刘耀彬，黄梦圆

（南昌大学 经济管理学院，江西 南昌 330031）

·区域发展

城市化进程中的“资源尾效”和“资源诅咒”
——基于中国27个煤炭城市的面板数据分析

刘耀彬，黄梦圆

（南昌大学 经济管理学院，江西 南昌 330031）

传统城市化理论往往强调自然资源对城市发展的正面作用，却对城市化的约束和反向作用问题考虑不够。文章基于“资源尾效”和“资源诅咒”两种假说，利用1997-2012年中国27个典型煤炭城市的数据对其煤炭资源开发与城市化发展的关系进行正负效应检验。结果表明：27个煤炭城市中有16个城市出现“资源尾效”，其尾效数值为0.001 755；其余11个城市出现“资源诅咒”，其煤炭资源对城市化发展的影响系数为-0.207 2。可见，自然资源的开发强度要处于一个合适的水平，并同时注意资本投入、教育和制度等因素才能最大程度上提高城市化水平。

煤炭城市；资源尾效；资源诅咒；有限混合回归模型

［DOI］10.3969/j.issn.1007-5097.2015.01.010

一、引言与文献回顾

传统城市化理论往往把自然资源条件当作城市化的投入要素，并不把自然资源问题作为城市化的限制因素，强调更多的是自然资源对城市发展的正面作用，却没有考虑到对城市化的约束和反向作用问题。同时，由于城市化和自然资源开发利用过程都具有明显的时间阶段性和空间相关性，使得自然资源约束城市化呈现出非线性和空间依赖性。因此，随着自然资源问题的日趋严重，需要深刻认识城市化与自然资源之间的非线性关系，全面审视城市化进程中的自然资源协调管理问题。

由于城市化与经济增长密切相关，研究城市化进程中的“资源尾效”和“资源诅咒”往往通过研究经济增长问题而实现。由于资源的约束，经济增长的速度与不存在资源约束情况下的经济增长速度相比有所降低，我们将这种降低的程度定义为经济增长的“资源尾效”（Romer，2001）［1］。自然资源对经济增长的“资源尾效”的研究得到国内外学者们的较多关注（Nordhaus，1992；谢书玲等，2005；杨杨等，2007；张士杰，2013）［2-5］。而直接研究自然资源约束城市化的“资源尾效”则刚刚起步，并且集中在定量检验和线性分析建模上（刘耀彬等，2007，2011；张琳等，2011）［6-8］。相对于“资源尾效”的研究，自然资源对区域增长的“资源诅咒”的研究更被国内外学者所重视。“资源诅咒”是指自然资源的大量开发并不能有效地带动资源丰富国家或地区经济的发展，反而会由于过量的资源而带来一系列的负面效应而拖累经济的发展（Anty，1993）［9］。在Anty首次提出“资源诅咒”概念后，国内外学者大量的实证研究证实了“资源诅咒”的存在及传导机制（Sachs，et al，1995，1997，2001；Gylfason，2001；Papyrakis，et al，2004，2006；徐康宁等，2006；邵帅等，2008，2010）［10-18］，但直接检验自然资源约束城市化的“资源诅咒”则鲜有报道（李少星等，2007，2009；Dietz，et al，2007）［19-21］。

总体来看，国内外学者基本是把“资源尾效（drag）”和“资源诅咒（curse）”分开，再对经济增长及城市化的影响进行研究。然而在中国城市化进程中，无论在省级层面还是在地级层面都并存有“资源尾效”和“资源诅咒”现象，即当自然资源R＜R1时，城市化进程会出现“资源尾效”；而当自然资源R＞R1，则会出现“资源诅咒”，城市化率增长率U˙g呈下降趋势，如图1。由于同时识别自然资源对城市化的约束和反作用的关键技术问题没有得到根本突破，由此限制了城市化的快速发展。因此，如何识别中国城市化进程中的“资源尾效”和“资源诅咒”，并分析解决资源约束的合理措施是一个亟待解决的现实问题。

图1　城市化增长率与自然资源丰裕度

煤炭城市作为世界上普遍存在的一类特殊的城市类型，由于其煤炭资源的不可再生性，任何煤矿都有一定的开采年限，煤炭资源枯竭、生态环境遭到破坏等矛盾问题日益凸现，可持续发展受到严重挑战和制约，从而制约煤炭城市的城市化发展。然而不同煤炭城市的发展状况并非一致，有些煤炭城市的煤炭资源开采不足，有些却是过量，所以我们必须区分开再加以研究。

本文立足于前人的研究基础上，首次将“资源尾效”和“资源诅咒”假说同时引入城市级层面进行研究，运用有限混合回归模型将我国的煤炭城市进行分组研究，最终推导出煤炭资源开发与煤炭城市城市化水平发展之间的关系，并进一步探讨了解决资源约束的合理措施。

二、理论模型

（一）“资源尾效”模型

借鉴刘耀彬等（2007）［6］建立的“资源尾效”模型，并结合本文实际情况，使用的扩展Cobb-Douglas生产函数如下：

Y（t）=K（t）αR（t）βH（t）γ［A（t）L（t）］1-α-β-γ，

α，β，γ＞0，α+β+λ＜1（1）

其中，K表示资本，R表示煤炭资源开采水平，H表示人力资本投入水平，A表示劳动有限性的动力学，L表示劳动，其中K˙（t）=sY（t）-δK（t），L˙（t）=nL（t）和A˙（t）=gA（t）（Romer，2001）［1］，其中s为储蓄率，δ为资本的贴现率，n和g分别为劳动的增长率和技术进步率。

对式（1）的两边先取自然对数，然后再对时间求导数，得到：

gY（t）=αgK（t）+βgR（t）+γgH（t）+（1-α-β-γ）［gA（t）+gL（t）］（2）

其中，gY（t）、 gK（t）、 gR（t）、 gH（t）、 gA（t）和gL（t）分别表示Y、K、R、H、A和L的增长率。注意到在平衡增长路径上，gY（t）与gK（t）相等，gA（t）为上述中的技术进步率g，gL（t）为上述中的劳动增长率n，gR（t）和 gH（t）的增长率分别为gR和gH，我们假设煤炭资源的增长率（gR）为0，人力资本水平随着劳动力的增长而增长，即gH=n，则由式（2）可得：

（二）“资源诅咒”模型

借鉴邵帅等（2008）［17］建立的面板数据模型，我们首先得到经济增长与煤炭资源开发及其他指标所组成的面板数据回归的实证模型：

其中，下标i，t表示第i个煤炭城市第t年，y˙i，t表示人均GDP增长率，lnGDPi，t-1表示滞后一期人均GDP的自然对数，ri，t表示煤炭资源开采水平，Zi，t表示稍后会加入的其他影响人均GDP增长率的控制变量，εi，t为随机扰动项。

根据经济学的相关理论及上文的模型基础，我们将物质资本投入、劳动力和人力资本投入引入控制变量Zi，t中，所以本文最终建立测算第2组煤炭城市“资源诅咒”效应的实证模型：

其中，ki，t表示资本投入水平，li，t表示劳动力投入水平，hi，t表示人力资本投入。

三、计量方法与数据来源

（一）计量方法

构建一个衡量自然资源对经济增长影响的模型如下（Konte，2013）［22］：

其中，因变量是各个煤炭城市历年的经济增长水平（yi，t），自变量是资源开采水平（ri，t）、物质资本投入量水平（ki，t）、劳动力存量（li，t）和人力资本投入水平（hi，t）。同时我们假设残差εi，t独立，且服从正态分布，即均值为0，方差为σ2。

由于城市化与经济发展之间存在显著的正相关关系，因此我们可以利用煤炭资源对经济增长的影响不同来对地级煤炭城市进行分类。这里重点研究的对象是β1，即资源开采水平的参数，通过这个参数，我们可以知道自然资源开采水平对经济增长是一种“尾效”还是“诅咒”。但式（8）只能得到地级煤炭城市总体上煤炭资源对经济增长是一种怎样的作用关系。事实上，有些城市的煤炭资源对经济增长是尾效的作用，而有些城市的煤炭资源对经济增长是诅咒作用，如果单纯地用式（8）的话就不能区分这种现象的存在，从而得出错误的结论。所以我们接下来使用混合回归模型的方法来克服上述单一回归的这种缺点。

有限混合回归模型是回归模型中一种以不能观察到的细分变量为基础的半参数估计方法（McLachlan，et al，1998）［23］。我们假定表示一组被解释变量yi和一组解释变量xi，那么基于Y的密度函数的混合回归模型可以表示为：

其中，K表示将研究目标所分组的数量，πk是指属于第k组的概率，fk（y|x；βk，σk）表示以参数（βk，σk）和协变量x为特征的条件概率分布函数。βk和σk均是未知的需要估计的参数。

例如，假设K=2，由于混合线性回归模型假设第1组和第2组的方程式的参数是不一样的，因而分两组的混合模型可以表示为：

其中，ε1和ε2是独立的，且服从正态分布的，方差分别和，对于本文的研究而言，这里的y表示经济增长水平（yi，t），x表示资源开发水平（ri，t）。

除了重点研究的协变量x外，我们还需要检测其他变量是否对于这些城市的分组有帮助，所以我们可以通过加入一组附加变量ω（也称为伴随变量）来解释组的变量成员的关系，从而扩展了式（9）。伴随变量和协变量在多项式回归中对于解释组的变量成员关系有着同样的作用，因为它们直接影响某个城市是属于哪个组别的概率，也意味着参数πk（·）是内生的。但区别在于标准的协变量解释的是组内的变量，而伴随变量解释的是组间的变量。所以加入伴随变量的式（9）变成了：

其中，αk是伴随变量ω的一组矢量参数，该参数有助于判断ω的变化如何影响城市属于不同组别的概率。

对于一个给定组数K，我们使用期望最大化算法来得到极大似然值，进而估计出有限混合模型的参数（Dempster et al，1997）［24］，这是目前最通用的计算有限混合模型极大似然值的方法。

组数K是未知的，对于本文来说，K又是极其重要的，因为它确定了城市应该分为多少组。我们将通过最小AIC值和BIC值来确定K的最佳值。一旦参数均估计出来，我们可以使用贝叶斯（Bayes）定理来计算一个给定的城市数据第k组的概率，计算概率的公式如下：

（二）数据来源

囿于数据的可得性，本文实证检验的样本为1997-2012年间我国27个典型地级煤炭城市的数据资料①。这27个城市分别为：阳泉、淮南、淮北、萍乡、济宁、平顶山、焦作、晋城、朔州、乌海、鄂尔多斯、阜新、辽源、白山、鸡西、鹤岗、双鸭山、七台河、宿州、鹤壁、六盘水、铜川、石嘴山、大同、枣庄、唐山、徐州（刘耀彬等，2007）［25］。主要数据来源于1998-2013年《中国城市统计年鉴》以及各城市所在省市的统计年鉴。

在“资源尾效”模型中，使用各地各年的GDP（万元）来衡量地区产出水平Y；固定资产投资额（万元）来衡量资本投入水平K；采掘业工人数（万人）来衡量对煤炭资源开采的水平R；普通高等学校在校学生数（万人）来衡量人力资本投入水平H；从业人数（万人）来衡量劳动力存量水平L。

四、实证结果及分析

（一）混合回归分组

运用上文中建立的混合回归模型，让所分的组数K在2～5的范围内变动。不同的组数K所对应的AIC和BIC值如表1所示。

表1　不同的组数K所对应的AIC和BIC值

从表1中可以看出，在K=2时，AIC值和BIC值同时达到最小值，因此我们应该选择将这27个城市分为2组。将27个城市划分为两组后，两组的混合回归模型的参数值如表2所示。

表2　划分为2组后混合回归模型的参数值

从表2中可以看出，当我们将27个城市区分为2组后，有59%的城市属于第1组，有41%的城市属于第2组，具体分组情况如表3所示。从参数上来看，第1组的资源开采水平与经济增长呈正相关，第2组的资源开采水平与经济增长呈负相关，且这2个参数均在1%置信水平上显著。因为经济增长和城市化两者之间存在显著的正相关关系，因此我们按资源约束城市化的方式不同假设第1组的16个煤炭城市是由于煤炭资源的约束，开采强度不够的煤炭城市，从而产生了制约城市化进程的“资源尾效”；第2组的11个煤炭城市由于煤炭资源过于丰富，开采强度太大的煤炭城市，产生了制约城市化进程的“资源诅咒”。

表3　混合回归模型对27个城市进行分组的结果

（二）“资源尾效”分析

对于使用混合回归模型分组后的第1组的16个城市，我们需要研究其煤炭资源的开发是否对城市化进程产生了“资源尾效”。根据上述模型，利用公式（1）进行回归分析，回归结果如下：

从式（13）可以看到煤炭资源开采水平的弹性β值为0.0382，资本的弹性α值为0.647 3。再利用公式（14）对劳动增长率n进行计算，

其中，L0是1997年的社会从业人员数，Lt是2012年社会的从业人员数，X是增长的期数。由此我们可以求得劳动增长率n=2.35%。

由此可见，由资源稀缺性导致的硬约束对我国煤炭城市的城市化发展速度是有一定阻力的。城市化进程的“资源尾效”分析为防止煤炭资源的进一步减少提供了一个直观的解释，因为增加煤炭资源的开采可以降低城市化进程的“资源尾效”，较好地挖掘了加快城市化发展的潜力。此外，“资源尾效”与煤炭资源的弹性系数β、资本的弹性系数α成正比，降低两者弹性系数同样可以降低“资源尾效”，其经济含义是降低煤炭资源和资本在城市化进程中的作用。因此，城市化水平的发展不能依赖于资源和资本存量的提高，技术进步才是关键，要减少对资本投入这种粗放型经济增长模式的依赖，走集约型经济增长模式以及科学发展道路。

对于劳动力增长的速度n，“资源尾效”与其成正比例关系，即n越大，“资源尾效”就越大。而我国目前正处于经济高速增长的阶段，劳动力增长率显然很大，从而煤炭城市的城市化对煤炭能源的需求也必然增多，导致煤炭能源约束对城市化发展进程的负面影响就会越大，其势必会提高尾效值，所以要想降低“资源尾效”、依然保持较高的城市化率增长率，我们必须控制人口的过快增长。此外，劳动的增长率n也受到人力资本投入水平H影响，煤炭城市的教育投入和人口受教育程度普遍偏低，人才流失严重。初级产业对高素质人才的需求偏低，导致煤炭城市缺乏积累人力资本的内在动力。这不仅降低了该地区人们接受高等教育的想法，也制约制造业的发展，使经济的长期发展受到抑制，从而减慢煤炭城市的城市化率增长率的增长。

（三）“资源诅咒”分析

对分组后第2组的11个城市，我们需要研究其煤炭资源的大量开发是否产生了对经济增长的“诅咒”效应，这种“诅咒”效应进而又是如何影响城市化水平的发展。对于这里的面板数据，我们使用Stata里的固定效应模型进行估计，并采用Stata软件中可以同时纠正固定效应模型异方差和自相关问题的xtscc命令进行估计。固定效应模型估计结果如表4所示。

表4　“资源诅咒”模型估计结果

从表4我们可以看到，α2=-4.466 6。然后对运用混合回归模型分组后的第2组的城市化与人均GDP用式（5）进行回归可求得b值为0.048 1。所以最终我们计算出第2组中11个煤炭城市中煤炭资源的开采水平对城市化率增长率的影响系数为-0.207 2，即表示煤炭资源开采水平每提升1%，城市化率增长率U˙g将减少0.207 2%。

结果表明在这11个煤炭城市中出现了“资源诅咒”现象，这种现象严重制约了煤炭城市经济发展和城市化水平的提高。这些煤炭城市虽然能源资源丰富，但是随着我国经济的不断发展，并没有凭借着自身的资源优势获得较好的发展水平，相反却处于相对落后的水平。我们认为，在这些存在“资源诅咒”现象的城市中，由于煤炭资源丰富，而物质资本的投入和人力资本的投入却处于不足的水平，这个结论我们可以在计算结果中得到证实，即ri，t和li，t这2个变量与GDP的增长率y˙i，t呈负相关，ki，t和hi，t这2个变量与GDP的增长率y˙i，t呈正相关。其中物质资本投入水平ki，t和人力资本投入水平hi，t对经济增长的正向影响均不显著，说明我国煤炭城市经济增长中物质资本投入和教育的作用尚未有效发挥出来。

煤炭资源对城市化发展水平“诅咒”现象的产生机制要分为三个方面进行探讨。第一，从煤炭资源生产部门的产业性质上来看，能源部门虽然在经济和社会发展的过程中占有举足轻重的地位，但能源部门的发展对城市经济增长和城市化率的提高作用却低于社会的平均水平，全国42个产业部门中，能源部门、农业部门等初级部门的感应系数大于1，而影响力系数小于1，所以对煤炭等资源类部门的过量投入，就会对其他影响力系数较高的非农业部门投入产生一系列的限制作用（目前许多煤炭城市为了迅速取得收益，大量投资资源开发，挤出了基础设施投资部门、科教文卫等对社会发展具有基础作用的投资），且资源类部门属于资本密集产业的初级产品部门，产业联系较弱，对人口就业的吸纳能力不强，如果部门规模庞大就会导致对城市化的推动作用减弱（李少星等，2007）［19］。第二，大量劳动力的涌入对资源生产部门造成冲击，煤炭城市蕴藏着丰富的煤炭资源，对煤炭资源的大量开采会引起该部门工资收入的提高，且煤炭资源开采的技术要求不高的特点会使该部门可以接受低层次教育水平的劳动力参与生产，因此引起大量的劳动力资源涌入该部门，使各部门间劳动力分配不协调，不利于社会结构的优化调整，进而引起对城市化水平提高的抑制作用。第三，煤炭资源存在大量不合理的开采及利用情况，有些煤炭城市的矿区存在着产权不明、制度欠缺等问题，政府机构和民间组织为了取得经济效益会产生开发的冲动，从而导致政府绩效对煤炭资源长期有着一定程度上的依赖，以及煤炭资源开采部门的粗放式生产，且煤炭城市生产出来的煤炭一般向外地销售，而不用来促进本地经济社会的发展，煤炭资源利用的方式不佳，以上煤炭资源开采和利用的情况严重阻碍了煤炭城市的发展。

五、结论与政策启示

本文以中国煤炭城市为例，将资源约束城市化发展的“资源尾效”和“资源诅咒”结合起来进行研究，创新地提出分组研究的思路，并结合数据对资源约束城市化发展的“资源尾效”和“资源诅咒”进行正负效应检验。结果表明，作为研究样本的27个典型煤炭城市中有16个煤炭城市因煤炭资源开采程度不高而出现“资源尾效”现象，对城市化进程的“尾效”系数为0.001 755，11个煤炭城市因煤炭资源开采程度过高而出现“资源诅咒”现象，影响系数为-0.207 2，从实证分析结果上来看，过低的煤炭资源开发强度会在一定程度上阻碍经济的增长和城市化水平的提高，过高的煤炭资源开发强度则会在一定程度上反向作用于经济的增长和城市化水平的提升。这说明两个问题：一是我国煤炭城市“资源尾效”和“资源诅咒”同时存在，二是适合的煤炭资源开发强度才有利于经济的增长，并进一步促进城市化水平的提高。

因此，本文得出的政策启示是，自然资源的开发强度要处于一个合适的水平，并同时注意资本投入、教育和制度等因素才能最大程度上提高城市化水平。

（1）对于存在“资源尾效”的煤炭城市，如果继续沿用过去的生产要素投入和资源利用方式，沿着平衡的经济增长路径，这些煤炭城市的城市化发展水平会小于预期的发展水平。从本文的“资源尾效”的最终计算公式上可以看出，“尾效”的大小与资本生产弹性系数α、煤炭资源开采水平的生产弹性β、劳动力增长率n和城市化对人均产出的弹性值λ密切相关，其中，与资本生产弹性系数α、煤炭资源开采水平的生产弹性β和劳动力增长率n三者成正比关系，与人均产出的弹性值λ成反比关系。这意味着目前对于这些城市而言，煤炭资源、资本和劳动力三者在城市化进程中容易导致“资源尾效”的产生，原因在于这些煤炭城市对于煤炭资源的开采属于粗放式的。政府通过减少煤炭资源的生产弹性系数和资本弹性系数可以达到降低“资源尾效”的效果，而劳动力增长速度是政府很难进行干预的，我国经济的高速增长与劳动力的增长率是对应的，所以政府应该从控制人口过快增长的角度出发，鼓励开发新型技术提高能源利用效率，同时，地方政府还应该从控制人才外流的角度，利用管制或者奖励的方式将高水平人才留住，以促进本地人力资本的积累，加快煤炭城市的城市化进程。因此总的来说，政府要在适当控制人口增长的基础上合理利用煤炭资源，将经济增长的依靠点转移到依靠科技进步上来，以科学发展观来指导资源的开发，提高煤炭资源的利用效率，减少城市化发展对资本与煤炭资源的依赖。从而在最大的程度上降低“资源尾效”的尾效值，使煤炭城市城市化水平发展目标能够如期实现。

（2）对于存在“资源诅咒”的煤炭城市，煤炭资源的开采程度是过度的，一些国家的发展经验告诉我们，只有在存在良好的政府监管、对资源收入合理分配并在促进增长的物质资本和人力资本投入及其他方面同时加强等条件下，资源的开发才能够对经济增长产生良好的推动作用。煤炭是中国的第一大能源，煤炭城市却没有得到应有的高水平发展，主要原因在于丰富的煤炭资源没有和物质资本和人力资本投入相匹配，煤炭城市中物质资本与教育的作用没有真正有效地发挥出来。政府对于存在“资源诅咒”的煤炭城市首先应该采取平衡各部门的投入，大力发展煤炭城市中煤炭开采的配套设施，提供更多行业的就业岗位，并不断完善煤炭开采政策制度，逐步消除煤炭开采对其他行业的挤兑现象。其次，由于煤炭城市中煤炭行业占据了较多劳动力，造成其他行业劳动力缺失的现象，政府可以通过优惠政策和补贴，鼓励其他与煤炭行业相配套行业的发展，如道路、机械和物流等行业。第三，政府应该发挥好监管的职责，建立严格的健全的煤炭开采法规，对不合理开采和利用煤炭的矿区进行取缔，转变煤炭资源开采部门为集约型生产，并注意将煤炭运用到促进本地经济的增长。总而言之，丰富的煤炭资源对经济发展和城市化水平提高产生的抑制作用并非是无法破解的，我们需要协调好资源开发与经济发展和城市化水平提高之间的关系。在科技和创新方面，不仅要提高煤炭城市的研发投入和研发效率，更要重视煤炭城市对资源开采的高新技术产业的培育，优化产业结构，实现煤炭城市产业的转型，进而带动煤炭城市发展的转轨；在制度方面，完善对煤炭资源开发的审批制度，适度控制煤炭量的开采；在教育方面，要加大对煤炭城市教育的投入力度，施行优惠政策留住高校高素质人才以促进煤炭城市人力资本的积累。

注释：

①我国有51个煤炭城市，但由于只有27个地级煤炭城市有衡量煤炭开采水平的采掘业从业人数指标，而其他衡量煤炭开采水平的指标连续性不强，故本文只选用了27个典型煤炭城市。

［1］Romer D.Advanced Macroeconomics［M］.Shanghai：Shanghai University of Finance&Economics Press，2001.

［2］Nordhaus W.Lethal Model 2：the Limits to Growth Revisited ［J］.Brookings Papers on Economic Activity，1992（2）：1-58.

［3］谢书玲，王铮，薛俊波.中国经济发展中水土资源的“资源尾效”［J］.管理世界，2005（7）：22-25.

［4］杨杨，吴次芳，罗罡辉.中国水土资源对经济的“增长阻尼”研究［J］.经济地理，2007（4）：529-532.

［5］张士杰.区域经济增长的能源尾效分析——以皖江城市带为例［J］.华东经济管理，2013（7）：58-61.

［6］刘耀彬，陈斐.中国城市化进程中的资源消耗“尾效”分析［J］.中国工业经济，2007（11）：48-55.

［7］刘耀彬.资源环境约束下的适宜城市化进程测度理论与实证研究［M］.北京：社会文献科学出版社，2011：119-120.

［8］张琳，李娟，李影.土地资源对中国城市化进程的增长阻力分析［J］.华东经济管理，2011（12）：30-33.

［9］Auty R M.Sustaining Development in Mineral Economies：The Resource Curse Thesis［M］.New York：Routledge Press，1993.

［10］Sachs J D，Warner A M.Natural resource abundance and economic growth［R］.NBER Working Paper，1995.

［11］Sachs J D，Warner A M.Natural Resource Abundance and Economic Growth［R］.Harvard Institute for International Development Working Paper，1997.

［12］Sachs J D，Warner A M.The Curse of Natural Resources ［J］.European Economic Review，2001（4-6）：827-838.

［13］Gylfason T.Natural Eesources，Education and Economic Development［J］.European Economic Review，2001，45：847-859.

［14］Papyrakis E，Gerlagh R.The Resource Curse Hypothesis and its Transmission Channels［J］.Journal of Comparative Economics，2004（1）：181-193.

［15］Papyrakis E，Gerlagh R.Resource Abundance and Economic Growth in the United States［J］.European Economic Review，2006（4）：253-282.

［16］徐康宁，王剑.自然资源丰裕程度与经济发展水平关系的研究［J］.经济研究，2006（1）：78-891.

［17］邵帅，齐中英.西部地区的能源开发与经济增长——基于“资源诅咒”假说的实证分析［J］.经济研究，2008（4）：147-160.

［18］邵帅.煤炭资源开发对中国煤炭城市经济增长的影响——基于资源诅咒学说的经验研究［J］.财经研究，2010 （3）：90-101.

［19］李少星，颜培霞.自然资源禀赋与城市化水平关系的多尺度考察［J］.中国人口·资源与环境，2007（6）：44-49.

［20］李少星.论城市化进程中的“自然资源诅咒”效应及其机制［J］.生态经济，2009（5）：136-138.

［21］Dietz S，Neumayer E.Weak and strong sustainability in the SEEA：Concepts and measurement［J］.Ecological Economics，2007（4）：617-626.

［22］Konte M.A Curse or a Blessing？Natural Resources in a Multiple Growth Regimes Analysis［J］.Applied Economics，2013，45：3760-3769.

［23］McLachlan G J，Basford K E.Mixture Model：Inference and Application to Clustering［M］.New York：Marcel Dekker，1988.

［24］Dempster A P，Laird N M，Rubin D B.Maximum likelihood from incomplete data via EM algorithm［J］.Journal of the Royal Statistical Society，1997（1）：1-38.

［25］刘耀彬，吴学平，傅春.中国煤炭城市分类及其经济运行轨迹分析［J］.资源科学，2007（3）：2-7.

［责任编辑：张青］

“Resource Drag”and“Resource Curse”in the Process of Urbanization —Based on the Panel Data Analysis of 27 Coal Cities in China

LIU Yao-bin，HUANG Meng-yuan
（School of Economics and Management，Nanchang University，Nanchang 330031，China）

The traditional theory of urbanization tends to emphasize that natural resource plays a positive role in the development of urbanization，and fails to give sufficient consideration on the constraints and reverse effect problem to urbanization.Based on the“resource drag”and“resource curse”hypotheses，this paper carries out the positive and negative effect test on the relationship between the coal resource development and the urbanization development by using the panel data of 27 typical coal cities in China from 1997 to 2012.The results show that there are 16 cities presenting “resource drag”，the drag is about 0.001755；while the other 11 cities appearing“resource curse”，the influence coefficient of coal resource to the urbanization development is about-0.2072.Therefore，the intensity of natural resource exploitation should be at an appropriate level，meanwhile paying attention to capital investment，education and institution as well as other factors in order to improve the level of urbanization to the maximum extent.

coal city；resource drag；resource curse；limited mixed regression model

黄梦圆（1993-），女，江西瑞金人，硕士研究生，研究方向：金融学与城市经济。

F290；F061.5

A

1007-5097（2015）01-0055-07

2014-11-06

国家社会科学基金重点项目（12AZD042）

刘耀彬（1970-），男，湖北麻城人，教授，经济学博士，研究方向：城市经济与生态经济；