中国资源型城市城镇化发展差异的解释——基于Shapley值分解方法

吴 静 ，白中科，2，3

（1.中国地质大学（北京）土地科学技术学院，北京 100083；2.自然资源部土地整治重点实验室，北京 100035；3.自然资源部矿区生态修复工程技术创新中心，北京 100083）

1 引言

资源型城市作为中国特殊的城市类型，其丰富的资源使其在城市经济发展方式、产业结构等方面与普通城市存在差异，尤其是在影响城市城镇化发展的主导因素和区域城镇化发展水平上与普通城市存在较大的差别，主要表现为：（1）资源禀赋是影响资源型城市城镇化发展的主导因素。总体来看，影响城镇化水平差异的因素包括地理区位、交通路网、政策支持、产业布局等[1]。除上述普适性的影响因素外，资源型城市的城镇化发展还受制于资源，包括资源储量和资源产品市场等[2]。资源型城市的人口规模受资源开采和资源产业的兴衰影响，如日本资源型城市Yubari因煤炭资源丰富而闻名于世，1960年当地人口规模达到116 908人，但随着资源枯竭，煤矿企业关闭，1990年90%的人口外流[3]。同时也有研究表明，资源产品市场价格上涨能够带动当地人口和经济的发展，故资源产品市场环境也影响着资源型城市城镇化的发展[4-5]。（2）东北地区资源型城市①文中出现的四大区域的资源型城市指：东北地区为黑龙江、吉林、辽宁；东部地区为河北、浙江、福建、山东、广东、江苏；中部地区为山西、安徽、江西、河南、湖北、湖南；西部地区为内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、新疆、宁夏省（自治区）内的地级市资源型城市。的城镇化水平高于全国及其他地区资源型城市的城镇化水平，而东部地区普通城市②2017年全国地级层面行政区划334个，本文表述的普通城市是除盟、自治区、地区以及资源型城市后剩下的地级市。城镇化水平最高，截至2017年，全国、东北、东部、中部和西部地区资源型城市城镇化率分别为58.52%、61.85%、57.97%、55.16%和51.22%，可见东北地区最高；而普通城市四大区域的城镇化率分别为56.53%、64.38%、55.29%和51.08%，即东部地区远高于全国及其他地区。

全国资源型城市城镇化发展的差异化，对中国经济发展带来诸多不利的影响。一是由于城镇化与经济增长相互影响，城镇化水平的失衡会加剧区域经济发展的失衡；二是城镇化与工业化发展相互影响，城镇化水平的差异化会拉大地区间收入水平，影响全面建成小康社会的大计。产生这种差异化的原因是多方面的，包括经济发展水平、产业发展、生态环境等[6]，而伴随着经济体制改革、工业结构调整及发展大环境的变化，各影响因素对资源型城市城镇化水平影响的贡献度如何？

目前，研究城镇化水平差异的文献较多，但对差异的解释及其贡献度的文献较少，而其中以资源型城市为研究对象的文献更少。在研究城镇化水平差异及其影响因素方面，尺度上涵盖了区域、省级、市级和县域尺度，方法上包括直接描述法、变异系数、泰尔指数法、空间分析法、综合评价法、各种计量模型等，内容上侧重于考察区域空间城镇化与经济发展的关系[7-12]。在对差异的解释及其贡献度方面，周一星、许学强等从自然条件、工业布局、政府政策、经济水平等角度解释了中国地域、省域城镇化程度差异[13-14]。刘盛和等通过区位商的变化来衡量城镇化水平的省际差异[15]。王志宝等通过以城镇人口增长指数和城镇人口的相对增长指数为变量构建人口城镇化贡献模型，并从这两方面的贡献率来分析省级行政单元的城镇化差异[16]。姚东基于空间面板数据，采用夏普利值分解方法对影响区域城镇化的影响因素进行排序[17]。周靖祥运用泰尔指数的分解中组间和组内差距来分析省内和省际对城镇化差异的贡献率[18]。本文借鉴前人的研究，以新型城镇化理念为指导，基于选取资源型城市城镇化发展的主要影响因素所构成的面板数据，构建回归模型，运用Shapley值分析方法对影响资源型城市城镇化发展水平的差异化的因素进行分解，得到各影响因素对资源型城市城镇化发展水平的贡献度。

2 数据来源、研究方法和变量选择

2.1 数据来源及处理

《全国资源型城市可持续发展规划（2013—2020年）》公布了262个资源型城市，其中地级市资源型城市126个。由于资源型城市设市时间不一，且经历了多次行政区划调整，包括兼并与重组，资源型城市中最晚设立为地级市的时间为2002年，故本文将时间节点设定为2003—2017年。另外由于部分地区数据缺失严重（如大兴安岭地区、海西州等），故将这样的样本剔除，由此得到115个地级市资源型城市样本，共1 725个观测值。本文数据均来源于2004—2018年《中国城市统计年鉴》，资源型城市所在各省、市、自治州统计年鉴作补充，选取的部分变量值由笔者计算得来。

2.2 研究方法

本文采用基于回归方程的Shapley值分解方法，对三个不平等指标Gini系数、对数离差均值（GE0）和泰尔指数（GE1）进行分解，并以三者的算术平均值表示各影响因素对资源型城市城镇化水平的最终贡献度。

2.2.1 基于回归方程的Shapley值分解

Shapley值分解研究来源于Shorrocks的自然分解理论，是在合作博弈论的理论基础上，衡量决定因素对目标变量的贡献[19-20]。回归方程是建立决定因素和目标变量间的数量关系，万广华[21]将二者有机的结合起来，以中国农村收入差异为实例，对农村区域差异进行了分解，以回归方程为基础的夏普利值分解通用框架是假定Y=F（X，U）为一个回归模型，其中，Y是因变量（根据研究目的确定），X是影响的因素，U是残差项，那么Y可以表示为：

式（1）中：α+是确定部分，表示因不同变量而产生的结果（如当Y表示收入时，则表示不同因素影响下产生的收入流）。

在上述回归方程的基础上，采用Shorrocks的方法去除某一变量，如果不平等程度因此而上升（下降），那么这个变量就产生了一个负（正）的贡献，该变量即为降低（增加）不平等的因素。通过该方法可以将不平等度量指标分解成每个自变量的贡献、残差项的贡献和常数项的贡献[22]。

2.2.2 Gini系数

Gini系数是目前国内外使用最多的用于解释区域发展不平衡的相对指标[22]，具体计算公式如下：

式（2）中：n为地区数量；xi和xj分别为地区i和j的城镇化水平；μ为城镇化水平的均值。

2.2.3 广义熵指数

广义熵指数（Generalized Entropy, GE）由THEIL于1967年利用信息理论中的熵概念计算收入不平等而提出并在1972年对其扩展[21，23-24]。根据厌恶不平等的程序不同，可以分为对数离差均值（GE0）和泰尔指数（GE1），表达式如下：

式（3）—式（4）中：n、xi、μ的含义与Gini系数公式中的相同；fi表示i地区城镇人口数量占全国城镇人口数量的比重。

2.3 变量选取及综合测度

资源型城市是快速工业化的结果，其城镇化发展过程具有资源主导性、高速低质性[25]。新型城镇化以人为本为发展目标，要求城镇化进程中人口、土地、经济、社会等关键要素保持协同，城镇化发展水平应与产业结构、就业岗位、资源环境本底条件等保持一致[26-29]。鉴于此，以数据的可获取性为原则，本文结合前人的研究[30-39]，从经济、社会、产业、空间、公共服务和生态环境6个方面入手，选取影响资源型城市城镇化发展的因素。

（1）经济因素。人均GDP避免了人口规模的影响，因此采用人均GDP指标来反映资源型城市的综合经济发展水平。

（2）社会因素。非农就业岗位为人口转移提供了桥梁，由于随着产业结构调整，新增城镇人口就业越来越依赖于第三产业，因此选第三产业就业来表示。

（3）产业因素。第二、三产业GDP反映城市产业结构，分别用第二、三产业增加值比GDP表示。

（4）空间因素。用人均道路面积、人口密度表示资源型城市空间发展形态。

（5）公共服务因素。资源型城市城镇化发展具有浓重的政府主导色彩，用各城市财政支出除以当年GDP表示政府对城市建设等公共服务方面的投入。

（6）生态环境因素。SO2是资源型产业排放的主要的污染物，用工业SO2排放量反应资源型城市生态环境质量。

3 基于面板数据的资源型城市城镇化发展模型估计

3.1 模型设定与统计描述

为减少数据的波动性，对采用绝对数的变量取对数，并设定半对数模型如下：

式（5）中：i表示第i个地级市资源型城市，t表示年份，j表示第j个变量；β表示不同影响因素的系数，ε为随机扰动项。对于个别年份的缺失数据，本文利用stata.15进行多重补漏，表1是各变量的描述统计。

3.2 模型估计检验

通过F检验、LM检验和稳健Hausman检验来确定估计方法，各检验结果如表2。可以看出，F检验、LM检验和Hausman检验均显示拒绝原假设，F检验、LM检验的结果表明存在个体效应,说明固定效应模型和随机效应模型优于OLS模型。Hausman检验的结果表明应选择固定效应模型进行估计。由于本文采用了截面数量远大于时间序列的短面板数据，因此可能存在同期截面相关和组间异方差问题，所以采用Pesaran检验进行同期截面相关检验，采用GREENE提出的修正的Wald统计量检验异方差，结果如表3。

3.3 回归结果与分析

为消除截面相关和异方差的影响，本文运用面板数据校正标准误PCSE（Panel Corrected Standard Errors）进修修正，修正回归结果与固定效应回归结果如表4。

根据上表，各变量对资源型城市城镇化发展均在1%显著水平下通过检验，说明经济、社会、产业、空间、公共服务、生态环境均对资源型城市城镇化的发展具有影响，但影响的方向与程度各不相同。其中，lnc3、lnpgdp、gdp2、gdp3、cz、lnpd和lnpr的提高对城镇化水平发展具有显著的正向影响，生态环境对城镇化发展影响为负。

表1 描述统计Tab.1 Descriptive statistics

表2 模型检验结果Tab.2 Test results of model

表3 截面相关和异方差检验结果Tab.3 Test results of cross-sectional correlation and heteroscedasticity

表4 PCSE修正后的估计结果Tab.4 Estimation results of PCSE modification

4 基于Shapley值的资源型城市城镇化发展差异分解

基于以上回归分析进行Shapley值分解，分解结果如表5。

无论从单个因素贡献排序还是看其均值，第三产业增加值占GDP的比重是造成资源型城市城镇化水平差异的最重要因素，2003—2017年其贡献率排名居第一位，平均贡献率达到97.79%。“十五”计划提出“对经济结构进行战略性调整，加快工业改组改造和结构优化升级，大力发展服务业”，经过多年的努力，已有研究表明，第三产业对城镇化的拉动能力逐步增强[40]，且随着供给侧改革不断深入，使第三产业在国民经济中占比上升，优化产业结构，盘活资源型城市发展，而这样的改革是渐进的过程，优先改革的试点区域必然与后改革的区域形成差异，结果是拉开了资源型城市城镇化发展水平。资源型城市城镇化发展差异的第二大贡献因素是财政支出占GDP比重，2003—2017年三个指数均排名第二，平均贡献率为13.71%。中国资源型城市在传统计划经济体制下发展而来，长期以来受制于制度、技术等的影响，转型难度大。经济、产业改革背景下，资源型城市难以适应市场发展新要求，加之全球资源产品市场不景气，导致资源型企业效益下降，故政府对资源型城市的财政支出对资源型城市城镇化发展起到了重要的作用。资源型城市城镇化发展差异的第三大贡献因素是人口密度，平均贡献率为0.51%。排名第四位的是第三产业就业岗位，平均贡献率为0.24%。处于第五位的是人均拥有道路面积，平均贡献率为0.03%。人口密度的上升能够在空间上产生集聚效应从而吸引劳动力、企业进入，增加非农就业岗位，增强城市对农村劳动力的吸纳能力，有利于资源型城市城镇化的发展。人均拥有道路面积反应资源型城市基础设施供给情况，长期以来，资源型城市的基础设施一直相对薄弱，是阻碍资源型城市转型发展的难题之一，因此，改善基础设施能够促进资源型城市城镇化。

另外，工业二氧化硫排放量、人均GDP和第二产业增加值占GDP比重对资源型城市城镇化水平差异的相对贡献率均值为负，即为缩小差距的力量。由表4可以看出，工业二氧化硫排放量与资源型城市城镇化呈反向发展，工业二氧化硫排放量表征了资源型城市的生态环境，即生态环境越差，越不适宜生产生活，城镇化发展受到影响，而通过控制污染物的排放量，能够刺激城镇化发展，缩小资源型城市城镇化水平发展差距。人均GDP和第二产业增加值占GDP比重与资源型城市城镇化发展呈显著正相关关系。人均GDP表征区域经济发展水平，随着市场化改革深入，城市群战略的实施，有利于区域经济一体化，促进城镇化平衡发展，缩小城镇化差异。从资源型城市的内涵出发，第二产业增加值占GDP比重代表着资源型城市与非资源型城市最主要的区别所在，而不同的资源类型又使各资源型城市间的主导产业不同。需要指出的是，尽管第三产业的驱动作用已经超过第二产业，但对于中西部区位较差的资源型城市，工业仍然是实现城镇化发展的核心驱动力[25]，并以此来缩小区域间城镇化差距。

表5 资源型城市城镇化水平差异的夏普利值的分解Tab.5 Shapley decomposition results of the urbanization of resource-based cities

5 结论与讨论

本文利用2003—2017年地级市资源型城市面板数据，以新型城镇化理念为指导，考虑了影响资源型城市城镇化发展的经济、社会、产业、空间、公共服务和生态环境6个方面的影响因素，构建了固定效应模型，并以此为基础用Shapley值分解法对资源型城市城镇化发展差异进行了分解，量化了各因素对资源型城市城镇化发展影响的贡献度，综合上述分析，得到如下结论：

（1）第三产业增加值占GDP比重是形成各资源型城市城镇化差异的主要原因，其平均贡献率为97.79%，其次财政支出占GDP比重对资源型城市城镇化水平差异化的贡献排名第二，平均贡献率为13.71%，人口密度、第三产业就业和人均拥有道路面积也是资源型城市城镇化水平差异化的原因，但贡献率较小，分别为0.51%、0.24%和0.03%。

（2）工业SO2排放量、人均GDP和第二产业增加值占GDP比重对资源型城市城镇化发展水平差异化的贡献率为负，是缩小资源型城市城镇化水平发展差异的因素。

基于以上分析，本文所选取各影响因素对资源型城市城镇化发展的贡献度，明确了是何种因素在加剧和削弱这种差距，这有利于政府部门进行宏观调控，以实现区域城镇化发展的平衡。由于本文选取的指标均为影响资源型城市城镇化发展的共性指标，未考虑不同资源型城市的本底情况的影响因素，如位置、规模、属性等，而如果对这方面的情况加以考虑，所得结果会更具有针对性。同时也需要对数据进一步挖掘，考虑影响资源型城市城镇化发展因素的综合性。这将是今后的研究中需要重点关注的方面。