EN中文

经济地理 >

2024 , Vol. 44 >Issue 10: 76 - 85

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.008

城市地理与新型城镇化

长三角城市收缩的时空特征及数字经济影响的内在机制

  • 张强劲 , 1 ,
  • 吕欣蕊 1 ,
  • 陈嘉豪 1 ,
  • 陶雪飞 , 2, ※
展开
  • 1.云南民族大学 经济与管理学院，中国云南 昆明 650500
  • 2.江西财经职业学院，中国江西 九江 332000
※陶雪飞（1973—），男，博士，副教授，研究方向为金融工程。E-mail：

张强劲（1977—），男，博士/博士后，副教授，研究方向为计量经济。E-mail：

收稿日期: 2023-10-19

  修回日期: 2024-07-28

  网络出版日期: 2024-11-29

基金资助

国家自然科学基金地区项目(71963037)

云南省哲学社会科学创新团队(2023CX05)

收起

Spatiotemporal Characteristics of Urban Shrinkage and Internal Mechanism of the Impact of Digital Economy in the Yangtze River Delta

  • ZHANG Qiangjing , 1 ,
  • LYU Xinrui 1 ,
  • CHEN Jiahao 1 ,
  • TAO Xuefei , 2, ※
Expand
  • 1. School of Economics and Management，Yunnan Minzu University，Kunming 650500，Yunnan，China
  • 2. Jiangxi Vocational College of Finance and Economics，Jiujiang 332000，Jiangxi，China

Received date: 2023-10-19

  Revised date: 2024-07-28

  Online published: 2024-11-29

Fold

摘要

文章以长三角一体化区域内37个城市2011—2020年面板数据为样本，通过构建人口指数模型测算城市收缩程度以识别收缩城市类型，分析城市收缩的时空变化特征，并研究数字经济发展对城市收缩的影响机制。结果表明：①数字经济发展对城市人口指数的影响，在长三角全样本城市中存在显著的直接效应和产业结构升级的中介效应；②对长三角区域内收缩城市样本，直接效应和中介效应均不显著。最后，针对正在经历收缩的城市，提出应积极推进产业数字化进程，创造更多的就业机会，压缩城市收缩周期，尽快跨过可能存在的门槛，进入二者良性互动平衡发展的建议。

关键词： 城市收缩; 数字经济; 人口; 长三角; 产业结构升级; 中介效应

本文引用格式

张强劲 , 吕欣蕊 , 陈嘉豪 , 陶雪飞 . 长三角城市收缩的时空特征及数字经济影响的内在机制[J]. 经济地理, 2024 , 44(10) : 76 -85 . DOI: 10.15957/j.cnki.jjdl.2024.10.008

Abstract

Based on the panel data from 37 cities in the Yangtze River Delta (YRD) region from 2011 to 2020, this paper constructs a population index model to measure the degree of urban shrinkage, identifies the types of shrinking cities,analyzes the spatiotemporal characteristics of urban shrinkage,and studies the impact mechanism of digital economy development on urban shrinkage. Research shows that: 1) The development of digital economy has a significant direct effect on urban population index, as well as a mediating effect of industrial structure upgrading, in the YRD. 2) For the sample of shrinking cities in the YRD region,both direct and mediating effects are not significant. It is suggested that cities experiencing shrinkage should actively promote the process of industrial digitization,create more employment opportunities, compress the urban shrinkage cycle, and quickly cross possible barriers to enter a balanced development of positive interaction between the two.

Key words： urban shrinkage; digital economy; population; Yangtze River Delta; upgrade of industrial structure; mediating effect

人口迁移而形成的城市收缩，作为区域城市化进程中的重要现象，正成为“新常态”席卷全球，引发一系列城市可持续发展问题[1]。截至21世纪初，全球已有超过1/6的城市出现了持续性人口收缩[2]。清华大学“北京城市研究室”基于城市夜间灯光强度数据指出，当前中国有1/3的城市正在经历收缩[3]。国家发展改革委在《2019年新型城镇化重点建设任务》中首次提出“收缩型中小城市要瘦身强体，严控增量，盘活存量”；次年的《2020年新型城镇化建设和城乡融合发展重点任务》中再次提出“统筹新生城市培育和收缩型城市瘦身强体，稳妥调减收缩型城市市辖区，审慎研究调整收缩型县（市）”。目前，城市收缩相关问题已成为新时期经济地理学视角下我国人口研究的热点[4]。例如，张旭亮等研究了中国县域人口收缩的空间格局[5]；刘倩倩等研究人口收缩背景下东北三省市域经济与基本公共服务协调发展的测度与驱动机制[6]；宫攀等认为收缩型城市需从要素积累的增长模式转向以改善经济效率为主的经济增长方式，提高经济增长质量，抑制人才流失[7]；张小东等综合运用计量分析方法，基于“七普”数据，在研究我国地级及以上城市人口收缩的时空动态特征及其动因后得出：我国城市人口收缩形势越来越严峻，城市经济、行政地位、人口迁徙、城市产业结构、就业环境、公共建设投入、公共资源配置和城市管理服务水平等因素都是我国城市人口收缩的主要动因[8]；文余源等研究认为，收缩型城市的产业集聚会影响城市人口规模，多样化集聚下降带来的人口规模负效应远超专业化集聚水平提升带来的人口规模正效应[9]。综上发现，围绕城市收缩影响因素的研究和实践，在我国未来城市化进程中无法回避，而在各种影响因素中，数字经济的纵深发展尤其不容忽视。
我国正处于加快城市协调发展的进程中，而数字经济正成为经济社会发展的新动能，在数字经济的强劲支持下，区域协调发展将会更有序推进[10]。由中国信息通信研究院发布的《中国数字经济发展与就业白皮书（2022年）》显示，2021年中国数字经济规模近45.5万亿元，居全球第二，较“十三五”初期扩张了一倍多；占GDP比重达39.8%，较“十三五”初期提升了9.6个百分点。数字经济快速发展，随之而来的是城市收入差距变化[11]、产业结构调整[12]等现象，而这些因素往往是引起城市收缩的重要原因。因此，在当前数字经济迅猛发展的形势下，研究数字经济对城市收缩的影响，对于促进城市协调发展有重大意义。
数字经济最早诞生于1990年代，是由飞速发展的信息通信技术衍生出的一种新型综合经济模式。Tapscott认为数字经济的兴起标志着网络化智能时代的到来，并把智能、知识和创新等要素联系起来[13]。Agung等深入研究实体经济的数字化转型[14]，Sturgeon研究数字经济的发展战略变革[15]，Ranta等研究数字技术带来的商业模式创新[16]，马斌斌等研究中国数字经济与旅游产业融合发展的时空特征及驱动机制[17]。在我国，数字经济相关领域不断崛起，随着与传统产业的深度融合，数字经济在促进出口、刺激消费、创造就业等方面发挥着重要作用。习近平总书记在2021年10月18日中央政治局集体学习时强调，要充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。如今，数字经济已经深度融入到我国发展的方方面面，势必深刻影响城市发展的路径选择。
当前，数字经济已成为城市发展的核心引擎，作为数字经济的空间载体，城市的人口、产业、资本变动与数字经济发展息息相关，城市收缩会直接影响与数字经济紧密相连的消费需求、产业升级、投资密度等方面[18]。那么，数字经济对城市收缩的影响又是怎样的呢?围绕我国区域中收缩城市呈现什么样的时空变化特征?数字经济发展与城市收缩存在怎样的联系?数字经济的发展在推动区域城市均衡发展中发挥着何种作用?本文基于我国长三角一体化区域（以下简称“长三角”）内37个地级及以上城市① （以下简称城市）2011—2020年面板数据，在构建城市收缩测算模型和数字经济规模评价指标体系的基础上，动态分析区域内城市收缩的时空变化特征，研究数字经济发展对城市收缩的影响，以期从一个侧面为数字经济在区域城市均衡发展中发挥积极作用提供有益指导和借鉴。

1 城市收缩的测算及长三角收缩城市时空特征

“收缩城市”概念最早于1988年由德国学者Häußermann H提出，用以形容因去工业化和产业结构调整导致的城市人口减少和面临结构性危机的现象[19]。在此之前与“收缩城市”相关的研究术语多为“城市危机”“城市衰落”“人口衰减”“去城市化”等。进入21世纪以来，“收缩城市”的含义不断拓展为因城市间发展不平衡导致部分城市人口流失、经济发展持续低迷的现象。对“收缩城市”的判断、识别推动了“城市收缩”测度的发展，所涉及的研究内容和边界不断外延，但总的方向主要表现为人口变化以及由之引发的一系列影响。对“城市收缩”的测度方法可分为两类：一类是城市人口单指标界定，使用主要年份人口普查数据，或统计年鉴中常住人口、户籍人口、人口密度等相关指标；另一类是综合性指标界定，将收缩分为经济、人口、土地等多个维度综合识别不同城市的收缩情况[20]。

1.1 城市收缩综合测度指标体系

目前，学界对于收缩城市的界定并未有统一清晰的表述，被较为广泛认同的表达是2004年收缩城市国际研究网（SCIRN）提出的，至少拥有1万居民，在超过2年的时间内大部分地区经历人口流失，并且正在经历以某种结构性危机为特征的经济转型的人口密集城市[21]。无论哪种界定，城市人口的变化都是收缩城市识别和界定的最基础指标。在度量城市收缩程度的两类方法中，综合指标更能反映现代经济社会发展的综合状态，而综合指标种类繁多，其选取因研究视角和对象而异。本文基于长三角城市，中等城市为主要研究对象，在衡量城市收缩的指标体系构建中，兼顾中小城市的状况，主要选取较为基础的评价指标。借鉴已有研究成果，构建由人口规模[22]、人口结构[23]和人口增长率3个维度构成的城市收缩综合测算指标体系（表1）。
表1 城市收缩综合测算指标体系

Tab.1 Comprehensive calculation index system for urban shrinkage

一级指标 二级指标 三级指标 度量单位 属性 指标权重
人口指数 人口规模 常住人口 万人 + 0.1140 0.4937
人口密度 人/km2 + 0.1262
城镇单位从业人员比重 % + 0.2535
人口结构 普通高等教育在校生占比 % + 0.2976 0.4846
普通中学在校生占比 % + 0.0846
普通小学在校生占比 % + 0.1024
人口增长率 人口自然增长率 ‰ + 0.0217 0.0217

注：数据来源于《中国城市统计年鉴》。

1.2 指标权重的确定和城市收缩程度的测算

以客观现状的视角入手，可采用客观赋权法中的熵值法计算各指标的权重[2]，进而计算人口指数、测算城市收缩程度、识别收缩城市特征。借鉴蒲甘霖[24]的熵值法赋权模型，在确定各指标权重、计算t时期i城市人口指数 T i t的基础上，测算城市收缩程度：
s h r i n k i n g i = T i t 2 - T i t 1 T i t 1 · 100 %
式中： s h r i n k i n g i为i城市人口指数的变动比例，测度城市的收缩程度；人口指数 T i t值的大小度量t时期i城市人口综合规模。 s h r i n k i n g i < 0表明i城市在 t 1至 t 2期间出现人口收缩，否则，未出现人口收缩。

2 长三角收缩城市的时空变化特征

长三角作为我国最有潜力的城市群之一，经济发展水平较高，人力资源丰富，2020年区域内的GDP达244713.5亿元，占全国总量的24.09%；年末人口为22139.62万人，占全国总人口的15.68%；2011—2020年长三角地区人口增长率平均为5.56%，大于同期全国的4.67%，其数字经济发展也处于国内较高水平① 。随着长三角区域一体化的不断推进，促进各种经济要素在城市间自由流动，会放大大城市对区域内中小城市经济要素的虹吸效应。

2.1 长三角城市人口指数的测算与整体空间格局

城市收缩是一个缓慢变化的过程，本文选取2011—2020年长三角37个城市的面板数据样本，计算人口指数、测算城市收缩程度并识别收缩城市特征。采用分时间段识别收缩城市的研究方法[17]，将样本时间分“十二五”（2011—2015年）和“十三五”（2016—2020年）2个五年规划期。基于表1列（1）~（5），采用熵值法确定构成人口指数的各指标权重，见表1列（6）~（7）。
由表1中二、三级指标的客观赋权看出，“人口规模”和“人口结构”指标在“人口指数”构成中所占比重相当。“常住人口”和“城镇单位从业人员比重”主要体现城市人口数量和质量的基数，“人口密度”指标在各城市之间具有横向可比性，对人口指数的贡献率有一定的重要性。不同层次受教育人口的占比结构则反映该城市人口储备水平，在一定程度上反映人口规模结构的潜在量。“人口增长率”指标对于最终人口指数的贡献率最低，表明城市人口的自然变动并不是影响城市人口收缩的关键因素。
由熵值法计算2011—2020年长三角人口指数变动（图1）。十年间，长三角人口指数总体呈现波动式上升，增幅最大出现在2019—2020年，超过10%。主要原因是，2019年12月中共中央、国务院印发《长江三角洲区域一体化发展规划纲要》，加速推进长三角区域一体化，凸显极大的经济发展潜力，释放出更多的就业机会，为人口机械流动提供了超强的动力。
图1 长三角人口指数整体变化趋势

Fig.1 Trend of population index changes in the Yangtze River Delta

通过ArcGIS软件对长三角内江苏、浙江、安徽和上海的人口指数进行可视化处理，在自然间断分级法草图的基础上，将“十二五”开局以及“十三五”开局和收官3个主要年份各城市的人口指数分别划分为[0.00，0.15）、[0.15，0.30）、[0.30，0.45）、[0.45，+∞）4个等级（图2），可直观把握长三角各城市人口指数的时空分布变化特征。
图2 长三角各城市人口指数时空变化特征

Fig.2 Spatiotemporal variation characteristics of population index in cities of the Yangtze River Delta

图2中，按省级行政区域划分，呈现明显的2个梯度特征。其中，上海市长期处于人口指数水平的第一梯度，在这十年间实现扩张，远超苏、浙、皖三省；第二梯度中，江苏省的人口指数最高，安徽省居末位。从地理条件上看，沿海城市由于得天独厚的内外部发展条件，人口指数普遍高于内陆城市，安徽省的经济环境在长三角区域内不占优，人口吸引力相对不强，出现一定的人口迁出。苏、浙两省地理面积相当，江苏省主要属于平原地形，而浙江省则主要属于山地和丘陵地形，实际可用面积相对较少，人口流入数量受限。江苏省的苏北、苏中、苏南三部分，人口指数同经济发展趋势一致，呈现由北向南递增趋势，而在2011—2020年，人口指数在省内的变动差距逐渐缩小；这期间江苏省的南京市实现了较显著的人口指数减小，由2011年的最高等级减少至2020年的次高等级；同期苏州市也降低了一个等级。浙江省独特的民营经济模式，较明显地促进了城市的均衡发展，推动“十三五”期间人口指数稳步增长。

2.2 长三角城市的收缩程度与时空分布

在计算各地不同时间人口指数的基础上，可从不同视角识别收缩城市。从收缩程度视角看，根据不同时期的收缩变化情况进行分级，可将收缩城市分为轻度收缩、严重收缩、缓慢增长和快速增长4种类型[25-26]。从收缩时间尺度看，则可将收缩城市划分为持续性收缩、间歇性收缩和暂时性收缩[27]。
分别计算长三角内37个城市在“十二五”和“十三五”2个时段的人口指数 T i，按收缩程度识别收缩城市类型（表2）。表中结果显示，2个时期内长三角各城市以缓慢扩张为主，仅1/4左右城市出现收缩现象。其中，“十二五”时期有5个城市经历严重收缩，4个城市经历轻度收缩，出现收缩现象的城市数量占比为24.32%；到“十三五”时期，2个城市经历严重收缩，8个城市经历轻度收缩，出现收缩现象的城市数量占比为27.03%，较上一时期有所增长。但从收缩的程度变动看，“十二五”到“十三五”长三角城市表现出严重收缩城市大幅减少、轻度收缩城市大幅增加的动态趋势。
表2 按收缩程度识别的长三角收缩城市数量(单位:个)

Tab.2 Number of shrinking city in the Yangtze River Delta by shrinking degree

时期 严重收缩 轻度收缩 缓慢增长 快速增长 总计
“十二五”时期 5 4 24 4 37
“十三五”时期 2 8 22 5 37
进一步计算37个市2011—2020年各年人口指数 T i，并由式（1）得出各城市 s h r i n k i n g i值，规定：①“十二五”和“十三五”2个时期均出现收缩的城市为“持续收缩”城市；②十年间人口指数平均增长率为负，且至少1个五年规划期内非收缩的城市为“间歇性收缩”城市；③十年间人口指数平均增长率为正，且仅在一个五年规划期内出现收缩的城市为“暂时性收缩”城市。按此收缩时间视角识别长三角收缩城市类型（表3）。
表3 按收缩时间识别长三角收缩城市

Tab.3 Types of shrinking city in the Yangtze River Delta by shrinking time

收缩类型 时期 城市
暂时性收缩 “十二五”时期 阜阳、芜湖、嘉兴、宁波
“十三五”时期 舟山、衢州、台州、泰州、盐城、宿州
间歇性收缩 “十二五”时期 滁州、池州、宣城
“十三五”时期 淮安、丽水
持续性收缩 2011—2020年 温州、淮北
从表3可看出，在“十二五”和“十三五”2个时期长三角的37个城市中，有17个出现不同类型的收缩现象。暂时性收缩城市10个，占收缩城市的比重最大，达58.83%，其中4个出现在“十二五”时期，6个出现在“十三五”时期。间歇性收缩城市5个，占收缩城市的29.41%，其中“十二五”和“十三五”2个时期分别出现3个和2个。持续性收缩城市共2个，占收缩城市的11.76%。
综上看出，长三角收缩城市以暂时性收缩为主，且主要出现在中小城市。具体来说，“三省一市”中，上海市由于自身优越的发展环境，无收缩现象发生。安徽省7个城市经历收缩：淮北、池州、宿州和阜阳4市由于远离区域经济中心，就业机会不丰盈，经济发展相对滞后导致人口吸引力下降，发生城市收缩；宣城、芜湖和滁州3市的收缩是由于周边省会城市的虹吸效应，宣城靠近杭州和南京，芜湖靠近合肥，滁州靠近合肥和南京。浙江省7个城市经历收缩，其中5个城市出现暂时性收缩。浙江省经济发展呈现较为均衡的态势，反映出城市收缩现象并非不可逆转，城市在不同时期的政策变化都会导致出现不同程度的人口变动。借鉴浙江省的经验，收缩城市应及时审视和调整城市政策规划，优化城市基础设施，减少暂时的城市人口流失。江苏省收缩城市数量相对较少，仅出现在泰州、盐城和淮安3市，收缩原因与浙江省的温州和丽水相似，温州和丽水2市位于浙南地区，也处于长三角的最南端，可见远离经济中心的地区容易出现抱团收缩的现象，需要重新依靠区域的比较优势，寻找非依靠中心城市的发展转型路径。
收缩城市不等于城市的经济衰退或整体衰退[23]，将长三角各城市“十二五”“十三五”和“2011—2020年”3个时期的城市收缩情况进行可视化处理，分析其时空分布特征（图3）。
图3 长三角收缩城市时空分布演变

Fig.3 Spatiotemporal distribution of shrinking city in the Yangtze River Delta

图3显示，长三角城市的收缩现象主要集中在3个片区：浙江南部、江苏北部和安徽外围城市。大城市由于处在超前的城市发展阶段，成为中心城市，无收缩现象发生，如上海、杭州和南京。中心城市的虹吸效应在前期往往导致周边中小城市人口外流，发生收缩，如上海南部的嘉兴、杭州北部的宣城、南京北部的滁州，在“十二五”期间都经历了不同程度的收缩，到“十三五”均呈现缓慢增长，收缩现象消失。由于空间溢出效应，这种大城市的虹吸效应引起的收缩往往是暂时性的。
此外，从图3还可看出，一些中心城市周边的城市也成为相对较大城市，又对其周边的中小城市产生虹吸效应。“十三五”时期，南通北部和西部的盐城和泰州均出现了收缩，而两市在“十二五”时期还处于增长期。此外，处于区域一体化边缘地区的城市收缩表现一定的滞后性，如浙江省南部地区，“十二五”时期仅有温州出现收缩现象，而到“十三五”时期，衢州、丽水、台州和温州四市呈现抱团收缩的现象。因此，区域一体化要考虑到边缘地区的均衡发展，注重开发外围优势，打通对外发展渠道。若一味依靠中心城市经济优势的外溢，会导致在此过程中由于时间跨度过长而致使城市人口持续外流，最终引发区域边缘城市出现难以逆转的持续性收缩。

3 数字经济对城市收缩影响效应模型

城市便利性作为城市美好生活的表征，在城市化进程中逐渐成为影响人口迁徙的重要因素[28]。以互联网技术为载体的数字经济，尤其是云计算、大数据以及人工智能等在技术上的革新，很大程度上作为智慧城市建设的基础，大大提升了城市便利性，不断满足人们对美好便利生活的需求，增强城市对人口的吸引力。

3.1 数字经济规模评价指标体系

为研究数字经济对城市收缩的影响效应，本文从数字经济基础设施、数字经济发展环境和数字金融普惠发展3个维度构建数字经济规模评价指标体系（表4），度量城市数字经济的发展规模。
表4 数字经济规模评价指标体系

Tab.4 Evaluation index system for the scale of digital economy

一级指标 二级指标 三级指标 属性
数字
经济
指数		 数字经济基础设施 每百人互联网用户数 +
每百人移动电话使用数 +
人均电信业务收入 +
数字经济发展环境 第三产业占GDP比重 +
科技支出占比 +
教育支出占比 +
高校在校生人数占比 +
数字金融普惠发展 中国数字普惠金融指数 +

3.2 数字经济对人口指数的直接效应模型

为研究数字经济发展对城市收缩的直接作用，本文构建数字经济指数与人口指数之间的静态面板数据模型，作为基准模型进行分析。
P o p i i t = α 1 + β 1 D i g e i t + γ 1 Z i t + μ i + δ t + ε i t
式中：被解释变量 P o p i i t为i城市t年的人口指数；核心解释变量 D i g e i t为i城市t年的数字经济指数； μ i和 δ t分别为个体固定效应和时间固定效应； ε i t为随机扰动项。鉴于城市的经济发展、政府调控、工资、基础设施、环境和社会保障等因素对城市人口的主要影响，借鉴已有相关研究成果[22,29]，在回归模型中加入控制变量 Z i t，其构成设置见表5。
表5 静态面板数据模型控制变量

Tab.5 Control variable of static panel data model

控制变量 符号 变量定义
政府调控水平 Gov 财政一般公共预算支出占GDP的比重
经济发展水平 Pgdp 人均GDP
工资水平 Inc 城镇非私营单位在岗职工平均工资
基础设施水平 Proad 城市道路面积
城市环境 Gree 建成区绿化覆盖率
社会保障水平 Insur 城镇职工基本医疗保险参保人数

3.3 数字经济对人口指数的中介效应模型

当前，数字经济已成为我国经济发展的稳定器和助推器，更是我国产业结构优化升级和经济高质量发展的重要抓手。已有研究成果认为，数字经济对产业结构水平具有促进作用且促进效果具有边际递增特征[30]，数字经济能够促进流通产业结构高级化[31]，数字产业化是产业结构升级的基础和前提[32]。城市数字经济的发展对产业结构转型升级有着不可忽视的作用，而产业结构的调整首先作用到的是三大产业就业人口变化。城镇化推进过程中的人口集聚模式，主要就是依托产业结构高级化来吸引人口或人才聚集[33]。作为基础性和普遍性存在于中等城市城镇化过程的中介变量，产业结构合理化和高级化具有一定的代表性。

3.3.1 产业结构高级化和合理化中介变量

对产业结构研究可从产业结构高级化和产业结构合理化2个维度进行划分，对应引入产业结构高级化指数（TS）和产业结构合理化指数（TL）[34]，将其作为中介变量，构建产业结构中介效应模型。
产业结构高级化指数：
T S = Y 3 / Y 2
式中： Y 3为第三产业产值； Y 2为第二产业产值。如果该指数增加，则表明城市产业结构朝着服务化的方向推进，产业结构升级。
产业结构合理化指数通过定义新的泰尔指数给出，用以评价产业结构合理化程度：
T L = ∑ i = 1 3 Y i Y l n Y i L i / Y L
式中：Y为总产值； Y i为i产业的产值；L为总就业人数； L i为i产业的就业人数。若TL为0，则产业结构处于合理状态；否则，产业结构偏离合理状态，且该值离0越远，产业结构偏离合理状态越远。

3.3.2 产业结构中介效应模型

采用中介效应检验方法[35]，在基准模型（2）的基础上，通过引入产业结构高级化指数（TS）和产业结构合理化指数（TL）作为中介变量，构建中介效应模型，研究数字经济对城市收缩的内在机制和作用路径。
M e d i t = α 2 + β 2 D i g e i t + γ 2 Z i t + ν i t
P o p i i t = α 3 + β 3 D i g e i t + η M e d i t + γ 3 Z i t + μ i + δ t + ε i t
式中： M e d i t是中介变量，包括产业结构高级化指数（TS）和产业结构合理化指数（TL）；被解释变量 P o p i i t、解释变量 D i g e i t、控制变量 Z i t、个体固定效应 μ i和时间固定效应 δ t与式（2）中一致； ν i t和 σ i t为随机扰动项。若系数 β 2和 η均显著，则表明存在产业结构优化的传导机制；若系数 β 2和 η有1个不显著，则需要对模型进行Sobel检验。

4 长三角内数字经济对城市收缩的影响机制

本文选取2011—2020年长三角内37个城市的面板数据，部分缺失值利用平衡面板数据进行插值法处理。城市数据主要来源于历年的《中国城市统计年鉴》和各相关省、市统计年鉴，中国数字普惠金融指数来源于北京大学数字金融研究中心。使用的数据除无量纲数据外，均取对数后再做回归，以避免出现异方差等问题。

4.1 长三角内数字经济对城市收缩的直接效应分析

将2011—2020年37个样本城市按收缩时间划分成17个收缩城市和20个非收缩城市两类，分别进行面板回归；采用面板回归起到了将样本量扩大为10倍的效果，可以有效解决样本量偏小的问题。在回归的基础上，通过基准模型的参数估计和稳健性检验，分析数字经济对城市收缩的直接效应。两类城市主要变量描述性统计见表6。
表6 收缩城市和非收缩城市主要变量描述性统计

Tab.6 Descriptive statistics of main variables for shrinking city and non-shrinking city

变量 收缩城市 非收缩城市
170 200
最大值 最小值 标准差 均值 最大值 最小值 标准差 均值
Popi 0.28 0.03 0.07 0.13 0.83 0.02 0.18 0.23
Dige 0.49 0.12 0.07 0.25 0.63 0.13 0.11 0.31
Gov 0.36 0.09 0.06 0.18 0.30 0.08 0.06 0.14
ln Pgdp 11.92 9.22 0.55 10.88 12.20 9.43 0.56 11.25
ln Inc 11.73 10.38 0.30 11.04 12.07 10.37 0.32 11.11
ln Proad 2.56 0.53 0.45 1.49 2.95 0.77 0.45 1.81
Gree 77.78 22.26 4.66 41.54 2.83 26.84 2.83 42.41
Insur 1.15 0.05 0.19 0.25 0.19 0.04 0.97 0.33
TS 1.74 0.37 0.27 0.95 2.75 0.38 0.39 1.09
TL 86.61 3.24 15.70 26.03 124.07 0.05 22.30 22.85

注：Popi和Dige为本文模型计算所得，其余指标均由历年《中国城市统计年鉴》获得。

4.1.1 主要变量描述性统计

从表6样本城市描述性统计可看出，除衡量政府调控水平的政府干预程度（Gov）和产业结构合理化指数（TL）外，收缩城市的指标均落后于非收缩城市。发展相对后进的收缩城市，政府干预相对较多，例如进行政策引导和特定产业扶持等，其政府干预程度（Gov）普遍高于非收缩城市。从产业结构合理化指数（TL）看，非收缩城市普遍比收缩城市具有更合理的产业结构。

4.1.2 基准模型参数估计

基于2011—2020年长三角内37个城市的面板数据，运用Stata15软件进行基本回归分析。为区分数字经济对不同收缩类型城市的异质性，分全样本城市、收缩城市和非收缩城市进行回归，回归结果见表7。模型的F检验拒绝了“POOL混合回归”的原假设，Hausman检验拒绝了“个体效应与所有解释变量均不相关”的原假设。综合检验结果，静态面板数据模型采用面板固定效应估计（FE）。
表7 基本回归结果

Tab.7 Basic regression results

（1） 全样本FE （2） 收缩FE （3） 非收缩FE
Dige 0.12***（0.04） -0.03（0.05） 0.24*** （0.06）
控制变量 控制 控制 控制
常数 0.50**（0.22） -0.13（0.20） 0.66*（0.36）
F-检验 0.00 0.00 0.00
Hausman检验 0.00 0.00 0.00
城市固定 YES YES YES
年份固定 YES YES YES
R2 0.99 0.98 0.99
样本 370 170 200

注：*、**、***分别表示通过10%、5%、1%检验水平；括号内数值表示标准误。表8同。

由表7模型（1）可知，全样本数字经济对城市人口指数的影响系数是0.12，在1%的置信水平上正向显著，说明数字经济的发展对抑制城市收缩具有显著的促进作用。而模型（2）和（3）显示，控制样本为非收缩城市时，影响系数提升至0.24，说明数字经济对于非收缩城市的影响更大，而对于收缩城市的影响则不显著。由于数字经济不断发展，城市经济实现跨步腾飞，城市宜居性和便利性程度不断提升，影响了流动人口的迁入行为。而长三角内城市发展程度仍然存在显著差异，因而在马太效应的作用下，即使一定时期内欠发达城市存在数字经济发展水平的提升，依旧不能完全阻止中心城市对中小城市的虹吸效应。正是城市人口的不断外流，引发了收缩城市的形成。
为检验回归模型的有效性，常用2种方法进行稳健性检验。一是借助工具变量[36]。由于自变量对因变量的影响可能存在滞后性，通常将滞后一期的核心解释变量L.Dige作为工具变量，引入基准模型重新回归。二是排除异常值[37]。为消除极端值的干扰，对所有变量进行首尾两端1%缩尾处理，再做进一步的回归。分别运用这2种方法对基准模型进行回归，结果与表7相比，并未发生明显变化，可认为模型具有较好的稳健性。

4.2 长三角内数字经济对城市收缩的中介效应分析

对2011—2020年37个城市中的17个收缩城市和全样本37个城市，分两类的产业结构中介效应模型进行中介机制检验，分别检验是否存在产业结构高级化和产业结构合理化的中介效应。由于产业结构合理化指数（TL）的数量级较产业结构高级化指数（TS）高近30倍，因而，在模型中取对数ln TL平滑代之，检验结果见表8。
表8 中介机制检验结果

Tab.8 Mediating mechanism test results

（1） （2） （3） （4） （5） （6） （7） （8）
全样本 收缩城市 全样本 收缩城市
Dige 1.19***（0.21） 0.83***（0.09） -0.50（0.36） 0.41***（0.10） -1.65**（0.75） 0.97**（0.08） -2.82***（0.83） 0.36***（0.10）
ln TL -0.07***（0.01） -0.01（0.01）
TS 0.22***（0.02） 0.07***（0.02）
常数 -6.25***（0.52） 1.17***（0.25） -5.65***（0.69） 0.94***（0.22） 15.22***（1.86） 0.91***（0.22） 6.90***（1.59） 0.63***（0.20）
控制变量 控制 控制 控制 控制 控制 控制 控制 控制
R2 0.551 0.575 0.396 0.410 0.360 0.620 0.425 0.378
N 370 370 170 170 370 370 170 170
Sobel检验 0.26***（z=4.954） -0.03（z=-1.26） 0.12**（z=2.170） -0.02（z=0.913）
Goodman检验1 0.26***（z=4.936） 0.12**（z=2.160）
Goodman检验2 0.26***（z=4.973） 0.12**（z=2.170）
中介效应系数 0.26***（z=4.954） 0.12**（z=2.170）
直接效应系数 0.83***（z=9.181） 0.97***（z=11.790）
总效应系数 1.09***（z=11.152） 1.09***（z=11.151）
中介效应比例 0.238 0.108
表8模型（1）~（2）检验全样本是否存在产业结构高级化的中介效应。其中，模型（1）显示，在1%检验水平数字经济指数对产业结构高级化指数的影响系数显著为正；模型（2）显示，在1%的检验水平中介变量产业结构高级化指数和数字经济指数对人口指数的影响系数均显著为正。这说明，数字经济对长三角城市人口指数的促进作用存在产业结构高级化的部分中介效应。数字经济的发展本身就涉及到人工智能、互联网等知识密集型的产业发展，同时也促进了传统产业的数字化转型，由此带动产业结构趋于服务化的发展趋势。在这个过程中，由于产业结构调整带来人才需求层次的变化，也带动城市人口结构的变化，引起人口指数的提升。
表8模型（5）~（6）检验全样本是否存在产业结构合理化的中介效应。其中，模型（5）显示，在5%的检验水平数字经济指数对产业结构合理化指数的影响系数显著为负。模型（6）显示，在1%的检验水平中介变量产业结构合理化指数对人口指数的影响系数显著为负；在5%的检验水平数字经济指数对人口指数的影响系数显著为正。这表明，数字经济对长三角城市人口指数的促进作用存在产业结构合理化的部分中介效应。由于城镇化的不断推进，城市三大产业部门呈现出第一产业收缩，二、三产业不断扩张的趋势。数字经济的发展，带动了城市整体的数字产业化和产业数字化，使劳动力属性和产业属性的匹配程度不断提升，最终推动长三角城市人口综合指数提升。
表8模型（3）~（4）和模型（7）~（8）分别报告了收缩城市样本的产业结构高级化和产业结构合理化两种中介效应。其中，模型（3）显示数字经济对人口指数的影响不显著；模型（4）显示产业结构高级化指数对人口指数的影响在1%的检验水平显著为正，进一步进行Sobel检验，其系数不显著，表明在收缩城市样本中，产业结构高级化中介效应不显著。模型（7）显示数字经济对产业结构合理化指数的影响在1%的检验水平显著为负；模型（8）显示产业结构合理化指数对人口指数的影响不显著，进一步进行Sobel检验，其系数不显著；表明在收缩城市样本中，产业结构合理化中介效应不显著。
综上表明：在长三角内的收缩城市群抱团发展的情况下，数字经济对城市人口指数的影响，不显著存在产业结构优化和升级的中介效应。产业结构优化和升级本身有助于创造更多的就业机会，提升城市对于流动人口的吸引力。但对于区域内欠发达城市，结构性产业升级带来的人口吸收效果，不能保证显著对抗周边城市对于流动人口的吸引力。结合表7和稳健性检验结果可看出，数字经济对城市收缩的影响效应及产业结构的中介作用可能存在一定程度上的门槛效应[38]。

5 结论与建议

长三角一体化高质量发展是我国国家重大区域战略，在中国式现代化进程中具有举足轻重的战略地位和作用[39]。本文通过构建城市收缩综合测算指标体系识别收缩城市，从不同视角对收缩城市的类型进行划分，并对收缩城市的空间分布特征进行了分析；进而，引入数字经济规模评价指标体系，基于长三角内37个城市“十二五”和“十三五”2个五年规划期面板数据，实证研究了数字经济对城市收缩的直接和中介效应。研究结论如下：①长三角内近一半的城市出现城市收缩现象，收缩城市类型以暂时性收缩为主，虹吸效应和空间溢出效应得到体现。②数字经济的发展对长三角内城市人口指数具有显著的促进作用，并且有较高的稳健性，但对于一体化区域内收缩城市群，这种效应并不显著。③产业结构优化升级，在数字经济发展对长三角城市人口指数的影响中存在中介效应，但对于区域内的收缩城市群，这种中介效应不显著。
城市收缩并非意味着城市的衰亡和终结，经历收缩的城市应当主动识别并予以应对。本文研究成果为区域一体化中城市经济规划和空间政策制定提供了决策参考。
①非中心城市应重视可能发生的城市收缩现象，合理规划发展，预防和缓解城市收缩。要依托5G为代表的数字化迭代更新，持续提高城市生活便利性，改善城市生活条件，增加以大数据、互联网为代表的数字产业就业机会，提高城市活力和动力，有效对冲中心城市的虹吸效应。
②依靠数字化技术，要在城市间搭建起“信息桥梁”，持续便利跨城市之间的创新溢出，缩小区域发展的鸿沟，形成一批中心城市和边缘城市一体化发展的产业，防止区域边缘城市出现不可逆转的持续性收缩。
③数字经济将会成为未来城市的生命力，要不断完善城市数字经济基础设施建设，提升城市的数字化、信息化水平，加强数字经济赋能高质量发展，促进城市产业结构优化升级，增强城市对流动人口的吸引力。
④正在经历收缩的城市，需要推进数字经济和实体经济的不断融合。在因收缩而制约发展的空格期，要集中优势加快城市建设，推进产业数字化进程，创造更多就业机会，以最大程度压缩城市收缩周期，尽快跨过可能存在的门槛，实现数字经济和人口发展良性互动。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
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.

[2]
孟祥凤, 王冬艳, 李红. 老工业城市收缩与城市紧凑相关性研究——以吉林四平市为例[J]. 经济地理, 2019, 39(4):67-74.

DOI

[3]
清华大学调查:中国近1/3的城市正在收缩[J]. 中外管理, 2019(4):16.

[4]
刘艳军, 汤爽爽, 吴康, 等. 经济地理学视角下中国人口研究热点与展望[J]. 经济地理, 2021, 41(10):97-105,142.

DOI

[5]
张旭亮, 周思敏. 中国县域人口收缩空间格局与影响因素[J]. 经济地理, 2023, 43(7):42-51,98.

DOI

[6]
刘倩倩, 吴相利. 人口收缩背景下东北三省市域经济与基本公共服务协调发展测度与驱动机制[J]. 经济地理, 2023, 43(6):22-32.

DOI

[7]
宫攀, 张槊, 王文哲. 人口视角下中国城市收缩的演变特征与时空格局——基于第七次全国人口普查公报数据的分析[J]. 人口与经济, 2022(3):1-15.

[8]
张小东, 韩昊英, 蒋懿康. 中国城市人口收缩空间结构的动态特征及其成因[J]. 南方人口, 2023, 38(1):59-68.

[9]
文余源, 刘洋, 邢晓旭, 等. 人口收缩视角下中国产业集聚与城市人口规模演化及其关系[J]. 经济地理, 2023, 43(11):115-125.

DOI

[10]
斯丽娟. 数字经济推动区域协调发展:理论逻辑与实践路径[J]. 理论与改革, 2023(2):73-85,150-151.

[11]
陈梦根, 周元任. 数字经济、分享发展与共同富裕[J]. 数量经济技术经济研究, 2023, 40(10):5-26.

[12]
杨慧梅, 江璐. 数字经济、空间效应与全要素生产率[J]. 统计研究, 2021, 38(4):3-15.

[13]
Tapscott D. The Digital Economy:Promise and Peril in the Age of Networked Intelligence[M]. New York: McGraw-Hill, 1996.

[14]
Agung P, Triana S, Elsa R, et al. Digital economy research:Thirty-five years insights of retrospective review[J]. Procedia Computer Science, 2022,197:68-75.

[15]
Sturgeon T J. Upgrading strategies for the digital economy[J]. Global Strategy Journal, 2019,11:34-57.

[16]
Ranta V, Arikka-Stenroos L, Visnen J M. Digital technologies catalyzing business model innovation for circular economy-multiple case study[J]. Resources Conservation and Recycling, 2021,164:105-155.

[17]
马斌斌, 豆媛媛, 贺舒琪, 等. 中国数字经济与旅游产业融合发展的时空特征及驱动机制[J]. 经济地理, 2023, 43(6):192-201.

DOI

[18]
刘雅君, 蒋国梁. 城市收缩对数字经济发展的影响及作用机理——来自中国城市的经验证据[J]. 山西大学学报:哲学社会科学版, 2023, 46(1):150-160.

[19]
Häußermann H, Siebel W. Die schrumpfende stadt und die stadtsoziologie[J]. Soziologische Stadtforschung, 1988:78-94.

[20]
张伟, 单芬芬, 郑财贵, 等. 我国城市收缩的多维度识别及其驱动机制分析[J]. 城市发展研究, 2019, 26(3):32-40.

[21]
Wiechmann T. Errors expected-aligning urban strategy with demographic uncertainty in shrinking cities[J]. International Planning Studies, 2008, 13(4):431-446.

[22]
刘玉博, 张学良, 吴万宗. 中国收缩城市存在生产率悖论吗——基于人口总量和分布的分析[J]. 经济学动态, 2017(1):14-27.

[23]
郑洁, 汪甜甜, 陈浩. 长江经济带人口收缩城市的识别与影响因素分析[J]. 华东经济管理, 2022, 36(8):13-25.

[24]
蒲甘霖. 中国数字经济与科技创新耦合协调发展测度[J]. 技术经济与管理研究, 2022(4):25-29.

[25]
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.

[26]
温佳楠, 宋迎昌, 任杲. 中国城市收缩状况评估——基于地级及以上城市市辖区数据的测算[J]. 城市问题, 2019(9):4-10.

[27]
Alves D, Barreira A P, Guimarães M H, et al. Historical trajectories of currently shrinking Portuguese cities:A typology of urban shrinkage[J]. Cities, 2016,52:20-29.

[28]
张松林, 程瑶, 郑好青, 等. 中国城市便利性对城市化失衡的影响研究[J]. 统计与信息论坛, 2022, 37(7):108-118.

[29]
许舜威, 周少甫. 产业结构变迁对城市收缩影响的实证检验[J]. 统计与决策, 2022, 38(20):108-112.

[30]
陈小辉, 张红伟, 吴永超. 数字经济如何影响产业结构水平?[J]. 证券市场导报, 2020(7):20-29.

[31]
李媛媛, 叶舜. 数字经济对流通产业结构高级化的影响研究——基于STR模型非线性效应的实证分析[J]. 价格理论与实践, 2021(6):153-156,167.

[32]
陈晓东, 杨晓霞. 数字经济发展对产业结构升级的影响——基于灰关联熵与耗散结构理论的研究[J]. 改革, 2021(3):26-39.

[33]
贾晋, 高远卓, 申云. 人口集聚与产业结构高级化:孰先孰后[J]. 财经科学, 2022(7):106-121.

[34]
干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011, 46(5):4-16,31.

[35]
温忠麟, 叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展, 2014, 22(5):731-745.

DOI

[36]
李锴, 齐绍洲. 贸易开放、经济增长与中国二氧化碳排放[J]. 经济研究, 2011, 46(11):60-72,102.

[37]
李思飞, 李鑫, 王赛, 等. 家族企业代际传承与数字化转型:激励还是抑制?[J]. 管理世界, 2023, 39(6):171-191.

[38]
张强劲. 组织冗余对企业创新效率的门槛效应研究——来自高端制造企业的证据[J]. 云南民族大学学报:哲学社会科学版, 2022, 39(6):153-157.

[39]
陈雯, 刘伟, 袁丰, 等. 面向中国式现代化的长三角一体化发展使命与研究焦点[J]. 经济地理, 2023, 43(5):8-15.

DOI

Options
文章导航

/

〈 〉