中国人口城镇化水平影响因素及溢出效应.docVIP

中国人口城镇化水平影响因素及溢出效应 　　内容摘要：本文基于1996-2011 年中国各地区的面板数据，计算各时期人口城镇化率的Morans I指数，发现我国区域人口城镇化之间存在显著空间相关性，然后利用计量空间面板模型实证研究了中国人口城镇化的影响因素及溢出效应。结果表明，中国人口城镇化相邻区域之间存在溢出效应，城乡收入差距等指标对人口城镇化水平有显著影响，同时模型存在时间固定效应差异；另外相邻区域城镇化水平的影响因素对本地区的城镇化水平存在溢出效应，但溢出程度不明显。 　　关键词：城镇化 影响因素 空间面板模型 溢出效应 　　引言 　　随着中国经济快速增长，目前城镇化已经是中国正在经历的一个最重要的结构性变化。“十五”规划中首次提出城镇化这一词，此后党的十六大到十八大的政治报告中都有提及城镇化，十八大明确提出要工业化、信息化、城镇化、农业现???化良性互动、同步发展。在《国务院关于城镇化建设工作情况的报告》中首次明确城镇化路径，小城市将全面放开落户限制，可见，针对如何合理推进中国的城镇化进程的研究已是相当紧迫。 　　近年来，已有大量文献在对中国城镇化方面进行了研究，包括城镇化的历史、现状、特点以及影响因素等进行理论研究与实证分析，并取得了丰硕的成果。其中蒋伟（2009）利用2005 年的数据对中国省域城市化水平影响因素进行了实证分析，得出区域城市化之间存在相关，即城市化水平的提高将通过空间溢出促进周边地区的城市化发展，第三产业的发展是影响地区城市化水平的主要因素。秦佳（2013）利用六普的数据实证了人口城镇化水平空间差异的影响因素，并提出第三产业就业水平的提升对中西部地区人口城镇化的促进作用大于其在东部的作用。上述文献，是以截面数据为研究对象，分别分析各变量对城镇化的影响。姜磊（2011）研究了城市化进程与城乡收入差距的影响路径识别，实证结果表明：城市化进程对缩减城乡收入差距的作用是积极影响和消极影响并存，关键取决于城市化进程的政策路径选择；省际间存在空间溢出效应的城市化进程。该文主要是针对城市化进程与城乡收入差距的影响研究，而较少考虑其他因素对城市化进程的影响。 　　本文主要是研究中国在城镇化水平上是否存在显著的空间相关性，及影响城镇化水平的因素是什么？相邻区域的城镇化水平对本地区的扩散程度是多大？以及邻近地区的影响因素对本地区的城镇化水平是否存在溢出效应？溢出效应多大？本文的创新之处在于利用面板模型与空间面板模型进行对比，实证了空间面板模型的优势以及确定影响城镇化水平的因素，并计算出各自的溢出效应。 　　研究方法 　　（一）Morans I指数 　　在空间统计学中常常使用空间自相关指数Morans I指数来检验变量是否存在空间相关性，因此本文利用Morans I指数研究人口城镇化的全局空间相关性。Morans I指数定义为： 　　（1） 　　当Moran’s I指数为正时，表明存在明显的正空间自相关，也就是说相似的观测值（高值或低值）趋于空间集聚，表明不同地区数据在空间上有相似的属性；当Moran’s I指数为负时，表明存在负的空间自相关，相似的观测值趋于分散分布，表明不同地区数据在空间上有不相似的属性；当Moran’s I指数为零时，观测值呈现独立地随机分布。Moran’s I指数绝对值反映了空间相关程度的大小，绝对值越大，空间相关程度越大，反之亦然。 　　（二）空间面板模型和模型选择 　　近年来，随着空间面板计量模型的设定和估计的方法逐渐完善，空间面板计量模型被越来越广泛的用于分析空间和区域问题。空间面板模型可以依滞后项存在于因变量和误差项中分为两类：空间滞后模型和空间误差模型，又依据样本个体之间的差异存在是确定的和随机性，有分为固定效应和随机效应。 　　空间滞后模型固定效应的基本结构如下： 　　（2） 　　空间误差面板固定效应模型 ： 　　（3） 　　（4） 　　ρ是度量相邻地区综合城镇化水平对本地区城镇化水平的影响程度。空间误差系数 λ 则反映了邻近地区城镇化水平的误差冲击之和对本地区城镇化水平的影响程度。空间滞后模型和空间误差模型是空间依赖性的不同体现。 　　在模型包含空间滞后误差项的情况下， 最小二乘法不适合用来估计空间计量经济模型，因为OLS估计量不再有效。所以，一般使用极大似然法（ML）来估计空间计量经济模型。Elhorst给出了Matlab软件包，给出了一般空间面板模型的极大似然估计（MLE）函数。 　　（三）直接影响与溢出效应 　　LeSage和Pace（2009）提出采用求解偏微分的方法来解释不同模型在设定情况下变量的变化所产生的冲击，为检验空间溢出效应提供了有效的基础。SLM模型可以被改写为如下矩阵形式 ： 　　（5） 　　其中，Y关于第1至第N