重庆市城镇化空间分布特征及其影响因素研究

摘 要：文章基于重庆市第七次人口普查数据，首先采用探索性空间数据分析方法（ESDA）测算其空间差异和集聚程度，对重庆市各个区县城镇化水平进行空间特征分析，其次运用熵权法得到重庆市各区县城镇化发展指标体系的权重，最后运用PCA-GWR模型探索重庆市各区县城镇化发展影响因子的差异性。研究发现：（1）重庆市各区县城镇化发展水平存在显著的不均衡性，且城镇化水平空间呈现较强的正相关性。（2）影响重庆市城镇化的主要因子依次为经济活力因子、医疗资源因子和基础设施因子，各因子对区县城镇化水平影响差异显著。据此文章提出以下两个建议：（1）中心点的城镇化发展带动周边的城镇化发展。（2）因地制宜挖掘经济活力因子、基础设施因子和医疗水平因子。

关键词：城镇化发展；空间分布；特征分析

中图分类号：F299.27 文献标识码：A 文章编号：1005-6432（2024）21-0013-05

[DOI]10.13939/j.cnki.zgsc.2024.21.004

1 引言

城镇化是乡村发展为城市的复杂过程，城镇化水平反映了地区经济发展程度。据第七次人口普查数据，与2010年相比，重庆主城都市区人口所占比重上升4.73个百分点，其中，中心城区人口所占比重上升6.42个百分点，主城新区人口所占比重下降1.69个百分点；渝东北三峡库区城镇群人口所占比重下降3.84个百分点；渝东南武陵山区城镇群人口所占比重下降0.89个百分点。人口空间集聚的动态变化将可能带来重庆市各区县的城镇化水平的显著差异。因此，研究区域人口分布变化在城镇化发展中的作用影响，形成切实可行的对策建议，对委党委政府科学决策，推动重庆区域均衡发展具有重要的实践意义。

在之前的研究中，郭金铭等利用趋势分析等方法，定量分析了重庆市人口半城镇化的影响因素、空间差异和关联特征[1]。Liang Anning等基于遥感产品与统计数据，运用熵权法构建城镇化可持续发展综合评价框架，并进行时空分析[2]。赵振宇等通过研究长江三角洲城市人口城镇化空间差异、影响因子等发现长江三角洲城镇化水平存在空间差异特征且发展不平衡，提出城镇化协调发展的建议[3]。马亚兄、王喆等运用熵权法对城镇化水平进行评价[4]，并探讨其城镇化水平空间分布特征[5]。Cao Qilin等人利用因子分析提取的城镇化维度水平，分析政府创业投资对区城镇化发展的影响[6]。

文章采用探索性数据分析方法对重庆市各区县城镇化发展水平的空间差异进行分析。从经济发展水平、基础设施、医疗水平等多方面建立更全面的指标体系，对各指标进行熵权法赋权评价，再进行城镇化发展水平的地理加权回归，探究影响重庆市各区县城镇化发展水平的因素。最后，结合重庆市的新型城镇化战略发展方向，提出合理化建议。

2 研究设计

2.1 探索性空间数据分析

文章采用探索性数据分析（ESDA）研究重庆市各个区县城镇化发展水平空间分布特征。全局指数是一个全局指标，反映的是空间邻接或空间邻近的区域单元属性值的相似程度。其计算公式如下：

其中和分别为一个空间单元，为的观测值，为空间单元观测值的平均值，是和之间的空间权重，当和相邻时，则，为空间单元总数，文章。全局指数取值介于之间，其绝对值越大代表空间自相关性越强。代表空间正相关性；表示空间负相关性；，空间呈现随机分布。

局部指数可以识别城镇化在不同的空间单元区域的高值空间聚集（热点区）和低值空间集聚（冷点区）。局部指数的计算公式如下：

值标准化公式：

其中为的数学期望，为其方差。若为正且显著性显著，则表明单元区域周围的值相对较高，属热点区，反之，则属于冷点区。

2.2 PCA-GWR模型

PCA-GWR模型将主成分分析得到的综合因子作为地理加权回归模型的自变量，同时取各个空间单元对应的城镇化率作为因变量，建立GWR模型。其模型结构如下：

其中取值，为空间单元总数，是地理位置为处的因变量值，为空间单元的地理中心坐标，是地理位置处的常数值，是函数在空间单元上的第个回归参数，代表随机误差项。

2.3 熵权法

利用熵权法对重庆市各区县的城镇化发展情况进行评价。如果指标的信息熵越小，则表明该指标提供的信息量越大，在综合评价中将占更大的权重；反之亦然。其步骤如下：

（1）对数据进行标准化处理：

设第个评价对象的第项指标为，其标准化后的值为，则正向指标为：

负向指标为：

（2）基于熵值法计算各指标的权重：

先计算第项指标下第个评价对象所对应的比重：

再计算第个指标的熵值：

最后计算第个评价指标的权重：

（3）计算第个评价对象的综合得分：

将标准化后的值与其对应权重相乘再相加，即通过公式

可得到第个评价对象的综合得分。

2.4 数据来源

文章以重庆市第六次和第七次人口普查数据为基础，按照重庆市的38个区县统计各个区县的城镇人口以及城镇化率，进而分析重庆市各区县城镇化空间差异。数据主要来源于历年《重庆市统计年鉴》。

3 实证分析

3.1 重庆各区县城镇化空间特征分析

2020年重庆各区县城镇化水平处在40.31%-100%之间，且各区县城镇化水平差异明显（如图1所示）。其中：渝中区的城镇化水平最高，达到了100%；渝北区、北碚区、巴南区、沙坪坝区、江北区、九龙坡区、南岸区、大渡口区的人口城镇化率处于区域前列，城镇化水平均高于73.68%；城镇化水平第二的区县主要环绕于九大主城区周围，包括綦江、璧山、永川、长寿、涪陵、万州，城镇化水平在66.63%-73.68%之间；城镇化水平较低的区县主要位于东部和东北部，城镇化水平介于46.52%-55.77%之间，包括梁平、开县、奉节等；城镇化水平最低的是巫溪县，城镇化水平仅为40.31%，其他最低水平的区县也主要分布在重庆东北和东南偏远地区。通过计算莫兰指数对人口城镇化的空间聚集程度进行分析（取2020年数据），发现重庆区县城镇化水平具有较强的空间自相关性。表明重庆各个区县的城镇化水平存在明显空间差异，且具有一定空间聚集程度。

3.2 各区县人口城镇化影响因素差异性分析

3.2.1熵权法评价城镇化影响因素

文章结合之前研究的文献及重庆市地区发展状况，选取衡量城镇化发展水平相关的指标，从体现区县经济综合发展、卫生医疗支出、公共基础设施、资源和规模等方面出发，选取如人均地区生产总值（元/人）、人均第二产业（万元/万人）、城镇居民人均可支配收入（元/人）、卫生机构床位数（张）、企业数（个）、公共图书馆藏书（万册）等12个指标。

用熵权法对影响重庆市各区县城镇化水平的指标进行赋权，得到重庆市城镇化发展指标体系和权重，如表1所示。

3.2.2城镇化影响因素差异性分析

采取主成分分析法提取影响城镇化率的主要因子。经KMO抽样检验和Bartlett球形检验符合因子分析的显著性要求后，运用最大方差法对12个指标做主成分分析，得到经济活力因子、医疗资源因子和基础设施因子三个因子的特征值大于1，且三个因子的累计贡献率达到82.48%，代表原始数据的大部分信息，可作为回归模型的主成分因子。其中，经济活力因子指标构成包括人均地区生产总值、人均第二产业、城镇居民人均可支配收入、人均进出口总值、人均全社会固定资产投资和人均社会消费品零售总额；医疗资源因子指标构成包括卫生机构床位数、医院卫生院个数和执业（助理）医师数；基础设施因子指标构成包括企业数、公共图书馆藏书和住宅面积。

构建PCA-GWR模型，研究选取的主成分因子对重庆市各区县人口城镇化率的影响，如图2、图3、图4所示。各因子均通过显著性检验，且呈现正向相关性。影响因子的回归系数取值越大，其对城镇化率的推动作用也越大。

可以看到，经济活力因子是影响城镇化率的最重要因素。其回归系数自西向东南、向东北递增，在渝东北片区的巫山、巫溪和城口，渝东南片区的秀山和酉阳等区县达到最大值（>0.557）。从总体看，地区经济发展水平越靠后，人口城镇化率越低，经济活力因子对人口城镇化率影响越大。在渝东南、渝东北等区域边缘地区，经济发展活力对人口城镇化的正向影响最为显著；在主城大部地区和渝西片区的永川、荣昌、潼南、铜梁、璧山等地区，或处于中心区域具有区位优势，或毗邻中心受到辐射带动，或受益于双城经济圈发展战略，经济发展水平相对较高，城镇化率相对较高，经济活力因子影响最小；涪陵、丰都和垫江等区县由于自身发展策略、区位环境、资源禀赋、产业布局等因素，经济发展推动城镇化进程的潜力依然较大，经济活力因子对人口城镇化率的影响依然明显。因地制宜提升经济发展水平，有助于促进区域城镇化发展。

医疗资源因子的回归系数均为正值，对人口城镇化率具有正向影响，与经济活力因子比较而言，其对地区人口城镇化的推动作用相对较弱。整体上看，医疗资源因子回归系数自西向东递增。对于主城及渝西片区，由于区位优势、政策优势比较明显，医疗设施相对完善，医疗资源相对充足，医疗资源因子对提升城镇化率影响较弱。对渝东南等地区，受财政因素以及中心城区的吸附效应影响，医疗资源配置相对较低，公共卫生体系建设相对不足，医务人员流动相对较大，医疗资源因子对提升城镇化率具有较大促进作用。对渝东北等区域边缘地区，由于医疗卫生投入相对有限，医疗资源相对匮乏，乡镇公共医疗卫生建设相对滞后，医务人员流失较快等原因，医疗资源因子对城镇化发展影响最为显著。因此，进一步优化医疗卫生资源配置，加强城镇医疗卫生体系建设，做好医务人员保障，减少人员流失，有利于渝东北、渝东南等地区的城镇化发展。

基础设施因子的回归系数也为正值，对人口城镇化率也具有正向影响。其数值在三大主成分因子中最低，说明全面建成小康社会后，基本生活保障已经比较完善，衣食住行等相关基本设施对人口城镇化的推动作用有所降低。由图看出，基础设施因子回归系数整体上也是从渝西向渝东南、渝东北递增，说明在渝东北、渝东南等相对偏远地区，公共服务、交通物流、生活保障等相关设施建设相对滞后，与居民对生活品质日益增高的预期要求相比有所不足，一定程度上导致人口流动，影响城镇化进程。主城、渝西片区享受政策、区位红利，基础设施建设跟进较快，加大基础设施投入对提升城镇化率的影响相对较小。

4 结论与建议

通过对重庆市各区县城镇化空间分布特征及其影响因素研究，可以得出以下结论。第一，2020年重庆市各区县的城镇化发展水平存在显著的不均衡性，城镇化水平最高的为中心城区，其次是中心城区周边地区，总体呈西高东低分布。相比而言，渝西地区的城镇化水平较高，渝东南和渝东北地区的城镇化水平较低，城镇化水平具有一定空间聚集程度。第二，选取2020年重庆市各区县城镇化发展相关的指标，通过熵权法赋予权重，并通过主成分分析法，提取影响重庆市城镇化发展的三个重要因子：经济活力因子、医疗资源因子和基础设施因子。通过地理加权回归分析，探讨各影响因子对区域区县城镇化水平的影响。总体而言，提高经济活力因子、医疗资源因子和基础设施因子水平有助于促进区县城镇化发展。三大主成分因子对城镇化率较高的主城和渝西地区影响较小，对相对偏远，城镇化率较低的渝东北、渝东南地区影响较为显著。

结合重庆市各区县当前城镇化发展水平及其影响因素分析，提出以下建议。第一，以点带面谋发展。在渝东南和渝东北地区选取重点发展区域，加大政策倾斜，加强产业扶持，增加建设投入，用好区位优势，形成发展中心点，通过空间聚集效应，辐射引领作用，带动周边地区的城镇化发展，从而实现重庆市城镇化率的整体提高。第二，因地制宜促提升。结合地域环境、资源禀赋、发展条件等实际，切实做好产业结构优化，打造特色产业，发展特色经济，推动经济转型升级，积极吸引资金投入，增强经济活力。加强物流、网络、交通、公共设施建设，搞好城镇化发展基础平台搭建。完善居民医疗卫生保障，加大非城区医疗卫生机构建设，增强基层医疗保障服务能力，提升居民生活质量促进城镇化发展。另外，政府做好宏观调控，有效引导市场自主调节，推动产业优化升级、合理布局，加强内外贸易交流，抓好民生工程建设，进一步实现资源禀赋的合理利用和优化配置，有助于发掘发展潜力，提升区域城镇化水平。

参考文献：

[1]郭金铭，王维婷，袁天凤，等.重庆市人口半城镇化空间分布及影响因素[J].安徽师范大学学报（自然科学版），2020，43（3）：284-291.

[2]LIANG A N，YAN D M，YAN J，et al.A comprehensive assessment of sustainable development of urbanization in Hainan Island using remote sensing products and statistical data[J]. Sustainability，2023，15（2）.

[3]赵振宇，李林峰，李冠，等.长三角地区人口城镇化空间差异及其影响因素研究[J].上海国土资源，2021，42（1）：41-45.

[4]马亚兄，张志斌.SDGs框架下甘肃省城镇化可持续发展评估及影响因素分析[J].兰州大学学报（自然科学版），2021，57（5）：627-636.

[5]王喆.江西省城镇化水平区域空间分布及差异性研究[J].合作经济与科技，2021，651（4）：17-19.

[6]CAO Q L，HOU A H，LI X，et al. Spatial impact of government venture capital on urbanization and its path—evidence from the yangtze river delta urban agglomeration in China[J].Land，2022，12（1）.

基金项目：国家自然基金资助项目（项目编号：11871121、12271066、1217140）。

作者简介：通讯作者：张志民（1981—），男，河北唐山人，博士，教授，研究方向：金融统计、经济统计。