城镇化对中国经济增长的影响及其时空差异分析

■范红忠，陈 攀

城镇化对中国经济增长的影响及其时空差异分析

■范红忠，陈 攀

基于中国31省2002～2014年面板数据，研究了城镇化对中国经济增长的影响及其在时间和空间两个维度上表现出的差异。对总体样本的研究表明:城镇化对中国经济增长具有显著的促进效应，在控制了内生性、替换解释变量的情况下，结果依旧非常显著。时间维度上，基于移动截面回归的结果显示:我国城镇化对经济增长的促进效应随时间呈现先上升后下降的倒“U”型趋势，说明近年来随着经济发展，城镇化对经济增长的影响具有非线性特征。空间维度上，基于分样本的研究表明:城镇化对我国不同地区经济增长的影响不同，呈现中部最强、西部次之、东部最弱的局面，也暗示了地区发展的不平衡。

城镇化；经济增长；时空差异；GMM；倒“U”

范红忠（1967-），华中科技大学经济学院国贸系主任，教授，博士生导师，研究方向为区域与城市经济学；陈攀（1992-），华中科技大学经济学院硕士研究生，研究方向为宏观经济、经济增长、国际投资。（湖北武汉430074）

一、引言

李克强总理在2016年政府工作报告中指出，要深入推进以人为核心的新型城镇化①，实现1亿左右农业转移人口和其他常住人口在城镇落户，完成约1亿人居住的棚户区和城中村改造，引导约1亿人在中西部地区就近城镇化。2011年我国城镇人口占总人口比重达到51.27%，首次超过50%，实现历史性突破，国家统计局发布的数据显示，2015年中国城镇化率继续上升，达到56.1%。纵观世界发达国家经济发展历史，各国在经济增长的同时，必然伴随着城镇化率的提高。1978～2012年，中国的城镇化率与人均GDP对数值的相关系数高达0.99（郑鑫，2014），充分表明城镇化与经济发展的重要关系。但与发达国家超过80%的城镇人口比例相比，我国的城镇化水平依旧相对落后。鉴于此，本文将深入研究城镇化对我国经济增长产生的影响，为政策制定提供依据。

不少文献都研究过城镇化对经济增长的影响，关于二者的确切关系，绝大部分研究认为城镇化能促进经济增长，少部分则认为二者并无显著关系甚或存在负向联系。

在国外研究中，Moomaw和Shatter（1996）利用回归方法对90个经济体的研究认为二者显著正相关，即城镇化程度越高，经济增长越快。也有学者的研究得出了不同结论。Gallip等（1999）指出，若一国或地区的城镇化水平与经济发展水平不协调，将会对经济发展产生负面影响。Herrmann和Khan（2008）也认为，如果城镇化与经济发展水平不适应，将不能促进就业、收入和消费，也即无法拉动经济增长。

国内学者对城镇化与经济增长关系也做过不少研究。喻开志等（2014）人利用1996～2011年省级面板数据，通过构建城镇化发展水平的综合得分体系得出，人口、产业以及卫生城镇化、居民消费城镇化、教育城镇化和公共基础设施城镇化水平越高，经济增长越快。杨浩昌（2016）基于省级面板数据的研究表明，城镇化能显著促进经济增长，且促进效应存在区域差异。国内也有学者提出了不同看法。谢治春（2014）利用国别数据研究发现，城镇化与经济增长之间存在显著的倒“U”型关系，城镇化对经济的促进作用最终将被城镇化进程所带来的负面影响替代。

可以看到，由于研究方法、数据类型、样本区间、空间位置等的不同，国内外对城镇化与经济增长关系的结论有一定分歧。尽管这一领域的研究较多，但仍存在以下不足：（1）许多文献都注意到城镇化对经济增长影响的空间差异（背后隐含的假设是该影响不随时间变化），但较少关注其时间差异，随着经济发展，城镇化进程的推进，城镇化对经济增长的影响很可能随时间在不断变化；（2）内生性问题。影响经济发展的变量较多，如果模型遗漏了与解释变量相关的变量，很可能造成内生性，同时有部分文献指出，城镇化是经济增长的结果而非原因，表明城镇化与经济增长之间可能存在相互影响，因此普通的回归分析可能由于内生性问题而出现模型系数估计有偏且不一致的情况。本文与以往文献的不同之处在于：（1）发现了我国城镇化对经济增长的促进效应在时间维度上的倒“U”型趋势。（2）运用两阶段最小二乘法（2SLS）与广义矩估计法（GMM）进行回归分析，克服内生性，获得了更为可靠的结果。

二、城镇化对经济增长影响的理论分析

城镇化是经济和社会现代化必经的阶段，它不仅包括农村劳动力向以工业和服务业为主的城镇地区转移，还包括农村结构向城市的结构转型。城镇化会带来多种经济促进效应，具体表现在：

城镇化会带来收入增长，促进消费。城镇化过程也是劳动力转移的过程，传统农业部门劳动生产率往往低于城市工业部门，得到的工资回报也低于城市就业者，城镇化将农业部门就业者转移到工业部门，能显著提高劳动生产率，增加收入。事实上，劳动力与人口的有序流动能够改良资本和劳动力的比例关系，能够更好的配置资源与提高效率。将农业部门剩余劳动力迁出，不仅能促进迁入工业部门就业者的收入增长，也能间接增加农村就业者收入。根据凯恩斯消费理论，总收入增加必然会带来总消费的增加，进而带动经济增长。

城镇化会产生规模经济效应，集中供给与需求。规模经济指通过扩大生产规模而引起的经济效应的增加，具体表现为长期平均总成本下降。规模经济体现了生产要素集约程度与经济效益之间的关系。一方面，企业内部通过扩大规模降低平均成本；另一方面，产业内上下游企业集聚，实现设计、原料采购、生产和销售等横向和纵向一体化，更好发挥协同效应，产生外部经济（Duranton，2005）。城镇化过程中人口的集中会带来需求的集中，需求集中自然会推动供给集中，孙祁祥等人认为，这一过程将从以下几个方面推动经济增长：第一，需求本身会直接拉动经济增长，且对最终产品的需求就是对生产要素的间接需求，因此只有产业发展好才能吸纳农村剩余劳动力；第二，产业规模扩大的同时将生产高质量和多样化的产品和服务，而这都是技术进步的表现形式，根据内生增长理论，二者都将促进经济增长；第三，要素所有者将凭借要素所有权获得收入，进行投资或消费，拉动需求，进而有助于经济增长（孙祁祥等，2013）。

城镇化将促进创新。城市不仅能汇聚各种物质要素，还能促进先进思想、先进技术的交流，带来创新成果。知识在交流中往往能实现低成本传播，产生正的溢出效应，降低了创新成本。当前我国高等教育受众人数居世界前列，劳动者素质大幅提高，积累了丰富的人力资本，但高素质劳动者往往更愿意在城市工作，通过城镇化，可吸引高端人才就业，汇集智力资源，促进经济增长。

当然，城镇化也会带来要素成本上升、“城市病”等负面效应，不利于经济发展。但从目前我国城镇化平均水平来看，中国城镇化对经济增长的正效应是大于负效应的。

三、模型构建与数据说明

（一）模型构建

影响经济增长的变量较多，鉴于我国经济主要依靠“三驾马车”（投资、消费和出口）拉动，因此除本文着重研究的城镇化因素外，必须对投资、消费和出口等变量加以控制。内生增长理论模型将人力资本纳入研究，认为人力资本积累是经济得以持续增长的决定性因素和产业发展的真正源泉，表明人力资本对经济增长的影响不容忽视，因此在开展研究时对人力资本变量也要进行控制。最终，研究所使用的计量模型形式设定如下：

lnPGDPit=β0+β1lnUrbanit+β2lnKit+β3lnCoit+β4lnExit+β5lnEduit+εit

其中PGDP表示人均GDP，用来衡量经济增长水平；Urban用来指代城镇化，既可用人口城镇化率Urban1（城镇人口占地区总人口的比率）表示，也可用土地城镇化率Urban2（城市建成区面积占行政区域土地面积的比率）表示，鉴于我国统计口径上一般以人口城镇化作为城镇化的主要指标，本文将主要以人口城镇化率度量城镇化程度，而将土地城镇化率作为对结果进行稳健性检验的替代变量。其余变量为控制变量：K、Co、Ex、Edu分别表示投资（用固定资产投资衡量）、消费（用社会消费品零售总额衡量）、出口（用出口额衡量）、人力资本（用平均受教育年限衡量）。ε为模型随机误差项。结合经济理论，预期解释变量和控制变量系数均为正。

（二）数据说明

本文数据来源于国家统计局网站、《中国统计年鉴》（2002～2015）。需要说明的是，出口数据是按经营单位所在地分类的出口总额，以当年人民币兑美元12个月平均汇率折算；平均受教育年限为以现行学制为受教育年数计算，即大专以上文化程度按16年计算，高中文化程度12年，初中文化程度9年，小学文化程度6年，文盲为0年，最后以相应教育程度人口数为权重计算平均值。我们搜集了全国31个省份（直辖市、自治区）2002年到2014年的数据，其中有少量数据缺失（有8组数据含缺失值），为最大限度利用数据信息，同时保证替代缺失值的方法不影响已有数据特征，本文使用组内均值对缺失值进行替换。为剔除通胀因素的影响，我们对投资、消费、出口等用货币度量的变量进行了处理，具体做法是：通过计算，将CPI年度环比（上年=100）数据转化为以2001年为基期（2001年=100）的数据，再将上述货币度量的变量数据与转化后对应年份的CPI作比，最后得到剔除了通胀因素的数据。经整理，最后得到包含31个省（直辖市、自治区），时间跨度为13年的平衡面板数据共403组。

四、实证结果与解释

（一）全样本回归：城镇化对经济增长的影响

图1 全样本回归散点图

首先对全部样本进行回归分析，表1列出了回归结果。为减少异方差带来的影响，文中除了GMM（广义矩法）方法外（GMM方法在存在异方差条件下本身就能获得有效的估计结果），所有回归均采用异方差稳健的标准误。图1为被解释变量对解释变量的全样本回归散点图，可以直观看到，城镇化与经济增长间存在显著的正相关。

表1中回归1控制了时间（固定）效应和个体（固定）效应①Hausman检验显示P=0.0000，拒绝原假设，应使用固定效应模型。，采用OLS（最小二乘法）方法实施回归。lnUrban1系数为正但并不显著，显然不符合图1所示特征。我们认为模型可能存在严重内生性问题，导致系数估计与假设检验出现异常。前文提到，造成变量内生的可能原因有两个：第一，影响经济增长的变量较多，模型遗漏的某些变量又可能与lnUrban1相关；第二，被解释变量与解释变量存在双向影响。本研究中内生性更可能来源于第二个原因。鉴于此，我们需要利用其他估计方法克服内生性问题，否则结果将不可信。

表1中回归2使用了两阶段最小二乘法（2SLS）来克服内生性问题。显然，选取lnUrban1滞后一期作为解释变量的工具变量可以解决内生性问题，因为前期城镇化率与当期城镇化率存在高度相关，而当期人均GDP（经济增长）无法对前期城镇化率造成影响，可知，工具变量的选取满足一般原则，能有效解决内生性问题。过度识别检验结果显示接受原假设，认为恰好识别。可以看到，回归2中lnUrban1系数在5%显著性水平下显著为正，表明城镇化能有效促进经济增长，控制变量系数也均符合预期。

表1 全样本回归结果

回归3使用了在存在异方差时比2SLS方法估计更为有效的两步GMM方法，得到的结果更加可靠。从表2可看出，lnUrban1系数依旧为正，且显著性明并未减弱，进一步说明城镇化水平的提高能促进经济增长。回归4和回归5中，我们用土地城镇化率代替人口城镇化率度量城镇化水平，可以看到，不管是用2SLS方法还是GMM方法进行估计，回归结果都没有明显变化，说明不同的城镇化水平度量指标并不会影响主要结论，回归结果是稳健的。

（二）城镇化对经济增长影响的时间差异

随着国内经济形势的不断变化，城镇化对经济增长的影响很可能随时间而改变。为刻画城镇化对经济增长影响的时间差异，我们利用表1中回归3，以年为单位进行截面回归，从2003年①采用GMM方法估计需要用到滞后一期的解释变量作为工具变量，2002年无滞后观测值。开始，逐年向前回归。这一方法在克服内生性的同时还能有效消除截面数据存在的异方差现象。由于截面样本容量有限，如果模型包含变量较多会造成较大自由度损失，将给系数带来诸多问题，所以模型中只引入解释变量lnUrban1而不加入控制变量。虽然此举会造成模型系数估计出现较大偏误（参数估计量方差有偏），但此处我们主要观察系数的变化趋势，对具体数值不做研究。截面回归结果中变量lnUrban1的系数在1%显著性水平下全部显著。

图2为lnUrban1系数随时间的变化图。整体来看，城镇化对中国经济增长的促进效应是非线性的，2009年以前促进效应呈上升趋势，2010年后呈下降趋势，表现为倒“U”型特征②我们使用两阶段最小二乘法（2SLS）以及异方差稳健的标准误进行回归，得到的趋势相同。。

图2 城镇化对经济增长促进效应时变图

（三）造成时间差异的原因分析

时间维度刻画的是我国城镇化平均水平对经济增长影响随时间变化的趋势，现有文献都假定该影响为静态，忽略了城镇化过程存在的时间异质性。美国城市学家Northam（1975）将城镇化分为初始阶段（城镇化率小于10%）、起步阶段（城镇化率在10%～30%之间）、加速阶段（城镇化率在30%～70%之间）和后期阶段（城镇化率在70%以上），并将城市化与经济增长的规律概括为“S”型曲线。按照这一理论我国少数地区城镇化水平已接近发达国家，但从全国平均水平来看，城镇化在数量上（城镇化率低）和质量上（户籍人口比重低）都与发达国家有不小差距。2002年到2014年，我国城镇化率在39.09%～54.77%之间，显然，样本区间内我国城镇化与经济增长关系处在加速阶段中。图3描绘了“S”型曲线的大致形状，在加速阶段，曲线斜率先增大后变小，于中间某点达到最大，斜率呈现倒“U”型变化。图3中a点与c点大致对应2002年到2014年我国城镇化率，箭头指向的b点位于城镇化加速阶段斜率最大处，大致对应于2009年到2010年前后的城镇化率，而前文提到，我国城镇化率2011年首次超过50%，结合加速阶段城镇化率（30%～70%）的分布，可以猜想，2010年前后可能是城镇化对经济增长促进效应最大时点。加速阶段最显著的特征是人均GDP快速提高，城镇化对经济增长的促进效应最强，在本文模型中表现为解释变量系数呈倒“U”变化，显然，图2符合这一趋势。

图3 城镇化水平对经济增长影响的时间差异

（四）分样本回归：城镇化对经济增长影响的空间差异

前文从整体上研究了城镇化对经济增长影响的时间差异，然而国内区域发展并不均衡，从图3中可以看到，我国东部、中部、西部以及东北地区城镇化水平有明显的空间差异，全样本很可能存在空间异质性问题，即不同区域内城镇化对经济增长影响不同。

图4 我国2014年各省城镇化率

为研究城镇化对经济增长影响的空间差异，我们以我国大陆三大经济地带①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11省、直辖市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8省；西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、内蒙古、广西等12省、直辖市、自治区。作为划分依据，将全样本按照上述分类分成三组，利用表1中回归3的方法分别对三组样本回归，结果见表2。

表2 不同地区回归结果

表2中，回归6、7、8 lnUrban1项系数均显著为正，再次表明城镇化对经济增长具有显著促进作用。分区域来看，东部城镇化对经济增长的贡献最小，而西部次之，中部最大。回归结果显示，三大经济带中城镇化对经济增长影响有着明显区别，城镇化的经济促进效应存在空间差异。利用土地城镇化率替代人口城镇化率，作稳健性检验，得到回归9、10、11，结论基本与前文一致。值得注意的是，回归11中lnUrban2系数不显著，我们推测可能是西部地区地域特征与其他地区差异较大的缘故，土地城镇化率对这一地区来说并不是一个很好的度量城镇化程度的指标。

（五）造成空间差异的原因分析

我国东部地区包含所有沿海发达省份，大部分东部省市城镇化率已经超过60%，部分省市（北京、天津、上海）早已超过70%，已达发达国家水平，接近城镇化后期阶段（对应于图5中的C点），此时城镇化对经济增长的促进作用将降低。而大部分西部省份较为落后，城镇化水平普遍不高，即使到2014年大部分地区城镇化率也只有44%左右，处在城镇化加速阶段的“早期”（对应于图5中A点），对经济增长的促进作用较强。中部省份城镇化水平介于东部和西部地区之间，处在加速阶段的“中期”（对应于图5中B点），此时城镇化对经济增长的促进效应最强。

图5 城镇化对经济增长影响的空间差异

通过上述分析，综合来看，城镇化对中国经济具有显著的促进效应，这一效应无论在空间维度还是时间维度都存在显著差异。

五、结论

自1992年中央正式实施城镇化体制改革以来，中国新型城镇化建设道路已走过20余年，取得了丰硕成果。2011年我国城镇化率首次超过50%，实现历史突破。

本文以2002年到2014年中国31省城镇化面板数据，从时间和空间两个维度研究了城镇化对经济增长的影响。基于总体样本的研究表明：城镇化对中国经济增长具有显著的促进效应，在控制了内生性、替换解释变量的情况下，结果依旧非常显著。时间维度上，基于移动截面回归的结果显示：我国城镇化对经济增长的促进效应随时间呈现先上升后下降的倒“U”型趋势，说明近年来随着经济发展，城镇化对经济增长的影响具有非线性特征。空间维度上，基于分样本的研究表明：城镇化对我国不同地区经济增长的影响不同，呈现中部最强、西部次之、东部最弱的局面，也暗示了地区发展的不平衡。

近两年，我国经济迎来重大转型，在投资与外需不振的情况下，急需寻找新的增长动力。城镇化能有效扩大内需、拉动增长，是经济发展的源动力，也是实现城乡一体化、走向共同富裕的必然选择。

[1]郑鑫.城镇化对中国经济增长的贡献及其实现途径[J].中国农村经济，2014，(6)：4～15.

[2]喻开志，黄楚蘅，喻继银.城镇化对中国经济增长的影响效应分析[J].财经科学，2014，(7)：52～60.

[3]杨浩昌.中国城镇化对经济增长的影响及其区域差异——基于省级面板数据的分析[J].城市问题，2016，(1)：58～91.

[4]谢治春.生活质量提高、城镇化推进与经济增长——基于1960～2011年9国面板数据的实证分析[J].上海经济研究，2014，(7)：14～21.

[5]孙祁祥，王向楠，韩文龙.城镇化对经济增长作用的再审视——基于经济学文献的分析[J].经济学动态，2013，（11）：20～28.

F291.1

A

1006-169X（2017）04-0047-06

①鉴于相关文献与政府文件未对城镇化与城市化含义作区分，本文将二者视作相同概念。