中国城市群多中心空间结构的测度及影响因素分析

向家庚

(南京财经大学江苏产业发展研究院，江苏 南京 210003)

一、 引言与文献综述

城市群作为当今世界各国经济地理空间演化的主要趋势，是一国经济发展和参与全球竞争与国际分工的主要载体。 城市群的空间布局与形态对城市体系的功能发挥与竞争力的提升具有重要影响。 因此引发了本文如下的思考:中国城市群多中心空间结构的现状以及演进态势如何? 影响我国城市群多中心空间结构发展的主要因素包括哪些? 对上述问题的解答，有助于了解当前我国城市群空间结构的现状和发展趋势，也可为我国城市群空间结构的优化提供事实依据。

多中心这一概念最早出现在现代城市规划领域，其初衷是利用多中心的空间结构疏散单中心结构导致的人口和经济活动的过度集聚[1]。 宏观层面的多中心主要指两个或两个以上的城市在功能上相辅相成所形成的区域城市多中心[2]；微观层面的多中心则是指超大型城市内部的多中心。 国内学者罗震东和朱查松[3]指出，可以从空间形态、功能与治理的理论框架来理解多中心的概念内涵。

在对多中心进行测度时，孙斌栋等[4]运用位序-规模回归并且结合普查数据对我国13 个城市群的多中心结构进行了测度。 “功能”多中心则大多基于“流”数据来进行测度，如商品流、贸易流以及现金流等[5]。 刘修岩等[6]运用位序-规模回归、首位度等方法对中国省级层面的空间结构进行了研究。 罗震东[7]运用高铁运行数据对长三角城市群的“功能”多中心进行了测度；马海涛等[8]运用科研论文数据研究了粤港澳大湾区知识多中心。

本文首先对我国主要城市群的多中心空间结构进行测度；然后对各主要城市群多中心空间结构的现状及演变趋势进行了分析；最后通过实证分析，探究我国城市群多中心空间结构的影响因素。

二、 测度方法与数据介绍

本文从人口规模和经济分布规模这一角度来衡量城市群的多中心空间结构，主要通过考察人口以及人均GDP 在城市群内部的空间分布。 按照以下三个步骤进行测度。 首先，对城市群空间结构进行测度；然后，将测度的结果进行标准化；最后，进行加权求和并计算城市群的多中心指数。 具体的计算指标以及方法详述如下:

(一)测度方法

标准化的赫芬达尔指数。 具体计算公式如下:

式中，Hjt为标准化赫芬达尔指数，下标j和t分别代表城市群和年份，其取值在0 和1 之间，Hjt越接近于1，则说明城市群的空间结构多中心化程度越弱，反之则越强；xjit代表城市群j中i城市t年的对应指标，分别为人口和人均GDP；Xjt代表城市群j在t年对应指标的总和；n为城市群内城市的个数。

基于式(1)，代入人口指标和人均GDP 指标，可以得到Hjt，然后将Hjt进行标准化处理。 具体的标准化方法为:将相应的指标代入得到Hjt的最大值与最小值，由于最小值反映城市群多中心化的最高程度，而最大值则反映城市群多中心化的最低程度，因此，将最小值标准化为100，将最大值标准化为0。例如，基于人口计算的标准化的赫芬达尔指数的线性标准化为:

式中，scorepop_Hjt为基于人口计算的标准化赫芬达尔指数标准化后的得分；max_H为基于人口计算的标准化赫芬达尔指数的最大值；min_H为基于人口计算的标准化赫芬达尔指数的最小值。 基于人均GDP 所计算的标准化赫芬达尔指数得分为scoregdp_Hjt。 在得到对应指数的标准化得分之后，城市群多中心空间结构得分为:

式中，score_Polyjt为城市群j在t年的多中心指数得分，其数值在0 ～100 之间，越接近于100，城市群多中心化的程度越高，越接近于0，城市群多中心化的程度越低。

(二)数据介绍

基于数据的可得性以及为了尽可能地包含较多的城市群，本文参照方创琳等[9]的研究，主要考察我国21 个城市群。 所使用的测度数据主要来自《中国城市统计年鉴》，所包含的数据年份为2000 年、2005 年、2010 年和 2014 年。

三、 城市群多中心空间结构指数测度结果分析

按照上述研究方法，本文基于调整的赫芬达尔指数，对中国21 个城市群的多中心空间结构进行了测度，得到各城市群多中心空间结构指数以及每个城市群在不同年份的多中心指数均值，具体见表1。

表1 城市群多中心空间结构指数

表1 中的均值结果显示，在21 个城市群的多中心空间结构指数测度中，多中心化程度最高的是呼包鄂榆城市群。 多中心指数均值排名前五位的其他城市群依次为长株潭、山东半岛、长三角以及海峡西岸；多中心指数位列后五位的城市群依次为北部湾、武汉城市群、成渝、黔中以及关中—天水，北部湾城市群多中心空间指数得分最低。 从不同时间点来看，我们对测度的起始年份2000 年和终止年份2014 年这两个时间点的城市群多中心指数做比较分析，发现长株潭的多中心指数排名从2000 年的第一名下降到2014 年的第五名；呼包鄂榆的多中心指数排名由2000 年的第三名上升至2014 年的第一名。 在排名靠后的城市群中，2000 年多中心指数最低的五个城市群分别为成渝、武汉城市群、黔中、北部湾以及关中—天水城市群，而在2014 年的多中心指数测度依然是这五个城市群排名最低。 在各城市群多中心空间结构的发展趋势中，我们发现在2000年城市群多中心指数的测度中，排名在后8 位的城市群中有6 个在2014 年的多中心指数测度中有所下降，反映了这些原本多中心空间结构指数偏低的城市群的空间结构指数有进一步下降的趋势。

四、 影响因素分析

(一)模型设定与变量说明

为探究影响城市群多中心空间结构的因素，本文设定如下的经验模型:

式中，下标i和t分别表示城市群与年份；score_Polyit表示城市群多中心发展水平；C为常数项；ui为城市群层面不可观测的不随时间变化的因素；vt为不可观测的宏观冲击；εit代表随机误差项；Xit为影响城市多中心空间结构的解释变量。

(二)指标选取

1. 产业结构

工业化所带来的规模经济、集聚经济和市场规模扩张都会对城市规模产生影响。 用第二产业增加值除以总产出来衡量，即二产占比。

2. 经济发展水平

经济发展水平是影响资源要素空间分布的重要因素，当地区经济发展程度较低时，经济活动和人口倾向于向中心城市(经济或政治中心)集聚；而随着地区经济发展程度的提高，集中在中心城市的各种效益将会逐渐减少，人口及生产活动将向中心城市周围扩散。 用总产出与总人数之比来衡量，即人均总产出。

3. 对外开放水平

随着全球化与科技的发展，现代化的国际大都市对劳动力和人力资本具有强大的吸引力，会吸引劳动力和人力资本向大城市集聚。 用国外企投资额占当地GDP 比重衡量，即外商投资占比。

4. 政府干预

政府行为是影响区域经济发展的重要因素，国家政策往往会引导劳动力和资源要素的流动。 用地方政府支出与GDP 之比度量，即政府支出占比。

5. 基础设施状况

交通基础设施的完善程度会影响商品的运输成本和劳动力的通勤成本，进而影响劳动力的资源要素的集聚和扩散。 用城市群内公路里程数除以总人口来衡量，即人均道路密度。

6. 城市化率

本研究采用城市人口比例来衡量城市群的城市化水平。

表2 报告了估计结果。 第(1)列中，二产占比这一栏的估计系数显著为负，说明工业化程度的提高会导致人口和资源要素向大城市集聚，从而改变城市群空间结构；第(2)～(4)列分别以东中西部城市群为子样本的分组回归，二产占比的估计系数均为负，且显著，说明对我国不同区域的城市群，工业化水平的提高都使得城市群空间结构向单中心演化。 从区域经济发展水平来看，表2 第(1)列中，人均总产出的估计系数为负，人均总产出平方项的估计系数为正，但在统计上不显著；第(2)～(3)列分别以东中部城市群为子样本的分组回归中，人均总产出的估计系数显著为负，其平方项的估计系数显著为正，说明人均总产出和城市群多中心性之间呈现U 型关系。 外商投资占比、政府财政支出占比、人均道路密度以及城市化率在第(1)到(4)列的回归中均不显著，这表明，在全样本的回归中，外商投资占比、政府支出占比、人均道路密度以及城市化率对全国和区域层面多中心空间发展并不存在显著影响。

表2 城市群多中心影响因素分析

五、 结论与政策建议

本文运用调整的赫芬达尔指数法测度了中国城市群多中心空间结构，并对城市群空间结构的影响因素进行了实证分析。 测度结果表明，在城市群多中心指数的年份均值排名中，多中心化水平较高的城市群分别为呼包鄂榆、长株潭、山东半岛、长三角、海峡西岸城市群；多中心化水平较低的城市群分别为北部湾、黔中、成渝地区、关中-天水以及武汉城市群。 从各城市群空间结构的演化趋势来看，我们发现多中心空间结构指数较低的城市群将有可能进一步向单中心空间结构发展。 在影响因素的研究中，我们发现二产占比的提高会推动城市群空间结构向单中心化发展，人均GDP 和城市群多中心发展水平之间存在U型关系。 基于研究结论，本文的核心观点和建议是:对发展水平相对落后的城市群，应通过政策引导劳动力和资源要素向中心城市和首位城市集聚，培育城市群发展的增长极，要防止盲目多中心而造成的经济效率损失；对发展水平较为领先、首位城市人口和资源过度集聚的城市群，要选择多中心、多层级、多节点的演进路径，缓解区域发展不平衡的主要矛盾，协调区域收入差距，由多中心带动区域经济发展走向均衡；对已经形成多中心空间结构的城市群，应该增强各节点中心城市的分工与联系，发挥由点到面的辐射效应，带动区域经济整体发展。