物流成本、工业生产率和城镇化水平的空间差异

谭策天 何 文 刘玉人

一、引 言

改革开放后，伴随着经济快速增长，我国的城镇化进程高速推进。1978年我国的城镇化率仅为18%，2019年我国的常住人口城镇化率已经突破了60%。在四十多年的时间里，我国推进了人类有史以来最大规模的城镇化进程，共有6.64亿农民进城。依据Northam曲线对城镇化阶段的划分，按照城镇化率每年增长1个百分点估算，我国的高速城镇化阶段将在2030年左右结束。

然而，我国的城镇化状况存在显著的空间差异。若按东、中、西三大区域进行划分，城镇化水平呈现明显的“东高西低”格局。2019年，东部地区的城镇化水平最高，各省份城镇化率普遍在60%以上，均值为68.5%；中部地区次之，城镇化率均值为57.2%；西部地区最低，均值为54.2%。同时，三大区域内部的城镇化水平差距也较为明显。2019年，东部地区的上海、北京、天津三个直辖市城镇化水平遥遥领先，均已超过80%，处于城镇化后期；东部地区城镇化水平最高的上海为88.3%，最低的河北为57.6%，两者差值高达31个百分点。中部地区城镇化水平最高的湖北为61.0%，最低的河南为53.2%，两者相差约8个百分点。西部地区城镇化水平最高的重庆为66.8%，最低的西藏为31.5%，两者相差高达35个百分点。城镇化水平的空间差异将会给我国经济转型和扩大内需带来挑战，不利于区域间平衡、协调发展。因此，深入了解我国城镇化水平空间差异形成的原因，有针对性地制定政策，对于进一步推进我国城镇化进程具有重要意义。

一些研究认为，地理区位(曹广忠和刘涛，2011；卢丽文等，2014；马子量等，2014；王建康等，2016)、生态环境(邓祥征等，2013；王少剑等，2015；陈真玲，2016；杨晓娇，2019)、基础设施(马子量等，2014；李森圣和张宗益，2015；周慧和曾冰，2016)、人力资源或人口受教育水平(赵伟伟等，2008；曾鹏和向丽，2017)，以及对外开放程度(周慧，2016；王文俊，2017)等外生条件的区域差异，是我国城镇化水平空间差异形成的重要原因。一些研究则强调区域战略和政策的作用(高云虹和曾菊新，2006；刘盛和等，2007；曹广忠和刘涛，2011；李强等，2012；周靖祥，2015)，特别是户籍政策(都阳，2014；Bosker，2018；谭策天和何文，2019)造成的城乡收入差距的影响。

当前有关我国城镇化水平空间差异影响因素的研究以实证分析为主，对形成机理的理论探索仍较少。由于我国区域发展存在不平衡，要素在异质空间中不断流动，容易出现产业集聚现象，劳动力和人口也随之进行区域转移。人口由农村向城镇转移就是人口城镇化，因此产业集聚伴随要素流动推进了城镇化进程(葛立成，2004；马春辉，2004；徐维祥和唐根年，2004；张治栋和孟东涛，2018)。地区间的城镇化状况也在产业聚集的过程中产生了差异。基于此，本文将探究上述过程的运行机理，即研究要素流动通过产业集聚对城镇化水平空间差异产生的影响。要素流动直接反映在要素所有者和企业的区位选择中，因而本文的理论研究将基于能够较好展示微观行为的新经济地理学(NEG)而展开。在设定微观主体同质的NEG研究中，要素流动是同质要素对于异质区域的外生选择和区际物流成本调整的结果。然而，作为“世界工厂”，工业部门在我国是吸纳就业的重要产业，而我国工业发展水平同样具有较大的区域差距。Baldwin和Okubo(2005)将异质性企业理论引入了NEG①Ottaviano(2011)等学者将异质性理论与新经济地理学相结合的研究称为新新经济地理学(NNEG)。，强调要素流动的重要动力是异质微观主体的内生选择，特别是企业生产率异质性导致的企业对区域的自发选择，从而为本文的理论研究提供了基础。具体来看，本文将理论分析与实证研究相结合。

首先，从理论上探究城镇化水平空间差异的形成机理，并分析物流成本和工业生产率等因素的影响。其次，基于2000—2018年的省级数据构建调节效应模型，从实证方面解答工业生产率区域差异对我国城镇化水平空间差异造成的影响。本文的贡献主要包括以下四个方面：第一，利用NEG理论模型分析我国城镇化水平的空间差异，能够将该领域的研究拓展到对内在复杂机理的探讨中去，深化对我国城镇化水平空间差异影响机理的研究。第二，NEG侧重于对区域间产业竞争的分析，本文将分析对象拓展到城镇化问题上，并在企业异质性背景下探讨区域竞争与空间差异化的城镇化水平之间的关联，相比同质企业下的理论分析，更能展示不同区域城镇化水平受到的差异化影响。第三，现有研究在空间维度上未能留意一些影响城镇化进程的非线性关系，本文在理论研究的基础上发掘了这些复杂关系，并通过调节效应模型实证分析了工业生产率、物流成本等核心因素的影响。第四，本文深入分析我国城镇化水平空间差异形成的机理，为进一步推进我国城镇化进程的政策设计提供了理论和实证依据。

二、理论模型

（一）模型框架

假定所有居民具有相同的消费偏好。使用Pflüger(2004)双层效用函数的设定，外层的拟线性效用函数代表消费者对工业品和农产品的偏好，内层则是消费差别化工业品的不变替代弹性效用函数：

这里，CM和CA分别为工业品组合的消费量和农产品的消费量；σ表示任意两种工业品之间的替代弹性。

（二）模型均衡

三、理论分析与研究假设

需要强调的是，本文并非重点关注城镇化进程的整体推进，而是探讨城镇化水平空间差异的形成，即不同区域城镇化水平所受到的影响。整个经济空间具有不变的城镇化率实际上提供了一个基准点，一个区域的城镇化水平发生变化即反映了该区域的城镇化与整个经济空间以及另一区域之间产生差异。例如，城镇化率较高区域的城镇化率提升意味着城镇化率较低区域的城镇化率降低，从而城镇化水平的空间差距扩大。模型设定整个经济系统的城镇化率始终不变，并非认为经济系统整体的城镇化进程已经结束，这一设定只是意味着经济系统整体的城镇化进程还受到外生因素(如资本积累)的影响，而本文重点关注其中一些因素通过影响产业的空间布局，导致城镇化水平的空间差异。

（一）要素禀赋

研究假设1：一个地区的要素禀赋越丰裕则城镇化水平越高，两个地区的要素禀赋丰裕度差距越大则城镇化水平的空间差异越大。

（二）物流成本

研究假设2：物流成本越低，区际贸易越开放，则越有利于市场规模大的区域。随着物流成本的降低，大区域的工业份额和城镇化率相对提高，而小区域的工业份额和城镇化率相对降低，从而造成了城镇化水平的空间差异。

（三）工业生产率

一般认为，工业生产率提高能够增加工人的报酬，从而有利于城镇化率的提高。然而，本文的理论研究发现，工业生产率的提升会节约工业劳动力，从而可能产生降低城镇化率的作用。影响这两个相反作用的关键因素可能是当地的经济发展水平，经济发展水平越高的地区节约劳动力的效果越显著，经济发展水平较低的地区增加报酬、提升城镇吸引力的效果更显著。

研究假设3：随着工业生产率的提升，经济发展水平较高地区的城镇化率将降低，经济发展水平较低区域的城镇化率将提高，从而造成了城镇化水平的空间差异。

本文选择异质性企业框架，相比同质企业框架，其具有一些天然的优势。同质企业的理论分析(如NEG的CP、FC、FE等经典模型①请参考Richard Baldwin等2003年于Princeton University Press出版的《Economic Geography and Public Policy》的有关章节。)通常设定为两个完全对称的区域，经济状况的空间差异是由外生因素的区域差异造成的，变量影响不同区域的经济状况也是对称的，即变量的变化会使得不同区域的经济状况发生方向相反但效果相同的影响。在异质性企业模型中，各区域的城镇化进程天然不相同，虽然变动的方向依旧相反，但是随着物流成本等因素的变化不同区域变化的速率明显不同。本文的理论模型中考虑了异质企业的空间自选择，从而相较于同质企业的理论分析，更能展示不同区域城镇化所受到的差异化影响。此外，同质企业的理论模型通常有多重均衡，包括内点均衡和核心边缘均衡，经济状况的变动趋势因此变得不明确，甚至可能发生突发性集聚②同上。等非连续变化的现象，难以使用实证模型对研究假设进行检验。而本文的异质企业理论模型中变量的变化是连续的，相对便于进行实证分析。

四、实证模型

（一）样本选取

基于数据可得性，本文选取全国30个省份③考虑到西藏经济发展模式的特殊性，在样本中剔除西藏，保留余下的30个省份进行分析。2000—2018年的数据进行实证分析。数据选取的原因是：第一，实证模型选取的指标较多，而地级市层面的一些关键指标缺失，因此选择省级数据更全面；第二，2000年之前我国的人口城镇化速度相对较慢，而进入21世纪后大幅提速④20世纪90年代我国的人口城镇化率年均仅提升0.72个百分点，而进入2000年后我国城镇化速度大幅提升，2000—2018年我国人口城镇化率年均提升了1.51个百分点。，因此，本文选取城镇化进程较快的2000—2018年数据进行分析，以展现我国这一高速城镇化阶段的驱动因素；第三，常住人口比户籍人口能更好地反映我国城镇化和人口存量的真实状况，而常住人口的省级数据在2000年之前较少，主要以人口普查数据作为依据，即使发布了常住人口数据，在人口普查后也会进行较大幅度调整。如在2000年前后我国城镇化率就有一次跳跃①1999年城镇化率仅为30.9%，2000年就提高到了36.2%。，而2000年后相对稳定，说明数据质量有所提高。

（二）变量定义

被解释变量为城镇化率(purr)，以常住人口城镇化率作为表征。解释变量为要素禀赋、物流成本(trdc)、工业生产率(lnprod)，依据理论模型，以资本存量(lncap)表征要素禀赋。调节变量为人口规模(lnpop)和经济发展水平(lnpgdp)。考虑到模型中未纳入一些空间异质性的特征变量，本文控制了居民消费结构、城乡收入差距、税负水平、人均耕地、外贸依存度、国有经济占比、教育水平、医疗卫生水平和环境质量等九个方面的影响。具体的变量定义、计算方式以及描述性统计结果如表1所示。

表1 变量定义、计算方法及描述性统计

（三）模型设定

计量模型设定为：

其中，变量的下标i代表第i个省份样本，下标t代表2000—2018年中的第t年，分别用αi和λt控制个体和时间固定效应①面板数据的模型选择过程依赖F检验、LM检验以及Hausman检验。F检验统计量的P值为0，可以判断固定效应模型优于混合效应模型。LM检验结果显示随机效应优于混合效应。Hausman检验拒绝原假设，可以认为固定效应模型是具有最优效率的。因此，本文选择固定效应模型，同时控制个体(即地区)固定效应和时间固定效应，以消除遗漏的个体特征和时间特征所带来的影响。，εit为残差项。对模型变量进行单位根检验，变量不全部平稳；而协整检验②对非平稳变量进行Kao协整检验，P值小于0.01，从而认为这些非平稳变量存在显著的协整关系。表明变量之间具有协整关系，从而避免了伪回归错误。

五、实证结果分析

（一）基准回归

首先不纳入交互项对全样本进行基准回归，结果见表2，经济发展水平和医疗水平显著影响城镇化率，而资本禀赋、物流成本和工业生产率的系数均不显著。依照研究假设，产生这种情况的原因可能在于未纳入交互项，即被人口规模和经济发展水平的调节效应所掩盖。

表2 基准回归结果

续表2

（二）调节效应

在基准模型中陆续加入人口规模和物流成本、经济发展水平与工业生产率两个交互项，结果如表3所示。表3的4个模型分别为(1)无交互项，(2)纳入人口规模和物流成本交互项，(3)纳入经济发展水平与工业生产率交互项，(4)纳入双交互项。

表3 调节效应回归结果

纳入双交互项后，资本存量对城镇化水平具有显著的正向影响，资本存量每增加1%，能够拉高城镇化率约0.03个百分点。根据本文的估算，2018年资本存量最多和最少的省份①不包含西藏，下同。分别为山东和海南，山东是海南的14.4倍。资本存量的空间差异部分解释了我国城镇化水平的省际差异，这些结论验证了研究假设1。当然，资本存量的空间差距在2000—2018年存在一定程度的收缩，这也解释了这一时期城镇化水平空间差距的缩小。

人口规模对城镇化水平也具有显著的正向影响①虽然人口规模的效果受到物流成本的影响，但物流成本数值较小(见表1)。按照物流成本的均值计算，人口规模的系数约为0.18。，人口规模每增加1%，能够拉高城镇化率约0.18个百分点。人口中主要部分为劳动力，而劳动力是资本之外的重要生产要素，这一结论强化了研究假设1的结论，即增加要素禀赋能够提高城镇化水平。

纳入双交互项后，物流成本的系数为正，而人口规模和物流成本交互项系数为负，从而验证了研究假设2，即物流成本对城镇化率的影响取决于人口规模。人口规模较小的地区，物流成本越低，城镇化率越低；而人口规模较大的地区，物流成本越低则城镇化率越高。进入21世纪后，我国各省份平均的物流成本由2000年的8.48%大幅降至2018年的4.74%，这部分解释了我国城镇化水平的空间差异。

此外，纳入双交互项后，工业生产率的系数为正，而经济发展水平和工业生产率交互项系数为负，从而验证了研究假设3，即工业生产率对城镇化率的影响取决于经济发展水平。在人均GDP较低的地区，提高工业生产率会提升城镇化率；而在人均GDP较高的地区，提高工业生产率则会拉低城镇化率。进入21世纪后，我国工业部门生产率迅速提升，人均产值平均涨幅4.44倍，这也部分解释了我国城镇化水平的空间差异。

（三）稳健性分析②限于篇幅，本文未列示稳健性检验的回归结果。

为了避免样本选取、指标选择或估计方法对实证结果带来的偏误，本文进一步采取以下五种方法进行稳健性检验：(1)变更检验方法，使用考虑组内自相关的面板校正标准误(PCSE)对模型重新估计；(2)考虑到人均GDP和工业生产率均受到物价因素影响，从而交互项受到物价的双重影响，使用人均实际GDP替代人均GDP；(3)同时使用第二产业人均实际增加值(第二产业实际增加值除以第二产业从业人员数并取对数)替代工业生产率；(4)用城镇化率的同期离差(城镇化率与当年各省份平均城镇化率之差)替代被解释变量城镇化率，以进一步展示城镇化水平的空间差异；(5)在样本中剔除四大直辖市(北京、上海、天津和重庆)的数据，考虑直辖市以外地区的情况。回归结果表明，不论是变更估计方法、更换指标还是调整样本范围，两个交互项的系数均保持着相近的显著性，解释变量的系数差别也不大，从而可以认为本文实证研究的结果是稳健的。

为了避免内生性问题，本文使用解释变量的滞后项作为工具变量(IV)，进行GMM估计，结果如表4所示。第(2)列、第(3)列和第(4)分别采用单IV，而第(5)列则同时纳入三个IV。与第(1)列无IV的基准回归结果相比，在使用解释变量的滞后项作为IV后，回归结果并无显著变化，从而可以认为模型的内生性问题对实证结果的影响相对不严重。

表4 内生性探讨(滞后工具变量)

在核心解释变量中，考虑到城镇化水平提高后，物流量更集中于城镇，这将节约物流成本，即物流成本与城镇化率之间可能互为因果关系。因此，本文选取外生IV进一步探讨物流成本的内生性问题。运输路网的建设服从于国家整体规划，而非取决于当地的城镇化水平，但会通过减少物流成本间接影响城镇化进程。本文分别选取样本的公路运输里程(lnroad)和铁路运营里程(lnrailw)作为物流成本①同理，物流成本的交互项lnpop×trdc分别以lnpop×lnroad 和lnpop×lnrailw作为IV。的IV，分别使用单IV和双IV 来估计内生性的影响。GMM估计的结果分别由表5的第(2)列、第(3)列和第(4)列所示，与第(1)列的无IV结果相比可知，使用外生IV后，核心解释变量作用的方向及显著性并未改变，从而认为物流成本的内生性问题对研究的核心结论影响较小。值得留意的是，使用外生IV后，物流成本及其交互项对城镇化的影响被加强了。

表5 内生性探讨(外生工具变量)

（四）分区域比较

按东、中、西部②东部11个省份：辽宁、北京、河北、天津、山东、江苏、上海、浙江、福建、广东、海南；中部8个省份：黑龙江、吉林、山西、河南、安徽、江西、湖北、湖南；西部11个省份：内蒙古、新疆、宁夏、青海、甘肃、陕西、云南、贵州、四川、重庆、广西。分区域进行比较分析，以进一步展示区域特征。由于分样本的数据结构为长面板，在进行组间异方差Wald检验、组内自相关Wald检验和组间同期相关Breusch-Pagan LM检验后发现，组间异方差、组内自相关和组间同期相关均在一定程度上存在。因此，采用相同自回归系数③使用不同自回归系数进行估计，对结果影响很小，限于篇幅文中未予报告。的PCSE来估计回归系数，结果如表6所示。

表6各列间相互比较并与表3的全国整体情况相比较，可以发现：

第一，资本存量对城镇化率的影响在东部和中部均显著，在东部的效率最高，资本存量增加1%会提高人口城镇化率0.06个百分点，是中部的3倍，而资本存量在西部地区并不对城镇化率产生显著效果，这显示出区域间资本利用效率的巨大差异。

第二，各区域物流成本的减少对城镇化率的作用都受到人口规模的影响。如表6所示，物流成本的影响和人口的调节作用在中部均最强，说明进入21世纪后，在中部地区城镇化进程中，物流成本的降低发挥了最为重要的作用。而东部地区在更大的人口范围内呈现出物流成本与人口城镇化率的正相关关系，西部地区则更呈现为物流成本与人口城镇化率的负相关关系。可能的原因在于，东部地区的城乡一体化程度更高，农村居民在交通基础设施建设及物流业发展中获得更多的便利，这使得物流成本的降低无法提升城镇对人口的吸引力。而西部地区的城乡一体化程度较低，物流业的发展更有益于城镇居民，物流成本的降低主要成为城镇的吸引力。

第三，工业生产率的提升，一方面通过节约劳动力而降低城镇化率，另一方面通过提高劳动力收入增强家庭在城镇的生存能力而提高城镇化率。在经济发展水平较高的地区，前者的效果更强，而在经济发展水平较低的地区，后者的效果更强。因此，各区域工业生产率提升对城镇化率的作用都受到经济发展水平的影响，并呈现为上述两方面效果的平衡。工农业的收入差距在西部地区较大，从而主要呈现出如下效果，即工业生产率的提升主要表现为城镇化率提高。

六、结论与启示

有别于对单一地区城镇化进程的研究，本文在异质性模型框架下，从理论上探究空间差异化的城镇化路径的形成机理，分析要素禀赋、物流成本和工业生产率等因素对城镇化水平的空间差异所造成的影响。同时，本文基于2000—2018年的省级数据进行实证研究验证了研究假设，并结合跨区域比较，得到了一系列结论。主要结论如下：第一，增加资本禀赋能有效提升城镇化水平。东部地区的资本禀赋丰裕度和资本利用效率均高于中部地区，西部地区的资本利用效率则偏低，这部分地解释了城镇化水平的空间差异。第二，物流成本的降低对城镇化水平的作用取决于当地的人口规模，一个地区的人口规模越大，减少物流成本越能提升当地的城镇化水平。21世纪以来，我国各地的物流成本降低部分地解释了城镇化水平的空间差异。第三，工业生产率的提升对城镇化水平的作用取决于当地的经济发展水平，人均GDP越高，工业生产率的提升越能降低当地的城镇化水平。21世纪以来，我国工业生产率的迅速提升部分解释了城镇化水平的空间差异。此外，在理论上，NEG的重要结论之一是降低区际贸易的物流成本有利于市场规模较大的地区，本文的研究也从对城镇化影响的角度强化了对这一结论的认识。

北京、上海等地区的高速城镇化进程已经基本结束，而大部分中西部地区仍将在较长时间内处于高速城镇化的阶段。本文的分析为进一步推进我国城镇化进程的政策设计提供了理论和实证依据。第一，政府需要注重对资本的积累和有效利用，中西部地区应当借鉴东部地区的成功经验。第二，人口规模大的地区应该继续致力于推动区际贸易自由化，而人口规模较小地区的城镇化进程则需要充分结合人口吸引和产业集聚的相关政策。第三，制造业的技术进步，尤其是智能化的发展，在提升经济发展水平的同时也会带来就业岗位的减少，从而抑制城镇化的速度。欠发达地区需要持续推动技术进步，而发达地区则需要权衡长期区域竞争力的提升和短期就业岗位流失这两方面的得失。