
大数据和清洁能源其实都是城镇化_数据分析师
由国务院发展研究中心主办的“中国发展高层论坛2015”于3月21日-23日在北京举行。在会场上中国社会科学院世界经济与政治研究所国际金融研究中心副主任、研究员何帆表示,如果有一个经济学家可以影响股票,我肯定买保罗·罗默教授的股票,他不仅是蓝筹股,而且是潜力股。他刚刚给我们讲了很多故事,我们讲的创新创业的故事,我们讲的大数据的故事,我们讲的清洁能源的故事,其实都在一个舞台上,就是中国的城镇化。
以下为发言实录:
何帆:如果有一个经济学家可以影响股票,我肯定买保罗·罗默教授的股票,他不仅是蓝筹股,而且是潜力股。他刚刚给我们讲了很多故事,我们讲的创新创业的故事,我们讲的大数据的故事,我们讲的清洁能源的故事,其实都在一个舞台上,就是中国的城镇化。所以我收获很多。
保罗·罗默教授讲到人均收入和城市化之间有相当大的关系,但我不知道能不能确切发现一个因果的关系。而且在中国发生的城市化是不是一个故事。我个人感觉可能不止一个故事,发生在深圳的城市化很可能和发生在内蒙古以鬼城著称的鄂尔多斯的城市化是不一样的。鄂尔多斯的城市化是如果要把这个城市的城市化水平提高会更容易,但效果可能更差。发生在深圳的城市化需要的机缘巧合,要做的工作更多,但效果可能会更好。我们能不能把中国的城市化只看成一个故事?
保罗·罗默教授还讲到中国各个地方政府之间的竞争。这个很重要,因为中国这么大不可能通过一个政策解决一个问题。他有一点是讲到为什么中国的城市化做得更好。因为有一个地方的政府官员在当地有很强的权威,还有激励机制,可能能力很强。我一边看着介绍,我一边想,他说的是仇和。就在两会之后刚刚因为腐败的问题被抓起来的中国的云南省官员。我想我们一方面需要地方政府的竞争。另外一方面,我们的地方政府之间的竞争又出现这么多的问题。
我想问保罗·罗默教授一个问题,如果我是年轻的地方政府官员,我想做事情,我又不想重蹈仇和的覆辙。在中国的城市化过程中,我该做什么?怎么做?
主持人:非常好。刚刚两位都提出了问题,保罗·罗默教授也肯定有自己的想法。我也一并问他,我们现在讲城市化的时候,既可以理解成大城市的城市化,也可以理解成城镇化。我刚刚注意到稻葵很精确地用城镇化这个概念,就是township。我想请保罗·罗默教授把整个框架给我们讲一讲。
保罗·罗默:哈佛规划委员会的这个问题很好,要牢记。一般来讲,比如政府保护公共空间,同时,也不过多干预私有空间。他们的决定有时候可能会超越前者,有些政府的决定是超越了界限,更加负责。我们要通过各种机制防止独断,同时也可以通过法律,比如起诉,或者是允许诉讼。风险就是会降低决策的效率。在其它国家,反对腐败的重要做法就是带来了一个后果,使政府不敢做决定,害怕做决定,比如修路或者不修路。一方面我们要提高效率,一方面也不能允许腐败。在美国,效率非常低。如果哈佛规划委员会的效率太低了,是不是可以对他们进行测试,看政府做得是不是对。如果居民都离开了,就说明政府做得不对。这也可以作为惩罚领导的手段。人们都不住在哪儿了。各个城市的竞争是很有效的做法。
另外就是透明。如果中央政府、省政府鼓励竞争,他们可以提供信息,让居民了解一个城市发展的情况。让他们做出好的决定,好比大学,学生可以选择在哪个大学接受教育。哪个城市好,居民就可以选择居住在那里,给他们提供可靠的信息,好比保安市场。城市之间要开展竞争,就必须告诉居民准确的信息,这个城市的情况怎么样。各个城市的透明度可以使领导做出好的决定,不会滥用权力。
关于城市化的类型,中国有一点做得很好,就是提供廉租房、廉价房、经济适用房,让新移民居住。关于城镇化,经常会有这样的廉租房、廉价房。也许小城镇没有大城市漂亮,但它确实给人们提供了就业的场所。城市化在其它地方没有做好,有些国家发展了城市,但没有很好的规划,成为了贫民窟。小城镇也是很好的做法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04