论文部分内容阅读
【摘要】 本文准确预测我国未来的城市化水平，并对我国2020年“城乡互动，工农互促”发展战略的顺利实施进度进行了预测，提供决策支持。得出了2020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；预测；Ｓ型曲线
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。
一、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：
1、Logistic模型类——我国城市化进程的S型曲线研究
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。
2、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。
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。
3、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1980～1998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y＝0.0059x＋0.1279，R2＝0.9879。
（2）时间序列分析类模型的评价
社会经济现象运动是一个动态过程，具有自身的运动规律。时间序列分析方法是一种动态模型分析，它不考虑除所研究变量外的其他因素对时间序列变量的影响，这样可以避免简单线性回归模型中常常存在的虚假相关、虚假回归及回归结果自相矛盾等问题，而且在预测精度方面有时比其他类型经济计量模型更为精确。
时间序列分析类模型的缺点是，它只反映社会经济现象动态变化的过程，而无法解释造成这一过程的原因，它适用于预测而不适用于解释。
4、其他类模型
除以上三类主要的分析方法和模型之外，联合国法、灰色系统法在实践中也有应用。
二、对我国2020年城市化水平的预测——多种模型相互印证
1、时间序列分析法预测
（1）中国城市化水平的时间序列资料和计算结果
李林杰、金剑整理了1949～2004年中国城市化水平的数据资料，数据资料取自历年《中国统计年鉴》。利用上述原始资料，运用ARMA模型进行预测我国的城市化发展水平，结果如下：
2000年以来，我国城市化水平的实际值和预测值分别为：2000年为36.22%和40.24％，2001年为37.66%和40.82%；2002年为39.09%和41.40%；2003年为40.53%和41.99%；2004年为41.76%和42.57%；2010年预测值为46.06%，2020年预测值为51.89%。
（2）对计算结果的分析和说明
虽然说ARMA模型比较适合短期预测，用做长期预测的精确度有可能下降，但是从预测结果可以发现：从2000年以后的预测精度在提高，逐渐逼近真值，到2004年预测误差只有0.81%，所以2020年的预测值也可能逼近真值。用ARMA模型预测的2020年的城市化率为52%，这个数值只用作为参考值，目的是用来和其他模型的预测值相印证。
2、多种模型和方法预测结果的印证和分析
用时间序列分析法和其他模型的预测结果相比较可以发现，多种预测相互印证表明：2020年我国城市化发展水平达到50%是比较乐观的，多数预测值在52%～55%之间范围波动。考虑到我国户籍改革，土地产权改革和其他不可知因素的影响，可以预测三个数值作为政策制定时的参考：最低值52%，期望值55%，乐观值60%。
三、我国城市化水平2020年预测值的政策意义
学术界对我国人口预测的主流观点是2020年我国人口总量约为14.5亿。分别按照2020年城市化率的三个参考值测算我国城镇人口，2020年我国城镇人口的最低值为7.54亿，期望值为8亿，乐观值为8.7亿。2005年国家统计局发布的《2005年全国1%人口抽样调查主要数据公报》表明，我国的城镇人口总量为约为5.62亿。也就是说，从现在起到2020年，农村人口迁移到城镇的人口总量最少有1.92亿，期望值为2.45亿，乐观值为3.08亿。如此庞大的人口迁移将进一步改变我国城乡人口的分布格局，对我国目前的城镇化政策也是一个很大的挑战。
农村人口流动和迁移问题，是工农互促、城乡互动发展战略要面对的最重要问题之一。准确判断和预测我国城市化的速度，可以为后续战略措施和政策的制定提供理论依据。
参考文献：
[1]张贡生，世界城市化规律：文献综述，兰州商学院学报，2005
[2]屈晓杰、王理平，我国城市化进程的模型分析．安徽农业科学，2005
[3]李迅，21初期我国城市化发展态势与对策的探讨．城市规划汇刊，2000
[4]李林杰、金剑，中国城市化水平预测的时间序列模型及其应用．中国人口科学，2005年增刊．
[5]刘萍，中国工业化与城市化协调发展的展望及对策．技术经济，2006
[6]董文柱，中国的城市化：进展、问题与对策．学术探索，2005
[7]朱宇，城镇化的新形式与中国的人口城镇化政策．人文地理，2006
【关键词】 城市化水平；预测；Ｓ型曲线
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。
一、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：
1、Logistic模型类——我国城市化进程的S型曲线研究
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。
2、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。
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。
3、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1980～1998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y＝0.0059x＋0.1279，R2＝0.9879。
（2）时间序列分析类模型的评价
社会经济现象运动是一个动态过程，具有自身的运动规律。时间序列分析方法是一种动态模型分析，它不考虑除所研究变量外的其他因素对时间序列变量的影响，这样可以避免简单线性回归模型中常常存在的虚假相关、虚假回归及回归结果自相矛盾等问题，而且在预测精度方面有时比其他类型经济计量模型更为精确。
时间序列分析类模型的缺点是，它只反映社会经济现象动态变化的过程，而无法解释造成这一过程的原因，它适用于预测而不适用于解释。
4、其他类模型
除以上三类主要的分析方法和模型之外，联合国法、灰色系统法在实践中也有应用。
二、对我国2020年城市化水平的预测——多种模型相互印证
1、时间序列分析法预测
（1）中国城市化水平的时间序列资料和计算结果
李林杰、金剑整理了1949～2004年中国城市化水平的数据资料，数据资料取自历年《中国统计年鉴》。利用上述原始资料，运用ARMA模型进行预测我国的城市化发展水平，结果如下：
2000年以来，我国城市化水平的实际值和预测值分别为：2000年为36.22%和40.24％，2001年为37.66%和40.82%；2002年为39.09%和41.40%；2003年为40.53%和41.99%；2004年为41.76%和42.57%；2010年预测值为46.06%，2020年预测值为51.89%。
（2）对计算结果的分析和说明
虽然说ARMA模型比较适合短期预测，用做长期预测的精确度有可能下降，但是从预测结果可以发现：从2000年以后的预测精度在提高，逐渐逼近真值，到2004年预测误差只有0.81%，所以2020年的预测值也可能逼近真值。用ARMA模型预测的2020年的城市化率为52%，这个数值只用作为参考值，目的是用来和其他模型的预测值相印证。
2、多种模型和方法预测结果的印证和分析
用时间序列分析法和其他模型的预测结果相比较可以发现，多种预测相互印证表明：2020年我国城市化发展水平达到50%是比较乐观的，多数预测值在52%～55%之间范围波动。考虑到我国户籍改革，土地产权改革和其他不可知因素的影响，可以预测三个数值作为政策制定时的参考：最低值52%，期望值55%，乐观值60%。
三、我国城市化水平2020年预测值的政策意义
学术界对我国人口预测的主流观点是2020年我国人口总量约为14.5亿。分别按照2020年城市化率的三个参考值测算我国城镇人口，2020年我国城镇人口的最低值为7.54亿，期望值为8亿，乐观值为8.7亿。2005年国家统计局发布的《2005年全国1%人口抽样调查主要数据公报》表明，我国的城镇人口总量为约为5.62亿。也就是说，从现在起到2020年，农村人口迁移到城镇的人口总量最少有1.92亿，期望值为2.45亿，乐观值为3.08亿。如此庞大的人口迁移将进一步改变我国城乡人口的分布格局，对我国目前的城镇化政策也是一个很大的挑战。
农村人口流动和迁移问题，是工农互促、城乡互动发展战略要面对的最重要问题之一。准确判断和预测我国城市化的速度，可以为后续战略措施和政策的制定提供理论依据。
参考文献：
[1]张贡生，世界城市化规律：文献综述，兰州商学院学报，2005
[2]屈晓杰、王理平，我国城市化进程的模型分析．安徽农业科学，2005
[3]李迅，21初期我国城市化发展态势与对策的探讨．城市规划汇刊，2000
[4]李林杰、金剑，中国城市化水平预测的时间序列模型及其应用．中国人口科学，2005年增刊．
[5]刘萍，中国工业化与城市化协调发展的展望及对策．技术经济，2006
[6]董文柱，中国的城市化：进展、问题与对策．学术探索，2005
[7]朱宇，城镇化的新形式与中国的人口城镇化政策．人文地理，2006