周犀行

?

中心城市對城市群發(fā)展的影響研究
——基于長三角城市群的分析

周犀行

在區(qū)域城市群的發(fā)展中，中心城市往往起到了關鍵性作用，非中心城市通過接受中心城市的輻射和影響作用來實現(xiàn)自身的發(fā)展。通過對長三角兩省一市城市群1996—2013年面板數(shù)據(jù)的實證分析，討論中心城市對城市群發(fā)展的影響機制和渠道。回歸結果顯示，中心城市上海的經(jīng)濟發(fā)展對非中心城市具有顯著的促進作用。從傳導機制來看，這種促進作用主要通過人力資本和企業(yè)投資來實現(xiàn)，其中人力資本的影響更為重要。從供給和需求方面來看，中心城市對非中心城市的經(jīng)濟促進作用主要表現(xiàn)為其需求面的拉動性影響。變換樣本量等相關的穩(wěn)健性檢驗得到了一致的結果。

城市群；中心城市；市場潛能；面板數(shù)據(jù)

由于規(guī)模效應等因素的存在，集聚式的發(fā)展成為經(jīng)濟發(fā)展的主導模式。這種觀點隨著新經(jīng)濟地理學的興起逐漸被人們所認識，而集聚式發(fā)展的現(xiàn)實表現(xiàn)就是城市群的形成。從傳統(tǒng)的三大城市群到中西部新的國家級城市群的誕生，城市群的發(fā)展逐漸成為我國經(jīng)濟發(fā)展的主要動力，也是國家政策的重點方向。

在全國大大小小的城市群中,無論是從發(fā)展規(guī)模還是發(fā)展質量來看,長三角城市群無疑是最具實力的城市群之一。根據(jù)2016年發(fā)布的《長江三角洲城市群發(fā)展規(guī)劃》,長三角城市群包含上海市，以及江蘇省、浙江省、安徽省內(nèi)與上海聯(lián)系比較緊密的城市，共26個，國土面積21.17萬平方公里，2014年地區(qū)生產(chǎn)總值12.67萬億元，總人口1.5億人，分別約占全國的2.2%、18.5%、11.0%*數(shù)據(jù)來自國家統(tǒng)計局，《中國統(tǒng)計年鑒2014》。。包括長三角城市群在內(nèi)的各個城市群在迅速發(fā)展過程中,中心城市都起到了重要的驅動作用。長三角城市群諸多城市都是在上海輻射帶動過程中發(fā)展起來。因此，考察中心城市上海對周邊城市的影響程度,影響機制以及影響領域都具有重要的現(xiàn)實意義。

有關城市群發(fā)展的研究文獻中，有的通過描述分析和數(shù)據(jù)比較闡述中心城市的作用[1-3]，有的則通過分析中心城市的城鎮(zhèn)化水平來評價區(qū)域中心城市的發(fā)展水平[4]，但關于中心城市對城市群發(fā)展的影響的研究還不多。中心城市是否確實對非中心城市的經(jīng)濟增長存在顯著的實證關聯(lián)，特別是這種關聯(lián)是否一定是正向的，這個問題在經(jīng)驗上并不很明確。本文采用了城市級的面板數(shù)據(jù)，通過人口作為工具變量來控制中心城市影響的逆向關系，并嘗試解決“中心城市上海是否對城市群中非中心城市有經(jīng)濟影響？是通過哪些經(jīng)濟機制以及供給和需求的哪個方面影響了非中心城市的發(fā)展？”等問題。

一、文獻回顧

有關城市群發(fā)展的研究文獻主要集中于三個方面。

首先，城市群之間和城市群內(nèi)部的發(fā)展不均衡問題。寧越敏等[5]認為城市發(fā)展所具有的空間不平衡特點與城市的空間擴散效應有較強的聯(lián)系。趙勇等[6]則運用空間功能分工指數(shù)對國內(nèi)城市群的功能分工水平進行了測度與比較，發(fā)現(xiàn)城市群功能分工存在明顯的區(qū)域差異，東部城市群高于中西部城市群且差距逐漸拉大，而在城市群內(nèi)部，中心城市與外圍城市的差距不斷擴大，不同等級的城市具有明顯的級差特征。

其次，城市群內(nèi)部城市之間相互聯(lián)系的研究。姜海寧[7]發(fā)現(xiàn)江浙滬城市群中的主要城市對外經(jīng)濟聯(lián)系不斷增強，區(qū)域差異明顯并且表現(xiàn)出具有一定軸線規(guī)律的特點。李佳洺等[8]通過實證研究發(fā)現(xiàn)我國城市群經(jīng)濟集聚度高于人口集聚度，兩者具有很高的線性正相關關系；且城市群經(jīng)濟集聚度與經(jīng)濟增長之間關系整體上符合倒U型假說的特征，而人口集聚與經(jīng)濟增長沒有表現(xiàn)出明顯的規(guī)律性特征。具體到產(chǎn)業(yè)和空間的聯(lián)系來說，Mei[9]發(fā)現(xiàn)改革開放以后，制造企業(yè)明顯向沿海城市集中，與新經(jīng)濟地理的理論預期相符合。張祥建[10]通過對長三角具體格局的研究認為，長三角城市群是由大中小城市在一定地域內(nèi)聚集而形成的，在空間結構上表現(xiàn)出明顯的軸線、圈層和網(wǎng)絡特征。

第三，城市群中心城市的影響因素。在對于中心城市自身發(fā)展水平的評價研究方面，江行舟[11]從城市競爭力的角度構建中心城市對區(qū)域發(fā)展貢獻的評價體系，并對上海和青島之間沿海中部地區(qū) 的9個城市進行評價，數(shù)量化地反映各城市的聚集、擴散、服務、創(chuàng)新功能和綜合競爭力。孫紅玲[4]認為廣東珠三角城市群城鎮(zhèn)化率提高的關鍵就在深圳、廣州等超級巨城，產(chǎn)生的輻射作用，而中部六省“塌陷”的主要原因就在城鎮(zhèn)化嚴重滯后和中心城市規(guī)模極不適及輻射能力不足等造成的。

更多的研究是從產(chǎn)業(yè)與空間角度來展開的。張艷等[3]認為中心城市形成服務中心和創(chuàng)新中心，才是其促進城市群產(chǎn)業(yè)整合進一步發(fā)揮作用的關鍵。黃敬躍等[1]發(fā)現(xiàn)：擁有大港口的城市對周邊地區(qū)的經(jīng)濟帶動作用較大，輻射較為顯著。就此，作者提出了在長江以北建造大型港口城市的觀點。

中心城市是城市群發(fā)展的發(fā)動機。在對中心城市影響的研究中，把中心城市作為經(jīng)濟驅動力，討論其中機制的文獻還不足。本文從經(jīng)濟聯(lián)系的角度，通過對長三角城市群具體經(jīng)濟變量的實證研究，嘗試解釋長三角中心城市對非中心城市的經(jīng)濟影響機制，以期更好地促進城市群的發(fā)展。

二、模型設定與數(shù)據(jù)選擇

上海作為長三角的“龍頭”城市，一直以來都是“被對接”的對象。因此，本文選擇上海作為中心城市。在區(qū)域發(fā)展過程中，地理距離因素不能忽視，中心城市對區(qū)域發(fā)展的影響往往是由近及遠的。為了控制地理因素的影響，更準確地反映中心城市經(jīng)濟發(fā)展的帶動作用，在后面的具體計算和回歸部分采用了類似市場潛能的衡量方法。市場潛能(Market Potential)可以表現(xiàn)為經(jīng)濟體經(jīng)濟產(chǎn)出與中心城市到該經(jīng)濟體距離之比[12]。具體來說，中心城市對距離更近的城市影響更大，并且這種差異僅僅是由城市間距離所導致的。如果直接采用中心城市經(jīng)濟產(chǎn)出作為解釋變量來進行回歸，就會把由于距離不同所產(chǎn)生的影響差異忽略。而采用市場潛能的衡量方法時，由于距離不同，中心城市同樣程度的經(jīng)濟變化所對應的市場潛能是不同的，對于距離近的城市更大。這樣就可以解釋為何中心城市同樣的經(jīng)濟變化對距離不同的城市產(chǎn)生了不同的經(jīng)濟影響。

本文的回歸分析主要基于面板數(shù)據(jù)進行，下面是基本的回歸模型：

(1)

其中，GDPit表示長三角經(jīng)濟區(qū)域中除上海以外的非中心城市i在第t年的地區(qū)生產(chǎn)總值， controlsit表示城市i在第t年的其它特征控制變量。而MPit則表示上海在第t年對城市i產(chǎn)生的市場潛能，基本按照Harris的思路計算，具體計算公式如下：

(2)

公式(2)中，GDPsht為上海在第t年的地區(qū)生產(chǎn)總值，dshi為上海到城市i的距離。模型中主要考察的系數(shù)β1表示城市群中中心城市經(jīng)濟發(fā)展對非中心城市的經(jīng)濟影響。

非中心城市的經(jīng)濟增長除了可能受到中心城市的影響，其自身的一些特征變量也是重要的影響因素。在后面的回歸中為了更準確地估計出中心城市的影響，在控制變量中加入了非中心城市自身的相關特征，包括以下5個：一是人口，它是勞動力規(guī)模和城市規(guī)模的重要體現(xiàn)，也是促進城市持續(xù)發(fā)展的重要因素。加入人口變量使得對城市GDP的研究成為對人均水平的討論，更能反映城市發(fā)展的水平，因此需要加以控制；二是實際利用外資，長三角城市大多對外開放程度高，外資是這些城市發(fā)展的重要助力，因此把它加入控制變量；三是客運總量，這一指標既反映了城市的區(qū)位交通特征，也是城市公路、鐵路和航空等相關基礎設施建設水平的體現(xiàn)，而基礎設施特別是交通設施的建設是現(xiàn)代經(jīng)濟發(fā)展的重要推動力；四是固定資產(chǎn)投資，這是推動GDP增長的一個主要方面，反映了城市各項產(chǎn)業(yè)建設和發(fā)展的水平；五是高校數(shù)量，大專院校是培養(yǎng)人才的主要機構，這項指標是城市人力資源水平的一個重要體現(xiàn)。

此外，不同城市的文化氛圍、制度環(huán)境以及經(jīng)濟政策會有所不同，也會導致發(fā)展水平的差異。而這些因素很難量化，因此本文在部分回歸中加入城市個體特征的固定效應，來控制各個城市不隨時間變化的各種影響經(jīng)濟發(fā)展的因素。同時采用年份虛擬變量來控制對所有城市相同的時間上的影響因素，如宏觀經(jīng)濟波動等。

本文的數(shù)據(jù)來源為1997—2014年的《中國城市統(tǒng)計年鑒》。由于本文采用的數(shù)據(jù)時間早于2016年的《長江三角洲城市群發(fā)展規(guī)劃》,所以本文研究的城市群范圍主要按照國務院2010年批準的《長江三角洲地區(qū)區(qū)域規(guī)劃》確定，即為上海市、江蘇省和浙江省的全部城市。在具體分析中,由于將上海作為中心城市放入解釋變量,以及紹興城市數(shù)據(jù)的缺失,所采用數(shù)據(jù)集的截面樣本共有江蘇省和浙江省的23個城市。在市場潛能變量的計算中所需要的距離數(shù)據(jù)則為地理信息系統(tǒng)(GIS)分析數(shù)據(jù)。表1列出了回歸中具體采用的主要變量的描述性統(tǒng)計信息。

表1 變量描述性統(tǒng)計信息

其中，反映中心城市經(jīng)濟發(fā)展影響力的上海市場潛能變量的最小值約為1.17億元/公里，而最大值約為207.45億元/公里，取值差異較大，可以得到對其系數(shù)估計的穩(wěn)健值。

三、回歸結果分析

考察非中心城市受到的經(jīng)濟影響的最直觀的角度就是考察其GDP所受到的影響，因此在表2中，本文采用了四種方法進行了回歸分析。第一種是普通最小二乘法(OLS)，即混合回歸。第二、三種則利用了數(shù)據(jù)的面板性質，分別采用隨機效應模型和固定效應模型進行回歸，最后一種則是固定效應模型下的兩階段最小二乘法回歸。這是因為，非中心城市的GDP變化對上海的經(jīng)濟發(fā)展也可能存在逆向影響，使得解釋變量中的上海市場潛能具有內(nèi)生性問題，從而導致一般回歸方法產(chǎn)生的估計系數(shù)不一致。因此，需要加入工具變量來消除這種內(nèi)生性問題。本文中采用了上海市的人口變量來作為上海市場潛能的工具變量，它與上海的經(jīng)濟密切相關，但與非中心城市經(jīng)濟發(fā)展的直接聯(lián)系較弱。四種方法的具體回歸結果如下：

表2 上海經(jīng)濟發(fā)展對非中心城市GDP的影響

注：1)表示在10%的統(tǒng)計水平上顯著，2)表示在5%的統(tǒng)計水平上顯著，3)表示在1%的統(tǒng)計水平上顯著。第(2)到第(4)列括號中為穩(wěn)健性標準差，第(5)列中采用兩階段最小二乘法，括號中為標準差。

由表2可知，上海市場潛能對長三角非中心城市GDP的影響都顯著為正，說明在長三角城市群中，中心城市上海確實對周邊非中心城市的發(fā)展具有明顯的促進作用。為了判斷隨機效應模型還是固定效應模型的結果更準確，回歸中進行了Hausman檢驗，其卡方檢驗值為50.83，在1%的顯著性水平上超過標準值，所以固定效應模型的結果更加具有一致性。因此，具體結果根據(jù)第(4)列中采用固定效應模型與工具變量方法的估計值來討論。其中，上海市場潛能每增加1億元/公里能夠使得非中心城市GDP增加大約7.5億元。而從其他解釋變量來看，非中心城市自身的人口、實際利用外資、客運總量、固定資產(chǎn)投資和高校數(shù)都對城市的經(jīng)濟發(fā)展具有顯著的正向影響，這與基本的經(jīng)濟邏輯是相一致的。

為了更清楚地了解中心城市上海對其他非中心城市的影響渠道，本文把上海市場潛能分別與高校數(shù)、固定資產(chǎn)投資和第二產(chǎn)業(yè)產(chǎn)值占比做交叉項，這三個交叉項的值則分別代表了人力資本、企業(yè)資本投資和產(chǎn)業(yè)結構三種經(jīng)濟影響因素。在表3中，第一列加入了高校數(shù)的交叉項，第二列加入了固定資產(chǎn)投資的交叉項，第三列加入了第二產(chǎn)業(yè)產(chǎn)值占比的交叉項，第四列則把這三種交叉項全部加入，所有回歸都采用了固定效應的估計方法。

表3 加入城市特征交叉項的上海經(jīng)濟發(fā)展對非中心城市GDP的影響

注：1)表示在10%的統(tǒng)計水平上顯著，2)表示在5%的統(tǒng)計水平上顯著，3)表示在1%的統(tǒng)計水平上顯著。括號中為穩(wěn)健性標準差。

從表3中1-3列的結果來看，上海市場潛能與高校數(shù)和固定資產(chǎn)投資交叉項的估計系數(shù)顯著為正，而與第二產(chǎn)業(yè)產(chǎn)值占比交叉項的估計系數(shù)不顯著。這說明上海經(jīng)濟發(fā)展影響其他城市發(fā)展的渠道主要是人力資本和企業(yè)資本投資，上海的人力資本增加和企業(yè)投資需求增長會促進其他非中心城市經(jīng)濟發(fā)展。第二產(chǎn)業(yè)產(chǎn)值占比變量自身的系數(shù)則顯著為負，表明長三角城市群的非中心城市偏向工業(yè)的產(chǎn)業(yè)結構不利于城市經(jīng)濟的發(fā)展。

考察第4列中的結果則可以看到，把所有交叉項都加入后，僅高校數(shù)量交叉項的系數(shù)仍然顯著，且為正。因此只有高校數(shù)量所代表的人力資本是中心城市促進其他非中心城市發(fā)展的顯著渠道。同時，固定資產(chǎn)投資的系數(shù)顯著為正，第二產(chǎn)業(yè)產(chǎn)值占比的系數(shù)則顯著為負，這和第1-3列結果中發(fā)現(xiàn)的情況相一致，企業(yè)投資增長對非中心城市具有正向作用，而第二產(chǎn)業(yè)比重提高的作用則相反。

經(jīng)濟發(fā)展的驅動力可以被分為需求驅動和供給驅動兩種。表4中采用零售總額代表需求面，工業(yè)產(chǎn)值代表供給面，來考察對于長三角非中心城市來說，是中心城市上海的需求還是供給影響了它們的經(jīng)濟發(fā)展。表4中的零售總額和工業(yè)產(chǎn)值也都按照市場潛能的方法進行了距離折算，系數(shù)估計采用固定效應模型，其中第2列和第4列中，同樣把上海人口作為零售總額和工業(yè)產(chǎn)值的工具變量，具體的回歸結果如下：

從第1-4列的結果來看，上海零售總額和工業(yè)產(chǎn)值都對其他城市具有顯著的正向影響，但零售總額的估計系數(shù)遠大于工業(yè)產(chǎn)值的估計系數(shù)。根據(jù)前面描述性統(tǒng)計中的信息，這兩個變量的大小基本一致，單位也同為億元/公里，因此零售總額的影響應該遠遠大于工業(yè)產(chǎn)值的影響。

表4 上海需求和供給對周邊城市GDP的影響

注：1)表示在10%的統(tǒng)計水平上顯著，2)表示在5%的統(tǒng)計水平上顯著，3)表示在1%的統(tǒng)計水平上顯著。括號中為穩(wěn)健性標準差。

雖然社會零售總額與工業(yè)產(chǎn)值是影響周邊城市并促進周邊城市經(jīng)濟增長的兩個方面。但在第5列同時加入這兩個變量的估計結果中，社會零售總額依然對周邊城市經(jīng)濟具有顯著的正向影響，而工業(yè)產(chǎn)值的系數(shù)則不顯著。由此說明，中心城市上海的帶動作用主要來自于其需求方面，反應了長三角地區(qū)周邊城市向上海提供生產(chǎn)產(chǎn)品的經(jīng)濟模式。

四、穩(wěn)健性檢驗

為了考察前面的回歸結果是否具有穩(wěn)健性，本文在這一部分進行了三項穩(wěn)健性檢驗的估計。首先是把被解釋變量的非中心城市GDP替換為它們的工業(yè)產(chǎn)值。因為長三角區(qū)域的城市工業(yè)都比較發(fā)達，所以本文從工業(yè)生產(chǎn)的角度考察上海經(jīng)濟發(fā)展對它們是否具有顯著影響。同樣采用了四種回歸方法，具體結果如表5所示：

從表5的結果來看，上海市場潛能對非中心城市的工業(yè)生產(chǎn)具有顯著的正向影響。根據(jù)第4列的估計系數(shù)，可以發(fā)現(xiàn)上海市場潛能每增加1億元/公里會使得非中心城市的工業(yè)產(chǎn)值增加將近30億元。上海市場潛能在工業(yè)生產(chǎn)方面對非中心城市的促進作用與表2的結果相一致。

第二，為了考察本文采用的市場潛能變量是否具有穩(wěn)健性。接下來的檢驗估計把市場潛能計算過程中距離的計算指數(shù)進行了改變。這里參考Hering和Poncet[13]對市場潛力計算的估計，兩位作者通過對中國省份市場潛力的估計，認為距離折算系數(shù)為1.5比較合適，即在計算中除以距離的1.5次方。表6中就是采用這樣改變后的上海市場潛能計算方法的估計結果。

從表6的結果可以發(fā)現(xiàn)，變換計算方法后的上海市場潛能仍然對非中心城市的經(jīng)濟具有顯著促進作用。具體看第4列的結果，上海市場潛能的系數(shù)在1%的統(tǒng)計水平上顯著，并且高校數(shù)、固定資產(chǎn)投資、人口、實際利用外資和客運總量等控制變量也同樣顯著為正，與表2中的回歸結果基本保持一致。

表5 上海經(jīng)濟對非中心城市工業(yè)產(chǎn)值的影響

注：1)表示在10%的統(tǒng)計水平上顯著，2)表示在5%的統(tǒng)計水平上顯著，3)表示在1%的統(tǒng)計水平上顯著。第1-3列括號中為穩(wěn)健性標準差，第4列中采用兩階段最小二乘法，括號中為標準差。

表6 距離指數(shù)為1.5時上海經(jīng)濟對非中心城市工業(yè)產(chǎn)值的影響

注：1)表示在10%的統(tǒng)計水平上顯著，2)表示在5%的統(tǒng)計水平上顯著，3)表示在1%的統(tǒng)計水平上顯著。第1-3列括號中為穩(wěn)健性標準差，第4列中采用兩階段最小二乘法，括號中為標準差。

2016年6月國家發(fā)改委發(fā)布的《長江三角洲城市群發(fā)展規(guī)劃》把安徽的部分城市也考慮進來。為了與前文中采用江浙兩省全部城市的處理方法相對應,本文在最后一項穩(wěn)健性檢驗中加入了安徽的17個地級以上城市,其中巢湖市在2011年8月變?yōu)榭h級城市并入合肥,但在本文的樣本時間內(nèi),它仍然為地級市,所以估計中沒有把它另做處理。表7中為采用四種方法回歸的估計結果。

表7 加入安徽后上海經(jīng)濟對非中心城市GDP的影響

注：1)表示在10%的統(tǒng)計水平上顯著，2)表示在5%的統(tǒng)計水平上顯著，3)表示在1%的統(tǒng)計水平上顯著。第1-3列括號中為穩(wěn)健性標準差，第4列中采用兩階段最小二乘法，括號中為標準差。

根據(jù)表7的結果，特別是從第4列的估計系數(shù)來看，把長三角范圍擴大到江浙滬皖后，中心城市上海經(jīng)濟發(fā)展對非中心城市的影響依然在1%的統(tǒng)計水平上顯著為正。這與之前回歸中的結果一致，同時也說明國家把安徽省納入到長三角范圍內(nèi)是有道理的。

上述三項穩(wěn)健性的檢驗的結果中說明：在長三角城市群中，中心城市上海對其他非中心城市呈現(xiàn)出顯著的經(jīng)濟促進作用，中心城市的發(fā)展是區(qū)域經(jīng)濟發(fā)展的重要驅動力。

五、結論與政策建議

所有的城市群都包括了大中小不同層級的城市個體，良好的城市群發(fā)展道路就是要實現(xiàn)各個城市的協(xié)調(diào)發(fā)展，從而使得區(qū)域經(jīng)濟一體化的程度更加成熟。而這種協(xié)調(diào)發(fā)展中的重要一環(huán)就是要發(fā)揮城市群內(nèi)中心城市的輻射帶動作用。本文以長三角城市群為例，主要從實證的角度考察了中心城市對其它非中心城市的帶動影響作用，為中心城市經(jīng)濟影響的傳導機制和傳導重點給出一定的實證支持和相應解釋。

具體來說，本文采用了長三角城市群1996—2013年的城市級面板數(shù)據(jù)進行計量估計。從結果來看，主要有以下發(fā)現(xiàn)：1)地區(qū)生產(chǎn)總值所反映的中心城市上海的經(jīng)濟發(fā)展對其他非中心城市具有顯著的促進作用；2)人力資本、企業(yè)投資和產(chǎn)業(yè)結構是上海經(jīng)濟影響其他非中心城市的傳導渠道，而其中人力資本影響機制是最主要的；3)從需求和供給兩個角度來看上海經(jīng)濟影響的話，需求才是其影響其他非中心城市的主要方面。

城市群在未來的發(fā)展中會越來越受到重視。本文研究的結果顯示：首先，具備輻射影響力的中心城市是城市群發(fā)展的重要動力，非中心城市應該結合中心城市對自身最有效的影響傳導機制來加強與中心城市的經(jīng)濟聯(lián)系；其次，經(jīng)濟發(fā)展的根本要素還是人力資本，非中心城市需要借助中心城市人才培養(yǎng)的渠道，提高自身人才水平，政府也應該在這個過程中創(chuàng)造適合自身實際的人才引進條件；最后，中心城市一般基于其人口集中地和外貿(mào)出口港等優(yōu)勢，具有顯著的需求集聚效應，非中心城市應該把這種需求和自身的優(yōu)勢領域結合，找到對應的發(fā)展方向，走出城市群中的差異化發(fā)展道路。

[1]黃敬躍，吳開. 長江三角洲城市群經(jīng)濟聯(lián)系的測度分析[J]. 區(qū)域經(jīng)濟，2010(11)：127-129.

[2]楊建城. 發(fā)揮廣州中心城市作用的思路與對策探討[J]. 管理世界，1999(3)：56-59.

[3]張艷，程遙，劉婧. 中心城市發(fā)展與城市群產(chǎn)業(yè)整合——以鄭州及中原城市群為例[J]. 經(jīng)濟地理，2010(4)：579-584.

[4]孫紅玲. 中心城市發(fā)育、城市群形成與中部崛起——基于長沙都市圈與湖南崛起的研究[J]. 中國工業(yè)經(jīng)濟，2012(11)：31-43.

[5]寧越敏，嚴重敏. 我國中心城市的不平衡發(fā)展及空間擴散的研究[J]. 地理學報，1993(2)：97-104.

[6]趙勇，白永秀. 中國城市群功能分工測度與分析[J]. 中國工業(yè)經(jīng)濟，2012(11)：18-30.

[7]姜海寧，陸玉麟，呂國慶. 江浙滬主要中心城市對外經(jīng)濟聯(lián)系的測度分析[J]. 地理科學進展，2008(6)：82-89.

[8]李佳洺，張文忠，孫鐵山，等. 中國城市群集聚特征與經(jīng)濟績效[J]. 地理學報，2014(4)：474-484.

[7]李煜偉，倪鵬飛. 外部性、運輸網(wǎng)絡與城市群經(jīng)濟增長[J]. 中國社會科學，2013(3)：22-42.

[9]WEN M. Relocation and agglomeration of Chinese industry[J]. Journal of Development Economics，2004，73(1)：329-347.

[10]張祥建，郭嵐，徐晉. 長江三角洲城市群的空間特征、發(fā)展障礙與對策[J]. 上海交通大學學報(哲學社會科學版)，2003(6)：57-62.

[11]江行舟，段東，董旭. 基于主成分分析的沿海中部區(qū)域中心城市競爭力評價[J]. 江蘇行政學院學報，2010(6)：56-59.

[12]HARRIS C D. The market as a factor in the localization of industry in the United States[J]. Annals of the Association of American Geographers，1954,44(4)：315-348.

[13]HERING L，PONCET S. Market access and individual wages：evidence from China[J]. The Review Economics and Statistics，2010，92(1)：145-159.

Effects of Central Cities on Urban Agglomeration Development—Based on the Analysis of Urban Agglomeration in Yangtze River Delta

Zhou Xixing

Central cities often play a key role in the development of regional urban agglomeration. Non-central cities achieve their own development by accepting the radiation and influences of central cities. It discusses the influence mechanism and channel of central cities through an empirical study of panel data of two provinces and one city in Yangtze River Delta from 1996 to 2013. The regression result shows that the economic development of Shanghai has significant positive influences on non-central cities. In the aspect of transmission mechanism, the promotion is mainly achieved by human capital and firm investments, and human capital is a more important factor. In the aspect of demand and supply, promotion effects of central cities mainly come from the pulling effects in the demand side. The results of robustness checks by changing variables support the above conclusions.

urban agglomeration；central cities；market potentials；panel data

周犀行，中共常州市委黨校講師。

F061.5

A

10.3969/j.issn.2095-042X.2016.06.010

2016-07-04；責任編輯:沈秀)