新型城镇化水平区域差异与驱动因素分析

徐亚茹，曾 文，李 英

（1. 山东科技大学 测绘与工程学院，山东 青岛 266590；2. 山东科技大学 土木工程与建筑学院，山东 青岛 266590）

0 引 言

中国当前所秉持和践行的城镇化是一种新型的城镇化。与传统城镇化不同，新型城镇化强调以人为核心，提高城镇化质量，注重城镇化发展与经济结构、社会结构、生产方式、生活方式、生态环境等的协调发展[1-3]。近年来，“3个1亿人”城镇化、“两横三纵”城镇化战略、智慧城市、美丽乡村等的建设都是中国推进新型城镇化的重大举措[3-4]。《国家新型城镇化规划》(2014～2020年)和中华人民共和国国民经济和社会发展第十三个五年规划纲要》（2016～2020年）均强调坚持以人的城镇化为核心、加快新型城镇化步伐，努力缩小城乡发展差距，推进城乡一体化发展。新型城镇化不仅是对传统城镇化的超越，也是对城镇化实践的逐步完善。

国外的城镇化发展水平较高，对城镇化内涵、发展进程及其影响因素等的研究起步较早。早在1867年，西班牙工程师A.Serda在其著作《城镇化基本理论》中便提出城镇化这一概念[5]；C.Weber通过建立城市模型研究了城市增长演变，认为经济发展和政治因素加速了城镇化进程[6]；J Vernon认为伴随城镇化而来的城乡转型主要受经济和人口增长因素驱动[7]，RONALD L和S.Burak分别探讨了城镇化与经济发展及旅游业的关系[8-9]。关于城镇化质量的探讨，Davis认为产业转型升级可以提高城镇化发展质量[10]，S Mostafa认为城市发展应注重城镇化发展质量的提高，与经济、社会、环境协调发展[11]。

在中国大力推进新型城镇化的新形势下，国内众多学者围绕新型城镇化进行了探讨和研究，申明锐、董晓峰、牛晓春针对新型城镇化的产生背景、发展历程、本质内涵与特征进行了研究[12-14]。其中，对新型城镇化水平的测度是对一个区域新型城镇化水平进行定量分析的关键，也是进一步分析新型城镇化发展主导驱动力的基础。城镇化水平的测度的方法多种多样，陈明星、王新越均采用熵值法分别对中国和山东省的新型城镇化水平进行了时间和空间维度上的测度[15-17]；涂永强利用因子分析和聚类分析的方法对山东省城镇化水平进行了测度[18]；于伟和张引分别利用网络分析法和层次分析法进行新型城镇化发展水平的测度[19-20]；另外，欧向军在对新型城镇化进行测度的基础上，通过建立多元回归模型对于新型城镇化发展区域差异的因素进行了分析[21]；陈波翀认为第三产业对于城市化快速发展起到了主要的推动作用，主张继续推进市场化改革和扩大对外开放[22]。此外，还有学者对于新型城镇化进程中的困境进行了分析并提出了相应对策[23-24]。

本文基于前人研究成果和“以人为本”的新型城镇化基本理念，选取与人们生活密切相关的指标，尝试性采用等权重法对中国2000～2015年新型城镇化发展水平进行测度，并利用ArcGIS 10.2软件对中国新型城镇化发展水平进行时空分异展示，以便更加直观呈现中国新型城镇化发展水平分布格局。为了验证改进方法的可行性，提取全局Moran's I指数和局域Moran's I指数进行相关性检验，深入探究研究区域的空间集聚或分散特征，在此基础上建立多元回归模型，分析造成中国新型城镇化发展区域差异的原因并提出相应对策。

1 新型城镇化发展水平评价指标及研究方法

1.1 评价指标体系的构建

以往有些研究仅利用城镇化率来衡量城镇化发展水平，但大量“半城镇化”人口的存在使得该指标并不能全面反映出新型城镇化发展的全部内涵。新型城镇化的内涵就是要以“人”为核心，旨在提高“人”的生活质量，促进公共资源均衡配置及城乡一体化发展，从而提高城镇化质量。新型城镇化进程中，必然涉及到经济发展、居民生活、教育与文化、社会保障和生态环境方面的改善。其中，经济发展子系统主要反映农业人口及经济发展状况，包括非农人口比重和人均GDP；居民生活子系统主要反映人民生活质量的提升，包括恩格尔系数和每百户家用汽车拥有量；社会保障子系统主要反映对居民医疗和其他社会救济的体现，包括保障支出占财政比重和卫生技术人员数量；教育文化子系统以教育经费占财政支出比重和在校大学生数来衡量；生态环境子系统是新型城镇化中不可或缺的重要组成部分，主要反映居民的生活环境的改善，包括人均公共绿地面积和空气质量达到好于二级天数。上述5个子系统相互影响又互有区别，本文围绕以“人”核心的新型城镇化内涵，在借鉴原有新型城镇化评价指标体系[17,19]的基础上，同时充分考虑到数据的可获取性，建立了由5个子系统共10个指标组成的新型城镇化评价指标体系，见表1，以全新视角重新全面评估新型城镇化发展水平。

表1 新型城镇化发展水平评价指标Tab.1 The evaluation index of new urbanization development level

1.2 数据来源

以全国31个省市区（不包括港、澳、台）为研究区域，沿用传统上的东部、中部和西部划分法。研究所需数据包括新型城镇化发展水平评价指标、新型城镇化发展水平驱动力指标及中国行政边界矢量图。新型城镇化发展水平评价指标中除恩格尔系数外均来自《中国城市统计年鉴》（2001～2016年）及各省、直辖市统计年鉴，恩格尔系数这项指标统计年鉴中并没有直接给出，参照食品支出总额占个人消费支出总额的方式计算得出；新型城镇化发展水平驱动力指标中乡镇企业总产值数据来源于《中国乡镇企业及农产品加工业年鉴》（2001～2015年），其余指标数据均来自于《中国城市统计年鉴》（2001～2015年）；研究区域影像数据来自于“地理空间数据云”网站LANDSAT系列数据，后经裁剪矢量化得到中国行政边界矢量图**“地理空间数据云”网址：http://www.gscloud.cn/。

1.3 研究方法

目前对于城镇化发展水平评价方法大多采用熵值法、层次分析法、德尔菲法和主成分分析法等。实践发现计算过程中会出现无效数值，且通过查阅文献发现并无详细方法改善此缺陷。尽管有学者采用标准化法对熵值法进行改进[25]，但由于新型城镇化发展受到多种因素限制，仅靠单一数值调整后的结果难以确定是否准确。而德尔菲法和层次分析法主观性较大，主成分分析法易受到客观因素的限制[26]。目前对于城镇化发展水平指标赋权并未出现一种客观、统一的定量方法，而且国际上一些反映社会发展水平的指标如人类发展指数(HDI)、社会进步指数(ISP)等均采用的是等权重法[27]。考虑到以“人”为核心的新型城镇化追求经济、生态、生活水平、教育文化及社会保障等方面的均衡发展，可以认为表1中每一评价指标对于新型城镇化发展都具有同等重要的作用。

鉴于以上分析，本文采用等权重法测度新型城镇化发展水平，评价模型如（1）所示。

式中，f(a)研究区域新型城镇化发展水平得分；

m—研究区域的个数；

e—指标权重（e=1/m）；

aij—标准化后的指标值；

对所有评价指标采用[0,1]的标准化方法，公式如下：

式中，xij是指第i个城市第j个指标的原始值，与表中指标值相对应，aij是对xij进行标准化之后的值。

2 中国新型城镇化发展水平的时空演化格局

2.1 中国新型城镇化发展的时空演化格局

为更加直观地展示中国2000～2015年中国各省市区新型城镇化水平及区域间的梯度差异，根据公式（1）、（2）和（3）得到的测度结果，利用ArcGIS 10.2软件分别绘制了2000年、2005年、2010年和2015年中国新型城镇化发展水平的5级分位图如图1所示，中级水平代表上述4个年份的新型城镇化水平当年的新型城镇化水平均值区间，颜色较深的中高级和高级代表新型城镇化水平高于均值区间的区域，中低级和低级代表新型城镇化水平低于均值区间的区域，如图1所示。

图1 2000年、2005年、2010年和2015年中国新型城镇化发展水平空间分布Fig.1 Spatial distribution of new urbanization level of China in 2000、2005、2010and 2015

从图1不难发现，自2000年起，中国新型城镇化发展水平空间分布差异性呈现扩大的趋势。京津和珠三角一直是新型城镇化发展水平最高的区域，东北地区、山东、江苏、浙江等东部沿海地带及川渝地区新型城镇化发展水平较高，其余地区新型城镇化发展水平较低。随着城镇化的不断推进，长三角与京津、珠三角地区一并成为新型城镇化发展高水平区域，东部沿海区域高城镇化发展水平集聚带逐渐形成，中部区域新型城镇化发展水平逐渐趋于均衡，呈现出“北高南低”的态势。新型城镇化发展水平较低的区域并未发生较大改变，依然分布在新疆、西藏、青海、甘肃等西部地区及云贵高原。地理位置上具有明显的“东高西低”的集聚特征，西部与东部沿海发展依然具有较大的差距。

2.2 中国新型城镇化发展的时空集聚演化

通过对中国31个省市区新型城镇化发展水平的测度，可以发现2000～2015年各地区之间的城镇化发展水平既存在时空差异性，又表现出一定的集聚特征。本小节将从时空演化角度分析中国城镇化的聚集演化特征。分析在Geoda软件中进行，衡量指标选取了全局Moran's I指数和局域Moran's I指数。2000～2015年中国城镇化水平的全局Moran's I指数如图2所示。

图2 2000～2015年新型城镇化发展水平的全局相关性检验Fig.2 Spatial correlation test of new urbanization level from 2000 to 2015

由图2可知，2000～2015年中国各省市新型城镇化发展水平的Moran's I指数都在0～1之间，且显著水平为正，表明中国各省市的新型城镇化发展水平在空间分布上存在显著的集聚特征。在空间相关性的分析中，Z值均大于显著性水平为1%时的临界值2.58，说明2000～2015年中国新型城镇化发展水平评价综合值具有明显的正向空间自相关关系。另外，中国各省市新型城镇化发展水平的Moran's I指数在2000～2015年间虽有小幅增加或减小，但大体上呈现出逐渐上升的趋势，说明中国各省市新型城镇化发展水平与空间分布的相关性在增加，空间分布呈现出越来越明显的差异性。

为进一步说明中国各省市新型城镇化水平的空间集聚性特征，借助Geoda得到2000年、2005年、2010年和2015年的局域Moran's I自相关特征图，如图3所示。

图3 2000年、2005年、2010年和2015年中国新型城镇化发展水平局域空间自相关分布Fig.3 Regional spatial autocorrelation distribution of new urbanization development level in China, 2000、2005、2010and 2015

由图3可知，从2000～2015年，京津冀地区以及包括辽宁省在内的东部沿海地区呈现高—高(HH)聚集状态，且东部沿海城镇化高水平集聚区一直向南扩大，也说明了东部沿海地区新型城镇化发展水平与京津地区发展水平差距并没有呈现出非常显著的状态，两者发展水平差距正在缩小；低—低(LL)聚集区出现在新疆，西藏，宁夏等西部区域，至2015年，云南和四川省也包括在内，尤其是四川省，由原来的高—低(HL)聚集区转变为低—低(LL)聚集区，说明近年来低—低(LL)聚集区呈现出逐渐扩大的风险；在2000～2010年，广东省和四川省为新型城镇化发展水平高—低(HL)聚集区，说明广东省相比于其周边地区的新型城镇化发展水平较高，而四川省由于与西部低发展水平区域相邻，在空间分布上呈现高—低(HL)聚集，说明广东省和四川省周边省市发展水平较低；低—高(LH)聚集区大致出现在北部内蒙古和中部包括湖北和安徽区域，近十余年以来并未发生显著变化，其余大部分区域都呈现为不显著状态。

3 中国新型城镇化区域差异的成因分析

上述分析表明，中国新型城镇化发展水平呈现出“东高西低”的空间分异分布特征，发展很不均衡。城镇化的空间分异性受多种因素影响，研究两者之间的关联性，进而探求影响地区城镇化水平的关键性驱动因素，对于各地区制定城镇发展规划、实施相关产业政策，具有至关重要的作用。

多元回归模型可以对不同区域的影响因素进行分析，而且此方法已应用在城镇化水平驱动力分析[15,21]上，人口影响因素[28]分析及城镇化与经济增长的关系[29]等，均已取得较好的分析结果。本小节通过建立多元回归模型，研究中国东、中、西部新型城镇化水平空间分异的关键性驱动因素，数据的时间跨度为2000～2015年。

将行政力、市场力、外向力和内源力作为城镇化进程的驱动因素[28]。行政力是指政府通过资金投入、产业布局等方式推进城镇化发展，选取全社会固定资产投资(X1)为指标；市场力是指区域的生产要素、地域组合及其运行能够在市场中进行有效配置，选取社会消费品零售总额(X2)为指标；外向力主要是指外资在城镇化进程中所起到的重要作用，选取实际利用外资总额(X3)为指标；内源力是指乡镇阶层或劳动人民对城镇化的推动作用，选取乡镇企业总产值(X4)代表内源力指标。

以上述4个指标变量为解释变量，以新型城镇化发展水平为被解释变量，相关性分析结果见表2。

表2 新型城镇化动力因子相关性分析Tab.2 Correlative analysis of dynamic factors of new urbanization

在显著性水平为0.05下，Pearson值均在0.89以上，说明自变量与因变量之间存在显著相关关系。为检验解释变量之间的相关性，进行多重共线性诊断，结果见表3。

表3 中国分区域新型城镇化动力因子多重共线性诊断结果Tab.3 Multicollinearity of new urbanization dynamic factor in China' s sub-region

从上述分析结果看，东、中、西部区域的特征值除第一维度之外均接近于0，东西部区域的第五维度和中部区域的第四、五维度的条件指数均大于10，VIF最大值均超过10，这些指标均说明解释变量之间存在共线性问题。为消除多重共线性影响，采用主成分分析法进行降维，得到各因子特征值及累计贡献率，见表4。

表4 中国分区域新型城镇化动力因子的回归分析Tab.4 Regression analysis on dynamic factors of new urbanization in China's sub-regions

由表4可知，各区域F检验值均大于显著性水平为0.05下的临界值4.120。将主成分因子再次进行回归分析，东、中、西部区域非标准化系数分别为0.312，0.383和0.340，随后将被解释变量标准化并经变量转换成原解释变量，可以建立东中西部地区的多元线性回归模型，见公式（4）、（5）、（6）。

根据新型城镇化发展水平的区域差异及所建立的多元回归模型，可知中国东、中、西部新型城镇化发展的驱动因子呈现出不同的组合特征。由公式（4）可知，对于东部地区，新型城镇化驱动力影响因子大小依次是外向力、行政力、市场力和内源力，外向力和行政力对于东部地区的新型城镇化发展影响最为显著。东部城市大多是沿海城市，工业发达且市场广阔，对外交通方便，具有吸引外资的先天条件，随着投资环境的日趋完善，东部地区外向力形成的“马太效应”势必会使得东西部地区发展差异加大。

由公式（5）可知，中部地区的新型城镇化发展影响因子依次为市场力、行政力、内源力和外向力，其市场力的影响系数为0.200 0，表明区域间的生产要素等的协调配置对于中部地区的城镇化发展起到了至关重要的作用。基于对中国新型城镇化发展水平的测度，中部地区新型城镇化发展逐渐趋于均衡状态，这就需要中部地区充分利用地域间的综合优势，使市场在配置资源中起到基础性作用。

由公式（6）可知，对西部地区新型城镇化发展影响程度最大的分别是内源力和市场力，其次是行政力、外向力，西部地区一直是中国经济发展的薄弱地带，农业人口众多且市场多为民营企业，其城镇化发展更需要给予民营企业相应优惠政策与财政支持，才能逐步缩小与东部地区的发展差异。

4 结束语

基于上述研究成果，本文结论和建议如下：

1）新型城镇化发展存在“空间集聚”现象，形成以京津和东部沿海发展水平集聚的分布格局。京津、长三角和珠三角作为全国经济发展的领先区域，其在全国的经济发展中占有举足轻重的地位。但近年来东部城市密集区也出现环境污染、交通运输紧张、原材料环境容量及不足等问题，一方面需要结合东部和西部地区的产业结构调整，完善交通网络，加强其横向联系；另一方面需要继续发挥其区位，政策支持及其人才、商业等资源的扩散辐射效应带动周边区域发展，逐渐扩大城镇化发展的积极影响。

2）中国近15年中东部地区新型城镇化增速较快，呈现出“东高西低”的发展格局。经济发展不平衡是经济社会普遍的现象，资源禀赋，生产力水平和对外开放程度，都是制约经济发展的重要因素。中部地区不仅要加强同东部沿海的横向联系，更要担负起同西部地带的承接作用，成为中国经济布局由东向西逐步转移的重要纽带。

3）中部和东部地区新型城镇化发展水平差距逐步缩小，而东西部地区发展差距正在逐年拉大。西部地区资源丰富，市场潜力大，在国家实施西部大开发战略背景下，加大对西部地区的财政投入，对于推进西部城镇化发展意义重大。同时，经济增长过程中人力资本日益扮演重要角色且对区域经济增长作用日益突出，实现西部落后地区人力资本的快速积累、结构优化和利用效率的提升则是缩小区域间人力资本差异的关键所在。

4）新型城镇化发展主导驱动力因区域差异而不同，外向力、市场力和内源力分别对东、中、西部新型城镇化发展影响最为显著。无论是东部沿海城市还是中西部城市的发展，在注重经济发展的同时，应兼顾城市自身对于人口、工业和商业发展的承受能力，建立产业结构合理、城乡协调发展和人居生态环境优化的发展战略，真正遵循新型城镇化的内涵实现以人为本，城市均衡发展。