空间与经济城镇化的协调度测定

1.城镇化水平的主成分分析

为了综合地分析城镇化内部的协调性，对2001年、2006年、2011年及2012年城镇化的三个子系统分别进行指标的综合评分。本文利用SPSS软件对通过功效函数处理之后的数据用主成分分析的方法进行降维处理。根据不同城市在人口城镇化、空间城镇化及经济城镇化三方面的得分进行协调性测定，分析不同子系统的发展水平的匹配性、协调性。

本文将2001年、2006年、2011年及2012年反映人口城镇化发展水平的14个指标、反映空间城镇化发展水平的9个指标及反映经济城镇化发展水平的14个指标消除量纲后，利用SPSS软件，运用最大方差法进行主成分分析方法，以特征值大于1的原则提取公因子，得出2001年、2006年、2011年以及2012年对于效度的检验结果——KMO以及Bartlett球形检验的统计量（见表2）。

表2　KMO以及Bartlett球形检验结果

续　表

由表2中的KMO与Bartlett检验可以看出，2001年、2006年、2011年以及2012年，城镇化指标数据的KMO统计量在0.5以上，Bartlett统计量在5%水平上显著，即表明该指标体系数据可以通过主成分分析法进行降维处理，主成分分析结果有效可行。

因此，本文利用SPSS对4年横截面数据的各项指标进行主成分分析，分析结果显示，2006年的空间城镇化指标中提取了4个主成分来反映该子系统发展水平，2011年与2012年的经济城镇化提取了4个主成分，其余城镇化子系统均用3个主成分来反映个城市的城镇化发展水平。2001年、2006年、2011年以及2012年人口城镇化、空间城镇化以及经济城镇化各指标的得分系数见表3、表4和表5。

根据表3、表4、表5中各城镇化指标的成分得分系数以及经过无量纲化处理后的指标值，得出对应的各个主成分的得分。以2001年人口城镇化中第一个主成分为例：

其中，F1为第一个主成分得分，c1i为第一个主成分对于人口城镇化第i个指标的成分得分系数，xi为人口城镇化第i个指标数值。

对于多主成分的指标体系要采用以方差贡献率为权重的加权平均的方法得到长三角各城市最终的城市化水平。各主成分的方差贡献率见表6。

根据方差贡献率结果，累计方差贡献率均在80%左右，即最终的综合效益得分通过主成分可以解释大部分的城镇化发展水平的信息。综合效益得分计算同样以2001年人口城镇化为例：

其中，U1为人口城镇化综合效益得分，F1i为人口城镇化的第i个主成分得分，Wi为第i个主成分的方差贡献率，W为人口城镇化各主成分的累计方差贡献率。

表3　2001年、2006年、2011年、2012年人口城镇化成分得分系数

表4　2001年、2006年、2011年、2012年空间城镇化成分得分系数

续　表

表5　2001年、2006年、2011年、2012年经济城镇化成分得分系数

表6　方差贡献率

2.相关性分析

在城镇化的新阶段，已经不仅是规模城镇化受到关注，社会更关注城镇化子系统之间的协调关系。三者之间相互的推动和影响是复杂的，本文首先通过相关性验证证明人口、空间以及经济城镇化的三大子系统之间是否存在关联性，以及两两之间的关联强度。相关系数见表7。

表7　Pearson与Spearman相关系数表

续　表

其中，P表示人口城镇化，S表示空间城镇化，E表示经济城镇化。Pearson相关系数反映线性关系分散程度和方向，不反映线性关系时的斜率。由上表可以看出，人口、空间、经济城镇化的线性关系较强。根据2001年、2006年、2011年及2012年的数据演变可见，城镇化内部之间的线性关系减弱。正的Spearman秩相关系数对应于X、Y之间单调增加的变化趋势，负的Spearman秩相关系数对应于X、Y之间单调减小的变化趋势。Spearman秩相关系数是一个非参数的度量两个变量之间的统计相关性的衡量指标，用来评估当用单调函数来描述是两个变量之间的关系的合适程度。正的Spearman秩相关系数对应于X、Y之间单调增加的变化趋势，负的Spearman秩相关系数对应于X、Y之间单调减小的变化趋势，系数的符号表示影响的方向。因此，根据表7中Spearman相关系数的表现，可得出城镇化三个子系统之间都存在相互促进，同方向发展的正影响。

表7反映了城镇化内部存在着相关性，在此结果的前提下，本文通过协调发展水平模型进一步深入剖析人口、空间与经济城镇化之间的关系，量化三者间的协调度与协调发展水平。由主成分分析得出的各年份子系统的综合发展水平得分为基础，经模型测算得出城镇化发展的协调程度。模型建立如下。

3.协调度模型

两变量间协调度模型是描述同一城市关于城镇化发展水平的两个相对独立的系统，因此本文通过变异系数推导出两者的协调度模型。本文采用变异系数来表示人口、空间、经济城镇化两两之间的协调关系。

其中，Cv表示变异系数，S表示长三角地区各城市两个子系统的综合效益水平实际得分的标准差，表示平均值。

将（4）与（5）代入（3）上述变异系数公式，得到：

设某一城市某年城镇化一子系统为Ui，工业化发展水平为Uj，代入公式（6），则：

若使Cv越小越好，则其就相当于越大越好，为了使计算所得的两者协调度具有一定的层次性，根据上述变异系数模型，本文定义城镇化和工业化发展的协调度模型为：

其中，C（0≤C≤1）为两者的协调度，C取值越大，说明两者的协调性越好，反之，则说明两者协调性越差。

对于城镇化水平协调程度的探究，不仅是两两之间的协调，更需要城镇化内部三个子系统间的总体协调，探讨长三角地区对于城镇化质量的衡量也尤为重要。如上文，三变量协调度也有变异系数得来，模型推导如下：

其中，表示变异系数，S′表示长三角地区各城市三个子系统的综合效益水平实际得分的标准差，′表示三个子系统的综合效益水平实际得分平均值。

将（10）与（11）代入（9），得到：

设某城市某一年人口城镇化综合水平得分为U1，人口城镇化综合水平得分为U2，人口城镇化综合水平得分为U3，

越小，城镇化发展协调度越高，即越高，协调度越高。本文将三者之间的协调度定义为：

4.协调度测定

根据长三角城市群30个城市2001年、2006年、2011年及2012年四个年度的横截面数据进行协调度测定。人口城镇化与空间城镇化协调度用U1U2表示，人口城镇化与经济城镇化协调度用U1U3表示，空间城镇化与经济城镇化的协调度用U2U3表示，人口、空间与经济城镇化的协调度用U1U2U3表示，结果见表8。

表8　长三角地区30个城市人口、空间与经济城镇化协调度

续　表

续　表

续　表

结果显示，大部分城市的城镇化内部协调度表现良好，城镇化内部发展较为同步，关系也较为和谐。相比，如2001年连云港的人口与空间城镇化协调度以及人口与经济城镇化协调度存在发展的不平衡，2012年滁州的人口与空间协调度以及人口、空间与经济三者的协调度比较低，发展较为不平衡。但是该结果只能测定协调度，无法衡量一个城市是处于高水平的协调还是低水平的平衡。因此，本文引入协调发展度模型作进一步分析和测定。

5.协调发展度模型

协调度C可以衡量城镇化内部的匹配以协调程度。但难以反映城镇化子系统两者或三者之间的发展水平。协调度在相当水平的情况下，会出现发展水平的不同。即A城市的城镇化子系统的发展水平都处在较高水平，而B城市的城镇化子系统发展都较落后，处于较低水平，因此，本文采用协调发展度的概念。协调发展度是在协调度的基础上进一步表现出系统间的综合发展水平，该指标能够度量两个或三个城镇化子系统协调发展水平的高低。该模型表达式如下所示：

其中，D为协调发展度，C为协调度，当衡量两系统协调发展度时，P为P＝a1ui＋a2uj，a1＋a2＝0；当衡量人口、空间、经济城镇化三系统协调发展度时P为P＝a1ui＋a2uj＋a3uk，a1＋a2＋a3＝0。由于C的最高项为二次，P2的最高项也为二次，为了将协调发展度恢复为一次，取，得到如下协调发展度公式。

根据本文的协调度发展模型，对长三角地区30个城市的协调发展水平进行综合测定，结果见表9。

表9　2001年、2006年、2011年及2012年长三角地区30个城市协调发展度

续　表

续　表

由表9可见，城市间的协调发展度存在很大的差异，协调发展度将城镇化内部的协调发展通过量化表达，但在（0，1）的任意实数这个区域中存在无数数据，不便于分析探究性质，所以根据杨世琦（2008）学者对协调度的取值范围以及相应的协调等级进行了定义。依此对本文的协调发展度进行等级区域的划分，见表10。

表10　协调度的取值范围及相应等级

根据测定的协调发展度相应的等级将各年份不同城市分类，并通过图形更具象更直观的探究城市与城市之间的差别以及随着时间内的变化整体的协调发展水平的演变，等级归类，见表11。

表11　2001年、2006年、2011年及2012年长三角城市群城镇化协调发展水平分布

表11中，各单元格城市排序均按照得分，由高到低进行排序。2001年、2006年、2011年及2012年人口、空间与经济城镇化的协调发展水平在不断变化，随着城镇化进程的加快，极低水平的城市从2001年的丽水，变为最低水平为低水平协调的发展形势，高水平城市也有增加的趋势，这是随着城镇化的不断推进，为全面实现小康社会的不懈奋斗的成果，城镇化的规模不断扩大是必然的趋势所在，但各城市将更加注重以人为本，合理化、质量化的城镇化新战略。

本文通过热力图来更直观地显示2001年、2006年、2011年以及2012年这四年的城镇化协调发展成果及其演变，如图1、图2、图3和图4所示。

图1　2001年长三角城市群协调发展度分布

图2　2006年长三角城市群协调发展度分布

图3　2011年长三角城市群协调发展度分布

图4　2012年长三角城市群协调发展度分布

由上述分布表与分布图可知：

（1）高水平协调发展城市较少，存在较大区域分异。2001年、2006年、2011年以及2012年这四年，长三角城市群30个城市中，处于城镇化内部极高水平协调的只有上海一个城市，各城市发展不均衡。除了上海，2006年以后的南京以及2012年的苏州以外，都处于中低水平的城镇化协调发展阶段。

（2）消除极低水平协调城市，城镇化发展方向明确。2001年与2006年相比，丽水由极低协调发展水平进入低协调发展水平阶段；温州、芜湖、绍兴、嘉兴、舟山、马鞍山、合肥这七个城市由低水平转变为城镇化协调发展中等水平；南京市由中等协调发展水平稳定地进入高等协调发展水平。2003年，城镇化率达到37.7%，全国城镇化发展迅猛，在此背景下，党的十六大提出“走中国特色城镇化道路”。报告中提出：“农村富余劳动力向非农产业和城镇转移，是工业化和现代化的必然趋势。要逐步提高城镇化水平，坚持大中小城市和小城镇协调发展，走中国特色的城镇化道路。”逐渐将城乡统筹建设、推进农村建设、优化产业结构等充实到城镇化的内涵中来，逐渐明确了适合中国特色社会主义、与物质文明和精神文明建设并进的新型城镇化道路。从2001年与2006年的横截面数据与上述分析，可以看到初步的城镇化转型所带来的巨大成果，但是，仍有很多城市处于较低的发展水平，城市的均衡化发展，新型城镇化更须进一步深入发展。

（3）多城市向高一级迈进，城镇化进程稳步进行。从2006年到2011年，有南通、淮南、镇江、芜湖四个城市进入城镇化协调发展中等水平，其他城市保持稳定，随着可持续发展战略与科学发展观的逐渐深入、生态环境问题的重视，新型城镇化道路注重平等，追求质量，强调绿色生态。从城市优先发展到城乡统筹互补协调发展、由高能耗的城镇化转变为走实行低能耗的城镇化、从规模增长型到质量提高型、少数人先富的城镇化到全面实现小康社会共享社会主义成果的城镇化。各城市的协调发展水平会随着新型城镇化的推进有进一步的提高。

（4）整体城镇化协调发展水平在13年间大幅提升。2012年，苏州进入高等水平协调的行列，从2001年到2012年这11年间，从分布图的格局上来看，城镇化协调发展水平已有了质的飞跃，未来的城镇化发展中，以人为本，集约化发展，以生态文明为理念，获得更大的发展与进步。