卢丽文 ， 张 毅 , 李永盛

(1.中国地质大学 a.经济管理学院， b.地球科学学院，武汉 430074； 2.华中师范大学 城市与环境科学学院，武汉 430079)

0 引言

改革开放以来，中国的城镇化进程明显加快，数据表明我国的人口城镇化水平由1978年的17.92%增长至2012年的52.57%，城镇已成为中国经济社会发展的主体形态。同时，我国自2001年到2012年城市用地扩展增长了88.45%，但是，同期城镇人口却只增长了48.10%，人口城镇化率增长14.91%，人口的城镇化滞后于土地的城镇化。慕海平提出真正的城镇化应是“产业、人口、土地、社会、农村”五位一体协调发展的城镇化，加快人口的城镇化是经济增长的稳定驱动力[1]。我国正处于新型城镇化的建设时期，探讨影响人口城镇化的因素具有重要的现实意义。

我国学术界对人口城镇化水平的驱动力机制的关注由来已久[2]：李芃等利用主成分分析法和多元回归分析法得出第二产业是影响重庆城镇化水平的关键因素[3]。王胜男等采用主成分和回归分析法对海南省不同阶段的城镇化影响因素进行了分析[4]。黄亚平等用偏相关分析法得出欠发达山区县域城镇化的影响因素为政策力、产业经济驱动力、硬件系统支撑力及资源环境双向力[5]。王发曾运用灰色关联度法研究得出山东半岛、中原、关中城市群城镇化水平的主要推力为经济水平、人口集聚、农业生产水平和医疗卫生条件[6]。张杰等利用面板数据计量方法从内源动力、外向动力、市场动力和政府动力4种动力分析西北五省区城镇化水平的动力机制[7]。曹广忠等构建了基于经济发展水平、产业结构、外向度和乡镇企业驱动机制模型[8]。柳思维等通过构建城镇化动力理论模型，运用空间计量方法研究得出洞庭湖区域经济发展水平、固定资产投资及流通产业都对城镇化水平有正向促进作用，但人力资本对其影响并不显著[9]。秦佳等运用空间误差模型研究了土地城镇化水平、第二三产业就业水平及增值水平、经济发展水平对我国城镇化水平空间差异的影响[10]。蒋伟等运用空间滞后模型和空间误差模型研究了人均GDP、第二产业比重、第三产业比重、教育发展水平、对外开发程度、城乡收入差距六大因素对城镇化水平的影响[11]。这些研究极大地丰富了城镇化理论。但是，上述文献大都采取的是截面数据，采用一年的数据或取多年的平均值，没有考虑时间上存在的异质性问题。本研究在研究空间因素的同时，还考虑研究主体时间变化问题，因此，基于空间面板数据的研究将更加科学。

1 数据来源与研究方法

1.1 理论假说

本研究提出以下假说。

假设1：我国人口城镇化水平发展存在空间依赖性。由于相邻地区具有相近的经济、社会、地理条件，相邻地区在制定城镇发展目标与发展政策经常相互借鉴，同时，各地区的生产要素流动、人口迁移与经济发展都存在关联性。因此，人口的城镇化水平及驱动因素空间效应不容忽视。假设中国人口城镇化存在空间依赖性。本研究采用城镇人口比重来表征人口城镇化水平，用Y来表示。

假设2：经济发展水平与人口城镇化水平有显著的正相关性。经济发展对城镇化水平的推动作用已经形成了共识[7]，一般来说经济越发达的地区，非农产业越发达，城镇就业机会的增多引起人口向城镇流动，因此，预期经济发展水平与人口城镇化水平呈正相关。采用人均GDP来表征经济发展，用X1表示。

假设3：第二产业的发展对人口城镇化有显著的促进作用。第二产业发展代表工业化程度，一般来说，工业一般分布于交通与市场都较好的城镇地区，工业越发达，城镇就业预期前景越好，因此，预期第二产业的发展对人口城镇化水平呈正相关。采用第二产业占GDP的比重表征第二产业的发展，用X2表示。

假设4：第三产业的发展对人口城镇化有显著的促进作用。作为以服务业为主体的第三产业在吸引就业上表现出强大的后劲，统计数据显示：1952—2012年，第一产业就业比重从83.54%下降为33.60%，第三产业就业比重则由9.07%上升为36.10%，2012年，第三产业的就业人数比重达到36.10%，超过第一产业就业比重。第三产业在吸引农村劳动力上很有优势，已成为吸引农村劳动力的主要领域[11]。因此，预期第三产业的发展对人口城镇化水平有正向影响。采用第三产业比重表征第三产业发展水平，用X3表示。

假设5：城镇基础设施建设投入与人口城镇化水平有显著的正相关性。随着基础设施投入的增加，不断完善的基础设施会吸引资本、人口等要素流入城镇，从而推动经济的发展，经济的发展又会推动人口城镇化水平的提高，因此，预期城镇基础设施建设投入对人口城镇化有正向影响。采用城镇人均固定资产投资建设总规模来表征基础设施建设，用X4表示。

假设6：教育水平与人口城镇化正相关。一般来说，受教育程度越高，越容易接受城镇的生活方式和价值观念，越容易在城镇获得就业机会和较高的收入，因此，预期教育水平的提高对人口城镇化有正向促进作用。采用15岁以上文盲人口比重表征教育水平，用X5表示，由于选取的指标为负面指标，因此，预期为负号。

假设7：社会保障与医疗水平与人口城镇化水平有显著的正相关性。社会保障与医疗水平的提高有利于解除农民对失去土地后的养老及医疗保障等问题的担忧，加大了城镇对农村人口的吸引力。因此，预期社会保障与医疗水平对人口城镇化有促进作用。采用人均社会保障和就业及医疗卫生财政支出来表征社会保障与医疗水平，用X6表示。

假设8：消费市场的活跃与人口城镇化水平正相关。消费市场越活跃，越有利于推动经济增长，促进人口的城镇化，因此，预期消费市场的活跃与人口城镇化呈正相关。采用社会消费品零售总额来表征消费市场的活跃，用X7表示。

假设9：城乡收入差距会影响人口城镇化水平。一方面，城乡的收入差距是诱使农村人口向城镇转移的动因，另一方面，城乡收入差距的扩大不利于农村购买力的提高，这就意味着消费需求的下降，从而限制了城镇工业规模的扩大，使得城镇的就业能力下降，因此，城乡收入差距对人口的城镇化有正反两方面的作用，预期负面作用更显著。采用城镇居民人均可支配收入与农村居民家庭人均纯收入之比来表征，用X8来表示。

假设10：区域创新对人口城镇化水平有促进作用。科技创新活动是促进经济增长的内生动力，区域创新有助于区域经济发展，因此，预期区域创新与人口城镇化水平呈正相关。采用国内3种专利授权来表征，用X9来表示。

1.2 基本计量模型

根据上述理论假设，参照道格拉斯生产函数,两边取对数，基本计量模型设定如下：

lnY=α0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+β7lnX7+β8lnX8+β9lnX9。

式中：α0为截距项;β1，β2，…，β9分别为自变量的系数，反映了各自变量对因变量的影响。

1.3 空间计量模型与数据

1.3.1空间计量模型。空间计量经济学与传统的计量学的两个重要的区别为：一是意识到空间依赖性及空间异质性的存在，二是阐述空间计量模型中的要素量化问题[12]。检验人口的城镇化是否存在空间自相关性，如果存在空间相关性，则建立人口城镇化影响因素的空间计量模型。全局自相关系数Moran’sI用于检验研究区内临近地区间是相异、相似还是相互独立，Moran’sI的计算公式如下：

Anselin将空间误差项及空间滞后被解释量引入传统的面板数据模型中，本研究所采用的空间面板数据为静态模型，空间经济计量的两种基本模型分别是[13]：

空间滞后模型(SLM)：y=ρWy+Xβ+ε。

式中：Y为因变量；β为与解释变量X(n×k)相关的参数向量；ρ为空间滞后因变量Wy的系数；ε为随机误差项向量；λ为空间误差系数；W为空间权重矩阵；μ为正态效应的随机误差向量。

1.3.2数据来源。数据来自《中国统计年鉴(2006—2013)》，样本包括中国31个省份(不含港澳台)，实证研究采用Geoda 095i，Eviews 6及MATLAB R2010a软件。

2 实证结果分析

2.1 人口城镇化的空间相关性分析

检验中国人口城镇化的空间相关性，利用Geoda 095i软件计算出中国31个省份2005—2012年的人口城镇化水平的全局自相关系数Moran’sI值(表1)，Moran’sI值的显著性检验p值在0.001至0.003之间。

表1 2005—2012年中国31个省域人口城镇化Moran’s I 值

从表1看出，省域人口城镇化全局自相关系数Moran’sI值都在0.3以上，且在5%的显著性水平通过检验，表明省域人口城镇化空间布局并非表现出完全随机的状态，而是具有显著的全局空间正相关性。且2005—2011年，Moran’sI值不断上升，说明东部城镇化水平较高的地区与中西部城镇化水平较低的地区空间的集聚性不断增强，2012年，Moran’sI值开始下降。

为进一步分析人口城镇化水平的空间集聚特征，本研究计算出了2012 Moran’sI的散点图(图1)。

从图1看出，各个省域的人口城镇化水平分高高(HH)表示高水平区域被其他高水平区域包围、低高(LH)表示低水平区域被其他高水平区域包围、低低(LL)表示低水平区域被其他低水平区域包围、高低(HL)表示高水平区域被其他低水平区域包围的4种空间模式。各省份空间相关类型见表2。

从表2中可以看出，中国各省域单元大多数位于一(HH)、三(LL)象限，地区比重达到 80.65%，表明大部分区域人口城镇化水平存在空间正相关，城镇人口水平具有区域同质性。位于二(LH)、四(HL)象限的只有6个地区，反映了人口城镇化水平在地理分布上的空间异质性。高高模式的省份主要位于东部地区，低低模式的省份主要位于中西部，通过上述分析表明，中国省域人口城镇化水平确实存在空间依赖性， 因此， 在对其驱动力因素进行分析时不能忽视其空间效应。

图1 中国省域人口城镇化水平Moran’s I散点图

表22012年Moran’sI散点图省域数量

Tab.2TheprovincialquantityofMoran’sIscatterplotin2012

空间相关类型省份数量第1象限HH天津、北京、上海、吉林、浙江、江苏、福建、黑龙江8第2象限LH河北、江西2第3象限LL湖南、河南、甘肃、贵州、西藏、云南、新疆、青海、四川、广西、宁夏、陕西、湖北、山西、山东、安徽、海南17第4象限HL广东、重庆、内蒙古、辽宁4

2.2 人口城镇化驱动力模型的检验与选择

2.2.1面板数据的检验。为了验证面板数据的平稳性和消除伪回归，可以对各个变量进行单位根及协整检验[13]。单位根的检验采用Eviews 6软件，采用LLC，IPS，ADF，PP检验方法，原始的变量是不平稳的，对不平稳的变量进行一阶差分后再进行检验。所有变量单位根检验结果均在1%水平下显著，表明变量一阶差分平稳(表3)。

由于变量存在一阶单整，则需要检验变量是否存在协整。由于变量过多，本研究把变量分为3组，第一组为Y与X1，X2，X3，第二组为Y与X5，X9，第三组为Y与X4，X6，X7及X8，采用Pedroni协整方法，对于小样本，Panel ADF和Group ADF统计量的检验效果更好，检验结果如表4。可以看出，Panel ADF和Group ADF检验都通过了1%的显著性水平，因此，本研究认为变量之间存在协整关系。

2.2.2空间面板数据模型的选择。本研究运用4类空间面板数据模型：空间滞后固定效应、空间滞后随机效应、空间误差固定效应及空间误差随机效应[14]。利用MATLAB R2010a软件中的Spatial软件包，输出结果如表5。

表3 变量的单位根检验

说明：Δ表示一阶差分，***，**，*分别表示在1%，5%，10%的水平上显著。下表同。

表4 协整关系检验结果

从表5看出：① 对比4类模型，随机效应模型的极大似然值优于固定效应模型，随机效应模型的解释变量系数项和残差空间自回归系数项大部分通过了显著性检验。而固定效应模型的解释变量系数项大部分都没通过显著性检验。而且，空间滞后随机效应的Hausman检验在10%的水平上不显著，表明接受原假设，可以采用随机效应模型，因此，认为随机效应模型可以更好地拟合中国省域人口城镇化与解释变量之间的关系。② 比较空间滞后(SLM)随机效应与空间误差(SEM)随机效应模型，空间滞后随机效应模型的拟合优度优于空间误差随机效应模型，由此认为，空间滞后随机效应模型可以更好地拟合解释变量与被解释变量的关系。

依据表5，结合SLM模型得出该模型公式为：

Y=-0.235+0.529Wy-0.141X4+0.578X3+0.364X2-0.261X8+0.273X1。

表5 人口城镇化影响因素的空间面板数据分析结果

根据此公式，分析结果如下：① 区位因素对人口城镇化水平有重要影响，人口城镇化水平存在显著的正向空间扩散效应。② 城镇人均固定资产投资对人口城镇化水平有负向影响。与预期不符，可能的原因是近几年国家加大了对欠发达地区(中西部地区)城镇固定资产的投入，但是，由于这些地区城镇基础设施基础差，需要投入更多的资金。而城镇化发达的地区，由于其已经具有较完善的基础设施，所以，需要投入的资金相对较少。③ 第三产业的发展对人口城镇化水平有显著的正向影响。与预期吻合，在其他因素不变的情况下，第三产业每提高一个百分点，人口城镇化就提高0.578个百分点，我国现阶段第三产业还是以劳动力密集型服务业为主，这表明加快第三产业的发展，可以吸纳更多的农村劳动力，提供更多的就业机会，加速产业结构的调整，因此，第三产业的发展为实现人口城镇化提供强大后劲。④ 第二产业的发展对人口城镇化水平有显著的正向影响。与预期吻合，在其他因素不变的情况下，第二产业每提高一个百分点，人口城镇化水平就提高0.364个百分点，这表明，加快第二产业的发展，吸纳更多农村劳动力，推动人口的城镇化水平。⑤ 城乡收入差距对人口城镇化水平有负向影响。与预期相符，应该加大对农业的补贴与农民的社会保障等转移支付力度，加大对农民创业的支持力度，提高农民的资产性收入水平，推动城乡收入差距均等化发展。⑥ 经济发展水平对人口城镇化有显著的正向影响。与预期吻合，人均GDP每提高1个百分点，人口城镇化就提高0.273个百分点，经济的增长是推动人口城镇化的内因。⑦ 消费市场的活跃、社会保障与医疗水平、区域创新及教育水平对人口城镇化的影响很小，而且，从统计上看并不显著。为进一步求证假设理论，分别对统计不显著的4个解释变量分别与被解释变量进行空间计量模型计算，通过比较，消费市场的活跃、人均社会保障和就业及医疗卫生财政支出选择了空间误差随机模型，3种专利授权数、15岁以上文盲人口比重两个变量选择了空间滞后随机模型，计算结果如表6。

表6 空间面板数据分组回归结果

从表6看出：① Hausman检验在10%的水平下没有通过显著性检验，接受随机误差模型，社会消费品零售总额对人口城镇化有正向影响，与预期相符。人均社会保障和就业及医疗卫生财政支出对人口城镇化水平有正向影响，与预期相符。3种专利授权数对人口城镇化水平有正向影响，与预期相符。但是这几个指标的统计系数都比较小，表明其带动作用并不明显，究其原因可能是我国还处于经济社会发展转型期，我国的消费市场发展还不够成熟，社会保障体系还不完善，我国的区域创新体系的构建还不完善，对人口的城镇化的带动能力比较弱。但是，随着我国经济制度的完善，消费市场的活跃、社会保障与医疗水平、区域创新对人口城镇化的影响不容忽视。② 15岁以上文盲人口比重对人口城镇化有负向影响，与预期相符，但是，其统计意义并不显著，究其原因可能是由于我国吸纳大量农村劳动力的第三产业低水平发展阶段，其主要以劳动密集型服务业为主，对知识、技术的要求不高。但是不能忽视其对人口城镇化的负面影响，应重视教育，加大对农村的教育投入。

3 结论及启示

3.1 结论

(1)我国人口城镇化水平存在显著的空间正相关性，具有明显的空间溢出效应，区位因素是影响人口城镇化水平的一个重要因素。(2)经济的发展、第二、三产业的发展对人口城镇化有正向促进作用。(3)城乡收入差距的扩大不利于人口城镇化。(4)由于城镇建设基础的差距，城镇固定资产的投入在统计意义上具有负向影响。(5)社会消费品零售总额、人均社会保障和就业及医疗卫生财政支出、3种专利授权数对人口的城镇化水平有正向影响，但其统计系数比较小，究其原因是我国的消费市场发展还不够成熟，社会保障体系还不完善，我国的区域创新体系的构建还不完善，对人口的城镇化的带动能力比较弱。(6)15岁以上文盲人口比重对人口城镇化为负向影响。

3.2 政策启示

(1)人口的城镇化是我国提高城镇化质量的一个重要方面，是实现新型城镇化的一个重要路径。各省在推动人口城镇化的进程中，要利用“干中学效应”，向发展较好的地区学习。(2)人口的城镇化需要经济先行，应加快经济的发展，优化产业结构，发挥第二、三产业对农村劳动力的吸纳作用。(3)加大对农业的补贴与农民的社会保障等转移支付力度，加大对农民创业的支持力度，提高农民的资产性收入水平，推动城乡收入差距均等化发展。(4)培育消费市场、完善社会保障体系、构建完善的区域创新体系对于实现人口的城镇化也有不可忽视的作用。(5)重视教育，加大对农村的教育投入。

参考文献：

[1]中国人口与发展研究中心课题组.中国人口城镇化战略研究[J].人口研究,2012,36(3):3-13.

[2]杨万江,蔡红辉.近十年来国内城镇化动力机制研究述评[J].经济论坛,2010(6):18-20.

[3]李芃,魏荣华,孟庆红.重庆市城镇化动力机制分析[J].经济视角,2008,8(1):9-13.

[4]王胜男,马昭.海南省新世纪城镇化进程的阶段性及其影响因素[J].地域研究与开发,2013,32(4):59-64.

[5]黄亚平,林小如.欠发达山区县域新型城镇化动力机制探讨——以湖北省为例[J].城市规划学刊,2012(4):44-50.

[6]王发曾.山东半岛、中原、关中城市群地区的城镇化状态与动力机制[J].经济地理,2010,30(6):918-925.

[7]张杰,龚新.蜀西北地区城镇化动力机制研究——基于面板数据的实证分析[J].首都经济贸易大学学报,2010(5):81-88.

[8]曹广忠,刘涛.中国省区城镇化的核心驱动力演变与过程模型[J].中国软科学，2010(9):86-96.

[9]柳思维,徐志耀,唐红涛.基于空间计量方法的城镇化动力实证研究——以环洞庭湖区域为例[J].财经理论与实践,2012,33(4):100-104.

[10]秦佳,李建民.中国人口城镇化的空间差异与影响因素[J].人口研究,2013,37(2):25-41.

[11]蒋伟.中国省域城市化水平影响因素的空间计量分析[J]经济地理,2009,29(4):613-617.

[12]沈体雁,冯等田,孙铁山.空间计量经济学[M].北京:北京大学出版社，2010:27.

[13]王锐淇,张宗益.区域创新能力影响因素的空间面板数据分析[J].科研管理,2010,31(3):17-27.

[14]刘红梅,张忠杰,王克强.中国城乡一体化影响因素分析——基于省级面板数据的引力模型[J].中国农村经济,2012(8):4-15.