Study of Spread Effects of Primate City′s Propulsive Industries: Empirical Study on Beijing-Tianjin-Hebei City Cluster

Lang Yu1，2,Sun Quan3,Shi Yunian4,Luo Shixing1

(1.Chinese Academy of Natural Resources Economics,Beijing 101149,China; 2.Harvard University,Cambridge 02138,United States of America； 3.The RUC Leading Group Office for Talents,Remin University of China,Beijing100872,China; 4.School of Public Administration and Policy,Remin University of China,Beijing100872,China)

Abstract：In recent decades, China's provinces and regions have built the Growth Pole development model, which is trying to spread economic development to the vast hinterland. However, urban systems with highly concentrated resources will develop into primate city-centered structures. This phenomenon is particularly obvious in the Beijing-Tianjin-Hebei city cluster. In 2018, Beijing's GDP accounted for 37 percent of the Beijing-Tianjin-Hebei cluster, while Shanghai's accounted for only 18 percent of the Yangtze River Delta cluster and Shenzhen's 27 percent of the Pearl River Delta cluster. The Beijing-Tianjin-Hebei city cluster takes the lead in becoming the primary city pattern, which should be related to its obvious difference from the general city cluster. In addition to the public input of the municipality directly under the Central government, Beijing also functions as the central government, which is very attractive to the region and even the whole country. In fact, it is hard to avoid the pattern of primary city development. This is because the development of "Propulsive Industries" in central cities will inevitably form "Growth poles" in urban regions. The "Propulsive Industries" will form a "Trickling-down Effect" or a "Polarized Effect" on the surrounding cities, so the industrial division of city cluster will accelerate the formation of primate cities. Quantitative analysis of the industrial division of labor between Beijing and other cities in the Beijing-Tianjin-Hebei city cluster is an important case for insight into the industrial cooperation relationship between the major cities and the surrounding cities in China. This study can provide inspiration for the coordinated governance of industrial development in city clusters and serve as an important reference for putting forward corresponding industrial and public policies.

Based on previous studies, there is still no conclusion on whether the Beijing-Tianjin-Hebei city cluster belongs to single core or double core. The empirical model of this paper is divided into single core setting and double core setting. In terms of research arrangement, it is necessary to establish the method of evaluating the propulsive industries in Beijing and Tianjin first. Secondly, the spread effects function of propulsive industries is derived. Thirdly, econometric models of the spread and backflow of the propulsive industries in Beijing and Tianjin to the surrounding cities is constructed. Based on the past literature and Chinese characteristics, this paper constructs the evaluation standard of propulsive industry. These criteria include high GDP, high GDP growth rate, high location quotient, high sensitivity and influence coefficient. Through the derivation of the spread effects function of propulsive industries, the empirical models of five single core cities and four double core cities are constructed. The static GMM model was used as the empirical method. Eight cities of Beijing-Tianjin-Hebei city cluster were studied during the period from 2005 to 2019.

The empirical results show that the propulsive industry in Beijing is computer, communication equipment and the other electronic equipment manufacturing industry. The propulsive industry in Tianjin is metal refining and rolling processing products manufacturing industry. Beijing-Tianjin-Hebei city cluster presents a pattern of two core cities spreading and supporting each other. Beijing is still in the transition stage from backflow to spread. The aforementioned situation may be related to the fact that the propulsive industry is relatively high-end and the it is not easy for the surrounding cities to undertake. The technological level of Tianjin's propulsive industry is close to that of other cities, so it mainly plays the role of industrial spread in city cluster. In conclusion, (1) Beijing's propulsive industry have a backflow effect on the highest output value industries in peripheral cities. (2) The propulsive industry in Tianjin has a spread effect on the highest output value industries in peripheral cities. (3) The development of the highest output value industries in peripheral cities is mainly influenced by the development and spread of the same industries in Beijing and Tianjin. The above conclusion also shows that the "trickle-down effect" and "polarization effect" of Beijing on its surrounding cities coexist. Tianjin mainly has a "trickle-down effect" on its surrounding cities.

Based on the research conclusions, this paper puts forward the following four policy suggestions :(1) peripheral cities should improve their own public services and infrastructure, so as to improve the ability to undertake high-end manufacturing related to core cities. (2) Beijing should devolve manufacturing functions to peripheral cities. (3) The Beijing-Tianjin-Hebei city cluster should strengthen the intermediary function of the second largest city. This process will form the industrial development gradient of Beijing-Tianjin-Hebei city cluster. (4) Industrial policy should be oriented to encourage diversified development of local industries. The supporting system of the main industries in the peripheral cities can be improved to form an independent and complete industrial cluster. Finally, a multi-cluster industrial system of Beijing-Tianjin-Hebei city cluster will be formed.

Key Words:Primate City；Beijing-Tianjin-Hebei City Cluster；Propulsive Industry；Industrial Spread Effects

收稿日期：2021-07-06

修回日期：2021-11-09

基金项目：中国人民大学科学研究基金(中央高校基本科研业务费专项资金)项目(18XNB007)

作者简介：郎昱(1989-)，男，安徽合肥人，博士，哈佛大学博士后、中国自然资源经济研究院助理研究员，研究方向为不动产经济与政策；孙荃(1993-)，男，吉林长春人，中国人民大学人才工作领导小组办公室科员，研究方向为行政管理；施昱年(1978-)，男，福建泉州人，博士，中国人民大学公共管理学院副教授，研究方向为房价泡沫、住宅市场均衡；罗世兴(1984-)，男，福建长汀人，博士，中国自然资源经济研究院副研究员，研究方向为国有自然资源资产管理。本文通讯作者：施昱年、罗世兴。

DOI：10.6049/kjjbydc.CZ202107031

开放科学(资源服务)标识码(OSID)：

中图分类号：F269.271

文献标识码：A

文章编号：1001-7348(2022)02-0029-11

0 引言

既有的城市体系研究观察到首要城市(primate city)的存在。由于首要城市在一个国家或者地区中“规模至少两倍于第二大城市，重要性大于第二大城市的两倍”[1]，助长了区域内城市发展不均衡问题。近十几年来，我国各省区纷纷打造增长极(Growth Pole)，力图将经济发展扩散到广大腹地[2]，但是并非每个城市群都能实现协调发展。2018年，北京市GDP占京津冀城市群的37%，首位度极高；相比之下，上海市只占长三角城市群的18%，深圳市占珠三角城市群的27%。京津冀城市群与一般城市群相比，具有明显区别[3]，除拥有直辖市的公共投入外，还拥有诸多中央财政公共基础设施投入，对区域乃至全国的吸引力巨大，这样的高吸引力对周围地区可能存在集聚阴影[4]。

以往研究多直接假设京津冀是以北京与天津两个直辖市为双核心[5-6]，石家庄、唐山、秦皇岛、保定、邯郸、张家口、承德、沧州和廊坊9个地级市围绕双核心发展的城市群。较早研究发现，京津冀城市群经济增长极化现象呈上升趋势[7]，区域发展转向以核心城市向外扩散的形态[8]，形成以北京为人口、经济、城镇发展的中心区域特征[9]；从产业特征看，城市群制造业以计算机、通信和电子设备(以下简称计算机)、交通运输设备(以下简称交通设备)、金属冶压加工品(以下简称金属)、化学产品(以下简称化学)等为主要产业，其中，计算机业主要分布在北京和天津，交通设备业主要分布在北京、天津和保定，金属业主要位于天津、唐山、邯郸、廊坊和张家口，化学业主要位于天津、保定与廊坊。在服务业方面，高端的信息传输、软件和技术服务业主要分布在北京以及廊坊，科学研究和技术服务业则主要分布在北京。基于产业发展的异质性，北京在产业网络分工上难以取代天津，表现为北京以服务业为主、天津主要承担资本和技术型制造业(吴康，2015)；然而，北京与天津在制造业分工上又具有较大重叠，因此可能弱化天津的产业分工角色。因此，京津冀是单核心或双核心城市群仍有待验证。

从理论上而言，京津冀城市群走向极化发展与单一核心发展具有较大可能性。日本学者木内信藏(1951)提出的“三地带”学说中的“都市圈”理论与1957年Gottmann提出的“大都市带”(Megalopolis)均表明首要城市形成是区域经济一体化的自然演变，采用Perroux[10]的增长极理论(Growth Pole Theory)解释，即首要城市的推进型产业(Propulsive Industry)能够发挥增长极的扩散效应、缓解回流效应，形成“涓滴效应”(Trickling-down Effect)或是“极化效应”(Polarized Effect)[11]，从而成为区域主导产业，推动周边相同产业[12]以及关联产业发展，形成产业集群[13-14]。

综上可知，京津冀城市群产业发展分化严重且不均衡。那么，北京主导产业在其中扮演何种角色？天津扮演何种角色？周围城市的主要产业与北京主导产业及同类型产业关系如何？城市群发展是否已由双核心转向单核心？本文将针对上述问题进行分析，从产业发展角度探悉区域内出现首要城市后该城市与周边城市的产业协作关系，并通过北京的案例分析为我国城市群产业发展与协同治理提供启示。

1 文献综述

基于聚集经济理论，产业集群理论被用于论证产业关联如何引导厂商在特定空间聚集。核心—外围模式证明了核心城市的溢出效应以及对周围地区的吸引或回流作用，后续文献陆续探讨了首要城市对产业集聚的吸纳作用。如Tabuchi[15]模拟城市群向首要城市发展的历史趋势，结果表明，当运输成本与贸易成本下降时，产业将完全聚集在一个城市。另有学者从时间角度证实中心城市与其它城市的经济增长会存在长期均衡关系[16]；从空间讲，扩散效应会随着距离增加而降低[17]；从影响效果角度讲，Arauzo-Carod & Viladecans-Marsal[18]研究发现，专业化(specialization)地区更能吸引新企业。

在我国产业集群方面，Bellandi & Lombardi[19]研究发现，浙江模式是由产业集群与专业化市场互动发展形成的，东北地区产业集群发展则受制于制度革新滞后[20]。产业集群的溢出效应也得到实证，如Li等(2012)分析发现，产业集聚与企业规模之间存在显著正向关系；王庆喜等[21]实证了省际间的知识溢出效应；关爱萍、魏立强[22]实证发现省域间存在技术创新的空间溢出效应；朱玉杰、倪骁然[23]发现，金融集聚对产业升级的影响存在空间溢出效应；Wang等[24]分析发现，京津冀城市群信用贷款额(credit)、分行(branch)集聚对邻近地区的经济增长具有正向影响。还有文献研究了产业转移承接过程，如Tian等[25]研究发现，北京大多数传统产业出现产业转移现象，其中，天津、河北平原地区是主要承接区域，且河北各城市的承接能力不同。

针对京津冀双核心城市的相关研究中，毛琦梁等(2014)实证发现，北京经济总量增长对劳动密集型与能源密集型产业具有扩散效应，对资本密集型与技术密集型产业则更多地体现为回流效应；天津经济总量增长对周围城市产业发展的影响仍停留在回流作用阶段。吴康(2015)的研究结果表明,北京、天津为双中心，其中，北京承担服务业职能，天津承担资本与技术型制造业职能，城市群整体的制造业过于同构化，服务业联系逐渐增强。

综上所述，现有文献认为产业集群发展是主导产业以产业关联形式向外空间溢出的过程，进而形成核心—外围地区，并对核心—外围地区在主导功能上的差异性、溢出距离的有限性、溢出对企业规模的正向影响等研究较多，但是关于首要城市的讨论较少。从国家层面讲，基于集群现象的出现，对京津冀城市群产业特征与空间溢出现象有一定描述，但甚少从产业关联与产业集群视角分析北京主导产业。此外，产业研究不全面，城市产业多样性发展对主导产业的支撑性研究有待深入。此外，毛琦梁等(2014)与Tian等(2019)虽然讨论了传统产业转移现象，但是未涉及京津冀区域主导产业通过产业关联向外扩散的集群发展过程。因此，本文将针对上述不足展开重点探讨。

2 研究设计、方法与数据

在探讨北京、天津主导产业是否成为京津冀城市群增长极前，首先需要确定北京、天津主导产业评价方法，其次是推导主导产业扩散作用函数，最后是建构京津主导产业对周围城市产业的扩散与回流效应计量模型。

2.1 北京与天津主导产业评价

Hill & Brennan(2000)利用6项指标评选主导产业，具体为：①部分产品用于出口；②该产业在该地区出口中占据较大比例；③该产业有较大的前向或后向关联系数；④该产业生产力水平高；⑤该产业的区位商高；⑥该地区在该产业的全国就业比例中所占份额越来越大。为体现我国市场特色，本文对上述指标作进一步完善。首先，部分就业指标延续了计划经济时代的安排，使得就业人口难以反映产业真实人力需求(Ma & Zhou，2019)，同时，我国城市产业发展带有任务导向性，如根据《2019年新型城镇化建设重点任务》，目前规划的国家中心城市将成为区域经济增长极[26]。因此，市场需求下形成的生产总量比就业人口更能客观评价产业发展。其次，出口数据在京津冀城市群存在缺失。基于此，本文修正上述6个条件，形成主导产业评选标准，具体如表1所示。

各项指标中，区位商LQ计算公式如下：

(1)

其中，ei为城市i产业生产总值；e为城市总产业生产总值；Ei为城市群i产业生产总值；E为城市群全体产业生产总值；LQ>1，意即某城市某产业生产总值大于城市群平均水平，表示该产业为该城市群重要产业。

感应度系数

(2)

影响度系数

(3)

Ui>1，表示i产业感应程度大于全体产业感应程度平均值，所以i产业的感应度高；Uj>1，表示j产业影响度大于全体产业影响度平均值，所以j产业影响度高。

因此，作为城市群主导产业，必须满足LQ、感应度及影响度系数均大于1且生产总值与生产总值增长率最高的条件。

2.2 主导产业扩散作用函数

基于增长极理论，主导产业与外围城市产业通过前向/后向产业关联形成网络，由于存在扩散效应，因此受到主导产业支撑的产业会成为外围城市的高产值产业，甚至发展为最高产值产业，同时，可能受到核心城市相同产业的支撑。因此，本文将论证核心城市主导产业的关联性是否会扩散至外围城市，以及外围城市最高产值产业是否受到主导产业支撑的问题。

首先，在京津冀产业集群中，与北京、天津双核心城市主导产业相关联的外围城市产业产值影响函数可表示如下：

OIB=f(BM,BS,OHHI)

(4)

OIT=f(TM,TS,OHHI)

(5)

其中，OIB是各个外围城市内与北京市主导产业存在关联且生产总值排序第1的产业产值，BM是北京主导产业产值，BS是北京与OIB相同产业的生产产值，OHHI是外围城市产业多样化系数，产业多样化有助于提升产业集群内企业依赖程度；OIT是各个外围城市内与天津市主导产业存在关联且生产总值排序第1的产业产值，TM是天津主导产业产值，TS是天津与OIT相同产业的生产产值，OHHI是外围城市的产业多样化系数。

Richardson[27]指出，当中心城市的技术创新、产业结构和发展规模跨过某门槛后，中心城市才不再依靠吸收其它地区稀缺资源获得发展，进而带动外围地区经济增长；而外围城市可以通过基础设施、公共服务提供等提高地区竞争优势，降低回流效应[28-29]。因此，式(4)与式(5)可以优化为：

OIB=f(BM,BS,OHHI,OPI,OPFI)

(6)

OIT=f(TM,TS,OHHI,OPI,OPFI)

(7)

其中，OPI是外围城市人均公共财政投入，OPFI是外围城市人均固定资产投资总额。进一步地，Barkley等[30]提出人口的影响，如农村地区(rural areas)和内陆地区(hinterland)行政等级较低的中心地区人口增加有助于本城市产业生产总值增长。Rosenthal & Strange[31]也指出，劳动力市场优势在所有空间尺度上都是吸引制造业集聚的主因。因此，式(6)与式(7)可以调整为：

OIB=f(BM,BS,OHHI,OPI,OPFI,OPOP)

(8)

OIT=f(TM,TS,OHHI,OPI,OPFI,OPOP)

(9)

其中，OPOP是常住人口增长率[32]。

此外，外围城市的最高产值产业除受到核心城市增长极的支撑作用外，还可能受到核心城市相同产业扩散与回流效应的影响，因此可以表示为：

OM=f(BM,BS,TM,TS,OHHI,OPI,OPFI,OPOP)

(10)

2.3 实证模型与回归方法

本文的实证模型分为单核心与双核心2种。

2.3.1 单核心实证模型

以北京为核心城市，根据式(8)，外围城市关联产业产值受北京主导产业产值扩散与回流效应影响的实证模型可表示为：

lnOIB,it=β0+β1lnBMit+β2lnBSit+β3OHHIit+β4lnOPIit+β5lnOPFIit+β6OPOPit+εit

(11)

外围城市最大产值产业受北京主导产业产值扩散与回流效应影响的实证模型可表示为：

lnOMit=β0+β1lnBMit+β2lnBSit+β3OHHIit+β4lnOPIit+β5lnOPFIit+β6OPOPit+εit

(12)

以天津为核心城市，根据式(9)，外围城市关联产业产值受天津主导产业产值扩散与回流效应影响的实证模型可表示为：

lnOIT,it=β0+β1lnTMit+β2lnTSit+β3OHHIit+β4lnOPIit+β5lnOPFIit+β6OPOPit+εit

(13)

根据式(10)，外围城市最大产值产业受天津主导产业产值扩散与回流效应影响的实证模型可表示为：

lnOMit=β0+β1lnTMit+β2lnTSit+β3OHHIit+β4lnOPIit+β5lnOPFIit+β6OPOPit+εit

(14)

2.3.2 双核心实证模型

以北京、天津为双核心城市，与北京主导产业相关联的外围城市产业产值也可能受到天津主导产业的影响。因此，根据式(8)，外围城市关联产业产值受北京和天津主导产业产值扩散与回流效应影响的实证模型可表示为：

lnOIB,it=β0+β1lnBMit+β2lnBSit+β3lnTMit+β4lnTSit+β5OHHIit+β6lnOPIit+β7lnOPFIit+β8OPOPit+εit

(15)

同样地，与天津主导产业相关联的外围城市产业产值扩散与回流效应的实证模型可表示为：

lnOIT,it=β0+β1lnBMit+β2lnBSit+β3lnTMit+β4lnTSit+β5OHHIit+β6lnOPIit+β7lnOPFIit+β8OPOPit+εit

(16)

根据式(10)，外围城市最大产值产业受北京与天津主导产业产值扩散及回流效应影响的实证模型可表示为：

lnOMit=β0+β1lnBMit+β2lnBSit+β3lnTMit+β4lnTSit+β5OHHIit+β6lnOPIit+β7lnOPFIit+β8OPOPit+εit

(17)

为解决可能存在的异方差及自相关问题，本文采用静态GMM模型，但其中的BM、BS、TM、TS、OPI、OPFI可能与外围城市产业产值存在内生性问题，因此需检验工具变量的设定。

2.4 产业多样化指数

本文采用传统赫芬达尔-赫希曼指数(Herfindahl-Hirschman Index，HHI)的倒数分析产业多样性。其计算方法如下：

(18)

HHI介于1～n之间，n表示产业数。当市场由一个产业垄断时，该指数等于1；当所有产业均衡发展时，该指数等于n。

2.5 数据来源

基于统计口径限制，本文的制造业分行业工业总产值采用规模以上企业口径，服务业采用行业地区生产总值。鉴于年鉴数据的获得性与更新问题，实证期为2005-2019年，数据来源于各城市统计年鉴、城市统计年鉴。由于秦皇岛、承德、沧州3个城市数据缺失严重，故予以剔除。所有总产值与生产总值均以2005年为基期进行平减，除OHHI与OPOP外，所有变量均取对数。在测算感应度与影响力系数时，采用2005、2007、2010、2012年的北京投入产出表数据，采用2007、2012年的天津投入产出表数据，以分析持续维持高关联性的产业。上述变量值计算方法与数据来源见表2。

3 实证分析

首先对主导产业、关联产业、最高产值产业进行筛选与分析，测算感应度、影响度以及产业多样化指数，再对各实证模型进行面板回归分析及检验，以实证主导产业的扩散效应。

3.1 产业评选与变量测算

产业筛选包括北京主导产业、天津主导产业、北京主导产业对应各城市的关联产业、天津主导产业对应各城市的关联产业、各城市最高产值产业，模型中需要再次测算的自变量是产业多样化指数(OHHI)。

3.1.1 主导产业评选

首先，通过生产总值排序，如表3所示，北京有3个产业的总产值占规模以上工业总产值的比重接近或超过50%，除交通设备业外，其它产业的感应度及影响度系数均大于1；天津有4个产业的总产值占规模以上工业总产值的比重超过50%，其中，除金属业在2007年的感应度系数未达到1，其它产业的两系数均大于1。然后，比较各产业指标。北京的3个产业中，电热力业属于民生基础工业，因此在比较中予以剔除。交通设备业在2012年之后的感应度系数小于1，未达到门槛标准，其余年度中，计算机业的领先指标数均超过交通设备业，因此最终选定以计算机业作为主导产业。

天津市的4个产业中，交通设备业在2005-2019年的感应度系数均小于1，2011-2019年的区位熵小于1，金属业在2005、2008年的区位熵小于1，化学业2012-2019年的区位熵小于1；经比较，计算机业在2005-2008年的领先指标数超越其它产业，金属业在2009-2019年的领先指标数超越或等于其它产业，综合来看，金属业指标领先的年份多于计算机业，考虑到主导产业不是短时间内可以替换与变化的，应选择指标领先年份较多的产业，因此最终选定金属业为天津市主导产业。比较结果见表4。

3.1.2关联产业及最高产值产业评选

结合投入产出数据以及生产总值评选关联产业与最高产值产业。关联产业是与主导产业关联且生产总值排名第一的年份数最多的产业；最高产值产业则是各城市生产总值排名第一的年份数最多的产业。基于北京投入产出数据分析，如表5所示，计算机业与较多产业存在关联性。与最高产值产业进行交叉分析后发现，北京主导产业与京津冀城市群的化学业、批发和零售业可能存在关联。因此，北京主导产业可能对天津、保定、石家庄、邯郸、廊坊的化学业，以及对张家口、唐山的批发和零售业产生扩散效应。

基于天津的投入产出数据分析，如表6显示，天津的金属业与较多产业存在关联性，与最高产值产业进行交叉分析后发现，天津主导产业与京津冀城市群的建筑业、煤炭业、金属业、批发和零售业可能存在关联。因此，天津主导产业可能对北京、石家庄、唐山的批发零售业、保定、廊坊的建筑业、邯郸的煤炭业、张家口的金属矿业产生扩散效应，如表7所示。

由表7可以发现，天津、邯郸、张家口、廊坊的最高产值产业都是金属业，石家庄的最高产值产业是化学业，唐山的最高产值产业是运输业，保定的最高产值产业是交通设备业。

3.2 扩散效应实证

模型(14)中部分城市的最高产值产业与天津的主导产业相同，在模型设定上会造成共线性，因此将模型(14)再细分为模型(19)、(20)进行研究。模型形式如下：

lnOMit=β0+β1lnTMit+β2OHHIit+β3lnOPIit+β4lnOPFIit+β5OPOPit+εit

(19)

lnOMit=β0+β1lnTSit+β2OHHIit+β3lnOPIit+β4lnOPFIit+β5OPOPit+εit

(20)

同样地，模型(17)也再细分为模型(21)、(22)进行研究，模型形式如下：

lnOMit=β0+β1lnBMit+β2lnBSit+β3lnTMit+β4OHHIit+β5lnOPIit+β6lnOPFIit+β7OPOPit+εit

(21)

lnOMit=β0+β1lnBMit+β2lnBSit+β3lnTSit+β4OHHIit+β5lnOPIit+β6lnOPFIit+β7OPOPit+εit

(22)

利用沃尔德检验(Wald Test)方法检验异方差，结果显示，所有模型都存在异方差、组内自相关问题；Breusch-Pagan LM检验结果表明，所有模型都存在截面自相关。因此，采用静态GMM模型进行分析。针对模型中的BM、BS、TM、TS、OPI、OPFI变量再进行内生性检验，结果表明，模型中不存在内生性问题，不需要设定工具变量，具体见表8。

中心城市在成长初期主要是发挥回流作用，到成熟期再转化为扩散作用。因此，本文将实证分析主导产业对关联产业的扩散与回流效应，再分析主导产业对最高产值产业的扩散与回流效应。

3.2.1 主导产业对关联产业的扩散与回流效应实证

模型11、13、15、16解释了主导产业对关联产业的影响。其中，模型15的分析结果显示，北京主导产业对潜在关联产业存在回流效应，而模型16的R2较单核心模型高出许多，因此本文采用模型15、16的分析结果，具体见表11。

研究结果呈现几个重要特征，即京津冀双核心城市相互扩散与支撑，北京对外围城市存在回流效应，其主导产业的关联产业以集聚形态向外扩散，天津对外围城市则呈现回流效应、扩散效应，其主导产业的关联产业以集聚形态向外扩散；北京主导产业(BM)对关联产业(OIB)的扩散效应不存在。

进一步分析，首先，北京对外围城市存在回流效应。由模型15分析结果可知，与北京主导产业潜在关联的外围城市产业(OIB)会往北京回流，系数是-0.761；而天津主导产业的关联产业会向外围城市扩散，同时，北京的上述产业也会向各城市扩散，形成大范围的城市群产业集聚。由模型16可知，天津主导产业的关联产业向外扩散的影响系数为0.209，北京与OIB相同产业的向外扩散效应影响系数为0.043。其次，天津对外围城市也存在回流效应，如由模型15分析结果可知，与北京主导产业潜在关联的外围城市产业(OIB)也会往天津分流，系数是-1.143，而天津的主导产业(TM)也可能对北京主导产业在各城市的潜在关联产业(OIB)产生扩散效应，影响系数为1.222，同时，也对外围城市内的天津关联产业(OIT)产生扩散效应，由模型16可知，影响系数为1.121。京津主导产业对外围城市潜在关联产业的关联效应见表9。

总体来说，虽然京津冀城市群呈现双核心城市相互扩散与支撑的格局，但两个城市扮演的角色不同，北京仍处于由回流向扩散过渡的阶段，由此形成大范围的城市群产业集聚。天津在城市群中主要扮演产业集聚扩散的角色。两个城市主导产业扩散效应的差异可能与两个城市主导产业的技术水平有关，如北京的主导产业为计算机业，属于高新技术产业；津冀地区还不完全具备承接扩散效应的能力，而天津的主导产业为金属业，技术层次与其它城市产业发展水平较接近，因此具备较为显著的扩散效应。

3.2.2 主导产业对最高产值产业的扩散与回流效应实证

通过模型12、19、20、21、22解释主导产业对外围城市最高产值产业的影响。模型21与22的R2分别为0.565 6以及0.517 8，较模型12、19与20高，说明双核心模型设定更合理。由模型21分析结果可知，北京的主导产业(BM)对外围城市最高产值产业(OM)存在回流效应，系数是-2.081；相对来说，天津市主导产业(TM)与外围城市最高产值产业(OM)的同构型较高，主要都是金属业，因此天津市主导产业(TM)对外围城市最高产值产业(OM)存在显著正向影响，系数达到2.677。模型22的分析结果显示，外围城市的最高产值产业(OM)会受到北京市相同产业(BS)以及天津市相同产业(TS)扩散效应的影响，系数分别是0.362、 0.715。京津主导产业对外围城市中最高产值产业的关联效应见表10，模型回归结果见表11。

总体结论如下：①北京主导产业(BM)对外围城市最高产值产业(OM)存在回流效应，阻碍了外围城市最高产值产业(OM)发展；②天津主导产业(TM)对外围城市最高产值产业(OM)存在扩散效应；③外围城市最高产值产业(OM)发展主要受到北京与天津相同产业(BS、TS)扩散效应的影响，产业集聚现象明显。上述结论也表明，京津冀城市群仍是双核心发展，但北京对周围城市的“涓滴效应”与“极化效应”并存，而天津则主要对周边城市形成“涓滴效应”。

4 结论与建议

为了研究首要城市在城市群内产业分工与合作情况，本文解构了首要城市与周边城市的产业协作关系，以及天津扮演的双核心角色，使用2005-2019年8个地级市数据构建北京与天津主导产业对外围城市产业影响效应的静态GMM模型，设定3种可能的核心与外围模式，包括以北京为核心、以天津为核心的单中心产业发展模式以及以北京与天津为双核心的城市产业发展模式。基于增长极理论、核心—外围模型以及聚集经济理论，构建4个主导产业对外围城市关联产业的扩散效应模型，以及5个主导产业对外围城市高产值产业的扩散效应模型，并使用投入产出数据进行分析，筛选出主导产业、关联产业与最高产值产业。通过实证检验，得到以下结论与政策建议。

4.1 结论

基于模型分析结果，京津冀城市群仍然呈现双核心发展态势，由于北京为首要城市，因此一方面对周围城市产生“涓滴效应”，另一方面通过极化效应促进首都发展，而天津市则主要对周边城市形成“涓滴效应”，并扮演承接北京扩散产业再向外转移的角色。

(1)首都对外围城市的巨大回流效应制约外围城市产业发展，同时，外围城市产业低端化也制约高端制造业的扩散效应。外围城市的最高产值产业主要受到天津市主导产业、本土相同产业以及北京市相同产业扩散效应的影响，最终可能导致北京市独大，朝向高端制造业发展，不断拉大北京与城市群内其它城市之间的经济发展差距。

(2)首都与城市群内中小型城市发展差距大，天津作为第二大城市，扮演着承接发展与转移的中介角色。当前津冀地区产业较低端，北京形成以计算机、通信和其它电子设备制造业为增长极的产业集群，对津冀地区产业形成较强的回流效应，津冀城市群则是以天津为核心城市，扩散效应较显著。但天津市部分产业会再回流到北京市，导致其计算机制造业逐渐落后于金属业，市内的部分北京市主导产业潜在关联产业也会回流到北京市，使得天津市成为区域内承接发展与转移的中介城市，其主导产业对外围城市潜在关联产业以及北京市主导产业潜在关联产业存在扩散效应，其中，扩散范围扩大可能表示天津市金属业产业升级，产品需求与供给增大。

(3)回流效应影响主导产业向外拓展产业关联性，外围城市的产业发展主要依托聚集经济。由于相同产业大量集聚，影响产业多样化，表明城市群内产业协作与发展多以产业集聚形式存在，外围城市产业过于单一，产业分工协作不足，更容易被核心城市吸引，形成回流效应。

4.2 建议

基于研究结论，本文提出4点政策建议。

(1)提升外围城市的公共服务与基础设施水平。回流效应发生并非只因核心城市的强大吸引力，还包括外围城市自身发展不足。如Fox等(1989)、Boarnet(1994)、Barkley等(1996)都提到公共服务、基础设施建设等有助于提高地区竞争优势，因此在政策上应当大力支持外围城市公共服务与基础设施水平提升，增强外围城市承接核心城市高端制造业关联产业的能力。

(2)加速主导产业升级。首要城市扩散效应与其主导产业发展阶段有关，处于成熟期的产业才有能力对外扩散。北京市当前的扩散能力不足，表明产业发展还未进入成熟期，应加速北京市主导产业升级，从制造走向研发，下放制造职能到外围城市，形成完整的产业集群。

(3)强化第二大城市的中介功能。区域产业协作的第一步在于完善第二大城市中介功能，依靠首要城市促进中介城市产业发展，建立城市群内首要城市与第二大城市的产业关联，通过首要城市与其它城市的产业关联，打造有序的上下游关系，形成北京带动天津、天津带动河北的产业发展梯度。

(4)提高外围城市产业多样性。完整的产业集群需要多样化的上下游关联产业协作，因此应鼓励地方产业多元化发展，一方面培育核心城市主导产业的关联产业，另一方面通过提高外围城市产业多样性，打造外围城市主要产业的支撑体系，形成独立、完整的外围城市产业集群，最终形成多集群联合发展的城市群产业体系。

参考文献:

[1] JEFFERSON M.The law of the primate city[J]. Geographical Review，1939,29(2)：226-232.

[2] 柯善咨.中国城市与区域经济增长的扩散回流与市场区效应[J].经济研究,2009,44(8):85-98.

[3] 张丹,韩茂莉,李国平.首都圈区域空间就业分布结构分析[J].城市问题,2012(4): 46-49.

[4] FUJITA M， KRUGMAN P，MORI T. On the number and location of cities[J]. European Economic Review，1999,43(2): 209-251.

[5] 毛琦梁,董锁成,黄永斌,等. 首都圈产业分布变化及其空间溢出效应分析——基于制造业从业人数的实证研究[J]. 地理研究,2014,33(5): 899-914.

[6] 吴康.京津冀城市群职能分工演进与产业网络的互补性分析[J]. 经济与管理研究,2015(3):63-72.

[7] 马国霞,田玉军,石勇. 京津冀都市圈经济增长的空间极化及其模拟研究[J]. 经济地理,2010,30(2): 177-182.

[8] 孙铁山,李国平,卢明华. 京津冀都市圈人口集聚与扩散及其影响因素: 基于区域密度函数的实证研究[J]. 地理学报,2009,64(8): 956-966.

[9] 陈红霞,李国平,张丹.京津冀区域空间格局及其优化整合分析[J].城市发展研究,2011,18(11):74-79.

[10] PERROUX F. Economic space: theory and applications[J]. Quarterly Journal of Economics. 1950,64(1): 89-104.

[11] HIRSCHMAN A O. The strategy of economic development[M]. New Haven,Conn: Yale Univ. Press,1958.

[12] EMERSON R M. Power dependence relations[J]. American Sociological Review. 1962,27(1):31-41.

[13] PORTER M E.Competitive Advantage: Creating and Sustaining Superior Performance[M]. The Free Press， 1985.

[14] BAHRAMI H，EVANS S. Flexible re-cycling and high-technology entrepreneurship[J]. California Management Review，1995,37(3)：62-89.

[15] TABUCHI，TAKATOSHI. Historical trends of agglomeration to the capital region and new economic geography[J]. Regional Science and Urban Economics，2014,44：50-59.

[16] ALBERT SOLE-OLLE，VILADECANS-MARSAL E.Central cities as engines of metropolitan area growth[J]. Journal of Regional Science，2004,44(2)：321-350.

[17] FESER E， ISSERMAN A. Harnessing growth spillovers for rural development: the effects of regional spatial structure[D].Champaign-Urbana:University of Illinois at Urbana-Champaign，2006.

[18] ARAUZO-CAROD J M，VILADECANS-MARSAL E. Industrial location at the intra-metropolitan level: the role of agglomeration economies[J]. Regional Studies， 2009,43(4)：545-558.

[19] BELLANDI M，LOMBARDI S.Specialized markets and Chinese industrial clusters: the experience of Zhejiang province[J]. China Economic Review,2012,23(3):626-638.

[20] MA C,ZHOU T. The correlation between industrial organization and sustainable growth of city cluster spatial: a case study of Harbin-Changchun[J].Energy Procedia. 2019,157: 773-781.

[21] 王庆喜,王巧娜,徐维祥. 我国高技术产业省际知识溢出:基于地理和技术邻近的分析[J]. 经济地理,2013,33(5): 111-116.

[22] 关爱萍,魏立强. 区际产业转移技术创新溢出效应的空间计量分析——基于西部地区的实证研究 [J]. 经济问题探索,2013(9):77-83.

[23] 朱玉杰,倪骁然. 金融规模如何影响产业升级: 促进还是抑制——基于空间面板 Durbin 模型( SDM) 的研究:直接影响与空间溢出 [J]. 中国软科学,2014(4)：180-192.

[24] WANG C， ZHANG X， GHADIMI P，et al. The impact of regional financial development on economic growth in Beijing-Tianjin-Hebei region: a spatial econometric analysis[J]. Physica A,2019,521:635-648.

[25] TIAN Y,JIANG G,ZHOU D,et al. Regional industrial transfer in the Jingjinji urban agglomeration,China: an analysis based on a new “transferring area-undertaking area-dynamic process” model[J]. Journal of Cleaner Production,2019,235:751-766.

[26] SHI Y,CAO X,SHI D,et al. The “one-city monopoly index”: measurement and empirical analysis of China[J]. Cities,2020,96:102434.

[27] RICHARDSON H W. Growth pole spillovers: the dynamics of backwash and spread[J]. Regional Studies,1976,10(1):1-9.

[28] FOX W F,HERZOG HW,SCHLOTTMAN A M. Metropolitan fiscal structure and migration[J]. Journal of Regional Science. 1989,29(4): 523-536.

[29] BOARNET M G. An empirical model of intrametropolitan population and employment growth[J]. Papers in Regional Science,1994,73(2): 135-152.

[30] BARKLEY D L， HENRY M S，BAO S. Identifying "spread" versus "backwash" effects in regional economic areas: a density functions approach[J]. Land Economics. 1996,72(3):336-357.

[31] ROSENTHAL S S， STRANGE W C. The determinants of agglomeration[J]. Journal of Urban Economics. 2001,50(2):191-229.

[32] 郎昱,施昱年,叶剑平.高质量实现住房供需均衡：限购与限贷政策效果的再验证[J].宏观质量研究,2021,9(6):30-43.

(责任编辑：胡俊健)