国家中心城市高质量发展综合评价——基于CRITIC法的灰色关联度分析

肖枝洪 张宇欢 龚乃林

国家中心城市高质量发展综合评价——基于CRITIC法的灰色关联度分析

肖枝洪 张宇欢 龚乃林

（重庆理工大学理学院，重庆 400054）

基于2016—2019年9个国家中心城市的面板数据，构建国家中心城市高质量发展评价指标体系，运用CRITIC法和灰色关联分析对国家中心城市高质量发展情况进行测度和综合评价。结果表明：第一，创新发展类指标、共享发展类指标、居民生活类指标对国家中心城市高质量发展的影响程度最大；第二，国家中心城市高质量发展各子系统和综合指数水平均呈现东部地区中心城市优于中西部地区，同时将9个中心城市分成3个梯队，第一梯队是上海、广州、北京，第二梯队是武汉、天津，第三梯队是成都、西安、郑州、重庆。最后，根据结论把脉新时代国家中心城市高质量发展水平分布规律，为推进中心城市高质量发展，促进我国高质量全面、协同发展提供依据。

高质量发展；评价体系；CRITIC法；灰色关联分析法

一、引言

现阶段中国正处于经济增速换挡和经济结构调整的新时期，需要不断提高城市化发展质量以释放经济增长和空间转型潜力[1]。面对目前高投入、高增长、高消耗的经济发展模式引发的诸多问题，2017年党的十九大报告首次提出“高质量发展”的概念，表明我国经济已由高速增长阶段转向高质量发展阶段；2021年“十四五”规划纲要进一步提出要以推动高质量发展为主题，这是顺应我国发展阶段、发展条件、发展格局变化的必然要求。国家中心城市分布于不同省域、不同城市群，同时作为各大城市群和经济区的核心城市，具有引领带动区域均衡发展的关键作用，非常具有典型性[2]。国家中心城市地位特殊，肩负着国家重要的战略使命，对外是亚洲乃至世界的金融、创新、交通、信息、文化、教育枢纽城市，对内在政治、经济、文化等方面对周围城市形成强大的辐射溢出效应[3]。故本文对国家中心城市高质量发展情况进行测算和综合评价。

如何准确测度和评价高质量发展，目前学术界尚未形成统一的观点。总体来看，高质量发展的评价主要有两种方式。

第一类研究认为，“高质量发展”与“高效率发展”近似，故主要采用反映经济效益的单一指标评价高质量发展情况。陈昌兵[4]、李元旭等[5]以增长方式集约化转变作为高质量发展的主要内涵，以劳动生产率和全要素生产率作为高质量发展的衡量标准。但是经济效益主要通过投入产出角度反映经济发展情况，并不能等同于高质量发展，全要素生产率较低的情形下也可能生产出高质量的产品[6]。廖祖君等[7]采用人均实际GDP度量经济高质量发展情况，得出城市蔓延对区域经济发展质量具有显著负面影响的结论。肖周燕[8]将福利生态强度作为发展质量的衡量指标，采用交互回归和状态空间模型分析了改革开放以来中国发展质量的变化及动因。但是单一指标具有较大的片面性和局限性，只能反映经济效益、社会效益、生态效益等某一个方面[9]。

第二类研究认为，高质量发展具有多维性[10]，应该通过构建高质量发展指标体系对高质量发展展开多方位的分析，进行综合评价。魏敏等[11]从经济结构优化、创新驱动发展、资源配置高效等10个方面构建经济高质量发展水平测度体系，运用熵权TOPSIS法对我国2016年30个省份经济高质量发展情况进行测度。师博等[12]基于经济增长基本面和社会成果两个维度构建高质量发展指标体系，运用主观赋权法对中国各省1992—2016年的高质量发展指数进行测算。郭芸等[13]从发展动力、发展机构、发展方式和发展成果4个方面构建高质量发展指数，运用熵权法对四大板块和五大经济带的高质量发展水平进行实际测度。杨耀武等[14]从经济成果分配、人力资本及其分布状况、经济效率与稳定性、自然资源与环境、社会状况相关指标5个方面建立经济发展质量测度指标体系，结合熵权法和均等赋权法测度了我国1993—2018年的经济发展质量状况，并分阶段对经济发展质量变动的原因进行了分析。王伟等[15]从有效性、稳定性、协调性、创新性等6个维度构建了高质量发展评价指标体系，运用熵值法对东北地区高质量发展进行了综合评价，分析了东北地区高质量发展的空间特征。李梦欣等[16]从“创新、协调、绿色、开放、共享”五个基本维度切入，构建新时代中国高质量发展的评价体系，运用AHP初步识别与BP神经网络模拟优化的集成方法，对新时代中国高质量发展的状态和特征进行探究。吕程超等[17]基于新发展理念，结合经济活力，从6个维度构建高质量发展评价指标体系，对我国30个省份1997—2017年的高质量发展情况进行测度，分析不同地区间的地区差距和时空收敛情况。

纵观以上研究，关于如何准确构建高质量发展指标体系衡量高质量发展状况这一研究主题，现有文献并未达成共识，在研究对象和指标体系等方面存在差异。具体而言，在研究对象上，多以国家、省级或者地级市为研究对象，鲜有文献针对国家中心城市层面高质量发展情况进行测度和评价。在指标体系上，不同学者在指标维度和基础指标确定上有较大区别，且现有指标中反映速度总量、发展水平、经济建设和传统发展方式的指标多，反映质量效益、人民群众获得感、其他领域和新发展方式的指标少[13]。

针对以上问题，本文基于新发展理念以及“十四五”规划提出的高质量发展相关要求，以中国9个国家中心城市2016—2019年的权威统计数据为样本，从经济活力、创新发展、协调发展、绿色发展、开放发展、共享发展、居民生活7个维度构建国家中心城市高质量发展评价指标体系，用CRITIC赋权法确定指标权重，再利用灰色关联模型对9个国家中心城市的高质量发展情况进行综合评价。最后基于研究结论提出相应的政策建议。本文的创新之处在于：一是基于新发展理念和“十四五”规划构建一套新的国家中心城市高质量发展评价指标体系；二是采用CRITIC法与灰色关联分析法相结合，CRITIC法综合了指标内对比强度和指标间冲突性，克服了主观赋权法的随意性，同时较变异系数法、相关系数法等定权方法更加合理。

二、评价体系与方法

（一）国家中心城市高质量发展评价体系的构建

2020年12月，中国城市数字经济论坛在上海召开，发布了中国城市高质量发展指标体系，该指标体系由宏观经济增长和新发展理念五个维度构成，是目前国家发布的较为权威的城市高质量发展评价指标体系。因此，本文以该指标体系为基础，结合“十四五”规划中提到高质量发展的目的是满足人民群众日益增长的美好生活需要，进一步在就业、教育、医疗、住房等领域促进社会公平等问题，遵循指标选择的科学性、针对性、可比性、可得性等原则，构建包括经济活力、创新发展、协调发展、绿色发展、开放发展、共享发展、居民生活7个一级指标和37个二级指标的国家中心城市高质量发展评价指标体系，如表1所示。

表1 国家中心城市高质量发展评价指标体系

注：“指标属性”一列中（+）代表正向指标，要求指标值越大越好；（-）代表负向指标，要求指标值越小越好

经济活力方面，具体包括人均GDP、GDP增长率、GDP增速波动系数、劳动生产率、第三产业增加值占比5个二级指标；创新发展方面，用R&D经费投入力度、科学技术支出占比、人均教育支出、高等学校数、万人专利授权数对其进行表征；协调发展方面，用城镇化率、城乡居民人均可支配收入比、城乡恩格尔系数比、人均可支配收入与人均GDP之比、中心城市人均GDP与城市群人均GDP之比对其进行衡量；绿色发展方面，通过单位工业废水排放量、单位工业烟（粉）尘排放量、一般工业固体废物综合利用率、生活垃圾无害化处理率、城市绿化覆盖率来反映；开放发展方面，用当年实际使用外资金额、入境国际旅游人数、外商直接投资合同项目、外贸依存度进行刻画；共享发展方面，以居民人均可支配收入、每万人普通高等学校在校生数、每万人公共图书馆藏书、每万人拥有病床数、每万人拥有公交数、每万人拥有厕所数进行衡量；居民生活方面，具体以社会不安定指数、人均社会保障支出、城镇人均文教娱乐消费支出、商品房平均销售价格、区域环境噪声平均值、空气质量优良率进行表征。表1二级指标中，人均可支配收入与人均GDP之比和社会不安定指数参见李昌金等[18]，剩余指标按照表1具体要求进行计算。

各指标数据来源包括历年的《中国城市统计年鉴》、各国家中心城市统计年鉴、统计公报以及EPS全球统计数据平台中国城市数据库、中国区域经济数据库、中国宏观经济数据库、地方城市统计数据库。其中，若遇到相同评价指标在国家级统计资料与城市统计资料数据不一致的情况，以国家级统计资料的数据为准。

（二）CRITIC法确定指标权重

CRITIC法是依据层间相关性的重要性准则来计算权重的一种定权法，该方法综合了指标内对比强度和指标间冲突性对指标进行客观定权，较主观定权法、变异系数法、相关系数法等定权方法更加合理，定权结果更加真实、客观[19]。CRITIC法[20]确定指标权重的步骤如下。

（2）计算对比强度

（3）计算冲突性指标

（4）计算指标信息量

指标信息量计算方式为指标变异性与冲突性指标之间的乘积。

（5）计算指标权重

（三）灰色关联模型

灰色关联分析[22]是对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数列和若干个比较数列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。曲线越接近，相应序列间的关联度就越大，反之就越小。由于灰色关联分析是根据指标实际数列与参考数列的关联度大小来判断高质量发展情况，通过对参考数列的选取降低了主观因素的影响，增加了评价结果的客观性。关联度越高，说明国家中心城市高质量发展情况越好。灰色关联分析具体步骤如下：

（3）对评价指标进行无量纲处理。用均值法对各指标值进行无量纲处理。

（4）计算比较序列与参考序列的关联系数。

（5）计算关联度。

（6）计算关联得分并排序。

三、国家中心城市高质量发展水平实证分析

（一）国家中心城市高质量发展各指标权重的确定

根据CRITIC法中式（1）～（6）计算得到国家中心城市高质量发展评价指标的客观权重（表2）。由表2可知：① 7个一级指标中，创新发展、共享发展、居民生活是评价国家中心城市高质量发展的关键准则层，其综合权重分别达到0.153 9、0.168 8、0.178 7。②在国家中心城市高质量发展评价中，居民生活是最重要的关键因素。高质量发展必须以社会共享和居民生活为基础，即发展质量的高低应以是否满足人民日益增长的美好生活需要、增强人民幸福感、实现人的全面发展为评价标准[23]。

表2 国家中心城市高质量发展评价指标的权重及排序

（二）国家中心城市高质量发展评价综合分析

1．国家中心城市高质量发展一级指标灰色关联分析

利用灰色关联分析中式（7）～（12）计算2016—2019年间9个国家中心城市高质量发展评价指标的灰色关联得分及排序，仅列出一级指标的得分，见表3。

表3 9个国家中心城市高质量发展评价指标的灰色关联得分

（1）经济活力指标分析。2016—2019年间经济活力指标平均灰色关联得分最高的3个中心城市是广州、上海、北京，分别达到1.082、1.016和0.988，是全国仅有的3个经济活力指标平均灰色关联得分高于0.900的中心城市，均位于东部地区，在高质量发展过程中，人均GDP、第三产业增加值占GDP比重较高，但GDP增长速度较低，且GDP增速波动幅度较大。除广州、上海和北京外，武汉、天津、郑州、西安4个中心城市经济活力指标平均灰色关联得分同样均超过0.500，分别为0.749、0.569、0.520、0.511。得分最低的是成都（0.444）、重庆（0.421），两个中心城市得分较低的原因各不相同。其中，重庆人均GDP、第三产业增加值占GDP比重较低，成都人均GDP、劳动生产率较低。2016—2019年间9个中心城市中成都的经济活力指标灰色关联排名增长速度最快，其次是郑州、上海、北京、武汉、广州、重庆、西安，仅天津有所下降。天津经济活力指标灰色关联排名下降是因为人均GDP、GDP增长速度、劳动生产率下降，GDP增速波动幅度升高。

（2）创新发展指标分析。2016—2019年间创新发展指标平均灰色关联得分由最低的0.142（重庆）到最高的1.521（北京），后者是前者的10.71倍，表明国家中心城市创新发展指标平均灰色关联得分存在较大差异，不同中心城市创新发展协同程度较低。具体来说，创新发展平均得分高于1.000的中心城市只有北京（1.531）、广州（1.352）、上海（1.247）3个城市，而且，除武汉（0.804）、西安（0.534）2个中心城市创新发展平均得分高于0.500外，其余中心城市创新发展平均得分均位于0.500以下，包括天津（0.445）、成都（0.295）、郑州（0.222）、重庆（0.142），表明大部分国家中心城市创新发展方面急需提升，尤其是成都、郑州、重庆三个中西部城市，应当高度重视创新发展方面的问题。2016—2019年间9个中心城市中，广州的创新发展指标灰色关联排名增长速度最快，其次是郑州、上海、北京、成都、重庆、武汉、西安，仍只有天津出现些许回落。天津创新发展指标灰色关联排名回落是由于R&D内部经费支出占GDP比重、科学技术支出占比、人均教育支出、每万人常住人口专利授权数均出现明显的下降趋势。

（3）协调发展指标分析。2016—2019年间协调发展指标平均灰色关联得分最高的3个中心城市依次为上海（1.318）、广州（0.913）、北京（0.877），这些中心城市均位于东部地区，在高质量发展过程中城乡协调优化能力较强，但中心城市人均GDP与城市群GDP比重较大，表明中心城市发展情况过于集中，应充分发挥中心城市的辐射作用，有效带动周边城市，协同推进城市群发展。与之相反，协调发展指标平均灰色关联得分最低的3个中心城市依次为郑州（0.367）、西安（0.412）、重庆（0.580），郑州位于中部地区，西安、重庆均位于西部地区，与上海、广州等协调发展情况相比，存在较大的差异，高质量发展过程中协调能力明显不足。2016—2019年间9个中心城市中天津的协调发展指标灰色关联排名增长情况尤为突出，与增长速度排名第二的广州相比，存在较大的优势，这是由于天津的城镇化率、人均可支配收入与人均GDP之比明显上升，而城乡居民人均可支配收入比、城乡恩格尔系数比、中心城市人均GDP与城市群GDP比有效控制，城镇化工作取得显著成效。其余城市除西安有明显的下降趋势，均保持相对稳定，西安下降是因为城乡居民可支配收入比、同时中心城市人均GDP与城市群GDP比重上升。

（4）绿色发展指标分析。2016—2019年间绿色发展指标平均灰色关联得分最高的中心城市是北京，达到0.953；其次是广州，达到0.904，此外，上海、郑州、成都、武汉和西安5个中心城市绿色发展指标平均灰色关联得分超过0.500，分别是0.783、0.667、0.659、0.638和0.609。以上中心城市绿色发展指标平均灰色关联得分较高的原因各异。其中，北京和广州单位工业废水排放量、单位工业烟（粉）尘排放量较低，城市绿化覆盖率较高；上海单位工业废水排放量较低，生活垃圾无害化处理率较高；郑州污水处理率较高；西安、成都单位工业废水排放量较低；武汉一般工业固体废物综合利用率较高。重庆、天津绿色发展指标平均灰色关联得分分别为0.483、0.476，是9个中心城市仅有的2个低于0.500的城市。2016—2019年间9个中心城市中成都、西安、广州、上海的绿色发展指标灰色关联排名上升趋势明显，其余城市保持相对稳定。表明随着高质量发展的不断落实，各城市污染情况得到有效改善，生态环境持续向好，逐渐满足人民日益增长的优美生态环境需要。

（5）开放发展指标分析。2016—2019年间开放发展指标平均灰色关联得分最高的中心城市是上海（2.425），得分最低的是郑州（0.136），前者是后者的17.83倍，这表明中心城市开放发展情况空间差异十分明显。纵观9个中心城市开放发展指标平均灰色关联得分，可以发现上海的开放发展指标得分“一枝独秀”，与排在第二位的广州（1.319）相比，差距达到1.106，这主要是因为上海的当年实际使用外资金额、外商直接投资合同项目、外贸依存度均处于领先地位，灰色关联得分排名靠前，远超其他8个中心城市，同时入境过夜游客人数也较多。除上海、广州外，只有北京的开放发展指标平均灰色关联得分高于1.000，达到1.262，以上3个城市均为东部城市。其余中心城市的开放发展指标平均灰色关联得分均低于0.500，依次是成都（0.431）、天津（0.358）、重庆（0.328）、武汉（0.311）、西安（0.221）。表明我国开放发展资源主要集中在北上广一线城市，大部分中心城市的开放发展程度需要进一步提高。2016—2019年间9个中心城市中天津、郑州的开放发展指标灰色关联排名出现明显的下降趋势，其余城市均保持稳定上升。天津是因为当年实际使用外资金额、入境过夜游客人数、外商直接投资合同项目明显下降；郑州则是因为外贸依存度逐年递减，且其余指标也排名最末。

（6）共享发展指标分析。2016—2019年间共享发展指标平均灰色关联得分最高的中心城市是上海，达到1.433；平均灰色关联得分排在第二名的中心城市是广州，达到1.255。两者排名靠前的原因分别为：上海的居民人均可支配收入、每万人公共图书馆藏书、每万人公共厕所数较高，万人普通高等学校在校生数较低；广州的万人普通高等学校在校生数、每万人拥有病床数、每万人公共汽（电）车营运车辆数较高，每万人公共厕所数较低。接下来是北京、武汉、西安、郑州4个中心城市，平均灰色关联得分依次为0.787、0.732、0.615、0.592。剩余城市均低于0.500，尤其是重庆共享发展指标平均灰色关联得分仅为0.104，相较于排名第一的上海，后者是前者的13.78，表明9个中心城市共享发展方面存在极大的差异，居民共享发展极不平衡。2016—2019年间9个中心城市中除天津的共享发展指标灰色关联排名存在小幅度波动，其余中心城市均保持平稳增长，尤其是郑州、成都，上升趋势明显。天津的每万人公共图书馆藏书、每万人拥有病床数、每万人公共汽（电）车营运车辆数、每万人公共厕所数均有所下降，同时其余指标排名靠后，因此天津应加快基础设施建设，强化基础设施投资建设力度。

（7）居民生活指标分析。2016—2019年间居民生活指标平均灰色关联得分最高的3个城市依次为上海（1.195）、广州（0.976）、北京（0.939），这些中心城市均位于东部地区，这是在高质量发展过程中，由于这些中心城市经济基础、社会资源、各方面发展情况均排名靠前，居民生活环境及条件较优。居民生活指标平均灰色关联得分最低的2个中心城市依次为郑州、西安，分别为0.364、0.394，灰色关联得分均低于0.500。郑州的人均社会保障支出、城镇人均文教娱乐消费支出、空气质量优良率较低，区域环境噪声平均值较高；西安社会不安定指数较低，区域环境噪声平均值较高。2016—2019年间9个中心城市的居民生活灰色关联排名虽有部分年限存在波动，但总的来说均呈现稳定增长的趋势，各城市居民生活水平逐步提升，尤其是武汉，上升趋势突出。这是因为武汉的人均社会保障支出、城镇人均文教娱乐消费支出逐年递增，而区域环境噪声平均值不断下降。

2．国家中心城市高质量发展综合指数分析

2016—2019年9个中心城市高质量发展综合指数的灰色关联测度结果，如表4所示，根据4年间各城市的平均综合指数，可将国家中心城市高质量发展综合情况分成3个梯队。第一梯队是上海（1.345）、广州（1.114）、北京（1.049）；第二梯队是武汉（0.630）、天津（0.509）；第三梯队是成都（0.493）、西安（0.471）、郑州（0.410）、重庆（0.388）。上海、广州、北京是9个中心城市中综合指数得分高于1.000的中心城市，均位于东部地区，相较于其他城市处于领先地位，这是因为上海的协调发展、开放发展、共享发展、居民生活4个一级指标均排名第一；广州的经济活力排名第一；北京的创新发展、绿色发展处于第一位。同时，3个城市的其余一级指标也居于前三，各方面发展均稳步提升。除上海、广州、北京外，武汉、天津是剩余城市中综合指数得分高于0.500的中心城市，相较于其他城市仍存在优势。位于第三梯队的4个城市成都、西安、重庆位于西部地区，郑州位于中部地区。表明东部地区城市高质量发展明显优于中西部地区，尤其是北上广3个一线城市更为突出。

表4 2016—2019年9个中心城市高质量发展综合指数灰色关联得分

图1 2016—2019年9个中心城市高质量发展综合指数的灰色关联排序

由图1可知，从发展速度上看，除天津、西安、重庆个别年份发展有明显的下降外，总体上呈现不断上升的趋势，其中上升趋势最明显的是成都，由2016年的31名上升到2018年的15名，其次为郑州、重庆、广州、北京、上海、武汉、西安、天津。位于西部地区的成都、重庆高质量发展的速度提升较快，位于东部地区的天津反而是发展速度提升最慢的中心城市，表明发展速度不受地域的影响。

四、结论与建议

（一）结论

本文基于《城市高质量发展评价指标体系》和“十四五”规划相关要求，从经济活力、创新发展、协调发展、绿色发展、开放发展、共享发展、居民生活7个维度构建了一套新的国家中心城市高质量发展评价指标体系。采用9个中心城市2016—2019年的面板数据，通过CRITIC法对各级指标进行赋权，然后采用灰色关联分析法对综合指数和7个子系统展开分析。得出如下结论：

（1）在国家中心城市高质量发展评价指标体系中，共享发展、居民生活是最重要的关键因素，高质量发展必须以社会共享和居民生活为基础。

（2）从子系统看，9个中心城市中北京、上海、广州3个东部地区的中心城市各项一级指标排名均位于前三，北京的创新发展、绿色发展处于第一位，上海的协调发展、开放发展、共享发展、居民生活4个一级指标均排名第一，广州的经济活力居于第一。表明9个国家中心城市中位于一线城市的北京、上海、广州相较于其余6个中心城市，各子系统表现情况突出。另外，创新发展、开放发展、共享发展各城市存在极大差异，要注意各城市创新、开放、共享三方面的资源分配和政策倾斜，尽量缩小城市间的差异。

（3）从整体上看，“十三五”期间9个中心城市的高质量发展水平总体上都呈现不断上升的趋势，但仍具有一定的上升空间，且各中心城市综合水平存在较大差距。国家中心城市中一线城市的高质量发展情况总体优于其他国家中心城市，东部地区中心城市的综合指数要高于西部地区。另外，国家中心城市高质量发展速度不受地域的影响，位于西部地区的成都、重庆高质量发展的速度提升较快，位于东部地区的天津反而是发展速度提升最慢的中心城市。

（二）建议

基于以上结论，9个中心城市的高质量发展总体都呈上升趋势，各中心城市间的差异主要来自创新发展、开放发展和共享发展3个方面。为推动国家中心城市高质量发展不同子系统全面提升，提出以下建议：第一，重视高质量发展思想，促进经济活力提升。经济活力是高质量发展的基础，尤其是位于西部地区的重庆、成都、西安经济活力排名最末，更要以提升经济活力为主要任务。第二，促进资源均衡分配，缩小创新发展差距。由于北上广3个东部一线城市的教育资源和人才明显优于其余中心城市，因此应合理分配高等学校资源，培养高技术人才作为创新的后备力量，为创新发展提供有利条件。第三，紧扣高质量主题，打造高水平开放。加大开放力度，拓展和优化区域开放的空间格局，增强城市开放联动效应。对内，各城市间加强区域联动，通过重点区域、重点领域的合作，更好地利用各中心城市的优势；对外，充分利用城市区位优势，加强“一带一路”建设，高质量走出去，高水平引进来。第四，加强基础设施建设，发展成果有效共享。各中心城市尤其是西部地区各中心城市在地方财政允许的条件下，可以适当提高公共服务、社会保障在财政支出中的比例，同时要落实好教育和医疗体系配套建设，推进教育公平和医疗公平。

[1] 李治国，车帅，王杰．国家中心城市建设的绿色发展效应研究——基于285个城市的准自然实验[J]．科技进步与对策，2021（16）：29-36．

[2]康年，顾倩雯，宋波．基于三阶段DEA模型的国家中心城市制造企业创新效率研究[J]．科技管理研究，2019（8）：9-14．

[3] 刘帷韬．我国国家中心城市营商环境评价[J]．中国流通经济，2020（9）：79-88．

[4] 陈昌兵．新时代我国经济高质量发展动力转换研究[J]．上海经济研究，2018（5）：16-24+41．

[5] 李元旭，曾铖．政府规模、技术创新与高质量发展——基于企业家精神的中介作用研究[J]．复旦学报（社会科学版），2019（3）：155-166．

[6] 朱方明，贺立龙．经济增长质量：一个新的诠释及中国现实考量[J]．马克思主义研究，2014（1）：72-79+160．

[7] 廖祖君，王理．城市蔓延与区域经济高质量发展——基于DMSP/OLS夜间灯光数据的研究[J]．财经科学，2019（6）：106-119．

[8] 肖周燕．中国高质量发展的动因分析——基于经济和社会发展视角[J]．软科学，2019（4）：1-5．

[9] 聂长飞，简新华．中国高质量发展的测度及省际现状的分析比较[J]．数量经济技术经济研究，2020（2）：26-47．

[10] 金碚．关于“高质量发展”的经济学研究[J]．中国工业经济，2018（4）：5-18．

[11] 魏敏，李书昊．新时代中国经济高质量发展水平的测度研究[J]．数量经济技术经济研究，2018（11）：3-20．

[12] 师博，任保平．中国省际经济高质量发展的测度与分析[J]．经济问题，2018（4）：1-6．

[13] 郭芸，范柏乃，龙剑．我国区域高质量发展的实际测度与时空演变特征研究[J]．数量经济技术经济研究，2020（10）：118-132．

[14] 杨耀武，张平．中国经济高质量发展的逻辑、测度与治理[J]．经济研究，2021（1）：26-42．

[15] 王伟，王成金．东北地区高质量发展评价及其空间特征[J]．地理科学，2020（11）：1795-1802．

[16] 李梦欣，任保平．新时代中国高质量发展的综合评价及其路径选择[J]．财经科学，2019（5）：26-40．

[17] 吕承超，崔悦．中国高质量发展地区差距及时空收敛性研究[J]．数量经济技术经济研究，2020（9）：62-79．

[18] 李金昌，史龙梅，徐蔼婷．高质量发展评价指标体系探讨[J]．统计研究，2019（1）：4-14．

[19] 刘若阳，申威，唐长虹．基于变权Markov链的中小物流企业信用风险集对预测[J]．系统工程，2021（2）：138-149．

[20] 魏子茹，卢延辉，王鹏宇，等．基于CRITIC法的灰色关联理论在无人驾驶车辆测试评价中的应用[J]．机械工程学报，2021（12）：99-108．

[21] 易平涛，张丹宁，郭亚军，等．动态综合评价中的无量纲化方法[J]．东北大学学报（自然科学版），2009（6）：889-892．

[22] Chang K．-C．，Yeh M．-F．Grey relational analysis based approach for data clustering[J]．IEE Proceedings-Vision，Image and Signal Processing，2005（2）：165-172．

[23] 洪银兴．改革开放以来发展理念和相应的经济发展理论的演进——兼论高质量发展的理论渊源[J]．经济学动态，2019（8）：10-20．

Comprehensive Evaluation of High-quality Development of National Central Cities:Based on CRITIC Method and Grey Correlation Analysis Method

XIAO Zhihong ZHANG Yuhuan GONG Nailin

Based on the panel data of 9 national central cities from 2015 to 2019, an evaluation index system is constructed for the high-quality development of the national central cities. The CRITIC method and grey correlation analysis method are used to measure and comprehensively evaluate the high-quality development of the national central cities. The results show that: first, innovative development indicators, shared development indicators, and residents’ lives indicators have the greatest impact on the high-quality development of national central cities; second, the various subsystems and comprehensive index levels of the high-quality development of the national central cities show that the central cities in the eastern region are better than central and western regions. At the same time, 9 central cities are divided into 3 echelons. The first echelon is Shanghai, Guangzhou and Beijing, the second echelon is Wuhan and Tianjin, and the third echelon is Chengdu, Xi'an, Zhengzhou, and Chongqing. Finally, this paper grasps the distribution characteristics of the high-quality development of the national central cities in the New Era and provides foundations for advancing the high-quality development of central cities and promoting comprehensive and coordinated development of China.

high-quality development; measurement system; CRITIC method; grey correlation analysis method

F292

A

1009-8135（2022）02-0049-15

肖枝洪（1965—），男，湖北汉川人，博士，教授，主要研究数据分析、应用统计。

张宇欢（1997—），女，重庆开州人，硕士研究生，主要研究数据分析、应用统计。

龚乃林（1996—），男，四川泸州人，硕士研究生，主要研究数据分析、应用统计。

教育部人文社会科学研究一般项目“时空大数据视角下我国人口出生率的地域差异及影响因素研究”（19XJA840002）；重庆市自然科学面上项目“正交多项式、时空调和多项式的概率刻画及应用”（cstc2020jcyj-msxmx0232）。

（责任编辑：张建升）