流通业在城市经济发展中作用及发展趋势实证研究，本文主要内容关键词为：发展趋势论文,经济发展论文,作用论文,实证研究论文,城市论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
引论
流通业与城市经济发展的关系渊源已久。城市经济是“城”与“市”的有机结合，二者的发展互为条件。“城”是形式，“市”是内容。城市只有建立在繁荣的商业交换活动基础上，城市才具有活力和竞争力。城市与商业的关系正如马克思所说：“城市工业本身一旦同农业分离，它的产品一开始就是商品。因此，商业依托城市的发展，而城市的发展也要以商业为条件。”
现有文献表明，对流通业与城市经济发展的研究，一般是从分工的角度论证城市的形成以及贸易和商品流通对城市发展的作用，巴顿(K·J·Button,1984)认为，农业和商业是城市形成的两条主要线索。哈里斯(C·D·Harris,1943)在他著名的美国城市职能分类中，列出了零售商业城市、批发商业城市、运输商业城市等以流通活动为主的城市类型。日本地理学家国松久弥认为第三产业在城市发展中的作用日益突出。阿瑟·奥利沙文(A·O' Sullivan,2000)进一步明确，“地区间的贸易促进了城市的发展。在生产和销售上的规模经济促使公司聚集在城市，这种群聚性促进了城市的发展。”新经济地理学代表人物Fujita and Knigman(1995)利用生产的规模经济、消费的多样化偏好与交易效率之间的两难冲突构建的模型深入分析了工业化、城市化与交易效率之间关系的机制。王德章教授(2006)提出了流通业对区域经济发展的促进作用。晏维龙等(2004)从理论与实证两个方面深入分析了城市化与商品流通的关系，提出“流通先导”的城市化战略。刘国光(1999)、万典武(2002)认为，商业已从末端产业转变为先导产业。黄国雄(2003)提出城市商业是城市竞争力的所在，城市的竞争力包括生产力、流通力和文化力。郭冬乐、宋则等在《商业经济学》一书中，指出了流通业对城市经济的主导作用。
需要指出的是，从现有文献分析来看，从城市经济的角度，详细论证流通业贡献的论著一直不多。事实上，尽管对流通重要性的认识已经从“无用论”发展为“有用论”、“先导论”，但对于这样的问题，比如流通在城市经济中到底扮演怎样重要的角色；流通这一普遍存在并且是不可或缺的产业，其对城市经济发展的贡献究竟如何等，对此进行的定量研究十分有限。不从定性和定量结合上解决流通对城市经济的现实客观作用的评价问题，就无法真正作出流通业对城市经济发展作用的准确评价，也就不可能真正重视城市经济中流通这一基础性产业的健康发展，更难以实现流通业与城市经济的和谐发展，所以在做定性和定量分析的同时，力求在定量分析方面有所突破。
二、模型的构建
如果两个或两个以上时序变量的绝对值显现出非稳定性，每个变量都存在单位根，但它们的某种线性组合却显现稳定性，则这些变量间存在长期稳定关系即协整关系，满足协整的经济变量之间不会相互分离太远，一次冲击只能使它们短时间内偏离均衡位置，在长期中会自动回复到均衡位置。
考虑中国经济的快速增长使得多数宏观经济变量表现出非平稳性，对于非平稳性的时间序列，常规的t检验和F检验失效，引起伪回归问题，使得传统的回归模型所估计的参数丧失了应有的意义，克服的回归的一个方法是用变量的差分建模型，可是这样却失去了大量的信息以至无法得到变量之间的长期关系，而协整以及建立在协整关系基础上的误差修正模型为研究非平稳变量之间的定量关系奠定了理论基础。由萨丹(sargan,1964)开创并经过Hendry-Anderson(1977)以及Davidson(1978)进一步完善的误差修正模型(ECM)可以有效解决伪回归问题[7]。误差修正模型(ECM)可以由自回归分布滞后模型(ADL)变换而来。ADL模型的一个重要特性就是可以改成多种形式而不影响模型对样本数据的解释能力，也不会改变回归参数的最小二乘法(OLS)估计值。ADL模型的一般形式是：
误差修正模型的优点是：若变量间存在协整关系，则ECM就具有平稳性，差分变量也具有平稳性，回归参数的估计量具有优良的渐进特性，不存在虚假回归问题；ECM模型中的参数包括长期参数和短期参数，可以定量分析流通业对城市经济的短期影响和长期影响[10]。
表1 时间序列平稳性检验结果
变量 ADF统计量 5%临界值
检验类型(c,t,k) 结论
LNUT -3.785201 -4.246503 (c,t,0) 非平稳
LNCGDP-3.568369 -4.246503 (c,t,0) 非平稳
△LNUT-4.457306 -4.107833 (c,0,2) 平稳
△LNCGDP -4.486333 -4.107833 (c,0,2) 平稳
注：检验形式t、c、k表示单位检验方程包括时间趋势、常数项和滞后阶数，加入滞后变量是为了使残差项成为白噪声。
三、实证分析
（一）数据选取及处理
本文用于分析的原始数据来自于《中国统计年鉴》（1990～2005年），经济发展水平用GDP数据（变量名CGDP），流通业发展水平用流通业的GDP数据（变量名UT)。由于数据的自然对数变换不改变原来的协整关系，并能使其趋势线性化，消除时间序列中存在的异方差，所以对实际的数据分别进行自然对数变换。
（二）实证分析结果
利用Eviews5.0软件对处理后的数据进行分析。
1.平稳性检验。变量的平稳性是建立时间序列模型的重要前提，在进行模型回归之前有必要对模型前提假设进行检验。采用ADF单位根检验方法，检验模型如下：
这里t是时间趋势，p表示最优滞后阶数，通常p=1,2,3。如果p=1，那么
有一个单位根，且是非平稳的。否则说明序列不存在单位根，因而是平稳的。方程中加入p个滞后项是为了使残差项为白噪声。
表1检验结果表明，时间序列ADF检验的统计量值都大于5%的临界值，接受了原假设，说明变量都存在单位根，接着再对变量一阶差分进行单位根检验，得出在5%的显著性水平上，拒绝存在单位根的原假设，变量经一阶差分后是平稳序列，因此变量序列都是一阶单整，可以做协整回归分析。
2.协整检验。由于本文研究的是流通业与城市经济这两个变量之间的关系，所以将采用Engle Granger两步法来检验变量之间的协整关系。设
均为I(1)变量，首先用OLS方法建立协整回归模型：
(1)协整回归方程如下：
LNCGDP=-0.0043+1.2315LNUT(8)
(2)根据回归方程(8)分别求的相应残差
，单位根检验ADF值为-3.027，且D.W.接近于2，而检验水平0.05的临界值为-1.94，说明残差项在95%置信水平下不存在单位根，流通业与城市经济发展的变量间存在协整关系。
3.模型与估计结果。考虑在小样本条件下，协整参数估计量不是无偏估计量，这种偏倚将直接传给误差修正项，从而给短期参数的估计带来严重的偏倚。为了克服小样本条件下EG两步法的不足，菲利普斯和罗利坦建议用动态分布滞后模型估计长期均衡关系，根据Hendry从一般到特殊的方法，估计如下的动态分布滞后模型：
括号里的t检验值具有90%的可靠性，且D.W.值接近于2，故残差序列不存在自相关。误差修正系数为-1.547，小于零，符合反向修正机制。误差修正模型表明：在短期内流通业可能偏离城市经济发展的长期均衡水平，但纠正速度系数的绝对值较大，因此自我调整是围绕长期均衡波动并快速衰减而趋向长期均衡的过程；短期乘数为0.576，小于长期乘数1.286，不管是从短期看还是从长期看，流通业对城市的经济发展都具有非常重要的作用。
回归方程(11)一般是用来预测的，我们据其画出拟合值与实际值以及残差的序列图1。由图1可以看出，方程的拟合程度非常好，并且残差项集中在零附近，不存在自相关性。
图2是流通业与城市经济发展关系的未来趋势，从长期来看，流通业对城市经济发展的促进作用还在加强。