兵团南疆城镇化水平与人才
聚集能力关系浅析
——基于1993—2012年数据的理论与实证
卢泉 张志昂
（1、塔里木大学 经济与管理学院 新疆阿拉尔 843300）
摘要：兵团南疆地广人稀城镇发展质量以及效益规模低下，既不利于当地剩余劳动力转移，更制约了人才在南疆地区集聚，影响整个社会经济的综合发展。因此怎样在城镇化过程中集聚人才，同时发挥人才的集聚效应，是当下迫切需要解决的重大问题。国内外文献，对研究兵团人力资源的集聚提供了诸多的理论支撑与实践探讨。本文运用逐步回归法，寻找城镇化评价因子中与人才聚集能力关联度最大的若干因子，通过兵团南疆各个师1993—2012年20年的时间序列数据的回归分析，对作为被解释变量的人才集聚度与主要因子之间的数量关系进行实证分析，为兵团南疆城镇化建设与人才的聚集提出参考。
关键词：城镇化 人才聚集 逐步回归 实证分析
Analysis on the relationship between Corps Nanjiang urbanization level and the talent aggregation ability
Based on data from 1993 to 2012 -- theoretical and empirical
(College of economics and management Tarim University alaer Xinjiang 843300)
Abstract: The Corps Nanjiang with much land and few people town development quality and scale efficiency is low, is not conducive to the transfer of local surplus labor, more restricted the talent in the southern region agglomeration effects, the comprehensive development of the whole social economy. So how to urbanization talent agglomeration process, at the same time, give full play to the talents agglomeration effect, is a major problem urgent to solve. Domestic and foreign literature, agglomeration of corps human resource provides theoretical support and practice of many. In this paper, using stepwise regression method to find some factors, the maximum degree of ability of talent aggregation and urbanization evaluation factor, through the Corps in each division return from 1993 to 2012 20 years time series data for analysis, as explained variables of talent aggregation degree and mainly because the number of relationship between the empirical analysis, as the construction and talent Corps Nanjiang town gathered to make reference to.
Key words: urbanization talent stepwise regression empirical analysis
1
1
1.引言及研究综述
兵团“十二五”规划纲要将城镇化作为“三化”之首，兵团南疆地广人稀的人口布局决定了城镇化建设的难度更大，成本更高。同时兵团南疆地区城镇发展质量以及效益规模低下，既不利于当地剩余劳动力转移，更制约了人才在南疆地区集聚，影响整个社会经济的综合发展。因此怎样在城镇化过程中集聚人才，同时发挥人才的集聚效应，是当下迫切需要解决的重大问题。国内外文献，对研究兵团人力资源的集聚提供了诸多的理论支撑与实践探讨。但是无论是理论还是实践对作为被解释变量的人才集聚度与主要因子之间的数量关系未得到实证。
Gober（2002）发现城市化水平、外商直接投资、乡镇企业的发展水平、建筑业与轻工业比重等是影响中国省际人口迁移的重要因素。[1]姜怀宇等（2005）认为城市化是20世纪
90年代以来人才集聚的主要动力，城市化对人才集聚的影响既包含经济影响，也包含文化和社会影响。他们认为自然环境对人才分布的影响主要通过城市化间接发生作用，他还指出国家的区域、产业和人才政策对人才分布具有较强的影响。[2]龙奋杰等（2006）通过实证分析各因素的影响强度表明,产业结构、城市化水平、投资规模及其空间分布、中央政府的区
[3]
域转移支付政策等会导致就业机会的区域差异，从而诱导劳动力的区际转移。孔梦佳（2013）分析了人均GDP、产业结构、教育水平、对外贸易这四个对城镇化水平相对影响最大。[5]章辉等（2006）将影响城镇化的因素概括为经济、自然环境、社会和科学技术四个方面。[7]吴江等（2012）认为城镇化是经济、产业、人口、科技创新、基础设施、制度环境等因素相互作用与耦合的过程。[8]高强（2002）选取人均 GDP、农业劳动生产率、第三产业产值、城乡收入差别、房屋建设面积等 8 个指标，应用多元回归模型进行城镇化水平影响因素实
[9]
证研究。付聘聘和龚新蜀（2010）选用非农产业产值比重和就业比重、人均固定资产投资、每万人拥有大学生人数等 10 个指标对新疆城镇化影响因素进行灰色关联度研究，排列出各种影响因素的相关性高低。[10]卢 豫，占 威（2013）选取非农业人口比重、城镇人口的比重作为人口城镇化指标，人均GDP、第二产业比重、第三产业比重、工业增加值占GDP比重、财政支出占GDP比重作为经济城镇化指标，在岗职工年人均工资、人均社会商品零售总额、城市用水普及率、每万人拥有医生数、人均公共绿地面积等作为社会城镇化指标，对新疆城镇化综合水平差异进行实证分析。[6]吴 超选取.非农产业产值占 GDP 比重、.城乡收入差距、.教育水平作为解释变量分析城镇化水平的影响因素般认为社会人口流动主要是由于产业之间和城乡之间比较收益差别所引起的。城镇相对较高的收入和完善的教育、医疗等设施对农村居民有很大的吸引力，农村人口为了改善生活，纷纷选择由农村向城镇流动，导致劳动力在空间上的重新分布，促进城镇化水平的提高。[4]
2.兵团南疆城镇化水平与人才聚集能力关系的实证研究
2.1.理论假设
根据学者们对于城镇化水平影响因素的指标选取的一些探索。我们可知评价城镇化的指标分为人口城镇化指标、经济城镇化指标、社会城镇化指标三大类，可细分为人口、经济、产业、科技创新、教育水平、基础设施、制度环境，自然环境等，具体包括非农业人口比重、城镇人口的比重、人均GDP、财政支出占GDP比重、第三产业比重与产值、工业增加值占GDP比重、城乡收入差别、农业劳动生产率、房屋建设面积、非农产业产值比重和就业比重、人均固定资产投资、每万人拥有大学生人数、第二产业比重、在岗职工年人均工资、人均社会商品零售总额、城市用水普及率、每万人拥有医生数、人均公共绿地面积等。由以上指标作如下假设：
假设一：加大政府引导力，增加科学研究经费增强本土的科技水平，对世界各地的科学技术人才有一定的吸引能力，在一定程度上会引起人才的聚集。
假设二：加大固定资产的投资，促进区域经济增长，对人才有比较大的吸引能力。 假设三：人均地区生产总值GDP，较高的地区人民生活水平对人才聚集有促进作用。 假设四：加大房屋建设的总面积，改善地区居民的住宿条件，提供较为舒适的生活环境会对人才有较大的吸引效果。
假设五：卫生人员数的增多，解决基础社会卫生保障，提供较好的日常生活基础设施，机构，能够引起周边人才的聚集。
假设六：工业企业数的增加，对应的专业技术岗位的增加，对人才的聚集有着积极地作
用。
2.2数据的选取及指标说明
本文从城镇化水平与人才聚集能力的评价指标中运用主成分法分析得到各成分的得分系数矩阵（见附表1）中选取得分在0.9以上的指标：将专业技术人员数量代表人才聚集能力作为被解释变量用Y表示、将（科学研究经费）X1、(固定资产总投资额)X2、（人均地区生产总值 GDP）X3、（年末房屋建设总面积）X4、（卫生人员数）X5、（工业企业数量）X6作
[11]
为被解释变量。指标图标见表 1。
表1指标及代码 一级指标 被解释变量 解 释 变 量 城镇化水平指标 人才聚集能力 二级指标 专业技术人员数量 科学研究经费 固定资产总投资额 人均地区生产总值GDP 年末房屋建设总面积 卫生人员数 工业企业数 指标代码 Y X1 X2 X3 X4 X5 X6 备注 个 万元 万元 元 平方米 人 个 2.3方法的选择及解释
本文运用统计分析中的逐步回归法，在处理多元线性回归模型中，并不是把所有可能的解释变量都纳入模型，而是根据与Y相关性的强弱依次引入。通常用相关系数确定第一个纳入模型的解释变量（自变量），然后再用偏相关系数逐个引入第二、第三、?个变量。在引入解释变量的过程中，要对回归系数进行检验，及时舍弃不显著的变量（但每次至多舍弃一个）。在最优多元线性回归模型中，每个最终留下的解释变量经检验应该都是显著的。在建立线性回归模型过程中，在很多情况下我们无法一一列举可能的线性回归方程(组合数极大)，利用可能解释变量与因变量Y的相关系数或偏相关系数逐步引入变量，可以得到通常意义下的最优回归方程。也就是说，按解释变量的相关程度建立多元线性回归模型具有极大的优越性[7]。本文通过对南疆兵团城镇化水平与人才聚集能力相关指标的选择，确定解释变量与被解释变量，运用eviews软件进行分析。 2.4兵团南疆城镇化水平与人才聚集能力的实证过程 2.4.1模型的设定与建立
根据以上各指标得到原始数据见附表1—附表7汇总，见表 2 所示。
表2各指标原始数据汇总
1993年 1994年 1995年 1996年 1997年 1998年 1999年 2000年 2001年
Y 29912 30468 29476 33610 33610 34546 40141 32897 32002
X1 403 610 1586 2327 4531 5290 3543 3454 2881
X2 47806 70446 113305 139664 131027 162865 165143 191147 194535
X3 11241 16409 23925 23146 23496 27142 26926 30444 26546
X4 650239 681123 770834 980394 810930 882243 1457748 1141904 1023657
X5 8160 7913 8290 8126 8170 7972 7767 7472 7069
X6 304 317 384 359 346 454 420 488 478
2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 2010年 2011年 2012年
29630 29400 30200 30400 30000 30700 31000 30400 29900 30100 30600
2471 2942 2711.205 2621.0975 2987.18 3058.0025 4118.0125 4956.5775 3627.9075 60383.33 8737.7675
249800 340000 409900 411300 469500 549900 650200 823900 880500 1333600 2156800
29421 34829 37623 41307 45994 54082 62676 73056 93456 116739 147094
740608 729573 950316 924857 1005065 915654 649812 1126172 1840218 1541622 3454219
5972 6152 6103 6476 6516 6351 6120 6111 6027 6515 6751
478 449 475 489 468 508 669 648 341 231 317
设定并估计多元线性回归模型Y = C(1) + C(2)*X1 + C(3)*X2 + C(4)*X3 + C(5)*X4 + C(6)*X5 + C(7)*X6运用eviews软件得到多元线性回归模型结果如表3所示。
表3多元线性回归模型结果
Dependent Variable: Y Method: Least Squares Date: 04/17/14 Time: 17:27 Sample: 1993 2012 Included observations: 20
C X1 X2 X3 X4 X5 X6
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 12022.66 0.141993 -0.009546 0.003621 0.007225 1.030328 17.74185
Std. Error 6660.476 0.051269 0.004564 0.068566 0.001708 0.708912 5.250966
t-Statistic 1.805076 2.769549 -2.091623 0.052813 4.229984 1.453394 3.378778
Prob. 0.0943 0.0159 0.0567 0.9587 0.0010 0.1698 0.0049 31449.60 2546.125 17.91580 18.26431 17.98383 2.044891
0.715050 Mean dependent var 0.583534 S.D. dependent var 1643.120 Akaike info criterion 35097985 Schwarz criterion -172.1580 Hannan-Quinn criter. 5.436995 Durbin-Watson stat 0.005175
根据表3中的数据，得到模型的估计结果为Y = 12022.6635575 + 0.141992512403*X1 - 0.00954569774097*X2 + 0.00362122315402*X3 + 0.00722484476097*X4 + 1.03032800522*X5 + 17.7418467586*X6从上回归结果可以看出，拟合优度较高，整体效果的F检验通过，但有重要变量X3、X5的t检验不显著，存在严重的多重共线性，需要进行逐步回归对模型进行修正。
2.4 2OLS的基础变量选择
运用最小二乘法OLS分别求Y对各解释变量X1、X2、X3、X4、X5、X6进行一元回归。六个方程的回归结果详见附表8—表13，根据附表8—附表13汇总各变量结果得出表4。
表4各变量结果汇总
X1 X2 X3 X4 X5 X6
R 0.0094 0.0746 0.0710 0.0035 0.2298 0.0001
2
R2
F 0.172 1.452 1.376 0.063 5.371 0.0007
D 0.928 1.003 0.977 0.885 1.149 0.907
t -0.414 -1.205 -1.173 0.252 2.318 -0.026
P 0.683 0.244 0.256 0.804 0.032 0.979
0.0455 0.0232 0.0194 0.0518 0.187 0.0555
根据上表得出R2X5 > R2X2 > R2X3 > R2X4 > R2X5 > R2X6 由于X5的拟合优度最好，可决系数R=0.2298及修整可决系数R=0.187最大，且做联合检验的F=5.371检验通过，t>2、
2
2P<0.05检验通过，则以X5为基础变量将X1、X2、X3、X4、X6分别代入进行逐步回归。 2.4.3逐步回归
将剩余解释变量分别加入模型，得到分别如附表14—附表18所示的二元回归结果并将其汇总如表5。
表5二元回归结果汇总
X5X1 X5X2 X5X3 X5X4 X5X6
R 0.230 0.232 0.230 0.250 0.288
2
R0.139 0.142 0.139 0.162 0.204
2
F 2.542 2.571 2.545 2.838 3.433
D 1.147 1.151 1.148 1.118 1.373
t -0.092 -0.231 -0.114 0.682 1.174
P 0.927 0.820 0.911 0.504 0.256
通过观察比较附表14—附表18及表5二元回归结果汇总所示结果，并根据逐步回归的思想，我们可以看到，新加入变量X6的二元回归方程R=0.204最大，并且各参数的t检验显著，参数为6.265770符号也符合经济意义，因此保留变量X5、X6。
在保留X5、X6的基础上，继续进行逐步回归，分别得到如附表19—附表22所示的回归结果并将其汇总如表6。
2
兵团南疆城镇化水平与人才
