转型期中国城镇发展效率测度、分异与优化

张荣天，焦华富



转型期中国城镇发展效率测度、分异与优化

张荣天，焦华富

（安徽师范大学国土资源与旅游学院，安徽芜湖 241003）

运用修正DEA、ESDA、Malmquist指数探讨2000-2012年中国省域城镇发展效率的空间分异与优化路径，可以看出2000-2012年中国城镇发展效率不断提升，东部呈技术效率驱动模式，西部呈规模效率驱动模式；中国城镇发展效率全局表现空间自相关集聚分布模式，局部上效率热点区集聚在京津、长三角，冷点区形成“L”型西部集聚格局，区位差异、产业差异及市场化差异是效率分异的主要因素。

城镇发展效率；测度；分异；优化

进入21世纪后，快速的工业化、城镇化导致中国经济、社会格局不断发生分化，[1]由传统社会向现代社会、由农业社会向工业社会、由计划经济体制向市场经济体制的转变，使城市发展也面临着不断转型与重构，最主要表现为城市发展模型由传统资源型、政府管理型转向资本型、市场服务型。[2]在城市发展转型的背景之下，研究城镇发展效率对于摸清城镇发展的模式及其发展软肋，推进城镇发展转型与重构具有重要意义。党的十八大以后提出“新型城镇化”发展战略，提升城镇发展效率是其重要内容。在新型城镇化背景下探讨我国城镇发展效率问题具有重要的理论及实践价值。目前国内外学者关于城镇发展效率的研究主要集中在城市发展全要素生产率以及城市发展单要素效率（如土地资源）两个基本角度；[3][4]城镇发展效率研究内容涉及到效率测度、演变特征及影响因素等方面；[5][6][7]城镇发展效率测度方法上，主要涉及到DEA（数据包络分析）、SFA（随机前沿分析）等模型，[8][9]其中DEA法将城镇发展看作投入与产出系统，不需要假设具体的生产函数形式，可避免因函数形式错误而造成发展效率测度精度不准。[10]另外，城镇发展效率实证上既有城市群、省域宏观尺度效率分析，[11] [12]也涉及到市域、县域发展效率探讨。[13] [14]目前国内外的研究更多关注城镇发展效率测度与区域差异分析，而较少地考虑到空间上毗邻地域空间关联效应对城镇发展效率的影响及机理；并对于区域城镇发展效率优化路径研究相对较少。因此深化城镇发展效率空间分异与优化路径的研究具有一定的必要性。

鉴于此，本文基于中国31个省域单元空间尺度，从城镇投入和产出2大基本维度，构建中国城镇发展效率的评价指标体系。首先，运用修正DEA方法测度2000-2012年中国省域单元城镇发展效率值；其次，通过ESDA分析模型的Moran’s I指数、Gi*指数等方法来揭示2000-2012年中国城镇发展效率空间分异特征；最后，通过Malmquist指数划分中国城镇发展效率的基本类型，并有针对性地提出具体的优化路径。

一、研究方法及数据来源

（一）研究方法

1. 修正DEA模型

DEA（Data Envelopment Analysis）是测度效率的一种科学有效的方法，最早是国外Charnes和Cooper创建，[15]在土地利用效率、旅游业效率等领域展开了较多的应用。[16][17]传统DEA模型存在DMU的投入产出都低、其效率仍能达到最优1的不足。修正思路：在模型中引入虚拟最优决策单元DMUj+1，通过计算各单元DMU与最优决策单元DMUj+1的距离来得到城镇发展效率值。设有N个决策单元，指标体系中共L种投入和M种产出指标，Xj表示第j个DMU投入量，Yj表示第j个DMU产出量，则Xj=（X1j，X2j，…，Xmj）T>0，Yj=（Y1j，Y2j，…Ysj）T>0，引入最优决策单元DMUj+1={min（X1j，X2j，…，Xmj），max（Y1j，Y2j，…，Ysj）}，则修正后DEA模型计算公式为：[18]

2. ESDA分析模型

ESDA模型是通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，解释研究对象间空间相互作用机制。基于对数据的空间依赖性和空间异质性研究，可有效地解决城镇化效率空间分异格局问题。本文采用ESDA分析模型的Moran’s I指数、Gi*指数来探讨中国城镇发展效率的全局和局部空间分异特征。其中，全局空间自相关是对中国城镇发展效率在整个区域空间特征的描述，可以衡量区域之间整体的空间关联特征；局部自相关分析描述中国城镇发展效率局部空间异质性特征，识别不同位置上城镇发展效率空间内部分异规律。[19][20]

（1）Moran’s I指数

（2）Gi*指数

3. Malmquist指数

Malmquist指数最初由瑞典经济学家Malmquist于1953年作为消费指数提出来的，随后学者Caves等首先将该指数应用于生产率变化测算，[21]Charnes等与DEA数据包络分析理论相结合，[22]构造出从t期到t+1期的Malmquist指数M(xt+1, yt+1, xt, yt)，用以客观衡量技术效率变动、技术变动以及全要素变动之间的关系，在生产效率测算中得到较广泛地应用。本研究是基于VRS假设之下，投入的固定规模报酬Malmquist指数公式具体分解为：

式中，Dt（Xt,Yt）、Dt（Xt+1,Yt+1）分别指以t期的技术为参考时，t期和t+1期的决策单元的距离函数，表示规模效率变化，表示纯技术效率变化，表示技术变化。Malmquist指数反映了相对于t和t+1期技术前沿的距离函数的变化比例，Malmquist指数值大于1表示t+1期的全要素生产率比t期提高，反之表示衰退。

（二）数据来源

本研究数据均来源于《中国统计年鉴》、《中国城市统计年鉴》及中国各省份的统计年鉴（2000～2012年），空间分析尺度为中国31个省域单元，省域边界图主要在中国地图出版社出版的《中国地图册》（2012）的基础上进行高精度配准并矢量化所得（不包含中国港、澳、台地区）。

二、中国城镇发展效率测度

（一）测度指标体系构建

当前国内外关于城镇发展效率评价的通常做法是划分为投入和产出的2个子系统，运用DEA模型基于投入与产出来衡量区域城镇发展效率，[3][6][13]投入方面通常采用反映城市经济活动的物质资本、土地资本及人力资本等指标，而在产出方面通常采用反映城市经济规模产出、居民生活水平的产出指标等。[15][17]鉴于分析指标的代表性、真实性、针对性等原则，①DEA投入上：选取城镇用地面积X1体现区域土地资源投入指标，选取财政支出X2、固定资产投资总额X3体现区域资本投入指标，选取城镇非农人口X4体现区域人力资源投入指标；② DEA产出上：选取工业总产值X5、第三产业总产值X6体现区域经济的产出水平，选择社会消费品零售额X7体现区域社会消费的产出水平，见表1。

表1 城镇发展效率测度指标体系及解释

（二）城镇发展效率测度

1. 省际城镇发展效率呈现提升趋势

基于修正DEA分析模型，并根据中国31个省域单元城镇发展的投入与产出指标，计算得出中国省际城镇发展效率，见图1。从图1可知，2000-2012年省际城镇发展效率水平呈现出不断提升的态势，数值从2000年的0.591上升到2012年的0.703，且城镇发展效率的均值和标准差呈现出增大趋势，表明中国城镇发展效率省际差异日益显著；计算2000-2012年省际城镇发展效率变异系数CV，从效率变异系数CV演变来看，2000-2012年间，中国省域城镇发展效率变异系数CV总体呈现出以上升为主的趋势，这说明了转型期中国省际城镇发展效率差异正在不断显现，中国城镇发展效率不均衡性态势显著，这种区域差异制约影响着我国整体城镇发展效率的提升。

图1 中国城镇发展效率及变异系数演变

2. 省际城镇发展效率驱动模式分异

基于修正DEA分析模型，将省际城镇发展的综合效率分解为技术效率和规模效率，见表2，并分别从这两大基本维度来探讨中国省际城镇发展效率驱动模式分异规律。从技术效率上来看，技术效率值较大省域单元主要是北京、天津、上海、江苏、浙江及广东，大致在0.639-0.795间波动，西藏最低，仅仅为0.411。与综合效率及其规模效率均值相比，技术效率均值水平较两者要高，这在一定程度上表明了中国城镇内涵式发展逐渐在改善；三大区域差异上，东部地区技术效率均值最大，为0.701，中部地区为0.636，而西部地区最小，仅为0.526，因此可以看出东部地区城镇发展效率呈现出技术效率驱动模式。从规模效率上来看，规模效率值较大省域单元主要是北京、天津、陕西等地，大致在0.672-0.712间，规模效率最小的西藏仅为0.525；三大区域差异上，西部地区规模效率均值为0.632，中部地区为0.620，而东部地区仅为0.609，因此可以看出西部地区城镇发展效率整体上呈现出规模效率驱动模式，区域城镇发展模式属于粗放型，若一味追求投入规模的增加，未必能有效促进城镇发展规模效率提升，未来应该走内涵式增长的城镇科学发展之路。

图2 中国城镇发展效率分解值

注：东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12省。中部包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9省。西部包括重庆、四川、贵州、云南、西藏、陕西、甘肃、宁夏、青海、新疆10省。

三、中国城镇发展效率分异

（一）城镇发展效率总体分异特征

通过ESDA分析模型的全局Moran’s I指数来揭示中国省际城镇发展效率的全局分异特征。

图3 中国城镇发展效率全局Moran’s I指数

使用GeaDA095软件，计算出2000-2012年中国省域单元的城镇发展效率的全局自相关Moran’s I指数。通过Z统计量检验分析可知，中国省际城镇发展效率全局Moran’s I指数在2000-2012年各个时期均大于0，呈现出正空间自相关性的特征，这就说明了中国相邻城镇发展效率高（低）的省域单元出现相对集聚的空间分布格局。同时也可发现，时间序列上2000-2012年省际城镇发展效率全局Moran’s I指数呈现出不断提高的趋势，见图3。数值表现为从2000年的0.458一直上升到2012年的0.568，提升了24%，充分反映出中国省际城镇发展效率的空间自相关性不断地显著，城镇发展效率空间分布集聚现象日益增强；另外，中国城镇发展效率的全局Moran’s I指数的观测值与期望值变化程度不大，且检验值较为显著，这就表明了转型期中国城镇发展效率空间分布总体变化幅度不大，维持着相对稳定的效率集聚分布格局。

（二）城镇发展效率局部分异特征

通过ESDA分析模型的Gi*指数来探讨中国省际城镇发展效率的局部空间分异规律，基于ArcGIS9.3空间统计模块计算出中国各省城镇发展效率的Gi*指数，运用Jenks自然断裂点法将Gi*指数由低到高划分为4种区域：效率热点区、效率次热区、效率次冷区、效率冷点区，见图4。①效率热点区：研究期间主要集聚在东部沿海地区的省（市），2000年来各时期集聚现象均为显著，形成城镇发展效率高值集聚“热点区”，2000-2006年分布在京津地区及长三角地区，2006年后向珠三角地区演化发展；②效率次热区：该类型空间分布格局相对比较稳定，2000-2012年中国城镇发展效率次热区主要集聚在中原、华中、华北及华南地区的省域单元，且分布数量规模最大；③效率次冷区：2000-2012年该类型主要分布在西南和东北地区的省份，数量并未发生较为明显的变动；④效率冷点区：转型期省际城镇发展效率的冷点区主要集聚在我国西部地区的西藏、新疆、青海及内蒙古等地，形成“L”型西部集聚格局。综合而言，转型期中国城镇发展效率的局部分异格局变化不显著，城镇发展的各种效率类型分布格局仅在数量规模上发生微小增减，但整体效率空间格局转换保持稳定的演化分异趋势。

图4 中国城镇发展效率局部集聚演化（2000-2012）

四、效率分异影响因素分析

2000-2012年中国城镇发展效率的空间分异是自然、人文等多因素综合作用的结果，其中主要涉及区位差异、产业差异与市场化差异等。区位差异是中国城镇发展效率分异的前提条件。区位条件对城市的规模结构、职能结构、空间结构及发展方向都具有显著影响，合理的区位条件是区域城市发展的重要铺垫，也直接关系到区域城镇发展效率。区位条件差异导致城镇发展效率高的区域主要集中在中国东部沿海地区，特别是长江三角洲、珠江三角洲及京津冀地区，而城镇发展效率低的区域主要集聚在中国中西部地区。

产业差异是中国城镇发展效率分异的根本条件。目前中国东、中、西部地区产业结构存在较大差异特征，东部地区省份的二、三产业比重要远远地高于第一产业，而中西部地区省份的第一产业比重则相对较高；第一产业所占比重大的西部省份的城镇发展效率一定程度上低于效率均值，而二、三产业比重高的东部沿海省份的城镇发展效率高于发展效率均值。

市场化差异是中国城镇发展效率分异的重要条件。区域城镇发展是经济增长及资源配置的过程，涉及劳动力、土地、资本等各生产要素在城市内部及城乡间的优化配置，按照市场发展规律进行资源调配及转移，通过市场化机制推进城镇发展，使城镇资源配置模式由政府主导逐渐转向市场决定，促进城镇发展效率提升；当前中国东部地区开放水平较高，区域市场化程度也较高，而中西部地区市场化水平相对较低。

五、中国城镇发展效率优化

根据2000-2012年省域单元的城镇发展投入和产出数据，计算得出城镇发展效率的Malmquist指数。①总体看中国省域城镇发展效率Malmquist指数均值仅仅为0.845，表明中国省域单元城镇发展效率正处在一个相对缓慢增长阶段；其中规模效率均值达到0.925，而技术变动均值为0.874。因此，技术进步无效变动是造成转型期中国城镇发展效率缓慢增长的主要动因。②分解来看，中国西部地区的技术效率变化、技术进步变化及规模效率变化都与中国中东部地区的区别相对较小，与中国东、中、西部经济发展区域差异的实际情况存在一定分异，这主要归结于中国东部地区城镇发展水平相对较高，城镇化增长基数较大，造成以动态指标衡量的城镇发展效率相对较低。同时，东部地区城镇发展效率经过较长一段时间高增长，导致其发展效率后劲相对不足。③从类型看，依据中国各省域单元城镇发展效率Malmquist指数，将中国省域单元的效率变动划分为4种基本类型：即Ⅰ有效增长型（M>1）、Ⅱ低无效增长型（0.9

Ⅰ有效增长型。这一区域Malmquist指数大于1，主要包括北京、上海、江苏及浙江。该区域为城镇发展效率最合理的区域，位于中国东部沿海经济发达地区，研究期内城镇发展效率提升主要依靠技术持续进步，与这一区域整体的经济发展及科技水平是紧密相关的。未来该区域城市发展应凭借其雄厚的经济实力和较为先进的技术基础，通过增加科技、资金、人才等因素，加快推进要素市场化进程，健全市场机制，增强城市活力，促进城市发展的内涵式增长。

Ⅱ低无效增长型。这一区域Malmquist指数大于0.9，小于1，主要有天津、广东、辽宁、福建、宁夏、湖北、湖南、四川、河北等。该区域城镇发展效率相对合理，城镇发展效率平均下降了10%左右，纯技术效率下降是导致其研究期内城镇发展效率低下的关键原因。未来该区域在相对较高的技术水平基础上，继续加大科技发展投入，加快新型工业化步伐，扶持新兴科技产业，助推城镇发展效率的进一步提升。

Ⅲ高无效增长型。这一区域Malmquist指数大于0.8，小于0.9，主要是山东、重庆、陕西、海南、新疆、内蒙古、安徽、江西、河南等。该区域在研究期间城镇发展效率平均下降了10% -20%，下降幅度较大。导致该区域研究时段内城市发展效率下降的主要原因为技术进步变动的衰退。该区域经济实力及技术基础相对薄弱，技术提升速度较缓慢，未来该区域应加快经济发展方式转变，改变单纯追求城镇投入规模增加的粗放型发展模式；不断调整城市产业结构，形成传统优势产业、战略性新兴产业、现代服务业协调发展的新格局，促进城市发展模式优化转型。

Ⅳ强无效增长型。这一区域Malmquist指数小于0.8，主要包括广西、山西、吉林、黑龙江、西藏、青海、贵州、云南、甘肃等。该区域城镇发展效率在研究期间下降幅度最大，达到20%，规模效率和技术变动均呈现出双低态势，且技术变动的无效整体超过了规模效率的无效变动。未来该区域应增加基础设施投入，大力发展区域特色优势、特色产业，提高城市经济实力及规模；另外，通过政策引导、资金扶持发展科研、教育等现代知识型服务业，引导城市走集约化发展的道路，降低投入要素的非集约度，推动城市技术进步，从而提升该区域城镇发展效率。

本研究初步构建了中国城镇发展效率评价指标体系，综合修正DEA模型、ESDA模型、Malmquist指数分析2000-2012年中国省域城镇发展效率的空间格局分异及其优化路径。需要指出的是，研究还存在一定的局限。首先，论文仅选择了2000-2012年间的3个样本点的省域分析数据，未照顾连续时间尺度下城镇发展效率演化的规律；另外论文只初步分析了转型期中国省域城镇发展效率空间分异的影响因素，还需深化效率分异驱动机制探讨。

[1] 李志刚, 顾朝林. 中国城市社会空间结构转型[M]. 南京: 东南大学出版社, 2011:1-307.

[2] 张京祥, 罗震东, 何建颐. 体制转型与中国城市空间重构[M].南京: 东南大学出版社, 2007: 1-221.

[3] Marius Brulhart, Nicole Andréa Mathys. Sectoral agglomeration economies in a panel of European regions[J]. Regional Science and Urban Economics, 2008 (4): 348-362.

[4] 周伟. 基于GIS和DEA的三峡库区城镇建设用地变化与效益评价[J]. 地理科学进展, 2010 (11): 1420-1426.

[5] 张荣天, 焦华富. 长江三角洲地区城镇化效率测度及空间关联格局分析[J]. 地理科学, 2015 (4): 433-439.

[6] UNEP：Decoupling natural resource use and environmental impacts from economic growth[R]. Research Report, 2011.

[7] 戴永安. 中国城市化效率及其影响因素—基于随机前沿生产函数的分析[J]. 数量经济技术经济研究, 2010(12): 103-107.

[8] 许建新, 许新宇. 基于DEA交叉模型的甘肃省城市效率评价[J]. 自然资源学报, 2013 (4): 618-624.

[9] Brülhart M, Mathys N A. Sectoral agglomeration economies in a panel of European regions[J]. Regional Science and Urban Economics, 2008 (4): 348-362.

[10] 杨志荣, 吴次芳. 基于DEA模型的城市用地经济效益比较研究[J]. 长江流域资源与环境, 2009 (1): 14-18.

[11] 方创琳, 关兴良. 中国城市群投入产出效率的综合测度与空间分异[J]. 地理学报, 2011 (8): 1011-1022.

[12] 王家庭, 赵亮. 我国分省区城市化效率的实证研究[J]. 同济大学学报(社会科学版), 2009 (4): 44-49.

[13] Halleux J M, Marcinczak S, Krabben E. The adaptive efficiency of land use planning measured by the control of urban sprawl: The cases of the Netherlands, Belgium and Poland[J]. Land Use Policy, 2012 (4): 887-898.

[14] Bannistter G, Stolp C. Regional concentration and efficiency in Mexican manufacturing [J]. European Journal of Operational Research, 1985 (3): 672-690.

[15] Charnes A, Cooper W W. Measuring the efficiency of decision making units[J]. EuroPean Journal of Operational Research, 1978 (6): 429-444.

[16] 宫继萍. 基于DEA方法的兰州市城市土地利用经济效益分析[J]. 水土保持通报, 2011 (5): 163-166.

[17] 马晓龙, 保继刚. 中国主要城市旅游效率的区域差异与空间格局[J]. 人文地理, 2010 (1):105-110.

[18] 张荣天, 焦华富. 泛长三角城市发展效率时空格局演化与驱动机制[J]. 经济地理, 2014 (5): 48-54.

[19] Getis A, Ord J K. The analysis of spatial association by the use of distance statistics[J]. Geographical Analysis, 1992 (2): 189-206.

[20] Insulin L. Local indicators of spatial association: LISA [J]. Geographical Analysis, 1995 (4): 93-115.

[21] 廖虎昌. 基于DEA和Malmquist指数的西部12省水资源利用效率研究[J]. 资源科学, 2011 (2): 273-279.

[22] 李郇, 徐现祥. 20世纪90年代中国城市效率的时空变化[J].地理学报, 2005 (4): 615-625.

（责任编校：贺常颖）

Urban Development Efficiency Measurement, Differentiation and Optimizing in China During the Transition Period

ZHANG Rong-tian，JIAO Hua-fu

（College of Territorial Resources and Tourism, Anhui Normal University, Wuhu, Anhui 241003, China）

By means of the modified DEA model to measure urban development efficiency based on ESDA analysis model and Malmquist index, the paper studied spatial differentiation and optimization path of urban development efficiency from 2000 to 2012. The results showed that: since 2000, the provincial urban development efficiency was on the rising trend, eastern presented technology efficiency drive mode, and western presented efficiency drive mode; urban development efficiency on global differentiation was spatial autocorrelation distribution pattern, partial differentiation efficiency hot spot areas gathered in Beijing-Tianjin and the Yangtze River delta region, and efficiency cold spot areas distributed in the western region of China, that formed a stable space differentiation pattern; geographical location, industrial structure and the marketization level impacted spatial pattern evolution of urban development efficiency; the provincial urban development efficiency was divided into four basic types—“Ⅰeffective growth, Ⅱlow invalid growth, Ⅲhigh invalid growth, and Ⅳstrong invalid growth”; at last, the paper puts forward optimization path of urban development efficiency, in order to offer beneficial reference and the suggestion about healthy sustainable development of urbanization in China during the transitional period.

urban development efficiency; measurement; differentiation; optimization;

F 291

A

10.3969/j. issn. 2096-059X.2015.01.004

2096-059X (2015)01–0017–06

2014-12-10

国家自然科学基金（41171144）；国家社会科学基金（14BSH036）；国家自然科学基金（41201126）；教育部人文社会科学研究项目（10YJA790083、11YJC790077）；安徽师范大学研究生科研创新重点项目（2014yks084zd）

张荣天（1987-），男，江苏溧水人，博士研究生，主要从事人文地理与城乡规划研究。