产业结构高级化、数字经济与城乡融合发展

邢艳春，赵星星

(吉林财经大学 统计学院，吉林 长春 130117)

0 引言

近年来，我国大力扶持农村农业发展，城乡融合发展水平稳步提升.城乡融合的主要特征表现为城乡间人口和资金的自由流动加快[1].新时代推进城乡产业融合和城乡经济融合成为推进城乡融合的重点，打破现有的城乡产业的二元结构体系是城乡产业融合的突破点[2]，借助数字技术的发展推动农村经济快速发展是城乡经济融合的重点.城乡产业融合主要体现为产业结构的高级化，这充分反映了城乡之间的产业互补和产业结构的优化升级.城乡经济融合方面，在新技术革命的推动下，我国已经形成了以数字经济为标志的新经济形态[3].数字经济的快速发展加速了产业数字化转型，推进了城乡产业链条双向延伸.本文主要关注产业结构高级化和数字经济发展是如何影响城乡融合发展的，并通过二者的交互项分析二者对城乡融合发展的影响.

大多数学者对于城乡融合发展的评价理论主要包括：二元结构论、人地关系地域系统理论、区域空间结构理论、空间均衡理论、等值化理论和流空间理论等[5].部分学者利用省级面板数据，从区域异质性的角度，使用空间计量模型研究了我国的城乡融合发展状况.结果表明，我国城乡融合发展水平整体呈现出逐年提升的态势，但区域之间仍存在差异；其次，城乡融合的空间集聚效应明显，我国城乡融合发展水平东部高于中西部，南部高于北部，且南北差距正逐渐超越东中西差距[6-10].

综上所述，城乡融合发展越来越受到广大学者的关注，本文尝试通过空间计量模型对产业结构高级化和数字经济发展对城乡融合发展的影响进行分析研究.本文创新性在于：第一，使用综合评价法，构建了城乡融合发展指数和数字经济发展指数；第二，利用空间杜宾模型分析各省市区产业结构高级化和数字经济发展对城乡融合发展的空间效应，加入产业结构高级化和数字经济发展的交互项，分析了产业结构高级化和数字经济发展对城乡融合发展的内在影响机制.

1 研究设计

1.1 变量定义与测度方法

1.1.1 被解释变量

城乡融合发展.新时代新阶段下城乡关系的演变趋势表现为城乡融合发展，实现城乡融合发展需要解决的关键问题是实现城乡要素的合理流动与优化配置[3].城乡经济融合发展的内涵特征表现为：城乡市场高度统一、城乡产业融合发展、城乡生产力合理布局、城乡功能优势互补、城乡共享高质量发展等[7].本文立足城乡一体化，参考崔格格[3]、孙群力[8]、周佳宁[15-16]等的指标选取方法，同时结合数据的可获得性，从要素、空间、经济、社会和生态融合5个维度对城乡融合发展指标进行测度，其中社会融合方面从基础设施和公共服务两个角度进行解读，选取我国2011—2019年部分省市区作为研究区域，针对其面板数据，利用面板熵值法，构建城乡融合发展指数.城乡融合发展评价指标见表1，城乡融合发展指数的时序变化趋势见图1.

表1 城乡融合发展综合评价指标

图1 2011年、2019年城乡融合发展指数的时序变化趋势

1.1.2 核心解释变量

(1)产业结构高级化.经济发展到一定程度，城乡关系就会转向城乡融合发展[12]，而城乡融合发展的基础是产业融合[13].产业融合则主要通过产业结构的优化升级推动城乡要素流动，推动城乡空间互联互动，进而推动城乡产业融合[14].周佳宁等[15-16]研究了产业高级化对城乡融合的影响，发现产业结构高级化能从就业角度促进城乡融合，缩小城乡差距，产业结构高级化对劳动就业的“吸纳效应”能促进就业，推动城乡融合.关于产业结构高级化指标，参考崔庆安等[17]的做法，考虑到产业结构高级化的主要表现为在经济发展中第一产业、第二产业和第三产业所占比重的变化，现阶段产业发展呈现出第三产业发展速度大幅度提升的情况，所以采用第三产业增加值与第二产业增加值之比来衡量[17].

(2)数字经济.随着数字化的发展，以数字技术为驱动力破解城乡之间失衡关系、推动城乡之间融合发展的策略应得到高度重视.数字经济的发展模式是一种新经济模式，主要基于数字科技手段实现资源优化配置，并通过发挥网络平台生态系统对生产要素的聚集、优化、分配作用，为城乡融合的资源要素配置提供助力[18].数字经济为城乡产业转型升级、要素双向流动、地理空间重构和公共产品配置调整提供了条件[19].大多数学者对数字化发展的解读多从数字产业化和产业数字化两个角度进行分析，以此来定义数字经济发展指标.部分学者在此基础上提出创新的驱动力对数字经济发展的影响，参考已有文献对数字经济的解读及指标选取方法[3，18-19]，本文从现阶段的数字化发展和创新对数字经济发展的驱动力两个方面对数字经济进行解释，结合数据的可获得性，选取研究区域2011—2019年面板数据，使用面板熵值法，构建数字经济综合指标.数字经济指数的时序变化趋势见图2，数字经济综合评价指标见表2.

图2 2011年、2019年数字经济指数的时序变化趋势

表2 数字经济综合评价指标

1.1.3 控制变量

(1)政府干预度.在城乡融合发展过程中，政府的财政支持和政策支持，为城乡融合发展建立了良好的发展环境；

(2)对外开放度.一个地区的对外开放程度和该地区的经济发展往往表现为同方向变动的趋势，这是因为对外开放程度越高越能吸引外来资本流入，对本地区的经济发展起积极的促进作用，进而影响到本地区的城乡融合发展进程；

(3)人力资本.人才流入能大大激发该地区的创新潜能，人力资本指数越大越能刺激该地区的经济活力，进而影响城乡融合发展的速度；

(4)金融发展.一个地区的金融发展水平可以用来衡量该地区的经济水平，且该地区的金融发展与经济发展呈同向变动趋势，所以，金融发展影响城乡融合发展水平.

综上，本文选取政府干预度、对外开放度、人力资本和金融发展作为控制变量，其中，政府干预度用一般公共预算支出占地区GDP比重来衡量，对外开放度用进出口总额占GDP的比重来衡量，人力资本用本专科学历总人数占地区年末总人口的比重来衡量，金融发展用金融产业增加值占第三产业增加值的比重来衡量(见表3).

表3 变量名称

1.2 模型构建与数据来源

1.2.1 模型设定

构造邻接矩阵来反映各研究区域之间的空间关联关系，邻接矩阵中相邻取值为1，否则取值为0.本文旨在分析数字经济和产业结构高级化对城乡融合发展的影响，建立空间计量模型如下：

URIDIit=α+ρWURIDIit-1+β1ICit+β2DEDIit+β3OPENit+β4HCit+β5GIit+β6FDit+
δ1WICit+δ2WDEDIit+δ3WOPENit+δ4WHCit+δ5WGIit+δ6WFDit+μi+γt+εit，

(1)

URIDIit=α+ρWURIDIit-1+β1ICit+β2DEDIit+β3OPENit+β4HCit+
β5GIit+β6FDit+β7ICit*DEDIit+δ1WICit+δ2WDEDIit+δ3WOPENit+
δ4WHCit+δ5WGIit+δ6WFDit+δ7WICit*DEDIit+μi+γt+εit.

(2)

其中：ρ为空间回归系数，βi表示直接效应影响系数，δi表示间接效应影响系数，μi和γt分别代表个体固定效应和时间固定效应，εit代表误差项.个体固定效应可以解释为不随时间变化但随个体变化的遗漏变量的问题，时间固定效应可以解释为不随个体变化但随时间变化的遗漏变量问题.两种固定效应都是一种可以影响解释变量的控制变量，本文采用组内离差法估计固定效应，利用解释变量、被解释变量和控制变量对时间求均值，形成一个组内均值，以个体固定效应为例，因个体固定效应不随时间变化，故变量的每个值都减去自己的组均值，就形成一个新变量，并消去个体固定效应.

公式(2)在公式(1)的基础上增加了产业结构高级化和数字经济发展的交互项，以检验二者的协同效应对城乡融合发展的影响.

1.2.2 数据来源

数据来源于《中国第三产业统计年鉴》《中国人口和就业统计年鉴》《中国环境统计年鉴》、中经网统计数据库、各地区统计年鉴和国家统计局.其中，香港、澳门和台湾等地区因统计口径不一致不做研究.

2 实证结果及讨论

2.1 空间相关性检验

2.1.1 全局空间自相关性检验

本文选用标准化的邻接空间权重矩阵，使用Stata软件，计算全局莫兰指数，以检验城乡融合发展水平的空间相关性，结果见表4.2011—2019年城乡融合发展水平的全局莫兰指数均为正值，且存在逐年减小的趋势，这说明随着整体集聚效应的降低，城乡发展差距逐渐缩小[21]，在10%显著性水平下；除2018年之外的8年，其莫兰指数均通过了空间自相关检验，表明这31个研究区域之间的城乡融合发展水平存在显著的正向空间依赖性；而2018年的莫兰指数并没有通过显著性水平检验，2017—2019年的莫兰指数都偏低，原因可能是在乡村振兴战略的指挥下，我国各地区城乡差距逐渐缩小，城乡融合水平得到不同程度的快速提高，使得各地区间差异减小.

表4 2011—2019年中国城乡融合发展水平莫兰指数及其检验结果

2.1.2 局部莫兰指数检验

计算局部莫兰指数，对城乡融合发展的局域集聚特征做进一步分析，图3和图4分别为研究区域2011年和2019年的城乡融合发展指数的莫兰散点图.从两图中可以看出，大部分研究区域位于一、三象限，这表明其城乡融合发展普遍表现为“高—高”集聚和“低—低”集聚，城乡融合发展指数存在着正向的空间自相关性.

图3 2011年城乡融合发展指数的莫兰散点图

图4 2019年城乡融合发展指数的莫兰散点图

2011—2019年，天津、上海、北京、青海和海南等研究区域均表现为“高—高”集聚，主要是因为这些地区能够凭借地理位置优势吸引大量的人才和资金流入.而江西、河南、湖南、湖北、山东、安徽、山西、重庆、陕西、贵州和广西等研究区域均表现为“低—低”集聚，这些地区则主要是受到自身地理条件约束及其周边地区虹吸效应的影响，导致这些地区不能迅速发展，同时，部分地区如河南主要发展农业，虽然地大物博，但地处内陆缺乏区位优势，很多省、直辖市经济基础薄弱，地区经济实力无法在短期内大幅提高，更容易出现人才流失的问题.四川、河北、江苏和云南等研究区域表现为“低—高”集聚，存在负向空间自相关效应.从整体来看，我国城乡融合发展态势较为稳定，同时，沿海地区的城乡融合发展水平要高于其他地区，存在地域差异.

2.2 最优模型选取

2.2.1 模型检验

对公式(1)和公式(2)做LM、LR、Wald和Hausman检验，选择合适的空间计量模型.结果如表5所示，在5%显著性水平下，首先，LM-error和Robust LM-error拒绝原假设，LM-lag检验的统计量拒绝原假设，而Robust LM-lag不拒绝原假设，说明存在空间自相关性[21]；其次，LR检验的统计量和Wald检验的统计量均拒绝原假设，也就是说SDM模型不能退化为SAR模型或SEM模型，故选用SDM模型；最后，Hausman检验的统计量拒绝原假设，选取固定效应模型.

表5 模型选择的检验结果

2.2.2 实证结果及分析

为了进行对比，分别就有无产业结构高级化与数字经济交互项的固定时间的空间杜宾模型、固定地区的空间杜宾模型以及时间和地区双固定的空间杜宾模型进行模型估计与检验，表6为估计结果.

从表6中可知，对于无交互项和有交互项两个模型而言，R2和Log-likelihood的值均显示时间固定效应模型要优于个体固定效应模型和双固定效应模型.在无交互项和有交互项的时间固定效应模型中，产业结构高级化和数字经济发展指数项系数方向和显著性结果基本一致，在5%显著性水平下，控制变量系数方向和显著性结果相同.

表6 2011—2019年城乡融合发展空间面板模型估计结果

2.2.3 效应分解

对空间杜宾模型的总效应进行分解，结果如表7所示，其中直接效应表示解释变量对本地区城乡融合发展的影响，间接效应即空间溢出效应，则表示解释变量对邻近地区的城乡融合发展的影响.

表7 空间杜宾模型直接效应和间接效应分解

由表7可知，在5%水平上，两个模型中产业结构高级化对城乡融合发展影响的直接效应系数显著为正，而间接效应系数显著为负，同样的，数字经济对城乡融合发展影响的直接效应系数显著为正，而间接效应系数显著为负.这意味着产业结构高级化和数字经济发展对本地区的城乡融合起正向的推动作用，而对邻近地区的城乡融合则起到相反作用.其原因可能是，产业结构高级化和数字经济发展都可以提高本地区的经济实力，吸引邻近地区的资源向其聚拢，使得本地区的经济实力能够发挥出最大的辐射带动作用.这种“虹吸效应”的出现，会使得大量的生产要素向表现较为强势的地区靠拢，进而加快强势地区城乡融合发展的速度.当本地区的经济不断发展到一定水平时，本地区经济对邻近地区经济的带动能力就会辐射得更广，从而带动周边地区的经济发展，逐渐形成具有极大发展潜力的城市群.

产业结构高级化和数字经济发展交互项的直接效应系数在5%水平上不显著，说明二者的交互效应对本地区的城乡融合发展作用效果较弱.间接效应系数在5%水平上显著为正，说明产业结构高级化和数字经济发展的交互效应对邻近地区城乡融合发展的促进作用.其原因可能是：产业结构的高级化促进了地区数字经济的增长，二者的协同作用对本地区的经济虽然无明显的带动作用，但能够带动邻近地区的经济发展，提高整体城镇化水平，进而影响到邻近地区的城乡融合发展水平.

控制变量中，在有交互项模型和无交互项模型中，政府干预度对城乡融合发展的直接和间接影响系数在10%水平上显著为正，说明政府干预能够明显的促进本地区的城乡融合速度，且能带动邻近地区的城乡融合发展；在无交互项模型中，对外开放度对城乡融合发展的直接和间接影响系数在10%水平上显著为正，但在有交互项模型中，对外开放度对城乡融合发展的直接效应系数在10%水平上显著为正，间接效应系数在10%水平上不显著，其原因可能是对外开放度受到产业结构高级化和数字经济发展的交互效应的影响，二者的协同效应削弱了对外开放度对邻近地区的城乡融合发展的影响；在无交互项模型中，人力资本对城乡融合发展的直接效应系数在10%水平上显著为正，间接效应系数在10%水平上不显著，说明人力资本对本地区的城乡融合发展有正向推动作用，在有交互项模型中，人力资本对城乡融合发展的直接、间接效应系数都不显著，其原因可能是，产业结构高级化和数字经济的协同效应对城乡融合发展的影响，解释了人力资本对城乡融合发展的影响；在无交互项模型和有交互项模型中，金融发展对城乡融合发展的直接效应系数在10%水平上显著为负，说明金融发展对本地区的城乡融合发展有负向抑制作用，而间接效应系数则不显著，原因可能是金融发展对邻近地区的城乡融合发展的影响较弱，此外，金融发展不受产业结构高级化和数字经济发展的协同效应的影响.

2.2.4 稳健性和内生性检验

将邻接矩阵换成基于距离的空间权重矩阵以检验模型的稳健性.表8中模型1和模型2属于稳健性检验，模型3和模型4为内生性检验.在时间固定效应下，产业结构高级化、数字经济以及二者的交互项的系数方向与上文回归的结果保持一致，说明回归结果具有稳健性.

表8 稳健性和内生性检验

考虑到模型内生性问题，本文采用差分GMM方法.通过检验可知，Sargan检验结果接近于1，也就意味着不存在工具变量的过度识别，另有回归结果的扰动项不存在二阶自相关，说明可以使用差分GMM.结果如模型3和模型4所示，前一期的城乡融合对下一期有显著影响，产业结构高级化和数字经济发展仍对城乡融合有着显著的促进作用.

3 结语

本文基于我国部分省市区2011—2019年的面板数据，构造空间杜宾模型，分析产业结构高级化、数字经济发展与城乡融合发展之间的关系，得出以下结果：我国的城乡融合发展水平整体呈上升趋势，存在显著的空间相关性.产业结构高级化程度和数字经济发展水平对本地区城乡融合发展水平的影响均显著为正，说明了产业融合是城乡融合过程中的重要一环，通过产业结构的升级优化可以为城乡融合发展注入巨大活力，数字经济发展水平对城乡融合发展的促进作用则体现在数字经济的发展加速了农村经济转升级，对农村经济快速发展起显著的促进作用，推动了城乡经济融合.产业结构高级化程度和数字经济发展水平对邻近地区城乡融合发展的空间溢出效应显著为负，原因可能是受到“虹吸效应”的影响，本地区的经济快速增长吸引了邻近地区的要素和资源流入，导致邻近地区的发展速度减缓，进而影响到邻近地区的城乡融合发展进程.产业结构高级化程度和数字经济发展水平的协同效应对邻近地区的空间溢出效应显著，但是二者的协同效应对本地区的城乡融合发展影响效果不明显，也就意味着产业结构高级化和数字经济发展之间的协同效应对本地区的城乡融合发展虽无显著的影响，但是对邻近地区的城乡融合发展有着明显的正向促进作用，这说明“虹吸效应”并未导致“马太效应”，反而对邻近地区有“正向反馈效应”.数字经济的发展衍生出了许多数字产业链，数字经济与实体经济的融合发展也极大的促进了产业结构升级.产业结构高级化和数字经济之间的协同效应促进了城乡产业融合，提升了经济增长动能，推动了城乡融合高质量发展.