中国省域城市化水平影响因素的空间计量分析

第29卷第4期2009年4月经济地理ECONOMICGEOGRAPHYVol.29，No.4Apr.，2009

文章编号：1000-8462（2009）04-0613-05

中国省域城市化水平影响因素的空间计量分析

蒋伟

（湖南大学经济与贸易学院，中国湖南长沙410079）

摘要：运用空间计量方法对2005年中国31个省级单位城市化水平的影响因素进行了实证分析。研究结果一方面证实了中国地区城市化发展存在空间依赖性，即一个地区城市化水平的提高将通过空间溢出促进周边地

区的城市化发展；另一方面，我们发现产业结构的变化，尤其是第三产业的发展是影响地区城市化水平的主要因素。地区经济发展水平的提高和对外开放程度的加深对地区城市化水平提高有积极的作用，而教育水平滞后和城乡收入差距的扩大对推动城市化进程有负面的影响。关键词：城市化水平；空间相关；空间计量中图分类号：F191.1；F224.9文献标识码：A

改革开放以来,伴随着经济的迅速增长和工业化水平的提高，中国城市化进程明显加快。城市化已经成为当代中国正在经历的最重要的结构性变化之一。近年来,大量文献对中国城市化进程的历史、现状、特点和影响因素等进行了理论研究和实证分析，取得了丰硕的成果。然而,现有对中国城市化水平影响因素的研究大多孤立地考察当地经济、社会、历史、地理等自身因素的作用,忽视了地域之间相互作用对城市化水平的影响。空间计量经济学理论认为,一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的(Anselin)[1]。在涉及地理因素的实证研究中忽略空间相关性必然会导致分析结果的偏差，甚至导致错误的结论。就区域城市化发展而言，此类空间效应的存在是显而易见的：一个地区城市化水平的提高不仅源于本地经济对非农业部门就业和产出需求的增加以及本地要素供给状况，而且还取决于区外经济对本地区的需求；地区间的互补或竞争关系导致区间商品流通、要素流动以及“扩散—回波”效应对地区城市化技术扩散产生的发展具有重要影响；由于相近的社会、经济、地理条件，某一地区制定的城市化发展目标往往会参照周边地区的城市化发展水平，促进城市化发展的政策也常常在地理上相邻的地区之间相互借鉴运用。城市化影响因素实证研究中对空间效应的忽略显然会导致研究模型的设定误差，其参数估计与统计推

断的结果自然有待商榷。

空间计量经济学和地理信息系统（GIS）技术的发展使得量化分析区域之间经济活动的相互影响成为可能，空间效应在区域经济分析中的重要性日

益为学界所关注，运用空间计量方法研究区域经济空间问题的文献迅速增加。大多数研究结果表明，的相互依赖和相互作用是经济活动空间分布和变化的显著原因，空间计量经济模型比传统的截面或面板模型更符合经济活动实际，因而对现实具有更强的解释力。

由于省级行政区划经济功能完备，辖区范围稳定，本文选择省级行政单位作为基本空间单元，在已有城市化研究基础上建立包含空间效应的实证模型，利用空间计量经济学方法对我国各省区2005年城市化水平的影响因素进行系统分析，以期弥补既有研究的不足，为正确认识我国城市化发展区间差异的原因，制定区域协调发展政策提供借鉴。

1空间计量经济模型及估计

空间计量经济学模型有多种形式，本文使用空间滞后模型(SpatialLagModel,SLM)与空间误差模型(SpatialErrorModel,SEM)两种。空间滞后模型（SLM）表达式为：

Y=ρWY+Xβ+ε（1）上式中,Y为被解释变量；X为n×k的外生解释变量矩阵；ρ为空间回归系数；W为n×n阶空间

感谢柯善咨教授、王良健教授在本文写作和修改过程中的指导和建议。

收稿时间：2008-04-18；修回时间：2009-01-05基金项目：国家社会科学基金重大项目（编号：07&ZD017）资助。

614经济地理第29卷

邻接权重矩阵，当区域i和区域j有非零长度的公共边界，其空间权重wij为1，否则为0；WY为空间ε为随机误差项。滞后被解释变量；

空间误差模型(SEM)表达式为：Y=Xβ+ε，ε=λWε+μ

（2）式可整理为：

-1

Y=Xβ+（I-λW）μ

化水平之间存在正相关关系。

2.1.3TE是第三产业产值占GDP的比重，衡量第第三产业是吸纳农村劳动力的主三产业发展程度。

要领域。据有关研究，2004年在农村转移的劳动力中，有60%转移到第三产业[6]。随着工业化演进到较高阶段，服务业的比重上升对城市化进程产生了更大的影响，与工业相比，服务业在就业中所占的比例愈益增大。因此，预期这个变量对于城市化水平的发展有正向的影响。

2.1.4IL是文盲半文盲占15岁及以上人口的比重，代表地区教育发展水平。受教育程度的高低是

在其他条件影响农村人口向城市迁移的重要因素。

相同的情况下，人们所受的教育程度越高，就越容

易在城市经济部门获得就业机会和较高收入，放弃传统农村生活方式和价值观念，适应城市生活方式的心理成本也越低。可见，教育发展水平与人口向城市迁移的预期收益正相关，与迁移成本负相关。教育发展水平与城市化率之间应当是正相关关系。2.1.5TR是当年按美元与人民币中间价折算的进出口总额占GDP的比重，表示对外开放程度。对外开放促进了出口导向产业的发展，有利于产业结构的调整、资源的重新配置和地区比较优势的发挥，这将有利于在城市经济部门创造更多的就业机会和提供较高的收入水平，吸引农村人口向城市迁移。对外开放程度与城市化水平之间应当是正相关关系。

2.1.6GA代表城乡收入差距。我们选取城镇居民家庭平均每人全年可支配收入比农村居民家庭平均每人全年纯收入来计量城乡收入差距。城乡收入

从差距与城市化水平之间并不是简单的线性关系。

理论上说，二元经济中实际和期望的城乡收入差距存在是诱使农村人口向城市迁移的基本动因，但是过大的城乡收入差距却恶化了农村居民向城市迁移的现实条件，这是因为：第一，城乡收入差距过大意味着农村居民购买力不足，对城市工业产品需求有限，限制了城市工业生产规模的扩大，抑制了城市的新增工作机会；第二，城乡居民收入差距过大，提高了农民市民化的经济成本以及农村居民向城市转移的经济门槛，降低了农民向城市迁移的可能性。可见城乡收入差距对城市化产生了正反两方面的作用，其中负面的效果可能更为突出，具体效应需由实证分析给出。

显然，城市化水平和其他解释变量之间存在相互作用的关系。例如，经济发展水平的提高会导致

（2）（3）

（3）式中，X和Y的含义与（1）式相同，ε和μ

为随机误差项向量，λ为空间误差自相关系数。由于空间效应的存在，对于上述两种模型如果仍采用普通最小二乘法(OLS)进行估计，会导致系数估计值有偏或者无效。本文中我们根据Anselin[1]的建议，采用极大似然法估计SLM和SEM的参数。

2实证结果与分析

2.1模型建立与数据说明

已有的城市化理论模型和实证分析为研究中国城市化问题奠定了基础。城市化不是一个简单的人口再分布过程，其起因和结果都与区域社会经济

[2]

）。在借鉴已有的城市发展状况密切相关（Blum等

化模型基础上，从指标选取的代表性、可获取性等

原则出发，本文构建了关于城市化水平决定因素的计量模型：

Ui=α0+α1PGi+α2SEi+α3TEi+α4ILi+α5TRi+α6GAi+ε（4）（4）式中下标i代表第i个省域，我们的样本包括了内地的31个省、自治区和直辖市。因变量Ui表示2005年各省区的城市化水平，遵循一般的做法，本文采用人口城市化率，即各省2005年城镇人口占总人口比例来衡量，数据来源于《中国统计年鉴2006》。α0是常数项，表示随机误差项。αi系数（i=1，2……6）为待估参数。其余为城市化水平的解释变量，含义如下：

2.1.1PG是各省的人均GDP（千元），表示经济发展水平。经济发展水平在很大程度上导致了城市化需求的产生，是决定一个地区人口城市化进程和水平的关键因素。许多研究表明，城市化水平与经济发展水平高度相关。我们预期各省人均GDP与城市化水平之间存在正相关关系。

2.1.2SE是第二产业产值占GDP的比重，代表工

[3-5]

业化程度。工业化与城市化关系密切，近代城市化进程即起源于工业革命。工业化导致产业结构和就业结构的变化是城市化发展的根本动力和必要条件。我们预期第二产业产值占GDP的比重与城市

第4期蒋伟：中国省域城市化水平影响因素的空间计量分析615

更多的城市建设投资，促使城市规模扩大和生活质量提高，进而吸引更多的迁入人口，促进城市化水

平提高；而伴随城市人口的增加和城市化水平的提高，城市经济的“集聚效应”和“扩散效应”进一步增强，反过来又促进了地区经济发展水平的提高。我们在回归分析中往往很难区分这种因果关系，为了在模型中避免内生性问题造成自变量与因变量之

“滞后”间因果关系的混淆，并考虑到现实经济中的

效应，我们对自变量进行滞后处理。由于基础设施建设、生产投资以及信息传递的周期一般为1—3年，本文实证分析中因变量取2005年的值，而自变量则分别取2002—2004年的值进行估计，以确定最优的滞后期数。估计结果发现2003年的数据对2005年城市化水平有最大的解释力，因此我们确定滞后二期为最优滞后水平。分析中自变量原始数据均来源于《中国统计年鉴（2004）》。2.2空间计量经济估计与分析

为了比较不同模型的结果，我们利用GeoDa软件估计了2005年城市化水平影响因素的OLS、SLM和SEM方程。表1给出了参数估计和空间自相关性检验的结果。Moran’sI指数(误差)检验表明，OLS回归误差的空间依赖性(相关性)非常明显(显著性水平为0.00003)。表中的拉格朗日乘子滞后和误差及其稳健性检验表明，LMLAG未通过10%水平的显著性检验，R-LMLAG只通过了5％水平的显著性检验；而LMERR和R-LMERR均通过1%水平的显著性检验。Anselin(2004)[7]提出了如下判别准则：如果在空间依赖性的检验中发现，LMLAG较之LMERR在统计上更加显著，且R-LMLAG显著而R-LMERR不显著，则可以断定适合的模型是空间

Tab.1

OLS

回归系数

滞后模型；相反，如果LMERR比LMLAG在统计上更加显著，且R-LMERR显著而R-LMLAG不显

著，则可以断定空间误差模型是恰当的模型。根据此判别准则，SEM模型最合适。比较对数似然函数值LogL、AIC值可以发现，SEM的LogL值(－82.5210)最大，而AIC值则明显要小，由此可见，基于OLS法的经典线性回归模型由于遗漏了空间效应因而模型设定不够恰当。SEM明显优于SLM，空间误差系数λ通过了1％水平下的显著性检验，而SLM的空间回归系数σ没有通过10％水平下的显著性检验，因此各省区城市化的空间效应更多体现在空间误差项而非空间滞后项上。

下面考察具体的方程估计。OLS估计的31个省域城市化决定因素模型的拟合优度较好，达到0.9225（F值为47.6088，模型整体上通过了1%水平的显著性检验）（表1）。人均GDP、第二产业占GDP比重、第三产业占GDP比重、贸易依存度的回归系数符号均为正，而文盲半文盲占15岁及以上人口的比重对于城市化水平的发展有负的影响，这与我们的预期一致。城乡收入差距的估计系数符号为负，意味着城乡收入差距扩大对于城市化发展总体上起负面作用。但是第二产业占GDP比重、贸易依存度和城乡收入差距的估计系数未通过10%的显著性检验。Moran’sI指数检验已经证明了31个省域的城市化水平之间具有明显的空间自相关性，因此忽视空间自相关性直接采用OLS法建立模型进行估计分析存在一定偏误，其结果并不可靠。SEM中空间误差自相关系数的估计系数为0.9330且在统计上高度显著，说明地区间城市化的空间效应明显，一个地区的城市化发展与周边地区

表1城市化水平影响因素的OLS、SLM和SEM估计结果

Estimatedresultsoffactorsaffectingurbanizationlevel:OLS,SLMandSEM

SLM

SEM

P值0.83890.00080.08240.00060.01330.13900.04420.4376

回归系数

SEM(1)

P值0.55690.00000.00090.00000.00740.00080.17570.0000

回归系数

SEM(2)

P值

回归系数

P值0.72460.00850.17660.00670.03230.16200.1158

回归系数P值0.08420.01440.00180.00020.04760.87860.04760.2629

C5.9693PG0.7183SE0.2422TE0.8645IL-0.3147TR0.0511GA-3.7125ρ/λ

0.9225R2

LogL-88.5847AIC201.207Moran’sI(error)LMLAGR-LMLAG

3.09060.72890.33220.9429-0.30570.0459-4.0747-0.07840.924-88.3005204.073

统计值

-6.08630.72170.44131.0125-0.24070.0774-2.23930.93300.9619-82.521189.08

4.41021.16160.41870.2426-0.8307-0.0431-8.73790.39700.9976-13.7873MI/DF

0.00000.00000.00000.00140.00000.00200.00000.0000

-3.29021.05540.65261.2358-0.34420.0286-3.75870.07000.8204-44.9034

MI/DF0.353481

11

P值0.000030.461480.04415

LM(SARMA)LMERRR-LMERR

统计值P值0.002110.004030.0006

4.17040.54234.050921112.32138.270411.779

616经济地理第29卷

的社会经济发展状况密切相关，周边地区社会经济发展对提高本地区的城市化水平有正面的影响。SEM中各变量估计系数的符号与我们的理论预期以及OLS估计的结果保持一致，除城乡收入差距外其他系数的显著性程度明显提高,第二产业占GDP的比重、贸易依存度均通过1%水平的显著性检验。从系数估计值来看，经济发展水平和贸易开放程度提高对城市化发展的推动作用有限，在其他因素不

城市化水变的情况下，人均GDP每提高1000元，

平相应提高0.15个百分点；贸易依存度每提高1个百分点，城市化水平相应提高0.077个百分点。工业化和第三产业的发展是推动城市化进程的主要力量，其中第三产业发展相比工业化程度提高对城市化的推动作用更为明显，第二产业产值占GDP比

城市化水平相应提高0.4413重每提高1个百分点，

个百分点；第三产业产值占GDP的比重每提高1个百分点，可以带来城市化水平提高1.0125个百分

点。Chenery和Syrquin[4]所揭示的城市化发展一般趋势表明,在人均GNP超过500美元(1964年价格)之后,城市化进程的主导力量逐步由工业转变为整个非农产业。与工业相比,我国第三产业发展起步晚，水平低，现阶段仍然以劳动密集型的服务业为主，单位产值所容纳的劳动力人数要大于资本密集型的加工制造业，服务业发展对非农产业的就业增长具有更强的带动效应,因此第三产业产出增长比第二产业更直接地作用于城市化进程。因此伴随着工业和经济发展水平的提高，第三产业发展已经成为推动中国城市化发展的主要动力。

文盲半文盲占15岁及以上人口的比重与城市化水平之间呈现出显著的负相关关系，其系数估计值为－0.2407，这意味着文盲半文盲占15岁及以上人口的比重越高的地区其城市化水平就越低。尽管城乡收入差距的变化对城市化水平的影响从统计上看并不显著，但是其系数估计的绝对值较大，如

会使得城市化果城乡收入差距从2倍扩大到3倍，

水平降低2.2393个百分点，因此其对城市化发展潜

在的负面影响不容忽视。

为进一步考察不同地区城市化影响因素的具体效应，我们将31个省份划分为东部（11个省市）和中西部（20个省市）两个子样本，采用SEM方程进行回归，结果分列于表1中的SEM(1)和SEM(2)项下。空间误差自相关系数在东部地区显著为正，在中西部地区并不显著，这从侧面反映了东部地区相对中西部地区具有更高的市场化一体化程度和

更密切的区间联系，城市化的区际联动更为显著。人均GDP的估计系数在两个地区都显著为正，但是东部地区的数值要稍大于中西部地区。第二和第三产业发展对于城市化的拉动作用在产业结构升级还有较大空间的中西部地区表现得更为明显。而高文盲半文盲率和城乡收入差距对于东部地区城市化的负面影响要大于中西部地区。由于东部地区与中西部地区在城市化和对外开放水平方面存在的巨大差距，外贸依存度指标对于城市化的作用在两个地区表现出了明显分异，东部地区表现出轻微的“逆城市化”效应，而中西部地区表现出来的正面影响在统计上并不显著。

3结论及政策建议

本文利用空间计量方法对中国省域城市化水平影响因素进行了实证分析，结果表明空间误差模型更适合表现中国省域城市化水平发展的空间依赖性，空间误差模型的各项统计性质均优于经典计量模型，在一定程度上可以克服经典计量模型设定偏误的问题，表明空间计量模型实证结果和由此引出的政策建议更为可信。

实证分析的结果和引申的政策建议包括：①中国各省的城市化发展相互影响，周边地区社会经济发展对推动本地区城市化进程有积极的影响。各地区制订城市化发展规划应重视跨区域的空间特征，从更宽广的角度来考察区域协调发展问题，积极寻求跨区域合作互助，形成互利共赢的局面。

②经济发展水平的提高和贸易开放程度的扩大有利于提高城市化水平，在影响省域城市化水平的诸多因素中，工业化和第三产业的发展是推动城市化进程的主要力量，其中第三产业的发展与城市化水平的提高关系更为密切。因此，推进城市化进程必须遵循经济规律，以各个地区的经济发展水平，尤其是非农产业的发展为基础，进一步优化产业结构，深化对外开放，促进城市化循序渐进发展。

③教育发展落后和城乡收入差距的扩大对于城市化发展有着不可忽视的负面影响。在实施城市化发展战略过程中要注意解决好相关配套措施和收入分配等深层次问题。加强人力资本投资，尤其是农村基础教育投入，提高劳动力素质，是增加劳动力收入的重要途径。缩小城乡收入差距，提高农村居民购买力水平，扩大对工业产品和服务的消费，对于推动城市化发展具有重要意义。

第4期蒋伟：中国省域城市化水平影响因素的空间计量分析

(3)：745-758.

617

④城市化影响因素的具体作用存在地区差异。

东部地区把加速城市化发展的着力点放在提高人力资本积累和抑制城乡收入差距扩大方面将取得较好效果；而中西部地区则更应当注重通过深化市场改革，加强区际合作，加速工业化进程和第三产业发展来提高自身城市化水平。参考文献：

[1]

ANSELINL.Spatialeconometrics：methodsandmodels[M].KluwerAcademicPublishers，1988.Dordrecht，

[2]BLUMSD，ZHANGL，CHENNN.China’surbanization[J].

InternationalJournalofUrbanandRegionalResearch，2003，27

[3]周一星.城市化与国民生产总值关系的规律性探讨[J].人口与

1982，(1)：28－33.经济，

[4]钱纳里，塞尔昆.发展的格局1950-1970[M].北京：中国财政经

济出版社，1988．

[5]MCCOSKEY，KAOC.Aresidualbasedtestforthenullofcoin-tegrationinpaneldata[J].EconometricReview，1998，(17)：157-166.

问题及对策[J].农业经济[6]课题组.农村劳动力转移就业现状、

问题，2005，(8)：29-34.

[7]ANSELINL，RAYMONDJGMFLORAX，SERGIOJREY.

Advancesinspatialeconometrics:methodology，toolsandappli-cations[M].Berlin：Springer-Verlag1，2004.

THESPATIALECONOMETRICALANALYSISTOINFLUENCING

FACTORSOFCHINESEREGIONALURBANIZATIONLEVEL

JIANGWei

(SchoolofEconomicsandTrade,HunanUniversity，Changsha410079，Hunan，China)

Abstract:Thispaperattemptstoinvestigatewhatfactorscontributedtotheregionalurbanizationlevelsthroughout31provincesofmainlandChinain2005,basedonspatialeconometricalanalyses.Ononehand,weconfirmtheexistenceofspatialdependenceonregionalurbanization,namelytheincreaseofurbanizationlevelinoneprovincewillproducepositiveeffectonitsneighboringprovincesthroughspatialspillovers;ontheotherhand,wefindthatthemaindriving-forcebehindurbanization,besideseconomicdevelopmentandopenness,isindustrialstructuralchange,especiallydevelopmentoftertiaryindustry.Laggededucationandenlargingurban-ruralincomeinequalityhaveanegativeimpactonregionalurbanization.Keywords:urbanizationlevel；spatialdependence；spatialeconometrics

作者简介：蒋伟(1981—)，男，湖南永州人，博士研究生。主要研究方向为区域经济增长。E-mail：[email protected]。

（上接649页）

ANEMPIRICALSTUDYONTHEREGIONALCHARACTERISTICSANDFINANCIALCONSEQUENCESDISPARITYOFASSETSSPECIFICITYOF

AGRICULTURALENTERPRISES

LEIXin-tu

(ZhejiangForestryUniversity，SchoolofEconomicsandManagement，Hangzhou311300，Zhejiang，China)

Abstract:ThepaperempiricallystudiesthefinancialconsequencesofassetsspecificityofagriculturalenterprisesinChinabasedonthesamplesofchina’slistedagriculturalcompaniesin2003-2006.Thestudydiscoversthatthefinancialconsequencesofassetsspecificityofchina’sagriculturalenterprisesdon’texist.Averyimportantcauseoftheresultsisthatthesharpconflictsofincompletefinancialcontactsexistinchina’sAgriculturalenterprises,whichleadtotheinadequatespecialinvestment,sothattheselectedalternativevariablereflectingthestructureofassetcan’tdepicttheassetsspecificity.

Keywords:agriculturalenterprises；assetsspecificity；disparityoffinancialconsequences；regionalcharacteristics

作者简介：雷新途(1972—)，男，浙江温州人，博士，副教授。主要研究方向为财务与会计问题。E-mail：[email protected]。