城市产业结构优化的纵向测度与横向诊断模型及应用_以北京市为例_邱灵

第29卷 第2期2010年2月地 理 研 究GEOGRAPH ICAL RESEARCHV o l 129,N o 12F eb 1,2010收稿日期:2009-05-19;修订日期:2009-11-07基金项目:国家自然科学基金项目(40971101);国家/十一五0科技支撑计划重大项目课题(2006BAJ 05A06) 作者简介:邱灵(1983-),男,福建福州人,博士生。

研究方向为服务业与城市发展、城市与区域规划。

E -mail:qiul 108b@igs nrr 1ac 1cn *通讯作者:方创琳(1966-),男,甘肃庆阳人,研究员,博士生导师。

近年来主要从事城市发展与城市规划等研究。

E -mail:fangcl@igsnrr 1ac 1cn城市产业结构优化的纵向测度与横向诊断模型及应用)))以北京市为例邱 灵1,2,方创琳1*(11中国科学院地理科学与资源研究所,北京100101; 21中国科学院研究生院,北京100039)摘要:优化、高效的城市产业结构是城市经济社会全面发展的必备条件。

本文基于数据包络分析模型构建包括10个投入指标、4个产出指标的城市产业结构优化纵向测度指标体系,基于因子分析模型构建由1个目标层、4个标准层和16个指标层构成的城市产业结构优化横向诊断指标体系,并以北京市为例进行实证分析,旨在为城市产业结构优化升级、经济发展方式转变提供科学指导。

研究表明:¹改革开放30年来,北京市产业结构优化程度一直处于较高水平,仅1991、2004年出现资源过度投入而规模收益递减现象,1987、1995、1996年出现资源有效利用不足而规模收益递增现象;º产业效率、产业效益、产业科技、产业优势是影响北京市各区县产业结构优化程度的主要因子;»由于产业效率水平高且对产业结构优化的贡献大,北京市中心城区和近郊区的整体产业结构优化程度明显高于远郊区县;¼北京市各区县在产业效率、产业效益、产业科技、产业优势等分项指标各具优劣,应通过差异化发展促进各区县乃至城市的产业结构优化升级。

关键词:城市产业结构优化;纵向测度;横向诊断;北京市文章编号:1000-0585(2010)02-0327-111 引言产业结构是指各产业之间按照一定的经济技术联系所构成的各种比例关系,其作为经济发展水平的集中体现,是经济持续增长的基本动力[1]。

西方国家经济发展历程表明,产业结构优化升级与经济实力持续提升是相互作用、良性互动的过程,优化产业结构是转变经济发展方式的关键环节[2,3]。

产业结构不合理、增长方式转变缓慢仍是现阶段制约我国经济持续发展的突出问题[4]。

本文进行产业结构优化的定量研究,对于科学辨识产业结构优化程度、有效指导产业结构优化升级、加快转变经济发展方式均具有重要意义。

城市作为区域经济和文化中心,在国民经济和社会发展中具有重要战略地位,其产业结构优化问题从20世纪80年代以来在中国逐渐得到重视,并取得较为丰富的研究成果。

在城市产业结构优化的度量方法及模型方面,产业结构相似系数[5~7]、劳动生产率修正系数[8]、系统聚类法[9]、偏离份额分析法[10,11]、灰色关联分析法[12]、因子分析法[13]等多元328 地 理 研 究29卷统计分析方法应用较为普遍。

此外,姜照华等基于可持续发展目标构建产业结构动态多目标优化模型[14],段志军等应用可计算性一般均衡模型[15]、徐勇等通过单位根检验、协整检验和Gr anger 因果关系检验[16]对城市产业结构优化及其影响效应进行实证分析。

在城市产业结构优化的调控路径方面,不同学者分别从区域经济发展背景[17]、城市发展阶段特征[18]、市场需求[19]、土地配置[20~22]、人口结构[23]、要素禀赋优势[15]、空间结构调整[24~29]、重点产业选择[30~32]和产业发展政策[33]等视角探讨城市产业结构优化升级的实现路径。

近年来,随着资源型城市经济社会发展中存在的矛盾日益突出,从后续产业培育、生态环境整治、人才利用与培训、完善资源补偿机制等诸多方面探讨资源型城市产业结构转型问题也备受关注[34~47]。

城市产业结构优化的定量研究是科学辨识产业结构优化程度、有效指导产业结构优化升级的重要依据,但已有研究的测度体系在指标上较为简单,甚至采用单一指标测算城市产业结构水平,难以全面反映城市产业结构的内涵。

此外,现有研究多侧重整个城市的产业结构研究,对城市内部各区县之间的产业结构分工协作鲜有涉及。

本文采用多投入、多产出的数据包络分析模型对城市产业结构优化程度的历史演进进行纵向测度,进而运用基于因子分析的多指标综合评价法对城市内部各区县之间产业结构优化程度进行横向诊断,旨在为城市产业结构优化升级与经济发展方式转变提供科学指导。

2 城市产业结构优化的模型构建211 纵向测度方法与指标体系21111 测度方法 数据包络分析(Data Env elo pment Analysis)是由美国运筹学家Char -nes 、Co oper 等人于1978年在对具有多项投入和多项产出的决策单元进行/相对效率评价0的基础上发展起来的非参数分析方法[48]。

其基本模型为C 2R 和C 2GS,前者是同时针对规模有效性与技术有效性而言的/总体0有效性,后者则只能评价技术有效性。

C 2R 模型和C 2GS 模型各自又可以分为投入型模型和产出型模型,前者指产出不变寻求最小投入,后者指投入一定寻求最大产出。

C 2R 模型和C 2GS 模型均采用线性规划的单纯形解法,由于其解具有对偶性,同一模型的投入型与产出型的解法一致。

本文进行产业结构优化纵向测度选择包括规模有效和技术有效的C 2R 模型,并进一步选取了投入型模型。

其基本模型如下:min [H -E (E ^S -+ES +)]=V D s 1t 1E ni=1K i Xi+S --H X i 0=0E ni =1K iYi-S +-Y i 0=0K i \0,i =1,2,,,nS +\0,S -\0式中,X i =(x i 1,x i 2,,,x im )和Y i =(y i 1,y i 2,,,y is )分别是第i 个决策单元DM U i 的输入、输出向量。

E ^=(E 1,E 2,,,E m ),E =(E 1,E 2,,,E s ),非阿基米德无穷小E 是一个小于任何正数而大于零的数,在实际应用中常取为一个足够小的正数。

S -、S +为加入的松弛变量,S -为未利用资源变量,S +为产出不足变量。

若模型存在最优解H *、S -*、S +*、K *,其评价标准为:2期邱灵等:城市产业结构优化的纵向测度与横向诊断模型及应用329¹若H*=1且S-*=0、S+*=0,则第i0个DM U为DEA有效,其形成的有效前沿面为规模收益不变,DM U为规模有效且技术有效,即该DM U组成的经济系统在原投入X i的基础上所获得的产出Y i已达到最优;º若H*=1而S-*X0或者S+*X0,则第i0个DM U为弱DE A有效,即该DM U组成的经济系统对于投入X i可减少S-而保持原产出Y i不变,或者在原投入X i不变情况下将产出提高S+;»若H*<1,则第i0个DM U为非DEA有效,即该DM U组成的经济系统可通过组合将投入降至原投入X i的H比例而保持原产出Y i不减。

设K=E n i=1K i,则K称为DM U i规模收益值。

¹当K=1,表示DM U i规模收益不变,此时DM U i达到最大产出规模点;º当K<1,表示DM U i规模收益递增,且K值越小、规模递增趋势越大,表明D M U i在原投入X i基础上,适当增加投入量,产出量将有更高比例增加;»当K>1,表示DM U i规模收益递减,且K值越大、规模递减趋势越大,表明DM U i在原投入X i基础上,增加投入量不可能带来更高比例产出,此时没有必要再增加决策单元投入。

将DM U i各分量S-ij与对应指标分量x ij的比值定义为投入冗余率,记为A ij,它表示该分量指标投入可节省比例。

同样设B ij=S+ij/y ij,则B ij称为产出不足率,它表示该分量指标产出可提高比例。

比较经济系统中不同年份的投入冗余率或产出不足率可动态反映该经济系统哪些方面有所改善和哪些方面还需要加强调整。

21112指标体系产业结构优化与产业规模、结构、效率、效益均密切相关,采用单一指标无法进行科学解释。

基于DEA的相对效率是投入变量与产出变量综合作用后的一种外部表现。

综合考虑城市产业发展的劳动力、资金、土地、水资源和能源投入以及产业发展的经济产出,构建包括10个投入指标、4个产出指标的城市产业结构优化纵向测度指标体系,该指标体系的指标数量<DM U/2,满足DEA模型的基本要求。

其中,投入指标为:第一产业就业人数、第二产业就业人数、第三产业就业人数、第一产业固定资产投资、第二产业固定资产投资、第三产业固定资产投资、农作物播种面积、建成区面积、水资源消费总量、能源消费总量,产出指标为:第一产业增加值、第二产业增加值、第三产业增加值、地方财政收入。

212横向诊断方法与指标体系21211诊断方法因子分析(Facto r Analy sis)是一种多变量化简技术,通过分解原始变量,从中归纳出潜在/类别0,将相关性较强指标归为一类,每一类变量代表一个共同因子,而不同类变量之间的相关性较小[49]。

通过因子分析,将原来的多个关联指标组合为相互独立、并能充分反映总体信息的少数指标,从而在尽可能保存原有资料信息的前提下,用较少维度去表示原有数据结构,并解决变量间的多重共线性问题。

假定有p个变量x1,x2,,,x p,则n个样本的p个变量观测值构成了1个n@p阶的原始数据矩阵:X=x11x12,x1p x21x22,x2p ,,,, x n1x n2,x np为了消除各个变量在数量级或量纲上的不同,在进行因子分析之前对变量进行标准化处理。

假定标准化后的变量为z1,z2,,,z p。

因子分析的基本假设是p个标准化变量可330地理研究29卷由p个新的标准化变量)))因子F1,F2,,,F p线性表示:z j=a j1F1+a j2F2+,+a jp F p,(j=1,2,,,p)式中,a ij(i,j=1,2,,,p)所构成的矩阵A为因子载荷矩阵。

假定式中p个因子是按照各个因子的方差贡献率由大到小排列,通常选择m个方差贡献较大因子(m个因子的累积贡献率在85%以上)。

此时,上式可写成:z j=a j1F1+a j2F2+,+a jm F m+e j式中,e1,e2,,,e p是误差项,通过估计可以得到载荷矩阵A。