城市化对中国服务业全要素生产率影响的门槛效应

赵 爽，李春艳

(东北师范大学 商学院，吉林 长春 130117)

人口和产业在城市集聚，带来知识外溢和技术创新。内生经济增长理论认为城市化所带来的知识外溢和技术创新将引致生产效率的提高，从而带来持久的经济增长(Lucas，1988)。[1]新经济地理学的代表人物Krugman(1991)[2]指出，城市化会产生金钱外部性和技术外部性，从而有助于经济活动参与者提高生产效率，进而推动经济增长。新兴古典经济学代表人物杨小凯(2003)[3]应用超边际分析建立了简化的城市化模型，分析结果显示，城市化将引致分工深化和专业化经济的形成，从而提高生产效率，促进经济增长。2004年，联合国人居署在回顾和考察了全球多个国家和地区的经济发展和城市化进程后，指出城市化和城市发展有助于经济增长和消除贫困，并将城市称为“国家走向繁荣的引擎”(UNCHS，2004)。[4]目前，中国已经进入高速城市化阶段，国内外学者普遍认为城市化是促进中国经济结构转变和扩大内需的枢纽，是驱动中国经济增长的主要动力。服务业作为国民经济的重要组成部分，其生产效率与城市化进程的推进有着紧密的联系。首先，从需求的角度看，城市化所带来的人口集聚有助于服务业商品需求的扩大；从供给的角度看，城市化引致的要素集聚和知识扩散能够有效地促进服务业的技术创新，从而丰富服务业商品的种类，提升服务业商品的品质。在需求和供给两个方面的作用下，随着城市化的推进，服务业将产生以信息、知识和技能的溢出为特点的规模经济，生产效率将有所提高。另一方面，一些学者认为，如果城市化水平过高，会产生“城市化病”，如地租成本、人工成本的提高等，从而对服务业生产效率的提升产生负向影响(闫晓红，2011)。[5]基于以上理论和研究，本文通过构建非线性门槛面板模型，对城市化对服务业全要素生产率的影响是否存在显著的阶段性特征进行研究探索，即当城市化处在不同阶段时，其对服务业全要素生产率的影响程度是否会有所不同。本文还以表征经济发展水平的指标——人均GDP为门槛值，考察在不同的人均GDP水平下，城市化对服务业全要素生产率的影响程度。

本文的创新点在于探讨了城市化对服务业全要素生产率影响的阶段性特征。以往大部分文献假设不同阶段的城市化对服务业生产效率的影响是同质的，主要探究城市化水平对服务业生产效率的线性影响，忽视了不同发展阶段下城市化对服务业生产效率的影响可能存在“门槛效应”。研究城市化对服务业全要素生产率影响的门槛特征，能够更加准确细致地反映城市化对服务业生产效率的影响程度，从而在制定提升服务业生产效率的政策时，能够依据地区城市化发展水平的具体情况，采取更有针对性的政策。

一、文献综述

现有文献中，关于城市化对服务业生产效率的影响研究主要分为定性研究和定量研究两个维度。在定性研究中，学者们主要分析城市化对服务业生产效率影响的机制；在定量研究中，主要采用劳动生产率、全要素生产率等作为衡量服务业生产效率的指标，考察城市化的线性影响程度。

Keeble和Nacham(2002)[6]通过实证研究发现，在城市化水平较高的地区，服务业劳动力市场中知识传播的速度较快，生产效率较高。进而得出结论，城市化促进了知识外溢，从而有效提高了服务业的生产效率。Chang(2006)[7]认为，城市化能够推进服务业生产效率的提升，其作用机制主要体现在三个方面：首先，城市化能够促进劳动力市场的匹配。城市中人口和产业的集聚，为劳动力的供给方和需求方的匹配提供了平台，降低了摩擦性失业的可能性。其二，城市化能够产生“学习效应”。城市化带来的人才集聚能够促进知识的传播和创新，推进生产技术研发，带来人力资本的外部性。其三，城市化能够有效地分摊固定投入。人口和产业越密集，分摊诸如基础设施建设等固定投入的企业就越多，从而有利于企业降低生产成本。上述三个因素均有助于提高服务业的生产效率。中国经济增长与宏观稳定课题组(2009)[8]以全要素生产率作为衡量服务业效率的指标，对城市化对服务业全要素生产率的影响程度进行了实证研究，结果表明，城市化水平的提高对于服务业全要素生产率的提升具有显著的正向影响。胡拥军等(2010)[9]以改革开放以来的经济数据为样本，考察了城市化进程对服务业劳动生产率的影响，发现城市化对服务业劳动生产率的提高有显著的正向影响。纪明辉(2013)[10]使用SBM超效率模型与Malmquist指数相结合的方法测算了中国各省区服务业的全要素生产率增长及构成，并对服务业全要素生产率的影响因素进行了分析。结果发现，提高城市化水平，将显著地促进服务业全要素生产率的提升。邹静娴、申广军(2015)[11]对影响服务业资源错配程度的因素进行了分析，结果表明，提高城市化率，服务业资源错配的程度会有所下降，即城市化水平越高，服务业全要素生产率的离散度越低。赵爽、李春艳(2017)[12]研究发现，城市化水平较高的地区，服务业的全要素生产率增长率也较高；城市化水平的提升对服务业全要素生产率的提高具有显著的正向影响效应。总体而言，现有文献在研究城市化对服务业生产效率的影响时均假设不同阶段的城市化对服务业生产效率的影响是同质的，主要探究城市化水平对服务业生产效率的线性影响，而忽视了不同发展阶段下城市化对服务业生产效率的影响可能存在“门槛效应”。

二、模型设定与指标选取

(一)门槛模型的设定和估计方法

本文使用门槛模型来分析城市化对服务业全要素生产率的影响。门槛模型主要用于研究解释变量和被解释变量之间的阶段性变化关系，其主要特点是并非由研究者主观确定结构突变点，突变点是由模型和数据决定的，从而增强了研究结论的可信性和说服力。本文依据门槛回归模型的一般形式，将城市化设定为门槛变量，来考察城市化对服务业全要素生产率增长的影响。本文设定的门槛回归模型如式(1)所示。可知模型(1)是单门槛回归模型，由于不知晓门槛的数量，本文首先建立了一个单门槛回归模型。若门槛数量大于1，再对模型(1)进行相应的调整。

(1)

其中，i、t分别表示省份和年份；lnTFPit表示各省各年服务业全要素生产率增长率的对数值；urbit表示各省各年城市化水平。θ为待估算的门槛值，Z(·)为示性函数。j表示控制变量种类，X表示控制变量(本文选取人均GDP、外商直接投资额、开放程度、服务业规模作为控制变量)。

当以人均GDP作为门槛变量时，本文建立的门槛回归模型的形式为：

(2)

其中，i、t分别表示省份和年份；lnTFPit表示各省各年服务业全要素生产率增长率的对数值；urbit表示各省各年城市化水平；lnrGDPit表示各省各年人均GDP的对数值。π为待估算的门槛值，Z(·)为示性函数。j表示控制变量种类，M表示控制变量(外商直接投资额、开放程度、服务业规模作为控制变量)。

(二)变量说明

1.被解释变量

测算服务业的全要素生产率时，本文使用数据包络分析方法(Data Envelopment Analysis, DEA)。依照该方法，t期和t+1期的Malmquist生产函数可以表示为：

(3)

(4)

Malmquist综合生产指数定义为上述二者的几何平均数：

(5)

本文使用我国30个省份2006～2015年的面板数据。由于数据缺失严重，故未将西藏自治区的数据纳入样本中。在对服务业全要素生产率进行测量时，本文以资本投入和劳动力投入为投入变量，以服务业增加值为产出变量。其中，资本投入使用各省各年年末的固定资产原值，并采用“固定资产投资价格指数”将其平减至2006年不变价格；劳动力投入使用各省各年年末服务业的从业人员数量来衡量。服务业增加值使用各省各年年末的服务业增加值，按照2006年可比价格进行换算。以上数据来源于2007～2016年《中国统计年鉴》和2007～2016年《中国第三产业统计年鉴》。输入数据，应用DEAP2.1对2006～2015年度各省服务业的全要素生产率增长率的水平进行计算，结果如表1所示。

表1 2006～2015年各省平均服务业全要素生产率数值

数据来源：《中国统计年鉴》(2007～2016年)、《中国第三产业统计年鉴》(2007～2016年)，利用DEAP2.1计算全要素生产率。

2.解释变量

本文选择城镇人口占总人口的比重作为测量中国城市化程度的指标。计算公式为：

(6)

其中，Urbanit是第i省t时期的城市化程度；Cityit表示第i省t时期城镇人口的数量；Totalit表示第i省t时期总人口数量。Urbanit数值越大，表示城市化水平越高。2006～2015年全国各省的城市化水平如表2所示。

表2 2006～2015年我国各省平均城市化水平

注：依据各省2006～2015年度城市化的算术平均值计算得到城市化变量的数值。

由表2可知，2006～2015年度，我国城市化水平最高的五个省级行政区依次是上海、北京、天津、广东、辽宁；城市化水平最低的五个省份依次为贵州、云南、甘肃、河南、四川。

3.控制变量

本文选取的控制变量有四个，分别是人均GDP、利用外资情况(以外商直接投资额占地区生产总值的百分比来衡量)、开放程度(以年进出口总额占地区生产总值的百分比来衡量)、服务业规模(以第三产业产值占地区生产总值的百分比来衡量)。

三、实证结果分析

(一)门槛模型的检验与估计结果分析

1.以城市化作为门槛值时的门槛模型检验与估计结果分析

美国经济学家Hansen(1999)[13]提出了“自主抽样法”(Bootstrap)，本文使用该方法对设定的模型进行门槛效应检验。分别以不存在门槛效应、存在一个门槛、存在两个门槛、存在三个门槛为门槛效应检验的原假设。通过GAUSS软件对模型进行估计后，获得了检验统计量的P值，如表3所示。

表3 城市化对服务业全要素生产率增长影响的门槛效应检验

由表3可知，当以城市化作为门槛变量时，对于单一门槛检验，得到的F统计量为13.7047，自主抽样法(Bootstrap)计算的P值为0.030，表示在10%的显著水平下拒绝不存在门槛的原假设，即该模型存在一个门槛。再对该模型分别进行双重门槛和三重门槛检验，原假设分别为存在二重门槛和三重门槛，检验后发现F统计值分别为3.9093和1.7139，自主抽样法(Bootstrap)得到的P值分别为0.596和0.840，这表明不能拒绝原假设，即该模型不存在双重门槛和三重门槛。因此，通过门槛检验，可知城市化对服务业全要素生产率增长的影响存在单一门槛效应。门槛效应检验后，需要对门槛值进行估计。美国华裔经济学家Bai(1997)[14]最早提出了求解门槛值的方法——序贯估计法。Hansen(1999)[13]在序贯估计法的基础上构建了置信区间法来求解门槛值。依照Hansen提出的置信区间法，通过GAUSS软件，得到单一门槛的门槛值为0.4030，在95%水平上显著的置信区间为[1.0885，1.3656]。

通过门槛检验并确定门槛值以后，对模型进行回归分析。结果如表4所示。当城市化水平(urb)小于门槛值0.4030时，城市化对服务业全要素生产率的影响系数为-0.0687，但是负向影响并不显著；当城市化水平(urb)跨过门槛值0.4030时，城市化对服务业全要素生产率增长的影响系数为0.1114，且影响显著。因此，得出以下结论：当城市化率未达到0.4030时，城市化对服务业全要素生产率的影响并不显著；当城市化率超过0.4030时，城市化才会对服务业全要素生产率的增长产生显著的促进作用。

图1 城市化对服务业全要素生产率增长影响的门槛效应检验

变量系数标准误差T值P值urbit(urbit⩽0.4030)-0.0687 0.0901-0.7625 0.4465urbit(urbit>0.4030) 0.1114 0.0551 2.0221 0.0443rGDP 0.0115 0.02405 0.4782 0.6330FDI 1.3536 0.4555 2.9717 0.0033openness-0.0140 0.0284-0.4930 0.6225industry-0.1786 0.1235-1.4462 0.1495

2.以人均GDP作为门槛值时的门槛模型检验与估计结果分析

以人均GDP作为门槛值时，分别考察单一门槛检验、双重门槛检验和三重门槛检验，结果如表5所示。可知该模型不存在双重门槛效应和三重门槛效应，只存在单一门槛效应，即城市化对服务业全要素生产率增长的影响存在单一门槛效应。

表5 以人均GDP为门槛变量的城市化对服务业全要素生产率增长影响的门槛效应检验

图2 以人均GDP为门槛变量的城市化对服务业全要素生产率增长影响的门槛效应检验

如图2和表6所示，当人均GDP的对数值低于10.0787时，城市化对服务业全要素生产率的影响为正，但并不显著；当人均GDP的对数值高于10.0787时，城市化水平的提高，将显著地促进服务业全要素生产率的提升。

表6 以人均GDP为门槛变量的城市化对服务业全要素生产率影响的门槛回归估计结果

(二)2006～2015年各区间内门槛值的省份数目变化

通过对上文的门槛效应模型的分析，可知城市化和人均GDP作为门槛变量的门槛值，根据门槛值将样本进行划分，得到不同的区间。通过观察可知： 2006～2015年间，各个区间内的省份数目有所变化，这些变化在一定程度上体现了中国城市化的发展规律。

表7 2006～2015年门槛区间内省份数目变化统计结果

第一，以城市化水平作为门槛值时，发现低于门槛值城市化率0.4030的省份数目逐渐减少。2006年，共有14个省份的城市化率在门槛值以下。随着中国城市化的推进，到2015年，只有贵州省1个省份的城市化水平没有越过门槛值，其余省份的城市化水平均越过了门槛值。这意味着对于绝大部分省份来说，提高城市化水平会对该省份的全要素生产率产生积极的正向影响。

第二，以人均GDP作为门槛值时，发现从2006年到2015年，低于门槛值(人均GDP对数为10.0787)的省份数量也在逐渐减少。2006年，人均GDP在门槛值以下的省份数量为24个，只有一部分经济较发达省份的人均GDP越过了门槛值；也就是说，只有一部分省份的城市化水平提高能够对该省份的服务业全要素生产率产生较强的正向影响。在2014年和2015年，所有省份的人均GDP均越过了门槛值，这意味着在2014年和2015年，对于所有省份来说，城市化水平提升都显著地提高了该地区的服务业全要素生产率水平。

四、研究结论及政策启示

目前，中国的城市化正在快速推进和发展过程中。城市化能够顺利推进的前提是有力的产业支撑，产业的持续发展来自于自身效率的提升。本文考察了城市化水平的提高对于服务业全要素生产率的影响，使用面板门槛模型考察了城市化对服务业全要素生产率的非线性影响，并以表征经济发展的指标——人均GDP作为门槛变量，考察了城市化对服务业全要素生产率的影响。得到以下主要结论：第一，城市化对服务业全要素生产率存在显著的门槛特征。具体来说，在城市化程度越过门槛值之前，城市化对服务业全要素生产率的影响并不显著；在城市化程度越过门槛值之后，城市化的提高会显著地促进服务业全要素生产率的提升。第二，当以表征经济发展程度的人均GDP作为门槛变量时，当人均GDP未越过门槛值时，城市化对服务业全要素生产率有正向影响，但并不显著；当人均GDP越过门槛值时，城市化的提高会显著地促进服务业全要素生产率的提升。

本文的研究结论为中国正在推进的城市化进程提供了清晰的政策启示：首先，应坚持推进城市化的政策导向。从本文的研究结论来看：由城市化产生的技术创新和知识外溢，能够有效地提高服务业的全要素生产率水平。其次，以人均GDP为门槛值可以把城市化划分为不同的阶段，就目前中国各省份的经济发展水平来说，2014年和2015年所有省份的人均GDP都越过了门槛值，这意味着提高城市化水平能够对所有省份的服务业全要素生产率水平的提升产生正向影响。此结论从另一个角度验证了应坚持推进城市化的政策导向，以提升服务业全要素生产率的结论的正确性。

[参 考 文 献]

[1]Lucas R.E. On the Mechanics of Economic Development[J].Journal of Monetary Economics, 1988, 22(1):3-42.

[2]Krugman P. Increasing Returns and Economic Geography[J].Journal of Political Economy, 1991, 99(3):483-499.

[3]杨小凯.发展经济学——超边际与边际分析[M].北京：社会科学文献出版社，2003.

[4]UNCHS. The State of the World′s Cities[EB/OL]. http://www.unchs.org/Istanhult5/80.pdf, 2004.

[5]闫晓红.城市化水平与长期经济增长关系的实证分析——基于27个省份面板数据的考察[J].经济经纬,2011,(3):25-28.

[6]Keeble D. ，Nacham L. Why Do Business Service Firms Cluster? Small Consultancies, Clustering and Decentralization in London and Southern England[J]. Transactions of the Institute of British Geographers, 2002, (27): 67-90.

[7]Chang G H.，Brada J.C..The Paradox of China′s Growing under Urbanization[J].Economic Systems, 2006, (30):24-40.

[8]中国经济增长与宏观稳定课题组.城市化、产业效率与经济增长[J].经济研究,2009,(10):4-21.

[9]胡拥军，等.中国城市化进程对服务业影响的实证分析——事实、悖论与解释[J].当代经济管理,2010,32(11):44-49.

[10]纪明辉.中国服务业全要素生产率研究[D].长春：吉林大学, 2013.

[11]邹静娴，申广军.中国服务业资源错配研究——来自第二次全国经济普查的证据[J].经济学动态，2015,(10):81-93.

[12]赵爽，李春艳.城市化对中国服务业全要素生产率的影响——基于中国服务业省际面板数据的实证研究[J].当代经济研究，2017,(2):89-96.

[13]Hansen B.E.. Threshold Effects in Non-Dynamic Panels: Estimation, Testing, and Inference[J].Journal of Econometric, 1999, 93:345-368.

[14]Bai J. Estimating Multiple Breaks One at A Time[J].Econometric Theory,1997,(13): 315-352.