摘要 城市化的发展与地方经济发展水平和劳动力迁移密切相关，中国城市化进程中的一个显著特征是区域差异非常明显，其根源是在国内经济发展水平不同的各地区，影响城市化发展的诸因素之发育程度及所起作用不同。本文运用平行数据(panel)模型，对影响中国各省、直辖市和自治区城市化发展的诸因素进行了实证分析。主要结论为：①各地区之间，特别是沿海与内地之间，城市化进程的差异非常显著。②在中部地区，第二产业的发展对当地城市化水平的提高起推动作用;而在沿海地区，则由第三产业扮演着更为重要的角色。③对外开放政策对推动中国的城市化发展起了显著作用，在沿海省份表现尤为突出。由此可以推断，中、西部开放力度的加大将推动当地城市化的发展。④农村非农产业的发展在城市化进程中发挥着双重作用：在沿海和西部地区，农村非农产业对城市化起补充作用;而在中部地区，则起替代作用。
关键词 城市化;地区差异;产业结构;对外开放
从目前掌握的文献看，国内学者虽然对城市化影响因素有较多的论述，但在分析方法上，大多数研究仅停留在描述性和定性分析上，缺乏以计量经济学为工具的实证分析。此外，虽然许多学者都注意到了中国城市化的地区差异，但对影响城市化发展的诸因素在不同区域和不同时期所起作用差异的研究却相对较少。本文将使用计量经济学工具，结合统计数据，分析改革开放以来中国城市化的决定因素，以及这些因素所起作用在不同区域之间的差异。
1 城市化水平的区域差异
根据2000年人口普查资料，中国的城市化率为36.9%，与1990年相比，上升了13.7个百分点。我们可以按普查数据显示的城市化水平高低把中国大陆的31个省、直辖市和自治区依次排为四组。①北京、上海、天津三个直辖市，其城市化水平在70%以上，为全国最高。②东北三省和地处东南沿海的广东、浙江、福建、江苏，这些省份的城市化水平在40%～60%之间，可以列为第二层次。东北是中国著名的重工业中心，其城市化水平主要与当地重工业的发展和良好的基础设施条件有关;东南诸省城市化的主要动力，则是直接受益于改革开放，特别是由于这里是对外开放的首善之区。③处于第三等级的是中、西部地区的一些省、市，城市化率在30%～40%之间。湖北、山东、山西、陕西、重庆五省、市，城市化的动力主要来自于较为发达的工业;青海、新疆、宁夏，则是因为本身人口基数小，从而城市化率略高。④其余省份的城市化率均低于30%，这些省份或者是人口稠密的农业大省，如四川、河南、湖南等;或者是一些欠发达的西部省区。
城市化不是一个简单地人口再分布的过程，其起因和结果都与区域社会经济发展状况密切相关[1]。表1列出了中国三大经济地带(东部沿海、中部和西部)的城市化率和一些相关社会经济指标。从中可见，在2000年，东部城市化水平高于中西部，中部城市化水平又高于西部，三大地带呈明显梯度。其中，东部与中部的差距较大，有17.8个百分点;中部与西部的差距有8.4个百分点。
表1还列出了三大地带若干经济指标间的差异：人均国内生产总值，对外开放度(以进出口贸易总值占地区国内生产总值的百分比来衡量)，以及农村非农业劳动力比重。从中可见，三大地带在经济指标方面的差异与在城市化水平上的差异表现出高度的一致性。所有指标都呈现出东部高于中部、中部高于西部的明显梯度。在差距大小上，所有指标都是东部遥遥领先于中部，而中部与西部之间的差距相对较小。
因此，我们可以说城市化是经济发展的伴生物，城市化的区域差异实际上反映的是各地经济发展水平的差异，或者说是影响城市化发展的诸因素的作用的差异。不同地区影响城市化发展的因素各有其异，同样的因素在不同地区、不同时期所产生的效果也是不尽相同，这些差异决定了城市化的地域特征和发展模式。理解中国城市化地区差异的关键之处就在于分析研究这些影响因素在各地区的效果差异。以下我们将利用计量经济学的方法，对影响中国城市化水平的因素及其区域差异进行实证分析。
2 分析方法和数据
本文所使用的数据是二维的，即1984-2001年中国各省的`社会、经济指标。在传统线性计量经济学分析中，同一个模型所使用的要么是时间序列数据，要么是横截面数据，二者只能选其一。但我们所占有的数据从时间上看只有1984-2001年的18个年份，从横截面上看只有29个省份(海南和重庆分别被纳入广东和四川)在区域划分问题上，考虑到海南设省，重庆设市的历史较晚，故将它闪分别并入广东省和四川省进行分析。因为本文比较的对象是东、中、西三大地带，所以这种不改变省、市地带归属的并入对分析结果完全没有影响。，无论是哪一种都会因样本量太小而不能满足传统分析方法的需要。而近年来发展起来的“平行数据(panel)模型”能同时利用时间序列数据和截面数据，并有效控制由于观察值的个体特征(无论是否能观察到)而造成的样本内部非均匀性(heterogeneity)问题，因此本文采用平行数据模型。
平行数据模型的一般形式为：
其中：下标i表示省份;下标t表示年份。与经典计量经济学模型不同的是，平行数据模型回归方程中的随机项由两部分构成：一是省份的个体影响μ�i;一是传统的随机项ε�i,t。在平行数据分析中，要进行两个检验。
首先，要进行Breusch-Pagan的检验(Breusch and Pagan Lagrangian multiplier test)以判断是否有必要使用panel方法，也就是要检验是否可以忽略个体(即省份)的特殊影响(即μ�i的方差是否为零)。如果可以忽略个体影响，就可以假设方程在不同的横截面的样本数据点上具有同样的截距，在这种情况下直接使用传统的最小二乘法分析即可;反之，如果个体影响不能忽略，则方程在不同横截面的数据上具有不同的截距，此时必须选择平行数据模型。[KG)]
一旦采用了平行数据模型，就必须进行第二个检验――Hausman检验[2]，以此判断个体影响是固定影响(fixed effect)还是随机影响(random effect)。因为中国各省、市和自治区的经济发展水平差异较大，各经济指标具有不同的起点(即不同的截距)，所以在利用平行数据模型分析中国各省各年的数据时通常不能忽略个体影响。当然，最后到底采用何种模型还是取决于计量经济学的检验结果。
本文的目的在于解释城市化水平，但是，《中国统计年鉴》只提供了各年全国的城市化率，而没有提供分省份的城市化率。此外，20世纪80年代以后普遍兴起的“地改市”、“县改市”、“县改区”和“乡改镇”，一方面使中国城市人口统计口径比较混乱，另一方面导致了以按行政建制统计的城市化水平的大幅度上升[3](Chung和Lam，2004)。而且，由于各省、市、自治区的控制标准也不尽相同，城市化率在纵向时间上和横向地区上的可比性都比较差。所以，本文以公安部门统计的非农业人口比重来替代城市人口比重，数据来源于《中国人口统计年鉴》。虽然这种替代在城乡壁垒松动、人口流动频繁的情况下，容易低估实际的城市化水平，但其优点在于：①非农业人口与城市人口高度相关，在计量经济分析中前者能在很大程度上替代后者，特别是在进行区域比较时，各地非农业人口的比重能够大致反映区域间城市化水平的差异;②非农业人口的机械增长，即所谓的“农转非”一直受到国家的严格控制，因此可比性比较好。因此，有不少学者采用这种方式来研究中国城市化的发展[4]。
在模型中引入的解释变量有：
(1)人均国内生产总值的对数。我们用该变量来衡量地区经济发展水平。
(2)第二产业国内生产总值的比重和第三产业国内生产总值的比重。随着农业的发展，农业剩余劳动力趋于流向二、三产业。而二、三产业为追求聚集经济效应集中于一定的地理区位，就会促使经济要素和活动集中，导致人口围绕产业而集聚，甚至能吸引那些与最初活动无关的人口和经济活动的进一步聚集，从而形成新的城市或发展已有的城市。因此从根本上讲，人口转移的规模取决于二、三产业的吸纳能力[5]。
(3)对外开放度。该变量为进、出口贸易总额占地区国内生产总值百分比。对外开放促进了出口导向产业的发展，为企业打入国际市场铺平了道路。这有利于各地区发挥比较优势，提高经济活力，增加对劳动力的需求，推动农村劳动力向城市的流动[6]。
(4)铁路密度与公路密度。这两个变量反映地区交通条件。良好的基础设施一方面可以能降低迁移成本并提高产品的竞争力;另一方面，还可以促进信息交流，刺激劳动力流动。
