中国城市化进程效率估算及影响因素分析



中国城市化进程效率估算及影响因素分析

摘要:本文基于2008—2012年中国285个地级市的数据，运用双边随机前沿模型测算了中国城市化进程的前沿水平以及实际水平相对前沿水平的偏离程度。结果发现，下偏效应大于上偏效应，即中国城市化进程整体表现为滞后，并且发现投资作用和政府作用在影响城市化进程中的表现为负向，另外城市化进程也表现出地区间的不平衡。最后根据本文的发现，提出相应的建议。

关键词:城市化；双边随机边界模型；影响因素

引言

经济发展伴随着城市化进程不断推进，而城市化的综合发展水平代表了一个地区的经济发展阶段。在经济高速增长的同时，我国的城市化进程也在不断推进。城市化也代表人类生产和生活方式由乡村向城市转型的历史过程。

改革开放以来，我国经济与城市化出现快速增长，如何评价城市化的增长，是基于投入因素的增长，或是生产效率的提高，或是技术进步的推动(王志刚等，2006)[1]？影响中国城市化进程的因素为何？中国城市化进程的效率是否令人满意？这些问题都是需要我们深入探讨的。

刘晓峰等(2007)[2]通过网络分析法(ANP)选取最能描述城市化水平的主要指标，然后利用这几个指标采用数据包络分析(DEA)来评价城市化的相对效率。戴永安(2010)[3]从人口、经济、社会三个角度分析中国城市化效率，并对中国城市化进程的效率进行动态分析和区域比较，认为城市的初始状态、空间集聚、产业结构、基础设施对于城市化效率存在正向作用，而人口因素和政府作用则表现为负向作用。李红波等(2011)[4]将城市化内涵表述为“资源集约化、城市现代化、城乡统筹化”，并基于这个理念构建了城市化综合水平测评体系。肖文等(2011)[5]利用数据包络分析测算了2000—2008年中国248个城市的经济增长效率和城市化效率，发现城市经济增长效率较高，而城市化效率长期较低，落后于经济增长效率，并且东部地区效率较高，与其他地区的差异明显。张明斗等(2012)[6]利用数据包络分析研究了2005—2010年中国31个省市的城市化进程的动态效率，并使用DEA-BCC模型对规模报酬和非集约度进行静态测算。吴敬琏(2013)[7]认为中国城市化存在严重的效率问题，即表现为粗放式的造城运动、双重二元结构(城乡差距和城市内部的二元差距)以及产业空间结构恶化；并认为导致这些问题的原因包括：土地产权制度的缺陷，政府职能的错位，层级制城市结构以及对于规模的认知偏好。刘瑞明等(2015)[8]承认中国经济发展中存在“双重二元结构”，认为中国城市化进程滞后存在一定的所有制基础，即过高的国有产值比重会显著抑制地区的城市化进程，国有企业存在资本偏向和对于整体经济的拖累机制，而对于劳动力的吸纳作用较弱；要加快地区城市化进程，一个重要手段就是加快所有制结构的改革。

前期的研究文献为本文的研究提供了研究思路和研究方向。本文尝试应用新近发展的双边随机前沿模型(Two—tier Stochastic Frontier Model)，定量估计中国城市化进程的前沿水平以及实际效率相对于前沿水平的上偏、下偏程度。本文的研究有利于加深对于我国城市化进程的理解，文章的结构安排如下：第一部分为引言；第二部分为模型与方法；第三部分为变量和数据说明；第四部分为实证结果与分析；第五部分为结论。

一、模型与方法

研究城市化的影响因素和动因的文献所使用的模型大多是基于均值效应模型，给定个体特征x，则模型的拟合值F(x)=E(θ|x)中难以量化和不可观测因素纳入至模型的随机误差项。面板数据模型可以在一定程度显示模型的特定的地区或时间效应，但无法探讨引起上偏和下偏的因素在不同区域或时间中的变化和影响。针对这种情况，新近发展的双边随机前沿估计模型(Kumbhakar等，2009[9])可以解决该类问题。

上述双边随机前沿模型设定较为复杂，但在存在测量误差和经济环境不确定性的情况下，采用随机前沿分析通常更为恰当。双边随机前沿分析事先不需要明确量化引起上偏和下偏的相关因素，也不需要假定上偏项wit和下偏项uit的相对大小，而是根据模型的估计结果确定前沿分布面并将复合干扰项εit中的wit和uit与vit进行分离，从而测算出因变量相对于前沿水平的上偏和下偏的偏离程度。

若γ=0，则表示σw=σu=0，即wit=uit=0，此时模型退化为一般线性回归模型；若γ≠0且趋近于1，则表示复合干扰项波动可归于wit和uit的变动，此时采用双边随机前沿分析较为适合。在复合干扰项的期望不为0的情况下，OLS估计一般是存在偏误的，需要采用极大似然估计(MLE)对模型进行估计。然后根据MLE的估计结果，采用似然比检定，选择约束wit、uit为0和不约束wit、uit为0的模型，似然比检定的表达式如下：

(1)

上式中，L(H0)和L(H1)分别表示原假设和备择假设的对数似然函数值，LR统计量服从渐进卡方分布。

进一步假定vit、wit、uit相互独立且与样本个体特征xit不相关，则复合干扰项εit的概率密度函数为：

(2)

式中，φ(·)、φ(·)分别代表标准正态分布的累积分布函数和概率密度函数。参数ait、bit、cit、dit定义如下：

然后根据复合干扰项εit的概率密度函数构建极大似然估计函数如下：

(3)

上式中，λ=1/σw+1/σu。推算出wit和uit条件期望的点估计值，然后测算相对偏离程度，具体如下：

上式可以表示因变量相对于前沿分布面的向上或向下偏离的程度，两者之差为净效应NE：

(8)

上式中，当上偏效应大于下偏效应时，净效应NE>0，表明因变量处于生产前沿面之上；当上偏效应小于下偏效应，净效应NE<0,表明因变量处于生产前沿面之下。

二、变量和数据说明

本文的详细变量设置如表1。本文使用的数据来源于2009—2013年《中国城市统计年鉴》，包括285个地级市2008—2012年相应的统计数据。

表1　变量和变量定义

由于地级市没有提供关于非农人口的详细数据，本文选择市辖区的人口数作为替代指标，将其对数值作为衡量城市化水平的代理指标(lnurbpop)。

产业结构(indus)考虑到中国各个地区的工业化多是以重化工业化为主，其对于劳动力的吸纳作用有限，而第三产业吸纳农村剩余劳动力转移的作用巨大已被公认，我们选择将地区第三产业产值与第二产业产值的比值作为衡量地区的产业结构的代理指标，也可以反映出一个地区的产业结构服务化趋势。

政府作用(gover)。在中国的市场经济发展历程中，政府扮演着极其重要的角色，政府通过财政手段对经济进行干预，直接影响了城市化效率。本文选择将地区政府财政支出占地区国内生产总值的比重作为衡量政府作用的代理变量。

金融发展(fins)。考虑将金融发展纳入城市化的影响因素，是因为金融发展可以为城市化进程提供更好的资金支持，并且有助于城市产业结构的调整。衡量金融发展的指标较多，如地区的金融资产总量与GDP的比值、股票市场市值与GDP的比值等，考虑地级市数据的可得性，本文选择了关于金融市场的广度指标，即银行系统的存贷款余额占地区国内生产总值的比值作为衡量金融发展的代理指标。

投资比重(invest)。投资作为推动经济增长的三大动力之一，尤其在我国经济发展进程中的作用不可忽视。在城市化进程中，大规模的投资可以促进城镇规模扩大，新建项目可以促进城市的产业结构调整等。本文选择将地区固定资产投资总额与地区国内生产总值的比值作为衡量投资比重的代理指标。

人口素质(lnhc)。人口素质的提升首先可以促进技术进步并推动产业演进进而带动城市化，其次是促进经济增长推动城市化深化，最后人口素质的提高可以促进城市的文明和谐[11]。本文选择将每万人在校大学生数作为衡量城市的人口素质的代理变量，并取其对数值解决异方差问题。

三、实证结果与分析

本文根据前述的模型设定对城市化的前沿分布面进行估计，并测算中国城市化相对于前沿生产面的上偏程度、下偏程度及净效应。

(一)基准模型估计：城市化进程的影响因素

模型(1)和模型(2)是基于OLS估计方法，其中模型(2)另外控制年度效应和地区效应。模型(3)和模型(4)是基于MLE估计方法的双边随机前沿估计，其中模型(4)另外控制年度效应和地区效应。表2最后几列报告了MLE估计的对数似然函数值、似然比检验结果及双边随机分析的σw、σu和σv的值。

表2　模型估计结果

注：***分别表示在10%、5%和1%显著性水平下显著。

根据似然比检验结果526.09，可以认为模型(4)优于模型(3)，即控制了年度效应和地区效应的双边随机分析模型是合适的，下文的讨论都是基于模型(4)的估计结果。

从表4，我们可以看到除产业结构变量(indus)MLE估计与OLS估计存在差异外，其余变量的估计结果OLS和MLE的估计方法的结果差异不大，考虑到OLS估计可能存在偏误，我们选择接受MLE的估计结果。

产业结构(indus)，本文选择的是第三产业的产值与第二产业产值的比值，反映的是区域产业结构服务化的程度。估计结果为正表明，一个地区的产业结构的服务化程度越高，越能促进该地区的城市化进程。这是符合经济学预期的，第三产业可以极大吸纳农村剩余劳动力转移，进而促进一个地区的城市化进程。

政府作用(gover)的系数显著为负，并且系数是本文所选择变量中最大的，反映出政府对于经济生活干预过多是不利于经济的自生能力培养的。中国改革开放的历史进程就是不断理清政府与市场的界限，尤其是在城市化进程中，政府应发挥其规划与引导作用，而不是过多地干预微观主体的运行。

金融发展(fins)的系数显著为正，即一个地区的金融市场发达可以促进该地区的城市化进程。[12]我国国有商业银行相继完成股份制改造，建立起比较健全和完善的金融组织体系。在经济稳定发展过程中，金融体系为城市建设，特别是为城市中的房地产业、基础设施建设、能源交通建设等提供资金融通渠道，在城市化进程中起到了很好的促进作用。

投资比重(invest)的系数为负，作为经济增长的三大动力之一的投资在城市化中的作用为负，这是与我们的预期不相符的，可能的解释如下：第一，选取的时间为2008—2012年，此时我国经济面临转型，原先的投资出口拉动型的经济增长方式的发展潜力已基本耗尽，所以投资在城市化进程的作用没有表现为正向的。第二，我国固定资产投资一般是投向基础设施建设、资金技术密集型产业等对当地GDP带动效果较为明显的产业或投资领域，而对能够吸纳大量劳动力在城市落户就业的劳动密集型产业投入较少。而资金和技术密集型产业在带动劳动力就业方面作用有限，反而会挤占劳动密集型产业的资金来源。所以回归结果表现为投资因素在城市化进程中作用为负向。

人口素质(lnhc)的系数显著为正，但其系数较小。本文认为其系数为正在一定程度上验证了人口素质的提高可以促进城市化进程；而其系数较小主要是由于当前我国的经济转型尚未完成，知识资本的作用尚未完全显现，并且大学教育存在较强的外溢作用，即一个地方所培养的高素质人才可以选择流动至其他地方就业，这是本文模型所无法捕捉到的。

(二)方差分解：上偏、下偏及净效应

表3　上偏项、下偏项及净效益

根据上偏项和下偏项的影响比重计算出其上偏项和下偏项的影响，如表4。上偏项相对于生产前沿面为0.20，下偏项相对于生产前沿面为0.23，下偏效应大于上偏效应，总的净效应为-0.03。测算结果表明中国城市化进程滞后，相对于前沿生产面平均不足程度为0.03。上文的回归结果中，影响城市化进程的两大因素——政府作用和投资因素都起到了阻碍作用，进而导致了城市化进程滞后。表3后三列更为细致地列出了各个效应的分布特征，表明城市之间存在较强的异质性，并且在第3个分位点上(即75%上)，净效应为0.08，可以反映出中国各个地区存在较大差异，也就是说存在城市化超前的现象。

表4　上偏项、下偏项及净效益效应

注：Q1、Q2、Q3分别表示第1、2、3四分位点，即第25、50、75百分位。

表5表明了我们所使用数据的各个省份的城市化进程的上偏效应、下偏效应及净效应的具体数值。从表5中的结果来看，我国大部分省份城市化进程都是滞后的，其中云南、黑龙江、湖南、甘肃、江西、四川的净效应低于全国的平均值，从分析结果来看，这些省份的城市化进程需要重点关注。而城市化进程水平高于全国平均值的有福建、海南、河北、吉林、辽宁。我们的分析结果只是表示这些省份当前的城市化水平与其经济社会发展的匹配程度，并未将城市的资源环境承载力纳入城市化进程的分析模型中，无法全面分析影响城市化的影响因素，这是本文欠缺之处。

表5　各个省份的上偏效应、下偏效应及净效应

四、结论

本文构建了一个估算城市化进程效率的双边随机前沿分析模型，基于中国285个地级市的宏观数据，对影响城市化进程的因素对于前沿生产面的上偏效应、下偏效应及净效应进行实证测算，结果发现：

第一，我国普遍存在着城市化进程滞后现象，在各种因素影响下，下偏效应大于上偏效应，致使我国城市化进程偏离最优前沿生产面约0.03，这是值得社会和政府注意的。

第二，投资作用和政府作用在影响城市化进程中的表现为负向的，表明我国在关注城市建设过程中，不仅需要关注城市的物质基础建设，也需要关注一个城市的社会建设。城市化不只是基础设施和工业设备的堆砌，需要更多地创造出就业机会和提供适宜生活的环境。政府与社会应更多地关注社会投资，如提高教育公平、医疗保障、环境保护等方面。

本文的实证结果只是反映了中国部分城市2008—2012年城市化进程，测算了偏离效应但未对引起偏离城市化进程最优程度的因素进行更深入的定量分析，且限于数据基础，也无法将其余影响城市化的因素纳入分析。本文建议，在城市化过程中，要规范政府支出行为，加强宏观管理和监督；要合理培育就业环境，合理调配流动人口；重视金融业在城市发展中的重要作用，加强金融对城市建设的推动和支持作用；在城市人口规模增长的过程中，立足于经济和产业集聚，继而培育以高质量的城市生活和社会福利为代表的社会集聚；重视第三产业的发展，扶持现代服务业的成长，协调工业和服务业的发展，实现均衡稳定地增长。

[参考文献]

[1] 王志刚,龚六堂,陈玉宇. 地区间生产效率与全要素生产率增长率分解(1978—2003)[J]. 中国社会科学,2006(02):55-66，206.

[2] 刘晓峰,陈通,柳锦铭,张红兵. 城市化相对效率评价指标选择及评价方法研究[J]. 华中科技大学学报(城市科学版),2007(03):82-86.

[3] 戴永安. 中国城市化效率及其影响因素——基于随机前沿生产函数的分析[J]. 数量经济技术经济研究,2010(12):103-117，132.

[4] 李红波,张小林. 我国发达地区新型城市化的内涵及测度研究——以江苏省为例[J]. 地域研究与开发,2011(06):60-64.

[5] 肖文,王平. 我国城市经济增长效率与城市化效率比较分析[J]. 城市问题,2011(02):12-16.

[6] 张明斗,周亮,杨霞. 城市化效率的时空测度与省际差异研究[J]. 经济地理,2012(10):42-48.

[7] 吴敬琏. 城市化的效率问题和政策选择[J]. 中国经济报告,2013(02):50-54.

[8] 刘瑞明,石磊.中国城市化迟滞的所有制基础：理论与经验研究[J].经济研究,2015(04):107-121.

[9] Kumbhakar S C, Parmeter C F. The Effects of Match Uncertainty and Bargaining on Labor Market Outcomes: Evidence from Firm and Worker Specific Estimates[J].Journal of Productivity Analysis,2009,31(1): 1-14.

[10] 张臻汉. 高等教育与城市化的关系研究[J]. 兰州大学学报(社会科学版),2013(06):154-159.

[11] 张宗益,许丽英. 金融发展与城市化进程[J]. 中国软科学,2006(10):112-120.

(责任编校：夏东，朱德东)

Efficiency Estimation and Influencing Factors of China’s Urbanization Process

ZHANG Dong-hui

(EconomicsSchool,XinjiangUniversityofFinanceandEconomics,XinjiangUrumqi830012,China)

Abstract:This article is based on the data from 2008 to 2012, and 285 Chinese prefecture cities, by using bilateral stochastic frontier model to measure the level of the forefront of China’s urbanization process and the actual level of relative level of deviation degree of the frontier. Results show that low partial effect is greater than the upper partial effect, namely the whole China urbanization process is characterized by lagging, and find that investment and government role in the influence of urbanization in the expression is negative, and that urbanization also shows the regional imbalance. Finally according to the findings, this paper puts forward the corresponding suggestions.

Key words:urbanization; two-tier stochastic frontier model; affecting factor

中图分类号：F299.21

文献标志码：A

文章编号：1672- 0598(2016)02- 0008- 07

[作者简介]张东辉(1989—)，男，满族，河北邯郸人；新疆财经大学经济学院研究生，主要从事产业经济研究。

[收稿日期]2015-11-12

doi:12.3969/j.issn.1672- 0598.2016.02.002

张东辉(新疆财经大学 经济学院，新疆 乌鲁木齐 830012)