?

Spatial Association of Urban Agglomeration and Its Economic Growth Effect Under the Influence of High-speed Railway

  • Qi Xin , 1 ,
  • Wang Lijun 2 ,
  • Zhang Jiaxing 1 ,
  • Wang Feiyue 3
Expand
  • 1. College of Economics, Liaoning University, Shenyang 110036, Liaoning, China
  • 2. College of International Education, Liaoning University, Shenyang 110036, Liaoning, China
  • 3. School of Public Economics and Management, Shanghai University of Finance and Economics, Shanghai 200433, China

Received date: 2020-10-25

  Online published: 2021-05-11

Supported by

Social Science Planning Project of Liaoning Province (L19BJY004), Key Project of Social Science Planning Fund of Liaoning Province (L17AJL004)

Copyright

Copyright reserved © 2021.

Abstract

Taking the urban agglomerations of the Yangtze River Delta, the Pearl River Delta and the middle-south of Liaoning Province as examples, using the relevant data of cities at the prefecture level and above in each urban agglomerations from 2009 to 2018, and with the aid of social network analysis and spatial measurement methods, this paper empirically studies the influence of high-speed railway construction on the spatial correlation pattern and economic growth effect of urban agglomeration. The results show that in terms of spatial association form, through the construction of high-speed railway, the node center of cities under the jurisdiction of each urban group has been improved and the relationship between cities is more closely. However, the ranking sequence of cities in urban groups varies, forming a spatial association sequence structure with different characteristics In the aspect of economic growth effect, high-speed railway construction promotes the coordinated economic development of urban agglomeration, and the higher the economic development level and spatial correlation degree of urban agglomeration, the higher the positive economic growth power of high-speed railway construction; The spatial spillover effects of high speed rail on economic growth in the Pearl River Delta, central and southern Liaoning and Yangtze River Delta Economic Zone were significantly positive and decreased in turn.

Cite this article

Qi Xin , Wang Lijun , Zhang Jiaxing , Wang Feiyue . Spatial Association of Urban Agglomeration and Its Economic Growth Effect Under the Influence of High-speed Railway[J]. SCIENTIA GEOGRAPHICA SINICA, 2021 , 41(3) : 416 -427 . DOI: 10.13249/j.cnki.sgs.2021.03.006

研究中国现阶段的高铁建设对城市群的空间关联形态和经济增长的影响,能够有效地评估它为城市群经济发展所贡献的现实力量,为城市群实现优化协调发展提供重要的理论和现实参考。长三角、珠三角和辽中南城市群是中国实施“两横三纵”城市化战略布局的最重要区位。高铁建设能否增进这3大城市群内的深度融合、打通内部市场、并充分发挥各自的主体功能和潜力,是全国区域优化协调发展的题中之义和关注焦点。原因在于,3大城市群的高质量发展有赖于高铁建设的赋能。高质量的高铁建设能够缩短珠三角城市群内核心城市和边缘城市之间的通勤距离、深化省内就业关联;能够细化长三角城市的城市体系分工,使得大都市中心区承载区域性和国际性产业,同时城市郊区新城和县级功能节点承载不断下沉的特色产业;能够建立辽中南城市群与京津冀和山东半岛城市群的空间关联,通过借力于环渤海经济圈再振兴老工业基地[1]。对比研究高铁建设对这3大城市群在空间关联形态和经济增长方面的影响,将更有利于发挥高铁经济的正效能、规避高铁建设所可能带来的负效能,推进城市群高质量协调发展。国内外相关研究主要包括3个方面。首先,在高铁对区域经济发展的影响方面。有学者认为,高铁建设既可能缩短各城市之间的时间距离,促使点状城市联结成群,增强区域之间经济增长的空间溢出效应[2];也可能在一定程度上扩大城市内部的城乡差距[3]、扩大大型设站城市与非设站城市之间的工资差距[4],从而降低经济增长质量。并且,高铁建设能够使得处于不同地理区域、人口规模各异的城市经济增长不均衡[5];其中,采用城市群战略的城市相比于未采用的城市而言,会更多地获益于高铁经济的正效应[6]。其次,在高铁对城市群空间结构的影响方面。有学者研究发现,高速铁路的开通重塑了城市群的空间结构、提高了沿线城市的经济联系强度、有利于带动生产性服务业形成空间集聚[6], 有助于促进城市群的空间关联网络结构朝着多中心、网络化的方向发展[7],特别是对城市的空间扩张发挥了弹性为0.12~0.13的正向促进作用,将城市之间的直接联系提高了0.9%[8,9]。与之相对,也有学者认为,高铁建设对城市空间经济关联的影响各异,在增强了高层级城市集聚性的同时,也减弱了周边小城市的集聚性[10,11]。因此,中国并非所有维度的城市都因建设高铁而更加融合,而是表现为经济区域和大都市圈范围内的城市之间发展差距不断缩小、边缘的中小型城市之间的发展差距不断扩大;在同一都市圈内,核心城市和非核心城市之间的发展差距不断缩小[12]。再次,在高铁对个别领域发展的影响方面。学者们发现,高铁建设阻碍了人口城市化进程;但是通过促进产业结构升级,提升了城市化的质量[13],极大地影响了城市批发零售、酒店餐饮等行业部门的就业,与高铁网络1~4 h范围内所连接的人口数越多,相关的城市部门的就业增长就越快[14],同时也增强了中国30个省会城市就业机会的空间相关性,使得就业机会的局部溢出效应在东部和东北地区显著为正[15]。由此可见,国内外研究主要集中于以全国和省级单位的数据作为样本,探讨单条高铁线路建设对区域经济增长、城市空间结构,以及产业、就业发展等方面的影响,但对于高铁建设是否使城市之间的空间经济关联结构更为协调、是否促进了城市群经济的增长这一问题并未得到统一结论;并且较少从多个城市群对比的视角,同时研究这两个核心问题。这就有可能导致高铁建设的低效率或者城市盲目地参与高铁建设,继而影响城市群经济的高质量发展、甚至造成浪费。基于上述考虑,选取长三角、珠三角和辽中南3个城市群,对比研究高速铁路建设对3大城市群空间关联结构形态的改变,评估高铁赋能下城市群的经济增长效果,力求为禀赋不同的城市群理性地借力于高铁建设来推进经济的协调发展提供现实参考。

1 高铁建设影响城市群经济发展的机制

1.1 概念界定

高铁建设通过改变城市群的空间关联形态、促进城市群经济增长来影响城市群的经济发展,在这一过程中形成空间协调机制和经济增长机制。高铁建设的空间协调机制,是指高铁建设能够在城市之间统筹配置要素和资源,协调城市之间的经济结构和发展速度,从而推进城市群由非均衡转向一般均衡以及高水平的均衡发展。在这一机制作用下,高速铁路建设将引导城市之间在经济、社会、环境、交通等方面,突破行政限制建立空间关联,发挥空间关联效应。高铁建设的经济增长机制,是指通过经济领域和环节的深度融合、转型升级经济结构,通过同域影响和空间溢出2个途径,构建有梯度的自主融合模式。基于这一机制,高铁建设将发挥经济增长效应,使得城市群借助于建设高铁、或者高铁建设所塑造的空间融合效果来提升国民经济的发展质量。

1.2 影响机制分析

首先,高铁建设使得城市间更容易建立空间关联。通过使劳动力在其他城市就业和居住的需求更为便利地实现,重新配置资源并牵动就业转移,缩小了空间发展的差距,会形成驱动产业结构升级和产业空间分工细化的物质基础,在城市之间逐步建成具有韧性的共同产业链。通过发挥劳动力的就业池效应和规模经济效应,在城市之间建立产业和基础设施关联。各类经济主体在此基础上,积极运用财政和金融力量,拓展并深化产业链的空间分布与结构。进一步的,产业和市场的跨区域融合,促进了城市化区域的形成。随着高铁网络的复杂化,城市之间的产业链通过建立包括原料采集、人员配备、产品研发、投入运营的横向与纵向关联,形成了由商流、资金流、物流、劳务流及信息流等多条产业链(群组)定位组成的城市产业分工网络。更进一步的,在高铁建设的各阶段,城市群所获得的空间关联效果各异。在高铁建设初期,因同时存在核心城市的“虹吸效应”和边缘城市的“吐出效应”,会形成群内城市之间非协调发展的空间结构,呈现出“被动关联”的发展特征。随着高铁建设的成熟化,通过提升资源、人才、商业、资本等要素的配置效率、发挥市场效应和城市化效应,大幅度带动周边城市快速发展,从而使得核心城市和边缘城市能够进入“主动关联”的发展阶段,关联效果相对提升。当高铁建设由点状发展为网络时,以高铁站点为中心形成的效能场,通过“城融合”和“市融合”关联和渗透,提升了城市群内部和城市群之间的空间关联效率。发展成熟度越高的城市群如长三角城市群、珠三角城市群,因基础设施同城化、产业分工精细化的程度相对较高,会更为迅速地进入深度重塑空间结构的阶段;而发展成熟度相对较低,特别是产业分工基础较弱的城市群如辽中南城市群,则会在一定时期内停留在高铁赋能下的空间关联搭建与深化阶段。
其次,高铁建设分别通过同域影响和空间溢出路径,影响城市群的经济增长。基于同域影响路径,高铁建设通过转型升级设站城市的产业结构影响经济增长。比如以第二产业为主导的城市与高铁项目的衔接点较多,能够为高铁建设提供丰富的原材料和相对廉价的劳动力,还能够向城市外部输送工业产品,在一定程度上带动第三产业发展,促进制造业服务化和服务业数字化;特别是推进了产业的韧性发展,增强了产业部门之间的弹性替代能力,巩固或重塑了主导产业部门的优势。基于经济空间溢出路径,高铁建设通过构建空间关联网络、激活大城市化区域的“双循环”,促进经济增长。高铁建设带动了劳动力、生产要素、市场和产业部门的跨区域转移,疏通了城市群内的城市化进程。在每个城市的城市化承载力一定的条件下,通过建立城市空间关联,形成大城市化区域。城市化经济运行通过调节城市群范围内经济主体在劳务市场、资金市场、产品市场的总供给和总需求,构成了每个城市和大城市化区域的“内循环”;随着城市化经济不断扩张、城市化各领域的集聚经济效应和空间溢出能力增强,城市之间和城市群之间逐步形成空间关联,构成了大城市化区域的“外循环”。“内循环”促进同区域的经济增长,“外循环”促进经济增长的空间溢出。

2 高铁建设的城市群空间关联结构分析

节点是交通运输领域中一个重要的结构要素,高铁建设改变了城市之间的空间关系、影响了各城市在城市群内的位序,使得各城市成为城市群内的节点,形成了与之前不同的关联结构和位序结构。按照在运输网络中所反映的客运能力和需求、路网的属性,以及枢纽的重要程度,可以用节点中心度和节点重要度表示城市群的关联结构和位序结构。其中,节点中心度是指各城市对城市群内其他城市“一对多”影响力的总和的大小,用来反映各城市在城市群内影响和统领其他城市的能力的高低。它由城市节点重要度加总获得,反映“场”的概念。节点中心度越高的城市,对网络中其他城市的影响力(吸引力和辐射力)越强。节点重要度是综合反映区域内各城市之间“一对一”的经济和社会发展水平关系的指标,用于评价城市群内任意两个城市在经济和社会资源综合集散能力方面的关系和差异,反映“流”的概念。某个城市节点中心度的大小,取决于它与所在城市群内其他城市之间所形成的节点重要度的数值变化。由于高铁建设通常会因缩短了设站城市之间的时间距离,而增强城市的节点重要度和节点中心度,故各城市在高铁建设的影响下,往往可能改变在城市群内的节点中心度排序状况。比如在有高铁运行的条件下,部分中心城市和次中心城市的节点中心度都增强了,但后者的增强幅度大于前者,于是它的节点中心度在城市群内的排序反而提升,也即提高了在城市群内的相对影响力。从而形成了新的城市群空间关联结构和位序结构。本文借助于节点重要度和中心度指标,对比研究高铁建设对长三角、珠三角和辽中南城市群空间结构的影响。

2.1 城市群节点重要度与节点中心度测算

城市在城市群内所呈现出的节点重要度,由该城市的综合发展质量、该城市与其他城市之间的时间距离来共同体现。如果城市的综合发展质量增强、或者与其他城市之间的时间距离缩短,都会提高节点重要度。因此,为了更加全面地测度高铁建设对各城市群空间关联结构的影响,需要首先测度城市的节点重要度,这也就需要构建衡量城市综合发展质量的指标体系。这一指标体系包括经济发展、社会发展,交通发展、环境发展4个维度。其中,在经济发展维度,选择二三产业比值、固定资产投资额、社会消费品零售额作为二级指标;在社会发展维度,选择城市建设用地面积、万人医生数、科技支出、教育支出作为二级指标;在交通发展维度,选择城市道路面积、客运量、货运量作为二级指标;在环境发展维度,选取建成区绿化覆盖率作为衡量指标。运用SPSS 26.0软件,对各指标进行标准化处理,指标数据均来源于2019年《中国城市统计年鉴》[16]。为了更精准地掌握每个城市群的城市综合发展质量的聚焦点,本文对标准化的数据进行主成分分析。结果显示,长三角、珠三角、辽中南3个城市群的KMO检验值分别为0.755、0.545、0.648,均大于0.500;Bartlett球形检验的统计量分别为424.017、292.167、258.425,相应概率显著性均为0.000,适合运用主成分分析法综合描述城市群的综合发展质量。具体而言,长三角城市群能够提取3个主成分,第1主成分的特征值为7.772,方差贡献率为64.768%,其累积方差贡献率达到86.711%,且特征值都大于1。珠三角城市群能够提取3个主成分,第1主成分的特征值为8.041,方差贡献率为67.011%,其累积方差贡献率为88.267%,而且特征值都大于1。辽中南城市群第1主成分的特征值为8.572,方差贡献率为71.436%,前2个主成分的累积方差贡献率达到84.097%,且特征值都大于1,故提取前2个主成分。其次,运用熵值法确定主成分的权重,求得修正后的城市质量综合得分S。采用修正后的引力模型来表示节点重要度,也即城市之间的空间关联强度。设Eij表示城市的节点重要度,设 ${S_i}$ ${S_j}$ 分别表示城市 $i$ 和城市 $j$ 的综合发展质量因子得分,以二者乘积作为分子; ${T_{ij}}$ 表示两两高铁设站城市之间的高铁线路的最短可达时间距离,作为分母,由“12306官网( https://www.12306.cn/index/)”整理得到;故节点重要度的表达式为:
$ {E_{ij}} = {S_i}\times{S_j}/{T_{ij}} $
而非高铁城市因没有直达的高速铁路,采用公路或普通铁路的最短到达时间来代替(单位:h)。则各城市群高铁网络覆盖下的节点中心度(Lij)如(2)式所示,n表示城市数量。
${L_{ij}} = \sum\limits_{i,j = 1}^n {{E_{ij}}} $
借助于UCINET6社会网络分析软件进行各城市群的中心性分析,能够绘制出城市群内各城市的节点(点度)中心度排序。

2.2 各城市群的空间关联形态变化分析

选取长三角城市群的上海、杭州、南京、苏州、台州、无锡、常州、南通、扬州、镇江、宁波、嘉兴、湖州、绍兴、舟山、合肥、滁州、马鞍山、芜湖、宣城、铜陵、池州、安庆等23个地级及以上地市;珠三角城市群的广州、深圳、珠海、佛山、东莞、中山、肇庆、惠州、江门、汕尾、清远、云浮、河源、韶关等14个地级及以上城市;辽中南城市群的沈阳、大连、鞍山、抚顺、本溪、丹东、锦州、营口、阜新、辽阳、盘锦、铁岭、朝阳、葫芦岛等14个地级及以上城市为研究对象,并借助于社会网络分析软件,将各城市抽象为网络节点,构建2018年各城市群有/无高铁建设影响下的城市间空间位序结构图(图1~图3)。
图 1 2018年有高铁作用和无高铁作用的辽中南城市群空间位序结构

蓝色圆点表示高铁设站城市及其节点中心度位序,黄色圆点表示高铁未设站城市抚顺、河源、舟山及其节点中心度位序。节点面积越大,表示相应的节点城市在整个城市群网络中的“位序”越靠前,对城市群内其他城市的统领和辐射能力越强。以下图同上

Fig.1 Spatialrank structure map of Liaoning urban agglomeration with (without) high-speed railway in 2018

图 2 2018年有高铁作用和无高铁作用的珠三角城市群空间位序结构

Fig.2 Spatial rank structure map of the Pearl River Delta Economic Zone with (without) high-speed railway in 2018

图 3 2018年有高铁作用和无高铁作用的长三角城市群空间位序结构

Fig.3 Spatial rank structure map of the Yangtze River Delta urban agglomeration with (without) high-speed railway in 2018

通过对比分析各城市群节点中心度的数值和排序(结果略)可知,高铁建设因显著地缩短了城市之间的时间距离,提升了城市群内各城市的节点中心度的数值。但是,对于3个城市群内各城市节点中心度位序结构的影响则不同。如图1所示,在有高铁建设的影响下,辽中南城市群的沈阳市节点中心度位序不变,仍然位列第1,而大连、辽阳位序错后,分别由无高铁时的第2、3位错后到有高铁后的第3、4位,鞍山的位序由之前的第4位提前到第2位,排位后3位的阜新、丹东、朝阳的位序没有变化。这说明,高铁建设增强了鞍山在辽中南城市群内的相对综合引领力,这种增强的幅度大于对大连和辽阳的增强,因此降低了这2个城市的相对位序,但对于排名第1和末位的城市位序改变不大。如图2所示,在珠三角城市群中,广州的节点中心度位序不变,建设高铁后,东莞的位序由第2位退后到第4位,深圳和佛山由第3、4位提前到第2、3位,排名位于中间的中山、江门、清远、韶关的位序变化不大,排名最末的云浮、肇庆位序提升至第11、12位。由此可见,高铁建设对珠三角城市群处于排名前列和末位的城市位序影响较大,对位于中间位序的城市影响不大。如图3所示,在长三角城市群中,高铁开通后,除南京由第4位提升至第1位,上海位序不变,为第2位,位于中间位序的苏州、无锡、常州的位序均有所下降,位于排名位序后面的铜陵和池州均提前。由此可见,高铁建设对于长三角城市群除上海外,其他城市的位序基本都产生了影响。从上述高铁建设对城市群空间关联形态的影响中,可以发现,高铁建设对于发展成熟度不同的城市群影响不同。对成熟度相对较高的国家级城市群珠三角城市群和长三角城市群,能够带动节点中心度排名位于后面的城市发展,这说明高铁建设有效地增进了这2个城市群内中心城市与边缘城市之间的关联互动效率;而对于东北区域发展成熟度相对较低的辽中南城市群而言,这种缩小中心和周边差距的带动效果则不明显。

3 高铁建设的城市群经济增长效应分析

应用前文计算出的3个城市群的高铁节点中心度,选取2009—2018年二三产业比值、城市化率、固定资产投资额、财政支出作为解释变量,城市群各地级及以上城市的国民生产总值作为被解释变量,测度高速铁路建设在同域和空间溢出两个维度对城市群经济增长的影响。之所以选择2009年作为研究起点,是因为该年度武广高铁的开通,标志了中国正在飞速进入高铁时代。

3.1 有高铁建设和无高铁建设的城市群经济增长效应

考虑到不同城市的变量参数会随着时间推移而变化,根据面板随机系数模型以及GLS估计方法,实证研究2009—2018年在有/无高铁影响的条件下,3个城市群所辖地级及以上城市的经济增长状况。为平抑数据波动,各组数据均采用对数化处理。其中,在分析无高铁作用下的城市群经济增长时,去掉高铁节点中心度这一解释变量,其他解释变量不变。具体结果如表1所示。
表 1 高铁建设对辽中南城市群经济增长的影响结果

Table 1 Impact of high-speed railway construction on economic growth of central-south Liaoning Urban Agglomeration

城市 有无高铁 节点中心度 财政支出 固定资产投资额 二产/三产 城市化率
沈阳 0.5629* 0.4273 0.1788 0.5181* 0.7824
0.6882*** 0.1651 0.1753 −0.9515
大连 1.1206** 0.2991 0.2438 0.7318*** 0.8773*
0.5555*** 0.5478 0.1707 −0.0671
鞍山 −0.1711 0.3647 0.7258 0.4887 −0.2923
0.3481 0.7768* 0.4654 0.9650
抚顺 −0.4178* 0.1743 0.3578 0.2399 3.0623
0.2847 0.5811* 0.2117 2.0217
本溪 −0.5665** 0.4010 0.1752 0.3380** 24.4484 ***
0.8073*** 0.3437 0.3118* 7.1388
丹东 0.0111 0.6564** 0.3651 0.7692** 1.6549
0.6073** 0.3646 0.7412*** 0.6895
锦州 −0.7234** 0.2071 0.7919** −0.4083 −7.2990**
0.1290 1.0626*** −0.5044 −5.0609
营口 0.0042 0.1412 −1.0755*** 1.8754*** 29.1923***
0.2007 −0.9071** 1.7228*** 25.9258***
阜新 0.2894 0.3791 0.8988* 0.3730 0.0298
0.2887 0.8355* 0.3560 0.0875
辽阳 −0.2468 0.4429 0.4977* 0.2537 −0.1228
0.3434* 0.1113** 0.2036 0.0158
盘锦 0.0786 0.6750*** 0.3325 −0.0382 −0.5072***
0.6811*** 0.2226 −0.0284* −0.5186
铁岭 0.4804*** 1.7735*** −0.4511*** 0.7239*** −0.8701***
0.9527*** −0.0688 0.5892*** −0.9776
朝阳 −0.9274* −0.0174 0.3370 0.4083 1.8650
0.0084 0.5584 0.3448 1.3632
葫芦岛 −0.3932 0.4642 0.1722 0.2313 −0.4306
0.5845** 0.1759 0.2659 −0.4829

  注:* ** ***分别表示在10%、5%、1%水平下显著;表中空白表示无此项。

表1结果显示,在辽中南城市群中,节点中心度对所在城市经济增长发挥显著正效应的城市包括沈阳、大连、铁岭;发挥显著负效应的城市包括本溪、锦州、朝阳。说明综合发展水平相对较高的城市,其节点中心度的增强将更有利于经济增长。沈阳和大连节点中心度的提升分别优化了产业结构和城市化率的经济增长效应。综合观察发现,高铁节点中心度的变化,增强了多数城市的产业结构和城市化的经济增长效应、降低了固定资产投资和财政支出的经济增长效应,说明该城市群的高铁建设主要依赖于政府主导和财政投资,并且推进了产业结的构转型升级和城乡之间的融合。
表2结果显示,在珠三角城市群中,高铁建设发挥正向增长效应的城市为广州和深圳,大部分城市的节点中心度增长效应不显著,但由高铁直接影响经济增长的“同域效应”相对较强,体现为提升了多数城市的财政支出和固定资产投资的本地经济增长贡献率,降低了多数城市中产业结构升级和城市化对经济增长的贡献率,这与辽中南城市群的结果完全相反。说明该城市群的初始产业结构较高、群内城市化发展好,并通过高铁建设拉动了固定资产增长。
表 2 高铁建设对珠三角城市群经济增长的影响结果

Table 2 Impact of high-speed rail construction on economic growth the Pearl River Delta Economic Zone

城市 有无高铁 节点中心度 财政支出 固定资产投资额 二产/三产 城市化率
广州 0.0885* 0.3305 0.1060 −0.3991 8.9950**
0.2540 0.0925* −0.4629 8.5656**
韶关 −0.0714 0.7059** 1.0411*** 1.8884*** −1.8424***
0.6673** 0.9758*** 1.8786*** −1.4648
深圳 0.6682*** 0.2481** 0.0506 −0.9100** −53.0080***
0.4592*** −0.0128 −0.7125 −18.8254
珠海 0.1999 0.7935 −0.8178 −0.7816 21.9006
0.7857 −0.8692 −1.0406 27.1816*
佛山 −0.2145 −0.0206 0.7178 −0.0573 9.6517
0.0348 0.4522 0.0279 5.8483
江门 0.1918 0.1401 0.4373 −0.0021 0.2950
0.2123 0.3916 −0.0173 1.1681
肇庆 0.1809 0.5513*** 0.0259 −0.0088 1.9853*
0.4361* 0.0953 0.2087 2.7561**
惠州 −0.0719 −0.0508 0.3503 −0.5927 2.7099
0.1027 0.1577 −0.4189 1.9654
汕尾 0.1384 −0.0237 0.8052 0.1686 0.0710
−0.0493 0.8828* 0.4434 0.5855
河源 0.2377*** 0.3803*** −0.1827 −0.5951*** −1.2449**
0.7373*** −0.3682* −0.4230*** −2.4258***
清远 −0.0442 0.6939*** 0.2768** 0.0454 0.1203
0.3402*** 0.0092 0.2097** 3.0034***
东莞 −0.0119 0.5134*** 0.6082** 0.3416 0.8851
0.5150*** 0.6573*** 0.3673* 0.3953
中山 −0.1459 −0.1202 0.7400 −0.2407 8.1746
−0.1211 0.5738 −0.0908 10.6754
云浮 −0.0477 0.4540*** 0.5261*** 0.0803 0.2947**
0.3739 0.1257 0.2908** 2.2266

  注:* ** ***分别表示在10%、5%、1%水平下显著;表中空白表示无此项。

表3结果显示,在长三角城市群中,共有6座城市也即无锡、嘉兴、湖州、台州、铜陵、宣城的经济增长显著受到高铁建设的影响,除无锡外,其他5座城市的增长效应均为负数,这说明高铁建设可能在一定程度上对这些城市来说造成了经济上的浪费。与此同时,高铁建设也提升了嘉兴、台州、湖州等城市的产业结构、固定资产投资、财政支出的经济增长效应,降低了多数城市城市化的经济增长效应。说明该城市群的城市化水平相对较高,高铁建设在一定程度上疏散了人口在大城市内的密集分布,并通过建设高铁网络提升了固定资产的投资收益。
表 3 高铁建设对长三角城市群经济增长的影响结果

Table 3 Impact of high-speed rail construction on economic growth the Yangtze River Delta Economic Zone

城市 有无高铁 节点中心度 财政支出 固定资产投资额 二产/三产 城市化率
上海 −0.0334 0.5887*** −0.4985 −0.0917 0.7290
0.6198*** −0.4304 −0.0728 0.3741
南京 −0.0630 0.7960*** −0.0221 −0.2823 0.1559
0.9333*** −0.0199 0.2816 0.4986**
无锡 0.1402** 1.5967*** 1.7089** 1.9864*** −1.4007
1.6669*** −0.0092 2.0028*** 1.6126
常州 0.0178 0.1802 0.5643 −0.5596 −0.1098
0.1771 0.5121 −0.5921 −0.0265
苏州 −0.0240 0.1361 0.5099*** −0.4924 0.2223
0.1259 0.5130*** −0.4705 0.2748
南通 0.0425 0.4714 1.1478*** 1.9911** −12.7258**
0.4579 1.0532*** 1.9235** −5.6656*
扬州 0.0692 0.2719 0.9936** 0.8422 0.3821*
0.1808 1.0389* 0.5467 0.2927
镇江 −0.0113 0.0332 1.1769*** 0.8061*** −20.4086***
0.0336 1.2064*** 0.7860*** −16.7224***
杭州 0.0867 0.8875*** 0.6834* 0.4340 0.0776
0.8559*** 0.3794 0.2998 0.1125
宁波 0.0024 1.5056*** −0.6201 2.2833*** −0.6126
1.5282 −0.6971 2.2849*** −0.6080
嘉兴 −0.1516* 2.3648*** −0.9079 4.1336*** 2.6846***
2.6427*** −1.0260** 4.4464*** 3.0628***
湖州 −0.1244* 2.1826*** 0.4180 4.6635*** 0.3662
1.8278*** 0.7293* 4.1751*** 0.6682
绍兴 −0.0213 0.4670 1.0551* 0.3217 0.0254
0.4066 0.9445** 0.3092 0.0679
舟山 0.0279 0.3445 0.7463 −0.0339 0.3977
0.3467 0.6321 −0.1051 0.2619
台州 −0.1824** 1.8447*** −0.4676 3.0579*** 0.4899**
1.9864*** −0.7625* 3.0112*** 0.6564
合肥 −0.0172 0.8729*** −0.0135 0.3784 −0.0023
0.8748*** −0.0181 0.3754 0.0048
芜湖 0.0065 0.3396 0.3358 −0.2332 −0.0601
0.3432 0.3326 −0.2278 −0.0609
马鞍山 0.0177 0.3991 0.5041 0.0722 −0.0952
0.3771 0.5093 0.0712 −0.1008
铜陵 0.1578** 0.4109** 0.3902 −0.5812** −0.1150
0.3762* 0.3652 −0.4304 0.0633
安庆 −0.1230 0.6870** 0.4733 1.8688*** 0.4674***
0.5132 0.6447** 1.7919*** 0.5285***
滁州 0.0805 −0.2009 0.5720* −1.6342*** 0.0123
−0.2331 0.6175* −1.4957** 0.0070
池州 0.0779 0.2719 0.3513 −0.6798 0.4233
0.2720 0.3492 −0.6428 0.3099
宣城 −0.1797** 0.2737 0.7470** 1.7822*** 0.8009
0.0847 0.8779 1.5629*** 1.2119

  注:* ** ***分别表示在10%、5%、1%水平下显著;表中空白表示无此项。

3.2 高铁建设的城市群空间溢出效应分析

1) 空间计量模型的选择。空间计量模型包括空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM):
${Y_{it}} = \rho {W_{ij}}{Y_{jt}} + {X_{it}}\beta + {\mu _i} + {\lambda _t} + {\varepsilon _{it}}$
$ {Y_{it}} = {X_{it}}\beta + {\mu _i} + {\lambda _t} + {\varepsilon _{it}}, \;\; {\varepsilon _{it}} = \lambda {W_{ij}}{\varepsilon _{it}} + {\theta _{it}} $
${Y_{it}} = \rho {W_{ij}}{Y_{jt}} + {X_{it}}\beta + {W_{ij}}{X_{jt}}\theta + {\mu _i} + {\lambda _t} + {\varepsilon _{it}}$
式中,Y为因变量即各城市的国民生产总值,Xn×k的外生自变量矩阵,ρ $\theta $ 为空间自回归系数,Wn×n的空间权值矩阵,WY、WX为空间滞后因变量, ${\mu _i}$ ${\lambda _t}$ 分别表示空间和时间上的特定效应, ${\varepsilon _{it}}$ 为随机误差项。3个城市群的空间计量模型选择结果如表4所示。
表 4 城市群的空间计量模型选择判定结果

Table 4 Selection of spatial econometric models for urban agglomerations

变量 长三角 珠三角 辽中南
统计值 P 统计值 P 统计值 P
Moran 's I 0.17 0.05 0.06 0.03 0.16 0.07
LMLAG 0.14 0.74 0.02 0.88 0.10 0.74
R_LMLAG 0.52 0.47 0.60 0.43 1.54 0.21
LMERR 9.60 0.00 0.74 0.38 2.81 0.09
R_LMERR 10.00 0.00 1.33 0.25 4.24 0.03
Wald_spatial_lag 18.12 0.00 9.10 0.16 4.79 0.44
LR_spatial_lag 5.64 0.01 10.34 0.13 2.34 0.78
Wald_spatial_error 12.86 0.02 5.83 0.32 5.15 0.39
LR_spatial_error 3.63 0.02 9.87 0.65 3.23 0.32
Hausman 29.16 0.00 22.46 0.02 13.60 0.25
效应类型 固定效应 固定效应 随机效应
适用模型 空间杜宾 空间误差 空间误差
表4所示,空间计量模型判定的检验结果显示,样本数据的Moran’s I值显著,说明3个城市群的面板数据被解释变量具有空间自相关关系。通过Wald检验和LR检验可知,长三角城市群的空间误差和空间滞后检验的伴随概率值均能够拒绝原假设;结合效应检验结果,选择具有固定效应的空间杜宾模型估计。与之相对,珠三角城市群和辽中南城市群的这两项伴随概率均无法拒绝空间杜宾模型的原假设,结合LR检验和LM检验的结果,判定应分别选择具有固定效应的空间误差模型以及具有随机效应的空间误差模型进行估计。
2) 空间计量结果分析。3个城市群高铁建设的经济增长空间溢出效应测度结果如表5所示。
表 5 城市群高铁建设影响下的经济增长空间溢出效应

Table 5 Spatial spillover effect of economic growth under the influence of high-speed railway construction in urban agglomerations

变量
效应范围
珠三角 辽中南 长三角
同域 溢出 同域 溢出 同域 溢出
高铁节点中心度(gt 0.02 0.35*** 0.06 0.09* 0.04 0.07*
财政支出(cz 0.32** 0.45*** 0.63*** 0.66*** 0.33*** 0.36***
固定资产(gd 0.19 0.39*** 0.48*** 0.39*** 0.66*** 0.60***
二三产业比值(esb 0.05 −0.04 0.14*** 0.12** −0.12 −0.29***
城市化率(ur 0.76 −0.01 0.04 0.09* 0.08*** 0.04
W×gt −0.07
W×cz −0.01
W×gd 0.23***
W×esb −0.22*
W×ur 0.09
W×dep.var −0.24***
spat.aut. −0.22*** 0.13**
R2 0.85 0.88 0.82 0.83 0.92 0.95
log-likelihood −79.815 −60.14 −52.03 −51.13 −30.87 −34.52

  注:*,**,***分别表示在10%、5%、1%水平下显著,表中空白表示辽中南城市群和珠三角城市群不存在间接溢出。

基于横向对比,高铁建设只在辽中南城市群释放了显著正向的同区域经济增长效应和空间溢出效应;在长三角城市群同时释放了直接空间溢出和间接空间溢出效应;在3个城市群均发挥了正向且显著的空间溢出效应,对珠三角经济增长的影响最大。在高铁建设的影响下,财政支出对经济增长的空间贡献,相比于本地贡献而言均有所提高。固定资产投资对经济增长的空间贡献,只在辽中南城市群高于本地贡献。辽中南城市群高铁建设、财政支出和城市化的空间溢出效应均大于本地增长效应,固定资产投资和产业结构升级的空间溢出效应小于本地增长效应,这说明高铁建设在该城市群不仅促进了城市内部的经济增长,还带动了周边地区借助高铁建设、财政支出、发展城市化战略来促进经济增长。在珠三角城市群,高铁建设的空间溢出效应显著为正,高铁建设活动增加1%,城市群经济增长的空间溢出效应提升0.35%;与此同时,也能通过财政支出、固定资产投资带动周边城市的经济增长。在长三角城市群,高铁建设和财政支出都显著地发挥了空间溢出正效应,直接带动了周边城市的经济增长;固定资产投资和产业结构升级,也发挥了正向的经济增长空间溢出效应。
综合对比能够发现,在同域经济增长效应方面,城市群原有的经济发展水平和空间关联度越高,越能够获得高铁建设更大的经济增长正效能。在几个影响因素中,由政府投资带来的经济增长效率相对更高;产业结构的高级化程度与高铁建设通过产业结构升级、作用于本地经济增长的效果成反比;高铁建设同时增强了更为发达的城市群中心城市和相对落后的城市群边缘城市的城市化经济效应,促进了城市群经济的协调发展。在空间溢出效应方面,现阶段建设高铁网络,在3个城市群均发挥了正向的空间溢出效应,在不同程度上起到协调城市群经济增长的作用,珠三角、辽中南和长三角城市群的高铁经济增长空间溢出效应依次减弱。

4 结论和政策启示

本文测度了长三角、珠三角、辽中南3个城市群的节点重要度和节点中心度,并借助于社会网络分析方法,绘制高铁建设为这3个城市群的空间关联结构与形态所带来的改变。在此基础上,以节点中心度为解释变量,分别借助于面板随机系数模型和空间计量模型,分析了高铁建设对城市群经济增长所发挥的同域和空间溢出效应。结果显示,高铁建设均增强了各城市的节点中心度、增进了城市之间的空间关联,改变了多数城市的节点中心度位序,从而重塑了各城市群的空间位序结构;极大地促进了城市群经济的协调发展。就各城市单元而言,高铁建设为锦州、朝阳、嘉兴、湖州、宣城、台州等城市的经济增长带来了负向影响,同时也为沈阳、大连、铁岭、广州、深圳、无锡等城市的经济增长带来了正影响。这说明高铁建设虽然对于增强城市之间的关联发挥了重要的作用、促进了城市群经济的协调发展,但现阶段对于单个城市而言,并不是所有城市的经济增长都能够从高铁建设中获益。因此,积极建设城市各领域,合理利用并激发高铁建设正效能,是尚且无法高效借力于高铁建设的城市的努力方向。
高铁建设从无到有,既是中国城市群演进发展的必然结果,也是未来深化城市群经济协调发展的必然途径,高铁网络对城市群经济的发展势必发挥动态性的影响作用。增进正向促进作用,避免建设过程中出现浪费现象至关重要。城市群应权衡高铁建设与其他产业发展,在经济、社会、环境,以及在各城市之间、城市群之间、城市与乡村之间,对于各种要素和资源的调配与分布;准确把握高铁建设对城市群空间关联的影响,以期促进城市群在均衡协调的要素环境中实现可持续发展。具体而言,长三角城市群应积极利用高铁建设,建立更为深化有效的空间经济关联网络。辽中南城市群应转型升级产业结构、增进城市之间的空间经济关联、提升城市化质量继而提升经济发展质量,从而更好地激发高铁建设的经济增长效果;珠三角城市群则更应重视高铁建设的质量,注重平衡高铁建设投入与产业转型升级以及城市化建设之间的关系,提升城市群对高铁建设的借力效果。
[1]
王鹏, 李彦. 高铁对城市群经济集聚演化的影响——以中国三大城市群为例[J]. 城市问题, 2018, 274 (5): 62- 72.

Wang Peng, Li Yan. Influence of high-speed railway on economic agglomeration evolution of urban agglomeration: A case study of three major urban agglomerations in China[J]. Urban Problems, 2018, 274 (5): 62- 72.

[2]
王雨飞, 倪鹏飞. 高速铁路影响下的经济增长溢出与区域空间优化[J]. 中国工业经济, 2016, (2): 21- 36.

Wang Yufei, Ni Pengfei. Economic growth spillover and spatial optimization of high-speed railway[J]. China Industrial Economics, 2016, (2): 21- 36.

[3]
方大春, 孙明月. 高速铁路对长三角城市群经济发展影响评估——基于 DID 模型的实证研究[J]. 华东经济管理, 2016, 30 (2): 42- 47.

DOI

Fang Dachun, Sun Mingyue. An evaluation on the impact of high-speed rail on economic development of city clusters in the Yangtze River Delta — An empirical study based on difference in difference model[J]. East China Economic Management, 2016, 30 (2): 42- 47.

DOI

[4]
董艳梅, 朱英明. 高铁建设能否重塑中国的经济空间布局——基于就业、工资和经济增长的区域异质性视角[J]. 中国工业经济, 2016, (10): 92- 108.

Dong Yanmei, Zhu Yingming. Can high-speed rail construction reshape the layout of China’s economic space——based on the perspective of regional heterogeneity of employment[J]. Wage and Economic Growth. China Industrial Economics, 2016, (10): 92- 108.

[5]
Jiao Jingjuan, Wang Jiao’e, Zhang Fangni. Roles of accessibility, connectivity and spatial interdependence in realizing the economic impact of high-speed rail: Evidence from China[J]. Transport Policy, 2020, 91 (6): 1- 15.

[6]
Yang Zhiwei, Li Can, Jiao Jingjuan. On the joint impact of high-speed rail and megalopolis policy on regional economic growth in China[J]. Transport Policy, 2020, 99 (1): 20- 30.

[7]
张莉,赵英杰,陆玉麒,等. 中国铁路客运流联结的城市时间可达性[J]. 地理科学, 2020, 40 (3): 354- 363.

Zhang Li,Zhao Yingjie,Lu Yuqi et al. Urban time accessibility of railway passenger traffic flow in China[J]. Scientia Geographica Sinica, 2020, 40 (3): 354- 363.

[8]
Long Fenjie, Zheng Longfei, Song Zhida. High-speed rail and urban expansion: An empirical study using a time series of nighttime light satellite data in China[J]. Journal of Transport Geography, 2018, 72 (10): 106- 118.

[9]
Yang Xiaolan. The reconfiguration effect of China’s high-speed railway on intercity connection ——A study based on media attention index[J]. Transport Policy, 2020, 95 (1): 47- 56.

[10]
王姣娥, 焦敬娟, 金凤君. 高速铁路对中国城市空间相互作用强度的影响[J]. 地理学报, 2014, 69 (12): 1833- 1846.

DOI

Wang Jiao’e, Jiao Jingjuan, Jin Fengjun. Spatial effects of high-speed rails on interurban economic linkages in China[J]. Acta Geographica Sinica, 2014, 69 (12): 1833- 1846.

DOI

[11]
李阿萌, 肖翔. 高速铁路对长三角地区城市经济联系格局的影响[J]. 现代城市研究, 2014, (9): 110- 116.

DOI

Li Ameng, Xiao Xiang. The influence of high-speed railways on urban economical relation in the Yangtze River Delta[J]. Modern Urban Research, 2014, (9): 110- 116.

DOI

[12]
Liu Shuli, Wan Yulai, Zhang Anming. Does China’s high-speed rail development lead to regional disparities? A network perspective[J]. Transportation Research Part A, 2020, 138 (3): 299- 321.

[13]
Wang Feng, Wei Xianjin, Liu Juan. Impact of high-speed rail on population mobility and urbanisation: A case study on Yangtze River Delta urban agglomeration, China[J]. Transportation Research Part A, 2019, 127 (9): 99- 114.

[14]
Dong Xiaofang. High-speed railway and urban sectoral employment in China[J]. Transportation Research Part A, 2018, 116 (10): 603- 621.

[15]
Shi Wenming, Lin Kun Chin, Heather M. Spatial distribution of job opportunities in China: Evidence from the opening of the high-speed rail[J]. Transportation Research Part A, 2020, 133 (3): 138- 147.

[16]
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2010—2019.

National Bureau of Statistics. China urban statistical yearbook. Beijing: China Statistics Press, 2019.

Outlines

/