“新常态”背景下产业结构高级化、新型城镇化与经济增长

陈含桦

基金项目：本文是福建省科技厅软科学项目“生产效率、技术创新与产业升级—基于福建省先进制造业的研究”（2014R0014）的阶段性成果

中图分类号：F120 文献标识码：A

内容摘要：产业结构变动、新型城镇化建设与经济增长不仅仅是单向的影响关系，而且是一种相互作用相互影响的循环统一体。本文通过建立固定效应下的省域数据空间误差模型，对“新常态”下产业结构高级化、新型城镇化建设与经济增长间的关系进行实证分析，其实证结果表明：整体上，产业结构高级化、新型城镇化建设对经济增长存在正向结构性冲击且外溢效用明显，经济增长空间依赖性强；东部地区产业结构高级对经济增长的作用强于新型城镇化建设；现阶段，新型城镇化建设仍然是中西部地区经济建设的重要方向，西部地区产业结构高级化对经济增长的逆向结构冲击可能是由于其结构不合理，效率低下造成。在经济“新常态”下，各地应把握产业结构高级化与新型城镇化的双轮驱动效应，促进经济的持续增长。

关键词：产业结构高级化 新型城镇化 经济增长 空间误差模型

问题的提出

全球经济发展历史进程表明，城镇化水平提高和产业结构更新是推动一国或地区经济增长的双核动力引擎，特别是近代伴随工業革命和工业化进程以来，二者所起的作用和扮演的角色无可替代。作为世界经济发展的重要力量，中国经济自1978年改革开放实施以来，依托城镇化水平不断提高，深化产业结构的升级更新，不断为经济发展注入新的活力，促使中国经济实现了30多年的高速增长，也为世界经济发展作出了重要贡献。然而二者在为中国经济释放潜力的同时无可避免的带来了日益凸显的结构性弊端：传统的“半城镇化”发展模式导致新旧城乡二元结构并存局面，制约了经济的高质量发展；粗放式的产业发展模式使得环境资源约束趋紧，部分行业产能严重过剩；全球经济持续低迷，导致国内外需求不足以及本国人口红利优势趋于殆尽。我国经济发展内外交困，面临巨大压力和挑战，经济下行压力严重，难以保持持续高速发展，这些都是经济“新常态”阶段下，全社会共同关注的焦点和亟待解决的难题。城镇化、产业结构升级和经济增长三者之间到底具有怎样的关系，特别是十八大以来，中国政府将“新型城镇化”作为当前经济发展新战略，重新审视、合理调节产业结构优化升级，是否能为“新常态”阶段的中国经济发展注入新的动力、释放新的活力，能否破除当前改革发展困境，保持经济新一轮高速发展，再次成为担负经济发展的引擎角色，具有重大的理论和现实研究意义。

产业结构高级化与新型城镇化指数构建

（一）产业结构高级化指数

产业结构高级化指标是对以往衡量产业结构指标的扬弃，反映了产业结构由低到高、由简到繁和由刚性到柔性的动态发展过程。国内文献中产业结构的度量方法主要有三种，分别为静态直观比较法、动态比较判别法和指标法，通过比较分析后，笔者认为采取指标法最合适，本文采用付凌晖（2010）提出的产业结构高级化指数测算方法。首先根据三次产业划分将GDP分为3部分，每一部分增加值占GDP的比重作为空间向量中的一个分量，构成一个三维向量X0=（x10，x20，x30），然后分别计算X0与产业由低层次到高层次排列的向量X1=（1，0，0），X2=（0，1，0），X3=（0，0，1）的夹角θ1、θ2、θ3，其中：

最后定义产业结构高级化指数为：

（二）新型城镇化指数

第一，指标选取。与传统城镇化不同，新型城镇化是中国经济转型发展过程中提出的新型发展模式，是一个系统结构过程，涉及经济、社会、人口和环境等诸多方面，主要着眼于城镇化建设质量的提升，倡导从偏重数量规模向内涵质量提升转变。为全面动态地反映新型城镇化发展水平及其变化趋势，本文借鉴赵永平、徐盈之（2014）构建的指标体系，同时参考中国城市经济学会、中国社科院及国外关于衡量城市发展指标体系的研究成果。从不同维度综合考虑，最终建立包含新型城镇化的环境质量水平、社会功能水平、人口发展水平和经济基础水平4个层面7个三级指标24个四级指标的新型城镇化综合评价指标体系，如表1所示。

第二，指标解释。环境质量水平反映了新型城镇化建设可持续发展的能力。与传统城镇化相比，新型城镇化更倾向于“绿色、环保”、“低碳、节约”的发展理念，充分考虑了城市发展过程中的资源与环境承载能力。废水、废气排放量能够直接反映出城市发展中的空气质量和水源质量，城市生活垃圾无害化处理率可以有效测度城市发展中对生活垃圾的处理情况。为有效保持城市系统与环境系统的平衡稳定发展，新型城镇化过程必须加大绿色改善和环保投入的力度，尽可能的与城市发展的自然状态相契合。

新型城镇化建设大力倡导以人为本的观念，社会功能水平便是这一观念的重要体现。社会功能水平能够完善城市基础建设，推动城乡建设协调发展。单位人口拥有医生数可以直接反映人们看病难、看病贵的重大社会问题，公共财政支出及城市交通车辆运营数等公共服务配套设施的保障，可以作为评价新型城镇化质量的重要内容。

人口发展水平不仅体现出农村人口向城市集中转移的城镇化速度水平，同时也表现出城镇化进程中的居民生活质量水平。居民就业情况能够反映生活状况，城镇人口比重和人口密度反映城镇化发展速度，体现城镇化总体发展水平。

经济基础水平是新型城镇化建设的有力支撑，同时也是推动城镇化进程的动力。国内外大量文献表明，城镇化率和国民经济增长之间存在显著的正向相关关系。财政收入可以体现出一个地区的经济创造力，是城镇化建设的潜在力量。城镇人均可支配收入和人均GDP是新型城镇化建设成果评判标准，贸易开放度也是衡量一个国家经济开放包容的指标之一。

第三，新型城镇化指数合成。对各项指标赋权以合成新型城镇化指数时，为有效消除指标本身所含的不确定性影响以及赋权过程中主观因素的影响，本文拟采用熵权赋值法。“熵”作为对不确定性的一种度量，所含信息量越大，其值越小，进而不确定性就越小。熵权法主要利用模糊综合评价矩阵和各因素的输出熵来确定各因素的权重，从而消除赋权过程中的主观因素，是一种客观赋权的方法，具体计算步骤如下：endprint

首先对数据标准化：

正向指标：

逆向指標：

然后计算第i个指标在第j项指标中所占比重为 ：

得到比重后，确定第j项的指标值，其中N为地区个数且。

接着确定j项指标的值：gj=1-ej

计算第j项指标权重：

合成新型城镇化指数：

各省域新型城镇化指数如表2所示（由于篇幅有限，只显示2005-2014年的数据）。

空间相关性分析

传统区域经济学理论认为，地理空间是均衡分布的，因此区域间各种经济活动都不会受区域空间距离的影响。但在现实生活中，各类经济活动均受到空间距离的影响，不同资源在不同空间中分布是非均匀的，进而会相互影响。空间经济学从地理空间是非均匀出发，研究某一地区与相邻地区的经济互动现象。同时在使用空间计量模型进行分析时，对变量进行空间相关性分析是必不可少的。

（一）全局相关性检验

空间相关性指空间区域的变量之间存在潜在依赖性，根据熵值赋权法，构建了新型城镇化的综合评价指数，本文使用Morans I（Anselin，2000）指数对地区经济、新型城镇化指数及产业城镇化指数进行全局相关性进行检验。

Morans I指数定义：

其中：，n表示省域个数，xi表示第i个地区的观测值，S2表示样本方差；wij为空间权重，本文空间权重采用邻接空间法计算，wij为：

Morans I反映出变量间的空间滞后相关系数，取值范围属于[-1，1]，其值越大表明空间正相关性越强，同时也可以计算出Morans I指数的统计量，计算公式如下：

通过计算可以看出，地区生产总值、新型城镇化和产业结构高级化具有空间依赖关系。如表3的Morans I指数统计结果可以看出，各地区生产总值、新型城镇化和产业结构高级化均呈现正相关性，并且地区生产总值的空间依赖性有增加趋势，新型城镇化和产业结构高级化并没有规律性变化趋势。

（二）局部空间相关性检验

Morans I指数测量观测值的平均空间集聚程度，仅仅是一种全局空间相关性的检验。但是，如果要更加具体的判断观测值集聚的高低值，反映空间依赖程度，那就必须进行局部共建相关性的检验。Morans I指数散点图能够对观测值进行局部空间相关性检验，其中散点图横坐标为变量值，纵坐标值为空间滞后项，并且第一象限代表高-高（HH）值空间相关，第二象限代表低-高（LH）值空间相关，第三象限代表低-低（LL）值空间相关，以及第四象限代表高-低（HL）值空间相关。如果散点落在一、三象限，那么代表相同特性的观测值集聚，如果落在二、四象限，那么代表不相同特性的观测值集聚。从图1可以看出三个观测对象大多散落在一、三象限，这表明三个观测值都具有较强的空间外部溢出效应。

模型建构、数据说明及实证分析

（一）模型构建

空间计量模型首先由Paelinck（1974）提出，后经过Anselin、Elhorst等计量经济学家的发展，构建出了空间滞后模型（SAR）和空间误差模型（SEM）。其中SAR模型考察的是变量通过空间传导作用形成的溢出效应；而SEM模型考察的是变量间由于空间区域差异而造成的随机冲击传导外溢效应，并且Lesage（2009）给出了两种模型的具体表达式：

SAR模型：

其中：β表示自变量与对解释变量的影响程度，ρ代表临近区域间解释变量间的空间依赖性，Wy表示空间距离的存在对解释变量的影响。

SEM模型：

其中：β表示自变量与对解释变量的影响程度，λ是空间误差相关系数，Wμ表示空间距离的存在对解释变量的影响。

因此本文，将新型城镇化、产业结构高级化与经济增长的待估计空间滞后模型及空间误差模型设定为：

（二）数据说明

本文选用全国30个省市、自治区（由于西藏地区的各类数据缺失相对严重，因此并未将其纳入此次研究范围），时间为2000-2014年的面板数据，数据均来自《新中国六十年统计资料汇编》、各省历年统计年鉴、中经网统计数据库及wind数据库。

相关研究表明，中国东部、西部和中部的经济发展存在显著差异性，为了更全面地探讨新型城镇化、产业结构高级化对经济增长的作用机理，因此本文在对全样本进行分析时，也分别对东中西部三个子样本进行分析。

本文的解释变量为构建的新型城镇指数和产业结构高级化指标，被解释变量为各省市、自治区的地区生产总值（以1985年为基准修正后的）。为了避免数据异方差，以及数据间由于基数不同造成数量上的巨大差异，因此对各数据进行对数化处理。使用软件为MATLAB2012a，其中关于空间计量模型估计的代码由Elhorst、Lesage编写提供。

（三）实证分析

第一，SAR模型与SEM模型的选择。通过Lesage和Pace（1995）及Elhorst（2010）提出的选择标准选择本文研究的估计模型。首先构建新型城镇化、产业结构高级化及经济增长三者间的面板数据模型，运用OLS估计方法，分别构建在无固定、空间固定、时间固定和时空双固定四种效应下的LM（拉格朗日乘数检验）和稳健LM统计量，然后通过判断检验统计量的显著性选择估计模型。对于估计模型是选择固定效益还是随机效应，则可以通过Hausman检验进行判断。非空间面板模型估计下的LM及稳健LM统计结果如表4所示。

从LM检验结果可看出，在非空间面板混合回归模型中，LM检验统计量接受了 不存在空间滞后项的假设，但是却在1%的显著水平下，LM检验统计量和稳健LM检验统计量均拒绝lnGDP不存在空间误差项的假设，所以本文将空间误差模型设定为待估计模型。并且Hausman检验统计量为16.8530，自由度为5，在1%拒绝了存在空间随机效应的假设。虽然在时空双固定效应模型和空间固定效应模型下，LM检验统计量和稳健LM检验统计量均通过了1%的显著水平，但是空间固定效应的LM检验统计量和LM稳健统计量相比时空双固定效应模型下更显著，因此最终将本文的模型设定为空间效应下的静态空间误差模型。endprint