中国新型城镇化水平空间格局演变与地区差异分析
2016-07-02金浩，董鹏
金 浩，董 鹏
(河北工业大学 经济管理学院，天津 300130)
中国新型城镇化水平空间格局演变与地区差异分析
金浩，董鹏
(河北工业大学 经济管理学院，天津 300130)
[摘要]中央城镇化工作会议指出“要走中国特色、科学发展的新型城镇化道路”，意味着提高新型城镇化水平将成为国家未来发展的战略核心。基于2005—2014年省级面板数据，从经济、社会、人口、生态环境和城乡一体化五个层面选取37项指标，运用全局因子分析法评价各省市新型城镇化水平，通过系统聚类、空间数据分析等对各省市新型城镇化得分进行空间聚类与空间梯度分析。结果表明，各地区新型城镇化水平存在一定差异，从时间趋势看，第一梯队北京和上海双核强劲，二、三梯队增速最快，第四梯队增速中等，第五梯队发展缓慢；从空间格局看，已形成了“两级三层次”的地理分布格局，即以北京和上海两个大都市为中心，从东到西依次扩散的演化趋势。
[关键词]新型城镇化；空间格局；地区差异；全局因子分析；系统聚类
新型城镇化是挖掘内需潜力、保持国民经济快速增长和推动城乡社会发展进步的重要支柱。2013年，党的十八大报告明确了新型城镇化的含义，将统筹城乡经济社会、实现产业转型升级、形成生产集约生态良好的和谐发展路径置于城镇化建设重要地位。随着我国城镇化进程的加深，新型城镇化的发展路径也由传统的规模扩张转变为质的提升，真正成了一项重要的民生工程，也自然成为近年来学者研究的重点。
一、文献回顾及评述
对于新型城镇化水平的测度与评价，国内外学者开展了广泛的研究，形成了丰富的成果。单卓然(2013)[1]、张占斌(2013)[2]、倪鹏飞(2013)[3]等人对新型城镇化的概念模式、推行路径、战略意义等方面做出了详尽的探讨。2005年，国家城调总队通过人均国民生产总值等31项指标对我国华东地区六省的新型城镇化水平进行了评价。[4]戚晓旭(2014)对以往的指标设计进行了改进，从社会进步、经济发展、生态环境、城市生活质量和制度建设五个方面构建指标体系[5]，但未进行相应的实证测算。杨惠珍(2013)则以国家城调总队的评价指标体系为根据，应用21项指标对我国30个省市2011年城镇化的质量进行了定量研究。[6]续亚萍(2015)基于主成分分析法，从新型城镇化速度和质量的协调性角度分析了我国各省市的城镇化发展类型。[7]
现有研究成果表明，目前国内对新型城镇化的评价指标体系尚难统一。在研究涉及的空间范围和时间跨度上，大多文献仅对某省或某地区的新型城镇化水平做出了评价，即使涉及全国范围的，其研究也通常局限于某一年份，很难对全国新型城镇化的空间布局和演变趋势做出客观评述。鉴于此，本文拟从以下两个方面对现有研究加以补充：一是对指标体系加以重构，在具体指标选取上综合《国家新型城镇化规划(2014—2020年)》和众多前期研究成果，从五个方面构建包含经济、社会、人口、生态环境和城乡一体化等多维度的指标体系以反映新型城镇化水平；二是扩充了研究的时间范围，利用我国30个省、自治区和直辖市2005—2014年面板数据，对各地区新型城镇化水平空间分布格局、演化趋势以及区域差异进行评价研究。文章第二部分阐释了指标体系的结构，第三部分基于全局因子分析对我国各区域新型城镇化水平进行分析计算，第四部分通过系统聚类和探索性空间数据分析动态地揭示全国各省市新型城镇化水平的空间演变规律，第五部分根据分析结果得出结论并提出相应政策建议，以期为各地区新型城镇化水平的综合提升提供借鉴。
二、新型城镇化评价指标体系的建立
对于新型城镇化水平的综合评价，本文在结合《国家新型城镇化规划(2014-2020年)》[8]以及相关学者研究的基础上，从经济、社会、人口、生态环境和城乡一体化五个层面，选取了37项指标建立评价体系，具体说明如下：
经济城镇化层面，包含7项二级指标。其中二、三产业增加值比重(X101)，二、三产业从业人员占比(X102)和非农人口比重(X103)分别从产出和就业的角度体现经济结构转型情况，人均城镇固定资产投资完成额(X104)反映了新型城镇化的固定资产投资力度，单位GDP能耗(X105，逆指标)反映了经济发展的集约程度，每万人发明专利授权数(X106)反映了区域科技进步水平，城镇登记失业率(X107，逆指标)反映城市劳动生产要素的实际利用情况。
社会城镇化层面，包含12项二级指标，分别从固定资产投资、交通发展水平、生活便利程度等方面体现城市化建设水平的高低，其中城市建成区和城市建设用地面积占城区面积比重(X201和X202)分别代表已经建设完成的非农生产区域及其扩建情况，城市市政公共设施固定资产投资额(X203)反映城市市政公共设施投资力度，城市人均道路面积和运营线路网长度(X204和X205)反映城市交通的便利程度，城市每万人拥有公共交通车辆、公共厕所数、城市用水、燃气普及率、固定电话、移动电话普及率和网民普及率(X206～X212)这7项指标分别从公共交通、日常生活和通信等方面反映了城市居民生活质量的改善情况。
人口城镇化层面，包含8项二级指标。其中城镇人口比重(X301)和城市人口密度(X302)反映了新型城镇化过程中的人口流动，而城镇和农村居民人均收入、城镇单位就业人员平均工资(X303、X304和X305)反映了城乡居民收入水平的提升，城镇基本医疗保险(X306)和城镇基本养老保险(X307)覆盖率反映出政府所制定的保障政策的实施情况，每10万人口平均高等学校在校生人数(X308)体现教育的普及水平。
生态环境城镇化层面，包含6项二级指标。其中城市环卫专用车辆设备数(X401)、城市污水日处理能力(X402)和生活垃圾无害化处理率(X403)代表对城市居民生活污染的治理力度及其效果；一般化工固体废物综合利用率(X404)代表对生产造成环境污染的治理；城市建成区绿化覆盖率(X405)和人均公园绿地面积(X406)体现了城市环境的宜居水平。
城乡一体化层面，包含4项二级指标，反映城乡居民在收入、消费和生活质量等方面的差异。其中城乡恩格尔系数比(X501)的计算方法为城镇居民恩格尔系数/乡村居民恩格尔系数，而城乡人均收入、每百户家庭电脑拥有量和人均消费支出之比这三项指标(X502～X504)均为同期乡村水平/城镇水平。当城乡居民恩格尔系数、人均收入、人均消费支出和平均每百户电脑拥有量的比值为1时说明城乡统筹达到最优状态。而通过对原始数据的观察可以发现，绝大多数指标的取值均小于1，因此在后续分析中将这些指标均视作正向指标处理。
三、新型城镇化水平的评价
(一)方法的选取——全局因子分析
全局因子分析法，即时序分析法与因子分析法的联结运用，主要用于研究区域经济问题[9]。全局因子分析法的基本原理为：首先为时序立体数据表K={XtRn×P, t=1,2,…,T}各个时刻的数据表赋予时间权重，然后再将其纵向展开，再进行主成分分析，计算因子最终得分，从而实现对所选取样本数据的动态评价与研究分析。考虑到在新型城镇化水平的评价中各年份数据具有同等的重要性，因此将各年份赋予相同的时间权重。下文运用统计软件SPSS22.0对我国2005—2014年30省、市、自治区的新型城镇化水平进行全局因子分析[10]。
(二)建立全局数据表及数据的有效性检验
1.建立全局数据表
从《中国区域经济统计年鉴(2006—2015)》、《中国统计年鉴(2006—2015)》、中国经济与社会发展统计数据库和各省市国民经济和社会发展统计公报中获取的原始数据按时间顺序依次排列，建立全局表X=(xij)(nT×p)。
2.数据标准化
3.数据有效性检验
通过SPSS22.0软件，采取取样适切性量数(Kaiser-Meyer-Olkin，KMO)及巴特利特(Bartlett)球形检验的统计参数估计值检验。结果显示，取样适切性量数取值为0.891，表明所选取指标具有多重共线性；巴特利特球形检验近似卡方分布值为15652.84(自由度666)，显著性小于0.01，因此说明数据适合做全局因子分析。
(三)提取公因子
SPSS22.0的因子分析结果显示，前7个公因子的方差贡献率累积达到了79.176%以上，表明这7个公因子能够很好地代表37个指标的信息用于分析我国各地区新型城镇化水平。通过因子载荷矩阵发现，第一个主成分F1的方差贡献率为45.990%，其在指标X101～X107、X203、X205～X206、X208～X301、X303～X401、X403～X405和X502～X504上具有较大载荷；第二个主成分F2的方差贡献率为9.711%，在指标X204、X210和X591上具有较大载荷；第三个主成分F3的方差贡献率为7.790%，在指标X201～X202和X302上具有较大载荷；第四个主成分F4的方差贡献率为4.996%，在指标X402上具有较大载荷；第5个主成分F5的方差贡献率为4.275%，在指标X207上具有较大载荷；第6个主成分F6的方差贡献率为3.621%；第7个主成分F7的方差贡献率为2.793%，在指标X501上具有较大载荷。
(四)因子得分计算及分析
根据对新型城镇化水平因子得分的对比分析可以初步得出以下结论：
其一，从时间趋势来看，全国30省市新型城镇化水平从2005年到2014年均有显著提升，2005年大部分省份的新型城镇化综合得分为负，截至2014年，除个别地区外，大多数省份的新型城镇化得分均变为正，甚至部分较发达地区得分出现高于1的情况。新型城镇化得分增速较快的有宁夏、重庆、内蒙古、山东和陕西五省，得分分别增长了1.80、1.72、1.52、1.47和1.45；得分增长较慢的有上海、海南、河南、辽宁和四川，分别增长了0.66、0.88、0.94、0.97和1.05。
其二，从地区差异来看，全国30省市的新型城镇化水平存在鲜明的地域梯度差异。以2014年这个时间截面为例，新型城镇化水平得分最高的是北京市，为1.632，最低的是贵州省，仅有-0.295，两者之间得分相差将近2分。为了更加深入研究各地区新型城镇化水平的空间差异和变动情况，下文将对新型城镇化水平综合得分数据进行更加深入的空间聚类分析。
四、中国新型城镇化水平空间分析
(一)中国新型城镇化水平空间系统聚类
为了从动态角度对我国2005—2014年除西藏以外的30个省、市、自治区的新型城镇化水平进行归类，本文将针对这30个省、市、自治区的300个综合得分以10个年份为样本的面板数据进行系统聚类分析[11]。在系统聚类法中将使用离差平方和(Ward)法作为类间距，以欧式距离为样本距，聚类结果如图1所示。
图1 各地区系统聚类结果
从图1可以看出，运用系统聚类，可将30个省、市、自治区分为5个梯队，按照新型城镇化水平从高向低进行排列得到：
1.第一梯队：北京和上海，为新型城镇化水平最高两个地区。北京是我国政治、文化、科技中心以及国际交流的核心地带，上海是国内首屈一指的经济、金融、贸易和航运中心，具备较强的资源配置能力、国际竞争力和影响力，其新型城镇化水平也自然高于我国其他地区。
2.第二梯队：天津、浙江和江苏，是新型城镇化水平次优的地区。天津市在制造业上具有明显优势，仅2014年生产总值就逾3万亿元，近年来天津在航空航天、生物医药等高新技术领域的发展水平处于国内领先地位。浙江省把推进城乡体制改革置于新型城镇化的重要地位，加快城乡经济的发展，让农民体会更加平等的环境。江苏省的经济基础雄厚，2014年经济综合竞争力超过广东省列于全国首位。*资料来源：2014年《中国省域竞争力蓝皮书》。若能在制定新型城镇化规划时综合考虑就业帮扶、社会发展、城市空间规划和土地集约利用等要素，第二梯队地区的新型城镇化水平也有望在现在的较高水平上得到进一步提高。
3.第三梯队：包括江西、新疆、辽宁、福建、黑龙江、山东和广东，是新型城镇化程度处于中间水平的区域。从目前的聚类结果来看，前三个梯队中，大多数省市均位于我国东部，因此可以初步断定，相对中西部地区而言，东部省市新型城镇化水平普遍较高。
4.第四梯队：包括吉林、安徽、湖北、河北、陕西、湖南、山西、内蒙古、重庆、宁夏、四川、青海、河南和海南，新型城镇化水平一般。处于这一梯队的省份数量最多，共有14个，占样本总量的将近一半，因此该梯队的新型城镇化进程对于提高全国的新型城镇化水平意义重大。和前三个梯队相比，第四梯队中中西部地区省份占绝大多数，这也随之印证了我国新型城镇化发展的地区差异。
5.第五梯队：包括云南、甘肃、广西和贵州，为新型城镇化水平最低的地区。从综合评分上看，除2014年广西省得分略微高于0，为0.006以外，其余年份4省新型城镇化得分均低于0，这种情况在前四个梯队也是绝无仅有的，可见该梯队与前四个梯队的新型城镇化水平存在明显差距。
图2 各梯队新型城镇化2005—2014均值趋势
图2分别体现了五个梯队新型城镇化水平均值从2005年到2014年的变动趋势情况。2007年第一梯队和2006年第二梯队的新型城镇化水平出现了轻微下降，对此可能的解释是，第一梯队中仅有北京和上海两个城市，而第二梯队仅包含天津、浙江和江苏三个地区，个体数少导致综合得分均值受各类外在因素的影响较大，且前两个梯队的新型城镇化水平本身就很高，在发展过程中出现波动也属正常现象。除此之外，所有年份的各梯队的新型城镇化水平均在稳步提升，且后四个梯队与第一梯队之间的差距有逐年缩小的趋势，以前两个梯队为例，两者平均得分的差距从2005年的0.4879减小到了2013年的0.2283，缩减了53.21%。另外，后4个梯队的发展速度也不一样，体现在图中为四条曲线的斜率不同。第二梯队的平均得分增速最快，第三梯队和第四梯队的增速次之，且两者大致平行，第五梯队的增速最慢，与前四个梯队的差异也逐渐显现。
(二)新型城镇化水平空间梯度分析
依据上文系统聚类分析结果，将每一类别新型城镇化得分均值作为分界线，把我国各省市2005—2014年的新型城镇化水平划分为5个梯度。其中，F≤-0.185，表示新型城镇化建设处于低水平；-0.185
从2005年我国地区新型城镇化水平空间梯度分布情况来看，除上海和北京的新型城镇化发展阶段分别达到了中高水平和一般水平以外，全国绝大部分区域还非常低，东部大部分省份(黑龙江、辽宁、天津、江苏、浙江、福建和广东)的新型城镇化也处于中低水平或低水平。
截止到2009年，我国大部分地区新型城镇化水平与4年前相比有了很大改观，但空间格局特征并无较大变化。北京和上海仍旧双核强劲，均达到了新型城镇化的较高水平，仅次于二者的天津、江苏、浙江、广东和黑龙江等东部省份也步入中等水平之列。除山西、河南、安徽和西部地区大部分省市外，其他地区也均脱离了低水平的新型城镇化状态。另外，新疆的城镇化水平比我们的预期高，这主要是得益于相关政策倾向的影响。
2014年，我国地区新型城镇化水平空间梯度格局基本形成。东部各省市的新型城镇化水平继续有所提高，除吉林、辽宁和河北省外均达到了中高以上水平，其中北京、天津、江苏、上海、浙江和广东都进入了新型城镇化高水平的阶段。从全国范围来看，新型城镇化发展比较落后的仅剩第五梯队，其中贵州省的新型城镇化发展处于低水平，广西、云南、甘肃和宁夏处于中低水平。
总而言之，我国新型城镇化水平的空间格局分布呈现出“南北两极”和“东中西三层次”的演化特征。所谓“南北两极”就是我国南北地区分别以上海和北京为中心，这两个城市的新型城镇化水平最高，进而带动周边地区新型城镇化水平的提升。这种辐射效应*关于“南北两极”的辐射效应，是通过对我国新型城镇化的空间梯度变化情况进行观测从而直观得出的结论。至于这种辐射效应是否确实存在和效应的强弱程度的测算，则不是本文所要研究的重点内容，相关问题还有待后续的研究加以补充。以上海的表现更为明显——与上海毗邻的浙江和江苏两省的新型城镇化水平在东部沿海地区始终处于前列。而“东中西三层次”则是指除个别情况外，我国东部沿海-中部-西部地区的新型城镇化水平差异显著，呈现从东向西由高到低的明显阶梯状格局。
(三)新型城镇化水平地区差异分析
对于新型城镇化水平的地区差异的分析应包括梯度间差异和梯度内差异两个方面。上文在第二部分已经基于各梯队的新型城镇化综合得分均值对梯队间差异进行了初步判断，本小节则通过计算得分变异系数CV反映各梯队内部和梯队间新型城镇化水平的离散程度。梯队内部变异系数计算公式为CVjt=σjt/μjt，其中σjt代表第j梯队内部各地区在时间t的新型城镇化得分的标准差，μjt为第j梯队内部各地区在时间t的新型城镇化得分均值。梯队间变异系数则使用五个梯队各年份新型城镇化综合得分的均值计算。
图3 新型城镇化得分变异系数
图3所示为各梯队内部和梯队间新型城镇化水平得分的变异系数。从梯队内部差异来看，除第二梯队和第四梯队外，其余地区的变异系数几乎均处在±1之间，说明梯队内部新型城镇化水平差异不大。第二梯队2006年度变异系数达到峰值，其余年份均维持在0.1左右；第三梯队的变异系数的绝对值在2008年和2009年较高，分别为2.12和0.91；而第四梯队的变异系数在2009—2012年间波动最大，即梯队内部各省的新型城镇化水平差距最大，之后逐渐减小，于2013年降低到与其他梯队接近的水平。第五梯队内部的省际差距在2013年开始逐渐显现，2014年变异系数的绝对值达到1.22。从梯队间差异来看，新型城镇化水平差异(变异系数绝对值)整体上呈现先上升后下降的趋势。2005—2008年，梯队间差异逐渐扩大，并在2008年达到最大；2008年以后差异又逐年减小。由此可见，我国新型城镇化地区差异主要表现为梯队间而非梯队内样本个体的差异。
五、结论与启示
本文从经济、社会、人口、生态环境和城乡一体化五个层面选取37项指标，基于2005—2014年省际面板数据，采用全局因子分析法评价新型城镇化水平，通过系统聚类和探索性空间数据等分析各省市新型城镇化水平空间格局演变和地区差异等分布特征。文章得出的主要结论如下：
1.从时间趋势和地区差异上来看，我国各地区的新型城镇化水平均呈现上升态势。新型城镇化水平最高的第一梯队(北京和上海)的增速较慢，平均得分从2005年的0.595增加到2014年的1.505，年均增长4.34%。第二梯队的增速最快，年均增长27.66%，与第一梯队的差距不断缩小；第三梯队增速次之，平均得分从-0.446上升到0.745，年平均增长10.32%。而新型城镇化水平最低的地区(第五梯队)，其得分提升的速度也比较慢，年均提高0.47%，与其他地区的差距也越来越明显。
2.从空间格局的演变上来看，十年来随着我国新型城镇化的发展演化，逐渐形成了“两级三层次”的地理分布格局，即以北京和上海两个大都市为中心，从东到西依次扩散的演化趋势。2005年，全国只有上海和北京的新型城镇化水平达到了中等及以上的发展阶段(F>0.155)，东部沿海的天津、江苏和浙江三个省市的新型城镇化领先于全国大部分地区，但也处于中低水平。截至2009年，我国很多省市的新型城镇化水平有了很大提升，除山西、河南、安徽和西部部分省市外，其他地区均脱离了低水平的新型城镇化状态。2014年，几乎所有地区(除贵州)的新型城镇化都至少达到了中低及以上水平，北京、天津、江苏、上海、浙江和广东等东部沿海省市也都进入了新型城镇化的高水平阶段。
为了综合提高我国各地区新型城镇化水平，本文分别针对不同梯队新型城镇化发展战略提出以下政策建议：对于北京、上海等新型城镇化已经是高水平的大都市，要适时转变发展思路，以防“大城市病”的发生，具体做法可以是将当地部分产业转移到周边地区，既可以借此发挥城镇化的辐射带动效应，又能疏导自身的非核心功能。对于新型城镇化处于中高水平的地区，在保持现有的高速城镇化进程状态的同时，更要防止城市规模的过度扩张，做到“质量优先、规模适度”，推进城乡一体的制度改革，缩小城乡差异，努力消除二元经济社会结构。而大多省份的新型城镇化仍处于一般或中低水平，应结合自身城镇化短板，配合国家整体战略做好统筹规划。最后，对于新型城镇化仍处在中低水平的第五梯队地区，要注重速度和质量的双重提升，缩小与其他地区的差距。
[参考文献]
[1]单卓然, 黄亚平. “新型城镇化”概念内涵、目标内容、规划策略及认知误区解析[J]. 城市规划学刊, 2013，(2):16-22.
[2]张占斌. 新型城镇化的战略意义和改革难题[J]. 国家行政学院学报, 2013，(1):48-54.
[3]倪鹏飞. 新型城镇化的基本模式、具体路径与推进对策[J]. 江海学刊, 2013，(1)：87-94.
[4]国家城调总队福建省城调队课题组.建立中国城镇化质量评价体系及应用研究[J].统计研究,2005，(7):15-19.
[5]戚晓旭, 杨雅维, 杨智尤. 新型城镇化评价指标体系研究[J]. 宏观经济管理, 2014, (2):51-54.
[6]杨惠珍. 我国新型城镇化形势下城镇化质量评价指标体系的构建[J]. 经济研究导刊, 2013，(20):65-67.
[7]续亚萍, 俞会新. 基于主成分分析的我国新型城镇化质量评价[J]. 工业技术经济, 2015, (7): 153-160.
[8]中国共产党中央委员会, 中华人民共和国国务院. 国家新型城镇化规划(2014-2020年)[M].北京: 人民出版社, 2014：1-32.
[9]陈民恳,郑如莹. 基于全局因子分析的地区经济发展潜力研究[J]. 统计教育,2008,(12):34-37.
[10]薛薇. 统计分析与SPSS的应用[M].北京：中国人民大学出版社, 2008:288-316.
[11][美]理查德·A·约翰逊,迪安·W·威克恩.实用多元统计分析[M].北京：清华大学出版社, 2008:481-519.
[12]Bottazzi G, Dosi G, Fagiolo G, et al. Sectoral and Geographical Specificities in the Spatial Structure of Economic Activities [J]. Lem Papers, 2004, 19(3):189-202.
〔责任编辑：冯胜利〕
[收稿日期]2016-03-23
[基金项目]河北省社会科学规划基金项目“河北省新型城镇化质量测量、动力机制与提升路径研究”(HB15YJ095)；河北省社会科学规划基金项目“基于金融生态视角的河北省新型城镇化质量提升机理与路径研究”(HB15YJ096)；2015年度河北省社会科学发展研究课题“河北省金融生态对新型城镇化的支持研究”(2015030206)
[作者简介]金浩(1958-)，男(朝鲜族)，吉林延吉人，教授，博士研究生导师，博士，从事区域经济学研究。
[中图分类号]F291.1
[文献标志码]A
[文章编号]1000-8284(2016)06-0142-07
