“中心開花”需時日：空間結構對區域經濟發展的影響

楊宏昌 戴宏偉

收稿日期：2023-02-21修回日期：2023-04-19

基金項目：北京市社會科學基金重大項目（20ZDA31）

作者簡介：楊宏昌（1992—），男，山東曹縣人，中央財經大學經濟學院博士研究生，研究方向為區域經濟發展與政策；戴宏偉（1967—），男，河北定州人，博士，中央財經大學經濟學院教授、博士生導師，研究方向為城市創新與區域發展。本文通訊作者：戴宏偉。

摘 要：利用中國19個城市群面板數據，基于多維指標測度城市綜合規模并估算城市群空間結構，進一步識別空間結構對城市群經濟發展的影響。研究發現，總體上單中心結構顯著促進城市群經濟發展水平提升；異質性分析表明，在城市化率、經濟發展水平或創新水平均較高的城市群中，單中心結構對城市群經濟發展具有顯著正向影響；分區域來看，在東部和東北地區，多中心結構顯著促進城市群經濟發展，而在中部和西部地區，單中心結構則更有利于城市群經濟發展。上述結果說明我國實現城市群的“中心開花”，即由單中心轉向多中心、多層級網絡型城市群尚需各方共同努力。

關鍵詞：城市群；空間結構；單中心；多中心；區域經濟發展

DOI：10.6049/kjjbydc.2023020462

開放科學（資源服務）標識碼（OSID）開放科學（資源服務）標識碼（OSID）：

中圖分類號：F290

文獻標識碼：A

文章編號：1001-7348（2024）03-0064-10

0 引言

中共二十大報告指出，要深入實施區域協調發展戰略、區域重大戰略、主體功能區戰略和新型城鎮化戰略，而城市群既是區域協調發展和區域重大戰略實施的著力點，也是我國主體功能區戰略、新型城鎮化戰略的重要組成部分。相關數據顯示，截至2020年底我國19個城市群GDP總量約占全國GDP總量的88.97%。其中，京津冀、長三角和珠三角三大城市群GDP總量約占全國GDP總量的38.87%，意味著我國城鎮化已經邁入一個新發展階段。我國“十四五”規劃也明確強調，要進一步“優化城市群內部空間結構……形成多中心、多層級、多節點的網絡型城市群”，說明合理確定城市規模，培育多中心空間結構，帶動區域協調發展、高質量發展，已經成為我國未來城市群建設的主要方向。這一方面需要進一步明晰我國城市群空間結構特征，另一方面也需要根據實際情況，分析空間結構特征對城市群經濟發展的影響。

根據城市規模和功能等特點，國內外學者將城市群空間結構劃分為單中心結構（Monocentric Structure）和多中心結構（Polycentric Structure），并指出城市群空間結構隨著城市群規模擴張和城市經濟發展不斷演變^[1-3]。這是因為在城市群發展的初期階段，勞動、資本以及其它生產要素會自發地聚集在中心城市，促使中心城市發揮集聚經濟優勢并帶領周邊地區經濟發展^[4-5]，此階段的城市群可能表現為單中心結構。隨著城市發展，各種生產要素持續涌入，導致中心城市逐漸出現要素過度集聚，致使要素利用率降低并出現集聚不經濟^[6-7]，此階段的城市群可能由單中心結構向多中心結構演化。由此便引發一個令人深思的問題：我國地域遼闊并存在較大地區差異，城市群是單中心城市集聚即單中心空間結構更有效率？還是多中心城市分散—集聚即多中心結構更有利于城市群經濟發展水平提高？

目前，國內外部分學者對城市群空間結構與經濟發展關系進行了探索，但是尚未得出一致結論。此外，現有研究僅以城市人口或就業人數等單一指標衡量城市規模，并以此計算城市群空間結構指數^[3-6]，從而導致空間結構計算結果偏誤。這是因為人口或就業人數并不能反映真實的城市規模^[7]，克里斯塔勒^[8]也曾指出，僅用人口規模難以反映一個城市的中心性。因此，需要構建一個能夠反映城市規模的綜合指標，進而精確地評估城市群空間結構狀態，這也是本文與其它研究的區別之處。因此，與已有研究相比，本文的邊際貢獻體現在：第一，通過測算城市綜合規模，拓展傳統的位序規模法，進而估算城市群空間結構指數，考察不同城市群空間結構演變規律。關于空間結構測算，傳統方法是選用人口或者就業人數衡量城市規模并排序，然后基于位序規模法估算城市群空間結構，而本文則是先使用多個指標測算城市綜合規模并排序，然后基于位序規模法估算城市群空間結構，擴展了傳統位序規模法。第二，通過構造綜合工具變量，識別空間結構對城市群經濟發展的影響效應，進一步從城市群發展程度和地區分布兩個方面分別探討空間結構對區域經濟發展的影響。

1 文獻綜述

1.1 中心城市影響區域發展的機理

城市群多中心空間結構是指在一個城市群區域內，依據城市規模和職能，存在多個物理上彼此分離的中心城市，各中心城市之間不具有從屬關系，但共同引領區域經濟發展，如山東半島城市群、粵閩浙沿海城市群、珠三角城市群等。城市群單中心空間結構是指在一定的城市群范圍內，依據城市規模和職能，僅存在一個中心城市，該中心居于主導地位并引領區域經濟發展，其它城市則處于從屬地位。在城市群內部，中心城市的重要性在于其具有雄厚的要素積累、先進的產業結構以及完善的基礎設施，從而成為城市群增長極，進而通過經濟集聚的外溢效應，如知識外溢、要素擴散以及服務共享等途徑帶動周邊其它城市經濟發展^[9-10]。如靠近中心城市的中小城市可以獲得與中心城市相似的發展特征^[11]。盡管中心城市可以在外溢效應和擴散作用下帶動其它城市經濟發展，但是這種集聚的外溢效應會隨距離增大而衰減^[12-13]，從而導致距離中心城市偏遠的其它城市很難享受中心城市溢出或擴散的紅利。根據中心地理論^[8]，最優城市體系是由一系列非中心城市圍繞一個中心城市組成的群體，各城市是相互依存、共同發展的關系。在該城市體系下，非中心城市與中心城市之間存在一定距離要求。距離太近，非中心城市會因中心城市的強大吸引力而難以得到充分發展；距離太遠，非中心城市難以享受中心城市集聚效應外溢的紅利。在最優空間均衡中，非中心城市與中心城市構成以中心城市為核心的正六邊形，而處于六邊形范圍之外的其它城市很難享受到中心城市的帶動作用。此外，勞動、資本等生產要素持續向單中心集聚，也會引發集聚不經濟問題，導致生產要素利用效率受損^[14-15]，此時就需要促進中心城市的要素、產業向其它城市擴散，引導城市群形成多中心結構。因此，在城市群不同發展階段，合理確定城市規模，引導城市群形成不同的空間結構如單中心結構或多中心結構，有利于提高中心城市對城市群經濟發展的帶動效應。

1.2 單中心結構與多中心結構發展模式之爭

到目前為止，關于城市群多中心結構與單中心結構中哪種空間結構更有利于帶動城市群經濟增長的問題，學術界仍未得出一致結論。一方面，部分學者探討了多中心空間結構的有效性。如Premus^[16]通過研究荷蘭中部城市群區域，指出該區域保持強勁的發展勢頭主要得益于四大中心城市的推動，即多中結構促進城市群整體經濟實力提升；Meijers & Burger^[17]使用位序規模法，測算美國大都市區空間結構，指出多中心空間結構產生更高的勞動生產率，這是因為與單中心結構相比，多中心結構既避免了集聚不經濟，又享有集聚外部性益處——可以在本區域城市間共享；Veneri & Burgalassi^[2]利用人口規模數據和位序規模法，計算意大利城市群空間結構，發現多中心空間結構能夠顯著提高城市群生產力；Brezzi&Veneri^[18]也進一步基于經合組織（OCED）各國家人口數據測算各國空間結構，發現在國家層面，多中心結構顯著促進人均GDP提高。國內學者戴宏偉和宋曉東^[19]從城市功能角度，探討京津冀城市群各城市發展問題，指出，北京作為京津冀的經濟中心，限制了首都其它職能的發揮，北京需向周圍疏解經濟職能，打造區域多中心結構，以使其更有利于經濟發展；苗洪亮等^[20]、孫斌棟等^[21]以及其它學者分別基于中國部分城市群樣本，利用城市人口數據和位序規模法測算城市群空間結構，發現城市群多中心結構可以促進經濟績效提升。

另一方面，也有學者對城市群多中心結構提出質疑，認為單中心結構可能更有效。這是因為單中心結構可以促使中心城市更易于獲得規模經濟，有利于中心城市充分發揮集聚經濟優勢并帶動區域經濟發展，而多中心結構會導致生產要素分散，削弱生產要素的規模經濟效益。如Meijers^[22]發現，荷蘭的單中心結構明顯促進娛樂和文化設施增多，提高了大城市基礎設施利用率，而多中心結構的經濟效果有待進一步驗證。同時，Meijers & Sandberg^[6]的進一步研究指出，多中心結構與經濟增長只有統計上的相關性而不具有因果關系，因此還有待進一步獲取支持多中心結構更有效的經驗證據。從國內學術界來看，如袁志剛和邵挺^[23]、陸銘等^[24]均認為，當前我國大城市發展規模不足，不利于大城市生產效率提升，而中小城市過多，分散了區域內生產要素，導致城市的經濟集聚能力不足，這意味著對于我國而言，城市群呈單中心結構發展可能比較有效；王妤和孫斌棟^[25]從收入差距角度探討單中心結構益處，認為單中心空間結構可以縮小城市間收入差距，這得益于中心城市通過擴散效應、外溢效應等帶動周圍中小城經濟發展；李銘等^[26]探討了空間結構對省域經濟的帶動作用，指出在單中心結構省份，省會城市通過要素擴散、知識外溢等作用對區域經濟發揮強勁的帶動作用；張可云和張江^[27]研究發現，在我國中部與西部地區，單中心結構有利于促進綠色生產率提升。也有學者認為，在不同的地理尺度上空間結構對經濟績效的影響可能不同，如在市域尺度上單中心有利于促進經濟增長，而在更大的省域尺度上可能多中心更能促進經濟增長^[7]。

綜上所述，已有文獻從不同角度探討城市群空間結構對經濟績效的影響，但究竟是單中心結構還是多中心結構更有利于城市群經濟績效提升尚待進一步探討。同時，大多數文獻對城市群的選擇缺乏客觀標準，或是出于主觀意愿，或是偏重地方政策導向，并且僅使用人口規模、就業規模等單一指標測算城市群空間結構，這都可能造成空間結構測算不準確，進而導致研究結論可信度不高。因此，本文認為應該采用更精確的方法衡量城市規模并測算城市群空間結構，進而考察究竟是單中心結構還是多中心結構更能促進城市群經濟發展。本文以我國“十四五”規劃提及的19個城市群為研究對象，在一定程度上避免城市群樣本選擇的主觀性，并基于城市層面的多個指標數據，測算城市綜合規模以及19個城市群的空間結構指數，進一步利用工具變量法識別城市群空間結構對經濟發展的影響。

2 研究設計

2.1 城市群空間結構測度

參考Meijers＆Burger^[7]以及張浩然、衣保中^[3]等的方法，本文使用位序規模法測算我國19個城市群的空間結構指數，具體算法如下：

lnscal_c=β－polylnR_c（1）

其中，scal_c為城市c的綜合規模，β為常數項，poly為城市群空間結構指數，R_c為城市c在城市群中的綜合規模排序。參考文獻中的常用做法，若poly≥1，則認為城市群為單中心空間結構；若poly<1，則認為城市群為多中心空間結構。

對于城市綜合規模的測量，借鑒李國平等^[28]和姜海寧等^[29]的方法，選用城市群各城市人口規模（pop）、生產總值（gdp）、轄區面積（land）、全市科學技術支出（sciexp）和全市教育支出（edu）共5個指標，從5個維度計算城市綜合規模得分。具體計算方式如下：

這里，scal_c表示城市c在城市群中的綜合規模，反映城市c在城市群中的相對人口規模、相對經濟規模、相對土地規模以及對科學技術和教育事業的相對重視程度等特征，因而綜合規模指標是對城市規模較為精確的測量。將測算的城市綜合規模數值代入方程（1），對19個城市群分別進行估計，就可以得到19個城市群的空間結構指數。各城市群空間結構指數及空間結構特征見表1所示。需要指出的是，表1分別展示19個城市群2001年、2010年和2020年空間結構指數，其中，最后一列為依據2020年19個城市群空間結構指數以及各城市綜合規模篩選出的中心城市。

表1結果顯示， 2001—2020年隨著城市化推進，我國各城市群空間結構均發生明顯改變。具體來說，大多數城市群空間結構呈現出U型變化特征，如珠三角、遼中南、山東半島、關中平原、山西中部、長江中游、蘭州—西寧和寧夏沿黃等城市群。此外，一部分城市群從典型的單中心結構演變為多中心結構，如長三角、呼包鄂榆和黔中城市群，而另一部分城市群則是從典型的多中心結構演變為單中心結構，如北部灣、中原和天山北坡等城市群。從2020年的測算結果來看，呈現多中心結構的城市群大多位于我國較發達的東部沿海地區，而單中心結構的城市群除京津冀外，幾乎都位于我國中部或西部欠發達地區，這意味著城市群空間結構與區域經濟發展可能存在一定關系，為進一步的計量研究奠定了初步分析基礎。

2.2 計量模型與指標選擇

參考已有文獻做法，本文采用經典OLS估計模型，估計城市群空間結構對經濟發展的影響效應。模型設定如下：

Inqz_gdp_it=δ₀+δ₁Inpoly_it+InControl_itλ'+ρ_i+ω_t+ε_it（3）

式中的i表示城市群，t表示年份。qz_gdp_it代表城市群經濟發展水平；poly_it代表城市群空間結構，是本文核心解釋變量；Control_it表示城市群層面的控制變量組；δ₁為估計參數，反映城市群空間結構對區域經濟發展的影響效應；ρ_i表示城市群固定效應；ω_t表示時間固定效應；ε_it表示隨機擾動項。相關指標具體說明如下：

（1）城市群經濟發展水平（qz_gdp）。使用城市群各城市GDP加權平均值作為經濟發展的衡量指標，其中，權重為各城市GDP與城市群各城市GDP總值的比例。計算方式為：

其中，gdp為城市經濟規模，qz_gdp為城市群各城市GDP的加權平均值。

（2）城市群空間結構（poly）。城市群空間結構指標由上文測算得出。

（3）控制變量（Control）。計量使用的控制變量主要有：城市群各城市人口（pop）、平均城市化率（cityrate）、城市平均科學技術支出（sciexp）、城市平均從事科學綜合服務業人數（scipop）、城市平均大學老師人數（teach）、城市平均年末貸款余額（loan）和城市平均道路鋪裝面積（road）。需要指出的是，以上控制變量均基于《中國城市統計年鑒》相關數據計算得出，這是因為目前尚未發現城市群層面統計數據庫。因此，本文通過對各城市相關數據求取算數平均值得到城市群層面統計數據。計量估計時，對被解釋變量、解釋變量以及各控制變量分別取對數。本文相關變量描述性統計結果見表2。

3 計量結果

3.1 基礎估計與工具變量估計

3.1.1 基礎估計結果

表3中第（1）、（2）和（3）列分別展示基于不同固定效應的估計結果。結果顯示，無論城市群與時間固定效應控制與否，城市群空間結構對經濟發展的影響都顯著為正。第（3）列雙向固定效應的估計結果顯示，lnpoly的估計系數為0.07且在5%的水平下顯著，表明總體上城市群空間結構指數增大有利于經濟發展水平提高，即單中心結構可以顯著促進經濟發展。這可能是因為，城市群單中心結構意味著區域內勞動力、資本等科技創新要素均集中在首位中心城市并形成規模優勢，進而首位中心城市通過與非中心城市交流合作、知識外溢等形式帶動整體經濟發展，比如首位中心城市向周圍非中心城市提供科技創新服務以及高素質勞動力、金融資本等生產要素支持。

3.1.2 內生性與工具變量估計

空間結構與經濟發展之間可能存在一定內生性問題，如空間結構影響城市群經濟發展，但是城市群經濟發展也可能反作用于城市群空間結構。因此，為降低模型的內生性，本文構造一個綜合指標（IV）作為空間結構的工具變量，用于進一步識別空間結構對城市群經濟發展的影響。工具變量的構造方式如下：

其中，area為城市群總面積，由各城市面積加總得出。城市面積由地理因素和政策因素共同決定，具有外生性。國外學者Harari^[30]、Batty^[31]等也曾指出，城市面積與城市規模、形態分布高度相關，而城市規模與形態分布是影響一個城市中心性的重要因素。因此，由各城市面積加總而來的城市群總面積是影響城市群空間結構的重要因素。

car_time與high分別代表城市群中心城市與非中心城市的平均時間距離和城市群平均海拔。本文利用“高德地圖”軟件分別檢索19個城市群各中心城市與非中心城市之間的最短開車時間，并進一步求取算術均值作為城市群中心城市與非中心城市的平均時間距離。城市群平均海拔是基于“中國科學院資源環境科學與數據中心”發布的城市海拔數據測算得出，反映城市群內地表粗糙程度，其影響城市間交通便利程度。因此，城市群平均時間距離與平均海拔的比值既反映城市間地理距離，又反映城市間交通便利度。由于其難以直接對經濟發展產生影響，因而具有外生性。此外，該比值也是影響城市群空間結構的重要因素，如克里斯塔勒曾經強調，一個城市與其它城市的距離和交通便利度直接影響該城市中心度^[10]。

綜上所述，本文構造的綜合指標（IV）作為空間結構的工具變量較具外生性，可以在一定程度上解決模型的內生性問題。表3中第（4）、（5）列為使用工具變量的一階段和二階段估計結果。一階段估計結果顯示，工具變量（IV）對空間結構（lnpoly）的影響顯著為負，證明工具變量與核心解釋變量（lnpoly）相關。并且一階段估計的F值為10.23，拒絕弱工具變量的原假設，意味著本文工具變量選取合理。2SLS估計結果顯示，lnpoly對經濟發展的影響系數為0.581，相比于基礎估計系數具有較大幅度提升，并且在1%的水平下顯著，說明在解決模型內生性問題后，空間結構對城市群經濟發展的促進效應顯著增強，證明本文的基礎估計結果較為可靠，即整體上單中心結構有利于促進經濟發展水平提高。

3.2 穩健性分析

分別選擇城市數目num_city>3以及樣本時間跨度為2006—2020年即year>2005的樣本進行穩健性估計。需要說明的是，選擇城市數目大于3是因為我國各城市群的城市數目差距較大，可能會影響城市群空間結構估算的準確性（如天山北坡、黔中等城市群包含的地級市在3個以內），因而需要剔除城市數目過少的城市群以排除因城市數目過少帶來的估計偏誤；選擇樣本時間跨度為2006—2020年是因為2006年我國“十一五”規劃首次正式提出城市群發展戰略，指出“要把城市群作為推進城鎮化的主體形態”，因而本文選擇2006—2020年的樣本，有助于提高估計結果的精確度，從而排除因樣本時間選擇不當而導致的不穩健問題。穩健性估計結果見表4中第（1）（2）列，結果顯示，當精簡樣本后，lnpoly的估計系數與基礎估計基本一致，證明本文基礎估計結果是穩健的。

考慮到空間結構的穩健性，使用城市GDP規模和城市人口規模分別再次計算城市群空間結構指數（poly_gdp和poly_pop），計算方式與方程（1）相同。該指數越大，意味著城市群越趨向于單中心結構。

此外，基于城市綜合規模分別計算城市群各城市綜合規模變異系數（cv_scal）和綜合規模首位度（first_scal）并作為空間結構的替代測量指標。計算公式分別如下：

這里，N表示城市群內城市個數，scal_ict表示城市綜合規模，scal_it表示城市群各城市綜合規模平均值，cv_scal_it表示城市群各城市綜合規模變異系數，該指數越大，表明首位中心城市的綜合規模越大，城市群越趨向于單中心結構。

其中，first_scal_it表示城市群綜合規模首位度。同理，該指數越大，說明城市群內首位城市綜合規模占比越高，城市群就越趨向于單中心結構。

使用空間結構替代測量指標的估計結果見表4中第（3）～（6）列。結果顯示，當使用以上指標替代空間結構進行衡量后，各變量估計系數符號與基礎估計一致，并且幾乎都在1%的水平下顯著，進一步說明本文基礎估計結果是穩健的。值得注意的是，表4中第（5）（6）列的估計結果顯示，綜合規模變異系數（cv_scal）和綜合規模首位度（first_scal）估計系數明顯增大，意味著城市群內首位中心城市對區域經發展的帶動作用較大。

3.3 異質性分析

3.3.1 不同發展水平的異質性分析

本文設置4個虛擬變量，分別為poly_hi、cityra_hi、gdp_hi和paten_hi，以識別某城市群的空間結構指數、城市化率、經濟發展水平和科技創新水平是否較高，考察城市群空間結構對經濟發展的影響是否具有發展水平上的異質性。其中，城市群空間結構指數反映區域內中心城市的經濟集聚水平，即若空間結構指數較高，則表明城市群內人口、資本等生產要素在中心城市具有較高的集聚水平，此時中心城市可能處于經濟集聚的發展階段；而城市化率、經濟發展水平和科技創新水平是經濟學研究中常用于測量區域發展水平的關鍵指標，即若一個城市群的城市化率、經濟發展水平或科技創新水平較高，則意味著該城市群具有較高的發展水平。以上虛擬變量的具體設定如下：

若poly≥1，則令poly_hi=1；反之，則令poly_hi=0。進一步地，計算2003-2020年19個城市群的平均城市化率、平均經濟發展水平和平均科技創新水平，分別記為ave_cityrate、ave_gdp、ave_paten_gi，若cityrate≥ave_cityrate，則令cityra_hi=1；反之，則令cityra_hi=0。若gdp≥ave_gdp，則令gdp_hi=1；反之則令gdp_hi=0。若paten_gi≥ave_paten_gi，則令paten_hi=1；反之，則令paten_hi=0。然后將lnpoly分別與poly_hi、cityra_hi、gdp_hi及paten_hi交乘并引入估計模型（3）中重新估計，結果見表5所示。

結果顯示，交乘項lnpoly×poly_hi、lnpoly×cityra_hi、lnpoly×gdp_hi和lnpoly×paten_hi的估計系數均為正值，且幾乎都在1%的水平下顯著，表明在空間結構指數、城市化率、經濟發展水平或創新水平較高的城市群中，單中心空間結構仍然可以帶動區域經濟發展。反之，則是多中心結構比較有利于區域經濟發展。這可能是因為我國大部分城市群仍處于快速發展階段，城市群內的勞動力、資本等生產要素仍需要進一步向首位城市集聚，并通過首位城市的外溢效應、擴散效應帶動周邊城市發展。

3.3.2 區域異質性分析

為考察空間結構對經濟發展影響的區域異質性，設定4個地區虛擬變量，分別為東部（east）、中部（central）、西部（west）和東北（noreast）。其中，若城市群位于我國東部、中部、西部或東北地區，則對應的地區虛擬變量賦值為1，否則賦值為0。然后將空間結構與地區虛擬變量的交乘項lnpoly×east、lnpoly×west、lnpoly×central和lnpoly×noreast分別引入基礎估計方程（3），進行異質性估計，結果如表6所示。

表6中第（1）列顯示，交乘項lnpoly×east和lnpoly×noreast的估計系數均為負值，且統計上都比較顯著，說明東部和東北地區的單中心結構可能不利于城市群經濟發展，而多中心結構對區域經濟發展的帶動作用比較顯著。這可能是因為：一方面，我國東部地區城市化發展水平較高，此時生產要素在中心城市過度集聚固然可以帶動中心城市與其周邊城市發展，然而距離中心城市偏遠的非中心城市則很難在中心城市帶動下實現自身經濟增長，如Anderssond等^[12]、Krugman^[13]等指出，中心城市的輻射帶動效應隨距離增加而衰減。另一方面，在城市群發展程度較高的東部地區，生產要素可能存在過度集中于首位中心城市的現象，要素過度集聚會導致集聚不經濟，進而導致生產要素錯配和利用率受損^[6]。

與東部地區相比，東北地區的城市群經濟發展還處于較低水平，公路基礎設施建設投資不足，導致城市間人口、經濟發展和基礎設施建設缺乏均衡性^[32]，進而致使城市間難以形成有效的合作交流^[33]，因而展現出多中心空間結構更能促進城市群經濟發展的特征。

表6中第（1）顯示，交乘數項lnpoly×central的估計系數顯著為正，說明在中部地區，城市群單中心結構對區域經濟發展具有顯著促進作用。這可能是因為，中部地區經濟發展水平還不高，城市群的首位中心城市仍處于生產要素集聚的發展階段，在此階段首位中心城市對非中心城市具有較大的經濟帶動作用。

表6中第（3）列為西部地區估計結果，交乘項lnpoly×west的估計系數為正，卻不顯著，且估計的p值接近于0.1，說明在西部地區，城市群單中心結構更能促進區域經濟發展。可能的原因是，我國西部地區地處內陸，經濟發展水平不高，基礎設施建設不足，并且區域內部多是山地高原、戈壁灘等自然地貌，導致城市間難以實現有效的溝通交流，以至于中心城市對城市群的經濟帶動效應不足，從而導致空間結構對經濟發展水平的影響沒有顯著體現出來。

表6中第（2）、（4）和（5）列分別是對東部、中部和東北地區的估計結果，結果顯示，lnpoly×east、lnpoly×central和lnpoly×noreast的估計系數與第（1）列的估計結果基本一致，說明城市群空間結構對經濟發展的影響存在穩健的區域異質性。

4 研究結論與政策啟示

4.1 研究結論

如何確定城市規模，構筑和形成合理的城市群空間結構，推動中小城市協同發展，已經成為我國城市群空間戰略規劃中亟需解決的問題。然而對于究竟是城市群單中心結構，還是多中心結構更能促進城市群經濟發展的問題，目前結論尚不一致。本文選取我國“十四五”規劃中提及的19個城市群為研究對象，基于2001-2020年數據實證分析空間結構對城市群經濟發展的影響。研究結果表明，總體來看，單中心空間結構有利于城市群經濟發展，并且初步的異質性分析結果也表明，在城市化率、經濟發展水平或科技創新水平較高的城市群中，單中心結構依然可以顯著促進城市群經濟發展，反映出我國大多數城市群發展水平還不高，城市群的首位城市仍需要快速集聚勞動力、資本等生產要素以形成規模優勢，帶動區域經濟發展，此階段可能不適合推行城市群多中心發展戰略。

進一步的區域異質性分析結果發現：在我國東部和東北地區，多中心空間結構有利于經濟發展水平提高，而單中心空間結構可能抑制城市群經濟發展。這也從另一個角度支持了我國“十四五”規劃所提出的要進一步“優化城市群內部空間結構，構筑生態和安全屏障，形成多中心、多層級、多節點的網絡型城市群”的區域發展目標。而在中部和西部地區，單中心空間結構較有利于經濟發展水平提升。因此，多中心發展戰略暫時還不能在全國“遍地開花”，在東部較發達的城市群，多中心發展戰略可以取得顯著成效；而在中部與西部城市群，多中心發展戰略可能會適得其反。

4.2 政策啟示

（1）在東部地區，如京津冀、長三角城市群內，建議地方政府引導生產要素向次中心城市集聚，打造多個區域增長極，進一步促進多中心、多層級、多節點網絡型城市群形成，發揮多中心結構優勢，帶動區域經濟發展。

（2）我國中西部地區城市群發展水平與東部地區相比還有較大差距，地方政府可適當加大對首位中心城市的政策支持力度，實施“強省會戰略”等鼓勵扶持大城市發展的政策，引導和鼓勵勞動力、資本以及資源等生產要素向首位中心城市進一步集聚，以發揮區域經濟增長極的作用，進而通過首位中心城市的輻射效應帶動城市群經濟發展。

（3）其它已經或正在形成雙核結構的地區，可以發揮雙核心城市的帶動作用，鼓勵并引導生產要素向次中心城市集聚，并積極推動基礎設施建設，加強城市間溝通交流以擴展中心城市的經濟輻射范圍，進而帶動周邊地區經濟發展。

5 研究不足及展望

（1）城市群空間結構測算還可以嘗試其它方式。本文選用城市群各城市人口規模、生產總值、城市面積、城市科學技術支出以及教育支出測量城市綜合規模，并進一步測算城市群空間結構指數。該方法相比以往文獻僅使用人口規模、就業規模以及產業規模等單一指標測量城市規模以及城市群空間結構的做法更系統、科學，但該方法仍有待進一步完善，如可以考慮城市經濟職能、政治職能以及交通職能等，以更準確、全面地測算城市群空間結構。

（2）空間結構影響城市群經濟發展的機制有待深入探討。本文分析了空間結構影響城市群經濟發展的經濟性機理，并使用2SLS方法評估了空間結構對城市群經濟發展的影響。考慮到文章篇幅以及數據可得性等問題，本文未能詳細分析空間結構對城市群經濟發展的影響機制，如城市群空間結構通過什么途徑影響經濟發展？其影響程度以及效果怎樣？這也是今后進一步探索的重點。

（3）使用微觀數據有助于進一步洞察城市群空間結構對經濟發展的影響。本文的研究數據主要來源于《中國統計年鑒》和《中國城市統計年鑒》，未能找到城市間人口流動、資本流動、企業遷移等方面的連續數據。未來可從微觀數據著手，更深入地探討城市群空間結構對經濟發展的影響。

參考文獻：

[1] MEIJERS E. Polycentric urban regions and the quest for synergy：is a network of cities more than the sum of the parts[J]. Urban studies， 2005， 42（4）： 765-781.

[2] VENERI P， BURGALASSI D. Questioning polycentric development and its effects：issues of definition and measurement for the Italian NUTS-2 regions [J]. European Planning Studies， 2012， 20（6）： 1017-1037.

[3] 張浩然， 衣保中. 城市群空間結構特征與經濟績效——來自中國的經驗證據[J].經濟評論， 2012，33（1）： 42-47.

[4] RIGUELLE F， THOMAS I， VERHETSEL A. Measuring urban polycentrism：an European case study and its implications [J]. Journal of Economic Geography， 2007， 7（2）： 193-215.

[5] 王暉，袁豐，趙巖.南京都市區就業空間結構與區位模式演變研究[J].地理科學進展，2021，40（7）：1154-1166.

[6] MEIJERS E， SANDBERG K. Reducing regional disparities by means of polycentric development：panacea or placebo [J]. Scienze Regionali，2008，2：71-96.

[7] 劉修巖， 李松林， 秦蒙. 城市空間結構與地區經濟效率——兼論中國城鎮化發展道路的模式選擇[J].管理世界， 2017，33（1）： 51-64.

[8] 沃爾特， 克里斯塔勒. 德國南部中心地原理[M]. 北京： 商務印書館， 1998： 160-188.

[9] DURANTON G， PUGA D. Micro-foundations of urban agglomeration economies [M].Handbook of Regional and Urban Economics， Elsevier， 2004： 2063-2117.

[10] FUJITA M， KRUGMAN P. When is the economy monocentric： von thünen and chamberlin unified[J]. Regional Science and Urban Economics， 1995， 25（4）： 505-528.

[11] ALONSO W.Urban zero population growth[M].Daedalus，1973： 191–206.

[12] ANDERSON C A， LEPPER M R， ROSS L. Perseverance of social theories： the role of explanation in the persistence of discredited information[J]. Journal of Personality and Social Psychology， 1980， 39（6）： 1037.

[13] KRUGMAN P. History and industry location： the case of the manufacturing belt [J]. The American Economic Review， 1991， 81（2）： 80-83.

[14] HENDERSON V. The urbanization process and economic growth：the so-what question [J]. Journal of Economic Growth， 2003， 8： 47-71.

[15] GLAESER E L， PONZETTO G A M， ZOU Y. Urban networks： connecting markets， people， and ideas [J]. Papers in Regional Science， 2016， 95（1）： 17-59.

[16] PRIEMUS H. The randstad and the central Netherlands urban ring： planners waver between two concepts [J]. European Planning Studies， 1998， 6（4）： 443-455.

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

[18] BREZZI M， VENERI P. Assessing polycentric urban systems in the OECD： country， regional and metropolitan perspectives [J]. European Planning Studies， 2015， 23（6）： 1128-1145.

[19] 戴宏偉， 宋曉東. 首都城市發展模式的比較分析及啟示[J].城市發展研究， 2013， 20（6）： 87-93.

[20] 苗洪亮， 曾冰， 張波. 城市群的空間結構與經濟效率： 來自中國的經驗證據[J].寧夏社會科學， 2016，35（5）： 129-137.

[21] 孫斌棟， 郭睿， 陳玉. 中國城市群的空間結構與經濟績效——對城市群空間規劃的政策啟示[J].城市規劃， 2019，43（9）： 38-42.

[22] MEIJERS E. Summing small cities does not make a large city： polycentric urban regions and the provision of cultural， leisure and sports amenities [J]. Urban Studies， 2008， 45（11）： 2323-2342.

[23] 袁志剛，紹挺.土地制度與中國城市結構、產業結構選擇[J].經濟學動態，2010，51（12）：28-35.

[24] 陸銘，向寬虎，陳釗.中國的城市化和城市體系調整：基于文獻的評論[J].世界經濟，2011， 34（6）： 3-25.

[25] 王妤， 孫斌棟. 城市規模分布對地區收入差距的影響——基于LandScan全球人口數據庫的實證研究[J].城市發展研究， 2021， 28（6）： 25-32.

[26] 李銘， 易曉峰， 劉宏波，等. 作為增長極的省會城市經濟、人口和用地的集聚機制分析及對策建議[J].城市發展研究， 2021， 28（8）： 70-76.

[27] 張可云，張江.城市群多中心性與綠色發展效率——基于異質性的城鎮化空間布局分析[J].中國人口·資源與環境，2022，32（2）：107-117.

[28] 李國平， 王立明， 楊開忠. 深圳與珠江三角洲區域經濟聯系的測度及分析[J]. 經濟地理， 2001， 21（1）： 33-37.

[29] 姜海寧，陸玉麒，呂國慶.江浙滬主要中心城市對外經濟聯系的測度分析[J].地理科學進展，2008，27（6）：82-89.

[30] HARARI M. Cities in bad shape：urban geometry in India [J]. American Economic Review， 2020， 110（8）： 2377-2421.

[31] BATTY M. The size， scale， and shape of cities [J]. Science， 2008， 319（5864）： 769-771.

[32] 刁碩， 袁家冬. 哈長城市群協調發展水平多維測度研究[J].經濟地理，2022，42（5）：86-94.

[33] 梅大偉， 修春亮. 基于公路客運流的哈長城市群空間關聯特征與組織模式[J].現代城市研究，2022，37（3）：49-55.

（責任編輯：胡俊健）

"Central Blossoming" Takes More Time： The Impact of Spatial Structure on Regional Economic Development with 19 City-clusters in China as Examples

Yang Hongchang，Dai Hongwei

（School of Economics， Central University of Finance and Economics， Beijing? 102206， China）

Abstract：The development of city-clusters is not only the focus of regionally coordinated development and a major regional strategy， but also an important part of China's new urbanization strategy. Spatial structure and regional economic development have become the key issues in formulating regional development policies for the Chinese government. On one hand， it is necessary to further differentiate and analyze the spatial structure characteristics of the 19 city-clusters in China; and on the other hand， it is also vital to explore the impact of spatial structure characteristics on the economic development of urban agglomerations based on actual situations. However， the published works on the impact of spatial structure on regional economic performance have not reached consistent conclusions， and there are few literatures that discuss the impact of spatial structure on regional economic development at the level of city-clusters.

Using the panel data of 19 city-clusters in China， this paper applies the rank-size rule to calculate the spatial structure of city-clusters based on multidimensional indicators， and explores the impact of spatial structure on the economic development of city-clusters by the classic OLS estimation model. The relevant indicators used for estimation include the weighted average GDP of each city in the city-clusters， the spatial structure of the urban agglomeration， and control variables like the average population of each city in the city-clusters， the urbanization rate ， science and technology expenditure， the number of people engaged in the scientific comprehensive service industry ， etc .

It is found that the monocentric structure significantly promotes the economic development level of city-clusters in general， and the heterogeneity analysis shows that in city-clusters with a high level of monocentric spatial structure， urbanization rate， economic development， and innovation， the monocentric structure has a positive impact on regional economic development. While the regional heterogeneity shows that in the eastern and northeast regions of China， the polycentric structure of city-clusters significantly promotes regional economic development， while in the central and western regions， the monocentric structure of city-clusters is more conducive to economic development， which means that it still requires the joint efforts of all parties to achieve the "center blossoming" of transformation from monocentric to polycentric and multi-level network city-clusters.

Specific suggestions are provided. In the eastern region of China with a high level of urbanization， the concentration of production factors in the first central city may improve the development of the central city itself， but the regional heterogeneity analysis shows that the monocentric structure has inhibited the economic development of city-clusters， while the polycentric structure is more favorable to the economic development of city-clusters. Hence， local governments should guide production factors to gather in sub-center cities， create multiple growth poles in the region， promote the formation of multi-center， multi-level， and multi-node network-type city clusters， and promote multiple central cities to jointly drive regional economic development. There is still a large gap between the development level of city-clusters in the central and western regions and the eastern regions， and the monocentric spatial structure can still play a greater role in driving the economic development of city-clusters. Therefore， the local government should increase policy support for the first central city， and appropriately implement the "strong provincial capital strategy" and other measures to encourage the development of large cities， promote the further concentration of labor， capital and resources and other factors of production in the first central city， and play the radiation effect to drive the economic development of urban clusters. In the northeast region of China， the polycentric structure of city-clusters has also significantly contributed to the improvement of regional economic development. Thus， local governments should encourage and guide production factors to concentrate in sub-centers， and appropriately create a dual-centric or polycentric structure of urban clusters， so that multiple central cities can lead regional economic development.

Key Words：City-cluster; Spatial Structure; Monocentric; Polycentric; Regional Economic Development