安徽省新型城镇化效率时空格局及影响因素

陈晓华，胡佩君

（1.安徽建筑大学 建筑与规划学院，安徽 合肥 230022；2.安徽省城镇化发展研究中心，安徽 合肥 230022）

党的十九大报告提出“以城市群为主体，构建大中小城市和小城镇协调发展的城镇格局”，2019年政府工作报告也提出“提高新型城镇化质量”。新型城镇化是我国支撑经济和社会稳定向好的支柱，对实现全面建成小康社会有着重大意义。2014年，《关于印发国家新型城镇化综合试点方案的通知》将安徽省列为国家新型城镇化综合试点地区。因此，将安徽省作为研究对象，测度新型城镇化效率，分析新型城镇化效率时空格局特征，对于促进安徽省高质量发展有着重要的意义。

一、文献综述

自党的十八大以来，新型城镇化受到学界关注，国内学者采用定量方法对新型城镇化效率进行了分析。从研究方法来看，有运用超效率的SBM模型进行城镇化效率测度的研究成果，如褚远恒（2017）选取考虑了非期望产出的超效率SBM模型对重庆市城镇化效率进行了研究。陈立泰和梁超（2014）选取中国城镇化加速发展阶段（2003—2010年）的地级及以上城市作为研究对象，运用超越对数生产函数随机前沿模型，从人口、经济、空间、社会四方面分析了城镇化效率。王晓云（2017）等以甘肃省12个地级市为例，选用DEA模型评价城镇化效率。熊曦等（2021）、张明斗等（2012）使用DEA-Malmquist模型测度城镇化动态效率。相关研究者对安徽省新型城镇化效率亦进行了初步评价，认为安徽省新型城镇化发展效率一般，提出规模效率是决定新型城镇化效率的重要原因，但其决定作用在下降。已有研究多是针对案例区域城镇化效率水平进行测度，对时空格局演化特征关注不够，城镇化效率影响因素的揭示与分析还有待进一步深化。基于此，本文以安徽省16个地级市为例，运用相关计量模型，从动态和静态两个角度评价新型城镇化效率，探讨安徽省城镇化效率演化特征和空间特征及其影响因素。

二、研究区域与研究方法

（一）研究区域与数据来源

安徽省位于华东地区，地处长江、淮河中下游，长江三角洲腹地，东连江苏、浙江，西接湖北、河南，南邻江西，北靠山东。2010—2019年10年间安徽省常住人口城镇化率增长12.61%，2019年年末达55.81%，城镇化水平总体呈上升趋势，与邻省和全国的差距逐渐缩小，但新型城镇化率仍有一定差距，未来发展中应进一步提升新型城镇化水平。

本文研究数据来源《安徽统计年鉴》（2011—2020）、《安徽省国民经济和社会发展统计公报》（2011—2020）及安徽省16个地级市的统计年鉴（2011—2020）。

（二）安徽省新型城镇化效率评价指标体系构建

参考相关文献，充分考虑安徽省新型城镇化的实际情况及数据的完整性、获取的可能性，构建安徽省新型城镇化效率评价指标体系，见表1所列。

表1 安徽省新型城镇化效率评价指标体系

（三）研究方法

1.DEA-Malmquist指数模型

采用DEA-Malmquist指数模型分析安徽省新型城镇化效率近10年的动态变化。Malmquist指数是由Fare等发展改进而来的，被广泛地应用到效率评价研究中。Malmquist指数分析新型城镇化效率可以对多个城市不同时间段进行分析，进一步分解成技术效率变化及技术进步变化。因此，本文采用DEA-Malmquist指数模型来测算近10年安徽省16个地级市新型城镇化效率的动态变化，其计算公式如下：

技术效率变化指数可进一步分解：

2.DEA模型

DEA模型通过对决策单元投入和产出限定不变，运用线性规划方法构建相对有效生产前沿面，将各决策单元投影到生产前沿面上，比较各决策单元与生产前沿的偏离程度，来评价各决策单元的相对有效性。DEA模型分为基于规模报酬不变的CCR模型（公式3）和规模报酬可变的BCC（公式4）模型。其公式分别为：

3.灰色关联分析

运用灰色关联模型来测算安徽省新型城镇化效率影响因素与效率的关联度，方法如下：

公式（6）中

ρ

=0.5。

（4）计算关联度：

三、结果与分析

（一）新型城镇化效率整体呈上升态势

运用DEAP2.1软件，基于DEA-Malmquist指数模型测算出安徽省16个地级市2010—2019年的Malmquis指数与分解（见表2所列）及各时间段Malmquis指数与分解（见表3所列）。

表2 安徽省2010—2019年16个地级市Malmquis指数与分解

续表2

表3 安徽省16个地级市各时间段的Malmquis指数

从时间上来看，2010—2019年安徽省新型城镇化效率逐步提升。安徽省Malmquis效率指数均值为1.006，表明近10年城镇化效率呈上升趋势。对Malmquis效率指数的构成分析得出，城市规模效率为1.001，纯技术效率为0.998，表明制约安徽省新型城镇化效率提升的主要原因是技术水平的无效变动，对新型城镇化发展产生阻滞作用，而城市规模效率为有效变动，促进新型城镇化发展。从表3可以看出，2015年前安徽省新型城镇化效率小于1，2015年后大于1，新型城镇化效率不断提升，安徽省新型城镇化效率处于良性发展的状态。深入分析后发现，2015年之后安徽省技术进步指数均大于1，规模效率也在逐年上升，因此，2015年之后的技术进步是安徽省新型城镇化效率提升的主要原因。

（二）新型城镇化效率区域差异显著

1.新型城镇化动态效率

从空间分布来看，安徽省新型城镇化效率的特点为中部高、南北低，区域差异明显，如图1所示。皖中地区的Malmquist指数为1.038，皖北、皖南地区分别为0.992、0.998。皖中地区的Malmquist指数大于1，新型城镇化效率处于上升阶段，新型城镇化良性发展。而皖北和皖南地区的Malmquist指数均小于1，且低于安徽省的平均水平，新型城镇化效率下降。安徽省9个城市的新型城镇化效率呈递增趋势，其中，皖中地区有4个，皖北地区有2个，皖南地区有3个。皖中地区新型城镇化效率处于良性增长阶段，合肥、滁州、六安和安庆四市增长率分别为4.9%、5.8%、1.4%和2.9%。以上结果表明，皖中地区在新型城镇化推进过程中土地、劳动力、资本及能源要素的投入较为合理，技术进步指数为1.038，大于1，说明技术进步是皖中地区Malmquist指数上升的主要原因。皖北地区宿州和蚌埠两市的新型城镇化效率处于递增的阶段，亳州市的全要素生产率为1，新型城镇化效率处于相对稳定状态，剩余的3个城市新型城镇化效率呈递减趋势，技术进步指数均小于1，面临着技术升级、提高生产效率的问题。皖南地区新型城镇化效率递增与递减的城市各占一半，池州市和黄山市的新型城镇化规模效率指数均为1，而技术进步指数分别为0.963和0.966，说明新型城镇化效率下降的主要原因是技术水平的无效变动。铜陵市的技术进步指数与规模效率指数均小于1，说明技术水平与规模效率下降共同导致了城镇化效率的下降。

图1 安徽省2010—2019年新型城镇化动态效率

综上所述，Malmquist指数大于1的城市有合肥市、宿州市和滁州市等九市，表明近10年这9个城市的新型城镇化效率提升，处于良好的发展状态。淮北市、淮南市和阜阳市等6个城市的新型城镇化效率处于下降状态。安徽省16个地级市中，滁州市的效率最高，为1.058，铜陵市的效率最低，为0.924，相差0.134。滁州市地理区位优越，位于苏皖两省交界地带，合肥都市圈与南京都市圈交汇地区，依靠两大都市圈承接产业转移，促进了城镇化的发展。此外，“虹吸效应”抑制了合肥周边城市新型城镇化效率的提升。合肥市作为安徽省的省会城市，拥有良好的基础设施、医疗教育资源、就业机会，是长三角城市群的副中心城市，对安徽省其他城市的发展要素有更大的吸引力，因此，人口、资金、技术及管理等要素向合肥市集聚，从而抑制了周边地区的发展，加大了合肥市与周边城市的新型城镇化发展的差距。

2.新型城镇化静态效率

使用DEAP2.1软件，运用基于投入导向的DEA-BCC模型，计算2019年安徽省16个地级市新型城镇化的静态效率，结果见表4所列。

表4 安徽省2019年16个地级市城镇化效率及规模报酬

从综合效率角度来看，安徽省新型城镇化效率良好，呈现出东南高、西北低的特征，如图2所示。2019年，安徽省16个地级市中62.5%的城市新型城镇化发展能够实现DEA有效，分别是合肥市、滁州市等10个城市。这10个地级市的综合效率值为1，技术效率值和规模效率值均等于1，表明这些城市在新型城镇化发展过程中的投入和产出达到了最佳配置状态，各要素投入在有效的前提下达到了最佳规模，且能够实现新型城镇化投入最佳规模状态下的利用效率。其中，新型城镇化效率无效的城市是宿州市、蚌埠市及安庆市等六市，其中六安市的新型城镇化效率最低，仅有0.885，低于安徽省平均水平。

图2 2019年安徽省新型城镇化静态效率

从纯技术效率的角度来看，2019年安徽省新型城镇化的纯技术效率较高，均值为0.971，安徽省16个地级市中有10个城市的纯技术效率超过了均值，有6个城市的纯技术效率低于均值，其中宿州市、蚌埠市、阜阳市和铜陵市的纯技术效率大于0.9，接近最优前沿面。六安市和安庆市的纯技术效率低于0.9，相对较低，有较大的上升空间。

从规模报酬的角度来看，2019年安徽省16个地级市中62.5%的城市规模报酬不变，这些城市的城镇化要素投入达到了DEA有效的最佳投入规模。处于规模报酬递减的城市有4个，分别是宿州市、蚌埠市、阜阳市以及铜陵市，需要优化投入产出结构以达到最优的规模水平。处于规模报酬递增的城市分别是六安市和安庆市，表明通过扩大规模来提升效率不可行，需要加大投入要素的力度和使用效率，从而达到城镇化要素投入有效性和最优规模。

安徽省东南部城市如滁州市、马鞍山市、宣城市及芜湖市，紧邻苏浙，是南京都市圈的重要成员，也是皖江城市带的重要组成部分。这些城市充分利用优越的地理交通区位、资源优势、人力资源优势、政策优势等抢抓机遇，强化产业转移承接，积极推进与南京都市圈全方位合作。随着南京都市圈“空间溢出效应”的增强，推动了安徽省东南部城市新型城镇化的高质量发展。

（三）安徽省新型城镇化效率影响因素分析

为进一步探究影响安徽省新型城镇化效率的影响因素，参照已有研究确定安徽省新型城镇化效率的影响因素指标。运用SPSSAU软件，采用灰色关联模型计算各指标与城镇化效率的关联度，结果见表5所列。

表5 安徽省新型城镇化效率影响因素关联度

通过表5可以看出，人口规模和人口密度与新型城镇化效率的关联度大于0.9，具有很强的关联性，表明人口规模与人口密度是影响安徽省新型城镇化效率的主要因素。人口规模扩大促使城镇规模扩张，带动基础设施建设，但人口密度过大会给城市的服务设施和基础设施带来负担，影响城市的运行效率。常住人口城镇化率、第二产业占生产总值比例、人均城市道路面积、建设用地面积、城镇从业人口及第三产业占生产总值比例与新型城镇化效率的关联度大于0.8，具有较强关联性，表明这6个因素是影响安徽省新型城镇化效率的重要因素。2019年末，安徽省常住人口城镇化率达55.81%，处于城镇化中期加速阶段，农业人口大量进入城市，城市人口快速增加，城市规模扩大，进而对城镇化效率产生影响。第二产业占生产总值的比重和第三产业占生产总值的比重与效率的关联度分别为0.879、0.840，排名分别为第四、第八，说明产业结构对城镇化效率的影响较大；人均城市道路面积和卫生机构床位数等城市基础设施指标对城镇化效率的影响作用较强，说明完善的基础设施体系对城市的运行效率具有积极作用；城镇从业人口与效率的关联度为0.853，排名第七，表明劳动力资源的投入对新型城镇化的良好发展有着一定的促进作用。虽然非农产值、城镇固定资产投资和社会消费品零售总额与新型城镇化效率的关联度排名靠后，但是关联度都大于0.6，说明这3个因素对安徽省新型城镇化效率的提升影响程度相较于其他因素较弱，但也有一定的影响力。

四、结论与建议

（一）结论

本研究通过构建城镇化效率评价指标体系，运用DEA-Malmquist、DEA-BCC模型分析了安徽省新型城镇化效率的时空格局，采用灰色关联分析了城镇化效率影响因素，得到如下结论：

（1）安徽省新型城镇化效率整体呈上升趋势。2010—2019年安徽省新型城镇化Malmquis指数为1.006，表明近10年安徽省新型城镇化效率逐步提升，但上升幅度较小，技术效率与规模效率的有效变动促进了城镇化效率的提升。

（2）安徽省新型城镇化效率区域差异明显，中部高、南北低。技术进步是促进皖中新型城镇化效率上升的重要推动因素。2019年，合肥市、淮北市、滁州市等10个城市达到了DEA有效，宿州市、蚌埠市、阜阳市等6个城市DEA无效。DEA无效城市中宿州市、蚌埠市等3个城市处于规模报酬递减，处于规模报酬递增的是六安市和安庆市，无效城市效率损失原因各有不同。

（3）人口规模和人口密度对安徽省新型城镇化效率表现出显著影响，城镇发展水平、产业结构、城市基础设施建设、城镇规模及劳动力等因素都对新型城镇化的高效发展有着不同程度的影响。

（二）建议

高质量发展是“十四五”时期我国社会经济发展的主旋律，新型城镇化是区域高质量发展的重要抓手。基于城镇化效率分析结果，提出安徽省新型城镇化发展的对策建议：

（1）坚持创新驱动发展，提升新型城镇化效率。科技创新是经济社会发展的生产力，是助推新型城镇化高效率发展的核心动力。安徽省科技创新成效显著，创新能力居全国第一方阵。因此，安徽省应进一步强化原始创新，推进国家实验室建设；强化技术创新，加大研发经费投入，完善科技创新相关政策；加强区域创新，紧抓“十四五”发展机遇，推动G60科创走廊建设，强化产业创新，加强产业协同发展；强化人才支撑，持续优化创业环境，积极完善落实人才引入政策、人才扶持政策及创新创业激励政策。

（2）加快产业结构升级，助推城市高效运行。产业结构调整升级是安徽省新型城镇化高效、健康发展的关键。产业结构对城镇化效率的影响较大，合理的产业结构可以推动经济社会的发展、有利于提高城市的运行效率。因此，安徽省应大力发展现代产业体系，推动先进制造业集群发展，因地制宜制定发展策略。

（3）提高中心城市地位，增强辐射带动作用。加强中心城市与周边城市的协调运作，有利于推动城镇化的高水平发展。2019年安徽省规模效率为0.996，表明规模无效，城镇集聚效应没有充分发挥，需提升中心城市的影响力。合肥市作为安徽省的省会城市，对长三角经济区、合肥都市圈及南京都市圈都有着重要的影响力，应充分发挥承东启西的区位优势，以合肥都市圈的发展助推江淮城市群的建设。加强合肥与周边城市的功能联系，促进合宁双圈一体化发展，增强空间凝聚力，形成安徽省高质量发展的引擎。