彭代彥 文 樂

(華中科技大學(xué) 經(jīng)濟(jì)學(xué)院， 湖北 武漢 430074)

為什么半城鎮(zhèn)化率越來越高？
——基于房價(jià)上漲的分析視角

彭代彥 文 樂*

(華中科技大學(xué) 經(jīng)濟(jì)學(xué)院， 湖北 武漢 430074)

本文利用1999-2014年中國31個(gè)省市的空間面板數(shù)據(jù)，基于房價(jià)上漲的視角，運(yùn)用空間探索性數(shù)據(jù)分析法(ESDA)和空間計(jì)量模型研究了中國半城鎮(zhèn)化率的空間分布特征與半城鎮(zhèn)化率持續(xù)上升的成因。研究發(fā)現(xiàn):(1)中國人口半城鎮(zhèn)化具有顯著的空間正相關(guān)性和空間異質(zhì)性，并且存在向東部沿海地區(qū)集聚的特征；(2)房價(jià)上漲顯著推升了本省人口半城鎮(zhèn)化率，而對周邊省市影響不顯著，本省房價(jià)上漲1%，本省半城鎮(zhèn)化率上升約0.077個(gè)百分點(diǎn)；(3)推升人口半城鎮(zhèn)化率的主要是住宅價(jià)格，其次是工業(yè)用房價(jià)格。研究表明，房價(jià)快速上漲不利于農(nóng)業(yè)轉(zhuǎn)移人口市民化。

房價(jià)上漲； 人口半城鎮(zhèn)化； ESDA； 空間計(jì)量

一、引言

近三十年來，中國常住人口城鎮(zhèn)化率以年均1個(gè)百分點(diǎn)以上的速度增長，至2015年底常住人口城鎮(zhèn)化率已經(jīng)達(dá)到56.1%，城鎮(zhèn)常住人口達(dá)7.7億，但是，中國的農(nóng)業(yè)轉(zhuǎn)移人口市民化進(jìn)程卻十分緩慢，戶籍人口城鎮(zhèn)化率僅在36%左右，大量農(nóng)業(yè)轉(zhuǎn)移人口仍處于“半城鎮(zhèn)化”狀態(tài)①。據(jù)國家統(tǒng)計(jì)局公布，2015年多達(dá)2.7億多的農(nóng)業(yè)轉(zhuǎn)移人口在鄉(xiāng)村和城市之間呈“候鳥式遷移”。學(xué)術(shù)界通常用半城鎮(zhèn)化率即常住人口城鎮(zhèn)化率與戶籍人口城鎮(zhèn)化率之差來衡量半城鎮(zhèn)化水平②。值得注意的是，自2004年以來中國房價(jià)開始上漲，而中國人口半城鎮(zhèn)化率與房價(jià)③一同上升，如圖1所示。

半城鎮(zhèn)化的實(shí)質(zhì)是一種不徹底的城鎮(zhèn)化，具體表現(xiàn)為大量的農(nóng)業(yè)轉(zhuǎn)移人口實(shí)現(xiàn)了職業(yè)和地域空間的轉(zhuǎn)變，但是難以獲得城鎮(zhèn)戶口，沒有從農(nóng)民轉(zhuǎn)化為市民，實(shí)現(xiàn)身份的轉(zhuǎn)換，享受與城鎮(zhèn)居民同等的社會(huì)福利④。這種城鎮(zhèn)化模式一方面壓制了農(nóng)業(yè)轉(zhuǎn)移人口的公共服務(wù)需求，減輕了政府和企業(yè)負(fù)擔(dān)，為中國經(jīng)濟(jì)快速發(fā)展提供了非常廉價(jià)的勞動(dòng)力，但是，另一方面也產(chǎn)生了深刻的負(fù)面影響，比如，農(nóng)業(yè)轉(zhuǎn)移人口難以融入城鎮(zhèn)生活，城鎮(zhèn)內(nèi)部呈現(xiàn)出以農(nóng)業(yè)轉(zhuǎn)移人口和城鎮(zhèn)居民為主體的“新二元結(jié)構(gòu)”分割現(xiàn)象⑤，而農(nóng)村則催生了大量的留守兒童、留守婦女與留守老人，呈現(xiàn)“空心化”趨勢⑥。從長遠(yuǎn)來看，半城鎮(zhèn)化模式顯然不利于中國經(jīng)濟(jì)的持續(xù)增長和社會(huì)的長治久安。

圖1 房價(jià)與人口半城鎮(zhèn)化率變化趨勢注：1.數(shù)據(jù)來源于《新中國六十年統(tǒng)計(jì)資料匯編》、《中國人口和就業(yè)統(tǒng)計(jì)年鑒》從2000年到2015年各年相關(guān)數(shù)據(jù)、《中國統(tǒng)計(jì)年鑒》從2000年到2015年各年相關(guān)數(shù)據(jù)；2.利用CPI對房價(jià)進(jìn)行了消漲處理。

二、制度背景與理論分析

(一)制度背景

(二)理論分析

綜合以上分析可知，房價(jià)上漲通過影響農(nóng)業(yè)轉(zhuǎn)移人口的住房消費(fèi)與就業(yè)機(jī)會(huì)，進(jìn)而導(dǎo)致人口半城鎮(zhèn)化水平上升。

三、人口半城鎮(zhèn)化的空間相關(guān)性與異質(zhì)性

(一)半城鎮(zhèn)化的空間相關(guān)性

從表1可知，1999-2014年全局Moran’sI估計(jì)值均為正，且大都在5%以上的顯著性水平上顯著，這表明中國半城鎮(zhèn)化水平呈現(xiàn)出空間正自相關(guān)性，也就是說半城鎮(zhèn)化水平高的地區(qū)和半城鎮(zhèn)化水平低的地區(qū)在空間上分別呈現(xiàn)集中分布。這種特征可能是由各地的工資與房價(jià)差異造成的。具體來看，東部各省市就業(yè)機(jī)會(huì)多，吸引了大量的農(nóng)業(yè)轉(zhuǎn)移人口，但是，這些地區(qū)房價(jià)高，抑制了農(nóng)業(yè)轉(zhuǎn)移人口市民化；而中西部地區(qū)雖然房價(jià)相對較低，但是就業(yè)機(jī)會(huì)相對匱乏、工資低，城市流入人口較少，因而各省市半城鎮(zhèn)化也較低。另外，Moran’sI值從1999年的0.045增長到2014年的0.213，整體呈現(xiàn)明顯的波動(dòng)上升趨勢，表明半城鎮(zhèn)化率的空間集聚度不斷上升，也就說，區(qū)域半城鎮(zhèn)化的空間分布格局趨向集中。圖2和圖3更清晰地反映了中國半城鎮(zhèn)化率的空間分布情況，東南沿海地區(qū)是半城鎮(zhèn)化率的高值區(qū)，而東北和西部地區(qū)是低值區(qū)域，并且從1999年到2014年存在由西向東逐漸集中的趨勢。這可能是近十多年來東部沿海地區(qū)比中西部發(fā)展速度更快，工資水平更高，創(chuàng)造了更多的工作機(jī)會(huì)，吸引了農(nóng)業(yè)轉(zhuǎn)移人口的進(jìn)入，同時(shí)越來越高的房價(jià)也抑制了農(nóng)業(yè)轉(zhuǎn)移人口的市民化。

(二)半城鎮(zhèn)化的空間異質(zhì)性

表1 1999-2014年31個(gè)省市的半城鎮(zhèn)化率的全局Moran’s I與Z值

數(shù)據(jù)來源：作者整理得出。

圖2 1999年中國半城鎮(zhèn)化率分布數(shù)據(jù)來源：《新中國六十年統(tǒng)計(jì)資料匯編》、《中國人口和就業(yè)統(tǒng)計(jì)年鑒(2000)》。

圖3 2014年中國半城鎮(zhèn)化率分布數(shù)據(jù)來源：2015年《中國人口和就業(yè)統(tǒng)計(jì)年鑒(2015)》、《中國統(tǒng)計(jì)年鑒(2015)》。

東部G*i中部G*i西部G*i北京1.9769山西0.1407廣西-0.1330天津2.1244內(nèi)蒙古0.3674重慶0.1355遼寧0.3623吉林0.1824四川-0.8900上海3.6461黑龍江0.0094貴州-0.0290江蘇2.2856安徽0.0051云南-0.2506浙江5.7774江西-0.7059西藏0.0273福建3.1483河南0.7152陜西-1.0196山東1.4305湖北0.2080甘肅-0.8261廣東3.1994湖南0.1168青海-0.5635海南-0.6718寧夏-0.0477河北-0.8235新疆0.5132

數(shù)據(jù)來源：作者整理得出。

四、實(shí)證模型、變量與數(shù)據(jù)來源

(一)計(jì)量模型與變量選取

前文分析表明不同省市之間人口半城鎮(zhèn)化水平存在顯著的空間正自相關(guān)性與空間異質(zhì)性，因而有必要采用控制了空間相關(guān)性的空間計(jì)量模型，以得到回歸系數(shù)的無偏估計(jì)量?？臻g自相關(guān)模型(SAR)、空間誤差模型(SEM)和空間德賓模型(SDM)是比較常用的空間計(jì)量模型。其中，SAR模型主要研究相鄰地區(qū)對主體行為直接產(chǎn)生的影響，其形式為：

(1)

SEM模型通過誤差項(xiàng)的相互影響來表現(xiàn)空間關(guān)系，其形式為：

(2)

(3)

在以上模型中，i，j表示省份，且i≠j;t表示年份；δ、ρ分別為空間自相關(guān)系數(shù)和空間誤差相關(guān)系數(shù)，β、θ為模型待估參數(shù)，Wij為N×N維空間權(quán)重矩陣W的元素，估計(jì)模型時(shí)需對矩陣W進(jìn)行行標(biāo)準(zhǔn)化。purban為因變量人口半城鎮(zhèn)化率；X是自變量，其中核心變量為房價(jià)，即商品房銷售價(jià)格，控制變量主要從經(jīng)濟(jì)因素、社會(huì)因素、城市特征和制度四個(gè)方面加入的；μi控制不隨時(shí)間變化的個(gè)體效應(yīng)，如區(qū)位、氣候、制度等因素，以及T表示時(shí)間趨勢項(xiàng)，用于控制時(shí)間效應(yīng)；φit和εt均為隨機(jī)擾動(dòng)項(xiàng)，且εt滿足獨(dú)立同分布假設(shè)。本文數(shù)據(jù)樣本為1999-2014年中國31個(gè)省市的面板數(shù)據(jù)，不含港、澳、臺(tái)。

表3 變量簡單描述性統(tǒng)計(jì)

續(xù)表

(二)空間權(quán)重矩陣設(shè)定

空間權(quán)重矩陣反映樣本觀察值之間的空間依賴關(guān)系，是進(jìn)行空間計(jì)量分析的關(guān)鍵。常見的空間權(quán)重矩陣包括地理鄰接矩陣、地理距離矩陣和經(jīng)濟(jì)距離矩陣，但是不同的權(quán)重矩陣可能使得模型估計(jì)結(jié)果產(chǎn)生很大的差異。為確保模型估計(jì)結(jié)果的穩(wěn)健性，我們設(shè)定多種空間權(quán)重矩陣。

1.二階鄰接矩陣。通常較為簡單的鄰接矩陣為一階鄰接矩陣，即如果兩個(gè)地區(qū)相鄰則Wij取值為1，否則取值為0。這種設(shè)置方法簡單易行，但是其假定不相鄰地區(qū)之間不發(fā)生空間關(guān)系，顯然不符合實(shí)際。比如北京、上海作為經(jīng)濟(jì)中心對周邊地區(qū)具有很強(qiáng)的輻射能力。為了彌補(bǔ)一階鄰接矩陣缺陷，我們設(shè)定二階鄰接矩陣，即如果兩省相鄰或者隔省相鄰，那么Wij取值為1，否則取值為0。相比于一階鄰接矩陣，二階鄰接矩陣使得每個(gè)省市可以與更多省市相鄰，更符合中國人口流動(dòng)范圍廣的特點(diǎn)。

五、實(shí)證結(jié)果與分析

(一)平穩(wěn)性檢驗(yàn)

在進(jìn)行實(shí)證檢驗(yàn)之前，需對樣本數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，以避免虛假回歸的情形。本文采取LLC單位根檢驗(yàn)方法，并考慮到人口半城鎮(zhèn)化率和房價(jià)等變量可能存在增長趨勢，我們控制了時(shí)間趨勢。表4報(bào)告了檢驗(yàn)結(jié)果，所有變量都是平穩(wěn)的，說明不存在偽回歸。

表4 LLC單位根檢驗(yàn)結(jié)果

注：上標(biāo)*、**、***依次表示10%、5%、1%的顯著性水平，括號內(nèi)為P值。

(二)基本估計(jì)結(jié)果

在空間面板回歸模型中，由于其空間滯后項(xiàng)與擾動(dòng)項(xiàng)之間是相關(guān)的，傳統(tǒng)的OLS方法得出的估計(jì)值將不再是無偏、一致的，而極大似然估計(jì)法可以有效避免這一問題。因此采用極大似然估計(jì)法進(jìn)行估計(jì)。再根據(jù)wald檢驗(yàn)和對數(shù)似然(LR)檢驗(yàn)，空間德賓模型(SDM)的整體估計(jì)結(jié)果較為理想，故本文后續(xù)研究將以此作為標(biāo)準(zhǔn)模型，限于篇幅，沒有報(bào)告SAR、SEM模型估計(jì)結(jié)果。另外，Hausman檢驗(yàn)結(jié)果表明固定效應(yīng)模型要優(yōu)于隨機(jī)效應(yīng)模型?？紤]到中國幅員遼闊，各地區(qū)在區(qū)位、政策等方面的差異性較大，因此不僅控制了模型的省份固定效應(yīng)，而且進(jìn)行了異方差校正。表5報(bào)告了二階鄰接矩陣、地理距離矩陣以及經(jīng)濟(jì)距離矩陣的空間德賓模型(SDM)估計(jì)結(jié)果，并為了便于比較，還報(bào)告了普通OLS回歸結(jié)果。從表5回歸結(jié)果可知，使用不同權(quán)重矩陣得到的估計(jì)結(jié)果的系數(shù)比較一致，說明模型具有良好的穩(wěn)健性。

表5 基本回歸結(jié)果

注：(1)括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤，上標(biāo)*、**、***依次表示10%、5%、1%的顯著性水平。(2)限于篇幅，本文重點(diǎn)關(guān)注房價(jià)和工資的空間溢出效應(yīng)，未報(bào)告其他控制變量的空間溢出項(xiàng)，下表類同。

(三)實(shí)證結(jié)果分析

綜合比較表5回歸結(jié)果中的R2和LogL值，并考慮到收入水平是影響人口遷移的關(guān)鍵因素，以第(4)個(gè)回歸為基準(zhǔn)進(jìn)行分析。我們得到如下結(jié)論：

1.空間自回歸系數(shù)(δ)顯著為正，說明采用空間計(jì)量分析是必要的，同時(shí)也說明本省人口半城鎮(zhèn)化率上升導(dǎo)致周邊地區(qū)半城鎮(zhèn)化率也上升。這可能是農(nóng)業(yè)轉(zhuǎn)移人口在城市集聚產(chǎn)生空間擴(kuò)散效應(yīng)，帶動(dòng)周邊地區(qū)經(jīng)濟(jì)發(fā)展，從而促進(jìn)了周邊地區(qū)人口集聚。

3.本省工資增加導(dǎo)致人口半城鎮(zhèn)化率上升，并且存在顯著負(fù)的外溢效應(yīng)。工資(lnwage)的系數(shù)高度顯著為正，說明工資上漲也會(huì)推高半城鎮(zhèn)化率。工資上漲盡管可以提高農(nóng)業(yè)轉(zhuǎn)移人口的收入，有利于農(nóng)業(yè)轉(zhuǎn)移人口市民化，但是，工資上漲也增加了企業(yè)生產(chǎn)成本，并且可能吸引了更多的農(nóng)村人口進(jìn)入城市，從而導(dǎo)致半城鎮(zhèn)化率上升。顯然，如果遺留工資這一變量，就會(huì)高估房價(jià)對人口半城鎮(zhèn)化的影響。工資的溢出項(xiàng)(W*lnwage)顯著為負(fù)，說明本省工資增加，將會(huì)導(dǎo)致其他省份的人口半城鎮(zhèn)化率下降，其原因在于當(dāng)本省工資增加時(shí)，將會(huì)吸引其他省市勞動(dòng)力的流入，反之，工資減少，勞動(dòng)力就會(huì)流出本省市。

六、進(jìn)一步的分析

(一)機(jī)制檢驗(yàn)

1.檢驗(yàn)不同用途商品房價(jià)格的影響。商品房按用途可分為住宅、工業(yè)用房、商業(yè)營業(yè)用房、辦公樓。不同功能的商品房價(jià)格對人口半城鎮(zhèn)化的影響可能是不一樣的，為此需要進(jìn)行進(jìn)一步的檢驗(yàn)。分別利用住宅價(jià)格、工業(yè)用房價(jià)格、商業(yè)用房價(jià)格和辦公樓價(jià)格進(jìn)行回歸，得到回歸結(jié)果如表6。利用空間效應(yīng)分解公式進(jìn)一步分解發(fā)現(xiàn)，對人口半城鎮(zhèn)化影響最大的是住宅價(jià)格，住宅價(jià)格每上漲1個(gè)百分點(diǎn)，本地人口半城鎮(zhèn)化率上升0.070個(gè)百分點(diǎn)；其次是工業(yè)用房，工業(yè)用房價(jià)格上漲1個(gè)百分點(diǎn)，人口半城鎮(zhèn)化上升0.011個(gè)百分點(diǎn)；而商業(yè)用房和辦公樓價(jià)格影響不顯著。說明住宅價(jià)格和工業(yè)用房價(jià)格是推動(dòng)人口半城鎮(zhèn)化率上升的主要途徑。這種現(xiàn)象背后的原因在于住宅是居住的必需品，其價(jià)格上升直接導(dǎo)致農(nóng)業(yè)轉(zhuǎn)移人口購買能力不足，無法買房落戶；工業(yè)用房價(jià)格上升導(dǎo)致企業(yè)生產(chǎn)成本增加，進(jìn)而導(dǎo)致農(nóng)業(yè)轉(zhuǎn)移人口就業(yè)機(jī)會(huì)減少；而商業(yè)營業(yè)用房、辦公樓與農(nóng)業(yè)轉(zhuǎn)移人口的生產(chǎn)生活關(guān)系比較小，因而不是阻礙農(nóng)業(yè)轉(zhuǎn)移人口市民化的主要因素。

表6 機(jī)制檢驗(yàn)

注：括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤，上標(biāo)*、**、***依次表示10%、5%、1%的顯著性水平。

(二)房價(jià)對半城鎮(zhèn)化影響的時(shí)空差異

首先從時(shí)間維度來看，從表7回歸結(jié)果可知，在1999-2003年房價(jià)上漲較為平緩，房價(jià)(lnhp)的系數(shù)均不顯著；而在2004-2014年房價(jià)快速上升，全國房價(jià)系數(shù)顯著為正，說明房價(jià)上漲顯著推高了全國的半城鎮(zhèn)化率水平。其次，從區(qū)域角度來看，2004年后，東部房價(jià)每上漲1%，半城鎮(zhèn)化水平上升約0.070個(gè)百分點(diǎn)，但是對中西部地區(qū)影響不顯著，這可能是東部地區(qū)房價(jià)上漲迅猛，而中西部房價(jià)上漲較慢?；谝陨戏治?，可推知房價(jià)快速上漲的確抑制了農(nóng)業(yè)轉(zhuǎn)移人口市民化，推升了人口半城鎮(zhèn)化率。關(guān)于其他控制變量，與前文估計(jì)結(jié)果基本一致，限于篇幅，不再贅述。

表7 房價(jià)影響半城鎮(zhèn)化率的時(shí)空特征

注：括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤，上標(biāo)*、**、***依次表示10%、5%、1%的顯著性水平。

七、結(jié)論

近十多年來，中國人口半城鎮(zhèn)化率持續(xù)上升，針對這一現(xiàn)象，本文基于房價(jià)上漲的視角，從理論上分析了人口半城鎮(zhèn)化率上升的原因，并使用1999-2014年中國31個(gè)省市的面板數(shù)據(jù)，運(yùn)用空間探索性數(shù)據(jù)分析法(ESDA)和空間計(jì)量模型進(jìn)行了實(shí)證檢驗(yàn)。我們得到如下幾點(diǎn)發(fā)現(xiàn)：第一，中國人口半城鎮(zhèn)化具有顯著的空間異質(zhì)性和空間正自相關(guān)性，并且存在自西向東的空間集聚特征，說明運(yùn)用空間計(jì)量進(jìn)行分析具有必要性，同時(shí)利用不同的權(quán)重矩陣估計(jì)的結(jié)果表明計(jì)量模型具有穩(wěn)健性。第二，房價(jià)上漲顯著推升本省人口半城鎮(zhèn)化率，而對周邊省市影響不顯著。本省房價(jià)每上漲1%，本省人口半城鎮(zhèn)化率上升約0.077個(gè)百分點(diǎn)；其中，推升人口半城鎮(zhèn)化率的主要是住宅價(jià)格，其次是工業(yè)用房價(jià)格。而從時(shí)空維度來看，在1999-2003年房價(jià)上漲較為平緩，沒有對人口半城鎮(zhèn)化產(chǎn)生顯著影響；而在2004-2014年，房價(jià)快速上升顯著推高了半城鎮(zhèn)化率水平，而這一效應(yīng)在東部地區(qū)尤其明顯。第三，工資也是影響人口半城鎮(zhèn)化的重要因素，本省工資增加導(dǎo)致人口半城鎮(zhèn)化率上升，并且存在顯著負(fù)的空間外溢效應(yīng)。此外，對外開放程度、人力資本對本省人口半城鎮(zhèn)化有顯著負(fù)的影響，而財(cái)政自主度、戶籍制度改革有顯著正的影響。

人口半城鎮(zhèn)化率的上升意味著越來越多的農(nóng)業(yè)轉(zhuǎn)移人口尚未成為真正的市民，未能享受與城鎮(zhèn)居民同等的公共服務(wù)與社會(huì)福利，這容易激發(fā)社會(huì)矛盾，不利于城鎮(zhèn)化質(zhì)量的提升，也是與新型城鎮(zhèn)化背道而馳的。《國家新型城鎮(zhèn)化規(guī)劃(2014-2020年)》指出常住人口城鎮(zhèn)化率達(dá)到60%左右，戶籍人口城鎮(zhèn)化率達(dá)到45%左右，戶籍人口城鎮(zhèn)化率與常住人口城鎮(zhèn)化率差距縮小2個(gè)百分點(diǎn)左右。為實(shí)現(xiàn)這一目標(biāo)，從本文的研究結(jié)論來看，提出如下幾點(diǎn)建議：第一，需要增加住房供給，抑制房價(jià)的過快上升。這需要調(diào)整現(xiàn)有向中西部地區(qū)傾斜的土地供給政策，而應(yīng)把更多的土地供給指標(biāo)分配給東部，使土地供給與需求相匹配。第二，加強(qiáng)各區(qū)域在教育、醫(yī)療與社會(huì)保障等方面交流合作，促進(jìn)農(nóng)業(yè)轉(zhuǎn)移人口順利安家落戶。另外，人口半城鎮(zhèn)化具有明顯的空間集聚特征，因此應(yīng)該充分發(fā)揮農(nóng)業(yè)轉(zhuǎn)移人口集聚效應(yīng)，并防范不良影響。第三，深化戶籍制度改革，健全農(nóng)業(yè)轉(zhuǎn)移人口落戶制度。目前農(nóng)業(yè)轉(zhuǎn)移人口可以自由進(jìn)出城市，但是，對于農(nóng)業(yè)轉(zhuǎn)移人口來說，大城市落戶條件過于苛刻，也不利于發(fā)揮大城市的空間集聚效應(yīng)。第四，加強(qiáng)教育和職業(yè)培訓(xùn)，提升農(nóng)業(yè)轉(zhuǎn)移人口的人力資本。人力資本提升有利于農(nóng)業(yè)轉(zhuǎn)移人口增強(qiáng)市場競爭力，提升社會(huì)生產(chǎn)效率。

注釋

①數(shù)據(jù)來源于由國家發(fā)展和改革委員會(huì)組織編寫的《國家新型城鎮(zhèn)化報(bào)告2015》，2016年3月。

③本文若無特殊說明，房價(jià)即指商品房銷售價(jià)格。

④Cai， F. “Hukou System Reform and Unification of Rural-Urban Social Welfare.”China&WorldEconomy19，no.3(2011):33-48;國務(wù)院發(fā)展研究中心課題組:《農(nóng)民工市民化對擴(kuò)大內(nèi)需和經(jīng)濟(jì)增長的影響》，《經(jīng)濟(jì)研究》2010年第6期;李愛民:《中國半城鎮(zhèn)化研究》，《人口研究》2013年第4期。

⑤Chen, B.， M. Lu， and N. Zhong. “How Urban Segregation Distorts Chinese Migrants’ Consumption？.”WorldDevelopment， 70(2015):133-146．

⑥賀京同、郝身永:《怎樣才能使落腳城市人群更幸福？——基于CHIPS數(shù)據(jù)的實(shí)證分析》，《南開經(jīng)濟(jì)研究》2013年第6期。

⑦李敬、章錚:《民工家庭城市化經(jīng)濟(jì)條件分析》，《經(jīng)濟(jì)科學(xué)》2008年第3期。

⑧黃江泉、李曉敏:《農(nóng)民工進(jìn)城落戶的現(xiàn)實(shí)困境及政策選擇——一個(gè)人力資本分析視角》，《經(jīng)濟(jì)學(xué)家》2014年第5期;肖峰、吳玲:《論農(nóng)民工市民化內(nèi)生機(jī)制之構(gòu)建》，《學(xué)術(shù)交流》2015年第3期。

⑨劉傳江、程建林:《雙重“戶籍墻”對農(nóng)民工市民化的影響》，《經(jīng)濟(jì)學(xué)家》2009年第10期。

⑩Chan, K. W., and W. Buckingham. “Is China Abolishing the Hukou System？.”TheChinaQuarterly,195(2008):582-606．

責(zé)任編輯 張靜

Study of the Impact of Rising Housing Prices on Peri-urbanization

Peng Daiyan Wen Le

(School of Economics， Huazhong University of Science and Technology， Wuhan 430074)

Using the method of Exploratory Spatial Data Analysis (ESDA) and spatial econometric model with panel data of 31 provinces from 1999 to 2014， this paper analyses the spatial characters of peri-urbanization and the reason why the rate of peri-urbanization rises persistently. The results show that： (1) Chinese population peri-urbanization has significantly positive spatial correlation with the clustering characteristics of central-peripheral structure decreasing gradually from the East to the West. (2) Commodity housing prices significantly pushes up the rate of peri-urbanization in local province， which is increased by about 7.70% with housing prices rising for every one percent， but has no significant impact on the surrounding provinces and cities. (3) The rate of peri-urbanization is mainly driven by housing prices and industrial buildings’ price. The conclusion is that the fast rising of housing prices is not beneficial to the urbanization of rural-urban migrants.

housing prices； peri-urbanization； ESDA； spatial econometrics

2016-11-26

湖北省社會(huì)科學(xué)基金一般項(xiàng)目“偏向中西部的土地供給政策如何推升了房價(jià)”(2015198)

*文樂，通訊作者,wellerwen009@163.com.