中国区域城镇化发展差异的解释分析.doc

中国区域城镇化发展差异的解释 ——基于空间统计分析与Shapley 值分解方法 内容摘要：城市化发展水平的区域性差异受到诸多因素的影响，这些因素与城市化发展水平相互作用，共同推动着城市经济的发展。如何有效度量城市化发展水平，针对城镇化发展差异展开分解，研究主要影响因素与发展水平的相互关系，是提出有效政策依据，加快城市化进程、缩小区域间差异的关键所在。本文在对我国城市化发展水平进行测算的基础上，利用克服常规指数分解分析的局限的基于空间半对数误差模型的夏普里值分解法对城镇化发展差异的影响因素进行排序。实证结果表明：房价是拉动我国区域间城镇发展差异的关键性因素；人均收入和人才竞争力对城市化发展具有强烈的反弹性，人才流动和提高人均收入是缩小城镇化发展差距的关键；国家宏观调控政策在公共支出和税收收入方面的政策改变可以有效调解城镇化发展的差异。 关键字：城市化 差异性 面板数据 夏普利值分解 一、引言 人口迁移是城市化的必然结果。由于城市化动因对区域发展水平的影响，最终都会反映到人口的迁移上，所以人口是度量城市化的优良指标（Davis,1965）。国外对城市化的问题研究较早，许多学者利用人口对城市的发展水平做出度量。最常见的度量方法是居住在城市区域的人口占总人口的百分比，国际上则采用人口超过百万的大都市居住人口占全国总人口的百分比来度量一个国家的城市化发展水平（Casis和Davis，1946）。但是这两种度量方法都存在一定的局限性，一是随着人口统计口径的不同城市化水平将发生多种变化;二是小城市城区人口占居住总人口的比重有可能与大城市相同，但这不能成为两城市发展水平一致的有力证据（Berry和Garrison，1958）。针对测度中所存在的问题，Jack(1966)以美国城市等级分类体系标准为基础提出了城市化发展水平的经典测算方法，他用一个城市的人口占所在等级体系中总人口的比例与所在体系总人口占国家总人口的比率的乘积来定义城市化规模（Scale of Urbanization简称Su)，用城市人口占等级体系总人口的比率平方来度量人口的聚集规模（Scale of Population Concentration简称Sp）。Eduardo（1970）发现尽管这种城市化测度方法的两项指标，在有相同极限的情况下具有统计独立性，是度量城市化较好的方法，但是一旦极限不同，两者就会存在明显的共线性问题，他们之间的差异系数反映了国家的城市人口占总人口数的比重，这就使得两指标都测度了人口的聚集程度，而不是城市化的发展水平。针对存在的问题，Eldridge和Davis等（1970）提出了一种基于行政区划和城市等级分类体系标准的城市化水平测度方法，这种方法对不同区域的城市化发展水平进行了良好的测度，至今在美国依然得到了广泛的应用。 多年以来，经济学家们一直致力于对不平等问题的分解方法展开研究（万光华等，2002）。夏普里值(Shapley value)分解技术被广泛应用于区域差异的分解中，（Shorrocks，2000）利用夏普里值分解方法研究了俄罗斯20世纪90年代贫困水平的变化趋势。Shorrocks,A.F(1999)、Francis（2004）提出了基于合作博弈的夏普里值分解方法的统一标准和精确分析框架。这一基于回归方程的分解技术,能够克服简单回归分析和常规指数(如基尼系数和泰尔指数)分解的局限，得到一种理论上可能的影响因子对于不平等的具体贡献大小和位置的排序(田士超、陆铭,2006)。（李敬、冉光和、万广华2007）以协整方程为基础运用夏普里值分解法对中国区域金融发展差异进行了分解研究。（徐庆、田国超等，2008）在建立农户收入决定方程的基础上分别使用基尼系数、对数离差均值(GE0 )和泰尔指数(GE1)三个指标,借助夏普里值过程对收入的不平等程度进行分解，研究土地细碎化与农民收入不平等之间的关系。（Shorrocks、万广华，2004）首次将空间概念引入区域发展不平衡的研究中，他的研究表明：地理因素会对区域差异产生一定的影响，劳动的迁移是区域间差异缩小的动因。这些研究都没有在充分考虑空间因素的基础上，基于空间回归方程的夏普里值分解方法来研究城市化发展差异的问题，也没有就城市化发展差异的动因与城市化发展水平的相互关系进行说明。 本文将就城市化发展差异和主要影响因素的相互关系展开研究，度量主要影响因素与城市化发展差异之间的动态关系，为区域一体化和城乡一体化提供理论参考。本文的结构如下：第二部分将构建城市化测度模型、城市化发展水平空间面板数据模型、设计城市化发展差异的分解框架，并就数据的选取和处理进行说明；第三部分我们将在空间误差模型和空间滞后模型之间做出选择，基于半对数空间模型的回归，分析夏普里值分解的结果，寻找各影响因素对城市化发展水平的影响，