为什么半城镇化率越来越高？
——基于房价上涨的分析视角

彭代彦 文 乐

(华中科技大学 经济学院， 湖北 武汉 430074)

为什么半城镇化率越来越高？
——基于房价上涨的分析视角

彭代彦 文 乐*

(华中科技大学 经济学院， 湖北 武汉 430074)

本文利用1999-2014年中国31个省市的空间面板数据，基于房价上涨的视角，运用空间探索性数据分析法(ESDA)和空间计量模型研究了中国半城镇化率的空间分布特征与半城镇化率持续上升的成因。研究发现:(1)中国人口半城镇化具有显著的空间正相关性和空间异质性，并且存在向东部沿海地区集聚的特征；(2)房价上涨显著推升了本省人口半城镇化率，而对周边省市影响不显著，本省房价上涨1%，本省半城镇化率上升约0.077个百分点；(3)推升人口半城镇化率的主要是住宅价格，其次是工业用房价格。研究表明，房价快速上涨不利于农业转移人口市民化。

房价上涨； 人口半城镇化； ESDA； 空间计量

一、引言

近三十年来，中国常住人口城镇化率以年均1个百分点以上的速度增长，至2015年底常住人口城镇化率已经达到56.1%，城镇常住人口达7.7亿，但是，中国的农业转移人口市民化进程却十分缓慢，户籍人口城镇化率仅在36%左右，大量农业转移人口仍处于“半城镇化”状态①。据国家统计局公布，2015年多达2.7亿多的农业转移人口在乡村和城市之间呈“候鸟式迁移”。学术界通常用半城镇化率即常住人口城镇化率与户籍人口城镇化率之差来衡量半城镇化水平②。值得注意的是，自2004年以来中国房价开始上涨，而中国人口半城镇化率与房价③一同上升，如图1所示。

半城镇化的实质是一种不彻底的城镇化，具体表现为大量的农业转移人口实现了职业和地域空间的转变，但是难以获得城镇户口，没有从农民转化为市民，实现身份的转换，享受与城镇居民同等的社会福利④。这种城镇化模式一方面压制了农业转移人口的公共服务需求，减轻了政府和企业负担，为中国经济快速发展提供了非常廉价的劳动力，但是，另一方面也产生了深刻的负面影响，比如，农业转移人口难以融入城镇生活，城镇内部呈现出以农业转移人口和城镇居民为主体的“新二元结构”分割现象⑤，而农村则催生了大量的留守儿童、留守妇女与留守老人，呈现“空心化”趋势⑥。从长远来看，半城镇化模式显然不利于中国经济的持续增长和社会的长治久安。

图1 房价与人口半城镇化率变化趋势注：1.数据来源于《新中国六十年统计资料汇编》、《中国人口和就业统计年鉴》从2000年到2015年各年相关数据、《中国统计年鉴》从2000年到2015年各年相关数据；2.利用CPI对房价进行了消涨处理。

二、制度背景与理论分析

(一)制度背景

(二)理论分析

综合以上分析可知，房价上涨通过影响农业转移人口的住房消费与就业机会，进而导致人口半城镇化水平上升。

三、人口半城镇化的空间相关性与异质性

(一)半城镇化的空间相关性

从表1可知，1999-2014年全局Moran’sI估计值均为正，且大都在5%以上的显著性水平上显著，这表明中国半城镇化水平呈现出空间正自相关性，也就是说半城镇化水平高的地区和半城镇化水平低的地区在空间上分别呈现集中分布。这种特征可能是由各地的工资与房价差异造成的。具体来看，东部各省市就业机会多，吸引了大量的农业转移人口，但是，这些地区房价高，抑制了农业转移人口市民化；而中西部地区虽然房价相对较低，但是就业机会相对匮乏、工资低，城市流入人口较少，因而各省市半城镇化也较低。另外，Moran’sI值从1999年的0.045增长到2014年的0.213，整体呈现明显的波动上升趋势，表明半城镇化率的空间集聚度不断上升，也就说，区域半城镇化的空间分布格局趋向集中。图2和图3更清晰地反映了中国半城镇化率的空间分布情况，东南沿海地区是半城镇化率的高值区，而东北和西部地区是低值区域，并且从1999年到2014年存在由西向东逐渐集中的趋势。这可能是近十多年来东部沿海地区比中西部发展速度更快，工资水平更高，创造了更多的工作机会，吸引了农业转移人口的进入，同时越来越高的房价也抑制了农业转移人口的市民化。

(二)半城镇化的空间异质性

表1 1999-2014年31个省市的半城镇化率的全局Moran’s I与Z值

数据来源：作者整理得出。

图2 1999年中国半城镇化率分布数据来源：《新中国六十年统计资料汇编》、《中国人口和就业统计年鉴(2000)》。

图3 2014年中国半城镇化率分布数据来源：2015年《中国人口和就业统计年鉴(2015)》、《中国统计年鉴(2015)》。

东部G*i中部G*i西部G*i北京1.9769山西0.1407广西-0.1330天津2.1244内蒙古0.3674重庆0.1355辽宁0.3623吉林0.1824四川-0.8900上海3.6461黑龙江0.0094贵州-0.0290江苏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陕西-1.0196山东1.4305湖北0.2080甘肃-0.8261广东3.1994湖南0.1168青海-0.5635海南-0.6718宁夏-0.0477河北-0.8235新疆0.5132

数据来源：作者整理得出。

四、实证模型、变量与数据来源

(一)计量模型与变量选取

前文分析表明不同省市之间人口半城镇化水平存在显著的空间正自相关性与空间异质性，因而有必要采用控制了空间相关性的空间计量模型，以得到回归系数的无偏估计量。空间自相关模型(SAR)、空间误差模型(SEM)和空间德宾模型(SDM)是比较常用的空间计量模型。其中，SAR模型主要研究相邻地区对主体行为直接产生的影响，其形式为：

(1)

SEM模型通过误差项的相互影响来表现空间关系，其形式为：

(2)

(3)

在以上模型中，i，j表示省份，且i≠j;t表示年份；δ、ρ分别为空间自相关系数和空间误差相关系数，β、θ为模型待估参数，Wij为N×N维空间权重矩阵W的元素，估计模型时需对矩阵W进行行标准化。purban为因变量人口半城镇化率；X是自变量，其中核心变量为房价，即商品房销售价格，控制变量主要从经济因素、社会因素、城市特征和制度四个方面加入的；μi控制不随时间变化的个体效应，如区位、气候、制度等因素，以及T表示时间趋势项，用于控制时间效应；φit和εt均为随机扰动项，且εt满足独立同分布假设。本文数据样本为1999-2014年中国31个省市的面板数据，不含港、澳、台。

表3 变量简单描述性统计

续表

(二)空间权重矩阵设定

空间权重矩阵反映样本观察值之间的空间依赖关系，是进行空间计量分析的关键。常见的空间权重矩阵包括地理邻接矩阵、地理距离矩阵和经济距离矩阵，但是不同的权重矩阵可能使得模型估计结果产生很大的差异。为确保模型估计结果的稳健性，我们设定多种空间权重矩阵。

1.二阶邻接矩阵。通常较为简单的邻接矩阵为一阶邻接矩阵，即如果两个地区相邻则Wij取值为1，否则取值为0。这种设置方法简单易行，但是其假定不相邻地区之间不发生空间关系，显然不符合实际。比如北京、上海作为经济中心对周边地区具有很强的辐射能力。为了弥补一阶邻接矩阵缺陷，我们设定二阶邻接矩阵，即如果两省相邻或者隔省相邻，那么Wij取值为1，否则取值为0。相比于一阶邻接矩阵，二阶邻接矩阵使得每个省市可以与更多省市相邻，更符合中国人口流动范围广的特点。

五、实证结果与分析

(一)平稳性检验

在进行实证检验之前，需对样本数据进行平稳性检验，以避免虚假回归的情形。本文采取LLC单位根检验方法，并考虑到人口半城镇化率和房价等变量可能存在增长趋势，我们控制了时间趋势。表4报告了检验结果，所有变量都是平稳的，说明不存在伪回归。

表4 LLC单位根检验结果

注：上标*、**、***依次表示10%、5%、1%的显著性水平，括号内为P值。

(二)基本估计结果

在空间面板回归模型中，由于其空间滞后项与扰动项之间是相关的，传统的OLS方法得出的估计值将不再是无偏、一致的，而极大似然估计法可以有效避免这一问题。因此采用极大似然估计法进行估计。再根据wald检验和对数似然(LR)检验，空间德宾模型(SDM)的整体估计结果较为理想，故本文后续研究将以此作为标准模型，限于篇幅，没有报告SAR、SEM模型估计结果。另外，Hausman检验结果表明固定效应模型要优于随机效应模型。考虑到中国幅员辽阔，各地区在区位、政策等方面的差异性较大，因此不仅控制了模型的省份固定效应，而且进行了异方差校正。表5报告了二阶邻接矩阵、地理距离矩阵以及经济距离矩阵的空间德宾模型(SDM)估计结果，并为了便于比较，还报告了普通OLS回归结果。从表5回归结果可知，使用不同权重矩阵得到的估计结果的系数比较一致，说明模型具有良好的稳健性。

表5 基本回归结果

注：(1)括号内为稳健标准误，上标*、**、***依次表示10%、5%、1%的显著性水平。(2)限于篇幅，本文重点关注房价和工资的空间溢出效应，未报告其他控制变量的空间溢出项，下表类同。

(三)实证结果分析

综合比较表5回归结果中的R2和LogL值，并考虑到收入水平是影响人口迁移的关键因素，以第(4)个回归为基准进行分析。我们得到如下结论：

1.空间自回归系数(δ)显著为正，说明采用空间计量分析是必要的，同时也说明本省人口半城镇化率上升导致周边地区半城镇化率也上升。这可能是农业转移人口在城市集聚产生空间扩散效应，带动周边地区经济发展，从而促进了周边地区人口集聚。

3.本省工资增加导致人口半城镇化率上升，并且存在显著负的外溢效应。工资(lnwage)的系数高度显著为正，说明工资上涨也会推高半城镇化率。工资上涨尽管可以提高农业转移人口的收入，有利于农业转移人口市民化，但是，工资上涨也增加了企业生产成本，并且可能吸引了更多的农村人口进入城市，从而导致半城镇化率上升。显然，如果遗留工资这一变量，就会高估房价对人口半城镇化的影响。工资的溢出项(W*lnwage)显著为负，说明本省工资增加，将会导致其他省份的人口半城镇化率下降，其原因在于当本省工资增加时，将会吸引其他省市劳动力的流入，反之，工资减少，劳动力就会流出本省市。

六、进一步的分析

(一)机制检验

1.检验不同用途商品房价格的影响。商品房按用途可分为住宅、工业用房、商业营业用房、办公楼。不同功能的商品房价格对人口半城镇化的影响可能是不一样的，为此需要进行进一步的检验。分别利用住宅价格、工业用房价格、商业用房价格和办公楼价格进行回归，得到回归结果如表6。利用空间效应分解公式进一步分解发现，对人口半城镇化影响最大的是住宅价格，住宅价格每上涨1个百分点，本地人口半城镇化率上升0.070个百分点；其次是工业用房，工业用房价格上涨1个百分点，人口半城镇化上升0.011个百分点；而商业用房和办公楼价格影响不显著。说明住宅价格和工业用房价格是推动人口半城镇化率上升的主要途径。这种现象背后的原因在于住宅是居住的必需品，其价格上升直接导致农业转移人口购买能力不足，无法买房落户；工业用房价格上升导致企业生产成本增加，进而导致农业转移人口就业机会减少；而商业营业用房、办公楼与农业转移人口的生产生活关系比较小，因而不是阻碍农业转移人口市民化的主要因素。

表6 机制检验

注：括号内为稳健标准误，上标*、**、***依次表示10%、5%、1%的显著性水平。

(二)房价对半城镇化影响的时空差异

首先从时间维度来看，从表7回归结果可知，在1999-2003年房价上涨较为平缓，房价(lnhp)的系数均不显著；而在2004-2014年房价快速上升，全国房价系数显著为正，说明房价上涨显著推高了全国的半城镇化率水平。其次，从区域角度来看，2004年后，东部房价每上涨1%，半城镇化水平上升约0.070个百分点，但是对中西部地区影响不显著，这可能是东部地区房价上涨迅猛，而中西部房价上涨较慢。基于以上分析，可推知房价快速上涨的确抑制了农业转移人口市民化，推升了人口半城镇化率。关于其他控制变量，与前文估计结果基本一致，限于篇幅，不再赘述。

表7 房价影响半城镇化率的时空特征

注：括号内为稳健标准误，上标*、**、***依次表示10%、5%、1%的显著性水平。

七、结论

近十多年来，中国人口半城镇化率持续上升，针对这一现象，本文基于房价上涨的视角，从理论上分析了人口半城镇化率上升的原因，并使用1999-2014年中国31个省市的面板数据，运用空间探索性数据分析法(ESDA)和空间计量模型进行了实证检验。我们得到如下几点发现：第一，中国人口半城镇化具有显著的空间异质性和空间正自相关性，并且存在自西向东的空间集聚特征，说明运用空间计量进行分析具有必要性，同时利用不同的权重矩阵估计的结果表明计量模型具有稳健性。第二，房价上涨显著推升本省人口半城镇化率，而对周边省市影响不显著。本省房价每上涨1%，本省人口半城镇化率上升约0.077个百分点；其中，推升人口半城镇化率的主要是住宅价格，其次是工业用房价格。而从时空维度来看，在1999-2003年房价上涨较为平缓，没有对人口半城镇化产生显著影响；而在2004-2014年，房价快速上升显著推高了半城镇化率水平，而这一效应在东部地区尤其明显。第三，工资也是影响人口半城镇化的重要因素，本省工资增加导致人口半城镇化率上升，并且存在显著负的空间外溢效应。此外，对外开放程度、人力资本对本省人口半城镇化有显著负的影响，而财政自主度、户籍制度改革有显著正的影响。

人口半城镇化率的上升意味着越来越多的农业转移人口尚未成为真正的市民，未能享受与城镇居民同等的公共服务与社会福利，这容易激发社会矛盾，不利于城镇化质量的提升，也是与新型城镇化背道而驰的。《国家新型城镇化规划(2014-2020年)》指出常住人口城镇化率达到60%左右，户籍人口城镇化率达到45%左右，户籍人口城镇化率与常住人口城镇化率差距缩小2个百分点左右。为实现这一目标，从本文的研究结论来看，提出如下几点建议：第一，需要增加住房供给，抑制房价的过快上升。这需要调整现有向中西部地区倾斜的土地供给政策，而应把更多的土地供给指标分配给东部，使土地供给与需求相匹配。第二，加强各区域在教育、医疗与社会保障等方面交流合作，促进农业转移人口顺利安家落户。另外，人口半城镇化具有明显的空间集聚特征，因此应该充分发挥农业转移人口集聚效应，并防范不良影响。第三，深化户籍制度改革，健全农业转移人口落户制度。目前农业转移人口可以自由进出城市，但是，对于农业转移人口来说，大城市落户条件过于苛刻，也不利于发挥大城市的空间集聚效应。第四，加强教育和职业培训，提升农业转移人口的人力资本。人力资本提升有利于农业转移人口增强市场竞争力，提升社会生产效率。

注释

①数据来源于由国家发展和改革委员会组织编写的《国家新型城镇化报告2015》，2016年3月。

③本文若无特殊说明，房价即指商品房销售价格。

④Cai， F. “Hukou System Reform and Unification of Rural-Urban Social Welfare.”China&WorldEconomy19，no.3(2011):33-48;国务院发展研究中心课题组:《农民工市民化对扩大内需和经济增长的影响》，《经济研究》2010年第6期;李爱民:《中国半城镇化研究》，《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贺京同、郝身永:《怎样才能使落脚城市人群更幸福？——基于CHIPS数据的实证分析》，《南开经济研究》2013年第6期。

⑦李敬、章铮:《民工家庭城市化经济条件分析》，《经济科学》2008年第3期。

⑧黄江泉、李晓敏:《农民工进城落户的现实困境及政策选择——一个人力资本分析视角》，《经济学家》2014年第5期;肖峰、吴玲:《论农民工市民化内生机制之构建》，《学术交流》2015年第3期。

⑨刘传江、程建林:《双重“户籍墙”对农民工市民化的影响》，《经济学家》2009年第10期。

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

责任编辑 张静

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

湖北省社会科学基金一般项目“偏向中西部的土地供给政策如何推升了房价”(2015198)

*文乐，通讯作者,wellerwen009@163.com.