區域新型城鎮化水平評價模型研究

（西北民族大學 經濟學院，甘肅 蘭州 730030）

區域新型城鎮化水平評價模型研究

王子灝，仇培林

（西北民族大學 經濟學院，甘肅 蘭州 730030）

本文運用快速聚類有計劃地將我國新型城鎮化發展的現狀區分為四類。根據熵值法計算8大地理區域的新型城鎮化水平綜合得分，從宏觀層面評價我國新型城鎮化發展的現狀，為快速聚類分析中4個類別確定性質。并使用判別分析得到對應快速聚類分析4組分類的Bayes線性判別函數。從而推廣到對于任一研究區新型城鎮化水平測度問題的解決中。判斷具體某一研究區所屬分類后，根據每一分類下涵蓋的地理區域共有的新型城鎮化現狀及存在的問題，為研究區定制符合中國國情的新型城鎮化發展道路，提高城鎮化的質量與效率。

熵值法；Bayes線性判別函數；新型城鎮化水平評價；路徑規劃

一、新型城鎮化水平評價函數的設計

為了使最終的路徑規劃符合中國城鎮化進程的宏觀情況。首先運用快速聚類將8大地理區域新型城鎮化水平有目的地聚類為4類。其次運用熵值法計算出8大地理區域的最終得分，依據各地理區域的分類情況對快速聚類分析的四個分類定性，確定分類為“新型城鎮化水平極高、新型城鎮化水平較高、新型城鎮化水平一般、新型城鎮化水平較低”。最后運用判別分析得到與四個分類對應的Bayes線性判別函數。

在評價任一研究區新型城鎮化水平時選取判別分析篩選的指標。待Bayes線性判別函數計算后，哪一函數得分最高，該地區的城鎮化水平就落入在該分類下?？梢愿鶕@一分類的情況精準地提出符合我國國情的研究區的路徑規劃。

二、研究過程

1、評價指標選取

評價新型城鎮化的指標選取主要基于能否合理準確地表達城鎮化“以人為本，持續發展”的根本目標。本文在指標選取中均考慮到指標對于當前城鎮化水平的表現與對未來城市發展相關因素評價的綜合考量。本文的指標基于人口質量因子、人居環境因子、經濟發展因子三個一級指標進行二級指標的選取，指標均以相對數的形式呈現。

2、基于熵值法的快速聚類分析的分類定性

運用熵值法的原理，計算各二級指標的權重。結果如下表所示，權重后對應各地區相應指標的實際數據。

使用熵值法計算得8大地理區域新型城鎮化得分。華東第一名，華南第二名，華北第三名，西南第四名，華中第五名，西北第六名，東北第七名，青藏第八名。第一名對應城鎮化水平極高這一分類，第八名對應城鎮化水平較低這一分類。

表1 指標權重及實際數據Table1．selectionofindicatorsandweightdetermination

3、各地理區域新型城鎮化水平的快速聚類分析

運用上述指標得出快速聚類分析結果。為了將8個地理區域的城鎮化水平測度推而廣之，便于微觀層面上研究某個城市城鎮化發展所處階段，因此，將快速聚類結果歸納為四類。

表2 快速聚類分析與分類結果Table3．Rapidclusteringanalysisandclassificationresults

目前我國新型城鎮化水平最高的地區為華東地區，最低的為青藏地區。新型城鎮化水平的度量雖然加入了很多人本思想的考量條件，但是最終的極端值并沒有出現出乎意料的結果。東北地區的衰落與新型城鎮化水平的落后也被顯著地體現出來，熵值法分析結果與客觀情況相符，有一定的參考價值。

華東地區在熵值法打分中得分最高，在快速聚類分析中單獨分為一類，聚類為第三類，可以將該地區代表“新型城鎮化水平極高”這一類。華南地區的得分居于第二，快速聚類分析單獨分為一類，聚類為第2類，該地區代表“新型城鎮化水平較高”一類。華北、西南的得分居第三、第四名，在快速聚類分析中聚類為第一類，該地區代表“新型城鎮化水平一般”一類。華中、西北、東北、青藏得分居第五、第六、第七、第八名，快速聚類為第四類，該地區代表“新型城鎮化水平較低”一類。由于第四類中四大地區新型城鎮化水平與問題存在較大差異，因此在分析時根據研究區的實際情況分別分析。

根據熵值法綜合得分歸納出的中國新型城鎮化現狀的宏觀分析結果，將8個地理區域對應4個分類，總結出基于8個地理區域的現狀分析下的4個分類不同的新型城鎮化發展現狀:

新型城鎮化水平極高：兼顧了經濟發展與環境保護的關系?；A設施建設完善，城鎮居民養老保險、醫療保險體系基本建立。城市經濟發展思路趨于成熟。

新型城鎮化水平較高:較好地協調了經濟發展與環境保護的關系。開展基礎設施完善工作。構建城鎮居民養老保險、醫療保險體系。城市經濟發展思路處于規劃階段。處于該分類下的區域大多數處于城鎮化發展的探索期。

新型城鎮化水平一般：較好地處理了經濟發展與環境保護的關系?；A設施建設接近尾聲建設，城鎮居民養老保險、醫療保險體系基本建立。城市經濟發展思路處于完善階段。處于該分類下的區域大多數是新型城鎮化發展較為成熟的城市。各方面的問題較為妥善安排，已經度過城鎮化發展的探索期。

新型城鎮化水平較低：呈現出三種狀態。一種是發達地區衰退后新型城鎮化水平較低；一種是城市化水平較低亟待發展；另外一種是不以經濟促進為目的城鎮化。具體根據研究區的情況再分類之后對應相應分類時參考省份的情況分析研究區問題。

三、Bayes的線性判別函數的得出

根據判別分析的結果得出4組Bayes線性判別式函數，并對應快速分析四組聚類結果，結果如下：

新型城鎮化水平較低：

新型城鎮化水平一般：

新型城鎮化水平較高：

新型城鎮化水平極高：

根據判別分析結果，其中x1為第二產業比重，x2為第三產業比重，x3為基本養老保險參保比率，x4為社區服務機構覆蓋率。選取任意地區上述四項指標代入四個線性判別函數，得分最高的函數對應的分組即為研究區新型城鎮化水平所在范圍。可根據第五部分歸納的特征總結研究區新型城鎮化現狀。

[1]馬艷梅、吳玉鳴、吳柏鈞：長三角地區城鎮化可持續發展綜合評價——基于熵值法和象限圖法[J]．經濟地理,2015(06):47-53．

[2]王富喜、毛愛華、李赫龍、賈明璐：基于熵值法的山東省城鎮化質量測度及空間差異分析[J]．地理科學,2013(11):1323-1329．

[3]陸大道、陳明星：關于“國家新型城鎮化規劃(2014-2020)”編制大背景的幾點認識[J]．地理學報,2015(02):179-185．

[4]熊偉、崔光磊：貝葉斯判別分析在礦井突水水源預測中的應用[J]．中國煤炭,2012,(11):110-113．

[5]付殿敬、徐敬領、王貴文：基于Q型聚類分析和貝葉斯判別算法研究儲層分類評價[J]．科技導報,2011,(03):29-33．

（責任編輯：宋 杰）

西北民族大學2016年國家級大學生創新創業訓練計劃項目資助項目階段性成果，項目編號：201610742038。