EN中文

SCIENTIA GEOGRAPHICA SINICA >

2021 , Vol. 41 >Issue 8: 1303 - 1313

DOI: https://doi.org/10.13249/j.cnki.sgs.2021.08.001

?

Spatial-temporal Pattern and Obstacle Factors of Urban Residents' Quality of Life in the Yellow River Basin Under the Background of High-quality Development

  • Zhao Hongbo ,
  • Yue Li , * ,
  • Liu Yaxin ,
  • Dong Guanpeng ,
  • Miao Changhong
Expand
  • Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center on Yellow River Civilization, Henan Province and Ministry of Education, Henan University, Kaifeng 475001, Henan, China

Received date: 2020-12-20

  Online published: 2021-10-11

Supported by

National Natural Science Foundation of China (41501128, 41430637)

Copyright

Copyright reserved © 2021.
Fold

Abstract

Improving urban residents’ quality of life is an important goal and concrete embodiment of achieving high-quality development in the Yellow River Basin.This article constructs an evaluation index system of urban residents of quality of life from 4 aspects (residents’ life, infrastructure, public service and ecological environment), and measures the level of urban residents’ quality of life in the Yellow River Basin in 2004-2018. The kernel density estimation, ESDA and Dagum Gini coefficient are used to analyze the spatial and temporal pattern of residents’quality of life and measured the spatial difference. The obstacle factor diagnosis model is used to analyse the obstacle factors of residents’ quality of life. The conclusions are as follows: 1) From 2004 to 2018, the areas with high quality of life of urban residents in the Yellow River basin gradually transferred from the lower reaches to the middle and upper reaches; 2) The H-H agglomeration areas of urban residents’quality of life in the Yellow River Basin are mainly in Inner Mongolia Autonomous Region, and the L-L agglomeration areas are mainly in Henan Province, Shandong Province and Shanxi Province; 3) The spatial difference of the quality of life of urban residents in the Yellow River Basin is mainly the contribution of the net value difference between regions from the upper, middle and lower scales, and the contribution of the regional difference from the left and right bank scales; 4) The obstacles to urban residents’ quality of life in the Yellow River Basin are mainly the amount of water resources per capita, the number of mobile phone users at the end of the year, the area of parks and green space per 10 000 persons, the proportion of education expenditure in fiscal expenditure, the road area per 10 000 persons, and the per capita disposable income, etc. Therefore, we must pay attention to the ecological environment protection, especially the rational utilization of water resources, improvement of urban infrastructure and public service levels in the future high-quality development.

Key words： urban residents' quality of life; Dagum Gini coefficient; obstacle factor; the Yellow River Basin

Cite this article

Zhao Hongbo , Yue Li , Liu Yaxin , Dong Guanpeng , Miao Changhong . Spatial-temporal Pattern and Obstacle Factors of Urban Residents' Quality of Life in the Yellow River Basin Under the Background of High-quality Development[J]. SCIENTIA GEOGRAPHICA SINICA, 2021 , 41(8) : 1303 -1313 . DOI: 10.13249/j.cnki.sgs.2021.08.001

当前，中国社会经济已进入高质量发展阶段，高质量发展不仅反映在经济增长方面，更应该体现在保护生态环境、提升民生质量、保障公共服务等方面，兼顾生产、生活与生态“三位一体”的综合发展[1,2]。黄河流域在中国经济社会高质量发展过程中具有重要地位，推动黄河流域生态保护和高质量发展成为中国重大战略之一[3~5]。沿黄城市作为黄河流域经济活动最活跃，人口高度密集的地区，对整个黄河流域的高质量发展具有引领性与带动性作用[6,7]。在高质量发展战略背景下，城市居民生活质量的改善成为黄河流域经济−社会−生态协调发展的重要内容，提升居民生活质量成为衡量黄河流域高质量发展的重要标志[8]。对黄河流域城市居民生活质量的研究是从另一种角度对黄河流域高质量发展目标进行阐释，具有重要的现实意义。
居民生活质量涉及方面众多，学者已进行过诸多研究。国际上有联合国开发计划署提出的人类发展指数（HDI）等评价生活质量的体系标准[9]，国内有中国统计学会从6个方面42个指标构建的地区发展与民生指数（DLI）[10]，国务院发展研究中心“中国民生指数研究”课题组2015年提出的综合民生指数[11]，王哲野等从价值观角度构建居民生活质量指数[12]等。从研究内容看已有研究涉及民生指数与财政支出[13]、空间网络结构[14]、财政分权、经济高质量发展[15]、环境感受[16]、个人幸福指数[17]等之间的关系，以及构建结构方程探索衡量生活质量时主观指标数据与客观指标数据之间的联系程度等[18]。在研究尺度上包括城市群、省域、市域、村域等[19~25]，一些学者以企事业单位员工[26]、城市贫困群体等[27]为主体进行研究，而基于流域尺度的居民生活质量研究还较少涉及。在研究数据上主要有问卷调查[28,29]、统计数据以及通过遥感分析等技术处理获取数据[30]等。在研究方法上主要包括标准差椭圆[21]、多元线性回归分析[12]，结构方程模型[31]等。
基于已有研究，本文从流域尺度研究黄河流域的城市居民生活质量，运用主客观综合赋权法测度指标权重，使其更具合理性。在时空格局分析与区域差异测度上采用核密度估计、ESDA及Dagum基尼系数分解等方法，其中，Dagum基尼系数分解可有效解释区域间的差异及地区分解后的贡献率。最后运用障碍因子诊断模型对黄河流域城市居民生活质量水平进行障碍因子分析，旨在为高质量发展目标下黄河流域提升城市居民生活质量提供参考依据。

1 研究区域与数据来源

1.1 研究区域

黄河流域流经区域是青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南、山东9个省级行政单元，但由于四川省已经整体纳入长江经济带中，蒙东地区与东北地区的联系更加紧密，且已经纳入到《东北地区振兴规划》。参考前人研究[32]，考虑数据可获取性，连续性与科学性，本文黄河流域范围包括青海、甘肃、宁夏、内蒙古（不含蒙东地区）、山西、陕西、河南、山东8省（区），共91个城市，其中可获得数据的79个城市。

1.2 数据来源

本文的数据主要来源为2005—2019年的《中国城市统计年鉴》[33]、《中国区域经济统计年鉴》[34]、黄河流域八省（区）的省级统计年鉴、79个城市的市级统计年鉴与国民经济和社会发展统计公报、各省的水资源公报；PM2.5数据来自Dalhousie University大气成分分析组公布的历年中国空气质量数据( http://fizz.phys.dal.ca/~atmos/martin/?pa ge_id=140)。部分数据缺少时采用最相邻近年份的数据代替。由于数据可得性、连续性的限制，水资源、PM2.5、污水处理、垃圾处理、年末移动电话户数、工业废水、二氧化硫排放量、道路面积都采用的是市域的指标数据，其他的指标均采用市辖区的数据。

2 研究方法

2.1 指标体系的构建

本文借鉴国务院发展研究中心“中国民生指数研究”课题组2015年发布的综合民生指数[11]，基于指标选取合理性、科学性与数据可得性原则，建立黄河流域城市居民生活质量评价指标体系，考虑主观因素有不确定性，本文采用客观指标进行构建。生态环境是黄河流域高质量发展的底线[35]，构建城市居民生活质量评价指标体系时更应考虑将生态环境因素纳入其中，以体现黄河流域发展特征。鉴于此，本文所构建的城市居民生活质量指标体系将黄河流域城市社会经济条件与生态环境特征相结合，包括居民生活、基础设施、公共服务、生态环境4个一级指标以及19个二级指标，具体评价指标体系如表1所示。
表 1 黄河流域城市居民生活质量评价指标体系

Table 1 Evaluation index system of urban residents’ quality of life in the Yellow River Basin

一级指标 二级指标 单位 指标性质 权重
居民生活A1 人均可支配收入X1 元 + 0.080819
人均GDPX2 元 + 0.028476
平均在岗职工工资X3 元 + 0.034683
年末城镇登记失业人员数X4 人 − 0.026255
基础设施A2 每万人拥有的道路面积X5 万m2 + 0.063012
每万人拥有的公交车数量X6 辆 + 0.039101
移动电话年末用户数X7 万户 + 0.126919
每万人公园绿地面积X8 hm2 + 0.097166
公共服务A3 每百人图书馆藏书量X9 册 + 0.042042
中小学师生比X10 无 + 0.021293
每万人拥有的床位数X11 张 + 0.030404
教育支出占财政支出比重X12 % + 0.082602
生态环境A4 建成区绿化率X13 % + 0.003863
垃圾无害化处理率X14 % + 0.005654
污水集中处理率X15 % + 0.005827
PM2.5
年平均质量密度
X16		 μg/m3 − 0.008727
人均水资源量 X17 m3 + 0.292615
工业废水排放量X18 万t − 0.005750
工业二氧化硫排放量X19 t − 0.004791

2.2 主客观综合赋权法

为弥补客观与主观赋权各自的缺点，反映指标数据的真实结果，将主观赋权AHP权重W1与客观赋权熵值权重W2相结合，引入拉格朗日函数，建立优化决策模型；引入欧氏距离函数，保证主、客观权重与其相对应的偏好程度间的差异相一致，最终获得指标的综合权重值[36]。

2.3 居民生活质量综合得分测算

首先将获取的原始指标数据进行极值标准化处理，再对标准化数据分别与已经计算得到的主客观综合权重相乘，最终获得各个城市居民生活质量综合得分。

2.4 核密度分析

核密度分析是一种非参数估计的方法，相比其他方法具有较好的连续性，不依赖于所选取的区间长度，适宜对黄河流域城市居民生活质量水平发展的时序变化特征进行分析[37~39]。

2.5 ESDA方法

ESDA是衡量某一现象空间自相关性的方法，用于揭示对象空间分布与关联状况，包括全局空间自相关与局域空间自相关，变量数据分布时，会由于数据随机性，导致局域非平稳现象出现，因此在全局空间自相关基础上引入局域空间自相关[40~42]。本文用全局与局域空间自相关对黄河流域居民生活质量水平进行空间集聚状况分析[43,44]。此方法使用已比较成熟，在此不再详细描述。

2.6 Dagum基尼系数分解

Dagum基尼系数作为一种区域差异测度方法，其优越性是充分考虑子样本分布状况，有效解决样本数据间交叉重叠问题，正确识别区域差异来源[45,46]，按子群分解方法将总体基尼系数分解为区域内差异贡献、区域间净值差异贡献和超变密度贡献具体公式如下：
$ {G}={G}_{w}+{G}_{nb}+{G}_{t} $
$ {{G}}=\frac{\displaystyle\sum\nolimits_{j=1}^{k}\displaystyle\sum\nolimits_{h=1}^{k}\displaystyle\sum\nolimits_{i=1}^{{n}_{j}}\displaystyle\sum\nolimits_{r=1}^{{n}_{h}}\left|{y}_{ji}-{y}_{hr}\right|}{2n^2\mu } $
$ {\mu _{{h}}} \leqslant {\mu _{{j}}} \leqslant \cdots \leqslant {\mu _{{k}}} $
$ {G}_{jj}=\frac{\frac{1}{2{\mu}_{j}}\displaystyle\sum\nolimits_{i=1}^{{n}_{j}}\displaystyle\sum\nolimits_{r=1}^{{n}_{j}}\left|{y}_{ji}-{y}_{hr}\right|}{{{n}^{2}}_{j}} $
$ {G}_{w}=\displaystyle\sum\nolimits_{j=1}^{k}{G}_{jj}{p}_{j}{s}_{j} $
$ {G}_{jh}=\displaystyle\sum\nolimits_{i=1}^{{n}_{j}}\left|{y}_{ji}-{y}_{hr}\right|/[{n}_{j}{n}_{h}({\mu }_{j}+{\mu }_{h})] $
$ {G}_{nb}=\displaystyle\sum\nolimits_{j=2}^{{k}}\displaystyle\sum\nolimits_{h=1}^{{j}-1}{G}_{jh}({p}_{j}{s}_{h}+{p}_{h}{s}_{j}){D}_{jh} $
$ {G}_{t}=\displaystyle\sum\nolimits_{j=2}^{k}\displaystyle\sum\nolimits_{h=1}^{j-1}{G}_{jh}({p}_{j}{s}_{h}+{p}_{h}{s}_{j}){(1-D}_{jh}) $
$ {D}_{jh}=\frac{{d}_{jh}-{P}_{jh}}{{d}_{jh}+{P}_{jh}} $
$ {d}_{jh}={\int }_{0}^{\infty }\mathrm{d}{F}_{j}{\left(y\right)}{\int }_{0}^{y}(y-x)\mathrm{d}{F}_{h}{\left(x\right)} $
$ {p}_{jh}={\int }_{0}^{\infty }\mathrm{d}{F}_{h}{\left(y\right)}{\int }_{0}^{y}(y-x)\mathrm{d}{F}_{j}{\left(y\right)} $
式中，G为总体基尼系数，Gw为区域内差异贡献，Gnb为区域间净值差异贡献、Gt为超变密度贡献，式（3）依据各个城市民生综合得分的均值对城市进行排序。区域内基尼系数Gjj、区域间基尼系数Gjh分别由式（4）和（6）给出。yji（yhr）为第j（h）个区域内城市i（r）民生综合得分，μ为黄河流域79个城市民生综合得分平均值，n为城市个数，k为区域个数，nj（nh）为第j（h）个区域内城市个数，pj=nj/n，sj=njμj/（nμ），sh，ph同此。Djh为第j、h个区域之间民生指数综合得分的相对影响，如式（9）。将djh定义为区域间综合得分差值，即第j、h个城市群中所有yji−yhr>0样本值加总的数学期望，如式（10）。pjh为超变一阶矩，即第j、h个城市群中所有yhr−yji>0样本值加总的数学期望，如式（11）。Fj（Fh）为第j（h）个城区域的累积密度分布函数[47]。

2.7 障碍因子诊断模型

采用障碍因子诊断模型分析影响黄河流域城市居民生活质量的障碍因子，具体的公式如下：
$ {{T}}_{ij}=1-{m}_{ij} $
$ {{O}}_{ij}=\frac{{{T}}_{ij}{{W}}_{j}}{\displaystyle\sum\nolimits_{{j}=1}^{{n}}({{T}}_{ij}{{W}}_{j})}\times 100{\text{%}} $
式中，Tij为指标偏离度，Wj为因子贡献度，mij为单项指标的标准化值，Oij为障碍度，Oij值越大，说明该因子对黄河流域城市居民生活质量水平影响越大，障碍程度越强[48]。

3 黄河流域城市居民生活质量时空格局分析

3.1 居民生活质量时序演变趋势分析

用综合赋权法对指标体系进行权重赋值，计算2004—2018年黄河流域城市居民生活质量得分，并对总体得分进行核密度估计分析，探讨时序演变趋势特征，如图1。由2004―2018年黄河流域城市居民生活质量总体得分核密度估计图看出，核密度分布曲线整体向右平移现象明显，2012年后右平移速度加快，呈现显著右侧“长尾”不断增长现象，这表明黄河流域城市居民总体生活质量水平不断提高，且2012年后居民生活质量提高幅度大大增加，尤其2016―2018年城市居民生活质量水平提升最快。从峰值来看2004―2012年略有降低，2012年后峰值又升高，且峰值中心总体偏向右侧，大部分城市居民生活质量水平在0.2~0.5，一些生活质量水平较高城市达到0.6以上，表明2004―2012年城市居民生活质量水平的绝对差异逐渐加大，但2012年后差异逐渐减小。从形状上看，2004―2018年城市居民生活质量核密度图均呈现单峰状态，表明总体上黄河流域城市间居民生活质量差异趋于缓和，未呈现两极分化现象。
图 1 黄河流域城市居民总体生活质量核密度估计

Fig.1 Kernel density estimation of urban residents’ overall quality of life in the Yellow River Basin

3.2 居民生活质量空间格局分析

从空间上分析黄河流域城市居民生活质量的演变格局，基于ArcGIS10.2软件，采用自然断裂点法将黄河流域79个城市的居民生活质量类型划分为高水平、较高水平、中等水平、较低水平、低水平5个等级，如图2所示。
图 2 黄河流域城市居民生活质量空间分布

Fig.2 Spatial distribution of urban residents' quality of life in the Yellow River Basin

2004年、2006年黄河流域城市居民生活质量空间分布相似，高水平城市分别为呼和浩特市、太原市、济源市、青岛市，低水平城市分布于河南省与山东省的西部、北部城市。2008年高水平城市转变为南阳市与周口市，较高水平城市数量显著增加，主要是甘肃省、陕西省及内蒙古自治区的城市，低水平城市主要为河南省北部与山东省北部与西部，河南省西部城市的居民生活质量显著提高。2012年城市居民生活质量的空间分布变化较大，高水平城市显著增加，低水平城市显著减少，高水平城市包括呼和浩特市、太原市与济南市等15个城市，低水平城市中河南省减少为1个。2018年高水平与较高水平的城市有所增加，主要分布于黄河流域中上游，低水平城市仅剩下游的滨州市与潍坊市。总体来看，2004―2018年城市居民生活质量低水平的城市数量逐渐减少，中等水平及以上的城市数量趋于增多，且主要分布在黄河流域的中上游地区。

3.3 居民生活质量空间集聚分析

基于GeoDa软件对黄河流域2004―2018年城市居民生活质量作全局与局域空间自相关分析，揭示居民生活质量空间集聚状况。

3.3.1 全局空间自相关分析

全局空间自相关分析中Moran’s I指数都通过了显著性检验，2004、2006、2008、2010、2012、2014、2016及2018年Moran’s I指数分别为0.2270、0.1855、0.2286、0.3095、0.3523、0.2935、0.2636、0.2580，表明黄河流域各城市居民生活质量之间整体上存在空间正相关关系，有明显“俱乐部趋同效应”，即居民生活质量高的城市集聚，居民生活质量低的城市集聚。

3.3.2 局域空间自相关分析

如图3，由高水平−高水平(H-H)集聚与低水平−低水平(L-L)集聚的区域发现2004―2018年居民生活质量H-H集聚城市主要集中于内蒙古自治区及其周边城市；居民生活质量水平L-L集聚区域，2004年集中于河南省中部与北部的城市，2008年L-L集聚城市数量有所增加增加，主要是河南省东北部、山东省北部与南部的城市，2016年与2018年L-L集聚城市数量显著减少，分布于山东省北部与南部的城市。整体来看，2004―2018年黄河流域中上游的城市居民生活质量水平呈现H-H集聚城市较多，黄河流域下游城市呈现L-L集聚的城市较多。
图 3 2004―2018年黄河流域城市居民生活质量LISA图

Fig.3 LISA map of urban residents' quality of life in the Yellow River Basin in 2004―2018

从低水平−高水平(L-H)集聚与高水平−低水平(H-L)集聚的区域分布发现，2004―2012年L-H集聚的城市主要是黄河流域下游城市。2014―2018年，除2016年L-H集聚的城市在黄河流域上中下游都有分布，2014年与2018年均分布于中上游区域。从居民生活质量水平H-L集聚区域看，其主要集中于黄河流域中下游的河南省与山东省，临近L-L集聚城市。

4 黄河流域居民生活质量区域差异测度

经过对黄河流域城市居民生活质量水平的时空格局分析，发现黄河流域79个城市之间居民生活质量水平存在一定空间差异，为揭示这种差异的大小及来源，本文运用Dagum基尼系数分解进一步测度区域差异问题，主要从黄河流域上中下游及左右岸2个角度进行基尼系数分解分析。
从黄河流域上中下游角度进行基尼系数分解计算，结果如表2。黄河流域城市居民生活质量总体基尼系数2004―2018年整体呈先上升后下降趋势，表明黄河流域城市间居民生活质量水平非均衡性先升高后下降，近年来黄河流域城市间协同发展效果明显，促进了城市间居民生活质量相对均衡。从区域差异贡献率看组间差异贡献率所占比率较大，超变密度与组内差异贡献率相当，从时间演变趋势看，组内差异贡献率2004―2018年变化较小为30%左右；组间差异贡献率2004―2018年逐渐上升，从34.60%升到46.84%；超变密度贡献率逐年下降由33.84%降至22.53%。
表 2 基于上中下游尺度黄河流域城市居民生活质量Dagum基尼系数分解

Table 2 Dagum Gini coefficient decomposition of urban residents’ quality of life in the upper, middle, and lower reaches of the Yellow River Basin

年份 总体 上游 中游 下游 组内 组间 超变密度 贡献率/%
组内 组间 超变密度
2004 0.0583 0.0228 0.0532 0.0784 0.0184 0.0202 0.0197 31.56 34.60 33.84
2006 0.0689 0.0384 0.0611 0.0856 0.0217 0.0210 0.0263 31.48 30.40 38.13
2008 0.0856 0.0300 0.0797 0.1057 0.0251 0.0370 0.0235 29.34 43.20 27.46
2010 0.0917 0.0345 0.0782 0.1144 0.0264 0.0449 0.0204 28.77 48.95 22.28
2012 0.0730 0.0376 0.0548 0.0824 0.0202 0.0407 0.0121 27.64 55.79 16.56
2014 0.0733 0.0369 0.0484 0.0946 0.0213 0.0339 0.0182 28.99 46.21 24.80
2016 0.0651 0.0642 0.0325 0.0707 0.0192 0.0257 0.0202 29.49 39.52 30.98
2018 0.0463 0.0309 0.0276 0.0609 0.0142 0.0217 0.0104 30.63 46.84 22.53
基于黄河流域左右岸的角度进行居民生活质量得分基尼系数分解，如表3。从区域内部差异看，左岸和右岸基尼系数演变趋势先升高到2010年再下降。整体来看左岸居民生活质量基尼系数略大于右岸城市，说明左岸居民生活质量非均衡性较右岸大，左岸城市间差异较大。从区域差异贡献率看，左右岸的计算结果与上中下游计算结果差别较大，组内差异贡献率和超变密度贡献率远大于组间差异贡献率，且差异逐年加大，组内差异贡献率年际变化较小维持在50%左右，对城市间的非均衡型的贡献较大，超变密度贡献率逐年提升，由2004年41.78%升至2018年46.35%。
表 3 基于左右岸尺度黄河流域城市居民生活质量的Dagum基尼系数分解

Table 3 Dagum Gini coefficient decomposition of urban residents' quality of life in the left and right banks of the Yellow River Basin

年份 总体 右岸 左岸 组内 组间 超变密度 贡献率/%
组内 组间 超变密度
2004 0.0583 0.0490 0.0703 0.0289 0.0050 0.0243 49.55 8.67 41.78
2006 0.0689 0.0543 0.0875 0.0336 0.0048 0.0306 48.68 6.97 44.34
2008 0.0856 0.0818 0.0883 0.0435 0.0046 0.0376 50.78 5.36 43.86
2010 0.0917 0.0845 0.0991 0.0462 0.0014 0.0441 50.36 1.53 48.11
2012 0.0730 0.0766 0.0669 0.0380 0.0056 0.0295 52.00 7.60 40.40
2014 0.0733 0.0747 0.0696 0.0378 0.0022 0.0333 51.55 3.02 45.43
2016 0.0651 0.0539 0.0793 0.0321 0.0001 0.0329 49.27 0.19 50.54
2018 0.0463 0.0455 0.0469 0.0238 0.0010 0.0214 51.42 2.22 46.35
以上分析发现，从区域内部差异看，左右岸内部差异大于上中下游；从区域间的差异看，左右岸与上中下游的区域间差异都较大；从差异贡献看，上中下游区域间与区域内部贡献都较大，左右岸的城市居民生活质量区域间差异贡献较小，超变密度差异与区域内部差异贡献占比大。两个尺度对比发现上中下游区域城市间差异对黄河流域城市居民生活质量区域非均衡性贡献率最大。

5 黄河流域居民生活质量障碍因子分析

运用障碍度诊断模型对黄河流域79个城市居民生活质量水平的障碍因子进行诊断，判断影响城市居民生活质量水平的阻力因素。由于评价因子与城市数量较多，不再一一列出。本文主要按照总体上占最大比例的障碍因子进行绘制整体障碍因子分析表，主要探讨2004―2018年前7个障碍因子。由表4可知，总体障碍因子前3位相同，依次分别为人均水资源量（X17）、移动电话年末用户数（X7）、每万人公园绿地面积（X8）。这表明水资源及基础设施状况对黄河流域城市居民生活质量水平阻碍程度较大，今后城市发展中要注重保护生态环境，特别是水资源的合理利用，关注公园绿地、通信等基础设施建设。教育支出占财政支出比重、每万人拥有的道路面积、人均可支配收入、每百人图书馆藏书量等因子的障碍度值也较大，表明在高质量发展目标下的城市居民生活质量提升涉及生态、资源、基础设施等多方面的障碍因素，今后城市高质量发展要综合考虑水资源利用、公共服务水平、基础设施建设与居民收入等方面，切实提高居民生活质量。
表 4 2004―2018年黄河流域居民生活质量指标层主要障碍因子障碍度/%

Table 4 obstacle degree of main obstacle factors in the index layer of urban residents' quality of life in the Yellow River Basin from 2004 to 2018/%

年份 指标排序
第一障碍因子 第二障碍因子 第三障碍因子 第四障碍因子 第五障碍因子 第六障碍因子 第七障碍因子
2004 X17（31.89） X7（11.98） X8（10.50） X12（8.93） X1（8.29） X5（6.70） X9（4.51）
2006 X17（32.38） X7（11.31） X8（10.66） X12（9.08） X1（7.99） X5（6.75） X9（4.55）
2008 X17（31.46） X7（14.00） X8（10.56） X12（8.73） X1（7.27） X5（6.71） X9（4.51）
2010 X17（32.26） X7（14.07） X8（10.48） X12（8.79） X5（6.70） X1（6.65） X9（4.54）
2012 X17（32.73） X7（14.33） X8（10.67） X12（8.95） X5（6.80） X1（5.73） X9（4.64）
2014 X17（33.46） X7（14.52） X8（10.53） X12（9.05） X5（6.83） X1（5.09） X9（4.62）
2016 X17（33.82） X7（14.67） X8（10.70） X12（9.13） X5（6.86） X9（4.71） X1（4.48）
2018 X17（36.66） X7（15.91） X8（11.97） X5（6.58） X9（5.10） X1（3.92） X6（3.76）

　　注：括号外为障碍因子，括号内为障碍度。

6 结论与讨论

6.1 结论

从空间格局看居民生活质量为高水平的城市2004―2018年有略微变动，居民生活质量为高水平的城市随时间变化呈现下游城市向中上游城市变化的趋势，2010年之后，居民生活质量高水平区域集中分布于内蒙古自治区；2004―2018年居民生活质量为低水平的城市数量持续减少，主要是分布于黄河中下游，黄河流域上游城市居民生活质量水平整体略高于中下游城市。
从空间集聚状况看黄河流域城市居民生活质量有显著正相关关系。2004―2018年黄河流域城市居民生活质量H-H集聚区主要是内蒙古自治区，L-L集聚区主要分布于河南省、山西省与山东省，但L-L集聚城市在逐渐减少。从区域差异看基于黄河流域上中下游角度，对黄河流域城市居民生活质量空间非均衡性贡献率最大的是区域间差异；基于黄河流域左右岸的角度，贡献率最大的是区域内部差异，即黄河流域城市居民生活质量的空间非均衡性主要来自黄河上中下游城市间差异。
基于障碍因子诊断结果发现对黄河流域城市居民生活质量水平障碍较大的因子主要包括人均水资源量、移动电话年末用户数、每万人公园绿地面积、教育支出占财政支出比重、每万人拥有的道路面积、人均可支配收入等，在今后高质量发展中要注重生态环境保护、特别是水资源的合理有效利用，完善城市基础设施与提升公共服务水平。

6.2 讨论

就黄河流域城市居民生活质量综合得分及其空间分布来看，中西部地区的城市通过近年来国家实施西部大开发、中部崛起等相关政策，不仅促进其经济水平的不断提升，而且居民生活质量也有显著提高，但还要注意河南省、山东省及山西省部分城市的民生质量发展问题。在推动发展经济水平的同时，也要注重节约利用水资源与完善公共服务设施等方面。就黄河流域城市居民生活质量的区域差异来源来看，上中下游城市间差异依旧是黄河流域城市居民生活质量水平空间非均衡性产生的重要来源，黄河流域左右岸城市间的差异相对较小，因此在以后的规划发展中，要注重上中下游城市的协同发展，避免出现城市间居民生活质量差距愈来愈大的现象。
居民生活质量测度是复杂的、系统的问题，涵盖内容包括经济、社会与生态环境等各个方面，因此构建一个全面的城市居民生活质量评价指标体系是研究的难点，本文仅是从客观方面对城市居民生活质量指标进行分析，在今后的研究中需要尝试加入主观调查问卷数据，进行居民生活质量的综合分析；其次，在以后的研究还需要进一步探究居民生活质量较低地区的形成机理与影响机制，为提升城市居民生活质量提供有针对性的建议。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
化祥雨, 金祥荣, 吕海萍, 等. 高质量发展耦合协调时空格局演化及影响因素——以浙江省县域为例[J]. 地理科学, 2021, 41 (2): 223- 231.

Hua Xiangyu, Jin Xiangrong, Lv Haiping et al. Spatial-temporal pattern evolution and influencing factors of high quality development coupling coordination: Case on counties of Zhejiang Province[J]. Scientia Geographica Sinica, 2021, 41 (2): 223- 231.

[2]
金培. 关于“高质量发展”的经济学研究[J]. 中国工业经济, 2018, (4): 5- 18.

Jin Pei. Study on the “High-quality development” economics[J]. China Industrial Economics, 2018, (4): 5- 18.

[3]
习近平. 在黄河流域生态保护和高质量发展座谈会上的讲话[J]. 求是, 2019, 20 (20): 1- 5.

Xi Jinping. Speech at the Forum on ecological protection and high quality development of the Yellow River Basin[J]. Qiushi, 2019, 20 (20): 1- 5.

[4]
任保平, 张倩. 黄河流域高质量发展的战略设计及其支撑体系构建[J]. 改革, 2019, (10): 26- 34.

Ren Baoping, Zhang Qian. The strategic design and supporting system construction of high-quality development in the Yellow River Basin[J]. Reform, 2019, (10): 26- 34.

[5]
张占仓. 关于“十四五”规划的若干重大问题研究[J]. 区域经济评论, 2020, (1): 23- 31.

Zhang Zhancang. Study on some important issues in China’s the 14th Five-Year Plan[J]. Regional Economic Review, 2020, (1): 23- 31.

[6]
师博, 何璐, 张文明. 黄河流域城市经济高质量发展的动态演进及趋势预测[J]. 经济问题, 2021, (1): 1- 8.

Shi Bo, He Lu, Zhang Wenming. Dynamic evolution and trend prediction of high-quality urban economic development in the Yellow Rive[J]. On Economic Problems, 2021, (1): 1- 8.

[7]
方创琳. 黄河流域城市群形成发育的空间组织格局与高质量发展[J]. 经济地理, 2020, 40 (6): 1- 8.

Fang Chuanglin. Spatial organization pattern and high-quality development of urban agglomeration in the Yellow River Basin[J]. Economic Geography, 2020, 40 (6): 1- 8.

[8]
姜安印, 陈卫强. 高质量发展框架下中国居民生活质量测度[J]. 统计与决策, 2020, 36 (13): 5- 9.

Jiang Anyin, Chen Weiqiang. Measurement of Chinese residents’ quality life from the perspective of high-quality development[J]. Statistics & Decision, 2020, 36 (13): 5- 9.

[9]
UNDP. Human development report 1990[M]. New York: Oxford University Press, 1990.

[10]
中国统计学会. 2011年地区发展与民生指数(DLI)报告[J]. 调研世界, 2013, (3): 3- 5.

DOI

National Statistical Society of China. 2011 Regional development and life index report[J]. The World of Survey and Research, 2013, (3): 3- 5.

DOI

[11]
国务院发展研究中心. 我国民生发展状况及民生主要诉求研究——“中国民生指数研究”综合报告[J]. 管理世界, 2015, (2): 1- 11.

Development Research Center of the State Council of China. Research on the development and main demands of people’s livelihood in China—A comprehensive report on "Research on China Index of People’s well-being "[J]. Management World, 2015, (2): 1- 11.

[12]
王哲野, 程叶青, 马靖, 等. 东北地区城市民生质量测度与空间分析[J]. 地理科学, 2015, 35 (2): 190- 196.

Wang Zheye, Cheng Yeqing, Ma Jing et al. Measurement and spatial analysis of quality of life of urban residents in Northeast China[J]. Scientia Geographica Sinica, 2015, 35 (2): 190- 196.

[13]
胡文哲. 财政支出与民生指数: 规模和结构效应[J]. 财政科学, 2019, (9): 104- 115.

DOI

Hu Wenzhe. Fiscal expenditure and living index: Scale and structure effect[J]. Fiscal Science, 2019, (9): 104- 115.

DOI

[14]
刘华军, 张耀, 孙亚男. 中国区域发展的空间网络结构及其影响因素——基于2000-2013年省际地区发展与民生指数[J]. 经济评论, 2015, (5): 59- 69.

Liu Huajun, Zhang Yao, Sun Yanan. The spatial network structure of China’s regional development and its determinants[J]. Economic Review, 2015, (5): 59- 69.

[15]
杨志安, 邱国庆. 财政分权与中国经济高质量发展关系——基于地区发展与民生指数视角[J]. 财政研究, 2019, (8): 27- 36.

Yang Zhi’an, Qiu Guoqing. The relationship between fiscal decentralization and China's high-quality economic development——From the perspective of development and life index[J]. Public Finance Research, 2019, (8): 27- 36.

[16]
国务院发展研究中心. 中国民生指数环境保护主客观指标对比分析[J]. 发展研究, 2014, (10): 39- 42.

DOI

Development Research Center of the State Council of China. Comparative analysis of subjective and objective indicators of China index of people’s livelihood and environmental protection[J]. Development Research, 2014, (10): 39- 42.

DOI

[17]
Wills E. Spirituality and subjective well-being: Evidences for a new domain in the personal well-being index[J]. Journal of Happiness Studies, 2009, 10 (1): 49- 69.

DOI

[18]
Mccrea R, Shyy T, Stimson R. What is the strength of the link between objective and subjective indicators of urban quality of life?[J]. Applied Research in Quality of Life, 2006, 1 (1): 79- 96.

DOI

[19]
陈明华, 刘玉鑫, 张晓萌, 等. 中国城市群民生发展水平测度及趋势演进——基于城市DLI的经验考察[J]. 中国软科学, 2019, (1): 45- 61.

DOI

Chen Minghua, Liu Yuxin, Zhang Xiaomeng et al. The measurement and trend evolution of the development level of the people’s livelihood in China’s urban agglomeration——An empirical study based on the urban DLI[J]. China Soft Science, 2019, (1): 45- 61.

DOI

[20]
陈明华, 刘玉鑫, 刘文斐, 等. 中国城市民生发展的区域差异测度、来源分解与形成机理[J]. 统计研究, 2020, 37 (5): 54- 67.

Chen Minghua, Liu Yuxin, Liu Wenfei et al. Measurement, source decomposition and formation mechanism of regional differences in urban livelihood development in China[J]. Statistical Research, 2020, 37 (5): 54- 67.

[21]
李欣, 方斌, 殷如梦, 等. 村域尺度“三生”功能与生活质量感知空间格局及其关联——以江苏省扬中市为例[J]. 地理科学, 2020, 40 (4): 599- 607.

Li Xin, Fang Bin, Yin Rumeng et al. Spatial pattern and association of production-living-ecological function and life quality on the village scale: A case of Yangzhong City, Jiangsu Province[J]. Scientia Geographica Sinica, 2020, 40 (4): 599- 607.

[22]
唐承丽, 贺艳华, 周国华, 等. 基于生活质量导向的乡村聚落空间优化研究[J]. 地理学报, 2014, 69 (10): 1459- 1472.

DOI

Tang Chengli, He Yanhua, Zhou Guohua et al. The research on optimization mode of spatial organization of rural settlements oriented by life quality[J]. Acta Geographica Sinica, 2014, 69 (10): 1459- 1472.

DOI

[23]
Tesfazghi E S, Martinez J A, Verplanke J J. Variability of quality of life at small scales: Addis Ababa, Kirkos Sub-City[J]. Social Indicators Research, 2010, 98 (1): 73- 88.

DOI

[24]
Das D. Urban quality of life: A case study of Guwahati[J]. Social Indicators Research, 2008, 88 (2): 297- 310.

DOI

[25]
Moro M, Brereton F, Ferreira S et al. Ranking quality of life using subjective well-being data[J]. Ecological Economics, 2008, 65 (3): 448- 460.

DOI

[26]
邬珊华, 杨忠振, 王璐. 城市化中企事业单位空间格局演变及其员工人居生活质量研究[J]. 地理科学, 2012, 32 (11): 1328- 1334.

Wu Shanhua, Yang Zhongzhen, Wang Lu. Spatial distribution of the enterprises and living quanlity of the employees in the context of urbanization[J]. Scientia Geographica Sinica, 2012, 32 (11): 1328- 1334.

[27]
薛东前, 吕玉倩, 黄晶, 等. 城市贫困群体主观生活质量研究——以西安市典型社区为例[J]. 地理科学, 2017, 37 (4): 554- 562.

Xue Dongqian, Lyu Yuqian, Huang Jing et al. Urban poverty groups’ subjective life quality: A case study on Xi’an typical communit[J]. Scientia Geographica Sinica, 2017, 37 (4): 554- 562.

[28]
Zebardast E. The housing domain of quality of life and life satisfaction in the spontaneous settlements on the Tehran Metropolitan Fringe[J]. Social Indicators Research, 2009, 90 (2): 307- 324.

DOI

[29]
Mcintyre E, Saliba A, Mckenzie K. Subjective wellbeing in the Indian general population: A validation study of the personal wellbeing index[J]. Quality of Life Research, 2020, 29 (4): 1073- 1081.

DOI

[30]
G. L I, Weng Q. Measuring the quality of life in city of Indianapolis by integration of remote sensing and census data[J]. International Journal of Remote Sensing, 2007, 28 (1/2): 249- 267.

[31]
周彬, 王雨桐, 虞虎, 等. 基于结构方程模型的宁波城市居民休闲满意度研究[J]. 地理科学, 2020, 40 (1): 119- 127.

Zhou Bin, Wang Yutong, Yu Hu et al. SEM-based analysis on leisure satisfaction of urban residents in Ningbo City[J]. Scientia Geographica Sinica, 2020, 40 (1): 119- 127.

[32]
赵建吉, 刘岩, 朱亚坤, 等. 黄河流域新型城镇化与生态环境耦合的时空格局及影响因素[J]. 资源科学, 2020, 42 (1): 159- 171.

DOI

Zhao Jianji, Liu Yan, Zhu Yakun et al. Spatiotemporal differentiation and influencing factors of the coupling and coordinated development of new urbanization and ecological environment in the Yellow River Basin[J]. Resources Science, 2020, 42 (1): 159- 171.

DOI

[33]
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2005-2019.

National Bureau of Statistics of China. China city statistical yearbook. Beijing: China Statistics Press, 2005-2019.

[34]
国家统计局. 中国区域经济统计年鉴[M]. 北京: 中国统计出版社, 2005-2019.

National Bureau of Statistics of China. Regional statistical yearbook. Beijing: China Statistics Press, 2005-2019.

[35]
陈晓东, 金碚. 黄河流域高质量发展的着力点[J]. 改革, 2019, (11): 25- 32.

Chen Xiaodong, Jin Bei. Key points of high-quality development in the Yellow River Basin[J]. Reform, 2019, (11): 25- 32.

[36]
张宏伟, 朱峰. 基于“AHP+熵权法”的Cw-Topsis冲击地压评判模型[J]. 中国安全科学学报, 2017, 27 (1): 128- 133.

Zhang Hongwei, Zhu Feng. "AHP +entropy weight method" based CW-TOPSIS model for predicting rockburst[J]. China Safety Science Journal, 2017, 27 (1): 128- 133.

[37]
张桂铭, 朱阿兴, 杨胜天, 等. 基于核密度估计的动物生境适宜度制图方法[J]. 生态学报, 2013, 33 (23): 7590- 7600.

DOI

Zhang Guiming, Zhu Axing, Yang Shengtian et al. Mapping wildlife habitat suitability using kernel density estimation[J]. Acta Ecologica Sinica, 2013, 33 (23): 7590- 7600.

DOI

[38]
陈超, 马春光. 中国大宗商品期货交割库空间布局及影响因素[J]. 地理科学, 2017, 37 (1): 125- 129.

Chen Chao, Ma Chunguang. Study of spatial distribution and influence elements of bulk commodity delivery warehouses[J]. Scientia Geographica Sinica, 2017, 37 (1): 125- 129.

[39]
马志飞, 尹上岗, 乔文怡, 等. 中国医疗卫生资源供给水平的空间均衡状态及其时间演变[J]. 地理科学, 2018, 38 (6): 869- 876.

Ma Zhifei, Yin Shanggang, Qiao Wenyi et al. Spatial equilibrium state and its time evolution of medical health resource supply level in China[J]. Scientia Geographica Sinica, 2018, 38 (6): 869- 876.

[40]
马晓熠, 裴韬. 基于探索性空间数据分析方法的北京市区域经济差异[J]. 地理科学进展, 2010, 29 (12): 1555- 1561.

DOI

Ma Xiaoyi, Pei Tao. Exploratory spatial data analysis of regional economic disparities in Beijing during 2001-2007[J]. Progress in Geography, 2010, 29 (12): 1555- 1561.

DOI

[41]
Haining. Spatial data analysis in the social and environmental sciences[M]. Cambridge: Cambridge University Press, 1990.

[42]
Anselin. Spatial econometrics: Methods and models[M]. Dordrecht: Kluwer Academic Publishers, 1988.

[43]
周国华, 刘畅, 唐承丽, 等. 湖南乡村生活质量的空间格局及其影响因素[J]. 地理研究, 2018, 37 (12): 2475- 2489.

Zhou Guohua, Liu Chang, Tang Chengli et al. Spatial pattern and influencing factors of quality of life in rural areas of Hunan Province[J]. Geographical Research, 2018, 37 (12): 2475- 2489.

[44]
陈利, 朱喜钢, 杨阳, 等. 基于空间计量的云南省县域经济空间格局演变[J]. 经济地理, 2017, 37 (1): 40- 49.

Chen Li, Zhu Xigang, Yang Yang et al. Spatial pattern evolution of county economy in Yunnan Province of China Based on Spatial Econometrics[J]. Economic Geography, 2017, 37 (1): 40- 49.

[45]
刘慧. 区域差异测度方法与评价[J]. 地理研究, 2006, 25 (4): 710- 718.

DOI

Liu Hui. Regional inequality measurement: Methods and evaluations[J]. Geographical Research, 2006, 25 (4): 710- 718.

DOI

[46]
Dagum C. A new approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics, 1997, 22 (4): 515- 531.

DOI

[47]
陈明华, 刘华军, 孙亚男. 中国五大城市群金融发展的空间差异及分布动态: 2003-2013年[J]. 数量经济技术经济研究, 2016, 33 (7): 130- 144.

Chen Minghua, Liu Huajun, Sun Yanan. Research on the spatial differences and distributional dynamic evolution of financial development of five megalopolises from 2003 to 2013 in China[J]. The Journal of Quantitative & Technical Economics, 2016, 33 (7): 130- 144.

[48]
何艳冰, 黄晓军, 杨新军. 快速城市化背景下城市边缘区失地农民适应性研究——以西安市为例[J]. 地理研究, 2017, 36 (2): 226- 240.

He Yanbing, Huang Xiaojun, Yang Xinjun. Adaptation of land-lost farmers to rapid urbanization in urban fringe: A case study of Xi’an[J]. Geographical Research, 2017, 36 (2): 226- 240.

Options
Outlines

/

〈 〉