地理科学  2018 , 38 (5): 672-680 https://doi.org/10.13249/j.cnki.sgs.2018.05.004

Orginal Article

中国市域空间结构的特征及其影响因素

李琬1, 孙斌栋1, 刘倩倩23, 张婷麟1

1.华东师范大学中国现代城市研究中心/城市与区域科学学院,上海 200062
2. 中国科学院地理科学与资源研究所区域可持续发展分析与模拟重点实验室,北京 100101
3.中国科学院大学资源与环境学院,北京 100049

The Features and Determinants of Spatial Structure in Chinese Prefecture-level City Regions

Li Wan1, Sun Bindong1, Liu Qianqian23, Zhang Tinglin1

1. The Center for Modern Chinese City Studies, School of Urban and Regional Science, East China Normal University, Shanghai 200062, China
2. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
3. College of Resource and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

中图分类号:  F129.9;K902

文献标识码:  A

文章编号:  1000-0690(2018)05-0672-09

通讯作者:  通讯作者:孙斌栋,教授。E-mail: bdsun@re.ecnu.edu.cn

收稿日期: 2017-05-10

修回日期:  2017-08-19

网络出版日期:  2018-05-10

版权声明:  2018 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  国家自然科学基金项目(41471139)、国家社会科学基金重大项目(17ZDA068)、教育部人文社会科学重点研究基地基金项目(16JJD790012)、上海哲学社会科学规划课题(2014BCK003)资助

作者简介:

作者简介:李琬(1990-),女,河南周口人,博士研究生,主要从事城市-区域空间结构研究。E-mail: lw1436@163.com

展开

摘要

优化与重构人口的空间分布格局是当前国家战略决策的重点研究领域之一。首先,利用2000年和2010年人口普查数据,通过帕累托指数、赫芬达尔指数和首位比重指数刻画了中国城市市域空间结构的特征及其演化;其次,从自然地理、社会经济和政府干预3个方面系统地揭示了区域空间结构形成与演化的影响因素。结果表明:① 相对于胡焕庸线以西地区,胡焕庸线以东的市域更偏向多中心;中国市域空间结构相对稳定,有微弱的向多中心发展的趋势;②市域空间结构的形成主要受政府干预影响,自然地理和社会经济的作用相对较弱。具体而言,地表粗糙程度、城市行政等级和政府支出占比会推动区域空间结构朝单中心方向发展;而土地面积、县/县级市内国家级开发区个数、市域内政府间竞争以及人均公路里程则使得空间结构朝均衡的多中心方向演进。

关键词: 单中心 ; 多中心 ; 市域空间结构 ; 政府干预 ; 自然地理

Abstract

Optimizing the spatial structure of urban population distribution is one of the key strategies in China, and central government has made clear that we should adhere to the coordinated development of large, medium and small cities. At the same time, the income gap that stimulates the flow of population continues to expand, the Hukou system is becoming flexible, and the technologies in transportation, information and communication have been largely improved, which have further promoted the outward flow of the population. Hence, the focus of China’s urbanization should shift from improving the urbanization rate to optimizing spatial efficiency, and it is of great importance to understand the characteristics, evolution and the formation mechanisms of urban spatial structure. Based on the 2000 and 2010 censuses, this paper describes the features of spatial structure in Chinese prefecture-level city regions by three different indexes: Pareto exponent, HHI and Primacy index. It has found that, from the static point of view, city-regions in the southeastern side of Hu line is much more polycentric than the northwestern side ones; and from the view of dynamic process, the spatial structure is rather stable on the whole and has a weak tendency towards polycentricity. Also this paper constructs a comprehensive framework by covering the factors of physical geography, socio-economy and government intervention to systematically examine the influential factors of regional spatial structure. Traditional location theory and economic geography have confirmed the role of physical geography in economic agglomeration and urban formation, and the level of social-economic development and the government have jointly decided the development and evolution of regional spatial structure in China. Our empirical results show, the spatial structure of Chinese city-regions is mainly affected by the role of government intervention, and physical geography and social economic factors on regional spatial structure is relatively limited. Specifically, surface roughness, hierarchy level of cities and government expenditure ratio will bring the regional spatial structure into monocentricity, while administrative land area, the number of NDZs, competition between local governments, and per capita road mileage can make the spatial structure more polycentric. Our previous studies have come to the conclusion that, prefecture cities with a more monocentric spatial structure have a higher labor productivity. Combined with this, the conclusions of this paper have important implications for the future development of new urbanization in China. The finding that urban spatial structure is mainly affected by the visible hand of government might not be a good sign. Government policies are often multi-targets, and its goals, in most cases, are not for the improvement of the spatial structure, but only an additional effect. This also explains why the governmental interventions are often contradictory with each other.

Keywords: monocentricity ; polycentricity ; city-region spatial structure physical ; government intervention ; geography

0

PDF (1433KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

李琬, 孙斌栋, 刘倩倩, 张婷麟. 中国市域空间结构的特征及其影响因素[J]. 地理科学, 2018, 38(5): 672-680 https://doi.org/10.13249/j.cnki.sgs.2018.05.004

Li Wan, Sun Bindong, Liu Qianqian, Zhang Tinglin. The Features and Determinants of Spatial Structure in Chinese Prefecture-level City Regions[J]. Scientia Geographica Sinica, 2018, 38(5): 672-680 https://doi.org/10.13249/j.cnki.sgs.2018.05.004

中国正处于快速城乡迁移和城镇化的进程中,2011年城镇化率首次突破50%关口,城镇人口数量第一次超过农村(① 数据源于中华人民共和国国家统计局(2012年),http://www.stats.gov.cn/。);2014年《国家新型城镇化规划(2014~2020年)》明确提出要坚持大中小城市和小城镇协调发展,优化城镇化布局和形态。与此同时,刺激人口流动的收入差距持续扩大,制约人口流动的户籍制度不断松动,推动人口流动的交通和信息通讯等技术日趋完善。上述态势意味着,城镇化的关注点正从提高城镇化率转移到优化城镇化空间效率上来,中国正面临一个人口空间结构重构的时间窗口。与此同时,空间结构会直接影响城市的经济、社会和生态绩效[1,2,3,4]。因此,了解空间结构的特征和演化并理解其成因机理,从而因势利导地将人口引导到更具效率的空间格局上来具有十分重要的现实意义。

形成具有效率空间结构的重要前提就是准确地掌握其特征和演化。从已有研究来看,整个中国的城市人口分布格局已有不少研究[5,6,7,8,9],大多数研究认为目前中国城市体系的集中度不断提高但仍低于世界平均水平。其次,以城市群/省级政区为研究对象的空间结构的研究也在增多[10,11,12],研究发现城市群/省域的空间结构具有明显的区域差异。再次,随着全球范围内多中心城市的持续增加,越来越多的研究开始讨论中国特大城市内部空间结构[13,14]等。然而对中观的地理单元——地级政区(即地级市市域)的空间结构研究则相对较少[3],而中观市域的空间结构研究十分必要[15]

已有研究在空间结构形成和演化的影响因素上做出了一定探索。首先,传统的区位论和经济地理学肯定了地理条件在经济集聚和城市形成及发展中的作用[16,17],认为自然禀赋构成了区域的初始优势,相对优越的自然条件更容易集聚人口。行政区面积是衡量地区承载力中最为重要的指标之一[18],面积大的区域空间拓展的可能性更大,因此更有可能形成相对均衡的多中心空间结构。其次,转型时期的中国区域空间结构的形成与演化受社会经济发展水平与政府共同推动。新经济地理学认为集聚的产生取决于向心力和离心力的平衡,其核心思想是:偶然因素导致的人口集聚在向心力的作用下人口持续增长,空间结构趋向极化形成偏单中心的区域格局;随着单中心的不断强化,首位城市面临房价高企、交通拥堵和环境污染等问题,离心力不断扩大,进而使得空间结构朝向平衡的多中心格局演进。另外产业结构的差异也会引起空间结构的变化。标准化的成熟制造业面临高地租和高工资,于是倾向朝成本较低的中小城市转移[19];而服务业具有很强的非贸易性,其生产与消费往往难以分离,且高端服务业对“面对面”交流有着更高的需求,因此服务业更偏好市场潜力大的大城市。

与此同时,中国的城镇发展带有浓厚的行政色彩。首先,中国的城市具有鲜明的行政等级特征,不同行政等级的城市在资源配置等方面存在显著差异[20]。目前在许多地级市,所辖县域人才、资金和建设用地指标向地级市中心城区集聚或“转移”已经成为一种普遍现象[21]。此外,同级政府的竞争强度也会对区域空间结构产生影响。其次,大量文献中用政府支出占比来反映政府对市场的干预程度,但无法从理论上判断其对空间结构的影响方向。最后,开发区作为新兴经济活动的空间载体是政府目前干预空间结构的重要手段之一。开发区发展所引发的城市空间增长表现出明显的空间选择性,开发区所在的区位至关重要。另外需要指出的是,影响区域空间结构的变量当然不止自然地理、社会经济和政府干预3类,还包括其他不能很好地被纳入这三类的变量,如交通基础设施和地区的虚拟变量等。

基于上述背景,与常见的以国家、省/城市群或城市内部为研究对象不同,本文基于中观市域尺度刻画中国市域空间结构的特征及其演化,并从自然地理、社会经济和政府干预3个方面系统考察空间结构的影响因素。这不仅填补了地级政区这个尺度研究的缺失,而且对新型城镇化背景下形成有效率的空间布局具有重要的实践指导意义。

1 方法与数据

1.1 空间结构的测度方法

本文采用已有文献中最常用的3种衡量指标[22,23,24]:帕累托指数、赫芬达尔指数和首位比重指数。这3个指数各有侧重,互为补充。首先,帕累托指数(Pareto)通常使用最小二乘法拟合城市位序的对数以及城市规模的对数来计算该指数(① 一般计算帕累托指数常用的公式是ln(Rank-1/2)=A-α lnSize,式中,Size是指城市的城镇人口规模,Rank为按规模排列的城市位序。本文为了使该指数与后续空间结构测度指标的指向一致,将α前的符号修正为“ + ”,即本文所有的空间结构测度指标均为越大越倾向单中心。),并且为了降低小样本情况下的估计有偏,借鉴Gabaix等[25]作法,将位次减去最优位移量1/2来估算。需要指出的是,文献常运用该指数检验独立功能区内的人口规模分布是否符合齐普夫法则,而本文主要是借鉴这种方法来衡量市域内部的人口分布状况,刻画形态意义上的单中心-多中心,这也是区域空间结构测度的一般作法。其次,本文将赫芬达尔指数(HHI)定义为市区、县或县级市的城镇人口数占市域城镇总人口比重的平方和[26],其度量的是整个市域城市居民的集中程度,介于0~1之间。最后,首位比重指数(Primacy)刻画的是首位城市的相对规模,是指市域中规模最大的城市人口(即首位城市)占市域总人口的比重[27],该指数也介于0~1之间。

1.2 数据来源和研究对象

本文采用了2000年和2010年人口普查分县资料中的城镇人口数据来计算空间结构指数。主要有两方面原因,一方面,长期以来中国并未进行与国际接轨的城市人口统计,六次人口普查中使用的城市人口的指标也不尽一致。余吉祥等[8]认为后两次的城镇常住人口指标最接近真实的城市人口,具有一定的可比性;另一方面,相较于20世纪八九十年代广泛实施的地改市和“撤县设市”政策,2000~2010年间的城市数目和边界比较稳定,可比性强。因此,市域空间结构的特征分析的研究对象为2000年和2010年333个地级市(不包含港澳台)和4个直辖市。

影响因素的分析数据主要来自相应年份的年鉴[28,29]。考虑到样本的前后一致性、数据可得性以及过于特殊的样本如西部少数民族地区和直辖市,本文在影响因素分析中只取10 a间城市行政土地面积变换小于5%的样本,即2000年和2010年各240个地级城市,不包含香港、澳门、台湾、拉萨市、自治州、盟、地区和4个直辖市。

2 中国市域空间结构特征

2.1 相对于胡焕庸线以西地区,胡焕庸线以东的地区更偏向多中心

图1通过Pareto指数从静态刻画了区域空间结构的地理分布,颜色越深代表空间结构越倾向于多中心,反之则趋于单中心(只有市辖区的城市无法计算Pareto指数,展示为无数据)。HHI和Primacy的结果与图1一致,因篇幅所限省去。整体来看,胡焕庸线以东地区相对更偏多中心。这些地区自然禀赋相对优异,地形基本以平原为主,有利于社会经济建设在多点展开进而形成多中心的空间结构。此外,这些地区社会经济发展水平也相对较高,人口规模、经济发展水平、基础设施等条件都优于胡焕庸线以西地区。当然,胡焕庸线以东的地区有深色的单中心城市不连续地散布其中,且这些城市的经济发展水平往往更高,如在不同衡量指标上均为单中心的北京市、上海市、深圳市等城市。在胡焕庸线以西的地区相对更偏向单中心,这可能是由于胡焕庸以西的地区社会经济资源有限,基础设施建设不足所致,且胡焕庸线以西地区的生态环境脆弱,因此城市人口分布往往集聚在一个或者有限的几个中心,形成单中心式的空间结构。

图1   2000年和2010年空间结构Pareto指数

Fig.1   Pareto in China in 2000 and 2010

2.2 中国市域空间结构相对稳定,有微弱的向多中心发展的趋势

空间结构具有稳定性[30,31],中国市域的空间结构也基本遵循这个规律,2000~2010年的10 a间空间结构的改变十分有限,有微弱的向多中心演变的趋势。通过构建在不同时期的状态转换概率矩阵,可以直观分析市域空间结构的跨时期变换。但使用这种方法需要将空间结构明确的分为单中心和多中心,不能继续使用连续变量。因此,本部分使用绝对值和相对值对空间结构进行划分,相对值采用全部市域空间结构指数的均值和中位数,而绝对值则分别使用-1和0.5,其中Pareto采用-1来划分,其为帕累托分布公认的稳态值,Primacy采用0.5,即首位城市的规模占整个市域的一半(HHI含义不直观,没有采用绝对值的划分方法)。另外需要说明的是,2000年和2010年共同存在的城市为324个,即包括地名完全不变的城市,如北京市等,也包括了只调整地名而市域行政范围没有发生变化的城市,如鄂尔多斯市(原伊克昭盟)等。

表1展示了随着时间的推移市域空间结构的变化,矩阵中每个值代表了由一种空间结构类型转换到另一种类型的城市个数。可以明显看出,2000年期初为多中心/单中心且2010年期末仍保持原本多中心/单中心的城市数目占绝对优势,也就是市域空间结构有很强的路径依赖,空间结构在10 a间相对稳定;而从结构发生转换的城市来看,3种测度空间结构的指数均是单中心转到多中心的城市数目多于反方向,但这两种转移方向的城市个数相差不大,即存在弱多中心演化的趋势。

表1   单中心/多中心空间结构的马尔科夫转换矩阵

Table 1   Markov Transition Matrix between monocentric and polycentric spatial structure

划分依据空间结构2010年期末
ParetoHHIPrimacy
多中心单中心多中心单中心多中心单中心
相对均值2000年
期初
多中心101291901316514
单中心38156239826119
中位数多中心125301441814121
单中心331361814422140
绝对-1/0.5多中心14911--16112
单中心57107--33118

注:将没有下辖县或县级市的地级市样本,即无法计算Pareto指数的城市划分为单中心城市;“–”表示HHI含义不直观,未采用绝对值的划分方法。

新窗口打开

3 市域空间结构的影响因素

市域空间结构的形成与演化受多种因素共同作用,本研究主要关注自然地理、社会经济和政府干预这3类因素的作用(表2),并据此构建如下计量模型[9]

SS=β0+β1iGEO+β2iECO+β3iGOV+β4iOTH+θ(1)

式中:SS表示空间结构,采用帕累托指数、赫芬达尔指数和首位比重指数来测度,SS值越大空间结构越倾向单中心; β为其对应变量的系数大小, θ为残差,GEO表示自然地理条件的变量,选用了土地面积和能反映地形地貌特征的1级河流密度和地表粗糙度(① 地表粗糙度采用地级市内的栅格高程的标准差来衡量,底图为栅格30 m×30 m的DEM数字高程图(http://www.gscloud.cn/sources/?cdataid=302&pdataid=10)。)。ECO表示社会经济方面的因素,选用了经济发展水平、常住城镇人口规模和产业结构,其中考虑到经济发展水平和人口规模与空间结构的非线性关系,加入经济发展水平和城镇人口规模的二次项。GOV表示政府干预,主要选用城市等级、市域内县级单元的个数、政府支出占比和开发区的个数。城市等级的第一等级城市包括直辖市和省会城市,第二等级为副省级城市、计划单列市和较大的市,第三等级为一般地级市。县/县级市的个数除了表示同级政府之间的竞争程度外,事实上这个变量与土地面积也是本文测度空间结构最基本的要素。开发区个数选择了县/县级市的国家级开发区个数。国家级开发区的成立年份明确,发展水平高,更有可能对空间结构产生实质性的影响。为提高模型拟合度,同时避免遗漏变量,本文还加入其他控制变量OTH,包括人均公路里程、每万人国际互联网用户数、是否为东部或者中部地区(②东中西的划分按照《中国统计年鉴》(2010年)的划分。)的虚拟变量以及是否为2010年样本的虚拟变量(表3)。

表2   自然地理、社会经济和政府干预因素对空间结构的影响

Table 2   Estimation results of physiographic factors, social-economic and government interference on spatial structure

GEO(自然地理因素)ECO(社会经济因素)GOV(政府干预因素)
ParetoHHIPrimacyParetoHHIPrimacyParetoHHIPrimacy
土地面积(ln)-0.15***-0.18***-0.15***
(-4.90)(-6.16)(-5.43)
1级河流密度0.700.470.34
(0.77)(0.78)(0.60)
地表粗糙度(ln)0.12***0.04***0.04***
(6.57)(3.09)(2.93)
人均GDP(ln)-0.83-0.40*-0.41*
(-1.41)(-1.71)(-2.00)
人均GDP的平方(ln)0.050.03**0.03**
(1.49)(2.11)(2.40)
城镇人口规模(ln)-4.64***-3.73***-3.27***
(-4.38)(-6.59)(-6.92)
城镇人口规模的平
方(ln)
0.16***0.13***0.11***
(4.37)(6.41)(6.77)
二三产业比重0.00-0.01-0.01
(0.13)(-0.85)(-0.88)
行政等级-10.53***0.32***0.32***
(8.53)(11.54)(15.05)
行政等级-20.35***0.20***0.20***
(5.21)(4.80)(6.18)
县/县级市的个数-0.03***-0.04***-0.04***
(-4.82)(-7.81)(-7.69)
政府支出
占GDP比重
-0.280.020.01
(-1.03)(0.18)(0.09)
县/县级市内国家级
开发区的个数
-0.19*-0.09**-0.08*
(-1.73)(-2.27)(-2.06)
常数-0.2531.858***1.718***35.47***28.69***25.61***-0.98***0.609***0.707***
(-0.93)-7.54-7.48-4.74-7.26-7.93(-20.83)-18.16-23.27
样本量457480480458480480458480480
调整R20.09960.31400.24200.05470.29800.26100.20100.60500.5600
F17.8213.0910.856.2924.7925.5724.0155.72108.40

注:括号中给出的是聚类到省或自治区的稳健标准误;******分别表示在1%、5%和10%水平上显著;空白项表示该模型没有控制此变量。

新窗口打开

表3   空间结构的全变量影响因素分析

Table 3   Estimation results of all factors

2000年2010年2000年和2010年
ParetoHHIPrimacyParetoHHIPrimacyParetoHHIPrimacy
GEO土地面积(ln)-0.07-0.04*-0.010.03-0.02-0.01-0.01-0.03-0.01
(0.05)(0.02)(0.02)(0.06)(0.02)(0.03)(0.04)(0.02)(0.02)
1级河流密度0.280.590.490.34-0.06-0.260.300.180.04
(0.92)(0.50)(0.42)(1.10)(0.33)(0.31)(0.72)(0.47)(0.42)
地表粗糙度(ln)0.06***0.01*0.010.10***0.02***0.02***0.10***0.03***0.02***
(0.02)(0.01)(0.01)(0.02)(0.01)(0.01)(0.02)(0.01)(0.01)
ECO人均GDP(ln)2.44**0.260.52-1.78-0.94**-0.30-1.63***-0.57***-0.48**
(1.06)(0.34)(0.31)(1.43)(0.36)(0.36)(0.52)(0.19)(0.18)
人均GDP的平方
(ln)
-0.13**-0.01-0.030.110.05***0.020.10***0.03***0.03***
(0.06)(0.02)(0.02)(0.07)(0.02)(0.02)(0.03)(0.01)(0.01)
城镇人口规模(ln)-0.09-0.53-0.291.24-0.90***-0.55*0.40-1.14***-0.80***
(1.22)(0.40)(0.39)(1.47)(0.31)(0.28)(0.88)(0.28)(0.23)
城镇人口规模的平
方(ln)
0.000.020.01-0.050.03**0.02*-0.020.04***0.03***
(0.04)(0.01)(0.01)(0.05)(0.01)(0.01)(0.03)(0.01)(0.01)
二三产业比重0.10***0.03**0.03**-0.00-0.01-0.010.040.02**0.01
(0.03)(0.01)(0.01)(0.05)(0.01)(0.01)(0.03)(0.01)(0.01)
GOV行政等级-10.19*0.21***0.22***0.44***0.24***0.25***0.43***0.29***0.30***
(0.11)(0.04)(0.03)(0.13)(0.06)(0.05)(0.08)(0.05)(0.04)
行政等级-20.130.09**0.11***0.26**0.11***0.13***0.27***0.15***0.16***
(0.09)(0.04)(0.03)(0.11)(0.04)(0.03)(0.07)(0.04)(0.03)
县/县级市的个数0.01-0.01**-0.01*-0.01-0.02***-0.02***-0.00-0.02***-0.02***
(0.01)(0.00)(0.00)(0.01)(0.00)(0.00)(0.01)(0.00)(0.00)
政府支出
占GDP比重
7.78***4.63***4.53***1.24**0.190.321.52***0.70**0.68**
(1.35)(0.70)(0.63)(0.58)(0.18)(0.19)(0.43)(0.29)(0.25)
县/县级市内国家
级开发区的个数
-0.29-0.10**-0.12***-0.17-0.09**-0.07**-0.18*-0.09**-0.09**
(0.22)(0.04)(0.04)(0.12)(0.03)(0.03)(0.10)(0.04)(0.04)
OTH
人均公路里程
(ln)
-0.11*-0.05**-0.07***-0.24**-0.13***-0.10***-0.19***-0.08***-0.08***
(0.06)(0.02)(0.02)(0.10)(0.03)(0.03)(0.05)(0.02)(0.02)
每万人互联网用
户数(ln)
0.01-0.000.000.10*0.030.030.040.010.01
(0.03)(0.01)(0.01)(0.06)(0.02)(0.03)(0.03)(0.02)(0.02)
是否为东部地区-0.10*-0.04-0.05*-0.04-0.04-0.05*-0.05-0.02-0.04
(0.05)(0.03)(0.03)(0.07)(0.03)(0.03)(0.04)(0.02)(0.03)
是否为中部地区0.04-0.02-0.010.060.010.020.03-0.02-0.01
(0.07)(0.03)(0.03)(0.08)(0.04)(0.03)(0.05)(0.03)(0.03)
是否是2010年-------0.40***-0.10***-0.11***
(0.09)(0.03)(0.03)
-11.573.250.36-3.1611.68***5.85**3.1011.52***8.68***
常数(9.03)(3.09)(2.86)(2.85)(2.71)(6.27)(2.45)(2.07)
样本量229239239228240240457479479
调整R20.3770.7790.7270.4040.7660.7300.3930.7310.684
F9.11136.90114.0010.04340.40173.3017.41113.10207.00

注:括号中给出的是聚类到省或自治区的稳健标准误;******分别表示在1%、5%和10%水平上显著;“–”表示没有控制该变量。

新窗口打开

需要指出的是,由于Pareto指数存在严重的异常值(均值为-1.206的情形下,最小值为-19.262,即Pareto值在左侧存在严重的拖尾),因此在针对Pareto的多元回归估计均采用稳健回归(Robust Regression)而非常规的最小二乘法[32]。此外,由于同一省份的地级市很可能无法保持样本的独立性而存在省份聚类效应,因此所有模型的标准误估计均采用聚类到省份的稳健标准误。

3.1 市域空间结构形成主要受政府干预影响,自然地理和社会经济因素的影响相对较弱

首先,从模型平均拟合优度整体来看(表2),自然地理和政府干预对区域空间结构贡献相对高于社会经济的力量。从调整R2来看,本文所控制的政府干预变量解释了市域空间结构方差的45%左右,而自然地理和社会经济这组模型的平均拟合优度分别约为0.22和0.20,即平均能解释市域空间结构方差的20%左右。此外,同时考虑3组变量的标准化系数(受限于篇幅未列出表格)也能从侧面进一步佐证上述结论。在标准化系数模型中,系数最大的变量为城市行政等级。

其次,从只考虑自然地理的回归结果来看,土地面积的系数符号显著为负,即市域行政区土地面积越大,空间结构越倾向为多中心。地表粗糙度的系数符号显著为正,即地表的起伏越大,空间结构越会呈现单中心分布。地表越崎岖一方面表征着适宜人口集聚的地方有限,另一方面也影响城市基础设施的建设和维护,因此人口往往在少数地形较为平坦的地区集聚发展,进而形成单中心的空间结构。没有发现河流密度与空间结构相关的证据。

再次,从只考虑社会经济因素的回归结果来看,人均GDP系数的一次项基本不显著,二次方项为正,即在只控制社会经济因素的情况下,经济发展水平越高,市域的空间结构越倾向为单中心。而城镇人口规模一次项负显著,二次项正显著,表明人口规模与空间结构之间可能存在“U”型的非线性关系,即当人口比较少时,市域的空间结构倾向为单中心,而随着人口持续增加,则会推动市域空间结构朝多中心方向发展,这反映了空间结构形成过程中向心力和离心力的动态平衡。没有发现产业结构与空间结构相关的证据。

最后,从只考虑政府因素的回归结果来看,较一般地级市而言,行政等级高的城市单中心的可能性也越高。高等级的城市,尤其是这些城市的市辖区,享有多种资源的优先支配权利并占据大量的公共资源,因此集聚了大量人口形成单中心的空间结构。市域单元内县级单元的个数越多,即市域内政府之间竞争越激烈,空间结构越倾向为多中心,是区域空间结构的分散力。没有发现政府支出占比与空间结构相关的证据。分布在县/县级市的国家级开发区会使得空间结构向多中方向演化。事实上,我们也尝试过单独放市域和市辖区范围内国家级开发区的个数作为开发区的控制变量,其中市域的开发区个数负显著,而市辖区的开发区个数倾向为不显著,也就是说开发区推动空间结构朝多中心发展主要是由于县/县级市的开发区建设带来的。

3.2 交通基础设施水平、城市所在区位显著影响区域空间结构

由于各个因素对空间结构的作用不能完全割裂,因此在表2的基础上将所有因素纳入回归模型以进一步检验各因素的稳健性,结果如表3所示。

首先,除政府支出占比外,自然地理、社会经济和政府干预的各个因素虽然在系数大小和显著性水平上均有一定程度的下降,但这些因素是否显著与显著的方向均未有本质变化。政府支出占比在模型中表现出稳健的正相关,即在控制其他条件下,政府对市场的干预程度越大,市域的空间结构就越偏向单中心。其次,除自然地理、社会经济和政府干预外的其他因素也显著地影响着区域空间结构。表示交通基础设施建设水平的人均公里里程的系数符号显著为负,说明随着运输成本的下降,可能导致“距离死亡”产生,进而使得空间结构趋于均衡发展。没有证据表明代表信息技术的每万人互联网用户数能稳健地对区域空间结构产生影响。另外,负显著的2010年虚拟变量也进一步印证了市域空间结构向多中心发展的趋势。

4 结论和讨论

空间结构的尺度依赖性和地级政区在协调市域内资源分配过程中的重要作用都使得中观地理单元的研究十分必要。基于2000年和2010年分县人口普查资料,本文测算了这一时期的市域空间结构,刻画了中国市域空间结构的特征及其演化,为理解中国市域空间结构提供了基础性事实。从静态分布来看,相对于胡焕庸线以西地区,胡焕庸线以东的地区更偏向多中心。从动态演化过程来看,中国市域空间结构相当稳定,具有弱多中心演化趋势。影响因素研究显示,中国市域空间结构形成主要受政府干预的影响,自然地理和社会经济对区域空间结构的作用相对较弱。

本文的前续研究曾得出,在中国市域尺度上,单中心经济绩效高于多中心[3],结合这一判断,本文结论对中国未来新型城镇化的发展主要有以下启示:首先,现阶段市域空间结构的形成主要受政府干预影响,这种发现可能并不是“好”的。这主要是由于政府政策或制度往往是多目标的,且这种政策或制度的出发点往往不是针对空间结构调整,其带来的空间结构变化只是附加效应,这也就使得政府干预往往是自相矛盾的,比如城市行政等级、政府支出占比与开发区的建设在推动空间结构变化的方向上就是相悖的,因此使得受政府影响的空间结构很难朝着特定的方向演化,如何运用好这只“看得见的手”在空间结构演化中至关重要。其次,从有利于市域经济绩效提高的角度出发,要鼓励并引导空间结构向单中心演化,即向市区集聚,比如可以有重点地以财政支出的手段推进自然条件适宜地区的单中心空间结构建设,合理选择开发区区位进行空间干预。

受限于数据可得性,本文没有考虑户籍制度对区域空间结构的影响,不同城市执行户籍制度的严格程度存在差异,这种差异理论上会影响城市规模并进一步影响区域空间结构。

The authors have declared that no competing interests exist.


参考文献

[1] Henderson J V.

The urbanization process and economic growth: The so-what question

[J]. Journal of Economic growth, 2003, 8(1): 47-71.

https://doi.org/10.1023/A:1022860800744      URL      Magsci      [本文引用: 1]      摘要

There is an extensive literature on the urbanization process looking at both urbanization and urban concentration, asking whether and when there is under or over-urbanization or under or over urban concentration. Writers argue that national government policies and non-democratic institutions promote excessive concentration--the extent to which the urban population of a country is concentrated in one or two major metropolitan areas--except in former planned economies where migration restrictions are enforced. These literatures assume that there is an optimal level of urbanization or an optimal level of urban concentration, but no research to date has quantitatively examined the assumption and asked the basic "so-what" question--how great are the economic losses from significant deviations from any optimal degrees of urban concentration or rates of urbanization? This paper shows that (1) there is a best degree of urban concentration, in terms of maximizing productivity growth (2) that best degree varies with the level of development and country size, and (3) over or under-concentration can be very costly in terms of productivity growth. The paper shows also that productivity growth is not strongly affected by urbanization per se. Rapid urbanization has often occurred in the face of low or negative economic growth over some decades. Moreover, urbanization is a transitory phenomenon where many countries are now fully urbanized.
[2] 陆铭, 冯皓.

集聚与减排: 城市规模差距影响工业污染强度的经验研究

[J].世界经济, 2014 (7): 86-114.

[本文引用: 1]     

[Lu Ming, Feng Hao.

Agglomeration and emission reduction: Empirical study on the effect of urban size on industrial pollution intensity

. The Journal of World Economy, 2014 (7): 86-114.]

[本文引用: 1]     

[3] 孙斌栋, 李琬.

城市规模分布的经济绩效——基于中国市域数据的实证研究

[J]. 地理科学, 2016, 36(3): 328-334.

https://doi.org/10.13249/j.cnki.sgs.2016.03.002      URL      Magsci      [本文引用: 3]      摘要

<p>基于2010年市域数据,定量分析市域范围的城市规模分布对经济绩效的影响,并探索最优城市规模分布的影响因素。结果表明,<i>① </i>在控制了其它重要的生产要素后,单中心规模分布具有更高的劳动生产率;<i>② </i>随着规模由小变大,具有最优经济绩效的城市规模分布形式存在单中心<i>-</i>多中心<i>-</i>单中心的转变;<i>③ </i>没有发现经济发展水平影响最优城市规模分布的明确证据;<i>④ </i>西部地区城市规模单中心分布更有助于提高经济绩效。</p>

[Sun Bindong, Li Wan.

City size distribution and economic performance: Evidence from city-regions in China

. Scientia Geographica Sinica, 2016, 36(3): 328-334.]

https://doi.org/10.13249/j.cnki.sgs.2016.03.002      URL      Magsci      [本文引用: 3]      摘要

<p>基于2010年市域数据,定量分析市域范围的城市规模分布对经济绩效的影响,并探索最优城市规模分布的影响因素。结果表明,<i>① </i>在控制了其它重要的生产要素后,单中心规模分布具有更高的劳动生产率;<i>② </i>随着规模由小变大,具有最优经济绩效的城市规模分布形式存在单中心<i>-</i>多中心<i>-</i>单中心的转变;<i>③ </i>没有发现经济发展水平影响最优城市规模分布的明确证据;<i>④ </i>西部地区城市规模单中心分布更有助于提高经济绩效。</p>
[4] Sun Bindong, Zhang Tinglin, He Zhou et al.

Urban spatial structure and motorization in China

[J].The Journal of Regional Science,2017,57(3):470-486.

https://doi.org/10.1111/jors.12237      URL      [本文引用: 1]      摘要

No abstract is available for this item.
[5] Song S, Zhang K H.

Urbanisation and city size distribution in China

[J]. Urban Studies, 2002, 39(12): 2317-2327.

[本文引用: 1]     

[6] Anderson G, Ge Y.

The size distribution of Chinese cities

[J]. Regional Science and Urban Economics, 2005, 35(6): 756-776.

https://doi.org/10.1016/j.regsciurbeco.2005.01.003      URL      [本文引用: 1]      摘要

This paper uses urban data to investigate two important issues regarding city sizes in China, the relative growth of cities and the nature of the city size distribution. The manner in which cities of different sizes grow relative to each other is examined and, contrary to the common empirical finding that the relative size and rank of cities remains stable over time, it is found that the Economic Reforms and the One Child Policy since 1979 have delivered significant structural change in the Chinese urban system. The city size distribution remains stable before the reforms but exhibits a convergent growth pattern in the post-reform period. The theoretical literature on city sizes highlights a link between log normal and Pareto distributions for city sizes prompting the employment of Pearson goodness-of-fit tests to examine directly which theoretical distribution provides the best approximation to the empirical city size distribution. Contrary to the evidence for other countries, a log normal rather than Pareto specification turns out to be the preferred distribution.
[7] Xu Z, Zhu N.

City size distribution in China: Are large cities dominant?

[J]. Urban Studies, 2009, 46(10): 2159-2185.

https://doi.org/10.2139/ssrn.2403830      URL      [本文引用: 1]      摘要

This paper examines the evolution in size distribution of Chinese cities. Since the relaxation of restrictions on rural/urban migration in the 1980s, China has experienced rapid urban growth. However, cities of different sizes have experienced varying patterns of growth. We first describe the evolution of city size distribution in China by documenting the growth both of city size and of the number of existing cities. Then, focusing on the period from 1990-2000, we characterize the urban evolution trend with the Pareto law estimation, and examine the mobility of cities between different size groups with the Markov transition matrix. We also test the convergence hypothesis in the city population growth process. Our results suggest that, contrary to the expected dominance of large cities growth, Chinese city size distribution evened out over the 1990s, with small cities growing more rapidly than large cities.
[8] 余吉祥, 周光霞, 段玉彬.

中国城市规模分布的演进趋势研究——基于全国人口普查数据

[J].人口与经济, 2013(2): 44-52.

https://doi.org/10.3969/j.issn.1000-4149.2013.02.006      URL      [本文引用: 2]      摘要

城市规模分布的特征受城市化政策的影响。本文基于全国人口普查数据,在对城市人口统计口径进行详细探讨的基础上,使用齐夫回归方法研究发现,随着城市化政策在2000年前后的调整,中国城市规模分布的演进趋势经历了从分散化发展到集中化发展的转变。另外,研究发现已有的基于"市区非农业人口"的研究低估了中国城市规模分布的集中度。本文的启示是,走一条以大城市为主要载体的城市化道路是加速推进中国城市化进程的关键。

[Yu Jixiang, Zhou Guangxia, Duan Yubin.

The trend of city size distribution in China: Based on census data

. Population & Economics, 2013 (2): 44-52.]

https://doi.org/10.3969/j.issn.1000-4149.2013.02.006      URL      [本文引用: 2]      摘要

城市规模分布的特征受城市化政策的影响。本文基于全国人口普查数据,在对城市人口统计口径进行详细探讨的基础上,使用齐夫回归方法研究发现,随着城市化政策在2000年前后的调整,中国城市规模分布的演进趋势经历了从分散化发展到集中化发展的转变。另外,研究发现已有的基于"市区非农业人口"的研究低估了中国城市规模分布的集中度。本文的启示是,走一条以大城市为主要载体的城市化道路是加速推进中国城市化进程的关键。
[9] 唐为.

中国城市规模分布体系过于扁平化吗?

[J].世界经济文汇, 2016 (1): 36-51.

URL      [本文引用: 2]      摘要

本文基于2000和2010年人口普查数据,利用空间基尼系数、齐普律和马尔科夫转换矩阵等方法,分析了我国所有建制市的人口规模分布体系及演化情况,并在数据质量、时间范围和研究方法上改进和扩展了已有研究。研究发现,2000年我国的城市体系集中度低于世界平均水平,但高于以往基于户籍人口和不完整的城市样本的估计结果;2010年的城市集中度有所提升,进一步接近世界平均水平。使用不同方法得到的结论非常稳健。本文分析了造成这一时期城市人口集中度上升的原因:一方面,2000年后撤县设区政策的广泛实施使得大城市发生外延式扩张;另一方面,集聚效应的增强使得大城市人口密度不断上升,使得内涵式扩张加速。

[Tang Wei.

Are the city size distribution of China too flat?

. World Economic Papers, 2016 (1): 36-51.]

URL      [本文引用: 2]      摘要

本文基于2000和2010年人口普查数据,利用空间基尼系数、齐普律和马尔科夫转换矩阵等方法,分析了我国所有建制市的人口规模分布体系及演化情况,并在数据质量、时间范围和研究方法上改进和扩展了已有研究。研究发现,2000年我国的城市体系集中度低于世界平均水平,但高于以往基于户籍人口和不完整的城市样本的估计结果;2010年的城市集中度有所提升,进一步接近世界平均水平。使用不同方法得到的结论非常稳健。本文分析了造成这一时期城市人口集中度上升的原因:一方面,2000年后撤县设区政策的广泛实施使得大城市发生外延式扩张;另一方面,集聚效应的增强使得大城市人口密度不断上升,使得内涵式扩张加速。
[10] 谢小平, 王贤彬.

城市规模分布演进与经济增长

[J]. 南方经济, 2012(6): 58-73.

[本文引用: 1]     

[Xie Xiaoping, Wang Xianbin.

The evolution of city size distribution and economic growth

. South China Journal of Economics, 2012 (6): 58-73.]

[本文引用: 1]     

[11] 黄妍妮,高波, 魏守华.

中国城市群空间结构分布与演变特征

[J]. 经济学家, 2016, 9(9): 50-58.

[本文引用: 1]     

[Huang Yanni, Gao Bo, Wei Shouhua.

The temporal evolution of Chinese urban agglomerations’ spatial structure

. Economist, 2016, 9(9): 50-58.]

[本文引用: 1]     

[12] 孙斌栋, 丁嵩.

大城市有利于小城市的经济增长吗?——来自长三角城市群的证据

[J]. 地理研究, 2016, 35(9): 1615-1625.

https://doi.org/10.11821/dlyj201609002      URL      [本文引用: 1]      摘要

厘清大城市是否有利于小城市经济增长这一问题,对于贯彻大中小城市和小城镇协调发展的国家新型城镇化战略具有重要意义。以长三角108个小城市为例,在传统经济增长模型中加入到大城市的地理距离、行政边界、市场潜能等因素,估计不同等级的大城市对小城市经济增长的空间影响及其异质性。研究发现:临近大城市有助于促进小城市的经济增长,并未发现存在集聚阴影效应的直接证据;空间相互作用的方向更多体现为高等级城市对低等级城市的影响,来自副省级城市的增长溢出最为显著,同层级小城市之间的空间关联效应相对微弱;城市间存在一定程度的市场分割,行政边界的存在阻碍了空间溢出效应的发挥。最后从强化中心城市的辐射带动功能、促进不同规模城市空间溢出效应的全域性释放、破除行政区经济的束缚等方面提出了促进大中小城市和小城镇协调发展的政策启示。

[Sun Bindong, Ding Song.

Do large cities contribute to economic growth of small cities? Evidence from Yangtze River Delta in China

. Geographical Research, 2016, 35(9): 1615-1625.]

https://doi.org/10.11821/dlyj201609002      URL      [本文引用: 1]      摘要

厘清大城市是否有利于小城市经济增长这一问题,对于贯彻大中小城市和小城镇协调发展的国家新型城镇化战略具有重要意义。以长三角108个小城市为例,在传统经济增长模型中加入到大城市的地理距离、行政边界、市场潜能等因素,估计不同等级的大城市对小城市经济增长的空间影响及其异质性。研究发现:临近大城市有助于促进小城市的经济增长,并未发现存在集聚阴影效应的直接证据;空间相互作用的方向更多体现为高等级城市对低等级城市的影响,来自副省级城市的增长溢出最为显著,同层级小城市之间的空间关联效应相对微弱;城市间存在一定程度的市场分割,行政边界的存在阻碍了空间溢出效应的发挥。最后从强化中心城市的辐射带动功能、促进不同规模城市空间溢出效应的全域性释放、破除行政区经济的束缚等方面提出了促进大中小城市和小城镇协调发展的政策启示。
[13] 孙铁山, 王兰兰, 李国平.

北京都市区人口—就业分布与空间结构演化

[J]. 地理学报, 2012, 67(6): 829-840.

https://doi.org/10.11821/xb201206010      URL      [本文引用: 1]      摘要

本研究应用非参数计量方法,实证刻画北京都市区人口—就业空间分布演化,揭示在快速城市化和城市增长背景下,北京都市区空间结构特征及发展趋势。研究发现,北京都市区人口和就业分布都呈现多中心空间结构。20世纪80年代以来,随着人口郊区化,北京都市区人口次中心数量不断增加,并由近郊向远郊扩展,人口分布呈现明显的分散化和多中心化趋势,但人口分散的空间范围还比较有限。与人口的分散化趋势不同,2004-2008年,北京都市区就业仍呈现向心集聚的趋势,造成远郊就业次中心的影响不断被弱化,都市区空间结构的多中心性有所降低。这说明北京都市区的单中心或强中心结构可能并未从根本上改变,且人口的分散化和就业的向心集聚导致宏观面上人口—就业的空间失衡。北京都市区多中心空间结构的形成,需要强化郊区次中心的集聚能力,同时注重人口—就业的平衡布局,这是未来北京都市区空间结构调整的重点。

[Sun Tieshan, Wang Lanlan, Li Guoping.

Distributions of population and employment and evolution of spatial structures in the Beijing metropolitan area

. Acta Geographica Sinica, 2012, 67(6): 829-840.]

https://doi.org/10.11821/xb201206010      URL      [本文引用: 1]      摘要

本研究应用非参数计量方法,实证刻画北京都市区人口—就业空间分布演化,揭示在快速城市化和城市增长背景下,北京都市区空间结构特征及发展趋势。研究发现,北京都市区人口和就业分布都呈现多中心空间结构。20世纪80年代以来,随着人口郊区化,北京都市区人口次中心数量不断增加,并由近郊向远郊扩展,人口分布呈现明显的分散化和多中心化趋势,但人口分散的空间范围还比较有限。与人口的分散化趋势不同,2004-2008年,北京都市区就业仍呈现向心集聚的趋势,造成远郊就业次中心的影响不断被弱化,都市区空间结构的多中心性有所降低。这说明北京都市区的单中心或强中心结构可能并未从根本上改变,且人口的分散化和就业的向心集聚导致宏观面上人口—就业的空间失衡。北京都市区多中心空间结构的形成,需要强化郊区次中心的集聚能力,同时注重人口—就业的平衡布局,这是未来北京都市区空间结构调整的重点。
[14] 孙斌栋, 魏旭红.

上海都市区就业—人口空间结构演化特征

[J]. 地理学报, 2014, 69(6):747-758.

https://doi.org/10.11821/dlxb201406003      URL      [本文引用: 1]      摘要

研究以非参数模型计量为基础,从集聚—分散维度和单中心—多中心维度刻画了上海都市区就业、人口空间演化特征,并与北京都市区的研究结果进行了横向比较。研究表明,上海都市区的就业和人口不断向外扩散,同时近、远郊均出现了稳定的再集中,就业和人口的空间多中心性都在增强。而北京只存在人口的分散化和多中心化,就业却呈现集中化和单中心化的态势。因而,上海都市区的就业—人口空间匹配程度高于北京。产业结构差异是造成北京、上海两地就业空间演化特征分异的原因之一,上海制造业比重高于北京,郊区的制造业集聚强化了近、远郊吸纳就业能力,促进了多中心空间结构的形成。北京和上海中心城区的就业、人口规模仍在扩张,导致近邻地区被包络在内,原有的次中心逐渐消失,因而,科学确定中心城区的增长边界,有效防止邻近蔓延,应当成为特大城市未来发展的关注重点。

[Sun Bindong, Wei Xuhong.

Spatial distribution and structure evolution of employment and population in Shanghai Metropolitan Area

. Acta Geographica Sinica, 2014, 69(6): 747-758.]

https://doi.org/10.11821/dlxb201406003      URL      [本文引用: 1]      摘要

研究以非参数模型计量为基础,从集聚—分散维度和单中心—多中心维度刻画了上海都市区就业、人口空间演化特征,并与北京都市区的研究结果进行了横向比较。研究表明,上海都市区的就业和人口不断向外扩散,同时近、远郊均出现了稳定的再集中,就业和人口的空间多中心性都在增强。而北京只存在人口的分散化和多中心化,就业却呈现集中化和单中心化的态势。因而,上海都市区的就业—人口空间匹配程度高于北京。产业结构差异是造成北京、上海两地就业空间演化特征分异的原因之一,上海制造业比重高于北京,郊区的制造业集聚强化了近、远郊吸纳就业能力,促进了多中心空间结构的形成。北京和上海中心城区的就业、人口规模仍在扩张,导致近邻地区被包络在内,原有的次中心逐渐消失,因而,科学确定中心城区的增长边界,有效防止邻近蔓延,应当成为特大城市未来发展的关注重点。
[15] Zhao M, Derudder B, Huang J.

Examining the transition processes in the Pearl River Delta polycentric mega-city region through the lens of corporate networks

[J]. Cities, 2017, 60: 147-155.

https://doi.org/10.1016/j.cities.2016.08.015      URL      [本文引用: 1]      摘要

61To assess the unfolding integration and polycentricity of the Pearl River Delta, we analyse data on firm ownership linkages through a combination of functional polycentricity and a classification of the spatial dimensions of these linkages.61Network interaction in the PRD significantly increased in 2001-08, and slightly declined in 2008-13. By 2013, most of the Pearl River Delta’s sub-regions were integrated in a complex web of linkages, with the functional polycentricity becoming more obvious.61In spite of a variety of geographical shifts in linkages, outdegree centrality (and therefore headquarter locations) remains confined to the central parts of the Pearl River Delta.61Linkages in the Pearl River Delta increasingly straddle the borders of prefecture-level regions.
[16] 李小建,李国平,曾刚,. 经济地理学(第二版)[M]. 北京: 高等教育出版社, 1999.

[本文引用: 1]     

[Li Xiaojian, Li Guoping, Zeng Gang et al. Economic geography. Beijing: Higher Education Press, 1999.]

[本文引用: 1]     

[17] 孙久文, 叶裕民. 区域经济学教程[M]. 北京:中国人民大学出版社, 2003.

[本文引用: 1]     

[Sun Jiuwen, Ye Yumin.Textbook of regional economics. Beijing: China Renmin University Press, 2003.]

[本文引用: 1]     

[18] 封志明, 杨艳昭, 游珍,.

基于分县尺度的中国人口分布适宜度研究

[J]. 地理学报, 2014, 69(6): 723-737.

[本文引用: 1]     

[Feng Zhiming, Yang Yanzhao, You Zhen et al.

Research on the suitability of population distribution at the county level in China

. Acta Geographica Sinica, 2014, 69(6): 723-737.]

[本文引用: 1]     

[19] 柯善咨, 赵曜.

产业结构, 城市规模与中国城市生产率

[J]. 经济研究, 2014(4): 76-88.

[本文引用: 1]     

[Ke Shanzi, Zhao Yao.

Industrial structure, city size and urban productivity in China

. Economic Research Journal, 2014 (4): 76-88.]

[本文引用: 1]     

[20] 魏后凯.

中国城市行政等级与规模增长

[J]. 城市与环境研究, 2014(1):4-17.

URL      [本文引用: 1]      摘要

中国的城市具有鲜明的行政等级特征。按照行政级别和政府驻地,中国城市大体可分为直辖市、副省级市、一般省会城市、一般地级市、县级市、县城和一般建制镇七级。分析结果表明,城市规模大小及增长与其行政等级的高低密切相关,随着行政等级的提高,城市人口和用地规模均呈现指数递增的趋势。从人口和用地规模增长看,行政等级较高的城市增幅一般高于行政等级较低的城市。这种城市规模及增长的分异,受到政府资源配置行政中心偏向的重要影响,不同行政等级城市在权限设置、资源配置、制度安排等方面的差异,是造成这种城际分异的重要原因。在现有城镇体系下,行政中心偏向也是一种大城市偏向,二者起到了相互强化的作用,这种相互强化效应导致近年来行政等级较高的大城市过度膨胀和城市规模控制政策的失效。为促进大中小城市和小城镇协调发展,今后必须从根本上改变资源配置的行政中心偏向,弱化行政等级的影响,以综合承载力作为城市规模控制的依据,以扩权为重点促进经济强镇发展,推动城际发展机会平等和权益公平。

[Wei Houkai.

Administrative hierarchy and growth of city scale in China

. Urban and Environmental Studies, 2014 (1): 4-17.]

URL      [本文引用: 1]      摘要

中国的城市具有鲜明的行政等级特征。按照行政级别和政府驻地,中国城市大体可分为直辖市、副省级市、一般省会城市、一般地级市、县级市、县城和一般建制镇七级。分析结果表明,城市规模大小及增长与其行政等级的高低密切相关,随着行政等级的提高,城市人口和用地规模均呈现指数递增的趋势。从人口和用地规模增长看,行政等级较高的城市增幅一般高于行政等级较低的城市。这种城市规模及增长的分异,受到政府资源配置行政中心偏向的重要影响,不同行政等级城市在权限设置、资源配置、制度安排等方面的差异,是造成这种城际分异的重要原因。在现有城镇体系下,行政中心偏向也是一种大城市偏向,二者起到了相互强化的作用,这种相互强化效应导致近年来行政等级较高的大城市过度膨胀和城市规模控制政策的失效。为促进大中小城市和小城镇协调发展,今后必须从根本上改变资源配置的行政中心偏向,弱化行政等级的影响,以综合承载力作为城市规模控制的依据,以扩权为重点促进经济强镇发展,推动城际发展机会平等和权益公平。
[21] 魏后凯.

中国城镇化进程中两极化倾向与规模格局重构

[J].中国工业经济, 2014 (3): 18-30.

URL      [本文引用: 1]      摘要

近年来,中国城镇化进程中出现了特大城市规模迅速膨胀、中小城市和小城镇相对萎缩的两极化倾向。论文采用系统数据深刻揭示了这种大城市偏向的两极化倾向.并从传统发展理念、资源配置偏向、市场极化效应、农民迁移意愿和政府调控失效等综合视角考察了其形成机理,探讨了重构城镇化规模格局的科学基础和战略选择。本文认为。当今中国社会正由城乡二元结构转变为由城乡之间、城镇之间、城市内部三重二元结构相互叠加的多元结构:考虑到资源环境承载能力、城镇人口吸纳能力、公共设施容量、农民迁移意愿和设市工作的恢复,未来中国特大城市、大城市、中小城市和建制镇吸纳新增城镇人12的比例由目前的36:8:9:47转变为30:18:18:34比较合适:提高城市规模等级的人12标准弊多利少,中国城市规模等级的划分应侧重增加层级,以巨型城市(1000万以上)、超大城市(400万-1000万)、特大城市(100万-400万)、大城市(50万-100万)、中等城市(20万-50万)和小城市(20万以下)6级为宜;实行多中心网络开发战略,积极培育壮大世界级、国家级和区域级城市群,推动形成全国三级城市群结构体系,使之成为中国推进城镇化的主体形态和吸纳新增城镇人口的主要载体:实行差别化的人口规模调控政策。严格控制400万人以上的特大城市人口规模.着力提高中小城市和小城镇综合承载能力,推动形成以城市群为主体形态.大中小城市和小城镇合理分工、协调发展、等级有序的城镇化规模格局。

[Wei Houkai.

Polarization trend and optimization of size distribution in China’s urbanization process

. China Industrial Economics, 2014 (3): 18-30.]

URL      [本文引用: 1]      摘要

近年来,中国城镇化进程中出现了特大城市规模迅速膨胀、中小城市和小城镇相对萎缩的两极化倾向。论文采用系统数据深刻揭示了这种大城市偏向的两极化倾向.并从传统发展理念、资源配置偏向、市场极化效应、农民迁移意愿和政府调控失效等综合视角考察了其形成机理,探讨了重构城镇化规模格局的科学基础和战略选择。本文认为。当今中国社会正由城乡二元结构转变为由城乡之间、城镇之间、城市内部三重二元结构相互叠加的多元结构:考虑到资源环境承载能力、城镇人口吸纳能力、公共设施容量、农民迁移意愿和设市工作的恢复,未来中国特大城市、大城市、中小城市和建制镇吸纳新增城镇人12的比例由目前的36:8:9:47转变为30:18:18:34比较合适:提高城市规模等级的人12标准弊多利少,中国城市规模等级的划分应侧重增加层级,以巨型城市(1000万以上)、超大城市(400万-1000万)、特大城市(100万-400万)、大城市(50万-100万)、中等城市(20万-50万)和小城市(20万以下)6级为宜;实行多中心网络开发战略,积极培育壮大世界级、国家级和区域级城市群,推动形成全国三级城市群结构体系,使之成为中国推进城镇化的主体形态和吸纳新增城镇人口的主要载体:实行差别化的人口规模调控政策。严格控制400万人以上的特大城市人口规模.着力提高中小城市和小城镇综合承载能力,推动形成以城市群为主体形态.大中小城市和小城镇合理分工、协调发展、等级有序的城镇化规模格局。
[22] Hall P G, Pain K.

The polycentric metropolis: Learning from mega-city regions in Europe

[M]. London: Earthscan, 2006.

[本文引用: 1]     

[23] Meijers E.

Measuring polycentricity and its promises

[J]. European Planning Studies, 2008, 16(9): 1313-1323.

https://doi.org/10.1080/09654310802401805      URL      [本文引用: 1]      摘要

Even a decade after the concept of polycentric development became popular and increasingly widespread in Europe as a normative policy stance allegedly leading to cohesion and competitiveness, its empirical basis is still rather weak. This is partly due to a lack of conceptual clearness, which makes its measurement difficult. This research briefing synthesises the results of two recent ESPON projects that aim to create a quantitative measurement of the extent of polycentricity of national urban systems, as well as the links they find between polycentricity and economic and social objectives. Both approaches have their limits and have been, and can be criticized from various perspectives. Some suggestions on how to proceed with this research agenda are presented.
[24] 覃成林, 李红叶.

西方多中心城市区域研究进展

[J].人文地理, 2012, 27(1): 6-10.

[本文引用: 1]     

[Qin Chenlin, Li Hongye.

Progress of studies on polycentric urban region in western countries

. Human Geography, 2012, 27(1): 6-10.]

[本文引用: 1]     

[25] Gabaix X, Ibragimov R.

Rank-1/2: A simple way to improve the OLS estimation of tail exponents

[J]. Journal of Business & Economic Statistics, 2011, 29(1): 24-39.

https://doi.org/10.1198/jbes.2009.06157      URL      [本文引用: 1]      摘要

Despite the availability of more sophisticated methods, a popular way to estimate a Pareto exponent is still to run an OLS regression: log(Rank) = a 090808 b log(Size), and take b as an estimate of the Pareto exponent. The reason for this popularity is arguably the simplicity and robustness of this method. Unfortunately, this procedure is strongly biased in small samples. We provide a simple practical remedy for this bias, and propose that, if one wants to use an OLS regression, one should use the Rank 0908081 / 2, and run log(Rank 090808 1 / 2) = a 090808 b log(Size). The shift of 1 / 2 is optimal, and reduces the bias to a leading order. The standard error on the Pareto exponent 0209 is not the OLS standard error, but is asymptotically (2 / n)1 / 20209. Numerical results demonstrate the advantage of the proposed approach over the standard OLS estimation procedures and indicate that it performs well under dependent heavy-tailed processes exhibiting deviations from power laws. The estimation procedures considered are illustrated using an empirical application to Zipf090005s law for the United States city size distribution.
[26] 赵建群.

论赫芬达尔指数对市场集中状况的计量偏误

[J]. 数量经济技术经济研究, 2011, 28(12): 132-145.

URL      [本文引用: 1]      摘要

本文全方位探讨了幂函数对于市场指标的修正特性,在此基础上对赫芬达尔指数的集中功能进行了反思。经推导发现,赫芬达尔指数计量体系由于面临修正速率突变点比较高和多重解非重复空间比率比较高的问题,以其计量市场集中状况时,将不可避免地导致悖论。

[Zhao Jianqun.

Study on the bias of the Herfindahl-index system when being used in measuring the centralization property of markets

. The Journal of Quantitative & Technical Economics, 2011, 28(12): 132-145.]

URL      [本文引用: 1]      摘要

本文全方位探讨了幂函数对于市场指标的修正特性,在此基础上对赫芬达尔指数的集中功能进行了反思。经推导发现,赫芬达尔指数计量体系由于面临修正速率突变点比较高和多重解非重复空间比率比较高的问题,以其计量市场集中状况时,将不可避免地导致悖论。
[27] 许学强, 周一星, 宁越敏. 城市地理学 (第二版)[M]. 北京: 高等教育出版社, 2009.

[本文引用: 1]     

[Xu Xueqiang, Zhou Yixing, Ning Yuemin.Urban geography. Beijing: Higher Education Press, 2009.]

[本文引用: 1]     

[28] 国家统计局城市社会经济调查司. 中国城市统计年鉴[M]. 北京: 中国统计出版社,2011.

[本文引用: 1]     

[Department of Urban Surveys of NBS, China city statistical yearbook. Beijing: China statistical press, 2011.]

[本文引用: 1]     

[29] 国家统计局城市社会经济调查司. 中国区域统计年鉴[M]. 北京: 中国统计出版社, 2011.

[本文引用: 1]     

[Department of Urban Surveys of NBS, China statistical yearbook for regional economy. Beijing: China Statistical Press,2011.]

[本文引用: 1]     

[30] Lee B.

“Edge” or “edgeless” cities? Urban spatial structure in US metropolitan areas, 1980 to 2000

[J]. Journal of Regional Science, 2007, 47(3): 479-515.

https://doi.org/10.1111/j.1467-9787.2007.00517.x      URL      [本文引用: 1]      摘要

ABSTRACT. This paper presents a descriptive analysis of spatial trends in six U.S. metropolitan areas. The results show that generalized job dispersion was a more common spatial process than subcentering during the 1980s and 1990s when jobs continued to decentralize from the metropolitan core to the suburbs. Three distinctive patterns of spatial development were found. Job dispersion was predominant in Portland and Philadelphia, whereas the polycentricity of Los Angeles and San Francisco was further reinforced. New York and Boston with large and long-established CBDs were less prone to decentralization. Each metro seems to have developed a unique pattern of decentralization in light of their histories and circumstances, which has limited the growth of commuting times.
[31] Meijers E J, Burger M J.

Spatial structure and sproductivity in US metropolitan areas

[J]. Environment and Planning A, 2010, 42(6): 1383-1402.

[本文引用: 1]     

[32] 劳伦斯·汉密尔顿. 应用 STATA 做统计分析[M]. 郭志刚,等译.重庆:重庆大学出版社, 2010.

[本文引用: 1]     

[Hamilton L.Statistics with Stata. Translated by Guo Zhigang et al. Chongqing: Chongqing University Press, 2010.]

[本文引用: 1]     

/