变数的选择和计量模式的设置。

㈠变量的选择。

以1997-2013年我国30个省的面板数据为依据，对农业经济增长与城市化的动态关系进行了实证分析(由于西藏的相关数据缺失，将其排除在样本之外)。以各省年人均农业国内生产总值(peragrigdp)表示的农业经济增长指数，按第一产业GDP除以从业人数计算，单位为万元/人；排除因通货膨胀引起的误差，用对应年份的GDP平减指数将其缩写成实际值(基期为1997年)。目前，衡量城市化指标的方法主要有两种：一种是建立一个比较完整的指标体系，以综合度量城市化水平；这种方法的优点是能够更加全面地涵盖城市化的各个方面的特点，但缺点是主观，二是使用单一指标，因其简单化、可操作性强、适用范围较广，故难以操作。因此，本文采用后一种方法，即以各省城镇人口占总人口比例来表示城市化(townlevel)。为减小数据的波动性，并尽可能地消除时序带来的异方差，本文将农业经济增长与城市化指数用lnperagrigdp表示，用lntownlevel表示。本论文所收集的面板数据均来自1998-2014年中国农村统计年鉴、中国统计年鉴和统计数据库。

㈡制定计量模式。

城市化和农业经济增长并不是简单的单向因果关系，而是存在着较为复杂的相互作用关系。已有的这类研究文献大多是采用先确定因变量和自变量的单向回归模型，再通过计量模型得出结论，由于不能完全解决模型中变量间双向相互作用的内生性问题，研究结果有可能出现严重偏差。为此，本文利用面板VAR模型，对城市化与农业经济增长的关系进行了实证分析。VAR模式是Sims在1980年首先创立的一种传统回归方法，接着Holtz-Eakin又一次在Sims的VAR模型中把它扩展为面板数据，PVAR模型是一种基于面板数据的PVAR模型，因此可以提高样本的观测能力，这样既提高了计量结果的精确度和稳定性，又允许样本个体存在个体效应和时间效应，它已经成为一个成熟的模式，具有很多优点。根据本文中变量数据的特点，建立了以下PVAR模型：

上一式中，i为各省，t为年份，Yit包含了农业经济增长(lnperagrigdp)和城市化(lntownlevel)，考虑到城市化和农业经济增长之间的动态关系，在模型中添加αi变量，表示区域固定效应，用于控制与各省有密切关系的特殊因素。t表示时间固定效应，可用来控制某一变量的时间趋势特性。υit是随机干扰项。

本论文旨在探讨城市化与农业经济增长之间的相互作用是否具有区域性效应，但是，地方经济发展程度、市场化程度严重限制了区域效应，所以沿用传统的东、中、西，因此，本文采用熊启跃、张依茹的研究方法，将我国划分为经济发达地区，对经济次发达地区与三个经济欠发达地区的研究比较合理。