中国城市规模分布异化的资源错配效应研究

2023-05-30张少华陈洁仪

当代经济科学 2023年3期

张少华陈洁仪

摘要：从城市规模分布的角度切入，探索城市规模分布偏离最优城市规模对城市资源错配的影响程度，考察产业专业化集聚和多样化集聚在其中的作用机制，分析不同产业集聚模式和不同级别城市规模的共荣发展形式。研究发现：（1）中国城市规模分布异化显著恶化了城市层面的资源错配情况，而且不合理的城市规模分布造成了城市层面的资本错配而非劳动错配。（2）从资源配置区域来看，中部地区和收缩型城市的资源错配更为严重，形成了城市和产业发展中的“中部塌陷效应”；从资源配置程度来看，当存在资本配置过剩和劳动配置过剩时，不合理的城市规模分布将加剧城市层面的资源错配，说明城市层面的要素过度投入将导致城市的规模经济效应转变为拥挤效应，不利于城市和产业的共荣发展。（3）尽管不合理的城市规模分布会造成城市层面的资源错配，但是专业化集聚可以缓解这种效应。进一步分析表明，大城市更适合多样化集聚而非专业化集聚，而中小城市更适合专业化集聚而非多样化集聚。因此，优化城市规模分布，进而改善中国资源错配状况，是新常态时期城市经济高质量发展与区域协调发展的有效途径。

关键词：城市化；城市规模；资源错配；产业集聚；产业结构；产业协调

文献标识码：A文章编号：100228482023（03）004415

改革开放以来，中国城市化快速发展，2021年中国城镇化率已达到64.72%。发达国家的城市规模在相当长一段时间内保持着相对广泛而稳定的分布，但处于城市化加速期的广大发展中国家显然与之不同。在快速城市化过程中，大量国内外学者已經证实了中国城市规模分布不合理。与此同时，中国存在严重的资源错配也是学界共识［12］。在给定城市作为资源优化配置的空间载体前提下，中国城市规模分布异化是否造成了严重的资源错配？城市规模分布异化通过哪些渠道影响了城市的资源配置效率？城市和产业如何协调发展？产业多样化集聚和产业专业化集聚在不同规模城市层面对资源错配的调节效应究竟如何？研究上述问题，对于深入理解城市化与资源配置的关系、城市化发展方向与内涵以及对于产业和城市融合发展等政策，有着重要的理论价值和现实意义。

理论上，城市规模分布合理意味着产业集聚和产业互动可以通过共享、匹配和学习效应促进城市层面的资源优化配置和经济增长［3］。既有研究基本从城市规模或者城市行政级别等角度研究资源配置效率的问题，没有从城市规模分布异化的视角出发，没有深入探究城市规模分布合理化背后实际上是城市和产业的良性互动和发展，进而促进了城市层面的资源优化配置的过程。为此，本文采用如下策略实证分析中国城市规模分布异化对资源错配的影响以及发生机制。首先，在Aoki［4］模型计算方法的基础上，建立城市层面的资源错配模型，利用2010—2019年267个地级市及以上的城市数据测度了城市层面的资源错配程度；根据城市规模分布的“序位—规模”法则，测度了中国城市规模实际分布与最优规模分布之间的偏差，表示中国城市规模分布异化程度。其次，通过构建固定效应模型实证分析中国城市规模分布异化对城市资源错配的影响，进一步通过异质性分析、内生工具变量法以及稳健性检验来验证本文基本结论的可靠性。最后，从产业集聚的角度分析城市规模分布异化对资源错配的传导渠道，并进一步检验了MAR外部性和Jacobs外部性对资源错配的影响，尤其是深入分析了产业多样化集聚和产业专业化集聚在不同规模级别城市发展的适用性以及对资源错配的调节作用。

本文的边际贡献体现在：（1）以往的学者主要从资源配置的角度研究单个城市规模的经济效应，本文在此基础上从城市规模分布的角度探索城市规模分布偏离最优城市规模对城市资源错配的影响程度，是对现有城市效率研究的重要补充；（2）为探究更深层次的传导渠道，采用调节效应方法作为分析工具，研究产业专业化集聚和多样化集聚作为调节变量在城市规模分布异化导致资源错配效应中的作用机制，探索产业集聚的外部性影响，为改善城市资源配置效率提供理论依据。

一、文献综述

不少学者分别从不同角度研究了中国资源错配的来源，包括政府干预［5］以及企业所有制、企业成立年限、企业规模、省份地区、城市等级、补贴政策等［6］。虽然学者们在资源错配来源方面的研究已经取得一定成果，但是从城市规模角度考察资源错配的文献仍然相对匮乏。

聚焦城市规模视角，既有文献已经出现了城市规模影响资源配置的思想，认为单个城市规模会影响外部性的发挥，进而影响资源配置效率［7］。但是，一个城市体系是由具有不同人口规模的城市共同构建而成的，因此，如果仅仅从单个城市的规模看整个城市体系的发展，可能没有把握问题的关键。而且，现实中的城市规模往往偏离最优状态，可能会对城市的资源配置效率产生潜在影响。Henderson［8］认为，在发展中国家快速城市化的进程中，城市规模分布高度集中（主要反映在城市的首位度上），对经济和生活等方面都会产生负外部性。同时，Henderson［9］进一步发现，过度集中造成的经济损失不仅体现在单个城市，还可能对整个城市系统造成压力。城市规模分布过度集中意味着某些城市规模太大，而某些城市规模太小。资源从非首位城市流向了首位的城市，以控制首位城市拥堵和环境成本的增加，结果导致非首位城市的生活质量下降。这些因素都不利于城市之间资源的有效配置。因此，城市规模分布无论是过于集中还是过于分散，都不利于资源配置的优化。

也有不少学者研究城市行政级别对资源配置效率的影响。一般情况下，市场在资源配置中起决定性作用。但在中国计划经济向市场经济转变的背景下，行政级别也同样作用于资源配置。因此，城市行政级别越高，城市的规模越大，所掌握的资源也越多，政府行政干预的动机越强烈，政府过多干预下的资源集聚可能并非源于规模经济的内在需求，因此也越容易违反市场经济原则进而对资源配置效率产生负面影响，造成资源错配，从侧面反映了城市规模与资源错配的关系。如李澎等［10］研究发现，相比于低行政等级的城市，高行政等级城市获得资源的能力更强，这造成了城市之间非公平的竞争环境，导致高行政等级城市要素投入相对过多，对资源的有效配置产生负向影响。江艇等［11］从城市行政级别的视角解释城市生产效率和资源错配之间的关系，发现城市级别提高了城市生产率的整体水平，但也加剧了城市内部资源错配程度，主要体现在国有企业和外资企业内部资源配置的恶化。而值得注意的是，城市规模大小及增长又与其行政等级高低密切相关。目前，中国的城市化发展模式还是以“政府主导+市场推动”为主，行政等级越高的城市获得中央政府支持的资源越多，当财政政策和资本市场向某些高行政级别的大城市倾斜的时候，会鼓励人口向这些城市过度集中［12］。

同样，还有部分学者研究城市协同配置对于资源配置效率的影响。当前，城镇化发展由最初的城市内部扩张延伸至区域城市协同发展，长三角、珠三角及京津冀等城市群成为中国经济发展的重要增长极，中西部地区也逐渐形成了区域城市圈，区域城市协同发展已经成为中国新型城镇化的趋势。区域一体化有助于打破城市之间的市场分割、消除贸易壁垒、加快生产要素在城市之间的流通速度、提高生产要素回报，从而提升资源配置效率［1314］。

总之，在中国经历大规模快速的城市化过程中，城市规模是不断调整和变化的，既受到经济规律的驱动，又受到政策的影响和干扰，而城市规模分布作为一个整体则呈现动态演化的过程。根据新经济地理学，合理的城市规模分布体系可以促进产业集聚和产业协调发展，进而在城市层面优化资源配置和提高总量生产率水平。而现有研究较少从城市规模分布的角度深入分析，且往往忽视了城市化过程中产业发展和城市演化之间的共生共荣关系，尤其没有挖掘中国城市规模分布不合理情况对产业发展、产业集聚和产业协调的不利影响，进而造成城市层面的资源严重错配。

二、理论分析与假说提出

（一）城市规模分布异化与资源错配

如何选择合理的城市发展路径来避免资源的无效配置，正是当前处于城市化加速期的广大发展中国家所面临的共同难题［15］。中国城市规模的分布问题本质上是城市间要素资源的配置效率问题［16］。城市规模影响了要素流动，而资源配置效率取决于生产要素的自由流动，因此城市规模也会影响城市间的资源配置效率。但是，现实中一个城市体系是由具有不同人口规模的城市共同构建而成的，因此，不能仅从单个城市规模来看整个城市体系的发展［17］。而且，现实中的城市规模往往偏离最优状态，这可能会对城市的资源配置效率产生潜在影响。

图1集聚和城市规模的收益模型城市规模扩张对资源配置效率的改善作用可能呈现先增后减的非线性特征。参考Duranton等［18］的研究，本文给出城市规模分布异化影响的理论模型，如图1所示。N代表城市人口规模，wN表示工资或生产率，HN代表成本，wN-HN表示从工资中减去成本后得到的城市净收益，净收益呈现倒U型。在城市规模上升的阶段，城市规模增加带来的生产力提升大于成本的增加；在拐点B点之后，城市规模继续扩大导致成本大于收益，进而使得城市净收益下降。这意味着，城市规模并不是越大越好。与城市规模的扩大伴随而来的是更高的成本（包括更高的租金和运输成本、交通拥堵以及环境恶化等）。因此，城市的形成是城市集聚的利益与大城市承受的日益增长的生活成本之间的均衡结果。

单个城市的规模净效应呈倒U型，而一个国家内部由多个不同规模的城市组成，共同构成城市规模分布体系。进一步从城市规模分布的视角分析，推演出城市规模分布过于分散和集中产生的正负效应。当城市规模分布过于分散时，城市集中度低或资源投入不足会导致城市无法形成规模经济，知识积累程度低、技术创新不足以及社会需求不足，均不利于城市整体资源配置效率。而当城市规模分布过于集中，即少数城市规模过大和大量较小规模城市同时存在时，一方面会导致规模过大城市的资源过度集聚，超过了单个城市所能承受的最优规模，这种现象可能并非规模经济的内在需求而是由于行政干预所致，使得规模效应转变为拥挤效应、规模经济转变为规模不经济；另一方面，较小规模城市的规模效应不足，同样导致资源配置的低效。因此，过于集中或者过于分散的城市规模分布均不利于资源的有效配置和国民经济的发展［19］。王垚等［15］进一步研究发现，城市偏离最优规模会造成聚集收益的损失，而且未达到最优规模的城市经济收益损失要大于超过最优规模的城市（即人口过度聚集）产生的经济收益损失。据此，本文提出以下假说：

假说1：城市规模分布异化会加剧城市的资源错配。

（二）产业集聚、集聚外部性与资源错配

本文探究在城市内形成的产业集聚效应是不是城市规模分布异化影响资源配置效率的渠道。当前，改善资源配置效率成为中国在经济发展过程中亟待突破的瓶颈。而产业集聚本质是资本、劳动力等生产要素的跨区域流动与积累，即其自身演变就是要素资源的动态流动过程，与资源优化配置的过程殊途同归。因此，其在演变过程中如何影响资源的空间配置是当前重点研究的内容。

产业活动的空间集聚是经济学家长期关注的话题。新经济地理学（NEG）的代表人物Krugman［20］构建了“核心—外围”模型，工业生产活动将趋向于空间集聚，从而使运输成本最小并实现规模报酬递增。在Marshall集聚外部性的三个来源——中间产品的投入、劳动蓄水池和知识溢出的基础上，Duranton等［3］进一步归纳城市集聚促进经济增长的微观机制为共享、匹配和学习。从“产城联动”的视角，产业集聚主要通过以下四个效应发挥作用。一是规模效应。通过集聚形成规模化大生产的同时，集聚上下游企业逐步形成相对更完整的生产链，分工细化，协作效率提高，从而提高生产率。二是溢出效应。在知识经济时代，产业集聚通过上下游企业之间的信息交换、同行企业之间的员工沟通、企业与用户之间的互动等方式，促进了新灵感的迸发与传播，具体表现为技术和知识外溢性。三是成本效应。一方面，产业集聚有助于上下游企业降低搜索成本和交易费用从而降低生产成本；另一方面，产业集聚提供大量的就业岗位，同时聚集区内拥有大量掌握各种专业技能的人才，使得企业在短时间内以较低的费用找到合适的岗位人才从而降低用人成本，减少结构性失业，提高人力资本配置效率。四是竞争效应。集聚加剧了竞争，具体表现为市场份额的竞争、同一地区同业的压力、创新的紧迫性等，集聚区内企业只能依靠提高自主创新能力和资源利用效率增强市场竞争能力，这也提升了城市资源配置效率。

具体而言，产业集聚分为专业化集聚和多样化集聚

产业外部性分为MAR外部性（产业专业化）和Jacobs外部性（产业多样化），是集聚经济理论的重要内容。，不同集聚模式对资源配置影响不同。专业化集聚影响资源配置效率的机制在于，专业化集聚充分发挥“劳动蓄水池”的作用，在产业集聚区内形成专业化劳动力市场，有利于形成集体化、规模化与专业化生产，发挥规模效应和竞争效应，促使资源向高效率企业转移，从而提高区域内的资源配置效率。多样化集聚影响资源配置效率的机制在于，多样化集聚能够利用地方性公共产品形成范围经济，使得聚集区的企业获得更广泛和互补的中間产品和服务，降低企业的交易成本，促进不同产业间协同合作，同时集聚上下游产业链有助于消除产业间信息不对称，优化配置结构并拓宽生产渠道，发挥成本效应和溢出效应，从而达到改善资源配置效率的效果。综上所述，城市规模分布异化可能造成城市资源错配，而理论上通过产业集聚譬如专业化集聚和多样化集聚渠道，可以产生规模效应、溢出效应、成本效应、竞争效应，改善劳动力错配、资本错配甚至技术错配，进而缓解资源错配。但是，多样化集聚对城市发展发挥积极作用的前提条件是知识在产业间存在溢出，即产业间需要有较强的联系和较强的协同效应。若各个产业之间的联系不紧密，协同效应弱，产业之间的差异较大，就无法产生Jacobs外部性，难以提高投入要素的配置效率［21］。因此，本文通过调节效应模型探究不同产业集聚类型对城市总的资源错配在现实中影响的程度，并提出以下假说：

假说2：产业集聚可能缓解城市层面的资源错配。

假说3：理论上专业化集聚和多样化集聚可能缓解城市层面的资源错配，但在现实产业之间缺乏协同效应的情况下，多样化集聚可能达不到缓解城市资源错配的效果。

三、模型、变量与数据说明

（一）实证模型

为探究城市规模分布异化如何影响城市层面的资源错配，本文构建如下实证模型：

lnτit=α0+βlndevit+γXit+μi+λt+εit（1）

lnτKit=α0+βlndevit+γXit+μi+λt+εit（2）

lnτLit=α0+βlndevit+γXit+μi+λt+εit（3）

其中，下标i表示城市，t表示年份，lnτit、lnτKit、lnτLit分别表示各城市的资源错配程度、资本错配程度和劳动力错配程度，lndevit表示城市规模分布异化，X是一系列控制变量，εit是随机干扰项，模型控制了城市固定效应和年份固定效应。

（二）变量定义

1.被解释变量：城市层面的资源错配

城市层面的资源错配程度（lnτ、lnτK、lnτL）。资本错配指数τK和劳动错配指数τL先取绝对值再取对数。本文在Aoki［4］模型的基础上，将资源错配从行业间层面转变到城市间层面进行测度，计算公式如下：

λKi=Ki/K/siβKi/βK（4）

λLi=Li/L/siβLi/βL（5）

其中，K代表资本，L代表劳动，Ki/K表示城市i的资本占总资本的比例，Li/L表示城市i的劳动占总劳动的比例，si表示城市i的产出占总产出的比例，βKi为各城市的资本产出弹性，βLi为各城市的劳动产出弹性，对于βK和βL的确定，本文通过构建规模报酬不变的柯布—道格拉斯生产函数进行估算。通过相对扭曲系数λKi和λLi换算出城市的资本错配指数（τKi）和劳动力错配指数（τLi）。

τKi=1/λKi-1（6）

τLi=1/λLi-1（7）

值得注意的是，错配指数存在正负之分，代表的经济含义也不同，数值绝对值大小仅代表错配程度，所以简单求和是不合理的。参考季书涵等［22］的研究，本文将资本错配指数和劳动力错配指数取绝对值并求和，得到资源错配总指数，该指数越大，表示资源错配程度越高。由于资源错配指数为负向指标，在后文实证部分，若其回归系数为负，表示可改善资源错配，若为正，则表示加剧了资源错配。资源错配总指数τ计算公式如下：

τ=τK+τL（8）

2.核心解释变量：城市规模分布异化

城市规模分布异化（lndev）。本文衡量城市规模的指标是城市常住人口数量，城市常住人口数量比城市户籍人口数量更能反映一个城市的真实规模。参考魏守华等［23］计算城市“序位—规模”法则的偏差，本文使用一个城市实际人口规模的对数与齐普夫定律下指数等于1时理想规模的差值来表示偏差。一般来说，如果两者差值为正，则表明城市的实际规模大于齐普夫定律下的理想规模，说明该城市规模在城市体系中相对偏大；反之亦然。计算公式如下：

lnSit=lnAit-αRit（9）

devit=lnSit-lnAit-lnRit（10）

其中，Sit代表i城市t时点的实际人口规模，Ait代表t时点最大城市的人口规模，Rit代表i城市t时点的排序，devit表示在标准的齐普夫定律（指数为1）时，实际规模与理想规模的偏差。本文对dev先取绝对值再取对数。

3.控制变量

除了核心解释变量外，本文还在计量模型中控制以下变量。（1）产业结构（str）：使用第三产业产值占GDP的比重衡量产业结构。（2）政府干预（gov）：使用各城市地方政府财政支出占GDP比重衡量政府干预水平。（3）金融深化水平（fd）：使用各城市金融机构贷款余额占GDP比重衡量金融深化水平。（4）劳动力成本（lnw）：使用各城市职工平均工资的对数衡量各城市的劳动力成本。（5）信息化水平（lni）：使用各城市互联网用户数的对数衡量城市的信息化水平。（6）交通设施情况（r）：使用各城市的道路面积衡量城市的交通基础设施情况。本文的主要变量定义见表1。

（三）数据说明

本文选取2010—2019年267个中国地级市及以上城市作为研究对象，并处理了部分异常值的数据，缺失值通过插值法处理。数据来源为各年份《中国城市统计年鉴》、各省份统计年鉴和国民经济与社会发展统计公报、全球统计数据/分析平台（EPS）数据库。

四、实证结果与分析

（一）基准回归

本文采用固定效应模型进行估计，基准回归结果见表2。其中，第（1）（2）列是城市规模分布异化对资源错配的影响，第（3）（4）列是城市规模分布异化对资本错配的影响，第（5）（6）列是城市规模分布异化对劳动力错配的影响。核心解释变量lndev的回归系数显著为正，说明在其他因素不变的情况下，城市规模分布异化均在一定程度上加剧了资源错配、资本错配，但对劳动错配的影响不显著。进一步，第（2）（4）（6）列分别加入其他控制变量后，城市规模分布异化对城市层面资源错配的加剧作用依旧显著。城市规模分布异化对资源错配产生影响，具体来看主要是通过资本错配效应。当前，中国的城市规模分布呈中小城市偏多、大城市偏少的扁平化特征［24］，城市规模分布异化实际上更多地表現为中国城市规模相对过小，可能存在资本在城市之间的不断流入和流出进而影响城市规模分布异化，最终造成资源错配的现象。

同时，劳动力错配不显著的原因可能有两方面。一方面是中国户籍制度的影响。中国户籍制度特别是大城市更为严格的户籍制度，带来的人口流动壁垒尚未消除，在一定程度上限制了劳动力的有效流动。因此，相对于资本外逃的速度，劳动力调整并没有这么迅速，进而导致回归系数不显著。另一方面可能是数据质量的影响。由于数据可得性的限制，本文的劳动投入数据使用城镇单位职工数量作为代理变量，统计范围上覆盖面不如全社会就业劳动力广泛，可能导致劳动错配的回归系数不显著。总的来说，城市规模分布异化在一定程度上加剧了资源错配，因此假说1成立

本文同时做了剔除一线城市、替换因变量和使用系统GMM的稳健性检验，估计结果依旧稳健。。

（二）异质性分析

1.区域异质性

中国东部、中部、西部地区的城市规模、經济发展水平、资源禀赋和开放程度等有较大差异，因此本文在此检验城市规模分布异化对资源错配的影响是否存在地区差异

东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南和辽宁；中部地区包括山西、安徽、江西、河南、湖北和湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。。分地区的回归结果见表3。可以看出，在中部地区，城市规模分布异化lndev对资源错配、资本错配的系数显著为正，而其他地区的系数不显著，说明城市规模分布异化加剧了中部地区城市的资源错配程度，而对东部地区和西部地区的资源错配没有影响。可能的原因是，东部地区经济发展比较快、市场化程度高，城市规模分布也与经济发展水平相匹配；西部地区欠发达因而城市规模偏小，分布也较为合理。反观中部地区的城市规模分布异化相比东部和西部地区是最大的，城市规模分布与经济发展水平不平衡影响了要素的流动，造成了资源错配。在东部率先发展、西部大开发战略以后，中部地区发展水平低于东部地区，发展速度低于西部地区，中部崛起战略和政策相继出台。中部地区的部分城市长期扮演着“劳务输出地”的角色，资源相对丰富却反而陷入了“资源诅咒”的怪圈，这些因素都制约着中部地区的高质量发展。这说明，扮演承东启西角色的中部地区，从“中部塌陷”到“中部崛起”的转变仍然任重而道远。因此总体上，城市规模分布异化对资源错配的影响存在地区差异。

2.资源配置异质性

城市资源错配分为配置过度和配置不足两种，其中τ>0表示资源配置不足，τ<0表示资源配置过剩。城市规模分布异化可能对不同资源错配类型有不同的影响结果。因此，本文进一步分别将资本错配和劳动错配划分为配置过度和配置不足四种情况，以分析不同配置情况的影响程度。估计结果见表4。

从表4的结果可以看出，城市规模分布异化对总的资源错配的影响：当存在资本配置不足和劳动力配置不足时，核心解释变量系数不显著，城市规模分布异化对城市资源错配没有影响；当存在资本配置过剩和劳动配置过剩时，核心解释变量系数显著为正，城市规模分布异化加剧了城市资源错配。潜在原因是，资本要素和劳动要素是具有流动性的，且对经济危机反应更为灵敏［25］。资本过剩意味着待投资资本缺乏安全和有利可图的投资机会，最终导致资本外逃；劳动力过剩意味着存在失业和半失业的人，进而导致人口外迁。当资本配置过剩、劳动配置过剩时，投入要素过多超出城市生产与消费所能消耗的范围，使得城市的规模效应转变为拥挤效应。因此，在过剩的资本出现时间和空间的流动后，过剩的劳动力也随之外流，最终生产力和生产资料不匹配造成生产力剩余（工厂、机器设备以及住房的空置），这必然也会对总的资源配置效率造成影响。因此，城市规模分布异化在资本和劳动配置过剩时会加剧城市的资源错配。

3.城市收缩类型异质性

国家发展和改革委员会印发的《2019年新型城镇化建设重点任务》首次提出收缩型城市概念，由此可知中国城市人口收缩的问题不能忽视。本文依据龙瀛等［26］的测度结果划分具体收缩型城市（地级市及地级市以上）

由于数据可得性，本文选择的收缩城市不包括伊春、鹤岗和鸡西。，将城市样本划分为收缩型城市和非收缩型城市，从城市收缩视角探究资源错配问题，回归结果见表5。

从表5结果可以看出，收缩型城市和非收缩型城市的回归系数均显著为正，但收缩型城市的系数明显要大得多，说明城市规模分布异化在城市收缩的情况下对资源错配的加剧效应更大。尽管中国大部分城市仍然处于扩张阶段，但由于区域发展不平衡、去工业化、人口老龄化等一系列原因，中国少部分城市出现了人口总量或者人口密度的下降，呈现出增长与收缩并存的状态。同时，上述选定的收缩型城市多为资源型城市或老工业城市，随着资源日益枯竭与服务业占GDP的比重逐渐上升，这些城市的传统支柱产业已经不再适应新发展的需求，经历着去杠杆、去库存以及新一轮“去二进三”产业转型升级的阵痛，经济发展受到冲击，即城市收缩也可能伴随着经济下滑。城市收缩意味着劳动力外流，容易导致劳动力的结构性失业和产业资本外流，加剧劳动力错配和资本错配，最终造成资源错配。因此，在“城市收缩—城市分布不合理—资源错配—城市进一步收缩”的累积循环效应的驱动下，城市收缩可能比想象中造成的影响要大。

4.城市群规划异质性

国家强调“以城市群为主体构建大中小城市和小城镇协调发展的城镇格局”，旨在通过优化城市体系结构来释放区域效率潜能，因此城市群的经济效应和区域协调效应不可忽视。本文将样本划分为纳入城市群规划与不纳入城市群规划两个子样本进行回归

本文选取的城市群具体为京津冀城市群、长三角城市群、珠三角城市群、长江中游城市群、中原城市群以及成渝城市群。，结果见表6。

从表6结果来看，纳入城市群规划的城市样本核心解释变量至少在5%的水平上显著为正，而不纳入城市群规划的城市则不受影响，说明纳入城市群规划的城市受影响更大。从规模经济的角度解释，纳入城市群规划意味着集聚和融合多个不同规模的城市，进而产生规模效应，通过整合人口、资本、产业、商品贸易以及基础设施等方面的资源达到组合创新的效果。从产业结构升级的角度解释，经济结构也会在城市群的整体规划中发生变化，核心城市引领周边城市向着产业升级的方向发展。值得注意的是，这些效果建立在城市群内城市之间的协同合作、优势互补、互联互通的前提之下，如果出现城市规模分布偏离最优分布的情况，纳入城市群规划反而可能产生适得其反的结果，虹吸效应使得大城市更大、小城市更小的情况出现，进而导致资源分配不均的后果。

（三）内生性问题处理

已有研究显示，资本配置扭曲是导致中国大中城市偏少、小城市过多的重要原因［27］，这意味着资源错配可能是导致城市规模分布异化的原因，即可能存在双向因果关系。因此，本文拟采用工具变量法进行更为稳健的因果推断。

既有文獻一般从历史和地理的视角选择工具变量。本文分别选择城市高程（hig）和城市地形起伏度（rdl）作为城市规模分布异化的工具变量。主要基于以下考虑：（1）城市高程和地形起伏度是影响城市交通基础设施建设形态和投资成本的重要因素。城市高程越高，地形起伏程度越大，交通基础设施建设的难度越高，城市扩建的成本越高，城市规模扩张受限进而导致城市规模分布出现偏差，因此，这一指标满足相关性要求。（2）城市高程和地形起伏度作为城市天然独有的地理因素，这一客观存在的自然属性难以和城市活动形成直接联系，城市资源配置效率基本不会对城市固有的地理形态产生影响，满足外生性的假定条件。因此，本文选择使用城市高程（hig）和城市地形起伏度（rdl）作为城市规模分布异化的工具变量是合理的。但由于城市高程和城市地形起伏度是截面数据，而本文的数据样本是包含城市与时间的面板数据，因此本文参考孙传旺等［28］的做法，分别将高程与年份虚拟变量的交互项、地形起伏度和年份虚拟变量作为最终工具变量引入模型。工具变量的两阶段回归结果见表7。

从第（1）～（3）列结果可以看出，第一阶段回归结果F统计量521.70远大于10，说明不存在弱工具变量的问题。第二阶段回归结果显示，城市规模分布异化的回归系数至少在5%的水平下显著为正，说明城市规模分布异化加剧了城市资源错配，本文的结论基本稳健。但从回归系数的大小来看，与基准结果0.266相比，资源错配的工具变量法回归系数2.378明显更大，即城市规模分布异化上升1%，资源错配程度上升2.378%，说明潜在的内生性问题在一定程度上低估了城市规模异化对城市资源错配的加剧效应；同理，与基准结果0.841相比，资本错配的工具变量法回归系数7.892也相对更大，即在处理内生性问题后，城市规模分布异化对资本错配的加剧效应更显著。另外，本文使用地形起伏度作为城市规模分布异化的工具变量，再次进行两阶段工具变量回归，结果见第（4）～（6）列，再一次印证了上述结论。此外，本文进一步使用城市高程的标准差与年份交互作为工具变量，城市高程标准差同样表征了城市地形起伏的程度。使用对弱工具变量较不敏感的有限信息最大似然估计方法（LIML）替换两阶段最小二乘法（2SLS）进行估计，回归结果依旧稳健，限于篇幅结果暂未列出。

（四）机制分析

为进一步探究不同产业集聚类型对城市总的资源错配的影响，本文通过构建交互模型验证产业集聚的调节效应，具体的实证模型如下：

lnτit=α0+α1lndevit+α2dev×HHI+α3HHIit+γXit+μi+λt+εit（11）

lnτit=β0+β1lndevit+β2dev×SI+β3SIit+γXit+μi+λt+εit（12）

lnτit=ρ0+ρ1lndevit+ρ2dev×DI+ρ3DIit+γXit+μi+λt+εit（13）

其中，HHI是城市的产业集聚，dev×HHI表示lndevit与HHIit的交互项；SI表示城市的专业化集聚，dev×SI表示lndevit与SIit的交互项；DI表示城市的多样化集聚，dev×DI表示lndevit与DIit的交互项。α2、β2和ρ2是本文要重点关注的估计系数。

本文使用赫芬达尔指数衡量产业集聚的程度，公式如下：

HHI=∑Ss=1Eis/Ei2（14）

其中，i表示城市，s表示行业，Eis表示城市i的s行业的就业人数，Ei表示城市i的全部就业人数，Eis/Ei表示某行业就业人数占整个城市就业人数的比重，Es/E表示某行业就业人数占全国就业人数的比重。

进一步将产业集聚具体细分为产业专业化集聚和产业多样化集聚。产业专业化集聚的计算公式如下：

SI=（Eim/Ei）/（Em/E）（15）

其中，Eim表示城市i的制造业的就业人数，Em表示全国制造业总体就业人数，E表示全国总就业人数。

本文使用1-赫芬达尔指数测度产业多样化集聚，衡量产业在城市中的多样化水平。产业多样化指数越接近1，城市中不同行业的就业份额越接近，产业种类越多且越均衡，即产业多样化水平越高。

DI=1-∑Ss=1Eis/Ei2（16）

基于调节效应的回归结果见表8～10。根据表8结果可以看出，核心解释变量的回归系数依旧显著为正，交互项dev×HHI的回归系数显著为负，表明调节变量产业集聚缓解了城市规模分布异化对资源错配的正向作用，即产业集聚对城市规模分布异化与资源错配的影响关系具有显著的削弱作用。这也印

证了季书涵等［22］的观点，产业集聚对资源错配具有纠正效应。“产城融合”作为当前中国城市转型升级

的一种发展思路，城市规模合理分布的背后实际上是产业的高质量发展。产业是城市发展的基础，城市是产业发展的载体，“以产促城，以城兴产，产城融合”，城市才具有可持续发展的动力。同时，产业集聚又可以产生经济外部性，通过打造产业延轴带布局，以中心城市的优势产业为核心，引导先进制造业和现代

服务业在次级城市集群发展，拓展城市的发展空间，进而提高资源集聚能力［29］。因此，通过城市产业集

聚空间布局改善资源错配，对实现中国经济向高质量发展的转变、经济区域协调发展具有重要的战略意义。

进一步考察不同经济集聚类型对资源错配的影响效果。根据表9和表10的结果，核心解释变量回归系数依旧显著为正，交互项dev×SI的回归系数显著为负，这表明调节变量专业化集聚缓解了城市规模分布异化对资源错配的加剧作用，即专业化集聚对城市规模分布异化与资源错配的影响关系具有显著的削弱作用。而交互项dev×DI的回归系数显著为正，这表明调节变量多样化集聚强化了城市规模分布异化对资源错配的加剧作用，即多样化集聚对城市规模分布异化与资源错配的影响关系具有显著的促进作用。因此，专业化集聚和多样化集聚是城市规模分布异化影响资源错配的重要渠道。

产生上述结果可能的原因主要有两方面。一是资本品的专用性问题。一般情况下，由于中国实际不同行业之间的资本物品专用性较高而流动性较低，因此专用性较高的特性有利于专业化集聚但不利于多样化集聚。而且在多样化集聚中，如果要素流动性较低、产业间缺乏较强的联系，不但可能起不到资源错配的改善作用，甚至可能加剧资源错配。二是不同规模城市的工业水平和工业结构不同。规模较小的城市由于工业化水平较低，因此专业化集聚模式更能起到提升工业效率和经济增长的作用；反之，规模较大的城市工业基础比较健全，多样化集聚发展模式更有利于经济增长。当前，中国的城市规模分布呈现中小城市偏多、大城市偏少的扁平化特征［24］，因此实行产业多样化对于中国普遍规模不大的城市来说可能适得其反，加剧资源错配，给城市的经济增长造成一定阻碍。

总的来说，产业集聚是城市规模分布异化影响资源错配的重要渠道。专业化集聚缓解了城市规模分布异化对资源错配的正向作用，多样化集聚加剧了城市规模分布异化对资源错配的正向作用，因此假说2和假说3成立。

（五）进一步分析

具体分析不同规模城市层面，尤其是对于一个城市而言，究竟应该选择多产业共同发展还是将资源集中在重点产业，这是一个值得进一步深入研究的课题。为此，本文进一步检验是否存在多样化集聚更适合大城市、专业化集聚更适合中小城市这一假设。由于城市规模分布偏差中偏小的城市与偏大的城市数量差异悬殊，本文使用虚拟变量分组回归进行考察。

1．城市规模偏差的异质性

本文构建虚拟变量D1，当城市规模分布偏差为偏小时，D1=1，当城市规模分布偏差为偏大时，D1=0；之后将交互项dev×DI和dev×SI与虚拟变量D1相乘，分别纳入模型进行回归，考察多样化集聚和专业化集聚在不同城市规模偏差中的异质性。具体回归结果见表11第（1）（2）列。

2.城市级别的异质性

作为对比分析，本文根据第七次全国人口普查中国家统计局公布的城市等级划分结果

第七次全国人口普查中的超大、特大城市（21个）为上海、北京、深圳、重庆、广州、成都、天津、武汉、东莞、西安、杭州、佛山、南京、沈阳、青岛、济南、长沙、哈尔滨、郑州、昆明、大连，超大城市（7个）为上海、北京、深圳、重庆、广州、成都、天津。

，构建虚拟变量D2和D3。城市级别分组1，当城市为超大、特大城市时，D2=1，否则D2=0；城市级别分组2，当城市为超大城市时，D3=1，否则D3=0。本文将交互项dev×DI分别与虚拟变量D2、D3相乘，同理，交互项dev×SI分别与虚拟变量D2、D3相乘，并纳入模型进行回归，考察多样化集聚和专业化集聚在不同城市级别中的异质性。具体回归结果见表11第（3）～（6）列。

从表11第（1）（3）（5）列的回归结果来看多样化集聚的影响，对于大城市来说，dev×DI×D1、dev×DI×D2和dev×DI×D3的系数为负但不显著，分别为-0.857、-0.834和-1.277，说明多样化集聚在大城市分组中存在负向的调节作用，缓解了对资源错配的加剧作用，即多样化集聚更适合大城市。尽管可能是本文的数据质量和样本限制的原因系数不显著，但其结果是符合预期的。对于中小城市来说，dev×DI的系数在1%水平下显著为正，分别是1.329、1.135和1.124，说明多样化集聚在中小城市分组中存在正向调节作用，强化了对资源错配的加剧作用，即多样化集聚并不适合中小城市。从表11第（2）（4）（6）列的回归结果来看专业化集聚的影响，对于大城市来说，dev×SI×D1、dev×SI×D2和dev×SI×D3的回归系数显著为正，分别是0.174、0.499和0.481，说明专业化集聚在大城市分组中存在正向调节作用，强化了对资源错配的加剧作用，即专业化集聚并不适合大城市。对于中小城市来说，dev×SI的回归系数在1%水平下显著为负，分别是-0.359、-0.415和-0.373，说明专业化集聚在中小城市分组中存在负向调节作用，缓解了对资源错配的加剧作用，即专业化集聚适合中小城市。

上述实证结果背后的解释是，对于大城市来说，城市的“虹吸效应”集聚了大量具有多样化技能的劳动力，为多样化产业的发展奠定了人才基础，起到了“劳动力蓄水池”的作用；大城市具备丰富的中间产品投入，降低了各类交易成本；产业间的协同发展、优势互补也促进了知识溢出和技术创新，起到“知识蓄水池”的作用。这些条件都发挥着Jacobs外部性的效果，为产业多样化的发展提供了可能性，因此大城市更适合“大而全”的发展路径。相反，尽管理论上大城市发展产业专业化也是可行的，但本文认为这种专业化发展模式反而浪费了大城市的空間资源，无法吸收剩余多种技能的劳动力就业和满足大规模人口的多样化需求，起不到应有的推动作用。对于小城市来说，由于其高技能人力资源、资本投入、市场规模以及产业基础配套设施等条件远不如大城市，产业多样化发展反而会削弱其比较优势，加剧对有限资源的争夺，对资源配置效率起到阻碍作用。相反，集中力量发展中小城市特色产业，形成规模效应，发挥MAR外部性带来的正向影响，反而能起到优化资源配置的效果，因此小城市更适合“小而精”的发展路径。综上所述，大城市适合多样化集聚而非专业化集聚，中小城市适合专业化集聚而非多样化集聚。

五、结论与启示

如何在遵循城市规模分布规律的基础上优化资源配置效率，是中国新型城镇化时期面临的重要难题。鉴于此，本文利用2010—2019年267个地级市及以上城市数据测算出资源错配指数，并构建固定效应模型探究城市规模分布异化与资源错配的关系。研究结论如下：第一，城市规模分布异化对资源错配存在显著的恶化作用，这说明城市规模分布异化加剧了城市资源错配。在进行不同稳健性检验和处理内生性后，上述结果仍然成立。第二，异质性分析发现，不同地区、不同的资源配置情况、不同收缩类型城市以及不同城市群规划有着不同的估计结果。其中，城市规模分布异化加剧了中部地区城市的资源错配程度，而对东部和西部地区的资源错配没有影响。另外，当存在资本和劳动配置不足时，城市规模分布异化对城市资源错配没有影响；当存在资本和劳动配置过剩时，城市规模分布异化加剧了城市资源错配。相比于非收缩型城市，城市规模分布异化对城市收缩的资源错配加剧效应更大。城市规模分布不合理对纳入城市群规划的城市造成了资源错配，没有纳入城市群规划的城市则不受影响。第三，产业集聚是城市规模分布异化影响资源错配的重要渠道。具体而言，专业化集聚对城市规模分布异化与资源错配的影响关系具有显著的削弱作用；相反，多样化集聚对城市规模分布异化与资源错配的影响关系具有显著的促进作用。进一步分析城市规模的影响后发现，大城市更适合多样化集聚而非专业化集聚，而中小城市更适合专业化集聚而非多样化集聚。优化城市规模分布以改善资源错配的程度，是促进经济增长的有效途径。

针对上述结论本文提出如下政策启示。第一，合理规划、科学引导城市朝最优规模发展。一方面，需要完善公平竞争的市场政策，减少政府偏向于超大城市财政、金融资本市场和价格政策。另一方面，积极规划和引导周边次一级大城市的发展，是减轻超大城市扩张压力、改善资源错配的重要途径。第二，优化城市的产业结构。专业化集聚能够发挥优化资源要素配置的效果，因此政府可以有选择地制定偏向于鼓励专业化集聚的政策，发挥市场配置资源的作用。由于在现实产业之间缺乏协同效应的情况下，多样化集聚可能达不到缓解城市资源错配的效果，因此需要打破产业壁垒和市场隔离，加强产业间的交流与协作，提高互联互通水平，节省交易成本，纠正资源错配，促进经济高质量发展。因此，应加快区域产业链一体化进程，进行合理的产业布局，承接产业转移，并支持收缩型城市的产业升级和精明收缩。

参考文献：

［1］HSIEH C T， KLENOW P J. Misallocation and manufacturing TFP in China and India［J］. The Quarterly Journal of Economics， 2009，124（4）：14031448.

［2］BRANDT L， TOMBE T， ZHU X. Factor market distortions across time， space and sectors in China［J］. Review of Economic Dynamics， 2013，16（1）：3958.

［3］DURANTON G， PUGA D. Handbook of regional and urban economics［M］. Amsterdam：Elsevier， 2004：20632117.

［4］AOKI S. A simple accounting framework for the effect of resource misallocation on aggregate productivity［J］. Journal of the Japanese and International Economies， 2012，26（4）：473494.

［5］韓剑，郑秋玲.政府干预如何导致地区资源错配：基于行业内和行业间错配的分解［J］.中国工业经济，2014（11）：6981.

［6］郎昆，刘庆.资源错配的来源、趋势与分解［J］.经济学报，2021（2）：125.

［7］DURANTON G， PUGA D. Nursery cities：urban diversity， process innovation， and the life cycle of products［J］. American Economic Review， 2001，91（5）：14541477.

［8］HENDERSON V. Urbanization in developing countries［J］. The World Bank Research Observer， 2002，17（1）：89112.

［9］HENDERSON V. Urban primacy， external costs， and quality of life［J］. Resource and Energy Economics， 2002， 24（1/2）：95106.

［10］李澎，刘若阳，李健.中国城市行政等级与资源配置效率［J］.经济地理，2016（10）：4651.

［11］江艇，孙鲲鹏，聂辉华.城市级别、全要素生产率和资源错配［J］.管理世界，2018（3）：3850.

［12］王垚，年猛.政府“偏爱”与城市发展：以中国为例［J］.财贸经济，2015（5）：147161.

［13］刘瑞翔.区域经济一体化对资源配置效率的影响研究：来自长三角26个城市的证据［J］.南京社会科学，2019（10）：2734.

［14］吴青山，吴玉鸣，郭琳.区域一体化是否改善了劳动力错配：来自长三角扩容准自然实验的证据［J］.南方经济，2021（6）：5167.

［15］王垚，年猛，王春华.产业结构、最优规模与中国城市化路径选择［J］.经济学（季刊），2017（2）：441462.

［16］武英涛，陈磊，雷晓霆.基于资源配置效率视角的城市规模分布研究：以中国地级市及以上城市为例［J］.城市发展研究，2018（10）：1825.

［17］谢小平，王贤彬.城市规模分布演进与经济增长［J］.南方经济，2012（6）：5873.

［18］DURANTON G， KERR W R. The logic of agglomeration［R］. National Bureau of Economic Research Working Paper， 2015.

［19］丁从明，聂军.城市规模分布对资源配置效率的影响：基于中国23个省级面板数据的分析［J］.城市问题，2016（10）：411.