基于PP-DEA模型的河南省城镇化水平测度及空间差异分析
2016-08-13徐俐俐
徐俐俐
(新疆财经大学经济学院,新疆 乌鲁木齐 830012)
基于PP-DEA模型的河南省城镇化水平测度及空间差异分析
徐俐俐
(新疆财经大学经济学院,新疆 乌鲁木齐 830012)
文章以2014年河南18个城市的数据为基础,建立投影寻踪模型和数据包络分析模型,分别从静态和动态两个角度对河南省各市城镇化水平进行测度,将动静结合的结果构建于空间差异分析图上,并分析人口城镇化与综合城镇化的关系,探讨城镇化及其配套的发展水平是否相适宜。研究结果显示:生态环境是制约城镇化水平全面提高的短板,并且整个省域城镇化水平发展的效率都比较低。资源禀赋、地缘区位、历史沉淀差异的存在使得河南省城镇化发展水平呈现出西北部高、东南部低、中间区域城镇化水平较高的空间格局,城镇化水平超前型城市和城镇化水平滞后型城市均出现与城镇化水平较高的城市和城镇化水平较低的城市相互交错的空间格局。
河南;城镇化;投影寻踪模型;空间差异
一、引言
城镇化是保持经济持续健康发展的强大引擎,是缩小城乡差异、消除二元结构的必然要求,是解决三农问题、实现现代化的重要途径,是加快产业结构优化升级、推动区域协调发展的重要抓手[1]。河南是全国人口大省,其城镇化水平的发展对于全国城镇化水平的提升具有重要意义。2001年以来,连续十年河南省政府工作报告中都提出加速城镇化进程的战略性目标,截至2014年底,河南城镇化水平以4.6%的速度实现大规模高速增长,同比于全国增速高1.68个百分点。但高速发展背后的城市交通日益堵塞、生态环境不断恶化、失业率居高不下等一系列“城市病”使得城镇化发展水平遭到一定质疑。因此,有必要客观清醒地认识当前城镇化水平,因地制宜地制定相应发展政策,积极稳妥地推动河南省城镇化健康发展。
伴随城镇化发展第四波的快速推进,对城镇化水平研究的“热潮”经久不息。关于城镇化水平测度与分析的研究主要集中在以下几个方面:(1)单一指标评价。克拉克[2]提出用第二、三产业就业人口的比重测度城镇化水平。其他还有土地比重法、人口比重法。由于不同时期统计口径存在差异,辜胜阻[3]提出比例关系调整系数法,即以非农人口比重或实际城镇人口为基础,引进比例函数估算相对真实的城镇化水平。由于土地指标数据获得的难度较大、比例函数的引进缺乏科学充分的依据,官方比较常用的是人口比重法,即城镇人口占总人口的比重。但城镇化的进程伴随着经济社会结构、生产生活方式的根本性转变,涉及交通等基础设施建设、城乡结构的转型融合、生态环境的承载支撑等[4][5],单一指标评价难免存在片面性的缺陷。(2)复合指标评价。一般引进权重的概念,对多指标进行加权计算,再根据计算得分进行综合评价。权重的确定可分为主观、客观两种方法,主观方法一般为层次分析法、德尔菲法。刘亚臣、常春光[6]采用层次分析法确定各指标权重进而对辽宁等不同地区的城镇化水平进行综合评价。客观评价法主要有熵值法、因子分析法、主成分分析法、BP神经网络法等。欧向军、甄峰等[7]从人口、经济、生活方式、地域景观四个维度采用熵值法综合测度江苏省城镇化水平。李标[8]以中国省域集约型城镇化发展为研究对象,从经济、人口、空间、社会、资源和环境六个维度采用因子分析法和聚类分析法进行综合实证分析;赵培杰[9]利用主成分分析法从静态角度对2010年河南省城镇化水平进行综合评价,再从动态角度建立时间序列数据对该省城镇化水平区域差异演变进行相关性分析。另外还有将主客观结合、补充,综合测度城镇化水平,例如张玉周[10]将改进的主成分分析与德尔菲法相结合,从人本发展、产业结构、基础建设三个维度综合测度评价2007年河南省城镇化水平。
河南流动人口较多,以人口城镇化率表征河南城镇化水平存在一定程度的误差。许多学者对河南城镇化水平的评价采用多种计量方法进行测度,但所采取的计量方法大多不能避免指标数过多造成“维数祸根”的影响,因此本文采用克服上述缺陷的基于遗传算法的投影寻踪模型从静态角度测度河南城镇化发展水平状况。根据张晓瑞[11]对安徽省城镇化发展水平的测度分析,动态效率评价对城镇化水平的综合评价影响是显著的,并且目前对于河南省城镇化水平的研究尚缺乏动静结合的评价,故本文引入数据包络分析模型(DEA)从动态角度测度河南省城镇化发展效率状况,再将动静结合的评价结果作为衡量河南各市城镇化水平高低的依据。在此基础上分析其空间差异特征,并与单一指标人口城镇化水平相比较,探讨城镇化与其配套的发展水平是否协调均衡,最后将其特征表现在空间分布格局图上。
二、河南省城镇化水平综合测度
(一)数据来源
本文以河南省18个城市为研究对象。相关原始数据来源于《河南统计年鉴(2015)》以及各市统计公报,部分数据通过整理计算所得。
(二)静态—投影寻踪模型
1.方法简介
传统的数据分析方法已经难以处理当维数较大时面临的计算量增大以及高维空间中分布稀疏的“维数祸根”问题,投影寻踪(Projection Pursuit,PP)方法通过将高维数据投影到低维空间上,再对投影后的一维数据进行分析为解决上述问题开辟了新路径。PP的基本思想是在对原始数据无量纲化的基础上,借助计算机技术,通过某种组合,把高维数据投影到低维子空间上,最大限度地降低维数祸根的影响,通过某个投影指标的极小化处理,寻找出能反映原高维数据结构或特征的投影[12],进而在低维空间上对数据结构进行分析。
本文采用遗传算法(Genetic Algorithm,GA)对以最佳投影方向为优化变量的复杂非线性优化问题进行优化求解。遗传算法的原理是模拟生物进化的步骤,通过维持一组可行解,重新组合,改进其在多维空间内的移动轨迹或趋向[13],最终走向最优解。利用最佳投影方向的求解值计算出线性投影后,进行排序即可得出静态的客观评价结果。
表1 河南省区域城镇化发展水平静态评价指标体系
2.指标选取与评价
结合城镇化内涵及河南城镇化发展特点,遵循全面性、实用性、可比性和尽量少的原则,本文采用复合指标法从人口发展、经济动力、社会和谐、环境友好和城乡统筹五个方面综合评价河南省18个城市静态的城镇化水平。
结合上述基于遗传算法的投影寻踪模型原理,利用统计软件Matlab R2012b对所构建的指标体系进行运算分析。结果表明:该指标体系投影指标函数取得最大化的值为2.2029,在目标约束条件下,21个指标所对应的最佳投影方向值如表1所示。值的大小表明对城镇化水平测度的贡献能力,值越大,对城镇化水平的解释能力越强。由表1可知,在人口发展、经济动力、社会和谐、环境友好、城乡统筹五个方面,社会和谐的值最大,表明社会和谐程度较高,对河南省各市城镇化发展差异的解释作用最强,其次是人口发展、经济动力、城乡统筹,贡献作用最小的是环境友好,即生态环境是制约河南城镇化水平提高的短板。在人口发展的三个指标中,值最大的是城镇化率指标,为0.2863,其次是第三产业就业比重、城市人口密度,这说明了河南省各城市城镇化水平的提高是建立在更多的人从事第三产业、人口城镇化率不断提升的基础上的。其他指标同理。河南省18个城市城镇化发展水平静态评价的综合得分见表3。从静态评价得分来看,郑州市的城镇化水平最高,周口市的城镇化水平最低,首末位差达到2.708,各城市城镇化水平空间差异明显。
(三)动态—效率评价模型
1.效率评价模型方法简介
本文采用数据包络分析方法(Data Envelopment Analysis,DEA)对河南省城镇化所倡导的多投入多产出的效率理念进行有效的评价。DEA方法的运算原理是采用线性规划方法,将被评价单元(地区、部门或年份)作为决策单元,利用观察到的有效样本数据,对其进行生产有效性评价,评价结果反映决策单元之间的相对效率[14]。本文中18个城市均为一个决策单元,DEA效率包括综合效率、技术效率和规模效率,其中综合效率为技术效率与规模效率的乘积,当且仅当三个效率都为1时视为综合有效,否则为无效[15]。
2.动态评价模型指标体系的构建
以河南省18个市为城镇化效率评价的决策单元,结合城镇化效率内涵及其他学者研究意见[16],选取土地、资本、劳动力为城镇化建设的投入指标,以人口城镇化、土地城镇化、经济城镇化、城乡一体化的实现程度为产出指标,具体见表2。其中,体现土地城镇化的土地城镇化率指标用农业或农村用地面积转变为非农用地的面积来衡量,具体表现为建成区面积占行政区域土地面积的比重。
表2 河南省城镇化效率评价指标体系
3.效率计算结果分析
本文采用DEAP2.1对表2中河南省2014年18个城市投入产出指标数据进行计算,评价结果见表3。由表3可知,河南18个地级市中仅有许昌、濮阳、三门峡、济源四个城市属于DEA有效,即综合效率、技术效率和规模效率三者的评价值都为1,达到效率前沿面。说明这四个城市在城镇化发展过程中实现了资源的优化配置,投入产出规模达到最优状态,冗余率较低,生产技术达到最优化。其余的14个城市属于非DEA有效,其中DEA无效的城市可分为两类:一类是纯技术效率有效(值为1),规模效率无效(值小于1),即郑州、开封、洛阳、平顶山、鹤壁、漯河、商丘、驻马店。说明这八个城市DEA无效的原因在于规模效率无效,即投资规模过高或过低,与投入、产出不匹配,这就需要加大投入或减少投入,提高投入产出效率,提升规模效率水平。另一类是纯技术效率无效(值小于1)、规模效率无效(值小于1),即安阳、新乡、焦作、南阳、信阳、周口,这六个城市在资源配置和规模集聚上均未达到合理有效,一方面需要改进生产工艺,加强与其他地区的交流与合作,引进先进的生产技术、管理制度、管理模式,建立新型资源管理体系,另一方面需要优化产业结构,充分发挥市场配置资源的方式,减少指令性政策安排,适当扩大或减小投资规模,避免资源浪费。
总体平均值显示,河南省18个地级市城镇化发展的综合效率平均值为0.695,技术效率平均值为0.937,规模效率平均值为0.739。由此说明,城镇化发展的综合效率较低,技术效率值与规模效率值相差较大,相对来说,规模效率成为综合效率提高的“短板”。所以对于这18个地级市来说,要提高城镇化发展的综合效率,务必在坚持城镇化发展过程中投资规模适中的原则下,优化投资结构,集约有效利用城建用地,合理配置要素投入,同时积极发挥生产技术作用,提高资源能源利用效率,进而实现城镇化综合水平的提升。
表3 河南省区域城镇化发展水平综合评价结果
图1河南省城镇化发展的空间差异分析图
三、综合水平分析
为了综合全面的分析比较各个城市城镇化发展水平,将静态评价得分与动态评价综合效率等权相加,得到城镇化发展评价的综合得分,结果见表3。进一步运用ArcGis10.1作出河南省18个地级市城镇化发展的空间差异分析图,对其综合得分进行空间聚类分析,结果如图1所示。由图1可知,根据城镇化水平综合得分高低将18个地级市分为城镇化水平高、较高、中等、较低、低五类城市。城镇化水平高的城市有两个——郑州和济源,位于豫西北部。城镇化水平较高的城市有四个——鹤壁、许昌、三门峡和焦作,在地理空间上分布较散,但大体位于豫西北部。城镇化水平中等的城市较多,分别为濮阳、新乡、开封、洛阳、平顶山、漯河六个城市,从地理区位上来看,一部分集聚于豫北部,一部分集聚于豫中部偏西。城镇化水平较低的城市有五个,分别为安阳、商丘、周口、驻马店和信阳,从地理格局上来看,除了安阳位于豫北部,其余四个城市出现集聚现象,均位于豫东偏南部。城镇化水平低的城市只有一个——南阳,位于豫南偏西部。整体来看,河南省城镇化发展水平呈现出西北部高、东南部低、中间区域城镇化水平较高的空间格局。
结合表3、图1发现,郑州的城镇化水平最高,但城镇化发展效率最低,也就是说较高的城镇化水平是以大规模无效的投资为代价的,这就需要郑州在以后的发展中适当缩小投资规模,科学规划,实现最优的投入—产出比例。济源的城镇化发展方式是最为理想的,其次是许昌、三门峡。城镇化发展最不理想的城市是安阳、商丘、驻马店、信阳,不但城镇化发展水平最低,而且城镇化发展效率最差。
观察表3中城镇化水平静态评价得分排名与综合城镇化水平得分排名,引入效率评价后,有12个城市的城镇化水平排名次序发生变化,但是变化幅度比较小,也就是说效率评价对城镇化水平的影响是显著有效的,本文中动静结合的城镇化水平评价模型是合理的。
对城镇化水平综合评价是为了探究城镇化与其配套的发展水平是否相适宜,本文借鉴陈忠暖、高权[17][18]等对城镇化综合发展水平与人口城镇化关系的研究,探讨河南省城镇化的发展是否适宜社会的发展。首先将18个城市的城镇化水平评价的综合得分与人口城镇化率分别用抽样标准差法进行标准化处理,得到新数据列ZB(综合城镇化水平)、UB(人口城镇化水平)。首先定性分析,根据ZB与UB的关系,将河南省不同类型的城市区分开。以ZB为X轴,UB为Y轴,将18个城市的综合城镇化水平与人口城镇化水平形成的点集(ZB,UB)以散点的样式表现在象限图上(见图2)。以斜率为1的线为界将不同类型的城市区分开。线以上的城市为“城镇化超前型”,线以下的城市为“城镇化滞后性”,在线上或者线附近的城市为“基本协调型”,距离线的位置越远,偏离程度越大。然后量化分析,以7个标准将综合城镇化与人口城镇化关系细分为7种,判别标准及结果见表4。最后,根据这7种关系,对河南省18个地级市进行空间聚类分析,作出城镇化发展的综合水平与人口城镇化水平关系的空间差异分析图(见图3)。
图2人口城镇化与综合城镇化水平的散点分布图
图3人口城镇化与综合城镇化关系的空间分布格局
结合表4、图2、图3可知城镇化水平严重超前型城市有1个,即洛阳,人口城镇化水平和综合城镇化水平发展属于中等,但人口城镇化水平远高于综合城镇化水平。属于城镇化中度超前型城市有4个,分别是安阳、郑州、平顶山和南阳,其中郑州的人口城镇化水平与综合城镇化水平都比较高,但相对来说,前者大于后者,即城镇化发展配套设施不能满足城镇化快速发展的需求。城镇化轻微超前型城市有三个,分别为焦作、新乡和漯河。城镇化水平基本协调型城市有两个,分别是开封和鹤壁,城镇化发展与其配套水平基本相适宜。城镇化水平轻微滞后型的城市有三个,分别是商丘、周口和驻马店。城镇化中度滞后型的城市有三个,分别是三门峡、济源和许昌。城镇化严重滞后型的城市有一个,即濮阳市,城镇化发展的综合配套设施没有得到合理利用。整体来看,部分城市类别在空间上都表现出集聚现象,即城镇化中度超前型城市大多聚集在豫中偏东一条线上;城镇化轻微滞后型的城市位于豫东偏南一条线上。并且城镇化水平超前型城市和城镇化水平滞后型城市均出现与城镇化水平较高的城市和城镇化水平较低的城市相互交错的空间格局,即城镇化水平较高的城市也是会出现城镇化滞后的现象,城镇化水平低的城市也会出现城镇化超前的现象,城镇化发展超前或滞后与城镇化水平并没有直接关系。
表4河南省人口城镇化与综合城镇化水平关系判别结果
四、结论与讨论
(一)结论
本文立足于河南新型城镇化提质增效转型发展的背景,采用克服传统多元统计“高维祸根”的投影寻踪模型和数据包络分析模型,分别从静态和动态两个角度测度河南城镇化发展水平,并将动静结合的测度结果勾勒在空间差异分析图上。通过将城镇化及其配套的发展水平进行对比,拓展分析人口城镇化与综合城镇化的关系。研究结果显示:
1.从城镇化静态评价的各个指标得分而言,生态环境是制约城镇化水平全面提高的短板;从城镇化发展效率的动态评价而言,河南省整个省域城镇化水平发展的效率都比较低,18个城市里只有4个城市达到城镇化发展效率有效,尤其是郑州,城镇化发展水平最高,但城镇化发展效率评价得分最低。
2.资源禀赋、地缘区位、历史沉淀差异的存在使得河南省城镇化发展水平呈现出西北部高、东南部低、中间区域较高的空间格局。河南省部分城市类别在空间上都表现出集聚现象,即城镇化中度超前型城市大多聚集在豫中偏东一条线上;城镇化轻微滞后型的城市位于豫东偏南一条线上。并且城镇化水平超前型城市和城镇化水平滞后型城市均出现与城镇化水平较高的城市和城镇化水平较低的城市相互交错的空间格局。
(二)建议
1.以全面提高城镇化发展水平为导向,改变以资源环境为代价的粗放式城镇化发展现状,坚持以人为本、产业优先、生态并重的原则,强化生态环境保护,推动形成绿色低碳的生产生活方式和城市建设运营模式[19],促进实现经济转型升级、城乡统筹发展和社会和谐进步。
2.注重投资规模在空间上的微观调整,系统优化整个省域的城镇化效率,以市场为导向,政策管理为保障,通过产业结构转型升级和科技创新全面提升城镇化资源利用、转化为各项产出的效率。
3.优化城镇布局与形态,以整个地区城镇化水平的综合提高为目的,积极培育城市群,突出重点,以点带面同时均衡发展地实现资源能源在整个省域的合理分配,辐射带动落后地区城镇化发展。
[1]白云川.两化深度融合构建产业链协同平台——“全国两化融合深度行(重庆站)活动”圆满结束[J].中国制造业信息化,2011,(22):38.
[2]辜胜阻.非农化与城镇化研究[M].浙江人民出版社,1991.
[3]Urban Indicators Guidelines,United Nations Human Settlements Programmer,Augest,2004.
[4]陆大道,姚士谋,等.2006中国区域发展报告:城镇化进程及空间扩张[M].北京商务印书馆,2007.
[5]Ebenezer Howard.Tomorrow:peaceful Path to Real Reform,Swan Sormenschein,1989.
[6]刘亚臣,常春光,等.基于层次分析法的城镇化水平模糊综合评价[J].沈阳建筑大学学报(自然科学版),2008,(01):132-136.
[7]欧向军,甄峰,秦永东,等.区域城市化水平综合测度及其理想动力分析——以江苏省为例[J].地理研究,2008,(05):993-1002.
[8]李标.中国集约型城镇化及其综合评价研究[D].西南财经大学,2014.
[9]赵培杰.河南省城镇化水平区域差异研究[D].河南大学,2013.
[10]张玉周.基于改进主成分分析法的河南城镇化水平测度[J].商业时代,2010,(11):129-130.
[11]张晓瑞,王振波.基于PP-DEA模型的区域城镇化发展差异的综合评价[J].中国人口·资源与环境,2012,(2):130-135.
[12]成平,李国英.投影寻踪——一类新兴的统计方法[M].应用概率统计,1986,(03):267-276.
[13]金菊良,魏一鸣.智能系统广义智能评价方法与应用[M].北京:科学出版社,2008.
[14]田淑英,许文立.基于DEA模型的中国林业投入产出效率评价[J].资源科学,2012,(10):1944-1950.
[15]路子雁,郑君焱,孙泰森.基于PC-DEA模型的太原市城镇化质量评价[J].山西农业大学学报,2014,34 (5):430-435.
[16]范建双,虞晓芬,张利花.中国区域城镇化综合效率测度及其动力因子分析[J].地理科学,2015,(09):1077-1085.
[17]陈忠暖,高权,等.中国省际城镇化综合水平及其空间分异[J].经济地理,2014,34(6):54-59.
[18]陈明星,陆大道,等.中国城镇化与经济发展水平关系的省际格局[J].地理学报,2010,65(12):1443-1453.
[19]中共中央,国务院.国家新型城镇化规划(2014-2020)[R].新华社,2014-03-16.
(责任编辑:车碧云)
徐俐俐(1990-),女,河南商丘人,硕士研究生,研究方向:区域经济。