城镇化是一个动态的、多维的、包含社会空间的复杂过程，需要从内涵、结构以及时空等多维度对其进行综合评价与分析. 在综合前人有关城镇化质量研究成果基础上^[14-15]，本研究主要从城镇化质量发展水平、内在耦合协调程度、空间分异3个方面对近10年来贵州省县域城镇化质量进行剖析. 首先从经济发展质量、社会发展质量和城乡一体化程度3个维度构建贵州省县域城镇化质量综合评估指标体系，其中经济发展质量维度是城镇化高质量发展的基础，主要表征县域的经济发展实力；社会发展质量主要表征县域的社会事业发展状况和人口流动情况；城乡一体化程度主要指县域城镇化过程中城乡统筹协调发展情况. 其次在对指标体系进行标准化处理后，采用综合评价法对贵州省县域城镇化质量进行评价，并以此剖析其城镇化质量水平特征. 最后，综合运用耦合协调度模型、空间自相关分析模型、冷热点分析模型等方法探讨贵州省县域城镇化质量内在耦合协调类型和空间分异特征.

基于科学性、代表性及适宜性等原则，经济发展质量主要有人均GDP、二三产业增加值占比、一般公共预算收支比3项指标；社会发展质量主要选取每万人在校学生人数、教育支出占比和常住人口与户籍人口之比3项指标；城乡一体化程度主要选取城乡社会消费品零售总额之比、乡村从业人数占总人口比例和农民人均纯收入3项指标(表 1).

为确保数据的一致性和准确性，本研究所选用的数据均来源于2009年、2014年和2019年的贵州省统计年鉴. 由于2008-2018年间贵阳市行政区范围调整较为频繁，观山湖区、花溪区难以获取连续性数据，因此把贵阳市6个主城区(南明区、云岩区、乌当区、花溪区、白云区、观山湖区)合并为贵阳市区；经过合并处理后，本研究的最终评价单位为83个.

在数据处理方面，本研究使用极差标准化法对上述3个年份的指标数据进行标准化处理，达到消除量纲、具备可比性的目的. 然后使用Yaahp软件，采用层次分析法确定各项指标的权重(表 1)；最后采用综合评价法分别计算出各个县域评价单元的经济发展质量、社会发展质量、城乡一体化程度及城镇化质量的评价值，计算公式如下：

式中：P_ij为i个县域第j项指标的标准化值；W_j为指标权重；C_j为评价值.

为定量探析贵州省县域城镇化内部各系统之间耦合过程与演化趋势，借助物理学的耦合模型，分别构建经济发展质量，社会发展质量、城乡一体化三者之间相互作用的耦合度模型和耦合协调度模型. 计算公式如下^[16]：

式中：C为经济发展质量、社会发展质量和城乡一体化三者的耦合度；U₁，U₂，U₃分别代表经济发展质量、社会发展质量和城乡一体化程度3个子系统的评价值. C的取值为0~1，C越大表明3个子系统间的相互作用性和关联性越大，反之亦然. 由于耦合度模型只能反映系统之间相互关联作用的大小，并不能反映协调水平的高低，例如3个系统间的耦合度很高，但并不能说明其协调发展水平也高，因此在此基础上引入耦合协调模型：

式中：D为耦合协调度，D的值为0~1，D越大说明耦合协调水平越高；T为城镇化3个子系统间的综合指数；α，β，δ为待估参数，考虑到3个子系统的同等重要性，最终将α，β，δ统一为1/3. 同时，本研究借鉴相关研究对耦合协调类型的划分^[17]，把耦合协调类型划分为4种：低水平耦合协调(D≤0.3)、中低水平耦合协调(0.3＜D≤0.4)、中高水平耦合协调(0.4＜D≤0.5)、高水平耦合协调(D＞0.5).

空间自相关分析法是确定某一现象在空间上是否相关且其相关程度如何的分析方法. 空间自相关分析法又分为全局自相关和局部自相关，全局自相关在于判断某现象在空间上是否具有集聚特征，局部自相关则根据LISA方法推算聚集所在范围. 全局自相关的计算公式^[18]：

式中：M为Moran's I指数；w_ij为空间权重矩阵；x_i和x_j分别为x在i和j位置的实际观测值与平均值之差；N为观测单元的数量；s₀表示标准化要素并等于全部空间权重矩阵之和. Moran's I指数的变动范围在[-1, 1]，Moran's I指数大于0时表示空间具有正相关，值越大相关性越强，小于0时表示空间具有负相关，值越小表示其空间差异越明显，等于0时则表示在空间上不具有相关性. 除了考虑整个研究区的空间相关性外，也要考虑到每个县域单元在局部的相关性. 局部自相关检验通过比较观察值和相邻值与全局的关系，能够更加准确地把握空间的集聚分布特征. 其计算公式为：

式中：L_i为正则表示县域i与同属性县域在空间上相邻近，若为负则表示不同属性县域在空间上相邻近；z_i为标准化后的观测值.

Getis-OrdGi^*值用于识别具有统计显著性的热点(高值)和冷点(低值)的空间聚类^[16]. 本研究借用热点分析法分析贵州省县域城镇化质量冷热点区域在空间上的演变特征. 具体计算公式如下：

式中：X_j是要素j的属性值；X_ij(d)是要素i和j之间的空间权重；n为要素总数；G_i^*(d)统计是z得分. 当z值为正且有统计学意义时表示存在空间正相关，此时的空间聚类(热点或冷点区域)趋于紧密：当z值为负且有统计学意义时表明了存在空间负相关，此时空间聚类趋于分散；当z值为零时表示不存在集聚范围且观测值呈现随机独立分布特征.

根据本研究构建的县域城镇化质量评价模型(公式1)进行运算得出表 2，2008年贵州省83个县域单元的城镇化质量评价值范围为0.114 9~0.662 3，平均值为0.223 8，其中大于平均值的县域数量为31个，占37.35%. 2013年的县域城镇化质量评价值范围为0.143 4~0.743 5，平均值为0.285 9，其中大于平均值的县域数量为32个，占38.55%. 2018年的评价值范围为0.208 2~0.867 2，其中大于平均值(0.354 2)的县域数量为37个，占44.58%. 从时间轴线来看，近10年以来贵州省83个县域评价单元的城镇化质量处于稳步持续的上升阶段，县域单元之间的城镇化发展质量差距在不断缩小.

运用SPSS软件的数据分析功能将贵州省83个县域单元的城镇化质量评价值绘制成频率直方图，根据县域单元的城镇化评价值频率变化趋势识别出数据拐点，进而将贵州省县域城镇化质量水平划分为高等别、中等别及低等别3类(表 3). 从表 3可以看出，2008年贵州省县域城镇化质量低等别与中高等别县域单元的数量比例约为4∶1，2013年约为3∶2，2018年约为3∶7. 近10年来贵州省县域城镇化质量中等别的数量不断增加，低等别的数量持续下降，但高等别的占比仍然偏低.

为能直观地对比分析县域城镇化质量内部结构特征，将表征城镇化质量的3个维度(经济发展质量、社会发展质量、城乡一体化发展程度)指标的平均值以趋势图的形式进行展示(图 1). 可以看出2008-2018年间贵州省83个县域单元的新型城镇化质量增速明显，整体呈快速平稳上升的趋势，但城镇化质量各维度间的发展态势差异较大. 具体表现为：①经济发展质量以2013年为拐点，呈“先急剧上升、后缓慢增长”的演化趋势；②社会发展质量的分值明显低于其他两个维度分值，近10年来的社会发展质量基本保持不变；③城乡一体化程度的波动较小，呈现“快速稳健”增长趋势.

根据公式2-4计算出3个时点县域城镇化质量耦合协调度，2008-2018年各县域城镇化质量的内在耦合协调度数值范围为0.266 0~0.342 3，表明贵州省县域城镇化质量耦合协调水平偏低. 从县域城镇化质量耦合协调类型来看(表 4)，低水平耦合协调类型县域数量从2008年的80%左右持续下降到2018年的50%左右，中低水平耦合协调类型县域数量从20%以内快速上升到40%以上，但中高水平和高水平耦合协调等级的县域数量明显偏少，2018年仅为7.22%. 除贵阳市区2018年城镇化质量耦合协调度处于高水平等级外，其余两个时点贵州省均无此类型.

为分析2008-2018年间贵州省83个县域单元城镇化质量内在耦合协调度演化趋势，本研究对3个时间节点年份的耦合协调度类型进行组合，得到8种耦合协调度组合形式：低-低-低、低-低-中低、低-中低-中低、中低-中低-低、中低-中低-中低、中低-中低-中高、中低-中高-中高、中高-中高-高. 通过进一步归并将研究单元归类为缓慢提升型、稳步提升型、低水平保持型3种耦合协调演化类型(表 5). 其中缓慢提升型有29个县域单元，占34.94%，主要分布在贵阳市区周围以及沪昆高铁沿线. 稳步提升型有6个，占7.22%，主要分布在贵阳市区、六盘水市区、遵义市区以及仁怀市. 低水平保持型有48个，占57.84%，主要集中分布在贵州省东北部、西南部、东南部(图 2).

为直观地展示2008-2018年间贵州省县域城镇化质量不同等别单元的空间分异特征，本研究采用ArcGIS软件绘制出3个年份县域城镇化质量等别分布图(图 3). 2008年贵州省县域城镇化质量高等别单元仅有贵阳市区，中等别县域单元分布在贵阳市区周边的平坝区、开阳县、息烽县、金沙县、福泉市、凯里市、都匀市、仁怀市、遵义市区以及六盘水市区和兴义市等16个区域；低等别县域单元则散布于贵州全省. 2013年贵州省县域城镇化质量高等别单元较2008年仅新增了钟山区，但中等别县域单元数量增长迅速，由2008年的16个增长到33个，主要分布在环贵阳市区的黔中区域和西部的六盘水市、黔西南州等地；低等别县域单元集中分布在东部的铜仁市、黔东南州以及南部的黔南州等地. 2018年贵州省县域城镇化质量高等别单元增加到6个，初步形成了贵阳市区(含清镇市)、遵义市区(含仁怀市)以及六盘水市区(钟山区)的空间分布格局；中等别县域单元增长到55个，而低等别县域单元主要集中分布在东北部和东南部区域.

本研究采用空间自相关分析方法进一步解析3个时点贵州省县域城镇化质量在空间格局上的变化. 通过ArcGIS软件中的空间分析工具，分别测算2008年、2013年和2018年贵州省县域城镇化质量的全局Moran's I指数(表 6). 贵州省83个县域单元城镇化质量的Moran's I指数在3个时点均有统计学意义，表明各县域单元城镇化质量评价值之间存在着明显的正向空间相关性，反映出其在发展过程中具有明显的空间集聚特征. 表 6中I值表征各县域单元间的相关性强弱程度；Z值表示I值的z检验值；P值表示伴随概率.

为完整地反映2008-2018年间贵州省县域城镇化质量时空演变特征，本研究通过ArcGIS软件中的聚类分析工具对其局部集聚特征进行分析(图 4). 2008年高-高集聚类型区域主要是贵阳市区(含清镇市)和遵义市区(含仁怀市)，高-低集聚类型区域仅为凯里市；2013年高-高集聚区域为贵阳市区(含清镇市)、遵义市区(含仁怀市)和金沙县，高-低集聚区域为凯里市、都匀市，但低-低集聚区为北部的正安和务川2个县；2018年高-高集聚区域增加到8个县域单元，使贵阳市区与遵义市区连接成为一个整体，可以看出近10年来贵州省县域城镇化质量高-高集聚区主要分布在贵阳-遵义沿线区域.

此外，冷热点分析方法可以用于识别具有统计显著性的高值(热点)和低值(冷点)的空间聚类，得到高值或低值要素在空间发生聚类的位置^[19]，进而解译出某要素的空间聚类关联性. 在参照相关学者的研究成果基础上^[20-21]，本研究基于2008-2018年贵州省县域城镇化质量评价值计算其G_i^*(d)值，识别出3个时点贵州省83个县域单元城镇化质量的冷热点区域(图 5). 2008-2018年县域城镇化质量热点区域空间格局整体保持稳定状态，热点区域保持在贵阳、遵义及其周边区域；次热区域毗邻热点区域，主要集中分布在黔中地区；次冷区域散布于全省；冷点区域主要集中分布在东北部和东南部.

本研究以贵州省83个县域作为评价单元，从经济发展质量、社会发展质量及城乡一体化程度3个维度来构建城镇化质量综合评价指标体系并采用综合评价法计算其评价值；在分析贵州省县域城镇化质量总体特征基础上，运用耦合协调度、空间自相关、冷热点分析等模型方法剖析了贵州省县域城镇化质量内在耦合协调类型和空间分异特征，主要研究结论如下：

① 2008-2018年贵州省各县域单元城镇化质量呈持续上升态势，县域单元之间的城镇化发展质量差距在不断缩小；近10年来贵州省县域城镇化质量中等别的数量不断增加，低等别的数量持续下降，但高等别的占比仍然偏低.

② 贵州省县域城镇化质量内在耦合协调水平偏低且区域差异有统计学意义，其中稳步提升型主要分布在贵阳市区、六盘水市区、遵义市区以及仁怀市，缓慢提升型主要分布在贵阳市区周围以及沪昆高铁沿线，低水平保持型主要集中分布在贵州省东北部、西南部、东南部.

③ 贵州省县域城镇化质量具有明显的空间集聚特征，城镇化质量高-高集聚区主要分布在贵阳-遵义沿线区域；城镇化质量次热区域毗邻热点区域，均集中分布在黔中地区.

通过对近10年来贵州省县域城镇化质量水平、内在耦合协调程度和空间分异特征等方面的系统剖析，总的来看，贵州省县域城镇化质量存在着发展水平、内在耦合协调程度“双低”，区域差异较大且空间分异显著等突出问题. 当前，贵州省66个贫困县全部实现脱贫摘帽，脱贫攻坚目标任务如期完成，进入了全面推进乡村振兴的新阶段. 在新的发展阶段，应坚持以县城为中心的就地城镇化和发达地区中心城市、省会城市等异地城镇化并重的发展路径^[22]；巩固脱贫攻坚成果，补齐社会发展短板，持续提升贵州省县域城镇化质量并努力缩小区域差异. 同时，依托贵阳等黔中地区良好的人口、土地、经济、社会等承载能力，加大对该区域的政策支持力度，夯实黔中地区对贵州省城镇化高质量发展的引领作用，不断优化贵州省县域城镇化质量的空间格局，促进省域范围内的城乡融合发展.

城镇化质量评价是一个多层面、多维度的动态过程，涉及区域的经济、社会、人口、土地、环境等多方面. 因此，尽管城镇化高质量发展的思想已被广泛接受，但评价指标体系的构建仍处于不断完善过程中^[23-24]. 基于指标数据的可获取性和连续性，本研究仅从3个维度选取9个关键指标进行评价，在后续研究中需进一步完善其评价指标体系. 此外，我国地域辽阔、地域类型多样，需对不同地域、不同发展阶段的城镇化发展路径进行有效区分和分类评价^[25]，为我国城镇化高质量发展提供决策依据.