中国新型城镇化与科技创新水平耦合协调特征及影响因素研究

杨光明，王莹莹，程继伟，覃乐怡，桂青青

(重庆理工大学 a.管理学院，重庆 400054；b.乡村振兴与区域高质量发展研究中心，重庆 400054)

一、引言

2022年10月16日，中国共产党第二十次全国代表大会在北京隆重开幕，习近平总书记代表第十九届中央委员会向大会作报告时宣告：“从现在起，中国共产党的中心任务就是团结带领全国各族人民全面建成社会主义现代化强国、实现第二个百年奋斗目标，以中国式现代化全面推进中华民族伟大复兴。”[1]城镇化承担着扩大内需、拉动经济增长的重要任务，虽然我国城镇化率逐年持续增长，但与多国仍存在较大差距，如美国城镇化率已达90%，韩国已达80%。党的十八大后，中央部署了中国新型城镇化的总体格局，其中安排城市群作为城市发展的主要载体。经过十几年的发展，总体看我国城镇化与城市发展领域技术水平在某些关键科技点上处于国际领先水平，但大部分还处于“跟跑”和“并跑”的水平。

自1978年新型城镇化战略提出以来，我国的新型城镇化率保持持续增长，中国的新型城镇化包含人口、经济、社会、生态等方面[2]，是一个复杂综合体，而且我国是人口大国且幅员辽阔，还有较大的发展空间。因此，我国要继续积极采取相应措施，推动新型城镇化的发展。目前，对城镇化进行测度的方法较为成熟，有学者从高质量发展角度对新型城镇化进行测度[3-4]，结果显示新型城镇化高质量发展呈现“东高西低”现象，且差距在逐渐增大。科技创新是经济社会发展的重要生产力，也是新型城镇化发展的强大软实力。几乎每一次以相关产业为依托的新兴城市的出现都伴随着科技的变革提升。因此，释放科技创新的潜能，合理布局相关产业，一定能带动一批城市的兴起，推进新型城镇化。众多学者对科技创新与新型城镇化之间的关系进行了研究，部分学者认为技术创新可以降低污染处理成本[5-6]，新型城镇化本质上注重绿色可持续发展，因此对于新型城镇化发展具有正向促进作用[7]。有学者从不同的角度出发对城镇化高质量发展进行探究，李泽众认为环境规制与治污科技创新能够较好地协调配合，共同促进城镇化高质量发展[8]，赵磊等采用定量分析方法展开研究并发现科技创新有利于工业化与城镇化协调发展，进而促进城镇化可持续发展[9]。部分学者使用PVAR模型探究科技创新与新型城镇化之间的动态关系，得出结论：两者之间存在双向的正向影响关系[10-12]，但是动态关联关系具有时滞性[11-13]。冯俊华等人对黄河流域科技创新与新型城镇化耦合协调发展进行测度，构建了评价指标体系来探讨科技创新与新型城镇化交互发展机理[14]。随着经济地理学发展，学者们对区域发展的空间联系和间接效应展开了广泛研究[15]。曹琳剑等构建了科技创新与新型城镇化耦合协调测度评价指标体系，采用熵值法确定了两系统评价指标的权重，综合应用耦合协调度模型和相对发展度模型[16]。

综上来看，已有相关文献对全国新型城镇化和科技创新水平进行了系统性分析，但以往多研究新型城镇化与科技创新的空间分布，对其影响因素以及区域差异的研究较薄弱；多研究局部地区，对整体研究较少。因此，本文运用熵值法和耦合协调度模型对科技创新水平和新型城镇化水平综合指数及其耦合协调度进行测算，运用Tobit模型测算新型城镇化与科技创新水平的耦合协调影响因素，并用Dagum基尼系数对七大区域差异性进行分析。通过上述研究，能给中国新型城镇化与科技创新综合协调发展提供有效的理论和政策参考。本研究一方面丰富了数字经济与高质量发展相互作用研究成果;另一方面，从多角度揭示了中国数字经济与高质量发展耦合协调关系的特征事实、地区差异和空间效应,为中央和地区制定差异化的数字经济发展政策和高质量发展战略提供有益的政策启示。

二、研究方法与数据来源

(一)指标权重的确定

权重说明的是每个指标在指标体系中的重要程度，从整体目标的优化出发进行合理地权重分配，从而反映各个指标的重要程度。本研究基于客观赋权法的熵值法[16-17]和主观赋权法的层次分析法，形成最后的指标综合权重。熵值法在确定指标权重时具备如下优点：一是结果更为直观，易于分析，可操作性强；二是避免了人为主观因素的干扰，客观性强；三是熵值法对于指标没有数量限制，比起其他方法来说适用范围更广泛。不同指标之间单位和量纲上的差异可能会对评价结果产生影响，因此本文首先对各项指标进行标准化处理。具体为：

(1)

(2)

其中，式(1)为正向指标标准化处理，式(2)为负向指标标准化处理。Xij为指标数据原始值，uij为第i子系统的第j个指标，maxX.j和minX.j分别为第j个指标的最大值和最小值。

本研究运用熵值法确定指标权重。设m代表城市个数，n为评价指标个数，其计算步骤如下：

指标信息熵计算：

(3)

指标权重计算：

(4)

系统综合得分计算：

(5)

(二)耦合协调度模型

基于物理学概念的耦合协调度模型，主要用于分析和描述两个或两个以上系统相互作用的现象。耦合度可用来揭示多系统之间的相互作用、彼此影响的紧密(强弱)程度，协调度用于测量系统或要素之间相互平衡、相互协调的程度。本文运用修改后的耦合协调度模型，测算中国各省新型城镇化与科技创新水平的耦合协调度，研究两系统之间的相互作用程度和发展关系，具体公式如下[14-15]：

(6)

(7)

式中，C为耦合度，值域为[0,1]，C值越大，表示两系统的相互作用程度越强；U1为科技创新水平；U2为新型城镇化水平，并假设maxUi为U2；T为新型城镇化与科技创新水平的综合协调指数，α和β为待定系数，且α+β=1，一般将指标视为同等重要，故α=β=0.5；D为耦合协调度，D∈[0,1],D值越大，表明二者之间耦合协调程度越好。本文将耦合协调度的等级进行阶段划分，如表1所示。

表1 耦合协调度等级

(三)Dagum基尼系数

本文采用Dagum基尼系数分析新型城镇化与科技创新水平耦合协调度的地区差异并进行差异分解分析，将其研究对象划分为z组，包含n个研究对象，a、b、…代表分组，na、nb、…表示各个小组的研究对象数量，yai、ybi、…表示任意一组研究对象的变量数据，Dagum基尼系数在本文中表示新型城镇化与科技创新水平耦合协调度。普遍来讲，基尼系数值越小，表明其耦合协调水平越接近，协同性越强，计算过程如下：

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(15)

(四)Tobit模型

中国新型城镇化与科技创新水平耦合协调度究竟受到哪些因素的影响，这是本文所要探究的重要目标[18-21]。对影响因素开展检验，有助于把握哪些是真正的影响因素，这对于有效提升新型城镇化和科技创新水平是至关重要的。选择Tobit模型开展估计正好适应本文的要求。这是因为Tobit模型又称之为截尾回归模型，该模型成立的前提是因变量通常被设定为[0，1]。基于此，以所要测算的新型城镇化与科技创新水平耦合协调度为因变量，以专利(PAT)、教育水平(EDU)、能源消耗总量取对数(ENE)、政府支持力度(GOV)、开放程度(OPE)、第二产业GDP占比(IND)等影响因素为自变量，建立反映两者关系的Tobit模型，其基本表达形式如下：

(16)

(五)指标选取

参考中国新型城镇化政策与目标和有关科技创新水平的相关研究成果[21-23]后，构建中国新型城镇化与科技创新水平指标体系(表2)。在构建指标体系过程中，本着科学性、代表性、合理性的原则，选取最能反映研究对象的指标进行指标体系的构建，分别构建了准则层、目标层和指标层3个层次。经济城镇化、人口城镇化、空间城镇化、生态城镇化和社会城镇化是中国新型城镇化发展和推进过程中的重要目标，因此选为准则层，更具说服力和代表性。再选取其中最具代表性的结果指标作为指标层。衡量科技创新水平可从投入与产出两个方面入手。对于投入，其中R&D人员全时当量能从人力资源角度反映科技创新的投入，R&D经费内部支出能从经济支持方面反映科技创新的投入。高技术产业具有研发投入高、研发人员占比大的特点，且高技术产业是最能体现科技创新水平和科技创新竞争力的产业。因此，选择高技术产业新产品的开发经费支出作为衡量科技创新水平的投入，选择高技术产业新产品开发项目数和高技术产业新产品销售收入作为衡量科技创新水平的产出指标。除此之外，国内3种专利有效数合计，比国内3种专利申请受理数合计、国内3种专利申请授权数合计等指标更具代表性和准确性，故将国内3种专利有效数合计选为产出指标之一。在此基础上，使用熵值法(式(1)～式(4))对指标权重进行确定。

(六)数据来源

本文分析所使用的基础数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》，时间跨度为2010—2021年，样本数据包括中国30个省(直辖市、自治区)，不包括港、澳、台地区，西藏由于多个变量数据缺失也未包括在内。

三、新型城镇化与科技创新水平耦合协调分析

(一)新型城镇化水平与科技创新水平测度

1.新型城镇化水平结果分析

利用全局熵值法对中国30个省2010年到2021年的新型城镇化水平进行测算，在研究年份范围内每隔两年选取数据代表年限来分析，得到新型城镇化水平结果。为了加强直观感受，研究不同年份、不同省份的城镇化水平的变化趋势，将其制成折线图(如图1所示)。2010年，新型城镇化水平高于0.5的省市有8个，分别是广东、北京、江苏、山东、上海、天津、浙江和重庆。2014年，北部地区的内蒙古城镇化水平相比北部其他区域较高，中部地区的湖北、安徽新型城镇化水平也较高。到2018年，中部地区的河南、湖南的新型城镇化水平有所提高，西南地区重庆、四川相比同区域的其他省份呈现较好的状态。2021年，新型城镇化水平格局相较于2018年没有太大差别，但是西南地区的重庆与较快发展的四川相比，新型城镇化水平有所落后。总体来看，北京、广东、江苏、山东、上海、浙江这6个省市的水平一直保持在0.5以上，这些省市都属于沿海省市，而内陆省市新型城镇化水平较沿海省市来说一直较低。

(审图号：NO.GS(2020)NO.4619)

2.科技创新水平结果分析

同样利用全局熵值法对科技创新水平进行综合指数计算，对中国大陆30个省市2010年到2021年的科技创新水平进行测算，得到创新水平结果(如图2所示)。2010年，科技创新水平较高的区域为华东地区的浙江、江苏、上海以及广州。华中以及华北地区科技创新水平没有较大差异，属于同一梯度，其余区域的科技创新水平较低。到2014年，东部沿海地区的科技创新水平有所提升，属于华北地区的北京的科技创新水平要高于同时期、同区域的其他省份，然而东北、西北地区的科技创新水平有所下降，区域之间的差异逐渐增大。2018年，西南地区的四川的科技创新水平较高，从总体来看，科技创新水平分布格局与2014年相似。2021年，中国科技创新发展水平格局相同于2018年。从整体来看，科技创新水平高的省市为沿海省市或沿海省市临近省市，且集中分布于华东地区。

(审图号：NO.GS(2020)NO.4619)

(二)新型城镇化与科技创新水平耦合协调度

采用耦合协调模型对新型城镇化水平与科技创新水平耦合协调度进行了测算，将各省市耦合协调度均值等级分类如表3。从表中可以看出，各省市耦合协调度存在一定差异，但大多分布于基本协调、中度协调这2个等级。基本协调阶段的省市最多，有13个，高度协调阶段和基本协调阶段的均有3个省市。高度协调的省市有较大潜力发展成为优质协调的省市，未来存在提升空间。江苏、浙江、广东3个省市处于优质协调阶段，而仅有甘肃处于低度协调阶段。优质协调省市需要维持且最好能带动周边省市。低度协调省市急需寻找新的政策来提升耦合协调度。整体上看，全国各省市新型城镇化水平与科技创新水平耦合协调水平处于中等偏上阶段。虽然有低度协调省市，但仅为1个。令人欣慰的是，优质协调省市数有3个，呈现出良好发展态势。未来应加强中度协调和高度协调阶段省市科技创新与科技创新的相关建设，提高两者的耦合协调度，从而提高全国整体的耦合协调水平。

表3 各省市2010—2021年耦合协调度均值等级

为探究新型城镇化水平与科技创新水平耦合协调度的时空演变特征，选取研究期间内起止年份和中间年份为代表，即2010年、2014年、2018年和2021年4个年份的数值，利用ArcGIS技术对耦合协调度采取可视化处理全国30个省市的新型城镇化水平与科技创新水平的耦合协调度，结果如图3所示。

(审图号：NO.GS(2020)NO.4619)

新型城镇化水平与科技创新水平耦合协调度整体呈现上升的发展趋势，两个系统的耦合协调度由低度协调逐步向优质协调转变，即表明新型城镇化水平与科技创新关系不断得到改善。且整体来看，东部省市的新型城镇化水平与科技创新水平的耦合协调度等级总是优于西部省市，东西部差距明显。此外，沿海省市的耦合协调度等级总是高于非沿海省市，且处于优质协调状态的省市均位于沿海地带。2010年，江苏、广东处于优质协调，北京、山东和浙江处于高度协调，部分西南、华中和大部分华东地区处于基本协调，仅甘肃和宁夏处于低度协调。2014年，天津、河北和江西退出中度协调，其他省份均没发生变化。2018年，优质协调省市增加，浙江由高度协调跃入优质协调状态，天津迈入中度协调。到2021年，西南地区的四川由中度协调提升至高度协调，优质协调省市仍保持不变，基本协调和中度协调省市数量变化幅度不大。在空间布局上，东部省市协调等级总是优于其他省市，尤其是沿海一带省市，其耦合协调度总是领先全国。

为了更直观地看出各区域之间的情况，将中国分为华东、华北、西北、华南、西南、华中、东北七大板块，对其进行可视化分析，如图4所示。

图4 耦合协调度分区图

其中，华东地区相比于全国大部分地区其耦合协调度分布区间相对较高，而全国大部分地区的耦合协调度集中于0.4～0.6，属于中度协调。从整体上来看，华东、华南、华中、华北地区高于全国平均水平，而西北、西南和东北地区低于全国平均水平。东南地区耦合协调度明显高于西北地区，这与新型城镇化和科技创新水平的分布较为一致。

四、七大区域的差异性分析

基于基尼系数的计算方法，应用Matlab 2016对中国省域科技创新水平与新型城镇化水平耦合协调度的Dagum基尼系数进行测算，如表4所示，在2010—2021年的观察期内，中国省域科技创新水平与新型城镇化水平耦合协调度的基尼系数总体呈现增加趋势，由2010年的0.229 2增加到2021年的0.244 3，增长幅度为6.6%，这表明中国省域科技创新水平与新型城镇化水平耦合关系整体差异正在不断扩大，城市间的耦合协调度差异性愈发显著。

表4 主要年份七大区域耦合协调度基尼系数

(一)七大区域组内差异

2010—2021年，只有西南地区中国省域科技创新水平与新型城镇化水平耦合关系与中国整体的趋势最为接近，2010—2018年，缓慢递减，2018—2021年，基本持平，西北、华北地区与整体的趋势也较为接近，但变动幅度稍大。其中，东北地区增长幅度最大，由2010年的0.069 1到2021年的0.108 3，增长幅度达56.72%，华东地区增长幅度次之，由2010年的0.117 7到2021年的0.164 2，增长幅度达39.51%，西南地区增长幅度最小，仅1.93%。只有华中与西北地区呈现下降趋势，华中地区下降2.67%，西北地区下降7.48%。七大区域耦合协调度组内基尼系数平均增加0.909 8。

(二)七大区域组间差异

从时间趋势来看，中国省域科技创新水平与新型城镇化水平耦合关系的组间差异整体不断增大，其中华东与华中地区组间增幅最大，增长幅度为25.94%，华东与华北地区次之，增长幅度为15.46%。在所有组间差异之中，华北与西北、西南与西北、东北与西北呈现下降趋势，下降幅度分别为2.49%、1.39%、1.40%。从整体来看，组间差异均值较小的分别是华中与东北、华中与西南、西南与东北，依次是0.135 3、0.143 3、0.144 6，组间差异均值较大的分别是华东与西北、华南与西北、华中与西北，依次是0.448 1、0.379 0、0.339 4。

(三)耦合协调度地区差异分解

为了进一步揭示耦合协调地区的差异来源，将基尼系数分解为组内差异、组间差异以及超变密度，并分别计算其贡献率。观察期间，组间差异一直是耦合协调度地区差异的重要来源，平均贡献率为65.86%，2021年同2010年相比，下降了4.06个百分点；组内差异平均贡献率为10.54%，从2010年到2021年贡献率呈持续增长状态，同比增长1.11个百分点；超变密度平均贡献率为23.60%，整体呈现增长状态，对比2010年到2021年增长2.95个百分点。

五、科技创新水平与城镇化耦合协调度影响因素分析

基于所构建的Tobit模型，采用Stata 12.0对科技创新水平与城镇化耦合协调度的各个影响因素的显著性开展全样本检验，具体各个自变量系数的估计结果如表5所示。从中可见，在控制其他变量的影响后，政府支持程度对科技创新水平与城镇化耦合协调度的正向影响仍然在1%水平上显著。各控制变量中，开放程度、教育水平、能源消耗总量和专利均在1%的水平上显著正向影响科技创新水平与城镇化耦合协调度，第二产业GDP占比对科技创新水平与城镇化耦合协调度的影响不显著。

表5 全样本Tobit模型的回归结果

进一步对东部地区、中部地区和西部地区样本分别进行检验，各个自变量系数的具体估计结果如表6所示。从中可见，在控制了其他变量的影响后，东部地区政府支持程度对科技创新水平与城镇化耦合协调度的影响均在1%的水平上显著，但中部地区和西部地区政府支持程度的影响不显著。

表6 分地区Tobit模型的回归结果

考虑到2015年中央发布了《关于深化体制机制改革加快实施创新驱动发展战略的若干意见》，对创新发展提出了新的部署，故以2015年为界，进行分阶段检验，各个自变量系数的具体估计结果如表7所示。从中可见，在控制了其他变量的影响后，2010—2014年和2015—2021年政府支持程度对科技创新水平与城镇化耦合协调度的影响均在1%的水平上显著，且随着时间的推移政府支持程度的影响越来越大。

表7 分阶段Tobit模型的回归结果

六、结论与建议

(一)结论

基于2010—2021年中国30个省市的数据,本文构建了新型城镇化水平与科技创新水平的指标体系,据此计算并获得了新型城镇化水平与科技创新水平系统的综合得分,进而计算获得数字经济与高质量发展的耦合协调度。再将中国分为华东、华北、西北、华南、西南、华中、东北七大板块，对其进行可视化分析，进一步对耦合协调度进行了可视化分析,进一步揭示了新型城镇化水平与科技创新水平的差异特征和时序走势。研究结论如下：

1.全国各省市耦合协调度呈现缓步增长趋势，但绝大多数地区均处于0.2～0.4和0.6～0.8的水平，属于基本协调和中度协调，但也有耦合协调度一直较高的省市，分别是广东和江苏，在各个时间阶段均处于全国前列。从七大区域的可视化图看出华东、华北、西北、西南、华中、东北六大板块差距不大，均在0.2～0.6，唯华南地区在0.8～1.0，说明耦合的优势分布在华南地区。在空间布局上耦合度呈现“东高西低”的分布形式且由东向西逐步递减。沿海一带，耦合协调度增长速度优于其他地区。沿海地区由于地理位置、资源禀赋以及政策支持等多种原因，经济发展相比内陆地区较好，自然有更多的资金与资源投入到新型城镇化建设和科技创新建设当中。此外，东部及沿海地区因经济水平与创新投入的相辅相成促使两者的耦合协调度相比较高，西部地区因其区位条件、资源禀赋等原因致使耦合协调度相比较低。

2.利用Dagum基尼系数分析耦合协调度的差异性，中国省域绿色经济效率与新型城镇化水平耦合协调度的基尼系数从0.234 3下降到0.103 83，总体呈现下降趋势，七大区域组间差异是全国差异性的主要来源，组内差异贡献率与超变密度贡献率均较为稳定，且对整体影响力较小，在七大区域的组间差异中，对其影响较大的均为北部地区。

3.从全国来看，控制其他变量后，政府支持程度对科技创新水平与城镇化耦合协调度积极影响较显著。各控制变量中，开放程度、教育水平、能源消耗总量和专利均有显著积极影响，而第二产业GDP占比的影响不显著。将全国划分为东、中、西3个区域，对其样本分别进行检验，东部地区政府支持程度对科技创新水平与城镇化耦合协调度的影响显著，但中部地区和西部地区政府支持程度的影响不显著。以2015年为界，进行分阶段检验，可知在控制了其他变量的影响后，2010—2014年和2015—2021年政府支持程度对科技创新水平与城镇化耦合协调度的影响显著，且随着时间的推移政府支持程度的影响越来越大。从以上结论来看，政府支持程度在各方面都对科技创新水平和城镇化耦合协调度有着较大影响，特别是对于东部沿海地区，且影响会随着时间逐渐变大。

(二)建议

1.挖掘协调发展实质，促进新型城镇化与科技创新协调发展。各省市要加快新型城镇化的推进，多集聚专业型人才，加速从高速城镇化转向高质量新型城镇化。坚持由点到线再到面的城镇化全面推进，以发展乡村基础设施为前提，优先发展的省市对周围省市起辐射带动作用，从而推动整体向新型城镇化发展。同时，政府要加大对科技的研发投入，促进科技创新融入城镇化发展，加强创新人才培养，来推动新型城镇化和科技创新的协同发展，进一步推动新型城镇进程。

2.加强跨区合作，提高整体协调发展程度。各省市应就新型城镇化与科技创新方面加强合作交流，重视新型城镇化与科技创新地区的跨区域合作,实现优势资源整合，提高资源利用效率，缩小地域差距。科技创新能力较好、经济发展水平较高的地区应发挥辐射带动作用，对周围邻近地区进行帮扶，向其交流相关经验。发展较弱的省市应主动加强对外合作交流，汲取其他省市的优秀经验，根据自身发展状况，进行适当探索与尝试。各省市应充分发挥自身特色，跟着国家政策方针，坚持自主创新与国际合作，利用科技创新转变发展方式，实现科技创新与经济的协调发展。

3.对于七大区域来说，应该加强地区间的合作和区域内部的合作，减少整体差异性。从本文分析结果来看，不同地区差异的影响对全国整体影响最大，这会影响到整体新型城镇化的发展进程和减小科技创新水平的带动作用，特别是在科技创新领域，不同地区的人才内部集中会引起地区发展不平衡，导致地区差异性扩大，进而影响城镇化进程，因此各地区应该放开人才流动，加强区域合作，促进整体差异性减小。

4.加强政府区域间交流合作，先对中西部经济基础较好的城市进行重点投入，通过其辐射作用来带动周边地区的科技创新水平和新型城镇化的融合发展，由点到面，逐步深入。同时因地制宜，有效提升科技创新能力。科技创新与新型城镇化的发展不是一个相反的增长过程，而是一个协调发展的过程。科技创新既是新型城镇化的内生动力，也是促进新型城镇化的助推器。各省市应该根据自身发展状况，结合自身资源优势，联合周边科技创新与新型城镇化协同度高的省市，强化科技集中攻关，深化科技体制改革，强化企业创新主体，有效提升科技创新能力，从而助推新型城镇化的进程，优化产业结构，开拓新兴领域，促进科技创新与新型城镇化的协调发展。