(1)研究区域概况。皖北地区位于安徽省北部,地处皖苏鲁豫四省交汇区,地势平坦,以平原地形为主,行政区划范围包括安徽省淮河沿岸及以北的6个地级市,包括宿州市、淮北市、亳州市、阜阳市、蚌埠市、淮南市。皖北地区总面积约为4.278万平方公里,耕地面积约2.711万平方公里,耕地占比63.371%; 2019年末城镇常住人口1 417.724万人,乡村常住人口1 421.725万人,城镇化率为49.930%; 第一产业产值1 313.371亿元,第二、三产业产值9 550.656亿元。皖北地区是乡村人口占比大、城乡经济差距较大的传统农业发展区,对研究城乡融合发展的问题具有典型意义(图1)。

图1 研究区域①

(2)数据来源与处理。数据来源于《安徽省统计年鉴》《安徽省建设统计年鉴》以及各市统计年鉴、统计公报和邮政业发展公报等。对于部分缺失的数据,采用均值填补法对缺失项进行填补。

(1)研究框架。要素流动理论是在吸收早期西方经济学的资源禀赋理论、比较优势理论以及劳动价值论的认知基础之上形成的,主要指生产要素在地域空间的位移现象,表现为生产要素在地域空间上优化配置^[12]。通过城乡要素双向流动,打破因城乡要素单向流动导致的城乡二元发展格局,实现城市与乡村之间要素双向流动与优势互补,促使各要素在城市与乡村之间合理配置,优化城市与乡村地域的空间、人口、经济、社会、生态结构,推动新型城镇化质量提升与城乡融合发展(图2)。

图2 要素流动视角下城乡融合发展

(2)研究方法。研究基于要素流动视角下城乡融合发展机制构建城乡融合发展的指标体系与评价模型,继而运用空间自相关等方法揭示城乡融合发展时空演变特征,最后运用地理加权回归模型探析城乡融合发展主要影响因素的作用强度。

表1 城乡融合发展指标体系

①城乡融合发展评价指标选取与权重赋值。基于前述要素流动与城乡融合发展的互动机制,从城乡系统的人口、土地、社会服务、经济及生态等要素配置视角,选择人口流动、空间配置、社会服务、经济发展、生态环境等五个方面作为城乡融合发展评价的准则层。继而基于数据的科学性、可获取性、系统性等原则,参考既有的相关研究成果^[13-16],运用文献指标借鉴、频度统计法等方法,最终选取城乡融合发展评价指标,包括人口城镇化水平、城乡劳动力流动、城乡人口迁移率、城乡人口密度比、土地城镇化水平、城乡土地配置、城乡医疗水平度、城乡教育发展度、城乡物流业务量、城乡居民用电量比、城乡人均可支配收入比、产业产值比、城乡消费品零售总额比、城乡资金流动、人均GDP、森林覆盖率、单位GDP能耗等17个指标。为避免量纲、数量级以及正负指标的差异,对城乡融合发展指标进行无量纲化处理,运用熵值法计算出各指标权重,最终确定城乡融合发展水平测度指标(表1)。

②空间自相关模型。地理学第一定律强调事物间相互关联性,研究空间中某个位置的观察值与其相邻位置是否存在相关性及相关程度的一种空间数据分析方法^[17]21-22。本文运用空间自相关模型揭示城乡融合发展的空间特征,以全局Moran's I指数测度城乡融合发展整体空间关联^[18],计算公式如下:

式中,n为空间单元数; x_i和x_j为样本i和j的观测值; x^-是全样本均值; W_ij是空间权重矩阵,即当空间单元i和j相邻时W_ij= 1,否则W_ij= 0。I∈[-1,1],I>0为空间正相关; I=0为随机分布; I < 0为空间负相关。

为进一步识别城乡融合发展空间异质性,选择局部 Getis-Ord G^*_i指数(式2和式3),进行区域相关性分析,主要用来区分“热点区”和“冷点区”^[19]。

式中,E(G^*_i)和Var(G^*_i)分别为G^*_i指数的期望和方差; Z(G^*_i)为G^*_i指数标准化。若Z(G^*_i)显著为正,区域i为热点区; Z(G^*_i)显著为负,区域i为冷点区。

③地理加权回归模型。地理加权回归(GWR)模型反映出变量间关系的局部特征,考虑同一指标对不同空间的回归结果的不同影响。运用地理加权回归模型来探究城乡融合发展的影响因素随地理位置变化而呈现的回归参数大小和方向的具体变化^[20],构建GWR模型。

式中,γ_i为城乡融合发展水平测度值,x_ij为城乡融合发展的影响因素,(u_i,v_i)为第i个样点的空间坐标,β_j(u_i,v_i)是第i个样本点上的第k个回归参数。

运用城乡融合发展评价模型对2010-2019年皖北地区6市的城乡融合发展水平进行测度(图3)。结果显示,2010-2019年皖北地区城乡融合发展水平整体呈上升态势。根据城乡融合发展水平变化速率不同,可将皖北地区城乡融合发展过程划分为两个阶段:第一阶段(2010-2012年),皖北地区城乡融合发展水平测度值不足0.350,城乡融合发展缓慢,城乡融合发展水平较低; 第二阶段(2013-2019年),城乡融合发展水平测度值由0.358上升至0.624,城乡融合发展加快,城乡融合发展水平较高。

图3 2010-2019年皖北地区城乡融合发展水平变化

从城乡融合发展水平增长速度看,蚌埠市、淮北市和阜阳市城乡融合发展水平高于皖北地区整体平均水平,2013年以来蚌埠市和阜阳市城乡融合发展水平增长最快,2019年蚌埠市城乡融合发展水平居于皖北地区6市首位,高达0.745。近10年淮南市城乡融合发展水平提升最慢,2019年居皖北六市最低位次,城乡融合发展水平测度值仅为0.536; 亳州市和宿州市城乡融合发展水平低于皖北地区整体水平,亳州市城乡融合发展水平由2010年的0.156上升至2019年的0.616,城乡融合发展水平上升速度最快。

对2019年皖北地区35个县级单元运用城乡融合发展水平评价模型进行测度分析,得到各县级行政单元的城乡人口流动、城乡空间配置、城乡社会服务、城乡经济发展、城乡生态环境和综合城乡融合发展水平测度值(表2)。结果显示,谯城区的城乡融合发展水平测度值最高,达0.574; 相山区、龙子湖区、禹会区、蚌山区、淮上区、颍州区等6个县级单元的城乡融合发展水平都处于较高水平,城乡融合发展水平测度值均在0.5以上。寿县的城乡融合发展水平测度值最低,为0.201; 泗县、烈山区、濉溪县、八公山区、潘集区等5个县级单元的城乡融合发展水平均处于较低水平,城乡融合发展水平测度值不足0.350。

城乡融合发展水平测度在城乡人口流动、城乡空间配置、城乡社会服务、城乡经济发展、城乡生态环境五个维度都有不同程度的表现,各维度的发展水平呈空间差异性。其中,城乡人口流动发展水平测度均值为0.085,最高值太和县(0.139)与最低值寿县(0.016); 城乡空间配置发展水平测度均值为0.058,最高值龙子湖区(0.089)与最低值寿县(0.005),表明皖北地区乡村大量劳动力流向城市,导致乡村土地资源低效和闲置问题普遍突出; 城乡社会服务发展水平测度均值为0.121,最高值谯城区(0.242)与最低值八公山区(0.020),社会服务水平差距较大,表明皖北地区城乡之间社会公共服务发展不均等; 城乡经济发展水平测度均值为0.129,其中最高值禹会区(0.218)、最低值临泉县(0.075),皖北地区县域城乡经济发展空间差异化明显; 各县区城乡生态环境发展水平测度值较为接近,表明皖北地区城乡生态环境发展呈均等化。

表2 2019年皖北地区县级单元城乡融合发展水平测度结果

为揭示皖北地区城乡融合发展空间格局,运用ArcGIS10.2进行全局空间自相关分析,得到2019年皖北地区35个县级单元的城乡融合发展水平的全局空间自相关Moran's I值(表3)。结果显示,2019年皖北地区县级单元城乡融合水平Moran's I指数为0.212,Z值为2.353,P值为0.019。说明皖北地区的城乡融合发展水平在整体上表现为空间正相关,空间集聚性较强。

城乡人口流动、城乡空间配置、城乡社会服务、城乡经济发展、城乡生态环境五个维度的空间格局特征不同。城乡社会服务、城乡经济发展、城乡生态环境Moran's I指数均大于0,Z值大于2.58,且全部通过1%的显著性水平检测,说明皖北地区的城乡社会服务、城乡经济发展、城乡生态环境三个维度表现为空间正相关,空间集聚性强; 城乡人口流动和城乡空间配置未通过5%的显著性水平检验,说明皖北地区城乡人口流动和城乡空间配置数据分布出现随机分布特征,空间相关性不显著。

表3 2019年皖北地区县级单元城乡融合

利用ArcGIS10.2空间统计分析功能计算各县级单元的Getis-Ord G^*_i指数,识别皖北地区35个县级单元之间城乡融合发展是否存在高-高集簇或低-低集簇,揭示各县域单元空间之间城乡融合发展的异质性,进一步揭示皖北地区城乡融合发展水平局部集聚状况。置信热点区表示城乡融合发展水平较高的地区集聚,置信冷点区表示城乡融合发展水平较低的地区集聚。结果显示,置信热点区位于蚌山区、禹会区、淮上区、龙子湖区以及谯城区,表明皖北地区县级单元城乡融合发展水平较高的地区主要集中分布在蚌山区、禹会区、淮上区、龙子湖区; 置信冷点区主要分布在皖北地区北部,表明皖北地区县级单元城乡融合发展水平较低的地区集中分布在八公山区、谢家集区、寿县、田家庵区、凤台县的冷点区(图4)。

图4 皖北地区城乡融合发展冷热点分析(2019年)

(1)影响因素变量筛选。为确定皖北地区城乡融合发展水平的主要影响因素,对皖北地区城乡融合发展的空间格局形成原因进行深层次分析。以皖北地区35个县级单元为样本研究,以2019年城乡融合发展水平测度值为因变量,从资源、区位、人口、社会、经济等维度选取人均水资源(X₁)、距所在市中心距离(X₂)、距省会城市距离(X₃)、城乡从业人口率比(X₄)、城乡居民人均用电量比(X₅)、城乡居民医疗保险参保率(X₆)、城乡户籍人口迁移率(X₇)、第一产业产值占比(X₈)、财政收支占比(X₉)、土地垦殖率(X₁₀)、城镇登记失业率(X₁₁)、城乡邮递线路密度(X₁₂)、耕地面积占比(X₁₃)等13个指标作为影响因素备选变量。

运用最小二乘法OLS回归模型测算变量对被解释变量(城乡融合发展水平测度值)的影响显著性水平。剔除显著性(Robust-Pr)大于0.05以及方差膨胀因子(VIF)大于7.5的指标,结果显示,距省会城市距离(X₃)、财政收支占比(X₉)、城镇登记失业率(X₁₁)、城乡邮递线路密度(X₁₂)共计4个指标呈现影响显著且未出现多重共线性回归问题,符合OLS回归模型,是皖北地区城乡融合发展的主要影响因素(表4)。

表4 OLS回归模型分析结果

(2)主要影响因素作用强度空间差异。运用地理加权回归(GWR)对筛选出的4个自变量的回归系数进行计算,探讨主要影响因素对城乡融合发展作用强度的空间差异,并用ArcGIS进行可视化表达(图5)。

图5 城乡融合发展影响因素回归系数空间分布(2019年)

结果显示,距省会城市距离与城乡融合发展水平呈正相关,在空间上呈现为由北向南逐渐递增的空间分布特征,回归系数最大值为寿县,最小值为砀山县,说明距省会城市越近,城乡融合发展水平受其影响也越大; 财政收支占比与城乡融合发展水平呈正相关,在空间上表现为由东南向西北逐渐递减的空间分布特征,回归系数最大值为五河县,最小值为界首市,表明财政收支占比对五河县、泗县等地的城乡融合发展影响较大,对界首市、临泉县等北部地区的城乡融合发展影响较小; 城乡邮递线路密度与城乡融合发展水平呈正相关,在空间上呈现为由西北向东南逐渐递增的空间分布特征,回归系数最大值为寿县,最小值为砀山县,说明城乡邮递线路密度对寿县、大通区、五河县等东南地区的城乡融合发展影响高于其他地区。城镇登记失业率与城乡融合发展水平呈负相关,在空间分布上总体呈现由东北向西南递减的特征,回归系数最大值泗县,最小值为临泉县,表明城镇登记失业率对泗县、灵璧县、萧县等东北部地区的影响较小,对临泉县、阜南县等西南地区的影响较大。

(1)从要素流动视角对皖北地区城乡融合发展水平进行测度,揭示了近10年皖北地区城乡融合发展水平时空特征。第一,城乡融合发展水平整体呈加速上升态势,城乡融合发展水平的测度值由2010年的0.282上升至2013年的0.358,2019年上升至0.624。第二,县域城乡融合发展水平空间差异性显著,其中谯城区城乡融合发展水平测度值最高为0.574,寿县城乡融合发展水平最低为0.201。第三,皖北地区城乡融合发展水平Moran's I指数为0.212,表明区域城乡融合发展空间格局呈较强的集聚性。

(2)城乡融合发展是通过城乡要素流动,推动城乡地域结构和城乡发展结构不断优化的结果。研究发现,皖北地区城乡融合发展水平受区域城乡社会经济多重要素的综合影响,距省会城市距离、财政收支占比、城乡邮递线路密度及城镇登记失业率等四个因素影响最显著,其中距省会城市距离、财政收支占比、城乡邮递线路密度与皖北地区城乡融合发展水平测度呈现正相关性; 城镇登记失业率与城乡融合发展水平测度呈负相关性。这些因素对皖北地区城乡融合发展的影响均具有明显的空间差异。

基于城乡融合发展水平的分析结果,为了进一步提高皖北地区城乡融合发展水平,提出皖北地区城乡融合发展的建议。

(1)注重城乡融合发展差异,制定分类融合发展政策。对于谯城区、蚌山区等城乡融合发展水平较高但生态环境水平较低地区,应注重改善生态环境质量,并充分发挥中心城市的辐射带动效应,实现城乡融合高质量发展。对于寿县、泗县等城乡融合发展水平较低地区,加大城乡基础设施、公共服务均等化建设力度,注重城市与乡村协同发展。

(2)建立城乡要素流动机制,促进城乡要素双向流动。积极推动皖北地区土地要素市场化,开发利用荒废土地,盘活乡村土地要素活力; 在加快农村剩余劳动力向城市转移的同时,建立人才、技术下乡的激励机制; 建立皖北地区城乡要素配置、优势互补机制,促进城乡融合发展,提升城乡要素流动效率。

(3)完善财政支出政策,促进城乡产业协调发展。加大乡村建设的资金投入力度,深度挖掘多功能农业,提升农业现代化水平; 加快城乡第二产业和第三产业发展,促进产业结构升级,推动就业岗位稳定增长,优化城乡人力资本结构。