城市规模衡量、变动类型识别与空间联系——基于卫星灯光数据

一 引言及文献述评

城市规模是城市经济、社会相互作用的产物，是伴随经济发展出现的空间现象。改革开放近40年来，中国经济飞速发展，城市人口规模迅速扩大，较大规模的城市数量也逐渐增多。1978-2010年，城市数量增加了465个，500万以上人口规模的城市增加了14个，100-500万以上人口规模的城市增加了97个，并产生了“北、上、广、深”这样的超大城市*根据《国家新型城镇化规划(2014-2020年)》中的数据整理。。此间，中央政府出台了“控制大城市规模，合理发展中等城市，积极发展小城市”(1978-2002)、“严格控制特大城市人口规模”(2003-2010)、“严格控制城区人口500万以上的特大城市人口规模”等一系列政策*1980年12月国务院批转《全国城市规划工作会议纪要》中强调合理或积极发展中小城市，“十五”规划纲要明确提出要“防止盲目扩大城市规模”。 国家“十二五”规划纲要提出要“防止特大城市面积过度扩张”，《全国主体功能区规划》提出要“防止人口向特大城市中心区过度集聚”。 《国家新型城镇化规划(2014-2020 年)》。。但有研究表明，中央政府对城市规模的“控制”目标不但没有达到，反而出现了严重的城市规模两极化倾向(余吉祥等，2013[1]；魏后凯，2014[2])，主要表现为以建成区面积持续扩大为特征的城市扩张和以人口流失为特征的城市收缩共存的现象(赵亚莉和刘友兆，2014[3]；张学良等，2016[4])。

然而，上述结论都是基于“城市建成区面积”、“城市建设用地面积”或“城市人口数”等总量指标衡量城市规模而得出的，这些指标实际上隐含了城市内部空间均质的假定，将城市规模的空间变化简化为“量”上的多寡，忽视了城市内部要素、经济活动的空间分布差异。事实上，在城市发展过程中，难以回避其内部的城与乡、发达与落后地区、新城与旧城、核心区与边缘区等内部异质问题。由于内部不同性质区域处于不同的发展阶段，根据区域发展生命周期理论，其空间联系强度很可能强弱不均。此外，在中国城市化进程中，出现了诸多“空城”现象，或者城市蔓延过快、产业发展滞后等问题导致在一段时间内城市出现人口持续减少，但建成区面积却持续扩张的现象。那么用某一种总量指标来衡量城市规模，显然会引起用不同衡量指标得到不同结论的尴尬。因此，城市规模应该是一个将人口、土地、经济等指标进行相对综合的概念，如此才有可能解决不同口径下结论难以比较的问题，才有可能将城市规模变动的“空间”属性考虑进来，分析城市内部要素密度不同区域的空间联系差异问题。

学者们对如何将城市人口、经济、土地等因素综合起来衡量城市规模的方法展开了丰富探索，Fallah et al.(2011)[5]利用美国大都市区内部的详细人口密度分布数据，以全美国大都市区人口分布密度的中位数为参考基准，对全美国大都市区内部的人口分布问题进行了衡量，并进一步将其分为人口高密度区和人口低密度区，据此构建出衡量城市扩张的指数。该项研究较早地从城市内部异质性角度，研究城市规模及变动问题，对国内相关研究的发展有较大启发作用。而国内相关研究则主要以龙瀛等(2015)[6]、毛其智等(2015)[7]、张学良等(2016)[4]为代表，他们的研究基于乡镇或街道尺度“五普”和“六普”人口资料，从更微观的尺度对城市规模扩张和收缩现象进行描述和识别。使用乡镇或街道人口数据的主要弊端在于行政面积小、人口正常流动过于频繁，在特定时刻，很难有效判别某个街道的人口增减与城市规模直接有关；另一个弊端是城市街道或乡镇常住人口流动性大，而人口普查的时间间隔长，难以获取长时段观测数据，研究难免有时滞性，现实指导意义有限。总之，街道层面的人口统计数据，也无法将城市经济、土地等因素纳入到城市规模衡量中，本质上没有走出“数量论”的传统老路。

一个问题是：城市规模既然有“数量”属性，又有“空间”属性，那么是否有可能将此“二重属性”综合呢？本文认为，卫星夜间灯光数据提供了这种可能。自从夜间灯光数据在1972年被解密以来，灯光亮度和人类活动的空间相关性受到学者们的关注，典型文献如Croft(1973)[8]、Doll et al.(2006)[9]。自从Henderson et al.(2012)[10]在美国经济评论上发表《Measuring Economic Growth from Outer Space》以来，国外学者用灯光亮度数据代替经济增长指标渐成主流。除了在国家或者省级空间维度外，更小地理单元的灯光数据应用也开始出现，如城市层面的(Harari，2016[11]；Storeygard，2016[12])、少数民族地区层面的(Michalopoulos和Papaioannou，2013)[13]、地方行政单位的(Hodler和Raschky，2014)[14]、大型电网(Henderson et al.，2016)[15]，或者是自然特征，如河流层面的(Bleakley和Lin，2012)[16]。国内方面的应用也逐渐增多，如城市蔓延层面(刘修岩等，2016)[17]、城市扩张层面(杨孟禹和张可云，2016)[18]、城市规模变动层面(杨孟禹等，2017)[19]。灯光数据广泛而深刻的研究为本文奠定了基础。更为重要的是，全球夜间灯光数据反映了人类活动的范围，越明亮的地区表明人类生产(经济行为密集度)和生活活动(人口集中程度)越频繁或密集，在国外诸多研究文献中，灯光灰度已经成为人类活动(经济和生活)监测的典型数据；人类活动越频繁，人口密度越大，灰度值越大(Elvidge et al.，2007)[20]。一个城市的平均灯光灰度与当地的经济发展水平、人口密度呈正相关(Henderson，1974[21]；Chen和Nordhaus，2011[22]；徐康宁等，2015[23])。此外，该数据还能够利用GIS软件估计出对应经纬度下城市卫星灯光光斑栅格面积。所以，全球卫星夜间灯光数据具有“数量”和“空间”的“二重属性”，这与本文想要探讨城市规模衡量方法的目标不谋而合。在这些方面，刘修岩等(2016)[17]基于夜间灯光数据对城市内部的空间形态进行了深入研究，将人口分布密度数据与夜间灯光亮度数据相结合以确定城市的蔓延指数和郊区化指数；类似地，杨孟禹和张可云(2016)[18]也使用全球卫星夜间灯光数据对城市规模衡量方法进行了初步探索，其直接用行政区域内亮区和暗区的相对变化来度量城市规模的相对变动，较好地解决了人口总量和土地面积难以统一的问题，但依然存在不足：前者着重分析“自然城市”的规模变化，并未将行政区划因素纳入其中，后者则难以直接直观反映城市规模的绝对扩张。本文则将二者优点结合，从“光斑”变化角度切入，首先利用全球卫星夜间灯光图片与地级市行政区划图进行匹配和裁剪，然后求出城市行政区划内可见光斑、亮区和暗区的栅格面积，用该区域的面积变化来衡量城市规模变动。

城市规模的空间联系主要来自地方政府间竞争。在GDP考核的压力下，地方官员主导着地方政府行为，为了吸引更多的要素、企业和资本流入，地方政府想方设法通过税收降低、环境政策优惠、教育医疗条件供给等行为，以提升自己的竞争优势(Breton，1998)[24]。随着中国特色社会主义市场机制的不断完善，财政分权制度的不断推进，中国地方政府间的竞争现象也被诸多学者关注。当前对这种空间联系形成的解释主要存在以下三个理论派别：第一个派别的代表人物，如Wilson(1986)[25]认为地方政府财政政策会改变邻近地方政府的财政政策偏好，从而在空间上地方政府财政行为表现出联系性。第二个派别的代表人物，如Tiebout(1956)[26]认为地方政府行为之所以存在空间联系，是因为地方政府的要素竞争。第三个派别则认为地方政府行为空间联系产生的根源是标尺竞争，代表人物为Salmon(1987)[27]。国内学者围绕三个派别的观点，分别展开了对中国的经验研究，发现中国与国外的地方政府竞争形式并无二致(踪家峰等，2009[28]；龙小宁等，2014[29])，这也是本文展开城市规模空间联系经验分析的基础。此外，由已有研究也不难推知，如果地方政府行政等级和城市规模差异太大，它们之间由于空间竞争而产生的空间联系不大可能显著或者太强，反之在城市行政等级和城市规模接近的地方政府间，空间联系很可能比较显著或很强。

综上所述，对城市规模的经济研究，一些学者作出了积极的探索，但仍然存在许多有待进一步探讨的问题。一是只研究总体城市规模的空间问题，而忽略了城市规模内部不同区域的差异性；二是城市规模衡量没能走出“数量论”老路，做出新的探索。三是由衡量方法不统一而引起许多结论不可比的问题。对以上一些研究不足，本文拟综合城市规模空间的“形”和时间的“量”，利用全球卫星夜间灯光“光斑”的变化来衡量城市规模。并将城市规模划分为“亮区”和“暗区”两部分；同时，为了将非对称的“空间联系”城市纳入同一模型中进行空间分析，采用Elhorst和Frèret(2009)[30]提出的两区制空间杜宾模型。这类模型国内学者已有应用，张文彬等(2010)[31]和龙小宁等(2014)[29]分别用其分析区域间的环境规制强度差异和财政竞争强度差异问题。本文将两区制空间模型应用于不同城市规模变动类型的空间联系差异分析中。余下部分的内容安排为：第二部分是城市规模的衡量及类型识别；第三部分是城市规模空间联系经验分析；第四部分为结论与启示。

二 城市规模衡量原理

(一)夜间卫星灯光数据处理

全球夜间灯光数据来源于美国国防气象卫星计划(DMSP)于1976年开始发射的一系列观测卫星，这些卫星上面搭载了OLS传感器，其目的是观测夜晚月光照射下的云的密度、温度、分布等信息，因而具有较大的光电放大能力，可观测到城市灯光、火光以及车流灯光。目前在轨运行的卫星包括F10、F12、F14、F15、F16、F18六颗。夜间卫星灯光数据可以衡量城市规模的理由有三：一是灯光亮度反映了人类活动的频繁程度；二是灯光的光斑变化一定程度上反映人类活动范围的变化；三是灯光犹如一件商品，对于日常生活中的人们而言，需要时便购买(开灯)，不需要时便不购买(不开灯)，灯光的供给只受市场规律的影响，不考虑其他因素导致的停电。灯光数据来自不同时期发射的卫星，由于传感器设置差异，可能存在同一年份不同卫星之间的数据不可比问题；同时对于同一卫星不同年份，由于传感器老化，也可能导致同一卫星不同年份的数据不可比问题。故而，本文用两种方法进行修正：一是栅格内部校准，该方法的原理是通过灯光平稳变化的某一区域逐年灯光变化关系，来推算出全国灯光的可比变化，本质是将不同栅格不同年份不同卫星的灯光亮度按照一个固定标准重新调整，参考范子英等(2016)[31]的研究，选择黑龙江省鸡西市为基准区域；二是对同年度不同卫星的数据进行了合并，具体处理方法为：在同一年度不同卫星的数据之间进行平均处理，目的是把同年度不同卫星所获取的数据进行整合，同时去除掉同一年度内不稳定的有光栅格的数据。此外，由于灯光数据亮度范围为0-63，如果一个区域的亮度超过该值就不会叠加，所以灯光数据可能存在取值上限问题，然而根据计算，中国各城市的灯光亮度并没有超过60，最高为2013年的东莞市为57.4，故不存在该问题；同时为最大限度避免灯光影像背景噪声，设定灯光灰度阈值为6，即将平均灰度小于6的城市直接剔除。

(二)城市规模的衡量原理

众所周知，城市经济社会的发展具有空间异质性，即存在人口高、低密度区，经济发达和欠发达地区。如果在衡量城市规模时，不考虑这种空间异质性，而将其同质化处理，可能无法客观反映城市规模空间变动及其相互联系。参考Fallah et al.(2011)[5]根据全美国大都市区人口密度的中位数，将城市分为人口高密度区和低密度区的思路，本文也以2004年全国所有地级市的灯光亮度(DN)中位数17为基准，将城市光斑划分为高亮度区H(DN>17，人口、经济密度相对较高，下文称亮区)和低亮度区L(6

表1 280个城市2004、2007、2010、2013年的统计特征

图1 城市规模衡量的基本原理

图2 北京市亮区(H)和暗区(L)变动现状

图3 广州市亮区(H)和暗区(L)变动现状

表1为280个城市的高密度区、低密度区和识别区2004、2007、2010、2013年的统计特征，可以发现2004-2013年间，中国城市规模扩张迅速，大小城市间规模差异越来越大，总体上中国城市规模呈两极化态势。从图2、图3看，北京和广州城市规模变动方式完全不同，北京暗区逐渐减少，但广州则逐渐增加。但总体上，北京亮区的增速明显大于暗区减速，而广州的亮区增速则大于暗区增速。

三 与人口、土地总量的关系及变动类型识别

(一)与人口、土地总量的关系

为检验新构建的城市规模指标与人口、土地总量之间的关系，选择2004-2013年的地级市数据，同时考虑到城市人口、土地总量可能的空间相关性，以及为有效地处理变量的时间依赖性、遗漏变量、空间异质性、外部性和模型的不确定性等问题，构建空间面板杜宾模型：

yit=ρ∑280j=1Wijyit+ϑ∑280j=1Wxj+αxit+βcit+γi+λt+εit

(1)

上式中，yit为i城市t年的常住人口规模或建成区面积，xit为i城市t年的光斑面积，cit为i城市t年的控制变量集合，以控制城市区位、文化习俗、生活方式等原因引起的光斑变化；W为空间权重矩阵，γi为地区固定效应，λt为年份固定效应，εit为误差项。考虑到亮区、暗区划分标准差异可能对估计结果的影响，分别进行了S和H两组回归。结果如表2所示。控制变量主要考虑：(1)外商直接投资(Fdi)，外商直接投资是反映城市资本来源、对外开放的重要指标，该指标越大表明越依赖于外商投资，对外开放度也越强，基础设施发展越快，城市灯光面积可能越会受到影响；(2)每万人公共汽电车拥有量(Bus)，公共汽电车是反映城市基础设施的主要指标，基础设施越好，灯光密度可能越大；(3)房地产开发投资额(Red)，用来反映城市房地产建设密度；(4)人均道路面积(Rod)，道路越密集的城市，由于路灯的作用，可能导致城市灯光面积越大；(5)市场潜力(Mar)，用批发零售贸易业商品零售总额表示，该值越大，说明城市市场需求越旺盛。表2为双向固定效应估计结果。

表2 与人口、土地总量关系的回归结果

注：*、**、***表示显著性水平10%、5%、1%，由于重点关注城市规模的系数，为节约版面省略了空间变量的估计结果。

表2结果显示：在考虑了人均道路面积、房地产开发投资额、市场潜能、城市公共汽电车拥有量、外商投资额等控制变量后，光斑面积与人口、土地总量的回归系数均为正，且分别在5%、5%、1%、5%的显著性水平下显著。亮区H、光斑S面积均与城市人口、建成区面积的呈显著地同向变化，表明在一定条件下，可以作为城市规模的替代变量。

(二)城市规模变动类型识别

以2004年为基期，2013年为末期，城市规模变动可能出现以下八种情况，如表3所示。根据2013年和2004年的L和H数据，以地级及以上280个城市为样本。对每一种变动类型的城市进行识别发现，相对于2004年，绝对扩张Ⅰ型(内聚型)的城市有28个，绝对扩张Ⅱ型(蔓延型)的城市有235个；绝对收缩Ⅰ和Ⅱ型的城市数为0；相对扩张Ⅰ型的城市有13个，相对收缩Ⅰ型的城市有1个，相对扩张Ⅱ型的城市有1个，相对收缩Ⅱ型的城市数为0。可见，相对于2004年，2013年的城市规模变动主要以蔓延型为主、内聚型为辅。

表3 2013年城市规模类型区分

注：可能存在的误差来源于灯光光斑栅格面积的计算过程，但这并不会对本文的分析产生影响，因为即便产生误差，也是所有城市都会产生的，相当于所有城市都受到同一外生变量的影响。

四 城市规模变动的空间联系

(一)城市规模变动的空间联系差异

城市规模变动的空间联系来源于地方政府空间竞争，可衡量一个城市的规模变动引起竞争城市规模变动的反应程度，其大小取决于两个城市规模的“变动方向”和“变动量”。而在标尺竞争影响下，如果两个城市的性质越接近，空间联系可能越强，也即空间联系可能存在分类效应。本文要检验的正是城市规模变动的这种分类空间联系，以揭示城市规模变动的空间规律。由于可能存在测量误差，传统的土地和人口总量的衡量方法很可能无法客观反映城市规模的变动，所以，结合前文结论，可借助光斑(总面积和亮区面积)数据，从另一角度更为客观地测算城市规模变动的空间联系。

城市规模分类空间联系，可以选取两区制空间杜宾模型来分析，其能很好地刻画某一城市面对不同类型城市的不同竞争反应。以2004年为基期，分别对2005-2013年的城市规模变动方式进行识别，且剔除9年中城市规模变动方式不稳定的城市。由于灯光数据在处理过程中没法完全排除各种因素引起的误差，正如图1、图2所示，北京和广州的城市规模扩张过程中，2010年和2009年出现了与总体趋势不符的情况，所以本文将9年中超过6年为某种稳定的类型定义为该城市的规模类型，不满足该条件的城市都予以剔除，以最大限度避免数据异常波动对城市规模空间联系的影响，最终剩下225个城市，其中蔓延型200个，内聚型25个，其他类型由于城市个数太少，不予考虑。将内聚型城市标记为dit=1，蔓延型城市记为dit=0，构建两区制的空间杜宾模型，ρ1、ρ2分别为空间联系强度系数。模型为：

Sit=ρ1dit∑225j=1wijsjt+βxit+∑225j=1wijxjt+α+μi+λt+εit

(2)

D=R×arccosθ(sinζAsinζB+cosζAcosζBcos(τB-τA))

(3)

(4)

其中，Sit为第i城市t时期的光斑面积，wi空间权重矩阵，考虑到内聚型城市数量为28个，而蔓延型城市数量为235个，二类城市的数量较为悬殊，前者数量少，空间分布稀疏，地理和行政距离可能都比较遥远，若用传统的地理距离矩阵，他们之间的城市规模变动的外溢性可能不明显。为此，参考李婧等(2010)[33]的处理方法，用地理空间权重矩阵与经济空间权重矩阵的对角矩阵积，来反映城市规模变动的空间联系。该方法弱化了地理距离在空间联系中的作用，强化了经济发展接近性的作用，而关于行政距离问题，将在稳健性分析中考虑*感谢外审专家的启发性建议。。对于地理权重矩阵，当i≠j时，值为1/d2，当i=j时，值为0；由于地区间的相互作用可能随着地理距离的增加而衰减，为避免空间权重设定的主观性，选用相对外生的地理距离(D)的倒数的权重矩阵作为空间关系的表征。经济空间权重矩阵与地理权重矩阵类似，算法是以全国2005-2013年平均GDP为分母，以城市2005-2013年平均GDP为分子。由于地球是曲的，如果直接用欧氏距离公式，容易导致误差，因此用地球大圆距离测度两个城市间的距离D，如式(3)所示。其中R为地球大圆半径，ζ和τ分别为两个城市市中心的经度和纬度；xit为控制变量，α为截距，μi和λt分别表示空间和时间固定效应，εit为误差项。此外，由于城市规模变动很容易受到财政、土地和户籍制度变迁的冲击，为此有意避开三种制度变迁较为激烈的时间点，选取制度较为稳定的样本，最终选取年份是2004-2013年。

核心变量是2005-2013年灯光光斑面积，横截面225个地级及以上城市。同时考虑到城市规模还受到城市经济属性的影响及其滞后性，控制变量取滞后1期。人均道路面积(Rap)，控制城市基础设施建设水平，排除由于基础设施差异引起的光斑面积变化；房地产开发投资额(Ire)，控制城市房地产投资水平，排除由于较大规模的房地产建设引起的光斑变化；(3)财政压力(Fip)，控制地方政府通过土地财政行为增加财政收入，从而引发光斑面积变化的可能；(4)市场潜能(Map)，控制城市商品消费规模对光斑面积可能产生的影响；(5)经济发展(Pgdp)，控制城市经济发展水平对光斑面积的影响；(6)城镇化率(Urr)，控制人口城市化水平对光斑面积的影响；(7)外商投资额(Foi)，控制外商投资对光斑面积的影响；(8)建成区占行政区面积的比(Bap)，控制土地城市化水平对光斑面积的影响。数据来自《中国城市统计年鉴》。表4为主要回归变量的统计特征，表5为在不同情况下的两区制空间杜宾模型估计结果，表中省略了非空间变量的估计系数。

表4回归变量的统计特征

(续上表)

表5 内聚型和蔓延型城市的空间联系估计结果

(续上表)

注：表中括号内为T统计量，其中*、**、***分别表示通过了10%、5%、1%水平下的显著性检验。下同。

以表5的估计结果发现，模型(1)-(4)中，ρ1显著小于ρ2，且通过了1%显著性水平下的ρ1-ρ2差异检验。这表明，内聚型和蔓延型城市之间，空间联系是有差异的，而且很明显，蔓延型城市间空间联系要比内聚型城市间强。这意味着，2005-2013年，蔓延型城市数量多、联系强，内聚型城市则数量少、联系弱。从空间演化角度看，蔓延型主导了城市空间联系的演化，城市之间联系强，外力也更难以打破，在很长一段时间内可能成为常态。

(二)进一步分析及稳健性

为了获得更稳健的结论，考虑到上述夜间卫星灯光数据和样本选取可能存在的种种问题，本文从以下几个方面进行改进。

(1)由于美国国家地球物理数据中心在进行各年稳定光的数据处理时，将灯光数据的高低两端进行了截断，从而使灯光亮度保持在0-63之间，这会引起处理后的灯光数据对较暗灯光区域的亮度低估和较亮灯光区域的高估问题。此外，中央政策倾斜一定程度上也可能影响城市的规模，城市行政等级越高，这种倾斜就越明显。为此，考虑删除副省级以上城市样本和每个省灯光亮度最弱的城市(若一省内有多个城市满足以上关于城市规模变动类型的定义)。

(2)虽然对不同卫星的数据做了合并处理，但不同卫星之间难以比较的问题并未完全根除，考虑到所采集的灯光数据来自F16和F18两颗卫星，前者包含2004-2009年连续6年的观察数据，后者包含2010-2013年连续4年的观察数据，所以选择F16卫星2005-2009年连续5年的数据重新进行估计。

(3)灯光散射特点会引起所观测到的光斑范围略大于实际面积的外溢现象，且地平面起伏越大的城市，可能这种散射会受到更多抑制。为此将城市最高和最低海拔差(Heg)作为基本地理属性加入控制变量中。构建3个模型进行再估计，各个模型均为城市固定效应的估计结果，ρ1、ρ2分别为内聚型和蔓延型城市的空间联系系数。

表6 内聚型和蔓延型城市空间联系稳健性估计结果

(续上表)

(续上表)

注：由于本文只关心ρ1、ρ2的取值大小，同一颗卫星下，以及剔除副省级及以上城市且因变量为H和L的估计结果与模型(1)、(2)一致，年份固定效应、双向固定效应、随机效应与城市固定效应下的结果一致，故在此不作另行报告。

表6分别考察了内聚型和蔓延型两种城市光斑S、亮区H空间联系差异，同时分别从单颗卫星、剔除副省级及以上城市、增加城市地形起伏程度控制变量三个层面检验了结论的稳健性。结果显示，如果将表示城市规模的光斑换成是亮区H时，蔓延型城市的空间竞争与内聚型城市无显著差异。而当仅考虑单颗卫星F16的灯光数据、剔除副省级及以上城市时，估计结果与前文一致，结论稳健。这意味着，用灯光光斑度量城市规模中，内聚型、蔓延型城市的空间联系差异，并不是来自于城市内部亮区的变动，而是来自暗区的变化快慢。可能的原因是，两种类型城市的亮区发展异质性强，光斑H无法准确捕捉这种异质性。

五 结论与启示

由于中国粗放型的经济增长方式，以及天然的要素空间分布不均衡，在财政分权和政治激励体制下，有些城市规模超过“正常”范围，而有些城市规模可能在相对收缩。聚焦这一现象，学者们基于人口、土地总量衡量的城市规模分析认为，中国城市规模可能存在两极化倾向。作为已有文献的补充，本文认为城市规模是空间的“形”，而非简单的“量”，为解决传统城市规模衡量的“数量论”问题，尝试利用全球夜间灯光光斑来衡量城市规模，并将其分为亮区和暗区，识别出城市规模变动类型，以此为基础分析城市规模空间联系。主要得到如下结论：第一，用卫星灯光光斑衡量的城市规模与土地、人口总量存在显著正向关系，在研究城市规模变动的空间联系时，可以作为城市规模的替代变量；第二，根据光斑内部亮度差异，可将城市规模变动分为蔓延型和内聚型两种，相对于2004年，2013年的城市规模变动类型以对蔓延型为主(亮区增幅速度小于暗区)、内聚型(亮区扩张速度大于暗区增幅)为辅的态势，这与用其他指标衡量的城市规模变动大体吻合。第三，从城市规模变动的空间联系看，蔓延型城市比内聚型城市强，但单从“亮区”空间联系看，两类城市无显著区别，稳健性分析均支持以上结论。

本研究的启示是，用灯光光斑衡量城市规模虽然有缺点，但有一定的合理性，为城市规模研究提供了更多可能性，也有一定政策意义。在城市规模问题治理中，城市内部与外部协调的取舍问题应该引起重视。当前中央政府虽然已出台了限制城市规模扩张的政策，但仅只针对城市规模之间空间协调问题，还缺乏针对城市规模内外部的系统性约束机制，可以从以下几个方面持续完善：第一，从联邦主义理论看，中央应该继续加强对城市规模治理的行政干预，才有可能减弱已形成城市规模变动的空间依赖。第二，城市规模“蔓延”的粗放激励过强，而“内聚”的集约激励明显不足。治理时应该将抑制“蔓延”与经济发展方式转型并举；第三，城市外部空间与内部空间协调可能存在非此即彼的选择困境。或可从内部祛除过去城市规模竞争的形成土壤，在外部构建城市“软实力”竞争体系，持续推进城市规模从“增量竞争”向“存量竞争”转型。最后，需要说明的是，借助卫星灯光数据进行绝对城市规模变动的研究，不可能精确无误；但如果取其“变动”之意，就不妨碍用其研究城市规模空间联系问题，就如同灯光亮度不能用于衡量GDP但能用于衡量GDP增速一样。当然，它也不可能完全替代关于城市人口、土地总量分析的意义，而仅能作为传统意义上城市规模变动分析的一种补充，以最大限度地呈现中国城市规模空间特征。

[参考文献]

[1] 余吉祥, 周光霞, 段玉彬. 中国城市规模分布的演进趋势研究——基于全国人口普查数据[J]. 人口与经济, 2013, (2): 44-52.

[2] 魏后凯. 中国城镇化进程中两极化倾向与规模格局重构[J]. 中国工业经济, 2014, (3): 18-30.

[3] 赵亚莉, 刘友兆. 我国城市建成区扩张特征及其动因[J]. 城市问题, 2014, (6): 7-21, 62.

[4] 张学良, 刘玉博, 吕存超. 中国城市收缩的背景、 识别与特征分析[J]. 东南大学学报(哲学社会科学版), 2016, (4): 132-139, 148.

[5] Fallah, B. N., Partridge, M. D., Olfert, M. R.. Urban Sprawl and Productivity: Evidence from US Metropolitan Areas[J].PapersinRegionalScience, 2011, 90(3): 451-472.

[6] 龙瀛, 吴康, 王江浩. 中国收缩城市及其研究框架[J]. 现代城市研究, 2015, (9): 14-19.

[7] 毛其智, 龙瀛, 吴康. 中国人口密度时空演变与城镇化空间格局初探——从2000年到2010年[J]. 城市规划, 2015, (2): 38-43.

[8] Croft, T. A.. Burning Waste Gas in Oil Fields[J].Nature, 1973, 245(5425): 375-376.

[9] Doll, C. N. H., Muller, J. P., Morley, J. G.. Mapping Regional Economic Activity from Night-time Light Satellite Imagery[J].EcologicalEconomics, 2006, 57(1): 75-92.

[10] Henderson, J. V., Storeygard, A., Weil, D. N.. Measuring Economic Growth from Outer Space[J].AmericanEconomicReview, 2012, 102(2): 994-1028.

[11] Harari, M.. Cities in Bad Shape: Urban Geometry in India[EB/OL]. 2016, http: //real.wharton.upenn.edu/～harari/Harari_Papers/CityShapeHarariMarch2016_updated.pdf.

[12] Storeygard, A.. Farther on Down the Road: Transport Costs, Trade and Urban Growth in Sub-saharan Africa[J].TheReviewofEconomicStudies, 2016, 83(3): 1263-1295.

[13] Michalopoulos, S., Papaioannou, E.. Pre-colonial Ethnic Institutions and Contemporary African Development[J].EconometricaJournaloftheEconometricSociety, 2013, 81(1): 113-152.

[14] Hodler, R., Raschky, P. A.. Regional Favoritism[J].QuarterlyJournalofEconomics, 2014, 129(2): 995-1033.

[15] Henderson, V., Spuires, T., Storeygard, A., et al.. The Global Spatial Distribution of Economic Activity: Nature, History, and the Role of Trade[J].SercDiscussionPapers, 2016.

[16] Bleakley, H., Lin, J.. Portage and Path Dependence[J].QuarterlyJournalofEconomics, 2012, 127(2): 587.

[17] 刘修岩, 李松林, 秦蒙. 开发时滞、 市场不确定性与城市蔓延[J]. 经济研究, 2016, (8): 159-171, 186.

[18] 杨孟禹, 张可云. 中国城市扩张的空间竞争实证分析[J]. 经济理论与经济管理, 2016, (9): 100-112.

[19] 杨孟禹, 蔡之兵, 张可云. 中国城市规模的度量及其空间竞争的来源——基于全球夜间灯光数据的研究[J]. 财贸经济, 2017, 38(3): 38-51.

[20] Elvidge, D., Cinzano, P., Pettit, D., et al.. The Nightsat Mission Concept[J].InternationalJournalofRemoteSensing, 2007, 28(12): 2645-2670.

[21] Henderson, J. V.. The Sizes and Types of Cities[J].AmericanEconomicReview, 1974, 64(4): 640-656.

[22] Chen, X., Nordhaus, W.. Using Luminosity Data as a Proxy for Economic Statistics[J].ProceedingsoftheNationalAcademyofScienceoftheUnitedStatesofAmerica, 2011, 108(21): 8589-8594.

[23] 徐康宁, 陈丰龙, 刘修岩. 中国经济增长的真实性: 基于全球夜间灯光数据的检验[J]. 经济研究, 2015, 50(9): 17-29, 57.

[24] Breton, A..CompetitiveGovernments：AnEconomicTheoryofPoliticsandPublicFinance[M]. Cambridge: Cambridge University Press, 1998.

[25] Wilson, D.. A Theory of Interregional Tax Competition[J].JournalofUrbanEconomics, 1986, 19(3): 296-315.

[26] Tiebout, M.. A Pure Theory of Local Expenditures[J].JournalofPoliticalEconomy, 1956, 64(5): 416-424.

[27] Salmon, P.. Decentralisation as an Incentive Scheme[J].OxfordReviewofEconomicPolicy, 1987, 3(2): 24-43.

[28] 踪家峰, 李蕾, 郑敏闽. 中国地方政府间标尺竞争——基于空间计量经济学的分析[J]. 经济评论, 2009, (4): 5-12.

[29] 龙小宁, 朱艳丽, 蔡伟贤等. 基于空间计量模型的中国县级政府间税收竞争的实证分析[J]. 经济研究, 2014, 49(8): 41-53.

[30] Elhorst, P., Fréret, S.. Evidence of Political Yardstick Competition in France Using a Two-regime Spatial Durbin Model with Fixed Effects[J].JournalofRegionalScience, 2009, 49(5): 931-951.

[31] 张文彬, 张理芃, 张可云. 中国环境规制强度省际竞争形态及其演变——基于两区制空间Durbin固定效应模型的分析[J]. 管理世界, 2010, (12): 34-44.

[32] 范子英, 彭飞, 刘冲. 政治关联与经济增长——基于卫星灯光数据的研究[J]. 经济研究, 2016, 51(1): 114-126.

[33] 李婧, 谭清美, 白俊红. 中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J]. 管理世界, 2010, (7): 43-55, 65.