城市群多中心城镇体系与农村减贫

李松林 郭翔宇 刘修岩

(1.南京财经大学，江苏 南京 210023；2.东南大学，江苏 南京 211189)

一、引言

在过去40年的时间里，我国的城镇化进程经历了两大深刻变革：城镇化率的高速增长和城市群的渐次崛起。城镇化率从1978年的17.92%提高到2020年的63.89%，初步形成了长三角、珠三角、京津冀等国际级大都市圈和若干个区域性城市群，发展成就举世瞩目。然而，由于我国城乡“二元化”经济的特殊性，以及长期实施的“城市偏向型”政策，城市和农村之间的协调发展暴露出诸多问题，集中表现为城乡收入差距依然较大、农村空心化问题日益突出以及农村公共服务严重滞后等等。可以说，城乡发展的不平衡与不协调，已成为我国经济高质量发展阶段最为突出的结构性矛盾之一，不仅制约了农业、农村的发展，也滞碍了城镇化水平和质量的进一步提升。针对这些问题，党的十九大报告提出实施“乡村振兴战略”和“区域协调发展战略”，并将“以城市群为主体构建大中小城市和小城镇协调发展的城镇格局”作为推进区域协调发展的重要战略举措。2020年10月中共十九届五中全会上，党中央再次强调“优先发展农业农村，全面推进乡村振兴”和“优化国土空间布局，推进区域协调发展和新型城镇化”两大方针，为今后的城乡建设指明了前进方向。那么，何种城镇体系才能够有效解决农村贫困、促进乡村振兴？

一些学者提出通过构建多中心城市群来促进区域协调发展、塑造新型城乡关系(魏后凯，2016；张亮靓 等，2017；刘修岩 等，2017；李懿 等，2017；陈旭，2020)。工业革命以来的世界城市化进程表明，现代城市的空间发展及对其周边区域的带动作用，基本沿循由单中心分散型、区域中心型向网络化、多中心型演进的轨迹。当前，我国城镇化进程已进入城市群、都市圈主导的空间发展新阶段，城市群的空间结构也从单一城市主导逐步向多层级中心地共同支撑转变，加之高速铁路网的快速建设，使得人流、物流、信息流在城市以及城乡之间加速流动，这必将重塑我国经济地理格局。此外，针对我国的一些有影响力的研究也指出，仅依靠城市群内单一的核心城市并不能全面带动群内乡村振兴，尤其是离城市较远乡村的发展(Chen et al.，2013)。

综上分析，本文尝试详细探讨城市群多中心空间发展缓解乡村贫困的内在机理。与以往的研究相比，本文主要的贡献包括：(1)现有研究在考察农村贫困时，多是基于经济发展、收入差距、政府干预、开放程度以及法律环境等经济视角(罗楚亮，2012；Kakwani et al.，2008)。而本文则从城镇体系的空间结构视角分析其对农村贫困的影响，对乡村贫困与振兴研究的相关文献进行了有益的补充。(2)结合DMSP/OLS夜间灯光数据库、LandScan全球人口动态统计分析数据库、中国行政区划矢量数据和中国城市经济统计数据，构建了多维度的城市群多中心指标以及在时间和空间上可比的基于城市层面的贫困率，为相关研究提供了新数据和新方法。

二、机理分析

由于考察城镇体系与农村发展或农村贫困的相关研究较少，本文借鉴近年来欧洲经济地理学者所提出的区域层面上的“网络外部性”来阐明城市群多中心空间结构减少农村贫困或促进农村发展的内在机制(Phelps et al.，2001；Parr，2002；Meijers et al.，2016；Camagni et al.，2015)。基于Alonso(1973)所提出的“借用规模”(Borrowed Size)假说，区域层面上的“网络外部性”是指集聚经济溢出效应的地理边界不再局限于单个城市内部，而是扩展至整个城市网络。如果这种外部性源于技术溢出或技术进步，则可称之为“网络技术外部性”，若外部性源于投入产出所导致的价格变化，则可称之为“网络货币外部性”。靠近大城市周边的小城市可能呈现出与大城市相似的一些经济特征，从而使得小城市可以“借用”邻近大城市的集聚经济收益，避免集聚成本。相对于集聚收益的地理溢出，集聚成本更多地被限定在城市边界之内(Parr，2002)。Camagni et al.(2015)基于136个欧洲城市数据进行实证检验，发现“借用规模”现象在静态和动态层面都存在。刘修岩等(2017a)实证分析结果表明“借用规模”存在于我国城市网络中。姚常成等(2019)证实了“借用规模”以及“网络外部性”在城市群内广泛存在。基于此，本文认为，在多中心空间结构的城市群内部，小城市可以在避免大城市拥挤成本的同时，通过“规模”与“功能”互借来获得更好的发展。而这些发展较好的小城市，可以进一步带动周边乡村发展，减轻乡村贫困。其内在的现实逻辑是，如果城市群内仅存在单一的核心城市，那么距离很远的乡村居民想要获得大城市的高工资就业机会则只能通过迁移的方式，而这往往会导致边缘乡村的空心化，进而限制边缘地区农村的发展。而城市群多中心空间结构不仅有利于促进中小城市发展，还可以辐射边缘乡村，通过带动村民通勤就业的方式推动农村减贫，实现乡村振兴。

图1 “网络外部性”视角下城市群多中心空间发展促进乡村发展的示意图

为了更好地刻画这一机制，图1为“网络外部性”视角下城市群多中心空间发展促进乡村发展的示意图。其中，最大的圆圈代表一个区域(如城市群)，其内部虚线黑圈代表中心城市的溢出边界，大空心圆圈代表大城市，小空心圆圈代表小城市，黑色实心圆圈代表乡村。图1左边代表单中心空间结构的城市群体系，可以看出，当集聚的溢出存在地理边界时，虚线外边的小城市和乡村因独立于城市网络之外，并不能享受大城市集聚经济的溢出效应。与此不同的是，图1中间的图描绘了多中心空间结构的城市群体系，这种空间结构可以使得更多的小城市和乡村享受到邻近大城市集聚经济的溢出(“网络技术外部性”)，进而带动乡村发展。

与此同时，随着我国基础设施尤其是高铁网络的建设与发展，多中心城市群内各城市之间的通勤便捷性进一步提高，多中心城市群将进一步形成更高效协同的功能体系。首先，基础设施中的高铁网络体系、高速公路网络体系等在降低要素流动成本的同时，改变了城市群内各个城市的市场通达性(“网络货币外部性”)，促进了人流、物流以及信息流在城市群内城镇之间的流动。这种高效的联通性不仅促进了市场规模的扩张以及社会分工在城市内和城乡间的进一步深化，还可以有效改善要素在城乡之间的配置。其次，高铁网络体系会进一步扩大多中心层级的溢出边界(“网络技术外部性”)，使更偏远的小城市以及乡村获益。最后，城市群多中心空间结构亦可在一体化的调节作用下激发内部城市企业的功能互补与创新。大城市高昂的土地租金会阻碍企业的创新，但在高效一体化的多中心城市群内部，由于“借用规模”的存在，小城市甚至农村的企业可以享有整个层级的知识禀赋，这将更有利于企业的创新与发展。图1右边的图阐述了上述机制，其中黑色双箭头代表高铁。该图表明，高铁的开通使得两个中心城市的溢出边界得以扩张，将原先孤立的农村包含进来，普惠区域内所有的中小城市以及农村地区。为了更加清晰地阐明本部分的机制，图2展示了城市群多中心空间结构促进乡村发展或减少农村贫困的作用路径。

图2 城市群多中心空间结构促进乡村发展/乡村脱贫的机制路径

综上所述，本文提出：

研究假说：

城市群多中心空间结构可以通过网络外部性来促进乡村发展或者乡村脱贫。

三、相关变量测度和经验模型设定

(一)相关变量测度

1.城市群多维度多中心空间指数

城市群多中心空间结构是相对于城市群单中心空间结构而言的。在这种空间结构下，城市群中存在两个或两个以上中心城市，它们在功能上相辅相成，共同为当地的居民和企业提供城市基础设施及其他资源，分享以往只能从更高级别的大城市获得的就业机会与基本公共服务。现有研究通常从“形态”和“功能”两个维度对城市群多中心空间结构进行测度。“形态”多中心指不同规模、相对独立的城镇或城市组团的区域分布状态，通常用人口(就业)规模或者密度的数据来测度(罗震东 等，2008；孙斌栋 等，2017)。“功能”多中心主要指不同规模、相对独立的城镇或城市组团间功能联系的程度(罗震东 等，2008；孙斌栋 等，2017)，通常使用比较微观的流数据进行测度。参照刘修岩等(2020)的方法，从规模(Size)、位置(Location)以及通达性(Access)三个维度构建城市群多中心空间结构的测度指标。数据主要源于《中国城市统计年鉴》。

规模(Size)指标主要反映经济活动在城市群内部的空间分布状况，具体包含以下两个指标：一是人口、灯光、GDP的“位序-规模”回归线的斜率；二是人口、灯光、GDP的基尼系数。

“位序-规模”回归线的斜率通过以下方程得到：

ln R=C-qln P+ε

(1)

其中：P是城市i的人口、夜间灯光亮度总值、GDP；C为常数；R为城市i的人口、夜间灯光亮度总值、GDP在城市群内的排序。为了得到各城市群之间可比的帕累托指数，本文遵循Meijers et al.(2010)的做法：首先，分别对各城市群内排名前二至四位的城市进行回归；其次，将三次回归得到的指数q取平均值，得到反映城市群内部分散化程度的指数。该指数越大，代表城市群内部的经济活动越分散，多中心化程度越高。

基尼系数的测算方法如下：

(2)

其中：y代表城市i的人口、夜间灯光亮度总值、GDP；n代表城市群内城市的数量；μ代表城市群的人口、夜间灯光亮度总值以及GDP的均值。Gini系数越大，代表经济活动在城市群内部的分布越不均匀，多中心程度越弱。

位置(Location)指标主要反映城市群内部各个城市在空间上的分布状况。如果一个城市群在规模上的分布呈现多中心，但大中小城市之间的平均距离比较远，那么这个城市群在空间形态上的分布可能就不合理。为了突出城市在空间上彼此距离的重要性，本文借用地理学上的泰森多边形(Thiessen Polygons)来刻画城市群内部各城市在空间上的分布。首先，将城市群划分为多个栅格单元；然后，按照航线的最短距离将每个栅格划分给距离其最近的城市，计算被划分到最近城市的这些栅格的面积；最后，算得这些面积的基尼系数，即为本文城市群多中心指数的位置指标。

通达性(Access)指标主要反映城市内部各个城市群之间实际的互动状况。本文以城市群内部各城市客运量和货运量的基尼系数来衡量通达性。基尼系数越大，代表该城市群的功能多中心越弱。

在得到以上指标之后，首先，对每一个指标进行标准化处理；其次，将得到指标的最大值赋值为100，最小值赋值为0，最大值与最小值中间的多中心指数进行线性差值处理，保证每一个指标都在0～100之间；最后，参照刘修岩等(2020)的方法，分别对多中心子指标赋予权重，得到城市群多维度多中心空间指数。

2.农村贫困测度

由于城市层面贫困人口的数据不能从现有的统计资料中直接收集，且基于家庭调查数据库，例如中国家庭追踪调查(CFHS)、中国家庭金融调查(CHFS)和中国家庭收入调查(CHIPS)等，得到的贫困率大多是全国的平均水平，所以无法得到连续年份上城市层面的贫困指数。为此，本文应用夜间灯光数据与Landscan全球动态人口分布数据，同时参照Elvidge et al.(2009)的方法，基于栅格来构造城市层面农村贫困的面板数据。具体做法如下：首先，运用Arcgis软件，基于刘修岩等(2017b)的方法对夜间灯光数据进行校准，将亮度值为0的栅格定义为无光栅格，赋值为1，大于0的栅格则定义为有光栅格，赋值为0；其次，将Landscan人口上图，计算每个无光栅格上的人口；最后，将所有无光栅格上的人口进行加总并除以城市的总人口，即可得到城市的贫困指数。

3.城市群多维一体化指数

本文参照刘修岩等(2021)的做法，将城市群多维一体化指标划分为功能、制度、经济、文化以及产业一体化分指标，运用赋值法和综合评价法构建城市群的多维一体化指数。数据主要源于《中国城市统计年鉴》《汉语方言大辞典》。

功能一体化：选取历年各城市群内开通高速铁路、普通铁路和高速公路的城市比例，作为衡量城市群功能一体化的指标。赋值方法如下：将城市群内各城市开通高速铁路、普通铁路以及高速公路后的年份赋值为1，开通前的年份赋值为0；再计算历年各城市群中已开通城市的比例，取值区间为[0，1]。

制度一体化：(1)是否成立市长联席会议制度以及成立年数。将城市群举办市长联席会议的年份赋值为1，没有举办的年份赋值为0。(2)是否获批为国家级城市群及获批年数。对获批成为国家级城市群及之后的年份赋值为1，对没有获批国家级城市群的年份赋值为0。根据各国家级城市群的获批年份计算出获批年数，非国家级城市群的获批年数记为0。(3)跨省级行政区划数。对所有城市处于同一省级行政区划的城市群赋值为0，跨两个省级行政区划的城市群赋值为1，依次类推。该指标代表城市群分割程度，值越大，说明城市群制度一体化水平越低。

经济一体化：采用城市群内各城市人均GDP的标准差来衡量，标准差越大，意味着城市群经济一体化水平越低。

文化一体化：选取城市群内两两城市的方言距离和平均距离来衡量文化一体化。当两个市辖区属于同一方言小片时，赋值为0；当两个市辖区属于同一方言片/区的不同方言小片时，赋值为1；当两个市辖区属于同一方言大片的不同方言片/区时，赋值为2；当两个市辖区属于不同的方言大片时，赋值为3。

产业一体化指标：采用产业结构相似指数来衡量，产业结构相似指数越小，表明城市群内城市之间的互补性越强，产业一体化程度越高。

(二)经验模型设定

为了考察城市群多中心空间结构与乡村贫困之间的因果关系，本文构建如下待检验的计量模型：

y=αpolycentric+βX+μ+ν+ε

(3)

其中：下标i、s、t分别代表城市、城市群以及时间；y代表以城市的农村居民人均纯收入或城市农村贫困率为代理变量的农村贫困；polycentric为城市群多中心空间结构的测度指标；μ、ν分别代表不随截面(城市)和时间变化的固定效应；ε为随机误差项；X代表影响城市层面农村居民收入或贫困水平的其他控制变量，主要包括城市化率(urban)、人力资本水平(human)、外商直接投资占比(pfdi)、固定资本投入占比(pinvest)、财政缺口比重(pfisc)、人均实际GDP(lnpgdp)。控制变量的数据源于历年《中国城市统计年鉴》。所有数据年份均为2000—2013年。

表1为所有变量的统计性描述。

表1 变量描述性统计

四、实证结果

(一)基准回归

使用农村居民人均纯收入作为农村贫困的代理变量，基于式(3)得到的回归结果见表2。从表2可以看出，当考虑全样本时，无论是否控制年份固定效应，抑或是加入多个控制变量后对多中心指数进行回归，得到的回归系数均为正，但统计上并不显著。这表明从全国城市群样本层面来看，虽然多中心的估计系数为正，但并不能判断其对农村居民收入的影响是否显著，即不能判断城市群多中心空间结构与农村贫困之间的关系。

此外，虽然控制变量回归系数的符号也大致与本文的预期相符，但几乎都不显著或者显著性较弱。比如，代表对外开放程度的外商直接投资占比(pfdi)和衡量实物资本投入的固定资产投资占比(pinvest)的回归系数均为正，但几乎不显著；反映城市发展程度的城市化率(urban)，其系数在结果中均为负且不显著，一个可能的解释是城市化率的提升往往意味着社会资源向城市倾斜，从而导致农村分配到的资源相对较少，阻碍了农村居民收入水平的提高。

表2 全样本回归结果

(续表2)

(二)异质性分析

基于全样本的回归结果表明，城市群空间结构的多中心化程度与城市群内城市和农村居民的收入并无显著的统计关系。出现这一结果的可能原因是，使用全样本进行回归时掩盖了数据背后的异质性。我国领土面积十分广阔，不同区域的地理风貌、风俗习惯和经济发展的情况有着较大的区别，城市群之间也具有相当大的异质性。因此，需要分区域探究城市群多中心空间结构对农村贫困的影响。分别对东中西部城市群进行回归，得到的结果如表3所示。在控制年份和城市固定效应以及加入所有的控制变量后，只有东部地区polycentric的回归系数为正，且在1%的水平上显著。具体而言，东部地区城市群的多中心指数平均每增加1个单位，该区域内的农村居民人均纯收入将增加0.738%，这一系数远远高于全样本和中、西部地区。这意味着，一方面，城市群的多中心空间结构对农村贫困的影响在区域之间存在显著的异质性；另一方面，该结果只在东部地区城市群样本内显著的原因可能是东部地区城市群的经济发展水平较高，且其内部交通基础设施的建设相较于中、西部城市群更为完善，这可以有效地扩展城市群集聚经济的溢出边界，从而增加该区域内部农村居民的收入。

表3 异质性分析

(三)稳健性检验

使用前文计算的贫困指数作为农村贫困的代理变量进行稳健性检验，且对回归结果进行全国、东部、中部以及西部的异质性分析，结果见表4。由表4可知，东部地区polycentric的回归系数为-0.00115，且在5%的水平上显著。这表明，城市群多中心指数平均每增加1个单位，东部地区的贫困率将下降0.115%。值得一提的是，中部地区polycentric的回归系数虽然也在5%的水平上显著，但多中心水平对贫困率却呈正向影响。一个可能的解释是，中部地区城市群可能还处在初级发展阶段，要素仍然以集聚的态势向核心城市集中，此时的多中心空间发展反而不利于乡村贫困的缩减。

综合表3和表4的结果可以发现，就东部地区而言，更换农村贫困的代理变量不会改变上文得到的基本结论，即城市群的多中心空间结构有利于农村贫困的缩减。因此，本文认为，东部地区的城市群在经济建设上有先发优势，随着近年来高铁的迅猛普及和发展，东部地区大型城市群的溢出边界得以扩张，“网络外部性”的作用范围比之前更为广阔，原先一个个孤立的农村群落被包含进来，普惠了区域内的中小城市以及乡镇地带，最终助推了城乡协同发展和乡村振兴。而中西部城市群的回归结果稳健性较弱，不能判断城市群的多中心空间发展农村贫困之间的统计关系。

表4 变更被解释变量测量指标的检验结果

(四)内生性讨论

为了解决内生性引致的估计结果偏误问题，进一步采用工具变量法来验证多中心空间发展模式对农村贫困的影响。关于工具变量，本文遵循“具有强外生性，且与多中心空间结构相关、与农村贫困无关”这一原则进行寻找。城市经济学经典文献认为河流的分布会影响人口的分布(Davis et al.,2002；Bosker et al.,2017)，而汇率会影响开放程度，城市的开放度是影响经济集聚的重要影响因素，因此汇率上升会促进开放，并有助于要素向城市群内核心城市进行集中，推动城市群内的大城市规模极化，城市群的空间结构单中心化。基于此，本文参照刘修岩等(2017a)的方法，将河流密度除以汇率作为城市群多中心指数的工具变量，以尽可能消除内生性问题的影响。

采用工具变量法的回归结果见表5。在考虑内生性的前提下，仍然只有东部地区polycentric的回归系数显著为正。这说明，当考虑核心解释变量的内生性时，东部地区内部城市群的多中心空间结构同样促进了其群内农村居民收入的增加，减轻了贫困。

表5 工具变量法估计结果

五、进一步分析

前文的实证分析发现，东部地区城市群的多中心空间结构对农村居民收入的提高有着较为明显的促进作用，但结论背后的作用机制仍有待揭示，即多中心空间结构究竟通过何种途径缓解了农村贫困？考虑到东部地区多中心城市群对乡村的“网络外部性”已然形成，而“网络外部性”可划分为“网络货币外部性”和“网络技术外部性”，前者主要与城市群内的交通可达性相关，后者则与多中心城镇体系的溢出范围即城市群的规模相联系。本文提取基准回归中多中心指数里关于规模和通达性的部分，直接考察这两个不同的多中心子指标对农村居民人均收入的影响。

基于规模和通达性子指标的回归结果见表6。其中，列(1)～(4)是以规模多中心子指标为解释变量得到的分区域结果。可以看到，size的回归系数大多为负，且均不显著，这意味着城市群的“网络技术外部性”并不是导致乡村脱贫的原因。与之相比，列(5)～(8)则是基于通达性多中心指数得到的结果，从中可以看出，东部地区access的回归系数为正，且在1%的水平下显著。这表明本文观察到的城市群多中心城镇体系对乡村减贫的影响主要依赖于城市群“网络外部性”中的“网络货币外部性”。多中心空间结构的完善更有利于发挥“网络货币外部性”，改善城市群内各个城市的交通可达性，促进人流、物流以及信息流在城市群内城乡之间的流动，进而解决农村贫困问题，实现乡村振兴。

表6 机制分析

在前文的分析中，我们发现经济发展较好的东部地区，其城市群多中心城镇体系有利于乡村减贫。一方面，经济发展较好的城市拥挤成本相对较高，人口的分散化分布不仅有利于缓解大城市的拥堵，还可以促进群内大城市多极化发展，提高中小城市的集聚经济水平，城市群内距离大城市较远的乡村居民可以更多地以通勤而非迁移的形式在城市就业，在乡村居住，从而推动乡村振兴。另一方面，东部地区的多中心城镇体系内部城市之间通常具有较高的一体化程度，而城市群的一体化可以让城市和农村打破相互分割的壁垒，逐步实现生产要素的合理流动和优化配置，使得城乡经济和社会生活紧密结合与协调发展，促进农村居民增产增收，实现乡村振兴。

为了考察城市群一体化的调节作用，本文引入城市群一体化的量化指标zonghe以及其与多中心指数的交乘项zonghepoly，回归结果见表7。由表7可见，zonghepoly的回归系数在全国和东部区域的城市群样本中显著为正，这意味着一体化水平的提高将更加有利于城市群多中心城镇体系对乡村的减贫作用。而列(3)～(4)显示交乘项zonghepoly的回归系数为负且不显著，这表明在经济发展水平较为落后的中西部地区，一体化指数并未形成有效的调节作用。对此，本文认为，中、西部地区的城市群由于其经济发展水平整体不高，如果在发展的初级阶段过于强调城镇体系空间结构的多中心化，可能会造成生产要素得不到有效的分配，这不仅会使集聚经济发展不充分，也会导致其不能通过发展城市群来惠及整个地区。而经过改革开放后几十年的高速发展，东部城市群已经处于一个较为成熟的阶段，其群内一般有多个经济发达的核心城市，多中心空间结构已然成形。此外，东部城市群内部功能、制度、经济、文化和产业一体化程度的深化使得城市群所产生的“网络货币外部性”凭借完善的交通基础设施进一步拓展了其作用范围，区域内的生产要素得以更加高效、自由地流动，进而助推了乡村发展。

表7 一体化的调节作用

六、结论与政策建议

本文将城市群城镇体系空间结构与城乡协调发展结合起来，从多中心化这一城市群空间发展模式入手，探讨其对农村减贫的影响强度和作用机制。研究结果表明：在经济发展水平较高的东部地区内部，城市群多中心化有利于降低农村贫困；机制分析显示，城市群多中心城镇体系通过“网络货币外部性”来实现减贫；调节作用发现，城市群一体化水平的增加有利于提升东部区域内部多中心城市群的减贫效果，而中西部区域城市群一体化水平并未表现出显著的调节作用。

本文的研究结论有如下政策启示：第一，区域协调发展政策的制定应结合不同区域城市群发展的基础实施差异化的政策。对于长三角、京津冀等经济发展基础较好的城市群，可以在群内多培育中心城市，构建多中心的城镇体系。同时进一步加强群内的交通基础设施建设，提高城市群内城市与城市之间、城市与乡村之间的可达性，有效降低要素跨区域的流动成本，提高城乡间资源配置效率，推动农村减贫和城乡协调发展。对于中西部地区城市群，应充分发挥集聚经济的作用，推动生产要素向中心城市集聚，培育区域经济增长极，带动区域经济整体增长。第二，城市群一体化是推动城乡协调发展的有效途径。通过城市群的一体化发展打破城乡间要素流动壁垒，可以进一步强化多中心空间结构对于乡村减贫的促进作用，更好地实现以城带乡，融合发展。