京津冀公共服務水平區(qū)域差異及其人口效應研究

楊 卡，馬可頡，盧睿智

（國際關系學院 國家安全學院，北京 100091）

當前，公共服務均等化已經(jīng)成為促進機會公平、實現(xiàn)人人共享社會發(fā)展成果的重要舉措。對于區(qū)域治理現(xiàn)代化而言，公共服務均等化還是推動區(qū)域人口由高聚集區(qū)域向低密度區(qū)域遷移的重要力量，是促進區(qū)域空間均衡發(fā)展的關鍵策略。2022年國家“十四五”規(guī)劃提出到2025年基本公共服務均等化水平明顯提高、到2035年基本公共服務實現(xiàn)均等化的部署要求。作為國家戰(zhàn)略的京津冀協(xié)同發(fā)展，核心內(nèi)容之一便是公共服務的協(xié)同和一體化，重要的是通過促進城市化核心區(qū)域的公共服務疏散帶動人口、產(chǎn)業(yè)和經(jīng)濟要素合理流動，進而推動京津冀區(qū)域空間格局優(yōu)化。

西方傳統(tǒng)文獻中，“公共服務”和“公共產(chǎn)品”常被看作可以等同和互換的概念，或認為公共服務屬于公共物品[1]。亞當斯密早在18世紀初就強調(diào)了國家提供公平的公共服務體系的主張[2]，如今，公共服務均等化仍是國內(nèi)外學者研究的重要領域，國外學者聚焦于對不同階層、區(qū)域、鄰里等各類型群體公共服務配置分析，和對公共服務要素聚集水平的評價[3-4]，以及政府舉措和公眾意見等的探究[5]。國內(nèi)相關研究主要關注區(qū)域、省際、城鄉(xiāng)之間和城市之間的公共服務配置，著重于構(gòu)建指標體系對全國范圍內(nèi)的公共服務支出進行測算、評價[6-7]與成效分析[8]，以及從省域?qū)用鏈y度公共服務發(fā)展水平與差異[9-10]，近期關于區(qū)域?qū)用娴墓卜账綔y算則集中在長三角[11-12]和西部區(qū)域[13-14]。本文以京津冀區(qū)域為研究對象，從醫(yī)療、教育、交通和環(huán)境四個維度建立公共服務水平指標體系，運用熵值法、Dagum基尼系數(shù)分析、收斂度檢驗和面板數(shù)據(jù)分析，綜合分析京津冀區(qū)域公共服務水平差異及橫向、縱向演變過程，探討公共服務水平與人口變量之間的影響關系，最后提出相關政策建議，為區(qū)域政策決策提供依據(jù)。

一、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

公共服務水平的相關數(shù)據(jù)和城區(qū)人口、市區(qū)人口數(shù)據(jù)來源于2011年至2021年《中國城市統(tǒng)計年鑒》，個別缺失數(shù)據(jù)從《北京區(qū)域統(tǒng)計年鑒》《天津統(tǒng)計年鑒》補充。為了剔除人口差異，涉及具體規(guī)模的變量均采用人均值計算，即除以當年的年末常住人口數(shù)。

各城市之間人口遷移熱度數(shù)據(jù)來自于2015、2018年的騰訊出行大數(shù)據(jù)，研究選取了剔除春節(jié)、國慶節(jié)、五一、清明等法定節(jié)日前后數(shù)據(jù)的日常每日出行數(shù)據(jù)共約12萬條。常住人口數(shù)據(jù)來自京津冀三地的統(tǒng)計年鑒。

（二）分析方法

1.基于熵權法與主成分分析的綜合評價

采用基于熵權法與主成分分析法的綜合評價模型對2010—2020年京津冀區(qū)域的公共服務水平進行測度。熵權法利用各指標數(shù)據(jù)中包含的數(shù)據(jù)信息來確定其權重，熵值越大越混亂，則攜帶信息越小，效應值小，權重也就會相應的小，因此能夠有效保證指標權重的真實性與合理性。

首先，將表1中指標層的24項數(shù)據(jù)進行歸一化的處理，統(tǒng)一數(shù)量級、縮小數(shù)據(jù)間差距，后將處理過的數(shù)據(jù)分別對應其準則層指標，運用熵權TOPSIS模型進行評價，形成各城市跨年份準則層的指標數(shù)據(jù)；其次，將醫(yī)療-教育-交通-環(huán)境所構(gòu)成的準則層通過主成分分析法確定權重，再將準則層的數(shù)據(jù)依據(jù)權重計算得出公共服務綜合評價得分。

具體計算步驟如下：

1）數(shù)據(jù)標準化，并計算第i個評價對象的第j項指標的比重

2）計算指標熵值，并逆向化

3）計算指標的權重，權重結(jié)果見表1。

4）將原始指標數(shù)據(jù)標準化，并進行主成分分析。

5）根據(jù)累計方差貢獻率確定主成分，對m個主成分加權求和，即得最終評價值，權數(shù)為每個主成分的方差貢獻率。

按照上述步驟，各評價準則層的權重結(jié)果見表1①。

表1 京津冀區(qū)域公共服務評價指標體系②

6）綜合指數(shù)的確定。根據(jù)上述確立的權重值，求得京津冀2010—2020年公共服務水平綜合指數(shù)。

式中：E為京津冀區(qū)域公共服務水平綜合指數(shù)。

2.Dagum基尼系數(shù)分析

計算京津冀區(qū)域公共服務得分間的Dagum基尼系數(shù)，用以衡量京津冀區(qū)域公共服務水平差異大小，Dagum基尼系數(shù)計算公式如下：

式中：yi，yj分別為i，j城市的公共服務水平指數(shù)；yˉ為京津冀公共服務水平指數(shù)的平均值；n為地級市個數(shù)，本研究中包括北京、天津與河北的11個地級市；G為總體基尼系數(shù)。

3.收斂性檢驗

收斂理論是新古典增長模型中基于資本邊際報酬遞減和規(guī)模報酬不變條件下得出的推論，后引申至經(jīng)濟學中用于研究國家或地區(qū)間經(jīng)濟差距動態(tài)變化趨勢。通過σ收斂性檢驗，衡量區(qū)域內(nèi)公共服務水平差異的離散程度隨著時間推移而逐漸降低的狀況。計算公式為：

式中：i為分區(qū)內(nèi)的地級市（i＝1，2，3，…）；Nj為各分區(qū)內(nèi)的地級市個數(shù)；Fi為i城市的公共服務水平指數(shù)；為京津冀區(qū)域內(nèi)公共服務水平指數(shù)的平均值。

4.人口遷移熱度分析

基于騰訊出行數(shù)據(jù)，統(tǒng)計2018年京津冀區(qū)域城市日常人口遷入熱度，對其匯總計算，獲得各城市間的人口遷移強度，公式為：

Rij表示兩地之間的遷徙強度，rij為騰訊位置數(shù)據(jù)記錄的某日兩地之間的遷徙熱度，t為日期。某城市的遷徙熱度則為該城市對區(qū)域內(nèi)所有城市遷徙強度的總和。

5.面板數(shù)據(jù)分析

面板模型涉及3個模型分別是混合POOL模型、固定效應FE模型和隨機效應RE模型，通過F檢驗、BP檢驗與Hausman檢驗三種檢驗確定固定效應模型（FE模型）更適合本研究。公式如下：

式中：yit為i城市在t時間點的公共服務水平指數(shù)；λi為個體固定效應模型中僅與城市i相關而不隨時間變化的常量；xkit為i城市t年份的常住人口、市區(qū)人口、城區(qū)人口數(shù)；k為解釋變量的順序數(shù)；uit為模型的非觀測誤差。

二、京津冀公共服務水平及區(qū)域差異

（一）區(qū)域公共服務水平波動上升，城市間增幅差異顯著

基于熵權綜合評價模型、主成分分析評價模型與公共服務評價指標體系，測度京津冀區(qū)域公共服務綜合指數(shù)（表2），數(shù)據(jù)顯示：2010—2020年京津冀區(qū)域公共服務綜合指數(shù)呈逐年波動上升趨勢，所有城市2020年的公共服務水平都較2010年有顯著提升；區(qū)域公共服務水平在空間上存在明顯的差異，京、津公共服務水平顯著高于其他城市；從2020年的公共服務水平綜合指數(shù)來看，河北各市公共服務水平相近，石家莊、秦皇島、唐山和承德稍高一些，其他城市的公共服務水平指數(shù)均在40以下；從增幅看，天津的公共服務水平保持較快速增長趨勢，北京（增幅22.79）、石家莊（22.48）次之，衡水（增幅19.88）、滄州（增幅18.83）、保定（增幅17.7）也增幅較大，兩個城市公共服務水平提升也較快，承德、廊坊和秦皇島的公共服務水平提升較為緩慢，但增幅在10左右。

表2 2010—2019年京津冀區(qū)域公共服務水平綜合指數(shù)②

（二）空間差異性明顯

公共服務水平還呈現(xiàn)出特定的空間特征，高分值和低分值區(qū)域存在一定的空間聚集表現(xiàn)：如表3，區(qū)域中部、北部地區(qū)的城市基礎條件較好，除京津之外，承德、秦皇島和張家口等北部城市基礎建設和生態(tài)環(huán)境品質(zhì)較高，在教育、醫(yī)療方面的得分也較高，因此公共服務水平總的分值較高，中部城市2020年較2010年的得分提升幅度最大；相對而言，南部片區(qū)的公共服務水平較低，但2020年較2010年有顯著提升，除石家莊外，其他南部片區(qū)城市的公共服務水平橫向差異不大，區(qū)域南部也形成了比較均衡發(fā)展的片區(qū)?？傮w而言，如表2所示，區(qū)域中公共服務水平得分增幅最高的城市構(gòu)成了京-津-滄-衡-石的類環(huán)狀區(qū)域，該區(qū)域的公共服務水平提升較快。

表3 按片區(qū)劃分的2010年和2020年公共服務水平得分及增幅

（三）區(qū)域公共服務水平總體上趨于均衡

區(qū)域公共服務水平的空間差異緩慢縮小，區(qū)域公共服務逐漸朝著均衡化方向發(fā)展。根據(jù)年度各城市的公共服務水平指數(shù)計算當年的區(qū)域公共服務基尼系數(shù)，結(jié)果顯示（圖1），總體而言京津冀區(qū)域的公共服務水平的空間分布情況呈現(xiàn)上下波動和緩慢降低的趨勢，其空間基尼系數(shù)一直在0.2左右波動，并從2010年的0.23降低到了2020年的0.17，近幾年的降低趨勢更顯著。

圖1 2010—2020年京津冀區(qū)域公共服務水平基尼系數(shù)及σ收斂度變化

京津冀區(qū)域的收斂系數(shù)由2010年0.074，降低至2020年的0.061，表明京津冀區(qū)域的公共服務水平存在σ收斂特征，研究期內(nèi)京津冀區(qū)域的公共服務區(qū)域差異隨時間推移而不斷減小，且呈現(xiàn)出較為平穩(wěn)的變化。

（四）教育、醫(yī)療均衡度高，交通、環(huán)境差異較大

從教育、醫(yī)療、交通和環(huán)境四個子項目得分來看（如表4）：教育、醫(yī)療水平相對較為均衡，指數(shù)的極差分別為33和39，各城市教育水平指數(shù)處于31-64之間，醫(yī)療水平指數(shù)處于38-77之間；交通方面的差異較為突出，京津交通水平指數(shù)分別為72和59，石家莊為27，秦皇島、唐山、張家口的交通水平指數(shù)不足15，而河北其他城市的交通水平指數(shù)均在10以下；環(huán)境水平指數(shù)的差異也較大，最大的北京為96，最小的滄州僅為33。

表4 2020年京津冀區(qū)域城市各項公共服務得分統(tǒng)計

三、公共服務水平的人口空間效應分析

（一）交通、環(huán)境服務水平與人口分布、流動關聯(lián)性顯著

根據(jù)京津冀主要城市常住人口密度計算的Dagum基尼系數(shù)，如圖2所示，人口密度的Dagum基尼系數(shù)自2010年以來表現(xiàn)為先增后減的顯著變化，初步呈現(xiàn)倒U型演進趨勢，也即區(qū)域內(nèi)城市間的人口密度差異先期逐年增加，近幾年已經(jīng)開始逐漸降低。

圖2 京津冀區(qū)域常住人口密度Dagum基尼系數(shù)變化趨勢圖③

根據(jù)2018年騰訊出行數(shù)據(jù)，統(tǒng)計區(qū)域內(nèi)各城市人口區(qū)內(nèi)遷移的總熱度和汽車熱度、火車熱度（飛機方式的遷移數(shù)據(jù)較少，未單獨分析），與2015—2018年各城市醫(yī)療、教育、交通和環(huán)境得分均值進行相關分析，結(jié)果顯示，教育均值與人口變量的關聯(lián)性不顯著，醫(yī)療服務水平與城市常住人口總量的相關性不顯著，與城區(qū)人口、市區(qū)人口的相關性顯著，交通均值、環(huán)境均值和總得分都與人口流動、人口規(guī)模有顯著相關（如表5）。

表5 公共服務水平與人口流動、人口規(guī)模變量相關分析表

偏相關分析結(jié)果顯示，在將城區(qū)人口作為控制變量時，火車遷移熱度與得分之間仍然存在關聯(lián)（相關系數(shù)為0.638，P=0.026），其余公共服務水平指標和人口遷移熱度之間并無顯著關聯(lián)，這表明：城區(qū)人口規(guī)模作為城市發(fā)展的重要指征，與城市公共服務水平和城市間人口流動強度都有顯著關聯(lián)，城區(qū)人口規(guī)模越大的城市，其人均擁有的公共資源較多，享受的公共服務水平一般也較好；各單項公共服務水平狀況與城市人口流動強度并無顯著關聯(lián)。

（二）人口增長對公共服務水平提升作用顯著

本研究以常住人口、市區(qū)人口、城區(qū)人口作為解釋變量，以得分作為被解釋變量進行面板模型構(gòu)建，并且使用穩(wěn)健標準誤法進行建模。首先進行模型檢驗，找出最優(yōu)模型為FE模型。

FE模型分析結(jié)果顯示：得分對常住人口、市區(qū)人口和城區(qū)人口的回歸結(jié)果均顯著（t值為2.618、4.772、-2.497，p值均小于0.05），回歸系數(shù)分別為0.029、0.046和-0.029，說明常住人口、市區(qū)人口會對得分會產(chǎn)生顯著的正向影響關系，城區(qū)人口對得分會產(chǎn)生顯著的負向影響關系。

總體而言，面板數(shù)據(jù)的分析結(jié)果排除掉城市個體特征等不可預測的因素效應，更直接反應公共服務水平變化與人口規(guī)模增減之間的互動關系。從區(qū)域空間實際看，個體效應和內(nèi)生性因素同時影響了市區(qū)人口規(guī)模和城市公共服務水平的狀況，所以spss分析時會呈現(xiàn)出市區(qū)人口影響顯著，但從單個城市人口變量和公共服務水平的動態(tài)變化來看，常住人口、市區(qū)人口增長對城市公共服務水平提升的作用更顯著。

而反之，將常住人口、市區(qū)人口和城區(qū)人口作為因變量，將醫(yī)療、教育、交通和環(huán)境等得分作為解釋變量，結(jié)果顯示（表6），以常住人口為因變量的FE模型通過檢驗，P值為0.008，以市區(qū)人口和城區(qū)人口為因變量的模型未通過檢驗，說明：城市交通服務水平對常住人口總量的影響顯著，教育、醫(yī)療和環(huán)境方面的公共服務水平狀況對人口變量的影響暫未得到證實。長期以來，人口推拉學說將設施服務水平等看做人口流動的動力因素，但目前本研究分析結(jié)果顯示，除交通設施水平外，近階段教育、醫(yī)療和環(huán)境公共服務要素的拉動作用還未凸顯，通過公共服務均等化促進人口疏散的政策行動有待進一步加深和優(yōu)化。

表6 以人口為因變量的面板數(shù)據(jù)FE模型回歸結(jié)果②

四、結(jié)論與政策建議

（一）結(jié)論

從公共服務水平的變化趨勢來看，研究期內(nèi)，京津冀區(qū)域公共服務水平逐年提升，其中：北京市與天津市公共服務綜合指數(shù)最高，平均值分別為80.94與53.42，河北的邢臺、滄州、衡水、張家口、邯鄲和保定等城市的公共服務水平指數(shù)均低于35，與區(qū)域平均水平有較大差距；河北各地級市東北部城市綜合指數(shù)得分高于西南部城市，省內(nèi)重點發(fā)展的石家莊市和保定市的公共服務水平提升幅度最大，京-津-滄-衡-石構(gòu)成了類環(huán)狀的公共服務水平高成長區(qū)域，而秦皇島、承德、廊坊等城市的提升幅度較小。

近十年京津冀區(qū)域的公共服務發(fā)展仍然呈現(xiàn)出較顯著的空間差異性，但總體差異呈現(xiàn)出逐年縮小趨勢。總體基尼系數(shù)由2010年的0.23降低到2020年0.17，表明京津冀區(qū)域公共服務水平差距在逐步減小。σ收斂性檢驗結(jié)果也顯示，京津冀區(qū)域公共服務水平發(fā)展不平衡的問題得到了一定程度改善，各城市間的差異隨時間推移逐漸縮小，存在σ收斂特征。

京津冀常住人口空間集聚性呈現(xiàn)先升高再下降的倒U型趨勢，自2015年以來人口格局的空間均衡性逐步提升。相關分析結(jié)果表明，城區(qū)人口與城市的公共服務水平指數(shù)高度相關，城區(qū)人口規(guī)模較大的城市，公共服務水平相對較高。

常住人口、市區(qū)人口規(guī)模對城市公共服務水平提升有正向影響，交通條件改善對人口規(guī)模影響顯著，教育、醫(yī)療和環(huán)境資源與服務水平對人口的吸引作用不顯著，人口流動規(guī)模與城市各單項公共服務狀況也不存在顯著關聯(lián)性。

（二）政策建議

首先，繼續(xù)提升區(qū)域公共服務整體水平，促進區(qū)域公共服務空間均等化發(fā)展。應積極發(fā)揮北京與天津這兩座城市的輻射、引導與帶動作用，繼續(xù)推進優(yōu)質(zhì)公共服務設施和資源的空間疏散，促進教育、醫(yī)療等公共服務領域的城市間合作，著重提升周邊城市公共服務服務水平，尤其需要用更多公共服務資源支持邢臺、滄州、衡水、張家口、邯鄲等南部城市發(fā)展，補足短板，進而提高京津冀區(qū)域公共服務的整體水平。

其次，根據(jù)京津冀區(qū)域現(xiàn)有公共服務資源的空間分布狀況，對不同城市采取針對性的發(fā)展策略。具體而言，大力改進邢臺、滄州、衡水、保定、廊坊等市的交通條件，增加道路面積，促進其與京津的聯(lián)通與連接，優(yōu)先發(fā)展滄州、張家口等城市的環(huán)境設施，加強對綠化覆蓋率，改進邯鄲的醫(yī)療條件和服務水平，加強對邯鄲、衡水的教育扶植。

第三，對于河北省的城市而言，通過產(chǎn)業(yè)升級、政策優(yōu)惠等方式大力吸引人才流入，尤其將廊坊市全域和石家莊、保定等地級市市區(qū)作為增長極，促進重點城市化區(qū)域的成長和發(fā)育，通過產(chǎn)業(yè)空間構(gòu)建和就業(yè)帶動等方式提升其城市影響力，通過匯聚人口來激發(fā)公共服務的活力，促進市域公共服務水平的提升。

第四，促進京津冀區(qū)域公共服務資源均等化，需要進一步優(yōu)化政策路徑，尤其需要促進優(yōu)質(zhì)資源的均衡布局，強化河北省各城市公共服務資源的核心吸引力，切實提升公共服務部署在優(yōu)化人口空間格局方面的引導作用。

注釋：

①由于各城市2020年的人口數(shù)據(jù)來自第七次人口普查，與2011—2019年的人口數(shù)據(jù)之間存在較大跳躍，北京、天津兩市統(tǒng)計局已根據(jù)2020年的普查數(shù)據(jù)對2011—2019年的數(shù)據(jù)進行了修訂，但河北各市沒有官方的修訂數(shù)據(jù)，為了保持數(shù)據(jù)序列的平滑性，熵權法和主成分法計算權重時僅才用了2011—2019年的指標數(shù)據(jù)。

②數(shù)據(jù)來源：2011—2021年的《中國城市統(tǒng)計年鑒》《北京區(qū)域統(tǒng)計年鑒》《天津統(tǒng)計年鑒》。

③北京、天津統(tǒng)計局已根據(jù)七普數(shù)據(jù)對以往常住人口數(shù)字進行修訂，河北省暫未修訂。

④考慮到疫情期間人口流動與往常有較大差異，因此選取2018年未受疫情影響時期的數(shù)據(jù)進行此項分析。數(shù)據(jù)來源：騰訊出行數(shù)據(jù)，https：//heat.qq.com/wap_qqmap_big_data/qianxi_index.html。