聚集经济与经济增长：来自中国的经验证据，本文主要内容关键词为：经济增长论文,中国论文,证据论文,经验论文,经济论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一 引言
经济活动的聚集①被经济学家视为现代经济增长的一个典型事实(Kuznets,1966)，而且经济活动的聚集和经济增长又是互相影响的(Fujita and Thisse,2002; Baldwin et al.,2003)。经济增长和聚集经济之间的高度相关性也已广泛地被历史学家证实(Hoheberg and Lees,1985)。Krugman(1991)、Venables (1996)、Krugman和Venables(1995)、Fujita等(1999)创立的新经济地理学使得空间经济分析成为主流经济学中的一个新领域，他们将主流经济学长期忽视的空间因素纳入到一般均衡分析框架中，研究经济活动的空间分布规律，解释现实中存在的空间聚集机制，并通过这种机制的分析来探讨区域经济增长的规律与途径。系列的研究发现，经济活动的空间聚集差异是决定不同国家或地区经济增长和劳动生产率差异的一个重要因素，而经济增长的差异也同时是影响产业空间聚集的一个重要因素，空间聚集和经济增长在本质上是一个互相影响的内生化过程(Martin and Ottaviano,1999、2001; Baldwin et a1.,2001、2003; Fujita and Thisse,2002)。
经济学家们围绕着经济活动的空间聚集与经济增长之间关系的理论研究展开了相关的经验研究，但是却得出了完全不同的结果。另外，运用中国区域经济的数据研究聚集经济对于经济增长率影响的经验研究也不多。基于此，本文运用中国城市的面板数据经验检验聚集经济与经济增长率之间的关系。本文结构如下：第二部分针对国外和国内的相关研究进行文献综述，第三部分介绍本文的经验分析所使用的数据，并对回归模型的变量进行统计性描述；第四部分进行分析并对经验结果进行解释，最后一部分总结全文。
二 文献综述
内生经济增长理论为聚集经济和经济增长之间架起了一道桥梁，大多数内生经济增长模型都强调了知识外溢和技术外部性在经济增长中的核心作用(Romer,1986、1990; Lucas,1988、1993; Grossman and Helpman,1991; Aghion and Howitt,1992)，而关于技术外溢的经验研究也证实这种外部性与R&D和经济活动的空间定位有关(Eaton and Kortun,1996)。在此基础上，一些新经济地理学家把原来的静态模型进行动态化，将经济增长和空间聚集之间的关系放在统一的框架下进行研究，通过强调技术外溢和空间聚集的相互作用，扩展了内生经济理论并得出如下结论：一方面，经济活动的空间集中有利于经济增长，非均衡的空间分布对经济增长来说是一种有效的地理平衡因素；另一方面，经济增长可以被视为另外一种聚集力量，即增长可以强化经济活动的不平等分布(Varga and Schalk,2004)。
此外，Martin和Ottaviano(1999、2001)与Baldwin等(2001、2003)认为，由于贸易成本和规模报酬递增的相互作用，工业部门将会向经济增长更快的地区聚集，而聚集经济又会降低那些经济活动较为集中地区的创新成本，因而也会促进更快的经济增长。Baldwin和Forslid(2000)、Fujita和Thisse(2002)在假定区域间劳动力自由流动的前提下，也得到了相似的结论：聚集经济对于整体的经济增长是有利的，地理位置会影响到经济增长。
早期相关的经验研究主要关注城市和产业对于生产率的影响以及技术外溢对于聚集经济的影响，它们主要考察用人口(或劳动力)数量来衡量的市场、城市或产业规模对于生产率的影响，或者考察是否存在地方化的技术外溢效应(Ciccone and Hall,1996)。比如，Sveikauskas(1975)、Segal(1976)、Moomaw(1985)等估计了城市人口对于劳动生产率的影响，发现在较大城市的生产率一般也较高。另外，也有一些文献通过考察是否存在技术的本地化外溢效应来间接检验聚集经济和经济增长之间的关系，发现知识扩散和技术外溢具有典型的地方化特征(Adams and Jaffe,1996; Anselin et al.,1997; Varga,1998; Feldman,1999)，区域和国家间的知识扩散的确存在，但扩散随着地理距离的增加而发生显著的衰减趋势(Jaffe et al,1993; Coe and Helpman,1995; Coe et a1.,1997；Almeida and Kogut,1997)。Ciccone和Hall(1996)考虑了聚集经济的内生性后发现，它所带来的收益递增在解释美国各州地区间劳动生产率的差异中起到关键作用，一个地区的就业密度提高1倍可以使其劳动生产率提高6％。
在另一个研究中，Ciccone(2002)运用欧洲5个国家的数据检验了用就业密度度量的聚集经济对于经济增长的影响并得出了相同的结论。Cingano和Schivardi(2004)基于意大利各城市企业水平的微观数据研究发现，城市就业量对于生产率的弹性为6.7％。Dekle和Eaton(1999)基于日本地区数据的研究也发现，产业部门的就业密度能显著地提高生产率。Brulhart和Mathys(2006)基于欧洲各个地区面板数据的研究结果表明：聚集经济显著地促进了劳动生产率，并且这种聚集效应随时间而逐渐增强。类似的，Ottaviano和Pinelli(2006)运用芬兰各地区的面板数据的研究也发现，人口密度对于地区的收入增长具有正效应。此外，一些采用其他方法度量聚集经济的研究也得到了类似的结论。Braunerhjelm和Borgman(2006)运用瑞典1975～1999年的数据，经验检验了聚集经济对劳动生产率的影响，发现以Ellison-Glaeser指数度量的聚集经济与劳动生产率显著正相关。Brulhart和Sbergami(2006)分别使用全球105个样本国家1960～2000年的数据与欧盟内部国家的16个样本国家1975～2000年的数据，考察了聚集经济和经济增长之间的相互关系，也得出了同样的结论。
现有关于聚集经济与经济增长之间关系的经验研究虽然普遍发现前者对于后者有促进作用，但是也有研究得到了完全相反的结论，甚至发现用市场或城市规模衡量的聚集经济对经济增长具有负面影响。例如，Carlino(1979)的研究发现，人口规模对于生产率具有负的影响，这意味着存在聚集的不经济。Jones(1995)也注意到，经合组织国家的经济增长率与其劳动力数量并不成正比，反而存在不变或递减的关系。Futagami和Ohkusa(2003)的研究发现用人口数量衡量的市场规模与经济增长率之间存在着“U”型关系；Henderson(2003)的研究则发现，城市化对于高收入水平国家的经济增长是不利的。当然，用市场或城市规模度量聚集经济可能并非最佳，例如，Ciccone和Hall(1996)就指出，密度是度量聚集经济的合适指标。但是有趣的是，即便使用密度作为聚集经济的度量指标，也依然有研究得出相反的结论。例如，Bautista(2006)基于墨西哥32个州1994～2000的数据，用每平方公里的人口数来衡量聚集经济水平，并使用工具变量来解决聚集经济的内生性问题，研究发现聚集经济对于经济增长的影响并不显著。Bode(2004)对Ciccone和Hall(1996)的理论模型扩展后，基于德国数据的研究发现：在控制住私人收益以后，经济密度提高劳动生产率的效应却消失了。由于上述研究得出的结论截然不同，本文将再次检验聚集经济与经济增长之间的关系。
国内学者运用中国的数据对于产业聚集的水平、原因和趋势展开了理论和经验分析，有学者针对聚集经济与地区间增长的差距进行了研究。例如，魏后凯(2002)采用第三次全国工业普查521个制造业近60万家企业的数据，考察了制造业的市场集中状况及行业特征并进行了国际比较，发现中国绝大多数制造业的集中度都非常低。梁琦(2004)从产业地方化和专业化的角度对产业聚集展开了深入分析，并针对中国制造业的聚集与分散进行了研究。吉昱华等(2004)修正了美国经济学家测量聚集效益的方法并将其应用于中国的城市数据，发现工业部门作为一个整体并不存在明显的聚集效应，但二、三产业加总则存在显著的聚集效应。文玫(2004)使用中国第二和第三次工业普查的数据考察了中国工业的区域集中程度，发现许多制造业到1995年都高度集中在广东、江苏和山东等几个沿海省份。他同时还发现，自改革开放以来，中国制造业在地域上变得更加集中。王业强和魏后凯(2006)运用了中国28个两位数制造业的数据对中国产业地理集中的时间趋势和空间特征进行了分析。路江涌和陶志刚(2006)利用EG指数衡量了中国制造业区域聚集的发展趋势，发现中国的行业区域聚集处于上升阶段，且低于西方发达国家的近期水平。
除了上述研究外，还有研究考察了聚集经济与中国区域经济增长不平衡的问题。例如，范剑勇和朱国林(2002)的研究发现，改革以来中国整体上发生了产业在空间上的转移和聚集，地区差距的扩大与产业聚集有密切关系。范剑勇(2004a)认为，中国地区间差距的持续扩大突出表现在产业聚集的整体性积累；他还发现改革以来中国地区间的专业化水平和市场一体化水平已有提高，产业布局已发生根本改变，绝大部分行业已经或正在转移至东部沿海地区，并认为中国现阶段处于“产业高聚集、地区低专业化”的状况，从而使得制造业集中于东部沿海地区，无法向中部地区转移，进而推动了地区差距不断扩大(范剑勇，2004b)。他基于2004年中国城市截面数据的研究认为，非农产业规模报酬递增地方化是产业聚集的源泉并提高了该区域劳动生产率，进而对地区差距产生了持久的影响(范剑勇，2006)。金煜等(2006)利用1987～2001年中国省级面板数据研究了工业聚集的影响因素，发现除了经济地理的作用以外，经济政策也是导致工业聚集的重要原因。另外，史晋川和战明华(2006)认为，中国城市化进程的基本表现形式是农村劳动力向城市的转移，从长期来看，城市化进程的速度将取决于城市正规部门和非正规部门中具有聚集效应的那一部分经济的发展速度，而且，具有聚集效应的城市非正规部门的发展还将在极大程度上影响农村高素质劳动力向城市的转移和城市化层次的提高。
有极少研究基于中国的数据经验分析了聚集经济对劳动生产率或经济增长的影响。例如，罗勇和曹丽莉(2005)基于电子及通讯设备制造业数据的研究发现，Ellison-Glaeser指数和工业总产值之间高度正相关。张妍云(2005)用就业密度作为聚集经济的指标，通过最小二乘法估计发现工业聚集能够带动全员劳动生产率的提高。陈刚等(2006)对中国各地区信任指数对地区工业聚集水平的影响进行了分析，发现信任指数对于工业聚集水平有显著的促进作用，从而认为社会资本可以通过加速工业聚集的方式促进经济增长。
基于上述文献我们可以看出：首先，基于中国数据的研究大多集中于聚集经济的决定因素和发展趋势，以及聚集经济对地区间增长差异的影响，而对于聚集经济与经济增长速度的经验研究并不多；其次，现有的理论已经表明聚集经济是内生于经济增长过程的，而且经济增长反过来会影响聚集经济，所以，对于聚集经济与经济增长之间关系的经验研究必须解决其内生性问题。本文基于中国城市的面板数据经验检验聚集经济对经济增长速度的影响。当然，现有理论对于聚集经济影响经济增长的渠道已经有了非常系统而深入的研究，所以本文只将研究重点放在经验分析上。
三 经验模型、数据来源及变量的统计描述
(一)模型
我们重点关注聚集经济对于城市人均GDP增长速度的影响，回归模型如下：
其中，pgdpgr表示人均实际GDP的增长率，agglom为本文关心的自变量，即聚集经济，它用每平方公里的人口数量来度量，其他为控制变量，下标i表示城市，t表示年份。
本文之所以没有将人均GDP作为被解释变量，理由在于：如果以人均GDP为被解释变量，根据生产函数和经济增长理论，就必须控制人均资本存量。但是我们无法得到各个城市的资本存量数据，所以将GDP的增长速度作为被解释变量，这只需要控制投资而不需要控制资本存量，在统计年鉴上，投资的数据可以直接得到。表1为回归模型中变量的定义。
(二)变量介绍及数据来源
本文经验模型的被解释变量为pgdpgr，即城市人均实际GDP的增长率，这一统计数据来自《中国城市统计年鉴》。另外，由于我们无法得到各城市的GDP平减指数，所以就用各城市所在省份的GDP平减指数来代替该城市的GDP平减指数，对各城市人均GDP进行了平减，基年为1997年。
agglom即对聚集经济的度量。现有研究对聚集经济的度量有很多方法，根据Ciccone和Hall(1996)的研究，用市场或城市规模作为聚集经济的衡量可能是有问题的，而人口密度则是一个更合适的指标，由于在《中国城市统计年鉴》中能够得到统计数据计算人口密度指标，所以本文就沿用每平方公里的人口数量作为聚集经济的度量。②
变量investgdp和fiscgdp的数据都源自1999～2005年的《中国城市统计年鉴》，它们分别表示各城市固定资产投资和政府财政支出占GDP的比重。变量edu为对各城市人力资本投资的度量。这里，我们沿用现有研究常用的方法，使用所在辖区的在校生人数或其占总人口的比例来度量人力资本投资，因为在校生人数只是反映了正在接受人力资本投资的人口数量。east和middle分别为东部和中部地区虚拟变量，railway33和agglom84为本文所使用的工具变量，后面会详细介绍选择这两个工具变量的理由及数据来源。
中国的城市建制划分为直辖市、省会城市、地级市、县级市和镇，对于样本城市，本文选择了地级及其以上的城市，而没有考虑县级市。从《中国城市统计年鉴》的统计数据来看，对城市(包括直辖市、省会城市和其他地级市)分别列出“地区”和“市区”两项，它们之间的区别是“地区”包括了市区和下辖县、县级市，而“市区”却没有包括。由于同属于一个行政区划之内，市区所辖的县及县级市与市区之间的经济活动非常密切，所以我们采用城市统计年鉴中“地区”的统计口径。
另外，从《中国城市统计年鉴》中关于各城市的土地面积数据可以看出，有相当部分城市在不同的年份里都发生过行政区划的变动，从而导致辖区面积发生了变动。由于我们并不清楚这种变动的原因及具体形式，所以为了保持数据的一致性，我们以1999年《中国城市统计年鉴》上所列城市的土地面积为标准，剔除了1999～2004年间土地面积发生了较大变化的城市，③这样我们的样本最终包含了187个地级及地级以上的城市。④
四 变量的统计描述
表2对本文被解释变量的变化趋势进行了描述，从中尚无法观察到明显的规律性特征。从分区域来看，西部地区样本城市的人均实际GDP的增长率在三个年份中比东部样本城市以及全部样本城市的人均增长率高，中部地区样本城市的人均实际GDP的增长率在三个年份中也高于全部样本城市的增长率。
从区域面积来看，全国地级市的差异相当大。在187个样本城市中，2004年的平均土地面积为12 961.97平方公里，最大的为内蒙古的赤峰市，土地面积达到90 021平方公里，最小的两个是安徽省的铜陵市和浙江省的舟山市，分别为1113和1440平方公里。对于人口密度，从表2中可以看出：总体而言，东、中、西部城市的人口密度在波动中呈上升趋势，东部城市的人口密度明显高于中、西部城市，表明东部城市聚集经济的程度较高。
表3给出了其他变量的均值及标准差，从中可以看出：这三个变量总体而言都存在上升的趋势。
五 经验分析
由于新经济地理学的理论研究已经揭示出聚集经济是内生于经济增长过程中的，同时，用人口密度度量聚集经济存在度量误差，所以在考察聚集经济对于经济增长的影响时，本文使用工具变量法来解决这一内生性问题。
在没有讨论工具变量的选择之前，我们先忽略聚集经济的内生性问题，直接利用面板数据对模型进行OLS回归分析。表4的第二、三列给出了固定效应和随机效应模型的估计结果，从中我们可以看出，在两种模型中，变量agglom对人均实际GDP增长率的回归系数都是负的，但不显著，这表明聚集经济对于各城市人均实际GDP的增长率并没有促进作用。但是，如果聚集经济在模型中是内生的，那么我们就不能简单地接受这一结果。
为了检验聚集经济在本文的模型中是否存在内生性，我们为聚集经济找了两个工具变量，即表1定义的变量railway 33和agglom 84。前者表示该城市在1933年是否通铁路，后者表示该城市1984年的人口密度，即对各城市聚集经济程度的滞后度量。下面介绍这两个变量的数据来源及选择它们作为工具变量的理由。
对于现在的各样本城市在1933年是否通铁路的信息，我们依据《中国铁道便览》(1934)提供的铁路全图，⑤并参照白寿彝1937年所著《中国交通史》，⑥确定本文的187个样本城市在当时是否有铁路通过，只要当时的铁路线通过了现在的样本城市所在的位置，我们就认为这个城市在当时有铁路通过。⑦对于各城市1984年的人口密度，数据大部分来自于1985年的《中国城市统计年鉴》。但是，由于样本城市中有20个城市的人口和面积信息在该年的城市统计年鉴中是缺失的，所以我们用后续年份中最早出现该城市的人口和土地面积信息来代替该市1984年的信息，其中7个城市用1985年的统计数据，9个城市用1988年的数据，其他城市用1992年或1993年的数据代替。
选择变量railway 33作为工具变量体现了我们的核心目的：首先，在中国民间一直就流传着“火车一响，黄金万两”的说法，这其实就描述了铁路基础设施对于经济增长的重要影响；其次，新经济地理学认为，运输成本的下降是促使中心—外围地理形成的重要原因，从而为聚集经济现象提供了另一种解释(Fujita et a1.,1999)。而且，我们也知道，工业革命以后，蒸汽机动力和铁路的出现，显然能够在很大程度上降低运输成本，这一点已经在西方各国的发展史中有着鲜明而深刻的体现。20世纪30年代，中国的经济十分落后，交通工具也十分落后，而蒸汽机车和铁路的出现和增加显然能够大大提高运输能力并大大降低运输成本。由于这一变量度量了各个城市在1933年是否有铁路通过，能够反映出新中国建立之前这些城市的铁路状况。根据新经济地理学关于运输成本的下降是促使中心—外围地理形成的重要原因的理论，我们可以推理：在道路基础设施还非常落后的旧中国，铁路的修建能够对于各个城市的经济活动的聚集产生强大的影响。基于上述分析，我们认为1933年是否通铁路这个变量能够对各个城市的聚集经济产生直接的影响。
当然，选择这个变量作为工具变量还有一个非常苛刻的条件，就是它与模型的残差项不相关。从理论上讲，新中国成立后，新中国铁路网络的建立和发展完全是由新中国政府制定的，铁路的建造技术也都是全新的，而且，在经历了多年的抗日战争和解放战争以及新中国的成立后的改革开放历程，中国的社会和经济状况都发生了巨大的历史转折。这样一个滞后了将近70年的变量，从经济理论上讲，应该不会对现在各城市的人均实际GDP的增长率产生直接的影响。当然，这一推断是否正确，还需要进行过度识别检验。
选择第二个变量agglom 84作为工具变量，是因为它相对于本文所使用的数据初始年份而言，也滞后了15年。这也是一个相当长的时期，这个滞后的人口密度实际上可以反映后来的经济活动聚集的基础，所以，作为一个反映了历史信息的变量，它能够影响现在经济活动的聚集。
我们选择以上这两个工具变量的理由还在于，Ciccone和Hall(1996)在关于美国聚集经济与经济增长的研究中给出了如下几个备择工具变量：该州在1860年是否修建了铁路、该州1850年的人口数、该州1880年的人口密度以及该州距离东海岸的距离。选取历史上的聚集状态作为工具变量，是因为他们认为美国聚集经济的这些最初来源与现在的生产率的差别并不相关，而它们对现在的工人居住地的选择还会产生影响，所以会对现在的聚集经济水平带来影响。在基于中国数据的基础上选择工具变量时，我们也借鉴了他们的思想，同时也希望工具变量尽量滞后，不过，由于历史数据的限制，目前只滞后到了现在的这种程度。我们对所选择的工具变量进行检验；
工具变量必须满足两个条件：
第一个条件是工具变量对于被工具变量产生直接的影响，这是一个可以直接验证的条件，我们将所有外生变量以及这两个工具变量对本文所度量的聚集经济进行回归，结果railway 33和agglom 84的回归系数都为正，前者在1％的程度上显著，后者在5％的程度上显著，整个回归的拟合优度为0.1514，针对这两个变量的F检验也表明它们的系数至少有一个不为零。所以，它们作为工具变量的第一个条件是满足的。特别是变量railway 33的回归系数显著为正，表明各个城市历史上的铁路基础设施对于现在的聚集经济也依然能够产生正向的显著影响。
工具变量的第二个条件要求它们在模型中与残差项不相关。我们认为从理论上讲，每个变量都不与模型的残差项相关，它们不会直接影响现在的经济增长速度。如果只有一个工具变量，这一条件是不能直接检验的，但是在使用多个工具变量的情况下，就可以进行过度识别检验，以判定这两个变量在模型中是否都是外生的。本文的过度识别检验拒绝了这两个变量中至少有一个变量是内生的原假设。⑧这一检验结果表明，我们选择的这两个变量作为聚集经济的工具是合适的。另外，我们将所有外生变量对变量agglom进行回归，然后将回归的残差放入结构方程中，结果残差的回归系数在1％的程度上显著，这再次表明agglom在本文的结构模型中是内生的；只用变量railway 33作为工具对agglom的检验也同样表明它是内生变量。2SLS的回归结果见表4。
另外，由于变量agglom 84相对于第一个工具变量而言滞后的时间较短，所以我们也同时将只用railway 33作为工具变量的2SLS结果列入表4。从单工具变量和多工具变量的结果对比中可以看出，使用单工具变量和多工具变量的结果并没有显著的差异。这表明我们使用工具变量方法得到的结果是稳健的。下面讨论本文所接受的多工具变量回归结果。
在本文的结构模型中，聚集经济显然是一个内生变量，从RE和FE模型的回归结果与2SLS回归结果的对比可以看出，如果不考虑它的内生性而只进行简单的OLS回归，所得到的回归结果表明，聚集经济对于中国城市人均实际GDP的增长率有负面的影响(不显著)。但是，当使用工具变量法解决了它的内生性后，我们发现聚集经济对于城市人均实际GDP的增长率有显著正的影响，表明了聚集经济对于城市人均GDP的增长率确实有显著正的促进作用。我们的回归结果表明，在保持其他条件不变的情况下，每平方公里的人口每增加1人，该城市的人均实际GDP的年增长率会增加0.0045个百分点。而且，2SLS回归中的第一阶段的回归结果也表明，某个城市在1933年是否通铁路会对这个城市的聚集经济产生显著正的影响，从而表明各个城市在历史上铁路基础设施的状况能够促进聚集经济的发展形成，并进而促进经济增长速度。这一结果与现有理论研究的结论也是一致的。
六 总结
本文运用中国城市的面板数据，用各个城市在1933年是否通铁路以及滞后的人口密度作为工具变量，检验了聚集经济对于人均实际GDP增长速度的影响。结果表明：
首先，中国各个地级及地级以上的城市在历史上铁路设施的状况能够对我们所度量的聚集经济产生显著正的影响，从而验证了新经济地理学关于道路基础设施对于促进经济增长作用的理论。
其次，关于聚集经济对于各个城市人均GDP增长速度影响的稳健结果表明，聚集经济对于各个城市人均GDP增长速度具有显著正的影响。虽然现有的理论研究都证明了聚集经济对于经济增长有促进作用，但是基于国别数据与国家内部数据的经验研究并未得出一致的结果，而且，基于中国数据的聚集经济对于经济增长影响的经验研究并不多，本文的研究弥补了这一缺陷。
最后，本文的研究还发现，在聚集经济与经济增长速度关系的模型中，聚集经济具有内生性，不考虑这种内生性会得出有偏的结果。
另外，本文关于各个城市历史上的铁路状况有利于聚集经济的形成并对经济增长的速度产生显著正的促进作用的结论，能够给政府制定经济发展政策提供有力的支持，即政府对于道路基础设施的投资能够在长期内对聚集经济产生影响，有利于核心—外围地理的形成，从而进一步对经济增长产生促进作用。中国政府实施的“西部大开发”战略中加强了对中西部地区的道路基础设施的投资，这种战略将有利于促进西部地区的聚集经济形成和经济增长。
截稿：2008年1月
注释：
①对于我们所观察到的人类经济活动向某个区域集中的现象，国内学者的称呼不尽相同，有的用“聚集”，也有的用“集中”或“聚集经济”，本文则采用了“聚集经济”的用法，并且，为了方便起见，我们在文献综述中将现有研究的其他用法都统一为“聚集经济”。
②有学者认为，用人口密度度量聚集经济并不一定准确，而建议用资本密度或人力资本密度来度量，这种观点是有道理的。但是，本文任何经济活动都由人来进行，用人口密度还是用资本密度来度量，还要看某个城市的主要产业是属于资本密集型的还是属于劳动力密集型的，如果是前者，用资本密度度量聚集经济可能更准确，反之用后者会更准确。同时，也有学者批评因为我们无法准确得到人口流动的数据，所以用人口密度度量的聚集经济存在误差。虽然使用人口密度会有度量误差问题，但是本文所使用的工具变量能够解决这种用人口密度度量聚集经济所产生的度量误差而导致的内生性问题。
③我们保留了此期间内土地面积没有发生变动和土地面积的变动不超过总面积0.5％的城市。
④在对于这些城市的选择上，对行政区划发生了剧烈变动的城市给予哑变量可以部分解决这种外生冲击所带来的影响。但是，由于我们无法了解这种变动的根本原因及其形式，所以添加哑变量也不能很好解决这一问题。例如，有些变动是将市所辖的县或乡镇分割出去，有的则是将附近的区县包括进来，不同的变动对于聚集的度量会产生根本不同的影响。另外，我们也将四个直辖市以及各省的省会城市包括在内，虽然这些城市确实具有特殊性，在本文的经验分析中，也尝试为它们添加了虚拟变量以捕捉这些城市所特有的效应，但是结果并没有影响我们所关心变量的回归系数的大小及其显著程度，它们自身也不显著。
⑤见该书第39页地图。
⑥该书由白寿彝所著并由商务印书馆1937年出版，上海书店出版社1984年3月复印发行。
⑦在187个样本城市中，共有67个城市在1933年是通铁路的。
⑧参见Wooldrigde(2004)第821页关于过度识别的检验过程。
标签：经济模型论文; 经济增长论文; 工具变量论文; 经济论文; 回归模型论文; 城市经济论文; 空间分析论文; 人口增长率论文; 中国城市统计年鉴论文; 劳动生产率论文; 样本空间论文; 经济学论文;