合肥市区域经济中心地位的影响因素分析

高 畅 黄华继

（安徽财经大学，安徽 蚌埠 233000）

1 前言

1.1 研究背景

合肥市近年来区域中心的地位不断提高，经济发展势头增强，获得了诸多荣誉，如《经济学人》指定合肥市是世界增长最快的都市经济体，合肥市在福布斯《2011中国大陆最佳商业城市榜》中的人才创新指数排名靠前，《中国城市竞争力蓝皮书》指出合肥的发展潜力在十年内领先全国，英国《自然》杂志中国十大科研产出城市有合肥的影子，同时合肥获得2015年和2017年“全国文明城市”称号，2016年被评为“中国十大幸福感城市”，合肥市的发展成果举世瞩目。

在众多经济区域内合肥市都具备区域经济中心的作用，如它是合肥经济圈中心，皖江城市经济带核心，长三角城市群副中心和“一带一路”重要节点。

1.2 提出问题

在合肥市发展迅猛和不断发挥区域经济中心作用的背景下，促进合肥成为区域经济中心的影响因素有哪些？这些因素是通过什么方式影响合肥市的区域中心地位？

1.3 研究对象

本文设定区域经济中心的研究对象为合肥作为合肥经济圈中心城市，设定的影响因素是指对于合肥市发展成为区域经济中心以及合肥市维持区域经济中心作用有重要影响的宏观经济条件和指标。

2 合肥市作为区域经济中心的影响因素分析

为了寻找促进合肥成为区域经济中心的影响因素，本文对合肥市历史宏观经济数据进行垂直分析。

本文宏观经济数据来源为安徽省统计年鉴 （2013），合肥市国民经济与社会发展公报（2000—2016），第一次经济普查合肥统计年鉴（2004）以及Wind资讯金融终端EDB经济数据库。

2.1 农业——资源导向型发展驱动力

农业是提供国民经济建设与社会发展的基础产业，合肥市的农业发展可追溯到建国前的新民主主义革命时期。

表1 1932～2014年合肥市农业产量数据

表2 2005～2017年合肥市第一产业产值数据

由表1—2可知，建国前合肥市农业发展缓慢，但因农业改良试验机构的设置，稻米、棉花种植业有发展建设的基础[1]。新中国成立那年产量达到了百亿斤级，短短十几年增长了近120倍，农业发展的潜力被挖掘了出来。改革开放后合肥市农业发展迅猛，21世纪以来第一产业一直稳定增长，其中2011年达到了巅峰，2014年已跻身中国农业大市前列。

合肥市所在区位决定了其发展农业拥有得天独厚的资源基础，在形成地区增长极的过程中形成了以资源为导向的发展驱动力[2]，农业的发展为未来的工业化提供了人口空间和发展基础。

2.2 工业——集聚效应形成区域增长极

工业是国民经济的主导产业，作为国民经济体系中物质生产部门有着至关重要的作用。合肥是工业立市的典型代表，工业发展对于合肥成为区域经济中心有着不可替代的作用。

图1 1919～1991合肥市工业产值柱状图及趋势线

由图1可知，趋势线的回归模型R方均接近1，其拟合程度优秀，可以解释合肥市的工业发展趋势。1991至2015年工业产值呈一元二次反抛物线型增，说明合肥市改革开放后工业发展速度迅猛。

合肥的工业发展建立在其地区集聚效应的基础上，集聚过程一方面体现在吸引外省企业投资办厂和吸引周边城镇生产要素流向本市[3]，一方面体现在构建重工业产业链形成产业密度较大的工业经济规模，形成了规模报酬递增且具有一定区域垄断能力的增长极[4]。所以，从区域经济中心发展的增长极集聚效应角度分析，工业是合肥市形成区域经济中心的影响因素之一。

表3 1999～2013年合肥市GDP、固定资产投资数据

2.3 投资——资本密集型投资引导要素流动

投资与经济增长是相互关联相互解释的，投资具有创造供给和创造需求的效应，使得经济发展中要素流动，生产加快。

表4 2007～2015年合肥市制造业、房地地产投资占比（%）

从2006年开始，合肥的固定资产投资占GDP比重迅速增加，甚至在2008年后连续3年超过了100%。由此可见城市投资率逐渐增高，投资规模扩大。制造业投资在8年总共占据了固定资产总投资的32%，相对于房地产的24%，表明合肥市一直把实体经济投资作为投资的主体。

合肥市将工业作为产业增长极所形成的产业集聚效应让合肥市吸引了大量投资，在合肥市工业化进程的影响下，重工业的发展形成了资本集聚，而资本密集型的投资方式使得合肥市投资水平提高，提高了投资效率[5]。投资是让合肥发挥区域经济中心集聚效应的核心影响因素。

2.4 产业结构——梯度发展规律

合肥市产业结构比重变化如下图所示。

图2 合肥市产业结构变化

由图2可知，1980年至1990年，第一产业仍有30%左右的比重，第二产业保持接近50%的比重处于主导地位；1990年后，第三产业迅速发展，在2003年超过第二产业成为产业结构比重最大的产业。2003年到2012年，产业结构趋于稳定，呈现出工业化城市“二、三、一”的结构特点。

基于区域经济发展中普遍呈现的梯度发展规律，合肥市呈现出由经济发展水平高的第二产业向经济发展水平较低的第三产业逐步推进的梯度状态是符合区域发展普遍规律的，第一产业比重的减少说明合肥走出了轻工业化发展阶段，向着资本密集型的工业化阶段发展，第二产业比重趋于稳定说明基于产业比较优势的第二产业一直处于产业发展的主导位置，第三产业的发展更体现了服务型产业随着地区经济增长逐渐向主导地位靠近。

2.5 垂直分析结论

通过对农业、工业、投资、产业结构的宏观数据垂直分析，文章得出两个结论。

一是合肥市成为区域经济中心是多种影响因素共同作用的结果。其中农业在初期提供了以资源为导向的发展驱动力，工业的发展形成了区域经济中心的集聚效应，资本密集型的投资促进了生产要素在地区间的流动，最终反映在产业结构变化上的梯度规律。

二是合肥成为区域经济中心的发展过程是和其经济发展息息相关的。其沿袭到新中国成立初期，一直延续到今日，其轨迹可概括为农业——工业——投资，各因素迭代影响，在金融系统的不断健全和财政体系的逐渐优化下，合肥的区域经济中心影响力逐渐扩大。

3 三阶段DEA模型实证分析

为了进一步说明农业、工业和投资是区域经济中心形成和发挥作用的主要影响因素，本文运用三阶段DEA模型进行实证分析加以证明。

3.1 模型与方法

3.1.1 第一阶段DEA模型

首先运用的是传统的DEA模型，本文基于数据的类型，采取了投入导向型的规模报酬可变BCC模型，模型如下：

被评价决策单元DMUj0的效率值表示为θ，在DMUj0的基础上重新构造一个有效DMU组合中第 j个决策单元的组合比例记为 λj；其中 S-=（s1-，s2-，…，sm-）T，S+=（s1+，s2+，…，ss+）T为松弛变量。 当 θ=1且S-≠0或S+≠0时，被决策单元DEA弱有效；当θ=1且S-=S+=0时，则称被决策单元为DEA有效；当θ＜1时，则称被决策单元为非DEA有效。

本文对于合肥、合肥经济圈以及安徽省的农业、工业、投资对于经济发展的产出效率进行测算，运用DEAP2.1软件进行数据处理，将数据代入模型中，可测得农业、工业、投资投入产出的初始技术效率值（crste），分解为纯技术效率（vrste）和规模效率（scale），并得到规模报酬变化的情况（drs：规模报酬递减；-：规模报酬不变；irs：规模报酬递增），三项效率值均在0到1间，越接近1说明越有效。crste指GDP产出一定时，最小化农业、工业、投资的投入。crste接近1，说明DMU技术有效，三种投入带来的生产效率高。Vrste是指基于技术管理因素影响的生产效率，vrste接近1，说明DMU纯技术有效。Scale是指由于规模因素影响的生产效率，scale接近1说明规模有效，投入规模最优。规模报酬变化情况反映着在目前投入结构下增加投入能获得的产出增加值情况，drs为产出增加比例减少，-为处于最佳产出规模水平，irs说明产出增加比例增加[6]。

但由于该过程忽略了外部环境因素和随机误差效率值的影响，得出的效率值会有一定偏差。因此进入第二阶段分析。

3.1.2 第二阶段相似SFA模型

第一阶段DEA得到松弛变量值（产入和产出）受到环境因素、管理无效率和统计噪声的影响，故构建相似SFA模型，剔除上述外部环境因素和随机误差的影响，将被解释变量设定为第一阶段产生的投入松弛变量，将解释变量设定为环境变量，其选择标准为该变量要从外部对决策单元产生影响且不能被其控制。农业、工业、投资产出效率受各种外部因素的影响，本文选取了城镇金融机构存款余额代表的金融因素、人口总数代表的人口因素和地方财政收入代表的财政因素这三个因素作为重要的外部影响因素即环境因素。对于管理无效率和统计噪声采取分解处理。

（1）金融因素

一个地区的金融发达程度决定了经济体资源配置的效率，进而影响各个生产部门对经济发展的产出效率，本文选取了城镇金融机构存款余额来反映该地区的金融发展程度。

（2）人口因素

人口情况是影响地区劳动力水平和就业水平的重要影响因素，同时生产函数中对于劳动力的定量描述反映了劳动力发展对于经济发展的重要程度。本文选取了人口总数来反映该地区的劳动力水平。

（3）财政因素

政府的引导和政策的支持在部门发展中的作用十分巨大，政府财政力量的高低一定程度上提供了地区经济发展的后劲，同时也能反映该地区经济发展的成果。本文选取了地方财政收入来代表财政因素。构建的相似SFA函数如下：

其中，Sm是第i个决策单元中第n项投入的松弛值；Zi是环境变量，βn是环境变量的系数；υni+μni是混合误差项， υni～N+（0，σ2vn）表示统计噪音， μni≥0 表示管理无效率。 假定 μni～N+（0，σ2μn），并且 υni， μni和Zi之间相互独立。特别的，γ = σ2μn/（σ2μn+ σ2vn）代表管理无效率方差占总方差的比重，若 γ 近于 1，则表明管理无效率占主导地位；若γ趋近于0，则表明随机误差的影响占主导地位。

为了把υni从υni+μni中提出，本文借鉴Jondrow的方法如下处理，得到对于μni管理无效率的条件估计，由此可得到 υni统计噪音条件估计的测算模型：

综合上述过程，调整模型如下：

运用Frontier4.1软件进行数据处理，将第一阶段DEA获得的总投入松弛变量设定为因变量，以金融因素、人口因素、财政因素等环境变量为自变量，经过相似SFA回归得到回归结果图，观察环境变量是否在0.01，0.05，0.1的水平上，通过T检验来检验该模型估计的有效性，从而说明总体上环境变量对于投入冗余产生的显著影响。

3.1.3 第三阶段DEA

3.2 变量与数据说明

为了达到较好的模型解释效果，使DEA和SFA过程能真实反映农业、工业、投资的发展对于合肥经济发展效率的情况，本文选取了2005年到2011年共11组第一产业产值（亿元）、工业总产值（亿元）、固定资产投资额（亿元）作为投入项，GDP产值（亿元）数据为产出项，进行时间序列的DEA模型分析，同时在DMU的选择上将合肥经济圈内的地级城市六座、合肥经济圈所有城市的平均值和整个安徽省作为决策单元，DMU为8个，大于产入产出值的两倍以消除数据量不足带来的结果偏差。在环境变量的选择上，选取了城镇金融机构存款余额（万元）代表的金融因素、人口总数（万人）代表的人口因素和地方财政收入（亿元）代表的财政因素这三个因素以消除外部因素和误差带来的影响。

3.3 实证研究结果

3.3.1 第一阶段DEA-BCC模型

各个决策单元投入产出的初始每一期平均效率如下表所示：

表5 DEA-BCC模型DEAP结果图——第一阶段

由表5可知，该时间区间内技术效率crste在0.4到0.9的范围内波动，平均值为0.702636，技术效率变化幅度较大，DMU技术有效性不显著，分离crste来看，纯技术效率vrste在0.6到1的范围内波动，平均值为0.872727，纯技术效率较高，而规模效率scale则在0.4到0.9内波动，均值为0.743，效率不高。说明在合肥经济圈内的产出位于技术有效的边缘上，但需要在规模效率上进行改善。这也从侧面说明了城市发展的规模经济效应对于产出有着重要的影响。

3.3.2 相似SFA模型

按照上文设定自变量和因变量进行SFA回归分析，结果如下表所示：

表6 Frontier相似SFA结果图

根据 t值分布表，1.64＜=|t|＜1.96，表示在 0.10 显著性水平显著；1.96＜=|t|＜2.58，表示在 0.05 显著性水平显著；|t|＞=2.58，表示在0.01显著性水平显著，对于beta1，beta2，beta3代表的环境变量t值观察可以发现，其均在1%显著水平显著，表明环境变量对于第一阶段DEA的松弛变量有显著影响。故有必要应用SFA过程进行投入的修正，以及对管理无效率和随机因素的剥离。

3.3.3 第三阶段DEA－BCC模型

将投入调整后的投入值和原产出值再次进行DEA模型分析得出下表：

表7 DEA-BCC模型DEAP结果图——第三阶段

值得注意的是，在进行投入调整后，效率值获得了较大的提升，技术效率crste、纯技术效率vrste、规模效率scale均处于十分接近0.9的情况，之前的规模效率低效率情况已不存在，整体效率较优且模型有效。说明环境变量和随机因素对效率值的影响较大，运用三阶段的DEA模型能够合理解释农业、工业、投资投入对于GDP产出的效率正面影响。农业因素、工业因素和投资因素是促使合肥市经济发展的主要影响因素，也是促使合肥市成为区域经济中心的影响因素。

但同时规模报酬递减的情况（drs）明显增多，说明在经济发展的过程中，原始的投入结构已不能适应新的经济发展模式，需要调整投入的方式和比例以期达到更高的产出比例。这也契合我国目前提出的新经济理念，开辟新兴产业发展新道路，在原有的产业基础上进行创新式发展。

4 合肥市区域经济中心影响因素的影响方式分析

4.1 合肥市工业发展的产业集聚效应分析

4.1.1 产业集聚

产业集聚是一种经济地理现象，反映了产业活动在地理上集中的特征和规律，最终体现为生产某种产品的企业，以及企业配套的上下游企业和相关第三产业，在一定区域内呈现高度聚集的状态，集聚的原因一方面是指向性集聚，一方面是经济联系集聚。合肥市的工业发展过程中，利用其区位优势和资源优势，集聚了大量工业企业和配套产业，形成了工业化的基础[7]。

4.1.2 区位熵

为了衡量合肥市工业产业集聚水平，本文引入了区位熵概念，这是盖哈特提出的一种衡量一定区域空间内要素的分布情况的指标。从公式解读中可以看出区位熵为某区域中产业占有的份额与整个经济中该产业占有份额之比，反映该产业的专业化程度[7]，其公式如下：

LQij就是i地区j产业的区位熵，Qij为i地区j产业的相关指标（例如产值）；qij为i地区j产业的就业人数，Qk指在更大范围内j产业的相关指标；qk为更大范围内的j产业就业人数。LQij＞1时，说明i地区的区域经济在更广阔的的范围内更具有优势，具有产业的集聚效应，LQij越大，集聚能力越强，产业集聚水平越高。

本文设定i地区为合肥市，更大范围设定为合肥经济圈六个地级市之和，Q为工业总产值，q为就业人数，得到合肥市的工业区位熵值如下表所示：

表8 2000～2015年合肥市工业区位熵计算

由表8可知，从2000年到2015年合肥市的区位熵一直大于1，工业产业集聚水平保持在较高的水平上，足以证明工业的集聚效应显著。同时，区位熵随着时间的推移有减少的趋势，是因为合肥市在发展过程中提高了对第三产业的金融、服务业的投入以获得更大的经济发展效率，符合经济发展的梯度规律特征，故传统的工业集聚能力在整体劳动力的迁移和产业转移过程中有所减少，从而为其他新兴产业、第三产业的发展提供空间，形成创新驱动的新型发展驱动力。

4.2 合肥市投资引导的要素集聚效应

4.2.1 要素集聚

集聚效应中众多要素的聚集会促进区域经济的发展，正如合肥市工业发展过程中通过吸引外资投资办厂，促进周边城镇要素流动，资本密集型的投资带动消费和产业关联，形成了经济区域发展的核心地位。

4.2.2 投资存量密度

为了衡量合肥市投资的要素集聚效应，本文引入陈得文提出的投资存量密度概念，投资密度为投资量与区域面积之比，反映投资要素的集聚水平[8]。其公式为：

δij为j地区i类投资的投资密度，Qij为j地区i类投资总额，Sj为地区j的面积。δij越大说明投资引导的要素集聚效应大。

4.2.3 劳动生产率

为了反映要素集聚对于产业发展的促进作用，本文选取了全员劳动生产率作为衡量产业发达程度的指标[9]，全员劳动生产率的计算公式为工业增加值除以全部从业人员平均人数，反映着部门经济活动的整体水平和积极性。

4.2.4 OLS模型实证分析

本文设定j地区为合肥市，Qij，Qzj分别为固定资产投资总额和外商投资总额，Sj为合肥市市区面积，得到 δij，δzj如下表所示：

表9 2006～2015年合肥市投资存量密度和劳动生产率数据

将δij，δzj设定为自变量，GDP为因变量，进行OLS最小二乘法回归得出回归结果如下表所示：

表10 SPSS的OLS回归总结果

表11 SPSS的OLS回归方差分析

由表10-11可知，运用OLS回归模型得出的调整R方为0.817，接近1，表示该回归关系可以解释因变量81.7%的变异，对观测值的拟合程度很好。方差分析表Anova中，F值为21.066，显著性Sig值为0.001，即P＜0.01，在99%的置信区间下显著，模型的显著性十分优秀。因此固定资产投资存量密度和FDI存量密度对于合肥市经济发展的影响是正向的，投资产生的要素集聚效应与合肥市的经济发展正相关，证实了投资是促进合肥成为区域经济中心的影响因素。

5 结论与建议

5.1 结论

合肥市成为区域经济中心是农业、工业和投资三种影响因素共同作用的结果，农业在初期提供了以资源为导向的发展驱动力，工业的发展形成了区域经济中心的集聚效应，资本密集型的投资促进了生产要素在地区间的流动，最终反映在产业结构变化上的梯度规律上。

为了进一步说明影响因素的可靠性和影响力，本文进行了三阶段DEA模型实证分析。经过SFA分解松弛变量后的DEA结果表明，农业、工业、投资的投入产出效率高，促进了合肥市发展成为区域经济中心。

促进和维持合肥发挥区域经济中心的影响因素发挥了集聚效应，体现在合肥作为增长极的极化效应使资金、能量、信息、人才等向发达地区集中，以工业为驱动力吸引外省企业投资办厂和吸引周边城镇生产要素流向本市形成规模经济，吸引了大量投资。为了证明集聚效应的大小和促进经济增长的作用，本文引入区位熵和投资存量密度的概念进行衡量，通过投资存量密度和劳动生产率的回归分析发现拟合程度优秀，投资与经济发展程度高度相关。

5.2 发展建议

为了让合肥市更好地在合肥经济圈内发挥区域经济中心的作用，本文给出建议如下：

一是发展先进制造业。依据我省工业和信息化规划体系要求，依据装备制造、汽车和新能源汽车、电子信息制造、软件和大数据、食品、原材料、医药行业等7个行业规划发展新兴产业。继续发展“中国声谷”孵化区，26个新能源产业项目，积极引进高端项目、技术和人才，打造产业链形成集聚效应。二是加强交通枢纽建设。充实合肥经济圈市域铁路发展规划，加速推进合芜、合宁、合武、合九的电气化改造，扩大合肥的交通区位优势。完善“一环八线”高等级公路网络，加快推进江淮运河建设构建高等级水运网，市内进行16条地铁线路建设，发挥交通便利的优势推动经济发展。三是发挥科教中心优势。基于“合肥市综合国家科学中心方案”[10]，打造高端基础科学研究和重大技术开发的输出地。建设如北航合肥科学城、中科大国际金融研究院的产学研基地，打造协同创新平台。