二、划分城市基本和非基本活动的方法
城市经济基础理论中关于区分城市经济活动的基本和非基本部分的观念是简单明了的,但是具体区分起来却不那么容易。这里按发展顺序介绍几种
有代表性的方法。1.普查法
通过发调查表和现场访问获得每一个企业和单位基本和非基本活动的信息,最后都折合成职工数,进而得到整个城市的 B/N。这一方法虽然可以得到比较准确的结果,但整个调查过程非常繁琐、冗长和乏味。当城市规模较大时,工作量浩翰异常,如果想同时对比研究几个城市,简直就无法靠个人的力量得到第一手资料。
- 残差法
这是霍伊特为了简化直接调查的程序而提出的一种间接方法。他先把已经知道的以外地消费和服务占绝对优势的部门,作为基本部分先分出来,不再过细地区分内部可能包含的非基本部分。然后从基本活动不占绝对优势的部门职工中,减去一个假设的必须满足当地人口需要的部分。他假设的比例为 1:1。
我国城市规划在调查基本人口时,为了简化过程也有采用这一方法的。不过为了比较准确起见,常常是分别和有关的主管部门共同讨论,估计出每个部分的基本/非基本的合适比例。
- 区位商法(或宏观法)
这个方法的实质是认为全国行业的部门结构是满足全国人口需要的结构,因此各个城市必须有类似的劳动力行业结构才能满足当地的需要。低于这一比重的部门,城市需从外地输入产品或取得服务。当城市某部门比重大于全国比重时,认为此部门除满足本市需要外还存在基本活动部分。大于全国比重的差额即该部门基本活动部分的比重,把各个部门和全国平均比重的正差额累加,就是城市总的基本部分。
马蒂拉(J. M. Mattila)和汤普森(W. R. Thompson)首先提出这种方法,其数学表达式为
L = ei / et
i=1, 2, 3, ,n
(1)
Ei / Et
式中ei 为城市中 i 部门职工人数;et 为城市中总职工数;Ei 为全国 i 部门职工数; Et 为全国总职工数。
Bi 为区位商。 L i 大于 1 的部门是具有基本活动部分的部门。
B == e - Ei ·e
(2)
i i t
t
Bi 为剩余职工指数。 Bi 小于 0,则此部门只为本地服务; Bi 大于 0,则
Bi 为 i 部门从事基本活动的职工数。
B = ∑ Bi (Bi >0 ) (3)
i=l
B 为城市中从事基本活动的总职工数。
区位商法大大简化了区分城市基本和非基本部分的复杂过程。
但是,区位商法的假设只有在国家没有外贸出口和全国各城市都有相同的生产率和消费结构的前提下才能成立。对于重要的出口部门,用全国比重去衡量城市满足本地需要的部分,显然标准就偏高了。城市之间在同一部门生产率的实际差别和消费习惯的不同也会影响计算的准确性。
- 正常城市法
瑞典地理学家阿历克山德森在评价区位商法时,举例道:美国汽车工业职工占全国的 1.5%,但只有 12%的城市能有这么高的比例,最高的底特律为 20%,而 70%的城市只有 0.2%甚至更少。那么,1.5%的全国平均比重究竟意味着什么呢?很难说清。为此,阿历克山德森在 1956 年研究美国城市经济结构时企图为各部门寻找一个“正常城市”作为衡量所有城市应有的非基本部分的标准。低于这一标准的部门,只为本地服务,在这标准以上的部分,是城市的基本活动部分。
阿历克山德森收集了美国 864 个 10 000 人以上城市的职工资料,按 36
个部门计算了每个城市的职工构成百分比。分别把每个部门的 864 个城市按职工比重从小到大排列起来,并据此画成各部门职工百分比的累积分布图。他经过大量的对比,最后确定选取各部门序列中第 5 个百分位(即第 43 位城市)城市的职工比重作为该部门满足本地需要的正常比重,并称之为 K 值。超出 K 值的部分为基本活动部分。
36 个部门的 K 值加起来一共是 37.7%(表 6-1)。意味着美国城市当时为本市服务的“正常的”职工比重应该在 37. 7 %左右,即 B/N 约 1:0.6。
阿历克山德森在大量的城市中寻找一个所谓“正常城市”的思想颇有新意。然而,尽管他在研究中曾尝试使 K 值分别取第 1 个百分位(即第 9 个城市)和第 5 个百分位城市的职工比重(表 6-1),经过大量对比,最后选用了第 5 个百分位,但这仍然带有较大的主观性,很大程度上是经验性的决定。在实际上,接近于作者想象中的具有 37.7%非基本部分的所谓“标准结构” 的城市,都是人口为 1—5 万的小城市。连他本人也为此提出疑问,这样选择出来的 K 值是否适合于内部交换比小城市大得多的较大城市。
莫里塞特(I.Morrisset) 1958 年在阿历克山德森研究的基础上继续进
行工作,从原来 864 个城市中删去了 123 个部门结构比较特殊的城市,余下
的 741 个城市再分成美国东北部和西南部两个地区,又把每个地区中所包括
的城市分成 7 个规模组,分别找出了 36 个部门每个规模组城市的 K 值(表 6
-2)。分析得到了两个重要结果:
-
K 值在经济发展水平不同的地区是有差别的。经济发展较早,制造业高度专门化的美国东北部城市,除了制造业以外,其它部门的非基本部分的比重(K 值)都比发展历史相对较晚、城市密度相对较小的南部和西部要低;
-
各部门的 K 值以及 K 值的和,无论在美国东北部或南部和西部地区,都随着城市规模级别的上升而提高,进一步证实了随着城市规模的增加, 城市的非基本部分一般也相应增加。这也就说明,阿历克山德森对 864 个从1
万人到数百万人的庞大城市体系,统统使用第 5 个百分位的“正常城市”作为标准划分基本/非基本活动是不可取的。
表 6-1 阿历克山德森 36 个部门的 K 值
部 门 |
K1 (1 %) |
K (5 %) |
部 门 |
K1 (1 %) |
K (5 %) |
---|---|---|---|---|---|
采矿业 |
0 |
0 |
邮电业 |
0.4 |
0.6 |
建筑业 |
2.6 |
3.5 |
公用事业 |
0.6 |
0.9 |
木材加工、家具工业 |
0 |
0 |
批发商业 |
0.9 |
1.4 |
冶金工业 |
0 |
0 |
食品零售商业 |
2.3 |
2.7 |
金属加工工业 |
0 |
0 |
餐馆和啤酒馆 |
1.8 |
2.1 |
一般机械制造 |
0 |
0.1 |
其它零售商业 |
6.3 |
8.0 |
电机工业 |
0 |
0 |
金融信用业 |
1.2 |
1.8 |
汽车工业 |
0 |
0 |
事务服务业 |
0.1 |
0.2 |
其它运输机械 |
0 |
0 |
修理业 |
0.8 |
1.1 |
其它耐用品制造 |
0.1 |
0.2 |
仆役 |
1.0 |
1.3 |
食品工业 |
0.3 |
0.7 |
旅馆业 |
0.2 |
0.3 |
纺织工业 |
0 |
0 |
其它个人服务 |
1.7 |
2.1 |
缝纫工业 |
0 |
0 |
娱乐业 |
0.5 |
0.7 |
印刷工业 |
0.5 |
0.7 |
医疗服务 |
1.3 |
1.8 |
化学工业 |
0 |
0.1 |
教育 |
2.2 |
2.6 |
其它非耐用品制造 |
0 |
0.1 |
其它职业性服务 |
1.8 |
1.2 |
铁路运输业 |
0.2 |
0.4 |
行政机关 |
1.7 |
2.1 |
汽车货运业 |
0.3 |
0.5 |
总计 |
28.3 |
37.7 |
其它运输业 |
0.3 |
0.5 |
表 6-2 美国各部门职工比重、阿历克山德森的 K 值和莫里塞特的 K 值比较表
部 门 |
全国的百分比值 |
阿历克山德森的K 值 |
莫 里 塞 特 的 K 值 |
|||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
东 北 部 |
南 部 和 西 部 |
|||||||||||||||
10 |
25 |
50 |
100 |
250 |
500 |
1000 |
10 |
25 |
50 |
100 |
250 |
500 |
1000 |
|||
矿业 |
0.9 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
建筑业 |
6.2 |
3.5 |
2.4 |
2.7 |
3.0 |
3.4 |
3.8 |
4.0 |
4.2 |
4.2 |
4.4 |
4.6 |
5.0 |
5.7 |
6.1 |
6.4 |
耐用品制造业 |
15.9 |
0.3 |
0.4 |
0.8 |
1.1 |
1.7 |
3.4 |
5.4 |
5.7 |
0.3 |
0.3 |
0.5 |
0.8 |
1.6 |
2.5 |
3.5 |
非耐用品制造业 |
14.2 |
1.6 |
1.2 |
1.4 |
1.8 |
2.4 |
3.7 |
5.3 |
5.8 |
1.3 |
1.6 |
1.7 |
2.1 |
3.1 |
4.8 |
6.2 |
运输和公用事业 |
9.2 |
2.9 |
2.4 |
2.7 |
2.9 |
3.1 |
3.8 |
4.6 |
5.4 |
2.9 |
3.2 |
3.5 |
4.1 |
5.1 |
5.9 |
7.6 |
商业 |
22.6 |
14.2 |
12.7 |
14.2 |
13.9 |
14.7 |
16.4 |
17.6 |
18.0 |
15.2 |
15.7 |
16.5 |
17.7 |
19.8 |
21.2 |
21.7 |
服务业 |
30.8 |
15.2 |
12.4 |
13.3 |
14.1 |
15.4 |
17.5 |
18.7 |
19.5 |
15.0 |
16.0 |
16.9 |
18.2 |
21.4 |
23.3 |
24.8 |
总计 |
100 |
37.7 |
31.5 |
34.1 |
36.8 |
40.7 |
48.6 |
55.6 |
58.7 |
38.9 |
41.2 |
43.7 |
47.9 |
56.8 |
64.3 |
71.0 |
来源: I.Morrisset , 1958 。原表中 36 个部门这里归并简化为 7 个大部门,个别规模组的累加值与总计有误差。
- 最小需要量法
1960 年厄尔曼(E.L.Ullman)和达西(M.F.Dacey)提出了另一种划分基本/非基本部分的方法,叫最小需要量法。它和区位商法、正常城市法的不同在于:①他们认为城市经济的存在对各部门的需要有一个最小劳动力的比例,这个比例近似于城市本身的服务需求,一个城市超过这个最小需要比例的部分近似于城市的基本部分;②把城市分成规模组,分别找出每一规模组城市中各部门的最小职工比重,以这个比重值作为这一规模组所有城市对该部门的最小需要量。一城市某部门实际职工比重与最小需要量之间的差,即城市的基本活动部分,把城市各部门的基本部分加起来,得到整个城市的基本部分。
用最小需要量法分析美国城市的经济基础,同样证实了城市的非基本部分随着城市规模的增大而提高(表 6-3)。
厄尔曼和达西按城市规模组来确定城市经济的基本/非基本部分,又向前跨出了一步,但仍不是尽善尽美。批评主要集中在两个方面。
首先,假如被选择出来作为衡量某一规模组最小需要量的那个城市,经济结构恰恰很特殊,不能代表一般状况,那就会影响一大片城市的计算的准确性。厄尔曼和达西的研究只把美国城市分成 6 个规模组,规模间也不连续,
每个规模组只随机选择 38 个城市(100 万以上级别为 24 个样本)。由于种种原因,的确使某些所选城市的代表性受到了怀疑。例如,首都华盛顿特别低的耐用品制造业和批发业比重被选作 100 万以上城市的最小需要量指标就是最突出的例子(表 6-3)。
表 6-3 美国 14 个部门不同规模组城市的最小需要量(%)
规模 样本数 部门 |
100 万以上 |
30 — 80 万 |
10 — 15 万 |
2.5 — 4 万 |
1.0 — 1.25 万 |
0.25 — 0.3 万 |
---|---|---|---|---|---|---|
24 |
38 |
38 |
38 |
38 |
38 |
|
农业 |
0.4 |
0.6 |
0.9 |
0.3 |
0.1 |
0.0 |
矿业 |
0.1 |
0.0 |
0.0 |
0.0 |
0.0 |
0.0 |
建筑业 |
4.0 |
3.4 |
3.5 |
3.2 |
2.7 |
0.4 |
耐用品制造业 |
2.8 |
3.8 |
1.5 |
1.3 |
0.5 |
0.9 |
非耐用品制造业 |
4.0 |
3.5 |
3.4 |
3.0 |
1.0 |
1.0 |
运输业 |
5.1 |
4.0 |
3.3 |
3.2 |
2.5 |
1.8 |
批发业 |
2.2 |
2.3 |
1.7 |
1.4 |
0.6 |
|
零售业 |
12.9 |
12.6 |
12.3 |
12.2 |
10.5 |
9.7 |
金融业 |
3.5 |
2.6 |
2.2 |
2.1 |
1.4 |
0.4 |
事务服务 |
1.9 |
1.6 |
1.6 |
1.0 |
0.6 |
0.5 |
个人服务 |
3.7 |
3.7 |
2.5 |
3.3 |
2.3 |
1.9 |
娱乐服务 |
0.6 |
0.4 |
0.4 |
0.2 |
0.2 |
0.0 |
专业服务 |
10.1 |
9.3 |
8.0 |
7.8 |
6.0 |
5.9 |
公共行政管理 |
2.9 |
2.2 |
2.2 |
2.4 |
1.6 |
0.9 |
总计 |
54.2 |
50.0 |
43.5 |
41.1 |
30.0 |
23.4 |
另一更尖锐的批评认为,假如按照厄尔曼等的方法认为具有最小需要量比例的城市能满足自身需要,其余城市都有输出,那么就会得出一个矛盾的结论:几乎所有的城市都有输出,却没有一个城市需要输入。这一点也许正是最小需要量法与区位商法、正常城市法相比,在理论上的一个漏洞。批评者半开玩笑地说:不是所有高于最小需要量的城市输出货物或服务,而是所有高于最大需要量的城市输出货物和服务。
以上两个缺点已经被另一些研究者设法克服,使最小需要量法日益趋于完善。
为了避免第一个缺陷,穆尔(C.L.Moore)把城市按规模分成连续的 14 个等级,从每一个规模级的城市样本中,找出每个部门的最小职工比重和中位城市的规模。然后将两者进行回归分析,利用回归方程可以求到任何规模城市某部门相应的最小需要量。数学表达式如下:
Ei = ai + bi lg P
(1)
Ei j 是 i 部门 P 规模城市的最小需要量, ai 和bi 是参数, ai , bi 用下式求得:
Ei j = ai + bi lg Pj
(2)
Ei l 是第 j 规模级别城市中第 i 部门实际找到的最小职工比重,Pj 是第 j规模级城市的人口中位数。
穆尔对 1970 年美国 333 个城市的分析结果表明(表 6-4,图 6-1),
大多数部门的城市规模级别与最小需要量之间有很高的正相关。出乎意料的是零售业相关性不强。建筑业、健康服务业和农业则没有相关性,故没有包括在图表中。所有部门都表现出最小需要量随城市人口增加而上升的趋势, 其中以耐用品制造业最显著。
表 6-4 穆尔回归分析的相关指数( R 2 )
部 门 |
R 2 |
部 门 |
R 2 |
---|---|---|---|
1.非耐用品制造业 |
0.557 |
7.金融、保险、房地产业 |
0.855 |
2.耐用品制造业 |
0.864 |
8.业务服务 |
0.718 |
全部制造业( 1+2 ) |
0.918 |
9.个人服务 |
0.667 |
3.运输业 |
0.818 |
10.教育 |
0.569 |
4.通讯业 |
0.651 |
11.其它服务 |
0.722 |
5.批发商业 |
0.736 |
12.公共行政 |
0.719 |
6.零售商业 |
0.241 |
全部经济活动 |
0.861 |
全部商业( 5+6 ) |
0.516 |
来源: C.L.Moore , 1975 , P352 。原表还有每个回归方程的ai , bi 和标准差, 此处从略,可从图中判断。
为了克服厄尔曼等方法中的理论缺陷,吉布森(L.J.Gibson)和沃登
(M.A.Worden)改用各规模组中第二位最低的城市职工比重作为每个规模组城市的最小需要量。他们为了从各种方法中找出最佳区分基本/非基本的间接方法,曾经对亚利桑那州的 20 个小城镇(人口从 1838 到 15 000)用普查法、三种不同比例的抽样调查法、两种不同标准的区位商法和四种不同的最小需
要量法进行对比研究。结果证明,用穆尔建立的最小需要量的回归模型所得的结果最接近于普查结果。用第二位最低职工比重的最低需要量法效果也相当好。