楊小勇， 呂 健

(1. 同濟大學 馬克思主義學院， 上海 200092； 2. 上海金融學院 經(jīng)濟系， 上海 201209)

一、引言及文獻回顧

諾貝爾經(jīng)濟學獎獲得者約瑟夫·斯蒂格利茨(Joseph E.Stiglitz)曾說過，21世紀將會有兩件大事影響人類的進程，一是新技術革命，二是中國的城市化。城市化是由以農(nóng)業(yè)為主的傳統(tǒng)鄉(xiāng)村社會向以工業(yè)和服務業(yè)為主的現(xiàn)代城市社會逐漸轉變的歷史過程，也是衡量一個國家和地區(qū)經(jīng)濟、社會、文化和科技水平的重要標志。作為世界上人口最多的國家，中國的城市化進程必然將對整個人類的進程產(chǎn)生重要影響。中國的城市化率在1978年只有17.9%，到了2000年翻了一番，達到36.2%，而在2009年，這一比率提高至46.6%。改革開放以來，中國的經(jīng)濟體制由計劃經(jīng)濟逐步轉向市場經(jīng)濟，經(jīng)濟結構的轉變倍受關注。1978年，第一、二、三產(chǎn)業(yè)在國內生產(chǎn)總值中的比重分別為28.2%、47.9%和23.9%，而到了2011年，第一產(chǎn)業(yè)比重已降至10.1%，第三產(chǎn)業(yè)比重上升至43.1%，經(jīng)濟結構出現(xiàn)了顯著的變化。但是，由于中國長期以來處于制造業(yè)大國的地位，第二產(chǎn)業(yè)比重雖有下降的趨勢，但并不明顯，2011年第二產(chǎn)業(yè)比重仍占46.8%。根據(jù)城市經(jīng)濟學理論，城市化是在空間體系下的一種經(jīng)濟轉化過程，非農(nóng)人口和非農(nóng)產(chǎn)業(yè)在城市集中是集聚效應和輻射效應產(chǎn)生的結果。也就是說，經(jīng)濟結構的變化可以有力地推動城市化的發(fā)展，而反過來，城市化水平的提高也會為經(jīng)濟結構的轉變創(chuàng)造條件。

早在17世紀中葉，威廉·配第就指出，非農(nóng)產(chǎn)業(yè)的收益高于農(nóng)業(yè)，會驅使勞動力這種生產(chǎn)要素向非農(nóng)產(chǎn)業(yè)轉移。亞當·斯密也認為，生產(chǎn)要素，尤其是資本，首先是投向農(nóng)業(yè)，之后便會轉向制造業(yè)、國際貿(mào)易等非農(nóng)產(chǎn)業(yè)。而這種經(jīng)濟結構的轉變，恰好有利于城市化的發(fā)展。20世紀60年代之后，西方學界對于城市化與經(jīng)濟結構之間關系的研究日漸增多。Kuznets(1966)在考察經(jīng)濟結構變動所產(chǎn)生的結果時，發(fā)現(xiàn)經(jīng)濟結構變動對城市化的影響是由產(chǎn)業(yè)的不同屬性引起的。*S. Kuznets, Modern Economic Growth: Rate, Structure, and Speed, New Haven: Yale University Press, 1966.Chenery(1975)對經(jīng)濟發(fā)展各個時期的經(jīng)濟結構變動和城市化發(fā)展的軌跡進行了實證分析，提出了經(jīng)濟結構變動與城市化相互關聯(lián)的問題。*H. B. Chenery, and M. Syrquin, Patterns of Development, 1950-1970, London: Oxford University Press, 1975.Lucas(1988)認為，由于經(jīng)濟結構的轉變，使得人力資本向城市集聚，并成為推動城市化發(fā)展的動力。*R. Lucas, “On the Mechanics of Economic Development”， Journal of Monetary Economics, 1988，(22): 3-42.Davis和Henderson(2003)也認為，經(jīng)濟結構的變化，使得生產(chǎn)要素集聚和人口集聚產(chǎn)生了規(guī)模效益，從而促進了城市化的發(fā)展。*J. C. Davis, and J. V. Henderson, “Evidence on the Political Economy of the Urbanization Process”， Journal of Urban Economics, 2003,(53): 98-125.類似的研究還有Murata(2002)*Y, Murata. Rural-Urban Interdependence And Industrialization, Journal of Development Economics, 2002,68(1): 1-34.、Kondo(2004)，*H. Kondo, “Multiple Growth and Urbanization Patterns in an Endogenous Growth Model with Spatial Agglomeration”, Journal of Development Economics, 2004,(75): 167-199.等等。

國內學者關于城市化與經(jīng)濟結構之間關系的研究同樣較為廣泛和深入。此類研究主要分為兩種類型：一是規(guī)范分析，主要研究城市化與經(jīng)濟結構(特別是產(chǎn)業(yè)結構)之間的相互關系。大多數(shù)學者認為城市化與經(jīng)濟結構之間具有密切的關系，如鐘水映、李晶(2002)*鐘水映、李晶：《經(jīng)濟結構、城市結構與中國城市化發(fā)展》，《人口研究》，2002年第5期，第63-70頁。，歐陽峣、生延超(2006)*歐陽峣、生延超：《城市化水平與產(chǎn)業(yè)結構調整的內在互動機制》,《廣州大學學報(社會科學版)》2006年第11期，第47-51頁。等；也有部分學者認為中國的經(jīng)濟結構變化對城市化發(fā)展沒有明顯作用，如郭克莎(2002)*郭克莎：《工業(yè)化與城市化關系的經(jīng)濟學分析》，《中國社會科學》，2002年第2期，第44-55頁。、蔣滿元(2005)*蔣滿元：《城市化與經(jīng)濟結構演變互動機制的邏輯模型及分析》，《現(xiàn)代經(jīng)濟探討》，2005年第12期，第34-37頁。等。二是實證分析，主要通過實證的方法，從三次產(chǎn)業(yè)的角度分析經(jīng)濟結構變化對城市化發(fā)展的影響。如張雷、朱守先(2008)*張雷、朱守先：《現(xiàn)代城市化的產(chǎn)業(yè)結構演進初探——中外發(fā)展演進對比》，《地理研究》，2008年第4期，第863-872頁。，劉艷軍、李誠固、王穎(2010)*劉艷軍、李誠固、王穎：《中國產(chǎn)業(yè)結構演變城市化響應強度的省際差異》，《地理研究》，2010年第7期，第1291-1304頁。，等等。此外，值得關注的是，蔣偉(2009)*蔣偉：《中國省域城市化水平影響因素的空間計量分析》，《經(jīng)濟地理》，2009年第4期，第613-617頁。、呂健(2011)*呂?。骸吨袊鞘谢降目臻g效應與區(qū)域收斂分析：1978-2009年》，《經(jīng)濟管理》，2011年第9期，第32-44頁。等學者結合地理空間因素，運用空間計量經(jīng)濟學方法分析了中國城市化的空間集聚效應，以及與經(jīng)濟增長之間的關系，獲得了有益的結論。

與目前國內已有的研究不同的是：第一，本文并不是沿用傳統(tǒng)的計量分析方法，而是把地理空間因素納入到分析框架之中，利用空間計量模型，研究經(jīng)濟結構變化對城市化發(fā)展的影響作用。第二，根據(jù)中國城市化水平和第二、三產(chǎn)業(yè)水平的空間相關性的變動規(guī)律，把改革開放以來的34年觀測期劃分為4個時段，能夠更好地反映出在空間相關性存在的情況下，經(jīng)濟結構變遷對城市化發(fā)展的影響軌跡。

二、研究方法和樣本數(shù)據(jù)

1. 研究方法

隨著空間異質理論的提出，近年來，空間計量分析技術已經(jīng)在諸多領域得到廣泛地應用。本文將采用空間自相關和空間常系數(shù)回歸模型這兩種最為常用的空間分析方法。

(1) 空間自相關

空間自相關包括全局空間自相關和局部空間自相關。全局空間自相關是從區(qū)域空間的整體上刻畫區(qū)域經(jīng)濟活動分布的集聚情況，常用的指數(shù)是Moran’sI。Moran’sI的取值范圍一般為[-1，1]，大于0表示空間正相關，小于0表示空間負相關，等于0表示空間不相關。一般認為，如果Moran’sI的正態(tài)統(tǒng)計量的Z值大于正態(tài)分布函數(shù)在5%水平下的臨界值1.65，表明區(qū)域經(jīng)濟活動在空間分布上具有顯著的正相關性，這也意味著相鄰區(qū)域的類似特征值出現(xiàn)了集聚效應(LeSage，1999)。*J. P. LeSage, The Theory and Practice of Spatial Econometrics， Department of Economics, University of Toledo, 1999.局部空間自相關描述的是不同地理位置的區(qū)域空間關聯(lián)模式，即某一區(qū)域周邊具有顯著相似值區(qū)域的集聚程度(Anselin，1995)，*L. Anselin, “Local Indicators of Spatial Association-LISA”， Geographical Analysis, 1995,27(2): 93-115.常用的指標為局部Moran’sIi。Moran’sIi>0表示該區(qū)域與鄰近區(qū)域的特征值相似；Moran’sIi<0表示該區(qū)域與鄰近區(qū)域的特征值不相似。因此，局域空間自相關可以揭示具體區(qū)域的輻射效應。

此外，Moran’sI散點圖能夠進一步區(qū)分某個地區(qū)與其相鄰地區(qū)之間的空間聯(lián)系形式。Moran’sI散點圖具有4個象限，分別對應于相鄰地區(qū)之間4種類型的空間聯(lián)系形式(徐建華，2006)。*徐建華：《計量地理學》，北京：高等教育出版社，2006年，第120-151頁。第Ⅰ、Ⅲ象限代表觀測值之間存在正的空間自相關(高—高、低—低集聚)，而第Ⅱ、Ⅳ象限代表觀測值之間存在負的空間自相關(低—高、高—低集聚)。

(2) 空間常系數(shù)回歸模型

通常，空間計量模型主要有兩類：當變量之間的空間依賴性對模型顯得非常關鍵而導致了空間相關時，采用空間滯后模型(SLM)；當模型的誤差項在空間上相關時，采用空間誤差模型(SEM)(Anselin 等，2004)。*L. Anselin, J. G. M. Raymond, and R. J. Florax， Advances in Spatial Econometrics: Methodology, Tools and Applications， Berlin: Springer-Verlag, 2004: 1-3.

空間滯后模型的表達式為：

y=ρWy+βX+ε

其中，y為因變量，X為n×k的外生解釋變量矩陣，ρ為空間回歸系數(shù)，反映了樣本觀測值中的空間依賴作用，即相鄰地區(qū)的觀測值Wy對本地區(qū)觀測值y的影響方向和程度，W為n×n階空間權重矩陣，Wy為空間滯后因變量，ε為隨機誤差項向量。

空間誤差模型的表達式為：

y=βX+ε

ε=λWε+μ

其中，ε為隨機誤差向量，λ為n×1階的截面因變量向量的空間誤差系數(shù)，μ為正態(tài)分布的隨機誤差向量。模型中參數(shù)β反映了自變量X對因變量y的影響，參數(shù)λ衡量了樣本觀測值中的空間依賴作用。存在于擾動誤差項之中的空間依賴作用，可以度量鄰近地區(qū)關于因變量的誤差沖擊對本地區(qū)觀測值的影響程度。

(3) 模型的判別與估計

判斷某一經(jīng)濟現(xiàn)象是否存在空間自相關，以及空間滯后模型和空間誤差模型哪個更恰當，一般可以通過Moran’sI檢驗、兩個Lagrange Multiplier形式(LMLAG和LMERR)及其穩(wěn)健性形式(Robust-LMLAG和Robust-LMERR)來實現(xiàn)。Anselin和Florax(1995)提出了如下判別標準：如果在空間自相關的檢驗中發(fā)現(xiàn)LMLAG較之LMER在統(tǒng)計上更加顯著，且Robust-LMLAG顯著而Robust-LMERR不顯著，可以認為空間滯后模型較為合適；反之，則須選擇空間誤差模型。*L. Anselin, and R. Florx， New Directions in Spatial Econometrics， Berlin: Springer-Verlag, 1995: 21-71.

在模型估計中，由于以上兩種空間模型自變量的內生性，如果仍采用最小二乘法(OLS)，系數(shù)估計值會有偏或者無效，需要通過工具變量法(IV)、極大似然法(ML)或者廣義最小二乘估計(GLS)、廣義矩估計(GMM)等其他方法來進行。本文將根據(jù)Anselin(1988)的建議*L. Anselin， Spatial Econometrics: Methods and Models， Dordrecht: Kluwer Academic Publishers, 1988: 1-10.，采用極大似然法估計空間滯后模型和空間誤差模型中的參數(shù)。

2. 樣本數(shù)據(jù)

本文采用的空間樣本是除了中國的臺灣、香港、澳門等3個地區(qū)之外的內地31個省、自治區(qū)、直轄市(下文簡稱“省域”)，主要選取1978-2011年的以下數(shù)據(jù)：

(1) 城市化水平。該指標主要反映的是城市人口規(guī)模。在現(xiàn)有文獻中，有用城市人口占城市和農(nóng)村總人口比重來表示的，也有用城市就業(yè)人口占整體就業(yè)人口的比重表示的，還有兩者兼顧的。這里，我們采用較為常用的表示方法，即城鎮(zhèn)人口占總人口的比重。

(2) 第二產(chǎn)業(yè)水平。該指標采用第二產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比重。這里的第二產(chǎn)業(yè)主要包括工業(yè)和建筑業(yè)。

(3) 第三產(chǎn)業(yè)水平。該指標采用第三產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比重。這里的第三產(chǎn)業(yè)主要包括交通運輸和倉儲業(yè)、批發(fā)和零售業(yè)、住宿和餐飲業(yè)、金融和房地產(chǎn)業(yè)、郵政業(yè)等。

以上使用的數(shù)據(jù)均來自《新中國60年統(tǒng)計資料匯編》和《中國統(tǒng)計年鑒》相關各期；在所有回歸模型的估計中，為了避免量綱及異方差的影響，我們采用自然對數(shù)對原始數(shù)據(jù)進行處理；研究中所使用的地理信息與地圖，均由地理信息系統(tǒng)(GIS)軟件生成。

三、空間自相關分析

在進行空間分析之前，首先要對空間權重矩陣進行設定。目前，常用的空間權重矩陣有9種，每種空間權重矩陣得到的Moran’sI數(shù)值都是不同的。我們通過對rook一階鄰接關系和二階鄰接關系(即鄰居的鄰居)進行實證，發(fā)現(xiàn)選擇rook一階空間權重矩陣較為理想。原因是選擇rook一階之后，隨著階數(shù)的升高，所得到的各個年份的省域Moran’sI數(shù)值逐階下降，說明經(jīng)濟活動的空間相關性隨著空間距離的增大而減小，符合地理學第一定理(Tobler，1970)。*W. A. Tobler, “Computer Movie Simulating Urban Growth in the Detroit Region”， Economic Geography, 1970,46(2): 234-240.

1. 全局空間自相關

通過對城市化的全局空間自相關進行分析，我們發(fā)現(xiàn)，在1978-2011年，中國31個省域城市化的全局Moran’sI數(shù)值都大于零，標準化檢驗的Z統(tǒng)計量均為正，且都通過了顯著性檢驗*城市化的全局Moran’s I，除少數(shù)年份僅通過10%顯著性水平檢驗之外，其他年份均通過了5%的顯著性水平檢驗。，可以拒絕不存在自相關的原假設。由此可知，中國各個省域的城市化存在著全局空間自相關，也就是說，城市化水平相似的區(qū)域一直存在著空間集聚效應。此外，我們也計算了第二、三產(chǎn)業(yè)的全局Moran’sI，在圖1中一并繪出，以便比較。

根據(jù)各個省域城市化的全局Moran’s I的變化特征(如圖1所示)，本文在接下來的研究中，把1978-2011年這一考察時期劃分為4個時段，即1978-1986、1987-1994、1995-2002、2003-2011。而在數(shù)據(jù)處理上，我們采用各項指標在時段內的平均值來刻畫該時段的相應特征。

圖1 1978-2011年各省域城市化和第二、三產(chǎn)業(yè)發(fā)展的全局Moran’s I

通過對上述4個時段全局Moran’sI的散點圖進行分析，可以發(fā)現(xiàn)：從整體趨勢來看，處于“高—高”集聚和“低—低”集聚的省域較多，處于“低—高”集聚和“高—低”集聚的省域較少，處于第Ⅰ、Ⅲ象限的省域如表1所示。通過具體的分析，我們可以發(fā)現(xiàn)，第一，城市化高值集聚的省域在1978年主要集中于京津和東北地區(qū)，隨后擴大到長三角地區(qū)。第二，長期以來，中國大部分省域(包括一些較發(fā)達的省域)處于低值集聚區(qū)域。第三，作為珠三角中心的廣東，在1986年之后脫離了低值集聚區(qū)域，但尚未形成高值集聚。這種集聚效應形成的原因主要與國家的經(jīng)濟社會發(fā)展戰(zhàn)略和省域自身條件差異有關。長期的計劃經(jīng)濟，使得京津和東北地區(qū)工業(yè)化水平普遍較高，大量人口集聚在城市，從而形成較高的城市化水平。中國市場經(jīng)濟的建立，以及東部率先發(fā)展戰(zhàn)略的實施，有力地推動了東部沿海特別是長三角地區(qū)的城市化發(fā)展。隨著改革開放的深入和區(qū)域發(fā)展戰(zhàn)略的實施，各個省域自身條件的差異進一步地體現(xiàn)在經(jīng)濟社會發(fā)展水平上，使得東部沿海省域與其他省域在城市化發(fā)展水平上差距更加明顯。此外，一些經(jīng)濟比較發(fā)達的省域(如山東)由于長期處于農(nóng)業(yè)大省的地位，也使得其城市化的發(fā)展受到了制約。在這一系列因素的綜合作用之下，中國的省域城市化發(fā)展呈現(xiàn)出了明顯的“馬太效應”。

表1 1978-2011年全局Moran’s I散點圖對應省域

2. 局部空間自相關

以上我們通過計算全局Moran’sI，發(fā)現(xiàn)中國省域城市化存在全局空間自相關，但是該統(tǒng)計量不能顯示局部地區(qū)的空間自相關，即無法觀察到具體省域對周邊省域的輻射效應，因此，我們需要使用局部Moran’sI和局部空間效應地圖來做進一步分析。

在局部Moran’sI的散點圖中，處于第Ⅰ、Ⅲ象限的“高—高”和“低—低”類型省域表現(xiàn)為局部正相關，這表明高(低)觀測值省域對包圍它的高(低)觀測值的省域存在著輻射作用。處于第Ⅱ、Ⅳ象限的“低—高”和“高—低”類型省域表現(xiàn)為局部負相關，表明不具有輻射效應。為了直觀起見，我們把處于4個象限中的省份用不同的顏色在地圖上標記出來，如圖2所示。

通過圖2可以發(fā)現(xiàn)：1978-1986年，在城市化發(fā)展上，產(chǎn)生高值集聚的省域是天津和吉林，低值集聚的省域為重慶、云南、貴州。1987-1994年，高值集聚的省域出現(xiàn)了略微的變化，但仍集中在京津和東北地區(qū)(北京、吉林)；低值集聚的省域是山東、重慶、云南和貴州。1995-2002年，由于空間自相關系數(shù)在這一時段下降至最低點，未出現(xiàn)呈現(xiàn)高值集聚的省域，而低值集聚的省域依然是山東、云南和貴州。2003-2011年，高值集聚的省域為北京、天津和上海，低值集聚的省域由之前的云南、貴州擴大到四川和西藏。從整體上看，在1978-2011年的4個時段上，表現(xiàn)為出高(低)值集聚且通過5%水平顯著性檢驗的省域基本上是東部(西部)省域。從動態(tài)演進過程看，高值集聚日益明顯，涉及的省域也有所增加，即從早期的京津和東北地區(qū)演變到現(xiàn)今京津滬地區(qū)；低值集聚的省域從之前的云貴渝地區(qū)發(fā)展到現(xiàn)在的云貴川藏地區(qū)。

圖2 2001-2011年中國各省域城市化的局部空間效應

四、空間模型估計

空間自相關分析雖然從全局和局部兩個方面揭示了城市化的集聚和輻射效應，但是并不能揭示城市化與經(jīng)濟結構之間的關系。因此，有必要建立空間計量模型進一步分析，探尋省域城市化和經(jīng)濟結構的深層關系。接下來，我們以城市化水平(URBAN)為被解釋變量，以地區(qū)生產(chǎn)總值中的第二產(chǎn)業(yè)比重(SI)和第三產(chǎn)業(yè)比重(TI)作為解釋變量，構建回歸模型。為了考察存在空間因素與否所產(chǎn)生的不同結果，我們首先進行普通回歸模型估計。

1. 普通回歸模型

基于雙對數(shù)模型，我們可以建立如下的普通回歸模型：

lnURBAN=c+β1lnSI+β2lnTI+ε

其中，c為常數(shù)項，β為回歸系數(shù)，ε為隨機誤差項。該模型的目的是檢驗省域的城市化水平與第二、三產(chǎn)業(yè)水平之間的相互關系和決定因素；進一步地，通過Moran’sI檢驗、兩個Lagrange乘數(shù)及其穩(wěn)健性來判斷空間回歸模型SLM和SEM的形式。

我們分別對4個時段的樣本數(shù)據(jù)進行OLS回歸*每時段各個變量所采用的數(shù)據(jù)均為該時段內年份的平均值。，結果如表2所示。

表2 普通回歸模型估計結果(1978-2011年)

續(xù)表2

注：***、**、*分別表示通過1%、5%、10%水平下的顯著性檢驗。

由回歸結果可知，OSL估計的31個省域的城市化在4個時段的模型中，擬合優(yōu)度分別為0.68、0.66、0.63和0.51。F值均較高，說明模型整體通過了1%顯著性水平的檢驗。但是，Moran’sI檢驗顯示出31個省域的城市化水平之間具有明顯的空間自相關(特別是后3個時段，顯著性水平均小于5%)，存在空間集聚現(xiàn)象。這說明忽視空間自相關而直接采用OLS法建立模型進行估計分析存在一定的問題，譬如遺漏了重要的變量，或是未考慮截面單元(省域)之間的空間相關性。

2. 空間回歸模型

為了進一步驗證空間自相關的存在，我們根據(jù)兩個Lagrange乘數(shù)滯后和誤差及其穩(wěn)健性(Robust)的檢驗結果選擇SLM或SEM模型進行空間計量分析。

城市化的SLM模型表達式如下：

lnURBAN=c+ρWlnURBAN+β1lnSI

+β2lnTI+ε

城市化的SEM模型表達式如下：

lnURBAN=c+λεW+β1lnST+β2lnTI+μ

其中，W為空間權重矩陣，ρ為空間回歸系數(shù)，λ為空間誤差系數(shù)，ε為隨機誤差項，μ為正態(tài)分布的隨機誤差項。

表2中Lagrange乘數(shù)及其穩(wěn)健性檢驗表明，除了1987-1994年的模型中兩個Lagrange乘數(shù)及其穩(wěn)健性沒有通過顯著性水平檢驗之外，其他3個時段模型的Lagrange乘數(shù)及其穩(wěn)健性均有通過顯著性水平檢驗的情況。根據(jù)上文所述的空間回歸模型的判別標準，我們認為：1978-1986年和2003-2011年的模型應該選擇空間滯后模型(SLM)；1995-2002年的模型應該選擇空間誤差模型(SEM)；而1987-1994年的模型，雖然其兩個Lagrange乘數(shù)及其穩(wěn)健性均沒有通過10%水平的顯著性檢驗，但是，通過比較兩種模型的logL、AIC、SC和LR等指標，可以判斷空間誤差模型相對更好一些，當然，這種判斷不是特別嚴格。4個時段的空間計量模型的估計結果如表3所示。

表3 空間回歸模型估計結果(1978-2011年)

續(xù)表3

注：***、**、*分別表示通過1%、5%、10%水平下的顯著性檢驗。

比較表2和表3中的估計結果發(fā)現(xiàn)，4個空間回歸模型的擬合優(yōu)度檢驗值均明顯高于普通回歸模型，當然，由于采用極大似然法估計參數(shù)，基于殘差平方和分解的擬合優(yōu)度檢驗意義不是很大。進而，我們比較對數(shù)似然函數(shù)值LogL、AIC和SC值之后發(fā)現(xiàn)，4個時段的空間回歸模型的LogL值均高于相應的普通回歸模型，AIC和AC值均小于相應的普通回歸模型。由此可見，OLS回歸法由于遺漏了空間誤差自相關，使得普通回歸模型不夠恰當；同時，這也說明，省域之間的城市化不可能沒有關系。

從表3中的4個時段的空間回歸模型估計結果還可以看出，在考慮了空間自相關之后，出現(xiàn)了如下的變化：

首先，第二產(chǎn)業(yè)水平對城市化的影響程度(彈性)從第1時段的1.36下降至第4時段的1.27，且在第2時段降幅最大，除此時段外，其他三個空間回歸模型結果與相應的普通回歸模型相比，都有所上升。這說明若未考慮空間因素，則會低估第二產(chǎn)業(yè)水平對城市化的影響。

其次，第三產(chǎn)業(yè)水平對城市化的影響程度(彈性)從第1時段的0.78上升至第4時段的1.80，且在第2時段增幅最大，除此時段外，其他三個空間回歸模型結果與相應的普通回歸模型相比，都有所下降。這說明若未考慮空間因素，則會高估第三產(chǎn)業(yè)水平對城市化的貢獻。

由以上變化不難得知：在空間聯(lián)系緊密的現(xiàn)實中，第二產(chǎn)業(yè)水平對城市化發(fā)展的推動比普通回歸模型所估計的要大，而第三產(chǎn)業(yè)水平對城市化發(fā)展的影響則比普通回歸模型所估計的要小。通過兩類模型的估計，我們發(fā)現(xiàn)，普通回歸模型是一種建立在獨立觀測值假定基礎上的理論，沒有將空間相關性包括進來，使得模型的估計結果存在著一些無法避免的缺陷。而空間回歸模型充分考慮了空間相關性對省域城市化的影響，并在此基礎上進一步分析了城市化與經(jīng)濟結構之間的關系，使得到的結果更加穩(wěn)健與合理。

五、結論與啟示

為了考察中國內地31個省域城市化發(fā)展與經(jīng)濟結構變遷之間的關系，本文采用了探索性空間數(shù)據(jù)分析(ESDA)技術，首先對1978-2011年間各省域的城市化水平進行了空間自相關分析，發(fā)現(xiàn)省域城市化水平存在著顯著的全局自相關和局部自相關，高值集聚的省域分布在東部地區(qū)(長三角、環(huán)渤海經(jīng)濟圈)，低值集聚的省域主要分布在西部地區(qū)。進一步地，本文通過OLS回歸模型，分析城市化與經(jīng)濟結構之間的關系，發(fā)現(xiàn)方程殘差具有空間相關性，因此，選用了空間常系數(shù)回歸模型，把相鄰省域在城市化上的空間效應納入到分析之中。實證結果表明：1978-2011年間，第二產(chǎn)業(yè)水平對城市化發(fā)展的影響為正，但影響程度(彈性)趨于減小，這說明中國各省域城市化發(fā)展受第二產(chǎn)業(yè)水平的推動明顯，隨著第二產(chǎn)業(yè)比重下降態(tài)勢的顯現(xiàn)，這種影響有減弱的趨勢。第三產(chǎn)業(yè)水平對城市化發(fā)展的影響亦為正，且影響程度不斷上升，這也表明中國各省域城市化發(fā)展受第三產(chǎn)業(yè)水平的影響顯著，且隨著第三產(chǎn)業(yè)比重的上升而增加。另外，需要指出的是，普通回歸模型低估了第二產(chǎn)業(yè)對城市化的推動作用，高估了第三產(chǎn)業(yè)對城市化的帶動作用。

由此，我們得到的啟示是：1978-2011年間，中國的經(jīng)濟結構出現(xiàn)了顯著的變化，第二產(chǎn)業(yè)比重穩(wěn)中有降，第三產(chǎn)業(yè)比重持續(xù)上升，且第三產(chǎn)業(yè)對城市化發(fā)展的影響已經(jīng)超過了第二產(chǎn)業(yè)；但是，對于中國這樣的制造業(yè)大國，第二產(chǎn)業(yè)對城市化發(fā)展的推動作用仍然不容小覷，而第三產(chǎn)業(yè)(雖包含有現(xiàn)代服務業(yè))對城市化發(fā)展的帶動作用也不應被高估。特別是隨著中國經(jīng)濟逐步進入“結構性減速”時期，在許多東部沿海省域，由于勞動力從生產(chǎn)率較高的第二產(chǎn)業(yè)向生產(chǎn)率較低的第三產(chǎn)業(yè)轉移，已經(jīng)出現(xiàn)了全社會勞動生產(chǎn)率增速下降的趨勢；在中、西部地區(qū)，雖然第二產(chǎn)業(yè)仍然保持較高的勞動生產(chǎn)率增速，但多為低端制造業(yè)，當勞動力“廉價時代”趨于終結時，較高的勞動生產(chǎn)率增速也將難以維系。*呂健：《產(chǎn)業(yè)結構調整、結構性減速與經(jīng)濟增長分化》，《中國工業(yè)經(jīng)濟》，2012年第9期，第31-43頁。因此，需要加快實現(xiàn)產(chǎn)業(yè)結構現(xiàn)代化，提高全社會勞動生產(chǎn)率的增速，以推動城市化又好又快地發(fā)展。具體地說，東部地區(qū)要加快發(fā)展高端制造業(yè)和現(xiàn)代服務業(yè)。長期以來，東部地區(qū)在生產(chǎn)總值、社會固定資產(chǎn)投資、外商投資、研究與實驗發(fā)展等方面占全國的比重均大大高于其土地、人口資源占全國的比重，完全可以憑借其密集的生產(chǎn)力布局、較高的人力資源素質和科技創(chuàng)新能力，發(fā)展高端制造業(yè)，進一步保持對城市化發(fā)展的強大推動力。在服務業(yè)方面，近十年來，全球服務業(yè)的增加值之所以能夠超過制造業(yè)，主要源于服務業(yè)內處于價值鏈高端的現(xiàn)代服務業(yè)的發(fā)展。而中國第三產(chǎn)業(yè)水平不高，無法有效地推動城市化的發(fā)展，恰恰就是因為現(xiàn)代服務業(yè)發(fā)展水平較低。因此，東部地區(qū)有必要通過進一步的結構調整來克服現(xiàn)代服務業(yè)的發(fā)展瓶頸，推動第三產(chǎn)業(yè)整體的升級和發(fā)展，為城市化發(fā)展提供新的動力。另外，由于西部地區(qū)承接了東部地區(qū)的產(chǎn)業(yè)轉移，再加之“人口紅利”尚存，第二產(chǎn)業(yè)依然具有較高的生產(chǎn)率增速。但是，隨著產(chǎn)業(yè)升級、結構調整以及“人口紅利”消失，西部地區(qū)也將進入“結構性減速”時代，那時的第二產(chǎn)業(yè)和第三產(chǎn)業(yè)將難以有效地推動城市化發(fā)展。因此，中、西部地區(qū)也應充分重視產(chǎn)業(yè)結構現(xiàn)代化，提前應對未來可能出現(xiàn)的不利影響，保證城市化在產(chǎn)業(yè)結構優(yōu)化中不斷發(fā)展。