基础设施影响城市规模分布的作用机理及实证研究，本文主要内容关键词为：机理论文,基础设施论文,作用论文,规模论文,实证研究论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F129.9 文献标识码：A 文章编号：1000-7636(2016)03-0020-09 DOI：10.13502/j.cnki.issn1000-7636.2016.03.003 2014年中国城镇化率已经达到了54.77%，城镇常住人口约7.49亿人；而伴随着城镇化进程的进一步加快，未来中国城镇化率将达到75%左右，在此过程中，约有3亿多人从农村进入城市，他们在城市体系内部会进一步向首位城市集聚，造成首位城市人口的快速膨胀。截至2013年，全国各省级行政区首位城市人口规模与第二位城市比值最高的地区为4.04，平均水平也达到了1.99；而首位城市人口规模与末位城市比值最高的地区甚至达到了22.66，平均水平也达到了11.22①。首位城市人口的过度集聚会使城市的集聚效应逐步转变为集聚成本，住房紧张、就业困难、交通拥堵以及环境恶化等城市病问题随之而来，对中国现有的城市体系空间格局提出了新的要求与挑战。 作为反映城市体系空间格局的重要内容，城市规模分布的合理与否直接关系到城市体系的功能发挥与竞争力提升，对于合理规划区域城市布局、优化城市体系空间格局具有重要的现实意义[1-16]。尽管目前单独论述基础设施对城市规模分布影响的文章较少，但其对城市规模分布的影响仍不容忽视，例如交通基础设施可以降低运输成本，影响工业在空间上的集聚和扩散[17]，进而影响城市规模分布。不过，关于基础设施如何影响城市规模分布，已有结论并不一致：赵璟等(2009)认为良好的基础设施会降低贸易成本，阻碍城市群空间结构由首位分布传向位序—规模分布[18]；有些学者的研究却指出基础设施水平的提高会降低首位城市规模，运输条件的改善将使经济活动从首位城市分离出来[19-20]；还有一部分学者认为基础设施对城市规模分布的影响是复杂的，司明(2014)基于中国十大城市群的数据发现，交通基础设施使城市群由初始的单中心结构逐步向多中心结构演变，这是一个“倒U型”渐进过程[21]。 本文将在理论和实证研究两个方面做进一步探讨：理论研究方面，从运输成本、空间布局的微、宏观视角综合分析基础设施对城市规模分布的作用链条，从企业内外部网络关系重塑的视角论述信息基础设施作用城市规模分布的机制；实证研究方面，重点考虑城市体系之间的相互作用关系，采用2003-2013年间省级地区的面板数据，引入考虑空间相关性的空间计量模型，实证检验基础设施对城市规模分布的影响。 一、基础设施与城市规模分布演化 基础设施对城市规模分布的演进有着重要的作用。其中，交通基础设施能够促进交通优势区位的产生，决定了城市体系空间相互作用的深度和广度，并影响城市体系空间结构及形态[22-23]；信息基础设施则为企业内部和企业间的交流与联系提供了技术载体，能够有效拓宽城市体系内部的经济活动空间，通过引导劳动力疏散和产业转移，影响城市规模分布②。
图1 交通基础设施与城市规模分布 (一)交通基础设施与城市规模分布 交通基础设施主要从微观层面和宏观层面两个方面影响城市规模分布(如图1所示)。从微观角度来看，交通基础设施通过改变运输成本影响劳动者和企业的决策，进而重新塑造城市规模分布。对于劳动者而言，交通基础设施改善带来的通勤时间缩短和成本下降使得劳动者能够在更大的地理范围内寻找就业机会，从而推动城市人口规模分布在空间上集聚；但是，当通勤成本下降到一定程度后，城市经济集聚的拥挤效应所产生的负外部性将可能导致人口的空间扩散，并导致城市体系人口规模趋于平均分布[20]。对于企业而言，交通基础设施的改善直接降低了企业的运输成本和迁移成本，由于规模经济的优势得以发挥，企业能够在核心城市集聚；而随着运输成本的进一步下降，企业区位决策的范围扩大、灵活性加强，经济活动空间布局将趋于分散化[24]，促进了多中心城市体系发展。 从宏观角度来看，交通基础设施网络是空间经济网络的实际载体，交通基础设施网络通过其自身的空间布局可以对城市规模分布产生直接的影响。交通基础设施网络中的节点城市具有相应的区位优势，能够吸引人口、资金、技术等生产要素向这些城市集聚，改变原有的城市规模分布。交通基础设施网络中的交通轴线同样可以吸引劳动力、企业沿交通轴线集聚并向两侧的一定范围内扩散，推动城市在交通干线附近呈带状分布，而随着可依托轴线的增加，将进一步推动城市规模分布向多中心的星云状结构演进。随着节点城市间经济联系更加紧密，交通基础设施密度不断提高，城市规模分布在空间上最终由单核结构转变为多个节点紧密联系的多核网络结构。 (二)信息基础设施与城市规模分布 信息技术的快速发展变革了原有的经济发展模式，因此信息基础设施对城市规模分布的影响主要表现在对企业内外部网络关系的重塑上，通过提高企业区位选择的自由度与灵活性，影响原有的城市规模分布(如图2所示)。从企业内部网络关系重塑来看，信息基础设施为企业内部的知识、信息交流提供了技术支持，使企业总部与其下属企业的垂直联系更为简单直接，在此基础上一些流动性强的活动可被疏散到次级城市中，进而引导城市产业转移和劳动力疏散，外迁其部分职能，重构城市规模分布。从企业外部网络关系重塑来看，信息基础设施为由垂直专业化形成的企业外部供应商的多向连接、生产与消费的直接对接提供了技术支撑，从而催生电子商务等新兴商业模式，使企业区位选择自由度增大，深化地域分工；同时，新的商业模式也改变了传统产业的内部结构，通过城市体系内劳动力结构变迁等机制对城市规模分布产生重要影响[16]。
图2 信息基础设施与城市规模分布 综上，交通基础设施主要通过改变运输成本和自身的空间布局影响城市规模分布，但由于不同运输成本下，交通基础设施的集聚效应和分散效应有所不同，因此交通基础设施是促进城市规模分布的集中化还是分散化仍有待讨论；而信息基础设施主要通过为企业内外部交流提供技术载体，促进要素流动自由化、企业选址灵活化，有效拓宽区域内部的经济活动空间，进而推动城市规模分布网络化。 二、模型和数据说明 (一)模型构建 为检验基础设施与城市规模分布的关系，本文设定基本计量模型为：
其中，i表示地区，t表示年份，Structure表示城市规模分布，Infrastructure表示基础设施，
表示非观测的个体固定效应，
表示随机误差项。同时，为避免因遗漏影响城市规模分布的其他变量造成分析结果的不准确，参考已有文献加入经济发展水平(Pgdp)、产业结构(Ind)、人口规模(Pop)、政府干预(Inst)、对外开放程度(Open)和人力资本水平(Edu)作为影响城市规模分布的控制变量。修正的计量模型为：
进一步，考虑不同城市体系之间可能存在的空间相关性，引入考虑空间相关关系的空间计量模型。基本的空间计量模型可以分为空间自回归模型(SAR)和空间误差模型(SEM)两类[25]。这两类模型的基本形式分别为：
其中，Y是被解释变量，X是控制变量，W是空间权重矩阵，β是变量系数，ρ是空间反映系数，μ和ε分别是扰动项。 据此，建立如下空间计量模型：
在具体选择哪种模型进行估计时，首先估计非空间模型，其次构建基于模型残差的LM(Lagrange Multiplier)和稳健LM(Robust Lagrange Multiplier)统计量，进行空间自相关性检验，推断哪种空间计量模型更为合适[26-27]；同时，也可以通过比较SAR模型和SEM模型的Log-likelihood值进行判断。 (二)指标选取 1.核心变量 (1)城市规模分布。本文使用城市首位度(S)衡量城市规模分布的单中心—多中心程度，用赫芬达尔指数(Hhi)衡量城市规模分布的集聚—扩散程度。其中，城市首位度指数用区域内首位城市与第二位城市人口的规模之比(P1/P2)衡量，赫芬达尔指数用区域内各城市人口占区域总人口比重的平方和衡量。(2)基础设施。参考刘生龙和胡鞍钢(2010)[28]，用交通基础设施的密度(Transport)，即公路、铁路里程之和除以各地区的国土面积衡量中国交通基础设施的发展情况，用人均邮电业务总量(Information)反映各地区的信息基础设施存量。 2.控制变量 (1)经济发展水平。用人均GDP表示，城市规模分布可能随经济发展程度而呈现出规律性变化，如由于本地市场效应的存在会导致经济的集聚，但当市场规模发展到一定程度时，拥挤效应可能会超过本地市场效应，从而促进地区城市规模分布的扩散[20]。(2)产业结构。用第二产业和第三产业增加值在其总产出中所占比重反映，产业结构的升级、调整是区域空间结构地域扩展在社会经济系统运动中的外在表现，可有效促进劳动力在城市间的流动，进而影响城市规模分布[1]。(3)人口规模。用年末常住人口数表示，区域内人口数量越多，城市规模分布的灵活性越大，可能性也就越多。(4)政府干预。用地方政府财政支出占GDP的比重来衡量，政府的行为引导和干预必然会影响区域内部各城市的联系和互动的密切程度。(5)对外开放程度。用进出口总额与地区生产总值之比表示，通过参与国际贸易，可以有效改变地区的产业与企业生产的空间布局，特别是在发展中国家，其早期的经济发展大多依靠集聚资源，因此贸易开放可能会进一步提高城市集中度[15]。(6)人力资本水平。用每十万人口高等学校在校人数反映，具有高技能的劳动力往往会向存在更多就业机会、提供较高报酬和福利的城市流动，而劳动力的流入会进一步提高大城市的工资水平，进而吸引更多的劳动力流入，形成两者之间的循环累积因果效应[21]。 3.空间权重矩阵 空间权重矩阵的设置主要考虑不同区域间相互发生空间互动效应的权重，其中，邻接矩阵(W)是最常用的空间权重矩阵，根据空间单元是否相邻，其元素
定义如下：
需要说明的是，本文所有的价值变量如人均GDP利用国内生产总值指数折现到1978年的货币水平，进出口总额用当年汇率换算成人民币价值，除产业结构(Ind)、政府干预(Inst)、对外开放程度(Open)外，其他指标均取对数表示。 (三)数据说明 本文使用2003-2013年21个省级地区③的面板数据对上述计量模型进行估计，从2003年选择数据是因为2002年中央经济工作会议和2003年国务院政府工作报告将以往“稳妥推进城镇化”的发展思路转变为“加快城镇化进程”，之后中国城镇化进程明显加快。 同时，对各省级地区内城市规模分布的描述必然涉及城市规模指标，为兼顾数据的可得性和连续性，选取“市辖区年末人口数”作为衡量城市规模的指标，数据来自《中国城市统计年鉴》(2004-2014)；其他数据则来自《中国统计年鉴》(2004-2014)、《中国教育统计年鉴2003》④。
表1报告了模型中各变量的描述性统计结果，其中，首位度指数的均值为1.96，最大值甚至为5.62，表明中国部分地区首位城市规模过大，需要合理疏解首位城市人口；城市体系赫芬达尔指数的均值为0.14，最大值为0.25，最小值为0.07，表明中国各省级行政区的集聚程度存在较大的差异；从交通基础设施、信息基础设施的均值、最大值、最小值来看，虽然差距较大表明中国各地区的基础设施分布存在较大差异，但是分布仍在合理范围之内；而其他变量虽然同样差距不一，分布也都在合理范围之内。 三、估计结果分析 (一)基本模型 首先采用非空间面板固定效应模型和随机效应模型给出初步估计结果(见表2)，模型选择依据Hausman检验的结果。固定效应模型的F检验和随机效应模型的Wald检验均表明模型总体效果是显著的。
模型的回归结果表明，在控制其他变量影响的情况下，交通基础设施和信息基础设施对城市体系首位度和赫芬达尔指数的影响均显著为负，表明基础设施的改善会促进城市规模分布的多中心化和分散化发展，进而推动城市体系网络化发展。但是，上述模型并没有考虑可能存在的空间相关关系，会导致估计结果的不准确。空间相关性的检验一般有两种方法：一是Moran指数检验，二是在非空间面板模型的基础上，构建模型残差的LM(Lagrange Multiplier)检验和稳健LM(Robust Lagrange Multiplier)检验，若存在空间自相关性，则支持空间滞后模型和空间误差模型二者之一成立[27-28]。本文采取了后一种方法检验可能存在的空间相关性，LM检验和稳健LM检验大部分都通过显著性检验，证明了中国省域城市体系之间存在着空间依赖性。因此，本文进一步使用空间面板模型进行实证检验。 (二)空间面板模型 表3报告了SAR模型的估计结果⑤，SAR模型和SEM模型的估计结果显示，LM检验和稳健LM检验表明，所有模型的LM_lag和Robust_LM_lag检验均拒绝了原假设，但大多数模型的LM_error检验却未能拒绝原假设，并且LM_lag和Robust_LM_lag统计量的值要明显大于LM_error和Robust_LM_error统计量的值，再加上所有SEM模型的对数似然值(LogL)均小于SAR模型的对数似然值，因此本文主要报告SAR模型估计结果(见表3)。
实证分析结果表明，城市首位度和赫芬达尔指数的空间相关系数均在1%和5%的水平上显著为负，表明城市规模分布存在负向的空间外部性，相邻地区城市规模分布单中心程度和集聚程度的提高，势必会对本地区的城市规模分布造成“虹吸效应”；且在所有模型中这种“虹吸效应”作用较大，证明了考虑空间相关性的必要性。交通基础设施增加一个百分点，城市规模分布的首位度指数下降0.12个百分点，城市基尼系数下降0.06个百分点，表明现阶段中国的交通运输费用已经下降到一定程度，首位城市的集聚效应已经转变为集聚成本，交通基础设施的改善会导致人口在城市体系内部的扩散；同时，城市体系内的超大城市或大城市可以依托交通基础设施的完善，加快部分产业向周围中小城市转移，从而缓解单一中心化所造成的城市拥堵等问题。信息基础设施增加一个百分点，城市规模分布的首位度指数下降0.08个百分点，城市赫芬达尔指数下降0.04个百分点。这意味着信息基础设施的完善加快了各种信息、知识产品在城市间的交流，使一些因搜寻成本和信息成本的下降能够实现更高流动性的经济活动被驱使到核心城市郊区或外围城市，城市规模分布逐步向多中心演变，城市体系的网络化程度提高。 从其他解释变量来看，人均GDP在大部分模型中均在1%和5%的水平上显著为负，说明随着城市体系经济发展水平的提高，其发展趋势必然是多中心、分散化的，城市规模分布的高级形态必然是网络化发展；产业结构在所有模型中均为正，但是只有在以首位度为因变量的模型中在5%的水平上显著，这与具有高端制造业和管理服务功能、信息服务功能、金融服务功能以及科技创新功能的生产性服务业向中心城市集聚的事实是吻合的；人口规模在所有模型中均为负，并在大多数模型中显著，表明人口规模的扩大增加了城市规模分布的灵活性，但同时也使得首位城市的“城市病”问题更加严重，进一步倒逼城市规模分布多中心化、分散化发展；对外开放程度对城市规模分布的首位度影响不显著，但是赫芬达尔指数在5%和10%的水平上显著为正，这表明对外经济联系程度的提高有利于促进城市人口规模分布趋于集中，出口导向型战略推动了城市人口和经济活动集聚；人力资本水平在所有模型中均在1%的水平上显著为正，这可能是中心城市通常拥有更高的教育投资水平和更加集中的教育资源，这又进一步吸引人力资源的流入，实现城市体系内部的人力资本集聚，二者之间形成循环累积作用，强化了城市规模分布的单中心水平。 (三)稳健性检验 为保证回归结果的稳健可靠，本文还选用根据位序—规模法则计算的城市规模分布单中心指标代替首位度指数，使用城市基尼系数代替赫芬达尔指数表示城市规模分布的集聚程度。其中，计算城市体系单中心指标Mono时参考了梅耶斯和布格尔(Meijers & Burger，2010)[29]的思路，通过城市的位序规模分布特征反映城市规模分布，q为根据位序—规模法则进行最小二乘估计得到的斜率的绝对值，利用区域内规模最大的前两位、前三位和前四位城市q值的平均值；城市基尼系数是将基尼模型应用于研究不同规模城市的发育成长状况所提出的，计算公式为G=T/2S(n-1)，其中，n是区域内城市总数，S是n个城市的人口总和，T是区域内每个城市人口规模之差的绝对值总和。回归结果显示，其中核心变量估计系数的正负性和显著性与上文基本一致，其他变量的估计结果也大多相似，表明本文的回归结果是稳健有效的。 四、结论与对策建议 本文主要结论如下：(1)交通基础设施和信息基础设施会通过降低运输成本、优化空间布局以及重塑企业内外部网络关系等机制进一步加强城市体系内部各节点之间的联系，推动城市规模分布向多中心和分散化发展，最终促进城市体系网络化发展；(2)相邻地区城市规模分布单中心程度和集聚程度的提高，会对本地区的城市规模分布造成“虹吸效应”，各地区城市规模分布之间存在较强的空间相关性。 在当前快速推动城镇化进程的背景下，为有效缓解大城市人口过度集聚引起的“城市病”等问题，应进一步优化交通和信息通道，完善城市基础设施支撑网络。如积极构建以高铁、高速公路等为核心的现代交通运输体系，充分发挥其增强经济空间联系、提升辐射能力的重要作用；并在完善交通轴线的过程中，促进连接城市主要基础设施由“点轴状”向“辐射状”和“网格状”发展，进一步加强城市体系内城市之间，特别是非中心城市之间的经济联系，从而塑造整体集聚、内部分散的城市体系。同时，考虑到各地区之间存在较为明显的空间依赖关系，在制定区域发展战略时，要注意减少阻碍要素流动的不利因素，实现要素流动的同城化、无障碍化；在此基础之上，对城市规模分布相对分散、经济发展水平相对滞后的地区，可以优先发展其首位城市，增强其首位城市的经济发展水平和公共服务能力，提高对其他地区首位城市人口的承接力，充分发挥要素引领作用，最终形成梯度发展，大、中、小合理分布的城市体系。 ①剔除北京、上海、天津、重庆四大直辖市，西藏、青海、宁夏、海南、新疆、贵州等城市数目过少的省级行政区。 ②基础设施主要包括交通基础设施、信息基础设施和能源基础设施，其中交通基础设施和信息基础设施对城市规模分布的影响较大。 ③将省级行政区看作城市体系，并作为基本的分析单元；北京、上海、天津、重庆本身就是巨大的都市区，而西藏、青海、宁夏、海南、新疆、贵州的城市数目太少，故剔除。 ④《中国统计年鉴》从2004年开始统计每十万人高等学校在校生数，2003年的数据是根据《中国教育统计年鉴2003》中各省级地区普通高校研究生在校生数和高等教育本、专科学生在校生数之和除以当地年末总人口再乘以10近似得出的。 ⑤限于版面，此处略去SEM模型的估计结果，如有需要请向笔者索取。
标签：城市规模论文; 国内宏观论文; 集聚效应论文; 交通基础设施论文; 宏观经济论文;
基础设施对城市规模分布影响机理及实证研究_城市规模论文
下载Doc文档