黄河流域城镇化效率的分异特征及影响因素分析

刘同超

(许昌学院 商学院，河南 许昌 461000)

0 引言

2021年，我国常住人口城镇化率为64.72%，户籍人口城镇化率为46.70%，远低于发达国家和发展中国家的平均水平。我国城镇化还有较大的发展空间。但随着我国经济的高速发展，生态环境逐渐成为重要的约束条件，城镇化与生态环境有着极为密切的关系，如何在保持良好生态环境的前提下实现城镇化高质量发展是目前最为迫切的问题，实现城镇化与生态环境的高质量发展成为城镇化发展的重要议题。

城镇化效率能够体现城镇化发展的水平和质量。城镇化效率是指在城镇化发展进程中各种要素的利用效率。城镇化效率将人力、物力和资本作为投入要素，将人口、经济、社会和空间的城镇化率作为输出要素，分析不同区域的城镇化效率，进而得出不同区域的城镇化水平和质量，能够指明城镇化发展的方向，提高城镇化发展的水平和质量。目前关于城镇化效率的研究主要有3个方面：第一，研究内容。主要分析城镇化效率的影响因素[1-2]、评价指标[3-4]以及演化趋势[5-6]。第二，研究方法。少数采用参数法[7]，大多数采用DEA模型[8]、DEA-BCC模型[9]、 ESDA模型[10]、SBM模型[11]、Fare-Primont指数[12]、Malmquist指数[13]、随机前沿模型[14]等研究方法分析不同区域在不同约束条件下城镇化效率的空间分布特征。第三，动力驱动方面。对于城镇化发展而言，其动力主要为农业现代化,其次分别为工业现代化、服务业现代化和制度动力。农业现代化能促进农村劳动力的剩余，使得农村劳动力迁移至城市；工业现代化能够促进产业结构动态调整，使得产业促进城市发展；服务业现代化能够带来劳动力需求，促进城市服务业发展；制度动力能够促进生产要素的动态调整，促进劳动力在不同行业的动态转移[15]。许多学者对城镇化的影响动力进行研究，包括绿色经济[16]、工业用地[17]、农产品产业[18]、金融行业[19]、生态环境[20]、服务业[21]、资源[22]、旅游业[23]、人口就业[24]等方面，并对提高城镇化发展水平的实施路径进行探讨。

国内外对城镇化效率的研究已经取得丰硕成果，但还存在一些改进空间。在研究内容上，城镇化效率忽视时代特征，部分学者在研究城镇化效率时忽视了生态环境对城镇化效率的影响，或将环境污染作为城镇化的要素投入，不符合环境污染的非期望特征。在研究方法上，城镇化效率的研究内容的局限性决定了研究方法的适用性，评价指标的变化往往会带来研究方法的变化，而区域城镇化发展水平具有差异性，往往会忽视地理因素对城镇化效率研究方法的选择。在动力驱动方面，只考虑单一或少数因素对城镇化演化趋势的影响，忽略了城镇化发展的多要素禀赋，缺乏分析城镇化发展的系统性。

黄河流域生态保护与高质量发展成为国家战略，黄河流域生态环境保护成为黄河流域发展的重要方向，而黄河流域的生态环境作为城镇化发展的重要约束条件，其与黄河流域城镇化发展如何保持协调成为重要议题，黄河流域的城镇化发展与生态保护的关系决定了城镇化发展转型方向。因此，本研究选择黄河流域城镇化效率为对象，科学分析影响城镇化效率的因素，构建黄河流域城镇化效率指标体系，采用超效率非期望SBM方法和空间相关度方法分析黄河流域城镇化效率的时空分异特征，并采用地理探测器分析不同影响因素对黄河流域城镇化效率的驱动机制，进而提出黄河流域城镇化发展策略，为黄河流域城镇化发展提供借鉴。

1 研究区域与指标体系

1.1 研究区域

黄河流域主要包括青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9个省份，其中部分地级行政单元并非黄河流域，而且存在部分城市数据缺失情况(四川省仅甘孜藏族自治州和阿坝藏族羌族自治州属于黄河流域，但其数据难以获取，故不包含在研究区域内)，参考已有研究成果[25-28]，选取67个地级市(州)作为研究对象(图1)。同时考虑时间的影响和数据的获得性，选取2010年、2015年、2020年3个时间节点对该区域的城镇化效率进行研究。

图1 研究区域

1.2 指标体系

根据已有研究成果[1-4]，将城镇化效率的指标体系划分为投入、产出和非期望产出3个方面(表1)。为刻画城镇化效率的时代特征，区别已有研究范式，将生态环境方面要素从投入要素调整为非期望产出，其他要素与已有研究成果相类似。(1)投入要素主要包括资本投入、劳动力投入、土地投入、资源投入4个方面。其中，资本投入包括固定资产投资额、政府预算投资和外商投资，劳动力投入包括从业人员，土地投入包括区域总面积，资源投入包括能源消耗、用水量和用电量。(2)产出要素主要包括人口城镇化、社会城镇化、空间城镇化、经济城镇化。其中，人口城镇化是指城镇人口占该区域总人口的比例，社会城镇化是指社会零售品销售额的大小，空间城镇化是指建成面积占该区域总面积的比重，经济城镇化是指该区域二、三产业产值的比重。(3)非期望产出要素主要是指环境污染，主要包括工业废水、SO2和工业烟尘。二级指标所涉及的数据主要来源于相应年份的《中国城市统计年鉴》，缺失部分主要来源于各省市统计年鉴，个别无法查询的数据缺失采用插值法予以补充。

表1 黄河流域城镇化效率指标体系

2 研究方法

2.1 超效率非期望SBM模型

DEA(数据包络分析)被广泛应用于效率分析，适用于多投入和多产出的决策单元的效率评价。本研究选择超效率非期望DEA-SBM模型，该模型能够解决传统DEA模型存在非期望产出效率评价中的投入产出松弛问题，还能够对多个有效DEA进行排序。黄河流域城镇化效率存在环境污染的非期望产出，运用超效率非期望SBM模型能将环境污染作为非期望产出进行评价，而且还能够对不同区域的城镇化效率进行排序，具有较强的适用性。该模型的计算公式如下：

2.2 空间相关度分析

空间相关度可分为全局空间自相关和局部空间自相关，主要用于分析黄河流域城镇化效率的空间集聚程度。全局自相关的计算公式一般采用Global Moran’sI指数计算，公式如下[26]：

Gi(d)=∑WijXj/∑Xi。

式中：Xi为区域i城镇化效率；Xj为区域j城镇化效率；Wij为不同空间单元的权重矩阵；G为局部杰瑞系数；经过对G的Z检验，当G的Z检验显著为正时，说明黄河流域城镇化效率空间呈高值集聚，而当G的Z检验显著为负时，说明黄河流域城镇化效率空间呈低值集聚。

2.3 地理探测器

地理探测器是探测空间分异动力的重要工具，能够通过分析自变量和因变量之间的空间分布关系确定二者之间的密切程度，该方法在社会科学、自然科学、环境科学等领域取得了丰硕成果，计算公式如下[29]：

3 黄河流域城镇化效率时空分异特征

通过对黄河流域67个城市的城镇化效率计算，得出黄河流域城镇化效率测度结果(表2)。从不同城市来看，对于山西省而言，太原作为省会城市，其城镇化效率最高，高于山西省内其他城市；阳泉、长治、晋城、朔州、运城、吕梁的城镇化效率变化相对较为稳定，基本保持不变，而大同、忻州、临汾的城镇化效率增长较为迅速；其中大同作为资源型城市，在2010年、2015年和2020年的城镇化效率逐年增加，这与大同资源转型发展有关，大同在前期为资源消耗性城市，后期大同注重新能源利用，加大生态环境保护，使得其城镇化效率增长。内蒙古城镇化效率最高的城市是鄂尔多斯市，主要得利于该市的人口较少，城镇化实现难度较低；其他城市基本保持不变，但巴彦淖尔波动较大，特别是在2020年达到最低。对山东省而言，济南的城镇化效率保持不变，青岛、淄博、东营、泰安、聊城、潍坊、济宁、德州和滨州在2020年达到最低，主要原因在于这些城市的城镇化进程较为缓慢。对于河南省而言，鹤壁城镇化效率虽然每年下滑，但仍排河南省第一，而安阳城镇化效率虽然每年上升，但仍排河南省倒数第一，郑州、焦作、濮阳和商丘的城镇化效率基本处于同一水平且变化幅度较小，而开封和三门峡城镇化效率均为先下降后上升，而新乡则是一直上升，但结果处于平均水平。对于陕西省而言，铜川和渭南城镇化效率最高，主要得利于其城镇化投入量较少，西安、宝鸡、咸阳、安康、商洛等城市的城镇化效率波动较小，城镇化效率处于中等水平，而延安的城镇化效率则逐年降低，从领先水平转变为平均水平，汉中、榆林的城镇化效率先下降后上升。对于甘肃省而言，酒泉、定西、嘉峪关和金昌的城镇化效率最高，主要原因在于城镇化投入较少，而兰州、白银、天水、武威、张掖、庆阳和陇南的城镇化效率基本不变，处于中等水平。对于青海省而言，西宁的城镇化效率持续下降，处于中等水平，而海东城镇化效率则先上升后下降。对于宁夏而言，石嘴山的城镇化效率较高，主要原因在于投资城镇化的额度较少，造成了效率最高，银川为先上升后下降，吴忠和中卫为先下降后上升，固原为一直下降。

表2 黄河流域城镇化效率测度结果

从不同年份来看，城镇化效率表现为先下降再上升的趋势，黄河流域2010年的城镇化效率高于2015年城镇化效率，而低于2020年城镇化效率，其中主要原因可能是2010—2020年黄河流域城镇化发展进程前期投入要素以消耗生态环境为主，使得城镇化产生许多污染生态环境的非期望产出，而后期逐渐意识生态环境的重要性，从而在城镇化发展的同时注重生态环境的保护，降低了非期望产出，从而提高了城镇化效率。从不同区域来看，黄河流域下游的城镇化效率从高到低排名为2010年、2015年和2020年。说明黄河流域下游城市的城镇化发展仍处于消耗生态环境阶段，对于生态环境的保护意识淡薄，虽然黄河流域下游的城镇化发展进程较为迅速，但以消耗生态环境为代价，需要加强生态环境保护意识，提高城镇化发展质量。黄河流域上游的城镇化效率从高到低排名为2020年、2015年和2010年。说明黄河流域上游城市的城镇化发展始终注意生态环境保护，虽然城镇化进程较为缓慢，但其城镇化发展道路属于高质量发展道路。黄河流域中游的城镇化效率从高到低排名为2020年、2010年和2015年，黄河流域中游城市城镇化效率与黄河流域城市整体平均发展趋势较为一致，均为先下降再上升，说明黄河流域中游城市城镇化发展经历了先消耗生态环境再保护生态环境的过程。

从黄河流域整体来看，城镇化效率基本保持良好，其中上游城市、中游城市、下游城市的特征各异。上游城市的城镇化效率明显高于中游城市和下游城市，主要原因在于上游城市城镇化效率的投入较少，进而提高了城镇化效率。而下游城市城镇化效率最低，主要原因在于下游城市的经济较为发达，城镇化投入较为丰富，而且环境污染较为严重，因此导致下游城市城镇化效率最低。中游城市城镇化效率则介于上游城市和下游城市之间，主要原因在于其经济投入和环境消耗均处于二者之间，导致其城镇化效率处于中等水平。

运用Geoda软件计算得出2010年、2015年、2020年Global Moran’sI分别为0.083，0.053和0.214，说明黄河流域城镇化效率呈现正相关相似聚集，其中2020年的集聚现象最为明显，其次为2010年和2015年。即城镇化效率较高的城市与城镇化效率较高的城市相邻近，城镇化效率较低的城市与城镇化效率较低的城市相邻近。

运用Geoda软件计算2010年、2015年、2020年黄河流域城市城镇化效率,进行局部自相关检验。根据局部自相关计算结果(表3)，将相关类型分为4种，2010年、2015年和2020年存在相关性的城市数分别为14个、11个和8个。研究时间内所有高-高型集聚区均存在于黄河流域的上游，低-低型集聚区均存在于黄河流域的中下游，高-低型和低-高型集聚区均存在于黄河流域的中上游。说明黄河流域中游起着城镇化效率递减效应，是黄河流域城镇化效率变化的缓冲区。黄河流域大多数城市城镇化效率并不具备相关性，说明黄河流域城镇化效率大多取决于该城市的自身发展，而与其他城市的城镇化效率相关度较弱。在黄河流域的中段，太原始终处于高-低型集聚区，说明太原具有较强的城镇化效率吸引性，能够吸收太原周边城镇化效率的相关要素，处于极化发展阶段，能够降低太原周边城市的城镇化效率，导致周边城市城镇化效率发展为低-高型型。

表3 黄河流域城镇化效率的局部自相关计算结果

4 城镇化效率时空分异的驱动因素

黄河流域城镇化效率具有明显的空间特征，为了探析黄河流域城镇化效率的时空演变格局的驱动因素，用地理探测器分析其时空演变的驱动机制。主要从投入指标中的资源消耗、劳动力投入、资本投入和土地投入分析其驱动力，其中资源消耗包括能源消耗总量、居民生活用水和社会用电量，劳动力投入包括从业人员数，资本投入包括投资总额、地方财政支持和外商投资，土地投入包括区域总面积等因素(表4)

表4 黄河流域城镇化效率因子探测结果

通过地理探测器的计算，2010年、2015年和2020年的探测因子在0.05水平上均显著，说明选取的影响因素能够解释黄河流域城镇化效率的时空演变格局，但在不同的时限所起的作用不尽相同。对于2010年而言，社会用电量、外商投资和投资总额所起的作用最大，能源消耗总量、从业人数次之，区域总面积、地方财政支持和居民生活用水量所起作用最小。说明2010年资本投入是影响黄河流域城镇化效率的最重要因素。对于2015年而言，能源消耗总量、居民生活用水量、社会用电量、地方财政支持和外商投资所起的作用最大，投资总额和从业人数次之，区域总面积所起作用最小，说明2015年的资源消耗和资本投入是影响黄河流域城镇化效率的最重要因素。2020年能源消耗总量和地方财政支持所起作用最大，居民生活用水量、社会用电量、从业人员数和投资总额的作用次之，外商投资和区域总面积的作用最小，说明2020年的资源消耗和资本投入是影响黄河流域城镇化效率的最重要因素，但与2015年相比区域总面积的作用降低了10%，外商投资的作用降低了15%。从时间演进而言，能源消耗总量所起的作用从2010年起逐年增加，而社会用电量、投资总额和外商投资所起的作用则逐步下降，居民生活用水量、区域总面积、地方财政支持的作用则是先增加后减少，而从业人员数的作用基本保持不变。

综上，土地投入、社会用电量和外商投资对黄河流域城镇化效率的解释力逐步降低，能源消耗总量对黄河流域城镇化效率的解释力逐步升高，其他因素对黄河流域城镇化效率的解释力基本不变或无规律。因此，提高黄河流域城镇化效率可从两个方面入手：第一，加大能源消耗总量投入的同时应注重生态环境保护，在保持黄河流域生态文明的前提下提高能源消耗；第二，控制农村耕地的商业化，减少外商投资的依赖性，保持良好用电习惯，走城镇化效率与质量相结合的道路。

5 结论与讨论

5.1 结论

(1)黄河流域城镇化效率呈现典型特征，随着时间的推移，黄河流域的城镇化效率正逐步提高，但在不同分布空间具有不同特点，黄河流域城镇化效率呈现西高东低的特点，主要原因在于不同影响因素对不同城市城镇化效率的影响，但同时也说明不同城市城镇化的道路大不相同，尚处于不稳定期，未来城市城镇化发展应摆脱依赖自然资源的影响，走高质量城镇化发展道路。

(2)通过全局空间自相关和局部空间自相关分析，发现在2010年、2015年和2020年城镇化效率高-高型集聚区主要集中在黄河流域的上游，高-低型和低-高型集聚区主要集中在黄河流域的中游，而低-低型集聚区主要集中在黄河流域的下游，黄河流域城镇化效率具有一定的空间分异特征。

(3)受不同影响因素的影响，能源消耗成为黄河流域城镇化效率的重要影响因素，自然因素的影响正逐步减少，黄河流域城镇化发展应积极拓宽高质量发展道路，摆脱单一因素影响，降低城镇化发展风险，构建全方位黄河流域城镇化发展格局，提高黄河流域城镇化质量和城镇化效率。

5.2 讨论

研究黄河流域城镇化效率能够探索提高黄河流域城镇化质量的路径。黄河流域上游城市城镇化效率普遍较高，一方面由自然环境所决定，而另一方面则是经济条件决定的。自然环境的投入能够提高城镇化的质量，而经济发展所带来的环境污染则能够降低城镇化质量，因此，对于黄河流域上游城市城镇化而言，应充分发挥自然环境的优势，降低经济发展的污染，实现黄河流域上游城镇化高质量发展带动黄河流域中下游城镇化高质量发展。黄河流域中游城市城镇化应借鉴上游城市城镇化发展路径，积极探索环境节约型和生态文明型新型城镇化发展道路。黄河流域下游城市城镇化则首先应解决环境污染问题，降低环境污染，提高生态环境质量，进而提高黄河下游城市城镇化效率，保障城镇化质量。不同自然要素对黄河流域城镇化效率的作用不同，要素之间存在相互耦合关系，从而决定了黄河流域城镇化发展水平和方向。为更好分析黄河流域城镇化效率和质量，未来应从系统角度分析黄河流域城镇化发展影响因素的系统动力学机制，分析不同影响因素的耦合胁迫关系，进而揭示黄河流域城镇化发展影响因素间的驱动机制。