中心城市的溢出效应与城市经济增长——基于中国城市群2000—2012年市级面板数据的经验研究

金祥荣 赵雪娇

(浙江大学经济学院,浙江杭州310027)

中心城市的溢出效应与城市经济增长
——基于中国城市群2000—2012年市级面板数据的经验研究

金祥荣 赵雪娇

(浙江大学经济学院,浙江杭州310027)

在城市空间结构高级形态——城市群的框架内,基于2000—2012年市级面板数据,研究中心城市发展对外围城市经济增长的溢出或极化效应,结果发现:(1)针对十大城市群136个城市的分析证实,中心城市发展对外围城市的经济增长呈现出正向溢出效应;(2)针对不同城市群的分类分析发现,中心城市对外围地区的影响会出现U形关系,如京津冀城市群中心城市北京的发展在2007年之前抑制了外围城市的经济增长,而2007年之后转为正向溢出效应;(3)城市群内部结构的异质性也会带来不同的结果,山东半岛城市群济南、青岛的双中心结构对外围城市的共同影响较单个城市更为显著。此外,研究结果还证实以受教育水平衡量的人力资本对以熟练劳动力为主的低端制造业地区的经济发展影响较低,政府规模对市场投资相对不足的中西部地区具有积极影响。

城市群;中心城市;外围城市;溢出效应;系统GMM;经济增长

一、引 言

在新型城镇化的大背景下,城市经济增长备受关注。“十三五”期间,国家区域协调发展的战略地位更为凸显,新的空间格局正在形成。城市作为经济发展的空间载体,是研究我国改革开放近40年来经济增长状况的重要对象。经济发展过程中,在特定区域内,地理位置临近的城市间相互影响不断加强,随着城市规模的扩大和交通条件的改善,逐渐形成以一个或两个特大城市为中心,包含相当数量不同性质、类型和等级规模的城市的“集合体”,形成城市发展的高级空间形态——城市群。进入21世纪,我国区域经济发展的重要特点就是城市群的出现,国家城市群发展战略明确指出:“要把城市群作为推进城镇化的主体形态;已有城市群要继续发挥带动和辐射作用,加强城市群内各城市的分工协作和优势互补,增强城市群的整体竞争力;具备城市群发展条件的区域,要加强统筹规划,以特大城市和大城市为龙头,发挥中心城市作用,形成若干用地少、就业多、要素集聚能力强、人口分布合理的新城市群。”①参见《中华人民共和国国民经济和社会发展第十一个五年规划纲要》,2006年3月14日,http://www.gov.cn/gongbao/ content/2006/content_268766.htm,2016年3月2日。从新经济学地理学的角度看,城市层级体系中存在着“中心—外围”模式。中心城市是指在一定区域内的社会经济活动中处于重要地位,具有综合功能或多种主导功能,起着枢纽作用的大城市和特大城市,其城市性质以多职能综合性为主,除生产、服务、金融和流通等作用外,大多是政治和行政管理中心、交通运输中心、信息与科技中心和人才密集之地。而外围城市是指在同一个城市的层级体系中,除中心城市以外的其他城市。在发展过程中,中心城市集聚了大量的产业和人口,获得快速发展,成为城市群内的经济增长中心。然而,对城市群内部的其他城市来说,靠近中心城市这棵“大树”究竟是“好乘凉”还是“不长草”?中心城市的快速发展将对外围城市带来怎样的影响?这种影响对不同城市群是否存在差异?何种原因导致了这样的差异?对这些问题的探索将有助于更深入地分析我国区域经济发展现状的形成机制,对城市发展和区域经济一体化的理论研究和政策制定具有重要的现实意义。

关于中心城市对外围城市究竟会产生何种影响的讨论,最早可追溯到20世纪50年代区域经济学家Myrdal[1]和Hirschman[2]总结的两种效应:一是外围城市生产效率较低的竞争劣势导致其经济持续衰退,中心地区吸引更多资本、劳动力,使外围地区出现生产要素流失的“极化效应”/“回流效应”(polarized effect/backwash effect);二是中心地区增加对外围城市的购买和投资,从而产生辐射带动作用,形成了“涓滴效应”/“扩散效应”(trickling-down effect/spread effect)。从新经济地理理论出发,国外学者对中心城市对外围地区的极化和回流效应在理论和实证上做出了很大的努力,Berry和Gaile认为可以用人口和收入的变化与中心城市距离及其经济增长变化之间的关系来衡量这两种效应的存在[3-4];Henry等总结出投资的流入、对商品和服务的消费、劳动力、企业及就业、知识和技术以及政府支出导致了中心城市对外围地区消极或积极的影响,且这种影响依赖于一系列因素,包括生产方式、距离以及外围地区的环境[5]。由理论向实证发展大概是在20世纪80年代末期,Carlino探索了县域层面人口和就业增长的外生决定因素[6]。1994年,Hughes等第一次系统性地测算了美国的扩散回流效应,用投入产出模型(I-O)检验华盛顿州中心—外围的关系[7]。Boarnet关于都市圈经济增长的研究,将扩散回流效应引入人口和就业变化的空间滞后模型中[8]。Henry等对美国南部8个经济区随时间变化的人口密度进行了比较[5]。

国内学者关于城市间作用的研究主要集中在城市空间溢出效应的实证分析上,如钟昌标认为外商直接投资不仅带动该地区生产绩效的提升,还间接带动了周边地区生产力的改进[9];潘文卿使用空间数据分析工具研究了1988—2009年间中国各省区人均GDP的空间分布格局与特征,结果证实存在全域范围的正的空间自相关性[10];朱虹等比较了上海和北京对周围腹地辐射模式的差异,结果显示北京呈现“空吸”效应而上海呈现“反哺”效应[11];柯善咨发现省会和地级中心城市的经济增长对下级市县有显著的回流效应[12]。然而,这些研究大多局限于各相邻城市间的空间溢出效应,并没有严格区分不同区域所存在的差异,也没有将具有中心—外围结构的城市群作为研究对象。

本文的创新是结合新增长理论和新经济地理理论构建了影响外围地区经济增长的理论模型,以城市群为分类单元,针对中国十大城市群全样本层面中心城市的扩散效应进行了实证检验;同时针对各城市群子样本层面的不同结果进行了对比分析,从阶段性差异和结构异质性两个维度出发,对城市群内中心城市的辐射效应进行了更为深入的研究,并分析导致差异存在的影响因素,为研究我国不同城市群发展模式和制订有差别性的区域一体化政策提供了理论和实践上的依据。

二、理论框架

本文的理论依据是新增长理论和新经济地理理论的结合。新经济增长理论认为,经济增长除了依靠资本和劳动要素的增长外,还要依靠生产率的提高,而生产率的提高主要依靠技术进步或是以“干中学”为主要特征的人力资本积累。然而,不同地区的经济增长存在巨大差异,这与外部性有着重要联系[13]。新经济地理学的发展将人们衡量经济增长的视角扩展到空间维度,即本地区的经济增长还受到空间外部性的影响[14]。新经济增长理论认为一个城市的劳动生产率不仅与城市自身特征有关,还受到空间上邻近的其他城市或地区经济发展的影响[15]。特别是规模较大的中心城市,因为具有经济、技术和信息优势以及相对较高的生产率,通过专业技术人员的流动、生产过程中的投入产出关联、知识和技术的传播与扩散等途径会产生跨越区域边界的外溢效应,从而促进外围邻近城市的经济增长[16]。根据以上理论,我们将基于一个简单的增长模型,引入本文所关注的关键空间变量,来测算中心城市的发展对外围城市经济增长的影响。

其中,Ai、ki和ni分别代表厂商i的全要素生产率、资本和劳动力。假设全部企业都面临取值为r的相同利率水平,则使企业利润最大化的条件可以记为:

对(2)式取对数可得:

其中,C为常数项,由(3)式可知,测量经济增长的关键在于对全要素生产率A的研究。根据新增长理论及后续大量实证性研究,影响全要素生产率的因素主要是包括人力资本、产业结构、基础设施在内的一系列地区特征因素。随着地理因素的引入和新经济地理学的发展[16-18],在理论和实证中均已证实,影响全要素生产率的因素还包括空间范畴上的集聚外部性(如知识溢出等)[19]。此外,现有研究还通常将政府规模、外商直接投资等变量纳入全要素生产率的影响因素中[20-22]。因此,我们用下式描述:

其中,Si表示对地区i全要素生产率会产生影响的关键空间变量,而Xi表示以地区特征为代表的一组控制变量。将(4)式带入(3)式可得:

至此,我们得出了反映关键空间变量、地区特征变量与地区工资之间关系的理论模型。

三、模型设定与数据选择

(一)计量模型

本文的主要目的在于探讨城市群内部中心城市的发展对外围城市经济增长的影响,在上述理论模型的基础上,选择(6)式作为主要计量方程:

其中,空间变量Si反映本文主要关注的会对城市群内外围城市产生影响的一系列变量,包括邻近中心城市的初始人均收入、收入变动百分比、与中心城市的距离。控制变量Xi则包含了地区i的一系列特征因素,包括人口数量、就业密度、人力资本、基础设施、政府规模、外商直接投资。

本文的另一个目的在于比较不同城市群内中心城市辐射能力的差异,因此,在计量模型中加入城市群层面的虚拟变量以区分可能由不同城市群在地理区位、气候、便利设施等方面的差异而带来的不同结果[23]。

1.5 统计学分析 选择SPSS 17.0软件进行数据统计，计量资料以表示，采用t检验，计数资料以率表示，采用χ2检验，P<0.05为差异有统计学意义。

此外,模型(6)本质是一个截面回归,无法控制样本的异质性,从而使估计结果产生偏误。最直接的解决办法就是使用面板数据来剔除不可观测地区的异质性。因此,我们将计量模型扩展为:

其中,t＝0,1,2,…,T;i＝1,2,…,N。在面板数据中,我们需要控制个体效应和时间效应这两类非观测效应,因此,在(7)式中,μi,t＝αi+ηt+εit。同时,对(7)式的估计还要看模型中的随机误差项是否满足经典Gauss假设,若满足假设,则一般使用的估计面板数据模型方法才可能得到无偏一致的估计量。我们要通过考察个体效应αi和时间效应ηt是否与模型中的解释变量相关,来决定该模型适用于固体效应还是随机效应的方法。

此外,必须考虑一个地区的经济发展水平受到前一期发展水平的影响,因此(7)式等号右边应该加入被解释变量滞后一期的数据作为解释变量,从而转变为动态面板模型(8)。而对模型(8)的估计将会带来一系列计量经济学方面的问题,首先,动态面板模型的解释变量包括被解释变量滞后一期数值,从而产生方程联立性问题,使用最小二乘法(OLS)会得到有偏且不一致的估计。其次,模型中的部分解释变量对经济总量而言是内生的,内生性问题同样会导致估计结果有偏且不一致。为解决上述问题,本文选取系统GMM方法对样本进行回归分析。

其中,t＝0,1,2,…,T;i＝1,2,…,N。

(二)数据来源与变量说明

本文采用中国十大城市群①中国十大城市群分别是:京津冀、长三角、珠三角、辽东半岛、山东半岛、海西、中原、成渝、长江中游、关中城市群。共136个城市2000—2012年的数据,所有数据由2001—2013年《中国城市统计年鉴》与各省、市2001—2013年统计年鉴整理得出。城市间距离(distant)数据根据国家基础地理信息系统网站提供的全国和各市、县1∶4 000 000电子地图及相应基础信息,利用Geoda软件计算得出欧式直线距离,本文选取距离倒数和距离倒数平方项来刻画与中心城市的距离对外围城市发展的线性和非线性影响。

关于变量的说明:(1)本文的被解释变量“人均收入”(lnGDP),以人均GDP作为衡量指标,由统计数据中的人均GDP表示,它在一定程度上可以反映该地区的经济社会发展水平和劳动生产率水平,其中lnGDP_c表示中心城市的人均GDP水平;(2)“人口数量”(lnpop)由数据中的“年末总人口”表示,“人口密度”由数据中的“年末总人口数”和“行政区域土地面积”计算得出;(3)“就业密度”(lndens)由从业人员总数(单位从业人员与私营和个体从业人员相加而得)与“行政区域土地面积”计算得出;(4)“人力资本”(edu)借鉴Barro等的做法[24],用受教育水平,即该地区每万人中高等学校在校人数来表示;(5)“基础设施”(inf)由数据中城市道路人均占有面积作为代理变量,即按城镇人口计算平均每人所拥有的道路面积;(6)“政府规模”(gov)由财政收入占GDP比重来表示政府对经济干预程度的差异;(7)“外商直接投资”(FDI)以数据中年度实际外商投资额(按历年人民币汇率的平均价格折算)占当年固定资产投资额的比重作为代理变量[25]。

四、实证结果分析

(一)全样本模型的实证检验

表1给出了包含我国十大城市群共136个城市2000年至2012年的样本回归结果。回归(1)—(4)的估计结果都符合理论预期,且统计意义上均较为显著。回归(1)给出了本文主要解释变量动态面板模型的参数估计结果(0.699∗∗∗),表明中心城市经济规模对外围城市呈现显著的正向影响,在包含十大城市群136个城市的全样本层面上证实了大树底下“好乘凉”这一结论。回归(2)中加入了距离变量,并包括了一次项、二次项来测算距离因素对中心城市辐射作用的线性和非线性影响。根据新经济地理理论,我们预期中心城市对外围城市的辐射作用会随着距离的增加而衰减,并呈现倒S形。本文距离变量(dis)是用与中心城市间距离的倒数来衡量的,估计结果(-6.312∗)与预期不符,且在统计意义上并不显著。这是由于本文选取各大城市群内部城市作为样本来测算城市群内中心城市对外围城市的辐射效应,而地理距离本身就是城市群界定的主要依据之一,即城市群所包含的城市均在一定距离范围内,现有文献已证明城市的空间联系存在一个门槛值,在门槛值以内,距离变量的影响并不显著[26],这一结论与本文估计结果相符。此外,为了检验中心城市对外围城市经济增长影响的稳健性,我们将被解释变量替代为人均工资水平,其结果仍然显著。

正如前文所分析的,一个地区的经济发展除了受到邻近中心城市的辐射作用外,还受到该地区自身的人口数量、就业密度、人力资本水平、基础设施、政府规模、外商直接投资等一系列地区特征因素的影响。回归(3)给出了包含这些地区特征控制变量的完整模型,回归(4)在(3)的基础上剔除了门槛值以内的距离变量。其中,人口数量、就业密度、基础设施对经济增长的影响显著为正,均符合理论预期,而人力资本水平和外商直接投资水平也呈现正向影响,但统计意义上并不显著,这可能是因为根据现有数据对人力资本指标的测算还不完善,大部分以基础制造业为主的地区的人力资本水平与劳工技能紧密相关,而仅用高校在校生比例难以真实刻画这一要素[27]。值得注意的是,本文发现政府规模对本地经济发展呈现显著的正向影响(1.466∗∗∗)。这是因为经济发展过程事实上就是经济资源再分配并提高生产率的过程,但这个过程有可能会被市场投资不足、缺乏创业精神等因素所阻碍,而在企业投资缺失的情况下,政府可以弥补投资不足以促进经济增长。此外,政府对公共产品的投入也会刺激该地区的经济增长。

表1 总样本模型

(二)分城市群子样本的实证检验

本文通过加入区域层面虚拟变量,将样本分为十个城市群分别进行回归(见表2-1、表2-2)。从结果中可以看到,中心城市对外围城市的影响均为正,且绝大部分模型中的参数估计在统计意义上显著,这验证了中心城市对外围城市的经济增长具有正向溢出效应,即在现有时间跨度和样本下,可以得出大树底下“好乘凉”的结论。其中,成渝、海西、辽中南城市群的中心城市对外围城市的正向辐射效应较强(0.872∗∗∗、0.382∗∗∗、0.382∗∗∗),而京津冀、山东半岛城市群参数估计结果的经济意义并不显著(0.099∗∗、0.153∗),但从单变量和整体在统计意义上的显著性来看,京津冀、山东半岛城市群均出现了个体或整体的不显著,这可能是由城市群发展阶段及其内部结构(如多中心)的异质性所致。关于这一问题,我们将在下一节进一步分析。

此外,对于地区特征层面控制变量的参数估计结果,有以下三点值得关注:(1)人力资本水平对经济增长的影响在产业结构相对现代化的长三角、海西等城市群显著为正,而在以低端制造业为主的几大城市群出现了负向或不显著的影响,在这些地区,与具有较高教育水平或创新能力的劳动力相比,技术熟练的劳动力对经济增长的促进作用更为显著。(2)外商投资水平在以外向型经济为主的城市群中有显著的正向影响,如长三角和山东半岛城市群。(3)政府规模对中西部城市群具有显著的正向影响,这是因为在发展相对不充分的地区,能够弥补投资不足和提供公共物品的公共支出对经济增长的拉动作用更强;而在珠三角这一市场化程度较高的地区,政府规模的影响则为负向。

表2-1 分城市群子样本模型一

表2-2 分城市群子样本模型二

(三)时间及城市群内部结构异质性对中心城市溢出效应影响的实证检验

为考察城市群不同发展阶段中心城市辐射能力的差异,下面对上述分析中回归结果并不显著的京津冀城市群进行进一步分析。以2007年为时间节点,对京津冀城市群样本数据回归结果做了对比分析(见表3)。结果显示,2000—2006年京津冀城市群中心城市在5%的显著水平下对外围城市产生负向影响,即存在极化效应;2007年以后则呈现出显著为正的扩散效应。因此,长期看来呈现U形关系,这也印证了新经济地理理论关于不同发展阶段中心地区对外围地区产生不同的扩散和极化效应的说法。这是因为北京除了是京津冀城市群的中心城市外,还是全国的政治、经济、文化中心,拥有强大的政策优势,同时集聚了大量的人才、资本和土地等要素资源,而这种集聚的主要来源是京津冀城市群中的外围城市,从而导致了这些外围地区要素资源的流失,最终表现为中心城市对外围城市的极化效应,直至2008年奥运会期间达到一个顶峰值(这里选取2007年作为分割点是考虑到集聚发生的前置效应);而随着城市群的不断发展,受区域一体化和地区协同发展等政策以及过度集聚的拥挤效应的影响,知识溢出、基础设施共建、企业转移、人才流动等因素导致其溢出效应不断增大,最终使作为城市群增长极的中心城市对外围地区产生了正向辐射效应,从而促进外围城市的经济发展。

表3 京津冀城市群分阶段子样本模型

山东半岛城市群是典型的双中心城市,在表4中,回归(1)、(2)分别报告了以济南、青岛为中心城市的实证结果。由(1)可以看出,2000—2012年中心城市济南对外围地区经济增长的影响呈现出显著的正向溢出效应(0.317∗∗∗);由(2)可以看出,中心城市青岛对外围地区的经济增长的作用在经济意义和统计意义上较为不显著(0.153∗)。这可能是因为济南作为山东半岛城市群的行政、经济中心,是其他城市与国内各地的经济、文化交流中枢,因此,济南对外围地区具有较强的辐射带动作用;而青岛作为重要港口城市则集聚了更多的对外贸易及资本,包括外商直接投资和国内投资,同时大量吸引劳动力的流入,在一定程度上可能会限制外围城市的发展,因而其溢出效应并不显著。此外,表4中回归(3)使用济南、青岛的交叉项代替解释变量中的“中心城市”,从回归结果可以看出,模型整体的统计意义更为显著,中心城市的溢出效应在经济和统计意义上均显著(0.186∗∗∗)。这说明在分析具有双中心城市的城市群时,除了要考察不同中心城市对外围城市各自不同的溢出效应外,还应考虑两个中心城市的共同影响。因此,城市群内部结构的异质性会给中心城市对外围城市的溢出效应带来不同的结果。

表4 山东半岛城市群分中心子样本模型

综上所述,虽然不同发展阶段及内部结构差异导致中心城市对外围地区产生了极化效应,但长期来看,随着区域经济一体化的不断深入,外围城市的经济增长受到中心城市知识溢出、技术及资本转移、市场购买等因素的正向影响不断增强,城市群内的中心城市对外围城市呈现出显著的正向辐射带动作用。因此,城市群发展战略对区域经济发展具有重要意义。

五、结论和建议

本文从新经济地理和新增长理论出发,基于中国2000—2012年十大城市群136个城市的面板数据,实证分析中心城市发展对外围城市经济增长的作用。研究发现,对外围城市来说,在城市群这一区域一体化视角下的高级城市空间结构中,受到中心城市溢出效应的影响更强,中心城市的发展在一定程度上推动了外围地区的经济增长,也就是我们所说的大树底下“好乘凉”。但本文同时也给出了新经济地理理论中中心地区影响外围地区的动态过程的经验证据,即在初始阶段中心城市对外围地区的劳动力、资本等生产要素的极化作用抑制了外围地区的经济增长,而随着城市群的不断发展,知识溢出、基础设施共建、企业转移、人才流动等因素导致中心城市的扩散效应不断加强,转而促进外围地区的经济增长。同时,我国近年来区域一体化和地区协同发展的政策效应不断释放,进一步促进了作为城市群增长极的中心城市对外围地区的正向溢出效应。总而言之,大树底下“不长草”受发展阶段和内部结构异质性等因素影响确实存在,但长期看来,中心城市最终会长成郁郁成荫“好乘凉”的参天大树,带动外围城市的发展。

在研究影响非中心地区经济增长的其他因素中,我们还发现了一系列有趣的结论。在包含不同城市群的子样本回归中,我们发现外围城市的经济增长受其自身特征因素影响的程度各不相同,例如,以受教育水平衡量的人力资本水平对经济增长的影响在产业结构相对现代化的城市群(如长三角城市群)显著为正,而在以低端制造业为主的几大城市群则出现了负向或不显著的影响。我们分析这是因为低端制造业更需要技术熟练而非受教育水平更高的劳动力。以外向型经济为主的城市群中,外商投资水平带来显著的正向影响。在中西部城市群,政府规模对经济增长具有显著的正向影响,即公共投入改善了发展相对不充分地区投资不足的现状,对经济增长的拉动作用更强;而在珠三角这一市场化程度较高、投资相对充足的地区,政府规模过大则会在一定程度上限制其发展。

根据理论和实证结果,本文给出以下政策建议:(1)城市群战略对区域经济一体化有着积极影响,要充分发挥中心城市的辐射带动作用,实现区域内城市的共同发展;(2)不同发展阶段和城市群内部结构的异质性会导致中心城市对外围城市产生不同的溢出或极化效应,应该根据各城市群的实际情况加以区别;(3)对未来新城市群的规划,应避免针对某一城市的要素集聚,而以发展较为成熟的大型城市为中心,或针对不同城市功能采取双中心(多中心)的内部结构,从而更好地发挥其辐射带动作用。此外,由于数据的可得性和可操作性等因素制约,本文对影响中心城市溢出效应的因素,如知识溢出、要素流动、产业转移、贸易来往等未能进行定量分析,未来的研究可以从这些微观角度入手,深层次地揭示中心—外围城市间的溢出和极化效应的形成机制,为政策制定提出更加具体有效的建议。

[1]K.G.Myrdal,Economic Theory and Underdeveloped Regions,London:Duckworth,1957.

[2][美]赫希曼:《经济发展战略》,曹征海、潘照东译,北京:经济科学出版社,1991年。[A.O.Hirschman, Economic Development Strategy,trans.by Cao Zhenghai&Pan Zhaodong,Beijing:Economic Science Press,1991.]

[3]B.J.L.Berry,″Cities as Systems within Systems of Cities,″Papers in Regional Science,Vol.13,No.1 (1964),pp.147-163.

[4]G.L.Gaile,″The Spread-backwash Concept,″Regional Studies,No.14(1980),pp.15-25.

[5]M.S.Henry,B.Schmitt&K.Kristensen et al.,″Extending Carlino-Mills Models to Examine Urban Size and Growth Impacts on Proximate Rural Areas,″Growth&Change,Vol.30,No.4(1999),pp.526-548.

[6]G.A.Carlino,Economies of Scale in Manufacturing Location,Boston:Mar-tinus Nijhoff,1978.

[7]D.W.Hughes&D.W.Holland,″Core-Periphery Economic Linkage:A Measure of Spread and Possible Backwash Effects for the Washington Economy,″Land Economics,Vol.70,No.3(1994),pp.364-377.

[8]M.G.Boarnet,″An Empirical Model of Intra Metropolitan Population and Employment Growth,″Papers in Regional Science,No.73(1994),pp.135-152.

[9]钟昌标:《外商直接投资地区间溢出效应研究》,《经济研究》2010年1期,第80-89页。[Zhong Changbiao,″Empirical Evidences on the Regional Spillover Effects of FDI in China,″Economic Research Journal,No.1 (2010),pp.80-89.]

[10]潘文卿:《中国的区域关联与经济增长的空间溢出效应》,《经济研究》2012年1期,第54-65页。[Pan Wenqing,″Regional Linkage and the Spatial Spillover Effects on Regional Economic Growth in China,″Economic Research Journal,No.1(2012),pp.54-65.]

[11]朱虹、徐琰超、尹恒:《空吸抑或反哺:北京和上海的经济辐射模式比较》,《世界经济》2012年3期,第111-124页。[Zhu Hong,Xu Yanchao&Yin Heng,″Suction or Feeding:A Comparison of Economic Radiation Patterns in Beijing and Shanghai,″Journal of World Economy,No.3(2012),pp.111-124.]

[12]柯善咨:《中国城市与区域经济增长的扩散回流与市场区效应》,《经济研究》2009年8期,第85-98页。[Ke Shanzi,″Spread-backwash and Market Area Effects of Urban and Regional Growth in China,″Economic Research Journal,No.8(2009),pp.85-98.]

[13]P.Francois,″Economic Space:Theory and Applications,″Quarterly Journal of Economics,Vol.64,No.1 (1950),pp.89-104.

[14]D.Puga,″Urbanization Patterns:European vs.Less Developed Countries,″http://eprints.lse.ac.uk/20656/ 1/Urbanisation_Patterns_European_vs_Less_Developed_Countries.pdf,2016-03-02.

[15]R.Forsld&G.I.P.Ottaviano,″An Analytically Solvable Core-periphery Model,″Journal of Economic Geography,Vol.3,No.3(2003),pp.229-240.

[16]P.Krugman,″Increasing Returns and Economic Geography,″http://serv2.ist.psu.edu:8080/viewdoc/ download?doi＝10.1.1.177.461&rep＝rep1&type＝pdf,2016-03-02.

[17]M.Fujita,P.Krugman&T.Mori,″On the Evolution of Hierarchical Urban Systems,″European Economic Review,No.43(1999),pp.209-251.

[18]C.C.Au&J.V.Henderson,″Are Chinese Cities Too Small?″Review of Economic Studies,Vol.73,No.3 (2006),pp.549-576.

[19]S.Redding&P.K.Schott,″Distance,Skill Deepening and Development:Will Peripheral Countries Ever Get Rich?″Journal of Development Economics,Vol.72,No.2(2003),pp.515-541.

[20]刘修岩:《集聚经济与劳动生产率:基于中国城市面板数据的实证研究》,《数量经济技术经济研究》2009年第7期,第109-119页。[Liu Xiuyan,″Agglomeration Economies and Labor Productivity:Evidence from Chinese Urban Panel Data,″Journal of Quantitative&Technical Economics,No.7(2009),pp.109-119.]

[21]贺灿飞、梁进社:《中国区域经济差异的时空变化:市场化、全球化与城市化》,《管理世界》2004年第8期,第8-17页。[He Canfei&Liang Jinshe,″The Time and Space Change in the Difference between China’s Regional Economics:Commercialization,Globalization and Urbanization,″Management World,No.8(2004), pp.8-17.]

[22]李敬、陈澍、万广华等:《中国区域经济增长的空间关联及其解释——基于网络分析方法》,《经济研究》2014年11期,第4-16页。[Li Jing,Chen Shu&Wan Guanghua et al.,″A Study on the Spatial Correlation and Explanation of the Regional Economic Growth in China:Based on Analytic Network Process,″Economic Research Journal,No.11(2014),pp.4-16.]

[23]吴福象、刘志彪:《城市化群落驱动经济增长的机制研究——来自长三角16个城市的经验证据》,《经济研究》2008年11期,第126-136页。[Wu Fuxiang&Liu Zhibiao,″Researches on the Mechanism of How City Group Drive Economic Growth:Empirical Evidences from 16 Cities of Yangtze River Delta,″Economic Research Journal,No.11(2008),pp.126-136.]

[24]R.J.Barro&J.W.Lee,″International Measure of Schooling Years and Schooling Quality,″American Economic Review,No.2(1996),pp.218-223.

[25]陈继勇、盛杨怿:《外商直接投资的知识溢出与中国区域经济增长》,《经济研究》2008年第12期,第39-49页。[Chen Jiyong&Sheng Yangyi,″An Empirical Study on FDI International Knowledge Spillovers and Regional Economic Development in China,″Economic Research Journal,No.12(2008),pp.39-49.]

[26]许政、陈钊、陆铭:《中国城市体系的“中心—外围模式”》,《世界经济》2010年7期,第144-160页。[Xu Zheng,Chen Zhao&Lu Ming,″The′Center Periphery Mode′lof Chinese City System,″Journal of World Economy,No.7(2010),pp.144-160.]

[27]许召元、李善同:《区域间劳动力迁移对经济增长和地区差距的影响》,《数量经济技术经济研究》2008年第2期,第38-52页。[Xu Zhaoyuan&Li Shantong,″The Effect of Inter-regional Migration on Economic Growth and Regional Disparity,″Journal of Quantitative&Technical Economics,No.2(2008),pp.38-52.]

The Spillover Effect of Central City and Urban Economic Growth:Evidences from Panel Data 2000-2012 of the Urban Agglomeration in China

Jin Xiangrong Zhao Xuejiao

(School of Economics,Zhejiang University,Hangzhou310027,China)

Recently,the strategy of spatial development in China has become more and more important.An increasing number of researches focus on the urban economic growth and the coordinated development of regions.Urban agglomeration,as an advanced spatial pattern of urban development,breaks through the barriers of administrative divisions and organically establishes the connection of different cities in the same region.Therefore,since the beginning of the new century,the progress of urban agglomeration becomes the most important content of the regional developmentstrategyinChina.Thereare10urbanagglomerationsinChina.Every agglomeration has one or two central cities which have various dominant functions and alwaysplay a pivotal role.It is an important measurement of the progress of urban agglomeration to identify the influences from the central city to peripheral cities,as well as to provide an important theoretical and empirical evidence to promote the urban development and regional economic integration.The main contribution of this paper is to make a significant supplement of the empirical researches on the urban and regional economics in China,and provide a new perspective for the analysis of the development progress of urban agglomeration.Another contribution of this paper is to give suggestions to policy formulations about the urban development strategy,and to make different regional integration policies according to the distinctive characteristics of different urban agglomerations.Based on the theoretical framework of the New Economic Geography(NEG)and the New Growth Theory,this paper gives a theoretical model about the economic development level of an area which is influenced by other areas surrounding it.In the empirical part,this paper uses the municipal panel data of the year 2000-2012,and constructs a dynamic panel model to estimate the influences from the development of central city to the economic growth of peripheral cities,and uses the system GMM method to avoid the endogenous and simultaneous problems in econometric strategy.Our findings are as follows:(1)The central city shows a positive spillover effect on the economic growth of peripheral cities according to the analysis of 136 cities of the 10 urban agglomerations in China;(2)It shows an overall trend of″down-steady-up″like″U″style between central and peripheral cities because of the time series according to classification analysis of different urban agglomerations,such as the Beijing-Tianjin-Hebei urban agglomeration.Beijing as the central city of this agglomeration shows a negative backwash effect on the peripheral cities before 2007 and a positive spillover effect after 2007;(3)The results are also different because of the heterogeneity of the internal structure of urban agglomerations,such as the Shandong Peninsula Urban Agglomeration,which has two central cities Jinan and Qingdao.The joint effects on the peripheral cities are more significant than the effects from single cities.In addition,we also find that the educational level of human capital has little effect on low-end manufacturing industry regions,and the size of local governments has a significant positive impact in the less developed areas where market investment is insufficient,such as in the middle and west regions of China.The innovations of this paper are as follows:Firstly,for the method of research,we construct a theoretical as well as econometric model about the economic growth of peripheral cities according to the combination of the New Growth theory and the New Economic Geography theory,and includes the spatial factors in it.Secondly,we break through the regional divisions of province or the east、middle and west districts of China,and use an urban agglomeration instead of the traditional classification unit as the object of our research,then estimate the spillover or the polarization effect from central city based on the total sample including all 136 cities.Thirdly, considering the heterogeneity and time phase in different urban agglomerations we use the ten sub-samples to make empirical estimations and have a comparative analysis of the different results.

urban agglomeration;central city;peripheral city;spillover effect;system GMM; economic growth

10.3785/j.issn.1008-942X.CN33-6000/C.2016.03.023

2016-03-02[本刊网址·在线杂志]http://www.journals.zju.edu.cn/soc

[在线优先出版日期]2016-07-20[网络连续型出版物号]CN33-6000/C

1.金祥荣(http://orcid.rog/0000-0003-0561-8865),男,浙江大学经济学院教授,博士生导师,浙江大学民营经济研究中心执行主任,主要从事产业经济理论、新经济地理、制度经济学及其新贸易理论的研究;2.赵雪娇(http://orcid.rog/0000-0001-8733-0528),女,浙江大学经济学院博士研究生,主要从事区域与城市经济学研究。