EN中文

经济地理 >

2020 , Vol. 40 >Issue 8: 59 - 66

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.08.008

城市地理与新型城镇化

京津冀城市群就业密度空间分布特征及溢出效应

  • 罗翔 , 1 ,
  • 宋鑫 2 ,
  • 朱丽霞 3 ,
  • 万庆 4 ,
  • 张祚 , 1, ※
展开
  • 1.华中师范大学 公共管理学院，中国湖北 武汉 430079
  • 2.东风本田汽车有限公司，中国湖北 武汉 430056
  • 3.华中师范大学 城市与环境科学学院，中国湖北 武汉 430079
  • 4.武汉工程大学 管理学院，中国湖北 武汉 430205
※张祚（1982—），男，湖北武汉人，博士，副教授。主要研究方向为城市住房与土地资源管理。E-mail：。

罗翔（1978—），男，江西九江人，博士，副教授。主要研究方向为区域经济学与发展经济学。E-mail：。

收稿日期: 2019-03-22

  修回日期: 2020-05-18

  网络出版日期: 2025-04-18

基金资助

国家自然科学基金项目(71974071)

国家自然科学基金项目(71774066)

国家自然科学基金项目(71904151)

华中师范大学“土地利用与粮食安全”青年学术创新团队项目(CNU19TD004)

收起

Spatial Distribution Characteristics and Spillover Effect of Employment Density in Beijing-Tianjin-Hebei Metropolitan Region

  • LUO Xiang , 1 ,
  • SONG Xin 2 ,
  • ZHU Lixia 3 ,
  • WAN Qing 4 ,
  • ZHANG Zuo , 1, ※
Expand
  • 1. Collage of Public Administration，Central China Normal University，Wuhan 430079，Hubei, China
  • 2. Dongfeng Honda Automobile，Wuhan 430056，Hubei, China
  • 3. College of Urban and Environmental Science，Central China Normal University，Wuhan 430079，Hubei, China
  • 4. School of Management，Wuhan Institute of Technology，Wuhan 430205，Hubei, China

Received date: 2019-03-22

  Revised date: 2020-05-18

  Online published: 2025-04-18

Fold

摘要

城市群的发展是国家经济发展的主要载体，对就业密度的考察是理解城市群规模与效率的一个重要视角。文章基于2000—2015年京津冀城市群180个区县（市）的面板数据，考察了其就业密度的空间分布特征与溢出效应。文章研究发现：城市群整体的就业密度向一线城市集中，廊道扩散特征明显；城市群内部就业密度的空间分布差异显著，是以北京强中心为主导的多中心结构；就业密度的空间溢出效应与就业集聚程度有关，就业密度越高的地区，其空间溢出效应明显，就业密度低的地区不具有空间溢出效应。文章的政策建议是：进一步降低中心城市就业门槛，支持经济的跨地区合作；在不同就业密度地区，实行差异化的产业发展功能定位。

关键词： 就业密度; 空间溢出效应; 京津冀城市群; 区域协同发展; 扩散廊道; 就业中心; 多中心结构

本文引用格式

罗翔 , 宋鑫 , 朱丽霞 , 万庆 , 张祚 . 京津冀城市群就业密度空间分布特征及溢出效应[J]. 经济地理, 2020 , 40(8) : 59 -66 . DOI: 10.15957/j.cnki.jjdl.2020.08.008

Abstract

The development of urban agglomerations is the main carrier of national economic development. The study of employment density is an important perspective to understand the size and efficiency of city groups. This paper uses the panel data of 180 districts and counties in the Beijing-Tianjin-Hebei metropolitan region from 2000 to 2015,studying the spatial distribution and the spatial spillover effect of employment density. The main findings are: The spatial and temporal evolution of employment density gradually converges to the first-tier cities in the core area,with obvious corridor diffusion characteristics;Within the Beijing-Tianjin-Hebei metropolitan region,the spatial distribution of employment density varies greatly and is a multi-center structure dominated by Beijing Strong Center; The spatial spillover effect of employment density is related to the degree of employment agglomeration,and the spillover effect is obvious in those areas where the employment density is higher and the spillover effect is not shown in the areas with low employment density. The policy implications of this paper are as follows: further lowering the employment threshold of central cities,supporting cross-regional economic cooperation; implementing differentiated industrial development orientation in different employment density areas.

Key words： employment density; spatial spillover effect; Beijing-Tianjin-Hebei metropolitan region; regional coordinated development; diffusion corridor; employment center; multi-center structure

在城市化与工业化的进程中，伴随着生产要素城乡间与区域间的再配置，城市和区域的空间结构会发生显著的变化。相应的，区域经济一体化是历史发展的大势所趋，其中一个可以被观察到的趋势是，城市群在促进国家经济发展中的作用愈加明显（如东京、巴黎、伦敦等城市群）。不仅如此，城市群作为区域经济增长的主要载体，也是国家城镇布局集约、产业竞争力强劲、要素配置高效的空间形态[1]。从这个意义上来说，未来国家间的竞争就可视为城市群之间的竞争[2]。与之相关的一个重要问题是，城市群的规模和效率是如何决定的?理论上，经济活动的空间分布是厂商规模经济与运输成本相互作用的结果[3-4]：城市之间需求的多样化扩大了市场范围，导致规模经济；与此同时，市场范围扩大会提高运输成本，抵消规模经济，从而最终决定市场的边界与效率。显然，城市本身的经济密度既决定了城市群的规模与效率，同时也决定了城市之间的市场规模。就业密度，作为一个本身就包含了集聚程度与距离的指标，在某种程度上还体现了要素的配置效率。因此，找到就业密度的空间分布规律以及在城市间的互动机制，是理解未来中国经济发展的一个重要视角。
作为中国规模最大、最具发展活力的城市群之一，京津冀城市群被视为未来中国经济增长的“第三级”①。从统计上看，截至2015年，京津冀城市群的人口规模占到全国人口规模的8.14%，其人口密度也达到全国平均水平的3倍以上。不仅如此，2015年，京津冀城市群GDP总量为64 034.99亿元，占全国的9.29%。然而，在京津冀城市群经济总量不断增加的同时，城市群内部发展不平衡的现象也越来越突出，以人口密度与人均GDP为例，2015年，北京和天津的人口密度是河北的3倍以上，人均GDP是河北的2倍以上。作为一个重大的国家战略，“京津冀协同发展”从提出目前为止②，规划纲要和各种政策指导均显示，京津冀城市群正在经历转型发展的关键时期，而就业又是事关经济发展和社会稳定的重要问题。本文对京津冀城市群就业密度的空间分布进行考察，不仅可为理解城市内部与城市之间就业的空间差异提供支持，同时也对理解中国区域发展中的空间失衡提供解释。

1 文献回顾

居住人口与就业人口的空间分布当前关于区域空间结构研究的两个主要方向。理论上，居住空间分布更多反映的是社会特征，而就业空间分布更能反映城市和区域的经济特征[5]。因此，从就业角度出发的区域空间结构的实证研究持续受到地理学、经济学和规划学的关注。从就业密度的角度考察城市就业空间分布的文献主要集中在就业中心的识别上，强调的是不同方法的应用。其中，主要用到的方法是门槛值法、图形分析法、参数模型法和探索性空间分析。门槛值法的研究思路是设定人口规模或者密度的门槛值，将超过该门槛值的区域作为就业中心[6-7]。蒋丽等通过设定就业密度的门槛值，将城市内各区域的就业密度与门槛值进行比对，用可视化地图定义了广州市的就业中心[8]。类似的研究还来自于曾海宏等对深圳市就业中心的考察[9]。图形分析法是指从图形的分布中寻找可能的就业中心[10]。在国内，比较典型的研究有刘碧寒、张勤等采用GIS等值线图形方法，将街道矢量面转换为点数据，用空间插值对北京市、武汉市的就业中心进行了识别[11-12]。参数模型法主要是结合区域密度函数（单中心区域密度函数和多中心区域密度函数）对区域单中心或者多中心空间结构进行拟合[13]。比如，吴文钰等用多中心模型拟合了上海市人口分布，发现上海人口分布符合多中心特征[14]。探索性空间分析（Exploratory Spatial Data Analysis，ESDA）是运用GIS空间分析功能对就业结构的时空特征进行可视化表达，一般采用核密度、中心和标准离差椭圆以及空间计量等手段。之前的研究多将其使用在人口空间分布中，近年来该方法也越来越多的运用在就业人口的空间分布中[15]。然而，需要说明的是，上述研究主要着眼于单个城市就业密度的空间分布，关于城市群就业密度空间分布的证据目前仍旧很缺乏。进一步的，即便是在少量关于城市群就业密度空间分布的文献中[16-17]，所使用数据的时间维度比较短（比如两次经济普查的数据），因此难以准确捕捉就业密度的时空演变机制。
另一类文献考察了就业密度与城市经济效率之间的关系。理论上，如果经济集聚产生正外部性要大于其负外部性，提高就业密度就有助于增进城市本身的经济效率[18⇓-20]。事实上，如果考虑到运输成本与地价攀升等因素，就业密度对城市效率的正向影响就有可能被削弱。Martínez-Galarraga等检验了1860—1999年西班牙经济活动密度与区域间劳动生产率差异之间的关系，发现经济密度对劳动生产率的影响呈倒U型[21]。与之相近的研究还来自于Carlino等，他们的研究显示，经济密度与城市创新之间没有显著的线性关系[22]。类似的，大量的研究表明，在中国，就业密度对城市效率的影响是非线性的[23⇓-25]。然而，从规模经济与运输成本的角度考察就业密度对城市经济效率的影响，忽视了空间因素[26]。特别对于现阶段的中国，区域间要素整合和协同发展的趋势正在增强，那么就业密度是否存在空间效应?这种效应是溢出还是抑制的?当前的实证研究并没有给予回答。
通过对相关文献的回顾，可以发现，当前关于就业密度空间分布的研究，至少存在以下两点改进的余地：第一，从研究视角上看，单个城市内部就业密度的空间分布是关注的重点，城市群就业密度的研究没有受到重视，与此同时，空间关联因素也没有纳入到就业密度空间分布的影响机制中去；第二，从数据层面上看，大量的研究使用的是短面板数据，从较长时间维度把握就业密度分布时空演变的研究缺乏。

2 数据来源与研究方法

2.1 数据来源

本文以京津冀180个区县（市）为研究单位。需要说明的是，由于就业密度与经济集聚之间的关系通常表现在二三产业，并且在区县尺度下就业人口的数据较难获得，因此，本文就业密度的度量指标就为城镇就业人口的就业密度③。具体而言，本文所使用的就业密度为城镇二三产业就业人口数除以该地区的行政区划面积。相应的，本文所使用的数据主要来源于2001—2016年《中国县市社会经济统计年鉴》《中国城市统计年鉴》与《河北经济年鉴》；北京、天津各区县（市）的数据来源于同期的《北京市统计年鉴》与《天津市统计年鉴》；河北省某些区县（市）个别年份的数据缺失，按照3年移动平均法或者按照上级区域对应的数值进行插值处理。

2.2 研究方法

①莫兰指数。本文采用的是全局空间自相关指数（Global Moran's I），其具体形式为：
I = ∑ i = 1 n ∑ j ≠ 1 n w i j x i - x ¯ x j - x ¯ S 2 ∑ i = 1 n ∑ j ≠ 1 n w i j
式中：n是空间单元的数量； w i j是空间权重矩阵，反映空间单元i与j的空间关系； x i、 x j用来表示具有空间权重矩阵 w i j的两个区域i和j的几何属性信息； x ¯ = 1 n ∑ i = 1 n x i是就业密度的平均值； S 2 = 1 n ∑ i = 1 n x i - x ¯ 2是就业密度的方差。本文使用queen法则来计算空间权重矩阵：如果两个区域相邻接，则其空间权重系数 w i j为1，否则其权重系数为0。
②空间计量模型的构建。为了验证就业密度是否存在溢出效应，本文将通过空间计量模型进行实证检验，其具体的空间计量模型如式（2a）、（2b）所示。
e m d e n s i t y i t = α i + α i t + β 0 + β 1 C o n t r o l s i t + ρ W e m d e n s i t y i t + ε i t
e m d e n s i t y i t = α i + α i t + β 0 + β 1 C o n t r o l s i t + ε i t ε i t = λ W ε i t + μ i t
具体的，式（2a）为空间自相关模型（SAR），其中Wemdensityit为i地区就业密度的空间滞后项，系数ρ用来表征空间上相邻地区就业密度对于本地区就业密度的空间溢出效应，这是本文要验证的核心机制。与此同时，就业密度的空间关联机制也可表现为不同地区之间外生冲击的相互影响，因此，本文建立了空间误差模型（SEM）（2b），系数λ为空间误差自相关系数。下标i（i=1，2，…，180）表示地区，t表示时间（t=2000，2010，…，2015）。αi为个体效应，αit是时间效应，εit与μit为服从独立同分布的随机扰动项。
式（2）左边emdensityit为被解释变量就业密度，度量指标是单位面积的就业人数，右边Controlsit是控制变量。由于式（2）主要是为了验证就业密度是否存在空间溢出效应，因此，本文只控制了会显著影响就业密度的因素。从经济的角度看，就业密度与当地的经济发达程度和产业结构有关，一个地区经济越发达，二三产业的比重越高，相应的，就业密度也越高；在社会层面，良好的社会保障、公共服务与教育水平也是吸引就业的一个重要因素；最后，相对于农村，城市能够提供更多的就业岗位。因此，本文的控制变量包括人均GDP、二三产业的比重、人均医疗床位数、人均社会福利院数、每万人大学生人数、城市化率。表1是本文变量设定及说明。
表1 变量设定及说明

Tab.1 Variate setting and description

变量分类 变量名称 变量含义 单位
被解释变量 就业密度 单位面积的就业人数 人/km2
解释变量 就业密度空间
溢出效应		 就业密度的空间滞后项 人/km2
控制变量 人均GDP 人均国内生产总值 元
二三产业占比 二三产业占GDP的比重 %
人均医疗床位 人均拥有的医院、卫生机构的
床位		 张
人均福利院 人均拥有的社会福利院数 个
教育水平 每万人大学生人数 人
城市化率 城镇人口占总人口比 %
矩阵 空间权重矩阵 Queen法则下180×180的矩阵

3 京津冀城市群就业密度的时空演变特征

3.1 就业密度分布的总体空间差异

从图1中可以看出，2015年，京津冀城市群就业密度最高（75%分位点以上）的第一梯队45个区县（市）主要集中在北京和天津两大核心城市。就业密度次高（50%~75%分位点）的第二梯队45个区县（市）则分布在第一梯队的周围，可视为就业密度高值区域的扩散区。就业密度次低（25%~50%分位点）的第三梯队45个区县（市）主要分布在衡水、邢台、邯郸等重要城市之间的边缘过渡地带。就业密度最低（25%分位点以下）的第四梯队45个区县（市）集中在张家口与承德市辖区之外的全部地区。另外，京津冀城市群就业密度的核心—边缘结构特征明显，形成了以北京和天津为中心的高值集聚区。这也反映了北京和天津在京津冀城市群的核心地位。与此同时，就业扩散廊道机制也较为突出，比较明显的扩散廊道大致有3条，即北京—天津轴线、北京—唐山—秦皇岛轴线以及北京—保定—石家庄轴线。这表明，随着交通基础设施网络的不断完善，京津冀城市群内部主要城市之间的产业分工协作日益强化，在就业空间分布上开始表现出扩散效应。
图1 京津冀城市群就业密度四分位图

Fig.1 Quartile graph of employment density in Beijing-Tianjin-Hebei metropolitan region

整体而言，从时序变化来看，2000—2015年，京津冀城市群就业密度的空间分布格局大体保持稳定，表现出“南高北低”的空间分异格局，仅有少量区县（市）就业密度的相对位次发生变化。进一步计算发现，就业密度的变异系数不断下降，同时就业密度相对较高的区县（市）也逐渐集中在中心城市的“廊道”区域。这表明，京津冀城市群内各区县（市）就业密度差异逐步缩小，就业扩散效应显现。这进一步验证了上文所述的就业扩散廊道机制特征。

3.2 就业中心的识别与等级划分

本文使用核密度法来识别京津冀的就业中心。具体而言，本文使用几何间隔分类将180个区县（市）的就业密度由低到高划分为5个等级：①第一级，就业密度小于0.1人/km2；②第二级，就业密度大于0.1人/km2小于等于0.15人/km2；③第三级，就业密度大于0.15人/km2小于等于0.29人/km2；④第四级，就业密度大于0.29人/km2小于等于1人/km2；⑤第五级，就业密度大于1人/km2。图2显示的是京津冀就业密度的核密度，从图中可以看出，北京为最大的中心团，并且其就业密度的时空演变趋势是向东部的怀柔区、密云县、平谷区蔓延；天津就业密度圈有所扩大，特别是2008年以后这种趋势非常明显，这可能与滨海新区的发展有关（吸收了更多的就业）；石家庄中心城区的就业密度在2015年也达到了第五级；保定、唐山、沧州、邢台、邯郸形成了二级就业中心；而北部地区的承德、廊坊则没有形成一定级别的中心团。显然，核密度的分析结果表明，京津冀地区的就业密度是以强中心（北京）为主导的多中心（京津石）结构。
图2 京津冀地区就业密度核密度图

Fig.2 Nuclear density figure of employment density in Beijing-Tianjin-Hebei metropolitan region

表2 京津冀城市群就业密度分市分梯度数量表

Tab.2 Grading scale table of employment density in Beijing-Tianjin-Hebei metropolitan region

城市 年份 梯队划分 城市 年份 梯队划分 城市 年份 梯队划分
一 二 三 四 一 二 三 四 一 二 三 四
北京 2000 14 1 2 1 廊坊 2000 4 1 4 0 衡水 2000 1 1 6 3
2008 14 4 0 0 2008 4 1 4 0 2008 1 1 4 5
2015 14 4 0 0 2015 3 3 2 1 2015 1 2 6 2
天津 2000 7 3 3 0 张家口 2000 1 0 0 13 邢台 2000 1 5 6 6
2008 9 2 2 0 2008 1 0 0 13 2008 1 3 8 6
2015 9 4 0 0 2015 1 0 0 13 2015 1 6 6 5
石家庄 2000 7 6 1 4 承德 2000 1 0 0 8 邯郸 2000 1 9 4 2
2008 3 10 0 5 2008 1 0 0 8 2008 1 7 8 0
2015 4 6 4 4 2015 1 0 0 8 2015 1 5 10 0
唐山 2000 2 5 4 0 秦皇岛 2000 1 1 2 1
2008 4 3 4 0 2008 1 0 3 1
2015 3 3 5 0 2015 1 0 1 3
保定 2000 3 9 7 4 沧州 2000 2 4 6 3
2008 3 10 6 4 2008 2 4 6 3
2015 4 9 5 5 2015 2 3 6 4

3.3 就业密度重心迁移测度与离散趋势

为了进一步捕捉就业密度在京津冀城市群的空间分布特征。本文绘制了就业密度重心和标准离差椭圆变动的专题地图（图3），并将就业密度整体增长态势的各项指标的空间统计结果在表3中列出。从图3中可以看出，就业密度重心总体上是呈向西北方向移动的格局。这主要是由于这一时期位于偏北方的地区（特别是京津唐）就业集中度强；此外，从标准离差椭圆所覆盖区域的面积的变化来看，就业密度标准离差椭圆的面积整体上变动不大，在展布范围上呈现出微弱的向核心区缩小的趋势；最后，表3的数据可以和图3的结果相互印证，从空间密集性指数的变化上来看④，空间密集度指数不断增大：2000年为526.13，2008年为609.26，2015年为821.76。这进一步说明，就业密度的时空分布趋势是不断向标准离差椭圆所指示的核心区聚集。
图3 京津冀城市群就业密度重心和标准离差椭圆变动

Fig.3 Gravity and standard deviation ellipse change of employment density in Beijing-Tianjin-Hebei metropolitan region

表3 京津冀城市群就业密度整体增长态势的空间统计结果

Tab.3 Spatial statistical results of the employment density's overall growth trend in Beijing-Tianjin-Hebei metropolitan region

指标 2000 2008 2015
就业密度重心（x，y） （-17 683，106 748 9） （-19 145，107 186 6） （-17 701，107 112 0）
标准离差椭圆面积（km2） 22 239.98 20 799.49 20 821.1
标准离差椭圆长轴（m） 112 138.86 10 8401.67 105 854.07
标准离差椭圆短轴（m） 63 133.91 61 080.29 62 603.77
旋转角（°） 28.56 29.06 28.04
空间密集性指数 526.13 609.26 821.76

4 京津冀城市群就业密度的空间溢出效应

通过对京津冀城市群就业密度的空间特征分析，可以发现，京津冀城市群就业密度的空间分布极不平衡，是以北京强中心为主导的多中心结构。不仅如此，京津冀城市群就业密度的时空演变特征是向核心区不断集中，并且这种集聚可能存在某种自我强化的机制。事实上，上述统计性分析的结果意味着，京津冀城市群就业密度存在着显著的空间关联影响。在此部分，本文将给出就业密度空间溢出的回归证据。

4.1 就业密度的空间自相关分析

在具体的回归之间，本文首先对就业密度进行了空间自相关的莫兰指数（Moran's I）检验。表4是Global Moran's I的计算与检验结果⑤。
表4 京津冀城市群就业密度全局自相关检验结果

Tab.4 Global autocorrelation test results of employment density in Beijing-Tianjin-Hebei metropolitan region

年份 Moran's I P值 Z值 年份 Moran's I P值 Z值
2000 0.5023 0.001 11.4875 2008 0.5493 0.001 14.5584
2001 0.5265 0.001 12.6049 2009 0.5575 0.001 14.6182
2002 0.5381 0.001 12.7667 2010 0.6519 0.001 15.2550
2003 0.5419 0.001 14.5753 2011 0.6545 0.001 16.1734
2004 0.5071 0.001 13.3459 2012 0.6574 0.001 16.1987
2005 0.5048 0.001 13.2747 2013 0.6579 0.001 16.1993
2006 0.5043 0.001 12.3252 2014 0.6788 0.001 16.0012
2007 0.5015 0.001 12.6737 2015 0.7074 0.001 14.2351

4.2 就业密度空间溢出效应的回归结果及解释

从表4的结果看，Global Moran's I值均为正且呈现出较强的显著性，这说明京津冀城市群就业密度存在显著的空间关联机制。表5报告的是式（2）的回归结果，模型1至模型3采用的是估计效率更高的最大似然估计（MLE）。其中，模型1是SAR的估计结果；模型2是SEM的估计结果；模型3是考虑到内生性问题的系统GMM估计结果。
表5 回归结果

Tab.5 Regression results

被解释变量：就业密度 模型1 SAR 模型2 SEM 模型3 系统GMM-SAR
就业密度空间溢出 0.013（0.010） 0.010（0.010）
就业密度空间误差 0.022***（0.011）
人均GDP 0.316***（0.111） 0.344***（0.059） 0.277***（0.103）
二三产业占比 0.432***（0.105） 0.411***（0.101） 0.422***（0.182）
人均医疗床位 0.000（0.044） 0.000（0.077） 0.001（0.010）
人均福利院 0.000（0.001） 0.001（0.003） 0.000（0.000）
教育水平 0.112***（0.003） 0.205***（0.011） 0.331***（0.012）
城市化率 0.443***（0.061） 0.404***（0.069） 0.712***（0.315）
识别不足LM检验 382.774***
过度识别Hansen J检验 通过
观察值 2 880 2 880 2 880

注：*、**、***分别表示在10%、5%、1%的置信水平下显著；括号内报告的是标准误；模型1至模型3均是使用最大似然估计（MLE）。

从估计结果来看，人均GDP、二三产业占比、城市化率对就业密度有显著的正向影响。这比较好理解，首先，人均GDP高的地区，企业的规模效应大，而规模效应通常是与经济集聚相关的；其次，产业结构调整也会体现在就业密度上，相对于农业，工业和服务业的集聚程度更高，相应的，一个地区二三产业的比重越大，就业密度就越高；再次，教育水平通常与地区的经济集聚程度相挂钩，教育水平越高的地区，其人力资本的外部性越强，相应的，就业密度也越高；最后，城镇吸纳就业的能力要高于农村，所以城市化率高的地区，就业密度也越大。这些发现都与既有的研究结论一致[27-28]。人均医疗床位和人均福利院对就业密度的影响不显著，这说明，现阶段中国，经济因素仍是影响就业的首要因素。
模型2空间误差模型的估计结果显著，但是模型3空间自相关模型的系统GMM估计结果不显著。这说明，就业密度的地区之间存在着空间关联机制，但是这种空间关联机制却没有表现出溢出效应。这个估计结果有些让人意外。对此，本文认为可能的原因是，在模型3中，本文是将所有的样本放在一起进行回归的，而京津冀城市群就业密度在空间上分布是极不平衡的，并且就业密度有进一步向核心区集中的趋势。因此，全样本回归，可能会导致就业密度的空间溢出效应被弱化。为了剔除这种影响，本文对就业密度进行了四分位数的分组回归。
表6报告的是分组回归的估计结果。从回归结果看，在就业密度中位数以下，就业密度没有显示出空间溢出效应；相反，在中位数以上，就业密度的空间溢出效应统计上显著，即本地区的就业密度与邻近地区的就业密度存在空间关联性⑥。在城市群内部，产业结构的调整和产业链的延伸使得规模经济得以实现，进而也导致了不同地区就业密度之间的空间溢出效应，特别是集聚程度越高的地区，就业密度的空间溢出效应越大；集聚程度低的地区则没有体现出相应的溢出效应。
表6 分组回归结果

Tab.6 Grouped regression results

被解释变量：就业密度 系统GMM-SAR
模型4
0.25就业密度分位数以下		 模型5
中位数就业密度以下		 模型6
中位数就业密度以上		 模型7
0.75就业密度分位数以上
就业密度空间溢出 0.001（0.021） 0.010（0.022） 0.034***（0.014） 0.072***（0.024）
控制变量 控制 控制 控制 控制
识别不足LM检验 311.625*** 201.766*** 403.552*** 450.140***
过度识别Hansen J检验 通过 通过 通过 通过
观察值 720 1440 1440 720

注：*、**、***分别表示在10%、5%、1%的置信水平下显著；括号内报告的是标准误；模型4至模型7均是使用最大似然估计（MLE）。

5 结论与讨论

本文利用2000—2015年京津冀城市群的区县（市）面板数据，考察了就业密度的空间分布特征和空间溢出效应。尽管越来越多的研究开始重视就业密度的空间结构，但是现有研究主要关注于就业密度在单个城市内部的空间分布特征，关于城市群就业密度空间分布的研究还相当少。进一步的，就业密度地区之间的空间关联机制，也没有受到足够的重视。本文的主要研究发现：①就业密度的时空演变趋势是逐渐向核心区的一线城市集中，京津就业密度的“廊道”扩散特征明显，空间密集度指数不断增大：2000年为526.13，2008年为609.26，2015年为821.76；②在城市群内部，就业密度的空间分布差异巨大，整体上呈现“南高北低”的空间格局，就业密度是以强中心（北京）为主导的多中心（京津石）结构；③就业密度存在空间关联机制，但这种关联机制与其本身有关：在就业密度中位数以下的地区，就业密度没有表现出相应的空间溢出效应，而在就业密度中位数以上的地区，就业密度的空间溢出效应显著。
现阶段，通过城市群发展促进区域协调发展，进而带动国家整体发展是我国一项重要的经济发展举措。本文的研究显示，京津冀城市群就业密度的时空演变趋势是进一步向核心区集聚，同时中心大城市（京津）的“廊道”特征显著。这意味着，如果要进一步提高京津冀城市群的竞争能力，就必须依靠核心区去发挥规模经济的优势。换句话说，政策调整的方向就要顺应就业密度的变动规律。具体而言，一方面要降低中心城市的就业门槛，比如因户籍而导致的就业歧视，鼓励城市群内部人口向中心城市流动；另一方面要支持经济的跨地区合作，特别是对于一些明显带有“技术扩散”特征行业的从业人员，在城市群内部提供相对平等的公共服务。本文的研究还显示，京津冀城市群就业密度的空间溢出效应与其自身程度正相关。这预示着城市群的功能布局应要符合就业密度的空间结构。那么，在就业密度高的地区，要增强高新技术、金融医疗等现代服务业的发展，进一步提高资源配置的效率；相反，在就业密度低的地区，则应该根据当地的资源禀赋，发展具有比较优势的产业。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Fridemann J R. The world city hypothesis[J]. Development and Change, 1986, 17(1):69-83.

[2]
陆铭. 空间的力量:地理、政治与城市发展[M]. 上海: 格致出版社, 2013.

[3]
Abdel-Rahman H, Fujita M. Product variety,Marshallian exter-nalities,and city sizes[J]. Journal of Regional Science, 1990, 30(2):165-183.

[4]
Duranton G, Puga D. Microfoundations of urban agglometation economics[J]. Handbook of Regional and Urban Economics, 2004(4):237-259.

[5]
沈体雁, 张晓欢, 赵作权. 东北地区就业密度分布的空间特征——基于两次经济普查数据的空间计量经济分析[J]. 经济地理, 2012, 32(10):14-20.

[6]
Giuliano G, Small K A. Subcenters in the Los Angeles region[J]. Regional Science and Urban Economics, 1991, 21(2):163-182.

[7]
Coffey W J, Shearmur R G. The identification of employment centres in Canadian metropolitan areas:the example of montreal,1996[J]. Canadian Geographer, 2001, 45(45):371-386.

[8]
蒋丽, 吴缚龙. 广州市就业次中心和多中心城市研究[J]. 城市规划学刊, 2009(3):75-81.

[9]
曾海宏, 孟晓晨, 李贵才. 深圳市就业空间结构及其演变(2001——2004)[J]. 人文地理, 2010(3):34-40.

[10]
Gordon P, Richardson H W, Wong H L. The Distribution of population and employment in a polycentric city:the case of Los Angeles[J]. Environment & Planning A, 1986, 18(2):161-73.

[11]
刘碧寒, 沈凡卜. 北京都市区就业—居住空间结构及特征研究[J]. 人文地理, 2011, 26(4):40-47.

[12]
张勤. 武汉市就业分布的时空演变研究[D]. 武汉: 华中师范大学, 2014.

[13]
Small K A, Song S. Population and employment densities:structure and change[J]. Journal of Urban Economics, 1994, 36(36):292-313.

[14]
吴文钰, 马西亚. 多中心城市人口模型及模拟:以上海为例[J]. 现代城市研究, 2006, 21(12):39-44.

[15]
沈体雁, 张晓欢, 赵作权, 等. 中国就业密度分布的空间特征[J]. 地理与地理信息科学, 2013, 29(1):64-68.

[16]
劳昕, 沈体雁, 温锋华. 长三角与珠三角就业密度分布比较研究[J]. 城市发展研究, 2013, 20(12):12-17.

[17]
沙勇, 郭洁. 京津冀地区就业增长的空间集散趋势分析[J]. 人口与发展, 2014, 20(5):2-9.

[18]
Ciccone A, Hall R E. Productivity and the density of economic activity[J]. American Economic Review, 1996, 86(1):54-70.

[19]
Matano A, Naticchioni P. Wage distribution and the spatial sorting of workers[J]. Journal of Economic Geography, 2012, 12(2):379-408.

[20]
范剑勇. 产业集聚与地区间劳动生产率差异[J]. 经济研究, 2006(11):72-81.

[21]
Martinez-Galarraga J, Paluzie E, Pons J, et al. Agglomeration and labour productivity in Spain over the long term[J]. Cliometrica, 2008, 2(3):95-212.

[22]
Carlino G A, Chatterjee S, Hunt R M. Urban density and the rate of invention[J]. Journal of Urban Economics, 2007, 61(3):389-419.

[23]
刘修岩, 殷醒民. 空间外部性与地区工资差异:基于动态面板数据的实证研究[J]. 经济学(季刊), 2009, 8(1):77-98.

[24]
苏红键, 魏后凯. 密度效应、最优城市人口密度与集约型城镇化[J]. 中国工业经济, 2013(10):5-17.

[25]
韩峰, 柯善咨. 城市就业密度、市场规模与劳动生产率——对中国地级及以上城市面板数据的实证分析[J]. 城市与环境研究, 2015(1):51-70.

[26]
Fujita M, Krugman P, Venables A J. The spatial economy:cit-ies,regions and international trade[M]. London: MIT Press, 1999.

[27]
曾国平, 吴明娥. 服务业的集聚与城市化——基于省级面板数据的空间计量分析[J]. 城市问题, 2013(12):55-61.

[28]
杨静, 杨向辉, 张光源. 中国第三产业就业创造的影响因素——基于14个行业面板数据的实证分析[J]. 财经科学, 2015(6):97-107.

Options
文章导航

/

〈 〉