EN中文

经济地理 >

2024 , Vol. 44 >Issue 3: 66 - 75

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.03.007

区域经济与理论方法

借用规模视角下中国城市收缩时空特征及其空间溢出效应

  • 陈姝兴 , 1 ,
  • 丁登龙 2 ,
  • 吴康 , 3, ※
展开
  • 1.西南财经大学 经济学院，中国四川 成都 611130
  • 2.西南财经大学 经济与管理研究院，中国四川 成都 611130
  • 3.首都经济贸易大学 城市经济与公共管理学院，中国 北京 100070
※吴康（1984—），男，博士，教授，博士生导师，研究方向为城市经济与空间规划治理、城市大数据分析与模拟。E-mail：

陈姝兴（1991—），女，博士，副教授，硕士生导师，研究方向为空间政治经济学、区域经济学。E-mail：

收稿日期: 2023-03-10

  修回日期: 2023-10-30

  网络出版日期: 2024-09-12

基金资助

国家自然科学基金面上项目(42171216)

教育部人文社会科学规划基金项目(19YJA790092)

收起

Spatiotemporal Characteristics and Spatial Spillover Effects of Urban Shrinkage in China： Based on the Perspective of Borrowed Size

  • CHEN Shuxing , 1 ,
  • DING Denglong 2 ,
  • WU Kang , 3, ※
Expand
  • 1. School of Economics，Southwestern University of Finance and Economics，Chengdu 611130，Sichuan，China
  • 2. Research Institute of Economics and Management，Southwestern University of Finance and Economics，Chengdu 611130，Sichuan，China
  • 3. School of Urban Economics and Public Administration，Capital University of Economics and Business，Beijing 100070，China

Received date: 2023-03-10

  Revised date: 2023-10-30

  Online published: 2024-09-12

Fold

摘要

近年来中国城市收缩现象日益突出，客观准确识别城市收缩现象并探究其影响因素，对于新型城镇化建设具有重要意义。文章以2011—2018年中国286个地级及以上城市为研究对象，通过构建城市收缩指数测度指标体系，从功能规模借用和绩效规模借用的视角，对城市面板数据采用双固定效应模型、空间杜宾模型和面板门限模型等方法，实证检验了城市收缩的影响因素。研究发现：①中国城市在时间维度和空间维度上都出现增长与收缩并存现象，不同类型收缩城市数量、收缩程度和区域分布都存在显著差异。②功能规模借用和绩效规模借用2种效应在城市群和非城市群中均表现出异质性，并存在“空间溢出效应”现象。功能层面以规模借用形式存在，在全国范围内效应都显著；绩效层面则以集聚阴影形式存在，在非城市群中效应不显著。③借用规模因城市规模不同对城市收缩呈现非线性影响，功能规模借用水平表现为大城市>小城市>中型城市，而在绩效层面中小城市表现为集聚阴影，大城市则表现为绩效规模借用。

关键词： 城市收缩; 借用规模; 城市群; 功能规模借用; 绩效规模借用; 集聚阴影

本文引用格式

陈姝兴 , 丁登龙 , 吴康 . 借用规模视角下中国城市收缩时空特征及其空间溢出效应[J]. 经济地理, 2024 , 44(3) : 66 -75 . DOI: 10.15957/j.cnki.jjdl.2024.03.007

Abstract

In recent years,the phenomenon of urban shrinkage has become increasingly prominent in China. It is of great significance to objectively and accurately identify the phenomenon of urban shrinkage and explore its influencing factors for the construction of new urbanization. This study meticulously examines this phenomenon by focusing on 286 prefecture-level cities of China from 2011 to 2018. It constructs comprehensive evaluation system of urban shrinkage,empirically tests the impact factors of urban shrinkage using the methods of the two-way fixed effects model,spatial Durbin model,and panel threshold model from the perspective of borrowed size. It's found that: 1) Chinese cities which exhibit a unique duality shrink and grow simultaneously within the same geographical confines. Moreover,shrinking cities are not a homogeneous group,it exhibits significant disparities in terms of their numbers,shrinkage degree,and regional distribution. 2) The borrowed function effect and the borrowed performance effect both show heterogeneity in urban agglomerations and non-urban agglomerations,and there is a phenomenon of "spatial spillover effect". The functional level exists in the form of scale borrowing,and the effect is significant throughout the country. The performance level exists in the form of agglomeration shadow,and the effect is not significant in non-urban agglomerations. 3) Borrowed size has a non-linear effect on urban shrinkage due to different city sizes. The order of functional scale borrowing level from high to low is big-sized cities,small-sized cities,medium-sized cities. Small and medium-sized cities show agglomeration shadow,while big-sized cities show performance scale borrowing at the performance level.

Key words： urban shrinkage; borrowed size; urban agglomeration; borrowed-function size; borrowed-performance size; agglomeration shadow

城市作为经济社会活动的重要载体，其发展状态总是呈现出增长与衰退的轮替模式。尽管城市增长是当今世界的主要趋势，但以人口减少和产业衰败等特征为主的收缩型城市却在全球范围内蔓延开来。城市收缩问题正成为“常态”受到广泛关注，有研究指出中国收缩城市数量在几十个到上百个不等，并以中小城市为主[1-3]。为了应对已经出现的城市收缩问题，国家发改委在2019和2020年发布的《2019年新型城镇化重点建设任务》和《2020年新型城镇化建设和城乡融合发展重点任务》中都提到中国需要重视收缩型城市，并做出相应的政策调整。因此，全面理解中国收缩城市现状、探究城市收缩原因，成为助力城市发展应有之义。
目前，学者大多从人口、经济、社会和空间等维度来界定城市收缩[4-7]。然而，如果直接将国外的衡量标准应用于判定中国城市的收缩，其测度结果可能并不准确。首先，城市收缩应表示综合概念，表示城市人口流失、经济发展停滞或衰退、社会活动减少或萧条，部分单一指标并不能很好涵盖城市收缩内涵。其次，中国城市发展在空间上呈现出刚性特征，从空间角度定义城市收缩可能并不适合。最后，由于中国城市化进程相较西方国家晚，城市收缩进程较短，从长时间段研究可能并不符合中国城市收缩的实际情况，中等时间尺度和较短时间尺度的研究则可能更加贴合实际[8]。
在分析城市收缩的影响因素时，当前的研究主要集中在城市自身的特征，往往忽视了城市间的交互作用[9]。借用规模作为一种能有效衡量城市交互效应的概念[10-11]，其核心内容是认为不同城市间相互联系、相互影响的要素构成一个复杂系统，一个城市的经济活动和规模会对另外城市的经济活动和规模造成影响。借用规模在理论上对城市收缩具有显著影响[12]，但目前缺乏相应的实证研究。另外，借用规模在城市群和非城市群中的表现也有所不同[13-15]。在推动城市群和都市圈建设的政策背景下，深入研究借用规模对城市群收缩的影响成为一个值得关注的问题。
为此，本文利用2011—2018年中国286个地级及以上城市的面板数据，对中国城市收缩的现状进行测度，并探讨借用规模对城市收缩的影响。不同于仅从人口角度评估城市收缩的多数研究，本文将构建综合指标评价体系，对中国收缩城市现状进行评估，更为科学地突显城市收缩过程的综合性与动态性特征；基于城市网络外部性的借用规模视角，实证检验借用规模对城市收缩影响，这在目前文献中鲜有涉及。

1 文献综述及研究假说

1.1 文献综述

“城市收缩”最早用来描述城市长期人口减少和经济结构性危机等现象[16]。狭义上，城市收缩仅指城市人口规模的缩减，而在广义上则包括人口流失、经济停滞和社会萧条等现象，其核心特征为人口规模的下降[17-18]。目前，国内外未有统一衡量城市收缩的标准，学界也大体分为以单一人口规模缩减[6,19]和人口、经济、环境及文化的衰退综合指标[3,20-21]界定收缩城市。实际上，仅考虑人口缩减，则称为城市人口收缩更为恰当，但城市收缩本身概念的提出是基于多维度考量，研究县域、乡镇尺度时囿于数据可得性单以人口减少衡量具有合理性[1]，但地级及以上城市层面则应尝试构建综合指标以反映城市收缩的丰富内涵。
关于城市收缩的影响因素，因学界研究视点和对象的不同，得出的结论也各异。研究主要围绕“城市生命周期”“经济周期论”“城镇化阶段论”“新马克思主义城市论”等概念模型展开[2,18]。影响因素可概括为：后社会主义国家转型[22]、郊区化和城市蔓延[23]、人口结构变化和人口流动[24]、全球化与制造业转移[25]等。具体到中国城市收缩的研究，国内学者大多从新经济地理学中的“中心—外围”理论出发，认为中心城市的虹吸效应、产业结构转型中就业岗位的流失，外加政府干预、人口老龄化趋势是造成城市收缩的主要原因[26-27]。目前中国的收缩城市主要集中于中小城市[1,8]，这是由于中小城市自身禀赋不足，单一的产业结构不仅难以形成集聚效应，同时也易被特大城市、都市圈和城市群不断吸收人口，因此中小城市的收缩似乎难以避免。
随着城市网络分析的范式日益得到学界的关注，Wu等通过研究覆盖中国大陆城市的投资联系数据，评估了失去外部投资可能加剧城市收缩，将传统关注城市增长与收缩的“规模集聚”视角拓展至“网络关联”视角[28]。这意味着不仅应关注城市自身特征，还应认识到中小城市在城市群中的主动作用。作为解释集聚经济地理基础的理论机制，陆军等在理论层面阐述了“借用规模”是未来都市圈和城市群区域一体化的重要机制，对城市规模发展具有重要影响[12]。根据《光明日报》发布的《2022年中国中小城市高质量发展指数研究成果》，昆山市、江阴市和张家港市在2022年的综合实力百强县市中位列前三。其中，张家港市2022年经济总量已超过3300亿元，而江阴市和昆山市的经济总量更是超过4500亿元，这与西部地区部分省会城市的经济总量相当。此外，根据第六次和第七次全国人口普查数据，这3个城市的常住人口在10年间增长了18.21%，远超全国同期的5.38%。这些中小城市在经济和人口上的显著成绩，得益于长三角城市群区域网络的日益紧密。上海大都市圈的周边小城市，一方面能规模借用中心城市上海的公共基础设施，另一方面也从产业规模和市场多样性的绩效规模借用中受益[12]。因此“借用规模”这一表征城市网络关系的指标及其在城市收缩因果推断中的应用价值值得进一步关注。

1.2 研究假说

“借用规模”这一概念最早由Alonso提出，意为地理靠近大城市的小城市，不仅拥有低拥挤、低地租的优势，还能享用大城市更专业化的服务与更大市场优势[13]。Meijers等进一步将借用规模划分为涉及公共服务的功能规模借用和涉及经济表现的绩效规模借用[29]。当目标城市为产生关联的城市提供因其规模限制无法形成的功能时，目标城市可以一方面享受高等级的功能，另一方面也可以避免自身规模过大的负外部性[29-30]。但是，小城市在靠近大城市的同时享受着超出其自身规模的优势，也会受到大城市的虹吸效应和“空间掠夺”，即在功能和绩效层面加剧城市收缩。这种现象被克鲁格曼称为“集聚阴影”，与借用规模概念相对立[31]。借用规模的作用机制源于城市间的互动，随着互动形式的扩展，不再局限于地理边界，相邻城市和非相邻城市都可以实现彼此的功能联系，从而通过借用规模实现集聚效应[32]。基于此，本文提出假说1：
假说1：借用规模和集聚阴影会对城市收缩产生影响，借用规模能够抑制城市收缩，而集聚阴影则会促进城市收缩，功能规模借用和绩效规模借用对城市收缩的影响程度有所不同。
Alonso继续指出，超大城市群内的小城市相比非城市群的小城市集聚利益表现更好，城市群更为频繁的互动有利于促进小城市向大城市借用规模[13]。城市群不同城市之间的互补和协同，将城市群中各城市的优势资源相互借用和整合，其中规模借用可以通过城市群间的物流、服务、资本流动和人才交换等方式来实现。但城市群中城市间的紧密联系又会加剧大城市的虹吸效应，中小城市的人才、产业和消费的流失也会损害自身的发展基础[33]，非城市群中远离大城市的中小城市则可以避免在绩效上集聚阴影影响。此外非城市群城市同样也可借助其他城市功能，提高城市在特定功能领域的效率和质量，比如医疗卫生、教育培训和旅游服务等。由于竞争与协作效应，目标城市的借用规模大小也会受到周围城市借用规模的范围与联系强度影响，换句话说，目标城市借用某城市规模会受到其他城市借用此城市规模的影响，进一步可分为直接借用规模和间接借用规模。
此外，大城市同样可以向小城市借用规模[34]。有学者认为，大城市因主要追求经济增长向小城市借用功能，小城市则借用大城市绩效[35]。然而，考虑到大城市本身拥有更多的公共服务设施，也有学者认为，实际上是小城市在借用大城市的功能[36]。同时，借用规模也需要建立在一定城市规模之上，城市规模过小、产业单一则难以借用绩效，如果城市规模相近，城市间合作互补可能性越高，借用规模发生可能性也越高[35]。在对功能规模借用的理解上，学者们的观点较为一致，而绩效层面则可以理解为中小城市既发生了借用规模效应，也存在集聚阴影，只是由于二者强度不同，最终表现为一种特征[10,33]。基于此，本文提出假说2和假说3：
假说2：在城市群和非城市群中，功能规模借用和绩效规模借用的表现形式和程度各不相同。同时借用规模存在“空间溢出效应”现象，在城市群中，“空间溢出效应”现象更为显著。
假说3：对于大城市，借用规模效应存在使得大城市发展更好；对中小城市，功能规模借用效应可减缓城市收缩，绩效层面的集聚阴影则会加剧城市收缩。
为了验证以上假设，本文选取全国286个地级及以上城市作为研究样本，并将样本进一步分为城市群和非城市群进行研究①。具体做法和步骤是：首先借助多指标综合测度法对中国城市收缩现状进行简要识别，然后重点从功能规模借用和绩效规模借用的视角分析中国城市收缩背后的影响机制。

2 研究数据与研究设计

2.1 数据来源

本文以2011—2018年中国286个地级及以上城市市辖区为研究对象，不包括港澳台及西藏地区。夜间灯光数据来源于美国国家地球物理数据中心，其余数据主要来自《中国城市统计年鉴》《中国城市建设统计年鉴》以及各省（区、市）国民经济和社会发展统计公报。

2.2 城市收缩指数测度

本文采用AHP—熵值法得到城市收缩评价指标体系的准则层和指标层的权重（表1）。其中，准则层的权重参考张帅等[8]获得，指标层权重由熵值法计算获得。城市人口收缩被视为城市收缩主要标志，城区常住人口和单位从业人员分别能表示城市的总人口和劳动力的变化；城市经济收缩也是城市收缩重要的方面，人均GDP和人均公共财政收入可以分别反映城市的经济发展水平及经济效应；城市社会收缩也被看作是城市收缩的重要补充方面，其中人均住房居住面积可反映城市人居环境，社会零售总额则能侧面反映社会活动状况，代表了社会服务功能强度。城市收缩相应指数计算公式如下：
S c = ∑ i = 1 n X i W i
U S = ∑ j = 1 m S c j W j
P = U S t 2 - U S t 1 U S t 1
式中：Sc表示城市人口、经济和社会维度的收缩指数；Xi表示指标层量化值；Wi表示指标层权重；n表示指标个数；US为城市收缩指数；Wj表示准则层权重；m表示准则层个数；P为城市收缩度，正值代表城市增长，负值代表城市收缩，其绝对值大小表示增长和收缩程度大小；USt1和USt2表示时间节点为t1和t1的城市收缩指数。人口收缩、经济收缩和社会收缩以各自的收缩指数同式（3）计算。
表1 城市收缩指数测度指标体系及权重系数

Tab.1 Evaluation index system and weighting coefficients of urban shrinkage

目标层 准则层 权重 指标层 权重
城市收
缩指数		 人口收缩 0.5 市辖区城区常住人口 0.477
市辖区单位从业人员 0.523
经济收缩 0.3 市辖区人均GDP 0.420
市辖区人均财政收入 0.580
社会收缩 0.2 市辖区人均住房居住面积 0.382
市辖区社会消费品零售总额 0.618
参考刘春阳等[37]、张帅等[8]研究，对城市收缩度P划分区间来衡量城市收缩的严重程度，分别为不收缩或增长（P≥0.00）、轻微收缩（-0.05≤P<0.00）、轻度收缩（-0.10≤P<-0.05）、中度收缩（-0.30≤P<-0.10）和重度收缩（P<-0.30）。城市收缩是一个非偶然并长期存在的现象，单独看某城市某一年指数P值为负就认定城市处于收缩状态并不合理，因此参照董昕等[38]划分标准，认为只要在研究时间范围内城市出现连续两年收缩现象即认定为收缩城市。

2.3 城市收缩与借用规模的回归模型

首先构建借用规模对城市收缩影响的基准回归模型：
U S i t = α i + b t + β 1 B o r i t + β 2 X i t + ε i t
式中：USit表示城市i第t年城市收缩指数；Borit表示借用规模；进一步从功能（Bor_Funit）和绩效（Bor_Perit）2个视角考察，αi和bt分别表示个体固定效应和时间固定效应。在衡量功能规模借用和绩效规模的变量时，参考Camagni等[36]以及姚常成等[14]的研究，分别使用人口规模和经济活动密度作为度量指标。人口规模是劳动分工形成的关键因素，规模较小的城市更多地承担简单的生产型功能。此外，只有在一定的空间范围内拥有适当的经济活动密度，才能实现经济的积聚，以满足城市绩效规模借用的需求。对借用规模测算具体如下：
B o r _ F u n i t = ∑ j n p o p j t W i j , t , ∀ i ≠ j
B o r _ P e r i t = ∑ j n p e r f o r m a n c e j t W i j , t , ∀ i ≠ j
式中：Bor_Funit和Bor_Perit分别表示功能规模借用和绩效规模借用；Wij，t表示城市间的欧式距离；popjt表示城市j第t年人口规模；performancejt表示城市j第t年经济活动密度，借鉴苏红键等[39]方法，用城市全年公共汽车客运总量密度来衡量。选择城市客运总量密度衡量经济活动密度的原因在于：城市客运密度是人们出行需求的一个指标，较高的客运密度通常意味着更多的人员流动，与商业、就业和消费等经济活动直接相关，反映了城市内部经济的活跃度。
Xit表示一系列控制变量。参考了吴康等[2]、姚常成等[14]、张帅等[8]的研究，选择控制变量主要考虑经济、科教、环境、社会建设及保障等多方面因素。具体地，用第二产业增加值占GDP百分比反映产业结构（Ind_str）、第二产业人员占全部城市就业人员百分比反映就业状况（Employment）、教育支出占财政支出比例反映教育投入（Education）、科技支出占财政支出比例反映科技创新（Technology）、城乡居民年末储蓄余额反映投资及消费潜力（Inv_con）、金融机构人民币贷款余额反映金融发展活力（Finance）、在岗职工平均工资反映生活水平（Life）、绿地覆盖面积反映环境质量（Environment）、城市公共汽车客运总量反映交通状况（Traffic）、排水管道长度反映基础设施建设（Infrastructure）、房地产开发投资额反映经济预期（Eco_exp）、医生数反映医疗条件（Medical），作为一系列其他影响城市收缩的控制变量。主要变量的描述性统计表略。
此外，目标城市的借用规模大小不仅影响到自身发展，也可能影响到周边城市发展，为考察借用规模是否存在空间溢出效应，构造空间计量模型如下：
U S i t = α i + b t + β 1 B o r i t + β 2 X i t + ρ W Y j t +                           θ 1 W B o r j t + θ 2 W X j t + μ i t μ i t = γ W μ j t + ε i t
式中：W为空间权重矩阵，本文构造反距离空间权重矩阵和地理相邻空间权重矩阵；wi，j表示城市i和城市j在空间权重的元素，在反距离空间权重矩阵中为城市i和城市j欧式距离倒数，在地理相邻空间权重矩阵中，若城市i和城市j相邻，取值为1，否则为0；ρ、θ、γ为各自对应的空间相关系数。
考虑到城市规模影响，城市群和非城市群中城市收缩和借用规模之间可能表现出非线性关系，基于此，本文进一步构建如下门限模型：
U S i t = α i + b t + β 1 B o r i t · I Q i t ≤ t h r + β 2 B o r i t · I Q i t t h r + β 3 X i t + ε i t
式中：Qit表示i城市t年的城市人口，作为门限变量；thr代表门限值；I（-）为示性函数。

3 结果分析

3.1 中国城市收缩的类型与空间分布

运用多维度综合评价法对中国286个收缩城市的类型、数量和空间分布进行统计，表2为按城市群和非城市群的分级分类统计，表3为不同城市群内收缩城市现状分类统计，图1为中国收缩城市分类分级空间分布。
表2 中国收缩城市分级分类统计

Tab.2 Classification statistics of shrinking cities in China according to the shrink level

类别 城市群（161个城市） 非城市群（125个城市）
重度收缩 中度收缩 轻度收缩 轻微收缩 收缩总数 重度收缩 中度收缩 轻度收缩 轻微收缩 收缩总数
数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%） 数量（个） 比例（%）
综合收缩 0 0.00 1 6.67 1 6.67 13 86.67 15 9.32 0 0.00 2 8.70 6 26.09 15 65.22 23 18.40
人口收缩 0 0.00 3 4.92 17 27.87 41 67.21 61 37.89 0 0.00 5 7.69 19 29.23 41 63.08 65 52.00
经济收缩 1 3.13 16 50.00 10 31.25 5 15.63 32 19.88 1 2.78 17 47.22 12 33.33 6 16.67 36 28.80
社会收缩 2 66.67 0 0.00 0 0.00 1 33.33 3 1.86 0 0.00 0 0.00 1 20.00 4 80.00 5 4.00
表3 中国收缩城市按城市群分类统计

Tab.3 Statistics of China's shrinking cities based on urban agglomerations

城市群 京津冀 长江中游 哈长 成渝 长江三角洲 中原 北部湾 关中平原 呼包鄂榆 兰西 珠江三角洲 合计
数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）		 数量
（个）		 比例
（%）
综合收缩 3 20.00 0 0.00 4 26.67 1 6.67 4 26.67 2 13.33 1 6.67 0 0.00 0 0.00 0 0.00 0 0.00 15 100.00
人口收缩 3 4.92 9 14.75 6 9.84 5 8.20 9 14.75 15 24.59 2 3.28 3 4.92 3 4.92 3 4.92 3 4.92 61 100.00
经济收缩 5 15.63 4 12.50 3 9.38 3 9.38 4 12.5 3 9.40 2 6.25 1 3.13 1 3.13 0 0.00 6 18.75 32 100.00
社会收缩 1 33.33 0 0.00 2 66.67 0 0.00 0 0.00 0 0.00 0 0.00 0 0.00 0 0.00 0 0.00 0 0.00 3 100.00
图1 中国收缩城市分类分级空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2020）4628号的标准地图制作，底图无修改。

Fig.1 Spatial divergence of urban shrinkage in China

对于综合收缩型城市，研究样本期并未出现重度收缩情况，城市群和非城市群中各有1个和2个中度收缩城市，1个和6个轻度收缩城市，13个和15个轻微收缩城市，非城市群中的收缩城市比例（18.40%）高于城市群中的城市比例（9.32%）。空间上看主要分布在黑龙江、吉林、辽宁、河北、云南、内蒙古、浙江、安徽、河南等省份。此外，以人口收缩为核心特征的城市收缩现象也值得关注，整体呈现收缩与增长并存的现状。研究期间，共有126个城市出现了人口收缩现象，城市群和非城市群中的人口收缩城市数量分别达到了61和65个，占比分别为37.89%和52%，中原城市群的人口收缩城市数量最多，共有15个。人口收缩城市以轻微收缩为主，城市群和非城市群中各有41个城市处于轻微收缩状态。从空间分布的角度来看，大部分省份都有不同程度的城市收缩现象，这些城市主要分布在东北、中部和西北地区，仅东三省的收缩城市就有29个。此外，靠近北京和天津的中小城市也呈现出所谓的“灯下黑”集聚阴影现象。
从收缩城市数量和收缩程度方面来看，北方城市的收缩均显著高于南方。根据全国人口普查的“七普”和“六普”数据，东北地区在10年间减少了1101万人，减少比例达11.17%，这间接证实了其城市收缩程度的严重性。进一步地，在对收缩城市进行分类分级统计时发现，越近的年份，人口收缩城市的比例就越高。许多城市连续3年或4年出现人口收缩，乌海、营口等城市更是连续5年出现人口流失。这说明人口收缩城市的数量在增加，且有持续增长的趋势。
综合考虑，中国城市收缩情况最为严重的地区是东北三省，其次是中部地区和西北地区。城市收缩现象在数量上呈现出增长趋势，空间范围也在逐渐扩大。其中，人口收缩以轻微收缩为主，相较于经济收缩和社会收缩，人口收缩展现出更轻微、范围更广和持续性更强的特点。值得注意的是，城市收缩不仅在城市群内部广泛存在，大的城市群周边城市也开始出现收缩现象。

3.2 借用规模对城市收缩的影响

3.2.1 借用规模效应的总体考察

3.2.1.1 基准回归结果

表4~表6分别为全国样本、城市群样本和非城市群样本的回归结果。回归结果显示，功能规模借用的系数显著为正，这表明城市间的功能借用行为普遍存在。非城市群内城市基础设施相对薄弱，更有现实的需要借用周边城市高等级功能。而且，城市规模趋同也能促进借用规模的发生。绩效规模借用系数在全国样本和城市群样本中都显著为负，表现为集聚阴影，说明全国范围内和城市群中绩效规模借用强度弱于集聚阴影，最终在绩效层面加剧城市收缩。而非城市群样本中集聚阴影效应并不显著，可能是非城市群中城市更少的绩效互动和大城市虹吸效应与绩效规模借用效应相抵而导致的整体效应并不显著。以上结果验证了假说1。
表4 全国样本情形下模型估计结果

Tab.4 Model estimation results according to the national sample case

被解释变量：US 模型一 模型二 模型三
Bor_Fun 0.058***（0.013） 0.032**（0.014）
Bor_Per -0.071***（0.021） -0.060***（0.023）
Ind_str 0.019***（0.006） 0.018***（0.006） 0.018***（0.006）
Employment 0.016**（0.007） 0.016**（0.007） 0.016**（0.007）
Education -0.009***（0.003） -0.009***（0.003） -0.009***（0.003）
Technology 0.016**（0.008） 0.013*（0.007） 0.013*（0.007）
Inv_con 0.268***（0.060） 0.280***（0.057） 0.277***（0.058）
Finance 0.104*（0.054） 0.095*（0.049） 0.098*（0.050）
Life 0.041***（0.007） 0.042***（0.007） 0.042***（0.007）
Environment 0.085***（0.032） 0.094***（0.031） 0.094***（0.031）
Traffic 0.090***（0.034） 0.087***（0.033） 0.089***（0.034）
Infrastructure 0.041*（0.022） 0.041*（0.022） 0.041*（0.022）
Eco_exp 0.096***（0.013） 0.095***（0.013） 0.094***（0.013）
Medical -0.064**（0.032） -0.066**（0.032） -0.066**（0.032）
Cons 0.005（0.009） 0.044***（0.010） 0.034**（0.014）

注：括号中的值为稳健标准误；***、**、*分别表示在1%、5%、10%水平上显著；表5~表8同。因考虑到不同因素的横向比较，数据回归前利用极差法预先进行无量纲处理。

表5 城市群样本情形下模型估计结果

Tab.5 Model estimation results according to the sample case of urban agglomerations

被解释变量：US 模型一 模型二 模型三
Bor_Fun 0.041**（0.016） 0.030*（0.017）
Bor_Per -0.094***（0.019） -0.052***（0.013）
Ind_str 0.019**（0.009） 0.018**（0.009） 0.018**（0.009）
Employment 0.017***（0.004） 0.017***（0.004） 0.025***（0.004）
Education -0.004（0.004） -0.004（0.004） -0.004（0.004）
Technology 0.011*（0.006） 0.006（0.006） 0.006（0.006）
Inv_con 0.319***（0.072） 0.341***（0.070） 0.339***（0.070）
Finance 0.152**（0.064） 0.144**（0.056） 0.145**（0.057）
Life 0.045***（0.012） 0.047***（0.012） 0.047***（0.012）
Environment 0.091***（0.019） 0.098***（0.019） 0.098***（0.019）
Traffic 0.091***（0.030） 0.098***（0.028） 0.098***（0.028）
Infrastructure 0.040（0.024） 0.040*（0.023） 0.040*（0.023）
Eco_exp 0.070***（0.020） 0.066***（0.020） 0.066***（0.020）
Medical -0.093***（0.033） -0.093***（0.032） -0.093***（0.032）
Cons 0.003（0.012） 0.052**（0.021） 0.047**（0.023）
表6 非城市群样本情形下模型估计结果

Tab.6 Model estimation results according to the sample case of non-urban agglomerations

被解释变量：US 模型一 模型二 模型三
Bor_Fun 0.080**（0.040） 0.062**（0.029）
Bor_Per -0.034*（0.019） -0.020（0.015）
Ind_str 0.020***（0.005） 0.021***（0.005） 0.020***（0.005）
Employment 0.011**（0.004） 0.012**（0.004） 0.011**（0.004）
Education -0.012***（0.004） -0.011***（0.004） -0.012***（0.004）
Technology 0.017***（0.006） 0.018***（0.006） 0.017***（0.006）
Inv_con 0.136**（0.058） 0.142**（0.058） 0.137**（0.058）
Finance 0.074*（0.040） 0.066*（0.040） 0.073*（0.040）
Life 0.042***（0.006） 0.042***（0.006） 0.042***（0.006）
Environment 0.050**（0.022） 0.056**（0.023） 0.055**（0.023）
Traffic -0.085*（0.049） -0.086*（0.048） -0.084*（0.049）
Infrastructure 0.016（0.021） 0.015（0.021） 0.016（0.021）
Eco_exp 0.098***（0.013） 0.100***（0.014） 0.098***（0.013）
Medical 0.067**（0.033） 0.073**（0.032） 0.066**（0.033）
Cons 0.008（0.007） 0.032***（0.006） 0.018*（0.010）

3.2.1.2 稳健性检验

本文从数据的时间维度和变量替换两方面，即将面板数据的时间维度调整为2011—2017年和采用夜间灯光数据替换被解释变量，对模型结果的稳健性进行检验。从稳健性检验结果可以看出，在2种稳健性检验方法下，核心解释变量Bor_Funit和Bor_Perit在系数正负性和显著性都保持了较好的一致性，说明模型结果比较稳健。

3.2.1.3 边界效应分析

Sohn等人考虑了大城市和小城市边界的集聚阴影效果[40]，本文考虑到城市群和非城市群划分具有明显的区域性，边界效应可能会影响到借用规模水平。为验证可能存在的边界效应，在基准回归模型的基础上，引入借用规模与边界虚拟变量Border的交互项。若城市为城市群和非城市群相边界的城市，则Border值取1，否则为0。
从表7的结果来看，功能规模借用与边界效应交互项系数在城市群和非城市中都不显著，说明边界城市并不会拥有更高的功能规模借用水平。而绩效规模借用与边界效应交互项的系数表明，城市群中靠近非城市群的城市有利于促进绩效规模借用，可能是因为边界城市受到城市群集聚阴影更小，同时也能向非城市群城市实施借用规模行为。非城市群中的边界城市不能更好提升绩效规模借用水平，这表明城市群和非城市群之间可能存在单方面的壁垒，导致非城市群中城市不能更好向城市群中城市借用规模。
表7 城市群与非城市群边界效应考察估计结果

Tab.7 Results of the border effects between urban agglomerations and non-urban agglomerations

被解释变量：US 全国层面 城市群层面 非城市群层面
Bor_Fun 0.020**（0.009） 0.017*（0.010） 0.064*（0.035）
Bor_Per -0.090***（0.016） -0.077***（0.016） -0.039（0.035）
Bor_Fun·Border 0.040（0.048） 0.080（0.056） -0.015（0.061）
Bor_Per·Border 0.053**（0.022） 0.071**（0.029） 0.020（0.032）
控制变量 控制 控制 控制
Cons 0.033***（0.012） 0.015（0.012） 0.022**（0.010）

3.2.2 考虑空间溢出效应的模型估计结果与分析

以城市收缩指数（US）为属性值，对286个城市样本进行空间自相关检验，Moran's I统计量表明中国各城市收缩指数潜在的空间自相关，说明了选择空间模型的必要性。另外通过似然比（LR）和沃尔德统计量（Wald Statistics）确定空间杜宾模型（SDM）为本文的空间模型，具体回归结果见表8。
表8 全国样本情形下空间杜宾模型的估计结果

Tab.8 Results of the spatial Durbin model for the national-level sample

被解释变量：US 反距离空间矩阵 邻近空间矩阵
直接效应 间接效应 总效应 直接效应 间接效应 总效应
Bor_Fun -0.036**（0.016） 0.662***（0.155） 0.626***（0.151） 0.018（0.014） 0.036（0.028） 0.053*（0.029）
Bor_Per -0.026*（0.015） -0.052（0.090） -0.079（0.084） -0.025*（0.013） -0.039*（0.022） -0.064***（0.021）
ρ 0.332***（0.126） 0.225***（0.025）
从表8的结果看，2种空间权重下的ρ系数显著，说明借用规模在全国范围内存在空间溢出效应。在功能规模借用中，直接效应显著为负，表明城市自身规模借用层面处于集聚阴影状态，而间接效应和总效应显著为正，说明周边城市通过规模借用行为所带来的人口增加、经济和社会发展能够带动目标城市的发展。绩效规模借用的直接效应和间接效应系数都显著为负，说明城市绩效层面的集聚阴影不仅因受周边城市经济密度过高产生的虹吸效应，还因邻近周边城市的竞争导致城市收缩。
从城市群样本和非城市群样本情形下杜宾模型的估计的结果（表略）看，功能规模借用直接效应的不显著说明功能规模借用抑制城市收缩主要源于周围城市借用其他城市高等级功能辐射的结果。绩效规模借用结果说明城市群内部广泛存在借用规模的空间溢出效应，并以集聚阴影形式加剧了城市收缩，城市间距离和是否相邻共同影响集聚阴影效应水平；非城市群中周边城市的经济活动会抑制目标城市发展，主要受到城市间距离影响，但间接效应和总效应并不显著，即邻近城市的绩效规模借用竞争不会对目标城市收缩产生影响。城市群样本和非城市群样本情形下杜宾模型的估计的结果共同验证了假说2。

3.2.3 门限回归模型结果与分析

本文发现规模借用效应不仅会因城市是否处于城市群而有所不同，而且因城市规模的不同，对城市收缩的影响也会表现出非线性特征。为了验证这一假设，进一步采用门限模型估计方法进行样本回归分析，结果有效验证了假说3。其中模型以市辖区人口作为门限变量，门限类型的检验结果显示应采用双重门限模型进行估计，门限值分别为46.62万和97.19万。
结果表明，不同样本类型下，所有规模尺度的城市都显著存在功能规模借用效应。从功能规模借用强度看，都呈现大城市>小城市>中型城市的顺序，这可能因为大城市承担高等级管理和研发功能，希望将附加值低的生产型功能转嫁到其他城市；而对于小城市而言，由于公共基础建设薄弱，能提供多样化的服务不足，更寄希望通过嵌入周边大中城市发展网络形式来实现高等级公共服务的共享。
对于绩效规模借用效应，不同样本类型下效应不同。全国层面上，中小城市整体效应处于集聚阴影状态，并且对中型城市收缩效应更强。可能原因是：一方面中型城市更多毗邻大城市，大城市直接对中型城市输出规模；另一方面大城市和中型城市规模更接近，也利于人才、产业和消费等向大城市流动，导致中型城市收缩。城市群中则表现为小城市集聚阴影，大城市绩效规模借用，城市群整体绩效集聚阴影占据主导则是由于小城市数量较多，导致借用规模被部分掩盖。非城市群中的中小城市的绩效规模借用效应并不显著，而大城市却能够借用周围城市经济活动密度促进自身集聚经济效应。

4 结论、对策及讨论

4.1 结论

本研究聚焦于借用规模对城市收缩影响这一主题，基于2011—2018年中国286个地级及以上城市面板数据，在构建城市收缩综合评价指标体系对中国收缩城市特征深入分析的基础上，通过双固定效应模型、空间杜宾模型和面板门限模型等方法对城市收缩影响机制进行了探究和实证检验。主要结论如下：①中国城市在时间维度和空间维度都呈现增长与收缩并存现象，并且收缩城市的数量和收缩程度在空间分布上存在显著差异。②中国城市间广泛存在借用规模。功能层面的借用规模能有效抑制城市收缩，而绩效层面则以集聚阴影形式加剧了城市收缩。③借用规模存在“空间溢出效应”现象。功能规模借用主要受距离效应影响，绩效规模借用则更多通过相邻城市发生，城市群边界城市向非城市群城市绩效规模借用存在单向壁垒。④不同城市规模水平下，借用规模与城市收缩表现出非线性影响。大城市因借用规模促进发展，中小城市在绩效层面的集聚阴影会加剧城市收缩，而功能规模借用则会减缓城市收缩。

4.2 对策

基于本文研究结论，提出如下对策建议：①要正确认识和看待城市收缩问题，依据城市自身实际制定“精明收缩”等适宜的收缩策略。如针对传统工业城市，应摒弃对工业投资和城市空间无限增长的过度追求，而将关注点转向产业结构和职能的调整，以实现城市规模和人口总量的协调匹配。②要在确保大城市发展的同时，努力缩小城市间的规模差距。规模借用以一定的城市规模为基础，规模相近的城市间更容易发生。如通过政策引导资源的流动，搭建好城市配套设施，着力追求公共服务均等化，激发城市规模借用以抵御城市收缩。③要优化城市群和非城市群的人口、产业和城市空间格局，畅通交流机制，打破城市间壁垒。特别是要以城市群、都市圈为支点，促进中小城市和小城镇的协调发展和特色发展，如通过建设基础交通设施来提高城市的通达性，以减弱距离效应，同时打破城市间的行政和市场壁垒，这些都将有利于城市通过借用规模实现发展。

4.3 讨论

在本文研究基础上，未来的研究还可在以下方面改进：①深化地理尺度研究。本研究关注的城市收缩的地理尺度是地级及以上城市，未来可以在保证精度的基础上，进一步探讨在区县甚至乡镇尺度上借用规模对城市收缩的影响。②深化借用规模互动关系研究。城市收缩涵盖了人口、经济和社会的多个维度，其现状表现出明显的异质性，未来可以针对不同维度下的借用规模与城市收缩关系进行实证研究。③深化借用规模指标研究。本研究构建的借用规模指标尚不能完全识别微观经济主体的行为，未来可以结合POI数据、微观调查数据（如中国家庭追踪调查、中国家庭金融调查等）以及企业数据等，进一步打开借用规模的黑箱。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
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.

[2]
吴康, 孙东琪. 城市收缩的研究进展与展望[J]. 经济地理, 2017, 37(11):59-67.

[3]
张明斗, 曲峻熙. 中国广义城市收缩的空间格局与生成逻辑研究——基于人口总量和经济规模的视角[J]. 经济学家, 2020(1):77-85.

[4]
Burchfield M, Overman H G, Puga D, et al. Causes of sprawl:A portrait from space[J]. The Quarterly Journal of Economics, 2006, 121(2):587-633.

[5]
Pallagst K, Fleschurz R, Trapp F. Greening the shrinking city-policies and planning approaches in the USA with the example of Flint,Michigan[J]. Landscape Research, 2017, 42(7):716-727.

[6]
Wolff M, Wiechmann T. Urban growth and decline:Europe’s shrinking cities in a comparative perspective 1990-2010[J]. European Urban and Regional Studies, 2018, 25(2):122-139.

[7]
Liu Z, Liu S. Urban shrinkage in a developing context:Rethinking China's present and future trends[J]. Sustain Cities Society, 2022,https://doi.org/10.1016/j.scs.2022.103779.

[8]
张帅, 王成新, 王敬, 等. 中国城市收缩的综合测度及其时空分异特征研究[J]. 中国人口·资源与环境, 2020, 30(8):72-82.

[9]
姚常成, 宋冬林, 范欣. 城市“规模”偏小不利于经济增长吗?——两种借用规模视角下的再审视[J]. 中国人口·资源与环境, 2020, 30(8):62-71.

[10]
王飞. 城市借用规模研究综述[J]. 现代城市研究, 2017(2):120-124.

[11]
李顺成, Sewon L, 刘晓晨. 城市区域尺度下多中心空间结构的经济绩效影响[J]. 中国人口·资源与环境, 2021, 31(11):123-133.

[12]
陆军, 毛文峰. 城市网络外部性的崛起:区域经济高质量一体化发展的新机制[J]. 经济学家, 2020(12):62-70.

[13]
Alonso W. Urban zero population growth[J]. Daedalus, 1973, 109(4):191-206.

[14]
姚常成, 宋冬林. 借用规模, 网络外部性与城市群集聚经济[J]. 产业经济研究, 2019(2):76-87.

[15]
杨继军, 刘依凡, 陈旭, 等. 城市群空间功能分工、规模功能借用与企业出口增加值[J]. 经济科学, 2021(5):68-83.

[16]
Häußermann H, Siebel W. Die schrumpfende Stadt und die Stadtsoziologie[J]. Soziologische Stadtforschung, 1988:78-94.

[17]
Martinez-Fernandez C, Weyman T, Fol S, et al. Shrinking cities in Australia,Japan,Europe and the USA:From a global process to local policy responses[J]. Progress in Planning, 2016, 105:1-48.

[18]
高新雨. 城市收缩问题研究进展[J]. 经济学动态, 2021(3):145-158.

[19]
吴康, 龙瀛, 杨宇. 京津冀与长江三角洲的局部收缩:格局,类型与影响因素识别[J]. 现代城市研究, 2015(9):26-35.

[20]
Pickett S, Boone C G, Mcgrath B P, et al. Ecological science and transformation to the sustainable city[J]. Cities, 2013, 32(4):10-20.

[21]
Ganning J P, Tighe J R. Moving toward a shared understanding of the US shrinking city[J]. Journal of Planning Education and Research, 2021, 41(2):188-201.

[22]
Franz P. Shrinking cities. Shrinking economy? The case of East Germany[J]. German Journal of Urban Studies, 2004, 43(1):23.

[23]
Mills E.S. Book review of urban sprawl causes,consequences and policy responses[J]. Regional Science and Urban Economics, 2003(33):251-252.

[24]
Blanco H, Alberti M, Forsyth A, et al. Hot,congested,crowded and diverse:Emerging research agendas in planning[J]. Progress in Planning, 2009, 71(4):153-205.

[25]
Audirac I, Cunningham-Sabot E, Fol S, et al. Declining Suburbs in Europe and Latin America[J]. International Journal of Urban and Regional Research, 2012, 36(2):226-244.

PMID

[26]
张学良, 张明斗, 肖航. 成渝城市群城市收缩的空间格局与形成机制研究[J]. 重庆大学学报:社会科学版, 2018, 24(6):1-14.

[27]
丁任重, 许渤胤, 张航. 城市群能带动区域经济增长吗?——基于7个国家级城市群的实证分析[J]. 经济地理, 2021, 41(5):37-45.

DOI

[28]
Wu K, Yao C C. Exploring the association between shrinking cities and the loss of external investment:An intercity network analysis[J]. Cities, 2021,https://doi.org/10.1016/j.cities.2021.103351.

[29]
Meijers E J, Burger M J, Hoogerbrugge M M. Borrowing size in networks of cities:City size,network connectivity and metropolitan functions in Europe[J]. Papers in Regional Science, 2016, 95(1):181-198.

[30]
刘修岩, 李松林, 秦蒙. 城市空间结构与地区经济效率——兼论中国城镇化发展道路的模式选择[J]. 管理世界, 2017(1):51-64.

[31]
Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3):483-499.

[32]
Hesse M. On borrowed size,flawed urbanisation and emerging enclave spaces:The exceptional urbanism of Luxembourg,Luxembourg[J]. European Urban and Regional Studies, 2016, 23(4):612-627.

[33]
Burger M J, Meijers E J, Hoogerbrugge M M, et al. Borrowed size,agglomeration shadows and cultural amenities in North-West Europe[J]. European Planning Studies, 2015, 23(6):1090-1109.

[34]
Camagni R, Capello R, Caragliu A. The rise of second-rank cities:What role for agglomeration economies?[J]. European Planning Studies, 2015, 23(6):1069-1089.

[35]
Meijers E J, Burger M J. Stretching the concept of ‘borrowed size’[J]. Urban Studies, 2017, 54(1):269-291.

[36]
Camagni R, Capello R, Caragliu A. Static vs. dynamic agglomeration economies:Spatial context and structural evolution behind urban growth[J]. Papers in Regional Science, 2016, 95(1):133-159.

[37]
刘春阳, 杨培峰. 中外收缩城市动因机制及表现特征比较研究[J]. 现代城市研究, 2017(3):64-71.

[38]
董昕, 张朝辉, 周卫华. 为什么收缩城市的流动人口定居意愿更强?[J]. 中国人口·资源与环境, 2021, 31(3):43-51.

[39]
苏红键, 魏后凯, 邓明. 城市集聚经济的多维性及其实证检验[J]. 财贸经济, 2014(5):115-126.

[40]
Sohn C, Licheron J, Meijers E. Border cities:Out of the shadow[J]. Papers in Regional Science, 2022, 101(2):417-438.

Options
文章导航

/

〈 〉