中国城市群城市化效率及的影响因素的研究.docVIP

中国城市群城市化效率及的影响因素的研究 　　摘要 　　本文根据2003-2011年中国22个城市群城市化“投入”与“产出”数据，利用SBM方向性距离函数和Luenberger生产率指数模型，测度各城市群的城市化效率和城市化全要素生产率；利用Tobit回归模型对城市群城市化效率的影响因素进行实证检验。研究结果显示：忽略污染排放的城市化效率测度往往会高估城市化的真实效率水平；中国城市群城市化效率总体偏低，主要成因是要素资源投入冗余和污染排放过量；22个城市群在城市化效率水平、效率损失来源及城市化全要素生产率等方面存在显著差异；中国城市群城市化全要素生产率不断增长主要是由于技术进步而非效率改善的推动；产业结构和技术进步对中国城市群城市化效率具有显著影响。要进一步提升中国城市群城市化效率，必须坚持生态城市化理念，充分考量资源约束和环境消耗，走集约型城市化道路；不断优化城市群产业结构和空间布局，促进劳动地域合理分工和产业转型升级；重视创新环境培育，提高城市群创新能力；因地制宜、因势利导，采取差异化的城市化效率提升措施。 　　关键词城市群；城市化；效率；影响因素 　　中图分类号F291.1 　　文献标识码A 　　文章编号1002-2104（2015）02-0066-09 　　doi：10.3969/j.issn.1002-2104.2015.02.009 　　中国城市化进程在扩大内需、激发经济活力的同时，受资源环境约束也引发了诸多问题。城市化问题产生的根源在于效率偏低[1]。相对于单个大城市“摊大饼”式平面扩张的城市化模式，以城市群为城市化推进的主体空间形态理应更具效率。但城市群高密度聚集所产生的高强度相互作用，在推动城市群城市化快速发展的同时，也造成了高风险的生态环境威胁[2]。根据现有研究成果[2-4]，若综合权衡城市群城市化的投入、期望和非期望产出（环境污染、生态退化），中国城市群人口、经济、社会、空间景观城市化效率均不尽如人意。如何应对未来人口、产业向高密度城市群大规模集聚所面临的资源环境挑战？如何保障城市群城市化持续健康推进？破解这些难题的关键在于提高城市化效率，即以较少的劳动力、资金、土地、能源、环境等投入，获得最大化的经济、社会、生态效益。 　　国外学术界关于城市化效率研究成果多侧重不同城市化模式的效率差异比较分析[5-6]，较少关注具体的城市化效率问题。伴随中国日趋严峻的资源环境约束和快速城市化进程，城市化效率问题日渐成为国内学术热点，在城市化效率的内涵[7]、影响因素[8]、评价方法[9]、区域差异[10-11]及其与经济增长的相关性[12-13]等论题上，形成了一些开创性探索成果。但总体而言仍处于起步阶段，在研究内容上，较少关注城市化效率的影响机制、演进规律和发展趋势；在研究尺度上，大多聚焦省域、城市，对城市群的研究尚属空白；在研究方法上，不少研究文献提出的评价指标体系呈现出较大的随意性，存在将投入指标与产出指标混淆互用、市辖区指标与市域指标不加区分等问题，偏好选择径向和角度的DEA方法计算方向性距离函数，未充分考虑投入产出的松弛性问题，直接影响了测度结果的准确性。为此，本文以城市群为城市化效率研究的空间尺度，运用非径向、非角度的DEA模型测度资源环境约束下中国城市群的城市化效率，采用Tobit回归模型对城市群城市化效率的影响因素进行实证检验。 　　1研究对象、研究方法与数据来源 　　1.1研究对象 　　根据《2010中国城市群发展报告》（科学出版社，2011）和《2013中国区域经济发展报告―中国城市群的崛起与协调发展》（人民出版社，2013）提出的中国城市群划分方案，考虑到数据的可获得性，本文选取22个城市群作为研究对象。 　　1.2研究方法 　　1.2.1SBM方向性距离函数 　　由于传统的DEA模型是基于径向和角度测度效率，未考虑投入产出的松弛性问题，测度结果往往不准确或有偏[14]。为弥补这一缺陷，Tone提出了基于松弛的（Slackbased measure，SBM）效率测度模型[15]，它是一种非径向、非角度的DEA模型，能有效避免传统DEA模型固有的松弛问题和角度选择，提高计算结果的精准性，且能解决非期望产出存在条件下的效率评价问题。根据Fukuyaman Webe以及王兵的思想[16-17]，定义SBM方向性距离函数如下： 　　基于城市化进程的“投入―产出”过程，遵循DEA效率评价指标数量宜少原则，考虑数据指标的代表性和可获得性，选取劳动力、资本、土地、水资源和能源作为城市化的投入，以综合城市化水平作为城市化的期望产出，以污染排放为非期望产出，构建中国城市群城市化效率评价指标体系（见表1）。 　　当LTFP、LPEC、LPTP、LSEC和LTPSC大于零时，分别表