长江经济带四大城市群集聚情况考察

　　摘要:城市化是农村自然经济向城市社会化大生产转化的过程,是第二、第三产业不断集聚发展的过程。在这一集聚过程中,最重要的是资本和人力资源的集聚,其集聚过程会带来城市技术的进步和生产能力的提高。本文主要对长江经济带四大城市群的集聚能力情况进行了测度和考察。 　　关键词:集聚;城市群;长江经济带 　　中图分类号:K902文献标识码:A文章编号:1672-3309(2010)03-0051-03 　　 　　 长江经济带包括长三角城市群、武汉都市圈、长株潭城市群和成渝城市群,分属我国东、中、西部。本文从全要素生产力和规模效应、资本集聚、人才集聚方面对四大城市群集聚能力进行了实证检验。 　　一、技术进步与产能测度 　　规模效应以及经济效率提高是形成城市集聚的重要动力,因此,可以通过测度规模效应和经济效率提高的程度来测度城市的集聚水平。另外,城市化的一个重要前提是劳动分工和专业化推动生产力的发展,其中一个重要推动因素是技术进步,本节分析可以间接反映技术的集聚程度。同时,规模效应、技术进步会提高城市全要素生产力,其变动也可以反映城市集聚水平。笔者利用数字包络分析方法(DEA)来分析4个城市群的效率情况:用Se反映规模效率、Ef反映经济效率变动、Te反映技术进步效率、Pe反映纯技术效率、Tfp指标反映全要素生产率。 　　(一)整体指标分析 　　本部分使用Colelli(1996)给出的DEAP计量分析软件,依据投入导向的CRS模型,以固定资产投资总额和从业人员数作为投入指标,选取实际人均GDP和职工真实平均工资作为产出指标。选取1996年为基期,除直辖市的其他城市在计算过程中按所在省的指数进行平减。表1为最终输出结果。 　　 从表1中可见,1996―2005年,长江经济带四大城市群各项指标平均值都在下降,与这期间中国经济高速增长不符。1997―1998年,城市各项指标出现异常下降,是亚洲金融危机和1998年洪水造成冲击的结果。因此,去掉1997―1998年数据进行重新计算得到的平均值二①作为分析依据。 　　从均值二中看出,1996―2005年,长江经济带四大城市群全要素生产力平均增长2.9%、规模效率平均增长6.75%、经济效率平均增长6%、纯技术效率增长0.9%。可见,四大城市群集聚效应明显,其中规模效应增长最显著,因此长江经济带城市群还有很强的集聚能力。但四大城市群的纯技术效率增长缓慢,技术进步效率甚至出现负增长,这四大城市群的增长没有提升到以技术进步为支撑的高级增长阶段有关。不过,本文的测度结果与国内众多学者的研究结果一致。 　　(二)单独指标分析 　　下面以数字包络法分别对4个城市群单独分析。 　　 1999年前,四大城市群规模效应波动较大。1999年后,长三角和武汉都市圈经济运行具有规模效应,这表现在1999年后上述两大城市群大多数年份的规模效应值大于1;而成渝和长株潭两大城市群大多数年份经济运行不具有规模效应,其指标值在大多数年份小于1。 　　 从图1中可见,1999年开始,四大城市群全要素生产力出现平稳状态。2000年开始,长三角全要素生产力一直保持在有效率的水平上(指标值大于1);其他城市群全要素生产力指标值一直在效率水平附近波动(指标值围绕1上下波动)。 　　二、资本集聚分析 　　城市发展离不开资本投入,城市能吸引到资本是因为城市集聚所带来的节约。另外,强调资本集聚对中国城市化的作用符合中国国情,目前中国的增长依赖的是高投资而不是技术进步。这一点是国内外学者的一致观点。 　　我国城市发展资本来源于两方面:一是城市自我融资,二是从城市外部调用资源。城市经济发展水平决定了其自我融资能力,城市GDP增长越快,城市自我融资能力越强。城市从外部调用资源就是取得城市周边所辖农村的农业剩余,所辖农村越广阔,其所吸收的农村剩余越多。相对于城市自我融资而言,城市吸收农业剩余融资方式可看作是行政力量对城市发展的影响。本文对四大城市群融资能力进行计量估算。 　　(一)估计方程 　　本部分对蔡�、都阳(2003)提出的经验模型改造后计量分析,表达式如下:UPit = α0 +β1 RRit+β2 STit+ T +εit。UPit为当期非农人口增长率。虽然城市发展可以从多个维度反映,但城市人口增长无疑是城市扩张的最主要指标。RR it为实际人均GDP增长率。城市经济发展水平会对以后的城市增长产生影响,城市经济发展速度的快慢与其自我融资能力的高低相关,因此其系数β1代表城市自我融资能力。STit为城市支持系数,用城市的行政区划人口除以城区非农人口而得,以此反映城市级别影响系数。城市级别越高,其所覆盖的行政范围就越大,调动资源范围也扩大。因此指标STit的系数β2表示外部行政力量对城市发展影响的大小。T为时间趋势变量,εi,为残差项,α0 为常数项。 　　(二)计量结果 　　本文采用四大城市群1996―2005年面板数据,数据来自中经专网地区年鉴。本文计算的实际GDP以1996年为基期,在平减过程中,直辖市按自身指数计算,非直辖市按所在省的指数计算。为了解决经验模型中无法包含所有解释城市扩张决定因素的问题,本文在回归过程中采用地区固定效果模型。为减弱自相关性的影响,本文将解释变量滞后一期。 　　 表2列出了回归的结果。就四大城市群整体而言,城市自我融资能力和外部行政力量对城市发展都有促进作用,但城市自我融资能力(β1=0.2)的作用远远大于行政力量(β2=0.01)的影响。可见,长江经济带城市群整体对资本的集聚作用比较强。分别从4个城市群来看,长三角城市群资本集聚能力最强,超过了长江经济带整体水平(β1=0.25)。长株潭城市圈β1值为负数,这是因为长株潭城市群非农人口增长因素复杂,与实际GDP相关性不大,并不能说明这一区域实际GDP与非农人口负相关。另外,从β2数值看,除长三角城市群指标值为正外,其他城市群这一指标值都为负。结合长江经济带全局的β2值也很低(全局的β2=0.01)来思考,这说明行政力量只有在城市群自身发展能力很强时,才能对城市群的进一步发展起作用,而在城市群发育不完善时,依靠行政力量可能会有损经济效率。即使在城市群发育较好的情况下,行政力量的作用也较小(长三角β2=0.03)。 　　 三、人力资本集聚分析 　　(一)中心城市人力资本均值变化 　　本文引用朱平芳、徐大丰(2007)估计的数据。为了简便,只列出4个城市群中心城市的数据对比。 　　 从表3中可见,上海人均人力资本值一路上升,远远超过其他城市群中心城市,这说明上海人才集聚效应很强。在1998年之前,武汉、长沙、重庆的人均人力资本都有过徘徊;1998年后,3个城市群人力资本开始稳步上升,但重庆的增速最慢。 　　(二)人力资本与产业结构错位幅度 　　错位幅度=GDP的产业结构-劳动力就业结构。对于某个产业,如果错位幅度大于0,则表示该产业劳动力短缺,在业劳动力生产效率高,并处于超负荷劳动状态;如果错位幅度小于0,则表示该产业存在过剩劳动力,劳动生产率低;如果错位幅度等于0,则该产业劳动力实现充分就业。我们可以利用错位幅度来反映某地区人力资本集聚效应的大小。 　　本部分计算错位幅度的方法是:首先,分别计算各个城市产业的错位幅度;然后,以各城市GDP占所在城市群GDP比值为权重,将单个城市的产业错位幅度加权求和,得到城市群产业错位幅度。由于城市中是二、三产业的集聚,因此主要讨论四大城市群二、三产业的错位幅度。图2为最终输出结果。 　　注:由作者根据原始数据处理结果自制,以下均同。 　　 　　从图2中可见,长三角城市群第二产业错位值最大,其第二产业对劳动力集聚作用最强,除去异常年份,其错位幅度均值稳定在5%。武汉都市圈第二产业对劳动力集聚作用紧随其后。成渝和长株潭城市群第二产业错位值均值大多数年份为负值,其第二产业对劳动力集聚作用较小。 　　 从图3中可见,1998年开始,四大城市群第三产业错位值为负值,四大城市群第三产业对劳动力集聚作用很小,这说明四大城市群第三产业发展滞后。2004年开始,四大产业第三产业错位幅度有上升趋势。 　　总体来看,四大城市群第三产业集聚能力微弱。除长三角外,第二产业集聚能力也都不强,这是从将第二产业错位幅度与第一产业错位幅度对比得出的。成渝与长株潭两大城市群从绝对值上就能看出其第二产业集聚能力不强,因此,本文只比较长三角和武汉都市圈两大城市群一、二产业错位幅度。 　　(责任编辑:方涵) 　　■ 　　注释: 　　①平均值二为去掉异常的1997-1998年度的数据后计算得到的均值。 　　 　　参考文献: 　　[1] 靳涛.资本倚重、投资竞争与经济增长――中国转型期经济增长的再思索(1978-2004)[J].统计研究,2006,(09). 　　[2] 蔡�、都阳.转型中的中国城市发展――城市层级结构、融资能力与迁移政策[J].经济研究,2003,(06). 　　[3] 朱平芳、徐大丰.中国城市人力资本的估算[J].经济研究,2007,(09). 　　[4] 李培.中国城市增长的效率与差异[J].数量经济与技术经济研究,2007,(07). 　　[5] Collie.A guide to DEAP version 2.1: a Data Envelopment Analysis (computer) program.1996. 　　[6] Rosenthal, S. S. and Strange, W. C.The Micro-Empirics of Agglomeration Economies[A].In Richard J. Arnott, Daniel P. McMillen (eds.), A Companion to Urban Economics. Oxford:Blackwell Publishing Ltd, 2006.