成渝城市群空间集聚效应、溢出效应和协同发展研究

叶文辉 伍运春

摘 要：改革开放40年来，随着中国经济高速增长，城镇化稳步推进，城市群发展迅速，珠三角城市群、长三角城市群、京津冀城市群崛起成为国家级城市群，长三角城市群被称为世界第六大城市群。长江中游、成渝地区等一批城市群也快速崛起。本文采用空间计量经济学方法，研究成渝城市群2007—2016年经济增长的空间集聚效应和溢出效应，并利用耦合度模型测算空间集聚效应、溢出效应与经济增长之间的耦合度。研究发现：成渝城市群空间集聚效应和空间溢出效应明显，在空间分布上具有“中心—外围”模式特点，趋于上升阶段，但还相对较低，重庆市核心区域的耦合度略高于成都市。

关键词：成渝城市群;集聚效应;溢出效应;协同发展

中图分类号：  F061.5;F292文献标识码：A

文章编号：1000-176X（2019）09-0088-07

一、问题的提出

城市的发展带来生产要素空间上的流动，生产要素集聚促进集聚区域的经济快速发展，生产要素的溢出促进周边区域的经济发展。中国城市群发展进程中，空间集聚现象和空间溢出现象表现各有特点，有的区域集聚现象突出，有的区域溢出现象明显。

城市群是城镇化发展到一定阶段后形成的，代表着城镇化发展的高级形态。随着各国城市群的形成与发展，学者们对此展开了大量的研究。Batten[1]指出，伴随着快速和稳定的交通和信息走廊的建立，城市群内各城市会受益于城市之间的技术交流和技术溢出。Kratke[2]研究认为，城市群的经济增长来源于劳动密集型产业和知识密集型产业的集聚。丁建军[3]针对中国东、中、西部区域经济差距与城乡经济发展失衡的现象，探讨了城市群內各城市之间的分工合作以及城市群之间的分工合作与区域协调发展的内在统一性，提出城市群具有生产要素集散、辐射带动、集约用地和创新等功能。朱品儒[4]主张要引导控制城市规模，推动构建以城市群为主体、大中小城市和小城镇协调发展的城镇新格局。

集聚效应指空间要素的集聚导致经济增长的效应。Sveikauskas[5]以单个行业为研究对象，提出了测度集聚效应的计量模型，运用美国标准大都市统计区的人口数据测度美国分行业集聚效应的大小。Segal[6]以整个城市经济体为研究对象，通过构造不同城市的资本存量估计集聚效应的大小。吉昱华等[7]对Segal的模型进行改进，最后得出中国城市存在显著的正集聚效应。陈瑛[8]研究发现，聚集经济效应与人力资本溢出效应是中国城市工资溢价的两类作用机制。

在空间溢出效应的研究中，Lucas[9]提出，空间溢出效应是指某一地区在经济发展中对其周边地区经济增长的影响作用。李小建和樊新生[10]发现，经济发展水平高的县域对周边县域的经济增长有显著的空间溢出效应，但经济发展落后的县域对其周边的空间溢出效应不明显。赵强[11]利用2003—2014年的空间面板数据，考察中国各地区公共部门工资的空间依赖性及空间溢出效应。李瑞杰和孟祥慧[12]从空间溢出效应视角研究中国产能过剩的空间分布。石兆宏[13]基于空间溢出效应的作用机理，提出推进城市群空间利用现代化转型的关键环节在于网络节点控制力的有效发挥。

关于区域经济协调发展的研究方面，比较常见的是用测算耦合度来反映协调程度。耦合协调是指多个系统或运动方式之间通过相互作用而彼此影响，最终联合成为一个有机体，共同产生一定功能或功用，其实质是系统及运动方式之间的共生互动。穆东和杜志平[14]认为，区域协同发展反映系统内各子系统之间的相互关系，并采用DEA方法从经济、环境、人口和矿业四个方面构建指标体系，测算了中国资源型城市协同发展的综合效率。任以胜[15]利用空间变异法测算空间集聚效应、溢出效应与长江经济带经济增长之间的耦合协调度，发现2001—2013 年长江经济带区域整体耦合度及耦合协调度相对较低，区域内各城市耦合协调性存在较大差异。郑建锋等[16]采用耦合协同度模型，对长江经济带11省市2005—2014年的城镇化—金融集聚协同度进行了测度。

2016年3月30日，国务院通过《成渝城市群发展规划》，旨在通过成渝城市群的发展引领西部新型城镇化和农业现代化。培育发展成渝城市群，对推进西部大开发和长江经济带建设等重大战略契合互动，释放中西部巨大内需潜力，拓展经济增长新空间，具有重要意义。成渝城市群的发展有着不同于东部、中部城市群的特点和要求。成渝城市群区域内各个城市的发展不仅受周围区域经济增长的影响，还取决于自然环境和人文环境禀赋。成渝城市群内各城市之间是否存在空间集聚效应和空间溢出效应？城市之间是否发挥关联带动作用来促进经济协调发展？成渝城市群经济发展是否协调？因此，对成渝城市群发展现状的分析，对成渝城市群各城市的空间集聚效应、溢出效应的测度以及成渝城市群经济协调发展程度的研究，将有助于更深刻地了解成渝城市群发展现状，为成渝城市群高质量发展的决策提供参考，有着明显的现实意义。

在成渝城市群

《成渝城市群发展规划》界定了成渝城市群具体的规划范围：重庆市的万州、渝中、黔江、长寿、永川、江北、沙坪坝、铜梁、南岸、璧山、綦江、大足、渝北、巴南、涪陵、江津、合川、大渡口、南川、潼南、九龙坡、荣昌、忠县、梁平、丰都、垫江、北碚等27个区（县）以及开县、云阳的部分地区，四川省的自贡市、泸州市、广安市、德阳市、绵阳市（不含北川县、平武县）、遂宁市、乐山市、南充市、眉山市、成都市、达州市（不含万源市）、宜宾市、雅安市（不含天全县、宝兴县）、资阳市、内江市等15个市。成渝城市群总面积18.50万平方公里，2014年地区生产总值3.76万亿元，常住人口9 094万人。的具体规划范围中，重庆市及四川省的绵阳、达州、雅安不是将行政区域整体纳入，为了研究的结果不因城市行政级别差异而受影响，本文研究对象选择成渝城市群区域中的139个县、区、市（以下简称县域城市或城市）。

鉴于现有的文献多从资源、生态、内部城市协调方面开展成渝城市群的研究，本文将对现有研究进行以下丰富和完善：采用空间计量经济学方法，基于成渝城市群内139个县域城市2007—2016年的数据，研究成渝城市群经济增长的空间集聚效应和溢出效应，并利用耦合度模型计算空间集聚效应、溢出效应与经济增长之间的耦合度。数据来源于2008—2017年《四川统计年鉴》和《重庆统计年鉴》。

本文以下内容安排如下：第二部分对成渝城市群各县域城市的人均GDP进行空间自相关分析，第三部分利用Segal模型测度各县域城市的空间集聚效应，第四部分利用空间滞后模型测度各县域城市之间的空间溢出效应，第五部分运用耦合度模型对各城市协调发展的耦合度进行测度，第六部分为结论与政策建议。

二、成渝城市群空间相关性分析

（一）全局空间自相关分析

全局空间自相关分析的统计指标有两个，即Morans I和Geary C，一般使用Morans I进行测算。Morans I指数向量的表达式如式（1）所示：

其中，xi、xj为i、j区域的观测值，为区域间经济变量的平均数，=1n∑ni=1xi，wij为空间权重矩阵中的元素，表示i、j区域之间的空间位置信息;设定有空间相关影响的最大距离d，如果i、j区域之间的几何空间距离小于d，需要纳入空间分析考虑它的空间相关性，空间权重设定为wij=1，如果大于d，就表示空间相关性小，可忽略它的空间相关性，空间权重wij=0。

本部分运用ArcGIS10.5软件

ArcGIS有三个应用程序即ArcCatalog、ArcMap和ArcToolbox。ArcCatalog可用于空间数据库内容的管理、数据库设计及元数据的记录与浏览，ArcMap可用于地图编制、编辑和空间数据分析，ArcToolbox可用于数据转换和地理处理。，计算成渝城市群内各县域城市2007—2016年人均GDP的全局Morans I指数。在运用ARCGIS10.5运算过程中发现，至少都有一个相邻的城市的距离阈值为62 428.823米，因此选择了在65km、70km、75km、80km、85km、90km、95km、100km的距离阈值下计算全局Morans I指数，结果如表1所示。从表1可以发现，每一年的全局Morans I指数最大的都是在65km的距离阈值下，这说明选择建立空间距离矩阵时，选择65km的阈值最优，即在65km距离范围以内，区域之间的经济相互影响最显著。成渝城市群各城市经济空间相关性表现出“距离衰减”现象，全局Morans I指数随着距离阈值的逐渐升高而下降，如距离阈值从65km到100km时，2016年的全局Morans I指数从0.490降到0.236，即区域之间随着距离的扩大，经济相互影响变小。成渝城市群各城市的全局Morans I指数都大于零，且各自都在1%的水平下显著，说明各城市经济发展水平在空间分布上存在显著的空间正相关性，即成渝城市群整体上经济是相互促进的关系。全局Morans I 指数随着时间变化有下降趋势，距离阈值在65km时，2007年全局Morans I指数是0.550，2010年是0.554略有增加，2016年下降到0.490，成渝城市群各县域城市经济发展水平的相关性有所减弱，表明成渝城市群的经济相互促进的影响有所变小。

（二）局部空间自相关性分析

局部空间相关性分析的指标有局部 Morans Ii和Geary Gi。局部 Morans Ii是全局Morans I 统计上的分解，如式（2）所示：

Ii=（xi-）S2∑jwij（xj-）（2）

其中，Ii为第i个局部对象的全局相关性系数，S2=1n∑ni=1（xi-）2，xi、xj为i、j区域的观测值，为区域间经济变量的平均数，=1n∑ni=1xi，wij为空间权重矩阵中的元素，表示i、j区域之间的空间位置信息;Ii大于0表示一个高值被高值所包围（高—高或H—H）或者低值被低值所包围（低—低或L—L），Ii越大，表明相似变量值的面积单元在空间集聚，表现高—高或低—低集聚格局;Ii小于0表示一个高值被低值所包围（高—低或H—L）或者低值被高值所包围（低—高或L—H），Ii越小，表明不相似变量值的面积单元在空间集聚，表现高—低或低—高集聚格局。

本文運用ArcGIS10.5软件，对成渝城市群各县域城市人均GDP做聚类和异常值分析，即Anselin Local Morans I分析，分别计算出各县城城市人均GDP 2007—2016年的局部 Morans I（LMindex）指数。因篇幅所限，相关图表略去，留存备索。

从计算结果可以得出，2007—2016年具有局部空间正相关的城市数量基本保持不变，即聚类区域范围没有多大变化，经济热点区域（H—H）维持在26个城市，空间分布主要集中在成都、重庆两市的核心区域;经济冷点区域（L—L）数量基本维持在25个，聚类区域主要集中在成都、重庆两市中间的东北地带、泸州市南部、乐山市西南部;从总体上呈现负相关的城市数量略微减少，即异常值区域在缩小，自身区域发展水平较高，周围发展水平较低，即H—L区域最多有3个，即石棉县、江阳区、前锋区，到2016年，就没有H—L区域存在;自身发展水平低而周围发展水平高，即L—H的城市数量下降明显，主要分布在成都市核心区域周围和重庆市核心区域周围，重庆市核心区域周围的异常值类型城市数量在减少，2010年以后就没有出现异常值类型的城市，而成都市核心区域周围分布着许多L—H型城市。

三、成渝城市群空间集聚效应测度

（一）全局空间集聚效应测度

（二）局部空间集聚效应测度

利用ArcGIS10.5软件对成渝城市群建立地理加权回归模型，得到2007—2016年成渝城市群各城市的空间集聚效应值。

参考文献：

[1]Batten，D.F.Network Cities ：Creative Urban Agglomerations for the 21st Century[J]. Urban Studies ，1995，32（2）：313-327 .

[2]Kratke， S.Metropolisation of the European Economic Territory as a Consequence of Increasing Specialisation of Urban Agglomerations in the Knowledge Economy [J]. European Planning Studies，2007，15（1）：1-27.

[3]丁建軍.城市群经济、多城市群与区域协调发展[J].经济地理，2010，（12）：2018-2022.

[4]朱品儒.论新时代城镇化格局下城市规模的引导与控制[J].理论学刊，2018，（5）：127-134.

[5]Sveikauskas ，L.The Productivity of Cities[J].Quarterly Journal of Economics， 1975，89 （3）： 393-413.

[6]Segal， D.Are There Returns to Scale in City Size？[J].The Reviews of Economic and Statistics，1976，58 （3）：339-450.

[7]吉昱华，蔡跃洲，杨克泉.中国城市集聚效益实证分析[J].管理世界，2004，（3）：67-74.

[8]陈瑛.城市工资溢价：规模聚集效应与人力资本溢出效应[J].云南财经大学学报，2018，（10）：86-98.

[9]Lucas， R.E.On the Mechanics of Economic Development[J].Journal of Monetary Economics，1988，22（1）：33-42.

[10]李小建，樊新生.欠发达地区经济空间结构及其经济溢出效应的实证研究——以河南省为例[J].地理科学，2006，（1）：1-6.

[11]赵强.公共部门工资的空间依赖性和空间溢出效应[J].云南财经大学学报，2017，（2）：61-69.

[12]李瑞杰，孟祥慧.溢出效应视角下中国产能过剩空间分布研究[J].云南财经大学学报，2018，（10）：27-36.

[13]石兆宏.论城市国际化视域下的城市现代化转型[J].济南大学学报（社会科学版），2018，（6）：128-134.

[14]穆东，杜志平.资源型区域协同发展评价研究[J].中国软科学，2005，（5）：106-113.

[15]任以胜. 空间集聚、溢出效应与长江经济带协同发展研究[D].合肥：安徽财经大学硕士学位论文，2015.60-63.

[16]郑建锋，樊学瑞，黄妍妮.空间溢出视角下的城镇化金融集聚协同发展与经济增长——基于长江经济带11省市面板数据分析[J].云南财经大学学报，2017，（2）：127-139.

[17]张军，章元.对中国资本存量K的再估计[J].经济研究，2003，（7）：35-43+90.

[18]潘文卿.中国的区域关联与经济增长的空间溢出效应[J].经济研究，2012，（1）：54-65.

[19]穆东，杜志平.系统协同发展程度的DEA评价研究[J].数学的实践与认识，2005，（4）：56-64.

（责任编辑：邓 菁）