中国城镇化水平与经济增长关系的实证研究

李 妍，薛 俭

(1.中国矿业大学 管理学院，江苏 徐州 221116；2.复旦大学管理学院，上海 200433)

1 问题的提出

中国城镇化在全球城镇化浪潮中备受注目，大规模的流动人口经由中国沿海的制造业加入全球产业链和全球贸易，对全球经济格局产的生影响不容忽视。经济增长引起结构效率、规模效率和城镇化水平的提高，城镇化反过来对经济增长也有显著的促进作用。城镇化是中国推动经济增长、实现经济转型的一个主线索，但是城镇化与经济增长相互影响程度究竟有多大？这个问题是目前讨论的焦点，关系到中国城镇化的未来发展。然而二者的关系不仅仅在于政府如何规划、如何推动，更与市场力量紧密联系。本文在借鉴已有研究成果基础上，选取了城镇化水平和人均国内生产总值两个变量，利用Eveiws软件中Granger因果关系检验、脉冲响应函数分析、方差预测分析对城镇化进程与经济增长之间的关系进行实证分析。

2 城镇化进程与经济增长的实证分析

2.1 数据选取及处理

（1）样本区间

我国的城镇化过程大致分为改革前和改革后两个阶段。我国改革开放前1949～1978年期间，中国城镇化水平呈现出反复、曲折的特征，并且为了追求均衡，城镇化布局出现不断西移的现象。虽然总体水平上升，但是城镇人口的自然增长是主要的人口增长方式。而且这一阶段的城镇化进程基本上总是与政府意向及政治运动联系。1978年后，城镇化过程出现平缓上升态势，尤其是1996年以后，进入高速发展阶段，城镇化受到了市场机制与政府政策力量双重驱动，市场机制影响力明显增强。因此，本文选取1978～2012年间城镇化水平和经济增长的数据作为下面计量模型分析的样本。

（2）城镇化率

城镇化水平是国际上衡量一个国家或地区城镇化程度的重要指标。目前，城镇化的测算方法主要有三大类：主要指标法、综合指标法和其他指标法。常见的测算方法有人口比重法、城镇土地利用比重法、农村城镇化指标体系和现代城镇化指标体系等。鉴于已有的研究成果，考虑到全国及各省数据的统计口径一致性，本文采用城镇化率测算最普遍的方法：人口比重法，即用居住在城镇的人口占总人口的比例来表示,记为UR。

（3）人均GDP

反映经济增长的指标有国内生产总值GDP、人均GDP、人均收入等，现有研究成果中大部分采用GDP总量作为衡量全国或地区增长的指标，但是人均GDP剔除了人口因素的影响，相比GDP总量而言，人均GDP更为准确地反映经济增长水平。因此，本文选取人均GDP作为衡量经济增长的指标变量，记为AG。

由于时间序列数据中可能存在异方差现象，下面在计量分析过程中，分别对以上UR和AG两个指标进行对数转变，记为lnUR和lnAG。

2.2 单位根检验

用ADF检验方法来检验lnUR、lnAG两变量的平稳性，避免伪回归的现象。由表1可知，在1%、5%和10%的显著水平上，lnUR和lnAG的ADF统计值都大于临界值，表明两序列是非平稳的。然而，两变量一阶差分dlnUR和dlnAG，在1%、5%和10%的显著水平上，其ADF统计值均小于临界值，是平稳的序列。因此，lnUR和lnAG都是1阶单整。

表1 ADF单位根检验

2.3 变量自回归滞后阶数的判断

仅凭借自相关、偏自相关函数值难以判断自回归的阶数，对于变量lnUR和lnAG的滞后阶数的确定，下面借助AIC与SIC信息准则，将3阶以内的ARMA(p,q)模型经过反复试算，其AIC与SIC的结果如表2、表3所示。

表2 变量lnAG自回归滞后阶数判断

表3 变量lnUR自回归滞后阶数判断

由表2和表3可知，我们选取ARMA（1,1）模型较为合适地描述了两个变量的序列特征。虽然此时AIC和SIC值不是最小，但是依据大多数金融数据反复验证都能被GARCH（1，1）拟合，因此，我们在这里选择滞后阶数为（1,1）。对于lnAG，系数 α1+ β1=0.425098-0.493446小于1,说明满足参数约束条件,模型具有可预测性，同时模型AIC=-2.721461和SC=-2.494718值都比较小,可以认为该模型较好地拟合了数据；同理，对于lnUR，GARCH（1，1）该模型也较好地拟合了数据。

2.4 VAR模型估计

城镇化率与人均GDP的关系可以用VAR模型来测量，即向量自回归模型。该模型对于相关时间序列系统的预测和随机扰动对变量系统的动态测量效果较好。VAR模型的特点在于：它不以严格的经济学理论为依据，确定好变量的滞后期，把关系变量引入到模型中即可反映出变量间的相互关系；VAR模型能预测长期变动趋势，尤其是在样本外近期预测准确性方面效果显著。由于VAR模型要求每个变量必须是平稳的，并且已验证lnUR和lnAG的一阶差分是平稳的，因此，建立VAR模型中要引入dlnUR和dlnAG。

根据上述AIC与SIC信息准则，最优滞后期为2，利用EVEIWS软件中的最小二乘法估计该模型，得到以下方程式：

方程式估计的系数的T统计量值均是显著的，并且拟合优度分别是0.772002和0.438891，整体拟合度较好。可见，dlnUR受其自身滞后一阶和dlnAG变量滞后一阶影响较大，受两变量滞后二阶影响较弱；dlnAG受dlnUR变量滞后一阶影响最大，同时受dlnUR滞后二阶、dlnAG滞后二阶也有较大关系。

2.5 Granger因果关系检验

从前面估计的模型中，可以看到dlnUR和dlnAG在回归关系中显示出显著相关，但是两者是否具有因果关系并不能解释，在回归方程中解释变量是被解释变量的原因这是先验设定的。然而格兰杰因果检验方法能够证明变量之间的依赖性，解释原因变量的变化是否会引起结果变量的变化。

表4 Granger因果关系检验结果

表4的检验结果表明：城镇化是经济发展的格兰杰原因，经济发展也是城镇化的格兰杰原因。说明两者在一定程度上有着相互促进的作用的。

对于城镇化对经济增长的作用可以用外溢效应来解释，在有关经济增长理论提到，规模经济、知识外溢、集聚经济是经济增长的源泉。城市拥有较完善的生产、金融、信息、技术服务、基础设施等，这些优良条件在人口集中过程中形成外溢效应。首先，城镇化水平的提高使得农民转为城镇居民，剩余的农民拥有的生产要素增加，这会显著提高我国的劳动生产率，从而带动我国的潜在经济增长速度；其次，农民进城后，城镇居民的增加会带来基础设施建设资金的投入，促使城镇化过程中产生的巨大需求，有助于形成供给与需求良性互动增长；再次，城市信息产业和服务业的发展，劳动力的非农化程度提高，有助于产业结构的调整和升级，从而间接拉动了经济增长；还有，城镇人口相比农村人口素质高、消费水平高，带动消费需求增加。可见，在城镇化过程中，农村剩余劳动力和农业潜在失业者不断向城市转移，使得农业和工业的生产产值得到提高，整个国民经济收入也呈现出相当的增长趋势。

经济增长会引起城市的聚集和城镇化水平的提高，是城镇化发展的根本动力。伴随着经济增长，经济结构也会发生调整，一是，农业向工业和服务业转变，二是农村人口向城镇人口的迁移。人口和企业逐渐向城市聚集，使得交通更加便利、运输成本降低，另外，经济增长促使需求变化，产业结构变化，企业聚集，城市规模扩大和人口数量增加，大量的劳动力从农村转移到城市中就业，从农业转向工业和服务业，进而城镇化水平提高。但是，我们也要看到，经济增长拉动城镇化发展的效果不如城镇化对经济增长的促进作用显著，这主要是我国现阶段城镇化进程与经济发展不是很协调，城镇化水平滞后于经济发展，存在一些制约的因素，比如，基础设施建设资金不足、土地政策、户籍制度、社保制度等不完善、相关体系不健全等等多方面影响。

2.6 脉冲响应函数分析

脉冲响应函数分析方法可以用来描述一个内生变量对由误差项所带来的冲击反映，即在随机误差项上施加一个标准差大小的冲击后，对内生变量的当期值和将来值产生的影响程度。通过在EVIEWS软件检验VAR模型中方程特征根的倒数都小于1，即都在单位圆内，则VAR模型是稳定的，能做脉冲响应分析。选择VAR对象工具栏中的“View”/“Impulse Response”得到如图1～4所示，图中的实线为响应函数的预测值，虚线则为响应函数值加减两倍标准差的置信带。

首先，我们来观察人均GDP和城镇化水平分别对其自身的一个标准差的响应情况。如图1所示，人均GDP对自身的影响整体呈现较强的正向响应，前四年波动较为明显，但是在第四年后逐渐趋于稳定、强度较弱的响应，尤其是在第八年开始，强度基本趋于零。这说明当前期的人均GDP与其本身滞后值有一定程度上的关联，但是关联度逐渐弱化，最终趋于稳定。图4所示，城镇化水平对自身的影响基本上也呈现出较强的正向响应，前两年波动较大，但在第三年逐渐恢复，直到第四年开始趋于良好的稳定状态。第八年开始强度逐渐趋于零。表明当前期的城镇化水平与本身滞后值有一定程度的关联，特别是的前几期表现的尤为强烈，随后关联强度逐渐弱化并趋于零。

其次，观察人均GDP和城镇化水平两者互相响应情况。如图2所示，人均GDP对城镇化水平扰动响应，在前四年处于波动幅度较大的阶段，甚至在第三年出现了最强的负响应，直到第五年恢复并趋于零响应，这显示出我国人均GDP对城镇化水平在长期内呈现出密切的相关性。短期，人均GDP对城镇化的正向响应不明显，有几期还出现了负响应，但是，长期来看，人均GDP对城镇化的发展还是有一定的作用的。这种现象主要是因为我国城镇化还存在如下问题：全国各地区城镇化水平分布不均衡，部分地区城镇化水平滞后于工业化，产业结构升级较慢，制约着整个国家经济增长质量和效益的提高；城镇体系结构不合理，有的地区城镇规模小，实力弱，区域经济活动的核心效应、集聚效应、集约经济等优势发挥不充分；城镇综合职能不健全，基础实施建设步伐落后，出现供水供气不足、排水不畅、交通拥挤、环境破坏严重等问题仍需完善。再如图3所示，城镇化水平对人均GDP的响应情况。前五年处于一个微调的阶段，波动幅度较大，先是出现了城镇化水平对人均GDP增长的正向响应，期初开始出现负向响应，并在第三年达到最大负向响应，随后开始恢复，负向响应逐渐减弱，并在第五年趋于稳定。可见，城镇化水平与人均GDP之间存在着很大的关联性。

图1 人均GDP对自身新息的响应路径

图2 人均GDP对城镇化水平的响应路径

图3 城镇化水平对人均GDP新息的响应路径

图4 城镇化水平对自身新息的响应路径

2.7 方差分解

脉冲响应函数分析说明的是模型中一个内生变量的冲击给其他内生变量所带来的影响，但不能描述每个结构冲击对内生变量变化的程度。而方差分解的基本思想是把系统中全部内生变量的波动按其成因分解为与各个方程新息相关联的组成部分，从而得到新息对模型内生变量的相对重要程度。下面对VAR(2)模型进行预测方差分解，SE为D(LNAG)和D(LNUR)的各期越策标准误差，D(LNAG)和D(LNUR)列中的数据分别代表D(LNAG)和D(LNUR)列为因变量的方程新息对各期预测误差的贡献度。

通过人均GDP和城镇化水平的方差分解表可知，人均GDP的波动在第一期只受自身波动的影响，在第二期城镇化水平对人均GDP的冲击开始显现出来，冲击效果非常微弱，仅仅0.62%左右，随后逐渐增强并在第五期冲击的影响趋于稳定在4.6%左右。而对于城镇化水平，在第一期就开始受到自身波动和人均GDP冲击影响，人均GDP对城镇化水平的冲击在前两期影响较微弱，但在第三期影响明显增强，随后，在第四期开始整体稳定在15.4%左右，尤其是在第五期开始稳定性较为明显。通过以上人均GDP和城镇化水平的方差分解分析，可以得到样本范围外的因果关系，而且看到一个结构冲击给内生变量带来的影响程度，较为清晰地分析出人均GDP和城镇化水平两变量受各自影响与相互冲击效果，并且得到的结果与脉冲响应函数分析的情况基本保持一致性。

3 结论

通过Granger因果检验、脉冲响应函数分析以及方差分解分析城镇化水平与经济增长的关系进行了实证分析，可以看到：

（1）城镇化水平与经济增长保持着高度的相关性，并且城镇化拉动经济增长的效应较强。这种关联性主要是在全球化浪潮、市场化改革和货币化过程三方面共同驱动了中国城镇化进程，从而带动了经济的快速增长。具体地说，城镇化过程中，大量农村人口涌入城镇，要求更多的城市基础设施建设；户籍制度的松动使得劳动力从农业向工商业流动，结构效率、规模效应和分工效率三方面的提高，使得生产效率大大提升；中国制造业、出口贸易市场空间得到拓展，中国的工业化、城镇化和经济增长出现了协同效应。

（2）城镇化水平与经济增长两者相互冲击作用表现如下：在前几期都存在微调阶段，波动幅度大，这主要是因为我国城镇化过程中存在一些问题产生负效应。一是，户籍制度还存在一些问题。由于外来流动人口没有城市户口，则无法享受与户籍挂钩的城市基本公共服务，如基本社会保险、最低生活保障、子女义务教育、保障性住房等，这就迫使流动人口需要增加储蓄部分作为个人生活的保障手段，从而居民的储蓄率上升，消费率出现下降。二是，我国在城镇化过程中，大量农村人口流入城市，生产和就业结构发生变化，全要素生产力会出现弱化，中国的全要素生产率在2009年时达到了最快的年均增长速度，随后便出现明显下滑现象。三是，土地城镇化速度快于人口城镇化速度。中国土地倾向于工业、忽视了城市居住、交通、绿地占地。土地使用结构扭曲使得资源配置不合理、公共福利水平低下，经济发展出现低效率和高耗能趋势。四是，规模效益和分工效率不足。中国城镇化过程中很大程度上表现为城市数量增加，而非人口密度增加，创新和规模经济效应在一定程度上受到阻碍。再加上城市规模小且具有分散特征，诸如银行、咨询等专业化程度较高的创意产业、软件开发和商业服务业未得到充分发展，潜在经济增长的拉动作用受到制约。

[1]McCoskey S,Kao C.A Residual-Based Test of the Null of Cointegration in Panel Data[J].Econometric Reviews,1998,(17).

[2]Henderson J V.The Effects of Urban Concentration on Economic Growth[J].NBER Working Paper,2000,(7503).

[3]夏永样，余其刚.世界城市化进程的一般规律和中国实践[M].厦门：厦门大学出版社,2002.

[4]成德宁.城市化与经济发展一理论、模式与政策[M].北京：科学出版社,2004.

[5]黄宇慧.我国城市化水平与经济发展关系的计量分析[J].财经问题研究,2006,(3).

[6]张宪平，刘靖宇.城镇化发展与县域经济增长关系的实证分析[J].生产力研究，2008,(2).

[7]巴曙松，杨现领.城镇化大转型的金融视角[M].厦门：厦门大学出版社,2013.