中国户籍人口城镇化空间分异和机制研究

朱正天, 唐礼智(厦门大学 经济学院, 福建 厦门 361005)



中国户籍人口城镇化空间分异和机制研究

朱正天, 唐礼智
(厦门大学 经济学院, 福建 厦门 361005)

依据1986—2015年相关统计数据和第六次人口普查数据,利用探索性空间数据分析方法和空间计量模型,分析了中国人口城镇化水平的时空分异及影响机制。研究表明中国三大板块、各省、直辖市、自治区户籍人口城镇化水平存在的较大差异、呈现东高西低的态势,但总体上处于稳定上升的趋势。提出第二、第三产业就业机会、城市政府财政投入是促进户籍人口城镇化水平提升的积极因素,其中第二、第三产业的就业机会最为重要。

户籍人口城镇化; 探索性空间数据分析;β-绝对收敛;就业机会

城镇化水平是工业化和城市文明传播分享水平的融合,已经成为衡量一国或地区经济和社会发展的重要标准[1-2]。改革开放30多年来,中国城镇化水平持续提升,由改革之初的17.9%上升到56.1%,年均增长约1个百分点。然而,城镇化是一项极为复杂的系统性工程,随着新型工业化、信息化和农业现代化进程快速推进,中国城镇化步伐不断加快,但存在人口城镇化低于土地城镇化、户籍人口城镇化低于常住人口城镇化等现象,严重影响中国经济社会持续健康发展[3],究其原因是产业发展和城镇化制度等共同作用的结果[4]。

严格意义上说,户籍人口城镇化问题是中国城乡分离、户籍约束背景下特有的中国化问题。改革开放后,中国市场经济不断完善,促进人口流动性加大,但由于户籍制度改革严重滞后和农村转移人口的素质等原因,大量农村劳动力进城之后,只能在城镇体制之外而成为流动人口[5],户籍人口与常住人口数据差异不断增加[6]。目前,中国的城镇化水平按照测算对象可以划分为土地(城镇建成区面积)、人口(含常住人口和户籍人口)及城镇经济(非农经济产值)等,按照测算所使用的指标多少分为单一指标法和综合指标法两种方法[7-8]。但由于指标的单一性和不确定性,都难以科学地反映中国城镇化水平。如常住人口城镇化率,由于包括大量户籍在农村、居住在城镇的农村转移人口,使得城镇化水平被隐性提高,城镇化的质量被忽略,而应以“市民化程度”为标准的“一标多维”的城镇化测算方法,真正做到客观、真实反映中国各时期的城镇化水平[9]。加快提高户籍人口城镇化率,就是农村转移人口市民化过程,即以农业转移人口市民化进程推进新型城镇化道路,进一步改革户籍制度,放宽人口流动的各种限制,使劳动力转移由收入和工作机会自动调节[10],分层次逐步落实各项权益,将城镇的非户籍人口纳入基本公共服务范围之内,实现基本公共服务均等化[11],分类型差别化推进[12]。当户籍随着人口迁移而自由迁移的时候,户籍人口城镇化率就能真实的反映城镇化水平。

本文在借鉴中外户籍人口城镇化相关研究的基础上,依据1986—2015年间统计数据,利用探索性空间数据分析方法和空间计量模型,分析中国户籍人口城镇化的空间分异,揭示中国户籍人口城镇化演化机制,为中国制定实施农村转移人口市民化战略提供参考。

一、 研究对象与研究方法

1. 研究对象

中国始于1955年统一全国城乡的户口登记,并于1958年第一次明确将城乡居民区分为“农业户口”和“非农业户口”两种不同户籍,开始对人口自由流动实行严格限制和政府管制。从1985年开始,在社会主义市场经济确立和促进下,户籍制度做出了相应的初步改革,农村人口开始向城镇和工业迁徙。中国的户籍与许多权利和社会福利安排相连接,城乡分割的户籍制度使得大量城镇外来人员处于城镇“灰色地带”,形成了显著的“半城市化”现象[13]。从统计意义上说,由于农村转移人口不能完全实现市民化,户籍人口城镇化率一直远远滞后于常住人口城镇化率。如:2015年,中国城镇化率达到56.1%,但是户籍人口城镇化率仅为39.9%。然而,城镇化的实质是人的城镇化,是在社会公平公正与和谐发展的基础上的新型城镇化。未来几年中国要实现1亿多农村转移人口市民化,户籍人口城镇化问题应该成为社会各界关注的热点。

2. 数据来源

中国官方城镇化率计算都是以行政区划为基础,分别以常住人口或户籍人口的非农人口占总人口的比例来表示。另外,考虑到数据的可获得性,省域尺度人口流动数据较容易获得,而更能反映人口流动具体态势的省、直辖市、自治区(以下简称省、市、区)内市镇数据不仅取得工作量巨大,且不能反映人口省际总体情况,所以,本文在选择人口数据时,非农人口主要数据来源于《中国统计年鉴》《中国人口和就业统计年鉴》《新中国60年统计资料汇编》及各省、市、区统计年鉴。本文沿用了周一星和田帅利用第五次人口普查数据对各省、市、区2005年前年份城镇化数据进行的修正研究[14]。本文选取指标包括人均实际GDP、非农产业产值、财政支出、全社会固定资产投资总额、社会消费品零售总额、非农产业就业人数和城乡居民收入等,指向农村转移人口的影响因素,所用数据来源于EPS全球统计数据库和历年《中国统计年鉴》,所有经济指标都采用价格指数进行抵减,保证了不同区域、不同时期指标口径的一致性。

3. 研究方法

城镇化发展的本质实际是以人口流动为主的经济社会生态空间演化的具体表现,是人口在空间上不断集聚与扩散的结果。中国横跨东、中、西三大地域板块,其经济社会发展差异明显,空间异质性和空间依赖性依然存在,表现为局部的空间集聚和整体的空间关联。本文利用探索性空间数据分析方法,考察城镇化在地理上的空间依赖性和异质性。探索性空间数据分析方法本质上是由数据驱动的探索过程,包括全局和局部空间自相关两种工具。全局空间自相关主要用来分析空间数据在整个系统内的分布特征,一般采用Moran’sI指数、Geary’sC指数测度,其中Moran’sI指数用于检验整个研究区域中邻接地区间的空间相关性;局部空间自相关(LISA)是从局部衡量每个区域与周边地区的空间关联度,用来检验局部地区是否存在相似或相异的观察值聚集在一起,用来衡量区域和相邻地区之间的关联程度[15]。本文主要采用空间误差模型和空间滞后模型度量周边地区关于因变量的误差冲击对本地区观察值的影响程度[16-17]。

二、 中国户籍人口城镇化空间分异

1. 全局空间自相关分析

本文以一阶邻接构建空间权重矩阵,利用GeoDa软件得到1986—2015年中国内地31个省、市、区户籍人口城镇化率的全局自相关Moran’sI指数(表1)。由表1可知,1986—2015年的全局自相关Moran’sI指数都为正,且通过了5%的显著性水平,说明中国内地31个省、市、区户籍人口城镇化率水平在空间上存在显著的集聚现象,表现为户籍人口城镇化率水平较高的城市,其相邻地区户籍人口城镇化率水平也较高,从而形成了所谓的“中心—外围”模式。1986—1994年中国内地31个省、市、区户籍人口城镇化率的全局自相关系数呈下降趋势,表明户籍人口城镇化率的空间集聚程度在不断减弱。1995—2001年中国内地31个省、市、区户籍人口城镇化率的全局自相关系数呈上升趋势,表明户籍人口城镇化率的空间集聚程度在不断增强。进入到21世纪以后,中国内地31个省、市、区户籍人口城镇化率的全局自相关系数呈“W”型变化趋势,表明户籍人口城镇化率的空间集聚程度一直处在不断变化的状态中。

2. 局部空间自相关分析

利用GeoDa软件,对1986年和2015年中国内地31个省、市、区的表明户籍人口城镇化率进行局域空间自相关性分析(图1)。通过比较发现1986年和2015年呈现正相关(位于HH,LL象限)的省、市、区数目分别为25和19个,分别占总数的81%和61%。1986年属于HH类型的共有北京、天津、黑龙江、内蒙古、辽宁、吉林等6个省、市、区,其中,北京、天津、黑龙江、内蒙古4个省、市、区到了2015年这些省、市、区的类型都没有发生变化。这是由于在这些省、市、区与其周边省份的户籍人口城镇化率水平都较高,空间因素给双方城镇化进程提供了有利的外部条件,从而保持这种高水平的空间集聚状态。辽宁、吉林从HH象限进入到了LH象限,意味着这些省份的户籍人口城镇化进程开始滞后周围地区。1986年属于LL类型的区域有安徽、江西、湖南等19个省份,到了2015年有8个省份的类型没有发生变化,这是由于在该象限内的省份与周边省、市、区的户籍人口城镇化率水平都较低,缺乏强有力的城镇化增长极带动,从而保持这种低水平的空间集聚状态。部分省份分别从LL象限进入到了LH象限或HL象限,意味着这些省、市、区的户籍人口城镇化进程开始滞后或超越周围地区,象限类型的变化对户籍人口城镇化进程产生了深远影响。

表1 中国户籍人口城镇化率全局自相关系数

数据来源: 利用GeoDa 9.5软件计算整理。

图1 中国户籍人口城镇化率Moran’s I计算结果

三、 户籍人口城镇化分异机制

1. 收敛性分析

(1)σ- 收敛。户籍人口城镇化发展的σ- 收敛是指不同地区间城镇化率的标准差随着时间的推移而逐渐趋于缩小。通常使用户籍人口城镇化率对数值的标准差来描述和刻画σ- 收敛情况,即σ- 收敛指数。根据1986—2015年全国及东中西部地区的σ- 收敛指数的变化情况(图2)来看,整体上中国内地31个省、市、区以对数形式显示的户籍人口城镇化率表现出一定程度的收敛趋势。具体来看,1986—2004年东部地区省、市、区间的户籍人口城镇化率标准差呈现明显的下降趋势,存在显著的σ- 收敛现象;2005—2015年户籍人口城镇化率标准差波动范围不大,σ- 收敛现象不明显。1986—2004年中部地区省、市、区间的户籍人口城镇化率标准差也在不断缩小,但相比东部地区有所缓和,即存在一定的σ- 收敛现象,但2005—2015年σ- 收敛现象不明显。西部地区省、市、区间的户籍人口城镇化率标准差差异变化不大,没能显现出省、市、区间的这种缩小趋势,即并不存在西部地区内部的σ- 收敛现象。

图2 中国户籍人口城镇化率对数的σ 收敛指数变动趋势

但2005—2015年σ- 发散的趋势表明内部差距正在扩大,这是一个需要关注的现象。另外,东部地区的户籍人口城镇化率标准差显著高于中部和西部地区,这说明东部地区的内部差距比中西部地区的内部差距更大。其原因是因为东部地区有北京、天津、上海等经济发达的城市,中西部地区还有很多经济不发达的城市。

(2)β- 收敛。由于只有地区间存在β- 收敛才会有地区间的σ- 收敛,因此本文进一步研究了户籍人口城镇化率的β- 收敛性[18]。其初始模型为

式中,Yit为第i个地区在t时期的户籍人口城镇化率,Yi0为初始期的户籍人口城镇化率。如果估计参数β为负值,且在统计上是显著的,则说明不同地区间户籍人口城镇化率的平均增长率在0～t时间内与初始时期的户籍人口城镇化率水平呈负相关关系。即落后地区的户籍人口城镇化进程比发达地区要快,因而存在β- 收敛。在此基础上,可以计算收敛所达到的稳态值γ0、收敛速度θ以及收敛的半生命周期τ。

由于不同地区间在地理上存在着一定程度的空间依赖性,因此,本文首先通过Moran’ sI检验、极大似然LM-error检验及极大似然LM-lag检验判断地区间的空间相关性是否存在(表2)。结果显示经典的β- 收敛模型中β估计值为负,且只通过了5%的显著性检验。这表明从1986年以来的全周期看,全国范围内的户籍人口城镇化进程有收敛的迹象。但是从拟合优度R2看,经典的β- 收敛模型无法把握中国全域性的收敛特征,应该采取其他模型进行估计。从经典β- 收敛模型的空间依赖性检验可以看出,Moran’sI值为0.704 5,表明中国省、市、区间户籍人口城镇化率之间存在一定的空间自相关性,地理位置对地区间城镇化进程的收敛性确有影响,在建立模型时不能忽视地区间的相互影响。另外,空间滞后模型未通过10%的稳健性LM检验,因此空间误差模型更适合用来考察中国内地31个省、市、区的户籍人口城镇化进程的收敛性。为了将这种地理空间依赖信息考虑到模型中,并更好地反映在不同的空间计量模型中,本文分别建立了空间滞后模型和空间误差模型(表2)。

表2 中国户籍人口城镇化β 收敛性及其检验

注: 括号中为参数估计值的伴随概率(P-value)。

由表2可知,无论是经典β- 收敛模型,还是空间滞后β- 收敛模型、空间误差β- 收敛模型,都显示出中国户籍人口城镇化水平存在着绝对β- 收敛趋势。但空间误差模型与空间滞后模型的估计结果均比经典收敛模型较好,β的估计在两个模型中分别通过了5%水平的显著性检验,这表明地区间相互影响的存在性。相对经典模型的极大似然值Log Likelihood而言,空间误差模型与空间滞后模型提高很多,其中空间误差模型的极大似然值最大。而衡量权矩阵观测值之间的空间相互作用程度的空间自相关参数ρ、揭示回归残差之间空间相关强度的参数λ均通过5%显著性水平的检验,进一步说明了空间误差模型与空间滞后模型比经典模型更为适用。另外,空间误差模型与空间滞后模型中LR检验与LM检验也表明了空间误差模型能更好地反映空间因素对区域户籍人口城镇化的影响。

总之,由于地理和空间因素在区域户籍人口城镇化进程中发挥着重要作用,本文将空间关联效应纳入模型后发现,中国户籍人口城镇化存在着绝对收敛趋势,只不过这种绝对收敛的速度十分缓慢,空间误差模型测得的绝对收敛速度只有0.709%,半生命周期长达97.76年。

2. 户籍人口城镇化影响因素分析

由上文可知,中国地区间的户籍人口城镇化已经具有条件收敛的特征,但影响地区间户籍人口城镇化差异的因素很多,包括产业发展、人口就业以及城乡收入等因素。因此本文将建立回归方程分析影响省际间户籍人口城镇化条件收敛的重要因素[19]。回归方程采取如下的形式:

式中:Yit表示第i个地区在t时期的户籍人口城镇化率;AGDPit表示人均GDP,经济发展水平越高,城镇就业机会越多,带动非农人口向城镇转移,吸引成为城镇户籍人口而非常住人口;CYBit表示第二产业增加值占GDP的比重,已有大多数研究说明,工业快速发展,城镇就业前景越好,更能促进户籍人口城镇化发展;JYBit表示第二、第三产业就业人口占总就业人口的比重,大量的农村劳动力转移到城市,打破城乡壁垒,极大地促进城市产业分工的发展;ACZit表示人均财政支出,科技支出比重、卫生支出比重、社会保障支出比重在一定程度上影响着经济发展,对城镇化发展水平的提高具有促进作用;AGTit表示人均固定资产投资,城镇基础设施建设的增加和不断完善,推动经济增长,经济增长又会吸引更多人移居城镇;ASLit表示人均社会零售商品总额,消费市场越活跃,越有利于经济增长,能够吸引更多农村居民进城,从而加快城镇化进程;SRCit表示城乡居民收入差额,城乡收入差距诱使农村人口向城镇转移,但同时也影响农村居民的购买力,从正反两方面影响农民工进城成为城镇居民。

利用Matlab软件得到最小二乘法OLS回归的结果(表3),发现CYBit的系数α2为负数,并且统计学检验不显著。根据空间依赖性检验的Moran’sI等于0.230 8可以判断出中国户籍人口城镇化的影响因素存在空间相关性,结合LM-lag、Robust-LM-lag、LM-error、Robust-LM-error四个指标,发现空间滞后模型和空间误差模型都适合。在此基础上,本文进一步构建了空间计量模型(表3),空间误差模型的Log Likelihood明显大于空间滞后模型,LM-lag和LM-error也小于空间滞后模型,并且7个影响因素都通过了5%水平的显著性检验。因此,空间误差模型能够更好地反映不同影响因素对户籍人口城镇化的影响。

由表3可知,人均GDP对户籍人口城镇化影响的弹性系数为0.289 4,并通过1%的显著性检验,说明人均收入每增加1个单位,碳排放量就会增加0.289 4个单位,两者呈现正相关关系。随着农民工工资的增加和农民人均收入水平的提高,推进了农业转移人口由农村向城市的空间迁移,使农业转移人口在经济、社会、文化、价值观等各方面从传统农业社会向现代城市社会转型。

第二增加值占GDP的比重对户籍人口城镇化影响的弹性系数为-0.152 4,并通过5%的显著性检验。新型工业化的快速推进,带动了城乡一体化的发展,促进了城镇化水平的进一步快速提升。随着经济社会发展和城镇化进程进入新的阶段,服务业发展明显滞后,已经成为制约城镇化进程的重要因素。但由于我国的产值结构和就业结构差距较大,传统农业向现代农业的演进滞后,服务业发展滞后于工业等现象一直存在,产业化与城镇化明显脱节,严重制约着城镇化进程。

第二、第三产业就业人口占总就业人口的比重对户籍人口城镇化影响的弹性系数为0.535 3。随着城镇化率的提高,第三产业就业比率以递增的速度在增加,但第二产业就业比率以递减的速度在增加。由于城镇住房制度、教育以及社会保障制度等基本公共服务范围的不断拓展,导致那些在城市有稳定工作、居住条件和稳定收入的农民工群体,会选择留在城镇,从而促进户籍人口城镇化发展。

表3 中国户籍人口城镇化影响因素拟合结果

注: 括号中为参数估计值的伴随概率(P-value)。

人均财政支出对户籍人口城镇化影响的弹性系数为0.167 0,表明增加财政支出,可以提高户籍人口城镇化率。近年来,随着财政支出规模和结构的优化,农民工社会保障制度逐步健全,农民工城市住房保障制度不断完善,农民工子女逐步享受与城市居民子女同样的义务教育,农民工开始享有均等化的教育、医疗、养老、住房等基本公共服务的政策措施,就近吸纳更多的农业转移人口,从而实现市民化和消费者城镇化的进程。

人均固定资产投资对户籍人口城镇化影响的弹性系数为0.043 2,表明增加全社会固定资产投资,可以加快户籍人口城镇化进程。城镇化的发展对扩大内需尤其是投资规模的作用较大,城镇的发展和规模的扩大,可以直接拉动固定资产投资,提高农村居民人均纯收入。随着基础设施、房地产和公共服务等领域投资的增加,城市承载功能不断增强,不仅促进农村人口的转移和集聚,加快经济结构的调整与升级,还有效缓解钢铁、水泥等行业产能过剩的压力,为新转入的城镇人口创造出大量就业机会。

人均社会零售商品总额对户籍人口城镇化影响的弹性系数为0.104 4。随着农村经济发展和农民生活质量提高,人们为追求生活质量、消费升级以及更好的发展前景,逐渐向城镇尤其是县城迁移。改革开放30多年来,人们的消费观念不断转变,产品升级换代的速度不断加快,市场处于常买常新、销售处于不断增加状态,推动着社会消费品零售总额不断增长,从而加快人口城镇化进程。

城乡居民收入差额对户籍人口城镇化影响的弹性系数为-0.324 7。城乡居民收入差距可以促进农村居民向城市集聚,但在一定程度上也会对经济和社会发展产生一些负面效应。随着经济的快速发展,居民收入水平大幅度提高,生活质量得到显著改善,城乡居民收入差距也在扩大,导致农民消费增长缓慢,延缓消费结构的优化升级,制约人口城镇化进程。

四、 结论与讨论

本文利用探索性空间数据分析方法和空间计量模型,对中国户籍人口城镇水平的时空分异及影响机制进行研究,得出以下研究结论:

(1) 中国三大板块、各省、市、区户籍人口城镇化水平存在较大差异,总体上呈现东高西低的态势,且户籍人口城镇化高水平省、市、区域有向东部集中的趋势,大城市明显高于小城市。中等水平以下地区呈现一定程度集聚态势,主要分布在中部部分城市以及西部大多数城市,低水平的城市呈现从西部向中部逐渐扩展的趋势。

(2) 在相邻发达地区的带动和影响下,中国户籍人口城镇水平表现为绝对的β- 收敛趋势,只不过收敛的速度十分缓慢,只能达到0.709%,半生命周期长达97.76年。

(3) 第二、第三产业就业机会是促进户籍人口城镇化水平提升最为重要的因素,城市政府财政投入也是城镇化的积极因素。特别指出的是,区域第二产业发展、城乡收入差距扩大制约了第三产业发展和农民收入增加,影响了中国新型城镇化进程,拓展了国内外关于城镇化机制研究的结论[20]。

城市化初、中期,工业化的促进作用非常明显,但城镇化后期,第三产业促进作用更加突出,因为第三产业吸纳农村转移人口就业能力更强。大力推进大众创新、万众创业,优化城镇产业结构,积极扶持小微企业发展,创造更多第二、第三产业就业机会,从而提高户籍人口城镇化水平和质量。进一步加大城市政府财政投入,提升城市基础设施水平、福利水平以及城市环境卫生水平,提升大中城市的人口承载能力;深入推进中部崛起、西部开发、振兴东北老工业基地等区域发展战略,探索欠发达中西部、东北地区就近(地)城镇化道路,扭转人口过多过快向东部城市集聚的态势,推动区域户籍人口城镇化水平均衡增长[21]。

[ 1 ] AU C C, HENDERSON J V. How migration restrictions limit agglomeration and productivity in China[J]. Journal of Development Economics, 2006,80(2):350-388.

[ 2 ] LUCAS R E J. Life earnings and rural-urban migration.[J]. Journal of Political Economy, 2004,112(S1):29-29.

[ 3 ] 简新华,罗钜钧,黄锟. 中国城镇化的质量问题和健康发展[J]. 当代财经, 2013(9):7-18.

[ 4 ] 孙红玲,唐未兵,沈裕谋. 论人的城镇化与人均公共服务均等化[J]. 中国工业经济, 2014(5):20-32.

[ 5 ] 辜胜阻,成德宁. 户籍制度改革与人口城镇化[J]. 经济经纬, 1998(1):51-55.

[ 6 ] 高更和,罗庆. 中国农村人口省际流动研究:基于第六次人口普查数据[J]. 地理科学, 2015(12):20-26.

[ 7 ] 白先春,凌亢,郭存芝. 我国人口城市化水平的统计分析[J]. 统计研究, 2004(11):24-26.

[ 8 ] 李晋玲,刘人境. 城市化测度方法研究[J]. 西北大学学报(哲学社会科学版), 2007(3):176-178.

[ 9 ] 杜帼男,蔡继明. 城市化测算方法的比较与选择[J]. 当代经济研究, 2013(10):31-40.

[10] 周天勇. 托达罗模型的缺陷及其相反的政策含义:中国剩余劳动力转移和就业容量扩张的思路[J]. 经济研究, 2001(3):75-82.

[11] 童光辉,赵海利. 新型城镇化进程中的基本公共服务均等化:财政支出责任及其分担机制:以城市非户籍人口为中心[J]. 经济学家, 2014(11):34-38.

[12] 魏后凯,苏红键. 中国农业转移人口市民化进程研究[J]. 中国人口科学, 2013(5):21-29.

[13] 袁艳. 关于户籍人口城镇化水平的探讨[J]. 科学经济社会, 2015(1):121-126.

[14] 周一星,田帅. 以“五普”数据为基础对我国分省城市化水平数据修补[J]. 统计研究, 2006(1):62-65.

[15] ANSELIN L. Interactive techniques and exploratory spatial data analysis[M]∥Geographical Information Systems. Hoboken, NJ: John Wiley & Sons, Inc., 1999.

[16] ANSELIN L, BERA A K, FLORAX R, et al. Simple diagnostic tests for spatial dependence[J]. Regional Science & Urban Economics, 1996,26(1):77-104.

[17] ANSELIN L, GALLO L, JAYET J. Spatial panel econometrics. The econometrics of panel data: fundamentals and recent developments in theory and practice[M]. Berlin: Springer, 2008.

[18] 蔡昉,都阳. 中国地区经济增长的趋同与差异:对西部开发战略的启示[J]. 经济研究, 2000,10(325):30-37.

[19] 沈坤荣,马俊. 中国经济增长的“俱乐部收敛”特征及其成因研究[J]. 经济研究, 2002(1):33-39.

[20] 顾朝林,吴莉娅. 中国城市化问题研究综述(Ⅰ)[J]. 城市与区域规划研究, 2008,1(2):112-155.

[21] 薛维然. 城镇化进程中的社会保障政策[J]. 沈阳大学学报(社会科学版), 2015(4):502-504.

【责任编辑 曹一萍】

Mechanism and Spatial Variation of Household Population Urbanization in China

ZhuZhengtian,TangLizhi

(School of Economics, Xiamen University, Xiamen 361005, China)

Based on relevant statistical data of 1986-2015 and the sixth population census data, the spatial-temporal differentiation of Chinese population urbanization level and distribution mechanisms are studied by using exploratory spatial data analysis and space metering model. The results show that: from the timing point of view, there is a big difference of the population urbanization level between each province, city, and autonomous region showing a trend of east high and west low. However on the whole the level is in a steady upward trend. The state of employment of secondary and tertiary industry is the positive element to improve population urbanization level. It is essential to focus on raising secondary and tertiary industry job opportunities so that the town’s population-carrying capacity can be enhanced.

household population urbanization; exploratory spatial data analysis; absolute convergence; employment opportunities

2017-01-17

国家社会科学基金重大项目(13&ZD025); 国家级创新训练项目(201610384032)。

朱正天(1995-),男,安徽合肥人,厦门大学“经济学科拔尖学生培养试验计划”2014级首批入选者; 唐礼智(1970-),男,安徽和县人,厦门大学教授,博士研究生导师。

2095-5464(2017)03-0275-07

F 299.2

A