城市化的经济学解释精选(九篇)
前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的城市化的经济学解释主题范文，仅供参考，欢迎阅读并收藏。
第1篇：城市化的经济学解释范文
关键词：卓越工程师；实践教学；材料成型；铸造
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）50-0200-02
卓越工程师教育培养计划，其核心目的是培养学生的工程实践能力和创新能力，尤其是工科类学生，成为创新能力强、能适应经济社会发展需要的高质量的工程技术人才。我国已是一个铸造大国，铸造企业虽然众多，但还不是一个铸造强国，急切需要大量铸造专业高水平工程人才，材料成型铸造方向是实践性要求非常高的专业，因此对铸造卓越工程师培养更是迫在眉睫。
一、实践教学现状
材料成型铸造方向是实践教学内容，一般包括有：课程实验、认识实习、生产实习、综合性实践及毕业（设计）论文等。在理论教学环节，各院校在课程教学体系设置上大相径庭，有些院校根据各地实际情况，还开设了特色课程。相对而言，在实践教学环节方面，各院校差异较大，教学水平和开设的实践环节课程等形式多种多样、参差不齐，教学效果差异较大，具体反映在学生的工程实践能力非常明显。针对卓越计划，面临着新的挑战，存在诸多共性的问题，主要表现在以下几方面：实验室的各种实验装备、仪器、材料等落后、缺乏，专业实验受到极大限制，生产实习难、质量不高、实践环节课大多由年轻教师承担、经验不足等问题，这些都严重影响实践教学效果，制约了学生创新实践能力的培养。
二、实践教学环节改进
多年来，各高等院校对铸造方向实践教学的内容、方法和手段等进行了多方面的改革。增强学生实践能力，提高实践教学效果，培养具有综合能力的应用型人才一直是大家关注的重点。针对铸造卓越工程师培养计划实践教学环节现状，可从以下方面改进。
（一）转变观念，加强对实践教学的重视程度
实验、实践是提高工科学生创新能力的主要方式。长期以来，不少领导和教师对实践教学重视不够，没有把实践教学和理论教学看成同等重要的地位，认为学校最重要的任务是理论知识传授，实践能力是学生在以后工厂、企业中培养的，学生实践能力的考核指标和方法不完善、不科学。提到实践教学，大都认为经费有限、困难重重。对于实践教学环节存在的问题进行分析，究其根源在于对实践教学的重视程度不够。从与学生的交流中看出，学生非常渴望在实践环节有更多的实践锻炼机会。现在就业形势严峻，用人单位非常在意学生是否有工作经验，而刚毕业的大学生很难说有多少工作经验，而实践环节的锻炼正是弥补了这方面的不足。实践教学环节中，教师的作用毋庸置疑，应积极鼓励广大教师想办法、出策略，激励教师参与实践教学的积极性，丰富和改进实践教手段。目前，诸多高校对教师的考核往往包括教学和科研任务，而大多教师认为科研考核是最为头痛的任务，学校过分看重于老师发表多少高水平学术论文、有多少科研经费，教师把大量的时间和精力都集中在这些方面，很难有功夫去重视、研究实践教学环节。
（二）充分利用现有的实验手段，挖掘潜力
目前，不少院校铸造专业方向实验室教学模式落后，内容陈旧，仪器设备落后。由于实验教学环节条件限制，只能进行一些简单的实验。各实验间相互独立，系统性较差。学生多人一组，按照实验指导书机械地完成，局限于传统的砂型铸造工艺进行实验，甚至还缺乏铸造实验的最基本手段，没有切合实际生产中的先进的铸造工艺、材料、设备等开展，这些都制约了学生对本专业知识和新工艺的认识和掌握。要开展好实践教学，除必须完善相应的必要的实验手段外，还必须与时俱进，要结合铸造工艺、熔炼的发展方向，结合一些新工艺，尽可能开展一些具有创新性的实验，将原来的单一、过于简单的实验进行整合、改进，可以分为铸造工艺、熔炼工艺两大模块开展；激发学生做实验的兴趣，调动学生的积极主动性，让学生有机会自己进行设计、构思实验，教师积极指导学生，给他们创造、提供必备的实践条件，从而培养学生的创新能力和实践能力。
（三）积极开展科技创新实践、技能实践等具有创造性的实践教学环节
在卓越计划下，材料成型专业普遍增加了科技创新实践和技能实践等实践教学内容，这固然对增强学生的工程实践能力很有利。创新学分可以通过参加学术讲座、大学生创新性实验项目、工程训练等活动或参与教师、企业的科研课题并等途径来获得。教师们一方面要创造条件，给学生提供动手实践的机会。通常教师课堂上一般会给学生布置一些课后作业，课后作业大多以书本中的作业习题为主，其实这种课后作业形式上可以改进，比如安排学生查阅学习相关文献资料、进行相关的设计任务、完成相关小论文，尤其是设计，还可以在实践环节中加以实施，并对结果进行综合分析。这样可以做到内容教学与设计同步，教学与实践并重进行。另一方面，可以在理论教学中邀请一些企业中有丰富经验的工程技术人员参与指导工作，铸造工艺设计是实践性很强的课程，理论设计与实际生产应用有较大差异，请现场工程技术人员讲述铸造工艺设计实例，有利于巩固和加深、完善学生的理论知识。
（四）巩固并扩大校内外实习基地，提高生产实习质量
生产实习是重要的实践教学环节，学生通过生产实习，让学生从课堂走入现场，真实地认识、理解本专业的实质，从而更好地掌握所学的专业知识。近年来，生产实习中，生产与教学之间的矛盾越来越突出，许多企业由于各种原因不太愿意接收大学生进工厂实习，给生产实习带来很大困难。由于铸造生产现场工艺过程的复杂、各工序设备繁多，生产现场环境条件相对较差。企业和学校往往更多地考虑学生们的安全，生产实习成了走过场，应付教学，很难深入到各个环节，进行细致了解，缺乏发现问题、解决问题的锻炼机会。要取得好的生产实习效果，建议采取如下一些措施。（1）加强与企业勾通。要求教师与企业良好勾通，选择有经验的教师带队，在切实做好安全防范措施的前提条件下，尽可能事先深入细致地了解现场，对生产实习现场做到心中有数。（2）尽量多地深入不同企业，让学生能更多地接触不同的生产企业。铸造专业的生产实习主要是在以铸造、机加工为主的企业进行。在一段时间内，一般都是集中在某一个厂或某几个车间，一般都是在一些以砂型铸造为主的企业中进行，铸造生产方式单一，许多先进的铸造方法根本看不到，也不能真正参与到企业生产实际中去，使得学生对生产实习缺乏积极性，出校门时满腔热情，回校时又神情沮丧。学生面临的就业单位多种多样，学生如能更多地深入现场，了解不同企业生产工艺，有利于拓展知识范围。（3）及时总结、提炼实习生产过程中问题。教师与学生能针对现场共同提出一些课题，让学生带回学校进行思考、进行分析讨论，增强学生分析和解决问题的能力，真正提高创新实践能力。（4）完善必要的实习考核机制和管理办法，让学生有紧迫感、有压力感，必须同理论课教学一样严格要求。
（五）狠抓毕业设计（论文），巩固专业培养效果
毕业设计（论文）环节是校内检验未来卓越工程技术人才综合素质的最后一次综合考试，是教学型大学增强实践教学水平的重要体现。当前铸造本科毕业设计中存在的共性问题：
1.对毕业设计的重要性认识不足，设计过程往往流于形式；
2.题目陈旧，不能适应新的发展；
3.学习投入不足。每年毕业设计时间往往和考研、找工作冲突。
要认真做好毕业设计的教育、动员和宣传工作，使教师和学生充分重视毕业设计在教学中的重要性和必要性；毕业题目要推陈出新，多从生产现场中提炼毕业题目，激发学生的创造性。同时要做到学生毕业设计过程监控和检查，许多学生以找工作为借口，对毕业设计重视程度不够，毕业设计态度不端正，不认真完成毕业设计，这些都是指导老师以特别重视的环节。
（六）提高教师实践教学水平，加强师生之间沟通协调
目前，不少院校专业实践课主要由青年教师担任，相对经验不足。要提高青年教师的工程实践能力，最好的办法就是让青年教师更多地进入相关企业，深入现场，加强锻炼，提高实践能力。另外，还应加大力度引进具有丰富工程背景的双师型专业教师，加强专业教师与校外交流，加快青年教师培养。同时，学校也可学习企业的经验，聘请一些具有丰富工程实践经验的工程技术人员和管理人员作为青年教师的指导老师，建立企业和高校的联系，这也有助于加强师生之间的联系，共同参与到实践教学活动之中。
（七）创造条件，积极吸纳学生参与科研和创新活动
学校尽可能给学生设立一些自主创新实验项目，举办学科竞赛活动等，为学生提供便利的实验条件，让学生感受到深厚的学习研究氛围。同时，老师们进行的各种各样的科研项目，也可积极地吸收学生参与，让他们了解科研活动的过程，参加设计、完成一些研究实验活动，这些都有利于激发学生进行科学研究的兴趣，提高他们的创新能力。
三、结束语
在卓越计划下培养材料成型及控制工程铸造方向的工程人才是一个长期过程，需要铸造教育工作者的共同努力，提高自身实践能力，积极探索，在实践教学环节采取切实可行的措施，提高毕业生的创新实践能力和工程实践能力。
参考文献：
[1]陈玉华.卓越工程师教育背景下《金属材料焊接》课程改革的探索[J].中国科教创新导刊，2011，（34）：233-235.
第2篇：城市化的经济学解释范文
关键词:城市化;经济增长;分位数回归
一、引言
城市化或称城镇化(Urbanization)是当今世界上重要的社会经济现象之一,是社会经济发展的必然趋势,是社会进步的一个重要标志。城市化水平的高低是衡量一个国家和地区经济发展水平和文明程度的重要标志,同时城市化水平的提高又是加快经济和社会发展的必要条件。面对新形势,为了能促进中国特色的城镇化的建设,一方面需要从理论上分析城市化和经济发展的关系,更好地发挥城市作为工业化载体的功能,掌握城市化如何带动内需,提升居民的消费结构和质量的原理,把握城市化如何影响居民的收入及其差距,城市化如何更好地通过协调产业结构来提高就业水平,优化就业结构;另一方面还要从数量上确定这些联系,定量地测算这些关系,找到合理的量的界限。广东改革开放30多年来,城市化发展迅速,城市化总体水平居全国前列,全省已形成两个人口规模超过500万的特大城市,其他大中城市29个,中心镇270多个,经济社会发展已进入城市时代。因此对于广东的城市化问题的研究显得尤为重要和紧迫,总结以往经验,探索未来的中国特色城镇化道路都具有重要的意义。我国城市化研究经过二十多年的努力也取得了卓著的成绩。国内学者立足于中国国情,从多个角度研究城市化与中国发展问题。为了克服普通最小二乘法存在的缺陷,本文拟采用分位数回归(quantileregression)方法来分析城市化对经济的影响。
二、分位数回归模型的建立及估计
分位数回归,也称为分量回归,最早是由Koenke和Bassett提出,并不断加以改进,分位数回归目标函数是一个加权的绝对离差和,估计的参数向量对于较外部或者边缘处的观察值并不敏感,这对于整体分布估计很有效。分位数回归藉由给定不同比例的Φ分位数值(0
由于模型的参数没有明确的公式解,Amstrong等人指出必须使用线性规划的技巧才能解上面的极小化问题以求得参数的估计值。
三、实证模型
(一)模型设定及其解释变量的选择
为了考察城市化对经济增长的影响,本文选取广东省的GDP作为经济增长的测度;对于解释变量城市化,本文采用城镇人口比重法。城镇人口比重法,就是用某一个国家或地区内的城镇人口占总人口的比重说明该国或地区的城市化水平。城镇人口聚居在城镇建成区,相对集中,密度大;而乡村人口散居在城镇建成区以外的广大乡村区域,相对分散、密度小。从城镇的发展看,人口城市化是经济发展推动人口向城镇的集中的过程。在这个过程中,既需要城镇经济的发展提供就业岗位,又需要农村经济的发展释放劳动力,两者共同作用实现人口城市化,它是社会经济发展的必然;城市化最直观的结果就是人口城市化。因此,在国际上通常采用城镇人口比重来衡量城市化发展水平。它较好地描述了城乡人口分布情况,反映了城市化的基本特征。
基于前面的描述,本文建立回归模型如下:
(二)实证结果
1、条件分位数回归估计系数的差异与变动分析
为了深入揭示在城市化对经济增长影响的变化,需要在经济增长的不同分位数水平进行条件分位数回归估计。本文在分位数的选取上取9分位数分别估计,这9个分位数(Quantile)分别是τ=0.10、0.20、0.30、0.40、0.50、0.60、0.70、0.80、0.90。 而分位数回归系数的标准差用自助法(bootstrap)求得9个分位数的结果,如表1所示。
基于上表可以发现,在上述的9个分位数水平上的条件分位数回归估计系数都是显著的,说明无论在哪个分位数水平上城市化都是对经济增长有显著影响的。而且当分位数水平超过50%时,条件分位数回归估计系数是逐渐增大的。通过比较三个四分位数下系数估计值是否相等的检验发现在中位数以下回归系数之间没有明显差异,但中位数与上四分位数比较时两者对应的回归系数在10%的显著性水平下还是有差异的。
2、分位数回归样本方程的比较分析
为了更好地反映广东省城市化对经济增长的影响,本文将条件均值回归直线,条件上四分位数回归直线,条件中位数回归直线,条件下四分位数回归直线画在同一个图中进行比较分析。
图1中直线代表条件均值回归直线,十字线代表条件中位数回归直线,菱形代表条件上四分位数回归直线,方形代表条件下四分位数回归直线。从图1中可以发现条件上四分位数回归直线在最上面,条件下四分位数回归直线在最下面,均值和中位数回归直线在中间,这与预期的是一致的,但从图中也可以发现,随着城市化水平的增高,条件均值回归直线与条件中位数回归直线相差越来越大,说明条件均值回归直线并不太适合说明城市化与经济增长的关系,可能受到大的极端值的影响,有可能过高地估计了城市化对经济增长的影响。
四、结论
条件中位数回归和条件均值回归的估计结果表现了一定的差异;与条件均值回归相比较,条件(多)分位数回归能够揭示更加深入全面的数据信息;利用1982-2007年广东省的数据,条件(多)分位数回归结果显示了一方面在经济增长的某个具体分位数水平,城市化发展对经济增长影响的大小都不相同,表现了解释变量作用的差异性,在经济增长的每个不同分位数水平,某个解释变量对经济增长影响的大小都不相同,表现了解释变量作用的波动性。这些基本结论对于制定广东省城市化发展战略的政策具有一定的参考意义。
参考文献:
1、傅晨.广东城市化发展战略[M].广东人民出版社,2006.
2、冯云廷.城市聚集经济[M].东北财经大学出版社,2001.
3、刘建平.全面建设小康社会的必由之路――广东城镇化进程研究[M].经济科学出版社,2006.
4、赖晓东,赖微微.分位数回归方法在资本结构影响因素分析中的应用[J].数理统计与管理,2008(3).
5、吴拥政,陆峰.区域金融发展与经济增长的实证分析――基于中国地级市区数据与分位数回归方法[J].区域金融研究,2009(3).
第3篇：城市化的经济学解释范文
关键词：碳排放；经济增长；空间效应；空间滞后模型；空间误差模型
中图分类号：F061.5 文献标识码：A 文章编号：1004-1494（2013）01-0040-06
一、引言
20世纪90年代以来，世界经济迅猛发展，能源需求量逐年增加。能源消费所导致的二氧化碳排放在人为温室气体排放总量中占有绝对优势。碳排放问题正日益受到国际社会的广泛关注，对其测算及影响因素问题，国内外很多学者从不同角度、应用不同方法进行了大量实证研究。国内碳排放研究方面，宋德勇等用“两阶段”LMDI方法，从全国层面将一次性能源消费产生的二氧化碳排放相关影响因素分解并进行了周期性波动研究［1］。李国志等利用状态空间模型构造可变参数数据模型，分析了出口贸易结构对二氧化碳排放的影响［2］。胡初枝等通过经验数据对江苏区域碳排放进行估算，分析了苏南、苏中、苏北三大区域产业结构的碳排放效应差异［3］。马军杰等测算了1990年—2006年我国省域一次能源CO2排放量并对其影响因素进行了空间计量经济分析［4］。姚亮等采用结构分解分析（SDA）方法对影响居民消费碳排放量变化的驱动因素进行了分析［5］。可见，现有关于碳排放的研究多以传统的时间序列数据分析为基础，主要集中在测算碳排放量及其因素分解方面，忽略了截面数据包含的空间效应。事实上，在多区域的经济和环境系统中，一个区域由于能源消费导致的碳排放行为不仅受该地区内部决定因素的影响，而且越来越多地受到周边地区碳排放量的关联作用，区域之间的能源消费及碳排放活动呈现出明显的空间自相关性［4］。可见，在理论和实证研究中忽略空间邻近效应，势必会影响传统OLS模型参数的无偏估计，导致研究结论的可靠性受到质疑。
为此，本文在考虑空间效应的前提下，利用“十一五”规划期间的碳排放数据，研究中国省域碳排放量的驱动因素，分析省域碳排放的空间依赖及邻近省域碳排放量的空间溢出效应，从而为国家和各省域制定节能减排政策提供决策支持依据。
二、省际碳排放的决定因素及理论假说
现有对碳排放决定因素模型的研究主要有EKC模型和IPAT模型。但是大多研究仅考虑了人口、经济发展、能源消费强度等因素的影响，忽略了技术创新和城市化因素的作用。根据有关经验研究，本文对IPAT模型进行改进，重点考虑人口、经济发展水平、能源消费强度、产业结构、技术创新及城市化等六个决定因素，使用空间计量经济模型研究其对中国省域碳排放量的作用。
1. 人口规模（POP）。中国作为人口大国，为满足广大人民群众日益提高的生活水平，刚性的能源消费需求必然会导致区域碳排放量的不断增大。因此，人口是影响碳减排压力的一个重要变量，本文预期其与碳排放之间呈正相关关系。
2. 经济发展水平（PGDP）。在经济快速发展的同时，也必然伴随着相应的能源消耗及其碳排放。本文选用人均GDP衡量一个地区的富裕度和经济发展水平，用以检验其对碳排放的影响。一般来说，区域经济发展水平越高，能源消费量相对越大，由此产生的碳排放量也就相应越多，二者之间应为正相关关系。
3. 能源消费强度（ENERGY）。能源消费强度定义为生产单位GDP所消耗的能源数量，能源强度越低，意味着能源利用效率越高。能源利用效率的不断提高，使得单位GDP所消耗的能源减少，从而减少碳排放量。因此，本文将能源消费强度纳入影响碳排放的驱动因素之一，并预计两者呈正相关关系。
4. 产业结构（STRU）。经济增长方式的转变同样影响着能源消耗和碳排放量的大小。长期以来，中国经济增长方式粗放，直接影响以煤碳为主的能效的提高，使得碳排放增长的态势难以遏制。实现经济方式由粗放式向集约式的转变是减少碳排放的必然选择。本文以第二产业与第三产业产值之比刻画产业结构对碳排放的作用。鉴于我国目前正处于产业结构转型过程中，预期其对碳排放的作用尚未充分发挥。
5. 城市化（URB）。近年来，中国城市化过程中的人口迁移对能源消耗和碳排放产生冲击，大规模城市基础设施和住房建设所需要的大量水泥与钢铁生产，导致高能耗高排放。城市化进程也是影响碳排放量的重要因素。本文选用城镇人口占总人口的比重衡量城市化［6］，初步预期其对碳排放产生正向作用。
6. 技术创新（RD）。中国每年巨大的能源消耗支撑着经济的快速增长，而经济迅速发展的同时，也带来了开发新技术新工艺的大量投入。但是，对于生产工艺和设备的引进，以及各种研发活动，到底对地区企业的节能减排产生了何种影响，目前的研究结果并不确定。本文选用各省域研究与试验发展（R&D）经费内部支出来衡量技术创新对碳排放的影响，其作用还有待检验。
三、模型设定与数据来源
（一）模型设定
基于以上解释变量，利用柯布—道格拉斯生产函数形式的双对数经验形式，建立如下碳排放影响因素模型：
（1）
其中，i表示30个省级地区，LnCARBON为被解释变量各地区碳排放量；LnPOP表示各地区人口数量；LnPGDP表示人均GDP；LnENERGY表示能源消费强度；LnSTRU表示第二产业产值占第三产业比重；LnURB表示城市化水平，LnRD表示技术创新。参数β分别反映了六个解释变量对被解释变量碳排放的影响。
假定模型（1）为没有考虑邻近地区空间效应的碳排放影响因素模型，可用OLS方法估计。但是，如果地区碳排放存在着空间自相关性，则有必要采用纳入了空间相关性效应的空间滞后模型、空间误差模型等空间计量经济模型。
空间滞后模型（Spatial Lag Model，SLM）主要探讨地区碳排放变量是否存在邻近地区碳排放溢出效应的情况。其模型表达式为：
（2）
式中，WlnCARBON为空间滞后被解释变量，反映邻近地区的碳排放对区域碳排放行为的作用大小和程度；ρ为空间滞后回归系数；W为n×n阶的空间权值矩阵，w表示W中的元素，一般用空间邻接矩阵；ε为随机误差项向量。
当一些决定地区间碳排放的因素没有被考虑到解释变量中时，则需要采用空间误差模型（Spatial Error Model，SEM）。空间误差模型的形式为：
（3）
式中，ε为随机误差项向量，λ为n×1阶的被解释变量向量的空间误差系数，μ为正态分布的随机误差向量。参数λ为存在于扰动误差项之中的空间依赖变量，衡量相邻地区忽略的具有空间依赖性的碳排放被解释变量的误差冲击对地区碳排放的影响方向和程度。
（二）数据来源
实证研究中所用到的空间样本为除了外（缺少能源数据）的中国大陆30个省、自治区和直辖市（简称省域或地区）。作为我国国民经济和社会发展“十一五”规划的基数年份，2005年是中国经济发展的一个关键年份，国家致力于通过宏观调控促进经济增长方式转变，力图在结构调整方面取得实质性进展。本文重点考察2005年—2010年之间我国各省域碳排放的决定因素，所用数据来源于2006年—2011年的《中国统计年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》和《中国区域经济年鉴》，实证变量数据取算术平均数，以消除年度波动影响。在碳排放行为研究中的一个基础工作是测算各种类型能源消耗的碳排放系数。虽然国内外各种能源研究机构和相关学者对各类能源消耗的碳排放系数进行了测算研究，但是大家获得的结果略有差异。国际机构使用的碳排放系数据其所在国情况测算，直接用来计算中国能源消耗碳排放是有问题的。本文综合考察了国内外相关研究，最终确定采用国家发展和改革委员会能源研究所在《中国可持续发展能源暨碳排放情景分析》中推荐的碳排放系数：即煤炭的碳排放系数为0.7476、石油为0.5825、天然气为0.443。
四、实证估计与结果分析
为了描述中国30个省级地区碳排放量的空间分布情况，本文首先采用空间自相关的Moran’s I测算各省碳排放量是否存在聚群现象［4］。在做空间相关分析时，选择了常用的描述地区间邻近关系的一阶、二阶和三阶rook权值矩阵进行比较分析，最终再确定阶数。表1报告了三类rook权值矩阵的省际碳排放量空间自相关性的计算结果。
表1显示，基于rook一阶空间权值矩阵W1计算的30个省域碳排放的Moran’s I为0.2227，在0.19%的水平上显著，表明中国省域之间的碳排放量在空间分布上并非分散（随机）分布，具有明显的正自相关关系（空间依赖性），表现出某些省域碳排放量的相似值之间在空间上趋于集群的现象。同时计算发现，rook邻近从低阶到高阶，全域Moran’s I值逐阶下降，表明地区间碳排放量的空间相关性随着其空间距离的增大而衰减。由此，选择rook一阶空间权值矩阵符合现实，在研究区域碳排放问题时有必要考虑空间效应，否则得到的结果可能存在较大偏差。
表1 Moran’s I检验结果
注：表中W1为rook一阶空间权值矩阵，W2为rook二阶空间权值矩阵，W3为rook三阶空间权值矩阵。
由于全域Moran’s I有很大的局限性：如果一部分省域的碳排放增长存在正相关（溢出效应），而另一部分省域存在负相关（回流效应），二者将会抵消，则可能显示省域间的碳排放不存在空间相关性。此外，省际碳排放溢出与回流效应也未必局限于有共同边界的相邻省域间。因此，本文还进行了基于W1的空间关联局域指标LISA检验Moran散点图（略）分析，结果表明：位于第I象限的省域有黑龙江、内蒙古、辽宁、河北、山西、陕西、江苏、山东、河南和安徽，表现为高碳排放量的省域被高排放量的省域所包围（High—High，高—高集聚）；位于第II象限的省域有吉林、北京、天津、宁夏、重庆、江西、福建和广西，为低碳排放量的省域被高排放量的省域所包围（Low—High，低—高集聚）；位于第III象限的省域有新疆、甘肃、青海、贵州和云南，为低碳排放量的省域被低排放量的省域所包围（Low—Low，低—低集聚）；位于第IV象限的有广东、湖南和四川，为高碳排量的省域被低排放量的省域所包围（High—Low，高—低集聚）；其中上海跨越了第I、Ⅱ象限，海南跨越了第Ⅱ、IV象限，湖北和浙江同时跨越了第IV、I象限。显见，各省域碳排放量的空间集聚性非常明显，正向局域相关和集聚的典型特征非常显著，存在一个明显的空间趋同。省域碳排量在地理空间分布上呈非均衡，15个省域（50%）显示了相似的空间关联，其中10个（33.33%）的省域在第I象限（HH：高碳排放量—高空间滞后），5个（16.67%）的省域在第III象限（LL：低碳排放量—低空间滞后）。另外，对空间不稳定性和非典型区域偏离了全域正向空间自相关的省域识别结果显示：2005年—2010年平均来看，11个省域（36.67%）显示了非相似值的空间关联，其中8个省域在第Ⅱ象限（LH），3个省域在第IV象限（HL）。这表明各省域的碳排量行为的空间局域依赖性和差异性是同时存在的。
以上空间统计分析结果证明，中国省域碳排放量存在着较强的空间依赖性，有必要建立空间计量经济学模型来分析，将空间效应的省域碳排放量纳入影响因素。经典计量经济学模型假设空间是均质的，没有考虑到空间依赖效应，由于空间自相关性的存在，使得普通最小二乘估计无效，假若忽视空间自相关性，则可能无法得到稳健的回归结果。因此，需要建立空间计量经济学模型来克服OLS无法解决的空间依赖效应。为了与空间计量经济学模型的结果进行比对，本文先采用OLS进行估计，以显示空间计量经济模型估计结果的效果。
表2中六个解释变量的地区碳排放OLS估计结果显示，调整后的R2高达0.9193，模型的解释能力很强，F统计量为56.0299，通过了1%的方程显著性水平检验，因此模型的拟合程度很好。DW值为1.9197，表明模型残差不存在序列相关问题。变量的t检验结果显示，LnPOP、LnENERGY、LnPGDP均至少可通过0.28%显著性水平的检验，而LnSTRU、LnURB和LnRD均没有通过10%的显著性水平检验，表明这三个变量的作用不明显。进一步对解释变量的多重共线性检验发现，LnPGDP和LnUrban的方差膨胀因子（VIF）分别为12.9358和12.9453，大于10的临界值，表明这两个变量存在较高的共线性，不能同时进入回归模型，lnRD的VIF为9.7701，也存在一定程度的共线性。逐步回归分析获得的表2中三个解释变量的回归结果表明，当剔除不显著的LnSTRU、LnURB和LnRD三个变量后，VIF检验发现模型不存在共线性，而且三个解释变量的t统计量均至少能通过小于0.01%的变量显著性检验，因此三解释变量省域碳排放模型是更为可取的模型。
实际上，空间统计的Moran指数检验已经证明了我国30个省域的碳排放具有明显的空间自相关性，经典线性回归模型的OLS估计可能存在忽略空间效应的模型设定不当问题。为了进一步验证空间自相关性的存在，本文进行了省域碳排放的空间滞后和空间误差模型检验，结果如表3所示。
表3中的六个解释变量和三个解释变量模型Moran指数检验、两个拉格朗日乘数的空间依赖性检验结果显示：Moran指数（误差）检验证明经典回归OLS估计误差在4.98%和1.35%的显著性水平下具有显著的的空间依赖性（相关性）；区分内生空间滞后还是空间误差自相关的拉格朗日乘子滞后、误差及其稳健性检验表明：LMLAG和R-LMLAG分别在2.92%和3.78%、2.08%和2.37%的水平上较显著，而LMERR和R-LMERR则均不显著，显见空间滞后模型SLM应是更加恰当的模型形式。
最后，比较表2中的检验结果发现，空间滞后模型（SLM）中拟合优度的值（94.16%）、对数似然值LOGL（8.1831）都大于空间误差模型（SEM）和经典回归估计模型（OLS）的估计值，而SLM的AIC值（-0.3662）、SC值（10.8434）则均小于SEM和OLS的估计值。综合以上检验结果，SLM为最优模型。因此，本文以下的分析以SLM结果为主。表2中的三个解释变量省域碳排放模型的拉格朗日乘子误差和滞后及其稳健性检验显示，引入空间效应的模型较之OLS模型均有明显改善，SLM较之SEM是更为可取的模型形式，更好地反映了省域碳排放行为。
表2的空间计量分析结果显示，SLM的空间滞后估计参数ρ通过了1.22%和2.03%的显著性水平检验，表明省际碳排放存在空间集聚（回流）效应，即临近地区的碳排放量每增加1%，本地区碳排放量减少0.0782%和0.0618%；SEM的空间误差估计参数λ为0.4854和0.5250，通过了1.11%和0.40%的显著性水平检验，表明省际碳排放存在较强的空间依赖作用，忽略掉的一些因素如资源配置、劳动者素质、管理水平和市场化程度等也可能通过误差项对该地区碳排放产生着一定的作用。
最后，三解释变量模型估计结果显示：能源消费强度对省域碳排放的回归系数最大，为1.4433，表明在不考虑其他因素的情况下，地区能源消费强度每增加1%，碳排放总量平均增加1.4433%；其次是人均GDP的回归系数为1.1591，人均GDP每增加1%，碳排放量平均增加1.1591%；人口增长的回归系数为1.1088，人口每增加1%，碳排放量平均增加1.1088%；这三个决定因素的作用与理论预期一致。而城市化、产业结构及技术创新的回归系数均不显著，原因主要是：我国东中西部处于不同城市化发展阶段，“十一五”规划的宏观调控目标及经济增长方式转变对地区碳排放的作用还不够明显，各个地区的企业在生产和工艺环节方面还有待采用更为有效的节能减排技术，需要继续增强技术创新对消减地区碳排放的作用。
五、结论与启示
本文构建了省域碳排放量决定因素实证模型，对碳排放决定因素及其空间溢出效应进行了空间计量分析，得到如下主要结论及启示。
1. 中国30个省域相邻地区的碳排放行为普遍存在着正相关性，省域之间的碳排放行为存在空间集聚（回流）效应，制定省域碳排放政策时需要考虑碳排放行为的空间效应。
2. 能源消费强度是影响碳排放的最主要驱动因素。碳排放的实质是能源消耗，驱动中国经济增长的能源消费主要以煤炭为主。长期以来，低下的能源利用效率使得单位GDP的碳排放量较高。从长远利益考虑，中央及各级地方政府应在技术资金政策上鼓励新能源开发，实现节能减排，各省域要增加清洁能源如水能、风能、核能等的使用，各企业单位要提高能效、降低碳排放。
3. 人均GDP和人口规模的影响仅次于能源消费强度。虽然“十一五”期间的宏观调控与促进经济增长方式转变取得了一些成绩，但效果比较有限。提高经济增长质量和经济效益势在必行。同时，鉴于各省域人口总量增长惯性仍在持续，在继续严格执行计划生育政策的同时，提倡和鼓励居民理性消费、绿色消费，逐步促进城镇和农村居民消费向“绿色低碳”模式转变，构建资源节约型和环境友好型社会。
4. 产业结构对碳排放的影响不显著。1995年以来，我国大多数省域的产业结构变动并不大，第二产业比重基本上保持了小幅上升趋势，有些省域甚至出现了较大幅度下降（如北京、上海、云南）。优化产业结构，促进绿色产业发展是当下各省域实现产业升级的关键。各地方政府要淘汰高能耗、高污染的落后产业，大力发展高新技术产业和现代服务业，尤其是高产出低能耗的产业，如信息产业、生态旅游、新能源开发等，不断提高第三产业在国民经济中的比重，以降低能源消耗和碳排放量。
5. 城市化对碳排放的影响不显著。城市化既可能提升环境效率，也可能对环境产生负面影响。由于东部地区城市化水平较高，提升了第三产业、优化了产业结构，同时不完全竞争条件下的规模收益递增、人口和经济要素的集聚以及相应的知识、技术溢出，提高了整个东部地区的能源利用效率，减少了碳排放；中部地区还处于初级城市化阶段，建设项目主要集中在生活基础设施以及工业化基础设施方面，经济发展水平及能源利用效率相对较低，因而其城市化的提升反而带来了碳排放的增加；西部地区城市化进程缓慢，对碳排放的影响并不显著，导致全国省域城市化水平平均效应对碳排放的影响不显著。
6. 技术创新的作用不显著。由于技术创新虽然改善了能源效率而节约了能源，但技术创新同样促进了经济的快速发展，这又将导致对能源需求的增加，出现效率提高所节约的能源被因经济快速增长带来的额外能源消耗（部分地）抵消，即能源的回弹效应，最终导致各省域的研发投资对减少其碳排放数量的作用没有显现出来。为此，各省域的工业企业应该进一步加大清洁能源的研发资金投入，中央政府和各级地方政府要出台鼓励节能技术研发和推广的支持政策，重点提高节能减排投资的效率。
参考文献：
［1］宋德勇，卢忠宝.中国碳排放影响因素分解及其周期性波动研究［J］.中国人口·资源与环境，2009（3）：18-24.
［2］李国志，王群伟.中国出口贸易结构对二氧化碳排放的动态影响——基于变参数模型的实证分析［J］.国际贸易问题，2011（1）：82-89.
［3］胡初枝，黄贤金.区域产业结构变化的碳排放效应研究——以江苏省为例［C］.//中国地理学会2007年学术年会论文摘要集，2007：34-39.
［4］马军杰，陈震，尤建新.省域一次能源CO2排放的空间计量经济分析［J］.技术经济，2010（12）：62-67.
［5］姚亮，刘晶茹，王如松.中国城乡居民消费隐含的碳排放对比分析［J］.中国人口·资源与环境，2011（4）：25-29.
［6］林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略［J］.经济研究，2010（8）：66-78.
第4篇：城市化的经济学解释范文
【关键词】中原经济区建设 城镇化率 人均可支配收入 河南房地产价格
1998年我国实行住房商品化制度改革以来，房地产行业凭借其产业关联度高、产业带动能力强，对整体经济产生了双倍放大效应，并一度成为我国的支柱产业。我国实行土地使用制度市场化政策以来，房地产价格一路高歌。这一经济现象带动各行各业发展的同时，也产生了大量的房地产泡沫，如投资性需求的增加降低了普通居民的生活质量，直接影响到社会的稳定和发展，也使住房成为一个民生话题。就此，国家出台了多项房地产调控政策，加大对房地产价格宏观调控力度。就河南省而言，限购、二手房交易税和取消经济适用房等政策已然在中原区全面展开，但是如此强有力的宏观调控并没有压低中原区的房价。作为中原经济区建设最为核心的省份，河南地区在这样的经济背景下房价又会有怎样的波动呢？究竟哪些因素影响了河南省房地产价格呢？[1]
一、河南房地产发展现状分析
房地产是指建筑地块和建筑地块上以房屋为主的永久性建筑物及其衍生的权利。[2]房地产业由于其自己的特点即位置的固定性和不可移动性，在经济学中被划为不动产，在统计上被划分为第三产业。从购置土地到建造成不动产，少则数十万元，多则千万元，甚至数亿元。因此，房地产业是一个资金密集型行业。宏观经济政策也会影响到房地产投资热度。[3]
（一）宏观经济分析
中原经济区作为河南发展的大背景给了河南房地产业一个较大的舞台。“两不三新”的路子就是要靠着新型城镇化作为引领，实现城乡一体化统筹发展的道路。
首先，GDP的增长将影响房地产市场的发展。据发达国家经验，人均GDP处于800美元至8000美元时处在房产起飞和快速发展的时期。其中，3000美元是分水岭，此时社会对房地产产品和服务的需求膨胀，标志一国经济进入新的发展阶段。[4]数据显示，2011年我国人均GDP为5414美元。就区域而言，最高的上海与北京两市分别为13259.136美元和13114.27美元，而河南省的人均GDP是4602.96美元，不及平均水平，却处在国际经验中需求最为旺盛的阶段。这就意味着，当上海市和北京市等区域经济中房地产的支柱地位即将逐渐淡出之时，河南省地产业正如日中天一般蓬勃发展。
其次，城镇化建设对商品房产生刚性需求。根据世界主要工业化国家城市化进程来看，当工业化进入中期阶段或城镇化水平超过30%以后，城镇化进程将明显加快，直到超过70%，城镇化速度才会减缓。据统计，2011年我国城镇化率实现51.27%，居于高位的上海和北京早已超出70%的上限，分别达到城镇化率88.6%和85.0%，而位于中部地区的河南省城市化进程相对缓慢，只有40.6%，城镇化发展空间还有很大。伴随着中原经济区建设的逐步落实，河南已进入城镇化加速发展时期。由此我们可以预知未来一、二十年内，城镇化带来的住房需求也会相应增加。[5]
此外，人口成为房地产业的持续发展的另一个原因。从基数上看，河南人口总量大。从农业人口角度看，河南还是农业大省，农村人口占总人口的62.30%。据国家发展改革委员会统计，河南省共有农民工2670万，占河南全省总人口的34%。这样大的在城市打工的群体造就了河南省近几年的城市化快速发展和房地产业的刚性需求。[6]
综上所述，伴随着GDP和城镇化水平的提高，在河南这样的人口大省经济发展的过程中，房地产行业还将有一定的上升空间。
（二）微观经济分析
1.投资方面。房地产不但具有使用价值，而且具有价值。因此，它具有消费和投资双重属性。目前，就国内投资产品而言，房地产饱受投资者欢迎。因为房地产作为固定资产受到银行等金融机构的青睐，而且，其保值增值能力强，不但可以投资赚取差价，还可以租售获得收益。特别是近几年，温州炒房团的介入和土地资源稀缺性以及城市化进程使得住房的刚需和投资热情同时高涨。著名经济学家郎咸平先生认为，中国有四大类资金投入房地产市场：家庭存款、企业不投资资金、受贿款、国际热钱。这些资金大量涌入房地产市场后，拉升了中国房价。[7]河南省房地产年度投资占全社会全年固定资产投资比例逐年增大。年度投资总额由1994年49.61亿元发展到2011年2626.54亿元。房地产开发投资尤其是2004年以后，无论是房地产企业数还是房地产投资额都有了显著的增长。
2.销售方面。城市居民住宅刚性需求主要有三种类型：新婚型、改善型、享受型。无论是刚性需求还是投资性需求都使得房价快速上涨。销售量持续上涨，销售额和销售面积快速增加，这说明今年房地产需求逐年增加。就河南商品房销售额来看，由1994年的16.43亿元到2011年的2196.81亿元的快速增长，以及商品房销售面积由1994年的225.04万平方米到2011年的6275.16万平方米的发展，我们可以看到河南房地产需求还是很强劲的。
3.供给和需求同时增长。自1997年至2011年，河南省房屋竣工面积和商品房销售面积都呈现上升趋势。据调查，中国平均每户拥有1.2套住房，但是，中国住房问题主要是分配不均匀而非总量供给不足。从总量上看，河南省房屋竣工面积增长速度高于商品房销售面积的增长。这说明河南省房地产投资出现过热现象，也就解释了为什么河南省出现“鬼城”等空置率高的问题。但是由于河南省正在加快城市化的脚步，鉴于土地稀缺性和人口城市化等概念的加深，开发商对市场的预测仍然看涨。由此得知，河南省房地产价格仍然处在价格波动曲线的上升阶段。
综上所述，河南省房地产自1994年以来，尤其是2004年之后，一直处于较快发展的态势。总量上的增长体现在两个方面：投资和消费。由图显示，河南省房地产业投资总额和销售状况都在增长，供需曲线整体向右上方平移。
（三）房地产价格的经济影响因素
房地产是一种特殊的商品，它具有消费和投资双重属性。影响我国房地产的经济因素主要有国内生产总值、人均可支配收入、城市化率和房屋造价等。
1.国内生产总值与房地产价格的关系。国内生产总值是国民经济核算的核心指标，也是衡量一个国家或地区经济状况和发展水平的重要指标。而宏观经济发展状况与房地产行业的发展是双向影响的。如果宏观经济不景气也就是GDP指数下降的话，三大产业所涉及的领域都将受到影响。金融不景气，企业合并或破产较多，人均收入减少，人们对市场看跌，这样需求就会减少，相对而言存量住房就会增加，房地产供求矛盾结构性失衡导致房地产价格下降。而当宏观经济高速发展的时候，必然伴随着居民收入的增加和投资需求的增加。人民对市场信心增强必然会出现供销两旺的态势，此时，房地产价格也会上升。[8]
2.人均可支配收入。人均可支配收入被认为是消费开支的最重要决定性因素，常被用来衡量一国居民生活水平的变化情况。而居民人均可支配收入和房地产价格之间也存在一种紧密关系。在全国房地产开发投资额不变的前提下，城镇居民家庭人均可支配收入每增加100元，全国房屋销售价格指数就可以提高0.7813个百分点。此外，居民可支配收入主要用于消费和投资两部分。鉴于房地产具有双重属性，因此，人均可支配收入越多，人们进行投资和消费的欲望和能力就越强。房屋相对于其他商品来说，保值增值性强，这种特点导致人们用大量的资金进行投资，促使房屋价格因供求关系影响而上升。理论上该变量和房价存在正相关性。
3.城市化率。城镇化率又称城市化度，一般采用人口统计学指标，即城镇人口占总人口的比重。它是一个国家或地区经济发展的重要标志，也是衡量一个国家或地区社会组织程度和管理水平的重要指标。中原经济区建设要探索出一条“三化”协调科学发展的路子，以城镇化为引领，势必会增加城市住房需求。理论上认为，城市化率与房价呈正相关。
4.房屋造价对房地产价格的影响。工程造价、土地价格再加上其他经营销售成本等构成了房屋的造价，房屋的造价直接影响了商品住房的成本。因此，理论上该变量和商品住房的价格呈正相关。
二、实证分析：以河南省为例
（一）研究对象的选取
本文选取河南省历年商品房数据进行相关因素分析，以历年河南省商品房价格作为被解释变量，选用城市化率，人均可支配收入、房屋造价等三个方面做解释变量对被解释变量进行拟合，以期求得拟合优度。[9]
（二）模型的建立
对解释变量进行设定：城镇化率（X1），人均可支配收入（X2），竣工房屋造价（X3），随机误差项（u）。对房价的影响因素还有很多，这里就把其他的影响因素纳入随机误差项u。
对被解释变量进行设定：历年商品房均价（Y）。这项数据是用河南省历年商品房销售总额除以历年商品房竣工面积所得。
根据以上分析，设定经济计量模型如下：
对于给定的α=0.05，对方程中各个变量的T统计量和P值进行检验，X1和X2通过检验，再对模型进行多重共线性检验、异方差检验、自相关性检验，都通过了检验。方程的拟合优度R2=0.940147，修正后的拟合很好，可信性高。而且X1和X2的系数为正数，说明这两个变量与房屋价格呈现出正相关的关系，这与我们之前的理论也符合，符合经济意义。
三、结果分析与政策建议
通过对模型的建立和分析，我们了解了对于房屋价格起决定因素的两个变量，基于计量经济模型的结果与分析，本文有针对性地提出如下政策建议：
首先，注重城镇化过程中土地供应量的问题。伴随着中原经济区的规划上升为国家战略，三化协调城镇化作为引领对房价起到了决定性的作用。由此得知，河南省房价还将有持续走高的趋势。因此，我们在统筹城乡建设用地的过程中要稳定土地的供应量，降低土地的购置成本。房价的上涨很大程度上取决于预期，如何使人们对房价有稳定的心理预期，避免房地产市场泡沫的出现才是政府调控市场的目标。政府可以在城镇化过程中保证土地供应量和土地购置费长期处在一个合理的水平，这样才能起到宏观调控的作用。
其次，投资方式多元化。伴随着经济的不断发展，人们的可支配收入会不断地上涨，而且由于银行的存贷款利率较低，居民存钱意愿较弱。迫使大量资金流向高投入、高风险、高回报的房产行业，推高了整个河南省的房价。因此，大力发展实业和股票、保险、债券市场，促进投资多元化，减少资金流入房地产市场才是釜底抽薪的方法。
最后，增加保障房供给，保证社会公平。城市化过程必定带来大量的农村人口进城，这样住房需求随之增加。再加上河南省本来就是农业和人口大省，城市化过程只能摸着石头过河。这样，加大保障房建设，重视竣工量而非开工量成为解决供求问题的重要手段。
参考文献
[1]林文高.房地产价格影响因素分析：广东佛山数据检验[J].南方金融，2012（3）.
[2]曹振良.房地产经济学通论[M].北京：北京大学出版社2003.6.
[3]李晶淼.关于我国房地产现状的研究[J].新财经（理论版）2012（3）.
[4]李晓峰.房地产依然是河南经济发展的支柱产业[J].中州建设，2011（2）.
[5]从中部各省实证比较看河南经济发展情况[DB].中华人民共和国国家统计局.2003
[6]邱磊、张浩.人口为指标衡量河南省城镇化水平[J].新乡学院学报（社会科学版），2010，24（6）.
[7]权亚营.关于房地产项目投资决策分析[J].商情，2012（12）.
[8]刘晶哗.房地产价格影响因素探讨[J].东方企业文化，2012（20）.
[9]车树毅.浅谈影响中国房价的影响因素分析[J].科技信息 2010（18）.
[10]唐莉.影响房价变动的计量经济学分析[J].广东技术师范学院学报（自然科学）2011年第3期.
[11]张蕊、许蕾.我国房地产价格周期波动及其影响因素的实证研究[J].统计研究2012年
第5篇：城市化的经济学解释范文
关键词：经济集聚；经济增长；空间计量模型
中图分类号：F061.5 文献标识码：A 文章编号：1005-0892(2010)09-0014-08
一、引言及文献综述
纵观世界经济的发展历史，经济的空间集聚是一种普遍存在的现象，正如克鲁格曼所言：“经济活动最突出的地理特征是什么?一个简短的回答肯定是集中”。与经济的空间集聚相伴而生的是区域经济增长的非均衡化以及地区差距的扩大。作为中国经济增长最快、最具活力的省区之一，江苏省内部表现出很强的经济集聚趋势，同时一直受到经济发展不平衡问题的困扰，地区间差距在最近20年迅速扩大。集聚是否是导致地区经济增长差异的重要因素?本文拟对这一问题进行实证研究。
长久以来，经济增长与经济集聚的研究几乎互不相关。然而，现实表明，经济活动的空间聚集与经济增长是很难被分割的两个过程。20世纪90年代后期，一些新经济地理学领域内的学者开始尝试整合新经济地理学与新增长理论，在统一的理论框架下探讨集聚与增长之间的相互作用，其中开创性的工作包括Martin和Ottaviano(1999)、Baldwin(1999)、Baldwin和Forslid(2000)以及Baldwin等(2001)。他们通过强调技术外溢和空间集聚的相互作用，为解释经济集聚和经济增长之间的内在联系提供了一个非常清晰和简明的理论分析框架。Fujita和Thisse(2003)在此基础上通过改进研发部门的生产函数和熟练工人的动态迁移过程，给出了一个数学分析更加容易、分析结果更加具体的整合模型。Dupont(2007)也在集聚与内生增长的框架下，分析了经济一体化过程对区域差异和不平等的影响。他们的研究表明：集聚对于整体的经济增长是有利的，地理位置会影响到经济增长。
伴随着理论研究的深入，经济学家开始针对经济集聚与经济增长之间的关系展开实证研究。许多研究验证了集聚的增长促进效应。如Ciccone(2002)使用5个欧洲国家NUTS第3级地区的数据分析了就业密度对于平均劳动生产率的影响，发现制造业与服务业活动的集聚的确对区域经济的增长具有正面效应。Henderson(2003)使用70个国家1960-1990年的面板数据，发现城市首位度(一国最大城市份额)在低收入国家有利于经济增长。[SlCrozet和Koenig(2007)使用EU地区1980-2000年的数据，探讨了区域内经济活动空间集中对增长绩效的影响，发现生产活动的内部空间分布越不平衡的地区增长越快。但也有部分研究得出了与理论预测相反的结论，如Sbergami(2002)使用6个欧盟成员国1984～1995年的跨国面板数据对经济增长率和经济集聚相互关系进行实证检验，研究结果发现。高技术行业、中等技术和低技术行业的集聚对于经济增长率的影响都是负面的。㈣更为复杂的是，空间集聚对经济增长的影响可能是非线性的，在发展的早期阶段，集聚促进增长；但当达到某个收入水平后，集聚对经济增长就没有作用，甚至有害于经济增长。这一假说得到了Brulhart和Sbergami(2009)的验证，他们利用跨部门OLS和动态面板GMM估计方法研究了一国经济活动的空间集聚对国家层面增长的影响，发现只在经济发展的某一水平集聚才能推动GDP增长，关键水平约为人均10000美元。
针对中国的经济集聚与经济增长问题，范剑勇(2004)认为，中国现阶段仍处于“产业高集聚、地区低专业化”的状况，国内市场一体化水平总体上仍较低，且滞后于对外的一体化水平，这一现状使得制造业集中于东部沿海地区，无法向中部地区转移，进而推动地区差距不断扩大。㈣张艳、刘亮(2007)运用工具变量法，基于中国城市的面板数据实证检验了经济集聚对于城市人均实际GDP的影响，结果发现，经济集聚具有内生性，它对于城市经济增长具有显著的促进作用。张卉、詹宇波、周凯(2007)构造了产业间集聚指数和产业内集聚指数，并以此作为解释变量实证检验了中国产业集聚与劳动生产率和经济增长的内在关系。他们的研究发现，产业内集聚和产业间集聚都对中国经济增长存在显著影响。吴利学、傅晓霞(2008)以规模报酬递增为基础构建了一个包含集聚经济的生产函数，分析了城市化和市场化对中国各地区集聚经济效应的影响，他们的实证研究发现，中国各地区集聚经济效应显著，且集聚经济效应在地区经济增长中作用明显。马君潞、郭威(2007)通过对我国分省面板数据的实证分析表明，提升一个地区吸引外商直接投资的能力很大程度上取决于该地区的集聚经济环境，因此，积累集聚经济优势是吸引外资、促进区域经济增长的途径之一。
在这些实证分析中，虽然有的研究也考虑到了不同地区差异的影响并以地区虚拟变量来衡量，但从本质上看，区域总是被当成一个独立的个体进行分析，区域间潜在的相互影响往往被忽略。事实上，任何一个地区的经济都不可能独立存在，它总是与其他经济体存在着千丝万缕的联系。但在多数研究中，这一观点都还没有被正式引入模型进行实证分析。
空间计量经济学是在横截面或面板数据中研究经济单位的空间相互作用，近年来越来越受到学术界的关注。一些学者开始运用空间计量方法，明确将地理空间因素考虑到经济集聚与经济增长的实证研究中去。Ying(2003)采用1978～1998年的省级横截面数据，从空间经济学的视角研究了中国经济增长问题，并指出中国区域经济增长的来源主要是非农业劳动力增长率、制造业产出、资本积累和实际的外商直接投资。林光平、龙志和及吴梅(2005)采用空间计量经济方法，研究我国28个省(市、区)1978～2002年间人均GDP的卢收敛情况，认为随着经济体制改革的深入，地区间的空间相关性对各地区经济增长的作用越来越大，我国地区间经济存在收敛性，但是它的估计值表现出增大的趋势。”吴玉鸣(2007)运用空间计量经济学模型，对2000年中国2030个县域的增长集聚与差异进行了空间计量分析，结果表明，中国县域经济增长不仅与人力资本、城市化、工业化、信息化等因素密切相关，而且与相邻县域的经济增长之间存在一定的空间依赖性。㈣符淼(2009)采用空间计量分析方法对技术传播的空间模式进行了实证研究，发现技术和经济活动都存在局部集聚，技术集聚度高于经济集聚，且两者的集聚度随时间增强，地理分布高度一致。随地理距离快速下降的技术溢出效应是导致局部集聚和东西部发展不均衡问题的原因之一。
针对江苏经济表现出来的空间集聚现象与地区差距问题，本文拟采用空间计量经济模型，对江苏
省县域经济集聚与经济增长的关系进行实证检验。
二、江苏省县域经济活动的空间相关性
首先，画出江苏省2007年县域人均GDP的空间分布四分图(图1)。按照人均GDP的大小，65个县域被平均分为4组，以颜色的深浅代表相应县域的人均GDP的大小。由图1可见，江苏省县域层次的经济活动在地理分布上是极不均衡的，呈现出苏南一苏中一苏北梯度递减模式。并且邻近区域的经济指标水平基本相近，具有明显的集聚特征。
接着，通过计算县域人均GDP的Morans I指数对其空间相关性进行检验。Moran's I是最常用的检验空间自相关性的统计指标。利用GeoDa 0.9.5软件，得出Moran's I=0.7445，在0.1％的概率上显著，表明江苏省县域经济的分布的确存在明显的空间相关性。
进一步，作出江苏省2007年县域人均GDP空间自相关聚类图(图2)，图中Higll High部分表示人均GDP高的地区被人均GDP高的地区所包围，Low-Low部分表示人均GDP低的地区被人均GDP低的地区所包围。这种分布显示出江苏省县域经济之间存在着正的空间自相关性，形成了某种空间“俱乐部”现象。人均GDP水平较高的县域(H-H地区)集中分布在苏南地区，而人均GDP水平较低的县域(L-L地区)则分布在苏北地区，地区之间经济增长差异显著。
由此可见，我们观测到的截面区域之间在地理上是一些明显具有空间依赖性的经济实体，误差项独立的假设在统计上被拒绝了，也就是说，OLS估计的结果是不可信的。因此，这里将地理空间维度引入研究中来，采用空间计量经济学模型来估计经济集聚对经济增长的影响是十分有必要的。
三、变量选取、数据来源与模型设定
(一)变量选取与数据来源
本文关心的问题是经济集聚是否会促进经济增长，因此，在进行实证检验时，需要对经济增长和经济集聚分别进行度量。本文选取人均GDP的自然对数来衡量县域经济的增长。由于各地区在人口和面积方面相差很大，因此选取人均GDP为测度指标来衡量地区经济发展差异，具有一定的客观性。关于经济集聚，本文选取第二产业区位熵、第三产业区位熵和城市化三个指标来衡量经济集聚的程度。i地区i产业的区位熵定义如下：其中：Eij表示j地区i产业的产值，∑iEij表示i产业在整个区域的总产值，∑jEij表示j地区的总产值，∑i∑jEij表示整个区域的总产值。因此，该指标的分子是j地区的i产业占整个区域该产业总产值的份额，分母是j地区的总产值占整个区域总产值的份额，通过两者的比来评价i产业在j地区的集聚程度。区位熵小于1说明该产业的集聚化水平比较低，区位熵等于或大于1说明该产业的集聚化水平较高。区位熵越大，说明该地区的这一产业在整个区域范围内的集聚程度越高。
本文中令i=1，2，3，分别表示三次产业；j=1，2，…，65，分别表示江苏省65个县域。因此，LQ1、LQ2和LQ3(这里省略了下标)分别表示江苏省每个县域第一、二、三产业的区位熵，度量了三次产业在该地区的集聚程度。由于经济的集聚主要体现在第二产业和第三产业，所以选择第二产业区位熵和第三产业区位熵作为衡量经济集聚程度的两个解释变量。
此外，城市的出现也是经济集聚的一种表现。经济学家长久以来一直强调城市在经济增长中的作用，更准确地讲，城市己被看成一种主要的社会制度。城市化是一个国家、地区社会经济发展尺度的体现，城市化不但表现为人口向城镇聚集和非农人口上升，还表现为人们生产与生活方式、社会结构、价值观念由农村向城市文明升级转化的过程。因此，本文希望就城市化与经济增长之间的关系进行实证检验，这里用非乡村人口在总人口中的比重来衡量各地区城市化的程度。本文采用2007年江苏省65个县级行政区域的横截面数据，所有统计资料均来自《江苏统计年鉴(2008)》。
(二)模型设定
1 经典线性回归模型
基于以上考虑，本文首先构建经典线性回归模型如下：
lnPGDP=β0+β1LQ2β2LQ3+β3URBAN+ε (1)
其中，PGDP表示县域人均GDP水平，是本文的被解释变量，LQ2和LQ3分别表示第二产业和第三产业区位熵指标，URBAⅣ是城市化指标，三者用来表示经济集聚，是本文关心的解释变量。
2 空间计量经济模型
针对经典线性回归模型(1)，可以通过两种不同方式引入空间依赖性。相应地，空间计量模型有两种设定形式：
第一，空间滞后模型(SLM)，在解释变量中增加一个空间滞后变量，模型的形式为：
InPGDP=β0+ρW_PGDP+β1LQ2+P2LQ3+β3URBAN+ε (2)其中：W是空间权重矩阵；W_PGDP是空间滞后变量，定义为W_PGDG=WlnPGDP；P是空间自回归系数；ε是误差项；其他变量的含义与原来相同。
第二，空间误差模型(SEM)，通过误差项引入空间相关性，即假设误差项是空间相关的。如果误差项是一个空间自回归过程，则模型具体形式如下：
lnPGDP=β0+β1LQ2+β2LQ3+β3URBAN+ε，ε=AWε+u (3)其中：λ是空间误差自回归系数，Wε是空间滞后误差项。
3 空间计量模型的选择
Anselin(2005)提出，可以根据拉格朗日乘子LM-Iag和LM-Error，以及相应的稳健性拉格朗日乘子Robust LM-Lag和Robust LM-Error，在两种空间计量模型之间进行选择。首先判断LM-Lag和LM-Error的显著性，如果两者中只有一个是显著的，那么就选择相对应的模型，即如果LM-Lag显著就用空间滞后模型，LM-Error显著就用空间误差模型。如果两者都显著，则需进一步比较Robust LM-Lag和Robust LM-Error的显著性，选择Robust指标中更显著的那一种模型。是选择空间滞后模型还是空间误差模型，下文中根据判别指标的具体情况而定。
四、实证检验与结果分析
为了进行比较，首先给出经典线性回归模型的OLS估计结果，见表1。由表1的检验结果可以看出，OLS估计的F统计量达到117.193，模型整体上非常显著。拟合优度为0，8521，说明拟合程度一般，可能与忽略了空间依赖性有关。LQ2、LQ3和URBAN系数的符号都与预期一致，均为正；LQ2、LQ3在1％的水平上显著，URBAN在5％的水平上显著。自然对数似然函数值(Log likelihood)、赤池信息准则(AIC)和施瓦茨准则(SC)作为衡量模型拟合优度的指标，在下文中与空间计量模型的估计结果进行比较。
接下来，采用GeoDa 0.9.5软件对OLS估计的残差进行空间依赖性检验。这里使用的江苏省县域地图数据来自中国分县行政区划界线数字化地图，①空间权重矩阵采用的是一阶Rook邻接矩阵。检验结果见表2。表2显示，Moran's I指数在1％的概率上显著，说明OLS估计的残差存在明显的空间
自相关性，经典线性回归模型可能存在模型设定不恰当的问题。因此，这里采用OLS估计是不合适的，需要将截面单元之间的空间相关性引入模型中。具体是采用空间滞后模型还是空间误差模型，可以根据拉格朗日乘子检验的结果来决定。由于LM-Lag和LM-Error都在1％的水平上显著，因此需要进一步比较Robust LM-Lag和Robust LM-Error。Robust LM-Lag在1％的水平上显著，而RobustLM-Error在10％的水平上显著，相比之下，Robust LM-Lag的显著性更强。因此，根据上文中提到的标准，选择空间滞后模型(2)更为合适。空间计量模型如果仍采用最小二乘法估计，系数估计值会有偏或者无效。这里用极大似然法(ML)进行估计。结果见表3。
首先，通过似然比检验比较原模型(不考虑空间因素的经典回归模型)与各择模型(空间滞后模型)空间自相关系数的渐进显著性。表3中SLM模型的LR值为25.4468，在1％的水平上显著，再次证明该模型中空间依赖性的存在。进一步，三个经典检验是渐进一致的，但在有限样本中，应该满足Wald>LR>LM。本文中，Wald值为28.4089，LR值为25.4468，LM-lag值为24.3492，与预期的顺序一致，说明SLM模型符合ML估计的渐进性质，模型的设定是比较合理的。
其次，根据Log likelihood、AIC和SC比较SLM模型和经典线性模型OLS估计的拟合优度。Loglikelihood越大，模型的拟合效果越好。而AIC和SC则相反，值越小，表示拟合效果越好。由表3可见，SLM模型的Log likelihood值为-1.3229，大于OLS估计的Log likelihood值-14.0463，SLM模型的Akaike值和Sehwarz值都小于OLS估计的相应值，说明SLM模型的拟合程度优于原经典回归模型，引入空间效应使模型的解释力有了明显增强。
最后，对SLM模型估计的系数进行分析。空间滞后变量WLNPGDP的空间自回归系数在1％的水平上显著，表明县域人均GDP增长在地理空间的邻接上表现出了较强的溢出效应。县域经济增长集聚的空间相互作用或影响的途径可以通过邻接地区而相互传递。三个衡量经济集聚的解释变量LQ2、LQ3和URBAN的符号均为正，与我们的预期一致，且均在1％的水平上显著，这一结果支持了经济集聚对于经济增长具有促进作用的结论。具体而言，LQ2的回归系数为2.3931，说明第二产业的区位熵增加1，在保持其他条件不变的情况下，将使县域人均GDP增加约2.39％；LQ3的回归系数为1.7357，说明第三产业的区位熵增加1，在保持其他条件不变的情况下，将使县域人均GDP增加约1.74％。LQ2和LQ3的系数比OLS估计中两者的系数均有所降低，说明OLS的估计结果可能存在向上偏误。URBAN的回归系数为0.0105，说明非乡村人口在总人口中的比重增加1％，则县域人均GDP可以增加约0.01％。与OLS估计结果相比，城市化指标的显著性有了明显提高(P值由0.0439降低到了0.0031)。总体看来，第二产业的集聚对于区域经济增长的影响最为明显。
五、结论及政策含义
(一)主要结论
1 江苏省县域经济具有显著的空间依赖性，邻近区域的经济增长相互影响，但这种影响以回浪效应为主，扩散效应不足，因此导致苏南苏北地区经济差距加大。由于地理区位、经济基础、经济结构、发展政策等方面所具有的优势，苏南地区集聚了大量资本、技术和人才，具有规模经济效益，自身增长迅速，成为江苏地区的“增长极”。政府希望通过增长极地区的优先增长带动周边更多地区的经济发展，发挥增长极的扩散效应。然而事实上，至少到目前为止，该增长极体现出的回浪效应――即吸引其他地方的资本、人才和技术，削弱周边地区的经济增长实力――远大于其扩散效应，从而导致发达区域更发达，落后区域更落后。因此，为了防止在这种累积循环因果作用下区域间差距的无限扩大。需要政府创造条件，引导回浪效应向扩散效应的转化。
2 以产业集聚和城市化为特征的经济集聚对于经济增长具有积极作用，但这种影响是地方性的，随空间距离的增加而衰减。根据内生增长理论和新经济地理学理论，知识溢出是解释集聚和区域增长关系的重要概念之一。经济活动的空间集中会有效地促进知识溢出，推动技术进步，实现经济增长。在产业活动空间集中的区域或人口密度多样化的城市中，知识、人才在不同企业和区域的流动以及与不同群体的互动交流，促进了知识的传播扩散，进而促进技术进步。同时，企业在地理空间上的邻近不仅为面对面的交流提供了便利，而且有利于企业间前向后向的市场联系，更有利于劳动力的进一步集聚以及知识溢出。但是，知识空间溢出具有局域性特征，其影响随地理距离的增加而迅速衰减。陋瑚因此，苏南地区通过知识溢出产生的正外部性难以扩散到更远的苏北地区，导致南北差距加大。可见，如果希望通过集聚促进落后地区的经济增长，需要充分考虑到地理空间的因素。
(二)政策建议
1 促进要素向苏北地区的流动，使回浪效应过渡为扩散效应。可以通过加强苏南地区与苏北地区间的统筹规划，打破地方壁垒，改善苏北地区的投资环境、贸易条件、市场条件，创造良好的人才吸引机制，鼓励资本、人才等生产要素不断由苏南向苏北地区流动，充分发挥增长极的扩散效应。
2 加大快速交通网络的建设力度，缩短苏南和苏北之间的“时空距离”。空间的接近是知识溢出的重要前提。目前，大量创新行为和技术进步主要集中在苏南地区，其对苏北地区的溢出受到地理距离的限制。在无法改变空间距离的情况下，可以通过建设南北之间和苏北地区内部的快速交通网络，缩短地区之间的通达时间，将“空间接近”拓展为“时空接近”，扩大苏南地区知识溢出的影响范围。
第6篇：城市化的经济学解释范文
关键词:中原城市群;城市化;经济因素;贡献率
中图分类号:F062.9文献标志码:A文章编号:1673-291X(2009)14-0176-02
一、相关研究背景与本文视角
当今世界,发展经济已经成为非常重要的目标,而经济的发展又和城市的发展状况息息相关。这些年来,随着交通运输和信息技术的迅猛发展,城市发展的步伐进一步加快,城市之间的联系日益紧密,逐渐形成了大都市区、城市群以及城市连绵带。这种城市形态带动了经济区域化和全球化活动的加强,并逐步成为城镇化的主体形态和经济发展的主导力量。本文通过研究反映城市经济发展上很重要的一个指标――城市化率来研究城市群的发展。
19世纪欧美国家工业革命的兴起和繁荣推动了城市的迅猛发展,从而使城市化进程不断加快。发展经济学家在研究欧美国家的城市化进程时发现,工业化形成的“拉力”效应和农村人口向城市流动所形成的“推力”效应(Todaro,1969)影响和决定着城市化的进程。钱纳里和赛尔奎因在1975年的研究中指出,城市化可以看做是“以导致工业化的贸易和需求的变化为开端,以农村劳动力向城市源源不断的转移为结果”的一个过程。钱―赛模式表明,随着工业化逐渐向高层次阶段演进,工业化对城市化进程的主导作用逐渐分散而减弱(周叔莲,郭克莎,2002)。但是,从本质上说,工业化是城市化的主要动力,城市化是工业化的产物。在我国,很多学者认为,中央政府发动的工业化和农村自发的工业化是推动我国城市化发展的主要力量(赵新平,周一星,2002)。也就是说,工业化是影响城市化和城市发展的重要因素之一(仇保兴,2003)。第三产业的产业特征对聚集有内在的要求。而城市具有经济聚集和人口聚集的特征,适合第三产业的发展,因此,第三产业的发展水平也成为城市化的一个重要因素(李健英,2002)。空间经济学创始人藤田和克鲁格曼等学者指出,城市的形成和发展及城市化过程是在市场条件下企业和个人追求自身利益或效用最大化的结果,是市场经济主体相互之间发生作用的自我组织过程(Fujita,Thisse,1966;Fujita,Krugman,1999)。
在我国建设和完善社会主义市场经济体系的进程中,我国的城市发展和城市化实际上处于一个由企业、个人和政府三元主体参与的城市经济之中。因此,在这个三元城市经济中,企业个人和政府部门的相互影响和作用共同决定了我国的城市化进程。本文将结合中原城市群九个城市城市化的历史实践,利用1995―2007年的面板数据,对中原城市圈的城市化动因进行深入探讨。
二、研究区域、指标选取和样本说明
本文选择中原城市圈郑州、洛阳、开封、新乡、焦作、许昌、平顶山、漯河、济源九个城市作为研究区域,主要是因为中原城市群具有如下特点:中等的总体经济水平、卫星城市较好的发展,经济总量的快速增长以及在我国总体发展中具有重要的战略地位。
在统计指标的选取上,在反映非农经济活动的企业活动指标中,我们选用综合反映企业发展水平的工业化率指标;在反映第一产业、第二产业以外的其他经济活动的指标中,我们选用第三产业发展水平或称为第三产业发展度指标;在构建反映政府行为影响的政府类指标时,考虑到一个城市所处市场的完善程度直接影响着一个城市微观经济的运行,而市场完善程度变化一方面反映了纯市场因素的作用,另一方面,则突出反映着政府政策和体制改革、制度改进的重要影响,因此,我们设定市场开放度指标来主要反映政府政策和体制改革对城市化的影响;同时,由于我国目前情况下,城市公共设施等市政基础环境的改善一般依赖于政府行政规划和财政投入,因而主要是政府行政力量的结果。因此,我们还设定了政策支持度指标来综合反映政府行政干预的影响。
关于本文所使用的样本范围如下:选取的样本城市为郑州、洛阳、开封、平顶山、新乡、焦作、许昌、源河和济源九个城市。样本数据如文中没有特别说明,则取自1995―2007年18年间的城市地区总人口、市区总人口、城市地区GDP、城市地区第二产业GDP、城市地区第三产业GDP、城市地区实际利用外资、地区预算内财政支出等逐年数据。上述指标则根据以上相关数据计算得出。
三、影响中原城市群的城市化变化的因素分析
中原城市群城市化水平的变化是由多种因素共同影响的结果。其中,如前文所分析,经济发展水平和政策制度起着更加重要的作用,而由于河南省传统上受计划经济影响较深,外资数量少,故对中原城市化水平的变化相对不重要。下面我们对中原城市群九个城市进行定量分析来确定城市化影响因素的大小,并同时对上述结论作出验证。
我们利用1995―2007年各年《河南统计年鉴》和《河南城市统计年鉴》中中原城市群九个城市的相关数据排列为面板数据,利用Eviews软件采用OLS做了计量模拟,U表示城市化率,I表示工业化率,T表示第三产业发展度,M表示市场支持度,P表示政策支持度,设定回归方程为:
U=C(0)+C(1)I+C(2)T+C(3)M+C(4)P
回归结果如下:
U=-0.3576+0.3447I+1.0524T+0.0017M+0.3719P
-9.15726.307915.52324.5027 1.1634
R2=0.7975F=80.7591
此时观察t值知道,政策支持度P并不显著,则我们采用逐步回归法,去掉变量P然后进行回归,得到的结果如下所示:
U=-0.3427+0.3493×I+0.0016×M+1.0814×T
-9.2689 6.39354.341417.1155
R2=0.7942F=106.7729
从上式可知,t统计量和F统计量均显著,可决系数为0.7932,说明这几个变量很好地解释了城市化率的变化。
该式的经济含义为:在1995―2007年间,如果其他变量保持不变,工业化率每增加1%,城市化率增加0.349%;第三产业开放度每增加1%,城市化率增加1.0814%;市场开放度每增加1%,城市化率增加0.0016%。
依据该回归结果,我们可得到三个重要结论:
结论1:第三产业发展度成为城市化率的最主要动因且重要性在不断增加;工业化率对城市化率的贡献则在下降。
结论2:政策支持度不再成为城市化的主要动因。由于中国改革开放力度不断增强和加入WTO(世界贸易组织),具有中国特色的市场经济不断完善,所以,市场主体发挥不断重要的作用,而政策支持的作用相对就小了很多,以至不再成为城市化的动因。
结论3:工业化率、第三产业发展度、市场开放度对城市化率的解释力度加强。可决系数由3.1.1模型中的0.63增加至3.1.2模型中的0.8。此变化进一步表明这些市场因素对城市化的贡献增大,而其他非市场因素的作用则在快速下降,这也说明了市场经济的完善。
四、结语
第7篇：城市化的经济学解释范文
关键词：城市化；影响因素；多元线性回归
一、引言
城市化是“人口向城市地区集中和农村地区转变为城市地区的过程。”它一方面意味着农村居民向城市迁徙；另一方面也意味着传统的第一产业向第二、第三产业转变以及人的观念和文化、社会生活等方面的改变，是一个系统性的长期发展过程。城市化伴随着工业的发展、产业结构的演变而产生和发展，是人类社会发展的必然趋势。坚持走中国特色城市化发展道路是今年中国政府工作报告提出的2010年的主要任务之一。随着中国工业化的不断推进，中国城市化率已从1997年的31.91%提高到2008年的45.68%，目前拥有6亿多城镇人口，但城市化率仍然落后工业化水平10.8%，所以认真研究城市化发展的影响因素，并对影响因素进行定量分析，将有助于未来中国城市化战略的制定。
影响中国城市化发展的因素有许多，总体而言，可以归为制度与环境因素和经济结构发展因素两大类：
第一，制度与环境因素，制度因素对城市化没有直接促进作用，但不合理制度的存在对城市化进程有较大的阻碍作用，而且出台新的政策会在短期内使城市化水平的增长速度产生波动。环境因素与城市的发展同样存在着密切的联系。环境是以人为中心的所有一切客观事物的总和，它是相对于人类而言的。城市的发展就是充分利用城市的环境条件，形成合理的经济结构、空间布局以获取最大效益的过程。城市化伴随着劳动力的转移，城市的高工资以及比农村优越的医疗、教育条件以及便利的交通、舒适的生活环境吸引越来越多的人来到城市，因此这些是推动城市化不可或缺的因素。
第二，经济结构发展因素，城市化发展与工业的发展直接相关，工业的发展和由此产生的城市文明形成了城市人口聚集的强大吸引力，工业化是城市化的内在动力。而城市经济的发展必须依赖于人口的增加，这就必然要求农村人口更多地转移至城市，所以农业的发展即农业现代化产生的农业人口剩余，成为了城市化的外部推动力；工农业的发展带动第三产业发展，由此形成国民经济的增长，成为城市发展的综合动力。这些经济结构因素直接促进城市化水平长期、稳定的发展，代表工业发展水平的可以用工业产值占GDP的比重、第二产业就业比重来表示，比重越大，说明其发展水平越高；第三产业的发展状态可用第三产业产值占GDP的比例、第三产业就业比重两指标来表示；农业发展水平即农业现代化程度的可用农业劳动力的平均产出、农业机械化程度（主要农业机械拥有量）两指标来表示。由于制度和环境因素难以测度，无法通过数据实证分析来体现它们对城市化所起的作用，因此本文重点研究产业结构即第一、第二及第三产业的发展对城市化发展产生的直接影响。
二、模型及数据的选择
本文选取对城市化水平发展有直接影响的产业结构因素中的六个指标，即工业产值占GDP的比重（以第二产业贡献率表示）（X1）、第三产业产值占GDP的比例（以第三产业贡献率表示）（X2）、第二产业就业比重（X3）、第三产业就业比重（X4）、农业劳动力的平均产出（X5）、主要农业机械拥有量（以农用机械总动力表示）（X6）为自变量，城市化率为因变量，建立城市化率和经济影响因素六个指标之间的线性回归模型如下：
Yt=β0+β1X1t+β2X2t+β3X3t+β4X4t+β5X5t+β6X6t+μt
其中Y表示城市化率，β0为常数，βi（i=1，2，3，4，5，6）表示相关性系数，μt是随机误差项。本文选取1997-2008年的有关数据，利用统计软件Eviews6.0进行多元线性回归分析。
三、多元线性回归分析
利用Eviews6.0软件，输入Y、X1、X2、X3、X4、X5、X6等数据，采用这些数据对模型进行OLS回归，结果如表1所示： 转贴于
由表1可知，该模型R2＝0.9819，R2=0.9602，可决系数很高，F=45.24>F0.05（6，5）=4.95，明显显著。但是当α=0.05时，tα/2=(n-k)=t0.025(12-7)=2.571，x1、x2、x3、x4、x5、x6系数的t检验不显著，这表明很可能存在严重的多重共线性。计算各解释变量的相关系数，得相关系数表。各解释变量的相关系数表，如表2所示。
由相关系数表可以看出，各解释变量相互之间有的相关系数较高，最高达0.984582，证实存在多重共线性。宜采用逐步回归的办法，检验和解决多重共线性问题。分别作Y对X1、X2、X3、X4、X5、X6的一元回归，结果如表3所示。
按R2的大小排序为：X6、X4、X5、X2、X1、X3。
以X6为基础，顺次加入其他变量逐步回归，得到消除多重共线性的结果为：
Y＾t=4.828023+0.007107X2+0.423324X4-
t=（2.3759） （3.1756）
8.788072X5+0.000355X6
（-2.9805）（9.3611）
R2=0.9721；F=60.9585；DW=2.04004
当取α=0.05时，tα/2(n-k)=t0.0225(12-5)=2.3646，X2、X4、X5、X6参数的t检验显著。
四、结论与对策
以上消除多重共线性的回归结果表明：在中国，在1997至2008年期间，工业产值所占比重及工业就业比重对城市化的影响不大，甚至没有影响，这是因为以制造业为主的第二产业发展到一定程度，由于生产技术的进步，制造业从劳动密集型向资本和技术密集型转变，出现机器排挤劳动力的现象，从而使得第二产业即工业降低了吸纳劳动力的能力。而此时第三产业则对城市化有明显的正向作用，第三产业越发达，城市化率越高，即城市化速度越快；农业劳动力的产出水平与城市化则呈现反向关系，表明农民人均产出水平越高，农民越不愿意进城；而农村机械化程度越高，农村富余劳动力越多，向城市输送的劳动力越多，则会推进城市化。由此，本文建议制定相关政策加快第三产业如服务业的发展，并大力推进农业现代化，以更好地促进中国城市化发展。
参考文献
1、易丹辉.数据分析与Eviews应用[M].中国人民大学出版社，2008.
2、陈甬军，陈爱民.中国城市化:实证分析与对策研究[M].夏门大学出版社，2002.
第8篇：城市化的经济学解释范文
[论文关键词]城镇化率；产业结构升级；西南地区；VEC模型；Granger因果关系
本文研究的中国西南地区是指按照行政规划划分的云南、贵州、四川、重庆、三省一市一区，该地区地理位置偏远，土地贫瘠，贫困人口多，经济结构复杂，包括了正在形成和发展的成渝经济圈、三峡库区、川南资源聚集区以及广大少数民族聚居地。随着我国西部大开发的推进，西南地区城镇化水平有了大幅提高，但与全国相比还有一定的差距。作为一个发展中国家，工业化和城镇化始终是我国经济发展的两大主题。论文百事通西南地区城镇化研究对于整个中国城镇化的区域差异研究意义重大。
1867年西班牙工程师A．Serda在《城市化基本理论》一书中首先使用了Urbanization的概念。随后，世界各国都开始广泛关注这项经济指标。代表人物有，德国经济学家冯?杜能(VonThunen1826)的农业区位理论。德国经济学家韦伯(We—berl909)的工业区位理论。法国佩鲁(Perroux1955)认为“增长极”理论。该理论比较符合区域经济不平衡发展的客观实际，主要强调产业间的联系，而忽略了对经济增长的空间演化机制的分析。我国在这一领域的研究起步较晚。在我国，一般使用“城镇化”来代替这一指标，蔡孝箴(1990)指出城市化道路的区域差别，不同地区的城市发展不平衡。不同地区的城市发展都应遵循“成本一效益”分析原则，由于各自的自然、社会、经济条件和发展阶段不同，发展的方针也有所区别。辜胜阻(1993)论述了中国城镇化的区域差异及其区域发展模式，分析三大地带、六大区域、30个省区的城镇化差异，得出中国西部城镇化的主要模式为自生型城镇化、非农化模式。王嗣均(1996)等人直接提出区域城市化，并就中国城市化区域发展和省区城市化进程做了深入研究。周凯、刘辉锋(2006)指出目前区域与城市的发展现状表现出明显的模块系统特征。
尽管国内外学者对城镇化与产业结构升级之间的关系做出了积极的探索，但是更多的只是从理论上研究二者之间的关系，并且角度比较宏观。本论文在借鉴已有理论研究成果的基础上，充分注重中国西南地区的区域特征，借助现代计量经济学中的非平稳时间序列分析方法，对理论上的中国西南城镇化与产业结构升级之间的关系进行验证和定量描述。
一、城镇化与产业结构升级的实证研究：方法、数据与检验
(一)分析方法与检验模型
本文采用现代计量经济学中的非平稳时间序列分析方法。向量误差修正模型(VectorErrorCorrec-tion，VEC)VAR模型是使用模型中的所有当期变量对所有变量的若干滞后变量进行回归，是一种非结构化的多方程模型，用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。向量误差修正(VEC)模型，是在非平稳数据具有协整关系的基础上建立的，是对于VAR模型的修正。其模型一般形式为：
其中表示变量的一阶差分，ecmt一1是误差修正项，反映变量之间的长期均衡关系，系数向量仅反映变量之间的均衡偏离长期均衡状态时，将其调整到均衡状态时的调整速度。所有作为解释变量的差分项的系数反映各变量的短期波动对作为被解释变量的短期变化的影响。本文在对城镇化发展和产业结构升级的变量数据进行平稳性的单位根检验的基础上，通过协整分析，建立向量误差修正模型，从而考察两者之间的关系。
(二)指标选取与数据来源
本文采取1978—2006年度数据，城镇化率指标代表城镇化发展水平，即城镇人口与总人口的比值来表示，记为URt；以二三产业产值之和占GDP的比重来衡量产业结构状况，记为INSt。这里对数据进行以下说明：1．西南地区数据是由、云南、贵州、四川、重庆各省、市、自治区加总而来的，数据均来自各省市统计年鉴及作者的计算。2．由于受行政区划的影响，川渝两地的数据在1997年以前的直接采用四川省数据，1997年之后采取两地数据的总量指标。3．云南、贵州两省的城镇人口统计口径在2000年发生了变化，为了消除不规则要素的影响，揭示经济发展中的客观变化，将云南和贵州两省2000年以后的数据采用移动平均的方法加以预测。
(三)单位根检验
将整理所得数据分别取对数，以期在消除异方差的同时不改变函数的单调性，记为LnURt，LnINSt。首先对变量的时间序列进行单位根检验。采用AIC和SC最小原则，加之Likelihood判断，得出LnURt和LnINSt的最佳滞后期为3。利用Eviews5．0进行单位根(ADF)检验。
可以看出，变量LnURt和LnINSt的原始系列是非平稳的；ALnURt和ALnlNSt，ADF的绝对值值大于1％置信水平下临界值的绝对值，表明在99％的置信水平下认为都不存在单位根，为一阶单整。记为huRt～I(1)、LnINSt—I(1)。
(四)协整检验
通过迹(Trace)检验和最大特征根(MaximumEigenvalue)两种检验方法对变量进行协整检验。
从检验结果中可以得出，在5％的显著性水平下，滞后2期时存在一个协整向量，表明中国西南地区的城镇化和产业结构升级之间存在某中长期稳定的关系。括号中的数值为T检验量，可以看出在5％的水平下，该方程通过检验。
(五)VEC模型建立
根据前文所述的向量误差修正模型构建本文的VEC模型：
上面估计的VEC(2)模型，方程(3)和方程(4)下面括号中的数值依次为各系数的t统计量检验值。显然，上述两方程中所估计的系数大部分在统计上达到显著。同时方程不存在异方差和自相关，残差序列具有平稳性且J—B检验(P=0．40)表明在5％的显著水平上，回归残差序列均满足正态性，方程整体拟合度较高，且模型通过平稳性检验。同时VEC模型AIC和SC的值分别为-7．13和-6．45，满足模型有效性的要求，模型整体解释力较强。
(六)Granger因果关系检验
我们采用格兰杰因果检验方法检验各变量之间的因果关系，检验结果如表3(滞后期为2期)。
从因果检验关系来看，在中国西南地区，产业结构升级不是城镇化率提高的原因，城镇化提高时产业结构升级的原因，二者之间存在单向因果关系。这里有必要结合中国西南地区的具体情况做进一步的原因阐释。
二、相关结论与政策建议
第9篇：城市化的经济学解释范文
[关键词] 农村住房消费 影响因素
1998年实行住房制度改革以来,福利分房取消,整个住宅市场走向商品化和市场化,从此城镇居民的住房问题成为社会关心的热点。尤其近几年来一二线城市房价的大起大落更使得房地产成为焦点。但在城镇居民的住房问题广受重视的同时,占我国人口四分之三的农民的住房、广大农村地区的住房消费问题却没能引起社会各界的充分关注。在中国这样一个以农村人口居多的国家,了解、探讨、研究农村的各方面问题是非常有必要的。尤其是现在处于建设社会主义新农村的时期,更应关注农村的住房消费问题。
本文力图定性分析并定量确定影响农村住房消费的主要因素,为农村住房问题的深入研究提供参考和依据。
一、农村住房消费影响因素的定性描述
1.城市化进程对农村住房消费的影响
城市化进程是现代经济发展到一定程度伴随的必然过程。一方面,这个过程会把饱和的城市中的人口向边缘农村释放,在农村实施工业和服务业,使农民离开耕地进入工厂和车间,从而逐步减少了农民的可利用土地。另一方面,还会将城市的生活方式和价值观念带到被城市化的农村,从而改变农民的行为方式和价值观。这些都会对农民的经济条件、住房消费观念和消费模式带来很多影响。
城市化水平(又称城市化率、城市化度、城镇化率、城市化指标)是一个国家和地区经济发展的重要标志。目前一般采用城市化水平来衡量和评价城市化进程,而衡量城市化水平的指标则有以下三个:a.非农业人口占总人口比重;b.城镇人口占总人口比重;c.非农产业GDP占总GDP的比重。 本文采用b、c指标结合的综合指标,来衡量城市化进程。b、c指标的权重分别为40%、60%。
2.农村人口的数量变化
居住房屋的目的是满足人们生产生活的需要,是人的栖息工作之所。人口数量的变化必然会引起住房面积的变化。在农村居住的人口多,相应地对房屋的需求就会增多,住房消费需求也会增加。若农村居住人口少,住房消费需求必定也相应会减少。本文采用“平均每家农户的常住人口”这一指标来反映农村人口的数量变化。
3.农村人口的结构变化
不同的人口构成比例也会对住房需求造成不同影响。在农村,年轻人的迎婚嫁娶是头等重要的大事。尤其是青年男子迎娶新娘,家里一般都会兴建新的房屋作为娶新娘的固定资产和资本。因此,对于同样数量的人口,如果以青年人多,则住房消费的需求可能相对会多一些;如果以老年人和儿童居多,则短期内的住房消费就不会有很大需求。
由于青壮年男子一般是农村家庭的劳动主力,也是住房消费的主要需求者。因此,本文采用“平均每家农户的整半劳动力数量”这一指标来反映农村的人口结构变化。
4.农村的经济增长
一国国民经济的增长会带动其住宅产业的兴旺和发展。同样,农村的经济增长也会带动其住房消费。经济增长会带来生活水平的提高和思想意识的转变,从而农民对住房的要求也会提高,住房消费的需求也会随之增加。
本文将用“第一产业GDP”来衡量农村的经济增长。
5.农村的就业人口
第一产业GDP仅仅反映农业的增长,事实上,农业增长带来的收入增长和生活水平提高仅仅是现代农民生活的一部分。很多农民会离开土地,实行个体经营,或者在乡镇企业上班,这些不会统计在农业GDP中,却实实在在地改善了农民的生活、转变了他们的观念。因此,农村的就业人口也是影响住房消费的因素之一,并且不含在农业GDP这一因素之内。直观分析认为,农村的就业人口越多,住房消费就越大。本文将采用统计年鉴中的“乡村就业人数”这一指标衡量农村的就业人口。
6.物价变化
从经济学角度讲,一件商品价格的变化对消费者的消费函数会产生两种效应:收入效应和替代效应。假设一件商品价格上涨,那么消费者的实际收入相对而言就减少了,消费者的购买力下降,他可能会重新考虑购买各种商品时的数量和比例,这就是商品价格上涨的收入效应。同时,一种商品价格的上涨会让消费者考虑减少对该商品的购买量,转而购买与该商品有相同功能和用途的产品,这就是商品价格上涨的替代效应。
因此,物价的变化也会对农村住房消费产生影响。衣服食品等生活资料、肥料种子等生产资料、砖头木材等建筑材料的价格变化,会影响农民的实际购买力,产生不同的收入效应和替代效应,最终影响农民在住房方面的消费数量和结构。本文采用统计年鉴中的“农村消费价格指数”来反映农村的物价变化。
二、影响因素的定量分析
上述分析仅仅是对影响农村住房消费的六要素进行了直观的定性解释。下面将根据1985年～2005期间统计年鉴的数据,对六要素产生的影响进行的定量分析,并对定性解释进行验证。
原始数据见表1。其中,“农村人均居住消费支出”是因变量Y,其余六个变量分别是自变量X1……X6。
1.各变量的描述统计
2.各变量间的相关性
由表3可知,六个自变量之间的相关性不大,可以作为自变量列入方程。
3.回归结果
将六个自变量都记入方程,使用多元线性回归,结果如下:
由表7可知,常数项(Constant)=1432.816,回归系数(B)分别为:B1=-1.432,B2=-227.921,B3=23.545,B4=96.54E-02,B5=-6.32E-03,B6=-6.54E-02。
4.模型分析
此回归模型的可决系数R-Square为99.1%,调整后R-Square为98.7%,说明此回归模型的拟和优度很高。因此可以判定,这六个自变量能解释绝大部分的因变量的变化。即表1的六个变量的确是农村人均居住消费支出的主要影响因素。
5.系数符号分析
三、结论
由上述分析可知,城市化进程、每户常住人口、每户整半劳动力、农村人均第一产业GDP、农村就业人口、农村消费价格指数是影响农村住房消费的主要因素。对农村住房消费指标的研究、调控可从这六个方面入手。
例如截至2007年底农村人均住房建筑面积为31.6平方米(数据来源于统计年鉴),而有研究认为,中国实现全面小康社会的一项指标是农村人均住房建筑面积达到40平方米 。因此若要实现这一目标,需要在加快城市化进程的同时,出台各种有利于农业发展的经济政策,提高农民收入水平,降低农村消费价格指数。
参考文献:
[1]中华人民共和国国家统计局.《中国统计年鉴》, 1986～2006年,2008年
