Scientia Geographica Sinica 2015 , 35 (9): 1077-1085

Orginal Article

中国区域城镇化综合效率测度及其动力因子分析

范建双, 虞晓芬, 张利花

浙江工业大学经贸管理学院,浙江杭州 310023

Comprehensive Efficiency Level and Driving Factors of China’s Regional Urbanization

FAN Jian-shuang, YU Xiao-fen, ZHANG Li-hua

Zhejiang University of Technology, College of Economics and Management, Hangzhou, Zhejiang 310023, China

中图分类号: F061.5

文献标识码: A

文章编号: 1000-0690(2015)09-1077-09

收稿日期: 2014-05-20

修回日期: 2014-08-29

网络出版日期: 2015-09-25

基金资助: 教育部人文社科青年基金项目(13YJCZH036)、国家社科基金青年项目（14CGL023）、国家自然科学基金项目(71273240)、浙江省科技厅软科学项目（2013C25030）、浙江省自然科学基金青年基金项目（LQ12G03017）、浙江省社科联项目（z20130115）、浙江省哲学社会科学重点研究基地“技术创新与企业国际化研究中心”项目资助

作者简介:

作者简介：范建双（1980-）,男,辽宁盖州人,副教授,博士,主要从事建筑经济、土地经济和房地产经济研究。E-mail: fjshmy@zjut.edu.cn

展开

摘要

基于构建的城镇化综合效率评价指标体系,采用基于Färe-Primont指数的DEA评价模型,对中国1999~2012年31个省份的城镇化综合效率进行动态的测算和分解,以克服传统DEA模型无法进行趋势分析、无法区分决策单元之间优劣性的缺陷。同时,对影响城镇化效率的动力因子进行理论分析,运用面板数据固定效应模型对影响城镇化效率的主要动力因子进行分析和识别。研究结果表明：全国平均水平达到了1999年北京的1.292倍,大部分地区属于有效增长型地区。中国各地区城镇化综合效率的总体水平较高的原因是混合效率和残余规模效率的高增长。从发展趋势来看,中国东、中、西部和东北地区的城镇化效率呈现出了明显的分化。城镇化效率动力因子分析的结果表明,内源力是最主要的驱动力,后面依次是市场力和外向力,而行政力则起到了相反的作用。基于研究结果,提出城镇化效率的提高需要推进“人口-土地-经济”城镇化的协调发展。

关键词： 城镇化 ; 综合效率 ; DEA ; Färe-Primont指数 ; 动力因子

Abstract

As an important indicator of the development level of the urbanization, urbanization efficiency has become an inevitable choice for the healthy and sustainable urban development. The key point is how to evaluate the efficiency of urbanization effectively and objectively. In this article, we first establish an evaluation index system of the urbanization comprehensive efficiency, and then we apply the data of the 31 provinces in China in 1999-2012 to measure and decompose, based on the DEA evaluation model with Färe-Primont index. This model can overcome the drawbacks of the traditional DEA model that cannot make trend analysis and distinguish the superiority-inferiority between decision units. Moreover, the driving factors of urbanization comprehensive efficiency are analyzed theoretically in this article, and the main driving factors of urbanization efficiency are analyzed and distinguished by using the Panel Data fixed effects model. The results indicate that the level of national average in 2012 was as much as 1.292 times to that of Beijing in 1999, and most areas were effective growth-oriented areas. High overall level of urbanization comprehensive efficiency in the most regions of China is the result of high growth of the mixing efficiency of and residual scale efficiency. The urbanization efficiency in Eastern, Central, Western and Northeastern regions of China shows a clear differentiation in views of the development trends. The results of the driving factor analysis show that the intrinsic force is the most powerful driving force, followed by market and exterior force, while the administrative force plays the opposite role. Therefore,this article presents that the advancement of urbanization efficiency needs to promote the harmonious development among population urbanization, land urbanization and economy urbanization.

Keywords： urbanization ; comprehensive efficiency ; DEA ; Färe-Primont index ; driving factor

PDF (756KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

范建双, 虞晓芬, 张利花. 中国区域城镇化综合效率测度及其动力因子分析[J]. , 2015, 35(9): 1077-1085 https://doi.org/

FAN Jian-shuang, YU Xiao-fen, ZHANG Li-hua. Comprehensive Efficiency Level and Driving Factors of China’s Regional Urbanization[J]. Scientia Geographica Sinica, 2015, 35(9): 1077-1085 https://doi.org/

改革开放以来,城镇化的快速发展为中国经济社会发展做出了巨大贡献。截止2012年底,中国城镇人口7.118亿,城镇化率达到了52.57%。这表明中国正在从一个传统农业大国向城市型国家转变。理论和实践均表明,城镇化能够提高资源配置效率、创新的产生和创造更多就业机会。然而,中国近20 a的城镇化发展也带来了资源的高消耗和资本的高投入,转移人口的低素质与高流动性,使得城镇化效果大打折扣。而城市的盲目扩张和产业的同质化发展,造成了城市建设投资、运营的低效率和地方政府的高负债;土地城镇化过快、失地农民持续增多,中小城市和小城镇发展迟缓甚至衰退,农村空心化、土地闲置现象十分突出^[1,2]。鉴于出现的一系列负面效应,无论是从提高公共财政支出绩效还是最大幅度发挥资源配置效率的角度,都迫切需要系统和科学地评估城镇化效率,并努力健康有序地推进城镇化。

城镇化效率问题逐渐受到国内外学者的关注。有学者认为当前城市建设资源浪费和运营效率低下导致了城镇竞争力和生活质量降低,提出城镇化效率低下主要源于土地产权制度的缺陷、政府职能的错位、层级制城市结构和认识上的偏差,应该进行相应的改革和改进^[3,4]。实证方面,有学者采用参数方法对城镇化效率进行评价^[5,6]。参数方法由于需要事先设定具体函数形式和一定的假设条件,应用存在一定的局限。大多数学者更倾向于非参数评价方法。DEA方法作为一种面向数据的效率评价方法,其优点在于无须估计生产函数或者成本函数,从而避免了因错误的函数形式而得出错误的结论。如有学者采用传统DEA方法对城镇化效率进行评价^[7,8]。为了克服传统DEA方法无法对决策单元之间的优劣性进行进一步分析,有学者分别采用超效率和交叉DEA模型进行实证评价^[9,10]。然而传统的、超效率和交叉DEA模型都仅能处理横截面数据,无法测度效率的变化趋势。有学者采用基于Malmquist指数的DEA方法对城镇化效率进行测算^[11~13]。源于该方法能够有效处理面板数据,并能够将TFP变化进一步分解为技术进步和技术效率变化,使人们能够更好的理解城镇化效率增长的内在动力。尽管Malmquist指数方法应用广泛,但是该指数不满足传递性检验而无法进行多期的纵向比较或多边的横向比较,只能比较两组研究对象^[14],而且Malmquist指数不具有乘积完备性,无法对TFP进行彻底分解^[15]。已有的城市化效率研究,多侧重于个体差异分析,针对其影响因素的研究则相对较少^{[5, 16~18]}。

城镇化效率作为测度城镇化从低水平向高水平发展过程中产出与投入比值高低的指标,是城乡投入要素的合理有效配置在城镇化实现程度、城乡一体化程度和非农经济发展上的综合体现, 其高低和驱动因素需要科学测度和识别。鉴于现有评价方法存在的问题和缺陷,亟需构建全面的评价体系和科学的评价方法进行评价。本文将系统梳理衡量城镇化效率的投入和产出指标,应用基于Färe-Primont指数的DEA方法对中国1999~2012年31个省份的城镇化效率进行评价,并采用面板数据固定效应模型对城镇化效率的动力因子进行实证检验。

1 研究方法

1.1 评价指标的选取

本文在充分借鉴现有研究成果的基础上,根据对城镇化效率内涵的理解进行指标选取。投入指标包括劳动力、资本和土地。劳动力要素主要指城镇从业人员数量;资本要素主要是城镇固定资产投资总额和政府财政支出;土地要素是城市建设用地,用建成区面积来衡量。产出指标包括城镇化实现程度、城乡一体化程度和非农经济发展3个方面。城镇化实现程度分别用人口、土地和经济城镇化率来衡量。其中,人口城镇化率包括农村人口转变为城镇人口和农村劳动力的城镇就业两方面,分别用城市市区人口和非农业人口占总人口的比重来度量;土地城镇化率主要反映农村和农业用地转化为城镇建设用地的程度,用建成区面积占土地总面积的比重来度量;经济城镇化率主要反映农业非农化程度与结构,分别用第二产业和第三产业产值占总产值的比重来衡量。城乡一体化程度则反映城镇化进程中的城乡均衡发展程度,用乡城居民人均可支配收入之比和乡城居民人均生活消费支出之比来度量。非农经济发展主要反映城镇化进程中第二产业和第三产业的发展状况,用二三产业产值来度量。

1.2 基于Färe-Primont指数的DEA评价方法

1） DEA方法。本文将选取面向产出的DEA模型对中国各省份城镇化综合效率（简称TFP）进行测算,并进一步运用Färe-Primont指数对生产率进行分解和比较。

2） TFP的测算和分解。假设x_it=(x₁_it,…, x_Kit)′和y_it=(y₁_it,…, y_Jit)′分别表示地区i在t时期的投入和产出向量。则TFP可以表示为：TFP = Y_it/X_it。其中Y_it=Y(y_it)表示总产出,X_it=X(x_it)表示总投入,这里Y(.)和X(.)为非负的、非递减的线性齐次函数。测度地区i在t时期相对于地区h在s时期的相对TFP指数可以表示为：

$\begin{matrix} TF P_{h s, it} = \frac{TF P_{it}}{TF P_{h s}} = \frac{\frac{Y_{it}}{X_{it}}}{\frac{Y_{h s}}{X_{h s}}} = \frac{Y_{h s, it}}{X_{h s, it}} \end{matrix}$ （1）

式中,Y_hs,it=Y_it / Y_hs表示产出量指数,X_hs,,it= X_it/ X_hs表示投入量指数。因此,TFP增长可以表示为产出增长除以投入增长。

3） Färe-Primont指数的引入。这里基于Färe-Primont指数的投入和产出函数可以表示为：

Y(y)= D_O(x₀, y, t₀), X(x)= D_O(x, y₀, t₀) （2）

式中,x₀, y₀表示投入和产出数量的向量;t₀表示时间;D_O(.)和D_I(.)为产出和投入的距离函数,即为Färe-Primont指数。将公式（3）代入公式（1）,得到TFP指数如下：

$\begin{matrix} TF P_{h s, it} = \frac{D_{O} (x_{0}, y_{it}, t_{0})}{D_{O} (x_{0}, y_{h s}, t_{0})} \frac{D_{I} (x_{h s}, y_{0}, t_{0})}{D_{I} (x_{it}, y_{0}, t_{0})} \end{matrix}$ （3）

城镇化效率可以定义为TFP比率的测算。其中TFP效率、面向产出的技术效率、面向产出的规模效率、面向产出的混合效率、面向产出的残余规模效率和残余混合效率可以分别表示为：

$\begin{matrix} TFP E_{it} = \frac{TF P_{it}}{TF P_{t}^{*}} \leq 1 \end{matrix}$ （4）

$\begin{matrix} OT E_{it} = \frac{\frac{Y_{it}}{X_{it}}}{\frac{\bar{Y_{it}}}{X_{it}}} = \frac{Y_{it}}{\bar{Y_{it}}} = D_{O} (x_{it}, y_{it}, t) \leq 1 \end{matrix}$ （5）

$\begin{matrix} OS E_{it} = \frac{\frac{\bar{Y_{it}}}{X_{it}}}{\frac{{\tilde{Y}}_{it}}{{\tilde{X}}_{it}}} \leq 1 \end{matrix}$ （6）

$\begin{matrix} OM E_{it} = \frac{\frac{\bar{Y_{it}}}{X_{it}}}{\frac{\overset{⌢}{Y_{it}}}{X_{it}}} = \frac{\bar{Y_{it}}}{\overset{⌢}{Y_{it}}} \leq 1 \end{matrix}$ （7）

$\begin{matrix} ROS E_{it} = \frac{\frac{{\overset{⌢}{Y}}_{it}}{X_{it}}}{TF P_{t}^{*}} \leq 1 \end{matrix}$ （8）

$\begin{matrix} RM E_{it} = \frac{\frac{\tilde{Y_{it}}}{{\tilde{X}}_{it}}}{TF P_{t}^{*}} \leq 1 \end{matrix}$ （9）

上述(4)~(9)式中TFP_t^*表示t时期技术可能性TFP最大值,有 $\begin{matrix} TF P_{t}^{*} = \underset{i}{ma x} Y_{it} / X_{it} \end{matrix}$ ; $\begin{matrix} \bar{Y_{it}} = Y_{it} D_{O} (x_{it}, y_{it} {, t)}^{- 1} \end{matrix}$ 表示投入向量x_it固定情况下的最大可能产出y_it; $\begin{matrix} {\tilde{Y}}_{it} \end{matrix}$ 和 $\begin{matrix} {\tilde{X}}_{it} \end{matrix}$ 分别表示当TFP在产出和投入向量分别是y_it和x_it被最大化时所获得的总产出和总投入; $\begin{matrix} \overset{⌢}{Y_{it}} \end{matrix}$ 表示采用投入变量x_it来生产任意产出时的最大可能性产出。其中,TFPE_it用来衡量总体生产绩效,OTE_it用来衡量技术进步状况,而OSE_it和ROSE_it是用来衡量与规模经济有关的生产绩效。RME_it测度具有技术效率的生产单位通过改变产出组合所引起的TFP变化,即范围经济绩效。OME_it主要用来衡量资源配置效率。

公式（4）进一步变化为TFP_it=TFPE_it ×TFP_t^*,类似的对于s时期的地区h也有：TFP_hs= TFPE_hs × TFP_s^*。则公式（1）可以被分解为：

$\begin{matrix} TF P_{h s, it} = \frac{TF P_{it}}{TF P_{h s}} = (\frac{TFP E_{it}}{TFP E_{h s}}) (\frac{TF P_{t}^{*}}{TF P_{s}^{*}}) \end{matrix}$ （10）

上面等式右端第一个大括号内项总体效率变化;第二个大括号内项表示所有时期TFP最大值的变化,用来测算技术进步。通过等式（5）~（9）可以将TFP变化进一步分解为：

$\begin{matrix} TF P_{h s, it} = (\frac{OT E_{it}}{OT E_{h s}}) (\frac{OM E_{it}}{OM E_{h s}}) (\frac{ROS E_{it}}{ROS E_{h s}}) (\frac{TF P_{t}^{*}}{TF P_{s}^{*}}) \end{matrix}$ （11）

Färe-Primont指数基本能够满足与经济相关的所有指数公理和检验,包括传递性检验,因此可以进行多期或多地区比较,克服了传统DEA模型无法进行趋势分析、无法区分决策单元之间优劣性的缺陷。

4）基于Färe-Primont指数DEA方法的测算过程。DEA方法应用的前提是假设产出距离函数表示t时期的技术可能性如下：

$\begin{matrix} D_{O} (x_{it}, y_{it}, t) = (α y_{it}^{'} \frac{)}{(} γ + β x_{it}^{'}) \end{matrix}$ （12）

由于本文采用面向产出的DEA方法,因此涉及到使得等式OTE_it = D_O(x_it, y_it, t)^-¹最小化的未知参数的选择问题。其线性规划的结果为：

$\begin{matrix} D_{O} (x_{it}, y_{it} {, t)}^{- 1} = OT E_{it}^{- 1} = \\ \min_{α, β, γ} \{γ + β x_{it}^{'} : γl + β X^{'} \geq α Y^{'}; α y_{it}^{'} = 1; α \geq 0; β \geq 0\} \end{matrix}$ （13）

式中,Y是J×M_t阶产出向量矩阵,X是K×M_t阶投入向量矩阵,l是M_t×1阶单位向量,M_t表示t时期用于估算前沿面的观察变量的个数。则Färe-Primont指数中相应变量可通过下式求解：

$\begin{matrix} D_{O} (x_{0}, y_{0}, t_{0})^{- 1} = \\ \min_{α, γ, β} \{γ + β x_{0}^{'} : γl + β X^{'}; y_{0}^{'} α = 1; α \geq 0; β \geq 0\} \end{matrix}$ （14）

总产出可以求解为：Y_it=(y^′_itα₀)/(γ₀+ x^′₀β₀)。 $\begin{matrix} α \end{matrix}$ 和 $\begin{matrix} β \end{matrix}$ 为投入变量x和产出变量y的待估系数, $\begin{matrix} γ \end{matrix}$ 为反映不同规模报酬的限制系数。其中α₀,γ₀,β₀用于求解等式（15）。等式（15）中的技术是基于技术不变的假设下获得的,并且允许技术存在规模效益可变（VRS）。进一步面向产出的技术效率可以通过下式求解：

$\begin{matrix} OT E_{it} = D_{O} (x_{it}, y_{it}, t) = \\ \min_{λ, θ} \{λ^{- 1} : λ y_{it}  Yθ; θX  x_{it}; \overset{′}{θ} l = 1; θ  0\} \end{matrix}$ （15）

式中,θ是一个M_t×1阶向量。为了估算在规模效益不变（CRS）条件下的技术效率,则去掉约束条件θ′l=1,即：

$\begin{matrix} OT E_{it}^{CRS} = D_{O} (x_{it}, y_{it}, t) = \\ \min_{λ, θ} \{λ^{- 1} : λ y_{it} \leq Yθ; θX \leq x_{it}; θ \leq 0\} \end{matrix}$ （16）

进一步规模效率可以求解为：OSE_it = OTE_it^CRS/OTE_it。面向产出的混合效率和残余混合效率可以通过等式（7）和（9）求解。其中参数 $\begin{matrix} \overset{⌢}{Y_{it}} \end{matrix}$ 可以通过下列线性规划求解：

$\begin{matrix} \overset{⌢}{Y_{it}} = \\ \max_{θ, y} \{Y (y) : y \leq Yθ; θX  x_{it}; \overset{′}{θ} l = 1; θ \leq 0\} \end{matrix}$ （17）

1.3 数据来源

本文以1999~2012年的31个省份（不包括港澳台地区）共434组数据为样本进行实证研究。其中,非农业人口数量摘自《中国人口与就业统计年鉴》（2000~2013）^[19],城镇从业人员数量数据摘自《中国劳动统计年鉴》（2000~2013）^[20],各地区市区人口的数据摘自《中国城市建设统计年鉴》（2000~2013）^[21],其余数据全部摘自《中国统计年鉴》（2000~2013）^[22]。

2 区域城镇化效率综合测度

2.1 中国省域城镇化效率及其变化趋势分析

运用DPIN软件进行计算,得到31个省份的Färe-Primont TFP指数变化（以下简称ΔTFP）及其分解结果如图1所示。这里假设技术的规模报酬为常数,因此OSE取值始终为常数1。ΔTFP是将t时期的所有决策单元与第1期的第一个决策单元的TFP值进行比较。本文中默认1999年的北京作为第1期的第一个决策单元^①（① 注：各类统计年鉴中对省域数据的统计排序中将北京排在第一行,本文仍然采用这一做法,因此将北京作为第一个决策单元是数据统计默认的结果。）,1999年作为第1期,图1中的结果是2012年31个省份的TFP值与1999年的北京市的比值。

从图1可以看出,除了西藏、新疆、贵州、云南、甘肃、青海和海南以外,其他地区的城镇化效率水平均超过了1999年的北京。全国平均水平达到了1999年北京城镇化效率水平的1.292倍。其中,增长幅度最高的是广东,2012年城镇化效率是1999年北京的1.893倍,增长幅度最低（负增长）的是新疆,2012年的城镇化效率仅为1999年北京的86.6%。从ΔTFP的分解结果来看,混合效率变化和残余规模效率变化的取值基本大于1,说明二者对城镇化效率变化均起到了积极的推进作用,二者的高增长是城镇化效率较高的主要原因。由于ΔTFP^*值（ΔTFP^*=0.977）即TFP技术可能性极值始终保持较高的水平（接近于1）,因此ΔTFP^*值也是导致城镇化效率整体水平较高的重要原因。除此之外,由于技术效率变化在各地区表现出了较大的差异性,有些地区大于1,有些地区小于1,说明技术效率的变化对城镇化效率的影响存在明显的区域差异性。

显示原图| 下载原图ZIP| 生成PPT

图1 1999~2012年中国31个省份Färe-Primont TFP指数及其分解指标

Fig.1 Färe-Primont TFP index and decomposition of 31 provinces in 1999-2012

显示原图| 下载原图ZIP| 生成PPT

图2 全国1999~2012年平均城镇化效率变化趋势

Fig.2 Changes trend of average urbanization efficiency for national in 1999-2012

进一步对中国东部、中部、西部和东北地区^②（② 这里东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10个省份;中部地区包括山西、安徽、江西、河南、湖北和河南6个省份;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省份;东北地区包括黑龙江、吉林和辽宁3个省份。）城镇化效率均值的发展趋势分析,如图2所示。从横向对比来看,东、中、西部和东北地区的城镇化效率呈现出了明显的分化。东部地区的城镇化效率远高于中、西部、东北地区和全国平均水平。中、西部和东北地区的城镇化效率均低于全国平均水平。东北地区城镇化效率前期较低,2008年之后超过西部地区。从纵向发展趋势来看,东部地区和全国的平均城镇化效率呈现倒“U”型发展轨迹,总体呈现上升的趋势,分别从1999年的0.472和0.403上升到2012年的0.608和0.474;中部地区呈现出稳步提升的发展态势,从1999年的0.333上升到2012年的0.467;西部地区在研究期内表现出一定的波动性,总体呈现轻微下降趋势,从1999年的0.410下降到2012年的0.376;东北地区则呈现出了快速的上升趋势,从1999年的0.284上升到2012年的0.474,上升幅度较大。

2.2 地区城镇化效率的类型划分

根据各地区2012年城镇化效率变化（即ΔTFP）的大小,将决策单元划分为有效增长型（ΔTFP>1）、低无效增长型（0.900<ΔTFP<1）、高无效增长型（0.800<ΔTFP<0.900）和强无效增长型（ΔTFP<0.800）4种类型,如表1所示。

表1 中国31个省份的城镇化效率类别划分

Table 1 Division of urbanization efficiency types of Chinese 31 provinces

地区类型划分	有效增长型（ΔTFP>1）	低无效增长型（0.900<ΔTFP<1）	高无效增长型（0.800<ΔTFP<0.900）	强无效增长型（ΔTFP<0.800）
决策单元	广东、上海、天津、浙江、江苏、山东、北京、福建、河北、内蒙古、河南、湖南、湖北、山西、辽宁、陕西、吉林、四川、广西、江西、安徽、重庆、黑龙江、宁夏	海南、青海、甘肃	云南、贵州、新疆	西藏

新窗口打开

1）有效增长型地区。属于有效增长型的地区数量最多,以广东、上海为代表,共有24个省份,该类型具有一定的代表性。这些地区的ΔTFP值均大于1,表明在研究期内,这些省份城镇化效率相对于1999年的北京在不断提高。属于有效增长型的24个省份可以根据其分解结果的不同分为3种情况：一种是以广东、上海、天津、浙江、江苏、山东、北京、福建、河北和内蒙古为代表的地区,其ΔTFP分解指数中技术效率变化、混合效率变化和残余规模效率变化取值均大于1。这说明这些地区城镇化效率的提高同时依靠技术进步、资源配置效率和规模效益带来的效率提升。这些省份基本为东部地区,凭借其雄厚的经济实力和先进的技术水平,可以实现技术进步和规模经济,促使城镇化效率不断提高;一种是河南、湖南、湖北、山西、辽宁、陕西、吉林、四川、广西、江西、安徽、重庆和黑龙江为代表的地区,其ΔTFP分解指数中混合效率变化和残余规模效率变化值均大于1,但是技术效率变化值小于1。说明这些地区城镇化效率的提高得益于资源优化配置和规模经济,而技术进步的衰退则产生了一定抑制作用。这些省份均属于中西部地区,经济发展相对较低,经济的低增长会导致科技、研发投入不足,影响技术进步;第三种是以宁夏为代表的地区,宁夏的ΔTFP分解指数中技术效率变化和残余规模效率变化值均大于1,但是混合效率变化值小于1。这说明宁夏城镇化效率的提高得益于技术进步和规模经济,而资源配置的低效则产生了一定的负作用。导致该现象出现的主要原因是在区域经济发展政策如西部大开发政策的支持下,宁夏的经济发展水平和技术水平取得一定的进步,但是由于管理水平和人才培养没有与之相匹配,导致了资源配置效率的低下。

2）低无效增长型地区。处于低无效的地区包括海南、青海和甘肃3个省份,其ΔTFP值介于0.900到1之间,表明在研究期内,这3个地区的城镇化效率相对于1999年的北京有所下降,但幅度小于10%。其中,海南的ΔTFP分解与宁夏类似,即技术效率变化和残余规模效率变化值大于1而混合效率变化值小于1。宁夏和海南的城镇化效率变化值分别为1.065和0.962,而相应的混合效率分别0.891和0.670。可见,海南混合效率变化值过低是导致城镇化效率无效的主要原因。青海的ΔTFP分解指数中技术效率变化和混合效率变化值大于1,但是残余规模效率变化值仅为0.638。说明青海城镇化的低无效是规模不经济造成的,规模效应越来越成为影响青海城镇化效率的关键因素。甘肃的ΔTFP值为0.900,而相应的技术效率变动、混合效率变动和残余规模效率变动的取值分别为0.757、1.105和1.101。可见,技术进步的急剧衰退是甘肃省城镇化效率无效增长的主要原因。由于甘肃省经济和技术基础较为薄弱,其技术进步非常缓慢。

3）高无效增长型地区。处于高无效的包括云南、贵州和新疆3个省份,其ΔTFP值均介于0.800到0.900之间,说明城镇化效率相对于1999年的北京下降幅度更大,在10%~20%之间。从分解结果来看,其ΔTFP分解指数中混合效率变化和残余规模效率变化值均大于1,但是技术效率变化值明显小于1,说明这3个省份的城镇化效率偏低的主要原因在于技术进步的急剧衰退。云南、贵州和新疆的城镇化效率变化值分别为0.895、0.893和0.866,而相应的技术效率变化值分别为0.672、0.751和0.715。云南、贵州和新疆属于西部地区,经济发展和技术进步受到人才、资源、环境等多方面因素制约。

4）强无效增长型地区。处于强无效的仅有西藏地区一个省份,其ΔTFP值在0.800以下,表明西藏的城镇化效率在急剧下降,下降幅度超过了20%。其ΔTFP分解指数中技术效率变化值大于1,混合效率变化和残余规模效率变化值均明显小于1,说明西藏城镇化效率偏低的主要原因在于资源配置的低效和规模不经济的存在。西藏的ΔTFP值为0.612,而相应的混合效率变化和残余规模效率变化值分别为0.815和0.633,技术效率变动值为1.214。可见,西藏地区的范围经济与规模经济出现了双低的状况,并且规模不经济对城镇化效率的影响更为显著。这与前面青海省的情况类似。青海和西藏地区的地理气候条件和环境状况决定了其资源集聚能力有限,很难吸引外地企业入驻,地区内企业数量偏少,无法形成规模效应。

综上可知,各省区的城镇化效率存在明显的东西部差异,处于无效增长的地区主要集中在西部地区。西部地区区位相对偏僻,资源缺乏,交通和市政基础设施不完善,对人口、资源的集聚能力有限,城镇化建设的动力不足。尽管国家出台了西部大开发战略来促进西部地区的发展,加大了城镇化建设的投资力度,但是由于其基础薄弱,很难形成后发优势,产出水平相对较低。东部地区地理条件优越,物质和文化基础深厚,市政和交通基础设施比较完善,对人口和企业有较强的吸引力,企业有动力和意愿到东部地区进行投资和开发建设,企业之间竞争充分,产出水平较高。

3 区域城镇化效率的动力因子分析

3.1 区域城镇化效率变动的动力机制

城镇化是区域经济与社会发展共同作用的结果,城镇化效率的高低受到区域发展的基础条件、产业状况和体制背景等多方面的影响。本文在借鉴已有的四维分析视角^{[23, 24]},将驱动因子归纳为行政力、市场力、外向力、内源力和投资力5个方面。各种动力因子对城镇化效率的动力机制可以通过产业的调整、重组等方式对城镇化效率加以影响。

3.1.1 行政力

行政力是指行政力量推动下的城镇化,其作用主要表现在土地城镇化和人口城镇化。首先,政府在某一地区通过资金投入、产业规划布局、基础设施建设和主体功能区规划等引导城镇化。1999~2012年,全国的财政支出总额从8 991亿元增长到107 188亿元,增长了将近12倍。财政支出很大一部分被用于基本建设,高强度的基建投入和诸多如高铁、地铁等重大基础设施的建设,极大地增强了城市与外界的通达性和紧密性,改善了投资环境,带动了城市经济发展和城镇化效率的提高。其次,通过行政区划将农村区域转变为城市区域,直接推动城镇化,或者通过户籍制度将农村人口转变为城镇人口间接影响城镇化。1999~2012年,对全国各地区的部分城市的市区行政区进行了调整,由原来地级及以上城市240个、县级市427个和县1 510个调整为2012年的地级及以上城市289个、县级市368个和县1 453个,通过优化整合,撤乡变县、撤县变市,使得城镇人口规模迅速提高,中国城镇人口规模由1999年的43 748万人增加到了2012年的71 182万人,极大地提高了城镇化规模。当城镇人口规模和人口密度达到一定程度以后,人口密集会造成城镇居住空间紧张、公共服务负担过重和城市运营成本高昂,从而降低城镇化的效率。随着人口集聚规模的不断扩大,迫使城镇向外围蔓延,形成新的居住区和城市综合体,并引发新一轮城镇基础设施投资。总的来看,行政力对城镇化效率的影响有正有负,需要根据各地区的实际情况和所处的发展阶段来进行具体分析和判断。

3.1.2 市场力

市场是经济发展的产物,其基本功能是在经济发展中对资源配置起基础性调节作用,对各生产要素和地域分布按照市场规律进行有效配置。市场力对城镇化效率的推动作用,主要表现在生产要素由于比较优势而向城镇和非农产业集聚和转移,从而推动城镇化进程和提高城镇化效率。1999~2012年中国城镇就业人员数量占全社会从业人员的比重由31.39%增加到48.37%,其中,国有单位和城镇集体单位从业人员占全体从业人员的比重分别由12.01%和2.40%下降到8.92%和0.77%,而其他单位和城镇私营个体单位从业人员占全体从业人员的比重则分别由2.59%和4.86%增加到9.69%和17.21%,劳动力市场的日趋完善,使得其大规模的自由转移和流动成为可能,从而实现全国城镇化的快速发展。

3.1.3 外向力

外向力指外资和外贸对城镇化的影响。通过引进外资及其先进技术,改善资本形成条件,带动区域技术、贸易、产业结构和就业结构的变化,提高技术和管理水平,从而提高城镇化效率。而经济全球化过程中的产业和技术转移又为中国经济发展提供了好的契机,进一步推动了城镇化进程。1999~2012年,中国实际外商投资额从526.59亿美元增长到1 132.94亿美元,增长了2倍多;对外贸易方面,中国货物进出口总额也从1999年的29 896.20亿元增长到了2012年的244 160.21亿元,增长了8倍多。对外贸易的发展在积极提升中国国际化水平和经济增长的同时,也极大地促进了当地的就业,吸收了大量的农村剩余劳动力,而外资企业的产业布局也带动了农地的非农化,因此外资和外贸是提高城镇化效率的外部动力。

3.1.4 内源力

内源力指一个地区发展的内在动力。有学者认为内源力来源于基层乡村政府或者农民自主推进的乡村城镇化,其实质是乡镇企业的大力发展^[24]。笔者认为,乡镇企业只是地区发展的动力之一,还包括城市企业的郊区化迁移、产业园区的郊区化布点等因素。尽管乡镇企业是推动乡村城镇化的重要动力,但是最终决定城镇化发展的内在动力则取决于产业结构的合理性。随着产业转移和转型升级的不断推进,城市中心主要保留金融服务业等第三产业,第二产业则向外围乡镇和郊区迁移并一定程度上推动了农地的非农化,农地的非农化促使第一产业向集约高效的规模化和产业化经营转型。因此,可以说产业结构决定了地区经济增长方式和分工模式,产业结构合理与否是城镇化效率提高的内在动力。

3.1.5 投资力

投资力指资本投入对城镇化的推动作用。高强度的资金投入将转化为大量的固定资产和公共设施,这将极大地提高城镇化规模。1999~2012年,全国全社会固定资产投资总额从29 854.71亿元增长到374 694.70亿元,增长了12倍多。改革开放以来,中国城镇建设的投资主体已经由传统的国有投资为主向多元化的投资主体转变。1999~2012年间,国家预算内资金、国内贷款和利用外资占全社会固定资产投资的比重分别由4.59%、20.55%和4.43%减少到4.29%（2011年比例,2012年又上升为4.63%）、12.59%和1.09%,而自筹资金占全社会固定资产投资的比重则由53.65%增加到67.81%。城市建设投资主体的多元化使得城市建设和产业发展所需资金的来源不断扩大,使得市场在城镇化建设中的作用不断加强,进而提高城镇化效率。

3.2 区域城镇化效率动力因子的实证检验

3.2.1 模型设定

为客观地实证检验区域城镇化效率动力因子驱动机制,面板数据模型设定为：、

TFP = α+γlnGOV_it+δMT_it+ζlnFDI_it+ξIND_it+λPK_it+μ_i+η_t+ε_it（18）

其中行政力、市场力、外向力、内源力和投资力分别采用财政支出总额（lnGOV_it）、城镇其他单位和城镇私营个体单位从业人员占全部城镇从业人员的比重^①（ ① 这里的从业人员的分类构成主要参考《中国农业统计年鉴》中的相应分类,即将城镇就业人员划分为城镇单位、集体单位、其他单位和私营个体单位四大类。）（MT_it）、外商投资总额（lnFDI_it）、二三产业产值占GDP的比重（IND_it）和人均全社会固定资产投资（PK_it）度量。α为常数项,γ为行政力待估系数,δ为市场力待估系数,ζ、ξ、λ依次为外向力、内源力和投资力的待估系数。μ_i、η_t和ε_it分别表示地区效应、时间效应和随机扰动项。

3.2.2 数据来源及处理

为了系统评价上述五种动力因子对城镇化效率的影响,本文选取1999~2012年的全国31个省份的面板数据进行实证检验。相关指标数据全部来源于《中国统计年鉴》（2000~2012）^[22]。涉及到价格调整的全社会固定资产投资和外商投资总额采用各地区固定资产投资价格指数进行调整;由于财政支出总额主要涉及到经济建设支出、社会文教支出、国防支出、行政管理支出与其他支出,大部分属于投资性支出,这里近似采用固定资产投资价格指数进行调整。

3.2.3 实证结果分析

本文基于Stata12软件对上述面板计量模型进行估计,由于面板静态回归存在固定效应与随机效应两种,为了甄别模型估计方法,采用面板Hausman检验加以判断。模型基准回归结果如表2所示。首先,Hausman检验显著拒绝模型为随机效应的原假设,故本文实证模型采用面板固定效应模型估计。从回归结果可以看出,Wald χ²值为429.382,在1%水平上显著,说明模型具有联合显著性。同时,从各变量的Z值显著性概率来看,除了投资力以外,均在1%水平上显著。说明行政力、市场力、外向力和内源力对城镇化效率均有显著影响。其中,行政力的回归系数为-0.057且显著,表明现阶段行政力对城镇化效率产生了负影响。即政府通过行政手段虽然能够极大地推进城镇化进程,但是现阶段各地区摊大饼式的发展模式在扩大了城市规模的同时,也降低了城市的投资效率、运行效率和土地利用效率,出现了交通拥堵和环境恶化等负面效应,一定程度上抵消了行政力的积极效果,出现行政力与城镇化效率之间的负相关也就不难理解。市场力的回归系数为0.278且显著,说明市场力对城镇化效率产生了显著正影响。即市场力指标每提高一个单位,就会促进城镇化效率提高0.278个单位,这与理论分析相吻合,表明了民间资本和社会力量的持续活跃是城镇化效率提高不可替代的重要驱动因子;外向力的回归系数为0.030且显著,说明外商投资的增长促进了城镇化效率的提高。即外商投资对城镇化效率的提升起到了积极的推动作用,也是其重要驱动因子;内源力的回归系数为0.528且显著,说明内源力对城镇化效率产生了显著的正向影响。即产业结构的优化升级是城镇化效率提高的重要驱动因子;投资力的估计系数为正,但是统计学不显著。说明投资力对城镇化效率的提高没有显著影响。即目前的城镇化建设在很长一段时间内仍然是以投资拉动为主,但是这种以投资拉动为主的城镇化建设虽然能够提高城镇化规模,但是无法有效提高城镇化效率。从总体来看,市场力、外向力和内源力共同作用,推动了城镇化效率的提升。其中,内源力是首要驱动因子,其次依次是市场力和外向力。

表2 城镇化效率驱动因子面板数据回归结果（1999~2012）

Table 2 Regression analysis of efficiency and driving factors of urbanization in 1999-2012

变量	回归系数	标准差	Z值	显著性概率
行政力	-0.057	0.007	-7.88	0.000
市场力	0.278	0.053	5.21	0.000
外向力	0.030	0.005	6.36	0.000
内源力	0.528	0.076	6.91	0.000
投资力	0.011	0.009	1.25	0.211
常数项	0.594	0.104	5.74	0.000
Hausman值	26.501
Prob>χ²	0.000
Wald χ²	429.382
Prob>χ²	0.000

新窗口打开

4 结论

1）中国的城镇化特征包括人口城镇化、土地城镇化和经济城镇化等多方面内容,区域综合城镇化效率能够全面、完整地反映出区域城镇化发展水平阶段和质量特征。因此需要将人口、土地和产业等要素纳入到同一个框架下进行顶层设计和系统考量。运用基于Färe-Primont指数的DEA方法测度了全国31个省份的城镇化综合效率状况,发现1999~2012年期间,除了西藏、新疆、贵州、云南、甘肃、青海和海南以外,其他地区的城镇化效率水平均超过了1999年的北京。全国平均水平达到了1999年北京城镇化效率水平的1.29倍。对中国城镇化效率的类型划分结果表明,中国各地区城镇化效率的总体水平较高,大部分地区属于有效增长型地区。

2）中国各地区城镇化效率的动力因子呈现出不断变化且日趋多元化的特征。通过面板数据回归模型的实证检验表明,影响1999~2012年中国各地区城镇化效率的主要动力因子由大至小的顺序依次是内源力、市场力和外向力,投资力的影响不显著,而行政力则对城镇化效率产生了负向影响。

文章只分析了全国各地区城镇化效率水平变化及其动力因子,没有对城镇化各子系统（人口城镇化、土地城镇化和经济城镇化）之间的相互作用强度及其协调性进行研究。城镇化效率的提高需要推进“人口-土地-经济”城镇化的协调发展。同时,也应该注意到城镇化水平的高低与城镇化效率的高低之间并不是简单的正向相关,城镇化水平高的地区城镇化效率不一定高,因此对二者关系的深入研究将有助于城镇化的健康发展。以上这些问题,将在今后的研究中继续深化。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	陆大道. 地理学关于城镇化领域的研究内容框架 [J]. 地理科学,2013,33(8):897~901. URL Magsci [本文引用: 1] 摘要 <p>改革开放以来,中国实现了长时期的高速和超高速经济增长,成为世界上第二大经济体。与此同时,实现了大规模的城镇化。</p>
[2]	吴敬琏. 城市化的效率与政策选择 [J].中国农村金融,2013a,(10):38~42. URL [本文引用: 1] 摘要正城市化效率低下源于土地产权制度的缺陷、政府职能的错位、层级制城市结构,以及认识上的偏差,需要进行相应的改革和改进从世界各国近代发展的经验看,城市化是和工业化、现代化相伴而行的,甚至可以说,城市化乃是工业化和现代化的重要组成部分。其原因在于,工业化和现代化的核心内容,是劳动、土地等生产要素从传统农业向制造业和服务业转移;而制造业和服务业需要一定程度的空间集聚才
[3]	吴敬琏. 中国城市化面临的效率问题和政策选择 [J].新金融,2012,(11):4~7. URL [本文引用: 1]
[4]	吴敬琏. 城镇化效率问题探因 [J].金融经济,2013b,(11):10~12. URL [本文引用: 1] 摘要最近几年，中国的城镇化或者说城市化在加速，这是一个十分可喜的现象。目前，已经有超过半数的劳动力在城市中就业。但是和中国的整个经济发展一样，城镇化也存在着一个效率低下的问题：一方面，城市建设浪费的资源太多，城镇化的代价太高；另一方面，建成的城市结构不合理，运营效率低下，降低了城市工商业的竞争力和城市居民的生活质量。
[5]	戴永安. 中国城市化效率及其影响因素:基于随机前沿生产函数的分析 [J].数量经济技术经济研究, 2010, (12): 103~117+132. URL [本文引用: 2]
[6]	Zoppi C, S Lai. Urban development and expenditure efficiency in the 2000-2006 regional operational program of Sardinia [J]. Land Use Policy, 2011, 28(3): 472-485. https://doi.org/10.1016/j.landusepol.2010.10.001 Magsci [本文引用: 1] 摘要 The Sardinian regional operational program 2007-2013 concerning the European Regional Development Fund (ERDF) (2007-2013 ROP-ERDF) respects the rules of the ERDF on the investments for territorial cohesion since it promotes their regional geographic concentration. These investments are evenly shared between large- and medium-sized urban areas, and disadvantaged zones. This paper analyzes the investment policies implemented by the Sardinian Region through the 2000-2006 ERDF based part of the Regional Operational Program (2000-2006 ROP-ERDF), in order to assess their effectiveness, in terms of expense efficiency, for urban areas and disadvantaged zones. The assessment of the expenditure efficiency of the 2000-2006 ROP-ERDF is very important to address the policies of the 2007-2013 ROP-ERDF in terms of geographic concentration. The essay analyzes the results of the 2000-2006 ROP-ERDF, with reference to the expenditure efficiency of Sardinian cities, represented through a geographic information system, by means of a multinomial logit model.<br/>The essay proposes an analytical and interpretive approach which could be easily exported to other public planning processes, in order to define policies for territorial cohesion. (C) 2010 Elsevier Ltd. All rights reserved.
[7]	Charnes A, Abraham Cooper, William W, et al. Using data envelopment analysis to evaluate efficiency in the economic performance of Chinese cities [J]. Socio-Economic Planning Sciences, 1989, 23(6):325-344. URL [本文引用: 1]
[8]	王婧,方创琳,罗奎,等. 中国城市市政公用设施投资与建设的区域差异及效率评价 [J]. 地理科学, 2014, 34(7): 788~793. Magsci [本文引用: 1] 摘要 <p>利用2001~2010 年相关统计数据，探讨中国城市市政公用设施投资建设的区域差异，并采用数据包络分析方法进行投资效率评价。研究表明：① 全国各省区累计投资差异较大，东部省区各分项设施建设投资均远高于中西部省区，但中西部省区投资的平均增速高于东部省区；② 研究时段内绝大部分省区分项设施建设水平都有较大幅度提高，2010 年全国范围设施建设水平大致呈现由东部地区向中西部地区递减的格局。③ 设施投资效率区域差异大，在空间分布方面不具有明显的东中西梯度特征。研究认为，应首先着力提高建设效率，并进一步综合考虑投资能力与设施需求，及时调整投资力度，促进设施建设与社会经济发展需求相协调。</p>
[9]	袁晓玲,张宝山,张小妮. 基于超效率DEA的城市效率演变特征 [J].城市发展研究, 2008,15(6): 102~107. https://doi.org/10.3969/j.issn.1006-3862.2008.06.019 URL [本文引用: 1] 摘要以我国15个副省级城市为研究样本,首先构建了基于效率的副省级城市的投入产出评价指标体系,采用超效率的数据包络分析模型,克服了一般文献中由于通常使用数据包络分析的DI,BC2和DEC2R模型,而陷入对有效的决策单元无法做进一步分析评价的困惑,比较客观地评价了1995-2005我国15个副省级城市效率的演变特征:其一,超效率DEA值变化呈倒U字型.且超效率值有趋同性的态势;其二,超效率DEA值大于1的副省级城市数量逐年增多;其三,超效率DEA值整体变化比较稳定,但少数某些城市的超效率值变化剧烈.
[10]	许建伟,许新宇,陈兴鹏,等. 基于DEA交叉模型的甘肃省城市效率评价 [J].自然资源学报, 2013,28(4): 618~624. https://doi.org/10.11849/zrzyxb.2013.04.008 URL Magsci [本文引用: 1] 摘要 <p>以甘肃省12个地级城市为研究样本,构建城市效率的评价指标体系,采用DEA交叉评价模型,对2005年和2009年这12个城市的效率进行研究,以克服传统DEA无法区分有效单元之间的优劣。同时,引入虚拟决策单元,进一步明确各城市效率提升的潜力。研究发现,2005-2009年间,甘肃省城市效率普遍很低,城市之间的差异较为显著;陇中地区和河西地区的城市效率要高于陇东地区和陇南地区,工矿型城市的城市效率要高于非工矿型城市,大城市的城市效率要高于中小城市的城市效率;不同区域、不同类型、不同规模城市之间的城市效率在时间节点上的差异均有所缩小;甘肃省目前主要处于低投入低产出阶段,城市效率具有很大的提升空间。</p>
[11]	王家庭, 赵亮. 中国分省区城市化效率的实证研究 [J].同济大学学报(社会科学版),2009,20(4):44~50+58. URL [本文引用: 1]
[12]	肖文,王平. 中国城市经济增长效率与城市化效率比较分析 [J].城市问题,2011,(2):12~16. URL 摘要利用数据包络分析的曼奎斯特指数方法测算了2000-2008年我国248个城市的经济增长效率和城市化效率,比较分析了不同区域、不同等级城市的效率表现。研究发现,我国城市经济增长效率持续提高,但城市化长期处于低效率状态,严重滞后于经济增长;地级市两种效率的初始领先地位已逐渐被直辖市所取代;东部地区城市的效率表现优于其他地区,但不同等级城市之间差异较大,城市化严重滞后和轻微滞后的城市数量都比较多。认为通过合理的空间规划和产业引导,提高城市化效率、促进城市化与国民经济增长协调发展,是下一阶段城市发展要解决的关键问题。
[13]	张明斗,周亮,杨霞. 城市化效率的时空测度与省际差异研究 [J].经济地理,2012,32(10):42~48. URL [本文引用: 1] 摘要城市化效率作为衡量城市化质量内涵的重要标准，已成为城市经济协调运转的逻辑起点。基于数据包络分析法（DEA），利用Malmquist效率指数，以2005--2010年为样本研究时段，对中国31个省区（市）的城市化效率分别进行了动态测算。同时，运用DEA—BCC模型对其规模报酬和非集约度进行静态测算。结果表明：天津、福建、青海等17个省区（市）城市化效率较低；河北、安徽、四川等19省区（市）仍处于非有效且投入要素非集约度状态。文章最后提出要提高土地利用效率、发展集约型产业、实施科技推动的城市化道路等提高城市化效率的政策建议。
[14]	O'Donnell C J. The Sources of Productivity Change in the Manufacturing Sectors of the U.S.Economy [R]. Queensland: University of Queensland. [本文引用: 1]
[15]	郭萍,余康,黄玉. 中国农业全要素生产率地区差异的变动与分解:基于Färe-Primont生产率指数的研究 [J]. 经济地理,2013, 33(2):141~145. URL [本文引用: 1]
[16]	李郇,徐现祥,陈浩辉. 20世纪90年代中国城市效率的时空变化 [J].地理学报, 2005, 60(4): 615~625. https://doi.org/10.11821/xb200504010 URL Magsci [本文引用: 1] 摘要 <p>尝试采用DEA测评中国202个地级及其以上城市的效率,进而探索中国城市效率在1990~2000年间的时空变化,结果发现：目前中国城市效率较低,而且呈现与三大地带经济发展格局和城市行政等级相一致的空间格局。另外,进一步把城市效率分解为规模效率、利用效率和纯技术效率,发现中国城市的利用效率和纯技术效率普遍较高,但规模效率是影响中国城市效率空间格局和时空变化的主要因素;正是由于规模效率在1990~2000年的下降抵消了利用效率、纯技术效率上升所带来的影响,造成目前中国城市效率普遍较低。因此,从规模效率的角度看中国城市目前还具有很大的发展潜力。</p>
[17]	孙威,董冠鹏. 基于DEA模型的中国资源型城市效率及其变化 [J].地理研究, 2010, 29(12): 2155~2165. Magsci 摘要 <p>利用DEA模型和Malmquist生产率指数,对2000年和2008年我国24个典型资源型城市效率及其变化进行了深入研究。研究发现,资源型城市综合效率水平一般,只有少数城市达到了综合效率最优;规模效率是决定综合效率最优的主要因素,但作用有所下降。从城市效率的分类特征看,东北地区的资源型城市效率始终排在前列;人口规模与城市效率呈一定的正相关关系。资源型城市的综合效率变化呈弱改善趋势;技术变化指数和生产率变化指数均呈下降趋势。从城市效率变化的分类特征看,西部地区的城市综合效率提高最明显;除钢铁型城市外,不同资源类型的城市综合效率都有提高;中小城市的综合效率提高幅度大于大城市。</p>
[18]	张军涛,刘建国 . 城市效率及其溢出效应:以东北三省34个地级市为例 [J].经济地理, 2011,31(4): 578~583+590. URL [本文引用: 1]
[19]	国国家统计局人口和就业统计司. 中国人口与就业统计年鉴(2000~2013)[M]. 北京: 中国统计出版社, 2000~2013. [本文引用: 1]
[20]	国家统计局人口和就业统计司、人力资源和社会保障部规划财务司. 中国劳动统计年鉴(2000~2013)[M]. 北京: 中国统计出版社, 2000~2013. [本文引用: 1]
[21]	中华人民共和国住房和城乡建设部. 中国城市建设统计年鉴(1999~2012)[M]. 北京: 中国计划出版社, 1999~2012. [本文引用: 1]
[22]	中华人民共和国国家统计局. 中国统计年鉴(2000~2013)[M]. 北京: 中国统计出版社, 2000~2013. [本文引用: 2]
[23]	欧向军,甄峰,秦永东,等. 区域城市化水平综合测度及其理想动力分析:以江苏省为例 [J].地理研究,2008,27(5): 993~1002. https://doi.org/10.3321/j.issn:1000-0585.2008.05.003 URL Magsci [本文引用: 1] 摘要 <p>根据城市化的内涵,从人口城市化、经济城市化、生活方式城市化和地域景观城市化等4个方面,构建区域城市化水平的综合评价指标体系,并运用熵值法,对1991~2005年江苏省城市化水平进行综合分析;结果发现江苏省城市化水平在不断提高的同时,主要表现为经济城市化和地域景观城市化的快速发展,而人口城市化对区域城市化的总体贡献不断减弱;在此基础上,结合多元线型回归模型对城市化的主要动力进行比较分析,认为市场力、内源力、外向力和行政力依次是江苏省城市化发展的主要动力,其中,市场力和行政力是促进江苏省城市化和经济发展的理想动力。</p>
[24]	陈明星, 陆大道,张华. 中国城市化水平的综合测度及其动力因子分析 [J].地理学报,2009,64(4): 387~398. https://doi.org/10.3321/j.issn:0375-5444.2009.04.001 URL Magsci [本文引用: 2] 摘要 <p>从城市化内涵的人口、经济、社会、土地四个方面, 构建中国城市化水平的综合评价指标体系。基于熵值法, 对1981-2006 年的中国城市化进行综合测度, 结果表明中国城市化综合水平持续提高, 以经济增长和地域景观的快速演进为主要特征, 其次是人口城市化, 最后是社会城市化中的医疗水平, 其中各子系统有不同的演变特点。多元回归模型分析表明, 城市化动力因子呈现多元化特征, 市场力是最主要的驱动力, 后面依次是内源力、行政力和外向力。从城市化发展阶段上看, 市场力、外向力和行政力对城市化综合水平的影响呈上升趋势, 而内源力呈明显下降趋势。本文认为, 中国城市化主要是内生过程, 应强化市场经济体制改革, 统筹城乡发展。</p>

地理学关于城镇化领域的研究内容框架

2013

... 改革开放以来,城镇化的快速发展为中国经济社会发展做出了巨大贡献.截止2012年底,中国城镇人口7.118亿,城镇化率达到了52.57%.这表明中国正在从一个传统农业大国向城市型国家转变.理论和实践均表明,城镇化能够提高资源配置效率、创新的产生和创造更多就业机会.然而,中国近20 a的城镇化发展也带来了资源的高消耗和资本的高投入,转移人口的低素质与高流动性,使得城镇化效果大打折扣.而城市的盲目扩张和产业的同质化发展,造成了城市建设投资、运营的低效率和地方政府的高负债;土地城镇化过快、失地农民持续增多,中小城市和小城镇发展迟缓甚至衰退,农村空心化、土地闲置现象十分突出^[1,2].鉴于出现的一系列负面效应,无论是从提高公共财政支出绩效还是最大幅度发挥资源配置效率的角度,都迫切需要系统和科学地评估城镇化效率,并努力健康有序地推进城镇化. ...

城市化的效率与政策选择

2013a

中国城市化面临的效率问题和政策选择

2012

... 城镇化效率问题逐渐受到国内外学者的关注.有学者认为当前城市建设资源浪费和运营效率低下导致了城镇竞争力和生活质量降低,提出城镇化效率低下主要源于土地产权制度的缺陷、政府职能的错位、层级制城市结构和认识上的偏差,应该进行相应的改革和改进^[3,4].实证方面,有学者采用参数方法对城镇化效率进行评价^[5,6].参数方法由于需要事先设定具体函数形式和一定的假设条件,应用存在一定的局限.大多数学者更倾向于非参数评价方法.DEA方法作为一种面向数据的效率评价方法,其优点在于无须估计生产函数或者成本函数,从而避免了因错误的函数形式而得出错误的结论.如有学者采用传统DEA方法对城镇化效率进行评价^[7,8].为了克服传统DEA方法无法对决策单元之间的优劣性进行进一步分析,有学者分别采用超效率和交叉DEA模型进行实证评价^[9,10].然而传统的、超效率和交叉DEA模型都仅能处理横截面数据,无法测度效率的变化趋势.有学者采用基于Malmquist指数的DEA方法对城镇化效率进行测算^[11~13].源于该方法能够有效处理面板数据,并能够将TFP变化进一步分解为技术进步和技术效率变化,使人们能够更好的理解城镇化效率增长的内在动力.尽管Malmquist指数方法应用广泛,但是该指数不满足传递性检验而无法进行多期的纵向比较或多边的横向比较,只能比较两组研究对象^[14],而且Malmquist指数不具有乘积完备性,无法对TFP进行彻底分解^[15].已有的城市化效率研究,多侧重于个体差异分析,针对其影响因素的研究则相对较少^{[5, 16~18]}. ...

城镇化效率问题探因

2013b

中国城市化效率及其影响因素:基于随机前沿生产函数的分析

2010

... [5, 16~18]. ...

Urban development and expenditure efficiency in the 2000-2006 regional operational program of Sardinia

2011

Using data envelopment analysis to evaluate efficiency in the economic performance of Chinese cities

1989

中国城市市政公用设施投资与建设的区域差异及效率评价

2014

基于超效率DEA的城市效率演变特征

2008

基于DEA交叉模型的甘肃省城市效率评价

2013

中国分省区城市化效率的实证研究

2009

中国城市经济增长效率与城市化效率比较分析

2011

城市化效率的时空测度与省际差异研究

2012

The Sources of Productivity Change in the Manufacturing Sectors of the U.S.Economy

中国农业全要素生产率地区差异的变动与分解:基于F?re-Primont生产率指数的研究

2013

20世纪90年代中国城市效率的时空变化

2005

基于DEA模型的中国资源型城市效率及其变化

2010

. 城市效率及其溢出效应:以东北三省34个地级市为例

2011

2013

... 本文以1999~2012年的31个省份（不包括港澳台地区）共434组数据为样本进行实证研究.其中,非农业人口数量摘自《中国人口与就业统计年鉴》（2000~2013）^[19],城镇从业人员数量数据摘自《中国劳动统计年鉴》（2000~2013）^[20],各地区市区人口的数据摘自《中国城市建设统计年鉴》（2000~2013）^[21],其余数据全部摘自《中国统计年鉴》（2000~2013）^[22]. ...

2013

2012

2013

... 为了系统评价上述五种动力因子对城镇化效率的影响,本文选取1999~2012年的全国31个省份的面板数据进行实证检验.相关指标数据全部来源于《中国统计年鉴》（2000~2012）^[22].涉及到价格调整的全社会固定资产投资和外商投资总额采用各地区固定资产投资价格指数进行调整;由于财政支出总额主要涉及到经济建设支出、社会文教支出、国防支出、行政管理支出与其他支出,大部分属于投资性支出,这里近似采用固定资产投资价格指数进行调整. ...

区域城市化水平综合测度及其理想动力分析:以江苏省为例

2008

... 城镇化是区域经济与社会发展共同作用的结果,城镇化效率的高低受到区域发展的基础条件、产业状况和体制背景等多方面的影响.本文在借鉴已有的四维分析视角^{[23, 24]},将驱动因子归纳为行政力、市场力、外向力、内源力和投资力5个方面.各种动力因子对城镇化效率的动力机制可以通过产业的调整、重组等方式对城镇化效率加以影响. ...

中国城市化水平的综合测度及其动力因子分析

2009

... 内源力指一个地区发展的内在动力.有学者认为内源力来源于基层乡村政府或者农民自主推进的乡村城镇化,其实质是乡镇企业的大力发展^[24].笔者认为,乡镇企业只是地区发展的动力之一,还包括城市企业的郊区化迁移、产业园区的郊区化布点等因素.尽管乡镇企业是推动乡村城镇化的重要动力,但是最终决定城镇化发展的内在动力则取决于产业结构的合理性.随着产业转移和转型升级的不断推进,城市中心主要保留金融服务业等第三产业,第二产业则向外围乡镇和郊区迁移并一定程度上推动了农地的非农化,农地的非农化促使第一产业向集约高效的规模化和产业化经营转型.因此,可以说产业结构决定了地区经济增长方式和分工模式,产业结构合理与否是城镇化效率提高的内在动力. ...

〈

〉

中国区域城镇化综合效率测度及其动力因子分析

Comprehensive Efficiency Level and Driving Factors of China’s Regional Urbanization

1 研究方法

1.1 评价指标的选取

1.2 基于Färe-Primont指数的DEA评价方法

1.3 数据来源

2 区域城镇化效率综合测度

2.1 中国省域城镇化效率及其变化趋势分析

2.2 地区城镇化效率的类型划分

3 区域城镇化效率的动力因子分析

3.1 区域城镇化效率变动的动力机制

3.2 区域城镇化效率动力因子的实证检验

4 结 论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

4 结论

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子