尺度政治视角下GDP相关评价指标的耦合协调度分析——以资源型和资本型指标为例

喻 锋 姜晓晖

一、问题的提出

2013年12月，经中共中央批准，中央组织部印发了《关于改进地方党政领导班子和领导干部政绩考核工作的通知》（以下简称《通知》），规定对地方党政领导班子和领导干部的各类考核考察，不能仅仅把GDP作为考核政绩的主要指标；不能搞地区GDP排名；中央有关部门不能单纯以GDP衡量各省份发展成效；地方各级党委政府不能简单以GDP评定下一级领导干部的政绩和考核等次，对限制开发区域和生态脆弱的国家扶贫开发工作重点县取消GDP考核。这一考核评价转向，根植于现实的“GDP崇拜”背景，没有“约束性指标”的GDP考核造成各地盲目追求经济的无效扩张。弱化干部GDP考核，并非要弃经济增长于不顾，而是要促进经济增长方式转变，挤掉利用地方融资盲目投资的水分，从对“量”的考核变为对质”的考核。2016年7月，国家统计局发布了关于改革研发支出核算方法、修订国内生产总值（GDP）核算数据的公告，把研发支出列入GDP核算。从某种程度上来说，GDP指标的悄然变化，正在客观上对中国城市区域发展的竞争格局产生不可小觑的导向性影响。

GDP作为一定时期内（一个季度或一年）一个国家或地区所生产出的全部最终产品和劳务的价值，常被作为衡量国家经济状况的最佳指标。从GDP的基本功能看，GDP就是经济生活中的一个评价指标，适用于从国家层面到城市和区域层面的经济发展考核评价。但现实中，“唯GDP论”引发了不少争议。从某种意义上来说，GDP在微观上掩盖了隐性经济问题，中观上不能统筹分析经济、社会、自然领域相关要素之间的关系，宏观上未能充分体现科技进步对中国经济发展的潜在作用。鉴于此，当前的理论和实践探索中出现了诸如“单位GDP能耗”“绿色GDP”“每万元GDP增长安全生产事故死亡人数”“单位GDP能耗下降率”“居民人均可支配收入增长占GDP增长比例”等合成处理，尝试弥补“唯GDP论”的缺陷，这类指标合成的方法也促成了对于GDP指标适用于城市区域发展评价的新的演绎。合成指标又名复合指标，即综合各种元素和子指标而形成新的复合结构指标，这类指标一般具有如下特性：系统性，如城市化过程是经济、社会、地域等系统转化过程；层次性，在城市区域发展评价的众多指标中，根据其性质和特点，确定其在指标复合中的核心或附属地位；可行性，鉴于部分指标在统计口径上不统一不一致，故常弃之，转而选取官方稳定使用的指标；实操性，筛选的子指标，应该可以搜集到数据，并且具有可操作性。合成指标在指标结构上通常会涉及“结构—功能”“成本—效益”“增量—存量”等多维尺度，将人们对于环境和生态以及人文与社会精神的影响赋予到GDP之中，加入一些非量化因素来衡量和调试GDP，使之成为新的复合量化指标，体现出以“竞优”而非“竞争”的视角去审视GDP、进而引导城市区域发展模式的选择。

毋庸置疑，GDP指标已然成为城市区域发展评价中不可或缺的要素之一，但是如何使评价效果最佳，评价思维更加优化、合理，是一个发人深思的问题，合成指标及其内部交互分析对相关政策改进的结果运用，其预期功能不可估量，也恰恰体现出城市区域发展议题之上尺度政治的把握和操控。

二、研究设计与分析模型

（一）研究涉及的指标遴选及其说明

传统的综合评价原理即在于构建一个多指标的评价体系，通过指标标准化处理以及指标间权重关系的设定，达成一个综合评价结果，进而展开竞争性排名。涉及到单个指标或者某个指标组对于综合评价结果的交互性分析，主要是通过多元线性回归来实现，来审视单一指标或某一指标组（自变量）对于综合评价结果（因变量）的影响，从而改进某单项（领域）工作，实现整体水平的提升。

本研究拟结合耦合协调度这一方法工具来展开单一指标之间以及某些指标组之间的相关性分析，其结果致力于以这些指标（指标组）的耦合、关联等相关性分析来审视其所指代的某一单项（领域）工作的协调状况，两两相关相比，不在于对综合整体结果的影响（如本研究并不探讨能耗GDP和投资GDP对于城市区域发展的影响），而旨在探讨二者之间所显示出来的协调关系，以审视其发展模式和路径选择的依赖性。

本研究通过对《广州市（区、县级市）经济社会科学发展评价指标体系》《广州市推进新型城市化发展考核区（县级市）指标体系》等政府考评文件展开分析，查询广州市统计年鉴，筛选出2000年—2010年这十年间与GDP相关的两组资源型和资本型的指标，进行耦合协调度分析。希冀从实践层面对GDP增长的资源消耗与GDP效益产出的投资成本展开耦合协调分析，进而探究GDP相关评价指标在城市区域发展评价中的设计与运用。

万元GDP能耗（吨/万元）（Energy consump⁃tion per unit of GDP，简写ECUG，下同。），又称单位GDP能耗，指总能耗与GDP之比，即每产生万元国内生产总值所消耗的能源总量，是反映能源消费水平和节能降耗状况的主要指标，是衡量能源利用水平和效率最常用的综合性指标。从宏观经济的角度看，它是一次能源供应总量与GDP总量的比率，显然是个约束性指标，且是目前节能降耗考核的关键指标。［1］从能源消费结构来看，由于资源禀赋不同，同等标准量的不同能源，其热量值的利用程度是不同的，即同样单位的GDP，使用不同的能源品种，所消耗的能源总量也不同；从经济增长方式来看，粗放型经济模式主要依靠增加生产要素投入来扩大生产规模，而集约型经济增长则是通过技术进步和质量提升；从产业组合、地域分工来看，第一产业和第三产业的能源消耗较少，第二产业的能源消耗较大；从能源利用效率来看，能源利用的技术水平和能源生产、消费的管理水平越高，所消耗的能源量越少，单位GDP能耗也必然越小。国际经验表明，伴随着时代变迁和产业经济的发展与转型，万元GDP能耗经历了上升到下降的趋势。工业化时期，原材料消耗强度较高，大机械化生产的工业时代，能耗逐年上升，随着工业升级，社会进入后工业化时代，第三产业高速发展，单位GDP能耗不断降低。当前我国正积极走“新型工业化道路”，ECUG作为一个资源型指标，意义重大。

亿元投资新增GDP（The new GDP of one hundred million yuan investment，简写 TGMI，下同。），即每亿元投资成本下新增加的GDP总值，是从投资成本的角度来衡量投资效果的监测性指标。作为一个资本GDP相关评价指标，投资主要是从投资率和投资的边际产出率来进行分析。其中投资率反映了当年投资总量与GDP总量之间的比例关系，而边际产出率则反映了投资增量与GDP增量之间的比例关系。［2］从投资规模来看，“粗放型”的过热投资，盲目扩大投资规模，带来的是经济泡沫，极易引起通货膨胀；从投资效率来看，低效率的投资，无法优化反映CPI的经济约束指标；从投资结构来看，投资主要分为固定资产投资和非固定资产投资。在经济发展初期，投资对于经济增长具有直接的意义，投资直接拉动GDP增长。TGMI即是反映当前投资（资本）对于GDP增长速度的一个基准考量。

（二）耦合协调度模型

耦合原为物理学概念，耦合指两个或两个以上的体系或运动形式之间通过各种相互作用而彼此影响的现象，其反映各子系统之间协调发展的交集。耦合度则是用来反映各系统之间相互作用、彼此影响的强度。［3］本研究使用耦合协调度模型评价社会评价系统及内部要素的发展趋势。本文将从广东省已有的城市区域发展评价指标体系中筛选GDP相关评价指标进行耦合协调度计算。其中两个相关指标的分别为F（x）、F（y），借鉴物理学中耦合协调度模型，计算二者的协调关系，探索城市区域发展的综合性、整体性和协调性。

耦合协调度模型广泛运用于不同领域的学术研究中，不仅有对方法论的探讨和改进，也有对现实问题的分析与解决。此模型既可以解释指标与指标的关系，也可以解释系统（体系）之间的交互［4］，实践证明是一种比较成熟的科学的定量方法。（耦合协调作用机理以及耦合协调度模型图见图1、图2）

图1：耦合协调作用

图2：耦合协调度模型

综合评价流程耦合协调度模型构建的一般步骤：

（1）对原始数据进行标准化处理。

（2）借鉴物理学中的容量耦合概念及容量耦合系数模型，可得到二者的耦合度模型［5］：

其中C为协调度，K为调节系数，K与所选取的对象有关，本研究暂对两个指标进行分析，固k=1/2。C值越小说明两个系统越不协调，反之，C值越大越协调。

（3）计算耦合协调度D。为了更真实反映两个系统之间的协调发展程度，需要构建耦合协调度模型，此模型不仅能评判若干子系统的交互耦合协调程度，还可以反映系统综合水平的相对高低。借鉴已有学者的成果，计算公式如下［6］：

其中D为耦合协调度；C为协调度；T为综合评价指数；α β为待定系数，一般取值为0.5；k为协调系数，本文取k=2。当0＜D≤0.3时，为低度耦合协调；当0.3＜D≤0.5时，为中度耦合协调；当0.5＜D≤0.8时，为高度耦合协调；当0.8＜D≤1时，为极度耦合协调。

（三）指标和数据处理

1.数据来源

本文具体考察广州市2000—2010十年的ECUG与TGMI两个指标，从广州统计信息网获得数据，重点参考历年的统计年鉴、统计公报等资料。

2.指标的标准化处理

在综合评价中各指标往往存在向性、结构、单位、量级等差异，为了避免这些影响，我们要对指标进行标准化处理，包括一致化和无量纲化（见表1）。一致化是将极小型指标、居中型指标、区间型指标转化为极大型指标。亿元地区新增GDP是一个正向指标，可以直接计算，但是ECUG则属于一个负向指标。需要把负向指标转化为正向指标，从而达到一致化。由于避免出现负数的情况，弃用极值法，而采用倒数一致化的方法：

而后两组数据达到一致化，但由于单位、结构、属性的差异，仍需要采用无量纲化方法，对两组数据进行处理。无量纲化的方法比较多，诸如极差值法、线性比例法、几何极值法等等，为了把结果固定在0-1的量纲中，并且尽量是数据分配合理，采用几何极值法即：

表1：对原始数据的标准化（无量纲化）处理

（四）熵值法确定指标权重系数

熵［7］是物理学的概念，1948年 Claude E.Shanon将其引入信息论中，作为系统不确定性的量度。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。基于熵的特性，我们可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大。ECUG与TGMI作为城市区域发展评价设计中的两个并行指标，不同的评价体系、不同的测量版本、不同的研究导向，对其权重的设置大同小异。本研究使用熵值法来确定二者的权重系数差异（计算过程见表2）。［8］设有m个待评对象，n项评价指标的指标数据矩阵为，对于某项指标j，若各待评对象的指标xij值间的差距越大，则该指标在综合评价中所起的作用就越大；反之，作用越小。在信息论中，信息熵是系统无序程度的度量，其表达式为：

（1）计算指标xij在指标j下的权重

（2）计算指标j的 熵值ej

（3）计算指标j的差异性因数gj

对于给定的指标j，xij的差异性越小，ej则越大；当xij全部相等时，此时指标j几乎无作用；当各被评价的指标值相差越大时，ej越小，该项指标对于待评对象比较所起的作用越大。定义差异性因数向量为，其中则当gj越大时，指标越重要。

（4）原始权重的调整

用差异性因数gj对专家组给出的权重进行调整：

表2：熵值法计算两个指标的权重系数差异

（5）bj为专家给出的原始指标权重。经过归一化处理后，得到熵值法调整后的权重值

根据以上方法及公式，对无量纲化后的两项指标进行计算，得出不同年份两个指标的P值，其中 K值为 0.44294482，-K值为-0.44294482，进而得出e值分别为0.945126和0.927019665，差异系数g分别为0.06654874和0.0729805。最终通过两个差异系数比两者之和，得出两个指标相对重要程度（即耦合协调度公式中的待定系数）分别为0.500608096和0.49991904。

基于熵的特性，我们可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大。ECUG与TGMI作为城市区域评价设计中的两个并行指标，不同的评价体系、不同的测量版本、不同的研究导向，对其权重的设置大同小异。本研究即使用熵值法来确定两个指标之间的比重关系（权重系数）［9］，其依据在于通过时间序列数据的规律（信息熵）分析来探寻其对于评价实现的相对重要程度，本研究运用此方法，旨在探索对于城市区域发展评价而言，资源型GDP指标和资本型GDP指标哪个具有更有价值的信息熵，以实现科学的测量与评价。由上可以发现作为二者权重系数基本相当，可以理解为二者对于城市区域发展而言具有几乎同等的价值。

根据尺度政治的观点，不同行为主体根据自身的利益，借助自身的力量或引入第三方行为体扩大自身的力量，并通过控制、操纵尺度进行必要的尺度转换，以便选择对自身有利的尺度［10］。体现在评价尺度的把握当中，评价决策者的重要性判断及其选择偏好，与发之于客观数据规律的熵值法赋权，分别从主观和客观上实现对于权重把握的尺度重构。本研究表明：在经济发展（GDP增长）中，能源（资源）和投资（资本）均有几乎同等的重要地位，二者对于推进经济发展都至关重要。极其接近的权重系数，也凸显了二者之间是此消彼长、互相影响的关系。

三、基于广州案例的耦合协调度分析结果

根据上述模型，对2000-2010年间广州市ECUG（吨/万元）与TGMI（亿元/亿元）的基础数据展开耦合协调度分析。（计算结果见表3）

表3：2000-2010年广州市ECUG与TGMI的耦合协调度

表3使用了极大值法对原始数据进行了标准化处理，极大值法是以最大值为分母，通过每组数据与极大值的比例关系，可以有效呈现出数据的相对平衡性，原始数据处于同一个量纲上，再通过耦合协调度模型，算出两组指标的耦合协调度。数据呈现了中度耦合—高度耦合的发展趋势，表明一直处于较高的耦合协调状态。从2000年的0.91到2010年的0.62，ECUG呈现递减的趋势，这应归功于当前节能环保政治的引导，以及技术进步带来的新能源、新材料的发展。而TGMI大致出现增加的情况，但也有个别年份的偏颇。比如，2009年投资对于GDP的增加值降低，而且低到0.9的极限，导致二者的耦合协调度相应下降。低度耦合一方面反映出高能耗下产生的GDP增长只是表面的泡沫增长，与投资增加的增长速度不成正比，二者在促进GDP的高速发展中所起的作用不同。一方面，GDP的增长、经济的高速发展是以高能耗为代价的，另一方面又是以高投资增加的成本为筹码的。只有当能耗低、投资少而且耦合协调度较低时才是GDP发展是正确选择。这在政策上激发着政府部门降低能源消耗，减少固定资产投资，在发展经济的同时考虑到环境、能源问题，促进高效节能产业的发展，促使能耗与投资朝着高度耦合协调状态发展。

从耦合协调度趋势来看，两个指标的整体耦合协调度较高，呈现良好的发展态势，一直处于0.6以上的高度协调状态，在2003年和2010年出现了两个峰值，这两个年份，耦合状态达到最高，在2000、2001、2009年则略低。伴随经济的高速发展，以前的以能源、资源消耗为代价的粗放型经济发展方式不断向以科技创新、高新技术增长为动向的集约型转变。“绿色GDP”发展理念的推广和演进，便能源消耗强度不断下降，GDP的发展更多依靠新技术、新工艺的发展和投资的拉动。（耦合度与耦合协调度结果见图3）

图3：耦合度与耦合协调度雷达图

从表3可以看出，ECUG与TGMI的耦合度基本保持递增的趋势，从最开始的0.720741089到0.92251208，除了2009年的数值略低，伴随着时序的递增趋势，而且耦合作用较高，属于高水平的耦合协调状态。更加明显的是，耦合度与耦合协调度的变化趋势基本一致，具有极强的方向性。从图3的雷达图可以看出，在2000-2002年和2008-2010年这两个阶段，耦合协调度的变化幅度比耦合度更加明显，且耦合协调度的变化幅度完全在耦合度的可控区域内，且耦合协调度在样本期内逐年递增的趋势说明了两项指标之间一直向着更加有序、协调的状态发展。随着GDP的增长，能耗强度逐渐降低，投资对于GDP的拉到作用也日渐呈现良性运营状态。2009年的耦合度略有降低，源于原始投资对于GDP拉动作用的降低，2009年的能耗强度在0.65，处于增长趋势，但是亿元投资GDP增加值只有0.9，投资产生的效益降低，从而影响耦合协调度的下降。到2010年，能耗强度与投资拉动均达到新高，从而使两个指标的合成系统向着更高层次耦合协调状态发展。（见表4）

表4：2000-2010年广州市ECUG（吨/万元）与TGMI（亿元/亿元）标准化处理对比图

能源支撑与投资驱动对于GDP的发展与增长都是不言而喻的，但是二者对于GDP的作用趋势孰强孰弱，GDP的发展更依赖于能源消耗还是投资推动，依然是值得考量的学术问题。探究不同时段、不同政策指引下，能耗指标与投资指标的波动幅度，对于GDP相关评价指标的完善，政府政策的制定具有重要作用。通过Z-score方法计算出TGMI的综合指数，其重要意义在于Z-score的标准化方法能有效反映协调发展的水平方向和趋势，Z-score计算指数的向性一定程度上凸显了发展的有效性。在2000年到2006年之前，万元GDP能耗的综合指数呈现负值状态，说明能源的消耗强度过高，到2007年以后才逐渐呈现正向的发展态势。同样，2004年前，投资驱动对于GDP的发展强度也不高，而后有了一个良性的改善。运用极差值法处理后的D调耦合协调度与TGMI的Z-score计算指数也存在一些偏差，比如D调耦合协调度与ECUG的最大值、最小值均出现在对应的2010年和2000年，而TGMI的最大值、最小值则分别出现在2003年和2001年，可以看出TGMI的波动较大。

图4：2000-2010年广州市ECUG（吨/万元）与TGMI（亿元/亿元）耦合协调趋势图

图4通过极差值法，有效地把负值转化为正值，使得TGMI的Z-score与二者的耦合协调度处于一个标准之下。对比发现，ECUG呈现稳步上升的趋势，而TGMI波动较大。ECUG稳步向上，在2006年以前是低于TGMI的，也低于耦合协调度指数，这段时间对于耦合协调的贡献程度低于TGMI。但是2006年之后就出现较高的趋势。TGMI在2000年出现了一个峰值，在2009年出现了一个低谷，但是TGMI的峰值更高，ECUG的波动范围相对较小。二者耦合度与投资指标比较趋近。在此意义上，投资驱动相较于能源消耗更能够推动经济发展。分析发现，随着时间的推移，能耗指标对GDP的贡献程度稍逊于投资驱动的能动强度。产业结构的调整，使得传统的高耗能行业生产及用电量增长放缓，而能耗相对更加集约高效的高新技术产业增长较快，与此同时，工业发展的固定资产投资增长，也极大地刺激了经济的高速发展，表现为GDP的产出增速加快。（见图4）

四、基于广州案例耦合协调机制的尺度政治解读

（一）广州案例中资源型指标与资本型指标在考核评价中的耦合协调机制

哲学上讲，一切事物都处于一个相互联系、相互发展的系统之中，当各部门以合理、优化、有序的结构构成整体的时候，整体功能就大于各部分功能之和。［11］“耦合”一般指两个系统之间的相互依赖、相互协调、相互促进。耦合的核心是共生与协同。从内涵看，经济学角度的共生是指共生单元之间为了提高各自对环境的适应能力，展开功能上的合作，从而形成一种相互依存、优势互补、联系密切、相互促进发展的关系。基于循环经济的生态产业链共生耦合研究理论述评，为GDP各个环节的共生与耦合协调的统一性奠定了理论基础，共生与耦合协调都具有融合性、互动性、协调性等共同特征。

GDP的增长和经济的发展就是一个复杂的系统过程，能源消耗与投资拉动构成其两个子系统。GDP的增长很大程度上要依赖资源、能源的推动，尤其是第二产业、实体经济的需求更加迫切。投资对于国民经济的拉动也要在一个限度之内，否则，适得其反。［12］在GDP增长这个系统中，能耗与投资类似于两个子系统，具体表现为同向促进、负向制约、协同共赢的效应。

1.同向促进

同向促进即一种子系统的发展能促进另一子系统的发展，二者呈现统一的正向性，促进彼此的发展。比如投资增加，一方面能为新能源、新技术、清洁能源提供资金支持，这样传统非可再生能源的消耗就能降低，环境污染程度降低，同时又减少了环境治理成本，如此，呈现的将是一个高质量的“绿色GDP”效应。同样，能耗降低，提高了经济发展的效率，资源的分配更加优化、合理，自发减少GDP对于能源、资源的补贴成本，反过来也能在固定资产投资上增加GDP的份额。

2.负向制约

负向制约指某一子系统出现瓶颈，就会影响到另一子系统的发展。能源、资源的过多消耗，不仅直接影响GDP的增长，而且制约着社会资源在投资中的及时有效分配，影响经济发展的各个环节。比如从图5可以看出，2009年，投资对于GDP的拉动作用大幅度下降，导致两项指标的耦合协调度随之降低，这说明一方发展速度缓慢、运行不足，不能有效、流畅地与其他环节相匹配，就会制约其他环节乃至整个经济的发展与协调。这种负向作用，无疑成了阻碍GDP增长的瓶颈。

3.联动共生

联动共生、协同共赢常被认为是一种理想状态，即在一个系统中，各子系统能优势互补，共生共赢，通过合理、优化、有序的结构组合及排序，从而获得更大的效益和效果。GDP的增长呈现一个良性、高度协调的发展状态，需要各个系统以合理、优化的结构优势互补，正向推进。但是在实际发展中，由于主客观原因，每一个子系统都因本身的局限性而受到各方面的制约，而且部分子系统需要与其他部分有序衔接。比如，投资对于其领域的选择，投资对于GDP的拉动很大程度上是通过消费来实现的，消费中产生的环境污染、资源浪费又影响到能耗的强度。当投资的份额以合理的结构分配给新能源、新技术、新工艺的研发中，可能对于整个能耗强度都有相应的影响和助推作用。当能源的强度控制在一定的范围，而投资又分配到合理的领域时，这种有序衔接，必然带来GDP的良性增长与“质”的提升。

（二）尺度政治解读

1.投入和产出尺度

里昂惕夫最早提出投入—产出分析，是从经济学的视角来分析国民经济各部门生产投入和产品分配的平衡关系。投入的尺度应该在产出效果良好的范围之内。从投入的角度来看，GDP的产出与能源的投入分不开，能源投入不是越多越好，也不是越少越好，而应该限定在一定的比例之内。间接反映各项节能政策措施所取得的效果，起到检验节能降耗成效的作用。TGMI则直接从资本投入的角度来产出GDP。投资过多，会造成浪费，而投资不够，则可能造成有效需求不足。从某种程度上来说，两个指标代表了能源和资本方面的投入，最终结果都是要促进GDP的增长，而且是高效、合理、科学的增长。资源能源和投资的比例要严控在GDP增长的区间范围内，比如欠发达地区，一直以来能源型发展增加GDP产值较大，而有效投资不足，这种情况下，政府应该提高能源投入的产出效率，加大资金支持，为能源消耗带来的环境污染治理提供资金保障。

2.结构和功能尺度

在自然辩证法中，“结构”和“功能”组成一对范畴。结构层次及各要素之间是相互联系、相互作用的。有什么样的结构就会产生相应的功能。正是由于消费结构的不同，目前的能源包括传统的煤、天然气、石油、燃气，也广义到可燃冰等一些新能源，这些能源产出单位GDP所消耗的能源值是不一样的。比如，煤和天然气，都可以用于发电，但是产生同样价值的电能，煤的发电效率明显比天然气低。因此，能源的消费结构影响单位GDP能耗的大小。

投资也同样存在着结构的分层，固定资产在生产过程中可以长期发挥作用，长期保持原有的实物形态，也可以随着生产经营而转化为产品成本，构成产品价值。而非固定资产流动性较大，具有较大的风险性和不可控性。对于GDP的拉动作用，固定资产起着十分重要的作用，直接带动了经济的发展，但是投资过热则会带来负面效应。而非固定资产由于其不可控性，给经济增长带来了风险，这种不稳定性需要控制在一个合理的尺度范围内。不论是能源消费结构还是投资结构的分层，都应该把控在科学合理的区间范围内，才能发挥拉动GDP增长、促进经济良性发展的作用。

3.存量和增量尺度

增量是指某一时间段增加的量，存量是指到某一时点存在的量。增量和存量关系意指在单个指标评分中，增量和存量之间的对区域政策贡献的比例。在区域评价考核指标中，存量反映各部门工作现状，而增量反映各部门年度内工作成效。

不少城市区域发展评价体系中提到单位GDP能耗下降率，此下降是跟上一年比，本年的能耗下降程度，考察能耗下降率，间接计算出社会节能量或能源超耗量。将上年单位GDP能耗与本年单位GDP能耗的差与本年GDP（可比价）相乘，即可以算出本年的社会节能量或能源超耗量。当结果为正数时，表示本年比上年节能，当结果为负数时，表示本年比上年多用了能源。TGMI中，“新增”直接体现了增量的概念，在上一年的基础上，今年投资增加的GDP比例，也是反映经济发展对投资的依赖程度。存量只是已有状态，而增量则是反映一年内的效率，从增量方面来考量能源和投资的分配比例，以及其分别与GDP增长的匹配程度，值得研究。

4.规模和效益尺度

效益是发展的目标，而规模则是辅助方向。规模产生效益，规模经济效应即说明了这一点，大规模的能源开发利用，直接带动工业的大发展，大规模的固定资产投资，也为经济发展提供了资源保障。伴随着产业结构的升级，效益、效率、经济则更加重要，能源消耗要提高效率、增加效益，同时还要减少环境污染。大规模地扩大能源发展意义不大，而应该在保护非可再生能源的基础上，提高能源利用效率，比如新能源的开发、新技术的采纳。大规模的固定资产投资，也并未带来相应的效益，最明显的就是近年来的房地产泡沫，及其衍生的对虚拟经济和实体经济的影响。因此，能源发展和投资的规模都应该控制在一定的区间内，为GDP增长的效益服务。提高能源利用率，减少传统的非可再生能源的利用规模，而相应增加可再生能源、循环利用能源的规模。国家的投资计划应与财政预算挂钩，把投资过热的趋势降下来，有针对性地增加对欠发达地区的供给。

五、结语

在2016年的政府工作报告中，李克强总理首次提出经济增长预期目标为6.5%－7%。一方面，从侧面反映了新常态下经济发展有更多不确定性；另一方面，区间目标也反映了不唯GDP论的观点，意味着2017年的改革和调整将具备更大的空间。长期以来，经济发展由投资、消费、出口三驾马车拉动，投资在GDP的增长中起着不可估量的作用。传统产业尤其是工业发展，很大程度上依赖于能源资源的高消耗，这种“高投入—高产出”的粗放型经济发展方式带来的是能源资源浪费和环境污染。同时，“唯GDP论”中“量”的提高，严重影响了“质”的提升。

尺度政治中提出了事件发展的上移和下移，经济发展的投入与产出在一定程度上也体现了尺度的把握和掌控［13］。GDP相关评价指标本身没有任何问题，重视这一指标也没有任何问题。但该指标在实际使用中存在许多局限性，原因既有GDP相关评价指标自身构造上的缺陷，也有人为意志的扭曲。从某种意义上来说，GDP在微观上掩盖了隐性经济问题，中观上不能统筹分析经济、社会、自然领域相关要素之间的关系，宏观上未能充分体现科技进步对中国经济发展的潜在作用。关键是要通过体制机制的完善，通过发展方式的转变，不断减小GDP的资源环境代价，提高GDP的质量，并按照科学发展观的要求，将GDP增长的成果惠及全体人民。伴随着经济的高速发展，国民更期待经济增长，以获得更多的社会福利。美国经济学家诺德豪斯、托宾和萨缪尔森根据美国的统计资料分析得出：按人口平均的“经济福利尺度”或“纯经济福利”的增长远远落后于GDP的增长，发展福利型GDP是未来的一个趋势；设计更加标准、综合，能比较全面地衡量国家财富的指标体系，顺应时代发展潮流，把经济增长、社会发展和环境保护融为一体；依托已有研究与绿色GDP考核体系的成果，开发更加合理、科学的考核评价指标；优化GDP相关评价指标内涵，强化考核评价指标之间的多维测量功能。

诚然，本研究也存在一些纰漏，一方面，综合性指标本身就是一个复杂、合成的系统，诸如万元GDP能耗中包括能源、资源的消耗，而且不排除能耗中可回收再利用的资源，各个系统嵌入交互耦合作用过程之中，所以当前的研究分析只局限于表象的状态评价，尚无法展开深入研究；另一方面，由于数据资料来源有限，尚未形成有效的面板数据支撑、对比与检验，有待继续深入挖掘。

［1］欧育辉，等：《基于面板数据模型的能耗与固定资产投资关系的实证研究》，《管理学报》2009年第6期。

［2］李忠富，李玉龙：《固定资产投资对经济增长影响的关联度研究》，《哈尔滨工业大学学报（社会科学版）》2008年第25期。

［3］刘定惠，杨永春：《区域经济—旅游—生态环境耦合协调度研究：以安徽省为例》，《长江流域资源与环境》2011年第7期。

［4］刘耀彬：《城市化与生态环境耦合机制及调控研究》，经济科学出版社2007年版，第153-156页。

［5］刘耀彬：《中国区域城市化与生态环境耦合的关联分析》，《地理学报》2005年第2期。

［6］杨慧：《中国住房市场与土地市场协调性分析——基于耦合协调度模型》，《中国市场》2012年第9期。

［7］朱喜安，等：《熵值法中无量纲化方法优良标准的探讨》，《统计与决策》2015年第2期。

［8］［9］肖艳玲，刘晓晶，刘剑波：《基于熵值法的员工绩效指标权重确定方法》，《大庆石油学院学报》2005年第1期。

［10］刘云刚，王丰龙：《尺度的人文地理内涵与尺度政治——基于1980年代以来英语圈人文地理许的尺度研究》，《人文地理》2011年第3期。

［11］王海军，等：《我国东部地区产业集聚与金融发展的互动关系——基于耦合协调度模型的研究》，《北京交通大学报（社会科学版）》2015年第2期。

［12］孙启鹏，等：《通道运输方式的耦合机理及协调度模型》，《长安大学学报》2014年第5期。

［13］Flint,C&Taylor,P J..Political Geography:World-economy,Nation-state and Locality.New Jersey:Prentice Hall，2007:26-28.