侯成龙
根据国家统计总局的测算,2012 年贵州省GDP 总量为6802.2 万亿,位列全国各省区市第26位,而其增长率却达到了19.3%,位居全国第一[1]。这得益于贵州省工业化进程明显加快。
再从城镇化角度来看, 贵州省的城镇化率出现过大起大落,这和全国整体步调相对不一致。 贵州省的城镇化率实际上有较长一段时间都低于全国平均水平[2](详见图1)。
图1 贵州省城镇人口比重与全国数据对比图
一方面, 贵州省的经济增长速度不断加快;另一方面,贵州省的城镇化速度却始终落后于全国的平均水平。工业化与城镇化背离的现象应引起我们的高度关注。因此,笔者设定了一个模型,以此对贵州城镇化和工业化之间的关系进行测度。
要对贵州省的工业化和城市化关系进行探究,我们首先必须从理论上厘清工业化与城市化之间的互动关系。 美国经济学家刘易斯在二元经济结构理论中指出,若将一国经济分为工业和农业两大部门,不同的劳动收益率会使大量劳动力从农业部门流向工业部门,工业化带动了城市化,同时,大量劳动力流入城市又会促进工业化过程的完成。 这一理论分析了经济发展的内涵,也阐释了工业化与城市化的相互关系[3]。
从世界经济发展角度看,城市化与工业化的关系可以概括为以下三种:一是城市化与工业化进程基本一致,经济协调发展;二是工业化超前于城市化,即城市化水平较低,比如中国的户籍制度会抑制城市化发展,阻碍劳动力流动,使之落后于工业化发展水平;三是工业化滞后于城市化,即城市化水平超过工业化水平,过量的劳动力从农村涌向城市,在工业发展水平不到位的情况下,过度城市化只会增加城市负担[4]。
本文的研究目标是探究贵州省城市化与工业化的关系。 考虑到两者的互动关系,文章在构建模型时,将分为两个阶段:第一阶段,建立模型以城市化指标作为被解释变量,将工业化程度作为解释变量,进行一次回归,初步研究城市化被工业化影响的程度;而后加入控制变量以增加模型的解释能力[5]。用公式简单表示为:Urban=f(·)。第二阶段则反过来以工业化作为被解释变量, 得出城市化对工业化的影响程度。 然后对比两个阶段的回归分析结果,得:Ind=f(·)。
在选择变量上,我们选取城镇人口比重作为城市化指标,它可以代表一个地区劳动力向城市聚集的程度,大部分的文献对于该指标的选择争论不大;将非农产业产值比重作为工业化指标,计算方法为第二产业与第三产业总产值比重的和,对于该工业化指标的选择,相关文献有较大差异,总结起来有四类:工业产值(增加值)比重、非农产业比重、工业就业比重、非农产业就业比重。 笔者选择非农产业产值比重,原因是考虑到第三产业在城市化进程中发挥着越来越重要的作用。控制变量有体现宏观经济发展状况的人均GDP、体现劳动者劳动收入水平的劳动者报酬、体现生产者生产经营情况的生产税净额、营业盈余。其中劳动者报酬、生产税净额和营业盈余是工业增加值的组成部分。选择这些变量的原因主要是在控制住主要经济、社会变量之后讨论城市化与工业化的关系。
变量的描述性统计如表1 所示, 我们可以发现:贵州省城镇人口比重最小值为23.87%,最大值为69.44%,差距很大。 查看原始数据(详见表2),我们可以看到贵州省城市化率并不是逐年递增的, 而是在1995-1999 年持续出现了60%以上的城市人口比重,2000 年城市化率骤降至23.87%,此后又呈现逐年增加的趋势, 至2011 年城市化率为34.96%。
表1 各变量描述性统计结果
表2 原始数据
(续表)
一方面,从数据上看,第二产业比重变动趋势不稳定,呈现波浪形变化,不利于时间序列的分析;另一方面, 第三产业对城市化的推动作用日益增强。因此,我们采用非农产业比重,即第二产业比重与第三产业比重之和作为工业化程度的指标[6]。 此指标呈现相对平稳的变化趋势, 有助于提高结果的准确度和解释的合理性。
四大控制变量——人均GDP、劳动者报酬、生产税净额、营业盈余呈现递增变动趋势。 人均GDP的变化巨大,从1995 年的不足1800 元,增加到2011 年的16000 多元,标准差很大;其他变量的涨幅也较大。
模型一:以城市化率为被解释变量,非农产业比重、人均GDP、劳动者报酬、生产税净额、营业盈余为解释变量进行回归分析。 我们逐步加入控制变量,分析这些变量对于研究工业化对城市化的作用有何影响。
第一步,我们只加入ind(即非农产业比重)一个自变量,回归结果如表3 所示。
根据t 统计量,我们可以推测,自变量前的系数在1%的水平下统计显著。 同时,ind 的系数为-1.5,说明在我们研究的这一年度区间内,工业化对城市化的作用是负向的,工业化水平提高1%,城市化水平相应的降低1.5%。从回归结果上看,模型的拟合优度较低,说明自变量对因变量的解释力度不足, 尚需要加入其他的自变量进行补充;DW 检验数值过小(DW 检验是检验随机误差项的自相关问题,DW 值越接近2,自相关情况就越弱,D<2,DW 越接近于0, 正自相关性越强,D>2,DW越接近于4,负自相关越强),说明随机误差项的自相关问题比较严重,该结果说服力不强。
表3 回归结果1
第二步,我们在此基础上加入四个控制变量:人均GDP、劳动者报酬、生产税净额、营业盈余。回归结果如表4 所示,ind 前的系数变化为-3.2,说明在控制了社会、生产等相关变量后,工业化对城镇化的负向作用变大了, 且在5%的显著性水平下统计显著。 其他变量均没有通过t 检验。 值得注意的是,该模型的拟合优度有显著提升,达到62.5%,DW 检验的结果接近于1.3,自相关问题较轻。
模型二:以非农产业比重为被解释变量,城镇化率、人均GDP、劳动者报酬、生产税净额、营业盈余为解释变量,作回归分析。
表4 回归结果2
我们依然是逐步加入解释变量,看看这些变量对于研究城市化对工业化的作用有何影响。
第一步,我们只加入urban(即贵州省城镇人口比重)和人均GDP 两个自变量①此处不是仅加urban 一个自变量的原因是为了避免重复,由于模型一中的第一步是研究ind 对urban 的影响,两者是线性关系,若此处再研究urban 对ind 的作用,则是一个方程的不同变换形式,没有太多的意义。 因此,此处回归多加了一个代表宏观经济发展情况的人均GDP 指标。。
Ind =α*Urban+β*gdp+C
回归结果如表5 所示,两个变量均在1%的水平上统计显著,urban 前的系数为-0.15,说明城镇化对工业化的影响也是负向的,在其他条件不变的情况下,城镇化率每提高一个百分点,工业化率相应降低0.15 个百分点;gdp 前的系数为0.0014,说明在其他条件不变的情况下,人均gdp 每增加10000元,工业化水平会相应增加14%。 此模型的拟合优度较高,达到了87%,DW 检验结果却差强人意,表明此结果的自相关问题较为严重。
表5 回归结果3
(续表5)
第二步,我们在此基础上加入三个控制变量:劳动者报酬、生产税净额、营业盈余。
Ind=α*Urban+β*gdp+γ*salary+δ*tax+ε*profit+C
回归结果如表6 所示,urban 前的系数约为-0.10,说明在控制了社会、生产等相关变量后,城镇化对工业化的负向作用变小了,且在5%的显著性水平下统计显著。 其他变量均没有通过t 检验。 值得注意的是,该模型的拟合优度有所提高,达到93.7%,DW 检验的结果接近于1.3,自相关问题有所修正。
表6 回归结果4
经典理论认为工业化是城镇化的第一推动力,这一点是符合西方城市化发展进程的一个结论。 工业化是原动力,而城市化则是工业化的结果。 但是根据以上数据分析,却推翻了这一先入为主的结论。本文模型的分析得出的结论:一是工业化推动城市化的逻辑并不能成立,无论增加几个控制变量,我们都发现工业化的发展对城镇化的推动作用不显著,甚至会出现负相关的情况,不存在因果关系。 二是城镇化的发展却是工业化的推动力量。 根据我们的分析,在运用不同的控制变量之后,城镇化作为“因”,工业化作为“果”这一逻辑是成立的,而且通过了高显著率检验。
城镇化与工业化因果倒置的可能解释为以下几点。
第一,我国的工业化和城镇化在很大的程度上是并行的[7]。 很多时候,由于城镇化需要大量的建设材料并释放出大量剩余劳动力, 从而为工业生产提供了充足的生产要素和广阔的消费市场,带动了工业化的发展。 城镇化能够促进生产要素向城镇聚集,调整产业结构的合理性和优化资源的配置,成为推进新型工业化模式的重要举措;城镇可以承接大量的农村剩余劳动力, 这不仅带动了农民增收,而且还在一定程度上有效缓解了农村用地紧张的矛盾;城镇化对于实现统筹城乡区域协调发展、缩小城乡区域差别的国家区域战略目标具有重要意义。 城镇化是推动现代经济增长的重要力量。 人口在城市的空间聚集会产生规模经济效应,显著降低了私人和公共投资的平均成本与边际成本,创造了更大的市场需求和更高的利润空间。 随着人口和经济活动的不断集中,市场需求会以多元化的方式迅速增长,促进专业化分工的深化,从而提高了经济发展的效率。
第二,随着产业升级的速度不断加快,像金融和保险业、计算机和信息服务业这样的新型研究开发、现代服务业,必须依托城市的发展才能实现扩张。同时,城市产业的高回报吸引更多的资金、技术和知识流向城市,这些要素的整合会进一步诱发技术创新和扩散,进而催生出新的产业。因此,城市成为现代经济活动中最具有活力的区域[8]。
第三,城镇化有利于基本公共服务的普及,提高公共服务的质量,促进居民教育水平、生活水平和健康水平的提高。 城市人口的适度集中,降低了教育、 医疗卫生等公共服务和公共基础设施供给的平均成本。 城市在公共服务数量和质量上的优势也不仅是由城市良好的经济基础决定的,同时也是由城市集中的相关优秀人力资源所决定的,客观上也促进了工业化的发展和经济的增长。
第四,城镇化有利于帮助政府改善治理。 城镇化拉近了政府与民众的空间距离,政府及其官员的举动变得易于观察和监督。人口的集聚不仅推动了经济活动的分工和专业化,而且促进了社会生活的组织化,居民可以找到更加专业的平台和方式向政府表达自己的意愿,在降低了公众意见传播成本的同时,更易于民众采取集体行动。 在城市化水平低的发展中国家,虽然农村人口众多,但是由于其聚集程度低、居住分散、交通和通讯水平低,采取集体行动的人均成本比较高[9]。 因此,城镇化的推动作用不仅仅表现为工业化提供劳动力方面, 更表现在为工业化提供可供运转的“公共物品”方面。
综上所述,针对我国西部省份而言,因为其经济发展具有较为明显的政策拉动和扶植的痕迹,从而出现了与传统发展经济学不相符合的城镇化工业化因果倒置的现象。 这也许可能成为西部地区经济全面发展的另一个动力或者机遇。
[1] 国务院关于进一步促进贵州经济社会又好又快发展的若干意见[N].贵州日报,2012-01-16.
[2] 贵州省2011 年国民经济和社会发展计划执行情况与2012 年国民经济机和社会发展计划草案的报告(摘要)[N].贵州日报,2012-01-12
[3] 刘建铭.关于农区工业区、城镇化与农业现代化互动发展的思考[ J].经济经纬,2004,(2).
[4] 任强,徐和平.论贵州城市化与工业化互动机制的构建[ J].理论与当代,2006,(6).
[5] 陈芳,龙志和.中国县域经济差距的收敛性研究——基于动态面板数据的GMM 方法[ J].中国科技论坛,2011,(4).
[6] 孙长青.基于VAR 模型的城镇化、工业化与金融发展关系分析——以中原经济区为例[ J].经济经纬,2012,(6).
[7] Louis Wirth. Urbanism As a Way of Life [ J]. American Journal of Sociology,1938,(44).
[8] 谢宵亭,马子红.云南省城镇化与经济发展水平关系研究[ J].佳木斯教育学院学报,2012,(7).
[9] 王伟.城镇化进程中的公共物品供给——基于民间资本的视角[ J].呼伦贝尔学院学报,2012,(10).