EN中文

地理研究 >

2023 , Vol. 42 >Issue 4: 1050 - 1069

DOI: https://doi.org/10.11821/dlyj020220779

研究论文

城市群规划政策的实施能否缩小非中心城市与中心城市间的经济差距?——来自中国283个城市的证据

  • 钟章奇 , 1 ,
  • 陆扬 , 1 ,
  • 刘志雄 2
展开
  • 1.广东外语外贸大学经济贸易学院，广州，510006
  • 2.广西民族大学经济学院，南宁 530006
陆扬（1994-），男，广西河池人，博士研究生，主要研究方向为区域经济学。E-mail:

钟章奇（1985-），男，湖南岳阳人，博士，副教授，主要研究方向为区域科学与经济政策模拟。E-mail:

收稿日期: 2022-07-19

  修回日期: 2023-01-10

  网络出版日期: 2023-04-13

基金资助

国家自然科学基金项目(41801118)

广西高等学校千名中青年骨干教师培育计划”人文社会科学类立项课题(2021QGRW028)

收起

Did the implementation of urban agglomeration development planning policy narrow economic gap between non-central cities and central cities? Evidence from 283 cities in China

  • ZHONG Zhangqi , 1 ,
  • LU Yang , 1 ,
  • LIU Zhixiong 2
Expand
  • 1. School of Economics and Trade, Guangdong University of Foreign Studies, Guangzhou 510006, China
  • 2. School of Economics, Guangxi Minzu University, Nanning 530006, China

Received date: 2022-07-19

  Revised date: 2023-01-10

  Online published: 2023-04-13

Fold

摘要

当前为加快推动中心城市带动非中心城市经济协调发展的重要目标，中央政府相继批复了众多国家级城市群发展规划政策（后文简称“规划政策”）。然而，这些规划政策的实施能否缩小非中心城市与中心城市间的经济差距，这已成为近年来学术界非常关注的重大问题。为此，基于2007—2019年全国283个地级市的面板数据，应用倾向得分匹配方法和多期双重差分模型实证探讨规划政策的实施对中国非中心城市与中心城市间经济差距的影响，结果发现：规划政策的实施能使非中心城市与中心城市间的经济差距总体缩小约3%。从地理空间范围来看，规划政策实施能显著缩小距中心城市约0~102.4 km和167.3~443.5 km范围内非中心城市与中心城市间的经济差距。此外，规划政策的实施效果在不同城市群内呈现出显著差异，而拥有资源禀赋优势的非中心城市可凭借规划政策的实施缩小其与中心城市间的经济差距。最终，本文的研究结论将有利于为相关决策者理清规划政策的实施对中国城市间经济差距的影响以及制定更有针对性的区域发展政策提供重要的基础理论依据。

关键词： 中心城市; 城市群发展规划政策; 经济差距; 溢出效应

本文引用格式

钟章奇 , 陆扬 , 刘志雄 . 城市群规划政策的实施能否缩小非中心城市与中心城市间的经济差距?——来自中国283个城市的证据[J]. 地理研究, 2023 , 42(4) : 1050 -1069 . DOI: 10.11821/dlyj020220779

Abstract

The Report of the 19th National Congress of the CPC (2017) pointed out that the principal contradiction faced by Chinese society had evolved into the contradiction between unbalanced and inadequate development and the people's ever-growing needs for a better life. In fact, economic disparity among regions was one of the typical manifestations of unbalanced economic development in China, which deeply affected development equity and social stability in all regions. To promote coordinated economic development between central cities and non-central cities in China, the central government has successively approved many national urban agglomeration development planning policies (hereinafter referred to as “planning policies”). However, whether the implementation of these planning policies narrowed economic gap between non-central cities and central cities has become a major issue concerned by the academic community. Therefore, based on the panel data of 283 prefecture-level cities in China from 2007 to 2019, this paper employs the propensity score matching method and multi-period Differences-in-Differences model to empirically explore the impact of the implementation of planning policies on economic gap between non-central cities and central cities in China. The main findings can be summarized as follows. First, the implementation of planning policies can reduce economic gap between non-central cities and central cities by about 3%. From the perspective of geospatial scope, the implementation of planning policies can significantly reduce economic gap between non-central cities and central cities within the ranges of 0-102.4 km and 167.3-443.5 km from the central city. Besides, this paper finds that the implementation effects of planning policies vary in different urban agglomerations. Specifically, except for the Yangtze River Delta and Pearl River Delta urban agglomerations, the implementation of planning policies can significantly narrow the economic gap between non-central cities and central city. Second, except for some regions such as Chengdu-Chongqing and Harbin-Changchun urban agglomerations, the effects from the implementation of planning policies basically present the same trend. In other words, planning policies could narrow economic gap between central cities and non-central cities. However, non-central cities with resource endowment advantages can further narrow economic gap between them and central cities through the implementation of planning policies. Finally, this paper provides an important theoretical basis for policy makers to clarify the impact of the implementation of planning policies on inter-regional economic gap in China, so as to formulate targeted regional development policies.

Key words： central city; urban agglomeration development planning policy; economic gap; spillover effects

1 引言

近年来，受地理区位和资源禀赋等因素的影响，中国城市间经济差距普遍存在，如何缩小城市间经济差距已成为亟待解决的重要问题。党的十九大报告指出，中国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。区域间经济差距是中国经济发展不平衡的典型表现之一，它深刻地影响着各地区发展公平与社会稳定[1]。鉴于此，自2015年以来中央政府结合地区特点并以地级市为基本行政单元相继批复了一系列城市群发展规划政策（后文简称“规划政策”），旨在实现中心城市带动非中心城市的平衡发展。然而这其中一个非常重大的现实问题是：这些规划政策的实施是否能够缩小非中心与中心城市间的经济差距?显然，对该问题的研究有利于为相关决策者理清规划政策实施对非中心城市与中心城市间经济差距的影响以及制定更有针对性的区域发展政策提供一定的基础理论依据。
综述现有文献表明，早期的相关研究主要以变异系数、基尼系数、泰尔指数等指标来探讨中国区域间的经济差距及其相关问题[2⇓⇓⇓-6]。随着城市群高质量发展等问题越来越受到关注，学者们逐渐将研究视角转移至城市间的经济差距[7⇓⇓⇓-11]。尽管现有研究关注的研究对象以及采取的研究方法不尽相同，但这些结论仍是殊途同归，即2004年之后中国区域间乃至城市间的经济差距正在逐渐缩小[2,3,8]。然而进一步来看，到底是什么因素会导致区域间经济差距的缩小?为此，学者们也对该问题进行了详尽探讨。总体上，可以将这些因素总结为：经济制度变迁等[12⇓-14]、地区发展战略与政策[15]、全球化和经济自由化[16,17]、要素市场扭曲[18,19]、人力资本积累[20]、全要素生产率差异[2,21]和地区一体化[22]等。例如，Ehrlich等发现欧盟通过资本补贴和交通投资等政策措施能够一定程度上缩小日益扩大的区域间经济差距[23]。李兰冰则认为区域一体化将对中国区域增长和福利水平的提高有显著地促进作用[24]。
显然通过对影响区域间经济差距因素的总结，学者们就“如何采取措施缩小经济差距”进行了众多富有成效的探索。如在缩小区域间经济差距方面，现有研究发现通过加快城市化[25,26]和交通基础设施投资[27⇓-29]有利于缩小区域间的经济差距。而在缩小城市间经济差距方面，除了加强交通基础设施投资外[8,30,31]，现有研究还发现市场化改革和单中心导向的空间发展策略等也会有利于缩小城市间的经济差距[9⇓-11,32,33]。如陈长石等研究发现导致城市间经济发展不平衡的主要原因是中心城市与外围城市内部的发展差异，故而认为解决城市间发展不平衡问题的关键在于缩小外围城市间的发展不平衡[34]；而Wu等则发现互联网的发展对城市经济增长的促进效应取决于互联网渗透率和城市的人口规模，故而认为对缺乏互联网设施的中小城市进行适当的互联网基础设施投资将会有利于增强互联网对经济增长的促进作用，从而缩小城市间的经济差距[35]。
总体来看，尽管现有的研究就城市间经济差距及其相关问题展开了大量的探索研究，从而为制定有效且可行的城市经济均衡发展战略提供了重要的基础理论依据，但在如下两个方面还有待深入探讨。
首先，现有文献主要聚焦于多个欠发达区域对多个发达区域的经济追赶，而较少探讨跨省域城市群内中心城市的经济空间拓展对非中心城市与中心城市间经济差距的影响。随着新基建的快速发展和规划政策的实施，城市间贸易成本的快速下降不仅使城市间的经济联系更加紧密，还可能使中心城市进一步拓展其经济空间[31]，进而可能会加大非中心城市与中心城市间的经济差距。事实上，研究也表明如果非中心城市在城市群的产业布局中缺乏比较优势，紧密的经济联系将会加剧导致非中心城市产业的消失[36⇓-38]，并使非中心城市的经济要素在虹吸效应的影响下进一步向中心城市转移，从而可能会影响非中心城市与中心城市间的经济差距。故而从中心城市经济空间拓展的角度来研究非中心城市与中心城市间的经济差距就尤为必要。
其次，现有研究中就规划政策实施对城市间经济差距的影响研究仍然还较少。目前仅有少量文献关注规划政策对要素集聚[39]、金融协调发展[40]、空气质量[41]和城市建设用地价格扭曲的影响[42]。事实上，从“十四五”时期到2035年基本实现现代化的发展阶段，尽管城市群内乃至城市群间的经济差距仍然很大[43]，但城市群依然是中国经济发展最具活力和潜力的核心增长极[44]。实际上，李洪涛等[45]已经关注了规划政策的实施对城市群内区域间经济差距的影响，但仍然未能深入探讨规划政策实施对非中心城市与中心城市间经济差距的影响，尤其是就规划政策实施对不同地区内城市间经济差距的影响有何不同还有待深入研究。
鉴于此，通过采用倾向得分匹配方法和多期双重差分模型，本文拟以中国2007—2019年283个地级市为研究对象，重点探讨如下两个重要议题，以期为深入理清规划政策实施对城市经济发展的影响以及制定更有针对性的区域协调发展政策提供一定的基础理论依据。具体如下：第一，近年来，规划政策的实施对中国非中心城市与中心城市间的经济差距具有怎样的影响?进一步，从中心城市经济空间拓展的角度来看，在不同地理空间范围内该规划政策实施的效果又如何?第二，区域异质性视角下规划政策实施对中国城市间经济差距的影响又有何不同?

2 研究设计

2.1 理论分析与研究假设

首先，历史和经验均表明，经济活动在空间并不是平均分布的，新经济地理学派基于规模报酬递增假说构建了中心-外围理论[46,47]，并对经济活动在空间非均衡分布进行了解释。中心-外围理论认为，规模效应、知识溢出等构成了促使经济活动非均质分布的向心力，贸易成本（区域间的运输成本和制度成本）、城市病（拥挤和污染等）、企业竞争压力等构成了促进均质分布的离心力，城市正是向心力大于离心力的最终产物。在城市发展的萌芽期，城市的向心力只能吸引周边郊区、农村的经济要素向城市汇聚。随着城市发展，在区域中具有一定比较优势的城市向心力不但超过了自身的离心力，还超过了其他城市的向心力，从而吸引其他地区的经济要素向本地汇聚并率先成为区域的中心城市。该趋势发展到一定阶段后，非中心城市与中心城市便共同组成了能够深刻影响地区经济活动分布的城市群，并在城市群的发展过程中，中心城市与非中心城市能够分别享受不同的收益。进一步在此情形下，一方面，中心城市受益于大量经济要素集聚所带来的规模效应，其经济实现了高速增长。另一方面，靠近中心城市的非中心城市受益于中心城市的规模效应[48]与溢出效应，经济水平也能得到一定的提升。
为打破城市间市场分割的制度藩篱以及加强经济要素在区域内自由流动并形成更紧密的经济联系，自2015年3月，国务院相继批复了众多城市群发展规划政策（表1）。总体来看，这些规划政策的实施有效减轻了不同城市之间的制度成本，从而也降低了不同城市之间的贸易成本[39,40,45]。事实上，根据中心-外围理论可知，政府政策的有效实施能降低不同城市间的贸易和交易成本，并促进经济要素向中心城市转移，从而能有效加强中心城市的规模效应与其对周边地区的溢出效应，故而其在自身实现了经济高速增长的同时还促进非中心城市的发展。依据上述分析，本文提出假设1：规划政策的实施缩小了非中心城市与中心城市间的经济差距。
表1 自2015年以来国务院正式批复的国家级城市群发展规划政策

Tab. 1 National urban agglomeration development planning policies approved by the State Council since 2015

城市群名称 批复时间 国务院批复和国家发展改革委印发资料文件
长江中游城市群 2015年 《国务院关于长江中游城市群发展规划的批复》
《国家发展改革委关于印发长江中游城市群发展规划的通知》
哈长城市群 2016年 《国务院关于哈长城市群发展规划的批复》
《国家发展改革委关于印发哈长城市群发展规划的通知》
成渝城市群 2016年 《国务院关于成渝城市群发展规划的批复》
《国家发展改革委关于印发成渝城市群发展规划的通知》
长江三角洲城市群 2016年 《国务院关于长江三角洲城市群发展规划的批复》
《国家发展改革委关于印发长江三角洲城市群发展规划的通知》
中原城市群 2016年 《国务院关于中原城市群发展规划的批复》
《国家发展改革委关于印发中原城市群发展规划的通知》
北部湾城市群 2017年 《国务院关于北部湾城市群发展规划的批复》
《国家发展改革委关于印发北部湾城市群发展规划的通知》
关中平原城市群 2018年 《国务院关于关中平原城市群发展规划的批复》
《国家发展改革委关于印发关中平原城市群发展规划的通知》
呼包鄂榆城市群 2018年 《国务院关于呼包鄂榆城市群发展规划的批复》
《国家发展改革委关于印发呼包鄂榆城市群发展规划的通知》
兰西城市群 2018年 《国务院关于兰州-西宁城市群发展规划的批复》
《国家发展改革委关于印发兰州-西宁城市群发展规划的通知》
珠三角城市群 2019年 《粤港澳大湾区发展规划纲要》
其次，集聚阴影理论认为，非中心城市与中心城市的距离是解释集聚阴影区的关键所在[49,50]。也就是说，在一个空间范围明确的单中心城市群内，非中心城市与中心城市的距离存在着一个不近不远的阈值（即位于该阈值内的地区就称为集聚阴影区）。而这里的阈值是一个地理空间范围，在具体研究中它是以各个城市群内的中心城市作为参照点来进行计算确定的。虽然位于该阈值的城市受到了中心城市向心力的影响（如经济规模效应），但却难以受益于中心城市带来的经济溢出效应，从而可能使该区域成为城市群发展的牺牲品。故而，位置小于该阈值的城市将受益于中心城市的溢出等效应从而获得较好的发展，位置大于该阈值的城市将可能追求成为次级中心以保持较高的发展水平，从而规避城市群内中心城市所产生的虹吸效应。现有研究已经证明，集聚阴影的现象不仅存在于欧洲古代城市的发展[51]和近代美国西部城镇的发展[52]，还存在于中国部分地级市、县的发展[53⇓-55]。因此，本文认为规划政策能通过减轻制度成本并降低贸易成本，从而导致非中心城市的经济发展产生地理距离上的分化，进而使得一定区域内的非中心城市陷入集聚阴影区（即形成所谓的集聚阴影城市），最终将不利于该区域非中心城市的经济发展。据此本文提出假设2：规划政策的实施孕育了集聚阴影，且会拉大集聚阴影城市（即非中心城市）与中心城市间的经济差距。

2.2 实证模型与变量选择

2.2.1 实证模型

由于国务院审批通过的国家级城市群发展规划政策年份有所不同，故而本文将采用多期双重差分模型来开展相关计量模型的设计。具体来看，以城市为单位，本文将通过审批的规划政策内的城市作为实验组（ t r e a t i=1），将不在通过审批的规划政策内的城市作为对照组（ t r e a t i=0），将通过审批年份及之后的处理期虚拟变量（ p o s t i , t）设置为1，在该时点之前的时间（ p o s t i , t）则为0。由于个体固定效应（ μ i）和时间固定效应（ λ t）的信息更多，实验组（ t r e a t i）与处理期（ p o s t i , t）分别包含于 μ i和 λ t，则模型引入个体固定效应和时间固定效应后不需要加入 t r e a t i变量和 p o s t i , t变量。同时，为了简化表达，本文以 t e s t i , t 表 征 t r e a t i * p o s t i , t，即可得到：
Y i , t = α 0 + μ i + λ t + θ 1 t e s t i , t + β 1 X i , t + ε i , t
式中： Y i , t为核心被解释变量，分别为非中心城市的经济发展水平、非中心城市与中心城市间的经济差距； α、 μ i和 λ t分别为截距项、个体固定效应和时间固定效应； t e s t i , t是政策效应变量，其系数 θ是政策效应； X i , t是模型的控制变量； ε i , t为模型中的误差项。
为评估实验组内不同地理空间范围内规划政策实施的效果，参考Hodgson等的研究思路[51,54]，本文将实验组内的城市按照中心城市与非中心城市间的距离升序排列分为5类，即离中心城市的距离越近名次越高，如排名0%~20%范围的城市在 D U M 1的取值为1，否则为0，以此类推，排名80%~100%范围的城市在 D U M 5的取值为1，否则为0。本文中 D U M 1 ~ D U M 5的值是以各个城市群内的单一中心城市作为参照点来进行计算确定的。然而需要说明的是，在实践中，一个城市是可能同时存在两大城市群中心城市的集聚阴影区的，然而由于这种空间上的量化表征在计量模型中难以考量，同时出于简便等原因，本文实际上认为每个非中心城市仅受到唯一一个中心城市的影响，并且这里的非中心城市与中心城市均位于同一个城市群内。
最后，将规划政策变量 t e s t i , t与 D U M k交互并带入回归方程（1）中，本文即可得到公式（2）。显然，根据集聚阴影理论，如果某个DUM的城市陷入集聚阴影，那么预期该城市将受到交互项的负效应，且从 D U M 1 × t e s t到 D U M 5 × t e s t的系数中，两头交互项的系数要显著比中段的大，或两头的交互项不显著，仅中段的交互项系数显著为负。
Y i , t = α + μ i + λ t + ∑ k = 1 5 θ k D U M k × t e s t i , t + β 2 X i , t + ε i , t
为考察区域异质性视角下规划政策实施对城市间经济差距的影响，本文将公式（1）的计量模型调整为检验调节效应的形式，即公式（3）。其中， M i , t为调节变量，交互项 M × t e s t i , t的系数为调节效应。
Y i , t = α + μ i + λ t + ρ 1 t e s t i , t + ϑ 1 M i , t + π 1 M × t e s t i , t + β 3 X i , t + ε i , t

2.2.2 变量选择

根据公式（1）~公式（3）可知，本文的被解释变量主要有非中心城市的经济发展水平以及非中心城市与中心城市间的经济差距。其中，本文将城市人均产出的对数定义为非中心城市的经济发展水平（ l n p e r g r p），并借鉴樊杰等的做法[56]，将非中心城市与中心城市间的经济差距定义为非中心城市人均产值占中心城市人均产值的比例（ g a p _ p e r g r p）。同样地，根据公式（1）~公式（3）并为更好地识别规划政策实施对城市经济发展水平和差距的影响，本文引入7个解释变量。
第一，产业结构演化是影响城市间经济差距的重要因素。究其原因来看，在各地区产业结构不断优化调整过程中，城市群中资源要素等将从低生产率或者低生产率增长率的地区和部门向高生产率水平或高生产率增长率的地区和部门流动，从而使得资源要素在城市间存在显著差异并导致不同的城市具有差异化的经济增长速度[57]，进而可能会引发城市间经济差距等问题。为刻画产业结构演化对城市间发展差距的可能影响，本文采用产业结构高级化指数（ U I S）来表征。
第二，随着各个地区城市化水平的持续推进，相应地城市规模均得到了快速提升。实际上，早期的研究已表明规模相对较大的城市由于优越的基础设施水平、集聚外部性等带来的收益远大于因城市规模扩大而产生的外部成本如生活成本和环境成本等，由此也使得规模更大的城市往往具有更好的经济发展潜力[58]，进而可能会影响城市间经济差距。本文采用各个城市的年末总常住人口（ p o p）来表示其城市规模水平，从而探讨城市规模对区域间经济差距的影响。
第三，完备的金融市场能够有效减少区域信息与交易成本，并对城市中居民和企业的投资决策及其创新意愿等具有显著促进作用，从而会影响城市经济发展[59]。进一步，由于各个城市的金融市场发展程度存在显著差异，因此这将不可避免地造成各个城市的经济发展能力出现显著分化。由于单一的技术指标可能难以全面地体现金融市场对区域经济发展的影响[60]，而采用多个指标来进行衡量不仅可以全面的描述金融市场的完备性与有效性，同时研究这些指标的影响也能为相关利益主体制定更有效的区域经济发展政策提供一定的理论基础。对此，为全面刻画各个城市的金融市场发展程度，本文采用各城市金融业从业人数与全社会就业总人数之比（即金融发展水平，用 f s表示）和借贷款余额占生产总值的比例（银行发展规模，用 f s c表示）这两个指标来予以研究金融市场对城市间经济发展差距的影响。
第四，作为刻画政府支出能力的一个重要指标，其购买水平能够通过乘数效应短期内促进城市经济的发展[61]。由于受资源禀赋和地理区位等因素影响，各个城市的购买水平存在较大差异，从而会影响城市间经济差距[61]。本文以各城市政府财政性支出预算占生产总值的比重衡量政府购买水平（ g o v），以分析其对城市间经济差距的影响。
第五，随着全球经济的持续深度融合，吸引外商投资已逐渐成为加快推动城市经济发展的重要举措之一[62]。这是因为：外商投资不仅可以促进本地资本的形成，还可以通过引入先进的技术、管理和营销经验提高本地的生产效率和要素生产率，从而加快推动城市经济增长[62]。本文采用各城市实际使用外商直接投资占生产总值的比重（ f d i）刻画各个城市的外商投资水平并在此基础上研究其对城市间经济发展差距的影响。
第六，作为城市赖以生存发展的重要物质条件，便捷的基础设施不仅有利于城市企业或者居民节约交易成本和提升社会经济活动效率，还在城市空间分布形态演变过程中起着巨大的推动作用，从而对城市经济发展具有重要而深远的影响[63]。此外，由于各个城市本身的地理环境、区位特征等存在显著差异，由此形成的基础设施条件也必然不尽相同[27⇓-29]。本文将城市道路面积占当年样本内城市总道路面积的比重来表征基础设施建设水平（ i n f r a s t），以深入探讨各个城市的基础设施对城市间经济发展差距的影响。
第七，在城市经济演化发展进程中，良好的人力资本积累能够为区域经济发展提供坚实基础和持久动力。这主要是由于力资本积累通过溢出效应促进城市经济发展[64]。事实上，部分研究早就表明提高各地区的人力资本水平，可以显著促进经济增长并缩小区域发展差距[20]。因此，为了实现经济可持续发展，近年来各个地区正大力倡导并发展高等教育，进而提升高等教育人口比重。本文以城市平均受教育年限来度量人力资本积累水平（ S U A），以探讨城市人力资本积累这一关键变量对城市间经济差距的影响。

2.3 两类城市的界定及数据来源与处理

以2007年国务院印发的《关于编制全国主体功能区规划的意见》为时间起点，整理出2007—2019年283个地级市的面板数据，并以国务院正式批复的国家级城市群发展规划为依据（表1）选取国内10大城市群的146个地级市作为实验组。由于本文主要探讨规划政策实施对中心城市和非中心城市的经济发展差距的影响，因此在实证数据处理中，需要首先区分城市群中的中心城市与非中心城市。需要说明的是，就当前的现实情况来看，中国部分城市群已经出现了双中心乃至多中心如成渝城市群的成都和重庆等。而本文对所有城市群仅确定唯一一个中心城市来进行探讨，之所以这样处理主要是：根据2.2部分的实证模型可知，在公式（2）中本文需要将地理空间范围变量引入计量模型中，尽管实际中确实存在双中心城市均会对对其他城市都有引力作用，但这种作用的地理范围又如何计算等问题尚存较大难度。此外，限于篇幅与出于简便等原因，本文也就并未关注多中心城市的问题。
具体的处理方式，根据中国10大城市群的规划政策内容，这些城市群主要被规划为单中心型城市群与多中心型城市群。基于上述政策文本并结合各个城市群的实际情况，除将武汉市、上海市、郑州市、南宁市、西安市与呼和浩特市这6个城市分别设定为长江中游城市群、长江三角洲城市群、中原城市群、北部湾城市群、关中平原城市群和呼包鄂榆城市群的中心城市外，本文还需将剩余4个多中心型城市群中的部分城市进行综合比较，从而确定这些城市群的中心城市。具体如下：在哈长城市群中，相较于长春市，哈尔滨市在人口规模、产业发展潜力等方面更具优势，并且还是对俄合作中心城市、东北亚国际商贸中心城市和国际冰雪文化旅游名城，故而本文将其设定为该城市群的中心城市。而在成渝城市群中，相较于成都市，重庆市的行政级别更高（直辖市），其区域经济辐射能力更强，故而此处将其设定为成渝城市群的唯一中心城市。此外，在兰西城市群中，根据《甘肃统计年鉴（2020）》的数据表明：2019年兰州的实际总产值是西宁的2.5倍，实际人均产值是西宁的1.3倍。显然相较于西宁市，兰州市的经济发展水平更高，故而本文将其设定为该城市群的中心城市。最后，考虑到粤港澳大湾区在国家发展大局中所具有的重要战略地位以及香港特别行政区和澳门特别行政区部分基础数据的可获取性等因素，本文选择把2019年国务院印发了《粤港澳大湾区发展规划纲要》中提及的珠三角九市作为珠三角城市群来予以探讨，在这其中相较于深圳市，广州市在人口规模和产业发展等方面更具优势，同时其广东省省会城市的地位更是加强了其对要素的吸引能力，故而将其设定为该城市群的中心城市。经过上述处理之后，本文即可得到每个城市群的中心城市和非中心城市。
此外，本文所使用的汇率数据来源于经济合作与发展组织官网，全国与省份的数据来源于国家统计局及《中国统计年鉴》和《人口与就业统计年鉴》，地级市的数据来源于《中国城市统计年鉴》、国民经济和社会发展公报等。本文中城市间的公路距离数据根据百度地图中城市间推荐路线距离整理得到，而城市间的直线距离则通过各城市的经纬度计算得到。此外，本文中城市资本存量（CS）主要通过借鉴张军等[65]的做法，以2000年为初始期并设定9.6%为折旧率，利用永续盘存法计算得到。另外，研究中涉及的价格数据如各省区GDP指数和投资价格平减指数等均以2000年为基期估算，并使用该指数对其管辖城市生产总值和城市全社会固定资产投资进行平减处理，以消除物价的影响。最后，为尽可能保持数据的统一性与完整性，本文采用插值法对极少量部分缺失数据进行了相应填补。本文中所有变量数据的描述性统计特征如表2所示。
表2 本文中主要变量的描述性统计

Tab. 2 Descriptive statistics of the main variables in this paper

变量名 变量含义 样本数 平均值 方差 最大值 最小值
t e s t 是否施行规划政策 3679 0.147 0.125 1.000 0.000
l n p e r g r p 人均产值的对数 3679 10.403 0.405 12.762 8.032
g a p _ p e r g r p 人均产值差距 3679 0.621 0.16 4.192 0.036
U I S 产业结构高级化 3679 1.088 0.807 29.333 0.094
p o p 城市规模水平 3679 0.150 0.038 2.479 0.015
f s 金融发展水平 3679 0.053 0.001 0.527 0.000
f s c 银行发展规模 3679 299.689 20634.400 2398.745 21.306
g o v 政府购买水平 3679 0.168 0.011 2.702 0.010
f d i 外商投资水平 3679 0.022 0.001 0.400 0.000
i n f r a s t 基础设施建设水平 3679 0.353 0.200 3.416 0.000
S U A 平均受教育年限 3679 9.727 0.277 12.617 6.477

3 规划政策实施对城市间经济差距的影响

在开展多期双重差分模型方法进行计量回归实证之前，本文需要采用倾向得分匹配方法来研究实验组与控制组之间的差异性，以确保样本后续计量回归估计结果的可靠性。实际上，考虑到规划政策实施的实验组选择可能不是随机的，而是因为其满足一定的条件（如经济发展水平较高）才被选择的，这就可能会造成实验组选择性偏误而引起内生性问题。为了能够尽可能地避免选择性偏误带来的内生性问题，故而本文需要采用倾向得分匹配方法对原数据进行处理，从而使处理后的样本满足使用多期双重差分模型的前提，即条件平行趋势假设。具体处理步骤如下：本文以产业集聚度、金融发展水平和财政收入水平等作为评分条件，运用核匹配计算实验组与对照组的样本得分权重并进行加权平均处理，最终匹配获得与实验组得分相近的对照组。处理结果表明①(① 限于篇幅，具体匹配结果此处略去。)，所有匹配条件变量的标准偏差在匹配后均小于5%，且匹配后的t统计量均不显著，说明本文使用的匹配方法是合理的。此外，匹配后的实验组与控制组之间并不存在显著差异，即匹配过程中保证了数据的随机性，从而确保了处理后的样本在后续估计中的可靠性。

3.1 基准回归结果

本文将匹配好的数据采用多期双重差分模型进行了基准回归（表3）。在全样本回归的第（1）和第（2）列中，核心解释变量 t e s t的系数在1%~10%的区间内显著且对非中心城市经济发展的影响为正（系数为0.0454），这表明规划政策的实施可能使非中心城市通过中心城市的经济溢出等效应实现了经济增长。实际上，这也与闫东升等的研究结论保持一致[66]。此外， t e s t对人均产值差距的影响为正（系数为0.0289），这表明规划政策的实施会使非中心城市与中心城市间的经济差距缩小。究其原因来看，这可能是由于规划政策的实施会显著促进非中心城市的经济要素流入中心城市，扩大了中心城市的经济规模，增强了其经济溢出等能力，从而反过来也促进了非中心城市经济的发展，进而缩小了非中心城市与中心城市的经济差距。需要尤其说明的是，由于贵州、宁夏和新疆的样本量较少，表3中第（3）和第（4）列将这3个省份的样本剔除并进行子样本回归，回归结果仍然与全样本一致。
表3 基准回归结果

Tab. 3 Benchmark regression results

变量名称 全样本 去除3个省份样本
l n p e r g r p g a p _ p e r g r p l n p e r g r p g a p _ p e r g r p
t e s t 0.0454*** 0.0289** 0.0477*** 0.0267**
(0.0137) (0.0236) (0.0140) (0.0116)
常数项 11.14*** 1.479*** 11.15*** 1.474***
(0.0641) (0.0967) (0.0646) (0.0962)
R 2 0.925 0.843 0.923 0.838
年份固定 是 是 是 是
个体固定 是 是 是 是
观测值 3423 3423 3332 3332

注：***、**分别表示系数通过1%、5%的检验水平，括号内数值为稳健的标准误。

总体来看，上述结果表明：规划政策的实施在促进非中心城市经济增长的同时，也会缩小非中心城市与中心城市间的经济差距，即规划政策的实施会使非中心城市的经济增长4.5%，同时也会使非中心城市与中心城市间的经济差距缩小了约3%。显然，这进一步从实证角度论证了本文2.1部分提出的假设1，即规划政策的实施缩小了非中心城市与中心城市间的经济差距。

3.2 稳健性检验

上述基准回归结果虽然证实了规划政策的实施对缩小中国城市间经济差距存在显著的积极效应，但这种效应可能会受到其他不可观测因素的影响，从而使得估计结果出现有偏和不一致。为验证上述回归结果的稳健性，本文采用替换控制变量以及剔除其他不可观测因素等进行一系列稳健性检验。
首先，为检验基准回归中规划政策实施对城市经济发展影响的稳健性，本文替换了基准回归模型的控制变量②(② 这些新的控制变量分别是金融发展水平（fs）、财政支出水平（gov）、资本存量水平（CS）、农村平均教育年限（SRA）和外贸依存度（FTD）。)，并再次进行回归（表4）。在第（1）到第（4）列中更换控制变量后，规划政策的实施仍然能促进非中心城市的经济发展，并也缩小了非中心城市与中心城市间的经济差距。显然，该结果与基准回归结果是一致的，从而进一步证实了本文基准回归结果的稳健性。
表4 替换控制变量后的回归结果

Tab. 4 Regression results after replacing control variables

变量名称 全样本 去除三个省份样本
l n p e r g r p g a p _ p e r g r p l n p e r g r p g a p _ p e r g r p
t e s t 0.0531*** 0.0375*** 0.0558*** 0.0364***
(0.0143) (0.0119) (0.0145) (0.0119)
常数项 9.879*** 0.972*** 9.899*** 1.086***
(0.231) (0.243) (0.235) (0.239)
R 2 0.917 0.840 0.915 0.835
年份固定 是 是 是 是
个体固定 是 是 是 是
观测值 3423 3423 3332 3332

注：***表示系数通过1%的检验水平，括号内数值为稳健的标准误。

其次，尽管本文已经通过样本剔除和控制变量替换对基准回归结果的稳健性进行了检验，但需要注意的是，在实践中影响非中心城市与中心城市间经济差距的规划政策效应还可能源于其他不可观测因素，即本文估计的规划政策实施对城市经济发展的影响可能存在于任何一年，其与本文所关注的规划政策无关。为检验此种可能性的存在，本文让规划政策对特定地区的冲击随机化（利用计算机完成这一步骤），再使整个随机过程重复1000次。在此基础上，通过截取1000次模拟过程中的回归系数与统计值构造核密度图，以判断规划政策实施效应是否与本文研究的规划政策相关。如图1所示，尽管随机改变了规划政策的衡量标准，安慰剂检验的结果仍然一致，仅有极少数回归的t值大于真实回归系数的t值，说明对城市间经济差距的规划政策效应估计是合理的，即本文估计的规划政策实施效应并不是由其他不可观测因素所造成的。
图1 1000次安慰剂检验的核密度统计图

Fig. 1 Kernel-density plots for 1000 placebo tests

4 不同地理空间范围内规划政策实施的效果分析

上述研究已经证实了规划政策实施能显著缩小中国城市间经济差距，然而从中心城市经济空间拓展的角度来看，在不同地理空间范围内该政策实施的效果又如何?为此，本文尝试通过构建距离虚拟变量与规划政策变量的交互项来进一步探讨距离中心城市不同地理空间范围内规划政策实施的效果。而在距离中心城市的距离计算上，本文主要是考虑了如下两种情景：一是选用公路距离，其优点在于尽可能地避免了实际度量偏误的问题，缺点在于指标的外生性较弱[55]；二是选用直线距离，其优点在于具有较强的外生性，能够最大程度地避免使用公路距离可能产生的内生性问题[67]。便于比较，本文给出了上述两种距离情景下不同地理空间范围内规划政策实施效果的回归结果（表5）。在公路距离情景下（表5第2列），回归结果表明规划政策的实施显著促进了不同地理空间范围内非中心城市的经济发展。这也表明规划政策的实施能促进一定地理空间范围内非中心城市经济发展的效应是存在的。进一步，为了排除使用公路距离可能产生的内生性问题，本文也引入了直线距离作为地理空间范围的划分依据（如表5第4列），结果表明规划政策的实施显著促进了DUM1、DUM3-DUM5范围内（即距中心城市约0~102.4 km和167.3~443.5 km）非中心城市的经济发展，但对DUM2范围内（即距中心城市约102.5~167.2 km）非中心城市的经济发展影响并不显著。究其原因来看，这可能是由于DUM1范围内非中心城市距中心城市较近，能较好接受中心城市的在资本、技术和劳动力等方面的经济溢出从而获得较好的发展。而DUM3-DUM5范围内非中心城市距离中心城市较远，该地理空间范围的城市能够通过自身优势成为次级中心而保持比较高的发展，同时还能通过其次级核心城市的溢出效应带动本范围内的城市经济发展。然而，由于中心城市对内资源的向心力影响以及对外经济溢出效应的辐射范围有限，导致该规划政策的实施对DUM2范围内非中心城市经济发展的影响并不显著。
表5 不同地理空间范围内规划政策实施的效果

Tab. 5 The effect of the implementation of planning policies in different geospatial scopes

变量名称 公路距离 直线距离
l n p e r g r p g a p _ p e r g r p l n p e r g r p g a p _ p e r g r p
D U M 1 × t e s t 0.0707*** 0.0452*** 0.0574** 0.0322**
(0.0264) (0.0157) (0.0262) (0.0152)
D U M 2 × t e s t 0.0438** -0.0424 -0.00649 -0.0619**
(0.0220) (0.0290) (0.0217) (0.0294)
D U M 3 × t e s t 0.0180 0.0189 0.0770*** 0.0464**
(0.0217) (0.0199) (0.0219) (0.0190)
D U M 4 × t e s t 0.0635*** 0.0505*** 0.0584*** 0.0552***
(0.0188) (0.0125) (0.0181) (0.0123)
D U M 5 × t e s t 0.0371* 0.0641*** 0.0403* 0.0625***
(0.020) (0.0132) (0.0206) (0.0134)
常数项 11.14*** 1.479*** 11.15*** 1.484***
(0.0643) (0.0968) (0.0650) (0.0968)
R 2 0.925 0.844 0.921 0.911
年份固定 是 是 是 是
个体固定 是 是 是 是
观测值 3423 3423 3423 3423

注：***、**、*分别表示系数通过1%、5%、10%的检验水平，括号内数值为稳健的标准误。

综上结果表明，规划政策的实施并没有形成离中心城市不近不远的集聚阴影区，故而拒绝假设2。进一步，在公路距离情景下（表5第3列），规划政策的实施显著缩小了一定范围内非中心城市与中心城市间的经济差距。类似地，在排除了使用公路距离可能产生的内生性问题后（表5第5列），规划政策的实施仍然能显著地缩小DUM1、DUM3-DUM5范围内非中心城市与中心城市的经济差距，但却拉大了DUM2范围内非中心城市与中心城市的经济差距。究其原因，这可能是由于中心城市通过持续吸引来自非中心城市的大量资源要素后，其经济发展速度得以快速发展，从而导致DUM2范围非中心城市与中心城市经济差距的拉大。而DUM1范围内的非中心城市距离中心城市最近，但其能够受益于中心城市带来的部分经济溢出效应，从而一定程度缩小其与中心城市的经济差距；DUM3-DUM5范围内的非中心城市距中心城市较远，这些城市有可能成为次级中心而保持比较高的经济发展水平并能带动周边城市经济进一步发展，从而一定程度缩小了该范围内非中心城市与中心城市间的经济差距。

5 区域异质性视角下规划政策实施对城市间经济差距的影响

5.1 不同城市群的规划政策实施效应

前文探讨了不同地理空间范围内规划政策实施的效果差异，然而一个更让相关决策者关注的问题是：在区域异质性视角下，规划政策的实施对不同城市群内非中心城市与中心城市间经济差距的影响又有何不同?为回答这一重要问题并考虑到具体案例研究所应具有的代表性，基于城市群发展水平类型（包含成熟型、发展型、培育型等城市群）视角③(③ 中国19个城市群发展水平的类型划分，可参见 https://baijiahao.baidu.com/s?id=1631223256356277145&wfr=spider&for=pc。)，选择东部地区的长三角城市群和珠三角城市群（成熟型）、中部地区的长江中游城市群和西部地区的成渝城市群（发展型）以及东北地区的哈长城市群（培育型）来进一步探讨区域异质性视角下规划政策实施对非中心城市与中心城市间经济差距的影响。
首先，本文就规划政策的实施对中国典型城市群内城市间经济差距的影响进行了估计（表6）。具体来看，除哈长城市群外，表6的第2、第3和第4列显示代表规划政策实施变量的系数在1%~10%的区间内均为正（仅成渝城市群不显著），这说明规划政策的实施能缩小长三角洲城市群、珠三角城市群和长江中游城市群内非中心城市与中心城市间的经济差距。而就哈长城市群来看（表6第5列），规划政策的实施会扩大对哈长城市群内非中心城市与中心城市的经济差距。究其原因来看，这可能是由于东北地区的城市地理环境复杂和经济发展程度本身相对较低，使哈长城市群的城市化与区域经济一体化进程等均相对较为滞后，从而导致规划政策实施对城市之间资源要素的空间流动并未起到显著的优化配置作用，故而使得规划政策的实施一定程度上不能缩小反而会扩大该地区城市群内非中心城市与中心城市间的经济差距。
表6 区域异质性视角下规划政策实施对城市间经济差距的影响

Tab. 6 Impact of the implementation of planning policies on economic gap between cities from the perspective of regional heterogeneity

变量名称 长三角洲城市群 珠三角城市群 长江中游城市群 成渝城市群 哈长城市群
g a p _ p e r g r p g a p _ p e r g r p g a p _ p e r g r p g a p _ p e r g r p g a p _ p e r g r p
t e s t 0.0374*** 0.167*** 0.110*** 0.0158 -0.191***
(0.0141) (0.0448) (0.0136) (0.0175) (0.0677)
常数项 1.496*** 1.570*** 1.575*** 1.611*** 1.539***
(0.103) (0.108) (0.107) (0.107) (0.111)
R 2 0.819 0.815 0.822 0.820 0.838
年份固定 是 是 是 是 是
个体固定 是 是 是 是 是
观测值 1989 1767 2013 1853 1781

注：***表示系数通过1%的检验水平，括号内数值为稳健的标准误。

其次，为进一步探究区域异质性视角下不同地理空间范围内规划政策实施的效果，本文利用直线距离构建距离虚拟变量与规划政策效应的交互项，从而估计距中心城市不同地理空间范围内规划政策的实施效应。其中，就中国东部地区的典型城市群来看（表7第2列），规划政策的实施不利于长三角洲城市群中DUM1范围（距中心城市约0~137.6 km）内非中心城市的经济发展，而有利于DUM3范围内（距中心城市约199.6~265.9 km）非中心城市的经济发展。这可能是由于DUM1范围内非中心城市受到中心城市的向心力大于其带来的溢出收益，而DUM3范围内非中心城市通过距中心城市较远成为次级中心从而获得一定的发展。进一步，本文研究发现（表7第3列）：规划政策的实施能显著缩小长三角洲城市群内非中心城市与中心城市间经济差距的效应主要体现在长三角洲城市群DUM2-DUM3范围内（距中心城市约149.9~265.9 km）的区域。究其原因来看，这可能是由于DUM2范围内非中心城市在规划政策实施后能依靠自身优势实现经济结构转型调整，进而使本地区非中心城市与中心城市间的经济差距缩小，而DUM3范围的非中心城市则主要通过成为次级中心城市缩小本地与中心城市间的经济差距。
表7 规划政策实施对中国典型城市群内城市间经济差距的影响

Tab. 7 The impact of the implementation of planning policies on economic gap between cities in Chinese typical urban agglomerations

变量名称 长三角洲城市 珠三角城市群 长江中游城市群 成渝城市群 哈长城市群
l n p e r g r p g a p _ p e r g r p l n p e r g r p g a p _ p e r g r p l n p e r g r p g a p _ p e r g r p l n p e r g r p g a p _ p e r g r p l n p e r g r p g a p _ p e r g r p
D U M 1 × t e s t -0.0781** -0.0162 -0.132** 0.116*** 0.0936*** 0.0969*** 0.210*** 0.116*** 0.280** 0.0466
(0.0335) (0.0227) (0.0615) (0.0293) (0.0276) (0.0194) (0.0368) (0.0176) (0.138) (0.0447)
D U M 2 × t e s t 0.0374 0.0487** -0.123** 0.119*** 0.0748** 0.116*** 0.0370 0.00802 -0.342*** -0.912***
(0.0379) (0.0209) (0.0497) (0.0275) (0.0363) (0.0242) (0.0440) (0.0267) (0.0592) (0.186)
D U M 3 × t e s t 0.118*** 0.0975*** -0.130 0.167 0.101*** 0.128*** 0.00753 -0.0281 0.242*** 0.111*
(0.0279) (0.0205) (0.128) (0.117) (0.0232) (0.0210) (0.0516) (0.0373) (0.0748) (0.0621)
D U M 4 × t e s t -0.0412 0.0297 0.377*** 0.291*** -0.00436 0.0394* 0.0757* 0.0585** 0.111 0.0282
(0.0403) (0.0244) (0.0885) (0.0618) (0.0372) (0.0204) (0.0453) (0.0257) (0.0722) (0.0359)
D U M 5 × t e s t -0.00355 0.0283 -0.0134 0.202*** 0.143*** 0.154*** -0.0199 -0.0569* -0.105 -0.0684
(0.0567) (0.0286) (0.0644) (0.0377) (0.0281) (0.0191) (0.0361) (0.0290) (0.0683) (0.0453)
常数项 11.10*** 1.504*** 11.21*** 1.572*** 11.19*** 1.579*** 11.21*** 1.607*** 11.20*** 1.545***
(0.0889) (0.103) (0.105) (0.108) (0.103) (0.108) (0.0995) (0.107) (0.109) (0.110)
R 2 0.911 0.819 0.904 0.815 0.908 0.822 0.904 0.821 0.906 0.848
年份固定 是 是 是 是 是 是 是 是 是 是
个体固定 是 是 是 是 是 是 是 是 是 是
观测值 1989 1989 1767 1767 2013 2013 1853 1853 1781 1781

注：***、**、*分别表示系数通过1%、5%、10%的检验水平，括号内数值为稳健的标准误。

就珠三角城市群而言（表7第4列），规划政策的实施会不利于城市群DUM1-DUM2范围内（距中心城市约0~68.5 km）非中心城市的经济发展，而有利于DUM4范围内（距中心城市约100.2~104.1 km）非中心城市的经济发展。进一步，如表7第5列所示，规划政策的实施显著缩小了珠三角城市群内非中心城市与中心城市间经济差距的效应主要体现在DUM1-DUM2范围和DUM4-DUM5范围内（距中心城市约104.1~117.8 km）的区域。究其原因来看，这可能是由于DUM1-DUM2范围内的非中心城市获得了来自中心城市较多的资源和技术等外部性经济溢出，如劳动力聚集、供应商共享以及专业化等，从而一定程度促进了本地区的经济增长以及缩小了区域间经济发展差距。而就更远距离的DUM4-DUM5范围内的非中心城市而言，尽管获得来自中心城市的外部性收益较小，但是这些城市也较少受到来自中心城市极化效应的影响，同时本地区在规划政策实施的加持之下也逐渐能成长为次级中心城市或依附次级中心城市的经济溢出效应而获得较快的经济发展，从而一定程度缩小了该范围内的非中心城市与中心城市间的经济差距。
此外，从中部地区、西部地区和东北部地区来看，规划政策的实施显著有利于促进长江中游城市群DUM1-DUM3（距中心城市约0~306.0 km）和DUM5范围（距中心城市约334.3~443.5 km）非中心城市的经济发展（表7第6列）以及促进哈长城市群DUM1和DUM3范围内非中心城市的经济发展（表7第10列）。而就成渝城市群而言，规划政策的实施仅显著有利于促进其DUM1和DUM4范围内非中心城市的经济发展（表7第8列）。进一步，从规划政策实施对城市间经济差距的影响来看（表7第7列、第9列和第11列），长江中游城市群受到的影响相对比成渝城市群和哈长城市群要更大。也就是说，总体上，规划政策的实施将会显著推动长江中游城市群内非中心城市与中心城市的经济差距，而对成渝城市群和哈长城市群的影响则仅仅分别停留在DUM1、DUM4-DUM5范围内和DUM2、DUM3范围内。
综上来看，规划政策的实施效果在不同城市群内呈现出显著差异。尽管规划政策实施能显著推动中国典型城市群内非中心城市的经济发展，但除长三角城市群和珠三角城市群外，规划政策的实施均能显著缩小靠近中心城市的非中心城市与其之间的经济差距。这可能是因为对于长三角城市群和珠三角城市群而言，由于中心城市对周边地区的极化效应相对更强，城市化进程的持续推进正加速资源要素的迅速流入，从而可能一定程度会抑制其他非中心城市的经济发展能力，进而会扩大这些地区内非中心城市与中心城市间的差距；而就其他城市群如长江中游城市群和成渝城市群等地来看，这可能是由于中心城市产生的扩散效应会远大于其所产生的极化效应，从而使得近距离的非中心城市能获得来自中心城市的更多资源、技术等，进而一定程度上缩小了中心城市与非中心城市间的经济差距。此外，从地理空间范围来看，在DUM5范围内，除成渝城市群和哈长城市群外，规划政策实施的效果均表现出大体相同，即均会缩小中心城市与非中心城市间的经济差距。究其原因来看，这可能是由于远距离范围内的非中心城市在规划政策实施后能通过依附次级中心城市的溢出效应获得较好的经济发展，从而一定程度缩小了彼此间的经济差距。

5.2 不同要素禀赋的规划政策实施效应

近年来，随着中国城市化进程的持续推进，各个城市在资源要素如劳动力和资本等均存在显著差异，那么规划政策的实施对拥有不同要素禀赋的城市间经济差距又具有怎样的影响?出于简便，本文以资本存量和人口规模分别表征城市的资本累积要素和劳动力要素，从而以此为基础来探讨不同要素禀赋下规划政策实施对中国城市间经济差距的影响，具体做法是：将规划政策变量 t e s t与资本存量变量 C S的交互项和规划政策变量 t e s t与人口规模变量 p o p的交互项分别引入公式（3）来开展相关的回归分析。
如表8第2列所示，在规划政策变量 t e s t的系数显著为正的情况下，交互项的系数也显著为正，这说明非中心城市的资本积累越多，其与中心城市间的经济差距受到规划政策实施带来的缩小效果越强。究其原因来看，这可能是由于资本在非中心城市的大量积累将会有利于促进非中心城市的经济发展[68]，从而导致规划政策的实施能进一步缩小其与中心城市间的经济差距。进一步，表8第3列反映了人口禀赋差异下中国城市群内城市间经济差距受到规划政策实施后的效应。实证研究表明，在规划政策变量 t e s t的系数显著为正的情况下，交互项的系数也显著为正，这表明非中心城市的人口规模越大，越有利于推动本地区的经济发展，从而也能使规划政策的实施进一步缩小其与中心城市间的经济差距。综上所述，拥有资源禀赋优势的非中心城市可凭借规划政策的实施进一步缩小其与中心城市间的经济差距。
表8 不同要素禀赋下规划政策实施对城市间经济差距的影响

Tab. 8 Impact of the implementation of planning policies on economic gap between cities under different factor endowments

变量名称 g a p _ p e r g r p g a p _ p e r g r p
t e s t 0.0206* 0.0340***
(0.0120) (0.0123)
t e s t × C S 0.0531*
(0.0280)
t e s t × p o p 0.210***
(0.0637)
常数项 1.153*** 1.219***
(0.131) (0.257)
R 2 0.845 0.841
年份固定 是 是
个体固定 是 是
观测值 3423 3423

注：***、*分别表示系数通过1%、10%的检验水平，括号内数值为稳健的标准误。

6 结论与讨论

本文研究的目的在于理清规划政策的实施对非中心城市与中心城市间经济差距的影响，从而为相关决策者制定有针对性的区域发展战略提供基础理论依据。根据中心-外围理论，规划政策的实施能有效减轻城市间的贸易成本并拓展中心城市的经济空间，从而加快经济要素从非中心城市流入中心城市，进而可能缩小非中心城市与中心城市的经济差距。此外根据集聚阴影理论，规划政策的实施能促进了非中心城市的经济发展产生地理距离上的分化，孕育了不利于城市经济发展的集聚阴影区，进而使集聚阴影城市与中心城市的经济差距拉大。为验证以上理论研究假设，基于2007—2019年中国283个城市的面板数据以及采用倾向得分匹配方法和多期双重差分模型，本文实证探讨了规划政策的实施对中国非中心城市与中心城市间经济差距的影响，得到以下两个方面的重要结论。
首先，规划政策的实施在促进非中心城市的经济增长的同时，也会缩小其与中心城市间的经济差距。这一结论经过一系列的稳健性检验后仍然成立，这说明本文对城市间经济差距的规划政策效应估计是可靠的。此外，本文进一步的实证研究还表明由规划政策的实施所引起的集聚阴影效应并不存在。具体来看，一方面，中心城市在吸引了大量来自非中心城市的经济要素后，本地区经济发展得以提高，从而会拉大距中心城市约104.1~167.1 km范围内非中心城市与中心城市间的经济差距；另一方面，距中心城市大约0~102.4 km范围内的非中心城市则能因获得大量来自中心城市的溢出效应而得到一定的发展，而距中心城市约167.3~443.5 km范围内的非中心城市也能够通过成为次级中心而保持比较高的发展水平并带动周边城市进一步发展，从而使得在该范围内规划政策的实施能显著缩小非中心城市与中心城市间的经济差距。
其次，基于区域异质性视角下的实证研究还发现：规划政策的实施效果在不同城市群内呈现出显著差异。具体来说，规划政策实施能显著推动中国典型城市群内非中心城市的经济发展，而除长三角城市群和珠三角城市群外，规划政策的实施均能显著缩小靠近中心城市的非中心城市与其之间的经济差距。此外，从地理空间范围来看，在DUM5范围内，除成渝城市群和哈长城市群外，规划政策实施的效果均表现出大体相同，即均会缩小中心城市与非中心城市间的经济差距，而从不同要素禀赋视角来看，拥有资源禀赋优势的非中心城市可凭借规划政策的实施进一步缩小其与中心城市间的经济差距。
此外需要进一步说明的是，尽管本文在深入探讨规划政策的实施对中国城市间经济差距的影响后获得了一些重要的研究发现，但其在以下两个方面仍有待深入讨论。
第一，就中国中心城市与非中心城市之间经济差距缩小的机制还有待深入讨论。事实上，本文仅着重研究了整体上规划政策实施对中国城市间经济差距的影响，并仅以典型城市群为例分析了规划政策的实施对城市间经济差距的影响并就这种典型城市群内经济差距的形成机制予以了深入分析。然而需要指出的是，长期以来，中国各个城市群的资源禀赋、地理区位和产业结构等均存在显著差异，由此导致各个城市群内城市间经济差距的形成机制应该需要分别予以探讨。此外，在有关城市群内中心城市的选择上，本文均选择了唯一的中心城市，这可能与当前部分城市群的现实发展情况存在稍许差异，即可能存在双中心乃至多中心城市群。那么在多中心的城市群中，规划政策的实施对中心城市与非中心城市间的经济差距又具有何种影响?显然，这是一个非常值得探讨的话题。在后续的研究中我们仍将会持续予以关注，同时也希望本文的研究能抛砖引玉。
第二，在研究规划政策的实施对拥有不同要素禀赋的城市间经济差距有何影响时，本文仅仅采用资本存量和人口规模这两个变量来刻画资本和劳动力的影响。显然，本文在刻画不同城市要素禀赋差异的变量选择上仍然存在进一步提升的空间。为此，在后续的讨论中，我们还将会在变量的选择如劳动力要素的刻画以及引入更多要素禀赋如技术创新能力等方面进一步开展深入分析。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，专家对本文研究设计和模型设定等方面的修改意见，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]
朱晟君, 殷子涵, 杨博飞, 等. 从生产能力到转产能力: 基于对疫情期间中国转产情况的思考. 地理研究, 2021, 40(2): 293-309.

DOI

[ Zhu Shengjun, Yin Zihan, Yang Bofei, et al. From productivity to capacity of production conversion: Based on consideration of China's capacity of production conversion during the epidemic. Geographical Research, 2021, 40(2): 293-309.] DOI: 10.11821/dlyj020200900.

DOI

[2]
彭文斌, 刘友金. 我国东中西三大区域经济差距的时空演变特征. 经济地理, 2010, 30(4): 574-578.

[ Peng Wenbing, Liu Youjin. Research on space-time evolution characteristics of China's regional economic disparity. Economic Geography, 2010, 30(4): 574-578.] DOI: 10.15957/j.cnki.jjdl.2010.04.013.

DOI

[3]
汪侠, 徐晓红. 长江经济带经济高质量发展的时空演变与区域差距. 经济地理, 2020, 40(3): 5-15.

[ Wang Xia, Xu Xiaohong. Spatial-temporal evolution and regional disparity of economic high-quality development in the Yangtze River Economic Belt. Economic Geography, 2020, 40(3): 5-15.] DOI: 10.15957/j.cnki.jjdl.2020.03.002.

DOI

[4]
刘慧. 区域差异测度方法与评价. 地理研究, 2006, 4: 710-718.

[ Liu Hui. Regional inequality measurement: Methods and evaluations. Geographical Research, 2006, 4: 710-718.] DOI: 10.11821/yj2006040018.

DOI

[5]
闫梅, 樊杰. 基于购买力平价的我国地区间收入差距. 经济地理, 2016, 36(6): 1-7.

[ Yan Mei, Fan Jie. Regional disparity of real income in China based on purchasing power parity. Economic Geography, 2016, 36(6): 1-7.] DOI: 10.15957/j.cnki.jjdl.2016.06.001.

DOI

[6]
吕承超, 索琪, 杨欢. “南北”还是“东西”地区经济差距大?中国地区经济差距及其影响因素的比较研究. 数量经济技术经济研究, 2021, 38(9): 80-97.

[ Lu Chengchao, Suo Qi, Yang Huan. Which economic gap is bigger in China? North-south or east-west. Journal of Quantitative & Technical Economics, 2021, 38(9): 80-97.] DOI: 10.13653/j.cnki.jqte.2021.09.005.

DOI

[7]
张继良, 张奇. 基于空间经济学的长三角区域经济差距研究. 统计研究, 2009, 26(12): 41-48.

[ Zhang Jiliang, Zhang Qi. Research on the evolution of economic disparity and influtional factor in Yangtze river delta on spatial economics. Statistical Research, 2009, 26(12): 41-48.] DOI: 10.19343/j.cnki.11-1302/c.2009.12.007.

DOI

[8]
卞元超, 吴利华, 白俊红. 高铁开通、要素流动与区域经济差距. 财贸经济, 2018, 39(6): 147-161.

[ Bian Yuanchao, Wu Lihua, Bai Junhong. High-speed rail, factor flow and regional economic disparities. Finance and Trade Economics, 2018, 39(6): 147-161.] DOI: 10.19795/j.cnki.cn11-1166/f.2018.06.012.

DOI

[9]
张治栋, 吴迪. 产业空间集聚、要素流动与区域平衡发展: 基于长江经济带城市经济发展差距的视角. 经济体制改革, 2019, (4): 42-48.

[ Zhang Zhidong, Wu Di. Industrial spatial agglomeration, factor mobility and regional balanced development: From the perspective of urban economic development gap in the Yangtze river economic zone. Reform of Economic System, 2019, (4): 42-48.] DOI: CNKI:SUN:JJTG.0.2019-04-007.

DOI

[10]
陈明华, 刘玉鑫, 刘文斐, 等. 金融发展是否增强了长三角地区经济发展的协调性?. 宏观经济研究, 2019, (1): 65-76.

[ Chen Minghua, Liu Yuxin, Liu Wenfei, et al. Does financial development enhance the coordination of economic development in the Yangtze River Delta?. Macroeconomics, 2019, (1): 65-76.] DOI: 10.16304/j.cnki.11-3952/f.2019.01.007.

DOI

[11]
兰秀娟, 张卫国, 裴璇. 我国中心-外围城市经济发展差异及收敛性研究. 数量经济技术经济研究, 2021, 38(6): 45-65.

[ Lan Xiujuan, Zhang Weiguo, Pei Xuan. A study on the differences and convergence of the economic development of central-peripheral cities. The Journal of Quantitative & Technical Economics, 2021, 38(6): 45-65.] DOI: 10.13653/j.cnki.jqte.2021.06.003.

DOI

[12]
陈东, 樊杰. 区际资本流动与区域发展差距: 对中国银行间信贷资本流动的分析. 地理学报, 2011, 66(6): 723-731.

[ Chen Dong, Fan Jie. Interregional capital flows and regional development gap: Analysis of the inter-bank credit flows. Acta Geographica Sinica, 2011, 66(6): 723-731.] DOI: 10.11821/xb20110600.

DOI

[13]
王艳飞, 程叶青, 李静. 三江平原垦区经济发展差距及其与产业结构的关联分析. 人文地理, 2013, 28(6): 92-97.

[ Wang Yanfei, Chen Yeqing, Li Jing. Economic disparity of reclamation area and its correlation with industrial structure in the Sanjiang Plain. Human Geography, 2013, 28(6): 92-97.] DOI: 10.13959/j.issn.1003-2398.2013.06.016.

DOI

[14]
罗浩, 钟国平. 缓解发达地区省内区域经济差距的区域政策研究: 以广东省为例. 人文地理, 2007, (1): 77-81.

[ Luo Hao, Zhong Guoping. Study on the regional policies on shortening the regional economic disparities in Guangdong Province. Human Geography, 2007, (1): 77-81.] DOI: 10.3969/j.issn.1003-2398.2007.01.016.

DOI

[15]
林毅夫, 刘培林. 中国的经济发展战略与地区收入差距. 经济研究, 2003, (3): 19-25.

[ Lin Yifu, Liu Peilin. Chinese development strategy and economic convergence. Economic Research Journal, 2003, (3): 19-25.] DOI: http://ir.calis.edu.cn/hdl/211010/3870.

DOI

[16]
Jia L. Regional catching up and productivity growth in Chinese reform period. International Journal of Social Economics, 1998, (1): 12-18. DOI: 10.1108/03068299810212658.

DOI

[17]
Lu M, Wang E. Forging ahead and falling behind: Changing regional inequalities in post-reform China. Growth and Change, 2002, 33(1): 42-71. DOI: 10.1111/0017-4815.00179.

DOI

[18]
Cai F, Wang D, Du Y. Regional disparity and economic growth in China: The impact of labor market distortions. China Economic Review, 2002, 13(2-3): 197-212. DOI: 10.1016/S1043-951X(02)00072-X.

DOI

[19]
Wei Y D. Investment and regional development in Post-Mao China. GeoJournal, 2000, 51(3): 169-179. DOI: https://doi.org/10.1023/A:1017580312644.

DOI

[20]
向志强, 孔令锋. 人力资源是西部大开发的起点: 关于区域发展差距的另一种解释. 人文地理, 2001, (4): 53-56.

[ Xiang Zhiqiang, Kong Lingfeng. The development of human resources and the development of western region of China. Human Geography, 2001, (4): 53-56.] DOI: 10.3969/j.issn.1003-2398.2001.04.012.

DOI

[21]
李静, 孟令杰, 吴福象. 中国地区发展差异的再检验: 要素积累抑或TFP. 世界经济, 2006, (1): 12-22.

[ Li Jing, Meng Lingjie, Wu Fuxiang. A retest of China's regional development disparities: Factor accumulation or TFP. The Journal of World Economy, 2006, (1): 12-22.] DOI: DOI: CNKI:SUN:SJJJ.0.2006-01-007.

DOI

[22]
徐现祥, 李郇. 市场一体化与区域协调发展. 经济研究, 2005, (12): 57-67.

[ Xu Xianxiang, Li Xun. Domestic market integration and regional coordinate development. Economic Research Journal, 2005, (12): 57-67.] DOI: CNKI:SUN:JJYJ.0.2005-12-006.

DOI

[23]
Ehrlich M V, Overman H G. Place-based policies and spatial disparities across European cities. Journal of Economic Perspectives, 2020, 34(3): 128-149. DOI: 10.1257/jep.34.3.128.

DOI

[24]
李兰冰. 中国区域协调发展的逻辑框架与理论解释. 经济学动态, 2020, (1): 69-82.

[ Li Lanbing. Logical framework and theoretical explanation of China's regional coordinated development strategy. Economic Perspectives, 2020, (1): 69-82.] DOI: CNKI:SUN:JJXD.0.2020-01-006.

DOI

[25]
张魁伟. 产业结构与城市化、区域经济的协调发展. 经济学家, 2004, (4): 9-14.

[ Zhang Kuiwei. Harmonious development of industry structure, urbanization and regional economy. Economist, 2004, (4): 9-14.] DOI: 10.3969/j.issn.1003-5656.2004.04.002.

DOI

[26]
刘华军, 彭莹, 裴延峰, 等. 全要素生产率是否已经成为中国地区经济差距的决定力量?. 财经研究, 2018, 44(6): 50-63.

[ Liu Huajun, Peng Ying, Pei Yanfeng, et al. Has the total factor productivity become the determinant of regional economic disparity in China?. Journal of Finance and Economics, 2018, 44(6): 50-63.] DOI: 10.16538/j.cnki.jfe.2018.06.004.

DOI

[27]
Boarnet M G. Spillovers and the locational effects of public infrastructure. Journal of Regional Science, 1998, 38(3): 381-400. DOI: 10.1111/0022-4146.00099.

DOI

[28]
Chen Z, Haynes K E. Impact of high-speed rail on regional economic disparity in China. Journal of Transport Geography, 2017, 65: 80-91. DOI: 10.1016/j.jtrangeo.2017.08.003.

DOI

[29]
Guirao B, Campa J L, Casado-Sanz N. Labour mobility between cities and metropolitan integration: The role of high speed rail commuting in Spain. Cities, 2018, 78: 140-154. DOI: 10.1016/j.cities.2018.02.008.

DOI

[30]
陈丰龙, 王美昌, 徐康宁. 中国区域经济协调发展的演变特征: 空间收敛的视角. 财贸经济, 2018, 39(7): 128-143.

[ Chen Fenglong, Wang Meichang, Xu Kangning. The evolution trend of China's coordinated regional development: A spatial convergence analysis. Finance & Trade Economics, 2018, 39(7): 128-143.] DOI: 10.19795/j.cnki.cn11-1166/f.2018.07.010.

DOI

[31]
李兰冰, 阎丽, 黄玖立. 交通基础设施通达性与非中心城市制造业成长: 市场势力、生产率及其配置效率. 经济研究, 2019, 54(12): 182-197.

[ Li Lanbing, Yan Li, Huang Jiuli. Transportation infrastructure connectivity and manufacturing industries in peripheral cities in China: Markup, productivity and allocation efficiency. Economic Research Journal, 2019, 54(12): 182-197.] DOI: CNKI:SUN:JJYJ.0.2019-12-007.

DOI

[32]
邓伟. 国有经济、行政级别与中国城市的收入差距. 经济科学, 2011, (2): 19-30.

[ Deng Wei. Income gap between state-owned economy, administrative level and Chinese cities. Economic Science, 2011, (2): 19-30.] DOI: 10.19523/j.jjkx.2011.02.002.

DOI

[33]
Sun B, Li W, Zhang Z, et al. Is polycentricity a promising tool to reduce regional economic disparities? Evidence from China's prefectural regions. Landscape and Urban Planning, 2019, 192: 103667. DOI: 10.1016/j.landurbplan.2019.103667.

DOI

[34]
陈长石, 刘晨晖. 基于中心-外围模型的区域发展不平衡测算及其空间分解: 兼论中国地区发展不平衡来源及收敛性. 经济管理, 2015, 37(2): 31-40.

[ Chen Changshi, Liu Chenhui. Measurement regional development disparity and spatial decomposition based on core-periphery model: Study on causes of regional development disparity and convergence. Business and Management Journal, 2015, 37(2): 31-40.] DOI: 10.19616/j.cnki.bmj.2015.02.006.

DOI

[35]
Wu S, Wang P, Sun B. Can the Internet narrow regional economic disparities?. Regional Studies, 2022, 56(2): 324-337.DOI: 10.1080/00343404.2021.1942444.

DOI

[36]
Fujita M, Mori T. The role of ports in the making of major cities: Self-agglomeration and hub-effect. Journal of Development Economics, 1996, 49(1): 93-120. DOI: 10.1016/0304-3878(95)00054-2.

DOI

[37]
刘夏明, 魏英琪, 李国平. 收敛还是发散?中国区域经济发展争论的文献综述. 经济研究, 2004, (7): 70-81.

[ Liu Xiaming, WEI Yingqi, Li Guoping. Convergence or divergence? Debate on China's regional development. Economic Research Journal, 2004, (7): 70-81.] DOI: CNKI:SUN:JJYJ.0.2004-07-007.

DOI

[38]
Kanbur R, Zhang X. Which regional inequality? The evolution of rural-urban and inland-coastal inequality in China from 1983 to 1995. Journal of Comparative Economics, 1999, 27(4): 686-701. DOI: 10.1006/jcec.1999.1612.

DOI

[39]
李洪涛, 王丽丽. 城市群发展规划对要素流动与高效集聚的影响研究. 经济学家, 2020, 12: 52-61.

[ Li Hongtao, Wang Lili. Research on the influence of urban agglomeration development planning on the flow and efficient agglomeration of elements. Economist, 2020, 12: 52-61.] DOI: 10.16158/j.cnki.51-1312/f.2020.12.006.

DOI

[40]
刘倩, 朱书尚, 吴非. 城市群政策能否促进区域金融协调发展? 基于方言视角下的实证检验. 金融研究, 2020, (3): 39-57.

[ Liu Qian, Zhu Shushang, Wu Fei. Can urban agglomeration policies promote the coordinated development of regional finance? A perspective based on Chinese dialects. Journal of Financial Research, 2020, (3): 39-57.] DOI: CNKI:SUN:JRYJ.0.2020-03-003.

DOI

[41]
张国兴, 温俊娜, 林伟纯, 等. 城市群建设改善还是恶化了城市空气质量? 基于双重差分模型的实证检验. 系统工程理论与实践, 2021, 209: 1-20.

[ Zhang Guoxing, Wen Junna, Lin Weichun, et al. Does urban agglomeration construction improve or deteriorate urban air quality? An empirical test based on the difference-in-difference model. Systems Engineering-Theory & Practice, 2021, 209: 1-20.] DOI: 10.12011/SETP2021-1288.

DOI

[42]
刘永健, 耿弘, 杨小忠. 城市群发展对建设用地价格扭曲的影响. 北京理工大学学报: 社会科学版, 2021, 23(4): 103-112.

[ Liu Yongjian, Geng Hong, Yang Xiaozhong. The influence of urban agglomeration development on construction land price distortion. Journal of Beijing Institute of Technology: Social Sciences Edition, 2021, 23(4): 103-112.] DOI: 10.15918/j.jbitss1009-3370.2021.4887.

DOI

[43]
方创琳. 科学选择与分级培育适应新常态发展的中国城市群. 中国科学院院刊, 2015, 30(2): 127-136.

[ Fang Chuanglin. Scientific selection and grading cultivation of China's urban agglomeration adaptive to new normal in China. Bulletin of Chinese Academy of Sciences, 2015, 30(2): 127-136.] DOI: CNKI:SUN:KYYX.0.2015-02-001.

DOI

[44]
樊杰. 城市群规划编制技术规程. 北京: 科学出版社, 2019: 100-101.

[ Fan Jie. Technical Regulation of Urban Agglomeration Planning. Beijing: Science Press, 2019:100-101.]

[45]
李洪涛, 王丽丽. 城市群协调发展的距离、分割与一体化. 财经科学, 2020, (10): 65-79.

[ Li Hongtao, Wang Lili. The distance, division and integration of coordinated development of urban agglomerations. Finance & Economics, 2020, (10): 65-79.] CNKI: SUN:CJKX.0.2020-10-034.

[46]
Krugman P. Increasing returns and economic geography. Journal of Political Economy, 1991, 99(3): 483-499. DOI: https://doi.org/10.1086/261763.

DOI

[47]
Krugman P, Elizondo R L. Trade policy and the third world metropolis. Journal of Development Economics, 1996, 49(1): 137-150. DOI: https://doi.org/10.1016/0304-3878(95)00055-0.

DOI

[48]
Alonso W. Urban zero population growth. In: MancurOlsen. TheNo-growth Society.Routledge, 2013: 191-206.

[49]
Fujita M, Krugman P R, Venables A. The Spatial Economy:Cities, Regions, and International Trade. Cambridge: MIT Press, 1999: 123-124.

[50]
许政, 陈钊, 陆铭. 中国城市体系的“中心-外围模式”. 世界经济, 2010, 33(7): 144-160.

[ Xu Zheng, Chen Zhao, Lu Ming. The “Center-periphery model” of China's urban system. The Journal of World Economy, 2010, 33(7): 144-160.] DOI: 10.19985/j.cnki.cassjwe.2010.07.009.

DOI

[51]
Bosker M, Buringh E. City seeds: Geography and the origins of the European city system. Journal of Urban Economics, 2017, 98: 139-157. DOI: 10.1016/j.jue.2015.09.003.

DOI

[52]
Hodgson C. The effect of transport infrastructure on the location of economic activity: Railroads and post offices in the American west. Journal of Urban Economics, 2018, 104: 59-76. DOI: 10.1016/j.jue.2018.01.005.

DOI

[53]
黄春芳, 韩清. 高铁线路对城市经济活动存在“集聚阴影”吗?来自京沪高铁周边城市夜间灯光的证据. 上海经济研究, 2019, (11): 46-58.

[ Huang Chunfang, Han Qing. Does the high-speed rail line have an “agglomeration shadow” effect on urban economic activities? Evidence from satellite lights of cities around the Beijing-Shanghai High-speed railway. Shanghai Journal of Economics, 2019, (11): 46-58.] DOI: 10.19626/j.cnki.cn31 1163/f.2019.11.003.

DOI

[54]
陈玉, 孙斌栋. 京津冀存在“集聚阴影”吗? 大城市的区域经济影响. 地理研究, 2017, 36(10): 1936-1946.

DOI

[ Chen Yu, Sun Bindong. Does “agglomeration shadow” exist in Beijing-Tianjin-Hebei region? Large cities' impact on regional economic growth. Geographical Research, 2017, 36(10): 1936-1946.] DOI: 10.11821/dlyj201710010.

DOI

[55]
张晶, 陈海山. 新时期城市化推进过程中集聚阴影研究: 基于高铁通车的视角. 经济学(季刊), 2022, 22(1): 281-302.

[ Zhang Jing, Chen Haishan. A study of agglomeration shadow during urbanization in the new era: The case for high-speed rail. China Economic Quarterly, 2022, 22(1): 281-302.] DOI: 10.13821/j.cnki.ceq.2022.01.14.

DOI

[56]
樊杰, 赵浩, 郭锐. 我国区域发展差距变化的新趋势与应对策略. 经济地理, 2022, 42(1): 1-11.

[ Fan Jie, Zhao Hao, Guo Rui. The new trend and coping strategies of regional development gap in China. Economic Geography, 2022, 42(1): 1-11.] DOI: 10.15957/j.cnki.jjdl.2022.01.001.

DOI

[57]
张可云, 张颖. 不同空间尺度下黄河流域区域经济差异的演变. 经济地理, 2020, 40(7): 1-11.

[ Zhang Keyun, Zhang Ying. The evolution of regional economic disparity in the Yellow River basin at different spatial scales. Economic Geography, 2020, 40(7): 1-11.] DOI: 10.15957/j.cnki.jjdl.2020.07.001.

DOI

[58]
邓仲良, 张可云. 中国经济增长的空间分异为何存在? 一个空间经济学的解释. 经济研究, 2020, 55(4): 20-36.

[ Deng Zhongliang, Zhang Keyun. Why does the spatial differentiation of China's economic growth exist? An interpretation of spatial economics. Economic Research Journal, 2020, 55(4): 20-36.] DOI: CNKI:SUN:JJYJ.0.2020-04-003.

DOI

[59]
杨伟中, 余剑, 李康. 金融资源配置、技术进步与经济高质量发展. 金融研究, 2020, (12): 75-94.

[ Yang Weizhong, Yu Jian, Li Kang. Financial resource allocation, technological progress, and economic high-quality development. Journal of Financial Research, 2020, (12): 75-94.] DOI: CNKI:SUN:JRYJ.0.2020-12-010.

DOI

[60]
陈明华, 刘玉鑫, 王山, 等. 金融发展对城市经济差距的影响效应及传导路径: 基于长三角地区产业分解的经验考察. 城市问题, 2020, (3): 57-67.

[ Chen Minghua, Liu Yuxin, Wang Shan, et al. Influence and transition path of financial development on urban economic gap: An empirical study based on the industrial decomposition in the Yangtze River Delta Region. Urban Problems, 2020, (3): 57-67.] DOI: CNKI:SUN:CSWT.0.2020-03-009.

DOI

[61]
汪川. 政府基建投资的财政乘数: 基于DSGE模型的分析. 财贸经济, 2020, 41(10): 79-95.

[ Wang Chuan. The financial multiplier of government infrastructure investment: An analysis based on the DSGE model. Finance and Trade Economics, 2020, 41(10): 79-95.] DOI: 10.19795/j.cnki.cn11-1166/f.20201019.008.

DOI

[62]
董有德, 夏文豪. 外商直接投资与中国绿色全要素生产率: 基于系统GMM和门槛模型的实证研究. 上海经济研究, 2022, (8): 94-106.

[ Dong Youde, Xia Wenhao. Foreign direct investment and green total factor productivity in China: An empirical study based on system GMM and threshold model. Shanghai Journal of Economics, 2022, (8): 94-106.] DOI: 10.19626/j.cnki.cn31-1163/f.2022.08.009.

DOI

[63]
张学良. 中国交通基础设施促进了区域经济增长吗? 兼论交通基础设施的空间溢出效应. 中国社会科学, 2012, (3): 60-77.

[ Zhang Xueliang. Has transport infrastructure promoted regional economic growth? With an analysis of the spatial spillover effects of transport infrastructure. Social Sciences in China, 2012, (3): 60-77.] DOI: CNKI:SUN:ZSHK.0.2012-03-007.

DOI

[64]
Lucas Jr R E. On the mechanics of economic development. Journal of Monetary Economics, 1988, 22(1): 3-42. DOI: 10.1016/0304- 3932(88)90168-7.

[65]
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, (10): 35-44.

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

DOI

[66]
闫东升, 王玥, 孙伟, 等. 区域经济增长驱动因素与空间溢出效应的对比研究. 地理研究, 2021, 40(11): 3137-3153.

DOI

[ Yan Dongsheng, Wang Yue, Sun Wei, et al. A comparative study on the driving factors and spatial spillover effects of economic growth across different regions of China. Geographical Research, 2021, 40(11): 3137-3153.] DOI: 10.11821/dlyj020200740.

DOI

[67]
Faber B. Trade integration, market size, and industrialization: Evidence from China's National Trunk Highway System. Review of Economic Studies, 2014, 81(3): 1046-1070. DOI: 10.1093/restud/rdu010.

DOI

[68]
宋马林, 金培振. 地方保护、资源错配与环境福利绩效. 经济研究, 2016, 51(12): 47-61.

[ Song Malin, Jin Peizhen. Regional protection, resource misallocation and environmental welfare performance. Economic Research Journal, 2016, 51(12): 47-61.] DOI: CNKI:SUN:JJYJ.0.2016-12-005.

DOI

Options
文章导航

/

〈 〉