EN中文

地理研究 >

2021 , Vol. 40 >Issue 11: 3137 - 3153

DOI: https://doi.org/10.11821/dlyj020200740

论文

区域经济增长驱动因素与空间溢出效应的对比研究

  • 闫东升 , 1 ,
  • 王玥 2 ,
  • 孙伟 , 3 ,
  • 李平星 3
展开
  • 1.河海大学公共管理学院,南京 211100
  • 2.上海市现代管理研究中心,上海 200052
  • 3.中国科学院南京地理与湖泊研究所,流域地理学重点实验室,南京 210008
孙伟（1980-）,男,辽宁彰武人,博士,研究员,博士生导师,主要研究方向为区域发展与规划。E-mail:

闫东升（1990-）,男,河南项城人,博士,讲师,主要研究方向为区域发展与规划。E-mail:

收稿日期: 2020-08-07

  录用日期: 2020-11-30

  网络出版日期: 2022-01-10

基金资助

国家自然科学基金项目(41871209)

国家自然科学基金项目(42101183)

美丽中国生态文明建设科技工程专项(XDA23020102)

南京大学长江三角洲经济社会发展研究中心重大项目(CYD-2020018)

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

A comparative study on the driving factors and spatial spillover effects of economic growth across different regions of China

  • YAN Dongsheng , 1 ,
  • WANG Yue 2 ,
  • SUN Wei , 3 ,
  • LI Pingxing 3
Expand
  • 1. Public Administration School, Hohai University, Nanjing 211100, China
  • 2. Modern Management Center, Shanghai 200052, China
  • 3. Key Laboratory of Watershed Geography, Nanjing Institute of Geography Limnology, Chinese Academy of Sciences, Nanjing 210008, China

Received date: 2020-08-07

  Accepted date: 2020-11-30

  Online published: 2022-01-10

Copyright

Copyright reserved © 2021
Fold

摘要

准确把握经济增长驱动因素与空间溢出效应,对于进一步理清城市相互关系、推动区域均衡发展具有重要的理论与实践意义。本文以长江三角洲、广东省为例,采用不均衡指数、地理集中度探析经济格局时空演变特征,并基于空间计量方法,对经济增长驱动因素与空间溢出效应进行对比研究。结果发现：① 21世纪以来,伴随着对全国经济增长贡献的稳步提升,研究区域经济格局也呈现差异化演变态势,但“核心-边缘”格局均未明显改变。② 空间计量结果表明,区域经济增长驱动因素存在显著差异,但经济增长均存在显著正向空间溢出效应,且长江三角洲空间溢出效应更强。③ 进一步的分解、对比表明,不同区域、不同时期经济增长驱动因素存在差异,空间溢出效应也表现为时间上的逐渐增强、空间上的核心区更强。基于距离变动的分析发现,研究区域经济增长空间溢出效应均呈现“倒U”型趋势。本研究有助于揭示研究区域城市间相互关系,也为推动区域一体化发展、合理引导城市群扩容等提供前瞻性参考。

关键词： 经济增长; 驱动因素; 空间溢出效应; 对比

本文引用格式

闫东升 , 王玥 , 孙伟 , 李平星 . 区域经济增长驱动因素与空间溢出效应的对比研究[J]. 地理研究, 2021 , 40(11) : 3137 -3153 . DOI: 10.11821/dlyj020200740

Abstract

During the 14th Five-Year Plan period (2021-2025), enhancing the radiation role of central cities and urban clusters will be an important measure to promote coordinated regional development. In this context, accurately exploring the driving factors of economic growth and spatial spillover effects is significantly important to understand relationships among cities and promote balanced regional development. Taking the Yangtze River Delta and Guangdong province as examples, we utilized the imbalance index and geographic concentration to explore the spatio-temporal evolution of the economic pattern, and compared the driving factors and spatial spillover effects of economic growth based on the spatial econometric model. The main conclusions can be drawn as follows: (1) Since the beginning of the 21st century, with the steady economic growth, the evolutions of the economic pattern of both study areas have presented differentiated characteristics, but the “core-edge” pattern of economic distribution showed strong stability. (2) The spatial econometric model results showed that there were significant differences in the driving factors of economic growth across different regions. Both study areas had significant positive spatial spillover effects of economic growth, but the spatial spillover effect in the Yangtze River Delta was stronger. (3) Further decomposition and comparison showed that there were differences in the driving factors of economic growth across different regions and periods in the study areas. The spatial spillover effects of both study areas’ economic growth were higher in 2009-2017 compared with 2000-2008, and the spatial spillover effects of the core area were higher than those of the marginal area. The spatial spillover effects based on the change of geographic distance presented an “inverted U” trend, and the distance with the strongest spatial spillover effect in the Yangtze River Delta was significantly greater than that in Guangdong province, but the latter had a higher maximum spillover effect. This research provides an empirical reference for understanding the relationship of cities. It also tries to provide a theoretical basis for formulating scientific policies in order to promote integrated development and narrow regional development gaps. The results in this paper may offer a forward-looking reference for the integrated development of other urban agglomerations, and reasonably guide the expansion of urban agglomerations.

Key words： economic growth; driving factor; spatial spillover effect; comparison

1 引言

区域发展差距不仅是社会各界关注焦点,更是区域经济学等研究热点问题之一[1,2,3]。诸多理论与实证研究发现,尽管一定程度发展差距有利于加快要素流动、优化资源配置等,但持续显著的发展差距不仅削弱区域合作效率,更给区域高质量发展埋下隐患[1,3,4]。对于综合国力逐渐增强、加快迈向现代化的中国,不同尺度、不同区域依旧显著的发展差距,成为新时代社会主要矛盾中“不平衡”的主要体现,进一步缩小区域发展差距,成为中国经济高质量发展的应有之义,也是解决新时代社会主要矛盾的重要举措[2,3]。
科学把握经济增长驱动因素,是制定针对性政策实现区域发展差距缩小的重要基础[2,5]。长期以来,以新古典为代表的理论较多地关注内在要素驱动,指出经济增长是人力投入、物质投资、技术水平、政府政策和产业结构等多重因素作用结果[1,4,5]。随着全球化深入、一体化深化等,过度强调“内生动力”的研究对区域发展差距解释愈加乏力[2,6],学者意识到经济增长并不是一种空间孤立现象,相互作用及其带来的空间溢出效应这一“外部性”,在经济增长与区域协调中发挥着重要作用[3,4,5,6,7]。理论上,无论是地理学第一定律[6,8],还是区域差异增长理论、新经济地理学或新增长理论等[2,7,9,10],日益重视“空间溢出效应”在经济增长中的关键作用。近年来,实证研究也发现“空间溢出效应”不仅是经济增长不可忽视力量,也深刻影响区域发展格局及其演变[10,11,12]。在强化合作实现协调发展成为社会共识背景下,准确测度这一效应及其演变,对于制定科学政策推动区域协调发展具有重要现实意义[6,10,11]。
随着数据完善、方法发展,学者采用空间计量模型[3,12-15]、门槛回归模型[16]、地理加权回归模型[2]、Conley-Ligon模型[7]、网络分析法[5]、空间泊松模型[6]、面板分位数回归[17]及空间MRW模型[18]等方法,基于邻接关系[15,19]、地理距离[14]、经济距离[13]、距离阈值[12]、时间距离[20]等对称矩阵与非对称矩阵[5],从多重区域、差异化尺度[7,17,19,20],对经济增长[2,5,7]、创新格局[14,16]、产业分布[6]、要素利用效率[20,21]及碳排放[17]等的空间溢出效应进行测度。结果表明,无论是经济增长抑或影响经济增长的要素,在多重尺度上均呈现显著空间溢出效应[7,14,18]。但在政府政策、边界壁垒、交通条件等驱动下,空间溢出效应呈现多样化特征：① 不同尺度、不同区域空间溢出效应存在差异,如不同省市经济增长空间溢出效应正负、大小的差异[7],中部、东北、西北地区土地利用效率空间溢出效应显著高于西南地区[22]。② 不同时期空间溢出效应的差异,如FDI对中国技术驱动的空间溢出效应经历了“挤出效应-正向溢出-不显著/挤出效应”的转变[16];2011—2014年,中国农机化水平空间溢出效应是2001—2005年的4.6倍[21]。③ 空间溢出效应存在距离衰减特征[11,13,14],如500 km为全国生产性服务业空间外溢的“半衰”距离[13];长江三角洲研发企业知识溢出强度呈负指数幂函数形式加速衰减,在40 km处减势趋于平缓[19];中国城市创新空间溢出效应随距离增长呈现“倒U”趋势,空间溢出效应在650 km最强[14]。丰富研究成果,为科学测度空间溢出效应、理清区域相互关系,提供了有益参考。但与创新格局、产业分布和发展效率等方面丰富研究相比,对经济增长空间溢出效应研究相对不足[2,3,5],部分相关研究较多关注总体效应测度,对经济增长空间溢出效应的深度分析、不同区域的对比研究等相对欠缺[5,6,15],这些是科学制定“因地制宜”政策重要基础,也是本文研究的重要内容、创新方向。
《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（ http://www.gov.cn/xinwen/2021-03/13/content_5592681.htm）明确提出,健全区域协调发展体制机制,推动区域协调发展,表明区域协调发展将继续向纵深推进。面对区域发展差距、分工协作不充分等状况[3,18],本文选取若干典型区域,在经济格局演变对比分析基础上,采用空间计量模型,对比研究经济增长驱动因素、空间溢出效应及其时空演变规律,进一步准确把握区域城市相互作用关系及区域之间发展差异,为不同层级政府制定科学政策推动区域协调发展、深化一体化进程等提供理论与实践支撑。

2 模型构建、研究方法与数据说明

2.1 计量模型构建

因具有较好实证操作性,Cobb-Douglas生产函数被广泛用于经济增长核算及驱动因素研究。借鉴相关研究[23],本文构建如下模型：
ln Y it = β 0 + β 1 ln L it + β 2 ln K it + β 3 ln X control + ε it
式中：i表示地区;t表示年份; β为回归系数; ε it为扰动项;Y表示经济产出,用GDP表征;L表示劳动投入,表征就业人口;K表示资本投入,表征物质资本存量; X control为若干控制变量,兼顾数据可得性、指标共线性与模型方差等,选择以下5个指标：① 对外开放度（FT,单位为亿元）：采用进出口总额表征对外开放度[23],由当年价格计算的外贸依存度乘以可比价GDP得到。② 财政状况（Fin,单位为亿元）：采用一般公共预算支出表征城市财政水平。③ 交通可达性（Road,单位为km）：采用公路通行里程表征交通状况[23]。④ 技术水平（Pat,单位为件）：采用专利授权量表征城市技术水平[12]。⑤ 公共服务状况（Ser,单位为张）：采用卫生机构床位数表征。
一体化深化强化了“空间溢出效应”在经济增长与区域协调中的作用,忽视这一效应的模型（1）,可能导致结果偏误[3,23]。借鉴已有研究成果[3,15,23,25],在公式（1）基础上,构建如下空间计量模型。其中,空间滞后模型（SAR）假设被解释变量通过空间相互作用,对周边区域经济增长产生影响：
ln Y it = β 0 + ρW ln Y it + β 1 ln L it + β 2 ln K it + β 3 ln X con tr ol + ε it
空间误差模型（SEM）假定空间溢出效应是随机冲击结果,即通过误差项进行传导：
ln Y it = β 0 + β 1 ln L it + β 2 ln K it + β 3 ln X con tr ol + μ it μ it = λW μ it + ε it
空间杜宾模型（SDM）同时考虑上述两类空间传导机制和空间交互作用,即经济增长不仅受自身自变量影响,还受周边城市经济增长和自变量驱动：
ln Y it = β 0 + ρW ln Y it + β 1 ln L it + β 2 ln K it + β 3 ln X con tr ol + δ 1 W ln L it + δ 2 W ln K it + δ 3 W ln X con tr ol + ε it
式中： ρ为因变量的空间滞后项系数; δ为空间交互项系数; λ为空间误差项系数;模型中 ρ、 δ、 λ的显著性水平、正负号及绝对值大小等,是经济增长空间效应综合结果,表征了空间溢出效应的存在性、正负向及影响力等[23,25]; W为空间权重矩阵; μ it与 ε it为扰动项,且二者均服从独立同分布。
存在显著空间集聚,是空间计量分析前提。文章基于全局自相关方法,对这一相关性进行检验[3]。具体方法为：
I = n ∑ i = 1 n ∑ j = 1 n W ij ( x i - x ¯ ) ( y j - y ¯ ) ∑ i = 1 n ∑ j = 1 n W ij ∑ i = 1 n ( x i - x ¯ ) 2
式中：xi、yj为研究单元i或j的GDP;n为研究单元数; x ¯、 y ¯为区域GDP均值;空间权重Wij的设定是空间计量基础,以地理距离负指数衰减形式构造空间权重矩阵[14,23]。具体方法为：
W ij = e - d ij d max d ij ≠ 0 ( i ≠ j ) 0 d ij = 0 ( i = j )
式中：dij为城市i与城市j之间的距离;dmax为区域城市间距离最大值。

2.2 时空格局演变研究方法

（1）采用不均衡指数（E）度量区域GDP分布非均衡总体格局[24],计算公式如下：
E = ∑ i = 1 n 2 2 ( X i - Y i ) 2 n
式中：n为研究单元总数;Xi、Yi表示城市i的GDP、面积占总量比例。
（2）基于地理集中度,探究区域GDP空间集聚格局演变特征[24]。计算公式为：
R GD P it = X it Y it
式中： R GD P it表示i城市t年经济地理集中度;Xit、Yit分别表示i城市t年GDP、国土面积占区域总量比例。

2.3 研究区域与数据处理

考虑到作为落实区域发展战略与国家宏观政策重要依托的地级市,在经济发展中扮演着重要角色,本文以城市尺度为基准开展研究[2,3,14]。基于文章研究主旨,重点从以下方面考虑,选择长江三角洲、广东省作为研究区域：一方面,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出,发挥中心城市和城市群带动作用推进区域协调发展,进一步突显资源高度集中的城市群,在引领经济增长、优化区域发展格局中的重要性[3]。其中,城市群日渐扩容的长江三角洲、以珠江三角洲为核心且城市群尚未扩容的广东省,作为国家宏观政策集聚、一体化起步较早的发达区域,二者“核心-边缘”发展格局[2,24]、城市间联系等均具有较强代表性。另一方面,行政边界壁垒、中心城市分布及发展水平对区域经济增长、空间溢出效应等具有重要影响[7,11,14,27]。借鉴相关方法测度发现[26,27],长江三角洲（多中心）、广东省（双中心）城市分布形态差异也具有一定代表性。此外,二者样本量较多、统计数据相对完善,也是本文研究区域选择的重要考虑因素。
本文数据主要来源于2000—2018年各省、市统计年鉴、统计公报等,主要数据处理方法如下：① 以2000年区划为准,采用县级数据对涉及区划调整城市的数据进行估算。② 部分缺失或调整数据,基于往期增长率估算。③ 经济指标以2000年数据为基础,结合价格指数对原始数据进行调整。④ 参考张军等[28]方法测算省域资本存量,2000年城市资本存量以占省域固定资产投资比例分配,2001—2017年按照城市新增固定资产投资比例对省域资本存量增量分配,循环累计得到2000—2017年城市资本存量[29]。

3 区域经济格局时空演变对比研究

3.1 经济贡献率稳步提升

2000—2017年研究区域GDP占全国比例,均呈现稳步增长态势,二者之和从33.126%提高到42.447%,且长江三角洲增长更为显著（见图1）。近年来,在沿海主要要素成本上升、中国宏观调控等作用下,基础设施完善、“成本洼地”优势明显的部分中西部地区要素吸引力增强,如沿海部分劳动密集型产业加快向成渝转移。但这并未削弱长江三角洲、广东省对中国经济的贡献,表明区域内部要素流动,特别是近距离产业转移仍占据重要地位[2,24];此外,完善配套服务、优良营商环境等带来的综合优势也是吸引要素集聚重要因素,如上海劳动力成本明显攀升与外资加快集聚的并存,一定程度上解释了这一现象。
图1 GDP占全国比例演变

Fig. 1 Evolution of the proportion of GDP in China

3.2 经济集散格局的差异化演变

不均衡指数测算发现（见图2）。① 广东省不均衡指数显著大于长江三角洲,表明后者GDP分布相对均衡。② 2000—2017年,不均衡指数呈现差异化演变态势,长江三角洲从0.0251下降到0.0227,GDP分布扩散化趋势明显;广东省从0.0520增长到0.0544,GDP分布进一步集聚。③ 从演变历程看,长江三角洲呈现“倒U”型趋势、广东省呈现“N”型态势。21世纪初期,要素向部分发达城市集聚,不均衡指数均有所增长,而后全面开放进一步深化、要素集散格局转变及区域宏观政策差异等,带来长江三角洲的扩散与广东省的先扩散后集聚差异,表征未来宏观政策制定应“因地制宜”。
图2 GDP分布不均衡指数演变

Fig. 2 Evolution of unbalanced index of GDP distribution

3.3 城市尺度经济集散格局的演变

基于不均衡指数转变时间点,采用经济集中度指数,对比研究2000—2017年GDP集聚时空演变特征（见表1、表2）。总体上,区域GDP集聚演变呈现以下主要特征：
表1 2000—2017年长江三角洲城市经济集中度演变

Tab. 1 The evolution of urban economic concentration in the Yangtze River Delta, 2000-2017

2000年 2004年 2017年 2000年 2004年 2017年 2000年 2004年 2017年
上海 11.742 11.597 9.642 台州 1.110 1.153 1.040 铜陵 0.368 0.367 0.462
无锡 4.012 4.266 4.437 扬州 1.101 1.075 1.306 宿迁 0.364 0.360 0.441
苏州 2.807 3.130 3.350 泰州 1.083 1.088 1.330 阜阳 0.317 0.231 0.241
南京 2.396 2.531 2.851 湖州 1.004 1.013 0.978 巢湖 0.312 0.280 0.271
嘉兴 2.138 2.298 2.170 芜湖 0.936 0.923 1.281 亳州 0.296 0.229 0.232
常州 2.123 2.209 2.507 徐州 0.886 0.878 1.059 滁州 0.295 0.233 0.258
宁波 1.853 1.962 1.783 金华 0.773 0.805 0.767 衢州 0.283 0.295 0.300
镇江 1.821 1.859 2.227 淮南 0.751 0.696 0.664 宿州 0.281 0.237 0.248
绍兴 1.457 1.512 1.348 合肥 0.714 0.824 1.244 安庆 0.254 0.221 0.231
南通 1.305 1.308 1.578 连云港 0.591 0.569 0.673 宣城 0.201 0.139 0.055
杭州 1.289 1.355 1.339 淮北 0.558 0.512 0.491 六安 0.176 0.152 0.157
舟山 1.225 1.304 1.532 盐城 0.501 0.494 0.591 黄山 0.128 0.117 0.115
马鞍山 1.158 1.258 1.537 淮安 0.449 0.440 0.533 丽水 0.122 0.131 0.128
温州 1.127 1.155 0.990 蚌埠 0.415 0.383 0.414 池州 0.109 0.096 0.112

注：核心区城市以灰色底色标示,其余为边缘区。

表2 2000—2017年广东省城市经济集中度演变

Tab. 2 The evolution of urban economic concentration in Guangdong province, 2000-2017

2000年 2004年 2014年 2017年 2000年 2004年 2014年 2017年
深圳 17.976 19.745 19.060 19.525 茂名 0.586 0.538 0.514 0.507
广州 5.490 5.507 5.377 5.349 湛江 0.454 0.387 0.368 0.364
东莞 5.326 6.658 6.224 6.220 汕尾 0.421 0.387 0.465 0.461
佛山 4.381 4.636 5.148 5.172 阳江 0.323 0.293 0.328 0.320
珠海 3.216 3.227 2.949 3.087 云浮 0.284 0.225 0.233 0.228
汕头 3.214 2.391 1.975 2.017 肇庆 0.270 0.242 0.280 0.265
中山 3.080 3.664 3.972 3.911 梅州 0.182 0.160 0.135 0.134
揭阳 0.948 0.684 0.826 0.790 韶关 0.168 0.150 0.136 0.131
潮州 0.921 0.784 0.749 0.735 清远 0.132 0.126 0.148 0.143
江门 0.849 0.717 0.661 0.660 河源 0.089 0.093 0.115 0.109
惠州 0.621 0.577 0.683 0.688 — — — — —

注：核心区城市以灰色底色标示,其余为边缘区。

（1）在历史禀赋、宏观政策和政府发展导向等作用下,经济集中度均呈现较为稳定的“核心-边缘”格局,特别是沪-宁-杭-甬沿线、广-深-佛-珠沿线经济集中度明显较高。
（2）经济集中度指数的对比,印证了广东省区域发展差距较大的状况。如2000年广东省极差约17.887（深圳、河源）、长江三角洲极差约11.633（上海、池州市）。这一差异不仅与区域经济格局存在直接联系,更是城市自然地理环境差异的重要表现,如长江三角洲平原为主的自然条件与广东省粤北等山地为主自然条件,不利自然条件也是部分城市经济欠发达重要因素之一。
（3）不均衡指数演变,是城市尺度GDP集聚演变结果。① 2000—2004年,在渐次开放深化、不均衡发展战略主导阶段,要素加快向发达城市集聚,长江三角洲表现为苏州、无锡、嘉兴、南京、合肥等经济集中度增长与滁州、亳州、阜阳等的下降,广东省表现为深圳、东莞、广州等的增长和湛江、江门、汕头等的下降,增长以发达城市为主、下降以欠发达城市为主的演变推动不均衡指数上升。② 2004—2017年,在要素成本上升、政府对均衡发展重视及城市合作范围扩大等推动下,长江三角洲多数发达城市集中度下降、多数欠发达城市集中度增长推动不均衡指数下降。2004—2014年在全球金融危机冲击、“腾笼换鸟”政策等驱动下,广东省部分欠发达城市经济集中度有所增长,不均衡指数呈现波动下降;2014—2017年在产业结构调整成效渐显、国家对粤港澳大湾区重视下,广深等发达城市再次迎来增长契机,而前期承接产业转移的欠发达城市,在成本上升、国际环境转变等影响下,经济增长面临转型压力,发达城市集中度增长进一步带来不均衡指数上升,如深圳经济集中度从2000年的17.976增加到2017年的19.525,这也是广东省城市发展差距进一步扩大重要表征之一。总体上,欠发达城市通过承接产业转移等,实现经济快速增长并推动发展格局演变,但区域发展差距依然显著。

4 驱动因素及空间溢出效应的测度与对比

4.1 计量模型的选择

基于全局自相关分析发现（见图3）。一方面,Moran′s I值在10%显著性水平上显著为正,表明GDP分布存在明显的空间集聚。另一方面,Moran′s I值的增长表明集聚格局的增强,但2008年以来广东省Moran′s I值的波动稳态与长江三角洲Moran′s I值的稳步增长等,进一步印证了区域GDP集散的差异化演变。
图3 经济分布的全局自相关结果

Fig. 3 Results of Global Moran′s I for economic distribution

借鉴已有研究[3,14,23-25],对模型进行甄选①(①模型选择相关估计结果未展示,如有需要可向作者索取。)：一方面,SAR、SEM的LM、Robust LM统计量均在5%水平上显著,表明SAR优于SEM,结合Walds、LR检验的比选发现,SAR、SEM的Walds、LR统计量同样通过5%显著性检验,拒绝模型可以简化的假设,即SDM是本文研究的最优模型[15,24]。

4.2 经济增长驱动因素及空间溢出效应的估计

基于极大似然法对模型估计[14],具体结果见表3。回归拟合优度分别为0.961、0.994,表明模型设定及指标选取具有一定科学性。因变量空间滞后系数分别为0.436、0.379,均通过1%显著性水平检验,表明区域经济增长呈现显著正向空间溢出效应。空间溢出效应是城市之间竞合综合作用结果,差异化结果表明城市间“正溢出效应”与“负溢出效应”强度对比的不同,也是区域GDP集散演变不同的因素之一。
表3 经济增长驱动因素与空间溢出效应估计结果

Tab. 3 SDM estimation results of economic growth

长江三角洲 广东省
ln L 0.245***
（7.11）		 0.486***
（9.91）
ln K 0.808***
（37.89）		 0.691***
（12.16）
ln FT 0.082***
（6.14）		 0.098***
（3.60）
ln Fin 0.014*
（1.93）		 0.016***
（3.03）
ln Road 0.172***
（5.95）		 0.225***
（3.05）
ln Pat 0.005***
（4.97）		 0.058*
（1.88）
ln Ser 0.045***
（2.89）		 0.756***
（7.24）
W×lnL -0.097**
（-2.31）		 10.738***
（6.28）
W×ln K 7.021***
（7.14）		 4.661***
（3.27）
W×ln FT 0.180***
（2.96）		 -1.053
（-1.01）
W×ln Fin -0.164**
（-2.08）		 -1.069
（-0.65）
W×ln Road -0.750
（-0.08）		 2.493*
（1.91）
W×ln Pat -0.825***
（-2.76）		 -0.158
（-0.22）
W×ln Ser 0.869
（1.51）		 0.835***
（4.92）
ρ 0.436***
（4.20）		 0.379***
（4.16）
Adj.R2 0.961 0.994

注：*、**、***分别表示10%、5%、1%显著性水平;括号内为t值。

区域经济增长驱动因素及空间效应均存在显著差异：一方面,长江三角洲投资对经济拉动效应更强,而广东省劳动力拉动更明显,其他因素特别是技术水平系数差异,进一步表明经济增长驱动因素不同。另一方面,劳动力、资本、对外开放、财政状况、技术水平是长江三角洲空间溢出效应核心要素,而广东省则为劳动力、资本、交通可达性、公共服务状况,进一步印证区域城市间相互作用的差异性。与部分研究“经济梯度越大、空间溢出效应越强”结果有所差异[2,7],可能与区域交通设施网络、中心城市空间分布格局、城市分布几何形态等有较强关系[2,3,18],具体机制有待深入探究。

4.3 稳健性检验

（1）不同空间权重矩阵②(②未展示稳健性检验结果,如有需要可向作者索取。)。构建基于地理距离与地理距离平方的矩阵[14,23],对计量模型再估计。结果发现,虽然变量估计系数大小存在一定变化,但绝大多数的方向、显著性没有发生根本性改变,特别是ρ始终呈现较强显著性,表明本文模型设定、影响因素、空间权重矩阵选择的可行性及结果的稳健性。
（2）考虑内生性③(③未展示稳健性检验结果,如有需要可向作者索取。)。变量之间的因果关系,是导致内生性主要原因之一[23]。本文采用空间模型GMM方法,对内生性进行处理,以检验实证结果稳健性[23,30]。借鉴已有研究方法,选择驱动因素空间滞后项作为工具变量,基于Hansen J检验的合理性验证,表明这一方法的可行性[23,30]。主要变量回归系数、方向及空间滞后项系数等均未发生根本性改变,再次验证了本文结果稳健性。

5 驱动因素及空间溢出效应的分解与对比

5.1 经济增长驱动因素效应的分解

采用“求偏微分法”[23,25],对经济增长驱动因素的总效应、直接效应与间接效应进行分解。结果表明（见表4）。直接效应系数均显著为正,系数大小差异表征了经济增长动力的不同;相比而言,间接效应是城市间要素竞合结果,在“正向溢出”与“负向虹吸”综合对比下,回归系数大小、驱动方向均存在一定差异。具体分析发现：
表4 空间杜宾模型的效应分解

Tab. 4 SDM effects decomposition results of economic growth

长江三角洲 广东省
总效应 直接效应 间接效应 总效应 直接效应 间接效应
ln L 0.136***
（2.68）		 0.260***
（10.03）		 -0.124
（-0.61）		 7.445***
（4.42）		 0.776***
（7.14）		 6.668***
（3.44）
ln K 1.668***
（4.85）		 0.393***
（11.90）		 1.275***
（3.70）		 0.463***
（2.93）		 0.193***
（13.37）		 0.270**
（2.31）
ln FT 0.475
（1.38）		 0.159***
（12.05）		 0.316
（0.83）		 -0.646
（-0.81）		 0.118***
（5.12）		 -0.765
（-1.25）
ln Fin -0.155
（-0.04）		 0.016***
（2.99）		 -0.171
（-0.48）		 -0.077
（-0.64）		 0.002**
（2.25）		 -0.079
（-0.69）
ln Road 0.003
（1.12）		 0.021***
（2.86）		 -0.018
（-1.07）		 1.797***
（3.28）		 0.182***
（5.04）		 1.615***
（3.17）
ln Pat -0.386***
（-3.51）		 0.078***
（5.63）		 -0.464***
（-4.16）		 0.521**
（2.01）		 0.628**
（2.08）		 -0.107
（-0.21）
ln Ser 0.650**
（2.28）		 0.148***
（3.75）		 0.502*
（1.77）		 1.174***
（3.15）		 0.621***
（5.82）		 0.553***
（2.98）

注：*、**、***分别表示10%、5%、1%显著性水平;括号内为t值。

（1）对于长江三角洲而言,物质资本、开放水平与公共服务间接效应为正,表明城市跨界投资共建、对外开放协同、医疗资源共享等领域存在较强合作,特别是近年来园区共建的兴起等。但在城市对高端外资竞争、差异化开放政策集聚下,开放水平的间接效应并不显著。其他因素间接效应为负,表明城市之间要素竞争仍然较强,特别是创新驱动战略下,对创新人才、高新技术企业等的争夺相对较强,带来技术水平显著的“负溢出效应”。
（2）对于广东省而言,省域一体化制度壁垒相对较少,劳动力、物质资本、交通可达性和公共服务间接效应显著为正,体现为劳动力流动更为便捷、欠发达城市交通可达性提升带来的产业承接能力增强等。此外,在自贸区等开放政策向广深等少数城市集聚过程中,对外水平相对较强的“负溢出效应”,表明省域一体化同样存在明显竞争。
（3）区域对比发现：劳动、资本直接效应表现为增长弹性差异,但劳动力间接效应的差异,表明长江三角洲城市对劳动力争夺更加明显。其他因素中,表现为交通可达性、技术水平、公共服务等直接效应差异与开放水平、交通可达性、技术水平等间接效应差异。负的间接效应表明,城市间要素以“虹吸效应”为主,这与区域发展差距存在正相关[3]：开放水平间接效应对比,与FDI等空间集聚带来的空间溢出效应锁定有关[14],且广东省开放水平差异明显、开放政策差异化集聚过程中,高端要素争夺更加激烈[2]。交通设施改善一方面通过要素集聚“规模效应”加快经济增长,但也可能造成部分城市要素流失、经济增速下滑,总效应取决于城市间互动关系[13,24];长江三角洲可达性提升带来相对较强“虹吸效应”,广东省均衡扩散带来较强“空间溢出效应”,如促进劳动力更便捷流动等。对比发现,相比于开放水平这一外部冲击、财政状况表征的政府作用对长江三角洲影响明显,广东省更多受到交通可达性提高、技术水平提升及公共服务完善的驱动。驱动因素直接效应、间接效应与总效应的差异,表明制定政策引导区域协调发展应“因地制宜”,以提高政策有效性、可行性。

5.2 驱动因素效应分解的区域对比

基于“核心-边缘”对比发现④(④估计结果未展示,如有需要可向作者索取。),所有区域均表现正向空间溢出效应。其中：核心区空间溢出效应长江三角洲（0.737）强于广东省（0.626）,边缘区空间溢出效应广东省（0.395）强于长江三角洲（0.257）,表明空间溢出效应与边界壁垒特别是省界效应等有较强关系[11]。不同区域相关因素直接效应、间接效应与总效应的分解表明（见表5）。
表5 不同区域空间杜宾模型的效应分解

Tab. 5 SDM effects decomposition results for different regions of China

lnL lnK lnFT lnFin lnRoad lnPat lnSer
长江三角洲 总效应 核心区 0.359**
（2.04）		 0.853***
（2.89）		 -0.258
（-0.34）		 0.044**
（2.21）		 0.770**
（2.51）		 -0.083
（-0.84）		 0.667**
（1.99）
边缘区 0.106**
（2.35）		 1.428***
（4.86）		 -0.130
（-0.79）		 -0.153
（-1.44）		 -0.070
（-1.17）		 -0.041**
（-2.26）		 0.335
（1.12）
直接
效应		 核心区 0.419***
（8.83）		 0.667***
（15.41）		 0.044***
（2.68）		 0.070**
（2.14）		 0.049**
（2.47）		 0.026***
（2.64）		 0.317*
（1.87）
边缘区 0.252***
（7.09）		 0.691***
（24.38）		 0.051***
（3.69）		 0.050***
（4.33）		 0.023***
（3.94）		 0.022
（0.86）		 0.320
（1.02）
间接
效应		 核心区 -0.060
（-0.28）		 0.186
（1.47）		 -0.302
（-0.15）		 -0.026
（-0.94）		 0.721***
（2.78）		 -0.109
（-1.18）		 0.350**
（2.33）
边缘区 -0.146**
（-2.20）		 0.736**
（2.48）		 -0.180*
（-1.87）		 -0.203**
（-1.97）		 -0.093
（-1.60）		 -0.062**
（-2.39）		 0.015
（1.13）
广东省 总效应 核心区 2.502***
（4.21）		 2.460***
（4.03）		 -0.669**
（-2.22）		 0.989**
（2.42）		 3.111***
（2.65）		 0.088***
（2.84）		 0.433***
（3.90）
边缘区 0.591***
（3.45）		 2.685***
（3.86）		 0.139*
（1.75）		 -0.579
（-0.85）		 0.242
（0.54）		 -0.015
（-0.30）		 0.126*
（1.75）
直接
效应		 核心区 0.649***
（3.46）		 0.352***
（3.59）		 0.023***
（6.17）		 0.297
（0.26）		 1.701*
（1.85）		 0.015***
（3.50）		 0.054***
（3.93）
边缘区 0.265***
（8.34）		 0.983***
（10.98）		 0.041**
（2.37）		 0.409***
（3.95）		 0.140**
（2.16）		 0.039
（0.60）		 0.176*
（1.79）
间接
效应		 核心区 1.853***
（3.31）		 2.108***
（4.03）		 -0.692**
（-2.23）		 0.692**
（1.97）		 1.410***
（2.60）		 0.073***
（2.71）		 0.380***
（3.80）
边缘区 0.326
（1.25）		 1.702***
（2.76）		 0.099*
（1.73）		 -0.988
（-0.64）		 0.102
（0.25）		 -0.054
（-0.14）		 -0.051***
（-2.68）

注：*、**、***分别表示10%、5%、1%显著性水平;括号内为t值。

（1）长江三角洲劳动力、资本的对比,印证不同发展水平区域经济增长驱动力存在差异。其他变量中,除交通可达性间接效应方向发生转变,主要表现为显著性改变,如直接效应中开放水平对边缘区拉动明显,而核心区更受益于技术水平提升与设施完善带来的较强要素集聚能力;间接效应对比表明,边缘区城市间要素竞争带来的“负溢出效应”更为明显,如交通可达性提升带来的核心区“扩散效应”与边缘区较强“虹吸效应”的对比。
（2）广东省区域对比,同样表现为间接效应明显差异。劳动力、资本的间接效应均为正,但核心区城市合作更加明显,如边缘区城市对劳动力特别是高端人才的竞争相对强烈。其他变量的直接效应与长江三角洲类似,但间接效应的差异更加显著,如开放水平、财政状况、技术水平与公共服务等更明显的对比,特别是发达核心城市之间以广深科技走廊为载体的技术创新紧密合作与欠发达城市之间对创新资源的竞争等。
（3）区域对比发现,间接效应中劳动力长江三角洲负效应与广东省正效应的对比,表明劳动力流动在后者核心区呈现明显“正溢出效应”,其余地区则呈现不同程度的“极化效应”,且“极化效应”在长江三角洲边缘区最为明显。直接效应对比表明,开放水平的提升对边缘区经济拉动更显著;核心区的开放政策差异及对高端外资等的竞争带来负的间接效应,而长江三角洲边缘区负效应源于开放水平较大差距及其带来的外资争夺等[2]。经济增长是政府主要目标之一,但在效应边际递减、政府转而追求更高质量经济增长如产业转型升级等,带来广东省核心区直接效应的不显著;负效应为主的间接效应,表明政府对高端要素的争夺依然强烈,而广东省核心区正的间接效应反映了省域内城市合作的深化。间接效应为正表明交通设施完善带来较强“扩散效应”[3],如快速交通网络完善带来的“潮汐就业人口”,且广东省核心区更为明显;长江三角洲边缘区负的间接效应表明,欠发达地区交通设施完善有利于“虹吸”周边要素,表明交通一体化可能带来部分区域发展的“塌陷”。科技水平的直接效应,反映不同发展阶段对技术需求的差异,如创新要素集聚及其带来的技术攀升成为核心区经济增长重要动力;但发展阶段、城市关系差异带来间接效应的不同,如广东省核心区产业联系紧密、城市相对集聚带来正的间接效应,而其余区域负的间接效应表明对创新要素的争夺依然强烈。一体化壁垒弱化、交通设施完善显著扩大公共服务辐射面积,广东省边缘区负间接效应不仅与公共服务差距较大有关,也与交通网络特别是高速铁路网络完善相对滞后有一定关系。总体上,边缘区间接效应以负效应为主,而核心区协同效应日益显现;但在省域边界的作用下,广东省间接效应的作用力相对较大。不同区域效应差异,进一步表明政策制定应结合区域发展阶段等,“因地制宜”提高政策针对性和效率。

5.3 驱动因素效应分解的时间对比

区域发展不仅受宏观政策调控,也与全球环境息息相关[2,16,24]。2008年国务院颁布的《国务院关于进一步推进长江三角洲地区 改革开放和经济社会发展的指导意见》（网址：http://www.scio.gov.cn/ztk/xwfb/52/9/Document/1057059/1057059.htm）《珠江三角洲地区改革发展规划纲要（2008—2020）》（网址：http://www.scio.gov.cn/ztk/xwfb/52/9/Document/1057059/1057059.htm）表明区域发展进入国家宏观战略,在“自上而下”宏观政策推动、全球金融危机冲击等影响下,区域经济增长、集散态势均发生了一定变化。兼顾不同时段样本平衡,对2000—2008年、2009—2017年对比研究⑤(⑤估计结果未展示,如有需要可向作者索取。),发现不同时期经济增长均存在显著正向空间溢出效应,且空间溢出效应有所增强。不同时期相关因素的效应分解表明（见表6）。
表6 不同时期空间杜宾模型的效应分解

Tab. 6 SDM effects decomposition results in different periods

年份 lnL lnK lnFT lnFin lnRoad lnPat lnSer
长江
三角洲		 总效应 2000—2008 0.120*
（1.70）		 1.182***
（12.81）		 0.409
（1.23）		 -0.323
（-1.23）		 0.109***
（2.72）		 -0.040**
（-2.25）		 0.025
（0.81）
2009—2017 0.283**
（2.45）		 1.695***
（5.59）		 -1.069**
（-2.52）		 -0.505
（-0.99）		 0.426*
（1.95）		 0.058**
（2.14）		 0.904*
（1.95）
直接
效应		 2000—2008 0.230***
（7.41）		 0.707***
（6.96）		 0.054**
（2.31）		 0.415***
（3.59）		 0.135***
（3.28）		 0.023**
（2.19）		 0.084
（0.66）
2009—2017 0.274***
（6.18）		 0.674***
（17.03）		 0.066
（1.08）		 0.106**
（2.48）		 0.237
（1.21）		 0.073***
（5.11）		 0.519**
（2.28）
间接
效应		 2000—2008 -0.110***
（-2.72）		 0.475***
（4.55）		 0.355
（1.11）		 -0.738*
（-1.71）		 -0.026
（-1.62）		 -0.063***
（-3.69）		 -0.058
（-0.71）
2009—2017 0.007
（0.03）		 1.021***
（3.14）		 -1.135***
（-2.61）		 -0.611*
（-1.92）		 0.189
（1.62）		 -0.015
（-0.66）		 0.385
（0.27）
广东省 总效应 2000—2008 0.979
（1.37）		 1.990
（1.51）		 0.087
（1.60）		 -0.746
（-1.40）		 0.009
（0.85）		 -0.008
（-0.51）		 0.030
（0.93）
2009—2017 3.401**
（2.22）		 1.123***
（2.86）		 -0.202
（-0.12）		 0.732
（1.47）		 3.603**
（2.33）		 0.154
（1.02）		 0.042**
（2.40）
直接
效应		 2000—2008 0.203**
（2.24）		 0.700***
（7.80）		 0.058*
（1.74）		 0.711***
（2.77）		 0.054**
（2.10）		 0.026
（0.66）		 0.017
（0.50）
2009—2017 0.356***
（3.79）		 0.657***
（6.12）		 0.056
（0.68）		 0.331
（1.16）		 1.381***
（2.73）		 0.047***
（2.81）		 0.031***
（2.71）
间接
效应		 2000—2008 0.776
（1.28）		 1.290
（0.24）		 0.028
（1.56）		 -1.457
（-1.28）		 -0.045
（-1.28）		 -0.034
（-0.54）		 0.013
（1.04）
2009—2017 3.045***
（3.12）		 0.466*
（1.79）		 -0.258
（-0.17）		 0.401
（1.48）		 2.222**
（2.31）		 0.107
（1.43）		 0.011*
（1.83）

注：*、**、***分别表示10%、5%、1%显著性水平,括号内为t值。

（1）时间演变看,区域经济增长驱动因素转变呈现较强一致性,直接效应中劳动力弹性增加与资本弹性缩小,以及开放水平的不显著、政府效应的下降及其他效应的增强。间接效应看,部分因素由负转正以及效应提升,如劳动力间接效应长江三角洲由显著负效应转变为不显著正效应、以及广东省不显著向显著的转变及效应的提升等,表明随着一体化深化、发展水平提升等,经济增长驱动因素及城市要素竞合关系均发生一定转变。
（2）区域对比看,劳动力、资本的直接效应变化表现为前者弹性增加、后者弹性下降,而间接效应的由负转正或强化,表明了一体化的深化。扩大开放始终能够拉动经济增长,但2008年以来越来越多地方政府意识到出口导向型增长不可持续,转而追求更高质量经济发展,带来开放水平直接效应的不显著转变[2,24];与此同时,伴随着要素成本上升、全球产业转移等,城市对外资等需求从“来者不拒”转为“有所选择”,高质量外资等的竞争日益强化,带来间接效应的由正转负,且长江三角洲竞争更为明显。随着设施完善、投资边际效用下降等,政府对经济增长拉动效应有所下降,转而寻求融入一体化以实现经济增长,带来间接效应的转变,如广东省政府主导的“腾笼换鸟”推动发达城市产业转型同时也带动周边城市发展,边界壁垒复杂的长江三角洲一体化相对缓慢。交通设施完善显著推动了经济增长与一体化进程,且这一转变在广东省更为明显,可能与省域一体化便利、2009年以来省域交通网络的完善等有一定关系。作为发达经济体增长重要动力的技术水平与公共服务,2009—2017年直接效应、间接效应均出现了明显的强化,间接效应的强化与城市差距的缩小、一体化深化等有一定关系,如技术水平间接效应中长江三角洲负效应向正效应转变、广东省的不显著转变为显著等,说明一体化推进伴随着创新协同的强化,且后者城市合作意愿更为明显。总体上,随着时间演进带来的一体化深化,经济增长驱动因素表现为劳动力弹性增加、资本弹性下降、对外开放和财政水平效应弱化以及交通可达性、技术水平、公共服务效应强化;间接效应表现为多数因素效应增强与方向由负转正,但广东省在劳动力流动、政府合作、交通一体化、创新协同等方面更为明显。此外,不同时期的对比表明,制定科学政策推动区域协调发展,更要做到“与时俱进”。

5.4 空间溢出效应的地理距离变动模式

随着城市间距离的变化,要素流动机制也发生改变,进而对经济增长空间溢出效应产生影响[14,29,25]。本节基于25 km距离递增研究发现（见图4）,随着距离阈值增加,空间溢出效应演变均呈“倒U型”趋势,表明在市场体制逐步完善、距离增加带来的要素流动成本上升、部分要素“本地偏好”以及地方保护主义等综合作用下[2,13,29],经济增长空间溢出效应存在“局部性”,这也是经济集聚和存在显著差距的重要因素之一[5,11]。
图4 随地理距离变动的经济增长空间溢出效应

注：除广东省25 km的空间溢出效应不显著外,其余均通过5%显著水平检验。

Fig. 4 Economic growth spatial spillover effects changing with distance

区域对比看：一方面,长江三角洲在400 km处空间溢出效应最强、广东省在225 km处空间溢出效应最强：中心城市及其发展状况是影响空间溢出效应的重要因素[27],舍弃中心城市的长江三角洲（沪宁杭合）、广东省（广深）空间溢出效应分别为0.235、0.179,在一定程度上验证了这一结论;空间溢出效应最大值对比,表明省域一体化的广深辐射作用更强。另一方面,在距离阈值超过400 km、350 km后长江三角洲更高的状况,与区域中心城市分布等有一定关系,如长江三角洲中心城市均匀分布、广东省广深临近,以及长江三角洲总体格局相对规则圆形、广东省近似三角形等;借鉴相关方法[26],发现安徽省具有单中心城市特征,对这一区域测度发现125 km处空间溢出效应最大,此后随着距离增加出现显著下降。此外,当距离小于325 km时,广东省空间溢出效应大于长江三角洲,而后表现为长江三角洲更大,且在325~350 km范围内广东省空间溢出效应出现明显下降,可能与这一区域多数城市与广深距离在350 km范围内有较大关系,验证了城市分布几何形状与空间溢出效应的关系。
基于空间溢出效应演变趋势,分三个距离阈值区间分析：① 0~100 km为第一区间,城市间资源要素竞争相对强烈,经济增长的空间溢出效应也相对较弱。② 第二区间距离阈值范围分别为100~400 km、100~225 km,城市之间相对高效地共享资源要素、公共设施等,经济增长空间溢出效应显著为正且随距离增加而增强。其中,400 km、225 km分别是上海覆盖合肥这一中心城市、深圳覆盖肇庆进而实现核心区全覆盖的距离,表明城市群最优范围存在一定边界。③ 第三区间分别为400~800 km、225~800 km,随着距离增加要素交流机会逐步减少,进而影响城市分工、合作,空间溢出效应虽显著但有所减弱,而依然显著的空间溢出效应表明,城市合作对于带动边缘城市发展具有重要意义。

6 结论与讨论

6.1 结论

在“不平衡”成为新时代社会主要矛盾背景下,理清城市相互作用关系、加快推动区域协调发展,成为解决这一问题的可行路径。本文以长江三角洲、广东省为研究区域,采用2000—2017年城市尺度面板数据,对经济格局演变进行对比研究,并采用空间计量模型,对区域经济增长驱动因素与空间溢出效应进行深入对比分析。主要结论如下：
（1）2000—2017年,研究区域GDP占全国比例均呈现稳步提升态势。不均衡指数测度发现,长江三角洲经济格局呈现“集聚-扩散”趋势,广东省表现为“集聚-扩散-集聚”趋势;基于经济集中度演变的分析,也验证了这一现象,即在显著的“核心-边缘”格局基础上,长江三角洲经济分布有所扩散、而广东省进一步向核心区集聚。
（2）基于空间杜宾模型的定量研究发现,一方面,区域经济增长驱动因素存在一定差异;另一方面,验证了经济增长显著正向空间溢出效应的存在,且长江三角洲空间溢出效应更强的状况,这是自然条件、城市分布格局、交通条件差异等综合作用结果。基于不同空间权重矩阵、内生性的检验表明,本文结果具有较强稳健性。
（3）效应分解、对比发现：① 驱动因素直接效应均显著为正,但间接效应表现不一,表明相关政策制定要“因地制宜”。② “核心-边缘”空间溢出效应对比发现,尽管不同区域均存在显著正向空间溢出效应,但长江三角洲核心区效应更强、而边缘区与之相反,且边缘区差距更加明显。③ 不同时期空间溢出效应对比发现,不同区域均存在显著正向空间溢出效应,且随着发展水平提升、基础设施完善、区域一体化深化等,空间溢出效应也有所增强。④ 从地理距离变动看,经济增长空间溢出效应均呈现“倒U”型趋势,但长江三角洲在400 km处空间溢出效应最强、广东省在225 km处空间溢出效应最强,最大空间溢出效应差异表明,这一效应是边界壁垒、城市分布结构、中心城市辐射力等综合作用结果。

6.2 讨论

高质量发展阶段,推动区域发展差距缩小,不仅是中国经济高质量发展基本要义,也是未来社会发展面临的重要挑战之一。在前文研究基础上,本文对进一步缩小全国区域发展差距与深化相关研究等,提出以下建议：
（1）区域经济增长显著正向空间溢出效应,表明进一步破除长期以来GDP导向竞争策略、“地方本位”思想,构建区域协同发展的宏观政策,成为推动区域发展差距缩小的可行路径。对此,加强区域经济发展整体规划引领作用,强化基础设施协调、对接力度,明确城市主导产业的差异化、协同功能定位,重点消除区域间的市场、贸易及行政等壁垒,促进要素跨区域无障碍交流,放大经济增长的空间溢出效应,以带动更大区域协调发展。
（2）空间溢出效应存在根源在于,城市经济发展差异及其带来的要素流动,且受中心城市辐射力影响较大[3,7]。空间溢出效应的“倒U型”演变,表明应基于中心城市辐射能力科学界定城市群范围,打造梯度合理、联系紧密的城市发展共同体,优化交通网络与塑造发达城市群多中心结构等,通过缓解空间溢出效应衰减速度,实现更大区域的协同发展。此外,对于欠发达区域而言,通过制定更加优惠的招商引资、产业发展和税收等政策,将区位条件好、发展基础优的城市打造成区域“发展高地”,积极承接发达地区要素转移、加快向周边城市要素外溢等,也是引领欠发达地区融入发达地区和实现更大区域协调发展的可行路径。
（3）本文对经济增长驱动因素与空间溢出效应研究作了一定补充、完善,但依然存在需要进一步完善环节：考虑研究主题与文章篇幅,对经济增长驱动因素考虑并不全面,对城市群渐次扩容的空间溢出效应分析不足;限于数据可得性等,地理空间矩阵可能无法准确测度城市之间联系,忽视了更细尺度经济增长驱动因素及空间溢出效应的对比探讨;空间溢出效应是城市竞合作用结果,本文重点在于测度、对比,而对其影响因素的深入探讨较为欠缺;这些同样重要问题,都有待后续深入地思考、研究。

真诚感谢匿名评审专家在百忙之中审阅本文,并对文章在研究思路、模型设定、结果分析、结论梳理等方面提出针对性的修改意见,使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Williamson G J. Regional inequality and the process of national development: A description of the patterns. Economic Development and Cultural Change, 1965, 13(4): 3-45. DOI: 10.1128/AEM.01593-10.

DOI

[2]
王少剑, 王洋, 赵亚博. 1990年来广东区域发展的空间溢出效应及驱动因素. 地理学报, 2015, 70(6): 965-979.

DOI

[Wang Shaojian, Wang Yang, Zhao Yabo. Spatial spillover effects and multi-mechanism for regional development in Guangdong province since 1990s. Acta Geographica Sinica, 2015, 70(6): 965-979.]. DOI: 10.11821/dlxb201506010.

DOI

[3]
闫东升, 王晖, 孙伟. 长江三角洲区域发展差距时空演变驱动因素研究. 长江流域资源与环境, 2019, 28(3): 517-529.

[Yan Dongsheng, Wang Hui, Sun Wei. Research on driving factors evolution of regional development gap in the Yangtze River Delta. Resources and Environment in the Yangtze Basin, 2019, 28(3): 517-529.]. DOI: 10.11870/cjlyzyyhj201903003.

DOI

[4]
陈培阳, 朱喜钢. 基于不同尺度的中国区域经济差异. 地理学报, 2012, 67(8): 1085-1097.

DOI

[Chen Peiyang, Zhu Xigang. Regional inequalities in China at different scales. Acta Geographica Sinica, 2012, 67(8): 1085-1097.]. DOI: 10.11821/xb201208007.

DOI

[5]
张伟丽, 叶信岳, 李栋, 等. 网络关联、空间溢出效应与中国区域经济增长: 基于腾讯位置大数据的研究. 地理科学, 2019, 39(9): 1371-1377.

DOI

[Zhang Weili, Ye Xinyue, Li Dong, et al. Network association, spillover effect and China's regional economic growth based on Tencent's location big data. Scientia Geographica Sinica, 2019, 39(9): 1371-1377.]. DOI: 10.13249/j.cnki.sgs.2019.09.002.

DOI

[6]
于瀚辰, 周麟, 沈体雁. 制造业企业区位选择集聚经济指向的空间效应. 地理研究, 2019, 38(2): 273-284.

DOI

[Yu Hanchen, Zhou Lin, Shen Tiyan. Location selection and spatial effects of agglomeration economy in manufacturing enterprises. Geographical Research, 2019, 38(2): 273-284.]. DOI: 10.11821/dlyj020170730.

DOI

[7]
王铮, 武巍, 吴静. 中国各省区经济增长溢出分析. 地理研究, 2005, 24(2): 243-252.

[Wang Zheng, Wu Wei, Wu Jing. An analysis to growth spillover crosses regions in China. Geographical Research, 2005, 24(2): 243-252.]. DOI: 10.11821/yj2005020011.

DOI

[8]
Tobler W R. A computer movie simulating urban growth in the Detroit region. Economic Geography, 1970, 46(2): 234-240. DOI: 10.2307/143141.

DOI

[9]
Krugman P. Increasing returns and economic geography. Journal of Political Economy, 1991, 99(3): 483-499. DOI: 10.1086/261763.

DOI

[10]
Timothy G C, Ethan L. Economic distance and cross-country spillovers. Journal of Economic Growth, 2002, (7): 157-187. DOI: 10.22004/ag.econ.25037.

DOI

[11]
符淼. 地理距离和技术外溢效应: 对技术和经济集聚现象的空间计量学解释. 经济学(季刊), 2009, 8(4): 1549-1566.

[Fu Miao. Geographical distance and technological spillover effects: A spatial econometric explanation of technological and economic agglomeration phenomena. China Economic Quarterly, 2009, 8(3): 1549-1566.]. DOI: 10.13821/j.cnki.ceq.2009.04.004

DOI

[12]
龚维进, 倪鹏飞, 徐海东. 经济竞争力影响因素的空间外溢效应及其溢出带宽?: 基于中国285个城市的空间计量分析. 南京社会科学, 2019, (9): 23-30, 38.

[Gong Weijin, Ni Pengfei, Xu Haidong. The spatial spillover effect and spillover bandwidth of influential factors to urban economic competitiveness: Based on the spatial econometric analysis of 285 cities in China. Nanjing Journal of Social Sciences, 2019, (9): 23-30, 38.]. DOI: 10.15937/j.cnki.issn1001-8263.2019.09.004.

DOI

[13]
余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界: 基于空间计量模型的实证分析. 金融研究, 2016, (2): 23-36.

[Yu Yongze, Liu Dayong, Xuan Ye. The spatial spillover effect and regional damping boundary of productive services agglomeration on manufacturing productivity: Empirical research based on spatial econometric model. Journal of Financial Research, 2016, (2): 23-36.]. DOI: CNKI:SUN:JRYJ.0.2016-02-002.

DOI

[14]
程开明, 章雅婷. 中国城市创新空间溢出效应测度及分解. 科研管理, 2018, 39(12): 86-94.

[Cheng Kaiming, Zhang Yating. Measurement and decomposition of cities' innovation spatial spillovers in China. Science Research Management, 2018, 39(12): 86-94.]. DOI: 10.19571/j.cnki.1000-2995.2018.12.011.

DOI

[15]
汪浩瀚, 徐建军. 市场潜力、空间溢出与制造业集聚. 地理研究, 2018, 37(9): 1736-1750.

DOI

[Wang Haohan, Xu Jianjun. Market potential, spatial spillover and manufacturing industry agglomeration. Geographical Research, 2018, 37(9): 1736-1750.]. DOI: 10.11821/dlyj201809007.

DOI

[16]
季颖颖, 郭琪, 贺灿飞. 外商直接投资技术溢出空间效应及其变化: 基于中国地级市的实证研究. 地理科学进展, 2014, 33(12): 1614-1623.

DOI

[Ji Yingying, Guo Qi, He Canfei. Spatial effects of foreign direct investment technology spillover and its changes: Empirical study based on panel data of Chinese prefecture-level cities. Progress in Geography, 2014, 33(12): 1614-1623.]. DOI: 10.11820/dlkxjz.2014.12.004.

DOI

[17]
王少剑, 黄永源. 中国城市碳排放强度的空间溢出效应及驱动因素. 地理学报, 2019, 74(6): 1131-1148.

DOI

[Wang Shaojian, Huang Yongyuan. Spatial spillover effect and driving forces of carbon emission intensity at city level in China. Acta Geographica Sinica, 2019, 74(6): 1131-1148.]. DOI: 10.11821/dlxb201906005.

DOI

[18]
任宏, 李振坤. 中国三大城市群经济增长的影响因素及其空间效应. 城市问题, 2019, (10): 63-68.

[Ren Hong, Li Zhenkun. The influencing factors and spatial effects of the economic growth of China's three major cities. Urban Problems, 2019, (10): 63-68.]. DOI: 10.13239/j.bjsshkxy.cswt.191007.

DOI

[19]
王庆喜, 胡志学. 长三角地区研发企业集聚与知识溢出强度: 连续空间中的微观分析. 地理科学, 2018, 38(11): 1828-1836.

DOI

[Wang Qingxi, Hu Zhixue. A microlevel analysis on R&D firm agglomeration and magnitude of knowledge spillovers in continuous space. Scientia Geographica Sinica, 2018, 38(11): 1828-1836.]. DOI: 10.13249/j.cnki.sgs.2018.11.010.

DOI

[20]
伍骏骞, 阮建青, 徐广彤. 经济集聚、经济距离与农民增收: 直接影响与空间溢出效应. 经济学(季刊), 2016, 16(1): 297-320.

[Wu Junqian, Ruan Jianqing, Xu Guangtong. Economies agglomeration, economic distance and farmers' income growth: A study on direct and spillover effect. China Economic Quarterly, 2016, 16(1): 297-320.]. DOI: 10.13821/j.cnki.ceq.2016.04.12.

DOI

[21]
方师乐, 卫龙宝, 伍骏骞. 农业机械化的空间溢出效应及其分布规律: 农机跨区服务的视角. 管理世界, 2017, (11): 65-78,187-188.

[Fang Shile, Wei Longbao, Wu Junqian. The spatial spillover effect of agricultural mechanization and its distribution pattern: The perspective of interregional-service of agricultural machinery. Management World, 2017, (11): 65-78,187-188.]. DOI: CNKI:SUN:GLSJ.0.2017-11-008.

DOI

[22]
王良健, 李辉, 石川. 中国城市土地利用效率及其溢出效应与影响因素. 地理学报, 2015, 70(11): 1788-1799.

DOI

[Wang Liangjian, Li Hui, Shi Chuan. Urban land-use efficiency, spatial spillover, and determinants in China. Acta Geographica Sinica, 2015, 70(11): 1788-1799.]. DOI: 10.11821/dlxb201511008.

DOI

[23]
白俊红, 王钺, 蒋伏心, 等. 研发要素流动、空间知识溢出与经济增长. 经济研究, 2017, 52(7): 109-123.

[Bai Junhong, Wang Yue, Jiang Fuxin, et al. R&D element flow, spatial knowledge spillovers and economic growth. Economic Research Journal, 2017, 52(7): 109-123.]. CNKI: SUN:JJYJ.0.2017-07-009.

[24]
闫东升, 杨槿, 高金龙. 长江三角洲人口与经济的非均衡格局及其影响因素研究. 地理科学, 2018, 38(3): 376-384.

DOI

[Yan Dongsheng, Yang Jin, Gao Jinlong. Inequality pattern of population and economic and its influencing factors in the Yangtze River Delta. Scientia Geographica Sinica, 2018, 38(3): 376-384.]. DOI: 10.13249/j.cnki.sgs.2018.03.007.

DOI

[25]
Lesage J, Fischer M. Estimates of the impact of static and dynamic knowledge spillovers on regional factor productivity. International Regional Science Review, 2012, 35(1): 103-127. DOI: 10.1177/0160017611407767.

DOI

[26]
王雨飞, 倪鹏飞, 王光辉. 中国城市群体系空间结构及多中心演变研究. 江淮论坛, 2019, (3): 47-53.

[Wang Yufei, Ni Pengfei, Wang Guanghui. Research on the spatial structure and multi-center evolution of Chinese urban agglomeration system. Jianghuai Tribune, 2019, (3): 47-53.]. DOI: 10.16064/j.cnki.cn34-1003/g0.2019.03.038.

DOI

[27]
赵渺希, 黎智枫, 钟烨, 等. 中国城市群多中心网络的拓扑结构. 地理科学进展, 2016, 35(3): 376-388.

DOI

[Zhao Miaoxi, Li Zhifeng, Zhong Ye, et al. Polycentric network topology of urban agglomerations in China. Progress in Geography, 2016, 35(3): 376-388.]. DOI: 10.18306/dlkxjz.2016.03.012.

DOI

[28]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952-2000. 经济研究, 2004, 39(10): 35-44.

[Zhang Jun, Wu Guiying, Zhang Jipeng. The estimation of China′s provincial capital stock: 1952-2000. Economic Research Journal, 2004, 39(10): 35-44.]. DOI: CNKI:SUN:JJYJ.0.2004-10-004.

DOI

[29]
张学良. 长三角地区经济收敛及其作用机制: 1993-2006. 世界经济, 2010, (3): 126-140.

[Zhang Xueliang. Regional economic convergence mechanisms in the Yangtze River Delta of 1993-2016. The Journal of World Economy, 2010, (3): 126-140.]. DOI: CNKI:SUN:SJJJ.0.2010-03-009.

DOI

[30]
Kelejian H H, Prucha I R. A generalized spatial two-stage least squares procedure for estimating a spatial autoregressive model with autoregressive disturbances. Journal of Real Estate Finance and Economics, 1998, 17(1): 99-121. DOI: 10.1023/a:1007707430416.

DOI

Options
文章导航

/

〈 〉