论文部分内容阅读
【摘要】：本文旨在文献研究的基础上，梳理和归纳当前国内关于城市分级以及信息产业地理分布的相关研究。然后，根据已有数据以合理的测度模型和方法来评测各目标城市的信息产业发展水平，对各目标城市信息产业的发展状况进行分级，得出一个基于信息产业发展状况的城市分级排名。最后，以可视化方式展示出各目标城市信息产业的地理和等级分布。
【关键词】：信息产业 国内城市 城市等级 地理分布
1.问题的提出
当今时代，信息化浪潮席卷全球，信息产业成为国民经济发展的主导力量。如何衡量和测算信息产业的发展水平成为一个重要的问题。研究发现，世界上具有国际或区域竞争优势的产业，大多聚集于特定地区，形成产业集聚，某一个或几个专门化“产业集群”成为该区域的经济增长核心，这一现象成为国内外区域经济发展研究的重要关注点。受此启发，选取国内城市进行研究，探究我国信息产业的地理分布特点，以及城市信息产业的发展水平与城市地理位置的关系，尤其是传统认知观念中的京津冀、长三角和珠三角地区，以及这些区域中的核心城市北上广深，并进一步解释其等级分布。
1.1国内信息产业地理分布相关研究
对于信息产业的地理分布，我国学者给予高度关注，在借鉴国内外学者研究的基础上，从不同角度对其进行了理论探讨和实证研究。大体上，当前国内此方面的相关研究集中在以下几个方面：
一、信息产业的发展与区域经济发展的关系。张莹等通过构建模型和指标体系的方法测算了辽宁信息产业的融合度，并论述了辽宁信息产业发展与辽宁经济增长的关系。肖家祥等通过实证研究探讨了区域经济发展与信息产业竞争力的关系，采用灰色关联方法，分析了武汉东湖光电信息产业竞争力与武汉市生产总值的关系。二、信息产业的发展模式研究。罗若愚、刘艳红对我国信息产业中的代表性地区珠三角、长三角以及京津冀城市群的信息产业发展模式作了比较研究。三、信息产业发展的对策或思路研究。莫冬艳等分析了辽宁信息产业的现状及有利因素，对辽宁信息产业的发展对策进行了分析。中国电子信息产业发展研究院信息經济研究课题组以珠三角、长三角和京津冀地区为例分析了我国区域信息产业发展的历程与现状，并提出了区域信息产业发展的思路以及对策措施。
1.2城市分级的相关研究
目前国内关于城市分级的研究并不多，并无严格、权威、统一的城市分级标准，城市分级划分标准存在多元、混乱和破碎的情况。城市分级难度较高，究其原因有以下几点：一，城市建设中涉及的因素和需考虑的指标繁多，不同角度与侧重点导致城市分级标准也不尽相同；二，城市具体发展状况是随时间不断发展和变化的，随着社会进步和城市规模的快速扩张，原有分级标准存在不合时宜的状况。另外，中国城市数量庞大，具体城市的具体发展状况又有极大不同，这些都加大了以统一标准划分城市等级的难度。
国内关于城市分级的方法主要有以下几种：
传统的分级方法：国内最传统意义上或者说最通俗意义上对于一线、二线和三线城市的概念最初来源于房地产业，表征城市房地产业的发展程度。此分级方法中包括的指标有城市政治地位、经济地位、城市规模、影响力和辐射力、城市知名度等。该方法更多的是从城市土地价值角度出发，往往缺乏客观、量化的衡量标准，夹杂着一些主观评定因素。
国务院的城市分级方法：2014年11月，国务院以常驻人口作为统计口径将城市划分为5个级别。该方法以常驻人口为衡量城市级别的依据，数据易获取且相对准确，但宏观上不能反映城市的整体发展水平和城市活力，微观上也不能反映一些城市发展的某一方面，因而存在一定的局限性。
1.3本研究优势及创新点
通过对文献的梳理和分析，借鉴已有研究，本研究优势在于拥有充分的支撑数据和研究基础。创新点如下：（1）不再凭借经验和主观判断，而是构建信息产业发展水平的测度模型以及分级评价体系（2）研究对象选取的是国内有代表性的省份和城市，打破原有的拘于个别城市或个别区域的限制，对全国具有代表性的各类、各级城市进行分级和排名；（3）研究成果的可视化展示；（4）最重要的一点是，本研究的城市分级排名依据的是信息产业的发展状况，是基于城市信息产业的分级和排名。
2.模型构建及数值测算
2.1信息产业定义及其测度
对于信息产业，尚缺乏一个权威和统一的定义，国内外学者有不同的提法，笔者在下文针对研究需求和数据的限制对信息产业进行一个重新的定义。
信息产业已成为国民经济的先导和支柱产业，其测度也成为研究的重点。目前，学者和政府部门还只是从不同角度对信息产业进行局部定量分析，国际上也没有建立起一套科学、通用的信息产业测度模型和方法。目前，学界和业界较为常用的测度方法有马克卢普测度方法、波拉特测度方法等。而且，由于世界各国政治环境、经济发展水平、人口和环境、信息产业政策法规等的差异，当前看来，要在国际上建立科学通用的信息产业测度模型和方法是不可能完成的。
2.2数据来源及其合理性
本研究所采用数据来自于中国标准化研究院，囊括2008-2014年全国144个城市11个主要行业的企业注册量和注册资金量，选取11个行业中的信息传输业和软件与信息技术服务业两个行业的企业注册量和注册资金量的具体数据。用信息传输业和软件与信息技术服务业代替信息产业，企业注册量和注册资金量也符合研究需求。基于选取行业和数据的合理性和权威性，研究结果就是可信的。
2.2信息产业发展水平测度模型的构建：
2.2.1模型基本数学原理
我们在模型构建中运用了因子分析法，其基本思想是将实测的多个指标，用少数几个潜在的指标因子的线性组合来表示，从研究相关矩阵内部系统出发，再现指标与因子间的相关关系，进而探讨因子之间和因子内在结构及相关关系，具有对指标进行压缩的功能。因子分析应用广泛，可应用于心理学、社会学、经济学、人口学、生理学、环境学以及化学和物理学等领域。 2.2.2数据处理和模型公式的构造
首先，对数据编码，Vi代表目标城市的信息发展指数，ai和bi分别代表该城市的企业注册量和注册资金量（i为1至144间的整数）。ai和bi都是宏观数据，二者数据属性相似，反映目标城市信息产业的总体规模，但难以反映信息产业具体发展状况，也很难据此进行较为更为细致的研究。所以，需对ai和bi进行处理，使得ai和bi更加清晰、直观，并更具合理性和代表性。基于以上考虑，对ai进行如下处理：各城市依据ai大小排序，得出一个取值在区间[1，144]之间的排名m，然后对排名m依次求倒，得出依据其注册量ai和排名m的权值W1，W1和m互为倒数；对bi进行同样的处理，得出一个基于bi和排名n的权值W2，W2和n互为倒数。因为W1和W2均分布在区间[1/144，1]之间，数据级差别不明显，所以，分别赋予W1和W2一个权值k1和k2，使得权值Vi更加清晰、直观，更具合理性和代表性。
结合构造的模型和公式，同时取k1、k2的值为50，我们令k1、k2相等是为了使得指标ai和bi在模型中的权重相同，而同时取其值为50则最终Vi的数值落在区间[0，100]之间，更加清晰。（Vi取值及所属城市级别如表2所示）
3.城市分级及其地理分布
结合构建的模型和公式，测得各目标城市的Vi和所属的城市级别（见表3，由于城市选取较多，仅列出城市及其所属级别）：
本研究的城市分级：一类城市十二个，二类城市38个，三类城市53个，四类城市41个，用作图软件Surfer将144个城市可视化地展现在地图上（图1）。
由上图可以看出如下几点：传统认知中的特大城市北上广深等信息产业的发展水平居国内前列，一类城市集中在这些经济发达的一线特大城市以及一些信息产业发展迅猛的城市，其中北上广深极具代表性，表明了信息产业的发展和经济水平存在相关关系，经济发展水平高的城市能極大提升信息产业的发展水平；二类城市主要是一些整体经济发展水平相对较高，综合发展水平或城市行政级别等相对较高，或与京津冀、长三角、珠三角相邻的城市，这类城市以苏州、厦门、南京、郑州、石家庄、长沙等为代表；三类城市则是那些经济发展水平一般、行政级别不高、无明显发展特色及区位优势的城市，以廊坊、嘉兴、东营、绵阳、绍兴、泰州等为代表；四类城市则主要是那些经济欠发达或偏远地区，行政级别低、区位劣势又无发展特色、缺乏城市活力的城市，尤以玉溪、衡阳、曲靖、莱芜、宣城等城市为代表。
4.影响城市信息产业分布与发展的因素分析
4.1 信息产业与经济发展的关系
基于上述归纳，对144个城市的2014年的信息产业资金注册量和经济总量进行线性分析，分别选取各类城市排名前六的城市为代表，求出其相关系数R2约等于0.72，表明两者显著相关。可以推测，经济发达、城市活力高，能吸引信息产业的聚集，这表明信息产业发展水平极大程度上受经济发展水平的制约，两者关系密切。经济的发展水平，对信息产业投入水平、信息基础设施建设有直接影响，从而影响信息产业的整体发展状况。
4.2信息产业的发展与其他因素的分析
由图1看出，靠近京津冀、珠三角和长三角的地区信息产业发展水平相对其他距离较远的城市较高。表明信息产业发展好的城市对其他城市的影响，更反映了影响程度与空间距离的关系。因此，后续的研究可以构建出基于地理信息系统的模型，以北上广深这几个特大城市为中心，测算目标城市信息发展水平和中心城市距离的关系。
我们发现，丹东和西安均无明显经济、政治、区位和地理优势，但就其信息产业发展水平来说却均属一类城市。在此，引入信息产业强度的概念，用目标城市的单位企业的资金注册量（注册资金量与企业注册量的比值）代表。可以发现，西安和丹东虽企业注册量、注册资金量均无优势，但其信息产业强度高。可以推测，西安和丹东必定存在一批信息产业中的龙头企业，整体提升了其城市等级。同时，西安和丹东这两个典型城市的出现也在一定程度上说明我们所测算出的信息产业发展指数值受企业注册量和注册资金量共同决定，再次验证了模型的合理性。
总之，城市信息产业的发展受经济、政治、区位、人口和环境等诸方面影响，经济发展水平是影响信息产业发展的关键因素，关于信息产业发展的影响因素仍需更深入的研究。
【参考文献】
【1】张莹.信息产业融合度的测算及其对经济增长影晌的计量分析[D].大连：东北财经大学，2015.
【2】肖家祥，黎志成.武汉光电子产业集群竞争力与区域经济发展的灰色关联分析[J].《统计与决策》，2005（8）：129-130.
【3】罗若愚，刘艳红.我国电子信息产业集群模式的比较[J].《区域经济评论》，2005（5）：7-9.
【4】郭云丽.辽宁省信息产业测度分析[D].大连：大连交通大学，2008.
【5】中国电子信息产业发展研究院IT经济研究所课题组.我国电子信息产特区域协调发展研究[J]. 《中国信息导报》，2007（2）：6-11.
【6】孙亭，李梦月.新型智慧城市分级分类方法及体系架构[J].《指挥信息系统与技术》，2016，7（6）：66-71.
【7】国务院.《关于调整城市规模划分标准的通知》[EB/OL].http：//www.gov.cn[2014-11-20].
作者简介：张克元（1992/08/09），男，汉，河南省许昌市襄城县王洛镇东村，研究生在读，河北大学，研究方向：信息分析与服务
【关键词】：信息产业 国内城市 城市等级 地理分布
1.问题的提出
当今时代，信息化浪潮席卷全球，信息产业成为国民经济发展的主导力量。如何衡量和测算信息产业的发展水平成为一个重要的问题。研究发现，世界上具有国际或区域竞争优势的产业，大多聚集于特定地区，形成产业集聚，某一个或几个专门化“产业集群”成为该区域的经济增长核心，这一现象成为国内外区域经济发展研究的重要关注点。受此启发，选取国内城市进行研究，探究我国信息产业的地理分布特点，以及城市信息产业的发展水平与城市地理位置的关系，尤其是传统认知观念中的京津冀、长三角和珠三角地区，以及这些区域中的核心城市北上广深，并进一步解释其等级分布。
1.1国内信息产业地理分布相关研究
对于信息产业的地理分布，我国学者给予高度关注，在借鉴国内外学者研究的基础上，从不同角度对其进行了理论探讨和实证研究。大体上，当前国内此方面的相关研究集中在以下几个方面：
一、信息产业的发展与区域经济发展的关系。张莹等通过构建模型和指标体系的方法测算了辽宁信息产业的融合度，并论述了辽宁信息产业发展与辽宁经济增长的关系。肖家祥等通过实证研究探讨了区域经济发展与信息产业竞争力的关系，采用灰色关联方法，分析了武汉东湖光电信息产业竞争力与武汉市生产总值的关系。二、信息产业的发展模式研究。罗若愚、刘艳红对我国信息产业中的代表性地区珠三角、长三角以及京津冀城市群的信息产业发展模式作了比较研究。三、信息产业发展的对策或思路研究。莫冬艳等分析了辽宁信息产业的现状及有利因素，对辽宁信息产业的发展对策进行了分析。中国电子信息产业发展研究院信息經济研究课题组以珠三角、长三角和京津冀地区为例分析了我国区域信息产业发展的历程与现状，并提出了区域信息产业发展的思路以及对策措施。
1.2城市分级的相关研究
目前国内关于城市分级的研究并不多，并无严格、权威、统一的城市分级标准，城市分级划分标准存在多元、混乱和破碎的情况。城市分级难度较高，究其原因有以下几点：一，城市建设中涉及的因素和需考虑的指标繁多，不同角度与侧重点导致城市分级标准也不尽相同；二，城市具体发展状况是随时间不断发展和变化的，随着社会进步和城市规模的快速扩张，原有分级标准存在不合时宜的状况。另外，中国城市数量庞大，具体城市的具体发展状况又有极大不同，这些都加大了以统一标准划分城市等级的难度。
国内关于城市分级的方法主要有以下几种：
传统的分级方法：国内最传统意义上或者说最通俗意义上对于一线、二线和三线城市的概念最初来源于房地产业，表征城市房地产业的发展程度。此分级方法中包括的指标有城市政治地位、经济地位、城市规模、影响力和辐射力、城市知名度等。该方法更多的是从城市土地价值角度出发，往往缺乏客观、量化的衡量标准，夹杂着一些主观评定因素。
国务院的城市分级方法：2014年11月，国务院以常驻人口作为统计口径将城市划分为5个级别。该方法以常驻人口为衡量城市级别的依据，数据易获取且相对准确，但宏观上不能反映城市的整体发展水平和城市活力，微观上也不能反映一些城市发展的某一方面，因而存在一定的局限性。
1.3本研究优势及创新点
通过对文献的梳理和分析，借鉴已有研究，本研究优势在于拥有充分的支撑数据和研究基础。创新点如下：（1）不再凭借经验和主观判断，而是构建信息产业发展水平的测度模型以及分级评价体系（2）研究对象选取的是国内有代表性的省份和城市，打破原有的拘于个别城市或个别区域的限制，对全国具有代表性的各类、各级城市进行分级和排名；（3）研究成果的可视化展示；（4）最重要的一点是，本研究的城市分级排名依据的是信息产业的发展状况，是基于城市信息产业的分级和排名。
2.模型构建及数值测算
2.1信息产业定义及其测度
对于信息产业，尚缺乏一个权威和统一的定义，国内外学者有不同的提法，笔者在下文针对研究需求和数据的限制对信息产业进行一个重新的定义。
信息产业已成为国民经济的先导和支柱产业，其测度也成为研究的重点。目前，学者和政府部门还只是从不同角度对信息产业进行局部定量分析，国际上也没有建立起一套科学、通用的信息产业测度模型和方法。目前，学界和业界较为常用的测度方法有马克卢普测度方法、波拉特测度方法等。而且，由于世界各国政治环境、经济发展水平、人口和环境、信息产业政策法规等的差异，当前看来，要在国际上建立科学通用的信息产业测度模型和方法是不可能完成的。
2.2数据来源及其合理性
本研究所采用数据来自于中国标准化研究院，囊括2008-2014年全国144个城市11个主要行业的企业注册量和注册资金量，选取11个行业中的信息传输业和软件与信息技术服务业两个行业的企业注册量和注册资金量的具体数据。用信息传输业和软件与信息技术服务业代替信息产业，企业注册量和注册资金量也符合研究需求。基于选取行业和数据的合理性和权威性，研究结果就是可信的。
2.2信息产业发展水平测度模型的构建：
2.2.1模型基本数学原理
我们在模型构建中运用了因子分析法，其基本思想是将实测的多个指标，用少数几个潜在的指标因子的线性组合来表示，从研究相关矩阵内部系统出发，再现指标与因子间的相关关系，进而探讨因子之间和因子内在结构及相关关系，具有对指标进行压缩的功能。因子分析应用广泛，可应用于心理学、社会学、经济学、人口学、生理学、环境学以及化学和物理学等领域。 2.2.2数据处理和模型公式的构造
首先，对数据编码，Vi代表目标城市的信息发展指数，ai和bi分别代表该城市的企业注册量和注册资金量（i为1至144间的整数）。ai和bi都是宏观数据，二者数据属性相似，反映目标城市信息产业的总体规模，但难以反映信息产业具体发展状况，也很难据此进行较为更为细致的研究。所以，需对ai和bi进行处理，使得ai和bi更加清晰、直观，并更具合理性和代表性。基于以上考虑，对ai进行如下处理：各城市依据ai大小排序，得出一个取值在区间[1，144]之间的排名m，然后对排名m依次求倒，得出依据其注册量ai和排名m的权值W1，W1和m互为倒数；对bi进行同样的处理，得出一个基于bi和排名n的权值W2，W2和n互为倒数。因为W1和W2均分布在区间[1/144，1]之间，数据级差别不明显，所以，分别赋予W1和W2一个权值k1和k2，使得权值Vi更加清晰、直观，更具合理性和代表性。
结合构造的模型和公式，同时取k1、k2的值为50，我们令k1、k2相等是为了使得指标ai和bi在模型中的权重相同，而同时取其值为50则最终Vi的数值落在区间[0，100]之间，更加清晰。（Vi取值及所属城市级别如表2所示）
3.城市分级及其地理分布
结合构建的模型和公式，测得各目标城市的Vi和所属的城市级别（见表3，由于城市选取较多，仅列出城市及其所属级别）：
本研究的城市分级：一类城市十二个，二类城市38个，三类城市53个，四类城市41个，用作图软件Surfer将144个城市可视化地展现在地图上（图1）。
由上图可以看出如下几点：传统认知中的特大城市北上广深等信息产业的发展水平居国内前列，一类城市集中在这些经济发达的一线特大城市以及一些信息产业发展迅猛的城市，其中北上广深极具代表性，表明了信息产业的发展和经济水平存在相关关系，经济发展水平高的城市能極大提升信息产业的发展水平；二类城市主要是一些整体经济发展水平相对较高，综合发展水平或城市行政级别等相对较高，或与京津冀、长三角、珠三角相邻的城市，这类城市以苏州、厦门、南京、郑州、石家庄、长沙等为代表；三类城市则是那些经济发展水平一般、行政级别不高、无明显发展特色及区位优势的城市，以廊坊、嘉兴、东营、绵阳、绍兴、泰州等为代表；四类城市则主要是那些经济欠发达或偏远地区，行政级别低、区位劣势又无发展特色、缺乏城市活力的城市，尤以玉溪、衡阳、曲靖、莱芜、宣城等城市为代表。
4.影响城市信息产业分布与发展的因素分析
4.1 信息产业与经济发展的关系
基于上述归纳，对144个城市的2014年的信息产业资金注册量和经济总量进行线性分析，分别选取各类城市排名前六的城市为代表，求出其相关系数R2约等于0.72，表明两者显著相关。可以推测，经济发达、城市活力高，能吸引信息产业的聚集，这表明信息产业发展水平极大程度上受经济发展水平的制约，两者关系密切。经济的发展水平，对信息产业投入水平、信息基础设施建设有直接影响，从而影响信息产业的整体发展状况。
4.2信息产业的发展与其他因素的分析
由图1看出，靠近京津冀、珠三角和长三角的地区信息产业发展水平相对其他距离较远的城市较高。表明信息产业发展好的城市对其他城市的影响，更反映了影响程度与空间距离的关系。因此，后续的研究可以构建出基于地理信息系统的模型，以北上广深这几个特大城市为中心，测算目标城市信息发展水平和中心城市距离的关系。
我们发现，丹东和西安均无明显经济、政治、区位和地理优势，但就其信息产业发展水平来说却均属一类城市。在此，引入信息产业强度的概念，用目标城市的单位企业的资金注册量（注册资金量与企业注册量的比值）代表。可以发现，西安和丹东虽企业注册量、注册资金量均无优势，但其信息产业强度高。可以推测，西安和丹东必定存在一批信息产业中的龙头企业，整体提升了其城市等级。同时，西安和丹东这两个典型城市的出现也在一定程度上说明我们所测算出的信息产业发展指数值受企业注册量和注册资金量共同决定，再次验证了模型的合理性。
总之，城市信息产业的发展受经济、政治、区位、人口和环境等诸方面影响，经济发展水平是影响信息产业发展的关键因素，关于信息产业发展的影响因素仍需更深入的研究。
【参考文献】
【1】张莹.信息产业融合度的测算及其对经济增长影晌的计量分析[D].大连：东北财经大学，2015.
【2】肖家祥，黎志成.武汉光电子产业集群竞争力与区域经济发展的灰色关联分析[J].《统计与决策》，2005（8）：129-130.
【3】罗若愚，刘艳红.我国电子信息产业集群模式的比较[J].《区域经济评论》，2005（5）：7-9.
【4】郭云丽.辽宁省信息产业测度分析[D].大连：大连交通大学，2008.
【5】中国电子信息产业发展研究院IT经济研究所课题组.我国电子信息产特区域协调发展研究[J]. 《中国信息导报》，2007（2）：6-11.
【6】孙亭，李梦月.新型智慧城市分级分类方法及体系架构[J].《指挥信息系统与技术》，2016，7（6）：66-71.
【7】国务院.《关于调整城市规模划分标准的通知》[EB/OL].http：//www.gov.cn[2014-11-20].
作者简介：张克元（1992/08/09），男，汉，河南省许昌市襄城县王洛镇东村，研究生在读，河北大学，研究方向：信息分析与服务