论文部分内容阅读
摘要：金融生态系统作为一个整体，把握着新型城镇化建设的命脉，发挥“输血”和“造血”的功能。基于2005—2014年除西藏外30个省、市、自治区的面板数据，构建金融生态系统和新型城镇化质量评价指标体系，利用系统耦合度模型和全局因子分析的方法分别测度各地区金融生态系统耦合协调度及新型城镇化质量水平，并通过分位数回归实证分析前者对后者的影响。实证结果表明，我国各地区金融生态系统耦合协调度和新型城镇化质量均存在着十分明显的空间差异；金融生态系统耦合与新型城镇化质量之间存在显著的正相关性，随着新型城镇化质量的提升，金融生态系统耦合对新型城镇化的促进作用表现得也更加明显。因此，各地区应注重金融生态系统耦合协调以及新型城镇化质量的双重提升，以实现二者的互动发展。
关键词：金融生态系统； 新型城镇化质量； 耦合协调度； 分位数回归
中图分类号：F299.22文献标识码：A文章编号：1005-6378（2016）05-0102-09
DOI：10.3969/j.issn.1005-6378.2016.05.015
一、引言及文献综述
所谓“新型城镇化”，就是要由以往的单纯注重城市规模扩张、城市人口增加，转变为综合提升城乡经济、文化水平，完善公共设施和基础服务的过程，与传统城镇化相比有了更加丰富科学的内涵。当前我国新型城镇化建设正处于快速发展阶段，亟须大量的资金投入，因此有必要对应建立健全完善的金融生态系统，以形成金融生态系统耦合和新型城镇化水平的相互促进和共同提升。
近年来各界学者越来越关注城镇化与金融的相关性问题。在金融推动城镇化进程的机理研究方面，Kim认为，住房信贷能为城镇化中的基础设施建设提供融资支持[1]。Wellman和 Pretorius研究城镇化的基础设施融资问题，分析了城镇化基础设施投资的决策过程及其使用效率，并强调了政府干预在城镇化融资中的重要性[2]。Buckley、Hanieh以迪拜和海湾地区为例分析了城镇化和金融的关系，认为前者在得益于金融资源集聚和整合的同时，实际上也推动了金融市场的多元化发展[3]。郭新明认为，新型城镇化内部机制的运转亟须金融为其提供融资支持[4]。罗明忠从劳动力转移的角度分析了金融资源对农民就业的影响[5]。另外，财政金融在城镇土地规划开发中也具有重要作用[6]。李建华指出，金融中介具有资金融通、资源配置、风险管理和价格发现等功能，随着金融产品的推陈出新和金融机构的合理分布，将实现劳动、资本等各类要素空间集聚和实体经济的发展，进而提升城镇化水平[7]。
在二者关系的实证研究方面，Song基于市级数据揭示了中国改革开放以来的城镇化发展进程和城市规模演变规律[8]，另外也有众多学者分别以不同方式验证了我国城镇化水平与经济金融化水平之间的高度正相关性。蒙荫莉认为金融与城市化之间存在双向因果关系，金融深化是加速城市化进程的重要动力[9]。张宗益、许丽英将金融发展划分为规模增加、结构调整和效率提升三个方面分别研究，认为金融发展是城市化的强劲推动力，但城市化却相对金融发展较为滞后，未能为其提供良好的需求根基[10]。崔喜苏从固定资产投资的视角研究了我国东中西三个地区新型城镇化的金融支持效果[11]。熊湘辉则结合了因子分析、主成分分析和空间面板模型，分析全国31个省份金融支持对新型城镇化建设的影响[12]。
上述代表性研究虽都能证明金融对新型城镇化的发展存在正向推进作用，但其主要集中探讨金融生态主体，却忽视了金融发展自身存在的系统性。而且反映新型城镇化质量的各类指标也不甚完备，导致不同学者的经验分析结果存在一些差异。因此，本文结合金融生态的相关研究[13]，将金融视为一个动态发展的系统，引入物理学中耦合的概念对我国除西藏外30个省、市、自治区2005-2014年金融生态系统的耦合协调度进行评测；在对新型城镇化的规模与质量作出区分的基础上，重构其指标体系；实证考察金融生态系统耦合协调度与新型城镇化质量的关系。
二、金融生态系统的耦合协调度测算（一）构建指标体系金融生态系统包含金融生态主体子系统和金融生态环境子系统，指标体系由27项指标构成（表1）。
金融生态主体子系统，借鉴韩廷春、赵瑄[14]对金融生态主体评价的研究，将其概括为规模、结构和效率3个方面，包括11项指标。金融规模方面，包含金融相关比率等4项指标；金融结构方面，用非金融机构融资总额与GDP之比、金融中介发展规模等4项二级指标反映融资灵活程度；在金融效率方面，用金融中介机构存贷比等3项指标反映金融生态主体的效率高低。
金融生态环境子系统，结合众多学者前期研究成果[15-17]构建了包含经济、政策、文化和信用环境4项一级指标，人均GDP等16项二级指标。经济环境层面，包含人均GDP和GDP增长率等7项二级指标，反映金融生态系统的物质基础；制度环境和文化环境层面分别包含2项和3项指标，其中金融文化水平为定性指标，其余均为定量指标；信用环境层面包含不良贷款率、城乡居民人均收入和社会征信体系建设等4项指标，其中社会征信体系建设情况为定性指标，其余为定量指标。
本研究所用数据均取自《中国统计年鉴》（2006-2015年）、各省市统计年鉴（2006-2015年）及《区域金融运行报告》（2005-2014年），对价格相关的指标数据进行指数调整以排除价格波动的干扰。
（二）耦合度和耦合协调度模型
金融生态系统的耦合协调程度可采用耦合协调度模型加以衡量。该模型评价过程与说明如下：
若xij（i=1，2，…，m；j=1，2，…，p）为金融生态系统的第i个子系统，第j项指标的取值，αij与βij是系统稳定临界值的上下限，则其系统有序度功效系数为uij。
uij=xij-βijαij-βij uij具有正功效αij-xijαij-βij uij具有负功效（1） 0≤uij≤1，当uij趋近于0时代表该指标与理想值差距较大，反之，uij趋近于1时则认为该指标达到了较高的满意程度。
对各指标的功效系数做线性加权求和即可得到子系统有序度，即ui=∑pj=1λijuij，其中λij为指标权重，且∑pj=1λij=1。
记耦合度为：
C={（u1u2）/[（u1+u2）（u1+u2）]}1/2（2）
同样，0≤C≤1。当C等于1时，说明金融生态内部的两个子系统之间实现了耦合；当C等于0时，说明两个子系统彼此无关联。
同时还应注意到，单纯依靠耦合度判断系统耦合水平是存在缺陷的。若两个子系统u1和u2的取值都比较低，则会出现耦合度较高的评价结果，可能导致不同区域间的对比研究产生误判。因此，在上述模型的基础上加入有序度修正系数，构建耦合协调度模型：
F=（C×T）（3）
T=αu1+βu2（4）
式中C为耦合度；F为耦合协调度；T为系统修正系数，反映子系统的有序度，T越大说明子系统有序度越高，α、β为待定参数。
在实际应用中，通常认定耦合协调度F高于0.8则称系统达到了极度耦合阶段，系统内的各个子系统之间相互协调机制完善；0.6≤F<0.8称为高度耦合；0.4≤F<0.6称为中度耦合；0.2≤F<0.4称为中低耦合，F低于02时为低度耦合，此时系统内各部分之间处于不协调状态。
（三）指标权重计算
研究采用熵值法确定权重，该方法是一种客观赋值法，不依赖于个人的主观性判断，而是基于客观环境的原始信息，通过对各指标的信息及相互之间的关联程度的分析确定各指标的权重，进而有效地避免了由于个人主观判断引起的偏差。限于文章篇幅，权重计算结果不在正文列示。
（四）金融生态系统耦合协调度计算及分析
本文令α=0.5，β=0.5将相关数据代入式（1）-（4）中计算得到我国2005-2014年各地区的金融生态系统的耦合度和耦合协调度 限于文章篇幅，系统耦合协调度计算结果不在文中列示。。通过对各地区金融生态系统耦合协调度的分析，可以初步得出以下结论。
第一，从全国范围来看，金融生态系统的耦合协调度较高，大多在0.5～0.6之间，最低的河南（0.458） 括号内数字为该省各年份金融生态系统耦合协调度的均值。也达到了中度耦合协调阶段。北京的耦合协调度最高，所有年份均在0.870以上，均值为0.896，处于极度耦合状态。上海（0.792）、天津（0.657）和浙江（0.629）的耦合协调度也都超过了0.6，处于高度耦合阶段。
第二，从空间分布来看，系统耦合协调度的空间差异比较明显，具体表现为东部和中西部发展的不平衡。东部地区所有年份金融生态系统F值平均达到了0.621；而中西部地区分别只有0.493和0.521；另外，金融生态系统达到高度及以上耦合程度的4省市（北京、上海、天津和浙江）也均位于我国东部。
第三，从变化趋势来看，在研究的时间范围内各省市金融生态系统耦合协调度的波动情况比较稳定，变异系数 变异系数CV =（ 标准差SD / 均值Mean ）× 100%均低于0.1，其中变异系数较大的有甘肃和黑龙江两省，分别为0.089和0.086，其余地区的变异系数均在0.08以下。大部分地区的耦合协调度十年来有所提升，说明了金融生态系统在不断发展完善。耦合协调度涨幅排在前5位的依次是甘肃、重庆、海南、广西和安徽，从2005-2014 年分别增长了0.135、0.101、0.091、0.074和0066。
三、新型城镇化质量的测算与分析（一）新型城镇化质量指标体系构建在研究《国家新型城镇化规划（2014-2020年）》对新型城镇化的解读的基础上，结合之前学者的有关研究[18-22]，本文从经济发展方面、社会建设方面、居民生活方面、生态环境方面和城乡统筹方面选取37项指标对新型城镇化的质量作出评价（表2）。
（二）新型城镇化质量测算及结果
研究采用全局因子分析对我国2005-2014年各地区的新型城镇化质量进行评价，评价过程为：首先建立时序立体数据表，并为各个时刻的数据表赋予时间权重考虑到各年份在新型城镇化质量评价中具有同等重要地位，因此为其赋予相同的时间权重。，然后再将其纵向展开，再进行主成分分析，计算因子得分限于文章篇幅，新型城镇化质量计算结果不在文中列示。。
KMO的检验值为0.891，表明所选取的指标具有多重共线性；Bartlett 球状检验的近似χ2分布统计量的自由度为666，统计值15 652.84（p=00000），在1%的显著性水平下拒绝了各变量独立的原假设，满足进行全局因子分析的前提条件。
主成分分析以特征值大于1为原则提取了7个公因子，其方差累积贡献率超过了79.176%，说明这7个公因子能够代表37个指标的信息用于分析我国各地区新型城镇化质量。利用式NU=∑mi=1ωiFaci和ωi=λi/∑mi=1λi计算各省市2005-2014年每年的综合得分，其中NU代表新型城镇化质量，Faci代表第i个公因子得分，λi是第i个公因子的方差贡献率，m=7为提取的公因子个数。表 2新型城镇化质量评价指标体系
Ⅰ级指标Ⅱ级指标计量单位指标属性正指标逆指标经济城镇化二三产业增加值占GDP的比重%√二三产业从业人员占比%√非农业人口比重（户籍口径）%√人均城镇固定资产投资完成额元√单位GDP能耗（能源消费总量/GDP）吨标准煤/万元√每万人专利授权数件√城镇登记失业率-√社会城镇化建成区面积占城区面积比重%√建设用地面积占城区面积比重%√人均城市市政公用设施建设固定资产投资完成额元√城市人均城市道路面积平方米√人均城市运营线路网长度公里/万人√城市每万人拥有公共交通车辆标台√城市每万人拥有公共厕所座√城市用水普及率-√城市燃气普及率-√固定电话普及率部/百人√移动电话普及率部/百人√网民普及率-√人口城镇化城镇人口比重%√城市人口密度人/平方公里√城镇居民人均可支配收入元√农村居民人均纯收入元√城镇单位就业人员平均工资元√参加城镇基本养老保险人数占比-√参加城镇基本医疗保险人数占比-√每10万人口平均高等学校在校生人数人√环境城镇化每万人城市市容环卫专用车辆设备数台/万人√城市污水日处理能力万立方米√城市生活垃圾无害化处理率-√一般工业固体废物综合利用率-√城市建成区绿化覆盖率-√城市人均城市公园绿地面积平方米√城乡一体化城乡居民恩格尔系数比-√城乡人均收入比-√城乡平均每百户家庭电脑拥有量之比-√城乡人均消费支出比-√ 四、金融生态系统耦合协调度对新型
城镇化质量影响的实证分析（一）计量模型设定与回归
新型城镇化质量的提升受到多种因素的影响，为了客观地评价金融生态系统耦合对新型城镇化质量的作用，以新型城镇化质量得分（NUit）为因变量，金融生态系统耦合协调度（Fit）为自变量，再根据现有的研究成果，引入经济发展水平（GDPit，用人均GDP表示）、政府支出（GEit，用财政支出占GDP的比重表示）、固定资产投资（GFCFit，用固定资产投资总额占GDP比重表示）、经济的对外开放程度（OPENit，用实际利用外资总额占GDP的比重表示）、居民受教育程度（HRit，用人均受教育年限表示）以及地区GDP增长率（GDP2it）作为控制变量进行回归分析。经序列平稳性检验后，将除GDP增长率以外的控制变量做一阶差分处理，以修正由于存在共同经济趋势而导致变量之间的多重共线性，差分后的变量记为DGDPit、DGEit、DGFCFit、DOPENit和DHRit，分别代表原始变量的增长情况，构建的回归模型如下：
NUit=β0+β1Fit+β2DGDPit+β3GEit+β4DGFCFit+β5DOPENit+β6HRit+β7GDP2it+μit（5）
其中，i表示地区；t表示年份；μit为随机误差项。
如前文所述，我国各省市无论是新型城镇化水平还是金融生态系统耦合协调度，都存在明显差异，由此可推测，新型城镇化水平不同的地区，其可能借助金融支持的程度也有所不同。因此本文使用分位数回归的方法[23]，以解释在不同新型城镇化水平下，金融生态系统的协调对新型城镇化发展的影响程度。本文分别以q=0.1、q=0.2、q=0.3、q=0.4、q=0.5、q=0.6、q=0.7、q=0.8和q=0.9作为分位点进行实证检验。便于结果的比较，文章同时列出了使用OLS方法估计的回归结果，如表3所示。
（二）回归结果的分析
表3反映出模型1和模型2中各项解释变量无论在回归系数还是在显著性水平上都存在极高的相似性，说明实证结果具备一定稳健性。
1.模型解释变量分析。解释变量金融生态系统耦合协调度在模型1和模型2中的回归系数均为正，且在统计上通过了1%水平的显著性检验，这说明了金融生态系统耦合协调度的提高的确能带来新型城镇化质量的提升。
模型1表明，在其他条件不变的情况下，金融生态系统耦合协调度每提升一个单位，将使新型城镇化质量得分平均提高1.378。
模型2的分位数回归结果说明，随着新型城镇化质量的提高，系统耦合对新型城镇化的影响也越大：新型城镇化质量得分处于后10%的省份，金融生态系统耦合协调度提高将使新型城镇化质量得分平均提升0.652，随着分位数取值的增加，回归系数也在随之增长，分别为0.998、1.008、1.179、1.307、1.447、1.761和1.829。新型城镇化质量得分处于前10%的省份，金融生态系统耦合协调度提高将使新型城镇化质量得分平均提升2.049，二者之间存在明显差距。分位数回归分析发现：新型城镇化质量低的地区要想使新型城镇化进一步提升，就要得益于金融生态系统的支持。
2.模型控制变量分析，主要有以下几个方面。
（1）反映经济增长水平的控制变量DGDP和GDP2的回归系数均在统计上通过了1%水平的检验，且前者显著为正，后者显著为负，意味着经济发展水平对新型城镇化质量的提升具有明显影响。但应注意到，变量DGDP和GDP2虽然都反映了经济增长，但前者在数量级上远大于后者，因此即使考虑回归系数β大小的差异，后者对新型城镇化质量提升的负向作用也可以忽略不计，也就是说，我国各省新型城镇化质量将随着经济的增长而不断提升。
（2）在财政支出占GDP比重增长率上，变量DGE的回归系数大部分情况下表现为不显著，但在分位数q=0.1和q=0.9的回归模型中都为正且分别在0.01和0.1的水平下显著，说明政府财政支出对新型城镇化质量的提升是具有一定作用的，但这种影响的大小依情况而定。
（3）人口受教育程度增长率DHR分位数q=0.1、q=02和q=0.4的情况下回归系数显著为负，显著性水平分别为0.05、0.05和0.01，而在其他模型中均不显著。导致这种结果的可能原因是，新型城镇化质量排在后10%、20%和40%的省市大多为落后地区，随着人口受教育程度的提高，具有较高学历的人才更倾向于到大城市就业和生活，从而间接拉大了地区差异和城乡差异。另外，越是落后的地区，对人才的吸引力度越弱，人才流失的现象也就愈明显。
（4）固定资产投资增长率DGFCF在模型1和模型2中的回归系数为负且在99%的置信度下显著为负，这是由于虽然投资对于城镇化建设具有重要影响，但固定资产投资的增加通常只会提高城镇化规模却难以综合提升城镇化质量，从而导致对新型城镇化质量综合得分的影响为负。也就是说，在新型城镇化建设中要注重“质量优先，规模适度”，一味增加城镇固定资产投资而忽视质量和效率的做法并不可取。
五、主要结论
本文基于2005-2014年平衡面板数据分别测算了我国30个省、市、自治区的金融生态系统耦合协调度，并利用全局因子分析分别对其新型城镇化质量作出评价，最后，建立面板数据的回归模型对金融生态系统耦合作用于新型城镇化质量的效果进行了分析。
其一，我国各省金融生态系统的协调程度较高，至少达到了中度耦合的阶段。北京和上海的金融生态系统耦合协调度最高，在研究的时间样本内均超过了0.75。以2014年为例，全国大部分省市的金融生态系统耦合协调度在0.5～0.6之间，仅有广西、江西、河北、吉林、山西、河南和云南的耦合协调度低于0.5。
其二，全国各地区金融生态系统耦合协调度和新型城镇化质量均存在着十分明显的空间差异。东部地区2005-2014年的金融生态系统平均耦合协调度超过了0.622，最低为0.610，最高为0.633；而中西部地区的平均值分别在0.482～0.508和0.500～0.557之间波动，和东部地区相比存在一定差距。而新型城镇化质量的评测结果也与之类似，北京、浙江和上海的新型城镇化质量得分较高，最大值分别为1.632、1.409和1.387，贵州、云南、甘肃和广西的新型城镇化质量最低，得分都在0以下。东部地区各省市新型城镇化质量平均得分在0.419左右，显著地高于中部（-0.070）和西部（-0.368）地区。 其三，金融生态系统耦合协调度在模型中的回归系数为正，且在统计上通过了1%水平的显著性检验，这说明金融生态系统耦合协调度的提高的确能带来新型城镇化质量的提升。而且，通过分位数回归的方法证明了随着新型城镇化水平的提高，系统耦合对新型城镇化的影响也越大，也就是说，新型城镇化质量的地区要想使新型城镇化进一步提升，就要得益于金融生态系统的支持。
基于以上研究结论，本文认为应做出以下政策改进：首先，要针对新型城镇化带来农业发展、土地流转、人口迁移等异质性融资需求设计多元化金融产品，拓宽城乡投融资渠道，并利用“互联网+”优势打造以人为本的普惠金融制度。同时，为了更好地发挥新型城镇化进程中金融生态系统耦合带来的正效应，还应注重改善金融生态环境和提高新型城镇化质量，为金融主体的发展提供良好的需求平台，以实现二者的相互促进。
[参考文献]
[1]KIM K H.Housing Finance and Urban Infrastructure Finance[J].Urban Studies，1997，34（10）：1597-1620.
[2]WELLMAN K，PRETORIUS F.Urban Infrastructure：Productivity，Project Evaluation，and Finance[M]// Urban Infrastructure：Finance and Management.New Jersey：Wiley-Blackwell，2012：53-82.
[3]BUCKLEY M，HANIEH A.Diversification by Urbanization：Tracing the Property-Finance Nexus in Dubai and the Gulf[J].International Journal of Urban & Regional Research，2014，38（1）：155-175.
[4]郭新明.金融支持我国城镇化战略的政策思考[J].西安金融，2004（9）：4-6.
[5]罗明忠.农村劳动力转移中的金融约束及其突破[J].南方金融，2008（3）：46-48.
[6]CHO S H，WU J J，BOGGESS W G.Measuring Interactions among Urbanization，Land Use Regulations，and Public Finance[J].American Journal of Agricultural Economics，2003，85（4）：988-999.
[7]李建华.城镇化进程中的金融支持研究[J].技术经济与管理研究，2014（10）：102-105.
[8]SONG S，ZHANG K H.Urbanization and City Size Distribution in China[J].Urban Studies，2002，39（12）：2317-2327.
[9]蒙荫莉.金融深化、经济增长与城市化的效应分析[J].数量经济技术经济研究，2003（4）：138-140.
[10]张宗益，许丽英.金融发展与城市化进程[J].中国软科学，2006（10）：112-120.
[11]崔喜苏，荣晨.新型城镇化、固定资产投资与金融支持——基于省际面板数据的实证研究[J].投资研究，2014（11）：139-149.
[12]熊湘辉，徐璋勇.中国新型城镇化进程中的金融支持影响研究[J].数量经济技术经济研究，2015（6）：73-89.
[13]林永军.金融生态建设：一个基于系统论的分析[J].金融研究，2005（8）：44-52.
[14]韩廷春，赵瑄.金融生态系统影响中国实体经济发展的实证研究[J].公共管理评论，2012（1）：14-22.
[15]中国人民银行洛阳市中心支行课题组.区域金融生态环境评价指标体系研究[J].金融理论与实践，2006（1）：10-13.
[16]陈哲明，彭耀辉.区域金融生态环境评价指标体系及模型构建[J].统计与决策，2006 （11）：62-64.
[17]汪祖杰，张轶峰.区域金融生态环境质量评估指标体系研究[J].金融研究，2006（5）：150-158.
[18]张春梅，张小林，吴启焰，等.城镇化质量与城镇化规模的协调性研究——以江苏省为例[J].地理科学，2013，33（1）：16-22.
[19]国家城调总队福建省城调队课题组.建立中国城镇化质量评价体系及应用研究[J].统计研究，2005（7）：15-19.
[20]戚晓旭，杨雅维，杨智尤.新型城镇化评价指标体系研究[J].宏观经济管理，2014 （2）：51-54.
[21]杨惠珍.我国新型城镇化形势下城镇化质量评价指标体系的构建[J].经济研究导刊，2013（20）：65-67.
[22]续亚萍，俞会新.基于主成分分析的我国新型城镇化水平评价[J].工业技术经济，2015（7）：153-160.
[23]李群峰.基于分位数回归的面板数据模型估计方法[J].统计与决策，2011（17）：24-26.
【责任编辑 郭玲】
关键词：金融生态系统； 新型城镇化质量； 耦合协调度； 分位数回归
中图分类号：F299.22文献标识码：A文章编号：1005-6378（2016）05-0102-09
DOI：10.3969/j.issn.1005-6378.2016.05.015
一、引言及文献综述
所谓“新型城镇化”，就是要由以往的单纯注重城市规模扩张、城市人口增加，转变为综合提升城乡经济、文化水平，完善公共设施和基础服务的过程，与传统城镇化相比有了更加丰富科学的内涵。当前我国新型城镇化建设正处于快速发展阶段，亟须大量的资金投入，因此有必要对应建立健全完善的金融生态系统，以形成金融生态系统耦合和新型城镇化水平的相互促进和共同提升。
近年来各界学者越来越关注城镇化与金融的相关性问题。在金融推动城镇化进程的机理研究方面，Kim认为，住房信贷能为城镇化中的基础设施建设提供融资支持[1]。Wellman和 Pretorius研究城镇化的基础设施融资问题，分析了城镇化基础设施投资的决策过程及其使用效率，并强调了政府干预在城镇化融资中的重要性[2]。Buckley、Hanieh以迪拜和海湾地区为例分析了城镇化和金融的关系，认为前者在得益于金融资源集聚和整合的同时，实际上也推动了金融市场的多元化发展[3]。郭新明认为，新型城镇化内部机制的运转亟须金融为其提供融资支持[4]。罗明忠从劳动力转移的角度分析了金融资源对农民就业的影响[5]。另外，财政金融在城镇土地规划开发中也具有重要作用[6]。李建华指出，金融中介具有资金融通、资源配置、风险管理和价格发现等功能，随着金融产品的推陈出新和金融机构的合理分布，将实现劳动、资本等各类要素空间集聚和实体经济的发展，进而提升城镇化水平[7]。
在二者关系的实证研究方面，Song基于市级数据揭示了中国改革开放以来的城镇化发展进程和城市规模演变规律[8]，另外也有众多学者分别以不同方式验证了我国城镇化水平与经济金融化水平之间的高度正相关性。蒙荫莉认为金融与城市化之间存在双向因果关系，金融深化是加速城市化进程的重要动力[9]。张宗益、许丽英将金融发展划分为规模增加、结构调整和效率提升三个方面分别研究，认为金融发展是城市化的强劲推动力，但城市化却相对金融发展较为滞后，未能为其提供良好的需求根基[10]。崔喜苏从固定资产投资的视角研究了我国东中西三个地区新型城镇化的金融支持效果[11]。熊湘辉则结合了因子分析、主成分分析和空间面板模型，分析全国31个省份金融支持对新型城镇化建设的影响[12]。
上述代表性研究虽都能证明金融对新型城镇化的发展存在正向推进作用，但其主要集中探讨金融生态主体，却忽视了金融发展自身存在的系统性。而且反映新型城镇化质量的各类指标也不甚完备，导致不同学者的经验分析结果存在一些差异。因此，本文结合金融生态的相关研究[13]，将金融视为一个动态发展的系统，引入物理学中耦合的概念对我国除西藏外30个省、市、自治区2005-2014年金融生态系统的耦合协调度进行评测；在对新型城镇化的规模与质量作出区分的基础上，重构其指标体系；实证考察金融生态系统耦合协调度与新型城镇化质量的关系。
二、金融生态系统的耦合协调度测算（一）构建指标体系金融生态系统包含金融生态主体子系统和金融生态环境子系统，指标体系由27项指标构成（表1）。
金融生态主体子系统，借鉴韩廷春、赵瑄[14]对金融生态主体评价的研究，将其概括为规模、结构和效率3个方面，包括11项指标。金融规模方面，包含金融相关比率等4项指标；金融结构方面，用非金融机构融资总额与GDP之比、金融中介发展规模等4项二级指标反映融资灵活程度；在金融效率方面，用金融中介机构存贷比等3项指标反映金融生态主体的效率高低。
金融生态环境子系统，结合众多学者前期研究成果[15-17]构建了包含经济、政策、文化和信用环境4项一级指标，人均GDP等16项二级指标。经济环境层面，包含人均GDP和GDP增长率等7项二级指标，反映金融生态系统的物质基础；制度环境和文化环境层面分别包含2项和3项指标，其中金融文化水平为定性指标，其余均为定量指标；信用环境层面包含不良贷款率、城乡居民人均收入和社会征信体系建设等4项指标，其中社会征信体系建设情况为定性指标，其余为定量指标。
本研究所用数据均取自《中国统计年鉴》（2006-2015年）、各省市统计年鉴（2006-2015年）及《区域金融运行报告》（2005-2014年），对价格相关的指标数据进行指数调整以排除价格波动的干扰。
（二）耦合度和耦合协调度模型
金融生态系统的耦合协调程度可采用耦合协调度模型加以衡量。该模型评价过程与说明如下：
若xij（i=1，2，…，m；j=1，2，…，p）为金融生态系统的第i个子系统，第j项指标的取值，αij与βij是系统稳定临界值的上下限，则其系统有序度功效系数为uij。
uij=xij-βijαij-βij uij具有正功效αij-xijαij-βij uij具有负功效（1） 0≤uij≤1，当uij趋近于0时代表该指标与理想值差距较大，反之，uij趋近于1时则认为该指标达到了较高的满意程度。
对各指标的功效系数做线性加权求和即可得到子系统有序度，即ui=∑pj=1λijuij，其中λij为指标权重，且∑pj=1λij=1。
记耦合度为：
C={（u1u2）/[（u1+u2）（u1+u2）]}1/2（2）
同样，0≤C≤1。当C等于1时，说明金融生态内部的两个子系统之间实现了耦合；当C等于0时，说明两个子系统彼此无关联。
同时还应注意到，单纯依靠耦合度判断系统耦合水平是存在缺陷的。若两个子系统u1和u2的取值都比较低，则会出现耦合度较高的评价结果，可能导致不同区域间的对比研究产生误判。因此，在上述模型的基础上加入有序度修正系数，构建耦合协调度模型：
F=（C×T）（3）
T=αu1+βu2（4）
式中C为耦合度；F为耦合协调度；T为系统修正系数，反映子系统的有序度，T越大说明子系统有序度越高，α、β为待定参数。
在实际应用中，通常认定耦合协调度F高于0.8则称系统达到了极度耦合阶段，系统内的各个子系统之间相互协调机制完善；0.6≤F<0.8称为高度耦合；0.4≤F<0.6称为中度耦合；0.2≤F<0.4称为中低耦合，F低于02时为低度耦合，此时系统内各部分之间处于不协调状态。
（三）指标权重计算
研究采用熵值法确定权重，该方法是一种客观赋值法，不依赖于个人的主观性判断，而是基于客观环境的原始信息，通过对各指标的信息及相互之间的关联程度的分析确定各指标的权重，进而有效地避免了由于个人主观判断引起的偏差。限于文章篇幅，权重计算结果不在正文列示。
（四）金融生态系统耦合协调度计算及分析
本文令α=0.5，β=0.5将相关数据代入式（1）-（4）中计算得到我国2005-2014年各地区的金融生态系统的耦合度和耦合协调度 限于文章篇幅，系统耦合协调度计算结果不在文中列示。。通过对各地区金融生态系统耦合协调度的分析，可以初步得出以下结论。
第一，从全国范围来看，金融生态系统的耦合协调度较高，大多在0.5～0.6之间，最低的河南（0.458） 括号内数字为该省各年份金融生态系统耦合协调度的均值。也达到了中度耦合协调阶段。北京的耦合协调度最高，所有年份均在0.870以上，均值为0.896，处于极度耦合状态。上海（0.792）、天津（0.657）和浙江（0.629）的耦合协调度也都超过了0.6，处于高度耦合阶段。
第二，从空间分布来看，系统耦合协调度的空间差异比较明显，具体表现为东部和中西部发展的不平衡。东部地区所有年份金融生态系统F值平均达到了0.621；而中西部地区分别只有0.493和0.521；另外，金融生态系统达到高度及以上耦合程度的4省市（北京、上海、天津和浙江）也均位于我国东部。
第三，从变化趋势来看，在研究的时间范围内各省市金融生态系统耦合协调度的波动情况比较稳定，变异系数 变异系数CV =（ 标准差SD / 均值Mean ）× 100%均低于0.1，其中变异系数较大的有甘肃和黑龙江两省，分别为0.089和0.086，其余地区的变异系数均在0.08以下。大部分地区的耦合协调度十年来有所提升，说明了金融生态系统在不断发展完善。耦合协调度涨幅排在前5位的依次是甘肃、重庆、海南、广西和安徽，从2005-2014 年分别增长了0.135、0.101、0.091、0.074和0066。
三、新型城镇化质量的测算与分析（一）新型城镇化质量指标体系构建在研究《国家新型城镇化规划（2014-2020年）》对新型城镇化的解读的基础上，结合之前学者的有关研究[18-22]，本文从经济发展方面、社会建设方面、居民生活方面、生态环境方面和城乡统筹方面选取37项指标对新型城镇化的质量作出评价（表2）。
（二）新型城镇化质量测算及结果
研究采用全局因子分析对我国2005-2014年各地区的新型城镇化质量进行评价，评价过程为：首先建立时序立体数据表，并为各个时刻的数据表赋予时间权重考虑到各年份在新型城镇化质量评价中具有同等重要地位，因此为其赋予相同的时间权重。，然后再将其纵向展开，再进行主成分分析，计算因子得分限于文章篇幅，新型城镇化质量计算结果不在文中列示。。
KMO的检验值为0.891，表明所选取的指标具有多重共线性；Bartlett 球状检验的近似χ2分布统计量的自由度为666，统计值15 652.84（p=00000），在1%的显著性水平下拒绝了各变量独立的原假设，满足进行全局因子分析的前提条件。
主成分分析以特征值大于1为原则提取了7个公因子，其方差累积贡献率超过了79.176%，说明这7个公因子能够代表37个指标的信息用于分析我国各地区新型城镇化质量。利用式NU=∑mi=1ωiFaci和ωi=λi/∑mi=1λi计算各省市2005-2014年每年的综合得分，其中NU代表新型城镇化质量，Faci代表第i个公因子得分，λi是第i个公因子的方差贡献率，m=7为提取的公因子个数。表 2新型城镇化质量评价指标体系
Ⅰ级指标Ⅱ级指标计量单位指标属性正指标逆指标经济城镇化二三产业增加值占GDP的比重%√二三产业从业人员占比%√非农业人口比重（户籍口径）%√人均城镇固定资产投资完成额元√单位GDP能耗（能源消费总量/GDP）吨标准煤/万元√每万人专利授权数件√城镇登记失业率-√社会城镇化建成区面积占城区面积比重%√建设用地面积占城区面积比重%√人均城市市政公用设施建设固定资产投资完成额元√城市人均城市道路面积平方米√人均城市运营线路网长度公里/万人√城市每万人拥有公共交通车辆标台√城市每万人拥有公共厕所座√城市用水普及率-√城市燃气普及率-√固定电话普及率部/百人√移动电话普及率部/百人√网民普及率-√人口城镇化城镇人口比重%√城市人口密度人/平方公里√城镇居民人均可支配收入元√农村居民人均纯收入元√城镇单位就业人员平均工资元√参加城镇基本养老保险人数占比-√参加城镇基本医疗保险人数占比-√每10万人口平均高等学校在校生人数人√环境城镇化每万人城市市容环卫专用车辆设备数台/万人√城市污水日处理能力万立方米√城市生活垃圾无害化处理率-√一般工业固体废物综合利用率-√城市建成区绿化覆盖率-√城市人均城市公园绿地面积平方米√城乡一体化城乡居民恩格尔系数比-√城乡人均收入比-√城乡平均每百户家庭电脑拥有量之比-√城乡人均消费支出比-√ 四、金融生态系统耦合协调度对新型
城镇化质量影响的实证分析（一）计量模型设定与回归
新型城镇化质量的提升受到多种因素的影响，为了客观地评价金融生态系统耦合对新型城镇化质量的作用，以新型城镇化质量得分（NUit）为因变量，金融生态系统耦合协调度（Fit）为自变量，再根据现有的研究成果，引入经济发展水平（GDPit，用人均GDP表示）、政府支出（GEit，用财政支出占GDP的比重表示）、固定资产投资（GFCFit，用固定资产投资总额占GDP比重表示）、经济的对外开放程度（OPENit，用实际利用外资总额占GDP的比重表示）、居民受教育程度（HRit，用人均受教育年限表示）以及地区GDP增长率（GDP2it）作为控制变量进行回归分析。经序列平稳性检验后，将除GDP增长率以外的控制变量做一阶差分处理，以修正由于存在共同经济趋势而导致变量之间的多重共线性，差分后的变量记为DGDPit、DGEit、DGFCFit、DOPENit和DHRit，分别代表原始变量的增长情况，构建的回归模型如下：
NUit=β0+β1Fit+β2DGDPit+β3GEit+β4DGFCFit+β5DOPENit+β6HRit+β7GDP2it+μit（5）
其中，i表示地区；t表示年份；μit为随机误差项。
如前文所述，我国各省市无论是新型城镇化水平还是金融生态系统耦合协调度，都存在明显差异，由此可推测，新型城镇化水平不同的地区，其可能借助金融支持的程度也有所不同。因此本文使用分位数回归的方法[23]，以解释在不同新型城镇化水平下，金融生态系统的协调对新型城镇化发展的影响程度。本文分别以q=0.1、q=0.2、q=0.3、q=0.4、q=0.5、q=0.6、q=0.7、q=0.8和q=0.9作为分位点进行实证检验。便于结果的比较，文章同时列出了使用OLS方法估计的回归结果，如表3所示。
（二）回归结果的分析
表3反映出模型1和模型2中各项解释变量无论在回归系数还是在显著性水平上都存在极高的相似性，说明实证结果具备一定稳健性。
1.模型解释变量分析。解释变量金融生态系统耦合协调度在模型1和模型2中的回归系数均为正，且在统计上通过了1%水平的显著性检验，这说明了金融生态系统耦合协调度的提高的确能带来新型城镇化质量的提升。
模型1表明，在其他条件不变的情况下，金融生态系统耦合协调度每提升一个单位，将使新型城镇化质量得分平均提高1.378。
模型2的分位数回归结果说明，随着新型城镇化质量的提高，系统耦合对新型城镇化的影响也越大：新型城镇化质量得分处于后10%的省份，金融生态系统耦合协调度提高将使新型城镇化质量得分平均提升0.652，随着分位数取值的增加，回归系数也在随之增长，分别为0.998、1.008、1.179、1.307、1.447、1.761和1.829。新型城镇化质量得分处于前10%的省份，金融生态系统耦合协调度提高将使新型城镇化质量得分平均提升2.049，二者之间存在明显差距。分位数回归分析发现：新型城镇化质量低的地区要想使新型城镇化进一步提升，就要得益于金融生态系统的支持。
2.模型控制变量分析，主要有以下几个方面。
（1）反映经济增长水平的控制变量DGDP和GDP2的回归系数均在统计上通过了1%水平的检验，且前者显著为正，后者显著为负，意味着经济发展水平对新型城镇化质量的提升具有明显影响。但应注意到，变量DGDP和GDP2虽然都反映了经济增长，但前者在数量级上远大于后者，因此即使考虑回归系数β大小的差异，后者对新型城镇化质量提升的负向作用也可以忽略不计，也就是说，我国各省新型城镇化质量将随着经济的增长而不断提升。
（2）在财政支出占GDP比重增长率上，变量DGE的回归系数大部分情况下表现为不显著，但在分位数q=0.1和q=0.9的回归模型中都为正且分别在0.01和0.1的水平下显著，说明政府财政支出对新型城镇化质量的提升是具有一定作用的，但这种影响的大小依情况而定。
（3）人口受教育程度增长率DHR分位数q=0.1、q=02和q=0.4的情况下回归系数显著为负，显著性水平分别为0.05、0.05和0.01，而在其他模型中均不显著。导致这种结果的可能原因是，新型城镇化质量排在后10%、20%和40%的省市大多为落后地区，随着人口受教育程度的提高，具有较高学历的人才更倾向于到大城市就业和生活，从而间接拉大了地区差异和城乡差异。另外，越是落后的地区，对人才的吸引力度越弱，人才流失的现象也就愈明显。
（4）固定资产投资增长率DGFCF在模型1和模型2中的回归系数为负且在99%的置信度下显著为负，这是由于虽然投资对于城镇化建设具有重要影响，但固定资产投资的增加通常只会提高城镇化规模却难以综合提升城镇化质量，从而导致对新型城镇化质量综合得分的影响为负。也就是说，在新型城镇化建设中要注重“质量优先，规模适度”，一味增加城镇固定资产投资而忽视质量和效率的做法并不可取。
五、主要结论
本文基于2005-2014年平衡面板数据分别测算了我国30个省、市、自治区的金融生态系统耦合协调度，并利用全局因子分析分别对其新型城镇化质量作出评价，最后，建立面板数据的回归模型对金融生态系统耦合作用于新型城镇化质量的效果进行了分析。
其一，我国各省金融生态系统的协调程度较高，至少达到了中度耦合的阶段。北京和上海的金融生态系统耦合协调度最高，在研究的时间样本内均超过了0.75。以2014年为例，全国大部分省市的金融生态系统耦合协调度在0.5～0.6之间，仅有广西、江西、河北、吉林、山西、河南和云南的耦合协调度低于0.5。
其二，全国各地区金融生态系统耦合协调度和新型城镇化质量均存在着十分明显的空间差异。东部地区2005-2014年的金融生态系统平均耦合协调度超过了0.622，最低为0.610，最高为0.633；而中西部地区的平均值分别在0.482～0.508和0.500～0.557之间波动，和东部地区相比存在一定差距。而新型城镇化质量的评测结果也与之类似，北京、浙江和上海的新型城镇化质量得分较高，最大值分别为1.632、1.409和1.387，贵州、云南、甘肃和广西的新型城镇化质量最低，得分都在0以下。东部地区各省市新型城镇化质量平均得分在0.419左右，显著地高于中部（-0.070）和西部（-0.368）地区。 其三，金融生态系统耦合协调度在模型中的回归系数为正，且在统计上通过了1%水平的显著性检验，这说明金融生态系统耦合协调度的提高的确能带来新型城镇化质量的提升。而且，通过分位数回归的方法证明了随着新型城镇化水平的提高，系统耦合对新型城镇化的影响也越大，也就是说，新型城镇化质量的地区要想使新型城镇化进一步提升，就要得益于金融生态系统的支持。
基于以上研究结论，本文认为应做出以下政策改进：首先，要针对新型城镇化带来农业发展、土地流转、人口迁移等异质性融资需求设计多元化金融产品，拓宽城乡投融资渠道，并利用“互联网+”优势打造以人为本的普惠金融制度。同时，为了更好地发挥新型城镇化进程中金融生态系统耦合带来的正效应，还应注重改善金融生态环境和提高新型城镇化质量，为金融主体的发展提供良好的需求平台，以实现二者的相互促进。
[参考文献]
[1]KIM K H.Housing Finance and Urban Infrastructure Finance[J].Urban Studies，1997，34（10）：1597-1620.
[2]WELLMAN K，PRETORIUS F.Urban Infrastructure：Productivity，Project Evaluation，and Finance[M]// Urban Infrastructure：Finance and Management.New Jersey：Wiley-Blackwell，2012：53-82.
[3]BUCKLEY M，HANIEH A.Diversification by Urbanization：Tracing the Property-Finance Nexus in Dubai and the Gulf[J].International Journal of Urban & Regional Research，2014，38（1）：155-175.
[4]郭新明.金融支持我国城镇化战略的政策思考[J].西安金融，2004（9）：4-6.
[5]罗明忠.农村劳动力转移中的金融约束及其突破[J].南方金融，2008（3）：46-48.
[6]CHO S H，WU J J，BOGGESS W G.Measuring Interactions among Urbanization，Land Use Regulations，and Public Finance[J].American Journal of Agricultural Economics，2003，85（4）：988-999.
[7]李建华.城镇化进程中的金融支持研究[J].技术经济与管理研究，2014（10）：102-105.
[8]SONG S，ZHANG K H.Urbanization and City Size Distribution in China[J].Urban Studies，2002，39（12）：2317-2327.
[9]蒙荫莉.金融深化、经济增长与城市化的效应分析[J].数量经济技术经济研究，2003（4）：138-140.
[10]张宗益，许丽英.金融发展与城市化进程[J].中国软科学，2006（10）：112-120.
[11]崔喜苏，荣晨.新型城镇化、固定资产投资与金融支持——基于省际面板数据的实证研究[J].投资研究，2014（11）：139-149.
[12]熊湘辉，徐璋勇.中国新型城镇化进程中的金融支持影响研究[J].数量经济技术经济研究，2015（6）：73-89.
[13]林永军.金融生态建设：一个基于系统论的分析[J].金融研究，2005（8）：44-52.
[14]韩廷春，赵瑄.金融生态系统影响中国实体经济发展的实证研究[J].公共管理评论，2012（1）：14-22.
[15]中国人民银行洛阳市中心支行课题组.区域金融生态环境评价指标体系研究[J].金融理论与实践，2006（1）：10-13.
[16]陈哲明，彭耀辉.区域金融生态环境评价指标体系及模型构建[J].统计与决策，2006 （11）：62-64.
[17]汪祖杰，张轶峰.区域金融生态环境质量评估指标体系研究[J].金融研究，2006（5）：150-158.
[18]张春梅，张小林，吴启焰，等.城镇化质量与城镇化规模的协调性研究——以江苏省为例[J].地理科学，2013，33（1）：16-22.
[19]国家城调总队福建省城调队课题组.建立中国城镇化质量评价体系及应用研究[J].统计研究，2005（7）：15-19.
[20]戚晓旭，杨雅维，杨智尤.新型城镇化评价指标体系研究[J].宏观经济管理，2014 （2）：51-54.
[21]杨惠珍.我国新型城镇化形势下城镇化质量评价指标体系的构建[J].经济研究导刊，2013（20）：65-67.
[22]续亚萍，俞会新.基于主成分分析的我国新型城镇化水平评价[J].工业技术经济，2015（7）：153-160.
[23]李群峰.基于分位数回归的面板数据模型估计方法[J].统计与决策，2011（17）：24-26.
【责任编辑 郭玲】