基于超效率SBM-Malmquist的基础设施建设效率分析
尹向来，孙 青，吕雪梅
山东师范大学 地理与环境学院，山东 济南 250358
摘要： 采用超效率SBM-Malmquist指数法和探索性空间数据分析等，分析2008年、2012年和2016年中国285个地级市的基础设施建设效率。结果表明：地级市基础设施建设效率总体水平较高，但地区差异明显，东莞、上海和深圳等市的效率最优，晋中、永州等的效率最差，呈现出东部＞西部＞中部，直辖市＞省会及副省级城市＞地级市，超大＞特大＞大＞小＞中等城市的格局；同时表现出较弱的空间集聚关联性，呈现出与经济发展呈正相关的“东热西冷”的空间分布格局；此外，基础设施建设TFP值总体表现出上升趋势，年均增长7.1%，是技术进步的单轨驱动模式，各地市基础设施建设效率变动存在差异，全要素生产率的梯度和集聚性较为明显。针对基础建设效率的差异等，文章最后给出了相应建议。
关键词： 基础设施；超效率SBM模型；Malmquist指数；空间格局；地级市
基础设施是对城市生产、生活等具有直接或间接促进作用的基础产业群[1-2]，涉及供水、供电、交通、绿化等方面。作为人流、物流和信息流等城市活动的基本载体，基础设施为城市经济社会正常运行和可持续提供引导与支撑，其建设技术和功能直接影响城市系统运行，可以改善人居环境、提升城市发展效率[3-4]，合理高效的基础设施系统有利于城市健康运行和城镇化的有效推进。改革开放以来，我国城市化率由1978年的17.92%快速增加至2016年的57.35%，年均增速为3.02%；与此同时，市政基础设施建设投资由1978年的12亿增至2016年的17460亿，使得我国在桥梁、高速公路、高速铁路等基础设施建设上取得了巨大突破，已成为最大的基础设施投资国，并倡议设立了亚洲基础设施投资银行。我国城市化还有强大的潜力和势头，然而在经济发展基础、区位和政策背景下，我国基础设施建设存在着一系列问题：一部分地市基础设施建设重复、资源浪费且利用率低下、设施可用寿命短；而另一部分地市则投入不足、水平滞后，大多地市存在着交通堵塞、污水垃圾处理设施不足、缺少等问题[5-6]，这些问题制约了基础设施的服务功能。从西部大开发、“四万亿”计划到“十九大”和“十三五”规划中提到的加快现代基础设施网络建设，党和政府一直关注基础设施建设。因此，探讨基础设施建设效率对构建现代基础设施网络、推进新型城镇化等有一定参考价值。
梳理分析已有的国内外文献，发现学者们主要从以下几方面展开：（1）基础设施建设水平评价[7]。比如，陈仲常[8]实证出我国省域基础设施现代化水平。（2）基础设施投融资研究[9]。如程哲等[10]发现我国基础设施投资表现出空间多中心格局。（3）基础设施的相关经济社会效益研究[11]。比如张学良[12]探讨交通基础设施建设对经济的推动效应。（4）基础设施与城镇化相互影响的研究。如袁晓玲等[13]发现我国省域基础设施与城市化的耦合度较低且呈收敛趋势。近年来，学者们从效率角度研究基础设施，比如，程敏[14]借助传统DEA探讨了基础设施的投入效率，任喜萍、李祺分别利用传统DEA模型分析了省域和城市群尺度下的基础设施投资效率[15-16]，孙钰等[17]充分研究了我国35个城市的基础设施经济效益，李忠民[18]实证了长江经济带的交通基础设施效率。可以看出，学者们展开了较为充分的研究，但多集中于基础设施对经济的影响上，探讨基础设施相关效率的较少；此外，现有文献大多研究基础设施的投资效率，对基础设施的建设利用效率研讨不足，研究方法上大多采用传统的DEA模型且相关指标选择有所偏颇，使得基础设施建设效率评价出现偏差；研究区域多为省市和一带一路沿线，对地级市下层面基础设施建设的静态、动态效率和空间关联分析探究严重不足。
基于以上分析，论文以2008年、2012年和2016年我国285个地级市为研究对象，构建基础设施建设的投入产出指标体系，借助超效率SBM模型从总体、三大地带、行政级别、城市规模视角分析市政基础设施建设静态效率及差异，再采用探索性空间数据分析对基础设施建设效率的全局自相关、冷热点分布以及其与经济发展的空间均衡情况进行了探讨，最后使用Malmquist指数法探讨研究期内全要素生产率的变动和分解，以期为构建现代基础设施网络提供参考。
1 研究方法与数据来源
1.1 研究方法
1.1.1 超效率SBM模型
DEA是一种仅需投入产出变量数据，无需函数关系的一种对相似部门或单元进行相对有效性评价的非参数效率分析方法，常用于管理学、经济学等领域效率测算上。传统上的基本模型（CCR、BBC）是径向的，在测算中并没有考虑松弛变量，使得测算出的效率存在一定偏差。Tone改进出考虑松弛变量的非径向非角度的SBM模型，可以更好地分析投入产出要素，更好地解释实际利润最大化问题。公式如下：
为避免多个DMU效率最终值为1从而无法排序评价，Tone提出超效率SBM模型，对SBM有效的单元进一步测算，实现DMU的完全排序[19]，公式为：
1.1.2 探索性空间数据分析
本文详细地阐述了74HC595在LED点阵显示系统、双色LED点阵显示系统及多位LED点阵显示系统中的硬件设计及软件设计的关键环节。并给出了硬件连接方案和关键程序段。
基于空间数据的非完全独立性，地理属性数据存在着空间依赖和关联性这一基本思想，探索性空间数据分析是基于统计学和几何表达描述，揭示地理现象在空间上的相互作用关系的驱动型方法，常用的包括全局统计量和局部统计量。本文基于全局Moran’I指数、Getis-Ord Gi*以及双变量Moran’I指数探讨我国地级市基础设施建设效率的空间关系及其与经济的空间匹配特征。
2.3.1 基础设施建设效率全局关联
根据上述选择的投入产出指标，利用DEA Solver Pro 5.0软件，以2008年、2012年和2016年中国285个地级市为决策单元，基础设施建设效率的总体情况及变化趋势为：（1）研究时期下地级市层面基础设施建设效率总体水平较高，在2008年、2012年和2016年的平均值分别为1.033、1.040和1.077，呈现出逐渐上升的演变态势，基础设施的投入产出效率均值大于1，说明整体DEA有效，基础设施投入产出取得较好成果。（2）2008年、2012年和2016年效率值的范围分别为0.013～3.673、0.332～3.218和0.234～4.015，基础设施建设效率达到或超过1的地级市数量分布达到221、210和233个，占比达77.54%、73.68%和81.75%，超过73%的地市基础设施建设达到1的有效值，说明大多数地市基础设施对其经济、社会和环境等起到了较好的促进作用。（3）地级市基础设施建设效率的标准差从2008年的0.377小幅减少到2012年的0.312后增至2016年的0.358，呈现波动中缩减的迹象；变异系数呈现出相同的变化轨迹，由2008年的0.365降至到2016年的0.332，首位度由2008年的1.164持续上升至2016年的1.384，这表明地级市基础设施建设效率总体差异程度降低，但次发达与最发达的城市差距并未减少。（4）市政基础设施建设效率平均值最高的5个城市为东莞市（3.090）、上海市（2.452）、深圳市（2.318）、绍兴市（1.987）、西安市（1.857），相应的效率值最低的5个城市依次为咸阳市（0.538）、娄底市（0.534）、张家界市（0.354）、永州市（0.310）、晋中市（0.296）。2016年与2008年相比，有137个城市基础设施建设效率有所增加，增幅最大的前三位城市为上海市（+2.649）、厦门市（+1.796）和长治市（+1.434）；有11个城市的市政基础设施建设效率保持不变，包括黑河、绥化、云浮等，而且效率值始终为1。
超效率SBM模型是静态效率评价方法，为了解DMU投入产出效率的变化，引入不需主体行为及目标假设、且可全面有效分解的Malmquist指数法。该方法由马姆奎斯特提出，后经多次改善，现广泛应用于全要素生产率指数的测算和分解。相关公式及分解已完备，具体见参考文献[20]。
共识机制经过了数年的发展，在经过探索和开放式创新之后，势必进入到性能安全性等的比拼之中。表1分别为PoW、PoS、DPoS面临的攻击威胁表。
1.2 指标选取与数据来源
借鉴以往基础设施建设效率评价的相关指标，考虑基础设施在城市发展中的作用和中国国情，加之指标的相对独立性、产出指标的科学性等，此外，有效的基础设施不仅作用于城市经济增长，还对社会、环境等造成影响，因此，构建基础设施建设效率指标体系（表1）如表1所示。
师父还在天葬院中，女孩也还在天葬院中，蜘蛛精若进了天葬院，岂不是要将他们两个一并吃了？青辰急得焦头烂额，打算通知师父，却又不知该如何通知，有心喊人救命，可又一寻思，自己这一声咋呼，师父二人能否活命尚不好说，自己铁定得先归了天。
“是我。”楚墨站起来，将茶壶碰翻。茶壶滚落地上，发出一声钝响，砂片飞溅。一生里从未如此慌乱，楚墨变成手足无措的小男孩。
2 基础设施建设效率静态评价
表1 投入产出指标体系
Table 1 The construction efficiency index system of urban public facilities
2.1 总体特征
供试啤酒大麦品种为甘啤6号、玛俐、博乐、甘啤5号、垦啤6号、甘啤4号、垦啤7号，甘啤3号为对照（CK）。
2.2 三大地带、不同行政级别和规模城市的效率差异
三大地带尺度下：（1）2016年，市政基础设施建设效率值分别为1.170、1.034和1.036，建设效率高的城市在东部分布最多，西部次之，中部城市基础设施建设效率最低；具体地，有24个中部城市（占比为24.00%）的基础设施建设效率值小于1，这高于东部和西部的11个（占比为10.89%）、16个（占比为19.04%）。（2）整体视角下，2008年—2016年东、中、西部基础设施建设的平均效率为1.147、0.983和1.019，总体上呈现明显“东高中低”的效率格局，仅东部的市政基础设施建设效率超过全国平均水平。（3）地带演化视角上，东部基础设施建设效率先降后升，中部基础设施建设效率持续上升，西部基础设施建设效率先增大后小幅下降，即东、中、西部城市市政基础设施建设效率的变化趋势与全国城市平均建设效率的变化并不一致。
不同行政级别下：（1）2016年，直辖市、省会城市及副省级城市、地级市的建设效率分别为2.077、1.226、1.042，效率均值之比为1.993∶1.176∶1，直辖市的效率远高于其他两种级别的城市，基础设施建设效率表现出行政级别格局。（2）2008年—2016年，直辖市、省会城市及副省级城市、地级市的建设效率分别为1.660、1.193、1.022，在演化差异上，直辖市和地级市的基础设施建设效率都呈上升之势，但直辖市的建设效率提升幅度更大，省会城市和副省级城市的效率值则是小幅地先降后升。
1.2.4 起病急、进展快、病情重：随着科技水平的提高，很多器械检查已经可以在床旁进行，但对于重危患者有些检查还是无法在床旁施行而影响及时诊断，如CT、MRI、PET等。病情还可以限制某些检查，如凝血障碍的患者一般不宜在不能压迫止血的部位做组织活检。两肺广泛病变、肺功能明显降低且有低氧血症的患者，一般也不能做肺活组织检查。有些检查是需要耗费一定时间的，如果病情进展太快，也许在拿到检查结果时患者已经不幸去世了。
用市辖区人口数来代表城市规模，按调整后城市规模划分标准对地级市进行分类。不同城市规模下：（1）2016年超大、特大、大、中和小城市的效率分别为2.163、1.222、1.049、1.028和1.040，可以看出城市效率与其规模等级大小基本一致，即城市规模越大，城市效率越高，但小城市的基础设施建设效率比中等城市效率要高，这可能是因为小城市正处于发展中，基础设施的投入对城市发展的带动效益更强。（2）2008年—2016年，超大、特大、大、中和小城市的效率分别为1.748、1.363、1.063、0.989和1.046，总体上表现为基础设施建设的效率随城市规模增大而升高，除了小城市的建设效率高于中等城市外。（3）在不同城市规模的效率提升上，超大、中等和小城市的基础设施建设效率逐步提升，但大城市的建设效率小幅下跌。
表2 不同尺度下基础设施建设效率值
Table 2 Average construction efficiency index system of urban public facilities
2.3 基础设施建设效率的空间关联
1.1.3 Malmquist生产率指数方法
2.3.2 基础设施建设效率热点探测
测算2008年、2012年和2016年285个地级单元的Moran’s I指数，再进行999次Permutation检验，得出3个时间截面下，莫兰指数均在0.1%水平下表现为空间上明显的正相关性，中国地级市基础设施建设效率高值和低值表现出一定的空间集聚。从全局莫兰指数值上看，研究时间截面分别为0.102、0.150和0.105，Moran’s I值不为零表明基础设施建设效率现出空间关联特征，空间集聚程度先升后降，但全局Moran’s I值较小且变化幅度不大，说明我国地级市基础设施建设效率的空间集聚性较弱，分布格局相对稳定。
考虑到行政单元的前后一致性以及数据的可获得性，而西藏、青海、新疆等的大多地市数据缺失严重，同时也未包含港澳台地区，基于2012年的行政区划，即不包括海东市、巢湖市等，共285个地级市（即DMU），研究时间截面为2008年、2012年和2016年。本文各数据主要来源于《中国城市统计年鉴》《中国城市建设统计年鉴》，极个别缺失数据取自省市或具体地市的统计公报，或者插值法计算。
为进一步探讨地级市市政基础设施建设效率空间格局，剖析其局部异质性，本文利用ArcGIS 10.2分别计算2008年、2012年和2016年的Getis-Ord Gi*指数值并划分为热点、次热点、不显著、次冷点和冷点区（限于版面，可与作者联系获得相关数据）。得知：2008年，基础设施建设效率的热点明显集聚于广东东南部、长江入海口和浙江沿海等地区，共19个，这些地区的基础设施建设效率较高且形成显著高集聚形态；次热点区主要分布在苏皖浙、蒙甘宁交界处以及辽宁东北部等地区，共有51个地级市；次冷点区分布范围较广，分布区域集中在山西、广西和湖南大部以及大别山地区，共52处；冷点区集中分布于湖南省，整体上连绵分布于湖北、湖南和广西连接处。2012年，冷热点分布格局出现一定变化。热点区分布范围比2012年有所减小，集中于广东东北部等的13个地市；次热点区分布变化最大，主要在福建、粤西、浙北和鲁西北地区，零散分布在乐山、巴中、天水和唐山等市，共36个地市；次冷点区分布范围最小，共21个地市，多分布于鄂豫皖赣交界处；冷点区集中于湖南和广西大部。2016年，冷点区范围明显缩小。热点区数量较之前有所增大，在广东东南和浙江北部地区，数量增至22个；次热点区分布于广东西北、福建大部、浙苏皖和晋陕豫交界处；次冷点区分布零碎，主要在广西和湖南大部；冷点区分布范围急剧减少，河池、永州、桂林和柳州是该类型分布地。总体上看，地级市基础设施建设效率的局部空间异质明显，冷热点区域表现出一定的空间集聚、地带性规律，在整体分布相对稳定的前提下，不同类型区的数量和规模存在一定程度的变动。
矿床地处察布查尔山西段，察布查尔山是在以前震旦系为基底的伊犁地块上发育起来的晚古生代裂谷型坳褶带。在石炭纪早期形成一套从海陆交互相到浅海相的中酸性火山岩和凝灰质碎屑岩、碳酸盐岩建造(图1)。
2.3.3 基础设施建设效率与经济水平双变量空间关联
基于双变量空间自相关模型，借助OpenGeoda的Bivariate Local Moran’s I功能对2008年和2016年基础设施建设效率和人均GDP双变量的空间匹配模型进行研究，得到双变量下的LISA 集聚情况。（1）2008年，高建设效率-高人均GDP类型地市主要分布在东部沿海地区，包括环渤海、长三角地区，零星分布于梅州、包头和乌鲁木齐等，共33个，这些地市大多位于沿海，得益于区位和政策，经济发展较好，基础设施建设投入充足，建设效益优于其他地市；至2016年，该类型地市数量有所下降，空间分布变动较大，主要包括长三角和长株潭城市群。（2）低建设效率-高人均GDP类型的显著正相关区域较少，在2008年，包括河北沿海、安徽省等15个地市；2016年增加到25个，分散于宁波、南通、乌鲁木齐、威海、潮州、东营和宜春等。这些地市的基础设施建设效率较低，经济发展水平相对较高。（3）2008年，低建设效率-低人均GDP的地市主要分布在广西、四川和黑龙江省等42个地市，这些地市经济发展水平较低，故在基础设施上投入较少，产出效益较低；2016年该类型区域数量为41个，主要变化体现在广西地市的退出和驻马店、平凉、宝鸡等地市的迁入。（4）高建设效率-低人均GDP的显著区域2008年数量较多，集聚态势明显，多分布于河南、四川和山西的大部，2016年则减少至28个，多分布于山西、四川的大部地市，该类型城市处于中西部，城市建设正处于需求旺盛期，基础设施投入带来的效益较大。
3 基础设施建设效率动态评价
3.1 基础设施建设Malmquist指数时序变化
超效率SBM模型是基础设施建设的静态效率评价方法，需运用Malmquist指数法进一步分析探讨我国地级市基础设施建设效率的变化趋势，即评价基础设施建设的动态效率。由表3可知，2008年—2012年，基础设施建设的全要素及其分解并未呈现完全的增长趋势，全要素生产率指数大于1，effch （0.990）及其分解均小于1，技术进步变化指数为1.113，表明2008年—2012年间，技术进步的提升是该时期内基础设施建设效率提升的主要动力。2012年—2016年，技术效率变化指数及其分解均出现一定程度的增长，tfpch 和techch 虽有所减少，但各指数均大于1，说明该时间段下技术效率和技术进步共同促进着全要素生产率的变化。从整体上看，2008年—2016年时间段下tfpch 的均值为1.071，表明全要素生产率年均提升7.1%，即地级市对基础设施的各种投入的利用程度较好，基础设施建设效率整体处于递增的状态。在这其中，技术效率和技术进步的贡献能力分别为0.5%和6.6%，说明研究期内地级市基础设施建设全要素生产率增长的重要动力在于技术进步，即随着科学技术发展进步，城市基础设施建设是趋于科学的；其次，研究时段内纯技术效率和规模效率变化指数均值分别为1.003和1.002，年均增加0.3%和0.2%，推动作用较小，说明需加强市政基础设施的管理水平，还可适度针对性地扩大一些地市的基础设施建设规模。
表3 地级市基础设施建设tfp指数变化
Table 3 TFP index change of infrastructure construction in prefecture level city
3.2 基础设施建设Malmquist指数区域差异
计算得出2008年—2016年间地级市基础设施建设的Malmquist指数及分解的区域差异（限于版面，可与作者联系获得相关数据）。除吕梁、阜新、七台河和宿迁等82个地市的全要素生产率指数小于1外，其余203个地市的tfp 值均上升，其中，西安市上升最快，年均提升90.1%，其次是年均提升77%的天津市。从建设效率的分解上看，研究期内，有72个地市的技术进步变化指数小于1，74.73%的地市基础设施建设出现技术进步，其中西安、天津、厦门、上海和福州市技术进步最大，鸡西、阜新和汕尾等地市的技术进步亟待改善。2008年—2016年间，技术效率变化指数小于1的地市有47个，173个地市的技术效率保持不变，出现技术效率上升的包括玉林、菏泽、柳州和遵义等65个城市。进一步分解技术效率变化指数可知，纯技术效率出现提升的地市仅占16.49%，70.52%的地市纯技术效率并未发生变化。规模效率上升的地市占比为20.35%，43个地市的规模效率变化指数有微小下降。可概括出以下特征：（1）2008年—2016年，203个地市的tfpch 大于1，张家口、鹤壁、珠海和南宁等65个地市的effch 、techch 和tfpch 均大于1，表明这些地市基础设施建设效率整体表现出上升趋势；丹东、四平、白山和贺州等17个地市的effch 、techch 和tfpch 均小于1，说明这些地市的基础设施建设效率整体衰退，钦州和贺州等建设效率衰退较为明显。（2）从全要素生产率指数来看，梯度特征较为明显，tfpch 整体上从东向西递减，处于0.885～1.123的较低值区分布广泛，高值区零星分布于西安、天津、福州和上海等，西部地区尤其是秦巴山区、秦岭—淮河线附近的地市建设全要素生产率低。（3）全要素生产率指数在空间上呈现出一定的集聚性，莫兰指数显著达到0.117，较高的tfpch 明显集聚于东部的环渤海、长三角和珠三角地区。
4 结论与建议
本文基于2008年、2012年和2016年285个地级市基础设施的相关投入产出数据，借助超效率SBM模型、探索性空间数据分析和Malmquist生产率指数的方法，对不同视角下地级市市政基础设施建设的静态效率及差异进行分析，接着利用探索性空间数据分析探讨其空间关联特征，并探讨了其与经济发展的空间均衡状态，最后采用Malmquist方法进一步了解基础设施建设的动态变化。得出：（1）研究期内，基础设施建设的效率的均值均超过1，整体DEA有效，三个时间截面下基础设施建设效率大于1的比例均超过73%，说明大部分地市在基础设施投入产出上的效率良好。基础设施建设效率差异较大，但波动减少，东莞、上海、深圳等地明显优于其他城市，咸阳、永州和晋中等地市的效率最低，需要引起注意。（2）基础设施建设的效率在空间上表现为东部高于西部，中部最低的格局，在行政级别上表现出直辖市＞省会及副省级城市＞地级市，在城市规模上为超大＞特大＞大＞小＞中等城市，应对中部城市和中等城市规模的城市进行相应效率提升。（3）基础设施建设效率在空间上表现出弱空间集聚性，为空间正相关性；基础设施建设效率由东部的热点过渡到西部，整体变动较少，冷点区分布于中部地区，对应了前面分析的中部地区城市基础设施建设效率整体较低的数据结果。（4）基础设施建设效率与经济发展总体呈正相关，高建设效率-高人均GDP、低建设效率-低人均GDP的局部格局明显。（5）2008年—2016年基础设施建设全要素生产率的均值为1.071，基础设施建设效率整体处于递增的状态，技术进步贡献较大，表明基础设施建设全要素生产率是技术进步的单驱动类型；203个地市的全要素生产率指数大于1，空间上的梯度特征明显，较高的全要素生产率指数明显集聚于环渤海、长三角和珠三角地区。由于数据量较大，仅对3个时间截面下的基础设施建设效率进行了分析，期待收集长时间序列，探讨多年下基础设施建设效率；并且期待实证基础设施建设效率的影响因素。
根据数据分析结果，具体提出以下几点建议：（1）保持基础设施投资最优规模，优化类别资源配置。我国城镇化还有巨大潜力，也正处在向新型城镇化过渡的时期，因此应保持适度规模的基础设施投资，为城市发展提供基础性作用；针对不同基础设施服务系统的建设差异，适当地对地下或绿化、环境设施进行建设和完善。（2）扩大中西部基础设施建设规模，提高东部基础设施建设效率。加大对中西部地区的基础设施投入力度，特别是对贫困区的城市，扩大其基础设施建设规模，并且逐步完善资本市场，拓宽和畅通投融资渠道；东部地区基础设施建设较好，但存在重复建设和管理维护不当的情况，应针对性地减少盲目和重复地建设，以提高基础设施服务能力和增强基础设施维护管理力度为主。（3）推进完善中小城镇的基础设施服务系统。中小城镇是新型城镇化的关键，也是基础设施建设的关键点，加大对中小城镇化的基础设施建设，不但能为其城市发展提供基础和保障作用，实现更优的边际收益，还分担了其邻近中心城市的承载功能，优化了中心城市的城市布局和空间结构。（4）重视区域合作，加强协同发展。区域合作不仅有利于提升投资效率，还可发挥城市基础设施的辐射作用，有助于区域总产出的提升。因此，应遵循顶层设计和相机抉择的原则，采用统一规划编制、合理布局的基础设施联合性发展战略，以节约成本、提高产出效益。（5）提升基础设施管理水平，增强技术创新能力。对基础设施建设进行充分论证，协调各部门间的沟通和安排；提升基础设施精细化管理维护的意识，制定相关细则，依照规范化的流程、现代化的方法和数字化设备技术，提高基础设施的管理水平；此外，要充分发挥技术创新能力和信息化水平，促进研发和推广先进基础设施，提升基础设施建设的效益。
参考文献：
[1]史雅娟, 朱永彬, 黄金川. 北京市基础设施与经济社会发展关系[J]. 地理科学进展, 2016, 35(4)： 450-461.
[2]吴建楠, 曹有挥, 姚士谋, 等. 基础设施与区域经济系统协调发展分析[J]. 经济地理, 2009, 29(10)： 1624-1628.
[3]陈银娥, 孙琼. 中国基础设施发展水平测算及影响因素——基于省级面板数据的实证研究[J]. 经济地理, 2016, 36(8)： 23-30.
[4]武力超, 孙浦阳. 基础设施发展水平对中国城市化进程的影响[J]. 中国人口·资源与环境, 2010, 20(8)： 121-125.
[5]张卫东, 石大千. 基础设施建设对人口城市化水平的影响[J].城市问题, 2015(11)： 31-37.
[6]郑丹, Tatsuaki Kuroda. 城市基础设施水平如何影响居民工资收入： 溢价还是折价[J]. 南方经济, 2017(1)： 66-85.
[7]IRFAN A R, SAAD S B, SHAHAB E S. The spatial and temporal dynamics of infrastructure development disparity - From assessment to analyses[J]. Cities, 2017, 63： 20-32.
[8]陈仲常, 姜建慧, 龚锐. 城市基础设施现代化评价模型研究[J].经济与管理研究, 2010(6)： 70-76.
[9]贾俊雪. 公共基础设施投资与全要素生产率： 基于异质企业家模型的理论分析[J]. 经济研究, 2017, 52(2)： 4-19.
[10]程哲, 欧阳如琳, 杨振山, 等. 中国城镇化进程中基础设施投融资时空格局与发展特征[J]. 地理科学进展, 2016, 35(4)： 440-449.
[11]张艳艳, 于津平, 李德兴. 交通基础设施与经济增长： 基于“一带一路”沿线国家铁路交通基础设施的研究[J]. 世界经济研究,2018(3)： 56-68.
[12]张学良. 中国交通基础设施促进了区域经济增长吗——兼论交通基础设施的空间溢出效应[J]. 中国社会科学, 2012(3)： 60-77.
[13]袁晓玲, 张跃胜. 中国基础设施与城市化发展水平耦合度分析[J]. 城市问题, 2015(3)： 18-24.
[14]程敏, 裴新杰. 我国地级及以上城市基础设施投入效率的时空差异研究——基于DEA和Malmquist指数模型[J]. 管理评论,2017, 29(6)： 225-233.
[15]任喜萍. 基于DEA方法的我国城市基础设施投资效率评价研究[J]. 经济体制改革, 2017(5)： 49-54.
[16]李祺, 孙钰, 崔寅. 基于DEA方法的京津冀城市基础设施投资效率评价[J]. 干旱区资源与环境, 2016, 30(2)： 26-30.
[17]孙钰, 王坤岩, 姚晓东. 基于D EA交叉效率模型的城市公共基础设施经济效益评价[J]. 中国软科学, 2015(1)： 172-183.
[18]李忠民, 夏德水, 姚宇. 长江经济带交通基础设施效率分析——基于DEA模型的Malmqusit指数方法![J]. 技术经济, 2014, 33(7)：62-68.
[19]任阳军, 汪传旭. 中国城镇化对区域绿色经济效率影响的实证研究[J]. 技术经济, 2017, 36(12)： 72-78.
[20]柴泽阳, 李桂霞. 中国区域环境治理技术变动空间面板研究——基于Malmquist指数分析[J]. 石家庄经济学院学报,2016, 39(2)： 47-53.
Assessment of Construction Efficiency of Urban Public Facilities at Prefectural Level in China Based on Super Efficiency SBM-Malmquist Approach
YIN Xiang-lai, SUN Qing, LV Xue-mei
Shandong Normal University, Jinan 250358, China
Abstract： By using super-efficient SBM-Malmquist index method and exploratory spatial data analysis, this paper analyses the infrastructure construction efficiency of 285 prefecture-level cities or above in China on 2008, 2012 and 2016. Research shows that:during the research period, the level of infrastructure construction efficiency is relatively high. However, the difference between cities is still large. Dongguan, Shanghai and Shenzhen are significantly superior to the other city;Yongzhou and Jinzhong are the lowest. What's more, it shows a pattern of Eastern ＞ Western ＞ Central, municipality directly under the Central Government ＞provincial capital and sub-provincial cities ＞ prefecture-level cities, super large ＞ exceptionally large ＞ large ＞ small ＞ mediumsized cities. The efficiency of infrastructure construction shows significant global positive correlation, but the correlation of spatial agglomeration is weaker. In space, it presents the distribution pattern of “hot east and cold west”. The efficiency of infrastructure construction is positively related to economic development. In addition, the TFP value of infrastructure construction shows an overall upward trend, with an average annual growth of 7.1%, which is the monorail driving mode of technological progress.Infrastructure construction efficiency varies from city to city, and the gradient and agglomeration of TFP are obvious. In view of the differences in infrastructure efficiency, some suggestions are put forward at the end of the article.
Keywords： urban public facilities; super-SBM model; Malmquist index; spatial pattern; prefecture-level city
中图分类号： F299.24
文献标识码： A
文章编号： 1007-6875(2019)02-0099-07
来稿日期： 2018-09-27
DOI： 10.13937/j.cnki.hbdzdxxb.2019.02.019
基金项目： 山东师范大学研究生科研创新基金项目“城市群内部协同发展比较研究——以京津冀和长三角城市群为例”(SCX201811)。
作者简介： 尹向来（1994—），男，山东栖霞人，地理学硕士生，主要研究方向为城市与区域经济。孙青（1995—），女，山东菏泽人，地理学硕士生，主要研究方向为区域可持续发展。吕雪梅（1994—），女，山东蓬莱人，地理学硕士生，主要研究方向为区域可持续发展。
（责任编辑：周吉光）
标签：基础设施论文; 超效率SBM模型论文; Malmquist指数论文; 空间格局论文; 地级市论文; 山东师范大学地理与环境学院论文;