中国县域城镇化、就业率与经济发展水平关系的实证研究

[关键词]县域城镇化；县域就业；县域经济；面板数据

[作者简介]申布语（1989-），女，汉族，河北邯郸人，硕士研究生，研究方向：宏观经济学。

一、引言

城镇化是指由于生产力的发展而使城镇的人口数量不断扩大，农村人口不断向城镇集聚，城市文明不断向四周扩散，在此过程表现出了地域性质和形态在空间上的不断演变。县域城镇介于城市和农村之间，既有城市的功能，又有农村的环境，兼有城乡两种职能，是城市向农村的过渡地带，是农村一定区域内的经济文化中心。县域城镇以农村为腹地，以城市为依托，对调整农业产业结构、改变城乡人口分布、推动农村经济社会的发展发挥了重要的作用。[1]

从国内外相关研究来看，对于县域城镇化的研究主要集中在我国。根据我国学者的研究，城镇化与就业确实存在着一定的相关关系。Harris认为导致城乡收入差距拉大，并且农民进入城市的原因是发展中国家的二元经济结构，农民不断进入城市，城市劳动力市场供需失衡，这就使城市里的失业问题越来越严重。[2]黄明使用时间序列分析，证明了城镇化率的提高和城镇就业存在相互促进的关系。[3]朱农认为，农业是城镇化发展的前提，农民增收才能促进城镇化的发展。[4]刘七华对就业总人口和就业结构进行描述，利用VAR模型得出结论，我国城镇化水平与就业结构不协调。[5]

研究表明，城镇化也与经济发展水平存在着一定的关系。卢方元利用时间序列模型，实证研究了河南省城镇化与经济发展水平的关系，证明城镇化与经济发展水平存在着协整关系。[6]秦文俊通过国内外的研究发现，城镇化与经济发展水平存在着互动关系。[7]但是曾志杨认为现在的城镇化发展水平不能唯GDP是从，不能只看经济的发展，还要看多方面的发展。

目前我国关于县域城镇化的研究存在两个不足：一是注重理论阐述性，研究给出了一定的理论建议，但是并没有实证分析；二是仅仅考虑了城镇化，但是没有将重点放在县域。针对这些不足，本文尝试将城镇化放在县域考虑，分析东中西部县域城镇化、就业与经济发展水平的关系。

二、我国县域城镇化发展现状

四、研究变量的选择和数据说明

本文选取一系列指标对县域城镇化、城镇就业以及经济发展水平进行度量。

（一）模型简介

面板数据是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据，是同时在时间和截面上取得的二维数据。一般我们设Yit为解释变量在横截面i和时间t上的数值，Xit为1×k维解释变量，则一般式可写成：

在模型中，自由度（NT）远远小于参数个数，这使得模型无法估计。为了让模型可以估计，我们可以建立两类模型：第一，从个体成员角度考虑，建立含有N个个体成员方程的面板数据；第二，在时间点上截面，建立含有T个时间点截面方程的面板数据。

（二）指标和数据的选取

五、实证结果分析

（一）面板的单位根检验

按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为虚假回归或伪回归。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。因此首先进行单位根检验，这是避免出现伪回归的前提条件，本文用不同的方法进行检验，结果见表4。

表4表示，Hadri方法对“lnxyczhl”水平值的单位根检验表明“lnxyczhl”含有单位根，而LLC和Breitung结论表明不含有单位根。对于“lnxyjyl”，Breitung检验和Hadri检验表明只含有两个单位根，Hadri检验“lnGDP”只含有一个单位根。根据以上的检验，表明各个变量都含有单位根，但是有几个单位根，还要进行一阶差分检验。

从表5可以看出，进行一阶差分检验后，除了“lnGDP”一阶差分检验不同外，其余检验结果均表明上述三个差分序列是非平稳的，即原序列是一阶以上单整序列而非平稳序列。面板模型的变量是不平稳的，就不可以直接进行回归分析，否则可能是伪回归。

（二）面板协整检验

面板协整检验的方法有多种，这里应用Pedroni以回归残差，如表6。表6变量的面板协整检验变量面板协整检验结果

上述数据表明除了Group p-stat 和Group PP-stat 检验接受原假设外，其余检验均拒绝“不存在协整关系”的原假设。综合考虑，认为两个变量存在协整关系，因此，可以进行回归分析。

（三）模型的估计与分析

由于通过观测面板数据散点图发现本文使用对数建模最合理，因此，本文中我们设县域城镇化率（lnxyczhl）为被解释变量，县域就业率（lnxyjyl）和经济发展水平（lnGDP）为解释变量，方程可以写作：

用面板数据建立的模型通常有3种，即混合模型、固定效应模型和随机效应模型。本文首先使用F检验，在给定α值的情况下，如果F值小于临界值，则接受零假设，使用混合效应模型，反之，如果F值大于临界值，则拒绝零假设，使用固定效应模型。三种方法的回归方程如下：

（1）混合模型估计，估计结果如下：

lnxyczhlit=278-542lnxyjylit-002lnGDPit

（078）（-07）（-041）

被估参数均通过了显著性检验，回归方程的拟合效果也很好，但是DW值太低，存在负自相关。

（2）个体固定效应回归模型，估计结果如下：

（-056）（06） （477）

0，其它

24个县（市）的就业率和社会经济发展水平与城镇化成正比例关系，说明较高的就业率和经济发展水平可以促进城镇化的快速发展。

（3）F检验

接下来用F统计量检验是应该建立混合模型还是个体固定效应模型，原假设与备择假设分别为：

H1：模型中不同个体的截距相同

H2：模型中不同个体的截距不同

F统计量定义为：

F=（SSEr-SSEu）/（N-1）SSEu/（NT-N-k）=6107

所以推翻原假设，比较上述两个模型，个体固定效应模型比混合模型更合理。

（4）时点固定效应回归模型，相应的表达式为：

0，其它

（5）个体随机效应回归模型，表达式为：

（-051）（056）

（45）

0，其它

（6）Hausman检验

利用Hausman统计量检验应该建立在时点固定效应模型还是个体随机效应回归模型，原假设与备择假设分别是：

H0=个体随机效应模型

H1=个体固定效应模型

由检验输出的结果可以看出，Prob=0055，在5%的显著水平下拒绝原假设，因此应该建立个体固定效应模型。

（7）估计结果及其分析

通过上文对模型的选择和估计，最后得出了要使用固定效应模型，估计结果如下：

以上实证研究表明，县域就业率和经济发展水平的提高会促进县域城镇化的发展，但对不同地区的影响程度不同，对东部影响较大，对西部偏远地区影响较小。从以往研究来看，大中城市的城镇化发展已经比较完备，而县域城镇的发展还有很大的空间，所以要大力发展县域经济，扩大县域经济的规模，从而提高县域城镇化水平，形成完善的经济结构和产业结构，提高县域人民的生活水平。同时，要合理促进县域城镇化的发展，例如东部的一些县市，县域城镇化水平较高，就要放缓速度，合理调整政策。中部的县域要合理发展城镇化，使城镇化和经济的发展相协调，优化产业结构。西部落后地区的县域不要急功近利，要大力发展县域经济，如果经济水平赶不上县域城镇化的发展，就会产生比较高的失业率，进而出现一系列的经济和社会问题。

党的十八届三中全会指出，城乡二元结构是制约城乡发展一体化的主要障碍。必须健全体制机制，形成以工促农、以城带乡、工农互惠、城乡一体的新型工农城乡关系，让广大农民平等参与现代化进程、共同分享现代化成果。要加快构建新型农业经营体系，赋予农民更多财产权利，推进城乡要素平等交换和公共资源均衡配置，完善城镇化健康发展体制机制。提高县域城镇化的一个重要措施就是改革户籍制度。首先，在县域进行户籍制度改革，放宽县域城镇的户籍准入门槛，鼓励农民进城落户。其次要做好公共服务均等化，通过推进城市合理布局，合理分配公共资源。第三，加强农村基础教育，重视农村的九年义务教育，全面提高农民的素质。只有农民的素质提高了，才会增强就业的竞争力，更好地促进县域城镇化的发展。