中部地区城镇化影响因素的空间溢出效应分析

周　慧

(中央财经大学 经济学院，北京 100081)



中部地区城镇化影响因素的空间溢出效应分析

周慧

(中央财经大学 经济学院，北京 100081)

基于2009—2013年中国中部地区80个地级市面板统计数据，构建空间计量模型，实证分析中部地区城镇化发展的影响因素及相应的空间溢出效应。研究发现，城镇化发展存在显著的空间相关性；是否省会城市对地区城镇化水平有显著影响；而在控制省会城市影响下，地区经济增长对城镇化发展具有显著的区域内溢出、区域间溢出以及空间总溢出效应，区域内人均GDP提高会促进城镇化水平的提升；第二三产业产值占比、经济开放程度对地区城镇化发展也具有正向空间溢出效应，而金融机构资金运用水平、城市土地扩张对人口城镇化率的溢出效应为负。

中部地区；城镇化；空间溢出效应

一、引言及文献综述

作为人才、技术、创新的摇篮，城市是一国或地区经济增长的引擎。而城镇化不仅是经济发展、社会进步的客观结果，也是现代经济增长的重要助推器。斯蒂格利茨曾断言，中国的城市化和美国的新技术革命是21世纪影响人类进程的两件大事*本文对城镇化与城市化两种表述的内涵暂不作具体区分。。改革开放后，中国城镇化进程明显加快，2015年底中国城镇常住人口达到77116万，城镇化率为56.1%*数据来源于国家统计局网站。。《国家新型城镇化规划》指出，到2020年中国人口城镇化率要达到60%。城镇化作为中国各项经济事业发展的总抓手，是扩大内需的长期动力和推动经济持续健康发展的“火车头”。

图1　全国与中部地区2009—2013年人均GDP和城镇化率

中部地区承东启西，接南连北，区位条件优越。到2013年底，中部地区城镇化率达到48.49%，低于全国平均水平5.24个百分点；经济总量达到127305.6亿元，约占全国经济总量的20.2%*数据来源于国家统计局网站。。一直以来，中部地区城镇化发展相对滞后，这不仅影响了中部地区的发展，甚至制约全国的协同发展。一般而言，城镇化水平越低，城镇化速度与经济增长的相关性越强，当前中部地区进入城镇化加速发展的关键时期，迫切需要对影响城镇化发展的内在机制进行深入研究。城镇化以空间综合变化为基本特征，是空间体系下各种要素重新配置和资源向城市集聚的过程。资源向城市集聚的过程，一方面促进了本地区经济发展，另一方面通过扩散效应带动了周边地区发展。换言之，随着区域开放程度的不断提高，不同区域之间要素流动增强，经济联系日益密切，城市经济活动不仅依赖于自身的发展，也受周边地区经济要素资源的影响，区域之间的相关性不可忽视。然而，目前对城镇化的研究大多忽视区域之间的空间相关性以及异质性*空间相关性(又称为空间依赖性)是指空间个体观测值之间相互依赖、相互影响。造成空间相关性的主要原因是要素在空间上的流动、技术溢出； 空间异质性指空间单元存在发达地区和落后地区、中心(核心)地区和外围(边缘)地区的经济地理结构非均质性。，导致结论缺乏相应的解释力，因而从空间角度考察地区之间城镇化相关性及影响机制很有必要。

当前城镇化研究，城镇化影响机制是重点，从要素投入、消费需求、政府作用、金融发展、技术创新、集聚成本、户籍制度等角度切入的研究都有之。伴随各种要素在空间上集聚，在人力资本及信息外溢的作用下，城镇的集聚能力得到增强；城镇的集聚创造了更多的就业，促进劳动力不断向城市转移，然而集聚成本过高影响到经济的持续增长和结构转型，造成城镇发展的滞后。中国经济增长与宏观稳定课题组(2009)发现，随着人均GDP的提高，各国的城镇化水平都得到了提升。中国城镇化快速发展得益于：资本要素投入(王志刚 等，2006)、基础设施投入(王小鲁，2002；刘生龙，2010)、消费需求增加以及体制机制创新(王国刚，2010)。中国经济增长前沿课题组(2011)认为，公共基础设施投资的增加，推动了中国城镇化和区域经济增长，而土地财政具有直接加速效应。

上世纪70年代后，空间计量方法被广泛应用到要素集聚的空间外部性研究中。利用空间计量联立方程，柯善咨(2009)研究发现，在一定地理范围内，城市间GDP增长有相互促进作用；吕健(2011)采用探索性空间数据分析方法，得出空间效应对城市化水平的地区收敛具有正向作用；丁志国等(2011)采用省级面板数据构建空间计量模型，指出相邻地区城镇化联系密切，溢出效应明显。然而也有研究表明，中国各城市的城市化水平及相互之间的社会经济因示关存在明显的空间依赖关系，空间溢出效应对中国地区经济发展的作用不可忽视(蒋伟，2009；王伟进 等，2012；潘文卿，2012)；刘华军等(2014)使用空间回归模型偏微分法，对中国各省域城镇化在区域内以及区域间的经济增长直接效应、间接效应和总效应空间溢出效应进行了分解；通过对中国31个省(区市)城市化效率进行空间效应分析，刘文峰(2015)指出，各省(区、市)城市化效率有不平衡性，存在相互学习模仿、空间集聚及溢出效应，而产业结构、对外开放水平对城市化效率有正向影响；通过考察中国八大区域经济发展的区域内乘数效应、区域间溢出效应及反馈效应，潘文卿(2015)指出政府应当重视地缘经济，消除地方保护，降低地区间商品流通成本，更好地发挥相邻地区间的溢出效应。综上，现有研究大都建立在传统计量经济学对样本空间均质的假定基础上，而忽视了空间异质对研究结果造成影响。

通过梳理现有文献，已有研究有三点不足：其一，多数研究采用截面数据的定性静态分析，基于面板数据的分析较少，缺少城镇化影响机制空间特征的动态研究。计量经济方法中，采用时间序列数据分析一般无法考虑到空间相关性问题，因为截面数据可以处理空间自相关问题，假定各截面单元为同质与现实不符，从而降低了计量结果的可靠性；其二，忽视了空间因素的影响。地理学第一定律告诉我们，任何事物之间都是相关的。Anselin(1988)指出，从计量角度上忽视空间效应的普通计量回归结果在一定程度上是有偏的。传统的城镇化影响机制研究极少涉及空间因素，随着中国市场化程度的不断提升，区域之间资源要素流动不断加强，空间外部性成为研究城镇化与经济增长问题不可忽视的因素；其三，现有研究大多是以省级个案或东、中、西三大区域城镇化水平进行分析，而对中部地区城镇化空间溢出效应的研究较少。近年来，中国城镇化地区贡献内陆化趋势逐渐显著，新一轮人口城镇化进程中内陆地区尤其是中部地区发挥着越来越强的支撑作用。本文基于空间经济的视角，明晰中部地区城镇化发展的影响机制，对城镇化影响因素进行空间溢出效应分解，从而为中部地区制定城镇化发展战略提供了重要依据。

二、空间统计分析与空间效应分解

(一)空间相关性检验

根据Tobler地理学第一定律，任何事物之间均相关，离得越近的事物相关性越高，空间关联越密切。在进行空间自相关测度之前，需要证明两个区域存在空间上的依赖性，测度常用方法是Moran′I指数(Anselin，1988)。对中部地区80个地级市的人均GDP(被解释变量)和人口城镇化率(核心解释变量)进行空间相关性检验，建立方程如下：

(二)空间权重矩阵

进行空间计量分析的前提是度量区域之间的空间“距离”，空间权重矩阵在实际分析中设定为外生，包含n×n维的区域i和区域j之间空间联系为外生信息，通过权值计算而无需通过模型估计即可得到。要描述城市i与城市j的空间关系，若元素为wi，则空间权重矩阵W为：

在邻近原则下构建空间权重矩阵W，矩阵元素wij在空间单元i和j相邻时取值1，不相邻取0。矩阵元素为0或1，是否相邻被用来描述空间单元之间关系，其假设在于相邻地区之间存在相互影响关系，不相邻的空间单元之间不存在联系。该种方法构建的权重矩阵能够较为直观地反映区域间的空间位置关系，虽然对空间关系的描述存在一定缺陷，但却被众多学者接受，同时其对经济活动的反映并未受影响。因此，考虑数据的可得性以及应用中的有效性，邻近原则下的空间权重是可取的。

(三)空间回归模型的参数释义与溢出效应分解

Anselin(1988)认为，当空间滞后项回归系数不为0时，普通回归系数反映的自变量对因变量影响结果是有偏的，应用空间偏微分方法对总效应进行分解，可在一定程度上描述变量之间的空间交互作用。通过一般面板数据的空间杜宾模型对相关参数及溢出效应进行分解：

y=λWy+Xβ+ε

(1)

其中，y为被解释变量；X包括核心解释变量和控制变量；W为反映空间各单元空间关系的权重矩阵。式(1)可改写为：

Ay≡(I-λW)y=Xβ+ε

y=(I-λW)-1Xβ+(I-λW)-1ε

(2)

χr=(χ1rχ2r…χnr)′

(3)

Sr(W)≡βr(I-λW)-1

其中，X为n×k矩阵，即样本容量为n的k列解释变量(解释变量个数)；In表示n阶单位矩阵。式(3)展开可得：

三、 变量、数据与模型设定

(一)数据来源及变量说明

中国区域经济发展极为不均衡，东、中、西部市场发育程度存在显著差异。在研究城镇化与经济增长关系时，关键对各区域分别进行，以比较东、中、西部经济社会差异，突出中部地区在中国经济社会发展中的重要意义。本文分析对象为中部地区80个地级市2009—2013年面板数据*中部地区包括安徽、山西、江西、湖南、湖北、河南六省，地级以上城市数量分别为：16、11、11、13、12、17。，数据来源于《中国区域经济统计年鉴》、《中国城市统计年鉴》、中经网统计数据库、中国经济与社会发展统计数据库*安徽省巢湖市于2011年7月并入合肥市，改设为县级单位，故本文将其剔除；同时考虑数据可得性，不包括湖北省仙桃市、神农架林区、恩施土家族苗族自治区及湖南省湘西土家族苗族自治区。，运算的软件是Stata12.0及相应软件包。

在指标选取上：被解释变量为各地级市人口城镇化率(Urb)，用常住人口占总人口比重表示；借鉴马孝先(2014)、褚丽娟(2015)等的做法，用地区经济发展水平(gdp)、地区人均金融机构资金运用额(Fin)、城市土地扩张(Land)、第二三产业产值占比(Ind)和经济开放程度(Open)作为解释变量；此外，由于省会城市作为各省经济政治中心，在交通基础设施建设、吸引外资能力、金融发展水平以及政策倾斜等方面都有较大的优势，本文引入省会城市作为虚拟变量(D)，以控制省会城市与其他地级市的这种差异。

解释变量包括：人均地区生产总值(gdp)；城市土地扩张(Land)，用各地级市建成区面积占城市总面积比重表示；第二三产业产值占比(Ind)，用各地级市第二、三产业增加值之和占地区GDP的比重表示；经济开放度(Open)，用各地级市实际利用外资额占地区生产总值比重来表示；金融发展(Fin)，用人均金融机构资金运用额即各地级市人均金融机构人民币资金运用(各项贷款)表示；对于省会城市虚拟变量(D)，省会城市D取值为0，非省会城市为1。为了比较传统计量方法与空间计量回归方法的差异，本文采用较为常用的双对数模型*采用双对数模型的优点在于，可以提高模型的拟合度；模型参数表示弹性的概念，具有更加直观的经济含义。，构建普通回归模型如下：

ln Urbit=c0+β1ln Gdpit+β2ln Indit+β3ln Finit+β4ln Openit+β5ln Landit+β6Di+εit

其中，c为常数项，β为回归系数，ε为随机误差项。

(二)空间相关性检验

图2　城镇化率与人均GDP取对数后的散点图

人均GDP与城镇化率的Morans'I指数2009年2010年2011年2012年2013年lngdp0.141**0.143**0.146**0.149***0.149***lnurb0.158***0.181***0.166***0.165***0.164***

注：***、**、*分别表示在1%、5%、10%显著性水平下通过检验。

回归结果表明，2009—2013年间，中部地区80个地级市城镇化率的Morans′I指数均为正，Z统计量均大于1.96，通过5%以上的显著性水平检验，说明中部地区各城市的城镇化发展水平和经济增长之间存在空间自相关性(表1)；经济增长的空间自相关呈现出逐渐增加的趋势，而城镇化率的空间相关性趋势则不明显，表明随区域市场化和城镇化水平的不断提高，地区间的要素、商品和劳务流动壁垒破除，各地政府越来越重视并加强区域间的交流和合作，地区间的经济联系日益密切，中部地区经济一体化程度不断提升。

(三)空间计量模型的设定

通过对中部地区80个地级市进行空间检验，各空间单元存在集群现象，且随时间推移集群特征越来越显著，表明各城市经济活动之间存在溢出效应。因此，需要构建空间面板数据模型，选用适当的计量方法对模型进行估计，即使用相较于空间误差模型(SEM)和空间滞后模型(SLM)更为广义的空间杜宾模型(SDM)。空间计量回归模型设定如下：

其中：ln Urbit为区域i在t时刻被解释变量城镇化率的观测值；ln Gdpit、ln Openit、ln Finit、ln Indit、ln Landit为区域i在t时刻影响地区城镇化率的解释变量观测值；Di表示省会城市虚拟变量；∑Wijln Urbjt表示被解释变量的空间滞后项；∑witln Gdpjt、∑witln Openjt、∑witln Finjt、∑witln Indjt、∑witln Landjt分别表示各解释变量的空间滞后项；α0为常数项；β与θ均表示K×1维参数向量；W为空间权重矩阵；μi、λt分别表示区域i的个体效应和时间效应；ρ为被解释变量空间滞后项回归系数。

四、 实证结果分析

在空间杜宾模型中，被解释变量空间滞后项回归系数ρ值在1%的显著性水平下不为零，空间误差模型(SEM)和空间滞后模型(SLM)的LM检验在5%以下的显著性水平上拒绝原假设，即模型中既存在空间误差项也存在空间滞后项，说明采用空间杜宾模型(SDM)是恰当的。通过空间计量模型回归结果进行Hausman检验表明，在1%的显著性水平下强烈拒绝“H0：ui与xit不相关”的原假设，说明采用固定效应模型更优。引入省会城市这一虚拟变量(表3)的回归结果表明，省会城市对城镇化水平有显著影响，而非省会城市则不甚显著*省会城市虚拟变量是不随时间改变的地区属性变量，因此在进行模型的固定效应估计时被系统自动剔除。。对影响地区城镇化发展的因素进行空间溢出效应分解(表4)，控制省会城市与其他地级市的差异影响，地区人均GDP每提高1%将导致本地区城镇化率提高0.1329%，并抑制周边地区城镇化率0.0586%，综合产生0.0743%的正向溢出。对周边地区城镇化产生抑制作用的原因在于，城市在发展过程中对周边地区要素具有一定“虹吸效应”，不利于周边城市的城镇化发展。其他解释变量的溢出效应分析:(1)地区金融机构人均运用资金额每提高1%，对本地区及周边城市城镇化发展分别带来0.0111%和0.0058%的负向溢出。由于城镇化建设中基础设施、产业投资、消费升级、公共服务、社会保障等方面大量的资金需求，导致资金缺口较大；同时资金又多集中在“大城市”(如省会城市)，多流向国企及房地产、制造业等行业，造成资金使用效率普遍偏低，金融服务对城镇化发展的支撑作用无法显现。(2)本地区第二三产业增加值占GDP比重每提高1%，可以带动本地区城镇化水平提高0.4526%，但会降低周边地区城镇化率0.0578%，第二三产业发展反映了地区工业化和信息化水平的提升，本地区第二三产业发展能显著推动本地城镇化水平的提高，加大第二三产业发展尤其服务业的发展会推动城镇化发展。目前，中部地区产业发展各自为营，缺乏联动，资源整合不足，以致于对周边地区的城镇化造成一定程度的抑制。(3)实际利用外资额占地区生产总值比重每提高1%，将推动本地区城镇化水平提高0.0055%，并间接推动周边地区城镇化水平提高0.0020%。需要注意的是，尽管经济开放度对城镇化发展溢出效应是正向的，但溢出水平较低，这是由于招商引资作为政府政绩考核的一部分，城市间税收、土地等方面政策相互竞争甚至出现恶性竞争，融资成本、交易费用过高而外资利用效率偏低。(4)城市建成区面积占比每提高1%，导致本地区城镇化水平降低0.1106%，对周边地区城镇化产生0.0193%的负溢出，表明中部地区城市扩张和人口增长尚未形成良性互动，这主要由于各类新区、开发区跟风建设现象严重，城区扩建过于超前，人口的城镇化滞后于土地的城镇化。

表2　普通计量回归结果

注：括号内数值为系数的t统计量或z统计量；F检验、Wald检验、Hausman检验括号内为概率P值；***、**、*分别表示在1%、5%、10%显著性水平下通过检验。

表3　空间计量回归结果

注：括号内数值为系数的z统计量或t统计量；F检验、Hausman检验括号内为概率P值；***、**、*分别表示在1%、5%、10%显著性水平下通过检验。

表4　空间杜宾模型(SDM)的溢出效应分解

注：括号内数值为系数的z统计量；***、**、*分别表示在1%、5%、10%显著性水平下通过检验。

五、结论及政策含义

本文利用2009—2013年间中部地区80个地级市面板数据，实证测算了地区经济增长、地区金融机构资金使用、城市土地扩张、第二三产业产值占比、经济开放程度等因素对城镇化水平的空间溢出效应，得到如下结论：中部地区城镇化发展具有显著的空间相关性，邻近地区城镇化发展水平显著相关，区域间城镇化发展存在一定的“示范效应”；在考虑各城市单元空间相关性前提下，本地区人均GDP每提高1%，能够提升当地0.1329%城镇化率，降低周边地区0.0586%城镇化率，表明经济增长对本地区城镇化发展具有显著的正向溢出效应；第二三产业增加值占比对城镇化发展溢出效应相对突出，表明当前阶段产业优化与升级对中部地区城镇化发展具有重要的推动作用；城市土地扩张对本地区人口城镇化发展负向溢出效应显著。

本研究的政策含义为：一、当前中部地区产业结构处于调整时期，而城镇化发展显著处于加速发展期，中部地区应当以产业结构调整为支撑，构建现代农业、现代制造业、现代服务业为一体的城镇化体系，有效利用区域空间，以此推进中部地区城镇化健康快速发展；二、应当扭转中部地区土地利用效率偏低、土地布局使用结构不合理、工业用地占比高、生活和基础设施用地低等问题，切实提高城市土地综合承载能力，增加土地利用的经济、社会、生态综合效益。

曹广忠，刘涛． 2011. 中国城镇化地区贡献的内陆化演变与解释:基于1982—2008年省区数据的分析[J]． 地理学报(12)：1631-1643．

丁志国，赵宣凯，赵晶． 2011. 直接影响与空间溢出效应：我国城市化进程对城乡收入差距的影响路径识别[J]． 数量经济技术经济研究(9)：118-130．

蒋伟． 2009. 中国省域城市化水平影响因素的空间计量分析[J]． 经济地理(4)：613-617．

金荣学，解洪涛． 2010. 中国城市化水平对省级经济增长差异的实证分析[J]． 管理世界(2)：167-168．

柯善咨． 2009. 扩散与回流：城市在中部崛起中的主导作用[J]． 管理世界(1)：61-71．

李强，陈宇琳，刘精明． 2012. 中国城镇化“推进模式”研究[J]． 中国社会科学(7)：82-100．

刘华军，张权，杨骞． 2014. 城镇化、空间溢出与区域经济增长:基于空间回归模型偏微分分析及中国的实证[J]． 农业技术经济 (10)：95-105．

潘文卿． 2012. 中国的区域关联与经济增长的空间溢出效应[J]． 经济研究(1)：54-65．

潘文卿． 2015. 中国区域经济发展：基于空间溢出效应的分析[J]． 世界经济(7)：120-142．

王伟进，陆杰华． 2012. 城市化水平的空间依赖研究[J]． 中国人口科学(5)：66-74．

赵婷婷，冯德连． 2011. 中部地区城市群利用外资态势及其困境摆脱[J]． 改革(10)：67-78．

中国经济增长前沿课题组． 2011. 城市化、财政扩张与经济增长[J]． 经济研究(11)：4-20．

中国经济增长与宏观稳定课题组． 2009. 城市化、产业效率与经济增长[J]． 经济研究(10)：4-21．

ANSELIN L. 1988. Spatial econometrics: methods and models [J]. Kluwer Academic Publishers, 85(411):310-330．

(责任编辑张坤)

Spatial Spillover Effects Analysis on Influencing Factors of Central China Urbanization

ZHOU Hui

(School of Economics, Central University of Finance and Economics, Beijing 100081)

Based on panel data of 80 cities in central China in 2009-2013, by constructing a spatial econometric model, the paper makes an empirical analysis of influencing factors of urbanization development in central China as well as spatial spillover effects of various factors. The study shows that there exists significant spatial correlation urbanization between the 80 cities, and whether provincial capital cities have significant influence on regional urbanization. When provincial capital cities influence is controlled, regional economic growth has significant influence on urbanization′s intra-regional overflow, inter-regional overflow and spatial total overflow. The improvement of intra-regional per capita GDP promotes the development of urbanization. The output value proportion of secondary and services industries and degree of economic openness have positive spatial overflow on regional urbanization, while capital operation of financial institutions and urban land expansion have negative spatial overflow on spillover effects of population urbanization rate.

central region; urbanization; spatial overflow

2016-01-14

周慧(1982--)，女，安徽淮北人，中央财经大学经济学院博士生。

国家自然科学基金应急项目“新型城镇化对扶贫开发的影响与应对研究”(71541034)。

F061.5；F291.1

A

1001-6260(2016)04-0016-08

财贸研究2016.4