教育影响城镇化水平的实证研究<br/>——基于中国2005—2020 年省级面板数据

教育影响城镇化水平的实证研究
——基于中国2005—2020 年省级面板数据

2023-10-07万博绅闵维方

华东师范大学学报（教育科学版） 2023年10期

万博绅闵维方

（1.北京大学教育学院，北京 100871；2.北京大学教育经济研究所，北京 100871；3.华东师范大学教育经济实验室，上海 200062）

一、引言

改革开放以来，我国经济实现了四十多年的快速增长。2021 年我国国内生产总值（GDP）达114.4 万亿元人民币，人均GDP 超过1.2 万美元，接近世界银行提出的高收入国家的门槛。然而，与此同时，我国收入差距不断扩大。国家统计局数据显示，我国基尼系数从1981 年的0.288 上升为2020 年的0.468，远远高于0.4 的国际警戒线，也高于发达国家的平均水平。因此，我国把缩小收入差距，实现共同富裕作为重要发展目标之一。鉴于“城乡差距是改革开放以来收入差距扩大的最重要因素”“中国收入差距近一半可以归结为城乡差距”（中金研究院, 2022），推动新农村建设，发展现代化大农业，加快城镇化进程，逐步实现城乡一体化发展，是我国走向共同富裕的必经之路。

尽管我国城镇化发展取得了明显进步（1978—2020 年，城镇常住人口从1.7 亿增长到9 亿，城镇化率从17.92%上升到63.89%），但我国城镇化水平明显落后于工业化进程（陆铭, 2013）。2020 年，我国常住人口城镇化率为63.89%，低于发达国家70%—80%的水平（万广华 & 朱翠萍, 2010）。即便与同等收入水平的国家相比，我国城镇化水平仍旧偏低。当日本和韩国的人均收入水平与我国相当时，其城镇化率已经达到75% （姚洋, 2020）。如果以户籍人口计算，我国城镇化率仅为45.4%，差距更为明显。此外，改革开放以来，我国人口红利逐渐消失、老龄化加速、劳动成本升高，依靠投资和出口的经济增长模式逐渐难以为继（蔡昉, 2010a）。

我国急需转换经济增长动能。已有研究表明，城镇化的集聚效应能够刺激内需，提高要素利用效率，从而促进经济增长。结合我国城镇化水平偏低的事实，有学者认为，人口在城市的进一步集聚将成为未来中国经济持续增长的新引擎（景维民 & 王鑫, 2015; 蔡昉, 2010b）。城镇化可以从三个方面推动经济增长，从而为共同富裕奠定物质基础。一是由于城镇化是人口在空间集聚的过程，生活方式的变革和生活水平的提高将进一步扩大生活性服务需求，拉动经济增长；二是城镇化过程中生产要素的集聚和优化配置能够产生规模经济，降低单位成本，扩大生产性服务需求，进一步拉动经济增长；三是城镇化有利于知识外溢和技术创新，从而推动产业结构升级，为经济发展提供内生性的动力（闵维方,2017; 闵维方, 余继 & 吴嘉琦, 2021）。

怎样才能加快城镇化进程呢？现有研究指出，教育是城镇化最重要的驱动力之一，主要体现在以下两个方面。第一，通过发展教育，提高劳动者的农业生产率，推动更多的农民从土地上解放出来，进入城镇，或者兴办自己的乡镇企业，促进小城镇的发展，实现就地城镇化。第二，教育质量的提升能够促进人的全面素质的提高，以帮助农村转移人口，在真正意义上实现“市民化”。我国城市内部存在着一种“城乡二元结构”，农村转移人口与城镇居民虽然身处同一物理空间，但在社交和精神空间上长期处于分隔状态（贾继娥 & 褚宏启, 2016）。个体人力资本的提高能够为农村转移人口带来更高的收入、更好的健康状况、更强的留居意愿和城市归属感，从而促进城乡居民的融合，推动城镇化水平提高。

在这一背景下，深入研究教育促进城镇化的具体作用机制具有重要的现实意义。从理论上看，已有关于教育与城镇化水平关系的研究大多基于内生经济增长理论，对于教育影响城镇化水平理论机制的讨论稍显不足。从实证上看，已有研究大多使用平均受教育年限作为教育发展水平的代理变量，关注教育投入影响城镇化水平的研究相对较少。平均受教育年限衡量的是教育发展的结果，而教育投入能够更好地体现不同地区发展教育的努力程度，且会对教育质量产生深刻影响。因此，研究教育投入与城镇化水平的关系具有更加强烈的现实指导意义，能够为政策制定者提供切实的参考依据。

鉴于此，本研究基于已有文献，构建了教育影响城镇化水平的理论框架，并在此基础上，使用2005—2020 年中国省级面板数据，实证检验了教育对城镇化的促进作用。

二、文献综述

（一）教育影响城镇化水平的理论研究

关于教育影响城镇化水平的理论研究，已有研究主要从应然和实然两个方面对这一主题进行剖析。应然的角度指的是教育应该为新时代的城镇化建设提供支持。邬志辉和姜超（2014）认为，人的城镇化有着丰富的内涵，而教育是实现人的城镇化的必要途径。在推进城镇化的过程中，不同层次、不同类型的教育可以发挥各自特殊的优势。褚宏启（2015）表示，教育应该服务于新型城镇化建设。政府必须完善教育体系，提升教育质量以促进农村转移人口的全面发展、促进社会融合、民主参与以及经济的发展。秦玉友（2015）认为，城镇化的过程如果丢失了“人的城镇化”的内涵，那么这种城镇化将是“虚假的、不健康的、难以持续的”。人的城镇化需要教育，而教育的发展目标应该包括：丰富农村人口城乡生存的经验，提高面向农村的普通职业教育的质量以及加强进城务工人员的融入教育。实然的角度指的是教育在实际上能够促进人口向城镇转移，提升城镇化水平。学者们主要基于内生经济增长理论，论证了教育驱动城镇化进程的理论机制，强调了人力资本和知识的积累在经济增长中的重要性。当人力资本水平不足以推动科学技术的进步时，城市的发展可能无法带动经济增长（Bertinelli &Black, 2004）。首先，在城市中，受教育程度高的个体拥有更高的消费水平，这促进了城市的生产与就业。其次，这些个体的集聚带来了知识的外溢，促进科学技术的发展，从而推动产业结构升级（张景华,2007）。这两者进一步推动了各种要素在城市集聚，为经济增长提供了长期的动力。最后，农村居民受教育程度的提高使得他们能够更好地使用现代化农业技术，促进区域农业现代化水平的提高，从而将更多的农民从土地中解放出来，这是农村人口向城市迁移的必要前提（于伟, 张鹏 & 姬志恒, 2020）。

（二）教育影响城镇化水平的实证研究

国际研究方面，绝大部分学者将城镇人口和城市规模作为衡量城镇化水平的指标，考察教育对城镇化进程的影响。Gisser （1965）分析了1950 年和1960 年美国人口普查数据，发现农村地区的教育水平每提高10%会伴随着6%—7%的农民离开该地区，进入非农产业。Simon （1998）对1940—1986 年间美国都市区的数据进行分析比较，发现人力资本和美国都市区的增长之间存在着一种积极、巨大以及持久的正相关。Black 和Henderson （1999）利用美国1940—1990 年间的面板数据进行实证检验，发现单个城市的增长速度与当地居民的受教育程度紧密相关。Simon 和Nardinelli （2002）分析了1900—1990 年间美国的城市数据，发现拥有更高人力资本的城市与都市区发展得更为迅速。

国内研究方面，大部分研究同样将城镇人口占比作为城镇化水平的衡量指标。郑勤华和赖德胜（2008）利用1986—2003 年全国各省的数据进行回归，发现高等教育在校生数和教育投资对城市化进程有着显著正向影响。项本武等人（2012）使用中国232 个地级及其以上城市第四、五、六次人口普查的面板数据进行分析，发现接受大专及以上教育人口占总人口的比重每增加1%，城市人口规模增长1.15%；接受高中及以上教育人口占总人口的比重每增加1%，城市人口规模增长0.17%。阚大学和吕连菊（2014）基于1992—2011 年31 个省的省级动态面板数据进行研究，发现职业教育推动了中国城镇化水平的提高。刘铮和孙健（2014）使用2004—2010 年我国261 个地级以上城市非平衡面板数据，发现教育投资对城市化具有显著的正向影响。李修彪和齐春宇（2015）对1990—2010 年我国省级面板数据进行分析，发现人均受教育程度的提高能够推动城镇化进程。付春香（2015）分析了2000—2012 年间各省、自治区、直辖市的数据，发现人力资本投资、城镇就业与城镇化率呈正相关，并且这种相关性随着时间推移在逐渐增强。Choy 和Li （2017）认为高等教育在城镇化发展中扮演着重要角色，基于2002—2011 年省级面板数据的实证研究发现，本科以上学历人口比重的提高对城镇人口的增加有着显著的正向影响。

（三）已有研究评析

教育影响城镇化水平的研究尚存在一些问题。第一，从研究理论上看，已有研究大多基于内生经济增长理论，而这一理论并非基于人口迁移的视角。研究者往往只是将教育影响城镇化水平的原因进行笼统的归纳，没能深入地对这一问题进行剖析，也无法在整体上构建起一个具有现实解释力的理论框架。第二，从研究方法上看，首先，在变量选取上，已有研究大多使用人均受教育年限，或不同级别教育在校生数、毕业生人数作为人力资本存量的代理变量，检验教育对于城镇化水平的影响。考虑到财政政策是政府调控教育的主要手段，研究教育经费投入对城镇化水平的影响无疑具有更加强烈的现实指导意义。在模型设定上，教育经费作为当期的投入，不会立即对城镇化产生影响，因此应该考虑加入教育支出的滞后项。最后，考虑到中国不同省份处于不同的经济发展阶段，拥有不同的技术水平和产业结构，使得教育投入可能会在不同地区产生差异化的影响。因此，在设定模型时，研究者应当考虑教育与城镇化之间的非线性关系。综上，本文拟从研究理论与研究方法两个方面入手，尝试推进这一领域的研究，为政府制定教育与城镇化的相关政策提供扎实的理论参考与实证依据。

三、分析框架与研究设计

（一）推-拉-锚定迁移模型（PPM）

推拉理论（push and pull theory）是研究人口迁移的重要理论，流出地的推力和流入地的拉力共同构成了人口迁移的动力（Dorigo & Tobler, 1983）。在早期的研究中，学者们主要在地区层面应用推拉理论的分析框架。在这一视角下，推拉因素反映的是地区性的整体特征，因此这种分析方式很难有效预测个体的迁移决策。为更好地解释迁移发生的原因，学者们开始对推拉二元模型进行拓展。Lee （1966）认为，流出地的推力与流入地的拉力并不能直接决定个体的迁移行为。流出地与流入地之间存在着阻止人们自由迁移的“障碍性因素”（intervening obstacle），比如迁移的距离和成本。这些障碍性因素对一部分人影响很大，对另一些人则无关紧要。

与Lee 的研究类似，Bruce Moon （1995）在推拉二元模型中加入了锚定因素，形成了推-拉-锚定迁移模型（PPM）。锚定因素（mooring factors）指的是将人们留在居住地，削弱其迁移意愿的各种障碍。这些障碍可能是个人层面的，如一个人的家庭结构和社会网络关系。也可能是社会层面的，如文化认知规范和政治制度。对一群居住在某个特定区域的人而言，区域性的推拉因素是相同的，但是这些人的迁移决策却存在差异，这正是由于锚定因素的影响。锚定因素与一个人生活、心理以及情感的稳定性相关。一旦选择迁移，个体便需要打破这种稳定性。因此，迁移的过程不仅仅受到区域性的推力与拉力的影响，它还取决于个体如何看待各种锚定性的原因。Bruce Moon 认为，推拉因素是由社会结构决定的，超出了个人的控制范围，而锚定因素与个体的认知态度有关。人们可以通过改变自己的想法调整锚定因素的重要程度，由此做出不同的迁移决策。锚定因素拓展了Lee 障碍性因素的概念，包含着个人、社会以及文化层面所有影响迁移决策的调节性因素（Eshetu & Beshir, 2017）。比起推拉二元模型，推-拉-锚定迁移模型具有更强的现实解释力，因此被广泛地应用于人口迁移的研究。

（二）教育影响城镇化水平的作用机制

本研究借鉴Bruce Moon 的推-拉-锚定模型，将教育影响城镇化水平的作用机制分为三个路径：（1）教育在农村地区的推力；（2）教育在城市地区的拉力；（3）教育对于地区间锚定因素的消减作用。

1.教育在农村地区的推力作用

首先，农村人口受教育程度的提高使得他们能够更好地使用现代化的农业技术，促进农业现代化水平的提高，从而将更多的农民从土地上解放出来，这是农村人口向城市迁移的必要前提（于伟等,2020）。其次，受教育程度较低的劳动者即便进入了城市，也可能因为自身能力有限无法满足岗位需要，导致结构性失业（钟兵, 2016）。与之相对比，受到良好教育的农村人口在经济活动中拥有更强的竞争力。他们更容易在城市中找到合适且稳定的工作，获取的报酬更高，并且更有可能从事具有更高社会声望的职业（黄乾, 2009; 高文书, 2009）。最后，受教育程度的提高使得农村居民能够获取更加全面和丰富的信息。他们向往城市生活，并且能够将信息优势转化成为在城市生活、就业的资本。综上，受教育程度较高的农村居民往往具有更加强烈的迁移意愿（李富强 & 王立勇, 2014），农村教育的发展能够推动农村人口向城市转移，从而提高城镇化水平。

2.教育在城市地区的拉力作用

人力资本投资具有很强的正外部性，能够充分发挥城镇的集聚效应。第一，内生增长理论强调了人力资本和知识积累在经济增长中的重要性。人力资本水平的提高可以推动科学技术进步，由此带来经济的增长，而一个地区的经济发展水平是吸引农村人口到城市就业的重要因素（Lucas, 1988）。第二，教育发展能够推动一个地区产业结构升级（张景华, 2007）。第二产业、第三产业的发展给城市带来了更多的就业岗位，从而为农村人口到城市就业创造了必要的条件。第三，人力资本的正外部性还体现在一个人能够从其他人受教育水平的提高中获得收益。在互动与交流的过程中，高技能的劳动者分享自己拥有的知识与技能，提升了其他人的劳动生产率，从而带来了整体收入的提升（Romer, 1990; 梁文泉 & 陆铭, 2015）。此外，居民整体受教育程度的提高能够降低社会犯罪率，提升整个社会的文明程度，从而增加城市的吸引力（Lochner & Moretti, 2004）。最后，教育是家庭实现阶层跃升的重要手段。农村居民希望自己的孩子能够在城市接受更高质量的教育，从而实现代际间的向上流动。因此，城市教育发展水平可能直接影响着流动人口的迁移决策（夏怡然 & 陆铭, 2015）。综上，城市教育的发展能够吸引更多农村人口向城市转移，从而提高城镇化水平。

3.教育对于地区间锚定因素的消减作用

地区间的锚定因素既包括个人层面的心理因素，也包括社会层面的制度因素。个人层面来看，农村人口无法融入城市生活，逐渐贫困化和边缘化，这将对农村人口向城市转移形成阻碍。教育对促进城乡居民融合、消减个人心理障碍的作用主要体现在：首先，教育能够提升农村人口的收入水平，提高其经济地位，有利于其在经济层面的融入（梁波 & 王海英, 2010）；其次，教育能够促进农村人口的社区参与，让迁移人口在工作中有更多的机会接触城市居民，加快融入的速度和程度（李培林 & 田丰,2012）；最后，教育还能够帮助迁移人口更好地理解城市文化，增强对流入地文化理念的接纳和长期居留的意愿，促进城乡居民的社会融合（杨菊华 & 张娇娇, 2016）。在社会层面，户籍制度的存在使得外来人口无法享有与本地居民相同的公共服务，也因此削弱了很多人的迁移意愿。在现有的落户政策下，学历是一个重要的考察标准。学历越高，就越有可能实现户籍身份的转换（赵西亮, 2017）。

本文构建了教育提高城镇化水平的作用机制。如图1 所示，教育通过三条路径促进城镇化水平的提高。首先，教育的发展能够在农村地区产生推力，从而增加非农人口，提升农村人口的迁移意愿。其次，教育的发展对于个体迁移的锚定因素起到了消减的作用，有利于城乡融合，推动转移人口市民化。最后，教育能够提升城市的吸引力，充分发挥城市的集聚效应，从而在城市地区产生迁移的拉力。

图1 教育促进城镇化作用机制的理论框架

四、研究设计

（一）变量选择和数据来源

1.因变量

人口的集聚是城市化发轫的先决条件，也是城市化最核心的特征。国际上往往采用人口指标，即城镇化率来衡量一个国家的城市化水平，反映城市人口在总人口中所占的比重。本研究使用常住人口城镇化率作为各省份城镇化水平的代理变量。数据主要来自《中国统计年鉴》，其统计口径在2005 年前发现过变化，导致年鉴中某些年份前后的城镇化率发生巨大波动。不同省份的具体情况不同，但所有省份在2005 年以后的城镇化率是一致且连贯的，其统计口径为：城市常住人口/总常住人口。

2.核心自变量

教育是实现以人为核心的新型城镇化的关键。教育的测量指标可以分为数量指标及质量指标两类。数量指标衡量的是研究个体接受教育的年限，尤其是接受正规教育的年限。在大部分跨国或是跨区域的宏观经济研究中，研究者常用的指标是劳动人口的平均受教育年限。本研究以此为核心自变量，用于反映一个地区人力资本存量的数量特征。就业人员受教育程度构成数据来自《中国劳动统计年鉴》以及《中国人口与就业统计年鉴》。其具体计算公式为：劳动力平均接受教育年数 = 文盲、半文盲的就业人口比重*1.5 + 接受小学教育的就业人口比重*7.5 + 接受初中教育的人口比重*10.5 + 接受高中教育的人口比重*13.5 + 接受大专及以上的就业人口比重*17。

与数量不同，教育质量很难直接量化，学者们往往使用各种代理指标对其进行测量。从教育投入的角度来看，有学者基于教育生产函数理论，使用教育的投入要素作为教育质量的代理变量。以教育经费投入为例，有学者认为，教育支出能够影响人力资本积累，提升人力资本质量，进而促进经济增长（Glomm & Ravikumar, 1998; Kaganovich & Zilcha, 1999）。本研究使用教育经费投入作为反映一个区域总体教育质量的代理变量。该数据主要来自《中国教育经费统计年鉴》，包含了各省份国家财政性教育经费、公共财政预算教育经费、事业投入、社会捐赠等各类型教育经费投入。考虑到一个地区人口数量越多，教育经费投入也越多，本研究采用教育经费投入/户籍人口数的做法计算人均教育经费投入，使用人均层面的指标进入模型进行回归。户籍人口数的数据主要来自《中国人口和就业统计年鉴》。

3.控制变量

推动城市化的动力主要包括经济增长、技术进步、产业结构升级以及外资带动和外贸激发（李强,2013; 李善同, 2018）。因此，本研究的控制变量为人均地区生产总值，地区专利申请数①，产业结构高级化指数②，外商直接投资占GDP 比重以及进出口总额占GDP 比重。这些数据主要来自各省份统计年鉴及《中国科技统计年鉴》。

如前所述，由于城镇化率的统计口径在2005 年前发生过比较重大的变化，本研究收集了2005—2020 年31 个省份的各经济变量构建面板数据作为本研究的分析对象。人均地区生产总值、人均教育经费投入使用1990 年不变价为基期进行平减，表1 为各变量的描述性统计结果：

表1 各变量的描述性统计结果

（二）模型设定

参考已有研究，本文设定如下模型：

在式（1）中，i代表省份，t代表年份。Urbanization 表示城镇化率，H 代表人力资本存量，使用就业人口平均受教育年限作为代理变量，AveEduinvest 代表人均教育经费投入，作为区域教育质量的代理变量。AveGDP 表示人均地区生产总值，Patent 代表专利申请数，FDIratio 代表FDI 占GDP 比重，Traderatio 代表进出口总额占GDP 比重，Industry 代表产业结构高级化指数。为了避免共线性，消除异方差，并且使变量尽可能地符合正态分布，本文对所有变量取对数之后进入模型。各变量的系数衡量的是自变量的百分比变动导致因变量百分比变动的程度。此外，本研究使用双向固定效应模型进行回归，μi为个体固定效应，νt为时间固定效应。

为了更加全面地刻画教育与城镇化率之间的关系，本文在基础模型中加入了教育与其他控制变量的交互项。该方法能够呈现地区发展处于不同阶段时，教育经费投入对城镇化率的影响差异。本文分别在模型中加入教育经费投入与人均GDP、专利申请数以及产业结构高级化指数的交互项，具体模型如下所示（以教育经费投入与人均GDP 的交互项为例）：

为了更加细致地刻画教育与城镇化的非线性关系，本研究使用面板门限模型，尝试检验两者之间是否存在门槛效应，并定位门槛值。以单一门槛为例，首先假设当地区发展水平位于不同阶段时，教育对于城镇化的促进作用存在差异，即β值存在差异。模型设定如下所示，qit为门槛变量，φ为门槛值，1（·）为示性函数，即如果括号中的表达式为真，则取值为1，否则取值为0，Xit为其他控制变量。

五、实证分析结果

（一）以数量指标为核心自变量的回归结果

表2 汇报了平均受教育年限与城镇化率的回归结果。模型（1）未加入控制变量，模型（2）为加入控制变量后的完整模型，模型（3）与模型（4）分别是平均受教育年限滞后1 期与滞后2 期后的回归结果。

表2 以数量指标为核心自变量的回归结果

模型（1）的回归结果显示，在未加入任何控制变量的情况下，平均受教育年限对城镇化率没有显著影响。模型（2）与模型（3）的结果显示，在加入控制变量以后，当期与滞后1 期的平均受教育年限仍旧对城镇化率没有显著影响。在各控制变量中，人均GDP 和专利申请量能够对城镇化率产生显著的正向影响，而其他控制变量均未对城镇化水平产生显著影响。从模型（4）中我们发现，滞后2 期的平均受教育年限能够对城镇化率产生显著影响。具体而言，在其他条件不变的情况下，滞后2 期的平均受教育年限每提升1%，当期的城镇化率将提升0.185%，这表明教育对于城镇化水平的影响存在滞后效应。其他控制变量的回归结果与模型（2）和模型（3）相似，表明经济增长和技术进步对城镇化的促进作用具有稳健性。

（二）同时考虑数量与质量指标的回归结果

表3 是在表2 模型的基础上，加入人均教育经费投入作为教育质量的代理变量。由于模型中同时包含了教育的数量与质量指标，我们得以比较两者对于城镇化的促进作用。

表3 同时考虑数量与质量指标的回归结果

从各变量的系数来看，首先，人均教育经费投入会对城镇化率造成显著影响。模型（6）的结果显示，在其他条件不变的情况下，人均教育经费投入每增加1%，城镇化率将提高0.093%。滞后1 期与滞后2 期的人均教育经费投入同样是显著的，这在一定程度上说明了教育经费投入对城镇化的促进作用是稳健的。除此之外，人均GDP、专利申请数对城镇化率有着显著的正向影响，而平均受教育年限、FDI 占GDP 比重、进出口总额占GDP 比重对城镇化率没有显著影响。这说明了当我们使用平均受教育年限作为核心自变量时，其对城镇化率的影响可能存在着较大的内生性。该内生性可能来自遗漏变量，如当地经济水平与人力资本存量相关，而经济水平又显著影响城镇化率。此外，当期的人力资本存量本身就是人口流动之后的结果，两者之间可能存在着互为因果的关系。以往研究使用教育的数量指标解释城镇化率存在不妥之处，教育质量的提升能够对城镇化率产生更加明显的促进作用。

（三）教育与城镇化的非线性关系

表4 的模型（9）-（11）为分别加入人均教育经费投入与人均GDP、专利申请量以及产业结构高级化指数交互项的回归结果。我们注意到，在加入交互项之后，各系数的显著性和符号方向没有发生改变，且交互项系数均显著为负。其具体含义为，在其他条件不变的情况下，一个城市的经济增长水平、技术水平以及产业结构高级化指数越低，教育经费投入对于城镇化的促进作用就越大。

表4 教育与城镇化的非线性关系

为了更加细致地刻画这种非线性关系，本文借助门限回归模型，进一步分析了在不同的地区发展水平下，教育经费投入对城镇化的影响。本研究首先使用自助抽样法（Bootstrap）反复抽样500 次，获得临界值和P 值的结果。人均GDP 以及产业结构高级化这两个变量存在显著的门槛效应，而专利申请量的门槛效应不显著。此外，人均GDP 为双门槛显著，产业结构高级化为单门槛显著（表5）。

表5 门槛效应检验

表6 展示了面板门限回归的具体结果，模型（12）展示了把人均GDP 作为门槛变量时，人均教育经费投入的回归系数。在其他条件不变的情况下，当人均GDP 的对数值小于10.808 时，人均教育经费投入每增加1%，城镇化率提高0.1%。当人均GDP 的对数值位于10.808 至11.231 的区间时，人均教育经费投入每增加1%，城镇化率提高0.091%。当人均GDP 的对数值大于11.231 时，人均教育经费投入每增加1%，城镇化率提高0.079%。模型（13）以产业结构高级化指数作为门槛变量，当该指数的对数值小于等于0.543 时，人均教育经费投入每增加1%，城镇化率提高0.055%；当大于0.543 时，城镇化率提高0.044%。总体上来看，门槛回归的结果与交互项回归的结果类似，在经济水平和产业结构较为落后的地区，教育经费投入对于城镇化的促进作用反而越大。

表6 门槛模型回归结果

六、结论与讨论

（一）结论

本研究基于2005—2020 年中国省级面板数据，综合考量教育的数量与质量维度，实证检验了教育对于城镇化的影响。根据分析结果，本文主要得出以下三个结论：

1.人力资本存量固然重要，但教育的质量才是提升城镇化水平的关键。教育对于城镇化具有显著的促进作用，且这一影响存在着滞后效应。在单独考虑教育的数量内涵时，滞后三期的平均受教育年限能够对城镇化率产生显著的正向作用。当我们同时纳入教育的数量与质量指标进行回归，平均受教育年限对城镇化率不再产生显著影响。与之相对比，教育经费投入能够显著提高城镇化水平。人力资本存量固然重要，但教育的质量才是提升城镇化水平的关键。

2.经济增长与技术进步能够显著推动城镇化进程。需要注意的是，尽管研究结果显示，外商投资额占GDP 比重、进出口总额占GDP 比重以及产业结构高级化指数均未对城镇化水平产生显著影响，但这并不意味着这些变量与城镇化没有任何关联。经济增长和技术进步与其他控制变量之间存在着相关性，也因此稀释了其他变量对于城镇化率的影响。在控制了这些变量后，教育仍旧对城镇化水平产生显著影响，说明教育作为人力资本投资的主要形式，可以成为提高城镇化水平的核心驱动力。

3.地区发展水平能够调节教育对于城镇化的促进作用。具体来说，一个地区总体的发展水平越低，教育投入对于城镇化率的促进作用就越大。这可能是由于教育资源的投入存在边际效益递减的现象。发达地区已经拥有了比较丰富的教育资源，其城市化水平、经济发展水平也相对较高，因此将教育资源投入在这些地区所获得的边际收益要远比落后地区来得小。在这种情况下，落后地区在教育发展方面的投入越大，其收益也越大，由此可以缩小城镇化水平在地区间的差异。