环境约束下典型城市的城镇化效率变化趋势分析

岳 立，钱佩佩

（兰州大学 经济学院，兰州 730000）

0 引言

改革开放以来，中国城市化进程不断加快，但我国城镇化存在诸多问题，整体城镇体系结构布局不平衡[1]，城市结构不合理，20世纪90年代中期以来城镇化高投入、高污染的粗放式发展方式使得城市资源环境问题日益严峻，导致城镇化效率普遍低下，阻碍新型城镇化的进程。近年来，我国经济发展进入新常态，人口红利消失，新型城镇化成为新时期扩大内需、促进经济增长的新动力。探讨资源环境约束下城镇化效率问题对于加快城镇化进程、推动我国经济转型升级具有重大现实意义。

我国实行层级制城市结构[2]，这是我国行政等级制度在城市管理上的体现。大体可以把我国城市分为直辖市、副省级城市、一般省会城市、一般地级市、县级市、县城、一般建制镇七级。地级以上城市作为其所在区域的政治中心，由于权力效应，天然成为经济、文化中心，因此这类城市的城镇化比较典型。本文选取我国4个直辖市、15个副省级城市、剩余16个省会城市和15个“较大的市”等全国50个典型城市作为研究对象，构建2008—2015年全国50个典型城市包含非期望产出的投入产出面板数据，采用GML指数方法，测算其城镇化效率的区域分布及时间变化规律。

1 研究方法、指标选取与数据来源

1.1 方向距离函数模型（Directional Distance Function）

方向距离函数由Chung等于1997年提出，是对径向DEA模型的一般化表达。本文将每个城市视为一个决策单元（DMU），每个DMU投入 x=(x1，x2，…，xn)∈RN+，得到期望 产 出 y=(y1，y2，…，ym)∈RM+和 非 期 望 产 出b=(b1，b2，…，bj)∈RJ+，用生产可能性集合表示技术P(x)，构造生产可能性集合:

式（1）表示对于每一个投入x都可以生产出包含期望产出和非期望产出的组合（y,b）。

利用方向性距离函数可以求得生产可能性集合最优解，从而求得考虑非期望产出的效率值。参考Chung等（1997）[3]的做法，引入方向性距离函数，设定方向性向量为g=(gy，gb)，其中 g∈RM×RJ，则定义方向性距离函数为：

1.2 Global Malmquist-Luenberger(GML)指数分析方法

Pastor和Lovell提出全局基准思想，将各决策单元所有时期作为基准构建生产前沿面[4]，Oh利用这种思想改进了ML指数构建GML指数[5]，这样做可以克服传统ML指数不具备循环性、用线性规划方法求解时可能无解的缺陷且可以累乘。

构建当期基准的生产可能性集合：

该集合同时包含期望产出和非期望产出，且非期望产出

根据Oh和Lee构造的模型，GML指数及其分解形式为：

要测算和分解GML指数，必须求解式（4）中的各方向性距离函数，以t期的当期方向性距离函数Dt(xt，yt，bt) 和全局方向性距离函数DG(xt，yt，bt) 为例，可分别由以下两个线性规划求得[6]。

类似可求解t+1期的当期方向性距离函数Dt+1(xt+1，yt+1，bt+1)和全局方向性距离函数 DG(xt+1，yt+1，bt+1)。

1.3 指标选取与数据来源

本文根据现有研究并在考虑指标的代表性、可获得性的基础上，选取城市建成区面积、年末从业人员、当年固定资产投资作为投入指标，城镇化率、当年地区生产总值（GRP）作为期望产出指标，工业废水排放量、SO2排放量作为非期望产出指标（见表1）。其中，常住人口口径的城镇化率数据获取困难，因此选取户籍口径的城镇化率作为期望产出。本文数据均来自《中国城市统计年鉴》《中华人民共和国全国分县市人口统计资料》和wind数据库。缺失值采用平均值法予以补充。拉萨市由于数据缺失严重，未列入本文研究对象范围。

表1 城镇化效率投入产出指标描述性统计情况

2 城镇化效率变动的特征与趋势

2.1 基于行政级别差异的城镇化效率变动及其影响因素

本文利用GML指数及其分解项的变化情况分析全国50个典型城市的城镇化效率的变动情况及其影响因素（见表2）。在考虑非期望产出的情况下，50个典型城市2008—2015年GML指数整体呈增长趋势，GML指数累积增长12.5%，平均每年增长1.5%。从GML指数的分解值来看，技术效率的累积变化值为1，处于基本稳定状态；技术进步的累积变化值和几何平均值分别为1.124和1.016，即在2008—2015年间中国典型城市的技术进步总体增长了12.4%，平均每年增长1.6%。通过对GML指数的分解项的分析可以得出，技术进步促进了GML指数的总体增长，而技术效率的略微下降则阻碍了GML指数的增长。

表2 2008—2015年中国50个典型城市及其分解值

从中国不同行政级别城市的角度来看，表2中，城镇化效率的变动呈现出与城市行政级别格局相一致的特征。整体来看，2008—2015年间直辖市、副省级城市、省会城市、“较大的市”的GML指数累积变化率分别为1.257、1.242、1.075、1.032，即总体上分别累积增长25.7%、24.2%、7.5%、3.2%，比值为8:7.6:2.3:1，呈现阶梯式下降。几何平均值分别为1.033、1.03、1.008、1.003，即年均增长3.3%、3%、0.8%、0.3%，亦呈阶梯式下滑。这表明不同行政级别城市的城镇化效率变化存在明显差距。从GML指数的分解值情况来看，GML指数的增长主要来自于技术进步，技术进步增长依次为21.7%、17.6%、10.5%、7%，比值为3.1：2.5:1.5:1，技术效率在“较大的市”这一组出现负增长，对其城镇化效率的提升产生抑制作用。各不同行政级别城市区分来看，由于我国独特的层级制城市结构，行政级别越大的城市权利越大，可支配的资源越多，国家相应政策倾斜越大，这就意味着更加完善的基础设施、更完善的社会保障机制、更多的投资等等，这解释了四个行政级别城市的GML指数、技术进步呈阶梯式下降的原因。

2.2 基于区际差异的城镇化效率变动及其影响因素

从三大地带典型城市的GML指数的测算结果分析，东、中、西部地区①东部城市城市包括北京、天津、石家庄、唐山、邯郸、沈阳、大连、鞍山、抚顺、本溪、上海、南京、无锡、徐州、苏州、杭州、宁波、福州、厦门、济南、青岛、淄博、广州、深圳、海口；中部地区城市包括太原、大同、长春、吉林、哈尔滨、齐齐哈尔、合肥、淮南、南昌、郑州、洛阳、武汉、长沙；西部地区城市包括呼和浩特、包头、南宁、重庆、成都、贵阳、昆明、西安、兰州、西宁、银川、乌鲁木齐。典型城市GML指数累积增长率分别为1.141、1.09、1.132，即总体上分别增长了14.1%、9%、13.2%。平均每年增长1.8%、1%、1.5%。东部地区25个典型城市中有16个城市GML几何平均值超过全国平均水平（1.5%），而中部、西部地区分别有5个、8个城市高于全国平均水平。东部地区城市依托优越的地理位置、得天独厚的气候条件、国家在投资和政策上的倾斜，率先发展起来，带动城市基础设施完善、吸引大量人才，使得城镇化效率远远高于其他两个地区。西部地区城市则由于2013年习近平主席提出的“一带一路”倡议获得国家政策上诸多支持，城镇化效率有很大提高。中部地区城市增长乏力。从GML指数的分解值来看，东、中部的技术效率均出现了-0.3%、-3.6%的负增长，仅西部取得4.7%的增长。这是由于国家实行西部大开发战略，把大量新增建设用地指标投向西部省份，大力支持西部城市发展。而在技术进步方面，东、中、西部地区分别取得14.5%、13.3%、7.2%的增长，东、中部地区典型城市的技术进步明显高于西部地区。由以上分析，东部、中部地区典型城市GML指数的累积增长主要得益于技术进步的促进作用大于技术效率的抑制作用，其中东部地区技术进步幅度最为强劲，中部地区次之。西部地区GML指数的累积增长则由技术进步和技术效率共同促进。

2.3 基于阶段性变化的城镇化效率及其成分变动

下页图1根据以2008年为基期(即设定2008年的指数值为1[7])的GML指数、技术效率、技术进步在2008—2015年的累积性变化绘制，反映三大区域典型城市历年城镇化效率在时间上的变化趋势及其影响因素的变动差异，图（a）中全国及东、西部地区典型城市城镇化效率变化基本一致，呈逐年上升趋势，2011—2014年增速放缓，基本接近于1，这主要由我国经济增速放缓（7.7%），经济发展进入新常态所致。东部地区曲线居高，城镇化效率累积增长速度高于全国平均水平。中部地区曲线居于最下方，城镇化效率增长速度最低，并且在2008—2009和2013—2014年份出现下降，其他年份均稳步增长。图（c）中全国及东中西部地区典型城市技术进步除个别年份外大体呈逐年增长趋势。西部地区典型城市曲线居于最下方，累积变化率低于全国典型城市的平均水平。图（b）中区际累积EC指数累积变化情况差异较大，除西部地区呈缓慢增长外，东、中部地区及全国典型城市的技术效率基本呈逐年下降趋势。且中部地区下降幅度低于全国平均水平，2010—2015年累积变化率始终低于0.96。

图1 2008—2015年累积GML指数及其分解项变化趋势

由以上分析得出，各区域城镇化效率增长主要由技术进步带动，技术效率低下成为制约城镇化效率谋求进一步增长的限制性因素。城市化推进过程中不能一味追求城市规模的扩大，更要注重提高城市运营管理效率，充分认识到人口城市化才是城市化的核心问题。GML值在2014年增速放缓，TC值甚至略有下降，于2015年才有所回升。究其原因，国家于2014年发布《国家新型城镇化规划（2014—2020年）》，明确提出新型城镇化内涵包括绿色的城镇化，提出应重点加强城市环境综合整治。但可以看到GML值和TC值在2014年增速放缓甚或出现下滑，说明城市环境治理技术远没有达到国家规定的水平。但各级政府相继出台对策加强环境治理技术的研究与推广应用，因此GML值和TC值在2015年均出现上升趋势，这说明在建设新型城镇化背景下，推动生态环境治理技术的进步对于提高城镇化效率起着决定性作用。

3 结论

本文利用DEA-GML指数从不同行政级别、区际差异、时间累积性变动趋势三个不同视角分析了全国50个典型城市的城镇化效率的变动趋势以及其影响因素的变化规律，得出以下结论：

第一，城镇化效率变动趋势在不同行政级别间的差异显著。直辖市和副省级城市累积GML指数平均值为1.257、1.242，即累积增长25.7%、24.2%，远高于全国累积增长平均水平12.5%，而其余省会城市和“较大的市”分别累积增长7.5%和3.2%，低于全国平均水平。说明行政级别越高，相应国家政策倾斜和投资就越多，进一步意味着更完善的城市基础设施、全面的社会保障体系，当然更易吸引留住人才进行技术创新，技术进步的增长幅度相对较大，城镇化效率水平自然高于其他城市。

第二，环境约束下，2008—2015年东中西部及全国典型城市的城镇化效率均呈增长趋势，但三大区域的增长速度差异显著，影响因素也各不相同。东部地区增长最快为14.1%，西部地区居中为13.2%，而中部增长最为缓慢，仅为9%。技术进步是促进城镇化效率增长的主要推动力，东中西部地区分别是14.5%、13.3%、4.7%，阻碍东部、中部地区城镇化效率进一步增长的根本原因是技术效率下降，而西部地区则依靠技术效率的稳步增长使得城镇化效率增长幅度得以高于全国平均水平。

第三，2008—2015年间GML指数变动幅度较大，并且主要由技术进步主导。但大部分年份累积性指数大于1，总体呈上升趋势。2014年GML和TC累积性变化指数增速放缓，一方面由于我国总体经济增速放缓，另一方面由于国家提出建设绿色城镇化、加强城市环境综合整治，而技术进步的提高没有达到要求。