多中心空间发展模式是否有助于缩小城乡收入差距?

程 刚 赵长娟

(安徽师范大学,安徽 芜湖 241000)

一、引言与相关文献回顾

尽管近年来我国城乡家庭年收入基尼系数呈相对明显的下降趋势,但较大的收入差距仍值得高度重视。中共十九大报告指出,我国目前城乡区域发展和收入分配差距依然较大,脱贫攻坚任务艰巨。中共十九届四中全会也强调,要坚持和完善统筹城乡的民生保障制度,满足人民日益增长的美好生活需要。因此,如何缩小城乡收入差距一直是学界关注的重要话题。与此同时,随着我国城镇化水平的持续提高以及大型城市数量的逐步增加,越来越多的地区呈现出多中心空间发展格局(孙斌栋 等,2017)。从现有文献来看,虽然已有部分研究探讨了空间集聚和城镇化对城乡收入差距的影响(陈斌开 等,2013;薛宝贵 等,2015;李健旋 等,2018),但是鲜有结合《全国国土规划纲要(2016—2030年)》提出的构建“多中心网络型”开发格局这一发展战略,从多中心视角考察区域空间结构对城乡收入差距的影响,这为本文研究提供了契机。

区域空间结构的多中心演进是我国新型城镇化发展过程中的重要选择。尽管城市规模的扩张和经济活动的增加能够通过技术溢出、规模经济等集聚经济效应推动经济增长(Scott et al.,2015),但是当城市集聚程度持续提升并超过一定限度后,市场拥挤、公共设施承载力不足等集聚不经济现象也将逐步显现(Arnott,2007)。基于此,部分研究指出可以通过加快次级中心城市建设、塑造区域多中心空间结构来实现空间效率的优化和区域协调发展(Fujita et al.,2003;孙斌栋 等,2017)。相比于传统的保护本地市场的城市竞争思维,多中心空间发展模式有助于通过塑造合理的城市层级体系和推动城市开展产业分工实现资源配置效率的提升(Burger et al.,2015;Meijers et al.,2016)。张学良等(2107)基于长三角城市群数据的研究发现,由若干大城市组成的多中心城市网络能够推动政府合作和经济互动,实现经济效率的快速提升。特别是目前我国多数省份的资源过于集中于省会城市,因此,经济资源适度分散化分布形成的多中心空间结构更有助于资源配置效率的改善(丁从明 等,2015;陈旭 等,2020)。除了经济互动,规模借用也是塑造多中心空间结构的重要动力。相比于单中心发展模式,由若干大城市组成的多中心城市网络更有助于中小城市通过规模借用实现自身经济效率的提升。Phelps et al.(2001)基于英国企业数据研究发现,大城市周边的乡镇地区不仅能够有效借助大城市的集聚经济实现自身生产效率的提升,还避免了城市规模扩张过程中带来的市场拥挤。刘修岩等(2017b)进一步指出,在城市层面,单中心结构更有助于城市集聚经济和规模经济的发挥,而在省域层面,多中心发展模式能够更大程度地发挥大城市对中小城市的辐射带动作用,进而实现经济效率的提升。

区域多中心空间结构在本质上反映了资源要素在超越城市个体的更大地理范围内的分散式分布和多中心式集聚。关于集聚与城乡收入差距的关系已得到部分学者的探讨。一种观点认为,空间集聚扩大了城乡收入差距。比如,薛宝贵等(2015)发现资源要素的集聚在推动城镇居民资产增值的同时,并未显著提高农村居民的资产价值,进而引致城乡收入差距的扩大。另一种观点则认为,空间集聚提高了农村地区生产要素的边际回报,进而有助于缩小城乡收入差距(张改素 等,2017;陈旭,2019)。还有一种观点认为,空间集聚与城乡收入差距之间存在倒U形关系(张秀娟,2015)。此外,多中心结构也是我国城市化过程中出现的空间特征之一,城市化对城乡收入差距的影响也得到了一定程度的探讨。比如,万广华(2013)以及陈斌开等(2013)均证实城市化进程具有改善我国城乡收入分配不平等的作用。

不难发现,目前关于集聚或城市化对城乡收入差距的影响研究均是将区域作为一个整体看待,而区域内部空间形态对城乡收入差距的影响尚未得到直接探讨。在已有相关研究的基础上,本文主要在以下三个方面进行了拓展:一是研究视角上,本文从多中心视角出发探讨我国各省份的内部空间形态对城乡收入差距的影响。二是研究理论上,本文不仅从劳动力市场一体化与劳动力流动视角揭示了多中心空间结构影响城乡收入差距的具体机制,还考察了基础设施和城市距离在多中心空间结构影响城乡收入差距过程中发挥的调节效应。三是研究方法上,为了克服计量模型中存在的内生性,本文将具有强外生性的地理变量和时变变量相结合构建多中心空间结构的工具变量,并运用中介效应模型检验了多中心空间结构与城乡收入差距的联系机制。

二、理论分析和研究假说

本文认为,多中心空间发展模式主要通过促进市场一体化和改善交通基础设施两条途径影响城乡收入差距。

首先,多中心空间结构能够通过促进市场一体化缩小城乡收入差距。我国长期以来存在的市场分割严重阻碍了劳动力等生产要素的跨区域流动,这是导致城乡收入不平等的关键因素之一。因此,加快市场一体化进程是缩小我国城乡收入差距的有效途径之一(孙婧芳,2017)。一方面,相比于城镇居民,农村居民在教育程度、劳动技能等方面相对欠缺,因此在分割的劳动力市场和商品市场中,缺乏竞争力的农村居民在岗位选择、行业进入以及产品质量等方面长期处于被动地位,难以寻求较高且稳定的要素回报,导致城乡收入差距高居不下(于潇 等,2017)。另一方面,市场分割引致的农村居民和城市居民之间“同工不同酬”等隐性歧视也是加剧我国城乡收入差距的重要推手(钟若愚 等,2019)。不仅如此,受制于市场分割,劳动力的跨地区迁移往往表现为暂时性的流动,由市场化引导的劳动力永久性迁移规模仍明显不足,城乡收入不平等现象由此也难以发生根本性的扭转(张义博 等,2012)。而在区域空间结构的多中心化过程中,次级中心城市的形成缩短了不同层级城市之间的发展差距,有助于城市之间开展产业承接与转移,市场一体化程度也随之逐步提升(吴常艳 等,2017)。洪银兴等(2012)基于长三角城市群的研究所指出,多中心空间结构是进一步加强区域一体化的有效思路。因此,我们可以初步判断,劳动力市场一体化是多中心空间结构缩小城乡收入差距的有效途径之一。

其次,多中心空间结构能够通过改善交通基础设施缩小城乡收入差距。交通基础设施的完善能够有效促进农村劳动力向城市转移并带来农业部门边际产出的提升,进而表现为农村居民收入的提升和城乡收入差距的缩小(刘晓光 等,2015)。特别是近年来随着以高铁为代表的高速交通运输设施的发展,城乡要素流动效率的提升进一步缩小了城乡收入差距(余泳泽 等,2019)。在一城独大的单中心空间结构中,尽管中心大城市具有更高水平的工资和更多的就业机会,但过高的房价、高昂的教育成本以及有限的资源等成为农村劳动力迁移至大城市的主要障碍(梁文泉,2018),整体农村居民收入由此难以得到有效提升。相比于“一城独大”式的单中心结构,具有多个节点城市的地区具有更为成熟的交通基础设施网络,以支撑多个大城市之间各类要素的流动。这不仅提高了农村劳动力的边际产出,也加快了资本和信息在城乡之间的交换和流动,进而实现城乡之间的均衡发展(刘秉镰 等,2016;陈丰龙 等,2018)。不仅如此,在由若干较大城市组成的多中心空间结构中,中心城市逐步成为现代服务业和高技能劳动力的主要聚集地,传统的工业制造业向次级中心城市以及中小城市转移(Qi et al.,2015),这将提高中小城市工业部门对低技能劳动力的需求。加之大城市中高技能行业往往需要一定比例的低技能劳动力与之相匹配,这将增加城市对农村劳动力的需求(梁文泉 等,2015),从而也对城市之间、城乡之间的交通基础设施提出了更高的要求。因此,区域内的交通基础设施无疑会随着多中心城市网络的形成而完善,进而加快农村劳动力与城市中较高收入岗位之间的匹配并实现城乡收入差距的缩小。由此可以认为,交通基础设施改善是多中心空间发展模式促进我国城乡收入差距缩小的另一重要路径。

然而,多中心空间结构本质上是要素在区域内的分散式分布,在城市首位度不够以及集聚经济尚未充分发挥的情况下,过高水平的多中心空间结构可能引致城市规模分布过于扁平化,进而表现为中心城市集聚正外部性的削弱和城乡收入差距的扩张(程开明,2011)。具体而言,一方面,多中心空间发展模式能够实现区域整体协调均衡发展的关键在于中心城市具有足够的区域统筹和辐射能力(洪银兴 等,2012)。目前区域中心城市仍然是农村劳动力的主要流入地,区域内过高的多中心空间结构无疑削弱了中心城市的首位度和主导地位,不仅导致中心城市吸收来自农村地区的生产要素较为有限,也难以发挥中心城市的正向溢出效应。另一方面,多中心空间结构的形成必然伴随着各大城市的规模扩张。受“限制大城市、实现区域均衡发展”这一思想的影响,不同层级的城市往往会忽视本地比较优势和产业结构特征,盲目加快打造新城区和产业园区,以期实现对区域中心城市的接近甚至赶超。如此一来,尽管不同城市之间规模的接近使得区域空间结构呈现多中心特征,但城市之间的产业趋同削弱了城市之间的专业化分工,导致城市之间的竞争高于合作潜力,劳动边际产出受到损害(韩立彬 等,2017),且在以邻为壑的发展思维下,城际间的交通基础设施合作共建容易受到抑制,城乡收入差距由此难以缩小(刘秉镰 等,2016)。因此,过高的多中心水平有可能加剧我国的城乡收入差距。

基于以上分析,本文提出:

假说1:城乡收入差距随区域空间结构多中心水平的提升呈先缩小后扩张的U形变化趋势。

假说2:多中心空间发展模式可通过市场一体化和交通基础设施改善两条途径影响城乡收入差距。

三、研究设计

(一)模型设定

根据前文理论分析,本文的计量模型设定如下:

(1)

其中:被解释变量gap表示城乡收入差距,核心解释变量poly表示多中心指数。考虑到多中心空间结构的演化往往伴随着集聚正负外部性的动态变化,为了考察多中心空间结构对城乡收入差距的非线性影响,本文在计量模型中同时纳入了多中心指数的平方项(poly2)。此外,模型(1)中还添加了若干可能对城乡收入差距产生重要影响的控制变量。具体包括(1)国有企业就业比重(job),以职工总数中国有企业职工人数占比来表示。经济的非国有化能够改变乡镇企业和城镇地区非国有部门的工资水平,进而导致城乡收入差距发生变化(陈斌开 等,2013)。(2)对外开放水平(open),以进出口总额/GDP(贸易依存度)来衡量。在过去较长一段时期内,加工贸易以及劳动密集型产品一直是我国参与国际贸易的主要依托,农村劳动力由此获得了大量就业机会,从而显著缩小了城乡收入差距(孙华臣 等,2017)。(3)城镇化率(urban),使用城镇常住人口占总人口比重来衡量。农村居民向城镇转移有助于劳动边际报酬均等化,进而促使城乡收入差距缩小(范建双 等,2018)。(4)人均GDP的自然对数(pgdp)及其平方项(pgdp2)。靳涛等(2016)研究发现,城乡收入差距随地区经济发展呈倒U形变化趋势。此外,本文还控制了年份固定效应和省份固定效应(ξyear,province)。

(二)样本选择与数据来源

本文数据来自《Landscan全球人口动态数据库》《中国区域统计年鉴》《中国统计年鉴》。考虑到北京、上海、天津和重庆是直辖市,西藏、新疆、海南和青海地级城市数量过少,无法满足本文相关指标测算的需要。同时,目前《Landscan全球人口动态数据库》可获取的年份为2000—2017年。最终,本文研究样本为2000—2017年我国23个省份的平衡面板数据。

(三)核心变量说明

1.被解释变量:城乡收入差距(Theil、IncomeR)

本文采用泰尔指数来测算各省份的城乡收入差距,具体表示为:

(2)

其中:Theilt表示各省份在t时期的泰尔指数,I1,t和I2,t分别表示城市居民和农村居民的总收入,It表示各省份在t时期的总收入。相应地,P1,t和P2,t分别表示城市和农村的人口数量,Pt表示各省份在t时期的总人口。为确保研究结论的可靠性,本文同时也将城镇居民收入与农村居民收入之比(IncomeR)作为替代性指标进行了回归。表1列示了2000—2007年间我国泰尔指数和城乡收入比情况。

从中可知,近年来不论是全样本层面还是分样本层面(东、中、西部地区),城乡收入差距在2007年之前均呈明显上升趋势,而在2007年之后,我国各地区在缩小城乡收入差距方面取得了较为明显的成效。横向对比来看,东部地区城乡收入差距相对较小,中部地区次之,西部地区最大。

2.核心解释变量:多中心指数(poly)

本文使用城市位序-规模法则来测算各省份的多中心空间结构,具体过程如下:

y=Ax-α

(3)

其中:x表示城市人口规模,人口规模越大,意味着该城市发展水平越高;y表示同一区域中不同城市在人口规模方面的排名;α则是衡量该区域空间形态的关键指标,α越大,表明该区域空间结构越为分散,呈多中心特征。在实证过程中,对式(3)取对数,并将衡量城市规模的指标代入式(4)(Black et al.,2003;Soo,2005)。

ln Rit=C-qln Populationit

(4)

其中:R表示t时期地级城市i在省份内的人口规模排名,Population表示城市的市区人口规模。q值越大,表明省份内城市之间的发展差距相对越小,人口分布越均衡和分散,省内呈多中心空间发展格局;q值越小,代表省内呈单中心空间发展格局。考虑到不同省份内地级城市数量存在较大差异,本文借鉴Meijers et al.(2010)的做法,分别对每个省份人口排名前两位至前四位的城市进行回归,并对估计得到的q值取平均数,以此来衡量多中心空间结构水平。表2报告了2000年、2006年、2012年、2017年样本省份的多中心指数。

表2 不同年份样本省份的多中心指数

需要指出的是,城市人口规模来自Landscan全球人口动态分布数据库而非统计年鉴。这是因为:一方面,统计年鉴中的市区人口为户籍人口数,在当前我国存在大量流动人口的情况下,户籍人口数和常住人口数之间往往存在一定差距;另一方面,统计年鉴中的市区是基于行政区划来界定的,但在过去我国房地产业高速扩张时期,部分隶属于市区的外围区域在经济层面仍处于农业活动状态,特别是对于城镇化程度较低的城市,运用行政市区人口来衡量城市规模会明显高估其真实规模和发展水平。相比之下,Landscan全球人口动态统计分析数据库由美国能源部橡树岭国家实验室开发,其利用人口普查数据构建了精确至约1平方公里的栅格数据,借此我们能够不受行政区划的限制来精确提取和统计更加符合实际的市区人口。

为了克服行政边界和户籍人口引致的真实市区人口误差,本文以Landscan数据库中的栅格作为地理单元,并借鉴毛其智等(2015)的做法,将人口数量高于1000的栅格定义为真实市区,进而统计出各城市的真实市区人口数量,将其代入式(4)进行回归估计,可得我国各省份的多中心指数。

3.中介变量:市场一体化(integ)和交通基础设施(infra)

对于市场一体化,本文参考Parsley et al.(2001)的做法,借鉴价格指数思想计算出各省份的市场分割水平,而后对其取倒数并开根号获得市场一体化水平。(1)篇幅所限,具体测算过程未在文中展示,留存备索。对于交通基础设施,本文使用(铁路营运里程+公路营运里程)/面积来衡量。

图1和图2分别展示了多中心指数与泰尔指数、城乡收入比的散点分布和拟合曲线。从中可以初步判断,多中心空间发展模式与城乡收入差距之间可能存在正U形关系。

图1 多中心指数与泰尔指数散点图

图2 多中心指数与城乡收入比散点图

四、实证结果与分析

(一)全样本分析

表3报告了多中心空间结构对城乡收入差距影响的全样本估计结果。其中,列(1)、(2)的被解释变量为泰尔指数,列(3)、(4)的被解释变量为城乡收入比。列(1)、(2)的回归结果显示,不论是否加入控制变量,poly的估计系数均显著为负,而poly2的估计系数则显著为正。由列(3)、(4)的回归结果可知,在将泰尔指数替换为城乡收入比后,多中心指数及其二次项的估计系数的显著性和方向均未发生变化,依然与列(1)、(2)一致。以上结果表明多中心空间发展模式对城乡收入差距的影响呈显著的先缩小后扩张的U形特征,假说1得到了验证。

表3 全样本OLS估计结果

为了避免多中心空间结构与城乡收入差距之间反向因果关系导致的内生性,本文进一步采用工具变量法进行验证。关于工具变量,本文遵循“具有强外生性,且与多中心空间结构相关、与城乡收入差距无关”这一原则进行构建。具体而言,Burchfield et al.(2006)发现,城市的扩张与地表起伏程度之间存在密切联系。此外,城市规模在一定程度上还依赖于当地的水文条件,刘沁萍等(2012)以及Bosker et al.(2017)分别基于中国和欧洲数据揭示了城市人口规模与水资源丰裕程度之间的紧密联系。因此,选择地理变量作为本文多中心空间结构的工具变量具有较为扎实的现实依据。然而,由于本文研究样本是面板数据,而地理变量在较长时期内是固定值,这便要求寻求一个合适的外生时变变量与地理变量相结合,使得工具变量同样成为面板数据。为此,本文选取人民币年度实际汇率作为外生时变变量。原因在于,人民币贬值能够显著促进地区出口贸易(Tang et al.,2012),对于大城市而言,出口贸易的扩张有助于其发挥集聚经济优势和向心力,引致区域内大量资源向大城市汇聚,使得区域空间形态趋向于单中心结构(李威 等,2017)。基于上述分析,本文将河流密度、地表粗糙度和地表坡度分别与人民币汇率的倒数相乘,作为多中心指数的工具变量。工具变量估计结果见表4。

表4 全样本IV估计结果

首先,Hausman检验结果显示模型中存在内生变量,工具变量估计比OLS估计更为合适。其次,Kleibergen-Paap rk LM的估计结果拒绝了工具变量识别不足这一原假设,Kleibergen-Paap rk Wald F的估计结果表明不存在弱工具变量问题;同时,冗余检验结果拒绝了“工具变量是冗余的”这一假设,表明本文设定的工具变量是合适的,相较于OLS估计结果,工具变量估计结果更严谨和可靠。表4列(1)～(4)的回归结果显示,多中心指数的估计系数均显著为负,其二次项的估计系数均显著为正,表明多中心空间发展模式对城乡收入差距的影响呈显著的U形特征。可见,假说1再次得到验证。

为了进一步检验工具变量是否满足“与多中心空间结构相关、与城乡收入差距无关”这一要求,本文分别将多中心指数与泰尔指数作为被解释变量,将三个工具变量作为解释变量进行回归估计,结果如表5所示。

表5 工具变量检验

由列(1)～(3)可见,河流密度/汇率、地表粗糙度/汇率以及地表坡度/汇率的估计系数分别为-0.620、-0.028以及-0.005,且均通过了显著性检验,表明三个工具变量与多中心空间结构之间均存在紧密联系。相较之下,在列(4)～(6)中,工具变量的估计系数均不显著,说明城乡收入差距与工具变量之间并不存在明显联系。此结果再次证实了本文工具变量的有效性。(2)2SLS第一阶段估计结果同样显示,三个工具变量对多中心指数及其二次项均产生了显著影响,篇幅所限,不再详细展示,留存备索。

既然多中心空间发展模式对城乡收入差距的影响呈U形特征,那么我国目前是否存在因多中心水平过高所致的城乡收入差距扩大的地区呢?为解答这一问题,本文借鉴王垚等(2017)的方法,根据工具变量估计结果计算出多中心指数的拐点,并找出样本期内多中心指数超过拐点的地区。由表6可以发现,山东的多中心水平一直处于过高状态,且近年来河南和江苏的多中心水平也呈偏高的趋势;宁夏和湖南在早期多中心水平偏高,但近年来其多中心水平已处于适度范围内。上述结果表明,尽管我国多数地区处于城乡收入差距随多中心空间结构发展而逐步缩小的阶段,但少数地区已出现多中心水平过高的现象。这意味着各地区在追求均衡发展的同时,需保持城市规模的适度差距。

表6 超过拐点的地区

(二)分地区检验

考虑到我国不同地区的城乡收入差距以及城镇化发展阶段存在较大差异,本文进一步检验了多中心空间发展模式对城乡收入差距影响的地区异质性问题。首先将样本按东、中、西部划分为三个子样本,然后分别开展分组回归,估计结果列于表7。由列(1)～(3)可见,在泰尔指数为被解释变量的估计结果中,poly的估计系数分别为-0.802、-1.308和-0.549,poly2的估计系数则分别为0.341、0.438和0.177,且均通过了显著性检验。列(4)～(6)的回归结果显示,当被解释变量为城乡收入比时,得到了类似的结果。这意味着多中心空间发展模式对城乡收入差距的U形影响并不会因区位不同而存在差异,假说1再次得到验证。

表7 分地区检验结果

为确保研究结论的可靠性,本文进行了以下稳健性检验:一是使用夜间灯光数据作为城市人口规模的替代指标重新测算各省份的多中心指数。夜间灯光数据同样是栅格数据,相比于纯粹的人口分布数据,夜间灯光亮度能够同时体现城市规模和经济发展水平两个方面的信息,不失为衡量地区空间形态的有效指标(刘修岩 等,2017a)。夜间灯光数据是由美国发射的气象卫星采集的遥感数据,受天气、节日活动等影响,不同卫星对同一地区抓取的灯光影像并不完全一致,此外,部分城市发生的行政区划调整也会增加测算难度。为了克服这一问题,借鉴刘修岩等(2017a)的做法,本文以2011年的行政区划为标准,运用不变目标区域法对我国各城市的夜间灯光亮度进行校正。(3)目前夜间灯光数据仅更新至2013年,如此一来,一是数据时效性略显不足,二是样本量相对较少。为此,本文主要运用Landscan人口动态数据库测算多中心空间结构。基于校正之后的灯光数据计算的多中心指数源于刘修岩等(2017a)。在此基础上,将灯光数据代入式(4)重新计算多中心指数(poly1),相应的回归结果如表8所示。不难发现,在列(1)～(4)中,poly1和poly12估计系数的显著性和方向均与表7一致。可见,本文研究结论是稳健的。二是参考毛其智等(2015)的做法,改变市区人口度量标准,将人口数量高于2000的栅格定义为真实市区,重新测算各省份的多中心指数(Poly2),结果见列(5)～(8),不难发现,poly2和poly22估计系数的显著性和方向与上文一致,并未发生根本性变化。这说明多中心空间结构对城乡收入差距的U形影响再次得到了证实。(4)本文同时基于GDP测算了多中心指数,回归结果体现出强烈的稳健性,限于篇幅,相关结果未在正文中展示,备索。

表8 稳健性检验结果

(三)作用机制检验

在理论分析部分,本文指出多中心空间发展模式主要通过市场一体化和交通基础设施两条途径影响城乡收入差距。为验证这一理论逻辑,本部分运用中介效应模型进行考察。中介效应检验思路如下:

M=aX+e1

(5)

Y=c’X+bM+e2

(6)

Y=cX+e3

(7)

首先,检验式(5)、(6)中的系数a和b,如果a、b均显著,则意味着存在明显的中介效应。其次,检验式(7)中的系数c和式(6)中的系数c’,如果c和c’均显著,则表明存在部分中介效应;如果c’显著而c不显著,则说明存在完全中介效应。

表9报告了市场一体化(infra)和交通基础设施(integ)的中介效应检验结果。由列(1)、(2)可见,poly的估计系数分别为5.505和4.618,poly2的估计系数分别为-0.720和-1.883,且均通过了显著性检验。这表明随着区域空间结构多中心水平的提升,市场一体化和交通基础设施呈先上升后下降的倒U形变化趋势。结合前文中对市场一体化、劳动力流动与城乡收入差距关系的分析,可以认为,多中心空间发展模式能够通过市场一体化和劳动力流动两条途径影响城乡收入差距。进一步,考察市场一体化和交通基础设施发挥的是完全中介效应还是部分中介效应。依次将infra、integ加入基准估计模型,回归结果如列(3)、(4)所示。不难发现,在加入中介变量后,poly、poly2及中介变量(infra、integ)的估计系数均显著。这意味着市场一体化和交通基础设施在多中心空间发展模式影响城乡收入差距的过程中发挥部分中介效应,假说2得到验证。

表9 中介效应检验结果

五、进一步分析

考虑到多中心空间结构的形成过程既能够缩短城市间沟通交流成本和促进区域一体化,也存在稀释中心城市集聚经济效应等负外部性,本文进一步考察了城市间地理距离在多中心空间发展模式影响城乡收入差距过程中发挥的调节效应。

本文基于各城市的经纬度数据,运用Arcgis软件分别计算出各省份内两两城市之间的平均直线距离以及中心城市与其他城市之间的平均直线距离,并对其取自然对数,以此来衡量城市之间的地理距离(dist1、dist2)。依次将dist1、dist2与poly及其二次项的交互项加入基准估计模型进行回归,重点观察交互项的估计系数,结果见表10。

表10 城市间地理距离的调节效应检验结果

表10列(1)、(3)的回归结果显示,交互项(poly×dist1、poly×dist2)的估计系数均显著为负,说明城市之间的地理距离在多中心空间发展模式缩小城乡收入差距的过程中发挥着显著的负向调节作用。进一步,由表10列(2)、(4)中poly2×dist1、poly2×dist2的估计系数可知,随着城市距离的增加,多中心空间结构对城乡收入差距的缩小作用呈先弱化后增强的变化趋势,即在城市距离较近的地区,多中心发展模式对城乡收入差距的缩小作用有所削弱;只有当城市之间的距离超过一定程度之后,多中心空间结构的城乡协调发展效应才能够得到进一步释放。由列(5)～(8)可见,以城乡收入比为被解释变量的估计结果与列(1)～(4)类似,不再赘述。以上检验结果表明,对于城市之间距离较远且多中心程度较低的地区,发展多中心空间结构更有助于缩小城乡收入差距。

六、结论与政策建议

本文从多中心结构的视角考察了我国各地区的空间形态演变对城乡收入差距的影响。研究发现:(1)多中心空间发展模式对我国城乡收入差距的影响呈显著的U形趋势,即当空间结构的多中心水平较低时,多中心发展模式有助于缩小城乡收入差距;而当空间结构的多中心水平超过一定程度之后,多中心发展模式反而会扩大城乡收入差距。(2)测算结果显示,目前我国少数地区已存在因多中心水平过高而加剧城乡收入差距的现象,但多数地区的多中心空间结构尚未达到最优水平,还存在较大的增长空间。(3)中介效应分析结果显示,市场一体化与交通基础设施改善是多中心空间发展模式影响城乡收入差距的重要途径。(4)城市之间的地理距离在多中心空间结构影响城乡收入差距的过程中发挥显著的倒U形调节效应,换言之,多中心空间结构对城乡收入差距的缩小作用在城市之间距离较远的地区更明显。

基于上述研究结论,本文提出以下政策建议:首先,我国多数地区仍应继续推动多中心城市网络建设,但同时也需注意保持合理的城市规模分布体系,要在确保首位城市具有足够的经济辐射和区域带动能力的基础上,打造分工明确、主配地位清晰的多中心空间结构,避免空间结构过于均匀从而阻碍城乡协同发展。其次,应进一步加强有助于深化城市之间经济互动的软、硬件设施建设。也就是说,要在继续完善公路、铁路等传统基础设施的同时,大力发展5G、物联网、大数据等新一代信息技术,以进一步降低城市之间的交流沟通成本。最后,各城市应根据自身的资源禀赋和比较优势,通过共建产业园和经济走廊等方式加强市场一体化和促进劳动力资源的优化配置,而这需要构建超越城市层面的区域规划政策体系,为城市之间的经济合作提供明确统一的制度支撑。