多中心空间结构与劳动收入——来自中国工业企业的证据

陈 旭 邱 斌

一、引 言

近年来，随着我国大中型城市的快速扩张以及基础设施的不断完善，城市之间的经济距离和地理距离日益缩短，区域多中心空间形态成为我国城镇化过程中的一个重要特征(孙斌栋等，2017)。区域内互联互通的多中心空间结构在较大程度上削弱了城市之间的市场边界，促进生产要素在更大空间范围内流动和配置。因此，相比于区域内“一城独大”的单中心发展模式，多中心空间结构能够更大程度地发挥空间正外部性并实现生产效率的进一步提升(Meijers等，2016)。

多中心空间结构可理解为特定地理范围内要素在不同城市之间的均衡分布，区域中经济规模相近的大城市越多，意味着该地区多中心水平就越高。相比于过去依靠本地市场和传统资源优势实现经济发展的城市竞争思维，多中心空间发展模式有其必然性和合理性。正如Fujita和Thisse(1997)所指出，集聚经济的向心力和拥挤效应的离心力之间的动态博弈推动了城市体系的发展和演变。随着我国工业化和城镇化的高速推进，大量要素快速汇聚于区域中心大城市并在一定程度上超过了城市承载力，集聚的外部经济效应开始被市场拥挤所削弱( 垚王 等，2017)。在多中心城市网络中，生产要素的空间配置将得到显著优化，城市之间的分工和协作能够产生“1＋1＞2”的聚合效应，进而能够带来更高的生产效率和收入水平(张学良等，2017)。然而，部分学者指出，过去较长一段时期内，我国的区域均衡发展政策引致部分地区过分追求人口和经济“均匀分布”，导致目前我国出现“大城市发展不足而中小城市过多”的失衡状态(潘士远等，2018)。如此一来，在大城市尚未达到最优规模的情况下，塑造区域多中心空间结构反而削弱了集聚经济效应，要素报酬由此受到损害。因此，多中心空间发展模式更像是一把“双刃剑”，其对经济社会有何影响尚未得到统一的回答。

随着城市扩张与工资水平之间的紧密联系得到越来越多的关注和证明(Glaeser和Mare，2001；踪家峰和周亮，2015)，我们不禁提出疑问：在超越单一城市的地理范围内，多中心式的区域空间结构会对劳动收入产生怎样的影响？相比于传统的城市内部集聚经济，多中心空间结构将通过哪些途径提升当地的劳动收入水平？如何顺应新型城镇化发展趋势并充分利用多中心空间结构的正向溢出，以提升我国劳动收入水平，值得我们深入探讨。为此，本文将运用夜间灯光数据构建各地区的多中心指数，并结合中国工业企业数据深入考察我国多中心发展模式对劳动收入的影响以及其作用机制。本文的贡献主要包括以下三点：第一，在城市规模(集聚)与收入之间的紧密联系已得到证实的基础上，从多中心视角分析了我国区域空间结构对劳动收入的影响，对相关领域的研究做了一定的延伸和补充；第二，运用中介效应模型，重点探讨了多中心空间发展模式影响我国劳动收入的具体路径，并考察城市间地理距离与基础设施水平在其中发挥的调节效应，为我们明确通过构建多中心空间格局实现我国劳动收入增长的路径提供了依据；第三，创新性地采用地表粗糙度、河流密度与汇率相结合构建区域空间形态的工具变量，最大程度地解决了劳动收入与多中心空间结构之间的内生性问题。

二、文献综述

多中心空间结构的本质是我国生产要素在城市化过程中的多中心式集聚，而城市扩张、经济集聚与劳动收入之间的联系已得到较为深入的探讨。多数研究指出，大城市能够通过集聚效应和选择效应实现更高的收入水平。一方面，相比于中小城市，大城市所具有的广阔的就业市场使得劳动者更容易寻求到与自身技能相匹配的岗位和更加满意的工资水平(Enrico，2011)。同时，大型城市往往是区域范围内人才汇聚的腹地，劳动者能够通过互相之间知识技术的学习和模仿获得技能和生产效率的提升，进而加快其劳动收入的增加(Glaeser和Mare，2001)。谢露露(2015)进一步发现，城市内部的产业集聚能够通过规模经济和专业化生产促进收入增长。另一方面，规模较大的城市往往具有更为激烈的竞争环境，优胜劣汰的选择效应使得大城市的从业人员具有更高的技能并能获取较高的回报(张天华，2017)。Combes等(2012)基于法国城市数据的研究显示，技能高于平均水平的劳动力倾向于向大城市迁移，而技能较低的劳动力则倾向于选择中小城市。此外，部分研究则认为，城市规模扩张对劳动收入的积极影响往往通过集聚效应和选择效应共同实现，即偏向型的集聚效应。相比于以体力劳动为主的低技能从业人员，高技能知识性人才的收入水平在城市规模扩张过程中受益更加明显(Bacolod等，2009；踪家峰和周亮，2015)。

与此同时，随着城市规模的持续扩张，集聚的外部经济效应逐步被市场拥挤所削弱。城市规模与要素报酬之间并不是一成不变的线性关系，城市规模存在一个最优水平(Arnott，2007)，这对于中国而言也是如此。垚王 等(2017)发现，目前我国部分城市已出现过度集聚现象，人均产出由此受到抑制。因此，在扣除大城市高昂的居住和通勤成本之后，大城市相比于中小城市的收入溢出可能将大打折扣(宁光杰，2014)。出现此现象的原因可能在于，流动人口会在收入和成本等方面对不同规模的城市进行权衡，直到流动人口发现大城市与中小城市之间的净效用水平保持一致，这时不同规模城市的实际工资水平也趋于一致(Moretti，2011)。此外，陈旭和秦蒙(2018)从城市蔓延这一与集聚相反的视角发现，城市密度的适度稀释有助于收入提高。

正是由于中心城市较高的拥挤成本，在城际交通基础设施不断完善的过程中，生产要素开始由中心城市向周边次级中心城市转移并逐步形成多中心空间结构。相邻城市之间的互动能够更加有效地降低拥挤成本，更大程度地发挥空间外部经济效应(孙斌栋等，2017)。早在20世纪70年代，Alonso(1973)首次提出了“规模借用”这一概念，其核心思想指出，分布在中心大城市周边的中小城市既能够“借用”大城市的外部经济效应，实现其生产效率的提升，同时又可以避免承担由过度集聚产生的拥挤成本。因此，在当前交通和通讯基础设施日益完善的背景下，在不损耗大城市集聚经济的前提下，逐步塑造多中心空间结构将会成为未来区域空间的主流形态(Burger等，2015)。

近年来，多中心空间结构外部效应的相关研究主要落脚于经济发展，但学者们尚未达成一致意见。

以“规模借用”为代表的一种观点认为，在多中心空间结构中，邻近的城市可以共享中心大城市带来的集聚经济成果，区域内整体的经济效率借此得以改善(Phelps和Ozawa，2003)。特别是对于那些难以受到特大型城市经济溢出效应带动的地区，多中心空间结构不失为提高集聚经济效应的有效方式(Johansson和Quigley，2004)。丁从明等(2015)指出，当前我国普遍存在的生产要素集中于省会城市并形成一城独大的单中心结构并非经济规律使然，而是由不够合理的资源配置机制所致，塑造多中心空间结构更有助于经济增长。随后，刘修岩等(2017)进一步证明了资源要素相对分散的多中心空间布局更有利于中小城市经济效率提升的论点。除了“规模借用”，多中心空间结构中不同层级的城市在产业方面的深度分工以及城市功能上的互补，能够产生空间外部性放大效应，进而获取更高的经济绩效(张学良等，2017)。此外，Meijers和Burger(2010)以及Meijers等(2016)从城市层面发现，相比于单中心空间结构，多中心空间结构具有更高水平的经济效率。

然而，另一种观点则认为，多中心空间结构并没有发挥明显的空间功能整合和资源配置优化的作用，反而“稀释”了中心大城市的集聚经济，导致经济效率受到损失。Parr(2002)指出，相比于单中心模式，多中心空间结构往往导致较低的通勤效率和更高的交通成本，不利于知识技术的学习和溢出。比如高密度、面对面式的交流活动在多中心空间结构中会受到一定程度的限制。张浩然和衣保中(2012)基于我国十大城市群面板数据的实证研究表明，单中心区域空间结构更有助于经济增长质量的提高。其主要原因在于目前我国大城市的规模经济尚未充分发挥其作用(潘士远等，2018)。此外，在多中心空间结构中，中小城市可能由于中心大城市产生的“虹吸效应”而流失大量的优质生产要素，经济效率不增反降(陈玉和孙斌栋，2017)。

以上研究为理解我国城市化过程中劳动收入变化的原因提供了有益见解，但还存在以下值得我们进一步探索之处。首先，目前关于城市化对劳动收入的影响研究主要局限于城市内部，在超越城市个体的更大地理尺度上，空间格局的变化将会对区域内劳动收入产生怎样的影响尚未有直接研究文献；其次，目前国内关于多中心空间结构的社会福利效应研究起步相对较晚，且主要考察其对区域经济增长和生产效率的影响，忽略了多中心空间结构在形成过程中对经济福利的影响路径；最后，作为影响空间溢出的重要条件，城市间距离和基础设施对区域空间结构与劳动收入之间的关系将会产生怎样的调节效应同样是值得关注的问题。为此，本文将深入考察中国各省份多中心空间发展模式对区域内劳动收入的动态影响、作用机制以及约束条件。本文采用省份作为地理单元的原因主要在于：一方面，由于市场分割的存在，省际行政边界大大降低了区域性大城市对外省城市的空间溢出和吸纳效应的强度，但是对省内中小城市起到了较为明显的保护和促进作用；另一方面，不同省份在产业政策、城市规划等方面差异较大，在地区竞争仍然存在的背景下，在省级政府制定的统一发展框架下打造多中心空间结构更具现实可操作性。本文研究内容将有助于从区域空间格局视角挖掘出提升我国居民收入水平的新型动力源，同时也为更深入理解中国经济“在集聚中走向平衡”提供一定的理论依据和政策启示。

三、理论分析与研究假说

关于区域内部空间结构与工资水平之间的关系尚未有直接研究文献，但通过对相关文献进行梳理，本文认为市场一体化和要素流动是多中心空间结构影响劳动收入水平的两大重要途径。

1. 多中心空间结构促进劳动收入水平提高的一种途径是提升市场一体化水平

长期来看，由地方竞争和地方保护引致的市场分割明显抑制了国内要素配置优化，劳动力难以生产更高水平的边际产出，劳动收入由此受到“损害”(王宋涛等，2017)。一方面，由于行政边界的存在，分割的市场阻碍了本地企业市场规模的扩张和要素投入的增加，进而减少了本地劳动者的就业机会，降低其收入水平。不仅如此，受到市场分割的制约，企业为了获取利润，常常不得不选择较为低端的国际市场，逐步陷入低端技术锁定和比较优势陷阱(张杰等，2011)，长期停留在低技术产品的生产无疑会抑制劳动者收入水平的提高。另一方面，区域之间的学习效应和技术溢出是提升要素边际报酬的重要动力。相比于互联互通的城市网络，分割的市场限制了其他地区产品和技术进入本地市场的种类和规模，本地企业难以通过学习和模仿来提高其产品技术水平和生产效率，劳动收入的提高由此受到抑制(徐保昌和谢建国，2016)。此外，分割的市场弱化了优胜劣汰的选择机制，使得大量效率低下的企业依靠地方保护而继续存活，这也导致劳动者的工资水平难以增长(王磊和张肇中，2019)。因此，打破市场分割、提升市场一体化水平是区域多中心空间结构优化要素配置和提高劳动者收入水平的重要途径之一。随着区域多中心空间格局的逐步形成，城市之间会在市场力量下自发形成功能分工和市场共享的区域合作体系，劳动报酬在超越单一城市的更大地理范围内得到显著提高(赵永亮等，2011)。正如洪银兴和吴俊(2012)所指出，多中心空间发展模式是促进区域一体化的有效思路。Meijers(2008)发现，多中心城市网络能够产生比单中心空间结构更加高效的要素利用效率的原因主要在于城市之间的市场整合。

2. 多中心空间结构促进劳动收入水平提高的另一种途径是加快要素流动

Krugman(1991)指出，随着生产要素从中小城市流向大城市，大城市在凭借集聚经济和规模经济实现劳动生产率提高的同时，中小城市同样能够通过未流出要素边际产出的增加以及流出要素的更高回报对本地的正向反馈来实现其劳动报酬的提高。王比达和苏婧(2020)基于要素流动提出“协调性集聚”这一概念，即要素的自由流动既能够提高发达地区的劳动生产率，也从需求侧激发了要素流出地区的市场潜能并增加其边际收益。此外，各类生产要素的跨地区流动有助于知识技术的传播与更新，高质量、新技术产品的市场供给与需求随之增加，这将通过优化地区劳动力结构来推动要素回报率提高(白俊红和蒋伏心，2015)。因此，在集聚经济已成为普遍趋势的情况下，当前更重要的是减少资源和劳动力等生产要素的流动障碍，以此提高要素配置效率和回报率(陆铭和向宽虎，2014；蒋含明，2016)。相比于单中心结构，在多中心空间结构中，次级中心城市作为连接中小城市和中心大城市之间的重要枢纽，能够进一步放大中心城市正向溢出的范围和力度，促进要素跨地区流动(苏宁和杨传开，2017)。殷德生等(2019)基于长三角城市群发现，多中心空间发展模式显著加快了劳动力的跨地区流动。白永亮等(2016)基于长江中游城市群得出类似的结论。因此，区域内部形成适度的多中心空间结构能够通过促进生产要素流动来提高劳动收入水平。

尽管要避免“一城独大”成为优化要素配置和提高劳动收入水平的单一途径，但区域内过于均衡的扁平化发展模式容易导致区域内产业组织形态和劳动力分布处于较为分散的状态，限制了城市之间的分工合作和要素报酬的增长空间。一方面，目前我国城市体系尚未成熟，区域中心城市的辐射和带动效应尚未充分发挥其作用，过高的多中心空间结构水平反而削弱了集聚经济对生产效率的推动作用(潘士远等，2018)。哪怕是单中心结构十分明显的长三角城市群，作为中心城市，上海市的人口密度仍有较大的提升空间(陈钊和陆铭，2014)。正如Duranton(2015)所强调的，从长期看，区域生产效率的提高还是需要依靠中心大城市的带动。在区域大城市发展过程中，若刻意通过限制大城市扩张、加强次级中心城市建设来塑造多中心空间结构，过高的多中心水平不仅弱化了中心城市的“龙头地位”，更是限制了优质生产要素的边际产出。另一方面，正是由于受到“限制大城市、实现区域均衡发展”这一思想的影响，导致各层级城市加快新城区的土地供给和建设。然而，新建城区往往与城市中心距离较远，这抑制了劳动收入水平的提高(陈旭和秦蒙，2018)，也形成了区域内部“摊大饼”式的空间发展模式，引致资源配置效率降低(韩立彬和陆铭，2017)。因此，空间结构适度多中心化有助于提高劳动收入水平，但过高的多中心水平可能不利于劳动者收入水平的提高。

基于以上分析，本文提出如下两个假说。

假说1：多中心空间结构对劳动收入的影响存在先提高后抑制的倒U型特征。即当区域内多中心程度较低时，多中心空间发展模式有助于劳动收入水平的提高；而当多中心程度过高时，多中心空间发展模式不利于劳动收入水平的提高。

假说2：市场一体化和要素流动是多中心空间结构影响劳动者收入水平的两个重要途径。

四、经验模型与变量构建

（一）经验模型的设定

依据前文的研究假说，本文基准经验模型如式(1)所示。

其中，wage表示制造业企业从业人员劳动收入，计算公式为：(应付工资＋应付福利)/员工人数；polycentric表示企业所在省份的多中心指数，为了观察多中心空间结构对劳动收入的影响是否存在非线性特征，模型中加入了多中心指数的平方项polycentric2；CV表示本文选取的若干可能与劳动收入相关的控制变量。具体对该控制变量而言，在省份层面，市场一体化水平(integ)，根据盛斌和毛其淋(2011)的思路，本文首先计算不同商品价格之比对数的一阶差分来衡量相对价格，然后运用取均值法获得各省份的市场分割水平，最后对市场分割指数的倒数开平方根之后便得到各省份的市场一体化指数①该方法使用价格指数法来构建区域市场一体化指数，其核心思想指出，由于运输成本的存在，商品在运输过程中会损耗部分价值。如此一来，即便两地市场不存在贸易壁垒，相同产品的相对价格也不一定会接近1。此时，只要产品的相对价格能够在特定区间内稳定波动，我们便可认为两地市场是一体化的。；要素流动(flow)，本文借鉴刘修岩等(2017)的做法，用各省份的客运量来体现；固定资产投资(invest)，本文用各省份固定资产投资占GDP比重来表示；人力资本水平(edu)，本文用总人口中的在校大学生比重来表示；产业结构(structure)，本文用GDP中服务业产值占比来体现。企业层面的控制变量包括劳动生产率(pro)和人均资本(kl)，前者用人均产值来表示，后者则用人均固定资产来体现。

本文对劳动收入、市场一体化水平、要素流动、劳动生产率和人均资本取对数，且将所有解释变量的滞后一期代入回归方程中。

（二）多中心空间结构指数构建

现有研究对区域空间结构的测算主要包括城市位序规模分布法则(Meijers和Burger，2010)以及城市首位度指数(Henderson，2003)。借鉴Meijers和Burger(2010)的方法，本文主要运用城市位序规模分布法则来从形态上衡量地区的多中心水平，具体测度公式如式(2)所示：

表1 我国多中心指数前十位的省份

值得说明的是，若是用经济体量或人口规模衡量城市规模序位，我国在城镇化过程中时常出现撤市划区等行政变更现象，这会降低同一城市在前后年份的经济人口数据的可比性；相比之下，精确至街区层面的夜间灯光数据能够剔除行政区划变更的影响，成为衡量一个地区空间形态的有效替代指标(Henderson等，2016)②夜间灯光亮度数据来源于刘修岩等(2017)的文献。。这是本文采用夜间灯光亮度来测算区域多中心空间结构的主要原因。

本文数据来源于《中国工业企业数据库》《中国统计年鉴》以及DSMP/OLS全球夜间灯光数据库，年份跨度为2001—2013年。在数据处理过程中，由于西藏、新疆、青海、海南数据缺失严重以及北京、上海、天津、重庆是直辖市，本文的研究样本剔除了这八个省份，保留了在样本期内持续经营的制造业企业，最终获得23个省份258493家制造业企业样本①安徽省于2011年8月撤销原地级市巢湖市而设立县级巢湖市，为了避免企业所属城市变更对后续分城市规模检验产生干扰，本文将巢湖市企业样本剔除。。此外，考虑到本文设定的自变量对劳动收入的影响往往存在时间上的滞后，本文在回归过程中将自变量的滞后一期代入到计量模型中。

五、实证检验与分析

（一）全样本回归分析

首先，本文用OLS估计对式(1)的计量模型进行基准回归，结果如表2所示。可以发现，不论是否加入控制变量，多中心指数的一次项估计系数均显著为正，相应的平方项的估计系数则显著为负。这意味着多中心空间结构对区域内劳动收入的影响表现出明显的先促进后抑制的倒U型特征，假设1得到了验证。对此现象本文理解为，在多中心空间结构形成初期，区域空间结构的多中心指数较低，此时中心城市与周边城市之间的发展差距较为明显。一方面，城市之间更容易形成垂直型分工协作体系，促使生产要素在不同城市之间重新配置；另一方面，在多中心空间结构发展水平相对较低的阶段，中小城市与中心大城市之间的“规模借用”效应更加显著。由此，区域内整体劳动收入能够随着多中心空间结构的发展而得到提高。然而，在目前我国各区域中心城市尚未达到最优规模的情况下，区域内过于均衡的空间结构反而降低了集聚经济效应，不利于中心城市空间辐射带动作用的发挥。不仅如此，当多中心指数超过一定程度之后，意味着区域内大城市的数量和发展水平较为接近，中心城市的首位度和辐射作用不够突出。在工业产业依然是中国城市经济发展最主要动力的发展阶段，多中心水平过高容易导致城市之间出现产业趋同、重复建设以及竞争大于合作等现象，进而降低了生产要素的流动性和市场一体化程度。如此一来，过高的多中心空间结构水平反而降低了劳动收入水平。

表2 多中心结构影响劳动收入的全样本检验①作者同时使用了劳动市场一体化指数替代商品市场一体化指数进行回归估计，结果并未发生明显变化。为避免赘述，相关结果并未展示于正文中，若感兴趣，可向作者索取。

控制变量的回归结果为我们理解其他影响劳动收入的重要因素提供了有价值的信息。在区域层面，市场一体化水平(integ)的提高和要素流动(flow)的加快能够显著提高劳动收入水平，这主要受益于劳动力能够通过在更加广阔的市场中自由流动来获得与自身条件更为匹配的岗位，进而实现收入水平的提升。固定资产投资(invest)的估计结果显著为正，这表明区域内物质资本投入的增加能够促进劳动收入的提高，这与我们的经验直觉相一致。人力资本水平(edu)估计系数为正数，且在1%的显著性水平上显著。这意味着地区高等教育环境的进步是提高区域内劳动收入的有效途径。产业结构(structure)显著为正的估计系数表明，服务业的发展能够显著提高区域内的劳动收入。在微观企业层面，劳动生产率(pro)和人均资本(kl)水平的提高均是提高劳动收入水平的关键因素，其原因在于二者均能够带来边际劳动产出的增加。

表2的基准回归为我们了解多中心空间结构对劳动收入的影响提供了初步证明，但还需进行稳健性检验。为此，一方面，本文用1减去省份内最大规模的城市灯光亮度占全省灯光亮度的比例测得变换的首位度(monopro)，以此作为多中心指数的替代指标再次进行回归估计①受Jargowsky和Park(2008)设计的中心区以外人口占比这一指标的启发，本文用1减去省份内最大规模的城市灯光亮度占全省灯光亮度的比例来衡量省份的空间结构。其数值越大，意味着该省份中心城市的首位度越低，全省呈现多中心空间格局。；另一方面，为了克服多中心空间结构与劳动收入之间可能由于反向因果关系带来的内生性，本文构建了与多中心空间结构密切相关且具有强外生性的工具变量进行工具变量估计。

关于工具变量的选取，城市人口分布的经典文献指出，自然条件是影响区域空间形态的重要因素。比如，Burchfield等(2006)研究显示，地表粗糙度能够显著影响城市的经济集聚。Bosker和Buringh(2017)则发现是否邻近水源同样是影响一个区域内人口分布的重要自然因素。我们可以发现，以地形和水资源为代表的具有强外生性的地理特征来作为本文多中心空间结构的工具变量具有较为扎实的理论基础。为此，本文将各省份的地表粗糙度和河流密度作为多中心空间结构的工具变量②借鉴Ramcharan(2009)的测度方法，本文用省份高程数据的标准差来表示地表粗糙度。高程数据来自国际科学数据服务平台网站提供的分辨率为90米的DEM数据，本文利用ArcGIS软件对其投影方式进行调整和重采样，以提高测算精度。全国河流有5个等级，由于4、5等级河流数目太多且河流规模较小，因而本文运用ArcGIS软件提取了全国1、2、3等级的河流数据，进而计算出河流密度。。值得注意的是，本文研究样本是面板数据，而地表粗糙度和河流密度在较长时间内不随时间变化而改变，这就需要我们同时选择一个外生时变变量。对此，本文选取人民币年度实际有效汇率(数据来源于国际清算银行)，原因在于人民币贬值能够有效促进出口增加和扩大生产规模(Tang和Zhang，2012)。在这一过程中，大城市能够凭借集聚经济和向心力迅速汇聚大量生产要素，其经济体量扩张速度高于中小城市经济体量扩张速度，进而使得区域空间形态发生改变(李威等，2017)。因此，本文使用地表粗糙度与汇率倒数的乘积、河流密度与汇率倒数的乘积作为多中心空间结构的工具 变量。

全样本的稳健性检验结果如表3所示。在以变换的首位度指数代替多中心指数的估计结果中(第(1)列和第(2)列)，变换的首位度变量的一次项及其平方项的估计系数分别为正数和负数，且均在1%的显著性水平上显著，再次验证了多中心空间结构对区域内劳动收入的影响呈现显著的倒U型特征这一结论。同时，表3第(3)列和第(4)列展示了工具变量估计结果。从其中可以发现，多中心空间结构指标的估计系数的方向与显著性依然未发生变化，表示具有强固的稳健性，假说1也再次得到了验证。此外，Hausman检验结果拒绝了OLS估计不存在内生性这一假设，意味着使用工具变量估计更为严谨。冗余检验结果拒绝了“工具变量是冗余的”这一假设，意味着河流密度/汇率、地表粗糙度/汇率作为工具变量是合理的。控制变量的估计结果与表2保持一致，这里不再赘述。

表3 多中心结构影响劳动收入的全样本检验(稳健性检验)

此外，本文将河流密度/汇率、地表粗糙度/汇率这两个工具变量作为解释变量，将多中心指数、变换的首位度指数以及劳动收入作为被解释变量进行回归估计，结果如表4所示。在表4第(1)列和第(2)列中，河流密度/汇率、地表粗糙度/汇率这两个工具变量的估计系数分别为0.182和0.005，且通过了显著性检验。同时，本文以变换的首位度指数作为被解释变量进行稳健性检验，根据第(3)列和第(4)列，两个工具变量的估计系数依然显著为正。相较之下，当以劳动收入作为被解释变量时，河流密度/汇率、地表粗糙度/汇率这两个变量的估计系数均不够显著(如第(5)列和第(6)列所示)。这意味着本文构建的工具变量满足“与核心解释变量相关、与被解释变量无关”这一条件，进一步证明了本文所构建的工具变量的有效性。

表4 工具变量对核心变量的影响

通过基准回归，我们发现，区域空间结构适度多中心化有助于提高劳动收入水平，但过高的多中心水平也会抑制收入的增长。那么基于提高劳动收入水平视角，我国是否已出现多中心程度过高的省份？为此，本文根据表3的结果计算了多中心指数的拐点，并展示出超过拐点的地区，如表5所示。从其中可以发现，近年来我国超过拐点的省份呈现逐步增加的趋势。比如在2006年，我国有9个省份出现过度均衡现象，2010年则增加到10个，2012年过度均衡的省份数量进一步增加至11个。因此，目前我国部分省份已出现多中心水平过高的现象，各省份在制定空间发展规划过程中需要注意避免城市规模分布过于扁平化。

（二）分样本回归分析

1. 基于城市规模的稳健性检验

在全样本检验之后，劳动收入与多中心空间结构之间的关系是否会因为企业所在城市规模的不同而有所差异？为此，本文将样本划分为大型城市和中小城市分别进行检验。由于多中心空间结构的测算是基于各省份城市的规模位序，因而本文将各省份人口或经济规模排名前三位的定义为大城市，其余为中小城市。其检验结果如表6所示。不论是OLS估计结果，还是工具变量(IV)估计结果，多中心指数的估计系数的方向和显著性均未发生变化。

表6 多中心结构影响劳动收入的分城市检验

本文对此结果理解为，对大城市而言，若区域的多中心水平较低，“一城独大”的空间格局容易导致中心城市出现市场拥挤和集聚不经济现象，而多中心空间结构的形成能够在一定程度上缓解大城市的市场拥挤并提升要素配置效率。因此，大城市的劳动收入水平随着多中心结构的初步发展而逐步提高。然而，就城市成长空间而言，目前我国大城市尚未达到最优规模，部分城市出现拥挤现象主要是由于城市基础设施建设的速度未跟上生产要素快速流入的速度。实际上，过于均匀的多中心结构反而会牺牲集聚经济效应而导致劳动收入水平下降。对中小城市而言，在多中心空间结构形成初期，区域中心城市的辐射效应能带来其生产效率和劳动收入水平的提高。同样，若区域内经济格局过于分散和均衡，城市之间缺乏强有力的层次结构，难以形成聚合效应，中小城市劳动收入水平的提升将因为集聚经济的不足而受到抑制。

2. 基于行业要素密集度的稳健性检验

在行业层面，多中心空间结构对劳动收入的影响是否会由于行业要素密集度的差异而有所不同也是值得我们探究的一个问题。为此，本文将企业所在行业划分为劳动密集、资本密集和技术密集这三种类型进行分样本检验，结果如表7所示。从其中可以发现，多中心指数的估计系数的正负号与显著性在不同样本中保持不变。这意味着多中心空间结构对劳动收入的倒U型影响并不会因为行业要素密集度的不同而有所差异。因此，假说1再次从行业层面得到了验证。

表7 多中心结构影响劳动收入的分行业检验

出现此现象的原因主要在于，对于劳动密集型和资本密集型行业而言，区域空间结构的适度多中心化有助于中心大城市与次级中心城市之间形成垂直分工体系，进而优化了劳动和资本的配置并提高回报率；对于技术密集型行业而言，区域多中心化带来的竞争(筛选)效应和市场一体化使得技术型人才能够在更加广阔的就业市场中寻求到较为理想的收入。不仅如此，城市在汇聚大量高技术人才之后，由于生产过程中高、低技能之间的互补性，城市对低技能劳动力的需求同样也在提高，进而带动了区域内整体劳动收入水平的提升。此外，正如前文所述，当区域多中心水平过高时，城市的发展阶段和产业结构过于趋同，这反而会加剧市场分割和本地保护，进而导致劳动收入水平的下降。

3. 基于所有制异质性的稳健性检验

考虑到企业在所有制方面的差异往往会导致其生产模式、政策支持等方面存在较大差距，受多中心空间结构影响的从业人员的劳动收入可能会因为企业所有制不同而有所差异。对此，本文将企业划分为国有企业、民营企业和外资企业这三大类型进行检验，相应的分样本检验结果如表8所示。

从表8看，与前文保持一致，不论是OLS估计结果还是IV估计结果，多中心空间结构对劳动收入的倒U型影响并未因为企业所有制不同而发生变化，其一次项和二次项的估计系数均分别为正数和负数。此外，在表8的外资企业样本中，尽管多中心指数一次项估计系数在OLS估计中不够显著，但结合工具变量估计结果可以看出，多中心空间结构与劳动收入之间的倒U型关系在外资企业中依然成立。因此，假说1再次在企业所有制层面得到了验证。

表8 多中心结构影响劳动收入的分企业所有制检验

六、作用机制检验

（一）中介效应检验

在证明了多中心空间结构对劳动收入的倒U型影响之后，结合前文的理论机制分析，本文将运用中介效应模型来揭示此现象背后的作用机制。为此，本文首先根据理论分析，将市场一体化和要素流动作为中介变量，检验多中心空间结构与中介变量之间是否也存在倒U型关系，计量模型如式(3)、式(4)所示。

其中，CV包括本文基准回归模型中涉及的区域层面的控制变量。在表9中，第(1)列和第(2)列展示了以市场一体化作为被解释变量的估计结果，第(3)列和第(4)列展示了以要素流动作为被解释变量的估计结果。可以发现，不论是多中心指数，还是变换的首位度指数，其一次项的估计系数均在1%的水平上显著为正，平方项的估计系数则在1%的水平上显著为负。这意味着随着区域内多中心水平的提高，市场一体化程度和要素流动水平呈现先上升后下降的倒U型变化趋势，这与多中心空间结构与劳动收入之间的关系相呼应，并在一定程度上解释了多中心空间结构对劳动收入能够产生倒U型影响的原因。同时，我们由此初步确定，市场一体化和要素流动是多中心空间结构影响我国劳动收入的重要中介因素。

接下来，本文进一步运用中介效应模型来检验多中心空间发展模式影响我国劳动收入的机制。首先，我们根据表9中第(1)列和第(3)列的结果计算市场一体化和要素流动这两个中介变量的拟合值。随后，以劳动收入作为被解释变量，分别将这两个中介变量的拟合值作为解释变量代入基准模型中进行回归估计，计量模型如式(5)和式(6)所示。

表9 多中心结构影响劳动收入的机制检验

其中，N_integ表示市场一体化指数的拟合值，N_flow则为要素流动变量的拟合值。如果多中心空间结构先影响市场一体化和要素流动，进而影响劳动收入，那么我们预计η1和λ1显著。同时，为了考察市场一体化和要素流动在多中心空间结构影响劳动收入过程中是否为完全的中介效应，本文进一步设定如下回归模型：

根据式(7)，如果κ3、κ4的估计值显著而κ1、κ2的估计值不显著，这意味着多中心空间发展模式对劳动收入的影响完全是通过市场一体化和要素流动这两种途径实现。如果κ1～κ4估计系数均显著，表明除了本文设定的中介变量，多中心空间发展模式还通过其他途径对劳动收入产生影响。

表10展示了式(5)～式(7)的估计结果。可以发现，在未考虑多中心空间结构的回归结果中，市场一体化和要素流动拟合变量的估计系数均为正数，且在1%的显著性水平上显著。在加入多中心指数之后发现，市场一体化、要素流动以及多中心指数的估计系数也通过了显著性检验。这表明，市场一体化和要素流动在多中心空间结构提升劳动收入水平过程中发挥了重要的中介效应，但并非是完全中介效应，尚存在部分影响路径并未被本文捕捉到。同时，假说2得到了验证。

表10 多中心结构影响劳动收入的中介效应检验

（二）基础设施与地理距离的调节效应检验

完善的基础设施可以促进人、物以及信息在城市之间的自由流动，因而基础设施的发展水平也应纳入多中心空间结构对劳动收入的作用效果。为此，本文在基准回归模型中加入多中心指数与基础设施的交互项polycentrict-1×infrat-1，以之考察基础设施在多中心空间结构影响劳动收入过程中发挥的调节作用。借鉴刘生龙和胡鞍钢(2010)的做法，本文运用各省份公路、铁路里程之和除以省份面积得到交通基础设施水平，用各省份内的人均邮电业务量作为信息基础设施水平的代理变量。从表11中的第(1)列和第(3)列可见，多中心指数与交通基础设施、信息基础设施一次项的交互项估计系数均显著为负。这是否就意味着基础设施的完善反而阻碍了多中心结构对劳动收入水平的提高呢？事实并非如此，当加入多中心指数与基础设施平方项的交互项polycentrict-1×infrat-12之后，我们发现，该指标估计系数均显著为正的同时(如第(2)列和第(4)列所示)，基础设施一次项与多中心指数交互项的估计系数仍显著为负。这表明基础设施在多中心空间结构影响劳动收入的过程中发挥了明显的正U型调节效应。换言之，在基础设施较完善的情况下，多中心空间发展模式能够更加有效地促进劳动收入水平的提高。这也与现实经验相一致，可以想象，在交通和信息基础设施较为落后的地区，即使城市规模体系呈现多中心空间格局，也会因为城市之间高昂的交流成本而很难实现生产要素的重新优化配置，多中心空间发展模式对提高劳动收入水平的积极影响难免受到削弱。

表11 基础设施的调节效应

经验直觉上，如果区域内城市之间距离较远，生产要素和技术信息在城市之间的流动无疑会受到限制，多中心空间结构也难以通过市场一体化和要素流动提高劳动者的收入水平。为此，本文基于每个城市的经纬度，运用ArcGIS软件分别计算了每个省份内各城市之间的平均距离以及其他城市与最大城市之间的平均距离，在基准回归模型中加入多中心指数与地理距离的交互项polycentrict-1×distt-1，以之考察城市之间的地理距离在多中心空间结构影响劳动收入过程中发挥的调节作用。其回归结果展示于表12。根据表12中第(1)列和第(3)列可以看出，多中心指数与城市之间地理距离交互项的估计系数均在1%的水平上显著为正，这意味着多中心空间结构对劳动收入的影响的确受到了城市之间地理距离的影响，且距离越大，多中心空间结构对劳动收入水平的提高作用越显著。然而，当加入多中心指数与地理距离平方项的交互项polycentrict-1×distt-12之后，相应的估计系数则显著为负(如表12中第(2)列和第(4)列所示)，这表明城市地理距离在多中心空间结构影响劳动收入的过程中发挥了显著的倒U型调节作用。换言之，在城市之间的地理距离较小时，多中心空间发展模式对提高劳动收入水平的积极作用较为明显，而当城市之间的地理距离超过一定程度之后，多中心空间发展模式对提高劳动收入水平的积极作用开始受到地理距离的约束。

表12 地理距离的调节效应

七、研究结论与政策启示

在城市化与劳动收入之间的密切联系已被证实的基础上，本文进一步探讨了区域多中心空间结构对我国劳动收入的动态影响、作用机制以及约束条件，具体研究结论如下。(1)区域多中心空间发展模式对劳动收入的影响呈现显著的倒U型特征，在区分城市规模、行业要素密集度以及所有制类型之后的检验结果依然稳健。这意味着多中心空间发展模式对我国劳动收入的影响并非一成不变，而是存在一个最优水平。(2)在样本期内，尽管我国多数省份的劳动收入仍处于随着多中心空间结构发展水平提升而增长的阶段，但近年来区域结构过于均衡(超过拐点)的省份数量也在逐步增加，比如广东、山东等省份。(3)在作用机制方面，多中心空间结构能够通过促进市场一体化和加快要素流动这两大途径提高劳动收入水平。(4)基础设施水平以及城市之间的地理距离在多中心空间结构影响劳动收入的过程中分别发挥了“正U型”和“倒U型”的调节作用。

本文的研究结论从提升居民收入视角为我国区域内城市规模分布发展模式提供了一定的经验证据和政策启示。本文的核心观点是，在省份这种超越单个城市的区域尺度内，在逐步有序地加强多中心空间结构建设的过程中，需保持中心城市、次级中心城市以及中小城市之间的适度差距，避免城市之间发展过于均衡而阻碍市场整合和要素流动。在具体政策实施过程中需要注意以下三点：一是多中心城市网络建设需要遵循市场力量顺势而为，通过推动城市之间的产业协作和经济交流，逐步加快要素流动，消除市场分割，避免为了追求经济和人口的均衡分布强势而为。二是明确中心城市在区域中的核心地位，通过巩固区域中心城市的龙头地位和加强其扩散效应，带动周边城市梯度式发展，形成核心城市明确、主配定位清晰的协同发展模式。相较之下，盲目追求多极化发展的城市规模体系，往往由于缺乏明确的增长极而时常导致城市之间竞争大于合作，多中心空间结构的资源整合和协同效应难以发挥。三是推动相关地区政府合作，降低市场分割程度。多中心空间结构能够提高劳动收入水平的外部条件是不同城市中企业的经济合作以及生产要素的自由流动。在我国依然存在地方保护和市场分割的情况下，完善各相关地区城市政府之间的交流沟通机制，通过共建产业园区和要素市场等方式尽量削除行政壁垒和市场边界，进而有助于空间外部经济效应的传播和扩散，最大程度地促进劳动收入水平提高。