ΔRULCt=γ1WORt-1+γ2ΔWOR+γ

�3POPt-1+γ1ΔPOP+λ5ΩRULC(3) 

　　方程

(1)、(2)和(3)分别称为就业非农化模型、人口城市化模型和农地非农化模型。就业非

农化模型说明就业非农化取决于就业非农化、城市人口的初始状态、城市人口的变化以及其
他外生变量

(ΩwΩp)的影响。其他外生变量包括产品多样化指数(Shop)、基础设施状况

(Infrastruct)、是否为省会城市(Dumy Capital)、是否为沿海城市(Dumy Coast)、距离省会城市的
距离

(Dis capital)、距离最近省会城市的距离(Dis Neacapital)、劳动力年平均工资(Aver wage)、

人均耕地面积

(Culandper)、平均受教育年限(Capital EDU)以及流动人口(Mob POP)。由于利用

非农就业总量数据可能会掩盖不同非农产业部门的经济活动行为

,我们将非农就业分为第二

产业就业和第三产业就业

,相对应的模型称为第二产业就业变化模型、第三产业就业变化模

型。

 

　　人口城市化模型说明人口城市化取决于就业非农化、城市人口的初始状态、就业非农化
的变化以及其他外生变量

(ΩW,Ωp)的影响。其他外生变量包括生活质量指数(lifequa)、基础设

施状况

(Infrastruct)、是否为省会城市(Dumy Capital)、是否为沿海城市(Dumy Coast)、距离省会

城市的距离

(Dis capital)、距离最近省会城市的距离(Dis eacapital)、劳动力年平均工资(Aver 

age)、人均耕地面积(Culandper)、平均受教育年限(Capital EDU)以及流动人口(Mob POP)。为避
免单一中心模式的局限

,除考虑距离省会城市的距离外,还考虑了距离最近省会城市的距离因

素

,由于城市的溢出效应,使得距离城市越近,城市对就业和人口的吸引力就越大,反之距离城

市越远

,这种吸引力就越小。是否为省会城市和沿海城市也是很重要的因素,因为这些城市在

居住环境以及多样化的生产方面优于其他城市

,从而对人口和就业产生正的影响。鲍常勇[12]

的一项研究发现在全国内地

31 个省会城市中,流动人口最多的是北京,有六个省会城市的流

动人口超过了

100 万人;从地域选择方面看,近 80%的流动人口选择东部沿海经济发达地区的

城市。生活质量作为舒适性指标直接影响人口的变化。高速公路等基础设施的扩张有利于劳
动力的引入

,直接影响就业的变化。劳动力工资越高,受教育年限越长,会增加就业的机会。土

地资源禀赋对地区的经济发展有重大的影响

,人均土地资源的匮乏会导致劳动力的边际农业

产出率低下

,而在非农产业具有更高的劳动回报率的条件下,大量的追求自身利益最大化的农

民会迅速向加工制造业和服务业等非农产业转移。由于我国城市人口并没有包括

6 个月以下

进城务工的人口

,因此本文选择流动人口因素,该因素对就业的影响是显而易见的。农地非农

化模型中

,所有同时影响就业和人口的因素将直接或间接影响农地非农化,就业和人口的初始

状态及其变化也影响农地非农化。例如

,距离城市的距离等接近性因素可能通过人口和就业

的变化间接影响农地的非农化

,也可能通过可达性直接影响农地非农化;道路越多,交通设施

越便利

,农地越容易非农流转。鉴于前文对人口和就业关系的探讨,方程(1)和(2)中内生变量作

为解释变量出现

,并且变量之间的关系是双向的,因此不宜采用普通最小二乘法(OLS)[13,14]。

我们利用两阶段最小二乘法

(TSLS)对就业非农化模型和人口城市化模型进行估计。用普通最

小二乘法

(OLS)估计农地非农化模型。 

　　

 

　　

2 变量说明及数据来源 

　　

 

　　选择的样本是以中国

1999 年划分单元的 232 个地级及以上城市市辖区。上述模型中的 t

为

2005 年,t-1 年为 1999 年。Mills and Price[15]的研究发现人口郊区化 10 年后就是就业的郊

区化

,Yohannes G.Hailu[11]和 Arauzo

�Carod[7]在研究中取 10 年,考虑到数据的收集问题,我

们选用

6 年,当然时期以及时间段的选择可能会对计量结果产生影响。为了消除由于城市规

模不同而产生的异方差问题

,我们将数据转换为密度,如 Carlino and Mills[10]用每平方公里、

每平方米、每人等。同时考虑计量的需要

,将控制变量取自然对数。各变量的定义和说明见表