内外需求对中国城市化的影响研究——基于新经济地理学的视角

陈 宏，李 淼

（1.对外经济贸易大学 国际商学院，北京 100029；2.对外经济贸易大学 国际经济贸易学院，北京 100029）

一、引言

内需与外需是我国经济增长的双引擎。改革开放四十年以来，在内外需的共同作用下，我国经济长期保持快速发展，GDP年均增长率为9.7%。内外需对我国经济发展的贡献及作用机制各具特点：内需从规模上看是经济发展的主引擎，但消费需求不足，结构失衡问题表现突出；外需是中国发展模式有别于其他大国的一个显著标志，以出口导向为主要特征的比较优势发展模式支持了我国的持续高速增长，但在国际金融危机后的经济调整中受到了严峻挑战，在内外需对经济发展的作用机制上，也出现了由外需推动向内需拉动的转换趋势。外需推动在我东部形成的区域优势，正通过区域间的产业转移，以及内需提升奠定的良好市场基础，在向中西部传递。内外需通过对区域经济均衡发展发挥重要作用，并进一步对城市化产生了影响。我国城市化的发展突飞猛进。根据国家统计局数据，1978年我国城市化水平仅有17.92%，2017年末已提升至58.52%。在未来相当长的时间内，中国城市化发展水平仍将保持较高速发展。与此同时，我国城市化发展也呈现出内涵发展不全面、区域发展水平不均衡的特点。内外需求对中国城市化具有重要的研究意义，有助于厘清城市自身特点与外部特征对城市化发展发挥的作用，有利于制定针对性对策促进城市化发展。

那么，内外需对城市化的作用机制及影响程度如何？本文引入经济地理学中的市场潜力指标进行内外需测度，并利用我国285个地级市及国外187个经济体层面的面板数据，对城市化中外需与内需的影响程度及其作用机制进行了考察，不仅可拓展新经济地理学的应用范围，也有助于从一个新的视角来审视既有的内需外需测度研究及其适用性，对我国城市化升级提供实证依据，具有一定的创新性。

二、内外需求对城市化的影响机制

改革开放使中国结束了经济封闭状态，转型为开放经济，使得国外市场需求可以通过出口与外商投资等方式对中国经济发展发生作用。在这个时期，东部地区优越的地理条件和有利的政策条件引发了制造业的聚集，并逐渐形成以东部沿海为中心、其他地区为外围的中心-外围结构，促进了东部经济的快速发展与产业升级，可以说外需推动是改革开放后经济快速发展的重要动力。同时，经济的快速发展使东部地区基础设施改善、收入水平提高、形成一定的有效消费市场，中国的内需能力不断提高，对中国经济发展的贡献也随之提高[1]。从近十几年来看，由于受到中国加入世贸、金融危机、世界经济增长放缓、产业升级等外部冲击，外需对中国经济发展的贡献度呈波动变化，而内需的贡献呈稳步上升态势，出现了经济转型中经济增长动力从外需向内需的转换趋势，并通过经济重心①在区域间的转移表现出来。

经济发展与城市化为双向因果关系。经济发展对城市化的推动作用的路径主要为：依靠技术进步提高发展水平、促进经济结构演变、形成工业生产专业化等；城市化对经济社会发展的反作用是通过内部经济聚集、信息化、外部经济效益促进提升等实现的。国外学者的实证研究表明：城市化与经济发展之间关键的作用机制因子包括集聚水平、规模效应等。从我国情况来看，内外需作用的转换趋势，对城市化也产生了影响，直接表现在城市化重心“北上西进”的偏移轨迹，且与GDP重心偏移轨迹一致（图1、图2）。说明外需推动在我国东部形成的区域优势，正通过区域间的产业转移及内需提升奠定的良好的市场基础，在向中西部传递。这个过程也印证了内需不断扩大，通过对区域经济均衡发展发挥重要作用，并进一步对城市化产生了影响[2]。

图1 我国GDP重心

图2 我国城市化重心

为了更好地考察内外需转换趋势对城市化产生的时空影响，在对内需与外需的测度上，本文引入新经济地理学的“市场潜能效应”概念。在以往的研究中，内外需一般按GDP支出法核算恒等式进行因素分解来测度，其中消费和投资的总和代表内需，净出口代表外需。但净出口是相对值，对国际贸易规模总量测度不足，对外需的作用与意义衡量不全面，一般会使用开放领域的主要指标，如进出口总额、FDI、对外投资、进口关税等来进行衡量。新经济地理学中论述的“市场潜能效应”则具有测度区域层面内外需的良好性质。某地区的市场潜力，是本地区所有周边地区（包括自身）对本地区所生产的产品需求的加总，核心指的是地区生产厂商与市场的接近度；具体来说，就是某地区的市场潜力与其周边的市场购买力成正比，与本地到周边地区的距离（或贸易成本）成反比。在研究文献中，对市场潜力函数的度量有多种方法。Harris的“市场潜力函数”是将某地区及其周边的市场进行加权求和，权数用不同市场到本地区的距离表示，市场需求用本地GDP表示[3]。Krugman et al.在此基础上纳入了价格与规模经济，形成了“真实市场潜能”[4]。Redding et al.使用双边贸易流数据构建了MA和SA指标，优点是具备微观理论支持，并更精确[5]。

从以往的新经济地理视角的城市化研究成果来看，Henderson根据新经济地理学市场潜能函数构造了一个市场潜能变量来捕捉临近城市的规模和区位对美国城市发展的影响，结果发现，反映相邻城市特征（需求水平和供给条件）的市场潜能变量对于城市增长有显著促进作用[6]。Mata et al.融合城市经济学和新经济地理学研究成果，探讨了影响巴西城市发展需求和供给两个方面的因素，他们的结论是，提高城市的市场潜能、改善劳动力素质以及降低城市间交通成本都对城市发展有显著促进作用[7]。高永祥研究发现，市场潜力、外商直接投资、人力资本等因素均对城市化发展存在显著影响[8]。但以上研究只聚焦在市场潜能指标，并未分别就国内市场潜力与国外市场潜力指标进行讨论。本文试图使用上述两个指标，对城市化过程中外需与内需的影响程度及其作用机制进行考察。

三、研究模型与数据说明

（一）理论模型

本章借鉴Mata et al.推导的城市规模水平决定模型[7]，对城市化模型从城市发展的需求和供给方面进行构建。

1.需求方面。主要是当城市规模增长时，城市提供给劳动力的效用水平。效用函数表示如下：

其中，i地区收入Ii是效用的主要决定因素，由工资收入、租金和其他非劳动性收入构成。另外，在间接效用函数方程中，Qi表示其他因素，包括i地区的通勤成本、房租、税收、公共服务与设施等。

工资收入由工资率和工作投入决定，工资率用wi表示，由价值边际生产率关系决定；工作投入将在后面讨论。其中：

其中，ri为资本租金率；ei为劳动力素质或教育水平；MPi为市场潜力，反映劳动力对地区i所生产产品的需求及可接受的价格；Ni为地区i的城市规模，可用城市就业人口等衡量。新经济地理学中，如前所述，市场潜力MPi为：

其中，MPi表示地区i的市场潜力，Mj表示地区j市场的购买力或收入，dij表示地区i与地区j之间的距离。考虑到地区i内部的运输成本，可定义idi为城市间运输成本，是与首府之间的距离，作为本地区运输成本的衡量，一般使用城市间公路设施投资。

城市经济学理论中，对劳动力收入的主要影响因素中，除了工资率外，就是租金和通勤成本。通勤成本用时间成本衡量，一部分体现在工作时间和工作精力的损失，一部分体现在所支付的交通成本。故工资收入是由工资率和工作时间与精力构成的方程，后者将与通勤时间呈反向关系。房租则比较复杂，对于房产拥有者来说，更高的房租则意味着更高的非劳动收入。

对需求方面的估计方程，由工资率和工作时间/精力与房租收入的影响因素构成为城市规模的函数：

2.供给方面。主要考察的是当城市规模增长时所需的人口供给及城市为劳动力所提供的效用之间的关系。供给函数及其反函数分别表示如下：

其中，Zi表示周边地区或替代地区为本地区人口提供劳动，如附近的农业地区。使用周边农业地区收入重心测量周边农业地区收入，使用周边农业地区人口重心测量周边农业人口，则本地区城市人口供给与周边农业地区收入呈反向关系，与周边农业地区人口呈正向关系。

3.城市规模水平决定方程。将以上需求与供给方面的最后一个方程联立，解出Ni，则得到城市规模水平决定方程如下：

式（7）说明：在i地区，其城市就业人口是i地区市场潜力（MPi）、城市间公路设施投资（idi）、劳动力素质或教育水平（ei）、周边农业地区人口重心（Zi）的增函数。由此可得到以下推论：一个地区的市场潜力越大，城市间公路设施投资越大，劳动力素质或教育水平越高，周边农业地区人口重心越高，这个地区的城市化率越高。

（二）计量模型

为考察代表内外需的国内市场潜能与国外市场潜能对一个地区城市化率的影响，根据以上模型，并结合我国城市化率影响因素的实际情况及数据的可得性，估计模型为：

其中，为保证数据的平稳性及回归系数的弹性，采用对数模型。以上模型中，i表示各城市，t表示年份，αi为常数项，βi为回归系数值，εit为随机干扰项。其中，将非农人口数占年末总人口数比例（urbanization）作为被解释变量。

1.解释变量。国内市场潜力（DMP）、国外市场潜力（FMP）分别为主要解释变量，根据上文的分析，预期为正。本文采用Harris“市场潜力函数”法进行研究，具体指标计算如下：

其中，MPi表示地区i的市场潜力，Mj表示地区j的市场需求，dj表示地区i与地区j之间的距离。对于i=j的情况，即本地区市场潜力的测算，采用了Head et al.的假设，计算内部距离公式为：dit=，其中area是各地区内的土地面积；城市i与国家j的首都之间的距离是dij；以各城市的经纬度作为坐标，采用经纬度矩阵对以上距离进行计算[9]。

将市场潜力分解为国内市场潜力和国外市场潜力两部分[5]：

其中，DMPit是i城市在t年的国内市场潜力，由本城市自身市场潜力、本省其他城市市场潜力、省外其他城市市场潜力加总计算得出。式（11）中第一项表示本城市自身市场潜力。GDPit是i城市在t年的地区国内生产总值，dii是i城市自身距离。式（11）中第二项表示本城市面对的省内其他城市与省外城市的市场潜力的加总。其中，GDPjt为j城市在t年的地区国内生产总值，dij是城市i到城市j的距离。其中，δ与eσ作为距离折算系数及贸易壁垒水平的衡量，根据Hering et al.的研究成果：δ作为省份距离指数的估计值，取值为δ=1.582[10]。eσ作为贸易壁垒水平的衡量，根据不同市场间壁垒的估计值，对于省内其他城市，取σ=0，即视为省内不存在市场分割；对于省外城市，取σ=2.766。FMPit是i城市在t年的国外市场潜力。GDPkt为k地区在t年的国内生产总值，dik是i城市到k地区首都的距离。其中，δ取值为 δ=1.582，eσ对于国外其他地区，取 σ=3.681。

2.控制变量。根据之前对城市化的研究，本文加入了一些其他控制变量：

（1）本地市场规模（consume）：表示为消费GDP占比，用全社会消费品零售总额（万元）/地区生产总值（万元）代表。市场规模越大，越有利于吸引企业投资，提高就业，增加城市就业人口。预期净效应为正。

（2）固定资产投资（invest）：用全社会固定资产投资总额（万元）代表。固定资产投资的流向，对城市化影响很大。如流向就业人口密度高的产业和民生方向，则有利于创造就业，提升人们生活质量，对人口和劳动力的吸引力就越大；反之，则不利于人口和劳动力的流入。预期效应不确定。

（3）产业结构升级（industry3）：用第三产业GDP占比代表。定义为第三产业占GDP的比重。第三产业GDP占比代表产业结构升级水平，净效应预期符号不确定。如城市就业人口大部分集聚在制造业，第三产业就业人口有限。考虑到累计循环效应，制造业比重更大的地区对城市化率贡献更大，则净效应为负。

（4）人口密度（popuarea）：新经济地理学理论认为，城市增长也体现了规模报酬递增。但规模不经济可能随着城市规模的扩大而出现，主要是由于过度拥挤，将会限制城市增长速度，预期效应不确定。

（5）基础设施（trans）：根据数据的可得性，用货运总量（万吨）代表。交通基础设施良好的地区往往能吸引到较多的企业投资，创造更多城市就业，还可以提高城市生产率，降低通勤成本和改善生活质量，有利于人口和劳动力的流入，预期效应为正。

（6）人力资本（lib）：根据数据可得性，用公共图书馆总藏书量（千册、件）代表地区的人力资本。由于较高的人力资本提高了城市的工资水平，人力资本积累越高，越有利于吸引更多劳动力流入，预期效应为正。

3.变量的描述性统计见表1。

表1 变量的描述性统计

（三）数据说明

本文使用1994—2016年中国285个样本地级市数据，构成面板数据，主要来源于《中国城市统计年鉴》，国外187个经济体的GDP数据来源于世界银行世界发展指数（Worldwide Development Indicators，WDI）数据库，各国间的距离数据来源于CEPII引力模型数据库。

四、模型估计结果与检验

（一）模型估计结果

考虑到城市化与经济增长是双向因果关系及遗漏变量因素，在内生性问题的解决上，对时间的固定效应进行了控制。但鉴于主要解释变量为区域吸收力的测度指标，里面体现了区位优势，其中包括不随时间而变的个体效应。为避免对其影响估计不足，借鉴 Head et al.以及Hering et al.构建的“地理中心度”指标工具变量，分别对国内市场潜力与国外市场潜力构建工具变量。将各城市到国内6大城市群②的GDP经济重心③的最近距离的对数（lndistd6）作为国内市场潜力的工具变量，将各城市到国内52个主要港口④中最近港口的距离的对数（lndistf）作为国外市场潜力的工具变量。

通过考察工具变量满足的两个条件——工具变量与市场潜力相关以及工具变量与误差项不相关来讨论工具变量的可行性。使用1994—2016年的数据，分别将lndistd6与lndistf和国内市场潜力、国外市场潜力及其他外生变量进行回归，得到回归系数分别为-0.417、-0.058 3，且在1%的统计水平上显著，说明以上两个工具变量满足条件“工具变量与市场潜力相关”。详见表2。鉴于误差项不可观测，条件“工具变量与误差项不相关”则无法进行直接检验。但是以上两个工具变量均为地理变量，反映了一个城市的相对地理位置，外生性是非常显然的。综上，可以认为选择lndistd6与lndistf分别作为国内市场潜力和国外市场潜力的工具变量具有可行性。

考察全国各城市面对国外市场潜力和国内市场潜力对该城市城市化率的影响，表3给出了将lndistd6与lndistf作为工具变量进行估计的结果。列（1）、（2）为分别对国内市场潜力与国外市场潜力OLS的回归结果，列（3）、（4）为分别控制国内市场潜力与国外市场潜力工具变量的回归结果，列（5）为同时控制国内市场潜力与国外市场潜力工具变量的回归结果。

表3的结果显示：不考虑内生性情况下的估计结果（OLS）在系数符号与显著性上都与理论模型的预期基本相符。考虑国内外市场潜力的内生性问题，与使用lndistd6工具变量相比，使用lndistf的工具变量的估计结果（见第（4）列）所得到的系数更符合预期，国内外市场潜力影响符号为正，国外市场潜力影响系数大于国内潜力影响系数。而使用lndistd6作为国内市场潜力的工具变量进行估计，国内市场潜力的符号为负，与预期不符，这可能与工具变量的选择有关。由于选择与6大城市群经济重心的最近距离作为国内市场潜力的工具变量，可能会因为“阴影区锁定效应”影响国内市场潜力的估计结果。即当两个较大规模城市处于较近距离范围内时，若二者之间没有形成高度的生产分工，那么这两个城市之间将产生非常激烈的资源争夺[11]。受此影响，到经济重心的距离对城市规模的影响存在不确定性。故使用lndistf作为工具变量所得到的估计结果更为稳健。解释变量基本与预期相符，对于全国各城市的城市化率，国内市场潜力与国外市场潜力显著为正。结果显示，国外市场潜力的影响大于国内市场潜力的影响，说明从1994—2008年整体周期来看，外需对城市化的推动影响更大。控制变量的影响系数，均在1%的水平上显著，且符号与预期相符，说明一个城市的城市化率会受到本地市场规模、固定资产投资、产业结构升级、人口密度、基础设施、人力资本的影响。其中：（1）消费GDP占比影响系数符号为正，说明本地市场规模与城市化率正相关。（2）社会固定资产投资影响系数符号为负，可能由于社会固定资产投资在就业人口密度高的产业和民生方向流入不足，未能充分创造就业，提升人们生活质量，对人口和劳动力的吸引力不足。（3）第三产业GDP占比的影响系数符号为负，说明过去20年城市就业人口大部分集聚在制造业，第三产业就业人口有限。考虑到累计循环效应，制造业比重更大的地区对城市化率贡献更大。（4）人口密度符号为负，说明随着城市规模的扩大，规模不经济可能出现，主要是由于过度拥挤，可能出现了限制城市增长速度的情况。（5）货运总量符号为正，说明基础设施带来的集聚经济对城市化率影响为正。（6）公共图书馆总藏书量符号为正，说明人力资本与城市化率正相关。

表2 其他外生变量与工具变量的回归结果

表3 全国各城市国内外市场潜力对城市化的影响

（二）稳健性检验

在上述回归的基础上，进一步进行稳健性检验。首先处理原始数据的极端值。其次，为更好地考察内外需时空转换对产业升级的影响，分别按时间段、地区进行分组回归。

1.处理极端值。我们在99%的水平，对原始数据进行了winsor极值处理，去除相关极端值后，所得到的结果与上述结果基本一致，说明上述回归结论不受极端值的重大影响，详见表4。

2.分组回归。（1）按时间段分组：依据我国国内生产总值增速趋势的“谷—谷”分布，按入世前后为分割点划分为1994—1999年、2000—2008年两个时间段进行回归，回归结果见表5。

表4 去极端值回归结果

表5 按时间段分组回归结果

从表5看出，时间段分组的回归结果与表3回归结果基本一致，但变量估计系数在不同时间段之间存在一定的差异，说明了时间演变所呈现出的不同特点：国内市场潜力影响系数均为正，且从0.193增长到0.239，增长了23%；国外市场潜力从负增长到正，从-0.319增长到0.683，增长3倍以上。可见，分时间段来看：1994—1999年，城市化以内需拉动为主；2001—2008年，城市化以外需推动为主，而这个阶段也正是我国城市化突飞猛进的时段。所以从1994—2008年整体周期来看，城市化主要以外需推动为主。产业结构升级、基础设施、人力资本，对城市化的影响均变得更加显著且系数在增大[12]。

（2）按地区分组：主要依据《中国城市统计年鉴》的划分方法，对我国三大地区⑤的子样本单独进行估计，以考察各个地区各城市中国外市场潜力和国内市场潜力对该城市的城市化率的影响，表6给出了估计结果。

从表6看出，地区分组的回归结果与表3的回归结果基本一致，但变量估计系数在不同地区之间存在一定的差异，说明了地区差异所呈现出的不同特点。

表6 按三大区域分组回归结果

从解释变量来看，各地区各城市国内市场潜力都对城市化率具有正的显著影响；国外市场潜力方面，东部地区为正，中西部地区为负。东部地区的国外市场潜力的影响系数大于国内市场潜力的影响系数，而中西部地区刚好相反。可见，1994—2008年，东部地区城市化率更多为外需拉动。中西部地区的城市化率更多为内需拉动。以上结果从一个侧面反映出外需对三大地区城市化率的不均衡影响：东部凭借优越的地理条件和有利的政策条件，在利用外需中占据了先发优势，形成了产业集聚，提升了就业，推动了城市化发展进程，进一步促进了经济的快速发展，使东部地区收入水平提高、基础设施改善、形成一定的有效消费市场，使内需能力不断提高，并进一步提升城市化率。而在此过程中，从外需产生作用的角度来看，东部地区的产业集聚及工资的上涨吸引中西部的劳动力流入，对中西部的城市化率产生了负的净效应。从内需产生作用的角度看，中部地区得益于中部崛起发展战略的实施，西部地区得益于西部大开发的政策，本区域的产业结构逐步优化，第二、三产业占比提高，促进了非农人口数量的增加，推动了城市化率的提高[13]。

从控制变量来看，三大地区呈现以下特点：（1）东部地区各控制变量的符号基本与预期相符。其中，基础设施不显著，可能是东部地区的先发优势促进了经济发展，基础设施发展较快，与中西部相比，此变量对城市化的影响不显著。东部其他的变量系数绝对值均高于中西部，说明1994—2008年，东部地区的本地市场规模、制造业的快速发展及人力资本的增长，对城市化率的贡献均超过中西部。东部的人口密度影响系数是正值，说明与东部经济高速发展相比，人口的聚集尚未超过拥挤的临界点，对城市人口流入有很强的吸引力。（2）中部地区各控制变量中，固定资产投资、第三产业占比、基础设施、劳动力成本不显著。市场容量与人口密度显著，符号与预期相符，本地市场规模符号为正，人口密度符号为负，均低于西部。对此的可能解释是，虽然中部地区经济发展比西部快，但消费占比相对低，当地市场容量有限，对城市化率促进不足。（3）西部地区各控制变量中，固定资产投资和人力资本不显著。本地市场规模显著为正且高于中部地区，基础设施显著为正，说明本地市场规模与基础设施对于西部地区的城市化率的提升起到了正向影响，西部大开发等对西部的政策倾斜促进了西部地区的城市化发展。人口密度与第三产业对城市化率的影响显著为负。可能是由于第三产业发展不足，城市就业人口多聚集于第二产业，不能对城市化起到正向效应。

五、结论及政策启示

本文建立了城市化规模决定方程，运用我国285个地级及以上城市及国外187个经济体的经济数据和相关的地理数据，应用面板计量模型，估计了内外需对城市化率的影响，并分别对全国及三大地区的样本进行了估计。研究结果表明：用以测度内外需的国内市场潜力与国外市场潜力对城市化率有显著正向影响，全国样本估计结果为外需影响大于内需，内需对三大地区的城市化率影响显著为正，受区域发展不平衡影响，外需对东部地区影响显著为正，且远超全国水平，外需对中西部地区城市化率影响为负。

鉴于城市增长不仅受到包括市场潜力等外部条件的影响，还受到包括固定资产投资、产业结构、人口密度、基础设施、人力资本等内部特征的影响，以及区域发展不平衡的影响。地方政府应尽力消除市场分割，密切与周边区域的联系，提高本地市场潜力，推进省际间交流，发挥城市化的正向溢出效应。加强地区间的合作与信息交流，打破区域间的行政和贸易壁垒，促进资源和要素的充分流动，充分发挥城市化的溢出效应，联动各地区城市化发展。还要加强自身基础设施和人力资本投资的改善，要合理调整疏导流动人口，合理打造良好的就业环境，并促成社会集聚，形成高质量的城市生活和社会福利。优化产业结构与投资流向，在稳固制造业的主体地位作用的同时，促进服务业和制造业的协调发展，以实现均衡稳定增长。同时，各地区应因地制宜，深化产业集聚水平。东部地区在推进产业集聚的同时，更应依托本地区的产业基础优势，优化产业链，实施产业结构升级和产业转移政策，加强产业对城市化的带动作用，走地方特色新型城镇化道路[14]。中西部地区，则应抓住“一带一路”的历史机遇，充分发挥外需对城市化的推动作用，做好与发达地区转移产业的有效对接，选择适合本地区的支柱产业，加强产业集聚和城市化规划的协调性，建立产业集聚与城市化良性互动发展机制。

注释：

①经济重心指的是在区域经济空间中，各个方向上的经济力量能够保持均衡的一点，用区域重心坐标表示。经济重心计算公式为其中i表示该区域的第i个次一级区域，J、W分别表示该区域某种属性的区域重心的经度值与纬度值；Ji、Wi分别表示第i个次一级区域重心的经度值和纬度值；Mi表示第i个次一级区域某种属性的值。

②根据《中国城市群发展报告2014》划分为：京津冀城市群、长三角城市群、珠三角城市群、成渝经济区、中原经济区、山东半岛6个城市群。

④52个主要海港包括：南沙港、赤湾港、广州港、黄浦港、连云港、宁波港、青岛港、上海港、蛇口港、天津港、新港、盐田港、大陈湾码头、宝山港、鲅鱼圈港、北海港、北仑港、崇明港、东渡港、东山港、福清港、海口港、海门港、花都港、黄岛港、黄骅港、惠州港、锦州港、岚山港、马鞍山港、南汇港、南通港、钦州港、日照港、三亚港、汕头港、霞海港、厦门港、秀屿港、洋浦港、扬州港、烟台港、营口港、沅江港、岳阳港、张家港、漳州港、湛江港、乍浦港、舟山港、珠海港、西堤港。

⑤对三大地区的划分依据《中国城市统计年鉴》的划分方法：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12个省市区；中部地区包括山西、内蒙、吉林、黑龙江、江西、安徽、河南、湖北、湖南9个省市区；西部地区包括重庆、四川、贵州、云南、陕西、宁夏、青海、甘肃、新疆9个省市区。