中国城市群发展的空间差异及溢出效应研究——基于1992—2013年DMSP/OLS夜间灯光数据的考察

刘华军 裴延峰 贾文星

(山东财经大学 经济学院，山东 济南 250014)

中国城市群发展的空间差异及溢出效应研究
——基于1992—2013年DMSP/OLS夜间灯光数据的考察

刘华军 裴延峰 贾文星

(山东财经大学 经济学院，山东 济南 250014)

基于1992—2013年DMSP/OLS城市夜间灯光数据，采用Dagum基尼系数、Kernel密度估计方法以及广义脉冲响应函数对中国城市经济发展的空间差异和溢出效应进行实证考察。研究发现：城市群的经济发展呈现显著的空间非均衡特征，且城市群间差异是总体差异的主要来源；城市群内部差异中相对差异和绝对差异的演变趋势不同，长三角城市群、长江中游城市群、成渝城市群及哈长城市群绝对差异呈扩大趋势，珠三角城市群和京津冀城市群则逐渐缩小；而从相对差异来看，除成渝城市群的相对差异略微扩大之外，其他城市群整体上呈现缩小的趋势；除长江中游城市群之外，其他城市群之间均存在溢出效应。

城市群；夜间灯光；Dagum基尼系数；核密度；广义脉冲响应函数

一、问题提出和文献评述

改革开放以来，中国经济取得了“奇迹式”的增长，与此同时中国城镇化水平也得以快速提升，城镇化率从1978年的17.92%迅速提升到2013年的53.7%，每年平均提高1.02个百分点*数据来源：国家统计局网站。。城镇化水平对区域经济增长有显著的正向影响(Chen et al.，2016)，是中国经济增长的新动能(都阳 等，2014)。而随着城镇化水平的不断提高，单个城市独立发展的能力越来越有限，而作为区域空间形态的高级现象，城市群是国民经济快速发展、现代化水平不断提高的标志之一(黄征学，2014)，城市群也将成为打破区域非均衡发展格局、促进区域协同发展的新载体。因此研究城市群的实质意义要超过对单个城市的研究。2013年中国城市群面积占全国总面积的28.9%，集中了63.8%的人口，创造了85.7%的GDP，城市群经济密度远高于全国平均水平(张学良，2016)。但是《国家新型城镇化规划(2014—2020 年)》指出，当前中国城市群存在布局不够合理，城市群内部分工协作不充分，集群效率不高，城市的综合承载能力不足等问题，这些都提高了经济社会成本和生态环境成本。同时城市群之间经济发展也存在着较大的差异，2014年长三角城市群的地区生产总值为12.67万亿元，而成渝城市群仅为3.76万亿元*数据来源于《长江三角洲城市群发展规划》和《成渝城市群发展规划》。，长三角城市群经济总量是成渝城市群的3.37倍。因此，加快城市群发展已经成为优化城镇布局和完善城镇形态的重要举措。

从已有文献研究的进展来看，通过聚焦城市群层面的问题，进而研究中国经济发展的空间差异和溢出效应的文献主要分为两类：一是从单个城市群的角度出发，采用主成分分析法、聚类分析法、空间计量以及标准差、全局和局域的Moran′s I指数等方法，进而考察城市群内部各城市之间发展的空间差异及溢出效应(胡毅 等，2010；张建营 等，2012；毕秀晶 等，2013；谢磊 等，2013)，然而这类研究文献缺少对城市群间关系的考察；二是运用加权变异系数、重标极差分析法、收敛分析等方法考察城市群间经济发展的空间差异(胡继亮 等，2012；曾鹏 等，2012)，但是该类文献没有将空间差异进行分解，因此难以厘清空间差异的来源，也未能考察多个城市群间的空间溢出效应。陈明华等(2016)运用Dagum基尼系数和Granger因果关系检验的方法，考察了中国五大城市群发展的空间差异及溢出效应。这对已有研究文献做了重要的补充，但是也未能揭示出城市群经济发展绝对差异的分布动态以及城市群的空间动态交互影响。

综合来看，已有文献主要存在以下局限：(1)从方法上看，少数文献(陈明华 等，2016)运用Dagum基尼系数将城市群发展的空间差异进行分解，即使存在Dagum基尼系数方法，但也存在刻画的是相对差异规律等问题，而未能揭示城市群经济发展绝对差异的分布演进规律等。(2)从数据上来看，上述文献均采用人均GDP作为衡量社会发展水平的指标，然而现有人均GDP指标存在诸多不足问题，为了消除上述因素干扰，本文选择使用DMSP/OLS夜间灯光数据。相对于GDP统计数据，夜间灯光数据(Night-Time Light Data，NTL)最大限度地消除了人为因素，从而可以成为经济发展水平较好的替代变量。近年来国内外已有文献开始利用夜间灯光数据进行研究(Mellander et al.，2015；徐康宁 等，2015；Duede et al.，2016；Bickenbach et al.，2016)。因此，本文基于1992—2013年中国城市夜间灯光数据，试图考察城市群发展的空间差异及溢出效应。

二、研究方法和数据来源

(一)研究方法

1.Dagum基尼系数及其分解方法

本文采用Dagum(1997)基尼系数分解方法测度了中国城市群发展的空间差异。相较于泰尔指数和传统的基尼系数，Dagum基尼系数可以将总体差异按城市群分解为城市群内部差异、城市群间超变净值差异和城市群间超变密度三部分，从而可以有效分析不同城市群对总体差异的影响，这有效的解决了总体差异的来源问题(刘华军 等，2014)。目前，这一方法已被广泛应用于多个研究领域(刘华军 等，2013；刘华军 等，2014；陈明华 等，2016)。Dagum基尼系数的定义如以下公式所示：

(1)

总体基尼系数可以分解为城市群内部差异的贡献(Gw)、城市群间超变净值差异的贡献(Gnb)以及超变密度的贡献(Gt)三个部分，它们之间的关系满足G=Gw+Gnb+Gt。j城市群的基尼系数Gjj和城市群内部差异的贡献Gw可以分别用式(2)、式(3)表示，j和h城市群的群间基尼系数Gjh和群间超变净值差异的贡献Gnb可以分别用式(4)、式(5)表示，而超变密度的贡献Gt可以用式(6)表示。Djh为j、h城市群间经济发展的相对影响，其定义可以用式(7)所示。具体如下：

(2)

(3)

(4)

(5)

(6)

(7)

0(y-x)dFh(x)

(8)

0(y-x)dFj(y)

(9)

其中，Fj(Fh)为j(h)城市群的累积密度分布函数。

本文根据以上方法测算了1992—2013年中国103个城市经济发展的基尼系数,并按城市群进行了分解。

2. Kernel密度估计

核密度估计是一种重要的非参数方法，能够用连续的密度曲线描述随机变量的分布形态，从而可以对随机变量的概率密度进行估计。该方法假定随机变量x的密度函数为 f(x)，在点x的概率密度可以用式(10)进行估计，具体如下：

(10)

其中：N为观测值的个数；Xi为独立同分布的观测值；h为带宽；x为均值；K(·)为核函数，核函数是一种加权函数或平滑转换函数。

核函数通常分为高斯核函数、Epanechnikov核函数、三角核函数和四角核函数等，本文采用高斯核函数进行估计，其表达式如式(11)所示。由于核密度估计没有确定的表达式，需要通过图形对比来考察分布的变化，而核密度估计结果的图形一般可以反映变量分布位置、形态和延展性等方面的信息。

(11)

3. 广义脉冲响应函数

脉冲响应函数方法(Impulse Response Function，IRF)可以衡量某个内生变量的随机误差项上施加一个标准差大小的冲击后对所有内生变量的当期值和未来值所产生的影响(高铁梅，2009)。传统的IRF的正交化通常用Cholesky分解方法(Sim，1980)来完成，但是这一方法分解的结果严格依赖于模型中变量的次序。而由Koop et al.(1996)提出、Pesaran et al.(1996，1998)进行拓展的广义脉冲响应函数(Generalized Impulse Response Function，GIRF)可以有效克服传统IRF方法的缺陷。因此本文采用广义脉冲响应函数来揭示中国城市群间经济发展的空间溢出效应及动态交互影响。

一般而言，冲击不是一个单位，则假定εt中第一个元素变化为δ1，第二元素变化为δ2，以此类推第k元素变化为δk，则t期的冲击δ=(δ1, δ2,…,δk)′。假设εt为特定大小的冲击，仅发生在第j个变量上，则对向量yt+q的冲击响应可以表示为式(12)：

ψ(q,δj,Ωt-1)=E(yt+q

εjt=δj,Ωt-1)-E(yt+q

Ωt-1)，q=0,1,2，….

(12)

其中，Ωt-1表示t-1期的信息集合。由于协方差矩阵∑不是对角阵，意味着εt各元素之间存在同期相关关系，即εjt的变化引起εt中其他元素同期发生变化，此时δ=E(εt

εjt=δj)。若假定εt服从多元正态分布，则：

(13)

(14)

(15)

当协方差矩阵∑是对角阵时，正交脉冲与广义脉冲的结果是一致的。当协方差矩阵∑是非对角矩阵时，Cholesky正交脉冲与广义脉冲只在j=1时相等。

(二)样本数据说明、来源及处理

1. 样本城市群及具体城市的界定

《中华人民共和国国民经济和社会发展第十三个五年规划纲要》强调，要“优化发展京津冀、长三角、珠三角三大城市群，形成东北地区、中原地区、长江中游、成渝地区和关中平原等城市群”，《国家新型城镇化规划(2014—2020年)》也认为，要“加快培育成渝、中原、长江中游和哈长等城市群，使之成为推动国土空间均衡开发、引领区域经济发展的重要增长极”，结合中共中央、国务院相关文件精神*2008年12月国务院批复《珠江三角洲地区改革发展规划纲要(2008—2020)》；2015年4月中共中央政治局审议通过《京津冀协同发展规划纲要》；2015年4月国务院批复《长江中游城市群发展规划》；2016年2月23日，国务院印发了《关于哈长城市群发展规划的批复》；2016年3月，国务院常务会议审议通过《成渝城市群发展规划》；2016年5月，国务院常务会议通过《长江三角洲城市群发展规划》。，本文选取京津冀城市群、长江三角洲(简称长三角，下同)城市群、珠江三角洲(简称珠三角，下同)城市群、长江中游城市群、成渝城市群和哈长城市群等6个城市群为研究样本*长三角城市群包括上海、南京、苏州、无锡、常州、扬州、南通、泰州、盐城、镇江、杭州、宁波、嘉兴、湖州、绍兴、舟山、金华、台州、合肥、芜湖、安庆、马鞍山、铜陵、池州、滁州和宣城等26个城市；珠三角城市群包括广州、深圳、珠海、惠州、东莞、肇庆、佛山、中山和江门等9个城市；京津冀城市群包括北京、天津、石家庄、唐山、保定、秦皇岛、廊坊、沧州、承德、张家口、衡水、邢台和邯郸等13个城市；长江中游城市群包括武汉、黄石、鄂州、黄冈、孝感、咸宁、襄阳、宜昌、荆州、荆门、长沙、株洲、湘潭、岳阳、益阳、常德、衡阳、娄底、南昌、九江、景德镇、鹰潭、新余、宜春、萍乡、上饶、抚州和吉安等28个城市；成渝城市群包括重庆、成都、自贡、泸州、德阳、绵阳、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、雅安和资阳等16个城市；哈长城市群包括哈尔滨、大庆、齐齐哈尔、绥化、牡丹江、长春、吉林、四平、辽源、松原和延边等11个城市。。

2. 夜间灯光数据说明、来源及处理

近年来，全球夜间灯光数据受到学界的广泛关注，该数据是由美国空军气象卫星(Defense Meteorological Satellite Program, DMSP)中搭载的OLS(Operational Linescan System)传感器从外太空所观察到的地球不同地区的灯光亮度(消除了云、月光及火光等偶然因素影响)，并由美国国家地理数据中心(National Geophysical Data Cente，NGDC)所管理。与一般传感器不同，OLS传感器是在夜间工作，从而避免了太阳光辐射地表后光反射的干扰，同时OLS传感器对可见光高度敏感，能探测到城市夜间灯光、火光和车流灯光等较低强度的光。由于夜间灯光数据不需要进行相应的人为控制，且不受物价水平的影响，能够提供相对客观的信息，尤其适用于观察较长时间内不同地区的经济活动，因而逐渐成为研究人类活动的良好数据来源。DMSP/OLS夜间灯光数据包括四种年平均数据：平均可见光值(Average Visible)、稳定灯光值(Stable Lights)、能观察的无云覆盖次数(Cloud Free Coverages)和平均灯光X Pct(Average Lights X Pct)。其中，稳定灯光数据的使用最为普遍，因为该数据去除了极光、野火等不稳定光源以及月光、云的干扰，最后的数据值为无云图幅稳定光的年均灰度(DN)值，该值取值范围为1～63，背景值为0，从而为探测全球人类活动提供了独一无二的方式。截至目前，NOAA已经对外公布了1992—2013年间共22年的DMSP/OLS 稳定灯光时序数据。

长三角城市群的城市合作起源于1992年启动的长三角地区15个城市经济协作办主任联席会议制度，这也是中国城市群发展的起点。因此本文采用1992—2013年的DMSP/OLS 稳定灯光数据，在灯光灰度提取过程中用TM影像作为基准，对历年稳定灯光数据进行几何校正，并用中国国界图对几何校正后的全球灯光图进行裁剪，从而得到中国的夜间灯光数据。由于数据跨度范围为1992—2013年，期间的数据来源于F10、F12、F14、F15、F16、F18等不同卫星，由于各卫星传感器的定标有细微变化，本文以F18卫星为基准，利用ArcGIS对不同传感器进行线性校准。

三、典型化事实

夜间灯光数据是衡量地区经济发展水平的重要参考指标。图1分别为1992年和2013年中国稳定灯光卫星分布图，图片中白色代表相应地区夜间灯光亮度，即夜间灯光亮度越高人类夜间活动也更为频繁，GDP也越高(Chen et al.，2011)。从图中可以清晰的看出，东部沿海地区是夜间灯光亮度最集中的地区，而中西部大部分地区的灯光亮度较暗。另外，从1992年和2013年的对比来看，夜间灯光亮度整体呈现上升趋势，尤其是成渝地区和长江中游地区的亮度提升明显。

图1中国稳定夜间灯光卫星分布图(该地图不含南海诸岛)

资料来源：https://www.ngdc.noaa.gov/eog/sensors.html。

从城市群视角来看，整体而言(如图2)，珠三角城市群的夜间灯光亮度值最高，年平均亮度值为24.63，远远高于其他城市群。其他城市群年均亮度排名从高到低依次是：长三角城市群(11.14)*括号内为年均亮度值，下同。、京津冀城市群(9.91)、长江中游城市群(2.57)、哈长城市群(2.53)和成渝城市群(2.08)。

其中，珠三角城市群年均夜间灯光亮度值是成渝城市群的11.83倍。从年均增长率来看，以1992年为基期(下同)，六大城市群的年平均增长率为7.53%，其中成渝城市群的年均增长率最高达10.91%，增长速度最快，接下来是长江中游城市群和长三角城市群的9.66%和8.26%，也超过了平均增长率，而哈长城市群、京津冀城市群和珠三角城市群则均低于平均增长率。

具体来看(如图3)，六大城市群的夜间灯光亮度整体呈上升态势，空间差异较为明显，城市群经济呈现非均衡发展态势。1992年珠三角城市群、京津冀城市群、长三角城市群、哈长城市群、长江中游城市群和成渝城市群的夜间灯光亮度值分别为15.26、5.83、5.44、1.54、1.32和0.74，亮度最高的珠三角城市群与亮度最低的成渝城市群的绝对差异为14.52，此后各城市群的经济发展呈快速增长的态势。截至2013年，夜间灯光亮度分别增至33.82、15.46、21.26、4.31、5.21和4.41，最高差异为29.51。说明样本考察期内各城市群之间的绝对差异有逐渐扩大的趋势，而长三角城市群超过京津冀城市群位居第2位，长江中游城市群和成渝城市群也超过哈长城市群，分列第4、5位。

图2城市群年均夜间灯光亮度值和年均增长率

图3城市群夜间灯光亮度的演变趋势

四、城市群经济发展差异的测度及分布动态

(一)城市群经济发展差异测度

接下来，本部分运用Dagum基尼系数测度了中国城市群发展的空间差异，图4为1992—2013年城市群总体差异(G)的演变趋势。中国城市群发展总体差异较大，1992年以来差异逐渐缩小，但是速度较为缓慢，仅从1992年的0.63下降到2013年的0.52，年均递减率仅为0.79%。从演变过程来看，总体差异的变化并不是平稳的下降过程，而是呈现一个波动的演变趋势。具体来看，1992年和1993年总体差异为0.628，1994年上升为0.651，而1995年下降为0.614；1996—1999年稳定在0.615左右，2000—2002年连续三年下降，2003年又上升为0.611。2004—2007年总体差异下降到0.551，而2008年和2009年又扩大至0.579，2010年又迅速下降至0.516，而2011年开始逐步上升，2012年和2013年又有小幅的下降。

图4城市群发展总体差异的演变趋势

图5 城市群内部发展差异的演变趋势

从城市群内部差异的演变趋势来看(图5)，六大城市群内部发展差异总体上呈下降的趋势，但是演变趋势并不平缓。其中，成渝城市群的群内发展差异最大，哈长城市群最小。长三角城市群、珠三角城市群、京津冀城市群和长江中游城市群的群内差异波动较大。1995年，京津冀城市群的群内差异超过长三角城市群和长中游城市群，居于第2位，1996—2013年则稳定在第2位。而长三角城市群、长江中游城市群和珠三角城市群三者的群内差异波动趋势几乎相同，排名上下波动，直到2009—2013年排名逐渐稳定，长江中游城市群、长三角城市群和珠三角城市群的群内差异分列第3、4、5位。从下降幅度来看，长三角城市群的下降幅度最大，1992年的群内差异为0.449，2013年下降为0.314，以1992年为基期(下同)年均下降幅度为1.59%。珠三角城市群、哈长城市群、长江中游城市群和京津冀城市群的群内差异下降幅度分别为1.19%、0.99%、0.79%和0.62% ，而成渝城市群差异小幅上升0.24%。

为了进一步揭示城市群发展差异的来源，根据Dagum(1997)的方法将城市群发展的总体差异分解为：城市群内部差异的贡献(Gw)、城市群间超变净值差异的贡献(Gnb)和超变密度的贡献(Gt)三个部分，并给出三个部分对总体差异的贡献率(表1)。其中，城市群间净值差异的贡献率最高，各年均高于73.52%，其次是超变密度的贡献率，均介于11.50%～14.53%之间，贡献率最小的为城市群内部差异，均低于11.95%。以上结果表明，城市群间差异是导致地区差异的关键成因，因此加强城市群间的协调发展，缩小城市群间差异至关重要。

表1 基尼系数的分解结果(1992—2013年)

(二)城市群内部经济发展的分布动态

借助Dagum基尼系数方法，本文分析了中国城市群经济发展的空间差异大小及其来源。但Dagum基尼系数方法刻画的是经过夜间灯光均值调整后的经济发展相对差异规律，未能反映城市群经济发展绝对差异的分布动态，而Kernel核密度分析方法则能够弥补这一缺陷。因此，本部分将借助核密度估计方法就六大城市群及各城市群内部经济发展的分布位置、分布形态、分布延展性势等方面进行分析*位置反映的是城市群发展水平的高低；形态是分析城市群发展的空间差异大小和极化程度的指标，其中波峰的高度和宽度反映差异大小，波峰数量反映极化程度；延展性则主要通过拖尾的长短来体现空间差异，若拖尾越长，则差异越大(Quah，1993)。，具体如图6、图7所示。

(1)六大城市群103个城市的经济发展分布逐渐向右移动，表明总体经济发展水平呈上升趋势。然而其主峰的高度呈波动下降的趋势，而宽度逐渐增大，且分布曲线呈现右拖尾的现象，说明六大城市群经济发展差异总体上呈扩大的趋势。

图6城市群总体空间差异的分布动态

图7 各城市群空间差异的分布动态

(2)六大城市群的核密度分析(图7)。由图7可知，六大城市群经济发展的分布总体上均向右侧移动，说明各城市群经济发展水平总体呈上升趋势，这与前文的分析结果一致。其中，长三角城市群、珠三角城市群和京津冀城市群分布的右移较为明显，夜间稳定灯光亮度的均值分别从1992年的5.44、15.26和6.29增至2013年的21.26、33.82和16.58，说明样本期内三个城市群的经济发展水平上升趋势较为明显。由图7可知，相对而言，长江中游城市群、成渝城市群和哈长城市群分布的右移较为微弱，夜间稳定灯光亮度的均值分别从1992年的1.32、0.74和1.53增至2013年的5.21、4.41和4.37，说明在样本期内三个城市群的经济发展水平虽有提高，但是速度较为缓慢。由图7可知，在样本观测期内，六大城市群分布的主峰高度呈波动下降的趋势，而且宽度逐渐增大，这说明六大城市群经济发展的绝对差异呈现扩大的趋势。其中，长三角城市群和珠三角城市群主峰高度下降的幅度和宽度增大的幅度均较大；而京津冀城市群经济发展的分布主峰经历了“上升-下降-上升-下降”的演变过程，而宽度则经历了“增大-减小-增大”的过程；成渝城市群、长江中游城市群和哈长城市群的主峰高度上升和宽度增大，但变化均不明显。长三角城市群、京津冀城市群、长江中游城市群和成渝城市群的分布曲线则呈现明显的拖尾现象。这是因为每个城市群都存在经济发展较好的城市*例如京津冀城市群的北京、天津，长三角城市群的上海、杭州，长江中游城市群的武汉、长沙，成渝的成都。，直接导致了这几个城市群内部存在较大的绝对差异。而珠三角城市群和哈长城市群则没有拖尾现象，这是因为珠三角城市群内经济发展水平较高的城市相对较多，而哈长城市群则是因为各城市发展水平相对均衡，没有经济发展极好的城市，因此也没有出现拖尾现象。珠三角城市群和京津冀城市群经济发展存在多极分化的趋势。珠三角城市群的分布曲线由多峰转变为双峰，2005年之前是多峰，且侧峰峰值也较高，说明样本期内珠三角城市群经济发展具有多极化趋势，呈现明显的梯度效应；2005年之后呈现双峰，说明各城市之间的绝对差异在缩小。京津冀城市群的分布曲线则呈现多峰，但是侧峰峰值较低，说明城市群内城市经济发展具有一定的梯度效应，呈现微弱的多极分化趋势。

五、城市群经济发展的空间溢出效应

广义脉冲响应函数是一种考察变量之间结构关系的因果分析法，该方法具体原理是：通过在分析系统内某个内生变量的随机误差项施加一个标准差大小的冲击，观测对所有内生变量的当期值和未来值产生的影响，从而得出变量之间在时间上的因果关系。本部分就是基于六大城市群的夜间灯光亮度，建立6个变量VAR模型，其中VAR模型的最优滞后阶数根据SC准则确定*Nickelsburg(1985)在对滞后阶数估计量的分布模拟基础上，认为SC准则在小样本中表现最优。。具体过程如下：首先进行单位根检验，结果表明所有变量均为I(1)序列，即同阶单整；其次进行Johansen协整检验，结果显示所有变量序列之间存在协整关系*限于篇幅，本文未报告单位根检验以及协整检验的结果，有需要的读者可以向作者索取。，即各变量之间存在长期均衡关系。下面分别给出各城市群经济发展受到一个正的冲击后，进而得到其他城市群对受冲击城市群的脉冲响应图(图8—图13)，这反映了受冲击城市群经济发展对其他城市群的影响。在以下各图中，横轴表示冲击作用的滞后期数(单位：年度)，纵轴表示其他城市群对受冲击城市群的响应。

图8中a图显示了六大城市群*此处六大城市群的排列顺序为长三角城市群、珠三角城市群、京津冀城市群、长江中游城市群、成渝城市群和哈长城市群。对长三角城市群冲击的响应情况。对长三角城市群施加一个标准差信息冲击后，六大城市群的初始响应分别为1.26、1.00、0.72、0.35、0.22和0.06，此后数值均呈下降的趋势。其中，在第1年，长三角城市群对珠三角城市群和京津冀城市群的溢出效应最为明显，而对长江中游城市群、成渝城市群和哈长城市群的作用则较为微弱。长期来看，除了对自身和珠三角城市群有微弱的溢出效应之外，对于其他区域基本没有影响。图8中b图显示了六大城市群对珠三角城市群冲击的响应情况。对珠三角城市群施加一个标准差信息冲击后，六大城市群的初始响应速度分别为0.69、1.83、0.55、0.15、0.15和0.03，第2～5年呈波动趋势，第6年度起基本趋于稳定。说明珠三角城市群对于其他城市群均有正向的溢出效应，长期内珠三角城市群对于长三角城市群溢出效应最大，且一直较为稳定；其次是京津冀城市群，而对于长江中游、成渝和哈长等城市群则没有明显的溢出效应。

图8中c图显示了六大城市群对京津冀城市群冲击的响应情况。对京津冀城市群施加一个标准差信息冲击后，六大城市群的初始响应分别为1.07、1.18、0.84、0.30、0.27和0.15，且之后数值均呈下降趋势。与珠三角城市群相似，京津冀城市群对其他城市群均有溢出效应，其中对珠三角城市群和长三角城市群的溢出效应最大，而对于长江中游、成渝和哈长等城市群溢出效应则不显著。图9中d图显示了六大城市群对长江中游城市群冲击的响应情况。对长江中游城市群施加一个标准差信息冲击后，六大城市群的初始响应分别为1.14、0.72、0.66、0.39、0.24和0.05，之后数值呈迅速下降趋势，第2年均下降为负值，说明短期内长江中游城市群对其他城市群有正向的溢出效应，尤其是对长三角、珠三角和京津冀等城市群的溢出效应最为明显，但长期内对其他城市群的均无正向的溢出效应。

图8中e图显示了六大城市群对成渝城市群冲击的响应情况。对成渝城市群施加一个标准差信息冲击后，六大城市群的初始响应分别为0.89、0.89、0.74、0.30、0.31和0.13，此后第2～3年数值呈下降趋势，第4、5年又上升，之后保持不变。从长期来看，成渝城市群对珠三角城市群、长三角城市群有显著的溢出效应，而对京津冀、长江中游和哈长等城市群无明显的溢出效应。图8中f图显示了六大城市群对哈长城市群冲击的响应情况。对哈长城市群施加一个标准差信息冲击后，六大城市群的初始响应分别为0.22、-0.14、0.33、0.05、0.10和0.38，第2年之后数值基本保持不变，长期内珠三角、长三角和京津冀城市群有显著的溢出效应，而对长江中游城市群和成渝城市群则无明显的正向影响。

图8 各城市群空间差异的分布动态

在以上结果中，除哈长城市群外，其他城市群第一年的溢出效应对长三角城市群、珠三角城市群和京津冀城市群的溢出效应均位居前三位。这是因为长三角城市群、珠三角城市群、京津冀城市群作为发展较早的城市群，受惠于政策与区位双重优势，城市群成熟度相对较高；城市群市场化水平高与城市合作程度高，城市群内城市的经济发展水平相对较高；这三个城市群与其他城市群的经济联系较多，经济辐射能力较强。除哈长城市群外，其他城市群对长江中游城市群、成渝城市群的溢出效应均在第4、5位，主要原因是这两个城市群还处于城市群发展的初级阶段，城市群成熟度相对较低，而且群内城市主要以第一产业、第二产业为主，市场化水平偏低，经济发展受政府主导痕迹明显，城市群内城市发展水平相对较低，城市群竞争力较弱。但是这两个城市群与长三角城市群、珠三角城市群和京津冀城市群已经具有相对密切的联系，说明城市群的协同发展已经发挥了作用。其他城市群对哈长城市群的溢出效应均位于最后一位。这主要是因为哈长城市群位于东北老工业基地内，经济发展过于依赖传统产业，发展过程中形成了“封闭式”的发展模式，城市发展的内生动力不足，从而导致城市群群内城市经济发展水平较低，与其他城市群的联系不够密切。

另外，空间溢出效应的研究中，地理特点的空间性是很重要的方面。空间性的一个基础就是地理学第一定律，即事物是相互联系的，距离越近联系也越紧密。城市群协同发展也应该充分考虑地理因素，因此城市群的溢出也不仅仅是邻近地区的溢出，协同发展的范围可以扩大。

六、结论与政策建议

(一) 结论

本文基于1992—2013年中国城市夜间灯光数据，采用Dagum基尼系数、Kernel密度估计方法以及广义脉冲响应函数就城市经济发展差异和空间溢出效应进行考察。得出具体主要结论如下：(1)六大城市群的经济发展呈现显著的空间非均衡特征，且城市群内部差异是总体差异的主要来源。(2)城市群内部差异中相对差异和绝对差异的演变趋势不同。六大城市群总体经济发展的绝对差异呈现扩大的趋势，而相对差异则逐渐缩小，从各城市群的绝对差异来看，长三角城市群、长江中游城市群、成渝城市群和哈长城市群绝对差异呈扩大趋势，珠三角城市群和京津冀城市群的绝对差异在逐渐缩小。而从相对差异来看，除成渝城市群的相对差异略微扩大之外，其他城市群的相对差异整体上呈现缩小的趋势。(3)除长江中游城市群之外，其余城市群之间均有溢出效应。长三角城市群、珠三角城市群和京津冀城市群与其他城市群之间的关联关系最为密切，所有城市群与这三者的溢出效应都较为明显。(4)基于人均GDP测算的城市群总体差异的年均递减率为1.14%(陈明华 等，2016)，而本文基于夜间灯光数据测算的总体差异年均递减率仅为0.79%。

(二)政策建议

(1)要重视城市群经济发展中存在的群内发展非均衡态势，缩小群内各城市之间的发展差异，增强整体竞争力。进一步完善城市群经济发展的整体规划，处理好全局和局部的关系，明确各城市在群内的功能定位，充分发挥核心城市的辐射和带动作用；发挥好群内各城市的比较优势，缩小城市群内的经济发展差异，提高整体竞争力。

(2)推动城市群间的协同发展。城市群间协同发展是一项长期任务，要充分利用各城市群间的溢出效应和交互影响，重点发挥长三角城市群、珠三角城市群和京津冀城市群对其他城市群的带动作用。创新协同发展体制机制，推动市场一体化步伐，加快破除协同发展中存在的体制机制障碍，发挥市场在资源配置中的基础作用，适应经济发展新常态，打造经济增长新的增长极。

毕秀晶，宁越敏. 2013. 长三角大都市区空间溢出与城市群集聚扩散的空间计量分析[J]. 经济地理(1):46-53.

陈明华，刘华军，孙亚男. 2016. 2016中国五大城市群金融发展的空间差异及分布动态：2003～2013年[J]. 数量经济技术经济研究(7):130-144.

都阳，蔡昉，屈小博，等. 2014. 延续中国奇迹：从户籍制度改革中收获红利[J]. 经济研究(8):4-13.

高铁梅. 2009. 计量经济分析方法与建模：Eviews应用及实例(第二版)[M]. 北京：清华大学出版社.

胡继亮，袁园. 2012. 中部地区三大城市群经济发展差异的实证研究[J]. 湖北大学学报(哲学社会科学版)(6):40-45.

胡毅，张京祥. 2010. 基于县域尺度的长三角城市群经济空间演变特征研究[J]. 经济地理(7):1112-1117.

黄征学. 2014. 城市群：理论与实践[M]. 北京：经济科学出版社.

刘华军，鲍振，杨骞. 2013. 中国农业碳排放的地区差距及其分布动态演进：基于Dagum基尼系数分解与非参数估计方法的实证研究[J]. 农业技术经济(3):72-81.

刘华军，何礼伟，杨骞. 2014. 中国人口老龄化的空间非均衡及分布动态演进：1989～2011[J]. 人口研究(2):71-82.

谢磊，李景保，何仁伟，等. 2013. 环长株潭城市群区域经济时空差异演变[J]. 城市问题(11):67-73.

徐康宁，陈丰龙，刘修岩. 2015. 中国经济增长的真实性：基于全球夜间灯光数据的检验[J]. 经济研究(9):17-29.

张建营，毛艳华. 2012. 珠三角城市群经济空间联系实证分析[J]. 城市问题(10):2-8.

张学良. 2016. 2015中国区域经济发展报告：中国城市群可持续发展[M]. 北京：人民出版社.

曾鹏，陈芬. 2012. 中国十大城市群经济增长差异的收敛性比较研究[J]. 统计与决策(14):115-118.

BICKENBACH F, BODE E, NUNNENKAMP P, et al. 2016. Night lights and regional GDP [R]. Kiel Working Paper, No.1888.

BURKHAUSER R V, ROVBA L. 2005. Income inequality in the 1990s: comparing the United States,Great Britain and Germany [J]. The Japanese Journal of Social Security Policy, 4(1):1-16.

CHEN G, GLASMEIER A K, ZHANG M, et al. 2016. Urbanization and income inequality in Post-Reform China: a causal analysis based on time series data [J]. Plos One, 11(7):1-16.

CHEN X, NORDHAUS W D. 2011. Using luminosity data as a proxy for economic statistics [J]. Proceedings of the National Academy of Sciences, 108(21):8589-8594.

DAGUM C. 1997. A new approach to the decomposition of the Gini income inequality ratio [J]. Empirical Economics, 22(4):515-531.

DUEDE E, ZHORIN V. 2016. Convergence of economic growth and the Great Recession as seen from a celestial observatory [J]. EPJ Data Science, 5(1):11-29.

HENDERSON J V, STOREYGARD A, WEIL D. 2012. Measuring economic growth from outer space [J]. American Economic Review, 102(2):994-1028.

KOOP G, PESARAN M H, POTTER S M. 1996. Impulse response analysis in nonlinear multivariate models [J]. Journal of Econometrics, 74(1):119-147.

MELLANDER C, LOBO J, STOLARICK K Z, et al. 2015. Night-Time light data: a good proxy measure for economic activity [J]. Plos one, 10(10):1-18.

NICKELSBURG G. 1985. Small-sample properties of dimensionality statistics for fitting VAR models to aggregate economic data: a monte Carlo study [J]. Journal of Econometrics, 28(2):183-192.

PESARAN M, SHIN Y. 1996. Cointegration and speed of convergence to equilibrium [J]. Journal of Econometrics, 71(1-2):117-143.

PESARAN M, SHIN Y. 1998. Generalized impulse response analysis in linear multivariate models [J]. Economic Letters, 58(1):17-29.

SIMS C A. 1980. Macroeconomics and reality [J]. Econometrica, 48(1):1-48.

SpatialDifferencesandSpilloverEffectsofEconomicDevelopmentofUrbanAgglomerationsinChina:OnDMSP/OLSNighttimeLightDatafrom1992to2013

LIU HuaJun PEI YanFeng JIA WenXing

(School of Economics, Shandong University of Finance and Economics, Jinan 250014)

Based on the investigation of DMSP/OLS Nighttime Light Data from 1992 to 2013, this paper uses the methods of Dagum Gini coefficient, Density Estimation and Generalized Impulse Response Function to examine empirically the spatial differences and spillover effects of economic development of urban agglomerations in China. Results show that: (1) The economic development of the urban agglomerations presents a significant spatial non-equilibrium characteristics, and the difference among the urban agglomerations is the main source of the overall difference. (2)The evolution trend of relative differences and absolute differences disagree in urban agglomerations. The absolute difference of Yangtze River Delta, the middle reaches of the Yangtze River, Chengdu-Chongqing and Harbin-Changchun urban agglomerations are expanding while the absolute difference of Zhujiang River Delta and Beijing-Tianjin-Hebei urban agglomerations are shrinking. As for the relative difference, the relative difference of Chengdu-Chongqing urban agglomeration has a slight expansion while the other urban agglomerations shows a trend of decreasing. (3) In addition to the Yangtze River urban agglomeration, there are spillover effects among other urban agglomerations.

urban agglomeration; nighttime light data; Dagum Gini Coefficient; density estimation; GIRF

2017-04-20

刘华军(1979--)，男，山东广饶人，博士，山东财经大学经济学院教授，博士生导师。

裴延峰(1992--)，男，山东临沂人，山东财经大学经济学院硕士生。

贾文星(1990--)，男，山东新泰人，山东财经大学经济学院硕士生。

国家社会科学基金青年项目“资源环境约束下农业用水效率评价及提升路径研究”(15CGL041)；山东省自然科学基金“山东省雾霾污染的城市间动态关联效应及协同治理机制研究：基于社会网络视角”(ZR2016GM03)。

F290

A

1001-6260(2017)11-0001-12

10.19337/j.cnki.34-1093/f.2017.11.001

(责任编辑 张 坤)