中国区域城镇化发展差异的解释:基于空间面板数据与夏普里值分解方法

姚 东

(上海财经大学 公共经济与管理学院，上海200433)

一、引言

改革开放以来，中国经济的高速发展，是在充分发挥区域比较优势的基础上实现的。各地区房地产市场的发展、劳动密集型加工制造业的兴起、大量外商直接投资的涌入和政府相关政策的出台使中国区域经济得到了快速的发展。但是，伴随中国经济高速增长的区域城镇化发展水平的差距日益拉大，给转型发展目标下的经济可持续增长带来挑战。经济高速增长所带来的区域城镇化发展水平的差异，在很大程度上制约着中国经济的可持续增长，那么在中国经济发展过程中什么因素导致了区域城镇化发展水平的差异？哪些因素对差异的影响较大？这些问题，直接关系到中国区域经济结构战略性调整的路径与方式，关系到中国经济增长的前景和未来，因而必须对此做出正确的理论解释，并拿出现实对策。上述问题，正是本文研究的重点所在。

本文结构安排如下:第二部分在区域城镇化发展水平测度文献回顾的基础上，运用2000～2011年中国30个省市自治区中287个城市的相关数据①，在区域划分的基础上测度改革开放以来中国6大区域城镇化发展的水平并分析其发展差异；第三部分在对区域城镇化发展水平影响因素的空间面板数据模型回归的基础上，运用夏普里值分解方法对中国区域城镇化发展差异的动因进行分解、排序，并对各因素对区域城镇化发展差异的影响进行分析；最后给出本文的结论及政策建议。

二、区域城镇化发展水平测度及其差异分析

(一)相关文献回顾

区域城镇化发展水平的测度是经济学家们关注的焦点。中国学者对区域城镇化发展进行了大量的研究，理论研究方面，洪银兴等认为将城镇人口占总人口的比重作为城镇化发展水平的衡量指标的同时，还应考虑质量指标和功能指标[1]。曹广忠认为测量区域城镇化发展水平必须根据实际情况进行具体分析，在一些经济发达地区，根据传统的城乡概念来判断区域城镇化发展水平已经不能跟上时代要求，因此衡量区域城镇化发展水平，区分城乡时除了考虑有城镇建制的农村居民外，还有必要考虑没有城镇建制但在聚居规模、产业结构和建设景观等方面已经城镇化的农村居民点[2]。实证研究方面，侯英利用层次分析法，构建了一套以城镇化为目标层、4个一级指标为准则层(包含经济城市化水平、人口城市化水平、生活城市化水平和空间城市化水平)、15个二级指标为方案层的层次结构分析模型，用以衡量区域城镇化发展水平，同时对大连及部分副省级城市的城镇化发展水平进行了衡量，认为第一个层次为深圳市，第二个层次为厦门市，第三个层次为沈阳市、宁波市、青岛市和大连市[3]。王礼刚采用主成分和聚类分析方法，对2008年贵州省各地市州城镇化发展水平的14项原始数据指标进行分析，并对分析所得到的城镇化发展水平进行了综合评价，得出贵州省各地市州城镇化综合发展水平差异较大，城市体系总体分布呈“核心—边缘”非均衡发展模式，缺乏产生集聚和辐射作用的次中心城市的结论[4]。田天雨和刘康华运用主成分分析法，从定量的角度分析了新疆近20年来的城镇化发展水平，认为对城市化指标的衡量，不能单从一两个指标得出，而是要综合考虑人口、经济、社会发展等方面，因此其选取了人口城市化、经济城市化、生活方式城市化和空间城市化4个方面共14个小类指标来衡量城市化[5]。梁会民采用熵AHP方法和乘法模型，对南京都市圈内各城市的城镇化水平进行了综合测度分析，认为南京、扬州、镇江、芜湖、马鞍山已处于城镇化发展的后期阶段，淮安地区、滁州市、巢湖地区尚处于城镇化发展的中期阶段。同时他还认为影响南京都市圈城镇化发展的主要因素是人口和环境[6]。李雁华则运用多项分布式滞后模型对1990～2009年甘肃省城镇化发展水平和人均GDP的数量关系进行了分析，并应用这一结果预测了甘肃2011年的城镇化水平[7]。

从以上文献可以看出，以往学者对区域城镇化发展水平的研究多集中于理论与静态的实证测度方面，还少有学者建立动态模型并在全国区域划分基础上测度区域城镇化发展水平。为了弥补这一缺憾，本文在更为科学地衡量中国区域城镇化发展水平的基础上，研究中国区域城镇化发展水平的影响因素。

(二)区域城镇化发展水平测度的模型构建

在区域城镇化发展水平测度的国内外研究中，Eduardo建立的测度模型更为科学有效[8]。本文利用Eduardo提出的测度模型，建立中国区域城镇化发展水平的测度模型。我们假设中国不同区域在发展的过程中，居民充分流动，可以按照各自的偏好选择居住区域，用U′代表中国居民整体的区域选择期望值，用各区域人口的平均值表示，称为区域规模期望值，期望值越高代表区域城镇化发展水平越高。区域规模Ci用区域总人口数量来代替，Pci表示居民选择在规模为Ci(人口数)的区域居住的概率，P代表中国的总人口数，那么就有:Pci＝Ci／P。而区域规模期望值，换算后为:我们将中国的城市和农村划分开来，得到，其中i＝1，…，u代表城市，i＝u＋1，…，n代表农村。从中国的行政区划来看，中国没有任何一个行政划分单位是单独由城市或者单独由农村构成，所以将农村包括在城市内，这样中国区域规模的数学期望可以表示为:用 U代表EU′，可以得到:。按照等级分类标准，可以将区域城镇化发展水平的公式定义如下:

其中，Kj代表区域等级分类标准中第j个层级的总人口数，Mj代表第j个层级的总城市个数。S代表一个区域所有的城市，Zj代表每一层级人口数所在区间的中位数。式(1)适用于区域等级划分标准中各等级城市数量固定不变的情况。由于我国城市等级分类标准中最高的城市群集没有人口上限，加之随着时间推移，人口的数量和各等级城市的数量在不断变化，我们使用适合于此种情况的公式(2)来度量我国年度区域城镇化发展水平。

(三)区域城镇化发展水平的测度结果与差异分析

区域城镇化发展水平的测度是在区域等级体系划分标准的基础上计算得到的，本文以中国城市行政区划和区域等级分类标准为基础②，利用2000～2011年中国30个省市自治区287个城市人口数据，基于公式(2)对6大区域城镇化发展水平进行测度③，测度结果如图1所示。

图1 2000～2011年中国6大区域城镇化发展水平

从图1可以看出，2000年城镇化发展水平从高到低依次为东北、东南、环渤海、西北、中部、西南地区；2003、2007和2011年城镇化发展水平从高到低各区域顺序保持一致，都是东南、东北、环渤海、西北、中部、西南地区。从时间趋势上来看，东南地区、环渤海地区、西北地区、中部地区、西南地区的城镇化发展水平上涨速度较快，且速度趋同，东北地区虽有上涨，但涨幅相对其他5个区域较低。究其原因，东北作为老工业基地，其基础设施相对较好，所以2000年其城镇化发展水平高于其他区域，但伴随我国城镇化的高速发展，东北工业区相对发展速度减慢，因此之后虽其城镇化发展水平有所增加，但涨速低于其他地区。环渤海地区包括河北、山东地区，因此在一定程度上中和了北京、天津的高发展水平，总体来看其城镇化发展水平低于东南地区。西北地区城镇化发展水平高于中部低于西南地区，这主要是由于2000～2011年间中部地区农村居民占总体人口的比重一直处于较高水平，这就使得中部地区城镇化发展水平在一定程度上低于西北地区。

三、中国区域城镇化发展差异的解释

(一)变量、数据与计量模型设定

中国区域比较优势所导致的人口流动形成了区域集聚效应，区域集聚效应通过区域空间自相关得以体现。在地理空间上探讨区域城镇化发展水平与其影响因素的相互关系可以有效地提高传统面板模型对变量的解释力度。自Cliff和Ord首次提出空间自相关概念以来，大量学者对空间计量模型展开研究，本文在以往学者研究的基础上，系统化了空间面板数据模型的设定和检验问题，给出了基于Hausman检验的空间固定效应模型和随机效应模型。目前，我国还少有学者基于空间计量研究方法建立区域城镇化发展水平的决定模型来衡量各因素对区域城镇化发展水平的影响，为了弥补这个缺憾，本文建立区域城镇化发展水平空间面板数据模型，模型的具体形式如下:

其中，式(3)是区域城镇化发展水平影响因素的空间误差模型，模型将区域城镇化发展的空间自相关放在误差项中，它度量了邻近区域城镇化发展水平的误差冲击对所在区域城镇化发展水平的影响。式(4)是空间自相关模型，它反映了区域城镇化的影响因素以及由于区域城镇化发展的空间溢出所产生的空间自相关的扩散和极化效应，它在反映多区域城镇化发展空间关系的同时，测算各因素对城镇化发展的影响。εit为随机扰动项。下标i代表区域(i＝1，2…6)，下标t代表年份，a0为常数项。

在区域城镇化发展水平影响因素的选择和相关变量选取过程中，本文借鉴以往学者研究的经验，选取区域人均税收、人均公共支出、人均收入、环境质量、人才竞争力、产业发展水平和区域房屋价格7个变量对区域城镇化发展水平的影响展开讨论。其中，TIncome代表区域人均税收，用区域内各城市税收收入总额除以当年区域城市人口总数得到；PExpenditure代表区域人均公共支出，用区域城市公共财政支出总额除以当年区域城市人口总数得到；RIncome代表区域人均收入，用区域可支配收入总额除以人口总量来衡量；LQuality代表区域环境质量，我们采用各区域城市公布的PM10的数据的平均值衡量，数据来自各城市官方网站④；PCompetition代表区域人才竞争力，用各区域内大专及以上学历人口占总人口的比重表示；ILevel代表区域产业发展水平，用区域内各城市第三产业产值占总产值的比重的平均值来衡量；RPrice代表区域房屋价格，用区域内各城市房屋交易总额与房屋交易总面积的比值的平均值来衡量。本文所用数据主要来源于《中国房地产年鉴》、《中国城市统计年鉴》以及《中国统计年鉴》。

(二)数据平稳性检验

为了避免伪回归，我们对数据进行平稳性检验。首先进行单位根检验，面板数据单位根检验的方法较多，但每种方法优缺点不同，本文同时采用LLC、IPS、ADF-Fisher和PP-Fisher对变量进行单位根检验，结果如表1所示。

表1的检验结果表明:除区域人均收入以外其他变量的原始序列同时通过四种方法的检验，而区域人均收入的一阶差分序列通过了四种方法的检验，即除区域人均收入以外各变量原序列均平稳。由于存在一个一阶单整的变量，本文借鉴刘红梅等的研究方法[9]，对非同阶单整变量进行分组协整检验。我们将变量分为四组，第一组:区域城镇化发展水平与区域人均税收、区域人均公共支出；第二组:区域城镇化发展水平与区域人均收入、区域环境质量；第三组:区域城镇化发展水平与区域人才竞争力、区域产业发展水平；第四组:区域城镇化发展水平与区域房屋价格。检验结果如表2所示。

教育是提高国民素质的基础。我国应深化教育体制机制改革，一方面要求学校在落实科学文化建设的同时更应注重学生的思想道德建设，提高国民素质从小抓起。另一方面，加强全民宣传教育，通过加大线上线下宣传力度，开办道德讲堂讲座等方式全面提高国民素质。

表1 各变量单位根检验结果

表2 变量间的协整检验结果

表2是分别采用Pedroni的7个统计量、Kao统计量和Johansen Fisher统计量进行面板协整检验的结果。由表2可以看出，大部分检验方法的结果在1%的显著水平下拒绝原假设，因此可以认为各变量之间存在协整关系(即长期和稳定的均衡关系)。区域城镇化发展水平与区域人均税收、区域人均公共支出的Pedroni的7个统计量中，有5个检验结果在1%的显著水平下拒绝了“不存在协整关系”的原假设，Kao检验结果和Johansen Fisher检验结果也均在1%的显著水平下拒绝了“不存在协整关系”的原假设，这证实了区域城镇化发展水平与区域人均税收、区域人均公共支出之间存在协整关系，因此可以对模型进行回归和参数估计。区域城镇化发展水平与区域人才竞争力、区域产业发展水平之间的关系同理。

(三)模型回归结果分析

本文的实证研究分两步完成:首先利用空间面板数据模型(3)和(4)，在空间误差模型和空间自相关模型的半对数和对数模型之间做出选择，并比较固定和随机效应模型的优劣；其次，我们将针对所选择的空间面板数据模型，基于夏普里值分解方法，就各因素对城镇化发展水平差异的影响进行分解并排序，最后给出实证结果。

为了进行空间面板数据回归，我们用Matlab7.0对式(3)和(4)进行估计，在空间误差和空间自相关的半对数和对数模型间进行选择，回归的结果如表3所示。

表3 面板数据的回归结果

从表3的回归结果可以看出:模型(3)和(4)的LM检验表明，两模型的空间相关性均十分显著，模型的稳健性检验(Robust LM)进一步表明，模型(4)的空间自相关性更加显著；根据Hausman检验的结果可以看出各方程P值在1%的置信水平下均显著，所以在随机效应和固定效应模型中选择固定效应模型；同时从模型的拟合优度可以看出对数空间自相关模型的拟合优度最高，故我们选择对数空间自相关固定效应模型作为城镇化发展水平影响因素的回归模型。

下面我们分别使用基尼系数(Gini)、对数离差均值(GE0)和泰尔(Theil)指数(GE1)三个指标，借助夏普里值过程对区域城镇化发展水平进行分解，以分析各影响因素对区域城镇化发展差异的贡献。本文借鉴李敬等人使用的区域发展差异计算方法展开研究[10]。由于Gini系数对中等区域发展水平变化敏感，Theil指标(GE1)对上层区域发展水平变化敏感，对数离差均值(GE0)对底层区域发展水平变化敏感，为了全面地分析影响区域城镇化发展差异的因素，本文同时运用Gini系数、对数离差均值(GE0)和Theil指数(GE1)3个指标进行分析，结果如表4所示。

表4 不同指标下区域城镇化发展差异的分解

由于使用不同指标得到的分解结果不一致，我们可以选择一种特定的指标或者利用不同指标(仅适用于相对影响)所得结果的平均来进行讨论[11]。表5是将表4中的三种指标的分解结果求平均之后每个自变量的相对影响及排序。我们把全部被解释部分的区域城镇化发展差异作为分母来计算不同因素的相对影响，因此，不同因素的影响之和为100%。下面我们主要以相对平均影响来进行分析和讨论，结果如表5所示。

表5 各因素相对平均影响值及排名

表5反映了区域城镇化发展水平的影响因素对区域城镇化发展差异的影响。2000年和2004年人均收入对我国区域城镇化发展差异的影响一直处于第一位，其中，2000年区域人均收入占到了影响城镇化发展差异的54.89%，2004年的影响也高达42.51%。这一结果表明，无论从长期看还是从短期看，人均收入都是我国改革开放后城镇化发展的关键性动因，是形成区域城镇化发展差异初期格局的决定性因素。在这两年间，区域公共支出和区域人才竞争力对区域城镇化的影响也较大，房屋价格对区域城镇化发展水平的影响也不可小视。其中，2000年区域公共支出对区域城镇化发展差异的解释力达到了16.91%，区域人才竞争力贡献了10.21%，而房屋价格也贡献了9.01%。2004年区域人才竞争力对区域城镇化发展差异的解释力达到了18.57%，房屋价格对城镇化发展水平的影响占到了15.69%，而区域公共支出的影响占到了9.9%。我们对这一现象的解释是:改革开放后随着经济的发展，我国在区域发展上有了不同的倾向性，这种倾向性使得我国不同区域的发展水平各异[12]。国家宏观经济政策中最为重要的因素——区域公共支出——成为影响区域城镇化发展差异的关键性因素。同时随着经济的发展，我国房地产市场的发展不断加快，房价也随着房屋价值的提升而提高，这就使得我国不同区域有了新的发展引擎，进一步又使得区域城镇化的发展差异加剧。2000年和2004年区域人均税收和产业发展水平也对区域城镇化发展差异产生了一定的影响，但是影响程度不大。

2008年和2011年各因素对城镇化发展差异的影响产生了一定的变化，其中变化最为明显的是房价对区域城镇化发展差异的影响。无论是长期还是短期，房价对区域城镇化发展差异的影响都上升到第一的水平，两年中的影响分别高达58.29%和48.87%，这说明我国房地产市场的发展对城镇化发展差异具有强烈的影响，使得发展水平差异拉大，各区域发展非平衡性加剧。而这两年间人均收入对区域城镇化发展差异的影响仅次于房价，这说明人均收入真实反映了城镇化发展水平的差异，是衡量城镇化发展水平差异的良好指标。同时区域人才竞争力对城镇化发展的差异也起到了相当大的作用，从这点上可以看出，随着我国经济的发展，国家对人才越来越重视，人才在促进区域发展的同时，也拉开了区域间发展的差距。与2000年和2004年不同的是，随着我国税收制度的改革，税收收入对城镇化的发展也起到了不可磨灭的作用，税收收入也成为影响城镇化发展差异的一个关键性因素，而区域环境质量和产业发展水平对城镇化发展差异的影响始终不明显。

四、结论和建议

本文借助已有研究成果，在衡量区域城镇化发展水平的基础上，基于空间面板数据模型的夏普里值分解方法，分析了各因素对中国区域城镇化发展差异的影响。通过研究，本文得到以下三个结论:

第一，随着我国改革开放的深入和经济的发展，房屋价格已经成为拉大我国区域城镇化发展差异的关键性因素，人均收入水平对区域城镇化差异的影响显著，但是从长期发展来看，房屋价格超越了人均收入对区域城镇化差异的影响，成为区域发展不均衡的关键性因素。因此，要想缩小区域城镇化发展水平差异，国家对各区域房价差距的有效调控和区域人均收入水平的提高是关键所在。

第二，通过夏普里值的估算，我们发现，随着我国经济的发展，人才竞争力对城镇化发展水平的影响逐渐凸显，人才竞争力成为提高城镇化发展水平的关键，同时人才竞争力驱动下的区域城镇化高速发展又强化了这一过程，从而进一步拉大了区域城镇化发展的差异。从影响因素的分解可以看出十二年间，人才竞争力对城镇化发展差异的影响无论在长期还是在短期都是不断加深的。这就要求我国在保持经济发达地区人才优势的同时，必须通过有效政策引导人才向中等甚至低等城镇化发展区域流动，使得低水平区域加快发展，从而有效缩小区域城镇化发展水平的差异。

第三，国家财税政策是有效调节城镇化发展水平差异的一剂良药，通过税收体制改革和区域公共支出力度的改善，可以有效缩小区域城镇化发展水平的差异，促进我国各区域全面协调健康发展。

注释:

①中国区域城镇化发展水平是在各城市人口数据基础上综合而来的，本文在对2000～2011年数据进行分析时，查阅《中国城市统计年鉴》、《中国统计年鉴》中287个城市(不包含县级市)的人口数据，对于年鉴中人口数量没有统计的城市，不作为本文的研究对象。

②我们按照《城市规划法》将中国的城市划分为5个等级:非农人口在200万以上的为超大城市；100～200万之间的为特大城市；50～100万之间的为大城市；20～50万之间的为中等城市；20万以下的为小城市。

③我们以《中国城市竞争力报告》的区域划分为基础，将我国划分为6大区域:东南地区(包括上海、江苏、浙江、福建、广东)；环渤海地区(包括北京、天津、河北、山东)；东北地区(包括辽宁、吉林、黑龙江)；中部地区(包括山西、江西、河南、湖北)；西南地区(包括重庆、广西、海南、四川、贵州、云南)；西北地区(包括甘肃、陕西、青海、宁夏、新疆、内蒙古)。

④环境质量数据方面，我们采用各省市环境保护厅官方网站数据，由于从2012年开始环境质量用PM2.5衡量，考虑到文章中数据是用PM10衡量，为了保持数据的统一性，我们将PM2.5转换为PM10衡量。

[1]洪银兴，陈雯.城市化模式的新发展——以江苏为例的分析[J].经济研究，2000，(12):66—71.

[2]曹广忠.发达地区县域城市化水平量测与城市化道路选择——青岛市城阳区个案研究[J].经济地理，2001，(3):213—217.

[3]侯英.大连城市化水平测度及对部分副省级城市比较分析[J].经济研究导刊，2011，(3):4—9.

[4]王礼刚.贵州省各地市州城镇化水平综合评价——基于主成分、聚类和GIS分析方法[J].西北民族大学学报(哲学社会科学版)，2011，(2):96—103.

[5]田天雨，刘康华.基于主成分分析的新疆城镇化水平问题研究[J].新疆农垦经济，2011，(11):54—58.

[6]梁会民.区域城市化水平综合测度调查与分析[J].安徽农村科学，2011，39(36):22485—22487.

[7]李雁华.基于PDL模型的甘肃省城镇化水平预测[J].发展，2011，(10):32—38.

[8]Eduardo，E.A New Approach to the Measurements of Urbanization[J].Economic Development and Cultural Change，1997，(1):206—218.

[9]刘红梅，张忠杰，王克强.中国城乡一体化影响因素分析——基于省级面板数据的引力模型[J].中国农村经济，2012，(8):4—15.

[10]李敬，冉光和，万广华.中国区域金融发展差异的解释——基于劳动分工理论与Shapley值分解方法[J].经济研究，2007，(5):42—54.

[11]万广华，周章跃，陆迁.中国农村收入不平等:运用农户数据的回归分解[J].中国农村经济，2005，(5):4—11.

[12]许经勇.高度重视小城镇不可替代的特殊功能[J].吉首大学学报(社会科学版)，2011，(4):90—94.