“以人为核心”的新型城镇化水平测度与空间差异研究

谢寿琼，刘凯迪

（1.重庆工商大学a.经济学院；b.长江上游经济研究中心，重庆 400067；2.北京工商大学 数学与统计学院，北京 100048）

0 引言

城镇化是伴随经济发展的永恒课题，是国家现代化的一项重要标志。“十四五”规划明确指出“推进以人为核心的新型城镇化”，这与党的十九届六中全会精神一脉相承。在实现第二个百年奋斗目标的新征程中，在乡村振兴战略下，要将新型城镇化与城乡融合发展有机结合，促进区域一体化协调化发展，真正做到“以人为核心，为人民服务”。因此，构建“以人为核心”的新型城镇化评价指标体系，对我国新型城镇化水平的测度和空间差异分析尤为重要。

近年来，对“以人为核心”的新型城镇化内涵和测度方法层面的研究较为普遍。其中，对“以人为核心”的内涵研究角度广泛、内容深入，涉及哲学、经济、政治、社会等方面[1]。张许颖和黄匡时（2014）[2]从“以GDP 为核心”到“以人为核心”政策思路转变的角度构建评价指标体系。陈心颖（2020）[3]基于“现代化”角度，分析了“以人为核心”的新型城镇化内涵。马长发等（2020）[4]基于“人的可行能力”概念，构建了新型城镇化研究视角下“以人为核心”的评价指标体系。李兰冰等（2020）[5]以新型城镇化与经济发展关系为切入点，从要素转换、演化机理和维度解构三个层面构建了中国新型城镇化的理论逻辑体系。李源和郭祥林（2021）[6]从城乡融合的角度思考“以人为核心”的新型城镇化内涵，分析了当前新型城镇化存在的问题。刘培林等（2021）[7]从新时代共同富裕的角度，思考了新型城镇化发展的要求。

现有研究关于高质量新型城镇化水平的评价指标体系还不够完善，主要包含经济环境[8]、市政建设[9]、人民生活[10]、生态环境、协调融合[11]等领域。但研究方法与切入点正在不断丰富，涵盖了高质量发展水平、发展协调度、区域性差异等方面[12,13]。罗知等（2018）[14]建立了兼顾效率与公平的城镇化模型，并基于省级面板数据对理论模型的预测进行了检验。Wang 等（2021）[15]构建了热脆弱性指数（HVI），利用多因子主成分分析量化中国各县域人口的热脆弱性，并利用多源数据测度县域城镇化水平。Fang 等（2021）[16]基于环境质量与环境压力之间的关系，建立了城市环境时空耦合协调发展模型，并对山东半岛城镇化发展进行了实证研究。现有研究成果为本文对“以人为核心”的新型城镇化的内涵和测度方法的进一步探讨奠定了基础。基于“十四五”规划目标与要求，本文进一步完善了“以人为核心”的新型城镇化评价指标体系，并对其空间差异进行探讨和分析。

1 “以人为核心”的新型城镇化水平测度

1.1 “以人为核心”的新型城镇化内涵

“以人为核心”的新型城镇化的关键在于“人”，在对新型城镇化进行评价时始终不能脱离“人”的角度。本文以“人”的视角看新型城镇化，既强调“人”成长发展全过程中的教育文化、综合素质问题，又关注“人”在生存发展过程中的就业、消费、公共服务、居住环境等问题，同时还考虑“人”在社会发展过程中的科技创新、经济环境问题，更加侧重于以“人”的综合发展来探讨新型城镇化内涵。因此，基于“十四五”规划中所提出的“以人为核心”的新型城镇化发展目标与要求，本文将新型城镇化内涵阐释为以下7 个方面：持续稳定的人口城镇化与就业形势；以教育和科技创新为核心的人口素质；关系人民生活的收支问题；科学、高效、宜居的基础设施；代表人民美好生活质量的公共服务水平；可持续发展的生态环境治理；新型城镇化发展的经济环境。

1.2 “以人为核心”的新型城镇化评价指标体系构建

“以人为核心”的新型城镇化是传统城镇化的继承与发展，在构建评价指标体系时既要保留传统城镇化的基本指标，也要将新型城镇化角度延伸到人的综合体验与全面发展方面，尽可能全面反映“以人为核心”的真正内涵。传统的城镇化评价指标体系主要涉及经济环境、城镇化人口、城镇化土地等片面的指标层。随着“五位一体”总体布局的推进，新型城镇化的评价指标体系逐渐延伸到与人的综合体验相关的基础设施建设、公共服务、生态环境等方面。根据新时代高质量发展的要求，高质量发展就是以人民为中心的发展，在测度新型城镇化时应当考虑到人的全面发展，将以教育和科技创新为核心的人口素质纳入评价指标体系。

具体而言，第一，持续稳定的人口城镇化与就业形势是高质量新型城镇化的基本表现，稳定可持续发展的就业是人民获得美好生活的前提，是最大的民生问题。第二，以教育和科技创新为核心的人口素质是衡量人的全面发展的关键指标，科技创新是引领发展的第一动力，教育是国家永续发展的不变主题，只有在教育与科技创新中加大投入，在科技创新中提升人口的创造力，形成全民创造的良好氛围，培育高质量的城镇人口，才能为产业结构升级增速，打造高水平的就业群体，为高质量的新型城镇化提供坚实力量。第三，关系人民生活的收支问题是“人”的综合体验的基础，实现“以人为核心”的新型城镇化最基本的就是要守住人民的“钱袋子”，并且将它越做越大。当人们的基本生活需要得到满足时，会激发人们追求更多的消费性支出，其中自身技能提升支出和子女教育支出都会进一步增加，这也将推动人口素质的发展。第四，科学、高效、宜居的基础设施是城镇化的底层设计，基础市政设施的规划建设质量直接影响着未来新型城镇化发展的效率。第五，代表人民美好生活质量的公共服务水平是“人”的综合体验的直观体现，进入全面小康社会的中国人民对美好生活的期待在很大程度上与公共服务水平有关，公共服务质量直接影响居民幸福指数及其对新型城镇化的满意度。第六，可持续发展的生态环境治理是新型城镇化的必然要求，“以人为核心”的新型城镇化是可持续发展、造福子孙后代的生态环境友好型新型城镇化，必须坚守生态红线，在生态环境所能承受的范围内大力发展新型城镇化。第七，新型城镇化发展的经济环境是评价指标体系的基础，经济发展水平与新型城镇化发展水平有着密切的联系，经济可持续发展是“以人为核心”的新型城镇化水平得以提高的前提。

结合上述“以人为核心”的新型城镇化内涵以及数据的可得性，本文构建了以人口与就业、人口素质、人民生活、基础设施、公共服务、生态环境、经济环境为一级指标的“以人为核心”的新型城镇化评价指标体系，共包含45项二级指标。具体评价指标体系如表1所示。

表1 “以人为核心”的新型城镇化评价指标体系

1.3 数据来源

鉴于数据的全面性、科学性和可得性，本文基于2008—2019 年我国31 个省份（不含港澳台）的数据对“以人为核心”的新型城镇化水平进行测度。数据主要来自历年《中国统计年鉴》《中国环境统计年鉴》和《中国城市建设统计年鉴》，部分人均数据根据计算得出。对于个别缺失数据，则根据数据的属性使用移动平滑值法或平均增长率计算法进行填补。

1.4 测度方法

在对新型城镇化水平测度的相关研究中，有主观赋权、客观赋权以及主客观结合赋权三种方法，这些方法都有一定的可行之处。为了更加客观真实地评价新型城镇化质量，探究其评价指标体系中各指标的权重关系，本文采用熵权法对“以人为核心”的新型城镇化水平进行测度。

首先，对原始数据进行正向化和无量纲化处理，具体处理原则如式（1）和式（2）所示：

正向指标：

负向指标：

其次，计算各省份“以人为核心”的新型城镇化指标的比重，进而计算各新型城镇化指标的熵值、差异系数和综合指标体系中的权重，计算步骤如式（3）所示。最后，根据式（4）计算得到各省份“以人为核心”的新型城镇化水平。

1.5 “以人为核心”的新型城镇化水平测度

根据熵权法计算的各指标的平均权重如表2 所示。在“以人为核心”的新型城镇化评价指标体系中，公共服务层面（24.77%）的权重最大，其次分别为人口素质（22.86%）、人民生活（17.38%）、生态环境（10.19%）、经济环境（8.88%）、人口与就业（8.67%）和基础设施（7.23%）。由此可知，与“人”密切相关的公共服务、人口素质和人民生活层面的指标权重较大，从“人”的视角看新型城镇化具有现实意义。

表2 “以人为核心”的新型城镇化平均指标权重（单位：%）

在公共服务层面，每项二级指标的总权重均超过1%，说明“人”切实得到的教育、卫生、通信、交通、社会保障等方面的服务在新型城镇化发展中必不可少；其中人均拥有公共图书馆藏量、人均教育经费的权重较大，表明“人”的教育文化水平尤为重要，这也体现了教育是“人”发展的根本所在。在人口素质层面，可以发现人均科技支出、每万人申请专利数和每万人有效专利数的总权重相对较大，表明“以人为核心”的新型城镇化更加注重科技创新力量，是更加精细、高质量的新型城镇化，同时这也印证了教育发展在“以人为核心”的新型城镇化中的地位。在人口与就业和人民生活层面，城镇职工平均工资、人均可支配收入、人均消费支出等所占总权重较大，显示了“人”的钱袋子问题在新型城镇化中十分重要，这些指标也是“人”能切实感受到的新型城镇化所带来的积极影响；同时，人均邮电支出总权重较大，表明“线上+线下”的新发展模式在新型城镇化中逐渐得到应用。

由熵权法计算得到的31个省份“以人为核心”的新型城镇化水平（原始得分乘以100）如下页表3所示。其结果显示：北京作为我国的政治、经济和文化核心区域，其新型城镇化水平一直处于全国领先地位，突显了其新型城镇化的示范作用。上海、江苏、浙江、广东的新型城镇化水平较高，且东部沿海地区省份的水平均处于上升态势；西部地区绝大多数省份的新型城镇化水平正在稳步提升；东北地区的新型城镇化发展相对较慢，其排名整体呈下降态势。安徽排名提升最为显著（上升9位），黑龙江排名降低最为显著（下降13位）。总体来看，自2014年国家大力推进“以人为核心”的新型城镇化以来，新型城镇化水平排名上升的省份绝大多数来自西部地区。

表3 “以人为核心”的新型城镇化水平及排名

2 新型城镇化水平空间差异分析

2.1 研究方法

基于上述对“以人为核心”的新型城镇化水平测度的结果，本文采用莫兰指数对31 个省份“以人为核心”的新型城镇化水平进行空间差异研究。全局与局部莫兰指数的计算方法如下：

其中，I与Ii分别为全局和局部莫兰指数，n为空间单元数，yi和yj分别表示第i个和第j个空间单元属性值，为空间单元属性值的均值，wij为空间权重矩阵中的元素，，本文参考谢寿琼（2017）[17]对地理距离和经济距离下空间权重矩阵的构建方法来计算莫兰指数。

2.2 空间差异分析

2.2.1 全局莫兰指数

根据全局条件计算的结果（见表4），在不同类型的空间权重矩阵下，莫兰指数平均值都达到了0.3，且均通过1%水平上的显著性检验。这表明我国“以人为核心”新型城镇化水平具有空间自相关性，各省份发展水平有正向的空间集聚性。

表4 两种空间权重矩阵下全局莫兰指数

2.2.2 局部莫兰指数

分别绘制地理距离和经济距离下2008 年、2014 年和2019 年局部莫兰散点图（见下页图1 和图2），可以发现两种空间矩阵下的结论一致。多数省份处于第一和第三象限；大多东部地区省份位于第一象限HH区，为“以人为核心”的新型城镇化水平的“高-高”集聚区；大多西部地区省份位于第三象限LL 区，为“以人为核心”的新型城镇化水平的“低-低”集聚区。北京、天津、上海、江苏和浙江一直处于第一象限HH区，说明京津冀和长三角地区整体新型城镇化水平较高，形成了具有良性互动的城市群。值得关注的是广东一直处于第四象限HL区，其自身新型城镇化水平较高，但周围的广西、湖南和江西相对提升不明显，辐射效应不显著。

图2 经济距离下莫兰散点图

2008—2014 年，前期处于第二象限LH 区的内蒙古跃迁到第一象限HH 区，说明其新型城镇化水平显著提高，这一变化与其煤炭经济的快速发展有着密切关系；第二象限LH 区的福建迁移到第一象限HH 区，这可能与广东的辐射效应有关；第一象限HH 区的辽宁迁移到第二象限LH区，说明其新型城镇化水平处于低速增长状态；第二象限LH区的吉林和河南跃迁到第三象限LL区，说明在此期间一些周围省份的新型城镇化发展速度较慢。2015—2019 年，第一象限HH 区的内蒙古又跃迁到第二象限LH区，说明其新型城镇化发展速度放缓，这可能与国家大力推进生态环境保护有关，其煤炭经济受到一定限制，短期内经济增速放缓的负向效应强于环境保护政策所带来的正向效应；第二象限LH区的辽宁的再一次跃迁到第三象限LL区，说明辽宁新型城镇化发展持续低迷。

2.3 区域差异性的进一步分析

2.3.1 政策导向差异

东南沿海地区是改革开放的先行区，具有区位与政策的双优势[18]，形成了良好的经济基础，其吸引力也逐渐变强。要素和劳动力从西部地区向东部地区转移；“西电东送”“西气东输”等工程都使东部地区的资源得到了极大丰富。东部地区的规模效应和产业集群效应愈加明显，进而形成了更加合理的基础设施建设、更高质量的公共服务水平以及更完善的社会保障体系，“以人为核心”新型城镇化水平也因此更高。中西部地区以及东北地区虽然资源丰富，但其产业结构侧重于农业和重工业，就业吸纳能力远不如东部地区，很难在短期内形成产业集聚形态，限制了城镇化发展。

2.3.2 资源禀赋差距

我国地域辽阔，拥有世界上最为复杂的地理条件，人口分布也存在着较大差异。第一，复杂的地理条件与历史因素增加了新型城镇化成本。西部地区虽然拥有大量的自然资源，但其复杂的地理条件导致资源开发利用成本和基础设施建设成本较高。第二，人口与城市聚集差异导致空间差异。根据最新统计数据及全国人口普查结果，我国东南地区占有45%的国土面积，但人口和城市数量占比均高达90%以上。在这种人口与城市高度聚集的情况下，东部地区各方面建设的投入产出效率更高，城市间的交流也更密切。西部地区地广人稀，城市集聚效应不明显，导致基础设施建设、公共服务的成本更高。

3 结论

本文基于“十四五”规划目标及要求，分析了“以人为核心”的新型城镇化内涵，并构建评价指标体系对其进行测度。以此为基础，对我国省级层面“以人为核心”的新型城镇化水平的空间差异进行了分析。结果表明：

（1）北京的新型城镇化水平一直处于领先地位，上海、江苏、浙江、广东的新型城镇化水平较高。东部地区的水平整体较高，且均呈现上升态势；中西部地区多数省份的水平正稳步提升；东北地区从全国来看增速相对较缓，且排名呈下降态势。

（2）根据全局莫兰指数的测算结果，在不同空间权重矩阵下，各年份莫兰指数均显著为正，这表明我国“以人为核心”新型城镇化水平具有空间自相关性，各省份新型城镇化水平有正向的空间集聚性。

（3）从局部莫兰指数和莫兰散点图中可以看出，31个省份“以人为核心”的新型城镇化水平存在显著空间集聚性，东部地区呈现“高-高”集聚，西部和东北地区呈现“低低”集聚，而中部地区的无显著集聚特征。