周菊红

摘 要：近年来，随着我国步入了经济新常态，国家顺势提出了新型城镇化的概念，同时在2014年中央将安徽省设立为新型城镇化建设的试点省份，为安徽发展创造新的动力。基于此重点探讨了2016年安徽省16个地级市城镇化效率以及其与经济增长的耦合度，据此有针对的提出对策建议。

关键词：城镇化效率;经济发增长;时空耦合;DEA

中图分类号：F2 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.03.002

1 引言

我国当前正处于步入全面小康社会的决胜时期，国家应势提出了新型城镇化建设的重任，城镇化建设已成为每个地方政府的重要考核指标，尤其是更加重视效率。同时，随着我国经济逐渐的步入了新常态，对经济增长背后的助力因素的探讨亦是当下最重要的热点课题，当下更多的观点都认为城镇化效率会在一定程度上影响经济增长，所以本文将以此为背景尝试研究二者之间的关系，也具有重要的现实意义。

2014年，中央将安徽设立为新型城镇化建设的一个试点省份，这在为安徽的发展建设创造条件、注入新的活力，紧接着2015年安徽省在出台相关文件，进一步强调了新型城镇化建设的重要性，明确了建设的核心、主要内容、目标和保障措施等。同时，安徽省位处中部，但向东临着东部沿海发达区，近年来虽然发展势头良好，与江浙沪相比，明显还存在着很大差距，其背后的原因机制到底如何一直是学者们的疑问，安徽省能否像江浙沪省份一样实现快速发展呢？基于此，本文重点探究2016年安徽省16个地级市，在新型城镇化试点设立以后，各城市城镇化效率的变化情况以及其与经济增长的互动关系，试图助力安徽省新型城镇化建设和经济增长。

2 文献综述

随着人类工业革命以来，城镇化相关命题始终备受人们关注。作者通过阅读国内外现有文献发现，现有较多的文献研究城镇化与经济发展水平之间的相关关系，主要集中在两方面：一是城镇化与经济发展水平的关系的验证。国外早在1970年，钱纳里等人就通过实证模型发现了二者之间的相关性，我国赵显洲（2005）等人也通过实证数据验证了经济发展过程中存在的“城镇化效应”。陈明星（2010）等人也通过实证数据验证了它们之间存在着正向关系，但是城镇化增长与经济增长两者不存在显著的相关关系。朱孔来等人（2011）通过面板VAR模型对省级的城镇化率与人均GDP数据进行处理，它们之间存在着长期稳定的相关关系。总之，通过国内外学者早期的研究成果可以看出，城镇化经济发展水平之间必然存在一定的相关关系。二是城镇化与经济发展水平背后的作用机制和内在联系。早期的国外学者较早的在城镇化与经济发展水平两者的计量模型中加入城市集聚度、技术水平等中间变量，探究背后的作用机制。同时，国内的学者在经济理论模型的基础上，通过国内的实际案例和数据进行验证和分析，蔺雪芹等人（2013）采用社会经济数据和多种计量模型检验城镇化对经济发展影响背后的作用机制，结果得到城镇化本身对经济增长的影响作用不大，但是城镇化能带动人口集聚、资本集聚、技术集聚等，从而带动了经济增长。郑鑫等人（2014）采用产业数据和城乡人口数据实证检验城镇化对经济增长的贡献度，得到土地城镇化的重要影响力，其对经济增长的贡献度一直在增加，而人口城镇化的地位逐渐弱化，其对经济增长的贡献度一直在下降。总之，关于两者背后的作用机制的研究也已逐渐明朗，即城镇化本身对经济增长的作用系数并不明显，这就引致了近年来很多学者开始将目光定位在城镇化效率，而非城镇化本身。

城镇化质量即城镇化效率，衡量的是城镇运行背后的经济、文化、人口等效率，是通过投入产出模型（DEA）计算得出的，是目前很成熟的一种研究方法。例如张荣天等人（2015）采用DEA的研究方法研究了长江三角洲地区的城镇化效率，并分析了城镇化效率的空间格局。基于以上文献，放弃传统的城镇化水平指标，采用城镇化效率指标，研究安徽省16个地级市的城镇化效率对经济增长的影响关系。本文的结构框架如下：首先是通过DEA软件计算得到城镇化效率值。接着，计算各效率值与经济增长的耦合度，分析两者耦合结果的时空变化。最后，针对以上结论就建设安徽省新型城镇化、实现经济的良性快速发展提供一定的政策建议。

3 模型建立

3.1 城镇化效率——DEA 模型

本文采用投入产出模型，借用DEA软件对2016年，安徽省16个地级市的城镇化效率进行测算，得到效率值，将其作为城镇化效率的衡量指标。借鉴前人研究时构建的指标体系，这里选取固定资产投资、非农产业就业人数占比（%）和建成区面积占市辖区面积（%）作为投入指标，城镇化率（%）作为产出指标，构成投入——产出指标体系。

3.2 经济增长

一般选取GDP作为衡量地区经济发展水平的指标，这里为了更加突显出增长潜力，选取GDP增长率（%）来衡量。

3.3 耦合关系——耦合度模型

耦合度，实际上它是物理学中的容量耦的提法，这里借鉴了其研究思路，主要用它来解释多个系统之间的相互作用关系。其计算公式如下：

4 实证分析

将上述指标数据带入到投入-产出模型，利用DEAP-xp1计算得到综合效率CE、技术效率TE、规模效率SE，分别计算CE、TE、SE与经济增长EG的耦合度CE-EG、TE-EG、SE-EG。具体结果和分析如下。

城镇化效率测算结果。针对计算结果，对效率值进行分类：高效率0.900-1.000、中等效率0.700-0.900，低效率0.500-0.650。從CE值来看，处于高效率的有池州、黄山、蚌埠，处于中等效率的地区有宿州、亳州、阜阳、淮南、淮北、宣城、滁州、六安，处于低效率的地区有安庆、合肥、芜湖、铜陵、马鞍山;从TE值看，处于高效的有宿州、马鞍山、黄山、淮南、淮北、合肥、池州、亳州、蚌埠、阜阳，处于中等效率的有芜湖、六安、宣城、滁州、安庆、铜陵;从SE值看，处于高效率的有铜陵、蚌埠、安庆、滁州、宣城、池州、黄山;处于中等效率的有芜湖、淮北、淮南、亳州、六安、阜阳、宿州，处于低效率的有马鞍山、合肥，通过对于CE、TE、SE的分析可以看出，各城市效率存在一定差异，且除了滁州、宣城、铜陵、安庆，其他各个地区的TE均大于SE，这说明这些城市的城镇化效率主要由于技术进步带来的。

耦合度的计算结果。从整体看来，耦合度都处于0.4-0.8之间，两变量属于颉颃或磨合阶段，耦合的总体水平较低。从CE-EG值看，耦合度较高的是：马鞍山、合肥、芜湖、铜陵、滁州、安庆、宣城、阜阳，耦合度较低的有：亳州、蚌埠、宿州、六安、淮南、池州、黄山、淮北;从TE-EG值看，耦合度较高的是安庆、芜湖、宣城、滁州、铜陵，耦合度较低的是淮北、淮南、黄山、池州、六安、亳州、马鞍山、宿州、合肥、蚌埠、阜阳;从SE-EG值看，耦合度较高的是马鞍山、合肥、芜湖，耦合度较低的是亳州、宿州、阜阳、蚌埠、铜陵、滁州、宣城、六安、安庆、淮南、池州、黄山、淮北。综上所述，CE、TE、SE与EG之间的协调水平较低，也存在区域差异，同时，从整体上看，皖南各城市的耦合协调度基本高于皖北各城市。

5 结论与展望

当前背景下，本文选取安徽各城市，采用DEA模型和耦合度等方法，重点探究了其在2016年城镇化效率的变化情况以及其与经济增长的相互关系，得到的结论如下：整体上看，2016年二者之间的协调水平较低，明显存在区域差异，皖南各城市的耦合协调度多数高于皖北各城市。基于此提出两点建议：一是要尽可能发挥城市间的规模效应，整体提升省内城市的城镇化效率以及其与经济增长的适配性。二是在未来安徽省的发展过程中，尤其要更加倾向皖北地区，以实现区域协调。

参考文献

[1]赵显洲.我国城市化与经济发展相互关系的动态分析[J].中国软科学，2006，（09）：116-121.

[2]陈明星，陆大道，刘慧.中国城市化与经济发展水平关系的省际格局[J].地理学报，2010，65（12）：1443-1453.

[3]朱孔来，李静静，乐菲菲.中国城镇化进程与经济增长关系的实证研究[J].统计研究，2011，28（09）：80-87.

[4]蔺雪芹，王岱，任旺兵，刘一丰.中国城镇化对经济发展的作用机制[J].地理研究，2013，32（04）：691-700.

[5]鄭鑫.城镇化对中国经济增长的贡献及其实现途径[J].中国农村经济，2014，（06）：4-15.

[6]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（04）：433-439.