特大以上城市人口集聚和經濟增長的變動趨勢與脫鉤分析

葉文顯，曾紹龍

（1.陜西國際商貿學院 管理學院，陜西 咸陽 7 1 2 0 4 6；2.杭州師范大學 經濟學院，浙江 杭州 311121）

0 引言

人口集聚是城市發展的基礎，城市發展則可能進一步加劇人口集聚。隨著我國城市規模不斷擴大，居民收入水平逐漸提高，城市的“虹吸效應”進一步凸顯，城市人口逐漸向經濟實力雄厚、區位優勢明顯、基礎設施完善的三大中心城市群和六大核心城市集聚［1］，如東部的長三角城市群、京津冀城市群、珠三角城市群和中西部的重慶、成都、鄭州、長沙、西安、武漢，人口分布總體呈現“3+6”的格局特征。作為“3+ 6”人口分布格局的核心組成部分，北京、上海、廣州等21 個特大以上城市在我國的人口分布格局中扮演著舉足輕重的角色。2020 年，21 個特大以上城市以約占全國3.4%的土地面積承載了20.7%的全國人口，并實現了約占全國32.8%的經濟總量。人口集聚給特大城市帶來了技術進步、經濟增長與城市繁榮的同時，也帶來了交通擁擠、資源短缺和環境惡化等問題，阻礙了城市的進一步發展。隨著我國人口老齡化進程的日趨加快，人口紅利效應逐漸消退，經濟增速也將有所放緩［2］。那么，作為我國城市人口集聚的典型代表，特大以上城市的人口集聚是否依然會顯著促進經濟增長，或者說人口集聚與經濟增長之間是否會出現某種程度的脫鉤？這正是本文想要探討的問題。

國內外學者從多維度探討了人口集聚與經濟增長之間的內在關系，主要包括以下方面：①人口集聚可促進經濟增長。如，Abel 等［3］運用城市生產力模型實證分析了人口集聚與勞動生產率之間的關系，結果表明人口集聚每增長1 倍，勞動生產率將提高2%——4%；Baldwin 等［4］實證發現，由于技術溢出效應的存在，人口空間集聚往往會導致區域經濟增長；Fan［5］實證研究表明，高密度的人口分布有利于推動地區經濟增長；楊東亮等［6］構建了基于工具變量法的OLS回歸模型，結果表明省級人口集聚具有明顯的經濟增長效應；宋寶琳等［7］選取京津冀地區11 個地級市的面板數據，采用誤差修正模型分析后發現，無論是長期還是短期，人口集聚均對經濟增長有顯著的推動作用。②人口集聚對經濟增長有抑制作用或促進作用不顯著。如，Haan 等［8］經過實證后發現，人口集聚會增加城市壓力，進而影響經濟增長；Jones［9］的研究成果表明，人口集聚會顯著削弱與經濟增長相關的勞動生產率；Henderson［10］研究發現，城市規模并非越大越好，城市經濟發展存在著一定的最優規模；曾永明等［11］認為人口集聚對經濟增長同時存在正向的集聚效應和負向的擁擠效應，當擁擠效應起主導作用時，人口集聚對經濟增長有負向的抑制作用。③人口集聚與經濟增長呈“倒U 型”關系。如，Brülhart等［12］運用OLS 和GMM 模型研究了人口經濟活動集聚對經濟增長的影響，結果表明集聚只會在一定的經濟水平上推動GDP 增長，且集聚效應滿足威廉姆森假設；Nkalu 等［13］以撒哈拉以南非洲地區為例，實證研究了經濟增長、城鄉關系與城市群的動態效應，結果發現城鄉人口增長對城市群有顯著的負面影響，從而證實了威廉姆森假說的有效性；陸旸［14］選取118 個國家間隔10 年的兩期數據，實證分析了人口首位值與經濟增長的內在關系，結果表明人口首位值與經濟增長之間呈“倒U 型”關系；王智勇［15］采用基于地級市面板數據的GMM模型，結果發現人口集聚與經濟發展之間呈“倒U型”關系。

綜上，盡管人口集聚與經濟增長的研究成果已經較為豐富，但是其研究仍存在著一定的局限性。一方面，已有成果的研究范圍多為一般地級市，而較少涉及特大城市和超大城市。事實上，人口集聚在給特大以上城市帶來集聚效應的同時，也會帶來糟糕的擁擠效應［16］，人口集聚是否會顯著促進特大以上城市的經濟增長面臨著較大的不確定性。另一方面，已有的研究成果多關注人口集聚是否促進了區域經濟增長，而較少關注人口集聚與經濟增長的脫鉤效應。事實上，人口集聚與經濟增長之間可能存在著一定的空間不一致性和人口滯后效應［17，18］，研究兩者之間的脫鉤效應十分必要。鑒于此，本文選取我國21 個特大以上城市2011——2020 年的面板數據，實證分析了人口集聚與經濟增長的內在關系、變動趨勢與脫鉤趨勢，以期為我國特大以上城市制定合理的人口集聚政策，實現城市的可持續發展提供一定的參考。

1 研究范圍與指標選取

1.1 研究范圍

本文的研究范圍為21 個特大以上城市，具體包括北京、上海、重慶、成都、深圳、天津、廣州7 個超大城市和武漢、東莞、杭州、南京、青島、長沙、鄭州、大連、西安、佛山、沈陽、濟南、哈爾濱、昆明14 個特大城市。特大城市的判斷標準為城區常住人口介于500——1000 萬人之間，而超大城市的常住人口則大于1000 萬人。城市類型的判斷依據為國家統計局發布的第七次全國人口普查結果。將21 個特大以上城市按照地理位置劃分為七大區域和四大區域，具體見表1 所示。

表1 我國21 個特大以上城市的區域劃分Table 1 Regionalization of 21 megacities and a bove in China

1.2 指標選取

從已有文獻的選取指標看，經濟增長主要采用人均GDP表征，而人口集聚則多采用人口密度、多指標加權求和法和區位商指數、不均衡指數、地理集中度指數［19，20］等。統計指數表征，考慮到本文主要測度21 個特大以上城市的相對人口集聚度及其與經濟增長的脫鉤關系，結合指標的可獲取性、科學性原則，最終采用人均GDP來表征經濟增長。即用地區GDP與年末常住人口的比值來衡量，采用人口地理集中度表征人口集聚程度，計算公式為：

式中：Pi、Mi和Ri分別為城市i 的人口集聚度、城市土地面積和年末常住人口數，原始數據主要來源于21 個特大以上城市的年度統計年鑒、統計公報和《中國城市統計年鑒》，時間為2011——2020 年。

2 研究方法

2.1 Tapio脫鉤模型

鑒于Tapio脫鉤模型具有獨特的時間演化分析優勢和具有不同量綱的指標分析特點［21］，本文采用Tapio脫鉤模型進行脫鉤分析，計算公式為：

表2 脫鉤類型及發展狀態劃分Table 2 Types of decoupling and division of its development status

2.2 泰爾指數

泰爾指數既是衡量地區之間收入差距及其來源的重要指標，也是分析區域發展差異的重要工具。為了衡量人口集聚與經濟增長的不平衡性，本文采用泰爾指數R總進行測度，并將R總指數分解為區域間差異RL和區域內差異RV。計算公式為：

式中：k 和j 分別為第k 個區域和第j 個城市；n和d 分別為區域個數和某區域的城市個數；Pj和Pkj分別為城市j 和區域k 中城市j 的人口集聚度；Pk和P 分別為區域k 的人口集聚度總和與所有城市的人口集聚度總和；G 為人均GDP，公式中下標含義與人口集聚度P 相同，不再贅述。

3 結果及分析

3.1 人口集聚與經濟增長的內在關系

運用公式（1）計算我國21 個特大以上城市的人口集聚度，并進行排序，結果如表3 所示。運用四分位數法對21 個城市的人口集聚度及人均GDP 排名進行劃分，排名第11 位的為中位數，排名1——5 位、6——10 位、12——16 位和17——21 位的城市分別對應“高”“較高”“較低”和“低”4 個檔次。①從人口地理集聚度看，深圳、上海、廣州、佛山和東莞為典型的高人口集聚城市和人口密集區，廣東省為典型的高人口集聚省份，哈爾濱、重慶、昆明、杭州和大連為典型的低人口集聚城市。2020 年，深圳的人口地理集聚度為9.92，而哈爾濱為0.21，前者是后者的47.24倍。②從經濟增長的人均GDP 來看，北京、深圳和廣州為典型的高經濟增長城市和經濟富集區，哈爾濱、重慶、西安和昆明為典型的低經濟增長城市和經濟欠佳區。2020 年，北京的人均GDP 為16.49 萬元，而哈爾濱為5.18 萬元，前者是后者的3.18 倍。由此可知，21 個特大以上城市在人口集聚與經濟增長方面存在著明顯的空間異質性，兩級分化嚴重。從各年度人口集聚與經濟增長的相關系數看，2011——2020 年21 個特大以上城市的人口集聚與經濟增長呈現顯著的正相關關系，即人口集聚高的城市通常擁有較高的經濟發展水平。7 個超大城市的相關系數同樣表明，人口集聚與經濟增長之間存在顯著的正相關關系，14 個特大城市的相關系數表明，雖然人口集聚與經濟增長呈現正相關關系，但是并不顯著。由此可知，人口集聚對經濟增長的長期影響可能存在城市規模方面的調節效應，當城市常住人口達到特大城市規模時，人口集聚對經濟增長 的促進作用還不明顯；當城市常住人口達到超大城市規模時，人口集聚對經濟增長具有顯著的促進作用。

表3 2011——2020 年我國21 個城市人口集聚與人均GDP的排名及其相關系數Table 3 The ranking of population agglomeration and per capita GDP of 21 cities and their correlation coefficients，2011-2020

從17 個城市（除去4 個直轄市）在各省內的GDP比重均值與人口比重均值看（圖1），西安和哈爾濱分別以24.4%和29.6%的省內人口比重在17個非直轄特大以上城市中遙遙領先，緊隨其后的是成都、武漢和沈陽，其省內人口比重均超過18%，而佛山、東莞、濟南和青島的省內人口比重均未超過10%。GDP省內比重方面，哈爾濱、武漢、成都和西安分別以37.8%、36.1%、35.0%和33.3%的GDP比重高居17 個非直轄特大以上城市的前四名，其比重皆超過33%，為典型的GDP 強省會特大以上城市。從GDP比重與人口比重的內在關系看，17 個非直轄特大以上城市的省內GDP 比重均大于人口比重，說明這些城市的常住人口均有一定的增長潛力。長沙、深圳、鄭州、廣州和武漢的省內GDP 比重遠高于人口比重，這些城市未來可能會吸引大量的人口聚集，直至人口比重接近GDP 比重。需要指出的是：受戶籍政策限制等因素影響，四大直轄市中的北京和上海常住人口增長緩慢，甚至出現負增長；天津的常住人口增長自2015 年也呈現明顯的放緩趨勢，2020 年常住人口為1386 萬人，略高于2011 年；重慶是常住人口最多的城市，2011——2019 年常住人口年均增長了約26 萬人，增長勢頭明顯，2020 年常住人口為3205 萬人，居特大以上城市之首。

圖1 2011——2020 年17 個城市的GDP比重均值與人口比重均值散點圖Figure 1 A scatter plot of mean GDP and mean population in 17 cities，2011-2020

3.2 人口集聚與經濟增長的變動趨勢

從人口集聚的相對變動趨勢看，2011——2020 年21 個特大以上城市的平均增幅為1.92%，其中：超大城市的平均增幅為1.09%，特大城市的平均增幅為2.33%，特大城市的平均增幅明顯大于超大城市。從21 個特大以上城市的測度結果看（表4），超大城市中深圳和廣州的波動尤為明顯，增幅分別高達38.3%和20.6%，為典型的人口集聚增長型超大城市，而其他超大城市的波動呈負增長趨勢；特大城市中西安、長沙、鄭州和杭州的增幅超過10%，為典型的人口集聚增長型特大城市，而哈爾濱和濟南的降幅超過10%，大連、青島、沈陽和南京的人口集聚呈負增長趨勢，為典型的人口集聚滯后型特大城市。從四大分區的人口集聚變動趨勢看，中部、西部、東部和東北的變動幅度分別為10.6%、2.2%、-2%和-11.7%，中部增長明顯，為典型的人口集聚增長型區域；東北降幅明顯，為典型的人口集聚滯后型區域；西部和東部則分別呈小幅增長和下降趨勢。四大地區的人口集聚增幅總體呈“中部＞西部＞東部＞東北”的格局特征。從七大分區的人口集聚變動趨勢看，華南、西北（僅含西安）和華中增長明顯，其增幅超過10%，為典型的人口集聚增長型區域；華東和西南出現10%以內的降幅；華北和東北的降幅超過10%，為典型的人口集聚滯后型區域；七大分區的人口集聚增幅總體呈“西北＞華南＞華中＞西南＞華東＞東北＞華北”的格局特征。

從人均GDP 的變動趨勢看，2011——2020 年21個特大以上城市的平均增幅為63.80%，其中，超大城市的平均增幅為74.23%，特大城市的平均增幅為58.58%，超大城市的平均增幅明顯大于特大城市。從21 個城市的測度結果看（表4），超大城市中重慶和北京的波動尤為明顯，其增幅分別高達122.8%和90.9%，為典型的經濟發展增長型超大城市，而其他超大城市的增幅介于37.3%——80.8%；特大城市中南京、昆明和武漢的增幅均超過90%，為典型的經濟發展增長型特大城市，而沈陽、大連、哈爾濱和佛山的增幅均低于40%，為典型的經濟發展滯后型特大城市。從四大分區的人均GDP 變動趨勢看，東部、西部、中部和東北的變動幅度分別為106.5%、101.2%、71%和7.7%，東部和西部的增長明顯，為典型的經濟發展增長型區域，而東北僅增長了7.7%，為典型的經濟發展滯后型區域，四大分區的人均GDP 增幅呈“東部＞西部＞中部＞東北”的格局特征。從七大分區的人均GDP 變動趨勢看，華東和西南的增幅均超過100%，為典型的經濟發展增長型區域，華中、華北和西北的增幅低于90%；華南和東北的增幅僅為42.3%和7.7%，為典型的經濟發展滯后型區域，七大地區的人均GDP 增幅總體呈現“華東＞西南＞華北＞西北＞華中＞華南＞東北”的格局特征。

表4 2011——2020 年21 個城市人口集聚與人均GDP的變動幅度Table 4 Variation range of population agglomeration and per capita GDP in 21 cities，2011-2020

21 個特大以上城市的人口集聚狀況明顯不一。本文運用泰爾指數測度了不同經濟發展水平下的人口集聚差異，具體結果如表5 所示。從四大分區的測度結果來看，除2020 年外，區域內差異基本維持在0.16——0.17，區域間差異維持在0.05——0.07，泰爾指數維持在0.22——0.24，區域內差異明顯大于區域間差異。東部地區的區域內差異明顯高于其他3 個地區，為典型的人口集聚高差異區域；東北地區的區域內差異最小，為典型的人口集聚低差異區域。四大地區的人口集聚差異總體上呈現“東部≥西部≥中部≥東北”的格局特征。從七大分區的測度結果來看，除2020 年外，區域內差異和區域間差異大致相當，兩者基本都維持在0.11——0.13，且區域內與區域間差異分別呈下降和上升趨勢，泰爾指數維持在0.22——0.24。華東地區的區域內差異明顯高于其他5個地區，為典型的人口集聚高差異區域，其次是西南地區，華北地區和東北地區的區域內差異最小，為典型的人口集聚低差異區域。七大分區的人口集聚 差異總體上呈現“華東≥西南＞華南＞華中＞東北＞華北”的格局特征。

表5 2011——2020 年各地區人口集聚的泰爾指數及其分解Table 5 Theil index and its decomposition of population agglomeration in each region，2011-2020

3.3 城市維度的脫鉤趨勢分析

從21 個特大以上城市脫鉤狀況看（表6），除2020年外，絕大部分城市的脫鉤狀態為“類型1”和“類型2”，各年度脫鉤理想類城市所占比重介于86%——100%，代表性城市包括北京、深圳、東莞、佛山、濟南、上海、杭州、南京、武漢、鄭州、廣州、成都、重慶和昆明等14 個城市，包括6 個超大城市和8 個特大城市，說明這些城市的人口集聚與經濟增長處于最理想的強脫鉤狀態或較理想的弱脫鉤狀態，表現為人口集聚脫鉤效應的優勢城市。具體來說，東莞和南京的脫鉤類型具有明顯的路徑依賴性，其脫鉤狀態始終為最理想的“類型1”，說明這2 個城市在抑制人口集聚的同時實現了人均產值的大幅增長；北京、上海和重慶的脫鉤狀態由“類型2”轉變為“類型1”，即從較理想的弱脫鉤狀態演變為最理想的強脫鉤狀態，說明這3 個城市發生了從“人均產值增速明顯快于人口集聚”的同向增長型到“人口集聚下降、人均產值繼續增長”的單向增長型演變；深圳、佛山、杭州、鄭州、廣州和昆明的脫鉤狀態由“類型1”轉變為“類型2”，即從最理想的強脫鉤狀態演變為較理想的弱脫鉤狀態，說明這6 個城市發生了從“人口集聚下降、人均產值增長”的相向型增長模式到“人口集聚緩慢增長且增速始終低于人均產值”的同向型增長模式演變；濟南、武漢和成都的脫鉤狀態呈現“類型1”和“類型2”的強弱脫鉤交替式演變，總體呈現“下降——上升——下降——上升”的“W”型波動，說明這3 個城市的人口集聚狀況并不穩定，但人均產值始終處于高速增長的理想狀態。

表6 2012——2020 年21 個特大以上城市的脫鉤類型Table 6 Types of decoupling in 21 megacities and above，2012-2020

除2020 年外，天津、長沙、西安、青島、哈爾濱、沈陽和大連的脫鉤狀況至少出現了1 個年度的不理想情形，脫鉤效應欠佳。其中，天津、長沙、西安、青島和哈爾濱均出現了1 個年度的不理想狀態，如天津、長沙和西安分別在2015 年、2018 年和2019 年出現了脫鉤“類型6”的不理想狀態，說明這3 個城市在上述年度的人口集聚增速明顯快于人均產值，出現了擴張負脫鉤的不理想狀態；哈爾濱在2016 年出現了脫鉤“類型4”的強負脫鉤狀態，即在人口集聚上升的同時，人均產值出現了下降趨勢；青島在2019年出現了脫鉤“類型5”的弱負脫鉤狀態，即人均產值的降速明顯快于人口集聚。沈陽和大連的脫鉤狀況出現了多個年度的不理想情形，如沈陽在2014 年、2016 年和2017 年多次出現了“類型5”的弱負脫鉤狀態，大連在2014 年和2016 年分別出現了“類型4”和“類型5”的不理想狀態，在上述年份沈陽和大連的人均產值均呈現下降趨勢，而人口集聚則出現了提升或下降趨勢，人口集聚與經濟增長呈現明顯的不理想狀態。第七次全國人口普查結果顯示，與2019 年以前常住人口的年度小幅波動相比，2020年絕大部分特大以上城市的常住人口均出現了較大波動，受此影響，許多城市2020 年的脫鉤狀態相對于2019 年有了明顯改變。

3.4 區域維度的脫鉤趨勢分析

2012——2020 年各地區的脫鉤類型見表7。

表7 2012——2020 年各地區的脫鉤類型Table 7 Types of decoupling in each region，2012-2020

除2020 年外，四大分區中的西部和中部地區的脫鉤狀態均由“類型1”演變為“類型2”，即由最理想的強脫鉤狀態演變為較理想的弱脫鉤狀態；東部地區在2015 年和2017 年出現了兩次“類型4”的強負脫鉤狀態，即人口集聚快速上升的同時出現了人均產值下降的不理想狀態，表現為典型的人口集聚高速增長與經濟發展滯后型區域；東北地區在2016 年和2017 年分別出現了“強負脫鉤”和“衰退脫鉤”的不理想狀態，即在人口集聚上升或下降的過程中出現了人均產值下降的不理想狀態，表現為典型的經濟發展滯后型區域。

七大分區中，華北、華南、華中和西南地區的脫鉤狀態較好，除2020 年外，上述地區的脫鉤狀態始終為最理想的強脫鉤狀態或較理想的弱脫鉤狀態。其中，華北和西南地區以最理想的強脫鉤狀態為主，表現為典型的人口集聚抑制與經濟發展增長型區域。華南和華中地區以較理想的弱脫鉤狀態為主，表現為典型的人口集聚小幅提升與經濟發展高速增長型區域。華東、東北和西北地區的脫鉤狀態稍差，其中，華東地區在2015 年和2017 年出現了弱負脫鉤的不想理狀態，表現為典型的人口集聚抑制與經濟發展滯后型區域。東北地區在2016 年和2017 年出現了“類型4”和“類型3”的不想理狀態，表現為典型的經濟發展滯后型區域，而西北地區在2019 年出現了擴張負脫鉤的不想理狀態，表現為典型的人口集聚高速增長型區域。受第七次全國人口普查數據出現大幅波動的影響，大部分地區的脫鉤類型在2020 年發生了較大變動。

4 結論、啟示與討論

本文選取我國21 個特大以上城市2011——2020年的面板數據，綜合運用Tapio 脫鉤模型和泰爾指數定量測度了這些城市的人口集聚與經濟增長的內在關系、變動趨勢與脫鉤趨勢。主要結論如下：①人口集聚與經濟增長之間存在明顯的空間異質性和正相關關系，人口集聚對經濟增長的長期影響存在調節效應，當城市常住人口達到超大城市規模時，人口集聚對經濟增長具有顯著的促進作用。②西安和哈爾濱為典型的人口兼GDP強省會特大城市，成都和武漢為典型的GDP 強省會城市。17 個非直轄特大以上城市的省內GDP比重均大于人口比重，這些城市均有一定的人口增長潛力，尤其是長沙、深圳、鄭州、廣州和武漢的增長潛力較大。③特大城市的人口集聚增幅明顯大于超大城市。超大城市中深圳和廣州的人口集聚增幅尤為明顯，特大城市中西安、長沙、鄭州和杭州的人口集聚增幅明顯。四大分區的人口集聚增幅總體呈現“中部＞西部＞東部＞東北”的格局特征，七大分區的人口集聚增幅總體呈現“西北＞華南＞華中＞西南＞華東＞東北＞華北”的格局特征。④超大城市的人均GDP 增幅明顯大于特大城市。重慶、北京、南京、昆明、武漢、上海和成都的人均GDP增幅均超過80%，表現為典型的經濟發展增長型特大以上城市。四大分區中，東部和西部地區的人均GDP 增幅明顯；七大分區中，華東和西南地區的人均GDP增幅明顯，而華南地區尤其是東北地區的人均GDP 增幅較小。⑤大部分城市處于最（較）理想的脫鉤狀態，尤其是北京、深圳、東莞、佛山、濟南、上海、杭州、南京、武漢、鄭州、廣州、成都、重慶和昆明等14 個城市。各年度脫鉤理想類城市所占比重均超過86%，四大分區中西部和中部的脫鉤狀態較好，而七大分區中華北、華南、華中和西南地區的脫鉤狀態較好。

鑒于人口集聚與經濟增長之間存在明顯的空間異質性和正相關關系，且17 個非直轄特大以上城市的省內GDP 比重均大于其人口比重，說明除上海、北京等城市應限制人口戶籍外，其他城市的人口規模仍有較大的擴展空間，應進行合理的規劃引導，重點關注華南、華中和西南地區的特大以上城市，短期內應繼續扶持深圳、廣州、西安、長沙、鄭州、杭州等人口集聚高速增長城市，由于慣性效應，這些城市的人口規模在短期內還會持續增長；中期內要重點支持重慶、南京、昆明、武漢、成都等經濟高速增長城市，由于人口滯后效應，這些城市的人口規模在中期內將會有所增長；長期內應積極挖掘長沙、深圳、鄭州、廣州和武漢等城市的人口潛力，這些城市的省內GDP比重遠大于人口比重，具有較大的人口增長潛力。根據各城市的脫鉤狀況，北京、深圳、東莞、佛山、濟南、上海、杭州、南京、武漢、鄭州、廣州、成都、重慶和昆明等14 個城市的脫鉤狀態較好，可進一步適度擴展這些城市的常住人口規模；天津、長沙、西安、青島、哈爾濱、沈陽和大連的脫鉤狀況至少出現了1 個年度的不理想情形，如天津、長沙和西安應適度控制人口集聚增速，以保證與適宜的經濟增速相協調；東部地區和東北地區的青島、沈陽、大連和哈爾濱應進一步提升經濟增速，以緩解人均產值下降的不利影響。

本文從城市維度和區域維度的視角，深入分析了21 個特大以上城市人口集聚與經濟增長的變動趨勢和脫鉤趨勢，在人口集聚與經濟增長、人口比重與GDP比重、人口集聚增幅與人均GDP增幅的內在關系等方面取得了一些研究成果，為我國特大以上城市制定人口集聚與經濟發展政策提供了參考。但本文也存在一定的局限性，如：本文研究范圍局限于典型的特大以上城市，而沒有涉及一般的地級市；對于不同的特大以上城市，如何結合具體城市特點推動人口集聚與經濟增長的協同發展也較少涉及。未來，我國人口負增長或人口停滯將成為一種普遍現象，人口老齡化趨勢也將更加明顯，GDP增速可能會進一步趨緩，居民收入增長也將相應放緩，消費低迷可能隨之產生，當不能再過度依賴投資和出口時，居民消費勢必會成為制約經濟增長的重要因素。在此背景下，如何更好地促進各特大城市的人口增長？如何更有效地促進各特大城市的居民消費？如何在城市資源有限的前提下優化配置資源？這些將是今后研究的重要課題。