1、中国人口城镇化水平的影响因素及溢出效应内容摘要：本文基于 1996-2011 年中国各地区的面板数据，计算各时期人口城镇化率的 Morans I 指数，发现我国区域人口城镇化之间存在显著空间相关性，然后利用计量空间面板模型实证研究了中国人口城镇化的影响因素及溢出效应。结果表明，中国人口城镇化相邻区域之间存在溢出效应，城乡收入差距等指标对人口城镇化水平有显著影响，同时模型存在时间固定效应差异；另外相邻区域城镇化水平的影响因素对本地区的城镇化水平存在溢出效应，但溢出程度不明显。 关键词：城镇化 影响因素 空间面板模型 溢出效应 引言 随着中国经济快速增长，目前城镇化已经是中国正在经历的一个最重要的
2、结构性变化。 “十五”规划中首次提出城镇化这一词，此后党的十六大到十八大的政治报告中都有提及城镇化，十八大明确提出要工业化、信息化、城镇化、农业现代化良性互动、同步发展。在国务院关于城镇化建设工作情况的报告中首次明确城镇化路径，小城市将全面放开落户限制，可见，针对如何合理推进中国的城镇化进程的研究已是相当紧迫。 近年来，已有大量文献在对中国城镇化方面进行了研究，包括城镇化的历史、现状、特点以及影响因素等进行理论研究与实证分析，并取得了丰硕的成果。其中蒋伟（2009）利用 2005 年的数据对中国省域城市化水平影响因素进行了实证分析，得出区域城市化之间存在相关，即城市化水平的提高将通过空间溢出促
3、进周边地区的城市化发展，第三产业的发展是影响地区城市化水平的主要因素。秦佳（2013）利用六普的数据实证了人口城镇化水平空间差异的影响因素，并提出第三产业就业水平的提升对中西部地区人口城镇化的促进作用大于其在东部的作用。上述文献，是以截面数据为研究对象，分别分析各变量对城镇化的影响。姜磊（2011）研究了城市化进程与城乡收入差距的影响路径识别，实证结果表明：城市化进程对缩减城乡收入差距的作用是积极影响和消极影响并存，关键取决于城市化进程的政策路径选择；省际间存在空间溢出效应的城市化进程。该文主要是针对城市化进程与城乡收入差距的影响研究，而较少考虑其他因素对城市化进程的影响。 本文主要是研究中国
4、在城镇化水平上是否存在显著的空间相关性，及影响城镇化水平的因素是什么？相邻区域的城镇化水平对本地区的扩散程度是多大？以及邻近地区的影响因素对本地区的城镇化水平是否存在溢出效应？溢出效应多大？本文的创新之处在于利用面板模型与空间面板模型进行对比，实证了空间面板模型的优势以及确定影响城镇化水平的因素，并计算出各自的溢出效应。 研究方法 （一）Morans I 指数 在空间统计学中常常使用空间自相关指数 Morans I 指数来检验变量是否存在空间相关性，因此本文利用 Morans I 指数研究人口城镇化的全局空间相关性。Morans I 指数定义为： （1） 当 Morans I 指数为正时，表明
5、存在明显的正空间自相关，也就是说相似的观测值（高值或低值）趋于空间集聚，表明不同地区数据在空间上有相似的属性；当 Morans I 指数为负时，表明存在负的空间自相关，相似的观测值趋于分散分布，表明不同地区数据在空间上有不相似的属性；当 Morans I 指数为零时，观测值呈现独立地随机分布。Morans I 指数绝对值反映了空间相关程度的大小，绝对值越大，空间相关程度越大，反之亦然。 （二）空间面板模型和模型选择 近年来，随着空间面板计量模型的设定和估计的方法逐渐完善，空间面板计量模型被越来越广泛的用于分析空间和区域问题。空间面板模型可以依滞后项存在于因变量和误差项中分为两类：空间滞后模型和
6、空间误差模型，又依据样本个体之间的差异存在是确定的和随机性，有分为固定效应和随机效应。 空间滞后模型固定效应的基本结构如下： （2） 空间误差面板固定效应模型 ： （3） （4） 是度量相邻地区综合城镇化水平对本地区城镇化水平的影响程度。空间误差系数 则反映了邻近地区城镇化水平的误差冲击之和对本地区城镇化水平的影响程度。空间滞后模型和空间误差模型是空间依赖性的不同体现。 在模型包含空间滞后误差项的情况下， 最小二乘法不适合用来估计空间计量经济模型，因为 OLS 估计量不再有效。所以，一般使用极大似然法（ML）来估计空间计量经济模型。Elhorst 给出了 Matlab 软件包，给出了一般空间面
7、板模型的极大似然估计（MLE）函数。 （三）直接影响与溢出效应 LeSage 和 Pace（2009）提出采用求解偏微分的方法来解释不同模型在设定情况下变量的变化所产生的冲击，为检验空间溢出效应提供了有效的基础。SLM 模型可以被改写为如下矩阵形式 ： （5） 其中，Y 关于第 1 至第 N 个区域的内生变量 X 中第 k 个变量的偏微分矩阵较为容易获得： （6） 其中， LeSage 和 Pace 将上式最右端矩阵的对角线元素的均值定义直接影响，而每行或者列中非对角元素之和的均值定义为间接影响，也被称为溢出效应。 实证分析及估计结果 （一）指标选择和数据来源 段瑞君和安虎森（2009）运用向
8、量自回归模型实证了城市化与经济增长的相互关系。郭军华（2009）运用面板协整检验实证了我国东、中、西部城市化与城乡收入差距之间具有长期均衡关系。江易华（2012）利用 2009 年统计年鉴数据对县域人口城镇化的影响因素进行分析，实证了生产总值、农林牧渔业人员、城乡收入比和人口发展功能区划是影响县域人口城镇化的主要因素。蒋伟（2009）将各省的人均 GDP、第二产业产值占 GDP 的比重、第三产业产值占 GDP 的比重、文盲半文盲占 15 岁及以上人口的比重、按美元与人民币中间价折算的进出口总额占 GDP 的比重、城乡收入差距等因素对城镇化的影响进行研究。秦佳和李建民（2013）利用空间模型实证
9、了地区之间土地城镇化水平、第二三产业就业水平和产值水平，以及人均 GDP 的差距是造成人口城镇化平空间差异的主要原因。 根据以往文献对城镇化影响因素的分析以及数据的可得性。本文研究文盲率、城乡收入差距、第二产业产值比、第三产业产值比、人均财政预算支出、人均进出口额、人均地区生产总值对人口城镇化率的影响。 本文对所有数据取对数，是为数据之间的可比性和减少异方差，其中 Y 表示城镇化率，国内学者已基本达成对人口城镇化率指标的共识，即采用各地区非农人口数比各地区总人口数， I 表示文盲率，即文盲半文盲占 15 岁及以上人口比例，Ur 表示城乡收入差距，各地区城镇居民平均每人可支配收入比各地区农村居民
10、平均每人纯收入，S 表示第二产业产值比，即第二产业产值占生产总产值的比重，T 表示第三产业产值比，即第三产业产值占生产总产值的比重，D 人均财政预算支出，各地区一般财政预算支出比上各地区人口数， Exit 人均进出口额，即各地区按经营单位所在地分商品进出口总额除以各地区人口数，Rgdp 为人均地区生产总值。本文以中国 31 个省为研究对象，根据数据的可得性采用 19982011年的年度数据，即进行实证分析的样本数据为 19982011 年中国 31 个省份的面板数据。数据来源于 1999 2012 年中国统计年鉴和19992006 年中国人口统计年鉴，20072012 年中国人口和就业统计年鉴
11、。 （二）实证分析 空间自相关性检验。本文采用 Rook 邻接矩阵，首先利用 Anselin 编写的 geoda 软件计算城镇化率的全局自相关 Morans I 指数值如图 1 所示。其中 Morans I 值在 0.260.4 的正值区域内，且总体呈现递增增长趋势，各地区城镇化率有显著的正向空间依赖性。从总体变动趋势来看，中国各地区城镇化率 Morans I 值呈现递增趋势则说明空间集聚现象越来越稳定，空间依赖性在不断增强，溢出效应在逐渐增大。 全局空间 Morans I 指数描述我国区域城镇化率的总体空间自相关模式，但不能确定各地区具体的空间依赖情况，局部 Moran 散点图可以为分析具体
12、各地区城镇化率聚集情况提供信息。其中局部 Morans I 指数如图 2。 在 Morans 散点图中第一象限（HH）主要是东部沿海以及华北地区，包括上海、浙江、福建、江苏、北京、天津及东北三省等地，表示这些省份及其周围省份都有较高的城镇化率，及其地区城镇化率之间差异不大，存在较强的正空间自相关性。第二象限（LH）主要是河北、海南、安徽、江西四省，其中河北周边有高城镇化率的北京、天津等地，这些地区在高城镇化率区域范围内，如果充分利用周围的高城镇化率地区的扩散效应，这些地区也会在城镇化率水平上得到较好的提高。因此，这一象限成为过渡区。第三象限（LL）主要是西部地区，以及部分中南省份，这些区域是连
13、同周围地区都是低城镇化率城市，例如，四川、贵州等高原地区，另外，经济的发展水平也是一个很重要的因素，这些区域普遍表现为不发达省份。第四象限（HL）是广东、内蒙古和重庆，这些省份应该发挥典范作用，带领周围区域共同发展，从而形成相辅相成的良性发展模式。 模型估计结果。空间相关分析 Morans I 指数定量证明了各地区城镇化率之间存在显著的空间相关性，因此有必要采用空间面板回归模型来描述城镇化率的影响因素及其影响因素之间的关系。本文根据理论分析选择空间面板滞后模型固定效应模型，因为根据固定效应与随机效应的选择理论，随机效应主要是以样本为估计母体的。本文分别对面板数据的 OLS 估计以及空间面板滞后
14、模型对无固定效应、地区固定效应、时间固定效应和地区与时间固定效应这四种情况分别进行估计进行对比。采用 Matlab2010B 软件和 Elhorst、LeSage 等人编写的 Spatial econometric 模块，计算结果如表 1 所示。表 2 为模型的 LM 检验结果。表 3 为各内生变量的直接影响和溢出效应检验。 从 R2、2、LogL 等统计量综合来看，空间面板滞后模型比普通模型效果更好，其中地区固定效应模型 R2 比普通面板模型 R2 高出 10%以上，故认为区域城镇化率模型中存在空间效应。然而，在模型中从统计量来看地区和时间固定效应模型是具有最好的拟合度，但是从模型参数估计的
15、结果看，该模型存在部分变量的不显著性。综合比较之后，笔者认为时间固定效应模型能更贴切地描述我国各地区城镇化率的影响因素以及相互之间的关系，在时间固定效应模型中参数大多数都通过了 1%显著性水平检验，同时综合统计量指标也相对较合理，故本文将选择时间固定效应空间面板滞后模型进行分析。 在空间面板滞后地区固定效应模型中，空间相关系数 表示与该地区相连接的省份在城镇化率水平对本地区的综合影响为 0.15，该值通过了 1%的显著性水平检验，因此可以充分地证明各地区城镇化率之间存在显著的正向空间效应，即在某种程度上本地区的城镇化率是依赖于相近地区的城镇化率对其的影响，因此，在面板模型中将空间影响因素考虑进
16、来研究中国地区城镇化更为合理。 通过表 1 到表 3 的估计结果，本文可得到以下结论： 首先，城镇化率与文盲率之间存在显著的负相关关系，即各地区的文盲率越高，相对应的城镇化水平则会越低。城乡收入差距与城镇化率是存在系数为-0.423 的显著性负相关的，城乡收入差距对城镇化的影响是最大的。即减少城镇收入差距可以最有效促进我国城镇化水平的提高。这与蒋伟（2009）研究结论是一致的。此外，人均进出口额与城镇化水平之间也存在负的相关性的，但是影响程度不大，这与秦佳（2013）和蒋伟（2009）的研究结果均不一样。笔者认为可能是样本差异，蒋伟和秦佳都是以截面数据来做分析，没有考虑时间因素的影响，本文使用
17、空间面板模型来分析变量之间的关系。 其次，第三产业产值占总产值的比值对城镇化率的影响是最大正向的。即在其他条件不变的情况下，第三产业产值占总产值的比值提高1%，则平均来说，城镇化水平提高 0.403%。与第二产业对城镇化率的0.32%相比，第三产业对城镇化率的促进作用远远高于第二产业的作用。加大服务业的发展是引领我国城镇化水平进一步提升的关键因素。 最后，从各个变量的直接影响和溢出效应可以进一步了解不同变量对城镇化影响因素的具体效应，结果发现，所有的解释变量对城镇化率都存在显著的区域间的溢出效应，各个变量的溢出效应对城镇化率的影响方向与直接影响是一致的。城乡收入差距的溢出效应是最大的，也只是当
18、相邻地区的城乡收入差距减少 1%，本地的城镇化率平均上升 0.074%。即各变量对城镇化率存在显著的溢出效应。 结论及政策建议 本文得出结论：中国城镇化率存在空间自相关性。同时各变量对城镇化率均存在显著的影响，同时实证也发现各变量对邻近省域的城镇化率存在具有显著的溢出效应。由此本文提出以下建议： 第一，充分利用地理优势。根据上文的分析，区域城镇化率间存在空间相关性，空间相关系数为 0.15 以及各自变量对本地区城镇化存在溢出效应。故应充分引导东部沿海发达地区的扩散效应，带动周围城市步入高城镇化水平阶段，同时也促进自己步入更好层次。 第二，降低文盲率缩小城乡收入差距。教育水平的落后以及城乡收入差
19、距的扩大对城镇化发展有着显著的负面影响。增加各地区的受教育机会，特别应增加农村基础教育的投入，降低文盲率，进而提高劳动力的文化素质。缩小城乡收入差距是提高城镇化水平最有效的途径。可以通过以下方式缩小城乡收入差距：合理定价农产品价格，减少中间各种费用；畅通农产品销售渠道，提供供销平台；引导农产品的合理耕种，多种渠道提高农村居民的纯收入，进而可以扩大居民对工业产品和服务的消费，从而推动城市化的发展。 第三，加大第三产业的发展。在影响省域城镇化水平的诸多因素中，其中第三产业是推动城镇化率水平提高的主要力量，第三产业的发展和城镇化率水平的提高关系最密切。因此，在遵循市场经济规律的前提下，进一步优化产业
20、结构，发展第三产业，合理预算财政支出，进而促进城市化进程的良性可持续渐进式发展。 参考文献： 1.Anselin L.Spatial Econometrics：Methods and ModelsM.Dordrecht：Kluwer Academic Publishers，1988 2.蒋伟.中国省域城市化水平影响因素的空间计量分析J.经济地理，2009，4 3.秦佳，李建民.中国人口城镇化的空间差异与影响因素J.人口研究，2013，3 4.丁志国，赵宣凯，赵晶.直接影响与空间溢出效应：我国城市化进程对城乡收入差距的影响路径识别J.数量经济技术经济研究，2011，9 5.姚奕，倪勤.中国地区碳强度与 FDI 的空间计量分析基于空间面板模型的实证研究J.经济地理，2011，9
