城市化、工业化与服务业发展水平的实证研究

2012-07-12苏卫东

统计与决策 2012年7期

苏卫东

（山东轻工业学院财政与金融学院，济南 250100）

0 引言

城市化、工业化作为人类社会发展到一定阶段出现的必然现象，二者相互作用、相互影响，并且促进了服务业的发展。工业化水平的提高，就意味着就业岗位的增加，需要农业劳动力转移到工业这个行业，人口向城市集中，城市规模扩大，城市化率提高；扩大的城市规模为服务业的发展提供了更大的发展空间，会吸纳更多的劳动力，更多的农村人口转移到城市和城镇，这又进一步加快了城市化进程。关于城市化、工业化与服务业发展三者之间的关系，有不少学者进行了探讨。郑吉昌（2009）[1]认为必须重视这三者之间的关系，并对如何处理这三者之间的关系提出了建议；刘刚、李香兰（2010）[2]构建了一个动态分析框架，把三者纳入一个统一的逻辑体系，分析得到三者之间的演进是良性循环但是相互约束的。

从逻辑上看，城市化、工业化对服务业的发展肯定是有推动作用的，但这种影响的存在性与影响的程度需要用模型来检验。吴振球、谢香、钟宁波（2011）[3]基于VAR模型对全国城市化、工业化对第三产业GDP的影响进行了实证研究。但其研究存在两点不足：（1）所采取的指标不合理，服务业的发展水平需要用一系列指标来进行综合的评价，但该文直接用GDP来度量；（2）该文采用的是VAR模型，但20年的时间区间对于这一模型而言样本点还是少了一点，得到的结论可能会出现偏差。基于如上原因，本文重新检验了城市化、工业化对服务业发展的影响。

表1 区域服务业评价指标体系

1 中国省级区域服务业发展水平的评价

1.1 区域服务业发展水平评价的指标体系

要想对区域服务业的发展水平进行科学、合理的评价，单靠某一个指标是不行的，需要选择若干指标构成指标体系，国内不少学者对此展开了研究，例如匡后权、何凡、曾武佳（2008）[3]从服务业发展规模、速度、潜力三个方面选取了21个经济指标，对西部12个省(市)服务业的发展水平进行了综合评价；陈金标、彭勇、胡婷婷（2008）[4]构建了由39个指标总体发展水平、基础设施与投入、现代化程度、服务能力等四大模块构成的指标体系，对厦门与直辖市、副省级城市等19个城市的服务业发展水平进行了比较分析。已有文献的指标体系至少存在这样的两大问题：（1）过多追求指标的数量，而较少考虑指标的内涵是否重复，很少考虑指标之间的内在联系；（2）在指标模块的划分缺乏合理性。

本文在借鉴已有文献的基础上，对指标进行了精心的筛选，并把所有的指标划分成：投入模块、产出模块、基础模块，见表1。其中Xij是第j个地区的第i个指标，X′ij是其标准化值；Xˉi是第i个指标的平均值，si是其标准差。

第三步，进行主成分分析。利用标准化后的数据，在SPSS下进行主成分分析，在确定主成分时，本文采取的是累计贡献率达到95%的标准（因为特征根超过1的只有两个，其累计贡献率只有83.529%），这样就得到四个主成分，各主成分的表达式分别为：

1.2 中国区域服务业发展水平评价的步骤

可以用于服务业评价的方法很多，例如层次分析法、模糊评价法、综合打分法，但这些方法最大的缺陷在于权重的赋值存在问题，更多的是依赖于主观判断。本文采用多元统计分析中的主成分分析方法，通过主成分加权组成的综合评价函数对中国31个省级区域的发展水平做出客观合理的评价，这一方法的优点主要表现在其权重（系数）完全是客观的，而且通过提取几个公因子能够筛掉各指标之间的重复信息。具体的步骤如下：

第一步，数据的选择。为了避免某些地区、某一年度的某些指标出现偶然性的波动，本文采用了2004年至2009年的各指标的平均值作为评价的依据，数据来源于历年的中国统计年鉴。

第二步，数据的标准化。考虑到所选指标的单位不同，为了统一量纲，按以下的公式对各指标进行标准化：

根据各个主成分的贡献率，得到服务业发展水平的综合评价函数：

第四步，计算综合得分。把中国省级区域2004～2009年各指标的均值进行标准化处理的数据带入式（2）得到各因子得分，然后把这些因子得分带入式（3）得到各区域的综合得分，进行排序，结果见表2。

1.3 中国区域服务业发展水平的评价结果

由表2可以看出，服务业发展水平排在前五位的是北京、广东、上海、江苏、浙江等地区都属于东部地区，位于后五位的是青海、宁夏、甘肃、新疆、海南等，除海南外都属于西部地区，中国东西部地区的服务业发展水平存在明显的差距。北京市的服务业发展水平之所以雄踞榜首，是因为其作为中国的政治文化中心，得益于其结构性投入和产出在31个省级区域中“一枝独秀”，第三产业从业人员比重、第三产业全社会固定资产投资比重、人均第三产业增加值、第三产业区位商等5个指标在全国排第一位，人均地区产值排在了第二位。

表2 中国省级区域服务业发展水平的得分与排名

一直处于改革开放前沿的广东省，其服务业发展水平在全国排名第二，其主要原因在于其总量投入与总量产出占较大的优势，第三产业从业人员数、第三产业增加值两个指标居全国之首，第三产业全社会固定资产投资处在了全国第三位。

上海的服务业发展水平进入全国三甲，完全在情理之中，作为全国的金融中心，其服务业的发展有着良好的基础，人均国内生产总值、万人专利受理数两个指标居全国前列，另有第三产业从业人员比重、人均第三产业增加值、第三产业区位商等3个指标在全国排第二位。

2 城市化、工业化对服务业发展的影响分析

2.1 变量的选择

2.1.1 被解释变量

被解释变量是我们所关心的服务业发展水平，即利用主成分分析得到的评价值，用符号LEVEL来表示。由于第二部分是用2004～2009年的均值得到的评价值，为了得到其面板数据，作者把历年的各指标值标准化，然后代入式（2）得到各地区历年的主成分值，把这些数值再代入式（3），就得到被解释变量的取值。

2.1.2 解释变量

(1)城市化水平：城市化也有的学者称之为城镇化、都市化，我们用城市人口占总人口的比重来度量，记为CITY。

(2)工业化程度：工业化通常被定义为工业（特别是其中的制造业）或第二产业产值（或收入）在国民生产总值（或国民收入）中比重不断上升的过程，以及工业就业人数在总就业人数中比重不断上升的过程。工业化程度常用工业化率，即工业总产值占全部生产总值的比重来度量，但这一指标很容易出现工业发展对服务业的挤压效应，本文采用工业总产值与第一产业产值之比来度量，记为RIGDP。

(3)城市化与工业化的交互作用：城市化与工业化之间存在一种复杂的互动关系，工业化推进了城市化的进程，城市化是工业化的载体，二者在促进服务业发展的过程城中存在着交互作用，正如前文分析的一样。为了描述二者之间的交互作用，在解释变量中加入一个交互项：

2.2 样本与数据

本文选取的是2004～2009年的中国31个省级区域的面板数据，用于计算城市化率与工业化率的指标，与前文一样来自历年的中国统计年鉴。

2.3 模型的构建与估计

为了考察城市化、工业化对服务业发展水平的影响，建立面板数据模型，建立的模型有三类：混合估计模型、固定效应模型和随机效应模型。其中的混合模型为：

其中LEVELit是第i个地区第t年服务业发展的综合评价值；CITYit为相应的城市化率指标，RIGDPit为相应的工业化率指标，CROSit是城市化率指标与工业化率指标的乘积，衡量两者的交互作用；εi,t是随机误差项。

为了刻画不同地区的个体差异，可建立固定效应模型和随机效应模型，其具体形式分别如下：

式（5）中的ai反映的是第i个地区服务业发展水平的固定效应，式（6）中的ui反映第i个地区服务业发展水平的随机效应，二者都反映了服务业发展水平因各地区经济形势不同而表现出的差异。

面板数据模型的应用，必然涉及到模型的选择问题，即对于所给数据在混合模型、固定效应模型、随机效应模型之间进行选择，模型选择的一般方法是这三个模型中两两进行选择性检验：混合估计模型与固定效应模型之间的选择采用F检验；混合估计模型与随机效应模型之间的选择采用LM检验；固定效应模型与随机效应模型之间的选择采用Wald检验，其具体的检验方法可参见叶阿忠、李子奈（2000）[6]。

2.4 估计结果及其分析

利用如上的数据，在stata11.0下对模型进行了选择和估计，选择得到的是固定效应模型，其估计结果见表3。

表3 城市化、工业化对服务业发展水平影响的回归结果

由表3看出，模型的拟合优度还是不错的，组内、组间与整体的决定系数分别为0.1632、0.4117、0.3666；从用来检验模型总体显著性的F统计量来看，方程在总体上更是极为显著。

由表3同时可以看出，城市化、工业化变量的系数在5%的显著性水平下是显著的，二者对服务业发展都有显著的促进作用，城镇人口比重每上升一个百分点，服务业发展水平评价值0.9395571个单位；工业与第一产业的比值每上升1，服务业发展水平评价值上升0.1379884个单位；城市化的影响高于工业化的影响；同时由于在10%的显著性水平下，城市化、工业化变量的交叉项系数是显著的负值，说明二者对服务业的交互作用可能会产生不利影响。