EN中文

Economic geography >

2021 , Vol. 41 >Issue 3: 105 - 112

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.03.011

Evaluation of Urbanization Efficiency of Urban Agglomeration in the Middle Reaches of Yangtze River and Its Spatio-Temporal Differentiation Characteristic

  • XIONG Xi , 1 ,
  • DUAN Yijia 1, 2 ,
  • FU Weiyi 3 ,
  • XIAO Jun , 1, ※
Expand
  • 1. Business School，Central South University of Forestry and Technology，Changsha 410004，Hunan，China
  • 2. Hunan Institute of Economic Geography，Hunan University of Finance and Economics，Changsha 410205，Hunan，China
  • 3. Heilongjiang Provincial Academy of Social Science，Harbin 150028，Heilongjiang，China

Received date: 2020-07-27

  Revised date: 2021-01-22

  Online published: 2025-04-30

Fold

Abstract

From the perspective of new-type urbanization and high-quality development,this paper constructs a index system of urbanization efficiency of urban agglomerations in the middle reaches of the Yangtze River. The three-stage DEA model is used to eliminate the influence of environmental factors and random factors to measure the static efficiency of urbanization, and a DEA-Malmquist model is further used to measure the dynamic efficiency of urbanization. Results indicate that: Firstly,some cities have low efficiency problems in the process of urbanization,the level of resource allocation and utilization is not reasonable,there are some ecological environment problems. Secondly,there is the phenomenon of energy waste,and the degree of input redundancy of electricity consumption in the whole society is the highest among all elements. Thirdly, generally speaking,total factor productivity of urban agglomeration in the middle reaches of the Yangtze River rose from 2009 to 2018. Finally,this paper puts forwards some proposals: strengthening the pollution control and macro management,improving land utilization rate and spatial aggregation level,and optimizing industrial structure.

Key words： urban agglomeration in the middle reaches of the Yangtze River; urbanization efficiency; three-stage DEA model; DEA-Malmquist model

Cite this article

XIONG Xi , DUAN Yijia , FU Weiyi , XIAO Jun . Evaluation of Urbanization Efficiency of Urban Agglomeration in the Middle Reaches of Yangtze River and Its Spatio-Temporal Differentiation Characteristic[J]. Economic geography, 2021 , 41(3) : 105 -112 . DOI: 10.15957/j.cnki.jjdl.2021.03.011

党的十九大报告中作出“我国已进入高质量发展阶段”的判断，同时提出“以城市群为主体，构建大中小城市和小城镇协调发展的城镇格局”。城市群作为我国经济发展格局中最活跃的单元，其高质量发展离不开城镇化效率的支撑[1]，然而，城市群在大规模开发的同时，存在不注重城市质量和内涵的粗放式发展，导致城镇化质量和效率水平不高。为此，站在高质量发展的新阶段，需要认真考虑城镇化过程中各种投入产出要素配置状况，优化改善城镇化空间要素的配置效率，提升城镇化效率，进而推进城镇化高质量发展。长江中游城市群是由武汉城市圈、长株潭城市群、环鄱阳湖城市群3个城市群为主体组成的特大型跨区域城市群。也是长江经济带三大国家级城市群之一，在长江流域经济发展中占有重要地位。将长江中游城市群作为研究对象，对其城市群城镇化效率进行测度，分析其效率的空间差异和动态演进规律，对于深化实施区域协调发展战略，促进长江中游城市群高质量发展具有重要的促进作用，对支撑我国区域发展战略的宏伟目标实现具有举足轻重的地位。
对于城镇化效率的研究，一方面，有学者开展了一定的定性研究，认为城镇化是当今推动国民经济发展的重要载体，城镇化的本质是农业土地非农化和农业人口非农化的过程，在推进城镇化的过程中，要解决就业问题、三农问题，因而与其构成“五化”的工业化、信息化、农业现代化、绿色化密切关联，在一定程度上作为“五化”重要抓手，带动城乡发展和地区的可持续发展，实现人口、经济、资源和环境相协调，实现包容性、和谐式的城镇化[2-5]，因而，城镇化效率更多地体现在城镇化的带动效应上。另一方面，有学者对城镇化效率做了大量的定量研究，从研究方法上来看，有直接使用DEA模型进行评价的研究成果，如吴旭晓、牟玲玲等运用超效率DEA模型分别对河南省和河北省新型城镇化效率发展演化趋势进行了研究[6-7]；张荣天等运用DEA模型测度1990—2011年长江三角洲地区城镇化效率[8]；方永丽运用DEA模型对2010—2014年30个省的生态城镇化效率水平和各种要素的集约化程度进行静态分析[9]。也有采用改进的DEA模型进行评价的研究成果，如范建双等采用基于Färe-Primont指数的DEA评价模型，对中国1999—2012年31个省份的城镇化综合效率进行动态的测算和分解[10]；罗腾飞等采用Malmquist效率指数和DEA-BCC模型，分析长江经济带城镇化效率[11]；魏后凯等采用单投入多产出DEA-BCC模型对中国地级及以上城市市域层面的城镇化效率进行综合评价研究[12]；尹鹏等运用DEA-Malmquist模型和障碍度模型分析1990年代以来中国沿海城市群城镇化效率特征及其障碍因子[13]；岳立等基于Global Malmquist-Luenberger（GML）指数分析方法，对2008—2015年50个典型城市包含非期望产出的投入产出面板数据从区域差异、不同行政级别差异、时间变化特征三个方面进行分析[14]。
从上述分析看，探讨长江中游城市群城镇化效率是一项十分有意义的工作，而现有研究就长江中游城市群城镇化效率开展的直接研究较缺乏，在研究方法上基本是沿用DEA方法或者稍作改进，对指标数值的科学化处理比较缺乏。本研究试图在分析现有研究基础上，提出测度长江中游城市群城镇化效率时空分异的方法，剖析其成因，有针对性地提出相关对策，为促进长江中游城市群城镇化效率提升提供科学依据。

1 研究区域概况、指标选取与数据来源

1.1 研究区域概况

根据2015年4月国务院批复同意的《长江中游城市群发展规划》，将长江中游城市群定位为中西部新型城镇化先行区，对这个区域的新型城镇化开展提出了更高的要求。同时，作为《国家新型城镇化规划（2014—2020年）》出台后批复的第一个承东启西、连南接北的跨区域城市群规划，将长江中游城市群作为推进新型城镇化的重点区域打造，更是凸显了这个区域城镇化发展的重要意义和示范作用。因此，本研究就长江中游城市群城镇化效率开展具体研究，其研究对象范围包括：湖南的长沙等8个市，湖北的武汉等10个市及仙桃、潜江、天门等地区，江西的南昌等8个市及抚州市、吉安市的部分县（区）。该区域总面积超过30万km2，人口超过1.2亿人，2020年全年共实现GDP 9.39万亿，GDP超2 000亿元城市达18个，形成了大中小城市协调发展的基础，本研究探讨长江中游城市群城镇化效率的空间差异就是根据上述区域范围进行测度，基本上涵盖了湖北、湖南、江西的主要城市。

1.2 指标选取

1.2.1 投入产出指标选取

对于测度城镇化效率的时空分异，研究多使用包含多投入和多产出的指标体系，如吴旭晓使用土地、资金和劳动力三个方面作为投入指标内容，土地投入用建成区面积表示，资金投入用城镇固定资产投资表示，劳动力用非农就业人口数量表示；产出指标内容使用经济、社会和生态三个方面，经济产出用非农产值表示，社会产出用城镇化率表示，而生态产出则用建成区绿化覆盖率表示[7]。张明斗使用建成区面积、非农从业人员、固定资产投资总额及市场化指数作为投入指标；转移人口数、城市非农产值、人均社会消费品零售总额、人均拥有道路面积及人均拥有绿地面积作为产出指标[15]。牟玲玲等构建的投入指标包括土地、资金和劳动力，土地投入用建成区面积表示，资金投入用城镇固定资产投资表示，劳动力用非农就业人口数量表示；产出包括经济、人口、生态、生活、社会城镇化五个方面，其中经济产出用非农产值表示，人口产出用城镇化率表示，生态产出则用建成区绿化覆盖面积表示，生活产出主要用城镇人口文化娱乐费用支出，社会产出则用每万人拥有医生数表示[6]。近年来，随着环境问题的突出，学者开始考虑环境污染问题，在指标体系加入环境的负产出指标，如尹鹏等从劳动力、土地和资本三个方面分析效率投入，其中非农业人口和从业人员期末人口表示劳动力投入，城市建成区面积表示土地投入，固定资产投资、地方财政一般预算内支出和实际利用外商直接投资表示资本投入；从经济、社会和生态效益三个方面分析效率产出，其中GDP表示经济效益，城镇化率和社会消费品零售额表示社会效益，建成区绿化覆盖面积、工业废水排放量、工业SO2排放量和工业烟尘排放量表示生态效益[13]。王春枝等在投入指标方面，选择非农从业人员数、建成区面积、永续盘存法得到资本存量分别代表人力投入、土地投入和资本投入；产出方面，以非农人口比重作为人口城镇化的度量变量，非农生产总值作为经济城镇化的度量变量，市区人均社会消费品零售总额近似度量作为社会生活城镇化的度量变量，以建成区绿化覆盖面积作为空间城镇化的度量变量，“工业三废”作为环境污染的度量变量[16]。张荣天等同样使用城市工业废水排放量、废气排放量、固体废弃物产生量作为环境负产出[8]。Ren等选取了资本、劳动力、土地、水、能源作为投入指标，经济增量、城市建成区面积、城市生活水平、建成区绿化面积等作为期望产出指标，温室气体排放和水污染作为非期望产出指标[17]。本文基于科学性、系统性、客观性、代表性4个指标选取原则，在参考现有研究城镇化效率的评价指标体系基础上构建了长江中游城市群城镇化效率的指标体系（表1）。
表1 长江中游城市群城镇化效率的时空分异投入产出指标体系

Tab.1 Input-output index system of urbanization efficiency of urban agglomeration in the middle reaches of the Yangtze River

指标类型 一级指标 二级指标 单位
投入指标 土地投入量 城市建成区面积 km2
资本投入量 全社会固定资产投资额 万元
劳动力投入量 年末单位从业人员数 万人
能源投入 全社会用电量 万kW·h
期望产出指标 生态效益 建成区绿化覆面积 hm2
社会效益 社会消费品零售总额 万元
经济效益 当年GDP 万元
非期望产出指标 环境产出 SO2排放量 t
环境变量 地区经济水平 人均GDP 元
市场环境 工业企业个数 个
政府政策 财政支出 万元
产业结构 第三产业增加值占GDP
的比重		 %
第二产业增加值占GDP
的比重		 %
需要说明的是，土地投入采用城市建成区面积衡量，这是因为城市建成区面积是直接与土地挂钩的指标，是城镇化发展的关键投入要素。资本投入采用全社会固定资产投资额衡量，是因为固定资产投资是城镇化资本投资的主要来源。另外，城镇化是农业人口非农化的过程，所以采用年末单位从业人员数来衡量劳动力投入。考虑到新型城镇化强调人口、经济、资源和环境相协调发展，本文选取了全社会用电量作为能源投入指标，并将产出指标分为期望产出指标和非期望产出指标。新型城镇化注重生态环境，采用建成区绿化覆盖率表示生态效益；城镇化会促进经济增长和居民消费，采用当年GDP表示经济效益，社会消费品零售总额表示社会效益。对于非期望指标的环境负产出，考虑到近年雾霾污染严重，选取具有代表性的SO2排放量表示环境负产出。

1.2.2 环境变量选取

环境变量是指对城镇化效率产生影响，但决策单元不可控制的因素。戴永安使用随机前沿模型，使用空间集聚水平、人口因素、产业结构、政府作用、城市基础设施水平、区位条件、初始条件作为影响因素进行研究[18]。谢永琴等选取经济基础（人均GDP）、城市规模（市辖区总人口）、产业结构（第三产业增加值占GDP的比重）、政府作用（财政支出占GDP的比重）、空间集聚水平（建成区占市区面积的比例）作为城镇化效率影响因素，并采用面板Tobit模型进行回归分析[19]。张泽义选取政府因素、产业结构因素、市场因素、公众的环保意识，使用Tobit模型进行城镇化效率影响因素研究[20]。罗颖等采用区域宏观环境、政府支持力度、企业研发规模和市场结构等作为区域创新效率的环境变量[21]。借鉴已有文献研究成果，本文从四个方面考虑影响城镇化效率的环境变量（表1）。

1.3 数据来源说明

2015年，国务院正式批复《长江中游城市群发展规划》，考虑到数据的可获得性，本文选取其中的27个城市作为研究对象，可进一步划分为武汉城市圈、环长株潭城市群、环鄱阳湖城市群，包括环鄱阳湖城市群的南昌市、景德镇市、萍乡市、九江市、新余市、鹰潭市、吉安市、宜春市、抚州市、上饶市，武汉城市圈的武汉市、黄石市、宜昌市、鄂州市、荆门市、孝感市、荆州市、黄冈市、咸宁市，环长株潭城市群的长沙市、株洲市、湘潭市、衡阳市、岳阳市、常德市、益阳市、娄底市。因考虑到指标口径的统一性和前后连贯性，所有评价指标体系中的指标数据均来自于2010—2019年的《中国城市统计年鉴》。

2 研究方法

2.1 三阶段DEA

有学者指出传统DEA模型没有考虑环境因素和随机干扰对决策单元效率评价的影响，因此需要对第一阶段的投入进行环境因素以及随机干扰的调整，使得调整后的决策单元面临相同的运气和外部环境[22]。

2.1.1 第一阶段：SBM-Undesirable模型

在DEA径向模型中对于无效率的单元采取比例缩减投入、增加产出的方式，松弛改进的部分在效率值的测量中并未得到体现，本文采用SBM-Undesirable模型，该模型在SBM模型在解决了径向模型对无效率的测量没有包含松弛变量的问题上，可以进一步识别期望产出和非期望产出。

2.1.2 第二阶段：运用回归模型分解第一阶段松弛值

第一阶段的松弛变量包含管理无效率项、环境因素和随机干扰。第二阶段的目标是将第一阶段的松弛变量分解成以上三种效应。回归的目的是剔除环境因素和随机干扰的影响，本文假设管理无效率是随决策单元时间线性变化和因所在城市群各个时点而异的，所以加入个体与时间趋势交乘项和城市群与时间虚拟变量交乘项来识别管理无效率，基本的模型设定如下：

S i t = X i t ' β + C i t y i · t r e n d + 城 市 群 i · ∑ l = 2009 2018 D t l · δ l + ν i t

式中： S i t是投入的松弛值； X i t '是环境变量； ν i t表示随机干扰。
记每个个体的截距估计结果为 β ^ 0 i，管理无效率项为 u i，并计算截距的最大值 β ^ 0 ≡ m a x i β ^ 0 i，并通过下式来对管理无效率和随机干扰重新调整：

u ^ i = β ^ 0 i - β ^ 0   ,   ν i t = S i t - X i t ' ^ β - u ^ i

最后通过对环境因素以及随机干扰的调整，使得调整后的决策单元面临相同的运气和外部环境。调整公式如下：

I n p u t i t A = I n p u t i t + m a x X i t ' ^ β - X i t ' ^ β + m a x ν i t - ν i t

式中： I n p u t i t A是调整后的投入； I n p u t i t是调整前的投入； m a x X i t ' ^ β - X i t ' ^ β是对外部环境因素进行调整； m a x ν n i - ν n i是将所有决策单元至于相同运气水平下。

2.1.3 第三阶段

使用SBM-Undesirable模型重新对调整后的变量测算城镇化效率。

2.2 DEA-Global Malmquist模型

SBM-Undesirable模型是针对某一时间的效率而言的，但城镇化是一个长期连续的过程，为了对城镇化效率的变动情况进行分析，本文进一步使用包含非期望产出的全局参比Malmquist模型对调整后的变量测算全要素生产率的动态变化（TFPCH）。全要素生产率的动态变化（TFPCH）又可以分解为技术效率的变化（TECH）和生产前沿的变化（BPC）。

3 城镇化效率时空特征分析

3.1 第一阶段：SBM-Undesirable模型

本文采用Stata16软件，得出长江中游城市群27个城市2009—2018的城镇化效率调整前空间分异情况（表2）。
表2 调整前2009—2018年长江中游城市群城镇化效率

Tab.2 The urbanization efficiency of urban agglomeration in the middle reaches of the Yangtze River from 2008 to 2018 before adjustment

城市 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
吉安市 1.000 1.000 1.000 1.000 1.000 0.805 1.000 1.000 0.655 1.000
宜春市 1.000 0.800 0.748 0.788 0.756 0.772 0.723 0.736 0.552 0.598
抚州市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.785 0.777
新余市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
上饶市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.763 0.712 0.710
鹰潭市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
景德镇市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
南昌市 1.000 1.000 1.000 0.728 1.000 1.000 1.000 1.000 1.000 1.000
九江市 0.671 1.000 1.000 0.628 1.000 0.752 1.000 1.000 0.578 0.655
萍乡市 0.671 1.000 1.000 1.000 0.626 0.638 1.000 1.000 1.000 1.000
宜昌市 1.000 0.642 0.629 0.649 0.697 1.000 0.672 0.735 0.552 0.595
荆门市 1.000 0.742 0.653 0.643 0.692 0.713 0.684 0.700 0.840 0.908
武汉市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
孝感市 1.000 1.000 1.000 1.000 1.000 1.000 0.711 0.665 0.594 0.645
咸宁市 1.000 1.000 1.000 0.834 0.859 1.000 1.000 1.000 1.000 1.000
黄冈市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
鄂州市 1.000 1.000 1.000 0.572 0.617 0.612 0.589 0.644 1.000 1.000
黄石市 1.000 0.626 0.592 0.601 0.594 0.613 0.597 0.698 1.000 1.000
荆州市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
常德市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
岳阳市 0.702 0.698 1.000 1.000 1.000 0.789 0.758 0.828 1.000 1.000
长沙市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
益阳市 0.807 0.822 1.000 0.865 0.773 1.000 1.000 1.000 1.000 1.000
娄底市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
衡阳市 1.000 1.000 0.569 1.000 0.649 0.663 0.621 0.625 0.674 1.000
湘潭市 0.632 0.605 0.616 0.596 0.613 0.578 0.576 0.555 1.000 0.731
株洲市 0.699 0.723 0.709 0.753 0.742 0.756 0.741 0.756 0.703 0.757
平均值 0.933 0.913 0.908 0.876 0.875 0.877 0.877 0.878 0.876 0.903
当测度值为1的时候，该城市城镇化效率有效，当测度值小于1的时候，该城市城镇化效率存在无效问题。通过测算结果的观察，发现大部分城市的城镇化过程存在低效率问题，其资源配置与利用水平存在问题，各城市城镇化效率差异较大。

3.2 第二阶段：回归剔除环境因素和随机干扰

将城市建成区面积、全社会固定资产投资额、年末单位从业人员数、全社会用电量4个投入变量进行回归剔除环境因素和随机干扰，结果见表3。
表3 第二阶段回归结果

Tab.3 The second stage regression results

（1）
ln城市建成区面积		 （2）
ln全社会固定资产投资额		 （3）
ln年末单位从业人员数		 （4）
ln全社会用电量
人均GDP -0.0000（-0.09） -0.0001（-1.07） -0.0001（-1.35） -0.0001（-1.62）
财政支出 0.0000（0.23） -0.0000（-1.43） 0.0000（0.72） -0.0000（-0.18）
第三产业增加值占GDP的比重 0.0332（1.15） 0.3473*（1.81） 0.2864**（1.99） 0.3435**（2.05）
第二产业增加值占GDP的比重 0.0377*（1.83） 0.5700***（4.18） 0.4092***（4.01） 0.4950***（4.16）
工业企业个数 -0.0007**（-2.14） 0.0005（0.20） -0.0030*（-1.73） -0.0015（-0.76）
Constant -3.1279（-0.61） -29.0582（-0.86） -15.6189（-0.62） -17.6696（-0.60）
城市群与时间虚拟变量交乘项 Yes Yes Yes Yes
个体与时间趋势交乘项 Yes Yes Yes Yes
N 270 270 270 270
Adjusted R2 0.3237 0.4284 0.4211 0.4088
gama 0.5259 0.7540 0.5996 0.5955

注：t statistics in parentheses，*p<0.1，**p<0.05，***p<0.01。

从回归系数上看，产业结构和工业企业个数是主要环境影响因素，gama值越接近1代表管理无效率越占据主要地位，由此可见管理无效率的影响在四个变量中都多于随机干扰的影响。

3.3 第三阶段：调整后效率分析

城镇化效率空间分异情况如图1。从中同样可以看出，部分城市的城镇化过程存在低效率问题，其资源配置与利用水平存在一定的问题，2018年达到有效值的城市分别是南昌市、吉安市、咸宁市、娄底市、岳阳市、常德市、新余市、景德镇市、武汉市、益阳市、荆州市、萍乡市、衡阳市、鄂州市、长沙市、鹰潭市、黄冈市、黄石市。2009—2018年均达到有效的城市有娄底市、常德市、新余市、景德镇市、武汉市、荆州市、长沙市、鹰潭市、黄冈市，表明这些城市始终达到投入产出最优配置。从长江中游城市群城镇化效率均值的走势来看，2009—2018年基本处于平稳发展的趋势，资源配置水平仍然不高，2018年略有改善。
图1 2009—2018年长江中游城市群城镇化效率

Fig.1 Urbanization efficiency of urban agglomerations in the middle reaches of the Yangtze River from 2009 to 2018

结合长江中游城市群各城市城镇化效率现状，为探究城市群城镇化过程中要素资源配置与利用效率损失的来源，本文进一步列出2009—2018年这8种要素投入和环境负产出冗余水平及期望产出的平均不足程度（表4）。
表4 2009—2018年长江中游城市群城镇化无效率原因

Tab.4 Inefficiency causes of urbanization of urban agglomeration in the middle reaches of the Yangtze River from 2009 to 2018

城市 平均综合
效率值		 投入冗余率/% 产出冗余率/% 产出不足率/%
城市建成
区面积		 全社会固定
资产投资额		 年末单位从
业人员数		 全社会
用电量		 SO2
排放量		 建成区绿
化覆盖率		 社会消费品
零售总额		 当年
GDP
上饶市 0.918 0.139 4.126 3.568 3.740 22.113 2.313 0.000 4.772
九江市 0.830 2.747 15.465 6.729 18.345 20.081 0.000 13.131 3.875
南昌市 0.974 0.000 1.141 2.427 2.905 1.604 0.000 2.951 1.032
吉安市 0.946 0.202 5.307 1.237 6.054 6.922 0.000 2.199 3.783
咸宁市 0.971 3.392 4.428 0.168 2.184 0.000 0.000 0.000 1.841
娄底市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
孝感市 0.863 3.021 0.238 12.870 4.558 11.571 19.870 0.000 21.535
宜昌市 0.718 2.010 16.182 27.013 29.847 43.523 0.038 9.920 6.411
宜春市 0.747 2.018 16.585 20.364 14.666 54.959 0.000 5.095 9.633
岳阳市 0.899 1.484 4.931 6.187 22.854 3.880 1.805 0.000 0.700
常德市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
抚州市 0.956 1.036 3.140 4.923 0.000 5.419 0.000 0.631 4.982
新余市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
景德镇市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
株洲市 0.735 9.953 14.638 8.066 44.000 34.032 0.000 3.839 2.486
武汉市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
湘潭市 0.653 7.767 23.245 19.672 63.822 30.113 0.000 8.764 0.000
益阳市 0.928 2.028 0.967 2.707 7.062 11.854 0.158 0.000 7.559
荆州市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
荆门市 0.759 0.991 10.460 18.983 44.846 18.073 4.360 0.000 6.651
萍乡市 0.894 0.492 10.108 0.000 21.688 14.275 0.000 0.000 1.710
衡阳市 0.782 15.808 4.714 10.896 26.147 31.031 0.000 0.257 14.678
鄂州市 0.806 11.711 3.954 7.365 41.018 11.582 0.000 0.000 10.452
长沙市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
鹰潭市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
黄冈市 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
黄石市 0.736 8.381 2.111 8.000 48.436 34.547 1.947 0.000 26.042
平均值 0.893 2.710 5.250 5.969 14.895 13.170 1.129 1.733 4.746
总体上来看，全社会用电量是投入冗余的主要原因，说明长江中游城市群各城市城镇化过程中用电量投入过多。从产出方面来看，SO2排放量是城镇化过程中的主要污染物，产出冗余率高达23.448%，对城镇化效率有一定负面影响，需要加强环境保护和污染减排。

3.4 基于Malmquist指数的城镇化效率动态评价

为正确评价长江中游城市群城镇化效率的时间变化趋势，以2009—2018年面板数据为基础，运用全局参比Malmquist模型方法测算了长江中游城市群城镇化全要素生产率变化及其分解。
从表5可以看出，除了2011—2012、2012—2013、2014—2015、2016—2017年这四段时期城镇化全要生产率小于1，表示全要素生产率处于下降趋势，其余各个时期全要素生产率都大于1，表示全要素生产率处于上升状态。2009—2018年长江中游城市群环境全要素生产率平均值为1.015，表明整个研究期间长江中游城市群全要素生产率呈上升趋势。其中生产前沿的变化指数（BPC）也就是生产技术变化指数为0.997，技术效率变化指数（TECH）平均值为1.019。可以看出对全要素生产率的贡献程度：技术效率变化指数>生产技术变化指数，表明技术效率改进在整个研究期间起主要作用。
表5 2009—2018年长江中游城市群全要素生产率趋势及其分解

Tab.5 Trend and decomposition of total factor productivity of urban agglomeration in the middle reaches of the Yangtze River from 2009 to 2018

年份 TFPCH BPC TECH
2009—2010 1.001 1.007 0.992
2010—2011 1.103 0.988 1.115
2011—2012 0.969 0.987 0.982
2012—2013 0.925 1.020 0.907
2013—2014 1.037 0.990 1.047
2014—2015 1.017 0.993 1.024
2015—2016 1.065 1.008 1.055
2016—2017 0.956 0.969 0.987
2017—2018 1.062 1.008 1.059
平均值 1.015 0.997 1.019
从表6可以看出环鄱阳湖城市群在研究期间全要素生产率除了上饶市、宜春市、鹰潭市，其他城市均处于上升趋势。武汉城市圈除了孝感市、鄂州市、黄石市，其他城市均处于上升趋势。环长株潭城市群整体均处于上升趋势。说明长株潭城市群相较其他两个城市群在城镇化过程中的管理水平较高，资源配置结构较好。
表6 2009—2018年长江中游城市群各市全要素生产率及其分解

Tab.6 Total factor productivity and its decomposition of cities in the middle reaches of the Yangtze River during 2009-2018

城市 TFPCH BPC TECH 城市 TFPCH BPC TECH
上饶 0.994 1.003 0.992 荆州 1.020 1.000 1.020
九江 1.039 0.992 1.048 荆门 1.003 1.001 1.003
南昌 1.005 1.001 1.005 鄂州 0.943 0.922 1.026
吉安 1.037 1.004 1.032 黄冈 1.000 1.000 1.000
宜春 0.982 1.000 0.982 黄石 0.997 1.007 1.000
抚州 1.010 0.986 1.026 娄底 1.029 1.001 1.028
新余 1.034 1.000 1.034 岳阳 1.028 1.010 1.017
景德镇 1.009 1.000 1.009 常德 1.000 1.000 1.000
萍乡 1.108 1.003 1.103 株洲 1.030 1.007 1.022
鹰潭 0.977 0.964 1.008 湘潭 1.033 1.016 1.020
咸宁 1.071 1.037 1.031 益阳 1.020 1.000 1.021
孝感 0.969 0.983 0.986 衡阳 1.013 1.003 1.013
宜昌 1.011 0.972 1.037 长沙 1.008 1.000 1.008
武汉 1.031 1.000 1.031 平均值 1.015 0.997 1.019

4 结论及建议

4.1 结论

本文从新型城镇化和高质量发展的视角，构建城镇化的投入产出指标体系，采用三阶段DEA模型和DEA-Malmquist模型测度长江中游城市群城镇化静态效率和动态效率，然后构建了城镇化静态效率的影响因素指标，得出以下结论：①长江中游城市群生态环境保护值得重视，城镇化过程中环境负产出有些过量，SO2排放量是城镇化效率无效的原因之一。②存在能源利用效率不高，全社会用电量的投入冗余程度在所有要素中最高。③部分城市的城镇化过程存在低效率问题，其资源配置与利用水平不合理。④总体上来说长江中游城市群全要素生产率在2009—2018年是上升的。

4.2 建议

基于上述实证分析结果，从新型城镇化和高质量发展的视角，提出以下提升长江中游城市群城镇化效率的对策建议：①建设生态宜居的城市群，治理工业三废等污染物排放，保护水资源，提高资源利用水平，倡导绿色低碳生活方式，加强城市绿化建设[23]。②政府应加强宏观管理，科学合理规划，不盲目投入资金，完善相关制度，共抓大保护，不搞大开发，坚持绿色发展理念，实现城乡统筹发展。③城镇化过程中不要只注重扩张城市规模，更要注重土地利用率的提高，打造互联互通的交通运输网络，节约交通运输等成本，有效提高空间聚集水平，实现产品市场、要素市场等的聚集，从而提高居民生活和城市发展水平。④优化产业结构，促进产业发展，同时打造各地区、各类型优势产业。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
方创琳. 改革开放40年来中国城镇化与城市群取得的重要进展与展望[J]. 经济地理, 2018, 38(9):1-9.

DOI

[2]
张琦. 开发性PPP:新型城镇化高质量发展的新路径[J]. 湖湘论坛, 2020, 33(3):110-118.

[3]
王彦霞, 王培安. 新型城镇化视角下县域城镇化时空格局及聚集特征——以浙江省为例[J]. 干旱区地理, 2019, 42(2):423-432.

[4]
张占斌. 新型城镇化的战略意义和改革难题[J]. 国家行政学院学报, 2013(1):48-54.

[5]
熊曦. 武陵山片区农产品流通与城镇化的高质量协同发展研究——以片区六个中心城市为例[J]. 中南林业科技大学学报:社会科学版, 2020, 14(1):46-52.

[6]
牟玲玲, 吕丽妹, 安楠. 新型城镇化效率演化趋势及其原因探析——以河北省为例[J]. 经济与管理, 2014, 28(4):91-97.

[7]
吴旭晓. 新型城镇化效率演化趋势及其驱动机制研究[J]. 商业研究, 2013(3):44-51.

[8]
张荣天, 焦华富. 长江三角洲地区城镇化效率测度及空间关联格局分析[J]. 地理科学, 2015, 35(4):433-439.

DOI

[9]
方永丽. 中国生态城镇化相对效率评价及其集约度分析[J]. 统计与决策, 2017(21):87-91.

[10]
范建双, 虞晓芬, 张利花. 中国区域城镇化综合效率测度及其动力因子分析[J]. 地理科学, 2015, 35(9):1077-1085.

DOI

[11]
罗腾飞, 邓宏兵. 长江经济带城镇化效率测度及时空差异研究[J]. 华中师范大学学报:自然科学版, 2016, 50(3):423-434.

[12]
魏后凯, 苏红键, 韩镇宇. 中国城镇化效率评价分析——基于资源环境效率的视角[J]. 中国地质大学学报:社会科学版, 2017, 17(2):65-73.

[13]
尹鹏, 刘曙光, 陈才. 中国沿海城市群城镇化效率测度及其障碍因子诊断[J]. 华东经济管理, 2017, 31(7):68-74.

[14]
岳立, 钱佩佩. 环境约束下典型城市的城镇化效率变化趋势分析[J]. 统计与决策, 2018, 34(16):108-111.

[15]
张明斗. 中国城市化效率的时空分异与作用机理[J]. 财经问题研究, 2013(10):103-110.

[16]
王春枝, 赵国杰, 穆楠. 环境与耕地约束下的城镇化效率及其发展模式探因[J]. 中国农业资源与区划, 2017, 38(6):45-54.

[17]
Ren Y, Li H, Shen L, et al. What is the efficiency of fast urbanization?A China study[J]. Sustainability, 2018, 10(9):1-26.

[18]
戴永安. 中国城市化效率及其影响因素——基于随机前沿生产函数的分析[J]. 数量经济技术经济研究, 2010, 27(12):103-117,132.

[19]
谢永琴, 曹怡品. 基于DEA-SBM模型的中原城市群新型城镇化效率评价研究[J]. 城市发展研究, 2018, 25(2):135-141.

[20]
张泽义. 环境污染、长江经济带绿色城镇化效率及其影响因素——基于综合城镇化视角[J]. 财经论丛, 2018(2):3-10.

[21]
罗颖, 罗传建, 彭甲超. 基于三阶段DEA的长江经济带创新效率测算及其时空分异特征[J]. 管理学报, 2019, 16(9):1385-1393.

[22]
陈巍巍, 张雷, 马铁虎, 等. 关于三阶段DEA模型的几点研究[J]. 系统工程, 2014, 32(9):144-149.

[23]
熊曦, 张陶, 段宜嘉, 等. 长江中游城市群绿色化发展水平测度及其差异[J]. 经济地理, 2019, 39(12):96-102.

DOI

Options
Outlines

/

〈 〉