《城市化水平预测模型的比较研究》由会员分享，可在线阅读，更多相关《城市化水平预测模型的比较研究（6页珍藏版）》请在金锄头文库上搜索。
1、城市化水平预测模型的比较研究对我国2020年城市化水平的预测张佰瑞（中国人民大学区域经济和城市管理研究所，北京 100872）摘要：准确预测我国未来的城市化水平，可以为“城乡互动，工农互促”发展战略的顺利实施提供决策支持。本文对我国学术界使用的多种预测方法和模型进行了比较、评价和印证，并对我国年城市化水平进行了预测，得出了年我国城市化水平的最低值、期望值和乐观值以及相应的人口分布格局的变动值。 关键词：城市化水平；年；预测；型曲线一、问题的提出 城市化和工业化是实现一个国家或地区现代化的两大驱动力量。城市化水平是衡量现代化发展程度的重要指标，这已经是人们的共识。但是具体到如何测算和预测城市化水
2、平，学术界还没能达成一致的观点，而是形成了多种测算和预测城市化水平的方法和模型。本文的主要目的，是比较、评价和印证我国学术界使用的测算和预测方法和模型，并对我国2020年城市化水平进行预测。这一尝试的最终目的，是为我国顺利实施城乡互动，工农互促的发展战略提供决策支持。 二、国内流行的城市化水平预测模型及评价 针对我国城市化进程的探讨，在20世纪80年代才开始成为国内学术界研究的热点。由于我国城市化速度的加快，在此后的20多年里学术界对这一问题的研究日趋深入，并形成了诸多分析方法和模型。这些方法和模型主要包括以下几类： Logistic模型类我国城市化进程的S型曲线研究（1）我国城市化进程的S型
3、曲线研究的脉络1979年美国地理学家诺瑟姆（Ray.M.Northam）把世界各国城市化发展进程的轨迹，概括为一条被拉长的S型曲线。这一曲线是我国学者最早接受的用来解释城市化进程阶段性规律和预测城市化进程的主要工具。针对中国城市化进程是否也存在S型曲线，以及如果存在S型曲线，如何模拟它的数学方程，许多学者进行了研究。诺瑟姆曲线的原始模型 城市化进程“标准的S型曲线”的模型可以表示如下：Y1/（1Ce-rt）其中：Y为城市化水平；C为积分常数，表明城市化起步早晚；r为积分常数，表明城市化发展速度快慢；t为时间。在城市化进程轨迹上，模型（1）表现为标准的S型曲线。饶会林对标准的S型曲线改进双S型曲
4、线 国内城市经济学家饶会林先生在进行世界城市化的差距分析时对标准的S型曲线进行了改进，采用了双S型曲线。S1采用的是全部发达国家的资料，S2采用的是发展中国家的资料。时空跨度是18002025年。结果做出来的双S曲线几乎和回归过的曲线差不多，差距由小到大再由大到小的过程十分清晰明显。 但是事实上，饶会林等在对我国1949年以来的城市化进程进行实证分析的基础上，已经指出内地城市化进程并不符合标准的“S”型曲线规律，存在大起大落的情形，并将原因归结为“大跃进”、“上山下乡”的“动荡”以及统计口径等方面的原因，从实证的角度来看，这些分析是值得肯定的。反过来看，这也表明“标准的S型曲线”模型存在与实际
5、情况脱节的地方，或者说模型本身就不完善。对“标准的S型曲线”前提条件的修正一般的“S型曲线”模型周立彩、陈鸿宇（2001）、屈晓杰、王理平（2005）认为，在“标准的S型曲线”的数学模型中，必然存在一个基本的假设前提条件，即城乡之间人口增长率的差距始终保持不变，即为一个常数。他们的具体分析如下： 城市化进程“标准的S型曲线”的模型可以表述如下：Y1/（1Ce-rt） （1）其中，Y为城市化水平；C为积分常数，表明城市化起步早晚；r为积分常数，表明城市化发展速度快慢；t为时间。而通常城市化水平计算公式如下：YU/（UI） （2）式中，U为城镇人口数量，I为乡村人口数量。由（1）、（2）式得到IU
6、Ce-rt进而得到：（dU/dt）/U（dI/dt）/Ir （3）从城市化的意义来看，（dU/dt）/U和（dI/dt）/I分别表示城镇人口和乡村人口的增长率。（3）式表明，在“标准的S型曲线”的数学模型中，必然存在一个基本的假设前提条件，即城乡之间人口增长率的差距始终保持不变，即为一个常r。 周立彩、陈鸿宇（2001）、屈晓杰、王理平（2005）认为，在现实生活中，城乡之间人口增长率的差距不是一个常数，而是一个随时间不断变化的函数r（T），它们的关系如下：（dU/dt）/U（dI/dt）/Ir（t）（4）通过积分变换可以得到一个一般的S型曲线的模型，Y1/（1Ce-rtrnsin（nwt?准
7、）（5） 这个模型与“标准的S型曲线”模型相比，指数项上多了一个波动项rn sin（nwt?准）。这个波动项的含义是：城乡之间人口增长率的差距围绕某一基数波动，并且带有一定的周期性。（2）对Logistic模型类研究的评价诺瑟姆（Ray.M.Northam）的S型曲线是根据美国城市化发展史得来的后验曲线，通过对其他一些国家的验证之后被认为是城市化发展的一般规律。但是笔者认为把经典的S型曲线运用于现阶段我国城市化的研究和预测需要考虑以下几个因素：一是我们并不满足“标准的S型曲线”的数学模型的假设前提。“标准的S型曲线”的数学模型隐含的假设前提是城乡之间人口增长率的差距始终保持不变，即为一个常数。
8、但实际研究表明建国以来我国城乡之间人口增长率的差距存在巨大波动。即使排除干扰因素的影响，1978年以来城乡之间人口增长率的差距也处于不断波动之中。二是城乡之间人口增长率的差距是否存在波动基数并且具有周期性，改进的一般“S型曲线”模型认为城乡之间人口增长率的差距围绕某一基数波动，并且带有一定的周期性，这一观点还需要进一步论证。如果单纯从人口的自然增长率来看，城镇和乡村的人口自然增长率都会呈现“高峰低谷高峰”的增长周期，从而人口的自然增长对城乡人口增长率差距的影响有一定的周期性。但是从城市人口增长的动力结构分析，城镇人口的波动主要是由于人口机械变动引起的，人口机械变动比自然变动对人口总量和增长率的
9、影响更大。由于人口流动和农村劳动力转移受宏观经济发展、社会保障政策、户籍政策等多种因素的影响，使得城镇人口的机械增长率具有波动性，从而造成城乡之间人口增长率差距的“波动基数”也处于波动之中。国家统计局发布的2005年全国1%人口抽样调查主要数据公报显示，2005年全国人口中，流动人口为14735万人，其中，跨省流动人口4779万人。与第五次全国人口普查相比，流动人口增加296万人，跨省流动人口增加537万人。随着我国城市化的进一步发展，我国的流动人口和农村劳动力转移增长态势不会减弱，城镇人口的机械增长率还会上升，这会导致城乡之间人口增长率差距持续波动。三是S型曲线适用于长期模型分析还是短期模型
10、分析。诺瑟姆曲线的研究采用的是长时期大样本模型，国内外对诺瑟姆曲线的验证使用了美国、日本、英国、德国等国家的城市化资料，采用的时间序列跨度多为150年200年，例如1800年2000年，或1876年2000年。我国的饶会林先生在进行世界城市化的差距分析时所采用资料的时空跨度是18002025。可以说，Logistic模型比较适合于长期模型分析。 新中国成立以来我国的城市化进程大致经历了四个阶段，第一阶段19491957，经济恢复和城市化正常上升期。第二阶段19581965，城市化发展的剧烈波动期。第三阶段19661976，“文革”时期的基本停滞期。第四阶段1977现在，城市化加速发展期。扣除第
11、二阶段和第三阶段的非正常波动，我国城市化正常发展时间差不多只有30年。用30年的发展资料来模拟需要150年200年才能模拟的S型曲线，实际上是对S型曲线的误解，也可以说是方法上的偏差。 结合以上分析，笔者认为S型曲线形成需要一定的前提和时间跨度，我国的城市化进程与S型曲线的应用条件相差甚远，用S型曲线来预测我国的城市化进程难以保证预测的科学性和精确性。城市化与经济发展相关关系类模型 城市化是经济发展的结果和体现，运用经济发展的某个指标与城市化发展水平的相关性来模拟和预测城市化发展水平，是诸多学者的研究路线。（1）城市化与经济发展相关关系类模型介绍 周一星先生运用1977年世界157个国家和地区
12、的资料进行统计分析后，得出城市化指数与经济发展指数符合对数相关关系：y40.62lgx75.6， 其中，相关系数R0.9079，标准差S9.8；y：代表城镇人口占总人口的比重（%）；x：代表人均GDP（元/人）。 饶会林先生认为城市化出现的一般根据是工业化和经济发展。他主张运用工业劳动人口比重来预测城市化发展水平，用公式表示为：Yabx，其中，Y代表城市化率；x代表工业劳动人口比重。李迅等用1980年1997年的人均GDP（按1980年可比价计算）代表我国的经济发展水平，分别以城镇非农业人口和第四次人口普查口径下的城镇人口比重表示城市化水平，观察散点分布发现两者之间呈明显的对数相关关系。 城镇
13、非农业人口：y0.0721n（x）0.3064，R20.972李文溥、陈永杰以人均GNP作为人口城市化率的解释变量，回归得到的拟合方程为：人口城市化率-65.416.31n（人均GNP）；R20.79，F122.08SIG0.00。 中国人民大学人口与发展研究中心的王金营先生利用我国19501998年人口城市化与人均GDP的历史数据，对线性模型和Logistic曲线进行了估计检验，发现线形模型的拟合优度高于Logistic曲线的拟合值，他认为我国的人口城市化水平处于线性增长阶段。具体线性模型如下：Ut11.41810.0073Xt其中Xt代表人均GDP，R20.947，F845.94，在a0.
14、001的水平下检验显著。（2）对城市化与经济发展相关关系类模型的评价 城市化与经济发展相关关系类模型的优点是简便实用，在实际预测中应用比较广。人均GNP、人均GDP、城镇非农业人口等数据比较容易得到而且具有连续性。城市化与经济发展相关关系类模型对时期跨度的要求不高，有30年的数据资料就可以建立模型。因此，城市化与经济发展相关关系类模型比较适合于我国当前的国情。这类模型不仅适合于短期分析和预测，还可以运用于长期预测和分析。除此之外，最重要的是这些指标与城市化发展是紧密相关的，能够反映城市化发展的基本趋势。 城市化与经济发展相关关系类模型的缺点在于：这类模型只考虑单一因素与城市化发展的相关性，而对
15、政策等其他影响城市化发展的因素没有包含在内。S型曲线和其他时间序列模型中包含时间因素，时间因素本身是一个综合变量，它涵盖了多种因素对因变量的影响。因此，在运用这类模型对城市化发展水平进行预测时，有时需要对预测值进行评估和调整。时间序列分析类模型（1）时间序列分析法及其应用 时间序列分析类模型以时间为横坐标轴，以城市化水平为纵坐标轴，将各年份的城市化水平落到平面坐标系上来观察和模拟城市化发展的轨迹。它的特点是以时间为变量。 李迅等用时间趋势外推法分析了19801998年我国城市化发展的轨迹：我国上世纪80年代以来的城市化进程基本上是持续稳定的发展过程。以时间为横坐标轴，以城市化水平为纵坐标轴，将80年代以来各年份的城市化水平落到图上，观察我国城市化发展近似于一条直线。拟合曲线为y0.0059x 0.1279，R20.9879。 李林杰，金剑根据中国19492004年城市化水平的时间序列资料，构建城市化水平的时间序列预测模型，并进行实证检验和预测，预测我国的城市化水平在2010年达到44.6713%。（2）时间序列分析类模型的评价 社会经济现象运动是一
