EN中文

Economic geography >

2024 , Vol. 44 >Issue 4: 55 - 63

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.04.006

Digital Infrastructure and the Spatial Restructuring of Chinese Cities

  • LIU Xiuyan , 1, 2 ,
  • WANG Yuxin , 1, ※
Expand
  • 1. School of Economics and Management，Southeast University，Nanjing 211189，Jiangsu，China
  • 2. National School of Development and Policy，Southeast University，Nanjing 211189，Jiangsu，China

Received date: 2023-12-11

  Revised date: 2024-03-03

  Online published: 2024-09-12

Fold

Abstract

Digital technology has injected new power into China's economic development,and the high-quality urban development driven by the digital economy is inseparable from the support of digital infrastructure. Based on the panel data of 263 cities at prefecture level and above from 2002 to 2020,this paper discusses the influence of digital infrastructure development level on the dynamic change of urban spatial structure,the site selection heterogeneity of enterprises in different industries and its influencing factors from the dimensions of central population density,population density gradient and multi-center index. The findings indicate that: 1) The enhancement of digital infrastructure leads to a rise in population density in central urban areas. This manifests as intensified population density near the central business district (CBD),while the rate of population density decline with distance is accelerated,suggesting that the expansion of digital infrastructure brings a stronger cohesion force to city centers,making these areas denser. 2) Although the core area is more compact,cities are developing towards multi-centricity,demonstrating the growth and spread of emerging sub-centers. 3) Subways,as an efficient and convenient public transportation method,have facilitated dispersion to a certain extent,but this has not fundamentally altered the overall trend of aggregation towards city centers. Cities should develop policies tailored to local conditions to alleviate pressure in central areas and promote the coordinated development of all urban regions.

Key words： digital infrastructure; transportation infrastructure; urban spatial structure; population density; polycentric; agglomeration and dispersion; subway

Cite this article

LIU Xiuyan , WANG Yuxin . Digital Infrastructure and the Spatial Restructuring of Chinese Cities[J]. Economic geography, 2024 , 44(4) : 55 -63 . DOI: 10.15957/j.cnki.jjdl.2024.04.006

近年来，人工智能、大数据、物联网、区块链等数字技术蓬勃发展，并加速向经济社会各领域渗透融合，不断改变着人们的生活方式和重塑着未来社会的面貌，正日益成为推动社会变革的引擎。数字经济时代，流动空间成为配置资源的底层逻辑，各种功能要素的空间流动不断冲击与重塑城市间联系，成为一体化空间网络的新机制和新动力[1-2]。数字技术的迅速发展不仅改变着生产、供给、消费的各个环节，还深刻影响着中国经济地理格局，也为中国区域协调发展带来了新挑战与新机遇[3]。分散的企业利用数字技术以较低的成本建立跨空间联系，扩大了要素、商品流动和知识溢出的空间范围，促进了城市网络的形成，并使城市网络中的核心节点从空间位置向信息流节点转变[4]。受新冠疫情以及数字技术发展的影响，房地产市场出现了重大变化；许多企业允许员工居家办公，城市通勤压力减小，拥堵状况缓解，公共交通载运量下降；网购平台兴起，线下购物中心衰落。远程工作逐渐成为现代劳动力市场的持续性特征，也成为员工享受并愿意为之付费的福利。随之发生的是员工的通勤意愿度降低，尤其是对极端通勤容忍度降低，因而对居住的选择偏好也发生了变化。
随着中国城市化进程的高速推进，以地铁为代表的城市公共交通体系的建立和完善在缓解大城市拥堵压力的同时，也在重塑城市的人口空间分布形态。地铁通过局部集聚效应影响了城市内部空间结构，但地铁网络扩张总体上对城市人口分散化影响不显著。有学者认为地铁局部集聚效应主要辐射范围仅在站点周边3 km内，地铁开通能带来辐射范围内至少3.6%的人口增长[5]；也有研究发现城市交通基础设施的改善会削弱互联网的集聚力，导致互联网的净效应趋于分散[6]。基于此，本文拟聚焦数字基础设施发展以及公共交通系统建设对于城市结构的重塑作用，从人口流动的视角探究城市形态更加紧凑还是更加松散，以及未来城市结构会有怎样的发展趋势。

1 文献综述

自1980年以来，数字技术尤其是互联网的发展使信息的即时和远距离传输成为可能，减少了约束，进一步降低了通信的距离成本[7]。因此，一些学者提出了“城市之死”[8]和“距离之死”[9]的观点，并开始关注数字技术，尤其是电话、互联网等设施对城市空间结构的影响。然而，对于数字技术对城市空间结构的影响是分散化还是集中化的，一直以来争论不断，有些学者发现了分散影响[10⇓⇓⇓-14]，而另一部分学者则发现了集聚影响[15⇓⇓-18]。这可能是因为互联网的影响是非线性的，互联网对城市空间结构的影响可能会随着其渗透率的增加而变化。主要体现在，一方面，互联网引致的在线交流对面对面交流产生替代，因而对线下集聚产生了削弱的作用；另一方面，随着互联网的普及，互联网的知识编码能力提升，不仅知识扩散速度加快[19]，而且隐性知识在经济活动中的比例也会通过随之而来的知识密集型城市的发展而提高，这增加了面对面交流的需求[20]，从而增强了互联网的集聚力。部分学者以就业变化的趋势为切入点，发现互联网能显著促进城市内部的就业集聚，但随互联网渗透率的提高，其促进作用呈现边际递减趋势，而城市就业的空间多中心性不断提升，即就业向远离城市主中心的次中心集聚；对于高发展水平的城市，互联网渗透率的提高促进了就业先短暂分散，而后“边际递增”式集聚[21]。总的来说，信息通信技术对城市空间结构空间效应的理论可以分为4种：集中化效应、分散效应、双重效应（集中和分散）、低影响或没有影响，其中分散效应和双重效应的趋势最为明显。有学者提出，互联网和通讯等数字基础设施的完善，降低了城市内部的通勤需求和通勤必要性，传统的面对面交流和线下办公部分被虚拟空间的互动和远程办公所替代，经济活动向城市中心集聚的向心力会下降，郊区化趋势愈发明显[22]。
综上所述，已有大量文献针对城市空间结构的演变展开，但目前研究数字经济发展对城市空间结构重塑功能的文献尚在少数。本文从宏观视角出发，研究2002—2020年中国城市数字基础设施对城市空间结构的影响，聚焦于城市的人口分布变化、多中心化情况及其潜在原因。本文将运用人口密度、密度梯度测算方法以及多中心指数测算方法来测度城市形态变化，捕捉经济活动主体的变化，以此反映通过规划引导形成的空间结构变化以及内生的空间结构动态过程；分析人口流动的理论机制，利用企业栅格数据捕捉企业选址的变化，提供数字基础设施发展重塑城市空间结构的证据；分析不同行业企业选址变化的异质性，帮助厘清数字基础设施以及公共交通系统对城市空间结构带来的非线性影响。

2 数据来源、模型介绍及变量定义

2.1 研究对象与数据来源

基于数据可得性原则，根据本文研究需求及指标构建剔除部分存在数据缺失的城市，最终选取了2002—2020年的中国263个地级及以上城市（以下简称城市）作为研究对象，计算相关指标（其中多中心指数计算至2019年）。本文所选用的城市层面的数据主要来源于2002—2020年《中国城市统计年鉴》，用于计算城市空间结构的人口栅格数据来自Worldpop。其他部分数据根据相关数据测算得出。

2.2 数字基础设施发展水平测度

数字基础设施指的是信息化基础设施，信息化基础设施包括硬件、软件、网络、数据中心等计算机技术和信息管理系统的设施，为企业、政府或机构的信息化建设提供技术支撑和保障。因此，本文采用每百人互联网宽带接入用户数、每百人移动电话用户数、人均电信业务总量来测度数字基础设施。具体来说，每百人电话用户数可以反映出电话通信网络的普及程度，而每百人互联网用户数则可以反映出互联网的普及程度。这两个指标都是以人口为基数，因此可以消除人口规模的影响，使得不同地区之间的比较更为公平。
此外，这两个指标还可以反映出数字基础设施对于社会经济活动的影响。例如，电话和互联网的普及程度可以影响信息的传播速度和范围，从而影响经济活动的效率。虽然人口密集的地方对通信、网络等基础设施的需求更大，这并不意味着人口集聚一定先于数字基础设施的发展，政府或企业往往通过预先投资建设数字基础设施的方式以吸引人口和企业的集聚，提供良好的数字技术环境以提升效率。
数字基础设施发展水平的具体测算方法主要类比于对数字经济水平测度的方法[23]，具体步骤如下：
第一步，数据标准化处理。采用无量纲化的阈值法进行标准化处理，类比得到数字基础设施发展水平。由于所选指标与数字基础设施发展水平均为正相关，因此计算公式为：
X i j t = V i j t - m i n V j t m a x V j t - m i n V j t · k + q
式中：i表示省份；j表示测度指标；t代表年份； V i j t是测度指标的原始数据； m a x V j t是t年度各地级及以上城市中j指标原始数据的最大值； m i n V j t是最小值。为使数字基础设施发展水平跨年度可比，采用设定基期年份的方法，反映不同年度间某地级及以上城市在某指标上的进步或退步。本文以2002年为基期，最大值（ m a x V j t）与最小值（ m i n V j t）均选用基期年份数据进行测算。k和q为阈值区间调整参数。为增强对比性，k和q分别选取10和1，使基期指数在1和11之间，非基期年份的最高和最低得分均可能大于10或小于1，数值越大，代表数字基础设施发展水平越高。
第二步，对于数字基础设施的4个衡量维度，分别计算其权重大小。具体步骤如下：①标准化处理：取各地级及以上城市各指标在样本期间的年度均值（ Y i j），并进行标准化： Y i j ' = Y i j - m i n Y i j m a x Y i j - m i n Y i j；②确定各指标比重： P i j = Y i j ' / ∑ i = 1 30 Y i j '；③确定第j项指标的熵值： E i j = - 1 l n 30 ∑ i = 1 30 P i j l n P i j；④确定第j项指标的差异系数： Z j = 1 - E j；⑤确定第j项指标的权重： W j = Z j / ∑ j = 1 m Z j。
第三步，对数字基础设施各项指标进行加权。根据第一步标准化后的数据以及第二步的指标权重，采用线性加权的方法计算数字基础设施发展水平（DigInf）：
D i g I n f i t = ∑ j = 1 m X i j t · W j
式中： X i j t表示标准化后的指标； W j表示第j个指标相对于上一级指标的权重；m为指标数量。

2.3 城市空间结构指标测度

2.3.1 人口密度梯度

在城市层面，本文借鉴以往文献的方法，用密度梯度对城市中心化程度进行测度，即计算人口随着距离市中心（CBD）距离增加而衰减的速率[24]。人口密度梯度则指的是人口密度随着地理位置的变化而发生的变化。通常情况下，城市或人口集中区域的人口密度最高，且随着与城市中心的距离逐渐变远，人口密度也不断降低，形成一个由高到低的人口密度梯度。人口密度梯度影响着资源的分配与利用，也反过来受到资源分配的影响。本文使用2002—2020年Worldpop数据集计算了各城市以城市CBD为中心点周围以1.5、5.0、10.0、20.0、50.0 km为半径的5个圆环内的平均人口，令 y i表示平均人口，圆环半径分别表示各圆环中点距离中心CBD的距离。令 x i ∈{0.75 km，3.25 km，7.50 km，17.50 km，37.50 km}。如此一来，对于每个年份每个城市，都可以得到一组 x i和 y i，并构建以下回归模型：
l n y i = β 0 + β 1 l n x i + ε i
式中： β 0表示截距项（即中心人口密度），反映CBD周围1.5 km内的平均人口情况； β 1表示人口密度梯度，即人口密度随着距离CBD距离增加而衰减的速率。 β 1的绝对值越大，则表示城市人口随着距离衰减的速率越大，即城市中心更紧凑。

2.3.2 多中心指数

由于人是经济活动的主体，本文参考已有研究的做法，将地理单元中的经济活动人口通过栅格像元值的形式估算于各个1 km2左右尺度内的栅格中[25]。本文将识别2002—2019年城市中的各个人口中心（包括主中心与次中心），并将每个人口中心包含的栅格进行加总，测算出人口中心对应的人口。基于形态多中心角度进行考量，本文采用城市中各个次中心人口占所有人口中心的比重来测度城市多中心程度，这一指标反映了城市中次中心相对于主中心的重要程度，指标越大，表示城市中次中心人口占比越高，次中心越重要，城市也越趋于多中心化。因篇幅限制，此处仅介绍计算原理，具体计算过程不做赘述。

2.4 模型介绍及变量定义

本文在城市层面构建如下模型衡量数字基础设施发展对城市空间结构的重塑作用：
l n Y i t = α 0 + α 1 l n D i g I n f i t + α 2 l n X i t + μ i + σ t + ε i t
式中：i代表城市：t表示年份： Y i t分别表示3个核心被解释变量[中心人口密度（CPD）、人口密度梯度（PDG）、多中心指数（Polyc）]； D i g I n f i t表示核心解释变量，即数字基础设施发展水平； X i t表示随时间和个体变化的控制变量； μ i表示城市层面不随时间变化的特征； σ t表示时间固定效应； ε i t为随机扰动项。为了减少异方差，对部分指标采取对数处理，在经济含义上从弹性角度解释变化。模型包括了年份固定效应及城市固定效应，并聚类到城市层面。具体指标包括：①核心被解释变量：包括中心人口密度（ C P D i t）、人口密度梯度（ P D G i t）、多中心指数（ P o l y c i t）3个。选取中心人口密度作为城市空间结构测度标准之一的原因主要有二：第一，人是社会活动的主体，中心人口密度越高，说明中心地带的经济活动越繁盛；第二，人口的流动一定程度上可以反映城市建设的容积率，较高的人口密度可能意味着居住建筑的高度更高。②核心解释变量：数字基础设施发展水平（DigInf）。数字基础设施指的是支持数字化服务和应用的基础设施，引入计量模型时，对该指标取对数。③控制变量（Controls）：本文选取了其他反映城市特征的宏观统计指标作为控制变量。主要包括：反映地区经济发展水平的地区人均GDP（perdistGDP）、反映城市建筑密度变化的市辖区建成面积（builtuparea）、反映房地产市场发展的房地产开发投资额（REinvestment）、反映地区交通基础设施状况的人均道路面积（perroadarea）。引入计量模型时，对各控制变量分别取对数。
图1~图3分别展示了2002—2020年全国各省平均中心人口密度、人口密度梯度和2002—2019年全国各省平均多中心指数情况，可以看出，中心城市所在区域拥有较高的中心人口密度，部分省份（如福建省、贵州省）平均中心人口密度出现大幅增长；至2020年，中心城市所在区域平均多中心化趋势也更加明显，区域间的平均多中心化程度差距减小。在交通基础设施不发达的时代，步行的通勤半径大致确定了城市规模。随着汽车和地铁等交通基础设施的发展，交通成本的下降扩大了人们的通勤半径，城市的空间范围也在不断扩张。现代化的数字基础设施不仅会起到上述类似的作用，同时数字基础设施对交通基础设施也存在着一定的替代性，人们通过利用数字基础设施进行线上虚拟空间的互动，可以替代通过交通基础设施连接的线下物理空间的互动；通过利用电商平台进行商品的流动，可以替代人员的流动。这些都无疑会造成城市内部空间结构的分散化，多中心指数的提高、人口密度梯度下降为此提供了最直接的证据。
图1 中国各省平均中心人口密度变化趋势

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(2019)1821号的标准地图制作，底图无修改。图2、图3同。

Fig.1 Trends in population density changes of provinces

图2 中国各省平均人口密度梯度变化趋势

Fig.2 Trends in population density gradient changes of provinces

图3 中国各省平均多中心指数变化趋势

Fig.3 Trends in multi-center index changes of provinces

2.5 内生性与工具变量

值得注意的是，城市空间结构与数字基础设施之间可能存在一定的内生性关系。一方面，城市结构本身可能会影响数字基础设施的建设，即可能存在反向因果问题；另一方面，由于城市对数字基础设施的投资建设往往也伴随着改变城市空间结构的投资建设，所以可能存在遗漏变量问题。为此，本文采用工具变量估计再次检验数字基础设施与城市空间结构之间的关系。本文遵循满足与内生性自变量数字基础设施发展水平强相关且独立于误差项的原则，构造工具变量并进行检验。本文主要构造的工具变量有以下两个：①使用滞后一期的数字基础设施发展水平 D i g I n f i t - 1进行检验。②参考宋敬等的做法，采用1984年各城市每百人固定电话数量与上年全国互联网宽带用户接入数的交乘项、1984年各城市每百人邮局数量与上年全国互联网宽带用户接入数的交乘项作为工具变量[26]。首先，基于历史的时序相关性，1980年代的邮电业务发展为现在数字经济发展提供了良好的建设基础与技术储备，工具变量满足相关性假设。进一步，由于采用1984年的历史数据与上一期的互联网用户数据，对于样本期间的当期随机扰动项而言是一个前定外生变量，满足外生性假设。

3 结果分析

3.1 基准回归

本文试图探究数字基础设施发展水平以及公共交通对于人口分布情况以及多中心化程度的影响，将城市中心人口密度、人口密度梯度以及多中心指数作为核心被解释变量，回归结果见表1的列（1）（3）和（5）。根据列（1）和（3）的结果可以判断，随着数字基础设施的改善和发展，在全国范围内，城市中心的人口密度仍然在显著增加，且距离市中心越远，人口衰减的速度越快。这意味着数字基础设施的发展并没有改变人口向城市内部集聚的趋势。有学者发现，人口变化最剧烈的区域主要集中在城市中心附近，而人口萎缩模式可能受到经济增长不足的城市土地扩张的影响[27]，本文结果佐证了这一观点。列（5）则显示，随着数字基础设施水平的提升，多中心化指数也相应增加，即城市出现更多的中心。
表1 基准回归结果

Table 1 Baseline regression results

注：括号内为标准误；*、**、***分别表示p<0.1、p<0.05、p<0.01。表2~表4同。

除核心解释变量数字基础设施发展水平之外，在模型中继续加入“是否开通地铁”的0-1变量与数字基础设施进行交互。 i s m e t r o i t表示第t年城市i的地铁开通情况，如当年已开通地铁，则 i s m e t r o i t取1，如当年未开通地铁，则 i s m e t r o i t取0； D i g I n f i t · i s m e t r o i t表示数字基础设施发展水平与是否开通地铁的交互项。在加入地铁开通的交互项之后，影响系数显著为正，方向不变但系数变小。以表1列（2）的中心人口密度为例，系数由0.511变为0.125，即在地铁的发展下，由数字基础设施发展产生的人口向城市内部集聚的力量有所削弱，但整体趋势仍然为集聚。地铁作为快速高效的公共交通工具，一定程度上缓解了交通拥堵问题，缩短了通勤时间，地铁线路的延伸可以连接城市内不同区域，促进商业活动和产业发展，所以有一定的分散力量。已有文献曾提出，互联网的发展并非产生分散力，而是促进了城市就业的集聚，并且随着互联网普及率的不断提高，这种集聚效应将在未来继续存在；同时，城市交通基础设施的改善削弱了互联网的集聚效应[6]，本文的结果进一步佐证了该结论。但是数字基础设施的发展创造了大量就业机会，也吸引了一部分人才向市中心集聚。此外，城市中心往往是交通枢纽、商业中心等重要地段，具有便利的交通条件和丰富的经济、文化、娱乐、社交资源；同时，数字化技术的发展使得人口流动更加便捷，人们更容易在城市中心和周边地区之间进行工作、学习、生活的切换，所以即便存在地铁开通带来的分散力，城市中心的人口密度仍然增加。为了使结果更加可靠，本文还尝试使用数字基础设施发展水平的二次项进行回归，检验数字技术发展是否对城市空间结构重塑存在非线性的影响，表1的列（6）（7）和（8）展示了使用二次项的回归结果。可以发现，回归系数依然显著，但是系数大小发生了变化。这意味着当数字基础设施发展到一定阶段，其集聚力量依然存在，但人口集聚的速度放缓，因此市中心的人口密度可能遵循Sigmoidal曲线的发展模式，呈现先迅速上升，后缓慢上升直至饱和的形态。即市中心人口密度将持续增加，数字基础设施对城市结构存在向内集聚的推动力。
综上所述，随着数字基础设施发展水平的提升，城市空间结构将发生如下变化：①城市CBD周围的人口将持续处于密集状态并在数量上不断增加，而远离CBD的区域人口稀少，且不同区域内的人口数量与该区域到CBD的直线距离负相关，距离越远，人口越少，所以，城市中心区域的结构更加紧凑。②当数字基础设施升级，多中心化程度仍在不断升高，除了传统的市中心外，有更多的人口聚集地出现，形成次中心。③交通基础设施，尤其是地铁的铺设，削弱了数字基础设施带来的向心力，一定程度上促进了城市的多中心化。

3.2 稳健性检验

表2分别展示了以中心人口密度、人口密度梯度、多中心指数作为核心被解释变量的工具变量回归结果，与基准回归保持一致：数字基础设施对中心人口密度的影响依然显著为正，即随着数字基础设施的发展，城市中心的人口更加稠密。而随着数字基础设施的改善，人口密度梯度变大，即随着与市中心的距离增加，人口密度衰减速度变快。这仍然意味着人口在向市中心集聚，但与此同时也有其他的人口中心正在形成。
表2 工具变量回归结果

Tab.2 Instrumental variable regression results

（1） （2） （3） （4） （5） （6） （7） （8） （9）
CPD PDG Polyc
Lag_DigInf FT_isbd PO_isbd Lag_DigInf FT_isbd PO_isbd
Lag_DigInf 0.949*** -0.260*** 0.850***
（0.170） （0.0512） （0.165）
FT_isbd 6.017*** -1.516*** 0.906*
（1.057） （0.274） （0.478）
PO_isbd 7.441*** -1.980*** 1.016
（1.356） （0.374） （0.625）
Controls YES YES YES YES YES YES YES YES YES
City FE YES YES YES YES YES YES YES YES YES
Year FE YES YES YES YES YES YES YES YES YES
N 4809 3928 3928 4809 3928 3928 4554 3721 3721
R2 0.995 0.986 0.980 0.995 0.991 0.987 0.689 0.695 0.693

3.3 机制检验与异质性分析

3.3.1 机制检验

人口分布的变化趋势追根究底可能是由于企业分布的变化导致的。尤其是劳动人口在选择工作场所以及住所时的考虑因素发生了变化，从而发生了人口流动。企业的分布受到经济发展的影响，企业的集聚也会吸引人才的涌入。与此同时，企业的发展会创造大量就业机会，吸引劳动力前往，引致人口分布随着企业的分布而出现变化。企业布局与城市规划密切相关，政府根据城市发展规划引导企业集聚的地点，同时也会影响人口的分布趋势。
根据表3列（1）~列（4）的结果，核心解释变量与工具变量对企业到市中心距离均为负相关，即数字基础设施发展水平越高，企业到市中心的距离减小，即企业整体的分布趋势仍然是向城市内部集聚，城市核心区域变得更加紧凑。而更多企业的涌入也创造了大量就业机会，因此人口也向城市内部流动，进一步印证了基准回归得出的数字基础设施发展对城市空间结构有向内集聚力量的结论。然而随着公共交通系统的完善，如地铁的修建，使得通勤效率提升和通勤成本降低，在缓解城市拥堵的同时也为人们创造了出行的便利条件，提升了可达性，人们的出行距离也不断增加。因此，公共交通在一定程度上削弱了由数字工具普及带来的向内凝聚的力量，一部分企业向城市内部集聚，但另一部分企业开始向其他区域扩展，伴随企业出现的还有与之相配套的商业中心和社区，城市结构趋于多元化和扁平化。人们不再只局限于较小的活动范围，而是去更远的地方开展活动。结合基准回归的结果，可以判断，在数字基础设施和交通基础设施的双重作用下，城市结构仍然遵循向内集聚的变化趋势，市中心人口稠密且将不断集聚。而交通基础设施的建设扩大了人们的出行范围，城市中心不再单一，企业选址范围扩大，人们对于工作地点和居住地点的选择偏好也更加复杂，除了更加紧凑的核心区域之外，城市还会出现更多的次人口中心和企业聚集地。
表3 机制检验

Tab.3 Mechanism test results

（1） （2） （3） （4） （5） （6） （7） （8） （9） （10）
Dist Dist Dist Dist 住宿和餐饮业 住宿和餐饮业 制造业 制造业 批发和零售业 批发和零售业
DigInf -0.971** -0.129 0.0570 -0.296 -0.295 0.119 0.0718
（0.459） （0.239） （0.205） （0.274） （0.262） （0.118） （0.131）
FT_isbd -0.105**
（0.0501）
FT_isbd_ismetro -0.0330**
（0.0148）
PO_isbd_ismetro -0.0134**
（0.00571）
DigInf_ismetro -0.105*** 0.0266
（0.0390） -0.000428 （0.0251）
Controls YES YES YES YES YES YES YES YES YES YES
City FE YES YES YES YES YES YES YES YES YES YES
Year FE YES YES YES YES YES YES YES YES YES YES
N 5076 5074 5076 5076 5076 5076 5075 5075 5076 5076
R2 0.951 0.951 0.951 0.951 0.904 0.904 0.882 0.882 0.965 0.965

3.3.2 不同行业企业分布趋势的异质性

不同行业之间存在企业数量、规模、地理位置等方面的差异，具体会表现为行业特性的区别、市场需求的不同、对劳动力市场和资源分布的需求差异。本文将通过回归来验证探究数字基础设施的发展是否对不同类型企业的分布造成影响，主要选取具有代表性的制造业、批发和零售业、住宿和餐饮业这三大行业来进行探究。表3列（5）~列（10）展示了数字基础设施发展水平以及数字基础设施与地铁交互项对于这三类行业距离市中心远近的影响。根据回归结果可以发现，数字基础设施的发展对于不同行业企业的分布趋势存在异质性影响。随着数字基础设施的发展，住宿和餐饮业企业、制造业企业都有向城市内部集聚的趋势，但系数并不显著；而在地铁的交互作用下，住宿和餐饮业企业很明显地向城市内部集聚。批发和零售业企业则有向郊区分散的趋势，但系数也未通过显著性检验。结果不显著的原因可能是，在不同的城市和地区，由于当地产业结构、市场需求、城市规模等因素的差别，企业选址的倾向也存在异质性。由于制造业的特殊性，其选址受到土地成本、产业链布局、政策支持等多种因素的影响，因此在数字基础设施发展的影响下，制造业企业的内部集聚可能相对较弱，批发和零售业企业的选址趋势也存在多样性。

3.3.3 数字基础设施与城市规模及产业结构的交互效应

不同产业结构、不同规模的城市，存在数字基础设施升级对于人口/企业集聚或分散的规律影响不同的情况。本文使用各城市GDP作为城市规模的测度指标，使用制造业、住宿和餐饮业、批发和零售业分别占GDP的比重作为产业结构的测度指标，再进一步构造数字基础设施（DigInf）与产业结构的交互项（第一、二、三产业从业人员比重）、数字基础设施（DigInf）与城市规模（GDP）的交互项、数字基础设施（DigInf）与产业结构合理化指数（Indp）的交互项（表4）。
表4 数字基础设施与城市规模及产业结构的交互效应

Tab.4 The interaction effects of digital infrastructure with city scale and industrial structure

（1） Dist （2） Dist （3） Dist （4） Dist （5） Dist
DigInf_scale 0.0477（0.0729）
DigInf_lndp 0.184*（0.108）
DigInf_primary -0.00955（0.0268）
DigInf_secondary 0.124**（0.0540）
DigInf_tertiary -0.171**（0.0748）
Controls YES YES YES YES YES
City FE YES YES YES YES YES
Year FE YES YES YES YES YES
N 5071 5071 5076 5076 5076
R2 0.940 0.941 0.941 0.941 0.941
根据表4的结果，数字基础设施与城市规模的交互效应并不显著，这表示在数字基础设施与城市规模的交互作用下，距离的远近变化趋势所受到的影响并非简单的线性作用。而产业结构合理化会增加整体企业到CBD的平均距离，即企业出现向郊区分散的趋势。数字基础设施与第一产业的交互项系数并不显著，说明企业的分布趋势与第一产业的关联并不紧密。数字基础设施与第二产业的交互项系数为0.124，并通过了5%的显著性检验，表明在数字基础设施升级、制造业从业人员占比提升时，企业分布也趋于分散。数字基础设施提供了科学的供应链管理方案，帮助企业实时监控、调度和优化，因此借助数字工具运营的企业能够在一定程度上降低对地理位置的依赖，选择租金成本更低廉的区域进行生产活动，可以降低库存成本，缩短供应链周期。相对地，数字基础设施与第三产业的交互项系数为-0.171，并通过了5%的显著性检验，说明服务业的发展与数字基础设施改善的交互作用会促使服务业企业向城市内部集聚。总体而言，企业集聚或分散的趋势受到数字基础设施发展与产业结构的交互影响，其中有向内凝聚的力量，也有向外分散的力量，这两种力量之下导致的净效应对于不同行业企业而言存在异质性。远离市中心的区域出现了更多的第二产业企业，而市中心区域则出现了更多的第三产业企业。

4 研究结论及政策建议

本文针对数字基础设施发展是否重塑了城市空间结构展开详细讨论，利用中国263个城市2002—2020年的样本数据，以城市中心人口密度、人口密度梯度和多中心指数为依托，考察数字基础设施发展水平对城市空间结构的具体影响。主要研究结论如下：①随着数字基础设施发展水平的提升，城市中心人口密度上升，即CBD周围的人口变得稠密，而人口密度梯度的绝对值增加，即人口密度随距离衰减的速率随着数字基础设施的发展逐渐加快，这意味着数字基础设施的发展产生了强烈的向内集聚力量，城市中心区域变得更加紧凑。②当数字基础设施改善，多中心指数相应提升，虽然城市中心区域更加紧凑，但仍然有新的次中心在形成和发展。③地铁作为快速高效的公共交通工具，虽然有一定的分散作用，但其发展并未改变城市内部的总体集聚趋势。就企业层面而言，数字基础设施发展水平越高，企业到市中心的距离减小，即企业整体的分布趋势仍然是向城市内部集聚，城市核心区域变得更加紧凑。而交通基础设施的建设扩大了人们的出行范围，城市中心不再单一，企业选址范围扩大，人们对于工作地点和居住地点的选择偏好也更加复杂，除了更加紧凑的核心区域之外，城市还会出现更多的人口次中心和企业聚集地。
根据以上结论，本文提出以下针对性的政策建议：①通过城市更新和规划优化中心城区和次中心区域布局，引导企业和居民向郊区或其他发展区域转移，从而缓解中心城区不断增加的人口压力，提高城市的整体效率和宜居性。例如，可以通过提供住房补贴、改善公共服务等措施，吸引人口向人口次中心迁移。这不仅可以提高城市的居住质量，也可以促进城市的空间分布更加均衡。②继续大力发展公共交通基础设施，提升出行便利度和可达性，增加通勤距离，充分发挥城市内核心区域的资源辐射作用，带动其他区域发展。③通过优化公共空间的设计，改善城市中心的居住和工作环境。同时，政府也需要考虑如何通过规划和政策，引导人口和企业向城市的其他区域分散。④通过提供税收优惠、租金补贴等政策，鼓励企业向城市中心集聚。这不仅可以提高城市的经济活力，也有利于优化城市空间结构。同时，政府也需要考虑如何通过政策，引导企业向城市的其他区域分散，以防止企业过度集中。⑤合理引导人口向城市中心和次中心分布，避免城市的过度集聚。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
邓慧慧, 刘宇佳, 王强. 中国数字技术城市网络的空间结构研究——兼论网络型城市群建设[J]. 中国工业经济, 2022(9):121-139.

[2]
Teece D J. Profiting from innovation in the digital economy:Enabling technologies,standards,and licensing models in the wireless world[J]. Research Policy, 2018, 47(8):1367-1387

[3]
姚常成, 宋冬林. 数字经济与产业空间布局重塑:均衡还是极化[J]. 2023, 44(6):69-87.

[4]
安同良, 杨晨. 互联网重塑中国经济地理格局:微观机制与宏观效应[J]. 经济研究, 2020, 55(2):4-19.

[5]
吴嘉贤, 刘修岩. 空间经济视角下地铁建设与城市空间结构演化[J]. 现代经济探讨, 2023(11):85-100.

[6]
Wu S, Wang P P, Sun B D. Internet,transportation infrastructure and the spatial structure of urban employment of China[J]. Regional Studies, 2024, 58(5):1033-1046.

[7]
Gaspar J, Glaeser E L. Information technology and the future of cities[J]. Journal of Urban Economics, 1998, 43(1):136-156.

[8]
Bell W, Toffler A. The third wave[J]. Social Forces, 1982, 61(1):298-300.

[9]
Cairncross F. The Death of Distance:How the Communications Revolution is Changing Our Lives[M]. Cambridge: Harvard Business School Press, 2001.

[10]
Ioannides M Y, Overman H G, Rossi Hansberg, et al. The effect of information and communication technologies on urban structure[J]. Economic Policy, 2008, 23(54):201-242.

[11]
Nilles J. Telecommuting and urban sprawl:Mitigator or inciter?[J]. Transportation, 1991, 18(4):411-432.

[12]
Qin X, Zhen F, Zhu S J. Centralisation or decentralisation? Impacts of information channels on residential mobility in the information era[J]. Habitat International, 2006,53:360-368.

[13]
Tranos E. Social network sites and knowledge transfer:An urban perspective[J]. Journal of Planning Literature, 2020, 35(4):408-422.

[14]
Zhang T L, Sun B D, Li W, et al. Information communication technology and manufacturing decentralisation in China[J]. Papers in Regional Science, 2022, 101(3):1-19.

[15]
Hong J J, Fu S H. Information and communication technologies and the geographical concentration of manufacturing industries:Evidence from China[J]. Urban Studies, 2011, 48(11):2339-2354.

[16]
Kolko J. Can I get some service here?Information technology,service industries,and the future of cities[J]. SSRN Electronic Journal, 1999,11:1-49.

[17]
Sinai T, Waldfogel J. Geography and the internet:Is the internet a substitute or a complement for cities?[J]. Journal of Urban Economics, 2004, 56(1):1-24.

[18]
Sohn J, Kim T J, Hewings J D G. Information technology impacts on urban spatial structure in the Chicago region[J]. Geographical Analysis, 2022, 34(4):313-329.

[19]
Tranos E, Ioannides M Y. ICT and cities revisited[J]. Telematics and Informatics, 2020,55:101439.

[20]
Glaeser E L. Urbanization and its discontents[J]. Eastern Economic Journal, 2020, 46(2):191-218.

[21]
吴思栩, 李杰伟. “数字经济”时代城市的未来——互联网对中国城市生产性服务业集聚的影响研究[J]. 经济学(季刊), 2024, 24(2):431-447.

[22]
刘一丝. 数字经济背景下城市空间演化与治理路径探析[J]. 中州学刊, 2023, 22(6):21-27.

[23]
刘杰, 王胜华. 数字经济对增值税地区分配的影响研究[J]. 经济经纬, 2023, 40(4):126-137.

[24]
Gonzalez-Navarro M, Turner A M. Subways and urban growth:Evidence from earth[J]. Journal of Urban Economics, 2018,108:85-106.

[25]
王峤, 刘修岩, 李迎成. 空间结构、 城市规模与中国城市的创新绩效[J]. 中国工业经济, 2021(5):114-132.

[26]
宋敬, 陈良华, 叶涛. 数字化转型对企业绿色创新的影响效应研究[J]. 软科学, 2023, 37(12):109-114.

[27]
Yu X, Li Q, Huang Z D, et al. Characterising population spatial structure change in Chinese cities[J]. Cities, 2022,123:103555.

Options
Outlines

/

〈 〉