《安徽省金融发展对城镇化建设的影响实证研究》10000字（论文）

安徽省金融发展对城镇化建设的影响实证研究内容摘要：改革开放之后我国经济发展十分迅速，城镇化建设的步伐也在不断加快。城镇化作为经济和可持续发展的引擎，是国家增强综合实力的重要保障。因此，持续推进城镇化进程，不仅可以保证国民经济的稳定增长，而且可以提高人们生活的幸福感和安全感。金融发展水平不断提高将更好地实现融资功能和要素优化，提高城镇化水平。作为中部崛起战略地区的重要省份之一，安徽省城镇化率从1978年的12.62%增加到了2019年的55.81%。金融发展水平的提高对安徽省城镇化发展起到了重要作用。但与发达省份相比，还存有一定差距。因此研究金融发展对安徽省城镇化建设的影响非常重要。本文首先研究了金融发展及其对城镇化建设影响的相关文献，在此基础上，梳理了金融发展和城镇化建设的主流理论。其次，收集安徽省2001年至2019年金融发展和城镇化的相关数据，并对这些数据进行了描述性分析，得出现阶段安徽省金融发展和城镇化建设中存在的问题。再次，经过对金融发展和城镇化建设的相关数据进一步计算和处理后，建立了向量自回归（VAR）模型，对检验结果进行总结分析，提出相应的政策建议，有助于推动金融发展对安徽省城镇化建设的作用。关键词：安徽省，金融发展，城镇化，VAR目录TOC\o"1-2"\h\z\u一、绪论 一、绪论（一）研究背景及意义1.研究背景城镇化作为促进中国经济社会发展的重要基石,对全面建成小康社会以及实现中华民族伟大复兴具有重要意义。城镇化不是发展城镇舍弃农村，而是城市与农村良性互补发展，共同进步的过程。因此加快城镇化建设的意义不仅仅是提高城镇人口生活质量,还具有建立健全城乡发展机制，推动城乡发展的重大战略意义。作为城市化建设的重要资金来源，金融业可以为城镇化发展创造良好的金融环境。城镇化建设的过程中往往需要巨大的资金支持，如何有效解决融资需求问题，改善金融抑制状况，已成为当今社会关注的重点。随着我国社会的不断发展，安徽省城镇化建设水平和金融发展水平正不断提高。虽然安徽省作为中部崛起的省份之一，但城镇化建设水平与发达地区相比存在一定差距。提升金融发展对城镇化的影响作用有利于安徽省城镇化建设。因此研究城镇化建设和金融发展相关问题对于安徽省来说十分重要。2.研究意义（1）理论意义金融作为安徽省经济发展的核心之一，其发展对城镇化影响的研究成为学术界关注的热点之一。目前国内外研究文献资料较多，但针对省级层面的研究较少。因此，本文利用安徽省的数据建立VAR模型，通过各种模型检验分析安徽省金融发展对城镇化建设的影响，最后再提出相关的政策建议。一定程度上丰富了研究成果，为之后的研究提供了参考方向。（2）现实意义安徽省的城镇化建设取得一定的成就的同时，在城镇化进程中还存在着一定问题和差距。本文通过实证研究，分析金融发展指标对安徽省城镇化建设的影响，得出的结论以及政策建议对其他地区具有一定的参考意义。（二）国内外文献综述1.国外研究综述R.M.Kirwan(1989)针对经济体制中高利率和严格财政，提出运用金融创新方法来支持公共基础设施。Stopher(1993)从铁路建设方面进行研究，提出金融发展可以为铁路建设提供充足的资金，从而推进城镇化发展进程。Seong-HoonCho、JunjieWu和Boggess（2002）运用实证研究土地制度、金融发展和城镇化发展三者之间的关系，得出城镇化发展进程离不开土地发展，而且金融发展对土地投资有重要影响。2.国内研究综述翻阅国内文献发现主要从定性的理论研究和定量的实证研究两大类进行研究。（1）定性的理论研究汪小亚(2002)把城镇化影响因素主要分为两部分：金融发展和财政支持，研究分析中提出金融发展能够支持城镇化基础设施建设以及中小企业发展等。陈元（2010）研究开发性金融政策对城镇化建设中的影响，提出观点开发性金融政策能够推动产业结构的优化升级和加强城镇基础设施的建设。张宏亮(2014)从社会融资规模这个角度研究我国金融对城镇化发展作用，结果得出从长期来看，扩大社会融资规模和减少贷款在社会融资规模中的占比有利于城镇化发展。（2）定量的实证研究刘丽秋、王小华、温涛(2012)建立省级面板数据模型，研究金融发展中三个指标对于城镇化带来的作用影响。结果表明这三个指标对推动我国的城镇化的进程并没有显著影响，这表明我国在金融发展存在一定问题。金煌（2013）研究金融发展中金融相关率、金融效率和金融机构贡献率与城镇化率的关系，通过实证分析，得出辽宁省的金融相关率、金融效率在长期内对城镇化起着积极作用。徐淑芳，钟媛媛(2016)运用省级面板数据模型研究金融发展对城镇化所产生的影响，分析得出提升金融发展水平有利于提高城镇化率。通过研究国内外文献可以看出，对于金融发展对城镇化建设影响，国内外学者研究的重点有所不同，但是具有滞后性以及缺少全面系统的研究。（三）研究内容与方法1.研究内容本文分为五个部分。第一章是文章的绪论。主要包括文章的研究背景和研究意义、国内外文献梳理、以及研究方法和内容。第二章首先介绍金融发展和城镇化概念和理论。然后从金融发展对人口城镇化的影响、对产业城镇化影响和对社会城镇化影响三方面进行分析和阐述。第三章主要介绍安徽省的金融发展现状和城镇化现状。从金融规模、金融效率两个方面进行安徽省金融现状分析。人口城镇化、产业城镇化和社会城镇化三个方面对安徽省城镇化现状进行阐述。第四章是安徽省金融发展影响城镇化的实证分析。本章先对选取指标进行解释，然后基于2001年到2019年的数据运用Eviews9.0进行实证分析并得出结论。第五章，基于前面的分析结论，并结合安徽省发展现状提出针对性政策建议。2.研究方法文献研究法：通过查阅国内外相关文献，找出它们的研究理论和方法，并进行归纳与总结。定性与定量分析：主要对金融发展支持城镇化建设的影响机制做了定性分析。定量部分主要通过收集数据，利用丰富图表来描述安徽省金融发展现状和城镇化建设现状。实证分析法：通过对金融发展、城镇化建设二者作用机制的理论梳理后。运用EVIEWS9.0建立向量自回归模型，得出相应的实证分析结论，从而提出具体的相关政策建议。二、金融发展与城镇化的理论分析（一）金融发展相关理论金融的发展一般是通过不断扩大金融的规模总量、不断调整金融结构、不断提高金融的效率来实现的。因此本节主要通过对金融结构概念、金融抑制理论和金融约束理论的阐述来归纳总结金融发展理论。1.金融结构理论金融结构和金融发展概念是由经济学家戈德史密斯提出的。他认为金融结构是由各种金融机构、金融工具的性质、规模等构成。他还建立了金融相关率等指标来衡量金融结构，为后续金融发展理论的研究提供了一定的参考。2.金融抑制理论和金融深化理论麦金农和肖在研究发展中国家的金融问题时分别提出了金融抑制理论和金融深化理论。金融抑制是指在发展中国家由于政府过多干预金融市场导致供求关系失衡的现象。金融深化理论是对金融抑制理论中的问题进行分析并给出建议来规避这种现象的发生，从而有利于金融市场和经济的发展。金融抑制理论以及金融深化理论丰富了金融发展理论的内涵，并且在实践中对于发展中国家的金融改革产生了重要的影响。3.金融约束理论一些发展中国家没有结合本国国情，盲目采取金融深化理论提出的建议，导致经济受创。一些经济学家如赫尔曼对发展中国家出现新的金融问题提出了金融约束理论。他们认为发展中国家的金融市场不能拥有完全的主导权力，政府应该适当采取金融政策措施干预金融市场。（二）城镇化相关理论城镇化是农村人口转移到城镇，金融在这一过程中起到推动作用。结合中国实际情况，本文主要介绍城镇化理论中三个主要理论：二元经济理论、产业城镇化理论和城乡协调发展理论这三个主要方面。1.二元经济理论二元经济理论是指发展中国家存在发达的现代工业部门和落后的农业部门，由刘易斯提出。这种情况导致农业部门的劳动力因为工业部门相对高的生产率而转移到工业部门中，劳动力的转移又使得农业部门的生产率提高。劳动力在转移的过程中，两个部门逐渐达到平衡。这也表明农村与城镇的差距消除，有利于实现城镇化。2.产业城镇化理论产业结构理论中著名的“佩蒂-克拉克定律”是由克拉克提出的。他验证了经济与产业结构之间存在关联。西蒙.库兹涅兹在克拉克的基础上，得出一个国家经济的发展会带动产业结构和就业结构的变化。3.城乡协调发展理论经济学家乔根森、哈里斯在1967年提出城乡协调发展理论。乔根森认为农业部门只有存在剩余劳动力才会向工业部门转移。工业部门如果要吸引更多劳动力必须改进技术。哈里斯认为缺少农业或者工业的经济结构都是不完整的，城乡协调发展，才能使得经济可持续发展。（三）金融发展对城镇化影响的机理分析1.金融发展影响人口城镇化的影响人口城镇化是农村的劳动力转移到城市的过程。劳动力自身所具备的专业知识、技能、思想观念等决定了他们能否转移到并融入城市社会。而提高人口自身迁移能力的关键在于人力资本的投资。人力资本的投资过程需要大量资金支持，金融在此过程中发挥重要作用。因此人力资本投入越高，城镇化发展速度越快。2.金融发展对产业城镇化的影响产业城镇化的核心主要是产业结构的调整和优化升级。城镇化进程中，农业部门剩余劳动力逐渐向工业部门和服务业转移，三大产业的占比发生改变。随着农村人口不断转向城镇，需要金融资本的支持。增加金融机构数量，优化产业结构。增加金融机构数量能够形成有利的金融环境，进而促进产业结构调整。提高财政效率，促进产业结构优化。财政效率能够提高金融机构效率和证券市场效率，从而加快融资速度，有利于城镇化的建设。3.金融发展对城乡统筹发展的影响发展城镇化并不是舍弃农村，城市和农村是缺一不可的，共同协调发展。目前我国城乡之间仍然还有较大的差距，金融作为现代经济体系的核心，对统筹城乡发展具有重要作用。金融发展有利于缩小城乡居民之间的差距。城镇化在得到金融资金的支持下进行基础设施建设，吸引农村剩余劳动力的转移，增加了他们的收入，有利于缩小城乡收入差距。农村的经济发展也得到了金融资本的支持，进一步缩小城乡居民收入差距。综上，金融在缩小城乡居民收入差距中起到重要作用。三、安徽省金融发展与城镇化建设现状（一）安徽省金融发展现状1.安徽省金融规模现状从图3-1中可以看到，自2000年以来安徽省金融机构存贷款余额一直保持上升趋势。从安徽省存款余额来看，安徽省金融机构的存款余额从2000年2485.54亿元，增长到2019年的54377.87亿元。从安徽省贷款余额来看，从2000年安徽省金融机构贷款余额为2384.95亿元到2019年的44289.313亿元。这说明从2000年以来安徽省金融机构存贷款余额都有较大幅度的增加，金融规模也在不断扩大。图3-1：安徽省金融机构存贷款余额单位：亿元数据来源：2000-2019年《安徽省统计年鉴》金融相关率是衡量金融规模的常用指标。金融相关率为一个国或者地区的金融资产总额与这个国或者地区的经济活动总量的之比。依据数据易得性，选取安徽省金融机构存贷款余额之和与安徽省GDP比值来衡量安徽省金融规模。根据查阅的数据可知，1990年金融相关率首次大于1,即存贷款余额大于GDP总额，金融规模得到发展。2019年安徽省金融相关率为2.66,这说明安徽省金融规模水平在不断提升，经济也在不断发展。2.安徽省金融效率现状金融效率是指一个国家或者一个地区将吸纳的金融存款转为贷款的能力。金融效率一般用一个国家或地区贷款余额与存款余额之比来衡量。图3-2：安徽省金融效率数据来源：2000-2019年《安徽统计年鉴》从图3-2中可以看出，2000年至2019年安徽省金融机构的贷存款之比呈现下降趋势，且都小于1。这表明安徽省金融贷款的增加相比于存款的增加在逐渐减少。2009年至2019年存贷比变换缓慢，这说明金融发展比较稳定。（二）安徽省城镇化建设现状1.安徽省人口城镇化现状由图3-3可知，从2000年至2019年，安徽省的城镇化率不断上升，由28%提高到55.81%。2015年安徽省城镇化率首次超过50%，城市人口不断增长，这说明城市在不断发展，对于安徽省城镇化建设具有促进作用。图3-3：安徽省城镇化率数据来源：2000-2019年《安徽省统计年鉴》2.安徽省产业城镇化现状经济的不断发展，安徽省产业结构也在不断发生变化。如图3-4所示，安徽省二、三大产值不断增加，第二产业在2019年的产值是2000年的14倍，第三产业也增长了14倍。安徽省GDP由2000年的3125.33亿元增长到2019年的37113.98亿元。二、三产业与GDP的占比除了2008年至2015年，第二产业占比大于第三产业占比，其他年份第三产业占比都大于第二产业。这说明安徽省产业机构在不断优化改善。图3-4：安徽省二、三产业产值及GDP值单位：亿元数据来源：2000-2019年《安徽省统计年鉴》3.安徽省社会城镇化现状根据《安徽省统计年鉴》可知，2000年农村居民的人均纯收入为1934.6元，城镇居民的人均收入为5294元。2019年农村居民的人均纯收入为15416元，城镇居民的人均收入为37540元。这说明城乡居民的生活水平都在不断的提高。图3-5所示为安徽省城乡居民人均收入比值，由图可知城乡收入比呈现波动变化，从2000年至2013年，先上升再下降，2014年至2019年比值趋于稳定。而且城乡收入比始终大于2，说明城乡之间的差距较大。图3-5：安徽省城乡收入比数据来源：2000-2019年《安徽省统计年鉴》四、金融发展对安徽省城镇化建设影响的实证分析（一）指标选取和数据来源1.金融发展的指标选取与分析本文选取金融规模、金融效率这两个指标来衡量安徽省的金融发展水平。（1）金融规模金融规模的衡量指标：金融相关率(F1)是指一个国家或者地区的金融资产总额与该国或者该地区的经济活动总量的比值，本文选用安徽省金融机构存款余额和贷款的余额之和与安徽省生产总值的比值来表示。一般来说，金融发展水平越高，F1的系数越大。（2）金融效率金融效率的衡量指标：金融效率是指存款转化为贷款的能力。本文选用贷款余额与存款余额的比值来衡量安徽省金融效率，即金融效率(F2)。F2越大，存款转化为投资的效率越快，经济也高速发展，从而推动城镇化建设。2.城镇化的指标选取与分析衡量城镇化选取人口城镇化、产业城镇化以及社会城镇化三个指标。（1）人口城镇化衡量城镇化发展水平常用的指标就是人口城镇化率，人口的城镇化率为市镇人口占总人口的比重，用C1表示。一个地区城镇化发展水平越高，C1数值越大。（2）产业城镇化城镇化发展过程中，产业结构也在变化。本文选用安徽省二、三产业产值之和与安徽省生产总值的比值来表示产业城镇化，用C2表示。二、三产业的产值占比越高，表明产业结构在不断调整优化。（3）社会城镇化本文选取城乡居民人均收入比作为安徽省社会城镇化的衡量指标，即城乡居民收入比,用C3表示。3.数据来源本文选取安徽省2001-2019年的数据进行实证分析，数据主要来源于《安徽省统计年鉴》、《安徽省金融运行报告》以及《中国统计年鉴》，数据处理软件为EVIEWS9.0。（二）金融发展对城镇化建设影响的实证分析过程1.变量平稳性检验由于原始时间序列数据大多都非平稳，为了避免伪回归现象的出现，将数据进行平稳性检验，即ADF检验，得出结果如下:表4-1：变量平稳性检验变量ADF统计量1%统计量5%统计量10%统计量P值结果C1-2.842215-5.124875-3.933364-3.420030.216不平稳C2-2.404016-4.571559-3.690814-3.2869090.3652不平稳C3-2.331373-4.886426-3.828975-3.3629840.3916不平稳F1-2.730264-4.616209-3.710482-3.2977990.238不平稳F2-1.695158-4.571559-3.690814-3.2869090.711不平稳D（C1）-4.915049-4.667883-3.7332-3.3103490.0065平稳D（C2）-6.328741-4.616209-3.710482-3.2977990.0005平稳D（C3）-4.389896-2.708094-1.962813-1.6061290.0002平稳D（F1）-4.43439-3.92035-3.065585-2.6734590.0037平稳D（F2）-2.573233-2.708094-1.962813-1.6061290.0135平稳由表4-1可以看出，在5%的置信水平下，原变量的ADF统计值均不显著，接受原假设，原序列不平稳。在通过一阶差分后的序列，其ADF统计量均小于5%临界值，因此拒绝原假设，一阶差分后的序列平稳。2.VAR模型实证检验过程（1）金融发展对人口城镇化影响的实证分析1）最优滞后期选择首先要确定VAR模型的最优滞后阶数。如表4-2所示，不同原则均显示滞后阶数为零阶是最优的选择。这说明DC1、DF1、DF2在建立VAR模型时，滞后阶数为零阶最合适。表4-2：最优滞后期选择表LagLogLLRFPEAICSCHQ0129.7212NA*2.65e-11*-15.84015*-15.69529*-15.83273*1135.42018.5484284.14E-11-15.42752-14.84807-15.397842147.575813.675133.26E-11-15.82197-14.80795-15.770052）平稳性检验从图4-1可以看出，所有特征根都在单位圆内，说明DC1、DF1、DF2建立的VAR模型是稳定的。图4-1：ADF模型AD检验图金融发展对人口城镇化建设的影响建立的VAR模型公式为：DC1=0.2583∗DC1(−1)−0.2220∗DC1(−2)−0.0081∗DF1(−1)+0.0092∗DF1(−2)−0.0419∗DF2(−1)−0.0087∗DF2(−2)+0.01393）脉冲响应函数分析由图4-2可以看出，DC1人口城镇化受到DF1金融规模一个单位冲击后，在第二期脉冲响应函数达到负向影响最大值。从第二期开始冲击减小，在第四期达到最大值。从第四期冲击减弱，在第六期达到负向影响最大值。这表明DF1对DC1的影响主要集中在中短期。图4-2：DF1对DC1的脉冲响应函数图接着分析DF2金融效率指标给DC1一个单位的冲击时，在第二期脉冲响应函数达到负向影响最大值。从第二期冲击减弱，在第三期达到最大值后负向影响加大，第四期达到最大值。从第四期开始，冲击产生的负向影响逐渐降低，并于第七期使得正向影响达到最大值。这表明随着DF2对DC1的影响主要集中在短期和中期。图4-3：DF2对DC1的脉冲响应函数图4）方差分解分析表4-3：人口城镇化方差分解汇总表PeriodS.E.DC1DF1DF210.0021761000.00E+00020.00275983.019118.17E+008.80877230.00278581.478368.5601929.96144740.00300972.0427113.2597114.6975750.00302572.0769913.1221714.8008460.00319472.7111713.9631913.3256470.00325672.5556513.4405414.0038180.00328172.7632413.4426413.7941290.00329572.8130713.4949413.69199100.00329772.7016513.6044313.69392通过DC1的方差分解可以看出，当第一期DC1指标发生变化时，DF1、DF2指标在变动中没有贡献率，贡献率全部来自DC1指标自身。从第二期开始，DF2指标对人口城镇化的贡献率上升到8.8％，DF1指标贡献率极低。第三期DF1指标贡献率上升至8.5%。第四期开始DF1指标和DF2指标变动的贡献率较小，基本稳定在13%左右。而DC1自身的贡献率不断下降至72%左右。这说明金融指标对人口城镇化指标变动主要集中在中长期，从影响程度来说DF1和DF2指标影响程度较为稳定。（2）金融发展对产业城镇化影响的实证分析1）最优滞后阶数选择对DF1、DF2、DC2进行最优滞后阶数的检验。从表4-4可以看出，根据FPE、AIC、HQ准则确定模型的最优滞后阶数为二阶。表4-4：最优滞后期选择表LagLogLLRFPEAICSCHQ0108.3727NA*3.82E-10-13.17159-13.02673*-13.164171117.164113.187144.05E-10-13.14551-12.56607-13.115842130.963615.524372.60e-10*-13.74545*-12.73142-13.69352*2）平稳性检验从图4-4可以看出，所有特征根都在单位圆内，说明DC2、DF1、DF2建立的VAR模型是稳定的。图4-4：ADF模型AD检验图金融发展对产业城镇化建设的影响建立的VAR模型公式为：DC2=−0.0199∗DF1(−1)+0.0096∗DF1(−2)−0.0311∗DF2(−1)−0.1777∗DF2(−2)−0.7081∗DC2(−1)−0.3596∗DC2(−2)+0.01343）脉冲响应函数分析根据下图显示，DC2产业城镇化受到DF1指标一个单位冲击后，在第一期、第二期和第三期时函数呈正向影响，并达到最大值。从第四期开始将为负向影响，并在第五期达到最大值。从第六期开始减弱，最后影响逐渐减为零。图4-5：DF1对DC2的脉冲响应函数图接着，根据下图可以看出，DC2受到DF2一个单位冲击时，在一到三期呈现负向影响，并达到最大值。从第三期负向影响减弱，在第四期达到最大值。从第四期影响逐渐减弱，在第五期达到最大负向影响，随后影响逐渐减为零。图4-6：DF2对DC2的脉冲响应函数图4）方差分解分析表4-5：产业城镇化方差分解汇总表PeriodS.E.DF1DF2DC210.07650510.162141.01E+0088.8277520.0894157.0311744.62215488.3466730.1043589.75418428.735461.5104240.11780310.0519729.1765560.7714850.1200519.80677331.1151959.0780360.1233449.98799231.0561258.9558970.1239649.9453330.8878659.1668180.12499110.0497430.9306959.0195690.12513610.0373831.2966158.66601100.12524410.0536831.322958.62342通过DC2产业城镇化的方差分解表可以看出，当第一期DC2指标发生变化时，DF1指标的贡献率为10%，DF2指标贡献率极低，DC2指标自身贡献率最高，为88%。第二期DF1指标贡献率降低至7%左右，DF2指标贡献率增加至4%左右。从第三期开始，DF1指标变动的贡献率一直在10%上下波动；而DF2指标上升到28%，最后逐渐上升到31%左右。DC2指标对自身变动的贡献率逐渐降至58%。这说明虽然金融指标对于DC2指标变动主要集中在中长期，但从影响来看，DF1影响程度最小，DF2影响程度最大。（3）金融发展对社会城镇化影响是实证分析1）最优滞后阶数选择对DF1、DF2、DC3进行最优滞后阶数的检验。从表4-6可以看出，根据FPE、AIC、HQ准则确定模型的最优滞后阶数为二阶。表4-6：最优滞后期选择表LagLogLLRFPEAICSCHQ062.53143NA*1.18E-07-7.441428-7.296568*-7.43401171.36913.256371.24E-07-7.421126-6.841684-7.391453284.7567615.061238.39e-08*-7.969595*-6.955572-7.917669*2）平稳性检验从图4-7可以看出，所有特征根都在单位圆内，说明DC3、DF1、DF2建立的VAR模型是稳定的。图4-7：ADF模型AD检验图金融发展对社会城镇化建设的影响建立的VAR模型公式为：DC3=−0.1423∗DF1(−1)+0.1778∗DF1(−2)−2.8289∗DF2(−1)−0.8126∗DF2(−2)−0.4115∗DC3(−1)−0.0923∗DC3(−2)−0.08423）脉冲响应函数分析根据下图显示，DC3社会城镇化受到DF1一个单位冲击时，从第一期开始正向影响增加，并在第二期达到最大值。从第二期开始，正向影响减弱，在第三期达到最大值。从第三期开始负向影响减弱，并逐渐趋于零。图4-8：DF1对DC3的脉冲响应函数图接着，根据下图可以看出，DC3受到DF2一个单位的冲击时，从第一期开始负向影响增加，在第二期达到最大值。从第二期开始负向影响减弱，第六期达到最大值，并逐渐趋于零。图4-9：DF2对DC3的脉冲响应函数图4）方差分解分析表4-7：社会城镇化方差分解汇总表PeriodS.E.DF1DF2DC310.0485428.5584867.15E-0190.7268520.0947437.7612825.3022366.9364930.0997797.99975925.2108466.789440.1135088.00653628.676363.3171650.113787.9423629.5410762.5165760.1142527.90991629.4223862.667770.1143757.89329529.8527462.2539780.1143937.90512929.9832262.1116590.1144257.90264730.003162.09425100.1144417.90111830.0693462.02954通过DC3社会城镇化的方差分解图可以看出，当第一期DC3发生变化时，DF1和DF2贡献率较低，贡献率主要来自DC3自身指标。从第二期开始，DF2指标上升至25%左右，DC3指标自身贡献率降至66%。DF1指标贡献率较为稳定，一直在8%左右。从第四期开始DF2指标贡献率逐渐增长至30%，而DC3自身变动的贡献率波动较为稳定，在62%左右。这说明虽然金融资本对于DC3资本变动主要集中在中长期的影响，但从影响程度来说，DF1贡献率较小，DF2影响程度最大。（三）VAR模型实证结论在人口城镇化中，金融规模发展和金融效率对人口城镇化影响较大。在脉冲响应图中可以看出，金融规模指标变化对人口城镇化的影响主要集中在第三期至第五期，因此在提升金融规模的过程中，更应该关注金融规模指标变化对于人口城镇化中期的影响。而金融效率指标变化对人口城镇化的影响主要集中在第六期至第七期。在此过程中金融效率指标不能盲目提高，金融机构需要结合自身发展特性，调整目标。同时当地监管机构也需要完善规划，进行有效监管。在产业城镇化中，金融规模影响程度较小，金融效率影响程度较大。从脉冲响应图中可以看出，金融规模指标变化对产业城镇化的影响主要集中在第三期到第四期。因此短期内存贷款余额能够随着金融市场变化而做出相应变动，长期发展对于产业来说，更注重效益，而不是规模的扩大。金融效率指标变化对产业城镇化的影响主要集中在第四期。根据二三产业受到影响的反映周期，金融效率对于产业城镇化的影响存在一定滞后性和周期性。在社会城镇化中，金融规模影响较小，金融效率影响程度较大。从脉冲响应图中可以看出，金融规模指标变化对社会城镇化指标的影响主要集中在第二期到第五期，并且在第六期趋于零。金融规模指标增大时，对于城乡居民收入差距长期影响逐渐减小。金融规模指标给予社会城镇化指标正向冲击后，从第一期至第六期是正向影响，但正向影响的程度越来越低。这说明当金融规模增大时，能够抑制城乡收入差距。针对以上情况，应建立精准的金融政策来缩小城乡居民人均收入差距，以便更好地推动城镇化的建设。五、对策建议安徽省金融发展在推进城镇化进程中起到一定的积极作用，但同时也存在一些问题。为了更好发挥安徽省金融发展对城镇化的推动作用，提升安徽省城镇化水平，本文提出以下政策建议。（一）加大对人口城镇化建设的金融支持力度农村人口在向城镇转移，并且能够成为城镇人口需要满足基本生活需求。金融作为经济的核心，能够满足农村人口在城市生活的资金需求。因此从以下几个方面提出金融发展对加快人口城镇化的政策建议：一是对基础教育进行金融扶持。城乡基础教育差距较大，农村教育资源以及基础设施缺乏，而城市教育质量较好，但教育成本较高。这些现象使得农村人口在向城市转移的过程中面临一定困难。因此需要加大对农村基础教育金融扶持力度，给予农村教育基础设施建设和建设师资队伍一定金融补偿政策。同时对于城市基础教育也需要加大资金投入，使得适龄儿童有学可上。二是加大对农村劳动力职业技能的培训。地方政府可以定点对来城市工作的农村人口进行一些免费性的职业培训，或者对于小微型企业的入职培训费用进行扣减。（二）加大对产业城镇化建设的金融支持力度产业结构的变化很大程度上展现的是金融对城镇化建设的推动作用。加大对产业的金融