中國城市群發(fā)展的空間差異及溢出效應(yīng)研究
——基于1992—2013年DMSP/OLS夜間燈光數(shù)據(jù)的考察

劉華軍 裴延峰 賈文星

(山東財經(jīng)大學(xué) 經(jīng)濟學(xué)院，山東 濟南 250014)

中國城市群發(fā)展的空間差異及溢出效應(yīng)研究
——基于1992—2013年DMSP/OLS夜間燈光數(shù)據(jù)的考察

劉華軍 裴延峰 賈文星

(山東財經(jīng)大學(xué) 經(jīng)濟學(xué)院，山東 濟南 250014)

基于1992—2013年DMSP/OLS城市夜間燈光數(shù)據(jù)，采用Dagum基尼系數(shù)、Kernel密度估計方法以及廣義脈沖響應(yīng)函數(shù)對中國城市經(jīng)濟發(fā)展的空間差異和溢出效應(yīng)進行實證考察。研究發(fā)現(xiàn)：城市群的經(jīng)濟發(fā)展呈現(xiàn)顯著的空間非均衡特征，且城市群間差異是總體差異的主要來源；城市群內(nèi)部差異中相對差異和絕對差異的演變趨勢不同，長三角城市群、長江中游城市群、成渝城市群及哈長城市群絕對差異呈擴大趨勢，珠三角城市群和京津冀城市群則逐漸縮小；而從相對差異來看，除成渝城市群的相對差異略微擴大之外，其他城市群整體上呈現(xiàn)縮小的趨勢；除長江中游城市群之外，其他城市群之間均存在溢出效應(yīng)。

城市群；夜間燈光；Dagum基尼系數(shù)；核密度；廣義脈沖響應(yīng)函數(shù)

一、問題提出和文獻評述

改革開放以來，中國經(jīng)濟取得了“奇跡式”的增長，與此同時中國城鎮(zhèn)化水平也得以快速提升，城鎮(zhèn)化率從1978年的17.92%迅速提升到2013年的53.7%，每年平均提高1.02個百分點*數(shù)據(jù)來源：國家統(tǒng)計局網(wǎng)站。。城鎮(zhèn)化水平對區(qū)域經(jīng)濟增長有顯著的正向影響(Chen et al.，2016)，是中國經(jīng)濟增長的新動能(都陽 等，2014)。而隨著城鎮(zhèn)化水平的不斷提高，單個城市獨立發(fā)展的能力越來越有限，而作為區(qū)域空間形態(tài)的高級現(xiàn)象，城市群是國民經(jīng)濟快速發(fā)展、現(xiàn)代化水平不斷提高的標(biāo)志之一(黃征學(xué)，2014)，城市群也將成為打破區(qū)域非均衡發(fā)展格局、促進區(qū)域協(xié)同發(fā)展的新載體。因此研究城市群的實質(zhì)意義要超過對單個城市的研究。2013年中國城市群面積占全國總面積的28.9%，集中了63.8%的人口，創(chuàng)造了85.7%的GDP，城市群經(jīng)濟密度遠高于全國平均水平(張學(xué)良，2016)。但是《國家新型城鎮(zhèn)化規(guī)劃(2014—2020 年)》指出，當(dāng)前中國城市群存在布局不夠合理，城市群內(nèi)部分工協(xié)作不充分，集群效率不高，城市的綜合承載能力不足等問題，這些都提高了經(jīng)濟社會成本和生態(tài)環(huán)境成本。同時城市群之間經(jīng)濟發(fā)展也存在著較大的差異，2014年長三角城市群的地區(qū)生產(chǎn)總值為12.67萬億元，而成渝城市群僅為3.76萬億元*數(shù)據(jù)來源于《長江三角洲城市群發(fā)展規(guī)劃》和《成渝城市群發(fā)展規(guī)劃》。，長三角城市群經(jīng)濟總量是成渝城市群的3.37倍。因此，加快城市群發(fā)展已經(jīng)成為優(yōu)化城鎮(zhèn)布局和完善城鎮(zhèn)形態(tài)的重要舉措。

從已有文獻研究的進展來看，通過聚焦城市群層面的問題，進而研究中國經(jīng)濟發(fā)展的空間差異和溢出效應(yīng)的文獻主要分為兩類：一是從單個城市群的角度出發(fā)，采用主成分分析法、聚類分析法、空間計量以及標(biāo)準(zhǔn)差、全局和局域的Moran′s I指數(shù)等方法，進而考察城市群內(nèi)部各城市之間發(fā)展的空間差異及溢出效應(yīng)(胡毅 等，2010；張建營 等，2012；畢秀晶 等，2013；謝磊 等，2013)，然而這類研究文獻缺少對城市群間關(guān)系的考察；二是運用加權(quán)變異系數(shù)、重標(biāo)極差分析法、收斂分析等方法考察城市群間經(jīng)濟發(fā)展的空間差異(胡繼亮 等，2012；曾鵬 等，2012)，但是該類文獻沒有將空間差異進行分解，因此難以厘清空間差異的來源，也未能考察多個城市群間的空間溢出效應(yīng)。陳明華等(2016)運用Dagum基尼系數(shù)和Granger因果關(guān)系檢驗的方法，考察了中國五大城市群發(fā)展的空間差異及溢出效應(yīng)。這對已有研究文獻做了重要的補充，但是也未能揭示出城市群經(jīng)濟發(fā)展絕對差異的分布動態(tài)以及城市群的空間動態(tài)交互影響。

綜合來看，已有文獻主要存在以下局限：(1)從方法上看，少數(shù)文獻(陳明華 等，2016)運用Dagum基尼系數(shù)將城市群發(fā)展的空間差異進行分解，即使存在Dagum基尼系數(shù)方法，但也存在刻畫的是相對差異規(guī)律等問題，而未能揭示城市群經(jīng)濟發(fā)展絕對差異的分布演進規(guī)律等。(2)從數(shù)據(jù)上來看，上述文獻均采用人均GDP作為衡量社會發(fā)展水平的指標(biāo)，然而現(xiàn)有人均GDP指標(biāo)存在諸多不足問題，為了消除上述因素干擾，本文選擇使用DMSP/OLS夜間燈光數(shù)據(jù)。相對于GDP統(tǒng)計數(shù)據(jù)，夜間燈光數(shù)據(jù)(Night-Time Light Data，NTL)最大限度地消除了人為因素，從而可以成為經(jīng)濟發(fā)展水平較好的替代變量。近年來國內(nèi)外已有文獻開始利用夜間燈光數(shù)據(jù)進行研究(Mellander et al.，2015；徐康寧 等，2015；Duede et al.，2016；Bickenbach et al.，2016)。因此，本文基于1992—2013年中國城市夜間燈光數(shù)據(jù)，試圖考察城市群發(fā)展的空間差異及溢出效應(yīng)。

二、研究方法和數(shù)據(jù)來源

(一)研究方法

1.Dagum基尼系數(shù)及其分解方法

本文采用Dagum(1997)基尼系數(shù)分解方法測度了中國城市群發(fā)展的空間差異。相較于泰爾指數(shù)和傳統(tǒng)的基尼系數(shù)，Dagum基尼系數(shù)可以將總體差異按城市群分解為城市群內(nèi)部差異、城市群間超變凈值差異和城市群間超變密度三部分，從而可以有效分析不同城市群對總體差異的影響，這有效的解決了總體差異的來源問題(劉華軍 等，2014)。目前，這一方法已被廣泛應(yīng)用于多個研究領(lǐng)域(劉華軍 等，2013；劉華軍 等，2014；陳明華 等，2016)。Dagum基尼系數(shù)的定義如以下公式所示：

(1)

總體基尼系數(shù)可以分解為城市群內(nèi)部差異的貢獻(Gw)、城市群間超變凈值差異的貢獻(Gnb)以及超變密度的貢獻(Gt)三個部分，它們之間的關(guān)系滿足G=Gw+Gnb+Gt。j城市群的基尼系數(shù)Gjj和城市群內(nèi)部差異的貢獻Gw可以分別用式(2)、式(3)表示，j和h城市群的群間基尼系數(shù)Gjh和群間超變凈值差異的貢獻Gnb可以分別用式(4)、式(5)表示，而超變密度的貢獻Gt可以用式(6)表示。Djh為j、h城市群間經(jīng)濟發(fā)展的相對影響，其定義可以用式(7)所示。具體如下：

(2)

(3)

(4)

(5)

(6)

(7)

0(y-x)dFh(x)

(8)

0(y-x)dFj(y)

(9)

其中，F(xiàn)j(Fh)為j(h)城市群的累積密度分布函數(shù)。

本文根據(jù)以上方法測算了1992—2013年中國103個城市經(jīng)濟發(fā)展的基尼系數(shù),并按城市群進行了分解。

2. Kernel密度估計

核密度估計是一種重要的非參數(shù)方法，能夠用連續(xù)的密度曲線描述隨機變量的分布形態(tài)，從而可以對隨機變量的概率密度進行估計。該方法假定隨機變量x的密度函數(shù)為 f(x)，在點x的概率密度可以用式(10)進行估計，具體如下：

(10)

其中：N為觀測值的個數(shù)；Xi為獨立同分布的觀測值；h為帶寬；x為均值；K(·)為核函數(shù)，核函數(shù)是一種加權(quán)函數(shù)或平滑轉(zhuǎn)換函數(shù)。

核函數(shù)通常分為高斯核函數(shù)、Epanechnikov核函數(shù)、三角核函數(shù)和四角核函數(shù)等，本文采用高斯核函數(shù)進行估計，其表達式如式(11)所示。由于核密度估計沒有確定的表達式，需要通過圖形對比來考察分布的變化，而核密度估計結(jié)果的圖形一般可以反映變量分布位置、形態(tài)和延展性等方面的信息。

(11)

3. 廣義脈沖響應(yīng)函數(shù)

脈沖響應(yīng)函數(shù)方法(Impulse Response Function，IRF)可以衡量某個內(nèi)生變量的隨機誤差項上施加一個標(biāo)準(zhǔn)差大小的沖擊后對所有內(nèi)生變量的當(dāng)期值和未來值所產(chǎn)生的影響(高鐵梅，2009)。傳統(tǒng)的IRF的正交化通常用Cholesky分解方法(Sim，1980)來完成，但是這一方法分解的結(jié)果嚴格依賴于模型中變量的次序。而由Koop et al.(1996)提出、Pesaran et al.(1996，1998)進行拓展的廣義脈沖響應(yīng)函數(shù)(Generalized Impulse Response Function，GIRF)可以有效克服傳統(tǒng)IRF方法的缺陷。因此本文采用廣義脈沖響應(yīng)函數(shù)來揭示中國城市群間經(jīng)濟發(fā)展的空間溢出效應(yīng)及動態(tài)交互影響。

一般而言，沖擊不是一個單位，則假定εt中第一個元素變化為δ1，第二元素變化為δ2，以此類推第k元素變化為δk，則t期的沖擊δ=(δ1, δ2,…,δk)′。假設(shè)εt為特定大小的沖擊，僅發(fā)生在第j個變量上，則對向量yt+q的沖擊響應(yīng)可以表示為式(12)：

ψ(q,δj,Ωt-1)=E(yt+q

εjt=δj,Ωt-1)-E(yt+q

Ωt-1)，q=0,1,2，….

(12)

其中，Ωt-1表示t-1期的信息集合。由于協(xié)方差矩陣∑不是對角陣，意味著εt各元素之間存在同期相關(guān)關(guān)系，即εjt的變化引起εt中其他元素同期發(fā)生變化，此時δ=E(εt

εjt=δj)。若假定εt服從多元正態(tài)分布，則：

(13)

(14)

(15)

當(dāng)協(xié)方差矩陣∑是對角陣時，正交脈沖與廣義脈沖的結(jié)果是一致的。當(dāng)協(xié)方差矩陣∑是非對角矩陣時，Cholesky正交脈沖與廣義脈沖只在j=1時相等。

(二)樣本數(shù)據(jù)說明、來源及處理

1. 樣本城市群及具體城市的界定

《中華人民共和國國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》強調(diào)，要“優(yōu)化發(fā)展京津冀、長三角、珠三角三大城市群，形成東北地區(qū)、中原地區(qū)、長江中游、成渝地區(qū)和關(guān)中平原等城市群”，《國家新型城鎮(zhèn)化規(guī)劃(2014—2020年)》也認為，要“加快培育成渝、中原、長江中游和哈長等城市群，使之成為推動國土空間均衡開發(fā)、引領(lǐng)區(qū)域經(jīng)濟發(fā)展的重要增長極”，結(jié)合中共中央、國務(wù)院相關(guān)文件精神*2008年12月國務(wù)院批復(fù)《珠江三角洲地區(qū)改革發(fā)展規(guī)劃綱要(2008—2020)》；2015年4月中共中央政治局審議通過《京津冀協(xié)同發(fā)展規(guī)劃綱要》；2015年4月國務(wù)院批復(fù)《長江中游城市群發(fā)展規(guī)劃》；2016年2月23日，國務(wù)院印發(fā)了《關(guān)于哈長城市群發(fā)展規(guī)劃的批復(fù)》；2016年3月，國務(wù)院常務(wù)會議審議通過《成渝城市群發(fā)展規(guī)劃》；2016年5月，國務(wù)院常務(wù)會議通過《長江三角洲城市群發(fā)展規(guī)劃》。，本文選取京津冀城市群、長江三角洲(簡稱長三角，下同)城市群、珠江三角洲(簡稱珠三角，下同)城市群、長江中游城市群、成渝城市群和哈長城市群等6個城市群為研究樣本*長三角城市群包括上海、南京、蘇州、無錫、常州、揚州、南通、泰州、鹽城、鎮(zhèn)江、杭州、寧波、嘉興、湖州、紹興、舟山、金華、臺州、合肥、蕪湖、安慶、馬鞍山、銅陵、池州、滁州和宣城等26個城市；珠三角城市群包括廣州、深圳、珠海、惠州、東莞、肇慶、佛山、中山和江門等9個城市；京津冀城市群包括北京、天津、石家莊、唐山、保定、秦皇島、廊坊、滄州、承德、張家口、衡水、邢臺和邯鄲等13個城市；長江中游城市群包括武漢、黃石、鄂州、黃岡、孝感、咸寧、襄陽、宜昌、荊州、荊門、長沙、株洲、湘潭、岳陽、益陽、常德、衡陽、婁底、南昌、九江、景德鎮(zhèn)、鷹潭、新余、宜春、萍鄉(xiāng)、上饒、撫州和吉安等28個城市；成渝城市群包括重慶、成都、自貢、瀘州、德陽、綿陽、遂寧、內(nèi)江、樂山、南充、眉山、宜賓、廣安、達州、雅安和資陽等16個城市；哈長城市群包括哈爾濱、大慶、齊齊哈爾、綏化、牡丹江、長春、吉林、四平、遼源、松原和延邊等11個城市。。

2. 夜間燈光數(shù)據(jù)說明、來源及處理

近年來，全球夜間燈光數(shù)據(jù)受到學(xué)界的廣泛關(guān)注，該數(shù)據(jù)是由美國空軍氣象衛(wèi)星(Defense Meteorological Satellite Program, DMSP)中搭載的OLS(Operational Linescan System)傳感器從外太空所觀察到的地球不同地區(qū)的燈光亮度(消除了云、月光及火光等偶然因素影響)，并由美國國家地理數(shù)據(jù)中心(National Geophysical Data Cente，NGDC)所管理。與一般傳感器不同，OLS傳感器是在夜間工作，從而避免了太陽光輻射地表后光反射的干擾，同時OLS傳感器對可見光高度敏感，能探測到城市夜間燈光、火光和車流燈光等較低強度的光。由于夜間燈光數(shù)據(jù)不需要進行相應(yīng)的人為控制，且不受物價水平的影響，能夠提供相對客觀的信息，尤其適用于觀察較長時間內(nèi)不同地區(qū)的經(jīng)濟活動，因而逐漸成為研究人類活動的良好數(shù)據(jù)來源。DMSP/OLS夜間燈光數(shù)據(jù)包括四種年平均數(shù)據(jù)：平均可見光值(Average Visible)、穩(wěn)定燈光值(Stable Lights)、能觀察的無云覆蓋次數(shù)(Cloud Free Coverages)和平均燈光X Pct(Average Lights X Pct)。其中，穩(wěn)定燈光數(shù)據(jù)的使用最為普遍，因為該數(shù)據(jù)去除了極光、野火等不穩(wěn)定光源以及月光、云的干擾，最后的數(shù)據(jù)值為無云圖幅穩(wěn)定光的年均灰度(DN)值，該值取值范圍為1～63，背景值為0，從而為探測全球人類活動提供了獨一無二的方式。截至目前，NOAA已經(jīng)對外公布了1992—2013年間共22年的DMSP/OLS 穩(wěn)定燈光時序數(shù)據(jù)。

長三角城市群的城市合作起源于1992年啟動的長三角地區(qū)15個城市經(jīng)濟協(xié)作辦主任聯(lián)席會議制度，這也是中國城市群發(fā)展的起點。因此本文采用1992—2013年的DMSP/OLS 穩(wěn)定燈光數(shù)據(jù)，在燈光灰度提取過程中用TM影像作為基準(zhǔn)，對歷年穩(wěn)定燈光數(shù)據(jù)進行幾何校正，并用中國國界圖對幾何校正后的全球燈光圖進行裁剪，從而得到中國的夜間燈光數(shù)據(jù)。由于數(shù)據(jù)跨度范圍為1992—2013年，期間的數(shù)據(jù)來源于F10、F12、F14、F15、F16、F18等不同衛(wèi)星，由于各衛(wèi)星傳感器的定標(biāo)有細微變化，本文以F18衛(wèi)星為基準(zhǔn)，利用ArcGIS對不同傳感器進行線性校準(zhǔn)。

三、典型化事實

夜間燈光數(shù)據(jù)是衡量地區(qū)經(jīng)濟發(fā)展水平的重要參考指標(biāo)。圖1分別為1992年和2013年中國穩(wěn)定燈光衛(wèi)星分布圖，圖片中白色代表相應(yīng)地區(qū)夜間燈光亮度，即夜間燈光亮度越高人類夜間活動也更為頻繁，GDP也越高(Chen et al.，2011)。從圖中可以清晰的看出，東部沿海地區(qū)是夜間燈光亮度最集中的地區(qū)，而中西部大部分地區(qū)的燈光亮度較暗。另外，從1992年和2013年的對比來看，夜間燈光亮度整體呈現(xiàn)上升趨勢，尤其是成渝地區(qū)和長江中游地區(qū)的亮度提升明顯。

圖1中國穩(wěn)定夜間燈光衛(wèi)星分布圖(該地圖不含南海諸島)

資料來源：https://www.ngdc.noaa.gov/eog/sensors.html。

從城市群視角來看，整體而言(如圖2)，珠三角城市群的夜間燈光亮度值最高，年平均亮度值為24.63，遠遠高于其他城市群。其他城市群年均亮度排名從高到低依次是：長三角城市群(11.14)*括號內(nèi)為年均亮度值，下同。、京津冀城市群(9.91)、長江中游城市群(2.57)、哈長城市群(2.53)和成渝城市群(2.08)。

其中，珠三角城市群年均夜間燈光亮度值是成渝城市群的11.83倍。從年均增長率來看，以1992年為基期(下同)，六大城市群的年平均增長率為7.53%，其中成渝城市群的年均增長率最高達10.91%，增長速度最快，接下來是長江中游城市群和長三角城市群的9.66%和8.26%，也超過了平均增長率，而哈長城市群、京津冀城市群和珠三角城市群則均低于平均增長率。

具體來看(如圖3)，六大城市群的夜間燈光亮度整體呈上升態(tài)勢，空間差異較為明顯，城市群經(jīng)濟呈現(xiàn)非均衡發(fā)展態(tài)勢。1992年珠三角城市群、京津冀城市群、長三角城市群、哈長城市群、長江中游城市群和成渝城市群的夜間燈光亮度值分別為15.26、5.83、5.44、1.54、1.32和0.74，亮度最高的珠三角城市群與亮度最低的成渝城市群的絕對差異為14.52，此后各城市群的經(jīng)濟發(fā)展呈快速增長的態(tài)勢。截至2013年，夜間燈光亮度分別增至33.82、15.46、21.26、4.31、5.21和4.41，最高差異為29.51。說明樣本考察期內(nèi)各城市群之間的絕對差異有逐漸擴大的趨勢，而長三角城市群超過京津冀城市群位居第2位，長江中游城市群和成渝城市群也超過哈長城市群，分列第4、5位。

圖2城市群年均夜間燈光亮度值和年均增長率

圖3城市群夜間燈光亮度的演變趨勢

四、城市群經(jīng)濟發(fā)展差異的測度及分布動態(tài)

(一)城市群經(jīng)濟發(fā)展差異測度

接下來，本部分運用Dagum基尼系數(shù)測度了中國城市群發(fā)展的空間差異，圖4為1992—2013年城市群總體差異(G)的演變趨勢。中國城市群發(fā)展總體差異較大，1992年以來差異逐漸縮小，但是速度較為緩慢，僅從1992年的0.63下降到2013年的0.52，年均遞減率僅為0.79%。從演變過程來看，總體差異的變化并不是平穩(wěn)的下降過程，而是呈現(xiàn)一個波動的演變趨勢。具體來看，1992年和1993年總體差異為0.628，1994年上升為0.651，而1995年下降為0.614；1996—1999年穩(wěn)定在0.615左右，2000—2002年連續(xù)三年下降，2003年又上升為0.611。2004—2007年總體差異下降到0.551，而2008年和2009年又擴大至0.579，2010年又迅速下降至0.516，而2011年開始逐步上升，2012年和2013年又有小幅的下降。

圖4城市群發(fā)展總體差異的演變趨勢

圖5 城市群內(nèi)部發(fā)展差異的演變趨勢

從城市群內(nèi)部差異的演變趨勢來看(圖5)，六大城市群內(nèi)部發(fā)展差異總體上呈下降的趨勢，但是演變趨勢并不平緩。其中，成渝城市群的群內(nèi)發(fā)展差異最大，哈長城市群最小。長三角城市群、珠三角城市群、京津冀城市群和長江中游城市群的群內(nèi)差異波動較大。1995年，京津冀城市群的群內(nèi)差異超過長三角城市群和長中游城市群，居于第2位，1996—2013年則穩(wěn)定在第2位。而長三角城市群、長江中游城市群和珠三角城市群三者的群內(nèi)差異波動趨勢幾乎相同，排名上下波動，直到2009—2013年排名逐漸穩(wěn)定，長江中游城市群、長三角城市群和珠三角城市群的群內(nèi)差異分列第3、4、5位。從下降幅度來看，長三角城市群的下降幅度最大，1992年的群內(nèi)差異為0.449，2013年下降為0.314，以1992年為基期(下同)年均下降幅度為1.59%。珠三角城市群、哈長城市群、長江中游城市群和京津冀城市群的群內(nèi)差異下降幅度分別為1.19%、0.99%、0.79%和0.62% ，而成渝城市群差異小幅上升0.24%。

為了進一步揭示城市群發(fā)展差異的來源，根據(jù)Dagum(1997)的方法將城市群發(fā)展的總體差異分解為：城市群內(nèi)部差異的貢獻(Gw)、城市群間超變凈值差異的貢獻(Gnb)和超變密度的貢獻(Gt)三個部分，并給出三個部分對總體差異的貢獻率(表1)。其中，城市群間凈值差異的貢獻率最高，各年均高于73.52%，其次是超變密度的貢獻率，均介于11.50%～14.53%之間，貢獻率最小的為城市群內(nèi)部差異，均低于11.95%。以上結(jié)果表明，城市群間差異是導(dǎo)致地區(qū)差異的關(guān)鍵成因，因此加強城市群間的協(xié)調(diào)發(fā)展，縮小城市群間差異至關(guān)重要。

表1 基尼系數(shù)的分解結(jié)果(1992—2013年)

(二)城市群內(nèi)部經(jīng)濟發(fā)展的分布動態(tài)

借助Dagum基尼系數(shù)方法，本文分析了中國城市群經(jīng)濟發(fā)展的空間差異大小及其來源。但Dagum基尼系數(shù)方法刻畫的是經(jīng)過夜間燈光均值調(diào)整后的經(jīng)濟發(fā)展相對差異規(guī)律，未能反映城市群經(jīng)濟發(fā)展絕對差異的分布動態(tài)，而Kernel核密度分析方法則能夠彌補這一缺陷。因此，本部分將借助核密度估計方法就六大城市群及各城市群內(nèi)部經(jīng)濟發(fā)展的分布位置、分布形態(tài)、分布延展性勢等方面進行分析*位置反映的是城市群發(fā)展水平的高低；形態(tài)是分析城市群發(fā)展的空間差異大小和極化程度的指標(biāo)，其中波峰的高度和寬度反映差異大小，波峰數(shù)量反映極化程度；延展性則主要通過拖尾的長短來體現(xiàn)空間差異，若拖尾越長，則差異越大(Quah，1993)。，具體如圖6、圖7所示。

(1)六大城市群103個城市的經(jīng)濟發(fā)展分布逐漸向右移動，表明總體經(jīng)濟發(fā)展水平呈上升趨勢。然而其主峰的高度呈波動下降的趨勢，而寬度逐漸增大，且分布曲線呈現(xiàn)右拖尾的現(xiàn)象，說明六大城市群經(jīng)濟發(fā)展差異總體上呈擴大的趨勢。

圖6城市群總體空間差異的分布動態(tài)

圖7 各城市群空間差異的分布動態(tài)

(2)六大城市群的核密度分析(圖7)。由圖7可知，六大城市群經(jīng)濟發(fā)展的分布總體上均向右側(cè)移動，說明各城市群經(jīng)濟發(fā)展水平總體呈上升趨勢，這與前文的分析結(jié)果一致。其中，長三角城市群、珠三角城市群和京津冀城市群分布的右移較為明顯，夜間穩(wěn)定燈光亮度的均值分別從1992年的5.44、15.26和6.29增至2013年的21.26、33.82和16.58，說明樣本期內(nèi)三個城市群的經(jīng)濟發(fā)展水平上升趨勢較為明顯。由圖7可知，相對而言，長江中游城市群、成渝城市群和哈長城市群分布的右移較為微弱，夜間穩(wěn)定燈光亮度的均值分別從1992年的1.32、0.74和1.53增至2013年的5.21、4.41和4.37，說明在樣本期內(nèi)三個城市群的經(jīng)濟發(fā)展水平雖有提高，但是速度較為緩慢。由圖7可知，在樣本觀測期內(nèi)，六大城市群分布的主峰高度呈波動下降的趨勢，而且寬度逐漸增大，這說明六大城市群經(jīng)濟發(fā)展的絕對差異呈現(xiàn)擴大的趨勢。其中，長三角城市群和珠三角城市群主峰高度下降的幅度和寬度增大的幅度均較大；而京津冀城市群經(jīng)濟發(fā)展的分布主峰經(jīng)歷了“上升-下降-上升-下降”的演變過程，而寬度則經(jīng)歷了“增大-減小-增大”的過程；成渝城市群、長江中游城市群和哈長城市群的主峰高度上升和寬度增大，但變化均不明顯。長三角城市群、京津冀城市群、長江中游城市群和成渝城市群的分布曲線則呈現(xiàn)明顯的拖尾現(xiàn)象。這是因為每個城市群都存在經(jīng)濟發(fā)展較好的城市*例如京津冀城市群的北京、天津，長三角城市群的上海、杭州，長江中游城市群的武漢、長沙，成渝的成都。，直接導(dǎo)致了這幾個城市群內(nèi)部存在較大的絕對差異。而珠三角城市群和哈長城市群則沒有拖尾現(xiàn)象，這是因為珠三角城市群內(nèi)經(jīng)濟發(fā)展水平較高的城市相對較多，而哈長城市群則是因為各城市發(fā)展水平相對均衡，沒有經(jīng)濟發(fā)展極好的城市，因此也沒有出現(xiàn)拖尾現(xiàn)象。珠三角城市群和京津冀城市群經(jīng)濟發(fā)展存在多極分化的趨勢。珠三角城市群的分布曲線由多峰轉(zhuǎn)變?yōu)殡p峰，2005年之前是多峰，且側(cè)峰峰值也較高，說明樣本期內(nèi)珠三角城市群經(jīng)濟發(fā)展具有多極化趨勢，呈現(xiàn)明顯的梯度效應(yīng)；2005年之后呈現(xiàn)雙峰，說明各城市之間的絕對差異在縮小。京津冀城市群的分布曲線則呈現(xiàn)多峰，但是側(cè)峰峰值較低，說明城市群內(nèi)城市經(jīng)濟發(fā)展具有一定的梯度效應(yīng)，呈現(xiàn)微弱的多極分化趨勢。

五、城市群經(jīng)濟發(fā)展的空間溢出效應(yīng)

廣義脈沖響應(yīng)函數(shù)是一種考察變量之間結(jié)構(gòu)關(guān)系的因果分析法，該方法具體原理是：通過在分析系統(tǒng)內(nèi)某個內(nèi)生變量的隨機誤差項施加一個標(biāo)準(zhǔn)差大小的沖擊，觀測對所有內(nèi)生變量的當(dāng)期值和未來值產(chǎn)生的影響，從而得出變量之間在時間上的因果關(guān)系。本部分就是基于六大城市群的夜間燈光亮度，建立6個變量VAR模型，其中VAR模型的最優(yōu)滯后階數(shù)根據(jù)SC準(zhǔn)則確定*Nickelsburg(1985)在對滯后階數(shù)估計量的分布模擬基礎(chǔ)上，認為SC準(zhǔn)則在小樣本中表現(xiàn)最優(yōu)。。具體過程如下：首先進行單位根檢驗，結(jié)果表明所有變量均為I(1)序列，即同階單整；其次進行Johansen協(xié)整檢驗，結(jié)果顯示所有變量序列之間存在協(xié)整關(guān)系*限于篇幅，本文未報告單位根檢驗以及協(xié)整檢驗的結(jié)果，有需要的讀者可以向作者索取。，即各變量之間存在長期均衡關(guān)系。下面分別給出各城市群經(jīng)濟發(fā)展受到一個正的沖擊后，進而得到其他城市群對受沖擊城市群的脈沖響應(yīng)圖(圖8—圖13)，這反映了受沖擊城市群經(jīng)濟發(fā)展對其他城市群的影響。在以下各圖中，橫軸表示沖擊作用的滯后期數(shù)(單位：年度)，縱軸表示其他城市群對受沖擊城市群的響應(yīng)。

圖8中a圖顯示了六大城市群*此處六大城市群的排列順序為長三角城市群、珠三角城市群、京津冀城市群、長江中游城市群、成渝城市群和哈長城市群。對長三角城市群沖擊的響應(yīng)情況。對長三角城市群施加一個標(biāo)準(zhǔn)差信息沖擊后，六大城市群的初始響應(yīng)分別為1.26、1.00、0.72、0.35、0.22和0.06，此后數(shù)值均呈下降的趨勢。其中，在第1年，長三角城市群對珠三角城市群和京津冀城市群的溢出效應(yīng)最為明顯，而對長江中游城市群、成渝城市群和哈長城市群的作用則較為微弱。長期來看，除了對自身和珠三角城市群有微弱的溢出效應(yīng)之外，對于其他區(qū)域基本沒有影響。圖8中b圖顯示了六大城市群對珠三角城市群沖擊的響應(yīng)情況。對珠三角城市群施加一個標(biāo)準(zhǔn)差信息沖擊后，六大城市群的初始響應(yīng)速度分別為0.69、1.83、0.55、0.15、0.15和0.03，第2～5年呈波動趨勢，第6年度起基本趨于穩(wěn)定。說明珠三角城市群對于其他城市群均有正向的溢出效應(yīng)，長期內(nèi)珠三角城市群對于長三角城市群溢出效應(yīng)最大，且一直較為穩(wěn)定；其次是京津冀城市群，而對于長江中游、成渝和哈長等城市群則沒有明顯的溢出效應(yīng)。

圖8中c圖顯示了六大城市群對京津冀城市群沖擊的響應(yīng)情況。對京津冀城市群施加一個標(biāo)準(zhǔn)差信息沖擊后，六大城市群的初始響應(yīng)分別為1.07、1.18、0.84、0.30、0.27和0.15，且之后數(shù)值均呈下降趨勢。與珠三角城市群相似，京津冀城市群對其他城市群均有溢出效應(yīng)，其中對珠三角城市群和長三角城市群的溢出效應(yīng)最大，而對于長江中游、成渝和哈長等城市群溢出效應(yīng)則不顯著。圖9中d圖顯示了六大城市群對長江中游城市群沖擊的響應(yīng)情況。對長江中游城市群施加一個標(biāo)準(zhǔn)差信息沖擊后，六大城市群的初始響應(yīng)分別為1.14、0.72、0.66、0.39、0.24和0.05，之后數(shù)值呈迅速下降趨勢，第2年均下降為負值，說明短期內(nèi)長江中游城市群對其他城市群有正向的溢出效應(yīng)，尤其是對長三角、珠三角和京津冀等城市群的溢出效應(yīng)最為明顯，但長期內(nèi)對其他城市群的均無正向的溢出效應(yīng)。

圖8中e圖顯示了六大城市群對成渝城市群沖擊的響應(yīng)情況。對成渝城市群施加一個標(biāo)準(zhǔn)差信息沖擊后，六大城市群的初始響應(yīng)分別為0.89、0.89、0.74、0.30、0.31和0.13，此后第2～3年數(shù)值呈下降趨勢，第4、5年又上升，之后保持不變。從長期來看，成渝城市群對珠三角城市群、長三角城市群有顯著的溢出效應(yīng)，而對京津冀、長江中游和哈長等城市群無明顯的溢出效應(yīng)。圖8中f圖顯示了六大城市群對哈長城市群沖擊的響應(yīng)情況。對哈長城市群施加一個標(biāo)準(zhǔn)差信息沖擊后，六大城市群的初始響應(yīng)分別為0.22、-0.14、0.33、0.05、0.10和0.38，第2年之后數(shù)值基本保持不變，長期內(nèi)珠三角、長三角和京津冀城市群有顯著的溢出效應(yīng)，而對長江中游城市群和成渝城市群則無明顯的正向影響。

圖8 各城市群空間差異的分布動態(tài)

在以上結(jié)果中，除哈長城市群外，其他城市群第一年的溢出效應(yīng)對長三角城市群、珠三角城市群和京津冀城市群的溢出效應(yīng)均位居前三位。這是因為長三角城市群、珠三角城市群、京津冀城市群作為發(fā)展較早的城市群，受惠于政策與區(qū)位雙重優(yōu)勢，城市群成熟度相對較高；城市群市場化水平高與城市合作程度高，城市群內(nèi)城市的經(jīng)濟發(fā)展水平相對較高；這三個城市群與其他城市群的經(jīng)濟聯(lián)系較多，經(jīng)濟輻射能力較強。除哈長城市群外，其他城市群對長江中游城市群、成渝城市群的溢出效應(yīng)均在第4、5位，主要原因是這兩個城市群還處于城市群發(fā)展的初級階段，城市群成熟度相對較低，而且群內(nèi)城市主要以第一產(chǎn)業(yè)、第二產(chǎn)業(yè)為主，市場化水平偏低，經(jīng)濟發(fā)展受政府主導(dǎo)痕跡明顯，城市群內(nèi)城市發(fā)展水平相對較低，城市群競爭力較弱。但是這兩個城市群與長三角城市群、珠三角城市群和京津冀城市群已經(jīng)具有相對密切的聯(lián)系，說明城市群的協(xié)同發(fā)展已經(jīng)發(fā)揮了作用。其他城市群對哈長城市群的溢出效應(yīng)均位于最后一位。這主要是因為哈長城市群位于東北老工業(yè)基地內(nèi)，經(jīng)濟發(fā)展過于依賴傳統(tǒng)產(chǎn)業(yè)，發(fā)展過程中形成了“封閉式”的發(fā)展模式，城市發(fā)展的內(nèi)生動力不足，從而導(dǎo)致城市群群內(nèi)城市經(jīng)濟發(fā)展水平較低，與其他城市群的聯(lián)系不夠密切。

另外，空間溢出效應(yīng)的研究中，地理特點的空間性是很重要的方面?？臻g性的一個基礎(chǔ)就是地理學(xué)第一定律，即事物是相互聯(lián)系的，距離越近聯(lián)系也越緊密。城市群協(xié)同發(fā)展也應(yīng)該充分考慮地理因素，因此城市群的溢出也不僅僅是鄰近地區(qū)的溢出，協(xié)同發(fā)展的范圍可以擴大。

六、結(jié)論與政策建議

(一) 結(jié)論

本文基于1992—2013年中國城市夜間燈光數(shù)據(jù)，采用Dagum基尼系數(shù)、Kernel密度估計方法以及廣義脈沖響應(yīng)函數(shù)就城市經(jīng)濟發(fā)展差異和空間溢出效應(yīng)進行考察。得出具體主要結(jié)論如下：(1)六大城市群的經(jīng)濟發(fā)展呈現(xiàn)顯著的空間非均衡特征，且城市群內(nèi)部差異是總體差異的主要來源。(2)城市群內(nèi)部差異中相對差異和絕對差異的演變趨勢不同。六大城市群總體經(jīng)濟發(fā)展的絕對差異呈現(xiàn)擴大的趨勢，而相對差異則逐漸縮小，從各城市群的絕對差異來看，長三角城市群、長江中游城市群、成渝城市群和哈長城市群絕對差異呈擴大趨勢，珠三角城市群和京津冀城市群的絕對差異在逐漸縮小。而從相對差異來看，除成渝城市群的相對差異略微擴大之外，其他城市群的相對差異整體上呈現(xiàn)縮小的趨勢。(3)除長江中游城市群之外，其余城市群之間均有溢出效應(yīng)。長三角城市群、珠三角城市群和京津冀城市群與其他城市群之間的關(guān)聯(lián)關(guān)系最為密切，所有城市群與這三者的溢出效應(yīng)都較為明顯。(4)基于人均GDP測算的城市群總體差異的年均遞減率為1.14%(陳明華 等，2016)，而本文基于夜間燈光數(shù)據(jù)測算的總體差異年均遞減率僅為0.79%。

(二)政策建議

(1)要重視城市群經(jīng)濟發(fā)展中存在的群內(nèi)發(fā)展非均衡態(tài)勢，縮小群內(nèi)各城市之間的發(fā)展差異，增強整體競爭力。進一步完善城市群經(jīng)濟發(fā)展的整體規(guī)劃，處理好全局和局部的關(guān)系，明確各城市在群內(nèi)的功能定位，充分發(fā)揮核心城市的輻射和帶動作用；發(fā)揮好群內(nèi)各城市的比較優(yōu)勢，縮小城市群內(nèi)的經(jīng)濟發(fā)展差異，提高整體競爭力。

(2)推動城市群間的協(xié)同發(fā)展。城市群間協(xié)同發(fā)展是一項長期任務(wù)，要充分利用各城市群間的溢出效應(yīng)和交互影響，重點發(fā)揮長三角城市群、珠三角城市群和京津冀城市群對其他城市群的帶動作用。創(chuàng)新協(xié)同發(fā)展體制機制，推動市場一體化步伐，加快破除協(xié)同發(fā)展中存在的體制機制障礙，發(fā)揮市場在資源配置中的基礎(chǔ)作用，適應(yīng)經(jīng)濟發(fā)展新常態(tài)，打造經(jīng)濟增長新的增長極。

畢秀晶，寧越敏. 2013. 長三角大都市區(qū)空間溢出與城市群集聚擴散的空間計量分析[J]. 經(jīng)濟地理(1):46-53.

陳明華，劉華軍，孫亞男. 2016. 2016中國五大城市群金融發(fā)展的空間差異及分布動態(tài)：2003～2013年[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究(7):130-144.

都陽，蔡昉，屈小博，等. 2014. 延續(xù)中國奇跡：從戶籍制度改革中收獲紅利[J]. 經(jīng)濟研究(8):4-13.

高鐵梅. 2009. 計量經(jīng)濟分析方法與建模：Eviews應(yīng)用及實例(第二版)[M]. 北京：清華大學(xué)出版社.

胡繼亮，袁園. 2012. 中部地區(qū)三大城市群經(jīng)濟發(fā)展差異的實證研究[J]. 湖北大學(xué)學(xué)報(哲學(xué)社會科學(xué)版)(6):40-45.

胡毅，張京祥. 2010. 基于縣域尺度的長三角城市群經(jīng)濟空間演變特征研究[J]. 經(jīng)濟地理(7):1112-1117.

黃征學(xué). 2014. 城市群：理論與實踐[M]. 北京：經(jīng)濟科學(xué)出版社.

劉華軍，鮑振，楊騫. 2013. 中國農(nóng)業(yè)碳排放的地區(qū)差距及其分布動態(tài)演進：基于Dagum基尼系數(shù)分解與非參數(shù)估計方法的實證研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(3):72-81.

劉華軍，何禮偉，楊騫. 2014. 中國人口老齡化的空間非均衡及分布動態(tài)演進：1989～2011[J]. 人口研究(2):71-82.

謝磊，李景保，何仁偉，等. 2013. 環(huán)長株潭城市群區(qū)域經(jīng)濟時空差異演變[J]. 城市問題(11):67-73.

徐康寧，陳豐龍，劉修巖. 2015. 中國經(jīng)濟增長的真實性：基于全球夜間燈光數(shù)據(jù)的檢驗[J]. 經(jīng)濟研究(9):17-29.

張建營，毛艷華. 2012. 珠三角城市群經(jīng)濟空間聯(lián)系實證分析[J]. 城市問題(10):2-8.

張學(xué)良. 2016. 2015中國區(qū)域經(jīng)濟發(fā)展報告：中國城市群可持續(xù)發(fā)展[M]. 北京：人民出版社.

曾鵬，陳芬. 2012. 中國十大城市群經(jīng)濟增長差異的收斂性比較研究[J]. 統(tǒng)計與決策(14):115-118.

BICKENBACH F, BODE E, NUNNENKAMP P, et al. 2016. Night lights and regional GDP [R]. Kiel Working Paper, No.1888.

BURKHAUSER R V, ROVBA L. 2005. Income inequality in the 1990s: comparing the United States,Great Britain and Germany [J]. The Japanese Journal of Social Security Policy, 4(1):1-16.

CHEN G, GLASMEIER A K, ZHANG M, et al. 2016. Urbanization and income inequality in Post-Reform China: a causal analysis based on time series data [J]. Plos One, 11(7):1-16.

CHEN X, NORDHAUS W D. 2011. Using luminosity data as a proxy for economic statistics [J]. Proceedings of the National Academy of Sciences, 108(21):8589-8594.

DAGUM C. 1997. A new approach to the decomposition of the Gini income inequality ratio [J]. Empirical Economics, 22(4):515-531.

DUEDE E, ZHORIN V. 2016. Convergence of economic growth and the Great Recession as seen from a celestial observatory [J]. EPJ Data Science, 5(1):11-29.

HENDERSON J V, STOREYGARD A, WEIL D. 2012. Measuring economic growth from outer space [J]. American Economic Review, 102(2):994-1028.

KOOP G, PESARAN M H, POTTER S M. 1996. Impulse response analysis in nonlinear multivariate models [J]. Journal of Econometrics, 74(1):119-147.

MELLANDER C, LOBO J, STOLARICK K Z, et al. 2015. Night-Time light data: a good proxy measure for economic activity [J]. Plos one, 10(10):1-18.

NICKELSBURG G. 1985. Small-sample properties of dimensionality statistics for fitting VAR models to aggregate economic data: a monte Carlo study [J]. Journal of Econometrics, 28(2):183-192.

PESARAN M, SHIN Y. 1996. Cointegration and speed of convergence to equilibrium [J]. Journal of Econometrics, 71(1-2):117-143.

PESARAN M, SHIN Y. 1998. Generalized impulse response analysis in linear multivariate models [J]. Economic Letters, 58(1):17-29.

SIMS C A. 1980. Macroeconomics and reality [J]. Econometrica, 48(1):1-48.

SpatialDifferencesandSpilloverEffectsofEconomicDevelopmentofUrbanAgglomerationsinChina:OnDMSP/OLSNighttimeLightDatafrom1992to2013

LIU HuaJun PEI YanFeng JIA WenXing

(School of Economics, Shandong University of Finance and Economics, Jinan 250014)

Based on the investigation of DMSP/OLS Nighttime Light Data from 1992 to 2013, this paper uses the methods of Dagum Gini coefficient, Density Estimation and Generalized Impulse Response Function to examine empirically the spatial differences and spillover effects of economic development of urban agglomerations in China. Results show that: (1) The economic development of the urban agglomerations presents a significant spatial non-equilibrium characteristics, and the difference among the urban agglomerations is the main source of the overall difference. (2)The evolution trend of relative differences and absolute differences disagree in urban agglomerations. The absolute difference of Yangtze River Delta, the middle reaches of the Yangtze River, Chengdu-Chongqing and Harbin-Changchun urban agglomerations are expanding while the absolute difference of Zhujiang River Delta and Beijing-Tianjin-Hebei urban agglomerations are shrinking. As for the relative difference, the relative difference of Chengdu-Chongqing urban agglomeration has a slight expansion while the other urban agglomerations shows a trend of decreasing. (3) In addition to the Yangtze River urban agglomeration, there are spillover effects among other urban agglomerations.

urban agglomeration; nighttime light data; Dagum Gini Coefficient; density estimation; GIRF

2017-04-20

劉華軍(1979--)，男，山東廣饒人，博士，山東財經(jīng)大學(xué)經(jīng)濟學(xué)院教授，博士生導(dǎo)師。

裴延峰(1992--)，男，山東臨沂人，山東財經(jīng)大學(xué)經(jīng)濟學(xué)院碩士生。

賈文星(1990--)，男，山東新泰人，山東財經(jīng)大學(xué)經(jīng)濟學(xué)院碩士生。

國家社會科學(xué)基金青年項目“資源環(huán)境約束下農(nóng)業(yè)用水效率評價及提升路徑研究”(15CGL041)；山東省自然科學(xué)基金“山東省霧霾污染的城市間動態(tài)關(guān)聯(lián)效應(yīng)及協(xié)同治理機制研究：基于社會網(wǎng)絡(luò)視角”(ZR2016GM03)。

F290

A

1001-6260(2017)11-0001-12

10.19337/j.cnki.34-1093/f.2017.11.001

(責(zé)任編輯 張 坤)