EN中文

地理科学 >

2023 , Vol. 43 >Issue 4: 617 - 628

DOI: https://doi.org/10.13249/j.cnki.sgs.2023.04.005

跨区域重大基础设施与空间治理

中国城市资源空间错配：特征测度与时空演进

  • 程开明 ,
  • 于静涵
展开
  • 浙江工商大学统计与数学学院，浙江 杭州 310018
于静涵。E-mail:

程开明（1975—），男，湖北广水人，教授，博导，主要从事城市与区域经济、空间统计研究。E-mail:

收稿日期: 2022-01-28

  修回日期: 2022-10-02

  网络出版日期: 2023-04-20

基金资助

国家社会科学基金重大项目(20&ZD133)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Resource spatial misallocation of cities in China: Characteristic measurement and spatio-temporal evolution

  • Cheng Kaiming ,
  • Yu Jinghan
Expand
  • School of Statistics and Mathematics, Zhejiang Gongshang University, Hangzhou 310018, Zhejiang, China

Received date: 2022-01-28

  Revised date: 2022-10-02

  Online published: 2023-04-20

Supported by

National Social Science Foundation of China(20&ZD133)

Copyright

Copyright reserved © 2023.
Fold

摘要

基于拓展的三要素空间一般均衡模型，测度2003―2018年中国地级以上城市资本、劳动力和土地资源空间错配程度，通过时空核密度和综合协调指数解析城市资源空间错配的集聚模式及协调度，以准确反映城市资源空间错配程度及时空演变规律。研究发现：① 样本期内不同资源的城市空间错配程度变动趋势差异明显。城市资本和劳动力空间错配持续改善，但土地空间错配先缓解后加剧，行政力量阻碍资源市场化流动是加剧土地错配的重要因素。② 3种资源在城市间的空间集聚模式具有明显差异。城市资本和土地资源的空间配置具有强烈的区域偏向性和共聚性，相邻城市资源配置呈现高–高、低–低型正向集聚模式；户籍壁垒和非均等化公共服务阻碍城市劳动力自由流动，使得相邻城市劳动力配置呈现出高–低型负向集聚模式。③ 相邻城市在资本市场化改革和土地政策调整方面具有一致性，但城市之间劳动力错配的协调度呈恶化趋势；东北地区要素市场化改革协同性最低。研究结论为完善要素市场化配置体制机制、明晰城市层面资源配置的演化路径和优化策略提供了参考。

关键词： 资源空间错配; 核密度估计; 聚集模式; 协调指数

本文引用格式

程开明 , 于静涵 . 中国城市资源空间错配：特征测度与时空演进[J]. 地理科学, 2023 , 43(4) : 617 -628 . DOI: 10.13249/j.cnki.sgs.2023.04.005

Abstract

Since the reform and opening up, China has gradually formed a more sound commodity market, but the reform of factor market allocation has lagged behind relatively. The markets for capital, labor, land and other factors of production are still not perfect, and the problem of resource allocation significantly affects the transformation of China's productive forces and production relations. Due to the significant differences in resource endowments in different regions and the restrictions on the free flow of factors by administrative barriers, the cost of factor flow and access to regions is high and resources cannot flow smoothly to advantageous locations. This leads to uneven resource allocation between regions and spatial misallocation of resources. The spatial misallocation of resources not only triggers competition for regional resources, intensifies local protectionism, and leads to more serious structural imbalances such as industrial structure convergence, duplication of major facilities construction and excessive market competition in various regions, but also aggravates problems such as urban traffic congestion, housing tension and environmental pollution due to unbalanced resource allocation. Therefore, a comprehensive and in-depth exploration of the characteristics of resource misallocation in China and its spatial and temporal evolution pattern is of great theoretical and practical significance for the government to re-examine the characteristics of factor mismatch, clarify the direction of optimising resource allocation and promote factor market-oriented reforms. To accurately reflect the spatial mismatch degree and spatial-temporal evolution law of city resources, this paper measures the mismatch degree of capital, labor, and land resources in cities at the prefecture level and above in China from 2003 to 2018 based on the extended three-factor spatial general equilibrium model. We use spatio-temporal kernel density and comprehensive coordination index to analyze the changing trend of city resources spatial mismatch, spatial agglomeration pattern, and the coordination degree of factor marketization reform. The results show that: 1) The variation trend of city spatial mismatch degree of different resources is different. The misallocation of capital and labor space continues to improve, but the misallocation of land space first alleviates and then intensifies. The administrative force hindering the market flow of resources is an important factor aggravating the land misallocation. 2) The spatial agglomeration patterns of the three resources among cities are different. The spatial allocation of city capital and land resources has strong regional bias and convergence, and the resource allocation of neighboring cities shows a high-high, low-low positive agglomeration pattern. However, household registration barriers and unequal public services hinder the free flow of city labor, making it difficult to achieve a balanced allocation of labor resources between cities, and the labor resources in neighboring cities show a high-low negative agglomeration pattern. 3) Neighboring cities have consistency in capital market reform and land policy adjustment. However, the coordination degree of labor mismatch between cities is worsening. Northeast China has the lowest degree of synergy in factor marketization reform. The research conclusion of this paper provides a reference for improving the mechanism of market-oriented allocation of factors and clarifying the evolution path and optimization strategy of resource allocation at the city level.

Key words： spatial misallocation of resources; kernel density estimation; spatial aggregation pattern; coordination index

改革开放以来，中国逐步形成较为健全的商品市场，但要素市场化配置改革相对滞后，资本、劳动力、土地等生产要素市场仍不够完善，难以满足新时代经济发展要求，资源配置问题显著地影响着中国生产力和生产关系的变革[1]。当前，中国经济已由高速增长阶段转向高质量发展阶段，促进资源有效流通，提高要素配置效率，成为推动经济发展质量变革的强力引擎。如此背景下，全面深入地探究中国资源错配特征及其时空演变格局，对于政府重新审视要素错配特征、明确优化资源配置主攻方向、推进要素市场化改革具有重要的理论与现实意义。
学界将资源配置的不均衡与不充分而引发要素投入产出结构未达到最优，导致经济增长偏离、全要素生产率下降、市场价格失准等现象，统称为资源错配[2]。不同区域资源禀赋差异显著，加之行政壁垒对要素自由流动的限制[3]，要素流动与进入地区的成本偏高，资源无法顺畅流向优势区位，地区之间资源配置不均衡，导致资源存在空间上的错配。资源空间错配不仅引发地区资源的相互争夺，加剧地方保护主义，导致各地区出现较为严重的产业结构趋同、重大设施建设重复及市场竞争过度等结构失衡问题[4]，而且因资源配置不均衡引致的城市交通拥挤、住房紧张、环境污染等问题日益加剧[5]。因此，迫切需要纠正资源的空间错配，提高要素空间配置效率[6]。
现有研究对资源空间错配的关注并不多，既有文献对资源在企业、行业内或行业间[7-8]以及农业部门与非农业部门等结构性错配问题进行了深入分析[9]。部分文献开展了资源空间错配测度，主要集中于省级层面劳动力和资本的空间错配，相对忽视土地资源空间错配和城市层面的资源错配问题[10-13]。从空间尺度来看，仅从省级或区域层面测算资源空间错配程度，城市层面的资源空间错配问题容易被掩盖[14]。随着中国城镇化持续推进，城市作为经济增长引擎的作用日益凸显，劳动力、资本等生产要素不断向城市集中。城市不仅是资源集聚的空间载体，更是推进要素市场化配置改革政策的主要实施对象[15]，城市资源的高效配置对于推动经济高质量发展至关重要[16-17]。因此，精准考察城市层面资源空间配置特征，准确判断资源空间错配演进趋势，有利于认清资源要素市场化改革的重点。
生产要素总是分布于一定地域，受空间约束的影响，土地资源与资本、劳动力的空间配置紧密相关[18]。“土地财政”作为部分城市财政的“顶梁柱”，已成为不争的事实[19-20]。不论是城市土地配置过度导致大量土地的低效率利用甚至是闲置[21]，还是城市土地配置不足限制经济活动的空间集聚和人口流入[22]，都直接影响着资本、劳动力在本地配置状况，并间接引起相邻城市资源配置的变动。城市之间存在着一定的人口流动、资金往来、创新溢出及信息交流等，使得城市资源配置呈现出空间集聚特征。故而，在要素流动的空间动态系统中，进一步探究城市资源的空间聚集模式，有助于深入理解资源空间配置状况及城市之间的交互作用，为协同推进要素市场化改革和高效配置提供更具针对性的对策。
综上，准确测度城市层面的资源空间错配程度，理清资源错配的演进趋势与空间集聚模式，既是要素市场化改革所要面对的现实问题，也是推动经济高质量发展的迫切之需。本文基于中国地级以上城市层面数据，构建多要素空间一般均衡模型，系统测算城市层面的资本、劳动力和土地资源的空间错配程度，进而通过时空核密度估计和综合协调指数揭示城市资源配置的空间集聚模式与协同性。本文的边际贡献在于：① 纳入土地要素构建空间一般均衡模型，采用差异化的资本折旧率估算资本存量，以有效劳动力作为劳动力投入量，增强了测算城市资源空间错配程度的准确性。②考虑城市间的相互作用，探究城市资源配置的空间集聚模式及协调度，为优化城市资源空间配置策略、协同推进要素市场化配置改革提供决策依据。

1 研究方法与数据处理

1.1 研究方法

1.1.1 城市资源空间错配指数测算

借鉴Aoki的思路，构建一个带有扭曲的竞争性空间均衡模型[23]。假设经济体中包含N个城市，城市i代表性企业的生产函数为规模报酬不变的C-D生产函数，同一城市内所有企业生产函数相同：
$ {Y_{it}} = TF{P_{it}}K_{it}^\alpha L_{it}^\beta R_{it}^\gamma $
式中，Yit为城市i在t时期实际产出； $ TF{P_{it}} $ 为城市全要素生产率；Kit，Lit和Rit分别表示资本、劳动力和土地投入；α，β和γ分别为资本、劳动力和土地弹性，且规模报酬不变，即α+β+γ=1。
将资本、劳动力和土地在不同城市的空间错配程度以要素价格扭曲的形式来表示，τKit，τLit和τRit表示价格“扭曲税”，城市i中企业面临资本、劳动力和土地的价格分别为（1+τKit）PKt， （1+τLit）PLt和 （1+τRit）PRt，其中PKt，PLt和PRt分别表示竞争性的资本、劳动力和土地要素价格；令产品价格为Pit， 当城市i的资源价格完全不存在扭曲，即面临“扭曲税”τit=0；当要素价格高于正常水平，“扭曲税”τit>0；而要素价格低于正常水平时，“扭曲税”τit<0。代表性企业利润最大化的目标函数为：
$ \begin{split} &\max \{ {P_{it}}{Y_{it}} - \left( {1{\text{ + }}{\tau _{Kit}}} \right){P_{Kt}}{K_{it}} - \left( {1{\text{ + }}{\tau _{Lit}}} \right){P_{Lt}}{L_{it}} -\\ &\quad \quad \left( {1{\text{ + }}{\tau _{Rit}}} \right){P_{Rt}}{R_{it}} \} \end{split} $
为了使企业利润最大化，分别对K、L和R求导，以土地资源为例，其一阶条件为：
$ \gamma {P_{it}}{\text{TF}}{{\text{P}}_{it}}{K_{it}}^\alpha L_{it}^\beta R_{it}^{\gamma - 1} = \left( {1{\text{ + }}{\tau _{Rit}}} \right){P_{Rt}} $
假设资本、劳动力和土地资源的总量外生给定，以土地资源为例，当期N个城市的代表性企业面临的土地资源约束条件为：
$ \displaystyle\sum\nolimits_{i = 1}^N {{R_{it}}} = {R_t} $
式中，Rt为N个城市在t时期的土地资源总量。经济总产出Yt由各城市产量共同决定，且加总的经济总产出生产函数满足规模报酬不变性质，即经济总产出等于各城市经济产出之和：
$ {Y_t} = \displaystyle\sum\nolimits_{i = 1}^N {{P_{it}}{Y_{it}}} $
为了简化城市要素配置与要素价格扭曲的数量关系，记城市i的产出占经济总产出的份额为Sit=PitYit/Yt。结合以上假设条件，得到竞争均衡下带有要素扭曲的资本、劳动力和土地实际配置数量。以土地资源为例：
$ \begin{split} {R_{it}} =& \left[ {{{\dfrac{{\gamma {P_{it}}{Y_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right){P_{Rt}}}}} \mathord{\left/ {\vphantom {{\dfrac{{\gamma {P_{it}}{Y_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right){P_{Rt}}}}} {\displaystyle\sum\nolimits_{i = 1}^N {\dfrac{{\gamma {P_{it}}{Y_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right){P_{Rt}}}}} }}} \right. } {\displaystyle\sum\nolimits_{i = 1}^N {\dfrac{{\gamma {P_{it}}{Y_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right){P_{Rt}}}}} }}} \right]{R_t}\\ = &\left[ {{{\dfrac{{\gamma {S_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right)}}} \mathord{\left/ {\vphantom {{\dfrac{{\gamma {S_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right)}}} {\displaystyle\sum\nolimits_{i = 1}^N {\dfrac{{\gamma {S_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right)}}} }}} \right. } {\displaystyle\sum\nolimits_{i = 1}^N {\dfrac{{\gamma {S_{it}}}}{{\left( {1{\text{ + }}{\tau _{Rit}}} \right)}}} }}} \right]{R_t} \end{split} $
以土地错配为例，当城市i不存在资源空间错配时，土地要素价格“扭曲税”τRit=0，土地资源配置无障碍条件下城市i的土地投入量Rit*为：
$ {R_{it}}^{\text{*}}{\text{ = }}\dfrac{{\gamma {S_{it}}}}{{\bar \gamma }}{R_t} $
式中， $ {\bar \gamma _t}{\text{ = }}\displaystyle\sum\nolimits_i {{S_{it}}\gamma } $ ，表示各城市经济产出份额为权重的加权平均土地弹性。构建城市土地空间错配指数λit，以城市i实际土地配置数量与无错配时配置数量的比值表示土地配置的空间错配程度：
$ {\lambda _{R{\text{it}}}}{\text{ = }}{{\dfrac{{{R_{it}}}}{{{R_t}}}} \mathord{\left/ {\vphantom {{\dfrac{{{R_{it}}}}{{{R_t}}}} {\dfrac{{{S_{it}}\gamma }}{{{{\bar \gamma }_t}}}}}} \right. } {\dfrac{{{S_{it}}\gamma }}{{{{\bar \gamma }_t}}}}} $
同理，构造城市劳动力、资本的空间错配指数分别为：
$ {\lambda _{Kit}}{\text{ = }}{{\dfrac{{{K_{it}}}}{{{K_t}}}} \mathord{\left/ {\vphantom {{\dfrac{{{K_{it}}}}{{{K_t}}}} {\dfrac{{{S_{it}}\alpha }}{{{{\bar \alpha }_t}}}}}} \right. } {\dfrac{{{S_{it}}\alpha }}{{{{\bar \alpha }_t}}}}} \text{，} {\lambda _{Lit}}{\text{ = }}{{\dfrac{{{L_{it}}}}{{{L_t}}}} \mathord{\left/ {\vphantom {{\dfrac{{{L_{it}}}}{{{L_t}}}} {\dfrac{{{S_{it}}\beta }}{{{{\bar \beta }_t}}}}}} \right. } {\dfrac{{{S_{it}}\beta }}{{{{\bar \beta }_t}}}}} $
资源空间错配指数的经济意义在于：当有限资源在全国城市间进行配置时，以经济效率最大化为原则，每个城市根据其经济产出，各类资源的使用量存在一个最有效的理论配置比例；如果实际资源使用比例超过理论上有效配置时的使用比例，表示该城市过度使用了资源，以错配指数λit>1来代表；反之当资源在城市i配置不足时，即城市i实际使用资源比例小于资源有效分配时的比例，以错配指数λit<1来代表。

1.1.2 空间核密度估计

选择高斯函数对中国2003—2018年279个城市资本、劳动力和土地资源空间错配指数演进态势进行估计, 具体计算方法参见文献[24]。基于空间核密度估计可分析各城市与相邻城市资源配置的联合分布情况，得到城市资源空间错配的集聚模式。若密度等高线集中于正45°对角线两侧，表明城市之间存在着高–高、低–低型集聚模式；若密度等高线集中在负45°对角线两侧，则城市之间存在高–低型或低–高型分异模式。

1.1.3 综合协调指数测算

综合协调指数是用来反映本城市与相邻城市资源空间错配程度协调状态的定量指标。参考李言等的方法[25]，构建综合协调指数衡量城市之间的资源配置协调度：
$ {C_{\varphi it}} = {{{\left[ {{\lambda _{\varphi it}} \times \prod\limits_{j = 1}^n {{\lambda _{\varphi ( - i)t}}} } \right]} \mathord{\left/ {\vphantom {{\left[ {{\lambda _{\varphi it}} \times \prod\limits_{j = 1}^n {{\lambda _{\varphi ( - i)t}}} } \right]} {\left\{ {{{\left[ {{\lambda _{\varphi it}} + \displaystyle\sum\limits_{j = 1}^n {{\lambda _{\varphi ( - i)t}}} } \right]} \mathord{\left/ {\vphantom {{\left[ {{\lambda _{\varphi it}} + \displaystyle\sum\limits_{j = 1}^n {{\lambda _{\varphi ( - i)t}}} } \right]} {(n + 1)}}} \right. } {(n + 1)}}} \right\}}}} \right. } {\left\{ {{{\left[ {{\lambda _{\varphi it}} + \displaystyle\sum\limits_{j = 1}^n {{\lambda _{\varphi ( - i)t}}} } \right]} \mathord{\left/ {\vphantom {{\left[ {{\lambda _{\varphi it}} + \displaystyle\sum\limits_{j = 1}^n {{\lambda _{\varphi ( - i)t}}} } \right]} {(n + 1)}}} \right. } {(n + 1)}}} \right\}}}^{(n + 1)}} $
$ {C_{it}} = {{{\left[ {{\lambda _{Kit}} \times {\lambda _{Lit}} \times {\lambda _{Rit}}} \right]} \mathord{\left/ {\vphantom {{\left[ {{\lambda _{Kit}} \times {\lambda _{Lit}} \times {\lambda _{Rit}}} \right]} {\left[ {\dfrac{{{\lambda _{Kit}} + {\lambda _{Lit}} + {\lambda _{Rit}}}}{3}} \right]}}} \right. } {\left[ {\dfrac{{{\lambda _{Kit}} + {\lambda _{Lit}} + {\lambda _{Rit}}}}{3}} \right]}}^3} $
式中，Cφit表示城市i 在t时期的资源空间配置协调度，λφit为本地资源空间错配指数，φ=K、L、R分别代表资本、劳动力和土地资源，λφ（-i）t为相邻城市资源空间错配指数，n为相邻城市个数。Cφit越偏离1，表明城市间资源配置水平的差异越大。Cφit越接近1，表明城市i的资源空间配置与相邻城市资源配置水平相一致。Cit为城市i的资本、劳动力和土地3种资源配置的协调度。

1.2 数据来源及处理

考虑地级市数据的可获得性，本文以《中国城市统计年鉴》[26]为主要数据来源，时间跨度为2003—2018年。参照2019年《中国城市统计年鉴》[26]四大区域及城市行政区划分，中国地市级以上城市共297个（研究区未包含港澳台地区）；由于行政区划变动或其他因素，导致在研究时段内数据缺失的部分地区，本文未予考虑，最终选取中国279个地级市以上城市为研究样本。测算2003―2018年中国279个地级以上城市资源空间错配程度主要涉及到劳动力投入、资本投入、土地投入、经济产出与投入要素弹性。其中，经济产出以国内生产总值（GDP）代表，对各城市名义GDP按2003年不变价格进行平减处理转化为实际GDP；要素弹性则基于投入、产出指标数据，采用双固定效应回归法得到各要素的产出弹性。

1.2.1 资本投入

资本投入通常以资本存量来代表，对于资本存量的估算已有大量研究，其中永续盘存法（PIM）被广泛接受。已有文献多将全国各地区不同时间段的折旧率视为统一值，隐含着不同时间地区折旧率同质的假设[27]。不同地区固定资产投资的投入结构不同，折旧率理应有所差异，资本折旧率的异质化处理包括固定资产投入结构的异质化和不同时间的异质化两方面。余泳泽[27]考虑1993年的会计准则对折旧率有明显提升，以1993年为节点计算了时间异质化的折旧率。本文进一步考虑固定资产投入结构的异质化，开展分地区固定资产投入结构异质化折旧率的测算。其中，建筑和设备使用期限分别设定为38 a和16 a，折旧率分别为8.12%和17.08%[28]；其他费用折旧率统一为12.1%。先测算2003—2018年中国30个省、市、地区的异质化折旧率，进而得到中国地级及以上城市的资本存量。其中固定资产投入结构、价格平减指数来源于国家统计局，城市固定资产投入数据来源于《中国城市统计年鉴》[26]。

1.2.2 劳动力投入

既有文献多采用就业人员数来衡量地区劳动力投入水平，隐含假定是各地区劳动力具有同质性。事实上，不同地区劳动力素质和结构存在较大差异，忽视劳动力投入的异质性必然造成劳动力资源错配测度的偏差[10]。本文选用人均受教育程度作为衡量地区劳动力投入质量的代理变量，对地区劳动力投入进行同质化处理。有效劳动力投入计算公式为：
$ {L}_{it}={H}_{it}\times {E}_{it}\text={H}_{it}{\displaystyle \displaystyle\sum Yea{r}_{e}}({q}_{eit}/{q}_{it}) $
式中，Lit和Hit分别为第i个地区第t年有效劳动力投入和劳动力投入量，Eit为i地区t的劳动力质量，用平均受教育年限代替。平均受教育年限为受教育年限折算值Yeare的加权平均值，以不同受教育程度的人数占比（qeit/qit）为权重。基于分省差异化就业人员平均受教育年限及各城市就业人员数据，测算不同城市的有效劳动力投入。就业人员平均受教育结构的数据主要来自《中国劳动统计年鉴》[29]；城市就业人员为全市城镇单位从业人员与私营和个体期末人数之和，来自《中国城市统计年鉴》[26]。

1.2.3 土地投入

对城市土地资源投入的选取，主要从供给和需求角度考虑城市土地投入指标的适用性，其中协议出让面积为建设用地供应量的组成部分，属于城市土地供应的供给端，但土地从出让、转化到经济产出存在时间滞后性。城市建设用地面积对应城市土地需求，结合城市经济产出效率能够更准确地反映当前城市土地资源配置过度或不足。本文选用“城市建设用地面积”代表城市土地投入。“城市建设用地面积”数据主要来自《中国城市统计年鉴》[26]，对于少量缺失数据采用插补法补齐。

2 城市资源空间错配的演进态势

2.1 城市资源空间错配的总体演进

城市资本空间错配程度总体上逐步改善，全国城市资本空间错配指数均值由2003年0.98逐步向1靠近，到2018年资本空间错配指数均值为1.00，改善速度较为缓慢。自2003年起，全国城市资本空间错配指数分布曲线的主峰位置向左侧移动（图1a），意味着城市资本空间配置不足的情况有所缓解；但主峰高度不断下降，宽度有所延展，右拖尾不断拓宽，说明城市间资本配置的不均衡程度持续提高，突出表现为资本配置严重过度的城市数量有所增加。
图1 2003—2018年城市空间错配程度核密度估计

未含港澳台数据

Fig. 1 Kernel density estimation of city space misallocation from 2003 to 2018

城市劳动力空间错配显著改善，全国城市均值由2003年的1.25下降为2018年的1.06，年均增速为–1.11%，改善速度较快。2003—2009年城市劳动力错配指数的主峰位置由1右侧不断向1靠近，2009—2018年城市劳动力错配指数的主峰位置先向左侧移动、后向右侧移动（图1b），2018年主峰位置在1左侧，表明劳动力空间配置的变动幅度较大，劳动力配置不足的情况有所加剧；主峰高度在波动中下降，整体宽度延展，左拖尾拓宽，右拖尾收紧，表明劳动力配置严重过剩的城市数量有所减少，但劳动力配置严重不足的城市数量有所增加。
城市土地空间错配先缓解后加剧，全国城市均值由2003年的1.23下降为2014年的1.16，2018年上升为1.23，城市土地错配指数分布曲线的波峰呈现先下降后上升趋势（图1c）。2003—2014年城市土地错配指数的主峰位置在1的左侧但不断向1靠拢，这一时期城市土地配置不足的情况得到显著改善；2014—2018年主峰位置相对稳定，主峰高度在波动中上升，两侧拖尾持续收缩，但主峰右侧波动凸起明显，表明城市土地配置的不均衡程度下降，土地配置严重不足与严重过度的城市数量减少，但土地配置过度的城市数量依然不断增加。

2.2 不同地区城市资源空间错配演进趋势

为直观反映城市资源空间错配的地区差异，图2中分别展示了2003—2018年城市资本、劳动力和土地平均错配程度的分布情况。可以看出，中国东北地区资本配置整体不足，中部地区和东部地区相对均衡，西部地区资本配置过剩；东部地区劳动力配置整体不足，但西部地区、中部地区以及东北地区劳动力配置整体过剩；东部地区土地配置不足，中部地区土地配置相对过剩，西部地区和东北地区土地配置严重过剩。
图2 2003—2018年中国城市资源错配平均水平的空间分布

基于自然资源部标准地图服务网站下载的标准地图制作，审图号为GS（2019）1837号，底图无修改，未含港澳台数据

Fig. 2 Spatial distribution of the average level of city resource misallocation in China from 2003 to 2018

2.2.1 城市资本空间错配演进的地区差异

中国城市间资源错配程度整体上有所缓解，但部分城市资源空间配置状况未得到有效改善甚至不断恶化。为了明晰城市资源空间配置改善及恶化的具体方位，根据国务院发展研究中心发表报告划分为八大综合经济区[30]，进一步分析不同地区城市资源空间配置的演进特征。
东部沿海、西北综合经济区的城市资本配置过度情况加剧，东北综合经济区城市资本空间配置不足情况不断缓解，中部城市资本空间错配指数保持稳定（表1）。自2000年起，国家相继实施西部大开发战略（2000年）和振兴东北战略（2004年），东北和西部地区得到国家财政投入的倾斜，使得东北和西南城市资本配置不足的情况得到缓解；但由于西北地区经济产出效率有限，大量财政投入无法得到有效利用，西北城市资本配置过剩情况不断加深。东部沿海城市资本配置过度不断加深，原因在于东部沿海地区经济开放程度高，长期吸引大量国际资本流入，对国内资本的集聚能力也显著高于其他区域。而劳动力和土地资源的空间配置量有限，难以匹配区域资本的流入体量，土地、劳动力成本不断上升，利率却长期被压低，致使区域“资本过度深化”[31]，这也是东部沿海城市资本空间错配指数居高不下的重要原因。
表1 中国不同地区城市资源空间错配指数

Table 1 City resource space misallocation index in different regions of China

类型 年份 东北
地区 		东部地区 西部地区 中部地区
东部沿海 北部沿海 南部沿海 西北 西南 长江中游 黄河中游
　　注：不含港澳台数据。
资本
错配
指数 		2003 0.763 1.250 1.069 0.827 1.471 0.908 0.882 1.032
2010 0.748 1.263 1.073 0.814 1.599 0.953 0.913 0.996
2014 0.762 1.294 1.083 0.825 1.556 0.913 0.897 0.993
2018 0.844 1.261 1.087 0.816 1.591 0.900 0.884 1.023
劳动力
错配
指数 		2003 1.720 0.666 0.843 0.936 1.455 1.272 1.393 1.473
2010 1.354 0.965 0.792 1.080 1.319 1.106 1.278 1.143
2014 0.994 1.101 0.792 1.018 1.400 1.040 1.196 1.071
2018 0.936 1.094 0.660 1.178 1.297 1.042 1.182 1.111
土地
错配
指数 		2003 1.872 0.773 0.785 0.894 2.278 1.152 1.291 1.139
2010 1.551 0.838 0.772 0.972 2.249 1.099 1.243 1.066
2014 1.483 0.856 0.821 1.072 2.263 1.131 1.141 0.998
2018 1.546 0.809 0.841 1.388 2.450 1.233 1.078 1.027

2.2.2 城市劳动力空间错配演进的地区差异

北部沿海城市劳动力配置不足情况严重加剧，东北、西部及中部城市劳动力配置过剩情况逐步缓解，东部沿海城市劳动力配置不足状况明显改善（表1）。近年来户籍制度改革不断深化，2001年《国务院批转公安部关于推进小城镇户籍管理制度改革意见的通知》（ http://www.gov.cn）、2012年《国务院办公厅关于积极稳妥推进户籍管理制度改革的通知》（ http://www.gov.cn）以及2013年《中共中央关于全面深化改革若干重大问题的决定》（ http://www.scio.gov.cn）依次解决了小城镇常住户口流动限制、非农产业和农村人口有序向中小城市和建制镇转移以及全面开放中小城市落户限制等问题，极大促进了劳动力的区域流动性，显著缓解了东北、西部及中部城市劳动力配置过剩的状况，急需劳动力的东部城市得到有效补充，特别是东部沿海和南部沿海综合经济区的城市劳动力空间错配指数持续提高。但北部沿海综合经济区的城市劳动力配置不足持续加剧，原因在于：一是东部沿海、南部沿海与北部沿海相比经济更为发达，对劳动力的吸引力更大；二是受就业人员平均受教育年限影响，北部沿海城市的有效劳动力投入相对不足。北部沿海综合经济区的劳动力配置过度的省市为北京市，劳动力配置不足的省市有天津市、河北省和山东省，2003—2018年北部沿海城市劳动力受教育年限年均增长率为1.22%，不仅低于全国平均增长率1.23%，更低于南部沿海（1.23%）和东部沿海城市（1.24%）。2018年东部沿海的上海市、江苏省和浙江省劳动力受教育年限分别为12.84 a、10.85 a和10.86 a，南部沿海的福建省、广东省和海南省分别为10.21 a、10.85 a和10.21 a，而北部沿海的天津市、河北省和山东省为12.18 a、10.35 a和10.18 a，劳动力平均受教育年限明显偏低①(①数据为作者根据《中国劳动统计年鉴》（ https://kns.cnki.net/kns8/DefaultResult/Index?dbcode=CYFD&kw=%E4%B8%AD%E5%9B%BD%E5%8A%B3%E5%8A%A8%E7%BB%9F%E8%AE%A1%E5%B9%B4%E9%89%B4&korder=SU）计算所得，自2005年起山东省劳动力平均受教育年限持续低于全国平均水平。)，导致北部沿海城市的有效劳动力投入不足。

2.2.3 城市土地空间错配演进的地区差异

西部城市土地配置过剩程度加剧，中部和东北城市土地配置过度的情况有所缓解，东部城市土地资源配置不足的情况也有所缓解（表1）。东部城市土地空间错配情况虽有所改善，但依然处于配置不足状态。其中，南部沿海城市总体土地空间错配指数大于1，主要因为海南省城市错配指数过高（年均土地错配指数4.31），而广东省和福建省城市土地配置依然不足。2000年以来，西部大开发战略不仅使财政投入向西部地区倾斜，建设用地指标也更多地配置给西部地区。从城镇化进程中每年新增土地供应面积来看，中西部地区和中小城市的土地配置指标远高于东部地区[22]，2003年西部地区新增建设用地面积比重占全国总量的11.08%，2017年增长到29.08%；其中，协议出让面积占比增长更为迅速，西部地区2003年新增协议土地出让面积占比为6.38%，2017年上升到38.81%。可见，西北地区的土地资源存量指标（城市建设用地面积）过剩程度不断加剧，而东部沿海、北部沿海以及南部沿海部分区域（广东省和福建省）土地资源不足虽有缓解，但依然处于短缺状态。

3 城市资源配置的空间集聚特征

虽说城市资源空间错配程度具有地区差异性，但城市之间存在一定的人口流动、资金往来、创新溢出及信息交流等，使得城市间的资源配置可能呈现出空间集聚特征。本文利用空间核密度估计探究不同城市资源的集聚模式，并通过综合协调指数判断相邻城市在资源配置方面的协同性。

3.1 城市资源配置的空间集聚模式

结合图3可看到，城市资本空间错配指数分布于正向45°对角线附近，呈现出明显的高–高、低–低的集聚模式，表明资本流动障碍主要不存在于局部城市之间，而是存在于地区之间。政府主导的资源区域偏向性配置是引发资本空间集聚模式的重要因素，以西部地区的资本配置为例，偏向性财政补贴本意是带动欠发达地区经济发展，因为地区经济增长很大程度上取决于投资增长，这使得地方政府更偏好于生产性财政支出（如打造工业园区、建设新城等），而压低非生产性财政支出（如教育、科技、医疗等），最终形成大量的重复建设，产能过剩、资本闲置造成严重资源浪费和资金占用。同时，在财政分权和“晋升锦标赛”体制下，财政收入和晋升激励机制驱使地方政府陷入利益争夺的市场分割状态，为吸引资本流入采取税收竞争或支出竞争政策，导致资本市场价格和边际产出价值的偏差或背离[32]。
图3 城市资本错配程度的空间集聚模式

未含港澳台数据

Fig. 3 Spatial agglomeration patterns of city capital misallocation

图4显示，城市劳动力空间错配指数分布于负45°对角线附近，劳动力空间错配程度呈现出高–低分异特征，劳动力资源难以通过自由流动来实现城市之间的均衡配置。主要原因在于，外来务工人员在住房保障、子女教育、医疗以及养老等公共服务方面难以享受平等待遇。户籍制度使得城市公共服务权益与户籍密切相关，外来务工人员注重就业机会和工资水平，倾向于迁入经济较为发达的城市，但土地与住房的不可流动性决定了土地和住房不能随人口迁移而调整与配置；同时，相当一段时期内建设用地指标不能随人口迁移进行调整，人口迁入城市的建设用地指标紧缺，推升房价快速上涨，而城市住房成本高、生存压力大又成为限制部分外来务工人员落户的重要因素。然而，城市的教育经费是分区域、按户籍人口拨付，外来务工人员涌入后，基础教育资源配置难以根据人口迁入、常住人口增长而调整；同时，各地在基本养老保险覆盖范围、缴费费率、待遇计发办法等方面也存在差异，城市间养老保险的统筹尚未实现；城市间医保标准、医保目录、医保基金差异等也严重影响了医疗一体化进程[33]。公共服务和社会保障的非均等化成为制约城市劳动力自由流动的严重阻碍。
图4 城市劳动力错配程度的空间集聚模式

未含港澳台数据

Fig. 4 Spatial agglomeration patterns of city labor misallocation

图5显示城市土地错配指数分布于正45°对角线附近，表明城市土地资源空间错配呈现出高–高、低–低的集聚模式，中国城市土地资源的空间配置具有强烈的区域共聚性，这与土地资源的偏向性配置有关。“人往高处走，资源往低处流”是土地资源空间错配的症结，改革开放以来东部地区经济迅速崛起，吸引人口不断向经济发达地区集聚。对于欠发达地区而言，当本地经济缺乏竞争力和发展动力，自然希望中央政府给予更多资源转移和政策支持。为了解决地区经济发展不均衡问题，政府“有形的手”对生产要素的地区间配置进行干预，2003年后大量建设用地指标向人口流出的中西部城市配置，而人口流入的东部地区和大城市用地指标相对被收紧。这种土地资源的偏向性配置导致中国城市土地供给空间错配现象凸显：东北、西北、西南等地区出现大量的“空城”与荒凉的工业园区，东部地区则土地供不应求，房价快速上涨[34-36]。由此，城市土地资源空间配置呈现–高、低–低的集聚模式。
图5 城市土地错配程度的空间集聚模式

未含港澳台数据

Fig. 5 Spatial agglomeration patterns of city land misallocation

3.2 城市之间资源配置的协调度

中国城市资本、劳动力和土地资源呈现出空间错配特征，而伴随着要素市场化改革在金融服务与监管、户籍制度改革、土地管理制度改革等方面的不断深入，城市资本、劳动力和土地资源空间错配情况逐步改善。为考察相邻城市政府在推进要素市场化改革方面的协同性，进一步测算中国四大地区资本、劳动力和土地资源配置的协调度，重点分析相邻城市间资源配置的协同性。图6a-c分别展示了东北地区、东部地区、中部地区及西部地区相邻城市之间资本、劳动力、土地资源配置综合协调指数的变动趋势，图6d则呈现四大地区城市3种要素配置的综合协调度。
图6 2003—2018年四大地区城市资源配置的综合协调指数

未含港澳台数据

Fig. 6 Coordination index of city resource allocation by regions in 2003—2018

城市之间资本配置协调度整体呈改善趋势。其中，东部地区和中部地区相邻城市的资本配置协调度在2008年后有所恶化（图6a），城市间资本竞争压力有所提升。东北地区和西部地区相邻城市的资本配置协调度不断提高，表明这两大地区资本在城市之间配置的均衡性有所改善，资本市场化改革趋于同步。
四大地区内部劳动力配置协调度整体呈波动下降趋势（图6b）。2003—2015年四大地区域城市劳动力配置的协调度持续下降，城市间劳动力资源分布不均衡状况不断加剧。2016年户籍制度改革极大促进了劳动力的空间转移，各地区城市之间劳动力配置的协调度明显提升，西部地区上升最为显著，中部地区上升态势趋缓，东北地区和东部地区有明显波动。东部城市之间劳动力配置的协调度在2015—2017年上升，但2017—2018年呈现大幅度下降，表明东部城市间劳动力资源竞争依然激烈，相邻城市的劳动力资源配置差异显著。
四大地区城市土地资源配置差异逐步减少、土地市场化改革同步推进。其中，西部城市之间土地配置的协调度最高（图6c），结合城市土地错配指数，西部城市表现为土地配置普遍过剩的特征；中部地区和东部地区的城市土地配置协调指数居中，说明城市之间土地资源配置程度的差异处于中等水平；而东北城市土地配置的协调指数最低，东北地区相邻城市之间土地市场化改革协同性仍有待提高。
城市之间资本、劳动力、土地三要素配置的综合协调度呈上升趋势（图6d），城市不同资源的配置结构不断改善，四大地区要素市场化改革同步发展。2014年后东部地区三大要素配置的协调度有所下降，要素市场化改革偏离协同变动，原因是北部沿海地区劳动力配置不足加剧、东部沿海和南部沿海土地资源配置不足状况加剧，但资本配置过度现象却未有缓解，导致三大要素配置的综合协调度有所降低。值得注意的是，东北地区的综合协调度仍处于最低水平，说明东北地区资源在城市之间配置差异最为显著，不同资源的配置差异较大，将影响到城市之间的协调发展。

4 结论与启示

优化资源配置是中国经济高质量发展的必由之路，受到学术界和政界的广泛关注。精准识别资源配置水平的时空演变特征，是推进要素市场化改革的关键。当前关注城市层面资源空间错配的研究还不多，城市间资源配置的关联特征及协调度更是被忽视。鉴于此，本文以中国279个地级及以上城市为研究对象，准确测度资本、劳动力和土地资源在城市层面的空间错配程度，考察城市资源空间错配的动态变动和地区差异，进一步解析不同资源的空间集聚模式与协同性，得到以下主要结论：
1）2003—2018年中国城市间资本、劳动力空间错配程度整体有所缓解，土地资源空间错配程度先缓解后加剧。东部城市主要表现出资本配置过度、劳动力和土地资源配置不足的特征；东北和中部城市主要呈现资本配置不足、劳动力和土地资源配置过度特征；西部城市则呈现出资本、劳动力和土地都配置过度的特征。
2）城市间资本、劳动力和土地资源配置的空间集聚模式不同。城市之间资本配置呈现高–高、低–低的正向空间集聚模式，劳动力配置呈现高–低的负向空间集聚模式、土地资源配置呈现高–高、低–低的正向空间集聚模式。
3）城市之间资本、土地错配的协调度整体呈改善趋势，相邻城市在资本市场化改革和土地政策调整方面具有一致性；但城市之间劳动力错配的协调度呈恶化趋势，劳动力市场化改革协同性降低，城市之间对劳动力资源的争夺不断加剧。与其他地区相比，东北地区城市间要素市场化改革的协同性亟需加强。
上述结论对于优化不同资源的空间配置，协同推进要素市场化改革和提高经济发展效率具有政策启示意义。① 优化资本空间配置。面对经济发展优势地区（东部沿海）的资本过度深化问题，应对地方政府采取扭曲资本价格的税费优惠措施进行适当调控，引导资本向更高效率地区流动；而对于偏向性财政转移导致的欠发达地区（西北地区）资本配置过度问题，应着眼于教育、医疗等公共服务均等化和促进比较优势产业发展的基础设施建设等领域，避免以财政补贴的方式大搞工业园区建设和新城建设而进一步扭曲资本市场化配置。② 优化劳动力空间配置。将实现“局部”劳动力无障碍流动作为劳动力要素市场化改革的重点，引导劳动力要素合理有序流动。从制度层面消除限制劳动力自由流动的障碍，加速协调邻近城市住房、医疗、教育等公共服务共享。③ 优化土地空间配置。以需求为导向配置土地资源，解决人口流动方向与土地供给不协调的区域配置问题。对于人口流出且土地配置严重过度的地区（西部和东北地区），应适当控制城市增加土地供应量，加大人口流入地区（东部沿海和北部沿海）的土地供应力度。探索建立全国性的建设用地指标、耕地补充指标跨区域交易机制，提高土地增量指标配置效率，加速土地资源与其他资源的协同配置。
资源空间错配本质上是市场机制驱动的资源流动和行政力量主导的资源配置相背离的结果。现实中劳动力流动仍存在诸多限制因素，为促进区域均衡发展，政策上往往将资本和土地要素资源向欠发达地区倾斜，易造成整体经济效率的损失。故而，还需转变区域均衡发展观念，追求“人均”而不是总量意义上的经济均衡发展。纠正单纯追求经济和人口空间上“均匀”分布、依靠行政力量给予欠发达地区资源倾斜的逆市场化资源配置方式，破除阻碍劳动力流动的行政壁垒，引导资本和土地向紧缺、高效率区域配置，提高整体经济效率。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈彦斌, 王兆瑞, 于泽, 等. 要素市场化配置的共性问题与改革总体思路[J]. 改革, 2020(7): 5-16.

Chen Yanbin, Wang Zhaorui, Yu Ze et al. The common problems and overall solutions of the reform of market-based allocation of factors of production. Reform, 2020(7): 5-16.

[2]
Hsieh C T, Klenow P J. Misallocation and manufacturing TFP in China and India[J]. The Quarterly Journal of Economics, 2009, 124(4): 1403-1448.

DOI

[3]
Restuccia D, Rogerson R. The causes and costs of misallocation[J]. Journal of Economic Perspectives, 2017, 31(3): 151-74.

DOI

[4]
Chauvin J P, Glaeser E, Ma Y et al. What is different about urbanization in rich and poor countries? Cities in Brazil, China, India and the United States[J]. Journal of Urban Economics, 2017, 98: 17-49.

DOI

[5]
Liu T, Cao G, Yan Y et al. Urban land marketization in China: Central policy, local initiative, and market mechanism[J]. Land Use Policy, 2016, 57: 265-276.

DOI

[6]
谢呈阳, 周海波, 胡汉辉. 产业转移中要素资源的空间错配与经济效率损失: 基于江苏传统企业调查数据的研究[J]. 中国工业经济, 2014(12): 130-142.

Xie Chengyang, Zhou Haibo, Hu Hanhui. The spatial misallocation of factors and economy efficiency loss in industrial transfer: A study based on survey data of traditional industries in Jiangsu province. China Industrial Economics, 2014(12): 130-142.

[7]
Brandt L, Tombe T, Zhu X. Factor market distortions across time, space and sectors in China[J]. Review of Economic Dynamics, 2013, 16(1): 39-58.

DOI

[8]
王林辉, 袁礼. 资本错配会诱发全要素生产率损失吗[J]. 统计研究, 2014, 31(8): 11-18.

Wang Linhui, Yuan Li. Was capital misallocation an important factor for loss in total factor productivity?. Statistical Research, 2014, 31(8): 11-18.

[9]
盖庆恩, 朱喜, 程名望, 等. 土地资源配置不当与劳动生产率[J]. 经济研究, 2017, 52(5): 117-130.

Gai Qingen, Zhu Xi, Cheng Mingwang et al. Land misallocation and aggregate labor productivity. Economic Research Journal, 2017, 52(5): 117-130.

[10]
解晋. 中国分省人力资本错配研究[J]. 中国人口科学, 2019, 32(6): 84-96+128.

Xie Jin. Research on human capital mismatch across provinces in China. Chinese Journal of Population Science, 2019, 32(6): 84-96+128.

[11]
曹玉书, 楼东玮. 资源错配、结构变迁与中国经济转型[J]. 中国工业经济, 2012(10): 5-18.

Cao Yushu, Lou Dongwei. Misallocation, structural change and China's economic transition. China Industrial Economics, 2012(10): 5-18.

[12]
Yang M, Yang F, Sun C. Factor market distortion correction, resource reallocation and potential productivity gains: An empirical study on China's heavy industry sector[J]. Energy Economics, 2018, 69: 270-279.

DOI

[13]
王文, 孙早. 中国地区间研发资源错配测算与影响因素分析[J]. 财贸经济, 2020, 41(5): 67-83.

Wang Wen, Sun Zao. Regional R&D resource misallocation and its determinants in China. Finance & Trade Economics, 2020, 41(5): 67-83.

[14]
邓仲良, 张可云. 中国经济增长的空间分异为何存在?——一个空间经济学的解释[J]. 经济研究, 2020, 55(4): 20-36.

Deng Zhongliang, Zhang Keyun. Why does the spatial differentiation of China's economic growth exist?—An interpretation of spatial economics. Economic Research Journal, 2020, 55(4): 20-36.

[15]
江艇, 孙鲲鹏, 聂辉华. 城市级别、全要素生产率和资源错配[J]. 管理世界, 2018, 34(3): 38-50+77+183.

Jiang Ting, Sun Kunpeng, Nie Huihua. Administrative rank, total factor productivity and resource misallocation in Chinese cities. Management World, 2018, 34(3): 38-50+77+183.

[16]
Shenoy A. Market failures and misallocation[J]. Journal of Development Economics, 2017, 128: 65-80.

DOI

[17]
郭晓丹, 张军, 吴利学. 城市规模、生产率优势与资源配置[J]. 管理世界, 2019, 35(4): 77-89.

Guo Xiaodan, Zhang Jun, Wu Lixue. City size, advantages of firm productivity and resource allocation efficiency. Management World, 2019, 35(4): 77-89.

[18]
Hsieh C T, Hurst E, Jones C I et al. The allocation of talent and U. S. Economic growth[J]. Econometrica, 2019, 87(5): 1439-1474.

DOI

[19]
李力行, 黄佩媛, 马光荣. 土地资源错配与中国工业企业生产率差异[J]. 管理世界, 2016(8): 86-96.

Li Lixing, Huang Peiyuan, Ma Guangrong. Land resource misallocation and productivity difference of industrial enterprises in China. Management World, 2016(8): 86-96.

[20]
杨其静, 卓品, 杨继东. 工业用地出让与引资质量底线竞争——基于2007—2011年中国地级市面板数据的经验研究[J]. 管理世界, 2014(11): 24-34.

Yang Qijing, Zhuo Pin, Yang Jidong. Industrial land transfer and capital introduction quality bottom line competition—Empirical research based on panel data of Prefecture-level cities in China from 2007 to 2011. Management World, 2014(11): 24-34.

[21]
张莉, 程可为, 赵敬陶. 土地资源配置和经济发展质量——工业用地成本与全要素生产率[J]. 财贸经济, 2019, 40(10): 126-141.

Zhang Li, Cheng Kewei, Zhao Jingtao. Land resource allocation and economic development quality: Industrial land price and total factor productivity. Finance & Trade Economics, 2019, 40(10): 126-141.

[22]
陆铭, 李鹏飞, 钟辉勇. 发展与平衡的新时代——新中国70年的空间政治经济学[J]. 管理世界, 2019, 35(10): 11-23+63+219.

Lu Ming, Li Pengfei, Zhong Huiyong. The new era of development and balance: Spatial political economics of new China's regional economy for 70 years. Management World, 2019, 35(10): 11-23+63+219.

[23]
Aoki S. A simple accounting framework for the effect of resource misallocation on aggregate productivity[J]. Journal of the Japanese and International Economies, 2012, 26(4): 473-494.

DOI

[24]
刘华军, 郭立祥, 乔列成, 等. 中国物流业效率的时空格局及动态演进[J]. 数量经济技术经济研究, 2021, 38(5): 57-74.

Liu Huajun, Guo Lixiang, Qiao Liecheng et al. Spatial-temporal pattern and dynamic evolution of logistics efficiency in China. The Journal of Quantitative & Technical Economics, 2021, 38(5): 57-74.

[25]
李言, 樊学瑞. 中国地区生产要素价格扭曲的演变: 1978—2016年[J]. 数量经济技术经济研究, 2020, 37(1): 62-82.

Li Yan, Fan Xuerui. Changes in production factors price distortion in China: 1978—2016. The Journal of Quantitative & Technical Economics, 2020, 37(1): 62-82.

[26]
国家统计局. 中国城市统计年鉴[M]. 2004—2019.北京: 中国统计出版社, 2004−2019.

National Bureau of People's Republic of China. China city statistical yearbook.2004—2019. Beijing: China Statistics Press, 2004−2019.

[27]
余泳泽. 异质性视角下中国省际全要素生产率再估算: 1978—2012[J]. 经济学(季刊), 2017, 16(3): 1051-1072.

Yu Yongze. Estimation of total factor productivity in China from the perspective of heterogeneity: 1978—2012. China Economic Quarterly, 2017, 16(3): 1051-1072.

[28]
单豪杰. 中国资本存量K的再估算: 1952—2006年[J]. 数量经济技术经济研究, 2008, 25(10): 17-31.

Shan Haojie. Reestimating the capital stock of China: 1952—2006. The Journal of Quantitative & Technical Economics, 2008, 25(10): 17-31.

[29]
国家统计局, 人力资源和社会保障部. 中国劳动统计年鉴[M]. 北京: 中国统计出版社, 2004-2019.

National Bureau of People's Republic of China, Ministry of Human Resources and Social Security of the People's Republic of China. China labor statistical yearbook. Beijing: China Statistics Press, 2004-2019.

[30]
王梦奎. 中国中长期发展的重要问题: 2006—2020[M]. 北京: 中国发展出版社, 2005.

Wang Mengkui. Important issues in China's medium and long term development: 2006—2020. Beijing: China Development Publishing House, 2005.

[31]
陆铭, 张航, 梁文泉. 偏向中西部的土地供应如何推升了东部的工资[J]. 中国社会科学, 2015(5): 59-83+204-205.

Lu Ming, Zhang Hang, Liang Wenquan. How the bias toward central/western land supplies boosts wages in the East. Social Sciences in China, 2015(5): 59-83+204-205.

[32]
Ding Y, McQuoid A, Karayalcin C. Fiscal decentralization, fiscal reform, and economic growth in China[J]. China Economic Review, 2019, 53: 152-167.

DOI

[33]
苏红键, 魏后凯. 中国城镇化进程中资源错配问题研究[J]. 社会科学战线, 2019(10): 79-87+281.

Su Hongjian, Wei Houkai. A research on the misallocation and optimization of resources in China's urbanization. Social Science Front, 2019(10): 79-87+281.

[34]
Shu C, Xie H, Jiang J et al. Is urban land development driven by economic development or fiscal revenue stimuli in China?[J]. Land Use Policy, 2018, 77: 107-115.

DOI

[35]
Chen T, Kung J S. Do land revenue windfalls create a political resource curse? Evidence from China[J]. Journal of Development Economics, 2016, 123: 86-106.

DOI

[36]
Song X, Feng Q, Xia F et al. Impacts of changing urban land-use structure on sustainable city growth in China: A population-density dynamics perspective[J]. Habitat International, 2021, 107: 1022967

Options
文章导航

/

〈 〉