The Impact of Multiple Factor Flow on High-quality Economic Development of Urban Agglomeration：An Example from Changsha-Zhuzhou-Xiangtan Urban Agglomeration

Shen Lu1, Chao Xiaojing1,2

(1. School of Economics and Management, Northwest University; 2. Western China Economic Development Research Center, Northwest University, Xi'an 710127, China)

Abstract：Nowadays, urban agglomeration is a new growth pole leading high-quality development, and its factor flow and spatial pattern evolution have a decisive impact on the construction of new urbanization, optimal allocation of resources and coordinated regional development. It is clearly stated in the outline of China's 14th Five-year Plan that the rational flow and efficient agglomeration of various factors should be promoted, the internal spatial structure of urban agglomeration should be optimized, and a multi-center, multi-level and multi-node network city agglomerations should be formed. However, most urban agglomerations in China are still in the infant or rapid development stage, and the flow of multiple elements are conducive to forming the spatial structure of single-center urban agglomerations. This may not only provide a large amount of labor force, capital and information for the development of core cities, and thus bring a trickle-down effect among cities to promote coordinated development, but also cause problems such as unbalanced and inadequate development among cities, fragile ecological environment and low development quality due to the lack of driving ability of core cities. This raises the question that, as China's economy enters a new stage of high-quality development, which factor flows play a key role in the high-quality development of urban agglomerations? How do they affect the high-quality development of urban agglomeration? Will factor flows among cities have spatial spillover effects on high-quality development? It is of great theoretical value and practical significance to clarify these problems for the formation of an integrated, interactive, fully functional urban spatial pattern and the coordinated promotion of high-quality development of urban agglomerations.This paper takes the Changsha-Zhuzhou-Xiangtan urban agglomeration in the rapid development stage as the research object. Firstly, on the basis of the evaluation of the high-quality development level of Changsha-Zhuzhou-Xiangtan urban agglomeration from 2011 to 2020, Moran's I is used to analyze its spatial correlation characteristics. Secondly, from the dynamic perspective, the direct effects and spatial spillover effects of R&D personnel, R&D capital and information flow on the high-quality development of urban agglomeration are discussed. Finally, the robustness test and heterogeneity analysis are carried out.

The results show that the quality development level of Changsha-Zhuzhou-Xiangtan urban agglomeration is generally low, but there is a significant upward trend. The high quality development of urban agglomerations has a significant positive spatial correlation in the global scope. Changsha-zhuzhou-xiangtan urban agglomeration shows an obvious trend of unipolar development, and there is an obvious difference in the intensity of factor flow of cities at different levels. As the core of urban agglomeration, Changsha ranks first in R&D personnel flow, R&D capital flow and information flow. The high-quality development of urban agglomeration has a significant positive linear correlation with R&D personnel flow, and a significant U-shaped curve relationship with R&D capital flow. Only the R&D capital flow of Changsha city appears on the right side of the symmetry axis at the end of the investigation period, and the intensity of R&D capital flow of other cities needs to be improved. Heterogeneity analysis shows that the direct and total effects of R&D personnel flow on high-quality development of different dimensions are significantly positive. There is a significant U-shaped curve relationship between R&D capital flow and comprehensive economic development, and there is a significant linear positive correlation between information flow and comprehensive economic development. However, the positive promoting effect of R&D capital flow and information flow on social coordination and environmentally friendly development has not been shown in the study.

Combined with the research findings, it is proposed that at first, the government should accelerate the inter city flow of R&D talents and R&D funds to achieve high-quality development of urban agglomerations. Second, the government should promote the deep integration of the new generation of information technology with urban construction, basic public services and ecological and environmental protection, and promote the coordinated and green development of urban agglomerations. On the basis of testing its spatial auto-correlation, this paper further investigates the direct and spatial spillover effects of multiple factor flows on the high-quality development of urban agglomerations in different dimensions.

Key Words:Multiple Factor Flow; High-quality Development; Spatial Structure of the Urban Agglomeration; Changsha-Zhuzhou-Xiangtan Urban Agglomeration

收稿日期：2022-02-21

修回日期：2022-03-15

基金项目：国家社会科学基金项目(21BJL002)；陕西省教育厅重点科学研究计划项目(20JT066)；安徽财经大学校级科研重点项目(ACKYB21015)

作者简介：沈路(1994-)，男，安徽马鞍山人，西北大学经济管理学院博士研究生，研究方向为经济高质量发展；钞小静(1982-)，女，陕西榆林人，博士，西北大学经济管理学院教授、博士生导师，研究方向为数字经济与高质量发展。

DOI：10.6049/kjjbydc.2022020345

开放科学(资源服务)标识码(OSID)：

中图分类号：F127.64

文献标识码：A

文章编号：1001-7348(2023)03-0030-11

0 引言

新时代背景下，城市群作为引领高质量发展的新增长极，其要素流动与空间格局演化对新型城镇化建设、资源优化配置和区域协同发展具有举足轻重的影响。《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》指出，要促进各类要素合理流动和高效集聚，优化城市群内部空间结构，形成多中心、多层级、多节点的网络型城市群，推动城市群一体化高质量发展。然而，我国大多数城市群尚处于雏形发育或快速发育阶段，多元要素流动易形成单中心空间结构。这一方面可为核心城市发展提供大量劳动力、资金和信息，进而在城际间形成涓滴效应以促进协同发展；另一方面又可能存在因核心城市带动能力不足而引致城市间发展不平衡不充分、发展质量不高等问题。如《2019年国内城市群发展分析报告》显示，受虹吸效应影响，2018年多数城市群核心城市与周边城市的人均GDP差距扩大。由此引发的疑问是，在中国经济迈入高质量发展的新阶段，哪些要素流动在城市群高质量发展过程中具有关键性作用？其影响城市群高质量发展的内在机理是什么？城际间要素流动是否会对高质量发展产生空间溢出效应？厘清这些问题，对于形成融合互动、优势互补、功能完善的城市空间格局,协同促进城市群高质量发展具有重要的理论价值和现实意义。

1 文献综述

早期研究较多关注要素流动对城市群空间结构及经济增长的影响。一方面，经典的集聚经济理论认为，劳动力、资金等要素向某特定空间流动并集聚能促进经济增长。Bailey&Turok[1]、Cervero[2]指出，由要素集聚导致的单中心空间结构比多中心空间结构更利于提升生产率。究其原因，多中心的城市群空间结构意味着较高的运输成本与较低的知识溢出和技术扩散[3]。白俊红等[4]利用空间面板模型实证分析研发要素流动对经济增长的影响，发现研发人员与研发资金流动所带来的知识溢出均对经济增长具有显著正效应。另一方面，Williamson[5]、Henderson[6]则认为，大城市的人口集聚对经济增长具有先促进后阻滞的倒U型曲线作用，即单中心城市群在发展后期会出现环境污染、交通拥挤等集聚不经济现象。

随着我国经济由高速增长迈入高质量发展阶段，经济增速放缓，人口流动和工业地理集中造成的集聚不经济问题愈发凸显，城市群发展质量问题逐渐引起学者们的重视。在城市群高质量发展测度评价方面，王雪微和范大龙[7]基于经济、社会、科教、设施、环境5个维度测度长三角城市群经济发展质量，发现城市群发展质量存在明显的区域非均衡性特征；涂建军等[8]利用熵值法从经济、社会、环境3个维度评价成渝城市群高质量发展水平，发现各维度发展的空间格局差异明显，且成都-重庆双核城市的联系程度有待提升。在要素流动对城市群高质量发展的影响方面，李彦等[9]认为，高铁服务供给具有时空压缩效应和网络效应，这有利于加速劳动力、资金等要素流动和产业资源重新配置，进而推动城市群高质量发展；张治栋和吴迪[10]基于经济发展差距视角，发现劳动力和资本流动分别对加剧长江经济带城市经济发展不均衡性存在显著的正向与负向影响。

综上，现有关于城市群高质量发展的研究仍有进一步探讨的空间。①既有研究主要从静态视角分析人力、资金等生产要素投入对经济发展质量的影响，缺乏动态视角下多元要素流动对城市群高质量发展的理论机制分析与实证检验；②已有研究关于流要素的选择较单一，且大多关注各要素流作用下单一年份的城市群空间结构特征[11-12]，这既难以体现多元要素流动形成的综合影响，又难以反映城市群空间结构在一段时期内的发展演变；③已有关于城市群高质量发展的研究主要集中在内涵解读和测度评价方面，鲜有研究进一步探析其空间关联特征。目前，我国中部区域一体化发展较滞后，城市群单极化、区域发展不平衡不充分问题较突出。长株潭城市群作为促进中部加快崛起的重要空间依托与增长极，是中部人口、产业和创新要素的重要集聚区，探讨多元要素流动在该地区形成的空间结构并分析多元要素流动对长株潭城市群高质量发展的影响，可以为中部其它城市群的高质量发展提供借鉴，并对促进中部地区高质量一体化发展具有重要的现实意义。因此，本文以处于快速发育阶段的长株潭城市群为研究对象。首先，在测度长株潭城市群高质量发展水平的基础上分析其空间关联特征；其次，探讨R&D人才、R&D资金和信息要素流动对城市群高质量发展的直接与空间溢出效应；最后，提炼研究结论与建议，以期为相关政策制定提供经验证据和有益参考。

2 理论机制、模型构建与指标体系

2.1 理论机制

随着全球化与信息化不断加深，位序-规模法则、中心地理论等传统理论已难以准确反映城市间紧密的动态经济联系，“流空间”理论应运而生。所谓“流空间”，系指人力、资金、技术、信息等要素流动的网络化空间，具体包括国家、区域和城市等。Castells[13]指出，城际要素流动无须地理邻接即可实现共享。该理论的提出使城市群空间结构与经济发展研究更具动态性、联系性，是本文探究多元要素流动对城市群高质量发展影响的理论基础。目前，学者们较多关注单一要素流对城市群空间格局演化及经济发展的影响。然而，城际要素流动的多元化既是客观事实，也是城市群实现高质量发展的必然要求，即单一要素流动对城市群空间网络格局塑造存在一定局限性[12]。考虑到我国已进入新发展阶段，加快建设创新型国家成为迈向现代化强国的内在要求，普通的人流、物流、资金流等难以产生关键性影响，而R&D人才、R&D资金、信息等要素则是建设创新型国家和实现经济高质量发展的关键战略资源。因此，本文选取R&D人才流、R&D资金流、信息流3种要素流，并具体分析其对城市群高质量发展的影响。

(1)R&D人才流通过空间溢出效应与集聚效应促进城市群高质量发展。技术创新是城市群高质量发展的核心动力。知识根植于个体[14]，相较于普通人流，R&D人才的城际流动更利于内隐性知识传播与技术扩散，形成知识与技术的溢出效应，进而激发创新主体间的交流、模仿、协作等行为，提升后进城市的外部信息获取能力，促进城市群技术进步和高质量发展。其次，R&D人才具备高素质、稀有性和逐利性特征[15]，受城际资源禀赋与政策差异的影响，R&D人才更易于流向城市群核心城市的高新技术产业，并形成人才集聚效应。这有利于逐步扩大城市群产业规模，提高生产率，促进产业转型升级。

(2)R&D资金流通过资源优化配置效应和区域分工协作效应促进城市群高质量发展[9]。首先，R&D资金流动为流入地高质量发展提供充足的资金支持，并通过创新资源的跨区域优化整合降低空间资源错配概率[16]。具体来说，R&D资金受趋利性影响，通常由低生产率部门流向高生产率部门，由传统产业流向新兴产业，由边际收益低的地区流向收益高的地区，进而实现创新资源的优化配置。其次，R&D资金的城际流动有利于形成企业、高校、研究院和政府等多主体共同参与的城市群研发网络，这将加速研发活动的城市分工，并形成知识链、技术链与产业链的联动效应，促进各城市知识积累、技术进步与产业转型升级，最终推动城市群发展质量的整体提升。

(3)信息流推动城市群发展质量变革、效率变革和动力变革。随着人工智能、5G等新一代信息技术的广泛应用，信息交流平台日渐多元化，信息传播速度、信息交流广度与深度均实现质的飞跃。城市间有效的信息共享能提升生产过程中劳动力、资本等要素的协同性，进而提升全要素生产率并促进城市群发展质量变革。其次，信息的城际流动打破了传统的圈层式空间结构，强化了城市间的经济联系[17]，是产品创新、服务创新和商业模式创新的基础，对提高资源配置效率、灵活应对市场需求变化、改善企业经营管理模式、学习前沿知识与技术均具有重要促进作用。最后，信息要素具有的非竞争性、非排他性和低成本无限复制性有利于其在多个时空下与其它要素组合、重复使用，进而实现价值创造的倍增效应[18]，提升经济增长潜力。

2.2 模型构建

考虑到长株潭城市群高质量发展可能具有空间依赖性，本文在检验其空间相关性的基础上，以城市群高质量发展水平(HQD)为被解释变量，以R&D人才流(PFl)、R&D资金流(CFl)、信息流(IFl)为核心解释变量，以城市规模(CS)、贸易开放度(OPEN)、金融发展水平(FIN)、政府支持(GOV)为控制变量，利用空间自回归模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)实证分析多元要素流动对城市群高质量发展的直接效应与空间溢出效应，具体模型构建如下：

HQDit=λWHQDit+β1PFlit+β2CFlit+β3IFlit+β4controlit+εit

(1)

HQDit=β1PFlit+β2CFlit+β3IFlit+β4controlit+μ,μ=ρMμ+ε,ε～N(0,δ2In)

(2)

HQDit=λWHQDit+β1PFlit+β2CFlit+β3IFlit+β4controlit+δ

δ=δ1WPFlit+δ2WCFlit+δ3WIFlit+δ4Wcontrolit+εit

(3)

在式(1)-(3)中，HQDit为第t期城市i的高质量发展水平，W和M为空间权重矩阵，WHQDit为被解释变量的空间滞后因子。λ和ρ为空间溢出系数，β1-β3、δ1-δ3分别为核心解释变量及其空间滞后项的系数，controlit为控制变量，εit为随机干扰项。

2.3 指标体系、变量选取与数据来源

2.3.1 城市群高质量发展评价指标体系

目前，关于城市群高质量发展的研究尚处于起步阶段，不同学者对城市群高质量发展的内涵解读与评价指标体系构建存在差异。如涂建军等[8]认为，城市群高质量发展是城市群空间结构逐渐优化、规模结构日益合理、城市联系愈加紧密、发展质量持续提升的动态发展过程；王雪微和范大龙[7]指出，城市群发展质量提升的关键在于营造高效、便捷、公平、绿色的经济、社会和自然环境；阳建强[19]指出，我国城镇化已进入新阶段，城市发展开始追求生活与环境质量提高；段进[19]则认为，城市高质量发展应强调以人为本，注重提供精准化、精细化服务。综上，本文认为：城市群高质量发展是指城市化发展到新阶段以后，不再盲目追求经济的快速增长，而愈加注重经济生产质量、社会生活质量和生态环境质量的综合提升，是强调经济全面发展、社会协调发展和环境友好发展的多元优质发展。考虑到单一指标难以准确反映城市群高质量发展的各个方面，因此，本文拟从经济全面发展、社会协调发展、环境友好发展3个维度构建包含9个一级指标、21个二级指标的城市群高质量发展评价指标体系，具体见表1。

(1)经济全面发展是城市群高质量发展的核心动力。物质经济是城市群发展的先决条件，早期研究通常采用国内生产总值或国民生产总值作为衡量经济增长的标准。而在新时期，城市群经济全面发展应包括3层含义：经济规模扩张、经济结构改善与经济效益共享。保持经济规模扩张是促进经济全面发展、社会和谐稳定与生态环境优化的物质基础，是与“绿水青山”同等重要的“金山银山”。改善经济结构主要通过产业结构升级和优化经济开放结构实现。一方面，鼓励高创新水平、高技术含量和高附加值的新兴产业发展符合高质量发展的本质要求；另一方面，提高外资利用程度、优化外资结构有利于促进投资便利化和自由化。此外，城市群高质量发展的主体是人民，其发展成果应人人共享，而人民收入与消费水平提升则是经济效益共享的重要体现。

(2)社会协调发展是城市群健康可持续发展的内在要求。高质量城市社会发展的核心是“以人为本”，其基本内涵包括缩小城乡差距、完善基础设施建设和提高人民福祉。首先，城乡发展两极分化仍是高质量发展时期亟待解决的社会难题，不断缩小城乡差距是城市群高质量发展的重要任务；其次，便捷的交通和网络基础设施为城市群核心城市与边缘城市的协调发展提供了物质基础，有利于促进科研人员的城际流动与知识溢出，也利于加强各城市企业间的技术合作，同时，日趋完善的文化基础设施有利于丰富人民生活，提升人口素质；最后，高质量发展应为改善城市人民生活提供基本的社会福利，着力解决教育普及与医疗保障等问题，不断提升人民幸福感[20]。

(3)环境友好发展是人民对美好生活追求的重要体现。实现城市群绿色生产与生活，需着力推行绿色低碳发展模式，注重解决城市资源浪费、工业污染和生态环境脆弱3方面的问题[21]。节约资源是保护生态环境的根本之策，在实现高质量发展的新阶段，依赖要素驱动的粗放型发展方式已难以为继。高校与科研所应注重研发嵌有资源节约与环境保护技术的绿色专利，企业则需加强研发并使用“无废”或“低废”排放的生产工艺及技术，进而实现清洁生产。在生态优化方面，政府应加强城市绿化建设，倡导废物循环利用与生活垃圾无害化处理，共同推进绿色集约化发展。

2.3.2 要素流强度测度评价

(1)R&D人才流。受效用最大化影响，高技术人才通常会向经济发展水平更高[22]或工资待遇更优[4]的区域流动。因此，本文以两城市间的人均GDP差值和工资差额为引力变量，构造只纳入吸引力变量的产出约束引力模型，测度城市间的R&D人才流动量，具体公式如下：

PFij=Pj· (EDLi-EDLj)· (wagei-wagej)·

(4)

PFlij=(PFij+PFji)/2

(5)

(2)R&D资金流。资本的逐利性会促使研发资金流向投资回报率更高的企业和产业。本文选取两城市间企业利润差额[16]和二、三产业结构占比的差值作为引力变量测度R&D资金流动量，具体公式如下：

CFij=Cj· (profiti-profitj)· (ISi-ISj)·

(6)

CFlij=(CFij+CFji)/2

(7)

(3)信息流。随着网络通讯技术的日益完善，信息的快速传播促使城市间的经济联系愈加紧密。百度指数的搜索量能有效反映两城市间的信息交流程度，本文以城市名为关键词，搜索考察期内各年份两两城市间“PC+移动客户端”的日均搜索量，并计算城市i与j之间的信息流网络连接度，公式如下：

IFlij=Ij·Ji

(8)

在式(4)-(7)中，PFij为j市向i市流动的R&D人员数，PFji为i市向j市流动的R&D人员数，PFlij为城市i与j间的R&D人才流网络连接度。同理，CFlij为城市i与j间的R&D资金流网络连接度。Pj和Cj分别为城市j的R&D人员数与R&D资本存量，EDL为人均GDP，wage为在岗职工平均工资，profit为规模以上工业企业利润总额、IS为第二、三产业产值之和占GDP的比重，Dij为两城市间地理距离。在式(8)中，Ij为城市j的百度用户对城市i的日均搜索量，Ji为城市i的百度用户对城市j的日均搜索量，IFlij为城市i与j间的信息流网络连接度。

(4)综合流。利用公式(9)测度某城市k在长株潭城市群中的各类要素流强度，并将3种要素流强度加权汇总得到综合流强度，各权重均为1/3。

Flik=Fl1k+Fl2k+…+Flnk

(9)

2.3.3 控制变量与数据来源

(1)城市规模。一般情况下，城市规模扩张会吸引劳动力与企业向该区域转移，进而影响经济发展质量。本文利用取对数后的年末常住人口表征城市规模。

(2)贸易开放度。对外开放水平提升有利于各城市在贸易合作中学习国际前沿技术，本文利用进出口贸易额占GDP的比重表征贸易开放度。

(3)金融发展水平。金融机构通过提供存贷款服务为高质量发展注入活力，促进资源配置优化[23]，因此选取金融机构存贷款余额占GDP的比重表征金融发展水平。

(4)政府支持。地方政府往往通过任务导向型的创新扶持从宏观上引导产业结构向合理化方向转型升级，进而促进经济高质量发展，因此选取各市科学技术支出占财政总支出的比重表示政府创新支持[23]。本文所有原始数据均来源于历年《中国城市统计年鉴》《湖南统计年鉴》以及各市国民经济和社会发展统计公报。

3 实证分析

3.1 高质量发展水平测度及空间关联分析

熵值法是依据各指标离散程度客观赋权的评价方法，离散程度越高表示权重越大。该方法既有利于消除人为赋权的主观性，又能有效体现各指标间的相对重要性。因此，本文采用熵值法确定21个二级指标的权重，并测得2011-2020年长株潭城市群经济全面发展、社会协调发展、环境友好发展的指标得分，然后利用3个维度的得分均值表示高质量发展的综合水平。鉴于文章体量，仅列出部分年份数据，结果见表2。

由表2可知，考察期内长株潭城市群高质量发展水平均值仅为0.433，仍有56.7%的大幅提升空间。从图1来看，高质量发展水平在考察期内呈明显上升趋势。分城市对比发现，长沙的经济、社会、环境和高质量发展水平均位列第一，是长株潭城市群高质量发展的领跑者；衡阳、益阳和娄底的高质量发展水平均值处于最后3位，这些城市经济基础薄弱、基础设施不完善、环境污染较严重，是城市群高质量发展的“洼地”。分维度对比发现，长株潭城市群的经济、社会与环境发展均值分别为0.393、0.318和0.473。其中，环境发展水平最高，且稳中有升；经济发展与社会发展均值均低于高质量发展均值。经济全面发展水平存在明显的上升趋势，从2011年的0.311增至2020年的0.468，年增长率达4.65%，而社会协调发展则始终处于较低水平。查阅原始数据发现，长株潭城市群城乡居民人均收入差距和人均消费差距仍较为明显。究其原因，人口、资金和高技术产业往往倾向在市场规模较大、基础设施完善、信息获取成本较低的区域集聚，这可能会产生极化效应，阻碍城乡协调发展。

由上文分析可见，长株潭城市群内不同城市的高质量发展水平存在明显差异，故有必要探究其空间关联性。随着信息化不断加深，地理距离对区域间知识转移与技术扩散的限制愈来愈小。因此，本文构造经济距离矩阵，并采用全局和局域莫兰指数检验长株潭城市群高质量发展的空间自相关性以及局域集聚度。由表3可知，考察期内长株潭城市群高质量发展的全局Moran's I在经济距离矩阵下均显著为正，但全局Moran's I值始终较低，表明城市群内部的经济联系有待加强。为深入刻画高质量发展的空间集聚特征，分别以2011和2020年为时间节点，绘制局域Moran's I散点图。其中，y1与y10分别表示2011和2020年，横轴z表示高质量发展水平，纵轴Wz为其空间滞后因子。由图2可知，长株潭城市群高质量发展存在较为明显的“高高相邻”“低低相邻”的空间集聚特征。

依据各市在Moran's I散点图中的象限分布及变化情况，将其分为双高、低-高、双低和高-低4种类型，具体见表4。①双高型：长沙、株洲、湘潭在考察期内一直处于第一象限，即本市与邻市的高质量发展水平都高。上述3个城市是1997年湖南省推进长株潭经济一体化发展的早期受益者，其经济发展起步较早，未来将在发挥自身区位优势的基础上协同带动长株潭城市群整体高质量发展；②低-高型：岳阳和常德在考察期内始终位于第二象限，即自身高质量发展水平较低，但易受到邻市知识与技术溢出的影响，存在一定后发优势；③双低型：衡阳、益阳、娄底在考察期内处于第三象限，即本市与邻市的高质量发展水平均较低，且在短期内难以大幅提升，这些城市未来应充分利用政策扶持，不断完善基础设施建设，积极引入创新人才，加强与邻地的经贸合作，实现经济开放、稳定、可持续增长；④高-低型：此类型无，故不作讨论。

3.2 要素流空间结构分析

利用公式(10)测度2011-2020年长株潭城市群空间结构指数，具体结果见表5和图3。式(10)中，SD为所有城市综合流强度的标准差，SDrc为所有城市按综合流强度排序后的序号标准差。SSI为城市群空间结构指数，取值范围为[0,1]。当SSI趋于0时，城市群空间结构易呈现出单极化发展趋势；当SSI趋于1时，城市群空间结构易向多极化方向发展。

(10)

从整体看，长株潭城市群综合流强度始终徘徊在0.880～1.020之间，未出现大幅波动；空间结构指数均值为0.148，且在考察期内一直维持在0.150左右，表明长株潭城市群存在明显的单极化发展趋势。分城市来看，R&D人才流、R&D资金流、信息流和综合流强度的城市排名相似。其中，长沙的综合流强度及各类要素流强度均遥遥领先，株洲和湘潭居于中游，其它城市的单一要素流强度虽高低交错，但综合流强度均明显偏低。长沙作为核心城市，其综合流强度均值为3.315，占整个城市群的43.5%，长沙、株洲、湘潭3市的综合流强度则占城市群的70.5%。由此可见，长株潭城市群存在明显的“1+2+5”的城市群发展格局，不同层级城市间要素流强度的差距明显。究其原因，衡阳、岳阳、常德、益阳和娄底5个城市处于城市群较边缘的位置，受地理距离和经济差距的双重制约，长沙对这些城市的辐射带动作用尚未显现。

为进一步分析长株潭城市群空间发展格局，以自然断裂法对各类要素流和综合流进行层级划分与可视化表达，并以人均GDP表征经济发展水平，与综合流网络结构进行叠加分析，具体见图4。第一，从各要素流空间结构可以看出，长沙与各城市均存在密切的R&D人才、R&D资金与信息交流。城市群联系以“长-株-潭”构成的三角形网络结构为核心，由东向西呈放射状递减，即存在显著的“中心—边缘”结构。分维度来看，R&D人才流与R&D资金流的网络联系度较接近。第一、第二等级R&D人才流网络连接度(0.141 5-1.000 0)和第一、第二等级R&D资金流网络连接度(0.282 2-1.000 0)均仅占总量的10.7%，且均为长沙与其它城市的联系。由此可见，长株潭城市群的人才和资金联系仍有待加强。长株潭城市群的信息交流则更频繁，第一、第二等级的信息流占25.0%，且涵盖了全部城市。这主要得益于大数据、5G等新一代信息技术的涌现。第二，从综合流空间结构可以看出，在综合流网络连接度和综合流强度较高的“长-株-潭”核心地区，其人均GDP位列前3，而在城市群边缘的益阳、娄底等城市，经济发展水平较低。可见，长株潭“1+2+5”的城市群高质量发展格局在考察期内尚未完全形成，仍处在由“1+2”一体化发展向“1+2+5”一体化高质量发展转变的快速发育阶段，这印证了上文局域Moran's I的检验结果。然而，多元要素流动所形成的空间结构对边缘地区是产生涓滴效应还是虹吸效应？本文将基于空间面板模型继续深入探究多元要素流动对城市群高质量发展的直接和空间溢出效应。

3.3 多元要素流动对城市群高质量发展的影响

本文通过构建3种空间面板模型分析多元要素流动对长株潭城市群高质量发展的影响。经Hausman检验发现，所有模型均为固定效应模型。考虑到SAR和SDM模型中包含空间交互项，直接采用点估计分析并不精确，需利用偏微分方程进行空间效应分解[24]。SAR和SDM模型下的R2相近，但相比于SDM模型，SAR模型中核心解释变量的系数与显著性更优，空间溢出效应也更明显。因此，本文选取该模型进行空间效应分解，结果见表6。

由表6可知，第一，R&D人才流动对高质量发展的直接、空间溢出和总效应均显著为正，这与王兵等[25]的研究结论类似，即R&D人才的城际流动激发了区域创新活力，为城市群高质量发展提供了人才支撑。第二，R&D资金流动对高质量发展的直接、空间溢出和总效应均显著为负。进一步考虑非线性效应发现，城市群高质量发展与R&D资金流的3种效应均呈现出显著的先降后升的U型曲线特征。从个体维度看，以总效应为例，该抛物线的对称轴为x=-b/2a=1.359/(2×0.800)≈0.849。查阅原始数据发现，考察期内仅有长沙的R&D资金流在2020年位于对称轴右侧，表明长沙的R&D资金流对高质量发展具有显著正效应，而其余7个城市的R&D资金流强度均小于0.849。从时间维度看，资本的逐利性会诱使R&D资金在初期由低生产率部门流向高生产率部门、由传统产业流向新兴产业[22]。此时，虹吸效应大于正溢出效应，从而抑制城市群整体高质量发展。然而，随着周边城市的快速发展以及集聚经济和拥挤成本相互抵消，R&D资金会逐渐流向外围城市并产生正溢出效应，促进城市群高质量发展。第三，信息流动对高质量发展的3种影响效应均为负向且不显著。一方面，长株潭城市群新一代信息技术水平不高，城际信息流动尚不足以带动城市群协同发展。另一方面，2019-2020年城际信息流动量大幅降低，这可能是受到新冠肺炎疫情的影响，企业停产、劳动力失业均不利于信息流动和城市群高质量发展。第四，在控制变量方面，城市规模对高质量发展的直接、空间溢出和总效应均为负。随着城市规模扩张，因人口与工业集聚造成的资源短缺、交通与住房拥挤等问题会导致城市群发展质量不高。贸易开放度对高质量发展的直接效应和总效应显著为负。随着城市出口规模日益扩大，资源能源紧缺和价值链低端锁定等问题愈发凸显。长株潭城市群应在进出口贸易中积极学习国际前沿技术，促进对外贸易开放提质增效。金融发展水平提升对高质量发展的直接效应、空间溢出效应和总效应均显著为正，这与肖仁桥等[23]的研究结论较为一致。金融机构可以为高质量发展提供资金支持，且金融发展水平提升有利于促进资源在大中小型企业间合理配置。政府支持对高质量发展的3种影响效应均显著为正，一方面，政府通过政策扶持重新配置创新资源，有利于改善城市间分工协作模式，促进产业结构升级[26]；另一方面，政府主导有利于打破地方割据现象，并有效破除区域间贸易壁垒与行政性壁垒。

3.4 稳健性检验

本文通过更换估计方法、空间权重矩阵以及增加控制变量3种方法进行稳健性检验。

(1)更换估计方法。OLS估计虽然难以考察多元要素流动对高质量发展的溢出效应，但考虑固定效应的OLS估计能有效检验多元要素流动对高质量发展的直接影响。如表7第2列所示，多元要素流动对高质量发展的直接效应与上文保持一致。

(2)更换空间权重矩阵。考虑到在市、县域等小空间尺度下，地理距离相近的区域间也可能存在创新要素流动引致的溢出效应，故本文采用空间邻接和地理距离矩阵替换经济距离矩阵。表7第3列和第4列分别为空间邻接与地理距离矩阵下的回归结果，可以看出，本文结论依然稳健。

(3)增加控制变量。除基准回归模型中已控制的变量外，加大人才培养、增加社会保障与就业财政支出是新时期建设人才强国和稳定就业的重要举措。本文采用教育支出占财政总支出的比重、社会保障和就业支出占财政总支出的比重分别表征人力资本投资水平与社会保障水平，并将其引入原模型进行回归。结果显示，在纳入可能存在的遗漏变量后，回归结果仍与上文保持一致。此外，本文还通过多种空间面板模型构造、异质性检验等方式从侧面印证了研究结果的稳健性。

3.5 异质性分析

考虑到长株潭城市群经济、社会与环境发展的空间效应可能存在差异，且各类要素流动对不同维度发展的影响也可能不同，故本文沿用上文构建的空间自回归模型，进一步考察多元要素流动对城市群不同维度发展的影响，具体见表8。

由表8可知，第一，R&D人才流对各维度发展的直接效应和总效应均显著为正，但对环境友好发展的正溢出效应不显著，表明R&D人才的城际流动通过消化吸收内隐性知识与前沿技术促进了本地高质量发展，但人才流动也可能对邻地造成环境压力。第二，R&D资金流动对经济全面发展的直接效应、空间溢出效应和总效应均显著为负。与上文类似，进一步考虑非线性效应发现，经济全面发展与R&D资金流的3种影响效应同样呈现出显著的U型曲线关系，具体不再赘述。值得一提的是，R&D资金流对社会协调和环境友好发展具有不明显的阻滞作用，这是因为R&D资金流强度高的区域易出现产业集聚现象，进而可能引发交通拥堵、能源紧缺和生态破坏等社会与环境发展问题。第三，信息流对经济全面发展的3种影响效应均显著为正，但并未促进社会协调与环境友好发展，表明长株潭城市群的信息流动多服务于生产规模扩张和经济效率提升。然而，在新一轮科技革命和产业变革浪潮中，长株潭城市群应紧紧抓住历史机遇，努力搭建城市信息规划平台，促进城际信息交流提质增效，加速推进新一代信息技术与教育、医疗、生态等领域的深度融合，实现社会发展智能管理和环境污染协同治理。

4 结论与政策建议

从经济全面发展、社会协调发展、环境友好发展3个维度构建长株潭城市群高质量发展评价指标体系，并利用熵值法测度其高质量发展水平。在分析多元要素流动对城市群高质量发展影响机制的基础上，利用空间面板模型进行实证检验，结论如下：①长株潭城市群高质量发展水平总体偏低但存在明显上升趋势，城市群高质量发展在全局范围内的空间正相关性显著，且存在“高高相邻”、“低低相邻”的局域集聚特征；②长株潭城市群呈现出明显的单极化发展趋势，不同层级城市间的要素流强度差距明显，如长沙为城市群核心，其R&D人才流、R&D资金流和信息流均位列第一；③城市群高质量发展分别与R&D人才流、R&D资金流呈显著的线性正相关和U型曲线关系，且仅有长沙的R&D资金流在考察期末出现于对称轴右侧，其余城市的R&D资金流强度均有待提升；④异质性分析发现，R&D人才流对不同维度发展的直接效应和总效应均显著为正，R&D资金流和信息流分别对经济全面发展存在显著的U型曲线关系与线性正相关，但对社会协调与环境友好发展的促进作用在考察期内尚未显现。根据上述结论，提出政策建议如下：

(1)加速R&D人才和R&D资金的城际流动，实现城市群高质量发展。从企业层面看，一方面应通过适当放宽研发人才落户门槛、改善科研环境、拓宽融资渠道等措施有序引进创新要素，重视外资引入质量，避免盲目跟风引致的环境污染、生产成本上升、创新资源错配等问题。另一方面，企业应加强与高校、科研院所的研发合作，形成产学研互动的科技研发网络，促进新知识、新技术的溢出与扩散。从地方政府层面来看，一方面需在国家顶层设计下制定区域互动政策，中西部城市应积极承接沿海地区的新兴产业和优势项目转移，东部发达城市可通过科技援助、定点帮扶等措施推动创新资源内流，充分发挥创新要素的辐射带动效应。另一方面，政府需实行更加灵活开放的人才引进政策，在社会保障、子女教育、税收优惠等方面给予一定倾斜，吸引海外科研人才回流，实现创新驱动的高质量发展。

(2)推动新一代信息技术与城市建设、基本公共服务、生态环保领域的深度融合，促进城市群协调、绿色发展。在城市建设方面，搭建城市信息规划平台，加强城市间的信息流动与共享，促进城市联动智能管理；落实市政公共基础设施的智能化改造，携手共建智慧型城市。在基本公共服务方面，推进5G、人工智能、云计算等数字技术服务的普惠应用。如在新冠肺炎疫情期间积极开展在线教学、提供网上挂号预约服务等，通过信息交流平台拓展信息流动广度与深度，努力实现基本公共服务均等化和优质共享。在生态环保方面，坚持跨区域污染物协同控制，对工业“三废”排放进行实时追踪与智能监测，因地制宜地制定“减污降碳”考核标准，推动制造业绿色低碳转型，力争实现“3060”目标。

本文基于空间流动视角深入分析了R&D人才流、R&D资金流和信息流对城市群高质量的影响，但仍存在一些不足之处：①信息流数据采集有待进一步细化，未来可从“新发展理念”或“新一代信息技术应用”角度出发，以城市名+创新、协调、绿色等或大数据、人工智能、5G网络等为关键词搜集信息流数据；②本文着重探讨要素流动对城市群高质量发展的影响，未来可进一步考察多元要素流动视角下城市群空间结构对经济高质量发展的影响。

参考文献:

[1] BAILEY N, TUROK I. Central Scotland as a polycentric urban region: useful planning concept or chimera[J].Urban Studies,2001,38(4):697-715.

[2] CERVERO R.Efficient urbanization: economic performance and the shape of the metropolis[J].Urban Studies,2001,38(10):1651-1671.

[3] PARR J B. Agglomeration economies: ambiguities and confusions[J].Environment and Planning A,2002,34(4):717-731.

[4] 白俊红,王钺,蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7):109-121.

[5] WILIAMSON J G. Regional inequality and the process of national development: a description of the patterns[J].Economic Development and Cultural Change,1965,13(4):3-47.

[6] HENDERSON V. The urbanization process and economic growth: the sowhat question[J].Journal of Economic Growth,2003,8(1):47-71.

[7] 王雪微,范大龙.长三角城市群城市发展质量测度及时空演变格局[J].人文地理,2020,35(6):85-94,148.

[8] 涂建军,况人瑞,毛凯,等.成渝城市群高质量发展水平评价[J].经济地理,2021,41(7):50-60.

[9] 李彦,付文宇,王鹏.高铁服务供给对城市群经济高质量发展的影响——基于多重中介效应的检验[J].经济与管理研究,2020,41(9): 62-77.

[10] 张治栋,吴迪.产业空间集聚、要素流动与区域平衡发展——基于长江经济带城市经济发展差距的视角[J].经济体制改革, 2019,37(4):42-48.

[11] MITCHELSON R L, WHEELER J O.The flow of information in a global economy：the role of the American ubran system in 1990[J].Annals of the Association of American Geographers,1994,84(1):87-107.

[12] 王少剑,高爽,王宇渠.基于流空间视角的城市群空间结构研究——以珠三角城市群为例[J].地理研究,2019,38(8):1849-1861.

[13] CASTELLS M. The informational city: information technology, economic restructuring and the urban regional progress[M].Oxford UK & Cambridge USA:Blackwell,1989.

[14] LOS B, VERSPAGEN B. R&D spillovers and productivity: evidence from U.S. manufacturing microdata[J].Empirical Economics,2000,25(1):127-148.

[15] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015,50(7):174-187.

[16] 卞元超,吴利华,白俊红.财政科技支出竞争是否促进了区域创新绩效提升——基于研发要素流动的视角[J].财政研究,2020,41(1): 45-58.

[17] 姚文萃,周婕,陈虹桔,等.基于互联网公共信息流的区域网络空间结构研究[J].经济地理,2017,37(10): 10-16.

[18] 蔡跃洲,马文君.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究,2021,38(3):64-83.

[19] 《城市规划学刊》编辑部.“城市精细化治理与高质量发展”学术笔谈[J].城市规划学刊,2020,64(2):1-11.

[20] 魏敏,李书昊.新时代中国经济高质量发展水平的测度研究[J].数量经济技术经济研究,2018,35(11):3-20.

[21] 李旭辉,殷缘圆,程刚.基于新发展理念的经济社会发展测度及空间关联格局研究[J].中央财经大学学报, 2020,40(7):104-115.

[22] 卓乘风,邓峰.创新要素流动与区域创新绩效——空间视角下政府调节作用的非线性检验[J].科学学与科学技术管理,2017,38(7):15-26.

[23] 肖仁桥,沈路,钱丽.新时代科技创新对中国经济高质量发展的影响[J].科技进步与对策,2020,37(4):1-10.

[24] LESAGE J P, PACE R K. Spatial econometric modeling of origin destination flows[J].Journal of Regional Science,2008,45(8):941-967.

[25] 王兵,徐霞,吴福象.研发要素流动的时空特征及对中国经济高质量发展的影响[J].经济地理,2021,41(11): 9-18.

[26] 韩永辉,黄亮雄,王贤彬.产业政策推动地方产业结构升级了吗——基于发展型地方政府的理论解释与实证检验[J].经济研究,2017,52(8): 33-48.

(责任编辑：胡俊健)