EN中文

Economic geography >

2025 , Vol. 45 >Issue 12: 87 - 94

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.12.009

Impact of Urban Spatial Decentralization on Residents' Wages: With Discussion on the Countermeasures of Equalization of Public Facilities

  • SHANG Yuping , 1, 2 ,
  • ZHAO Yue 1 ,
  • SANG Shenghu 1 ,
  • MENG Meixia 3, 4 ,
  • WU Shengnan , 3, 4, ※
Expand
  • 1. School of Economics， Hefei University of Technology， Hefei 230031，Anhui， China
  • 2. Institute for Carbon Neutrality and Finance， Hefei University of Technology， Hefei 230031，Anhui， China
  • 3. School of Public Administration and Policy， Shanghai University of Finance and Economics， Shanghai 200433， China
  • 4. Institute for Yangtze River Delta and Yangtze River Economic Belt Development， Shanghai University of Finance and Economics， Shanghai 200433， China

Received date: 2025-01-15

  Revised date: 2025-07-24

  Online published: 2026-02-04

Fold

Abstract

This paper explains the negative effects and mechanisms of urban spatial decentralization on residents' wages by constructing a theoretical framework that encompasses both central and peripheral regions. Simultaneously, it delineates indicators of urban spatial decentralization in China using LandScan data and parametric methods, and empirically tests these indicators by matching them with income data from the Chinese Household Income Project (CHIP). The results reveal that urban spatial decentralization in China reduces residents' wages by disrupting agglomeration economies, increasing commuting costs, and exacerbating spatial differentiation among industries. Although the trend of decentralization has emerged in some cities, it is not yet widespread overall. Enhancing the spatially balanced distribution of educational and healthcare facilities, or promoting the development of the digital economy, may serve as effective strategies to address the associated risks.

Key words： urban spatial; decentralization; residents' wages; agglomeration economy; commuting costs; equalization of public facilities

Cite this article

SHANG Yuping , ZHAO Yue , SANG Shenghu , MENG Meixia , WU Shengnan . Impact of Urban Spatial Decentralization on Residents' Wages: With Discussion on the Countermeasures of Equalization of Public Facilities[J]. Economic geography, 2025 , 45(12) : 87 -94 . DOI: 10.15957/j.cnki.jjdl.2025.12.009

随着我国城镇化向纵深推进，一系列挑战随之浮现——交通拥堵、环境污染加剧、居住成本攀升及公共服务供给不足等问题日益凸显。在此背景下，城市空间去中心化作为应对策略之一逐渐受到关注，其核心特征是城市人口或功能密度随距市中心距离增加而递减，呈现出由中心向外扩散的空间演化趋势[1-4]。这一策略虽展现出其潜力，却也因历史阶段限制与实践中的不足而饱受争议：一是城市空间的去中心化可能会破坏人口、产业和资源在某一区域集聚，形成经济、文化等方面的负反馈机制；二是过度去中心化或者规划不当的情况下，会造成局部地区人口、产业和资源大量流失，导致“空城”“鬼城”等现象的产生与无序蔓延。目前，我国正处于统筹推进全体人民共同富裕的关键时点，党的二十届三中全会着重强调，提高居民收入和增强经济发展获得感，增强基本公共服务均衡性和可及性，应是一切改革措施的落脚点。据统计，2000—2023年我国经济总量虽增加了13倍，但同期城镇居民人均可支配收入的增长只有7.25倍（未计货币贬值及房价攀升等因素），同时城镇内部中等收入群体占比相较于理想的橄榄型社会结构仍存在显著差距，这些突出问题无疑削弱了内需对经济增长的有效拉动，也对共同富裕目标构成挑战[5]。为此，本文从城市化视角深入剖析城市空间去中心化对居民工资的影响，并从公共设施均等化视角探索政策优化路径，是践行中国式现代化、推动全体人民共同富裕的必然要求。
理论上，新古典经济理论认为工资由劳动力边际产出决定，受供需关系及个人因素（如技能、教育、经验）影响。Mincer提出的经典工资决定方程强调人力资本和工作经验对工资的作用[6]。然而，个体工资也受地域和社会环境影响，部分研究将城市经济指标（如FDI比重、资本投入、失业率）作为工资解释变量，证实了城市特征与工资收入的紧密联系[7]。例如，城市规模、密度与工资正相关[8-9]，“劣质”城市形态则降低工资[10]。同时，尽管有学者认为城市群集聚能提升工资溢价[11]，但现有文献多数仍聚焦于单中心与多中心结构之间的关系，较少考虑城市空间去中心化的影响。在城市经济学的发展历程中，从杜能的农业区位论到Burgess的同心圆模型[12]、Hoyt的扇形模型[13]，均在探讨城市空间结构如何更有效地支持城市持续发展。1960年代，Alonso提出的AMM模型进一步深化了对单中心结构的研究[14]，后续研究则通过引入企业选址的交互效应，推动了多中心模型的形成与演化。在此背景下，中国部分大城市在人口持续流入、中心城区承压的情况下，也逐步出现空间去中心化趋势。这一过程既可能带来城市空间无序蔓延等负面效应，也可能通过多中心结构缓解“城市病”，激发经济活力[15]。基于此，本文在前人研究的启发下，进一步聚焦于城市空间去中心化如何影响居民工资及其提升机制。
关于城市空间去中心化的测度方法，可追溯至对城市空间结构的量化研究。城市空间结构测度主要有集群法、非参数法和参数法。其中，集群法如Giuliano等的研究[16]，基于就业密度和人数设定临界值确定次中心，但主观性强，普适性差；非参数法无需设定人口密度函数，较客观，但易受异常值干扰，且不适用于去中心化测度[15,17]；参数法则假设城市单中心，以距离为变量刻画人口密度与中心距离关系，虽主中心选择主观，但能全面考虑城市内部情况，稳健选择主中心后可精准刻画去中心化程度，适用于不同城市[18-19]。因此，本文采用参数法识别城市空间去中心化[20]。
现有关于城市空间去中心化的经济绩效研究相对有限，主要聚焦于单中心与多中心结构的效率比较，且结论不一。王峤、Li等认为单中心空间结构能激发创新集聚的外部性，提高生产力水平[17,21]；但商玉萍、魏守华等指出，多中心结构可兼顾集聚经济与居住舒适度，从而提升生产率并激发企业创新[15,22]。既有文献在探讨工资决定因素时，多考虑城市层面相关经济指标的影响。已有研究发现城市集聚能够促进高技能劳动力工资提升[23]，而制造业集聚对工资有负向影响，服务业集聚则有利于提高工资[24]。城市群层面的集聚也被证实能够产生收入溢价[11,25]。但以上研究对城市指标的刻画均停留在宏观层面，未触及城市内部空间结构指标。当前，城市空间结构与收入的实证研究仍较有限。与本文直接相关的是刘修岩等的研究，其发现以“较长的内部距离”为特征的城市劣质空间形态会显著降低劳动者工资收入[10]。尽管该文献研究的城市空间形态与本文所考察的城市空间去中心化有相似之处，但其测度方法更侧重于城市建成区的平均距离水平，没有纳入人口密度等权重，未考虑到“去中心化”的本质，且本文与其影响机制也存在显著区别。
本文将全面考察城市空间去中心化与居民工资之间的因果关系，验证城市空间去中心化的负面效应，回答“是什么”的问题；继而构建一个包含中心区域和边缘地区的理论模型，从数理演绎角度提出城市空间去中心化对居民工资的三维作用机制：破坏集聚经济、增加通勤成本、加剧行业空间分化，回答“为什么”的问题；最后进一步探讨公共设施空间均等化、数字经济建设以及城市规模的调节作用，为“如何有效推进城市空间去中心化”这一“怎么办”问题提供更多的政策思路。

1 理论框架

本文为分析城市空间去中心化对居民工资的影响，构建了相应的理论框架，基本设定包括：①城市被设定为封闭经济体，人口分布于中心与边缘两区，去中心化使中心人口占比x(0x1)下降，边缘人口占比1-x上升。②结合Desmet等的研究[26]，边缘劳动力需承担通勤成本。③采用C-D嵌套CES生产函数描述产业空间变动，纳入多种行业投入和劳动力供给。④将城市行业专业性减弱而多样性增加定义为行业空间分化。结合薛军等的研究[27]，模型融入种类扩张和质量提升两种技术创新模式。在此基础上，模型创新性主要体现在两个方面：①不同于Desmet等的经典城市经济学框架[26]，进一步细化城市内部结构，明确划分为中心—边缘城区，通过人口在中心与边缘的分布变化刻画城市内部去中心化程度的动态变化过程；②结合内生经济增长理论，将种类扩张创新与质量提升创新纳入同一分析框架，进一步刻画城市空间去中心化演变过程中的产业结构与产业空间调整机制。

1.1 城市空间去中心化的机制分析 ①

根据推导整理得到城市居民工资 ② 。
式（1）揭示了城市空间去中心化对居民工资的影响。直接作用由${\left(1-x\right)}^{\frac{\beta }{1-2\alpha }}{x}^{\frac{1-\alpha -\beta }{1-2\alpha }}$表示。影响机制中，${\left({R}_{i}+{T}_{i}\right)}^{\alpha /\left(2\alpha -1\right)}$体现房租和通勤成本变动导致的工资变化。生产效率Ai作为经济集聚指标，其${{A}_{i}}^{1/\left(1-2\alpha \right)}$反映去中心化通过改变效率和破坏集聚影响工资。产业份额Sij衡量行业空间变动，Sij下降意味着行业多样化。${\left[{\int }_{0}^{{M}_{i}}{\left({S}_{ij}/{p}_{ij}\right)}^{\frac{\sigma -1}{\sigma }}dj\right]}^{\frac{\sigma \alpha }{\left(\sigma -1\right)\left(1-2\alpha \right)}}$表示去中心化通过行业空间变化对工资的作用。

1.2 城市空间去中心化影响机制分解

首先，本部分解析式（1）中城市空间去中心化对居民工资的影响路径，重点讨论其直接影响 ③ 。
根据式（2），当参数$\alpha $<0.5且满足条件$x\frac{1-\alpha -\beta }{1-\alpha }$时，直接作用方向为正：$\frac{\partial {w}_{i}}{\partial x}0$。随着中心区域人口占比x下降，居民工资降低。此时，中心区域人口占比小于约束条件$\frac{1-\alpha -\beta }{1-\alpha }$。当参数$\alpha $>0.5且满足条件$x\frac{1-\alpha -\beta }{1-\alpha }$时，直接作用满足：$\frac{\partial {w}_{i}}{\partial x}0$。中心区域人口占比x下降也将造成居民工资降低。
其次，求解城市空间去中心化如何通过影响房租和通勤成本作用于居民工资 ④ 。
结合式（3）和条件${L}_{i}=\stackrel{-}{L}$得到，当参数$\alpha $<0.5且满足条件${H}^{*}\kappa {d}^{*}$时，城市空间去中心化增加城市通勤成本$\left(1-x\right)\kappa {d}^{*}\stackrel{-}{L}$，导致居民工资下降。此时，通勤成本增量大于房租成本的下降幅度，城市居民向边缘地带搬迁获得的房租收益无法弥补通勤成本增量。当参数$\alpha $>0.5且满足条件${H}^{*}\kappa {d}^{*}$时，通勤成本作用也满足：$\partial {w}_{i}/\partial x0$。
再次，求解城市空间去中心化如何通过影响集聚经济作用于居民工资 ⑤ 。
根据式（4），当参数$\alpha $<0.5且满足条件$\delta 1$、$x\theta $时，集聚经济作用满足：$\frac{\partial {w}_{i}}{\partial x}0$。城市空间去中心化将降低生产效率，破坏城市集聚经济，导致城市居民工资下降。当参数$\alpha $>0.5且满足条件$\delta 1$、$x\theta $时，集聚经济作用也满足：$\frac{\partial {w}_{i}}{\partial x}0$。
最后，求解城市空间去中心化如何通过影响行业空间分化作用于居民工资 ① 。
根据式（5），由于城市空间去中心化x下降和生产率Ai下降，阻碍城市创新质量提升，导致行业数量Mi和最大产出行业的产出份额${S}_{i{M}_{i}}$下降，弱化行业专业化。当$0\sigma 1$时，行业间产出互补。尽管去中心化导致行业数量Mi减少，但产出互补性削弱了市场垄断，降低行业产出份额$\sigma {S}_{ij}/\left(\sigma -1\right)$，促进行业多样化。行业专业化和多样化共同作用，以行业空间分化机制影响居民工资。归纳得出，在城市中间投入率超过0.5时 ② ，去中心化影响居民工资的三维机制为：破坏集聚、增加通勤成本、加剧行业分化。

2 指标测度

研究时段的设定主要受数据可得性约束。居民收入指标来源于中国家庭追踪调查（CHIP），其最新公开年份为2018年。为保持指标体系的时间一致性并避免异期数据拼接可能引入的结构性偏误，本文采用了2002—2018年的LandScan人口数据（1 km²分辨率，源自美国能源部橡树岭国家实验室）。该时段覆盖了我国城市化加速与人口空间格局持续调整的关键阶段，能够反映长期趋势与结构变化，因而具有稳健的分析基础和现实意义。此外，LandScan数据作为环境人口数据，反映了人口在一天24 h内的平均位置，更适于刻画实际暴露程度和人口密度特征。借鉴Clark的经典参数法[1]，以到CBD距离为横轴、人口密度为纵轴，拟合曲线斜率衡量城市空间去中心化程度，构建如下回归模型。
$lnpo{p}_{k}={\beta }_{0}+{\beta }_{1}lndi{s}_{k}+{\varepsilon}_{k}$
式中：pop表示CBD周围半径分别为1.5 km、5 km、10 km、25 km和50 km的圆构成的5个圆环内平均人口密度；dis为圆环中点到CBD的距离。式（6）计算得到的每个城市每年的斜率β1（记为space）即为城市空间去中心化指标，值越大代表城市空间去中心化程度越高。该指标主要反映人口密度随距离变化的空间分布格局，侧重描述城市空间的整体分散趋势，在一定程度上可揭示中心向外围的扩展过程，但其本身不涉及空间结构的具体形态识别。此外，本文还采用多种方法表征去中心化：一是式（6）的梯度密度截距项负数（c_all）；二是将人口密度换为建成区密度，得到截距项负数（c_purban）；三是借鉴Baum-Snow等的郊区化指标[32]，基于LandScan数据，计算CBD外不同距离的人口份额（sub3、sub4、sub5、sub10），并将其作为衡量城市空间去中心化程度的替代指标。

3 结果分析

3.1 计量模型

本文构建多维固定效应模型分析城市空间去中心化对居民收入的影响：
$\begin{array}{l}lnincom{e}_{it}={a}_{0}+{a}_{1}spac{e}_{it}+contro{l}_{it}+\\ {\mu }_{i}+{\varphi }_{i}+{\varepsilon}_{it}\end{array}$
式中：i代表155个城市样本 ③ ；t代表时间。居民数据源自中国收入分配研究院CHIP城镇数据，经筛选（排除工资收入、个人信息缺失及年龄不在18~60岁的样本），并匹配中国城市空间去中心化指标后，获得2002、2008、2013和2018年共36027条地级市有效样本。居民工资含年薪、兼职收入、伙食住房补贴及价格补助，实证分析中以工资收入自然对数（lnincome）为被解释变量。因CHIP数据涵盖家庭多成员收入，具有同质性，故本文聚焦于户主样本（15812条）。space对应城市空间去中心化程度；${\mu }_{i}$、${\varphi }_{i}$分别为城市、时间固定效应。control含城市与个人控制变量：城市变量包括外商投资水平（fore，外资总额/GDP）、城市规模（lnsize，总人口自然对数）、产业结构（indu，三产/二产增加值比）；个人变量涵盖健康水平（health，1~3递增）、受教育水平（edu，1~4递增）、工作单位性质（workunits，1~4依次为政府、事业、企业、其他）、婚姻状况（marriage，1~2依次为已婚、未婚）、户口性质（residence，1~2依次为农业、非农业）、民族（national，1~2依次为汉、非汉）及年龄（lnage，年龄自然对数）。

3.2 基准回归

表1列（1）报告了基准回归结果，城市空间去中心化对居民工资有显著的负向影响。表1列（2）进一步引入空间去中心化与直辖市虚拟变量（muni）的交互项，列（3）引入空间去中心化与省会城市及直辖市的虚拟变量（capital）的交互项。相较于中小城市，大城市由于单中心拥挤效应更为突出，适合发展去中心化。
表1 基准回归及内生性分析结果

Tab.1 Results of benchmark regression and endogeneity analysis

指标 基准回归 直辖市 直辖市和省会城市 IV: lnriver IV:lnriver·rate
lnincome lnincome lnincome lnincome lnincome
（1） （2） （3） （4） （5）
space -0.484*** -0.524*** -0.448*** -0.528*** -3.262***
lnsize -1.957***
lnsize·lnsize 0.062***
space·muni 0.503**
space·capital 0.058**

注：为节省版面，聚类标准误差不显示，***、**、*分别表示p<0.01、p<0.05、p<0.1，表2~表4同。表内均控制了城市、年份固定效应和控制变量。

3.3 内生性分析

本文初步选用河流长度（lnriver）作为工具变量，见表1列（4）。考虑到河流长度在较长时间内不随时间变化而改变，本文选择外生时变变量人民币年度实际有效汇率与河流长度的乘积（lnriver·rate）作为工具变量，结果见表1列（5）。人民币贬值能够有效降低外资流入、增加企业融资成本、抑制居民消费等，间接限制企业的扩张计划，减缓城市去中心化趋势。列（4）（5）的第一阶段回归结果均显著为负。河流作为天然的交通通道，因水运便利和低成本而逐渐聚集人口和商业活动，使得城市经济活动、人口和基础设施更加集中，这种历史惯例使得城市在后续的发展中也较难摆脱单中心的布局模式。同时Kleibergen-Paap Wald rk F统计量与Kleibergen-Paap rk LM统计量分别通过了弱工具变量检验和不可识别检验。第二阶段回归结果均显著为负，本文结论在排除内生性偏误影响后依然稳健。

3.4 机制检验

在理论分析中，去中心化降低居民工资的作用被归纳为3种机制，包括破坏集聚、增加通勤成本、加剧行业分化。本文根据江艇的做法[33]，着重检验核心变量对中介变量的影响。

3.4.1 集聚经济机制

宏观层面分别验证创新效应和劳动生产率效应。一方面，以第一、二、三产业的GDP除以其从业人数表征三大产业的劳动生产率，表2列（1）~（3）显示，城市空间去中心化对三大产业的劳动生产率并无显著影响。另一方面，本文使用城市年专利申请量来衡量创新效应，表2列（4）显示城市空间去中心化对创新有显著负面效应。
表2 集聚经济机制检验结果

Tab.2 Test results of agglomeration economic mechanism

第一产业劳动
生产率		 第二产业劳动
生产率		 第三产业劳动
生产率		 专利申请量 中间投入 劳动力
数量		 劳动
合同		 工作搜寻时间 专利互引
lnLP1 lnLP2 lnLP3 lnpatent1 zj lnzj2 lncyrs pact lnsearch lnpc1 lnpc2 lnpc3 lnpc4 lnpc5
（1） （2） （3） （4） （5） （6） （7） （8） （9） （10） （11） （12） （13） （14）
space 0.430 -0.483 -0.067 -0.725** 0.022*** 0.123*** -0.440*** -0.268*** 3.446*** -0.018*** -0.020*** -0.023*** -0.018** -0.022***

注：由于数据获取限制，表内列（1）~（4）是2002、2008、2013和2018年的城市数据，列（5）~（6）是2002年的工业企业数据，列（7）和列（10）~（14）是2002、2008和2013年的工业企业数据，列（8）~（9）分别是CHIP2013和CHIP2007数据。

在微观层面，首先借鉴商玉萍等的做法[15]，采用2002年企业中间投入与销售额的比重（zj1）以及中间投入总量的自然对数（lnzj2）衡量中间投入成本来验证共享效应，表2列（5）~（6）显示，space的系数显著为正，本文假说未被验证。一个可能的原因是，受数据获得性制约，样本量过少导致回归结果不准确。其次，借鉴陈飞等的做法[34]，使用2002、2008和2013年的工业企业劳动力数量，以及CHIP2013数据中的居民是否签订劳动合同（其中0代表未签订劳动合同，1代表签订劳动合同）和CHIP2007数据中的居民工作搜寻时间验证匹配效应。表2列（7）~（9）显示，城市空间去中心化会减少企业劳动力数量、不利于居民劳动合同的签订并增加了工作搜寻时间。最后，用工业企业层面的专利互引数据验证学习效应 ① [15]。表2列（10）~（14）显示，城市空间去中心化会显著降低企业间专利互引次数。综上，集聚经济机制中除劳动生产率和共享机制外，其余均得到验证。特别是，相较于共享与匹配效应所展现的静态特征，学习效应是动态效应，涉及知识的积累、传播和创新，是集聚经济优势发挥的关键因素，在宏微观层面均被验证。

3.4.2 通勤成本机制

本文借鉴刘修岩等的做法[10]，使用ArcGIS软件和清华大学宫鹏团队土地利用栅格数据、LandScan人口栅格数据、夜间灯光数据测算三类通勤成本指标 ② 。首先，将30 m×30 m的高分辨率土地栅格聚合成1 km×1 km的大栅格，聚合系数为33[35]。然后，构建1 km×1 km大栅格的建成率指标。计算公式为：
$buitu{p}_{it}=\frac{{n}_{i}}{33·33}$
式中：ni表示第i个1 km×1 km大栅格内包含的30 m×30 m建成区栅格的总量；builtupit取值范围为0~1，取值越高，表示该1 km×1 km大栅格被开发成为建成区的程度越高。进一步地，本文删除builtup值处于后50%的栅格，保留builtup值处于前50%的栅格作为城市化区域。其次，本文取LandScan人口栅格数据（1 km×1 km）中人口密度大于1000人/km2的空间区域作为城市化区域[36]，以及夜间灯光数据（1 km×1 km）中亮度值大于40的空间区域作为城市化区域[10]。最后，本文计算出每个城市城市化区域的面积和栅格到CBD的平均地表直线距离，以距离与面积的比值依次计算出dis1、dis2、dis3三项指标作为通勤成本的代理变量，该指标越大代表通勤成本越高。同时，为了更直观地衡量通勤成本，本文还采用2021年中国综合社会调查数据库（CGSS）中的个人通勤时间进行实证分析。表3列（1）~（4）均显示，城市空间去中心化会增加城市建成区间的平均空间距离和个人通勤时间，增加通勤成本，通勤成本机制得到验证。
表3 通勤成本和行业空间分化机制检验结果

Tab.3 Test results of commuting costs and industry spatial differentiation mechanism

通勤成本 专业化水平 多样化水平
dis1 dis2 dis3 lntime lnZI lnDI
（1） （2） （3） （4） （5） （6）
space 1.966* 3.505** 2.265* 0.247*** -0.539* 0.355**

注：表内均控制了城市、年份固定效应和控制变量，且由于数据获取限制，表内列（1）~（2）和列（5）~（6）是2002、2008、2013和2018年的城市数据，列（3）是2002、2008和2013年的城市数据，列（4）是CGSS2021数据。

3.4.3 行业空间分化机制

沿用李金滟等的指标测度方法[37]，行业专业化指标采用每个城市中份额最大的就业部门份额表示。本文定义sij是部门j在城市i中的就业份额，那么城市的专业化指数为：$Z{I}_{i}=\underset{i}{max}\left({s}_{ij}\right)$，指标越大代表城市行业专业化水平越高。同时，行业多样化指标采用赫希曼—赫芬达尔指数，以所有部门就业份额平方的累计值倒数衡量：$D{I}_{i}=\frac{1}{\sum {s}_{ij}^{2}}$，指标越大代表城市行业多样化水平越高 ① 。最后对上述两个指标加1再取对数，得到lnZI、lnDI分别作为行业专业化和行业多样化的代理变量。表3列（5）~（6）显示，城市空间去中心化对行业专业化水平有负面影响效应，而对行业多样化水平有正面影响效应，行业空间分化机制得到验证。

3.5 公共设施均等化的应对

本文的基本研究结论发现，城市空间去中心化会对居民工资产生负面效应，对实现共同富裕目标构成潜在挑战。然而，在城镇化加速背景下，人口向城市中心过度集中引发了交通、环境及住房成本等问题，促使城市空间去中心化成为城市尤其是大城市未来城镇化的必然路径。这似乎构成了悖论，如何在两者间做出平衡，探索折中之道，是当前亟待破解的关键议题。为此，本文将聚焦于公共设施均等化（尤其是教育、医疗、交通）与数字经济建设，探讨其在减轻城市空间去中心化工资负面效应中的积极作用。

3.5.1 公共设施均等化

已有学者证实，无论是生产型公共服务（互联网设施、交通工具等）还是生活型公共服务（教育、医疗和文化等）均能显著促进劳动者工资水平的上涨[38]。但已有文献尚未对公共设施均等化进行深入研究。本文借鉴Baum-Snow等的郊区化指标[32]，选用CBD 3、4、5 km以外的中等学校（初中和高中）份额（sch3、sch4、sch5），CBD 3、4、5 km以外的医院份额（hos3、hos4、hos5）以及CBD射向3、5 km外的地铁站点份额（met3、met5）作为公共设施均等化衡量指标，该指标越大代表公共设施的空间分布越均等。将公共设施均等化变量及其与空间去中心化指标的交互项引入式（7），结果见表4。从中看出，提升教育与医疗的均等化水平能显著缓解空间去中心化负面效应，而交通设施均等化未发挥效应。这一定程度上印证了我国公共服务均等化进程中，教育和医疗均等化的关键作用[39]，而交通均等化的正面效应相对有限。
表4 公共设施均等化应对的检验结果

Tab.4 Test results for the equalization of public facilities

教育均等化 医疗均等化 交通均等化 数字经济
lnincome lnincome lnincome lnincome lnincome lnincome lnincome lnincome lnincome
（1） （2） （3） （4） （5） （6） （7） （8） （9）
space -2.345*** -0.803*** -1.002*** space -0.590*** -0.659*** -0.540*** space -0. 335** -0. 346** -0.918***
sch3 4.526*** hos3 1.577*** met3 -0.082**
space·sch3 2.527*** space·hos3 0.674*** space·met3 -0.049
sch4 1.525*** hos4 1.558*** met5 -0.072**
space·sch4 0.936*** space·hos4 0.782*** space·met5 -0.044
school5 1.831*** hos5 1.242*** dig 2.550***
space·sch5 1.175*** space·hos5 0.679*** space·dig 2.498***

注：表内均控制了城市、年份固定效应和控制变量，且由于数据获取限制，列（1）~（6）是2018年公共设施与CHIP2018数据的匹配结果，列（7）~（8）是2008、2013和2018年地铁数据与CHIP2008、CHIP2013和CHIP2018数据的匹配结果，列（9）是2013和2018年城市数据与CHIP2013和CHIP2018数据的匹配结果。

3.5.2 数字经济建设

已有研究普遍认同数字经济对居民工资增长的积极作用[40]。本文亦聚焦于数字经济建设，探讨其在缓解城市空间去中心化工资负面效应方面的潜在调节作用。本文选用人均电信业务量（dig）衡量数字经济发展水平。表4列（9）显示，数字经济建设正在打破地理限制，推动经济活动去中心化，为居民提供更多元化的就业机会和收入来源，缓解城市空间去中心化对居民工资的负面效应。

4 结论与建议

近年来，随着人口向城市大规模聚集，大城市面临交通拥堵、环境恶化、租金飙升及公共服务紧张等严峻挑战，城市空间去中心化趋势应运而生。但其也饱受争议，可能会打破经济集聚，导致“空城”“鬼城”等现象的产生与无序蔓延。同时，我国正致力于实现全体人民共同富裕，强调提升居民收入、增强人民群众的改革获得感。在此背景下，本文分析去中心化对城镇居民工资的影响及其内在机制，并从公共设施均等化、数字经济建设角度寻找优化政策，这对实现共同富裕和中国式现代化都很重要。研究结果显示，去中心化虽会通过抑制知识流动、加剧通勤负担和行业空间分化而降低工资，但优化教育与医疗资源布局、加速数字经济发展则能有效缓解这一负面效应。
本文实证研究发现，一方面随着单中心结构引发的拥挤效应加剧及资源环境压力上升，空间去中心化正逐步成为直辖市、省会城市等超大城市优化空间结构的可能路径之一；另一方面，空间去中心化亦对居民整体工资水平产生了显著的负面效应，表明其在改善城市结构的同时可能带来潜在的经济成本。对于上述悖论，本文结合理论机制和异质性分析结果，引申出一些可行的政策建议：①城市空间去中心化应避免“摊大饼”式无序蔓延扩张，强化中心与边缘地区的互动。本地政府应发挥统筹协调作用，精心规划城市内部不同区域间的产业链合作关系。②在新区和边缘地区，应通过政策扶持和资金引导，培育和发展具有地方特色的新兴产业和产业集群，缓解去中心化千万的工资差异问题。③确保边缘地区公共设施的均等化配置。应加大对边缘地区医疗和教育资源的投入，建设更多高质量的学校和医院，实现医疗和教育资源的均衡分布。④城市空间去中心化的过程中必须重视边缘地区的数字化建设，应适度引导地理依赖型较弱、数字依赖型较强的产业向边缘地区集聚。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Clark C. Urban population densities[J]. Journal of the Royal Statistical Society. Series A (General), 1951, 114(4):490-496.

DOI

[2]
Hoyt H. Urban decentralization[J]. The Journal of Land & Public Utility Economics, 1940, 16(3):270-276.

[3]
Steen R C. Nonubiquitous transportation and urban population density gradients[J]. Journal of Urban Economics, 1986, 20(1):97-106.

DOI

[4]
Gonzalez-Navarro M, Turner M A. Subways and urban growth:Evidence from earth[J]. Journal of Urban Economics, 2018, 108:85-106.

DOI

[5]
刘修岩, 周君婷, 李昊. 区位导向性政策的劳动者工资提升效应研究:来自开发区设立准自然实验的证据[J]. 中国软科学, 2023(8):86-95.

[6]
Mincer J. Schooling,Experience and Earnings[M]. New York: Columbia University Press, 1974.

[7]
张建红, Elhorst J P, Witteloostuijn A. 中国地区工资水平差异的影响因素分析[J]. 经济研究, 2006(10):62-71.

[8]
孟美侠, 李培鑫, 艾春荣, 等. 城市工资溢价:群聚、禀赋和集聚经济效应——基于近邻匹配法的估计[J]. 经济学(季刊), 2019, 18(2):505-526.

[9]
赵颖. 中小城市规模分布如何影响劳动者工资收入?[J]. 数量经济技术经济研究, 2013, 30(11):39-55,72.

[10]
刘修岩, 秦蒙, 李松林. 城市空间结构与劳动者工资收入[J]. 世界经济, 2019, 42(4):125-150.

[11]
施正政, 李嘉楠. 城市群集聚空间外部性如何影响城市规模工资溢价?[J]. 经济学(季刊), 2023, 23(3):1000-1018.

[12]
Burgess E. The Growth of the City:An Introduction to a Research Project[M]. Chicago: University of Chicago Press, 1925.

[13]
Hoyt H. The Structure and Growth of Residential Neighborhoods in American Cities[M]. Washington DC: Federal Housing Administration, 1939.

[14]
Alonso W. Location and land Use:Toward a General Theory of Land Rent[M]. Cambridge: Harvard University Press, 1964.

[15]
商玉萍, 潘洲, 孟美侠. 中国城市多中心空间战略的创新绩效研究——基于集聚经济与舒适度的视角[J]. 经济学(季刊), 2023, 23(3):965-982.

[16]
Giuliano G, Small K A. Subcenters in the Los Angeles region[J]. Regional Science and Urban Economics, 1991, 21(2):163-182.

DOI

[17]
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.

[18]
Anderson J E. Cubic-spline urban-density functions[J]. Journal of Urban Economics, 1982, 12(2):155-167.

DOI

[19]
Anderson J E. The changing structure of a city temporal changes in cubic spline urban density patterns[J]. Journal of Regional Science, 1985, 25(3):413-425.

PMID

[20]
Mieszkowski P, Smith B. Analyzing urban decentralization:The case of Houston[J]. Regional Science and Urban Economics, 1991, 21(2):183-199.

DOI

[21]
Li Y, Liu X. How did urban polycentricity and dispersion affect economic productivity? A case study of 306 Chinese cities[J]. Landscape and Urban Planning, 2018, 173:51-59.

DOI

[22]
魏守华, 陈扬科, 陆思桦. 城市蔓延、多中心集聚与生产率[J]. 中国工业经济, 2016(8):58-75.

[23]
踪家峰, 周亮. 大城市支付了更高的工资吗?[J]. 经济学(季刊), 2015, 14(4):1467-1496.

[24]
杨仁发. 产业集聚与地区工资差距——基于我国269个城市的实证研究[J]. 管理世界, 2013(8):41-52.

[25]
李培鑫, 张学良. 城市群集聚空间外部性与劳动力工资溢价[J]. 管理世界, 2021, 37(11):121-136,183,9.

[26]
Desmet K, Rossi-Hansberg E. Urban accounting and welfare[J]. American Economic Review, 2013, 103(6):2296-2327.

DOI

[27]
薛军, 陈晓林, 王自锋, 等. 关键中间品出口质量限制对模仿与创新的影响——基于南北产品质量阶梯模型的分析[J]. 中国工业经济, 2021(12):50-68.

[28]
Acemoglu D, Restrepo P. Tasks,automation,and the rise in US wage inequality[J]. Econometrica, 2022, 90(5):1973-2016.

DOI

[29]
De Ridder M. Market power and innovation in the intangible economy[J]. American Economic Review, 2024, 114(1):199-251.

DOI

[30]
陈诗一, 刘朝良, 冯博. 资本配置效率、城市规模分布与福利分析[J]. 经济研究, 2019, 54(2):133-147.

[31]
范剑勇, 冯猛, 李方文. 产业集聚与企业全要素生产率[J]. 世界经济, 2014, 37(5):51-73.

[32]
Baum-Snow N, Brandt L, Henderson J V, et al. Roads,railroads,and decentralization of Chinese cities[J]. Review of Economics and Statistics, 2017, 99(3):435-448.

DOI

[33]
江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5):100-120.

[34]
陈飞, 苏章杰. 城市规模的工资溢价:来源与经济机制[J]. 管理世界, 2021, 37(1):19-32,2,15-16.

[35]
孟美侠, 霍哲, 商玉萍. 高速公路建设与城市蔓延——基于微观土地利用栅格数据的研究[J]. 世界经济文汇, 2024(2):86-103.

[36]
刘修岩, 杜聪, 盛雪绒. 容积率规制与中国城市空间结构[J]. 经济学(季刊), 2022, 22(4):1447-1466.

[37]
李金滟, 宋德勇. 专业化、多样化与城市集聚经济——基于中国地级单位面板数据的实证研究[J]. 管理世界, 2008(2):25-34.

[38]
廖义刚, 杨雨馨. 公共服务有助于降低企业劳动力成本吗?——基于地区教育投入水平视角的检验[J]. 经济学(季刊), 2024, 24(1):254-270.

[39]
刘修岩, 王雨昕. 数字基础设施与中国城市的空间重构[J]. 经济地理, 2024, 44(4):55-63.

DOI

[40]
秦芳, 王剑程, 胥芹. 数字经济如何促进农户增收?——来自农村电商发展的证据[J]. 经济学(季刊), 2022, 22(2):591-612.

Options
Outlines

/

〈 〉