产城协同发展的经济增长效应评估——基于省级空间面板数据的计量分析

屈 婧

（重庆大学，重庆 400044）

引言

改革开放以来，我国经济发展取得了举世瞩目的成就，但在此过程中也产生了诸如城乡二元经济结构、产业结构低度化、经济下行压力加大等多种问题。十八大以来，中央将城镇化作为我国现代化建设的重要着力点，城镇化发展和产业结构优化作为我国新常态下的重要发展目标，二者协同发展能否促进经济增长，是值得我们深入研究的重要现实问题。

有关城镇化、产业结构变迁与经济增长的问题一直是学术界研究的热点，主要研究方向可分为三个方面：第一，城镇化与经济增长。Christian、Thomas（2011），蒋冠等（2014）指出，城镇化发展对劳动力集聚、产业组织形式完善、区域优势凸显有积极影响，通过投资拉动机制、消费刺激机制、产业优化机制、创新激励机制来促进经济增长[1～2]。第二，产业结构与经济增长。严成樑（2016）、王立平等（2010）认为，产业结构变迁的过程同时也是劳动力从农业部门向非农业部门流动的过程，产业结构变动对地区经济增长存在显著的促进作用，并且存在较为显著的空间外溢性[3～4]。第三，城镇化与产业结构。夏春萍（2010）、辜胜阻等（2012）、魏后凯等（2011）认为，新型城镇化通过提升三次产业的发展质量促进经济结构转型和可持续发展，进而促进产业结构的优化[5～7]。

可以看到，国内外研究都肯定了新型城镇化与产业结构变迁的经济增长效应，但对于二者协同影响经济增长的实证研究却相对偏少，研究过程中易忽略空间溢出效应这一重要影响因素。因此，本文将基于空间面板模型分析城镇化与产业结构协同发展的经济增长效应，以期明确城镇化发展和产业结构变迁对经济增长的空间影响，找准其促进经济可持续增长的着力点。

一、指标选取和统计描述

1.城镇化发展水平。城镇化的过程是一个包括城镇的经济发展、产业结构提升、文化环境改善、生活质量提高、居住环境改善、社会全面发展的集新型工业化、信息化、城镇化、农业现代化，以及绿色化为一体的综合体系[8]。本文在以往研究的基础上，对各种指标进行筛选与整合，按照全面系统性、科学性、针对性的原则，构建了基于经济发展、社会发展、生态宜居和生活质量的我国新型城镇化建设的综合评价体系，下属三级指标分别为：人均GDP、城镇固定资产投资、非农产业增加值占GDP比重；城镇化率、非农产业从业人员比重、国家财政性教育经费占GDP比重；人均城市道路面积、人均城市绿地面积、城市道路清扫保洁面积；城镇居民家庭恩格尔系数、城市每万人拥有公共交通车辆数、每万人拥有卫生技术人员数。本文采用主成分分析法来确定新型城镇化评价体系中各指标的权重。以上12个指标的KMO值大于0.7，同时也通过了Bartlett的球形度检验，表明各指标变量之间存在较强的相关性，存在可以提取的公因子，符合进行主成分分析的条件。借助SPSS18.0软件进行主成分分析，得到总方差解释结果，表明前5个成分的累积方差贡献率达到了85.969%，能够有效反映大多数的原始信息。计算结果显示，从总体上看，我国城镇化发展水平一直稳步提升，但各区域间城镇化发展差距较大。其中，江西、广西、海南、贵州、云南、甘肃、青海等省份城镇化水平较低，北京、天津、上海、江苏、浙江、山东城镇化水平较高。这与长久以来形成的区域间的经济水平差距不无关系，城镇化水平较高的省份多位于东部地区或者为直辖市，相比于中西部地区它们在体制改革、创新驱动、要素吸引等方面都具有一定的先发优势，这种优势同样也会存在于城镇化建设中。

2.产业结构变迁水平（STR）。关于产业结构变迁水平的测度，本文将在传统Moore指数的基础上，借鉴周明磊、任荣明（2011）改进后的Moore指数来表示产业结构变迁水平[9]。计算结果显示，我国各区域产业结构均处于不断优化的过程，其中北京和上海的产业变迁水平较高，其余省份间的产业结构变迁水平差距较小。这也证明了我国长期以来重点强调的产业政策取得了很大的成效，各地区在经济发展过程中开始注重“质”的提升，在自身既有产业结构的基础上积极发展现代化服务业，不断寻求产业结构向合理化和高级化发展。

二、实证分析

本文研究样本来自中国除西藏以外的30个省、自治区及直辖市2000—2015年的统计数据，原始数据来源于《中国统计年鉴》《新中国六十年统计资料汇编》等，使用软件为Stata 13.0、Matlab 2010b。

1.变量选取。被解释变量为区域经济增长水平，用以1978年为基期的实际人均GDP来衡量。核心解释变量为城镇化发展水平（URB）和产业结构变迁水平（STR）。引入的控制变量包括人力资本积累（HUM），技术进步（RD）、外商投资（FDI）、要素禀赋（KL）、金融发展规模（BLG）、财政制度（FEG）。

2.模型构建及空间相关性检验。在构建空间量模型之前，需要对主体分析对象进行空间自相关检验，本文基于邻接距离矩阵，利用Moran’s I指数对区域经济增长变量进行空间相关性检验。区域经济水平的Moran’s I指数及其统计检验结果显示，样本期间内Moran’s I指数均在1%的水平显著为正，表明我国区域经济发展在总体上存在一定的正向空间相关性。通过空间自相关检验后，为进一步检验城镇化发展与产业结构变迁的经济增长效应，引入可供选择的两种空间计量模型，即空间滞后模型（SAR）和空间误差自相关模型（SEM）。

3.产城协同视角下的分析。基于产城协同视角分析时，采用Hausman检验和拉格朗日乘子检验（LM检验）来选取合适的模型。Hausman检验统计量为149.16，通过1%显著性水平检验，说明固定效应优于随机效应模型。综合三种空间权值矩阵情形下的LM检验结果，得到空间滞后模型优于空间误差模型。因此，可以确定固定效应的空间滞后模型为较优模型，后续政策分析以此为准。

产城协同空间面板模型的估计结果显示，城镇化发展水平和产业结构变迁水平的交叉项大小在0.007附近，且均在1%水平下显著说明产业结构和城镇化相互促进、协同发展，推动经济发展。城镇化通过创造新的需求引导资源不断向新兴产业集聚，推动技术密集型产业和知识集约型产业快速发展并形成新主导产业，主导产业具有带动整个区域经济发展的核心作用。而产业结构变迁又是城镇化发展的支撑力量，产业结构的变迁中由技术革新和知识扩散带来的高回报促使大量资金和劳动力离开传统产业转而投向新兴产业的怀抱，这为城镇化建设提供了充足的资本和人力基础。因此，现阶段的城镇化发展水平和产业结构变迁水平具有良好的协同性，能够有效促进区域经济的增长，带来显著的经济增长效应。

三、结论与政策建议

本文基于2000—2015年全国30个省、自治区及直辖市的面板数据，在计算城镇化发展水平和产业结构变迁水平的基础上，构建了空间面板模型，运用固定效应的空间滞后模型基于产城协同的视角实证分析了我国城镇化发展与产业结构变迁协同发展对区域经济增长的影响效应。结论表明，现阶段我国的城镇化发展水平和产业结构变迁水平具有良好的协同性，对区域经济增长具有明显的促进作用。城镇化发展过程中产业结构得到优化，产业结构变迁又是城镇化发展的支撑力量。各地区在经济发展过程中应当避免产城分离现象，积极推进产城融合发展。城镇化发展没有产业支撑，即便再漂亮，也是“空城”；产业发展不能落地于城镇，即便再高端，也只能“空转”。城镇化发展与产业结构变迁要有对应的匹配度，不能一快一慢，脱节分离，应真正实现“以产促城，以城兴产，产城融合”。