1、人口城市化驱动经济增长机制的实证研究摘 要：基于 2005-2013 年全国内地除西藏外 30 个省级地区的面板数据，建立空间面板数据模型对我国人口城市化驱动经济增长的路径进行研究，结果表明，人口城市化通过显著影响产业结构、城市居民的消费能力、地区的自主创新能力、政府的消费能力、技术溢出及扩散能力拉动经济的增长。人口城市化驱动经济增长的渠道因地区不同而存在差异，其中，东部地区人口城市化主要通过显著影响产业结构、城市居民的消费水平、自主创新能力来驱动经济增长。中部地区人口城市化主要通过显著影响技术溢出、扩散能力、政府的消费能力以及自主创新能力驱动经济增长。西部地区的人口城市化主要通过显著影响所设
2、定的全部渠道驱动经济增长。 关键词：人口城市化；经济增长；空间面板数据模型 中图分类号：F290 文献标识码：A 文章编号：1000-4149（2015）06-0032-11 DOI：10.3969/j.issn.1000-4149.2015.06.004 一、引言 人口城市化是指随着社会生产力的发展，大量人口从农村向城市转移的过程。它被认为是一个国家或地区实现经济健康发展的必然选择。随着我国城市化率的提高，城市化对我国经济增长的驱动作用已经表现得非常明显。 美国的技术革命与中国的城市化被认为是 21 世纪人类最为耀眼的两件事。而中国作为世界上人口最多的国家，中国城市化率的高低对整个人类历史的
3、进步都产生至关重要的作用。改革开放以来，我国的城市人口占比从 1978 年的 17.92%，上升到 2005 年的 42.99%， 2013 年达到了53.73%，其中 2005-2013 年年均人口城市化率达到了 48.45%，而我国的人均 GDP 从 2005 年的 14185 元增加到 2013 年的 41908 元，增长了 3 倍。从图 1 可以看出我国的城市人口占比与经济发展水平两者之间存在着显著的正相关关系。但是人口城市化驱动经济增长的效果会因地区差异而存在不同，根据 2013 年全国 30 个省、市、自治区的人口城市化与地区经济增长水平的比较（见图 2） ，可以发现人口城市化与地
4、区经济增长之间存在明显的正相关关系，同时也可以发现人口城市化对经济的拉动作用因地区不同而存在明显的差异，如上海、北京、天津城市化率分别为89.6%、86.3%、82.1%，而人均 GDP 分别为 90092 元、93213 元、99607元。基于此，各区域的人口城市化对其经济增长的影响机制是本文所要探讨的中心论题。由于人口城市化不能作为一种直接的生产要素作用于经济增长，所以，必然需要通过一些渠道间接地影响经济增长。本文旨在从城市化过程中所带来的消费能力、产业结构、技术创新及溢出等角度研究我国人口城市化影响经济发展的机制。 二、文献综述 国外的学者早在 1965 年就开始探讨城市化水平和经济增长
5、的关系问题。其中，地理学家贝里（Berry）利用 95 个国家的 43 个变量的数据进行实证研究，结果表明一个国家的城市化率与其经济增长之间存在显著的正相关关系1。相似的研究还有雷诺德（Renaud）利用 111 个国家的数据研究两者之间的关系，研究结果表明城市化与经济增长之间的关系非常紧密2。而真正拉开城市化与经济增长关系命题的是卢卡斯（Lucas）3。布莱克（Black）研究发现城市化过程中带来的空间集聚有助于技术、知识等溢出，从而推动经济增长4。亨德森（Henderson）通过回归发现，城市化与经济增长两者之间的相关系数为0.85，并且在经济发展的初级阶段，城市化驱动经济增长的效应更明显
6、5。伯廷莉和布莱克（Bertinelli & Black） ，指出城市化发展的集聚效应已经成为经济增长的重要引擎，且城市化水平对经济增长的拉动作用呈现先下降后上升的“U”型特征6。 关于城市化水平对经济增长的作用，国内学者也做了深入的研究。如王小鲁、夏晓琳利用中国 666 个城市的面板数据进行实证研究，结果表明城市化是实现经济增长的加速器7。陈淑清从供给和需求以及产业等角度探讨城市化驱动经济增长的机制，得出城市化可通过提高劳动生产率、扩大内需、调整产业结构来间接拉动经济增长8。徐雪梅、王燕分别从宏观和微观两个角度探讨了城市化对经济增长的驱动作用9。李金昌、程开明利用我国 1978-2004 年
7、的样本数据探讨城市化率与人均 GDP关系，结果表明城市化对经济增长的影响逐渐减弱10。沈坤荣、蒋锐的相关研究表明在城市化的过程中，可以通过加快人力资本的积累和产业结构的优化来驱动经济的增长11。段瑞君、安虎森利用我国 1978-2006 年的样本数据进行研究，得出城市化过程中内需扩大成为驱动区域经济增长的主要机制12。王家庭、贾晨蕊运用空间计量的方法从城市的人口规模以及产业结构的角度分析了城市化对区域经济增长的影响13。魏学海、王岳龙利用我国 1991-2007 年间的数据探讨了城市化、创新对全要素生产率的影响，得出城市化过程可使技术创新的效率提高，从而间接地提高了全要素生产率14。吕健利用我
8、国 2000-2009 年的数据进行实证研究，结果表明城市化发展对经济增长具有明显的正向作用15。闫晓红运用内生增长模型探讨城市化对经济增长的影响，得出过度城市化不利于经济增长的结论16。王稳琴的研究发现处于不同阶段的城市化对经济增长的影响将不同，经济增长的稳定性随着城市化水平的提高存在先升后降的趋势17。聂华林使用 VECR 模型探讨了人口城市化对经济增长的长、短期影响，得出长期比短期的影响更明显的结论18。郭三化利用脉冲响应函数以及方差分解的方法研究城市化与经济增长受自身以及两者之间相互作用的影响，结果表明，城市化和区域的经济发展水平受自身波动的影响明显，但两者的相互促进作用尚未形成19。
9、王津津的实证研究结果表明不同地区对经济增长的作用不同，西部地区城市化水平对经济增长的拉动作用最大，中、东部地区出现过度城市化现象，一定程度上阻碍了地区经济的增长20。徐小钎、袁凯华利用 1999-2010 年的省际面板数据进行实证研究，结果表明城市化通过自身规模的扩大以及规模经济的正外部性促进经济的增长21。相征、吴石磊、赵鑫运用异质性随机前沿模型探讨了城市化对经济增长的影响，结果表明加快城市化的进程对降低经济体系中实际产出和理论产出的偏离程度有一定的作用22。仇怡利用我国 1990-2010 年的面板数据进行实证研究，结果表明城市化可通过创新效应显著地提高国家的全要素生产率，但是城市化的技术
10、创新效应在区域之间存在差异23。 在综合上述文献的基础上，本文与国内已有的研究不同的是：在分析问题的方法上，以往的研究主要集中在使用横截面数据模型、面板数据模型或者时间序列的方法探讨人口城市化对经济增长的影响。本文充分考虑了空间相关性对省域经济增长的影响，运用将面板数据与地理空间因素相结合的方法即空间面板数据模型进行实证研究。在分析问题的角度上，本文利用理论假设与实证检验相结合的方法，即提出人口城市化驱动经济增长机制的相关假设，确定中国人口城市化驱动经济增长的渠道为城市居民的消费水平、政府的消费水平、产业结构、地区自主创新水平、技术创新的扩散、溢出效应。并且将技术创新的扩散、溢出效应与人口城市
11、化结合来分析经济增长。在分析问题的侧重点上，本文的重点是分别探讨中国三大区域东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南 11 个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南 8 个省。西部地区包括内蒙古、广西、重庆、陕西、四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆 11 个省市自治区。人口城市化驱动经济增长的渠道差异。 三、理论分析及相关假设 1.人口城市化、消费能力与经济增长 首先，由于城市居民的可支配收入普遍高于农村居民，因此，从农村进入城市的这部分人口必会获得更高的收入。根据收入影响消费的相关理论，这必将引起居民的消费需求相应的
12、增加，即城市人口的收入效应引起消费需求的增加。其次，人口城市化引起人口在城乡分布的比例结构发生变化，基于城镇具有交易便利性的特点，这部分从农村进入城镇的人口的潜在消费需求得以释放，进而增加了消费需求，即城镇人口的结构效应引起潜在的消费需求得以释放24。再次，大量的农村居民进入城镇，为了满足这部分人最基本的生产、生活需要，政府需要加大基础设施的投资力度，即人口城市化带动政府消费需求的增加。因此，城镇化不仅可以拉动城镇居民的消费也可以拉动政府部门的消费。基于上述分析，本文做出以下假设。 H1：人口城市化通过显著影响城镇居民以及政府的消费需求，进而促进经济增长。 2.人口城市化、产业结构与经济增长
13、随着人口城市化的推进，富余的青壮年劳动力从农村进入城镇。首先，农村人口减少，可以优化第一产业，促进非农产业的发展，从而促使一国或地区第二、三产业在国民经济中所占比重有所上升。其次，城镇人口增加，促使第二、三产业的进一步发展进而加速了产业结构的优化升级。根据结构主义学派的观点即结构变革能够加快经济增长的速度，人口城市化可以首先通过推动产业结构的优化，然后间接地拉动一个国家或地区的经济增长，成为经济增长的强大动力。基于上述分析，提出以下假设。 H2：人口城市化通过推动产业结构的优化，进而促进经济增长。 3.人口城市化、技术创新与经济增长 影响技术创新能力的因素主要包括：一是创新投入要素，即资金投入
14、和科研人员的投入；二是影响技术创新的外部环境因素，即制度、政策、信息交流等。城镇是人类生产和生活在区域空间上集聚的地方，既有大量的人力资本存量，也有影响技术创新能力的良好环境因素。首先，数以万计的人口聚集在城镇，由于兴趣、能力、财富等各不相同，能够满足不同企业对特定人才的需求，使得专业化的企业能够共享特定素质的劳动力市场、共享信息等。同时，由于不同的人、企业、产业等在城市集聚，形成了多样性的环境，为不同领域行业之间的相互交流提供了学习的机会，从而促进了新知识、新技术以及新行业的产生。另外，城市具有良好的教育基础设施以及很好的受教育机会，使得城市具有丰富的人力资本存量。其次，城市具有完善的信息、
15、通讯等基础设施，为新知识、新技术的扩散提供了良好的传播条件。所以城市化的过程会加速创新产品和知识技术的外溢与扩散，即创新成果能够快速地在企业间、地区间进行传播。而技术创新作为一种生产要素促进一个国家或者地区的经济增长，是当前各国经济发展以及社会进步的重要动力。基于上述分析，做出以下假设。 H3：人口城市化通过显著影响技术创新实现全要素生产率的增长，进而带动整个区域的经济增长。 根据以上理论分析，人口城市化可以显著影响消费能力、产业结构升级、技术创新水平，从而驱动经济增长，其具体的机制如图 3 所示。 四、数据与模型的选择 1.变量设计与数据来源 本文根据数据的可得性和实证研究的需要，使用的样本
16、是 2005-2013年中国内地除西藏外 30 个省级地区的数据，所有数据主要来自中国统计年鉴 、 中国科技统计年鉴 、 2013 年全国科技经费投入统计公报以及国家统计局网站公布的数据。根据上述的理论分析及相关假设，本文的变量设计如下。 （1）Y：地区经济发展水平。本文认为人均 GDP 比 GDP 总量能更真实地反映地区经济发展水平，因此，采用各省份的人均实际地区生产总值来衡量地区经济发展水平，单位是元/人。 （2）URB：人口城市化水平。采用各省份年末城镇人口比重来表征。（3）URBCS：城镇居民的消费水平。采用按当年价格计算的各省份城镇居民的最终消费支出来表征，单位为亿元。 （4）GOV
17、CS：政府的消费水平。采用按当年价格计算的各省份政府的最终消费支出来表征，单位为亿元。 （5）STR：产业结构水平。采用各省份按当年价格计算的，指数按不变价格计算的第二、三产业的产值占地区生产总值的比重来表征。 （6）R：地区自主创新水平。目前，大多数学者主要从三个角度衡量技术创新水平，即：创新投入（包括资金和人力） 、中间产出（包括专利、发明、科技论文等） 、最终产出（包括收入和利润等） 。由于本文的研究对象是创新水平对经济增长的贡献，基于以下考虑：第一，并不是所有的创新都会有新发明、新专利，且创新对经济的作用体现在创新的过程中；第二，目前，我国技术创新对经济增长的贡献主要是通过对技术创新的
18、资金投入拉动的。因此，本文选取各地区 R&D 活动中的研究与实验发展经费内部支出作为衡量地区技术创新水平的指标，单位为亿元。（7）TR：技术溢出水平。省际之间的技术溢出主要是由于进行R&D 活动所形成的正的外部性引起的。通常通过两种渠道形成技术溢出：一是进行研发的过程中产生技术溢出即过程溢出，具体的指标为邻近省份的 R&D 资本支出衡量；二是研发的结果产生的溢出效应即结果溢出，具体的指标为邻近省份的专利授权量。本文采用第一种方法即过程溢出并参照科和赫尔普曼（Coe & Helpman）以及谢兰云等对技术溢出的处理方法，将存在技术溢出省份的 R&D 经费内部支出进行加权求和处理2526，即技术溢
19、出的变量定义为： 2.模型的选择 本文研究的对象是人口城市化影响经济增长的渠道。而著名的托步勒（Tobler）地理学第一定律认为“所有的事物间都存在相关性，并且其相关性的高低与两者之间的距离有关，理论上离得近的事物之间比离得远的事物之间的相关性更高”28。即当横截面数据存在空间相关时，采用传统的计量经济模型来分析数据，会使实证结果与理论结果存在偏差。因此，在模型中加入了空间和距离因素将能更准确地分析经济增长背后的力量。可见，引入变量的空间关系研究人口城市化对驱动经济增长的作用，其结果解释力将会更强。 表 1 中 OLS 回归残差的 Morans I 指数值为正且全部通过 1%的显著性水平检验，
20、表明利用经典的回归方法对模型进行估计时，得到的误差项均存在空间自相关，即证明每个地区的经济发展水平之间是相互影响的，而采用传统的未考虑空间关系的方法对模型进行估计，得到的系数是有偏的，因此，对模型的估计需要纳入空间计量的方法。 （2）空间计量模型。空间计量模型中比较常用的模型有两种，即空间滞后模型（SLM）和空间误差模型（SEM） 。空间滞后模型研究的是相邻区域之间的经济变量是否存在溢出效应，其表达式为： 五、空间面板模型的实证研究 由于本文使用的是空间面板数据模型，因此在进行实证分析时还涉及模型的选择问题，首先是需要确定变量的空间关系即空间误差模型和空间滞后模型的选择问题，根据安瑟兰（Ans
21、elin）等提出的拉格朗日乘数形式的 LMLAG、LMEER 检验以及稳健的 LMLAG、LMERR 检验进行判别 如果 LM-LAG 检验结果显著而 LM-ERR 检验结果不显著，则选择空间滞后模型，反之，如果 LM-ERR 检验结果显著而 LM-LAG 检验结果不显著，则选取空间误差模型；如果 LM-LAG 检验和 LM-ERR 检验的结果都显著，选择稳健的 LM 检验显著性较高的模型。 其次在此基础上，确定面板数据选择的是固定效应模型还是随机效应模型，本文使用比较常用的豪斯曼检验来确定。利用全国的样本数据，对六个模型的检验结果如表 2 所示。 表 2 中六个模型的 LMLAG、LMERR 都通过了显著性检验，且 Robust LMERR 比 Robust LMLAG 更显著，所以六个模型确定为空间误差模型，然后根据误差模型的豪斯曼检验的结果，除了模型六未通过 10%的显著性水平，其他模型均接受备择假设，选择面板数据的固定效应。 1.全国样本计量分析 表 3 是全国样本的回归结果。模型一到模型六中空间相关性系数 都为正，且均通过 1%的显著性水平，说明各地区的经济发展水平之间是
