導(dǎo)語：如何才能寫好一篇人口密度，這就需要搜集整理更多的資料和文獻，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、中國人口密度是世界上人口最多的國家。2013年底，在中國大陸上居住著136072萬人，約占世界總?cè)丝诘?9%。中國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。長期以來，由于我國缺乏對城鎮(zhèn)實體地域的統(tǒng)計劃分，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展?？v觀國外對城鎮(zhèn)實體地域的劃分經(jīng)驗，人口密度無疑是第一要素。

（來源：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)，分布著狹長的熱帶沙漠，氣候干旱。

3、南美洲有狹長的安第斯山脈，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)查對象：選擇濟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)查對象為健康（無發(fā)熱、皮疹、皰疹）的城鎮(zhèn)托幼機構(gòu)兒童和農(nóng)村散居兒童及其監(jiān)護人，見表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。在采樣地點和運送工廠中均備有裝有足夠冰塊的冷藏包，采集后冷凍保存。

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

檢測結(jié)果：第1次檢測結(jié)果：檢測基本情況：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性68份，總陽性率17.62%（68/386），均為其他型腸道病毒，未檢出EV71和COAX16型腸道病毒。陽性率結(jié)果，見圖1。

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

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

第2次檢測結(jié)果：檢測基本情況：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性70份，總陽性率17.63%（70/397），均為其它型腸道病毒，未檢出EV71和COAX16型腸道病毒。陽性率結(jié)果，見圖2。

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

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

主要做法

手足口病對嬰幼兒普遍易感，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)。托幼機構(gòu)和家長發(fā)現(xiàn)可疑患兒，要及時到醫(yī)療機構(gòu)就診，并及時向衛(wèi)生和教育部門報告，及時采取控制措施。輕癥患兒不必住院，可在家中治療、休息，避免交叉感染。

加強領(lǐng)導(dǎo)，提高認(rèn)識：中心領(lǐng)導(dǎo)高度認(rèn)識，成立了工作組。召開嘉祥、泗水兩縣主要專業(yè)人員參加的會議及培訓(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，中心予以物力、財力全力保障，及時購買了調(diào)查、采樣需要的物品，訂購了近1500人份的腸道病毒核酸檢測試劑。

做好宣傳工作：兩縣疾控中心專業(yè)人員深入托幼機構(gòu)班級、農(nóng)村衛(wèi)生室、農(nóng)村家庭面對面談話的方式，加大對調(diào)查工作的宣傳引導(dǎo)，通過廣泛的宣傳引導(dǎo)，提高了群眾對此項工作的認(rèn)識，促進了調(diào)查工作的順利進行。

加強現(xiàn)場調(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)傳染病科和檢驗科工作人員分別到現(xiàn)場指導(dǎo)調(diào)查工作，對兩縣市區(qū)采樣情況及質(zhì)量控制進行了督導(dǎo)。

表1 濟寧市嘉祥泗水兩縣健康人群腸道病毒檢測（第1次）

篇4

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

最大的人口容量1500萬人？

在京、滬、穗、深四大城市之中，羊城實行較寬松的戶籍管理政策，使得數(shù)以百萬計的外來人口容易跨越入戶門檻，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)劃咨詢與交通發(fā)展綱要（草案）專題評議會上，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、土地等負荷，“環(huán)境容量1200萬人是比較合適的”。按照鄒院士的觀點，廣州已逼近危險的容量極限。2007年2月9日，廣州市年度人口與計生工作會議與會者透露：根據(jù)專家測算，廣州面積為7434平方公里，最大人口容量為1500萬人，而目前廣州常住人口加流動人口將近1200萬，距離人口規(guī)模的“臨界點”已經(jīng)不遠。廣州市委書記朱小丹憂心忡忡地指出：“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)和分布問題，構(gòu)建和諧廣州、落實富民強市戰(zhàn)略也無從談起”。

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“難以為繼”敲響警鐘：地少人多的矛盾如不能解決，經(jīng)濟的持續(xù)健康增長將難以為繼；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”的消息后，提出并非杞人憂天的問題：如果人口容量滿負荷或突破極限，廣州會變成什么樣子？如果塞滿1500萬人，廣州會不會連站腳的地方都沒有呢？

廣州距離人炸還有多遠？

1990年～2006年16年間，廣州人口從630萬上升至1200萬人，人口規(guī)模翻一番，廣州距離人炸還有多遠？

羊城現(xiàn)有建成區(qū)面積7434平方公里，若按戶籍人口725萬計算，平均人口密度為975人/平方公里；若按常住人口1200萬計算，平均人口密度為1614人/平方公里。具體到區(qū)一級，按戶籍人口計算，老城區(qū)荔灣區(qū)人口密度高達3.2萬人/平方公里，越秀區(qū)竟高達4.7萬人/平方公里，原東山區(qū)為3.7萬人/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，人口密度高達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1萬人/平方公里，所以就老城區(qū)每平方公里數(shù)萬人的人口密度而言，廣州確實是一個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，驚呼廣州人炸為時尚早。

人口超過1500萬廣州人就要餓肚子？

專家認(rèn)為廣州的最大人口容量為1500萬人，這是否意味著羊城只能養(yǎng)活1500萬人，超過1500萬廣州人就要餓肚子？

筆者相信1500萬這個數(shù)字經(jīng)過了嚴(yán)肅認(rèn)真的計算，是一個客觀的可信的數(shù)字，但并不等于說廣州人口一旦突破1500萬，這座城市就要由大戶變成貧困戶。測算一個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)濟總量和發(fā)展前景等因素，是一個極復(fù)雜的計算體系。國土資源與人口增長的關(guān)系是互動的，一方面，人口的衣食住行要依靠資源；另一方面，資源的開發(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；二是樂觀論，稱為富饒理論。悲觀者認(rèn)為，人口與經(jīng)濟發(fā)展是有極限的，假若太接近極限，人口的死亡率便會大大提高，即使我們距離這種極限還很遠，人口與經(jīng)濟增長也應(yīng)該適時停止，因為空氣、水、礦產(chǎn)、土地以及可用能源等資源是有限的。樂觀者認(rèn)為，只有科技停止進步才會帶來人口的極限，人口與經(jīng)濟增長是有利的，應(yīng)該繼續(xù)下去，因為科技發(fā)展可以創(chuàng)造更多資源。故此，計算城市適居人口的標(biāo)準(zhǔn)不少，爭議很大，筆者搜遍資料也沒能找到公認(rèn)的權(quán)威的計算公式。

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1萬人/平方公里”的標(biāo)準(zhǔn)，廣州可容納2000萬人口。當(dāng)然，人口密度過大造成的垃圾、廢水、廢氣、噪音等污染非常嚴(yán)重，一個城市的人口規(guī)模必須控制在城市資源所能承載的合理范圍內(nèi)，但人口既是一種負擔(dān)也是一種“資源”，維持和優(yōu)化這種“資源”對廣州的未來才是至關(guān)重要重的。

1500萬人的極限值可否擴容？

前面說過，計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)濟方面，又有就業(yè)率、工資水平、消費形態(tài)、物價、國際貿(mào)易以及市民人均收入等。理論上，以人均收入來測算適居人口效果較好，人均收入最大時的人口數(shù)量便是適居人口，生活水準(zhǔn)也最高。

1980年廣州人口 為502萬，1982年520萬，1985年545萬，1990年630萬，2001 年1015萬，2006年1200萬，若用人均收入作為測算標(biāo)準(zhǔn)，不斷增長的人口不但沒有拖慢廣州經(jīng)濟騰飛的步伐，而且10年來每年超過10％的經(jīng)濟增長率和節(jié)節(jié)攀升的人均收入，似乎說明適度人口還未“封頂”，1500萬人口的極限值是不是存在擴容的可能性呢？

篇5

其實，雖然中國人口總量甚巨，但因為國土面積大，人口密度水平在世界上并不算高，根據(jù)聯(lián)合國的資料，中國人口密度在所有國家和地區(qū)中只排第73位。許多發(fā)達國家，例如英國、德國、荷蘭、意大利和瑞士，人口密度都遠高于中國。而且，中國單位國土面積的主要資源儲量也在世界處于中上水平，以人均主要資源論，中國更是在世界上處在中游位置，并不短缺。從理論上說，地球可以承載的人口數(shù)量肯定有一個極限值，超過這個值，地球就會顯得過分擁擠，但在實踐中，即使那些比中國人口密度大得多的國家，也還沒有遭遇到這個極限，更不用說中國了?？梢赃@么說，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經(jīng)濟制度導(dǎo)致的，而不是真的因為人口太多了。

有些人對此始終無法相信，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經(jīng)濟和民主國家，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，是中國的2.5倍！這些人得出結(jié)論說：可見人口太多，還是造成資源短缺的一個決定性因素。

然而，這些人忽視的事實是：世界上一些人口極為稀少的發(fā)達和準(zhǔn)發(fā)達國家，同樣擁有最擁擠的地鐵、最擁堵的街道。2008年，美國《時代》周刊曾把巴西圣保羅市評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，每年運輸量達24億人次(2009年數(shù)據(jù))，平均每公里地鐵年運輸80萬人次，在世界上僅次于東京地鐵，遠遠超過北京和上海。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家之一。不知道如果有些中國人去了圣保羅或者莫斯科，會不會感慨“巴西人太多了”或者“俄羅斯人太多了”？

造成“人太多”這種感覺的原因是多種多樣的，一個很重要的原因――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，是后工業(yè)時代的城市。后工業(yè)城市的特點，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，無論這些國家人口密度是高、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后發(fā)達的超大城市。

相反，早期形成的那些城市，無論是制造業(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)模都相對較小，人口密度相對較低?，F(xiàn)在有些朋友去歐美國家，經(jīng)常驚嘆他們“小國寡民”一樣的生活方式，容易產(chǎn)生歐美都是“地廣人稀”的錯覺。其實美國的人口密度并不小，而歐洲，很多國家的人口比中國人口密度高。我們不會發(fā)出“歐洲人太多”或“美國人太多”的感慨，是因為作為老牌資本主義發(fā)達國家，這些國家的城市化進程發(fā)生得比較早。美國的城市化率早在20世紀(jì)40年代就達到了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

中圖分類號：D917 文獻標(biāo)識碼：A

一、引言

改革開放三十多年來，我國經(jīng)濟持續(xù)快速增長，社會經(jīng)濟取得了顯著進步。然而，從中可以觀察到一個顯著而重要的社會現(xiàn)象：社會中的犯罪率持續(xù)上升。1978年全國的犯罪總數(shù)為50多萬起， 到 2007 年犯罪總數(shù)達到了484萬多起， 是 1978 年犯罪總數(shù)的9倍， 年均增長約8% 。對于如此巨大的犯罪增長， 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，而我國的研究卻僅有短短二十幾年的時間。改革開放以來，我國學(xué)者在犯罪原因的研究方面取得了很大成果。有部分學(xué)者以實證資料為基礎(chǔ)進行犯罪原因分析，但基于這方面的研究相對較少，且方法側(cè)重于描述統(tǒng)計，如麻澤芝、丁澤蕓（1999）對從相對喪失論的角度出發(fā)，從宏觀方面對流動人口財產(chǎn)性犯罪偏高的現(xiàn)象的原因進行研究；胡聯(lián)合等（2007）用一元線性回歸模型研究了貧富差距對犯罪的影響，認(rèn)為貧富差距對于犯罪總的來說有顯著影響；謝荻等（2006）則通過年省級截面數(shù)據(jù)研究了GDP、地區(qū)差異等對于犯罪的影響，結(jié)果顯示經(jīng)濟發(fā)展水平、貧富差異、開放程度等都對犯罪率有明顯影響。

從國內(nèi)學(xué)者的研究情況看，隨著我國犯罪率的不斷上升，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，國內(nèi)的研究文獻相對較少，而用定量方法研究犯罪率影響因素的文獻更不多見。但是這些研究要么考慮因素單一，要么研究的范圍太廣，從而無法得出一個較為可行的結(jié)論。

為了彌補以往文獻中的不足，本文選取1998-2010年中國省級數(shù)據(jù)，主要針對可能影響犯罪率的人口因素的三個方面如何影響刑事犯罪率隊東中西部地區(qū)分別進行分析。與前人的研究相比，本文的創(chuàng)新之處主要體現(xiàn)在如下幾個方面：第一，分別考慮人口因素的三個方面對犯罪的影響，而不僅僅局限于流動人口可能導(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而對實踐進行指導(dǎo)；第二，前人對于犯罪率的實證研究主要限于線性模型，但在現(xiàn)實中很多經(jīng)濟和社會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擬合可能會損失大量有價值的信息。本文選用非參數(shù)可加模型的方法進行研究，既保留線性信息也可以從非線性角度進行探索。

二、研究設(shè)計

（一）變量選取及數(shù)據(jù)來源。

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。下面分別進行簡要說明：

1、因變量。

本文的研究目的是揭示人口因素對刑事犯罪率的影響，因而選取檢察院每萬人批準(zhǔn)逮捕人數(shù)作為刑事犯罪率的變量?！缎淌略V訟法》規(guī)定， “公安部門逮捕犯罪嫌疑人必須經(jīng)過檢察機關(guān)的批準(zhǔn)”。因此， 檢察機關(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， 本文以每萬人檢察機關(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刑事犯罪率的影響。選取人口流動性、受教育程度和人口密度作為核心自變量。

人口流動性由省內(nèi)每萬人暫住人口數(shù)進行衡量。暫住人口數(shù)據(jù)來自公安部1998-2010年《全國暫住人口統(tǒng)計資料匯編》?！顿Y料匯編》中流動人口數(shù)據(jù)來源權(quán)威、統(tǒng)計口徑統(tǒng)一且連續(xù)性強， 是我國有關(guān)流動人口面板數(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)來源于《中國統(tǒng)計年鑒》。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，具體為每萬人文盲半文盲人數(shù)。（數(shù)據(jù)來自《中國人口統(tǒng)計年鑒》。）

3、控制變量。

為了便于比較和防止遺漏變量帶來的估計偏誤，需要引進一系列控制變量。而同時控制變量過多又會造成自由度的損失，所以根據(jù)相關(guān)理論并結(jié)合我國國情，在影響刑事犯罪率的諸多變量中選取若干個作為控制變量。

收入分配的不平等（Kell，2000）鼓勵了窮人從事更多的犯罪活動。大量實證研究都發(fā)現(xiàn)，失業(yè)（Wong，1995）確實對犯罪產(chǎn)生了顯著的影響。而警備力量的加強意味著罪犯被得到懲罰的可能性提高進而提高犯罪的機會成本。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。

本文實證部分所用的變量及其符號如表1所示。研究所用的數(shù)據(jù)為1998-2010年全國30個省、自治區(qū)、直轄市的省級面板數(shù)據(jù)。（相關(guān)未說明來源的數(shù)據(jù)均來自各省統(tǒng)計年鑒和《中國統(tǒng)計年鑒》。）

（二）估計方法及模型設(shè)定。

前人的文獻在研究犯罪率的影響因素時大多采用線性參數(shù)回歸模型，但是，現(xiàn)實中人口因素對刑事犯罪率的影響是復(fù)雜的。經(jīng)濟和社會系統(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，且不能有效刻畫人口因素的非線性影響，因而實證研究的結(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――可加模型對人口因素和刑事犯罪率之間的關(guān)系進行擬合。

1、可加模型介紹。

2、模型設(shè)定。

三、實證結(jié)果及分析

分別對東部10個省份、中部9個省份、西部11個省份進行可加模型估計，線性影響結(jié)果見表，非線性影響結(jié)果見表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，對東部地區(qū)來說，與中部地區(qū)類似，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%的顯著性下通過檢驗。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)城市化進程發(fā)展快，人口密度大對犯罪分子起到一定的監(jiān)督和遏制作用，同時教育普及有利于提高人們的法律意識和素質(zhì)水平，從而降低犯罪率。

第二，對中部地區(qū)來說，受教育水平的系數(shù)顯著為負，人口密度的系數(shù)顯著為正。這可能是因為中部正處于城市化加快發(fā)展時期，人口擁擠，引發(fā)了關(guān)于爭奪生存空間和教育機會等資源福利的一系列問題，反而抵消了教育的普及帶來的正面影響。同時人口流動性的系數(shù)為正且不顯著，這說明流動性對中部地區(qū)的犯罪率影響不明顯。

第三，對西部地區(qū)來說，人口流動性的系數(shù)顯著為正，即流動人口增多時，會導(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會。同時，受教育水平和人口密度的系數(shù)為正，但不顯著，說明西部地區(qū)人口的這兩種特性對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，各個變量從不同的程度分別對各個地區(qū)的犯罪率均有一定的線性影響。比如代表經(jīng)濟發(fā)展水平水平的人均GDP在東部和中部地區(qū)對于犯罪率的影響顯著為正，可能的原因是伴隨著經(jīng)濟發(fā)展，社會中分配不公的現(xiàn)象越來越多，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，這說明東中部地區(qū)社會保險對居民儲蓄更多地表現(xiàn)為線性影響。

圖1～3分別描述了各個地區(qū)的每種人口因素對犯罪率的非線性影響，這些非線性結(jié)果可以進一步補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，到一定程度又開始下降，呈現(xiàn)M型的趨勢；而在中部地區(qū)，只有人口流動性具有較顯著的非線性影響，其它人口因素均無明顯的非線性影響，隨著流動性的增加，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；對西部地區(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。

從圖形的形狀來看，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隨機變量合成的分布，可能是兩個未知變量綜合作用的結(jié)果，如何找出這兩個變量在現(xiàn)實中是十分有意義的。

四、結(jié)論

本文用非參數(shù)可加模型分析了我國人口因素和刑事犯罪率的關(guān)系，并具體分析了每個人口因素對我國不同區(qū)域犯罪率的線性和非線性影響；從而探討了影響我國各個區(qū)域刑事犯罪率的深層次原因。實證結(jié)果表明每一人口因素對不同區(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犯罪率存在顯著影響。受教育程度和人口密度對犯罪率分別存在顯著為正和為負的線性影響，同時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。

2、中部地區(qū)：只有受教育程度和人口密度對犯罪率存在顯著影響。受教育程度和人口密度對犯罪率分別存在顯著為負和為正的線性影響，同時人口流動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。

3、西部地區(qū)：只有人口流動性存在顯著為正的線性影響。受教育程度和人口密度對于犯罪率的影響都為正但不顯著。同時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。

從實證結(jié)果所蘊含的經(jīng)濟和社會內(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治安水平，降低犯罪率的有效措施。同時，從實證結(jié)果可以看出：在我國的東、中、西部不同地區(qū)，人口因素對犯罪率的影響無論是線性還是非線性都存在不小的差異，這就要求相關(guān)部門在制定或修正人口政策時，必須充分考慮這種地區(qū)差異性，而不宜在全國范圍內(nèi)框定統(tǒng)一的標(biāo)準(zhǔn)。

（作者單位：廈門大學(xué)）

注釋：

在中國，關(guān)于犯罪的數(shù)量沒有系統(tǒng)公開的數(shù)據(jù)，尤其是分省的數(shù)據(jù)。不系統(tǒng)但偶爾可見的犯罪數(shù)據(jù)有4種不同的口徑：公安局報告抓獲犯罪嫌疑人的數(shù)量、檢察院統(tǒng)計批準(zhǔn)逮捕的犯罪嫌疑人數(shù)量、法院報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。包含公安機關(guān)提請逮捕和檢察機關(guān)自偵決定逮捕的犯罪嫌疑人數(shù)量、包含法院沒有足夠證據(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。公安機關(guān)抓獲的犯罪嫌疑人數(shù)量偏大且沒有包含檢察機關(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：

[1]麻澤芝，丁澤蕓.相對喪失論――中國流動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穩(wěn)定的？[J].江西社會科學(xué)，2007（9）.

[3]李雪增，朱崇實.養(yǎng)老保險能否有效降低家庭儲蓄――基于中國省級動態(tài)面板數(shù)據(jù)的實證研究[J].廈門大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2011（3）.

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

[5]潘越，杜小敏.勞動力流動、工業(yè)化進程與區(qū)域經(jīng)濟增長――基于非參數(shù)可加模型的實證研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，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)境影響評價

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，滬、浙資本的大量引入、土地成片開發(fā)的不斷發(fā)展，隨之出現(xiàn)了一些不容忽視的問題，如土地資源浪費和退化嚴(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和相互作用形成的一種自然資源，也是人們進行工、農(nóng)、園、林業(yè)生產(chǎn)的基礎(chǔ)。不同類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。

隨著各項開發(fā)活動的迅速發(fā)展，現(xiàn)階段對土地的需求日益加重，現(xiàn)有的可開發(fā)土地已不能滿足長期發(fā)展的需要。但如果對所要開發(fā)的土地及整個自然環(huán)境認(rèn)識不清，忽略其自然環(huán)境的承受能力以及土地使用的適宜性。過度開發(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)境負效應(yīng)。所以要科學(xué)、合理的開發(fā)使用土地資源，就應(yīng)該對土地進行生態(tài)適宜性分析。土地的生態(tài)適宜性分析是規(guī)劃環(huán)境影響評價中資源與承載力分析的一部分。生態(tài)適宜性主要考慮開發(fā)區(qū)域內(nèi)各個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、自然環(huán)境等不同量綱的因子進行綜合系統(tǒng)分析。

因子加權(quán)評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)相加的缺點以及地圖重疊法中的繁瑣的照相制圖過程。

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。然后將這組因子看作一個獨立的新因子與其他因子進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)因子過多時，采用層次組合法要方便得多。

2 項目區(qū)概況

本文所指的項目區(qū)位于福建東北部。項目所在區(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℃，歷年平均年無霜期約280天。多年平均降雨量1790.3mm。項目所在區(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月為臺風(fēng)雷雨季節(jié)。

項目區(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，地勢比降大。省道沙呂線從項目區(qū)中穿過，公路以西的是地塊規(guī)整的原國營鹽場，地表平坦；公路以東是水產(chǎn)養(yǎng)殖區(qū)，地勢為西北向東南傾斜。

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)和土地利用評價值。

3.2 土地利用評價

土地利用現(xiàn)狀評價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。參照其他研究成果，土地條件等級一般可分5級，如表1所示。

表1 土地開發(fā)利用分類分級表

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

S為綜合評價值，可通過與平衡點的比較來確定開發(fā)適宜程度。當(dāng)S>S平，表示開發(fā)不足；若S=S平，表示開發(fā)平衡；若S

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

地塊1現(xiàn)為農(nóng)田，項目區(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，項目區(qū)建成后作為二類居住用地；

地塊3現(xiàn)為鹽場，項目區(qū)建成后作為工業(yè)用地；

地塊4現(xiàn)為蝦塘，項目區(qū)建成后作為工業(yè)用地、污水處理廠用地、會展中心和區(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，項目區(qū)建成后作為二類居住用地和商業(yè)金融中心。

人口密度依據(jù)項目規(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％。評價結(jié)果見表3。

表3 土地利用現(xiàn)狀評價結(jié)果

由該表可見，在6個地塊中，地塊1和地塊3開發(fā)平衡，其他地塊開發(fā)過度。

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

參照同類研究，將生態(tài)適宜度分為5級，每級的含義分別為：

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

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

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

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

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

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，評價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)量以及土地開發(fā)利用綜合評價值等4個因子作為評價工業(yè)用地的因子。各單因子分級評分如表4所示。

注：大氣質(zhì)量指數(shù)根據(jù)本次監(jiān)測，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價值。綜合評價值RG分級如下：

很不適宜：

表5為工業(yè)用地適宜度評價結(jié)果。由該表可見，在劃分的6個網(wǎng)格中，地塊6在規(guī)劃中為生活區(qū)，評價結(jié)果不適宜作為工業(yè)用地。

表5 項目區(qū)工業(yè)用地適宜度評價結(jié)果

3.3.3 生態(tài)滿意度分析

生態(tài)滿意度指標(biāo)中，核心是把握住環(huán)境保護和發(fā)展經(jīng)濟之間相互協(xié)調(diào)的關(guān)系，為了分析項目區(qū)各項指標(biāo)的滿意程度，評價中參考有關(guān)資料，結(jié)合我國大城市的指標(biāo)作為比較，以此劃分滿意指標(biāo)，本次評價采用下列5個指標(biāo)進行評價。

3.3.3.1人口密度（S1）

城著城市化進程的加快，城市人口密度也不斷增加，區(qū)域評價的人口密度以城市人口密度進行評價，人口密度過大，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，本次評價以小于或等于15000p/km2作為完全滿意的指標(biāo)，而將30000p/km2作為完全不滿意指標(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為完全滿意度，而以人均居住面積小于18m2作為完全不滿意度，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)類比資料，評價中以人均第三產(chǎn)業(yè)建筑面積6m2是完全滿意的，而2m2則認(rèn)為是完全不滿意的，建立了如下函數(shù)關(guān)系：

城市生態(tài)系統(tǒng)是一個不完全的生態(tài)系統(tǒng)，它沒有“生產(chǎn)者”，也缺少足夠的“分解者”，故要使一個城市生態(tài)系統(tǒng)能夠滿意地正常運轉(zhuǎn)，則需將大量的能源物資從區(qū)界外運進，再將大量的廢物從區(qū)中運出，因此城市交通道路是非常重要的一個因素。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%，都達到了一個較高水平。根據(jù)有關(guān)部門制定的要求，可以將道路覆蓋率達20%作為完全滿意的指標(biāo)，而將道路覆蓋率低于10%作為完全不滿意指標(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)中的一個重要指標(biāo)。縱觀世界上城市生態(tài)質(zhì)量高的城市，無不以大面積的人均公共綠地作為其顯著特點。例如華沙的人均公共綠地達70m2/人，華盛頓的人均公共綠地達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101.8×104m2，人均綠地面積為8.9m2，遠期至2010年綠地面積達150.0×104m2，人均綠地面積10.3m2。將該項目的人均公共綠地以12m2作為完全滿意；而將人均公共綠地面積低于6 m2確定為完全不滿意度，建立函數(shù)關(guān)系如下：根據(jù)上述情況，我們可以將5個指標(biāo)的完全滿意和完全不滿意的標(biāo)準(zhǔn)建立起來，這樣通過計算，就可以將具體的指標(biāo)變?yōu)槌橄蟮臒o量綱指標(biāo)，能夠更加清楚地看出項目區(qū)的生態(tài)滿意度評價結(jié)果。見表6。

表6 項目區(qū)生態(tài)滿意度評價結(jié)果

由表6可知，就評價的指標(biāo)來看，項目區(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到了完全滿意的程度。但是，工業(yè)園內(nèi)的道路覆蓋率為10.6%，滿意度為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

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，基本上實現(xiàn)了區(qū)域環(huán)境影響評價中的土地生態(tài)適宜性分析對區(qū)域規(guī)劃布局的指導(dǎo)作用。

參考文獻：

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

[2] 傅伯杰.土地評價的理論與實踐[M].北京:科學(xué)技術(shù)出版社,2000.

[3] 朱坦.開發(fā)區(qū)區(qū)域環(huán)境影響評價與規(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)濟增長

一、Kuznets倒U理論綜述

Kuznets倒U理論(U-curve)于美國經(jīng)濟學(xué)家Kuznets在 1955 年發(fā)表的《經(jīng)濟發(fā)展與收入不平等》的論文中提出。其主旨是在轉(zhuǎn)型式增長階段，經(jīng)濟增長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)文明過渡的經(jīng)濟增長早期迅速擴大，爾后短暫穩(wěn)定，在增長后期逐漸縮小。至于倒U形現(xiàn)象出現(xiàn)的原因，一方面，經(jīng)濟發(fā)展的早期，儲蓄和積累都集中在少數(shù)人手里，資本積聚和集中導(dǎo)致了財富向富裕者積累；另外，城市化和工業(yè)化是一國發(fā)展過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)濟中不平等因素的增加，使得收入不平衡的狀況在經(jīng)濟發(fā)展的早期趨于惡化。隨著經(jīng)濟的發(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形曲線的計量經(jīng)濟學(xué)實證分析

1.模型設(shè)定

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

(2)數(shù)據(jù)選擇:如果采用一國的時間序列數(shù)據(jù)來驗證倒U形假設(shè)，一則某一國家的完整的時間序列數(shù)據(jù)的取得相對困難，二則選取的國家所經(jīng)歷的經(jīng)濟發(fā)展階段應(yīng)有相當(dāng)時間跨度以包含足夠的經(jīng)濟增長階段而達到倒U曲線對隱含時間軸的要求。參考前人的研究成果，考慮到世界上各個國家的經(jīng)濟發(fā)展階段有明顯的差異，我們假設(shè)不同國家所處的不同經(jīng)濟發(fā)展階段相當(dāng)于一個國家所處的不同發(fā)展階段，從而把倒U理論由動態(tài)的歷史過程變?yōu)閲鴦e的靜態(tài)現(xiàn)象。

本文采用了45個經(jīng)濟發(fā)展水平各異的國家的經(jīng)濟數(shù)據(jù)，包括1997年公共教育支出占GNP的百分比;1999年社會服務(wù)支出與總支出之比;1999年人均GNP;1997年補貼和其他經(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)濟理論和對經(jīng)濟現(xiàn)象的觀察，除經(jīng)濟發(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），社會保障水平（以“社會服務(wù)支出占總支出的百分比”、“補貼和其他經(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基尼系數(shù)的影響，把對基尼系數(shù)有顯著影響的因素引入模型，通過假設(shè)檢驗后作為原模型的最終擴充改良模型。

2.原始模型的估計

作基尼系數(shù)對人均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)定為二次對數(shù)函數(shù)形式(（LNGNP）2表示為LNGNP2）:LNY=C+B1LNGNP+B2(LNGNP)2+ui。SPSS軟件主要輸出結(jié)果如表1?？梢姡司鵊NP的一次項系數(shù)為正，二次項系數(shù)為負――擬合的二次曲線為倒U形態(tài)，此回歸模型驗證了Kuznets倒U理論。修正模型回歸系數(shù)的t檢驗結(jié)果顯示數(shù)B1,B2顯著性，F(xiàn)檢驗結(jié)果也表明此回歸模型具有統(tǒng)計意義。

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LN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?；趯Ψ匠探?jīng)濟含義的認(rèn)識,方程仍然保留LNGNP和LNGNP2兩個變量。對調(diào)整模型進行異方差檢驗：

(1)Goldfeld-Quanadt檢驗:LNGNP升序排序前、后17項數(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:作對解釋變量的組合對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檢驗結(jié)果摘用表格形式表示如下:

由以上三個異方差檢驗綜合判斷,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充模型

考慮到人口、教育因素、以及政府補貼和轉(zhuǎn)移支付對基尼系數(shù)的影響，分別做基尼系數(shù)對人口總量、人口密度、公共教育支出占GDP的百分比、社會服務(wù)支出占總支出的比率、補貼和其他經(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，它們對基尼系數(shù)的影響比較明顯。考慮到各個變量的經(jīng)濟含義,做基尼系數(shù)對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數(shù)形式引進原模型，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的對數(shù)形式）?；貧w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，證實了我們的猜測，其原因原因可能是教育支出收效的嚴(yán)重滯后性。鑒于教育支出比對數(shù)對基尼系數(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，又無先驗信息變換模型形式的情況下，從計量經(jīng)濟學(xué)的角度出發(fā)本文無法證明教育支出比對基尼系數(shù)存在顯著的影響。最后對原模型的改進模型為：

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的一次項系數(shù)為正，二次項系數(shù)為負，驗證了Kuznets倒U理論。同時,人口密度的系數(shù)為負,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檢驗也表明此回歸模型具有統(tǒng)計意義。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，對該模型進行殘差自相關(guān)(Durbin-Watson)檢驗。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

筆者按照類似于上文調(diào)整模型的異方差檢驗的步驟，對擴充模型進行了異相關(guān)檢驗。原始模型經(jīng)過異方差White，Goldfeld-Quanadt，及Glejser檢驗，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，社會服務(wù)支出、男（女）文盲率等數(shù)據(jù)不全，因此對數(shù)據(jù)分析的結(jié)論有一定影響。同時，筆者做了人口密度對收入差距(基尼系數(shù))的影響的分析，雖然我們得到的結(jié)論是人口密度對收入差距有負的影響，但這僅是針對本文所采用的數(shù)據(jù)得到的結(jié)論，并未得到更多的理論證明。

根據(jù)我們的計量模型回歸結(jié)果，基尼系數(shù)與人均GNP增長之間存在倒U型曲線關(guān)系，其二次項系數(shù)為負，可以得出結(jié)論:經(jīng)濟增長方面的因素的確顯示出對收入差距的先擴大，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變量的符號為負，在單獨進行解釋變量對基尼系數(shù)的一元回歸時，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的顯著性水平下對基尼系數(shù)有影響，雖在引進包含人均GNP及其二次方的模型時被剔除，但也提示男性文盲率和公共教育支出對收入差距的負的影響，說明受教育有助于減少收入差距。在收入再分配和社會保障方面，社會服務(wù)支出的符號為正，有利于減少收入差距這一經(jīng)濟現(xiàn)象，而社會服務(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。而補貼比率這個解釋變量在一元回歸時符號為負，并且t值超過了1，提示補貼和轉(zhuǎn)移支付可能有助于減少收入差距。

參考文獻:

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

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

[3]宮建平:對我國居民收入差距的思考，2006

[4]譚崇臺主編:發(fā)展經(jīng)濟學(xué)概論.武漢大學(xué)出版社

篇9

改革開放以來，我國實施了一系列經(jīng)濟體制改革，中國經(jīng)濟在不斷高速發(fā)展。隨著綜合國力的不斷攀升，全社會對基本公共服務(wù)的需求也在高速增長，然而在經(jīng)濟飛速發(fā)展的同時卻是公共服務(wù)供給不足、效率不高。西方財政分權(quán)理論認(rèn)為，地方政府由于具有信息、成本優(yōu)勢，由地方提供地方性公共產(chǎn)品更有效率，因此通過財政分權(quán)可以提高公共服務(wù)的供給質(zhì)量與效率。但是在中國，與財政分權(quán)相伴的是政治上的集權(quán)，自上而下的垂直管理、中央對地方政府官員的政績考核方式方法、“用腳投票”機制的失靈等制度安排使得地方政府的財政支出偏好不受公眾的約束，進而影響地方政府對基本公共服務(wù)的供給水平（傅勇，2008；李齊云&劉曉勇，2010；鄭磊，2008）。隨著我國綜合國力的不斷提升，中央及地方政府越來越重視公共服務(wù)，對公共服務(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，除了財政分權(quán)，相關(guān)經(jīng)濟及制度因素是否會對地方公共服務(wù)供給產(chǎn)生影響?；谝陨蠁栴}，本文采用2001～2015年中國30個行政區(qū)（省、自治區(qū)、直轄市）的面板數(shù)據(jù)，建立空間計量回歸模型，在分析財政分權(quán)對地方公共服務(wù)供給的影響的同時，加入地方經(jīng)濟發(fā)展水平、政府規(guī)模、轉(zhuǎn)移支付、人口密度等控制變量，對全國及東、中、西分區(qū)域考察財政分權(quán)和相關(guān)經(jīng)濟變量對地方政府公共服務(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)生與計劃生育、社會保障與就業(yè)3項基本公共服務(wù)支出之和來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)支出來表示地方的實際公共服務(wù)供給水平。

2. 解釋變量

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

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

（2）經(jīng)濟發(fā)展水平（pgdp）。本文以人均GDP表示地方經(jīng)濟發(fā)展水平。經(jīng)濟越發(fā)達，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。本文用地方財政支出之和與其GDP的比值來度量地方政府規(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，因此人口密度對基本公共服務(wù)供給的影響有待檢驗。

（二）模型的建立與數(shù)據(jù)來源

Anselin&Bera（1998）指出，對經(jīng)濟學(xué)問題進行研究時不能忽視空間相關(guān)性，否則將產(chǎn)生“偽回歸”問題。故本文選用常用的空間回歸模型進行計量分析。

（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為隨機誤差項向量。

（2）空間誤差回歸模型

y=Xβ+ε且ε=λWε+μ（3）

式中，ε為隨機誤差項向量，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)分布的隨機誤差項。

文中數(shù)據(jù)為2006～2015年我國30個省、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)主要來源于《中國統(tǒng)計年鑒》和《中國財政統(tǒng)計年鑒》。

三、實證檢驗結(jié)果與分析

通過對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行分析。

從表1的回歸結(jié)果可以得到，財政分權(quán)在5%的顯著性水平下通過檢驗，并且財政分權(quán)前的系數(shù)為負，這意味著財政分權(quán)程度的增加會反而會降低基本公共服務(wù)的供給水平。這說明由于我國財政分權(quán)改革是自上而下的，中央對地方政府官員的政績考核常以經(jīng)濟指標(biāo)為考核對象，所以地方政府以追求高速增長的GDP為發(fā)展對象，而忽視了公共服務(wù)供給水平的改善。經(jīng)濟發(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檢驗，且與基本公共服務(wù)呈正向變動關(guān)系，表明隨著經(jīng)濟的發(fā)展和政府規(guī)模的不斷擴大，能夠為基本公共服務(wù)的供給提供有力的資金保障，同時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，因此本文分別對東、中、西部地區(qū)進行空間回歸分析。由表2可以得到，在東部地區(qū)，財政分權(quán)對基本公共服務(wù)供給呈正向變動關(guān)系，而在中部和西部地區(qū)，財政分權(quán)前系數(shù)為負，說明我國在目前的激勵機制下，當(dāng)?shù)胤秸芍涫杖胛催_到一定水平時，會優(yōu)先進行基礎(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，地方政府才會讓出更多的財政支出用于改善公共服務(wù)的供給。同時由于東部地區(qū)聚集了國內(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)療和社會保障等方面的支出，以留住優(yōu)秀人才，從而為其經(jīng)濟發(fā)展創(chuàng)造更為優(yōu)越的環(huán)境。

同時我們可以看到，在東部地區(qū)人口密度對公共服務(wù)供給呈正向關(guān)系，但在中、西部地區(qū)該系數(shù)為負，說明在經(jīng)濟未發(fā)展到一定程度時，較高的人口密度將會導(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)英國官方統(tǒng)計，持續(xù)五天的霧霾造成5000多人喪生，在大霧過去之后的兩個月內(nèi)又有8000多人因相關(guān)疾病死亡。這次災(zāi)難促使英國政府下定決心治理城市空氣污染，用20年時間摘掉了倫敦“霧都”的帽子。

從倫敦治霧的經(jīng)驗看，最重要的是政府要下決心，準(zhǔn)備為環(huán)境保護付出必要的成本。歷史上，英國是以自由放任模式實現(xiàn)城市化進程的。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的燃煤為主。在倫敦治霧的過程中，政府通過立法，決心不計成本地減少煤煙排放。

1956年，英國通過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，以便污染物擴散。同時，為減少居民生活煤煙，倫敦市政府下大力氣推進居民生活天然氣化，逐步實現(xiàn)冬季集中供暖。在此基礎(chǔ)上，1968年以后，英國又出臺一系列空氣污染防控法案，對其他廢氣排放進行嚴(yán)格約束，制定明確的處罰措施。這些舉措無疑會增加企業(yè)生產(chǎn)和居民生活的成本，但是為了治理空氣污染則沒有討價還價的余地。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年進一步降到5天。

但是，上述措施能夠見效，還有更深的原因。對于倫敦這樣的國際大都會而言，必須建立城市規(guī)模的環(huán)境承載力概念。這是因為，當(dāng)人口總量和密度超過一定限度的時候，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)達國家大城市中是比較靠前的。但是與我國大城市相比，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，同期北京中心區(qū)常住人口超過1020萬，上海超過1360萬。如果考慮流動人口因素，這種差距還可能進一步擴大?？v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，與社會資源過度集中、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)劃與管理方面對環(huán)境承載力重視不足。

在這方面，戰(zhàn)后英國的很多做法值得借鑒。第一，通過大城市周邊的“新城”建設(shè)，有效降低城市中心區(qū)的人口密度。1945年，英國啟動政府主導(dǎo)的新城建設(shè)運動。到上世紀(jì)70年代中期，已經(jīng)建立33個新城，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，倫敦開始對私家車征收擁堵費，用以補貼公交建設(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發(fā)，無疑會帶來巨大的經(jīng)濟效益，但同時會給城市環(huán)境帶來負面影響。在這方面，以精明著稱的英國人做出的無疑是明智的選擇。