苗东利

内容摘要：本文以北京市城市化率和商贸流通业增加值为依据，基于VAR模型定量分析城市化对商贸流通业的影响。1993-2016年北京市城市化水平与商贸流通业的原始数据并非平稳，研究表明：北京市城市化水平的提升与商贸流通业的发展之间存在稳定的关系；北京市的城市化水平对商贸流通业发展的贡献度初期增加较快，之后基本维持在30%左右；北京市商贸流通业的发展显著提升了其城市化水平。

关键词：城市化率 商贸流通业 产值增长率 VAR模型

引言

人类文明的发展历程中，城市是人类各种经济文化活动的聚集中心。城市形成以后，周围乡村的生产要素大量向城市聚集，并以城市为据点逐步形成了各种商品交易中心。在城市的生产活动中出现了劳动分工，而且产生了工业、商业等不同类别的行业，所以，城市的不断发展促进了工业、商业等产业的发展。当然，工业、商业等产业的发展也带动了城市基础设施的完善，推动了城市化的发展。从现代城市的发展状况看，随着城市化水平的不断提升，以城市空间为依托的工业在城市化进程中的作用逐渐减弱，取而代之的是第三产业。第三产业在城市化进程中的作用愈发重要。近年来，商贸流通业对地区经济发展的引导和推动发挥着巨大作用，成为了学术界关注的焦点，国内外众多学者展开了对商贸流通业发展与城市化水平关系的深入研究。

阿瑟奥沙利文（2000）以聚集经济原理为基础探究商业与城市化水平之间的互动关系，他认为流通产业中聚集经济效应的外部性促进了城市发展，阿瑟奥沙利文的研究为城市化进程中商业聚集经济效应奠定了理论基础。勒斯、Ghosh等外国学者基于商业空间学和商业地理学的视角，探究城市化与商贸流通业之间的关系，他们的研究从空间的角度说明了城市化对地区商贸流通业发展产生的正效应。近年来，我国城市化水平不断提升，出现了北、上、广、深等国际大都市，国内学者纷纷以城市化与商贸流通业作为自己的研究课题。谢朝斌（1995）是我国首位研究城市化与商贸流通业之间关系的学者，他认为商贸流通业的发展变革是城市化进程中必然出现的结果，城市化是商贸流通业发展最重要的推动力量。汤宇卿（2000）基于城市地理规划角度，对城市化与商贸流通业关系进行分析，他认为商贸流通产业空间结构对城市化发展具有重要影响，由于地区商贸流通产业空间结构差异逐步扩大，造成了各地区城市化水平发展不平衡。刘根荣等（2010）基于我国1978-2008年的批发、零售产值和城市化率的面板数据，定量研究城市化水平和商贸流通产业的关系，他认为城市化水平的提升是商贸流通产业发展的格兰杰原因，对商贸流通产业的发展具有正向促进作用。

通过对国内外城市化与商贸流通业相关文献的分析，可以看出现有的研究多数集中于定性分析，采用实证分析的较少。从理论层面上，学者们说明了城市化水平与商贸流通业发展之间的密切关系，但是对这种关系缺乏必要的数据支持。此外，大多数研究基于国家层面，缺乏对不同地区城市的具体分析。鉴于此，本文以北京市1993-2016年城市化率和商贸流通业产值增加值为依据，构建VAR模型定量研究北京城市化水平提升对商贸流通产业发展的作用，以期能够弥补国内外相关研究文献的不足，为我国不同地区的城市化和商贸流通业的发展提供借鉴意义。

现状分析

（一）北京市商贸流通业发展现状

北京作为我国的首都，改革开放以来党和国家不断加强北京市的商贸流通业等各行业建设，其商贸流通业产值多年来稳居我国前列。首先，北京市商贸流通业规模不断扩大，商贸流通业地位不断提升。北京市商贸流通业产值占GDP的比重不断上升，对GDP的拉动作用明显增强。其次，市场主体多样化，私营和个人经济发展迅猛。北京市商贸流通市场中外资和混合所有制占较大比重，国有和集体经济比重下降，私营和个人经济所占比重上升到13.15%。此外，北京市商贸流通企业数量不断增多。2016年北京市法人企业数量为384973，属于商贸流通业的批发、零售、住宿、餐饮、交通运输、物流、仓储企业法人数为13716，占比34.21%，其中批发业法人数量最多，运输业最少。最后，北京市商贸流通业中的批发零售业发展迅速，餐饮住宿业发展速度较慢。2016年批发零售业产值增加2372.89亿元，而餐饮住宿业产值仅增加399.35亿元。

但是，北京市商贸流通业发展也面临许多问题。第一，商贸流通企业规模较小，相互之间存在恶意竞争行为，严重影响了北京市整体商贸流通业的发展，降低了北京市商贸流通企业在全球市场的竞争力；第二，商贸流通业现代化水平较低，存在资源利用效率低，结构不完善、物流成本较高等问题；第三，商贸流通业空间布局不合理。商贸流通企业多数集中于北京市中心，给居住在郊区的市民带来极大的不便，难以满足郊区市民的消费需求；第四，商贸流通业产品附加值低，利润低。批发业的成本收入比为1.077；零售业成本收入比为1.122 ，而且税率较高，零售业所得税高达31.3%，税收政策实行“一刀切”阻碍了北京市商贸流通业发展。

（二）北京市城市化发展现状

首先，北京市的城市化水平较高，增长速度缓慢。2016年末北京市常住总人口为2172.9万人，城镇人口为1879.6万人，城市化率为85.5%，远高于我国城市化平均水平。1993年以来，北京市的城市化水平显著提高，由74.7%增长到85.5%，其中1993-2005年城市化水平提升8.89%，是北京市城市化水平快速提升时期，2005年以后增长速度逐步减缓；其次，北京市形成了四级城市结构体系。即首都核心功能区、城市功能扩展区、城市发展新区以及城市生态涵养发展区，但是在各级结构中人口与土地发展不平衡。首都功能区聚集了北京市常住人口的62%，而首都功能区的建设用地仅占全市建设用地的26%，人多地少限制了首都功能区的进一步發展，造成了交通拥挤、住房紧张、房价过高等城市问题。相比之下，城市生态涵养发展区人口较少，土地面积较大，呈现出“地广人稀”的格局，而且由于基础设施不完善，城区生态涵养发展区与其它区域发展水平差异较大；最后，为了缓解人口压力，北京市一直致力于发展城市周围新功能区。目前来看，北京市在郊区建设了15座新城区，不断完善新城的基础设施建设，以吸纳城市中心人口，缓解中心城区压力。但是，从其发展来看，新城的功能仍需进一步完善，中心城区“城市病”问题并没有得到彻底解决。

VAR模型分析

（一）VAR模型概述

（二）数据选择与处理

本文利用北京市商贸流通业增加值表示其商贸流通业发展水平，根据国家统计总局数据显示，地区商贸流通业产值为批发零售业、交通运输、仓储邮政业、住宿、餐饮业之和。由此本文基于数据的可获得性选取了1993-2016年北京市批发零售业、交通运输、仓储邮政业、住宿、餐饮业增加值并加总得到北京市商贸流通业增加值，用SM表示。使用城市化率表示北京市的城市化发展水平，用CS表示，城市化率等于城镇人口与常住总人口的比值。具体数据如表1所示，由于时间序列可能存在异方差性，所以在构建VAR模型时，本文对原始数据进行了取对数的计量处理以消除可能存在的异方差性，取对数之后的结果分别用LNSM、LNCS表示。

（三）单位根检验

由于时间序列大多数是非平稳的，如果直接对非平稳的时间序列进行线性回归，则会出现“伪回归”的结果。因此，以时间序列进行计量分析之前，必须要对序列的平稳性进行检验。若序列是平稳的，则可直接进行回归分析；若序列是非平稳的，则需对序列进行差分，得到平稳的时间序列之后再进行计量分析。平稳性检验又称为单位根检验，常用的方法有PP检验和ADF检验，本文则使用ADF检验对LNSM和LNCS进行单位根检验，其结果如表2所示。

其中，滞后期K是根据AIC和SC准则判断的，DLNCS和DLNSM是一阶差分之后的结果，基于表2的检验结果可知，LNCS和LNSM并非平稳的时间序列，对其进行一阶差分之后得到了1%显著水平下的平稳时间序列DLNCS和DLNSM。

（四）VAR模型滞后阶数选择

建立VAR模型首先面临的一个问题就是VAR模型滞后阶数的选择。在选择滞后阶数时，笔者希望滞后阶数足够大，以便能够完整的反应VAR模型的动态特征，但是随着滞后阶数的增大，需要顾及的参数也增多了，这样就减少了VAR模型的自由度。学术界普遍认可的做法是当AIC和SC值同时达到最小时，此时的滞后阶数为最佳滞后阶数，检验结果如表3所示。

由表3可知，滞后阶数为2阶时，AIC和SC值达到最小值，分别为-9.627419，-9.130028。所以，本文所建立的VAR模型滞后阶数为2阶。

（五）VAR模型

VAR模型的输出结果分析。基于上述分析本文以2阶滞后期，建立了北京市城市化率和商贸流通业增加值的VAR（2）模型，根据Eviews8.0的VAR模型输出结果，可以得到北京市城市化率和商贸流通业增加值的关系向量矩阵：

由矩阵（2）可知，DLNCS的变化与DLNCS（-1）呈正向关系，与DLNST（-1）呈反向关系，与DLNCS（-2）、DLNSM（-2）呈正向关系。在其它变量保持不变的条件下，DLNCS（-1）增长一个百分点，DLNCS增长1.249720；DLNST（-1）增长一个百分点，DLNCS下降0.141075；DLNCS和DLNSM分别增长一个百分点，DLNCS分别增长0.287738、3.583282。同理可知，DLNSM的变化与DLNCS（-1）、DLNST（-1）、DLNCS（-2）、DLNST（-2）的变化呈正向关系。

VAR模型的稳定性检验。由于VAR模型并非都是平稳的，不平稳的VAR模型所得到的结论是无意义的，因此对估计出的模型进行稳定性检验。在此本文利用 AR 根进行检验，即如果估计的 VAR 模型所有根模的倒数小于1，即位于单位圆内，则其是稳定的。本文绘制出单位根图形表示的结果，如图1所示。

由图1可知，VAR（2）模型所有的单位根落在单位圆内部，可以判断设定的VAR模型是稳定的，这也就表明了选取的3个变量之间存在稳定的关系。

基于VAR模型的方差分解分析。方差分解可以将VAR系统内一个变量的方差分解到各个扰动项上，从而提供了关于每个扰动因素影响VAR模型内各个变量的相对程度的信息。本文利用方差分解技术分析北京市城市化水平与商贸流通业之间的贡献率，结果如图2所示。

由图2可知，在北京市商贸流通业发展过程中，北京市城市化水平对其贡献度在1-3期逐渐上升，在3期左右达到30%左右，之后基本稳定在30%左右；而城市化对自身的贡献程度则处于下降趋势，在1期至3期处于快速下降的状态，3期以后基本保持在70%左右。相比较而言，北京市商贸流通业的发展对其城市化水平的贡献程度要高的多，从1期到4期贡献程度迅速上升到70%左右，然后保持在70%左右不随追溯期数的增加而变化，而商贸流通业对自身的贡献度处于下降趋势，由1期的90%到4期时减为30%左右，之后基本处于稳定状态。

结论与建议

（一）结论

本文基于VAR模型定量研究北京市城市化水平与商贸流通业发展之间的关系，通过ADF检验表明1993-2016年北京市城市化水平与商贸流通业的原始数据并非平稳的，一阶差分得到了平稳的时间序列；VAR模型分析表明北京市城市化水平与商贸流通业增加值之间存在稳定的关系；基于VAR模型的方差分解下，北京市的城市化水平对商贸流通业发展的贡献度初期增加较快，之后基本维持在30%左右，而商贸流通业发展对城市化水平提升的贡献度要明显高于城市化水平对商贸流通业的贡献度，北京市商贸流通业发展对城市化水平提升的贡献度在初期快速上升，在3期以后维持在70%左右，可以说北京市商贸流通业的发展显著提升了其城市化水平。

（二）建议

基于實证研究，本文为推动北京市城市化和商贸流通业的发展提出以下建议：第一，调整中心城区和周边功能新区的商业格局，优化周边功能新区的城市基础设施，把中心城区的相关产业向周边功能新区转移；第二，大力发展商贸流通业的现代化，通过政府扶持、技术创新等手段培育本土大型连锁经营商贸流通企业；第三，不同层次的商贸流通业共同发展，做好城市商贸流通业、社区商贸流通业、郊区商贸流通业的协同发展；第四，优化城市空间布局，提高城市土地利用效率，依靠科学的城市功能区划分提升整个城市的运行效率，以提升北京市商贸流通业等其它相关行业的效益。

参考文献：

1.李慧文，吕雅英，杨慧英.不同层次商贸流通效率对工业化和城市化的影响[J].商业经济研究，2015（28）

2.王国锋，刘小娟，邱虹.商贸流通产业发展与城市化进程关系实证分析[J].商业经济研究，2015（27）

3.陆晓豪.城市化与商贸流通业发展关系的统计分析[J].商场现代化，2015（23）

4.夏继军.城镇化背景下城市商贸流通产业发展的对策措施[J].现代商业，2015（20）

5.李秀丽.浅析我国城镇化与商贸流通业的互动发展[J].商业经济研究，2015（19）

6.陈苡.我国城镇化与商贸流通业的互动机理及协同发展探讨[J].商业经济研究，2015（9）

7.黎星池，曾庆均.我国城镇化与商贸流通业互动发展研究—基于省际面板数据模型的实证分析[J].商业时代，2014（25）

8.周爱华，王艳.流通带动型城乡一体化发展研究[J].南昌大学学报（人文社会科学版），2008，39（6）

9.杜丹清.城市化推进中的商贸业发展现状与对策研究[J].江苏商论，2004（6）