城市群空间结构与城市创新能力

摘 要：城市群是社会经济活动的重要载体，城市创新能力是高质量发展的重要保障。基于2004—2020年中国十大国家级城市群样本数据，结合北京大学企业大数据研究中心编制的创新创业指数，采用固定效应模型和工具变量法探究城市群空间结构对城市创新能力的影响。研究表明，多中心城市群空间结构更有利于城市创新能力提升，城市群分工协作和城市经济集聚是城市群空间结构影响城市创新能力的关键机制。多中心城市群空间结构对中西部地区城市创新能力的影响存在先抑后扬的“U”型特征，其中，对中小城市创新能力的影响比大城市更显著。此外，同侪政府竞争在城市群多中心结构对城市创新能力的影响中表现出负向调节效应。因此，需不断优化多中心城市群空间结构，着力促进区域分工协作和经济集聚，助推城市群高质量发展。

关键词：城市群；空间结构；城市创新能力；分工协作；经济集聚

DOI：10.6049/kjjbydc.2022080751

中图分类号：F290

文献标识码：A

文章编号：1001-7348（2024）20-0109-11

0 引言

城市群建设既是当今世界经济发展的重大趋势，也是践行中国特色新型城镇化道路和优化城镇空间格局的重要内容［1］。自“十一五”以来，中国政府不断强调和突出城市群建设在推动经济社会高质量发展中的重要地位。党的二十大报告更明确指出，要以城市群、都市圈为依托，构建大中小城市协调发展格局。这为城市群空间结构理论研究提供了方向和现实基础。与此同时，创新日益成为促进中国经济社会可持续增长的重要引擎［2］，区域空间结构对创新活动有着深刻影响［3-4］。

长期以来，单中心结构和多中心结构作为空间结构的两种主要形态，在区域经济发展中发挥重要作用，但现有文献对何种区域空间结构更有利于区域经济发展的认识尚未达成一致。部分学者支持单中心空间结构。一方面，单中心空间结构相较于多中心空间结构具有更高的经济效率［5］。如Bailey&Turok ［6］基于苏格兰城市群的经验证据发现，相较于多中心结构，单中心结构更有利于发挥经济集聚的正向效应；Duranton［7］的研究也表明，无论网络外部性是否存在正向效应，中心城市的集聚规模依然对区域经济效率意义重大，中心城市集聚规模缩小会降低区域经济效率。另一方面，从国内相关研究来看，由于交易成本的存在，多中心结构下的网络外部性并不一定带来区域经济效率提高。政府竞争在促进地方经济增长的同时也带来不同程度的区际分割［8］，由此产生的行政壁垒会抑制经济要素在整体区域内的正常流动和企业部门的合理布局［9］。在这样的现实背景下，区域空间结构多中心化可能并非现实经济效率的客观追求。

另有一些学者则基于经济效率和区域协调角度认为，城市群空间结构由单中心向多中心转变是区域发展的客观要求［10］。一方面，随着城市群规模扩大，多中心的区域空间结构具有更强的经济活动承载能力，能够有效疏解单中心结构下带来的拥挤效应［11］。基于中国经验数据的研究也表明，多中心结构有助于缓解中心城市过度集聚的“城市病”问题。如陈旭等［12］的研究表明，多中心的省域空间结构有利于改善城市雾霾污染；相关研究还认为，多中心空间结构对劳动收入存在先扬后抑的倒U型影响［13］。更为重要的是，由网络外部性带来的正向效应还能够提高区域要素与产业协作能力［1，14］，促进城市协调发展，增加区域人力资本积累［15-16］。

那么城市作为促进创新活动的社会空间［17］，城市群作为容纳不同城市经济社会活动的重要载体，城市群的空间结构特征又会对成员城市创新能力产生何种影响？其如何发挥作用？现有研究虽然从省域层面和城市群层面分析了区域空间结构对城市经济绩效、环境污染和企业生产效率等方面的影响［18-20］，但对城市群空间结构与城市创新能力关系的探讨少有涉及。第一，从研究结论来看，何种区域（省域或者城市群）空间结构更有利于提高城市经济绩效的结论并不一致；第二，从研究内容来看，现有的区域空间结构研究主要集中于经济增长、环境污染和企业生产效率等方面，对城市创新能力的影响探讨较少；第三，从机制路径来看，就区域分工协作和经济集聚机制的作用考虑不足且缺乏实证。在当前中国城市群规模持续扩张和空间格局快速演变的背景下，探究城市群空间结构对城市创新能力的影响，对于合理优化城市群空间布局、发挥创新在经济社会中的驱动作用、促进区域经济高质量发展具有重要的理论价值和现实意义。

因此，本文将采用城市规模分布的为序指数法测度城市群空间结构的单—多中心程度，探索城市群空间结构对城市创新能力的影响效应及作用机制，分析何种空间结构更有利于城市创新能力提升，以期从城市创新能力角度为中国新型城镇化道路和城市群高质量发展提供政策启示。本文可能的创新贡献为：第一，从分工协作和经济集聚角度分析区域空间结构的影响机理与传导机制，从空间经济地理维度丰富对城市创新能力影响的研究；第二，实证检验同侪政府竞争在多中心城市结构和城市区域创新层面的调节效应，为政府创新城市空间布局和优化政策制定提供了经验证据。

1 研究假设

无论城市群是何种空间结构，集聚外部性均是城市群及区域城市经济效率的重要来源。在城市层面，经济活动的地理集中有利于通过共享、匹配、学习等微观作用机制，发挥经济集聚的外部性效应，促进城市创新能力提升［21］。若将视野扩展到城市群全域，城市内部的经济集聚有赖于资源要素在城市群不同城市间的流动与配置，多中心结构是一种有益探索。多中心结构有助于促进城市间资本、劳动力和信息等不同要素的自由流动，进而构成具有弹性和活力的城市空间网络，实现区域整体合理有效的分工结构，最终将城市自身的集聚外部性向区域整体辐射。城市层面集聚对城市创新能力的提升效应最终通过突破地理边界，带来创新网络的外部性，尤其是中小城市可以凭借“借用规模”，受益于中心城市的跨区域创新溢出［22］，获得“1+1>2”的网络外部性效应［23］。城市群分工协作和成员城市的经济集聚是城市空间结构影响城市创新能力的两条关键路径。

城市群多中心空间结构能够促进城市群内部分工协作，而分工协作有利于提高专业化水平和创新效率。单中心结构下的经济活动会过度集中于省会等区域性中心城市，不利于城市群内部形成有效的分工协作，最终抑制城市创新能力。中心城市由于难以通过有效的产业转移实现自身产业结构优化升级，甚至会引致发展战略的路径依赖。同时，中心城市过于摊大饼化的产业战略也会导致区域整体陷入低效的分工局面，使得中心城市创新能力难以提升。对于单中心结构下被过度边缘化的非中心城市，其较难受益于中心城市创新能力的辐射，最终抑制城市群内部不同城市创新能力的提升［24］。相反，城市群空间结构多中心化会促进城市群内部不同城市的分工协作，结构布局放眼于全域，并基于不同城市实际情况，在不同城市之间谋求效率与成本的合理匹配，促进中心城市与诸多非中心城市之间形成有效的分工协作［25］。对于中心城市，产业结构优化有助于将丰富的资源要素集中于具有开拓性、突破性的新兴产业领域，引领区域创新，更好地发挥中心城市的头部效应，而中小城市在获益于中心城市外溢作用的同时，也能够克服产业同构和重复建设的弊端，在城际分工协作中培育自身优势，促进具有禀赋特征的城市创新。

经济活动在单中心结构下向区域中心城市集聚会受到制度、规划的深刻影响且并非纯粹的经济规律使然［26］。这使得趋向中心城市的经济集聚会带来不同程度的负向效应，进而抑制城市创新能力，并对非中心城市产生显著影响。单中心结构下的巨大虹吸效应使得非中心城市的经济规模缩减，加之地方政府激励“新城建设”［27］，非中心城市的经济集聚程度呈现显著下降趋势，这不利于发挥经济集聚对城市创新能力的正向作用。但在多中心结构下，经济活动的多中心化促进社会资源、经济要素等在不同城市间合理流动，实现资源要素与区域禀赋的有效匹配［28］，有助于进一步强化学习机制对创新能力的促进作用。与创新紧密相关的新思想、新观念往往具有知识隐秘性特征，不同于流动性的编码型知识，新思想、新观念有赖于“面对面”交流，空间距离缩小会增强学习机制对城市创新能力的带动作用。因此，多中心结构下的经济集聚有利于城市内部资源要素优化匹配，同时，缩小不利于隐性知识传播的空间距离，促进城市间知识溢出，进而提升城市创新能力。据此，本文提出如下研究假设：

H1：城市群多中心空间结构有利于提升城市创新能力。

H2：城市群分工协作和城市经济集聚是城市群空间结构影响城市创新能力的重要机制。

我国地域辽阔，不同地区的经济社会发展存在一定差异，城市群空间结构对城市创新能力的影响必然会由于不同的地理区位和城市规模而有所不同，因此开展异质性讨论具有重要的现实意义。从地理区位来看，东部地区经济发展显著优于中西部地区，长期以来是就业人口流入的主要区域，巨大的经济规模使得经济活动的空间分布呈现出多中心化趋势［29］，相对成熟的城际关系保障了城市群内部不同城市的分工协作，也有利于促进不同城市的经济集聚，因此东部地区城市群的多中心空间结构相较于中西部地区更有利于提高城市创新能力。而从中西部地区来看，不同城市经济发展差距明显，经济活动往往集聚于省会城市。由于区域经济规模有限，早期阶段经济活动的单中心化趋势更能充分发挥正向集聚效应，尽管这不利于城市群内部分工和中小城市经济集聚，但依然能够通过空间溢出方式，促进区域内部城市创新能力提升。但就长期而言，随着省域经济规模不断扩大，省会城市制度优势带来的制度性成本［30］诱使区域经济发展轨迹越来越偏离经济发展规律，带来貌似合理的“一城独大”结果，这既不利于中心城市的长远发展，也不利于中小城市禀赋优势的发挥，最终抑制中西部城市创新能力。因此，城市群空间结构对中西部地区城市创新能力的影响存在复杂性。

从城市规模来看，人口规模越小的城市在单中心化的经济空间结构中越是处于劣势地位，这是因为中小城市无论是在资源要素规模还是质量上都相对欠缺，中心城市所形成的虹吸效应更会加剧这一不足。尽管中小城市会受益于中心城市的创新溢出效应，但有限的资源要素往往使得中小城市在产业选择上陷入重复建设和低效竞争的博弈困局，经济集聚难以实现，也不能充分参与城市群内部分工协作。相比之下，多中心空间结构有助于改善上述不足。中小城市不仅能够受益于大城市的“规模外借”效应，而且能够凭借自身独特的禀赋实现比较优势，通过资源要素集聚和城市群内部分工协作，提高自身创新能力。值得注意的是，人口规模较大的城市，尤其是行政等级较高的大城市，往往能更深入地参与城际分工协作，资源要素的净流入也助推其经济集聚水平提升。因此，相比之下，城市规模越大的城市，城市群空间结构对其创新能力的影响可能越小。于是，本文提出如下研究假设：

H3：城市群多中心空间结构对中西部地区城市创新能力的影响存在先抑后扬的“U”型特征。

H4：城市群多中心空间结构对中小城市创新能力的影响更显著。

2 模型构建与数据说明

2.1 模型构建

为了验证前文假设，本文构建基本模型（1）如下：

creaindexijt=α0+α1polyi，j，t－1+α2Xi，j，t－1+μi+γj+θt+εijt（1）

其中，i为城市层面的截面单位，j为城市群层面的截面单位，t代表年份。creaindex是被解释变量城市创新能力指数，poly是核心解释变量城市群空间结构指数，X表示控制变量。μ和γ分别表示不随时间变化的城市固定效应与城市群固定效应，θ表示不随个体变化的时间固定效应，ε代表随机误差项。为了尽量消除可能的内生性，且考虑到多中心结构对城市创新能力的影响具有一定滞后性，因此对所有因变量都滞后一期。

2.2 变量说明

2.2.1 城市创新能力指数（creaindex）

已有的城市创新能力水平测度主要基于创新投入和创新产出两个维度。创新投入维度主要是采用地级市R&D支出作为测度指标，但由于该指标存在公开性、人为操纵等潜在问题，现有研究多采用创新产出作为测度指标［31-32］。本文采用北京大学企业大数据研究中心（CER）编制的创新创业指数测度城市创新能力水平，其囊括新建企业进入、外来投资笔数、发明专利授权数目等六大维度，能够更全面地反映城市创新水平。本文采用总量指数得分的对数作为被解释变量的测度指标。

2.2.2 城市群空间结构指数（poly）

参考Meijers&Burger［22］的测度方法，采用城市位序-规模法则测度城市群空间结构指数，建立具体模型如下：

lnrankit=C－Plnpopit（2）

其中，i表示城市群范围内的城市，t表示年份，rank表示人口规模在城市群范围内的位序数，pop表示城市人口规模，C为常数值。分别将每年各省份数据带入式（2），得到不同年份的p值，即为城市群空间结构指数，当p＞1时，表明城市群内经济活动较集中，呈现出单中心空间结构；当p＜1时，表明城市群内经济活动较分散，呈现出典型的多中心空间结构形态。表1为样本城市群空间结构指数。

从表1可以看出，长三角和珠三角城市群的空间结构朝着多中心化演变，山东半岛城市群、长江中游城市群、海峡西岸城市群和辽中南城市群的空间结构相对稳定，且数值都在1以下，呈现出多中心结构， 京津冀城市群、中原城市群、关中城市群和成渝城市群的空间结构则呈现出单极化趋势。综合来看，东部地区城市群越来越呈现出多中心化的空间结构特征，中部地区城市群也呈现出多中心结构，但程度相对较低，西部地区城市群则明显呈现出单中心的空间结构特征。

同时，基于现有数据绘制城市群空间结构指数（poly）与城市创新能力（creaindex）的Binscatter散点线性拟合结果，如图1所示。可以发现，城市群空间结构指数与城市创新能力之间存在着明显的负向关系，即相较于单中心城市群空间结构，多中心城市群空间结构更有利于城市创新能力提升。这为本文研究提供了直观描述，但有待实证结果的进一步检验。

2.2.3 相关控制变量

借鉴相关文献做法，选取一系列控制变量如下：①R&D经费支出（lnrd），使用R&D经费支出占财政支出比重的对数衡量，该指标反映城市层面对创新活动的资金投入情况；②人力资本水平（edu），采用城市高校在校生人数占比测度，充足的人力资本更有利于提升城市创新能力；③固定资产投资（invest），采用固定资产投资占城市生产总值的比重衡量，该指标反映城市基础设施状况，但也可能挤出创新资金投入；④人均道路面积（trans），采用人均道路面积的对数衡量，该指标反映城市内部要素流动水平，较高的要素流动水平有利于提升城市创新能力；⑤信息通达程度（rnet），使用互联网人数占总人数的比重衡量，其反映信息等知识要素的扩散水平，有利于提高城市创新能力；⑥劳动力平均工资（wage），基于基期，采用城市所在省份的CPI指数平减并取对数得到，较高的工资水平有利于吸引高素质人才，进而有利于提高城市创新能力；⑦产业结构（stru），采用第三产业与第二产业的比重测度，该数值越大表示产业结构越高级化，越有利于促进城市创新能力提升；⑧人均生产总值（lnrgdp），采用人均GDP的对数测度，该指标反映城市经济发展水平，一般而言，经济发展水平越高则越有利于创新活动开展。

2.3 研究对象与数据说明

截至2019年，国务院先后批复十大国家级城市群，分别是长江三角洲城市群、珠江三角洲城市群（粤港澳大湾区）、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、成渝城市群和海峡西岸城市群。在2021年发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中强调培育发展9个城市群，分别是哈长城市群、辽中南城市群、山西中部城市群、黔中城市群、滇中城市群、呼包鄂榆城市群、兰西城市群、宁夏沿黄城市群和天山北坡城市群。截至2021年，国务院先后规划了19个城市群。由于新加入的城市群发展程度较低，普遍还处于规划阶段，原有的十大国家级城市群是目前我国经济发展中最具活力和潜力的城市群，且发育程度相对较高，因此本文选取2004-2020年原有十大国家级城市群面板数据作为研究对象。数据主要来自国家统计年鉴、各省统计年鉴和城市统计年鉴，创新创业指数源自北京大学企业大数据研究中心（CER）。至此，共选取2004-2020年十大国家级城市群117个城市的经济数据。变量描述性统计结果见表2。

3 实证结果分析

3.1 全样本估计结果

表3是基于全样本就城市群空间结构指数对城市创新能力影响的相关回归结果。其中，第（1）列至第（4）列逐步在模型中加入固定效应和控制变量。可以发现，回归系数都在1%、5%、10%的水平下显著为负，初步说明城市群多中心空间结构更有利于促进城市创新能力提升，假设H1得到初步验证。以第（4）列的回归结果为例，R&D支出投入的回归系数在1%的水平下显著为正，表明更高的研发投入有利于城市创新能力提升，这与常识相符。固定资产投资的回归系数在1%的水平下显著为正，表明健全的基础设施建设为创新活动提供了重要基础，进而促进城市创新能力提升；人均道路面积的回归系数在1%的水平下显著为正，意味着交通通达性提高有利于缩小不同群体空间距离，促进知识溢出，进而提高城市创新能力；信息通达程度系数在5%的水平下显著为正，表明信息通达程度高有利于促进信息、知识、社会观点传播，进而提升城市创新能力；城市工资水平系数在1%的水平下显著为正，表明较高的收入水平有利于吸引人才，促进城市创新能力提升；产业结构系数在1%的水平下显著为正，表明产业结构高级化有利于促进创新进程；城市人力资本水平和城市经济发展水平的回归系数为正但并不显著，这可能与模型和控制变量选择有关。

3.2 内生性问题

虽然本文设计了控制变量，但基准回归结果依然可能受到内生性影响，导致结果有偏。从因果角度来看，城市创新能力提高有利于促进经济活动空间布局的去中心化，尤其是基于地区禀赋的创新活动，因此城市创新能力提高也会促进城市群多中心结构的形成。此外，从遗漏变量角度来看，某些不可观测值或者遗漏变量与城市群空间结构指数相关，同时，还会影响城市创新能力。综合来看，这些都会带来内生性问题并使得结论稳健性欠佳。对于以上可能存在的内生性问题，本文采用工具变量法予以改善。

借鉴陈旭和张硕［33］的研究，本文以城市地形起伏度作为工具变量，这是因为地形起伏度作为自然地理特征是先天的外生变量，且深刻影响社会经济活动的空间分布［34］。由于地形起伏度不会随时间而变，本文还选取汇率作为工具变量，这是因为汇率会影响区域开放程度进而作用于经济集聚［35］，因此选取城市地形起伏度与汇率之积作为工具变量（iv）。为进一步增强结论稳健性，选取城市群空间结构指数的滞后项（l.poly）作为另一个工具变量。表4反映的是考虑了内生性问题的回归结果。从第（1）和第（3）列的回归结果可以看出，其系数显著为正，且一阶段回归中的F值分别为141.33和99.77，都远远大于10，说明工具变量合适。第（2）和第（4）列是基于工具变量的二阶段回归结果，可以发现，城市群空间结构指数的回归系数虽然略有下降，但分别在5%和10%的水平下显著为负，研究假设H1再次得到验证。

3.3 稳健性检验

为了增强结论可靠性，从替换变量、改变研究样本范围、考虑动态变化与城市群属性等多个途径进行稳健性检验。

3.3.1 替换变量

专利申请量是衡量城市创新能力的常用指标，本文以此作为城市创新能力的替代变量，数据源自中国研究数据服务平台，对于缺漏的数据采用插补法补齐，记为index。同时，替换核心解释变量进行稳健性检验。首位度法是测算空间结构的常用方法，因此采用首位度法测算空间结构指数，其测算方式是1减去城市首位度的倒数，记为polytric，数值越大则单中心结构越突显。从表5第（1）列的回归结果来看，其系数在1%的水平下显著为负，再次表明城市群的多中心空间结构有利于提升城市创新能力。从第（3）列的回归结果来看，其回归系数也在1%的水平下显著为负，表明城市群空间结构的多中心化有利于促进城市创新。

3.3.2 改变研究样本范围

2008年金融危机是一次重大的外部冲击，危机前后的社会环境存在显著差异，因此本文将研究数据的时间范围进一步限制在2009年及以后进行回归。此外，相较于副省级城市、省会城市和计划单列市，普通地级市无论是在政治地位、人才储备，还是在经济实力等方面都存在明显差异［36］，这种差异会导致经济活动的空间分布对普通地级市城市创新能力的影响也呈现差异化，为了增强文章结论的稳健性，本文将研究数据的对象范围限制在普通地级市进行回归。从表5第（3）列和第（4）列的回归结果来看，其回归系数在5%、10%的水平下显著为负，表明是否调整数据范围并不会影响结论稳健性，即城市群空间结构的单中心化趋势会抑制城市创新能力。

3.3.3 考虑动态变化

城市群单中心化的空间结构有助于集中社会资源，在早期阶段可能有利于促进创新，随着经济规模持续扩大，其负外部性逐渐凸显，此时多中心的空间结构才更有利于提升城市创新能力。因此从这个角度来看，城市群空间结构对城市创新能力的影响并非线性的而是存在动态变化特征。因此，在模型（2）的基础上加入城市群空间结构指数的平方项（poly2）。从表5第（5）列的回归结果来看，一次项系数为正但不显著，二次项系数为负且在5%的水平下显著，意味着城市群空间结构对城市创新能力的影响在全样本下不存在动态变化特征，即城市群多中心空间结构在现有阶段依然有利于提高城市创新能力。

3.3.4 考虑城市群属性

城市群自身特征会对城市创新能力产生冲击，这与城市群年限及城市群规模紧密相关。城市群年限反映城市群成熟程度，城市群规模反映城市群要素承载能力，这些均会对城市群内部城市创新能力产生影响。因此，本文在原有模型中纳入上述两个特征因子，前者记为age，采用城市群纳入国家战略规划的时间到2020年的时间跨度测算，后者记为lnscale，采用城市群常住人口规模对数作为测度指标。从表5第（6）列回归结果来看，二者回归系数为正，但都不显著，且核心解释变量的回归系数也未发生明显变化，说明现有控制变量选取和对城市群固定效应的考虑很好地克服了这一问题。

3.3.5 考虑疫情冲击的影响

尽管中国政府在兼顾经济增长和疫情防控上取得巨大成就，但存在不确定性的创新活动仍然深受冲击。本文为此将现有数据扩展至2021年，加入反映疫情的冲击变量（virus），即未受到疫情冲击的年份记为0，反之则记为1，同时，与空间结构指数构成交互项，加入原有基础回归模型中，用以考察疫情冲击对创新活动的影响。由于北京大学企业大数据研究中心（CER）只公布了截至2020年的创新创业指数，本文考虑以专利申请量对数作为城市创新能力的替换指标。从表5第（7）列的回归结果来看，回归系数为负且在1%的水平下显著，交互项系数并不显著但是相较于第（1）列回归结果明显变大，表明尽管疫情冲击未带来显著影响且在一定程度上削弱了多中心结构的促进效应，但并未改变本文的核心结论。

3.4 作用机制检验

基于研究假设H2，将城市群分工协作和城市经济集聚作为中间变量，首先考察城市群空间结构与城市群分工协作、城市经济集聚的关系。构建相应模型如式（3）：

yijt=α0+α1polyi，j，t－1+α2Xi，j，t－1+μi+γj+θt+εijt（3）

其中，被解释变量y表示城市群分工协作和城市经济集聚，其余相关变量解释与上文一致。分工协作参考Duranton等［37］的研究进行测算，测算方式如下：

cooperi（t）=∑n=1l=1labcls（t）/∑n=1l=1labclm（t）∑n=1l=1labpls（t）/∑n=1l=1labclm（t）（4）

其中，cooper表示城市群分工协作，数值越大则分工程度越高，lab表示生产性服务业和制造业从业人员数量，t表示年份；下标i表示城市群，c表示城市群中的中心城市，p表示城市群中的次等级城市，l表示具体行业，s表示生产性服务业，m表示制造业。参考现有研究并考虑就业人员数据可得性，生产性服务业从业人员规模采用金融业、租赁和商务服务业、批发和零售业、科技研究和技术服务业从业人员数之和度量，制造业从业人员规模采用制造业、建筑业、采矿业、电力燃气及水生产供应业从业人数之和度量。数据均来自《中国城市统计年鉴》。

经济集聚采用人口密度和就业密度测度，这是因为就业密度能够更精确地反映经济活动集聚水平，并与知识溢出、劳动力市场匹配等紧密相关，其测度方式是第二三产业就业人数除以城市建成区面积。从表6第（1）列和第（3）列的回归结果来看，城市群空间结构指数的回归系数都在1%的水平下显著为负，意味着城市群的多中心空间结构更有利于城市群分工协作，也更利于促进城市经济集聚，研究假设H2得到初步验证。

进一步运用中介效应模型检验城市群空间结构影响城市创新能力的作用机制。为此，将中介变量带入基准回归模型（1）进行估计。构建具体模型如下：

creaindexijt=α0+α1polyi，j，t－1+α2yijt+α3Xi，j，t－1+μi+γj+θt+εijt（5）

相关变量解释与上文一致。从表6第（2）列的回归结果来看，城市群空间结构指数的回归系数在10%的水平下显著为负，分工协作的回归系数则在5%的水平下显著为正；表6第（4）列的回归结果与此相似，即城市群空间结构指数的回归系数在5%的水平下显著为负，城市经济集聚的回归系数则在1%的水平下显著为正，表明城市群分工协作和城市经济集聚是城市群空间结构影响城市创新能力的重要路径，发挥部分中介作用。这和本文分析结论一致，即城市群多中心空间结构促进城市群分工协作和城市经济集聚，进而有利于提升城市创新能力，因此研究假设H2得到进一步验证。

3.5 异质性检验

为了检验研究假设H3，对已有数据按照东部地区、中部地区和西部地区进行划分，其回归结果见表7。从表7第（1）列至第（3）列的回归结果来看，东部地区空间结构指数的回归系数在10%的水平下显著为负，而中部地区和西部地区的回归系数不显著。随之在原有模型（1）的基础上加入空间结构指数的平方项，从第（4）列至第（6）列的回归结果来看，东部地区空间结构指数的一次项与二次项回归系数都不再显著，中部地区空间结构指数的一次项回归系数在5%的水平下显著为正，二次项系数在5%的水平下显著为负，而西部地区空间结构指数一次项回归系数在1%的水平下显著为正，二次项系数在1%的水平下显著为负。这意味着，东部地区城市空间结构对城市创新能力的影响并不存在动态特征，而是呈现出负向效应，也即东部地区城市的多中心空间结构依然有利于城市创新。中西部地区城市空间结构对城市创新能力的影响则呈现出先抑后扬的“U”型变化特征，这表明城市群单中心空间结构在早期阶段有利于中西部城市创新能力提升，随着经济规模持续扩大，对城市创新能力带来负面效应。更进一步来看，西部地区回归系数的绝对值远远大于东部和中部地区，可能的解释是，西部地区整体经济规模较小，空间结构特征更深刻地影响社会资源配置模式，故研究假设H3得到验证。

为了检验研究假设H4，在已有研究基础上，基于人口规模，按照500万以下为中小城市、500万～1 000万为大城市、1 000万以上为特大城市的标准进行城市群划分，其回归结果见表8。可以发现，500万以下中小城市空间结构指数的回归系数为0.250且在1%的水平下显著，500万～1 000万大城市空间结构指数的回归系数为0.109且在10%的水平下显著，其绝对值明显小于中小城市，1 000万以上规模特大城市空间结构指数回归系数的绝对值尽管明显大于其它规模城市，但统计意义不显著。本文进一步采用被解释变量的替代变量进行回归，结果显示，回归系数情况与显著性极为一致。这意味着，经济活动的空间结构对特大城市创新活动的影响并不显著，这可能与其经济体量、现有规模有关。相较于特大城市，中小城市和大城市显著受到经济活动空间结构的影响，且相较于人口规模达500万以上的大城市，城市群多中心空间结构更有利于提高中小城市的创新能力，即假设H4得到验证。

4 进一步讨论：基于城市竞争视角

基于上文研究来看，多中心的城市群空间结构促进城市群内部城市创新能力提升，但并未考虑到制度设计下城市群内部之间可能存在竞争关系。竞争关系会引发不同治理效能，由此产生的区际分割问题受到普遍关注。区际分割必然加剧城市群内部之间的博弈竞争，同时，高行政等级所赋予的非市场地位对经济活动同样存在深刻影响，这使得经济活动会向高行政等级城市集聚，而这种趋势并非市场经济规律作用的结果。

参考缪小林和史倩茹［38］的测度方式，构建同侪竞争下的地方政府同侪压力指标。具体公式如下：

competeit=nearbyrgdpitrgdpit×regionrgdpitrgdpit（6）

其中，compete表示地方政府面临的同侪压力，nearbyrgdp表示相邻城市的最高人均GDP，regionrgdp表示城市群范围内城市的最高人均GDP，rgdp表示本市人均GDP，i表示城市，t表示年份。城市群空间结构指数与同侪压力程度的交互项系数记为poly×compete。

本文将从3个方面考察城市群内部城市差异性在城市群多中心空间结构促进城市创新中的调节作用。部分城市群是跨省域的，省级边界的跨越会带来行政分割，本文以城市群横跨省域数量（包括直辖市）反映该特征，记为Province；城市群内部城市的行政等级差异也会引发权利冲突，本文将城市群内部城市属于普通地级市的记为1，省会城市记为2（若省会城市为副省级城市则记为3），副省级城市记为3，直辖市记为4，对此采用变异系数方法测度城市行政级别差异程度（level）。出于相同考虑，本文也以城市群内部省会城市、副省级城市和直辖市数量表征高行政等级城市数量（high）（若省会城市为副省级城市则不再重复计算），然后分别与城市群空间结构构建交互项。此外，为了避免多重共线性，对调节变量进行中心化处理。

从表9第（1）列的回归结果来看，交互项的回归系数在10%的水平下显著为负，表明城市同侪压力提高会抑制城市群多中心结构对城市创新能力的促进作用，起到负向调节效应。从表9第（2）列至第（4）列的回归结果来看，交互项系数也都在1%的水平下显著为负，综合表明考虑城市竞争下，以跨省域数量、城市行政等级差异化和高等级城市数量为典型特征的城市群内部城市差异化，会对城市群多中心结构与城市创新间的促进关系带来负向调节效应。这也意味着，关于城市群空间结构影响效应的研究需要进一步考虑由制度设计带来的政府竞争行为，以兼顾区域经济规律与制度因素作用。

5 结论及政策建议

本文以2003—2020年中国十大城市群城市层面数据作为研究样本，采用固定效应模型和工具变量法，考察城市群空间结构与城市创新能力关系，并就其作用机制和异质性进行分析与检验，得到如下主要结论：第一，城市群的多中心空间结构有利于城市创新；第二，城市群分工协作和城市经济集聚是城市空间结构影响城市创新的重要中介机制，发挥部分中介效应；第三，中西部城市群的多中心空间结构对城市创新能力的影响存在显著的“U”型特征；第四，相较于大城市和特大城市，城市群多中心空间结构对中小城市创新能力存在更为明显的提升作用；第五，制度设计下的政府竞争在城市群多中心空间结构对城市创新能力的促进作用中起负向调节效应。

基于以上研究结论，获得政策启示如下：

（1）避免城市群“一城独大”的发展模式，适度引导形成多中心的空间结构。一方面要基于区域经济发展规律，避免社会资源在中心城市的非效率集聚对区域整体创新能力的抑制作用；另一方面，既要发挥好中心城市“头部经济”的引领作用，也要发展非中心城市的区域禀赋优势，着力打破不同城市之间的行政壁垒，促进经济要素在不同城市之间的自由流动，构建合理的城市群多中心结构，以提高城市群内部不同城市的创新能力。

（2）促进城市群内部分工协作，引导城市经济高效集聚。这要求在促进城市创新的过程中，进一步完善区域“大市场”，降低制度性成本对经济活动的限制，增进不同城市、不同行业之间的分工协作，同时，引导城市群内部社会资源基于不同城市区域禀赋，实现经济活动的高效集聚，进而通过网络外部性和集聚外部性的共同作用促进城市创新能力提升。

（3）因地制宜地选择城市群空间结构，着重保障中小城市的经济权益。中西部地区，尤其是西部地区由于城市群整体经济规模较小，应结合区域经济发展阶段，合理布局经济空间结构以提升区域整体创新水平；东部地区则应突出城市群空间结构的多中心化趋势，以网络外部性拉动不同城市创新能力提升，同时，减少诸如“强中心”等行政命令对中小城市的干预，充分发挥中小城市基于城市禀赋的产业承接能力，促进城市创新。

参考文献：

［1］ 姚常成，宋冬林.借用规模、网络外部性与城市群集聚经济［J］.产业经济研究，2019，18（2）：76-87.

［2］ 杨耀武，张平.中国经济高质量发展的逻辑、测度与治理［J］.经济研究，2021，56（1）：26-42.

［3］ 倪进峰，李华.经济集聚、空间结构与城市创新——基于233个地级及以上城市数据的实证研究［J］.中国科技论坛，2018，34（10）：146-153，162.

［4］ 于斌斌，郭东.城市群空间结构的经济效率：理论与实证［J］.经济问题探索，2021，42（7）：148-164.

［5］ CERVERO R.Efficient urbanisation：economic performance and the shape of the Metropolis［J］.Urban Studies，2001，38（10）：1651-1671.

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

［7］ DURANTON G.Delineating metropolitan areas： measuring spatial labour market networks through commuting patterns ［M］.Tokyo： Springer， 2015.

［8］ 张学良.中国区域经济转变与城市群经济发展［J］.学术月刊，2013，45（7）：107-112.

［9］ 王麒麟.城市行政级别与城市群经济发展——来自285个地市级城市的面板数据［J］.上海经济研究，2014，33（5）：75-82.

［10］ KRUGMAN P R.Increasing returns and economic Geography［J］.Journal of Political Economy，1991，99 （3）：483-499.

［11］ FUJITA M，OGAWA H.Multiple equilibria and structural transition of non-monocentric urban configurations［J］.Regional Science and Urban Economics，1982，12（2）：161-197.

［12］ 陈旭，邱斌.多中心结构、市场整合与经济效率［J］.经济学动态，2020，61（8）：70-87.

［13］ 陈旭，张亮，张硕.多中心空间发展模式与雾霾污染——基于中国城市数据的经验研究［J］.重庆大学学报（社会科学版），2020，27（5）：1-16.

［14］ 陈旭，邱斌.多中心空间结构与劳动收入——来自中国工业企业的证据［J］.南开经济研究，2021，37（2）：24-45.

［15］ 刘修岩，李松林，陈子扬.多中心空间发展模式与地区收入差距［J］.中国工业经济，2017，4（10）：25-43.

［16］ 孙超英，邹炀.省域多中心空间结构对人力资本积累的影响研究［J］.南京财经大学学报，2021，39（3）：48-57.

［17］ 格莱泽.城市的胜利［M］.上海：上海社会科学院出版社，2012.

［18］ MEIJERS E J， BURGER M J.Spatial structure and productivity in U.S.metropolitan areas［J］.Environment and Planning A，2010，42（6）：1383-1402.

［19］ 刘凯，吴怡，王晓瑜，等.中国城市群空间结构对大气污染的影响［J］.中国人口·资源与环境，2020，30（10）：28-35.

［20］ 陈旭.多中心空间结构是否有助于生产效率的提升［J］.现代经济探讨，2020，39（2）：83-92.

［21］ 王峤，刘修岩，李迎成.空间结构、城市规模与中国城市的创新绩效［J］.中国工业经济，2021，39（5）：114-132.

［22］ MEIJERS E J， BURGER M J.Stretching the concept of "borrowed size" ［J］.Urban studies，2016，54（1）：269-291.

［23］ 刘修岩，陈子扬.城市体系中的规模借用与功能借用——基于网络外部性视角的实证检验［J］.城市问题，2017，36（12）：12-19.

［24］ 张可云，何大梽.城市收入分化提高了全要素生产率吗——基于中国工业企业数据的实证分析［J］.中国人民大学学报，2020，34（6）：93-105.

［25］ CAMAGNI R，CAPELLO R，CAPELLO R.The rise of second rank cities：what role for agglomeration economies？ ［J］.European Planning Studies，2015，23（6）：1069-1089.

［26］ 聂辉华.从政企合谋到政企合作——一个初步的动态政企关系分析框架［J］.学术月刊，2020，52（6）：44-56.

［27］ 马草原，朱玉飞，李廷瑞.地方政府竞争下的区域产业布局［J］.经济研究，2021，56（2）：141-156.

［28］ 李洪涛，王丽丽.城市群发展规划对要素流动与高效集聚的影响研究［J］.经济学家，2020，32（12）：52-61.

［29］ 郭琳，吴玉鸣，吴青山，等.多中心空间结构对小城市经济效率的影响及作用机制——基于长三角城市群的经验分析［J］.城市问题，2021，32（1）：28-37.

［30］ 田超.首位城市过大是否阻碍省域经济协调发展——基于中国省级面板数据的实证分析［J］.中国人口·资源与环境，2015，25（10）：87-94.

［31］ 孙飞翔，吕拉昌.城市紧凑度对中国城市创新的影响［J］.人文地理，2021，36（3）：97-107.

［32］ 谢呈阳，胡汉辉.中国土地资源配置与城市创新：机制讨论与经验证据［J］.中国工业经济，2020，38（12）：83-101.

［33］ 陈旭，张硕.多中心空间结构是否有助于工业减排——来自中国省级数据的经验证据［J］.南京财经大学学报，2021，39（1）：11-21.

［34］ 李琬，孙斌栋，刘倩倩，等.中国市域空间结构的特征及其影响因素［J］.地理科学，2018，38（5）：672-680.

［35］ 刘修岩，刘茜.对外贸易开放是否影响了区域的城市集中——来自中国省级层面数据的证据［J］.财贸研究，2015，36（3） ：69-78.

［36］ 江艇，孙鲲鹏，聂辉华.城市级别、全要素生产率和资源错配［J］.管理世界，2018，34（3）：38-50，77，183.

［37］ DURANTON G， PUGA D.From sectoral to functional urban specialization［J］.Journal of Urban Economics， 2005，57（2）： 343- 370.

［38］ 缪小林，史倩茹.经济竞争下的地方财政风险：透过债务规模看财政效率［J］.财政研究，2016，37（10）：20-35，57.

（责任编辑：胡俊健）

英文标题

The Spatial Structure of Urban Agglomeration and Urban Innovation Capability Based on the Empirical Evidence of China's Top Ten National Urban Agglomerations

英文作者Zou Yang1，Xue Lei2，Shen Yun3

英文作者单位（1.Division of Humanities and Social Sciences， Dalian University of Technology，Dalian 116033， China；2.Department of Regional Economic Education and Research， Party School of Sichuan Provincial Party Committee， Chengdu 610065， China；3.College of Economics， Sichuan Agricultural University， Chengdu 611130， China）

英文摘要Abstract：Urban agglomerations are important carriers of socio-economic activities， and urban innovation capability is an important guarantee for high-quality development.It is of great significance for the spatial innovation of urban agglomeration to develop and expand urban agglomeration and metropolitan areas， guide the development direction and construction focus of large， medium and small cities by classification， and form a dense and coordinated urbanization spatial pattern with sound functions.Regional economic development has long been in a single-center or multi-center structure， but there are various opinions in the existing literature on which regional spatial structure is more conducive to regional economic development.Some scholars argue that a single-center structure is more conducive to unleashing the positive effects of economic agglomeration， while others believe that the transformation of the spatial structure of urban agglomerations from a single-center to a multi-center structure is a necessary requirement for regional development.There has not been a consensus on whether the spatial structure （single-center structure or multi-center structure） affects innovation in urban agglomerations， and it remains unclear if it has a heterogeneous impact on the innovation performance of different cities within urban agglomerations.

Drawing on the regional sample data of the top ten national-level urban agglomerations in China from 2004 to 2020， and the innovation and entrepreneurship index compiled by the Enterprise Big Data Research Center of Peking University， this study employs the fixed effects model and instrumental variable method to explore the impact of urban agglomeration spatial structure on urban innovation capability and its spatial effects.

The results indicate that the spatial structure of multi-center urban agglomerations is more conducive to urban innovation capabilities， and the division of labor and cooperation of urban agglomerations and urban economic agglomeration are the key mechanisms by which the spatial structure of urban agglomerations affects urban innovation capabilities.The impact of the spatial structure of multi-center urban agglomerations on the innovation capability performance of cities in the central and western regions follows a U-shaped pattern， initially suppressing and then enhancing innovation， and the innovation performance of small and medium-sized cities is more prominent compared to large cities.In addition， peer government competition within urban agglomerations exhibits a negative moderating effect on the impact of the multi-center structure on urban innovation capabilities.

The above research conclusions provide some important policy implications.It is necessary to avoid the development model of urban agglomerations being dominated by one city and to moderately promote the spatial structure of multiple centers.Thus， the government should promote the division of labor and cooperation within urban agglomerations and select the spatial structure of urban agglomerations according to local conditions with a focus on safeguarding the economic rights and interests of small and medium-sized cities so as to guide the efficient agglomeration of urban economy.It is also essential to accelerate the optimization of the spatial distribution structure of polycentric urban agglomerations， focus on promoting the overall division of labor and cooperation in the region， as well as the reasonable economic agglomeration of member cities within the urban agglomerations， and promote the high-quality development of urban agglomerations.

By analyzing the impact and transmission mechanisms of regional spatial structure from the perspective of regional division of labor， cooperation， and economic agglomeration， this study provides a theoretical basis for revealing the regional innovation mechanism of urban agglomeration spatial structure.Then， from the perspective of the spatial structure of urban agglomerations， the impact and spatial effects of urban agglomeration innovation have been revealed， which enriches relevant literature research on the impact of spatial economic geography dimensions on the innovation performance and spatial regional differences of urban agglomerations.Last but not least， on the basis of the empirical testing conducted to examine the moderating effect of peer government competition within urban agglomerations at the level of multi-center urban structure and urban regional innovation， the study provides empirical evidence supporting government innovation in urban spatial management ideas and optimization policies.

英文关键词Key Words：Urban Agglomeration；Spatial Structure; Urban Innovation Capability; Agglomeration Division and Cooperation; Economic Agglomeration

收稿日期：2022-08-29 修回日期：2023-05-23

基金项目：四川省软科学项目（2021JDR0070）；四川省自然科学基金项目（2023NSFSC0522）；中国博士后科学基金项目（2023M732502）;四川省社会治理创新研究中心重点项目（SHZLZD2305）；四川天府新区乡村振兴研究院“揭榜挂帅”项目（XZY1-18）

作者简介：邹炀（1995—），男，四川成都人，大连理工大学人文与社会科学学部博士研究生，研究方向为区域创新发展；薛蕾（1992—），男，山西晋中人，博士，中共四川省委党校区域经济教研部讲师，研究方向为区域经济发展；申云（1986—），男，江西吉安人，博士，四川农业大学经济学院副教授、硕士生导师，研究方向为区域经济发展。本文通讯作者：申云。