城镇化发展水平评价模型构建与实证研究

吴建荣

内容摘要：关于城镇化发展水平的研究日益受到政府和有关专家的重视，但对其评价的方式、方法往往有不同的理解。本文基于城镇化发展水平的内涵，构建了城镇化质量与数量的城镇化发展水平评价模型。通过对重庆市19个行政区城镇化发展水平进行分析，得出此模型对于评价城镇化发展水平是合理且可行的结论。

关键词：城镇化发展水平 城镇化数量 城镇化质量 评价模型

城镇化发展水平的内涵

城镇化是一个动态的概念，随着经济社会的发展，其内涵也在不断地发生变化，但其本质功能是聚集和扩散。城镇化，是指农村人口不断向城镇转移，第二三产业不断向城镇聚集，引起城镇数量增加、规模扩大的历史过程。因此，新的历史时期，城镇化不仅是城镇人口数量和用地规模扩大过程的数量的城镇化，同时，也包含了经济社会的结构、功能转变所引起的质量的提升的城镇化，是实现城乡统筹协调发展，以城乡统筹、城乡一体、产城互动、节约集约、生态宜居、和谐发展为基本特征，且大中小城市、小城镇、新型农村社区协调发展、互促共进的新型城镇化。

城镇化是人口持续向城镇集聚的过程，反映城镇化数量程度的一个重要指标为城镇化率，通常用一个地区常住于城镇的人口占该地区总人口的比例来表示。

党的十八大报告明确提出“城镇化质量明显提高”的新要求，亟需理论学术界明确界定城镇化质量的本质内涵。多年来，许多学者对城镇化质量进行了研究，吕一清（2010）认为，城镇化的质量应从城镇发展、经济发展、服务功能三方面进行评价。李明秋、朗学彬（2010）认为，城镇化质量的内涵就是在城市投入要素（包括资本、劳动力、土地和资源）利用效率不断提高的前提下，城镇化水平稳步提高，城市环境和城市基础设施得到进一步的改善，城市人民生活质量不断提高，城市的综合实力和对外辐射能力及服务能力不断增强，最终实现城乡一体化的目标。何平、倪苹（2013）认为，城镇化质量是指城镇化发展的综合水平，同时还包括其发展的集约性、公平性和可持续性。魏后凯（2013）认为，城镇化质量是与城镇化数量相对应的一个概念。在城镇化进程中，城镇化数量表现在城镇数量、城镇规模、城镇化速度、人口城镇化率等方面；而城镇化质量反映的是既定城镇化数量情况下所能满足城乡居民生产、生活和生态需求的优劣程度。

城镇化发展水平的评价指标体系与评价模型

目前国内对城镇化发展水平的评价方法主要有单一指标法和复合指标法两大分类。单一指标法比较常用的即为人口比重指标法，这一指标体现了人口在经济活动中的结构关系，较准确的把握城市化的经济意义。然而，李振福、欧明豪、赵喜仓、刘克利、赵雪雁等学者认为仅以城市人口占总人口比重的单一指标衡量城市化水平具有一定的片面性，应该建立能体现经济发展水平、产业结构演变以及人民生活质量提高的一组复合指标体系，以求能全面的准确的衡量城市化水平。

借鉴国内外众多学者的研究成果，本文采用复合指标法作为测度方法，构建基于城镇化数量与质量两个维度的复合测评模型对城镇化发展水平进行测度。

（一）城镇化数量的评价指标

城镇化率。城镇化发展水平的核心指标是城镇化率，通常用市人口和镇驻地聚集区人口占全部人口（人口数据均用常住人口而非户籍人口）的百分比来表示，用于反映人口向城市聚集的过程和聚集程度。本文选取了人口城镇化率来反映地区城镇化发展水平。

（二）城镇化质量的评价指标

根据众多学者的研究结论，本文从城市自身的发展质量、城镇化推进的效率、城乡协调的程度三个方面构建评价城镇化质量的评价指标。

城市自身的发展质量指标。推进城镇化质量建设，一是充分发挥城市的聚集经济效应及由此带来的规模经济效应，二是为已经居住在城市的居民和将要移居到城市的居民提供良好的居住条件和居住环境，三是要有城镇持续发展的保障条件。因此，城市自身的发展质量指标应从经济、社会、生态三个方面进行衡量。据此，本文选取了人均GDPx1，非农业产业占GDP比重x2，城镇居民恩格尔系数x3，人均财政教育支出x4，百人公共图书馆藏书x5，千人拥有病床位数x6，城镇社区万人服务设施数x7，绿化覆盖率x8等指标来反映城市自身的发展质量水平。

城镇化推进的效率指标。对城镇化推进效率的评价一方面集中在对城镇系统的经济效率与全要素生产率的测定与评价，另一方面是对城镇化过程单个投入要素效率的评价。据此，本文选取了公路客运量（万人）x9，单位固定资产投资实现的GDPx10等指标来反映城镇化推进的效率。

城乡协调的程度指标。城乡协调发展是保证统筹城乡协调发展、促进社会公平的关键。城乡协调应体现在城乡经济与社会同步协调发展等方面。据此，本文选取了城乡居民收入差异系数x11，中小学师生比x12等指标来反映城乡协调发展的程度。

（三）城镇化发展水平的评价模型

根据上述评价指标体系，采用德尔菲法赋权进行综合得分计算。经过10名专家分别赋予城镇化质量0.4、城镇化率0.6的权重，构建城镇化发展水平的综合评价模型，如公式（1）。

（1）

其中，S表示城镇化发展水平综合评价得分，xj表示各质量因子，vi表示各因子的方差，β表示各因子相对于主成份因子的权重，k表示代表各因子的主成份因子个数，y表示城镇化率。

采用科学有效的方法对城镇化质量各因子进行测评，根据上述公式（1），便能并最终计算出城市的城镇化质量综合得分。

实证分析

根据上述的指标体系，选取了重庆市19个行政区作为研究对象，通过《2012年重庆市统计年鉴》搜集整理得到各行政区2011年的各项指标，采用因子分析法对数据进行分析。

（一）标准化处理

由原始资料得到的各指标由于在内容、量纲以及取值优劣标准等方面有所不同，因此有必要将各种指标值转化为相对统一的尺度，对数据进行标准化处理，其目的是为了消除各变量间变量值在数量级上的差异，从而增强数据间的可比性。本文采用SPSS软件对原始数据进行标准化（见表1），采用数学公式是：endprint

（i=1，2…12）

xi是指标标准化处理结果，zi是原始观测值，z是数据均值，σ是标准差。

（二）分析变量共同度

表2（公因子方差）给出了用因子分析法提取公共因子前后各变量的共同度。根据变量共同度的统计意义，它刻画了公因子对于变量xi的总方差所作的贡献，它说明了全部公共因子原变量信息的百分比。从表2可以看出，除了x5的共同度低于80%外，大部分变量的共同度都较大，说明变量空间转化为因子空间时，保留了比较多的信息，因此因子分析的效果是显著的。

（三）提取因子并考察累计贡献率和方差率

根据特征值准则，取特征值大于等于1的主成份作为公因子。从表3（解释的总方差）可以看出，前四个因子的特征值大于1，并且累积贡献率达到85871%，说明了前四个因子解释了原有变量的大部分信息，因此可以认为因子分析的效果比较理想，达到了降低维数而又能较好的反映原有变量信息的效果。

（四）观察碎石图

从图1（碎石图）可以看出前4个因子特征值皆大于1。前4个因子对应的折线图陡峭，从第5个因子开始，折线比较平缓。因此，选择从12个指标中用主成份分析法提取的4个因子，即主成份f1、f2、f3、f4。

（五）分析旋转的因子载荷矩阵

为了进一步判断各变量对主成份的贡献，通过表4（旋转的因子载荷矩阵）进行分析。因子载荷量显示了主成份与原变量之间关系的相关程度，利用它来解释更为确切。

从表4旋转的因子载荷矩阵中可以看出，第一主成份主要解释了非农业产业占GDP比重、城镇居民恩格尔系数、人均财政教育支出、城镇社区万人服务设施数、公路客运量的基本情况，第一主成份所占信息量为49.195%；第二主成份主要解释了人均GDP、千人拥有病床位数、单位固定资产投资实现的GDP、城乡居民收入差异系数的基本情况，第二主成份所占信息量为16.569%；第三主成份主要解释了百人公共图书馆藏书量、绿化覆盖率的基本情况，第三主成份所占信息量为11.394%；第四主成份主要解释了中小学师生比的基本情况，第四主成份所占信息量为8.714%。

（六）分析主成份因子得分表并计算主成份得分

因子模型将变量表示成公因子的线性组合，据选择计算因子得分的回归方法，将公因子对变量x1到x12做线性回归，然后计算出因子得分系数β。利用因子分析得分系数矩阵和因子得分公式 ：

（i=1，2，3，4；j=1，2，3…12） （2）

可得主成份在各个变量上得分值fi，如表5（四个主成份得分表）所示。

从表6（成份得分协方差矩阵）看，因子得分的协方差为单位矩阵，说明提取的四个主成份因子是不相关的，分析结果是有效的。

（七）计算综合得分并对重庆市行政区城镇化质量进行综合评价

当各主成份的得分值计算出来以后，利用公式（2）、（3）就可以计算出城市城镇化质量综合得分：

（3）

其中，S表示综合得分，v表示各主成份的方差。

因此，重庆市19个行政区城镇化质量综合得分公式为：

重庆市19个行政区城镇化质量得分并按降序排列如表7（重庆市行政区城镇化质量综合得分表）。

根据公式（1），考虑城镇化数量与质量相对于城镇化发展水平重要性，计算城镇化发展水平综合得分得表8（城镇化发展水平排名表）。

从表8可以看出，江北区的综合得分排名居于重庆市行政区排名第一，高于传统意义上的城中心渝中区，这与江北区近年来加大了人均财政教育支出、城区绿化覆盖率、公路客运量以及中小学师生比相关的城镇基础设施与生态环境建设的投入密不可分。在综合得分上，江北区、大渡口区、南岸区、九龙坡区、渝中区、渝北区、沙坪坝区、北碚区等行政区的综合得分大于零，说明这8个行政区的城镇化发展水平高于全市行政区的平均水平。然而，还有11个行政区的综合得分为负值，说明这些行政区的城镇化质量低于全市行政区的平均水平，占了全市行政区的一半多，这也说明重庆市城镇化发展水平不平衡。而处于重庆北部的合川区由于经济发展缓慢，各方面的优势并不明显，在城镇的基础设施和经济发展方面处于落后的地位。其他的渝西、渝西南、渝南的行政区城镇化发展水平综合得分也较低，而位于渝东的涪陵、长寿、万州等行政区受益于三峡重庆库区安置建设工程的影响，城镇化发展水平较高。总体来看，重庆市19个行政区的城镇化发展水平具有明显的不平衡性。由于历史基础、资源条件等差异，重庆市城镇化发展水平总体呈现主城除巴南区以外的8个行政区发展较高，三峡库区周边行政区发展迅速，渝东北地区行政区发展相对缓慢的态势。政府应该不断加强西北、西南区域行政区的城镇化扶持力度，各行政区应该借鉴各梯队排名靠前的区域，从自身实际出发，提升本区域城镇化发展水平。

结论

综上所述，基于城镇化质量和数量指标的综合评价模型客观地反映了城镇化的综合发展水平，由此模型得出的区域城镇化发展水平排名，有利于区域各城镇进行归类，以便于各区域从自身的实际出发，相互借鉴，提升本区城镇化质量。

参考文献

1.魏后凯，王业强，苏红键，郭叶波. 中国城镇化质量综合评价报告[R].中国社会科学院城市发展与环境研究所，2013.2

2.吕一清.基于主成分聚类分析四川城镇化水平的评价[J].经济研究导刊，2010（29）

3.李明秋，朗学彬. 城市化质量的内涵及其评价指标体系的构建[J].中国软科学，2010（12）

4.何平，倪苹.中国城镇化质量研究[J].统计研究，2013（6）

5.重庆统计局.重庆统计年鉴（2012）[M].中国统计出版社，2013

6.孙久文，彭薇，黄其刚.“十二五”时期重庆推进城镇化的战略思考[J].探索，2010（5）

7.朱洪祥.山东省城镇化发展质量测度研究[J].城市发展研究，2007（5）endprint

（i=1，2…12）

xi是指标标准化处理结果，zi是原始观测值，z是数据均值，σ是标准差。

（二）分析变量共同度

表2（公因子方差）给出了用因子分析法提取公共因子前后各变量的共同度。根据变量共同度的统计意义，它刻画了公因子对于变量xi的总方差所作的贡献，它说明了全部公共因子原变量信息的百分比。从表2可以看出，除了x5的共同度低于80%外，大部分变量的共同度都较大，说明变量空间转化为因子空间时，保留了比较多的信息，因此因子分析的效果是显著的。

（三）提取因子并考察累计贡献率和方差率

根据特征值准则，取特征值大于等于1的主成份作为公因子。从表3（解释的总方差）可以看出，前四个因子的特征值大于1，并且累积贡献率达到85871%，说明了前四个因子解释了原有变量的大部分信息，因此可以认为因子分析的效果比较理想，达到了降低维数而又能较好的反映原有变量信息的效果。

（四）观察碎石图

从图1（碎石图）可以看出前4个因子特征值皆大于1。前4个因子对应的折线图陡峭，从第5个因子开始，折线比较平缓。因此，选择从12个指标中用主成份分析法提取的4个因子，即主成份f1、f2、f3、f4。

（五）分析旋转的因子载荷矩阵

为了进一步判断各变量对主成份的贡献，通过表4（旋转的因子载荷矩阵）进行分析。因子载荷量显示了主成份与原变量之间关系的相关程度，利用它来解释更为确切。

从表4旋转的因子载荷矩阵中可以看出，第一主成份主要解释了非农业产业占GDP比重、城镇居民恩格尔系数、人均财政教育支出、城镇社区万人服务设施数、公路客运量的基本情况，第一主成份所占信息量为49.195%；第二主成份主要解释了人均GDP、千人拥有病床位数、单位固定资产投资实现的GDP、城乡居民收入差异系数的基本情况，第二主成份所占信息量为16.569%；第三主成份主要解释了百人公共图书馆藏书量、绿化覆盖率的基本情况，第三主成份所占信息量为11.394%；第四主成份主要解释了中小学师生比的基本情况，第四主成份所占信息量为8.714%。

（六）分析主成份因子得分表并计算主成份得分

因子模型将变量表示成公因子的线性组合，据选择计算因子得分的回归方法，将公因子对变量x1到x12做线性回归，然后计算出因子得分系数β。利用因子分析得分系数矩阵和因子得分公式 ：

（i=1，2，3，4；j=1，2，3…12） （2）

可得主成份在各个变量上得分值fi，如表5（四个主成份得分表）所示。

从表6（成份得分协方差矩阵）看，因子得分的协方差为单位矩阵，说明提取的四个主成份因子是不相关的，分析结果是有效的。

（七）计算综合得分并对重庆市行政区城镇化质量进行综合评价

当各主成份的得分值计算出来以后，利用公式（2）、（3）就可以计算出城市城镇化质量综合得分：

（3）

其中，S表示综合得分，v表示各主成份的方差。

因此，重庆市19个行政区城镇化质量综合得分公式为：

重庆市19个行政区城镇化质量得分并按降序排列如表7（重庆市行政区城镇化质量综合得分表）。

根据公式（1），考虑城镇化数量与质量相对于城镇化发展水平重要性，计算城镇化发展水平综合得分得表8（城镇化发展水平排名表）。

从表8可以看出，江北区的综合得分排名居于重庆市行政区排名第一，高于传统意义上的城中心渝中区，这与江北区近年来加大了人均财政教育支出、城区绿化覆盖率、公路客运量以及中小学师生比相关的城镇基础设施与生态环境建设的投入密不可分。在综合得分上，江北区、大渡口区、南岸区、九龙坡区、渝中区、渝北区、沙坪坝区、北碚区等行政区的综合得分大于零，说明这8个行政区的城镇化发展水平高于全市行政区的平均水平。然而，还有11个行政区的综合得分为负值，说明这些行政区的城镇化质量低于全市行政区的平均水平，占了全市行政区的一半多，这也说明重庆市城镇化发展水平不平衡。而处于重庆北部的合川区由于经济发展缓慢，各方面的优势并不明显，在城镇的基础设施和经济发展方面处于落后的地位。其他的渝西、渝西南、渝南的行政区城镇化发展水平综合得分也较低，而位于渝东的涪陵、长寿、万州等行政区受益于三峡重庆库区安置建设工程的影响，城镇化发展水平较高。总体来看，重庆市19个行政区的城镇化发展水平具有明显的不平衡性。由于历史基础、资源条件等差异，重庆市城镇化发展水平总体呈现主城除巴南区以外的8个行政区发展较高，三峡库区周边行政区发展迅速，渝东北地区行政区发展相对缓慢的态势。政府应该不断加强西北、西南区域行政区的城镇化扶持力度，各行政区应该借鉴各梯队排名靠前的区域，从自身实际出发，提升本区域城镇化发展水平。

结论

综上所述，基于城镇化质量和数量指标的综合评价模型客观地反映了城镇化的综合发展水平，由此模型得出的区域城镇化发展水平排名，有利于区域各城镇进行归类，以便于各区域从自身的实际出发，相互借鉴，提升本区城镇化质量。

参考文献

1.魏后凯，王业强，苏红键，郭叶波. 中国城镇化质量综合评价报告[R].中国社会科学院城市发展与环境研究所，2013.2

2.吕一清.基于主成分聚类分析四川城镇化水平的评价[J].经济研究导刊，2010（29）

3.李明秋，朗学彬. 城市化质量的内涵及其评价指标体系的构建[J].中国软科学，2010（12）

4.何平，倪苹.中国城镇化质量研究[J].统计研究，2013（6）

5.重庆统计局.重庆统计年鉴（2012）[M].中国统计出版社，2013

6.孙久文，彭薇，黄其刚.“十二五”时期重庆推进城镇化的战略思考[J].探索，2010（5）

7.朱洪祥.山东省城镇化发展质量测度研究[J].城市发展研究，2007（5）endprint

（i=1，2…12）

xi是指标标准化处理结果，zi是原始观测值，z是数据均值，σ是标准差。

（二）分析变量共同度

表2（公因子方差）给出了用因子分析法提取公共因子前后各变量的共同度。根据变量共同度的统计意义，它刻画了公因子对于变量xi的总方差所作的贡献，它说明了全部公共因子原变量信息的百分比。从表2可以看出，除了x5的共同度低于80%外，大部分变量的共同度都较大，说明变量空间转化为因子空间时，保留了比较多的信息，因此因子分析的效果是显著的。

（三）提取因子并考察累计贡献率和方差率

根据特征值准则，取特征值大于等于1的主成份作为公因子。从表3（解释的总方差）可以看出，前四个因子的特征值大于1，并且累积贡献率达到85871%，说明了前四个因子解释了原有变量的大部分信息，因此可以认为因子分析的效果比较理想，达到了降低维数而又能较好的反映原有变量信息的效果。

（四）观察碎石图

从图1（碎石图）可以看出前4个因子特征值皆大于1。前4个因子对应的折线图陡峭，从第5个因子开始，折线比较平缓。因此，选择从12个指标中用主成份分析法提取的4个因子，即主成份f1、f2、f3、f4。

（五）分析旋转的因子载荷矩阵

为了进一步判断各变量对主成份的贡献，通过表4（旋转的因子载荷矩阵）进行分析。因子载荷量显示了主成份与原变量之间关系的相关程度，利用它来解释更为确切。

从表4旋转的因子载荷矩阵中可以看出，第一主成份主要解释了非农业产业占GDP比重、城镇居民恩格尔系数、人均财政教育支出、城镇社区万人服务设施数、公路客运量的基本情况，第一主成份所占信息量为49.195%；第二主成份主要解释了人均GDP、千人拥有病床位数、单位固定资产投资实现的GDP、城乡居民收入差异系数的基本情况，第二主成份所占信息量为16.569%；第三主成份主要解释了百人公共图书馆藏书量、绿化覆盖率的基本情况，第三主成份所占信息量为11.394%；第四主成份主要解释了中小学师生比的基本情况，第四主成份所占信息量为8.714%。

（六）分析主成份因子得分表并计算主成份得分

因子模型将变量表示成公因子的线性组合，据选择计算因子得分的回归方法，将公因子对变量x1到x12做线性回归，然后计算出因子得分系数β。利用因子分析得分系数矩阵和因子得分公式 ：

（i=1，2，3，4；j=1，2，3…12） （2）

可得主成份在各个变量上得分值fi，如表5（四个主成份得分表）所示。

从表6（成份得分协方差矩阵）看，因子得分的协方差为单位矩阵，说明提取的四个主成份因子是不相关的，分析结果是有效的。

（七）计算综合得分并对重庆市行政区城镇化质量进行综合评价

当各主成份的得分值计算出来以后，利用公式（2）、（3）就可以计算出城市城镇化质量综合得分：

（3）

其中，S表示综合得分，v表示各主成份的方差。

因此，重庆市19个行政区城镇化质量综合得分公式为：

重庆市19个行政区城镇化质量得分并按降序排列如表7（重庆市行政区城镇化质量综合得分表）。

根据公式（1），考虑城镇化数量与质量相对于城镇化发展水平重要性，计算城镇化发展水平综合得分得表8（城镇化发展水平排名表）。

从表8可以看出，江北区的综合得分排名居于重庆市行政区排名第一，高于传统意义上的城中心渝中区，这与江北区近年来加大了人均财政教育支出、城区绿化覆盖率、公路客运量以及中小学师生比相关的城镇基础设施与生态环境建设的投入密不可分。在综合得分上，江北区、大渡口区、南岸区、九龙坡区、渝中区、渝北区、沙坪坝区、北碚区等行政区的综合得分大于零，说明这8个行政区的城镇化发展水平高于全市行政区的平均水平。然而，还有11个行政区的综合得分为负值，说明这些行政区的城镇化质量低于全市行政区的平均水平，占了全市行政区的一半多，这也说明重庆市城镇化发展水平不平衡。而处于重庆北部的合川区由于经济发展缓慢，各方面的优势并不明显，在城镇的基础设施和经济发展方面处于落后的地位。其他的渝西、渝西南、渝南的行政区城镇化发展水平综合得分也较低，而位于渝东的涪陵、长寿、万州等行政区受益于三峡重庆库区安置建设工程的影响，城镇化发展水平较高。总体来看，重庆市19个行政区的城镇化发展水平具有明显的不平衡性。由于历史基础、资源条件等差异，重庆市城镇化发展水平总体呈现主城除巴南区以外的8个行政区发展较高，三峡库区周边行政区发展迅速，渝东北地区行政区发展相对缓慢的态势。政府应该不断加强西北、西南区域行政区的城镇化扶持力度，各行政区应该借鉴各梯队排名靠前的区域，从自身实际出发，提升本区域城镇化发展水平。

结论

综上所述，基于城镇化质量和数量指标的综合评价模型客观地反映了城镇化的综合发展水平，由此模型得出的区域城镇化发展水平排名，有利于区域各城镇进行归类，以便于各区域从自身的实际出发，相互借鉴，提升本区城镇化质量。

参考文献

1.魏后凯，王业强，苏红键，郭叶波. 中国城镇化质量综合评价报告[R].中国社会科学院城市发展与环境研究所，2013.2

2.吕一清.基于主成分聚类分析四川城镇化水平的评价[J].经济研究导刊，2010（29）

3.李明秋，朗学彬. 城市化质量的内涵及其评价指标体系的构建[J].中国软科学，2010（12）

4.何平，倪苹.中国城镇化质量研究[J].统计研究，2013（6）

5.重庆统计局.重庆统计年鉴（2012）[M].中国统计出版社，2013

6.孙久文，彭薇，黄其刚.“十二五”时期重庆推进城镇化的战略思考[J].探索，2010（5）

7.朱洪祥.山东省城镇化发展质量测度研究[J].城市发展研究，2007（5）endprint