城市化对中国地区经济增长差异的影响分析

汪 震/ 文

改革开放以来，随着市场经济的蓬勃发展，城市化也进入了高速发展阶段，经济增长与城市化的关系日渐受到人们的关注。虽然互联网的发展使城市经济的空间聚集效应理论受到一些质疑，但不可否认，利用中心城市的辐射作用和溢出效应来带动周边城市发展，最终促进整体经济增长，这样的城市化效应至今仍然存在。纵观世界经济社会发展历程，城市化是带动一个国家或地区经济增长的双核之一。在我国经济增长方式渐变时期，城市化对地区经济增长的作用也日益明显。在此背景下，研究城市化对地区经济增长的影响具有重要的实践价值。

一、文献综述

在研究城市化对经济增长的影响方面，学者们对经济增长与城市化的关系进行了充分研究。绝大多数学者利用发达国家的经验数据证明了城市化有利于经济增长。如Black 和Henderson（1999）、Henderson（2000），他们均发现城市化与经济增长具有比较强的正相关性；Duranton（2000）认为城市集中度影响城市经济，并且坚信城市是经济增长本身的动力源泉。然而，学者们对发展中国家的研究结果却有差异。很多学者仍是支持城市化对经济增长的促进作用的。曾贤林（2013）实证检验贵州的城市化与经济增长之间的关系，发现两者之间存在长期均衡关系。洪彦等（2015）运用经济增长空间结构与ESDA 技术研究海西城镇体系经济增长空间格局，发现人口城市化对经济增长的作用显著。但也有学者持其他观点。施建刚、王哲（2011）研究发现城市化进程太快会给经济增长造成损失，并且使城市陷入棘手的问题中。刘瑞翔、夏琪琪（2018）则认为各省域的人口城市化能促进本省域的经济增长质量，但对邻近省域经济增长质量有负面影响。针对以上研究观点的差异，本文将采用中国2010- 2017 年的人口和经济数据，运用空间滞后面板模型定量分析城市化对经济增长的作用，这也是对传统计量分析的突破。

二、数据说明和模型建立

（一）变量选择

本文主要研究我国各地区经济增长情况及影响因子，重点关注城市化水平的影响。被解释变量是经济增长，用各省市当年GDP 除以年末总人口数再取对数得到（lngdp）。除此之外，选取城市化、产业结构调整、对外开放程度、基础设施建设作为基本变量。城市化水平是本文研究的核心解释变量，本文以当年年末城镇人口数与总人口数的比率来衡量地区城市化水平（urb）。第三产业的水平可以在一定程度上体现产业结构调整状况，可以用它来代表产业结构调整水平（stru）。各省份的社会固定资产投资额度占GDP 比重代表基础设施建设变量（inst）。各地区的境内目的地和货源地进出口总额与GDP 比值即对外开放水平（open）。文中的各省市的关键数据均来自《中国统计年鉴》。本文主要选取2010- 2017 年全国31 个省、市、自治区的数据，变量的描述性统计说明如表1 所示。

表1 变量描述性说明

（二）空间面板模型建立

1.空间相关性检验

检测变量之间是否存在空间相关性是进行空间计量分析的第一步。检测变量空间自相关性的方法有很多，本文利用Moran's I 测试经济变化与城市化变量是否存在空间联系。

式（2.1）为莫兰指数计算公式。其中：n 为研究范围内地区总数，wij是空间权重，xi、xj分别是区域i 和j 的空间数据为样本方差。

本文利用stata15 软件，参照中国地图地理信息，选取基于地理位置的0- 1 邻接距离矩阵，得出的莫兰指数如表2 所示。由表2 的检验结果，Moran's I 从整体上反映了近8 年中国各地区经济增长、城市化水平存在明显的空间相关性，且均在0.01的显著性水平下通过检验，证明各地区的经济增长、城市化水平的分布存在着非常明显的空间依赖特征，并且这种空间依赖性基本上伴随时间变动有渐渐增强的倾向。

表2 Moran's I 指数

2.空间面板模型的检验、估计

通过前面的检验，证明了lngdp 存在空间相关性，所以选用空间计量模型有一定的合理性。本文选取基于地理位置的0- 1邻接距离矩阵。空间权重矩阵W 作用于不同的变量可生成不同的空间交互关系，进而构造不同的空间模型，本文通过LM和robust LM 检验来确定最终应用与分析的空间面板模型。构建的基本模型如下：

模型一：

模型二：

模型三：

αi表示时间效应，μi表示个体效应，εij为独立同方差的随机项，φij代表空间自相关误差项，ρ 则是自相关系数。本文设置三个模型形成对照，并依据检验结果选择合适的模型。第一个没有考虑空间相关性，模型二为空间滞后面板模型，模型三即空间误差面板模型。对模型进行普通模型最小二乘法回归处理（忽视空间因素）以及LM 检验，相应的检验结果如表3 所示。

表3 LM 及robust LM 检验结果

可见，空间滞后面板模型的检验在1%的显著性水平下均合理，比空间误差面板模型更好，故此处选择空间滞后面板模型。鉴于文章回归分析的样本仅限于特定个体，所以此处选取固定效应模型。在对面板模型进行估计时，由于模型中含有空间滞后的因变量，最小二乘法的估计将变得有偏且非一致。因此，使用极大似然法（ML）来估计空间计量模型（Anselin，1988；Anselin 和Hud1992）。这里通过针对空间面板模型的极大似然估计（MLE）法，结果如表4 所示。

表4 空间面板滞后模型结果

由表4 可知，所有固定效应的空间滞后模型空间自相关系数（rho）均为正，其中除了时间固定效应下的模型，其他均通过1%的显著性水平检验，说明我国不同的省与省之间经济增长确实存在显著的空间关联，即一个地区的经济增长水平的变化在一定程度上受其他与之相邻的地区（省市）的经济增长水平的影响。

（三）结果分析

由表4 可知，变量urb 的系数为0.0107，表示在其他条件不变时，地区城市化水平每提高1%，地区经济增长约上升1.07%。由此证明，城市化水平确实是造成各地区经济增长差异的主要原因之一。变量inst 和变量open 的系数均为正，说明各地区基础设施建设、对外开放程度对经济增长也有一定的促进作用，但效果相对较弱。而变量stru 的系数为负，说明当前不同地区产业结构调整存在发展不均衡、配置不合理等问题，制约了经济增长。另外由rho 参数值以及其显著性水平可知，相邻地区的经济增长有很大的空间依赖性，一个省市周边地区的经济增长可促进该省市的经济增长。

三、结论与政策建议

本文根据国家统计局公布的相关数据，运用莫兰指数检验出我国各地区经济增长具有很强的空间关联性，进一步用最大似然估计法构建合适的空间面板模型来分析城市化影响经济增长的区域差异。从中得出如下结论：城市化确实是影响地区经济增长的主要因素，可以促进地区经济增长；基础设施建设、对外开放程度对经济增长也有一定的正向作用，而产业结构调整对地区经济增长却有负向阻碍作用，说明全国产业结构发展的地区不均衡限制了一些地区经济增长。

针对以上分析结果和结论，本文提出如下政策建议：首先，要合理推进城市化进程。目前户籍制度仍然影响着我国城市化进程的快速推进，需要加快户籍改革，从而提高城市化对经济增长的促进作用。其次，适度提高基础设施建设速度与投资比重。一方面加快基础设施建设的速度，使其能够拉动经济增长而不是成为“短板”；另一方面可通过适度提高基础公共服务供给的投资占比来提高基础设施建设质量。最后，要加强各地区之间的交流，以实现资源的优化配置。城市化水平的提高并不仅仅是城镇规模的简单扩张、农村人口流入城市，还要打破城乡分割，实现人口、资源、教育等方面的自由公平的双向流动。