彭培芳

(江西財經大學 經濟發(fā)展與改革研究院， 江西 南昌 330013)

城市群空間效率可以很好地反映城市群發(fā)展質量及城市群內各城市間發(fā)展的協調度。測度及評價城市群空間效率有助于進一步提高城市群經濟發(fā)展質量，促進區(qū)域經濟協調發(fā)展。長江中游城市群涵蓋武漢城市圈、長株潭城市群、環(huán)鄱陽湖經濟圈等中部快速發(fā)展地區(qū)，是我國重要的大型城市群，測度其空間效率，分析城市間效率差異、特征及趨勢，有利于采取措施促進其發(fā)展成為中國經濟增長的新引擎甚至第四極。2015年4月國務院出臺的《長江中游城市群發(fā)展規(guī)劃》凸顯了該研究的重要意義，研究長江中游城市群空間效率變化及趨勢，為城市群協調發(fā)展提供相應的建議，可以提高城市群的整體發(fā)展水平。

一、相關研究綜述

研究城市群效率的文獻較多。國外如Rolf Fare等(1994)借助非參數規(guī)劃方法，將OECD國家的Malmquist指數分解為技術變化和效率變化，進而深層次分析其Malmquist指數在1979—1988年的變化。[1]Lilyan E.Fulginiti等(1998)運用Malmquist指數方法，分析了18個發(fā)展中國家1961—1985年農業(yè)生產效率的變化。[2]Lee H Y等(2005)基于產出專業(yè)化水平，將27個國家劃分為四類集群，并用DEA方法測算其R&D效率，發(fā)現中國和韓國等亞洲地區(qū)國家的R&D投入產出效率與新加坡和日本相比較弱。[3]Goran Bergendahl等(2008)采用DEA分析法對瑞典儲蓄銀行的服務效率及銀行業(yè)的平均水平進行了測算。[4]

國內如方創(chuàng)琳和關興良(2011)從投入產出效率視角，構建城市群投入產出效率指標體系，采用CRS模型、VRS模型和Bootstrap-DEA方法，綜合測算了中國城市群投入產出效率、變化趨勢及空間分異特征。[5]張慶民，王海燕等(2011)[6]和楊青山，張郁等(2012)[7]基于DEA模型測度了城市群的環(huán)境投入產出效率。劉耀彬和楊文文(2012)采用DEA的BCC模型和Malmquist指數模型，對2008—2010年環(huán)鄱陽湖區(qū)城市群42個城市的空間網絡聯系效率進行了分析。[8]李紅錦和李勝會(2012)[9]、黃潔和吝濤(2016)[10]和段曉艷(2016)[11]利用DEA方法分別測算評價了中國三大城市群的城市化效率、可持續(xù)發(fā)展效率和土地利用綜合效率。謝志祥和任世鑫(2015)運用超效率DEA模型對2013年長江中游城市群城市效率進行了測度評價。[12]曹賢忠和曾剛(2015)則從投入產出效率視角，構建研發(fā)資源投入產出評價指標體系，運用DEA中的CRS、VRS模型和Malmquist指數方法，測度了長三角城市群研發(fā)資源的投入產出效率、變化趨勢以及空間分異特征。[13]崔大樹和張曉亞(2016)運用DEA模型和局部自相關模型測度了長三角城市群效率并分析了城市群內部的關聯格局。[14]

由上可知，在城市群效率指標選擇上，國內外學者多基于投入—產出的角度，從經濟正產出和負產出兩方面選擇產出指標。在方法上，多借助DEA方法對城市群效率進行評價，借助地理信息系統(tǒng)工具等作圖，將計算結果以直觀的形式呈現出來。目前研究城市群空間效率的文獻相對較少，其中測度長江中游城市群空間效率的文獻更少，鮮有文獻對長江中游城市群空間效率進行空間分異分析，因而從投入產出角度測度長江中游城市群空間效率，具有一定的學術意義。

研究結構安排如下：首先，在對相關研究文獻進行評述的基礎上，構建長江中游城市群空間效率指標體系，確定指標數據的來源及處理方法。然后從整體上分析，將長江中游城市群分為環(huán)鄱陽湖城市群、武漢城市圈和環(huán)長株潭城市群，借助DEA評價方法和BCC-VRS模型測算出1998—2015年這三個城市群的空間效率；運用全局空間自相關檢驗得到2005、2010、2015年各地級市空間效率的Moran’s I指數值，辨析城市群各城市空間效率間的相互關系變化；再通過局部自相關檢驗探究城市群內部的集聚情況。最后根據以上分析得出結論，并據此對長江中游城市群發(fā)展提出相關建議。

二、指標體系構建、數據來源及處理

(一)指標體系構建

在具體指標選擇上，主要借鑒了崔大樹和張曉亞(2016)在測度長三角城市群效率時選擇的指標。[14]考慮到指標的可得性、經濟含義及其代表性，通過對其指標作相應的調整，使之更適合分析長江中游城市群空間效率。

在投入指標上，選擇貨運總量、固定資產投資總額、全社會用電量和年末單位人數。貨運總量體現物流水平，反映長江中游城市群交通條件的變化。固定資產投資額體現全社會總體投資水平。工業(yè)用電量體現地區(qū)工業(yè)發(fā)展水平，但由于工業(yè)用電量的數據難以收集，且工業(yè)用電量在全社會用電量中占比較大，因而用全社會用電量近似替代工業(yè)用電量。年末單位人數體現勞動力的投入及變化。

在產出指標上，選擇地區(qū)生產總值、工業(yè)廢水排放量和工業(yè)二氧化硫排放量。地區(qū)生產總值為經濟正產出，體現經濟活動的正回報；工業(yè)廢水排放量和工業(yè)二氧化硫排放量為經濟負產出，體現經濟活動的負影響。在選擇負產出指標時，工業(yè)三廢排放量是個理想的指標，但由于武漢城市圈部分城市行業(yè)的特殊性，導致較早年份的工業(yè)固體廢棄物和工業(yè)廢氣排放量的數據缺失，所以選擇工業(yè)廢水排放量和工業(yè)二氧化硫排放量作為經濟活動負產出指標。指標體系見表1。

表1 長江中游城市群空間效率評價體系

根據效率評價指標宜少原則[15]，在評價效率時應滿足決策單元數不小于投入產出指標之和的3倍。研究的時間范圍為1998—2015年，以年份為決策單元時，決策單元數和指標數量滿足效率評價有效原則的條件。

(二)數據來源及處理

基于盡量保證數據統(tǒng)計口徑一致性原則和數據可得性，研究的長江中游城市群范圍包括：江西省南昌市、景德鎮(zhèn)市、萍鄉(xiāng)市、九江市、新余市、鷹潭市、吉安市、宜春市、撫州市、上饒市，湖北省武漢市、黃石市、宜昌市、襄陽市、鄂州市、荊門市、孝感市、荊州市、黃岡市、咸寧市，湖南省長沙市、株洲市、湘潭市、衡陽市、岳陽市、常德市、益陽市、婁底市，共28個地級市。

選擇的時間范圍為1998—2015年，所用數據主要來源于1999—2016年的《中國城市統(tǒng)計年鑒》和江西、湖北、湖南三省統(tǒng)計年鑒，部分數據來自《湖南改革開放30年(1978—2008)》《中國環(huán)境年鑒》及地級市統(tǒng)計年鑒等。

在數據處理方面。鑒于部分城市個別數據缺失，因此對個別指標數據進行整理估算，如1998—2001年環(huán)長株潭城市群各市的二氧化硫排放量以各市每公里二氧化硫排放量(不含市轄縣)與市區(qū)土地面積的乘積來代替。在實際計算前，利用固定資產投資價格指數對固定資產投資額進行平減處理，對負產出的兩個指標賦予相同的權重進行加權平均，同時對其他二級指標進行標準化處理。

在數據分析方面。主要采用DEA中基于規(guī)模報酬可變的BCC-VRS模型和空間自相關分析法。DEA方法把各投入、產出指標的權重作為變量，通過求解線性規(guī)劃問題確定最適宜的權重，避免了在確定權重時人的主觀意愿的影響，從而使評價結果更具客觀性。城市群是由不同層次的個體所組成，其發(fā)展過程遵循規(guī)模報酬可變的概率較大，因而選擇基于投入導向的BCC(規(guī)模報酬可變)模型更為合適。[16]此時，城市群經濟效率變動指數θ(0<θ≤1)，也即空間效率，可表示為：

θ=θpe×θse

其中，θpe(0<θpe≤1)表示城市群純技術效率，θse(0<θse≤1)表示城市群規(guī)模效率。兩者取值越接近1，該城市群的純技術效率和規(guī)模效率均高；等于1時，達到最優(yōu)，其中，若θse<1時，表示規(guī)模無效率。在應用該模型時，應注意城市群是處于規(guī)模報酬遞增階段還是規(guī)模報酬遞減階段?？臻g自相關分析法常用來判斷地區(qū)變量間是否存在空間相關性，空間自相關指數Moran’s I的取值范圍為(-1，1)，小于0為負相關，等于0為隨機分布，大于0為正相關。通過Moran’s I指數可以判斷長江中游城市群內各城市空間效率之間的相關性。

三、長江中游城市群空間效率測算

DEA測算與時空分析展示了城市群空間效率在時間和空間兩方面上的整體變化，全局自相關揭示了全局上城市空間效率間的相互關系變化，局部自相關檢驗則探究了城市空間效率相互關系的空間分布及差異特征。

(一)長江中游城市群空間效率的時間演變過程

在分析1998—2015年長江中游城市群效率變化時，將整個城市群分成環(huán)鄱陽湖城市圈、武漢城市群和環(huán)長株潭城市群，分別進行分析討論以更好地反映城市群的空間效率值的演變情況。

使用標準化后的數據，借助DEAP2.1軟件分別測算了1998—2015年環(huán)鄱陽湖城市群、武漢城市群和環(huán)長株潭城市群的綜合效率(crste)、純技術效率(vrste)和規(guī)模效率(scale)，見表2。

表2 長江中游城市群空間效率測算結果

空間效率值為1表示DEA強有效，效率值不為1但不低于0.8為DEA弱有效。由表2可知，環(huán)鄱陽湖城市群在2000、2001、2005和2015年的空間效率值不為1。武漢城市圈在2000、2001、2005、2006、2007、2008、2009、2010和2013年的空間效率值不為1，環(huán)長株潭城市群在2000、2001、2003、2005、2006、2007、2009、2010和2013年的空間效率值不為1，嚴格來說屬于效率無效，但各城市群在這些年份中的空間效率都在0.8以上，且多數逼近1，因而可視為DEA弱有效。由此可見，環(huán)鄱陽湖城市群空間效率值為DEA強有效的年份數遠多于武漢城市圈和環(huán)長株潭城市群，三個城市群的空間效率為DEA弱有效的年份數較多，長江中游城市群的空間效率整體上看較好。

(二)長江中游城市群空間效率的空間分異情況

借助DEAP2.1計算出2005、2010和2015年長江中游城市群28個城市的空間效率，并用ArcGIS10.2將結果直觀地呈現出來，如圖1所示。

圖1 2005、2010和2015年長江中游城市群空間效率分布情況

由圖1可知，長江中游城市群空間效率弱有效(空間效率值大于0.8)的城市數量在逐漸增加，效率值小于0.7的城市數量在減少，整個城市群的空間效率在提升。與2005年和2010年相比，2015年城市群內空間效率均在0.8以上，弱有效城市數量明顯增多，這很大程度上是因為2015年國家發(fā)改委批復同意了《長江中游城市群發(fā)展規(guī)劃》，對城市群各方面發(fā)展做出了更細致的規(guī)劃，使得長江中游城市群整體的空間效率得以進一步提升。上述結果表明長江中游城市群的發(fā)展具有以下特點：

1.城市間空間效率差異縮小，城市群一體化水平提高。長江中游城市群在2015年空間效率值為1的城市數量與2010年相比較少，各城市的空間效率在2010年與2015年均存在差異，但整個城市群空間效率的均值在2010年和2015年分別為0.895和0.903，差距不大。2012年江西、湖北和湖南開始討論長江中游城市群的發(fā)展規(guī)劃后，更多的資源被優(yōu)先用來發(fā)展南昌、武漢和長沙的經濟，增強三個城市之間的經濟聯系，因而其他城市的發(fā)展資源投入相對之前有所減少，所以2015年城市群內空間效率為1的城市較2010年有微弱的減少。2015年長江中游城市群空間效率小于0.8的城市數量較2010年有很大的下降，表明各城市空間效率間的差距在縮小，城市群一體化程度提高。

2.城市空間效率與區(qū)位、經濟結構存在相關性，且與純技術效率的變動基本一致?？傮w上看，城市群中鄰近中心城市的城市空間效率較高，空間效率值在0.8以上的城市多在地理位置上靠近省會城市或者省份副中心城市。此外，地區(qū)經濟結構中工業(yè)占比較大的城市，由于之前工業(yè)發(fā)展較弱，環(huán)境受工業(yè)生產的影響較小，其空間效率在工業(yè)迅速發(fā)展的早期表現為空間效率逐漸提高，但在工業(yè)發(fā)展的中后期，由于工業(yè)污染物排放量增多，治理措施及工業(yè)環(huán)保監(jiān)管不到位，其空間效率會表現為有所降低。但當地區(qū)社會經濟發(fā)展處于一個相對較高的水平時，政府和企業(yè)會增加對環(huán)保的重視，工業(yè)污染排放量得到有效控制，空間效率會有所提高。如武漢和長沙的空間效率值在2010年較低，在2015年則有所提高，而同樣是省份城市的南昌則表現相反，2015年的空間效率較2010年有所下降。由圖2可知，2010年和2015年長江中游城市群各城市的空間效率與其純技術效率的變動基本一致，表明現有階段城市要提高或者維持高水平的空間效率，必須增強對技術發(fā)展的投入，建立技術驅動型經濟結構。

圖2 2010和2015年長江中游城市群各城市的空間效率、純技術效率和規(guī)模效率

四、長江中游城市群空間效率的空間自相關檢驗

利用Moran’s I 統(tǒng)計指標和方法，可以來衡量集聚指標樣點之間的空間相互關系。全局空間自相關檢驗可以計算城市群內部各單元空間效率間的相關性，局部空間自相關檢驗中的LISA集聚圖則可以分析城市群各城市的集聚情況和集聚類型。

(一)全局空間自相關檢驗

采用全局自相關統(tǒng)計量Moran’I指數檢驗長江中游城市群2005、2010和2015年的空間效率時，以各城市空間效率為變量，借助Geoda軟件，建立空間距離權重矩陣，從而進一步觀察其空間效率的分異情況。Moran’I指數值的取值范圍為[-1，1]，大于0表示區(qū)域內各單元之間為空間正相關關系，小于0表示區(qū)域內各單元之間為負相關關系，其絕對值越大，經濟變量間的聯系越密切，Moran’ I指數值越接近0，區(qū)域內各單元間的空間相關關系越弱。

分析結果顯示，2005、2010和2015年長江中游城市群空間效率的全局Moran’s I指數值分別為0.0734、0.0021和-0.0933。因此，長江中游城市群空間效率的全局Moran’s I指數值一直較小，各城市空間效率間的相關性較弱，且由較弱的正相關逐漸到較弱的負相關，城市群空間效率整體上的關系也由2005年較弱的空間集聚到2015年較弱的空間分散。長江中游城市群空間效率的全局Moran’s I指數值發(fā)生這種變化的原因在于，長期以來，長江中游城市群內各省獨自制定本地區(qū)的發(fā)展規(guī)劃，省份之間合作層次較低，合作深度不夠，同省不同城市之間在制定經濟發(fā)展規(guī)劃時缺乏互利互惠的合作，城市群內各城市的分工不明確，從而導致了城市空間效率間的經濟聯系較弱。雖然從2012年開始，江西、湖北和湖南陸續(xù)進行區(qū)域經濟發(fā)展合作，但由于各城市空間效率間的正相關關系在較長時間內呈現出逐漸弱化趨勢，短期內難以改變，加上政策實施中存在的滯后效應，導致了各城市間相關性由2010年的弱正相關變成了弱負相關。

(二)局部空間自相關檢驗

局部空間自相關檢驗部分，采用LISA(Local indicators of Spatial association)集聚圖表示。LISA 集聚圖反映的是空間聯系的局部指標，可以反映城市群集聚明顯區(qū)域。在LISA圖中，顯著集聚區(qū)域分為“高-高”“低-低”“高-低”和“低-高”四種類型。運用Geoda軟件得到了長江中游城市群空間效率在2005、2010和2015年的LISA集聚圖。

從圖3可以看出，2005、2010和2015年長江中游城市群內集聚效應不顯著的城市數量分別為22、25和24，占比高達89%。從2005年到2015年，長江中游城市群集聚不顯著的城市有所增加，“高-高”集聚和“低-低”集聚的城市數量逐漸減少，“高-低”集聚的城市數量有所增加，集聚顯著的城市多為省份中心城市或鄰近省份中心及副中心的城市。這表明長江中游城市群各城市空間效率間的相關性較弱，集聚效應不明顯且在弱化。

圖3 2005、2010和2015年長江中游城市群空間效率LISA集聚圖

五、結論及建議

(一)結論

綜上，研究結論主要有：(1)長江中游城市群各城市空間效率總體上在逐漸提高，空間效率小于0.8的城市數量在逐漸減少，城市間空間效率的差距呈現出縮小的趨勢；(2)城市空間效率與其純技術效率的變動趨勢相似，并與城市所處區(qū)位、經濟結構等存在一定程度的相關性。一般而言，鄰近中心城市的城市空間效率較高，經濟中工業(yè)占比較大的地區(qū)空間效率在工業(yè)發(fā)展早期及中期呈現出先提高后下降的趨勢，發(fā)展后期由于污染物排放控制與治理力度的加強，空間效率會有所提高；(3)城市間空間效率的相關性始終不強，且由較弱的正相關逐漸發(fā)展為較弱的負相關，且負相關關系近年來有弱化的趨勢，城市群內部的集聚程度低。

(二)建議

根據以上三點結論，提高長江中游城市群空間效率可以基于以下三點：

1.完善城市群交通運輸基礎設施，建立物流信息綜合平臺。交通運輸基礎設施條件關系到物流運輸行業(yè)的發(fā)展，而物流行業(yè)的繁榮發(fā)展是經濟健康蓬勃發(fā)展的保障。長江中游城市群應以南昌、武漢和長沙為交通運輸樞紐，在現有交通運輸設施上完善地級市與省份城市之間的運輸設施條件，適當增加地級市之間的運輸線路，構建省份城市之間、省份城市與地級市、各地級市之間較完善的交通運輸網絡。城市群物流信息綜合平臺可以促進城市群物流產業(yè)集群發(fā)展，通過構建涵蓋城市群公路、鐵路、航運物流運輸信息的綜合信息平臺，增強物流企業(yè)間的協作意識和經營效率。

2.增強人力資本和技術研發(fā)投入，倡導工業(yè)低污染生產。通過搭建信息透明度高、暢通性好、內容質量高的人才市場，構建以武漢中心的南昌—武漢—長沙的城市群金融中心，增加高新技術研發(fā)投入，可以改善城市群經濟結構，建立技術驅動型經濟，降低經濟發(fā)展對工業(yè)的依賴。工業(yè)經濟在長江中游城市群的經濟發(fā)展中占據了很大的比重，也是城市群環(huán)境污染的主要來源。改變傳統(tǒng)唯GDP論好壞的政績考核機制，加強環(huán)境監(jiān)管力度，同時鼓勵企業(yè)研發(fā)低污染生產技術，提高工業(yè)廢物利用率及處理率，從源頭上減少工業(yè)污染物排放量。

3.完善信息基礎設施，構建智慧型城市群。通過完善信息基礎設施，提高城市群信息化水平，促進行業(yè)關聯性產業(yè)集聚，增強城市間正相關關系。智慧城市是城市未來發(fā)展的方向，目前國內首批智慧城市試點已進行了四年左右，試點地區(qū)包括長江中游城市群部分地級市，如江西南昌市紅谷灘新區(qū)、湖北武漢市和湖南株洲市。城市群應借鑒成果明顯的試點城市發(fā)展經驗，因地制宜建立智慧型城市群，提高城市群發(fā)展質量。

參考文獻：

[1]FARE R，GROSSKOPF S，NORRIS M，et al.Productivity growth，technical progress，and efficiency change in industrialized countries[J].The American Economic Review，1994，84(1)：66-83.

[2]LILYAN E F，K PERRIN R.Agricultural productivity in developing countries[J].Agricultural Economics，1998，(19)：45-51.

[3]LEE H Y，PARK Y T.An international comparison of R&D efficiency：DEA approach[J].Asian Journal of Technology Innovation，2005，13(2)：207-222.

[4]GORAN B，TED L.Evaluating the performance of Swedish savings banks according to service efficiency[J].European Journal of Operational Research，2008，185(3)：1663-1673.

[5]方創(chuàng)琳，關興良.中國城市群投入產出效率的綜合測度與空間分異[J].地理學報，2011，31(8)：1011-1022.

[6]張慶民，王海燕，歐陽俊.基于DEA的城市群環(huán)境投入產出效率測度研究[J].中國人口·資源與環(huán)境，2011，21(2)：18-23.

[7]楊青山，張郁，李雅軍.基于DEA的東北地區(qū)城市群環(huán)境效率評價[J].經濟地理，2012，(9)：51-55.

[8]劉耀彬，楊文文.基于DEA模型的環(huán)鄱陽湖區(qū)城市群空間網絡結構績效分析[J].長江流域資源與環(huán)境，2012，21(9)：1052-1057.

[9]李紅錦，李勝會.基于DEA模型的城市化效率實證研究——我國三大城市群的比較[J].大連理工大學學報(社會科學版)，2012，33(3)：51-56.

[10]黃潔，吝濤，張宏強.基于DEA和Malmquist模型的中國三大城市群可持續(xù)發(fā)展效率研究[J].中國人口·資源與環(huán)境，2016，21(S1)：373-376.

[11]段曉艷.我國三大城市群土地利用綜合效率評價[D].北京：中國地質大學，2016.

[12]謝志祥，任世鑫，李陽等.長江中游城市群城市效率水平測度及空間分異研究[J].長江流域資源與環(huán)境，2015，24(10)：1705-1710.

[13]曹賢忠，曾剛，鄒琳.長三角城市群R&D資源投入產出效率分析及空間分異[J].經濟地理，2015，(1)：104-111.

[14]崔大樹，張曉亞.長江三角洲城市群空間效率測度研究[J].地理科學，2016，36(3)：393-400.

[15]張俊容，郭耀煌.評價指標與DEA有效的關系[J].系統(tǒng)工程理論方法應用，2004，13(6)：520-523.

[16]BANKER R D，COOPER W W.Some models for estimating technical and scale Inefficiencies in DEA envelopment analysis[J].Management Science，1984，30(9)：1078-1092.

[17]謝志祥，任世鑫，李陽，劉靜玉.長江中游城市群城市效率水平測度及空間分異研究[J].長江流域資源與環(huán)境，2015，24(10)：1705-1710.

[18]趙勇，白永秀.中國城市群功能分工測度與分析[J].中國工業(yè)經濟，2012，(11)：18-30.

[19]周曉艷，華敏，秦雅雯，等.長江中游城市群空間聯系研究[J].長江流域資源與環(huán)境，2016，25(10)：1492-1500.