城镇化水平、全要素生产率与城乡收入差距※——基于区域异质性及交互效应的实证分析

赵莎莎 张东辉 司传宁

内容提要：该文采用DEA-Malmquist指数法测算出各省市2000-2016年全要素生产率(TFP)、技术效率指数(Effch)和技术进步指数(Tech)，并以TFP作为新的视角，实证分析城镇化水平结合TFP的动态变化对城乡收入差距的影响。结果表明：(1) TFP、Effch和Tech的动态变化存在显著的区域异质性；(2) 城镇化对城乡收入差距的影响存在显著倒U型关系；加入TFP等因素，分别对城乡收入差距产生显著的同向效应，显著提高了城镇化水平的拐点值，符合实际；Effch和Tech同向效应也存在显著的区域异质性；(3) 城镇化水平结合TFP的交互效应对城乡收入差距产生显著的同向效应；且随城镇化水平提高此交互效应程度显著减弱。

一、 引 言

2000年以来城镇化逐渐成为我国发展的重头戏，城镇化水平从2000年的36.2%，快速上升到2016年的57.4%[注]引言原始数据来源《中国统计年鉴》，经作者计算整理得出。。同时城镇化过程由早期圈地扩容、盖楼建房的“土地城镇化”，调整为解决三农问题的“新型城镇化”。城镇化对城乡收入差距的影响备受学者关注。已有研究从城镇化对城乡收入差距影响的线性研究，发展到非线性研究。如图1所示：随着城镇化水平的提高，泰尔指数在2007年时达到最高点，拐点处的城镇化率为45.9%；而城乡实际收入比在2009年时达到最高点，拐点处的城镇化率为48.3%。伴随大量的经济资源和生产要素不断向城镇集聚，两者在城乡间得到重新配置。此过程引致了全要素生产率的动态变化，然而其对城乡收入差距所产生影响在已有文献中常常被遗漏。从“十五”计划开始，我国政府积极推进经济增长方式的转变，实施城镇化战略。那么，在城镇化战略下全要素生产率的动态变化存在哪些区域异质性？其对城乡收入差距产生了怎样的技术效应？不同的城镇化水平结合全要素生产率又会产生怎样的交互效应？本文以全要素生产率作为新的视角，实证分析城镇化的推进结合TFP的动态变化对城乡收入差距的影响，为研究城乡收入差距变动趋势及原因，提供了一个新的分析视角。

二、 文献综述

有关城镇化对城乡收入差距影响的成果非常丰硕。早在1954年，经济学家刘易斯提出城镇化过程实质是剩余劳动力从传统农业部门不断向现代化的城市部门转移的过程。而驱使农业劳动力进城的主要动机是城乡预期收入差距(Todaro，1969)。随着更多的农村居民进入城市，农村劳动力开始稀缺，农业劳动报酬逐渐增加，城乡收入差距转而缩小，呈现出倒U型发展趋势(Ranis，1961)。基于我国实际情况，城镇化的初期由于存在户籍制度的制约，劳动力并不能自由流动，只有条件较好、较为富裕的农村居民才可能转变成为城镇人口，而我国对于城乡收入差距的统计是以户籍为基础的，在所有居民收入不变的条件下，会在统计上扩大城乡收入差距(阮杨等，2002)。随着城镇化进一步推进，城乡间劳动力的流动通过要素报酬的均等化来缩小城乡收入差距(陆铭和陈钊，2004)；伴随城乡间资源流动信息化差异等因素也对城乡收入差距产生影响(刘维奇和韩媛媛，2013；谭燕芝等，2017)。同时已有研究也开始关注城镇化对城乡收入差距存在的非线性影响(杨森平等，2015；李子叶等，2016)。

图1 2000-2016年城乡收入差距随城镇化发展的变动趋势图

相反，有关技术水平对城乡收入差距影响的研究比较少。Krugman(1994)认为技能的创新会导致工人间生产率的变化，从而扩大工人间工资的差距。具体来讲，技术进步在技术密集型的部门有利于增加熟练工人的工资，而在劳动密集型部门技术进步有利于非熟练工人工资的增加(Leamer，2000)。国外学者Barro and Sala-I-Martin(1997)提出了一个技术创新和技术模仿的内生技术模型，认为模仿的成本低于创新成本。基于我国经济实情，经济发展过程存在显著的二元经济特征，城镇现代化部门的技术水平远高于传统农业部门。假设城镇现代化部门为技术创新部门，而传统农业部门为技术模仿部门；那么随着“技术进步”到“技术收敛”的过程，传统农业部门技术水平不断向城镇现代化部门收敛，技术进步的动态变化直接影响着城乡间收入差距，同时在省份收入差距中，技术进步对省份间收入差距也起着关键决定作用(彭国华，2005)。

通过梳理相关文献，鲜有文献关注全要素生产率对城乡收入差距的影响。为此，借鉴前人的研究成果，深入探讨城镇化推进中全要素生产率对城乡收入差距产生的具体影响。本文首先采用DEA-Malmquist指数法测算出各省市2000-2016年全要素生产率、技术效率指数和技术进步指数，分析其在城镇化推进下的动态变化及区域异质性，然后分别构建倒U型模型以及交互项模型，实证检验城镇化水平和全要素生产率等因素对城乡收入差距产生影响的方向路径、实际效应和交互效应。

三、 全要素生产率的测算与区域异质性

1. 全要素生产率的测算

测算全要素生产率普遍采用非参数法中的数据包络分析法(DEA)，具体Malmquist指数法的公式：

(1)

公式中i表示第i个决策单位，(xit，yit)和(xit+1，yit+1)分别表示第t期和第t+1期的投入产出集，xit=X(Ki,t,Li,t)表示第i个省份第t期资本存量K以及劳动投入L的向量；yit为对应决策单位的产出向量，以2000年为基期核算的实际GDP表示。Dit(xit，yit)和Dit+1(xit+1，yit+1)分别是第t期和t+1期技术效率水平，Mi,t+1为t期到t+1期的全要素生产率的变化，同时分解为技术效率指数(Effch)和技术进步指数(Tech)。

资本存量K：采用永续盘存法进行估算，公式为：Kt=Kt-1-Dt+It/Pt，其中Kt为当期的资本存量，Kt-1为上一期的资本存量，It为当期的固定资本形成额，Pt为当期固定资本价格指数，直接采用收入法核算固定资产折旧数据Dt，并剔除价格因素，便于比较区域异质性；具体核算方法借鉴单豪杰(2008)、张军(2004)、李健和卫平(2015)。

劳动投入L：考虑到劳动力受教育程度的地区差异，采用各省市历年统计年鉴中分三次产业的总从业人数乘以当年的平均教育年限来计算。平均教育年限计算公式：humit=6pit+9jit+12sit+16cit，其中p、j、s、c分别表示小学、初中和职中、高中和中专、大专及以上学历的人口占总人口的比例。

2. 全要素生产率的动态变化及区域异质性

运用DEAP 2.1软件，由上文具体的产出和投入数据，测算各省市TFP、Effch和Tech。在选取的2000-2016年间，分三个年度段来分析其动态变化及区域异质性，具体结果如表1所示。由于全要素生产率均为某省市年度之间的环比改进指数，当其值大于1时，则表示当期相对于前一期有所改善；相反，当其值小于1时，则代表当期相对于前一期有所收敛。

表1 2000-2016年间各省市TFP、Effch和Tech的动态变化

续表

观察表1，各省市TFP、Effch和Tech的动态变动存在显著的区域异质性。首先从横向省市数据来看：① 在2000-2005年间，共有 12个省市的TFP值大于1；东部地区的Tech值全部大于1，说明东部地区的全要素生产率的增长主要是由技术进步推动的；东部地区中Effch和Tech均大于1的省市，只有天津、黑龙江、江苏和广东，说明这四个省市的全要素生产率增长来源于技术进步和技术效率共同改善的结果。中西部地区的全要素生产率的增长情况不容乐观，TFP值大于1的省市，分别为重庆4.7%、陕西0.4%、新疆0.6%，其余省市的全要素生产率平均指数小于1，这说明其余省市主要受到技术效率或技术进步的制约。② 在2005-2010年间，仅有5个省市的TFP值大于1；东部地区的Tech值除了黑龙江，均大于1，说明东部地区技术进步增长显著，但是除了天津、上海和广东以外，其他地区的全要素生产率增长来自技术进步的改善难以抵消技术效率恶化的制约。中西部地区的全要素生产率有所收敛，主要是受到技术效率或技术进步两方面的制约。③ 2010-2016年间，只有 8个省市的TFP值大于1；Effch和Tech均大于1的省市，只有天津、内蒙古、江苏和重庆。东部地区的北京、辽宁和上海以及西部地区的青海，这四个省市全要素生产率增长来自技术进步的改善。

其次，从纵向时间数据来看：2000-2005年间，东部地区技术进步增长显著，成为推动区域全要素生产率增长的主要动力，反映出该区域经济从粗放型向集约型转型，经济增长方式从效率增长向技术推动转变。中西部地区TFP增长主要受技术效率的制约，地区经济仍主要依靠要素投入的粗放型经济为主。在2005-2010年间，随着国内资源短缺和环境约束的制约以及国外经济环境的影响，国内技术效率不断恶化，导致国内全要素生产率增长整体情况逐渐收敛。在2010-2016年间，随着区域技术进步增长显著，国内全要素生产率增长整体情况逐渐改善，但是技术进步到一定程度后，缺乏强大的可持续性驱动力，不能抵消来自技术效率制约的影响。

综上所述，鉴于TFP动态变动的区域异质性，本文将东部和东北部的省市设为东部样本集，中部和西部的省市设为中西部样本集，分别进行实证检验。

四、 实证检验与分析

1. 实证模型设定

本文采用Panel Data 模型，具体的计量模型形式如下：

(2)

(3)

(4)

模型中，下标i和t分别代表省市和年份；βn为第n个核心解释变量的系数；Cit代表不同的控制变量集；γm为第m个控制变量系数；c为常数项；ui代表不随时间变化的个体特征效应；εit表示与解释变量无关的随机扰动项。

2. 变量解释与描述性统计

(1) 被解释变量：泰尔指数(Theil)在衡量城乡收入差距时能够分解出城镇内部收入差距、乡村内部收入差距及城乡收入差距对总收入差距的贡献，具体公式：

(5)

其中，下标i和t分别代表省市和年份，j=1或2分别表示城镇或农村，Pijt表示各省市t时期城镇或农村的人口数量，Pit表示t时期各省市总人口，Iijt表示各省市t时期城镇或农村的收入总额，Iit表示t时期各省市总收入，均消除价格影响。

(2) 解释变量：城镇化水平(ur)：结合国内统计口径，用各省市年末城镇人口占其年末总人口的比率来衡量。模型中加入城镇化水平的平方项(ur2)来考察城乡收入差距随城镇化水平变化的非线性趋势。

全要素生产率(TFP)以及分解指数(Effch和Tech)均为各省市年度之间的环比效率改进指数，为了分析其趋势变化对城乡收入差距的影响，本文统一口径，均以2000年为基期将各省市这三个指数换算为定比改进指数作为核心解释变量(薛钢，2015)，分别用tfp、effch和tech表示。

控制变量选取：财政支出水平(fe)，政府财政支出在其GDP中所占比重；教育经费支出水平(ef)，政府教育经费支出在其GDP中所占比重；基础设施水平(road)，运输公路的里程数在其土地总面积上的密度；国际贸易水平(ie)，中间价折算后的进出口总额占其GDP的比重。所有变量的原始数据均来自历年《中国统计年鉴》及各省市历年统计年鉴。

3. 实证检验及结果分析

计量模型估计方法的选择，通过F检验和Hausman检验表明模型存在显著的个体固定效应，故选择个体固定效应，采用Stata14.0软件进行估计。

(1) 不同样本检验结果及区域异质性分析。观察表2：模型M1中，ur系数为正，ur2系数为负，两个系数均高度显著，表明2000年以来城镇化水平对城乡收入差距的影响存在显著倒U型关系；拐点ur值为0.195，远远低于实际值，显然不符合实际。模型M2中，tfp的系数为正，且在0.01水平上高度显著，这表明全要素生产率对城乡收入差距产生同方向的影响，即：若全要素生产率不断改善，将扩大城乡收入差距；反之亦然；拐点ur值为0.403，比较符合实际。模型M3中，effch和tech的系数均为正，两个系数均在0.01水平上高度显著，这表明两者均对城乡收入差距产生同方向的影响，同时拐点ur值为0.413，比较符合实际。模型M1-M3中，除了ie不显著，其余控制变量的回归系数均高度显著；fe和ef的回归系数符号为负，表明城镇化进程中，随着政府干涉程度和对教育重视程度的增加，显著地缩小了城乡收入差距；相反，road回归系数符号为正，表明随着基础设施建设增加，显著地拉大了城乡收入差距。东部地区和中西部地区的回归结果中，核心解释变量系数符号均与全国样本的回归结果一致，且均在0.01水平上高度显著；但是对比不同样本下的回归结果，发现其存在显著的区域异质性。

核心解释变量的区域异质性表现在：①tfp的系数在东部地区偏小，这表明随着全要素生产率的提高，其对城乡收入差距产生的技术效应程度较弱；相反在中西部地区，随着全要素生产率的提高，其对城乡收入差距产生的技术效应程度较强。② 在东部地区tech的回归系数大于effch的回归系数，这表明东部地区由技术进步产生的实际效应大于技术效率产生的实际效应；中西部地区的情况正好相反。③ 东部地区城镇化水平较高，其ur的拐点值比中西部的偏高，符合实际情况。

控制变量的区域异质性表现在：① 在中西部地区，随着政府干涉程度的加强显著缩小了城乡收入差距，其在东部地区影响不确定；② 中西部地区的基础设施建设水平相对落后，随着基础设施优先侧重于城镇地区，显著拉大了城乡收入差距，其在东部地区影响不确定；③ 在中西部地区，随着贸易水平的提高显著缩小了城乡收入差距；其在东部地区却显著拉大了城乡收入差距；④ 政府对教育重视程度的增加显著缩小了城乡收入差距，其在东部地区的影响程度显著高于中西部地区。

(2) 交互效应检验结果及分析。为了检验城镇化水平结合全要素生产率变动共同对城乡收入差距产生的交互效应，本文构建交互项模型(6)-(8)，具体模型如下：

(6)

(7)

(8)

在不同样本下分别对模型(6)-(8)分别进行实证检验，观察表3：① M1中ur*tfp回归系数为0.085，在0.01水平上高度显著，其交互效应为正。即：随着城镇化水平的提高，若全要素生产率不断改善，两者的交互效应会加速扩大城乡收入差距；相反，若全要素生产率不断收敛，两者的交互效应会加速缩小城乡收入差距。M2和M3中ur*effch和ur*tech的系数分别为0.081和0.113，均在0.01水平上高度显著，这说明城镇化的推进结合技术效率变动和技术进步变化的交互效应使城乡收入差距产生同向变动。② 在东部和中西部样本下，ur*tfp、ur*effch和ur*tech回归系数均为正，均在0.01水平上高度显著，这说明随着东部(或中西部)地区城镇化的推进，结合这三个量的交互效应使城乡收入差距产生同向变动。③ 交互效应的区域异质性表现在：东部地区的ur*tech回归系数大于ur*effch回归系数，这说明东部地区技术进步水平较快，所以同等城镇化水平下，结合技术进步所产生的交互效应要大于技术效率所产生的交互效应；相反，中西部地区全要素生产率变动主要受到技术效率变动的影响，所以同等城镇化水平下，结合技术效率所产生的交互效应要大于技术进步所产生的交互效应；东部地区ur*tfp和ur*effch的回归系数均小于中西部地区，这意味着这三种交互效应随着城镇化水平的提高对城乡收入差距的边际效应呈现逐渐递减的趋势。

4. 稳健性检验

模型的稳健性检验：① 检验内生性问题：采用工具变量法，利用核心解释变量的一阶滞后量作为工具变量分别进行回归；② 样本异质性问题：北京、天津、上海和西藏的城镇化率及全要素生产率两个变量均存在极端值，故将全国样本中这三市和西藏剔除后，再进行回归检验；③ 替代被解释变量：城乡实际收入比[注]本文首先以2000年为基期，利用各省城市和农村的消费价格指数分别对城镇居民可支配收入、农村居民纯收入进行平减，消除通胀影响，然后用城镇居民实际可支配收入对农村居民实际纯收入的比值来计算城乡实际收入比。(urgap)，也是常用衡量指标，故替代泰尔指数，作为被解释变量进行回归检验。实证检验均采用Stata14.0软件得出回归结果[注]鉴于篇幅约束，稳健性检验的回归结果不再具体列出，需要者可向作者索取。。

对比回归结果发现：① 内生性问题检验：解释变量的系数符号及显著性未发生明显改变；这说明模型中核心解释变量内生性问题不大；② 样本异质性检验：核心解释变量的系数符号及显著性未发生明显改变；③ 替代被解释变量：核心解释变量的系数符号及显著性未发生改变，控制变量的系数符号和显著性也未发生改变，同时被解释变量为urgap时，拐点ur值轻微提高，符合实际。因此，本文的回归结果比较稳健。

五、 结 论

本文以全要素生产率作为新的视角，实证分析城镇化结合TFP的动态变化对城乡收入差距的影响。研究发现：(1) 2000-2016年间，TFP动态变化存在显著的区域异质性。东部地区TFP增长主要受到技术进步推进，地区经济从粗放型逐渐向集约型转型；但是，当技术进步到一定程度后，缺乏强大的可持续驱动力，不能抵消来自技术效率制约的影响，导致TFP后期的收敛。中西部地区TFP增长主要受技术效率的影响，地区经济仍主要依靠要素投入的粗放型经济为主，随着资源短缺和环境约束的制约，技术效率不断恶化，而技术进步增长相对东部地区发展不占优势，导致了中西部地区TFP在中后期的不断收敛。(2) 单独考虑城镇化对城乡收入差距的影响时，存在显著倒U型关系，但城镇化率的拐点值远远低于实际值；加入全要素生产率等因素后，其分别对城乡收入差距产生显著的同向效应，显著提高了城镇化率的拐点值，符合实际；东部地区技术进步指数变化对城乡收入差距的同向效应程度较大；中西部地区技术效率指数变化对城乡收入差距产生的同向效应程度较大。(3) 城镇化水平结合全要素生产率等因素的交互效应中：两者对城乡收入差距产生的交互效应为正，即：随着城镇化水平不断提高，若全要素生产率得到改善，两者的交互效应会加速扩大城乡收入差距；相反，若全要素生产效率出现收敛，两者的交互效应会加速缩小城乡收入差距。东部地区较高的城镇化水平和TFP对城乡收入差距产生的交互效应显著弱于中西部地区，即随城镇化水平提高此交互效应程度显著减弱。