摘要：文章通过对124个国家1983年-2012年的面板数据进行实证分析，结果发现，城镇化和金融杠杆之间呈现出显著的倒U型关系，即随着城镇化率的上升，金融杠杆水平会先上升后下降。具体而言，当城镇化率达到56%～63%时，私人部门信贷/GDP可能出现拐点;当城镇化率达到60%～63%时，M2/GDP可能出现拐点。文章根据最近5年中国城镇化率的年均增速推算，预计中国的金融杠杆水平很可能在2019年-2021年进入拐点区域。
　　关键词：城镇化;金融杠杆;SYS-GMM
　　一、 引言与文献回顾
　　城镇化是维持经济健康发展的强大动力，也是促进金融发展和创新的有力支撑，反映了社会发展的客观规律、国家现代化的发展程度。2013年11月，十八大三中全会做出的《关于全面深化改革若干重大问题的决定》提出，“坚持走中国特色新型城镇化道路，推进以人为核心的城镇化，推动大中小城市和小城镇协调发展、产业和城镇融合发展，促进城镇化和新农村建设协调推进”。在2014年3月，正式推出《国家新型城镇化规划》（2014-2020年），明确了中国未来城镇化的发展路径、主要目标以及战略任务。当前，中国正处在城镇化加速推进、金融深层变革的关键阶段，正确理解和处理城镇化、金融发展两者之间的动态联系和规律，对于成功实现新型城镇化和金融改革发展有重要的理论价值与实践意义。
　　国内外文献就城镇化与金融之间的关系研究，主要集中于金融发展与金融创新对城镇化进程的影响，而城镇化进程对金融的影响则很少涉及。孙浦阳和武力超（2011），采用1995年～2008年120个国家的面板数据，使用2SLS估计方法分析了金融发展对全球各国城镇化进程的影响，发现金融发展是影响城镇化进程的重要因素。熊湘辉和徐璋勇（2015）通过对中国2004年～2013年31个省区使用空间面板模型进行分析发现，金融支持水平的提高对我国城镇化发展具有促进作用。荣晨和葛蓉（2015）从市场和政府关系的视角检验了金融发展对城镇化的支持效应，金融对城镇化的支持在不同地区有明显差异，而且，金融支持对政府干预、国有经济所占比重具有不同的敏感性。很多学者也认为城镇化和金融发展之间存在一种互动机制。例如，贾洪文和胡殿萍（2013）认为，城镇化和金融发展存在一种互动机制，通过扩大金融规模、适当提高金融效率和促进金融中介发展，能够加快城镇化进程;反过来，城镇化水平的提高也会在一定程度上促进金融发展。关于新型城镇化建设中金融困境的成因，邱俊杰和邱兆祥（2013）认为有三方面的内容：一是金融生态环境亚健康阻碍了城镇化的高速发展;二是资源配置失衡削弱了金融支持城镇化发展的效率;三是农村居民的自我排斥倾向进一步削弱了金融支持城镇化建设的力度。因此，金融发展和金融创新对于城镇化进程的支持是有限的，需要其他条件的支持。Kim，Kyung-Hwan（1997），认为依靠良好的金融创新、政府治理以及政治承诺，持续的城镇化进程可以产生巨大财富，以改善所有收入群体的住房和基本服务需求。
　　本文试图通过跨国实证分析，对城镇化和金融杠杆（金融发展）之间的关系进行讨论。本文其余部分结构如下：第二部分，实证分析城镇化对金融杠杆的动态影响;第三部分，结合实证结论对中国的情况进行讨论;最后本文进行总结并提出政策建议。
　　二、 实证分析
　　1. 研究样本和模型设定。根据样本数据的可获得性，本文包括了124个国家1983年～2012年的面板数据。从经济总量来看，该样本国家的GDP总量超过全球GDP总量的90%，因而可以视为一个在全球范围内具有代表性的研究样本。
　　关于模型设定，根据研究目标，本部分主要考察城镇化对金融杠杆的动态影响。考虑到金融杠杆的观测值随国家和时间而变化，通常存在一定的序列相关性，因此考虑到各变量之间的潜在内生性，本文采用动态面板模型进行实证分析。根据Aerllano和Bond（1991）提出的一阶差分GMM估计量，设立金融杠杆与城镇化之间的动态关系模型，如下回归方程表示：
　　从理论上看，虽然一阶差分GMM估计方法可以在一定程度上兼顾金融杠杆通常存在的序列相关性以及相关变量之间的内生性，但是一阶差分GMM估计方法有局限性，当被解释变量滞后项的系数较大时，被解释变量会出现强烈的序列相关性;当个体效应的波动远大于误差项的波动时，模型也会表现欠佳。因此，采用Arellano和Bover（1995）、Blundell和Bond（1998）提出的系统GMM估计量，对方程（1）进行实证分析。系统GMM估计可以分为一步GMM估计和两步GMM估计，一步估计使用传统异方差-序列相关稳健型估计量来计算标准误，两步估计使用Windmeijer（2005）纠偏估计量来计算标准误。在有限的样本情况下，两步估计比一步估计能够更好的解决自相关与异方差问题。
　　
　　由于GMM估计量的一致有效性的前提条件是误差项不存在序列相关性和工具变量过度识别的问题。因此，需要对误差项进行序列相关性检验和过度识别条件检验。根据Arellano和Bond（1991），误差项的一阶滞后由于初始误差项经过差分处理后，即使初始误差项序列无关，仍可能会出现序列相关情况，因此，误差项的二阶滞后必须不存在序列相关，而误差项的一阶滞后可以存在序列相关。Arellano和Bond（1991）建议使用两步估计给出的Sargan统计量进行过度识别条件检验。当不能拒绝上述两个检验时，说明误差项不存在序列相关，并且GMM估计量是一致有效的，可以认为模型设定是正确的。
　　2. 变量选择。在模型变量的选择方面，金融杠杆的替代变量主要使用两个基本指标：一是私人部门信贷/GDP（记为Private），一般认为为私营部门提供的应偿还金融资源越多的国家和地区，通常具有更高的金融杠杆;二是M2/GDP（记为Mtwo），由于其反映了宏观经济的货币化程度，因而成为衡量一国金融杠杆水平的重要参考指标。将城镇人口/总人口（记为Urban）作为城镇化率替代变量的基本指标，该指标越大，通常一国的城镇化率越高。