一指标，实际上仅仅利用金融相关率来衡量农村金融系统并不完善，因为金融相关率更多地关注到金融规模，因此本文引入“金融效率”指标来衡量金融体系运行的效率。由于农村金融体系最主要的功能是“吸收存款、发放贷款”，因此本研究将贷款总额与存款总额的比值记为金融效率，金融效率指标越高，说明当地金融系统将更多的存款转换为投资。虽然在概念定义上并不严密，但是“金融效率”指标却能够大致刻画农村金融系统的运作效率。
根据上文的介绍，本文将把人口城镇化率、收入城镇化率、金融相关率和金融效率四个变量放入到VAR模型中。由于VAR模型中存在所考察指标的滞后变量，减小了模型的自由度，因此为了提高统计学检验的显著性水平，本文将人口城镇化率和收入城镇化率分开考察，也就是在建立VAR模型时，将人口城镇化率、金融相关率和金融效率单独建模，将收入城镇化率、金融相关率和金融效率单独建模。
3 数据选取
根据上文中对数据的介绍，本文所选取的数据包括：城镇化率（人口城镇化率）、第一产业GDP占国民生产总值比重（收入城镇化率）农村贷款和农村存款。对于四川省和江苏省所收集的数据是完全相同的，数据来源分别来自1991年至2013年 《四川省统计年鉴》和《江苏省统计年鉴》，选取的研究区间为1990年至2012年。其中城镇化率、农村贷款和农村存款 是原始数据，其余指标均是计算得到的比率数据。
此外，本研究建立计量经济学模式所使用的统计学软件是Eviews 7.2.
4 基于研究对象的实证分析
4.1 主要数据展示
（1）人口城镇化率
图3.1 江苏省、四川省城镇化率对比
根据上图可以发现，在研究区间内，江苏省和四川省的城镇化率均呈现出上升的趋势，不过四川省城镇化率的上升趋势比较平稳，而且上升趋势较缓；江苏省城镇化率上升趋势存在一定的波动，在1995年至2000年间，江苏省城镇化率上升趋势较快，但之后速度有所放缓，不过至今江苏省城镇化率速度依然要高于四川省。其中，2011 年底江苏省的城镇化率已经达到 60%，同期全国的城镇化率为 51.27%。其它比重指标不同年份均有一定波动，总体变动趋势呈现波动上升状态，切实反映了各时期江苏省农村金融发展水平及农村金融发展效率的波动情况。而四川省在1990年-2002年期间，其人口的城镇化水平一直处于低速增长阶段，并且增长趋势趋于平缓的状态。从2002年开始，四川省的人口城镇化增长速度比之前有所加快，但总体而言，仍旧处于平缓增长的状态，而这一时期的增速加大，也是国家的西部大开发政策的支持，加之人口流动变大所致。
(2) 收入城镇化率
图3.2 江苏省、四川省收入城镇化率对比
江苏省和四川省的收入城镇化率呈现出类似的下降态势，不过江苏省的收入城镇化率明显要低于四川省的收入城镇化率，从上图中可以看出，江苏省的收入城镇化率的变化波动中，1990年到1994年期间波动与下降的速度最快，其下降的速率从0.25个百分点直线下滑到了1994年的0.15个百分点，也是研究的时期内，江苏省下降的最快的一个时期，之后一直处于较为平缓的下降阶段，直到2003年开始，江苏省的收入城镇化率开始处于我国平均水平的最低时期，每年均处于0.1个百分点一下，这也意味着江苏省的第二产业与第三产业的兴旺发展，更加说明了江苏省国民经济中第一产业占比较小，江苏省居民从农业生产中获得的收入份额较小，从侧面反应了江苏省的经济发展水平处于全国较高水平的态势。而四川省虽然收入的城镇化率一直处于下滑态势，但其在2012年，收入的城镇化率仍旧高于0.1个百分点，说明四川省的第一产业仍旧占据了全省的重要经济发展的来源之一，其城镇化的水平较低。
（3）金融相关率
图3.3 江苏省、四川省农村金融相关率对比
本文所研究的“金融相关率”，实际上应为“农村金融相关率”，江苏省金融相关率水平一直较低，说明农村金融在其国民经济体系中的占比较少、关注度较低，从1990年到2012年期间，都处于较低的金融相关率水平，并且低于0.1个百分点以下，波动也并不明显。而四川省农村金融相关率较高，2008年前后曾一度高达50%以上，而在所研究的数据期间，四川省的农村金融相关率的波动幅度一直较大，除了1994年以外，每年的农村金融相关率均高于0.1个百分点，足以说明农业产业在四川省经济结构中的重要地位。
（4）金融效率
图3.4 江苏省、四川省农村金融效率对比
根据对两省金融效率的计算可以发现，在研究区间内两省的金融效率均发生过大幅度的波动。2000年之前四川省的农村金融效率要高于2000年之后，而对于江苏省来说，2000年之后的农村金融效率要高于2000年之前的农村金融效率。
3.4.3 向量自回归模型（VAR）模型实证分析
在对“农村金融体系对城镇化建设支持路径”进行建模之后，本文将利用VAR模型对农村金融体系的发展程度和城镇化建设水平之间的互动关系进行研究。在建立VAR模型之前，本文将先对四个进入到VAR模型的变量进行相关性分析。相关性分析检验的是时间序列之间的依存关系，本研究所采用的具体方法是Pearson相关分析法。
（1）对四川省的实证分析
首先对四川省的数据进行相关性分析，得到如下结果：
表3-1 四川省经济指标相关分析表
根据上面的相关系数表，可以发现金融相关率与金融效率之间存在显著的负相关关系，与收入城镇化之间存在显著的负相关关系，与人口城镇化之间存在显著的正相关关系。这表明在四川省，农村存贷款余额占到GDP的比例越高，农村金融系统支持投资的效率就越低，而第一产业生产总值占GDP的比例也就越低，而城镇人口占总人口的比例就越高，其中的相关关系比较复杂。
金融效率与收入城镇化成正相关关系，与人口城镇化率呈负相关关系，说明农村地区金融系统运行效率越高，第一产业生产总值占GDP的比例也就越高，这与农村金融系统支持农业产业化和乡镇企业的作用是一致的。而农村地区金融效率越高，人口城镇化率越低，说明实际上农村金融系统并未与城镇化水平存在预期的协同关系。
收入城镇化率与人口城镇化率存在十分显著的负相关关系，这是显而易见的，第一产业生产总值占GDP的比例越高，第一产业从业人员占到总人口的比例也就越高，由于第一产业从业人员大多是农民，因此人口城镇化率也就随之降低。
对时间序列进行单位根检验的目的在于检验其是否具有平稳性，如果使用非平稳时间序列进行建模，就会导致伪回归，也就是回归参数不再服从简单的随机分布，也不再是真实值的无偏估计，因此非平稳的时间序列是不能够进入到向量自回归（VAR）模型中的。首先利用Eviews统计软件对四川省份的原始数据进行单位根检验，得到结果如下：
表3-2 四川省经济指标单位根检验结果表
根据对四川省四个入选到VAR模型中的经济变量进行单位根检验可以发现，这四个原始指标均是不平稳的，在5%的显著性水平下均为通过显著性检验，但是经过一阶差分后的原始数据是平稳的，四个经过一阶差分的原始数据均通过了5%的显著性检验，也就是说这四个指标均是一阶单整的，是可以建立VAR模型的，下一步就是寻找VAR模型的最优滞后阶数。
本文首先对金融效率、金融相关率和收入城镇化率建立VAR模型，同样利用Eviews软件可以得到如下的结果：
表3-3 四川省经济指标VAR模型一滞后阶数确定表
根据Logl准则，最优滞后阶数为零阶，也就是采用原始数据建立VAR模型，根据LR准则和FPE准则最优滞后阶数是两阶，根据AIC准则和SC准则，最优滞后阶数是1阶，不妨将最优滞后阶数定为两阶 ，因为VAR模型不存在自由度问题，多增加一些自变量将能够优化对因变量的描述效果。那么在滞后两阶的情况下的得到的VAR模型如下：
公式3.1 四川省VAR模型建模结果（一）
由于本文需要研究的是农村金融效率和金融相关率对收入城镇化率的影响，因此仅仅从中摘取出一个方程即可。建立VAR模型需要对模型的稳定性进行检验，一种简单直接的方法是利用AR根图法。下图是刚刚建立的VAR模型所对应的AR根图。
图3.5 四川省VAR模型一AR根图
可以发现六个自变量的特征根均位于单位圆内，因此证明这个VAR模型是稳定的。在此基础上我们进行脉冲响应分析，得到的脉冲响应图如下所示：
图3.6 四川省VAR模型一脉冲响应图
根据上图可以发现，在研究区间内，四川省的收入城镇化率伴随着农村地区金融效率的提升而升高，但是这种正向的冲击有一定的时效性，经过一段时间后，正向冲击就将减小并趋于稳定，这与投资活动的滞后性和长期稳定性是意志的。而金融相关率则会对收入城镇化率带来负面的冲击，在3个周期之内，这种负向的冲击会逐渐加强，之后才会逐渐削弱并趋于稳定。
在完成脉冲响应分析之后，本研究将利用格兰杰因果检验对这三个经济指标间的格兰杰因果关系进行验证和论述。在格兰杰因果检验中，我们延续使用在建立VAR模型时选择的最优滞后阶数，得到的结果如下：
表3-4 四川省经济指标VAR模型一格兰杰因果检验表
根据格兰杰因果检验的结果，我们还是能够发现这三个变量之间的某些关系。如果以10%的显著性水平对检验结果进行分析，那么可以发现，收入城镇化率和农村地区的金融效率之间存在相互的格兰杰因果关系。
其次将对金融效率、金融相关率和人口城镇化率建立VAR模型，同样利用Eviews软件可以得到如下的结果：
表3-5 四川省经济指标VAR模型二滞后阶数确定表
根据Logl准则，最优滞后阶数为零阶，也就是采用原始数据建立VAR模型，根据LR准则和FPE准则最优滞后阶数是两阶，根据AIC准则和SC准则，最优滞后阶数是1阶，不妨将最优滞后阶数定为两阶，因为VAR模型不存在自由度问题，多增加一些自变量将能够优化对因变量的描述效果。那么在滞后两阶的情况下的得到的VAR模型如下：
公式3.2 四川省VAR模型建模结果（二）
由于本文需要研究的是农村金融效率和金融相关率对人口城镇化率的影响，因此仅仅从中摘取出一个方程即可。建立VAR模型需要对模型的稳定性进行检验，一种简单直接的方法是利用AR根图法。下图是刚刚建立的VAR模型所对应的AR根图。
图3.7 四川省VAR模型二AR根图
可以发现六个自变量的特征根均位于单位圆内，因此证明这个VAR模型是稳定的。在此基础上我们进行脉冲响应分析，得到的脉冲响应图如下所示：
图3.8 四川省VAR模型二脉冲响应图
根据上图可以发现，在研究区间内，四川省农村金融效率对人口城镇化的影响存在明显的转折，在3个周期内，农村金融效率的波动会对人口城镇化率有负向的影响，但是在长期看来，农村金融效率将对人口城镇化率产生正向、稳定的影响。金融相关率会对人口城镇化率带来正面的、长期的冲击，在5个周期之内，这种正向的冲击会逐渐加强并在长期内趋于稳定。
四川省城镇化水平指标对四川省农村金融发展水平、四川省农村金融发展效率的脉冲响应初始值在第 1 期均为0。依据图 5-28，在四川省农村金融发展水平作用下，四川省城镇化水平指标对脉冲的响应在第 4 期达到最大值 0.1124%，此后呈上下波动趋势，第 8 期后逐渐趋于0。依据图5-29，四川省城镇化水平指标对农村金融发展效率指标的冲击响应从第 2 期起逐渐上升，且上升幅度较大，第 2 期达到峰值 0.1943%，此后呈缓慢下降趋势，于第 9 期后逐渐趋于 0。以上结果说明，四川省农村金融发展水、农村金融发展效率指标均会对四川省城镇化水平造成影响，而相比较而言四川省金融发展效率对城镇化水平的冲击影响较为明显。
在完成脉冲响应分析之后，本研究将利用格兰杰因果检验对这三个经济指标间的格兰杰因果关系进行验证和论述。在格兰杰因果检验中，我们延续使用在建立VAR模型时选择的最优滞后阶数，得到的结果如下：
表3-6 四川省经济指标VAR模型二格兰杰因果检验表
根据格兰杰因果检验的结果，我们可以发现这三个变量之间的某些关系。如果以10%的显著性水平对检验结果进行分析，那么可以拒绝“金融相关率不是人口城镇化率的格兰杰原因的原假设”，也就是说金融相关率是四川省农村金融效率的格兰杰原因。
（2）对江苏省的实证分析
再利用江苏省数据进行Pearson相关性分析，得到如下结果：
表3-7 江苏省经济指标相关分析表
可以发现，江苏省农村金融相关率与金融效率存在负相关关系，但是这种关系并未通过显著性检验。金融相关率与收入城镇化率存在显著的正相关关系，说明农村金融体系的规模越大，第一产业GDP占到国内生产总值的比重也就越大。金融相关率与人口城镇化率存在显著的负相关关系，说明农村金融系统规模越大，城镇人口占到总人口的比重就越低。由此可以看出，从长期来看，相比较而言，江苏省农村金融发展效率水平的提升对江苏省农村经济增长指标的影响作用相对较强，农村贷款规模的上升，有利于开展农村经济建设，增加农民收入，以及更有力地促进乡镇企业的发展，促使农村劳动力的转移，进而进一步加快城镇化进程。
金融效率与收入城镇化率存在十分显著的负相关关系，也就是说农村金融体系的效率越高，第一产业GDP占到国内生产总值的比重也就越低，出现这种现象的原因可能在于来自农村的金融资源并没有进入到农业生产和农业产业化中。金融效率与人口城镇化率存在十分显著的正相关关系，说明农村金融体系的效率越高，人口约倾向于向城市迁移。
最后，收入城镇化率与人口城镇化率存在十分显著的负相关关系，这种关系是显而易见的，在江苏和四川两个省份都十分显著。
按照对四川省进行实证分析的模式，本文对纳入到江苏省VAR模型中的四个变量进行单位根检验，得到结果如下：
表3-8 江苏省经济指标单位根检验结果表
根据对江苏省四个入选到VAR模型中的经济变量进行单位根检验可以发现，这四个原始指标均是不平稳的，在5%的显著性水平下均为通过显著性检验，但是经过一阶差分后的原始数据是平稳的，四个经过一阶差分的原始数据均通过了5%的显著性检验，也就是说这四个指标均是一阶单整的，是可以建立VAR模型的，下一步就是寻找VAR模型的最优滞后阶数。
从预测方差分解的结果看，江苏省城镇化水平的预测误差主要来于自身变化的不确定性，第 1 期自身的贡献率为 100%，之后逐步下降，第 8 期开始逐步稳定在 92.1%左右。江苏省农村金融发展水平对江苏省城镇化水平指标的预测误差贡献当期为 0，第 2 期开始上升加速，贡献率逐步提升，第 6 期后贡献率稳定在 4.2%左右。江苏省农村金融发展效率对江苏省城镇化水平的贡献第 1 期为 0，其后逐渐上升，第 8 期后逐渐稳定在 4.67%左右。
本文首先对金融效率、金融相关率和收入城镇化率建立VAR模型，同样利用Eviews软件可以得到如下的结果：
表3-9 江苏省经济指标VAR模型一滞后阶数确定表
根据Logl准则，最优滞后阶数为零阶，也就是采用原始数据建立VAR模型，根据LR准则、AIC准则和HQ准则，最优滞后阶数是两阶，根据FPE准则和SC准则，最优滞后阶数是1阶，根据同样的原因，我们将滞后阶数定位两阶，那么在滞后两阶的情况下的得到的VAR模型如下：
公式3.3 江苏省VAR模型建模结果（一）
这个VAR模型的AR根图如下：
图3.9 江苏省VAR模型一AR根图
可以发现六个自变量的特征根均位于单位圆内，因此证明这个VAR模型是稳定的。在此基础上我们进行脉冲响应分析，得到的脉冲响应图如下所示：
图3.10 江苏省VAR模型一脉冲响应图
根据上图可以发现，在研究区间内，江苏省的收入城镇化率会受到农村地区金融效率持续的负向冲击，这种冲击在3个周期之内是持续增加的，不过在三个周期之后这种负向冲击将减缓并趋于稳定。令人惊讶的是江苏省的收入城镇化率还受到金融相关率的持续负向冲击，与受到的农村金融效率的冲击类似，这种负向的冲击也存在增长和减缓的趋势，但是增长的周期更长。
在格兰杰因果检验中，我们延续使用在建立VAR模型时选择的最优滞后阶数，得到的结果如下：
表3-8 江苏省经济指标VAR模型一格兰杰因果检验表
非常明显可以看出，根据格兰杰因果检验的结果，在江苏省内，收入城镇化率、农村地区金融效率、农村地区金融相关率是三个相互独立的经济变量，它们之间并不存在格兰杰因果关系。
下面将进行本研究的最后一项实证检验，对江苏省的金融效率、金融相关率和人口 城镇化率建立VAR模型，同样利用Eviews软件可以得到如下的结果：
表3-9 江苏省经济指标VAR模型二滞后阶数确定表
根据Logl准则，最优滞后阶数为零阶，也就是采用原始数据建立VAR模型，根据LR准则和AIC准则最优滞后阶数是两阶，根据FPE准则、SC准则和HQ准则，最优滞后阶数是1阶，根据同样的原因将最优滞后阶数定为两阶，那么在滞后两阶的情况下的得到的VAR模型如下：
公式3.4 江苏省VAR模型建模结果（二）
下图是刚刚建立的VAR模型所对应的AR根图。
图3.11 江苏省VAR模型二AR根图
可以发现六个自变量的特征根均位于单位圆内，因此证明这个VAR模型是稳定的。在此基础上我们进行脉冲响应分析，得到的脉冲响应图如下所示：
图3-12 江苏省VAR模型二脉冲响应图
根据上图可以发现，在研究区间内，江苏省的人口城镇化率会受到农村金融效率的微弱的正向冲击，在原始冲击的三个周期后，正向的冲击达到最大，但是仍然十分微弱。而金融相关率对人口城镇化率的冲击也十分微弱，虽然最初冲击为正向，但是在三个周期后就变为负向的冲击。无论冲击的方向如何，在江苏省的实证分析中，我们发现农村金融指标对人口城镇化率的冲击十分微弱。因此有理由预想这三个经济变量之间可能根本不存在相互的格兰杰因果关系。
在完成脉冲响应分析之后，本研究将利用格兰杰因果检验对这三个经济指标间的格兰杰因果关系进行验证和论述。在格兰杰因果检验中，我们延续使用在建立VAR模型时选择的最优滞后阶数，得到的结果如下：
表3-20 江苏省经济指标VAR模型二格兰杰因果检验表
根据格兰杰因果检验的结果，我们发现之前的预想是完全正确的，无论是在5%的显著性水平，还是在10%的显著性水平上，这三个经济学指标都不存在任何形式的格兰杰因果关系。
3.5 研究结论
为了得到最终的研究结论，作者进行了大量的理论和实证分析，为了更细致地考察农村金融发展水平对城镇化水平的影响，本文构造了两个用于衡量城镇化发展水平的指标，在进行了大量工作之后，现在对实证分析部分得到的结果进行总结。
3.5.1 四川省实证研究结论汇总
第一，农村地区金融相关率与人口城镇化率存在十分显著正相关关系，与收入城镇化率存在十分显著负相关关系；农村地区金融效率与收入城镇化率存在显著正相关关系，与人口城镇化率存在十分显著负相关关系。协整检验 的结果表明从长期来看，四川省城镇化水平与农村金融变量之间存在均衡关系，四川省农村金融发展能够有利于推动城镇化水平的提升。从协整系数来看，表示四川省农村金融发展效率指标（CER）与四川省城镇化水平指标（CZ）之间均存在正向关系，进一步表明提高山西省农村金融发展有利于促进城镇化水平的提升。
第二，农村地区金融效率对收入城镇化率有持续正向冲击，农村地区金融相关率对收入城镇化率有持续负向冲击；农村地区金融效率对人口城镇化有先负向后正向的冲击；农村地区金融相关率对人口城镇化率有持续正向冲击。
第三，收入城镇化率与农村地区金融效率之间存在相互的格兰杰因果关系，而金融相关率是农村地区金融效率的格兰杰原因，可见金融效率是一个比较重要的经济指标，在政策制定时要给予格外的重视。
图3.13 四川省农村金融体系支持城镇化建设效应分析
3.5.2 江苏省实证研究结论汇总
第一，农村地区金融相关率与人口城镇化率存在显著的负相关关系，与收入城镇化率存在显著正相关关系；农村地区金融效率与收入城镇化率存在十分显著的负相关关系，与人口城镇化率存在十分显著的正相关关系。
第二，农村地区金融效率对收入城镇化率有持续负向冲击，农村地区金融相关率对收入城镇化率有持续负向冲击；农村地区金融效率对人口城镇化有持续正向的冲击；农村地区金融相关率对人口城镇化率有现正向后负向的冲击，但是金融效率和金融相关率对人口城镇化率的冲击都十分微弱。
第三，江苏省收入城镇化率与农村地区金融效率和金融相关率之间并不存在任何形式的格兰杰因果关系，可以说三个经济指标是相互独立的。
图3.14 江苏省农村金融体系支持城镇化建设效应分析
3.6 建模结果解读
根据本文的研究发现，四川省农村金融效率对收入城镇化率有持续正向冲击，这是易于理解的，金融系统的中介作用发挥的越充分，就越有利于当地经济的发展。综合脉冲响应及预测方差分解 的分析结果可以看出，样本区间内农村金融发展效率相比较于农村金融发展水平对四川省城镇化水平的冲击时滞相对较短，这亦与误差修正模型 所得到的短期动态方程得出的结果一致，进一步反映出短期内四川省城镇化水平提升对于四川省农村金融发展效率（贷款与存款之比）上升因素反映相对较为灵敏。同时从协整方程所反映的长期关系来看，四川省农村金融发展水平（即金融相关率指标 FIR）以及四川省农村金融发展效率对四川省城镇化的长期作用影响均较强，这亦体现出农村金融发展情况对于推动城镇化进程能够产生深远长期的影响。整体来看，样本区间内，反映四川省农村金融发展的代表变量对四川省城镇化水平的影响作用较为显著。
从另一个方面可以说明，四川省的农村金融资源能够对农户和农业产业化提供很好的支持。而农村金融相关率对收入城镇化率有负向冲击，则说明农村金融规模越大，越不利于支持农业发展，这一点或许可以从吕晨钟[1]（2010）的研究中看出端倪，他对四川省农村金融发展和农村经济增长的相关性进行了研究，结果发现乡镇企业生产总值受到农村金融规模的影响较大，而真正的农林牧业业产值受到农村金融系统支持的作用较小，这样的话，虽然农村金融效率的提升能够对第一产业起到支持作用，但是由于农村金融规模的迅速扩大，使得第一产业在国民经济体系中的地位持续下降，整个农村金融系统实际上并未将全部的金融资源应用到农业发展中，而是出现了一定程度的外流。
农村地区金融效率对人口城镇化率的影响先为正向后为负向，说明金融效率的提高能够促进人口向城镇转移，这是很好理解的。金融效率的提高能够促进乡镇企业的发展，提高当地的劳动生产率，推动农民向城镇地区转移，但是长期来看负向的冲击是在无法利用经济学原理进行解释。
从江苏省的建模结果来看，农村地区金融效率对收入城镇化率有持续负向冲击，说明金融效率的正向冲击会带来第一产业的负向波动，而农村地区金融相关率对收入城镇化率有持续负向冲击说明金融相关率的正向冲击也会带来第一产业的负向波动。两者进行综合可以发现，江苏省农村金融体系对于农业的支持太弱，虽然这有可能是第二、三产业发展过于迅速的原因，导致第一产业地位的衰落。而在这种情况下，江苏省农村金融资源的外流成为了不可避免的现象。
与此同时，农村地区金融相关率和金融效率对人口城镇化率的冲击都十分微弱，经过格兰杰因果检验也基本断定，三个经济指标基本上相互独立。对以上各种结论进行总结，江苏省农村金融体系对城镇化的支持程度较低。
综合以上各种阶段性研究成果，我们可以得到以下的结论：
在城镇化水平较低的区域，农村金融体系对城镇化的支持效果较为显著，农村金融体系运行效率的提升和规模的扩大能够一方面增加经济总量，还能够推动产业结构升级。由于农村金融资源的外流，虽然金融规模会对农业产值的比重带来负面冲击，但总体上能够支持农业产业化和农户的资金需求。
在城镇化水平较高的区域，农村金融系统对城镇化的支持效果并不显著，无论是农村地区金融效率的提升还是金融规模的拓展，都不会对人口城镇化率或是收入城镇化率带来显著的影响。农村金融体系对产业结构的优化作用也并不明显。综合看来，原因可能在于金融体系对城镇化的支持作用仅仅局限在一定的城镇化率水平之内，当城镇化水平高于这个区间的上限时，由于整个经济结构中的金融资源已经十分丰富，所以导致金融体系对城镇化的支持就不再显著。
第4章 农村金融对城镇化支持路径分析
根据第三章对两省份经济数据的分析，我们得到了一系列的阶段性结论，下面我们将利用经济学理论知识对这些结论进行解读。
4.1金融支持城镇化路径存在的问题
国内很多学者对金融发展与成长的互动机制进行过研究，总结他们的观点，这种机制可以说：农村金融体系的发展可以提高储蓄率，为投资积累更多资金，进而可以提高资源配置的效率，提升当地经济发展的整体水平，进而提高城镇化率。而农村地区经济的发展又可以吸引到更多的生产要素在此地聚集，扩大了商品生产和消费市场，刺激了当地居民和企业对金融资源的需求，因此又能够推动农村金融体系的发展。
图4.1 农村金融体系与城镇化建设互动关系图
总体而言，这就是当前我国大多数学者对“农村金融体系”和“城镇化建设”互动机制的理解。不过金融支持城镇化建设还有更加深层次的机制 。
本研究利用率两个指标对农村金融发展水平进行衡量，一个是农村金融运行效率，用于衡量农村金融体系贷存比，另一个是金融相关率，用于衡量农村金融系统的规模。而农村金融系统对城镇化的推动作用，一方面可以通过中介作用为当地的投资活动提供资金支持，另一方面还对当地的产业结构优化有促进作用。例如根据欧阳晓峰[1]（2008）对湘西地区的实证研究，金融产业可以通过资金形成机制、导向机制和信用扩张机制来引导产业结构升级。资金形成机制就是通过金融机构对资金重新安排，逆向选择贷款对象；导向机制则是指金融要有助于提高社会生产效率；信用扩张机制是指利用货币量扩大和信用创造来加速资本配置效率。
图4.2 农村金融体系支持城镇化建设路径分析图
农村地区城镇化，重点不仅在于农村工业化，更重要的是农业产业化。也就是说农村金融应当发挥支持农业生产和农产品产业化。在本文的研究中，四川省金融效率的提升能够促进收入城镇化率的提升，说明农村金融体系中的贷款的确用于了农业投资。江苏省金融效率会对收入城镇化率带来负面冲击，说明江苏省农村金融资源并未较好地支持农业生产，并没有促进农业的产业升级。
两省的金融相关率均对收入城镇化率产生了负面影响，由此可见农村金融体系金融规模的扩张，并没有能够使农业获益，农村金融资源很有可能外流。
由于农村金融体系对人口城镇化的影响是间接的，因此在四川省中出现的变化的冲击方向，以及在江苏省金融效率、金融相关率和人口城镇化率的不确定关系，也就可以理解了 。我国很多学者对金融发展水平与人口迁移流动的关系进行过分析，例如赵奇（2013） 、张玉霞（2012） ，但是都仅限于数量研究，缺乏理论推导。通过结合人口迁移理论中的“推力—拉力”模型，本文认为人口城镇化也是通过推力和拉力实现的，首先是本地城镇化建设过程中本地居民的人口迁徙，其次是对外地劳动力的吸引，两者是有先后关系的。而显然无论是四川还是江苏，由于农村金融发展水平与人口城镇化率关系并不明确，因此可以说尚未对外部劳动力形成拉力。
而如果结合第三章中格兰杰因果检验得出的结论，将能够发现我国金融体系支持城镇化建设中的问题主要存在于以下两个方面：
第一，我国当前的省份均存在农村金融资源外流的状况，经济较为发达的省份这种现象更为明显，由此导致金融体系对城镇化建设的支持力度不够。农村资金外流的途径主要是通过财政税收和农村金融机构的营业网点以存款的形式流出。在农业税取消之前，农业税和农村的其他税费是农村地区资金通过财政流出的主要形式。此外，农村资金通过金融机构，流出资金甚为庞大。仅 2008 年通过我国的邮政储蓄，农村信用社等金融机构流出的资金达 1819.27 亿元，2000 年-2010 年 11 年间资金流失合计高达 13704.82 亿元。
第二，农村金融体系对农业产业化的支持力度不够，间接导致当地人口城镇化进程迟滞。农户由于自身收入有限，住房还不能成为有效抵押品，因此难以提供有效的担保品来获取贷款。此外，由于农村金融机构对中小企业信贷审查要求过高，对于实力薄弱的中小企业而言，难以达到其要求，因此其资金需求也难以得到满足。而在商业银行金融机构纷纷撤离农村金融机构营业网点的背景下，农村信用社一家独大。因此在农村金融市场缺乏竞争的情况下，贷款利率远远超出信贷主体可承受能力，使得信贷主体不得不缩减生产规模，从而进一步降低了农村经济增长的速度。