中国城镇化对服务业影响的区域差异

瞿华 刘荣荣

摘要：目前中国服务业的发展离不开城镇化这一现实背景。文章选取2005—2015年省际面板数据，运用动态面板模型系统广义矩估计（SGMM）方法分别就城镇化对全国服务业发展的影响及其区域差异所做的实证研究结果表明：在全国层面上，城镇化水平对服务业发展有较显著的促进作用，但促进作用还比较小；在区域层面上，东部、中部、西部三大区域城镇化对服务业发展的影响也较小，且存在较明显的地区差异。基于研究结果，文章提出了从战略高度上重视加快新型城镇化进程以促进中国服务业更好发展，同时根据各区域的实际情况制定适宜的以城镇化促进服务业发展的政策措施等相关建议。

关键词：城镇化；服务业；影响；区域差异；系统GMM模型

中图分类号：F061.5；F290 文献标志码：A 文章编号：1008-5831（2018）02-0015-09

一、相关文献回顾

根据《中国统计年鉴-2016》的数据，改革开放以来，中国城镇人口占总人口的比重不断提高，2015年已达到56.1%。与此同时，中国服务业发展也取得巨大成就，服务业增加值在GDP的占比总体表现出不断上升的趋势，据中国经济网报道，2015年达到了50.5%，首次突破50%。但这与欧美等发达国家服务业增加值占GDP的比重基本在60%以上还存在不小的差距，中国服务业无疑仍有较大的发展空间。而加快服务业发展离不开城镇化这一现实背景。

国外学者关于城镇化对服务业发展的影响的研究相对较早“urbanization/urbanisation”一般译为“城镇化”“城市化”或“都市化”，本文根据《中共中央关于制定国民经济和社会发展第十个五年计划的建议》正式采用“城镇化”和学者周一星的观点（很多情况下“城市化”和“城镇化”可通用）而采用“城镇化”。。Singelmann[1]探讨了七个工业化国家的劳动力转移过程后认为城市化在传统农业型经济国家向服务型经济国家转变中起到关键作用。Daniels等[2]讨论了城市发展水平对服务业增长的影响，研究发现城市形成的区域性市场为服务业的发展奠定了基础，城市化水平的提高有利于服务业的扩张。Keeble和Nachum[3]认为城镇化有利于服务业的知识外溢，从而推动服务业发展。Tiffen[4]的研究表明，农业人口向城镇聚集加快了制造业和服务业发展，而二者的发展又推动农业劳动力的转移。Herstad和Ebersberger[5]利用挪威企业的数据研究发现，城市区位及其能够提供的资源对知识密集型商务服务企业的发展有较大影响。

国内学者就城镇化对服务业发展影响的研究虽然起步较晚，但也取得了一定的成果。程大中[6]对影响服务业发展因素的研究结果表明，城市化水平是其中最重要的因素之一。江小涓等[7]分别就收入、消费结构、城市化等因素对服务经济增长的影响进行研究，发现城市化是影响城市服务业增加值比重的重要因素。郭文杰[8]采用1979—2005年时间序列数据，使用向量自回归模型（VAR）等计量方法对FDI、城市化与服务业增长的关系进行了实证检验。顾乃华[9]基于省市制度互动视角，利用中国23个省份、252个城市的样本建立二层数据模型，探讨了城市化对服务业的作用，研究表明城市化水平是影响服务经济增长的重要因素，所属省市的制度在城市化对服务经济增长的影响中起到重要的调节作用。冉建宇等[10]利用2001—2009 年中国的经验数据和建立耦合协调度模型分析了城镇化与服务业发展的耦合程度。曾淑婉等[11]研究认为，城市化能够推动服务经济增长，但这种影响存在边际作用递减现象。王春国等[12]对中国西部地区2004—2010年服务业发展与城镇化、工业化之间的关系进行研究，结果表明三者之间有着正向影响效应，但城镇化和工业化二者的交互作用却不能有效地推动服务经济增长。夏杰长[13]研究认为，城镇化与居民服务消费之间呈显著的正相关关系。刘德军等[14]以山东省为例，分析了城镇化和服务业发展的互动关系，研究表明城镇化与服务业发展之间存在长期均衡关系。

综上所述，目前已有的相关文献对本研究具有重要的参考价值，但也存在可以改进之处，如少有考虑诸如服务业对外开放度和工业化等重要影响因素，对经济模型的内生性问题考虑不周等。本文拟利用中国省域面板数据从全国和区域层面就城镇化对服务业发展的影响进行实证分析。为了消除内生性问题对模型估计结果的影响，本文采用Arellano等[15]提出的系统广义矩估计（System Generalized Method of Moments，SGMM）方法对模型进行估计。基于实证研究及其结论，本文提出城镇化背景下促进中国服务业发展的对策建议。

二、城镇化对服务业发展影响的理論分析

城镇化是一个较为复杂的过程，在这个过程中人们的生产方式、生活方式和就业结构及城市土地的利用方式和产业结构等均发生一定的变化，而这些变化对服务业发展有着较大的影响。本文将从产品需求和要素供给两个角度就城镇化对服务业发展的影响机理进行分析。

从产品需求角度看，一方面，随着城镇化的推行，农村人口不断进入城镇，城镇人口逐渐增多，而城镇居民不可能像农村居民那样可以自给自足地生活，无论是他们的基本生活需求，还是高层次的服务需求，都需要通过购买相应的产品来满足，因此，城镇人口数量的增长必然会扩大对服务产品的需求。另一方面，农村剩余劳动力由较低效率的第一产业逐步向较高效率的第二、三产业转移，人们的收入水平不断得以提高。根据消费者行为理论可知，收入的增加将积极地影响人们的购买力和购买行为，刺激人们对服务产品的需求。此外，根据杜森贝利提出的消费函数理论可知，人们的消费行为会受到周围人的影响。在城镇化不断推进的过程中，城镇居民与农村居民的交往日益密切，农村居民的消费行为和消费观念不可避免会受到城镇居民的影响，使得农村居民对服务产品的需求增加。服务产品需求的增长会促使服务企业增加对服务产品的供给，从而促进服务业的发展。

从要素供给的角度看，首先，随着城镇化水平的提高，资本要素由第一产业逐渐向第二、三产业聚集。发展经济学指出，资本在经济增长过程中扮演着重要角色，它是经济增长的必要条件。服务经济的增长当然也离不开资本，资本要素的聚集有利于服务业所需资本的积累，为服务业发展提供更多的资本保障。其次，劳动力也不断向服务业聚集。服务业发展需要大量的劳动力，劳动力的聚集使服务业拥有了丰富的劳动力要素，从而有利于推动服务经济增长。再次，城镇化水平的提高意味着公开公平的法律和制度保证、较发达的金融体系等，这为服务业FDI的流入营造了良好的环境。服务业FDI的流入不仅为第三产业带来了大量资本，而且也引进了国外先进的技术和管理经验，有利于生产效率的提高，进而推动服务业发展。最后，愈来愈多农村土地转变为城市建设用地，城市区域不断拓展。城市是工业和服务业发展的载体，城市面積的增多为第二产业和第三产业提供更多的发展空间，有利于这两大产业规模的扩张，而工业规模扩张引致的生产活动的增多将增加对生产性服务的需求。

三、中国城镇化对服务业影响的区域差异实证分析

（一）变量的选择和模型的设定

1.服务业发展水平（SCZ）

本文采用各省级行政区（以下简称“省”）的服务业增加值占其GDP比重来表示服务业发展水平。

2.城镇化水平（CZH）

本文采用常住（需住半年以上）城镇人口在总人口的占比反映各省的城镇化水平。

3.控制变量

（1）收入水平（SR）。收入的提高一定程度上增强人们的购买能力，扩大人们对服务产品的消费需求，有利于服务经济增长。本文用各省的人均可支配收入（万元人民币）衡量居民收入水平。

（2）服务业对外开放度。在开放经济条件下，服务业FDI的流入带来的不仅是资金，更重要的是给一国服务业带来先进的理念和技术，这有利于提高本国的技术水平和劳动生产效率，从而推动本国服务业发展 [16-17]。本文用服务业FDI的增长率来衡量服务业对外开放度。

（3）工业化水平（ECZ）。工业化水平的提高意味着工业规模的扩大，工业规模扩张引致的生产活动的增多将增加对生产性服务的需求，从而有利于服务业发展。此外，工业化的区域发展不平衡，使其对服务业的影响也存在一定的差异性。本文采用各省工业增加值与全国工业增加值的比值来表示工业化水平。

（4）服务业要素投入。服务业要素投入是影响服务业发展的重要因素[18]。本文主要探讨资本和劳动对服务业发展的作用。其中，服务业固定资本投入（Z）系笔者用分行业全社会固定资产投资数据中第三产业的固定资本投入求得（万亿元人民币）；服务业劳动投入（L）用各省份服务业从业人数（亿人次）衡量。

在选定以上变量的基础上，考虑到服务业发展不仅受到当期其他因素的影响，还受到过去服务业发展水平的影响，因此，本文将服务业发展的一阶滞后项作为自变量，以充分反映服务业发展水平的历史信息对当期的影响。由此建立如下模型：

其中，下标i代表不同的省份，t代表不同的年份；SCZi，t表示服务业发展水平；SCZi，t-1表示滞后一期的服务业发展水平；CZHi，t表示城镇化率；SRi，t表示居民收入水平；FDIi，t表示服务业对外开放度；ECZi，t表示工业化水平；Zi，t表示服务业固定资产投资；Li，t表示服务业从业人数；μi表示不可观测的省级特征；εi，t表示随机误差项。

（二）估计方法

模型如果存在内生性问题，直接利用传统的固定效应或随机效应模型进行分析，得到的结果会有一定的偏差。工具变量法和广义矩估计（GMM）是常见的两种克服内生性问题的有效方法。工具变量法并未利用所有矩条件，使所得结果可能是一致的却不一定有效。而广义矩估计的优点在于可以利用前期的解释变量和滞后的因变量作为工具变量来消除模型的内生性，且使用工具变量控制住未观察到的个体效应，使估计结果更加一致且有效[15，19]。因此，为克服模型的内生性，许多学者将广义矩估计（GMM）方法引入动态面板模型。其中，GMM方法包括差分广义矩估计和系统广义矩估计。Blundell 和 Bond的研究结果表明，在有限样本下，系统广义矩估计要比差分广义矩估计的估计结果更有效[20]。本文的分析主要建立在系统GMM的估计结果之上，因此，需采用自回归（AR）检验判断扰动序列的相关性，并以Hansen检验来判定工具变量的有效性。

（三）数据说明

鉴于吉林、甘肃、西藏历年的服务业FDI数据统计不全，海南、重庆的服务业FDI数据统计年限较短，本文选用中国其余26个省级行政区（不含港、澳、台地区）2005—2015年的数据（来自2006—2016年《中国统计年鉴》和各省统计年鉴）。各变量的描述性统计结果见表1。

（四）系统GMM回归结果分析

1.全国层面的估计结果分析

全国层面的城镇化对服务业发展影响的估计结果见表2。模型1—模型5中Wald检验的P值均为0.000，表明模型是显著的；AR（1）的P值小于0.05，而AR（2）和Hansen检验的P值均大于0.05，说明本文所采用的数据序列的相关性符合GMM估计的要求，所选择的工具变量GMM差分方程的工具变量选取的是服务业发展水平的滞后5～7阶，城镇化的滞后2～8阶，工业化的滞后2、3阶，以及服务业就业人数的滞后2～8阶，水平方程的工具变量选取对应变量的一阶差分滞后。有效。

从表2所显示的估计结果可以看出，服务业发展的滞后一期对当期服务业发展有着较大的正向影响效应，这种影响效应在1%的显著性水平上显著，表明在全国范围内，服务业发展在一定时期内具有动态持续性，当期的服务业发展受到前期的服务业发展的影响较大，因此，在讨论服务业发展的影响因素时，务必要考虑到服务业发展水平的累积性。