城镇化水平、农业劳动生产率与城乡融合发展*
——以吉林省为例

张馥，韩冬青，董明岩，曹建民

(1. 吉林农业大学经济管理学院，长春市，130118； 2. 洮南市农业农村局，吉林白城，137100)

0 引言

近年来，我国城镇化水平不断提高，农业劳动生产率的绝对数值不断增加，然而城乡收入水平的差距却不断扩大。根据刘易斯的二元经济理论[1]，城镇化水平的提高会促进农业的发展，使农业劳动生产率与非农劳动生产率逐渐趋同，并最终实现城乡融合发展。然而，上述推论需要在城乡间具有完备的要素市场、平等的社会保障制度和较低的交易成本等隐含假设下才会实现。在现实发展中，我国农业劳动生产率的相对状态并没有随着城镇化水平的不断提高而得到改善[2]。虽然城镇化水平的提高促进了我国的经济发展，但是我国城乡收入差距过大的问题还没有引起足够的重视[3]。且随着经济的增长，我国产业结构不断转变，二三产业生产总值占比远高于第一产业，出现农业比重不断下降，服务业比重不断升高的库兹涅茨事实[4]。城乡收入水平的差距及产业结构的改变直接造成了城乡二元经济结构的不断深化，不利于城乡融合发展。

在此背景之下，研究我国城镇化水平、农业劳动生产率和城乡融合发展间的相关关系及其相互作用机制就极为必要。特别是，需要回答：农业劳动生产率是否会随着城镇化水平的提高而得到显著的变化？随着城镇化水平的提高，农业劳动生产率的相对状态是否会得到改善？城镇化水平的提高是否有利于农村居民生活水平的提高和城乡经济差距的缩减，促进城乡融合发展？二元经济程度对城镇化建设和农业劳动生产率的提高是否具有一定影响？解决这些问题，将有利于我们从宏观上认识城乡经济发展差距，理解实施乡村振兴的重点和难点，探寻我国城乡融合发展的道路。

研究吉林省各县农业劳动生产率、城镇化水平和城乡融合发展的相关关系将为保障粮食安全、缩小城乡差距、促进部门间协调发展提供重要理论和实践参考。县域地区承载着农村居民看病就医和子女上学的重要功能，县域地区的城镇化建设有利于推动地区农业经济发展，实现乡村振兴和城乡融合发展。“十四五”时期，国家提出要重点支持东北地区的县城建设，合理支持农产品主产区的城镇化建设。本文选取吉林省39个县作为样本，通过构建PVAR模型，对农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数4个指标进行回归，分析了农业劳动生产率、城镇化水平和城乡融合发展之间的动态关系。

1 理论分析

从城镇化水平与农业劳动生产率的相关关系来看，城镇化的发展有利于推动农业劳动生产率的提升。建国初期，为加快经济增长，我国设定了工农价格剪刀差，使工业产品价格高于其价值，农业产品价格低于其价值，并实施二元户籍制度，限制农业人口向城市流动，由此形成城乡二元结构。随着户籍制度的改革和城镇化水平的不断提高，农业劳动力开始向城市转移。从农村部门的角度来看，农业劳动力的数量随着城镇化的推进而显著减少，劳均农产品产量不断增加，农业劳动生产率也随之提高。从城市部门的角度来看，农业劳动力的转移扩大了城市劳动力的选择范围，一定程度上降低了企业的用人成本，增加企业创造的价值，且随着企业资本的不断扩大，农业劳动力进一步被城市吸纳。

从城镇化水平与城乡融合发展的关系上来看，虽然二元经济理论认为城镇化水平的提高有利于农业劳动生产率与非农劳动生产率的趋同，促进城乡融合发展。但是，由于我国在城乡经济建设的过程中存在交易成本过大和信息不对称等问题，城镇化与城乡融合之间是否存在显著的正向关系还有待验证。国内学者对城镇化和城乡融合发展之间的相关关系进行论证，主要观点包括以下几个方面:部分学者通过实证分析，认为城镇化会促进城乡融合发展[5-6]；另一部分学者认为城镇化和城乡差距之间存在一种恶性循环关系[7-8]；还有一部分学者则认为，城镇化是否能缩小城乡差距存在时间效应和地区间效应，在不同时间和不同地区内两个变量间的作用机制存在较大差异[9-10]。

从农业劳动生产率与城乡融合发展的相关关系来看，农业劳动生产率的提高有利于促进农民增收和农业劳动力的转移，最终实现城乡融合发展。一方面，农业劳动生产率的提高可以直接增加农民收入，缩减城乡收入差距；另一方面，农业劳动生产率的提高促进了农业剩余劳动力的转移，为农业规模生产和农业现代化发展创造了有利的条件。城乡融合水平一定程度体现了农业劳动生产率的相对状态，城乡经济差距越小，说明农业劳动生产率的相对状态越好，农民生活越富足；城乡经济差距越大，说明农业劳动生产率的相对状态越差，农产品供给能力越弱，城乡资源配置越不平等。

2 研究方法与数据来源

2.1 模型构建

面板向量自回归模型(Penal Vector Auto-regression Model)最早由Hltz-Eakin等[11]学者于1988年提出，经过Arrellano等[12]、Blundell等[13]的进一步发展，PVAR模型已经成为宏观经济分析中常用的计量工具。不同于传统的VAR模型，PVAR模型既考虑了个体异质性的问题，也考虑了个体的时间效应，能够对变量之间的相关关系进行较好的描述。本文为考察2004—2019年农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数之间的相互作用机制，构建以下PVAR模型，对其进行估计，具体形式如下

式中：A、B、C、D——农业劳动生产率的对数、人口城镇化水平、产业城镇化水平和二元对比系数构成的矩阵；

Π、Λ、Z、Ψ——n×p维待估系数矩阵；

p——滞后阶数；

rt——时间效应；

ni——个体效应；

εit——随个体和时间变化而变化的随机误差项；

Yit——被解释变量，包括农业劳动生产率的对数lnscore、人口城镇化水平urban_popu、产业城镇化水平urban_industry和二元对比系数R四个变量；

t——年份编号，t=1(2004)，2(2005)，…，16(2019)；

i——县域序号，i=1，2，…，n，本文n=39。

2.2 变量说明

2.2.1 农业劳动生产率

农业劳动生产率是指农业劳动时间与劳动成果的比率，即单位农业劳动时间内所生产出来的农产品数量或者生产单位农产品所花费的劳动时间。关于“农业劳动生产率”，目前学术界通常有两类衡量方法：第一类是用实物的度量方法采用平均每个劳动者在单位时间内的农产品产量来衡量[14]；第二类是以货币的度量方法采用单位劳动力的农业总产值来衡量，由于定义更为清晰且农业总产值和劳动力总数量的数据较容易获取，这种衡量方法的使用更加普遍[15-18]。在本文中，采用货币的度量方法，即使用农林牧渔总产值与第一产业从业人员的比值来衡量农业劳动生产率的大小。为了削弱异方差的影响，在回归过程中采用农业劳动生产率的自然对数来反映该指标的经济变化水平，这极大地提高了模型的稳健性。

2.2.2 人口城镇化水平

在人口城镇化水平的度量上，通常采用常住人口数量占地区总人口比重和户籍人口数量占地区总人口比重两种测算方法。由于城市常住人口往往代表着城市人口的消费能力和人力资本现状，能更加直观地反映一个地区的城镇化水平，因此，在本文的研究中，采用城镇常住人口数量所占地区总人口比重来代表人口城镇化水平。

2.2.3 产业城镇化水平

由于二三产业的发展往往集中在城市，而第一产业的发展大多集中在农村，许多国内学者采用二三产业生产总值与地区生产总值的关系作为衡量地区城镇化水平的最重要指标之一[19-20]。本文沿用了这一习惯，用吉林省39个县市二三产业生产总值占地区生产总值的比值来衡量地区产业城镇化水平。

2.2.4 二元对比系数

二元对比系数是农业与非农劳动生产率的比值，代表着一个地区城乡经济的差距，是用于衡量城乡融合水平的重要指标[21-22]。本文采用二元对比系数作为城乡融合发展程度的替代变量，具体计算方法为

式中：G1——第一生产总值；

G2——二三产业生产总值；

L1——第一产业从业人员；

L2——二三产业从业人员。

二元对比系数R值越大，表明农业劳动生产率与工业劳动生产率相差越小，城乡融合程度越高；R值越小，表明农业劳动生产率与工业劳动生产率差距越大，城乡发展越不平衡。

2.3 数据来源及描述性统计分析

2004—2019年，我国城镇化取得了飞速的发展，农村人口不断转向城市，农业劳动生产率水平不断提高，城镇化的飞速发展为研究农业劳动生产率、城镇化水平与城乡融合发展之间的相关关系提供了有利的条件，因此本文选取吉林省39个县2004—2019年的数据为样本，样本个数为624，所有数据均来自《吉林统计年鉴》。表1报告了农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数的统计特征。二元对比系数的均值为0.126，这表明吉林省城乡经济差距较大，农业产值比重较低；人口城镇化水平和产业城镇化水平的均值分别为0.406和0.793，低于全国平均水平0.523和0.907(根据《中国统计年鉴》2004—2019年的相关数据计算)，这可能是由于只选取了县级单位为样本而删除了地级市样本的原因。虽然整体数据和全国平均水平有所出入，但是本文所选取的数据一定程度上代表了我国东北地区的县域发展水平。

表1 变量描述性统计分析

3 结果与分析

3.1 平稳性检验

在时间序列的回归中，如果出现了单位根，不仅会导致传统的t检验失效，而且可能会造成伪回归，影响回归结果的精度。在面板数据中常用的平稳性检验包括LLC检验、HT检验、Fisher检验和Hadri检验，本文基于这4种方法，对数据的平稳性进行检验，检验结果如表2所示。

表2 面板数据的平稳性检验

检验结果表明，农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数这4个变量均通过显著性水平至少为5%的检验，所有变量都是平稳的。

3.2 PVAR模型滞后阶数的选择

PVAR模型同VAR模型一样，要对滞后阶数进行检验，表3显示了AIC检验、BIC检验和HQIC检验的检测结果。

表3 PVAR模型滞后阶数检验结果

从表3可以看出，3种检验一致认为应选择滞后一期，故在接下来的估计中，选择滞后一期为最优滞后阶数。

3.3 PVAR模型参数的GMM估计

GMM估计能够从宏观上了解变量之间的动态模拟过程。因此，本文选取PVAR模型的最优滞后阶数，对农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数4个变量进行GMM估计，估计结果如表4所示。估计结果表明，滞后一期的产业城镇化水平对其自身的解释力度为0.498 6，且在1%的显著性水平下表现为显著。

表4 GMM估计结果

同时，农业劳动生产率和二元对比系数对其自身也具有一定的解释力度，至少在5%的显著性水平下，两个变量对自身的解释力度分别为0.748 6和0.501 3。而人口城镇化水平对其自身的解释力度较弱，农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数4个变量之间的互动关系并不明显。由于GMM估计的结果并不显著，为了进一步了解农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数四者之间的逻辑关系和作用机制，接下来将对以上变量进行格兰杰因果关系检验、脉冲响应分析和方差分解，对其互动关系进行进一步的解释和预测。

3.4 格兰杰因果检验

为了进一步说明农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数之间的逻辑关系，利用Eviews9软件，对其进行格兰杰因果检验，表5显示了格兰杰因果检验的测算结果。

表5 格兰杰因果检验

1) 农业劳动生产率与人口城镇化水平及产业城镇化水平的回归结果在10%的显著性水平下拒绝原假设，这表明人口城镇化水平和产业城镇化水平都是农业劳动生产率的格兰杰原因。

2) 在10%的显著性水平下，产业城镇化水平是人口城镇化水平的格兰杰原因，而农业劳动生产率和二元对比系数并不是人口城镇化水平的格兰杰原因，农业劳动生产率的和城乡经济差距的变化并不会引起农业劳动力发生转移。

3) 在1%的显著性水平下，人口城镇化水平是产业城镇化水平的格兰杰原因，而农业劳动生产率和二元对比系数不是产业城镇化水平的格兰杰原因。

4) 在1%的显著性水平下，农业劳动生产率是二元对比系数变化的格兰杰原因，说明农业劳动生产率的变化可以影响城乡经济差距的改变，而不论是人口城镇化水平还是产业城镇化水平对城乡经济差距的改变都没有显著的影响。

3.5 脉冲响应函数

从长期的角度来看，采用脉冲响应函数和方差分解等方法可以预测在未来一个时期内，某一变量的冲击所引起的另一个变量的变化轨迹，模拟在现有条件不变的情况下，变量之间的动态传导路径。本文使用Cholesky分解构造脉冲响应函数，进一步分析了农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数的作用机理。图1为面板数据向量自回归模型滞后6期的脉冲响应图。

图1 面板向量自回归模型脉冲响应图

1) 来自农业劳动生产率、人口城镇化水平、产业城镇化水平自身的新息冲击都较为迅速，且在数值上显著为正，说明农业劳动生产率、人口城镇化水平和产业城镇化水平的发展都具有经济惯性。来自二元对比系数的自身冲击在数值上也是显著为正的，说明在其他条件不变的情况下，二元对比系数在接下来3年的时间里会显著扩大，即城乡经济差距会在未来的3年里不断缩小，且这种变化将最终趋近于0。

2) 人口城镇化水平、产业城镇化水平的正向新息冲击都会引起农业劳动生产率正向变化，且随着时间的推移，这种影响效果将逐渐减弱，这符合格兰杰因果检验的结果，说明农业劳动力的转移、产业结构的优化都会促进农业劳动生产率的增长。

3) 对于人口城镇化水平来说，来自其他变量的新息冲击并不会对人口城镇化水平有显著的影响。而对于产业城镇化水平来说，短期内来自人口城镇化水平的新息冲击会对产业城镇化水平造成负向影响，来自二元对比系数的新息冲击则会对其产生正向影响。

4) 对于二元对比系数来说，虽然农业劳动生产率是二元对比系数的格兰杰原因，但是农业劳动生产率的冲击并不会对二元对比系数造成显著的冲击效果，同样，来自产业城镇化水平的冲击也不会对其产生显著的影响。而来自人口城镇化水平的正向冲击在短期内则会对二元对比系数产生负向影响。

3.6 基于方差分解的预测

基于以上分析结果，进一步利用方差分解考察结构冲击对内生变量波动的贡献度。根据表6方差分解结果，得出以下结论。

表6 方差分解结果

1) 农业劳动生产率和产业城镇化水平对人口城镇化水平的贡献随时间的增加而增加，且二元对比系数对人口城镇化水平的贡献较为稳定。具体表现为：在第1期的时候，农业劳动生产率和产业城镇化水平对人口城镇化水平的贡献度为0.13%和0%；到了第5期，这一数值增长为26.3%和0.78%并且在第10期的时候，农业劳动生产率和产业城镇化水平对人口城镇化水平的贡献率也基本维持在这一数值；二元对比系数对人口城镇化水平的贡献率始终保持在2%左右。

2) 农业劳动生产率、人口城镇化水平和二元对比系数对产业城镇化水平的影响也呈现逐渐增加的趋势：在第1期的时候，农业劳动生产率、人口城镇化水平和二元对比系数的贡献程度分别为1.32%、0.03%和0%，到了第5期，这三个变量的贡献程度分别增长为10.12%、2.47%和3%；到了第10期这一数值进一步增长为10.36%、2.78%和5.41%。

3) 对于二元对比系数来说，农业劳动生产率、产业城镇化水平和人口城镇化水平的冲击对其波动的影响效果不强，且随着时间的推移，其影响程度并没有明显的增加。说明农业劳动生产率的增长以及城镇化水平的增加并没有减少城乡收入差距。具体表现为：在第1期，三个变量对二元对比系数的贡献率分别为7.05%、4.39%和2.38%；到了第5期，三个变量的贡献率为6.79%、6.80%和2.19%；在第10期时，三个变量的贡献率基本维持在6.82%、6.86%和2.20%。

4 结论

通过对吉林省2004—2019年县域数据的分析，本文验证了农业劳动生产率、城镇化水平和城乡融合发展之间存在显著的相关关系，分析了短期内各变量之间的相互作用机制，模拟了长期内各变量之间的动态传导路径。

1) 基于GMM估计和格兰杰因果检验的结果，发现在短期内：至少在5%的显著性水平下，农业劳动生产率、产业城镇化水平和二元对比系数对其自身的解释力度分别为0.748 6、0.498 6和0.501 3。城镇化水平是农业劳动生产率的格兰杰原因，且农业劳动生产率是二元对比系数的格兰杰原因，说明城镇化水平的提高能够通过提高农业劳动生产率来缩小城乡经济差距，最终实现城乡融合发展。而农业劳动生产率既不是人口城镇化水平的格兰杰原因，也不是产业城镇化水平的格兰杰原因，说明农业劳动生产率的提升不能促进城镇化水平的提升，还没有到达刘易斯所说的二元经济的转折点。

2) 从脉冲响应函数和方差分解的结果中，可以看出：农业劳动生产率、人口城镇化水平、产业城镇化水平和二元对比系数4个变量具有长期互动关系。来自人口城镇化水平的正向冲击会引起农业劳动生产率的正向变化和产业城镇化水平及二元对比系数的负向变化。人口城镇化水平对农业劳动生产率的贡献率在第1期、第5期和第10期分别为0%、6.24%和6.65%；对产业城镇化水平的贡献率在第1期、第5期和第10期分别为0.03%、2.47%和2.78%。来自产业城镇化水平的正向冲击会引起农业劳动生产率的正向变化；来自二元对比系数的正向冲击会引起农业劳动生产率和产业城镇化水平的正向变化。产业城镇化水平对农业劳动生产率的贡献率在第1期、第5期和第10期分别为0%、6.24%和0.87%。二元对比系数对农业劳动生产率的贡献率在第1期、第5期和第10期分别为0%、1.91%和6.82%。

根据上述结论，得出以下启示：一是要进一步推动以县域为载体的新型城镇化建设，提升县域城镇化水平不仅有利于农民治病就医和子女上学等问题的解决，而且能够推动农业劳动生产率的提高，缩小城乡经济差距。二是由于农业劳动生产率的提升还没有起到促进城镇化发展的作用，应进一步完善要素市场配置，健全农业部门的社会保障制度，推动城乡经济相互促进，共同发展。三是要把农业劳动生产率、城镇化水平和城乡融合发展看作一个有机的整体来制定相关政策，不仅要关注农业劳动生产率绝对数量的增长，而且要关注农业劳动生产率相对状态的改善。