论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　城市地理特征。城市的面积（lnkilo),使用城市市辖区地理面积的对数表示，市辖区面积越大，可容纳的居民越多，由此造成的拥挤成本越低,但是通勤成本可能会上升，因此其对城市人口规模的总体影响不确定。沿海城市虚拟变量（sea),沿海城市特殊的地理位置,往往拥有较为良好的生活环境和气候，旅游业较为发达，另_方面，沿海城市由于距离国际市场较近，其经济活动比较活跃,通常会有加大的吸引力，因此预期其系数符号为正。
　　(三）数据来源
　　本文关于城市市辖区人口数量、城市经济发展和产业结构、公共服务的数据均来自于1995-2007年《中国城市统计年鉴》，其中各城市的人均GDP按其所在省份的GDP指数进行调整得到实际人均GDP。各城市到三大中心城市的铁路里程数据来源于2013年的《全国铁路旅客列车时刻表》。样本中总共包括253个城市，由于个别城市存在缺失数据,导致部分变量的观测个数有损失，各变量的具体统计描述如表1所示。

表1变量的基本统计特征
变量名称        处理组            对照组    
    观测个数    均值    标准差    观测个数    均值    标准差
ln pop    787    4.259    0. 607    1642    4. 268    0. 525
ln dis    789    6.270    0. 765    1649    6. 697    0. 708
ln gdppc    787    9. 100    0. 672    1640    9. 067    0. 683
ln road    789    1.625    0. 637    1646    1.483    0. 655
g〇v    787    30. 638    21 . 232    1642    30. 156    22. 271
sec    789    49. 518    14. 243    1643    49. 560    14.825
third    789    38.342    11.886    1643    38. 271    11.912
sea    791    0. 033    0. 178    1649    0. 094    0. 292
ln kilo    786    6.5748    1.041    1643    7. 072    0. 999

　　四、计量结果与分析
　　(一)基本回归结果分析
　　回归的过程中，采用逐步加入解释变量的方法，估计结果如表2所示。首先不考虑其他因素的情况下，使用铁路提速虚拟变量，并考虑三大中心城市的影响，回归结果见表2中的方程1。刻画铁路提速对城市人口规模影响的估计系数氐显著为正，这意味着铁路提速带来的交通基础设施质量的提升促使沿途站点的城市比未提速站点城市人口规模显著增加;各城市到达三大中心城市的最短铁路里程与城市人口规模负相关，与前文的预期结果相同，即距离三大中心城市越远，城市人口数量越小，说明中心城市的吸引力随着铁路距离的增加而逐渐递减。此外，回归结果显示，铁路提速之后处理组和对照组城市人口规模均有所增加，并且在铁路提速之前处理组城市人口规模显著地小于对照组。
　　我们在模型中逐步加入各解释变量，结果显示，刻画铁路提速对城市人口规模影响的估计系数氏22
　　始终显著为正,但是其影响程度随着解释变量的增加而逐渐下降,这说明铁路提速显著的促进了提速沿途站点城市的人口规模。此外，估计结果中，与三大中心城市最短距离的估计系数也始终为负，并且估计系数的绝对值逐渐增加，反映出距离因素对城市人口规模的重要作用。在模型中加入反映城市经济发展水平的解释变量后，回归结果见方程2。结果显示,城市人均收入水平能够显著的影响城市人口规模，具体地，随着人均收入水平的上升,城市人口增长速度先缓慢上升,然后加速上升，最后缓慢下降，这个结论与Graves&SextonM、冯俊新M的结论_致。然后在模型中加入城市产业结构变量，回归结果见方程3。从结果中可以看出，第二产业对城市人口规模的影响虽然为正，但是并不显著;第三产业对城市人口规模的影响显著为负，与预期符号相反，这可能是由于存在遗漏变量等问题所导致的。最后在模型中加入政府公共服务水平和城市地理特征的代理变量后，回归结果见方程4。可以看出，政府的公共服务水平能够显著的降低人口集中程度，政府财政支出、人均道路面积对于城市人口集中的影响均显著为负，与前文的预期一致,这也与已有的研究结论相_致（Davis&Henderson122等）。城市地理面积与人口规模成正比，即城市地理面积越大，所容纳的人口越多，人们可以享受到交通基础设施改善带来的正效应，同时也说明目前的城市规模还偏小，城市人口增加所带来的收益大于成本。沿海城市虚拟变量显著为正，说明沿海城市特殊的地理位置，使其更具吸引力，城市人口规模相对更大。
　　考虑到城市之间的地域风俗、经济政策等个体
　　差异性，本文在回归模型中引入个体效应,Hausman检验的结果表明，应该采用固定效应模型更为合适。然而不随时间变化的铁路距离无法作为解释变量加入回归方程中，因此借鉴周浩、郑筱婷&]的做法，在回归分析中使用各城市到三大城市铁路里程的最小值的对数与虚拟变量duXdt的乘积项来描述中心城市的作用，因此，新的估计方程为：
　　^-nP°Pit=a,+/3ldutl+/32du,txdtlt+j^3dutlxdtlt+/34Xlndisit+CV+sit(3)

 
表2铁路提速对城市人口规模影响的估计结果
解释变量    方程1    方程2    方程3    方程4    方程 5
du    -0. 116 …    -0. 117 …    -0. 112 …    0. 009    
    (-3.09)    (-3.20)    (-3. 06)    (0. 28)    
dt    0. 065 ^    0. 124 …    0. 160*H    0. 176***    0. 071 ***
    (2. 36)    (4.41)    (5. 49)    (6. 33)    ( 10. 31)
du X dt    0. 143 …    0. 131 …    0. 122*〃    0.090**    0.352***
    (2. 96)    (2. 79)    (2. 60)    ( 2. 11)    ( 5. 83)
ln dis    -0.060 …    - 0.096 …    -0. 100***    -0.174***    - 0.047***
    (-3.90)    (-5.91)    ( - 6. 10)    (-11.56)    (-4.93)
ln gdppc        -9. 813 …    -9. 742***    -10. 807***    -1. 372**
        -3. 78)    -3. 76)    (-4.62)    ( - 2. 42)
ln gdp2        0. 915*H    0910***    1. 109***    0. 124**
        (3. 26)    (3. 26)    ( 4. 39)    (2.03)
ln gdp3        -0. 028    -0. 028 ***    - 0.038***    -0. 004*
        (-2.77)    (-2.79)    ( - 4. 16)    (-1.65)
            0. 001    0. 005 ***    0. 000
sec            (1. 10)    ( 5. 31)    ( 0. 87)
third            - 0.004***    - 0. 001    0. 001 ***
            ( - 3. 58)    (-1.37)    (3.05)
ln road                -0. 161***    -0. 017**
                (-7.25)    ( - 2. 38)
                - 0.004***    - 0. 000
g〇v                (-7.83)    (-0.94)
ln kilo                0.204***    0.367***
                (18.67)
0.216***    (67. 23)
                    
sea                (5.46)    
常数项    4.629…    39.298 …    39.134***    38.838***    6.515***
    (44.28)    ( 4.91)    (4.91)    (5.40)    (3.71)
R2    0. 019    0. 069    0. 077    0. 255    0. 747
样本数    2429    2427    2426    2421    2421
注：（1)括号中的数值是t统计量的值；（2)*分别表示10%、5%、1%的显著性水平。