城镇化发展影响因素的实证分析

郑洁,冯春梅

(1.安徽财经大学财政与公共管理学院,安徽蚌埠233030;2.中国财政科学研究院博士后流动站,北京100142; 3.滁州学院经济管理学院,安徽滁州239000)

城镇化发展影响因素的实证分析

郑洁1,2,冯春梅3

(1.安徽财经大学财政与公共管理学院,安徽蚌埠233030;2.中国财政科学研究院博士后流动站,北京100142; 3.滁州学院经济管理学院,安徽滁州239000)

中部地区城镇化快速发展,如何避免快速城镇化发展中的困境?文章从城镇化的影响因素分析出发,利用主成分回归分析构建注重综合发展的城镇化影响因素模型,探寻城镇化健康发展的决定因素。指出城乡居民收入提高是城镇化发展的重要引擎,产业结构调整是城镇化发展的重要动力。最终提出中部地区城镇化健康发展之策:从“扩张型”向“内涵型”转变,从对经济增长“量”的关注转向对经济发展“质”的关注。

中部;城镇化;影响机制;主成分回归

0 引言

2014年年底,我国城镇化水平达54.77%,而中部9省只有内蒙古、吉林、黑龙江和湖北4个省份超过全国平均水平,其余省份都低于全国平均水平。利用2014年国家统计年鉴数据分析指出,东中西部地区(东部12省,中部9省,西部10省)的平均城镇化水平分别为65.4%、51.76%、44.17%,而同年的全国平均水平为53.73%。中部地区如何利用承接产业转移的时机,加快自身城镇化建设,是中部地区经济发展的要求。而城镇化发展在考虑人口、空间涵义之外,还应考虑经济、社会和文化涵义,因此如何走出一条注重综合发展的城镇化之路,是快速发展的中部地区需要考虑的问题。

1 研究方法及指标选择

本文采用主成分回归分析法进行分析,刘罗曼(2008)指出主成分分析和回归分析是两种不同的多元统计方法,将它们结合形成主成分回归分析法,能够很好地解决建立回归模型过程中比较常见的共线性问题。通过对比研究主成分回归分析法和多元回归分析法得出,主成分回归还原得到的回归方程要优于直接建立的回归方程,主成分回归分析是处理共线性回归问题的一种有效方法。

安徽省作为中部省份之一,城镇化水平列于中部9省的七位,GDP位于第四位。但安徽省城镇化水平和GDP年增长率较高,分别达到113.7%和110.4%,都位于中部省份增长率的第一名。因此本文以快速发展的安徽省为例进行分析,探寻城镇化发展的影响因素,并最终提出促进城镇化发展的对策。2014年安徽省人口城镇化率为49.2%,1990—2014年的25年间,安徽省城镇化水平年均增长1.25倍,预计到十二五末达到50%的水平。利用安徽省统计年鉴1990—2012年数据,选择经济因素、产业结构、城乡生活水平、城市建设水平和基本公共服务水平等影响因素,分析其对安徽省城镇化的影响,具体指标选择如表1所示。

表1 城镇化发展影响因素指标

2 实证分析

2.1 主成分因子分析

在建立主成分回归模型之前,先进行主成分因子分析,以城镇化水平为因变量y,上面所选择的14个指标为自变量X,分别赋值如表1所示,构建模型如下:

(i=1,2,3,…,p),在这里选择了14个变量,p的最大值为14。

(1)相关性检验

在进行主成分因子分析之前,需进行相关性检验,只有各变量相关性较高,才适合采用因子分析方法。利用SPSS进行相关系数矩阵、反映像相关系数矩阵、巴特利特球度检验和KMO检验进行分析。

通过相关矩阵分析,各变量的相关性非常高,绝大部分指标的相关性在90%以上。反映像相关系数矩阵除主对角线外数值接近于1外,其他大多数元素的绝对值均较小(由于两个矩阵表格太大,这里没有放入)。因此非常适合利用因子分析提取公共因子。

巴特利特球度检验和KMO检验结果如表2所示。KMO值为0.8,表示适合做因子分析;Bartlett的球形度检验观测值为830.102,相应的概率P值接近0,则应拒绝原假设,认为相关系数矩阵与单位阵有显著差异,适合做因子分析。

表2 KMO和Bartlett的检验结果

(2)提取因子

采用主成分分析法提取特征根值大于1的特征根。通过分别制定提取1个、2个和3个因子分析发现,提取两个因子的效果最好,所有变量的共同度均较高,各个变量的信息丢失都非常少,提取的总体效果非常理想。如表3所示,14个影响因素被萃取为两个公因子,两个因子的方差贡献率分别为84.912%和9.465%,累积贡献率为94.376%,能够较好地解释所有指标所包含的信息。

表3 因子解释原有变量总方差情况

(3)因子的命名与解释

旋转前,14个变量在第1个因子上的载荷都很高,说明它们与第1个因子的相关性很高;而与第2个因子的相关性都较小,它对原有变量的解释作用不显著。因此可以看到,这两个变量的实际含义比较模糊。

采用具有Kaiser标准化的正交旋转法进行旋转,旋转在3次迭代后收敛,输出后结果如表4所示(见下页)。城市人均可支配收入X9、平均每万人口大学生人数X13、农村人均纯收入X8、人均消费支出X7、第二三产业就业人口占总就业人口的比重X6、人均GDPX1、财政收入占GDP的比重X2、公路里程X11、每万人口专业卫生技术人员数X14、每万人拥有公共汽车总数X12、人均固定资产投资X3等11个指标在第1个因子上有较高的载荷,可解释为经济和公共服务因素;第二三产业产值占GDP的比重X5、城镇登记失业,率X4、城乡居民收入之比X10这3个指标在第2个因子上有较高的载荷,可解释为社会因素。

表4 旋转前后的因子载荷矩阵

(4)计算因子得分

因子得分是因子分析的最终体现,利用因子得分系数,可以写成因子得分函数,其公式为第j个因子在第i个样本上的值,可表示为:

上式中,X1i,X2i,X3i,…,Xpi为标准化后的解释变量,分别为第1,2,3,…,p个原有自变量在第i个样本上的取值,j1,j2,j3…,jp分别是第j个因子和第1,2, 3,…,p个原有自变量间的因子值系数。

因此,因子得分函数如下:

X4、X5、X6,3个标准化后的指标在第1个因子得分方程中为负,而在第2个因子得分方程中为正,这与因子的实际含义是相符合的。

通过主成分分析,影响城镇化的因素可以提取为两个公因子:经济和公共服务因素、社会因素。它们对城镇化的贡献率分别为84.912%和9.465%,累积贡献率为94.376%。

2.2 主成分回归分析

主成分分析仅能够说明哪些因子对因变量产生影响,但影响的具体值是多少却无从得出。采用主成分回归分析,可以能够具体各个自变量对因变量的影响值,还可以很好地解决建立回归模型过程中比较常见的共线性问题。

(1)以公因子为自变量的回归方程

对因变量y进行标准化处理:

用Y为因变量,将式(2)和式(3)中的F1、F2变量作为新自变量,建立回归方程:

利用安徽省1990—2012年数据,SPSS线性回归,方程如下:

模型调整后的R2为0.972,拟合较好,F检验值为385.761,具有较好的显著性。另外F1和F2两个变量的t检验都通过。

(2)将因子得分变量带入主成分回归模型

将因子得分函数方程式(2)和式(3)带入方程(4)中,得到标准化主成分回归方程为:

将方程(5)化简,可得标准化的主成分回归模型:

此时模型中的各变量均为标准化后的变量,需要还原为原模型中的参数:

通过SPSS软件对原有变量的标准差与均值进行计算,如表5所示。

表5 原有变量的标准差与均值及影响值bi排序

将计算结果带入式(1),可计算出原回归模型:

(3)最终回归方程解释

在这14个自变量中,所有自变量对城镇化的影响都为正,这与我们的假设不太一致。我们假设城镇登记失业率与城镇化发展成负相关,失业率较高会导致已经迁移的农民退回农村和有迁移意愿的农民暂时停止迁移。但回归模型城镇登记失业率(X4)与城镇化成正相关,造成此现象可能是如下原因导致的:首先,我国城镇登记失业率与实际失业率不符,仅仅登记了城市正规就业的失业,明显不能代表真实的失业水平;其次,城市登记失业率越高,人力资源得到更合理配置,城镇化发展越快;再次,城市对农民工这样的技术工人或重体力劳动者的需求较大,农民工在城市失业可能性较低。

财政收入占GDP的比重(X2)对城镇化的影响系数居第一,农村人均纯收入(X8)居第二,城市人均可支配收入(X9)居第三;而城乡收入差距、人均固定资产投资和人均GDP排在后三位。

总体而言,在我们选择的五大影响因素中:经济因素、产业结构、城乡生活水平、城市建设水平和基本公共服务水平,城乡居民收入对城镇化的影响最为显著,是城镇化发展的重要引擎。产业结构、城市建设水平和基本公共服务水平是城镇化发展的重要力量。经济因素对城镇化的影响并不太显著,除了财政收入这项指标外,固定资产投资和人均GDP对城镇化的促进作用不大,应该变盲目投资的现象,转变经济增长方式。

3 创建城镇化发展机制的建议

安徽省是中部地区的一个缩影,城镇化水平虽低于全国水平,但发展速度较快。特别是十二五以来,中部地区城镇化发展速度迅猛,如何从简单的“扩张型”城镇化模式转向“内涵型”城镇化模式是快速发展的中部地区需要思考的问题。现阶段,我们更需要调整脚步,思考方向,避免快速发展过程中的“城市病”和“城市陷阱”。

(1)提高城乡居民收入是城镇化发展的重要引擎

城乡居民收入是中部地区城镇化发展的重要引擎。通过提高城市职工工资收入,促进农村剩余劳动力向城镇转移,并增加农民的工资性收入;另一方面通过增加农民的工资性收入和家庭经营性收入,促进农村内生城镇化的发展。同时我们也看到,收入的提高是产业结构转型的派生物,无论是工资收入还是家庭经营收入,都离不开城乡的产业结构调整。

(2)加快产业结构调整是中部地区城镇化发展的重要动力

中部地区二三产业产值占GDP的比重为88.2,低于全国95.1的平均水平;中部地区三次产业结构为:11.8:51.3: 36.9,全国的三次产业结构为4.9:48.3:46.8,中部地区第三产业发展较慢。扶持第三产业发展,通过促进服务业、商业、零售业等行业的发展带动第三产业就业,从而实现农村剩余劳动力的转移。并抓住农村剩余劳动力转移的历史契机,促进农业产业化和农业科技化。

(3)减少盲目投资

“扩张型”的城镇化路径会带来一系列问题,中部地区固定资产投资不能盲目,需要投入到真正有需求的领域,如服务业、民生工程、教育、医疗等方面,同时需关注投入资金的使用,避免道德风险和权力寻租。

(4)从对经济增长“量”的关注转向对经济发展“质”的关注

财政收入、GDP等指标对中部地区城镇化的影响系数较小,这与我们的假设不一致,我们假设经济因素对城镇化发展影响较大,造成此现象的原因是忽视了“质”的经济增长对社会的促进作用并不大。因此,政府需转变经济思路,关注经济发展。

[1]辜胜阻,李永周.我国农村城镇化的战略方向[J].中国农村经济, 2000,(6).

[2]李爱民.中国半城镇化研究[J].人口研究,2013,(4).

[3]顾朝林.城市群研究进展与展望[J].地理研究,2011,30(5).

[4]曹广忠,陈昊宇,边雪.2000年以来中部地区城镇化的空间特征与影响因素[J].城市发展研究,2012,19(7).

[5]周冲,吴玲.安徽省城镇化发展影响因素分析[J].统计与决策,2013, 2(3).

[6]吴超.城镇化水平的影响因素——对浙江省11个城市的实证分析[J].经济与管理,2013,(12).

[7]冯春梅.安徽省城镇化对农民收入影响的实证分析[J].滁州学院学报,2013,(3).

[8]刘罗曼.用主成分回归分析解决回归模型中复共线性问题[J].沈阳师范大学学报(自然科学版),2008,26(1).

[9]马成文,魏文华.安徽省城镇化与产业结构升级关系研究[J].特区经济,2012,(6).

[10]马远,龚新蜀.城镇化、农业现代化与产业结构调整——基于v AR模型的计量分析[J].城市研究,2010,(5).

[11]王阳.从“就业分割”到“社会排斥”——中国统一城乡人力资源市场的难点及其破解[J].中国工人,2014,(1).

(责任编辑/浩天)

F299.21

A

1002-6487(2016)20-0109-04

国家社科基金一般项目(15BJy145);中国博士后科学基金面上资助项目(2015M581036);安徽省哲学社会科学规划项目(AHSKQ2014D54;AHSKy2014D41);安徽高校人文社会科学重点研究基地招标项目(SK2014A061);安徽财经大学校级重点课题(ACKy1510ZDB);滁州学院规划项目(2015GH36)

郑洁(1980—),女,山西运城人,博士,副教授,研究方向:公共管理、财政。冯春梅(1984—),女,云南保山人,硕士,讲师,研究方向:劳动经济学。