城市经济发展水平模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇城市经济发展水平，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

Abstract： This work surveyed and analyzed the per capita GDP and air quality index of Chinese 31 provincial capitals or municipalities in 2013 and 2014， and compared the level of economic development of these cities from the environment-friendly view. Results show there is a negative relationship between per capita GDP and air quality among these cities， that is， the cities with higher per capita GDP may have relatively worse air quality. This observation implies that economy-oriented development mode may bring about some environment costs. According to 2014 data， the 31 provincial capitals or municipalities are respectively evaluated as "environmentally friendly development cities"， "economy-oriented development cities"， "environment-friendly cities"， and “NON environmentally friendly development cities”. The improvement level of per capita GDP and air quality among these cities in 2014 is also compared with 2013. These findings could provide some supports for implementing the economy-oriented development mode.

Keywords： Environment-Friendly； Economic Development Level； Air Quality； Comparison

1. 引言

经济社会的发展是建立在对自然资源的利用和改造的基础上，势必给自然生态系统中的物质与能量带来变化。良好的经济发展模式会考虑到人类活动对资源、环境和生态的影响，进而实现环境资源友好型发展，然而经济发展、环境友好和资源节约等多重目标并重的发展模式会对经济发展速度有所限制。因此，无论是发达国家，还是正在发展中的国家，都很大可能先是经历“经济发展主导型”发展模式，再转变为“环境资源友好型”发展模式[1，2]。

改革开放以来，由于我国经济和社会的高速发展，引起了空气污染物的迅速积聚，造成了当前面临的空气质量问题。因此，我国目前正在处于经济发展转型阶段，由以经济发展速度为主要或单一目标的“经济发展主导型”发展模式转向社会、环境与资源协调发展的“环境资源友好型”发展模式。近些年我国实施的“环境友好型社会”、“和谐社会”和“可持续发展观”等国家发展战略都体现了这一转变。然而，由于地理位置、自然资源、历史发展和开放水平等因素的不同，我国不同区域的城市发展水平存在较大差异[3]。东部沿海以及内陆核心城市经济社会发展很成熟，而一些内陆非核心城市可能正在处于起步发展过程中。单一从经济发展速度对城市进行评价不能充分反映出城市的总体水平，进而也会导致我国各城市的非健康发展。因此，从环境友好视角，对我国城市经济发展水平进行比较具有重要现实意义。本文主要是空气质量指标来对城市环境进行测量，结合空气质量对我国典型城市的经济发展水平进行比较，识别出当前我国不同城市的发展模式，为各城市的良好健康发展提供一定依据。

国内外学者越来越关注经济发展与空气质量问题。曹洪军和莎娜从区域环境视角对区域经济发展模式进行研究，并采用山东省1978到2009间的数据对区域经济发展环境与区域经济增长的相互关系进行了检验[4]；池建宇等考虑我国城市内生因素的影响，采用库茨涅兹曲线研究了我国经济发展水平与空气质量的关系，发现未来十年内我国省会城市和直辖市的空气质量改善程度会十分有限[5]；李雪敏认为城市环境质量是构建品牌城市的必须因素，从自然地理环境、经济环境、人居社会环境、历史文化环境等六个方面构建了一个城市品牌资产评估体系[6]；Sánchez de la Campa和de la Rosa通过分析空气质量和经济发展之间的关系，发现：对空气有害物质的极端控制对经济发展会产生明显影响，甚至会导致经济危机；Zilio和Recalde采用1970-2007期间拉丁美洲和加勒比海地区21个国家的数据，分析了经济增长与能源消耗的关系[8]。

可以看出，当前越来越多的研究识别出了经济发展与空气质量之间的相互影响关系，为社会经济与环境资源的协调发展提供了良好支持。然而目前研究中对于空气质量提升绩效的关注还比较少，尤其是关于空气质量提升绩效测评方面的研究更少[9-10]。本文从环境友好视角，结合我国典型城市在2013年和2014年的经济发展水平数据和空气质量测评指标数据，对经济发展水平与空气质量的相关关系进行分析，采用人均GDP和空气质量两个维度，识别不同城市的经济与环境协调发展模式，为各城市制定和实施与其相适应的环境友好发展战略提供一定参考。

2. 研究数据

本文选取了31个省会及直辖市作为研究对象，对其经济发展水平和空气质量水平进行对比研究。衡量一个地区经济发展水平的经济指标有很多，而人均国内生产总值，即人均GDP，是衡量经济发展水平的最重要的指标之一，因此本文采用人均GDP指标数据来表示各城市的经济发展水平。表1给出了2013年和2014年我国31个省会及直辖市的人均GDP及其排名情况（数据来源：中华人民共和国国家统计局）。

本文采用的空气质量测评指标是依据2012年我国环境保护部和国家质量监督检验检疫总局共同的《环境空气质量标准-GB3095-2012》[11]。表2给出了各监测指标的符号、含义、化学式和单位。其中除O3是8小时平均值外，其他指标浓度限值均为24小时平均值。由于本文研究中各城市多属于居住商业区，因此浓度限值应采用二级空气质量标准。

空气质量指标浓度会受产业结构、地理环境、气象条件、季节等多种因素影响[12-13]，为了进行空气质量提升绩效比较，需要对样本数据进行合理设置。从比较时段来看，日时间内平均浓度受气象条件影响较大，尤其是风速，而年平均浓度不能很好地区别各因素不同季节时的影响程度，因此，本文采取月平均指标浓度来进行比较。同时，由于不同城市的主要污染物不同，单一空气指标数据难以全面表达城市空气质量，因此，本文采用由表2中各分指标合成得到的空气质量总指数（AQI）来代表各城市空气质量。

根据表2中的空气质量监测指标，我们调查了31个省会及直辖市2013年11月和2014年11月的空气质量监测指标数值，并根据《环境空气质量标准-GB3095-2012》计算得到了各城市的AQI指数，具体如表3所示（数据来源：中国环境监测总站和中华人民共和国环境保护部）。

3. 结果与分析

3.1经济发展水平与空气质量相关分析

首先为了明确经济发展水平和空气质量之间的相关性，我们在SPSS 19.0软件中采用Pearson相关系数分别对2013年和2014年的人均GDP和AQI做了相关分析，结果如表4所示。说明：为了去除量纲对结果的影响，本文采用的是人均GDP排序和AQI排序数据。

从表4结果可以看出：2013年和2014年31个省会直辖市人均GDP排名与AQI排名的相关系数均是负值，说明人均GDP和空气质量具有一定的负相关性，即人均GDP较高的城市，其空气质量会相对较差。这一发现暗示了以经济为主导的发展模式很可能会带来一定的环境问题。

3.2经济发展水平变化对比

图1给出了2014年31个省会直辖市人均GDP与2013年相比的变化情况。从图1可以看出：与2013年相比，2014年天津、北京和上海这三个大型城市的人均GDP出现缩减，尤其是天津减少的幅度最大；在人均GDP增加的城市中，武汉、南京、杭州、广州、贵阳和长沙等城市的增加幅度最大，而乌鲁木齐、哈尔滨、石家庄、太原和兰州等城市经历较小的增加。这一结果在一定程度上反映了经济发展的层次性规律和边际递减规律。在未来十几年的发展中，一些人均GDP偏低但又有较强发展潜力的城市，其人均GDP会有较大增加，例如西安、济南、成都等城市。

3.3空气质量变化对比

图2给出了2013年11月与2014年11月31个省会直辖市空气质量的对比情况（数值越大说明质量越差）。从对比结果可以看出：与2013年11月相比，2014年11月除了乌鲁木齐，其他30个城市的空气质量都变得更差，尤其是哈尔滨、沈阳、郑州、济南、太原、天津和西安等城市空气质量变得相对更差；福州、贵阳、南昌、南宁、昆明、上海和海口空气质量具有相对减小幅度的变差。

3.4人均GDP水平与空气质量现状与提升幅度对比

3.4.1现状对比

图3给出了2014年31个省会直辖市人均GDP和空气质量排名对比情况，其中横纵坐标分别表示人均GDP排名和AQI排名。

从图3中的对比结果，可以发现：

（1）在31个省会直辖市城市中，广州、长沙、上海、南昌、乌鲁木齐和福州的人均GDP和空气质量排名相对都比较靠前，都处于前15名，尤其是广州和上海这两个城市的两个指标均在前10名以内。因此，这6个城市可以评价为“环境友好发展型城市”。

（2）南京、杭州、武汉、呼和浩特、北京、天津、济南、郑州和沈阳的人均GDP处于前15名以内，但其空气质量都排在15名之外，因此，这几个城市可以评价为“经济主导发展型城市”。这些城市未来发展中需要注重空气质量的提升，尤其是沈阳、郑州和济南。

（3）拉萨、昆明、贵阳、海口和南京的空气质量都排在前10名以内，但其人均GDP都排在20名以外，因此，这5个城市可以评价为“环境友好型城市”。这些城市未来发展中需要注重经济发展水平的提升，可以加大开发和利用这几个城市的旅游资源，带动整体经济的发展。

（4）成都、合肥、兰州、重庆、西宁、长春、西安、银川、太原、哈尔滨和石家庄这11个城市的人均GDP排名都在15名之外，空气质量都在10名之外，因此，这些城市可以评价为“非环境友好发展型城市”。这些城市未来发展中面临的经济提升和空气质量治理双重压力，尤其是哈尔滨和石家庄。

3.4.2提升幅度对比

在对各城市经济发展水平和空气质量现状进行对比之后，本文按照人均GDP变化和空气质量变化两个维度对31个省会直辖市进行对比，如表5和图4所示。其中为了保持两个指标的可比性，这里都采取提升幅度排名情况进行对比。

从图4的对比结果可以发现：

（1）与2013年相比，武汉、长沙、南京、合肥、成都和福州的人均GDP和空气质量提升幅度都在前15名以内。尤其是武汉、长沙和南京三个城市两个指标提升都在前10名，结合图3中的现状对比，可以预测这三个城市未来的人均GDP和空气质量的综合排名很可能会处于全国前列。

（2）贵阳、杭州、南昌、拉萨、郑州、广州、沈阳和重庆的人均GDP提升幅度位于前15名，但其空气质量提升幅度位于15名之外，因此，这些城市具有较强的经济发展潜力。进一步，从图3可以发现，拉萨、贵阳和南昌当前的空气质量位于前10，因此这四个城市未来可能会较快地发展成为“环境友好发展型城市”。

（3）济南、昆明、石家庄、南京、太原、西宁、上海和乌鲁木齐的空气质量提升幅度位于前15名，但其人均GDP提升幅度位于15名之外，因此这些城市未来的空气质量会得到较大的提升。进一步，从图3可以发现，济南和南京当前人均GDP排名位于前15名，因此这两个城市未来可能会相对较快地发展成为“环境友好发展型城市”。

（4）其余城市中除了海口之外，呼和浩特、银川、兰州、哈尔滨、西安、北京和长春的人均GDP和空气质量提升幅度都落在15名之外，即这些城市的经济发展和空气质量提升幅度都比较慢，尤其是西安、哈尔滨、北京和长春。对照图3中这些城市的现状，可以看出这些城市近期很难发展成为“环境友好发展型城市”。

4. 结论

本文根据2013年和2014年我国31个省会及直辖市的人均GDP和空气质量数据，对每个城市的空气质量与经济发展水平进行了对比研究。分别从人均GDP和空气质量指数AQI两个角度对各城市经济发展模式进行了比较，把这些城市划分为“环境友好发展型城市”、“经济主导发展型城市”、“环境友好型城市”和“非环境友好发展型城市”。同时，与2013年进行对比，根据2014年不同城市人均GDP水平和空气质量的提升幅度，对各个城市的发展趋势进行了分类和评价。该研究结果对提高我国城市空气治理积极性更具有促进和指导作用，也可以为我国实施环境友好发展型战略提供一定的依据。然而，由于空气质量统计数据的不充分，本文未能对经济发展和空气质量二者的因果关系进行分析。未来研究会持续收集我国主要城市的空气质量数据，进一步采用格兰杰因果关系等方法分析经济发展和空气质量的因果关系。

参考文献：

[1] 杨湘豫， 陈靓， 许知行. 基于环境指数的人类发展水平的应用研究[J]. 财经理论与实践， 2014， 35（191）： 127-130.

[2] John Talberth， Alok K. Bohara. Economic openness and green GDP[J]. Ecological Economics， 58（4）： 743C758.

[3] 陈黎明， 王颖， 田建芳. 中国省域能源-经济-环境系统协调性实证研究[J]. 财经理论与实践， 2015， 36（193）： 105-110.

[4] 曹洪军， 莎娜. 区域环境视角下的区域经济发展模式研究――基于山东省数据的实证分析[J]. 中国工业经济， 2011， 281（8）： 25-35.

[5] 池建宇， 张洋， 晏思雨. 城市的经济发展水平影响空气质量吗――基于中国31个省会城市和直辖市的经验验证[J]. 经济与管理， 2014， 28（5）： 26-31.

[6] 李雪敏. 城市品牌资产评估体系构建研究[J]. 财经理论研究， 2015（2）： 103-112.

[7] A. M. Sánchez de la Campa， J. D. de la Rosa. Implications for air quality and the impact of financial and economic crisis in South Spain： Geochemical evolution of atmospheric aerosol in the ceramic region of Bailén[J]. Atmospheric Environment， 2014（98）： 519C529.

[8] M. Zilio， M. Recalde. GDP and environment pressure： The role of energy in Latin America and the Caribbean[J]. Energy Policy， 2011， 39（12）： 7941C7949.

[9] 杨文东. 武汉市大气环境质量评价模糊数学模型的研究[D]. 武汉： 武汉理工大学， 2002.

[10] B. Eder， J. Bash， K. Foley， J. Pleim. Incorporating principal component analysis into air quality model evaluation [J]. Atmospheric Environment， 2014， 82（1）： 307-315.

[11] GB3095-2012《环境空气质量标准》[R].中华人民共和国环境保护部和国家质量监督检验检疫总局， 2012-02-29.

篇2

中图分类号:F29　文献标志码:A　文章编号:1673-291X(2010)03-0130-02

1994年,副省级城市成立后,国内学者展开了副省级城市间的比较研究,周璐红、李亚妮、徐建益,选取副省级城市三大产业为研究因素,研究了相对资源承载力及其社会经济发展研究。武春光、于成学对中国副省级城市的知识生产效率进行了测算,并进行分析。陈志在2007年运用了线性加权函数等方法,研究了中国副省级城市综合竞争力比较分析。黄南、李程骅,运用了因子分析和聚类分析的方法,对副省级城市经济发展水平进行了比较分析,但是其数据为2007年的数据。

为了避免时间区间对分析造成的误差,准确反映15个副省级城市的经济发展水平变化情况,本文运用2001年、2004年和2008年统计数据,综合运用因子分析和聚类分析,得出15个城市经济发展的动态变化。

一、指标的选取和数据的采集

1.指标的选取。根据中国15个副省级城市的经济发展现状,综合国内外研究学者关于经济发展水平的指标选择∞,在遵循科学性、合理性、可比性和可操作性的原则下。分别选取了六个经济指标:(1)x1=国内生产总值(亿元);(2)x2=人均GDP(元/人);(3)x3=固定资产投资占GDP比重(%);(4)X4=第三产业占GDP比重(%);(5)x5=财政收入占GDP比重(%);(6)x6=出口依存度(%)。这六个指标,分别从经济增长、结构优化、国际贸易等各个角度,全面反映了经济发展水平。

2.数据来源。本文数据部分是直接来自于各副省级城市统计年鉴,部分是根据数据计算得出。根据分析需要。选取了2001年、2004年和2008年三个年度15个副省级城市的横截面数据。

3.分析方法。本文应用SPSS软件,运用因子分析法将各年度的六个指标进行分析,收集2008年各副省级城市数据,根据计算,知其KMO达到0.68,接近0.7的水平,因此比较适合做因子分析。

一般来说,当综合因子的累积贡献率达到85%以上,表明公因子反映大部分信息,而彼此又不相关。经过方差最大化正交旋转后,第一主成分贡献率为56.766%,第二主成分为23.430%,第三主成分为10.433%,累积方差贡献率超过90%,因此可以将前三个公因子作为评价副省级城市经济发展水平的综合指标。由旋转后的因子载荷矩阵可知,公因子F1在GDP、投资比重和人均GDP上的载荷值分别为0,904、0、860和0.746,因此公因子F1可作为经济增长指标。公因子F2在财政收入和出口上载荷值分别为0.963和0.820,因此,公因子F2主要代表财政收入比重和出口依存度。公因子F3在第三产业产值比重上的载荷值为0.937,因此,F3作为第三产业发展指标。最终,根据得到的因子得分矩阵,得出三个公因子的计算函数:F1=0.499X1-0.41X2-0.227X3-0.348X4+0.13X5+0.269X6F2=-0,226X1+0,091X2+0,025X3+0,633X4+0.383X5+0.167X6F3=-0.114Xl+0.058X2+1.057X3+0.263X4-0.282X5-0.077X6

根据以上计算函数,最终可计算出副省级城市各自的因子得分,然后,计算出经济发展水平指数F=(F1×56.766%+F2×23.430%+F3×10.433%)/90.629%,经过标准化,并聚类分析后,可得到15个副省级城市的经济发展水平排序。同样,2000年和2004年的计算经济发展水平指数的方法与上述方法相同,最终,得到15个副省级城市三个年度的经济发展水平排序以及发展趋势如下表所示:

根据分析,可以得出最终副省级城市经济发展的聚类结果,共分为三类。第一类为深圳和广州;第二类为厦门、杭州、宁波、大连、南京、青岛和沈阳;第三类为济南、武汉、成都、长春、哈尔滨和西安。

二、15个副省级城市经济发展结论与建议

1.副省级城市经济发展结论分析。从上述分析以及分类可知,在副省级城市中,第一类为经济发展水平极发达地区;第二类为经济发展水平较发达地区;第三类为经济发展水平一般地区。

第一类地区为广州和深圳,这两个城市的经济发展水平在副省级城市中处于领先地位,并且比较稳定。这两个城市都位于珠三角经济圈,优越的地理位置和优惠的经济发展政策成为广州、深圳经济发展的推动因素。经济结构方面,两市的第三产业占GDP总量的比重在2008年都达到了50%以上,表明这两个城市经济结构已经由工业主导型变成服务主导型。其中深圳市出口总量已经连续十几年位居全国大中城市首位,可以说,出口是深圳市经济发展的重要推动力。尽管全球金融危机对两市尤其是深圳的冲击很大,但是随着经济的逐渐恢复,预计在“十一五”期间,深圳和广州将率先基本实现社会主义现代化。第二类地区包括厦门、杭州、宁波、大连、南京、青岛和沈阳,这些城市中,除了南京和沈阳,其他都是沿海城市。综合三年的经济发展指数来看,厦门、杭州、宁波、大连标准化后的指数均为正值,而南京、青岛和沈阳均为负值,表明南京、青岛和沈阳在第二类城市中的经济发展水平相对较弱。从2008年数据来看,第三产业比重只有宁波在50%以上,达到55%。而出口依存度方面,厦门、青岛和宁波等港口城市在10%以上,其余城市均在10%以下,从中可以看出几个城市的发展特点。第三类地区是副省级城市中经济发展水平一般的地区,包括济南、武汉、成都、长春、哈尔滨和西安。这六个城市有两个共同点:省会城市和内陆城市。首先,作为一省的省会,一般是作为政治中心建设,因此经济发展水平相对其他副省级城市较弱。其次,作为内陆城市,其出口依存度都在3%以下,明显低于其他副省级城市。

2.副省级城市经济发展建议。根据以上的分析结果,我们对副省级城市的经济发展提出以下建议:(1)各城市应该明确自己所处的类别,定位自己的发展方向,在巩固原有优势经济的基础上,积极发展自己的薄弱环节,做到全面、协调、可持续发展。(2)充分利用国家区域经济发展的政策作为导向,积极发展自身经济。比如青岛,要紧紧抓住近年来环渤海经济圈的建设,促进自身发展。还有西部城市,要抓住国家西部大开发的大背景,积极加快自身经济发展。(3)根据各城市发展实际,调整产业结构,促进第三产业的发展,国际和国内的实践都表明,越是发达国家和地区,第三产业比重越大。

副省级城市作为各自区域经济的额中心,是中国区域经济发展的领导力量,因此,副省级城市的经济发展水平直接决定其区域的经济发展水平,各副省级要积极发展自身经济,提高城市竞争力,发挥和提高区域性城市综合功能。

参考文献:

[1]周璐红,李亚妮,徐建益.副省级城市相对资源承裁力及其社会经济发展研究[J].特区经济,2009,(4).

[2]武春光,于成学,中国副省级城市知识生产效率及其影响因素分析[J].中国科技论坛,2008,(7).

[3]陈志,中国副省级城市综合竞争力评价与比较[J].商业研究,2007,(6).

篇3

中图分类号：F129.9 文献标识码：A 文章编号：1003-3890（2014）05-0026-06

一、引言

2014年2月，中国大部分城市（特别是经济发达地区的城市）因高浓度PM2.5引发人群急性死亡率、呼吸系统疾病和心血管疾病死亡率大大升高，越来越多的人开始关注和研究影响空气质量的因素。其中有人提出，环境恶化是中国在经济发展过程中只一味追求GDP增长造成的。那么经济发展真的会影响空气质量吗？Grossman和Krueger（1991）[1]在对贸易、经济与环境的相关关系进行研究时针对二氧化硫的排放基于库兹涅茨曲线首次提出来“环境库兹涅茨曲线”（简称EKC）假说。EKC假说认为，经济增长与一些环境质量指标之间的关系不是单纯的负相关和正相关，而是呈倒“U”形曲线的关系，即环境质量随着经济增长先恶化后改善。

对EKC曲线的探讨，20世纪90年代国外主要是利用面板数据进行国别研究，对某种污染物排放浓度或人均排放量与人均收入（人均GDP）数据来做统计分析，其中以二氧化硫研究最多。Grossman和Krueger（1995）[2]运用模型y=a+bx+cx2对42个国家1977―1988年的历史和截面数据进行研究，Panayotou（1997）[3]采用30个发达国1982―1994的历史数据分析空气中的二氧化硫。这两个研究表明，主要的大污染物指标与收入之间存在倒U形关系。Dinda（2004）[4]将环境指标扩展为空气中污染物、水中污染物、重金属含量，采用模型y=a+bx+cx2+zit（zit为外部影响因素）研究发现，质量和环境的关系符合倒U形曲线关系。

对此进行实证研究的外国学者还有List和Gallet（1999）[5]等。但是他们的结论大多相似，都得出倒U形曲线关系确实存在的结论。但是仍有部分学者的实证分析并不支持EKC假说。Shafik和Bandyopadhyay（1992）[6]对149个国家和地区的10个指标与人均GDP关系进行研究却发现污染物指标和人均GDP并不全都呈现倒U形曲线关系。Martinez-Zarzoso和Bengochea-Morancho（2004）[7]根据22个OECD国家1975―1998年二氧化碳排放量数据，发现lny=a+blnx+c（lnx）2+d（lnx）3，对数三次方程模型的拟合度更好，环境质量与经济增长的关系为N形曲线关系。Galeotti和Lanza（2005）[8]在对100个国家仅25年二氧化硫浓度和人均GDP关系进行研究时，采用了y=a+bx+cx2+dx3和对数三次lny=a+blnx+c（lnx）2+d（lnx）3，虽然结论也并不均为倒U形关系，但是模型却做了一定的改进。

通过分析上述学者的研究，发现大部分符合倒U型曲线关系实证研究的数据来源往往是发达国家或地区，而发展中国家或地区并不符合，它们大多呈递增型或者N型。

因此，目前国内学者研究方向主要是针对我国的实际情况进行研究。根据研究对象不同，主要分为两类：

第一类是以国内单个省或市的经济发展水平和环境质量为研究对象。

吴玉萍等（2002）[9]以北京市1985―1999年经济与环境为研究对象建立计量模型，研究结果表明：各环境指标与人均GDP演替轨迹呈现显著的环境库兹涅茨曲线特征，但比发达国家较早实现了其环境库兹涅茨曲线转折点，且到达转折点的时间跨度小于发达国家。这表明，北京市已经进入经济与环境协调发展的后期阶段。陈华文和刘康兵（2004）[10]以上海市1990―2001年的经济与环境为研究对象，实证研究结果表明：对于多数指标而言，环境库兹涅茨曲线假说成立，并且不同的环境质量指标对应于不同的转折点。因此他们认为，从总体上讲，经济增长最终将会改善环境质量，但是需要政府通过政策来协助实现。张军（2013）[11]以河南省2000―2010年各种时间序列的环境质量、经济数据进行试算，实证结果表明：河南省的经济与环境质量的关系不符合库茨涅兹曲线，曲线呈现N型。

第二类是以多个省份和城市的经济发展水平和环境质量为研究对象。

张成等（2011）[12]对中国31个省份1991―2008年的SO2排放量和人均GDP进行整体和分组检验，结果表明：全国人均SO2排放量和人均GDP之间符合倒“U”型关系，拐点为6 639元。当时北京、上海和天津的人均GDP超过了拐点，实现了“双赢”，而剩余的28个省份的人均GDP则尚未达到这一理论拐点。高静和黄繁华（2011）[13]利用中国30个省、市、自治区1995―2009年的人均CO2排放量和人均实际GDP的面板数据检验EKC曲线，研究表明：东部地区存在倒U型的EKC，西部地区存在正U的EKC，中部地区不存在EKC。王西琴等（2013）[14]在东中西部分别选择两个典型城市共6个城市，用这些城市1994―2009年的三种污染物（工业COD排放量、工业SO2排放量、工业固体废弃物）的标准化均值表征综合环境污染水平，人均GDP标准化值表征经济发展水平，对各城市的EKC曲线验证并且分析当前所处的阶段。结果表明：东部地区的两个城市已进入倒“U”型EKC曲线下降阶段；中部地区两个城市处于倒“U”型EKC曲线上升阶段的后期；西部地区两个城市处于倒“U”型EKC曲线的上升阶段。

目前，评价环境与经济协调发展的方法主要有主成分分析法、层次分析法、模糊数学法和系统动力学模型等。由于“环境库兹涅茨曲线”能够更好地反映经济是否对环境造成影响以及造成什么样的影响，本文将基于EKC曲线分析法，采用我国31个省会城市和直辖市2003―2012年的面板数据，对经济发展是否对环境质量（主要是空气质量）产生影响进行验证。

本文贡献在于：第一，试图通过建立基于面板数据分析的EKC模型来量化经济增长与空气质量的关系，研究对象是全国31个省会城市、直辖市2003―2012年的空气质量和经济发展水平。研究对象涉及我国各个省，地域面积广，克服了研究单一城市的局限性。第二，采用最近十年的数据，可以为读者提供最新的经济发展水平和空气质量信息，具有一定的前瞻性，而且十年的数据可以克服单一年限的偶然性。第三，本文在建立EKC模型量化经济增长与空气质量关系时，并非只是单纯的做空气质量与经济增长之间的计量模型，而是首先研究空气质量与工业排放物等直接影响因素之间的关系，然后在此基础上引入了个体固定效应，排除了不随时间变动的一些不可观测的因素对空气质量的影响。在直接因素和不随时间变化的不可测因素都确定的情况下，做空气质量与经济增长之间的计量模型能更好地反映经济发展水平对空气质量的影响。

二、理论模型

（一）基本模型：环境库兹涅茨曲线

环境库兹涅茨曲线（EKC）是由Grossman和Krueger[1]在1991年参照经济学中的库兹涅茨曲线研究北美自由贸易协定的环境影响时首次提出的。List和Gallet[5]于1999年在其研究中提出理论模型，通过数学公式，将经济发展等因素与环境质量联系起来，以期发现经济发展对环境质量的影响力。

其理论公式如式（1）所示：

Pjit=■xi=？茁jkiXjkit+？兹jiT+？着jit

其中，Pjit代表国家i在时间t内污染物j（j=SO2，NO2）的人均排放量；Xjkit代表国家i在时间t内外生参数K的矢量，当K=3时，方程为二次方，当K=4时，方程为三次方（Xjkit=1代表常数项）；T代表时间；？着是误差项。

本文试图通过建立基于面板数据分析的EKC模型来量化经济增长与空气质量的关系。建立引入经济发展变量后的EKC模型为：

dayit=Xit？茁+？酌ln（gdp）it+？着it（2）

式（2）中，表示对数形式；day表示一年中达到二级质量天数；向量X是影响空气质量的直接因素，包含3个变量，即二氧化氮（NO2）排放量、二氧化硫（SO2）排放量以及可吸入颗粒物（PM10）含量；GDP是各城市人均实际GDP；？着为随机扰动项，下标i和t表示第i个城市第t年的数据。

（二）变量选择

本文选择1999―2012年每年“空气质量级别二级和好于二级的天数”作为被解释变量，以反映各城市每年的空气质量状况。二氧化氮（NO2）排放量、二氧化硫（SO2）排放量、可吸入颗粒物（PM10）以及人均实际GDP作为解释变量。由于北京市城区的统计数据不全，严重残缺，因此普遍采用整个北京市的统计数据（包括郊区）。基于上述模型，本文设定因变量为一年中达到二级质量天数（day），自变量的选取与设定如下：

1. 人均实际GDP。人均GDP较地区生产总值更能体现该地区经济所处的发展阶段，而不同的经济发展阶段往往体现着不同的能源消费强度和对环境保护的意识程度。空气质量可能会因为人类的经济活动而恶化，也可能会因生产技术的提高、环保投入的加大而改善。另外，由于我国目前大多数城市的发展主要是以第二产业为主的经济增长，因此人均GDP也可以反映各城市第二产业的比重，从而反映对环境的影响程度。而人均实际GDP是在人均GDP的基础上剔除了通货膨胀的因素，使不同年份下的人均GDP具有可比性。本文选择的是以2003年的物价水平作为基期。

2. 空气污染指标。在研究影响空气质量因素时，李玉敏等（2011）[15]认为主要的因素可能包括经济整体增长、机动车保有量、第二产业产值占总产值的比重、绿色植被覆盖率、能源结构和人口总量。本文认为，二氧化氮排放量、二氧化硫排放量以及可吸入颗粒物均是机动车保有量、第二产业产值占总产值的比重、绿色植被覆盖率和能源结构的直接结果，因此直接由二氧化氮排放量、二氧化硫排放量以及空气中可吸入颗粒物含量作为影响空气质量的自变量更加直接和便利。虽然我国目前采取的是空气质量指数（Air Quality Index，简称AQI）AQI来描述空气质量，然而由于PM2.5指标是近两年才开始统计，因此缺乏相关数据。我们采取计入空气污染指数（Air pollution Index，简称API）API的三项指标来反映空气的质量。这三项指标分别是二氧化硫排放量、氮氧化物排放量和粒径小于10微米的悬浮颗粒物含量。

三、计量模型和分析

（一）模型

根据上面的理论模型，我们把计量模型设定如下：

dayit=Xit？茁+？酌ln（gdp）it+？着it（3）

其中，day为一年中达到二级质量天数，它是反映空气质量的变量。向量X包含3个变量，即二氧化氮（NO2）排放量、二氧化硫（SO2）排放量以及可吸入颗粒物含量（PM10）。向量X的各变量反映了影响空气质量的工业排污因素，这些因素是影响空气质量的直接原因。除了这些因素外，肯定还有其他因素影响空气质量。我们重点考察影响空气质量的经济因素，这个因素我们用ln（gdp）来反映，它是各城市人均实际GDP的自然对数。人均实际GDP反映了城市的人民生活水平，同时也反映了该城市的经济发展水平。我们把X所含变量作为控制变量。我们要重点考察的是，较高的经济发展水平（用ln（gdp）表示）会导致较低的还是较高的空气质量（用day表示）。

（二）数据

本文所选取的研究对象包括中国31个省会城市、直辖市，研究区间选取2003―2012年。以人均实际GDP（单位：元）表示经济发展水平，采用2003年不变价格，数据来源于历年《中国统计年鉴》、各省统计年鉴、中国区域经济统计年鉴和中国城市统计年鉴。以空气质量达到及好于二级的天数（单位：天）表示空气质量，数据来源于历年《中国统计年鉴》。空气中二氧化氮的含量（单位：ug/m3）、二氧化硫的含量（单位：ug/m3）、可吸入颗粒物的含量（单位：ug/m3）为三个控制变量，数据来源于历年《中国统计年鉴》和国家统计局网站。

另外，关于缺值数据处理的特别说明。本文涉及的数据个别年份数值是缺失的，因此采用了以下两种方式对其进行填补。一是采用插值法对缺失值处于前后年份数值已知中间的情况进行了填补。二是采用平均速率法对缺失值处于已经年份数值前后的情况进行了填补。第二种方式是通过已知中间几年的数值计算出该地区的平均增长率，然后预测出后几年数值和推出前几年的数值。我们在表1和表2中分别列出各变量的描述统计量和各变量间的相关系数矩阵。从表2可以看出，ln（gdp）和day之间存在显著的正向相关关系。

（三）计量分析

我们在表3列出计量模型的回归和检验结果。

在表3的第（1）列和第（2）列中，我们对影响二级天数的控制变量进行回归，考察各种工业排放物对空气质量的影响。列（1）使用OLS方法，而在列（2）中，我们加入了反映各个城市个体固定效应的30个虚拟变量。可以看出，在列（1）和列（2）中，二样化氮、二氧化硫和可吸入颗粒物这三个变量的系数均在1%的水平统计显著，且符号为负。这两列的结果没有实质差别，但列（2）调整后的R2比列（1）高0.13，说明固定效应模型比OLS模型的解释力高大约13%。这说明各种工业排放物对城市的空气质量有显著的负向影响。并且，我们注意到列（1）调整后的R2达到了0.768，说明各种工业排放物的变动对各城市二级良天数的变动有很强的解释力，这个解释力达到了76.8%，而不随时间变动的一些不可观测的因素则可以解释各城市环境质量变动的13%。当然，这并不是我们主要关心的问题，我们关心的是除了这些因素以外的其他因素，包括经济发展对城市空气质量的影响，这种影响体现在误差项中。

在考察主要控制变量对空气质量的影响后，我们重点考察经济发展水平对空气质量的影响。我们在列（3）和列（4）中加入变量人均GDP的对数（ln（gdp）），列（3）为普通OLS，列（4）考虑了个体固定效应。结果显示，无论是OLS模型，还是个体固定效应模型，ln（gdp）的系数均在1%的水平统计显著，并且符号均为正。这说明城市的经济发展水平对环境质量有显著的正向影响。较高经济发展水平一般意味着较好的空气质量。另外，注意到列（3）和列（4）调整的R2分别为0.775和0.904。列（3）调整的R2只比列（1）高0.007，而列（4）调整的R2只比列（2）高0.009。这种提高几乎可以忽略不计，说明经济发展水平并不是空气质量变动的主要原因，它对空气质量变动的解释力还不到1%。

鉴于经济理论认为，经济增长与环境质量的轨迹可以用倒U型的EKC曲线表示，初期的经济增长会带来环境质量的恶化，到达一定程度后经济增长将带来环境质量的改善，即EKC曲线上存在一个拐点，拐点之前人均实际GDP上升导致环境质量恶化，到达拐点时，环境质量最差，之后随着人均实际GDP的上升而有所改善，其实质是经济增长短期内能带来环境的恶化，长期带来的是环境的改善。

我们在列（5）和列（6）中引入人均GDP对数的平方（[ln（gdp）]2）。同样，列（5）使用OLS模型，而列（6）使用个体固定效应模型。结果显示，[ln（gdp）]2的系数同样在1%的水平显著为正。另外，与列（3）和列（4）相比，列（5）和列（6）调整的R2没有任何变动。这表明，要说明经济发展水平对空气质量的影响，使用人均实际GDP对数的线性形式和平方形式没有本质差别。

考虑到ln（gdp）有可能存在的内生性，我们在列（7）和列（8）中分别使用OLS和固定效应模型的工具变量法进行估计，作为列（3）到列（6）估计结果的稳健性检验。结果显示，ln（gdp）仍然显著为正，调整的R2也没有发生显著的变化。这说明我们上面的分析是稳健的。

为了更直观地说明上面分析中ln（gdp）对day的影响，我们用散点图进行说明。我们首先对以下模型进行估计：

dayit=Xit？茁+？着it（4）

我们可以得到上述模型day的拟合值，我们把它定义为“正常二级质量天数”，它反映了受各种工业排放物的影响应该达到的二级质量天数，记为norm_day。那么，实际的二级质量天数（day）与正常二级质量天数（norm_day）的偏离，反映了工业排放物以外的其他因素包括经济发展水平对空气质量的影响。我们把这种偏离定义为异常的二级质量天数，用extra_day来表示，显然它可以用上述模型的残差来表示：

Extra_dayit=dayit-normdayit（5）

显然，extra_day反映了二级质量天数不能由工业排放物解释的部分。在图1中，我们画出了各城市人均实际GDP的对数与异常的二级质量天数（extra_day）之间的散点图，并用二次曲线进行拟合。可以看出，31个省会城市、直辖市中，大多数城市的异常二级质量天数为正，这说明以我国各城市排放的工业污染来看，大多数城市的环境水平并不算差。而且经济发展水平较高的城市往往意味着二级质量天数越多。但城市的经济发展水平对其空气质量水平的影响并不是决定性的，这从较为平缓的拟合线可以看出。

四、结论和政策建议

本文以中国31个省会城市、直辖市2003―2012年的空气质量和经济发展水平为例，研究了经济发展水平对空气质量的影响。研究发现：空气中二氧化氮的含量、二氧化硫的含量以及可吸入颗粒物的含量对空气质量变动的解释力超过了75%，不随时间变动的一些不可观测的因素可以解释各城市空气质量变动的13%，而经济发展水平并不是空气质量变动的主要原因，它对空气质量变动的解释力还不到1%。虽然经济发展水平并不是空气质量变动的主要原因，但它们依旧存在正相关的关系，即经济发展水平较高的城市往往意味着二级质量天数的增多，但城市的经济发展水平对其空气质量水平的影响并不是决定性的。

由人均实际GDP对数和异常二级质量天数的拟合曲线可以看出：我国省会城市、直辖市的空气质量与经济发展的拟合曲线是正U型曲线最低点的右边，但是斜率较小，即2003―2012年，我国省会城市、直辖市随着经济的发展，空气质量得到一定程度的改善，但是改善程度有限。根据前人经验，环境库兹涅茨曲线是一条倒U形的曲线，即初期的经济增长会带来环境质量的恶化，到达一定程度后经济增长将带来环境质量的改善。我国省会城市、直辖市的曲线拟合只存在拐点后面的部分，即经济增长带来环境质量的改善，并没有经济增长带来环境的恶化部分。分析其原因：（1）本文的样本点取自2003―2012年，与前人研究相比，时间上具有一定的滞后性。在此时间段内，政府和群众都已经认识到了保护环境的重要性，不能以牺牲环境为代价发展经济。（2）本文的研究对象是中国31个省会城市、直辖市，而不是整个经济体，空间上具有一定的独立性。这些城市是我国较发达的城市，政府比较重视环境保护，并采取了相关的措施保护环境。然而在我国很多中小城市，政府和居民对环境的保护意识并不强。在相对独立的空间里，各个省会城市相互的影响程度并不明显。（3）居民对环境的保护意识在实际行为上的反应仍然较弱，各个地区对环境保护的宣传工作作用不明显。

空气质量恶化是全民性问题，关乎全国人民的身体健康。从上面的结论可以看出，在我国注意环境保护后，环境污染程度有一定的改善，但是改善程度仍然不明显，所以，我们若想彻底解决空气污染问题，还需要做得更多。

参考文献：

[1]Grossman G M and Alan B. Krueger，Environmental impacts of a North American Free Trade Agreement[A].National Bureau of Economic Research，Working Paper，1991.

[2]Grossman G M and Alan B. Krueger，Environmental growth and the environment[J]. The Quarterly Journal of Economics，1995，110： 353-377.

[3]Panayotou T. Demystifying the environmental Kuznets curve： Turning a black box into a policy tool[J]. Environment and Development Economics，1997，（2）：465-484.

[4]Dinda S. Environmental Kuznets Curve Hypothesis： A survey[J]. Ecological Economics，2004，（49）：431-455.

[5]List J A and Craig A G. The environmental Kuznets Curve： dose one size fit all？[J]. Ecological Economics，1999，（31）：409-423.

[6]Shafik N and Bandyopadhya S. Economic Growth and Environmental Quality： Time Series and Cross country Evidence[M]. World Bank Publications，1992.

[7]Martínez-Zarzoso I and Bengochea-Morancho A. Pooled mean group estimation of an environmental Kuznets Curve for CO2[J]. Economics Letters，2004，（82）：121-126.

[8]Galeotti M and Alessandro L. Desperatly seeking Environmental Kuznets[J]. Environmental Modelling & software，2005，（20）：1379-1388.

[9]吴玉萍，董锁成，宋键峰.北京市经济增长与环境污染水平计量模型研究[J].地理研究，2002，21（2）：239-246.

[10]陈华文，刘康兵.经济增长与环境质量：关于环境库兹涅茨曲线的经验分析[J].复旦学报（社会科学版），2004，（2）：87-94.

[11]张军.基于环境库兹涅茨模型的经济与环境关系分析[J].中国环境监测，2013，29（2）：91-94.

[12]张成，朱乾龙，于同申.环境污染和经济增长的关系[J].统计研究，2011，28（1）：59-67.

[13]高静，黄繁华.贸易视角下经济增长和环境质量的内在机理研究――基于中国30个省市环境库兹涅茨曲线的面板数据分析[J].上海财经大学学报，2011，13（5）：66-74.

[14]王西琴，杜倩倩，张远.我国东中西部典型城市EKC曲线的阶段判断[J].生态经济，2013，（5）：56-60.

[15]李玉敏，李明丽，焦智康.北京市空气质量影响因素计量经济分析[J].中国城市经济，2011，（5）：260-261.

Does the Cities' Economic Growth Affect Air Quality

――An Empirical Analysis Based on 31Cities in China

Chi Jianyu1， Zhang Yang2， Yan Siyu1

（1.School of Economics and Management， Communication University of China， Beijing 100024， China；

篇4

中图分类号：F299 文献标识码：A 文章编号：1003-9031（2013）02-0016-04 DOI：10.3969/j.issn.1003-9031.2013.02.04

国内外学者对城市经济发展状况的评价指标体系进行了不少研究，但由于各地区城市经济系统本身的复杂性和相关理论的有待深入，目前还没有一种公认可靠的评价方法[1]。

目前，综合排名有多种方法，主要的研究方法是直接利用因子分析结果，通过计算第一公共因子得分排序，或是结合权重计算公共因子综合得分排序。本文对国内研究成果加以利用和创新，首次将因子分析法和模糊综合评价法结合系统评价城市经济发展水平。本文的主要贡献体现在：一方面，方法上选择基于因子分析的Borda模糊综合评判法弥补了因子分析法的不足，并根据序数总和理论建立合理等级排序，优化排序方案；另一方面，本文得出的我国36个主要城市经济发展水平排名结果，对于帮助各城市判断其经济所处位置具有参考价值，对于思考其未来经济发展模式有一定启发作用。

一、研究设计

与因子分析法结合进行综合评估时，可将通过因子分析提取的公共因子作为Borda法的评价因子，权重选择因子分析确定的权重，Borda数依据各评价对象在每一公共因子上的得分排序计算获得，最后根据Borda法所建评价模型计算各评价对象综合评估Borda数。

因子分析基础上的聚类结果剔除了指标间相互影响，其精确度高[3]。聚类分析思路为：将每个数据对象各视为一类，根据类与类之间的距离将最相似的类合并，再计算新类与其它类之间的相似程度，不断继续这一过程，直到所有数据对象合并为一类。实际应用中可根据具体问题的现实需要选择阀值。

（三）实证结果

利用SPSS17.0对标准化后的数据进行因子分析[4]。由表1，相关矩阵特征值大于1的共有3个：λ1=13.919，λ2=3.505，λ3=1.05；其对应的贡献率分别是：63.268%，15.931%，4.772%，累计贡献率为83.972%。

为便于各因子的名词解释，采用方差极大法，对因子载荷矩阵进行旋转（表2）。从因子载荷来看，公共因子一F1在X5、X8、X11、X16、X9、X2、X17、X15、X14、X12、X4、X18、X21、X10和X7上有较大载荷；公共因子二F2在X1、X3、X20、X13、X6和X19上有较大载荷；公共因子三F3在X22上有较大载荷。结合各个指标的含义，可将F1命名为经济社会因子，主要反映各市地方财政预算、第二、三产业增加值和储蓄年末余额等经济指标；F2命名为基础设施因子，主要反映各市总人口和医疗教育等情况；F3命名为生态环境因子，反映各市三废综合利用产品产值。

依据序数总和理论，将2种评价方法下的排序号相加，得到序数总和，确定合理等级排序[5]。若序号之和相同，则再结合其重要指标（主要是第一公共因子得分）。结果见表4。

应用SPSS17.0进行聚类，将36个主要城市按其经济发展水平划分为三类（表5）。

二、结果分析

由聚类分析的结果并结合等级排名，把36个城市划分为三个能级。

第一能级城市数量最少，有3个，分别是：金融中心上海、沿海城市广州和我国首都北京，属于经济发展水平高的城市。因子分析综合得分上海为2.820 932 079，是最高分；而综合Borda数广州为31.49，是最高分。可见，按不同的衡量方法，会有不同的排序结果，因而综合两种排序方法的合理等级排序，比单独用某一种方法排序，可能更合理。从单个因子排名来看，这三个城市在经济社会因子排名都名列前茅，验证了经济社会因子的重要性。

第二能级城市队伍最为庞大，有19个，属于经济发展水平较好的城市。从地理位置看，排名相对较前的城市，如天津、深圳、杭州，多临海或位于东南沿海地区，说明区域也是影响经济发展水平的重要因素。从单个因子排名来看，杭州在第三公共因子生态环境因子位居第一，独具特色，其经验值得进一步研究、借鉴。

第三能级数量居中，有14个，属于经济发展水平一般的城市。从地理位置看，排名相对较后的城市，如西宁、银川和贵阳，多位于内陆的中西部地区。这与这些地区的交通不发达有关。另外这些地区的专业优秀人才大多流向经济较发达地区，使得这些地区与经济较发达地区间经济发展差距有进一步扩大的趋势。

分析各区域经济发展情况可看出，我国西部各省份应注意区域经济的协调发展，我国中部地区应充分发挥区域的资源优势， 加强区域间协调和协作，以增强区域竞争力；我国经济发展水平较高的城市，应力争建设成为特大城市。城市区域化与区域城市化成为当今城镇化发展的客观规律，城市间的竞争更多地表现为城市所依托区域间的竞争。因而，各市在经济发展中，应注意加快拓展城市发展空间，走区域协调发展的新型城镇化道路。

在此特别需要指出的是，聚类结果和合理等级排序有很大关系，但略有不同：石家庄和厦门两个城市排名和聚类结果有出入，可能是由于排序与聚类的数学原理和方法不同造成的，是合理的。

三、总结

本文对已有的研究成果加以创新，首次将因子分析法和模糊综合评价法结合对城市经济发展水平进行排名。实证发现，影响经济发展的主要因子有经济社会因子、基础设施因子和生态环境因子；基于序数总和理论，城市经济发展水平前三名依次为上海、广州和北京；运用聚类分析方法，36个城市按经济发展水平由高到低，可划分为三个能级。实证结果表明，区域城市化与城市区域化是当今城镇发展的规律，城市的竞争更多表现为城市所依托区域的竞争。基于此，各城市在经济发展中，应加快拓展城市的发展空间，走区域协调发展的新型城镇化道路。

应当指出的是，本文仍然存在一些不足。第一，根据因子分析法得到的权重，受客观数据采集的准确性影响，与实际可能会存在偏差；第二，本文参与因子分析的指标只有22个，可能不足以解释问题；第三，因子分析法的缺点表现在样本容量要足够大，评价标准与样本有关，评价结果是一个相对优劣顺序；第四，序号总和理论有两条立论的前提是评价方法要足够多，每种评价方法的结果要大体上准确，但评价方法多就很难实现[6]。

参考文献：

[1]于秀林，任雪松.多元统计分析[M].北京：中国统计出版社，1999.171-172.

[2]谢季坚，刘承平.模糊数学方法及其应用[M].武汉：华中科技大学出版社，2006.128-129.

[3]朱建平.应用多元统计分析[M].北京：科学出版社，2006.82-85.

篇5

中图分类号 F062.2 文献标识码 A 文章编号 1002-2104(2010)09-0007-06 doi:10.3969/j.issn.1002-2104.2010.09.002

上海市、江苏9个省辖市、浙江6个省辖市在内的长江三角洲地区,是我国经济发展 速度最快、经济总量规模最大的地区,是海外资本进入中国市场的首选落脚点与全球先进制造业基地。2008年度统计数据分析表明,长三角地区以占全国1%的土地承载了全国5.8%的人口、创造全国18.7%的国内生产总值。2008年浙江、江苏和上海二省一市的GDP达到56 387亿元,约占全国GDP总量的22.6%;综合能源消费为44 900万吨标煤/万元,约占全国能源消费总量的16.9%。保持长三角地区的经济增长与人口、资源环境的可持续发展,对中国经济的健康发展有重要意义。2008年8月6日,国务院审议并原则通过了《进一步推进长江三角洲地区改革开放和经济社会发展的指导意见》,提出了长三角地区“科学发展、和谐发展、率先发展、一体化 发展”的要求,实现经济、社会、环境与能源和谐发展是长三角区域的战略之一。研究长三角洲地区循环经济发展水平,针对不同水平的城市分别制定相应对策是本文探讨的重要内容。

1 长江三角洲地区城市循环经济发展的现状与特点1.1 经济快速增长与环境污染增长的趋势并存

长三角二省一市GDP从2000年的19 465.89亿元发展到2007年的56 387.31亿元,7年内增加了1.89倍,年均增长16.4%。从2002年开始,长三角GDP占全国比重就超过了1/5以上,2007年达到22.6%,同时,能源消费总量占全国的1/6以上。

长三角二省一市能源消费总量呈逐年增长态势,2007年达到4.5亿吨标煤/万元(Tce),约占全国的17%。“十五”期间,长三角能源消费总量从2000年的2.07亿Tce增加到2005年的3.72亿Tce,年均增长率达到12.49%,高于同期国家能源消费10.15%的增长速度,其中,上海的增长速度为8.61%,低于全国平均水平;江苏和浙江分别为14.43%和12.90%,均高于全国平均水平。“十一五”期间前二年,长三角两省一市的能源消费总量继续增长,2006年为4.1亿Tce,2007年达到4.49亿Tce,每年增量约为0.37亿-0.38亿Tce,占国家2006年新增能耗总量2.16亿Tce的17%,占国家2007年新增能耗总量1.92亿Tce的20%。

1.2 环境污染是影响未来区域经济协调发展的重要因素

环境污染是整个长三角地区面临的最严重的问题,也是其进一步发展所亟需解决的问题。由于大规模发展加工工业,水污染、大气污染、噪声污染、固体废弃物污染“四大杀手”正威胁着长三角经济和城市的良性发展。1999-2004年上海的废水、烟尘排放量居高不下, 而废气排放量和二氧化硫排放量分别增长了72.7%和17.4%。江苏2004年与1999年相比,工业废水排放量增长了31.0%、工业废气排放量增长了46.9%、二氧化硫排放量增长了32.9%。1999-2004年浙江的废水、废气、二氧化硫排放量分别增长了46.4%、116.9%和29.5%[10]。

严重的水污染、大气污染和耕地污染等,使“长三角”已成为我国新的生态环境脆 弱带,并已出现一些环境问题,其中水污染问题最为突出。目前,京杭运河长三角地区段、太湖、长江下游段、钱塘江段等水资源都受到不同程度的污染。从长三角目前的经济发展趋势看,如果不改变生产方式和调整产业结构,对环境问题不采取有力措施,污染将会进一步恶化,并将直接拖累这一区域经济的整体发展。

王保乾等:长江三角洲城市群循环经济发展水平的实证分析

中国人口•资源与环境 2010年 第9期1.3 国民经济发展对能源的依赖性强

近年来,长三角两省一市能源消费总量的增长与经济发展一直保持同向增长的态 势。从弹性系数分析,“十五”期间,长三角的能源消费弹性系数为0.780 1。“十一五”期间的前二年,能源消费弹性系数为0.561 2。尽管近年来长三角的单位GDP能耗逐年下降,没有出现过反弹,2002年开始下降至1.0 Tce/万元以下,但能源消费弹性系数无论是在“十五”期间,还是在“十一五”期间的前二年,都超过了0.5的界限。特别是江苏省,2004、2005年的能源消费弹性系数甚至超过了1.0,上海和浙江省的能源消费弹性系数也处于较高值的状态。虽然 “十一五”期间前二年有所好转,但仍可以看出,长三角的经济发展对能源的依赖性很强,这种局面短期内难以根本改变。

1.4 能源需求对外的依存度高

长三角地区经济发达,但能源资源短缺,所消费的煤炭、原油、天然气,全都依赖省外调入和国外进口。上海的一次能源几乎全部要由外地调入,其中煤炭全部从外省市调入,原油进口占原油总资源量的93.2%,外来电的比重已从2000年的8.2%上升至2007年的31.05%;浙江省自产原煤仅14万t,水电与核电发电量329.5亿kw•h,能源自给率仅为3.7%,96.3%的能源资源依靠国内外市场;江苏省能源供应以省外调入为主,能源自给率低,2006年江苏省自产原煤2 549万t,原油188.5万t,缺口85%的煤炭和91.8%的原油都要从省外调进和国外进口。随着能源消费总量增加,这一比重还将上升。 能源供应的高度外向依赖性,再加上国际石油市场价格的上涨和储运及安全保障等诸多不确定因素,已严重制约了长三角区域经济社会可持续发展。

1.5 以煤为主的能源结构导致减排压力大

长三角的一次能源消费结构以煤为主,其中发电用煤占了很大比重。2006年上海市煤炭消费占一次能源消费的51.6%;浙江省煤炭消费占61.5%;江苏省煤炭消费占71.4%,远高于国外水平,比全国平均水平高4.6个百分点。预计到2010年长三角地区仅电煤消耗量将达到4亿t,煤炭的大量消耗所排放的CO2和SO2气体对大气环境污染严重,减排压力很大,短期内难以改变。

2 长三角洲地区循环经济指标体系的选择

世界经济发展进程的规律表明,当地区人均GDP处于500-3 000美元之间时,往往 是人口、资源、环境瓶颈制约最严重的时期。长三角目前就处于这一发展阶段,转变经济增长方式,大力发展循环经济,走可持续发展道路是提升长江三角洲城市群全球竞争力的必由之路。

依据国内学者已有的研究成果,结合长江三角洲城市群的实际情况,以科学性、 系统性、可比性和指标的可获取性为基本原则,重点突出循环经济的“3R”原则,从减量化、再利用及资源化、无害化及综合性指标四个方面,选取18个参评因子构成城市循环经济发展水平指标评价体系(见表1)。这些指标涵盖了循环经济评价最核心的内容,因此,能够科学、客观地反映城市的循环经济发展水平。

3 循环经济指标的主因素分析

3.1 数据的采集

本文将选取18个指标,对长三角16个城市2008年的面板数据进行研究,目的是寻找能够衡量循环经济水平的主要因素,并为聚类分析提供基础。

3.2 因子分析

本文运用因子分析的一般模型,确定模型中的参数,然后根据分析结果进行因子解释。本文使用SPSS软件,在对数据进行标准化处理、消除量纲的影响后,进行因子旋转和因子分析。因子分析的一般模式为:

X1=a11F1+a12F2+……+a1nFn+ε

X2=a21F1+a22F2+……+a2nFn+

……

Xm=amF1+am2F2+……+amnFn+εm

式中,x1,x2,…,xm为实测变量;aij(i=1,2,…,m;j=1,2,…,n)为因子荷载;Fi(i=1,2,…,m)为公共因子;εi(i=1,2,…,m)为特殊因子。

采用主成分法,根据特征值大于1的标准选取前4个因子F1(λ1=4.146),F2(λ2=3.184),F3(λ3=2.760),F4(λ4=2.036)(见表2)。累计方差贡献率达到61.11%进行解释能力的相应估计,可以认为四个公因子合理表示了循环经济现象的各因素的线性关系,基本上能解释原数据的绝大部分信息,在对因子旋转过程中选用了方差最大法(Varimax)得到旋转后的因子负荷矩阵。

表1 长三角循环经济发展水平指标评价体系

Tab.1 Circular economy development level of the

Yangtze River Delta Evaluation System

目标层Targetlayer准则层Layerguidelines指标层Index layer符号Symbol循环经济发展水平综合评价指标减量化指标万元GDP能耗(吨标煤/万元)X1万元GDP水耗(t/万元)X2万元GDP电耗(kW•h/万元)X3单位工业增加值能耗(吨标煤/万元)X4万元GDP化学需氧量(COD)排放量(kg/万元)X5万元GDP二氧化硫排放量(kg/万元)X6万元工业产值污水排放量(t/万元)X7再利用及资源化指标工业污水达标排放率(%)X8化肥施用强度(折纯)(kg/hm2)X9农药使用量(kg/hm2)X10工业固废综合利用率(%)X11第三产业占GDP的比率(%)X12无害化指标城镇生活污水集中处理率(%)X13城镇生活垃圾集中处理率(%)X14综合性指标建成区绿化覆盖率(%)X15地区生产总值(万元)X16人均GDP(元)X17地区生产总值增长率(%)X18 因子F1在除了X2、X5、X11、X17上都有较大负荷(大于0.55),且与X1万元GDP能耗、X14城镇生活垃圾集中处理率、X15建成区绿化覆盖率、X18地区生产总值增长率、X6万元GDP二氧化硫排放量成正相关,与X16地区生产总值、X12第三产业占GDP的比率成负相关。

根据经济发展与资源消耗于环境污染的相互制约关系,因子F1包含了环境、能耗和经济发展几个方面的信息,定义为综合发展因子。因子F2在X16地区生产总值和X17人均GDP上有较大负荷,定义为经济发展因子。因子F3在X2万元GDP水耗、X3万元GDP电耗、X4万元GDP化学需氧量排放量上占有较大负荷,定义为资源消耗因子。因子F4在X8工业污水达标排放率、X9化肥使用强度、X10农药使用量上占较大负荷,且与X9、X10成负相关,与X17、X18成负相关,体现了资源再利用及资源化与经济发展的正相关关系,此因子定义为再利用及资源化因子。

根据因子负荷矩阵(见表3)可以得到4个主因子的线性模型。

表3是软件输出的因子模式阵,包含了公因子解释原始变量的方程的回归系数,因此函数关系为:

F1=0.724X1+0.082X2+0.257X3+0.415X4-0.194X5+0.527X6+0.517X7+0.424X8-0.407X9-0.587X10-0.016X11-0.556X12-0.309X13+0.697X14+0.662X15-0.670X16-0.232X17+0.521X18

F2=0.470X1+0.574X2+0.526X3+0.681X4+0.046X5-0.460X6+0.505X7 +0.223X8+0.081X9+0.137X10-0.104X11+0.211X12+0.427X13-0.317X14+0.529X15+0.532X16+0.563X17-0.363X18

表2 总方差解释表

Tab.2 Variance Explained

因子Component初始特征值Initial Eigenvalues提取因子载荷平方和

Extraction Sums of Squared Loadings旋转后的因子载荷平方和Rotation Sums of Squared Loadings因子特征值

Total因子方差贡献率

% ofVariance累积方差贡献率

Cumulative %因子特征值

Total因子方差贡献率

% ofVariance累积方差贡献率

Cumulative %因子特征值

Total因子方差贡献率

% ofVariance累积方差贡献率

Cumulative %14.14623.03123.0314.14623.03123.0313.25718.09318.09323.18417.68940.7203.18417.68940.7203.21917.88435.97732.76015.33556.0552.76015.33556.0552.51513.97249.94842.03611.30867.3632.03611.30867.3632.00911.16461.11251.4478.03775.4011.4478.03775.4012.00711.14972.26161.2867.14482.5451.2867.14482.5451.85110.28482.545提取方法:主成份分析法。

表3 因子负荷矩阵

Tab.3 Component Matrix ComponentMatrixa

项目

Item因子Component123456万元GDP能耗0.7240.470-0.1920.0140.1370.038万元GDP水耗0.0820.574-0.717-0.1310.0700.064万元GDP电耗0.2570.5260.639-0.163-0.279-0.073单位工业增加值能耗0.4150.681-0.312-0.359-0.0380.137万元GDP化学需氧量排放量-0.1940.0460.5940.1040.532-0.369万元GDP二氧化硫排放量0.527-0.460-0.206-0.012-0.4820.156万元工业产值污水排放量0.5170.5050.266-0.2640.4920.125工业污水达标排放率0.4240.2230.0650.406-0.354-0.575化肥施用强度(折纯)-0.4070.081-0.224-0.4660.263-0.567农药使用量-0.5870.1370.393-0.483-0.1070.330工业固废综合利用率-0.016-0.1040.4310.3830.3070.299第三产业占GDP的比率-0.5560.211-0.5630.2900.2810.341城镇生活污水集中处理率-0.3090.4270.6220.109-0.2310.181城镇生活垃圾集中处理率0.697-0.3170.263-0.2770.1020.180建成区绿化覆盖率0.6620.5290.0420.2270.031-0.045地区生产总值-0.6700.532-0.1810.387-0.104-0.119人均GDP-0.2320.5630.1690.500-0.1680.167地区生产总值增长率0.521-0.363-0.0870.6300.3230.059提取方法:主成份分析法;

a:提取6种成份。

F3=-0.192X1-0.717X2+0.639X3-0.312X4+0.594X5-0.206X6+0.266X7+0.065X8-0.224X9+0.393X10+0.431X11-0.563X12+0.622X13+0.263X14+0.042X15-0.181X16+0.169X17-0.087X18

F4=0.014X1-0.131X2-0.163X3-0.359X4+0.104X5-0.012X6-0.264X7+0.406X8-0.466X9-0.483X10+0.383X11+0.290X12+0.109X13-0.277X14+0.277X15+0.387X16+0.500X17+0.603X18

利用以上四个关系式可求得四个因子的得分以及综合得分,以主因子旋转过后的方差贡献率作为权重计算各城市总得分:

SCOR=0.341 89F1+0.262 59F2+0.227 65F3+0.16787F4

列出F1因子得分、 F2因子得分、 F3因子得分、 F4因子得分和总得分及其排名序列,依次为:上海市(1.71)、宁波市(1.55)、杭州市(0.73)、无锡市(0.67)、南京市(0.59)、苏州市(0.16)、镇江市(0.0076)、绍兴市(-0.012)、嘉兴市(-0.13)、常州市(-0.15)、湖州市(-0.18)、南通市(-0.23)、扬州市(-0.32)、泰州市(-0.72)、台州市(-1.03)、舟山市(-2.60)。

从综合得分来看,得分为正的有7个城市,占16个城市的43.8%,说明各城市在循环经济发展水平上存在一定差距。总体来看,综合发展因子对循环经济的总得分贡献率为23.03%,经济发展因子对循环经济总得分的贡献率为17.69%。在城市发展的初级阶段,受资金、技术、人力资源等多方面因素的影响,生产活动往往会选择一些资金投入少、技术水平较低的产业作为其发展的重点。像泰州、南通这样的相对来说循环经济水平较低的城市,2007年人均GDP分别为23 933、27 500元,分别位于长三角16个城市的16、15位。工业总产值主要集中在纺织业,电力、热力的生产和供应业,建筑业,黑色金属冶炼及压延加工业等技术水平不高,资源、能源消耗较高,对环境影响较大的产业。而当城市经济水平发展到一定阶段后,随着资金、技术不断积累,生产工艺技术不断改进及循环经济意识的不断提高,城市循环经济发展水平也不断提高。

资源消耗因子对循环经济贡献率为15.34%,说明资源消耗型产业仍然占有相当比重,未来长三角必须走能源集约型道路。依靠科学技术开发环保技术,制定有利于城市污水集中处理和生活垃圾安全处置的政策,政府应大力支持发展环保产业。

3.3 聚类分析

聚类分析的基本原理是,首先将一定数量的样品以指标各自看成一类,然后根据样品(或指标)的亲疏程度,将亲疏程度最高的两类进行合并。然后考虑合并后的类与其他类之间的亲疏程度,再进行合计。重复这一过程,直至将所有的样品(或指标)合并为一类。

系统聚类法是根据样品或指标之间的亲疏程度来进行合并。衡量亲疏程度的指标有两种,即距离和相似系数。距离是将每个样品看成是m个变量对应的m维空间中的一个点,然后在该空间中定义,距离越近,则亲密程度越高。相似系数接近于1或-1时,认为样品或指标之间的性质比较接近;相似系数接近于0时,认为样品或指标之间是无关的。SPSS软件中使用欧式距离进行聚类分析。

dij=∑pt=1(xit-xjt)2(i,j=1,2,…,n)

通过聚类分析,长三角16城市大致可以分为三类。

上海市作为第一类特大城市在综合发展因子和经济发展因子上占到了绝对的优势地位,上海经济发展水平高,地理位置优越,资源的投入量比较大,生产效率较高,第三产业比较成熟,但受人口、资源、环境的约束,经济发展潜力较其他城市不大。第二类城市杭州、南京、 宁波、苏州、无锡在四个因子上都比第三类城市略高,但在资源利用和污染治理上总体差别并不显著。常州、湖州、嘉兴、 南通、绍兴、台州、泰州、扬州、镇江、舟山为第三类城市。 第二三类属于大中型城市,发展潜力大,自然地理环境较好,但在污水治理、废物处理、第三产业发展上与第一类城市存在一定差距。

4 长江三角洲地区的循环经济功能定位与产业分工4.1 第一类城市

上海市循环经济理念实践较早,金融、贸易、物流等服务业比较发达,循环经济的发展水平领先于长三角其他城市,但与国际同类城市相比还有很大差距。因此,根据上海目前的实际情况,应注重前端治理,把重点放在生产和消费的减物质化上,预防经济“长胖增重”;加大末端废弃物处理,逐步实现自然资源循环利用。

上海是经贸枢纽驱动型城市,它的地域优势是经贸联系广泛,经济腹地大,经济发展快速,带动科技创新,使其循环经济静脉产业中的技术创新优于长江三角洲其他城市。但缺点是土地、能源匮乏,在循环经济的建设上,改变消费方式比改变生产方式更为重要。消费的短期政策思路是直接规范消费领域存在的资源浪费型和环境不友好型的不可持续的消费现象,长期的政策思路是通过宣传教育改变人们的生活、消费价值观,建立和强化人们的资源环境意识。

优先发展与经济生产、社会生活和生态环境相匹配的现代服务业,如现代物流、滨江临海休闲观光业、信息服务业、商贸会展、文化服务业等等。以世博会的召开为契机,积极开展上海循环经济的国际合作交流,尤其是在开发实用技术和先进工艺方面、生态工业园区建设方面,提升发展高附加值、高关联度、低物耗能耗的高科技创新产业和先进制造业,上海市将成为长三角甚至全国学习、借鉴和引进循环经济先进经验的窗口城市。

4.2 第二类城市

杭州、南京、宁波、苏州、无锡这几个城市拥有丰富的自然、文化资源优势,具备建设创新型城市的潜力。但是,制造业高度发达、城市群集聚度高,环境污染问题比较严重。

发展循环经济的首先任务是依靠高新技术和工艺,改造传统制造业,构筑循环经济的技术支撑体系。目前,这些城市发展循环经济的重点是积极调整产业结构,摆脱资源约束和降低环境污染水平,包括信息技术、生物技术以及环境无害化技术,替代技术、再利用技术、系统化技术等等。循环经济政策的重点是加强制造业技术改造的金融支持,改变大多数企业技术改造资金不足的问题。

在区域经济发展层面,充分利用区域间的分工,优先发展资源消耗低和环境影响小的产业,停产或转移目前难以改造升级的生产企业。有步骤地发展现代服务业,尽快改变工业生产中资源和能源粗放利用的现状。同时,促进绿色、生态、高效的都市循环型现代农业的发展,以附加值较高的绿化、良种、花卉等产业为主,发展节水型、土地集约型高效农业。

4.3 第三类城市

第三类城市基本上算是长三角城市群中欠发达地区,这些城市的支柱产业多属于排放固废污染较多的传统产业,传统“粗放型”经济发展方式,导致严重的流域性生态破坏和环境污染,经济发展与环境保护之间的矛盾突出。

作为长三角区域循环经济体系的重要组成部分,该区域承载各类固体废弃物分类拆解和再资源化的产业,即对传统的工业生产的70%-80%工业废弃物进行再利用,同时对电视机、电冰箱、空调等家用电器进行拆解和再利用。尽快出台相关法律政策,构建再生资源回收利用的市场机制,培育资源回收利用产业的市场基础。

第三类城市拥有丰富的自然生态资源和悠久的人文历史,以及广阔地种植、养植、及农产品加工体系,适合发展度假、休闲、会议等“农游合一”、“城乡互补”的第三产业。一方面为一、二类城市居民提供绿色、安全、无污染的农产品,另一方面营造田园风光式的绿色生态环境,吸引发达城市居民休闲度假。需要当地政府从资金、税收、金融保障等方面制定优惠政策扶持。

5 结 论

本文对长江三角洲地区16个城市的循环经济发展水平进行了实证研究。因子分析表 明经济发展因子、资源消耗因子、再利用及资源化因子是影响循环经济发展水平的主要因素。聚类分析表明该区域的16个城市按循环经济发展水平明显分为三个层次,这三个层次基本上与经济发展水平相一致,说明经济发展初期阶段往往要以牺牲环境为代价。根据三类城市循环发展水平及区域功能定位,三类地区循环经济发展政策既相互支撑,重点产业各有特色与分工。上海市应当发展以金融、贸易、物流等为主的服务业,以杭州、南京、苏州等城市为主的二类城市,政策重点是支持企业用高新技术和工艺改造传统制造业,构筑循环经济的技术支撑体系。以常州、湖州、嘉兴等城市为主的三线城市重点发展资源回收产业和农游合一生态旅游产业。

参考文献(References)

[1]苏金明. 统计软件SPSS系列应用实战篇[M].北京:电子工业出版社,2002,(10):329-345.[Su Jinming. Statistical Software SPSS Series Application Actual [M]. Beijing: Electronic Industry Press, 2002,(10): 329-345.]

[2]向云波, 徐长乐, 彭秀芬.长江三角洲城市群循环经济发展水平的空间格局分析[J].长江流域资源与环境,2008,(9):661-666.[Xiang Yun bo,Xu Chang le,Peng Xiu fen.Nalysis on The Spatial Structure of Recycling Economy of Uban Agglomeration in Theyangtze Riverdelta[J]. Resources and Environment in the Yangtze Basin, 2008,(9):661-666.]

[3]江苏统计年鉴,浙江统计年鉴,2008年中国城市环境统计年鉴.[Jiangsu Statistical Yearbook, Zhejiang Statistical Yearbook ,2008 Statistical Yearbook of China's urban environment.]

[4]牛桂敏.循环经济评价体系的构建[J].城市环境与城市生态, 2005 ,18(2) :4-7.[Niu Gui min. Construction of Circular Economy Evaluation System [J]. Urban Environment and Urban Ecology, 2005, 18 (2): 4-7.]

[5]李宗植,吕立志.资源环境对长三角地区社会经济发展的约束[J].经济经纬,2004,(4):59-62. [Li Zong zhi,Lu Li zhi. Restrictions from the Natural Resources to the Economic Development of Yangtze River Delta[J]. Economic Survey, 2004,(4):59-62.]

[6]张宇炜.长三角区域循环经济体系的构建[J].南通大学学报,2006,(11):6-9.[Zhang Yu wei. Construction of the Regional Circulating Economic System of the Yangtze River Delta[J]. Nantong University Journal. 2006,(11):6-9.]

[7]刘铮,周耀烈.长三角持续发展之道:循环经济的定量研究[J].经济论坛,2005,(17):16-18. [The Road of Sustainable Development of The Yangtze River Delta: A Quantitative Study of Circular Economy[J]. Economic Forum,2005,(17):16-18.]

[8]王泽光.略论生态城市与循环经济的关系――兼论上海的生态城市建设[J].中国科技论坛,2008,(2):58-61.[Wang Ze guang. On the Ecocity Relationship with the Circular Economy and on Shanghai's Ecocity Construction [J]. China Science and Technology Forum, 2008,(2): 58-61.]

[9]邱寿丰.上海循环经济发展的新思路[J]. 发展研究,2008,(2):61-63.[Qiu Shou feng. New Ideas for the Development of Circular Economy of Shanghai[J].Development Research.2008,(2):61-63.]

[10]田伯平.长三角地区可持续率先发展研究[J ]. 南通大学学报,2006, (9):27-35.[Tian Bo ping. On The Sustainable and Leading Development of The Yangtz River Delta Qegion [J]. University Journal. 2006,(9):27-35.]

Empirical Analysis about Recycling Economy Development Level of

City Grop of the Yangtze River Delta

WANG Baoqian ZHANG Yanran

篇6

[中图分类号]C916 [文献标识码]A [文章编号]1672-2426（2014）02-0066-04

无论是城市，还是乡镇，基础设施都扮演着极其重要的角色。它不仅能够吸引资金投资建厂、促进当地就业，还能促进消费，从而推动当地的经济发展。因此，基础设施建设就成为发展经济的重中之重。然而，在基础设施建设中，社区公共服务设施往往比例过小且增长过慢，需求远远大于供给，造成资源过度使用；而对社会生产设施投入过多且增长更新快，供给远远大于需求，造成资源的过度浪费。

国内外对于基础设施与经济发展关系的相关研究有很多。吴友人的《城市现代化和城市基础设施建设》是从生产性和非生产性基础设施的建设比例来讨论：基础性设施对城市现代化的重要作用；[1]胡仁科的《我国小城镇基础设施融资研究》是从基础设施的融资方面来阐述如何促进小城镇经济发展的；[2]徐莹的《贵州城镇化与城镇基础设施建设问题研究》是以贵州的城镇为例，从基础设施的服务能力和质量方面入手，来分析基础设施对于拉动城镇经济增长的重要作用；[3]Kapar·Brian、Abate·Janet的《policy for information infrastructure》是从生产设施建设方面入手写其对城镇经济发展的作用。[4]

上述研究的对象多涵盖整个基础设施，很少有将研究对象定为城镇社区的公共服务设施领域。在研究思路上多是从生产到投资角度入手，从增加就业、促进再生产方面揭示社区公共服务设施数量与城市经济发展的关系，却忽略了非生产性基础设施对于经济发展的重要作用。

公共服务设施是由公共服务与设施两个词语构成的合成词，是这些词语含义的整合。公共设施是指为市民提供公共服务产品的各种公共性、服务性设施，有基础设施和附属设施，其中基础设施是指为社会生产和居民生活提供公共服务的物质工程设施，是用于保证国家或地区社会经济活动正常进行的公共服务系统。它是社会赖以生存发展的一般物质条件。“基础设施”不仅包括公路、铁路、机场、通讯、水电煤气等公共设施，即俗称的基础建设，而且包括教育、科技、医疗卫生、体育、文化等社会事业即“社会性基础设施”。而附属设施是配套设施，使得基础设施得到更好服务、发挥更大作用、实现保值和增值功能的设施。[5]

本文以公共服务设施数量与城镇经济发展水平的关系为研究对象，通过对城镇社区公共服务设施数量和中国各地区的地区生产总值（GDP）的比较分析，建立两者的联系。本文所有数据来源于《中国统计年鉴》。[6]

一、公共服务设施数量与投资、消费、储蓄的关系

城镇的公共服务设施数量对城镇发展所需的投资、消费、储蓄具有非常重大的影响，主要表现在以下几个方面：

（一）公共服务设施的数量对投资、消费的影响

投资和消费是经济发展最主要的动力，也就是说加快城镇经济发展最主要的就是促进该城镇的投资和消费。从对于一个城镇的投资和消费带动经济发展的方面来说，公共服务设施的数量增多对于该地区经济的发展起着积极促进的作用。

首先，公共服务设施数量对投资的影响。对于商家投资建厂来说，一个好的投资环境是十分重要的。一般，好的投资环境必需有完善和充足的公共服务设施资源，而不仅仅是政府所建设的大型基础设施建设（公路、铁路、桥等），因为社区一些公共服务设施的面向是社区居民，这会给投资建厂的商家在服务设施上减少很多资金及时间的成本投入。因此，良好的投资环境可以吸引商家来投资建厂，从而直接促进地区的经济发展。对于社区居民的投资来说也是如此，完善和充足的公共服务设施会为其解除许多后顾之忧，这样居民就会用自己手中多余的钱进行一些投资，从而间接促进当地的经济发展。

其次，公共服务设施数量对消费的影响。完善和充足的公共服务设施数量，除了可以促使居民将手中多余的钱用于投资以外，也可以促进居民进行消费。一旦该地区的消费水平有所提高，商家能够获得利润，商家不但会加大投入力度，还会吸引更多的其他商家进行投资，这两方面的后续影响会促进当地居民的就业，从而带动当地的经济发展。

（二）公共服务设施数量对储蓄的影响

完善和充足的公共服务设施数量给居民解除了很多后顾之忧，促使居民将手中的钱用于投资和消费。如果居民用于投资和消费的钱增加了，在短时间内收入固定的情况下，居民所储蓄的钱就势必会减少。对于想要在此投资建厂的商家也是如此，完善和充足的公共服务设施数量，会增大商家对此地区进行投资的可能性，一旦进行投资，那么商家就不会将钱存在银行，而且还很有可能从银行贷款。这两种情况都会大大减少银行的储蓄量。[7]因此，从这一点来看，公共服务设施数量的增多对储蓄的增加起到一定的抑制作用。

二、城镇社区公共服务设施数量与经济发展水平的分析

简单起见，本文只选择当地当年的地区生产总值与该地区连续两年的生产总值的增幅来分别代表各地区经济发展水平和发展速度的指标。

（一）全国各地区城镇公共服务设施的数量分布及其增长速度的比较分析

根据《中国统计年鉴》（2006-2008）提供的数据，得到2006至2008年中国各地区城镇社区的公共服务设施数量（统计数据不包括：港、澳、台地区），通过SPSS软件，[8]得到分布图，见图1，其中灰色柱、黑色柱、白色柱分别代表2006年、2007年和2008年该地区城镇社区的公共服务设施数量（单位：个）。

从图中可以看出：第一，浙江、江苏两地在2006年至2008年间城镇社区的公共服务设施数量在全国排在第一位置，而且远远领先于其他地区。第二，上海城镇社区的公共服务设施数量在2006年排在中游位置，而在2007年和2008年跃居到与浙江、江苏同一阵营。第三，从地理区域上来看，城镇社区的公共服务设施数量最多的是东南沿海地区和长江中下游地区，其次是北方沿海地区、首都附近和西南中部地区。最后是西北地区和东北内陆型省份。第四，北京、天津、上海作为省级市拥有的城镇社区的公共服务设施数量比一些省份多，尤其是上海。于是，我们可以初步得出结论：我国东南沿海城镇的社区公共服务设施数量远远领先其他地区，少数民族地区城镇社区的公共服务设施数量处于全国最低水平线。

（二）全国各地区城镇经济发展水平及其增长速度的比较分析

根据《中国统计年鉴》的数据，可以得到全国各地区城镇经济水平和其增长速度的分布与比较图，见图2，其中灰色、黑色和白色柱分别代表2006年、2007年和2008年该地区的生产总值（单位：百万）。同时对各省级行政区的经济发展水平进行横向比较，以2007年各地区的生产总值和人均生产总值的数据为例，见图3，其中，灰色柱代表2007年该地区的生产总值，黑色柱代表2007年该地区的人均生产总值（灰色柱与黑色柱的单位不同，放在一起是为了分别比较各地区之间的地区生产总值和人均生产总值）。

从中可以看出：第一，我国从2006年到2008年各省级行政区的生产总值几乎都是逐年增加的。第二，我们将2008年生产总值达到2万亿的地区划为A区，介于1万亿与2万亿之间的划为B区，小于1万亿的划为C区。由此可以看出A区：广东、山东、江苏、浙江；B区：河南、河北、上海、辽宁、四川、北京、福建和海南；C区：黑龙江、安徽、内蒙古、山西、广西、江西、天津、陕西、吉林、云南、重庆、新疆、贵州、甘肃、海南、宁夏、青海和。第三，从地理区域上看，我国各省级行政区的生产总值南方省份超过北方省份，东部省份超过西部省份。从而，我们可以初步得出结论：我国经济在不断地向前发展，现代化水平在不断提高，但发展依然存在不平衡态势，有些地区经济增长速度很快，有些地区经济增长速度仍然缓慢。同时也应注意到，在人均方面，一些地区的人均收入过高，一些地区的人均收入过低。在生产总值方面，也存在类似的问题，尤其是少数民族地区，其经济水平还十分低下。

（三）公共服务设施数量与城镇经济水平的相关性分析

根据2009年颁布的《中国统计年鉴》，得到2007年中国各地区城镇社区的公共服务设施数量和各地区的生产总值，如图4所示。灰色折线代表2007年该地区城镇公共服务设施数量，黑色折线代表2007年该地区的生产总值。

从分布图中可以看出，灰色折线和黑色折线的上升或下降的步调大致相同，各省市所对应的基本都是两个高点或两个低点，很少有对应一个高点一个低点的情况；地区生产总值的大小与地区公共服务设施数量的多少在数据上具有较强的同步性和正相关性；从区域分布上看，东西部地区城镇社区的公共服务设施数量和地区生产总值与中国中部地区相比较少。

（四）公共服务设施数量的增长速度与城镇经济增长速度的相关性分析

根据前面的结论，笔者提出假设：各地区经济增长的速度与各地区城镇社区的公共服务设施数量增长的速度具有正相关性。我们用后一年的城镇社区的公共服务设施数量减去前一年的城镇社区的公共服务设施数量来代表公共服务设施数量的增长速度，用后一年的地区生产总值减去前一年的地区生产总值来代表城镇经济增长速度。其中，服务数差1、经济数差1分别为2007年与2006年公共服务设施总量差值和地区生产总量差值的编码，服务数差2、经济数差2分别为2008年与2007年公共服务设施总量差值和地区生产总量差值的编码。

从SPSS输出结果（限于篇幅，不在文中体现）可以看出，经济差1与服务数差1的相关系数为0.678，经济差2与服务数差2的相关系数为0.658。这两个相关系数都接近于0.7，说明地区的经济增长的速度与地区城镇社区的公共服务设施数量增长的速度具有中等程度的正相关性，从而证实笔者的假设：各地区经济增长的速度与各地区城镇社区的公共服务设施数量增长的速度具有正相关性。

三、结论与现实意义

通过以上分析，可以得出如下结论：

首先，各地区的城镇社区公共服务设施数量的多少与该地区的经济发展水平高低具有正相关性，即：城镇社区公共服务设施数量较多的地区，其相应的经济发展水平也较高；反之亦然。

其次，各地的城镇社区公共服务设施数量的增长对这个地区的经济发展具有十分重要的推动作用，即：城镇社区公共服务设施数量增长较快的地区，其相应的经济增长速度也较快；反之亦然。

最后，我国第一类、第三类地区与第二类、第四类地区相比，其经济发展水平较低，经济增长速度较慢，其中主要原因之一是：城镇社区的公共服务设施在数量上有很大差距。因此，我们应加强第一类地区和第三类地区的城镇社区公共服务设施的建设力度，使社会发展与经济发展水平相协调。当然，社区服务体系建设涉及到各个部门，各级政府需要综合协调，在社区建设中建立一个综合协调机制，以推进我国社区服务体系健康、持续的全面发展。

参考文献：

[1]吴友人.经济地理[M].北京：中国学术书刊电子出版社，2010，269-272.

[2]胡仁科.我国小城镇基础设施融资研究[M].武汉：武汉大学出版社，2008：5.

[3]徐莹.贵州城镇化与城镇基础设施建设问题研究[M].浙江：浙江大学出版社，2004：4.

[4]Kapar brian，abate janet，standard.policy for information infrastructure.[M].华盛顿：世界银行出版社，1995：3.

[5]唐建新？熏杨军.基础设施与经济发展-理论与政策[M].武汉：武汉大学出版社，2003：10.

篇7

【关键词】

主成分分析；经济发展潜力

丽水市是浙江省辖地级市，位于该省西南部、南邻福建，古称处州，始名于589年（隋文帝开皇九年），是浙西南的政治、经济、文化中心。全市总面积17298平方公里，常住人口211.70万，是浙江省面积最大而人口最稀少的地区。下辖莲都区及景宁畲族自治县、缙云、青田、遂昌、云和、庆元、松阳七县，代管县级龙泉市。

地区经济发展潜力能反映一个地区社会经济系统的发展水平，也是评价一个地区社会经济系统发展状况的重要指标。由于丽水市各地区经济规模、经济结构、经济发展质量、可持续发展等方面还存在着差异，对各地区经济综合实力进行客观评价，可以为丽水市今后经济又好又快发展提供决策依据。因此，本文首先以丽水市为基本空间单元收集区域发展影响因素，在此基础上通过主成分分析，提取并分析各主因子的空间分布状况，在此基础上进行以下处理主因子得分综合，得到区域空间发展潜力。

一、主成分分析法

主成分分析法是一种考察多个变量间相关性的多元统计方法，由皮尔逊首先提出并使用，之后经众多统计学家不懈努力逐步发展和成熟起来。主成分分析是将原来众多具有一定相关性的指标，重新组合成一组新的互相无关的综合指标来代替原来的指标。

在建立县城单元评价指标选择的基础上，运用主成分分析方法（PCA），提取影响县域乡镇地域空间差异的主因子。对各县城的综合实力进行评价。

本文选取2011年丽水市13项反映社会经济发展水平的主要统计指标，分别为镇域户籍人口、县域暂住人口、第一产业就业人口比例、第三产业就业人口比例、财政收入、工业产值、农业产值、农民人均收入、旅游收入、镇域面积、建成区绿化覆盖面积、工业固体废物综合利用率、医院卫生院床位数。

运用统计分析软件stata对对数据进行因子分析，采用主成分法提取特征值大于1的主成分作为公共因子，得到方差最大正交旋转后的因子载荷矩阵、特征值、贡献率和累计贡献率。特征值大于1的前三个公因子的累计贡献率超过80%，可见提取三个因子后，它们反映了原始变量的大部分信息。

二、主因子得分及空间分布

根据因子荷载矩阵分析主因子含义，并根据因子得分系数矩阵，计算各乡镇主因子得分，分析各主因子的空间分布特征。

从表1可知：第一主因子主要解释镇域户籍人口、镇域暂住人口、财政收入、工业产值、农业产值、农民人均收入、旅游收入、建成区绿化面积及医院卫生院床位数等指标，可命名为社会经济发展因子。空间分布值排名为莲都区、缙云县、青田县、松阳县、龙泉市、云和县、遂昌县、庆元县、景宁县。

第二主因子主要解释镇域面积、第一产业就业比例，可命名为传统产业因子。其值排名为遂昌县、龙泉市、青田县、莲都区、景宁县、缙云县、庆元县、松阳县、云和县。

第三主因子主要解释第三产业就业人口比例、工业固体废物综合利用率，可以名为现代服务业发展因子。其值排名为莲都区、缙云县、云和县、松阳县、龙泉市、庆元县、青田县、景宁县、遂昌县。

三、发展潜力评估

依据主因子得分乘以贡献率权重得到的发展潜力是基于现状的发展潜力或空间格局。其结果如下表：

从表2的得分和排名可以看出：丽水市各地区经济发展不平衡的现象较为明显。莲都区是丽水市综合发展潜力最强，以绝对的优势名列第一；缙云县、青田县、龙泉市、松阳县、云和县、遂昌县为处于中间水平，松阳县、云和县、遂昌县庆元县、景宁县发展条件较差。

参考文献：

篇8

中图分类号：F290 文献标志码：A 文章编号：1673-291X（2012）12-0138-02

引言

城市化与经济发展水平具有的高度关联性[1]。城市化与经济发展水平之间关系的空间格局研究，对区域城市化与经济发展道路的选择具有明确的实际指导意义。目前，对城市化与经济发展水平关系的研究，多侧重全国或全省的宏观尺度，对市域的研究较少。进入21世纪，中国城镇化进入快速的发展时期，在快速发展的过程中，有些地方出现了片面追求城市化速度、忽视了城市化速度与当地经济发展水平的关系，使得城镇化对当地经济社会发展产生了消极影响。本文基于国际和河南的城市化与经济发展水平的数据，通过定量的比较方法，侧重从市域的空间尺度出发，分析河南省城市化与经济发展水平关系的空间格局特征。

一、研究方法与数据来源

1.研究方法。本文采用陈明星等提出的引入偏离程度的象限图分析方法[2~3]，该方法以多国的城市化与经济发展水平关系为客观判断标准，能够对各地区的指标进行客观的比较分析，更直观的反映城市化与经济发展水平间的关系，增加地区类型的区分度。

具体数据处理方法如下：（1）选取2009年河南省多个地市的人均GDP（PCGDP）和城市化率（UBRAN）作为处理数据。（2）将两个指标数据进行z-score标准化处理，生成经济发展水平指标（ZPCGDP）和城市化水平指标（ZUBRAN）。标准化处理主要是由于数据单位不同，通过标准化处理来消除量纲的影响。

具体处理计算方法如下：z=（xi-x）/s

式中，i是样本观测值（1，2……n）；x为xi的平均值，x=xi /n

S为样本标准差，s=

（3）数据分析，经过处理后的数据ZPCGDP和ZUBRAN分别代表了其偏离PCGDP和ZUBRAN样本中心的程度。把ZPCGDP和ZUBRAN求差，当ZPCGDP-ZUBRAN=0时，表示两者偏离其样本中心的程度完全相同，即完全协调。当ZPCGDP-ZUBRAN>0时表示城市化滞后于经济发展。反之，当ZPCGDP-ZUBRAN

ZUBRAN|>0.1为轻微偏离型，1>|ZPCGDP-ZUBRAN|≥0.5为中度偏离型，当|ZPCGDP-ZUBRAN|>1时，为严重偏离型。据此，把城市化水平和经济发展水平的关系划分为七个类型，即：城市化严重超前、城市化中度超前、城市化轻微超前、基本协调、城市化轻微滞后、城市化中度滞后、城市化严重滞后。

2.数据来源。本文旨在对城市化与经济发展水平关系的市域间比较分析，主要数据指标为城市化指标和经济发展水平指标。城市化水平（URBAN）采用城市人口占总人口的百分比的城市化率来衡量。经济发展水平采用人均GDP（per capita GDP以下简称PCGDP）来衡量，人均GDP是一个包含综合信息的指标，能表达出多个经济相关的维度信息，联合国和世界银行均主要采用其作为衡量各国经济发展水平的指标，在一定程度上包含着产业结构、工资收入等信息，因为产业结构与工资收入与GDP之间存在关联关系[3]。另外，多国的数据比较方法在城市化水平研究中得到较为广泛的采用[3]。因此，本文采用世界多国的城市化和经济发展数据作为比较研究数据，其数据来源于世界银行在线数据库，样本选取采用2009年216个国家和地区数据，去除数据缺失的国家和地区，共有190个样本点。河南省的各地市的城市化和经济发展数据来源于《2010年河南省统计年鉴》，共18个地市，最终样本数为208个。

二、2009年河南省城市化与经济发展水平格局

1.河南省经济发展水平格局。2009年河南省GDP在全国31个省份（不包括港澳台）排名中，排第十九位。河南省2009年经济发展水平的空间格局总体特征是：除郑州的GDP最高外，其他地市大致呈由东向西逐渐增加走势，与该时期城市化水平空间格局基本一致，其中，郑州作为河南省省会人均GDP最高，达到44 231.35元，高于全国平均水平，济源次之为42 180.83元。全省经济发展水平从高到低排序依次为：郑州市、济源市、三门峡市、焦作市、洛阳市、许昌市、鹤壁市、漯河市、平顶山市、安阳市、濮阳市、新乡市、南阳市、开封市、信阳市、商丘市、驻马店市、周口市。经济发展水平空间差异显著。

2.河南省城市化水平格局。2009年河南省城市化水平空间格局特征其与经济发展水平的空间格局基本一致，2009年河南省城市化水平达到37.7%，其中郑州高达63.41%，超过全国平均水平。全省城市化水平从高到低排序依次为：郑州市、鹤壁市、济源市、焦作市、三门峡市、洛阳市、平顶山市、新乡市、开封市、许昌市、漯河市、安阳市、南阳市、濮阳市、信阳市、商丘市、驻马店市、周口市。城市化水平空间分布差异显著。

三、2009年河南城市化与经济发展水平关系格局

1.各地城市化与经济发展水平关系类型划分。根据前述数据处理方法，对河南省地市的人均GDP和城市化率数据进行处理，根据计算结果和划分方法，把河南省18个地市分为五种类型（见图1），即城市化中度超前（I）、城市化轻微超前（II）、基本协调（III）、城市化轻微滞后（IV）、城市化中度滞后（V）。

I类区属于城市化中度超前地区，属于该区的只有郑州市，其城市化水平为63.41%，人均GDP为44 231.35元，是河南经济最发达、人口最为集中的城市。

II类区属于城市化轻微超前类型，属于该区域的只有鹤壁市，其城市化水平为49.62%，人均GDP为25 369.96元。鹤壁市近年来经济发展迅速，城市人口不断增长，但总人口数较少，因此其人均GDP和城市化水平相对较高，发展态势良好。

III类区属于基本协调类型，包括济源、焦作、三门峡、洛阳。其城市化率分别为 49.01%、46.95%、45.4%、44.17%。其人均GDP分别为42 180.83、31 356.15、31 586.92、31 170.19。其城市化和经济发展水平潜力较大。

IV类区属于城市化轻微滞后类型，包括新乡、平顶山、开封、安阳、漯河、许昌、南阳、濮阳、信阳、商丘。城市化率分别为40.96%、41.75%、39.58%、38.93%、39.25%、39.26%、36.63%、35.43%、34.09%、33.38%。人均GDP分别为17 992.17、23 080.59、16 564.91、21 578.38、23 777、26 226.61、16 997.38、18 855.28、13 780.48、12 779.49。经济发展水平偏低，城市化水平落后。

V类区属于城市化中度滞后类型，包括周口、驻马店，其城市化率分别为29.49%、29.49%。人均GDP分别为10 648.65、11 708.35。还处于城市化起步阶段，经济发展水平和城市化水平都较低。

2.各地城市化与经济发展水平关系的特征。根据上述分类结果，用ARCGIS软件绘制河南省城市化与经济发展水平关系空间分布图，其特征如下：大致呈由东向西逐渐变化，从城市化中度滞后型到城市化基本协调，城市化超前的城市郑州和鹤壁相对分散。

结论

河南省城市化与经济发展水平关系可划分为五个类型。城市化中度超前城市1个，郑州市；城市化轻微超前城市1个，鹤壁市；基本协调型4个，济源、焦作、三门峡、洛阳；城市化轻微滞后型10个，新乡、平顶山、开封、安阳、漯河、许昌、南阳、濮阳、信阳、商丘；城市化中度滞后型两个，周口市、驻马店市。

河南省在市域尺度上经济发展水平和城市化水平关系上存在显著差异。既存在城市化中度超前的城市，又存在中度滞后的城市，部分属于基本协调，多数属于轻微滞后型。

河南省在市域尺度上经济发展水平和城市化水平关系区域分布特征上，大致呈由东向西逐渐变化，从城市化中度滞后型到轻微滞后型，再到城市化基本协调，城市化超前的城市只有两个，并且相对分散。

上述研究，对河南省城市化与经济发展水平关系进行了分类，并分析了空间格局特征，为各地认识自身发展规律，因地制宜的推动城市化与经济协调发展提供有益参考。

参考文献：

[1] Handerson J V.The urbanization process and economic growth:The so-what question.Journal ofEconomic Growth，2003，(1):47-71.

篇9

财政收入弹性系数：即财政收入增速与经济发展增速比。该指标反映国内生产总值变动对财政收入变动的影响。

城乡收入弹性系数：即城乡居民收入增速与经济发展增速比。该指标主要反映经济增长能促进城乡居民收入的提高。

收入的民生指数：即城乡居民收入增速与财政收入增速比。该指标主要是财政收入增速与城乡居民收入增速的对比关系，在一定程度上反映了财政对民生的普惠程度。

二、2011年全区总报告及各盟市分报告

（一）总报告

从各盟市财政收入弹性系数比较来看。全区只有通辽和赤峰小于1。弹性系数最高的是鄂尔多斯2.97，最低的是赤峰市0.63。

从各盟市城乡居民收入的弹性系数来看。其中：农牧民纯收入的弹性系数中有8个盟市超过1，最高为锡林郭勒盟2.6，最低是阿拉善盟为0.8；城镇居民可支配收入弹性系数中有9各盟市超过1，最高为锡林郭勒盟1.74，最低是阿拉善为0.67。

从各盟市收入的民生指数来看。其中，农牧民纯收入的弹性系数中有5个盟市超过1，最高为赤峰市2.32，最低是鄂尔多斯0.33；城镇居民可支配收入弹性系数中有4个盟市超过1，最高为赤峰市1.69，最低为鄂尔多斯0.36。

从全区来看2011年我区的财政收入弹性系数为1.89，财政收入的增长速度大大高于经济增速。城乡居民收入的弹性系数分别为1.07和1.41，表明城乡居民收入与经济增速实现了同步增长且农牧民的收入效应较强。城乡居民收入的民生指数分别为0.57和0.74，说明从全区来看财政对民生的惠及程度较弱，需要在今后的发展中继续加强。

（二）各盟市分报告

呼和浩特市

在2011年全区主要指标增速排序中：GDP增速11.3%排名第8位，财政收入增速19.5%排名第6位，城镇居民可支配收入增速14.71%排名第7位，农牧民纯收入增速14.77%排名第9位。

通过弹性系数的比对，呼和浩特的财政收入弹性系数为1.73，说明财政收入快于经济增长，表现了较为健康的财政增长水平。城乡收入弹性分别为1.3和1.31，说明呼和浩特的经济增长对城乡居民收入有直接的正向的影响。城乡居民收入的民生指数分别为0.75和0.76，说明财政收入对民生的影响不够充分，没有实现同步提高。

包头市

在2011年全区主要指标增速排序中：GDP增速15.5%排名第3位，财政收入增速16.3%排名第7位，城镇居民可支配收入增速14.56%排名第8位，农牧民纯收入增速14.74%排名第11位。

通过弹性系数的比对，包头的财政收入弹性系数为1.05，说明财政收入与经济发展同步增长。城乡收入弹性分别是0.94和0.95，说明包头的经济增长对城乡居民收入基本同步。城乡居民收入的民生指数分别为0.89和0.90，说明城乡居民收入的增长速度略低于财政收入的增长速度。

呼伦贝尔市

在2011年全区主要指标增速排序中：GDP增速14.4%排名第6位，财政收入增速15.9%排名第8位，城镇居民可支配收入增速15.37%排名第5位，农牧民纯收入增速21.41%排名第3位。

通过弹性系数的分析比对，呼伦贝尔的财政收入弹性系数为1.1，说明财政收入与经济增长实现了同步增长。城乡收入弹性分别为0.94和0.95，说明呼伦贝尔的经济增长与城乡居民收入基本同步。城乡居民收入的民生指数分别为0.97和1.35，说明财政收入与城乡居民收入基本同步，且对农牧民影响较大。

兴安盟

在2011年全区主要指标增速排序中：GDP增速10.4%排名第10位，财政收入增速29.9%排名第3位，城镇居民可支配收入增速15.02%排名第6位，农牧民纯收入增速17.43%排名第5位。

通过弹性系数的分析比对，兴安盟的财政收入弹性系数为2.88，说明财政收入大大高于经济增速，表现了经济增长对财政的巨大贡献。城乡收入弹性分别为1.44和1.68，说明兴安盟的经济增长对城乡居民收入的影响较大。城乡居民收入的民生指数分别为0.5和0.58，说明财政收入对民生的影响不够充分，财政惠民的力度较弱。

通辽市

在2011年全区主要指标增速排序中：GDP增速14.6%排名第5位，财政收入增速13%排名第9位，城镇居民可支配收入增速16.02%排名第4位，农牧民纯收入增速20.22%排名第4位。

通过弹性系数的分析比对，通辽的财政收入弹性系数为0.89，说明财政收入略低于经济增速。城乡收入弹性分别为1.1和1.38，说明通辽的城乡居民收入略高于经济增速。城乡居民收入的民生指数分别为1.23和1.56，说明财政收入增长对城乡居民收入的影响较大。

赤峰市

篇10

一、问题提出及研究述评

改革开放近四十年，我国经济取得举世瞩目的成就，GDP增速多年维持在两位数，国际地位显著提高。但是，不可忽视的是，我国城市间发展存在不平衡现象。所以，如何分好改革开放这块大蛋糕，促进城市间协调发展，就成了急需解决的问题。鉴于此，众多学者对城市经济发展问题进行了研究。目前，我国城市经济发展依然存在众多问题，魏学文，刘文烈（2014）认为促进城市的集群化发展是当前中国城镇化和经济发展的一种重要方式。[1]而徐顽强，段萱（2014）认为区域整合进程中缺乏协同，导致城市群及区域经济发展从产业生态到功能定位的高度重叠。[2]不仅如此，孟德友，李小建等（2014）指出，充分发挥中心城市对全区的带动作用，以经济区来组织城市经济发展将是长三角地区城市经济均衡、协调和一体化融合发展的有效途径。[3]

二、城市经济发展水平的评价指标及实证方法

（一）评价指标的选取

本文选取指标时遵循指标数据的客观性、可比性和可搜集性原则，力争指标科学地、全面地反映城市经济发展水平。本文从地区生产总值 （单位：亿元）、工业增加值 （单位：亿元）、公共财政预算收入 （单位：亿元）、社会消费品零售总额 （单位：亿元）、进出口总额 （单位：亿美元）、固定资产投资 （单位：亿元）、金融机构存款余额 （单位：亿元）、金融机构贷款余额 （单位：亿元）及居民消费物价指数 （单位：%）这九个指标来综合分析江苏省内13个城市2012年的城市经济发展水平。这13个城市依次为南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、泰州、宿迁。

（二）实证分析方法

因子分析的基本思想是根据相关性大小把原始变量分组，每组变量代表一个基本性结构，这个结构就称为公共因子。然后再从研究相关矩阵内部的依赖关系出发， 把一些具有错综复杂关系的变量（指标）归结为少数几个综合因子的一种多变量统计分析方法。同时本文在因子分析所得结论的基础上，使用Q型聚类分析进行验证分析。

三、城市经济发展水平的实证分析

（一）数据的选取

根据评价指标，选取13市的经济指标数据（因篇幅限制，原始数据未列出，如有需要，可至苏州市统计局网站获取）。

（二）标准化处理

本文采用标准化处理来消除不同量纲的不同可能所带来的不合理的影响。标准化后的新标量用字母 （i=1，2，3…9）表示，所代表的经济含义与原来的数据一一对应。

（三）对标准化的数据进行因子分析

应用软件SPSS做因子分析，得出第一主因子和第二主因子的累积贡献率为94.009%（因篇幅限制，总方差解释表未列出），而一般要求累积贡献率在85%以上，这就表明了这两个主因子能够基本包含原始指标的信息。

（四）确定城市经济发展水平

从分析的结果来看，苏州、南京和无锡是经济发展水平较高的城市，无论是从其财政预算收入上还是从其固定资产投资上，经济发展程度都是很发达的。而相比较之下，淮安、连云港和宿迁等城市的经济发展水平是比较落后的，每一项指标都是很低的。这就充分说明了江苏省的13个城市的经济发展水平是参差不齐的。总体上来看，苏南地区好于苏北地区。此外，苏南地区经济发展也并不同步，最典型的就是镇江，综合得分排在了第10位，只好于淮安、连云港和宿迁。

（五）Q型聚类分析

对于上述的因子分析结果，本文采用Q型聚类分析进行验证性检验。根据所选用的指标对江苏省13个城市进行Q型聚类分析，可以得出南京、苏州和无锡属于一类；常州和南通属于一类；镇江、泰州、扬州、盐城、徐州、连云港、淮安和宿迁属于一类。这三类城市基本上反映了江苏省的现行情况。南京作为全省的政治、经济中心，苏州和无锡作为全省的经济中心，无论是从固定资产投资数额，还是社会消费品零售总额上来看，较其他的市都有着显著的优势。

而常州和南通作为第二类城市，与南京、苏州和无锡这三个城市还有一定的差距。但还是具有发展潜力的，南通作为港口城市，常州作为轻工业城市，都有着自己独特的优势。而徐州、镇江和宿迁等其他城市就相对落后一些，较苏州和南京更有较大差距

通过以上所得结论可以看出聚类分析和因子分析得出的结果是基本一致的。这说明用因子分析和聚类分析评价城市的经济发展水平是合理的，本文的数据分析的结论是正确的。

四、结束语及政策建议

首先，根据以上分析，笔者认为江苏省应该采取大城市与小城市联动型的城市化发展模式。即发达城市帮助经济发展相对落后的城市。对于南京、苏州和无锡这几个中心城市而言，不仅要充分发挥其作为江苏省的经济和政治中心的作用，还要强化其对周边城市的辐射作用，而且更应该改善其投资的软硬环境，而政府应该加大这方面的监管。对于次中心城市的南通和常州而言，应以经济发展为基础，充分发挥各自的优势，并加强其与中心城市的经济联系，逐步形成以南京、苏州和无锡为主的城市群，实现共同发展。

其次，目前苏南地区的大部分劳动者都是来自苏北地区，对苏南地区的经济发展起到了重要作用。目前，苏南地区城市的人口压力正在增加以及基层劳动者市场趋于饱和。所以作为经济较发达的苏南地区应当反哺苏北经济较不发达地区，加大对这些城市的投资，吸引苏北劳动者向苏北地区流动，这既能加快苏北地区发展，而且能为苏南地区带来新的投资。

最后，必须打破行政区划的分割，坚决反对城市保护主义的存在。以经济联系和经济辐射为依据进行行政区划调整，特别要针对自身经济实力较弱，城市化水平较低的城市制定相应的保护政策， 带动其发展。

参考文献：

[1]魏学文，刘文烈.黄河三角洲城市群发展格局与战略研究[J].中国石油大学学报，2014（01）：29-34.