城镇化、人口密度与居民消费率

郑得坤，李 凌

(上海社会科学院 a.经济研究所，上海 200030；b.智库研究中心，上海 200020)

一、问题提出

城镇化是人口逐渐向城市集中的过程，城市人口密度的增大有助于放大聚集效应对消费需求和经济增长的促进作用，带来社会整体消费水平的提升[1-2]。然而，在城镇化过程中，消费和产出是同时增长的，居民消费率如何变动，似乎难有显见的结论。事实上，在中国，伴随着城镇化水平的持续提高，居民消费率却是不断下降的：1998—2018年，城镇化率由33.35%上升至59.58%，居民消费率却从45.41%下降至39.37%。已有关于城镇化率与居民消费率之间关系的研究倾向于认为：城镇化率与居民消费率的关系呈U型演变趋势，现阶段城镇化水平较低、城市人口规模较小，仍处于U型曲线的下行区间，所以，城镇化难以提升居民消费率[3-7]。然而，这似乎并不能解释为什么在部分地区城镇化率已经超过60%甚至80%的情况下，城镇化率与居民消费率仍然表现为负相关关系，例如，1998—2017年，天津市和重庆市的城镇化率分别由54.48%和30.58%上升至82.93%和64.08%，居民消费率却分别由35.18%和47.97%下降至32.77%和36.14%——高于60%的城镇化率仍难以提升居民消费率。因此，需要另行寻找居民消费率不断下降的原因所在。

图1 城镇化率、城市人口密度与居民消费率散点图及线性拟合曲线(1981—2018年)数据来源：《中国城市统计年鉴》、国家统计局网站(http://data.stats.gov.cn)

中国的城镇化具有一定的独特性：人口城镇化滞后于土地城镇化[8-10]，城市人口规模的扩大伴随着城市人口密度的下降。从全国整体来看，1998—2018年，城市人口密度由1.95万人/平方公里下降到1.42万人/平方公里；从城镇化水平较高的地区来看，1998—2017年，天津市和重庆市的城市人口密度分别由1.40万人/平方公里和3.14万人/平方公里下降至1.19万人/平方公里和1.38万人/平方公里。进一步，从图1可以看出，城镇化率与居民消费率呈显著的负相关关系，城市人口密度与居民消费率呈显著的正相关关系。

现有针对城镇化率与居民消费率或城市集聚效应的研究大多单独讨论城镇化率与居民消费率的关联[3-6，11]，或城市集聚效应对社会生产率的影响等[12-18]。这些文献并没有直接关注城市人口密度与居民消费率之间的关系。

为此，本文提出如下理论假说，解释为什么城市人口密度才是影响中国居民消费率的主要因素：城市人口规模的扩大伴随着城市人口密度的不断下降，人口向城市的聚集并未最大程度地降低运人的成本、运物的成本和知识传播的成本，经济集聚效应或密度效应未能得到有效释放，因此，城镇化不能提升居民消费率。只有在城市人口密度达到一定高度以后，才能充分发挥城市化的集聚效应和密度效应，提高社会生产能力，扩大市场规模，增加就业机会，提高居民收入，提升居民消费率。

本文主要部分安排如下：第二部分是文献综述，在评述已有研究成果的基础上提出本文可能存在的创新点和边际贡献；第三部分是理论分析，在阐述城市人口密度对居民消费率影响的基础上，提出有待检验的假设；第四部分是实证分析和稳健性检验，利用地级及地级以上城市面板数据对理论假设进行实证分析，并对主要结论进行稳健性检验；第五部分是结论与启示。

二、文献综述

本文的研究主要涉及两个领域的文献：一是关于城镇化率与居民消费率之间关系的研究；二是关于城市的集聚或密度效应的研究。

(一)城镇化率与居民消费率之间的关系

由于居民消费率由居民消费增长和生产积累增长的相对速度而定，所以城镇化率与居民消费率之间的关系并不显而易见，现有文献大致有以下三种代表性的观点：

第一种观点认为，城镇化率的上升总体上能提高居民消费率，但城镇化速度过快则会阻碍居民消费率的提升。雷潇雨和龚六堂(2014)认为，城镇居民的人均资本拥有量要高于农村，在城镇化进程中，大量农村剩余劳动力流向城镇后，就需要将社会产出中的一部分资本用于提高新流入人口(包括新获得城市户籍的人口和流动人口)的人均资本拥有量，城镇化速度越快，需要将社会产出中越大的份额用于新流入人口，这就形成对居民消费份额的挤占，当居民消费份额的增长速度慢于社会产出的增长速度时，就表现为居民消费率增长率的下降[11]。

第二种观点认为，城镇化率与居民消费率之间关系不显著或负相关。范剑平和向书坚(1999)基于1978—1997年城乡居民消费支出的数据研究认为，人口城镇化水平的上升没有提升消费能力较强的城镇居民的消费支出份额，也没有提升居民消费率，即城镇化对居民消费率的贡献“几乎为零”[19]。李通屏和郭保熙(2011)针对城镇化率与最终消费率之间的关系分析认为，城镇化率与最终消费率之间的关系存在不确定性，两者并不必然正相关，以城镇化提升消费率只是一种特例，发生在特定国家的特定阶段，最终消费率的下降原因在于人均GDP的相对过快上升。中国现有的城镇化发展模式对消费需求的促进作用并不明显，抑制作用却较为显著[20]。

第三种观点认为，城镇化率与居民消费率之间并非存在简单的线性关系，而是呈现先下降后上升的U型关系。刘艺容(2007)基于1978—2005年全国层面数据研究认为，城镇化率与居民消费率之间的关系存在U型演变规律，现阶段中国的城镇化水平仍较低，处在U型曲线的下行区间，所以两者间呈反向变动关系。当城镇化率超过70%以后，城镇化率与居民消费率将呈现正相关关系，城镇化水平的提高将能提升居民消费率[3]。李通屏等(2013)认为城镇化率达到67.34%以后，最终消费率将步入上升通道[21]。陈昌兵(2010)则将研究视角聚焦于城镇化的发展模式方面：在城市规模化发展阶段，大量资本将投向土地、建筑、工业等基础设施领域，挤占居民消费份额，导致居民消费率下降；在市民化发展阶段，资本投向服务业、教育等民生性领域，投资率逐渐下降而居民消费率逐渐上升[6]。

(二)关于城市的集聚或密度效应的研究

城市的价值在于它能提供更高的生产效率：资源的丰沛、位置的独特所带来的成本优势和集聚效应。传统的经济学理论指出，集聚是为了降低运输成本，生产要素在城市的聚集可以降低三类运输成本：运人的成本、运物的成本和运思想(知识传播)的成本。人口、资本等要素向城市聚集能够产生三个方面的正外部性：投入共享、劳动力池和知识溢出。20世纪70年代，许多研究认为城市规模是影响生产率的重要因素：城市规模越大，生产率越高[12-14]。城市经济活动的密度而不是规模，更能够反映城市集聚的程度[22]。城市土地蔓延发展或紧凑发展对城市经济的影响可以用密度效应来表示[10]。城市经济活动的密度通过影响集聚经济效应的大小影响城市劳动生产率，人口密度大、经济活动密集的大城市，企业和劳动者的生产效率更高[15-18]。此外，一些学者基于美国、欧洲的研究也支持城市密度效应对社会生产率的提升作用的观点[22-26]。

总的来说，研究城镇化与居民消费率之间的关系、城市的集聚或密度效应的文献较为丰富，这些文献深入分析了城市人口规模的扩大对居民消费率的影响，也探讨了城市人口规模扩大所产生的集聚效应或密度效应对城市生产率的影响。

已有研究存在几个方面的不足：第一，关于城镇化与居民消费率之间理论关系的问题尚未有文献从人口密度的视角直接研究。第二，部分研究认为，当城镇化率超过70%以后，城镇化率与居民消费率将呈现正相关关系，城镇化水平的提高将能提升居民消费率[3，6]。然而，这并不符合国内城镇化发展的实际情况——一些地区的城镇化率已经高于70%，但城镇化率与居民消费率依然呈显著的负相关关系。第三，以往研究侧重于考察城市人口规模，认为目前国内居民消费率不断下行的原因在于城市人口规模还不够大。然而，集聚是为了降低运输成本，生产要素在城市的集聚有助于降低运物的成本、运人的成本和知识传播的成本。就此而言，在中国人口城镇化滞后于土地城镇化的现实背景下[8-10]，居民消费率不断走低的原因更有可能在于城市人口密度的不断下降而不是城镇化水平的有待提高。而且，国内各地区城市规模和城市体系差异较大，在各地区城镇化水平稳步提升的情况下，从城市人口规模视角讨论居民消费率问题的现实指导意义似乎并不大。

相对而言，本文认为，从研究居民消费率的视角来看，不同的城市可以有不同的合理规模，促进居民消费率提升的主导性因素在于城市人口密度增大所带来的集聚和密度效应，而不是滞后于土地城镇化情况下的城市人口的孤立性增加。

三、理论分析与假设提出

与本文关系最密切的文献有两支。第一支是陈昌兵(2010)的研究，他将城镇化分为规模化阶段和市民化阶段，在规模化阶段，人口和土地的大规模扩张所引致的资本投资需求，会导致资本对消费的挤出；在市民化阶段，只有在城镇化水平稳定和资本投资减少之后，居民消费率才步入上升通道[6]。第二支是苏红健和魏后凯(2013)的研究，他们发现，在中国的城镇化过程中，城市土地粗放扩张现象非常显著，且与城区人口密度降低现象并存，地级及地级以上城市的平均人口密度远低于最优人口密度值，城市土地扩张与人口积聚能力不匹配现象较为突出[10]。

从这两支文献可以看出，陈昌兵(2010)的研究涉及城镇化的规模化阶段人口和土地规模快速扩张问题[6]，但他并没有深入分析两者的相对速度不一致时居民消费率所受到的影响。苏红健和魏后凯(2013)则是在劳动生产率视角下研究推动人口城镇化与土地城镇化协调发展的最优城市人口密度问题[10]。本文关注的是城市人口密度与居民消费率之间的关联。

从理论上讲，人口和经济活动在一定地区的集聚会因需求关联和成本关联产生循环累积因果效应、劳动力市场的共享效应和知识外溢效应，降低运人的成本、运物的成本和知识传播的成本，而三类运输成本的降低则会强化循环累积因果效应：地铁只有开通在人口密度足够大的城市才能盈利；电商、快递公司总部密集和人口密度大的江浙沪地区才出现“包邮”现象；在人口密度大，知识、人才和智力资本集中的城市才会组织规模较大的会展、思想交流会、学术报告、产品展示和新闻发布会等——公共运输工具的共享、企业聚集带来的范围经济和外部经济，以及人力资本聚集对人才搜寻与谈判成本的降低和知识扩散的促进作用等，会提高地区经济活跃度，扩大市场规模，加深社会分工，增加就业机会，提高居民收入，增强居民消费能力。具体而言，城市人口密度的增大所产生的集聚效应主要从五个方面直接或间接提升居民消费率：

第一，人口密度大的地区意味着就业机会更多，有可能实现更高的收入，从而增加居民消费意愿。从微观角度来讲，人口密度的增大是分工得以进行的前提和基础。市场的广狭在很大程度上限制着交换能力，制约着分工程度，也决定着一国的劳动生产率和国民财富的多寡。人口密度较低的城市难以生发出对新兴产业和行业的发展需求，也难以支撑新兴产业和行业的发展壮大，只有在人口密集度提高到一定程度以后，企业分工才逐渐明确和深化，才有能力提供更多的就业机会，增加居民收入，增强居民消费意愿，居民消费率的提升才具备现实可能性。

第二，人口密度大的地区，商品和服务的供给更加多样化，消费需求更加旺盛。从实物消费的角度看，人口密度大的地方意味着市场规模和商品生产、销售量大，企业间价格与非价格竞争也更为激烈，平均固定成本和价格也相对更低，生产者更愿意通过产品的多样性来增加收入，而这种多样性也增加了消费者选择商品的可消费集合，有助于提高居民消费意愿，提升居民消费率。从服务消费的角度看，人口密度大的地区更容易产生服务需求。大城市中的产业分布总是错落有致，高端产业需要低端产业提供这样的服务，因此也带来了更多的服务需求。此外，人口密度大的地区，餐饮、住宿、娱乐休闲等多层次、多样性的服务供给也相应增加，人们有机会以较少的时间、精力与成本便可消费到多层次、高品质的服务，多样化消费服务供给的增加，也推动着居民消费率上升。

第三，人口密度大的地区更容易产生消费攀比效应，社会不同群体在相互攀比中促进消费率的提升。凡勃伦(Veblen，2012)在《有闲阶级论》中提出高收入阶层会通过超实用性和浪费性消费行为向他人展示自己的支付能力和社会地位[27]。杜森贝利(Duesenberry，1949)提出的相对收入假说也指出，人们之间的消费偏好不是互相独立的，高收入群体会对低收入群体产生“示范行为”，低收入群体也会对高收入群体产生“追赶行为”[1]。人口密度大的城市，群体间的消费行为更容易直接影响、间接传递，在消费行为的相互模仿中，居民消费率得以提升。

第四，人口密度大的地区更容易产生知识溢出效应，通过提高社会生产率，增加居民收入，提升居民消费率。知识溢出和人口集聚之间的关系不是单方面的，而是相互强化的，表现为累积循环因果关系[28]，人口密度的提高有利于人力资本的外部性或相互作用产生知识溢出，提高就业者知识水平、工资和生产效率，而城市更高的生产效率和收入水平，进一步促进更多人口的集中和集聚。人口密度的增大，能显著增加人员之间沟通交流的机会，而知识人才在城市空间的流动，与周围群体发生互动和交流，在创造着新知识的同时，也加快了知识在不同群体间的传播[29]。特别是在产业活动集中或居民职业多样化的城市，知识人才在不同企业、产业、区域间的流动，在促进知识的传播扩散和技术进步的同时，有助于提高企业生产效率，降低生产成本，增加居民收入、提高居民消费水平，推动居民消费率上升。

第五，人口密度大的城市，密度效应可以充分发挥，能有效提升社会生产率，增加可消费品种类和数量，提升居民消费率。从密度的经济效应来看，人口密度从投入产出关系、外部性、专业化收益等方面促进生产率提升[22]，人口密度越大的地区，密度效应越能有效发挥和释放出来，进而放大工业部门的资本和技术溢出效应，提高社会生产效率，扩大企业生产规模，降低资本品和消费品的生产成本，增加社会可消费品的供应数量和种类，提高产品质量，激发居民消费潜力，提高社会消费能力和居民生活水平。

基于上述分析，本文提出以下两个假设，并在后面的实证研究中进行验证和进一步讨论：

假设1：城镇化率与居民消费率呈负相关关系。

假设2：城市人口密度与居民消费率呈正相关关系。

四、实证检验及稳健性分析

(一)数据来源

本部分数据来源于万得(Wind)咨询数据库、环亚经济(CEIC)数据库、国家统计局网站和相关年度的《中国城市统计年鉴》，时间跨度为2000—2016年，剔除掉样本期内变量个数少于5的地级市，共计得到282个地级及地级以上城市的面板数据。需要说明的是，中国的城市建制划分为直辖市、省会城市、地级市、县级市和镇，限于数据的可得性，本文选择地级市、省会城市、副省级城市和直辖市作为研究样本。

(二)变量设定

被解释变量：居民消费率。居民消费率是居民消费支出与国内生产总值(GDP)的比值，衡量社会产出中多大比例用于消费者购买商品和服务。同时，可以测度居民消费支出相对于GDP的增长速度：当居民消费支出的增长速度快于GDP时，居民消费率上升；反之，居民消费率下降。需要说明的是，由于无法得到各城市支出法GDP项目中的居民消费支出数据，本文采取“城市人均消费支出×城市人口+农村人均消费支出×农村人口”的计算方式得到居民消费支出数据。

解释变量：城市人口密度。城市人口密度是城市户籍人口与城市建成区面积或城市土地面积的比值，单位为万人/平方公里。一方面，现有研究度量经济聚集效应的方法有很多种，用人口密度而不是市场或城镇人口规模衡量聚集经济更为合适[22]，本文根据《中国城市统计年鉴》数据分别以城市户籍人口/城市建成区面积和城市户籍人口/城市建设用地面积计算城市人口密度指标，这也是衡量城市人口密度的常用做法[10，30]。另一方面，人口密度是单位土地面积上的人口数量，这一指标不仅能反映地区规模对新增人口的承载力度，也能反映地区的经济集聚能力，即人口密度越大的地区，经济集聚能力就越强，越能提高居民收入和消费水平。因此，预期城市人口密度系数为正。

控制变量包括：

(1)城镇化率。以城市户籍人口与总人口的比值测度城镇化水平单位为百分比。通常，城镇化率与工业化和经济发展水平正相关，工业化和经济发展水平越高，城镇化率也越高。根据前文理论分析，本文认为，城市人口规模的扩大并不能提升居民消费率。因此，预期城镇化率系数为负。

(2)固定资本形成率。固定资本形成总额与GDP的比值，用于衡量社会产出中多大的份额用于社会固定资产投资，单位为百分比。社会产出分配于居民报酬的份额有助于直接提升居民消费率，固定资本投资对居民消费支出有一定的“挤出效应”，若将更多的社会产出投资于城镇化建设，会挤占劳动者报酬份额，降低居民消费率。因此，预期固定资本形成率系数为负。

(3)金融发展水平。地区金融机构存款余额和各项贷款余额之和与GDP的比值，单位为百分比。金融发展水平可以通过以下途径促进居民消费：一是促进经济增长、社会财富增加和提高居民收入，促进居民消费；二是提高居民收入增长预期，完善社会保障途径，降低未来消费支出预期的不确定性所导致的预防性储蓄行为，促进居民增加现期消费；三是降低金融中介成本，促进居民消费；四是放大财富效应，促进居民消费[31]。因此，预期金融发展水平系数为正。

(4)地区产业结构。第二产业增加值占GDP比重与第三产业增加值占GDP比重的比值，衡量地区产业结构的常用指标，单位为百分比。有学者认为，第二产业的资本密集度高于其他产业，第二产业比重上升将导致劳动收入占总收入份额的下降，进而导致居民消费率下降，而政府为促进经济增长对基础设施投资采取补贴政策，获益最大的是对基础设施依赖度很高的第二产业，且第二产业也是政府税收收入的主要来源，政府直接和间接性的补贴会降低资本成本，引导企业选择资本密集型技术，提高第二产业内部的资本密集度，进一步挤占劳动收入份额，压低居民消费率[32]。这一观点也得到了其他学者的认可：第二产业是资本密集型产业，第二产业的发展与资本投资率呈正相关关系，第二产业就业人数的上升将导致投资率的上升和消费率的下降[6，33]。因此，预期地区产业结构系数为负。

(5)城镇登记失业人数。失业意味着收入能力的暂时中止，而收入是消费的前提和基础，也是居民消费率的主要影响因素之一，凯恩斯消费理论认为，收入水平决定着居民现期消费能力。目前，工资仍是居民收入的主要来源，失业人数的增加将直接减少居民工资性收入，抑制居民消费需求，降低居民消费率。因此，预期城镇登记失业人数系数为负。

工具变量包括：

(1)人均道路面积。单位为平方米/人。

(2)人均园林绿地面积。单位为公顷/万人。

稳健性检验变量包括：

(1)城市建设用地人口密度。单位为万人/平方公里。

(2)城市人口。单位为万人。

(三)主要解释变量的统计特征

城市集聚的形态主要包括城市经济活动集聚的规模、密度和专业化程度等三个方面[12-14，22-23]，鉴于本文重点考虑城镇化过程中人口密度对居民消费率的影响，因此设定城市人口密度为主要的研究变量。主要变量的说明与描述性统计见表1。

表1 主要变量的说明与描述性统计

(四)计量模型设定

为考察居民消费率与城市人口密度之间的关系，本文基于2000—2016年282个地级市面板数据展开经验研究，建立以下计量模型：

Cit=α+βDit+γUit+λZit+θt+δi+ζit

(1)

其中，因变量C代表居民消费率，D代表城市人口密度，U代表城镇化率，Z代表控制标量；变量下标中的i表示第i个地级市，用于代表全国282个地级市，t表示第t年；α为个体效应，用于反映各个地区共有的特性；θt为年份固定效应，δi为地区固定效应，ζit是随机扰动项。

(五)回归结果分析

根据豪斯曼(Hausman)检验结果(P值为0.000 0)，本文基准回归部分选用固定效应模型；进一步构建F统计量检验是否存在个体效应与时间效应，结果强烈拒绝“无时间效应”和“无个体效应”的原假设，因此，本文选用双向固定效应模型进行估计。同时，为减少数据的异方差性，对代表绝对数值的变量城市人口密度和城镇登记失业人数采用对数形式，用符号Log表示，回归结果见表2。

1. 固定效应模型回归结果分析

表2 城镇化、人口密度与居民消费率的关系：固定效应回归

注：小括号中的数字为标准误；*、**和***分别对应 10%、5%和 1%的显著性水平，后同。

表2报告的是城市人口密度与居民消费率之间关系的固定效应回归结果。列(2)报告的是仅控制地区固定效应与年份固定效应的回归结果：城市人口密度的系数为正数，且在1%水平上高度显著；城镇化率系数符号为负数，且在1%水平上高度显著。这说明，人口城镇化水平的提高或城市人口规模的扩大并不能提升居民消费率，只有城市人口密度的增大才能充分发挥集聚或密度效应，提升居民消费率——这一结果证明理论假说是正确的。表2中列(3)至列(6)是逐步增加固定资本形成率、金融发展水平、城镇登记失业人数和地区产业结构控制变量后的回归结果：城镇化率与居民消费率之间依然显著负相关、城市人口密度与居民消费率之间依然显著正相关：城镇化率提高1个单位，居民消费率下降约0.08个单位；城市人口密度增大1个单位，居民消费率提升约6个单位——城市人口密度对居民消费率的提升发挥着决定性的影响作用。

2.工具变量GMM模型回归结果分析

在实证研究中，内生性问题是因果识别的难点。在识别城市人口密度对居民消费率的影响上，存在两大内生性问题。第一个是遗漏变量问题。在基准回归模型中，尽可能控制住了可能影响城市人口密度和城镇化水平的多种因素，包括金融发展水平、固定资本投资率、地区产业结构等多个影响因素，同时控制住了地区和年份固定效应，来降低遗漏变量所导致的内生性问题。但城市人口密度仍有可能与其他未被控制的第三方因素相关，而这些第三方因素可能会同时影响居民消费率。第二个是反向因果问题。居民消费能力较低可能是城市人口密度不高的原因，而不是结果，即居民收入和消费水平低的地区具有较低的人口吸纳能力，从而导致人口密度偏低。

总之，表2的回归结果表明城市人口密度与居民消费率呈显著的正相关关系，然而由于城市人口密度在固定效应模型中可能因遗漏解释变量而存在内生性问题：Hausman检验统计量对应的P值为0.002 8，在1%的显著性水平上拒绝“所有变量均为外生”的原假设，即可以认为城市人口密度为内生变量。为缓解上述内生性问题，本文利用工具变量——城市人均道路面积和城市人均园林绿地面积。城区土地面积大的城市，道路面积和园林绿地面积一般也相应较大，而按照建成区面积计算的人口密度大的城市，人均道路面积和人均园林绿地面积就相应较小。因此，三者间存在一定的相关性。人均园林绿地面积和人均道路面积只有借助城市人口密度增大所产生的集聚效应，才能间接作用于居民消费率，两者不能直接对居民消费率产生影响，因而满足外生性的要求。

利用上述工具变量，表3报告了工具变量GMM模型的回归结果。

表3 城镇化、人口密度与居民消费率的关系：工具变量GMM回归

注：中括号中的数字表示显著性检验对应的P值，后同。

首先，不可识别检验显示，安德森·加农相关系数(Anderson canon. Corr.)LM统计量的P值为0.000 0，强烈拒绝不可识别的原假设；弱工具变量检验显示，克莱格-唐纳德·伍尔德(Cragg-Donald Wald F)统计值远大于10%临界值19.93，强烈拒绝“存在弱工具变量”的原假设；过度识别检验显示，在20%的显著性水平上仍不能拒绝“所有解释变量均为外生”的原假设，即认为所有工具变量均为外生变量。

其次，对比表2和表3的回归结果可知，表3中基准回归的结果依然成立，且影响程度明显增强：城市人口密度增大1个单位，居民消费率提高约8.59个单位(列(6))，城镇化率上升1个单位，居民消费率下降约0.11个单位，城市人口密度与居民消费率的提升仍然发挥着决定性影响作用。这一结果符合理论预期：城市人口规模的扩大不能提升居民消费率，城市人口密度才是提升居民消费率的主导性因素。综合来看，考虑内生性之后，工具变量回归结果与基准回归结果保持一致，甚至有所加强，这说明城市人口密度对居民消费率的提升存在因果关系。

(六)稳健性检验

接下来，采取更换城市人口密度与城镇化水平衡量指标的方法对本文的主要结论进行稳健性检验。

(1)将以城市建成区面积计算的城市人口密度变更为以城市建设用地面积计算的城市人口密度。城市建成区的概念更多地偏重于现实，强调已经建成的属性；城市建设用地则强调人为的规划控制属性，两者都是测度城区面积的常用指标，但建设用地的统计口径和范围比建成区更广泛，建设用地面积比建成区面积要略大一些。

(2)将城市规模的衡量指标城镇化率更换为城市人口数量。一般来说，随着农业人口向城市的转移，城市户籍人口逐渐增多。根据前文的理论分析，城市人口数量的增加不能提升居民消费率。因此，预期城市人口数量的系数为负。

表4和表5是固定效应模型和工具变量GMM模型的稳健性检验结果。

表4和表5的回归结果都显示：城市人口密度的替代变量城市建设用地人口密度与居民消费率呈显著的正相关关系，而城市规模的替代性衡量指标城市人口与居民消费率呈显著的负相关关系，且城市人口密度对居民消费率的提升依然发挥着决定性的作用，城市人口密度增大1个单位，提升居民消费率约7个单位(表5列(6))，所有控制变量的系数符号及显著性与表2的回归结果完全一致，这说明本文的实证结果是非常稳健的。

从表5的回归结果中可以看出三项工具变量的有效性检验。不可识别检验结果显示，安德森·加农相关系数LM统计量的P值为0.000 0，强拒绝不可识别的原假设；弱工具变量检验结果显示，克莱格-唐纳德·伍尔德F统计值大于15%显著性水平的临界值11.59，强烈拒绝“存在弱工具变量”的原假设；过度识别检验结果显示，在20%的显著性水平上仍不能拒绝“所有解释变量均为外生”的原假设，即认为所有工具变量均为外生变量。

表4 城镇化、人口密度与居民消费率的关系：固定效应回归

表4(续)

表5 城镇化、人口密度与居民消费率的关系：工具变量GMM回归

五、结论与启示

本文利用地级及地级以上城市面板数据对城市人口规模、城市人口密度和居民消费率的关联展开经验研究。结果显示，城市人口规模的扩大并不能提升居民消费率，城市人口密度的增大才能提升居民消费率。因此，只有逐步改变过去“摊大饼”式、粗放扩张的城镇化发展模式，着力增强城市的人口吸纳能力、提升城市人口密度，降低运人的成本、运物的成本和知识传播的成本，才能充分发挥城市集聚效应对居民消费率的提升作用。

本文的研究具有以下两点启示：第一，从提升居民消费率的研究视角出发来看，城市人口密度而不是城市人口规模才是影响居民消费率的主导性因素。以往研究认为，城市人口规模的扩大或城镇化水平的提高是影响居民消费率的重要因素，现阶段居民消费率下降的原因在于城市人口规模还不够大或城镇化水平较低，只有在城市人口规模扩大到一定程度、城镇化水平较高以后，才能充分发挥城镇化对居民消费率的提升作用。事实上，国内部分地区城市人口已经突破千万、城镇化水平已经超过70%，但城镇化率与居民消费率依然呈显著的负相关关系，城镇化的居民消费率提升作用并未有效发挥。城市人口密度的提高才能有效降低传统经济学所指出的三类运输成本：运人的成本、运物的成本和运思想(知识传播)的成本，发挥城市集聚效应和密度效应对居民消费率的提升作用。因此，城市人口规模的扩大不能提升居民消费率，城市人口密度的增大才能提升居民消费率。进一步，本文的研究发现，城市人口密度对居民消费率的影响作用是城市人口规模的7倍左右。第二，城市人口密度要比城市人口规模更有意义。以往研究认为，城市人口规模是影响居民消费率的重要因素。然而，国内各地区城市规模和体系差异较大，甚至不同城市行政级别也不相同，资源集聚能力和人口吸纳能力大相径庭。因此，从城市人口规模视角讨论居民消费率的提升问题的现实指导意义似乎不大。相对而言，本文认为，城市可以有不同的合理规模，城市的发展不能盲目求大，建成区面积与城市人口规模之间应以人口密度对居民消费率的提升能力相互制约，城镇化发展的最终目的应当是逐步提升居民的消费能力、满足人民的生活需求和对美好生活的向往。

因此，应逐步改变过去“摊大饼”式、粗放扩张的城镇化发展模式，从挖掘城市潜力、提高土地利用率，推进集约型城镇化建设入手，逐步增强城市的人口吸纳能力，充分发挥城市的集聚效应，降低运人的成本、运物的成本和知识传播的成本，以人口密度的提升生发新的产业和行业，扩大市场规模，促进知识的传播扩散和技术创新，提高社会整体生产能力，降低生产成本，增加居民收入和消费品的数量、种类，在推动经济增长的同时，确保居民消费增速快于社会产出，推动居民消费率不断提升。