基于Beta回归的我国城镇化影响因素实证分析

谢燕瑜 刘建华（闽南师范大学数学与统计学院 福建漳州 363000）

基于Beta回归的我国城镇化影响因素实证分析

谢燕瑜 刘建华
（闽南师范大学数学与统计学院 福建漳州 363000）

随着我国城镇化不断发展深化，各地区的城镇化水平出现明显的差异，研究其影响因素对于探索新常态下的新型城镇化道路具有重要意义。文章基于中国2013年中国各地区城镇化数据，通过考察经济、社会等因素建立Beta回归计量模型。实证研究表明，人均GDP、人均财政支出、人均进出口差异和文盲率均对城镇化率有显著影响，并由此为政府未来相关政策导向提供实证支持。

Beta回归模型；城镇化；影响因素

自2014年3月国家公布《新型城镇化规划（2014—2020年）》以来，全国各个地方政府纷纷为新型城镇化提出各自城市的建设规划。当下中国城镇化水平正处于一个关键的战略转型期，新型城镇化将为经济结构变革提供重要支撑。2015年2月，国家统计局发布的统计公报显示，2014年中国城镇化率仅仅为54.77％，这远远低于发达国家平均80％的水平。根据美国地理学家诺瑟姆（1975）［1］城镇化三个发展阶段论，我国城镇化水平处于30％～70％的城镇化加速阶段。周加来（2004）［2］在城市病发展四阶段论中也提到，我国城镇化率处于50％～70％是城市病的发作阶段。2014年5月发布了《中国新型城镇化健康发展报告》蓝皮书（2014）［3］提到，在我国经济已进入中高速增长与多重转型阶段，城镇化进入城市病发作和加速发展阶段的叠加期，此时不仅要稳步推进新型城镇化，更要注重城镇化的质量。因此，妥善解决城镇化进程中的各种问题适应经济新常态是实现城镇化健康发展的保证。

一、城镇化影响因素理论阐述与指标选取

（一）城镇化影响因素理论阐述。城镇化对经济社会的效应也引起国内学者的关注。余红艳（2008）［4］通过建立向量自回归模型得出政府可通过调整财政政策来促进城镇化建设。秦佳等［5］（2013）通过建立多元线性回归模型发现人均GDP水平、第二、三产业就业水平和产值水平是造成城镇化水平空间差异的主要原因。史本叶［6］（2014）认为，对外开放能够积极推进新型城镇化建设。陈聪［7］（2014）运用逐步线性回归分析表明，推动河南省城镇化发展的重要因素为人均GDP、人口密度、非农产业发展和城镇居民收入水平等。滕宇杰［8］（2014）采用主成分分析法建立VAR计量模型实证发现我国城镇化水平与对外贸易发展之间相互促进。朱芬华［9］（2015）通过回归分析和因子分析发现城镇化进程和对外贸易之间存在着显著的关系，说明处理好两者关系对城镇化进程具有重要的现实意义。冒小栋等（2014）［10］通过研究发现文盲率、人均财政预算支出、人均进出口额以及城乡收入差距是影响城镇化的主要因素。Daniel（2010）［11］通过28个国家的城市化水平和经济增长进行了因果关系检验，认为发达国家是经济增长引起城镇化水平的提高，而在发展中国家城镇化则是引起经济增长。Sabyasachi（2013）［12］以印度城市为研究对象，发现，随着高的经济增长和低的贫困发生率引起城镇化增长率加快同时产生高程度的社会不公，并建议协调两者发展，以实现经济稳定增长。

中国城镇化率存在着显著地区差异的原因是错综复杂的。城镇化的国内外的研究，主要探讨城镇化与经济增长、城镇化动力机制等互动关系。梳理以上文献发现，很多学者在分析城镇化影响因素时，没有充分考虑到城镇化率是介于0和1之间的比例数据，直接采用线性回归模型使拟合值常常落在（0，1）之外，此时采用线性回归模型对城镇化率进行回归分析存在缺陷。因此，本文在中国2013年全国31个地区的城镇化率数据，建立Beta回归计量模型，探讨分析中国城镇化影响因素。

（二）城镇化影响因素指标选取。城镇化是一项复杂的系统工程，发展过程不仅受到经济发展水平的影响，同时其他社会因素也能对城镇化产生显著影响。本文城镇化模型中因变量是用城镇化率来衡量（记为CZ），即城镇人口占总人口的比重。同时，借鉴以上学者的研究选取了4个具有代表性的因素建立beta回归模型从量化角度分析对城镇化的影响作用。数据来自国家统计局官方网站《中国统计年鉴-2014》，样本包括中国2013年全国31个地区的城镇化数据。具体变量定义见表1。

人均国内生产总值（记为G），它是一项衡量经济发展水平的宏观经济指标。经济增长使得居民的收入水平得以提高，为城镇化水平提供了物质基础，所以假定城镇化水平会随着经济规模的壮大而不断提高。

人均进出口额（记为E），它是反映进出口贸易水平的宏观指标。改革开放30多年以来，通过对国际资源的利用，使得城镇化中的资源配置缺额得以弥补，同时也为国际的要素聚集提供了支持，所以假定人均进出口额的提高能推动城镇化进程。

人均财政支出（记为F），该指标主要衡量了一个地区公共支出水平。在城镇化建设过程中必然对城市公共服务例如医疗、教育、社保、就业和基础设施等方面提出了更高层次的要求，所以，假定人均财政支出越高，城镇化程度越高。

文盲率（记为I），它是衡量地区人口素质标准之一。城镇化是人的城镇化，教育为城镇化发展提供了人才保障与智力支持，所以，假定文盲率越低的地区城镇化水平越高。

表1 变量名称、符号及定义

二、Beta回归模型介绍与实证分析

（一）Beta回归模型介绍。通常对于取值范围在（0，1）内的

比例数据，可用Beta分布进行刻画，其密度函数通常表示如下：均值与方差分别为：

令Beta分布μ=p/（p+q），φ=α+β，则密度函数（1）可以表示成如下形式：

此时Beta分布的均值和方差可以表示为：

在不同的μ和φ取值下，得到Beta分布不同的概率分布图。从图1可以看出，Beta分布可以是对称分布、左偏或者右偏分布，还可以是U型分布或者均匀分布，对于拟合城镇化模型的各种可能分布形式有比较大的灵活性。从方差的表达式可以看出，随着μ的变化，方差也随着μ改变，异方差得到了解决，而且φ越大，方差越小，所以φ可解释为精度参数。同时在Beta回归模型中，因变量y要求（0，1）内取值，因此，Beta回归模型适用于城镇化率的统计建模。

图1 Beta分布概率分布图

设因变量是y1，…yn是n个相互独立的个体，且服从Beta分布，假设的均值可表示，那么Beta回归一般形式可表示为：

其中g（.）为连接函数，且满足严格单调和二次可微。模型（2）和模型（3）称为Beta回归模型参数，θ=（βT，φ）T可通过极大似然估计获得。Beta回归的连接函数g（.）可以有多重形式，一般采用如下形式：（1）logit连接函数：g（u）=In u/（1-u｛ ｝）；（2）probit连接函数：g（u）=φ-1（u），其中φ（.）是标准正态分布函数。

（二）实证分析。采用Beta回归模型的logit连接函数和probit连接函数进行参数估计，R软件［13］回归结果见表2，模型为：

表2 城镇化率在不同连接函数下Beta回归的参数估计结果

从R软件运行参数结果可以看出，4个候选变量对城镇化率均有显著影响，符合前面的理论假设，两种不同连接函数得到的回归系数估计值相差不大，且符号相同。同时从评判模型优劣的三个评判标准中可知，Logit和Probit连结函数下的可决系数分别为97.82％和95.82％相差不大，表示自变量对因变量变异的解释能力相当，拟合优度均较高。另外，两种方法的LR值和AIC值相差较小，说明两种连结函数下的Beta回归模型的精确性相差甚小。从各个变量的参数回归结果可看出人均国内生产总值、人均财政支出、人均进出口和文盲率对城镇化率均有显著影响，具体原因分析如下：

各地区人均国内生产总值对城镇化率具有正向影响，与预期相符，表明一定程度上经济越发达的地区，城镇化率也越高。进一步说明经济稳定持续健康发展为城镇化带来巨大动力，同时也是城镇化升级转型的强大引擎。

各地区人均财政支出对城镇化率的影响为正，与预期吻合，说明随着人均财政支出的上升，城镇化率也随之提高。说明通过财政支出能够引导产业合理发展，优化与百姓息息相关的各种公共服务，从而促进了城镇化水平。

人均进出口值对城镇化率具有正向影响，与假定相符，表明进出口较频繁的地区，城镇化率也越高。进出口对城镇化具有正效应，主要是因为进出口资本、技术等流动能够促进各个产业的研发和创新，从而提高生产力推动城镇化进程。

文盲率对城镇化存在着显著的负面影响，与预期相符，表明落后的教育水平将对城镇化进程产生显著的负面影响。这是因为教育为城镇化提供了人才保障与智力支持，这直接关系到我们国家和民族未来的精神面貌，因此妥善解决城镇化进程中的出现的教育问题刻不容缓。

三、结论与建议

通过对2013年全国31个地区城镇化及其影响因素数据建立Beta回归计量模型，实证分析发现人均国内生产总值、人均财政支出、人均进出口和文盲率对城镇化均有显著的影响。结合分析结果得出几点关于稳步推进城镇化的政策启示。

第一，政府应当完善财政支出机制引导产业结构升级，调整财政支出结构提高财政支出使用效率，实现城镇基本公共服务常住人口全覆盖的稳步推进，从而使城乡居民共同分享城镇化带来的累累硕果。

第二，政府要加大进出口贸易政策支持力度，引导产业结构优化升级，淘汰国内落后的产能，提升我国劳动生产率，使对外贸易进入了稳增长、调结构、提质量为特征的新常态，相信对外贸易将随着“一带一路”共建的不断演进，对外贸易的繁荣发展将为城镇化提供保障。

第三，政府要加大对教育的扶持力度，合理分配教育资源，特别要加大农村教育经费的投入，完善农村教育基础设施建设，加强教师队伍建设等。新型城镇化是以人为核心的城镇化，落后的教育水平对城镇化进程有显著的负面影响，只有教育全面均衡发展才能保证新型城镇化的顺利实现。

世界银行前副行长、诺贝尔奖获得者斯蒂格利茨表示：“中国的城镇化与美国的高科技发展将是影响21世纪人类社会发展进程的两件大事。”中国城镇化改革，是一场深刻的社会变革，只有寻找好的改革方法以及实现途径，才能稳步有序地推进城镇化。

［1］Ray M.Northam.Urban Geography［M］.New York：John Wiley＆Sons，1975.

［2］周加来.“城市病”的界定、规律与防治［J］.中国城市经济，2004（2）.

［3］张占斌.中国新型城镇化健康发展报告［M］.北京：社会科学文献出版社，2014.

［4］余红艳.城镇化发展与财政政策相关关系的实证分析［J］.统计教育，2008（11）.

［5］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）.

［6］史本叶，罗思坦.开放条件下的新型城镇化：外商直接投资的作用及对策［J］.上海金融，2014（7）.

［7］陈聪，刘彦随.我国农区城镇化时空格局及其影响因素—以河南省为例［J］.经济地理，2014（12）.

［8］滕宇杰.中国城镇化水平与进出口贸易相关性分析［J］.中国物价，2014（2）.

［9］朱芬华.我国对外经济贸易与城镇化关系探析［J］.绥化学院学报，2015（3）.

［10］冒小栋，刘琼芳.2014中国人口城镇化水平的影响因素及溢出效应［J］.商业时代，2014（5）.

［11］YetFhang Lo Daniel.“Urbanization and Economic Growth： Testing for Causality”.Annual Pacific RimRealEstateConference paper.

［12］Tripathi，Sahyasachi.“An overview of India’s Urbanization， Urbanization，Urban Economic Growth and Urban Equity”MPRA paper No.45537.2013.

［13］Cribari Neto F.ZeileisA.Beta regression in r.Journal of Statistical Software［J］.2010（2）.

［责任编辑 郑丽娟］

O212 F222.3

A

2095-0438（2015）09-0152-03

2015-05-04

谢燕瑜（1990-），女，福建泉州人，闽南师范大学数学与统计学院硕士研究生，研究方向：应用统计。