中国新型城镇化空间关联网络及其对土地利用生态效率的影响——基于网络节点中心度视角

张 玥，代亚强，柯新利

（华中农业大学公共管理学院，湖北 武汉 430070）

新型城镇化是经济社会结构转型的必然趋势和实现国家现代化的必由之路，土地资源是城镇化发展所需的资源基础和空间载体，提升土地利用生态效率是推动新型城镇化高质量发展的重要抓手。在资源要素跨区域整合的过程中，各地域单元不再是“场所空间”环境下的孤岛，而是成为“流动空间”的节点[1]，新型城镇化的空间交互关系及其溢出效应成为理解土地资源空间配置的重要逻辑起点。新型城镇化的空间关联过程可以最大限度实现范围经济和规模经济，同时有效处理土地利用负向产出以促进区域可持续发展。可见，土地利用生态效率不再局限于受到集聚外部性影响，因地域单元网络嵌入而产生的网络外部性成为影响土地利用生态效率的重要因素。因此，解构新型城镇化空间关联网络结构特征并探究其对土地利用生态效率的影响，是关乎新型城镇化协同发展和土地资源可持续利用的重要课题。

新型城镇化和土地利用生态效率均为学界关注的焦点问题。从新型城镇化来看，大量研究从经济学、社会学、地理学等多学科视角对其进行内涵解析和时空分析[2-4]，并从耦合关系、空间溢出作用等视角揭示新型城镇化的经济—社会—生态效应[5-6]。从土地利用生态效率来看，土地利用生态效率发轫于生态效率研究。生态效率的概念出现于20世纪90年代[7]，而后被广泛应用于农业生产、旅游发展和土地利用等领域[8-10]。生态效率的测定需兼顾社会经济效益和环境承载约束，评价方法通常包括随机前沿分析模型、数据包络分析模型等。与其他研究领域相比，土地利用生态效率研究尚处于起步阶段，研究内容大多关注演变规律、驱动机制等[11-12]，但是应用范围较窄且形成共识较少。上述研究为新型城镇化实践和土地可持续利用提供了重要的理论支撑，但是仍存在补充和扩展的空间。当前，新型城镇化研究大多停留在“场所空间”背景下探讨地域单元内部机制和惯性路径。在“流动空间”成为区域空间新形态的背景下，城镇化研究的空间视域亟需从中心地范式拓展至网络化范式，研究内容应从等级中心、单一通道、封闭系统转向网络节点、复杂关联、开放系统[13]。探究新型城镇化网络结构中的节点连通性及角色地位，不仅是理解新型城镇化跨边界交互格局的科学手段，同时是揭示新型城镇化网络外部性效应的重要基石。而且，现有少量研究关注城镇化发展和土地利用生态经济效益的关系[14-15]，但是多基于地理邻近特征分析新型城镇化的集聚外部性，较少基于网络节点属性探讨新型城镇化的网络外部性，忽视了新型城镇化空间关联网络嵌入对土地利用行为的影响。新型城镇化空间关联网络能够弱化一定区域内不同单元之间的空间分割和隐性壁垒，如何充分发挥这种网络结构对土地优化配置的正外部性具有重要的研究价值。

鉴于此，本文采用修正的引力模型构建新型城镇化空间关联网络并结合社会网络分析模型刻画其特征，进而运用面板回归模型从节点中心度视角验证新型城镇化空间关联网络对土地利用生态效率的影响，以期为推动新型城镇化协同发展和促进土地资源可持续利用提供理论依据和决策支撑。

1 机理分析

1.1 新型城镇化空间关联网络形成机理

新型城镇化空间关联网络是一定空间范围内，不同地域单元之间因要素集散和治理合作形成的关联关系总和，是城镇经济社会结构转型发展和动态交互的空间投影，也是新型城镇化发挥“协同效应”和“互补效应”的载体基础。在新型城镇化发展过程中，流动要素在市场环境中置换整合，同时公共产品供给和居民福祉提升有赖于政府竞合博弈和协商治理。在市场环境和治理合作过程中，不同地域单元之间的空间相互作用逐渐增强，新型城镇化发展呈现出空间关联网络形态（图1）。首先，市场环境为新型城镇化空间关联的形成提供了重要基质。不同地域单元之间自然条件、经济基础、创新能力等差异形成了资源要素的初始势能差[16]，价格信号引导要素配置追求边际效益最佳，流动要素开始通过物质循环、人员转移、产品交易、技术传播等方式进行跨区域再组织。在市场环境中，孤立个体转变为相连节点、垂直结构转变为扁平结构、单极体系转变为多边体系。同时，新型城镇化的空间关联离不开地方治理主体的协调合作。在人本主义的要求下，新型城镇化更加强调区域间相对平衡、协同提升，真正实现经济社会发展成果的共享化、普惠化。治理合作为新型城镇化空间关联网络的发展提供了宏观引导，在关联主体间发挥粘合作用，可以有效弥补市场配置失灵、科学处理公共产品外部性问题等[17]，一定程度上弱化体制机制壁垒和地方保护主义，通过促进省际间良性互馈来实现整体效益最大化。据此，本文提出假设1：在新型城镇化发展过程中，地域单元间空间关联增强并呈现网络结构形态。

1.2 新型城镇化空间关联网络对土地利用生态效率影响机理

新型城镇化空间关联网络对土地利用生态效率影响机制的本质是网络成员在城镇化发展空间关联过程中实现综合效益最大化和环境污染最小化，使土地资源配置绩效优于单个个体体系内部的实现水平，这是网络外部性的典型表征。相较于“中心地理论”强调的相对位置和地理距离，网络外部性更加强调节点的地位和角色[18]。由于新型城镇化空间关联网络中的不同节点存在地位优势差异，网络成员受到的外部性作用有所不同（图2）。一般而言，节点在网络中是否承担“主导者”“接近者”“中介者”等关键角色，可采用节点中心度予以衡量，具体包括度数中心度、接近中心度和中介中心度。从度数中心度来看，度数中心度高值节点是网络结构中的核心主导者。这类节点广泛参与要素交换、治理合作等过程，从而获取优质要素、拓展产业链条、提升创新能力、改善环境质量等，最终实现土地绿色高效利用。从接近中心度来看，接近中心度高值节点与其他网络节点形成高效的连接通路，弱化市场壁垒并缩小规制差异，缓解信息不对称风险和传输性损耗，提升土地利用期望产出并降低土地利用负外部性。从中介中心度来看，中介者是网络结构中的要素集散中心和信息沟通窗口，有机会在要素集散过程中充分汲取自身发展所需要素。同时，中介城市可以承接多元利益主体并促成合作行为，通过参与环境共治降低环境污染。此外，受其地理区位、经济基础、发展阶段等因素的综合影响，节点角色地位对土地利用生态效率的影响作用会呈现异质性特征。据此，本文提出假设2：在新型城镇化空间关联网络中，网络成员的节点中心度对土地利用生态效率具有正向影响。

图2 新型城镇化空间关联网络特征对土地利用生态效率影响机理Fig.2 Mechanism of new-type urbanization network characteristics affecting land use eco-efficiency

2 研究方法与数据来源

2.1 研究方法

2.1.1 新型城镇化综合评价模型

本文依据极差标准化原则对指标原始数据进行处理，采用熵值法确定指标权重，最后通过线性加权法测算各省新型城镇化水平。计算方法如下：

式（1）中：X'ij为第i个省份第j项评价指标标准化数值；wj为第j项评价指标权重；Ui为第i个省份的新型城镇化水平。

2.1.2 非期望产出超效率SBM模型

非期望产出超效率SBM 模型是效率评价研究中的常用方法之一。该模型不仅可以综合考察非期望产出，同时可以将所有有效单元进行细致区分[19]。本文采用该方法评价土地利用生态效率，计算方法可参考文献［19］。

2.1.3 修正的引力模型

本文采用引力模型构建新型城镇化空间关联关系，引入人均GDP以综合衡量经济距离和地理距离对关联关系的影响，并以某省新型城镇化水平占一对关联省份新型城镇化水平之和的比重作为调节因子以修正引力系数[20]。计算方法具体如下：

式（2）中：Rij为省份i和省份j之间的新型城镇化空间关联程度；Dij为省份j和省份j之间的地理空间距离；U、g分别为各省的新型城镇化水平和人均GDP；kij为调节因子，表示省份i在省份i和省份j的新型城镇化空间关联中的贡献度。以各省新型城镇化空间关联矩阵为基础，本文采取“均数原则法”对矩阵进行二值化处理[20]，最终得到新型城镇化空间关联矩阵。

2.1.4 社会网络分析模型

新型城镇化高质量发展不仅关注个体水平提升，同时强调区域分工合作和协调发展。空间经济学的发展突破了以行为主体及其单一属性为核心变量的分析范式，可以科学解析不同地域单元之间的空间交互作用[21]。其中，社会网络分析模型即为揭示研究单元间关联关系及其溢出效应的有效工具。具体而言，该模型是采用图论工具和代数模型探索空间关联结构的跨学科分析方法[22]，可定量剖析节点间关联路径并识别节点角色。本文采用社会网络分析模型揭示新型城镇化空间关联网络整体网络特征和个体网络特征。

（1）整体网络特征。整体网络特征具体包括网络密度、网络关联度、网络等级度和网络效率[23]。其中，网络密度衡量各单元新型城镇化空间关联关系的紧密程度；网络关联度衡量网络成员之间直接或间接可达的程度；网络等级度衡量节点非对称性可达的程度；网络效率衡量网络中关联路径的冗余程度。上述网络特征指标的计算方法具体如下：

式（3）—式（6）中：D、C、H、E分别为网络密度、网络关联度、网络等级度和网络效率；N为空间关联网络中成员数量；L为成员间实际关联关系数量；V为网络中不可达成员对数量；K为网络中对称可达成员对数量；M为网络中多余线条数量。

（2）个体网络特征。个体网络特征具体包括度数中心度、接近中心度和中介中心度[24]。其中，度数中心度用以测算网络中特定个体与其他个体直接连接的路径数量；接近中心度用以刻画特定成员与其他成员构建的捷径距离之和；中介中心度可以衡量特定成员在网络结构中的“桥梁”作用。上述中心度指标的计算方法具体如下：

式（7）—式（9）中：DC、CC和BC依次为度数中心度、接近中心度和中介中心度；n为网络中与某成员存在关联的成员数量；dij为省份i和省份j之间捷径距离；gjk为省份i和省份k之间的捷径数量，gjk（i）为省份i和省份k之间经过省份i的捷径数量；bjk（i）为省份i位于省份i和省份k之间捷径上的概率，j≠k≠i且j＜k。

2.1.5 面板回归模型

为了探究新型城镇化空间关联网络特征对土地利用生态效率的影响，本文选取土地利用生态效率作为被解释变量，节点中心度观测值为核心解释变量。模型具体如下：

式（10）中：LUEit为土地利用生态效率；Xit为节点中心度观测值，即度数中心度、接近中心度和中介中心度；GOVEit、TECHit、OPENit、INFOit和ENERit为控制变量，分别表示政府干预程度、技术进步程度、对外开放水平、信息化水平和能源消费结构；α和β分别为核心解释变量和控制变量的估计系数；γi为影响一省土地利用生态效率的个体固定效应；ρt为时间固定效应；εit为误差项。

2.2 变量选取

2.2.1 新型城镇化评价指标体系

参考现有研究[25-27]，本文认为需着重考察人口城镇化、空间城镇化、经济城镇化、社会城镇化等核心演化环节，这不仅是农业人口向城镇聚集、生产生活方式由农耕文明转向工业文明这一过程的宏观表征，同时是引发土地供需结构改变、驱动土地资源空间再配置、推进土地利用模式及其效率演进的重要因素。其中，人口城镇化衡量农村人口向城镇地区转移就业的集聚程度；空间城镇化刻画城镇地区扩张开发规模与集约利用水平；经济城镇化反映整体区域经济和居民生活水平；社会城镇化则强调基础设施建设和公共服务保障（表1）。

表1 新型城镇化评价指标体系Tab.1 Evaluation index system of new-type urbanization

2.2.2 土地利用生态效率评价指标体系

土地利用生态效率是在一定技术条件下，土地、资本、劳动、能源等要素投入与经济、社会、生态环境等效益产出在地理空间上的综合映射[28]。本文基于要素投入、期望产出和非期望产出三个维度构建土地利用生态效率评价指标体系（表2）。其中，要素投入是指开展土地利用活动所需的资源配置；期望产出反映土地利用所产生的经济—社会—生态综合效益；非期望产出是指土地利用过程中产生的“副产品”。本文选取地均工业污染物的排放量、大气污染物PM2.5、温室气体CO2等重要污染物来衡量非期望产出。其中，地均工业污染物的排放量采用地均工业废水排放量、地均工业二氧化硫排放量、地均工业烟尘排放量和地均工业固体废弃物产生量的熵值加权总和予以表征[29]。

表2 土地利用生态效率评价指标体系Tab.2 Evaluation index system of land use eco-efficiency

2.2.3 控制变量

参考相关研究[30-31]，本文选取政府干预程度、技术进步程度、对外开放水平、信息化水平和能源消费结构作为控制变量，分别采用地方财政支出占GDP比重、科技支出占GDP 比重、进出口总额占GDP 比重、国际互联网用户数和煤炭消费占比予以表征。

2.3 数据来源

由于西藏、香港、澳门及台湾数据缺失，本文选取中国30 个省级行政区为研究单元，研究时段为2000—2020年。本文所用社会经济统计数据均来源于2001—2021年《中国统计年鉴》、《中国城市统计年鉴》、《中国环境统计年鉴》及EPS数据平台等，部分缺失数据采用趋势外推或插值法近似获取。PM2.5数据获取自美国马里兰大学李占清教授团队结合地基观测、大气再分析和排放清单等大数据生产得到2000—2021年中国无缝隙地面PM2.5数据集[32]，碳排放数据来源于China Emission Accounts and Datasets（CEADs）数据库中的省级尺度二氧化碳核算数据。

3 研究结果与分析

3.1 新型城镇化与土地利用生态效率空间格局特征

3.1.1 新型城镇化空间格局特征

2000—2020年，中国新型城镇化水平整体呈现增长趋势，空间分布由“点—带”分布转为 “T”型格局（图3）。2000年，北京和上海率先成为核心增长极。同时，东北地区工业基础雄厚，珠三角地区开放程度较高，重庆占据枢纽位置，其新型城镇化均发展较快。2010年，辽宁半岛、京津地区、长三角地区和珠三角地区新型城镇化稳步推进，中西部地区新型城镇化的总体水平也有所提升。2020年，以东部沿海为横轴、长江经济带为纵轴的新型城镇化高水平轴带逐渐形成，但其中安徽和江西两省深居腹地、人口流动性强，其新型城镇化水平尚存在提升空间。

图3 中国新型城镇化空间格局Fig.3 The spatial pattern of new-type urbanization in China

3.1.2 土地利用生态效率空间格局特征

2000—2020年，中国土地利用生态效率整体呈现增长趋势，空间分布由“大分散、小集聚”转为“东高西低”（图4）。2000年，北京、天津、上海、广东、海南等东部省份的土地利用生态效率为高水平，其余省份均处于低水平和较低水平。2010年，东部沿海地区产业向中高端价值链攀升有效增加了土地利用效益产出并缓解了环境负担，但中西部地区的土地利用生态效率未见明显提升。2020年，以长三角地区为核心向长江经济带中游和黄淮海地区辐射。中部地区和西部地区的土地利用生态效率呈现梯次递减特征，有待进一步改善。

3.2 新型城镇化空间关联网络形态与特征

3.2.1 新型城镇化空间关联网络形态

由图5可知，我国新型城镇化空间关联关系呈现明显的网络结构，说明各省新型城镇化交互已突破传统的地理空间限制，不再局限于对其邻近单元产生溢出效应，假设1得证。2000年，北京、天津和上海在新型城镇化关联网络中处于核心位置，浙江和广东均与周边省份关联较多。2010年，江苏和浙江依托长三角集聚优势成长为次级核心，广东、重庆和内蒙古分散占据各局域内重要位置。京津冀地区和长三角地区的城镇化空间交互愈加频繁，而东北、西北和西南地区省际间的城镇化交流相对迟滞，新型城镇化空间关联网络呈现“东密西疏”的非均衡特征。2020年，江苏在空间关联网络中的地位逐步显现，山东、福建和广东各自连接周边省份，推动东部地区形成多级核心交织分布的网络格局。同时，重庆和甘肃分别成为西南地区和西北地区的重要门户，但东北地区和西部地区的部分省份仍处于网络边缘位置，新型城镇化空间关联网络的非均衡特征有待改善。

图5 中国新型城镇化空间关联网络Fig.5 The spatial correlation network of new-type urbanization in China

3.2.2 整体网络特征分析

总体来看，中国新型城镇化空间关联网络的网络关联度保持不变，网络关系数和网络密度先上升后维持稳定，网络等级度和网络效率则逐渐下降（图6）。具体而言，网络关联度始终为1，说明网络中不存在“孤岛节点”。2000—2012年，网络关系数和网络密度分别由127升至195、由0.146 0升至0.224 0；2013—2020年，网络关系数和网络密度分别稳定于190 和0.220 0 左右。这说明，省域间新型城镇化的空间联系日益活跃，逐渐形成互联互通的空间关联网络。但是，网络关系数和网络密度均值分别为168.285 7 和0.193 5，与最大可能关系总数（870）和最高网络密度（1）差距较大，说明各省应继续加强新型城镇化合作交流和协同建设，提升新型城镇化空间关联关系的稠密度和紧凑性。此外，网络等级度由0.768 9大幅降至0.066 7，说明新型城镇化空间关联网络由秩序分明的层级结构向对称可达的扁平结构转型发展。同时，网络效率由0.807 9 小幅降至0.709 4，说明新型城镇化空间关联关系及其冗余路径有所增加。但是，网络效率始终维持在较高水平，这意味着省域间关联路径仍较为单一，网络联通程度和稳定程度均有待提升。

图6 中国新型城镇化空间关联网络整体网络特征Fig.6 Overall network characteristics of spatial correlation network of new-type urbanization in China

3.2.3 节点中心度特征分析

为上述整体网络特征分析仅可描述新型城镇化空间关联网络的整体特征，无法反映各省在网络结构中的角色属性。因此，本文进一步测算节点中心度以衡量各单元在空间关联网络中的地位和作用。

如图7所示，从度数中心度来看，度数中心度总体有所提升。2000年，北京、天津和上海度数中心度远高于其他省份，江苏、浙江、广东等省份度数中心度较高，说明其对周边省份城镇化建设具有一定外溢作用。此时，黑龙江、河南、湖北、四川、贵州、云南等省份度数中心度较低，属于边缘行动者。随着新型城镇化建设持续推进，江苏、浙江、河北、山西、山东等省份的度数中心度均有所提升，这些省份一定程度上分散了京津沪的绝对影响力。此外，重庆的主导地位逐渐显现，黑龙江、四川、贵州、云南等偏远省份的网络地位均有所改善，但新疆的度数中心度始终相对较低。

图7 中国新型城镇化空间关联网络中心度特征Fig.7 Centrality characteristics of spatial correlation network of new-type urbanization in China

从接近中心度来看，多数省份接近中心度均有所提升。2000年，北京、天津和上海为第一梯队，河北、山西、内蒙古、江苏、浙江、安徽和山东为第二梯队，第二梯队省份围绕第一梯队省份形成外围圈层，可以有效强化优势集聚区的辐射效应并延伸其溢出通道。但是，其他省份接近中心度水平相对较低。在新型城镇化发展过程中，除第一梯队省份保持较高接近中心度外，第二梯队省份接近中心度均有所提升，中西部地区多数省份的接近中心度均有不同程度提高。但是，新疆的接近中心度水平较低且难以提升，这一特征与度数中心度较为一致。

从中介中心度来看，多数省份中介中心度水平较低。2000—2020年，北京、天津和上海的中介中心度较高但后期有所下降，江苏、福建、山东、河南、湖北等省份中介中心度逐渐提升，说明中部地区和东部地区的枢纽省份有所增加。与中东部地区相比，西部省份的中介中心度相对较低。其中，重庆的中介作用最为明显，有助打通西部地区与中东部地区融合发展的渠道。其余西部省份中介中心度形成此消彼长之势，逐渐形成多中介散布格局。但是，总体而言，新型城镇化空间关联网络中交流媒介的数量较少且分布不均，一定程度上有碍网络通达度和稳定性提升。

3.3 新型城镇化空间关联网络特征对土地利用生态效率影响分析

3.3.1 节点中心度对土地利用生态效率的影响

在解析中国新型城镇化空间关联网络格局及其特征后，本文进一步探究新型城镇化空间关联网络对土地利用生态效率的影响。从网络节点中心度视角出发，模型（1）—模型（6）分别估计不同的中心度指标对土地利用生态效率的影响（表3）。可见，不管是否引入控制变量，度数中心度、接近中心度和中介中心度对土地利用生态效率提升均产生正向作用，说明新型城镇化空间关联网络有助于推动土地利用绿色高效利用，假设2得证。主导者省份拥有促成区域经济合作和协同治理的话语权和领导力，可以高效地重组生产要素、缓解环境污染、提高综合效益。接近者省份可以借由要素流动、产业转移等途经节约成本、提高效率。中介者具有多元化的要素获取途径和配置选择，同时推动搭建环境协同治理机制和平台，在区域环境治理中保障自身利益并提高治理绩效。

3.3.2 其他因素对土地利用生态效率的影响

结果（表3）显示，技术进步程度、对外开放水平、信息化水平对土地利用生态效率提升具有正向影响，政府干预程度和能源消费结构则产生负向影响。具体来看，当地方政府面临较大财政支出压力，足量低价出让工业用地可以快速补充财政收入，但易于造成土地资源错配并伴生大量环境污染。这一结果与姬志恒等[33]的研究结论具有一致性。技术创新可以通过提高单位土地经济密度和优化利用模式，对外开放加深有助于吸引经济要素、扩大市场规模，信息化发展提升了市场对称性并节约经济活动成本，均有助于促进土地利用生态效率提升。而传统能源消费虽带来一定经济产出，但有违环境可持续发展理念、加剧社会经济和生态子系统冲突，对土地利用生态效率产生负向作用。

3.3.3 稳健性检验

本文采取三种方式进行稳健性检验（表4）。第一，被解释变量再估计。在规模报酬不变的假设条件下，本文对土地利用生态效率再次进行估计。第二，被解释变量滞后一期。考虑到土地利用生态效率可能具有累积惯性，因此，本文将上一期的土地利用生态效率作为解释变量纳入基准模型重新进行回归。第三，剔除部分样本。直辖市通常凭借其区位优势、政策优惠、市场环境等条件吸引大量要素流入，从而产生集聚效应。因此，本文剔除了直辖市样本重新进行回归。结果显示，核心解释变量的符号和显著性均未发生明显变化，表明实证结果具有稳健性。

表4 稳健性检验结果Tab.4 Robustness test results

3.3.4 异质性分析

本文将所有研究单元划分为东部地区、中部地区和西部地区，进一步检验新型城镇化空间关联网络影响的异质性规律（表5）。结果显示，度数中心度和接近中心度的作用在东部地区最为突出，中介中心度的作用在中部地区更为明显。这可能是由于东部地区控制着要素整合配置和中高端产业活动发展，能够借此获取更多的效益倾斜。同时，东部地区通过形成多途径、宽领域的区域治理来有效降低污染，充分发挥网络结构的正外部性。中部地区多数省份位于全国交通运输体系的枢纽位置，是联系西部地区和东部地区的重要通道。因此，该地区的中介者拥有更为丰富的要素来源和合作渠道，其地位有助于自身土地资源配置效率的提升。

表5 不同地域异质性回归结果Tab.5 Heterogeneous regression results of different regions

4 结论与讨论

4.1 结论

本文基于2000—2020年中国30个省份的面板数据，采用修正的引力模型构建新型城镇化空间关联网络并借助社会网络分析模型刻画网络特征，进而运用面板回归模型从节点中心度视角分析新型城镇化空间关联网络对土地利用生态效率的影响，主要研究结论如下：

（1）2000—2020年，中国新型城镇化和土地利用生态效率整体呈现增长趋势。新型城镇化空间分布由“点—带”分布转为“T”型格局，土地利用生态效率空间分布由“大分散、小集聚”转为“东高西低”格局。

（2）中国新型城镇化空间关联关系呈现“东密西疏”的网络结构，网络关系数和网络密度先上升后维持稳定，网络等级度和网络效率逐渐下降。北京、天津、上海等省份具有较高中心度，中西部多数省份中心度有所提高，新疆中心度始终处于较低水平。

（3）从新型城镇化空间关联网络特征对土地利用生态效率的影响来看，度数中心度、接近中心度和中介中心度提升对改善土地利用生态效率均具有显著正向影响。度数中心度和接近中心度的作用在东部地区最为突出，中介中心度的作用在中部地区更为明显。

4.2 建议

第一，以网络化思维促进新型城镇化协同发展。各地政府应该着力打造公平高效的要素市场化配置环境，引导经济要素快速流动和高效匹配，避免同质竞争并加强良性合作。此外，各地政府应该协商制定城镇化建设规划和资源管理体制机制，统筹协调本位作用和溢出作用，通过系统性思维和全局化视野促成联动发展格局。

第二，依托新型城镇化建设加强土地优化配置。一方面，充分利用网络机制改善土地要素与流动要素的配置关系，通过省域间分工协作和优势互补提升土地利用综合效益。另一方面，建立健全治理主体成本共担、利益共享机制，积极构建多中心、多层级的区域协同治理机制以应对复杂多变的环境问题。

第三，因地制宜发挥比较优势促进区域协调发展。东部地区应充分利用中心行动者地位辐射带动其他单元协同发展。中部地区应依托枢纽位置优化资源配置，同时与西部省份构建点对点合作以引导其深度参与要素交换、治理联动等。西部地区应依据自身特色谋求发展新路，在资源环境承载限度内提升土地利用效率。

4.3 讨论

本文阐释了新型城镇化空间关联网络形成机理，借助“关系数据”刻画新型城镇化空间关联网络结构，描述地域单元间交互关系及变化趋势，进一步拓宽城镇化空间关联规律的研究视域，为揭示城镇化网络化演进趋势提供了实证补充。在这一基础上，本文从网络外部性视角分析新型城镇化对土地利用生态效率的影响作用，提供了一种将复杂网络分析方法与计量经济模型有机结合的研究设计思路，将新型城镇化的资源经济效应从地理邻近的本地空间拓展至跨界交互的流动空间，为新型城镇化健康发展和土地可持续利用在网络参与中走向共赢提供科学指导。

尽管如此，本文仍存在一些局限之处；由于新型城镇化内涵与评价尚未形成一致共识，本文仅依据人口城镇化、空间城镇化、经济城镇化和社会城镇化发展现状构建新型城镇化空间关联网络，未能涉及科技创新、城乡统筹等多维过程。同时，囿于数据可得性制约，本文尚未揭示不同尺度下新型城镇化空间关联网络特征及其对土地利用生态效率的影响路径。未来研究将进一步细化研究尺度，以期为更加精细化、差异化的新型城镇化协同发展策略和土地生态化利用实践提供依据。