林志炳 张 玺 陈 君

(福州大学经济与管理学院，福建福州 350116)

产业结构与城镇化关系研究
——基于半参数面板空间滞后模型

林志炳 张 玺 陈 君

(福州大学经济与管理学院，福建福州 350116)

针对现有文献研究产业结构与城镇化关系时忽略两者之间的非线性关系的缺陷，利用2007－2013年中国31省市面板数据，通过建立半参数面板空间滞后模型，对中国31个省市的产业结构与城镇化进程的关系进行实证研究。结果表明，产业结构升级与城镇化进程之间存在明显的非线性的关系。产业结构优化系数将产业结构升级的进程分成了三个阶段，三个阶段的产业结构对于城镇化的影响各不相同。当产业结构系数位于阶段一和阶段三时将促进城镇化进程;阶段二则是产业结构升级与城镇化进程的一个震荡期，在该阶段内产业结构升级会对城镇化进程起到抑制作用。因此，不同省域应该根据自身产业特点，合理规划产业布局，制定产业政策，协同产业结构优化与城镇化建设。

产业结构;城镇化;半参数面板空间滞后模型

一、引言

新型城镇化建设对于稳定我国经济增长、转变经济发展方式、加快现代化建设都有着十分重要的意义。2013年中国城镇化率达到53．73%，超过世界平均水平，统计资料显示，我国的城镇化率指标正在以年均1．15%的速度稳步增长。城市化水平的提高和产业结构的升级都是经济发展过程中的必然规律，而新型城镇化建设又需要产业升级来支撑，特别是现代制造业、生产性服务业的发展是新型城镇化的强大动力。因此，考察产业结构升级与城市化进程的关系，对于合理规划产业布局，制定产业政策，从我国国情出发推动新型城镇化健康可持续发展都有重要的意义。

国内外学者对产业结构升级与城镇化进程的关系做了大量的研究。他们普遍认为，产业结构的优化与升级对于促进城镇化进程具有积极的作用。曹广忠和刘涛对城镇化的驱动因素进行研究，认为城市化进程中第三产业的推动作用已超过第二产业，但不同地区的核心驱动产业仍存在差异。［1］Gilbert and Gugle研究表明，城镇化率与第二、三产业发展呈现出高度的正相关关系，与第一产业的发展呈现出负相关的关系。［2］Michaels et al研究发现，非农产业的劳动力结构对城镇化进程会产生正向且显著的影响。［3］

实证方面，苏素和贺娅萍使用动态面板模型分析了经济规模、产业结构和城乡收入差距对城镇化的影响，发现农业化率与城镇化之间呈显著的负相关关系。［4］Tobler指出根据地理学第一定律，事物之间都存在着相互的联系，离得近的事物相互之间的联系影响也就越强，因此，在实证分析中忽略了空间效应对研究主体的影响，则可能导致不恰当的模型设立与回归结果。［5］为此，曾昭法和左杰构建空间面板数据模型，得出产业结构在时间维度上对城镇化发展具有显著影响作用的结论。［6］薛瑞等通过建立空间面板模型，考虑空间效应分析了跨境资金流入对城镇化发展的驱动作用。［7］

可见，大部分文献都从理论和实证两个角度分析了产业结构升级对城镇化进程的影响。但已有研究尚存在以下不足:(1)很多实证研究都是直接进行回归分析，没有进行时间序列平稳性分析、协整检验和因果关系检验。由于时间序列的经济变量基本上都是非平稳变量，这样的回归分析可能存在虚假回归，其结论的真实性也就值得怀疑。(2)多数实证分析都是利用线性回归模型来进行研究的。线性回归模型事先假定了经济变量之间的关系为已知，模型的形式已经确定，继而继续参数估计的。实际上，现实中的经济变量之间的关系未必是线性关系或可线性化的非线性关系，而变量之间的参数非线性关系又往往难以确定。所以，传统的线性或非线性计量经济模型在实际的经济应用中通常出现很大的设定误差。

对此，在现有文献的基础上，文章试图从以下两个方面展开进一步的研究。一是，进一步完善实证模型的分析框架，加入对面板数据的平稳性与协整关系检验，避免模型构建中的虚假回归问题。二是，在现有的空间面板数据模型的基础上，采用半参数的估计方法，研究产业结构升级与城镇化之间的非线性关系，即在不假定变量之间关系的基础上，通过数据估计两者的影响关系。半参数空间面板模型的估计方法在大大减少模型的人为设定误差的同时也可以很好地刻画出非参数变量对被解释变量的非线性影响关系。

二、假设与模型设定

(一)相关假设

假设1:政府积极的财政政策可以促进城镇化进程。

魏娟、蔡秀云的研究指出中国公共设施发展与城镇化水平并不同步，既存在公共设施发展的缺口，也存在公共设施财政支出方面的较大缺口，他们认为城镇化与基本公共服务、基础公共设施建设水平具有较高的一致性。［8］［9］在新型城镇化过程中对城市公共服务例如基础设施、医疗、教育、社保、就业等方面提出了更高层次的要求。政府可以通过对财政政策的调整进而对城镇化建设产生影响。文章预期地方政府积极的财政支出对于城镇化进程能起到正向影响作用。

假设2:外商直接投资额的有效利用可以促进城镇化进程。

王粲研究发现2009年西部城镇化建设资金来源中利用外资仅占0．62%，低于同期全国水平1．82%，相比于东部城镇化水平较高地区而言资金利用率更低。［10］徐策研究发现现阶段在城镇化建设中外资还没有被充分利用起来，然而在城镇化加速推进阶段，从投融资角度深化研究新型城镇化十分必要。［11］政府的一些发展政策，会吸引外商直接投资于本地的经济发展、城市服务等方面，有资料显示这种投资多集中于主城区，外商投资通过吸收农村务工人口的方式使得农村人口往城市迁移，以达到提高城镇化率的作用。文章预期外商直接投资额的有效利用可以促进城镇化进程。

假设3:产业结构升级对城镇化进程有促进作用并且两者之间存在非线性的关系。

王立新认为，经济增长及第二、三产业发展对城镇化带来显著正向影响。［12］而第二、三产业发展对不同区域的城镇化影响存在差异，产业结构与经济增长的交互作用能加快或迟滞不同区域的城镇化。产业结构的差异对东中西部不同省域间的影响差异也各不相同。因此，本文考虑到产业结构对于城镇化的影响并非单一的正向或是负向影响，而是呈现出一种非线性的变化趋势。

(二)数据与变量选取

本研究采用年度数据，考虑到数据的可得性，选择样本区间为:2007－2013年。数据主要来自中国官方资料:(1)《中国统计年鉴》;(2)《新中国50年统计资料汇编》;(3)中经网统计数据库。最终进行分析的数据是2007－2013年中国31个省、直辖市、自治区的面板数据。

各变量具体描述如下:

城镇化水平(UR)。城市化是指人口向城市聚集、城市规模扩大以及由此引起的一系列社会经济变化的过程。城市化过程也是经济社会结构的变迁过程，包括经济城市化、产业结构城市化、人口城市化、空间城市化和生活方式城市化等多个方面。这里选取大多数学者采用的“城镇人口数占总人口的比例”，作为衡量城镇化发展水平的指标。

产业升级系数(upgrade)。苏雪串认为，城镇化表现在生产方式上，就是产业结构的升级，即农业剩余劳动力向非农产业部门的转移。［13］在制定城镇化发展战略时，应使产业结构升级与城镇化之间形成良性的互动机制。

为此，文章引入产业结构层次系数来说明各省域的产业结构升级水平，测算公式为:

其中:upgrade表示产业结构升级系数，qi为第i产业的产值比重。upgrade的取值范围为 1≤upgrade≤3，其含义为，产业结构升级系数越逼近1，表明一国或地区产业结构的层次越低;产业结构升级系数越逼近3，表明一国或地区产业结构的层次越高。

同时，为了尽量减少变量遗漏误差，将以下指标纳入控制变量:(1)政府行为(ln_gov)。文章使用各地地方政府财政支出额的对数形式来衡量政府在城镇化建设中的作用。(2)外商直接投资额(ln_fdi)。文章以对数形式的外商直接投资实际利用额作为自变量。根据上文假设部分的叙述及两个变量与城镇化率的相关性，这里将控制变量政府行为与外商直接投资设定为线性参数形式进入模型。

(三)模型设定

文章在参考徐敏研究城镇化进程推进因素的论文的基础上，分别构建普通面板数据模型、空间面板数据模型、半参数空间面板数据模型研究该问题。［14］由于模型中变量城镇化率(UR)和产业结构升级系数均为比率形式的指标，这里参照吴福象、刘志彪研究城市化群落驱动经济增长机制的方法，构建半对数化模型。［15］苏雪串指出，产业结构升级与城镇化是相辅相成，相互影响的关系，但是通过对1990－2014年的全国数据进行格兰杰因果关系检验可以发现(见表1)，从20世纪90年代开始，产业结构升级逐渐成为城镇化发展的外生性因素，即产业结构升级可以促进城镇化发展而城镇化发展对产业结构的升级影响并不显著。［16］为此产业结构升级指标作为解释变量进入模型会更加合理。

普通面板数据与空间滞后面板数据模型已有大量文献对其进行了阐述，本文就不作过多的描述，其具体形式如下:

模型(1):普通面板数据模型

考虑到城镇化进程中，各个地区间存在着一定的空间依存性与空间相关性，我们考虑将空间项加入到面板模型中以达到更好的模型估计效果。因此，首先要判断变量是否存在空间相关性。利用OpenGeoDa软件对各年城镇化率依次进行空间相关性检验。表2显示，从2006年到2012年，各省市间城镇化水平的空间相关性一直存在显著的正相关关系。

因此，在回归模型中考虑空间相关性是有必要的，这样有助于得到更准确的模型设定与参数估计结果。通过空间相关性检验与固定随机效应检验最终确定固定效应的空间滞后面板数据模型。检验结果见表6。

模型(2):空间滞后面板模型

其中，ρ为空间滞后(自回归)系数，wij为N×N维经标准化的非负空间权重矩阵W的i行j列元素。上式中，下标i和t分别表示第i个地区的第t年;εit是独立且同分布的随机误差项，其均值为0，方差为σ2。

本文借鉴J．Q．斯图尔特(stewart，1948)和G．K．齐夫(Zipf，1946)研究中提到的城市引力公式Gij=(Mi×Mj)/D来设定空间权重矩阵。Mi表示i城市的城市质量指标，Mj表示j城市的城市质量指标，其中表示研究对象样本区间内生产总值的平均值，Pi表示研究对象样本区间内人口的平均值，D是这两个城市之间的地理距离。与相比传统的0－1权重矩阵相比，本文建立的引力空间权重矩阵能更好地体现城市间城镇化的空间相关关系。

通过绘制产业结构升级系数与城镇化率的散点图可以发现，产业结构升级系数变量与城镇化率变量之间存在着非线性的关系(见图1)。从散点图中可以看出，当产业结构升级系数大于2．5时，产业结构的升级对于城镇化进程起到明显的促进作用;而当产业结构升级系数位于2．1～2．5区间内时两者关系呈现出复杂的情况。为了更准确地捕捉两者之间的关系，避免模型的人为设定误差，在模型2的基础上对模型进行了改进，采用半参数空间滞后面板数据模型，为此，构建了模型(3):

其中，非线性变量产业升级系数upgrade作为非参量。

(四)半参数空间滞后面板数据模型的估计方法

本文提出的半参数空间面板模型(3)的参数分量ρ，βk，αi和非参数分量G(·)的估计方法如下:首先假设参数ρ，βk，αi已知，有模型(3)可得式(4):

由模型(3)减去式(4)整理可得式(5):

对新序列进行空间面板回归，得到参数的估计值，进而带回模型(3)中，得到非参数部分的估计量。因为非参数部分估计时采用的是局部线性估计，所以可以同时得到非参数部分的一阶导数，进一步还可以用于后续的政策建议分析。［17］

三、实证分析

(一)面板数据单位根检验和协整检验

考虑到非平稳时间序列在建立模型过程中可能引起的伪回归问题，建立回归模型前应首先对面板数据进行单位根检验。表3的检验结果表明，变量ln(gov)、upgrade和ur在三种面板数据单位根的检验方法下都为一阶单整序列，而变量ln (fdi)的原序列是平稳的。

在上述检验结果的基础上，本文进一步对三个一阶单整的变量进行面板数据协整检验。面板数据协整检验分别采用Kao方法和Pedroni方法检验协整关系，两种方法的原假设均为变量之间不存在协整关系。由表4可见，Kao检验拒绝了原假设，即认为三个一阶单整变量之间存在协整关系;而Pedroni检验的七个统计量中有3个在1%的显著性水平上拒绝了原假设还有1个在5%的显著性水平上拒绝了原假设，可以证明各变量之间确实存在协整关系。

(二)模型比较与估计结果

本文分别采用传统的面板数据模型、空间滞后面板数据模型和半参数空间滞后面板数据模型进行研究，并对三者的回归结果进行比较分析(见表5)。

模型1为普通的面板数据模型。面板数据可以揭示横截面数据所不能被观察到的个体特殊行为，因而被广泛应用于微观经济和区域经济领域的实证研究。通过Hausman检验(见表6)我们判断出采用固定效应面板模型估计该数据更为合理。从回归结果中可以看出，政府的财政支出与外商直接投资额对城镇化的进程都有显著的正向影响。具体来说，政府财政支出每增加1%，城镇化率可以提高0．115%;外商直接投资在提升城镇化率上的作用要弱于政府财政支出的作用，投资额每1%的提升也能促进城镇化率提升0．014%。而反观产业结构升级系数，其参数估计值在10%的显著性水平下并不显著，并且系数为负。这与肖功为对中国产业结构优化升级引致的城镇化效应研究中得出的结论存在差异。肖功为通过面板分位数回归得出产业优化对于城镇化有显著的正向影响的结论。［18］一方面可能与产业结构升级对于城镇化进程存在非线性的关系有关，另一方面可能与模型设定时并没有考虑到城镇化进程的空间溢出作用有关。

模型2在模型1的基础上增加了城镇化进程的空间溢出效应，采用空间计量模型估计参数。模型检验结果(见表5)显示，采用固定效应的空间滞后模型更为合理。从回归结果中我们发现，与普通面板数据模型相比，政府财政支出作用的系数在1%的显著性水平下显著成立，但其系数要明显小于普通面板数据模型所估计出来的参数，政府财政支出每增加1%，城镇化率可以提高0．076%，这显然更为合理。空间自相关系数为0．299且通过了显著性检验，说明某一省份的城镇化建设对相邻省份具有一定的辐射效果。这与徐敏得出的结论［19］相同。可以看出，采用空间计量模型考虑该问题后，参数的估计量有了显著的变化，但是产业结构升级变量的系数仍不显著，这表明我们构建的线性计量模型在设定上还是存在偏误。

考虑到上文得出的产业结构对城镇化影响关系的结论与现有文献存在相反之处，模型(3)在模型(2)的基础上更进一步考虑到变量的非线性关系，故模型(3)将非线性变量产业结构升级系数设定为非参量，对整个模型进行半参数空间面板模型估计。利用Epanechnikov核函数和固定窗宽局部线性法来实现半参数空间滞后模型估计。模型(3)与模型(2)相比在参数估计上略有差别，外商投资影响有显著增强，对城镇化进程的促进作用与财政政策作用相当，而模型的拟合优度有显著提升达到了0．95，这也证明了半参数模型在数据拟合上的优势。模型(3)通过偏导图进一步验证了产业结构升级系数对城镇化进程的非线性关系。

通过导数图2我们可以发现，偏导图将产业结构系数划分为了三个区间，区间一:2．25～2．38、区间二:2．38～2．58、区间三:2．58～2．8。当产业结构升级系数位于区间一和区间三时，产业结构的构成对于城镇化进程可以起到促进作用，并且2．58到2．8这一区间所对应的产业结构对于城镇化进程的促进作用要更大。而当产业结构系数位于区间二时，相应的产业结构构成反而会对城镇化起到一定的抑制作用。偏导图很好地证明了产业结构对于城镇化之间的非线性关系。这也解释了为什么在普通面板数据模型与空间滞后面板数据模型中产业结构系数一直不显著且参数估计系数与现有文献存在较大差异的原因。由此可以看出，半参数空间滞后面板数据模型在模型的拟合优度、统计性质方面要优于前两个模型，更重要的是半参数模型对于解决变量存在非线性关系的问题有其独到的优势。

四、结论与建议

由图3发现，产业结构系数位于区间一的省份有山西省、辽宁省、江苏省、福建省、山东省等，查阅这些省份2013年度三大产业占全省GDP比重可以发现，其第二产业比重均要大于第三产业比重且第二产业占比要高于50%，同时第一产业占比均低于10%。全国范围内目前仅有北京与上海两个城市的产业结构系数位于区间三内，比较两市2013年度三大产业占GDP比重可以发现，其第三产业占比要远高于第二、第一产业占比，且比重均大于60%。以上数据表明，对于不同的省市来说并非盲目追求更高的产业结构就能促进城镇化的发展，根据自身情况选择适合自己的产业结构比例才是问题的关键所在。而位于区间二中的天津、浙江、广东三地则可以借鉴北京、上海的发展模型更快更平稳地度过这一产业结构调整的震荡期。此外，政府积极的财政政策与合理的外商直接投资的利用对于促进城镇化的进程都有正向的促进作用。

注释:

全省矿业绿色发展现场会在湖州召开（省厅新闻宣传中心） ............................................................................9-6

［1］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》，《中国软科学》2010年第9期。

［2］Gilbert A．，Joseph G．Cities，poverty and development:urbanization in the Third World．Oxford University Press，1992，pp．216－217．

［3］Michaels G．，Rauch F．，Redding S．，“Urbanization and structural transformation”，The Quarterly Journal of Economics，vol．127，no．2(2012)，pp．535－586．

［4］苏素、贺娅萍:《经济高速发展中的城镇化影响因素》，《财经科学》2011年第11期。

［5］Tobler W．，“A computer movie simulating urban growth in the Detroit region”，EconomicGeography，vol．46，no．2(1970)，pp．234－240．

［7］薛瑞:《跨境资金流入对城镇化发展的驱动作用》，《财经科学》2013年第10期。

［8］魏娟、李敏:《产业结构演变促进城市化进程的实证分析》，《中国科技论坛》2009年第11期。

［9］蔡秀云、李雪、汤寅昊:《公共服务与人口城市化发展关系研究》，《中国人口科学》2012年第6期。

［10］王粲:《西部城镇化建设投融资供求均衡研究》，硕士学位论文，西北大学，2012年。

［11］徐策:《从投融资角度看新型城镇化建设》，《宏观经济管理》2013年第1期。

［12］王立新:《经济增长、产业结构与城镇化》，《财经论丛》2014年第4期。

［13］［16］苏雪串:《产业结构升级与城市化》，《财经科学》2002年第9期。

［14］［19］徐敏:《中国的市场化进程推动了城镇化发展吗》，《财经科学》2014年第8期。

［15］吴福象、刘志彪:《城市化群落驱动经济增长的机制研究》，《财经科学》2013年第7期。

［17］叶阿忠:《非参数计量经济学》，天津:南开大学出版社，2003年。

［18］肖功为:《中国产业结构化升级引致的城镇化效应研究》，《财经理论与实践》2013年第5期。

［责任编辑:黄艳林］

F224

A

1002－3321(2015)04－0025－07

2015－05－19

国家自然科学基金资助项目(71201033，70901021);福建省高校杰出青年科研人才计划(JA13041S);福建省高等学校新世纪人才支持计划(JAS14037)。

林志炳，男，福建泉州人，福州大学经济与管理学院副教授、硕士生导师，博士;

张 玺，男，江苏常州人，福州大学经济与管理学院硕士研究生;

陈 君，女，福建三明人，福州大学经济与管理学院硕士研究生。