導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇人口密度，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

1、中國(guó)人口密度是世界上人口最多的國(guó)家。2013年底，在中國(guó)大陸上居住著136072萬(wàn)人，約占世界總?cè)丝诘?9%。中國(guó)每平方公里平均人口密度為143人，約是世界人口密度的3.3倍，且中國(guó)人口分布很不均衡。東部沿海地區(qū)人口密集，每平方公里超過(guò)400人。

2、中部地區(qū)每平方公里為200多人，而西部高原地區(qū)人口稀少，每平方公里不足10人。長(zhǎng)期以來(lái)，由于我國(guó)缺乏對(duì)城鎮(zhèn)實(shí)體地域的統(tǒng)計(jì)劃分，很多涉及城市、都市圈乃至如今的城市群等城鎮(zhèn)化空間格局的概念時(shí)均難得要領(lǐng)。

3、只能泛化使用，不利于城鎮(zhèn)化空間格局研究的開(kāi)展。縱觀國(guó)外對(duì)城鎮(zhèn)實(shí)體地域的劃分經(jīng)驗(yàn)，人口密度無(wú)疑是第一要素。

（來(lái)源：文章屋網(wǎng) ）

篇2

1、南美洲有世界上面積最大的熱帶雨林，這里氣候濕熱。

2、南美洲西側(cè)，分布著狹長(zhǎng)的熱帶沙漠，氣候干旱。

3、南美洲有狹長(zhǎng)的安第斯山脈，海拔較高，氣候寒冷。

4、南美洲阿根廷境內(nèi)有潘帕斯草原，這里降水較少。

篇3

調(diào)查結(jié)果分析

調(diào)查對(duì)象：選擇濟(jì)寧市泗水縣和嘉祥縣承擔(dān)手足口病人群帶毒率調(diào)查工作，調(diào)查對(duì)象為健康（無(wú)發(fā)熱、皮疹、皰疹）的城鎮(zhèn)托幼機(jī)構(gòu)兒童和農(nóng)村散居兒童及其監(jiān)護(hù)人，見(jiàn)表1。

標(biāo)本采集：按照《手足口病預(yù)防控制指南（2009年版）》執(zhí)行。在采樣地點(diǎn)和運(yùn)送工廠中均備有裝有足夠冰塊的冷藏包，采集后冷凍保存。

實(shí)驗(yàn)室檢測(cè)：糞便標(biāo)本采集后，其中1管由濟(jì)寧市疾控中心實(shí)驗(yàn)室應(yīng)用熒光定量PCR進(jìn)行腸道病毒核酸檢測(cè)，首先應(yīng)用PE引物進(jìn)行篩查，凡通用引物陽(yáng)性者再應(yīng)用EV71、CoxA16兩種引物進(jìn)行分型。陽(yáng)性標(biāo)本及時(shí)送山東省疾控中心進(jìn)行復(fù)核鑒定。

檢測(cè)結(jié)果：第1次檢測(cè)結(jié)果：檢測(cè)基本情況：兩縣共采集健康人群大便標(biāo)本386份，腸道病毒通用引物陽(yáng)性68份，總陽(yáng)性率17.62%（68/386），均為其他型腸道病毒，未檢出EV71和COAX16型腸道病毒。陽(yáng)性率結(jié)果，見(jiàn)圖1。

人群腸道病毒檢測(cè)情況：5歲以下兒童共采集大便標(biāo)本287份，腸道病毒通用引物陽(yáng)性59份，陽(yáng)性率20.56%（59/287），成人（監(jiān)護(hù)人）大便標(biāo)本99份，腸道病毒通用引物陽(yáng)性9份，陽(yáng)性率9.09%（9/99）。其中嘉祥縣5歲以下兒童陽(yáng)性率12.5%（17/136），成人9.38%（6/64）；泗水縣5歲以下兒童陽(yáng)性率27.81%（42/151），成人8.57%（3/35）。

5歲以下兒童中，≤3歲年齡組陽(yáng)性率29.37%（37/126），4～5歲年齡組陽(yáng)性率13.66%（22/161），見(jiàn)表2。

第2次檢測(cè)結(jié)果：檢測(cè)基本情況：兩縣共采集健康人群大便標(biāo)本397份，腸道病毒通用引物陽(yáng)性70份，總陽(yáng)性率17.63%（70/397），均為其它型腸道病毒，未檢出EV71和COAX16型腸道病毒。陽(yáng)性率結(jié)果，見(jiàn)圖2。

人群腸道病毒檢測(cè)情況：5歲以下兒童共采集大便標(biāo)本289份，腸道病毒通用引物陽(yáng)性61份，陽(yáng)性率21.11%（61/289），成人（監(jiān)護(hù)人）大便標(biāo)本108份，腸道病毒通用引物陽(yáng)性9份，陽(yáng)性率8.33%（9/108）。其中嘉祥縣5歲以下兒童陽(yáng)性率24.06%（32/133），成人10.94%（7/64）；泗水縣5歲以下兒童陽(yáng)性率18.59%（29/156），成人4.55%（2/44）。

5歲以下兒童中，≤3歲年齡組陽(yáng)性率25.00%（31/126），4～5歲年齡組陽(yáng)性率18.18%（30/165），見(jiàn)表3。

主要做法

手足口病對(duì)嬰幼兒普遍易感，大多數(shù)病例癥狀輕微，主要表現(xiàn)為發(fā)熱和手、足、口腔等部位的皮疹或皰疹等特征，多數(shù)患者可以自愈。養(yǎng)成良好衛(wèi)生習(xí)慣，做到飯前便后洗手、不喝生水、不吃生冷食物，勤曬衣被，多通風(fēng)。托幼機(jī)構(gòu)和家長(zhǎng)發(fā)現(xiàn)可疑患兒，要及時(shí)到醫(yī)療機(jī)構(gòu)就診，并及時(shí)向衛(wèi)生和教育部門(mén)報(bào)告，及時(shí)采取控制措施。輕癥患兒不必住院，可在家中治療、休息，避免交叉感染。

加強(qiáng)領(lǐng)導(dǎo)，提高認(rèn)識(shí)：中心領(lǐng)導(dǎo)高度認(rèn)識(shí)，成立了工作組。召開(kāi)嘉祥、泗水兩縣主要專(zhuān)業(yè)人員參加的會(huì)議及培訓(xùn)，認(rèn)真學(xué)習(xí)《手足口病人群帶毒率調(diào)查方案》。

周密組織，全力做好調(diào)查保障：制定《濟(jì)寧市手足口病帶毒率調(diào)查方案》，組織參加手足口病調(diào)查工作人員學(xué)習(xí)和討論。同時(shí)，中心予以物力、財(cái)力全力保障，及時(shí)購(gòu)買(mǎi)了調(diào)查、采樣需要的物品，訂購(gòu)了近1500人份的腸道病毒核酸檢測(cè)試劑。

做好宣傳工作：兩縣疾控中心專(zhuān)業(yè)人員深入托幼機(jī)構(gòu)班級(jí)、農(nóng)村衛(wèi)生室、農(nóng)村家庭面對(duì)面談話的方式，加大對(duì)調(diào)查工作的宣傳引導(dǎo)，通過(guò)廣泛的宣傳引導(dǎo)，提高了群眾對(duì)此項(xiàng)工作的認(rèn)識(shí)，促進(jìn)了調(diào)查工作的順利進(jìn)行。

加強(qiáng)現(xiàn)場(chǎng)調(diào)查督導(dǎo)，確保調(diào)查的質(zhì)量：4月及7月2次，市、縣疾控中心分管領(lǐng)導(dǎo)帶領(lǐng)傳染病科和檢驗(yàn)科工作人員分別到現(xiàn)場(chǎng)指導(dǎo)調(diào)查工作，對(duì)兩縣市區(qū)采樣情況及質(zhì)量控制進(jìn)行了督導(dǎo)。

表1 濟(jì)寧市嘉祥泗水兩縣健康人群腸道病毒檢測(cè)（第1次）

篇4

“這個(gè)城市讓我震驚――它的尺度、規(guī)模和人口密度完全不可思議。我無(wú)法想象這個(gè)城市究竟發(fā)生了什么事。在東歐，一個(gè)國(guó)家的人口恐怕都沒(méi)廣州多！” 2005年1月，在“廣州國(guó)際攝影雙年展”新聞會(huì)上，斯洛伐克籍的馬丁?科勒代表參展的外國(guó)攝影家發(fā)言時(shí)如此感嘆。

最大的人口容量1500萬(wàn)人？

在京、滬、穗、深四大城市之中，羊城實(shí)行較寬松的戶(hù)籍管理政策，使得數(shù)以百萬(wàn)計(jì)的外來(lái)人口容易跨越入戶(hù)門(mén)檻，成為廣州常住人口。即使是“唱衰”廣州的人，也不得不承認(rèn)這座城市的確肚大能容！2006年9月，在廣州市總體規(guī)劃咨詢(xún)與交通發(fā)展綱要（草案）專(zhuān)題評(píng)議會(huì)上，工程院院士鄒德慈提出，綜合考慮廣州的生態(tài)、能源、水資源、土地等負(fù)荷，“環(huán)境容量1200萬(wàn)人是比較合適的”。按照鄒院士的觀點(diǎn)，廣州已逼近危險(xiǎn)的容量極限。2007年2月9日，廣州市年度人口與計(jì)生工作會(huì)議與會(huì)者透露：根據(jù)專(zhuān)家測(cè)算，廣州面積為7434平方公里，最大人口容量為1500萬(wàn)人，而目前廣州常住人口加流動(dòng)人口將近1200萬(wàn)，距離人口規(guī)模的“臨界點(diǎn)”已經(jīng)不遠(yuǎn)。廣州市委書(shū)記朱小丹憂(yōu)心忡忡地指出：“如果人口規(guī)模失去控制，不能妥善解決好人口數(shù)量、素質(zhì)、結(jié)構(gòu)和分布問(wèn)題，構(gòu)建和諧廣州、落實(shí)富民強(qiáng)市戰(zhàn)略也無(wú)從談起”。

兩年前，在深圳面臨人口迅速滑向容量極限之際，該市官員用四個(gè)“難以為繼”敲響警鐘：地少人多的矛盾如不能解決，經(jīng)濟(jì)的持續(xù)健康增長(zhǎng)將難以為繼；土地、空間有限，難以為繼；能源、水資源短缺，難以為繼；環(huán)境承載力嚴(yán)重透支，難以為繼。許多廣州市民獲知羊城已逼近人口“臨界點(diǎn)”的消息后，提出并非杞人憂(yōu)天的問(wèn)題：如果人口容量滿(mǎn)負(fù)荷或突破極限，廣州會(huì)變成什么樣子？如果塞滿(mǎn)1500萬(wàn)人，廣州會(huì)不會(huì)連站腳的地方都沒(méi)有呢？

廣州距離人炸還有多遠(yuǎn)？

1990年～2006年16年間，廣州人口從630萬(wàn)上升至1200萬(wàn)人，人口規(guī)模翻一番，廣州距離人炸還有多遠(yuǎn)？

羊城現(xiàn)有建成區(qū)面積7434平方公里，若按戶(hù)籍人口725萬(wàn)計(jì)算，平均人口密度為975人/平方公里；若按常住人口1200萬(wàn)計(jì)算，平均人口密度為1614人/平方公里。具體到區(qū)一級(jí)，按戶(hù)籍人口計(jì)算，老城區(qū)荔灣區(qū)人口密度高達(dá)3.2萬(wàn)人/平方公里，越秀區(qū)竟高達(dá)4.7萬(wàn)人/平方公里，原東山區(qū)為3.7萬(wàn)人/平方公里。其他城市又如何？2006年7月11日“世界人口日”，深圳市宣布深圳已成為國(guó)內(nèi)人口密度最大的城市，全市面積2091平方公里，常住人口827.75萬(wàn)，人口密度高達(dá)3959人/平方公里。同期，北京面積16807平方公里，人口密度為951人/平方公里；上海面積6340.50平方公里，人口密度為2804人/平方公里。

廣州老城區(qū)的人口密度高得有些離譜，但跟上海、香港的老城區(qū)相比仍屬“寬敞”。在人口最密集的上海黃浦區(qū)，人口密度高達(dá)51000人/平方公里。香港更甚，平均人口密度約6300人/平方公里，觀塘區(qū)為50910人/平方公里，旺角則是全球人口密度最高之地區(qū)，為13萬(wàn)人/平方公里。

羊城人口密度在京、滬、穗、深四大城市中排名第三，而建設(shè)部頒布的標(biāo)準(zhǔn)是適宜居住城市的人口密度應(yīng)小于1萬(wàn)人/平方公里，所以就老城區(qū)每平方公里數(shù)萬(wàn)人的人口密度而言，廣州確實(shí)是一個(gè)人口即將爆炸的城市，但就975人/平方公里的平均人口密度而言，驚呼廣州人炸為時(shí)尚早。

人口超過(guò)1500萬(wàn)廣州人就要餓肚子？

專(zhuān)家認(rèn)為廣州的最大人口容量為1500萬(wàn)人，這是否意味著羊城只能養(yǎng)活1500萬(wàn)人，超過(guò)1500萬(wàn)廣州人就要餓肚子？

筆者相信1500萬(wàn)這個(gè)數(shù)字經(jīng)過(guò)了嚴(yán)肅認(rèn)真的計(jì)算，是一個(gè)客觀的可信的數(shù)字，但并不等于說(shuō)廣州人口一旦突破1500萬(wàn)，這座城市就要由大戶(hù)變成貧困戶(hù)。測(cè)算一個(gè)城市可以容納多少人口，必須綜合考慮自然資源、土地面積、能源結(jié)構(gòu)、科技水平、經(jīng)濟(jì)總量和發(fā)展前景等因素，是一個(gè)極復(fù)雜的計(jì)算體系。國(guó)土資源與人口增長(zhǎng)的關(guān)系是互動(dòng)的，一方面，人口的衣食住行要依靠資源；另一方面，資源的開(kāi)發(fā)和利用又受到人口數(shù)量與素質(zhì)、科技水平及風(fēng)俗習(xí)慣等因素的影響。關(guān)于人口增長(zhǎng)與可持續(xù)發(fā)展的關(guān)系，學(xué)者有兩種截然不同的看法：

一是悲觀論，叫做極限理論；二是樂(lè)觀論，稱(chēng)為富饒理論。悲觀者認(rèn)為，人口與經(jīng)濟(jì)發(fā)展是有極限的，假若太接近極限，人口的死亡率便會(huì)大大提高，即使我們距離這種極限還很遠(yuǎn)，人口與經(jīng)濟(jì)增長(zhǎng)也應(yīng)該適時(shí)停止，因?yàn)榭諝狻⑺⒌V產(chǎn)、土地以及可用能源等資源是有限的。樂(lè)觀者認(rèn)為，只有科技停止進(jìn)步才會(huì)帶來(lái)人口的極限，人口與經(jīng)濟(jì)增長(zhǎng)是有利的，應(yīng)該繼續(xù)下去，因?yàn)榭萍及l(fā)展可以創(chuàng)造更多資源。故此，計(jì)算城市適居人口的標(biāo)準(zhǔn)不少，爭(zhēng)議很大，筆者搜遍資料也沒(méi)能找到公認(rèn)的權(quán)威的計(jì)算公式。

目前廣州的平均人口密度只有香港與新加坡的1/5～1/6左右，深圳的人口密度比上海高30％，是廣州的近4倍，上海的人口密度又是廣州的近2倍。假若羊城建成2000平方公里的適宜居住城區(qū)，按照建設(shè)部“適宜居住城市的人口密度應(yīng)小于1萬(wàn)人/平方公里”的標(biāo)準(zhǔn)，廣州可容納2000萬(wàn)人口。當(dāng)然，人口密度過(guò)大造成的垃圾、廢水、廢氣、噪音等污染非常嚴(yán)重，一個(gè)城市的人口規(guī)模必須控制在城市資源所能承載的合理范圍內(nèi)，但人口既是一種負(fù)擔(dān)也是一種“資源”，維持和優(yōu)化這種“資源”對(duì)廣州的未來(lái)才是至關(guān)重要重的。

1500萬(wàn)人的極限值可否擴(kuò)容？

前面說(shuō)過(guò)，計(jì)算城市適居人口的標(biāo)準(zhǔn)很多，包括人口密度、贍養(yǎng)和撫養(yǎng)人口比例、人口遷移的數(shù)量以及預(yù)期壽命等；在經(jīng)濟(jì)方面，又有就業(yè)率、工資水平、消費(fèi)形態(tài)、物價(jià)、國(guó)際貿(mào)易以及市民人均收入等。理論上，以人均收入來(lái)測(cè)算適居人口效果較好，人均收入最大時(shí)的人口數(shù)量便是適居人口，生活水準(zhǔn)也最高。

1980年廣州人口 為502萬(wàn)，1982年520萬(wàn)，1985年545萬(wàn)，1990年630萬(wàn)，2001 年1015萬(wàn)，2006年1200萬(wàn)，若用人均收入作為測(cè)算標(biāo)準(zhǔn)，不斷增長(zhǎng)的人口不但沒(méi)有拖慢廣州經(jīng)濟(jì)騰飛的步伐，而且10年來(lái)每年超過(guò)10％的經(jīng)濟(jì)增長(zhǎng)率和節(jié)節(jié)攀升的人均收入，似乎說(shuō)明適度人口還未“封頂”，1500萬(wàn)人口的極限值是不是存在擴(kuò)容的可能性呢？

篇5

其實(shí)，雖然中國(guó)人口總量甚巨，但因?yàn)閲?guó)土面積大，人口密度水平在世界上并不算高，根據(jù)聯(lián)合國(guó)的資料，中國(guó)人口密度在所有國(guó)家和地區(qū)中只排第73位。許多發(fā)達(dá)國(guó)家，例如英國(guó)、德國(guó)、荷蘭、意大利和瑞士，人口密度都遠(yuǎn)高于中國(guó)。而且，中國(guó)單位國(guó)土面積的主要資源儲(chǔ)量也在世界處于中上水平，以人均主要資源論，中國(guó)更是在世界上處在中游位置，并不短缺。從理論上說(shuō)，地球可以承載的人口數(shù)量肯定有一個(gè)極限值，超過(guò)這個(gè)值，地球就會(huì)顯得過(guò)分擁擠，但在實(shí)踐中，即使那些比中國(guó)人口密度大得多的國(guó)家，也還沒(méi)有遭遇到這個(gè)極限，更不用說(shuō)中國(guó)了。可以這么說(shuō)，迄今為止，我們看到的許多所謂“人太多”、“資源緊張”現(xiàn)象，絕大部分是特定的社會(huì)經(jīng)濟(jì)制度導(dǎo)致的，而不是真的因?yàn)槿丝谔嗔恕?/p>

有些人對(duì)此始終無(wú)法相信，他們常常喜歡舉日本東京的例子。日本是世界上最富裕的市場(chǎng)經(jīng)濟(jì)和民主國(guó)家，但是東京地鐵不還是那么擁擠？東京住房不還是那么緊張？原因就是日本人口密度太大了，是中國(guó)的2.5倍！這些人得出結(jié)論說(shuō)：可見(jiàn)人口太多，還是造成資源短缺的一個(gè)決定性因素。

然而，這些人忽視的事實(shí)是：世界上一些人口極為稀少的發(fā)達(dá)和準(zhǔn)發(fā)達(dá)國(guó)家，同樣擁有最擁擠的地鐵、最擁堵的街道。2008年，美國(guó)《時(shí)代》周刊曾把巴西圣保羅市評(píng)為世界上交通最為擁堵的城市。但是，巴西每平方公里人口只有23人，是中國(guó)的六分之一，日本的十五分之一。莫斯科地鐵極為擁擠，每年運(yùn)輸量達(dá)24億人次(2009年數(shù)據(jù))，平均每公里地鐵年運(yùn)輸80萬(wàn)人次，在世界上僅次于東京地鐵，遠(yuǎn)遠(yuǎn)超過(guò)北京和上海。而俄羅斯每平方公里人口只有8.4人，是世界上人煙最為稀少的國(guó)家之一。不知道如果有些中國(guó)人去了圣保羅或者莫斯科，會(huì)不會(huì)感慨“巴西人太多了”或者“俄羅斯人太多了”？

造成“人太多”這種感覺(jué)的原因是多種多樣的，一個(gè)很重要的原因――大多數(shù)“人口擁擠、資源緊張”的大城市和超大城市，都是在20世紀(jì)下半葉以后才形成的，屬于所謂比較年輕的城市，或者說(shuō)，是后工業(yè)時(shí)代的城市。后工業(yè)城市的特點(diǎn)，是以金融、管理、貿(mào)易、地產(chǎn)、餐飲服務(wù)等第三產(chǎn)業(yè)為城市的核心產(chǎn)業(yè)，而這些服務(wù)型產(chǎn)業(yè)，都喜歡有較高人口密度以取得規(guī)模效應(yīng)，都出現(xiàn)了患有嚴(yán)重“城市病”的超大城市，無(wú)論這些國(guó)家人口密度是高、不高還是很低。除了前面提到的圣保羅以外，著名的還有墨西哥、里約熱內(nèi)盧、布宜諾斯艾利斯、首爾等，包括日本東京都可以列為此類(lèi)后發(fā)達(dá)的超大城市。

相反，早期形成的那些城市，無(wú)論是制造業(yè)型城市、工業(yè)港口城市還是帶有前工業(yè)色彩的自治型鄉(xiāng)鎮(zhèn)，它們的規(guī)模都相對(duì)較小，人口密度相對(duì)較低。現(xiàn)在有些朋友去歐美國(guó)家，經(jīng)常驚嘆他們“小國(guó)寡民”一樣的生活方式，容易產(chǎn)生歐美都是“地廣人稀”的錯(cuò)覺(jué)。其實(shí)美國(guó)的人口密度并不小，而歐洲，很多國(guó)家的人口比中國(guó)人口密度高。我們不會(huì)發(fā)出“歐洲人太多”或“美國(guó)人太多”的感慨，是因?yàn)樽鳛槔吓瀑Y本主義發(fā)達(dá)國(guó)家，這些國(guó)家的城市化進(jìn)程發(fā)生得比較早。美國(guó)的城市化率早在20世紀(jì)40年代就達(dá)到了50%，歐洲很多城市更是有幾百年歷史。大量中小城市在早期城市化時(shí)期形成，并保留到今天，大大拉低了平均城市人口密度。

篇6

關(guān)鍵詞 犯罪率 人口因素 非參數(shù)可加模型

中圖分類(lèi)號(hào)：D917 文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

改革開(kāi)放三十多年來(lái)，我國(guó)經(jīng)濟(jì)持續(xù)快速增長(zhǎng)，社會(huì)經(jīng)濟(jì)取得了顯著進(jìn)步。然而，從中可以觀察到一個(gè)顯著而重要的社會(huì)現(xiàn)象：社會(huì)中的犯罪率持續(xù)上升。1978年全國(guó)的犯罪總數(shù)為50多萬(wàn)起， 到 2007 年犯罪總數(shù)達(dá)到了484萬(wàn)多起， 是 1978 年犯罪總數(shù)的9倍， 年均增長(zhǎng)約8% 。對(duì)于如此巨大的犯罪增長(zhǎng)， 我們很自然地想知道， 這到底是哪些因素導(dǎo)致的？

西方的犯罪學(xué)研究已有一百多年的歷史，而我國(guó)的研究卻僅有短短二十幾年的時(shí)間。改革開(kāi)放以來(lái)，我國(guó)學(xué)者在犯罪原因的研究方面取得了很大成果。有部分學(xué)者以實(shí)證資料為基礎(chǔ)進(jìn)行犯罪原因分析，但基于這方面的研究相對(duì)較少，且方法側(cè)重于描述統(tǒng)計(jì)，如麻澤芝、丁澤蕓（1999）對(duì)從相對(duì)喪失論的角度出發(fā)，從宏觀方面對(duì)流動(dòng)人口財(cái)產(chǎn)性犯罪偏高的現(xiàn)象的原因進(jìn)行研究；胡聯(lián)合等（2007）用一元線性回歸模型研究了貧富差距對(duì)犯罪的影響，認(rèn)為貧富差距對(duì)于犯罪總的來(lái)說(shuō)有顯著影響；謝荻等（2006）則通過(guò)年省級(jí)截面數(shù)據(jù)研究了GDP、地區(qū)差異等對(duì)于犯罪的影響，結(jié)果顯示經(jīng)濟(jì)發(fā)展水平、貧富差異、開(kāi)放程度等都對(duì)犯罪率有明顯影響。

從國(guó)內(nèi)學(xué)者的研究情況看，隨著我國(guó)犯罪率的不斷上升，這受到了學(xué)者們的普遍關(guān)注，但由于犯罪學(xué)研究起步晚，國(guó)內(nèi)的研究文獻(xiàn)相對(duì)較少，而用定量方法研究犯罪率影響因素的文獻(xiàn)更不多見(jiàn)。但是這些研究要么考慮因素單一，要么研究的范圍太廣，從而無(wú)法得出一個(gè)較為可行的結(jié)論。

為了彌補(bǔ)以往文獻(xiàn)中的不足，本文選取1998-2010年中國(guó)省級(jí)數(shù)據(jù)，主要針對(duì)可能影響犯罪率的人口因素的三個(gè)方面如何影響刑事犯罪率隊(duì)東中西部地區(qū)分別進(jìn)行分析。與前人的研究相比，本文的創(chuàng)新之處主要體現(xiàn)在如下幾個(gè)方面：第一，分別考慮人口因素的三個(gè)方面對(duì)犯罪的影響，而不僅僅局限于流動(dòng)人口可能導(dǎo)致犯罪率上升，有利于從整體上比較不同人口因素的影響進(jìn)而對(duì)實(shí)踐進(jìn)行指導(dǎo)；第二，前人對(duì)于犯罪率的實(shí)證研究主要限于線性模型，但在現(xiàn)實(shí)中很多經(jīng)濟(jì)和社會(huì)變量之間往往存在著非線性關(guān)系，如果僅利用線性模型來(lái)擬合可能會(huì)損失大量有價(jià)值的信息。本文選用非參數(shù)可加模型的方法進(jìn)行研究，既保留線性信息也可以從非線性角度進(jìn)行探索。

二、研究設(shè)計(jì)

（一）變量選取及數(shù)據(jù)來(lái)源。

根據(jù)所研究的目的并借鑒李雪增（2011）等人關(guān)于家庭儲(chǔ)蓄的做法，本文將所研究的變量分為三組，分別是因變量、核心自變量和控制變量。下面分別進(jìn)行簡(jiǎn)要說(shuō)明：

1、因變量。

本文的研究目的是揭示人口因素對(duì)刑事犯罪率的影響，因而選取檢察院每萬(wàn)人批準(zhǔn)逮捕人數(shù)作為刑事犯罪率的變量。《刑事訴訟法》規(guī)定， “公安部門(mén)逮捕犯罪嫌疑人必須經(jīng)過(guò)檢察機(jī)關(guān)的批準(zhǔn)”。因此， 檢察機(jī)關(guān)批準(zhǔn)逮捕的人數(shù)可作為衡量刑事犯罪率的近似指標(biāo)。為了排除各地區(qū)人口規(guī)模大小的影響， 本文以每萬(wàn)人檢察機(jī)關(guān)批準(zhǔn)逮捕人數(shù)作為衡量犯罪率的指標(biāo)。

2、核心自變量。

本文的主要任務(wù)是較全面地考察人口因素對(duì)刑事犯罪率的影響。選取人口流動(dòng)性、受教育程度和人口密度作為核心自變量。

人口流動(dòng)性由省內(nèi)每萬(wàn)人暫住人口數(shù)進(jìn)行衡量。暫住人口數(shù)據(jù)來(lái)自公安部1998-2010年《全國(guó)暫住人口統(tǒng)計(jì)資料匯編》。《資料匯編》中流動(dòng)人口數(shù)據(jù)來(lái)源權(quán)威、統(tǒng)計(jì)口徑統(tǒng)一且連續(xù)性強(qiáng)， 是我國(guó)有關(guān)流動(dòng)人口面板數(shù)據(jù)研究的理想樣本。人口密度為市區(qū)人口密度（人/平方公里），數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。受教育程度由文盲半文盲人口占15歲及以上人口比例衡量，具體為每萬(wàn)人文盲半文盲人數(shù)。（數(shù)據(jù)來(lái)自《中國(guó)人口統(tǒng)計(jì)年鑒》。）

3、控制變量。

為了便于比較和防止遺漏變量帶來(lái)的估計(jì)偏誤，需要引進(jìn)一系列控制變量。而同時(shí)控制變量過(guò)多又會(huì)造成自由度的損失，所以根據(jù)相關(guān)理論并結(jié)合我國(guó)國(guó)情，在影響刑事犯罪率的諸多變量中選取若干個(gè)作為控制變量。

收入分配的不平等（Kell，2000）鼓勵(lì)了窮人從事更多的犯罪活動(dòng)。大量實(shí)證研究都發(fā)現(xiàn)，失業(yè)（Wong，1995）確實(shí)對(duì)犯罪產(chǎn)生了顯著的影響。而警備力量的加強(qiáng)意味著罪犯被得到懲罰的可能性提高進(jìn)而提高犯罪的機(jī)會(huì)成本。故又選取城鄉(xiāng)收入差距，失業(yè)率和起威懾作用的警務(wù)支出水平作為控制變量。

本文實(shí)證部分所用的變量及其符號(hào)如表1所示。研究所用的數(shù)據(jù)為1998-2010年全國(guó)30個(gè)省、自治區(qū)、直轄市的省級(jí)面板數(shù)據(jù)。（相關(guān)未說(shuō)明來(lái)源的數(shù)據(jù)均來(lái)自各省統(tǒng)計(jì)年鑒和《中國(guó)統(tǒng)計(jì)年鑒》。）

（二）估計(jì)方法及模型設(shè)定。

前人的文獻(xiàn)在研究犯罪率的影響因素時(shí)大多采用線性參數(shù)回歸模型，但是，現(xiàn)實(shí)中人口因素對(duì)刑事犯罪率的影響是復(fù)雜的。經(jīng)濟(jì)和社會(huì)系統(tǒng)的各變量之間存在著大量的非線性關(guān)系。與本文所采用的非參數(shù)可加模型相比，線性參數(shù)方法的局限在于不光在模型設(shè)定上較為主觀，且不能有效刻畫(huà)人口因素的非線性影響，因而實(shí)證研究的結(jié)果可信度較低。因此，選擇描述非線性關(guān)系的非參數(shù)模型――可加模型對(duì)人口因素和刑事犯罪率之間的關(guān)系進(jìn)行擬合。

1、可加模型介紹。

2、模型設(shè)定。

三、實(shí)證結(jié)果及分析

分別對(duì)東部10個(gè)省份、中部9個(gè)省份、西部11個(gè)省份進(jìn)行可加模型估計(jì)，線性影響結(jié)果見(jiàn)表，非線性影響結(jié)果見(jiàn)表2。

（一）線性結(jié)果。

從表中可以看出，函數(shù)擬合效果較好。從線性影響的分析結(jié)果，可以看出：

第一，對(duì)東部地區(qū)來(lái)說(shuō)，與中部地區(qū)類(lèi)似，受教育水平和人口密度的系數(shù)顯著，受教育水平的系數(shù)為0.01792，人口密度的系數(shù)為0.02347且都在10%的顯著性下通過(guò)檢驗(yàn)。即提高教育普及水平，提高人口密度有利于減少犯罪的發(fā)生。這主要是由于東部地區(qū)城市化進(jìn)程發(fā)展快，人口密度大對(duì)犯罪分子起到一定的監(jiān)督和遏制作用，同時(shí)教育普及有利于提高人們的法律意識(shí)和素質(zhì)水平，從而降低犯罪率。

第二，對(duì)中部地區(qū)來(lái)說(shuō)，受教育水平的系數(shù)顯著為負(fù)，人口密度的系數(shù)顯著為正。這可能是因?yàn)橹胁空幱诔鞘谢涌彀l(fā)展時(shí)期，人口擁擠，引發(fā)了關(guān)于爭(zhēng)奪生存空間和教育機(jī)會(huì)等資源福利的一系列問(wèn)題，反而抵消了教育的普及帶來(lái)的正面影響。同時(shí)人口流動(dòng)性的系數(shù)為正且不顯著，這說(shuō)明流動(dòng)性對(duì)中部地區(qū)的犯罪率影響不明顯。

第三，對(duì)西部地區(qū)來(lái)說(shuō)，人口流動(dòng)性的系數(shù)顯著為正，即流動(dòng)人口增多時(shí)，會(huì)導(dǎo)致該地區(qū)的犯罪顯著增多。這主要是由于西部某些地區(qū)有大批人員出外打工導(dǎo)致人口流動(dòng)性加大，且青壯年大多出外打工，給犯罪分子提供了更多的犯罪機(jī)會(huì)。同時(shí)，受教育水平和人口密度的系數(shù)為正，但不顯著，說(shuō)明西部地區(qū)人口的這兩種特性對(duì)犯罪率的線性影響不明顯。

需要指出的是：從控制變量的結(jié)果看，各個(gè)變量從不同的程度分別對(duì)各個(gè)地區(qū)的犯罪率均有一定的線性影響。比如代表經(jīng)濟(jì)發(fā)展水平水平的人均GDP在東部和中部地區(qū)對(duì)于犯罪率的影響顯著為正，可能的原因是伴隨著經(jīng)濟(jì)發(fā)展，社會(huì)中分配不公的現(xiàn)象越來(lái)越多，誘使了犯罪的發(fā)生。

（二）非線性結(jié)果。

表3給出了模型非線性部分的檢驗(yàn)結(jié)果，從中可以看出：在東部地區(qū)，三種人口因素的非線性影響都十分顯著，而在西部和中部地區(qū)，僅有部分因素具有顯著的非線性影響，這說(shuō)明東中部地區(qū)社會(huì)保險(xiǎn)對(duì)居民儲(chǔ)蓄更多地表現(xiàn)為線性影響。

圖1～3分別描述了各個(gè)地區(qū)的每種人口因素對(duì)犯罪率的非線性影響，這些非線性結(jié)果可以進(jìn)一步補(bǔ)充和完善前述線性結(jié)果所反映的內(nèi)容。圖中陰影部分表示95%置信帶，縱軸表示因變量的取值，橫軸表示自變量的取值。左中右三幅圖分別代表東中西部地區(qū)該人口因素的非線性影響。

圖1～3的結(jié)果顯示：在東部地區(qū)，只有人口密度具有顯著的非線性影響，其它人口因素均無(wú)明顯的非線性影響。由圖可看出：在東部地區(qū)隨著人口密度的增加，該地區(qū)的城鎮(zhèn)犯罪率是先增加再減少再增加，到一定程度又開(kāi)始下降，呈現(xiàn)M型的趨勢(shì)；而在中部地區(qū)，只有人口流動(dòng)性具有較顯著的非線性影響，其它人口因素均無(wú)明顯的非線性影響，隨著流動(dòng)性的增加，該地區(qū)的犯罪率是先增加后減小，呈現(xiàn)倒U型的非線性趨勢(shì)；對(duì)西部地區(qū)而言，只有人口密度因素具有較顯著的非線性影響，由圖中可以看出，隨著人口密度的增加，犯罪率呈現(xiàn)倒M型的趨勢(shì)。

從圖形的形狀來(lái)看，東部地區(qū)和西部地區(qū)的人口密度因素影響分別呈現(xiàn)M型和倒M型，M 型曲線的特點(diǎn)是存在“波峰”和“波谷”；從分布的角度考慮，這種圖形很可能是兩個(gè)隨機(jī)變量合成的分布，可能是兩個(gè)未知變量綜合作用的結(jié)果，如何找出這兩個(gè)變量在現(xiàn)實(shí)中是十分有意義的。

四、結(jié)論

本文用非參數(shù)可加模型分析了我國(guó)人口因素和刑事犯罪率的關(guān)系，并具體分析了每個(gè)人口因素對(duì)我國(guó)不同區(qū)域犯罪率的線性和非線性影響；從而探討了影響我國(guó)各個(gè)區(qū)域刑事犯罪率的深層次原因。實(shí)證結(jié)果表明每一人口因素對(duì)不同區(qū)域犯罪率的影響方向和影響程度存在著顯著的差異，結(jié)論歸結(jié)如下：

1、東部地區(qū)：只有受教育程度和人口密度對(duì)犯罪率存在顯著影響。受教育程度和人口密度對(duì)犯罪率分別存在顯著為正和為負(fù)的線性影響，同時(shí)人口密度還存在顯著的非線性影響，并且這種非線性影響呈現(xiàn)M型的趨勢(shì)。

2、中部地區(qū)：只有受教育程度和人口密度對(duì)犯罪率存在顯著影響。受教育程度和人口密度對(duì)犯罪率分別存在顯著為負(fù)和為正的線性影響，同時(shí)人口流動(dòng)性還存在顯著的非線性影響，并且這種非線性影響呈現(xiàn)先增后減的倒U型趨勢(shì)。

3、西部地區(qū)：只有人口流動(dòng)性存在顯著為正的線性影響。受教育程度和人口密度對(duì)于犯罪率的影響都為正但不顯著。同時(shí)人口密度還存在顯著的非線性影響，并且這種非線性影響呈現(xiàn)倒M型趨勢(shì)。

從實(shí)證結(jié)果所蘊(yùn)含的經(jīng)濟(jì)和社會(huì)內(nèi)涵可知：繼續(xù)加大力度提高人口素質(zhì)，是從根本上提高社會(huì)治安水平，降低犯罪率的有效措施。同時(shí)，從實(shí)證結(jié)果可以看出：在我國(guó)的東、中、西部不同地區(qū)，人口因素對(duì)犯罪率的影響無(wú)論是線性還是非線性都存在不小的差異，這就要求相關(guān)部門(mén)在制定或修正人口政策時(shí)，必須充分考慮這種地區(qū)差異性，而不宜在全國(guó)范圍內(nèi)框定統(tǒng)一的標(biāo)準(zhǔn)。

（作者單位：廈門(mén)大學(xué)）

注釋?zhuān)?/p>

在中國(guó)，關(guān)于犯罪的數(shù)量沒(méi)有系統(tǒng)公開(kāi)的數(shù)據(jù)，尤其是分省的數(shù)據(jù)。不系統(tǒng)但偶爾可見(jiàn)的犯罪數(shù)據(jù)有4種不同的口徑：公安局報(bào)告抓獲犯罪嫌疑人的數(shù)量、檢察院統(tǒng)計(jì)批準(zhǔn)逮捕的犯罪嫌疑人數(shù)量、法院報(bào)告宣判有罪的罪犯數(shù)量和監(jiān)獄有拘押犯人的數(shù)量。不同口徑之間存在著較大不同。檢察院批準(zhǔn)逮捕的犯罪嫌疑人數(shù)量是比較準(zhǔn)確的。包含公安機(jī)關(guān)提請(qǐng)逮捕和檢察機(jī)關(guān)自偵決定逮捕的犯罪嫌疑人數(shù)量、包含法院沒(méi)有足夠證據(jù)定罪的犯罪嫌疑人數(shù)量和那些宣判有罪但不足以判刑而釋放的罪犯數(shù)量。公安機(jī)關(guān)抓獲的犯罪嫌疑人數(shù)量偏大且沒(méi)有包含檢察機(jī)關(guān)自偵案件的罪犯人數(shù)，而法院宣判有罪和監(jiān)獄關(guān)押的罪犯數(shù)量則偏少。

東部地區(qū)：北京、天津、遼寧、上海、福建、江蘇、浙江、山東、廣東、海南；中部地區(qū)：河北、山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區(qū)：內(nèi)蒙古、廣西、四川、貴州、云南、、陜西、甘肅、青海、寧夏、新疆。

參考文獻(xiàn)：

[1]麻澤芝，丁澤蕓.相對(duì)喪失論――中國(guó)流動(dòng)人口犯罪的一種可能解釋[J].法學(xué)研究，1999（6）.

[2]胡聯(lián)合，胡鞍鋼.貧富差距是如何影響社會(huì)穩(wěn)定的？[J].江西社會(huì)科學(xué)，2007（9）.

[3]李雪增，朱崇實(shí).養(yǎng)老保險(xiǎn)能否有效降低家庭儲(chǔ)蓄――基于中國(guó)省級(jí)動(dòng)態(tài)面板數(shù)據(jù)的實(shí)證研究[J].廈門(mén)大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2011（3）.

[4]巴曙松，朱元倩.基于可加模型的外匯儲(chǔ)備影響因素的實(shí)證分析[J].金融研究，2007（11）.

[5]潘越，杜小敏.勞動(dòng)力流動(dòng)、工業(yè)化進(jìn)程與區(qū)域經(jīng)濟(jì)增長(zhǎng)――基于非參數(shù)可加模型的實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010（5）.

[6]Stone C J.Additive Regression and Other Nonparametric Models[J].Annuals of Statistics，1985（2）

[7]Buja A， Hastic T， Tibshirani R.Linear Smoothers and Additive Models [J] .Annuals of Statistics， 1989（2）.

篇7

[關(guān)鍵詞] 土地 生態(tài)適宜性 環(huán)境影響評(píng)價(jià)

福建省東北部沿海地區(qū)地理位置、自然條件優(yōu)越，資源豐富，隨著溫福高鐵的通車(chē)，滬、浙資本的大量引入、土地成片開(kāi)發(fā)的不斷發(fā)展，隨之出現(xiàn)了一些不容忽視的問(wèn)題，如土地資源浪費(fèi)和退化嚴(yán)重，非農(nóng)業(yè)用地占用大量良田，耕地銳減，人地矛盾日趨突出等。土地是自然諸要素相互依賴(lài)和相互作用形成的一種自然資源，也是人們進(jìn)行工、農(nóng)、園、林業(yè)生產(chǎn)的基礎(chǔ)。不同類(lèi)型的土地具有不同的特征，其生產(chǎn)力和利用的適宜性各不相同。

隨著各項(xiàng)開(kāi)發(fā)活動(dòng)的迅速發(fā)展，現(xiàn)階段對(duì)土地的需求日益加重，現(xiàn)有的可開(kāi)發(fā)土地已不能滿(mǎn)足長(zhǎng)期發(fā)展的需要。但如果對(duì)所要開(kāi)發(fā)的土地及整個(gè)自然環(huán)境認(rèn)識(shí)不清，忽略其自然環(huán)境的承受能力以及土地使用的適宜性。過(guò)度開(kāi)發(fā)將導(dǎo)致自然災(zāi)害的發(fā)生、生態(tài)系統(tǒng)的破壞等嚴(yán)重的生態(tài)環(huán)境負(fù)效應(yīng)。所以要科學(xué)、合理的開(kāi)發(fā)使用土地資源，就應(yīng)該對(duì)土地進(jìn)行生態(tài)適宜性分析。土地的生態(tài)適宜性分析是規(guī)劃環(huán)境影響評(píng)價(jià)中資源與承載力分析的一部分。生態(tài)適宜性主要考慮開(kāi)發(fā)區(qū)域內(nèi)各個(gè)不同使用功能的土地排序位置是否合理，是否遵循生態(tài)優(yōu)化排序的規(guī)律。

1 土地生態(tài)適宜性分析方法

土地生態(tài)適宜性分析方法現(xiàn)己推出了很多種。常用的一些方法有地圖重疊法、因子加權(quán)評(píng)分法和生態(tài)因子組合法等。

地圖重疊法是一種形象直觀的方法，可以將社會(huì)、自然環(huán)境等不同量綱的因子進(jìn)行綜合系統(tǒng)分析。

因子加權(quán)評(píng)分法的基木原理與地圖重疊法的原理相似。加權(quán)求和的方法克服了地圖重疊法中等權(quán)相加的缺點(diǎn)以及地圖重疊法中的繁瑣的照相制圖過(guò)程。

生態(tài)因子組合法可以分為層次組合法和非層次組合法。層次組合法首先用一組組合因子去判斷土地的適宜度等級(jí)。然后將這組因子看作一個(gè)獨(dú)立的新因子與其他因子進(jìn)行組合判斷土地的適宜度。這種按一定層次組合的方法便是層次組合法。相反則為非層次組合法。顯然非層次組合法適用判斷因子較少的情況。當(dāng)因子過(guò)多時(shí)，采用層次組合法要方便得多。

2 項(xiàng)目區(qū)概況

本文所指的項(xiàng)目區(qū)位于福建東北部。項(xiàng)目所在區(qū)域面臨東海，背靠太姥山脈，地處低緯度中亞熱帶區(qū)域，受海洋性季風(fēng)氣候影響，氣候溫暖，雨量充沛，夏長(zhǎng)冬短，平均氣溫18.5℃，月平均最高氣溫28.3℃（7月），月平均最低氣溫8.6℃（1月），極端最高氣溫40.1℃，極端最低氣溫－4.3℃，歷年平均年無(wú)霜期約280天。多年平均降雨量1790.3mm。項(xiàng)目所在區(qū)域盛行東北風(fēng)和西南風(fēng)，其中9月至翌年3月以東北風(fēng)為主，6月至8月以東南風(fēng)為主，7至9月為臺(tái)風(fēng)雷雨季節(jié)。

項(xiàng)目區(qū)范圍為低山丘陵和濱海平原地貌，海岸線迂回曲折，多為巖岸。由基巖構(gòu)成的海灣與島嶼迎風(fēng)的一側(cè)，在風(fēng)浪長(zhǎng)期沖蝕下，形成了不少海蝕地貌景觀。區(qū)域內(nèi)基本上為近海灘涂圍墾而成，其北部、南部是海拔200米以下的低山丘陵，地質(zhì)構(gòu)造主要受新華夏系和南嶺緯向構(gòu)造的控制，由于太姥山脈斜貫西北部邊緣，造成了西北和西南部群山連綿、峰巒疊嶂，溝多谷深，坡陡峰尖，地勢(shì)比降大。省道沙呂線從項(xiàng)目區(qū)中穿過(guò)，公路以西的是地塊規(guī)整的原國(guó)營(yíng)鹽場(chǎng)，地表平坦；公路以東是水產(chǎn)養(yǎng)殖區(qū)，地勢(shì)為西北向東南傾斜。

3 土地利用生態(tài)適宜度分析

3.1 生態(tài)因子的篩選

在生態(tài)調(diào)查的基礎(chǔ)上，按照項(xiàng)目所在地環(huán)境區(qū)劃的要求篩選了生態(tài)適宜度分析所需要的生態(tài)因子。在此共篩選出的4個(gè)生態(tài)因子：人工與自然特征（位置）、氣象因子(風(fēng)向)、大氣質(zhì)量指數(shù)和土地利用評(píng)價(jià)值。

3.2 土地利用評(píng)價(jià)

土地利用現(xiàn)狀評(píng)價(jià)就是使土地利用的可能性(土地條件)和現(xiàn)有土地利用狀況相平衡。用下式表示：

式中：L為土地條件等級(jí)。參照其他研究成果，土地條件等級(jí)一般可分5級(jí)，如表1所示。

表1 土地開(kāi)發(fā)利用分類(lèi)分級(jí)表

U為土地利用狀況等級(jí)。主要按人口密度(常住人口/平方公里)來(lái)劃分。人口密度小于500為1級(jí)；人口密度在501~1000為2級(jí)；人口密度在1001~5000為3級(jí)；人口密度在5001~10000為4級(jí)；人口密度大于10000為5級(jí)。

S為綜合評(píng)價(jià)值，可通過(guò)與平衡點(diǎn)的比較來(lái)確定開(kāi)發(fā)適宜程度。當(dāng)S>S平，表示開(kāi)發(fā)不足；若S=S平，表示開(kāi)發(fā)平衡；若S

按照項(xiàng)目區(qū)內(nèi)的土地利用現(xiàn)狀及規(guī)劃用的類(lèi)型，將項(xiàng)目區(qū)用地分成6個(gè)地塊，6個(gè)地塊的用地類(lèi)型分別是：

地塊1現(xiàn)為農(nóng)田，項(xiàng)目區(qū)建成后主要用于工業(yè)用地；

地塊2現(xiàn)為農(nóng)田及村居住用地，項(xiàng)目區(qū)建成后作為二類(lèi)居住用地；

地塊3現(xiàn)為鹽場(chǎng)，項(xiàng)目區(qū)建成后作為工業(yè)用地；

地塊4現(xiàn)為蝦塘，項(xiàng)目區(qū)建成后作為工業(yè)用地、污水處理廠用地、會(huì)展中心和區(qū)內(nèi)孵化區(qū)；

地塊5現(xiàn)為山體和農(nóng)田，項(xiàng)目區(qū)建成后作為工業(yè)用地；

地塊6現(xiàn)為農(nóng)田和村鎮(zhèn)居住用地，項(xiàng)目區(qū)建成后作為二類(lèi)居住用地和商業(yè)金融中心。

人口密度依據(jù)項(xiàng)目規(guī)劃，工業(yè)用地為120p/hm2；綜合及

公建用地為150p/hm2；居住用地為358p/hm2。其中工業(yè)用地、綜合及公建用地常住人口密度取規(guī)劃人口密度的50％，居住用地常住人口密度取規(guī)劃人口密度的70％。評(píng)價(jià)結(jié)果見(jiàn)表3。

表3 土地利用現(xiàn)狀評(píng)價(jià)結(jié)果

由該表可見(jiàn)，在6個(gè)地塊中，地塊1和地塊3開(kāi)發(fā)平衡，其他地塊開(kāi)發(fā)過(guò)度。

3.3 生態(tài)適宜度分析

3.3.1生態(tài)適宜度分析的基本程序

參照同類(lèi)研究，將生態(tài)適宜度分為5級(jí)，每級(jí)的含義分別為：

很適宜：指環(huán)境破壞或干擾的調(diào)控能力強(qiáng)，自動(dòng)恢復(fù)快，使用土地的環(huán)境補(bǔ)償費(fèi)用少。

適宜：指環(huán)境破壞或干擾的調(diào)控能力較強(qiáng)，自動(dòng)恢復(fù)較快，使用土地的環(huán)境補(bǔ)償費(fèi)用少。

基本適宜：指環(huán)境破壞或干擾的調(diào)控能力中等，自動(dòng)恢復(fù)能力中等，使用土地的環(huán)境補(bǔ)償費(fèi)用中等。

不適宜：指環(huán)境破壞或干擾的調(diào)控能力弱，自動(dòng)恢復(fù)難，使用土地的環(huán)境補(bǔ)償費(fèi)用多。

很不適宜：指環(huán)境破壞或干擾的調(diào)控能力弱，自動(dòng)恢復(fù)很難，使用土地的環(huán)境補(bǔ)償費(fèi)用很多。

3.3.2 工業(yè)用地適宜度分析

影響工業(yè)用地的因素很多，評(píng)價(jià)中我們選取人工與自然特征(位置)、氣象因子(風(fēng)向)、大氣環(huán)境質(zhì)量以及土地開(kāi)發(fā)利用綜合評(píng)價(jià)值等4個(gè)因子作為評(píng)價(jià)工業(yè)用地的因子。各單因子分級(jí)評(píng)分如表4所示。

注：大氣質(zhì)量指數(shù)根據(jù)本次監(jiān)測(cè)，按照污染較為顯著的PM10取值，為0.866。

參照有關(guān)研究，采用直接疊加法求綜合評(píng)價(jià)值。綜合評(píng)價(jià)值RG分級(jí)如下：

很不適宜：

表5為工業(yè)用地適宜度評(píng)價(jià)結(jié)果。由該表可見(jiàn)，在劃分的6個(gè)網(wǎng)格中，地塊6在規(guī)劃中為生活區(qū)，評(píng)價(jià)結(jié)果不適宜作為工業(yè)用地。

表5 項(xiàng)目區(qū)工業(yè)用地適宜度評(píng)價(jià)結(jié)果

3.3.3 生態(tài)滿(mǎn)意度分析

生態(tài)滿(mǎn)意度指標(biāo)中，核心是把握住環(huán)境保護(hù)和發(fā)展經(jīng)濟(jì)之間相互協(xié)調(diào)的關(guān)系，為了分析項(xiàng)目區(qū)各項(xiàng)指標(biāo)的滿(mǎn)意程度，評(píng)價(jià)中參考有關(guān)資料，結(jié)合我國(guó)大城市的指標(biāo)作為比較，以此劃分滿(mǎn)意指標(biāo)，本次評(píng)價(jià)采用下列5個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。

3.3.3.1人口密度（S1）

城著城市化進(jìn)程的加快，城市人口密度也不斷增加，區(qū)域評(píng)價(jià)的人口密度以城市人口密度進(jìn)行評(píng)價(jià)，人口密度過(guò)大，易引起居住擁擠、發(fā)病率上升等不良現(xiàn)象。參考有關(guān)資料，本次評(píng)價(jià)以小于或等于15000p/km2作為完全滿(mǎn)意的指標(biāo)，而將30000p/km2作為完全不滿(mǎn)意指標(biāo)，建立指標(biāo)函數(shù)關(guān)系如下：

這是城市生活系統(tǒng)中又一重要指標(biāo)，本次以人均居住面積大于28m2為完全滿(mǎn)意度，而以人均居住面積小于18m2作為完全不滿(mǎn)意度，建立如下函數(shù)關(guān)系：

第三產(chǎn)業(yè)是反映城市居民生活是否方便舒適的一個(gè)重要因素，包括商業(yè)、服務(wù)業(yè)、教育、醫(yī)療衛(wèi)生、文化設(shè)施等等，根據(jù)類(lèi)比資料，評(píng)價(jià)中以人均第三產(chǎn)業(yè)建筑面積6m2是完全滿(mǎn)意的，而2m2則認(rèn)為是完全不滿(mǎn)意的，建立了如下函數(shù)關(guān)系：

城市生態(tài)系統(tǒng)是一個(gè)不完全的生態(tài)系統(tǒng)，它沒(méi)有“生產(chǎn)者”，也缺少足夠的“分解者”，故要使一個(gè)城市生態(tài)系統(tǒng)能夠滿(mǎn)意地正常運(yùn)轉(zhuǎn)，則需將大量的能源物資從區(qū)界外運(yùn)進(jìn)，再將大量的廢物從區(qū)中運(yùn)出，因此城市交通道路是非常重要的一個(gè)因素。例如，華盛頓道路面積占市區(qū)面積的43%，巴黎為25%，倫敦占23%，都達(dá)到了一個(gè)較高水平。根據(jù)有關(guān)部門(mén)制定的要求，可以將道路覆蓋率達(dá)20%作為完全滿(mǎn)意的指標(biāo)，而將道路覆蓋率低于10%作為完全不滿(mǎn)意指標(biāo)。據(jù)此建立了如下的函數(shù)關(guān)系：

這是城市生態(tài)系統(tǒng)中的一個(gè)重要指標(biāo)。縱觀世界上城市生態(tài)質(zhì)量高的城市，無(wú)不以大面積的人均公共綠地作為其顯著特點(diǎn)。例如華沙的人均公共綠地達(dá)70m2/人，華盛頓的人均公共綠地達(dá)40m2/人，一般城市越大，人均綠地面積越小。根據(jù)《福鼎市城市總體規(guī)劃》，2000年福鼎市人均綠地面積為2.4m2，規(guī)劃近期至2005年，綠地面積達(dá)101.8×104m2，人均綠地面積為8.9m2，遠(yuǎn)期至2010年綠地面積達(dá)150.0×104m2，人均綠地面積10.3m2。將該項(xiàng)目的人均公共綠地以12m2作為完全滿(mǎn)意；而將人均公共綠地面積低于6 m2確定為完全不滿(mǎn)意度，建立函數(shù)關(guān)系如下：根據(jù)上述情況，我們可以將5個(gè)指標(biāo)的完全滿(mǎn)意和完全不滿(mǎn)意的標(biāo)準(zhǔn)建立起來(lái)，這樣通過(guò)計(jì)算，就可以將具體的指標(biāo)變?yōu)槌橄蟮臒o(wú)量綱指標(biāo)，能夠更加清楚地看出項(xiàng)目區(qū)的生態(tài)滿(mǎn)意度評(píng)價(jià)結(jié)果。見(jiàn)表6。

表6 項(xiàng)目區(qū)生態(tài)滿(mǎn)意度評(píng)價(jià)結(jié)果

由表6可知，就評(píng)價(jià)的指標(biāo)來(lái)看，項(xiàng)目區(qū)人口密度、人均居住建筑面積、人均第三產(chǎn)業(yè)建筑面積以及人均綠地面積均達(dá)到了完全滿(mǎn)意的程度。但是，工業(yè)園內(nèi)的道路覆蓋率為10.6%，滿(mǎn)意度為0.06，因此在規(guī)劃中應(yīng)增加道路面積，加大區(qū)內(nèi)各塊區(qū)的聯(lián)系，以利于物資的輸送以及人群的疏散。

4 結(jié)語(yǔ)

本文在提出生態(tài)適宜性分析方法的基礎(chǔ)上，采用生態(tài)因子組合法，基本上實(shí)現(xiàn)了區(qū)域環(huán)境影響評(píng)價(jià)中的土地生態(tài)適宜性分析對(duì)區(qū)域規(guī)劃布局的指導(dǎo)作用。

參考文獻(xiàn)：

[1] 國(guó)家土地管理局.縣級(jí)土地利用總體規(guī)劃編制規(guī)程.1997

[2] 傅伯杰.土地評(píng)價(jià)的理論與實(shí)踐[M].北京:科學(xué)技術(shù)出版社,2000.

[3] 朱坦.開(kāi)發(fā)區(qū)區(qū)域環(huán)境影響評(píng)價(jià)與規(guī)劃[M].天津:天津科學(xué)技術(shù)出版社,1996.

篇8

[關(guān)鍵詞] Kuznets倒U理論收入差距經(jīng)濟(jì)增長(zhǎng)

一、Kuznets倒U理論綜述

Kuznets倒U理論(U-curve)于美國(guó)經(jīng)濟(jì)學(xué)家Kuznets在 1955 年發(fā)表的《經(jīng)濟(jì)發(fā)展與收入不平等》的論文中提出。其主旨是在轉(zhuǎn)型式增長(zhǎng)階段，經(jīng)濟(jì)增長(zhǎng)與公平之間的矛盾是自然而不可避免的。他提出收入分配不平等在前工業(yè)文明向工業(yè)文明過(guò)渡的經(jīng)濟(jì)增長(zhǎng)早期迅速擴(kuò)大，爾后短暫穩(wěn)定，在增長(zhǎng)后期逐漸縮小。至于倒U形現(xiàn)象出現(xiàn)的原因，一方面，經(jīng)濟(jì)發(fā)展的早期，儲(chǔ)蓄和積累都集中在少數(shù)人手里，資本積聚和集中導(dǎo)致了財(cái)富向富裕者積累；另外，城市化和工業(yè)化是一國(guó)發(fā)展過(guò)程中不可避免的階段，城鄉(xiāng)居民間的收入差距日益拉大和城市經(jīng)濟(jì)中不平等因素的增加，使得收入不平衡的狀況在經(jīng)濟(jì)發(fā)展的早期趨于惡化。隨著經(jīng)濟(jì)的發(fā)展，法律和政策體系日趨完善和成熟，收入不平等的狀況趨于緩和。

二、Kuznets倒U形曲線的計(jì)量經(jīng)濟(jì)學(xué)實(shí)證分析

1.模型設(shè)定

(1)經(jīng)濟(jì)增長(zhǎng)和收入分配的衡量:筆者選取人均GNP作為衡量經(jīng)濟(jì)增長(zhǎng)水平的變量，對(duì)于收入差距程度，出于對(duì)指標(biāo)取得難易性和時(shí)間序列性的考慮，采用基尼系數(shù)衡量。

(2)數(shù)據(jù)選擇:如果采用一國(guó)的時(shí)間序列數(shù)據(jù)來(lái)驗(yàn)證倒U形假設(shè)，一則某一國(guó)家的完整的時(shí)間序列數(shù)據(jù)的取得相對(duì)困難，二則選取的國(guó)家所經(jīng)歷的經(jīng)濟(jì)發(fā)展階段應(yīng)有相當(dāng)時(shí)間跨度以包含足夠的經(jīng)濟(jì)增長(zhǎng)階段而達(dá)到倒U曲線對(duì)隱含時(shí)間軸的要求。參考前人的研究成果，考慮到世界上各個(gè)國(guó)家的經(jīng)濟(jì)發(fā)展階段有明顯的差異，我們假設(shè)不同國(guó)家所處的不同經(jīng)濟(jì)發(fā)展階段相當(dāng)于一個(gè)國(guó)家所處的不同發(fā)展階段，從而把倒U理論由動(dòng)態(tài)的歷史過(guò)程變?yōu)閲?guó)別的靜態(tài)現(xiàn)象。

本文采用了45個(gè)經(jīng)濟(jì)發(fā)展水平各異的國(guó)家的經(jīng)濟(jì)數(shù)據(jù)，包括1997年公共教育支出占GNP的百分比;1999年社會(huì)服務(wù)支出與總支出之比;1999年人均GNP;1997年補(bǔ)貼和其他經(jīng)常性轉(zhuǎn)移支付與總支出之比;1998年～2002年的基尼系數(shù);1999年男（女）文盲占十五歲以上男(女)人數(shù)的比率;人口密度和人口總量。

(3)收入分配狀況影響因素分析:根據(jù)經(jīng)濟(jì)理論和對(duì)經(jīng)濟(jì)現(xiàn)象的觀察，除經(jīng)濟(jì)發(fā)展水平之外，本文選取人口狀況(用“人口總量”和“人口密度”衡量），教育文化水平(以“公共教育支出占總支出的百分比”，“男女文盲率”衡量），社會(huì)保障水平（以“社會(huì)服務(wù)支出占總支出的百分比”、“補(bǔ)貼和其他經(jīng)常性轉(zhuǎn)移支付占總支出的百分比”衡量)作為影響收入差距的因素。

(4)模型的建立:將原始模型設(shè)立為二次型:Y=C+B1GNP+B2GNP2+

ui（Y為基尼系數(shù)），然后分別研究以上各影響因素作為解釋變量對(duì)基尼系數(shù)的影響，把對(duì)基尼系數(shù)有顯著影響的因素引入模型，通過(guò)假設(shè)檢驗(yàn)后作為原模型的最終擴(kuò)充改良模型。

2.原始模型的估計(jì)

作基尼系數(shù)對(duì)人均GNP的回歸，根據(jù)Kuznets倒U理論，并考慮到基尼系數(shù)與人均GNP量綱差距太大，因此將方程形式設(shè)定為二次對(duì)數(shù)函數(shù)形式(（LNGNP）2表示為L(zhǎng)NGNP2）:LNY=C+B1LNGNP+B2(LNGNP)2+ui。SPSS軟件主要輸出結(jié)果如表1。可見(jiàn)，人均GNP的一次項(xiàng)系數(shù)為正，二次項(xiàng)系數(shù)為負(fù)――擬合的二次曲線為倒U形態(tài)，此回歸模型驗(yàn)證了Kuznets倒U理論。修正模型回歸系數(shù)的t檢驗(yàn)結(jié)果顯示數(shù)B1,B2顯著性，F(xiàn)檢驗(yàn)結(jié)果也表明此回歸模型具有統(tǒng)計(jì)意義。

由表1,VIF=213.436， Tolerance=0.005;由表2，二,三維的條件系數(shù)分別為11.596和282.594，修正模型存在嚴(yán)重的多重共線性。但由于方程為曲線方程,解釋變量為L(zhǎng)N人均GNP和人均GNP的平方,方程存在必然的數(shù)量上的嚴(yán)重共線性。基于對(duì)方程經(jīng)濟(jì)含義的認(rèn)識(shí),方程仍然保留LNGNP和LNGNP2兩個(gè)變量。對(duì)調(diào)整模型進(jìn)行異方差檢驗(yàn)：

(1)Goldfeld-Quanadt檢驗(yàn):LNGNP升序排序前、后17項(xiàng)數(shù)據(jù)產(chǎn)生的殘差平方和分別為0.346649和0.323694。構(gòu)造F統(tǒng)計(jì)量:0.346649/0.323694=1.071。在原假設(shè):兩部分?jǐn)?shù)據(jù)的方差相等的條件下，因臨界值F0.05(14,14)=2.46>1.71,接受原假設(shè),即模型不存在異方差。

(2)White檢驗(yàn):作對(duì)解釋變量的組合對(duì)殘差平方和的輔助回歸ei2^=a1^+a2LNGNP+a3LNGNP^2+a4LNGNP*LNGNP2+a5LNGNP2^2+ui。原假設(shè)H0:a2=a3=a4=a5=0，EVIEWS軟件的輸出結(jié)果顯示，nR2=3.624597 ,χ20.05(4)= 9.488,Obs*R-squared=3.624597,明顯小于自由度為4,a=0.05的χ2值9.488,而且各項(xiàng)系數(shù)也不顯著,可認(rèn)為不存在異方差。

(3)異方差的Glejser檢驗(yàn)結(jié)果摘用表格形式表示如下:

由以上三個(gè)異方差檢驗(yàn)綜合判斷,認(rèn)為此方程不存在異方差。

3.在模型中加入其他變量得到擴(kuò)充模型

考慮到人口、教育因素、以及政府補(bǔ)貼和轉(zhuǎn)移支付對(duì)基尼系數(shù)的影響，分別做基尼系數(shù)對(duì)人口總量、人口密度、公共教育支出占GDP的百分比、社會(huì)服務(wù)支出占總支出的比率、補(bǔ)貼和其他經(jīng)常性轉(zhuǎn)移支付占總支出的百分比、男性文盲率和女性文盲率的一元回歸，回歸的結(jié)果如表4所示:

在0.05的顯著性水平下，人口密度和公共教育支出的系數(shù)顯著不為0，它們對(duì)基尼系數(shù)的影響比較明顯。考慮到各個(gè)變量的經(jīng)濟(jì)含義,做基尼系數(shù)對(duì)人口密度和公共教育支出的二元回歸，設(shè)回歸模型為:Y = B0+B1W+B2V+u （W為公共教育支出比，V為人口密度），用SPSS分析的結(jié)果如下:

于是將人口密度和公共教育支出比以對(duì)數(shù)形式引進(jìn)原模型，分別設(shè)為:LNY= B0+B1LNX+B2LNX^2+B3LNV+u和LNY=B0+B1LNX +B2LNX^2+B3LNW+u(注:LNX為人均GNP的對(duì)數(shù)形式）。回歸結(jié)果用表格表示如下:

將人口密度和公共教育支出加入原模型后，人口密度的回歸系數(shù)顯著不為0，公共教育支出的回歸系數(shù)不顯著。由于在沒(méi)有加入LN人均GNP和人均GNP二次方前公共教育支出的回歸系數(shù)是顯著的，可能是LN人均GNP和LN公共教育支出產(chǎn)生了共線性,通過(guò)考察二者的相關(guān)系數(shù)，發(fā)現(xiàn)兩者相關(guān)系數(shù)為0.314，共線性在0.05的顯著性水平下顯著，證實(shí)了我們的猜測(cè)，其原因原因可能是教育支出收效的嚴(yán)重滯后性。鑒于教育支出比對(duì)數(shù)對(duì)基尼系數(shù)的影響不顯著，而且與LN人均GNP有比較明顯的多重共線性，在樣本數(shù)目一定，又無(wú)先驗(yàn)信息變換模型形式的情況下，從計(jì)量經(jīng)濟(jì)學(xué)的角度出發(fā)本文無(wú)法證明教育支出比對(duì)基尼系數(shù)存在顯著的影響。最后對(duì)原模型的改進(jìn)模型為：

LN基尼系數(shù)=-3.691+1.864LN人均GNP-0.113LN人均GNP^2-0.045LN人口密度

由回歸結(jié)果得知，人均GNP的一次項(xiàng)系數(shù)為正，二次項(xiàng)系數(shù)為負(fù)，驗(yàn)證了Kuznets倒U理論。同時(shí),人口密度的系數(shù)為負(fù),基尼系數(shù)與人口密度呈反方向變化，B1,B2,B3顯著不為0;F檢驗(yàn)也表明此回歸模型具有統(tǒng)計(jì)意義。在加入LN人口密度后R^2由0.383變?yōu)?.449,考慮到所采用的是橫截面數(shù)據(jù)，認(rèn)為模型的擬合程度可以接受。從LN人均GNP和LN人口密度的相關(guān)系數(shù)為-0.139，在0.05的顯著性水平下，共線性不顯著。二，三維的條件指數(shù)分別為6.328和14.981,可以排除二者存在共線性的情況。同時(shí)，對(duì)該模型進(jìn)行殘差自相關(guān)(Durbin-Watson)檢驗(yàn)。原假設(shè)H0:ρ=0（不存在一階自相關(guān)）,根據(jù)回歸結(jié)果知D-W=1.791，在0.05的顯著性水平下?lián)?n,k)=(45，2）有dl=1.430,du=1.615，du

筆者按照類(lèi)似于上文調(diào)整模型的異方差檢驗(yàn)的步驟，對(duì)擴(kuò)充模型進(jìn)行了異相關(guān)檢驗(yàn)。原始模型經(jīng)過(guò)異方差White，Goldfeld-Quanadt，及Glejser檢驗(yàn)，皆被證明為不存在異方差。

三、回歸結(jié)論

由于在收集資料時(shí)，社會(huì)服務(wù)支出、男（女）文盲率等數(shù)據(jù)不全，因此對(duì)數(shù)據(jù)分析的結(jié)論有一定影響。同時(shí)，筆者做了人口密度對(duì)收入差距(基尼系數(shù))的影響的分析，雖然我們得到的結(jié)論是人口密度對(duì)收入差距有負(fù)的影響，但這僅是針對(duì)本文所采用的數(shù)據(jù)得到的結(jié)論，并未得到更多的理論證明。

根據(jù)我們的計(jì)量模型回歸結(jié)果，基尼系數(shù)與人均GNP增長(zhǎng)之間存在倒U型曲線關(guān)系，其二次項(xiàng)系數(shù)為負(fù)，可以得出結(jié)論:經(jīng)濟(jì)增長(zhǎng)方面的因素的確顯示出對(duì)收入差距的先擴(kuò)大，再穩(wěn)定，然后逐漸縮小的作用。

在我們的模型探索修正中，男性文盲率和公共教育支出這兩個(gè)變量的符號(hào)為負(fù)，在單獨(dú)進(jìn)行解釋變量對(duì)基尼系數(shù)的一元回歸時(shí)，男性文盲率的顯著性為0.051，在0.05的顯著性水平下被剔除；而公共教育支出在0.05的顯著性水平下對(duì)基尼系數(shù)有影響，雖在引進(jìn)包含人均GNP及其二次方的模型時(shí)被剔除，但也提示男性文盲率和公共教育支出對(duì)收入差距的負(fù)的影響，說(shuō)明受教育有助于減少收入差距。在收入再分配和社會(huì)保障方面，社會(huì)服務(wù)支出的符號(hào)為正，有利于減少收入差距這一經(jīng)濟(jì)現(xiàn)象，而社會(huì)服務(wù)支出微小加大了收入差距，可能由數(shù)據(jù)不齊全而導(dǎo)致。而補(bǔ)貼比率這個(gè)解釋變量在一元回歸時(shí)符號(hào)為負(fù)，并且t值超過(guò)了1，提示補(bǔ)貼和轉(zhuǎn)移支付可能有助于減少收入差距。

參考文獻(xiàn):

[1]丁任重陳志舟顧文軍:《“倒u假說(shuō)”與我國(guó)轉(zhuǎn)型期收入差距》，2003.6

[2]世界銀行:《2000/2001年世界發(fā)展報(bào)告》，《2005年世界發(fā)展報(bào)告》

[3]宮建平:對(duì)我國(guó)居民收入差距的思考，2006

[4]譚崇臺(tái)主編:發(fā)展經(jīng)濟(jì)學(xué)概論.武漢大學(xué)出版社

篇9

改革開(kāi)放以來(lái)，我國(guó)實(shí)施了一系列經(jīng)濟(jì)體制改革，中國(guó)經(jīng)濟(jì)在不斷高速發(fā)展。隨著綜合國(guó)力的不斷攀升，全社會(huì)對(duì)基本公共服務(wù)的需求也在高速增長(zhǎng)，然而在經(jīng)濟(jì)飛速發(fā)展的同時(shí)卻是公共服務(wù)供給不足、效率不高。西方財(cái)政分權(quán)理論認(rèn)為，地方政府由于具有信息、成本優(yōu)勢(shì)，由地方提供地方性公共產(chǎn)品更有效率，因此通過(guò)財(cái)政分權(quán)可以提高公共服務(wù)的供給質(zhì)量與效率。但是在中國(guó)，與財(cái)政分權(quán)相伴的是政治上的集權(quán)，自上而下的垂直管理、中央對(duì)地方政府官員的政績(jī)考核方式方法、“用腳投票”機(jī)制的失靈等制度安排使得地方政府的財(cái)政支出偏好不受公眾的約束，進(jìn)而影響地方政府對(duì)基本公共服務(wù)的供給水平（傅勇，2008；李齊云&劉曉勇，2010；鄭磊，2008）。隨著我國(guó)綜合國(guó)力的不斷提升，中央及地方政府越來(lái)越重視公共服務(wù)，對(duì)公共服務(wù)的投入力度不斷加大，公共服務(wù)的供給水平是否能夠得到改善，財(cái)政分權(quán)是提高還是降低了地方公共服務(wù)的供給水平，除了財(cái)政分權(quán)，相關(guān)經(jīng)濟(jì)及制度因素是否會(huì)對(duì)地方公共服務(wù)供給產(chǎn)生影響。基于以上問(wèn)題，本文采用2001～2015年中國(guó)30個(gè)行政區(qū)（省、自治區(qū)、直轄市）的面板數(shù)據(jù)，建立空間計(jì)量回歸模型，在分析財(cái)政分權(quán)對(duì)地方公共服務(wù)供給的影響的同時(shí)，加入地方經(jīng)濟(jì)發(fā)展水平、政府規(guī)模、轉(zhuǎn)移支付、人口密度等控制變量，對(duì)全國(guó)及東、中、西分區(qū)域考察財(cái)政分權(quán)和相關(guān)經(jīng)濟(jì)變量對(duì)地方政府公共服務(wù)供給的影響。

二、變量選擇、模型建立與數(shù)據(jù)來(lái)源

（一）變量選擇

1. 被解釋變量。本文的被解釋變量是基本公共服務(wù)供給，文章用教育、醫(yī)療衛(wèi)生與計(jì)劃生育、社會(huì)保障與就業(yè)3項(xiàng)基本公共服務(wù)支出之和來(lái)度量地方政府的基本公共服務(wù)供給水平。為避免人口基數(shù)的影響，用人均公共服務(wù)支出來(lái)表示地方的實(shí)際公共服務(wù)供給水平。

2. 解釋變量

（1）財(cái)政分權(quán)（fd）。財(cái)政分權(quán)從某種程度表明地方政府財(cái)政自主權(quán)的大小。財(cái)政分權(quán)程度越高，地方政府財(cái)政自主權(quán)越高。本文采用龔峰（2010）的測(cè)量方法，用地方財(cái)政支出占比表示支出分權(quán)，計(jì)算公式為

其中，EXP表示人均預(yù)算內(nèi)外支出之和；GDP為國(guó)內(nèi)生產(chǎn)總值；i表示第i個(gè)地區(qū)，c表示中央，t表示年份。

（2）經(jīng)濟(jì)發(fā)展水平（pgdp）。本文以人均GDP表示地方經(jīng)濟(jì)發(fā)展水平。經(jīng)濟(jì)越發(fā)達(dá)，政府公共服務(wù)供給水平越高。

（3）政府規(guī)模（size）。政府規(guī)模與公共服務(wù)供給之間具有雙重關(guān)系。本文用地方財(cái)政支出之和與其GDP的比值來(lái)度量地方政府規(guī)模。

（4）轉(zhuǎn)移支付（tran）。轉(zhuǎn)移支付是中央補(bǔ)給地方公共產(chǎn)品供給質(zhì)量與效率均等化的有效手段。本文采用凈轉(zhuǎn)移支付表示。

（5）人口密度（dens）。人口密度（人/每平方公里）與公共服務(wù)供給之間同樣具有不確定關(guān)系，因此人口密度對(duì)基本公共服務(wù)供給的影響有待檢驗(yàn)。

（二）模型的建立與數(shù)據(jù)來(lái)源

Anselin&Bera（1998）指出，對(duì)經(jīng)濟(jì)學(xué)問(wèn)題進(jìn)行研究時(shí)不能忽視空間相關(guān)性，否則將產(chǎn)生“偽回歸”問(wèn)題。故本文選用常用的空間回歸模型進(jìn)行計(jì)量分析。

（1）空間滯后回歸模型

Y=ρWY+Xβε（2）

式中，Y為因變量，X為n*k的自變量矩陣，ρ為空間回歸相關(guān)系數(shù)，w為n*n階的空間權(quán)重矩陣，wy為空間滯后因變量，ε為隨機(jī)誤差項(xiàng)向量。

（2）空間誤差回歸模型

y=Xβ+ε且ε=λWε+μ（3）

式中，ε為隨機(jī)誤差項(xiàng)向量，λ為n*1的截面因變量向量的空間誤差系數(shù)，μ為正態(tài)分布的隨機(jī)誤差項(xiàng)。

文中數(shù)據(jù)為2006～2015年我國(guó)30個(gè)省、自治區(qū)、直轄市（不包括西藏自治區(qū)）的面板數(shù)據(jù)，數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)財(cái)政統(tǒng)計(jì)年鑒》。

三、實(shí)證檢驗(yàn)結(jié)果與分析

通過(guò)對(duì)空間誤差和空間滯后模型參數(shù)的比較可知，空間誤差模型的最大，AIC值和SC值均較小，因此本文主要采用空間誤差模型進(jìn)行分析。

從表1的回歸結(jié)果可以得到，財(cái)政分權(quán)在5%的顯著性水平下通過(guò)檢驗(yàn)，并且財(cái)政分權(quán)前的系數(shù)為負(fù)，這意味著財(cái)政分權(quán)程度的增加會(huì)反而會(huì)降低基本公共服務(wù)的供給水平。這說(shuō)明由于我國(guó)財(cái)政分權(quán)改革是自上而下的，中央對(duì)地方政府官員的政績(jī)考核常以經(jīng)濟(jì)指標(biāo)為考核對(duì)象，所以地方政府以追求高速增長(zhǎng)的GDP為發(fā)展對(duì)象，而忽視了公共服務(wù)供給水平的改善。經(jīng)濟(jì)發(fā)展水平、政府規(guī)模、轉(zhuǎn)移支付、人口密度等均在10%的顯著性水平下通過(guò)檢驗(yàn)，且與基本公共服務(wù)呈正向變動(dòng)關(guān)系，表明隨著經(jīng)濟(jì)的發(fā)展和政府規(guī)模的不斷擴(kuò)大，能夠?yàn)榛竟卜?wù)的供給提供有力的資金保障，同時(shí)印證了隨著人口密度越大，基本公共服務(wù)越容易形成規(guī)模經(jīng)濟(jì)效應(yīng)，從而可以降低供給成本，提高公共服務(wù)的供給水平。

由于不同省份和地區(qū)之間存在自身發(fā)展差異，因此本文分別對(duì)東、中、西部地區(qū)進(jìn)行空間回歸分析。由表2可以得到，在東部地區(qū)，財(cái)政分權(quán)對(duì)基本公共服務(wù)供給呈正向變動(dòng)關(guān)系，而在中部和西部地區(qū)，財(cái)政分權(quán)前系數(shù)為負(fù)，說(shuō)明我國(guó)在目前的激勵(lì)機(jī)制下，當(dāng)?shù)胤秸芍涫杖胛催_(dá)到一定水平時(shí)，會(huì)優(yōu)先進(jìn)行基礎(chǔ)設(shè)施的投資，從而擠占基本公共服務(wù)的投資資金，只有當(dāng)經(jīng)濟(jì)發(fā)展到一定程度，地方政府可支配收入增加到一定水平時(shí)，地方政府才會(huì)讓出更多的財(cái)政支出用于改善公共服務(wù)的供給。同時(shí)由于東部地區(qū)聚集了國(guó)內(nèi)大部分優(yōu)秀的企業(yè)，這也使得東部地區(qū)增加在教育、醫(yī)療和社會(huì)保障等方面的支出，以留住優(yōu)秀人才，從而為其經(jīng)濟(jì)發(fā)展創(chuàng)造更為優(yōu)越的環(huán)境。

同時(shí)我們可以看到，在東部地區(qū)人口密度對(duì)公共服務(wù)供給呈正向關(guān)系，但在中、西部地區(qū)該系數(shù)為負(fù)，說(shuō)明在經(jīng)濟(jì)未發(fā)展到一定程度時(shí)，較高的人口密度將會(huì)導(dǎo)致地方政府在公共服務(wù)供給中產(chǎn)生擁擠效應(yīng)，從而導(dǎo)致公共服務(wù)供給水平下降。

四、結(jié)論與政策啟示

篇10

倫敦這種以煤煙為主的霧霾是可能致命的。1873年、1880年、1882年、1891年和1892年，倫敦的毒霧都曾造成上千人死亡。但是，最嚴(yán)重的還是發(fā)生在1952年12月5日至10日的“倫敦?zé)熿F事件”。據(jù)英國(guó)官方統(tǒng)計(jì)，持續(xù)五天的霧霾造成5000多人喪生，在大霧過(guò)去之后的兩個(gè)月內(nèi)又有8000多人因相關(guān)疾病死亡。這次災(zāi)難促使英國(guó)政府下定決心治理城市空氣污染，用20年時(shí)間摘掉了倫敦“霧都”的帽子。

從倫敦治霧的經(jīng)驗(yàn)看，最重要的是政府要下決心，準(zhǔn)備為環(huán)境保護(hù)付出必要的成本。歷史上，英國(guó)是以自由放任模式實(shí)現(xiàn)城市化進(jìn)程的。由于政府干預(yù)不足，很多工廠就建在城市中心，居民生活能源也以廉價(jià)的燃煤為主。在倫敦治霧的過(guò)程中，政府通過(guò)立法，決心不計(jì)成本地減少煤煙排放。

1956年，英國(guó)通過(guò)世界上第一部空氣污染防治法案《清潔空氣法》，規(guī)定在倫敦城內(nèi)的電廠都必須遷出，工業(yè)企業(yè)要建造高大的煙囪，以便污染物擴(kuò)散。同時(shí)，為減少居民生活煤煙，倫敦市政府下大力氣推進(jìn)居民生活天然氣化，逐步實(shí)現(xiàn)冬季集中供暖。在此基礎(chǔ)上，1968年以后，英國(guó)又出臺(tái)一系列空氣污染防控法案，對(duì)其他廢氣排放進(jìn)行嚴(yán)格約束，制定明確的處罰措施。這些舉措無(wú)疑會(huì)增加企業(yè)生產(chǎn)和居民生活的成本，但是為了治理空氣污染則沒(méi)有討價(jià)還價(jià)的余地。在嚴(yán)格的政府管控下，倫敦的煤煙污染逐年減少，到1975年，每年的霧霾天數(shù)已經(jīng)減少到15天，1980年進(jìn)一步降到5天。

但是，上述措施能夠見(jiàn)效，還有更深的原因。對(duì)于倫敦這樣的國(guó)際大都會(huì)而言，必須建立城市規(guī)模的環(huán)境承載力概念。這是因?yàn)椋?dāng)人口總量和密度超過(guò)一定限度的時(shí)候，即使人均污染排放很低，居民生活和相關(guān)企業(yè)的污染排放總量還是很高，上述減排措施就變成了治標(biāo)不治本的舉措。

2012年，倫敦人口密度為每平方公里5100人，在發(fā)達(dá)國(guó)家大城市中是比較靠前的。但是與我國(guó)大城市相比，情況則要好得多。同期，北京人口密度為11500人，上海為13400人。人口總量方面，2012年倫敦人口827萬(wàn)，同期北京中心區(qū)常住人口超過(guò)1020萬(wàn)，上海超過(guò)1360萬(wàn)。如果考慮流動(dòng)人口因素，這種差距還可能進(jìn)一步擴(kuò)大。縱觀世界城市人口密度排行榜，名列前茅的都屬于發(fā)展中國(guó)家和地區(qū)。形成這種現(xiàn)象的原因是非常復(fù)雜的，與社會(huì)資源過(guò)度集中、公共交通投入不足、產(chǎn)業(yè)布局不合理等都有關(guān)系。但是，從公共政策層面看，則主要是政府在城市規(guī)劃與管理方面對(duì)環(huán)境承載力重視不足。

在這方面，戰(zhàn)后英國(guó)的很多做法值得借鑒。第一，通過(guò)大城市周邊的“新城”建設(shè)，有效降低城市中心區(qū)的人口密度。1945年，英國(guó)啟動(dòng)政府主導(dǎo)的新城建設(shè)運(yùn)動(dòng)。到上世紀(jì)70年代中期，已經(jīng)建立33個(gè)新城，容納23%的城市居民。第二，大力發(fā)展公共交通。這是降低城市中心區(qū)人口密度、減少交通污染的核心舉措。2003年起，倫敦開(kāi)始對(duì)私家車(chē)征收擁堵費(fèi)，用以補(bǔ)貼公交建設(shè)。第三，倡導(dǎo)“花園城市”理念。目前，在寸土寸金的倫敦城市中心區(qū)，有三分之一的面積被花園、公共綠地和森林覆蓋。這些土地如果投入開(kāi)發(fā)，無(wú)疑會(huì)帶來(lái)巨大的經(jīng)濟(jì)效益，但同時(shí)會(huì)給城市環(huán)境帶來(lái)負(fù)面影響。在這方面，以精明著稱(chēng)的英國(guó)人做出的無(wú)疑是明智的選擇。