中国城市群空间结构对大气污染的影响

刘凯 吴怡 王晓瑜 王成新

摘要 空间结构是城市群发展在空间维度的反映，并且对经济、社会、环境可产生溢出效应。随着大气污染逐渐制约城市群生态文明建设和高质量发展，亟须探索城市群空间结构对大气污染的影响。作者以我国19个城市群为研究对象，采用2000—2016年面板数据，通过位序-规模法则测度的中心度指数反映城市群空间结构，运用遥感影像反演的PM2.5浓度反映大气污染状况，使用固定效应模型分析城市群空间结构对大气污染的影响。研究结果表明：第一，我国城市群空间结构具有明显的多中心化特征。其中，长江三角洲、珠江三角洲、京津冀、成渝、中原、关中平原、山东半岛、辽中南、海峡西岸、哈长、宁夏沿黄、长江中游、呼包鄂榆城市群是多中心空间结构，黔中城市群由单中心演化为多中心，只有滇中、晋中、北部湾、天山北坡、兰西城市群是单中心空间结构。第二，城市群PM2.5浓度均值演化呈现出先上升、后下降的倒U形特征。其中，长江三角洲、珠江三角洲、成渝、黔中、山东半岛、海峡西岸、晋中、北部湾、长江中游、兰西城市群PM2.5浓度呈现倒U形演化特征，京津冀、中原、关中平原城市群PM2.5浓度呈现N形演化特征，滇中、呼包鄂榆、宁夏沿黄、天山北坡城市群PM2.5浓度持续保持在较低水平。第三，城市群空间结构对大气污染的影响呈现出线性负相关关系，提高中心度可以减少大气污染。这也在一定程度上说明了中国城市群空间结构的多中心化是造成大气污染的原因之一。

关键词 城市群;空间结构;大气污染;单中心;多中心;PM2.5;固定效应模型

中图分类号 F061.5;K902 文献标识码 A 文章编号 1002-2104（2020）10-028-08 DOI： 10.12062/cpre.20200904

改革开放以来，我国经历了一个快速城镇化过程，城镇常住人口由1978年的1.73亿人增加到2018年的8.31亿人，城镇化率从1978年的17.92%提高到2018年的59.58%。人口大规模向城镇集聚，吸纳了农村劳动力转移就业，提高了生产要素配置效率，有效扩大了内需，对于拉动经济增长起到重要作用[1]。伴随城镇化的快速发展，城市群也在不断发育和演化，并且已经在全国范围内形成较为完善的城市群空间结构体系，包括5个国家级大城市群、9个区域性中等城市群和6个地区性小城市群[2]。作为城市之间的高级空间组织形式以及城镇化高度密集地区，城市群逐渐成为中国推进新型城镇化的主体以及参与全球竞争和承接世界经济重心转移的载体。然而，在城镇化和城市群对国家经济发展发挥作用越来越明显的同时，由于非协调发展、高强度运转、空间组织不合理、缺乏统一的环境保护与治理机制等原因，城市群内部大气污染的跨区域化特征明显，城市群同时也成为“污染群”，不仅影响居民健康，而且制约国家生态文明建设和高质量发展[3-4]。因此，解决城市群大气污染问题成为学术界和政府部门共同关心的热点问题。

空间结构作为区域发展状态的指示器，是进行区域规律探索的重要切入点。城市群空间结构是不同要素在空间中的分布和组合状态，是城市群发育程度与过程的空间反映，其特征及其演化规律是区域经济学、经济地理学等学科在城市群领域的核心研究内容之一[5-7]。空间结构是否合理有序，不仅因影响城市群要素优化配置而对经济绩效产生影响[8]，而且其单中心-多中心分布特征以及集聚和分散状态可以对大气污染物的排放产生溢出效应。例如，位列全球十大环境污染事件之一的伦敦烟雾事件，与英伦城市群南部要素过度集聚于伦敦的空间结构特征不无关系。针对日益严重的大气污染问题，近年来污染物跨区域、跨城市协同治理逐渐得到重视，在大气污染防治十条措施和“十三五”生态环境保护规划中均提到“区域大气污染联防联控”。然而对大气污染进行联防联控，不仅需要分析大气污染物在地表形成的格局和结构，而且需要深层次分析大气污染物所在下垫面具有的空间结构特征对其带来的地域结构性影响。因此，研究城市群空间结构对大气污染的影响可以对制定城市群大气污染治理政策产生提供重要参考。

1 文献综述

城市群作为多层级的复杂网络体系，具有空间范围和发育过程的动态性特点，已有研究通常在新经济地理学的集聚经济理论指导下运用单中心或多中心特征表征城市群空间结构，主要描述要素分布于一个城市还是分布于多个城市，以及要素在多大程度上集中于城市或是以一种非集中的方式分散分布在非城市区域[9-10]。可以从形态和功能两个方面对城市群空间结构的中心性进行测度。形态中心性是城市群空间结构的最直观反映，通常运用首位度公式、位序-规模法则、Mono指数、帕累托指数计算人口和就业规模的集中程度，以反映城市群空间结构[8，11-14]。功能中心性强调城市群的城市之间不同功能“流”的强度和联系程度。王少剑等[15]利用人流、物流、资金流和信息流数据对珠三角城市群空间结构进行判断后认为广州市是城市群核心。孙斌栋等[16]认为基于功能联系视角的城市群空间结构总体呈单中心化趋势。

根据城市群空间结构测度结果，相关学者开始关注其产生的经济效应，空间结构是否可以影响城市群的经济表现或经济增长，是否存在特定的空间结构比其他空间结构更有经济效率，抑或有经济效率的城市群是否依赖于其特殊的空间结构等问题得到越来越多的关注。城市群空间结构的中心度，可以反映出城市群处于集聚经济状态还是集聚不经济状态，并进一步产生不同的效应。集聚的范围经济和知识溢出效应促进要素向特定区位集中并实现经济效率提高，当集聚的成本超过收益时，区域空间结构将走向多中心[9-10]。根据这一经典理论，部分学者认为单中心的空间结构有利于提高城市群经济效率：Bailey和Turok[17]认为，就集聚效应而言，单中心城市区域高于多中心城市;Parr[18]认为多中心结构带来较高的交通成本和较低的通勤效率，并且城市规模经济的优势受到限制;张浩然和衣保中[19]研究发现城市群全要素生产率的提高依赖于单中心空间结构，这一现象在规模较小的城市群更为显著。也有学者持多中心空间结構可以带来经济效率的观点，因为随着单中心程度的提高，往往伴随集聚不经济现象出现，从单中心转化为多中心可以避免这种现象恶化[20-21]。Meijers和Burger[8]研究发现，人口均衡分布的大都市区劳动生产率更高。与此同时，国内多位学者通过实证研究均得出多中心空间结构的城市群更有助于带来经济绩效的结论[22-25]。

从已有城市群空间结构的经济效应研究来看，虽然研究结论不尽相同，但是均反映出要素的空间分布状态可以对经济产生影响，可见，城市群空间结构可以对经济产生影响已是不争的事实。经济增长和环境污染物的关系是环境经济学领域的经典研究话题，自从环境库兹涅茨曲线（EKC）被提出之后[26]，有大量学者基于这一理论对二者的关系进行了实证研究[27-28]。城市空间结构通过影响环境过程，比如能量流动过程、物质循环过程、生物过程，进而对城市环境产生影响[29-30]，并且合理的城市空间结构可以提高交通出行效率，减少汽车尾气排放，是改善城市环境的有效方法之一[31]。通过上述分析，既然城市群空间结构可以对经济产生影响，而经济和环境具有紧密联系，那么城市群空间结构对环境是否能够产生影响？既然城市空间结构可以对环境产生影响，那么对于由多个城市组成的城市群而言，其空间结构对环境是否能够产生影响？因此，城市群空间结构对大气污染的影响是一个值得研究的问题。作者根据国家新型城镇化规划（2014—2020年）以及相关学者的成果[32]，以我国19个城市群为研究对象，以2000—2016年为研究时段，利用城市人口规模的中心度反映城市群空间结构，通过PM2.5浓度反映大气污染，建立固定效应模型模拟城市群空间结构对大气污染的影响。本文期望在理论方面有助于深化和创新城市群空间结构及其影响效应的研究内容，在实践方面有助于为城市群解决大气污染问题，实现高质量发展提供决策参考。

2 研究方法与数据来源

2.1 位序-规模法则

借鉴Meijers和Burger[8]、孙斌栋等[33]的研究成果，运用位序-规模法则测度城市群空间结构。

2.2 遥感影像反演数据

综合考虑数据准确性、可得性、连续性及客观性，运用PM2.5浓度反映城市群大气污染状况。采用2000—2016年美国国家航空航天局（NASA）大气环境遥感影像反演PM2.5年均浓度数据，可以较为精准、长时间序列地反映中国城市群历年大气污染的变化情况。

2.3 基准模型设定

STIRPAT模型是分析人文社会因素对环境影响的经典模型[35]，结合本文变量对原模型进行扩展，构建如下基准模型考察城市群空间结构对大气污染的影响：

其中，i表示19个城市群截面单位，t表示年份。AP是被解释变量大气污染（Air Pollution），用遥感影像反演的PM2.5浓度表示。SS是核心解释变量城市群空间结构（Space Structure），用位序-规模法则计算的中心度指数表示。考虑到大气污染受到多种因素的影响，因此引入一组控制变量：EG表示经济增长（Economic Growth），IS表示产业结构（Industrial Structure），ST表示科技进步（Scientific and Technological Progress），EO表示经济开放程度（Economic Opening），ER表示环境规制（Environmental Regulation），ES表示能源消费结构（Energy Consumption Structure）。分别用人均GDP、第二产业增加值占第三产业增加值的比重、城镇居民人均可支配收入、每万人专利授权数量、每万人实际利用外资金额、城市生活垃圾无害化处理率、煤炭消费量占能源消费量比重表示。ε是随机扰动项。相关数据来源于《中国统计年鉴》（2001—2017）[36]和《中国城市统计年鉴》（2001—2017）[37]。

3 实证结果

3.1 城市群的空间结构

根据公式（1）可以得到19个城市群空间结构计算结果（见表1）。黔中城市群由单中心演化为多中心，其他城市群的空间结构均保持稳定。其中，长江三角洲、珠江三角洲、京津冀、成渝、中原、关中平原、山东半岛、辽中南、海峡西岸、哈长、宁夏沿黄、长江中游、呼包鄂榆等13个城市群具有多中心空间结构特征，滇中、晋中、北部湾、天山北坡、兰西等5个城市群具有单中心空间结构特征。整体来看，我国城市群空间结构以多中心为主导，与城市空间组组织逐渐由传统中心模式向多中心、网络化模式转变[38]，与在较大区域空间尺度上城市网络结构的多中心特征比较明显[39]等研究结论相符。空间结构的多中心化意味着中国城市群发育程度逐渐完善，得益于城市之间的产业联系加强、FDI等资本流动、现代交通与信息化技术等因素的推动。

3.2 城市群的大气污染

图1是我国城市群的PM2.5浓度变化。19个城市群PM2.5均值呈倒U形趋势：2000—2007年PM2.5浓度由32.18μg/m3上升到44.79μg/m3，2008—2016年由44.04μg/m3下降到37.32μg/m3，2007年是城市群PM2.5浓度的拐点。长江三角洲、珠江三角洲、成渝、黔中、山东半岛、海峡西岸、晋中、北部湾、长江中游、兰西等城市群与全国城市群PM2.5浓度的均值相同，同样呈现倒U形趋势。京津冀、中原、关中平原城市群虽然出现拐点，但在拐点后的几年内，PM2.5浓度再次上升，整体呈现出N形演化趋势。滇中、呼包鄂榆、宁夏沿黄、天山北坡城市群的PM2.5浓度明显低于其他城市群，并且在研究周期内比较平稳。辽中南和哈长城市群PM2.5浓度未出现拐点，整体呈现持续上升趋势。总体来看，由于生态文明建设和环境保护政策的实施，我国大部分城市群PM2.5浓度出现了拐点，产业结构调整和能源利用效率提高也对污染排放起到抑制作用。

3.3 城市群空间结构对大气污染的影响

在对式（3）进行回归之前，运用LLC（Levin-Lin-Chu）检验和Fisher-ADF檢验进行单位根检验，两种检验均拒绝存在单位根的原假设。运用Pedroni 检验变量是否存在协整关系，检验拒绝了不存在协整关系的原假设，说明变量存在长期稳定的均衡关系。然后，采用固定效应模型和随机效应模型进行模拟，由于随机效应模型不能通过Hausman检验，因此只分析固定效应模型的结果（见表2）。

从回归结果来看，用中心度反映的城市群空间结构SS的系数为负，在5%水平下显著，说明城市群空间结构的中心度提高可以降低PM2.5浓度，中心度每增加0.01个单位，PM2.5浓度降低1.76%。伴随城市群中心度提高，要素往往向核心大城市集聚，集聚作为一种紧凑式的经济空间运动方式，可以产生各种溢出效应，其中包括通过学习、共享、匹配三种机制获得集聚经济效益[40]。当城市群中心度达到一定程度后因集聚而产生的效应将有利于节约成本、提高要素使用效率、推动技术进步，如果把资源和环境作为生产投入要素，集聚将有助于提高资源和环境要素利用效率。从企业角度来看，可以共享集聚帶来的正向外溢效应，降低生产所需的运输成本和管理成本，并且可以充分利用共享的污染处理设施来降低污染治理成本，并将节约的成本用于扩大生产规模和技术改革。从污染源角度来看，伴随城市群中心度提高，在要素向单中心城市集聚的同时，污染源也在发生集聚，大气污染排放集中在核心大城市，导致其他城市大气污染排放量小，而多中心城市群伴随人口、经济向多个核心城市集聚，导致污染源增多以及污染排放增加。从我国城市群发展的现状来看，单中心空间结构的城市群位于中西部地区，这类城市群同时也是PM2.5浓度较低的地区，而多中心空间结构的城市群是东部地区经济发达、发育程度高的城市群，这类城市群在工业化和城镇化过程中大气污染物的排放量明显高于中西部地区城市群。

根据环境库兹涅茨曲线（EKC）可知[26]，随着经济增长，环境污染程度存在特定拐点，呈现先加大后减小的倒U形演变趋势。为了验证城市群中心度对大气污染的影响是否存在拐点，借鉴刘修岩等[23]的研究成果，进一步在模型中加入中心度的二次项进行回归，结果显示中心度的一次项系数变为正数，二次项系数为负数，分别在5%和1%水平下显著（见表3）。表明城市群空间结构的中心度对大气污染的影响不存在拐点，可见在研究时段内城市群空间结构中心度对大气污染的影响呈现出负向的线性关系，中心度提高可以减轻大气污染，同时也反映出中国城市群空间结构的多中心化导致了大气污染加剧。

从控制变量的结果来看，经济增长、产业结构、经济开放程度、能源消费结构的系数为正，科技进步的系数为负，这些变量的结果与预期相符。但是环境规制的系数显著为正，与之前环境规制强度加大将有效促进大气污染程度降低的预期相悖，可能的原因在于：一是随着生态文明建设步伐加快，环境保护和治理逐渐成为地方政府的考核指标，地方政府比原来更加重视环境污染问题的解决，污染治理投资额度逐渐增加，环境规制强度有所提高，这也从侧面表现出污染加剧，在一定程度上说明了需治理的环境问题较严重。二是环境规制强度虽有所提高，但环境政策的执行力度不理想、环境规制体系不完善[41]，存在着很多问题尚未得到解决，比如立法缺乏公开、透明和民主，缺乏对环境规制绩效的影响评价，监督机制不健全等，从而致使不能够很好地缓解大气污染等环境问题。

3.4 稳健性检验

考虑到模型可能存在内生性问题，作者对结果的稳健性进行了验证。借鉴王思语和郑乐凯[42]的做法，把解释变量的滞后一期作为工具变量加入模型，借鉴左鹏飞等[43]的做法，采用两阶段最小二乘法重新进行回归分析。第一阶段回归结果显示，工具变量对城市群空间结构存在显著正向影响。利用Kleibergen-Paap rk LM检验工具变量是否识别不足：原假设是工具变量识别不足，检验值可以在1%上拒绝原假设，说明工具变量不存在识别不足问题。利用Kleibergen-Paap Wald rk F检验工具变量是否是弱工具变量：原假设是工具变量是弱工具变量，检验值为61.327，大于Stock-Yogo检验10%水平上的临界值29.53，可以拒绝原假设，说明工具变量不是弱工具变量。利用Sargan-Hansen检验工具变量的外生性：原假设是工具变量是外生的，检验P值大于0.1，可以通过原假设，说明工具变量是外生的。三个检验结果表明了工具变量是有效的。

然后进行第二阶段回归，结果显示，城市群空间结构对大气污染仍然存在显著的负向影响，工具变量法回归结果与原回归结果保持一致（见表4），所以研究结果是稳健的。

4 结论与政策启示

4.1 结论

城市群空间结构对经济、社会、环境具有溢出效应，已有研究主要研究了城市群空间结构对经济效率和经济增长的影响，少有研究涉及城市群空间结构的环境效应。为进一步探明城市群空间结构能否对大气污染产生影响，以及产生什么样的影响，抑或大气污染程度低的城市群依赖于什么类型的空间结构，作者以我国19个城市群为研究对象，选取2000—2016年面板数据，通过位序-规模法则测度的中心度指数反映城市群空间结构，运用遥感影像反演的PM2.5浓度反映大气污染，使用固定效应模型分析城市群空间结构对大气污染的影响，得出以下研究结论：第一，我国城市群空间结构呈现出明显的多中心化趋势。第二，城市群大气污染平均水平呈现先上升、后下降的倒U形趋势，东部地区污染程度明显高于中西部地区。第三，城市群空间结构的中心度与大气污染呈现线性负相关关系，提高中心度可以减少大气污染。

4.2 政策启示

城市群空间结构的多中心化固然可以带来经济效益的提高，但是也成为大气污染的原因之一。多中心空间结构的城市群固然是经济较为发达的城市群，但绝不能成为“家家点火，户户冒烟”的城市群。多中心造成大气污染仅仅是表象，粗放的城镇化模式才是造成大气污染的根源所在。对于城市群而言，应在新型城镇化导向下严控城市规模扩大所带来的低效的“多点开花”现象，需要走集约式、紧凑式、内涵式发展道路，高效利用空间资源，提高城市空间的实际建设和利用效率。

多中心空间结构的城市群原本在一定程度上避免了不同城市之间经济差异过大的问题，是一个分工合理、联系密切、协同发展的城市网络，面对大气污染问题更需要而且更能够形成共同的利益诉求。因此，这类城市群不仅需要加强不同城市之间的经济合作和交通基础设施建设，更应该在政策上引导不同城市对大气污染进行联防联治。需要对不同城市进行统一规划、统一标准、统一环评、统一监测、统一执法，避免“以邻为壑”的条块分割现象，推动形成城市群大气污染联合防护、联合治理的新格局。

多中心空间结构的城市群避免了要素过度集中所导致的资源配置效率低下问题，促进了要素在不同城市之间合理分工及优化配置，也促进了产业在不同城市之间合理转移，从而推动不同城市产业优化升级。因此，多中心空间结构的城市群需要对产业结构和经济发展进行整体规划，实现城市之间的“规模互借”，充分发挥产业结构优化升级的优势，引导产业合理集聚、合理布局，引导产业向高级化方向发展。对已有的污染型产业需要限产限排，对于新进产业需要提高环境准入门槛，推动城市群通过产业结构优化升级减少大气污染物排放。

单中心空间结构的城市群需要進一步发挥集聚效应的正外部性对大气污染带来的抑制作用，推动绿色技术创新，引导绿色技术研发活动，避免因过度集聚而造成集聚不经济现象出现。尤其是因集聚而带来的污染排放增多问题，在承接外国投资和东部地区产业转移过程中提高环境甄选能力。并且需要进一步发挥首位城市的辐射带动作用，引导要素在城市群不同城市之间的合理分布和流动，形成城市群内大中小城市协调发展的格局。

参考文献

[1]张宗斌，汤子玉，辛大楞.城市化与城市规模对中美对外直接投资区位选择的影响研究[J]. 中国人口·资源与环境，2019，29（12）：158-167.

[2]方创琳. 改革开放40年来中国城镇化与城市群取得的重要进展与展望[J].经济地理，2018，38（9）：1-9.

[3]刘海猛，方创琳，黄解军，等.京津冀城市群大气污染的时空特征与影响因素解析[J].地理学报，2018，73（1）：177-191.

[4]王成新.结构解读与发展转型：中国城市化综合思辨[M].北京：人民出版社，2017.

[5]姚士谋，周春山，王德，等.中国城市群新论[M].北京：科学出版社，2016.

[6]姚常成，吴康.多中心空间结构促进了城市群协调发展吗？——基于形态与知识多中心视角的再审视[J].经济地理，2020，40（3）：63-74.

[7]刘修岩，文意豪.中国省域城市体系多中心发展水平的测度与影响因素[J].浙江学刊，2020（1）：100-110.

[8]MEIJERS E J， BURGER M J. Spatial structure and productivity in US metropolitan areas [J]. Environment and planning A， 2010， 42 （6）： 1383-1402.

[9]KRUGMAN P. Increasing returns and economic geography [J]. Journal of political economy， 1991， 99 （3）： 483-499.

[10]FUJITA M， KRUGMAN P， VENABLES A J. The spatial economy： cities， regions， and international trade [M]. Cambridge， MA： MIT Press， 1999.

[11]黄妍妮，高波，魏守华.中国城市群空间结构分布与演变特征[J].经济学家，2016（9）：50-58.

[12]LUCA S. Examining urban functions along a metropolitan gradient： a geographically weighted regression tells you more [J]. Letters in spatial and resource sciences， 2018 （21）： 1-22.

[13]ALIREZA S M， ALI S， BRUNO P， MEHDI A. Analysing the space-time dynamics of urban structure change using employment density and distribution data [J]. Cities， 2018，81： 203-213.

[14]SUN B D， LI W， ZHANG Z Q， et al. Is polycentricity a promising tool to reduce regional economic disparities？ Evidence from Chinas prefectural regions [J]. Landscape and urban planning， 2019， 192： 1-11.

[15]王少剑，高爽，王宇渠.基于流空间视角的城市群空间结构研究——以珠三角城市群为例[J].地理研究，2019，38（8）：1849-1861.

[16]孙斌栋，王婷，刘鹏飞.中国城市群空间结构演化的影响因素分析——基于铁路客运的功能联系视角[J].人文地理，2019，34（5）：78-84.

[17]BAILEY N， TUROK I. Central Scotland as a polycentric urban region： useful planning concept or chimera [J]. Urban studies， 2001， 38 （4）： 697-715.

[18]PARR J B. Agglomeration economies： ambiguities and confusions [J]. Environment and planning A， 2002， 34 （4）： 717-732.

[19]张浩然， 衣保中. 城市群空间结构特征与经济绩效——来自中国的经验证据[J].经济评论，2012（1）：42-48.

[20] FUJITA M， THISSE J， ZENOU Y. On the end ogeneous formation of secondary employment centers in a city [J]. Journal of urban economics， 1997， 41 （3）： 337-357.

[21]FRANCISCO B， CARLOS U. Efficient creativity in Mexican metropolitan areas [J]. Economic modelling， 2018， 71 （4）： 25-33.

[22]苗洪亮，曾冰，张波.城市群的空间结构与经济效率：来自中国的经验证据[J].宁夏社会科学，2016（5）：129-137.

[23]刘修岩，李松林， 秦蒙.城市空间结构与地区经济效率——兼论中国城镇化发展道路的模式选择[J].管理世界， 2017（1）：51-64.

[24]孙斌栋，郭睿，陈玉.中国城市群的空间结构与经济绩效——对城市群空间规划的政策启示[J].城市规划，2019，43（9）：37-42，85.

[25]侯韵，孙铁山.中国城市群空间结构的经济绩效——基于面板数据的实证分析[J].经济问题探索，2016（2）：80-88.

[26]GROSSMAN G， KRUEGER A. Economic environment and the economic growth[J]. Quarterly journal of economics， 1995， 110（2）： 353-377.

[27]WANG Z B， BU C， LI H M. Seawater Environmental Kuznets Curve： evidence from seawater quality in Chinas coastal waters[J]. Journal of cleaner production， 2019， 219（10）：925-935.

[28]邵帅，张可，豆建民.经济集聚的节能减排效应：理论与中国经验[J].管理世界，2019（1）：36-60，226.

[29]ALBERTI M. The effects of urban patterns on ecosystem function [J]. International regional science review， 2005， 28（2）：168-192.

[30]SETO K C， SHEPHERD J M. Global urban land-use trends and climate impacts [J]. Current opinion in environmental sustainabilicy， 2009， 1（1）： 89-95.

[31]宋彦，钟绍鹏，章征涛，等.城市空间结构对PM2.5的影响——美国夏洛特汽车排放评估项目的借鉴和启示[J].城市规划，2014，38（5）：9-14.

[32]王德利，杨青山.中国城市群规模结构的合理性诊断及演变特征[J].中国人口·资源与环境，2018，28（9）：123-132.

[33]孙斌栋，华杰媛，李琬，等.中国城市群空间结构的演化与影响因素——基于人口分布的形态单中心-多中心视角[J].地理科学进展，2017，36（10）：1294-1303.

[34]国家统计局城市社会经济调查司.中国城市统计年鉴[J].北京：中国统计出版社，2001-2017.

[35]DIETZ T， ROSA E A. Rethinking the environmental impacts of population， affluence and technology[J]. Human ecology review， 1994， 2（1）： 277-300.

[36]国家统计局.中国统计年鉴[J].北京：中国统计出版社，2001-2017.

[37]国家统计局能源司.中国能源统计年鉴[J].北京：中国统计出版社，2001-2017.

[38]TAYLOR P J， EVANS D M， PAIN K. Application of the Interlocking Network Model to mega-city-regions： measuring polycentricity within and beyond city-regions[J]. Regional studies，2008，42（8）： 1079–1083.

[39]王士君，廉超，趙梓渝.从中心地到城市网络——中国城镇体系研究的理论转变[J].地理研究，2019（1）：1-11.

[40]DURANTON G， PUGA D. Micro-foundations of urbanagglomeration economies[C]//HENDERSON V， THISSE J F. Handbook of regional and urban economics （Vol.4）.Amsterdam： Elsevier-North Holland， 2004： 2063-2117.

[41]贺灿飞，张腾，杨晟朗.环境规制效果与中国城市空气污染[J].自然资源学报，2013，28（10）：1651-1663.

[42]王思语，郑乐凯.全球价值链嵌入特征对出口技术复杂度差异化的影响[J].数量经济技术经济研究，2019（5）：65-82.

[43]左鹏飞，姜奇平，陈静.互联网发展、城镇化与我国产业结构转型升级[J]. 数量经济技术经济研究，2020（7）：71-91.

（责任编辑：李 琪）