长江三角洲地区城市化与房地产业协调发展研究

2015-03-20谢福泉胡锈腾赵银银

地域研究与开发 2015年3期

谢福泉，胡锈腾，赵银银

(华东师范大学商学院，上海200241)

根据国家统计局中国城市化率统计数据，2011年中国城市化率达到51.27%，城镇人口首次超过农村人口，2013年中国城市化率进一步达到53.70%。随着城市化进程的加快，大量农村剩余劳动力进入城镇生产、生活，这为作为城市化载体的房地产业的发展提供了广阔的空间。中国区域经济发展不平衡，各地区城市化和房地产业发展水平参差不齐。因此，从城市群视角研究城市化与房地产业的互动关系对于推动区域城市化与房地产业的健康发展有着客观的现实意义。

长江三角洲地区是中国目前经济最为繁荣的地区，城市化水平也处于全国领先地位，其房地产市场与其他地区相比更加活跃和成熟。因此，本研究选取长江三角洲地区16个城市作为研究对象，探索长江三角洲地区城市化与房地产业发展的协调程度。

首先，运用因子分析对长江三角洲地区城市化与房地产业发展水平进行综合测度，并建立两者的主成分回归模型;其次，运用协调度模型，根据实证结果对两者之间的协调度进行分析，揭示各城市城市化与房地产业发展水平的协调关系;最后，根据实证结果提出长江三角洲地区城市化与房地产业互动健康发展的政策建议。

1 城市化与房地产业发展水平测度

1.1 城市化发展水平的指标选择及测度

传统的城市化发展水平指标是单一性的指标，一般为非农业人口或者城镇人口占人口总数的比例，仅仅反映出城市化发展成果的一个方面，而对经济、社会、文化、生态等多方面的动态变化有所忽略。复合型的城市化发展水平指标通常由一级指标与二级指标共同构成，例如建设部《城市规划总体指标体系》中将经济、社会、人文、资源和环境作为一级指标，每个一级指标下有多个二级指标，涉及城市化发展的方方面面。中国统计协会《(省域)综合发展指标体系》将经济发展、民生改善、社会发展、生态建设、科技创新与公众评价作为主要一级指标，在此基础上衍生出一系列的二级指标。国内学者也对城市化发展水平指标体系的构建进行了较为详细和完善的研究，其中引用率较高的如早期由代合治等［1］、张耕田［2］提出的指标体系，分别从城市化内涵的不同和城市化发展的质量角度出发，全面衡量了城市化的动态发展过程。张世银等［3］、陆根尧等［4］、车晓翠等［5］将城市化发展水平的指标概括为人口指标、经济指标、生活指标、空间指标和可持续发展指标，并且每一个指标类型由多个二级指标组成。艾建国等［6］在对武汉城市圈城市化发展水平的研究中，构建了由人口城市化水平、经济与产业结构水平、居民生活方式与质量水平、社会发展水平和对外开放水平构成的复合指标体系，从多角度对城市化的发展进行评价。

在已有研究的基础上，结合长江三角洲地区区域特征，根据全面性、可比性、可操作性等原则，从反映城市化不同侧面的内涵出发，建立反映城市化水平的指标体系。

(1)人口指标。人口城市化是城市化进程的最直接结果。城市人口数量的多少、质量的高低、增长的快慢、聚集的密度都将加速或延缓城市化进程。具体指标包括:人口密度(X1)、城镇人口比例(X2)、第三产业就业人员比例(X3)、每万人拥有高等学校在校学生数(X4)。

(2)经济指标。经济发展程度体现了城市化的发展质量，经济增长是城市化发展的动力。具体指标包括:地区生产总值(X5)、固定资产投资额(X6)、社会消费品零售总额(X7)、非农产业产值占GDP的比例(X8)、人均地区生产总值(X9)、人均地方财政收入(X10)、人均地方财政支出(X11)。

(3)基础设施指标。主要反映城市化的城市功能。指标包括人均道路面积(X12)、每万人卫生机构床位数(X13)、每万人拥有卫生技术人员数(X14)、每万人国际互联网用户数(X15)。

(4)人民生活水平指标。主要反映城市化的质量。指标包括城镇居民人均可支配收入(X16)、电信业务总量(X17)、城镇居民人均住房建筑面积(X18)、人均日生活用水量(X19)、用水普及率(X20)、燃气普及率(X21)。

(5)资源环境指标。体现城市化的可持续发展能力。指标包括人均公园绿地面积(X22)、建成区绿化覆盖率(X23)、污水处理率(X24)。

从长江三角洲地区16个城市2014年统计年鉴、浙江省统计年鉴、江苏省统计年鉴、中国城市建设年鉴、长江三角洲地区年鉴中收集各指标数据。为了消除量纲不同带来的不利影响，对原始数据作标准化处理，采用功效函数方法进行无量纲化处理，公式如下:

式中:Ui为各评价指标的功效系数;xi(i=1，2，…，n)为各指标观察值;ai为指标的最大值;bi为最小值;x0为标准值。运用因子分析法对标准化数据进行处理，发现24个原始变量的信息提取比例都较大，其中15个变量的信息提取比例在90%以上，6个变量的信息提取比例在80%以上，2个变量的信息提取比例在70%以上，只有1个变量的信息提取比例低于70%。说明以主成分方法提取的公因子对24个影响城市化发展的变量解释程度较好，主成分分析是有效的(表1)。

表1 公因子方差Tab.1 Variance of common factors

从总方差贡献率(表2)可以看出，前6个特征根的值大于1，累计方差贡献率达到89.878%，超过了85%，即前6个公因子基本包含了全部变量的主要信息，因此选取前6个因子作为主成分是有效的。

表2 总方差贡献率Tab.2 Contribution rate of total variance

根据24个指标分别在6个主成分上的得分系数(表3)可以得到6个主成分分别与24个指标之间的数量关系。

表3 主成分得分系数矩阵Tab.3 Coefficient matrix of component score

主成分 F1可表示为:F1=0.147X1+0.103X2+0.077X3-0.016X4+0.129X5+0.103X6。

主成分 F2可表示为:F2=-0.151X1+0.007X2+0.007X3+0.184X4-0.062X5+0.025X6。

其余依次类推可以得出各主成分的原变量表示，从而最终得到各个主成分的得分。

由6个公因子的方差贡献率占其总方差贡献率的比例(表 2)可得到各公因子的权重，即 W1，W2，W3，W4，W5，W6。再根据综合评价公式 F=W1×F1+W2×F2+W3×F3+W4×F4+W5×F5+W6×F6得出城镇化发展水平综合得分，并根据综合得分的大小将长江三角洲地区16个城市的城市化发展水平进行排列(表4)。城市化发展水平综合得分最高的是苏州市。根据综合得分，可以将16个城市的城市化水平分为3个等级:第一等级(F≥0.6)的城市包括苏州、上海;第二等级(0.3≤F＜0.6)的城市有无锡、南京、杭州、常州、宁波、镇江、南通、扬州以及嘉兴;第三等级(F＜0.3)的城市为绍兴、湖州、泰州、台州以及舟山。划分结果符合长江三角洲地区城市群的实际情况，具有较强的科学性与合理性。在空间结构上，上海、苏州、无锡已经初步形成功能一体化的城市区域，成为城镇密集区的核心区域，同时向外形成以沪宁、沪杭、长江沿江为主线的带状结构，使得苏州、无锡、南京、杭州、常州的城市化水平也较高，分别位居第 1，3，4，5，6 位。

表4 长江三角洲地区16个城市城市化水平评价Tab.4 Evaluation of urbanization level of 16 cities in Yangtze River Delta

1.2 房地产业发展水平的指标选取及测度

国内学者关于房地产业发展水平的衡量，引用率较高的指标体系是国家统计局公布的反映行业基本面的四大指标，包括开发投资增速、房屋新开工面积增速、土地购置面积增速、房地产开发景气指数。业内专业机构中国指数研究院、克尔瑞等使用的指标体系具体由房地产开发投资额、商品房销售面积、商品房销售价格、房地产业增加值、国房景气指数等细化指标共同构成。王宁等［7］设计了从房地产业经济效益水平出发的指标体系，主要包括资金状况、产业规模、土地开发购置面积、商品房开发面积和商品房销售面积5个基本指标，并由若干个细化指标组成。孙骞等［8］提出了以消费指标、工程指标、运营指标、销售指标和土地指标为一级指标，并且包含17个下属二级指标的评价体系，分别从市场需求和供给的角度对房地产业的发展水平进行衡量。

在上述房地产业发展水平评价指标体系的基础上，根据研究目的和研究区域的特征，综合选取7个指标来测量房地产业发展水平，包括房地产开发企业投资完成额(Y1)、商品房销售面积(Y2)、商品房平均销售价格(Y3)、商品房屋施工面积(Y4)、商品房屋竣工面积(Y5)、人均国内生产总值(Y6)、城镇居民人均住房建筑面积(Y7)。

从长江三角洲地区16个城市2014年统计年鉴、2014年浙江省统计年鉴和江苏省统计年鉴中收集以上指标数据。为消除量纲不同而带来的不利影响，对原始数据进行标准化处理。KMO和Bartlett球形检验的结果显示，Bartlett值为 91.682，p ＜0.000 1，即相关矩阵不是1个单位矩阵，可以考虑进行因子分析。KMO值为0.692，说明原始变量的相关性强，适合做主成分分析与因子分析。同时，7个原始变量的信息提取比例都较大，其中4个变量的信息提取比例在80%以上，1个变量的信息提取比例在70%以上。说明以主成分方法提取的公因子对这7个影响房地产业发展水平的变量解释程度较好，主成分分析是有效的。

总方差贡献率(表5)表明，前2个特征根的值大于1，累计方差贡献率达到76.518%，即前2个公因子基本包含了全部变量的主要信息。因此，选取前2个因子作为主因子是有效的。

表5 总方差贡献率Tab.5 Contribution rate of total variance

根据房地产业发展水平的7个指标分别在2个主成分上的得分系数(表6)可以得到2个主成分分别与7个指标之间的数量关系。主成分G1和G2可表示为:

G1=0.334Y1+0.307Y2+0.244Y3+0.054Y4+0.004Y5+0.205Y6-0.178Y7;

G2=0.107Y1+0.235Y2-0.127Y3+0.417Y4+0.407Y5-0.085Y6+0.097Y7。

本机设计创造性的将重锤拉紧装置设于两个驱动滚筒之间，借助重锤的上下自由移动消化吸收了胶带的弹性伸长，为双驱动胶带机正常运行提供了有利条件。

表6 成分得分系数矩阵Tab.6 Coefficient matrix of component score

由2个公因子方差贡献率的比例(表5)可以得到2个公因子的权重V1，V2。再根据综合评价公式G=V1×G1+V2×G2得出因子分析综合得分，并按照综合得分的大小将长江三角洲地区16个城市的房地产业发展水平的综合得分进行排序(表7)，房地产业发展水平综合得分最高的是上海。根据综合得分的排名结果，将16个城市的房地产业发展水平分为3个等级:第一等级(G≥0.5)城市包括上海和南通;第二等级(0.2≤G＜0.5)城市依次是苏州、杭州、南京、宁波、无锡、扬州、常州以及泰州;第三等级(G＜0.2)城市分别为绍兴、嘉兴、镇江、舟山、台州以及湖州。

表7 长江三角洲地区16个城市房地产业发展水平评价Tab.7 Evaluation of real estate industry development level of 16 cities in Yangtze River Delta

2 城市化与房地产业协调性分析

2.1 相关性分析

为了进一步分析城市化与房地产业之间的具体关系，利用上文得出的2组综合性指标F，G对能否在城市化与房地产业之间建立相关性分析进行检验。使用SPSS软件对2组综合性指标的相关关系进行分析。Pearson相关系数、Kendall相关系数、Spearman相关系数分别为0.747，0.583，0.791，并且在置信度(双侧)0.01时相关性是显著的，说明城市化综合水平F与房地产业发展综合水平G之间显著相关。

在对城市化水平与房地产业发展水平建立相关性分析的可行性得到论证后，利用回归模型进行详细的探讨。将城市化水平的综合得分指标命名为自变量X，将房地产业综合得分的指标命名为因变量Y，以2013年长江三角洲地区16个城市的数据进行多项式拟合:

通过Eviews软件进行拟合，得到:

根据结果，一次回归拟合的R2为0.558 4，二次拟合的R2为0.782 0，说明X和Y之间的整体二次曲线拟合度非常好，系数为正且均表现显著。回归结果为正，在一定程度上说明城镇化与房地产业之间存在正向关系，城市化水平的提高可以带动房地产业的发展。

同理，如果以城市化水平X作为因变量，房地产业发展水平Y作为自变量，进行多项式拟合:

具体拟合结果为:

通过建立城市化水平与房地产业发展水平的回归模型，得出结论:长江三角洲地区城市化水平与房地产业发展水平有明显的正向相关性，城市化水平的提高带动房地产业的发展，房地产业的发展促进城市化进程的加快;只有城市化与房地产业两者协调发展，才能保证社会经济实现长久的可持续发展。

2.2 协调性分析

协调度模型是评价系统之间协调发展的核心，很多学者在社会、经济、生活的各个领域做过协调度研究［9］。现有研究中，协调度测算的主流方法分为三类:距离协调度、变化协调度、综合协调度，本研究采取的是距离协调度。考虑到城市化与房地产业2个系统本身的复杂性，这里所讨论的协调发展是一个内涵明确而外延不明确的模糊概念，因此，可以用模糊数学中的隶属度概念对其进行描述。隶属度是［0，1］闭区间上的实数，其变化规律可以通过隶属度函数来反映。运用这一思想，建立协调度函数，计算公式为:

式中:Uij表示系统i的实际值和系统j对系统i要求的协调值之间两者的接近程度;f为系统i的实际综合评价值;f'为系统i的协调值(采用上文拟合的回归方程，将自变量的实际值带入方程，得出因变量的预测值，即与系统i相匹配的协调值);s2为系统i实际值的方差。

两系统之间相互协调发展程度的状态协调度的计算公式为:

式中:Uij表示i系统对j系统协调发展的状态协调度;Uji表示j系统对i系统协调发展的状态协调度;U为两系统间的协调发展值，即两系统之间相互协调发展程度的状态协调度。Uij与Uji的值越接近，说明两系统之间的协调程度越高。

为了方便解读协调发展度的表征含义，杨世琦等［10］、吴春燕［11］对协调度的取值范围以及相应的协调等级进行了定义。本研究将以此为对照进行评价和分析(表8)。

表8 协调度的取值范围及相应等级Tab.8 Value range of coordination degree and corresponding level

以城市化与房地产业综合发展水平作为两大系统，根据上文拟合出的回归方程，分别得出与X系统(城市化综合发展水平)和Y系统(房地产业综合发展水平)相匹配的理想值，再根据协调度公式对长江三角洲地区城市群16个城市的城市化与房地产业发展水平的协调发展关系进行实证分析(表9)。2013年长江三角洲地区16个城市的城市化水平与房地产业发展的关系总体处于协调发展状态，协调度最高的是宁波，最低的是舟山。宁波、嘉兴、南京、绍兴的协调度在0.9以上，属于优质协调;泰州、常州、扬州、上海、湖州的协调度在0.8 ～0.9之间，属于良好协调;杭州市的协调度在0.7～0.8之间，属于中级协调状态;苏州、南通、无锡、镇江的协调度在0.4～0.5之间，属于勉强协调状态;泰州和舟山的协调度在0.3～0.4之间，属于接近失调状态。

表9 长江三角洲地区16个城市协调发展值及等级Tab.9 Coordination degree and level of 16 cities in Yangtze River Delta

优质协调的4个城市可以分为两类:一类是嘉兴、绍兴，城市化水平与房地产业发展水平都处于中游偏下，其经济及人口规模相对较小，产业发展以传统制造业为主，其房地产业发展水平也较低，整体上和城市化水平保持一致。另一类是宁波、南京，作为长江三角洲地区经济圈的重要城市，其经济发展水平高，基础设施服务、生态建设整体水平较好，吸引了大量的房地产开发企业投资这些地区，同时随着城市化进程的加速，住房需求较大，故城市化与房地产业处于高度协调状态。

良好协调的城市有台州、常州、扬州、上海以及湖州。以上海为例，作为长江三角洲地区城市群的龙头，其城市化水平排第2位，房地产业发展水平位居榜首，且两者之间的协调度也较高。但是上海地少人多，土地资源较为稀缺，上海每年的导入人口对住房产生较大需求。房地产业在高速发展的同时，投资结构不合理、房价增长过快等问题必然对居民的承受能力产生影响，阻碍城市化进程的进一步发展。虽然上海的协调水平良好，但在长江三角洲地区却只是排第8名。

中级协调的城市是杭州。杭州经济发展水平整体较高，经济结构也比较合理，生态建设、城市基础设施、服务等方面都比较好。但从具体指标来看，杭州在人均道路面积和城镇居民人均住房建筑面积上处于长江三角洲地区中下游水平，影响了整体的城市化水平。同时，近年来房价持续走高的现状使得杭州只处于中级协调的状态。

勉强协调的城市有苏州、南通、无锡以及镇江。以南通为例，南通的城市化水平落后于长江三角洲地区其他相邻沿海城市，总体上滞后于工业化和经济社会发展要求，但在房地产业快速发展的大背景下，南通房地产业发展相对而言具有一定后发优势。目前南通城市化与房地产业发展仅处于初级协调状态。

接近失调的城市有泰州和舟山。舟山是中国唯一以群岛立市、以海洋经济为特色的现代港口旅游城市，其特殊的港口岸线资源使得舟山海岛工业完成了从传统的“涉渔型小工业”向“临港型大工业”的转变，同时促进了城市化的快速发展。但是由于其地处海岛，海上交通相对不便，房地产业的发展相比于城市化稍显落后;泰州市处于内陆区域，地理位置以及经济发展的相对劣势比较明显，也让其城市化水平与房地产业发展处于勉强协调状态。