城市规模的划分精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的城市规模的划分主题范文，仅供参考，欢迎阅读并收藏。

第1篇：城市规模的划分范文

（重庆师范大学涉外商贸学院数学与计算机学院，中国 重庆 401520）

【摘要】根据四川省统计年鉴中有关的数据，运用相关分析、主成分分析、回归分析等定量方法，横向地探索影响人口城市化水平的因素。研究发现：它与各地区的交通、环境绿化和人均收入等成显著正相关，其中人均生产总值和人均收入的显著性相对较弱。

关键词 人口城市化水平；相关分析；主成分回归分析

0　引言

城市化水平直接影响居民的生活水平和福利水平，把握好各个小城市的发展动态，制定出相对应的向良性城市化发展的道路，显然利于整个区域的快速城市化。鉴于此，将分析影响四川省各市、州的人口城市化的主要原因，为四川省的相关部门的管理提供一定的科学依据。

1　人口城市化水平的主成分回归模型的建立

1.1　相关性分析

在借鉴和总结前人的基础上，根据定性分析，共选取四川省各市州的21个指标作为研究对象。人口城市化水平作为因变量，自变量的选取是反映四川省各市州的城镇居民生活状况，交通状况，第三产业发展规模，教育、文化和医疗业的发展规模及政府作为国家的管理者和国有资产的所有者而获得的收入等几大方面的相关指标。

计算人口城市化水平与其它各个指标之间的相关系数r，P值，并设定P＜0.1表示相关性显著，即得到人均生产总值（x3），城镇人均可支配的收入（x4），供水综合生产能力（x11），天然气供气总量（x12），道路长度（x13），道路面积（x14），桥梁数（x15），绿化覆盖面积（x16），污水排放量（x17）为主要影响因素。结果如表1

1.2 影响因素的主成分分析

为避免多重共线性影响建模质量，先对其进行主成分分析，这样既能避免各成分间的多重共线性，又能保证每个主成分仍是原始变量的线性组合，从而大大的提高了模型的质量。其主要结果如表2、表3。由表2可以看到第一个主成分z1的方差占全部方差的比例为87.697%，即由原来的9个指标转化为1个指标且基本上保留了原来指标的所有信息。且由表3得到第一主成分z1的线性组合为

1.3　主成分回归分析

以原始变量的数据计算出来的主成分的得分为z1的观测值，建立y与z1的主成分回归模型y=a0+a1z1。回归分析结果如表4、表5。

2　结果分析

通过主成分回归方程的系数可以得到如下几点：

1）显著相关的各个指标的回归系数均为正数，即它们均与人口城市化水平呈正相关。

2）反映各地区的交通、环境，绿化等状况的指标x13，x11，x17，x14，x15，x16，x12，的回归系数明显高于反映各地区的人均生产总值和人均收入的指标x4，x3的回归系数，这表明一个地区的生活环境和便利程度对于人口城市化的影响高于收入对其的影响。

3）指标x3是各地市的道路的长度，它的回归系数为8.288，为正数且最大，这表明人口城市化水平与道路长度不仅成正相关，而且关联性最大，即地区的道路越多，该地区的人口城市化水平越高。

3　研究结论与建议

通过以上的研究，笔者建议四川省人口城市化水平较低的市、州应加大各地区的道路修建，环境、绿化等方面的投资，这样才便于高素质的劳动力的迁入。对于人口城市化水平较高的地区，比如成都市，攀枝花市等地区，在发展产业的同时一定要注意环境的保护，确保有个良好的生态环境。一个地区各方面的承受能力毕竟都是有限的，一旦超出这个界限，就会影响整个城市的发展，因此省级相关部门应该合理的考虑这个问题，制定出适合各市州发展的相关制度，这对于四川省的发展有着重要的意义。

参考文献

［1］刘瑜.河北省人口城市化水平的发展现状及趋势分析[D].河北大学,2010,6．

［2］王学山.人口城镇化水平测定方法的改进[J].经济地理,2001,21（3）:315-318．

［3］陶毅.城市化水平的聚类和因子分析[J].南通职业大学学报,2005,19（4）:99-101．

［4］陈冬勤.关中人口城市化与REE协调发展定量评价[D].陕西师范大学,2009,5．

［5］S.韦斯伯格（Weisberg ,S.）．应用线性回归[M].王静龙，等，译.北京:中国统计出版社,1998，3．

第2篇：城市规模的划分范文

方法 基于2011―2014年上海市原静安区的逐月成人ILI就诊百分比，模型参数确定采用非条件最小二乘法，模型结构依据简洁与残差不相关原则确定，拟合优度以许瓦兹贝叶斯准则与赤池信息准则评估，构建成人ILI就诊百分比预测的最优ARIMA模型。以模型预测原静安区2015年1―10月成人ILI就诊百分比，计算实际值与预测值的相对误差；并预测原静安区2016年的成人ILI就诊百分比。

结果

模型ARIMA（0，2，1）（1，1，0）12（无常数项）对成人ILI就诊百分比时间序列拟合良好，移动平均参数（MA1=0.944）与季节自回归参数（SAR1=-0.542）有统计学意义（P0.05），模型表达式为（1+0.542B）（1-B）2 （1-B12）Zt=（1-0.944B）μt。2015年1―10月的成人ILI就诊百分比的A测值符合实际值的变动趋势，相对误差最小仅为4.45%。

结论 ARIMA模型可以较好地拟合原静安区成人ILI就诊百分比的时间变动趋势，能对成人ILI就诊百分比进行预测，短期预测有较高的精度。

关键词： ARIMA模型； 成人流感样病例； 就诊百分比； 预测中图分类号： R 183.3 文献标志码： A

Abstract： Objective To explore the feasibility of constructing and applying the autoregressive integrated moving average（ARIMA）model for predicting the hospital-visiting percentage ofinfluenza-like illness （ILI） in Jing-an District， Shanghai.

Methods An optimal ARIMA model for predicting the hospital-visiting percentage ofILI was established based on the monthly hospital-visiting percentage ofILI in Jing-an District of Shanghai from 2011 to 2014. The parameters of the model were determined through non-conditional least square method， the structure thereof was determined according to the concision principle and residual non-relevance principle， and the goodness of fit thereof was determined in accordance with Schwarz Bayesian Criterion（BSC） and Akaike Information Criterion （AIC）. This model was applied to predict the monthly hospital-visiting percentage ofILI in Jing-an District from

January to October of 2015 and to calculate the relative error between the actual value and the predicted one； it was also used to predict the monthly hospital-visiting percentage ofILI in Jing-an District in 2016.

Results

The ARIMA model （0，2，1）（1，1，0）12 （without constants） could well fit the time series of the hospital-visiting percentage ofILI while both the moving average coefficient （MA1=0.944） and the seasonal autoregressive coefficient （SAR1=-0.542） had statistical significance（P0.05）. The mathematic expression of the model was （1+0.542B） （1-B）2 （1-B12）Zt=（1-0.944B）μt. The predicted value for the hospital-visiting percentage ofILI from Jan.， 2015 to Oct.， 2015 was in conformity with the change trend of the actual value and the minimal relative error was only 4.45%.

Conclusion The ARIMA model can well fit the time-change trend of the hospital-visiting percentage ofILI of Jing-an District and can be used to forecast the hospital-visiting percentage ofILI while ensuring relatively high accuracy of short-term forecasts.

Keywords： ARIMA model；influenza-like illness； hospital-visiting percentage； forecast

流感样病例（influenza-like illness， ILI）是指体温高于38℃，同时伴有咽痛或咳嗽，而其他实验室诊断结果缺乏者。原静安区是上海市的中心城区，人口密度大，ILI是辖区内常见的一种急性呼吸道传染病。自回归求和移动平均（autoregressive integrated moving average， ARIMA）模型属于时间序列分析的一种，随着传染病防治研究的深入，越来越多的研究将其应用到传染病预测[1-3]。本文采用ARIMA模型对上海市原静安区哨点医院门诊每月成人ILI就诊百分比数据构建预测模型，并对2016年原静安区成人ILI就诊百分比_展外部预测，以评价该模型应用于成人ILI就诊百分比的短期预测价值，为科学开展流行性感冒的预防控制提供可借鉴的依据。

1 资料与方法

1.1 资料来源

开展预测成人ILI就诊百分比的监测资料，来自2011年1月―2014年12月上海市原静安区哨点医院发热门诊的每周ILI就诊数和门急诊就诊病例总数，将每周的数据进行整理，以每月的ILI就诊百分比为单位进行模型拟合与预测。

1.2 研究方法

本研究对ILI就诊百分比数据使用时间序列分析中的ARIMA模型进行拟合与预测。通过平稳序列、模型识别、参数确定和模型诊断、预测4个步骤进行建模。模型结构为ARIMA（p，d，q）×（P，D，Q）S，其中自回归及移动平均的阶数分别设为p、q，差分次数为d，季节性自回归及移动平均的阶数分别设为P、Q，季节性差分次数为D，季节周期设为s。模型拟合的数据来自2011年1月―2014年12月的监测点ILI就诊百分比，模型的预测效果以2015年1―10月的逐月ILI就诊百分比进行回代评价，预测精度以ILI就诊百分比实际值与预测值的相对误差评价，最后以2011年1月―2015年10月的每月ILI就诊百分比建模预测2016年1―12月的ILI就诊百分比。

1.3 统计学分析

采用SPSS 22.0软件构建逐月ILI就诊百分比原始数据库，采用Time Series预测模块开展模型拟合与数据处理。

2 结果

2.1 平稳序列

将2011年1月―2015年10月的每月ILI就诊百分比制成时间序列图（图1），从序列图中发现ILI就诊百分比序列在2013年以前数据变异较大，序列的前后差别较明显，季节周期性变化也较明显，每年有冬季和夏季2个高峰。采用自然对数变换将原始数据转变为方差平稳的序列，为避免趋势及季节的影响，再进行2次一般差分及1次季节差分，最终原始数据转换为1个较平稳的随机序列（图2），满足了ARIMA模型平稳性的前提。

2.2 模型识别

根据上述处理步骤，明确了本模型应为复合季节模型ARIMA（p，2，q）（P，1，Q）12，结合了季节性模型与连续性模型的特征，且模型周期为12个月。p、q值依据自相关及偏自相关函数分别定为0、1，即ARIMA（0，2，1）（P，1，Q）12。P、Q值则应分别取0、1、2进行拟合以获得最佳结构模型。

2.3 模型参数确定和模型诊断

参数确定依据非条件最小二乘法，以10为模型计算时的最大迭代次数。表1显示了相关备选模型的拟合优度统计量。对模型进行诊断时包括检验拟合优度、参数有无统计学意义、检验参数独立性和残差检验4方面。较优模型评价的准则为贝叶斯SBC值及赤池AIC值都较小，以此为判断标准，同时考虑模型参数的统计学意义，获得较优模型ARIMA（0，2，1）（1，1，0）12。由于该模型常数项没有统计学意义（P=0.362），不符合模型对简洁性的要求。因此，将常数项去除，再次拟合模型ARIMA（0，2，1）（1，1，0）12，所得模型的MA1与SAR1参数值分别为0.944和-0.542，均有统计学意义（P

通过对模型的诊断，得到最优模型为ARIMA（0，2，1）（1，1，0）12（非常数项），以后移算子表示为：（1-Φ1B）212Zt=（1-θ1B）μt，将参数代入方程，得模型方程为：（1+0.542B） （1-B）2 （1-B12）Zt=（1-0.944B）μt ， Zt为每月ILI就诊百分比的自然对数。

2.4 回代模型及外推预测

以最优模型ARIMA（0，2，1）（1，1，0）12（非常数项）对2011年1月―2014年12月的逐月成人ILI就诊百分比进行拟合，并预测2015年1―10月的ILI就诊百分比（图5）。图5展现了模型拟合2011年1月―2014年12月的结果，以及预测2015年1―10月的结果，可见模型对实际ILI就诊百分比的拟合及预测结果良好，拟合值与预测值的动态趋势大致符合实际值。各月预测值与实际就诊百分比的差距很小，2015年1―10月期g，ILI就诊百分比的预测值与实际值的相对误差最小，仅为4.45%，最大为43.11%。之后以2011年1月―2015年10月的数据重新拟合模型ARIMA（0，2，1）（1，1，0）12（非常数项），并外推预测2016年1―12月的ILI就诊百分比。预测结果见表2，每月的ILI就诊百分比波动在0.92%～3.35%之间，冬季和夏季各有1个高峰，分别为1月的3.23%和7月的3.35%，与目前的实际情况相符。

3 讨论

ARIMA模型是时间序列分析中的一种常用模型，近年来，该模型在传染病预测、预警领域应用较为广泛，特别适合于预测具有不典型特征，且判别困难的时间序列资料[4]。模型有综合评估时序数据的随机干扰、趋势性与周期性的优点，并以模型参数对其进行定量。当实际工作中，对监测数据的变化趋势的主要影响因素很难判断，也无法找到有关的数据时，ARIMA模型就特别具有其使用的优越性[5]。该模型的短期预测精确度相当高。ILI就诊百分比是间接反映流感流行强度的一个症状监测指标，该指标具有一定的季节周期性，但时间序列的特征并不典型。对成人ILI就诊百分比的预测具有前瞻性意义的研究，通过将常规监测与模型预测有机结合，有利于及时发现异常的变化情况。不同模型的预测效果与其应用条件相关联， ARIMA模型可以不考虑影响ILI就诊相关因素各自的效应，而是将其统一纳入时间变量中进行综合分析，相对于其他预测模型具有更高的短期外推预测精度。

原静安区成人ILI就诊百分比的时间序列图显示变异较大，且有较明显的季节性周期变化，呈非平稳的时间序列。因此，建模前应先进行序列平稳化，以满足模型拟合的前提。原始数据经过自然对数变换以平稳方差化后，再通过2次一般差分与1次季节差分，从而获得了接稳的1个随机序列。然后，依次通过模型识别与诊断，确定了最优模型ARIMA（0，2，1）（1，1，0）12（非常数项）。模型较好地拟合了成人ILI就诊百分比的各项实际值，获得的2015年1―10月ILI就诊百分比回代预测值与实际值具有较好的一致性，说明采用ARIMA模型预测成人ILI就诊百分比重复性优、可靠性好。最后将2011年1月―2015年10月的数据建模并外推预测2016年的ILI就诊百分比，模型拟合效果的验证理论上严谨，应用上可行。影响成人ILI就诊的因素比较多，并且互相之间影响，本研究获得的预测值是以数学模型为基础的理想值，有可能与实际值呈一定的差异，但不失为ILI预警的一项科学依据，并能进一步为流感的防控提供指导方向。

参考文献

[1]LIU Q，LIU X，JIANG B，et al.Forecasting incidence of hemorrhagic fever with renal syndrome in China using ARIMA model[J].BMC Infect Dis，2011，11： 218.

[2]EARNEST A，CHEN MI，NG D，et al.Using autoregressive integrated moving average （ARIMA） models to predict and monitor the number of beds occupied during a SARS outbreak in a tertiary hospital in Singapore[J].BMC Health Serv Res，2005，5：36.

[3]QUENEL P，DAB W. Influenza A and B epidemic criteria based on time series analysis of health services surveillance data[J].Eur J Epidemiol，1998，14（3）：275-285.

[4]ALLARD R. Use of time-series analysis in infectious disease surveillance[J].Bull World Health Organ，1998，76（4）：327-333.

第3篇：城市规模的划分范文

关键词：城市体系 等级 规模

我国正处于快速城市化的发展阶段，城市人口增长和地区经济差异越来越明显，城市等级体系也必然随之发生较大的变动。我国城市数量多、区位优势和经济发展差异巨大，加强城市等级体系的研究对于探索新时期我国城市发展规律和制定合理的城市群发展策略具有重要意义。

一、城市等级体系的概念界定

基于城市等级体系的自身特点，国内外学者对城市等级体系的研究主要是以定量研究为主，对其定性研究较少，因此城市等级体系的概念没有明确的定义，在一些研究中将城市等级体系、城市规模等级和城市体系等级混合来用。

城市规模等级是衡量城市大小的指标，包括人口规模、用地规模、经济职能规模和基础设施规模四部分，在实际应用中主要以人口规模为主。依据城市非农人口规模指标将我国城市分为五个等级：超特大城市（人口1000万及以上）、特大城市（人口大于100万小于1000万）、大城市（人口在50万到100万）、中等城市（人口在20万到50万）和小城市（人口规模20万以下）。

城市等级体系是指按照城市多项指标的综合对城市进行定位，它包含了城市中心地区和广大乡村地区，以及多产业体系的区域经济系统，城市等级的确定对城市的发展具有重要的意义。城市等级绝不等同于城市规模，一些人口多的城市其等级不一定高，人口相同的城市也不一定就属于同一个等级。但在一些实际研究中，直接以人口规模指标来划分城市等级。

城市体系是指一定地域内在功能和等级方面互相联系的城市总体，城市体系是对多个城市来说。它包括城市功能体系、城市等级体系两种类型和规模结构、职能结构、空间结构三个基本结构。城市体系可按城市规模的大小划分为若干个级别，但并不意味着这个级别就能代替整个体系的等级。

综上所述，并不能说单个的城市规模或城市等级就是城市等级体系，本文所讲的城市等级体系为城市规模和城市等级的综合体。

二、城市等级体系的相关理论综述

城市等级体系的产生和发展是以几个重要的经济地理学的理论为依托。克里斯塔勒型（Christaller-type）的城市空间体系是在农业腹地的扩大导致制造业生产地点分散（通过产品差异或运输成本导致多组货物生产组织的产生）中自发形成的。城市等级体系的演化经历了三种不同的传统模式，第一模式是采用阿隆索（1964）——米尔斯（1967）——穆斯（1969）单中心城市模型，这是杜能（1826）土地利用模式的重新修正，其中“偏僻的小镇”有中央商务区（CBD）取代。第二模式是亨德森（1974）作为经济模型的城镇体系，也就是作为一个集合的城市，其主要研究城市规模和类型（Henderson，1987，1988）。第三模式是克里斯塔勒（1933）和廖什（1940）的中心地理论，以均质的平原空间和新古典经济学的假设为理论基础。

（一）中心地理论（central place theory）

中心地理论（central place theory）是由德国城市地理学家克里斯塔勒（W. Christaller）和德国经济学家廖什（A. Losch）分别于1933年和1940年提出的，50年代起开始流行于英语国家，之后传播到其他国家，被认为是20世纪人文地理学最重要的贡献之一。

通过对德国南部城镇的调查，克里斯塔勒于1933年发表了《德国南部的中心地》一书，系统地阐明了中心地的数量、规模和分布模式，建立起了中心地理论。克里斯塔勒创建中心地理论深受杜能和韦伯区位论的影响，所以他的理论也建立在“理想地表”之上；其后又引入新古典经济学的假设，即生产者和消费者都是理性人假说。克里斯塔勒指出级别高越高的中心地生产较高级别的中心货物或提供较高级别的服务，反之亦然。根据中心地的服务范围，提出了正六边形的网络服务体系，并在此基础上推出了K=3的不同级别的中心地数量的递推公式。

克里斯塔勒认为，有三个原则支配中心地体系的形成，即市场原则、交通原则和行政原则，不同的原则有类似于K=3的中心体系网络分布，只是在不同的原则下K的取值不同而已，市场原则下取值为3，交通原则下取值为4，行政原则下取值为7。以上三个原则共同导致了城市等级体系的形成。

1940年，德国经济学家奥古斯特·廖什出版了《区位经济学》一书，在书中他利用数学推导和经济学理论，得出了一个与克里斯塔勒学说完全相同的区位模型。与克里斯塔勒不同，廖什更多的是从企业区位理论出发，通过逻辑推理方法，提出自己的生产区位景观。廖什出色的工作，为中心地理论树立了更为牢固的理论基础。

此后，1958年，贝里（B.J.L. Berry）和加里森（W. L. Garrison）对中心地理论作出了一些新的解释。首先，他们增补了中心地理论的假设，即消费者的消费支出是均质分布的。其次，由于当时克里斯塔勒的《德国南部的中心地》尚未译成英文，贝里和加里森对六边形网络做了自己的解释。在构造中心地等级体系时，贝里和加里森明确提出了“边际等级货物”这一概念，这对中心地理论是一个发展。1962年贝里又提出中心地等级的提高，职能单位数目的增加比中心地职能数目的增加要快。1967年贝里又指出中心地理论假设条件变化后对中心地等级体系的影响。他认为，人口密度越高，地区潜在的消费也越高，因此，中心地等级体系中的层次潜在数目就越多。便利、快捷、低成本的交通将减少低级中心地的重要性，有利于较高级别中心地的发展，这一点符合美国中心地的发展态势。他还指出，农业社会由于消费水平低，中心地职能分化程度低，中心地等级体系的层次数也较少。

贝里（Berry，1967）的概括特征的前两个已由Fujita等（1999）、Tabuchi和Thisse（2011）的研究演绎得出。可见，城市等级体系依托于中心地理论而产生和发展。

（二）亨德森城市体系理论（Henderson-type）

城市经济学在针对城市区规模和类型结构的研究中构建了关于城市等级体系的模型（Henderson，1974等）。亨德森认为经济体为城市的集合（A Collection of Cities），其中存在两种相反的作用力，即产业在城市的地理集聚产生外部经济，同时，越大的城市存在越高通勤成本引发城市的非经济性。同时，亨德森提出由于产业间的规模经济存在差异，而城市非经济性决定于城市规模，由此解释了存在大量具有不同规模的专业化城市现象。但亨德森的城市体系无法处理城市空间分布及相互空间作业关系等空间问题，因此可以被视为无空间城市体系模型。

新经济地理学上的城市等级体系研究，将空间因素重新带回城市等级体系理论的模型。该研究始于Fujita和Krugman（1995）对于“杜能”空间经济框架中单中心城市形成机制的建模，随后，Mori（1995）、Fujita和Mori（1997）逐步推进，最后Fujita等（1999）完成创作。此后，Tabuchi和Thisse（2011）对此进行了必要的补充。

（三）城市首位律（law of the primate city）

城市首位律是马克·杰斐逊（M. Jefferson）早在1939年对国家城市规模分布规律的一种概括。杰斐逊分析了51个国家（其中6个国家为两个不同时段）的情况，列出了每个国家前三位城市的规模和比例关系，发现其中有28个国家的最大城市是第二位城市人口的两倍以上，有18个国家大于第二位城市三倍以上。他将在国家政治、经济、社会、文化生活中占据明显优势的城市定义为首位城市（primate city）。其定义的首位城市也就是一个国家中最高等级的城市。

首位度在一定程度上代表了城市体系中的城市人口在最大城市的集中程度，这不免以偏概全。为了改进首位度2城市指数的简单化，又有人提出4城市指数和11城市指数。

（四）城市金字塔

城市金字塔是指城市按规模大小分成等级，等级越高的城市数量越小。高等级的城市唯一金字塔的顶部，低等级的城市是城市规模等级金字塔的基础。不同规模等级城市数量之间的关系可以用每一规模等级城市数量与其上一规模等级城市数相除的伤（K值）来表示。

城市金字塔给我们提供了一种分析城市规模分布的简便方法。戴维斯（K. Davis）把城市金字塔的规模等级边界规范化，当城市规模按两倍数分级时，发现世界和城市体系发育的大国基本符合各规模级城市的数目随着规模级降低而倍增的规律。

（五）位序——规模法则（rank-size rule）

位序——规模法则从城市的规模和城市规模位序的关系来考察一个城市体系的规模分布。

最早是1913年奥尔巴克（F. Auerbach）发现五个欧洲国家和美国的城市人口数据符合下式

PiRi=K

式中：Pi是一国城市按人口规模从大到小排序后第i位城市的人口数；Ri是第i位城市的位序；K是常数。

1925年罗特卡（A.J. Lotka）发现美国符合

PiRi0.93=5000000

他给出了一个比奥尔巴克方程能更好地拟合美国1920年的100个最大城市的模式。罗特卡的贡献在于对位序变量允许有一个指数。

1936年在辛格（H.W. Singer）的研究中才出现一般转化公式（以10为底的对数的转化公式），相当于：

PiRiq=K

1949年捷夫（G.K. Zipf）提出在经济发达国家里，一体化的城市体系的城市规模分布可用简单的公式表示：Pr=P1/R。式中：Pr是第r位城市的人口；P1是最大城市的人口；R是Pr城市的位序。

捷夫模式并不具有普遍意义，但作为一种理想的均衡状态，已被很多人介绍。

三、城市等级体系实证研究综述

城市等级体系是新经济地理学的核心，对城市等级体系的研究多是从经济地理学科理论基础出发。国内外对城市等级体系的研究中最常见的问题是关于城市等级体系的划分。传统的方法是从单一的人口规模角度划分；或者是从行政职能的角度划分，但以人口规模方法最为多见。

国外对城市体系研究最早的要数奥尔巴赫（F. Auerbach），他于1913年提出的位序-规模法则，用公式来表示一个城市的规模和该城市在国家所有城市按人口规模排序的关系。罗特卡对奥尔巴克的约束性方程做了修正，辛格（H.W. Singer）1936年提出了一般转移公式。1949年捷夫（G.K. Zipf）提出了在经济发达国家里一体化城市规模分布的表达式。马克·杰斐逊（M.Jefferson）于1939年提出了城市首位律（Law of the Primate City），通过对51个国家（其中6个国家为两个不同时段）的情况分析，他发现一个国家的首位城市要比第二位城市大两倍或三倍以上。马克·杰斐逊还提出了四城市指数和十一城市指数。

我国学者提出了具有自身特色的研究理论。比较成功的有：严重敏、宁越敏（1980年）和徐学强（1982年）先后用全国城镇的详细人口资料进行的位序-规模律的检验，指出我国城市整体上符合位序——规模法则；王法辉（1989年）用更系统的设市城市资料计算（1949—1987年）历年位序——规模模式参数；周一星（1989年）对中国各省区二、四、十一城市指数计算；徐学强（1982年）、李少星（2009）周一星（1986年）对80年代以前中国的城市规模等级结构详细的分析等。

随着我国城市化的快速发展，近年来一些学者在前人研究城市规模等级体系的成果上，将城市等级体系的研究进一步推进和细分。其中，陈彦光（2001，2002，2010，）等，运用理论模型对美国一些城市和我国一些城市进行实证研究，验证实际发展中的城市对模型的拟合度；J.K. Ahn，H.O. Nourse，张弘芬提出城市等级体系空间经济相互依存模型，提出产业等级和城市等级体系的关联；王发曾（1993年）针对河南省提出建立城市体系等级层次的理论和方法，对河南省的城市发展提出建议；魏守华、韩晨霞（2010年）对城市等级与服务业发展采用基于份额偏离分析方法进行研究，对我国城市等级与城市发展阶段的联系具有借鉴意义；刘继生、陈彦光（2001年）对城市等级体系结构进行宏观——微观对称性分析，具有创新意义；李震、杨永春根据我国城市发展的自身特色将GDP的规模分布于城市等级变化进行等级结构扁平化抑或是等级性加强的分析，指出我国城市GDP规模分布于城市等级变化等级结构加强，而不是西方国家的扁平化，但加强速度随着城市化进程的发展有减弱趋向；我国还有一些学者将交通网络引入城市等级体系的研究中。

参考文献：

[1]梁涵，姜玲，杨开忠.城市等级体系演化理论评述和展望[J].技术经济与管理研究，2012（10）

[2]张争胜，邓线平. 中国城市等级体系问题的初步研究[J].城市研究（南京），1999（1）

[3]Fujita M.； Krugman P.；Mori T. On the Evolution of Hierarchical urban systems [J]European Economic Review，1999（43）：209—251

[4]徐学强，周一星，宁越敏.城市地理学[M].北京：高等教育出版社，1997

第4篇：城市规模的划分范文

经CTR市场研究 Consumer Panel 对全国85个城市（县级市以上城市居民）的快速消费品（以下简称FMCG）60多个品类进行连续监测表明：2006年，有些品类得到充足发展，而有些品类却逐步衰退，整个市场喜忧参半，并非风平浪静。具体分析如下：

一、市场规模

2006年，FMCG市场规模总体上稳中有升，日化行业的增长率趋于平缓，食品和饮料行业增长略为明显。

从品类发展上看，牛奶、白酒、植物油、液体饮料、护肤品、啤酒、乳酸制品和奶粉（包括婴儿奶粉和豆奶粉）8大品类占据全国FMCG消费金额的58%，其中，牛奶的品类增长率约31%，白酒增长率约22%，成为规模庞大、成长显著的两大品类。牛奶作为尚处在成长期的品类，保持高增长率是可以理解的；而白酒作为传统饮品，保持如此高的增长率，确实令人感叹。

从区域分布上看，无论是饮料、食品，还是日化，北部区（黑龙江、吉林、辽宁、北京、天津、山东、河北、山西）的消费量最大，西部区（四川、重庆、贵州、广西、云南）的消费量最小。其中，饮料行业在北部区的消费量更大些。这显然和购买能力较强的北京、青岛、大连和山东、辽宁等人口大省被划归北部区有着一定的关系。

从分品类上看，牛奶在北部区有所下降，在其它区域相对较平稳；而白酒在北部区和东部区（上海、浙江、江苏、安徽、河南）得到了快速发展，尤其在东部区占有率更高些，达到13.5%；植物油在南部区（广东、福建、江西、湖南、湖北）得到良好的发展，达到10.5%；而啤酒在北部区拥有大量的份额，约达到9%，占比上相当于其它区域的2.8-3.2倍。另外一个值得关注的品类是固体饮料，在南部区占有率呈现比较显著的下降趋势，从2005年的6.7%下降到2006年的4.4%，在其它区域虽然趋势稳定，但占比不高。

从城市规模上看，饮料、食品和日化行业在省会、地级市和县级市的发展都有所增长，饮料行业的增长率约为21%；食品行业约为16%；日化行业略显平稳，约为11%。从消费金额上看，地级市显现出庞大的消费潜力，三大行业都取得了充足而快速的发展。不过，相比之下，日化行业在省会城市的发展更显著一些，而在地级市和县级市增长态势不算显著。

二、品类渗透率

渗透率是Consumer Panel独有的分析模型，主要表明一个品类在一个地区的发展趋势及成熟度。作为消费者日常用品，FMCG的平均渗透率在全国普遍较高，而且总体上仍然稳中有升。但在不同品类上呈现出巨大的差异。

食品行业，渗透率比较高的品类有酱油/蚝油、牛奶、饼干、方便面、乳酸制品、植物油、膨化食品等，均高于80%，其中酱油/蚝油、牛奶和饼干达到96%以上。但巧克力饮料、麦片、果冻布丁、婴儿奶粉、黄油、奶酪、蜂蜜等品类渗透率普遍较低，平均40%左右，其中，巧克力饮料和麦乳精的渗透率最低，仅为10%左右。

饮料行业，总体上差距不像食品那么大，但也有很大差异。渗透率最高的是液体饮料，平均达到98%；最低的是葡萄酒，约为37%。一个比较有趣的现象是，固体饮料在省会城市渗透率较高达到65%，而在地级市和县级市比较低，分别为57%和51%；但包装饮用水的渗透率却在县级市高于地级市，达到78%，高出地级市至少3个百分点。

日化行业，品类差距最大。渗透率比较高的品类有：纸巾、牙膏、清洁剂、洗发水、护肤品、洗衣粉、香皂、电池、牙刷和卫生巾，均高于80%，其中最高的是纸巾和牙膏，接近100%。而渗透率比较低的品类有：洗发膏、摩丝、卫生栓/棉条、胶卷、衣物柔顺剂、空气清新剂、洗手液/消毒水、染发剂和发胶等，均低于60%，其中最低的是卫生栓/棉条、洗发膏、摩丝三个品类，平均渗透率不足10％，且呈下降趋势。

三、市场集中度

2006年，FMCG在市场集中度上发生很大变化，虽然很多品类集中度仍然不高，但普遍呈现出变高的趋势，尤其方便面、牛奶、洗发水和电池等品类基本进入半垄断阶段。下面对集中度比较突出的4大品类进行重点分析：

方便面，2006年全国C5（前5名品牌）总体集中度为77%，其中，康师傅独树一帜，总体占有率高达42%，统一虽然成为老二，却仅为14％、然后是华龙，约9.5%，再下来是福满多和今麦郎，分别为7.5％和4.4％。然而，按区域划分，集中度亦不同：西部区最高，C5接近90%，而在南部区却低于平均水平。从城市规模上看，省会城市的集中度高于平均水平，达到81％，地级市和县级市没有多大区别。

牛奶，全国C5总体集中度为62%，其中，蒙牛的总体占有率为29%，伊利21%，光明7.6%，其它两个品牌占有率已经很小了，分别为2.6%的样子。从这个数据看，牛奶的老大、老二的地位已经很稳固，整个市场正从“三分天下”逐步转向“二分天下”。有趣的是，按区域划分，牛奶C5的分区集中度与方便面恰恰相反，南部区最高，达到72%，西部区最低，仅为40%。而且，按城市规模也和方便面相反，省会城市集中度为58%，而地级市和县级市分别为66%和64.6%。

洗发水，与前两个相比，相对低一些，C5总体集中度为51%，其中，飘柔18%，海飞丝14%，潘婷10%，舒蕾4.5%，力士4%。按区域划分，东部区集中度最高，达到57%，南部区最低，45%。按城市规模来划分，省会城市的集中度高于地县级城市，达到58%，地级市和县级市分别是48%、46%。

电池，没有什么特别的发现，C5全国总体集中度为55%，其中，南孚绝对领先，占有率为31%；双鹿8%，位居第二；超霸6.5％，位居第三；剩下两个是555和华太，分别为约5%和3%。按区域划分，北部区的集中度最高，达到66%，东部区最低，为41%。按城市规模划分，地级和县级市的集中度反而高于省会，均57%左右，省会城市略低于平均水平，约为52%。

四、渠道选择

对FMCG而言，渠道一直是个重要话题。2006年，FMCG在渠道选择及分布上也呈现出一些有趣的特征。

总体上看，超大仓储的FMCG金额占有率明显提高，从2005年初的15.7%增长到18.1%。原前占有率一向很高的连锁超市却呈现下降趋势，从2005年初的21.8％下降到17.9％。杂货店的占有率没有太大变化，一直徘徊在19％左右；购物中心、批发市场和自由市场占有率不大，而且缓慢下降。

Consumer Panel还有一个独特功能就是能够监测消费者免费获得的产品。有趣的是，2006年FMCG除了在销售以外，发送量（消费者免费获得）明显上升，占有率达到23.2%，比去年同期增长了近4个百分点。

从城市规模上看，超大仓储在省会城市占有率明显高于地级市和县级市，平均占有率达到27%，地级市和县级市分别为13.8％、10.1％。然而连锁超市的平均占有率却在地级市和县级市明显高于省会，分别达到19.7％、17.5%，但仍然呈现缓慢的下降趋势。

从区域分布上看，超大仓储在东部区和南部区的占有率均高于20%，而在北部区和西部区相对低一点，均在15%左右。从趋势上看，无论在哪个区域，超大仓储的占有率都稳步增长。连锁超市在东部区占有率最高，26.3%，北部区最低，10.2％，南部区和西部区都在20%的水平。从趋势上，四大区域的连锁超市占有率均缓慢下降。

从消费者去商店的次数上看，在全国15个核心城市，连锁超市仍然呈现下降趋势，从2004年的43.7次下降到36.5次，而超大仓储却呈现出上升趋势，从2004年的36.3次上升到39.1次。从这个趋势也能看出，超大仓储在FMCG上赢得消费者更大的欢迎。

从三大行业来看，我们把超大仓储、连锁超市和百货商场合在一起看时，在全国15个核心城市，日化行业在现代通路里实现的金额占比最高，达到72%，食品其次，67％，饮料相对低一点，47%。但从趋势上看，食品和饮料呈现出微弱的上升趋势，而日化略有下降。

五、促销作用

对促销作用的评价，也是Consumer Panel的独有功能，它能够精确监测出促销对生意的帮助。

从2006年的FMCG促销水平上看，只有12%的生意是在有促销的情况下产生的，这个比例不是很高，但从趋势上看，这个比例呈现出逐步上升趋势。

从城市规模上看，省会城市的促销比例最高，17%，地级市11%，而县级市仅为7%。从区域分布上看，南部区的促销比例最高，达到15%，其它三个区域都在11％-12%之间。

分行业来看，在食品行业，麦片、汤料（含鸡精）、速冻食品、巧克力饮料、乳酸制品、植物油的促销比例高一点，大概在14%-18%之间，其中麦片最高。促销比例最低的是果冻布丁，促销比例仅为7%。在饮料行业，液体饮料和葡萄酒的促销比例相对高，在9%左右，啤酒的促销比例最低，仅为3.5%。在日化行业，衣物柔顺剂、染发剂、清洁剂、卫生护垫、卫生巾、肥皂、护肤品、牙膏、沐浴露等品类促销比例相对较高，大约在17%－22%之间，其中衣物柔顺剂最高。促销比例最低的是，卫生栓/棉条，仅为4%，其次是胶卷，为6%。

从促销活动的分类上看，在FMCG领域，降价行为一帜独秀，在全国因降价而实现的消费额占总消费量的5.3%；其次是免费赠品，2.2%；然后是积分，1.3%；其余捆绑装、加量不加价、返券和抽奖等促销活动均低于1%。其中最低的是抽奖活动。

从城市规模上看，降价行为在省会城市比较突出，达到9%，在地级市和县级市分别为3.7%和1.8%。从区域分布上看，南部区的促销活动比较频繁，东部区相对低一点。但在不同促销活动上也有差异，降价行为在南部区比较突出，但免费赠送活动却在北部区更为突出。

六、价格变化

在价格方面，虽然在不少品类上发生价格战或推出高档产品，但FMCG平均价格总体上还是比较平稳。不过，我们看到，在不同的细分品类上的表现却有着很大的差异。

在食品行业，价格波动相对较大，总体上呈上升趋势。其中，奶粉（含婴儿奶粉）平均价格上升速度最快，从2004年的57.9元/1000g上升到72.1/1000g元。牛奶和酸奶的平均价格变化不大，而食用油略有下降。从城市规模上来讲，品类价格差异很大，总体上县级市平均价格普遍高于省会和地级市。比如牛奶在省会城市的平均价格为5.53元/升，但在县级市达到6.21元/升。从区域分布上看，南部区的平均价格普遍高于其它区。比如，方便面在北部区的平均价格为10.47元/1000g，而在南部区却高达13.27元/1000g。

在饮料行业，价格波动也好不逊色。其中波动比较大的是白酒和固体饮料。有趣的是，白酒呈现明显的上升趋势，平均价格从2004年的15.4元/升到34.2元/升，增长速度位居首位。这也许与各大酒业公司涨价和推出高档白酒有关。而固体饮料一直忽高忽低，2006年突然上升，平均价格达到85.28元/1000g，与2005年相比上升了13元之多。液体饮料、啤酒和包装水的价格相对比较稳定。在城市规模和区域分布上，也有一定的波动，但尚无值得分享的信息。

日化行业，可以说在FMCG领域最为平稳，大部品类都没有大起大落的态势。价格波动算略大的是面部清洁品、洗衣粉和卫生护垫。其中，面部清洁品呈上升趋势，从2004年的285.2元/1000g上升到2006年的312元/1000g；洗衣粉的平均价格呈下降趋势，从2004年的6.93元/1000g下降到6.74元/1000g。洗发水一直比较稳定，三年来平均价格基本徘徊在54元/升上下。从城市规模和区域分布上看，洗发水、洗衣粉、香皂等品类没有太大的差异，但其它品类还是有一定的差异。比如，比较明显的是电池，省会城市价格为12.74元/10节，但在地级市和县级却低到11.3元/10节左右；分区域差异更大，北部区平均价格为10.64/10节，而在西部区却高达13元/10节。

七、消费者购买能力

Consumer Panel作为对终极消费者的研究工具，可以说，对消费者购买能力的监测是其拿手好戏，分析指标很多，诸如品购买频次、每次购买量、户均花费、钱夹占有率等。在此，我们只选择“购买频次”、“户均花费”和“钱夹占有率”三个指标来看消费者在不同行业的购买能力及其变化。

首先，食品行业。

从消费者购买频次上看，2006年在全国范围，牛奶最高，平均为26次/年，其次是酸奶，平均18次/年。鸡精/汤料、果酱、巧克力/巧克力糖果、果冻布丁、麦片、巧克力粉等品类比较低，约4次/年。然而，牛奶、酸奶的购买频次却呈现明显的下降趋势，反而方便面、奶粉（含婴儿奶粉）和果冻布丁的购买频次呈现出微弱的上升态势。如果从城市规模上看，牛奶和酸奶的省会城市和地级的购买频次明显高于县级市，尤其省会城市平均达到32次/年、26次/年。然而，其它品类却呈现出相反的态势，比如方便面在县级市的购买频次就高于省会城市。

从户均花费上看，牛奶和奶粉（含婴儿奶粉）的户均花费量名列前茅，达到300元/年；酱油、鸡精/汤料、果冻布丁的花费量较小，不足40元/年。当然，这和单位价格的高低有关。但从趋势上看，牛奶也同样呈现下降趋势，反而奶粉（包括婴儿奶粉）呈现明显的上升态势。另外，果酱和麦片略有增长，其它品类尚不明显。从城市规模上看，同样牛奶和奶粉的花费量位居前列，尤其牛奶在省会城市，户均花费超过320元/年。奶粉的态势与牛奶略有不同，在地级市的户均花费高于省会；方便面也在地级市和县级市的花费量高于省会。

其次，饮料行业。

从购买频次上看，液体饮料最高，达到18次/年以上，啤酒紧随其后，14次/年左右。购买频次最低是葡萄酒，不足4次/年。从趋势上看，液体饮料和白酒的购买频次在下降，其余品类没有太大的变化。从城市规模上看，液体饮料的购买频次明显高于地级市和县级市，白酒、固体饮料和葡萄酒的购买频次在不同规模的城市没有太大变化。值得一提的是，包装水在县级市的购买频次超过了地级市，达到11次/年，与省会城市看齐。

从户均花费上看，白酒最高，超过240元/年，其次是啤酒，超过200元/年。固体饮料和液体饮料基本一致，均160元/年左右，包装水最少，不足80元/年。从趋势上看，啤酒和葡萄酒的户均花费在增长，啤酒的增长态势更突出一些。从城市规模上看，啤酒、白酒和葡萄酒均在地级市高于省会，尤其啤酒在地级市的户均花费超过了220元/年。

然后，日化行业。

从购买频次上看，纸巾/卫生纸的购买频次最高，达到10次/年，胶卷、洗发膏、摩丝、染发剂和衣物柔顺剂的购买频次都很低，不足4次/年。从趋势上看，卫生栓/棉条的购买频次明显下降，护发素、洗手液、沐浴露、染发剂也不同程度的下降；牙膏、牙刷和洗衣粉的购买频次略有上升。在城市规模上，牙膏、洗衣粉、护发素、卫生护垫在县级市的购买频次略高于省会城市和地级市，其它品类没有什么明显的特征。

从户均花费上看，护肤品金鸡独立，超过了200元/年，化妆品、面部清洁品、洗发水、纸巾/卫生纸成为第二梯队，均在100元/年左右。洗发膏、牙膏、卫生护垫的户均花费均不足20元/年，成为最低。从趋势上看，洗衣粉和牙膏略有增长。从城市规模上，护肤品、洗发水在县级市的户均花费都不亚于省会和地级市，尤其护肤品在县级市达到176元/年，超过了省会城市。

由于篇幅限制，对钱夹占有率不做分行业分析。我们可以看FMCG总体情况。统计结果表明，2006年，消费者在FMCG上的钱夹占有率平均为10.4％。其中，省会城市和地级市略高于平均水平，分别达到10.5％、10.6％，而县级市略低于平均水平。从区域分布上看，北部区的钱夹占有率最高，达到12.5%；南部区最低，为8.8%；其它区域与平均水平相当。

八、消费者购买行为计划性

从2006年初开始，CTR市场研究Consumer Panel也对消费者购买行为的计划性进行连续监测。结果发现，消费者购买FMCG产品时，无论对品类的购买计划，还是品牌的购买计划，都比较高。这从某种程度上粉碎了在FMCG领域所蔓延的“品牌无用”论。

不过，这种计划性不是在所有品类和区域都是一致的，而在不同的品类和区域，还是有一定的差异。

从FMCG总体看，消费者对自己所购买的产品有计划的人群占总人数的63%，其中，对品类和品牌都有计划的人群占54％；对品类有计划、对品牌没有计划的仅占9%。购买前没有任何计划，到商超后现场决定购买的人群约为37%。

不过，在不同城市这个比例还是有很大差异。比如，在济南市，消费者计划性最强，对品类和品牌都有计划的人群高达63%，没有任何计划的仅为20%；而在广州却另一个极端，对品类和品牌都有计划的仅占38%，没有任何计划的却占到53%。这个结果告诉我们，营销定要因地制宜，采用线上传播和线下传播活动时，一定要考虑当地消费者的具体属性。

在品类上也有很大差异。品类和品牌上最有计划的是香烟，品类计划性86%，品牌计划性82%；其次是牛奶，品类计划性77%，品牌计划性72%；酱油、卫生巾、胶卷、方便面和速冻食品虽然不算太高，但均在总体水平之上。最没有计划性的品类是巧克力，品类计划性33%，品牌计划性29%；口香糖也不高，品类计划性44%，品牌计划性38％。

在家庭收入上，月家庭收入1000元以下的最有计划，3000元以上的最没有计划，但均徘徊在平均水平上下，没有太大的差异。

在不同年龄上，年龄越大，计划性越高；年龄约小，计划性越低。比如，14岁以下的儿童对品类和品牌的计划性仅为32%左右，而65岁以上人群却高达58%。

在性别上，令我们感到意外的是，男性的购买计划性高于女性。这和女性的“细心”、“理性”、“精打细算”等性格特征似乎有点不符。不过，这从另一个角度说明，女性消费者在终端更容易受干扰，甚至改变主意；而男性消费者相对坚持自己的想法。不过要澄清的是，这种差异不算太大，只是男性的购买计划性略高而已。

九、点评及感悟

其实，Consumer Panel能够分析的指标还有很多，比如品类转换、品牌转换、品牌忠诚度、渠道忠诚度、重叠购买、渠道单店分析、消费者构成以及新产品跟踪等等。但对于整个FMCG大盘点而言，我们不可能面面俱到。

从以上8项分析我们深深感觉到，除了少数几个品类外，FMCG在中国仍然处在成长期，呈现出诸多的不成熟、不稳定和不规则性。这告诫我们的企业，营销一定要因地制宜，一定要强调规则与创新的尺度，既不能拘泥于现有规则，也不能盲目创新。

从市场驱动因素的角度来看，渠道对生意的驱动作用正在被消费者驱动所取代，如何准确把握消费者购买动机、购买决策及行为，已经是营销成败的关键要素，谁要是在消费者洞察方面下大功夫，谁就可能成为市场的真正赢家，获取更多的市场份额和销售利润。

第5篇：城市规模的划分范文

根据城市行政等级、城市人口数量、城市规模、城市GDP水平、城市科技教育水平等指标，来划分不同的城市等级。

所谓的一线城市、二线城市、三线城市、四线城市和五线城市，实际上就是综合了上述各类指标后对于一个城市的综合评价。当然，对于我国一二三四五线城市的划分，并没有确定的标准，很多时候是大众的一种认知习惯。在我国，一线城市通常是指在全国政治、经济等社会活动中处在重要地位，并且具有主导作用和辐射带动能力的大都市。所以，一线城市肯定是规模大的大都市，而且不仅规模大，还要“强”，这个强体现在政治、经济、教育、科技等多方面。

城市是人类社会的聚落之一，是以非农人口和非农产业集聚而形成的规模较大的聚落，是人类社会文明的高度体现。随着世界城市化进程的推进，全球城市数量越来越多，截止目前，我国的城市化水大约为60%，我国所有城市总数量在650个以上。

（来源：文章屋网 ）

第6篇：城市规模的划分范文

关键词：城市体系；城市首位律理论；Zipf法则；位序―规模

中图分类号：F290 文献标志码：A 文章编号：1673-291X（2014）01-0224-03

城市体系是在一定区域范围内，各种不同规模、性质和职能的城市，围绕中心城市相互联系、相互作用从而形成的城市网络，是区域社会经济发展到一定阶段的产物。城市体系形成的客观条件是城市发展到一定数量、存在专业化分工并形成跨城区交易网络。一个国家或地域的城市体系对整个国家或地域的经济、政治、文化的发展都具有重要的协调和制约作用。通过对城市体系分布特征和演化规律的研究，可以为一个国家或地域规划及布局城市体系提供重要依据，从而促进城市体系布局的合理性和完善度，提高区域整体经济效益。

目前城市体系的传统研究领域，主要包括等级结构（规模结构），职能结构和空间结构三个方面[1]。本文主要进行规模结构领域的研究，讨论哈大长城市群规模等级体系的主要特征。

一、城市体系规模分布的衡量

城市之间存在规模差异，衡量城市规模分布的最常用理论是城市首位律理论和位序―规模法则。城市首位律理论（Law of the Primate City）是城市地理学家马克・杰斐逊（M.Jefferson）于1939年提出的，该理论认为，一个国家的“首位城市”即规模最大的城市，总要比这个国家的第二位城市大得多，首位城市与第二位城市人口规模的比值就叫做首位度，它是衡量城市规模分布的常用指标之一。位序―规模法则（rank-size rule）是从一个城市的规模及该城市在国家所有城市中所处位序之间的关系来衡量城市规模分布状况的，一般来说，一个城市的人口规模数乘以该城市的位序结果为一常数，该常数恒等于最大城市的人口规模数，即城市人口规模数的对数对城市位序的对数的回归系数为1，该法则也称为Zipf法则。1949年，捷夫（G.K.Zipf）给出了用来表示城市体系中城市规模和位序关系的简单表达式，即Pi=P1/Ri，其中Pi为第i位城市的人口，P1为规模最大城市的人口，Ri为第i位城市的位序，即假设最大城市的人口规模数为900万，则第二位城市人口规模数为450万，第三位城市人口规模数为300万……，第九位城市人口规模数为100万。

Zipf法则的前提条件是城市体系处于一种理想状态下，并不具有普遍意义，所以现在被广泛使用的公式是罗特卡模式的一般化，即：Pi=P1/Rib，其中b为常数。若b =1，则符合Zipf法则，即最大城市人口规模数与最小城市人口规模数之比为整个城市体系中所含城市的数目。若b>1，则表明城市规模分布比较集中，当b趋于无穷大时，表明只有一个城市分布；若b

对一些国家的实证研究揭示了在不同时期或不同城市体系中b不恒等于1的这一事实。例如，在1980年，Rosen等人对美国、日本和法国的研究表明b1；在1998年Loannides对美国的研究表明b在不断变大；另外，在2001年，Brakman分别对荷兰1600年、1900年和1990年的研究表明b的变化趋势是小于1、大于1、小于1。陈良文分别对中国1985年、1990年、1996年、2000年和2004年的研究表明b的变化趋势是先下降后上升[2]。

本文使用城市首位律理论和位序―规模法则及相关数据对哈大长区域城市体系的规模分布特征及演化规律进行实证研究。

二、哈大长区域城市体系概况

哈大长区域已经形成了比较显著和完善的城市体系，包括哈尔滨、大庆、长春、齐齐哈尔、吉林和松原6个地级市，17个县级市，共23个县级以上城市，总人口2338.41万人，总占地面积18.62平方公里，约占全国总面积的2%。

选择哈大长区域城市体系作为研究对象主要原因有：首先，目前对区域城市体系的研究多集中在国家范围或较大地域范围内，这样的区域空间里往往存在多个中心城市或核心区域，而适当的缩小研究区域的范围，能够更直观、更具体地显现城市体系的等级特征和分布规律。其次，哈尔滨、长春和大庆分别是省会城市和著名工业城市，这三个城市同时也处于整个城市体系区域的核心，是一个很直观的研究区域。再次，哈大长城市群是中国已达标的十五个城市群之一[3]，为振兴东北老工业基地的重点建设和发展区域，其能够带来的经济效益也备受重视，但是对哈大长区域城市体系分布特征和演化规律的关注和研究较少。

按城市非农人口划分城市等级，得到哈大长区域城市的人口等级规模表（见表1、表2）。

表2显示，哈大长区域城市规模与城市数量基本呈反比，随着城市规模的增大，城市数量下降，中小型城市所占比重较大。城市规模与城市人口分布呈正比，近70%的人口主要集中在特大型和大型城市中，约35%的人口集中在中小型城市中。

三、哈大长城市体系首位度

首位度是衡量城市规模分布状况的一种常用指标，在一定程度上代表了城市体系中的城市人口在最大城市的集中程度。通常用一个国家的最大城市与第二位城市人口数量的比值定义首位度，易于理解和计算，但是不免以偏概全。因此，为了改进仅以两城市指数来计算首位度的简化方法，又有人提出了四城市指数和十一城市指数：

四城市指数：S=P1/（P2+P3+P4）

十一城市指数：S=2P1/（P2+P3+…+P11）

式中P1，P2，…，P11分别为城市体系中按人口规模从大到小排序后，某位次城市的人口规模。

与只考虑两个城市指数的计算方法相比，四城市指数和十一城市指数在反映城市规模分布特点上能够更全面一些，但没有研究能够表明这几种指数哪种有绝对的优势，所以本文将通过使用这三种指数来计算哈大长区域城市体系的首位度数。

S2= P1/P2=1.30059269

S4= P1/（P2+P3+P4））=0.686010498

S11=2P1/（P2+P3+…+P11）= 0.692723896

按照位序―规模理论的原理，正常的四城市指数和十一城市指数应该为1，而两城市指数应该为2。从计算结果可以看出，哈大长区域的两城市指数约为1.3，低于标准的2。这表明哈大长区域城市体系中城市人口在最大城市的集中程度不明显，即首位城市地位不突出，这是由于长春在政治、经济和文化等方面的快速发展在一定程度上稀释了首位城市的影响，形成两极态势，但由于地理位置上的连续，使得哈尔滨、大庆、长春及以他们为基点围城的地带趋于三角化，形成了城市带，辐射周边区域，成为整个哈大长城市群的核心。哈大长区域的四城市指数和十一城市指数都约为0.7，低于标准1，由此也可以看出哈尔滨首位城市优势不明显，而且相对于哈尔滨长春来说，第三位城市吉林的发展规模偏小，与前两位城市规模相差较大，发展明显缓慢和滞后。

四、哈大长区域城市体系的位序―规模

使用罗特卡公式验证哈大长区域城市体系的等级规模规则，对Pi=P1/Rib作对数变化为LnPi=LnP1-bLnRi+δ，其中Pi表示城市人口规模数（用非农业人口表示）、Ri表示城市位序、P1为最大城市人口规模数，为常数，δ为误差。计算2010年、2007年、1999年和1989年四个年度的哈大长区域城市体系的等级规模。由于样本数据较少，为了使样本满足计量要求，选取的城市数目皆以当年城市的数目为准（包括地级市和县级市），依此1989年度的城市数目为15个，其余年度城市数目均为23个，相比1989年增加8个城市，分别为榆树、五常、德惠、讷河、舒兰、松原、磐石及和龙。数据来源为2011年、2008年、2000年及1990年的《中国城市统计年鉴》，将数据进行计算（如表3所示）。

从表中可以看出各年份的城市规模对位序的回归系数均不等于1，没有完全符合Zipf法则，且回归系数是随着时间变化的；历年的回归系数都小于1，说明城市规模分布比较分散，城市体系发展比较扁平化；虽然从1999―2010年，回归系数b在逐渐上升，城市集中程度略有提高，但整体提升幅度不大，首位城市地位仍不明显。

五、结论与启示

本文从哈大长区域城市体系的分布特征发现，哈大长区域城市体系中等型城市数量最多，城市人口主要集中在大型及大型以上城市中，只有不到40%的人口分布在中小型城市中。从城市首位度得出，哈大长区域城市体系中城市人口在最大城市的集中程度不明显（两城市指数约为1.3），且与城市群中第二大城市长春构成两极态势，首位城市影响被稀释。从位序―规模法则检测结果表明，哈大长区域城市体系的演化不完全符合Zipf法则，且城市体系向分散化和扁平化发展。

首位分布可以最大限度的积累资金和人才，有利于知识的更加专门化和思想的广泛化交流；大城市内的各种运输成本通常低于城市间的运输成本，劳动生产率往往最高；首位城市常常是交通运输网络中效益最好的地方，比乡村地区更能吸引投资。应进一步提升哈尔滨作为哈大长区域城市体系中首位城市的地位，适当扩大哈尔滨市区的规模，完善城市体系设施建设，合理提高人口集中程度，充分突显其作为首位城市的作用。并使其做到未来中国新型城镇化建设的要求，即“以大城市为依托，以中小城市为重点，逐步形成辐射作用大的城市群，促进大中小城市和小城镇协调发展”，推动城镇化发展由速度扩张向质量提升“转型”。促进哈尔滨-长春城市带的一体化整合，做到优化产业结构和产业合理转移。遵从“公平共享”、“集约高效”、“可持续”三个原则，充分发挥集聚带来的辐射效应，吸纳更多劳动力。使之成为振兴东北老工业基地的重要推动力，带来更多的经济效益。

以哈尔滨、大庆和长春三个城市为基点，能够构成三角城市带，应积极培育核心城市，通过核心城市的发展，培育增长点，实施不平衡发展战略；同时，通过合理规划多个核心城市及优化城市群空间格局，发挥核心城市辐射作用，从整体布局上实施平衡发展战略，推动区域经济的协调发展。

参考文献：

[1] 王力.论城市体系研究[J].人文地理，1991，（1）.

[2] 陈良文，杨开忠，吴姣.中国城市体系演化的实证研究[J].江苏社会科学，2007，（1）.

[3] 方创琳，姚士谋，刘盛和.2010中国城市群发展报告[M].北京：科学出版社，2011.

Empirical Study on the Urban System of Harbin，Daqing and Changchun Regional

LI Lai-zhi，ZENG Yuan-yuan，ZHAO Wei-liang

（School of Management，Liaoning Normal University，Dalian 116029，China）

第7篇：城市规模的划分范文

土地价格是为购买获取土地预期收益的权利而支付的代价，即未来地租(收益)的资本化。因此，随着市场经济的发展和对土地经济规律研究的深入，人们更加深刻地认识到，土地价格尤其是城市土地价格不仅由土地利用现状决定，对土地利用前景的预期也是影响土地价格的重要因素。

从城市整体层面来看，城市未来地价的高低主要取决于城市土地配置的合理程度、用地功能布局、城市基础设施的发展水平，以及城市建设总体容量控制标准，这些因素主要是由城市总体规划决定的。从城市局部地域来看，地块的用途、开发强度及环境控制等决定地价的因素也取决于具体的规划控制要求。

城市性质对地价的影响

城市的性质指城市在国家经济和社会发展中所处的地位与所起的作用，是城市主要职能的反映。我国城市性质大致分为：中心城市、工业城市、交通港口城市和特殊职能城市四种。城市性质的差异，是决定城市地价水平的一个重要因素。城市性质制约着城市的经济、人口结构、规划结构、城市风貌、城市建设特别是土地使用的构成等各个方面，而不同性质的土地使用在经济效益上是有很大差异的，一个城市的职能越多，越能强化城市发展的聚集效益。现代城市职能中第三产业所占的比重越大，如金融贸易、信息展览、经营管理、旅游服务、 商业零售业越发达，地价水平越高。

城市规模对地价的影响

城市规模指城市人口规模和城市用地规模，因为城市用地规模随着城市人口数量的浮动而变化，所以，城市规模通常按城市人口划分为特大城市、大城市、中等城市、小城市等。总体规划确定的城市发展规模直接影响着城市基础设施的标准、交通运输、城市布局、城市的环境等一系列问题，对城市地价水平有较大的影响。城市规模越大，基础设施的建设标准越高，交通运输系统越复杂，城市环境的营造越困难且成本越高，土地级差收益也越高。同时，按照我国城市土地使用的现状，城市规模越大，人口越多，人均用地指标越低，意味着土地供给与需求的矛盾越突出，土地资源短缺情况越严重，地价水平越高。

城市土地利用结构对地价的影响

城市土地的利用结构指城市各类用地在城市总用地中的比重，以及各大类用地内部各个组成部分用地的构成与比例。不同性质用地的价格差异是普遍存在的，而且相差很大。一般来说，商业用地地价最高，办公和住宅用地次之，工业用地地价最低，因此总体规划确定的城市用地构成与地价总体水平及地价总量密切相关：地价总体水平与商业用地的比重成正比例关系，而与工业用地的比重成负比例关系。商业用地在城市中的比重主要取决于城市的职能特点及规划用地的功能分区。同时，用地结构的合理化既有赖于土地价值的经济调节，也有赖于城市规划的政策调节，城市规划在遵循“充分发挥土地使用效益”的原则下优化城市用地结构，有利于提高城市地价的整体水平。

城市用地空间布局对地价的影响

区位地价级差是导致城市空间结构演变的基本动因之一。反过来，城市总体规划所确定的城市功能分区及空间结构也会对城市地价的空间差异产生影响。它具体体现在城市空间结构的层次决定土地价格的分级体系；商业、住宅、工业等功能用地的聚集程度决定了房地产价格总体水平和不同土地等级间价格差异的幅度，即城市用地功能分区及用地功能混合情况决定了地价级差，规划道路运输网结构及道路密度与地段价格直接相关。

第8篇：城市规模的划分范文

［关键词］集聚效应；区域经济；Carlino模型；Segal扩展模型

作者简介：陈 迅，男，重庆大学经济与工商管理学院，教授，重庆 400030

童华建，男，重庆大学经济与工商管理学院，重庆 400030

一、引 言

西部大开发是当前我国区域经济研究的热点问题，也是难点问题。为什么一方面西部交通欠发达，另一方面道路利用率却严重不足；为什么国家出台了一系列优惠政策支持西部开发，但外资和东部企业仍还是很少到西部投资；为什么西部大呼缺少人才，但西部地区高校毕业生和高层次人才却大量流向沿海地区。其主要原因之一就在于我国西部地区人口和经济聚落分散，使得西部地区空间交易成本过高，空间规模不经济，缺乏集聚经济效率。

要利用集聚效应促进西部大开发，首要工作就是要对西部集聚效应程度有所了解，这正是本文要做的工作。按照空间范围的大小，集聚效应可划分为区域集聚效应和城域集聚效应，本文按照这种划分对这两种集聚效应分别进行了测度。集聚效应的大小是个相对概念，为给西部地区找个参照系，本文同时也测度了东部地区的集聚效应，期望通过对比得出相应政策启示。

二、区域集聚效应测度

根据弗朗索瓦・佩鲁（F・Perroux）的非均衡发展观，在区域内首先要实行经济活动的相对集聚，培育区域经济增长极，再以点带面，带动整个区域增长，达到开发整个区域的目的。可见，区域集聚程度的高低直接影响到整个区域竞争力，那么西部区域集聚程度到底有多大呢？虽然目前区域集聚经济在理论上已十分成熟，但由于区域投资、工资等统计数据不易获取，因此在区域集聚效应测度方面还存在很大困难，仅能用一些统计指标来表示区域集聚效应相对大小。表1通过一组描述性指标对比了东西部区域集聚效应大小。

人口密度反映一个地区的人口稠密程度，也直接反映一个地区人口集聚程度。东部每平方公里人口数达到457人，而西部仅为61人，从人口密度所反映的东西部人口集聚程度相差甚大；城市化反映人类生产和生活方式由乡村分散型结构向城市集聚型结构转变的历史进程，东部城市化水平已达到46.11％，远远超过西部的28.73％；货运生成密度就是单位GDP所产生的货运量，当一个地区人口、企业越分散时，生产、销售所需的运输量也就越大，西部货运生成密度是东部的1.5倍，表明西部集聚程度比东部差；GDP集中指数的数值为0时表示经济活动完全分散，数值100时表示完全集中，从东西部的具体值可以看出，东部经济活动比西部集中；地理联系率的值越大，表示区内产出与人口地理分布比较一致，意味着经济空间集中度低，统计值反映了与前面指标同样的结果；巨型和超大型城市数基本可以代表区域内的经济“极核”，这样的大城市越多反映该区域内人口和经济活动集聚程度越强，西部这样的城市只有一个，而东部却有8个。上述六组指标皆反映这样一个事实，即西部整个区域人口和经济活动分散，运输成本高，区域集聚程度与东部地区相比还存在很大的差距。

三、城域集聚效应测度

区域发展从空间格局来看是一个点、轴、面动态过程，任何区域的发展都是从一个点开始，城市则是区域发展的起点，同时也是区域经济的“极核”和区域发展的重要依托，它通过极化效应和扩散效应来影响区域发展。目前西部地区城市开发状态不容乐观：城市化水平低、城市密度小、结构不合理、建设质量差，这些严重影响西部开发成效。当然城市人口和经济规模并不是评判城市发展效率的标准，关键是看城市集聚效应的大小。因此有必要对西部城市集聚效应作个准确测度，了解西部城市发展效率，同时也可以间接反映区域集聚效应的程度。

目前国外一般采用城市生产函数来估计城市集聚效应，其中Sveikauskas（1975）、Segal,D.（1976）、Carlino,G.A.（1982）三人的研究较有代表性，模型和切入点皆不相同。目前，中国正处于经济转型期，体制频繁变化导致数据对实证工作的限制十分大，使得国外一些已有的成熟方法在我国的适用性并不高。由于特定城市内某个产业的统计数据不完备，所以本文仅采用Carlino和Segal两种方法对西部城市工业集聚效应进行测度。之所以测度城市工业部门的集聚效率，而不是整个城市的集聚效应的原因主要源于数据问题。诚然，城市集聚效应包括第二、三产业的集聚效应，且第二、三产业的集聚效应与工业部门的集聚效应可能还存在很大出入，但是工业是城市经济的重要组成部分和产业的关键环节，它发挥着向前和向后的横向效应。1998年至2003年，西部城市市辖区工业增加值占GDP比重均值为46.9％，从这个角度来看，工业可以作为城市集聚经济的代表性变量。这里还需强调的是，本文选用两种方法测度城市集聚效应并不是做重复工作，Carlino方法仅能表示城市工业集聚效应大小，Segal方法不仅能得出城市工业集聚效应的存在与否，还能反映城市扩张潜力大小，所以两种方法更多的是互补作用。

（一）Carlino模型测度城市工业集聚效应投资

对CES工资函数W=AQαLβ两边取对数，加上随机误差项得到如下计量方程：lnwi=lnA+αlnQi+βlnLi+εi

wi表示地级市i市辖区限额以上工业企业工资总额，Qi表示地级市i市辖区限额以上工业企业总产值，Li表示地级市i市辖区限额以上工业企业劳动力，εi为残差，集聚指数AI＝（1＋β）/（1－α），AI＞1表示存在集聚经济，AI=1表示集聚规模收益不变，AI＜1表示存在集聚规模收益递减。本文之所以选用市辖区数据，原因在于城市的各项功能集中体现在市辖区，全市并不是城市功能的主体。数据资料来源于《中国城市统计年鉴》（2004）市辖区数据，其中西部①地级市有73个，东部有101个。运用Eviews软件，对数据进行普通最小二乘估计，回归结果见表2。

在第一次估计中，东西部DW值均远离2，表明东西部的数据均存在自相关问题，我们采用广义差分法对自相关模型进行处理。在Eviews软件包中可以采用简单的方法实现广义差分法参数估计，即迭代法，在解释变量中加入AR项来消除自相关。从方程2的回归结果可见，修正后的东西部回归DW值基本处于2附近，表明模型自相关问题消失。将回归系数代入集聚指数计算公式，得到西部城市工业集聚指数值为2.15，东部为2.44，即东部城市工业集聚程度高于西部城市。我们知道工业集聚程度并不能完全代表整个城市集聚程度，西部城市市辖区工业所占GDP比例明显高于东部，东部城市第三产业发达程度、集聚程度要明显高于西部

，如果把第三产业的集聚效应也考虑在内的话，东西部城市的综合集聚效应差距还要更大。

（二）Segal扩展模型测度城市工业集聚效应

这里仍以两投入的柯布－道格拉斯生产函数为基础，但与Segal模型不同的是，本文以城市总人口来表示城市规模，而不是城市就业人口，笔者认为集聚效应除了生产规模经济外，还包括消费规模效应，即集聚起来的人口对城市消费同样也具有极大促进作用。对于教育变量，国外已有的研究发现它不是很显著，但鉴于中国特殊国情，各地区教育状况相差甚大，因此有必要加入教育变量。众所周知，省会或直辖市特性对所在城市的发展具有极大促进作用，故在变量中加入省会虚拟变量来控制省会对城市发展的影响。

运用如下城市生产函数：Q=AμPρEγKαLβ

Q为产出，A为常数项，μ表示希克斯中性的集聚效应转换因子，P表示省会或直辖市的虚拟变量，省会城市P取e，非省会城市P取1，E表示教育变量，K为资本，L为劳动，γ、α、β分别为E、K、L的弹性，且α＋β＝1，即内部技术规模报酬不变。

对于转换因子μ取如下函数形式：μ=Bnλ ,B表常数项，n表示城市人口数，0

运用上式来检验城市工业部门的集聚效应，目的是要研究工业部门的整体效率是否会随着城市规模的扩大而上升。样本数据同样来源于《中国城市统计年鉴》（2004），从中可以得到2003年西部各地级市市辖区教育投资额及市辖区人口数，还有限额以上工业企业总产值，年平均就业人数，固定资产与流动资产，并据此得到人均资本拥有量。运用Eviews软件，对所得的数据进行普通最小二乘估计，回归结果见表3。

综观回归结果，我们发现只有西部教育变量t检验不显著，其他变量的t检验均很显著，并且DW值和回归拟合度也十分令人满意。②首先来看省会或直辖市虚拟变量，东西部省会或直辖市特性产出弹性均大于零，即省会或直辖市的城市特性提高了城市工业产出效率，这基本符合我们直观判断。在我国绝大部分省份，行政中心与经济中心重合，省会城市经济较为发达，市场发育程度高，基础设施健全，通讯、金融状况也好于一般城市,从而导致上述结果的出现。同时，从上表也可以看出，西部省会变量产出弹性高于东部，对于这一结果也不难解释。细观西部各省份的经济中心，其必然是省会城市，且经济增长最快的也是省会城市，再看东部各城市的经济状况，唐山、无锡、苏州、厦门、青岛等非省会城市的经济总量与竞争力均与省会城市不差上下，部分城市甚至超过省会城市，这种差异导致了西部省会或直辖市变量产出弹性高于东部。

对于教育投资变量产出弹性，只有东部在95％的水平上，这一结果着实令人惊讶。按照基本经济学原理，投资总量较低时它的投资弹性应该较大。我国西部人均教育投资只有东部50.4％，理应西部教育投资产出弹性高于东部，但我们也不应忽略教育投资结构及智力外流问题。根据国内外发展经验，初等教育投资收益高于中等教育，中等教育投资收益高于高等教育。目前我国东西部教育投资结构实际情况是：西部三者之间的比例为：1∶6.6∶10.5；东部为：1∶5.2∶7.8，显然西部教育投资结构劣于东部，这必然会降低西部整体教育投资收益弹性；同时，西部还存在严重的智力外流情况，在东部比较优势的影响下，西部中高级人才“东南飞”情况非常严重。当受过相当教育的人才迁往发达地区，西部地区就会损失它的教育投资收益，西部教育投资实质处于支持东部经济发展地位。综上几点原因，西部城市教育投资收益弹性低于东部也就不足为奇了。

至于西部资产投资收益弹性小于东部也不难解释。根据边际报酬递减法则，当一种生产要素投入量达到一定数量后，它的产量增量出现递减趋势。对于回归结果的一种可能解释是东部城市经济较为发达，可能吸引了更多的超额投资，导致资本产出效率下降，表现在回归结果上就是东部系数小于西部。

从数据层面来看城市规模对产出效率的影响，机械解释就是当城市规模翻一番时，西部城市工业产出效率增加27％，东部城市工业产出效率增加19％。我们能否接受这个结果？从横向对比来看，这一结果显然是令人满意的。因为城市集聚效应与城市规模是呈正态曲线状，城市规模产出弹性在正态曲线左肩上先增后减。东部城市规模可能已经越过了拐点，导致其弹性比西部城市小，这也说明西部城市的扩张空间比东部大。可对城市规模产出弹性的单值大小还持有怀疑，③是否会因为模型或者数据问题而导致对城市规模产出弹性估计有偏？一种可信的解释④是由于模型自身的问题从而导致高估了城市规模弹性。但这并不影响本文的研究，本文的意图是通过东西部城市集聚效应大小的对比来找出东西部差距的原因，而并不在乎值的确切大小。

四、结论及政策启示

将集聚纳入区域经济研究范畴已成为区域经济研究的新方向，大量学者从单个区域视角或整个国家角度对集聚对区域发展的作用进行了卓有成效的理论研究，但用对比手法探悉集聚对区域发展影响的实证研究还不多。本文首先用一组描述性指标对比了东西部区域集聚效应的大小，六组统计指标反映了西部人口密度低，城际距离长，运输成本高，中心城市少，整个区域集聚效应小于东部。接着又用Carlino模型和Segal扩展模型对西部城域集聚效应进行了计量分析，Carlino模型结果准确反映了东西部城市集聚效应的大小，西部城市集聚效应小于东部；Segal扩展模型的计量结果不但反映了与Carlino模型结果同样的事实，而且还表明西部城市的扩张潜力大于东部，西部教育投资产出弹性低于东部，教育投资结构不合理。

在区域开发中，开发模式选择的恰当与否直接影响区域开发效率。我国西部大开发也是如此，目前对于究竟是选用增长极模式还是其他模式已基本达成一致，即多种开发模式配套使用，但对于谁先谁后、谁主谁次问题还争论不休。对比区域和城域集聚效应的计量结果，我们发现西部区域集聚效应与东部的差距比城域集聚效应的差距大，就问题严重性而言，西部地区区域集聚问题比城域集聚问题更为严重。那么按照辩证法观点，抓住问题主要矛盾，则应把解决西部区域集聚问题放在首位。而解决区域集聚问题较常用的方法就是培育区域经济增长极，发展中心城市。所以本文的实证结果有力地支持了西部开发应以增长极模式为主，优先发展中心城市的观点。

注 释：

①西部省市包括：广西，重庆，四川，贵州，云南，陕西，甘肃，青海，宁夏，新疆，数据缺失；东部省市包括：北京，天津，河北，辽宁，上海，江苏，浙江，福建，山东，广东，海南。

②Sveikauskas（1974）年在计算部门集聚效应时，回归的修正R2都十分小，最大不过0.26。

③Sveikauskas（1975）和Segal（1976）对美国城市的估计，城市规模每翻一番，城市工业生产率上升5％―6％；Shukla（1984）运用印度数据研究表明，印度城市规模每翻一番，要素生产率上升9％。

④Moomaw（1981）指出Segal研究中对于资本存量的估计存在一个潜在偏差，从而城市规模弹性被高估了25％。

主要参考文献：

［1］杨开忠．三级跳规避西部陷阱［M］．谏言：中国经济发展要参，中国社会科学出版社，2002．

［2］金相郁．中国城市集聚经济实证分析：以天津为例［J］．城市发展研究，2004(1)．

［3］汪 炜．经济增长的区域影响与集聚效应分析［J］．数量经济技术经济研究，2001（5）．

［4］吉昱华．中国城市集聚效益实证分析［J］．管理世界，2004（3）．

［5］David Segal, 1976, Are there return to scale in city size? ［J］．The Review of Economics and Statistics, Vol LV111．

［6］Sveikauskas ．L, 1975, The Productivity of Cities ［J］．Quarterly Journal of Economics, 89．

［7］Ronald L．Moomw, 1981, Productivity and City Size: A Critique of the Evidence ［J］．Quarterly Journal of Economies．

第9篇：城市规模的划分范文

关键词：高密度；紧凑城市；空间模式；测度方法

1、空间模式

根据城市的不同规模，可以定位不同的城市空间模式，而不同的城市形态对应的城市空间模式也是不一样的。另外，在不同发展时期，城市外部形态和内部空间结构可能差异很大，并会随城市规模的扩张发生路径依赖特征的演化。在这种演化过程中，高密度城市和紧凑城市两种类型可能会互相发生转换。

早期城市一般呈现为集中式和连片向郊区扩展，形成“团块状”形态。由于城市形态紧凑度和土地利用混合度高，此时期城市空间模式一般属紧凑城市。如果城市建设密度和人口密度也高，则是高密度紧凑城市，反之则为低密度紧凑城市。随着城市规模扩张或因城市所处地形条件限制，城市有可能形成星状、带状、蔓延等分散式形态，城市形态紧凑度低，土地混合利用高低差异可能很大。这种情况下可能出现高密度城市、低密度城市、紧凑城市等各种城市类型，包括高密度紧凑城市类型。

由于城市规模的进一步扩张、城市内各区域联系强化或政策管理因素的作用等，部分城市可能再一次步入集聚发展时期，空间上连成片，城市形态紧凑度和土地利用混合度提高，形成紧凑城市；或人口与建筑也同时高密度化，出现高密度紧凑城市，反之亦然。对于那些由于地形条件限制，城市用地空间不能连成片的城市，城市形态紧凑度虽低，但各建成区则能高密度化并提高土地的混合利用水平，可能形成高密度城市。

当城市规模太大或其它原因导致城市又进入分散化时期时（如在其远郊建设卫星城或新城），可能再一次重复第二阶段的现象，或由于自然的阻隔或人为控制，形成组团式城市。这样，将再一次可能形成高密度城市、低密度城市、紧凑城市等各种城市类型，包括高密度紧凑城市。因此，每个阶段的城市均可演化成不同的城市形态类型，关键是自然条件是否允许和政策管理措施是否得当。同样，也不是所有的城市都能演变成紧凑城市。

2、测度方法

高密度紧凑城市可以用社会经济指标和空间指标来测度和衡量其城市密度和紧凑状态（见下表）。社会经济指标主要测度城市密度。其中，人口密度反应了城市人口的密集程度，而资本密度和城市体积密度指的是单位土地面积上的资本积累量，开发状态则反映了城市土地的投资强度，而土地开发率测度土地建成区化水平，用以测度土地横向和竖向开发利用的差异性。空间指标主要测度城市形态的紧凑度化水平。

这些指标如何组合，各自的阀值或临界值如何界定？一般说来，如果采用历史对比方法，以各指标提高或其增量为正值，都可以视为城市正在高密度化和紧凑化。但城市是否为高密度紧凑城市，则需要较为准确的判定值，这一工作非常困难和复杂，难以找到公认正确的数值。其原则应根据国家和城市的人口规模和土地总量及其发展趋势、不同国家的社会经济整体水平、不同城市的发展阶段、文化价值观和消费模式、食品安全水平和自然条件限制性等因素综合确定。

例如，就紧凑城市人口密度指标而言，美国、加拿大等西方国家所谓紧凑城市的人口密度，与日本、中国的一些城市相比相差十几甚至几十倍。伦敦巴比坎（Barbican）地区改建是英国公认的高密度建设方式，但其人口密度仅为406人/公顷。吉姆・托马斯研究了苏格兰爱丁堡老城，将其作为紧凑城市发展中的一个成功实例，但其人口密度大概仅为57人/公顷。可见，西方国家建设紧凑城市的标准与发展中国家的人口大国相比真是“小巫见大巫”。前者直观上看属于低密度紧凑城市，而后者才是高密度紧凑城市。

然而，在美国、俄罗斯、加拿大等地广人稀的国家，人们对于拥挤或宽敞的判断立足于文化价值观和传统习惯上的认识，其标准与中国、日本等国家的城市居民差异很大。因此，这些国家依然可以根据自己的情况划分和建设自己国家的高密度紧凑城市，而对密度高低只能进行相对的理解。例如，虽然学界没有给出高密度城市精确的界定数值，但普遍认为香港、北京、上海、广州、兰州、重庆等城市是高密度城市。

3、注意问题

“二战”后，“郊区化”和“逆城市化”成为西方国家城市化的普遍现象，导致了城市的飞速蔓延式空间扩张。为解决城市中心的衰败问题，保护乡村环境和景观，减少对城市绿地的占用，重新振兴城市中心，紧凑城市概念及其相关理论被视为一种先进的理念和手段而采用。西方国家城市的紧凑度是十分有限的，高密度化进程更受到法律和传统文化的限制。然而在中国这类“人多地少”的国家，建设高密度紧凑城市则势在必行，因为高密度紧凑城市能节约土地，保护耕地，降低对生态环境的破坏，同时满足更多城市人口的居住需求。

城市消费人群密集增加了就业、购物、娱乐、教育等设施的分布密度，减少了居民出行距离；有效的规模经济提高了城市基础设施的服务效率和利用率，尤其是减少了管线、道路等设施的服务距离，有利于减少能源和资源消耗；优先发展公共交通，减少私人小汽车的使用，有利于降低污染和温室气体的排放；提高建筑高度，减少建设用地比例，可增加绿地和开放空间面积，有助于改善城市生态环境。

虽然中国的城市中心区衰落问题尚不突出，但保护乡村环境和景观、增加城市绿地比例、提升城市竞争力、有效控制大城市的无序蔓延、切实解决日渐增加的交通阻塞，提高人居环境质量等肯定是我国城市未来建设需要重点解决的核心问题。因此，制订相应的高密度紧凑城市的建设标准和规划规范十分必要。指标取值既要保证我国城市化进程和现代化的用地需求，又要保证国家粮食安全、农业用地需求和生态环境安全及城市居民的生活质量，即高密度紧凑城市建设需要“度”的限制。否则，会产生一系列难以预料的后果：如城市过高的密度会迫使人口外流，造成郊区化；环境过于拥挤，城市容易变得肮脏、凌乱，增加疾病传播的可能、不良的社会治安因素及对自然灾害的防护不利；交通压力增大，加重道路交通堵塞，延长通勤时间，导致空气质量恶化；紧凑城市中常见的高层住宅不利于社区交往和邻里交流，影响居民的室外活动，这对于老人和孩子尤其不利；过高密度的居住环境难以保证良好的室内通风和采光效果，尤其会增加城市热岛效应，破坏微气候；过高的居住密度，会导致环境噪声加重，增加居民心理和精神上的压力。

参考文献：