高丽娜
(南京中医药大学 卫生经济管理学院，江苏 南京 210023)
摘要：城市群成为我国国民经济空间拓展、发展功能转换的重要空间载体，也是新型城镇化进程中的主体形态。城市群空间结构因城市增长的空间异质性而发生动态演化，多中心化发展趋势日渐形成，直接推动系统空间结构演化，影响经济绩效。长三角城市群作为我国城市化发展程度最高的典型区域，已呈现出多中心化发展特征，对城市群系统层级体系演化发挥着显著作用。通过构建多中心性指数，衡量城市在城市群系统中的中心度，并在此基础上考虑空间效应的交互影响，探讨多中心化发展对城市经济增长的作用。结果表明，多中心化发展显著促进长三角城市经济绩效提升，而且首位城市、区域性中心城市发挥着异质性、非线性影响，与其自身发展所处阶段密切相关，具有差异化政策启示。
关键词：长三角城市群；多中心化发展；空间效应；经济绩效
2015年，全球城镇化率升至54%，城市人口达到39.6亿[1]，城镇化发展趋势凸显。经济活动的空间组织形式随时间的推移处于动态变化中，现代交通通讯技术进步及网络化程度提高不断拓展要素流动空间，不断深化区际分工与协作，这些变化不断加快城市间一体化进程，推动核心与非核心城市、城市与区域集群化发展，重构国土空间格局框架。城市群战略在“十一五”规划中被首次明确后，已有多个国家级城市群发展规划获批，逐渐成为推进新型城镇化发展战略的空间主体形态，成为国民经济发展空间拓展、发展动能转换的重要空间载体。从国民经济视角看，这将推动长期形成的从沿海到内陆的同质化、线性层级空间格局向异质化空间层级互动发展格局演化。中国人口与经济活动等已较大程度上向城市群集聚，而且日益呈现出城市集群化发展特征，即异质性城市间形成不同规模结构的网络系统，集聚度呈不断上升趋势，尤其是以长三角、珠三角及京津冀为代表的沿海三大城市群，经济总量约占全国1/3以上，是国民经济结构优化的战略性空间。与此同时，经济相对较发达城市群，如长三角城市群、珠三角城市群等，首位城市集聚度呈现出下降趋势[2]，进入以核心城市扩散效应主导的发展阶段，由于城市群系统内往往存在“学习效应”与“追赶效应”，要素与产业流动驱动系统内分工深化，有利于推动经济发展收敛过程，多中心化发展特征日益显现，也是城市群空间扩张的内在动因。
多中心发展策略在区域发展政策中迅速成为被广泛传播的发展范式[3]，其实质是以节点思维而非散点模式、从城市体系角度发展中心城市，而非单纯“飞地”式增长极发展策略。国外许多研究以发达国家城市为样本分析多中心化的经济影响[4-6]，一个重要问题是如何有效评估这种发展模式的经济效应及其可持续性。这需要从时间、空间复合维度加以考察，在把握多中心化发展空间特征基础上，动态、深入探讨其对城市经济增长、城市群协同发展的经济影响，进而探索其中的政策内涵。
集聚经济是城市、城市群形成的内在动因，有利于经济运行效率提高，这一点得到了广泛认同，而对于集聚过程的空间结构特征及其对经济绩效的影响则关注不足。最新相关研究表明，城市空间结构对于城市群内的经济增长十分重要[5]，一般来说，在城市集群化发展过程中，起初往往形成单一中心—增长极，通过要素集聚与扩散机制形成经济联系及外部规模经济，进而在增长核心与外围城市之间产生协同发展的内在动力。由于集聚效应与外部性效应的存在，城市群获得更多分工与规模效益，产生更高的资源配置效率与经济绩效，从而产生城市集群效应[7]，城市之间可以通过“规模互借”发挥外部性效应。OECD国家城市体系发展实践表明，单中心城市区域人均GDP比多中心区域高，但从国家层面来说，多中心化区域往往与整体较高的人均GDP紧密相关[8]，说明差异化空间结构的经济绩效在不同空间尺度下存在异质性。
城市群的形成过程实质上是城市空间差异化增长及相互作用、共同影响的结果，城市之间在增长顺序与迭代上所形成的发展差异主要源于要素收益的空间异质性及其循环累积。城市群系统内增长核心的形成与演化是多因素综合作用的结果，如城市要素投入、网络结构特征、政府效率及本地市场效应等[9-11]因素的动态变化，不断重塑城市在城市群系统中的功能定位。这一过程远不是同质化的线性过程，而是不同因素相互作用影响的复杂系统过程[12]。在城市群系统形成和发展过程中，空间相互作用促使城市群内核心城市与外围城市间形成区域外部性[13]。核心城市因技术创新及产品多样化创新带来的生产率提升所形成的外部性，而运输网络水平提升促进这种外部性传导，实现城市间增长传递[14]。尤其是对于处在供需双结构转型中的中国经济来说，因市场需求多样化而产生的细分市场、技术进步加速及双创环境优化等为新经济出现提供了必要性与可能性，日益扁平化的组织结构趋势逐渐显现，对成本-规模框架下制造业发展思维产生巨大冲击。现有发展模式面临转型压力，也为不同类型城市差异化发展创造了新机遇。我国区域经济增长格局的转换速度与资源空间转换速度并不协调，从而导致要素空间配置效应不佳[15]，制约城市群层级体系的自组织演化过程。
识别城市单中心与多中心拓展理论模型在城市经济研究中是具有一定挑战性的话题[16-18]。从建立在单中心模型基础上的分散式、非持续增长路径到异质性多中心拓展是尤其重要的，因为多中心形态可以产生空间均衡性集聚，比单中心形态更能促进城市可持续性发展[19]。城市由分散式发展到单中心城市体系形成，再向多中心城市体系演化过程，从一定意义上来说，是经济活动空间从分散→集聚→分散的过程，但后一分散化趋势建立在更高专业化分工、更紧密空间经济联系的基础上，准确来说是经济增长过程的空间(传递)扩散，是更高水平的城市化发展阶段。关于分散形态对于社会空间分工的启示及对城市竞争力的影响，现有实证研究样本主要集中于欧美等发达国家[20-21]，而国内相关研究主要侧重于城市、区域层面多中心性识别方法的构建与完善方面，对其经济影响的关注相对不足，这与我国大部分城市群发展所处的阶段特征有关。而以长三角城市群为代表的发达区域城市群，多中心化发展特征日渐凸显，逐渐成为城市群系统发展的重要影响变量，对其特征和经济效应进行深入研究具有重要理论价值与实践指导意义。
综上所述，对于发展中大国的协调发展来说，需要多个增长极的辐射带动作用。规模不经济效应的存在制约着单中心空间结构的发展效率，诱致集聚不经济，成为多中心化发展形成的内在动力。运输、通讯成本下降使城市间分工与协作的交易成本降低，而需求多样化及技术创新与扩散的加速为城市间协同发展提供了必要性与可能性。受城市规模、发展阶段、地理空间尺度、产业构成异质性等因素影响，多中心空间结构的经济绩效存在异质性，目前关于多中心空间结构是否有利于经济绩效提升尚未得出一致结论[22]，而且不同空间层面的实证研究，得出的结果往往存在较为显著的差异性。本文选取长三角城市群作为研究样本，因其是我国具有代表性、较成熟的城市集群化发展区域，把握其发展规律，有助于完善相关发展政策，为其它城市群良性发展提供借鉴，从而推进我国城市群发展战略实施。
长三角城市群是我国区域一体化发展的典型城市化地区，2016年获批的《长江三角洲城市群发展规划》进一步明确了其在国民经济发展中的战略性地位。长三角城市群全球竞争力与影响力在很大程度上得益于城市群系统整体实力提升，首位城市上海的作用不可或缺，区域性中心城市南京、杭州、苏州、宁波等的作用日益凸显。在基础设施一体化程度不断提升的基础上，城市间的要素市场、公共服务等一体化进程逐步推进，助力长三角城市群在现代制造业与服务业、科技创新等方面形成新竞争力。同时，城市间分工与合作模式不断演化，推动城市群由单中心集聚日益走向多中心集聚模式，发挥更大的协同作用，强化长三角城市群在我国新一轮全方位开放升级进程中的排头兵作用。
始于上世纪90年代的浦东开发，从某种意义上来说开启了长三角城市群新一轮发展。随着上海金融、贸易、航运等中心功能不断完善，其融入全球供应链体系的程度日益加深，首位城市的集中度不断提升，给城市群内其它城市发展带来重大的机遇，尤其是在外资引入方面，区位紧邻上海的城市如苏州，优先获得首位城市发展的空间溢出效应。借助城市群内交通网络体系的快速发展，城市群凝聚力不断提高，为其它城市经济发展、中心性提升创造了条件，从而推动长三角城市群空间结构不断演化。21世纪以来，上海在长三角城市群中的首位度呈现出下降趋势(见图1)。从GDP、工业总产值、社会消费品零售总额等主要经济指标看，2000年以来上海市的占比基本进入下降阶段。同期，南京、杭州、苏州、宁波等城市的占比由2000年的39.45%、42.38%、35.79%，分别提高到44.85%、42.89%及45.21%。其中，上述城市在工业发展方面还呈现出由中心城市向腹地城市扩散趋势，其工业总产值占比呈现出先增后降特征，而非中心城市工业总产值占比由2000年27.56%，逐步提升至2015年的41.11%。这种产业发展演化的空间递变，是推动长三角城市群经济发展空间演化的重要力量，可逐渐转变城市群发展空间结构特征。以赫芬达尔指数、塞尔指数及基尼系数等考察的中心城市集中度随时间的推移整体趋于下降[23]，表现出较为一致的变化特征，说明长三角城市群核心城市经济规模趋于均衡化发展，内部差距趋于收敛，尤其是与上海的相对发展差距整体上趋于缩小，与长三角城市群经济发展的阶段特征相吻合。
图1 1995-2015年长三角城市群中上海主要经济指标首位度变迁
从形成机理看，要素集聚与扩散机制形成的极化与扩散效应，不断强化核心城市与其它城市产业发展过程中的空间关联效应，促进空间协同发展的城市群系统形成，不断重塑城市群空间格局。从这个角度来说，城市群系统发展在很大程度上取决于核心城市综合实力提升及其通过扩散机制带动其它城市经济发展功能的发挥。反过来，城市群系统多中心化发展对系统规模层级结构会产生何种影响？即这种多中心化发展空间结构的经济绩效如何？对于城市群系统内的不同城市来说，其经济含义是否存在差异？这种作用的发挥在不同发展阶段是否有变化？深入研究上述问题对于当前中国城市群战略来说，具有十分重要的现实价值。
为实证分析长三角城市群多中心化发展演化对其经济绩效的影响，本研究在投入-产出关系的基础上建立城市生产基本方程：
Yit=Aitf(inputit)
(1)
其中，Yit为城市i在t年的产出，inputit代表一系列投入要素，基本投入要素包括劳动力投入(LABORit)、资本投入(CAPit)、人力资本投入(hcapit)。梳理前文假设：多中心化发展(polycentricit)的空间结构对城市经济发展形成正反馈机制，具有正外部性。由于长三角城市群经济发展与产业结构特征(induspit)、系统开放度(fdipit)、本地市场效应(markscaleit)等关系密切，因此，进一步拓展生产方程，并取对数形式表述为：
lnYit=β0+β1lnLABORit+β2lnCAPit+β3lnhcapit+β4lninduspit+β5lnfdipit+β6lnmarkscaleit+β7lnpolycentricit+εit
(2)
因变量为城市经济产出Yit，这里使用各城市经济规模占长三角城市群的比重指标，以各城市在城市群系统中的相对地位变化衡量经济发展绩效。
控制变量首先考虑基本投入要素劳动力LABORit、资本投入CAPit、人力资本投入hcapit，使用各城市职工平均工资指标衡量劳动力投入LABORit，其对城市经济发展的作用可能表现为相反的两个方面：一方面较高的工资水平意味着较高的劳动力成本，产生的“拥挤效应”可能推动经济活动向外扩散，成为“分散力”；另一方面，较高的工资水平有利于吸引先进生产要素集聚，成为“集聚力”，进而有利于城市产业结构升级、经济绩效提升。资本投入CAPit用城市固定资产投资额占比加以衡量。人力资本以万人拥有高校学生数衡量，反映城市科技发展状况，从理论上说，良好的科教基础有利于城市经济发展，前提是科教资源能有效转化为创新能力，从而促进经济绩效提高。不同城市所处的差异化工业化发展阶段induspit，既是产业结构的重要表征，也是直接影响经济绩效的因素，以各城市第二产业增加值比重指标加以衡量。系统对外开放度fdipit是影响长三角城市发展的重要因素，城市外向型经济发展的差异，尤其是外资进入强度的相对差异直接影响经济绩效，以实际利用外商直接投资额占比指标加以衡量。对于本地市场效应(地方化需求因素)markscaleit，从世界经济发展实践看，全球性增长核心往往存在较强的国内推动增长动力，主要由国内需求、而非由外部需求力量主导(王海燕，2017)，以各城市社会消费品零售总额占比指标加以衡量。以上相关数据主要源于2001-2016年《中国城市统计年鉴》，考虑到长三角城市群系统内城乡一体化进程远高于全国平均水平，而且其县域经济是市域经济重要组成板块，因此本文研究的城市是行政和统计意义上的城市概念，也充分考虑到了长三角城市群形态与经济发展特征因素，包括市辖县，即《中国城市统计年鉴》中的“地区”范围。
本研究中的一个重要问题是多中心化发展测度方法，基于城市、大都市区、区域等不同空间尺度的定性与定量化研究，以就业密度、人口规模等不同指标加以衡量，为本文提供了重要借鉴[24-27]。笔者认为，城市群由单中心向多中心空间结构演化的一个主要特征是首位城市相对中心性下降、其它城市中心性相对上升，考虑指标可获取性，选择以城市经济空间密度(econaggit)指标作为测度多中心性指数polycentricit的基础指标：polycentricit=econaggit/econaggt,i=1,2,…,16。其中，econaggit反映城市i在t年经济集聚度，econaggt表示长三角城市群t年平均的经济集聚度。当polycentricit≥1时，值越大说明城市中心性越突出；反过来，当polycentricit≤1时，值越小说明边缘性越显著。
另外，为衡量这种多中心化发展的影响是否存在空间效应，本研究引入两个交互项变量，一是多中心性与首位城市空间交互项spolycentricit，spolycentricit=polycentricit/dih，其中dih为城市i到上海的距离；二是多中心性与区域中心城市空间交互项qpolycentricit，qpolycentricit=polycentricit/diq，其中diq为城市i到区域中心城市的距离，根据我国区域经济发展的独特性，考虑行政区划的刚性约束作用及长三角城市群经济发展特征，选取南京、杭州作为区域性中心城市。需要说明的是，城市间距离dih与diq并非是指空间直线距离，而是考虑到地理因素的影响及城市间交通设施发展的差异性，以城市间最短交通时间进行衡量，突出高铁发展状况对现代城市群一体化进程的影响。对于南通等城市与上海之间的距离测算，采取公路交通与高铁复合方式计算交通时间，原则是取最短时间，主要数据源于铁路12306及相关城市汽车运行时刻查询系统中的运行数据。主要变量定义及基本统计情况如表1所示。
表1变量定义与基本统计结果
3.3.1 面板数据平稳性检验
在进行模型相关估计之前，首先通过LLC检验对本研究的面板数据进行单位根检验，以判定数据的平稳性能否满足面板数据模型估计要求，如表2所示。5%的显著性水平下，yit、polycentricit、spolycentricit等变量为非平稳序列，经一阶差分处理后检验均为无单位根的平稳序列，其它变量序列均平稳。
3.3.2 模型估计结果
在面板数据估计方法选择中，先进行异方差性、序列相关性检验，采用广义最小二乘法对模型进行估计(Model1)。同时，为保证估计结果的稳健性与可信度，采用系统GMM估计方法进行相关估计并加以对照(Model2)，相关结果如表3所示。
表2面板单位根检验结果
表3样本GLS估计结果
注:*、**、***分别表示参数估计值在10%、5%、1%水平下显著
从城市各投入要素作用看，变量劳动力投入、固定资本投入、人力资本投入等因素在全样本GLS与系统GMM的估计结果(模型1与2)表明，劳动力因素系数为正且统计显著，说明以工资水平考察的劳动力投入可能由于高工资代表更高水平的劳动力素质，吸引相应企业布局而促进城市经济绩效提升；固定资本投入全样本估计系数显著为负，说明在考察期内固定资本投入相对强度可能由于规模收益递减而未对经济绩效发挥正向促进作用。对于城市群内非首位城市来说，估计系数显著为正，说明非首位城市资本投入相对强度提高，对城市经济增长仍存在较显著的正向促进作用；人力资本因子对于全样本和不包含首位城市样本的估计结果总体上保持一致，且显著为负，可能源于长三角城市群人口集聚的结构特征，尚不能发挥正向促进作用。以首位城市上海的人口受教育结构为例，根据第六次人口普查数据，常住人口中具有大学(指大专以上)、高中(含中专)、初中、小学文化程度的比例分别为23.63%、22.56%、39.24%、14.57%，初中及以下文化程度人口比重仍超过50%。一般来说，高人力资本城市因其通勤时间意愿和知识流动性存在限制[28]，会制约集聚过程中的学习效应发挥及知识扩散过程形成，从而吸引企业就近获取集聚经济效应，这对于非中心城市而言，有可能成为约束其发展的关键变量。另外，高校在校生数指标更偏重于科教资源的相对集中度，而科教资源只有有效转化为创新要素才能更好地促进经济绩效提升，这正是目前困扰以南京、杭州等为代表的科教资源优势较明显的城市转型发展的难题，其本质是科教优势如何向创新优势、经济优势转化。
考察期内城市工业化水平、系统对外开放度、本地市场效应等因素对城市经济绩效呈现显著正向促进效应，即2000年以来，工业发展、经济外向化程度提高及本地市场规模扩张促进了长三角城市经济发展，推动其在城市群系统内相对经济地位提升。这一时期，外资进入强度对城市相对经济产出产生积极影响，说明不同城市外资进入规模的相对差异仍是影响城市在城市群系统中相对地位的重要因素。本地市场效应因素发挥显著正向影响，本地市场需求规模扩张对供给形成有效需求，激励企业增加研发投入，以促进市场需求结构升级。本地市场效应的存在说明长三角城市群的集聚经济效应仍存在提升空间，吸引消费者、生产者集聚的同时，供需结构耦合化可能推动经济结构、空间结构演化，从而重塑城市群系统层级体系格局。
城市群空间结构多中心化发展对城市经济绩效的作用是本文关注的重点，不同模型的估计结果基本一致，均呈现显著正相关性。引入多中心性与首位城市空间交互项spolycentricit、多中心性与区域中心空间交互项qpolycentricit后，多中心性与首位城市空间交互项估计系数为正且统计显著，而多中心性与区域中心空间交互项估计系数显著为负，说明这一时期两者作用力相反。综合来看，距离首位城市上海越近，辐射作用就越明显。区域性中心城市集聚度在提升过程中，对周围城市产生以极化效应为主的空间相互作用，统计上呈现显著负向影响，这与上海、南京、杭州等核心城市所处的发展阶段紧密相关。基于首位城市和其它城市多中心化发展水平与经济绩效之间表现出较为明显的差异性，那么这种影响是否具有非线性特征？本文针对非首位城市样本，先后对polycentricit、spolycentricit、qpolycentricit3个变量分别作门槛条件检验，利用Bootstrap方法自举1 000次加以计算，结果表明，spolycentricit、qpolycentricit存在5%显著性水平下的单一门槛效应，门槛值分别为spolycentricit=0.004 8(prob 0.001)、qpolycentricit=0.013(prob 0.022)。根据多中心性与首位城市空间交互项、多中心性与区域中心空间交互项的门槛估计值，可将样本分别划分成spolycentricit≤0.004 8、spolycentricit>0.004 8及qpolycentricit≤0.013、qpolycentricit>0.013两个区间并进行门限回归分析，结果如表3中模型4、5所示。spolycentricit≤0.004 8时的系数623.38大于spolycentricit>0.004 8时的系数152.76，说明这一时期首位城市的辐射效应对于距离上海较远、中心性程度较低的城市正向促进作用更显著；qpolycentricit≤0.013时的系数158.846大于qpolycentricit>0.013时的系数27.569，说明对上海市以外的城市来说，多中心化发展对于距离区域中心城市越远的城市，其获取的正效应就越强；对于空间集聚度存在差异的城市来说，集聚度越小的城市，其受到的正向影响越大，即发展差距较大的城市间，由于技术落差较大，非中心城市更易于与中心城市形成较为紧密的空间经济联系，从而有利于促进其地位提升。这表明，自2000年以来，长三角城市群系统中区域中心城市经济中心性提高具有十分重要的现实价值，可以有力地促进城市群的外围城市与核心城市发展收敛。
本文分析2000-2015年长三角城市群多中心化发展的经济影响，利用经济空间集聚的相对变化构建多中心性指数，其空间变化模式既是分散化或多中心化发展的结果，又是城市群空间结构演化的基本表征性指标。以此作为实证分析基础，运用GLS、系统GMM及门槛效应等方法加以估计，结果显示，考察期内长三角城市群多中心化发展对经济绩效具有显著促进作用，考虑到首位城市及区域性中心城市空间效应的交互影响，异质性空间因素对这一过程具有较为显著的差异化作用。对于远离区域中心、接近首位城市的城市来说，如苏州，已从首位城市发展中获得充分的空间溢出效应，在城市群系统内层级显著提升，并形成正反馈机制；对于接近区域性中心城市、远离首位城市的城市来说，可能存在正反两种效应，作用结果取决于城市与区域性中心城市发展差距；对于远离首位城市及区域性中心城市的城市来说，可以从城市群多中心化的一体化发展过程获得显著正效应。因此，对处于不同发展阶段的城市群及同一城市群内不同城市而言，政策含义有所不同。在城市群一体化发展趋势下，不同类型城市群依赖于快速交通网络体系的不断完善，缩短空间距离，中心城市间、外围城市与中心城市间、外围城市间的空间联系广度与深度拓展，助推城际多样化分工模式演化及多中心化发展。
未来需要进一步讨论的是：首先，从城市群发展的一般规律看，多中心结构是否是必然趋势？长三角城市群作为我国较发达城市群的典型代表，其发展过程中所展现出的特征是否具有普适性相当重要，也就是说，多中心化是城市群发展的必经阶段还是具有不确定性？对于处于不同发展阶段的国家、区域经济来说，是否存在差异？其次，产业结构差异、企业异质性等因素的动态变化与城市体系空间结构模式之间有何内在关联？第三，对于发展中大国经济来说，城市体系形成和发展规律在空间尺度、规模层级等方面是否与发达国家存在不同的发展路径？第四，多中心城市层级体系相较于单中心体系是否更有利于实现区域协调发展目标？这需要不同层面的比较性分析与实践验证。当然，城市群系统多中心、单中心程度的识别方法也有待于进一步完善。深入探讨以上问题的政策含义对处于转型期的中国经济来说，具有十分重要的实践价值。
参考文献:
[1] 国家发展和改革委员会发展规划司.中国城市综合发展指标2016——大城市群发展战略[M].北京:人民出版社,2016：21，112.
[2] 李佳洺. 中国城市群集聚特征与经济绩效[J].地理学报，2014，69(4)：474-484.
[3] MEIJERS E J，SANDBERG K. Polycentric development to combat regional disparities? the relation between polycentricity and regional disparities in European countries[R].Ersa Conference Papers, 2006.
[4] BURGER M，MEIJERS E. Form follows function? linking morphological and functional polycentricity[J]. Urban Studies, 2012, 49(5): 1127-1149.
[5] GARCIA LOPEZ M A，MUNIZ I. Urban spatial structure, agglomeration economies, and economic growth in Barcelona: an intra-metropolitan perspective[J]. Papers in Regional Science, 2013,92(3)： 515-534.
[6] VENERI P，BURGALASSI D. Questioning polycentric development and its effects: issues definition and measurement for the Italian NUTS-2 regions[J]. European Planning Studies, 2012,20(6): 1017-1037.
[7] 张学良，李培鑫. 城市群经济机理与中国城市群竞争格局[J].探索与争鸣，2014(9)：59-63.
[8] BREZZI M，VENERI P. Assessing polycentric urban systems in the OECD:country, regional and metropolitan perspectives[R]. OECD Regional Development Working Papers,2014.
[9] 袁璐. 长江三角洲城市群复杂网络结构的演化机制研究[D].杭州：浙江财经大学，2016.
[10] 戴永安，张友祥. 中国城市群内部与外围的效率差异及其影响因素[J].当代经济研究，2017(1)：64-71.
[11] 陈健生，李文宇.市场规模、本地市场效应与空间结构演进-兼论中国不同空间尺度下的区域协调发展[J].当代财经，2012(4)：79-89.
[12] SALVATIL L, VENANZONI G, SERRA P, et al. Scattered or polycentric? untangling urban growth in three southern European metropolitan regions through exploratory spatial data analysis[J]. Annals Regional Science, 2016(57):1-29.
[13] 卢伟.我国城市群形成过程中的区域负外部性及内部化对策研究[J].中国软科学，2014(8)：90-99.
[14] 李煜伟，倪鹏飞.外部性、运输网络与城市群经济增长[J].中国社会科学，2013,34(3)：22-42.
[15] 胡晓鹏.中国经济要素的空间配置效应[J].财经科学，2006(2)：91-98.
[16] GRIFFITH D A, WONG D W. Modeling population density across major US cities: a polycentric spatial regression approach[J]. Journal of Geographical Systems, 2007, 9(1):53-75.
[17] MUNIZ I, GARCIA LOPEZ M A. The polycentric knowledge economy in Barcelona[J]. Urban Geography, 2010, 31(6):774-799.
[18] ARRIBAS-BEL D, SANZ-GRACIA F. The validity of the monocentric city model in a polycentric age: US metropolitan areas in 1990, 2000 and 2010[J]. Urban Geography, 2014, 35(7):980-997.
[19] SCHNEIDER A, WOODCOCK C E. Compact, dispersed, fragmented, extensive? a comparison of urban growth in twenty-five global cities using remotely sensed data, patternmetrics and census information[J]. Urban Study, 2008(45):659-692.
[20] DIJKSTRA L, GARCILAZO E, MCCANN P. The economic performance of european cities and city-regions: myths and realities[J]. European Planning Studies, 2013, 21(3): 334-354.
[21] SALVATI L, CARLUCCI M. Distance matters:land consumption and the mono-centric model in two southern European cities[J]. Landscape & Urban Planning, 2014(27):41-51.
[22] 孙斌栋，丁嵩. 多中心空间结构经济绩效的研究进展及启示[J].地理科学，2017，37(1)：64-71.
[23] 高丽娜，朱舜，李洁.创新能力、空间依赖与长三角城市群增长核心演化[J].科技进步与对策，2016(3):40-44.
[24] 张亮，岳文泽，刘勇. 多中心城市空间结构的多维识别研究[J].经济地理，2017，37(6)：67-75.
[25] 马学广，闫曼娇. 环渤海地区空间多中心测度及时空分异特征研究 [J]. 地理与地理信息科学，2017，33(1)：102-109.
[26] LEE B, GORDON P. Urban structure: it′s role in urban growth, net business formation and industrial churn [J]. Region Development, 2011(33):137-159.
[27] MEIJERS E J, BURGER M J. Spatial structure and productivity in US metropolitan areas [J]. Environment and planning A, 2010,42(6):1383-1402.
[28] ALCACER J, CHUNG W. Location strategies for agglomeration economies[J]. Strategic Management Journal, 2015,35(12):1749-1761.
Gao Lina
(School of Health Economic and Management, Nanjing University of Chinese Medicine，Nanjing 210023,China)
Abstract：The urban agglomeration has become an important space carrier for the expansion and development of the national economic space, as well as the main form in the process of new urbanization. The spatial structure of urban agglomerations has a dynamic evolution based on the spatial heterogeneity of urban growth. The polycentric development trend of urban agglomeration directly promotes the evolution of the spatial structure of the system, and affects the economic performance. As the typical region with the highest degree of urbanization in China, the Yangtze River Delta mega-city region has shown the characteristics of polycentric development, and has a significant impact on the hierarchy evolution of the urban agglomeration system. The centrality index is constructed to measure the centrality of the city in the urban agglomeration system. On the basis of this, the interaction of spatial effects is considered, and the effect of polycentric development on urban economic growth is discussed. The empirical results show that polycentric development significantly promote economic performance of city in Yangtze River Delta mega-city region, but also the primacy city and the regional central cities play the heterogeneity and nonlinearity effect because of respective stages of economic development, which lead to the difference of the policy implications.
KeyWords:Yangtze River Delta Mega-City Region; Polycentric Development; Spatial Effect; Economic Performance
作者简介：高丽娜(1978-)，女，江苏徐州人，博士，南京中医药大学卫生经济管理学院副教授，研究方向为区域经济创新。
基金项目：国家自然科学基金项目(71603133)
收稿日期：2018-03-16
文章编号：1001-7348(2018)19-0046-07
文献标识码：A
中图分类号：F291.1
DOI：10.6049/kjjbydc.2017110545
(责任编辑：张 悦)