財政融資、金融融資對城鎮化支持效應的比較分析——基于平滑轉換回歸模型

李新光，張芷尋

(1.武夷學院 商學院，福建 南平　354300； 2.福建農林大學 經濟學院,福州　350002)

?

財政融資、金融融資對城鎮化支持效應的比較分析
——基于平滑轉換回歸模型

李新光1，張芷尋2

(1.武夷學院 商學院，福建 南平354300； 2.福建農林大學 經濟學院,福州350002)

摘要：運用平滑轉換回歸模型分析財政融資、金融融資對城鎮化發展的支持效應差異。結果表明：(1)金融發展(FRt)是導致它們對城鎮化支持呈現門檻效應的原因之一。當FRt低于0.144 7時，表現出線性特征；反之，表現出非線性特征。(2)財政融資、金融融資與城鎮化的發展存在長期均衡關系，金融融資對城鎮化的長期支持效應超過財政融資，原因是財政支持對城鎮化的貢獻會因非線性效應而減弱；而金融發展對城鎮化的支持并沒有表現出非線性效應。

關鍵詞：支持效應；平滑轉換； 財政融資；金融融資；城鎮化

一、引言與文獻回顧

自改革開放以來，中國城鎮化不論在理論上還是實踐中都不斷發展，城鎮化的進程也在加速。傳統意義上的城鎮化主張農民向大中城市不斷轉移，從而促使城市規模由小變大。2014年3月16日公布了《國家新型城鎮化規劃(2014—2020)》，其中明確提出走中國特色新型城鎮化道路、全面提高城鎮化質量，明確未來城鎮化的發展路徑、主要目標和戰略任務。新型城鎮化的建設將需要巨額的資金，僅僅依賴國家財政融資、銀行貸款和出讓土地等傳統的融資渠道已不能滿足需求，亟需建立規范、透明的城市建設投融資機制。所以，新型城鎮化建設的金融支持路徑拓展和體制創新成為各界人士關注的焦點。為此，本研究以新型城鎮化的金融支持路徑拓展為背景，從實證角度審視財政融資、金融融資對城市化發展的支持程度差異，這對中國新型城鎮化的發展具有重要現實意義。

隨著城鎮化速度的加快，推進過程中的融資需求逐漸變大，近年針對城鎮化融資、錢從哪來的文獻顯著增多。從國內學者的研究來看，鄭韜指出隨著我國城鎮化的大規模推進，許多地方政府在未來3年將面臨嚴重的債務問題，如何解決錢從何處來是當務之急，地方政府務必創新投融資機制以擺脫對傳統融資方式的依賴[1]。曹君麗認為當前的城鎮化融資模式不能滿足城鎮化建設對大規模資金的需求，提出PPP/PFI融資模式創新的想法[2]。王筱欣、楊臣通過VAR模型發現不完善的社會保險制度對城鎮化起阻礙作用，從而提出加大對社會保障制度的支持力度，以推進城鎮化發展的建議[3]。丁世錄等以重慶市為例，采用灰色預測模型，對重慶新型城鎮化建設的金融服務需求進行了預測，提出應從地方法人和監管部門政策扶持兩個層面加強對城鎮化的金融服務[4]。韓民春利用VAR模型，分析了我國財政基本建設投資與人口城鎮化的關系，結果顯示前者對后者的長期影響在減弱，短期調整效應也不強[5]。劉慶和通過構建一個局部調整模型，以貴州省為例，發現財政投入對城鎮化進程的短期效應相當小[6]。王建威等基于協同創新的角度對城鎮化發展路徑進行了考察，提出應該有效地利用財政手段和金融手段相結合的方式來推動城鎮化融資機制創新[7]。周戰強等利用VAR方法探討了金融融資、財政投入對城鎮化的影響，發現在短期內財政融資對城鎮化影響顯著，金融融資則不然；但是在長期二者都有顯著影響，且金融發展對城鎮化的貢獻更大[8]。王開科等以福建省為例，通過協整、granger因果檢驗發現城鎮化與財政基本建設投資具有長期均衡機制[9]。

從國外學者研究來看，Hsing Yu針對城鎮化過程中基礎設施與城市住房的融資行為進行分析，發現一個發達的金融體系可以為城市基礎設施建設提供較強的資金支持[10]。Stopher Peter通過研究歐洲國家城市化的發展狀況，發現這些國家的公共交通設施發展較快，而城市交通的發展需要大量資金，城市的金融系統剛好能滿足這些資金需求[11]。Kim Kyung-Hwan分析了房地產投資和基礎設施建設中的金融需求，發現若能合理利用金融市場融資，將大大地減輕城鎮化建設中的融資需求[12]。Cho Seong-Hoon等研究了城鎮化過程中對土地投資與開發的需求，結果發現金融發展對融資起到了較好的促進作用[13]。Derriennic以美國幾個地區為研究對象，采取離散模型進行實證分析，結果發現金融融資對城鎮化進程的影響是正向的[14]。Chang Miao等認為金融業的發展對城市水資源供給設施與城市交通運輸網絡的建設具有重要的影響，完善的金融市場能為其提供資金來源[15]。Sharif Saqib在2014年卡拉奇召開的“南亞城市會議”上，提出“城市金融”概念，它是專門探討一個城市或區域如何融資以滿足城市各種需求的一個新概念[16]。Jeffrey Racki對非洲未來50年的城鎮化發展作了預期，提出了具體日程表，要順利完成這個目標，需要盡可能地利用本地資源和資金支持[17]。

由上可知，較多學者從定性角度探討了城鎮化建設融資問題，在定量研究上，學者們主要采用向量自回歸模型、協整、格蘭杰因果檢驗等方法，較少應用非線性技術去研究。此外，已有研究主要是側重從金融融資與城鎮化、財政支持與城鎮化等角度進行單線分析，很少將多種投融資方式結合起來，針對它們對城鎮化支持效應進行比較分析。已有文獻中，周戰強將三者結合起來進行了分析，但作者對57年的數據資料僅用線性技術值得讓人深思。在當前城鎮化的快速推進過程中，建立有效的投融資模式對城鎮化推進具有重要意義，現有學者已經提出了多種創新模式，那么從定量角度分析這些模式對城鎮化建設的支持效應差異，摸索它們各自作用的規律，為制定高效率的城鎮化金融支持路徑是有意義的。為此，在前人研究的基礎上，本文試圖采用非線性平滑轉換(STR)方法，利用最新數據資料，深入剖析財政融資、金融融資在城鎮化建設支持效應上的差異，為尋找多元化的城鎮化投融資模式提供更加充分的實證依據。

二、平滑轉換回歸模型與數據

(一)指標選取與數據來源

1.財政融資(cz)：由于城鎮化所需要的財政投入是綜合的，覆蓋教育、支農、基建等多方面，如果只采用其中某一方面的指標都有失偏頗，所以這里我們采用全國財政支出/國內生產總值的比例作為代理變量，衡量財政融資在城鎮化建設中所占的比重，用cz表示。

2.城鎮化率(urban)：城鎮化率是用來表示城鎮化水平的一個重要指標，采用地區城鎮人口除以地區總人口的比重來衡量。雖然應用此指標會低估城鎮化水平，但是基于戶籍制度統計出來的城鎮人口資料數據缺失，故本文將采用該指標來衡量城鎮化水平，這也符合較多文獻的做法，用urban表示。

3.金融融資(fr)： Goldsmith認為，用(金融機構存款余額+金融機構貸款余額)/GDP表示的金融相關率可以很好地反映一個國家或地區的經濟金融化程度。考慮到我國金融體系還是以銀行為主的金融中介體系，所以本文就選用這個指標來衡量地區金融融資水平，用fr表示。

本文實證數據主要來源于中經網、《中國金融年鑒》《中國統計年鑒》，樣本范圍為1978—2013年*2013年數據來自國家統計局2014年2月24日發布的《2013年國民經濟和社會發展統計公報》。。為了使數據量度不至于相差太大，對城鎮化率和財政占比指標擴大10倍，這樣三個指數數據的范圍均集中在(0，10)之間。

(二)平滑轉換回歸模型簡介

平滑轉換回歸模型(STR)是比門檻回歸模型更一般化的非線性模型，它是在匡特(Quandt,1958)的轉換回歸模型基礎上發展而來的。STR模型具體可以表述為：

yt={?+θG(γ,c,st)}′Xt+ut

t=1,…,T

(1)

其中，Xt=(zt′,xt′)′，zt′=(1,zt-1,…，zt-p)，xt=(x1t,…,xkt)′，?=(?0,?1,…,?m)′和θ=(θ0,θ1,…θm)′是(m+1)*1階矩陣向量，ut～iid(0,σ2)。G(γ,c,st)是轉換函數，γ表示轉換速度參數，c=(c1,…,ck)′為位置參數向量。在后續實證過程中，zt具體為城鎮化率urbant,xt指金融融資水平frt、財政融資指標czt，通過后續模型檢驗得出最佳轉換變量指標為金融融資水平(frt)。

根據Granger和Terasvirta(1993)的研究，G( )分成以下幾種形式：

(2)

則將式(2)稱為LSTR1模型，這時G()為增函數。此外，G( )亦可表述為如下形式：

γ>0,c1≤c2

(3)

此時，轉換函數G(γ，c,st)為非單調性，關于(c1+c2)/2點對稱，當st→±∞時，有G→1；對一切c1≤st≤c2,當γ→∞時，有G→0。稱式(3)為LSTR2模型。

另外，轉換函數G( )亦可表述為如下偶函數形式：

G(γ，c,st)=1-e-γ(st-c)2,γ>0

(4)

稱式(4)為ESTR模型。

在正式估計模型前需要選擇何種模型，Terasvirta(1994)認為，首先通過對G( )在γ=0處作3階泰勒級數展開，再將其放回式(1)進行合并，則可得到：

(5)

R3(γ,c,st)為泰勒級數展開余項。在對式(5)進行非線性檢驗時，通過設定H0：β1=β2=β3=0(即模型不具有非線性特征)，如果拒絕H0，則認為接受存在非線性的備擇假設。在H0成立且大樣本情況下，檢驗統計量服從χ2(3m)分布，然而，如果大樣本條件得不到滿足時，統計量的χ2分布會受到嚴重扭曲。所以，Terasvirta建議采用F統計量來替代，在H0成立條件下，它漸近服從F(3m，T-4m-1)分布，通過F檢驗來確定G()的具體形式(LSTR1或LSTR2/ESTR)。上述檢驗思路可以用如下序貫檢驗來表示：

一般來說，若H03的P值最能強烈拒絕原假設，則LSTR2或ESTR模型較好，否則說明LSTR1模型較好。

該模型的實現過程可以利用基于Java的時間序列處理軟件JMULTI來完成，詳細的操作過程可以參見相關書籍[18]及網站*http://www.jmulti.org/。

三、平滑轉換回歸模型實證過程

(一)變量時序特征

從圖 1可以看出，城市化率的變化曲線比較光滑，保持穩步遞增趨勢，由1978年的17.92%遞增到2013年的53.73%。金融融資指標在36年間表現出小幅波浪式的增長趨勢，增長速度時而平緩，時而陡峭，這暗示隨著金融業漸進式改革的不斷完成，金融發展水平表現震蕩式增長特征。財政投入經歷了先下降、后上升的變化趨勢，轉折的年份發生在1997年。總之，這些指標變化趨勢與中國的實際情形比較吻合，在后續分析中，我們將應用這些指標進行建模。

圖1　各變量的時間趨勢

(二)變量平穩性檢驗

通常來說，為了避免時間序列建模出現的“偽回歸”現象，一般要求序列是平穩的，否則不能直接用來進行回歸分析。

表1　各變量的平穩性檢驗

注：ADF檢驗(c,t,p)中c表示截距項，t表示趨勢項，p表示滯后項。原假設H0均為:序列有單位根。*、**、***分別表示在10%、5%、%水平上顯著。

從表1來看， 3個變量均是I(1)，說明3個變量的原序列是不平穩的，但一階差分平穩。所以，后續分析將采用urban、cz、fr的一階差分進行實證，分別記為durban、dcz、dfr。

(三)平滑轉換回歸模型的估計

1.選擇STR模型的滯后階數

建立STR模型的第一步，就是要確定模型中被解釋變量與解釋變量的滯后階數。在本文實證過程中，滯后階數的確定規則參照Sensier和Osborn(2002)的方法。從模型的最高滯后階數8往下開始檢測，同時依照不同模型參數的顯著性、AIC準則、SBC準則、樣本個數等來綜合確定。通過分析，我們最后確定durban的滯后階數為2，另外2個變量的滯后階數為0。

2.模型的非線性效果檢驗

在確定模型線性AR部分的自回歸階數以后，非線性部分的轉換函數形式我們將按照上述序貫規則進行，首先需要確定最優的轉換變量。

從表2可知，在5個變量中，以fr_d1(t)作為轉換變量最能體現非線性特征，由于其F3的伴隨概率比F4大，因而確定轉換函數的形式為LSTR1，即：

γ>0

(6)

表2　非線性檢驗結果

注：F統計量為Granger等(1993)提出的檢驗線性假設的統計量，F4、F3、F2分別對應H04、H03、H02統計量，表中數值為各統計量的相伴概率。

3.STR模型的估計結果

初始值的選擇對估計LSTR1的參數非常重要，所以本文對初始值的選擇主要應用BFGS算法*具體詳細過程參見Hendry(1995)附錄A5以及參考文獻[18]第177頁，本文不再贅述。。c、γ范圍分別為(-0.15，0.46)、(0.50，10)，步長設置為0.01*實證中也嘗試步長為0.03，發現尋找全局最優的結果劣于0.01，所以這里選擇步長0.01。，γ與c的初始估計值見表3。

表3　 γ與c的估計結果

按照Terasvirta(2004)的思想，在估計γ與c時還須檢驗其初始值是否落在之前設定的區間內，如果沒有，則認為非線性初始值是不合適的。從上述結果來看，本文所估計的初始值是合理的。因此，可以將它們代入方程(1)和(2),采用遞歸的Newton-raphson迭代法求解最優值，從而得到模型的參數估計值。此外，Hendry(2005)指出，若有系數不顯著則可以將其刪除，直至所有系數全部顯著為止。經過反復調試，得到結果見表4。

表4　LSTR1模型的估計結果

至此，可以得到本文所設定的LSTR1模型：

durbant=0.080 7+0.231 0durbant-2+

0.117 8dczt+0.125 9dfrt+

(-0.080 7+0.761 7durbant-1-

0.125 9dfrt)*G(γ,c,dfrt)+et

(7)

式(7)表明我國金融融資、財政融資對城市化發展的影響方式出現門檻效應，它們隨著金融發展程度差異表現出明顯的差異。圖2、圖3分為模型擬合效果圖、模型線性和非線性部分時序圖，從擬合整體效果來看還是不錯的。

圖2　數據原始與擬合值的時序

圖3　模型線性和非線性部分的時序

4.STR模型的相關檢驗

(1)對殘差的檢驗

如表5所示，滯后1-3期自相關檢驗的P值均未通過 5%顯著性檢驗，可見不存在序列相關。從殘差的ARCH檢驗來看，滯后1-3階的P值均未通過 10%顯著性檢驗，可見不存在自回歸條件異方差，即可認為不存在廣義的模型設定錯誤[18]181。另外，殘差JB統計量檢驗結果顯示，其伴隨概率大于10%，因而可認為殘差服從正態分布。從殘差的ADF檢驗可知，模型估計的殘差是平穩的，說明非線性模型估計效果良好，這可認為3個變量之間是非線性協整的[19]。

(2)剩余的非線性檢驗

通過變換轉換變量，以檢驗上述STR模型估計后是否還存在多余的非線性效應。檢驗結果如表6顯示，若采用其他變量作為轉換變量，各個F統計量均不能通過10%顯著水平檢驗，說明不存在剩余的非線性特征。

(3)參數的穩定性效果診斷

通過采用時間t作為轉換變量，觀察各變量參數是否有顯著差異。檢驗的原假設H0：參數是穩定的。表 7結果顯示，基本可認為接受H0，即參數不具有顯著的波動性。其中，圖4為轉換函數、轉換變量的時間趨勢圖，圖5為轉換函數的曲線圖。

圖4　轉換函數和轉換變量的趨勢

圖5　轉換函數

滯后期自相關LM檢驗F(p值)異方差ARCH-LM檢驗χ2(P值)正態性檢驗1230.1630(0.6900)2.6794(0.0909)1.8980(0.1625)0.0074(0.9316)1.9990(0.3681)3.4500(0.3273)JB=0.3066(p=0.8579)Skewness=0.1445Kurtosis=3.3735resid_ADF=-2.7394(1%顯著)

表6　模型剩余非線性檢驗

表7　模型估計參數的穩定性診斷

①NaN由于奇異矩陣導致不能求逆。

四、模型結果的解釋

從表 4估計結果來看，各系數在10%顯著水平下異于0，同時通過了殘差的相關檢驗、模型和參數的穩健性檢驗，因而可以認為上述LSTR1估計結果是較理想的。從結果的具體解釋來看：

第一，LSTR1的線性部分估計結果顯示，durbant-2對durbant的影響為正，城鎮化率變化本身具有正的累積效應；dfrt的系數要大于dczt且均為正，這說明財政支持、金融支持對城鎮化的影響均為正，而且當非線性部分沒有起作用的時候，金融支持的貢獻要大于財政支持，即如果金融融資增長1%，城鎮化率會相對提高0.125 9%，對城鎮化率提高的貢獻會比財政支持高出0.008 1個百分點。

第二，LSTR1的非線性部分估計結果顯示，Frt是較好的轉換變量,這說明金融融資水平的變化導致了財政融資、金融融資對城鎮化的影響具有非線性特征。c(=0.144 7)代表不同機制轉換的門限值，具體意味著：當Frt大于0.144 7時，G(·)=1，金融融資處于較高水平狀態；當Frt小于0.144 7時，G(·)=0，金融發展處于壓抑狀態。而Frt=0.144 7時，G(·)=0.5，此時非線性消失，是處于高機制與低機制之間的一種狀態。可見，LSTR1估計結果較好地估計了不同金融發展水平狀態下，財政融資、金融融資對城鎮化的影響差異，它們的影響在高、低兩種狀態之間的平滑變換。轉換速度函數G()=704.748 7(見圖 5)，這意味著模型從線性部分向非線性部分的變換速度較迅速。

第三，縱觀整個模型，在近36年里，財政融資、金融融資對城鎮化率的支持作用表現出非線性效應，這種門檻效應因金融發展水平速度變化表現出來，從圖5來看，非線性部分的貢獻始終大于線性部分。門限值金融發展的估計值0.144 7出現在1991年，增長率時序圖3出現3次明顯的跳躍，分別發生在1988年、2001年、2008年。當Frt超過0.144 7時，非線性部分起作用，由于非線性部分財政貢獻的系數是負的，說明財政支持對城鎮化進程中的貢獻大小隨著金融發展水平的提高在逐漸減少，這正說明我國在快速城鎮化的進程中，由于城鎮化的投融資需求巨大，金融市場在城鎮化融資中所起的作用日益加強，而財政融資的作用在減弱*與韓民春、周戰強等學者得到的部分結論基本一致。。

五、結論與建議

本文采用JMULTI軟件，將近年來發展的平滑轉換回歸模型(STR)應用于財政融資、金融融資對城鎮化貢獻差異的研究，揭示了它們之間復雜有趣的關系。實踐證明，STR模型可以用來分析變量之間可能存在的非線性關系，它可以突破傳統的線性或非對數線性關系的研究范疇，同時也可以彌補普通門檻模型中轉換機制存在突變性的局限，使得研究更加獨特而深入。全文通過模型設定、檢驗、估計和評估，最終得到如下結論：第一，財政、金融對城鎮化的支持作用會由于金融融資水平表現出非對稱效應。第二，財政融資對城鎮化的影響存在非線性效應，其影響會隨著非線性效應而減弱；而金融融資對城鎮化的支持作用沒有表現出非線性效應，影響比較穩定。可見，從總體上來看，隨著城鎮化的快速推進和金融市場的完善，財政支持在城鎮化融資中的地位日漸弱化；而金融市場在城鎮化融資中的重要性逐漸上升，表明隨著金融融資水平的提高，金融市場領域作為城鎮化融資渠道拓寬的一個選項是具有可行性的。

新型城鎮化的推進是一個龐大而復雜的工程，資金籌集將直接決定著城鎮化的成敗，而過分依賴傳統融資方式的做法已不能滿足城鎮化的資金需求。通過本文的研究發現，由于Frt只要超過0.144 7，財政融資作用便會大大減弱，因此，政府在城鎮化推進的過程中，應開拓思路，打破傳統融資模式的束縛，開發適合城鎮化發展的新型金融產品[20]。如可將城市化融資渠道拓展重點放在金融市場領域，如發行市政債券、公私合營，可考慮將民間資本、保險、債券、股票等產品納入到城鎮化的金融支持框架中來；此外，政府應當考慮轉換角色，由過去在城鎮化建設中的領導者變成引導者，尤其是在融資體制上應逐步退出；在當前新型城鎮化建設的角色中，政策重點應放在完善金融市場、建立良好投融資環境，以吸引民間資本、外來投資和金融資本參與到城鎮化的建設中來。

參考文獻：

[1]鄭韜.新型城鎮化發展及其投融資方式創新 [J].財經界(學術版),2013(8):88.

[2]曹君麗.金融支持城鎮化建設模式研究——基于公私合營(PPP/PFI)項目融資的視角 [J].技術經濟與管理研究,2013(1):107-110.

[3]王筱欣,楊臣.社會保障支出與城鎮化——基于時間序列的實證分析 [J].重慶理工大學學報(社會科學),2013(12):49-55.

[4]丁世錄,雷友,張娟.重慶市新型城鎮化建設金融服務需求預測 [J].重慶理工大學學報(社會科學),2014(8):17-23.

[5]韓民春,劉甲炎.財政基本建設投資對人口城市化的影響——基于VAR模型的實證分析 [J].城市問題,2013(12):62-67.

[6]劉慶和,張智勇.欠發達地區的財政投入與城市化進程 [J].貴州社會科學,2004(4):20-22，25.

[7]王建威,何國欽.城鎮化發展與財政金融支持機制協同創新的效率分析 [J].上海金融,2012(6):94-96，118.

[8]周戰強,喬志敏.金融發展、財政投入與城鎮化 [J].城市發展研究,2011(9):17-20，99.

[9]王開科,莊培章,關陽.城市化與財政基本建設投資的動態關系研究——基于福建省的實證 [J].工業技術經濟,2010(06):142-146.

[10]YU H.A note on functional forms and the urban size distribution [J].J Urban Econ,1990，27(1):73-79.

[11]STOPHER P R.Financing urban rail projects:the case of los angeles [J].Transportation,1993，20(3):229-250.

[12]KYUNG-HWAN K.Housing finance and urban infrastructure finance [J].Urban Stud,1997，34(10):1597-1620.

[13]CHO Seong-Hoon,Wu J J,WILLIAM G B.Measuring interactions among urbanization,land use regulations and public finance [J].Amer J Agr Econ,2003，85(4):988-999.

[14]DERRIENNIC Y.A new approach to city growth [J].Housing Stud,2003(2)：43-58.

[15]CHANG M,FU T,CHEN J.Urban water investment and financing in China [J].Iwa Publishing,2010(3):17-21.

[16]SHARIF S.Municipal finance:A short note [J].Scrn Electronic Journal,2014(10):59-68.

[17]JEFFREY R,PRAFUL P,DAVID D.Africa 2050 urbanization [J].Global Journal of Emerging Market Economies,2014，6(1):15-34.

[18]赫爾穆特·魯克波爾,馬庫斯·克萊茨希.應用時間序列計量經濟學[M].易行健,鄧可斌,譯.北京：機械工業出版社,2008.

[19]葉阿忠.非線性協整的非參數檢驗方法[J].預測,2002,21(1):69-79.

[20]李芳蹊，孫冶.農村財政投入對農村經濟的動態影響——基于農村人力資本的角度[J].沈陽師范大學學報(社會科學版)，2014(2)：72-75.

(責任編輯許若茜)

Comparative Analysis of Support Effects of Fiscal Financing,Financial Financing on Urbanization:Based on Smooth Transition Regression Model

LI Xin-guang1, ZHANG Zhi-xun2

(1.Business School, Wuyi University, Nanping 354300, China;2.College of Economics, Fujian Agriculture and Forestry University, Fuzhou 350002, China)

Abstract:This paper used the smooth transition regression (STR) to analyze the support effect differences of fiscal financing, financial financing on urbanization. The results show that: (1) changes of financial development level is one of the causes of fiscal investment and financial support acting on urbanization, showing effects of different threshold effects. When FRt is less than 0.144 7, it appears linear characteristics; while when FRt is over 0.144 7, it shows non-linear characteristics. (2) Model estimates show that fiscal financing, financial financing and urbanization exist a long-term equilibrium relationship, and the long-term effects of the financial support for urbanization will increasingly exceed that of fiscal expenditure in that the contribution of fiscal support for urbanization may be weaken by the presence of nonlinear effect; while financial support for urbanization does not appear nonlinear feature and its impact is relatively stable.

Key words:support effects; smooth transition; fiscal financing; financial financing; urbanization

文章編號：1674-8425(2016)02-0036-08

中圖分類號：F81

文獻標識碼：A

doi:10.3969/j.issn.1674-8425(s).2016.02.006

作者簡介：李新光(1980—)，男，湖南婁底人，副教授，博士，研究方向：宏觀經濟模型及其應用、空間計量模型分析及應用。

基金項目：福建省社會科學規劃項目“福建自貿區產業結構升級轉型的金融支持對策研究”(FJ2015C241)；武夷學院校級課題“經濟新常態下武夷山市產業結構升級與經濟增長方式轉變研究”(XD201408S)

收稿日期：2015-03-25

引用格式：李新光，張芷尋.財政融資、金融融資對城鎮化支持效應的比較分析——基于平滑轉換回歸模型[J].重慶理工大學學報(社會科學)，2016(2):36-43.

Citation format：LI Xin-guang, ZHANG Zhi-xun.Comparative Analysis of Support Effects of Fiscal Financing, Financial Financing on Urbanization: Based on Smooth Transition Regression Model[J].Journal of Chongqing University of Technology(Social Science)，2016(2):36-43.