城市人口多中心化影响土地空间错配的机制及效应

关键词：城市人口多中心；土地空间错配；土地利用效率；创新水平；调节效应

伴随着中国城镇化快速推进，城市内部人口分布格局不断演化，由城市规模扩大带来的集聚不经济逐步显现。因而，以分散中心区人口压力、提高城市人口承载力为目标的多中心发展战略受到学者推崇[1]。城市人口多中心化对于推动城市高质量发展[2]、保障环境可持续性、缓解集聚不经济与增强经济效率[3]等具有一定的优势，但城市多中心建设也引发一些现实矛盾，许多“新城新区”沦为“鬼城空城”[4]，分散化“新城”之间协作困难[5]，聚集效应不明显。特别是部分低质量多中心建设效率不高，占用大量建设用地，加剧城市土地资源错配[6]。

鉴于土地资源的合理配置与高效利用对城市可持续发展至关重要，为减轻土地资源的空间错配、提高土地配置效率，城市发展究竟是应该坚持单中心格局，还是迈向多中心之路？回答这一问题，有必要明晰城市人口多中心化对土地空间错配的影响机制及具体效应，这对于推动土地资源高效使用和城市高质量发展具有重要意义。

城市内部人口分布格局本质上是人口集聚过程中向心力和离心力动态平衡及相互博弈的结果[7]。最初，产业与人口集聚奠定城市中心发展的基础，随着集聚效应发挥，向心力增强，中心区持续吸引更多人口和产业聚集，逐步形成城市单中心格局。之后，城市中心区因要素过度集中而出现聚集不经济时，其吸引力逐渐削弱，离心力增强，人口等要素逐渐向城市边缘区扩散，并通过局部空间再集聚形成新的中心。因而，要探讨城市人口多中心化对土地资源空间错配的影响，城市人口中心的界定至关重要[8]。当前，高分辨率遥感影像数据为在精细尺度下识别城市人口中心提供了极大便利。现有研究多以固定人口规模阈值譬如“总人口10万人”等作为中心的界定标准[1，9]，相对忽略了不同城市人口规模差距较大的现实，导致中心的识别容易出现偏差，可能无法准确刻画不同城市内部的真实人口分布格局。城市从单中心向多中心的转变存在复杂性和长期性，选用多维度的多中心化指标较于单一指标更能全面评估城市开发模式的建设成效[9]。

土地资源是城市发展的关键要素，但现实中存在明显的土地空间错配现象[10]。有关土地空间错配的文献较多关注测度方法与形成机制，指出土地空间错配的本质是资源配置偏离有效配置状态，其中“有效配置”如何衡量则是一个值得重点关注的问题[11]。土地有效配置受到城市内部人口空间分布影响：一方面城市人口分布直接影响区块的土地需求，引发土地价格变动[12]；另一方面城市人口分布格局通过改变集聚经济的外部性，进而影响土地的利用效率[13-14]。土地空间错配还受到诸多因素的影响，其中行政力量加剧了城市间土地配置的扭曲已是不争的事实[10]。故而，在既定的土地空间配置情境下，通过政府配套政策优化城市人口分布格局，促进城市人口与土地的高效协调发展显得尤为重要。

总体来说，现有文献尚未厘清城市人口多中心化对土地空间错配的影响机制及效应。逻辑上讲，城市人口过度集聚的单中心格局下，由于集聚不经济的存在，此时推动城市人口多中心化有利于提升经济效率；当然，过度多中心化会使城市人口分布呈现“扁平化”特征，此时过于松散的人口分布格局又可能削弱集聚经济强度，造成效率损失[3]。可见，城市内部人口分布可能存在一个适度多中心化的问题。基于此，本文探究城市人口多中心化对土地空间错配的影响，以考察何种人口分布格局最有利于改善土地空间错配；同时，分析城市人口规模和官员晋升压力在人口多中心化影响土地空间错配效应中所发挥的调节作用。

本文的边际贡献在于：（1）构建城市人口多中心化影响土地空间错配的理论框架，解析适度多中心化对土地空间错配的缓解作用，呈现城市多中心化影响土地空间错配的传导路径，扩展了该领域的相关研究。（2）使用LandScan人口分布数据并基于改进的城市中心动态阈值识别策略，测算城市人口多中心度，一定程度上避免了固定标准识别方法的缺陷，为准确刻画城市人口多中心提供新思路。（3）探析城市人口规模、官员晋升压力的调节作用，并全面审视城市中心数量、中心分散度及中心均衡性等多维指标对土地空间错配的异质性影响，为科学组织城市多中心建设提供有益参考。

1理论机制

城市人口分布格局的形成是以集聚优势为核心的“向心力”和拥挤效应所引起的“离散力”共同作用的结果[7]。城市内部人口分布主要通过土地利用效率和技术创新水平两条路径对土地空间错配程度产生影响。对于土地配置过剩的城市来说，土地利用效率提升毋庸置疑是一剂“良方”，能够激发大量闲置土地的开发利用，减少城市低效闲置土地，缓解土地配置过剩；对于土地配置短缺的城市来讲，通过高密度和混合开发等方式推动土地利用效率提高[14]，一定程度上能够降低对新增土地的需求，从而减缓土地配置短缺问题。城市经济发展由要素驱动向创新驱动转变，技术创新在推动经济增长的同时，还具有弥补资源稀缺和投入替代不足的潜力[15]。土地配置过剩的城市，创新水平提升有利于企业扩大生产和吸引外部企业聚集，产生更多的土地需求，减轻土地配置过剩程度。土地配置短缺的城市，创新水平提升加快创新要素在生产过程中对土地要素的替代，促使科技型企业对传统制造业替代升级，一定程度上减少土地需求，缓解城市土地配置短缺状况（图1）。

1.1城市巨型单中心与土地空间错配

城市人口分布呈现“巨型单中心”格局，表明人口和产业整体聚集于城市内部的单一中心，中心规模相当可观且城市内部不存在其他成规模的次中心。这一格局下，中心区过度集聚导致负外部性日益凸显，城市中心区的土地需求愈发“强烈”，引起土地价格上涨并逐步传导至房价和工资，致使企业与居民的生产生活成本显著上升，企业的生产效率、创新积极性受到抑制[13，16]。此时，城市即便已开始多中心化，初步形成的“次中心”在“巨型单中心”强大吸力的影响下，很难形成有效的人口聚集，要素流动受到束缚；由于次中心人口集聚规模较小，往往缺人缺产，城市土地利用效率偏低、创新发展受阻，使得城市土地资源空间错配现象愈发加剧。

1.2城市过度多中心与土地空间错配

城市人口“过度多中心”格局下，城市内部不存在一个强有力的人口主中心，各中心之间的界限模糊，人口分布趋于分散化和扁平化。这种分布格局下，主中心的集聚效应被消解殆尽[17]，而局部集聚的次中心又不成规模，中心之间的联系与协作相对匮乏[8]，城市建设缺乏空间统筹性，大量重复或激进式建设活动频发，土地资源浪费严重，不利于城市整体土地利用效率提升。同时，城市内部要素空间集聚度偏低，资源配置无法实现梯度转移，各中心间的横向互补与溢出效应难以形成[18]，经济互动与分工合作减少[3]，知识外溢效应被削弱，创新水平下降，进一步激化城市产业的用地争夺，加剧土地资源空间错配现象。

1.3城市适度多中心与土地空间错配

城市人口分布呈“适度多中心”格局，意味着城市内部存在一个龙头地位的主中心以及多个与之密切关联的成熟次中心[19]，次中心不仅不会削弱主中心的辐射效应，还能够适度吸引分散于主中心之外的人口，加快要素的空间流动与重组[2，18]。这一分布格局下，主中心的“优胜劣汰”有力推动着城市内部产业的重新布局，促使土地需求较大的传统制造业外迁，外围各个次中心依据自身比较优势承接来自中心区的产业转移，形成清晰的产业分工，促使土地利用效率提升；同时，次中心规模不断壮大，人口“局部聚集”带动基础设施建设与服务业发展，产业构成得以不断调适，进一步促进土地高效利用[13]。此外，各个次中心作为城市要素交流的关键节点，为企业提供了与主中心联系紧密且地价适当的区位选择[13]，有利于企业灵活选址以降低用地成本，增加创新投入[20]，提高创新能力；城市内部中心节点间产业关联性增强，有助于企业间共享中间投入品，促进知识溢出[21]，提升创新水平。在适度多中心格局下，成熟次中心聚集着一定规模的人口与产业，也有利于发挥共享、匹配与学习的正外部性，推动土地利用效率提升及企业创新的主动性增强[9，13]，缓解土地空间错配。

2研究设计

2.1模型构建

2.1.1影响效应的计量模型设定

上述三种城市人口分布格局对应着人口多中心化的不同程度，为解析城市人口多中心化对土地空间错配的影响效应，设定基准回归模型为：

式（1）中：土地空间错配（λi，t）作为被解释变量；核心解释变量polyi，t-1表示城市i在t-1年的人口多中心度。同时为了考察城市人口多中心度对土地空间错配的影响是否存在非线性特征，在模型中加入城市人口多中心度的二次项poly2i，t-1；Xi，t是控制变量集；ξt为时间固定效应；εi，t为随机误差项；β0为常数项；β1为城市人口多中心度的系数；β2为城市人口多中心度二次项的系数；δj为控制变量的系数。考虑到城市多中心化的影响可能存在滞后性，将相关解释变量滞后一期，以缓解潜在的内生性。

2.1.2调节效应模型设定

有研究指出：多中心化是缓解大城市“拥挤效应”的有效策略[22]，中小城市实行多中心发展策略不但易削弱原有城市中心的集聚效应，还可能由于次中心规模普遍偏小、吸引力较弱，产业发展受阻和生产率下降，出现土地过度配置现象。此外，我国城市空间结构的形成很大程度上受行政主导的影响[23]，地方政府官员为应对上级考核压力实施“圈地造城”活动，引致“空城鬼城”现象频发[4，24]，不仅导致城市资源闲置与浪费，还稀释城市主中心的聚集效应[23]，对于缓解土地空间错配现象极为不利。为此，需检验城市人口规模与地方官员晋升压力在城市人口多中心化影响土地空间错配效应中的调节作用。

为研判调节变量是否改变城市人口多中心度影响土地空间错配的方向，参考江艇[25]和董维维等[26]的见解，选取简化的线性调节模型①如下：

式（2）中：Mi，t为调节变量，分别为城市人口规模（size）和官员晋升压力（ps）；polyi，t-1×Mi，t为城市人口多中心度与调节变量的交互项；β3为调节变量的系数；β4为交互项的系数；其他字母含义同式（1）。

2.2变量说明

2.2.1被解释变量

土地空间错配程度（λ）。参照已有研究[27]，将土地要素纳入C-D生产函数中，通过分析要素配置与价格扭曲之间的关系，计算竞争均衡条件下的错配指数。当错配指数大于1，表明存在配置过剩；错配指数小于1，则表现为配置短缺。土地空间错配程度由错配指数与1差值的绝对值表示，该数值越小，表明错配程度越低。

式（3）中：Ri，t表示城市i在t年的土地投入量；Rt为t年所有样本城市土地投入的总量，土地投入以城市建设用地面积衡量；Si，t=Yi，t/Yt表示城市i在t年的经济产出份额，经济产出以2003年为基期的城市实际GDP表示；i，tc表示土地弹性，通过C-D生产函数求得，其中资本存量借鉴单豪杰[28]的方法计算得到；tc表示加权平均土地弹性，以各城市经济产出份额为权重，通过加权计算得到tSi，ti，tc=/c。

2.2.2主要解释变量

（1）城市人口多中心度（poly）。利用LandScan人口分布数据，以城市全部次中心人口数占所有中心人口数比重来反映。关于人口主/次中心的设定标准为[1]：人口密度呈“高高”集聚模式、土地面积较大且总人口数较多。首先运用局部空间统计法计算LandScan数据中各个栅格的局部Moran’sI，保留城市内部人口“高高”集聚、土地面积不少于3km2的成面栅格集群。现有研究关于“总人口数较多”的标准②存在一定局限性，我国城市规模分布的扁平化趋势[29]使得这种固定标准的筛选方法并不适用于所有城市。对于小城市，该方法可能难以识别出有效中心；对于中等规模城市，则可能无法准确识别次中心。故而，本文采用“动态”筛选标准，先利用人口“高高”集聚和土地面积标准筛选得到栅格集群，计算全部城市栅格集群人口数量的均值，若成面栅格集群所含人口数量超过均值，则该成面栅格集群可被视为中心。

采用上述方法，识别出2002—2020年273个城市的人口中心，其中规模最大的作为主中心，其他剩余中心视为次中心。城市人口多中心度以全部次中心人口数（popsub）占所有中心人口的比重代表，所有中心人口数为全部次中心人口数与主中心人口数（popmain）的总和。计算公式为：

次中心人口占比越高，表明城市人口多中心化程度越显著。对于单一中心的城市，即只识别到一个中心的情况，城市多中心度的值设为0。

（2）城市人口多中心化的其他维度指标。①中心数量（count），采用中心识别得到的中心个数并取自然对数来衡量。②中心均衡性（banlance），计算城市内所有中心人口密度的Theil指数来衡量，数值越小表明城市中心间人口密度差距越小，人口分布越趋于扁平化，反之，则表明城市人口分布特征越趋于单中心。③中心分散度（disperse），以次中心到主中心平均地理距离与城市行政区域周长的比值来衡量，数值越大表明中心的分布越分散，反之，则越紧凑。

2.2.3控制变量

为了有效剥离出城市人口多中心化对土地空间错配的影响效应，避免遗漏变量偏误，选取以下控制变量。（1）财政压力（pre）：采用地方财政一般预算收入占GDP的比重来衡量，地方政府财政压力越大，越偏向于出售土地来拓展财政收入，加剧土地的空间错配。（2）基础设施水平（pave）：采用人均道路面积衡量。在基础设施完备的城市，土地开发成本低，可能帮助缓解土地错配。（3）对外开放程度（open）：采用当年地方政府实际利用外资与GDP的比值予以衡量。外资兼具经济效益和溢出效应，对政府土地资源配置决策产生重要影响。（4）工业用地价格（landprice）：采用城市工矿仓储用地①的平均价格衡量。工业用地价格扭曲容易导致无序引资和工业用地超量供应，加剧土地资源的空间错配。（5）教育投入水平（edu）：以教育支出占财政一般预算支出的比例衡量。教育投入增加意味着人力资本积累和质量提升，可能改变土地需求与利用方式，影响土地空间错配程度。

2.2.4工具变量

因双向因果性、遗漏变量偏差等原因可能造成内生性问题，故需要构造城市人口多中心度的工具变量。选择城市明朝时期的驿站数量（stagenum）作为截面变异，选择美元对人民币汇率的倒数作为时变外生变异，以两者的乘积构建城市人口多中心度的面板形式工具变量（stagenum×rate）。截面变异部分选用明朝时期的驿站数量[2]，运输成本是影响区域内形成多个城市的关键要素[2]，中国古代的经济发展和交通基础设施相对滞后，驿站作为通信和交通的主要途径，有效地降低了运输成本；历史的延续性意味着过去就建有驿站或驿站更多的城市可能凭借其优越的禀赋，在现在也更容易发展出多中心结构。时变外生变异来源选取美元对人民币汇率的倒数，因为对外开放和出口贸易对人口空间分布可能产生显著影响[30]，汇率变动影响市场与就业需求，汇率升高促使劳动密集型产业向用工成本更低的地区转移，进而带动城市人口多中心格局形成[31]。

2.2.5机制变量

（1）土地利用效率（landef）。采用规模报酬不变的超效率SBM-Undesirable模型测算涵盖非期望性产出的土地利用效率，同时将传统SBM-Undesirable模型的测算结果作为替代变量用于稳健性检验。投入层面：土地投入用城市建设用地面积代表，资本投入为处理后的资本存量，劳动力投入采用城市从业人员总数。产出指标选取可比价地区生产总值、财政一般预算收入和城市PM2.5浓度②来代表。（2）城市创新水平（innov）。选取城市人均专利授权数衡量，同时将城市人均专利申请受理数作为替代变量用于稳健性检验。

2.2.6调节变量

（1）城市人口规模（size），使用城市年末总人口数（104人）来衡量。（2）官员晋升压力（ps），依据地区可比性原则，从GDP增长率、财政盈余及失业率三个维度构建官员晋升压力指数[32]，该指数越大，意味着官员考核压力越大；为契合官员考评的通常规则，将晋升压力滞后一期。此外，为避免交互作用的影响被过度放大，对城市人口规模和官员晋升压力均取对数处理。

2.3数据来源与描述

研究时段设定为2003—2021年，城市人口多中心化以及官员晋升压力的数据跨度为2002—2020年，其他变量的数据跨度为2003—2021年。由于行政区划调整和统计数据口径的变化，以2019年国家行政区划代码为基准进行统一调整。同时剔除在研究期间数据缺失较多的地级市，最终选定273个地级以上城市作为研究样本。

除上述指明来源的数据外，本文所用数据主要来源于《中国城市统计年鉴》以及各城市统计年鉴与统计公报。采用插值法补充部分缺失或异常数据。相关变量的描述性统计量详见表1。

3实证分析结果

3.1城市人口多中心化对土地空间错配的影响

3.1.1基准回归结果

基准回归模型估计结果见表2所示。在1%的显著性水平下，列（1）为未引入控制变量，列（2）为添加控制变量，城市人口多中心度的系数均显著为负。列（3）和列（4）进一步反映了城市人口多中心度对土地空间错配的非线性影响，无论是否纳入控制变量，城市人口多中心度的一次项系数显著为负，二次项系数显著为正，意味着其对土地空间错配的影响呈现出起初缓解、而后加剧的“U”型特征。以列（4）的回归结果为例，拐点（poly=0.533）位于城市人口多中心度取值范围［0，0.915］之内。

3.1.2内生性检验

采用两阶段最小二乘估计（TSLS）以缓解内生性问题。表3中列（1）—列（4）呈现了第二阶段的估计结果，分别与基准回归的两个模型相对应；列（5）—列（6）则分别展示了第一阶段的回归结果。第一阶段与第二阶段回归结果的系数符号均与预设假定相符。此外，内生变量的弱工具变量检验Cragg-DonaldWaldF（CDWF）值统计量皆大于10，拒绝了“存在弱工具变量”的原假设；K-PaaprkLM（KPrkLM）统计量的值大于临界值，满足工具变量的可识别性，所选工具变量具有一定合理性。

3.1.3稳健性检验

为验证基准回归结果的稳健性，选取以下方式展开稳健性检验。（1）替换被解释变量。借鉴彭山桂等[33]的方法，从资本—土地、人口—土地协调关系的视角测算土地空间错配程度，记为λ_1。（2）替换核心解释变量。①构建考虑中心间地理距离的城市人口多中心度指数[12]；②借助整合的夜间灯光数据[34]，同样采用局部空间统计法，保留符合“灯光高高集聚”和土地面积标准的成面栅格集群，进一步统计灯光栅格集群聚合面所含的人口数量，再以动态标准识别城市中心，根据式（4）计算城市人口多中心度指数。（3）剔除部分城市样本。受“强省会战略”及城市前期发展优势的影响，四大直辖市与省会城市通常成为资本和政策等资源的汇聚之所，为此剔除这些较特殊城市再开展估计。（4）剔除异常年份的估计结果。2020年起，城市经济活动、土地使用模式以及人口分布格局等受新冠疫情冲击夹杂异常变动，故剔除这段时期的数据后再进行估计。稳健性检验结果（表4）显示，城市人口多中心度对土地空间错配程度的影响仍呈现出明显的“U”型特征，核心结论稳健。

3.2城市人口多中心化多维特征的影响效应

进一步将城市中心数量、中心均衡性和中心分散度三个指标纳入实证分析，细致地回答什么样的城市人口多中心化最有利于减轻土地空间错配程度，估计结果见表5。列（1）—列（2）的结果表明，城市中心的数量越多，土地空间错配程度越低，即新中心的形成有利于缓解土地空间错配，但过多的中心数也可能导致土地空间错配程度加重，土地空间错配程度伴随中心数量的增多呈现先减轻后加重的“U”型关系。列（3）和列（4）分别考察了中心均衡性和中心分散度对土地空间错配的影响，系数均在1%水平下通过显著性检验。城市人口分布的单中心特征越显著，土地空间错配的程度越严重，与理论分析中巨型单中心格局不利于缓解土地空间错配相符，但列（4）的结果表明：中心间分布越分散，错配程度越弱，这与理论分析中的预期不完全吻合。列（5）综合考量了三个城市人口多中心化指标①的共同作用效果，系数符号与单一影响结果一致。

在列（4）基础上引入城市人口多中心度与中心分散度的交互项，如列（6）所示。结果显示：中心分散度的系数依然显著为负，但交互项系数显著为正，表明当城市人口多中心度超过0.632时，中心分散度的提升会加剧土地空间错配。可见，理论分析中的“适度多中心”格局意味着次中心的人口占比不应超过六成，否则将导致“过度多中心”。如此才能保证主中心的整体集聚地位不被动摇，也使次中心得以规避因邻近大规模主中心，遭受来自主中心的虹吸效应与空间剥夺影响[34]。同时，适度多中心化格局下，主次中心间联系紧密，次中心离主中心稍远也能被纳入城市网络体系之中，便于从主中心“借用”集聚经济的规模优势实现自身发展。可见，主中心、次中心保持适宜距离有利于缓解土地空间错配。

4拓展分析

4.1中介机制检验结果

将土地利用效率和城市创新水平作为中介变量，检验城市人口多中心度作用于土地空间错配的机制，表6列（1）—列（4）的结果呈现了城市人口多中心度对土地利用效率、城市创新水平所带来的影响。具体而言，城市人口多中心度的一次项系数显著为正，二次项系数显著为负，表明随着城市人口多中心度的提升，土地利用效率和城市创新水平均呈现出倒“U”型变化趋势。这一结果与理论分析中有关城市人口分布格局和土地资源错配的解析相呼应，城市从过度集聚的巨型单中心向过度分散的多中心格局演变的过程中，城市的土地利用效率和创新水平先上升后下降。适度的人口多中心化格局能够促进要素的流动与重组，人口在“鬼城空城”的“再集聚”有利于城市土地供需实现平衡，助力城市发展成为功能分工明确、中心之间相互协同的共同体，实现城市创新水平的提升及土地资源高效利用，降低土地空间错配程度。结合土地利用效率、创新水平提升与土地空间错配程度减弱之间的负向关联性，可清晰呈现出城市人口多中心度提升先缓解后加剧城市土地空间错配的原因，即“U”型影响的成因。

4.2调节效应分析结果

借助模型（2）考察城市人口规模和官员晋升压力的调节作用，结果见表7。在回归结果（表7）的基础上，进一步绘制城市人口多中心度对土地空间错配的影响系数随城市人口规模、官员晋升压力变化的趋势图，以直观反映调节效果，结果见图2。

表7列（1）—列（2）显示，加入城市人口多中心度与城市人口规模的交互项后，人口多中心度的系数在1%水平上显著为正，而交互项显著为负。以加入控制变量的列（2）和图2（a）为例，计算出城市人口多中心度对土地空间错配产生积极影响的人口规模阈值为150.471万人，当城市人口规模低于该阈值，城市人口多中心度对土地空间错配程度的影响系数为正值，即小城市的人口多中心化会加剧土地空间错配程度；当超过该阈值，城市人口多中心度对错配的影响系数变为负值，即大城市多中心化能够缓解土地空间错配。

表7列（3）—列（4）和图2（b）显示了官员晋升压力的调节作用，城市人口多中心度的系数显著为负，而交互项显著为正。当官员晋升压力较低时，城市人口多中心度有利于缓解土地空间错配；随着官员晋升压力的增大乃至超过临界点，人口多中心度的影响系数由负转正，此时，城市人口多中心化反而加剧了土地空间错配现象。因为出于政绩诉求和晋升压力，地方官员倾向于选择显性政绩，力求在短期内实现跨越式发展，为此，设立新城新区成为彰显政绩与实现晋升最为直接的选择[4]。从短期来看，新城新区建设或许带来一定的投资，但脱离实际的需求会成为城市健康可持续发展的隐患。因此，地方政府官员的晋升压力越大，越不利于发挥城市人口多中心化对土地空间错配的缓解效应。

4.3地区异质性分析

考虑到中国区域发展的不平衡性，将城市样本按四大地区①分组，探讨城市人口多中心化影响土地空间错配的地区异质性。表8的列（1）—列（4）表明，四大地区的城市人口多中心化影响土地空间错配的效果存在显著差异，东部、西部和东北城市均呈现出典型的“U”型特征，其中，东部城市在“U”型左右两段的分布较为均衡，西部多数城市位于“U”型左半段，东北多数城市位于右半段。而中部城市人口多中心化影响土地空间错配的效果虽也通过“U”型特征的显著性检验，但其实拐点超过人口多中心度的取值上限，因而，中部地区全部城市都位于“U”型左半段，这意味着中部城市人口多中心化有利于缓解土地空间错配。

5结论与启示

土地资源配置是权衡“效率”与“公平”的产物，本文从城市内部人口分布视角探究城市人口多中心化对土地空间错配的影响效应及作用路径，利用我国273个地级以上城市2003—2021年的面板数据，针对两者之间的“U”型关系及内在机制进行实证考察，并探析城市人口规模和官员晋升压力的调节效应，得到以下主要结论：（1）城市人口多中心度与土地空间错配程度之间存在显著的“U”型关系，伴随城市人口多中心度的提升，土地空间错配程度呈现出先减轻后加重的态势。（2）城市人口多中心化通过土地利用效率、城市创新水平等路径作用于土地空间错配，适度的人口多中心格局能够促进土地利用效率、城市创新水平提升从而减轻土地空间错配；但人口过度集聚的单中心化与过度分散的多中心化抑制土地利用效率和城市创新水平的提升，并加剧土地空间错配。（3）城市人口多中心化对土地空间错配的影响效应受到城市人口规模、官员晋升压力的调节作用，大城市的多中心化是缓解土地空间错配的有益抉择，过大的官员晋升压力往往抑制人口多中心化对土地空间错配的改善效果。（4）构建城市多中心格局的进程中，适度的中心数量与中心分散度有利于缓解土地空间错配，中心间不均衡则加剧土地空间错配。

基于以上结论，得到以下政策启示。

（1）巩固城市主中心的“引领”地位，坚持紧凑型城市发展模式。城市人口多中心化并非一把“万能之匙”，在推动城市多中心发展过程中应围绕主中心打造核心功能区，并基于梯度原则配置次中心功能，打造主次中心间功能互补的空间模式；摒弃传统“有城无产”或“有产无城”的郊区建设模式，实现人口和产业融合，建设存在支柱产业、人居环境优良的综合性功能中心；规避城市“摊大饼”式多中心蔓延，防止扁平化多中心的出现，削弱主中心的集聚与辐射效应；通过交通基础设施促进中心间的良性互动，形成网络化的城市空间格局，增强对土地资源配置的正向牵引力。

（2）推动城市经济能级提升，打造集约创新型城市发展模式。地方政府要深化土地使用制度改革，以价格机制为基础，出台反映地块价值的土地补偿评估标准，最大化土地的产出效益；加强对大规模土地开发的调控，盘活闲置土地和低效存量建设用地，并通过提高建筑密度和实施容积率管制等方式，推动土地利用向集约、循环、高效方向发展，优化城市土地配置结构。引导资本、技术等向城市主中心集聚，推动主中心形成以高端制造业、生产性服务业为主的产业格局；同时强化科技创新网络，助力创新要素在城市内部有序流动与合理配置，促进技术扩散与知识外溢，激发创新活力。

（3）市场主导与政府引导相结合，因地制宜选择城市发展模式。城市人口分布格局的优化离不开政府的整体规划，地方政府应根据城市人口变动趋势，科学规划城市空间，弱化官员晋升机制中以GDP为主要目标的绩效考核，避免新城建设偏离实际需求而加剧土地资源错配。依据城市自身特征选择适宜的发展模式，对于尚未达到特定规模的中小城市，应继续坚持紧凑型单中心模式，避免过早追求多中心化发展，使城市发展与实际需求脱节，引致“孤城”“空城”等现象的出现。对于大城市，在不损害集聚经济的前提下，有序推进多中心化发展，合理布局居住、就业、教育、卫生等公共服务设施，引导居民向外迁移，降低主中心过度集聚的负面影响，促进中心间的协调发展。

本文围绕城市多中心化及其多维特征开展测度与实证分析，采用的方法还无法对诸如城市单核、双核等特定人口分布模式进行深入刻画；此外，在未来界定和识别城市中心时，除LandScan人口分布数据和夜间灯光数据外，还可结合体现人口活力的POI数据等，更为细致地呈现城市人口分布特征，提升研究的精细度和丰富度。