城市蔓延真的抑制城市創新空間集聚嗎

楊曉昕，張 涵

(1.中央財經大學 國防經濟與管理研究院，北京 100081；2.青島大學 質量與標準化學院，山東 青島 266071)

0 引言

作為城市化進程中值得關注的一種現象——城市蔓延(Urban Sprawl)是指城市邊緣無序、低密度、非均衡、非計劃性的擴張[1-2]，具有區域功能單一、空間錯配、依賴交通工具等特征，使原來集中在中心區域的城市活動擴散到城市外圍，導致城市形態呈現分散化空間特征，并帶來諸如土地資源浪費、環境惡化、農業用地流失、公共產品與服務分配不均等負面問題[3-4]。相比城市規模蘊含的規模經濟、集聚經濟等效用，城市蔓延更多反映了對城市經濟密度的稀釋，不僅表現為城市空間躍進或“蛙跳”，還從城市人文環境與管理組織上呈現出紊亂狀態[5]。我國的城市蔓延出現于改革開放之后，相比發達國家，我國的城市蔓延是伴隨城市化快速發展而同時出現的，雖然城鎮化水平從1978年的17.92%提高到2019年的60.60%，但空間城市化速度快于人口城市化，導致城市蔓延，尤其是大、中城市表現得最明顯[6]。城市蔓延降低了產業、商業服務的可達性或空間鄰近性[7]，減少了創新人員之間的互動機會，從而可能減少創新行為，這是因為空間鄰近性是實現創新空間集聚與知識溢出的催化條件[8]。同時，也有學者發現，由于土地和房租成本較高，初創企業或規模較小的創新型企業往往傾向選址在人口密集度較低且與相關業務企業距離較近的地區[9]。因此，城市蔓延是否有利于城市創新空間集聚是值得探討的話題。

1 文獻綜述

在城市蔓延測度方面，有學者采用夜間燈光亮度[10]、城市人口密度[11]、城市建成面積增速、城市人口增速[12]等數據，通過構造單一指標衡量城市蔓延水平。也有學者通過構建綜合指標進行測度，如Torrens[13]從城市增長、社會因子、分散化、通達性等方面測度美國德克薩斯州的城市蔓延水平；Hamidi & Ewing[14]基于開發密度、土地綜合利用水平、商業活動中心度以及街道可達性4個維度，對2000-2010年美國城市蔓延水平進行測度；Liu等[15]從市區規模、城市密度以及城市分化度3個維度綜合分析2000-2010年全球城市蔓延趨勢。

在城市蔓延成因方面，主要歸結為市場失靈、政策制度、社會文化、交通進步等方面[16-17]。規制學派將城市蔓延原因歸結為二戰后資本主義國家為實現資本積累，通過政策調整并最終在城市發展過程中呈現出的結果；也有學者從土地規制角度分析并指出，城市蔓延是利益相關方通過博弈對土地利用達成的一種結果。除區域規劃缺乏、居民區位選擇偏好、政府政策導向等共性因素外[18]，土地財政體系、市場不確定性、人口增長、戶籍制度等也是導致我國城市蔓延的重要誘因[19-20]。此外，也有學者認為，適度的城市蔓延是工業化、城鎮化的基礎條件，因此地方政府對城市增長的迫切需求也容易造成城市蔓延[21]。

在城市蔓延影響方面，已有研究多集中于討論城市蔓延對生產效率、經濟增長、工資水平、主觀幸福感等方面的影響[10，22-23]，探析城市蔓延下創新空間集聚效應的研究比較罕見。鑒于此，本文基于2007-2018年中國地級城市面板數據，從創新效率、知識溢出、就業匹配3個維度，檢驗城市蔓延對城市創新空間集聚的影響與作用機理。相較以往研究，本文從3個方面進行拓展：①在研究視角上，從中介效應視角構建模型，深入剖析城市蔓延帶來的外部效應對城市創新空間集聚的作用機制，進一步豐富城市蔓延問題研究維度；②在研究方法上，基于自舉法獲得3種機制變量的中介調節效應，能夠更加準確地反映樣本的真實分布情況，確保研究結論的可靠性；③在研究實踐上，細化不同區位、不同規模城市蔓延對創新空間集聚的異質化影響，為我國創新驅動發展戰略實施與新型城鎮化建設提供決策依據。

2 機制分析

2.1 創新效率機制

學者們普遍發現城市蔓延會抑制經濟效率，這是因為在城市規模尚未達到最優水平時，城市蔓延對城市密度的過早稀釋損害了城市勞動生產率，進而降低了集聚經濟的正向效應，尤其是小規模城市[24]。但通信技術發展以及彈性工作制在高端產業中的逐漸推廣，降低了地理鄰近性在通勤成本中的重要性及其對信息流的摩擦“阻力”。因此部分學者提出，城市蔓延與城市生產率之間也可能存在不確定關系甚至是正向關系。如葉寧華等[25]發現，我國部分地區已出現過度集聚現象，在密度較高城市，容易出現交通擁擠、高房價，導致集聚下的不經濟性超過集聚對生產率的貢獻；魏守華等[11]認為，我國現代城市擴張呈現多中心集聚模式，并實證適當的城市蔓延可能改善城市空間結構、提升集聚經濟效應。

由此，本文提出研究假設如下：

H1：城市蔓延會通過降低創新效率對創新空間集聚產生負向作用，當城市蔓延因稀釋就業密度而降低創新效率時，這種負向作用可能被強化。

2.2 知識溢出機制

由于我國城鎮化進程仍處于上升發展階段，大量優質創新要素向規模大、密度高的中心城區集聚，而緊湊、規則的城市空間形態更利于強化創新主體間的空間關聯，促進創新主體間的信息交流與知識溢出，產生創新空間集聚效應。但由于城市核心集聚區往往具有較高的通勤成本與房價，對作為重要知識載體的創新主體產生擁擠效應，使其不得不選擇在城郊地區居住或建廠。因此，若不進行合理規劃，可能引致城市蔓延、拉大創新主體間的空間距離、增大隔離性、提高學習交流成本，從而弱化知識溢出效應，抑制創新空間集聚。我國主要通過布局各類創新示范區或高新技術園區搭建創新服務平臺，推動創新主體與創新要素集聚，同時，依賴完善的生產、生活配套設施，才能實現創新基礎設施共享，有效引導創新要素集聚。研究表明，相對于低密度、無序發展的城市，具有合理規劃、高密度發展的城市，其公共基礎設施利用率更高[26]。一方面，在高密度發展城市中心區，其原有基礎設施被充分利用，節約了土地資源；另一方面，城市蔓延促使大量建設資源流向新城區，但人才流動相對滯后，因此出現大量“無人”新區，不僅耗費財力、物力，而且容易導致基礎設施的盲目、重復性投資。更甚者，創新主體間為爭奪有限資源，有可能采取零和博弈或以鄰為壑的惡性競爭手段，從而阻礙城市創新空間集聚水平提升。

由此，本文提出研究假設如下：

H2：城市蔓延會通過抑制知識溢出對城市創新空間集聚產生稀釋作用，同時，基礎設施投入增加可能會加劇這種稀釋效應。

2.3 就業匹配機制

Ellison & Fudenberg[27]指出，勞動力市場共享有效解釋了企業空間集聚行為，粘性工資成為企業與勞動力集聚的動力。這是因為粘性工資的存在可以降低勞動力失業風險，若出現大規模工人失業，企業也會遭受損失。此外，陳旭和秦蒙[28]認為，較大規模城市中的就業平臺、產業種類豐富，對高技能人才的吸引力更強，大城市的高收入更多是由勞動技能的既定分布所致，適當的城市蔓延能夠進一步釋放城市空間，雖然增加了通勤成本，但可以通過工資上漲作為補償。因此，從就業匹配角度而言，城市蔓延會使部分中產階級與高技術階層外遷、創新產業與工作崗位從中心城區轉移至郊區，從而降低城市創新勞動力就業密度，減少中心城區就業機會，加之我國城鄉二元戶籍制度、郊區創新配套設施建設滯后等因素，造成創新就業崗位和人才空間分布不匹配，最終可能對城市創新空間集聚產生掣肘。

由此，本文提出研究假設如下：

H3：城市蔓延通過降低就業匹配度抑制城市創新空間集聚，但在工資水平較高城市則不一定產生相同效果。

3 研究設計

3.1 模型設定與變量說明

本文構建中介效應模型的表達式為：

Medit=β0+β1Sprit+∑λitControlit+εit

(1)

Aggit=γ0+γ1Sprit+γ2Medit+γ3Sprit×Medit+∑λitControlit+εit

(2)

核心自變量Spr表示城市蔓延，本文借鑒王家庭和謝郁[18]的測度方法，采用城市建成區面積增長率與市區人口增長率比值作為城市蔓延表征指標。Spr>1，表示發生城市蔓延；Spr≤1，表示城市收縮。

中介變量Med用以詮釋Spr對Agg的間接影響，主要包括：①城市創新效率Eff。采用基于Malmquist-DEA方法測算；②知識溢出水平Spi。創新主體間的知識溢出往往以高端人才為載體，通過面對面方式傳播，因此，本文選取高等學校在校生人數占比表征；③就業匹配水平Mat。根據Baumgarder[29]的研究，采用城市專業化程度衡量城市就業匹配質量，專業化程度越高表示匹配質量越高。

控制變量Control包括：①開放水平(Open)，選取當年實際使用外資金額占GDP比重表示；②金融發展水平(Fin)，采用城市年末金融機構各項存貸款余額與地方生產總值比值測度；③業結構水平(Ind)，采用第二、第三產業產值占GDP的比重表示，εit為誤差項。

待估系數γ1衡量Spr對Agg的全局處理效應；待估系數γ3衡量Spr對Agg的全局調節效應；Med在Spr與Agg之間的中介調節效應為β1· (γ2+γ3ΔSpr)。

3.2 樣本選擇與數據來源

剔除數據缺失較嚴重的部分城市，最終研究樣本為2007-2018年我國285個地級城市，為避免極端值影響，對樣本在 1% 區間進行雙向縮尾處理。本文城市專利申請量和專利授權量數據來源于中國研究數據平臺的創新專利研究庫CIRD，其它變量數據來源于EPS數據平臺。表1給出了所有變量取對數后的統計性描述結果。

表1 各變量統計性描述結果

4 實證分析

4.1 基準回歸

首先，借鑒Preacher[30]的檢驗方法，采用結構方程模型(Structural Equation Model，SEM)進行回歸檢驗，并使用自舉法獲得中介條件效應標準誤和置信區間。此時置信區間計算是修正偏誤且非對稱的，能更準確地反映中介條件效應樣本分布情況。

4.1.1 創新效率機制檢驗

由表2看出，在Agg為因變量的SEM模型中，城市蔓延變量Spr的回歸系數γ1顯著為負，表示城市蔓延對城市創新空間集聚具有顯著負向的全局處理效應，與多數研究結論一致；城市創新效率Eff的回歸系數γ2顯著為正，表示城市創新效率越高，越有利于城市創新空間集聚；兩者交乘項Eff×Spr的回歸系數γ3不顯著，表示城市蔓延通過創新效率對城市創新空間集聚未產生顯著全局調節效應。同時，在Eff為因變量的SEM模型中，Spr的回歸系數β1顯著為負，表示城市蔓延顯著抑制了城市創新效率提升。控制變量回歸系數顯示，產業結構Ind升級優化能夠對城市創新空間集聚提供有效支撐，因此各城市應注重產業結構優化升級，擴充第二、第三產業規模，為城市創新空間集聚提供良好的服務環境；而金融成熟度Fin和開放水平Open均與創新集聚呈現負向關聯，這可能是由于城市創新空間集聚依然面臨較強融資約束，外商投資渠道并不暢通，對城市創新空間集聚帶來一定阻滯。

表2 創新效率機制檢驗結果

創新效率Eff的中介調節效應結果如表3所示，可以發現，隨著城市蔓延加劇，城市創新效率的負向中介調節效應逐漸弱化，也就是說，城市蔓延經過創新效率的中介調節后，對創新集聚的負向作用呈現邊際遞減趨勢，這可能是由于城市蔓延使得創新產業日趨轉移至城郊工業園區，降低了用地、廠房等創新資本投入成本并逐漸形成規模效應。

表3 城市創新效率的中介調節效應測度結果

本文進一步將就業密度Emp作為城市蔓延影響創新效率的調節變量，檢驗假設H1。因此，在模型(1)、(2)中加入就業密度變量Emp，具體表達式如下：

Effit=β0+β1Sprit+β2Empit+β3Empit×Sprit+∑λitControlit+εit

(3)

Aggit=γ0+γ1Sprit+γ2Effit+γ3Empit+γ4Empit×Sprit+∑λitControlit+εit

(4)

式中，Emp采用城市科研、技術服務和地質勘查從業人員數量與建成區面積比值表征，此時中介調節效應表達式為γ2×(β1+β3·ΔEmp)。由表4看出，在Agg為因變量的SEM模型中，Spr和Eff系數的符號與表2相同。Emp回歸系數顯著為正，表示就業密度越高，城市創新空間集聚水平越高；Emp×Spr系數顯著為負，表示城市蔓延可能降低就業密度，從而對城市創新空間集聚產生更顯著的負向作用，印證了假設H1。在Eff為因變量的SEM模型中，就業密度與城市創新效率呈現正向關系。同時，Spr系數表示加入Emp變量后，城市蔓延對創新效率的負向作用依然顯著。此外，加入Emp變量后，Eff的中介調節效應均顯著為負。

表4 加入Emp變量后創新效率機制檢驗結果

4.1.2 知識溢出機制檢驗

從表5看出，在 Agg為因變量的SEM模型中，Spr的回歸系數顯著為負，同樣證明了城市蔓延對城市創新空間集聚具有顯著的負向全局處理效應；Spi的回歸系數表示知識溢出越多，越有利于城市創新集聚；交乘項Spi×Spr的回歸系數表示城市蔓延通過知識溢出對創新集聚產生顯著正向全局調節效應。同時，在Spi為因變量的SEM模型中，Spr的回歸系數不顯著，表示城市蔓延未顯著影響知識溢出效應，部分印證了假設H2。

表5 知識溢出機制檢驗結果

根據假設H2，基礎設施可以作為城市蔓延影響知識溢出的調節變量，因此將模型(1)、(2)加入基礎設施變量Inf進行擴展，這里采用互聯網用戶量表征。表達式如下：

Spiit=β0+β1Sprit+β2Infit+β3Infit×Sprit+∑λitControlit+εit

(5)

Aggit=γ0+γ1Sprit+γ2Spiit+γ3Infit+γ4Infit×Sprit+∑λitControlit+εit

(6)

從表6可以看出，在Agg為因變量的SEM模型中，Spr和Spi的系數依然顯著且符號與表5相同。Inf回歸系數表示基礎設施投入越多，對城市創新空間集聚的正向影響越顯著；Inf×Spr系數表示城市蔓延通過基礎設施對城市創新空間集聚產生正向全局調節效應，這可能是因為城市蔓延會提高創新產品運輸費用和基礎設施建設成本，并以稅收等形式轉化為創新生產成本，從而迫使創新主體不得不通過集聚產生的正向外部性抵消上述成本，因此創新集聚度提升。其總體反映出雖然我國城市基礎設施不斷完善，但未形成聯系緊密、分工有序的城市網絡，且城市中心城區的輻射帶動作用有限，抑制了城市創新空間集聚。以上結論與柯善咨等(2008)和劉修巖(2014)的研究結果相互印證。在Spi為因變量的SEM模型中，基礎設施不斷完善及創新主體間通勤成本的不斷降低，有助于創新主體間信息交流與知識溢出。此外，隨著基礎設施投入增加，城市蔓延通過知識溢出機制的中介調節后，對城市創新空間集聚的負向影響會愈顯著。

表6 加入Inf變量后知識溢出機制檢驗結果

4.1.3 就業匹配機制檢驗

從表7可以看出，在 Agg為因變量的SEM模型中，Spr的回歸系數顯著為負，再次印證了城市蔓延對城市創新空間集聚具有顯著負向全局處理效應；就業匹配變量Mat的回歸系數表示就業匹配度越高，越有利于城市創新集聚；交乘項Mat×Spr的回歸系數表示城市蔓延未能通過就業匹配機制對城市創新空間集聚產生顯著全局調節效應。同時，在Mat為因變量的SEM模型中，Spr的回歸系數顯著為負，表示城市蔓延會降低就業匹配水平。此外，隨著城市蔓延加劇，就業匹配對城市創新空間集聚的負向中介調節作用減弱，這可能是由于適當的城市蔓延能夠釋放城市中過于密集的創新就業空間，雖然增加了通勤成本，但往往可以通過工資上漲產生補償效應。

表7 就業匹配機制檢驗結果

根據假設H3，將工資水平Wage作為城市蔓延影響就業匹配水平的調節變量，在模型(1)、(2)中加入工資水平變量進行擴展，具體表達式如下：

Matit=β0+β1Sprit+β2Wageit+β3Wageit×Sprit+∑λitControlit+εit

(7)

Aggit=γ0+γ1Sprit+γ2Matit+γ3Wageit+γ4Wageit×Sprit+∑λitControlit+εit

(8)

就業匹配機制檢驗結果如表8所示，可見，在Agg為因變量的SEM模型中，Spr和Mat的回歸系數依然顯著；Wage回歸系數表示工資水平對城市創新空間集聚產生正向促進作用；Wage×Spr回歸系數顯著為正，表示城市蔓延通過工資水平對城市創新空間集聚產生正向全局調節效應，佐證了假設H3。這可能是由于城市蔓延后期城市分割得到緩解，在更大的市場空間內擴大了企業生產規模，因此會對創新勞動力產生工資補償效應，從而成為城市創新空間集聚的動力。在Mat為因變量的SEM模型中，工資水平不斷提升，有利于降低創新人才就業風險，促進就業匹配。

表8 加入Wage變量后就業匹配機制檢驗結果

此外，加入Wage變量后，Mat的中介調節效應均顯著為負，說明隨著工資水平提升，城市蔓延可能通過就業匹配機制對城市創新空間集聚產生更顯著的負向作用。雖然城市蔓延的工資補償效應不斷強化，但由于創新人才的薪資期望嚴重偏離實際創新效益，加上專業認知局限性，難以滿足創新企業期望，抑或創新企業為就業者提供虛高的前景預期，導致就業者誤判、甚至被欺騙，最終選擇離職或解聘，造成匹配雙方預期差距較大，從而對城市創新集聚產生更大掣肘。

4.2 穩健性分析

為保證估計結果可靠，本文通過調整創新集聚變量和城市蔓延變量進行穩健性分析。

更換創新集聚變量。本文采用CV變異指數，即城市專利申請量的標準差/平均數作為城市創新空間集聚的替代變量，該值越大，表示創新集聚水平越高。

更換城市蔓延變量。有學者指出，建成區面積與市區人口在空間范圍上不對應，且當部分地級市在某年出現城區人口流出、人口增長率為負的情況時，采用建成區面積增長率與市區人口增長率比值計算，其值為負并不能說明城市蔓延程度較低。因此，本文采用建成區面積增長率與城區人口增長率的差值衡量城市蔓延程度，差值越大，表示城市蔓延程度越高。

如表9所示，城市蔓延與三大中介機制對城市創新空間集聚的影響方向均未發生實質性變化，顯著性水平也未出現明顯差異，即檢驗結果與基準回歸結果相互印證。

表9 調整關鍵變量的SEM模型檢驗結果

4.3 異質性分析

4.3.1 城市區位異質性

回歸結果整理如10所示。可以看出，四大經濟區的城市蔓延普遍對城市創新空間集聚產生負向全局處理效應。具體而言，在創新效率機制作用下，僅東部地區具有正向全局處理效應，全局調節效應為正的地區為東部和中部地區；在知識溢出機制作用下，僅東部地區具有正向全局處理效應，全局調節效應為正的地區為東北地區；在就業匹配機制作用下，東部地區具有正向全局處理效應，東北和東部產生了正向全局調節效應。總體來看，我國東部城市借助自身區位與創新資源優勢，充分挖掘創新空間潛能，強化創新主體間的空間關聯，促進了信息交流，帶動了城市創新空間集聚水平提升。

表10 城市區位異質性分析結果

4.3.2 城市規模異質性

本文按照城區常住人口規模，將城市劃分為超大城市(城區常住人口>1000萬)、大型城市(500萬<城區常住人口≤1000萬)、中型城市(300萬<城區常住人口≤500萬)、小型城市(城區常住人口≤300萬)四類。如表11所示，四類城市規模的城市蔓延普遍對城市創新空間集聚產負向全局處理效應。具體而言，超大和大型城市的城市蔓延在創新效率、知識溢出以及就業匹配3種機制調節下，對城市創新空間集聚呈現出正向全局處理效應，這可能是由于規模較大城市具有較好的創新環境和完善的創新平臺，創新產業類型多樣化，高技能創新人才很容易隨城市規模擴張尋求到匹配的工作職位[31]；中型城市的城市蔓延在3種機制調節作用下，產生了正向全局調節效應，尤其是在知識溢出機制下的效應最顯著，表示知識溢出在中型城市的創新集聚過程中扮演更為重要的角色，信息、知識等搜索成本低，高技能個體從中獲益越多，城市能更快速地實現創新集聚。但同時，相對其它規模城市，中型城市蔓延的負向全局處理效應也較為顯著，這可能是由于中型城市的城鎮化進程相對滯后，政府部門傾向將城市蔓延作為市區壓力外卸的手段，因此導致城市蔓延本身的負向作用未能有效消除。

表11 城市規模異質性分析結果

5 結論與啟示

本文利用2007-2018年地級市層面數據，詳細解析了城市蔓延對城市創新空間集聚的影響效應與驅動機制。研究發現：①城市蔓延對城市創新空間集聚產生顯著負向效應，但可通過知識溢出產生顯著正向全局調節效應。城市蔓延通過創新效率和就業匹配機制調節后，對城市創新空間集聚產生的負向效應呈遞減趨勢；②城市蔓延降低了就業密度、基礎設施利用率和工資水平，通過創新效率、知識溢出和就業匹配機制的中介調節后，加劇對城市創新空間集聚的負向作用；③從城市區位與城市規模層面看，城市蔓延普遍對創新空間集聚產生負向效應，但對東部地區城市或規模較大城市則可能具有一定的正向全局處理效應。

以上結論也提供了一些政策啟示，主要包括：

首先，在我國實施創新驅動發展戰略與新型城鎮化建設背景下，為實現城市經濟高質量發展，各級政府在強調城市空間擴張的同時，需注重創新效率、知識溢出以及就業匹配質量，充分發揮不同中介機制的傳導作用，為城市創新空間集聚提供持續動力。

其次，從創新效率角度看，城市創新空間集聚發展依然需要較為緊湊的創新就業空間，不能無限度地依靠土地擴張緩解城市交通擁擠和房價過高問題。此外，應避免盲目、過度的基礎設施投資，加強基礎設施建設資金用途監管，通過創新服務信息發布平臺，為創新市場供需雙方提供透明的政策制度與合理的工資預期，減少信息不對稱。

最后，不同地區、不同規模城市的城市蔓延具有異質性影響。因此，在進行城市空間發展規劃時，需要突出城市定位，因地制宜，在城鎮化發展過程中及時調整，有序引導城市合理擴大規模，采取產城融合策略，發揮創新產業園區和新城區的集聚效應，探索各具特色的城市創新發展模式。