文献来源：Wang H, Dan R. Regional growth differences in China for 1995–2013: an empirical integrative analysis of their sources[J]. Annals of Regional Science, 2017, 60(1):1-19.

摘要：对中国1995 - 2013年期间若干区域经济结果变量的综合实证分析揭示了中国区域增长差异的主要来源。人口，人均收入，地区生产总值，房价和失业率变化的增长模式通过主成分分析确定。主成分分数的回归分析被用来识别增长源头中的地理和行政状态模式。分析表明，尽管劳动力需求的变化几乎同等重要，但劳动力供给的变化在很大程度上是造成该时期区域增长差异的原因。这些结果对评估西部发展战略等区域发展政策的成功具有启示意义。

1.研究背景

1978年开始实施的市场化改革和对外开放改变了中国经济，并使其成为世界第二大经济体。中国银行业和住房部门进行了改革，并创建了股票市场。特别是随着中国加入世贸组织，中国的私营企业日益取代国有企业，外国直接投资增加、出口增加。中国国有企业的数量从1995年的118000个下降到2003年的23,228 个，而高技术产业的附加值从1995年到2001年增加了三倍。1994年开始，中国成为发展中国家最大的外国直接投资接受者；2001年，中国作为WTO的成员国出口大幅增加。然而，改革后中国各地区的增长并不均衡。

中国区域增长研究分别着重于集聚经济、出口和外国直接投资、家庭舒适度吸引力和住房供应等方面。然而，还没有任何研究比较了劳动需求、劳动力供给和住房供给作为中国区域增长的来源的相对重要性。因此，本研究评估了企业生产率/劳动力需求，家庭舒适度吸引力/劳动力供给和住房供应在解释中国各省份和直辖市之间的增长差异时的相对作用。我们考察了1995 - 2013年期间，因为中国在上世纪90年代特别是90年代后期进行了多次改革。

2.模型构建

（1）数据：

本文使用的数据来源于中华人民共和国国家统计局，包括人口，地区生产总值（GRP），城市地区失业率，人均工资和收入以及区域平均房价数据。我们计算1995 - 2013年期间变量的平均年增长率。根据“中国统计年鉴”，1995年的人口是根据1％的人口抽样调查估计的; 2013年的人口估计是根据人口变化的抽样调查进行的，该调查覆盖该国总人口的千分之一。军人不包括在区域人口中。住房价格是指由房地产公司建造并在住房市场上交易的每平方米商业化住宅建筑的平均售价。与2013年的平均销售价格不同，我们无法直接从中华人民共和国国家统计局获得1995年的数据。因此，我们用住宅商品房销售额除以1996年“中国统计年鉴”表5-35所得的实际销售住宅商品房面积。关于人均工资和工资收入，我们只能分别获得城乡地区的数据。因此，我们用城市化比率（以城镇人口除以总人口计算）来衡量城乡人均收入。对于西藏和重庆，由于在1995年至1999年间缺少城市化比例，我们用2000年作为开始年度来计算年均增长率。

（2）模型方法：

实证分析由两个步骤组成。首先对人口增长，人均收入增长，房价增长，地区生产总值增长和失业率变化进行主成分分析。然后根据最能解释各变量与主成分之间相关性模式的方式解释提取的主成分。计算选择主成分的得分，然后用于回归分析，以考察中国主要地区的增长模式。

使用主成分分析是因为本文的综合分析隐含着结果变量的多种可能的组合。主成分法构造了解释它们变化的五个变量的正交线性组合。对于五个变量，计算五个主成分。每个主成分反映了五个变量之间的一些独立的共同性。它为每个主成分的每个观察单位提供一个指数值。有许多标准可用于选择要检查的主成分的数量。我们使用Kaiser方法，选择特征值超过1的所有主成分。

在第二步中，所选主成分的得分对地理和管理状态的二值变量进行回归，以考察地理位置和管理状态（省/自治区/直辖市）对经济增长的影响。中国的行政单位可分为三级体系，我们把重点放在第一级，其中包括：中央政府直接控制的23个省，5个自治区和4个直辖市。附表5列出了研究范围，包括它们的行政分类和在地理位置。以省份为研究单位可能掩盖省份内部的异质性，特别是大城市地区和农村地区之间的区别。然而，与以往对中国大陆的许多研究一致，本文的重点在于广泛的区域模式。而且，包含四个直辖市的研究可捕获大城市的特征。

3.结论

主成分得分对地理和行政地位模式回归分析的结果显示，第一主成分得分与直辖市地位以及中国东北地区的地理位置呈显着正相关。除重庆外，所有直辖市都位列第一主成分得分的前五名。由于第一主成分的解释反映了供给引致增长的主导模式，显著的正向系数表明这些地区有显著的供给引致增长效应。第一主成分的最低得分为安徽，河南，内蒙古，陕西和贵州。虽然整体回归略不显著，但当t统计量小于1的变量被省略时，它会明显在0.05的水平上显著，且每个剩余变量的统计显着性不受影响。

有趣的是，第二主成分分数的唯一统计显著系数是中国东北地区各省的负系数。所有三个东北省都在第二主成分（其他两个是河北和云南）中排名倒数第五。考虑到第二个主要组成部分是需求导致增长的解释，东北地区的省份似乎遭受了需求主导型增长的下滑。在第二主成分方面，排名前五位的地区是西藏，内蒙古，宁夏，青海和陕西，其中三个位于西北地区。这支持了1999年实施的加强能源和交通基础设施投资的西部大开发战略在刺激需求方面取得成功的观点（Lu and Deng 2013; Shiu et al。2016）。总体回归在0.05水平以下具有统计显着性。当忽略t统计量小于1的变量时结果不受影响。

总的来说，东北地区受到供给面的积极影响，但受到需求的负面影响。东北省份的人口增长率是中国最低的（附表7）。结果表明，人口增长放缓的主导力量是需求增长不足。由于缺乏需求增长，这种积极的供给效应似乎反映了人口外流量比预期下降的情况，这可通过失业人数大幅增加来反映（附表7）。陕西在家庭舒适度排名后五位，但企业生产率排名却在前五位，十分引人注目。结果还表明，直辖市的人口强劲增长主要受供给引致增长的支配。这在中国户籍制度限制劳动力向大城市流动的背景下是值得注意的（Au和Henderson 2006）。Chen（2016）同样指出，即使是较长时期（1958-2013），中国最大城市的移民吸引力也很强。

中国东部地区没有出现强劲的劳动力供给或需求模式。在没有显示的结果中，东部和西南部地区在第四主成分得分的回归中表现最显着（正系数），显著低于0.05水平。第四主成分与住房价格增长（r = 0.75）和失业率变化（r = 0.44）高度正相关，与人口增长负相关（r = -0.45），与人均收入（r = 0.06）和地区生产总值（r = -0.21）相关性较低。这种模式适合住房供应弹性导致增长差异，其中无弹性的住房价格增长会提高住房价格并减少人口增长（Glaeser et al. 2006）。东部缺乏弹性住房供应的证据与余（2011）的证据相一致，中国东部地区的大城市在此期间出现了房价泡沫。

总之，本文的主要发现为：直辖市具有强大的移民吸引力。我们发现东北地区的劳动力需求疲弱，供应调整疲弱，导致该地区失业人数增加。劳动力供给疲软（舒适度吸引力）解释了西南和西北地区（特别是陕西）人口增长放缓，这抵消了宁夏，青海和陕西等更强劲的劳动力需求带来的好处。这表明西部大开发战略在刺激劳动力需求方面取得了成功，但无法克服劳动力供给的负面影响以产生更强的人口增长。进一步的研究将有助于评估各种政策对劳动力需求、劳动力供给和住房供应弹性差异的影响。（姚彦青，周玉龙）