城市化与经济增长的长期均衡与短期动态关系——基于省际面板数据的经验证据

项本武 张鸿武，2

（1．中南财经政法大学 经济学院，湖北 武汉430073；2．财政部 财政科学研究所，北京100142）

改革开放以来，中国经济增长取得了举世瞩目的成就，与此同时，中国城市化进程也在不断推进，《中国统计年鉴》数据显示：中国城市化率（城镇人口占总人口的比重）在1978年只有17．9%，1990年上升到26．4%，2000年达到36．2%，2010年达到49．9%；而据国家统计局统计公报数据，2011年的城市化率已经攀升至51．3%。城市化率的快速提高与经济高速增长的同步性引起了学者们的关注：城市化是否促进了中国经济的高速增长？城市化的经济增长效应究竟有多大？进一步，城市化能否成为中长期保持中国经济持续增长的动力？对这些问题的回答需要我们对中国城市化与经济增长之间的长期和短期关系进行深入的实证研究，从而为中国经济未来持续增长的路径选择和具体经济政策的实施提供支撑。

一、文献回顾

经济理论认为城市化的推进有利于拉动地区经济增长，并从溢出效应、规模经济等角度分析了城市化的经济增长效应的形成机制。早在1890年，Marshall就提出城市提供企业接触紧密的环境，带来了本地信息溢出，从而促进经济增长；进一步，内生增长理论进行了更为细致的研究。Lucas认为本地信息和知识溢出使得城市成为经济增长的引擎①，Romer认为外部规模经济和知识溢出一起提升了私人人力资本积累的收益，从而驱动经济的长期增长②。而研究城市经济学的学者特别关注规模经济这一构成城市的重要特征，进而强调和分析了城市规模经济的微观基础，如溢出效应③、本地劳动力市场的搜寻匹配④，还有学者对这些溢出效应和匹配效应进行了量化分析⑤。

在理论分析的基础上，国外学者对城市化与经济增长的关系进行了大量实证检验。Lampard对美国历史数据的考察发现：城市发展与经济增长之间呈现显著的正相关关系⑥。Berry对95个国家43个变量进行主成分分析，以解释城市化水平与经济、技术、人口和教育等因子的关系，证实了城市化与经济增长之间的正相关关系⑦。McCoskey ＆Kao 基于1965—1989年30个发展中国家和22个发达国家的面板数据进行协整分析，发现所有样本国家劳均GDP与城市化率、劳均资本存量之间存在长期协整关系⑧。Henderson 利用发展中国家的横截面数据计算出城市化水平与对数人均GDP之间的相关系数达0．85⑨。Bertinelli ＆Strobl利用半参数方法对39个国家1960—1990年的面板数据进行分析，发现经济增长与城市聚集之间呈现出U形变化⑩。Annez ＆ Buckley通过对1960—2000年间每十年的全球跨国数据的统计分析，发现各国人均GDP 和城市化率之间呈显著的对数线性关系，表明城市化是长期中生产率增长的重要因素⑪。

近年来，众多国内学者对中国城市化的经济增长效应也进行了相应研究。李金昌、程开明基于我国1978—2004年城市化率与人均GDP数据，利用格兰杰因果检验、协整和误差修正模型发现，城市化对长期经济增长具有显著正影响，但短期效应并不显著⑫。段瑞君、安虎森使用1978—2006年的城镇人口数和GDP 数据时间序列数据进行Grange因果关系检验及基于状态空间模型的弹性分析发现，城市化对经济增长具有很大的促进作用⑬。沈坤荣、蒋锐则分别使用我国1978—2003年的时间序列数据和29个省份的面板数据检验了城市化对人均产出的影响，研究发现城市化水平和人均产出呈显著正相关⑭。朱孔来等使用我国1978—2009年城市化率和人均GDP年度时间序列数据，运用脉冲响应函数和方差分解分析了城市化进程与经济增长之间的动态影响，而他们使用我国2000—2009年31个省的面板数据进行的协整检验发现，我国城市化进程与经济发展水平之间存在长期稳定的均衡关系⑮。

综上可见，无论是理论上，还是国内外进行的大量实证研究中，都表明城市化的确存在经济增长效应。但目前国内外的大部分实证研究存在两个缺陷：一是仅对城市化率与经济增长两者之间进行相关分析或回归检验，这种用单一的城市化率来解释经济增长的计量方法，既缺乏理论基础，又存在变量遗漏的缺陷，并直接影响到政策制定者所关注的城市化的经济增长效应的具体数值；二是大部分研究主要使用的是时间序列数据或横截面数据，较少使用面板数据展开研究，从而未能充分利用横截面和时间序列的二维信息。

有鉴于此，论文从经济增长理论出发，使用1995—2010年中国各省（直辖市、自治区，以下简称为省）实际产出（GDP）、物质资本、人力资本和城市化率的面板数据，通过区域总量生产函数，实证分析城市化的经济增长效应；特别的，考虑到城市经济理论中强调城市化是通过溢出效应和规模经济等机制影响全要素生产率从而影响经济增长，论文将城市化率作为全要素生产率影响变量纳入生产函数，从而具有较强的建模理论基础。在计量方法上，论文运用面板数据协整模型来考察城市化与经济增长之间的长期均衡，以此揭示城市化的长期经济增长效应；进一步，基于长期均衡所派生的面板误差修正（PVECM）模型，研究城市化与经济增长的短期动态调整效应。

二、模型设定与估计

（一）面板协整模型设定

为分析城市化对经济增长的影响，我们使用包含人力资本的Cobb－Douglas生产函数来刻画中国省际生产行为，其一般形式为：

式（1）中i为截面单元，t为时间，Y、K、H分别表示实际产出、物质资本和人力资本，α、β分别表示物质资本、人力资本的产出弹性，A表示技术水平或全要素生产率。

考虑到城市为企业提供紧密联系和区域邻近的环境，便利了企业间的沟通和信息的交流，从而带来本地信息溢出；同时，经济活动向城市地区集中所产生的集聚效应，会带来较高的规模收益，尤其是来自信息与知识的溢出不仅提升了私人人力资本积累的收益，而且为技术创新提供了便利条件，并提高了区域全要素生产率，从而驱动经济长期的内生增长。因此，为考察城市化对全要素生产率从而对区域生产的影响，我们将城市化率（URB）作为全要素生产率的影响因素纳入其中：

将式（2）代入式（1），两边取对数后并加入误差项εit，整理得到实证计量模型：

其中β1、β2 分别测度物质资本和人力资本的产出弹性，β3 测度城市化对实际产出的平均增长效应。需要特别说明的是，经济理论认为城市化通过溢出效应和规模经济等机制影响生产率从而驱动经济的增长，体现为式（3）中城市化率成为自变量之一；但另一方面，由于经济的快速增长，人口和经济活动在地理空间上不断聚集，导致不同规模和类型的城市不断出现并日益扩大，使得城市化成为经济增长的必然结果，因而式（3）的估计会产生内生性问题，但从中国城市化过程的具体特征来看，由于户籍制度等制度性安排影响了城乡人口之间的迁移，阻碍了人口和经济活动在地理空间上的自由聚集，部分切断了经济增长带动城市化率提高的链条，一定程度上避免了内生性问题，因而我们仍然采用式（3）进行实证分析。

若式（3）通过面板数据的协整检验，则意味着各变量之间存在面板协整关系；进一步，为了检验城市化对实际产出的短期调整效应，我们根据Granger表述定理，基于面板协整模型式（3），设定对应的面板误差校正模型（PVECM）如下：

式（4）中εit－1为式（3）的面板协整残差，λ为误差调节系数，它反映城市化与实际产出的长期稳定（协整）关系对实际产出的短期变化所产生的调节效应。当λ＜0，表示长期稳定的协整关系对短期实际产出具有抑制（调节）作用，反映一旦变量之间的均衡关系偏离长期均衡时，会逐步调整到均衡状态，而从面板协整和均衡角度来看，也进一步支持式（3）为面板协整模型；当λ＞0，则表示面板协整关系对短期实际产出具有促进作用，预计实证分析中λ符号为负。

（二）面板协整模型的估计方法

要对面板数据模型进行估计，首先需要进行的就是面板数据单位根检验，然后在此基础上进行面板协整分析。

1．面板单位根检验方法

考虑面板数据的AR（1）过程：

其中Xit表示模型中的外生变量向量，包括各截面的固定效应影响和时间，N表示截面单元数，T表示观测时期数，参数ρi为自回归系数，随机误差项uit满足独立同分布假设。若｜ρi｜＜1，则对应的序列yi为平稳序列；若｜ρi｜≥1，则对应的序列yi为非平稳序列。根据对式（5）中参数ρi的不同限制，可以将面板数据的单位根检验方法分为两大类：一类为相同根情形下的单位根检验，另一类为不同根情形下的单位根检验。与大多数研究相同，论文分别采用第一类检验方法中的LLC检验和第二类检验方法中的Fisher－ADF检验进行单位根检验，两种检验方法的基本原理分别如下：

LLC检验采用ADF 检验形式，即考虑式（6）所示模型：

其中α＝ρ－1，pi为第i个截面的滞后阶数，在该模型中允许其跨截面变化。LLC 检验的原假设为面板数据中的各截面序列具有一个相同单位根，备择假设为各截面序列均没有单位根，即H0：α＝0，H1：α＜0。虽然LLC检验仍采用ADF检验式形式，但其并没有直接使用Δyit和yit－1对参数α进行估计，而是使用Δyit和yit－1的代理变量去估计参数α，其具体步骤为：

1）给定各截面单元的滞后阶数pi后，从Δyit和yit－1中消除Δyit－1和外生变量的影响，并进行标准化以求出代理变量。如假设

其中si为模型（8）中对应于对第i个截面的ADF检验式的估计标准差。

2）利用获得的代理变量估计参数α。即用代理变量做回归，估计参数α，此时所获得的与参数α相对应的t统计量渐近服从标准正态分布。

而Fisher－ADF检验通过结合不同截面单位根检验的p值，构造ADF－Choi Z 统计量，来检验面板数据是否存在单位根。原假设H0为存在单位根，在原假设成立条件下，有：

其中φ－1表示标准正态分布函数的反函数，πi为第i组截面数据单位根检验的p值。

2．面板数据协整检验方法

对面板数据进行协整检验，主要有两种途径：一种是基于残差所进行的，类似于 Engle＆Granger两步法，如Pedroni检验⑯；另一种是基于协整秩检验，类似于Johansen的协整秩检验，如Groen＆Kleibergen检验⑰。论文使用Pedroni提出的检验方法来进行⑱。

Pedroni的协整检验方法利用下列协整方程的残差：

其中yit和xit分别是（N＊T）＊1 和（N＊T）＊m维的可观察变量。Pedroni建议采用两类检验：第一类检验基于联合组内尺度检验，包括四种统计方法：Panelν统计量、Panelρ统计量、Panelpp统计量、Panel ADF统计量。这些统计量包含了不同变量的自回归系数对估计的残差的单位根检验。第二类检验基于组间尺度检验，包括三种统计方法：Groupρ统计量、Grouppp统计量和Group ADF统计量。这些统计量基于每个向量个体估计系数的简单平均。检验过程中不仅允许不同截面单位存在不同固定效应和短期动态效应，而且允许存在不同的长期协整系数；同时，Pedroni的研究表明，每一个标准化统计量渐进满足标准正态分布⑲。Pedroni给出了各种情况下蒙特卡罗模拟结果，以及根据这些模拟结果构造的近似临界判别值⑳。实证分析中，要拒绝“不存在协整关系”这个原假设，所计算出的各个统计量的绝对值必须大于Pedroni中的列示的近似临界判别值。论文实证分析中，我们将综合七个统计量综合判别协整关系的存在与否。

三、实证分析

（一）样本与数据

城市化始终贯穿于经济发展的全过程，无论是改革开放前还是改革开放后，伴随经济的增长，我国的城市化水平都在不断提高。理论上研究的时间纬度越长，尤其是分析中国改革开放前后城市化与经济增长之间关系，对于分析不同经济体制下城市化与经济增长之间不同关系会有较大意义。而论文使用的样本为1995—2010年中国29个省的面板数据，没有包含西藏自治区；由于1997年重庆直辖市才成立，出于统计口径一致性考虑，而将重庆的数据并入四川省统一计算。之所以选择1995年为样本起点，一方面是因为在1995年，我国开始开展小城镇改革，农村人口向城市流动的约束开始有所弱化，中国的城市化进程开始进入快速发展阶段，另一方面，论文的主要目的在于分析当前背景下城市化的推进和城市化水平的提高对于经济增长的重要意义，从而为政府制定合适的城市化推进目标、保持经济的快速增长提供政策参考。主要变量及数据来源如下：

实际产出（Y）：利用各省1952年的名义GDP及以后各年GDP 指数计算得到以1952年为基期的实际GDP（单位：亿元），数据来源于《新中国六十年统计资料汇编》及相关年份的《中国统计年鉴》。

物质资本（K）：借鉴张军等、单豪杰核算数据将各省的实际物质资本存量（以1952年为基期）拓展至2010年。拓展数据时采用永续盘存法核算物质资本存量：Kit＝Kit－1（1－δit）＋Iit，其中I为各省固定资本形成额。名义资本存量根据《中国国内生产总值核算历史资料（1952—2004）》提供的全国和分省的固定资本形成价格指数进行平减，对于2005—2006年缺省的指数数据，我们借用各省的固定资产投资价格指数进行替代。最终将各省各年固定资本形成额平减为以1952年为基期的实际值，各省资本折旧率δ统一设定为10．96%，代入核算公式计算出各省各年物质资本存量。

人力资本（H）：借鉴阎淑敏的方法，并基于数据可得性，构建各省人力资本丰裕系数，即HI＝HI1＋HI2＋HI3，其中HI1为教育丰裕系数，其计算方式为：将文盲、小学、初中、高中、大专及以上人口比重分别乘以0．5、1．0、1．5、2．0、2．7的系数，并加总得到；HI2为职业培训丰裕系数，其计算方式为：职工技术培训学校毕业生数／城镇从业人员数＋农民技术培训学校毕业数／乡村从业人员数；HI3为健康丰裕系数，其计算方式为：（城镇居民医疗保健支出／城镇居民消费性支出＋农村居民医疗保健支出／农村居民消费性支出）／2＋卫生人员数／总人口。原始数据分别来自《中国统计年鉴》、《中国教育统计年鉴》、《中国劳动统计年鉴》、《中国卫生统计年鉴》。利用计算得到的各省人力资本丰裕系数乘以各省从业人数得到各省人力资本存量（H）。

城市化率（URB）：基于数据的可获得性及统计口径的一致性，我们使用城镇人口占总人口的比重来测度各省城市化水平，各省市的城镇人口和总人口数来源于相关年份《中国城市统计年鉴》、《中国经济统计年鉴》及《新中国六十年统计资料汇编》。

（二）面板数据单位根检验结果

如前所述，采用LLC 检验及Fisher－ADF 检验对相关变量进行单位根检验，结果见表1。

表1 面板数据单位根检验

两类检验的原假设均为存在单位根，从检验结果的p值来看，LnY、LnK、LnH、URB四个变量的水平值均不能拒绝单位根假设，而其一阶差分值均在1%的显著性水平拒绝单位根的原假设，因此，我们得出这四个变量均为I（1）过程的结论，可以进行下一步的协整分析。

（三）面板协整检验结果

在面板单位根检验的基础上，我们进一步对LnY、LnK、LnH、URB四个变量进行协整检验。检验采用Pedroni的方法，以回归残差为基础构造出7个统计量，其中除Panelν统计量为右尾检验之外，其余的统计量均为左尾检验。7个统计量的原假设均为不存在协整关系，模型滞后阶数按SIC 准则自动选择，Newey－West窗宽使用Bartlett kenrnel进行选择。Pedroni论文中Monte Carlo模拟结果显示，对大样本来说，所有的7个统计量的检验效力都很好并且很稳定，但是对于小样本来说，Group ADF 统计量是最有效力的，接下来是Panel ADF、Grouppp、Panelpp等统计量，由于本文研究的是小样本数据，因此主要考察这四个统计量，具体结果见表2。

表2 面板协整检验结果

从协整检验结果来看，7个统计量中Group ADF、Panel ADF、Grouppp、Panelpp等4个统计量在1%的显著性水平拒绝“不存在协整关系”的原假设，据此综合判断，我们可以得到LnY、LnK、LnH、URB四个变量存在协整关系的结论。

因而我们估计四变量的生产函数协整方程（括号中为相应的t值）如下：

从回归系数的t值来看，生产函数中各自变量的系数显著成立，表明模型所包含的各自变量对实际产出具有显著的影响。基于省际面板数据实证结果显示，从长期来看，中国资本产出弹性为0．58，表明物质资本每增加1%，则实际产出增加0．58%，人力资本产出弹性为0．29，比物质资本产出弹性小得多，这与中国经济增长的投资依赖的典型特征相吻合。而就城市化对经济增长的影响来看，式（13）的实证结果表明，中国的城市化对经济增长具有显著的正影响，从具体数值上来看，中国城市化率每提高1个百分点，则实际产出平均增加2．33个百分点。显然，城市化率的提高对实际产出的增长具有较大的影响，而中国城市化进程的推进对长期经济增长具有显著的促进作用。

（四）面板误差修正模型（PVECM）的估计结果

根据Granger表述定理，基于式（13）估计的生产函数协整方程，我们估计与式（13）相对应的面板误差修正模型（PVECM）如下所示：

从回归结果来看，误差调节系数λ＝－0．0026＜0，其符号与预期估计符号一致，且其值显著成立（t＝－2．5121），反映变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度，这从理论上进一步印证了面板协整关系的成立。为负的λ表明：我国生产函数的长期稳定（协整）关系，对短期的波动具有显著的抑制调节作用；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，而滞后一期的实际产出波动、滞后一期的物质资本波动、滞后二期的城市化率波动对短期实际产出具有显著的正影响，其它滞后期的变量系数均不显著，进而表明，短期而言，城市化对短期经济增长具有显著的促进作用，但其影响是滞后的。

四、结论与政策建议

国内现有分析城市化与经济增长之间关系的实证研究中，大多数仅包含城市化和经济增长代理变量这两个变量。与此不同的是，论文从经济增长理论出发，通过将城市化率作为全要素生产率影响变量引入包含人力资本的Cobb－Douglas生产函数中，从而在较强建模理论基础上使用区域总量生产函数来实证分析城市化的经济增长效应。实证估计中，与现有多数研究使用时间序列数据进行分析相异，论文使用1995－2010年中国各省实际产出、物质资本、人力资本和城市化率的面板数据，采用面板协整和面板误差修正模型进行估计，充分利用了数据所包含的信息，因而得出的结论更为丰富和可靠。综合来看，我们可以得到以下几点：

1．长期中，中国的城市化对经济增长具有显著的拉动作用。实证分析中，在面板数据单位根检验的基础上，面板数据协整检验表明，城市化水平、物质资本、人力资本与实际产出之间存在长期协整关系。估计的参数中，物质资本产出弹性和人力资本产出弹性分别为0．58和0．29，与目前现有其他研究中得出的相应参数数值大体一致，也与目前中国经济增长实际情况中投资依赖的典型事实相吻合，这从另一侧面表明我们设定的模型及其估计结果是较为合理的。论文的研究表明，就分析的区间而言，中国经济的高速增长离不开城市化水平快速提高所做出的重要贡献。从长期来看，中国城市化率每提高1个百分点，平均而言，实际产出可以增加2．33个百分点，可见，中国城市化水平的提高对中国经济的长期增长具有显著的促进作用。

2．在短期，我国生产函数的长期稳定（协整）关系，对短期的波动具有显著的抑制调节作用。在面板协整方程成立的基础上，面板误差修正模型中误差调节系数显著为负，反映当城市化水平、物质资本、人力资本与实际产出之间的均衡关系偏离长期均衡状态时，会以λ的速度调整到均衡状态，这也表明，我国生产函数的长期稳定关系对短期的波动具有显著的抑制调节作用。从系数显著成立的变量来看，滞后二期的中国的城市化水平变动与滞后一期的实际产出变动、滞后一期的物质资本变动对实际产出变动存在显著的短期影响。从影响的动态特征来看，滞后一期的实际产出变动对当期实际产出变动存在影响表明经济增长存在一定的惯性，同时，短期而言，城市化对短期经济增长具有显著的促进作用，但存在一定的滞后效应，且其滞后效应比物质资本的滞后效应要大。

3．中国城市化水平提高的增长效应比较分析。由此，我们可知：中国城市化水平的提高不论在长期还是在短期对中国实际经济增长具有重要的拉动作用。从增长效应的具体数值来看，本文研究结论与已有国内研究结果相比存在较大差异，李金昌、程开明基于城市化率与人均GDP 时间序列数据进行协整检验并建立误差修正模型发现，长期协整回归方程中的系数0．71，表明城市化率每提高1个百分点，可以带动长期人均实际产出增长1／0．71＝1．41个百分点，但短期效应并不显著；段瑞君、安虎森基于城镇人口数和GDP 数据时间序列数据进行Grange因果关系检验及基于状态空间模型的弹性分析却发现，城镇人口增量变化1%，则GDP 增量变化1．56%—1．85%；沈坤荣、蒋锐基于我国人均产出与城市化率两变量的时间系列回归得到的城市化系数为0．076，表明城市化率每提高一个百分点，则人均产出增长7．6%；朱孔来等使用城市化率和人均GDP两变量构建固定效应变系数面板数据模型，加权平均的弹性为7．1，城市化率每提高一个百分点，可以维持7．1%的经济增长。我们的研究中得出城市化水平每提高1个百分点，实际产出平均增加2．33个百分点。存在差异的原因主要在于：一是本文基于包含城市化因素的生产函数进行协整分析，而已有研究均基于两变量进行协整分析，变量遗漏可能导致估计系数产生偏误，从而缺乏稳健性；二是本文使用区域实际GDP作为因变量进行面板数据分析，而已有研究除朱孔来等外均使用全国总体人均GDP作为因变量，相对而言，基于省际面板数据的分析结论可能优于总体数据；三是除李金昌、程开明外，均没有对短期效应进行检验，同样由于模型设定问题，使得该文短期效应的结论与本文结论存在差异。

就结论的经济意义和政策建议上来看，首先，数据表明，我国2011年城市化率为51．3%，而目前全球发达地区城市化率平均值为75．16%，显然我国城市化水平还存在巨大的提升空间。而从论文的研究结论来看，无论是短期还是长期，城市化对于中国经济增长都具有显著的拉动作用，从而积极推进城市化，就成为促进我国经济持续增长的战略选择，因而，为支持中国经济的长期快速增长，政府有必要采取有力政策措施，稳步推进城市化进程。其次，从我国城市化进程的推进路径上来看，以往的城市化基本上是与工业化同步的概念，伴随的是农业比重和农村人口比重的降低，使得中国成为世界最大的加工工厂，但却导致钢铁、汽车等中低端行业面临严重的产能过剩，若延续过去的城市化推进方式，即使可以推动中国经济前行，也可能加剧经济失衡现象，考虑到城市化影响经济增长的主要渠道是通过溢出效应和规模经济等对全要素生产率产生影响，因而，政府应采取措施，由目前大规模地介入经济领域、尤其是公共投资领域转为更多的提供社会服务，通过为微观经济主体提供有利于产生溢出效应和规模经济的外部环境，带来经济活动的聚集效应，带动生产技术水平的提高，从而在长期内能对我国经济的可持续增长提供巨大的动力，并且有助于我国跨越中等收入陷阱。再次，从短期来看，在目前内需不足的背景下，城市化可成为当前扩大内需的最大潜力。城市化进程的推进，可通过带动基础设施建设的投资及第三产业的发展，从而形成扩大内需的重要途径，为区域经济增长，尤其是城市化水平较低的省域的经济增长提供源源不断的动力。最后，世界城市化进程表明，城市化的推进需要工业化作为基础，这是城市化进程的一般规律。而对于我国来说，特殊性还在于农村承担了二分之一的人口，农业承担大量的农村就业，因此，基于当前国情，我国城市化的推进不仅也需要工业化协调发展，同时也需要农业现代化协调发展，实现“三化”并进。

从下一步研究方向来看，本文仅从实证的角度分析了20世纪90年代中期以来，中国城市化对经济增长的具体影响。实际上，城市化始终贯穿于经济发展的全过程，而我国无论是改革开放前还是改革开放后，城市化都在不断进行之中，因而，下一步的研究中可考虑分阶段分析中国城市化与经济增长之间的长期均衡和短期动态关系，从而将制度因素纳入到分析框架中，进而说明不同经济体制下城市化对经济增长影响的差异性，丰富现有研究结论和经济理论。此外，现实情况表明，城市化也是经济发展的结果和体现，而这会导致研究中常常采用的计量经济模型中出现变量的内生性问题，并对估计结果的准确性产生影响，因而，下一步研究中可考虑采用工具变量法，探索和寻找城市化变量的工具变量，更为准确地分析城市化与经济增长之间的经济关系。

注释

①Lucas，R．E．“On the mechanics of economic development．”JournalofMonetaryEconomics22（1988）：3－42．

②Romer，P．M．“Increasing returns and long－run growth．”JournalofPoliticalEconomy94 （1986）：1002－1037．

③Fujita，M．，Ogawa，F．“Multiple equilibria and structural transition of non－monocentric urban configurations．”RegionalScienceandUrbanEconomics12（1982）：161－196．

④Helsley，R．，and W．Strange．“Matching and agglomeration economies in a system of cities．”RegionalScienceandUrbanEconomics20（1990）：189－212．

⑤Henderson，J．V．“Efficiency of resource usage and city size．”JournalofUrbanEconomics19（1986）：47－70．

⑥Lampard，E．“The history of cities in the economically advanced areas．”EconomicDevelopmentandCultural Change3．2（1955）：81－136．

⑦Berry，L．Cityclassificationhandbook：Methods andApplications．New York：John Wiley ＆Sons，1970．

⑧McCoskey，S．and C．．Kao．Apaneldatainvestigationoftherelationshipbetweenurbanizationand growth．Mimeo Syracuse University，1998．

⑨Henderson，J．V．“The effects of urban concentration on economic growth．”NBER Working Paper 7503，2000．

⑩Bertinelli，L．and E．Strobl．“Urbanization，urban concentration and economic growth in developing countries．”CREDIT Research Paper 03／14，2003．

⑪Annez，C．and R．Buckley．“Urbanization and growth：setting the context．”UrbanizationandGrowth．Ed．Spence，M．，Annez，P．and R．Buckley．Washington，DC：The World Bank，2009．

⑯⑱⑲Pedroni P．“Critical values for cointegration tests in heterogeneous panels with multiple regressors．”OxfordBulletinofEconomicsandStatistics61（1999）：653－678；Pedroni，P．“Panel cointegration：asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis．”EconometricTheory20（2004）：597－625．

⑰Groen，J．J．J．and F．Kleibergen．“Likelihoodbased co－integration analysis in Panels of vector errorcorrection models．”JournalofBusinessandEconomic Statistics21（2003）：295－318．