基于超效率DEA模型的城镇化效率评价

李许卡，高 卓

（1.东北大学 工商管理学院，沈阳 100819；2.华南农业大学珠江学院，广州 510900）

0 引言

城镇化是一个大战略，它关乎国计民生，是推动一个国家或地区实现现代化的重要力量[1]。改革开放以来，我国城镇化快速推进，取得了巨大的成就，目前，城镇化粗放式发展带来的问题受到了各方的高度重视，城镇化发展的关键已经不是速度快慢的问题，而是质量和效率高低问题[2]。城镇化质量包含城镇化效率和城镇化公平两方面的内容，城镇化效率是城镇化良性发展的最基本内核，而城镇化发展的效率低、成本高是导致我国城镇化发展质量不高的主要原因。因此，提升城镇化效率成为解决当前城镇化面临的问题和提升城镇化质量的关键。城镇化是一个复杂的系统，包括人口城镇化、经济城镇化、社会城镇化和生态城镇化等内容，但各角度城镇化效率水平究竟如何？在不同区域间是如何分布的？这是一个非常值得研究的问题。

1 超效率DEA模型的构建

超效率DEA模型（Super-Efficiency-DEA）是在DEA模型的基础上，针对有效决策单元效率值的比较问题进一步提出的[3]。超效率DEA模型在对该决策单元进行效率评价时，对于DEA有效的决策单元，能够进一步将其生产前沿面进行重新计算推移，使得最终计算出来的效率值大于经典CCR模型效率值；而对于DEA无效的决策单元（效率评价值小于1），其生产的前沿面不会发生变化，评价结果与CCR模型仍保持一致，它能够克服普通DEA模型无法对多个决策单元做出进一步的评价和比较的缺陷，区分出DEA有效的决策单元之间的差异，能够对所评价的决策单元进行有效的排序和比较[4]。基于此方法评价城镇化效率，不仅可以区分有效、无效城镇化效率值，还可以对有效的城镇化效率值进行排序，实现对有效的城镇化效率值更为准确的比较。其计算公式如下：

其基本原理是：以规模报酬不变的超效率DEA模型为例（如图1），在计算单元B的效率值时，将其排除在DMU参与集合之外，则此时ACDE成为了有效生产前沿面，线段BB'表示B点的投入量仍然可增加的幅度，则B点的超效率评价值=OB'/OB＞1[5]。进一步地，A、C、D点的超效率评价值依照相同的逻辑可以测算出来，且它们都是大于1的值，可以进行大小的比较。这在应用到城镇效率评价时，可以更加充分地描述和区分城镇化效率的大小。

图1规模报酬不变的超效率DEA模型

2 实证

2.1 投入、产出指标构建及描述

构建反映城镇化效率的指标体系是一项复杂的系统工程，而运用超效率DEA模型评价城镇化效率的关键在于投入和产出指标的选取。综合来看，学者们在城镇化效率投入指标设定上都高度强调劳动力、土地和资本等要素，而在城镇化效率产出指标设定上普遍强调城镇化率、GDP、非农产业就业等内容[6]。综合已有城镇化效率及相关评价研究，在遵循系统性、完整性、代表性、可操作性等原则下，分别构建城镇化效率的评价指标体系，力求更加科学合理、客观地反映我国城镇化效率。本文设定的投入指标主要有土地投入、资本投入、人口投入、公共服务业投入、环境治理投入、教育投入、科技投入、房地产投入、社会保障和就业投入、医疗卫生投入、工业污染治理投入等11项内容，设定的产出指标主要有城镇化率、非农产业产值水平、非农产业就业水平、城乡收入差距、城镇环境水平、在校学生人数、单位建成区生产能力、GDP结构、城镇居民收入水平、就业情况、医疗水平、基础设施水平、生活垃圾出率水平13项内容（如表1所示）。投入指标与产生指标的衡量分别见表2、表3。

表1 城镇化效率评价指标体系

表2 投入指标的衡量

2.2 研究对象及数据来源

2.2.1 研究对象

在广泛借鉴学者们相关研究的基础上，分别基于不同角度确定与各城镇效率相关的投入和产出要素指标；在样本选取上，基于地域不同、城镇发展水平不同及人口经济总量不同进行考察。具体的，本文分别基于东部、中部、西部、东北地区选取了3个省份作为考察对象，其中东部地区选取了北京、江苏和浙江3个省市，中部地区选取了河南、湖北和安徽3个省份，西部地区选取了四川、甘肃和新疆3个省份，东北地区选取了辽宁、吉林和黑龙江3个省份。在时间跨度选取上，选取了2008—2015年这一期间。

表3 产出指标的衡量

2.2.2 数据来源及说明

本文研究对象的数据主要来自于国家数据库、《中国城市统计年鉴》（2009—2016）、《北京市统计年鉴》（2016）、《江苏省统计年鉴》（2016）、《浙江省统计年鉴》（2016）、《河南省统计年鉴》（2016）、《湖北省统计年鉴》（2016）、《安徽省统计年鉴》（2016）、《四川省统计年鉴》（2016）、《甘肃省统计年鉴》（2016）、《新疆省统计年鉴》（2016）、《辽宁省统计年鉴》（2016）、《吉林省统计年鉴》（2016）和《黑龙江省统计年鉴》（2016）。部分年鉴中缺失的数据根据各地区的统计公报进行补齐，其中，黑龙江2011—2013年非农产业占比数据缺失，根据2010—2014年平均增速计算而来。在数据处理上，固定资产投资、房地产投资是以2008年为基期，利用固定资产投资价格指数折算而来。此外，部分数据因为缺乏对应的价格指数以当年价格计入。

2.3 评价结果

2.3.1 综合城镇化超效率DEA评价结果

从综合城镇化效率来看，2008年超DEA效率值大于1的省份有4个，分别是北京、甘肃、新疆和吉林，其中东部地区1个，西部地区2个，东北地区1个，中部地区3个样本省均低于1；2015年，超DEA效率值大于1的省份有5个，分别是北京、甘肃、新疆、吉林和黑龙江，其中东部地区1个，西部地区2个，东北地区2个，且东北地区辽宁省的效率值达到了0.9957，十分接近于1，而中部地区3个省份仍然均低于1（见下页表4）。从发展趋势看，2008—2015年，北京的综合城镇化效率一直呈现高速增长趋势，2015年达到了4.43的水平，而同属东部地区的浙江和江苏的城镇化效率均呈现出下降特征，尤其是江苏，城镇化效率一直处于较低水平，其效率值在2014年和2015年均低于0.5，在选取的样本中处于最低的水平；中部地区3个样本省份的超DEA效率值得变化均呈现出倒U型特征，与河南和湖北相比，安徽省的城镇化效率相对较高；西部地区除四川外，甘肃和新疆的综合城镇化效率一致处于相对较高的水平，两地的城镇化效率变化较为稳定，但2015年均出现下降；东北地区3个省份的综合城镇化效率水平都比较高，且整体呈现出较为稳定的上升趋势。

表4 2008—2015年12个省综合城镇化效率水平

2.3.2 人口城镇化超效率DEA评价结果

从人口城镇化效率来看，2008年超DEA效率值大于1的省份有3个，分别是甘肃、新疆和吉林，其中，西部地区2个，东北地区1个，而东部和中部地区均低于1；2015年，超DEA效率值大于1的省份有4个，分别是北京、甘肃、吉林和黑龙江，其中东部地区1个，西部地区1个，东北地区2个，而中部地区3个省份仍然均低于1（见表5）。从发展趋势看，2008—2015年，北京的综合城镇化效率一直呈现稳定增长趋势，2015年达到了2.99的水平，而同属东部地区的浙江和江苏的城镇化效率均呈现出下降特征，尤其是江苏，城镇化效率一直处于较低水平，其效率值在2015年均仅为0.26，在选取的样本中处于最低水平；中部地区3个样本省份中，湖北和安徽人口城镇化的超DEA效率值均呈现出持续下降的特征，且下降趋势较为明显，而河南的人口城镇化效率总体上处于低水平稳定状态；西部地区的甘肃和新疆的城镇化效率也均呈现出下降趋势，但这两个省份的效率值整体上仍处于较高的水平，而四川的人口城镇化效率呈现出先上升后下降的特征，效率值远低于甘肃和新疆；东北地区的吉林和黑龙江的人口城镇化效率水平相对比较高，且呈现出小幅震荡特征，而辽宁的人口城镇化效率呈现先下降后上升的态势。

表5 2008—2015年12个省人口城镇化效率水平

2.3.3 经济城镇化超效率DEA评价结果

从经济城镇化效率来看，2008年超DEA效率值大于1的省份有3个，分别是北京、甘肃和新疆，其中，东部地区1个，西部地区2个，而中部和东北地区均低于1；2015年，超DEA效率值大于1的省市仍然是北京、甘肃和新疆3个省份。中部和东北地区6个样本省份的效率值仍然均低于1（见表6）。从发展趋势看，2008—2015年，北京的综合城镇化效率呈现出快速增长趋势，2015年达到了3.31的水平，而浙江和江苏的城镇化效率均呈现低水平震荡特征，尤其是江苏，今年估计城镇化效率一直处于较低水平，其效率值在2015年均仅为0.42，在选取的样本中处于最低水平；中部地区3个样本省份的超DEA效率值均呈现出低水平、小幅度正当特征；西部地区的甘肃和新疆的城镇化效率在将对较高的水平震荡，而四川的人口城镇化效率呈现稳定下降的趋势，经济城镇化效率值仍旧远低于甘肃和新疆；与综合和人口城镇化效率水平相比，东北3个样本省份的经济城镇化效率相对较低，且均呈现小幅稳定上升趋势。

表6 2008—2015年12个省经济城镇化效率水平

2.3.4 社会城镇化超效率DEA评价结果

从社会城镇化效率来看，2008年超DEA效率值大于1的省份有3个，分别是浙江、新疆和吉林，其中，东部、西部、东北地区各1个，而中部地区均低于1；2015年，超DEA效率值大于1的省份有4个，分别是北京、新疆、吉林和黑龙江，其中东部地区1个，西部地区1个，东北地区2个，而中部地区3个样本省份仍然均低于1（见下页表7）。从发展趋势看，2008—2015年，北京的社会城镇化效率一直呈现较快的增长趋势，2015年达到了3.37的水平，浙江和江苏的城镇化效率均呈现出下降特征，尤其是浙江，社会城镇化超DEA效率水平下降的十分明显，江苏虽然也呈先下趋势，但只是小幅度下降；中部地区3个样本省份中，除了湖北省呈现较为明显的先上升后下降特征外，河南和安徽的社会城镇化超DEA效率值均呈现出稳定震荡的特征；西部地区除了新疆呈现较为明显的先上升后下降特征外，四川和甘肃的社会城镇化超DEA效率值均呈现出稳定震荡的特征，四川的效率值仍旧低于其他两个省份；东北地区黑龙江的社会城镇化效率总体呈现出上升的特征，而辽宁和吉林分别处于低水平和高水平小幅度震荡。

2.3.5 生态城镇化超效率DEA评价结果

从生态城镇化效率来看，2008年超DEA效率值大于1的省份有2个，分别是浙江和新疆，其中，东部地区1个，西部地区1个，而中部和东北地区均低于1；2015年，超DEA效率值大于1的省份仍然是3个，分别是北京、甘肃和新疆3个省份，而中部和东北地区6个样本省份的生态效率值仍然均低于1（见表8）。从发展趋势看，2008—2015年，北京的生态城镇化效率仍旧呈现出快速增长趋势，2015年达到了3.12的水平，而浙江和江苏的城镇化效率均呈现下降特征，江苏和浙江的生态城镇化效率分别由2008年的0.51和1.13下降到2015年的0.3和0.44的水平，江苏生态城镇化效率仍旧在所有省份中处于最低的水平；中部地区3个样本省份的生态城镇化效率均呈现出较大幅度的震荡特征，其中安徽处于高效率水平震荡，而河南和湖北则在低效率水平震荡；西部地区的甘肃在2015年之前生态城镇化效率一直低于1，而在2015年如然涨到了大于2的水平，新疆生态城镇化效率总体上呈现出下降趋势，而四川则在低效率水平震荡；东北3个样本省份的在生态城镇化效率上也均处于不稳定震荡状态。

表7 2008—2015年12个省社会城镇化效率水平

表8 2008—2015年12个省生态城镇化效率水平

3 结论

本文基于超效率DEA分析方法，在确定各城镇化效率对应的投入、产出指标之后，搜集和处理了12个省市的相关数据，利用EMS软件对12个省份的城镇化效率进行了全面评价。从评价结果来看，12个样本省份中，北京的各城镇化效率均保持了良好的增长趋势，且城镇化效率较高，但东部的浙江和江苏2个样本省份的城镇化效率均较低；中部地区3个样本省份的各城镇化效率基本都不高，相差也不是很大，均处于小幅度震荡发展中；西部地区甘肃和新疆的各城镇化效率相对较高，而四川的各城镇化效率相对较低；东北地区吉林和黑龙江的各城镇化效率相对有效，而辽宁的各城镇化效率相对较低。总的来看，考察对象的各城镇化效率普遍不高，且各城镇化效率的高低与当地城镇化率和经济发展程度高低并无必然联系[7]，这为进一步深入研究城镇化效率低下的根本原因奠定了良好的基础。