城镇化对中国经济增长的影响效应分析

喻开志　黄楚蘅　喻继银

[内容摘要]本文首先构建了城镇化发展水平的综合得分体系，将城镇化水平划分为人口、产业及卫生城镇化、居民消费城镇化、科学教育城镇化以及公共基础设施城镇化四个因子；然后建立了个体固定效应变系数模型对各细分后的城镇化与经济增长的关系进行了实证研究。结果表明：人口、产业以及卫生城镇化、居民消费城镇化、教育城镇化和公共基础设施城镇化水平越高，经济增长越快；绝大多数省份居民消费城镇化对经济增长的贡献非常大；在加快城镇化的同时，东部地区应更加注重居民消费城镇化和科学教育城镇化，中部地区应更加注重居民消费城镇化和公共基础设施城镇化，而西部地区应更加注重居民消费城镇化和人口、产业以及卫生城镇化。

[关键词]城镇化；经济增长；因子分析；个体固定效应变系数模型

一、引言

城镇化是经济和社会现代化的产物。它不仅包括农村劳动力从以农业为基础的农村经济区向以工业和服务为主的城镇地区转移的过程，还包括农村区域向城市区域转变的城市结构转型过程。Hesham M.and Raham A.（1996）提出“城镇化是人类文明发展的重要标志，是社会生产力发展的一个重要阶段”。随着工业化进程的推进，目前我国城镇化已经进入快速发展阶段，城镇化水平大幅提高。1981年，我国设市城市仅有233个，到2012年年底已增至653个；1978年，我国城镇人口仅为17245万人，按照城镇人口比重计算的城镇化率为21.1%，到2012年年底，我国城镇人口增至71182万人，较1978年上升了近3.1倍，城镇化率则增至52.6%。在我国城镇化水平高速发展的同时，我国经济也在飞速发展。1978年我国人均GDP仅为381元，到2011年年底我国人均GDP达到了35181元，约为1978年的100倍。然而从国际横向比较来看，2011年我国人均GDP仅位列全球114位，仍属于较为落后的国家。

城镇化与经济增长的关系一直是国内外学者研究的重点。早在1956年，美国经济学家Lampard就发现美国的城市发展与经济增长二者之间存在显著的正向关系，而且经济的发展将会在很大程度上推动城市化阶段的进程。Moomaw and Shatter（1996）认为，城镇化率随人均GDP、工业化程度、出口及外国援助的增长而上升，随着农业生产水平的提高而下降。Vernon Henderson（2000）则选取了1960-1995各个国家的面板数据，利用GMM方法估计出世界各国的城镇化率与人均GDP之间的相关系数是0.85。Luisito B.and Zou B.（2008）也认为，在超过一定的临界值后，城镇化会导致人力资源的高度集中，从而促进经济发展。我国一些学者对城镇化与经济增长的关系也进行了研究。周一星（1982）利用世界157个国家和地区的数据，发现绝大多数国家和地区的城镇人口占总人口比重和人均GDP之间有着密切的关系，只有为数不多的20个国家脱离这种趋势。徐雪梅和王燕（2004）认为，我国城市化水平每提高一个百分点，就会对该地区的人均GDP增长产生4.2%的推动作用。朱孔来（2011）综合利用时间序列数据和面板数据，首先分析了城镇化进程与经济增长之间的动态影像和弹性关系，认为我国城镇化率每提高一个百分点，可以维持7.1%的经济增长；同时还指出城镇化是在空间体系下的一种经济转换过程，经济增长必然带来城镇化水平的提高，而城镇化水平的提高无疑又会推动经济增长。

我国学者衡量城镇化主要采用两种方式。一是采用单一指标法，用一个国家或地区的城镇人口占总人口的比重来衡量一国或者某地区的城镇化水平；二是采用多元统计方法来衡量城镇化的综合水平。然而，这两种方法均存在不足之处。Northam（1975）认为，单一指标法虽然能够抓住城镇化的本质（农村人口向城镇转移），但城镇化并不是只包括人口迁徙的内涵，它是一个经济、社会、生态、文化诸方面全面转变的动态的过程，是人类生产方式、生活方式和居住方式全面转变的过程，其内涵的复杂性决定了单一指标法具有自身无法克服的缺陷。而多元统计方法虽然能够衡量城镇化的综合水平，但以往的研究只从整体上研究了城镇化与经济增长的关系，并没有把城镇化加以细分，并研究细分后的各种城镇化如何影响经济增长。因此，本文选取人口、经济、社会、文化与城镇设施等较为全面的相关指标，通过因子分析法将综合的城镇化水平细分为多个因子，然后通过面板数据模型具体分析各个城镇化因子对我国经济增长的影响。

本文余下结构如下：第二部分为选取指标，通过因子分析构建城镇化发展水平综合评价模型并对城镇化加以细分；第三部分就各个城镇化因子如何影响经济增长进行实证分析；第四部分得出本文结论，并提出相关政策建议。

二、城镇化水平指标体系的构建

（一）指标选取

随着社会经济的不断发展，全面衡量我国城镇化水平应包括经济、环境、社会等综合因素。本文遵循科学性、全面性、可行性和前瞻性相结合的原则，在参照国内城镇化指标体系等相关研究文献的基础上进行拓展，构建表1中的城镇化与经济增长关系的指标体系。其中一级指标“城镇化发展水平”包含16个二级指标，它们是年底城镇人口占总人口比重、二三产业就业占总就业人数比重、二三产业增加值占GDP比重、燃气普及率、每万人拥有执业（助理）医师数（人）、每万人医院或卫生院床位数（张）、城市每万人拥有公厕数（座）、人均可支配收入（元）、平均每百户拥有家用汽车（辆）、平均每百户拥有移动电话（部）、科学教育支出（亿元）、普通本、专科在校学生数（人）、城市生活垃圾清运量（万吨）、城市人均拥有铺装道路面积（平方米）、每万人拥有公共交通车辆（标台）、人均公园绿地面积（平方米）。

本文选取了以上各指标1996年至2011年全国31个省（市）的年度数据，并用人均GDP来代表我国经济增长水平，如没有特别指出数据均来自于1996-2011年各省市的统计年鉴。由于原始数据来源存在不同的量纲，从而使得数据间差距较大。为使指标具有可比性，本文利用Z-Score法对原始数据进行标准化，消除元数据由于不同量纲所带来的影响。Z-Score标准化的公式为：标准化值=（样本值-样本均值）/样本方差。经标准化后，数据变为无量纲的数据，各个指标处于同一个量纲水平上。

（二）衡量居民生活质量指标体系的构建

利用经过标准化的数据，采用因子分析方法，将观测变量归并为少数几个公因子，并对多个解释变量进行降维处理。本文在进行因子分析之前，通过KMO测度和巴特利特球体检验对变量和数据的因子分析进行了有效性检验，KMO检验的统计量值为0.79，远大于0.6时的经验值，这表明变量间的偏相关程度较高，即各指标之间有较多的共同因素。Bartlett球形检验的结果拒绝原假设，即变量之间是相关的。通过以上两个检验均可以得出，变量间的相关程度适合做因子分析。采用方差最大正交旋转法，以便使因子载荷值尽可能地向0和1两极靠拢，以便于提取信息和主成分的命名，经过6次迭代后，旋转后的结果趋于收敛。根据特征值大于l的原则，共提取了4个因子，其累计贡献为77.2%。

我们对提取的4个因子建立了旋转载荷矩阵。为了便于对因子载荷做出合理解释，对原始因子载荷进行了正交旋转，使其结构简化，并使每个因子载荷的平方项在列项0或1两极分化，从而降低因子的综合型，使其实际意义凸显出来。因子1在I1、I2、I3、I4、I5、I6指标上的载荷大，表明第一个因子与这些指标的相关性较高，能够较充分反映人口、产业、卫生等城镇化状况；因子2在I7、I8、I9、I10指标上的载荷较大，这些指标主要反映的是居民消费的情况；因子3在I11、I12、I13指标上的载荷较大，这三个指标主要体现的是教育方面情况；因子4在I14、I15、I16上的载荷较大，这些指标主要反映的是基础设施方面。据此，我们对四个主成分进行命名，命名结果分别是人口、产业及卫生城镇化（PIH）、居民消费城镇化（CON）、科学教育城镇化（EDU）、公共基础设施城镇化（BF）。根据以上结果，分别计算出4个因子PIH、CON、EDU、BF的因子得分，再以4个因子的贡献率为权重，构建城镇化水平综合评价模型，即：

Z_it=0.43×PIH_it+0.18×CON+0.10×EDU+0.07BF （1）

把各省的4个因子得分序列代入式（1）中，即可得出各省从1996-2011年的城镇化发展水平的综合评价体系的指标值。

（三）中国各省市城镇化现状分析

本文采用系统聚类方法，将31个省（市）16年的城镇化水平进行聚类分析，图1为聚类结果以及各类省市城镇化综合发展水平的时间趋势。

从图1可以看出，我国各省（市）的城镇化发展水平及发展质量都在不同程度的提升，但不同地区之间的城镇化进程差异较大。第一类（北京市和上海市）的城镇化发展水平一直处于全国领先水平，第二类（浙江省和天津市）仅次于第一类。以2011年为例，这两类的城镇化综合得分分别为1.11和1.68，远高于全国平均城镇化水平（0.55），其中上海是全国平均水平的3倍左右。但与此相反的是，第四类（河北、内蒙古、重庆等16省区市）中大部分省份的城镇化水平均处于全国后几位，尤其是海南、甘肃和贵州等，其城镇化水平一直较低。相比之下，第三类（广东、江苏、辽宁等11省）中的城镇化基本处于中等水平。因此，我们可以发现虽然我国整体城镇化进程在持续推进，但是从全国范围来看，东、西部地区间绝对增量仍然相距甚远，各省市之间城镇化发展差异仍在不断拉大。

三、城镇化对经济增长影响效应的实证分析

本文第二部分的城镇化指标体系把城镇化细分成人口、产业及卫生城镇化、居民消费城镇化、科学教育城镇化以及公共基础设施城镇化四个因子，较为全面地评价了我国各省（市）的城镇化水平。而这些城镇化发展指标对我国经济增长的具体边际贡献差异成为本文进一步关注的问题。因此，本文第三部分将根据上述城镇化水平评价指标选择主要解释变量，构建固定效应变系数模型，深入分析以上4个城镇化因子对经济增长的具体效应大小。

（一）面板数据的协整分析

为了避免伪回归的发生，需首先对面板数据进行单位根检验，以确定其稳定性。本文分别采用同质单位根检验中的LLC检验和异质单位根检验中的Fisher-ADF和Fisher-PP检验，对面板数据各个变量的不同截面分别进行单位根检验。如果两种检验中均拒绝存在单位根的原假设则说明该变量是平稳的，反之则不平稳。检验结果如表1所示。

通过上面单位根检验，可以得出PIH和BF为平稳序列，CON、EDU和LPGDP为一阶单整。所以，LPGDP与PIH、CON、EDU、BF之间可能存在协整关系。表2为最大滞后阶数为3的协整检验结果。

根据表2，在5%的显著性水平下，Panel-ADF、Panel-PP、Group-ADF和Group-PP四种方法都检验出LPGDP与PHI、CON、EDU、BF序列存在协整关系。

（二）面板数据模型形式的选择与建立

Hausman检验可以判断是建立个体固定效应模型还是随机效应模型更加合适，其原假设是为应该建立随机效应模型，检验结果的P值为0.002，在5%的显著性水平下应该拒绝原假设，所以适合建立经济增长关于与人口、产业以及卫生城镇化、居民消费城镇化、教育城镇化和公共基础设施城镇化的个体固定效应模型。为了检验面板数据符合哪种形式的计量模型，我国利用协方差构造与统计量。其假设与检验统计量分别如下：

从表3来看，模型总体通过F检验。在5%的显著性水平下，有一半左右的省市人口、产业以及卫生城镇化和教育城镇化的回归系数显著；绝大多数省市居民消费城镇化和公共基础设施城镇化的回归系数都显著，并且绝大部分系数都是正，说明人口、产业以及卫生城镇化、居民消费城镇化、教育城镇化和公共基础设施城镇化对经济增长有促进作用。相对而言，绝大多数省份居民消费城镇化的系数比较大，表明居民消费城镇化对经济增长的贡献最大，所以我国在加快城镇化的同时，应该更加注重推进居民消费城镇化。

从不同地区来看，由于经济发达程度差异较大，各城镇化因子对经济增长的贡献程度也不一样。根据图2和相关测算结果，东部地区的城镇化中对经济增长的贡献从大到小依次是居民消费城镇化、教育城镇化、公共基础设施城镇化、人口、产业以及卫生城镇化；中部地区的城镇化中对经济增长的贡献从大到小依次是居民消费城镇化、公共基础设施城镇化、教育城镇化、人口、产业以及卫生城镇化；西部地区的城镇化中对经济增长的贡献从大到小依次是居民消费城镇化、人口、产业以及卫生城镇化、公共基础设施城镇化、教育城镇化。

四、结论及政策含义

本文采用1996-2011年全国31个省（市）的面板数据，首先通过因子分析建立了我国城镇化水平的评价指标体系，并利用系统聚类方法计算出各省市的综合城镇化水平；然后根据上述城镇化水平评价指标选择主要解释变量，使用个体固定效应变系数模型对我国各省（市）城镇化与地区经济增长的关系进行了实证检验。

本文通过因子分析，将影响城镇化水平的16个三级指标归为了四类二级指标：人口、产业及卫生城镇化、居民消费城镇化、科学教育城镇化以及公共基础设施城镇化四个因子，计算出各省市城镇化水平综合得分，发现我国各省市的城镇化发展水平及发展质量都在提升，但不同地区之间的城镇化进程差异较大。在此基础上将31个省市16年的城镇化水平进行聚类分析，得出北京和上海为第一类、浙江和天津为第二类、大部分东中部城市为第三类、大部分西部城市为第四类，四类城镇化发展水平依次降低。结合上述城镇化的指标体系，就城镇化对经济增长的关系进行定量分析，发现大部分省市的人口、产业以及卫生城镇化、居民消费城镇化、教育城镇化和公共基础设施城镇化系数都显著为正，表明人口、产业以及卫生城镇化、居民消费城镇化、教育城镇化和公共基础设施城镇化水平越高，经济增长越快。相对而言，绝大多数省份居民消费城镇化的系数比较大，说明居民消费城镇化对经济增长的贡献尤为重要。

城镇化对我国经济增长具有显著的正向溢出效应，通过加快新型城镇化发展来扩大内需、促使经济增长具有重要的政策含义。如何分区域加快我国新型城镇化发展？本文认为东部地区应该更加注重居民消费城镇化和科学教育城镇化，中部地区则应该更加注重居民消费城镇化和公共基础设施城镇化，而西部地区应该更加注重居民消费城镇化和人口、产业以及卫生城镇化。

责任编辑：陈健生