贺建风,吴 慧

(1.华南理工大学 经济与贸易学院，广东 广州 510006；2.华南师范大学 经济与管理学院，广东 广州 510006)



科技创新和产业结构升级促进新型城镇化发展了吗

贺建风1,吴 慧2

(1.华南理工大学 经济与贸易学院，广东 广州 510006；2.华南师范大学 经济与管理学院，广东 广州 510006)

利用2005-2014年我国省际面板数据，本文对我国各省的新型城镇化水平进行综合指标法测算，并运用面板数据模型对科技创新和产业结构升级对新型城镇化的影响效应进行分析。研究结果表明：(1)近十年来中国东部地区新型城镇化水平最高，中部次之，西部最低；排名前三位的省份依次是上海、北京和天津。(2)科技创新对新型城镇化存在滞后推动效应；产业结构升级对新型城镇化有显著为正的促进作用。(3)科技创新对人口城镇化的影响显著为正，对社会城镇化的影响显著为负；产业结构升级对人口、社会与经济城镇化存在显著影响，但表现程度各异。

新型城镇化；科技创新；产业结构升级；面板数据

一、引 言

城镇化是在工业化发展过程中伴随而生的，同时也是现代化的必然产物。改革开放以来，随着我国经济持续高速发展，城市化率也从1978年的17.9%增长到2015年的56.1%，年均提升1个多百分点，城镇人口数量已经超过一半，城镇化程度也已经进入了高速发展期，并超越了世界平均水平。我国城镇化的快速推进，有利于城市吸纳大量农村劳动力转移就业，从而提高城乡生产要素配置效率，推动国民经济持续快速发展，最终带来社会结构深刻变革，也促进了城乡居民生活水平的全面提升。但是，随着城镇化的快速发展，一些矛盾和问题也随之而来。如大量农业转移人口难以融入城市社会，农民工市民化进程滞后；土地城镇化快于人口城镇化，建设用地粗放低效；城镇空间分布和规模结构不合理，与资源环境承载能力不匹配；城市管理服务水平不高，“城市病”问题日益突出；自然历史文化遗产保护不力，城乡建设缺乏特色。2016年国务院印发关于深入推进新型城镇化建设的若干意见(国发〔2016〕8号)，文件再次强调新型城镇化是现代化的必由之路，是最大的内需潜力所在，是经济发展的重要动力，也是一项重要的民生工程。

目前，我国已进入全面建成小康社会的决胜阶段，经济结构面临转型升级，现代化建设和新型城镇化推进均处于关键时期。推动新型城镇化的发展，不能盲目，必须弄清促进新型城镇化发展的影响机制。从世界各国城镇化的经验看，科技创新促进城镇化的发展具有一定的规律性特征，在第一次工业革命之前，全球城镇人口占比仅为3%，以蒸汽机、电力和计算机技术为主要标志的三次科技与产业结构，催生了现代工业，推动城镇规模迅速扩大。在城镇化初级阶段，农业在社会经济生活中占主导地位，城镇化过程表现为人口和其他经济要素的自然集聚，科技创新作用较小；在城镇化高级阶段，科技创新则成为了城镇化发展的主要动力。城镇化从初级阶段发展到高级阶段的过程中受到三大力量的推动和吸引，即农业发展、工业化和第三产业崛起，因此新型城镇化是伴随经济增长，产业结构升级而引发的生产要素由农村向城市流动和集中，不仅包括农村劳动力向城市第二、第三产业的转移，还包括非农产业投资及其技术、生产能力在城市的积聚。我国城镇化水平已经处于城镇化发展的中后期阶段，在这个阶段，科技创新能否有效推动新型城镇化的持续推进，而产业结构升级作为新型城镇化的原始动力之一，对新型城镇化的影响作用又将如何，这些问题均值得我们探索。基于此，本文首先从新型城镇化的五个维度出发构建了新型城镇化的综合评价指数，测算了中国各省近十年来新型城镇化的发展水平；其次利用2005-2014年30个省份的面板数据模型，检验了科技创新和产业结构升级对新型城镇化的影响；再次选取拟合程度最优的模型，对新型城镇化的五个维度分别建立面板回归模型进行估计，得出各因素分别对新型城镇化五个维度的影响效应；最后，根据计量分析所得的结论给出相应的政策建议。

二、 国内外研究状况

国内外衡量城镇化的方法主要有单一指标法和复合指标法。单一指标法主要采取非农人口占全部户籍人口的比重或城镇人口占总常住人口的比重这两个指标之一来衡量，如程开明通过计算2000年、2005年全国各地区非农业人口比重与城镇人口比重之间的相关系数，分别为0.9375和0.9381，两者高度相关，认为可以互相替代作为衡量城镇化的指标[1]。但是大部分学者采用复合指标法，即考虑城镇化的若干方面并构建综合指标来衡量城镇化发展水平，如袁博、刘凤朝将城镇化水平分为经济城镇化、人口城镇化和社会城镇化三个方面，运用主观的AHP法和客观的标准离差法计算城镇化水平的各指标权重，然后再依据综合权重的确定方法计算各指标的综合权重来计算城镇化水平的综合指数[2]；蓝庆新、陈超凡[3]则建立由基本建设水平、经济发展水平、社会投入水平和环境友好水平4个准则层24个指标层构成的新型城镇化综合评价指标体系。

在城镇化与科技创新之间互动关系研究中，有不少学者进行了理论和实证研究，尤其是在城镇化进程推动科技创新发展方面。如程开明通过投入产出模型证实城市化有利于技术创新，城市化通过技术创新的中介效应推动经济增长，但技术创新的中介效应还不是十分明显[1]；仇怡对比分析了中国各区域间城镇化水平对科技创新能力的影响，得出沿海与内陆之间存在差异[4]；甘丹丽和袁博[5]通过构建科技创新和城镇化的协同度模型提出科技创新与城镇化协同发展的机制与具体对策。对于城镇化和产业结构升级的互动关系的研究，Murata与张亚斌等[6-7]的研究表明，产业结构的聚集效应是促进城市发展成型的重要因素；Hermelin B.和 Michael U.相继实证得出，产业结构升级是城镇化发展的重要动因[8-9]。当前学者对于城镇化对产业结构升级的影响通常基于传统城镇化的视角，由此形成了两种代表性的观点。第一种是城镇化会促进产业结构的升级，如Kolko[10]认为城市化促进了现代服务业的快速发展和协同集聚，也推动了产业升级；蓝庆新、陈超凡通过空间自相关检验和空间局域LISA地图表明中国新型城镇化和产业结构升级存在显著的空间相关性，具有高水平区域集中、低水平区域聚集的特点，并通过构建空间滞后模型和空间误差模型表明新型城镇化对产业结构升级具有强烈的空间冲击效应，能够显著提升产业发展层次[3]。第二种观点认为发展中国家特有的城市化进程致使城镇化对产业结构升级有负面影响，如Farhana认为发展中国家城镇化发展到一定水平之后，产业分工进入高级阶段，而发展中国家处于全球产业链的底端，易陷入“丰收贫困”陷阱，过度关注三高(高消耗、高污染、高排放)产业使发展中国家以粗放型经济增长方式推进工业化，甚至沦为发达国家的“污染天堂”，不利于产业结构的优化转型[11]。除以上两个观点外，彭永樟、陶长琪利用我国 30个省市 2003—2012 年的数据，构建 PVAR 模型实证分析了我国城镇化建设和产业结构升级之间的互动关系，结果表明产业结构升级在短期内能在一定的程度上促进城镇化建设，而这个促进作用将在中长期有所提高并趋于稳定,城镇化建设在中长期将会反过来推动产业结构的升级，产生“反哺”效应，最终形成良性互动循环[12]。

纵观上述已有的研究文献，可得出四点不足：第一，大多文献仅基于两变量进行理论或实证研究，将新型城镇化、科技创新和产业结构升级三者联系在一起进行互动关系研究的为数不多；第二，对于城镇化的视角大多局限于传统城镇化的视角，而着眼于新型城镇化视角的研究对于经济社会的可持续发展更有借鉴意义；第三，大部分文献研究城镇化带来的影响，如城镇化对经济增长的影响，城镇化对产业结构升级的影响等，缺少基于科技创新、产业结构升级的角度研究对城镇化的影响；第四，在大多数的文献中尽管运用面板数据模型分析了新型城镇化的动力机制以及空间效应，但是很少在实证分析中按经济地带区分东、中、西部的地区差异。本文将打破前人研究的局限，深入探究新型城镇化水平的测算方法，并实证分析科技创新与产业结构升级对新型城镇化的影响效应。

三、 基于熵权法的新型城镇化水平测算

(一)指标的选择

传统城镇化的评价标准一般是基于人口、土地等极少数的个别方面进行评价，而新型城镇化则涉及人口、土地、经济、社会以及生态等多个方面，科学全面测算新型城镇化发展水平，则需要考虑“以人文本”的城镇化理念，将多个维度综合起来衡量。因此本文在已有文献的基础上，避免传统城镇化单一指标衡量方法的缺陷，这里将新型城镇化分为人口城镇化、土地城镇化、经济城镇化、社会城镇化和生态城镇化五个指标层。为了避免末端指标之间的多重共线性和指标权重确定的主观性，本文结合数据可得性考虑在每个指标层选取一个最具代表性的指标进行衡量，具体指标设计见表1所示。

表1 新型城镇化水平综合评价指标体系

人口城镇化：城镇化的概念从提出开始，首先表现为人口由农村向城市转移以及由此产生的城乡地域和社会的变化，国内外大部分学者在衡量城镇化时均会考虑人口城镇化指标，甚至有学者直接用人口城镇化来衡量城镇化水平。人口城镇化可以由城镇人口占总常住人口的比重和非农人口占总户籍人口的比重这两个指标来衡量，本文认为前者更能反映实际人口流动情况，从而体现城市的真实规模，因此用其来衡量人口城镇化水平。

土地城镇化：伴随着城镇化的发展，城镇人口和土地的扩张是城镇化最明显的特征，因此，大多数学者也会考虑土地城镇化。郝寿义、范晓莉提出城市化水平的度量应分为经济城镇化、人口城镇化和土地城镇化三个方面，其中土地城镇化水平通常采取了某一地区市区面积占全市面积的比值[13]，但是本文研究对象是各省的城镇化情况，并且考虑到数据的可得性，故采用全省建成区面积占该省区总面积的比值来衡量土地城镇化水平。

经济城镇化：经济发展会促进城镇化的发展，城镇化带来的人口集聚、资源集聚会进一步地促进经济的发展，在城镇集聚的产业主要是非农产业，非农产业的发展情况将直接反映该城市经济发展的水平。因此，本文选取第二、三产业生产总值占总生产总值的比重来衡量一个地区的经济城镇化水平。

社会城镇化：传统城镇化过于注重城镇规模的扩大，如人口、土地的扩张，而新型城镇化强调量增长的同时更注重质的发展，如居民生活水平的提高，居民生活方式的改变等。众所周知，恩格尔系数为食品支出总额占个人消费支出总额的比重，数值越高，说明这个地区的生活水平越低，生活方式和城镇化居民的生活方式差距越大。因此，本文采取恩格尔系数来衡量社会城镇化水平。

生态城镇化：新型城镇化的“新型”既体现在社会城镇化，人们生活水平提高和生活方式的改变，更体现在生态城镇化，不以破坏和污染环境为代价来推进城镇化的发展，生态城镇化思维体现了新型城镇化可持续发展的能力。因此，本文采用建成区绿化覆盖率来衡量生态城镇化水平。

以上指标中城镇人口占总常住人口的比重和建成区覆盖率的数据均直接来自历年《中国统计年鉴》和《中国城市统计年鉴》，其余三个指标经过年鉴数据计算处理而得。另外由于西藏地区数据缺失较多，所以本文并未考虑西藏地区数据，因此数据范围为中国30个省级2005-2014年的面板数据。

(二)综合评价指数计算

国内外学者对城镇化综合评价指数的构建提出了很多方法，有些学者直接采取主观赋权或者专家打分的方法，如郝寿义、范晓莉[5]以“人口城市化”、“经济产值城市化”和“土地城市化”三个指标作为基础，认为人口城市化在衡量城市化水平方面被学界普遍公认为重要指标，则赋予较高的权重(0.45)，其次是经济产值城市化(0.35)，最后是土地城市化(0.2)，然后加权求总得到城镇化的综合指标。除了主观赋权的方法，更多的学者采用客观赋权的方法进行构建城镇化综合指标，有标准离差法、熵权法等。其中，熵权法是利用模糊综合评价矩阵和各因素的输出熵来确定各因素的权系数的一种有效方法，能够避免基于主观因素确定权重产生的偏误，因此，本文采取熵权法进行测算，具体步骤如下：

第一步：对原始数据进行无量纲化处理，并对无量纲化数据进行坐标平移，其中代表社会城镇化的指标恩格尔系数为逆指标，其余为正指标，计算公式如式(1)所示，其中X表示新型城镇化的各个指标，i表示第i个省份， j表示第j个新型城镇化指标：

(1)

第二步：计算历年第i个省份第j个指标的比重，如式(2)所示：

(2)

第三步：计算第j个新型城镇化指标的熵值Ej和差异系数Fj，如式(3)所示：

(3)

第四步：根据式(4)计算第j个指标在综合指标中的权重，然后通过式(5)计算得到新型城镇化的综合指数，具体公式如下：

(4)

(5)

根据以上熵权法计算过程，可计算出2005-2014年30个省份的新型城镇化评价指数，为了比较各地区新型城镇化发展情况，我们采取新型城镇化平均综合指数进行比较并排名。结果如表2所示。

表2 2005-2014年中国各省份新型城镇化平均水平及排名

从表2中可看出2005-2014年新型城镇化平均指数排名前三位依次是上海、北京和天津，三个地区新型城镇化指数值均在0.5以上，其中上海高达0.94；新型城镇化平均指数值在0.3至0.4之间的有4个地区，依次是沿海经济发达的江苏、广东、浙江和山东四省;平均指数值在0.2至0.3之间的是排名第8的内蒙古至排名第14的宁夏，其中东部地区3个省份，中部地区2个，西部地区2个；平均指数值在0.1至0.2之间地区共有13个，其中东部地区仅有海南省，中部地区有6个，其余均属于西部；平均指数值在0.1以下的有3个地区，分别是甘肃、云南和贵州，均属于西部地区。另外测算结果也表明东部地区的新型城镇化平均指数最高，为0.3943，其次是中部，为0.1896，西部最低为0.1402。从上述分析可知中国新型城镇化发展的特点为：东部已走在新型城镇化发展的前列，尤其是北京、上海、天津三个地区，但也有个别地区并未跟上发展步伐，如海南等；中部地区处于新型城镇化发展中期，指数值主要在0.1至0.3，正在奋起直追；西部地区发展落后，还有一些地区指数值仍在0.1之下，尤其是云南和贵州，这些地区新型城镇化发展任重道远。

四、 基于面板模型的实证分析

在上一小节中分析了近十年中国各省份新型城镇化的发展状况，可以看出：各地发展存在差异。究其原因，新型城镇化的发展受很多方面的影响，如地区的经济发展状况，资产投资情况、宏观调控能力、开放程度、科技创新能力以及产业结构情况等。本小节将基于面板数据模型对科技创新与产业结构升级对新型城镇化的影响效应进行实证分析。

(一)理论假设与模型设定

假设1. 科技创新对新型城镇化有正向促进作用，但是由于科技创新的转化周期存在，这种促进作用将可能会有一定的时滞。

一方面，科技创新是人类社会向前发展的动力源泉之一，科学技术水平的创新发展必然带来新技术、新产品、新产业、新服务等新兴经济的持续发展，这些新经济实质上就意味着高效、高质和可持续发展的增长模式。因此，随着科技创新的发展，新型城镇化水平将会得到正向的促进作用。

另一方面，科技创新的初期阶段，往往是高投入，低产出。对于产业经济和城市发展的推动作用功不在当下，而在长久，通常技术更新带来的城市发展会在若干年后才会体现得更加充分。因此，假定科技创新对新型城镇化的影响存在一定的时滞。

假设2. 产业结构升级势必带来经济城镇化水平的提升，但是对于其他维度的城镇化影响效应需要验证。

产业结构升级具有两个维度，分别是产业结构高级化和产业结构合理化[14]。产业结构高度化主要表现为第一产业比重逐渐缩小，第二、三产业比重不断增大，当第三产业比重越大时，说明产业结构技术密集化、附加值高度化。产业结构合理化是指各产业之间比例关系是否协调，主要表现在产值结构和各要素结构的协调。从两个维度的具体含义来看，产业结构的高级化势必带来经济城镇化水平的直接提升，对于人口城镇化等其他方面可能存在带动效应；产业结构的合理化注重协调发展与可持续发展，对于社会城镇化和生态城镇化将有积极影响，但是对于经济城镇化、土地城镇化和人口城镇化的影响则不太容易明确其具体的正负效应。

对于其他控制变量的选取来说，为了更好的衡量科技创新和产业结构升级对新型城镇化的促进作用，这里仅考虑了几个对城镇化有正向效应的重要变量，分别是：地区经济发展程度、社会资本存量、宏观调控能力、经济社会开放程度。

为了得到更加可靠的实证结果，本文利用面板数据方法来构建模型，基础的计量模型如下公式(6)所示。根据样本数据进行面板模型的豪斯曼检验，可知在计量模型的基础上应该选取固定效应的估计方法得到具体的参数，这里给出固定效应的模型形式，见式(7)。

URBANit=c+β1AGDPit+β2INVESTit+β3CONTROLit+β4OPENit+∑jγjDijt+εit

(6)

URBANit=β1AGDPit+β2INVESTit+β3CONTROLit+β4OPEN+∑jγjDijt+Ui+εit

(7)

其中i、t分别代表第i个省份和第t年，URBAN为被解释变量新型城镇化水平，AGDP、INVEST、CONTROL、OPEN这四个变量为控制变量地区经济发展程度、社会资本存量、宏观调控能力、经济社会开放程度的代号，D代表笔者所重点关注的科技创新和产业结构变量以及地区差异分类变量，ui则表示个体异质性的截距项。

(二)变量选取和统计描述

新型城镇化(URBAN)，新型城镇不同于传统的城镇化，它是一个包含多个方面协调发展的城镇化体系，所以新型城镇化水平需要一个综合性的指标体系来衡量。这里沿用上一节基于熵权法所计算得到的2005-2014年全国30个省份的综合评价指标作为被解释变量。

科技创新(TECHO)，科技创新能力通常由一定时期的科技投入来决定，科技创新水平则一般可以由科技投入产出来展现。因此，可选的指标有投入方面的R&D经费，产出方面的专利授予量等。由于各省近几年R&D经费支出的具体数据不可获得，因此本文采取科技创新产出方面来衡量某个地区的科技创新能力，即运用专利申请授权量来衡量某个地区科技创新能力，单位：件。从图1可看出2005-2014年各地区平均专利申请授权量最多的省份依次是江苏、浙江和广东，最低的依次是青海、海南和宁夏。整体来看，我国科技创新能力比较弱的地区仍比较多，主要属于西部地区，比如青海、宁夏、新疆、甘肃等。

图1 2005-2014年我国各省平均专利申请授权量

图2为我国全国和东、中、西部地区2005-2014年专利申请授权量的时序图。据图2的统计趋势可知，全国和各区域的专利申请授权量在过去的十年呈逐渐上升趋势，仅在2013年至2014年有轻微下降。此外，东部地区专利申请授权量占的比重越来越大，中部比西部略高，两地区均呈平缓式增长，与东部地区的差距越来越大。

图2 2005-2014年我国分区域专利申请授权量时序图

产业结构升级(HIGH和TL)：产业结构升级是经济发展和社会进步的动力之一，具体而言可以从产业结构高度化(HIGH)和产业结构合理化(TL)两个维度来体现。本文关于产业结构升级两个方面的衡量指标拟采用干春晖的做法，产业结构高度化用第三产业产值占第二产业产值比重来衡量，产业结构合理化采用泰尔指数来度量[15]，计算公式如下所示：

其中Y表示生产总值，L表示总就业人数，i表示第i类产业，n为3。根据古典经济学假设，经济将最终处于均衡状态，各次产业生产率相同。当经济均衡时，Yi/Li=Y/L，这时TL=0，表明产业结构处于最合理状态。当TL≠0时，表明产业结构偏离了均衡状态，且该值越大，偏离程度越严重，产业结构越不合理；相反，该值越小，产业结构越合理越优化。下表3是2005-2014年各地区产业结构高度化和产业结构合理化程度均值。从表3中可看出北京、上海的产业结构高度化程度最高，产业结构合理化指数最低，协调程度则最高，说明北京和上海这两个地区的产业结构最合理；而海南、贵州等地的产业结构高度化指数值虽然很高，但是同样产业结构合理化泰尔指数值也高，说明这些地区产业结构不尽合理。

表3 2005-2014年我国各省产业结构升级水平

此外，本文选取的控制变量指标分别是：经济发展水平(AGDP)，采用人均GDP来衡量地区的经济发展水平，单位：元；投资力度(INVEST)，采用固定资产投资总额，单位：亿元；宏观调控能力(CONTROL)，采用一般财政预算支出占GDP的比重来度量；地区开放程度(OPEN)，采用地区进出口总额占GDP的比值来衡量。另外地区差异(REGION)为虚拟变量，根据经济带的划分将中国30个省份(除去西藏)分为东部地区11个省，中部8个省，西部11个省。所选指标的描述性统计如表4所示。

表4 主要变量的基本统计量

(三)面板数据模型估计及其结果

本文首先通过Stata软件对表5中的8个模型依次进行回归，模型1是仅有五个控制变量的混合回归估计模型，模型2在模型1的基础上增加科技创新变量的混合回归估计模型，模型3是在模型1的基础上加入产业结构高度化变量和产业结构合理化变量得到的混合回归估计模型，模型4是在模型3的基础上加入科技创新的二阶滞后项的混合回归估计，由于本文采用的是面板数据，通过豪斯曼检验可知应采用固定效应模型进行估计，回归估计结果如下表5所示。

从前四个混合回归模型的估计结果可看出人均GDP、固定资产投资、宏观调控和开放程度这四个变量的系数均为正，但固定资产、宏观调控未能通过显著性检验，说明地区的经济发展水平与地区开放程度对新型城镇化正向促进作用明显，但固定资产投资与宏观调控对新型城镇化的影响不显著。

模型2估计结果和模型1相比，增加的科技创新变量对新型城镇化起到正向促进作用，但并不显著，其余变量的估计结果和模型1的估计结果相比并没有大的变化。由于当期科技创新的变量系数不显著，考虑增加科技创新滞后项进一步观察是否科技创新变量存在滞后效应，并在模型中4引入科技创新的一阶和二阶滞后项进行验证，从模型4的估计结果中可看出科技创新当期和一阶滞后项系数仍然为负，二阶滞后效应为正。说明科技创新对新型城镇化的推动作用会延迟2期方能体现出来。模型3和模型1相比，产业结构高度化系数和产业结构合理化系数均为正，但都不显著，而模型4是在考虑科技创新存在滞后效应的模型，并且模型4中产业结构合理化的系数为-0.014，在5%的显著性水平下通过显著性检验，产业结构合理化指标是逆指标，说明产业结构越不合理，对新型城镇就会起负向促进作用。

表5 基本模型回归估计结果

模型5、6、7、8是在混合回归模型1、2、3、4的基础上分别做的固定效应模型，从四个固定效应模型的回归估计结果中可以看出，控制变量的方向和显著性检验均有一些差异。整体而言，人均GDP与固定资产投资对新型城镇化有显著的正向影响，而宏观调控和对外开放的影响效应并不显著。模型8考虑了科技创新存在滞后效应，因此我们以模型8为最优模型。将模型8和模型4相比较，发现科技创新因素存在滞后效应，一阶滞后效应均为负，二阶滞后效应均为正，说明现阶段科技创新因素对新型城镇化的影响有一定时滞；产业结构高度化和产业结构合理化这两个变量得到结论和模型4是一致的。

按经济地带分东部、中部和西部来看，由于滞后项对分类变量的估计结果影响比较大，因此，我们仅考虑模型1、2、3。从前三个模型均显示东部和中部的系数均比西部高，东部的系数比中部高，并且三个模型中东部和中部的系数均通过显著性检验，在前文中对新型城镇化的描述统计分析，新型城镇化的发展水平从高至低依次为东部、中部、西部，因此，说明东部的新型城镇化水平不仅比中西部高，而且发展潜力和发展空间也要比中西部大。

以上模型分析的是各变量对新型城镇化的整体影响。更进一步，可以深入分析各变量对新型城镇化五个维度的影响程度。因此，本文接来下分别用人口城镇化、土地城镇化、经济城镇化、社会城镇化和生态城镇化五个变量为被解释变量，以表5中的模型8为基准进行实证分析，估计结果见表6所示。

表6 分五个维度的模型回归估计结果

从表6中的估计结果中可知，人均GDP变量对新型城镇化的前四个方面都有显著的正向促进作用，尤其对社会城镇化的正向促进作用最大，对生态城镇化为不显著的负向影响；固定资产投资变量对五个维度的城镇化影响均不显著；宏观调控能力变量对土地城镇化、经济城镇化有显著的正向促进作用，对社会城镇化则有显著负效应，对人口城镇化和生态化城镇的影响不显著；科技创新对人口城镇化起显著正向促进作用，在10%的显著性水平下对社会城镇化起负向促进作用；产业结构高度化对人口城镇化起显著的正向促进作用，对经济、社会、生态城镇化起显著的负向促进作用；产业结构合理化对人口城镇化、社会城镇化显著的负向促进作用，对其他方面的城镇化无显著影响。

五、 结论及建议

城镇化是我国扩大内需的最大潜力所在，也是我国经济增长持久的内生动力。近几年我国政府所倡导的新型城镇化发展模式强调城镇化进程应该遵循“以人为本”的可持续发展方式推进，因此，科学推进产业结构升级和坚持创新驱动发展战略是促进新型城镇化建设的重要手段。本文通过人口、土地、经济、社会、生态五个方面构建新型城镇化水平综合评价指标来衡量我国各省新型城镇化水平，然后在构建综合指标的基础上基于2005-2014年省级面板数据对科技创新和产业结构开级对新型城镇化的影响进行计量分析。研究发现：(1)2005-2014年新型城镇化平均指数排名前三位依次是天上海、北京、天津，东部新型城镇化水平最高，中部次之，西部发展滞后。并且东部新型城镇化的发展潜力最高，中部次之，西部最低。(2)人均GDP、固定资产投资、宏观调控这三个变量对新型城镇化的影响为正，但仅有前两者是显著的；人均GDP对新型城镇化的前四个方面均有显著的正效应，对生态城镇化为不显著的负向影响，固定资产投资对各维度城镇化的影响均不显著，宏观调控能力对土地城镇化、经济城镇化有显著的正向促进作用，对社会城镇化则有显著负作用。(3)同期而言，科技创新对新型城镇化影响为负向效应，但科技创新因素的影响存在二阶正向滞后效应。(4)产业结构高度化对新型城镇化是显著正向作用的，尤其是对人口城镇化的影响最显著，产业结构合理化作为逆指标，对新型城镇化的影响是显著为负，尤其是对社会城镇化影响最为显著。

基于以上结论，本文提出的促进新型城镇化发展政策建议有以下几点：

首先，区域间应该施行差异化的新型城镇化发展模式。东、中、西部由于地理位置和历史发展阶段等各种原因导致经济社会发展存在差异，新型城镇化水平也不可避免的存在区域间差异，在正视差异的前提下，实施各区域差异化的新型城镇化发展策略比较切合中国目前的实际情况。具体而言，东部地区走在中国经济发展的前列，应在维持现有城镇化发展水平的基础上，加快转变新型城镇化发展模式；中部处于新型城镇化的发展中期，应向东部学习，加强区域间的交流合作，在自有的资源优势基础上，发挥中部城市群的集聚效应，推进有特色的城镇化道路；西部新型城镇化发展滞后，首要任务需要加快经济发展，把握后发优势和产业结构转移的机遇，以经济发展和人口就近城市化来带动西部地区新型城镇化的快速发展。

其次，摈弃不遵循经济社会发展规律的人为造城现象，确保新型城镇化的五个维度协调发展。传统的城镇化中政府为了充实财政实力和追求短期政绩，往往热衷于盲目加大转让土地的力度，使得土地城镇化居高，而人口城镇化、经济城镇化等方面严重滞后，致使“空城”、“鬼城” 现象时有发生，尤其是在中西部地区。在坚持新型城镇化的理念下，各地方政府应该注重切合当地实际的现实经济社会情况积极稳妥地推进各维度城镇化进程协调发展。加快土地城镇化和经济城镇化的同时，确保人口城镇化、社会城镇化和生态城镇化的同步跟进。

最后，以产业结构升级为主，科技创新为辅的动力机制推进新型城镇化的持续发展。产业结构升级过程中的高级化和合理化的向前推进均有利于新型城镇化水平的提升，但是不同地区不同阶段效果不尽相同。从目前我国产业结构的发展阶段和前文的实证结果均可知，产业结构合理化对新型城镇化水平有着更为显著的促进作用，高级化的作用并不明显。因此，我们应该在推动产业结构升级的过程中有所侧重，在保证现有高级化进程的同时，不断追求产业结构的合理化程度提升，尤其是在广大的中西部地区。另一方面，科技创新是一项经过一定时期方能见效的推进因素，我们不能期望短期内对新型城镇化有立竿见影的效果，所以在制定城市科技创新发展规划时，需要高瞻远瞩的视野。总而言之，如果坚持以产业结构升级为主要抓手，辅之以必要的科技创新措施，中国必能实现新型城镇化的持续向前推进。

[1] 程开明．城市化促进技术创新的机制及证据[J]．科研管理，2009，31(2)：26-34.

[2] 袁博,刘凤朝.科技创新能力与城镇化发展水平协同发展研究[J].大连理工大学学报(社会科学版)，2014，35(2)：56-61.

[3] 蓝庆新，陈超凡．新型城镇化推动产业结构升级了吗[J]．财经研究，2013，(12) :57-71.

[4] 仇怡.城镇化的技术创新效应[J]．中国人口科学，2013(1)：26-35.

[5] 甘丹丽.科技创新与新型城镇化协同发展对策研究[J].科技进步与决策，2014(06):41-45.

[6] 张亚斌. 城市群、“圈层”经济与产业结构升级——基于经济地理学理论视角的分析[J].中国工业经济，2006(12)：45-52.

[7] Murata Y.Rural-urban interdependence and industrialization[J].Journal of Development Economics，2002，68(1):1-34．

[8] Hermelin B.The urbanization and suburbanization of theservice economy: Producer services and specialization in Stockholm[J]．Geografiska Annaler，Series B: Human Geography，2007，89B( Supplement s1):59-74．

[9] Michacls U, Rauch F,Rcdding S J.Urbanization and structural transformation[J].The Quarterly Journal of Economics，2012，127( 2) : 131-186．

[10] Kolko J.Urbanization,agglomeration,and coagglomeration of service industry[M].University of Chicago press,2010.

[11] Farhana K M,Rahman S A,Rahman M.Factors of migration in urban Bangladesh:An empirical study of poor migrants in Rajshahi city[J].Bangladesh e-Journal of Sociology,2012,9(1):63-86.

[12] 彭永樟，陶长琪.我国城镇化建设与产业结构升级协同发展的实证研究——基于PVAR模型[J].江西师范大学学报，2015，39(3):263-269.

[13] 郝寿义,范晓莉.城市化水平、技术创新与城市经济增长——基于我国25个城市面板数据的实证研究[J].现代管理科学(发展战略)，2012(1):74-76.

[14] 简新华.产业结构调整与扩大内需[J].首都经济贸易大学学报，2003(1)：58-62.

[15] 干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011(5):6-16.

责任编辑、校对：李再扬

2016-04-28

本文是广东省科技计划软科学项目“广东省新型城市化、科技创新与产业转型升级研究”(2014A070703012)的阶段性成果；同时本文受国家社科基金青年项目(13CTJ007)和中央高校基本科研业务费项目(2014XZD05)的资助。

贺建风(1981-)，湖南省攸县人，华南理工大学经济与贸易学院副教授，经济学博士，研究方向：统计调查与计量经济分析；吴慧(1992-)，女，湖南省冷水江市人，华南师范大学经济与管理学院研究生，研究方向：宏观经济统计分析。

A

1002-2848-2016(05)-0059-10