中國省域人口城鎮化率影響因素的空間杜賓分析

曹 飛

（西安電子科技大學 馬克思主義學院，西安 710071）

中國省域人口城鎮化率影響因素的空間杜賓分析

曹 飛

（西安電子科技大學 馬克思主義學院，西安 710071）

文章基于全國31個省區1998—2014年的相關數據，利用空間杜賓模型進行了實證分析。結果表明：人口城鎮化率具有空間自相關性。隨機效應的SDM結果顯示：城鎮固定資產投資比重、經濟外向度、信息化水平、人均受教育程度對本省區的直接效應為正，但是第三產業產值比重的直接效應為負；從間接效應來說，三產產值比重與城鎮固定資產投資比重在相鄰省區之間體現為競爭關系；經濟外向度、信息化水、人均受教育水平則為互補互促關系，且省域人口城鎮化率具有明顯的正外溢效應。

人口城鎮化率；空間自相關；空間杜賓

0 引言

城鎮化是我國新時期經濟、社會發展的主要盤面，它對于擴大內需、推動城鄉均衡發展、改善區域資源配置等方面將發揮巨大作用。由于中國自然環境的差異性及各地區經濟社會發展不均衡發展的事實，無論是城市布局還是人口城鎮化率都具有較大的區域分異。圍繞中國城鎮化空間布局、動力機制及影響因素等問題，從不同角度展開了分析。學者們對于中國省域人口城鎮化空間分布呈現東、中、西不均衡的格局，基本達成共識；對于城鎮化的動力要素，也大多認為城鎮化早期動力主要為工業化，而后期的動力則主要來自于第三產業；在對人口城鎮化影響因素的選擇來看，雖然越來越全面，但是差異性較大。在借鑒上述文獻的基礎上，考慮到信息化對于人口城鎮化的加速作用、第三產業對于人口城鎮化的乘數效應、固定資產投資對人口城鎮化的支撐作用、人均受教育程度對于人口城鎮化的保障作用、外向型經濟對于人口城鎮化的帶動作用，通過納入信息化、外向度、第三產業、固定資產、人均受教育程度，同時充分考慮到空間依賴性及空間異質性，以1998—2014年為研究周期，進行中國省域人口城鎮化率影響因素的空間面板分析。

1 我國城鄉居民消費差距的空間模型構建

1．1 空間權重矩陣的構建

空間面板分析的基礎是構建空間加強矩陣，不同的構建方法應該針對不同的問題進行取舍。比較常見的權重構建包括鄰接權重、地理權重與經濟權重，出于研究目的本文采取鄰接權重與地理權重，并用經濟權重作為經濟權重的穩健性檢驗參照，理由是：第一，鄰接矩陣構造與計算方便，得到較廣泛的應用，其基本賦值原則為01法則，即，wij=0（不直接鄰接）或wij=1（直接鄰接），其中海南的鄰接設為廣東、廣西；第二，部分學者構造空間矩陣是以平均GDP的相似度來計算，，假設有4個城市，其GDP均值分別為100億，90億，10000億，9990億，假設城市1與城市2之間的距離=城市3與城市4之間的距離，那么根據上述公式計算，城市1與城市2，城市3與城市4的空間權重是一樣的。事實上，由于規模遞增效應與范圍經濟、合作經濟、外部經濟，經濟總量越大其相互影響越大，城市群的發展也證明了這一點。基于上述考慮，本文所設定的空間權重矩陣為基于距離與經濟吸引力的經濟權重矩陣，其優勢在于既考慮到了距離衰減的影響，也考慮到了各地經濟發展水平的影響。

1．2 Moran I指數估算

全域空間自相關反映的是研究變量空間關聯程度的總體特征，用Global Moran's I表示，根據表達式（1）可見，Global Moran's I的值介于-1和1之間。

式中：n=31，為總省區數；yi，yj為分別為省區i和省區j的人口城鎮化率；為全國各省區人口城鎮化率的平均值。wij為分別為鄰接矩陣或者經濟權重矩陣，通過對比表1中分別依照鄰接矩陣和經濟權重矩陣計算的Moran指數可以發現：第一，二者測度的Moran指數符號性質高度一致，為正自相關；第二，二者計算的Moran指數均通過顯著性檢驗；第三，基于經濟權重計算的Moran指數要明顯大于基于鄰接矩陣計算的Moran指數，說明基于鄰接矩陣來計算的Moran指數可能會低估區域之間實際存在的客觀聯系。

表1 1998—2014年中國省域人口城鎮化率Moran指數測算結果比較

1．3 模型的構建

1.3.1 基準模型的構建

基準模型的構建是空間面板分析的基礎。根據經濟學基本理論與研究目的，選取城鎮固定資產投資占比（gu，%)、人均受教育程度（Jy,年/人）、經濟外向度（wxd，%)、第三產業比重（san，%)、信息化水平（youd,萬元/人）作為解釋變量，人口城鎮化率（ur,%)作為被解釋變量，上述變量采取的都是相對數值量綱，原因是我們的被解釋變量人口城鎮化率（ur,%)也是一個相對的量綱，由于本文的研究周期為1998—2014年，相應的數據來自于1999—2015年的《中國統計年鑒》。

基準模型：

i表示截面維，t表示時間維，yit表示被解釋變量（城鄉消費差距），xit是解釋變量，β是待估系數，εit是標準誤差項，表示未觀測到的影響因變量的其他因素。ui為反映個體差異的變量，表示省（區、市）的固定效應，θt表示時間效應。

1.3.2 空間滯后模型（SLM）

由于中國省域間巨大的人流、物流、信息流的事實，因此省域在人口城鎮化率上存在一定的相關性，可以通過加入相鄰省區因變量的累加，作為空間滯后因子，從而構建空間滯后模型：式（3）中：μi和θt分別表示空間固定效應和時間固定效應。

1.3.3 空間誤差模型（SEM）

在模型設定過程中，影響人口城鎮化率的因素是很多的，但不可能把所有變量納入模型。而被遺漏的變量可能存在空間自相關性，從而導致誤差沖擊空間溢出效應。

式（6）中：Φit表示空間自相關誤差項；λ表示誤差項的空間自相關系數。

1.3.4 空間杜賓模型（SDM）

相對于空間滯后模型與空間誤差模型，空間杜賓模型是更為一般的形式，可以同時反映鄰接省區自變量和因變量的影響，且便于分解為直接效應與間接效應（Lesage和Pace，2009），其基本形式為：

其中：θ和ρ是待估計的常數回歸參數。考慮兩個假設條件，可以檢驗空間杜賓模型是否可以蛻化為空間滯后模型或者空間誤差模型：（1）Ho:θ=0，如果θ=0時，SDM模型轉換為 SLM 模型；（2）Ho:θ+ρβ=0 ，如果θ+ρβ=0成立，SDM模型轉化為SEM模型。

2 模型選擇及實證分析

2．1 SDM模型的進一步檢驗與選擇

空間計量模型選擇的前提是要確定是否存在空間效應，其次才是確定何種形式的空間效應模型。相對而言，空間SDM模型是更具有一般意義和推廣范圍的模型，按照從一般到特殊的原則，檢驗SDM模型是否可以蛻化為空間滯后模型或者空間誤差模型。從表2和表3（見下頁）可以看出，Wald-spatial-lag和LR-spatial-lag的統計量分別均在1%的顯著性水平拒絕原假設，因此SDM模型不能蛻化為空間滯后模型；Wald-spatial-error和LR-spatial-error的統計量分別在1%的顯著性水平下拒絕原假設，因此SDM模型不能蛻化為空間誤差模型。選擇驗SDM模型是合理的。進一步通過豪斯曼檢驗，發現無論是鄰接權重還是經濟權重，隨機效益的SDM模型顯著存在，可能原因是隨機模型有更多的自由度和更好的估計結果。從模型估計結果來看，無論是基本鄰接權重或者經濟權重，各個模型估計結果的符號性質和顯著性水平高度一致，表明模型的經濟意義基本統一，只是統計參數上略有差別。由于基于經濟權重的估計更能反映省區之間客觀存在的經濟聯系，因此主要通過基于經濟權重的SDM模型進行解釋，但基于鄰接權重SDM模型的估計結果可作為穩健性對照。另外，考慮到樣本時期數T小于樣本的截面數i，所以也給出了無偏雙固定效應的估計結果。

按照公式（7），得到中國省域消費差距的SDM模型，其表達式如下：

表2 基于鄰接權重的空間SDM模型估計結果

表3 基于經濟權重的隨機效應SDM模型估計結果

2．2 SDM模型的效應分解與解讀

在隨機效應SDM估計的基礎，利用經濟權重對影響中國省域城鄉消費差距的各因素的效應進行空間分解，結果如表4所示。

表4 隨機效應SDM空間效應分解

一般而言，SDM中給出了隨機效應的估計值，但是由于模型中納入了空間滯后解釋變量與被解釋變量，不能直接反映其邊際效應，其估計值也難以準確衡量自變量對因變量的直接影響。因此，需要采用偏微分方程（7）計算各自變量的直接效應和間接效應，SDM估計與檢驗結果如表3所示。

（1）San、gud、jiaoyu、waixd、youdian的直接效應分別為-0.137、0.0719、0.0053、0.1696、1.0442。意味著固定資產投資比重的加大、受教育程度的提高、外向型經濟的發展和信息化水平的提升有助于城鎮化進程。城鎮固定資產投資比重加大，將有助于改善城市基礎設施水平和公共服務能力，提高城鎮對于本省區及外區人口的吸引力；受教育程度的提高意味著經濟發展具有更高水平的人力資本和更為專業化的社會分工，從而為集聚經濟的發展提高了必要，也提供了可能。外向型經濟在我國主要以制造業為主，其對勞動者的文化素質和專業技能要求的門檻較低，具有較強的勞動吸納能力。信息化水平的提高對城鎮化也具有正向驅動作用，主要原因信息化為城鎮化進程中商機的迅速傳播，加快了城市公共管理與服務的智能化水平，成為人流、物流、信息流、資金流順暢交流的加速劑、粘結劑和催化劑，提高了城市的快速、迅捷集聚能力，從而加快了城鎮化進程。第三產業產值比重為負，并不是因為第三產業的發展對于城鎮化進程的影響為負，恰恰相反，是因為第三產業內部的結果也需要優化，需要生產性服務業與生活性服務業均衡發展、勞動密集型與資本密集型協同發展，發揮第三產業在帶動就業，搞活經濟中的積極作用。

（2）San、gud、jiaoyu、waixd、youdian的間接效應分別為-0.691、-0.150、0.0267、0.358、2.728，從間接效應來的符號來說，三產產值比重與城鎮固定資產投資比重是同是負號，說明第三產業發展在各省區之間體現為競爭關系，而固定資產投資比重則由于鄰近省區固定資產投資比重的加大，對本省區的勞動力和人口產生吸引力，從而弱化本地人口城鎮化進程。人均受教育水平、經濟外向度和人均郵電業務量符號為正，人均受教育水平的間接效應為正，說明各省區的教育發展對于鄰近省區的教育發展具有促進作用，經濟外度的符號也為負，實際上，中國外向型經濟的分布往往出現城市群空間格局，該空間格局往往打破行政邊界，成為經濟上客觀聯系的地域實體，從而在一體化進程中，體現為正外部性，人均郵電業務量符號為正，符合預期，因為信息化的優勢就在于網絡效應、聯動效應與外部效應，一個地方信息化水平的加深會惠及周邊地區，反過來也是。

（3）San、gud、jiaoyu、waixd、youdian的彈性系數及其直接效應的數值略有差異，其原因是存在反饋效應（彈性系數-反饋效應=直接效應），即某一省區通過影響相鄰省區的人口城鎮化率再反過來影響本省區的人口城鎮化率。這種反饋效應一部分來自空間滯后被解釋變量，另一部分則來自空間滯后解釋變量。進一步分析表4可以發現，San、gud、jiaoyu、waixd、youdian的反饋效應分別為0.014、0.0031、-0.000852、-0.0086、-0.0562，這種反饋效應分別源于 5個因素的空間滯后變量（W*san、W*gud、W*jiaoyu、W*waixd、W*youdian）和空間被解釋變量（W*lnyi）的交互作用形成的綜合效應。

（4）W*dep的系數為0.222，且通過1%顯著性檢驗，表明中國省域人口城鎮化率具有明顯的外部溢出效應，鄰接省區的人口城鎮化率每上升一個百分點，那么本省區的人口城鎮化率擴大0.222個百分點。

3 結論

（1）無論是采取鄰接權重還是經濟權重，中國新型城鎮化都存在空間相關性。

（2）無論是采取地理權重還是經濟權重對于固定效應或者豪斯曼檢驗的結果是高度的一致。

（3）無論是地理權重還是經濟權重模型，其對于各種模型的估計參數也是高度的一致，事實上也證明了基于經濟權重模型估計的穩健性。

（4）通過基于經濟權重的隨機效應SDM分析表明，固定資產投資、經濟外向度、信息化水平、人均受教育程度對本省區的直接效應為正，但是第三產業產值比重的直接效應為負。

（5）從間接效應來說，三產產值比重與城鎮固定資產投資在各省區之間體現為競爭關系；人均受教育水平、經濟外向度和人均郵電業務量則為互補互促關系，W*dep的系數為0.222，說明省域人口城鎮化率具有明顯的正外溢效應。

[1]Zhang K H,Song S.Rural-urban Migration Andurbanization in China:Evidence from Time-series Andcross-section Analyses[J].China Economic Review,2003,14(4).

[2]Birch E L,Wachter S M.Global Urbanization[M]Philadelphia:University of Pennsylvania Press,2011.

[3]劉盛和,蔣芳,張擎.我國城市化發展的區域差異及協調發展對策[J].人口研究,2007,(3).

[4]辜勝阻,李華,易善策.均衡城鎮化:大都市與中小城市協調共進[J].人口研究,2010,(5).

[5]李芃,魏榮華,孟慶紅.重慶市城鎮化動力機制分析[J].重慶交通大學學報:社會科學版,2008,8(1).

[6]王發曾,程麗麗.山東半島、中原、關中城市群地區的城鎮化狀態與動力機制[J].經濟地理,2010,30(6).

[7]江易華.縣域人口城鎮化的影響因素分析[J].統計與決策,2012,(11).

[8]曹廣忠,劉濤.中國省區城鎮化的核心驅動力演變與過程模型[J].中國軟科學,2010,(9).

[9]劉彥隨,楊忍.中國縣域城鎮化的空間特征與形成機理[J].地理學報,2012,(8).

[10]曾昭法,左杰.中國省域城鎮化的空間集聚與驅動機制研究——基于空間面板數據模型[J].中國管理科學,2013,(11).

[11]秦佳,李建民.中國人口城鎮化的空間差異與影響因素[J].人口研究,2013,37(2).

[12]李長亮.中國省域新型城鎮化影響因素的空間計量分析[J].經濟問題,2015,(5).

Spatial Durbin Analysis on the Influencing Factors of China’s Provincial Population Urbanization Rate

Cao Fei

（Institute of Marxism，Xidian University,Xi’an 710071,China)

Based on the relevant data of 31 provinces in China from 1998 to 2014,this paper makes an empirical analysis by use of Durbin model.The study result demonstrates that population urbanization rate has spatial autocorrelation.SDM with random effects analysis shows that the proportion of the urban fixed assets investment,the economic export-oriented degree,the informationization level and the per-capita education level have a direct and positive effect on the population urbanization,but the direct effect of the tertiary industry output value proportion is negative;seen from the indirect effect,the proportion of the tertiary industry output value and the proportion of urban investment in fixed assets reflects a competition relationship between the adjacent provinces;the economic export-oriented degree,the informationization level and the per-capita education level present relationship of complementation and mutual promotion between the adjacent provinces,and provincial population urbanization rate has a significant positive spillover effect.

population urbanization rate;spatial autocorrelation;spatial Durbin

F061.5

A

1002-6487（2017）20-0102-04

國家社會科學基金資助項目（16BJY047）

曹 飛（1974—），男，陜西榆林人，博士，副教授，研究方向：城鎮化、區域經濟。

(責任編輯/浩 天)