城市群多中心性與綠色發展效率

張可云 張江

摘要 城市群是城市的空間組合，是中國推進新型城鎮化和踐行綠色發展理念的主要空間載體，其多中心性是否有利于提升區域綠色發展效率和實現協調發展？文章利用夜間燈光數據測度了城市群的多中心性，將三大污染排放指標作為非期望產出計算了 Malmquist?Luenberger動態分解指數以考察城市群綠色發展效率的跨期變化。基于2004—2018年14個重點城市群的面板數據，實證研究了城市群的多中心性對成員城市綠色發展效率的影響。研究發現：①城市群多中心性對成員城市的綠色發展效率存在顯著的門檻效應，且東部城市群的多中心性對成員城市的綠色發展效率起到促進作用，而中部和西部城市群的多中心性則對綠色全要素生產率起到抑制作用;②城市群多中心性對中間位序城市的綠色發展效率產生負面效應，但是對首位城市和位序靠后的城市產生正面效應，且該效應隨城市經濟位序后延而遞減;③城市群多中心性對綠色發展效率產生先促進后抑制的作用，傳導機制評估發現，城市群多中心性對成員城市綠色發展效率的“倒U 型”影響主要是通過知識溢出、科技創新和人力資本水平起作用。更改多中心指標、采用地形起伏度和1933年的鐵路通車數據作為工具變量、更改方法為面板Tobit模型重新進行估計得到的結果沒有實質性改變。基于上述發現，現階段中國城鎮化空間布局重在發展大城市和小城市之間的權衡，應綜合考慮空間單元異質性，制定和實施差別化的城市群政策。

關鍵詞 城市群;多中心性;綠色全要素生產率;城鎮化空間布局;異質性

中圖分類號 F292? 文獻標志碼 A?? 文章編號1002-2104（2022）02-0107-11?? DOI：10.12062/cpre.20210627

改革開放以來，中國經歷了世界歷史上規模最大、速度最快的城鎮化進程。截至2019年末，中國城市個數已達684個，常住人口城鎮化率達到60.6%，經濟活動越來越呈現出在空間和地理上集中發展的特點[1]，逐漸形成了以城市群為主體的區域發展格局。“十一五”時期，以城市群為空間載體的區域規劃和區域政策開始實施。黨的十八大以來，中央政府提出并實施了一系列城市群發展戰略，城市群成為區域發展的主要動力和新型城鎮化發展的主體。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出，走中國特色新型城鎮化道路要“以城市群、都市圈為依托促進大中小城市和小城鎮協調聯動、特色化發展”，將“優化城市群內部空間結構，構筑生態和安全屏障，形成多中心、多層級、多節點的網絡型城市群”作為“完善城鎮化空間布局”這一任務的重要措施之一。城市群的多中心性通過影響資源要素的配置和流動對成員城市的發展產生較大影響，在規模經濟的要求下，將資源集中在大城市似乎是更有效率的選擇，多中心下資源向小城市的流動是否會造成效率低下？20世紀80年代以來，中國的城市群呈現多中心化趨勢[2]，與此同時，城市群環境污染情況較為嚴重，綠色發展效率普遍較低，且存在較大異質性。根據“綠色發展理念”的要求，碳達峰和碳中和是未來必須實現的目標，城市群肩負著經濟增長與綠色發展的雙重要求，亟須提升綠色發展效率。城市群多中心性是否能兼顧成員城市綠色發展效率的提升與落后城市的協同發展？各城市群發展階段不同，發展差距較大，多中心性是否對所有城市群產生同等效應？回答這些問題可以為中國新型城鎮化政策和規劃的適時調整提供一定的經驗支持，有助于制定精準有效且具有差別化的城市群政策，具有十分重要的現實意義。

1 文獻綜述

城市群是在特定地域范圍內依托發達的交通通信等基礎設施網絡而形成的空間組織和經濟聯系緊密的城市群體[3]，是勞動、資本以及技術等生產要素在空間上集中的表現。城市群作為城市的空間組合，具有復雜的多層級城市網絡體系，已有研究從形態和功能兩方面對城市群的空間結構進行了識別[4]。孫斌棟等[5]從人口分布角度采用位序-規模法則衡量了城市群的單中心-多中心程度，此外mono 指數和城市首位度也可用于衡量城市群的形態多中心[6]。王少劍等[7]基于流空間視角識別了珠江三角洲城市群的功能多中心，鄭伯紅等[8]通過人口遷徙空間網絡變遷圖分析了長江中游城市群的空間結構。已有研究表明，中國的城市群從形態和功能上都表現出多中心化的態勢[9]。

中國的經濟發展與城市群多中心性表現出同步的發展趨勢，城市群的多中心性是否會影響經濟效率？依據集聚經濟理論，多中心性是城市群資源要素流動與集聚的空間反映，與經濟增長高度相關[10-11]，與環境污染的關系也眾說紛紜[12-13]。王磊等[14]從人口和產業兩方面考察了城市群空間結構對經濟績效的影響，發現人口多中心和產業單中心對城市群經濟績效產生正向效應。經濟集聚促進了城市發展，但是一旦超過城市最佳集聚度，擁擠效應將導致污染增加和效率降低，對經濟產生負面影響[15]。吳福象等[16]發現多中心下資源要素分布相對均勻，外圍城市更容易享受中心城市的技術擴散和要素分流，因而能有效促進城市群經濟績效提高[17]。但是劉凱等[18]研究發現城市群多中心化是造成空氣污染的原因之一。

隨著2030可持續發展議程的提出，社會各界高度關注綠色發展問題。根據前述觀點，城市群多中心性對綠色發展效率的影響主要取決于對經濟發展和環境污染的綜合影響，但遺憾的是目前關于城市群多中心性與綠色發展效率之間關系的研究較少。因此，在已有文獻的基礎上，文章試圖在以下方面進行延伸和探索：①城市群多中心性會影響污染排放，因此采用考慮投入產出約束的綠色全要素生產率[19-21]作為城市群綠色發展效率的衡量指標;②地級市層面的常住人口數據缺失，而戶籍人口并不能很好反映人口流動和行政區劃變動下的城市實際人口規模，因此采用 DMSP/OLS 和VIIRS 夜間燈光數據作為城市群經濟活動的代理變量[22-26];③城市群和城市群成員城市之間均存在較大差異性，因此文章從分區域城市群和不同位序城市兩個角度進行考察，以便更精準識別城市群多中心性影響的異質性。文章將豐富關于城市群多中心性和綠色發展效率關系方面的研究。期望文章的研究有助于為城市群實現高質量發展和優化城鎮化空間布局提供決策參考。

2 理論分析

目前，中國的城市群雖然主要呈現多中心性[5]，但是城市群和成員城市均存在較大異質性，不同城市群的多中心程度和形成原因不盡相同，這將導致不同城市群的多中心性與綠色發展效率之間的關系存在異質性。城市群多中心性的形成主要有兩種途徑：一是城市間密切交流，由大城市帶動周邊城市發展形成多中心城市群;二是多個城市相對獨立發展，隨著交通基礎設施完善，城市間聯系密切形成多中心城市群。形成模式不同則城市群的發展階段不同，因而多中心性對成員城市發展的影響不同。部分經濟發展水平較高的城市群是通過第一種途徑形成的，其受益于交通基礎設施完善和技術進步，企業總部和分支機構位于不同城市，跨域企業聯系密切[27]，在符合規模經濟要求的同時又避免了單一中心的擁擠效應，有助于縮小地區收入差距[28]。而整體經濟發展水平較低的城市群中的成員城市之間發展差異小，因而呈現多中心性，多中心性的進一步提升使區域資源的分布更加分散化，難以形成城市層面的集聚經濟，反而會阻礙城市發展[29]。

基于上述分析，文章提出以下假說：

假說1：多中心性對城市群成員城市的綠色發展效率的影響受城市群發展階段的制約。經濟發展水平越高，多中心性越能促進城市間交流和綠色發展效率的提升;但是經濟發展水平不充分的城市群的多中心性可能會進一步分散化資源要素，難以形成規模效應，因此對綠色發展效率產生負向效應。

由于交通網絡的完善，多中心下城市群的生產要素在城市間的分布更均衡，生產要素的流入與流出和城市在城市群內的位序相關，這也將導致多中心性與綠色發展效率之間的關系存在異質性。多中心下優質資源往往優先向中心城市集聚，但是效率較低的企業追求成本優勢可能會從中心城市遷入外圍城市，要素流動從生產效率和污染排放兩個方面影響城市的綠色發展效率。學者們普遍認為城市存在一個最優集聚規模，超過最佳集聚度反而會對經濟產生負向效應[15]。中心城市規模過大的城市群的多中心性能有效緩解其擁擠效應，次優資源和部分制造產業的外流帶來綠色發展效率的提升;但發展尚不充分的次中心城市，因尚未達到最優集聚規模，生產要素的邊際損失較大，在多中心性下中小城市憑借成本優勢，可能會削弱次中心城市的集聚效應，導致其綠色發展效率的降低。而對于位序靠后的城市而言，一方面生產要素的邊際收益很大，憑借成本優勢和中心城市的技術輻射，會提升綠色發展效率;另一方面集聚陰影效應和中心城市“三高企業”的遷入可能導致環境污染加重，反向影響綠色發展效率。

假說2：多中心性對綠色發展效率的影響與成員城市位序相關。

多中心性將促進規模過大的位序靠前的成員城市綠色發展效率，但生產要素的凈流出可能導致處于快速發展階段的成員城市的效率損失，而對位序靠后的城市，輻射效應大于集聚陰影則多中心性有利于提升其綠色發展效率。

3 模型構建及變量說明

基于上述理論分析和假說，文章構建了雙向固定效應模型進行檢驗和分析。

3.1 模型構建

文章設定檢驗城市群的多中心性對綠色發展效率的影響的計量模型為：

式中i代表城市，t 代表年份，τ為常數，MLgi，t為綠色全要素生產率，Zipfi，t是城市i所在城市群的多中心性指數，Xi，t為控制變量，ui是城市固定效應，vt是時間固定效應，εi，t是隨機擾動項。

根據假說1和假說2，城市群的多中心性對成員城市綠色發展效率的影響與城市群和城市本身的發展水平相關，因此在式（1）的基礎上構建考慮存在門檻效應的

模型：

式（2）中γ為門檻變量，依據假說文章分別選用了城市群的平均 GDP、成員城市的 GDP、成員城市的綠色全要素生產率以及城市群多中心性指數作為門檻變量。

城市群多中心性對成員城市綠色發展的具體影響取決于集聚效應（輻射效應）和擁擠效應（集聚陰影）的相對大小，因此多中心性與城市群綠色發展效率之間可能呈現非線性軌跡。在式（1）的基礎上加入多中心性的二次項構建式（3）：MLgi，t =τ+β1 Zipfi，t +β2 Zipfi2，t +ηXi，t + ui +νt +εi，t? （3）

3.2 變量說明

3.2.1 核心解釋變量

文章的核心解釋變量是城市群的多中心性（Zipf）。以往研究大多采用人口數據測度區域的多中心性，但是對于跨行政區劃的城市群而言，統計指標的缺失和統計口徑的不一致都會導致測度不準確。夜間燈光數據已被證實可以作為地區經濟活動的良好替代變量[30-32]。考慮到DMSP/OLS 夜間燈光數據與VIIRS 夜間燈光數據之間不具有可比性，因此文章采用 Chen 等[33]發布的夜間燈光數據的擴展時間序列（2000—2018），該數據集將前述燈光數據進行連續性校正，具有可比性。文章基于該數據集，采用齊普夫定律[34-35]測算城市群多中心性指數，為了保證城市群間的多中心性可比，文章分別采用燈光亮度在城市群內排前2、前3以及前4的城市進行測算后取均值[36]：

其中：Ri是城市i在城市群內燈光亮度由大到小排序的排名，Pi是城市i的燈光亮度。Zipf越大表示城市群規模分布越均勻，多中心性越強。

3.2.2 被解釋變量

文章的被解釋變量是城市群成員城市的綠色全要素生產率（MLg）。全要素生產率較 GDP 能更全面考核區域經濟發展績效，但傳統的全要素生產率忽略了生產過程的環境代價，扭曲了對社會福利績效的計算，因此文章基于非參數的數據包絡分析（DEA）確定生產前沿，通過最優化方法確定各項生產要素的權重[37]，將環境污染作為非期望產出納入考量，計算城市群成員城市的綠色全要素生產率的 Malmquist?Luenberger指數（MLg）以考察綠色發展效率的跨期變化[38-40]。

投入要素包括資本存量K、勞動力L、能源E，期望產出 Y，非期望產出 C，城市j 的技術水平T 為：

方向性距離函數為：

式（6）旨在衡量城市j相比于t 期的最佳投入產出邊界的距離。基于兩期“方向距離函數”計算 Malmquist?Lu?enberger指數以測度跨期效率變動情況：

式中，Dt（j）+1（Kt（j）+1，Lt（j）+1，Et（j）+1，Y +1，Ct（j）+1）和Dt（j）（Kt（j），Lt（j），Et（j）， Y ，Ct（j））分別表示在 t+1和t 期的技術水平下，要素投入量等于t+1和t 期時的方向性距離函數，EFFEHj（t，t +1）和TECCHj（t，t +1）分別衡量了t到t+1期的效率變化和技術變化。

文章采用永續盤存法[41-42]計算2004—2018年的資本存量。勞動力投入為年末就業總人數，能源消費量為地級市電力消費總量，期望產出為城市實際 GDP，非期望產出為工業廢水排放量、工業二氧化硫排放量和工業煙（粉塵）排放量。

3.2.3 控制變量

文章的控制變量包括：外商直接投資、物質資本投資、政府干預程度、對外開放程度、科技創新水平、人力資本、知識溢出、產業結構、環境規制強度和基礎設施水平。外商直接投資通過引入先進的技術，促進效率提升[43];但是“污染天堂假說”認為外資占比與環境惡化正相關[44]。文章使用實際利用的外商直接投資占GDP 比例表示。物質資本是影響地區發展效率的重要變量，使用全社會固定資產投資占GDP 比例衡量城市群成員城市的物質資本水平。適度的政府干預可能促進效率提升;但過度干預將抑制效率提升[45]，文章采用政府總支出占 GDP 的比例衡量政府干預程度。對外貿易通過進口產品的技術外溢和出口干中學促進環境效率提升[46]。但是中國的出口品多屬于資源密集型，對外出口增加會加劇環境污染[44]。文章以進出口總額占GDP 的比例作為對外開放程度的度量指標。科技創新水平越高越能實現技術改進，對生產率產生正向影響[47]，采用科技支出占GDP 的比例來衡量。人力資本通過直接作用和間接作用作用于經濟增長[48]，較高的人力資本能夠提高要素使用效率，促進創新，帶來勞動的規模報酬遞增。受限于數據，文章從教育規模角度[49]用受教育程度不低于高中的學生在校人數占就業人數比例表示。知識溢出會顯著影響區域創新能力[50]，正向作用于綠色發展效率，受制于數據可得性，采用教育和科技行業從業人數占就業人數的比例進行衡量[51]。一般而言，第二產業占比越高，污染排放越高，文章采用第二產業與第三產業產值的比值來反映產業結構。環境規制強度與企業全要素生產率表現為“倒 N 型”關系[52]，文章選用一般工業固體廢物綜合利用率作為環境規制強度的代理指標。基礎設施水平的提高能顯著降低交通成本和運輸成本，有效提升企業效率和促進城市間合作，對地區生產率提高產生積極作用。文章采用人均擁有公交數作為基礎設施建設的代理變量，這一變量能一定程度體現基礎設施帶來的交通便捷度。

3.3 數據來源

文章選用北部灣、成渝、關中平原、中原、哈長、海峽西岸、呼包鄂榆、京津冀、蘭西、遼中南、山東半島、珠三角、長江中游和長江三角洲城市群作為研究對象，這些城市群已經成為中國經濟發展最具活力和潛力的核心區域。

構建城市群成員城市的綠色全要素生產率、多中心性指數和控制變量指標，需要利用多個數據庫資源。文中使用的城市級的 GDP、固定資產投資、年末就業總人數、總人口、電力消費、進出口總額、第二產業和第三產業產值、外商直接投資、政府支出、科技支出、在校學生數、高等學校教師數、公共汽車數量、工業固體廢物綜合利用率、“三廢”排放數據來自《中國城市統計年鑒》、全球經濟數據庫（CEIC）。所有有時間價值的變量都折算為以2003年為基期，地級市層面的進出口數據從2004年開始公布，因此文章的研究期間為2004—2018年。

4 結果與討論

4.1 基準回歸

文章首先識別了城市群多中心性對綠色發展效率的影響，表1中（1）列報告了式（1）的回歸結果。（2）—（5）列是基于式（2）分別采用所在城市群平均 GDP、城市的 GDP、城市的綠色全要素生產率和所在城市群的多中心性指數作為門檻變量的回歸結果。

全樣本下Zipf系數在1%的統計水平上顯著為正，表明城市群的多中心性整體上對成員城市的綠色全要素生產率具有正向效應。（2）列的門檻模型結果則說明，經濟發展水平較低的城市群，多中心性對成員城市的綠色發展效率表現為負向效應。同樣，以成員城市 GDP 和綠色發展效率作為門檻值，在門檻值的左邊多中心性對城市群成員城市的綠色發展效率表現為負向效應，超過門檻值后為正向效應，與假說1一致。考慮到城市群多中心性主要通過影響資源在城市群內的配置情況影響成員城市的發展效率，絕對的單中心城市群和絕對的資源平均分布均不利于效率的提升，城市群多中心性程度的不同可能會對城市群成員城市的影響不同，因此文章采用城市群多中心性的指數作為門檻變量，探究多中心性對城市群成員城市的綠色發展效率的影響是否存在門檻效應，（5）列的結果顯示多中心性指數小于門檻值則對城市群成員城市的綠色發展效率表現為正向效應，但是一旦超過門檻值，則表現為負向效應。

4.2 工具變量法

通常認為城市群成員城市的發展效率與城市群多中心性之間存在內生性關系，文章使用工具變量法解決這一問題。工具變量之一為地形起伏度：一個地區最高和最低海拔的差值，這一客觀地理指標，該指標與城市群成員城市的綠色發展效率沒有直接關系，滿足外生性[51]。地形起伏度通過影響人口分布，正向影響城市群多中心性[53-54]，滿足相關性。文章基于中國1∶100萬地理數字高程模擬數據提取了城市群成員城市的海拔數據，計算了城市群地形起伏度的標準差作為城市群多中心性的工具變量。

文章還使用了1933年城市群成員城市鐵路通車比例作為城市群多中心性的工具變量。在舊時代的中國，經濟和交通基礎設施落后，鐵路通車能夠有效降低運輸成本，有利于城市間貿易往來和城市發展。根據新經濟地理學理論，運輸成本降低對經濟集聚產生顯著的直接影響[55]。由于歷史延續性，1933年鐵路通車城市具有更好的發展基礎，通鐵路比例越高的城市群越容易形成多中心性。且1933年距今較遠，當時的交通狀況不太可能對現在的綠色發展效率產生直接影響。因此，這一變量可以作為城市群多中心性的工具變量。

表2報告了式（2）工具變量法的回歸結果。根據基準回歸的結果和文章的假說，城市群和城市群成員城市的異質性將改變多中心指數對城市綠色發展效率的影響結果，因此文章將城市群分為東、中、西三個區域分別回歸。其中，東北地區只有兩個城市群，樣本較少，依據其地理位置和經濟發展水平，文章將其劃分為中部地區城市群。（1）—（3）列為分區域城市群的回歸結果，（4）—（6）列是參考方創琳等[3]將城市群按戰略定位進行分類的回歸結果。第一階段的 F 檢驗值均大于10，符合經驗法則， Cragg?Donald Wald 統計量大于臨界值，說明不存在弱工具變量問題。Sargan檢驗表明不存在過度識別問題。由表2可知，東部城市群多中心性的提高整體上有利于成員城市綠色全要素生產率的提高，但是中部和西部城市群多中心性的影響為負。另外，多中心性對不同戰略定位城市群的影響也不相同。這主要是因為東部城市群比中西部城市群的整體發展水平更高，而戰略定位更高的城市群發展更成熟。結果證實了假說1。

4.3 分區域城市群多中心性與綠色經濟效率的非線性關系

根據表1中（5）列，多中心性對城市綠色發展效率的影響不僅與發展水平相關，還可能存在非線性關系，文章采用式（3）檢驗這一關系，結果見表3。

東部城市群的“倒 U 型”關系在1%的統計水平上顯著為正，拐點在Zipf等于2.0處，現階段東部城市群多中心性小于拐點值，因此東部地區城市群多中心性的進一步提升，有利于成員城市綠色發展效率的提高。而中部城市群的多中心性主要位于拐點右邊，說明現階段中部城市群多中心性的提高反而會抑制城市綠色發展效率。西部城市群的“倒 U 型”關系在統計上不顯著，可能是因為西部城市群的發展水平整體不高，多中心性對成員城市綠色發展效率仍表現為線性影響。

根據上述結果，城市群資源要素向中心城市集聚更有利于發展初期綠色發展效率的提升，隨著城市群經濟發展水平提高、基建和交通網絡完善化，多中心性將會促進成員城市綠色發展效率的進一步提高，但是絕對的多中心則會負向作用于綠色發展效率。

4.4 多中心性對城市群不同位序城市綠色發展效率的影響

城市群是區域發展的載體，承擔著協調大中小城市發展的任務。進一步探究城市群多中心性對不同位序城市的影響有助于制定城市群協調發展政策。根據前文分析，城市群多中心性對不同位序城市的影響可能不同，因此文章選取了首位城市、前3的位序靠前的城市，位序靠后的城市則選取第6位及之后、第8位及之后的城市分別基于式（3）進行回歸，結果見表4。

多中心性對各城市群首位城市的綠色發展效率呈現顯著的“倒 U 型”影響，即城市群的多中心性對首位城市綠色發展效率具有先促進后抑制的作用。結合拐點水平，現階段大部分城市群多中心性有利于首位城市綠色發展效率的提升。但是對位序前3的城市則呈“U 型”影響，雖然系數符號在統計上不顯著，這可能是各城市群位序前3的城市差異較大造成的，因為目前多中心性指數位于拐點左側，因此多中心性對這部分城市綠色發展效率的提升表現為負面影響。這說明，如果城市發展尚不充分，則多中心性反而會犧牲位序相對靠前城市的集聚經濟。城市群內位序靠后城市的估計結果為一次項系數顯著為正，二次項系數不顯著，多中心性對其綠色發展效率的提升表現出促進作用，且隨位序遞增，該正向效應遞減。上述結果說明假說2成立。

5 傳導機制與穩健性檢驗

5.1 傳導機制檢驗

為進一步理解城市群多中心性對成員城市的綠色發展效率的影響路徑，文章建立式（9）進行探討，其中zi，t為可能的傳導路徑，同時在回歸時不再作為控制變量引入。文章考慮了科技創新、知識溢出、產業結構以及人力資本水平幾種傳導路徑，仍然使用兩階段最小二乘估計，第一階段F統計量均大于10，可以排除弱工具變量問題，結果見表5。

城市群多中心性對科技創新、知識溢出和人力資本呈現出“倒U 型”影響。雖然產業結構的系數在統計上不顯著，但是系數符號顯示為“倒 U 型”。城市群由單中心向多中心轉變的過程中，成員城市間聯系日益密切，分工合作趨于完善，核心城市創新孵化能力提高，并通過知識溢出帶動城市群整體技術、技能水平提升，優化產業結構，形成城市群范圍的集聚效應，具有較大的人才吸引力，但是超過多中心性的最優值后，將損害發展效率。這說明城市群多中心性正是通過影響城市群內部生產要素的流動，進而影響城市群成員城市的科技創新水平、知識溢出、產業結構以及人力資本情況，通過這幾種途徑影響城市群成員城市的綠色發展效率。

根據前文分析，城市群多中心性對成員城市綠色發展效率的影響存在較大的異質性，這是否是因為城市群的多中心性對綠色發展效率影響的可能路徑不同呢？為進一步分析各城市群的多中心性影響機制，文章仍使用兩階段最小二乘法估計對不同區域城市群的傳導機制進行異質性分析。

如表6所示，東部城市群的多中心性對產業結構、知識溢出以及人力資本均存在“倒U 型”影響。這說明東部地區城市群的多中心性對成員城市綠色發展效率“倒 U 型”影響正是通過產業結構、知識溢出、人力資本發生的，且東部地區城市群的多中心性有利于城市群成員城市的科技創新水平提高。中部地區城市群多中心性對產業結構和知識溢出的影響呈“倒 U 型”，但是對科技創新和人力資本的影響呈“U 型”。結合拐點水平來看，這一回歸結果表明現階段中部城市群的多中心性指數的影響是負向的，其原因在于中部地區城市群多中心性對科技創新和人力資本兩種路徑產生的不利影響，且對產業結構和知識溢出產生的正向效應不足以抵消另外二者的負向效應。西部地區城市群的這幾種影響路徑的估計結果均不顯著，這主要是由于西部地區城市群之間還存在較大差異，估計的標準誤較大導致結果不顯著，細化西部地區城市群研究尺度可能得到更好的結論。

5.2 穩健性檢驗

為了佐證基準回歸結果，表7中（1）—（2）列報告了更換核心解釋變量為城市首位度（S）的結果，（3）—（4）列是加入多中心性指數與綠色發展效率的交叉項的結果，（5）—（6）列是按照戰略定位分類回歸的結果。

表7表明，城市首位度增大，即城市群經濟活動向中心城市集聚，對位序靠前和位序靠后城市的綠色全要素生產率均表現為負向效應。而綠色發展效率與多中心性的交叉項的系數在1%的統計水平上顯著為正，說明存在調節效應，城市群綠色發展水平越高，多中心性越有利于其綠色發展效率提升。分樣本回歸中，國家性和區域性城市群的多中心性對成員城市的綠色發展效率均呈顯著的“倒 U 型”影響，即適度的多中心性的提升有助于提高城市群成員城市的綠色全要素生產率。可見，分析結果證實了基準模型結果的穩健性。

6 結論與政策啟示

文章從中國城鎮化空間布局的角度，探討了城市群多中心性對成員城市綠色發展效率的影響方向與強度。研究結果表明：①城市群多中心性對成員城市綠色發展效率的影響與城市群現階段的發展水平相關，東部城市群的多中心性對成員城市的綠色發展效率產生正向效應，但是中部和西部城市群的多中心性則產生負向效應;②城市群多中心性對成員城市的影響受限于城市自身的發展水平和其在城市群的位序，城市群多中心性不利于提高位序靠前但尚未達到最優集聚規模的城市的綠色發展效率，但是對位序靠后城市的綠色發展效率產生促進作用;③在科技創新、知識溢出、產業結構和人力資本水平的作用下，多中心性與城市群成員城市的綠色發展效率的關系呈現“倒 U 型”;④東部城市群多中心性能兼顧發展效率提高與大中小城市的協調發展，但是中部和西部城市群提高多中心性時需面臨發展效率提高與均衡發展之間的權衡取舍。這說明空間單元異質性將影響城市群多中心性的作用效果，在經濟發展初期，適度的集聚是更有效率的發展方式，而當經濟發展到一定程度，由非均衡的發展方式向均衡的發展方式的轉變是順應區域發展規律的必然選擇。此結論為中國城鎮化空間布局相關政策和規劃的適時調整提供了經驗支持。

文章的結論對中國城鎮化空間布局具有一定的政策啟示。第一，中國正在大力推進新型城鎮化，但是區域間仍存在較強的空間單元異質性，完善中國城鎮化空間布局更應注重區域發展差異，東部城市群應結合資源稟賦條件和功能定位，建立健全功能存在差別的城市等級體系，形成多中心且高度一體化的城鎮化空間格局。中部和西部城市群應加快完善基礎設施建設，健全城市網絡，適度引導資源集中發展形成幾個大城市，在城鎮化發展道路上，有側重點地平穩推進周邊地區城市化，防止城市無序蔓延，在整體經濟發展水平提升后再逐漸形成多中心、多節點的網絡型城市群。第二，現階段城市群發展的主要矛盾在于城市群多中心性有利于首位城市和位序靠后城市的發展，但是會削弱中間城市的集聚經濟，降低其發展效率。對不同位序的城市應因地制宜，精準施策。例如，中心城市應有序疏解“三高”產業，轉變生產開發方式，承擔科技創新和產業孵化的功能。小城鎮應依托中心城市技術輻射，主動提升承接能力。而中等規模城市應利用綜合成本較低的優勢，積極承接特大城市的制造業轉移，緩解多中心性造成的負向沖擊，與特大城市和小城鎮有效銜接，形成分工明確、功能完善的城鎮化空間布局。第三，城鎮化空間布局也應警惕城市群的過度多中心化。研究結果顯示城市群多中心性小于最優多中心指數時，對綠色發展效率具有促進作用，但是“倒U 型”關系表明城市群發展仍存在絕對公平與效率之間的權衡問題，中國的城鎮化空間布局注重區域發展均衡性導向時也應避免過度均等化，應有效發揮市場競爭力量。最后，優化城市群資源配置還應完善交通網絡布局，促進產業在不同城市的轉移和升級，提高創新能力和知識溢出水平。

總之，雖然中國的城市群在形態上呈現多中心性，但是各城市群以及城市群的成員城市之間的發展差異仍然很大，因地制宜是城市群發展的前提條件，東部和中西部的城市群的規劃和政策應各有側重。城鎮化空間布局應結合當前發展階段，制定不同的空間規劃與政策，同時兼顧城市群的協調發展和效率提高。需要說明的是，雖然文章詳細研究了城市群多中心性如何影響成員城市綠色發展效率，并分析了其影響機制，但文章主要是從經濟發展水平角度考察了城市群的多中心性，若考察功能多中心性或交通網絡的多中心性則可能得出更豐富的結論。

參考文獻

[1]劉生龍，胡鞍鋼.交通基礎設施與經濟增長：中國區域差距的視角[J].中國工業經濟，2010（4）：14-23.

[2]王旭輝，孫斌棟.特大城市多中心空間結構的經濟績效：基于城市經濟模型的理論探討[J].城市規劃學刊，2011（6）：20-27.

[3]方創琳，毛其智，倪鵬飛.中國城市群科學選擇與分級發展的爭鳴及探索[J].地理學報，2015，70（4）：515-527.

[4]卓云霞，劉濤.城市和區域多中心研究進展[J].地理科學進展，2020，39（8）：1385-1396.

[5]孫斌棟，華杰媛，李琬，等.中國城市群空間結構的演化與影響因素：基于人口分布的形態單中心?多中心視角[J].地理科學進展，2017，36（10）：1294-1303.

[6]黃妍妮，高波，魏守華.中國城市群空間結構分布與演變特征[J].經濟學家，2016（9）：50-58.

[7]王少劍，高爽，王宇渠.基于流空間視角的城市群空間結構研究：以珠三角城市群為例[J].地理研究，2019，38（8）：1849-1861.

[8]鄭伯紅，鐘延芬.基于復雜網絡的長江中游城市群人口遷徙網絡空間結構[J].經濟地理，2020，40（5）：118-128.

[9]周燦，曾剛，宓澤鋒.中國城市群技術知識單中心與多中心探究[J].地理研究，2019，38（2）：235-246.

[10]HOHENBERG P M，LEES L H. The making of urban Europe，1000-1950[M]. Cambridge Massachusetts：Harvard University? Press，1985，398.

[11]孫鐵山.中國三大城市群集聚空間結構演化與地區經濟增長[J].經濟地理，2016，36（5）：63-70.

[12]張可，豆建民.集聚與環境污染：基于中國287個地級市的經驗分析[J].金融研究，2015（12）：32-45.

[13]邵帥，張可，豆建民.經濟集聚的節能減排效應：理論與中國經驗[J].管理世界，2019，35（1）：36-60，226.

[14]王磊，高倩.長江中游城市群空間結構的經濟績效影響研究[J].人文地理，2018，33（6）：96-102.

[15]HENDERSON V. The urbanization process and economic growth： the so?what question[J]. Journal of economic growth，2003，8（1）：47-71.

[16]吳福象，劉志彪.城市化群落驅動經濟增長的機制研究：來自長三角16個城市的經驗證據[J].經濟研究，2008，43（11）：126-136.

[17]孫斌棟，郭睿，陳玉.中國城市群的空間結構與經濟績效：對城市群空間規劃的政策啟示[J].城市規劃，2019，43（9）：37-42，85.

[18]劉凱，吳怡，王曉瑜，等.中國城市群空間結構對大氣污染的影響[J].中國人口·資源與環境，2020，30（10）：28-35.

[19]陳超凡.節能減排與中國工業綠色增長的模擬預測[J].中國人口·資源與環境，2018，28（4）：145-154.

[20]劉鉆擴，辛麗.“一帶一路”建設對沿線中國重點省域綠色全要素生產率的影響[J].中國人口·資源與環境，2018，28（12）：87-97.

[21]陳陽，唐曉華.制造業集聚和城市規模對城市綠色全要素生產率的協同效應研究[J].南方經濟，2019（3）：71-89.

[22]王琪，袁濤，鄭新奇.基于夜間燈光數據的中國省域 GDP 總量分析[J].城市發展研究，2013，20（7）：44-48.

[23]FORBES D J. Multi?scale analysis of the relationship between eco ? nomic statistics and DMSP ? OLS night light images[J]. GIScience& remote sensing，2013，50（5）：483-499.

[24]吳健生，李雙，張曦文.中國 DMSP?OLS 長時間序列夜間燈光遙感數據飽和校正研究[J].遙感學報，2018，22（4）：621-632.

[25]徐康寧，陳豐龍，劉修巖.中國經濟增長的真實性：基于全球夜間燈光數據的檢驗[J].經濟研究，2015，50（9）：17-29，57.

[26]陳旭，秦蒙.城市蔓延、人口規模與工資水平：基于中國制造業企業的經驗研究[J].經濟學動態，2018（9）：84-99.

[27]趙渺希，鐘燁，徐高峰.中國三大城市群多中心網絡的時空演化[J].經濟地理，2015，35（3）：52-59.

[28]劉修巖，李松林，陳子揚.多中心空間發展模式與地區收入差距[J].中國工業經濟，2017（10）：25-43.

[29]李澤眾，沈開艷.城市群空間結構對經濟高質量發展的影響[J].廣東社會科學，2020（2）：26-36.

[30]HENDERSON J V，STOREYGARD A，WEIL D N. Measuring? economic growth from outer space[J]. American economic review，2012，102（2）：994-1028.

[31]CLARK H，PINKOVSKIY M，SALA?I?MARTIN X. China s GDP growth may be understated[J]. China economic review，2020，62（8）：101243.

[32]DONALDSON D，STOREYGARD A. The view from above：appli? cations of satellite data in economics[J]. Journal of economic per?spectives，2016，30（4）：171-198.

[33]CHEN Z，YU B，YANG C，et al. An extended time series（2000-2018）of global NPP?VIIRS?like nighttime light data from a cross? sensor calibration[J]. Earth system science data，2021，13（3）：889-906.

[34]覃成林，李紅葉.西方多中心城市區域研究進展[J].人文地理，2012，27（1）：6-10.

[35]蔡之兵，張可云.中國城市規模體系與城市發展戰略[J].經濟理論與經濟管理，2015（8）：104-112.

[36]MEIJERS E J，BURGER M J. Spatial structure and productivity in US metropolitan areas[J]. Environment and planning A：economy and space，2010，42（6）：1383-1402.

[37]郭貫成，溫其玉.環境約束下工業用地生產效率研究：基于中國33個典型城市非期望產出的考量[J].中國人口·資源與環境，2014，24（6）：121-127.

[38]李占風，郭小雪.城市全要素生產效率的測度：基于275個城市的實證[J].統計與決策，2019，35（10）：111-115.

[39]ZHOU P，ANG B W，HAN J Y. Total factor carbon emission per?formance：a Malmquist index analysis[J]. Energy economics，2010，32（1）：194-201.

[40]李勝文，李大勝，邱俊杰，等.中西部效率低于東部嗎：基于技術集差異和共同前沿生產函數的分析[J].經濟學（季刊），2013，12（3）：777-798.

[41]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000[J].經濟研究，2004，39（10）：35-44.

[42]向娟.中國城市固定資本存量估算[D].長沙：湖南大學，2011：69.

[43]姚樹潔，馮根福，韋開蕾.外商直接投資和經濟增長的關系研究[J].經濟研究，2006，41（12）：35-46.

[44]闞大學，呂連菊.對外貿易、地區腐敗與環境污染：基于省級動態面板數據的實證研究[J].世界經濟研究，2015（1）：120-126，129.

[45]聶雷，任建輝，劉秀麗，等.金融深化、政府干預與綠色全要素生產率：來自中國10個城市群的經驗證據[J].軟科學，2021，35（1）：50-55.

[46]林伯強，劉泓汛.對外貿易是否有利于提高能源環境效率：以中國工業行業為例[J].經濟研究，2015，50（9）：127-141.

[47]劉思明，張世瑾，朱惠東.國家創新驅動力測度及其經濟高質量發展效應研究[J].數量經濟技術經濟研究，2019，36（4）：3-23.

[48]杜偉，楊志江，夏國平.人力資本推動經濟增長的作用機制研究[J].中國軟科學，2014（8）：173-183.

[49]逯進，周惠民.中國省域人力資本與經濟增長耦合關系的實證分析[J].數量經濟技術經濟研究，2013，30（9）：3-19，36.

[50]王崇鋒.知識溢出對區域創新效率的調節機制[J].中國人口·資源與環境，2015，25（7）：77-83.

[51]林伯強，譚睿鵬.中國經濟集聚與綠色經濟效率[J].經濟研究，2019，54（2）：119-132.

[52]王杰，劉斌.環境規制與企業全要素生產率：基于中國工業企業數據的經驗分析[J].中國工業經濟，2014（3）：44-56.

[53]封志明，唐焰，楊艷昭，等.中國地形起伏度及其與人口分布的相關性[J].地理學報，2007，62（10）：1073-1082.

[54]羅君，石培基，張學斌.蘭西城市群人口分布格局及其與地形要素的關系[J].經濟地理，2020，40（6）：106-115.

[55]章元，劉修巖.聚集經濟與經濟增長：來自中國的經驗證據[J].世界經濟，2008，31（3）：60-70.

Polycentricity and green development efficiency of urban agglomerations： spatial distribution of urbanization based on heterogeneity

ZHANG Keyun1，2，ZHANG Jiang1

（1. School of Applied Economics， Renmin University of China， Beijing 100872， China;2. Information Center for Social Sci?ence， Renmin University of China， Beijing 100872， China）

Abstract? Urban agglomerations are spatial combinations of cities and the main spatial carrier for China to promote new urbanization and implement the concept of green development. Does their polycentricity help to improve the efficiency of regional green development and achieve coordinated development？ This paper used satellite?monitored night light data to identify the polycentricity of each urban agglomeration in China， and used three major pollution emission indicators as undesired outputs respectively to calculate the Malmquist?Luenberger dynamic decomposition index and to examine the dynamic changes of the green development efficiency of urban agglomerations and their member cities. Based on the panel data of 14 key urban agglomerations from 2004 to 2018 to study the impact of polycentricity on the green development efficiency of member cities， this research found that：① The polycentricity of urban agglom?erations had a significant threshold effect on the green development efficiency of member cities， and the improvement of polycentricity could improve the green total factor productivity of eastern urban agglomerations， but it had a negative effect on central and western ur? ban agglomerations.② Polycentricity had an ‘inverted U?shaped ’ influence on the urban agglomerations. The transmission mechanism found that the ‘inverted U?shaped ’ influence was mainly achieved through knowledge spillover， technological innovation， and human capital.③ The improvement of polycentricity had a negative effect on the green total factor productivity of medium?sized cities， but a positive effect on the green total factor productivity of cities in the lower rank， and its effect gradually decreased with the fall of the city? s economic rank. After changing the polycentricity index， using topographic relief and data of railway opening in 1933 as instrumental variables， and using the panel Tobit model and panel threshold model， the results obtained were basically the same， which confirmed the robustness of the results. Therefore， at the present stage， with China s spatial distribution of urbanization focusing on the tradeoff be ? tween the development of big cities and small cities， the heterogeneity of spatial units should be comprehensively considered， and differ?ential urban agglomeration policies should be formulated and implemented.

Key words? urban agglomeration; polycentricity; green total factor productivity; spatial distribution of urbanization; heterogeneity

（責任編輯：劉呈慶）