城市人口多中心化影響土地空間錯配的機制及效應

關鍵詞：城市人口多中心；土地空間錯配；土地利用效率；創新水平；調節效應

伴隨著中國城鎮化快速推進，城市內部人口分布格局不斷演化，由城市規模擴大帶來的集聚不經濟逐步顯現。因而，以分散中心區人口壓力、提高城市人口承載力為目標的多中心發展戰略受到學者推崇[1]。城市人口多中心化對于推動城市高質量發展[2]、保障環境可持續性、緩解集聚不經濟與增強經濟效率[3]等具有一定的優勢，但城市多中心建設也引發一些現實矛盾，許多“新城新區”淪為“鬼城空城”[4]，分散化“新城”之間協作困難[5]，聚集效應不明顯。特別是部分低質量多中心建設效率不高，占用大量建設用地，加劇城市土地資源錯配[6]。

鑒于土地資源的合理配置與高效利用對城市可持續發展至關重要，為減輕土地資源的空間錯配、提高土地配置效率，城市發展究竟是應該堅持單中心格局，還是邁向多中心之路？回答這一問題，有必要明晰城市人口多中心化對土地空間錯配的影響機制及具體效應，這對于推動土地資源高效使用和城市高質量發展具有重要意義。

城市內部人口分布格局本質上是人口集聚過程中向心力和離心力動態平衡及相互博弈的結果[7]。最初，產業與人口集聚奠定城市中心發展的基礎，隨著集聚效應發揮，向心力增強，中心區持續吸引更多人口和產業聚集，逐步形成城市單中心格局。之后，城市中心區因要素過度集中而出現聚集不經濟時，其吸引力逐漸削弱，離心力增強，人口等要素逐漸向城市邊緣區擴散，并通過局部空間再集聚形成新的中心。因而，要探討城市人口多中心化對土地資源空間錯配的影響，城市人口中心的界定至關重要[8]。當前，高分辨率遙感影像數據為在精細尺度下識別城市人口中心提供了極大便利。現有研究多以固定人口規模閾值譬如“總人口10萬人”等作為中心的界定標準[1，9]，相對忽略了不同城市人口規模差距較大的現實，導致中心的識別容易出現偏差，可能無法準確刻畫不同城市內部的真實人口分布格局。城市從單中心向多中心的轉變存在復雜性和長期性，選用多維度的多中心化指標較于單一指標更能全面評估城市開發模式的建設成效[9]。

土地資源是城市發展的關鍵要素，但現實中存在明顯的土地空間錯配現象[10]。有關土地空間錯配的文獻較多關注測度方法與形成機制，指出土地空間錯配的本質是資源配置偏離有效配置狀態，其中“有效配置”如何衡量則是一個值得重點關注的問題[11]。土地有效配置受到城市內部人口空間分布影響：一方面城市人口分布直接影響區塊的土地需求，引發土地價格變動[12]；另一方面城市人口分布格局通過改變集聚經濟的外部性，進而影響土地的利用效率[13-14]。土地空間錯配還受到諸多因素的影響，其中行政力量加劇了城市間土地配置的扭曲已是不爭的事實[10]。故而，在既定的土地空間配置情境下，通過政府配套政策優化城市人口分布格局，促進城市人口與土地的高效協調發展顯得尤為重要。

總體來說，現有文獻尚未厘清城市人口多中心化對土地空間錯配的影響機制及效應。邏輯上講，城市人口過度集聚的單中心格局下，由于集聚不經濟的存在，此時推動城市人口多中心化有利于提升經濟效率；當然，過度多中心化會使城市人口分布呈現“扁平化”特征，此時過于松散的人口分布格局又可能削弱集聚經濟強度，造成效率損失[3]。可見，城市內部人口分布可能存在一個適度多中心化的問題。基于此，本文探究城市人口多中心化對土地空間錯配的影響，以考察何種人口分布格局最有利于改善土地空間錯配；同時，分析城市人口規模和官員晉升壓力在人口多中心化影響土地空間錯配效應中所發揮的調節作用。

本文的邊際貢獻在于：（1）構建城市人口多中心化影響土地空間錯配的理論框架，解析適度多中心化對土地空間錯配的緩解作用，呈現城市多中心化影響土地空間錯配的傳導路徑，擴展了該領域的相關研究。（2）使用LandScan人口分布數據并基于改進的城市中心動態閾值識別策略，測算城市人口多中心度，一定程度上避免了固定標準識別方法的缺陷，為準確刻畫城市人口多中心提供新思路。（3）探析城市人口規模、官員晉升壓力的調節作用，并全面審視城市中心數量、中心分散度及中心均衡性等多維指標對土地空間錯配的異質性影響，為科學組織城市多中心建設提供有益參考。

1理論機制

城市人口分布格局的形成是以集聚優勢為核心的“向心力”和擁擠效應所引起的“離散力”共同作用的結果[7]。城市內部人口分布主要通過土地利用效率和技術創新水平兩條路徑對土地空間錯配程度產生影響。對于土地配置過剩的城市來說，土地利用效率提升毋庸置疑是一劑“良方”，能夠激發大量閑置土地的開發利用，減少城市低效閑置土地，緩解土地配置過剩；對于土地配置短缺的城市來講，通過高密度和混合開發等方式推動土地利用效率提高[14]，一定程度上能夠降低對新增土地的需求，從而減緩土地配置短缺問題。城市經濟發展由要素驅動向創新驅動轉變，技術創新在推動經濟增長的同時，還具有彌補資源稀缺和投入替代不足的潛力[15]。土地配置過剩的城市，創新水平提升有利于企業擴大生產和吸引外部企業聚集，產生更多的土地需求，減輕土地配置過剩程度。土地配置短缺的城市，創新水平提升加快創新要素在生產過程中對土地要素的替代，促使科技型企業對傳統制造業替代升級，一定程度上減少土地需求，緩解城市土地配置短缺狀況（圖1）。

1.1城市巨型單中心與土地空間錯配

城市人口分布呈現“巨型單中心”格局，表明人口和產業整體聚集于城市內部的單一中心，中心規模相當可觀且城市內部不存在其他成規模的次中心。這一格局下，中心區過度集聚導致負外部性日益凸顯，城市中心區的土地需求愈發“強烈”，引起土地價格上漲并逐步傳導至房價和工資，致使企業與居民的生產生活成本顯著上升，企業的生產效率、創新積極性受到抑制[13，16]。此時，城市即便已開始多中心化，初步形成的“次中心”在“巨型單中心”強大吸力的影響下，很難形成有效的人口聚集，要素流動受到束縛；由于次中心人口集聚規模較小，往往缺人缺產，城市土地利用效率偏低、創新發展受阻，使得城市土地資源空間錯配現象愈發加劇。

1.2城市過度多中心與土地空間錯配

城市人口“過度多中心”格局下，城市內部不存在一個強有力的人口主中心，各中心之間的界限模糊，人口分布趨于分散化和扁平化。這種分布格局下，主中心的集聚效應被消解殆盡[17]，而局部集聚的次中心又不成規模，中心之間的聯系與協作相對匱乏[8]，城市建設缺乏空間統籌性，大量重復或激進式建設活動頻發，土地資源浪費嚴重，不利于城市整體土地利用效率提升。同時，城市內部要素空間集聚度偏低，資源配置無法實現梯度轉移，各中心間的橫向互補與溢出效應難以形成[18]，經濟互動與分工合作減少[3]，知識外溢效應被削弱，創新水平下降，進一步激化城市產業的用地爭奪，加劇土地資源空間錯配現象。

1.3城市適度多中心與土地空間錯配

城市人口分布呈“適度多中心”格局，意味著城市內部存在一個龍頭地位的主中心以及多個與之密切關聯的成熟次中心[19]，次中心不僅不會削弱主中心的輻射效應，還能夠適度吸引分散于主中心之外的人口，加快要素的空間流動與重組[2，18]。這一分布格局下，主中心的“優勝劣汰”有力推動著城市內部產業的重新布局，促使土地需求較大的傳統制造業外遷，外圍各個次中心依據自身比較優勢承接來自中心區的產業轉移，形成清晰的產業分工，促使土地利用效率提升；同時，次中心規模不斷壯大，人口“局部聚集”帶動基礎設施建設與服務業發展，產業構成得以不斷調適，進一步促進土地高效利用[13]。此外，各個次中心作為城市要素交流的關鍵節點，為企業提供了與主中心聯系緊密且地價適當的區位選擇[13]，有利于企業靈活選址以降低用地成本，增加創新投入[20]，提高創新能力；城市內部中心節點間產業關聯性增強，有助于企業間共享中間投入品，促進知識溢出[21]，提升創新水平。在適度多中心格局下，成熟次中心聚集著一定規模的人口與產業，也有利于發揮共享、匹配與學習的正外部性，推動土地利用效率提升及企業創新的主動性增強[9，13]，緩解土地空間錯配。

2研究設計

2.1模型構建

2.1.1影響效應的計量模型設定

上述三種城市人口分布格局對應著人口多中心化的不同程度，為解析城市人口多中心化對土地空間錯配的影響效應，設定基準回歸模型為：

式（1）中：土地空間錯配（λi，t）作為被解釋變量；核心解釋變量polyi，t-1表示城市i在t-1年的人口多中心度。同時為了考察城市人口多中心度對土地空間錯配的影響是否存在非線性特征，在模型中加入城市人口多中心度的二次項poly2i，t-1；Xi，t是控制變量集；ξt為時間固定效應；εi，t為隨機誤差項；β0為常數項；β1為城市人口多中心度的系數；β2為城市人口多中心度二次項的系數；δj為控制變量的系數。考慮到城市多中心化的影響可能存在滯后性，將相關解釋變量滯后一期，以緩解潛在的內生性。

2.1.2調節效應模型設定

有研究指出：多中心化是緩解大城市“擁擠效應”的有效策略[22]，中小城市實行多中心發展策略不但易削弱原有城市中心的集聚效應，還可能由于次中心規模普遍偏小、吸引力較弱，產業發展受阻和生產率下降，出現土地過度配置現象。此外，我國城市空間結構的形成很大程度上受行政主導的影響[23]，地方政府官員為應對上級考核壓力實施“圈地造城”活動，引致“空城鬼城”現象頻發[4，24]，不僅導致城市資源閑置與浪費，還稀釋城市主中心的聚集效應[23]，對于緩解土地空間錯配現象極為不利。為此，需檢驗城市人口規模與地方官員晉升壓力在城市人口多中心化影響土地空間錯配效應中的調節作用。

為研判調節變量是否改變城市人口多中心度影響土地空間錯配的方向，參考江艇[25]和董維維等[26]的見解，選取簡化的線性調節模型①如下：

式（2）中：Mi，t為調節變量，分別為城市人口規模（size）和官員晉升壓力（ps）；polyi，t-1×Mi，t為城市人口多中心度與調節變量的交互項；β3為調節變量的系數；β4為交互項的系數；其他字母含義同式（1）。

2.2變量說明

2.2.1被解釋變量

土地空間錯配程度（λ）。參照已有研究[27]，將土地要素納入C-D生產函數中，通過分析要素配置與價格扭曲之間的關系，計算競爭均衡條件下的錯配指數。當錯配指數大于1，表明存在配置過剩；錯配指數小于1，則表現為配置短缺。土地空間錯配程度由錯配指數與1差值的絕對值表示，該數值越小，表明錯配程度越低。

式（3）中：Ri，t表示城市i在t年的土地投入量；Rt為t年所有樣本城市土地投入的總量，土地投入以城市建設用地面積衡量；Si，t=Yi，t/Yt表示城市i在t年的經濟產出份額，經濟產出以2003年為基期的城市實際GDP表示；i，tc表示土地彈性，通過C-D生產函數求得，其中資本存量借鑒單豪杰[28]的方法計算得到；tc表示加權平均土地彈性，以各城市經濟產出份額為權重，通過加權計算得到tSi，ti，tc=/c。

2.2.2主要解釋變量

（1）城市人口多中心度（poly）。利用LandScan人口分布數據，以城市全部次中心人口數占所有中心人口數比重來反映。關于人口主/次中心的設定標準為[1]：人口密度呈“高高”集聚模式、土地面積較大且總人口數較多。首先運用局部空間統計法計算LandScan數據中各個柵格的局部Moran’sI，保留城市內部人口“高高”集聚、土地面積不少于3km2的成面柵格集群。現有研究關于“總人口數較多”的標準②存在一定局限性，我國城市規模分布的扁平化趨勢[29]使得這種固定標準的篩選方法并不適用于所有城市。對于小城市，該方法可能難以識別出有效中心；對于中等規模城市，則可能無法準確識別次中心。故而，本文采用“動態”篩選標準，先利用人口“高高”集聚和土地面積標準篩選得到柵格集群，計算全部城市柵格集群人口數量的均值，若成面柵格集群所含人口數量超過均值，則該成面柵格集群可被視為中心。

采用上述方法，識別出2002—2020年273個城市的人口中心，其中規模最大的作為主中心，其他剩余中心視為次中心。城市人口多中心度以全部次中心人口數（popsub）占所有中心人口的比重代表，所有中心人口數為全部次中心人口數與主中心人口數（popmain）的總和。計算公式為：

次中心人口占比越高，表明城市人口多中心化程度越顯著。對于單一中心的城市，即只識別到一個中心的情況，城市多中心度的值設為0。

（2）城市人口多中心化的其他維度指標。①中心數量（count），采用中心識別得到的中心個數并取自然對數來衡量。②中心均衡性（banlance），計算城市內所有中心人口密度的Theil指數來衡量，數值越小表明城市中心間人口密度差距越小，人口分布越趨于扁平化，反之，則表明城市人口分布特征越趨于單中心。③中心分散度（disperse），以次中心到主中心平均地理距離與城市行政區域周長的比值來衡量，數值越大表明中心的分布越分散，反之，則越緊湊。

2.2.3控制變量

為了有效剝離出城市人口多中心化對土地空間錯配的影響效應，避免遺漏變量偏誤，選取以下控制變量。（1）財政壓力（pre）：采用地方財政一般預算收入占GDP的比重來衡量，地方政府財政壓力越大，越偏向于出售土地來拓展財政收入，加劇土地的空間錯配。（2）基礎設施水平（pave）：采用人均道路面積衡量。在基礎設施完備的城市，土地開發成本低，可能幫助緩解土地錯配。（3）對外開放程度（open）：采用當年地方政府實際利用外資與GDP的比值予以衡量。外資兼具經濟效益和溢出效應，對政府土地資源配置決策產生重要影響。（4）工業用地價格（landprice）：采用城市工礦倉儲用地①的平均價格衡量。工業用地價格扭曲容易導致無序引資和工業用地超量供應，加劇土地資源的空間錯配。（5）教育投入水平（edu）：以教育支出占財政一般預算支出的比例衡量。教育投入增加意味著人力資本積累和質量提升，可能改變土地需求與利用方式，影響土地空間錯配程度。

2.2.4工具變量

因雙向因果性、遺漏變量偏差等原因可能造成內生性問題，故需要構造城市人口多中心度的工具變量。選擇城市明朝時期的驛站數量（stagenum）作為截面變異，選擇美元對人民幣匯率的倒數作為時變外生變異，以兩者的乘積構建城市人口多中心度的面板形式工具變量（stagenum×rate）。截面變異部分選用明朝時期的驛站數量[2]，運輸成本是影響區域內形成多個城市的關鍵要素[2]，中國古代的經濟發展和交通基礎設施相對滯后，驛站作為通信和交通的主要途徑，有效地降低了運輸成本；歷史的延續性意味著過去就建有驛站或驛站更多的城市可能憑借其優越的稟賦，在現在也更容易發展出多中心結構。時變外生變異來源選取美元對人民幣匯率的倒數，因為對外開放和出口貿易對人口空間分布可能產生顯著影響[30]，匯率變動影響市場與就業需求，匯率升高促使勞動密集型產業向用工成本更低的地區轉移，進而帶動城市人口多中心格局形成[31]。

2.2.5機制變量

（1）土地利用效率（landef）。采用規模報酬不變的超效率SBM-Undesirable模型測算涵蓋非期望性產出的土地利用效率，同時將傳統SBM-Undesirable模型的測算結果作為替代變量用于穩健性檢驗。投入層面：土地投入用城市建設用地面積代表，資本投入為處理后的資本存量，勞動力投入采用城市從業人員總數。產出指標選取可比價地區生產總值、財政一般預算收入和城市PM2.5濃度②來代表。（2）城市創新水平（innov）。選取城市人均專利授權數衡量，同時將城市人均專利申請受理數作為替代變量用于穩健性檢驗。

2.2.6調節變量

（1）城市人口規模（size），使用城市年末總人口數（104人）來衡量。（2）官員晉升壓力（ps），依據地區可比性原則，從GDP增長率、財政盈余及失業率三個維度構建官員晉升壓力指數[32]，該指數越大，意味著官員考核壓力越大；為契合官員考評的通常規則，將晉升壓力滯后一期。此外，為避免交互作用的影響被過度放大，對城市人口規模和官員晉升壓力均取對數處理。

2.3數據來源與描述

研究時段設定為2003—2021年，城市人口多中心化以及官員晉升壓力的數據跨度為2002—2020年，其他變量的數據跨度為2003—2021年。由于行政區劃調整和統計數據口徑的變化，以2019年國家行政區劃代碼為基準進行統一調整。同時剔除在研究期間數據缺失較多的地級市，最終選定273個地級以上城市作為研究樣本。

除上述指明來源的數據外，本文所用數據主要來源于《中國城市統計年鑒》以及各城市統計年鑒與統計公報。采用插值法補充部分缺失或異常數據。相關變量的描述性統計量詳見表1。

3實證分析結果

3.1城市人口多中心化對土地空間錯配的影響

3.1.1基準回歸結果

基準回歸模型估計結果見表2所示。在1%的顯著性水平下，列（1）為未引入控制變量，列（2）為添加控制變量，城市人口多中心度的系數均顯著為負。列（3）和列（4）進一步反映了城市人口多中心度對土地空間錯配的非線性影響，無論是否納入控制變量，城市人口多中心度的一次項系數顯著為負，二次項系數顯著為正，意味著其對土地空間錯配的影響呈現出起初緩解、而后加劇的“U”型特征。以列（4）的回歸結果為例，拐點（poly=0.533）位于城市人口多中心度取值范圍［0，0.915］之內。

3.1.2內生性檢驗

采用兩階段最小二乘估計（TSLS）以緩解內生性問題。表3中列（1）—列（4）呈現了第二階段的估計結果，分別與基準回歸的兩個模型相對應；列（5）—列（6）則分別展示了第一階段的回歸結果。第一階段與第二階段回歸結果的系數符號均與預設假定相符。此外，內生變量的弱工具變量檢驗Cragg-DonaldWaldF（CDWF）值統計量皆大于10，拒絕了“存在弱工具變量”的原假設；K-PaaprkLM（KPrkLM）統計量的值大于臨界值，滿足工具變量的可識別性，所選工具變量具有一定合理性。

3.1.3穩健性檢驗

為驗證基準回歸結果的穩健性，選取以下方式展開穩健性檢驗。（1）替換被解釋變量。借鑒彭山桂等[33]的方法，從資本—土地、人口—土地協調關系的視角測算土地空間錯配程度，記為λ_1。（2）替換核心解釋變量。①構建考慮中心間地理距離的城市人口多中心度指數[12]；②借助整合的夜間燈光數據[34]，同樣采用局部空間統計法，保留符合“燈光高高集聚”和土地面積標準的成面柵格集群，進一步統計燈光柵格集群聚合面所含的人口數量，再以動態標準識別城市中心，根據式（4）計算城市人口多中心度指數。（3）剔除部分城市樣本。受“強省會戰略”及城市前期發展優勢的影響，四大直轄市與省會城市通常成為資本和政策等資源的匯聚之所，為此剔除這些較特殊城市再開展估計。（4）剔除異常年份的估計結果。2020年起，城市經濟活動、土地使用模式以及人口分布格局等受新冠疫情沖擊夾雜異常變動，故剔除這段時期的數據后再進行估計。穩健性檢驗結果（表4）顯示，城市人口多中心度對土地空間錯配程度的影響仍呈現出明顯的“U”型特征，核心結論穩健。

3.2城市人口多中心化多維特征的影響效應

進一步將城市中心數量、中心均衡性和中心分散度三個指標納入實證分析，細致地回答什么樣的城市人口多中心化最有利于減輕土地空間錯配程度，估計結果見表5。列（1）—列（2）的結果表明，城市中心的數量越多，土地空間錯配程度越低，即新中心的形成有利于緩解土地空間錯配，但過多的中心數也可能導致土地空間錯配程度加重，土地空間錯配程度伴隨中心數量的增多呈現先減輕后加重的“U”型關系。列（3）和列（4）分別考察了中心均衡性和中心分散度對土地空間錯配的影響，系數均在1%水平下通過顯著性檢驗。城市人口分布的單中心特征越顯著，土地空間錯配的程度越嚴重，與理論分析中巨型單中心格局不利于緩解土地空間錯配相符，但列（4）的結果表明：中心間分布越分散，錯配程度越弱，這與理論分析中的預期不完全吻合。列（5）綜合考量了三個城市人口多中心化指標①的共同作用效果，系數符號與單一影響結果一致。

在列（4）基礎上引入城市人口多中心度與中心分散度的交互項，如列（6）所示。結果顯示：中心分散度的系數依然顯著為負，但交互項系數顯著為正，表明當城市人口多中心度超過0.632時，中心分散度的提升會加劇土地空間錯配。可見，理論分析中的“適度多中心”格局意味著次中心的人口占比不應超過六成，否則將導致“過度多中心”。如此才能保證主中心的整體集聚地位不被動搖，也使次中心得以規避因鄰近大規模主中心，遭受來自主中心的虹吸效應與空間剝奪影響[34]。同時，適度多中心化格局下，主次中心間聯系緊密，次中心離主中心稍遠也能被納入城市網絡體系之中，便于從主中心“借用”集聚經濟的規模優勢實現自身發展。可見，主中心、次中心保持適宜距離有利于緩解土地空間錯配。

4拓展分析

4.1中介機制檢驗結果

將土地利用效率和城市創新水平作為中介變量，檢驗城市人口多中心度作用于土地空間錯配的機制，表6列（1）—列（4）的結果呈現了城市人口多中心度對土地利用效率、城市創新水平所帶來的影響。具體而言，城市人口多中心度的一次項系數顯著為正，二次項系數顯著為負，表明隨著城市人口多中心度的提升，土地利用效率和城市創新水平均呈現出倒“U”型變化趨勢。這一結果與理論分析中有關城市人口分布格局和土地資源錯配的解析相呼應，城市從過度集聚的巨型單中心向過度分散的多中心格局演變的過程中，城市的土地利用效率和創新水平先上升后下降。適度的人口多中心化格局能夠促進要素的流動與重組，人口在“鬼城空城”的“再集聚”有利于城市土地供需實現平衡，助力城市發展成為功能分工明確、中心之間相互協同的共同體，實現城市創新水平的提升及土地資源高效利用，降低土地空間錯配程度。結合土地利用效率、創新水平提升與土地空間錯配程度減弱之間的負向關聯性，可清晰呈現出城市人口多中心度提升先緩解后加劇城市土地空間錯配的原因，即“U”型影響的成因。

4.2調節效應分析結果

借助模型（2）考察城市人口規模和官員晉升壓力的調節作用，結果見表7。在回歸結果（表7）的基礎上，進一步繪制城市人口多中心度對土地空間錯配的影響系數隨城市人口規模、官員晉升壓力變化的趨勢圖，以直觀反映調節效果，結果見圖2。

表7列（1）—列（2）顯示，加入城市人口多中心度與城市人口規模的交互項后，人口多中心度的系數在1%水平上顯著為正，而交互項顯著為負。以加入控制變量的列（2）和圖2（a）為例，計算出城市人口多中心度對土地空間錯配產生積極影響的人口規模閾值為150.471萬人，當城市人口規模低于該閾值，城市人口多中心度對土地空間錯配程度的影響系數為正值，即小城市的人口多中心化會加劇土地空間錯配程度；當超過該閾值，城市人口多中心度對錯配的影響系數變為負值，即大城市多中心化能夠緩解土地空間錯配。

表7列（3）—列（4）和圖2（b）顯示了官員晉升壓力的調節作用，城市人口多中心度的系數顯著為負，而交互項顯著為正。當官員晉升壓力較低時，城市人口多中心度有利于緩解土地空間錯配；隨著官員晉升壓力的增大乃至超過臨界點，人口多中心度的影響系數由負轉正，此時，城市人口多中心化反而加劇了土地空間錯配現象。因為出于政績訴求和晉升壓力，地方官員傾向于選擇顯性政績，力求在短期內實現跨越式發展，為此，設立新城新區成為彰顯政績與實現晉升最為直接的選擇[4]。從短期來看，新城新區建設或許帶來一定的投資，但脫離實際的需求會成為城市健康可持續發展的隱患。因此，地方政府官員的晉升壓力越大，越不利于發揮城市人口多中心化對土地空間錯配的緩解效應。

4.3地區異質性分析

考慮到中國區域發展的不平衡性，將城市樣本按四大地區①分組，探討城市人口多中心化影響土地空間錯配的地區異質性。表8的列（1）—列（4）表明，四大地區的城市人口多中心化影響土地空間錯配的效果存在顯著差異，東部、西部和東北城市均呈現出典型的“U”型特征，其中，東部城市在“U”型左右兩段的分布較為均衡，西部多數城市位于“U”型左半段，東北多數城市位于右半段。而中部城市人口多中心化影響土地空間錯配的效果雖也通過“U”型特征的顯著性檢驗，但其實拐點超過人口多中心度的取值上限，因而，中部地區全部城市都位于“U”型左半段，這意味著中部城市人口多中心化有利于緩解土地空間錯配。

5結論與啟示

土地資源配置是權衡“效率”與“公平”的產物，本文從城市內部人口分布視角探究城市人口多中心化對土地空間錯配的影響效應及作用路徑，利用我國273個地級以上城市2003—2021年的面板數據，針對兩者之間的“U”型關系及內在機制進行實證考察，并探析城市人口規模和官員晉升壓力的調節效應，得到以下主要結論：（1）城市人口多中心度與土地空間錯配程度之間存在顯著的“U”型關系，伴隨城市人口多中心度的提升，土地空間錯配程度呈現出先減輕后加重的態勢。（2）城市人口多中心化通過土地利用效率、城市創新水平等路徑作用于土地空間錯配，適度的人口多中心格局能夠促進土地利用效率、城市創新水平提升從而減輕土地空間錯配；但人口過度集聚的單中心化與過度分散的多中心化抑制土地利用效率和城市創新水平的提升，并加劇土地空間錯配。（3）城市人口多中心化對土地空間錯配的影響效應受到城市人口規模、官員晉升壓力的調節作用，大城市的多中心化是緩解土地空間錯配的有益抉擇，過大的官員晉升壓力往往抑制人口多中心化對土地空間錯配的改善效果。（4）構建城市多中心格局的進程中，適度的中心數量與中心分散度有利于緩解土地空間錯配，中心間不均衡則加劇土地空間錯配。

基于以上結論，得到以下政策啟示。

（1）鞏固城市主中心的“引領”地位，堅持緊湊型城市發展模式。城市人口多中心化并非一把“萬能之匙”，在推動城市多中心發展過程中應圍繞主中心打造核心功能區，并基于梯度原則配置次中心功能，打造主次中心間功能互補的空間模式；摒棄傳統“有城無產”或“有產無城”的郊區建設模式，實現人口和產業融合，建設存在支柱產業、人居環境優良的綜合性功能中心；規避城市“攤大餅”式多中心蔓延，防止扁平化多中心的出現，削弱主中心的集聚與輻射效應；通過交通基礎設施促進中心間的良性互動，形成網絡化的城市空間格局，增強對土地資源配置的正向牽引力。

（2）推動城市經濟能級提升，打造集約創新型城市發展模式。地方政府要深化土地使用制度改革，以價格機制為基礎，出臺反映地塊價值的土地補償評估標準，最大化土地的產出效益；加強對大規模土地開發的調控，盤活閑置土地和低效存量建設用地，并通過提高建筑密度和實施容積率管制等方式，推動土地利用向集約、循環、高效方向發展，優化城市土地配置結構。引導資本、技術等向城市主中心集聚，推動主中心形成以高端制造業、生產性服務業為主的產業格局；同時強化科技創新網絡，助力創新要素在城市內部有序流動與合理配置，促進技術擴散與知識外溢，激發創新活力。

（3）市場主導與政府引導相結合，因地制宜選擇城市發展模式。城市人口分布格局的優化離不開政府的整體規劃，地方政府應根據城市人口變動趨勢，科學規劃城市空間，弱化官員晉升機制中以GDP為主要目標的績效考核，避免新城建設偏離實際需求而加劇土地資源錯配。依據城市自身特征選擇適宜的發展模式，對于尚未達到特定規模的中小城市，應繼續堅持緊湊型單中心模式，避免過早追求多中心化發展，使城市發展與實際需求脫節，引致“孤城”“空城”等現象的出現。對于大城市，在不損害集聚經濟的前提下，有序推進多中心化發展，合理布局居住、就業、教育、衛生等公共服務設施，引導居民向外遷移，降低主中心過度集聚的負面影響，促進中心間的協調發展。

本文圍繞城市多中心化及其多維特征開展測度與實證分析，采用的方法還無法對諸如城市單核、雙核等特定人口分布模式進行深入刻畫；此外，在未來界定和識別城市中心時，除LandScan人口分布數據和夜間燈光數據外，還可結合體現人口活力的POI數據等，更為細致地呈現城市人口分布特征，提升研究的精細度和豐富度。