EN中文

地理研究 >

2024 , Vol. 43 >Issue 12: 3137 - 3157

DOI: https://doi.org/10.11821/dlyj020231014

研究论文

中国去工业化城市的时空分布特征与影响因素

  • 王文刚 , 1, 2, 3 ,
  • 崔承润 , 1 ,
  • 李敏 1 ,
  • 李汝资 4
展开
  • 1.河北师范大学地理科学学院，石家庄 050024
  • 2.河北省高等学校人文社会科学重点研究基地“河北师范大学地理计算与规划研究中心”，石家庄 050024
  • 3.河北省环境演变与生态建设实验室，石家庄 050024
  • 4.南昌大学经济管理学院，南昌 330031
崔承润（1998-），男，河北保定人，主要从事城市与区域发展研究。E-mail:

王文刚（1984-），男，吉林敦化人，副教授，硕士生导师，主要从事城市与区域发展研究。E-mail:

收稿日期: 2023-11-10

  录用日期: 2024-09-11

  网络出版日期: 2024-12-09

基金资助

国家自然科学基金项目(42101168)

河北师范大学科技类研究基金项目(L2020Z07)

收起

Spatio-temporal distribution characteristics and influencing factors of deindustrialized cities in China

  • WANG Wengang , 1, 2, 3 ,
  • CUI Chengrun , 1 ,
  • LI Min 1 ,
  • LI Ruzi 4
Expand
  • 1. School of Geographical Sciences, Hebei Normal University, Shijiazhuang 050024, China
  • 2. Hebei Key Research Institute of Humanities and Social Sciences at Universities “GeoComputation and Planning Center of Hebei Normal University”, Shijiazhuang 050024, China
  • 3. Hebei Key Laboratory of Environmental Change and Ecological Construction, Shijiazhuang 050024, China
  • 4. School of Economics and Management, Nanchang University, Nanchang 330031, China

Received date: 2023-11-10

  Accepted date: 2024-09-11

  Online published: 2024-12-09

Fold

摘要

去工业化是技术进步、产业升级及生产全球化等因素作用下出现的区域经济现象，但过早去工业化会影响区域经济高质量发展。本文依据中国市域层面制造业占比变化特征识别去工业化城市，分析其时空分布特征，探究相关因素对城市去工业化的影响。结果发现：① 2000—2020年，中国市域层面去工业化发展具有普遍性，去工业化城市比率随城市规模等级的提高而增加。去工业化城市呈现由北而南、东多西少的空间分布特征。新增去工业化城市数量随时间发展先增后减，集中出现在2011—2014年。② 中国市域层面去工业化多为过早去工业化，占去工业化城市的56.48%，主要分布于中西部地区。资源型城市因其结构刚性及资源禀赋问题，更易发生过早去工业化。③ 城市去工业化发展受多种因素影响，金融化水平和科技创新能力等因素在产出、就业去工业化两个方面均表现出显著的正向驱动作用，生产率水平、资源禀赋、区际产业分工与合作、环境规制等因素对产出和就业去工业化表现出相异的影响。相较于生产要素成本上升对东部地区城市去工业化的显著影响，中部、西部和东北地区受金融化水平和交通连通性的推动作用更为明显。区际产业分工与合作易引致西部和东北地区去工业化现象的出现，但却利于东、中部地区工业化的发展。

关键词： 去工业化; 过早去工业化; 制造业; 区域差异

本文引用格式

王文刚 , 崔承润 , 李敏 , 李汝资 . 中国去工业化城市的时空分布特征与影响因素[J]. 地理研究, 2024 , 43(12) : 3137 -3157 . DOI: 10.11821/dlyj020231014

Abstract

Deindustrialization is a regional economic phenomenon that has emerged as a result of technological progress, industrial upgrading and the globalization of production, but premature deindustrialization can adversely affect the high-quality development of regional economies. This paper identifies deindustrialized cities based on the characteristics of changes in the proportion of manufacturing industries at the city level in China, analyzes their spatial and temporal distribution characteristics, and explores the impact of related factors on urban deindustrialization. The results are found: (1) From 2000 to 2020, the development of deindustrialization at the municipal level in China is universal, and the ratio of deindustrialized cities increases with the increase of city size class. The number of newly added deindustrialized cities expanded and then contracted over time, with a concentration in 2011-2014. (2) Deindustrialization at the municipal level in China is more likely to be premature deindustrialization, accounting for 56.48% of deindustrialized cities, mainly in the central and western regions. Resource-oriented cities are more prone to premature deindustrialization because of their structural rigidity and resource endowment. (3) The deindustrialization of cities is influenced by various factors. Financialization and technological innovation significantly drive deindustrialization in terms of both output and employment. Factors such as productivity levels, resource endowments, interregional industrial division and cooperation, and environmental regulations have different impacts on output and employment deindustrialization. Compared to the significant impact of rising production factor costs on deindustrialization in eastern cities, the central, western, and northeastern regions are more influenced by the levels of financialization and transportation connectivity. Interregional industrial division and cooperation tend to induce deindustrialization in the western and northeastern regions, yet they facilitate industrial development in the eastern and central regions.

Key words： deindustrialization; premature deindustrialization; manufacturing; regional differences

1 引言

工业革命以来，工业化成为世界经济发展的主题，被视为地区经济增长的引擎和动力[1]。但第二次世界大战以后，“去工业化”一词开始出现[2]，被视为新国际劳动分工背景下基于产业升级和转移的产业结构演化过程，常用经济体内部制造业增加值和就业占比的持续下降对其进行刻画[3]。20世纪70年代，英美等发达国家陆续呈现出去工业化特征[4]。至90年代，去工业化已经成为一种普遍现象，并在国际上不断扩展[5]，发展中国家不断加入这一行列。随着产业发展转型升级，中国制造业部门增加值和就业占比在2011和2012年先后达到峰值并开始下降，服务业份额持续上升，进入到以去工业化为特征的工业化后期阶段[6]。
Rownthon和Ramaswany最先对去工业化进行了定义，界定其为制造业就业人数占总就业人数比例下降的过程，成为早期学者判断一个国家或地区是否发生去工业化的重要依据[7]。其后，去工业化内涵不断丰富，反映出与就业占比相应的增加值占比、贸易、投资及城市化等社会经济结构的变化与转型[8,9]。去工业化与经济服务化、产业升级密切相关，是多因素作用下的区域经济现象，映射出区域产业结构和区域发展路径的演变，具有多尺度时空特征。在旧国际劳动分工模式下，去工业化主要表现为产业转移与区际分工形式下的区域性去工业化[3]，如美国内部制造业空间重构过程中，其东北部和中西部率先呈现的制造业衰退特征[10]。在全球化背景下，全球价值链分工转向生产性服务业与制造业的分离，催生了国际垂直专业化分工的出现[11]。发达国家或地区以跨国公司为载体掌控全球价值链的核心环节，将低端制造业转移至发展中国家或地区。在此过程中，生产性服务业规模化发展且服务活动在非服务产业内部广泛渗透，在产业结构中占比超过工业，呈现经济服务化特征[12]。产业升级与转移的互动发展促使发达国家去工业化由内部的区域性去工业化转向国家整体去工业化，如英国、美国后期呈现出的总量、整体性去工业化[10]。发展中国家积极参与新型国际分工，不断嵌入全球生产网络，承接发达国家的制造业转移，一定时期内制造业表现出上升趋势，但随着不断积累，内部将出现经济服务化和去工业化倾向。
演化经济地理学认为区域产业演化具有路径依赖性，是内、外部因素综合作用的过程[13]。去工业化最初因地区经济条件、科技水平等的差异引致了产业转移，推动区域尺度去工业化的出现[14]。技术创新是地理空间产业演变的关键驱动力[15]，制造业作为技术进步行业，一国或地区技能倾向的技术变革会带动其生产效率提高，劳动力需求减少，产品价格相对下降[16]。同时，随着经济发展，居民收入水平提高，人们消费模式逐渐转向服务消费[17]。制造业、建筑业等生产性企业内部服务性活动发展，形成生产-服务型体系，经济服务化趋势明显[12]，推动了去工业化进程。此外，资本要素配置及服务业吸纳就业能力等内部因素也会推动去工业化现象的出现[18]。外部因素方面，发展型国家理论强调了国家和政府在本国产业升级过程中扮演着重要角色[19]。以提高产业竞争力及满足环境规制要求等多目标下的地方产业政策的实施，可能会使其开启去工业化进程。如发展中国家通过干预利率和汇率等关键价格的轨迹，导致基本产品出口一定程度取代工业品出口，产生特殊形式的去工业化——荷兰病现象[20]。在全球化背景下，经济全球化的深度发展使各国联系日益紧密，不同国家和地区遵循比较优势原则嵌入全球化生产网络，在生产空间重构过程中，中低端制造业不断转移至低生产成本区域，导致移出区域制造业占比的下降[21]。便捷的国际贸易与分工使产品可获得性增强，居民对本国工业品依赖度降低，进一步推动去工业化的发生[22]。自2008年金融危机爆发，去工业化弊端逐渐显露，失业问题加剧的同时造成劳动者对资本家经济依附性的加深，劳动者就业稳定性下降，社会问题凸显，众多西方国家相继提出“再工业化”口号[23]。与西方国家工业发展相对成熟后的去工业化不同，发展中国家的去工业化多为人均收入水平较低的过早去工业化，此种去工业化可能会加剧经济“脱实向虚”，对未来经济持续健康增长产生负面影响[10]，不利于高质量发展。党的二十大报告提出，中国要建设现代化产业体系，坚持把发展经济的着力点放在实体经济上，推进新型工业化，加快建设制造强国。特别在全球产业结构调整和科技创新驱动变革的当下，中国的高质量发展已经成为时代的必然要求，这离不开工业尤其是高质量制造业的支撑。在此背景下，识别中国的去工业化城市，分析其时空特征并探究其影响因素，可以丰富对这一现象的认知，有助于为区域实体经济发展提供参考。
当前去工业化的相关研究主要基于经济学视角展开，研究尺度多集中在中宏观层面，对国家或典型地区去工业化的发生机制与影响效应等展开探索[24,25]，鲜有研究从地理学视角对中微观尺度的去工业化特征与影响机制进行探讨。基于此，本文以中国288个地级行政区为研究对象，对中国市域层面的去工业化现象进行探究，重点回答3个问题：① 哪些城市出现去工业化现象?② 去工业化城市的分布有何时空特征?③ 影响中国城市去工业化的因素是什么?

2 研究方法与数据来源

2.1 研究方法

2.1.1 去工业化城市识别

已有研究多认为制造业增加值和就业占比是度量去工业化的核心指标，本文据此建立度量体系用以识别中国发生去工业化的城市[26]。结合数据的可获取性，使用城市工业增加值、城镇非私营单位制造业就业人数占城市GDP、城镇非私营单位就业人数的比例（以下称制造业增加值占比和制造业就业占比）来反映城市制造业增加值和就业占比的变化趋势（表1）。当制造业增加值占比持续下降时，称之为产出去工业化；就业占比持续下降时，称之为就业去工业化；二者同时呈持续下降趋势 ① 时，判定为去工业化城市。
表1 去工业化度量指标体系

Tab. 1 Measurement index system of deindustrialization

测度因子 代码 指标
制造业增加值占比 X1 工业增加值占GDP比例
制造业就业占比 X2 城镇非私营单位制造业就业占城镇非私营单位总就业人数比例

2.1.2 Mfuzz聚类分析

Mfuzz聚类分析是基于宽松聚类算法的一个R Package，最初用来处理基因表达或蛋白表达图谱数据而开发的一种聚类方法（http://mfuzz.sysbiolab.eu）[27]。本文基于软件R4.2.2，通过Mfuzz聚类分析分别对去工业化城市制造业就业和增加值占比的时间变化趋势进行聚类，了解其去工业化的趋势特征。其中，Mfuzz聚类参数为： C = 2，min.std<0.01。

2.1.3 双向固定效应模型

基于识别出的去工业化城市，本文使用双向固定效应模型测度人均收入水平与制造业占比之间的关系[28]，据此进一步识别其中发生过早去工业化的城市。公式如下：
M a n s h a r e i t = β 0 + β 1 l n p e r G D P i t + β 3 l n p o p i t + o t h e r s i t + μ i + λ t + ε i t
M a n s h a r e i t = β 0 + β 1 l n p e r G D P i t + β 2 ( l n p e r G D P i t ) 2 + β 3 l n p o p i t + β 4 ( l n p o p i t ) 2 + o t h e r s i t + μ i + λ t + ε i t
式中：Manshareit为城市i在t年的制造业占比，本文分别用就业占比和增加值占比两种方式进行表征；perGDPit为城市i在t年的人均收入水平；popit为城市i在t年的总人数；othersit为其他控制变量；μi表示个体效应；λt为时间效应；εit为残差项。

2.1.4 空间计量模型

去工业化作为一种区域产业结构演变过程，存在明显的空间相关性，忽视此种特征下的回归结果可能产生误差，故本文建立空间计量模型，从内部与外部两方面探究城市去工业化的影响因素。为了更为准确的测度城市去工业化的发生原因，需要选取最为合适的空间计量模型进行参数估计。本文使用LM、LR、Wald以及Hausman等方法进行检验，LR_ind检验结果不显著，其余检验均拒绝原假设，最终选取固定时间效应的空间杜宾模型[29]。其中，在空间权重方面，为综合考虑地理因素与经济因素的影响，选取经济地理空间权重矩阵。公式如下：
l n M a n v i t = c + ρ W i t l n M a n v i t + α 1 s e c p i t + α 2 f c i t + . . . + α 11 i c i t + β 1 W i t s e c p i t + β 2 W i t f c i t + . . . + β 11 W i t i c i t + ψ t + ε i t
l n M a n e i t = c + ρ W i t l n M a n e i t + α 1 s e c p i t + α 2 f c i t + . . . + α 11 i c i t + β 1 W i t s e c p i t + β 2 W i t f c i t + . . . + β 11 W i t i c i t + ψ t + ε i t
式中：Manv和Mane分别表示制造业增加值占比和就业占比；ρ代表空间自回归系数；αi和βi分别为各解释变量的回归系数和空间溢出强度；ψt表示时间固定效应；εit为随机误差项。

2.2 数据来源及处理

2000年后，中国劳动力成本和竞争压力不断攀升，制造业首轮产业重构路径弊端逐渐暴露，触发了第二轮制造业重构[30]。结合去工业化的过程性及研究数据的可得性，本文以2000—2020年为研究期。工业增加值、国内生产总值、城市职工平均工资水平、房地产实际投资额、人均GDP、外贸进出口总额、城市每万人拥有公共汽车数量、港口、机场和公路路网密度等数据主要来源于《中国城市统计年鉴》《中国人口和就业统计年鉴》《中国港口统计年鉴》《中国民航统计年鉴》以及各地级市统计年鉴和统计公报；城镇非私营单位制造业、金融业、总就业人数和外商实际投资额数据来源于中经数据库（https://ceidata.cei.cn/）和国泰安数据库（http://cndata1.csmar.com/）；环保词汇词频数据来源于地级市政府工作报告，资源型城市名单来源于国务院印发的《全国资源型城市可持续发展规划（2013—2020年）》。
本文将研究尺度聚焦于市域层面，基于数据的可获取性，最终选择中国4个直辖市和284个地级市作为研究对象，缺失数据城市占比为3%，主要为西部地区城市。因儋州市2015年被国务院正式批准为地级市，考虑相关数据的连续性和准确性，在实证分析中剔除这一城市。对于个别数据缺失年份，使用stata软件进行插值法补全[31]。实际人均收入数据以2000年为基期进行平减处理[32]。对回归分析中所需变量进行对数处理。

3 去工业化城市空间分布格局与演化

3.1 去工业化现状特征

通过288个样本城市的制造业就业和增加值占比的变化特征发现，232个城市出现就业去工业化倾向，226个城市出现产出去工业化倾向，其中二者占比均呈持续下降态势的城市共193个，占比达67.01%，中国市域层面去工业化已经成为一种普遍现象。城市作为服务业发展的主要平台，服务业规模和发展水平很大程度取决于城市的规模与发展水平[33]。参考国务院《关于调整城市规模划分标准的通知》将城市划分为五大规模等级，发现去工业化多发生在规模较大城市（表2）。在前、中工业化阶段，工业发展对城市规模扩大有着更为显著的作用。进入后工业化阶段后，大城市对于服务经济的发展越来越重要[34]，服务业从业规模与城市规模间呈现超线性增长关系。规模较大的城市普遍以工业经济为城市发展之基石，工业发展历史相对较长，也较早进入经济服务化发展阶段，更易出现去工业化趋势。世界著名的服务型城市如伦敦、纽约、东京、北京等，均是以工业经济促进城市规模增长，继而由服务型经济进一步推动城市发展。
表2 各规模等级城市去工业化情况

Tab. 2 Deindustrialization in cities of various size classes

类别 小城市 中等城市 大城市 特大城市 超大城市
样本城市数量（个） 76 111 80 14 7
去工业化城市数量（个） 36 69 68 13 7
所占比例（%） 42.37 62.16 85.00 92.86 100.00
就业去工业化城市数量（个） 52 85 74 14 7
所占比例（%） 68.42 76.58 92.50 100.00 100.00
产出去工业化城市数量（个） 47 86 73 13 7
所占比例（%） 61.84 77.48 91.25 92.86 100.00
去工业化城市空间分布的梯度差异显著（图1）。参照国家“七五”计划、西部大开发等政策以及部分研究惯例，将中国划分为东部、中部、西部和东北地区，各地区去工业化城市的数量分别为76个、48个、51个和18个，占本区样本城市数量的87.36%、60.00%、58.62%和52.94%。改革开放使得中国进入了全球市场大分工的体系，中国开始实行非均衡的区域发展政策，国内工业空间被重塑，东部地区在经济产出、发展水平与速度、制造业占比方面均具有明显优势[35]。这使东部地区工业发展成熟度高于中、西部和东北地区，城市经济转型发展亦早于其他地区。东部地区去工业化城市空间分布连续性最强，呈条带状分布特征。东北地区去工业化城市主要分布于中部和东部区域。中部地区去工业化城市在秦岭-淮河线以南分布集聚性较强，以北则相对分散。西部地区缺失数据城市相对较多，研究区域主要形成了以甘肃省城市为核心的西北去工业化集中区和以云、贵、川三省交界处为核心的西南去工业化集中区。
图1 去工业化城市空间分布

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)4619号）绘制，底图边界无修改。

Fig. 1 Spatial distribution of deindustrialized cities

通过Mfuzz聚类基于去工业化城市制造业占比的时间变化趋势构建出聚类图谱（图2），依据变化趋势与幅度，将Cluster1和2的表征类型分别归纳为：就业平缓下降型去工业化（图2a）、就业先升后降型去工业化（图2b）；产出平缓下降型去工业化（图2c）、产出先升后降型去工业化（图2d）。就业平缓下降型去工业化在研究期内保持了稳定的下降趋势，其余类型在研究期后半段也均呈现出5年以上的稳定变化趋势。无论是就业去工业化或产出去工业化，两类城市皆在Cluster1中分布数量较多，同时反映出多数城市就业去工业化的出现时间普遍早于产出去工业化。技术进步等引发的劳动力替代效应及服务经济发展可以引致制造业就业结构相对于产出结构更早发生改变。
图2 去工业化城市聚类图谱

Fig. 2 Cluster mapping of deindustrialized cities

综合就业和产出去工业化趋势的聚类结果，将去工业化城市划分为四类：“就业-产出”双下降型、“就业-产出”先升后降型、产出下降-就业先升后降型、就业下降-产出先升后降型去工业化城市（图3）。“就业-产出”双下降型城市的制造业就业占比持续下降，产出占比在2008年左右逐步下降。此类城市主要分布于东部，如北京、天津、上海、南京、广州等城市制造业发展相对成熟，较早调整产业结构，多为正常、积极的去工业化；在中西部和东北地区，区域中心城市如重庆、太原、武汉、合肥、大连等，制造业发展基础较好，也较早进入转型发展期，而大同、大庆、洛阳、攀枝花、白银等资源型城市，产业与就业结构的单一性使其在面临资源枯竭约束时进入转型发展阶段，多为过早的、消极的去工业化。2008年国际金融危机爆发后，全球经济复苏乏力使中国工业增长下行、产能过剩问题更加突出，在西方发达国家“再工业化”战略、中国制造业生产成本挤压下的产业转移及产业升级等多重力量推动下，此类型城市的制造业产出占比开始逐步下降。“就业-产出”先升后降型城市的制造业就业与产出占比在研究期前半段呈增长态势，2015年前后就业与产出占比均持续下降。此类城市主要分布于中东部地区，如淮安、滨州、宜春、常德等，东部地区内部产业转移及劳动密集型制造业向中西部内陆地区转移，促进了这些城市前期制造业的发展。党的十八大之后，生态文明建设的地位和作用日益凸显，中国开始实施更为积极的产业结构调整政策，淘汰落后产能，叠加全球经济发展乏力，这些城市制造业就业与产出占比也因此先升后降。就业下降-产出先升后降型城市的制造业就业占比在研究期内持续下降，2012年左右产出占比持续下降。此类城市主要分布在中西部地区，其中近半数为铜陵、白山、宝鸡等资源型城市，随着资源开采与初级加工产业的技术进步和产业升级，往往导致对劳动力的需求减少。除资源型城市外，还包括石家庄、南昌、德州、绵阳等传统工业城市，这些城市的工业行业中一般加工工业和资源密集产业发达，但对就业的拉动作用并不明显。2012年后国家产业结构政策调整对此类城市的制造业发展影响较大，在新兴产业发展不足的情况下，其制造业产出占比不断下降。产出下降-就业先升后降型城市的制造业产出占比在2008年后持续下降，就业占比的持续下降晚于前者。此类城市数量较少，且70%以上分布于东部地区。这些城市多为制造业强市，包括苏州、中山、无锡、长沙、烟台、宁波等，其制造业就业吸纳能力较强，2016年前后随着去产能、数字经济和服务经济的发展，其制造业就业人口占比也持续下降，产业结构逐步转入“三二一”格局，其中过早去工业化城市占比为32.14%。
图3 去工业化城市类型的空间分布

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)4619号）绘制，底图边界无修改。

Fig. 3 Spatial distribution of urban deindustrialization clusters

3.2 过早去工业化现象识别

过早去工业化是经济结构演变的正常拐点到达之前出现的去工业化趋势，主要指发展中国家或地区在人均收入水平远低于发达国家或地区时发生的去工业化现象[36]16。由制造业占比和人均收入水平的散点图可知（图4），制造业增加值和就业占比都与人均收入水平呈现“倒U型”关系，即随着人均收入的提高，就业和增加值占比呈现先升后降的趋势。不同城市制造业比例峰值的出现时间和大小存在差异，如果某城市制造业峰值水平出现在人均收入水平较低的发展阶段，可识别其为过早去工业化。
图4 制造业占比与人均收入水平关系

Fig. 4 Relationship between the proportion of manufacturing industry and per-capita income level

基于Hausman检验结果使用固定效应模型分析制造业占比与人均收入水平之间的关系。结果显示（表3）人均收入水平一次项系数为正，平方项系数为负，且影响效应均显著，这说明制造业占比与人均收入水平之间呈现“倒U型”非线性关系。基于国际经验，制造业份额持续下降是经济进入高收入发展阶段才会显现的特征。世界银行2020财年将2018年人均CNI超过12376美元的国家划分为高收入国家，2018年中国人均CNI仅9460美元[37]。也有学者以10000美元为临界值，认为低于此收入水平的国家发生的去工业化为过早的去工业化[36]5。本研究聚焦于市域尺度，如果按照上述标准识别过早去工业化城市，中国绝大多数城市均会呈现过早去工业化特征。去工业化是一种多尺度的产业发展演化现象，在统一市场条件下，后发工业化区域的工业比例峰值点会逐渐下降[28]。此外，中国的去工业化为区域性、结构性去工业化，在全球环境下中国仍为工业大国。因此，本文以全样本城市为标准，当某一城市制造业比例峰值所对应的人均收入应低于整体样本城市对应的人均收入时，识别其为过早去工业化城市[38]。通过样本城市数据，计算可得制造业就业、增加值比例达到峰值时对应人均收入分别为28844.38元和24770.19元，若去工业化城市制造业就业和增加值比例达到峰值时对应的人均收入分别低于前述水平，则界定其为过早去工业化城市。由此确定发生过早去工业化的城市数量为109个，占去工业化城市的56.47%。
表3 制造业占比与人均收入相关性

Tab. 3 Correlation between the share of manufacturing and per-capita income

项目 就业占比 增加值占比
模型（1） 模型（2） 模型（3） 模型（4）
人均收入 0.021***（0.005） 0.761***（0.016） 0.162***（0.004） 0.299***（0.014）
人均收入平方项 -0.031***（0.001） -0.008***（0.001）
总人数 -0.024***（0.006） 0.017（0.046） 0.019***（0.006） 0.133***（0.043）
总人数平方项 -0.004（0.004） -0.111**（0.004）
F统计量 106.06*** 105.57*** 119.93*** 120.89***
R² 0.8510 0.8522 0.8661 0.8684
调整后的R² 0.8430 0.8441 0.8587 0.8613
样本量 6048 6048 6048 6048

注：***、**、*分别表示1%、5%、10%的显著性水平；括号内为标准误。

中国去工业化城市数量在东、中、西、东北4个区域依次递减，但过早去工业化城市数量西部最多、东部和中部次之、东北地区最少，其中，西部地区去工业化城市中过早去工业化占比达82.35%。资源型城市因其结构刚性及资源禀赋问题，较为容易出现过早去工业化（图5）。参考国务院印发的《全国资源型城市可持续发展规划（2013—2020年）》，发现去工业化城市中73个为资源型城市，分别占东、中、西部和东北地区样本城市的21.84%、46.25%、45.97%、55.88%。中西部地区资源型去工业化城市多数为过早去工业化，中部地区过早去工业化城市中资源型城市的占比为43.33%，全部资源型城市中发生过早去工业化占比为35.14%，西部地区相应比例分别为54.76%和57.50%。资源型城市成为中西部地区去工业化城市的主要组成部分，此类城市产业演化的路径依赖性较强，产业转型困难，新兴产业发展乏力，易出现过早去工业化情况。东北地区作为老牌工业基地之一，拥有雄厚的产业基础，虽然资源型城市占比较高，但过早去工业化城市占比低于中西部地区。东部地区因资源型城市占比相对较小，且区位优势等使其更易实现产业转型升级发展，因而过早去工业化的占比相对较低。
图5 过早去工业化城市特征

注：去工业化是新国际劳动分工背景下基于产业转移和升级的产业结构演化过程，主要表现为经济体内部制造业增加值和就业占比持续下降的现象[3]；过早去工业化则是经济结构演变的正常拐点到达之前出现的去工业化趋势[36]16。

Fig. 5 Characteristics of prematurely deindustrialized cities

3.3 去工业化城市时空演化特征

结合已有研究，本文将研究时段划分为5个阶段：即2000—2001年工业化初期后半阶段、2002—2004年工业化中期前半阶段、2005—2010年工业化中期后半阶段、2011—2014年工业化后期前半阶段、2015—2020年工业化后期后半阶段 ② [39,40]。因工业化初期后半阶段不存在去工业化城市，故对其余阶段发生去工业化城市的空间分布进行分析。
中国去工业化现象较早出现在北部地区，逐渐向南方发展；去工业化城市新增数量伴随时间发展先增后减，集中出现在2011—2014年（图6）。工业化中期前半阶段，发生去工业化的城市数量为10个，零散分布于内陆地区，60%为过早去工业化。工业化中期后半阶段，新增去工业化城市43个，4个地区相较于前一阶段数量均有所增加。东部地区的山东及长三角地区去工业化城市呈集聚分布特征，前者多为过早去工业化；后者是改革开放后中国制造业率先崛起地区之一，制造业发展较为完善，多为正常的去工业化。中西部地区去工业化城市数量增加较少，大量城市为过早去工业化城市。此阶段去工业化现象多发生在2008年之后，与部分城市的外向型经济特征及全球金融危机关系密切。东北地区新增去工业化城市多分布于黑龙江省，且全部为过早去工业化城市。工业化后期前半阶段去工业化城市数量大幅增长，新增112个，呈片状分布特征。该阶段中国工业化水平得到显著提升，部分城市也随之出现了去工业化趋势，这与已有研究结论大体一致[4]。东部地区河北、广东和东北地区的辽宁等省份大量城市在该阶段陆续开启去工业化进程，其中河北省城市多为过早去工业化；中部地区新增39个去工业化城市，其中湖南、山西等省份增长尤为明显；西部地区去工业化城市数量亦增长显著，特别是四川、云南和甘肃三省，但74.28%以上为过早去工业化。2010年后国际市场持续低迷、国内需求增速放缓，加之国家产业政策的调整，对本阶段去工业化城市的增加有重要影响。世界金融危机后，欧美等国家纷纷提出再工业化战略。为应对制造业国际新形势，中国2015年颁布《中国制造2025》发展规划，致力于推动制造业发展。因此，工业化后期后半阶段新增去工业化城市数量大幅减少，为28个，多为中部地区城市。
图6 不同阶段新增去工业化城市

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)4619号）绘制，底图边界无修改。

Fig. 6 Spatial distribution of deindustrialized cities at different stages

4 城市去工业化的影响因素分析

4.1 分析框架

去工业化是区域产业转移、升级的动态演化过程，其作为经济增长和发展过程中的特殊事实，是由多种因素综合作用的结果[41]。本文从产业结构演化的内、外部因素视角探讨中国市域尺度去工业化发生的原因。对去工业化的影响因素分析框架见图7。
图7 去工业化影响机制框架图

Fig. 7 Framework of deindustrialization impact mechanisms

区域产业进入、成长、衰退和退出的动态演化过程体现出区域产业发展的路径，其不仅受制于区域内生产率[3]、生产要素成本[42]、资源禀赋、市场需求、技术、人才[43]等内部因素的差异性，还受到全球化、制度政策[44]、国际竞争[45]、产业分工[3]等外部因素的影响。企业为了在市场竞争中脱颖而出，竭尽所能提高生产效率以增加竞争优势[46]。去工业化的发生很大程度源自区域内部制造业生产率的快速增长及制成品价格的不断下降[26]。制造业的利润和劳动力需求会伴随生产要素成本和人均收入水平的提高而下降，部分制造业转移至生产成本较低地区，转出区的资本及劳动力易涌向服务业。一些地区甚至简单的将服务业占据主导作为产业结构优化的重要标志，进一步引致资源要素流入服务部门，从而推动去工业化发生[10,47]。地区间本地能力和资源禀赋条件的差异对区域尺度去工业化具有重要影响。中国作为世界上最大的发展中国家，生产要素空间分布的差异性显著，区域间比较优势不同[11]。在数字经济快速发展背景下，企业的创新、人力资本条件等对制造业升级具有显著影响[48]。在外部因素中，改革开放以来，中国从市场化、全球化和区域分权3个方面重塑了经济地理格局[49]，凭借低廉的劳动力成本、巨大的国内市场和宽松的制度环境等优势，制造业企业积极融入全球生产网络[50]。但近年来，这种高度依赖低成本、低技术和低工资的生产模式受到挑战，中国制造业在多重压力下展开产业升级[51,52]。随着全球化的深度发展，对外开放成为不可逆的世界潮流和经济发展的关键推动力。日益开放的市场使得国家之间、城市之间相对自由地在多尺度区域内配置资源，使企业、劳动力、资源等发生转移，推动国际、区域产业分工与重组。外商直接投资可以形成产业关联效应与创新驱动效应，利于促进东道国产业结构的转型升级[53]。较之全球化发展带来的国际分工与重组，地区交通连通性能影响区域产业分工，可以更为直接的对区域去工业化产生影响。此外，国家的自然环境和政治环境同样对制造业发展影响明显，政府通过贸易、货币[26]、税收[45]、环境[54]等相关政策的实施会在一定程度弱化产业关联的作用，影响产业结构的演变[44]。
综上，依据影响因素和数据一致性，本文使用制造业生产率指标表征企业生产效率、劳动力成本表征生产要素成本、房地产和金融业发展水平表征要素配置特征、人均收入水平表征市场消费需求特征、科技创新能力表征本地创新能力、资源型城市表征资源禀赋特征；使用外贸进出口水平表征对外开放水平、实际利用外资水平和交通连通性表征国际与区际产业分工、环境规制表征政策制度（表4）。据此，探究城市去工业化发生的内、外部因素的影响。
表4 城市去工业化影响指标体系

Tab. 4 System of indicators of the impact of urban deindustrialization

变量类型 变量名称 计算方式
被解释变量 产出去工业化（Manv） 1-制造业增加值占比
就业去工业化（Mane） 1-制造业就业占比
内部因素 生产率水平（secp） 第二产业生产总值/就业人数
生产要素成本（fc） 城市职工平均工资水平
房地产业发展水平（red） 房地产实际开发投资额/GDP
金融化水平（finl） 城镇非私营单位金融业就业人数/城镇非私营单位总就业人数
人均收入水平（pgdp） 人均GDP
资源禀赋（rbc） 资源型城市名单
科技创新水平（tec） 城市授予专利总量
外部因素 实际利用外资水平（fdi） 外商直接投资额/GDP
对外开放水平（oow） 外贸进出口总额/GDP
环境规制（er） 环保词汇词频数与地级市政府工作报告词频之比
交通连通性（ul） 基于改进熵值法的港口、机场和公路路网密度综合计算

4.2 回归结果分析

回归结果显示（表5）：城市产出去工业化的空间滞后项系数表现出显著的负向影响，就业去工业化的空间滞后项系数表现出非显著的负向影响，表明了去工业化具有一定的空间内生性交互效应，城市间的工业化发展存在着竞争效应。依据各解释变量的影响系数及空间滞后系数可知，各影响因素直接作用于城市去工业化的同时，也会通过空间溢出机制对邻近城市去工业化的发展产生影响。虽然模型纳入了空间滞后变量，但回归结果与效应分解结果差异较小，结合论文整体篇幅，此处并未进行效应分解讨论。以下为内外部因素对城市去工业化影响的具体分析。
表5 空间杜宾模型回归结果

Tab. 5 Spatial Dubin model regression results

变量 产出去工业化 就业去工业化
coef Wx coef Wx
lnsecp -0.0154** 0.0611** 0.0446*** 0.0318*
（0.0081） （0.0246） （0.0062） （0.0184）
lnfc -0.0062 0.1053** 0.0807*** 0.1065***
（0.0184） （0.0573） （0.0140） （0.0442）
lnred 0.0920*** -0.0442** -0.0011 -0.0060
（0.0060） （0.0175） （0.0045） （0.0135）
lnfinl 0.0748*** -0.1030*** 0.1117*** -0.1204***
（0.0097） （0.0274） （0.0074） （0.0214）
lnpgdp -0.2334*** -0.0381 -0.0221** -0.2556***
（0.0165） （0.0456） （0.0126） （0.0352）
lnrbc -0.0744*** 0.0531*** 0.0148*** -0.0746***
（0.0065） （0.0182） （0.0050） （0.0139）
lntec 0.1334*** -0.1062*** 0.1445*** -0.1761***
（0.0159） （0.0473） （0.0121） （0.0360）
lnfdi 0.0065 0.0195 -0.0189*** -0.0052
（0.0059） （0.0162） （0.0044） （0.0121）
lnoow 0.0276** 0.2678*** -0.3340*** 0.2274***
（0.0187） （0.0523） （0.0142） （0.0415）
lner 0.0700*** -0.0748 -0.0909*** -0.0831*
（0.0212） （0.0652） （0.0164） （0.0495）
lnul 0.1182*** -0.2018 -0.0404** -0.1621***
（0.0194） （0.0526） （0.0148） （0.0399）
ρ -0.0170* -0.0132
sigma2_e 0.0363*** 0.0209***
R² 0.4393 0.5561

注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为标准误；lnx表示回归过程进行了对数处理。

内部因素中，金融化水平和科技创新能力是城市去工业化的核心正向因素，且表现出明显的负向溢出效应，对本地和邻近地区制造业的发展起到了“此消彼长”的影响。城市金融化水平和科技创新能力的提高会加快产业转型升级，推动劳动密集型制造业向技术密集型和知识密集型产业转变。在此过程中，易引致经济发展脱实向虚，部分传统制造业的占比会因新产业的发展及新技术的应用而逐渐下降。在其削弱本地实体经济特别是制造业发展的同时，也推动了本地生产要素流入邻近地区，有效抑制了邻近地区去工业化的发生。人均收入水平指标为城市去工业化的核心负向影响因素。城市居民收入水平的上升增强了居民消费能力并促使消费升级，对高质量商品和服务的需求增大，同时促使制造业进行技术创新和产品迭代，吸引更多投资进入制造业领域。但人均收入水平与制造业占比之间更多是一种长期的非线性关系，典型的结构变化路径是：早期人均收入水平的提高伴随着制造业份额的不断增加，但随后人均收入水平不断上升，居民消费倾向更多转向服务需求，制造业在经济发展中的引擎作用有所减弱，所占份额不断下降。此种“倒U型”的非线性关系与上文分析及已有研究结论一致[28]。生产率水平、资源禀赋条件对城市产出、就业去工业化的影响方向相反，后者影响程度较为明显。城市资源禀赋条件的不同，其开发程度及潜力也各不相同。自然资源禀赋状况良好的城市不仅在快速工业化时期的要素与空间组织模式中有利于工业集聚发展，在后期经济服务化发展过程中，对于制造业产出发展仍至关重要。然而，此类城市可能更多发展资源密集型产业，引致本地制造业就业人数占比的轻微下降，邻近地区则相对上升。生产要素成本重点对城市就业去工业化产生了明显的正向影响。生产要素成本提升是影响制造业规模扩张或收缩的重要因素[55]，长三角、珠三角、环渤海等地区正是因为地区租金水平、工资水平等生产要素成本的不断增加，推动区域产业的转型与升级[53]，进而引致制造业减少劳动力需求，大量剩余劳动力涌向服务业，促使城市就业去工业化。在快速城市化阶段，伴随大规模的城市建设和基础设施完善，大量资本、土地等生产要素被吸引至房地产市场中，城市的产业结构发生调整，这些变化对制造业产出占比的提升起到了抑制作用，对就业占比的变化影响不显著。
外部因素中，各指标对产出去工业化的影响系数显著为正，多数指标对就业去工业化的影响系数显著为负，表明了外部因素明显推动了制造业产出占比的下降，但并未对制造业就业带来明显的消极影响。其中，交通连通性是产出去工业化的核心正向影响因素，对就业去工业化具有较低的负向影响。城市产业结构演化易受技术、生产知识、应用和扩散等地方依赖性影响，而城市交通网络的发展有利于打破这种地方根植性，推动区域产业演化[56]。交通连通性较好的城市往往是区域中心城市，这些城市通常较早步入转型发展阶段，服务业占比上升较快。城市交通连通性越好，区际要素流动成本越低，越有利于制造业的转移，引致制造业产出占比不断下降。但与此同时，便利的交通条件会吸引更多的人口和企业在此处聚集，制造业作为城市经济发展的引擎，就业需求可能会有所增加。此外，伴随城市交通连通性发展抑制本地制造业产出占比提高、推动本地就业占比上升的同时，对邻近城市制造业产出、就业占比产生推动作用。对外开放水平和环境规制是就业去工业化的核心负向影响因素，但对产出去工业化具有一定的正向影响。全球化促使全球分工体系建立，城市不断嵌入多重生产网络。在此背景下，城市对外开放水平的提高使得服务业愈发活跃，金融业、信息服务业等现代服务业的增长速度可能超过制造业，从而引致制造业产出占比的降低。如在政府“三来一补”特殊政策与机制作用下，珠三角地区成功吸引了大量的港资企业投资和迁移，打通了全球生产网络链接的路径，实现了经济的快速起飞，推进了地区产业发展和升级[57]。虽然此种背景下城市制造业产出占比有所降低，但伴随进出口贸易的扩大，引致更多的劳动力从事生产活动来满足日渐扩大的国际市场需求[58]，就业占比有所提高。此外，城市对外开放水平的提高也推动了邻近城市去工业化现象的发生。环境规制的强化可能引致资源从规制严格地区向宽松地区转移，促使高污染、高能耗企业因此削减产能或进行迁移，从而降低城市制造业产出占比。但环境规制对城市制造业的发展可能更多表现为长期效应，短期内严格的环境政策虽会影响制造业规模，但从长远来看可以鼓励绿色制造、循环经济的发展，倒逼产业进行技术创新，推动产业结构优化和可持续发展。就业方面，相关研究显示环境规制与就业之间存在U型曲线的动态关系，低污染地区环境规制强度更接近曲线拐点，容易跨过拐点获得工业就业“福利”[59,60]。此外，发生迁移企业可能因距离、环境等因素会优先考虑邻近地区，因此环境规制在两方面的空间滞后系数均显著为负，推动了邻近地区制造业的发展。本文通过更换空间矩阵的方法，使用地理邻接矩阵、地理距离矩阵和经济距离矩阵对回归结果的稳健性进行了检验，结果发现（因篇幅原因，此处未展示稳健性检验结果表）：影响因素的正负效应、相关系数及显著性均未发生明显变化，这说明上述回归结果具有稳健性。

4.3 区域异质性分析

鉴于中国区域经济发展的不平衡及去工业化城市空间分布的差异，本文进一步探究各因素对4个分区城市去工业化的影响（表6）。内部因素中，人均收入水平和资源禀赋条件对东部、中部、西部及东北地区城市去工业化的影响系数方向与全样本城市回归结果一致，其他指标的影响效应存在明显的区域异质性。生产率水平和科技创新能力对分区城市就业去工业化影响方向一致，特别是对中西部城市的正向影响较为明显。在分区城市产出去工业化方面，这两个指标的影响方向和显著性差异明显。其中，科技创新能力是东部城市发生产出去工业化的核心因素。房地产行业发展水平在分区城市就业去工业化方面影响方向不同且均不显著，在分区城市产出去工业化方面虽然影响方向一致，但对于经济发展水平相对较低、制造业发展薄弱的西部地区，房地产业发展对制造业的挤出效应更强。金融化水平是中西部城市去工业化发生的核心因素，对东部和东北地区城市的产出、就业去工业化具有不同影响。特别是在产出去工业化方面，经济落后地区的金融化发展易引致制造业脱实向虚，而经济发展水平较高的区域金融业与制造业相互促进。此外，生产要素成本上升对东、中部地区城市具有正向推动效应，在西部和东北地区表现为明显的负向抑制作用，且效应愈发明显。
表6 东、中、西分区回归结果

Tab. 6 Regression results for the eastern, central and western regions of China

变量 产出去工业化 就业去工业化
东部 中部 西部 东北地区 东部 中部 西部 东北地区
lnsecp 0.006 -0.127*** -0.028*** 0.001 0.017 0.062*** 0.037*** 0.069***
（0.019） （0.018） （0.010） （0.027） （0.016） （0.012） （0.008） （0.017）
lnfc 0.259*** -0.050* -0.062*** -0.305*** 0.307*** 0.195*** -0.058** -0.024
（0.048） （0.028） （0.024） （0.049） （0.041） （0.017） （0.019） （0.031）
lnred 0.077*** 0.061*** 0.104*** 0.069*** 0.009 0.023*** -0.010 -0.043***
（0.014） （0.010） （0.008） （0.016） （0.012） （0.007） （0.006） （0.010）
lnfinl -0.006 0.096*** 0.200*** 0.018 0.189*** 0.120*** 0.085*** -0.099***
（0.018） （0.015） （0.016） （0.030） （0.015） （0.010） （0.012） （0.019）
lnpgdp -0.136*** -0.173*** -0.350*** -0.358*** -0.049 -0.112*** -0.020 -0.038
（0.041） （0.033） （0.020） （0.044） （0.024） （0.022） （0.015） （0.028）
lnrbc -0.048*** -0.105*** -0.033*** -0.048*** 0.039*** 0.010* 0.008 0.020***
（0.016） （0.009） （0.010） （0.018） （0.014） （0.006） （0.008） （0.012）
lntec 0.230*** -0.030 0.093*** -0.021 0.091*** 0.119** 0.249*** 0.081***
（0.042） （0.030） （0.021） （0.050） （0.036） （0.020） （0.016） （0.031）
lnfdi 0.003* -0.036*** 0.146*** 0.051*** -0.058*** -0.044*** 0.037*** -0.025***
（0.013） （0.010） （0.010） （0.017） （0.011） （0.006） （0.007） （0.010）
lnoow -0.123*** 0.215*** 0.150*** 0.083 -0.421*** -0.409*** -0.143*** -0.051
（0.031） （0.058） （0.031） （0.054） （0.026） （0.039） （0.025） （0.034）
lner -0.027 0.117 0.007 -0.164*** -0.212*** -0.014 0.004 -0.128***
（0.042） （0.032） （0.032） （0.055） （0.037） （0.020） （0.025） （0.034）
lnul 0.016 0.275*** -0.079** 0.114* -0.070** 0.001 0.114*** 0.036
（0.034） （0.031） （0.040） （0.070） （0.029） （0.021） （0.031） （0.044）
R² 0.4042 0.5170 0.7742 0.7833 0.6411 0.6643 0.4820 0.7833

注：***、**、*分别表示1%、5%和10%的显著性水平；括号内为标准误；lnx表示回归过程进行了对数处理。

外部因素中，各指标对分区城市产出去工业化的影响方向异质性明显，对分区城市就业去工业化主要产生负向影响。其中，实际利用外资水平是西部城市去工业化的核心因素，对东北地区城市去工业化具有一定的推动作用，对东、中部地区城市去工业化具有明显的抑制效应。东部地区实际利用外资水平的提高能够推动制造业产业升级和技术创新，从而创造更多高质量的制造业就业岗位；中部和东北地区通过吸引外商投资，特别是劳动密集型和技术密集型相结合的制造业项目，有助于弥补地区资本和技术短板，促进当地制造业发展，带动就业增长。而西部地区由于整体产业发展基础条件的限制，外资对制造业就业占比的直接拉动效应不如东北地区显著，甚至在一定程度上可能由于产业转移导致某些传统制造业岗位减少。此外，中部和东北地区交通条件的改善加快了现代物流、电子商务等服务业的发展，有利于服务业在经济总量中占比的提升，而西部地区的交通网络则障碍了区域制造业发展。对外开放水平对分区城市产出去工业化的影响异质性明显。城市对外开放水平的提高更有利于东部地区深度参与全球价值链，利用国际贸易优势扩大生产和销售规模，促进制造业技术升级和产能扩张；而中、西部地区的产业结构与东部地区不同，对资源开发、初级产品加工以及劳动密集型产业更为依赖，对外开放水平的提高使其在全球金融危机等冲击下部分低端制造业发展可能会受到阻碍，导致原有制造业产出占比下降。环境规制的分区回归结果显示出中西部地区可能仍处于U型曲线的左侧，尚未跨过拐点。

5 结论与讨论

5.1 结论

（1）2000—2020年，中国市域层面去工业化发展具有普遍性。288个样本城市中，193个城市发生去工业化，占比达67.01%。不同规模等级城市去工业化现象分异明显，规模较大的城市多依托于工业发展，制造业发展相对成熟，同时，城市规模的扩大有利于服务经济超线性增长，从而使得规模较大的城市较早转向去工业化发展。受2008年全球金融危机和十八大后中国产业政策调整的影响，去工业化现象集中出现在2011—2014年，且空间差异明显。东部地区去工业化城市呈条带状分布特征，连续性强；中部地区去工业化城市在秦岭-淮河以南分布较为集中，西部地区形成了西北、西南两个去工业化城市集中区；东北地区去工业化城市主要分布于中东部区域。
（2）2000—2020年，中国市域层面的去工业化现象多是一种过早去工业化，占去工业化城市的56.48%。与去工业化城市数量在东、中、西、东北部地区的递减不同，过早去工业化城市分布数量西部最多、东部和中部次之、东北地区最少，反映出西部地区诸多城市在工业发展尚未成熟情况下就进入转型发展阶段。资源型城市作为中西部地区去工业化城市的重要组成部分，因其结构刚性及资源禀赋问题，使中西部地区较为容易出现过早去工业化；东北地区虽然资源型城市占比也相对较高，但其城市去工业化多为正常的去工业化；而东部地区因资源型城市占比较小，经济水平、区位优势等更易使其实现产业转型升级，过早去工业化城市占比较小。
（3）去工业化作为一种产业演变过程，是内外部因素共同作用的结果。金融化水平和科技创新能力指标对城市去工业化具有显著正向影响，推动城市去工业化现象出现。其余指标在产出和就业去工业化两方面表现出相异影响。其中，房地产行业发展水平、全球化、区际分工与合作、环境规制和交通连通性指标的发展推动产出去工业化现象出现；生产率水平、生产要素成本和资源禀赋指标的提高促进了就业去工业化现象的出现。部分因素对城市去工业化的溢出效应明显，生产要素成本的提高和全球化的发展会推动邻近地区去工业化的发生。
（4）中国城市发生去工业化原因表现出明显的空间异质性。城市生产要素成本对东部地区去工业化推动作用显著。相较于此，中部、西部和东北地区受金融化水平和交通连通性的影响更为明显。此外，区际分工与合作的发展易引致西部和东北地区城市去工业化的发展，但有利于东部和中部地区城市工业的发展；科技创新能力的发展虽然推动了4个分区去工业化的出现，但对东部和西部的作用强度明显高于中部和东北地区。

5.2 讨论

在全球经济不断演变背景下，新技术创新和全球价值链重构深刻影响着中国产业结构的演化。经济服务化已经成为经济全球化背景下的一个重要趋势，在此情境下探讨中国市域尺度去工业化的空间特征及影响因素具有现实迫切性。去工业化具有多尺度与多类型特征。经济服务化与全球化是推动全球尺度去工业化现象的重要因素，出现了美欧发达国家的服务经济主导和整体去工业化现象，以及发展中国家工业经济的快速发展，中国成为世界工厂。在区域尺度上，东部沿海地区率先承接国外产业转移，成为以工业发展为主导的国内核心区域，在逐步开放过程中，内陆中心城市的制造业也快速发展，产业结构不断升级，服务经济也不断发展。在此过程中，国内去工业化更多表现为结构性去工业化，即制造业总量仍不断增长，但产出占比逐步下降，其间伴随着服务经济占比的不断增长。也有部分城市受经济发展脱实向虚的影响，产业政策偏向服务经济，导致制造业尚未成熟便转型发展，从而形成过早去工业化。虽然区域内部呈现出普遍的去工业化特征，但从全球来看，中国仍是制造大国，并未表现出明显的总量去工业化趋势。在当前阶段，制造业对中国的城市发展仍至关重要，城市制造业的深度发展及制造业与服务业的协同发展有利于高水平服务业的发展，否则服务业易被低端锁定。后疫情时期，中国经济发展要紧紧围绕高质量发展这个核心，工业高质量发展成为该阶段的必然要求，广东、江苏、浙江等东部省份提出了“制造业当家”的政策，高水平谋划推进现代化产业体系建设，加快形成以新技术、新经济、新业态为内涵的新质生产力契合中国经济高质量发展需求和全球产业战略布局。当然，也有部分城市如三亚等在当前阶段可以依托特殊资源优势而着力发展服务型经济，承担专门化职能。未来，随着经济发展水平的提高和产业结构的进一步升级，核心城市也会逐渐由结构性去工业化转向总量去工业化，从而在城市群乃至更大范围内承担服务经济职能。
本文也存在一定的不足。首先，对于城市去工业化的识别方法有待完善。在20世纪中期前后，技术的相对稳定使得制造业就业占比和产出占比具有较为稳定的关系，因而使用制造业就业占比反映制造业在经济结构中发生变化同时，在一定程度上也可以反映出产出变化特征。但随着技术进步对劳动力的替代，使得制造业就业和产出比例的变化出现脱钩情况。故而本文将其作为刻画城市去工业化的关键指标，存在一定的不足。此外，囿于数据的局限性，本文通过工业增加值和城镇非私营单位制造业就业人数占比表征制造业占比的变化趋势，不能完全反映出制造业比例值[61]，对去工业化城市的识别方法有待改进。再者，本文从多个因素角度探讨了去工业化的发生原因，但在表征指标选取上受数据限制，区际分工等因素的内涵体现不足。在后续研究中，将寻找更为合适的数据，进一步探究去工业化对中国经济持续健康发展产生了何种影响。

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，专家对本文研究框架梳理、理论机制构建、识别及聚类方法完善和研究结果深入分析等方面的修改意见，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]
汪川. 工业化、城镇化与经济增长: 孰为因孰为果. 财贸经济, 2017, 38(9): 111-128.

[Wang Chuan. Industrialization, urbanization and economic growth: Which is the cause and which is the effect. Finance & Trade Economics, 2017, 38(9): 111-128.] DOI: 10.3969/j.issn.1002-8102.2017.09.008.

[2]
王旭. 美国传统工业大州“去工业化”(1950—1990): 以宾夕法尼亚州为中心的考察. 世界历史, 2016, (5): 4-17.

[Wang Xu. The “deindustrialization”of a traditional industrial state 1950-1990: An examination focused on pennsylvania. World History, 2016, (5): 4-17.] DOI: CNKI:SUN:HIST.0.2016-05-001.

[3]
王秋石, 李国民, 王展祥. 去工业化的内涵、影响与测度指标的构建: 兼议结构性去工业化和区域性去工业化. 当代财经, 2010, (12): 19-22.

[Wang Qiushi, Li Guomin, Wang Zhanxiang. On the connotation, influence and construction of measuring index of de-industrialization: Structural de-industrialization and regional de-industrialization. Contemporary Finance and Economics, 2010, (12): 19-22.] DOI: CNKI:SUN:DDCJ.0.2010-12-005.

[4]
魏后凯, 王颂吉. 中国“过度去工业化”现象剖析与理论反思. 中国工业经济, 2019, (1): 5-22.

[Wei Houkai, Wang Songji. Phenomenon analysis and theoretical reflection of China's ‘over de-industrialization’. China Industrial Economy, 2019, (1): 5-22.] DOI: 10.19581/j.cnki.ciejournal.2019.01.001.

[5]
Pike A. Deindustrialization. International Encyclopedia of Human Geography, 2020, 2(3): 213-222. DOI: 10.1016/B978-0-08-102295-5.10040-X.

[6]
黄群慧, 贺俊. 未来30年中国工业化进程与产业变革的重大趋势. 学习与探索, 2019, (8): 102-110.

[Huang Qunhui, He Jun. Major trends of China's industrialization process and industrial transformation in the next 30 years. Study ＆ Exploration, 2019, (8): 102-110.] DOI: 10.3969/j.issn.1002-462X.2019.08.013.

[7]
Rowthon R, Ramaswamy R. Deindustrialization: Its Causes and Implications. Social Science Electronic Publishing, 1997, 97(42): 1-12. DOI: 10.5089/9781451975826.001.

[8]
何自力. 去工业化、去周期化与经济停滞常态化: 个认识当代资本主义的新视角. 华南师范大学学报: 社会科学版, 2015, (4): 33-38, 191.

[He Zili. Deindustrialization,decyclicalization and normalization of economic stagnation: A new perspective to understand contemporary capitalism. Journal of South China Normal University: Social Science Edition, 2015, (4): 33-38, 191.] DOI: CNKI:SUN:HNSB.0.2015-04-005.

[9]
Tregenna F. Characterizing deindustrialization: An analysis of changes in manufacturing employment and output internationally. Cambridge Journal of Economics, 2009, 33(3): 433-466. DOI: 10.1093/cje/ben032.

[10]
王展祥. 发达国家去工业化比较及其对当前中国的启示: 以英国和美国为例. 当代财经, 2015, (11): 3-13.

[Wang Zhanxiang. Comparison of deindustrialization in developed countries and its implications for China: A case study of the United Kingdom and the United States. Contemporary Finance and Economics, 2015, (11): 3-13.] DOI: 10.13676/j.cnki.cn36-1030/f.2015.11.001.

[11]
胡春林. 分工、经济服务化与区域轮动战略研究. 商业研究, 2012, (1): 124-128.

[Hu Chunlin. On division of labour, tertiarization and regional rotation. Business Research, 2012, (1): 124-128.] DOI: 10.13902/j.cnki.syyj.2012.01.023.

[12]
李立勋. 后工业社会的经济服务化趋向. 人文地理, 1997, 12(4): 15-19.

[Li Lixun. On the tertiarization in the postindustrial society. Human Geography, 1997, 12(4): 15-19.] DOI: 10.13959/j.issn.1003-2398.1997.04.003.

[13]
贺灿飞, 李伟. 演化经济地理学与区域发展. 区域经济评论, 2020, (1): 39-54.

[He Canfei, Li Wei. Evolutionary economic geography and regional development. Regional Economic Review, 2020, (1): 39-54.] DOI: 10.14017/j.cnki.2095-5766.2020.0006.

[14]
Silva J A. Regional deindustrialization: Concepts, causes, effects and the Brazilian case. Gestão & Produção, 2019, 26(4): e4682. DOI: 10.1590/0104-530x4682-19.

[15]
许树辉, 谷人旭. 欠发达地区技术创新的产业升级效应研究: 以韶关制造业为例. 世界地理研究, 2013, 22(2): 61-68.

[Xu Shuhui, Gu Renxu. Study on industrial upgrading effect based on technological innovation of developing areas: A case of the manufacturing industry, Shaoguan. World Regional Studies, 2013, 22(2): 61-68.] DOI: 10.3969/j.issn.1004-9479.2013.02.008.

[16]
Deane P M, Clark C. The conditions of economic progress. Journal of the Royal Statistical Society Series A (General), 1951, 114(2): 120-124. DOI: 10.2307/2980994.

[17]
左冰. 去工业化: 旅游发展对桂林工业部门的影响研究. 旅游科学, 2015, 29(1): 25-39.

[Zuo Bing. De-industrialization: A study of tourism economic impacts on the growth of Guilin's industry sectors. Tourism Science, 2015, 29(1): 25-39.] DOI: 10.16323/j.cnki.lykx.2015.01.004.

[18]
张月友, 刘丹鹭, 周经. 去工业化、再工业化与经济服务化: 产业联系的视角. 财贸研究, 2014, 25(3): 32-40.

[Zhang Yueyou, Liu Danlu, Zhou Jing. Deindustrialization,reindustrialization and economy servicizing: Based on industrial linkages perspective. Finance and Trade Research, 2014, 25(3): 32-40.] DOI: 10.19337/j.cnki.34-1093/f.2014.03.005.

[19]
朱晟君, 黄永源, 胡晓辉. 多尺度视角下的产业价值链与空间升级研究框架与展望. 地理科学进展, 2020, 39(8): 1367-1384.

DOI

[Zhu Shengjun, Huang Yongyuan, Hu Xiaohui. Research framework and prospect of industrial value chain upgrading and spatial upgrading based on a multiple scale perspective. Progress in Geography, 2020, 39(8): 1367-1384.] DOI: 10.18306/dlkxjz.2020. 08.011.

[20]
Araujo E, Araújo E, Peres S C, et al. An investigation into shapes and determinants of deindustrialization processes: Theory and evidence for developed and developing countries (1970-2017). Economica, 2021, 22(2): 129-143. DOI: 10.1016/J.ECON.2021.03.001.

[21]
Sarra A, Di Berardino C, Quaglione D. Deindustrialization and the technological intensity of manufacturing subsystems in the European Union. Economia Politica, 2019, 36(1): 205-243. DOI: 10.1007/s40888-018-0112-8.

[22]
Škuflić L, Družić M. Deindustrialisation and productivity in the EU. Economic Research-Ekonomska Istraživanja, 2016, 29(1): 991-1002. DOI: 10.1080/1331677x.2016.1235505.

[23]
王俊, 苏立君. 互联网资本主义下西方国家去工业化的强化趋势及就业问题. 政治经济学评论, 2017, 8(2): 90-109.

[Wang Jun, Su Lijun. Strengthening trend of deindustrialization and employment problem in Western countries under internet capitalism. China Review of Political Economy, 2017, 8(2): 90-109.] DOI: 10.3969/j.issn.1674-7542.2017.02.006.

[24]
张若宇. 关于中国“去工业化”问题的思考. 中国市场, 2020, (32): 9-10, 16.

[Zhang Ruoyu. Reflections on China's “deindustrialization”. China Market, 2020, (32): 9-10, 16.] DOI: 10.13939/j.cnki.zgsc.2020.32.009.

[25]
Andriyani Vina. Identification of premature deindustrialization and its acceleration in Indonesia. Jurnal Ekonomi dan Kebijakan Pembangunan, 2018, 7(8): 78-101. DOI: 10.29244/jekp.7.1.78-101.

[26]
王展祥, 王秋石, 李国民. 去工业化的动因与影响研究: 一个文献综述. 经济问题探索, 2011, (1): 18-23.

[Wang Zhanxiang, Wang Qiushi, Li Guomin. Research on the motivation and influence of deindustrialization: A literature review. Economic Issues Exploration, 2011, (1): 18-23.] DOI: 10.3969/j.issn.1006-2912.2011.01.004.

[27]
Gao Y W, Liu X Y, Tang B, et al. Protein expression landscape of mouse embryos during pre-implantation development. Cell Reports, 2017, 21(13): 3957-3969. DOI: 10.1016/j.celrep.2017.11.111.

PMID

[28]
李国民. 过早去工业化的识别及其经济影响. 当代财经, 2020, (12): 14-25.

[Li Guomin. Identification of premature deindustrialization and its economic impact. Contemporary Finance and Economics, 2020, (12): 14-25.] DOI: 10.13676/j.cnki.cn36-1030/f.2020.12.003.

[29]
张英浩, 汪明峰, 刘婷婷. 数字经济对中国经济高质量发展的空间效应与影响路径. 地理研究, 2022, 41(7): 1826-1844.

DOI

[Zhang Yinghao, Wang Mingfeng, Liu Tingting. Spatial effect of digital economy on high-quality economic development in China and and its influence path. Geographical Research, 2022, 41(7): 1826-1844.] DOI: 10.11821/dlyj020210644.

[30]
朱晟君, 王翀. 制造业重构背景下的中国经济地理研究转向. 地理科学进展, 2018, 37(7): 865-879.

DOI

[Zhu Shengjun, Wang Chong. Shifts in China's economic geography studies in an era of industrial restructuring. Progress in Geography, 2018, 37(7): 865-879.] DOI: 10.18306/dlkxjz.2018.07.001.

[31]
刘晔, 王晓歌, 管靖, 等. 1990—2015年亚洲内部人口迁移格局及影响因素. 地理学报, 2022, 77(10): 2409-2425.

DOI

[Liu Ye, Wang Xiaoge, Guan Jing, et al. Spatial pattern and determinants of international migration flows in Asia, 1990-2015. Acta Geographica Sinica, 2022, 77(10): 2409-2425.] DOI: 10.11821/dlxb202210001.

[32]
李汝资, 刘耀彬, 谢德金. 中国产业结构变迁中的经济效率演进及影响因素. 地理学报, 2017, 72(12): 2179-2198.

DOI

[Li Ruzi, Liu Yaobin, Xie Dejin. Evolution of economic efficiency and its influencing factors in the industrial structure changes in China. Acta Geographica Sinica, 2017, 72(12): 2179-2198.] DOI: 10.11821/dlxb201712005.

[33]
杨玲, 高谊, 许传龙. 经济服务化:中国的现状、机遇与挑战. 武汉大学学报: 哲学社会科学版, 2014, 67(3): 99-105.

[Yang Ling, Gao Yi, Xu Chuanlong. Economy servicizing: Current situation, opportunities and challenges of China. Wuhan University Journal: Philosophy & Social Science, 2014, 67(3): 99-105.] DOI: 10.14086/j.cnki.wujss.2014.03.021.

[34]
梁文泉, 陆铭. 后工业化时代的城市:城市规模影响服务业人力资本外部性的微观证据. 经济研究, 2016, 51(12): 90-103.

[Liang Wenquan, Lu Ming. Cities in the post-industrial economy: How city size affects human capital externality in service industry?. Economic Research Journal, 2016, 51(12): 90-103.] DOI: CNKI:SUN:JJYJ.0.2016-12-008.

[35]
陈秀山, 徐瑛. 我国区域差距的结构性特征与发展趋势. 教学与研究, 2004, (6): 24-31.

[Chen Xiushan, Xu Ying. Structural characteristics and development trend of regional disparity in China. Teaching and Research, 2004, (6): 24-31.] DOI: 10.3969/j.issn.0257-2826.2004.06.004.

[36]
Dasgupta S, Singh A. Manufacturing, Services and Premature Deindustrialization in Developing Countries: A Kaldorian Analysis. Tokyo: United Nations University Research Paper, 2006.

[37]
中国社会科学院工业经济研究所. 中国工业发展报告(2020): 面向“十四五的中国工业. 北京: 经济管理出版社, 2020: 56.

[Institute of Industrial Economics, Chinese Academy of Social Sciences. China Industrial Development Report (2020): For the “14th Five-Year Plan of Chinese Industry”. Beijing: Economic Management Press, 2020: 56.]

[38]
Rodrik D. Premature deindustrialization. Journal of Economic Growth, 2016, 21(1): 1-33. DOI:10.1007/s10887-015-9122-3.

[39]
黄群慧. “十四五”时期深化中国工业化进程的重大挑战与战略选择. 中共中央党校(国家行政学院)学报, 2020, 24(2): 5-16.

[Huang Qunhui. Major challenges and strategic choices in deepening China's industrialization process during the “Fourteenth Five-Year” period. Journal of Party School of the CPC Central Committee (Chinese Academy of Governance), 2020, 24(2): 5-16.] DOI: 10.14119/j.cnki.zgxb.2020.02.001.

[40]
陈佳贵, 黄群慧, 钟宏武. 中国地区工业化进程的综合评价和特征分析. 经济研究, 2006, (6): 4-15.

[Chen Jiagui, Huang Qunhui, Zhong Hongwu. The synthetic evaluation and analysis on regional industrialization. Economic Research Journal, 2006, (6): 4-15.] DOI: CNKI:SUN:JJYJ.0.2006-06-001.

[41]
杨成林. 去工业化的发生机制及影响研究. 天津: 南开大学博士学位论文, 2012: 45-81.

[Yang Chenglin. Study on the mechanism and influence of deindustrialization. Tianjin: Doctoral Dissertation of Nankai University, 2012: 45-81.]

[42]
杜传忠, 韩元军, 张宪国. 我国区际产业转移的动力及粘性分析. 江西社会科学, 2012, 32(5): 5-11.

[Du Chuanzhong, Han Yuanjun, Zhang Xianguo. Dynamics and stickiness analysis of China's inter-regional industrial transfer. Jiangxi Social Sciences, 2012, 32(5): 5-11.] DOI: 10.3969/j.issn.1004-518X.2012.05.001.

[43]
宋昌耀, 厉新建, 殷婷婷, 等. 中国冰雪装备制造企业的时空特征及其区位选择影响因素. 地理研究, 2023, 42(4): 1070-1087.

DOI

[Song Changyao, Li Xinjian, Yin Tingting, et al. Spatio-temporal characteristics and location choice influencing factors of ice-snow equipment manufacturing enterprises in China. Geographical Research, 2023, 42(4): 1070-1087.] DOI: 10.11821/dlyj020221169.

[44]
贺灿飞. 区域产业发展演化:路径依赖还是路径创造?. 地理研究, 2018, 37(7): 1253-1267.

DOI

[He Canfei. Regional industrial development and evolution: Path dependence or path creation?. Geographical Research, 2018, 37(7): 1253-1267.] DOI: 10.11821/dlyj201807001.

[45]
孙群郎, 孙金龙. 20世纪中后期美国东北部和中西部的去工业化与城市衰落. 求是学刊, 2020, 47(4): 167-180.

[Sun Qunlang, Sun Jinlong. De-industrialization and urban decline in the Northeast and Mid-west of the United States in the Middle and Late 20th century. Seeking Truth, 2020, 47(4): 167-180.] DOI: 10.19667/j.cnki.cn23-1070/c.2020.04.017.

[46]
安虎森, 季赛卫. 演化经济地理学理论研究进展. 学习与实践, 2014, (7): 5-18, 2.

[An Husen, Ji Saiwei. Research progress of evolutionary economic geography theory. Study and Practice, 2014, (7): 5-18, 2.] DOI: 10.19624/j.cnki.cn42-1005/c.2014.07.001.

[47]
盛朝迅. 我国“去工业化”的现状特征与原因分析. 宏观质量研究, 2020, 8(3): 47-60.

[Sheng Chaoxun. The characteristics and causes of “de-industrialization in China”. Journal of Macro-Quality Research, 2020, 8(3): 47-60.] DOI: 10.13948/j.cnki.hgzlyj.2020.03.004.

[48]
黄赜琳, 秦淑悦, 张雨朦. 数字经济如何驱动制造业升级. 经济管理, 2022, 44(4): 80-97.

[Huang Zelin, Qin Shuyue, Zhang Yumeng. How does the digital economy drive the upgrading of manufacturing industry?. Business and Management Journal, 2022, 44(4): 80-97.] DOI: 10.19616/j.cnki.bmj.2022.04.005.

[49]
Wei Y H D, Liefner I. Globalization, industrial restructuring, and regional development in China. Applied Geography, 2012, 32(1): 102-105. DOI: 10.1016/j.apgeog.2011.02.005.

[50]
Gereffi G. Development models and industrial upgrading in China and Mexico. European Sociological Review, 2008, 25(1): 37-51. DOI: 10.1093/esr/jcn034.

[51]
叶超, 杨东阳, 赵江南. 中国超大城市户籍人口转化的实证研究. 地理学报, 2022, 77(2): 369-380.

DOI

[Ye Chao, Yang Dongyang, Zhao Jiangnan. An empirical research of the registered population transformation in China's megacities. Acta Geographica Sinica, 2022, 77(2): 369-380.] DOI: 10.11821/dlxb202202007.

[52]
尹铎, 朱竑. 云南典型山地乡村农业扶贫的机制与效应研究: 以特色经济作物种植为例. 地理学报, 2022, 77(4): 888-899.

DOI

[Yin Duo, Zhu Hong. The mechanism and comprehensive effect of poverty alleviation with characteristic agriculture in typical mountainous rural areas of Yunnan province: A case study on the production of special cash crops. Acta Geographica Sinica, 2022, 77(4): 888-899.] DOI: 10.11821/dlxb202204008.

[53]
郑慕强, 谢沂志, 麦宇航, 等. 新加坡在华投资企业在沿海的空间演化特征与产业升级路径. 经济地理, 2023, 43(6): 45-53.

DOI

[Zheng Muqiang, Xie Yizhi, Mai Yuhang, et al. Spatial evolution characteristics and upgrading path of Singapore-invested enterprises in China coastal areas. Economic Geography, 2023, 43(6): 45-53.] DOI: 10.15957/j.cnki.jjdl.2023.06.005.

[54]
张建鹏, 陈诗一. 金融发展、环境规制与经济绿色转型. 财经研究, 2021, 47(11): 78-93.

[Zhang Jianpeng, Chen Shiyi. Financial development, environmental regulations and green economic transition. Journal of Finance and Economics, 2021, 47(11): 78-93.] DOI: 10.16538/j.cnki.jfe.20210918.301.

[55]
聂飞. 制造业服务化抑或空心化: 产业政策的去工业化效应研究. 经济学家, 2020, (5): 46-57.

[Nie Fei. Hollowing out or servitization in manufacturing: A study on deindustrialization effects of industrial policies. Economist, 2020, (5): 46-57.] DOI: 10.16158/j.cnki.51-1312/f.2020.05.006.

[56]
曹宛鹏, 杨永春, 史坤博, 等. 中国内陆河西五市对外出口的路径演化: 类型、过程、特征及驱动机制. 地理研究, 2020, 39(7): 1490-1510.

DOI

[Cao Wanpeng, Yang Yongchun, Shi Kunbo, et al. The path evolution of export of five cities of Hexi in China's inland areas: Types, processes, characteristics and driving mechanisms. Geograpjocal research, 2020, 39(7): 1490-1510.] DOI: 10.11821/dlyj020190570.

[57]
刘逸, 杨伟聪. 全球生产网络视角下珠三角区域经济的战略耦合与产业升级. 热带地理, 2019, 39(2): 155-169.

[Liu Yi, Yang Weicong. Strategic coupling and industrial upgrading in the Pearl River Delta: A global production network perspective. Tropical Geography, 2019, 39(2): 155-169.] DOI: 10.13284/j.cnki.rddl.003124.

[58]
罗贵明. 中国去工业化:现状、原因、特征与影响研究. 南昌: 江西财经大学博士学位论文, 2019: 64-88.

[Luo Guiming. Deindustrialization in China:Current situation, causes, characteristics and impacts. Nanchang: Doctoral Dissertation of Jiangxi University of Finance and Economics, 2019: 64-88.]

[59]
赵领娣, 呼玉莹, 王海霞. 环境规制与工业就业关系研究: 基于西北经济区地级市数据的实证分析. 干旱区资源与环境, 2021, 35(9): 9-13.

[Zhao Lingdi, Hu Yuying, Wang Haixia. A study of environmental regulation and industrial employment: An empirical analysis based on the data of prefecture-level cities in Northwest Economic Zone. Journal of Arid Land Resources and Environment, 2021, 35(9): 9-13.] DOI: 10.13448/j.cnki.jalre.2021.235.

[60]
马赛, 薛勇, 黄钊坤. 京津冀城市群环境规制对就业规模影响. 中国软科学, 2023, (9): 171-181.

[Ma Sai, Xue Yong, Huang Zhaokun. Impact of environmental regulation on employment scale in the Beijing-Tianjin-Hebei urban agglomeration. China Soft Science, 2023, (9): 171-181.] DOI: 10.3969/j.issn.1002-9753.2023.09.016.

[61]
钱学锋, 高婉. 中国是否“过早去工业化”: 判断标准、基本事实与影响因素. 武汉大学学报: 哲学社会科学版, 2023, 76(1): 127-138.

[Qian Xuefeng, Gao Wan. Has “Premature de-industrialization” occurred in China: criteria, facts and influencing factors. Wuhan University Journal: Philosophy & Social Science, 2023, 76(1): 127-138.] DOI: 10.14086/j.cnki.wujss.2023.01.013.

Options
文章导航

/

〈 〉