六 测算方法

根据前文构建的城乡发展一体化指标体系,选择合适的测算方法即可对中国及各地区的城乡发展一体化实现程度和进展进行评价。

(一)测算的基本思路

我们以前的研究主要关注各地区城乡发展一体化的相对进程,即考察各地区城乡发展一体化在全国的相对位置。朱钢、张军、王小映、张海鹏、陈方:《中国城乡发展一体化指数——2006~2012年各地区排序与进展》,社会科学文献出版社,2014。而本书则力图对中国及各地区的城乡发展一体化实现程度进行评价,因此,采用的测算方法和过去也有所不同。

为了实现以上目的,本书测算采取的基本思路是:第一步,确定城乡发展一体化各具体指标的目标值;第二步,将各指标的实际值和目标值进行比较,以此确定各个具体指标的实现程度;第三步,将具体指标的实现程度经过逐级加权合成各级指数和城乡发展一体化总指数。

(二)具体指标目标值的确定

城乡发展一体化既是中国社会经济发展的最终目标,也是一个过程,包含若干由低到高的发展阶段。作为2020年全面建成小康社会的主要内容,城乡发展一体化也将进入一个较高的阶段,在各个方面都要达到新的高度,而这些新高度就是城乡发展一体化在2020年要实现的目标上限值(目标值的设定以及详细说明见本章前面部分)。

城乡发展一体化作为一个状态,是长期历史实践的结果;而有意识并加大力度全面推动城乡发展一体化,却是21世纪后才开始的。2007年中共十七大明确提出,要形成城乡发展一体化新格局。因此,本书将2007年作为评价的起点,该年城乡发展一体化各个指标的平均值,就相应地成为评价的下限值。

(三)具体指标实现程度的测算

对于具体指标实现程度的测算,本书采取下面的公式。其中,正向指标计算公式如下:

本书中指标绝大部分是正向指标,但是还包括个别反向指标。反向指标计算公式如下:

其中,vi代表第i个指标的实际值,v2007代表第i个指标2007年下限值,v2020代表第i个指标2020年目标值。经过上述处理,指标数值的大小含义相同,即:指标数值越大,城乡发展一体化实现程度越高;指标数值越小,城乡发展一体化实现程度越低。

(四)指数合成的方法

对于权重的确定,我们在《中国城乡发展一体化指数:2006~2012年各地区排序与进展》中已经说明,朱钢、张军、王小映、张海鹏、陈方:《中国城乡发展一体化指数——2006~2012年各地区排序与进展》,社会科学文献出版社,2014。本书继续采用算术平均法来确定指标权重,进而合成各级指数和总指数。

(五)相关问题说明

1.关于指标体系中引入绝对值指标的问题

本书采用城乡比值来反映城乡之间的差异,因此,很多具体指标原始值无法区分不同发展阶段下各地区一体化之间的差距,甚至出现低层次城乡发展一体化实现程度反超高层次的问题。基于以上认识,本书引入了一些控制发展阶段的绝对值指标,用于纠正排名错位的情况。例如,一级指标中的经济发展,具体指标当中的农村义务教育教师平均受教育年限、农村每千人口卫生技术人员等,就属于这类修正指标。

2.关于城乡发展一体化实现程度上下限的问题

本书主要考察的是各地区城乡发展一体化是否以及何时实现目标,并不关注目标实现后的水平,因此,在计算公式中,只要某一具体指标实际值达到了2020年的目标值,不管其超出目标值多少,本书都认为该年份实现程度为100%。基于这样的设定,城乡发展一体化实现程度的最大值就是100%。而对于最小值则没有做出类似的设定,如果某一具体指标的实际值还低于2007年的标准,那么该指标的实现程度就会为负,也就是说,城乡发展一体化的最小值会小于0。

3.关于城乡发展一体化实现程度排序和相对进程排序不一致的问题

本书所描述的各地区城乡发展一体化水平的排序与前两本有所不同,造成这一问题的原因有两个:第一,指标体系进行了调整,相对进程评价采用的具体指标是58个,由于数据的可得性,实现程度评价的具体指标调整为31个,指标数量的变化会影响最终指数的合成,从而影响排名。第二,计算方法有所变化,特别是实现程度100%的设定,对于实际值较高的地区在进行排名时相对不利,排序有所下降,北京就属于这种情况。但是,这种方式可以更好地反映各地区城乡一体化发展的均衡状况,同时,不会对排序产生实质性的改变。

4.少数指标区域数据与分省份数据不一致的问题

本书对于区域城乡发展一体化实现程度的计算,没有采用对区域内所有省份实现程度进行简单算数平均的方法,而是直接使用区域层面的数据直接进行测算,测算方法和计算省级实现程度的方法一致。区域层面的数据一般通过分省份数据加总得出,例如,计算东部地区的人口城镇化率,首先将东部地区所有省份的城镇人口和全省人口进行加总,分别得出东部地区城镇人口和区域总人口,然后用区域城镇人口比区域总人口计算东部地区的城镇化率。但是,部分指标(如对生活垃圾进行处理的行政村比例、农业贷款相对强度等)无法通过分省份数据加总得出区域层面的数据,因此,只能采用区域内省份实现程度算数平均的方法。这样可能会使计算结果出现一定的偏差,部分指标区域实现程度和进展均低于全国平均水平。