协调发展视域下智慧城市发展潜力的组合测度与收敛性——以长江经济带11个中心城市为例

储　震,杨桂元

(安徽财经大学 数量经济研究所，安徽 蚌埠 233030)



协调发展视域下智慧城市发展潜力的组合测度与收敛性
——以长江经济带11个中心城市为例

储震,杨桂元

(安徽财经大学 数量经济研究所，安徽 蚌埠 233030)

摘要：首先基于向量夹角余弦的组合评价模型，对2004-2013年间长江经济带11个中心城市的智慧城市发展潜力进行了组合测度；然后基于σ收敛和绝对β收敛检验方法，实证分析了2004-2013年区域智慧城市发展潜力的收敛性过程；最后基于GM模型，对2014-2018年区域智慧城市发展潜力的基本情况进行了外推预测。结果表明：长江经济带整体智慧城市发展潜力逐年增长，区域间存在绝对β收敛，但不存在σ收敛，区域发展不均衡的矛盾依然存在。

关键词：长江经济带；智慧城市;发展潜力;组合评价模型;收敛性模型;GM模型

一、引言

智慧城市是利用先进的信息技术,实现城市智慧式管理和运行,进而促进城市的和谐、可持续成长的新模式。目前国内外学者关于智慧城市的研究主要集中在内涵概念的阐述、评价指标的选择以及评价方法的构建上。关于智慧城市的内涵概念阐述,李德仁[1]等从技术创新突破层面把智慧城市看成是数字城市加上物联网技术应用下的一种新型城市模式;金江军[2]等从城市运行效率提升层面把智慧城市看成是通过物联网、云计算、人工智能、数据挖掘等技术手段来提高城市运行智能化水平的崭新城市样式;骆小平[3]等从民生服务质量提高层面把智慧城市看成是运用信息技术手段对公众服务、社会管理、产业运作等各方面需求做出智能响应的全新城市形态。关于智慧城市的评价指标选择,龚炳铮[4]等围绕城市环境、城市发展水平、城市效益3个维度构建了智慧城市发展水平的评价指标体系;刘笑音[5]等围绕信息基础设施、公共支撑平台、城市竞争力、价值实现4个维度构建了智慧城市发展潜力的评价指标体系。关于智慧城市的评价方法选择,项勇[6]等运用ANP-TOPSIS法对四川省的四个城市的智慧城市发展水平进行了评价;邹凯[7]等利用灰色关联理论和BP神经网络对智慧城市发展潜力进行了评价。

通过梳理相关文献发现,多数研究只是处于理论探索的层面,很少有进行实证分析的研究成果。相对于较为成熟的智慧城市评价研究而言,有关区域间智慧城市发展潜力的分析还不够完善。现阶段,智慧城市建设已成为长江经济带地区新型城镇化发展的重要方向,然而,取得进步的同时也应该看到问题,智慧城市发展的地区差距正日益扩大[8],并成为整个区域发展不平衡的重要因素之一。因此,对智慧城市发展潜力的准确测度与外推预测,并研究其地区差距的演化过程对于智慧城市建设的前期论证和区域协调发展的指导就显得尤为关键。

二、研究方法

(一)基于向量夹角余弦的组合评价模型

在对复杂经济系统进行评价的过程中,单一评价方法往往显得过于片面,而组合评价模型能够很好地克服这一问题。本文以向量夹角余弦为准则构造了一种新型组合评价模型——基于向量夹角余弦的组合评价模型,以期提高评价的科学合理性。

从上式不难看出,组合评价方法的向量夹角余弦是关于各单项评价方法的权重向量W=(w1,w2,…,wm)T的一个函数,故可记为ηj(W).根据夹角余弦的性质,组合评价值与单项评价值两个向量之间的夹角愈小愈好,即夹角的余弦以大为好。为了得到更佳组合评价效果,可以构建如下基于向量夹角余弦的组合评价模型:

为了评价基于向量夹角余弦的组合评价模型的有效性,可通过构建平方和误差SSE、均方误差MSE、均绝对误差MAE、均绝对百分比误差MAPE、均方百分比误差MSPE的误差评价指标体系予以论证。与预测问题相比较,评价问题的真实值比较难确定。根据中心极限定律,在没有其他更好的替代方案情况下,取各单项方法的平均值序列{xi,i=1,2,…,n}作为第i个评价单元的基准评价值。值得注意的是,为保证组合评价结果的合理有效性,建立在单一评价方法基础上的组合评价方法还必须满足以下两个重要条件:其一,几种单一评价结果能够互相验证,具有一致性;其二,组合评价与原始评价结果应密切相关。所以在组合评价时有必要运用Kendall一致性系数检验法来进行事前事后检验。

(二)收敛性模型

针对当前智慧城市发展潜力的地区差距测算及其变化态势的研究不足,本文运用σ收敛和绝对β收敛理论对地区收敛性特征进行了实证检验。

1.σ收敛

智慧城市发展潜力σ收敛侧重于分析各区域智慧城市发展潜力的差距,是指各区域智慧城市发展潜力的差距随时间而逐步缩小,最终发展潜力较低的地区将追赶上发展潜力较高的地区。其表达式为:

其中,σt表示智慧城市发展潜力偏离整体平均水平的程度，n为评价区域的个数,Ii是第i个评价区域智慧城市发展潜力的评价值。如果σt<σt-1,则表明区域间存在σ收敛。

2.绝对β收敛

智慧城市发展潜力绝对β收敛是指各区域的发展潜力增长速度与发展潜力水平之间存在负相关关系,随着时间的推移,各区域智慧城市发展潜力增长率将收敛于一个共同的稳态值。其表达式为:

其中,Ii,t表示第t期即期初的智慧城市发展潜力评价值,ui,t是随机误差项。如果系数b1为负,并通过了显著性水平检验,则表明区域间存在绝对β收敛。

(三)灰色预测模型

三、区域智慧城市发展潜力的实证研究

(一)数据的选取及来源

各省省会城市在一定程度上代表了本地区的发展状况,限于数据的可获取性和分析的代表性,本文选取长江经济带11个中心城市作为研究对象。构建科学合理的评价指标体系是对智慧城市发展潜力进行评价的重要前提,通过分析国内外学者在评价智慧城市发展潜力时采用的指标,并结合我国的现实条件,本文围绕2009年维也纳理工大学区域科学中心首次提出的体现城市智慧的6个维度(经济增长、移动便捷、环境舒适、民众智慧、生活安全、治理公正)筛选出能够有效评价长江经济带智慧城市发展潜力的指标体系,具体如表1所示。

表1　智慧城市发展潜力评价指标体系

(二)区域智慧城市发展潜力的组合测度

每个指标都是研究智慧城市发展潜力的主要影响因子,但并不是每个指标在发展潜力评价中起同等的作用,因此分别采用变异系数法、熵值法和因子分析法三种不同的单项评价法来确定各指标的权重,进而计算出各方法下的综合评价值,受篇幅限制,对于计算结果本文将不一一列出[9-10]。众所周知,变异系数法、熵值法和因子分析法都是客观定量评价法,但它们的评价角度却不尽相同。Kendall一致性系数检验结果表明,这三种单项评价方法在α=0.01的显著水平上具有一致性。也就是说,三种方法的评价结果关系密切,任何一种方法都具有合理性,不能被舍弃。这也为组合评价方法的运用提供了前提。依赖样本数据的变异系数法与熵值法往往受数据随机性影响较大,而因子分析法在对指标综合浓缩的过程中也会丢失部分原有信息。为了弥补单一方法分析的片面性,有效综合各方面信息,对这三种评价方法加以整合就显得尤为重要。首先运用极值法分别对三种单项方法下的综合评价值进行标准化处理,再依据组合评价理论得出各方法的权重分别为w1=0.381,w1=0.267,w1=0.352,最后计算出组合评价值,结果如表2所示。

Kendall一致性系数检验结果表明,三种单项评价方法与组合评价方法在α=0.01的显著水平上同样具有一致性。也就是说长江经济带中心城市2004—2013年间智慧城市发展潜力在这四种评价方法下的序列形式呈现高度相关，于是通过了组合评价方法的事后检验。

同时,通过计算各方法下的误差评价指标值并加以对比发现,相较于各单项评价方法,基于向量夹角余弦的组合评价模型的各种误差指标值要小得多,结果如表3所示。一定程度上反映了基于向量夹角余弦的组合评价方法要优于其他单项评价方法,能够很好地提高评价效度。

根据表2的数据,从横纵向层面分别计算出长江经济带整体及各智慧城市发展潜力的平均值,从而可对区域整体情况进行一般分析,具体结果见表4及图1所示。

表2　区域智慧城市发展潜力的组合评价结果

表3　效度评价指标体系

表4　区域智慧城市发展潜力的情况

图1　区域智慧城市发展潜力的整体变化趋势

由表4可知,就各城市历年整体水平而言,上海的智慧城市发展潜力远远高于其他地区,南京、重庆、武汉、成都、杭州智慧城市发展潜力属于第二梯队水平,长沙、合肥、南昌、昆明、贵阳则属于第三梯队水平。不难理解,位于长江中下游地区的快速发展与其区位优势、经济实力、科技投入等因素密不可分,这些地区应积极发挥辐射带头作用,其他地区则应该取长补短,积极向标杆城市学习。由图1可知,就长江经济带整体而言,其整体发展潜力逐年呈上升趋势,但增长速度却有所放缓。一方面表明长江经济带智慧城市建设潜力巨大,另一方面也暴露出区域间协调发展的紧迫性。

(三)区域智慧城市发展潜力的差异收敛性

1.σ收敛分析

由σ收敛性分析原理可得出长江经济带区域间智慧城市发展潜力的标准差及其发展趋势[11-12],具体见表5及图2所示。

表5　区域智慧城市发展潜力标准差的统计值

从长江经济带整体层面来看,区域间智慧城市发展潜力标准差自2004年以来一直处于不断扩大的发展趋势,只在2013年有少许减少。这说明2004-2012年间长江经济带智慧城市发展潜力的绝对差异在逐步扩大,不存在σ收敛的趋势,但其发散速度呈下降趋势。

图2　区域智慧城市发展潜力标准差的变化趋势

2.绝对β收敛分析

运用Eviews6.0的面板数据模型可对长江经济带区域智慧城市发展潜力进行绝对β收敛性检验,就整个长江经济带而言,其系数值b为负,在5%显著性水平下通过T统计检验,而且模型整体在10%显著性水平下通过F检验,具体结果如表6所示。

表6　区域智慧城市发展潜力绝对β收敛性检验结果

从统计上来看,长江经济带智慧城市发展潜力区域存在着绝对β收敛,即智慧城市发展潜力低的地区增长率较高,区域间增长率最终将收敛于某一稳态。

综合分析区域间收敛性检验结果可知,长江经济带智慧城市发展潜力的地区差距较大,而且有不断扩大的趋势,虽然近几年速度有所放缓。这表明长江经济带地区要实现区域协调发展还有很多的工作要做。

(四)区域智慧城市发展潜力的外推预测

为了进一步了解区域智慧城市发展潜力的未来发展态势,从而更好地指导城市发展规划,利用灰色预测模型可对长江经济带区域智慧城市发展潜力的组合评价值进行外推预测并计算相关统计值,具体结果如表7所示。

表7　区域智慧城市发展潜力的外推预测结果

就外推预测结果而言,在2014-2018年间,除南昌外各区域智慧城市发展潜力相对排名格局基本未变。长江经济带整体智慧城市发展潜力仍将继续攀升,且呈高速增长态势。此外,区域间不存在σ收敛条件,且其发散速度开始转为上升趋势。这与当前长江经济带区域智慧城市的建设形势基本一致,因此,对接长江经济带发展战略对于未来区域协调发展就显得尤为关键。

四、结论及建议

本文综合运用组合评价模型、收敛性模型及GM(1,1)模型对2004-2018年间长江经济带11个中心城市的智慧城市发展潜力及其差异收敛性做了统计描述和实证检验,由此得出基本结论:

(1)2004-2013年间长江经济带区域智慧城市发展潜力的绝对差异虽然一直处于扩大趋势,但其发散速度在逐年缩小。此外,区域间智慧城市发展潜力的增长率具有显著地趋同态势。

(2)若无重大政策性调整,2014-2018年间的外推预测结果显示,长江经济带整体智慧城市发展潜力虽然会沿着较高的速度增长,但是区域间的绝对差异也将以较快的发散速度继续扩大。

由上可知,自2004年以来,长江经济带整体智慧城市发展潜力逐年增长,然而区域间发展不均衡的矛盾依然存在。现阶段,我国正处于城镇化加速发展的时期,部分地区“城市病”问题日益严峻。建设智慧城市已成为实现城市可持续发展，引领信息技术应用，提升城市综合竞争力等方面的重要新思路,我们必须重视智慧城市发展潜力的区域差异性问题。为落实“十三五规划”提出的“创新、协调、绿色、开放、共享”的发展理念,必须对接长江经济带战略,提高区域开放程度、加强区域合作交流,加快区域协调步伐,进而提升沿江智慧城市发展新高度。

参考文献：

[1]李德仁,邵振峰,杨小敏.从数字城市到智慧城市的理论与实践[J].地理空间信息,2011,9(6):1-5.

[2]金江军.智慧政府:电子政务发展的新阶段[J].信息化建设,2011(11):16-17.

[3]骆小平.“智慧城市”的内涵论析[J].城市管理与科技,2010(6):34-37.

[4]龚炳铮.智慧城市评价指标和评估方法的探讨[J].办公自动化,2015(2):38-42.

[5]刘笑音,郑淑蓉.基于主成分方法的我国智慧城市发展潜力评价——根据东部11个城市的数据[J].科技管理研究,2013,33(22):75-79.

[6]项勇,任宏.基于ANP-TOPSIS方法的智慧城市评价研究[J].工业技术经济,2014(4):131-136.

[7]邹凯,包明林.基于灰色关联理论和BP神经网络的智慧城市发展潜力评价[J].科技进步与对策,2015,32(17):123-128.

[8]王建龙,李明东,陈虹.我国智慧城市区域发展的非均衡现状研究[J].经济研究导刊,2015(14):106-107.

[9]潘兴侠.我国区域生态效率评价、影响因素及收敛性研究[D].南昌：南昌大学,2014.

[10]牟芳华,王红梅,杨冬梅.我国省际城市竞争力综合测评[J].价值工程,2006(7):14-17.

[11]张建升.物流业发展的地区差异及其收敛性分析[J].兰州商学院学报,2011,27(2):17-21.

[12]冷俊峰.湖南省利用FDI区域差异收敛性[J].经济地理,2016,36(3):125-130.

(编辑：陈凤林)

*收稿日期：2016-05-30

基金项目：国家社会科学基金项目“组合预测模型与方法创新及其优化理论研究”(12BTJ008);安徽财经大学研究生科研创新基金项目“中国楼市去库存压力预警及其解决路径研究”(ACYC2015083)

作者简介：储震(1991- ),男,安徽安庆人,安徽财经大学硕士生,主要从事数量经济学研究;杨桂元(1957- ),男,安徽萧县人,安徽财经大学教授、硕士生导师,主要从事数量经济学研究。

中图分类号：F224

文献标识码：A

文章编号：1009-5837(2016)03-0064-06

The Combined Measures and Convergence of the Development Potential of Smart Cities from the Perspective of Coordinated Development——Taking the 11 Central Cities of the Yangtze River Economic Belt as an Example

CHU Zhen, YANG Gui-yuan

(InstituteforQuantitativeEconomicResearch,AnhuiUniversityofFinance&Economics,BengbuAnhui233030,China)

Abstract：Based on the combined evaluation model of vectorial angle cosine, this paper firstly takes combined measures of the smart city development potential of the 11 central cities of the Yangtze River Economic Belt in the period from 2004 to 2013; then, using the test methods of σ convergence and absolute β convergence, it makes an empirical analysis of the convergence process of the development potential of the regional smart cities in the period from 2004 to 2013; finally, on the basis of the GM model, it makes an extrapolation prediction about the basic situation of the development potential of the regional smart cities in the period from 2014 to 2018. The results show that the development potential of the regional smart cities of the Yangtze River Economic Belt as a whole has increased year by year and that absolute β convergence does exist among the regions instead of σ convergence and so does the contradiction of unbalanced regional development.

Key words：Yangtze River Economic Belt; smart city; development potential; combined evaluation model; convergence model; GM model