区域新型城镇化水平评价模型研究

（西北民族大学 经济学院，甘肃 兰州 730030）

区域新型城镇化水平评价模型研究

王子灏，仇培林

（西北民族大学 经济学院，甘肃 兰州 730030）

本文运用快速聚类有计划地将我国新型城镇化发展的现状区分为四类。根据熵值法计算8大地理区域的新型城镇化水平综合得分，从宏观层面评价我国新型城镇化发展的现状，为快速聚类分析中4个类别确定性质。并使用判别分析得到对应快速聚类分析4组分类的Bayes线性判别函数。从而推广到对于任一研究区新型城镇化水平测度问题的解决中。判断具体某一研究区所属分类后，根据每一分类下涵盖的地理区域共有的新型城镇化现状及存在的问题，为研究区定制符合中国国情的新型城镇化发展道路，提高城镇化的质量与效率。

熵值法；Bayes线性判别函数；新型城镇化水平评价；路径规划

一、新型城镇化水平评价函数的设计

为了使最终的路径规划符合中国城镇化进程的宏观情况。首先运用快速聚类将8大地理区域新型城镇化水平有目的地聚类为4类。其次运用熵值法计算出8大地理区域的最终得分，依据各地理区域的分类情况对快速聚类分析的四个分类定性，确定分类为“新型城镇化水平极高、新型城镇化水平较高、新型城镇化水平一般、新型城镇化水平较低”。最后运用判别分析得到与四个分类对应的Bayes线性判别函数。

在评价任一研究区新型城镇化水平时选取判别分析筛选的指标。待Bayes线性判别函数计算后，哪一函数得分最高，该地区的城镇化水平就落入在该分类下。可以根据这一分类的情况精准地提出符合我国国情的研究区的路径规划。

二、研究过程

1、评价指标选取

评价新型城镇化的指标选取主要基于能否合理准确地表达城镇化“以人为本，持续发展”的根本目标。本文在指标选取中均考虑到指标对于当前城镇化水平的表现与对未来城市发展相关因素评价的综合考量。本文的指标基于人口质量因子、人居环境因子、经济发展因子三个一级指标进行二级指标的选取，指标均以相对数的形式呈现。

2、基于熵值法的快速聚类分析的分类定性

运用熵值法的原理，计算各二级指标的权重。结果如下表所示，权重后对应各地区相应指标的实际数据。

使用熵值法计算得8大地理区域新型城镇化得分。华东第一名，华南第二名，华北第三名，西南第四名，华中第五名，西北第六名，东北第七名，青藏第八名。第一名对应城镇化水平极高这一分类，第八名对应城镇化水平较低这一分类。

表1 指标权重及实际数据Table1．selectionofindicatorsandweightdetermination

3、各地理区域新型城镇化水平的快速聚类分析

运用上述指标得出快速聚类分析结果。为了将8个地理区域的城镇化水平测度推而广之，便于微观层面上研究某个城市城镇化发展所处阶段，因此，将快速聚类结果归纳为四类。

表2 快速聚类分析与分类结果Table3．Rapidclusteringanalysisandclassificationresults

目前我国新型城镇化水平最高的地区为华东地区，最低的为青藏地区。新型城镇化水平的度量虽然加入了很多人本思想的考量条件，但是最终的极端值并没有出现出乎意料的结果。东北地区的衰落与新型城镇化水平的落后也被显著地体现出来，熵值法分析结果与客观情况相符，有一定的参考价值。

华东地区在熵值法打分中得分最高，在快速聚类分析中单独分为一类，聚类为第三类，可以将该地区代表“新型城镇化水平极高”这一类。华南地区的得分居于第二，快速聚类分析单独分为一类，聚类为第2类，该地区代表“新型城镇化水平较高”一类。华北、西南的得分居第三、第四名，在快速聚类分析中聚类为第一类，该地区代表“新型城镇化水平一般”一类。华中、西北、东北、青藏得分居第五、第六、第七、第八名，快速聚类为第四类，该地区代表“新型城镇化水平较低”一类。由于第四类中四大地区新型城镇化水平与问题存在较大差异，因此在分析时根据研究区的实际情况分别分析。

根据熵值法综合得分归纳出的中国新型城镇化现状的宏观分析结果，将8个地理区域对应4个分类，总结出基于8个地理区域的现状分析下的4个分类不同的新型城镇化发展现状:

新型城镇化水平极高：兼顾了经济发展与环境保护的关系。基础设施建设完善，城镇居民养老保险、医疗保险体系基本建立。城市经济发展思路趋于成熟。

新型城镇化水平较高:较好地协调了经济发展与环境保护的关系。开展基础设施完善工作。构建城镇居民养老保险、医疗保险体系。城市经济发展思路处于规划阶段。处于该分类下的区域大多数处于城镇化发展的探索期。

新型城镇化水平一般：较好地处理了经济发展与环境保护的关系。基础设施建设接近尾声建设，城镇居民养老保险、医疗保险体系基本建立。城市经济发展思路处于完善阶段。处于该分类下的区域大多数是新型城镇化发展较为成熟的城市。各方面的问题较为妥善安排，已经度过城镇化发展的探索期。

新型城镇化水平较低：呈现出三种状态。一种是发达地区衰退后新型城镇化水平较低；一种是城市化水平较低亟待发展；另外一种是不以经济促进为目的城镇化。具体根据研究区的情况再分类之后对应相应分类时参考省份的情况分析研究区问题。

三、Bayes的线性判别函数的得出

根据判别分析的结果得出4组Bayes线性判别式函数，并对应快速分析四组聚类结果，结果如下：

新型城镇化水平较低：

新型城镇化水平一般：

新型城镇化水平较高：

新型城镇化水平极高：

根据判别分析结果，其中x1为第二产业比重，x2为第三产业比重，x3为基本养老保险参保比率，x4为社区服务机构覆盖率。选取任意地区上述四项指标代入四个线性判别函数，得分最高的函数对应的分组即为研究区新型城镇化水平所在范围。可根据第五部分归纳的特征总结研究区新型城镇化现状。

[1]马艳梅、吴玉鸣、吴柏钧：长三角地区城镇化可持续发展综合评价——基于熵值法和象限图法[J]．经济地理,2015(06):47-53．

[2]王富喜、毛爱华、李赫龙、贾明璐：基于熵值法的山东省城镇化质量测度及空间差异分析[J]．地理科学,2013(11):1323-1329．

[3]陆大道、陈明星：关于“国家新型城镇化规划(2014-2020)”编制大背景的几点认识[J]．地理学报,2015(02):179-185．

[4]熊伟、崔光磊：贝叶斯判别分析在矿井突水水源预测中的应用[J]．中国煤炭,2012,(11):110-113．

[5]付殿敬、徐敬领、王贵文：基于Q型聚类分析和贝叶斯判别算法研究储层分类评价[J]．科技导报,2011,(03):29-33．

（责任编辑：宋 杰）

西北民族大学2016年国家级大学生创新创业训练计划项目资助项目阶段性成果，项目编号：201610742038。