中國城市群發展的空間差異及溢出效應研究
——基于1992—2013年DMSP/OLS夜間燈光數據的考察

劉華軍 裴延峰 賈文星

(山東財經大學 經濟學院，山東 濟南 250014)

中國城市群發展的空間差異及溢出效應研究
——基于1992—2013年DMSP/OLS夜間燈光數據的考察

劉華軍 裴延峰 賈文星

(山東財經大學 經濟學院，山東 濟南 250014)

基于1992—2013年DMSP/OLS城市夜間燈光數據，采用Dagum基尼系數、Kernel密度估計方法以及廣義脈沖響應函數對中國城市經濟發展的空間差異和溢出效應進行實證考察。研究發現：城市群的經濟發展呈現顯著的空間非均衡特征，且城市群間差異是總體差異的主要來源；城市群內部差異中相對差異和絕對差異的演變趨勢不同，長三角城市群、長江中游城市群、成渝城市群及哈長城市群絕對差異呈擴大趨勢，珠三角城市群和京津冀城市群則逐漸縮小；而從相對差異來看，除成渝城市群的相對差異略微擴大之外，其他城市群整體上呈現縮小的趨勢；除長江中游城市群之外，其他城市群之間均存在溢出效應。

城市群；夜間燈光；Dagum基尼系數；核密度；廣義脈沖響應函數

一、問題提出和文獻評述

改革開放以來，中國經濟取得了“奇跡式”的增長，與此同時中國城鎮化水平也得以快速提升，城鎮化率從1978年的17.92%迅速提升到2013年的53.7%，每年平均提高1.02個百分點*數據來源：國家統計局網站。。城鎮化水平對區域經濟增長有顯著的正向影響(Chen et al.，2016)，是中國經濟增長的新動能(都陽 等，2014)。而隨著城鎮化水平的不斷提高，單個城市獨立發展的能力越來越有限，而作為區域空間形態的高級現象，城市群是國民經濟快速發展、現代化水平不斷提高的標志之一(黃征學，2014)，城市群也將成為打破區域非均衡發展格局、促進區域協同發展的新載體。因此研究城市群的實質意義要超過對單個城市的研究。2013年中國城市群面積占全國總面積的28.9%，集中了63.8%的人口，創造了85.7%的GDP，城市群經濟密度遠高于全國平均水平(張學良，2016)。但是《國家新型城鎮化規劃(2014—2020 年)》指出，當前中國城市群存在布局不夠合理，城市群內部分工協作不充分，集群效率不高，城市的綜合承載能力不足等問題，這些都提高了經濟社會成本和生態環境成本。同時城市群之間經濟發展也存在著較大的差異，2014年長三角城市群的地區生產總值為12.67萬億元，而成渝城市群僅為3.76萬億元*數據來源于《長江三角洲城市群發展規劃》和《成渝城市群發展規劃》。，長三角城市群經濟總量是成渝城市群的3.37倍。因此，加快城市群發展已經成為優化城鎮布局和完善城鎮形態的重要舉措。

從已有文獻研究的進展來看，通過聚焦城市群層面的問題，進而研究中國經濟發展的空間差異和溢出效應的文獻主要分為兩類：一是從單個城市群的角度出發，采用主成分分析法、聚類分析法、空間計量以及標準差、全局和局域的Moran′s I指數等方法，進而考察城市群內部各城市之間發展的空間差異及溢出效應(胡毅 等，2010；張建營 等，2012；畢秀晶 等，2013；謝磊 等，2013)，然而這類研究文獻缺少對城市群間關系的考察；二是運用加權變異系數、重標極差分析法、收斂分析等方法考察城市群間經濟發展的空間差異(胡繼亮 等，2012；曾鵬 等，2012)，但是該類文獻沒有將空間差異進行分解，因此難以厘清空間差異的來源，也未能考察多個城市群間的空間溢出效應。陳明華等(2016)運用Dagum基尼系數和Granger因果關系檢驗的方法，考察了中國五大城市群發展的空間差異及溢出效應。這對已有研究文獻做了重要的補充，但是也未能揭示出城市群經濟發展絕對差異的分布動態以及城市群的空間動態交互影響。

綜合來看，已有文獻主要存在以下局限：(1)從方法上看，少數文獻(陳明華 等，2016)運用Dagum基尼系數將城市群發展的空間差異進行分解，即使存在Dagum基尼系數方法，但也存在刻畫的是相對差異規律等問題，而未能揭示城市群經濟發展絕對差異的分布演進規律等。(2)從數據上來看，上述文獻均采用人均GDP作為衡量社會發展水平的指標，然而現有人均GDP指標存在諸多不足問題，為了消除上述因素干擾，本文選擇使用DMSP/OLS夜間燈光數據。相對于GDP統計數據，夜間燈光數據(Night-Time Light Data，NTL)最大限度地消除了人為因素，從而可以成為經濟發展水平較好的替代變量。近年來國內外已有文獻開始利用夜間燈光數據進行研究(Mellander et al.，2015；徐康寧 等，2015；Duede et al.，2016；Bickenbach et al.，2016)。因此，本文基于1992—2013年中國城市夜間燈光數據，試圖考察城市群發展的空間差異及溢出效應。

二、研究方法和數據來源

(一)研究方法

1.Dagum基尼系數及其分解方法

本文采用Dagum(1997)基尼系數分解方法測度了中國城市群發展的空間差異。相較于泰爾指數和傳統的基尼系數，Dagum基尼系數可以將總體差異按城市群分解為城市群內部差異、城市群間超變凈值差異和城市群間超變密度三部分，從而可以有效分析不同城市群對總體差異的影響，這有效的解決了總體差異的來源問題(劉華軍 等，2014)。目前，這一方法已被廣泛應用于多個研究領域(劉華軍 等，2013；劉華軍 等，2014；陳明華 等，2016)。Dagum基尼系數的定義如以下公式所示：

(1)

總體基尼系數可以分解為城市群內部差異的貢獻(Gw)、城市群間超變凈值差異的貢獻(Gnb)以及超變密度的貢獻(Gt)三個部分，它們之間的關系滿足G=Gw+Gnb+Gt。j城市群的基尼系數Gjj和城市群內部差異的貢獻Gw可以分別用式(2)、式(3)表示，j和h城市群的群間基尼系數Gjh和群間超變凈值差異的貢獻Gnb可以分別用式(4)、式(5)表示，而超變密度的貢獻Gt可以用式(6)表示。Djh為j、h城市群間經濟發展的相對影響，其定義可以用式(7)所示。具體如下：

(2)

(3)

(4)

(5)

(6)

(7)

0(y-x)dFh(x)

(8)

0(y-x)dFj(y)

(9)

其中，Fj(Fh)為j(h)城市群的累積密度分布函數。

本文根據以上方法測算了1992—2013年中國103個城市經濟發展的基尼系數,并按城市群進行了分解。

2. Kernel密度估計

核密度估計是一種重要的非參數方法，能夠用連續的密度曲線描述隨機變量的分布形態，從而可以對隨機變量的概率密度進行估計。該方法假定隨機變量x的密度函數為 f(x)，在點x的概率密度可以用式(10)進行估計，具體如下：

(10)

其中：N為觀測值的個數；Xi為獨立同分布的觀測值；h為帶寬；x為均值；K(·)為核函數，核函數是一種加權函數或平滑轉換函數。

核函數通常分為高斯核函數、Epanechnikov核函數、三角核函數和四角核函數等，本文采用高斯核函數進行估計，其表達式如式(11)所示。由于核密度估計沒有確定的表達式，需要通過圖形對比來考察分布的變化，而核密度估計結果的圖形一般可以反映變量分布位置、形態和延展性等方面的信息。

(11)

3. 廣義脈沖響應函數

脈沖響應函數方法(Impulse Response Function，IRF)可以衡量某個內生變量的隨機誤差項上施加一個標準差大小的沖擊后對所有內生變量的當期值和未來值所產生的影響(高鐵梅，2009)。傳統的IRF的正交化通常用Cholesky分解方法(Sim，1980)來完成，但是這一方法分解的結果嚴格依賴于模型中變量的次序。而由Koop et al.(1996)提出、Pesaran et al.(1996，1998)進行拓展的廣義脈沖響應函數(Generalized Impulse Response Function，GIRF)可以有效克服傳統IRF方法的缺陷。因此本文采用廣義脈沖響應函數來揭示中國城市群間經濟發展的空間溢出效應及動態交互影響。

一般而言，沖擊不是一個單位，則假定εt中第一個元素變化為δ1，第二元素變化為δ2，以此類推第k元素變化為δk，則t期的沖擊δ=(δ1, δ2,…,δk)′。假設εt為特定大小的沖擊，僅發生在第j個變量上，則對向量yt+q的沖擊響應可以表示為式(12)：

ψ(q,δj,Ωt-1)=E(yt+q

εjt=δj,Ωt-1)-E(yt+q

Ωt-1)，q=0,1,2，….

(12)

其中，Ωt-1表示t-1期的信息集合。由于協方差矩陣∑不是對角陣，意味著εt各元素之間存在同期相關關系，即εjt的變化引起εt中其他元素同期發生變化，此時δ=E(εt

εjt=δj)。若假定εt服從多元正態分布，則：

(13)

(14)

(15)

當協方差矩陣∑是對角陣時，正交脈沖與廣義脈沖的結果是一致的。當協方差矩陣∑是非對角矩陣時，Cholesky正交脈沖與廣義脈沖只在j=1時相等。

(二)樣本數據說明、來源及處理

1. 樣本城市群及具體城市的界定

《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》強調，要“優化發展京津冀、長三角、珠三角三大城市群，形成東北地區、中原地區、長江中游、成渝地區和關中平原等城市群”，《國家新型城鎮化規劃(2014—2020年)》也認為，要“加快培育成渝、中原、長江中游和哈長等城市群，使之成為推動國土空間均衡開發、引領區域經濟發展的重要增長極”，結合中共中央、國務院相關文件精神*2008年12月國務院批復《珠江三角洲地區改革發展規劃綱要(2008—2020)》；2015年4月中共中央政治局審議通過《京津冀協同發展規劃綱要》；2015年4月國務院批復《長江中游城市群發展規劃》；2016年2月23日，國務院印發了《關于哈長城市群發展規劃的批復》；2016年3月，國務院常務會議審議通過《成渝城市群發展規劃》；2016年5月，國務院常務會議通過《長江三角洲城市群發展規劃》。，本文選取京津冀城市群、長江三角洲(簡稱長三角，下同)城市群、珠江三角洲(簡稱珠三角，下同)城市群、長江中游城市群、成渝城市群和哈長城市群等6個城市群為研究樣本*長三角城市群包括上海、南京、蘇州、無錫、常州、揚州、南通、泰州、鹽城、鎮江、杭州、寧波、嘉興、湖州、紹興、舟山、金華、臺州、合肥、蕪湖、安慶、馬鞍山、銅陵、池州、滁州和宣城等26個城市；珠三角城市群包括廣州、深圳、珠海、惠州、東莞、肇慶、佛山、中山和江門等9個城市；京津冀城市群包括北京、天津、石家莊、唐山、保定、秦皇島、廊坊、滄州、承德、張家口、衡水、邢臺和邯鄲等13個城市；長江中游城市群包括武漢、黃石、鄂州、黃岡、孝感、咸寧、襄陽、宜昌、荊州、荊門、長沙、株洲、湘潭、岳陽、益陽、常德、衡陽、婁底、南昌、九江、景德鎮、鷹潭、新余、宜春、萍鄉、上饒、撫州和吉安等28個城市；成渝城市群包括重慶、成都、自貢、瀘州、德陽、綿陽、遂寧、內江、樂山、南充、眉山、宜賓、廣安、達州、雅安和資陽等16個城市；哈長城市群包括哈爾濱、大慶、齊齊哈爾、綏化、牡丹江、長春、吉林、四平、遼源、松原和延邊等11個城市。。

2. 夜間燈光數據說明、來源及處理

近年來，全球夜間燈光數據受到學界的廣泛關注，該數據是由美國空軍氣象衛星(Defense Meteorological Satellite Program, DMSP)中搭載的OLS(Operational Linescan System)傳感器從外太空所觀察到的地球不同地區的燈光亮度(消除了云、月光及火光等偶然因素影響)，并由美國國家地理數據中心(National Geophysical Data Cente，NGDC)所管理。與一般傳感器不同，OLS傳感器是在夜間工作，從而避免了太陽光輻射地表后光反射的干擾，同時OLS傳感器對可見光高度敏感，能探測到城市夜間燈光、火光和車流燈光等較低強度的光。由于夜間燈光數據不需要進行相應的人為控制，且不受物價水平的影響，能夠提供相對客觀的信息，尤其適用于觀察較長時間內不同地區的經濟活動，因而逐漸成為研究人類活動的良好數據來源。DMSP/OLS夜間燈光數據包括四種年平均數據：平均可見光值(Average Visible)、穩定燈光值(Stable Lights)、能觀察的無云覆蓋次數(Cloud Free Coverages)和平均燈光X Pct(Average Lights X Pct)。其中，穩定燈光數據的使用最為普遍，因為該數據去除了極光、野火等不穩定光源以及月光、云的干擾，最后的數據值為無云圖幅穩定光的年均灰度(DN)值，該值取值范圍為1～63，背景值為0，從而為探測全球人類活動提供了獨一無二的方式。截至目前，NOAA已經對外公布了1992—2013年間共22年的DMSP/OLS 穩定燈光時序數據。

長三角城市群的城市合作起源于1992年啟動的長三角地區15個城市經濟協作辦主任聯席會議制度，這也是中國城市群發展的起點。因此本文采用1992—2013年的DMSP/OLS 穩定燈光數據，在燈光灰度提取過程中用TM影像作為基準，對歷年穩定燈光數據進行幾何校正，并用中國國界圖對幾何校正后的全球燈光圖進行裁剪，從而得到中國的夜間燈光數據。由于數據跨度范圍為1992—2013年，期間的數據來源于F10、F12、F14、F15、F16、F18等不同衛星，由于各衛星傳感器的定標有細微變化，本文以F18衛星為基準，利用ArcGIS對不同傳感器進行線性校準。

三、典型化事實

夜間燈光數據是衡量地區經濟發展水平的重要參考指標。圖1分別為1992年和2013年中國穩定燈光衛星分布圖，圖片中白色代表相應地區夜間燈光亮度，即夜間燈光亮度越高人類夜間活動也更為頻繁，GDP也越高(Chen et al.，2011)。從圖中可以清晰的看出，東部沿海地區是夜間燈光亮度最集中的地區，而中西部大部分地區的燈光亮度較暗。另外，從1992年和2013年的對比來看，夜間燈光亮度整體呈現上升趨勢，尤其是成渝地區和長江中游地區的亮度提升明顯。

圖1中國穩定夜間燈光衛星分布圖(該地圖不含南海諸島)

資料來源：https://www.ngdc.noaa.gov/eog/sensors.html。

從城市群視角來看，整體而言(如圖2)，珠三角城市群的夜間燈光亮度值最高，年平均亮度值為24.63，遠遠高于其他城市群。其他城市群年均亮度排名從高到低依次是：長三角城市群(11.14)*括號內為年均亮度值，下同。、京津冀城市群(9.91)、長江中游城市群(2.57)、哈長城市群(2.53)和成渝城市群(2.08)。

其中，珠三角城市群年均夜間燈光亮度值是成渝城市群的11.83倍。從年均增長率來看，以1992年為基期(下同)，六大城市群的年平均增長率為7.53%，其中成渝城市群的年均增長率最高達10.91%，增長速度最快，接下來是長江中游城市群和長三角城市群的9.66%和8.26%，也超過了平均增長率，而哈長城市群、京津冀城市群和珠三角城市群則均低于平均增長率。

具體來看(如圖3)，六大城市群的夜間燈光亮度整體呈上升態勢，空間差異較為明顯，城市群經濟呈現非均衡發展態勢。1992年珠三角城市群、京津冀城市群、長三角城市群、哈長城市群、長江中游城市群和成渝城市群的夜間燈光亮度值分別為15.26、5.83、5.44、1.54、1.32和0.74，亮度最高的珠三角城市群與亮度最低的成渝城市群的絕對差異為14.52，此后各城市群的經濟發展呈快速增長的態勢。截至2013年，夜間燈光亮度分別增至33.82、15.46、21.26、4.31、5.21和4.41，最高差異為29.51。說明樣本考察期內各城市群之間的絕對差異有逐漸擴大的趨勢，而長三角城市群超過京津冀城市群位居第2位，長江中游城市群和成渝城市群也超過哈長城市群，分列第4、5位。

圖2城市群年均夜間燈光亮度值和年均增長率

圖3城市群夜間燈光亮度的演變趨勢

四、城市群經濟發展差異的測度及分布動態

(一)城市群經濟發展差異測度

接下來，本部分運用Dagum基尼系數測度了中國城市群發展的空間差異，圖4為1992—2013年城市群總體差異(G)的演變趨勢。中國城市群發展總體差異較大，1992年以來差異逐漸縮小，但是速度較為緩慢，僅從1992年的0.63下降到2013年的0.52，年均遞減率僅為0.79%。從演變過程來看，總體差異的變化并不是平穩的下降過程，而是呈現一個波動的演變趨勢。具體來看，1992年和1993年總體差異為0.628，1994年上升為0.651，而1995年下降為0.614；1996—1999年穩定在0.615左右，2000—2002年連續三年下降，2003年又上升為0.611。2004—2007年總體差異下降到0.551，而2008年和2009年又擴大至0.579，2010年又迅速下降至0.516，而2011年開始逐步上升，2012年和2013年又有小幅的下降。

圖4城市群發展總體差異的演變趨勢

圖5 城市群內部發展差異的演變趨勢

從城市群內部差異的演變趨勢來看(圖5)，六大城市群內部發展差異總體上呈下降的趨勢，但是演變趨勢并不平緩。其中，成渝城市群的群內發展差異最大，哈長城市群最小。長三角城市群、珠三角城市群、京津冀城市群和長江中游城市群的群內差異波動較大。1995年，京津冀城市群的群內差異超過長三角城市群和長中游城市群，居于第2位，1996—2013年則穩定在第2位。而長三角城市群、長江中游城市群和珠三角城市群三者的群內差異波動趨勢幾乎相同，排名上下波動，直到2009—2013年排名逐漸穩定，長江中游城市群、長三角城市群和珠三角城市群的群內差異分列第3、4、5位。從下降幅度來看，長三角城市群的下降幅度最大，1992年的群內差異為0.449，2013年下降為0.314，以1992年為基期(下同)年均下降幅度為1.59%。珠三角城市群、哈長城市群、長江中游城市群和京津冀城市群的群內差異下降幅度分別為1.19%、0.99%、0.79%和0.62% ，而成渝城市群差異小幅上升0.24%。

為了進一步揭示城市群發展差異的來源，根據Dagum(1997)的方法將城市群發展的總體差異分解為：城市群內部差異的貢獻(Gw)、城市群間超變凈值差異的貢獻(Gnb)和超變密度的貢獻(Gt)三個部分，并給出三個部分對總體差異的貢獻率(表1)。其中，城市群間凈值差異的貢獻率最高，各年均高于73.52%，其次是超變密度的貢獻率，均介于11.50%～14.53%之間，貢獻率最小的為城市群內部差異，均低于11.95%。以上結果表明，城市群間差異是導致地區差異的關鍵成因，因此加強城市群間的協調發展，縮小城市群間差異至關重要。

表1 基尼系數的分解結果(1992—2013年)

(二)城市群內部經濟發展的分布動態

借助Dagum基尼系數方法，本文分析了中國城市群經濟發展的空間差異大小及其來源。但Dagum基尼系數方法刻畫的是經過夜間燈光均值調整后的經濟發展相對差異規律，未能反映城市群經濟發展絕對差異的分布動態，而Kernel核密度分析方法則能夠彌補這一缺陷。因此，本部分將借助核密度估計方法就六大城市群及各城市群內部經濟發展的分布位置、分布形態、分布延展性勢等方面進行分析*位置反映的是城市群發展水平的高低；形態是分析城市群發展的空間差異大小和極化程度的指標，其中波峰的高度和寬度反映差異大小，波峰數量反映極化程度；延展性則主要通過拖尾的長短來體現空間差異，若拖尾越長，則差異越大(Quah，1993)。，具體如圖6、圖7所示。

(1)六大城市群103個城市的經濟發展分布逐漸向右移動，表明總體經濟發展水平呈上升趨勢。然而其主峰的高度呈波動下降的趨勢，而寬度逐漸增大，且分布曲線呈現右拖尾的現象，說明六大城市群經濟發展差異總體上呈擴大的趨勢。

圖6城市群總體空間差異的分布動態

圖7 各城市群空間差異的分布動態

(2)六大城市群的核密度分析(圖7)。由圖7可知，六大城市群經濟發展的分布總體上均向右側移動，說明各城市群經濟發展水平總體呈上升趨勢，這與前文的分析結果一致。其中，長三角城市群、珠三角城市群和京津冀城市群分布的右移較為明顯，夜間穩定燈光亮度的均值分別從1992年的5.44、15.26和6.29增至2013年的21.26、33.82和16.58，說明樣本期內三個城市群的經濟發展水平上升趨勢較為明顯。由圖7可知，相對而言，長江中游城市群、成渝城市群和哈長城市群分布的右移較為微弱，夜間穩定燈光亮度的均值分別從1992年的1.32、0.74和1.53增至2013年的5.21、4.41和4.37，說明在樣本期內三個城市群的經濟發展水平雖有提高，但是速度較為緩慢。由圖7可知，在樣本觀測期內，六大城市群分布的主峰高度呈波動下降的趨勢，而且寬度逐漸增大，這說明六大城市群經濟發展的絕對差異呈現擴大的趨勢。其中，長三角城市群和珠三角城市群主峰高度下降的幅度和寬度增大的幅度均較大；而京津冀城市群經濟發展的分布主峰經歷了“上升-下降-上升-下降”的演變過程，而寬度則經歷了“增大-減小-增大”的過程；成渝城市群、長江中游城市群和哈長城市群的主峰高度上升和寬度增大，但變化均不明顯。長三角城市群、京津冀城市群、長江中游城市群和成渝城市群的分布曲線則呈現明顯的拖尾現象。這是因為每個城市群都存在經濟發展較好的城市*例如京津冀城市群的北京、天津，長三角城市群的上海、杭州，長江中游城市群的武漢、長沙，成渝的成都。，直接導致了這幾個城市群內部存在較大的絕對差異。而珠三角城市群和哈長城市群則沒有拖尾現象，這是因為珠三角城市群內經濟發展水平較高的城市相對較多，而哈長城市群則是因為各城市發展水平相對均衡，沒有經濟發展極好的城市，因此也沒有出現拖尾現象。珠三角城市群和京津冀城市群經濟發展存在多極分化的趨勢。珠三角城市群的分布曲線由多峰轉變為雙峰，2005年之前是多峰，且側峰峰值也較高，說明樣本期內珠三角城市群經濟發展具有多極化趨勢，呈現明顯的梯度效應；2005年之后呈現雙峰，說明各城市之間的絕對差異在縮小。京津冀城市群的分布曲線則呈現多峰，但是側峰峰值較低，說明城市群內城市經濟發展具有一定的梯度效應，呈現微弱的多極分化趨勢。

五、城市群經濟發展的空間溢出效應

廣義脈沖響應函數是一種考察變量之間結構關系的因果分析法，該方法具體原理是：通過在分析系統內某個內生變量的隨機誤差項施加一個標準差大小的沖擊，觀測對所有內生變量的當期值和未來值產生的影響，從而得出變量之間在時間上的因果關系。本部分就是基于六大城市群的夜間燈光亮度，建立6個變量VAR模型，其中VAR模型的最優滯后階數根據SC準則確定*Nickelsburg(1985)在對滯后階數估計量的分布模擬基礎上，認為SC準則在小樣本中表現最優。。具體過程如下：首先進行單位根檢驗，結果表明所有變量均為I(1)序列，即同階單整；其次進行Johansen協整檢驗，結果顯示所有變量序列之間存在協整關系*限于篇幅，本文未報告單位根檢驗以及協整檢驗的結果，有需要的讀者可以向作者索取。，即各變量之間存在長期均衡關系。下面分別給出各城市群經濟發展受到一個正的沖擊后，進而得到其他城市群對受沖擊城市群的脈沖響應圖(圖8—圖13)，這反映了受沖擊城市群經濟發展對其他城市群的影響。在以下各圖中，橫軸表示沖擊作用的滯后期數(單位：年度)，縱軸表示其他城市群對受沖擊城市群的響應。

圖8中a圖顯示了六大城市群*此處六大城市群的排列順序為長三角城市群、珠三角城市群、京津冀城市群、長江中游城市群、成渝城市群和哈長城市群。對長三角城市群沖擊的響應情況。對長三角城市群施加一個標準差信息沖擊后，六大城市群的初始響應分別為1.26、1.00、0.72、0.35、0.22和0.06，此后數值均呈下降的趨勢。其中，在第1年，長三角城市群對珠三角城市群和京津冀城市群的溢出效應最為明顯，而對長江中游城市群、成渝城市群和哈長城市群的作用則較為微弱。長期來看，除了對自身和珠三角城市群有微弱的溢出效應之外，對于其他區域基本沒有影響。圖8中b圖顯示了六大城市群對珠三角城市群沖擊的響應情況。對珠三角城市群施加一個標準差信息沖擊后，六大城市群的初始響應速度分別為0.69、1.83、0.55、0.15、0.15和0.03，第2～5年呈波動趨勢，第6年度起基本趨于穩定。說明珠三角城市群對于其他城市群均有正向的溢出效應，長期內珠三角城市群對于長三角城市群溢出效應最大，且一直較為穩定；其次是京津冀城市群，而對于長江中游、成渝和哈長等城市群則沒有明顯的溢出效應。

圖8中c圖顯示了六大城市群對京津冀城市群沖擊的響應情況。對京津冀城市群施加一個標準差信息沖擊后，六大城市群的初始響應分別為1.07、1.18、0.84、0.30、0.27和0.15，且之后數值均呈下降趨勢。與珠三角城市群相似，京津冀城市群對其他城市群均有溢出效應，其中對珠三角城市群和長三角城市群的溢出效應最大，而對于長江中游、成渝和哈長等城市群溢出效應則不顯著。圖9中d圖顯示了六大城市群對長江中游城市群沖擊的響應情況。對長江中游城市群施加一個標準差信息沖擊后，六大城市群的初始響應分別為1.14、0.72、0.66、0.39、0.24和0.05，之后數值呈迅速下降趨勢，第2年均下降為負值，說明短期內長江中游城市群對其他城市群有正向的溢出效應，尤其是對長三角、珠三角和京津冀等城市群的溢出效應最為明顯，但長期內對其他城市群的均無正向的溢出效應。

圖8中e圖顯示了六大城市群對成渝城市群沖擊的響應情況。對成渝城市群施加一個標準差信息沖擊后，六大城市群的初始響應分別為0.89、0.89、0.74、0.30、0.31和0.13，此后第2～3年數值呈下降趨勢，第4、5年又上升，之后保持不變。從長期來看，成渝城市群對珠三角城市群、長三角城市群有顯著的溢出效應，而對京津冀、長江中游和哈長等城市群無明顯的溢出效應。圖8中f圖顯示了六大城市群對哈長城市群沖擊的響應情況。對哈長城市群施加一個標準差信息沖擊后，六大城市群的初始響應分別為0.22、-0.14、0.33、0.05、0.10和0.38，第2年之后數值基本保持不變，長期內珠三角、長三角和京津冀城市群有顯著的溢出效應，而對長江中游城市群和成渝城市群則無明顯的正向影響。

圖8 各城市群空間差異的分布動態

在以上結果中，除哈長城市群外，其他城市群第一年的溢出效應對長三角城市群、珠三角城市群和京津冀城市群的溢出效應均位居前三位。這是因為長三角城市群、珠三角城市群、京津冀城市群作為發展較早的城市群，受惠于政策與區位雙重優勢，城市群成熟度相對較高；城市群市場化水平高與城市合作程度高，城市群內城市的經濟發展水平相對較高；這三個城市群與其他城市群的經濟聯系較多，經濟輻射能力較強。除哈長城市群外，其他城市群對長江中游城市群、成渝城市群的溢出效應均在第4、5位，主要原因是這兩個城市群還處于城市群發展的初級階段，城市群成熟度相對較低，而且群內城市主要以第一產業、第二產業為主，市場化水平偏低，經濟發展受政府主導痕跡明顯，城市群內城市發展水平相對較低，城市群競爭力較弱。但是這兩個城市群與長三角城市群、珠三角城市群和京津冀城市群已經具有相對密切的聯系，說明城市群的協同發展已經發揮了作用。其他城市群對哈長城市群的溢出效應均位于最后一位。這主要是因為哈長城市群位于東北老工業基地內，經濟發展過于依賴傳統產業，發展過程中形成了“封閉式”的發展模式，城市發展的內生動力不足，從而導致城市群群內城市經濟發展水平較低，與其他城市群的聯系不夠密切。

另外，空間溢出效應的研究中，地理特點的空間性是很重要的方面。空間性的一個基礎就是地理學第一定律，即事物是相互聯系的，距離越近聯系也越緊密。城市群協同發展也應該充分考慮地理因素，因此城市群的溢出也不僅僅是鄰近地區的溢出，協同發展的范圍可以擴大。

六、結論與政策建議

(一) 結論

本文基于1992—2013年中國城市夜間燈光數據，采用Dagum基尼系數、Kernel密度估計方法以及廣義脈沖響應函數就城市經濟發展差異和空間溢出效應進行考察。得出具體主要結論如下：(1)六大城市群的經濟發展呈現顯著的空間非均衡特征，且城市群內部差異是總體差異的主要來源。(2)城市群內部差異中相對差異和絕對差異的演變趨勢不同。六大城市群總體經濟發展的絕對差異呈現擴大的趨勢，而相對差異則逐漸縮小，從各城市群的絕對差異來看，長三角城市群、長江中游城市群、成渝城市群和哈長城市群絕對差異呈擴大趨勢，珠三角城市群和京津冀城市群的絕對差異在逐漸縮小。而從相對差異來看，除成渝城市群的相對差異略微擴大之外，其他城市群的相對差異整體上呈現縮小的趨勢。(3)除長江中游城市群之外，其余城市群之間均有溢出效應。長三角城市群、珠三角城市群和京津冀城市群與其他城市群之間的關聯關系最為密切，所有城市群與這三者的溢出效應都較為明顯。(4)基于人均GDP測算的城市群總體差異的年均遞減率為1.14%(陳明華 等，2016)，而本文基于夜間燈光數據測算的總體差異年均遞減率僅為0.79%。

(二)政策建議

(1)要重視城市群經濟發展中存在的群內發展非均衡態勢，縮小群內各城市之間的發展差異，增強整體競爭力。進一步完善城市群經濟發展的整體規劃，處理好全局和局部的關系，明確各城市在群內的功能定位，充分發揮核心城市的輻射和帶動作用；發揮好群內各城市的比較優勢，縮小城市群內的經濟發展差異，提高整體競爭力。

(2)推動城市群間的協同發展。城市群間協同發展是一項長期任務，要充分利用各城市群間的溢出效應和交互影響，重點發揮長三角城市群、珠三角城市群和京津冀城市群對其他城市群的帶動作用。創新協同發展體制機制，推動市場一體化步伐，加快破除協同發展中存在的體制機制障礙，發揮市場在資源配置中的基礎作用，適應經濟發展新常態，打造經濟增長新的增長極。

畢秀晶，寧越敏. 2013. 長三角大都市區空間溢出與城市群集聚擴散的空間計量分析[J]. 經濟地理(1):46-53.

陳明華，劉華軍，孫亞男. 2016. 2016中國五大城市群金融發展的空間差異及分布動態：2003～2013年[J]. 數量經濟技術經濟研究(7):130-144.

都陽，蔡昉，屈小博，等. 2014. 延續中國奇跡：從戶籍制度改革中收獲紅利[J]. 經濟研究(8):4-13.

高鐵梅. 2009. 計量經濟分析方法與建模：Eviews應用及實例(第二版)[M]. 北京：清華大學出版社.

胡繼亮，袁園. 2012. 中部地區三大城市群經濟發展差異的實證研究[J]. 湖北大學學報(哲學社會科學版)(6):40-45.

胡毅，張京祥. 2010. 基于縣域尺度的長三角城市群經濟空間演變特征研究[J]. 經濟地理(7):1112-1117.

黃征學. 2014. 城市群：理論與實踐[M]. 北京：經濟科學出版社.

劉華軍，鮑振，楊騫. 2013. 中國農業碳排放的地區差距及其分布動態演進：基于Dagum基尼系數分解與非參數估計方法的實證研究[J]. 農業技術經濟(3):72-81.

劉華軍，何禮偉，楊騫. 2014. 中國人口老齡化的空間非均衡及分布動態演進：1989～2011[J]. 人口研究(2):71-82.

謝磊，李景保，何仁偉，等. 2013. 環長株潭城市群區域經濟時空差異演變[J]. 城市問題(11):67-73.

徐康寧，陳豐龍，劉修巖. 2015. 中國經濟增長的真實性：基于全球夜間燈光數據的檢驗[J]. 經濟研究(9):17-29.

張建營，毛艷華. 2012. 珠三角城市群經濟空間聯系實證分析[J]. 城市問題(10):2-8.

張學良. 2016. 2015中國區域經濟發展報告：中國城市群可持續發展[M]. 北京：人民出版社.

曾鵬，陳芬. 2012. 中國十大城市群經濟增長差異的收斂性比較研究[J]. 統計與決策(14):115-118.

BICKENBACH F, BODE E, NUNNENKAMP P, et al. 2016. Night lights and regional GDP [R]. Kiel Working Paper, No.1888.

BURKHAUSER R V, ROVBA L. 2005. Income inequality in the 1990s: comparing the United States,Great Britain and Germany [J]. The Japanese Journal of Social Security Policy, 4(1):1-16.

CHEN G, GLASMEIER A K, ZHANG M, et al. 2016. Urbanization and income inequality in Post-Reform China: a causal analysis based on time series data [J]. Plos One, 11(7):1-16.

CHEN X, NORDHAUS W D. 2011. Using luminosity data as a proxy for economic statistics [J]. Proceedings of the National Academy of Sciences, 108(21):8589-8594.

DAGUM C. 1997. A new approach to the decomposition of the Gini income inequality ratio [J]. Empirical Economics, 22(4):515-531.

DUEDE E, ZHORIN V. 2016. Convergence of economic growth and the Great Recession as seen from a celestial observatory [J]. EPJ Data Science, 5(1):11-29.

HENDERSON J V, STOREYGARD A, WEIL D. 2012. Measuring economic growth from outer space [J]. American Economic Review, 102(2):994-1028.

KOOP G, PESARAN M H, POTTER S M. 1996. Impulse response analysis in nonlinear multivariate models [J]. Journal of Econometrics, 74(1):119-147.

MELLANDER C, LOBO J, STOLARICK K Z, et al. 2015. Night-Time light data: a good proxy measure for economic activity [J]. Plos one, 10(10):1-18.

NICKELSBURG G. 1985. Small-sample properties of dimensionality statistics for fitting VAR models to aggregate economic data: a monte Carlo study [J]. Journal of Econometrics, 28(2):183-192.

PESARAN M, SHIN Y. 1996. Cointegration and speed of convergence to equilibrium [J]. Journal of Econometrics, 71(1-2):117-143.

PESARAN M, SHIN Y. 1998. Generalized impulse response analysis in linear multivariate models [J]. Economic Letters, 58(1):17-29.

SIMS C A. 1980. Macroeconomics and reality [J]. Econometrica, 48(1):1-48.

SpatialDifferencesandSpilloverEffectsofEconomicDevelopmentofUrbanAgglomerationsinChina:OnDMSP/OLSNighttimeLightDatafrom1992to2013

LIU HuaJun PEI YanFeng JIA WenXing

(School of Economics, Shandong University of Finance and Economics, Jinan 250014)

Based on the investigation of DMSP/OLS Nighttime Light Data from 1992 to 2013, this paper uses the methods of Dagum Gini coefficient, Density Estimation and Generalized Impulse Response Function to examine empirically the spatial differences and spillover effects of economic development of urban agglomerations in China. Results show that: (1) The economic development of the urban agglomerations presents a significant spatial non-equilibrium characteristics, and the difference among the urban agglomerations is the main source of the overall difference. (2)The evolution trend of relative differences and absolute differences disagree in urban agglomerations. The absolute difference of Yangtze River Delta, the middle reaches of the Yangtze River, Chengdu-Chongqing and Harbin-Changchun urban agglomerations are expanding while the absolute difference of Zhujiang River Delta and Beijing-Tianjin-Hebei urban agglomerations are shrinking. As for the relative difference, the relative difference of Chengdu-Chongqing urban agglomeration has a slight expansion while the other urban agglomerations shows a trend of decreasing. (3) In addition to the Yangtze River urban agglomeration, there are spillover effects among other urban agglomerations.

urban agglomeration; nighttime light data; Dagum Gini Coefficient; density estimation; GIRF

2017-04-20

劉華軍(1979--)，男，山東廣饒人，博士，山東財經大學經濟學院教授，博士生導師。

裴延峰(1992--)，男，山東臨沂人，山東財經大學經濟學院碩士生。

賈文星(1990--)，男，山東新泰人，山東財經大學經濟學院碩士生。

國家社會科學基金青年項目“資源環境約束下農業用水效率評價及提升路徑研究”(15CGL041)；山東省自然科學基金“山東省霧霾污染的城市間動態關聯效應及協同治理機制研究：基于社會網絡視角”(ZR2016GM03)。

F290

A

1001-6260(2017)11-0001-12

10.19337/j.cnki.34-1093/f.2017.11.001

(責任編輯 張 坤)