EN中文

经济地理 >

2026 , Vol. 46 >Issue 1: 24 - 33

DOI: https://doi.org/10.15957/j.cnki.jjdl.2026.01.003

区域经济与理论方法

中国县域要素集散能力格局及多维动态演进

  • 曾德源 , 1 ,
  • 郭庆宾 , 2, ※ ,
  • 彭艳清 3
展开
  • 1.上海财经大学 公共管理学院， 中国 上海 200433
  • 2.海南大学 国际商学院， 中国海南 海口 570228
  • 3.北京师范大学 经济与工商管理学院， 中国 北京 100875
※郭庆宾（1984—），男，博士，教授，博士生导师，研究方向为经济地理与区域发展。E-mail：

曾德源（1999—），男，博士研究生，研究方向为经济地理与区域发展。E-mail：

收稿日期: 2025-04-18

  修回日期: 2025-09-12

  网络出版日期: 2026-02-12

基金资助

国家社会科学基金一般项目(23BJL004)

上海财经大学研究生创新基金资助项目(CXJJ-2025-312)

海南省哲学社会科学重点实验室成果

收起

Spatial Pattern and Multidimensional Dynamic Evolution of County-level Factor Agglomeration-diffusion Capacity in China

  • ZENG Deyuan , 1 ,
  • GUO Qingbin , 2, ※ ,
  • PENG Yanqing 3
Expand
  • 1. School of Public Administration and Policy， Shanghai University of Finance and Economics， Shanghai 200433， China
  • 2. International Business School， Hainan University， Haikou 570228，Hainan， China
  • 3. Business School， Beijing Normal University， Beijing 100875， China

Received date: 2025-04-18

  Revised date: 2025-09-12

  Online published: 2026-02-12

Fold

摘要

县域要素集散能力是赋能城乡融合发展的重要驱动力。文章综合运用加速遗传算法投影寻踪模型（RAGA-PPC）、Kernel密度估计和Markov链等方法，探究了2010—2022年中国1735个县域要素集散能力的格局及多维动态演进特征。研究发现：①县域要素集散能力整体呈稳定上升趋势，八大经济区之间存在显著梯度差异，东部沿海经济区持续领先，而东北经济区发展动力相对不足。②在空间分布上，县域要素集散能力呈现“核心—边缘”结构，热点区稳定集中于沿海和长江中游经济区，冷点区则主要分布在黄河中游和大西南经济区，且范围逐渐缩小。③县域要素集散能力的总体差异呈扩大趋势，区域间差异为主要来源，其中东北经济区与其他经济区的差异更为显著，而大西北经济区内部差异最小。④要素集散能力具有较强稳定性，且相邻县域间存在长期的空间影响。随着时间推移，“低—低”集聚现象逐渐缓解，向上流动趋势增强。其中高水平县域对低水平县域的虹吸效应明显，而对中等及其他水平县域则发挥辐射带动作用。研究结论为优化县域要素配置、推动城乡融合发展提供了理论依据与决策参考。

关键词： 要素集散; 核心—边缘结构; 多维动态演进; 城乡融合; 加速遗传算法投影寻踪模型; 县域

本文引用格式

曾德源 , 郭庆宾 , 彭艳清 . 中国县域要素集散能力格局及多维动态演进[J]. 经济地理, 2026 , 46(1) : 24 -33 . DOI: 10.15957/j.cnki.jjdl.2026.01.003

Abstract

County-level factor agglomeration-diffusion capacity is a key driver for advancing urban-rural integration development. Integrating the methods of real-coded accelerating genetic algorithm and projection pursuit clustering model (RAGA-PPC), kernel density estimation, and Markov chain, this study examines the spatial pattern and multidimensional dynamic evolution of factor agglomeration-diffusion capacity across 1735 county-level units in China in 2010-2022. The results show that: 1) County-level factor agglomeration-diffusion capacity shows the steady upward trend. There are significant gradient differences among eight comprehensive economic zones, the eastern coastal economic zone remains persistently at the forefront, whereas the northeastern economic zone exhibits relatively weak development. 2) Factor agglomeration-diffusion capacity displays a clear core-periphery configuration: hotspot areas are stably concentrated in the coastal economic zones and the economic zone of the middle reaches of the Yangtze River, while coldspot areas are primarily located in the economic zone of middle reaches of the Yellow River and the greater southwestern economic zone, with their spatial extent gradually contracting. 3) The overall disparities of factor agglomeration-diffusion capacity continue to widen, with interregional differences constituting the dominant source, the disparity between the northeastern economic zone and other economic zones is more significant, while the internal disparity within the greater northwestern economic zone is the smallest. 4) Factor agglomeration-diffusion capacity exhibits strong state persistence, and there is a long-term spatial influence among adjacent counties. Over time, the phenomenon of low-low clustering gradually eases, and the upward mobility trend strengthens. High-level counties exert a pronounced siphoning effect on low-level counties, while generating spillover-driven diffusion effects for medium-level and other counties. These findings provide theoretical foundations and policy-relevant evidence for optimizing county-level factor allocation and promoting urban-rural integration development.

Key words： factor agglomeration-diffusion; core-periphery structure; multidimensional dynamic evolution; urban-rural integration; real-coded accelerating genetic algorithm and projection pursuit clustering (RAGA-PPC); county-level unit

县域要素集散能力作为城乡要素双向流动的核心表征，深刻影响着城乡融合的进程与质量。党的二十届三中全会提出“促进城乡要素平等交换、双向流动”的战略部署，指明了新时代新征程重塑新型城乡关系的实现路径[1]。县域作为城乡地域系统中承上启下的关键枢纽，是实现城乡融合发展的主战场和畅通城乡要素流动的前沿阵地。提升县域要素集散能力是强化以城带乡的有效抓手，亦是贯彻落实习近平总书记在2022年中央农村工作会议提出的“率先在县域内破除城乡二元结构”的应有之义。当前，我国县域普遍面临“产业路径依赖、技术迭代迟滞、政策供给失衡”的三重锁定[2-3]，其要素集散能力不强制约了城乡二元结构的破除和以县城为重要载体的城镇化建设。在我国由快速城市化阶段转向城乡融合发展阶段的背景下，研究县域要素集散能力的格局及其多维动态演进，对于揭示城乡融合发展的内在规律以及缩小城乡差距具有重要现实意义。
现有研究主要围绕要素集散的理论内涵、测度方法及提升路径展开，为本文提供了重要基础，但仍存在进一步深化的空间。①要素集散理论内涵的相关研究。县域要素集散理论的演进根植于城乡关系理论与空间经济学的发展脉络。国外研究早期聚焦城乡对立与要素单向流动，认为工业化必然导致要素向城市集聚并形成“核心—边缘”结构[4]，但新经济地理学提出的要素空间重组理论，则强调要素流动的网络效应与溢出价值[5]，为理解要素集散提供了新视角。国内学者基于中国制度情境，剖析了城乡要素流动的驱动机制、空间载体与治理逻辑。在驱动机制层面，城乡要素长期呈现“乡—城”单向流动特征[6-7]，土地、劳动力要素流动受户籍与产权制度壁垒约束[8]；而数字技术则通过降低信息成本重构了要素配置逻辑[9]，为要素流动提供了新动力。在空间载体层面，县域作为“城尾乡头”，通过承接城市功能外溢与激活乡村资源禀赋[10]，形成要素重组的新型场域[11]。同时，城市群与县域经济的空间协同，能够优化要素集散效率，推动“核心—边缘”结构向网络化格局转型[7]。在治理逻辑层面，要素集散需突破行政壁垒，构建跨域利益共同体[12]。②要素集散能力测度的相关研究。学界对要素集散能力的量化研究呈现出方法工具多元化与空间尺度分异化特征。从测度对象看，研究从单一要素分析逐步转向多维要素整合，涵盖金融资源[13]、人力资本[14]及创新技术[15-17]等；在方法上，多采用区位熵[15,18]、区域密度函数[19]等方法刻画要素集聚与扩散的静态格局。然而，这些方法在揭示要素流动的时空交互效应及网络化特征方面存在局限。随着计量方法创新，社会网络分析[20]、空间计量模型[21]及动态演进方法[14]等逐步引入，显著提升了测度体系的时空解释力。尽管如此，现有实证研究多聚焦城市群尺度[18,20]，尚未构建起要素协同测度框架，尤其忽视县域作为城乡要素交换枢纽的空间载体功能。③实践经验与提升路径研究。已有研究指出，长三角[18]和粤港澳大湾区[16]的交通网络密度与枢纽节点功能对要素流动效率产生显著影响[22]，而降低制度性交易成本能激发要素市场活力[9]。在政策层面，数字技术赋能[23]与新型城镇化战略[10]形成有效政策组合。数字技术通过优化要素驱动模式打破要素流动壁垒，新型城镇化则依托县城载体重塑城乡空间组织[8]。国际经验方面，欧洲多中心网络结构[24]与日本城乡共生产业模式[25]，也为县域要素协同配置提供了范式参考。
综上发现，现有研究在要素集散能力的动态演进特征、县域独特功能关注以及县域治理机制优化等方面仍存在以下不足：①“重集聚轻辐射”“重静态轻动态”问题突出，在捕捉要素集散的时空演化过程上存在局限。②研究尺度多聚焦城市群与省域单元，较少关注县域作为城乡要素交换枢纽的独特功能。③现有研究中对于如何通过县域层面的治理机制优化要素集散能力，尚未形成完整的理论框架。
基于此，本文遵循静态与动态评价相结合的原则，运用加速遗传算法投影寻踪模型，测度2010—2022年中国1735个县域的要素集散能力；在此基础上，借助Dagum基尼系数、空间Kernel密度估计以及空间Markov链等方法，系统刻画我国县域要素集散能力的格局及多维动态演进规律，并进一步提炼出我国县域要素集散能力的提升路径。

1 研究设计

1.1 县域要素集散能力评价指标体系构建

既有研究多从单一维度探讨城乡融合，或仅关注要素流动的静态均衡，从而忽视了要素集散能力的时空交互性与系统关联性。基于数据可得性，本文围绕县域要素集散能力的科学内涵，从要素禀赋（状态）与要素流动（过程）相结合的视角出发，构建包含16项具体指标的评价测度指标体系（表1），形成“集聚驱动整合、整合优化配置、配置支撑扩散”的动态循环框架。具体如下：①要素集聚层面。人口集聚以常住人口年均增长率衡量，代表县域对人力资源的吸引力[26]；金融集聚以金融机构贷款余额与行政区域土地总面积之比衡量，比值越高，资本流动越活跃，经济支持能力越强；外资集聚体现县域在开放经济环境中的竞争力，使用实际利用外资额衡量；技术集聚是创新投入（科技支出占比）与创新产出（专利申请量）共同作用的结果，本文通过构建技术集聚指数加以刻画[27]。②要素整合层面。物质资本投入以固定资产投资与GDP的比值衡量，代表县域生产性资源的整合程度；便捷高效的交通条件能够加强区域内外经济联系，促进要素快速流动与整合，采用公路里程与行政区域土地总面积之比来衡量；使用规模以上工业企业数衡量产业整合基础，企业数量越多通常意味着县域产业规模化程度更高、整合能力更强；公共服务供给以每千人医疗机构床位数衡量。③要素配置层面。财政配置体现政府在县域经济中对资源分配的引导作用，以财政支出占比代表地方政府在促进社会福利与公共服务方面的资源配置能力；优质教育资源可提高要素配置的边际效益，以中小学师生比反映教育资源配置的公平性；第二产业与第三产业就业比例能够反映县域经济结构的合理性与劳动力资源配置的高效性，是县域经济增长的重要内生动力；城乡收入比用于衡量城乡收入差距，差距越小表明收入配置越均衡[28]。④要素扩散层面。活跃的消费市场有助于促进商品流通与服务创新，以社会消费品零售总额衡量市场扩散能力；县域的夜间灯光亮度可捕捉经济活动强度与空间范围，本文使用建成区面积与夜间灯光亮度之比衡量土地扩散[29]，比值越高表明县域在有限的经济活动强度下实现了更大的土地扩张；高效的物流体系可实现商品、原材料等要素的快速转移与分配，以邮政业务总量反映县域物流活动扩散能力；信息扩散能够提升要素配置的精准度与效率，以互联网用户数衡量。
表1 县域要素集散能力评价指标体系及说明

Tab.1 Evaluation index system for county-level factor agglomeration-diffusion capacity and indicator description

准则层 指标层 具体测算指标 指标属性
集聚能力 人口集聚 常住人口年均增长率（%） +
金融集聚 金融机构贷款余额/行政区土地总面积（万元/km2） +
外资集聚 实际利用外资金额（万元） +
技术集聚 （科学技术支出/一般公共预算支出）·0.5+人均专利申请量标准化值·0.5 +
整合能力 物质资本投入 固定资产投资/GDP（%） +
交通基础设施 公路里程/行政区土地总面积（km/km2） +
产业整合基础 规模以上工业企业数（家） +
公共服务供给 每千人医疗机构床位数（张/千人） +
配置能力 财政配置 财政支出/GDP（%） +
教育配置 普通中小学在校生数/普通中小学专任教师数 -
就业配置 （第二产业+第三产业）就业人数/总就业人数（%） +
收入配置 城镇居民收入/农村居民收入 -
扩散能力 市场扩散 社会消费品零售总额（万元） +
土地扩散 建成区面积/夜间灯光亮度 +
物流扩散 邮政业务总量（万元） +
信息扩散 互联网用户数（户） +

1.2 研究方法

1.2.1 加速遗传算法投影寻踪模型（RAGA-PPC）

本文运用加速遗传算法投影寻踪模型（RAGA-PPC）对中国县域要素集散能力进行综合测度。该模型融合投影寻踪技术（PPC）与实数编码加速遗传算法（RAGA）的优势，兼具数据驱动与算法优化特性，能有效规避主观赋权偏差与局部最优陷阱，从而提升评价结果的数学稳健性与现实解释力[1]。

1.2.2 Dagum基尼系数及其分解

Dagum基尼系数通过引入样本分布函数的重叠项，能够有效剥离地理邻近县域要素流动产生的空间交互效应，克服传统方法因忽略子群数据交叉分布而导致的区域差异来源误判问题，从而更准确地测度区域间的经济差异[30]。

1.2.3 冷热点分析

本文运用冷热点分析法（Getis-Ord ${G}_{i}^{*}$），揭示中国县域要素集散能力的空间集聚特征及其动态演变规律[31]。

1.2.4 标准差椭圆

标准差椭圆模型从全局视角量化县域要素集散能力的空间分布特征，核心参数包括椭圆中心坐标、方位角、长轴与短轴长度及覆盖面积。其中，椭圆中心反映空间分布重心，方位角揭示主要扩展方向，长轴和短轴分别表征主扩展方向及其垂直方向的空间离散度，椭圆面积体现整体分布的集聚或扩散态势。通过对比不同时期椭圆参数的动态变化，可以识别县域要素集散能力空间格局的迁移方向、扩散强度及形态演变特征[32]。

1.2.5 空间Kernel密度估计

空间Kernel密度估计方法在传统Kernel密度估计框架中引入空间权重矩阵，构建条件概率密度函数，从而解析县域要素集散能力的空间依赖性与动态演进特征[33]。

1.2.6 空间Markov链分析

空间Markov链分析通过引入空间滞后因子，将传统的Markov链模型拓展至空间维度，并基于邻接关系构建空间权重矩阵，从而有效克服了传统Markov链模型忽视地理邻近效应的局限性[34]。在该分析框架下，以县域要素集散能力的状态转移概率为研究核心，通过比较不同空间邻域背景下县域状态跃迁的差异性，能够量化要素集散能力演变的路径依赖特征与空间溢出效应的强度。
在具体模型构建过程中，首先对县域要素集散能力进行层级划分，设定为k个层级。以此为基础，传统的N阶Markov链转移矩阵被分解为k个层级的子矩阵，从而详细呈现县域要素集散能力在各等级间的转移概率情况。空间滞后项的引入，则充分考量了i县域与相邻j县域的空间关联，其取值通过县域要素集散能力在空间权重下的加权平均得到。空间滞后项的计算公式如下：
$La{g}_{j}=\sum _{i=1}^{n}{Y}_{i}{W}_{ij}$
式中：Lagj表示j县域的空间滞后值；Yi表示i县域的要素集散能力；n为县域总数；空间权重Wij表示i县域与j县域的空间关联性，本文依据邻近性原则予以界定，即当两县域相邻时Wij=1，否则Wij=0。

1.3 数据来源与处理

本文以2010—2022年中国1735个县域为基本空间单元研究要素集散能力，并依据国务院发展研究中心发布的地区协调发展相关报告，将县域划分为八大综合经济区。本研究的县域样本口径为剔除地级及以上城市市辖区，并进一步剔除样本期内关键指标缺失严重且无法通过补充与插补获得的县域。鉴于县域经济发展存在显著区域差异，且部分县域在不同年份统计数据存在波动，尤其是2022年后部分数据缺失较为严重，本文的样本原始数据主要来源于2010—2022年官方统计年鉴。其中，社会经济数据主要取自2010—2022年《中国县域统计年鉴》及各县域国民经济和社会发展统计公报。
为确保数据的可比性，实际利用外资额按当年平均汇率转换为人民币，并将相关经济数据以2010年为基期进行平减处理。针对部分县域统计数据在不同年份可能存在的滞后或缺失问题，本文在数据收集过程中首先尝试通过手工查询和Python网络爬虫技术，爬取县域所在省（自治区、直辖市）统计年鉴、市（盟）统计年鉴以及政府部门官方网站上的数据，以补充缺失数据。对于无法通过地方性统计年鉴获得的缺失数据，本文采用马尔可夫链蒙特卡洛法进行多重插补处理，以确保数据的完整性和准确性。

2 中国县域要素集散能力格局

2.1 时序特征

图1展示了2010、2014、2018和2022年中国及八大综合经济区县域要素集散能力的演变特征。从全国范围来看，县域要素集散能力均值由2010年的0.0952稳步上升至2022年的0.1526，年均增长率为3.99%，表明县域要素集散能力的提升具有较强的稳定性与持续性，反映出县域经济要素配置效率的整体改善。分区域来看，八大综合经济区的要素集散能力水平存在明显的梯度差异，其多年平均值由高到低依次为“东部沿海>北部沿海>南部沿海>长江中游>东北>黄河中游>大西南>大西北”。从年均增长率来看，其排序则为“东部沿海>长江中游>南部沿海>北部沿海>大西南>黄河中游>大西北>东北”。
图1 中国及八大综合经济区县域要素集散能力演变

Fig.1 Evolution of county-level factor agglomeration-diffusion capacity in China and eight comprehensive economic zones

东部沿海经济区自2010年起，其县域要素集散能力便已高于2022年全国平均水平，且在研究期内始终保持年均增速领先地位。这得益于长三角等城市群的辐射带动效应，国家级新区、自贸试验区等政策创新平台持续释放制度红利，同时依托完备的产业集群体系与庞大的消费市场，形成要素集散与产业升级的良性循环。
相比之下，东北经济区县域要素集散能力不仅显著低于全国平均水平，其年均增速在八大经济区中也居于末位。近年来，该区人口流失与人力资本萎缩问题日益严重，已成为制约区域经济增长与振兴的主要障碍。以黑龙江省拜泉县为例，其常住人口在2010—2020年下降近50%，为东北经济区人口流失最严重的县之一[35]。同省的海林市也面临类似困境，受林业资源枯竭与工业衰退影响，人口外流现象明显，同期人口减少了26.97%[36]。从机制上看，人口流失与县域经济发展动力不足、产业结构不合理以及公共服务供给不平衡等因素相关。从制度层面来看，部分县域行政效率不高，审批流程繁琐、企业运营成本较高，且“官本位”思想与传统的经济管理模式仍占据主导地位[37]。在产业结构方面，东北经济区县域经济过于依赖农业，第二产业发展滞后，高薪岗位稀缺，这进一步加剧了劳动力外流。在财政收入方面，许多县是“产粮大县”“工业弱县”“财政穷县”，地方财政收入有限，过度依赖上级转移支付，导致基础设施建设与公共服务供应相对滞后。
北部沿海、南部沿海及长江中游经济区在2018年已接近2022年全国平均水平。其中，长江中游经济区得益于中部崛起战略、城市群一体化发展以及承接产业转移的区位优势，年均增速仅次于东部沿海。而黄河中游、大西南和大西北经济区则因地理区位、生态环境承载力和基础设施短板的限制，要素集散能力的提升面临资源约束与成本劣势，年均增速相对滞后。

2.2 空间特征

2.2.1 空间格局

本文运用自然断点法对2010—2022年中国县域要素集散能力进行分级。依据0.1099、0.2132、0.4226和1.0481共4个断点，可将县域要素集散能力划分为低、较低、中等、较高、高5个等级，并选取2010和2022年2个关键年份进行空间可视化分析（图2）。结果显示，2010年县域要素集散能力呈现显著的空间不均衡分布格局，东部沿海经济区的部分县域已达到中等及以上水平，初步具备较强的要素集散能力；而黄河中游、大西南和大西北经济区的多数县域则处于低水平状态。到2022年，东部沿海与长江中游等经济区的县域要素集散能力进一步提升，高等级水平县域范围明显扩大，形成较为明显的核心聚集区。例如，长沙县与南昌县在2022年的要素集散能力相较2010年分别提升190%和359%，增速显著高于全国平均水平。相比之下，大西北经济区的县域要素集散能力虽有所改善，但整体仍处于较低水平，与东部沿海经济区之间的差距依然较大。
图2 县域要素集散能力的变化

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（2024）0650号标准地图制作，底图边界无修改。图3同。

Fig.2 Changes in county-level factor agglomeration-diffusion capacity

2.2.2 冷热点分布

基于Getis-Ord ${G}_{i}^{*}$冷热点分析法，本文识别了2010与2022年中国县域要素集散能力的冷热点空间格局（图3）。结果显示，2010—2022年，县域要素集散能力的热点区域主要集中在北部沿海、东部沿海、南部沿海和长江中游经济区；冷点区主要位于大西南经济区以及黄河中游经济区的北部县域。从总体变化趋势来看，研究期内热点区空间格局基本保持稳定，而冷点区范围呈逐步收缩趋势，表明县域要素集散能力整体发展态势持续向好。
图3 县域要素集散能力的冷热点变化

Fig.3 Hotspot-coldspot dynamics of county-level factor agglomeration-diffusion capacity

2.2.3 标准差椭圆

本文采用标准差椭圆方法，探究2010、2014、2018和2022年中国县域要素集散能力的空间离散特征及其动态演化规律（图略）。从空间分布来看，标准差椭圆呈现出显著的“东北—西南”走向。从时序变化来看，标准差椭圆呈现出明显的阶段性特征：2010—2014年，椭圆几何参数整体较为稳定；自2014年后，空间格局发生显著调整，椭圆重心向东南方向位移，表明东南沿海地区县域要素集散能力提升较快。到2022年，椭圆面积较2014年缩小3.22%，周长缩短2.11%，表明县域要素集散能力呈现空间压缩与集聚化趋势；长轴较2014年缩短5.36%，而短轴则增加2.26%，表明主轴方向县域间差异缩小，而短轴方向的空间联系增强。与此同时，标准差椭圆方位角由2014年的初始位置顺时针旋转2.36°至2022年的34.28°，空间指向性向东南调整，东西向趋势强化。

2.3 要素集散能力的空间差异分析

2.3.1 整体及区域内差异

本文运用Dagum基尼系数对中国县域要素集散能力的空间差异及其来源进行测度，表2汇总了总体差异与区域内差异的测算结果。总体来看，2010—2022年总体基尼系数呈逐步上升趋势，由2010年的0.3185上升至2022年的0.3713，说明中国县域要素集散能力总体差异持续扩大，发散态势明显。进一步对八大经济区进行横向比较可以发现，各经济区内部差异分化明显，区域内差异整体呈现“东北>北部沿海>东部沿海>大西南>南部沿海>长江中游>黄河中游>大西北”的格局。其中，东北经济区年均区域内基尼系数最高，均值为0.3449，由2010年的0.3268上升至2022年的0.3606；而大西北经济区年均均值最小，为0.2215，由2010年的0.2076上升至2022年的0.2517。东部沿海与大西南经济区的基尼系数虽在样本期内有所波动，但整体呈下降趋势，说明其内部县域要素集散能力差异均有不同程度的改善。
表2 2010—2022年中国及八大综合经济区县域要素集散能力的总体差异和组内差异演变

Tab.2 Evolution of overall and within-zone disparities in county-level factor agglomeration-diffusion capacity in China and eight comprehensive economic zones, 2010-2022

年份 总体 区域内差异
东北 北部沿海 东部沿海 南部沿海 黄河中游 长江中游 大西南 大西北
2010 0.3185 0.3268 0.2753 0.3308 0.2564 0.2449 0.2909 0.2942 0.2076
2011 0.3186 0.3322 0.2794 0.3353 0.2571 0.2488 0.2928 0.2967 0.2088
2012 0.3225 0.3395 0.2839 0.3352 0.2522 0.2505 0.2950 0.2981 0.2060
2013 0.3279 0.3417 0.2953 0.3345 0.2555 0.2526 0.2913 0.2989 0.2096
2014 0.3313 0.3402 0.2969 0.3335 0.2576 0.2501 0.2953 0.3007 0.2146
2015 0.3354 0.3433 0.2986 0.2607 0.3345 0.2469 0.2994 0.3051 0.2171
2016 0.3405 0.3517 0.3002 0.2616 0.3362 0.2427 0.3052 0.3038 0.2185
2017 0.3459 0.3564 0.3022 0.2626 0.3451 0.3086 0.2440 0.3054 0.2214
2018 0.3463 0.3450 0.2971 0.2626 0.3464 0.3093 0.2454 0.3077 0.2237
2019 0.3473 0.3454 0.2683 0.3505 0.2874 0.3134 0.2353 0.3062 0.2287
2020 0.3513 0.3466 0.3548 0.2703 0.2856 0.3129 0.2378 0.3072 0.2308
2021 0.3611 0.3537 0.3710 0.2792 0.2927 0.3135 0.3087 0.2461 0.2411
2022 0.3713 0.3606 0.3882 0.2884 0.3002 0.3149 0.3117 0.2562 0.2517
均值 0.3398 0.3449 0.3086 0.3004 0.2928 0.2776 0.2810 0.2943 0.2215
趋势 上升 上升 上升 下降 上升 上升 上升 下降 上升

2.3.2 区域间差异

表3列出了中国八大综合经济区两两组合的县域要素集散能力差异情况。总体来看，区域间的相对差异呈明显上升趋势。在所有区域组合中，北部沿海—黄河中游的基尼系数年均增长率最高，达到2.86%。而东部沿海—南部沿海、长江中游—大西南的区域间差异呈下降趋势，年均增长率分别为-0.08%和-0.26%，说明这些区域之间的要素集散能力协同性正逐步增强。从差异的绝对值来看，区域间差异均值大于0.4的组合共有7组，分别为东北—大西北、东北—大西南、东北—长江中游、东北—黄河中游、东北—东部沿海、东北—南部沿海以及东北—北部沿海，这表明东北经济区与其他经济区之间的差异是全国区域间差异的主要来源。黄河中游—大西南、长江中游—大西南、黄河中游—大西北、黄河中游—长江中游、长江中游—大西北以及大西南—大西北这6组区域间的差异均值小于0.3，表明这些区域之间的要素集散能力发展较为均衡。
表3 中国八大综合经济区县域要素集散能力的区域间差异

Tab.3 Inter-zone disparities in county-level factor agglomeration-diffusion capacity between eight comprehensive economic zones in China

区域间 均值 年均增长率（%） 区域间 均值 年均增长率（%）
1和2 0.4276 1.83 3和5 0.3081 1.01
1和3 0.4396 0.70 3和6 0.3168 0.76
1和4 0.4396 1.18 3和7 0.3324 0.01
1和5 0.4994 2.20 3和8 0.3522 1.25
1和6 0.5174 2.03 4和5 0.3008 2.29
1和7 0.5395 1.39 4和6 0.3108 1.76
1和8 0.5953 1.42 4和7 0.3264 0.85
2和3 0.3086 0.99 4和8 0.3444 2.01
2和4 0.3037 2.22 5和6 0.2833 1.25
2和5 0.3154 2.86 5和7 0.2938 0.27
2和6 0.3257 2.26 5和8 0.2856 1.23
2和7 0.3434 1.34 6和7 0.2917 -0.26
2和8 0.3668 2.07 6和8 0.2774 0.56
3和4 0.3004 -0.08 7和8 0.2744 0.10

注：1~8分别表示东北、北部沿海、东部沿海、南部沿海、黄河中游、长江中游、大西南和大西北综合经济区。

2.3.3 区域差异来源及其贡献

从Dagum基尼系数分解结果看，中国县域要素集散能力的区域差异主要来源于区域间差异，其贡献最大，均值为0.1627，年均贡献率为47.74%；超变密度差异次之，均值为0.1352，年均贡献率为39.91%；区域内差异贡献最小，均值为0.0419，年均贡献率为12.35%。从贡献率的时序变化看，区域间差异的贡献率呈稳步上升趋势，其变动区间为42.90%~52.72%；而超变密度的贡献率则呈下降趋势，变动区间为35.54%~44.20%。相比之下，区域内差异的贡献率较为稳定，变动区间为11.73%~12.89%。因此，为有效解决中国县域要素集散能力的空间不均衡问题，应重点从缩小区域间差异入手，加强区域间的协同发展。

3 中国县域要素集散能力多维动态演进

3.1 基于Kernel的多维动态演进

3.1.1 传统Kernel密度估计

本文运用传统Kernel密度估计方法，对中国县域要素集散能力的演变态势进行分析。由图4可知，Kernel密度函数中心及其变化区间逐步右移，表明中国县域要素集散能力不断增强。同时，密度函数的主峰高度持续下降，说明低水平县域在总体中的聚集程度减弱，即原先集中于较低要素集散能力区间的县域数量占比逐渐减少，整体分布趋于分散。此外，分布曲线右拖尾现象较为明显，表明在总体水平提升的同时，县域间的差距也在不断扩大。其反映出不同县域在要素集散能力提升速度与幅度上出现分化，部分县域凭借政策优势、资源禀赋等优势，在要素集聚与扩散上进展迅速，而另一些县域提升则相对滞后，从而推动县域间要素集散能力差距逐步拉大。
图4 2010—2022年县域要素集散能力的传统Kernel密度估计

Fig.4 Conventional kernel density estimates of county-level factor agglomeration-diffusion capacity, 2010-2022

3.1.2 无条件Kernel密度估计

在不考虑相邻县域影响的情况下，对本县域要素集散能力的无条件Kernel密度分布及其等高线图进行分析（图略）。整体来看，中国县域要素集散能力的密度等高线呈现显著的区域差异，并可划分为两个主要特征区间。①当t年本县域的要素集散能力值低于0.15时，密度等高线分布较为集中，且主要集中在正45°对角线附近。这一现象表明，在低水平区间内，县域要素集散能力的变动相对平稳，呈现出明显的收敛趋势，即低水平县域在t~t+3年期间的集散能力提升较为缓慢，且县域间差异相对较小。②当t年本县域要素集散能力值高于0.15时，密度等高线多集中于正45°对角线的上方。这表明在较高水平区间内，县域要素集散能力从t年到t+3年期间呈现出持续增长的态势，说明高水平县域的要素集散能力具有较强的提升动力。

3.1.3 空间静态Kernel密度估计

中国县域要素集散能力在空间条件下的静态Kernel密度及等高线分布显示（图略），基于密度峰值与等高线分布特征，可将要素集散能力值划分为3个主要子群：低水平（≤0.4）、中等水平（0.4，1.4]和高水平（>1.4）。具体如下：①当相邻县域在t年的要素集散能力处于低水平时，密度等高线主要集中在正45°对角线附近，形成“低—低”集聚现象。这表明低水平县域之间的要素集散能力差异较小、分布相对稳定，具有一定的收敛性，且受外部影响较小。②当相邻县域在t年的要素集散能力处于中等水平时，密度等高线呈现出“中—低”集聚的特征，表明该区间内县域要素集散能力存在一定的空间关联性，但关联性较弱。③当相邻县域在t年的要素集散能力处于高水平时，密度等高线主要表现为“高—低”和“高—中”集聚。说明部分县域在邻近高水平县域的带动下出现一定程度的能力提升，但整体上尚未形成广泛的扩散态势。也就是说，尽管高水平县域的要素集散能力较强，且能够对邻近县域产生影响，但这种空间溢出效应的传播范围有限，未能迅速传导至中等水平县域。这表明在短期内，相邻县域要素集散能力的提升对本县域的直接促进作用相对有限。

3.1.4 空间动态Kernel密度估计

图5展示了中国县域要素集散能力在空间条件下的动态Kernel密度分布。其中，X轴表示t年相邻县域的要素集散能力，Y轴表示t+3年本县域的要素集散能力。整体来看：①动态Kernel密度图与空间静态Kernel密度图具有相似的结构特征，表明县域要素集散能力存在显著的空间路径依赖。具体而言，相邻县域的要素集散能力在t年与本县域要素集散能力之间呈现空间正相关关系，且这种相关性在未来3年后（t+3年）依然保持较强的持续性。②与空间静态Kernel密度估计相比，当相邻县域的要素集散能力处于较低水平时，等高线密度显著下降（图略），这表明“低—低”集聚现象随时间推移有所减弱。与此同时，“高—中”集聚模式逐渐显现，说明高水平县域与相邻县域之间的互动关系呈上升趋势。
图5 中国县域要素集散能力的空间动态Kernel密度

Fig.5 Spatial dynamic kernel density estimation of county-level factor agglomeration-diffusion capacity in China

3.2 基于Markov链的多维动态演进

为进一步分析空间Kernel密度估计结果，本文基于2.2节的等级划分，分别采用传统Markov链和空间Markov链，揭示中国县域要素集散能力在不同状态间的转移概率及其演进路径。

3.2.1 传统Markov链分析

表4的转移概率矩阵显示：①在不考虑空间因素时，无论是T3还是T5的时间跨度，各等级状态的维持概率（对角线元素）均高于跨等级转移概率（非对角线元素），表明中国县域要素集散能力具有较强的状态稳定性，尤其是低水平和高水平的县域。②随着考察期由T3延长至T5，县域要素集散能力的稳定性减弱。例如，在T5时间跨度下，较高水平与中等水平维持原状态的概率较T3分别下降16.07%和17.11%。同时，较低→中等、中等→较高、较高→高的转移概率呈现“T3<T5”的特征，说明要素集散能力收敛趋势减弱，向上流动性增强。③县域要素集散能力的跳级跃迁存在明显壁垒，整体呈梯度式、渐进式特征。在T5时间跨度下，较低水平直接跃迁至较高水平的最大转移概率仅为2.06%，其余跳级的概率接近于0，与前文Kernel密度估计结论一致。④县域要素集散能力等级下降的风险较低。在T3和T5时间跨度下，中等→较低的转移概率分别为1.27%和0.88%，说明一旦县域要素集散能力提升，便不易退化。
表4 中国县域要素集散能力的传统Markov转移概率矩阵

Tab.4 Conventional Markov transition probability matrix for county-level factor agglomeration-diffusion capacity in China

时间跨度T年 类别 低 较低 中等 较高 高
T3 低 0.7817 0.2178 0.0005 0.0000 0.0000
较低 0.0081 0.6719 0.3168 0.0033 0.0000
中等 0.0006 0.0127 0.6773 0.3069 0.0026
较高 0.0000 0.0015 0.0162 0.7214 0.2610
高 0.0000 0.0000 0.0003 0.0102 0.9894
T5 低 0.6688 0.3240 0.0072 0.0000 0.0000
较低 0.0051 0.4992 0.4735 0.0206 0.0017
中等 0.0000 0.0088 0.5062 0.4733 0.0117
较高 0.0000 0.0022 0.0194 0.5607 0.4176
高 0.0000 0.0000 0.0000 0.0113 0.9887

3.2.2 空间Markov链分析

传统Markov链未考虑空间因素的影响，为此本文运用空间Markov链方法，在T3和T5两种时间跨度下考察空间因素对县域要素集散能力动态演进趋势的影响（表略）。结果表明，当邻接县域处于不同水平类型时，本县域要素集散能力的状态稳定性与转移方向存在明显差异，表明空间因素与县域要素集散能力的等级变迁密切相关。具体动态演进特征表现为：①当邻近县域处于低水平或较低水平时，T3与T5转移概率矩阵对角线元素的概率值大多高于非对角线元素，且稳定性增强，呈现出俱乐部收敛特征。②当邻近县域处于中等水平时，本县域处于中等水平和较高水平的稳定性增强，同时低→较低、较低→中等的转移概率提高。③当邻近县域处于较高水平时，各等级县域的要素集散能力均有显著提升趋势。在T5时间跨度下，低→较低、较低→中等、中等→较高的转移概率分别为50.49%、67.07%、58.69%，均高于相应对角线元素，俱乐部趋同特征明显。④当邻近县域处于高水平状态时，低水平与高水平县域的稳定性增强，而较低、中等与较高水平县域则表现出更强的上升趋势。在T5时间跨度下，低→中等、较低→较高、中等→高的转移概率分别为2.86%、7.50%、2.75%，跳级式变迁概率有所提高。

4 研究结论与政策启示

4.1 研究结论

本文从要素禀赋（状态）和要素流动（过程）相结合的视角出发，构建县域要素集散能力评价体系，对2010—2022年中国1735个县域的要素集散能力进行测度与分析，并探讨了其格局及多维动态演进特征。主要结论如下：①研究期内，中国县域要素集散能力呈现稳定提升态势，但八大综合经济区之间存在显著的梯度差异，多年均值的排序为“东部沿海>北部沿海>南部沿海>长江中游>东北>黄河中游>大西南>大西北”，年均增长率的排序为“东部沿海>长江中游>南部沿海>北部沿海>大西南>黄河中游>大西北>东北”。其中，东部沿海经济区始终处于领先地位，而东北经济区发展动力相对不足。②中国县域要素集散能力的空间分布不均。东部沿海和长江中游经济区逐步形成核心聚集区，要素集散能力持续增强；而大西北经济区整体仍处于较低水平。冷点区主要集中在大西南经济区和黄河中游经济区的北部县域，但其范围逐渐缩小；热点区则在沿海和长江中游经济区保持稳定。标准差椭圆分析表明，2014年后椭圆向东南方向位移，面积缩小、周长缩短，主轴方向差异缩小，短轴方向联系增强，空间指向性向东南调整，东西向趋势强化。③在区域差异上，中国县域要素集散能力的总体差异呈扩大趋势，其中区域间的差异是主要来源，超变密度差异次之。区域内差异整体呈现“东北>北部沿海>东部沿海>大西南>南部沿海>长江中游>黄河中游>大西北”的格局。除东部沿海与大西南经济区外，其他经济区的县域要素集散能力组内差异均呈上升态势。④县域要素集散能力具有较强的状态稳定性和空间分异特征。其中低水平县域的要素集散能力变化较为平稳、收敛趋势明显，增长缓慢且区域间差异较小；而高水平县域则表现出更强的提升动力。随着时间推移，“低—低”集聚现象逐渐缓解，向上流动的趋势显著增强。相邻县域的要素集散能力对本地县域具有长期影响，邻接县域所处水平不同，会导致本地县域在稳定性与提升路径上呈现差异化特征。

4.2 政策启示

基于上述研究结论，为优化县域要素配置、推动城乡融合发展，本文得出以下政策启示：
①构建“区域协同+功能互补”的要素配置新机制。研究表明，中国县域要素集散能力存在显著的梯度差异。为此，应强化核心区域与周边县域的要素流通，避免虹吸效应加剧资源失衡；在政策引导与政府支持下，搭建跨区域协同平台，促进技术、资本、劳动力等要素在城乡之间的高效流动；并依据各地功能定位，推动差异化发展。例如，东部沿海地区要聚焦高端要素集聚与创新引领，中西部地区要着力特色资源开发与生态文明建设，而东北地区则需加快产业升级，借助县域资源协同互动实现要素高效配置，促进县域间功能互补与资源优化配置。
②实施“梯度转移+精准扶持”的中部崛起新路径。中部地区要素集散能力具有一定的提升潜力，但整体仍低于东部沿海地区。因此，应鼓励东部沿海成熟产业向中部县域梯度转移，充分发挥中部交通区位与劳动力资源优势，带动产业链延伸与要素流动纵深发展。同时，应结合不同县域的资源禀赋与发展潜力，提供差异化、定制化支持。例如，在长沙县和南昌县等基础较好的地区，加大科技创新与基础设施投入，促进产业与资源融合集聚，提升要素流动性和集散能力，进而形成“以点带面”的发展格局，实现县域要素高效流动与均衡发展。
③探索“制度创新+突破壁垒”的东北振兴新策略。面对东北地区要素集散能力偏低且增速较慢的困境，应以制度创新为抓手，着力破除体制机制障碍，持续优化营商环境，简化审批、降低准入门槛，促进要素自由流动与高效配置。同时，加强与其他发达地区的协作，推动技术转移、产业对接与人才交流，提升东北地区县域的外部辐射与内生增长能力。此外，政府还应鼓励建立跨区域协作机制，在基础设施建设、产业链协同等领域推动要素流动，构建区域间良性互动格局，为东北振兴筑牢根基。
④打造“数字赋能+空间联动”的要素流动新模式。目前，县域要素集散能力稳定性强且空间分异明显，其中低水平县域增长缓慢、差异小，高水平县域则提升动力足。可依托大数据、人工智能技术，建立精准要素流动平台，实现县域间要素精确匹配，提高配置效率，推动要素高效流动。数字平台能降低信息不对称与交易成本，助力县域精准掌握市场动态与资源供给，实现要素流动透明化、便捷化与高效化。同时，要加强县域间基础设施联动，推动交通与物流网络互联互通，提升要素流动的可达性与效率。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
郭庆宾, 马梦瑶, 程叶青. 海南自由贸易港城乡融合发展水平的时空特征及其驱动机理[J]. 经济地理, 2024, 44(12):62-71.

DOI

[2]
赵美风, 闫玘娇, 杨振, 等. 2000—2020年中国就近城镇化区域差异分解与趋同格局[J]. 地理科学进展, 2024, 43(12):2395-2412.

DOI

[3]
黄世臻, 马施婷, 刘玉亭, 等. “依附”视域下县域乡村生活空间特征及其影响因素——基于广州市增城区的实证研究[J]. 地理科学进展, 2025, 44(3):568-582.

DOI

[4]
Lewis W A. Economic development with unlimited supplies of labour[J]. The Manchester School, 1954(2):139-191.

[5]
Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3):483-499.

DOI

[6]
崔树强, 周国华, 戴柳燕, 等. 基于地理学视角的城乡融合发展研究进展与展望[J]. 经济地理, 2022, 42(2):104-113.

DOI

[7]
周慧, 方城钧. 城乡融合发展的科学内涵与内在逻辑[J]. 财贸研究, 2023, 34(9):17-23.

[8]
罗必良, 耿鹏鹏. 理解县域内的城乡融合发展[J]. 南京农业大学学报(社会科学版), 2023, 23(1):16-28.

[9]
方创琳. 城乡融合发展机理与演进规律的理论解析[J]. 地理学报, 2022, 77(4):759-776.

DOI

[10]
曹萍, 古智猛. 以县域为重要切入点进一步推进城乡融合发展:生成逻辑、核心要义与实践指向[J]. 社会科学研究, 2024(6):39-44.

[11]
徐勇. 以协同治理推进城乡融合发展[J]. 人民论坛·学术前沿, 2024(21):13-19.

[12]
刘守英, 龙婷玉. 城乡融合理论:阶段、特征与启示[J]. 经济学动态, 2022(3):21-34.

[13]
肖冬利, 肖锐, 班琦. 金融资源在城市群的空间集聚与扩散效应:基于新经济地理模型的分析[J]. 现代财经(天津财经大学学报), 2025, 45(2):39-54.

[14]
李玉文, 侯新烁, 李五荣. 人口双向集散对县域城镇化的影响及其空间梯度[J]. 经济地理, 2021, 41(9):91-102.

DOI

[15]
王腾飞, 谷人旭, 马仁锋, 等. “集聚—扩散”视角下中国区域创新极及其知识溢出区位[J]. 经济地理, 2021, 41(5):11-18,185.

DOI

[16]
张玉梅, 吴先明, 高厚宾. 资源“集聚”与“辐射”视角下国际创新中心的成长机制研究——以粤港澳大湾区为例[J]. 中国工业经济, 2022(11):97-115.

[17]
段德忠, 金红. 中国城市绿色技术扩散的时空过程与形成机制[J]. 地理学报, 2023, 78(8):2001-2018.

DOI

[18]
唐昭沛, 吴威, 郭嘉颖, 等. 基于城市产业结构特征的高铁生产性服务业集散效应——以长三角城市群为例[J]. 地理研究, 2021, 40(8):2188-2203.

DOI

[19]
孙铁山, 李国平, 卢明华. 京津冀都市圈人口集聚与扩散及其影响因素——基于区域密度函数的实证研究[J]. 地理学报, 2009, 64(8):956-966.

DOI

[20]
Yang Y, Lu X, Chen J, et al. Factor mobility,transportation network and green economic growth of the urban agglomeration[J]. Scientific Reports, 2022, 12(1):20094.

DOI

[21]
毕秀晶, 宁越敏. 长三角大都市区空间溢出与城市群集聚扩散的空间计量分析[J]. 经济地理, 2013, 33(1):46-53.

[22]
Ignatov A. European highways and the geographic diffusion of economic activities from agglomerations to less urbanised areas[J]. Empirica, 2024, 51(2):351-377.

DOI

[23]
邓苏昊, 陈珏颖, 张鑫蕊, 等. 数字经济驱动城乡融合发展的内在机理与实证检验——来自中国275个地级市的经验证据[J]. 农业技术经济, 2024(12):68-83.

[24]
Meijers E, Hoogerbrugge M, Cardoso R. Beyond polycentricity:Does stronger integration between cities in polycentric urban regions improve performance?[J]. Tijdschrift voor Economische en Sociale Geografie, 2018, 109(1):1-21.

DOI

[25]
张季风. 乡村振兴视阈下的城乡融合发展:日本的实践与启示[J]. 中国农村经济, 2022(12):124-138.

[26]
雷刚. 城乡融合中的县域人口集聚式收缩:影响及应对策略[J]. 中国人口·资源与环境, 2024, 34(11):1-11.

[27]
白俊红, 张艺璇, 卞元超. 创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J]. 中国工业经济, 2022(6):61-78.

[28]
秦蒙, 刘修岩, 胡潇男. 区域中心城市规模、市场一体化与城乡收入差距[J]. 财贸经济, 2025, 46(2):159-176.

[29]
杨孟禹, 唐宝时, 刘雅宁. 被动反应与主动选择:国家土地督察何以抑制城市扩张[J]. 中国农村经济, 2024(2):131-154.

[30]
李克乐, 刘永庆, 杨宏力. 黄河流域农业高质量发展的水平测度、地区差异及动态演进[J]. 地理科学, 2025, 45(4):795-807.

DOI

[31]
王福博, 王晓芳, 罗万云, 等. 中国城市创新驱动水平时空演化及影响因素分析[J]. 地理科学, 2025, 45(1):106-118.

DOI

[32]
贺山峰, 李铮, 冯爱青, 等. 1949—2022年登陆中国热带气旋变化特征及其影响因素[J]. 地理学报, 2025, 80(1):101-119.

DOI

[33]
曾祥静, 何彪, 马勇, 等. 长江中游城市群县域生态效率时空格局及多维动态演进[J]. 地理科学, 2023, 43(6):1088-1100.

DOI

[34]
高婧珂, 成金华, 周文潇, 等. 长江经济带绿色创新的空间异质性演化及其收敛性[J]. 经济地理, 2025, 45(3):22-31.

DOI

[35]
魏后凯, 李玏, 杨沫. 东北县域人口流失的特征、原因及应对措施[J]. 社会科学战线, 2022(8):89-95.

[36]
朴光星, 马文婷. 跨越收缩:东北人口减少县域转型发展的个案研究[J]. 社会发展研究, 2024, 11(2):209-225,246.

[37]
孙平军, 张可秋, 曹乃刚, 等. 东北区域性城市收缩的地理认知与治理逻辑[J]. 地理学报, 2024, 79(8):1918-1939.

DOI

Options
文章导航

/

〈 〉