城市化對中國服務業全要素生產率影響的門檻效應

趙 爽，李春艷

(東北師范大學 商學院，吉林 長春 130117)

人口和產業在城市集聚，帶來知識外溢和技術創新。內生經濟增長理論認為城市化所帶來的知識外溢和技術創新將引致生產效率的提高，從而帶來持久的經濟增長(Lucas，1988)。[1]新經濟地理學的代表人物Krugman(1991)[2]指出，城市化會產生金錢外部性和技術外部性，從而有助于經濟活動參與者提高生產效率，進而推動經濟增長。新興古典經濟學代表人物楊小凱(2003)[3]應用超邊際分析建立了簡化的城市化模型，分析結果顯示，城市化將引致分工深化和專業化經濟的形成，從而提高生產效率，促進經濟增長。2004年，聯合國人居署在回顧和考察了全球多個國家和地區的經濟發展和城市化進程后，指出城市化和城市發展有助于經濟增長和消除貧困，并將城市稱為“國家走向繁榮的引擎”(UNCHS，2004)。[4]目前，中國已經進入高速城市化階段，國內外學者普遍認為城市化是促進中國經濟結構轉變和擴大內需的樞紐，是驅動中國經濟增長的主要動力。服務業作為國民經濟的重要組成部分，其生產效率與城市化進程的推進有著緊密的聯系。首先，從需求的角度看，城市化所帶來的人口集聚有助于服務業商品需求的擴大；從供給的角度看，城市化引致的要素集聚和知識擴散能夠有效地促進服務業的技術創新，從而豐富服務業商品的種類，提升服務業商品的品質。在需求和供給兩個方面的作用下，隨著城市化的推進，服務業將產生以信息、知識和技能的溢出為特點的規模經濟，生產效率將有所提高。另一方面，一些學者認為，如果城市化水平過高，會產生“城市化病”，如地租成本、人工成本的提高等，從而對服務業生產效率的提升產生負向影響(閆曉紅，2011)。[5]基于以上理論和研究，本文通過構建非線性門檻面板模型，對城市化對服務業全要素生產率的影響是否存在顯著的階段性特征進行研究探索，即當城市化處在不同階段時，其對服務業全要素生產率的影響程度是否會有所不同。本文還以表征經濟發展水平的指標——人均GDP為門檻值，考察在不同的人均GDP水平下，城市化對服務業全要素生產率的影響程度。

本文的創新點在于探討了城市化對服務業全要素生產率影響的階段性特征。以往大部分文獻假設不同階段的城市化對服務業生產效率的影響是同質的，主要探究城市化水平對服務業生產效率的線性影響，忽視了不同發展階段下城市化對服務業生產效率的影響可能存在“門檻效應”。研究城市化對服務業全要素生產率影響的門檻特征，能夠更加準確細致地反映城市化對服務業生產效率的影響程度，從而在制定提升服務業生產效率的政策時，能夠依據地區城市化發展水平的具體情況，采取更有針對性的政策。

一、文獻綜述

現有文獻中，關于城市化對服務業生產效率的影響研究主要分為定性研究和定量研究兩個維度。在定性研究中，學者們主要分析城市化對服務業生產效率影響的機制；在定量研究中，主要采用勞動生產率、全要素生產率等作為衡量服務業生產效率的指標，考察城市化的線性影響程度。

Keeble和Nacham(2002)[6]通過實證研究發現，在城市化水平較高的地區，服務業勞動力市場中知識傳播的速度較快，生產效率較高。進而得出結論，城市化促進了知識外溢，從而有效提高了服務業的生產效率。Chang(2006)[7]認為，城市化能夠推進服務業生產效率的提升，其作用機制主要體現在三個方面：首先，城市化能夠促進勞動力市場的匹配。城市中人口和產業的集聚，為勞動力的供給方和需求方的匹配提供了平臺，降低了摩擦性失業的可能性。其二，城市化能夠產生“學習效應”。城市化帶來的人才集聚能夠促進知識的傳播和創新，推進生產技術研發，帶來人力資本的外部性。其三，城市化能夠有效地分攤固定投入。人口和產業越密集，分攤諸如基礎設施建設等固定投入的企業就越多，從而有利于企業降低生產成本。上述三個因素均有助于提高服務業的生產效率。中國經濟增長與宏觀穩定課題組(2009)[8]以全要素生產率作為衡量服務業效率的指標，對城市化對服務業全要素生產率的影響程度進行了實證研究，結果表明，城市化水平的提高對于服務業全要素生產率的提升具有顯著的正向影響。胡擁軍等(2010)[9]以改革開放以來的經濟數據為樣本，考察了城市化進程對服務業勞動生產率的影響，發現城市化對服務業勞動生產率的提高有顯著的正向影響。紀明輝(2013)[10]使用SBM超效率模型與Malmquist指數相結合的方法測算了中國各省區服務業的全要素生產率增長及構成，并對服務業全要素生產率的影響因素進行了分析。結果發現，提高城市化水平，將顯著地促進服務業全要素生產率的提升。鄒靜嫻、申廣軍(2015)[11]對影響服務業資源錯配程度的因素進行了分析，結果表明，提高城市化率，服務業資源錯配的程度會有所下降，即城市化水平越高，服務業全要素生產率的離散度越低。趙爽、李春艷(2017)[12]研究發現，城市化水平較高的地區，服務業的全要素生產率增長率也較高；城市化水平的提升對服務業全要素生產率的提高具有顯著的正向影響效應?？傮w而言，現有文獻在研究城市化對服務業生產效率的影響時均假設不同階段的城市化對服務業生產效率的影響是同質的，主要探究城市化水平對服務業生產效率的線性影響，而忽視了不同發展階段下城市化對服務業生產效率的影響可能存在“門檻效應”。

二、模型設定與指標選取

(一)門檻模型的設定和估計方法

本文使用門檻模型來分析城市化對服務業全要素生產率的影響。門檻模型主要用于研究解釋變量和被解釋變量之間的階段性變化關系，其主要特點是并非由研究者主觀確定結構突變點，突變點是由模型和數據決定的，從而增強了研究結論的可信性和說服力。本文依據門檻回歸模型的一般形式，將城市化設定為門檻變量，來考察城市化對服務業全要素生產率增長的影響。本文設定的門檻回歸模型如式(1)所示?？芍Ｐ?1)是單門檻回歸模型，由于不知曉門檻的數量，本文首先建立了一個單門檻回歸模型。若門檻數量大于1，再對模型(1)進行相應的調整。

(1)

其中，i、t分別表示省份和年份；lnTFPit表示各省各年服務業全要素生產率增長率的對數值；urbit表示各省各年城市化水平。θ為待估算的門檻值，Z(·)為示性函數。j表示控制變量種類，X表示控制變量(本文選取人均GDP、外商直接投資額、開放程度、服務業規模作為控制變量)。

當以人均GDP作為門檻變量時，本文建立的門檻回歸模型的形式為：

(2)

其中，i、t分別表示省份和年份；lnTFPit表示各省各年服務業全要素生產率增長率的對數值；urbit表示各省各年城市化水平；lnrGDPit表示各省各年人均GDP的對數值。π為待估算的門檻值，Z(·)為示性函數。j表示控制變量種類，M表示控制變量(外商直接投資額、開放程度、服務業規模作為控制變量)。

(二)變量說明

1.被解釋變量

測算服務業的全要素生產率時，本文使用數據包絡分析方法(Data Envelopment Analysis, DEA)。依照該方法，t期和t+1期的Malmquist生產函數可以表示為：

(3)

(4)

Malmquist綜合生產指數定義為上述二者的幾何平均數：

(5)

本文使用我國30個省份2006～2015年的面板數據。由于數據缺失嚴重，故未將西藏自治區的數據納入樣本中。在對服務業全要素生產率進行測量時，本文以資本投入和勞動力投入為投入變量，以服務業增加值為產出變量。其中，資本投入使用各省各年年末的固定資產原值，并采用“固定資產投資價格指數”將其平減至2006年不變價格；勞動力投入使用各省各年年末服務業的從業人員數量來衡量。服務業增加值使用各省各年年末的服務業增加值，按照2006年可比價格進行換算。以上數據來源于2007～2016年《中國統計年鑒》和2007～2016年《中國第三產業統計年鑒》。輸入數據，應用DEAP2.1對2006～2015年度各省服務業的全要素生產率增長率的水平進行計算，結果如表1所示。

表1 2006～2015年各省平均服務業全要素生產率數值

數據來源：《中國統計年鑒》(2007～2016年)、《中國第三產業統計年鑒》(2007～2016年)，利用DEAP2.1計算全要素生產率。

2.解釋變量

本文選擇城鎮人口占總人口的比重作為測量中國城市化程度的指標。計算公式為：

(6)

其中，Urbanit是第i省t時期的城市化程度；Cityit表示第i省t時期城鎮人口的數量；Totalit表示第i省t時期總人口數量。Urbanit數值越大，表示城市化水平越高。2006～2015年全國各省的城市化水平如表2所示。

表2 2006～2015年我國各省平均城市化水平

注：依據各省2006～2015年度城市化的算術平均值計算得到城市化變量的數值。

由表2可知，2006～2015年度，我國城市化水平最高的五個省級行政區依次是上海、北京、天津、廣東、遼寧；城市化水平最低的五個省份依次為貴州、云南、甘肅、河南、四川。

3.控制變量

本文選取的控制變量有四個，分別是人均GDP、利用外資情況(以外商直接投資額占地區生產總值的百分比來衡量)、開放程度(以年進出口總額占地區生產總值的百分比來衡量)、服務業規模(以第三產業產值占地區生產總值的百分比來衡量)。

三、實證結果分析

(一)門檻模型的檢驗與估計結果分析

1.以城市化作為門檻值時的門檻模型檢驗與估計結果分析

美國經濟學家Hansen(1999)[13]提出了“自主抽樣法”(Bootstrap)，本文使用該方法對設定的模型進行門檻效應檢驗。分別以不存在門檻效應、存在一個門檻、存在兩個門檻、存在三個門檻為門檻效應檢驗的原假設。通過GAUSS軟件對模型進行估計后，獲得了檢驗統計量的P值，如表3所示。

表3 城市化對服務業全要素生產率增長影響的門檻效應檢驗

由表3可知，當以城市化作為門檻變量時，對于單一門檻檢驗，得到的F統計量為13.7047，自主抽樣法(Bootstrap)計算的P值為0.030，表示在10%的顯著水平下拒絕不存在門檻的原假設，即該模型存在一個門檻。再對該模型分別進行雙重門檻和三重門檻檢驗，原假設分別為存在二重門檻和三重門檻，檢驗后發現F統計值分別為3.9093和1.7139，自主抽樣法(Bootstrap)得到的P值分別為0.596和0.840，這表明不能拒絕原假設，即該模型不存在雙重門檻和三重門檻。因此，通過門檻檢驗，可知城市化對服務業全要素生產率增長的影響存在單一門檻效應。門檻效應檢驗后，需要對門檻值進行估計。美國華裔經濟學家Bai(1997)[14]最早提出了求解門檻值的方法——序貫估計法。Hansen(1999)[13]在序貫估計法的基礎上構建了置信區間法來求解門檻值。依照Hansen提出的置信區間法，通過GAUSS軟件，得到單一門檻的門檻值為0.4030，在95%水平上顯著的置信區間為[1.0885，1.3656]。

通過門檻檢驗并確定門檻值以后，對模型進行回歸分析。結果如表4所示。當城市化水平(urb)小于門檻值0.4030時，城市化對服務業全要素生產率的影響系數為-0.0687，但是負向影響并不顯著；當城市化水平(urb)跨過門檻值0.4030時，城市化對服務業全要素生產率增長的影響系數為0.1114，且影響顯著。因此，得出以下結論：當城市化率未達到0.4030時，城市化對服務業全要素生產率的影響并不顯著；當城市化率超過0.4030時，城市化才會對服務業全要素生產率的增長產生顯著的促進作用。

圖1 城市化對服務業全要素生產率增長影響的門檻效應檢驗

變量系數標準誤差T值P值urbit(urbit?0.4030)-0.0687 0.0901-0.7625 0.4465urbit(urbit>0.4030) 0.1114 0.0551 2.0221 0.0443rGDP 0.0115 0.02405 0.4782 0.6330FDI 1.3536 0.4555 2.9717 0.0033openness-0.0140 0.0284-0.4930 0.6225industry-0.1786 0.1235-1.4462 0.1495

2.以人均GDP作為門檻值時的門檻模型檢驗與估計結果分析

以人均GDP作為門檻值時，分別考察單一門檻檢驗、雙重門檻檢驗和三重門檻檢驗，結果如表5所示?？芍撃Ｐ筒淮嬖陔p重門檻效應和三重門檻效應，只存在單一門檻效應，即城市化對服務業全要素生產率增長的影響存在單一門檻效應。

表5 以人均GDP為門檻變量的城市化對服務業全要素生產率增長影響的門檻效應檢驗

圖2 以人均GDP為門檻變量的城市化對服務業全要素生產率增長影響的門檻效應檢驗

如圖2和表6所示，當人均GDP的對數值低于10.0787時，城市化對服務業全要素生產率的影響為正，但并不顯著；當人均GDP的對數值高于10.0787時，城市化水平的提高，將顯著地促進服務業全要素生產率的提升。

表6 以人均GDP為門檻變量的城市化對服務業全要素生產率影響的門檻回歸估計結果

(二)2006～2015年各區間內門檻值的省份數目變化

通過對上文的門檻效應模型的分析，可知城市化和人均GDP作為門檻變量的門檻值，根據門檻值將樣本進行劃分，得到不同的區間。通過觀察可知： 2006～2015年間，各個區間內的省份數目有所變化，這些變化在一定程度上體現了中國城市化的發展規律。

表7 2006～2015年門檻區間內省份數目變化統計結果

第一，以城市化水平作為門檻值時，發現低于門檻值城市化率0.4030的省份數目逐漸減少。2006年，共有14個省份的城市化率在門檻值以下。隨著中國城市化的推進，到2015年，只有貴州省1個省份的城市化水平沒有越過門檻值，其余省份的城市化水平均越過了門檻值。這意味著對于絕大部分省份來說，提高城市化水平會對該省份的全要素生產率產生積極的正向影響。

第二，以人均GDP作為門檻值時，發現從2006年到2015年，低于門檻值(人均GDP對數為10.0787)的省份數量也在逐漸減少。2006年，人均GDP在門檻值以下的省份數量為24個，只有一部分經濟較發達省份的人均GDP越過了門檻值；也就是說，只有一部分省份的城市化水平提高能夠對該省份的服務業全要素生產率產生較強的正向影響。在2014年和2015年，所有省份的人均GDP均越過了門檻值，這意味著在2014年和2015年，對于所有省份來說，城市化水平提升都顯著地提高了該地區的服務業全要素生產率水平。

四、研究結論及政策啟示

目前，中國的城市化正在快速推進和發展過程中。城市化能夠順利推進的前提是有力的產業支撐，產業的持續發展來自于自身效率的提升。本文考察了城市化水平的提高對于服務業全要素生產率的影響，使用面板門檻模型考察了城市化對服務業全要素生產率的非線性影響，并以表征經濟發展的指標——人均GDP作為門檻變量，考察了城市化對服務業全要素生產率的影響。得到以下主要結論：第一，城市化對服務業全要素生產率存在顯著的門檻特征。具體來說，在城市化程度越過門檻值之前，城市化對服務業全要素生產率的影響并不顯著；在城市化程度越過門檻值之后，城市化的提高會顯著地促進服務業全要素生產率的提升。第二，當以表征經濟發展程度的人均GDP作為門檻變量時，當人均GDP未越過門檻值時，城市化對服務業全要素生產率有正向影響，但并不顯著；當人均GDP越過門檻值時，城市化的提高會顯著地促進服務業全要素生產率的提升。

本文的研究結論為中國正在推進的城市化進程提供了清晰的政策啟示：首先，應堅持推進城市化的政策導向。從本文的研究結論來看：由城市化產生的技術創新和知識外溢，能夠有效地提高服務業的全要素生產率水平。其次，以人均GDP為門檻值可以把城市化劃分為不同的階段，就目前中國各省份的經濟發展水平來說，2014年和2015年所有省份的人均GDP都越過了門檻值，這意味著提高城市化水平能夠對所有省份的服務業全要素生產率水平的提升產生正向影響。此結論從另一個角度驗證了應堅持推進城市化的政策導向，以提升服務業全要素生產率的結論的正確性。

[參 考 文 獻]

[1]Lucas R.E. On the Mechanics of Economic Development[J].Journal of Monetary Economics, 1988, 22(1):3-42.

[2]Krugman P. Increasing Returns and Economic Geography[J].Journal of Political Economy, 1991, 99(3):483-499.

[3]楊小凱.發展經濟學——超邊際與邊際分析[M].北京：社會科學文獻出版社，2003.

[4]UNCHS. The State of the World′s Cities[EB/OL]. http://www.unchs.org/Istanhult5/80.pdf, 2004.

[5]閆曉紅.城市化水平與長期經濟增長關系的實證分析——基于27個省份面板數據的考察[J].經濟經緯,2011,(3):25-28.

[6]Keeble D. ，Nacham L. Why Do Business Service Firms Cluster? Small Consultancies, Clustering and Decentralization in London and Southern England[J]. Transactions of the Institute of British Geographers, 2002, (27): 67-90.

[7]Chang G H.，Brada J.C..The Paradox of China′s Growing under Urbanization[J].Economic Systems, 2006, (30):24-40.

[8]中國經濟增長與宏觀穩定課題組.城市化、產業效率與經濟增長[J].經濟研究,2009,(10):4-21.

[9]胡擁軍，等.中國城市化進程對服務業影響的實證分析——事實、悖論與解釋[J].當代經濟管理,2010,32(11):44-49.

[10]紀明輝.中國服務業全要素生產率研究[D].長春：吉林大學, 2013.

[11]鄒靜嫻，申廣軍.中國服務業資源錯配研究——來自第二次全國經濟普查的證據[J].經濟學動態，2015,(10):81-93.

[12]趙爽，李春艷.城市化對中國服務業全要素生產率的影響——基于中國服務業省際面板數據的實證研究[J].當代經濟研究，2017,(2):89-96.

[13]Hansen B.E.. Threshold Effects in Non-Dynamic Panels: Estimation, Testing, and Inference[J].Journal of Econometric, 1999, 93:345-368.

[14]Bai J. Estimating Multiple Breaks One at A Time[J].Econometric Theory,1997,(13): 315-352.