城市群空间结构对经济高质量发展的影响

李泽众 沈开艳

引 言

以城市群为主体构建城镇协调发展新格局是党的十九大对新时期城市群建设的新要求。随着中国城市化的推进，城市群的发展十分迅速，具有科学合理的城市群空间结构是提高城市群整体经济发展和竞争力的重要手段。多中心的城市群空间结构可以疏解核心城市人口、缓解交通拥堵、环境恶化、特大城市与其他城市差距过大等问题，然而，也会使核心城市的人力资本、创新要素投入发生流失，减弱集聚带来的规模经济，无法继续作为增长极带动周围中小城市的发展。关于如何构建合理有序的空间结构，学术界从不同的角度做了大量探讨，然而，学者们就城市群空间结构与经济发展之间的关系尚未达成一致，使城市群的空间结构是否优化缺乏判断标准，也为规划编制与政策制定带来困难。目前，城市群的城市体系结构是否合理，城市群的空间结构对经济发展质量的影响如何，未来应当朝单中心还是多中心空间结构的方向发展？回答以上问题是本文的重点，对于区域经济发展质量的提升具有重要的理论价值和现实意义。

国外学者较早地关注了城市群空间结构的经济绩效。Bailey等(2001)指出多中心城市区域产生的集聚效应不如同等规模的单中心城市产生的集聚效应。Cervero(2001)认为更紧凑、更集中的空间结构有助于生产率的提高。Parr(2004)认为多中心发展策略往往带来较高的交通成本和较低的通勤效率，不利于知识和信息的传播。另一些学者指出，集聚效应可以在临近的城市之间共享，而拥挤效应通常局限在城市内部，单中心城市群往往伴随着集聚不经济因素，如土地和劳动力要素的激烈竞争、交通堵塞、环境污染以及高犯罪率等，从单中心结构向多中心结构的转化被视为降低集聚不经济的有效途径(Phelps and Ozawa，2003；Merjers and Burger，2010)。Henderson(2003)则认为该关系不是稳定不变的，而是非线性的，即超过某个最佳的城市集聚度后，集聚则会对经济产生负面的影响。

国内探讨城市群空间结构的影响的研究起步较晚，已有文献多为测度、分析和比较城市群的功能结构及其动态演化过程，常用的分析方法包括计算帕累托指数、mono指数、首位度、区域基尼系数等(宋吉涛，2006;张鑫等，2016；黄妍妮等，2016)。在少数直接探讨城市群空间结构与经济发展之间关系的文献中，结论并不明确。第一种观点支持城市群的单中心空间结构。杨青山等(2011)以东北地区的地级市为研究样本，结果表明首位城市人口规模越大，劳动生产率越高。张浩然等(2012)发现，单中心结构对全要素生产率具有显著的促进作用。其原因在于目前的城市群空间结构特征趋于“扁平化”，使得城市集聚经济和规模经济效应难以发挥，不利于产业结构优化调整和经济的进一步增长(袁志刚等，2010；陆铭等，2011)。然而，近几年的城市群发展十分迅速，先前集聚不足的特点可能已发生改变。第二种观点认为，较高的单中心程度对经济发展呈负向影响，多中心的空间结构有利于经济绩效的提升(华杰媛等，2015；孙斌栋等，2015；侯韵等，2016)。该结论对城市群空间结构的经济效应具有一定的贡献，然而缺乏单中心程度对经济发展作用由正转负的“临界点”缺乏描述或测度，研究方法有待进一步完善。第三种结论是空间结构与经济发展之间存在非线性关系。李佳洺等(2014)通过对1995、2000、2005和2010年四个年份的中国20个城市群的人口和经济集聚程度进行研究，发现经济集聚度和经济增长之间符合倒“U”型特征。王磊等(2018)以中国中部地区城市群多中心结构为研究对象，研究发现城市群人口空间结构会对经济增长的影响呈现倒“U”型曲线特征，即由单中心向多中心结构转变。以上得出非线性关系结论的研究虽然是对以往文献的有益补充，但是由于选择的样本在时间层面不连续或者研究样本仅限于中部地区城市群，其结论的参考价值有待提高。

以上研究结论不统一与研究样本尺度、研究时间跨度选取以及经济发展的不同阶段、不同区域等因素有关，也进一步显示出亟需对比单中心空间结构的经济效应在不同区域、不同发展程度的异同以及考察空间结构与经济发展质量可能存在的非线性关系。基于此，本文的边际贡献在于研究对象的选取在时间上跨度较长、地域上跨度较广，包含了东部、中部、西部和东北部区域，并且在时间层面连续。在此基础上，结合门槛效应模型验证了城市群的单中心空间结构与经济发展质量之间的非线性关系，并计算出“拐点”所对应的单中心指数。

一、城市群空间结构测度与结果分析

(一)研究对象

本文选取中国十大城市群2003-2016年的面板数据作为研究对象，在空间尺度上，包含了东部、东北部、中西部等地域，是目前我国经济发展中最具活力和潜力的城市群。具体的研究对象包括长江三角洲城市群、珠江三角洲城市群、京津冀城市群、辽中南城市群、山东半岛城市群、中原城市群、关中城市群、长江中游城市群、成渝城市群、海峡西岸城市群。上述十大城市群所辖城市见表1。

表1 十大城市群及所辖城市

(二)测度方法与结果分析

本文采用Meijers和Burger(2010)的研究思路，运用mono指数测算城市群的空间结构。mono指数是利用城市群规模最大的前两位、前三位和前四位城市计算所得q值的平均值。具体计算公式如下：

lnPOPi=C-qlnRi

(1)

(1)式中，POPi是第i位城市的总人口，C为常数，Ri为城市群内对应城市i人口的位序。q为最小二乘回归斜率的绝对值，可以判断城市群的空间结构特征。若q>1，表明核心城市很突出，城市群服从单中心首位分布。若q<1，则表明城市群就业或人口比较分散，城市之间规模差异较小，服从多中心结构。若q=1，则认为该城市体系完全服从Zipf法则。中国十大城市群2003-2016年的mono指数测算结果见表2。其次，为使反映空间结构特征更加全面和反映城市群中心城市的集中程度更加直观，本文还计算了以上十大城市群首位城市的城镇就业占城市群城镇总就业之比s，测算结果见表3。

表2 中国10大城市群空间特征：基于mono指数的测度(2003-2016年)

从表2和表3可以看出，综合以上两类指数，十大城市群可以分为三类。第一类是单中心指数和首位度均下降的城市群，包含长三角、京津冀和珠三角城市群。其空间结构朝多中心演变，并且核心城市的集聚度呈现出下降趋势。第二类是空间结构和首位度均较为稳定的城市群，包含海峡西、山东半岛、辽中南、长江中游城市群，其城市层级差距不明显，首位城市的规模偏小。第三类为单中心指数和首位度均呈现上升趋势的城市群，包含中原、关中和川渝城市群，其核心城市逐渐突出，城市层级的差距扩大化。其中，关中城市群的首位城市规模偏大，单中心的空间结构最为典型。从四大区域比较来看，东部地区的城市群近似服从Zipf法则；中部地区的长江中游城市群呈弱多中心结构；西部地区城市群总体呈现出典型的单中心结构特征。

表3 中国10大城市群空间特征：基于首位度的测度(2003-2016年)

二、模型建立与变量说明

(一)模型设定

本文采用面板数据模型检验城市群空间结构 演化的影响因素，计量回归模型公式为：

lnpgdpij=α+β1monoij+∑βjControlij+γj+ηi+εij

(2)

式中：下标i表示城市群，j表示年份，lnpgdp表示城市群的人均GDP，monoij为本文的核心解释变量，表示城市群i在j年空间结构指数，Controlij表示其他影响城市群经济发展质量的控制变量，下文将详细介绍。εij为误差项。

进一步地，为探究城市群的单中心空间结构与经济发展质量是否存在非线性关系，在模型中加入核心解释变量的平方项和立方项进行探究。此外，考虑到城市规模的变化会影响集聚经济效应，从而会改变空间结构对经济高质量发展的影响，所以进一步将核心解释变量与城市群规模的交互项lnPOP×mono纳入模型中，计量回归模型公式分别为：

lnpgdpij=α+β1monoij+β2monoij2+β3lnPOPij+β4monoij×lnPOPij+∑βjControlij+εij

(3)

lnpgdpij=α+β1monoij+β2monoij2+β3monoij3+β4lnPOPij+β5monoij×lnPOPij+∑βjControlij+εij

(4)

(二)变量与数据说明

1.被解释变量。PGDPit表示城市群i在t年的人均实际GDP(2003年不变价)，用以衡量城市群经济发展的质量。

2.核心解释变量。monoij表示城市群i在j年空间结构指数，采用上文按照位序规模法则进行测算，该指数越大，城市群单中心的空间结构越明显。

3.控制变量。根据以往研究成果，影响城市群经济发展质量的因素除空间结构外，还包括自然禀赋因素和社会经济因素，例如地貌环境、面积大小、人口规模、产业结构、政府干预等。参考已有研究，本文选取以下控制变量。

城市群规模(POP)。随着城市群规模的增加，城市的规模集聚效应会不断演变，对经济发展质量的作用也会发生变化。本文采用各城市群年末市辖区总人口的对数值来衡量该城市群的规模，并考察对城市群经济发展水平的影响。

产业结构(IND)。经济发展需要以合理的产业结构作为基础。随着城市群建设的日渐成熟，第三产业与第二产业的比值逐渐增加成为趋势，经济发展的驱动力会发生转变。本文以第二产业生产总值与第三产业生产总值的比例为代理变量。

建成区面积(AREA)。城市蔓延、城市群的一体化都必须在土地面积的空间载体上进，并通过土地和交通运输成本来影响经济发展。本文采用城市群的建成区面积，考察地域大小对城市群经济发展的影响。

人力资本水平(EDU)。人力资本的增加将带来技术进步和自主创新的提高，是促进经济发展质量提高的内在动力。考虑到教育是形成人力资本的基石，本文采用各城市群中等和高等学校在校生总人数占该城市群总人口的比例作为人力资本的代理变量。

政府干预程度(GOV)。当城市群整体作为研究对象时，由于政府竞争和溢出效应，其包含各城市的地方政府对经济活动的干预程度都会对经济发展产生影响。本文采用各城市群地方政府财政支出占GDP的比重来衡量政府对经济活动参与程度的影响。

结合数据的可得性，本文选取的时间跨度为2003-2016年，所有原始数据都来源于历年的《中国区域经济年鉴》、《中国城市统计年鉴》和《中国城市建设统计年鉴》。为消除物价上涨的影响，选取2003年作为基年，将其余年份的十大城市群中所有城市的地方生产总值进行平减。对于少数缺失数据依据线性插值法进行补齐。

三、实证结果

(一)基准回归结果

根据Hausman检验，本文采用混合OLS估计方法对方程(2)-(4)的回归结果见表4。列(1)是仅包含控制变量的条件下，考虑单中心空间结构对经济发展质量的影响。回归结果表明，城市群单中心空间结构的回归系数为负，说明单中心集聚带来的拥挤成本超过了规模集聚效应，抑制了经济的增长。由列(2)可以看出，城市群规模的回归系数为负，交互项mono*lnPOP的系数为正，且均在1%的水平下显著。这表明随着人口和就业规模的增加，单中心的城市群空间结构可以抵消随着人口规模增长引起的拥挤成本。

列(3)-(4)分别在列(1)-(2)的基础上加入核心解释变量的平方项。回归结果表明，单中心指数的回归系数在1%的水平下显著，其二次项在5%的水平下显著，说明单中心空间结构与经济发展质量之间呈现“U”型的曲线关系。进一步地，列(5)-(6)分别在列(3)-(4)的基础上加入核心解释变量的立方项。回归结果表明，衡量城市群单中心程度的mono指数的一次项、二次项和三次项的系数分别为“负、正、负”且均显著，并且该模型的拟合程度较列(3)-(4)更高，这表明城市群的单中心空间结构对经济发展质量的影响呈现倒“N”型特征。其原因在于，城市群最初的形成得益于规模经济带来的生产率的提升，然而，当人口集聚达到一定程度后，过度的单中心结构会引起交通拥堵、环境污染、要素价格上升等规模不经济现象，拥挤成本会抑制经济的进一步增长。向多中心模式的适时转变可以带来地区间人口更加合理的空间分布，并通过城市功能分工、规模互借等促进城市群经济发展质量的提高。随后，当中心城市的辐射能力和首位度逐渐降低时，研发和创新等活动的开展会受限，创新能力不足将不利于进一步迸发出经济高质量发展的动力。所以，单中心空间结构在该阶段会再度促进城市群经济发展，直到资源的网络传输、交通的便利快捷等硬件设施达到新的层次。最终，城市群的多中心空间结构有利于经济的高质量发展。

表4 模型回归结果

注：回归结果由Stata14.0给出，括号内为各个变量系数的稳健标准差，***p<0.01，**p<0.05，*p<0.1.

控制变量中，变量产业结构(IND)的系数为负且显著，这表明第三产业占比的提高对经济高质量发展具有显著促进作用。第二产业的比重降低和第三产业的比重提高，是未来经济发展质量提高以及从工业化发展阶段转变为城市化发展阶段的必然趋势，伴随着城市化率的提高，产业升级也会带来经济的增长。变量建成区面积(AREA)的系数为正且显著，这表明土地作为资源禀赋，是人口的空间分布和城市开展功能分工、规模互借不可缺少的重要要素，其合理运用也会促进经济的高质量发展。变量政府干预(GOV)的系数为正且显著，表明城市群的空间结构不断向更优的方向调整离不开政府的干预，其对于城市群内地区间在功能层面的专业化分工协作十分重要。

(二)城市群的空间结构的门槛分析

基于上文的分析，城市群的单中心空间结构对经济发展质量的影响呈现倒“N”型特征。为估算其拐点值以及考察不同阶段空间结构的经济效应，本文选取城市群的单中心指数作为门槛变量，利用门槛模型进一步检验城市群的空间结构对经济发展质量的非线性关系。

表5 门槛效应检验

注：表中F值和P值均为采用bootstrap方法反复抽样500次的结果，***p<0.01，**p<0.05，*p<0.1.

从表5的门槛检验结果来看， 单一门槛和双重门槛均在1%的水平下显著。因此可以证实，城市群的单中心空间结构与经济发展质量之间存在双门槛。以往的研究城市群空间结构角度说明单中心空间结构可以通过规模经济、知识溢出带来经济增长；抑或是通过回归证实单中心空间结构与经济绩效之间存在倒“U”型关系，超于阈值之后，促进经济绩效的空间结构转变为多中心模式。该实证进一步说明，城市群的空间结构对于经济发展质量的影响处于动态的变化中，不同阶段存在不同的更优的城市群空间结构，不可“一刀切”地得出结论。接下来则需根据实证结果，进一步估计具体的门槛值大小，以观察不同的城市群处于不同阶段，以及探究其对于促进经济发展质量提升的影响差异。

估计的门槛值结构如表6所示。

表6 门槛值估计结果

注：表中临界值均为采用bootstrap方法反复抽样500次的结果。

根据门槛值回归结果，门槛值分别为0.6206和1.6603，分别处于测算出所有样本空间结构指数的最大值与最小值之间，所以该结果是有意义的。根据已经估算出的门槛值，对回归方程进行参数回归，参数估计结果如表7。

表7 双门槛参数回归结果

注：回归结果由Stata14.0给出，括号内为各个变量系数的稳健标准差，***p<0.01，**p<0.05，*p<0.1.

根据表7的回归结果，当mono≤0.6206、0.6206

当城市群的空间结构指数高于门槛值1.6603的情况下，其系数为-0.0841，说明单中心集聚程度过高时，过度的单中心化引起的“拥堵效应”超过了“集聚效应”，并且城市群内部的城市差距过大，无法形成有效的功能分工与规模互借，从而会抑制城市群的经济发展质量的提高。目前处于该阶段的城市群有京津冀和川渝城市群，特征为核心城市与其余城市的差距较为明显，仅依靠单中心的辐射能力难以形成联动作用，多中心模式会更有效地促进经济高质量发展。

城市群的单中心程度只有在合理的区间(0.6206

(三)稳健性检验

为了进一步检验上述实证结果的可靠性与稳定性，本文进行了两种稳健性检验：一是替换被解释变量。用城市群经济绩效(lnTFP)代替人均GDP作为被解释变量，检验结果见表8。二是考虑滞后期。上述分析虽然表明城市群的空间结构会影响经济发展质量，但经济发展质量同时也可能会影响城市群人口集聚和空间结构的变化，二者存在的双向因果关系会导致研究存在内生性问题，从而导致估计结果失去参考作用。本文将模型中的被解释变量做滞后一期处理，减弱双向因果导致的内生性问题，依据方程(4)的估计结果见表9。以上回归结果均与前文的检验结果一致，进一步验证了本文结论的稳健性。

表8 稳健性检验回归结果(1)

注：回归结果由Stata14.0给出，括号内为各个变量系数的稳健标准差，***p<0.01，**p<0.05，*p<0.1.

表9 稳健性检验回归结果(2)

注：回归结果由Stata14.0给出，括号内为各个变量系数的稳健标准差，***p<0.01，**p<0.05，*p<0.1.

四、结论与政策含义

本文利用2003-2016年中国十大城市群面板数据，综合运用位序规模法则和首位度对城市群的空间结构进行了测度，并运用面板模型、门槛回归模型对城市群的空间结构与经济发展质量的关系进行实证研究。具体结论如下：首先，城市群的单中心空间结构对经济发展质量的影响呈现倒“N型”特征，即单中心空间结构对经济发展质量的影响为“先抑制，后促进，再抑制”。城市群在起初规模较小时会得到单中心空间结构的集聚经济红利，超过一定限度后，交通拥堵、环境恶化等“城市病”将推动空间结构转变为多中心的发展模式。该阶段的突出问题转变为核心城市的辐射和带动能力不足，增长极的弱化不利于城市群的经济高质量发展，也决定了空间结构会再次向单中心化过渡。该转折点为第一个“拐点”。接着，随着信息革命、工业数字化转型，资源可通过虚拟媒介发生集聚，交通基础设施的优化会缩短通勤时间、改变核心城市人口高度集聚的形态。直到突破第二个“拐点”后，多中心的空间结构将持续地推动经济的高质量发展。

其次，城市群的单中心程度只有在合理的区间(0.6206

基于上述结论，本文提出如下政策建议：第一，城市群的各城市应积极打破行政壁垒，以城市群的经济发展为目标，不断调整城市群的内部空间结构，使之发挥最大的经济效应。第二，对于单中心集聚不足的城市群，例如山东半岛、长江中游城市群，各级政府应进一步优化资源配置，通过土地和户籍制度联动改革促进城市规模从扁平化分布向大城市集中分布的转化；应当加强核心城市的影响力，使其充分发挥规模经济和知识溢出效应，带动周围中小城市的协同发展。第三，对于单中心集聚程度过高的城市群，例如川渝、京津冀城市群，应当实施城市群的多中心战略，加大对次中心城市的政策支持和资源整合，缩小城市间的经济差距；同时，应适度分散核心城市的低端制造业功能，防止单一城市过度扩张带来的拥挤效应。第四，在城市群空间结构不断演化的过程中，政府应重点加大交通设施建设的投资力度，推进制造业及服务业的信息化和数字化转型，并且进一步提升人力资本，进一步加强中心城市的集聚能力和辐射作用，以提高城市群的经济发展质量。