科技和产业

目标层	准则层	指标层	单位	属性
就地城镇化发展水平指标体系	人口结构	城镇化率	%	正向
登记失业率	%	负向
非农就业率	%	正向
经济发展	人均GDP	元/人	负向
城镇居民人均可支配收入	元/人	正向
农村居民人均可支配收入	元/人	负向
第二、三产业产值占GDP比重	%	正向
生态环境	建成区绿化覆盖率	%	正向
污水处理厂集中处理率	%	正向
公共服务	医疗卫生机构	个	正向
教育经费	万元	正向
人均道路面积	m²/人	负向
城乡统筹	城乡居民人均可支配收入比	—	正向
城乡居民人均消费支出比	—	正向

目标层	准则层	指标层	单位	属性
就地城镇化发展水平指标体系	人口结构	城镇化率	%	正向
登记失业率	%	负向
非农就业率	%	正向
经济发展	人均GDP	元/人	负向
城镇居民人均可支配收入	元/人	正向
农村居民人均可支配收入	元/人	负向
第二、三产业产值占GDP比重	%	正向
生态环境	建成区绿化覆盖率	%	正向
污水处理厂集中处理率	%	正向
公共服务	医疗卫生机构	个	正向
教育经费	万元	正向
人均道路面积	m²/人	负向
城乡统筹	城乡居民人均可支配收入比	—	正向
城乡居民人均消费支出比	—	正向

省份	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	均值
北京	0.653	0.660	0.657	0.651	0.660	0.658	0.653	0.617	0.595	0.645
天津	0.438	0.445	0.454	0.457	0.453	0.484	0.496	0.478	0.473	0.464
河北	0.493	0.498	0.497	0.503	0.526	0.540	0.546	0.537	0.534	0.519
山西	0.522	0.515	0.522	0.528	0.539	0.543	0.560	0.547	0.550	0.536
内蒙古	0.436	0.449	0.450	0.454	0.460	0.467	0.455	0.437	0.432	0.449
辽宁	0.551	0.545	0.535	0.519	0.532	0.521	0.518	0.491	0.479	0.521
吉林	0.391	0.423	0.423	0.425	0.436	0.458	0.469	0.447	0.448	0.436
黑龙江	0.358	0.354	0.362	0.372	0.386	0.391	0.390	0.375	0.379	0.374
上海	0.576	0.570	0.568	0.566	0.569	0.560	0.544	0.543	0.548	0.560
江苏	0.477	0.479	0.480	0.476	0.481	0.491	0.496	0.501	0.511	0.488
浙江	0.495	0.495	0.497	0.503	0.512	0.520	0.524	0.528	0.529	0.512
安徽	0.447	0.461	0.462	0.462	0.476	0.473	0.472	0.467	0.486	0.467
福建	0.492	0.492	0.494	0.493	0.483	0.487	0.488	0.491	0.486	0.490
江西	0.483	0.483	0.485	0.487	0.510	0.509	0.514	0.505	0.501	0.497
山东	0.530	0.527	0.527	0.535	0.543	0.546	0.552	0.558	0.558	0.542
河南	0.512	0.517	0.522	0.533	0.548	0.546	0.540	0.532	0.527	0.531
湖北	0.432	0.444	0.458	0.471	0.479	0.474	0.484	0.457	0.468	0.463
湖南	0.453	0.458	0.474	0.483	0.509	0.506	0.525	0.525	0.531	0.496
广东	0.620	0.618	0.620	0.631	0.642	0.638	0.646	0.653	0.642	0.634
广西	0.404	0.410	0.418	0.416	0.433	0.441	0.434	0.435	0.433	0.425
海南	0.420	0.413	0.395	0.400	0.420	0.439	0.443	0.424	0.393	0.416
重庆	0.536	0.520	0.516	0.515	0.519	0.525	0.537	0.495	0.521	0.520
四川	0.468	0.474	0.484	0.493	0.502	0.518	0.526	0.510	0.513	0.499
贵州	0.498	0.498	0.503	0.512	0.516	0.521	0.520	0.482	0.477	0.503
云南	0.486	0.466	0.469	0.479	0.507	0.507	0.503	0.480	0.487	0.487
陕西	0.505	0.507	0.506	0.507	0.505	0.509	0.521	0.517	0.514	0.510
甘肃	0.452	0.462	0.468	0.506	0.511	0.505	0.507	0.500	0.478	0.488
青海	0.408	0.404	0.413	0.426	0.437	0.459	0.489	0.491	0.482	0.445
宁夏	0.422	0.407	0.417	0.431	0.457	0.457	0.461	0.445	0.441	0.437
新疆	0.421	0.428	0.446	0.466	0.488	0.500	0.500	0.468	0.473	0.465
均值	0.479	0.481	0.484	0.490	0.501	0.506	0.510	0.498	0.496	0.494

省份	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	均值
北京	0.653	0.660	0.657	0.651	0.660	0.658	0.653	0.617	0.595	0.645
天津	0.438	0.445	0.454	0.457	0.453	0.484	0.496	0.478	0.473	0.464
河北	0.493	0.498	0.497	0.503	0.526	0.540	0.546	0.537	0.534	0.519
山西	0.522	0.515	0.522	0.528	0.539	0.543	0.560	0.547	0.550	0.536
内蒙古	0.436	0.449	0.450	0.454	0.460	0.467	0.455	0.437	0.432	0.449
辽宁	0.551	0.545	0.535	0.519	0.532	0.521	0.518	0.491	0.479	0.521
吉林	0.391	0.423	0.423	0.425	0.436	0.458	0.469	0.447	0.448	0.436
黑龙江	0.358	0.354	0.362	0.372	0.386	0.391	0.390	0.375	0.379	0.374
上海	0.576	0.570	0.568	0.566	0.569	0.560	0.544	0.543	0.548	0.560
江苏	0.477	0.479	0.480	0.476	0.481	0.491	0.496	0.501	0.511	0.488
浙江	0.495	0.495	0.497	0.503	0.512	0.520	0.524	0.528	0.529	0.512
安徽	0.447	0.461	0.462	0.462	0.476	0.473	0.472	0.467	0.486	0.467
福建	0.492	0.492	0.494	0.493	0.483	0.487	0.488	0.491	0.486	0.490
江西	0.483	0.483	0.485	0.487	0.510	0.509	0.514	0.505	0.501	0.497
山东	0.530	0.527	0.527	0.535	0.543	0.546	0.552	0.558	0.558	0.542
河南	0.512	0.517	0.522	0.533	0.548	0.546	0.540	0.532	0.527	0.531
湖北	0.432	0.444	0.458	0.471	0.479	0.474	0.484	0.457	0.468	0.463
湖南	0.453	0.458	0.474	0.483	0.509	0.506	0.525	0.525	0.531	0.496
广东	0.620	0.618	0.620	0.631	0.642	0.638	0.646	0.653	0.642	0.634
广西	0.404	0.410	0.418	0.416	0.433	0.441	0.434	0.435	0.433	0.425
海南	0.420	0.413	0.395	0.400	0.420	0.439	0.443	0.424	0.393	0.416
重庆	0.536	0.520	0.516	0.515	0.519	0.525	0.537	0.495	0.521	0.520
四川	0.468	0.474	0.484	0.493	0.502	0.518	0.526	0.510	0.513	0.499
贵州	0.498	0.498	0.503	0.512	0.516	0.521	0.520	0.482	0.477	0.503
云南	0.486	0.466	0.469	0.479	0.507	0.507	0.503	0.480	0.487	0.487
陕西	0.505	0.507	0.506	0.507	0.505	0.509	0.521	0.517	0.514	0.510
甘肃	0.452	0.462	0.468	0.506	0.511	0.505	0.507	0.500	0.478	0.488
青海	0.408	0.404	0.413	0.426	0.437	0.459	0.489	0.491	0.482	0.445
宁夏	0.422	0.407	0.417	0.431	0.457	0.457	0.461	0.445	0.441	0.437
新疆	0.421	0.428	0.446	0.466	0.488	0.500	0.500	0.468	0.473	0.465
均值	0.479	0.481	0.484	0.490	0.501	0.506	0.510	0.498	0.496	0.494

变量	(1)	(2)	(3)	(4)
Urbanization	-0.064 (-0.62)	0.166 (1.51)	0.307^** (2.09)	-0.241^*** (-3.19)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.071	0.108	0.170	0.099

变量	(1)	(2)	(3)	(4)
Urbanization	-0.064 (-0.62)	0.166 (1.51)	0.307^** (2.09)	-0.241^*** (-3.19)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.071	0.108	0.170	0.099

变量	(1)	(2)	(3)	(4)
Urbanization	-0.379^*** (-3.38)	-0.324^** (-2.43)	-0.089 (-0.78)	-0.495^*** (-4.72)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.168	0.248	0.292	0.198

变量	(1)	(2)	(3)	(4)
Urbanization	-0.379^*** (-3.38)	-0.324^** (-2.43)	-0.089 (-0.78)	-0.495^*** (-4.72)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.168	0.248	0.292	0.198

变量	(1)	(2)	(3)	(4)
Urbanization	-0.221^** (-2.12)	-0.079 (-0.71)	0.109 (0.90)	-0.368^*** (-4.17)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.113	0.184	0.217	0.158

变量	(1)	(2)	(3)	(4)
Urbanization	-0.221^** (-2.12)	-0.079 (-0.71)	0.109 (0.90)	-0.368^*** (-4.17)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.113	0.184	0.217	0.158

就地城镇化对中国制造业转移的影响——基于产值与劳动要素双重视角

PDF下载

郭旭 ¹ , 胡桂洁 ¹ , 吴梦雅 ²

科技和产业 | 产业发展 2025,25(11): 118-124

收起

科技和产业 | 产业发展 2025, 25(11): 118-124

就地城镇化对中国制造业转移的影响——基于产值与劳动要素双重视角

全屏

郭旭¹, 胡桂洁¹, 吴梦雅²

作者信息

¹ 大连海事大学航运经济与管理学院, 辽宁大连 116026

² 芜湖航空职业学院数字财商系, 安徽芜湖 241000

郭旭(1989—),女,吉林松原人,副教授,博士,研究方向为国际贸易学;

胡桂洁(2001—),女,河北沧州人,硕士研究生,研究方向为国际商务。

通讯作者:

吴梦雅(1999—),女,安徽滁州人,硕士,助教,研究方向为国际商务。

Impact of Local Urbanization on the Transfer of China’s Manufacturing Industry:Based on the Dual Perspective of Output Value and Labor Factors

Xu GUO¹, Guijie HU¹, Mengya WU²

Affiliations

¹ School of Maritime Economics and Management of Dalian Maritime University, Dalian 116026, Liaoning, China

² Department of Digital Finance, Wuhu Aviation Vocational College, Wuhu 241000, Anhui, China

出版时间: 2025-06-10

文章导航

摘要

收起

就地城镇化作为推动制造业转型升级与区域协调发展的重要战略手段,不仅促进了地方经济的快速增长,也深刻影响着制造业的转移趋势。为探讨就地城镇化对中国制造业转移的影响,基于产值与劳动要素双重视角,构建就地城镇化、制造业产值转移、劳动要素转移的指标体系,测度2013—2021年各省份的就地城镇化、制造业产值转移和劳动要素转移指数,并测算制造业产值与劳动要素双转移协调度,采用固定效应模型实证检验就地城镇化对中国制造业转移的影响。结果表明,就地城镇化可以促进中技术产业的劳动要素转移,抑制高技术产业的劳动要素转移,并对不同技术类型制造业的产值转移具有显著的抑制效应,同时,就地城镇化对初级和高技术产业的产值与劳动要素转移协调度具有显著的抑制效应。

关键词

就地城镇化 / 产值转移 / 劳动要素转移 / 制造业产值与劳动要素双转移协调度

Abstract

收起

Local urbanization, as an important strategic means to promote the transformation and upgrading of the manufacturing industry and regional coordinated development, not only promotes the rapid growth of the local economy, but also profoundly affects the transfer trend of the manufacturing industry. Aiming to explore the impact of local urbanization on the transfer of China’s manufacturing industry, based on the dual perspectives of output value and labor factors, an indicator system for local urbanization, manufacturing output value transfer, and labor factor transfer was constructed. The local urbanization, manufacturing output value transfer, and labor factor transfer indices of 30 provinces in China from 2013 to 2021 were measured, and the coordination between manufacturing output value and labor factor transfer was calculated. A fixed effects model was used to empirically test the impact of local urbanization on the transfer of China’s manufacturing industry. The results indicate that on-site urbanization can promote the transfer of labor factors in medium tech industries, inhibit the transfer of labor factors in high-tech industries, and have a significant inhibitory effect on the transfer of output value in different types of manufacturing industries. At the same time, on-site urbanization has a significant inhibitory effect on the coordination between output value and labor factor transfer in primary and high-tech industries.

Key words

local urbanization / transfer of output value / transfer of labor factors / coordinated scheduling of dual transfer of manufacturing output value and labor factors

引用本文

郭旭, 胡桂洁, 吴梦雅. 就地城镇化对中国制造业转移的影响——基于产值与劳动要素双重视角. 科技和产业, 2025 , 25 (11) : 118 -124 .

Xu GUO, Guijie HU, Mengya WU. Impact of Local Urbanization on the Transfer of China’s Manufacturing Industry:Based on the Dual Perspective of Output Value and Labor Factors[J]. Science Technology and Industry, 2025 , 25 (11) : 118 -124 .

正文

收起

自改革开放以来,中国经济得到快速发展的同时就地城镇化进程也在持续加速。2021年,中国城镇化率为64.72%,同比增长约1.3%。继“十三五”关于新型城镇化方案制定实施以来,中国城镇化水平和发展质量不断提高。党的二十大报告更是明确提出,“加快农业转移人口市民化”“推进以县城为重要载体的城镇化建设”,这标志着党和政府对就地城镇化工作的重视已上升到国家发展战略的新高度。就地城镇化作为推动城乡融合发展的重要手段,是实现城镇化建设的重要途径之一。就地城镇化是以县域、小城镇以及特色乡村为主体,由政府或相关部门对其进行改造、升级,将乡村转变为城镇的过程,并不是简单的“农民上楼”式的城镇化,而是聚焦于农村基础设施的改善、农村居民生活水平的提高以及城市功能的引入,使农村地区逐渐具备城市化的特征和功能,有效缓解了异地城镇化带来的“城市病”“空心村”等问题,实现城乡居民的共同富裕。

就地城镇化在推动劳动要素转移和产值转移之间构成了一种相辅相成、相互促进的关系。通过提升农村地区的基础设施、公共服务和生活品质,就地城镇化吸引了农村劳动力向城镇区域集中,这一过程不仅为就地城镇化提供了丰富的人力资源,还促进了农村剩余劳动力的再就业。同时,随着人口的集中,消费需求增加,市场潜力扩大,为当地的产业发展创造了有利条件。企业因对市场需求和成本效益的考虑,选择在当地投资建厂,发展新兴产业或者转型升级传统产业,从而实现劳动要素转移和产值转移的相互支撑。

已有研究发现,推进就地城镇化的发展使农村居住条件、基础设施等各方面都有了较大的改善,同时农民以“离土不离乡”的形式从事非农产业获得了较高的收入^[1],并享受到城镇的优质公共服务。与此同时,得益于相关政策的支持^[2],包括农村土地政策的放宽与价值的提升,农村地区的发展潜力得到了进一步释放。此外,就地城镇化促使更多的农业转移人口选择就地就近的城镇就业^[3],带动了产业转移和房地产消费^[4],营造出较好的企业运营与创业氛围,提高了当地企业的生产效率并增加了当地居民的就业机会,最终促进城市的发展^[5]。在此过程中,撤县设区作为一项重要的政府推动措施,短期内极大促进了工业发展和投资涌入,为产业结构的优化调整和房地产市场的繁荣注入了强劲活力。随着政府管理与服务功能的持续优化,这些区域内的经济活动,特别是非农领域的就业与创业,展现出了更强的活力与增长潜力^[6]。这一影响进一步证实了就地城镇化可以促进企业在当地建厂,减少对外转移,并引导更多的劳动力留在当地就业,促进经济社会的全面发展。

因此,本文利用2013—2021年的面板数据进行基准回归分析,以探讨就地城镇化对制造业产值转移、劳动要素转移以及产值与劳动要素双转移协调度的影响。通过对变量的关系进行深入研究,可以更全面地理解就地城镇化进程中的各种影响因素,为未来的就地城镇化规划和政策制定提供理论支持和实践指导。

1 就地城镇化指标评价体系的构建与测度

收起

1.1 指标构建

借鉴藤子仪^[7]的研究方法,以及参考中国标准化研究院提出的《就地城镇化评价指标体系》,从人口结构、经济发展、生态环境、公共服务、城乡统筹5个方面,选取了14个指标构建就地城镇化发展评价指标体系。人口结构方面,用城镇化率和城镇登记失业率反映地区城镇化建设成果、就业市场发展程度和人口素质,用非农就业率反映了就地城镇化建设对人口流动性的影响;经济发展方面,用人均GDP和第二、三产业产值占GDP的比重衡量代表地区产业结构,用城镇居民人均可支配收入和农村居民人均可支配收入代表地区收入情况;生态环境方面,用建成区绿化覆盖率和污水处理能力反映地区生态建设情况;公共服务方面,用医疗机构数量、教育经费金额和人均道路面积反映地区基础设施建设情况;城乡统筹方面,用城乡居民人均可支配收入比和消费支出比反映城乡协调发展情况。受指标的多样性影响,不同指标对就地城镇化的影响具有显著的差异性。正向指标表示该项指标数值越大对总体的影响结果越好,反之亦然。

就地城镇化评价指标数据来源于2013—2021年的各省及全国统计年鉴、中经网统计数据库、EPS数据平台和地方政府工作报告,评价指标体系见表1。

在藤子仪^[7]研究的基础上,将数据进行无纲量化处理,再通过熵值法计算各指标权重,利用式(1)计算就地城镇化水平V_it:

(1)

V i t = ∑ r = 1 n W r Y i t r

式中:W_r为各指标权重;Y_itr为第i个地区第t年第r项评价指标数值;n为指标数。

1.2 指标测度结果

利用2013—2021年全国30个省份(因数据缺失,未包含西藏地区和港澳台地区)的14个指标建立的指标体系,采用熵权法测算得到30个省份的就地城镇化水平,见表2。

表2显示,2013—2021年30个省份的就地城镇化水平呈现先上升后下降的趋势,并且在2019年达到最高水平,均值为0.510。其中,北京、上海、广东、山东、河南、山西的就地城镇化发展较迅速,其均值达到了0.530以上。此外,每年均有约60%的省份高于就地城镇化发展的平均水平,表明就地城镇化的整体发展仍处于较高水平。从变化趋势来看,北京、辽宁、上海、海南等省份总体呈负增长态势,但是有超过73%的省份在这期间呈上升趋势,其中涨幅超过0.4的地区有6个,分别是河北、吉林、湖南、四川、青海、新疆。

2 实证研究设计

收起

2.1 模型设定

2.1.1 就地城镇化与制造业产值和劳动要素转移的计量模型

选取就地城镇化水平为核心解释变量,制造业产值转移、劳动要素转移为被解释变量,重点考察就地城镇化水平对制造业产值转移、劳动要素转移的影响。构建以下基准回归模型:

(2)

T r a n s f e r a b c = β 0 + β 1 U r b a n i z a t i o n a b + β 2 X + α b + ε a b

式中:a和b分别为第a个省份和第b年;c为行业等级(共分为初级、低技术、中技术、高技术4个等级,分别用j、l、i、s表示);Transfer_abc为a省份c行业在b年的劳动要素转移水平或产值转移水平;Urbanization_ab为a省份在b年的就地城镇化水平;X为其他控制变量;a_b为年份固定效应;ε_ab为随机误差项;β₀为常数项;β₁、β₂为回归系数。

2.1.2 就地城镇化与制造业产值与劳动要素双转移协调度的计量模型

就地城镇化推动了劳动力就地就业,促进了产业结构优化升级,实现了劳动力与产业的良性互动和协调发展。为了考察就地城镇化水平对制造业产值与劳动要素双转移协调度的影响,构建以下基准回归模型:

(3)

C o o r d i n a t i o n a b c = β 0 + β 1 U r b a n i z a t i o n a b + β 2 X + α b + ε a b

式中:Coordination_abc为a省份c行业在b年的制造业产值与劳动要素双转移协调度水平。

2.2 变量说明

2.2.1 制造业产值与劳动要素双转移协调度指标构建

在戴翔等^[8]研究的基础上,以劳动要素转移为基础测算出中国制造业行业区位熵指数,再引入经方向性修正的引力模型,最后构造出产值转移的相对净流量指标。以劳动要素流动作为重要指标,以2013年为基期,以区位熵为基础构建基于劳动力结构的区位熵指数。具体公式如式(4)所示。

(4)

L Q i, t k = x i, t k / ∑ k = 1 k x i, t k ∑ i = 1 I x i, t k / ∑ k = 1 k ∑ i = 1 I x i, t k = x i, t k / ∑ k = 1 k x i, t k ∑ m = 1 M x i, t k / ∑ k = 1 k ∑ i = 1 I x i, t k = L Q k, t i

式中:x为某行业的平均就业人数;k为选取的制造业细分行业;I为经济体的区域总数;k表示制造业不同行业;i表示不同区位;t表示不同时间;

LQ i, t k

为t时期以地区为划分标准下i地区的不同的行业基于劳动力演化的区位熵指数;

LQ k, t i

为t时期以k行业在不同地区的区位熵指数,

LQ i, t k

与

LQ i, t i

在数量上相等。i区域k产值流动的相对量指标为

(5)

Δ L Q i, t k = L Q i, t k - L Q i, 2005 k = L Q k, t i - L Q k, 2005 i = Δ L Q k, t i

为了考察不同技术等级下产业转移与转型对全要素生产率的不同影响,实际计算中,借鉴现有文献中的常用方法,以产业间逐次递进为矢量方向,将中国制造业产业划分为4个技术水平。4种技术水平产值流动的相对量指标如下:

(6)

Δ Q i, t m = ∑ Δ Q i, t k = ∑ Δ Q k, t i = Δ Q m, t i

式中:m为不同技术等级产业。

产值转移相对净流量TSF的具体测算公式为

(7)

T S F i j, t m = Δ L Q m i, t A i, t F i j, t ∑ m = 1 N x i, t m ∑ m = 1 N ∑ i = 1 I x i, t m - Δ L Q m j, t A j, t F j i, t ∑ m = 1 N x j, t m ∑ m = 1 N ∑ j = 1 I x j, t m

式中:A_i_,_t为i地区t时间的平衡因子;F_ij_,_t为i、j地区间t时间的产值转移权重。由此得到i地区产值m转移的相对净流量为

(8)

T S F m i, t = ∑ j = 1 (j ≠ i) I T S F i j, t m

产值转移的相对净流量正向增大,表示产值更容易向该地区转移。当

TSF i, t m

>0时,表示其他产值更容易向i地区转移,i地区此时为产值转移的转入地;当

TSF i, t m

<0时,表示i地区的产值更容易向其他地区转移,i地区此时为产值转移的转出地。

2.2.2 制造业产值与劳动要素双转移协调度指标构建

在制造业产值转移和劳动要素转移指标数值测度的基础上,借鉴张俊英等^[9]的研究,用时期区域产业间的产值转移量和劳动要素转移量的一定比例之和表示制造业产值与劳动要素双转移协调度,则有

(9)

C o o r d i n a t i o n = k I n d u s t r y + h P o p u l a t i o n

式中:Coordination为制造业产值与劳动要素双转移协调度综合评价指标;k、h分别为制造业产值转移和劳动要素转移在整个系统中的权重,确定k=h=0.5。

2.3 控制变量

金融水平(FL)是评估地区经济实力的重要指标,高金融水平能够为城镇化提供雄厚的资金支持、有效的风险管理和丰富的投资机会。产业结构(IS)优化,即第二、第三产业占比增加,意味着更多就业岗位与资源投入到基础设施的建设与公共服务,助力就业与劳动力安置。财政支出(FE)增长驱动产业发展和就业创造,吸引农村劳动力就地就业。人力资本(HC)随城镇化提升,教育、培训和健康条件得到改善,劳动力素质增强,促进资源的优化配置。基础设施(In)的完善提升了教育、医疗和社会保障等服务质量,减少劳动力和产业外流。经济密度(ED)高则人口经济活动集中,降低迁移的需求。

2.4 数据来源

选取2013—2021年全国30个省份(因数据缺失,未包含西藏地区和港澳台地区)的数据,其余个别缺失值采用平均值法进行补充。数据来源于《中国统计年鉴》《中国农村统计年鉴》以及各省的统计年鉴。

3 实证分析

收起

3.1 就地城镇化建设与制造业产值、劳动要素转移

根据模型估计就地城镇化对劳动要素转移的影响,回归结果汇总于表3。在控制了年份的固定效应以及加入控制变量后,表3第(1)列的结果显示,就地城镇化的回归系数为负且不显著,说明就地城镇化建设没能有效促进初级产业劳动要素的转移,甚至产生了抑制作用。随着就地城镇化的发展,地方政府提供了更多的公共产品和公共服务,从而使初级产业的劳动者可以在本地城镇安居乐业,在收入提高的同时还能享受到更多更好的城镇公共配套服务。对于初级产业劳动者而言,可以实现家庭团聚,并满足对乡土的情感需求;还可以降低劳动者的交通、住房与生活成本等费用,解决了农村的“空心村”和“留守”难题,也缓解了由于人口过多导致的“大城市病”等现象,减轻了大城市的负担,从而打造出一个均衡、可持续的发展格局。

表3第(2)列、(3)列的结果表明,就地城镇化的回归系数为正,且对低技术产业劳动要素转移的影响不显著,对中技术产业劳动要素转移的影响在5%的水平上显著,表明就地城镇化水平的提高对低技术、中技术相关产业劳动要素的转移有促进作用。在面对人口老龄化趋势加剧、劳动力成本不断上升等难题的过程中,多数制造业企业加速推进“机器换人”等的产业转型升级,以提升生产效率和竞争力。然而,企业的转型升级对低技术、中技术产业的劳动力就业带来了巨大的冲击,迫使部分劳动者面临失业风险或职业转型的压力。为了寻求新的生计机会,部分受影响的劳动力选择转移到其他地区进行就业。

表3第(4)列的结果表明,就地城镇化的回归系数为负,且在1%的水平上显著,表明就地城镇化水平的提高对高技术产业劳动要素的转移有显著的抑制作用。具体而言,随着企业加速向“智能化”“自动化”等高技术形式的转型升级,对技能密集型劳动力的需求日益旺盛,尤其是能够熟练操作高端机械设备和具有一定创新能力的劳动力。因此,拥有高超技能和专业知识的劳动力在本地就可以找到理想的工作,从而减少了向其他地区转移的动力。

根据模型估计就地城镇化对制造业产值转移的影响,回归结果汇总于表4。在控制了年份的固定效应以及加入控制变量后,由表4的回归结果可以看出,就地城镇化的回归系数为负,并且对初级和高技术产业产值转移的影响在1%的水平上显著,对低技术产业产值转移的影响在5%的水平上显著,在中技术产业中不显著,表明就地城镇化水平的提高对制造业产值转移具有抑制作用。具体而言,随着就地城镇化的持续发展,地方政府提高了财政自给能力,优化了公共服务供给,进而提升了财政治理能力、地区基础设施和服务水平。对于企业而言,能够就地享受城镇化带来的便利与优势,从而减少了它们寻求外部城市发展的需求。同时,就地城镇化还促进了农村地区劳动力资源和人才储备的丰富,吸引了更多的企业愿意在当地建立工厂或办公场所,从而减少了将生产厂家或办公地点迁移到其他城市的需求,从根本上创造了大量的就业岗位。此外,政府在推进就地城镇化过程中实施的一系列政策措施,如减税优惠、降低成本等,进一步增强了该地区的投资吸引力。政策的实施可以降低企业的运营成本,提高投资回报率,从而减少了产业转移的动机。

3.2 就地城镇化建设与制造业产值与劳动要素转移协调度

根据建立的计量方程,表5汇报了就地城镇化对制造业产值与劳动要素双转移协调度的回归结果。在控制了年份的固定效应以及加入控制变量后,表5(1)列、(2)列、(4)列的回归结果表明,就地城镇化的回归系数为负,并且对初级和高技术产业产值与劳动要素双转移协调度的影响分别在5%和1%的水平上显著,对低技术产业产值与劳动要素双转移协调度的影响不显著,表明就地城镇化水平的提高对初级、低技术和高技术产业产值与劳动要素双转移协调度具有抑制作用。政府在工作报告中着重提出的“以工促农、以城带乡、工农互惠、城乡一体”旨在促进产业向城镇集聚,促进城乡融合发展。成熟产业进入城镇并形成集聚效应,不仅有效解决了农村劳动力的就地就业问题,而且极大提高了地方财政自给的能力。就地城镇化鼓励农村地区发展新型城镇化经济,如建设农村综合体、实施乡村振兴战略等,以提高农村地区的经济水平和增加就业机会,从而吸引并留住劳动力资源,减少外出务工的人口数量。由此,原本可能会选择外出的劳动力得以保留在本地,不会随着城镇化的加速推进而流失,从而减少了产业产值转移的外部拉力。此外,就地城镇化还通过改善农村地区基础设施建设、扶持本地产业发展等措施,提升农村地区的产业发展水平和整体吸引力,减弱农村居民向外转移的动力,从而在一定程度上抑制了产业产值的转移。

表5列(3)的回归结果显示,就地城镇化的回归系数为正且不显著,表明就地城镇化水平的提高对中技术产业产值与劳动要素双转移协调度具有一定的促进作用。随着经济发展和技术进步,一些地区的传统产业可能面临着转型升级的压力。为了寻求新的增长点,一些企业可能会将部分产业和生产环节转移到成本更低、资源更丰富的地区,从而带动劳动要素和产值的向外转移。此外,在就地城镇化过程中,交通基础设施不断完善,如高速公路、高速铁路等交通网络的扩展,使得不同地区之间的联系更加紧密,从而为产业产值和劳动要素的向外转移提供了便利条件。

4 结论及政策建议

收起

就地城镇化的实施可以促进城乡经济的均衡发展和社会的可持续发展,旨在通过优化资源配置,有效缓解城市人口过剩和农村人口老龄化等问题。本文基于2013—2021年全国省级面板数据,建立指标体系测度了就地城镇化水平和制造业产值转移、劳动要素转移、制造业产值与劳动要素双转移协调度的水平,并利用固定效应模型对其影响进行了实证检验。研究结果表明,就地城镇化可以促进中技术产业的劳动要素转移,抑制高技术产业的劳动要素转移;就地城镇化对制造业产值转移具有显著的抑制效应;就地城镇化对初级和高技术产业的产值与劳动要素双转移协调度具有显著的抑制效应。这一发现强调了城镇化建设推进过程中,政策规划须高度重视并促进产业间的均衡协调发展,以促进县域经济的全面可持续发展。根据上述结果,提出以下政策建议。

(1)加大地区的政策支持力度,吸引劳动力集聚。研究表明,就地城镇化建设会促进低技术和中技术行业的劳动力的流出。因此,可以通过加大的政策支持,提高劳动力的基本生活水平、增加就业机会,进而吸引劳动力集聚,减少劳动力的流失。一方面,政府可以逐渐加大对地区基础设施建设的投入,包括道路、供水、供电、通信、教育以及医疗等方面,以提升当地的生活水平,确保当地居民能够享受到城市化的生活便利,从而增强人们留下来的意愿。这不仅包括修建和维护高质量的基础设施,还涉及提升服务质量和效率,让居民在日常生活中感受到实实在在的改善。另一方面,政府还可以出台一系列支持发展的政策,如财政补贴、税收优惠、金融支持等,为当地吸引更多的企业,并扶持幼小产业的发展。这些政策旨在降低企业运营成本,激发市场活力,进而创造更多的就业机会,提升居民收入水平,有效促进劳动力就近就业,减少对外出务工的需求。

(2)优化地区的要素资源配置,增强产业稳定性。研究表明,就地城镇化建设会显著减少初、高技术行业的外流,但是会促进中技术行业迁出。因此,能够通过优化要素资源配置,提高本地产业发展的竞争力,增强产业稳定性。一方面,政府可以利用当地相对丰富的土地和劳动力资源,通过产业扶持和财政扶持政策,引导金融机构加大对当地产业发展项目的支持力度,特别是引导并培育新兴产业,如生态旅游等,以促进产业结构的优化升级。另一方面,通过提供税收减免、土地优惠等政策,鼓励企业向环境容量大、资源供给充足的农村地区转移,实现产业的合理布局和可持续发展。在此过程中,还要加强环境保护政策的实施力度,确保产业发展不会对当地环境造成污染,为当地的绿色发展提供良好的环境保障。

(3)优化产业布局与规划,促进劳动力和产业双转移的协调发展。劳动力的流入会为产业提供充足劳动力资源,促进产业的发展;产业发展好的地区会吸引劳动力的流入。因此,劳动力和产业双转移的协调发展存在可能,这就需要政府的产业布局与规划。一方面,建立健全跨区域产业协同发展机制,推动不同地区之间形成优势互补、协同发展的产业格局。政府可以通过建立产业信息共享平台,利用大数据、云计算等先进技术,促进产业信息的实时交流与共享,提升整体运营效率。另一方面,通过制定差异化的产业政策,针对不同产业的特点和发展阶段,提供精准扶持,对产业集聚,但劳动力缺乏的地区,提高劳动力的待遇和社会福利;对于劳动力密集,但产业缺乏的地区,加强产业的政策扶持和资金扶持,积极的招商引资,实现“以劳动力稳固产业,以产业吸引劳动力”,最终促进劳动力和产业双转移的协调发展

基金

收起

辽宁省哲学社会科学规划基金(L22CJY006)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

徐震锴. 乡村振兴背景下推进就地城镇化发展的问题研究[J]. 山西农经, 2023(17): 49-51.

[2]

刘子源. 不同路径下的就地城镇化发展及其问题: 以河北省南部村庄为例[J]. 农村经济与科技, 2021, 32(24): 230-236.

[3]

崔宁. 就地城镇化中失地农民发展能力提升对策研究[J]. 农业经济, 2023(10): 75-78.

[4]

陈香, 张淑娟, 窦瑾, 等. 皖北地区就近就地城镇化探索[J]. 合作经济与科技, 2023(14): 10-12.

[5]

肖伟, 刘文华, 谢婷. 就地城镇化的家庭收入效应: 基于中国家庭金融调查(CHFS)的实证研究[J]. 金融研究, 2023(2): 152-170.

[6]

杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度?基于制度组态的分析[J]. 管理世界, 2020, 36(9): 141-155.

[7]

滕子仪. 山东省农村就地城镇化发展水平测度及影响因素分析[D]. 长春: 吉林大学, 2023.

[8]

戴翔, 刘梦, 任志成. 劳动力演化如何影响中国工业发展: 转移还是转型[J]. 中国工业经济, 2016(9): 24-40.

[9]

张俊英, 赵婧妤, 唐姜. 青海省乡村旅游业与就地城镇化耦合协调发展研究[J]. 内蒙古农业大学学报(社会科学版), 2023, 25(4): 79-87.

2025年第25卷第11期

PDF下载

245

119

引用本文

BibTeX

文章信息

接收时间：2024-12-11
首发时间：2025-12-12
出版时间：2025-06-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-12-11

基金

辽宁省哲学社会科学规划基金(L22CJY006)

作者信息

¹ 大连海事大学航运经济与管理学院, 辽宁大连 116026

² 芜湖航空职业学院数字财商系, 安徽芜湖 241000

通讯作者:

吴梦雅(1999—),女,安徽滁州人,硕士,助教,研究方向为国际商务。

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1206288131674931886

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

目标层	准则层	指标层	单位	属性
就地城镇化发展水平指标体系	人口结构	城镇化率	%	正向
登记失业率	%	负向
非农就业率	%	正向
经济发展	人均GDP	元/人	负向
城镇居民人均可支配收入	元/人	正向
农村居民人均可支配收入	元/人	负向
第二、三产业产值占GDP比重	%	正向
生态环境	建成区绿化覆盖率	%	正向
污水处理厂集中处理率	%	正向
公共服务	医疗卫生机构	个	正向
教育经费	万元	正向
人均道路面积	m²/人	负向
城乡统筹	城乡居民人均可支配收入比	—	正向
城乡居民人均消费支出比	—	正向

目标层

准则层

指标层

单位

属性

就地城镇
化发展水
平指标
体系

人口结构

城镇化率

正向

登记失业率

负向

非农就业率

正向

经济发展

人均GDP

元/人

负向

城镇居民人均可支配收入

元/人

正向

农村居民人均可支配收入

元/人

负向

第二、三产业产值占GDP比重

正向

生态环境

建成区绿化覆盖率

正向

污水处理厂集中处理率

正向

公共服务

医疗卫生机构

个

正向

教育经费

万元

正向

人均道路面积

m²/人

负向

城乡统筹

城乡居民人均可支配收入比

—

正向

城乡居民人均消费支出比

—

正向

省份	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	均值
北京	0.653	0.660	0.657	0.651	0.660	0.658	0.653	0.617	0.595	0.645
天津	0.438	0.445	0.454	0.457	0.453	0.484	0.496	0.478	0.473	0.464
河北	0.493	0.498	0.497	0.503	0.526	0.540	0.546	0.537	0.534	0.519
山西	0.522	0.515	0.522	0.528	0.539	0.543	0.560	0.547	0.550	0.536
内蒙古	0.436	0.449	0.450	0.454	0.460	0.467	0.455	0.437	0.432	0.449
辽宁	0.551	0.545	0.535	0.519	0.532	0.521	0.518	0.491	0.479	0.521
吉林	0.391	0.423	0.423	0.425	0.436	0.458	0.469	0.447	0.448	0.436
黑龙江	0.358	0.354	0.362	0.372	0.386	0.391	0.390	0.375	0.379	0.374
上海	0.576	0.570	0.568	0.566	0.569	0.560	0.544	0.543	0.548	0.560
江苏	0.477	0.479	0.480	0.476	0.481	0.491	0.496	0.501	0.511	0.488
浙江	0.495	0.495	0.497	0.503	0.512	0.520	0.524	0.528	0.529	0.512
安徽	0.447	0.461	0.462	0.462	0.476	0.473	0.472	0.467	0.486	0.467
福建	0.492	0.492	0.494	0.493	0.483	0.487	0.488	0.491	0.486	0.490
江西	0.483	0.483	0.485	0.487	0.510	0.509	0.514	0.505	0.501	0.497
山东	0.530	0.527	0.527	0.535	0.543	0.546	0.552	0.558	0.558	0.542
河南	0.512	0.517	0.522	0.533	0.548	0.546	0.540	0.532	0.527	0.531
湖北	0.432	0.444	0.458	0.471	0.479	0.474	0.484	0.457	0.468	0.463
湖南	0.453	0.458	0.474	0.483	0.509	0.506	0.525	0.525	0.531	0.496
广东	0.620	0.618	0.620	0.631	0.642	0.638	0.646	0.653	0.642	0.634
广西	0.404	0.410	0.418	0.416	0.433	0.441	0.434	0.435	0.433	0.425
海南	0.420	0.413	0.395	0.400	0.420	0.439	0.443	0.424	0.393	0.416
重庆	0.536	0.520	0.516	0.515	0.519	0.525	0.537	0.495	0.521	0.520
四川	0.468	0.474	0.484	0.493	0.502	0.518	0.526	0.510	0.513	0.499
贵州	0.498	0.498	0.503	0.512	0.516	0.521	0.520	0.482	0.477	0.503
云南	0.486	0.466	0.469	0.479	0.507	0.507	0.503	0.480	0.487	0.487
陕西	0.505	0.507	0.506	0.507	0.505	0.509	0.521	0.517	0.514	0.510
甘肃	0.452	0.462	0.468	0.506	0.511	0.505	0.507	0.500	0.478	0.488
青海	0.408	0.404	0.413	0.426	0.437	0.459	0.489	0.491	0.482	0.445
宁夏	0.422	0.407	0.417	0.431	0.457	0.457	0.461	0.445	0.441	0.437
新疆	0.421	0.428	0.446	0.466	0.488	0.500	0.500	0.468	0.473	0.465
均值	0.479	0.481	0.484	0.490	0.501	0.506	0.510	0.498	0.496	0.494

省份

2013年

2014年

2015年

2016年

2017年

2018年

2019年

2020年

2021年

均值

北京

0.653

0.660

0.657

0.651

0.660

0.658

0.653

0.617

0.595

0.645

天津

0.438

0.445

0.454

0.457

0.453

0.484

0.496

0.478

0.473

0.464

河北

0.493

0.498

0.497

0.503

0.526

0.540

0.546

0.537

0.534

0.519

山西

0.522

0.515

0.522

0.528

0.539

0.543

0.560

0.547

0.550

0.536

内蒙古

0.436

0.449

0.450

0.454

0.460

0.467

0.455

0.437

0.432

0.449

辽宁

0.551

0.545

0.535

0.519

0.532

0.521

0.518

0.491

0.479

0.521

吉林

0.391

0.423

0.425

0.436

0.458

0.469

0.447

0.448

0.436

黑龙江

0.358

0.354

0.362

0.372

0.386

0.391

0.390

0.375

0.379

0.374

上海

0.576

0.570

0.568

0.566

0.569

0.560

0.544

0.543

0.548

0.560

江苏

0.477

0.479

0.480

0.476

0.481

0.491

0.496

0.501

0.511

0.488

浙江

0.495

0.497

0.503

0.512

0.520

0.524

0.528

0.529

0.512

安徽

0.447

0.461

0.462

0.476

0.473

0.472

0.467

0.486

0.467

福建

0.492

0.494

0.493

0.483

0.487

0.488

0.491

0.486

0.490

江西

0.483

0.485

0.487

0.510

0.509

0.514

0.505

0.501

0.497

山东

0.530

0.527

0.535

0.543

0.546

0.552

0.558

0.542

河南

0.512

0.517

0.522

0.533

0.548

0.546

0.540

0.532

0.527

0.531

湖北

0.432

0.444

0.458

0.471

0.479

0.474

0.484

0.457

0.468

0.463

湖南

0.453

0.458

0.474

0.483

0.509

0.506

0.525

0.531

0.496

广东

0.620

0.618

0.620

0.631

0.642

0.638

0.646

0.653

0.642

0.634

广西

0.404

0.410

0.418

0.416

0.433

0.441

0.434

0.435

0.433

0.425

海南

0.420

0.413

0.395

0.400

0.420

0.439

0.443

0.424

0.393

0.416

重庆

0.536

0.520

0.516

0.515

0.519

0.525

0.537

0.495

0.521

0.520

四川

0.468

0.474

0.484

0.493

0.502

0.518

0.526

0.510

0.513

0.499

贵州

0.498

0.503

0.512

0.516

0.521

0.520

0.482

0.477

0.503

云南

0.486

0.466

0.469

0.479

0.507

0.503

0.480

0.487

陕西

0.505

0.507

0.506

0.507

0.505

0.509

0.521

0.517

0.514

0.510

甘肃

0.452

0.462

0.468

0.506

0.511

0.505

0.507

0.500

0.478

0.488

青海

0.408

0.404

0.413

0.426

0.437

0.459

0.489

0.491

0.482

0.445

宁夏

0.422

0.407

0.417

0.431

0.457

0.461

0.445

0.441

0.437

新疆

0.421

0.428

0.446

0.466

0.488

0.500

0.468

0.473

0.465

均值

0.479

0.481

0.484

0.490

0.501

0.506

0.510

0.498

0.496

0.494

变量	(1)	(2)	(3)	(4)
Urbanization	-0.064 (-0.62)	0.166 (1.51)	0.307^** (2.09)	-0.241^*** (-3.19)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.071	0.108	0.170	0.099

变量

(1)

(2)

(3)

(4)

初级产业
劳动要素

低技术产业
劳动要素

中技术产业
劳动要素

高技术产业
劳动要素

Urbanization

-0.064
(-0.62)

0.166
(1.51)

0.307^**
(2.09)

-0.241^***
(-3.19)

固定效应

Yes

控制变量

Yes

样本数

270

R²

0.071

0.108

0.170

0.099

变量	(1)	(2)	(3)	(4)
Urbanization	-0.379^*** (-3.38)	-0.324^** (-2.43)	-0.089 (-0.78)	-0.495^*** (-4.72)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.168	0.248	0.292	0.198

变量

(1)

(2)

(3)

(4)

初级产业
产值

低技术产
业产值

中技术产
业产值

高技术产
业产值

Urbanization

-0.379^***
(-3.38)

-0.324^**
(-2.43)

-0.089
(-0.78)

-0.495^***
(-4.72)

固定效应

Yes

控制变量

Yes

样本数

270

R²

0.168

0.248

0.292

0.198

变量	(1)	(2)	(3)	(4)
Urbanization	-0.221^** (-2.12)	-0.079 (-0.71)	0.109 (0.90)	-0.368^*** (-4.17)
固定效应	Yes	Yes	Yes	Yes
控制变量	Yes	Yes	Yes	Yes
样本数	270	270	270	270
R²	0.113	0.184	0.217	0.158

变量

(1)

(2)

(3)

(4)

初级产业产
值与劳动要
素双转移
协调度

低技术产业
产值与劳动
要素双转移
协调度

中技术产业
产值与劳动
要素双转移
协调度

高技术产业
产值与劳动
要素双转
移协调度

Urbanization

-0.221^**
(-2.12)

-0.079
(-0.71)

0.109
(0.90)

-0.368^***
(-4.17)

固定效应

Yes

控制变量

Yes

样本数

270

R²

0.113

0.184

0.217

0.158