EN中文

经济地理 >

2019 , Vol. 39 >Issue 6: 97 - 107

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.06.011

城市地理与新型城镇化

中国城镇化与经济增长的耦合协调发展及影响因素

  • 周亮 , 1, 2 ,
  • 车磊 3 ,
  • 孙东琪 2
展开
  • 1.兰州交通大学 测绘与地理信息学院，中国甘肃 兰州 730070
  • 2.中国科学院 地理科学与资源研究所/资源与环境信息系统国家重点实验室，中国 北京 100101
  • 3.南京大学 建筑与城市规划学院，中国江苏 南京 210093

周亮（1983—），男，甘肃天水人，博士/博士后，副教授，硕士生导师。主要研究方向为城市地理、城市与区域可持续发展。E-mail：。

收稿日期: 2018-08-04

  修回日期: 2019-03-15

  网络出版日期: 2025-04-24

基金资助

国家自然科学基金项目(41701173)

教育部人文社会科学研究青年基金项目(17YJCZH268)

中国博士后科学基金项目(2016M600121)

兰州交通大学百人计划项目

收起

The Coupling Coordination Development between Urbanization and Economic Growth and Its Influencing Factors in China

  • ZHOU Liang , 1, 2 ,
  • CHE Lei 3 ,
  • SUN Dongqi 2
Expand
  • 1. Faculty of Geomatics，Lanzhou Jiaotong University，Lanzhou 730070，Gansu，China
  • 2. State Key Laboratory of Resources and Environmental Information System/Institute of Geographic Sciences and Natural Resources Research，CAS，Beijing 100101，China
  • 3. School of Architecture and Urban Planning，Nanjing University，Nanjing 210093，Jiangsu，China

Received date: 2018-08-04

  Revised date: 2019-03-15

  Online published: 2025-04-24

Fold

摘要

通过构建城镇化与经济增长综合评价指标体系，以中国336个地级及以上城市为研究对象，采用熵权—突变级数、耦合协调模型和空间自相关模型等方法，分析2000—2013年中国各地级及以上行政单元城镇化与经济增长的耦合协调关系，运用空间杜宾模型（SDM）对其影响因素进行剖析。研究结果表明：①2000—2013年中国城镇化、经济增长以及耦合协调程度均呈上升趋势，区域差异程度逐渐缩小，空间上“东—中—西”递减态势依旧。京津冀、长三角及珠三角的核心地位日益凸显，城镇化与经济增长协调发展存在明显的“集群化”与“梯度化”空间分异特征。②中国城镇化与经济增长耦合协调程度呈现出显著的空间关联与集聚效应，两者关联集聚程度有所减弱。城镇化与经济增长耦合协调程度的地理近邻性特征明显，高高集聚区汇聚于京津冀、长三角和珠三角城市群，鄂豫皖省际交接处等地区则是低低集聚区。③中国城镇化与经济增长耦合协调程度存在明显的空间正向溢出效应，城市人口规模、投资水平、消费能力、财政水平和产业集聚度具有较大促进作用，而城乡收入差距的扩大则会抑制其发展。

关键词： 城镇化; 经济增长; 耦合协调; 空间杜宾模型; 中国

本文引用格式

周亮 , 车磊 , 孙东琪 . 中国城镇化与经济增长的耦合协调发展及影响因素[J]. 经济地理, 2019 , 39(6) : 97 -107 . DOI: 10.15957/j.cnki.jjdl.2019.06.011

Abstract

It has close relations between urbanization and economic growth. By constructing a comprehensive evaluation index system for urbanization and economic growth, this paper takes 336 prefecture-level and above cities in China as the study object, and adopts entropy weight-catastrophe progression method, coupling coordination model, spatial auto-correlation model and other methods to analyze the coupling and coordination relationship between urbanization and economic growth of prefecture-level and above cities in China from 2000 to 2013, and analyzes its influencing factors by using spatial Durbin model (SDM). The research results show that: 1) From 2000 to 2013, China's urbanization, economic growth and degree of coupling and coordination all show an upward trend, while the degree of regional differences become weak, and it shows a decreasing trend from the east to the west. The core status of Beijing-Tianjin-Hebei region, Yangtze river delta and pearl river delta is increasingly prominent, and there are obvious spatial differentiation characteristics of "clustering" and "gradient" in the coordinated development of urbanization and economic growth. 2) The degree of coupling and coordination between urbanization and economic growth in China presents significant spatial correlation and agglomeration effect. The coupling and coordination degree of urbanization and economic growth are characterized by obvious geographical proximity. The high agglomeration areas gather in the urban agglomerations of Beijing-Tianjin-Hebei region, the Yangtze River Delta and the Pearl River Delta, but the intersections of Hubei, Henan and Anhui provinces are low agglomeration areas. 3) There is a significant spatial positive spillover effect in the coupling and coordination degree between urbanization and economic growth in China. The size of urban population, investment level, consumption capacity, financial level and industrial agglomeration play a significant role in promoting the development of urbanization, while the urban-rural income gap will inhibit its development.

Key words： urbanization; economic growth; coupling coordination; spatial Durbin model; China

城镇化与工业化作为引领中国经济增长的“双引擎”，对国家发展与复兴发挥了重要推动作用。按照诺瑟姆城市化发展规律曲线（拉平的“S”型曲线），中国的城镇化正处于发展的加速阶段（Acceleration stage，城市化水平30%~70%），发展速度和规模在人类历史上前所未有。1978—2016年，人口城镇化率从17.92%增加到57.35%，城镇人口从1.72亿增至7.93亿。城市用地从1992年的1.22×104 km2增加到2016年的7.29×104 km2，用地规模增加近5倍，平均年增长率为8.10%，增速是全球平均水平的2.5倍[1]。城镇化作为影响经济增长的最重要变量之一，不仅体现在空间的扩张，更重要地表现为人口增长带来的产业集聚与资本要素汇聚效应等[2]。各类资源与要素快速向城市集中，通过“规模经济”推动城市的快速膨胀，并拉动经济增长，改变生产力布局，促使人口不断向城镇密集区集聚，尤其向东部沿海的中心城市和大城市集聚，正逐渐重塑中国的经济地理格局[3]。
城镇化作为中国重振内需和结构转变的枢纽，是未来驱动经济长期增长的主要动力。然而城镇化导致各类要素价格上涨、环境与社会健康成本上升，将会损害城市经济良性增长与竞争力，也会导致城市化本身的停滞与一系列严峻的问题[4]，例如“冒进式城镇化”、“大规模造城”、“鬼城”、交通拥堵、资源短缺、贫困失业、耕地流失、农村空心化以及水与大气环境污染（PM2.5）引发的城市健康危害等问题[5⇓-7]。鉴于此，过去以数量增长和“土地冒进”为典型特征的传统城镇化发展模式急需转型[8]。如何协调城市发展与经济增长的关系，科学引领中国城镇化的健康发展，是当前结构转型研究的热点。国内外学者就该问题展开了系统的研究，主要可以归纳为三个方面：一是分析城市化与经济增长之间关系。城市化水平和经济增长本质上是相互影响的内生化过程，城市化对经济增长具有正向促进作用，能带动经济增长[9⇓-11]。Berry等学者认为经济增长和城市化发展之间具有显著的正相关性[12-13]、粗略的线性关系、显著对数关系以及倒U型关系[14-15]，然而，也有学者认为没有任何证据表明城市化程度与经济增长之间存在任何直接的关系。过度城市化可能会给经济增长带来负面效果，城市化本身对于经济增长的影响并不显著[16]。二是城市化的经济增长效应机制。城市化是经济増长的重要动力来源，两者间存在双向互促共进关系及影响机制[17-18]。城市的集聚能够促进中心地（城市）乃至整个国家经济增长[19]，城市用地扩张、人口结构转型不仅影响经济增长数量，还通过产业结构升级、城市化、生态环境变化和规模经济等路径影响区域经济增长质量[20]。研究认为城市用地每增加3%，GDP相应增长10%[21]。城市用地扩张有利于提高区域集聚经济效益与规模。然而，一旦突破最优规模经济状态后，管理、交通和环境成本等快速增加，区域规模效率和增长质量会下降[22-23]。城市化“规模收益”递增对经济增长贡献的关键在于资源的配置机制与效率。因此，拉美式的“城市化”和中国“半城镇化”的发展道路都不可取，只有探索符合国情的城镇化与工业化同步协调的新型城镇化，才是经济增长和中国新型城镇化的必由之路[24]。三是城市化与经济增长的协调性研究。城市化与经济增长既存在紧密的关系与影响，还存在协调同步的问题。由于各种主客观因素影响和叠加，两者之间也会出现不协调问题，例如资源分布不均，城乡差距拉大等突出矛盾，两者的不协调严重制约着城镇化发展与经济持续健康稳定增长[25-26]。Henderson等认为城镇化率与经济增长不能错位太多，过度集聚与过少集聚都影响经济增长[27⇓-29]。
综上所述，城镇化与经济增长之间存在着十分密切的关系，其中积极影响的研究多于消极影响。一方面，城镇化不仅能改善生活水平，还可以提高文化生活环境，吸引储备相关技术人才，提高城市创新创业能力，并且可以通过招商引资，促进产业结构调整、升级，为经济增长提供了人力资本。城镇化也会改变原有生产生活方式，带动农业现代化、产业高级化发展，缩小城乡差距的同时，不断加深城乡一体化进程，稳定内需、缓解社会公平矛盾，促使城市经济走平稳、可持续性道路。另一方面，经济增长对城镇化起到推动作用，为城镇化建设提供物质基础，解决社会建设、公共基本服务以及基础设施等不平衡、不充分的矛盾，缓解由于城乡收入差距过大造成的社会不稳定现象，带动就业，提高了人们的生活水平。二者相互作用、相互促进，同时也相互制约、互为因果。如何提高城镇化质量、因势利导、趋利避害，积极引导城镇化建设与经济增长持续、协调、健康地发展就成为新时期探索中国城市建设与结构性发展转型的关键点。因此，为了深入透析城镇化与经济增长之间发展规律及其影响因素，本文选择2000—2013年高速城镇化时期（城镇化率由36.22%增加到53.70%）与经济高速增长期（GDP由10.03万亿元增加到59.52万亿元）为研究期，以中国336个地级及以上城市为研究对象，构建城镇化与经济增长协调发展综合评价指标体系，采用耦合协调模型、空间自相关模型综合分析各行政单元城镇化与经济增长耦合协调发展的时空分异格局，并进一步运用空间杜宾模型（SDM）探讨其影响因素。以期从全国和城市层面定量揭示中国城镇化与经济增长的发展态势，科学理解中国城镇化与经济增长之间的关系与影响因素，为寻求绿色、包容、可持续的城镇化发展道路提供理论依据。

1 研究方法与数据来源

1.1 研究方法

①熵权—突变级数模型。熵值法是一种客观赋权法，用来判断某个指标离散程度，用信息熵值确定各指标权重，避免了人为排序的主观性，结果也更客观。突变级数法是一种对评价目标进行多层次矛盾分解，然后利用突变理论与模糊数学相结合产生突变模糊隶属函数，是对评价目标进行排序分析的一种综合评价方法。它可以避免数据客观评价造成的影响程度与实际不相符现象，减小数据对评价结果的影响。本文将二者有机结合，运用熵值法先对各指标进行客观权重计算，再对权重计算结果通过突变级数法求得各功能层权重指数，并最终计算得出目标层函数得分[32]。具体见表1。
表1 突变级数的势函数、分叉集和归一公式

Tab.1 The potential function, bifurcation set and normalization formula of catastrophe progression model

突变类型 变量个数 势函数 分差函数 归一公式
折点突变 1 F(x)=x3+ux u1=-3x2 Xu1=u11/2
尖点突变 2 F(x)=x4+u1x2+u2x u1=-6x2 Xu1=u11/2
u2=8x3 Xu2=u11/3
燕尾突变 3 F(x)=x5+u1x3+u2x2+u3x u1=-6x2 Xu1=u11/2
u2=8x3 Xu2=u11/3
u3=-3x4 Xu3=u11/4
蝴蝶突变 4 F(x)=x6+u1x4+u2x3+u3x2+u4x u1=-10x2 Xu1=u11/2
u2=20x3 Xu2=u11/3
u3=-15x4 Xu3=u11/4
u4=4x5 Xu4=u41/5
②耦合协调模型。基于城镇化与经济增长协调发展内涵，遵循代表性、科学性、易取性等数据获取原则，构建城镇化和经济增长两系统综合评价指标体系（表2）。
表2 中国城镇化与经济增长协调发展评价指标体系

Tab.2 The evaluation index system of urbanization and economic growth in China

目标层 功能层 具体指标 权重
城镇化发展水平（U）0.604 人口城镇化（U1）0.540 非农人口比重（U11） 0.096
城镇就业人口（U12） 0.098
经济城镇化（U2）0.313 城镇家庭人均可支配收入（U21） 0.098
人均GDP（U22） 0.095
土地城镇化（U3）0.319 人均道路面积（U23） 0.102
城市建成区面积（U31） 0.102
商品房屋销售面积（U32） 0.104
社会城镇化（U4）0.450 万人在校大学生数（U41） 0.096
万人医卫人员数（U42） 0.108
民用汽车拥有量（U43） 0.102
经济增长水平（E）0.763 经济规模（E1）0.453 GDP（E11） 0.205
经济结构（E2）0.514 第二产比重（E21） 0.203
第三产比重（E22） 0.192
经济效益（E3）0.442 职工平均工资（E31） 0.195
人均财政收入（E32） 0.205
各系统综合度指数计算模型为：
U a = α i C i , E b = β i J i
式中： α i和 β i表示熵权—突变级数法计算的城镇化与经济增长两目标层权重；Ci和Ji表示城镇化与经济增长的功能层指标标准化值。
将各子系统指数平均加权求和并计算均值得城镇化与经济增长协调发展综合指数Tit，公式为：
T i t = 1 2 U a + E b
式中： U a和 E b分别表示城镇化与经济增长水平值。
为使函数值亦即耦合度更具有层次性，引入变异系数Cv对耦合度模型进行修正，以期降低分系统离散程度，最终城镇化与经济增长耦合度测算模型如下：
C i t = 2 - 2 × U a 2 + E b 2 U a + E b 2
式中：C=1，表示城镇化系统与经济增长系统达到良好共振耦合；C=0，表示城镇化系统与经济增长系统之间无相互作用。
耦合度高低只能说明城镇化与经济增长两系统间相互作用的强弱，无法衡量出系统间发展的协调程度，因此引入协调度模型测度城镇化系统与经济增长系统的协调发展状况：
D i t = C i t × T i t
式中：D为协调度；C为耦合度；T为综合度。根据协调度D及城镇化系统U（a）和经济增长系统E（b）的大小，同时借鉴物理学关于协调类型的划分，可以将城镇化与经济增长的耦合类型分为3大类，4个亚类和12个子类型（表3）。
表3 城镇化与经济增长的耦合协调类型划分

Tab.3 Classification of the coupling coordination between urbanization and economic growth

类型 数值 亚类型 子类型 耦合协同类型
协调发展 0.8<D≤1 高级协调 U（a）-E（b）>0.1 高级协调—经济增长滞后
E（b）-U（a）>0.1 高级协调—城镇化滞后
0<|U（a）-E（b）|<0.1 高级协调
转型发展 0.5<D≤0.8 基本协调 U（a）-E（b）>0.1 基本协调—经济增长滞后
E（b）-U（a）>0.1 基本协调—城镇化滞后
0<|U（a）-E（b）|<0.1 基本协调
不协调发展 0.3<D≤0.5 基本不协调 U（a）-E（b）>0.1 基本不协调—经济增长受阻
E（b）-U（a）>0.1 基本不协调—城镇化受阻
0<|U（a）-E（b）|<0.1 基本不协调
0≤D≤0.3 严重不协调 U（a）-E（b）>0.1 严重不协调—经济增长受阻
E（b）-U（a）>0.1 严重不协调—城镇化受阻
0<|U（a）-E（b）|<0.1 严重不协调
③空间自相关模型。空间自相关是分析数据在空间上相互关系的一种测度方法，用于解释空间属性数据的关联特征，进一步阐述其在空间上的集聚状态。本文选取全局Moran's I指数测度中国城镇化与经济增长耦合协调程度的空间关联特征，分析其空间集聚态势，其计算公式为：
M o r a n       ' s         I = ∑ i = 1 n ∑ j = 1 n w i j x i - x - x j - x - S 2 ∑ i = 1 n ∑ j = 1 n w i j
局部空间自相关，用来识别城镇化与经济增长耦合协调程度在城市间形成的空间关联模式，进而分析局部空间上的不均衡性，从而发现城镇化与经济增长协调发展的空间异质特征。本文采用Local Moran’s I的LISA统计量表示局部空间自相关，其计算公式为：
L I S A = x i - x - s 2 ∑ j n w i j x i - x -
④空间Durbin模型。依据Tobler的地理学第一定律，一个地域单元上某种空间属性值与其相邻近单元上同一空间属性值是相关的，空间距离越近的事物相关性也就越大，地理空间属性值之间存在空间相互依赖性[31-32]。一般的回归模型很难对空间关系进行测度，而空间计量模型可以很好地解决地理事物空间依赖性的计量回归问题。Elhorst提出的空间杜宾模型[29]，不仅考虑了因变量外生交互作用带来的空间相关性，还考虑了自变量内生交互效应，是空间计量模型的一般形式，其计算公式为：
y i t = c + ρ ∑ j = 1 n w i j y i t + β k ∑ k = 1 m x i t , k + λ k ∑ k = 1 m ∑ j = 1 n w i j x i t , k + ε i t
式中：yit为因变量；i代表城市数量；t为时期数；c为常数项；ρ为因变量的空间滞后项系数；λk为第k个自变量的空间滞后项系数；n为城市总数；m为自变量个数；wij为空间权重矩阵；xit，k为i城市t时期第k个自变量；βk是第k个自变量回归系数；εit为随机误差项。

1.2 数据来源

本文所使用的数据包含基础地理地图数据和社会经济统计数据两个部分。选取2013年中国地级及以上城市作为基准对象，不包括台湾省、香港和澳门特别行政区。为保持研究区的空间连续性和分析连贯性，对比2000和2013年各地级市，由于2001年后部分地区存在撤县建市，故剔除了个别省直辖市县级行政单元（如河南省济源市，湖北省潜江市、天门市、仙桃市和神农架地区）。2000年个别地区由于行政区划原因未改为地级市，仍保留其原有行政单元。因此，得到336个地级及以上城市纳入本文研究范围，其底图数据采用国家基础地理信息中心（http://ngcc.sbsm.gov.cn）提供的中国1∶400万的矢量图。社会经济统计数据主要来源于2001年《中国区域经济统计年鉴》和2001、2014年《中国城市统计年鉴》以及各省、自治区、直辖市对应年份统计年鉴，对个别缺失数据通过各省市统计年鉴及官方统计部分数据等做补充，或进行趋势插值法补齐。

2 结果与分析

2.1 城镇化与经济增长水平格局

采用标准差截断法对2000和2013年中国各行政单元城镇化和经济增长水平进行等级划分，分为4个等级：低水平地区、中等水平地区、较高水平地区和高水平地区4类地区，以探讨中国城镇化和经济增长水平的空间格局演变（图1、图2）。
图1 2000和2013年中国城镇化的空间格局

Fig.1 The spatial pattern of China's urbanization in 2000 and 2013

图2 2000和2013年中国经济增长的空间格局

Fig.2 The spatial pattern of China's economic growth in 2000 and 2013

①城镇化水平格局演变。2000—2013年中国城镇化进程处于快速提升阶段，城镇化水平有显著提升。2000和2013年城镇化发展水平均值分别为0.0429和0.2125，城镇化水平提高了近4倍，年均增长率为28.24%，增长速度较快。2000和2013年城镇化发展水平的标准差分别为0.0258和0.1049，变异系数分别为0.6014和0.4927，绝对差距方面扩大了近3倍，相对差距方面缩小了近22%，表明伴随着快速城镇化不断进程，各城市间城镇化发展水平绝对差距日益加大，而相对差距的不断缩减使得城镇化的空间极化现象有所缓解，区域整体朝均衡方向发展。2000年北京、上海、广州、苏州、佛山等13个城市为高城镇化水平地区，这些城市主要集中在东部沿海三大城市群，且大多是省会城市。185个城市为低城镇化，占全部城市的55%，广泛分布于中国东北、中部和西部地区。到2013年高城镇化水平城市数量为221个，在长三角、珠三角与长江中游等城市群附近等形成了高值族群，数量和空间分布上均呈现巨大变化。高城镇化水平城市在空间上呈现出集聚扩散特征，由原先沿海地区主要城市向其周围城市扩展蔓延，形成了沿海城市群高城镇化水平集聚区，全国主要城市群城镇化水平提高明显，城镇化集群增长趋势明显。另外，西部地区除内蒙和新疆部分城市外，大部分城市仍为中低城镇化水平状态，城镇化发展“东—中—西”阶梯化格局明显。
②经济增长水平格局演变。2000和2013年经济增长水平的均值分别为0.0679和0.3834，标准差分别为0.0291和0.1114，变异系数分别为0.4286和0.2906。经济增长水平明显提升的同时，城市间绝对差距与相对差异均呈现缩小趋势，经济增长的空间差异不断缩减。2000年经济增长水平高值区较少，仅有北京、上海、广州、深圳4市脱颖而出，成为全国经济增长的龙头城市。中部和东北地区大部分城市经济增长水平较低，处于低经济增长阶段，形成了从南到北贯穿全国的低经济增长水平连片带。2013年整体空间格局发生了较大改变，高经济增长城市数量明显增加，形成了以长三角、山东半岛、京津冀、珠三角、呼包鄂榆等城市群地区为核心的集中连片群，西藏地区经济增长状况也较好。2013年经济增长水平最高的城市为北京市和深圳市，其经济增长水平分别为0.8860和0.8168，而经济增长水平最低的城市为海口市和南宁市，其经济增长水平仅为0.0722和0.0775，最大值与最小之间相差10倍之多。全国各城市经济增长之间的差异在缩小，但固有的两极分化现象依旧。高经济增长城市在空间上呈现出沿海、沿边疆扩展的整体趋势，我国东部沿海地区城市和西北、西藏边疆地区城市成为经济增长水平提升较快地区，中部地区次之，空间整体上形成了“两边高、中间低”的塌陷型格局。

2.2 城镇化与经济增长协调发展空间分异特征

根据耦合协调模型，计算得出2000—2013年中国城镇化与经济增长的耦合协调程度。参考耦合协调划分类型标准（表2），采用标准差截断法将城镇化与经济增长耦合协调度划分为4个等级，即低度耦合协调、中度耦合协调、高度耦合协调和极度耦合协调，通过特征化得到不同时间段耦合协调程度的空间分布（图3）。2000年，整体上城镇化与经济增长耦合协调水平较低，绝大多数城市属于低度耦合协调类型，仅有深圳市是高度耦合协调类型。部分中度耦合协调类型城市分布于京津冀、长三角、珠三角、山东半岛等地区，其与经济增长和城镇化发展水平空间分布有较好的一致性。说明城镇化与经济增长耦合协调发展水平主要与系统基础分布水平有较大关联。
图3 2000和2013年城镇化与经济增长耦合协调发展空间演变趋势

Fig.3 The evolution trend of coordinated development of urbanization and economic growth in 2000 and 2013

各类型城市间仍存在亚类划分上的异质性，在低度耦合协调类型城市中，“低协调—城镇化滞后型”占大多数。本世纪初期中国城镇化才刚刚起步，经济增长与城镇化滞后发展速度不匹配，导致整体耦合协调发展程度较低。中度耦合协调类型城市中，仍旧以中等协调—城镇化滞后类型较多。这也印证了中国经济增长与城镇化发展的阶段性特征，发展速度不匹配严重制约了当期城镇化与经济增长的耦合协调发展。到2013年整体上城镇化与经济增长耦合协调水平有较大提升，高度耦合协调类型占主导，中度耦合协调和极度耦合协调类型较少，不存在低度耦合协调类型城市。其中，深圳、鄂尔多斯、北京、上海等城市城镇化与经济增长的协调度值大于0.8000，属于极度协调地区。这些城市大多数是各城市群核心城市，其在城镇化发展和经济增长过程中有较大进步，能带动城市群周围城市共同进步。但这些极高协调度城市亚级分类，大多数属于“极度协调—经济增长滞后型”。快速城镇化的发展导致经济增长水平与城镇化之间差距越来越大，严重限制两系统协调同步发展。且快速城镇化带来的规模与结构效应并未能充分促进经济增长，一定程度上也为今后城市协调发展埋下隐患。

2.3 城镇化与经济增长协调发展空间演变特征

为进一步分析中国城镇化与经济增长协调发展的空间演变特征，本文基于2000和2013年城镇化与经济增长的协调度指数，采用空间自相关模型，计算全局Moran's I指数，其值分别为0.4023和0.3967，均在99%置信度水平下通过检验，表明中国城镇化与经济增长协调发展存在明显的正向空间自相关性，空间集聚态势有所减弱。局部空间自相关指数可以测度空间集聚的明显位置及区域相互关联的程度，具体刻画出各城市间城镇化与经济增长协调度的局部空间集聚特征。因此，本文分别计算了2000和2013年中国各城市城镇化与经济增长耦合协调度的局域空间关联指数值，并借助ArcGIS 10.2将结果空间化，得到中国城镇化与经济增长协调度的LISA集聚图（图4）。
图4 2000和2013年中国城镇化与经济增长协调度的LISA集聚图

Fig.4 The LISA cluster map of the coordinated development of urbanization and economic growth in2000 and 2013

①高高集聚区（H-H）。主要稳定集中在长三角、珠三角、京津冀和山东半岛等城镇化与经济增长水平较高的城市群地区。该类型城市在2000年有26个，到2013年共有35个城市，数量上在不断增加。这些城市的城镇化与经济增长协调度指数远远高于周边城市，是区域协调发展的增长极。具体来看，2000年该类型地区集中分布在东部沿海地区，形成以山东半岛、长三角、海峡西岸和珠三角城市群为中心的高值集聚区。2013年，东部沿海地区仍旧形成了高值集聚区，不同的是其空间格局发生了显著变化。长三角地区是高高集聚类型最多的区域，在研究期内也最为稳定。呼包鄂榆与甘肃省的酒嘉地区，依托呼包鄂榆城市群与酒嘉一体化建设，逐渐提高其自身以及周围城市城镇化与经济增长水平，形成了区域协调发展的高值集聚区。辽东半岛和胶东半岛附近地区也形成明显高高集聚，这从一方面也表明了山岛半岛与辽东半岛城镇化与经济增长的发展取得了显著成果，使得其协调发展程度也日趋增强，形成区域核心。且山东半岛、辽东半岛与京津冀地区经济都比较发达，城市间经济联系密切，要素流动、报酬转移以及技术扩散等溢出效应作用明显，从而可以带动周边城市城镇化与经济增长不断协调发展。
②低低集聚区（L-L）。该类区域在空间上分布于大兴安岭、六盘山、秦巴山区、广西云南边疆、南疆和豫皖省际交接处等地区，在空间分布位置上与中国连片特困区基本吻合，涵盖了14个连片贫困区中的半数以上。2003年该类型城市有40个，到2013年变化至41个，其城市数量在所有类型中占比重最大，局部空间关联特征尤为明显。该类区域是城镇化与经济增长协调发展指数非常低、增长速度慢的集聚区。且多集中于山区，经济增长与城镇化发展受到限制条件约束作用较大，多城市集中分布，在空间上形成了明显的负向传导作用，严重制约了城镇化与经济增长进程，从而其协调发展程度自然也较低。单纯依靠其自身发展经济，推动城镇化进展是不现实的，针对性制定适应其现实情况的发展道路，是破解该地区城镇化与经济增长协调发展程度集中连片较低分布的突破口。
③高低集聚区（H-L）。2003年该类型地区包括贵阳、兰州、南昌、重庆、太原和西安等6市，到2013年演化成防城港、呼伦贝尔、佳木斯、柳州、兰州和重庆市。此类型地区主要是各省省会城市，在研究期内在数量变化上相对比较稳定，空间分布上有较大变动。一方面，虽然该类地区的城镇化与经济增长协调发展处于较高水平，但与增长极区相比仍有一定差异，其城镇化与经济增长协调度仍有较大增长空间。另一方面，受其周边城市较弱的空间相互制约，该地区较快增长的城镇化与经济增长协调度并没有能带动周围地区的协调度整体增长，而是呈现出一定的极化效应，这也在一定程度上制约了其自身城镇化与经济增长的协调发展。
④低高集聚区（L-H）。该类型地区有清远、宣城、营口、承德和忻州市，其分布相对比较稳定，研究期内其主要变化不明显。该类地区本身城镇化与经济增长协调度较低、增长较慢，而其周围城市协调发展均较高，但未能受到相邻地区城市在城镇化与经济增长过程中的带动，区域间的溢出传导效应对其影响程度较小。具体分析，由于其空间位置分布的独特性，这类城市多在由增长较快地区向增长较慢地区的过渡区，分布在增长较快的高高或高低集聚区周围，双方正负影响交互作用，从而一定程度上削弱了高值集聚区通过溢出效应带来的“涓滴作用”，弱化了该地区城镇化与经济发展的协调度。

2.4 城镇化与经济增长耦合协调发展影响因素

中国城镇化与经济增长耦合协调发展时空格局存在“集群化”与“梯度化”等特征，空间关联性较强，各评价要素间相互作用、相互影响，从而使得城镇化与经济增长这两系统最终表现出相应的格局、过程与规律。本文从人口、经济、土地和社会4个方面对中国城镇化水平进行测度，从经济规模、经济结构和经济效益3个方面衡量中国经济增长水平。因此，从对二者均产生影响的关键要素入手，探明其对中国城镇化与经济增长耦合协调发展的作用程度，具体包括人口汇集、城乡发展、城市投资、消费状况、政府财政与产业发展等6个方面。
人口集聚加快城镇化进程，经济增长的同时也会吸引人口集聚，为城市建设提供充足劳动力，有利于发挥人口红利，促进经济增长。城乡收入差距一直以来制约着中国城镇化的进程，城乡差距过大不但不利于共同富裕，抑制经济增长，相应地还会导致各自社会矛盾，不平衡、不充分的问题会使得城镇化进程受到阻滞。投资水平显示一个地区的吸引能力，固定资产投资越多，经济增长越容易。固定资产投资也大大加快了城市基础社会的改善，为城市城镇化建设间接地提供支持和保障。消费能力方面，消费促进生产，生产促使就业，就业吸引劳动力，使得人口集聚，形成城镇化的必要要素准备。消费能力的提升也会促进经济增长，拉动消费、提高内需，对于提高一个地区经济发展水平而言，更为直接，也更为有效。财政收入水平，直接体现着当地经济发展状况。政府财政收入越多，对于基础社会、民生问题的改善能力也就越强。这些方面的提升，一定程度上促进当地城镇化进程。因而，在衡量某一地区城镇化以经济增长协调发展过程中，地方政府财政收入水平显得十分重要。产业结构升级转化促使城镇化加速经济增长，使得城镇化更加合理，经济增长更加协调。第三产业的快速集聚使得城镇化发展水平显示出明显高低差异，此外由于第三产业的低消耗、高回报的特性，对经济增长也会更加有利。综上所述，城市的人口集聚程度、城乡差距度、投资水平、消费能力、财政水平和产业集聚程度对城镇化和经济增长起着不同的作用，因此城镇化与经济增长的协调发展也离不开这些因素的作用。基于此，本文选择各城市年末总人口数表示人口规模（x1）、各地级市城乡收入比值表示城乡收入差距（x2）、人均固定资产投资总额表征不同城市的投资水平（x3）、各城市人均社会消费品总额表示消费能力（x4）、人均地方财政收入表示各城市的财政水平（x5）以及第三产业产值区位熵反映产业集聚程度（x6），构建空间回归分析模型，以期探明这六种要素对城镇化与经济增长的协调发展的影响程度。
通过前文空间自相关的分析，说明中国城镇化与经济增长协调发展指数存在空间集聚，城镇化与经济增长协调发展水平不但与自身因素有关，同时亦与周围地区存在相关性，城镇化与经济增长协调发展存在明显的空间依赖性。本文采用空间杜宾模型分析中国城镇化与经济增长协调发展指数的空间效应，选择各城市间欧式距离的倒数作为城市间的空间权重。对比固定效应与随机效应两种形式下的空间杜宾模型的Hausman检验和Log-likelihood进行选择，其Hausman检验结果的卡方差值较大且通过了1%显著性检验，且对数似然值显示固定效应空间杜宾模型明显优于随机效应的空间杜宾模型。因此，本文最终选择固定效应空间杜宾模型作为最优模型进行模拟分析。
①空间效应分析。从整体上来看，固定效应空间杜宾模型调整后的R2达到0.9905，显示模型的整体拟合程度较高，解释变量与被解释变量之间有较好的拟合关系，能够较全面地表征二者之间的关系。空间自回归系数ρ为0.5387，通过了1%显著性检验，表明中国城镇化与经济增长耦合协调程度存在明显的空间正向溢出效应，各地区耦合协调程度不但受到本地区各类因素的影响，相邻地区各类因素对本地区也存在相应的影响。这种空间溢出效应可以缩小地区间耦合协调程度的差距，进一步促进中国城镇化与经济增长的耦合协调发展。
总体来看，投资水平、财政水平和产业集聚程度的估计系数显著为正，即人均固定资产投资、人均财政收入和第三产业集聚程度的提高，会缩小城镇化与经济增长的空间差异，提高其耦合协调发展程度。例如，在不考虑其他因素影响的条件下，产业专业化程度每增长1%，会使得中国城镇化与经济增长耦合协调程度提高0.0537%。其原因在于第三产业集聚度越高，反映其生产资料和劳动力也就越集中，产业集聚度与专业化程度也随之提高。这样不仅可以降低资源环境的消耗，减少污染物排放，使得生产效率得到提升，在不断促进城市自身经济增长的同时，还使得生产资料、人口、空间等集中利用，一定程度上加快了城镇化的进程，使得中国城镇化与经济增长向协调方向发展。
表2 中国城镇化与经济增长协调度空间杜宾面板模型估计结果

Tab.2 Estimate results of the coordination degree between urbanization and economic growth in China based on SDM

变量 回归系数 Z值 变量 滞后项系数 Z值
X1 -0.1102*** -5.33 W ×lnx1 0.8647** 2.82
X2 0.0586*** 3.61 W ×lnx2 -0.1627 -0.43
X3 0.0962*** 13.05 W ×lnx3 -0.0212 -0.15
X4 -0.0001 -0.04 W ×lnx4 -0.0834** -1.92
X5 0.0766*** 8.93 W ×lnx5 0.4397** 2.43
X6 0.0537*** 3.68 W ×lnx6 0.1430 0.43
ρ 0.5387*** 1.22 Log-likelihood 1 183.2795
σ2 0.0017*** R2 0.9905

注：“***”、“**”、“*”分别表示在1%、5%、10%水平上显著。表3同。

②影响因素分析。由于反馈作用的存在，空间杜宾模型无法完全反映自变量对因变量的影响，需要通过直接和间接效应分解来综合反映自变量与因变量之间的相互关系。由表3可以看出：在直接效应中，投资水平、消费能力和财政水平对本地区城镇化与经济增长耦合协调具有正向影响，人口规模、城乡差距和产业集聚程度对本地区城镇化与经济增长协调发展具有负向影响。在间接效应中，人口规模、消费能力、财政水平和产业集聚程度对相邻地区城镇化与经济增长协调发展水平具有显著正向作用，投资水平则对邻近地区存在负向影响。
表3 各解释变量对中国城镇化与经济增长协调度的效应

Tab.3 The effect of explanatory variables to urbanization and economic growth in China

变量 直接效应 间接效应
回归系数 Z值 回归系数 Z值
X1 -0.1133*** -5.53 0.6692* 1.04
X2 -0.0591*** -0.55 -0.0548* -0.44
X3 0.0965*** 13.84 -0.0555* -0.51
X4 0.0001* 0.02 0.0624* 0.88
X5 0.0757*** 9.06 0.2731** 2.05
X6 -0.0542*** -3.68 0.1061* 0.33
总体上固定资产投资对于城镇化与经济增长耦合协调程度的提高具有正向作用。固定资产投资对城镇化和经济增长具有重要作用，逐步加强固定资产投资力度能够促进城镇化与经济增长协调发展。地区固定资产投资表示一个地区投资水平高低，城市所有的建设都要都依靠良好的基础设施（包括道路、医疗、教育等）为前提，两者协调发展，需要具有良好的基础设施作为支撑。并且固定资产投资的间接效应也十分显著，可以证明投资水平同样是具有溢出效应，但这种作用对周围城市产生一定虹吸作用，一定程度上限制了相邻地区固定资产投资水平提升，存在剥夺效应。投资水平受限制，以至于相邻城市城镇化与经济增长协调发展水平也相应受限。也就是说一个具备良好投资水平的地区，对相邻地区的城镇化与经济增长协调发展带来了负面抑制作用。
消费能力的总体效应为0.0625，对于城镇化与经济增长协调发展水平的提高具有促进作用。伴随着经济的不断发展，城镇化也得到了相应的提升。城镇化与经济增长高度耦合协调地区集聚在沿海城市群地区，而这些地方是改革开放的前沿，其经济发展水平和城镇化水平较高。随着中国城镇化水平的不断提高，大量劳动力和科技人才不断涌入这些地方的城市，带来了劳动力和技术生产等要素空间集聚所产生的结构和规模效应，刺激了城市生产效率的提高和消费需求的增长。消费拉动并刺激经济增长，经济增长促进城镇化进程。因此，社会消费水平的提高对周边地区和本地的城镇化与经济增长协调发展的都起到了正向促进作用。
城市是以服务业为代表的第三产业的聚集地，第三产业集聚会对城镇化发展与经济增长产生影响，相应地也会影响二者耦合协调发展程度。第三产业集聚程度对城镇化与经济增长协调发展的总体效应显著为正，可见地区产业集聚对耦合协调发展具有明显提高作用。第三产业集聚程度和专业化程度不断提升，使得中国产业结构合理化和高级化程度不断加强。在快速城镇化过程中，产业集聚降低了资源消耗、减少了环境污染、提高了生产效率。中国各地区尽管在优化产业结构大政方针政策的指导下，产业结构调整、区域经济发展和新型城镇化发展三种同步进行，但是各方面的匹配性还没有达到最优状态。

3 结论与讨论

3.1 结论

本文通过构建城镇化与经济增长评价指标体系对中国城镇化与经济增长协调发展水平进行了综合测度，对其时空格局演变特征进行了分析，并采用空间杜宾模型探讨了中国城镇化与经济增长协调发展的影响因素与溢出效应。结果表明：
第一，时间变化上，2000和2013年城镇化发展水平均值分别为0.0429和0.2125，经济增长水平的均值分别为0.0679和0.3834，城镇化与经济增长分别提高了4和6倍。变异系数分别由0.6019和0.4122，减小为0.4935和0.2842，区域差异程度降低了22%和45%。空间分布上，高值区集中分布东中西部重要的城市群与核心城市，低值区集中于中部传统农业区及西南、西北等边疆地区，城市群地区的协调度明显高于其他区域，总体呈现“东部>中部>西部”的发展格局。城镇化与经济增长耦合协调程度也存在较大提升，空间上与各子系统发展存在较强的一致性，同时也表现出集群化和阶梯化特征。
第二，中国城镇化与经济增长耦合协调发展程度的Moran’s I值为0.4023和0.3967，均在99%置信度水平下通过检验，在空间格局上具有正向空间自相关性。局部自相关分析结果表明城镇化与经济增长协调发展水平在空间上呈现显著的高高集聚与低低集聚的空间关联特征。高高集聚类型稳定集中在长三角、珠三角、京津冀和山东半岛等城镇化与经济增长水平较高的城市群地区，低低集聚类型分布与中国连片特困区基本吻合，高低集聚与低高集聚类型数量较少，分布在高高和低低集聚区之间。
第三，中国城镇化与经济增长协调发展水平在空间上存在显著的正向溢出效应，相邻地区城镇化与经济增长协调发展程度的提升会带动本地区协调水平发展。影响因素分析结果表明人口规模、固定资产投资、社会消费水平、财政收入水平和产业集聚程度对地区城镇化与经济增长协调发展水平具有正向促进作用，城乡收入差距则不利于城镇化与经济增长协调发展。发挥人口规模效应、增加固定资产投资、增强社会消费能力、控制城乡二元差异、充分发挥产业集聚优势等对于实现城镇化与经济增长协调发展有重要意义。

3.2 讨论

当前，有关城镇化与经济发展之间关系既是经典的理论问题，同时也是政府和学界持续讨论的热点议题。从本文的研究结果来看，长三角、珠三角、京津冀等东部沿海城市群和重庆、成都、西安等西部重要省会城市属于城镇化和经济增长高耦合协调地区，这些城市综合竞争实力强、城镇体系健全完整，是国家优化和重点发展区域。城市群已逐渐成为承载城镇化发展与经济增长协调发展的主要载体，以城市群为具体地域事实单元，推进和提高中国城镇化和经济增长的大战略已成为趋势。着眼于城镇化与经济增长协调发展的增长极或是核心区域发展的同时，对于中低耦合协调发展地区做好协调发展工作也迫在眉睫。中国城镇化与经济增长中低耦合发展地区主要集中于连片特困地区，加快城镇化进程、提高经济增长与乡村振兴和精准扶贫工作需同步进行。这些地区缺乏必要的发展基础条件，首先解决其贫困问题才是破解本地区协调发展程度较低和实施乡村振兴政策的关键，也对中国区域协调发展产生重大意义。本文探讨了中国城镇化与经济增长耦合协调发展的时空特征，揭示了其耦合协调发展的影响因素，刻画其空间溢出效应，理清了各影响因素在空间上相互作用关系，有助于更加全面、深入地认识中国在经济和城镇化发展中存在的问题。基于地理学空间关联视角和物理学耦合协调模型的分析，为经济增长和城镇化的研究提供新的范式。运用系统分析思维对相关问题进行研究必然是未来趋势，通过区域系统性、综合性的视角切入看待问题，更加有利于把握规律。但是有关城镇化和经济增长各种影响因素如何“引起”用协调度变化的微观作用机理，仍有待进一步揭示。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Xu M, He C, Liu Z, et al. How did urban land expand in China between 1992 and 2015?A multi-scale landscape analysis[J]. Plos One, 2016, 11(5):1-19.

[2]
Shahbaz M. Does trade openness affect long run growth?Cointegration,causality and forecast error variance decomposition tests for Pakistan[J]. Economic Modelling, 2012, 29(6):2325-2 339.

[3]
张亮靓,孙斌栋. 极化还是均衡:重塑大国经济地理的战略选择——城市规模分布变化和影响因素的跨国分析[J]. 地理学报, 2017, 72(8):419-1431.

[4]
Cao S, Lv Y, Zheng H, et al. Challenges facing China's unbalanced urbanization strategy[J]. Land Use Policy, 2014, 39(39):412-415.

[5]
陆大道. 中速增长:中国经济的可持续发展[J]. 地理科学, 2015, 35(10):1207-1 219.

[6]
王晓玥, 李双成. 基于多维视角的“城市病”诊断分析及其风险预估研究进展与发展趋势[J]. 地理科学进展, 2017, 36(2):231-243.

DOI

[7]
周亮, 周成虎, 杨帆, 等. 2000—2011年中国PM2.5时空演化特征及驱动因素解析[J]. 地理学报, 2017, 72(11):2079-2 092.

[8]
陈明星. 城市化与经济发展关系的研究综述[J]. 城市发展研究, 2013, 20(8):16-23.

[9]
Chenery H B. Patterns of development:1950—1970[M]. Cambridge: Oxford University Press,1957.

[10]
Turok I, Mcgranahan G. Urbanization and economic growth:the arguments and evidence for Africa and Asia[J]. Environment & Urbanization, 2013, 25(2):465-482.

[11]
He X, Sim N C S. Does economic growth affect urbanization?New evidence from China and the Chinese National Congress[J]. Journal of Asian Economics, 2015, 36:62-71.

[12]
Berry B J L. Internal structure of the city[J]. Law and Contemporary Problems, 1965, 30(1):111-119.

[13]
Lampard E E. Economic development and cultural change[M]. Chicago: The University of Chicago Press, 1955:81-136.

[14]
周一星, 孙则昕. 再论中国城市的职能分类[J]. 地理研究, 1997, 16(1):11-22.

DOI

[15]
Bao C, Chen X J. The driving effects of urbanization on economic growth and water use change in China:A provincial-level analysis in 1997-2011[J]. Journal of Geographical Sciences, 2015, 25(5):530-544.

[16]
Henderson J V. The urbanization process and economic growth: the so-what question[J]. Journal of Economic Growth, 2003, 8(1):47-71.

[17]
Krugman P. Development,Geography and Economic Theory[M]. Cambridge: MIT Press,1995.

[18]
Bertinelli L, Black D. Urbanization and growth[J]. Journal of Urban Economics, 2004, 56(1):80-96.

[19]
Glaeser E L, Kahn M E. Sprawl and Urban Growth[J]. Handbook of Regional & Urban Economics, 2004(4): 2 481-2 527.

[20]
Deng X, Huang J, Rozelle S, et al. Economic Growth and the Expansion of Urban Land in China[J]. Urban Studies, 2010, 47(4):813-843.

[21]
李鹏, 濮励杰. 发达地区建设用地扩张与经济发展相关关系的探究——基于与全国平均水平的比较[J]. 自然资源学报, 2012, 27(11):1823-1 832.

[22]
赵可, 徐唐奇, 张安录. 城市用地扩张、规模经济与经济增长质量[J]. 自然资源学报, 2016, 31(3):390-401.

[23]
Sun D, Zhou L, Yu L I, et al. New-type urbanization in China:Predicted trends and investment demand for 2015-2030[J]. Journal of Geographical Sciences, 2017, 27(8):943-966.

[24]
王德利, 王岩. 中国城市群经济增长方式识别及分异特征[J]. 经济地理, 2017, 37(9):80-86.

[25]
李克强. 协调推进城镇化是实现现代化的重大战略选择[J]. 中国报道, 2013(3):4-10.

[26]
谭善勇. 中国城市化的经济增长效应研究[D]. 北京: 首都经济贸易大学, 2013.

[27]
Henderson J V. How Urban Concentration Affects Economic Growth[J]. Policy Research Working Paper, 2000, 42(4):1-42.

[28]
Jedwab R, Vollrath D. Urbanization without growth,in historical perspective[J]. Explorations in Economic History, 2015, 58:1-21.

[29]
Elhorst J P. Applied spatial econometrics:Raising the bar[J]. Spatial Economic Analysis, 2010, 5(1):9-28.

[30]
李飞, 曾福生. 基于空间杜宾模型的农业基础设施空间溢出效应[J]. 经济地理, 2016, 36(6):142-147.

[31]
车磊, 白永平, 周亮, 等. 中国绿色发展效率的空间特征及溢出分析[J]. 地理科学, 2018, 38(11):1788-1798.

DOI

[32]
赵宏波, 马延吉, 苗长虹. 基于熵值—突变级数法的国家战略经济区环境承载力综合评价及障碍因子——以长吉图开发开放先导区为例[J]. 地理科学, 2015, 35(12):1525-1 532.

Options
文章导航

/

〈 〉