數字經濟能提升超大特大城市承載力嗎？

摘要 黨的二十大報告指出“加快轉變超大特大城市發展方式”。數字經濟打破了集聚效應的空間限制，為超大特大城市發展方式轉變提供了新思路。該研究以北京市為例，基于數字經濟對城市承載力作用機理的理論分析，通過構建數字經濟和城市承載力指標體系，實證檢驗數字經濟與城市承載力的短期與長期間動態關系；選取2010—2020年北京市數字經濟相關企業的上市信息作為數字經濟的代理變量，運用加權平均中心分析（WMC）及標準差橢圓分析（SDE）方法，對北京市數字經濟企業的空間演化進行分析。研究結果表明：①數字經濟通過優化就業結構、創造就業崗位、提升交通效率、線上場景替代等路徑，能夠顯著提升超大特大城市承載能力，但存在一定的滯后性；隨著時間推移，這種影響將會逐漸增強。②數字經濟能夠發揮較強的離心作用，促進相關經濟活動向城市外圍擴散，從而降低中心城區的承載壓力，這在一定程度上突破了傳統的“中心-外圍”理論。總之，數字經濟能夠通過提升城市承載能力以及緩解中心城區承載壓力兩個維度推動“大城市病”治理，從而為超大特大城市人口政策調整和城鄉區域發展策略優化提供科學依據。據此，該研究認為，應在促進超大特大城市的數字經濟發展、推動超大特大城市企業數字化轉型、提高政府數字化服務能力以及提升城鎮弱勢群體城市融入能力等方面綜合施策，充分利用好數字經濟對超大特大城市承載力的促進作用，以此實現超大特大城市的高質量可持續發展。

關鍵詞 數字經濟；城市承載力；超大特大城市；大城市病；新經濟地理學；中心-外圍理論

中圖分類號 F49；F299 文獻標志碼 A 文章編號 1002-2104（2023）06-0116-12 DOI：10. 12062/cpre. 20230101

超大特大城市具有良好的基礎設施、健全的公共服務等發展優勢，對勞動力、資本等生產要素具有更強的吸引力［1-2］，使得規模經濟和集聚經濟效益持續顯現［3-4］，已經成為中國經濟增長的重要引擎和引領區域經濟發展的重要力量［5-7］。根據第七次全國人口普查數據統計，北京、上海、廣州、深圳等7個超大城市以及武漢、東莞、西安、南京等9個特大城市吸引的流動人口總數占全國的24. 04%；2021年國家統計局數據也顯示，7個超大城市和14個特大城市的GDP占全國的32. 43%。

然而，以往“攤大餅”式的土地城鎮化導致超大特大城市的人口膨脹、交通擁堵、房價高漲以及環境污染等“大城市病”日益凸顯［8-9］，成為制約超大特大城市高質量發展的重大挑戰。鑒于此，國家“十四五”規劃綱要指出“優化提升超大特大城市中心城區功能，推動超大特大城市內涵式發展”；2022年國家發展改革委印發的《2021年新型城鎮化和城鄉融合發展重點任務》也指出“促進超大特大城市優化發展”“增強城市群人口經濟承載能力，有效破解‘大城市病’”。那么，如何破解超大特大城市的“大城市病”問題呢？

從國際經驗來看，解決“大城市病”的舉措主要包括加強規劃和立法引導、建立城市副中心和衛星新城、完善軌道交通網絡建設等［10-11］。例如，日本東京為治理“大城市病”，通過制定東京圈基本規劃、實施《工業控制法》等，使大批勞動力密集型企業及重工業遷往郊區及中小城市，同時，分階段實施“副中心”戰略，使副中心與中心城區一起承擔東京的城市功能［12］。從國內實踐來看，北京等超大特大城市采取的舉措主要包括落戶限制、產業轉移、建設城市副中心、完善公共交通等［13-14］。此外，北京及上海等超大城市還在控制人口增量、建設用地規模等方面制定了嚴格的行政指標。由此可見，國內超大特大城市在解決“大城市病”問題上主要依靠行政性手段，這些措施雖然暫時緩解了城市人口壓力偏大與綜合承載能力不足之間的矛盾，但是單純依靠行政性手段將產業及人口轉移至郊區或周邊城市，并不能促進承接地技術創新以及創造足夠的工作崗位，導致承接地對就業及人口的承接能力面臨挑戰［15］。與此同時，政策性的人口疏解措施還會導致居住和公共服務之間的分離、居住和就業崗位之間的“職住分離”以及地區間收入差距擴大等問題［16］，出現城市增長、宜居、和諧的“三元悖論”［17］。對于超大特大城市而言，依靠行政性手段形成的多中心結構不利于城市高質量發展［18］。

該研究認為，“大城市病”的解決重點不應依靠行政性手段疏解人口，而應該聚焦于如何科學提升城市承載能力，實現超大特大城市高質量可持續發展。近年來，依托大數據、物聯網、人工智能等數字技術，數字經濟得以快速發展。目前，以在線教育、線上辦公、互聯網醫療、產業平臺化、“虛擬”產業園、智能工廠等為代表的數字經濟新業態新模式正在改變著人類社會的組織模式和社會互動的基本形式［19-20］。在數字經濟時代，數據作為一種生產要素介入產業體系，打破了集聚效應的空間限制，為打通產業端、消費端和流通端奠定了技術基礎，開拓了“大城市病”治理的新思路。基于此，該研究的基本問題是：數字經濟將對超大特大城市承載力產生怎樣的影響呢？

1 文獻綜述

當前國內外有關“數字經濟與城市承載力關系”的研究主要聚焦于產業效應、就業效應以及城市空間布局演變等維度。

產業是勞動力就業的載體，產業轉移也成為國內外城市人口疏解的重要選擇［21］。相關研究發現，數字化技術的應用能夠降低交易成本，壓縮時空距離，使得產業組織分工對于地理空間的鄰近依賴有所下降，進而推動地理空間的傳統產業集群模式開始向網絡空間的虛擬產業集群模式轉型［22-23］。其背后的邏輯是基于現代化的信息技術，虛擬產業集群可以降低產業分工成本，促進技術、人才等生產要素實現跨地區、跨行業的高效率協同聯動［24-27］。總之，正是虛擬產業集群先天性的全球化屬性及其成員在地理空間上的分散化分布，導致區域勞動力產業結構配置發生改變。

除了數字經濟的產業效應，國內外學者關注更多的是人工智能、互聯網等技術進步對勞動力市場（就業、收入）的影響。從就業效應而言，部分學者認為人工智能會導致社會勞動力總需求下降，對勞動力市場具有擠出作用，即技術進步的就業替代效應［28-30］。另有學者認為，人工智能在替代勞動力的同時還會衍生出新的就業機會，即技術進步對就業同時存在替代效應和創造效應［31-33］。其中，有學者從創業生態角度，研究認為數字經濟能促進創業活動，增加就業機會［34-35］。此外，還有學者進一步從產業可貿易性、崗位替代彈性等角度，研究認為人工智能會加劇勞動力市場的就業極化現象，包括空間極化和技術極化［36-37］。與此同時，從收入效應而言，學界亦存在較大分歧：一種觀點認為人工智能等技術進步可以顯著提升平均工資收入［38］。其中，農村等欠發達地區不但可以通過“產業數字化轉移”增加就業、促進創業，還可以通過數字平臺促進農產品市場、農業生產資料等農業信息的傳播，改善信息不對稱，增加農民收入［39］。另一種觀點認為由于勞動者技能水平、城鄉經濟發展水平等存在差異，導致“數字鴻溝”的出現，從而加劇不同技能要求崗位的收入不平等和城鄉收入差距［40］。綜上所述，雖然相關研究結論還存在較大分歧，但是人工智能、互聯網等技術進步對勞動力市場的沖擊是無可爭議的，這可能會進一步傳導至區域人口遷移。

此外，數字經濟影響社會和經濟發展及其空間進程，促進城市空間結構去中心化，從而重塑人地關系。根據已有相關文獻，數字經濟依靠對傳統商業模式的創新，形成新的價值創造過程，降低交易成本和時空障礙，使得空間和距離在文化和經濟活動中的重要性降低，促進城市空間結構的去中心化，從而幫助人們從物理場所的時空約束、交通擁堵等問題中解脫出來［41-42］。進而，Zhu等［43］利用數字經濟企業的空間分布演化反映數字經濟空間分布，采用政策分析與地理結果相結合的綜合方法，研究發現數字經濟空間分布有助于沖破傳統的中心-外圍模型，促使核心區邊界逐漸向外延伸。另一方面，部分學者將研究重點聚焦于數字經濟對公共服務的影響。有學者研究認為，數字經濟可以通過資源整合和共享為公民提供高效、低成本的公共服務［44］，改善農村的教育、醫療、養老等公共服務水平，促進城鄉公共服務均等化［45］。在數字經濟情景下，中小城市、小城鎮及農村公共服務能力的提升將帶給居民更高的效用水平，因此，勞動力向大城市集聚的趨勢可能會有所緩解，就近就地城鎮化發展空間增大。但是，也有學者研究認為，數字經濟將提升超大特大城市公共服務能力和城市治理能力、增強城市承載力、降低通勤成本，從而吸引勞動力流入［46］。

綜上所述，國內外相關研究已經取得了較大進展，為該研究奠定了堅實的基礎，但鮮有研究直接揭示數字經濟對城市承載力的影響及作用機理。基于此，該研究構建數字經濟與城市承載力指標體系，運用理論與實證分析，從就業與交通兩個維度，揭示數字經濟發展與城市承載力的動態關系；從新經濟地理學的視角，基于數字經濟企業的時空演化分析，揭示數字經濟對超大特大城市經濟活動空間分布的影響。其可能的邊際貢獻在于：揭示數字經濟發展對城市承載力的作用機理，從而為超大特大城市人口政策調整與城鄉區域發展策略優化提供科學參考；揭示數字經濟對城市經濟活動時空演化的影響，有助于重新思考數字經濟情景下“中心-外圍”理論的適用性。該研究可為開拓超大特大城市“大城市病”治理新路徑提供理論支撐。

2 理論機制

數字經濟已成為推動經濟社會高質量發展的重要引擎，不僅創造了諸多新業態、新模式，而且通過智能化生產、數字化服務等有效提升了城市承載力。從就業與交通兩個視角探討數字經濟提高城市承載力的作用機制。

2. 1 智能化生產與就業承載力

智能化生產通過就業創造效應提高就業承載力。與歷次技術革命類似，智能化生產本質上同樣是自動化進程的深化，但區別于以往技術革命停留在對人體力勞動的替代，智能化生產通過大數據、人工智能以及工業互聯網等技術可以在一定程度上實現對人腦力的替代［47］。這也意味著智能化生產將會產生范圍更大、程度更劇烈的就業替代效應，造成部分就業崗位的減少甚至消失［48］。雖然智能化生產（數字經濟）存在就業替代效應，但是從歷史數據來看，過去一個世紀以來各國就業總量呈上升的態勢［49］。這表明智能化生產不僅存在就業替代效應，同時也存在就業創造效應，并且從長期來看，智能化生產的就業創造效應將會超過替代效應。近期的有關研究支持了這一觀點［50-52］。

進一步，可以將就業創造效應分解直接創造效應和間接創造效應。直接創造效應是指隨著智能化生產的推進，將會有更多與之相關的就業崗位被創造出來，這些崗位往往具有知識技能密集型特征，例如數據分析、研發設計等崗位，對于高技能人才將會產生較大需求。間接創造效應指的是由于智能化生產替代效應造成的生產率提升將引致相關產業規模擴大，由此增加部分就業崗位，其實現路徑可分為以下兩種：一是規模效應渠道。隨著企業引入智能化生產，企業生產成本降低，企業為了利潤最大化將會不斷擴大生產規模直至達到平均成本曲線最低點，生產規模擴大勢必會增加新的崗位，且這些崗位往往存在于未被智能化生產替代的部門及環節。二是溢出效應渠道。智能化生產導致效率提升以及成本下降，在一定程度上增加了居民的真實收入，引致對其他行業（例如服務業）需求的增加，引起其他行業就業崗位增加。

智能化生產通過就業優化效應提升就業承載力。智能化生產在增加就業崗位的同時，也會促進就業結構發生優化升級，稱為就業優化效應。智能化生產作為數字經濟與制造業融合的產物，憑借高滲透性和替代性的特征快速滲透至各個產業，并對傳統就業結構產生沖擊。一方面，隨著智能化生產等數字技術的不斷進步，對于高技能人才的需求不斷增加；另一方面，第二產業尤其是制造業中的許多中低技能勞動力往往從事程式化的、易于被替代的工作，將會受到智能化生產的強烈沖擊而被替代［53-54］。這些被智能化生產替代的中低技能勞動力往往在短期內無法適應新興崗位的要求，將會轉向外賣騎手、網約車司機以及電商客服等低技能的新興服務業，加速就業服務化趨勢，導致第三產業尤其是服務業發展迅猛。產業結構的演化將產生就業結構的轉變。根據“配第-克拉克定理”可知，隨著經濟發展，越來越多的勞動力將從第一、二產業流入第三產業，導致以服務業為代表的第三產業迅速發展。當前，隨著數字技術向傳統產業的深度融合，第三產業占比持續提升。以北京市為例，2020年北京市第一、二、三產業貢獻率分別為-2. 6%、30. 0%、72. 6%。總的來說，伴隨數字經濟發展，產業結構不斷轉型升級，就業服務化趨勢不僅吸納了大量從第一、二產業被替代的勞動力，同時進一步優化了就業結構，有助于提高城市就業承載力。

2. 2 數字化服務與交通承載力

數字經濟的發展具有高滲透性的特征，能夠迅速滲透至各個領域，同時產生廣泛的影響。近年來，伴隨著以大數據分析、5G技術以及人工智能為核心技術的數字化服務的興起，數字經濟的影響已擴散至交通領域，對于城市交通承載力的提高發揮了積極作用［55］。

一方面，在城市交通日趨超負荷、原有的道路交通體系難以重新規劃的背景下，單純拓寬道路增加交通供給的做法已經難以為繼，亟須解決的問題是如何實現交通供給與需求的平衡［56-57］。數字經濟的快速發展成為解決這一難題的關鍵。數字經濟依托大數據、物聯網、云計算、人工智能等數字技術向交通參與各方提供便捷高效的數字化服務，成為新的交通供需關系組織者。從需求端來看，數字化服務可以幫助出行者提前規劃最優出行方式及路線，有效降低出行者的出行成本；從供給端來看，數字化服務有助于打破公共交通運營模式的剛性，進行靈活地調配與組織，實現供給與需求的實時互動。這種新型交通供需關系組織者的功能可以由智能交通系統（Intelligent Traffic System，簡稱ITS）直觀地體現，其能夠將數據傳輸技術、信息控制技術等現代科學技術綜合運用于交通運輸、服務控制等領域，提供高效、及時、準確的服務，有效提高城市交通承載能力［58］。ITS基于算法對實時數據進行整合，并通過傳輸技術提供信息資源共享服務，使交通參與者獲取到實時路況并選擇最優出行方式及路線，同時可使公共交通運營商進行靈活調配與協調，還可使交通管理部門根據實時路況制定最有效的應對措施，減少交通事故以及擁堵的發生，極大提高了交通運輸效率［59］。另一方面，隨著數字技術的普及，諸如線上會議、在線教育以及網絡購物等應用變得更加廣泛。這些數字化服務可以對傳統的經濟行為進行線上替代，幫助用戶節省花費在路上的時間以及成本。同時，由于只需要一臺可以聯網的電子設備便可享受到便捷的數字化服務，削弱了人們對出行的需求，并由此減緩了城市面臨的交通壓力。另外，根據梅特卡夫法則以及摩爾定律，這種在線服務造成的線上場景替代效應將會隨著數字經濟的發展更加突出，在未來將會對城市交通承載力的提升發揮更加顯著的影響。

2. 3 數字經濟與中心擴散效應

進入21世紀，以信息通信技術為核心的數字經濟蓬勃發展，移動互聯網、5G技術、云計算等最新研究成果得到轉化，逐漸被投入到商業活動中，由此產生了諸多新業態、新模式，導致商業活動發生巨大變革。而城市作為商業活動的主要載體及主要場所，其空間結構將會隨著商業活動模式的轉變得到深刻改變。

對于城市的空間結構變化，新經濟地理學提供了新的研究框架。新經濟地理學的中心-外圍模型認為，經濟活動在空間上將處于聚集狀態還是分散狀態，主要取決于促使產業地理集中的向心力和削減產業地理集中的離心力兩者的相對強度。向心力的主要驅動力包括市場規模效應、充裕的勞動力市場，比如產業間的前向和后向聯系、知識外溢等；離心力的主要驅動力包括要素的不可流動性、地租，比如環境污染、交通擁擠等［60］。在這兩種力量的相互作用下，經濟活動的演化最終將導致“中心-外圍”格局，即制造業成為城市“中心”，農業成為城市“外圍”。中心-外圍模型在經濟學界產生了巨大影響，甚至被視為不完全競爭和收益遞增革命的第四次浪潮，得到了學者們的廣泛認同。但是數字經濟的出現，正逐漸從以下三方面突破傳統的中心-外圍模型，為重新塑造城市空間結構發揮巨大貢獻。

①中心-外圍模型的一個核心原理是：經濟人對規模經濟與運輸成本的權衡決定著產業布局模式［61］。但是數字經濟具有零邊際成本的特征，一旦數字基礎設施得到完善，數字經濟的運輸成本可以忽略不計。對于市場上各主體來說，雖然搭建數字基礎設施會產生建設成本以及后期設備運營成本，但是數字技術的賦能會提高各主體信息資源整合能力以及生產運行效率，同時有效降低生產成本、交易成本以及管理成本［62］，長期來看，數字技術帶來的收益將會遠超建設及運營成本。因此，在數字經濟時代，中心-外圍模型的基本假定已經被突破。②數字經濟可以突破距離以及時間的限制，使人們的信息傳輸、經濟往來可以在一瞬間完成。隨著數字經濟應用的普及，越來越多的價值創造活動將由線下轉移至線上，同時，數字經濟也為知識外溢提供了更多樣的平臺及途徑，不必受限于距離的限制。因此，使經濟活動集聚的向心力被弱化。③由于城市發展已經達到很高的程度，尤其是對一些超大城市而言，其“大城市病”問題日趨嚴重，人口擁擠、交通擁堵以及環境污染等問題迫使經濟活動向外分散，這意味著使經濟活動分散的離心力得到了強化。綜合來看，數字經濟將使得經濟活動從城市中心向外擴散，減輕城市中心區域面臨的承載壓力，有效提升城市承載能力。

3 研究設計與數據說明

為驗證上述邏輯分析，首先構建數字經濟與城市承載力指標體系來測度城市內部數字經濟與承載力水平，然后設定計量模型從就業與交通兩個維度揭示數字經濟發展與城市承載力的動態關系，最后，從新經濟地理學的視角進一步分析，基于數字經濟企業的時空演化分析，揭示數字經濟對超大特大城市經濟活動空間分布的影響。

3. 1 城市承載力指標體系構建與測度

住建部于2005年首先提出了城市承載力這一概念。當前，城市承載力的內涵已經由最初的只涉及生態資源領域擴展到經濟、交通以及人文等領域。學者們大多采用構建多維度的指標體系來對城市承載力水平進行測度，并且指標選取往往隨著研究方向的不同而有較大的差異。由于資源、環境等方面的變化涉及深層次生產方式及生活方式的變革，需要較長時間才能顯現，而數字經濟發展時間較晚，其影響具有一定滯后性。因此，借鑒學者們已有研究成果，從就業及交通兩個視角構建北京市城市綜合承載力指標體系［63-66］。結合北京市現實情況以及綜合評價指標的系統性、科學性以及代表性原則，構建了包含“就業承載力、交通承載力”在內的2個一級指標以及包含“第三產業勞動生產率、城鎮登記失業率、中心城區高峰時段平均道路擁堵指數、中心城區通勤出行量”等在內的16個二級指標的北京市城市承載力評價指標體系，采用熵值法確定各指標權重。具體指標及權重見表1。

就業承載力是制約城市規模擴張和品質提升的根本性因素，是確定城市產業規劃、人口控制目標以及相關管理政策制定的重要依據，對促進城市可持續發展、實現人的自由和全面發展尤為關鍵［67］。結合就業承載力相關研究以及北京市現實就業情況，構建的就業承載力系統不僅涵蓋充分就業情況，還包括高質量就業情況。充分就業情況受到常住人口規模、經濟發展水平、產業結構變動等因素的影響，因此，選取人均地區生產總值、城鎮登記失業率、常住人口、社會消費品零售總額4個二級指標；同時重點關注第三產業就業情況及發展情況，選取第三產業從業人員占比、第三產業勞動生產率以考查產業結構層面的變化。高質量就業情況的核心指標為工作收入，工作收入反映了勞動力對社會的貢獻、自身價值體現以及社會對勞動力的認可程度［68］，因此選取城鎮人均可支配收入、城鎮單位就業人員平均工資衡量城市高質量就業情況。

交通承載力是支撐城市經濟社會協調發展的關鍵性因素。通過科學規劃交通格局，構建高效的公共交通系統，可以有效解決道路擁堵、人口擁擠等問題，極大提高城市承載能力［69］。構建的交通承載力子系統用于反映公共交通系統的規模能否為居民提供有效的出行及通勤服務，同時緩解中心城區交通擁擠的問題。一方面，城市私家車保有量的快速增長導致了日益嚴重的交通擁堵和環境問題，發展公共交通可以提高道路使用效率從而減緩交通擁堵已成為普遍共識［70］。因此，借鑒齊喆等［63］的做法，選取公共交通營運車輛數、公共交通運營線路長度、公共交通客運量以及城市每萬人擁有公共交通車輛數4個二級指標衡量城市公共交通承載能力。另一方面，由于中心城區是城市經濟活動最活躍的區域，集聚了大量人口、企業，相比于郊區，中心城區面臨更大的承載壓力，因此選取中心城區高峰時段平均道路擁堵指數、中心城區日均出行總量、中心城區通勤出行量等4個二級指標衡量中心城區的交通承載力水平。

3. 2 數字經濟指標體系構建

當前，有關數字經濟測度指標體系，學術界并無權威標準。從地級市層面的數字經濟指標體系來看，趙濤等［71］構建的指標體系具有角度全面、可操作性強等優點被廣泛使用。因此，借鑒趙濤等學者的方法，從互聯網普及率、互聯網相關從業人員情況、互聯網相關產出、移動互聯網普及率以及數字普惠金融發展五個維度對北京市數字經濟發展水平進行測度。各維度對應具體指標見表2，并通過熵值法將上述指標降維處理為一個綜合指標，得到解釋變量Dige。

為保證VECM 結果的有效性，利用AR 檢驗考察VECM的有效性，結果表明該向量誤差修正模型具有較好的穩定性。此外，通過檢驗VECM 殘差發現ln Dige 與ln Ucc 的擾動項均服從正態分布，保證了預測結果的準確性。對于數字經濟與城市承載力間的動態響應關系，利用脈沖響應函數進行分析。脈沖響應函數結果如圖1所示，主要關注數字經濟發展水平與城市承載力水平之間的相互響應。

由圖1（b）可知，當在本期給ln Dige 一個標準差的正向沖擊后，ln Ucc 沒有立即發生反應，反映出城市承載力對于數字經濟發展具有一定的滯后性。隨后ln Ucc 的正響應逐漸增強，在滯后2期達到峰值，此后微微下降，滯后4期左右趨于穩定，最終呈現穩定的正向收斂跡象，表明數字經濟的發展對于城市承載力具有長期的促進作用。由圖1（c）可知，在本期給ln Ucc 一個標準差的正向沖擊后，ln Dige 立即產生正向響應，在滯后2期達到峰值，略微下降后呈現穩定的正向收斂跡象。由此表明，隨著城市承載力的提升，北京市在就業、交通等領域對于數字經濟的需求明顯提升，城市承載力的提升將會倒逼數字經濟發展。

上述脈沖函數曲線可以反映某內生變量的隨機誤差變動對全部內生變量所帶來的沖擊響應情況，與此不同的是，方差分解反映每個結構沖擊對內生變量變化的相對貢獻度［74］。ln Ucc 方差分解結果見表6。

由方差分解結果可知，ln Ucc 在第一期只受自身波動的影響，ln Dige 的貢獻度為0，表明ln Dige 對ln Ucc 波動的沖擊具有一定的滯后性。自第2期起，ln Dige 對ln Ucc波動的貢獻度逐漸增強，從第2期的15. 69%增至第8期的33. 18%，而ln Ucc 對自身的貢獻度逐漸減弱，由第2期的84. 31%降至第8期的66. 82%。方差分解結果表明數字經濟發展對于北京市城市承載力提升具有積極作用，雖然這種積極影響具有一定的滯后性，但是具有較長的持續性。

4. 2 數字經濟發展與城市經濟活動的空間分布演化

上述實證檢驗證明：從長期來看，數字經濟發展對于城市承載力提高具有促進作用，這與該研究之前的預期相符。利用數字經濟上市企業的空間分布演化探究數字經濟發展與城市經濟活動空間分布演化的關系，從而進一步揭示數字經濟對城市承載力的影響。

數字經濟企業重心變化趨勢可以反映數字經濟在空間分布上的演化。圖2中以2010、2015和2020年三個時間節點的數字經濟企業重心變動反映出，近十年來，北京市數字經濟企業分布重心持續向西北方向移動。在數字經濟作用下，相關的經濟活動正向遠離城市中心的方向移動，在一定程度上突破了傳統的中心-外圍模型。標準差橢圓的形狀可以反映數字經濟企業空間分布特征。由圖2可以看出，2010—2020年，以員工人數為權重的北京市數字經濟企業標準差橢圓長短半軸均呈增長態勢。一方面，標準差橢圓的短半軸表示數字經濟企業分布的范圍，短半軸變長表明離心力更加明顯，即數字經濟促使相關經濟活動向城市更大范圍延伸；另一方面，長半軸表示數字經濟企業分布的方向。可知北京市數字經濟企業分布呈西北-東南的空間格局，且標準差橢圓的方向角持續增大，表明昌平、順義、房山、大興等郊區對數字經濟企業的吸引力變大。標準差橢圓分析（SDE）同樣表明數字經濟將發揮較強的離心作用，促進相關經濟活動向城市外圍擴散，減少其在城市中心的集聚。

出現上述變化可能是由于城市中心地租不斷升高、交通擁堵加劇以及競爭過于激烈等“城市病”問題加劇，從而使得中心城區企業面臨成本升高、運行效率下降等問題，而數字經濟的獨特屬性可以使信息傳輸、經濟往來突破時間、距離的限制。因此，在數字技術的加持下，經濟活動將會向外圍地區擴散。當數字經濟企業擴散至外圍地區后，可以憑借以大數據、物聯網、5G通信為代表的數字信息技術提高與產業鏈上下游之間的溝通效率，并且可以及時地獲取市場信息，有效降低生產成本以及交易成本，提高企業的經營利潤。數字經濟以這種方式降低城市中心面臨的承載壓力，并通過不斷創造新產業、新業態、新模式提高城市整體的承載能力。

5 結論及政策建議

為深入研究數字經濟發展對城市承載力的影響，分別從理論機制以及實證檢驗兩方面進行了探究。在理論層面，基于就業與交通兩個視角對數字經濟提高城市承載力的影響機制進行了闡述：一方面，數字經濟通過智能化生產等數字技術與制造業深度融合，充分發揮就業創造效應與就業優化效應，實現城市就業承載力的提升；另一方面，數字經濟通過提供便捷高效的數字化服務成為新的交通供需關系組織者，有效提升交通運輸效率，同時對廣泛的日常事務進行線上場景替代降低出行需求，實現城市交通承載力的提升。此外，在“大城市病”不斷加劇的背景下，數字經濟憑借自身獨特屬性將會對經濟活動產生擴散效應，一方面弱化促使經濟活動向城市中心集聚的向心力，另一方面強化促使經濟活動向城市邊緣擴散的離心力，突破傳統的中心-外圍模型，降低城市中心面臨的承載壓力，使得超大特大城市整體承載能力增強。在實證層面，構建了包含就業承載力以及交通承載力兩個子系統在內的城市承載力評價體系以及數字經濟發展指標體系，并對北京市2011—2019年的城市承載力水平以及數字經濟發展水平進行了測度，利用測度數據構建了向量誤差修正模型（VECM），結合脈沖響應分析以及方差分解分析對數字經濟與城市承載力間的動態關系進行了研究。繼而，基于新經濟地理學的視角，通過獲取數字經濟上市企業相關信息，以2010、2015以及2020年作為時間節點，進行加權平均中心分析以及標準差橢圓分析，以此來探究北京市數字經濟近十年來的空間分布重心移動、分布范圍以及分布方向的變化情況。

研究結果表明：①在短期內，數字經濟對于城市承載力具有正向影響，但是具有一定的滯后性。通過脈沖響應及方差分解可知，數字經濟對于城市承載力的正向影響在受到結構性標準差沖擊后第4期達到穩定。②長期來看，數字經濟發展水平對于城市承載力提升具有顯著的正向作用。通過協整檢驗發現數字經濟與城市承載力之間具有協整關系，表現為正向的長期均衡關系。③近十年來，北京市與數字經濟相關的經濟活動范圍逐漸擴大，且相關經濟活動的重心不斷遠離城市中心，突破了傳統的中心-外圍模型。隨著數字經濟的發展，其對于經濟活動的離心作用不斷增強，將城市中心面臨的承載壓力分散至城市外圍，有助于城市整體承載能力的提升。基于上述研究結論，提出如下政策建議。

第一，促進超大特大城市的數字經濟發展。作為一種全新的經濟形態，數字經濟正日益成為推動中國經濟持續穩定增長的重要引擎，為中國經濟高質量發展增添新動能，同時，也為破解超大特大城市“大城市病”難題提供了新的方案。超大特大城市應抓住數字化發展新機遇，加強宏觀頂層設計，制定數字經濟發展規劃，以發展數字經濟為抓手提高城市承載能力，推動超大特大城市實現高質量發展。

第二，推動超大特大城市企業數字化轉型。當前，超大特大城市普遍存在地租上漲、用工成本增加等現象，導致企業生產成本上升，企業經營利潤不斷被壓縮。數字技術的應用可以幫助企業節約成本、提高管理效率、增強綜合競爭力，企業數字化轉型已經成為必然趨勢。為此，政府應實施企業數字化賦能專項行動，推動廣大企業積極融入數字化應用場景和產業生態，賦能傳統產業轉型升級，培育新產業新業態新模式；同時，要加強對企業數字化轉型的政策支持，通過設立專項資金等舉措，為企業實現數字化轉型提供資金扶持，打造一批數字化轉型標桿項目。

第三，提高政府數字化服務能力。超大特大城市公共服務資源往往向中心城區過度集聚，尤其是醫療、教育等方面，導致區域間、城鄉間公共服務資源嚴重失衡，制約了城市承載能力。不僅如此，人口的過度集中使得城市交通擁堵日趨嚴重，單純增加交通供給已無法解決問題，而數字技術的應用能有效促進區域之間、城鄉之間的公共服務資源更加優化配置，彌補公共服務短板，提升政府服務能力。為此，各級政府要持續提升公共服務數字化水平，打造更豐富的數字公共服務綜合應用場景，促進更多數字技術創新成果應用，引導社會資本探索更多數字經濟應用場景，讓更多民眾享受數字化帶來的便利。

第四，提升城鎮弱勢群體城市融入能力。隨著大數據、人工智能以及工業互聯網技術快速發展并與實體經濟深度融合，部分中低技能勞動力的崗位被智能化生產所替代。一方面，政府應進一步加強對受智能化生產沖擊而下崗人群的失業救濟，通過失業保險、失業津貼等方式為失業人群提供直接生活保障；另一方面，各級政府及人力資源主管部門應加強對失業人群再就業培訓，積極提高失業人群數字技能，提高其再就業能力。

參考文獻

［1］ 趙海濤. 農業轉移人口的城市偏好與跨城市二次流動研究［J］.人口與發展，2020，26（5）：32-48.

［2］ 余奕杉，衛平. 中國城市綠色全要素生產率測度研究［J］. 生態經濟，2021，37（3）：43-52.

［3］ 柯善咨，趙曜. 產業結構、城市規模與中國城市生產率［J］. 經濟研究，2014，49（4）：76-88，115.

［4］ 梁婧，張慶華，龔六堂. 城市規模與勞動生產率：中國城市規模是否過小［J］. 經濟學（季刊），2015，14（3）：1053-1072.

［5］ 劉慧，沈桂龍，汝剛. 超大城市增強農村產業發展的動力機制與國際經驗［J］. 農村經濟，2020（1）：128-136.

［6］ 吳月，馮靜芹. 超大城市群環境治理合作網絡：結構、特征與演進［J］. 經濟體制改革，2021（4）：80-87.

［7］ 陸銘，彭沖. 再辯大城市：消費中心城市的視角［J］. 中山大學學報（社會科學版），2022，62（1）：175-181.

［8］ 鄧忠奇，宋順鋒，曹清峰. 中國城市規模之謎：一個綜合分析框架［J］. 財貿經濟，2019，40（9）：102-116.

［9］ 沈潔，張可云. 中國大城市病典型癥狀誘發因素的實證分析［J］. 地理科學進展，2020，39（1）：1-12.

［10］ LEISHMAN C，BOND?SMITH S，LIANG W D，et al. Relationshipsbetween metropolitan，satellite and regional city size，spatial con?text and economic productivity［R］. 2021.

［11］ 汪彬，李鴻磊. 外國城市化經驗對新時代中國城市發展的啟示［J］. 經濟體制改革，2019（4）：160-166.

［12］ 丁成日，何曉，朱永明. 超大城市的增長及其對城市發展戰略的影響［J］. 城市與環境研究，2021，8（4）：28-46.

［13］ 徐芳，齊明珠. 經濟新常態下大都市人口管理研究：以北京市為例［J］. 管理世界，2017（5）：7-16.

［14］ 趙成偉，劉冬梅，王硯羽. 產業疏解對京津冀協同發展的作用路徑及效果研究［J］. 經濟與管理評論，2022，38（3）：53-66.

［15］ 高越，何迪燊，李思瑩，等. 北京城市副中心對疏解非首都功能貢獻度研究［J］. 調研世界，2019（2）：55-59.

［16］ LU M ， SUN C ， ZHENG S Q. Congestion and pollution conse?quences of driving?to?school trips：a case study in Beijing［J］.Transportation research part D：transport and environment，2017，50：280-291.

［17］ 陸銘，李杰偉，韓立彬. 治理城市病：如何實現增長、宜居與和諧？［J］. 經濟社會體制比較，2019（1）：22-29，115.

［18］ 王曉紅，李宣廷，張少鵬. 多中心空間結構是否促進城市高質量發展：來自中國地級城市層面的經驗證據［J］. 中國人口·資源與環境，2022，32（5）：57-67.

［19］ 王俊豪，周晟佳. 中國數字產業發展的現狀、特征及其溢出效應［J］. 數量經濟技術經濟研究，2021，38（3）：103-119.

［20］ 張勛，萬廣華，張佳佳，等. 數字經濟、普惠金融與包容性增長［J］. 經濟研究，2019，54（8）：71-86.

［21］ 辜勝阻，孫祥棟，劉江日. 推進產業和勞動力“雙轉移”的戰略思考［J］. 人口研究，2013，37（3）：3-10.

［22］ 王如玉，梁琦，李廣乾. 虛擬集聚：新一代信息技術與實體經濟深度融合的空間組織新形態［J］. 管理世界，2018，34（2）：13-21.

［23］ 朱春陽，曾培倫. 基于網絡平臺的動畫產業集群創新網絡再造與虛擬化轉型：以美日中為例［J］. 同濟大學學報（社會科學版），2020，31（5）：25-35.

［24］ ABEL?KOCH J. Who uses intermediaries in international trade：ev?idence from firm?level survey data［J］. The world economy，2013，36（8）：1041-1064.

［25］ 宋華，盧強. 什么樣的中小企業能夠從供應鏈金融中獲益：基于網絡和能力的視角［J］. 管理世界，2017（6）：104-121.

［26］ 安同良，楊晨. 互聯網重塑中國經濟地理格局：微觀機制與宏觀效應［J］. 經濟研究，2020，55（2）：4-19.

［27］ 江小涓，孟麗君. 內循環為主、外循環賦能與更高水平雙循環：國際經驗與中國實踐［J］. 管理世界，2021，37（1）：1-19.

［28］ ACEMOGLU D，RESTREPO P. Robots and jobs：evidence fromUS labor markets［J］. Journal of political economy，2020，128（6）：2188-2244.

［29］ 陳彥斌，林晨，陳小亮. 人工智能、老齡化與經濟增長［J］. 經濟研究，2019，54（7）：47-63.

［30］ DODEL M，MESCH G S. Perceptions about the impact of automa?tion in the workplace［J］. Information，communication amp; society，2020，23（5）：665-680.

［31］ AUTOR D H. Why are there still so many jobs：the history and fu?ture of workplace automation［J］. Journal of economic perspec?tives，2015，29（3）：3-30.

［32］ 楊偉國，邱子童，吳清軍. 人工智能應用的就業效應研究綜述［J］. 中國人口科學，2018（5）：109-119，128.

［33］ 蔡躍洲，陳楠. 新技術革命下人工智能與高質量增長、高質量就業［J］. 數量經濟技術經濟研究，2019，36（5）：3-22.

［34］ NAMBISAN S，SIEGEL D，KENNEY M. On open innovation，plat?forms，and entrepreneurship［J］. Strategic entrepreneurship jour?nal，2018，12（3）：354-368.

［35］ 周廣肅，樊綱. 互聯網使用與家庭創業選擇：來自CFPS數據的驗證［J］. 經濟評論，2018（5）：134-147.

［36］ MICHAELS G，NATRAJ A，VAN REENEN J. Has ICT polarizedskill demand：evidence from eleven countries over twenty?five years［J］. The review of economics and statistics，2014，96（1）：60-77.

［37］ 孫早，侯玉琳. 工業智能化如何重塑勞動力就業結構［J］. 中國工業經濟，2019（5）：61-79.

［38］ GRAETZ G，MICHAELS G. Robots at work［J］. The review of eco?nomics and statistics，2018，100（5）：753-768.

［39］ 張勛，楊桐，汪晨，等. 數字金融發展與居民消費增長：理論與中國實踐［J］. 管理世界，2020，36（11）：48-63.

［40］ 賀婭萍，徐康寧. 互聯網對城鄉收入差距的影響：基于中國事實的檢驗［J］. 經濟經緯，2019，36（2）：25-32.

［41］ SASSEN S. Reading the city in a global digital age： the limits oftopographic representation［J］. Procedia?social and behavioral sci?ences，2010，2（5）：7030-7041.

［42］ DADASHPOOR H， YOUSEFI Z. Centralization or decentraliza?tion：a review on the effects of information and communication tech?nology on urban spatial structure［J］. Cities，2018，78：194-205.

［43］ ZHU W， CHEN J. The spatial analysis of digital economy and ur?ban development：a case study in Hangzhou，China［J］. Cities，2022，123：103563.

［44］ JANOWSKI T. Digital government evolution： from transformationto contextualization［J］. Government information quarterly，2015，32（3）：221-236.

［45］ 李國正，艾小青，陳連磊，等. 社會投資視角下環境治理、公共服務供給與勞動力空間集聚研究［J］. 中國人口·資源與環境，2018，28（5）：58-65.

［46］ GLAESER E，GYOURKO J. The economic implications of housingsupply［J］. Journal of economic perspectives，2018，32（1）：3-30.

［47］ 王文. 數字經濟時代下工業智能化促進了高質量就業嗎［J］.經濟學家，2020（4）：89-98.

［48］ BRYNJOLFSSON E，MCAFEE A. The second machine age：work，progress，and prosperity in a time of brilliant technologies［J］. Busi?ness horizons，2014，57（5）：685-688.

［49］ BESSEN J . AI and jobs： the role of demand［R］. Boston： BostonUniversity， 2017.

［50］ 戚聿東，劉翠花，丁述磊. 數字經濟發展、就業結構優化與就業質量提升［J］. 經濟學動態，2020（11）：17-35.

［51］ 胡放之. 數字經濟、新就業形態與勞動力市場變革［J］. 學習與實踐，2021（10）：71-77.

［52］ 施震凱，邵軍，劉嘉偉. 數字基礎設施對就業變動的影響：來自制造業的證據［J］. 河海大學學報（哲學社會科學版），2021，23（5）：76-82，111.

［53］ GRAETZ G，MICHAELS G. Is modern technology responsible forjobless recoveries［J］. American economic review，2017，107（5）：168-173.

［54］ 李磊，王小霞，包群. 機器人的就業效應：機制與中國經驗［J］.管理世界，2021，37（9）：104-119.

［55］ MEIL A D . Sustainable urban mobility in the sharing economy：digital platforms， collaborative governance， and innovative trans?portation［J］. Contemporary readings in law and social justice，2018， 10（1）： 130-136.

［56］ 胡曉偉，包家爍，安實. 城市交通治理政策研究綜述與展望［J］. 交通運輸系統工程與信息，2021，21（5）：139-147.

［57］ 楊俊宴，何國楓，陳代俊，等. 城市交通擁堵地區人群數字畫像解析與空間規劃應對［J］. 規劃師，2021，37（19）：26-34.

［58］ KHANNA A，GOYAL R，VERMA M，et al. Intelligent traffic man?agement system for smart cities［C］//International conference on fu?turistic trends in network and communication technologies. Singa?pore：Springer，2019：152-164.

［59］ 宋德勇，李超，李項佑. 新型基礎設施建設是否促進了綠色技術創新的“量質齊升”：來自國家智慧城市試點的證據［J］. 中國人口·資源與環境，2021，31（11）：155-164.

［60］ 徐建國. 產業集聚視覺下西部地區產業發展研究［D］. 重慶：重慶大學，2009：10-18.

［61］ 李君華，彭玉蘭. 中心-外圍模型的錯誤和再求解：對克魯格曼解法的質疑［J］. 經濟學（季刊），2011，10（3）：1105-1130.

［62］ 趙宸宇，王文春，李雪松. 數字化轉型如何影響企業全要素生產率［J］. 財貿經濟，2021，42（7）：114-129.

［63］ 齊喆，張貴祥. 北京市交通綜合承載力評價與提升策略［J］. 生態經濟，2016，32（1）：82-85，124.

［64］ 趙偉，姜長軍，李貽學. 基于VAR模型的城市土地承載力動態因子影響效應及耦合協調性研究［J］. 河南農業大學學報，2019，53（6）：926-933.

［65］ 孫久文，易淑昶. 大運河文化帶城市綜合承載力評價與時空分異［J］. 經濟地理，2020，40（7）：12-21.

［66］ 劉榮增，王佳佳，何春. 國家中心城市綜合承載力評價研究［J］. 區域經濟評論，2021（6）：133-140.

［67］ 李麗珍，崔巖. 雙循環新發展格局下城市產業就業承載能力提升路徑研究：基于中國292個地級市量化評估［J］. 中國勞動，2020（6）：19-34.

［68］ 崔曉娟，蔡文伯. 教育對少數民族地區流動人口就業質量的影響：基于2018年中國流動人口動態監測調查數據的分析［J］.西南民族大學學報（人文社會科學版），2021，42（6）：41-52.

［69］ 劉建朝，程浩巖，宋順鋒. 城市規模、土地利用與交通承載力［J］. 城市發展研究，2016，23（7）：99-107.

［70］ 趙鵬軍，萬海榮. 我國大城市交通擁堵特征與國際治理經驗借鑒探討［J］. 世界地理研究，2016，25（5）：48-57.

［71］ 趙濤，張智，梁上坤. 數字經濟、創業活躍度與高質量發展：來自中國城市的經驗證據［J］. 管理世界，2020，36（10）：65-76.

［72］ 薛建春，侯思杰，吳彤. 基于VECM模型的內蒙古土地利用碳排放與經濟增長、產業結構的動態關系分析［J］. 內蒙古大學學報（自然科學版），2020，51（2）：129-134.

［73］ 魏凌，張楊，李強，等. 基于標準差橢圓的我國國土生態空間分異研究［J］. 生態經濟，2020，36（7）：176-181.

［74］ 周正柱，王云云，劉慶波. 長江經濟帶城鎮化與生態環境互動關系：基于VAR模型的實證研究［J］. 哈爾濱工業大學學報（社會科學版），2019，21（1）：125-132.