城市空間結構如何影響技能溢價：理論視角與現(xiàn)實證據

羅勇　胡苗苗　曹麗莉

摘 要：在我國大力推進新型城鎮(zhèn)化助力共同富裕的背景下，城市空間結構作為城鎮(zhèn)化的重要內容，厘清其對技能溢價的影響及經濟機制具有重要的現(xiàn)實意義。文章利用LandScan人口分布數據測度了城市多中心度，以此度量城市空間結構。并結合2011、2013、2015與2017年的中國家庭金融調查數據，從異質性勞動力在城市內部空間不均衡分布這一理論視角識別了城市空間結構對技能溢價的影響。研究表明：無論是否考慮住房成本，城市多中心結構均會帶來技能溢價，這一結論在替換解釋變量與被解釋變量、剔除部分樣本后仍然成立。為進一步識別多中心結構對不同學歷勞動力工資的影響，文章根據勞動力學歷對其進一步細分，發(fā)現(xiàn)城市多中心化發(fā)展會提高具有大專及以上學歷勞動力的工資水平，但對大專以下學歷勞動力工資產生不利影響。進一步地，文章結合集聚效應與選擇效應的相關理論，從異質性勞動力在城市內部空間不均衡分布這一理論視角檢驗了城市空間結構對技能溢價的影響機制，發(fā)現(xiàn)城市主中心舒適的生活環(huán)境對高技能勞動力的拉力與其高昂的生活成本對低技能勞動力的推力共同導致技能溢價。該研究為我國“十四五”期間調整并優(yōu)化城市空間結構以縮小收入差距、實現(xiàn)城鎮(zhèn)化提質增效提供了經驗證據。

關鍵詞：城市空間結構 多中心 異質性勞動力空間分布 技能溢價

DOI：10.19592/j.cnki.scje.401966

JEL分類號：R12， R23，R58? ?中圖分類號：F229

文獻識別碼：A? ?文章編號：1000 - 6249（2023）07 - 077- 19

一、引言

城鎮(zhèn)化的快速發(fā)展使得人口不斷向城市集聚，由此形成的規(guī)模效應是改革開放以來我國經濟高速增長的主要動能之一。在邁向高質量發(fā)展的進程中，人口集聚不經濟的一面逐漸顯現(xiàn)，房價高企、收入差距擴大等問題日益嚴重。如何解決傳統(tǒng)城鎮(zhèn)化的遺留問題、實現(xiàn)經濟發(fā)展效率與公平的雙目標是推進共同富裕的應有之義?，F(xiàn)有研究表明，勞動力技能溢價，即高技能勞動力與低技能勞動力的工資差距不斷擴大是中國收入不平等變化的一個重要原因（Zhang et al.，2005；陸雪琴、文雁兵，2013；楊飛，2017）。因此，在當前大力推進新型城鎮(zhèn)化，助力共同富裕的背景下，分析技能溢價的形成原因及機制具有重要的現(xiàn)實意義。

現(xiàn)有關于技能溢價成因的研究主要聚焦于高技能勞動力的相對需求與供給。在高技能勞動力的相對需求方面，現(xiàn)有文獻主要從技能偏向型技術進步、貿易自由化與宏觀經濟制度等視角分析高技能勞動力相對需求變化對技能溢價的影響（Griliches，1969；Beyer et al.，1999；王永進、盛丹，2010；Koch，2016；劉貫春等，2017；Wang et al.，2021）。在高技能勞動力的相對供給方面，現(xiàn)有研究主要是從個體家庭條件與宏觀經濟背景兩方面分析高技能勞動力相對供給對技能溢價的影響（Hendel et al.，2005；Dimova et al.，2010；Ben-Halima et al.，2014）。隨著城鎮(zhèn)化的快速發(fā)展，人口在城市集聚所形成的空間外部性對經濟活動的影響不可忽視（Krugman，1991；Fujita et al.，1999）。現(xiàn)有文獻中關于空間外部性的研究主要集中于城市規(guī)模與城市空間結構兩方面。一方面，在過去四十年的城鎮(zhèn)化過程中，大量的勞動力等生產要素向城市集聚帶來城市規(guī)模不斷擴大。勞動力在城市內部通過匹配、共享與學習效應提高了勞動生產率，進而促進工資水平的提高（Glaeser and Mare，2001；蹤家峰、周亮，2015；陳飛、蘇章杰，2021）。由于不同技能勞動力在人力資本積累與變現(xiàn)的能力上存在差異，城市規(guī)模對不同技能勞動力工資的影響不同，進而產生技能溢價現(xiàn)象（Davis and Dingel，2019；張軍濤等，2021）。另一方面，隨著城市規(guī)模的不斷擴大，勞動力等生產要素在城市內部的空間分布發(fā)生日新月異變化，城市空間結構所產生的外部性逐漸成為新的關注點（Fallah et al.，2011；秦蒙、劉修巖，2015；王嶠等，2021）。作為空間外部性的另一重要來源，城市空間結構將如何影響勞動力工資水平，是否會帶來技能溢價現(xiàn)象，其中的經濟機制又是什么，這一話題值得我們深入探究。

現(xiàn)有關于城市空間結構對勞動力工資影響的研究較少且并沒有得出一致的結論。Harari（2020）運用夜間燈光數據對印度城市的幾何形狀進行測度，并實證檢驗了城市幾何形態(tài)與勞動力工資之間的關系，研究發(fā)現(xiàn)“劣質的城市形態(tài)1”將顯著降低勞動力工資（劉修巖等，2019）。陳旭、秦蒙（2018）從城市蔓延的視角對城市空間結構進行了度量，發(fā)現(xiàn)城市蔓延對工資的影響存在顯著的U型特征。上述關于城市空間結構對勞動力工資影響的研究先驗性地假設城市空間結構對不同技能勞動力工資的影響是相同的，但由于不同技能勞動力在人力資本、公共服務與基礎設施、就業(yè)區(qū)位偏好等方面均存在差異（Diamond，2016；李紅陽、邵敏，2017），且不同技能勞動力在城市內部的分布并不是均勻的。這種異于單中心的勞動力空間分布模式將改變城市內部的集聚經濟，進而導致城市空間結構對不同技能勞動力工資的影響可能存在差異。此外，多中心空間發(fā)展戰(zhàn)略作為規(guī)劃學者們推崇的城市發(fā)展理念，在中國一些大城市積極推進新區(qū)開發(fā)與新城建設的背景下，相較于用城市幾何形狀與城市蔓延等方法度量城市空間結構，用城市多中心度衡量城市空間結構并研究其對不同技能勞動力工資的差異化影響與作用機制，有助于人們更加直觀地了解城市內部空間結構對勞動力市場的影響。

為此，本文首先利用美國能源部橡樹嶺國家實驗室（ORNL）公布的LandScan全球人口分布遙感數據，計算城市多中心度以此度量城市空間結構，并基于西南財經大學中國家庭金融調查與研究中心先后于2011、2013、2015與2017年在全國范圍內進行的抽樣調查數據對Mincer收入方程進行擴展以識別城市空間結構對技能溢價的影響。為識別城市空間結構與技能溢價之間的因果關系，本文進一步將城市地形起伏度作為工具變量進行兩階段最小二乘回歸。此外，為識別多中心結構對不同學歷勞動力工資的影響，本文根據勞動力學歷對其進一步細分，發(fā)現(xiàn)城市多中心化發(fā)展會提高具有大專及以上學歷勞動力的工資水平，但對大專以下學歷勞動力工資產生不利影響。進一步地，本文基于不同技能勞動力在城市內部分布這一視角檢驗了多中心空間結構對技能溢價的影響機制。結果表明，城市主中心舒適的生活環(huán)境對高技能勞動力的拉力與其高昂的生活成本對低技能勞動力的推力共同導致技能溢價。本文旨在通過上述研究以期發(fā)現(xiàn)何種城市發(fā)展模式更有利于所有勞動力共享城鎮(zhèn)化成果，為調整并優(yōu)化城市空間結構，推進以人為核心的高質量新型城鎮(zhèn)化建設，實現(xiàn)效率與公共動態(tài)平衡的共同富裕提供參考。

與現(xiàn)有文獻相比，本文可能的邊際貢獻如下：首先，較新的研究視角。技能溢價作為影響收入差距的重要因素之一，厘清技能溢價產生的原因對理解中國收入差距演變具有十分重要的意義。本文從我國快速城鎮(zhèn)化的時代大背景入手，結合城市空間結構這一重要的空間外部性，分析了城市空間結構對不同技能勞動力工資的影響，填補了空間外部性對技能溢價影響研究的不足，同時也為理解技能溢價產生的機制提供了新的視角。其次，更貼切的變量測度。多中心結構作為當今規(guī)劃學者們推崇的發(fā)展理念，用城市多中心度測度城市空間結構并分析其對勞動力工資的影響，有利于人們更加直觀地理解城市空間結構對技能溢價的影響。最后，明確的作用機制。本文不僅回答了城市空間結構對勞動力工資的影響及其異質性，還從異質性勞動力空間分布視角分析了城市空間結構如何引致技能溢價，這為我們更加全面地理解城市空間結構對技能溢價的影響提供了研究框架。

二、文獻回顧與研究假說

（一）文獻梳理

與本研究相關的文獻主要有兩類：一是城市規(guī)模與勞動力工資，這類文獻主要考察了城市規(guī)模如何通過集聚效應、補償效應以及選擇效應對勞動力工資產生影響；二是關于城市空間結構對勞動力工資的影響。

人口和生產活動在城市集聚所產生的外部性對勞動力工資的影響一直是城市經濟學研究的核心問題之一?，F(xiàn)有研究表明，大城市存在“工資溢價”現(xiàn)象，即大城市支付了更高的工資（Glaeser and Mare，2001；高虹，2014；蹤家峰、周亮，2015）。第一類文獻主要分析了城市工資溢價的機制及城市規(guī)模對不同技能勞動力工資的異質性影響。就城市工資溢價的形成原因而言，現(xiàn)有文獻主要從集聚、補償與選擇效應等三方面進行分析。首先，集聚效應對勞動力工資的影響主要是通過匹配、共享與學習實現(xiàn)。大城市中生產要素集聚程度更高，企業(yè)和勞動力能夠共享勞動力市場的資源與信息，提高了勞動力的匹配效率（Wheeler，2001；王俊，2021）。此外，城市作為學習、模仿和交流的場所，大城市更高的人口密度為勞動力提供了更多的人力資本積累機會，進而有助于其工資水平的提升（Glaeser and Mare，2001）。其次，在均衡狀態(tài)下，勞動力在不同城市之間獲得的效用水平相同。由于不同規(guī)模城市在環(huán)境舒適度（Amenity）方面存在差異，這種環(huán)境舒適度上的差異更多地資本化于房價中，即大城市中更高的環(huán)境舒適度帶來更高的房價（Rappaport，2008），提高了大城市的生活成本，因而大城市更高的工資水平被認為是對高房價的補償（Glaeser，2008）。蹤家峰、周亮（2015）利用2002年中國家庭收入調查數據對補償效應進行了實證檢驗，發(fā)現(xiàn)在對名義工資進行房價平減后，大城市的“工資溢價”現(xiàn)象消失，證明了大城市工資更高是由補償效應導致的。最后，由于選擇效應1的存在，大城市中退出勞動力市場的低技能勞動力占比更高，從而使得勞動力工資呈現(xiàn)出“左截尾”特征，即大城市工資更高源自其更高的勞動生產率（張國峰、王永進，2018）。

集聚、補償與選擇效應從不同角度較為全面地分析了城市規(guī)模對勞動力工資的影響，由于不同技能勞動力在人力資本投資與積累上存在差異，城市規(guī)模外部性對不同技能勞動力工資也將產生不同的影響。李紅陽、邵敏（2017）運用中國家庭收入調查的數據對此進行了實證驗證，研究表明所有勞動力均享受了大城市的工資溢價，但不同技能勞動力的受益程度存在差異。具體而言，與高技能勞動力相比，中低技能勞動力的獲益程度相對較小。進一步地，Davis and Dingel（2019）通過構建空間知識經濟模型，在一般均衡框架下分析了城市規(guī)模與技能溢價的關系，發(fā)現(xiàn)城市規(guī)模的擴大將帶來技能溢價現(xiàn)象，即城市規(guī)模將擴大高技能勞動力與低技能勞動力之間的工資差距（張軍濤等，2021）。

第二類與本文相關的文獻通過不同的城市空間結構測度方式研究了城市空間結構對勞動力工資的影響。當前關于城市空間結構對勞動力工資影響的研究較少，且并沒有得出一致的結論。Harari（2020）在一般均衡的框架下分析城市幾何形狀與消費者效用之間的關系，為檢驗城市幾何形狀對勞動力工資的影響，Harari首先運用夜間燈光數據對印度城市幾何形狀進行測度，然后實證檢驗了城市幾何形態(tài)對勞動力工資的影響。研究表明，更加緊湊的城市幾何形狀有助于勞動力工資的提高（劉修巖等，2019）。陳旭、秦蒙（2018）則是運用2001—2011年的夜間燈光數據測度了城市蔓延度，分析了城市蔓延對工業(yè)企業(yè)勞動力工資的影響，發(fā)現(xiàn)城市蔓延與勞動力工資之間呈U型關系。

通過梳理與本文相關的文獻發(fā)現(xiàn)現(xiàn)有研究主要存在以下兩點不足：一是現(xiàn)有關于空間外部性對勞動力工資影響的研究主要聚焦于城市規(guī)模，較少考慮城市空間結構這一重要因素，尤其是對于技能溢價而言，城市空間結構對其是否產生影響并未受到直接的關注。二是現(xiàn)有關于城市空間結構對工資影響的文獻均先驗地假設城市空間結構對不同技能勞動力的影響相同，較少關注城市空間結構對不同技能勞動力工資的差異化的影響。

（二）研究假說

基于現(xiàn)有城市經濟學的相關理論與實證研究，本部分運用集聚效應與選擇效應相關理論，從不同技能勞動力在城市內部分布視角闡釋城市空間結構如何影響技能溢價。在城市規(guī)模一定的情況下，相較于單中心的城市結構，多中心的城市發(fā)展模式將勞動力分散于不同的中心內，縮小了勞動力在城市內部的集聚規(guī)模，擴大了不同中心之間勞動力的地理距離。中國當前的城市多中心發(fā)展模式更多地是一種形態(tài)上的多中心，即經濟活動高度集中于主中心，主中心與次中心之間的聯(lián)系與協(xié)作相對不足，難以通過輻射效應帶動次中心的發(fā)展（郭嘉穎等，2022）。此外，由于知識在傳播的過程中依賴于較短的地理距離與“面對面”交流（Rosenthal and Strange，2008；Carlino and Kerr，2015；Rosenthal and Strange，2020），多中心的發(fā)展模式破壞了勞動力之間的鄰近性，削弱了城市內部的知識溢出水平，阻礙了勞動力人力資本的積累與勞動生產率的提高，進而對其工資水平產生不利影響（Zhang et al.，2017）。綜上所述，城市多中心結構縮小了城市內部勞動力集聚規(guī)模，擴大了勞動力之間的距離，削弱了知識溢出水平對勞動生產率的提升作用，進而對勞動力工資產生負面影響。因此，本文提出：

假說1：城市多中心發(fā)展模式可能會對勞動力工資產生負面影響。

由于不同技能勞動力在區(qū)位選擇與人力資本等方面存在差異，城市多中心結構對其工資的影響可能存在差異。一方面，基礎設施與公共服務在城市內部的分布并不是均勻的，城市主中心往往擁有更加完善的基礎設施與優(yōu)質的公共服務，高技能勞動力更加偏好環(huán)境舒適度更高的主中心（周穎剛等，2019；譚杰，2021）。并且創(chuàng)新性企業(yè)與部門往往集中于城市主中心，高技能勞動力在城市主中心更容易找到與之技能相匹配的工作。高技能勞動力在主中心集聚縮小了其地理距離，有利于城市主中心內部的知識溢出，促進了高技能勞動力的人力資本積累。另一方面，便利的生活環(huán)境往往伴隨著高于工資增速的房價（Rappaport，2008），城市主中心生活成本的提高與激烈的競爭使得低技能勞動力難以承擔而退出城市主中心，即城市主中心對勞動力存在選擇效應推動低技能勞動力流向次中心。在城市規(guī)模與勞動力結構不變的情況下，多中心的發(fā)展模式擴大了高技能勞動力與低技能勞動力之間的地理距離，阻礙了高技能勞動力對低技能勞動力的知識溢出，不利于低技能勞動力生產率的提高。綜上，城市主中心舒適的生活環(huán)境對高技能勞動力的拉力與高昂的生活成本對低技能勞動力的推力使得多中心結構對不同技能勞動力工資產生差異化影響。因此，本文提出：

假說2：多中心結構對不同技能勞動力工資的影響可能存在差異，即存在技能溢價現(xiàn)象。對高技能勞動力而言，城市多中心化發(fā)展可能有助于提高其工資水平，但對低技能勞動力而言，多中心結構可能會降低其工資。

三、研究設計

（一）模型設定

現(xiàn)有文獻中技能溢價的實證研究主要分為兩類，第一類是根據技能溢價的定義，計算高技能勞動力與低技能勞動力的平均工資比值來度量技能溢價（Raveh and Reshef，2016；楊飛，2017）。該種方法在計算技能溢價的過程中對勞動力工資進行了分類加總處理，不考慮勞動力的個體特征，因此比較適用于研究宏觀層面的問題；第二類是根據Mincer收入方程，通過技能虛擬變量與核心解釋變量的交互項研究技能溢價（董直慶等，2013；Chen et al.，2017）。第二種方法通常是運用包含豐富的勞動力個體特征的微觀數據進行研究，能夠控制勞動力個體特征對工資的影響，從而更好地識別技能溢價的來源。為準確地識別城市空間結構對技能溢價的影響，本文利用西南財經大學中國家庭金融調查與研究中心分別于2011、2013、2015與2017年展開的調查數據，通過在Mincer收入方程中增加勞動力技能與城市空間結構的交互項研究城市空間結構對技能溢價的影響，計量模型如（1）式所示。

lnwageict=α0+α1lnpolyct+α2skillic+α3skillic×lnpolyct+α4X+ηt+vn+εict（1）

其中，[i]、[c]和[t]分別表示勞動力個體、勞動力所處城市以及年份，[lnwage]表示以2011年為基期的年工資對數，[skill]表示勞動力技能，其中具有大專及以上學歷的勞動力為高技能，取值為1，反之取值為0。[poly]表示城市多中心度，用來衡量城市空間結構?？紤]到多中心度的分布平滑性，本文對城市多中心度進行了對數處理。[X]表示控制變量，包括個體特征與城市特征。其中個體特征包括性別、婚否、戶籍、健康狀況、工作經驗及其平方、勞動力所在行業(yè)，城市特征包括城市規(guī)模、R&D支出、實際利用外資、固定資產投資、生態(tài)環(huán)境、文化設施、公共醫(yī)療、網絡通信與公共交通。此外，模型還控制了時間固定效應[ηt]與省份固定效應[vn]，[εict]表示隨機擾動項。

（1）式準確度量多中心結構與技能溢價之間因果關系的前提是多中心結構是外生的。但一方面，多中心結構與技能溢價之間可能存在反向因果關系。雖然技能溢價會受到城市多中心度的影響，但隨著技能溢價的上升，將吸引大量的高技能勞動力進入，從而帶來城市內部生產要素與產業(yè)的重新布局，進而對城市空間結構產生影響；另一方面，可能存在的遺漏變量問題導致結果出現(xiàn)偏誤。勞動力工資受很多因素的影響，除模型中的控制變量外，還可能存在一些不可觀測的變量對技能溢價產生影響。為識別城市多中心與技能溢價之間的因果關系，本文通過多中心結構的工具變量來解決模型的內生性問題，即通過IV-2SLS對回歸模型（1）進行估計。

（二）數據來源

本文使用的數據來自西南財經大學中國家庭金融調查（CHFS）2011年、2013年、2015年與2017年四期數據的個人部分與LandScan全球人口分布數據。勞動力個體數據包括工資、性別、婚否、戶籍、文化程度、健康狀況、工作經驗及其平方、勞動力所在行業(yè)，LandScan數據主要用于測度城市多中心度。此外，本文還結合了《中國城市統(tǒng)計年鑒》與各地區(qū)的統(tǒng)計年鑒以控制城市層面特征的影響。

1.城市多中心度的測度（poly）

本文通過城市多中心度來度量城市空間結構，從不同的維度來看，城市多中心結構主要是包括形態(tài)多中心、功能多中心與治理多中心（Li and Liu，2018；郭嘉穎等，2022），本文是從形態(tài)多中心角度分析城市空間結構技能溢價的影響。形態(tài)多中心是指以人口、就業(yè)、文化設施等指標衡量的相對獨立的中心在一定空間尺度上的分布，強調中心的絕對重要性（Burger and Meijers，2012）。人口作為經濟活動的主體，不管是行政規(guī)劃還是自發(fā)形成的空間結構，人口在城市內部的分布都能很直觀地反映城市的空間結構，因此本文采用人口在城市內部的分布度量城市多中心結構。具體而言，本文利用LandScan全球人口分布數據1，通過探索性空間數據分析（Exploratory Spatial Data Analysis，ESDA）的方法識別樣本中264個城市的中心2，其中規(guī)模較大的為主中心，規(guī)模相對較小的為次中心。多中心結構用次中心總人口（[popsubcenter]）占全部城市中心人口的比重來度量，計算方法如（2）式所示。[poly]反映了次中心相對于人口主中心的重要程度，次中心人口占比越大意味著次中心相對越重要，表明該城市越趨向于多中心化發(fā)展的發(fā)展模式。

2.勞動力個體與城市層面控制變量

本文選擇的樣本需滿足以下條件：（1）就業(yè)身份為“雇員”的個體；（2）男性16—60歲，女性16—55歲；（3）當前主要工作收入不為0；（4）勞動力個體特征數據完整。由于少數民族自治州、西藏自治區(qū)與新疆維吾爾自治區(qū)統(tǒng)計數據缺失較為嚴重，故本文將剔除位于少數民族自治州、西藏自治區(qū)和新疆維吾爾自治區(qū)非省會城市的樣本。在剔除變量嚴重缺失的樣本后，本文共獲得264個城市共36486個樣本。

為準確識別城市多中心對技能溢價的影響，本文還控制了城市規(guī)模、R&D支出、實際利用外資、固定資產投資、生態(tài)環(huán)境、文化設施、公共醫(yī)療、網絡通信設施與公共交通等城市特征。表1展示了個體與城市層面控制變量及其定義。

3.工具變量：城市地形起伏度（ruggedness）

為識別多中心結構與技能溢價之間的因果關系，本文將城市地形起伏度作為多中心結構的工具變量進行兩階段最小二乘估計。城市多中心結構的形成主要受地理條件與政府干預等因素的影響（李琬等，2018；王嶠等，2021），由于地理條件自身特性，很難直接與勞動力工資產生直接的聯(lián)系，基本不會受勞動力工資的影響，地理因素可以間接地影響城市勞動力的空間分布與工資，保證了城市地理條件的外部性。與城市多中心結構緊密相關的地理條件主要是城市地形因素（Nunn and Puga，2012；劉修巖等，2017），城市地形起伏度越大，表明其地形越崎嶇，即適宜人口和產業(yè)集聚的空間越小，因此城市趨向于呈現(xiàn)單中心的結構。城市地形起伏度根據SRTMDEM 90M分辨率原始高程數據計算得到，高程數據來自地理空間數據云1。城市地形起伏度越大，表明其地形越崎嶇，即適宜人口和產業(yè)集聚的空間越小，因此城市趨向于呈現(xiàn)單中心的結構。

（三）回歸模型選擇與變量描述性統(tǒng)計

本文的核心解釋變量是城市多中心結構，由于其受地形等因素影響較大，隨著時間的推移，其變化幅度較小，因此現(xiàn)有相關研究多采取混合截面模型進行分析。本文對城市多中心度數據進行分析發(fā)現(xiàn)，其總體標準差為0.190，表明城市多中心度之間的差異較小，并且工具變量地形起伏度是不隨時間變化的，因此本文將對2011、2013、2015與2017年的數據進行混合截面回歸具有一定的合理性。此外，由于勞動力工資的對數最大值和最小值之間的差距很大，嚴重偏離正態(tài)分布，因此本文將勞動工資數據進行縮尾處理，變量描述性統(tǒng)計如表2所示。

四、實證分析

（一）多中心結構對技能溢價的影響

本文首先根據現(xiàn)有文獻中對高技能勞動力的定義，即具有大專及以上學歷的勞動力定義為高技能勞動力，并設置技能虛擬變量以識別城市多中心結構對技能溢價的影響。為進一步識別多中心結構對不同學歷勞動力工資的異質性影響，本文通過在基準回歸的基礎上進一步對勞動力學歷細分進行識別。

1.基準回歸結果

本文基于Mincer收入方程，在控制個體特征、城市特征、時間固定效應與省份固定效應后，研究城市空間結構對技能溢價的影響。在對回歸結果進行分析之前，本文對OLS回歸結果與IV回歸結果進行了DWH檢驗，檢驗結果顯示拒絕“所有解釋變量均是外生的”假設，表明模型中的確存在內生性問題，即進行工具變量回歸是必要的。并且為保證工具變量回歸結果的可靠性，本文首先對城市地形起伏度這一工具變量進行了不可識別檢驗與弱工具變量檢驗。工具變量第一階段回歸結果均拒絕不可識別檢驗和弱工具變量的原假設，表明城市地形起伏度這一工具變量的選擇是合適的。上述檢驗結果論證了工具變量回歸的必要性與合理性，并且工具變量回歸結果測度了城市空間與技能溢價之間的因果關系，因此本文后續(xù)的分析均建立在工具變量的回歸結果上。

表3報告了將具有大專及以上學歷的勞動力設定為高技能勞動力的回歸結果，其中（1）、（2）列為OLS的回歸結果，（3）、（4）列為IV的回歸結果。OLS與工具變量的回歸結果均表明多中心結構對不同技能勞動力工資的影響存在顯著差異，即城市多中心化發(fā)展會導致技能溢價現(xiàn)象。具體而言，在不考慮房價影響的情況下，城市多中心度每提高1%，低技能勞動力工資將下降0.684%，高技能勞動力工資將上升0.615%（-0.864+1.479）。即城市多中心化發(fā)展損害低技能勞動力工資，擴大高技能勞動力與低技能勞動力之間的工資差距。當考慮住房成本時，城市多中心度對高技能勞動力工資的提升效應下降，但仍會對低技能勞動力工資產生負面影響與技能溢價現(xiàn)象。

在人口不斷向城市集聚的過程中，城市房價不斷上漲，使得住房支出成為生活成本中很重要的一部分并擠出其他消費（唐琦等，2018；喬智等，2022）。由于CPI并沒有將房價因素考慮在內，剔除CPI的工資水平并不能度量勞動力的實際收入。為了進一步識別城市多中心與勞動力實際技能溢價之間的關系，本文在回歸模型中控制房價1，回歸結果如（2）、（4）列所示。在考慮房價對生活成本的影響后，城市多中心化發(fā)展對低技能勞動力工資的負面影響更大，并且仍然會導致技能溢價這一現(xiàn)象，但技能溢價的程度有所下降。綜上所述，無論是否控制房價因素對勞動力生活成本的影響，城市多中心結構對低技能勞動力工資產生負面影響，并導致技能溢價現(xiàn)象。

2.多中心結構對不同學歷勞動力工資的影響

基準回歸的結果表明多中心結構降低了低技能勞動力工資并導致了技能溢價，但多中心結構對高技能勞動力工資的影響卻不得而知。為進一步探究城市多中心度對不同學歷勞動力工資的具體影響，本文通過不同學歷虛擬變量與城市多中心的交互項來識別這種差異化影響。具體而言，首先以大專以下學歷的勞動力為對照組，在模型中加入大專、本科、碩士與博士學歷虛擬變量與城市多中心度的交互項，并控制勞動力教育年限對工資的影響。此時城市多中心度的系數則反映了城市多中心度對大專以下學歷勞動力工資的影響，各學歷虛擬變量與城市多中心度的交互項則反映了城市多中心度對該學歷與大專以下學歷勞動力工資影響的差距。然后本文分別以大專、本科、碩士、博士為對照組，逐個識別城市規(guī)模對其工資的影響，回歸結果如表4所示。

其中Panel A為不考慮房價的回歸結果，Panel B則考慮了房價對生活成本的影響。第（1）—（5）列的基準組分別為大專以下、大專、本科、碩士、博士，即每列城市多中心度的系數反映了城市多中心化發(fā)展對不同學歷勞動力工資的影響。在不考慮房價對生活成本的影響時，城市多中心度會顯著降低大專以下學歷勞動力的工資，而顯著提高大專及以上勞動力的工資。并且對不同學歷的勞動力而言，城市多中心度對其工資的影響之間存在顯著的差異。進一步地，在考慮房價對勞動力生活成本的影響后，多中心結構降低具有大專以下學歷勞動力的工資，但提高具有大專及以上學歷勞動力工資這一結論仍然成立。綜上，不管是否考慮房價對勞動力生活成本的影響，城市多中心化發(fā)展均會損害大專以下學歷勞動力的工資，卻有利于大專及以上學歷勞動力工資的提高，并且對不同學歷勞動力工資的影響存在顯著的差異。

（二）穩(wěn)健性檢驗

1.替換城市多中心結構的測度方法

本文基準回歸是用城市子中心人口的相對占比來測度多中心結構的，為檢驗回歸結果的穩(wěn)健性，本部分采用城市子中心的個數來測度多中心結構，并考慮了有房價與無房價兩種情況，回歸結果見表5的第（1）、（4）列。當不考慮房價對勞動力生活成本的影響時［表5第（1）列］，回歸結果與基準回歸的結果一致，即多中心結構會降低勞動力工資并導致技能溢價現(xiàn)象。當考慮房價對勞動力生活成本的影響時［表5第（4）列］，城市多中心結構對不同技能勞動力工資影響的差距變小，這一結論與基準回歸的結果一致，即本文的結論是穩(wěn)健的。

2.用工作年限與勞動力教育年限之和作為勞動力技能的代理變量

本文在研究城市空間結構對勞動力技能溢價的影響時，將具有大專及以上學歷的勞動力定義為高技能勞動力。隨著工作經驗的增加，勞動力的人力資本水平也隨之增加。為避免勞動力技能測度誤差對回歸結果的影響，本部分用工作年限與勞動力教育年限之和作為勞動力技能的替代變量進行估計，回歸結果如表5第（2）、（5）列所示?；貧w結果表明，在不考慮房價對生活成本的影響時，教育年限與工作年限之和與城市多中心度的交互項顯著為正，表明城市多中心化發(fā)展會導致技能溢價現(xiàn)象。在進一步考慮房價對勞動力生活成本的影響時，這一結論仍然成立，表明本文的結論是可靠的。

3.剔除部分樣本

由于抽樣調查技術的限制，中國家庭金融調查2011年的數據質量較差，并且僅有1524個有效樣本。為避免由于2011年樣本質量與樣本數量對本文結果的影響，本部分將剔除2011年的樣本，僅對2013、2015與2017年的樣本進行混合截面回歸，結果如表5第（3）、（6）列所示?；貧w結果顯示城市多中心度系數顯著為負，并且技能與城市多中心度的交互項顯著為正，表明城市多中心化發(fā)展將對不同技能的勞動力工資產生異質性影響，即對低技能勞動力而言，城市多中心化發(fā)展將降低其工資，并且高技能勞動力與低技能勞動力之間的工資差距將因城市多中心度而擴大。這一結論在考慮房價這一因素對生活成本的影響后仍然與本文的基準回歸一致，進一步證明了本文結論是穩(wěn)健可靠的。

（三）異質性分析

基準回歸與穩(wěn)健性檢驗的結果表明城市多中心度會降低低技能勞動力工資，提高高技能勞動力工資，二者共同導致技能溢價現(xiàn)象。為探究城市多中心度對不同行業(yè)勞動力工資的影響是否存在差異，本文進一步根據勞動力所在行業(yè)進行了分樣本回歸，回歸結果如表6所示。從回歸結果可以看出，技能與城市多中心度的交互項系數顯著為正，表明城市多中心度對制造業(yè)與服務業(yè)均會導致技能溢價現(xiàn)象。但對于制造業(yè)而言，城市多中心度的系數為負但不顯著，表明城市多中心度并不會顯著降低制造業(yè)低技能勞動力工資，但會顯著降低服務業(yè)低技能勞動力的工資。為何城市多中心度對制造業(yè)與服務業(yè)的影響存在差異？本文認為這可能是由于制造業(yè)與服務業(yè)在城市內部的區(qū)位分布差異導致的。由于城市主中心的房價成本較高，而制造業(yè)需要大面積的廠房，因此當今城市中制造業(yè)主要分布于城市的周邊。但對于服務業(yè)而言，其發(fā)展比較依賴于人口密度，故服務業(yè)仍主要集中于城市主中心這種人口密度較高的區(qū)域。當城市呈現(xiàn)出多中心化的發(fā)展模式時，城市主中心高昂生活成本對低技能勞動力的推力使得服務業(yè)中低技能勞動力不得不遠離城市主中心這一高技能密集的區(qū)域，即從城市主中心轉移到城市次中心，這一空間上的轉移擴大了服務業(yè)中高技能勞動力與低技能勞動力的地理距離，降低了服務業(yè)中高技能勞動力對低技能勞動力的知識溢出效應，進而導致城市多中心度對服務業(yè)低技能勞動力工資產生負面影響。但對于制造業(yè)而言，即使城市呈現(xiàn)出多中心的發(fā)展模式，制造業(yè)仍主要分布于城市周邊，即對于制造業(yè)中的低技能勞動力而言，城市主中心高昂生活成本對低技能勞動力的推力對其影響較小，進而使得城市多中心度對制造業(yè)低技能勞動力工資不存在顯著的抑制作用。

五、機制分析

在分析城市空間結構帶來技能溢價的機制之前，本文首先對不同學歷勞動力在城市內部的空間分布及其導致的結果進行梳理。在明晰相關的經驗事實后，本文基于不同技能勞動力空間分布視角解釋城市多中心化發(fā)展如何導致技能溢價現(xiàn)象。

（一）經驗事實

1.不同學歷勞動力在城市內部空間分布特征

Diamond（2016）研究1980—2000年美國技能勞動力的分布發(fā)現(xiàn)，高技能勞動力主要集中于工資高、房價高、環(huán)境舒適度（Amenity）高的大城市中。隨著城市規(guī)模的擴大，城市多中心化發(fā)展模式可能會導致基礎設施與公共服務在空間分布的非均衡性。城市主中心作為經濟政治文化中心，匯集了大量高科技產業(yè)與高質量公共服務與基礎設施，因此高技能勞動力可能更多地分布在城市主中心。為了驗證這一現(xiàn)象是否存在，本文計算了城市主中心1不同學歷勞動力占比，結果如表7所示。從全體樣本來看，具有大專以下學歷的勞動較多，占比達到67.4%。隨著學歷水平的提高，勞動力數量逐漸減小，其中具有博士學歷的勞動力僅有117人。對于城市主中心而言，其勞動力構成存在兩個顯著的特征：第一，大量勞動力在城市主中心集聚。城市主中心勞動力數量占全體樣本的45.5%，表明城市主中心勞動力是高度聚集的；第二，高學歷勞動力更偏好城市主中心。表7的第三行計算的是城市主中心不同學歷勞動力占全樣本的比例，我們可以看到，城市主中心勞動力占比隨學歷的提升而不斷上升，其中具有碩士與博士學歷的勞動力甚至超過80%都分布于城市主中心。

2.不同學歷勞動力空間分布導致的工資分布差異

勞動力受教育程度作為工資水平的重要決定因素之一，不同學歷勞動力在城市內部的不均衡分布會導致城市內部工資分布產生差異嗎，本部分將對其進行梳理，結果如表8所示。表8首先對全體樣本進行了分析，結果表明城市主中心的工資均值更高，并且主中心的工資均值是顯著高于非主中心的。隨后對不同學歷分別進行了分析，由于非主中心的碩士與博士樣本較少，為避免由樣本量較少帶來的估計偏誤，本部分將具有碩士與博士學歷的樣本進行合并考慮。發(fā)現(xiàn)在城市主中心中，大專以下、大專與本科學歷勞動力工資的均值均顯著高于非主中心，本科以上學歷勞動力工資的均值也高于非主中心，但其差距在統(tǒng)計上并不顯著。簡而言之，勞動力在城市主中心集聚有助于其工資水平的提高。

（二）機制檢驗

為探究城市空間結構對技能溢價的影響機制，本部分從不同技能勞動力在城市內部的空間分布視角進行分析。不同學歷勞動力在城市內部的空間分布特征表明高學歷勞動力更加偏好城市主中心，并且城市主中心的工資水平顯著高于城市非主中心。根據空間知識經濟理論，高技能勞動力在城市內集聚提高知識溢出水平，對勞動生產率具有提升效應，進而導致高技能勞動力與低技能勞動力工資差距的擴大，即技能溢價（Davis and Dingel，2019）。為探究高技能勞動力在城市主中心集聚是否是城市空間結構導致技能溢價的原因，本部分將具有大專及以上學歷的勞動力定義為高技能勞動力，并計算了城市主中心高技能勞動力占全體高技能勞動力總量的比重，并以此為解釋變量，分析其與技能溢價之間的關系，結果如表9所示。（1）列的結果僅考慮了城市主中心高技能勞動力占比對勞動力工資的影響，表明高技能勞動力在主中心的集聚會提高勞動力工資，并會產生空間知識經濟理論所描述的技能溢價現(xiàn)象。為更加準確地識別主中心高技能勞動力占比對勞動力工資的影響，本文進一步控制了時間與省份固定效應以及個體與城市特征控制變量，結果如（2）、（3）列所示。在進一步控制固定效應與控制變量后，主中心高技能勞動力占比仍會顯著提高勞動力工資并導致技能溢價現(xiàn)象。第（4）列考慮了房價對勞動力生活成本的影響，在控制房價因素對勞動力工資的影響后，結論仍然成立。上述分析表明，高技能勞動力在城市主中心的集聚所產生的知識溢出效應提高了勞動力工資，但由于高技能勞動力主要分布于城市主中心而低技能勞動力分布在城市非主中心，這種地理距離障礙使得高技能勞動力與低技能勞動力的工資差距不斷擴大。

六、結論與政策建議

在推進以人為核心的新型城鎮(zhèn)化與共同富裕的背景下，何種城市發(fā)展模式能夠有效解決傳統(tǒng)城鎮(zhèn)化過程中的效率與公平失衡問題，最終實現(xiàn)“人的無差別發(fā)展”這一問題長期以來受到學者們的關注。技能溢價作為收入差距的主要影響因素之一，厘清城市空間結構對技能溢價的影響及其機制對理解中國收入差距、實現(xiàn)高質量城鎮(zhèn)化具有十分重要的意義。本文利用中國家庭金融調查與LandScan人口分布數據，運用兩階段最小二乘估計識別了多中心結構與技能溢價的因果關系，并從技能異質性勞動力空間分布視角分析了城市空間結構引起技能溢價的作用機制。本文結論如下：（1）城市多中心化發(fā)展會導致技能溢價，具體而言，城市多中心結構會降低大專以下學歷勞動力工資，并提高大專及以上學歷勞動力工資。并且替換多中心結構與勞動力技能的度量方式以及剔除部分城市樣本等一系列穩(wěn)健性檢驗結果均支持這一結論。（2）在對勞動力學歷進一步細分后，發(fā)現(xiàn)城市多中心化發(fā)展會提高具有大專及以上學歷勞動力的工資水平，但對大專以下學歷勞動力工資產生不利影響。（3）不同學歷勞動力在城市內部并不是均勻分布的，高學歷勞動力主要分布于城市主中心，這種不均衡分布是城市主中心的選擇效應造成的。（4）不同技能勞動力在城市內部的不均勻分布是多中心結構產生技能溢價的原因。一方面，相較于單中心，多中心結構不僅縮小了中心的規(guī)模，還擴大了勞動力之間的距離。并且由于高技能勞動力主要分布在城市主中心，集聚規(guī)模的下降與地理距離的阻礙使得低技能勞動力工資下降；另一方面，城市主中心對高技能勞動力的選擇效應導致高技能勞動力更多地分布于城市主中心，相較于單中心的發(fā)展模式，多中心結構縮小了高技能勞動力之間的地理距離，有利于高技能勞動力人力資本的積累與工資水平的提高。低技能勞動力工資的下降與高技能勞動力工資的上升共同導致技能溢價。（5）異質性分析表明，城市多中心度對制造業(yè)與服務業(yè)均會導致技能溢價現(xiàn)象。但對于制造業(yè)而言，城市多中心度的系數為負但不顯著，表明城市多中心度并不會顯著降低制造業(yè)低技能勞動力工資，但會顯著降低服務業(yè)低技能勞動力的工資。

黨的十九屆六中全會提出，“要加快構建新發(fā)展格局，著力推動高質量發(fā)展，在高質量發(fā)展中推進共同富裕?！背鞘凶鳛楫斀窠洕l(fā)展的重要推動力，調整并優(yōu)化城市空間結構是提高城鎮(zhèn)化質量、實現(xiàn)共同富裕目標中必不可缺的重要環(huán)節(jié)。本文研究結論的現(xiàn)實意義在于，在推動以人為核心的新型城鎮(zhèn)化過程中，要密切關注城市空間結構對不同技能勞動力工資的影響，通過做好城市頂層設計以改善勞動收入差距問題，在高質量城鎮(zhèn)化發(fā)展中實現(xiàn)共同富裕。具體政策建議如下：首先，繼續(xù)推進城市空間結構的優(yōu)化，化擁擠效應為城市高質量發(fā)展的動力。多中心結構在一定程度上疏解了城市的擁擠效應，提高了對高技能勞動力的吸引力，有助于城市實現(xiàn)以創(chuàng)新為動力的高質量發(fā)展目標。其次，加快推進新區(qū)新城的基礎設施與公共服務一體化建設。在未來的城鎮(zhèn)化建設中，通過完善新區(qū)新城的基礎設施，緩解不同技能勞動力在城市內部的不均衡分布，降低多中心結構對低技能勞動力的負面影響，使所有勞動力共享城鎮(zhèn)化成果。

參考文獻

陳飛、蘇章杰，2021，“城市規(guī)模的工資溢價：來源與經濟機制”，《管理世界》，第1期，第19-32+2+15-16頁。

陳旭、秦蒙，2018，“城市蔓延、人口規(guī)模與工資水平——基于中國制造業(yè)企業(yè)的經驗研究”，《經濟學動態(tài)》，第9期，第84-99頁。

董直慶、王芳玲、高慶昆，2013，“技能溢價源于技術進步偏向性嗎？”，《統(tǒng)計研究》，第6期，第37-44頁。

高虹，2014，“城市人口規(guī)模與勞動力收入”，《世界經濟》，第10期，第145-164頁。

郭嘉穎、魏也華、陳雯、肖偉燁，2022，“空間重構背景下城市多中心研究進展與規(guī)劃實踐”，《地理科學進展》，第2期，第316-329頁。

李紅陽、邵敏，2017，“城市規(guī)模、技能差異與勞動者工資收入”，《管理世界》，第8頁，第36-51頁。

李琬、孫斌棟、劉倩倩、張婷麟，2018，“中國市域空間結構的特征及其影響因素”，《地理科學》，第5期，第672-680頁。

劉貫春、張軍、陳登科，2017，“最低工資、企業(yè)生產率與技能溢價”，《統(tǒng)計研究》，第1期，第44-54頁。

劉修巖、李松林、秦蒙，2017，“城市空間結構與地區(qū)經濟效率——兼論中國城鎮(zhèn)化發(fā)展道路的模式選擇”，《管理世界》，第1期，第51-64頁。

劉修巖、秦蒙、李松林，2019，“城市空間結構與勞動者工資收入”，《世界經濟》，第4期，第123-148頁。

陸雪琴、文雁兵，2013，“偏向型技術進步、技能結構與溢價逆轉——基于中國省級面板數據的經驗研究”，《中國工業(yè)經濟》，第10期，第18-30頁。

喬智、王亞童、鄧曼瑤，2022，“資產財富和居民消費——來自中國省際面板數據的經驗證據”，《南方經濟》，第4期，第1-14頁。

秦蒙、劉修巖，2015，“城市蔓延是否帶來了我國城市生產效率的損失？——基于夜間燈光數據的實證研究”，《財經研究》，第7期，第28-40頁。

譚杰，2021，“新型城鎮(zhèn)化背景下的流動人口研究：范疇變遷、實踐審視與演進方向”，《南方經濟》，第8期，第102-111頁。

唐琦、夏慶杰、李實，2018，“中國城市居民家庭的消費結構分析：1995—2013”，《經濟研究》，第2期，第35-49頁。

王嶠、劉修巖、李迎成，2021，“空間結構、城市規(guī)模與中國城市的創(chuàng)新績效”，《中國工業(yè)經濟》，第5期，第114-132頁。

王俊，2021，“經濟集聚、技能匹配與大城市工資溢價”，《管理世界》，第4期，第83-98頁。

王永進、盛丹，2010，“要素積累、偏向型技術進步與勞動收入占比”，《世界經濟文匯》，第4期，第33-50頁。

楊飛，2017，“市場化、技能偏向性技術進步與技能溢價”，《世界經濟》，第2期，第78-100頁。

張國峰、王永進，2018，“中國城市間工資差距的集聚效應與選擇效應——基于‘無條件分布特征—參數對應方法的研究”，《中國工業(yè)經濟》，第12期，第60-78頁。

張軍濤、翟婧彤、賈賓，2021，“城市規(guī)模與人力資本技能溢價：集聚效應和選擇效應”，《統(tǒng)計研究》，第2期，第73-86頁。

周穎剛、蒙莉娜、盧琪，2019，“高房價擠出了誰？——基于中國流動人口的微觀視角”，《經濟研究》，第9期，第106-122頁。

蹤家峰、周亮，2015，“大城市支付了更高的工資嗎？”，《經濟學（季刊）》，第4期，第1467-1496頁。

Ben-Halima， B.， Chusseau， N. and Hellier， J.， 2014， “Skill Premia and Intergenerational Education Mobility： the French Case”， Economics of Education Review， 39： 50-64.

Beyer， H.， Rojas， P. and Vergara， R.， 1999， “Trade Liberalization and Wage Inequality”， Journal of Development Economics， 59（1）： 103-123.

Burger， M. and Meijers， E.， 2012， “Form follows function？ Linking Morphological and Functional Polycentricity”， Urban Studies， 49（5）： 1127-1149.

Carlino， G. and Kerr W. R.， 2015， “Agglomeration and Innovation”， Handbook of Regional and Urban Economics， 5： 349-404.

Chen， B.， Yu， M. J. and Yu， Z. H.， 2017， “Measured Skill Premia and Input Trade Liberalization： Evidence from Chinese Firms”， Journal of International Economics， 109： 31-42.

Combes， P. P.， Duranton， G.， Gobillon， L.， Puga，D. and Roux， S.， 2012a， “The Productivity Advantages of Large Cities： Distinguishing Agglomeration from Firm Selection”， Econometrica， 80（6）： 2543-2594.

Davis， D. R. and Dingel， J. I.， 2019， “A Spatial Knowledge Economy”， American Economic Review， 109（1）： 153-170.

Desmet， K.， Gomes， J. F. and Ortu?o-Ortín， I.， 2020， “The Geography of Linguistic Diversity and the Provision of Public Goods”， Journal of Development Economics， 143： 102384.

Diamond， R.， 2016， “The Determinants and Welfare Implications of US Workers' Diverging Location Choices by Skill： 1980-2000”， American Economic Review， 106（3）： 479-524.

Dimova， R.， Nordman， C. J. and Roubaud， F.， 2010， “Allocation of Labor in Urban West Africa： Insights from the Pattern of Labor Supply and Skill Premiums”， Review of Development Economics， 14（1）： 74-92.

Fallah， B. N.， Partridge， M. D. and Olfert， M. R.， 2011， “Urban Sprawl and Productivity： Evidence from US Metropolitan Areas”， Papers in Regional Science， 90（3）： 451-472.

Fujita， M.， Krugman， P. and Venables， A. J.， 1999， “The Spatial Economy： Cities， Regions， and International Trade”， The MIT Press.

Glaeser， E. L.， 2008， “Cities， Agglomeration， and Spatial Equilibrium”， Oxford University Press.

Glaeser， E. L. and Mare， D. C.， 2001， “Cities and Skills”， Journal of Labor Economics， 19（2）： 316-342.

Griliches， Z.， 1969， “Capital-skill Complementarity”， The Review of Economics and Statistics， 51（4）：465-468.

Harari， M.， 2020， “Cities in Bad Shape： Urban Geometry in India”， American Economic Review， 110（8）： 2377-2421.

Hendel， I.， Shapiro， J. and Willen， P.， 2005， “Educational Opportunity and Income Inequality”， Journal of Public Economics， 89（5-6）： 841-870.

Koch， M.， 2016， “Skills， Tasks and the Scarcity of Talent in a Global Economy”， Review of International Economics， 24（3）： 536-563.

Krugman， P.， 1991， “Increasing Returns and Economic Geography”， Journal of Political Economy， 99（3）： 483-499.

Li， Y. C. and Liu， X. J.， 2018， “How did Urban Polycentricity and Dispersion Affect Economic Productivity？ A Case Study of 306 Chinese Cities”， Landscape and Urban Planning， 173： 51-59.

Liu， X. J. and Wang， M. S.， 2016， “How Polycentric is Urban China and why？ A Case Study of 318 Cities”， Landscape and Urban Planning， 151： 10-20.

Nunn， N. and Puga， D.， 2012， “Ruggedness： The Blessing of Bad Geography in Africa”，The Review of Economics and Statistics， 94（1）： 20-36.

Rappaport， J.， 2008， “Consumption Amenities and City Population Density”， Regional Science and Urban Economics， 38（6）： 533-552.

Raveh， O. and Reshef， A.， 2016， “Capital Imports Composition， Complementarities， and the Skill Premium in Developing Countries”， Journal of Development Economics， 118： 183-206.

Rosenthal， S. S. and Strange， W. C.， 2008， “The Attenuation of Human Capital Spillovers”， Journal of Urban Economics， 64（2）： 373-389.

Rosenthal， S. S. and Strange， W. C.， 2020， “How Close is Close？ The Spatial Reach of Agglomeration Economies”， Journal of Economic Perspectives， 34（3）： 27-49.

Wang， A.， Hu， S. and Lin， B. Q.， 2021， “Can Environmental Regulation Solve Pollution Problems？ Theoretical Model and Empirical Research Based on the Skill Premium”， Energy Economics， 94： 105068.

Wheeler， C. H.， 2001， “Search， Sorting， and Urban Agglomeration”， Journal of Labor Economics， 19（4）： 879-899.

Zhang， J. S.， Zhao， Y. H.， Park， A. and Song，X. Q.， 2005， “Economic Returns to Schooling in Urban China， 1988 to 2001”， Journal of Comparative Economics， 33（4）： 730-752.

Zhang， T. L.， Sun， B. D. and Li， W.， 2017， “The Economic Performance of Urban Structure： From the Perspective of Polycentricity and Monocentricity”， Cities， 68： 18-24.

How Urban Spatial Structure Influences Skill Premium：

Theoretical Perspectives and Real-World Evidence

Luo Yong Hu Miaomiao Cao Lili

Abstract： In the context of China's vigorous promotion of new urbanization to promote common prosperity， urban spatial structure as an important content of urbanization， it is of great practical significance to clarify its impact on skill premium and economic mechanism. In this paper， the urban polycentric degree is measured by using LandScan population distribution data to measure the urban spatial structure. Combined with the data of the China Household Finance Survey in 2011， 2013， 2015 and 2017， the impact of urban spatial structure on skill premium is identified from the theoretical perspective of the uneven distribution of heterogeneous labor in urban space. Studies have shown that urban polycentric structures bring a skill premium regardless of housing costs， a conclusion that holds true after replacing explanatory variables with and explanatory variables and removing some samples. In order to further identify the influence of polycentric structure on labor wages with different educational qualifications， this paper further subdivides them according to labor qualifications， and finds that the development of urban multi-centralization will increase the wage level of labor with college degree or above， but adversely affect the wage of labor with college degree or below. Furthermore， combined with the theories of agglomeration effect and selection effect， this paper examines the influence mechanism of urban spatial structure on skill premium from the perspective of the uneven distribution of heterogeneous labor in urban space， and finds that the pull of comfortable living environment in the main urban center on high-skilled labor and the push of high living cost on low-skilled labor jointly lead to skill premium. This study provides empirical evidence for adjusting and optimizing urban spatial structure to narrow income gap， improve quality and efficiency of urbanization during the 14th Five-Year Plan period in China.

Keywords： Urban Spatial Structure； Multicenter； Spatial Distribution of Heterogeneous Labor； Skill Premium

（責任編輯：徐久香）

*羅勇，華中科技大學經濟學院，E-mail：cnrobinly@aliyun.com，通訊地址：湖北省武漢市洪山區(qū)珞喻路1037號華中科技大學經濟學院，郵編：430074；胡苗苗（通訊作者），華中科技大學經濟學院，E-mail：humm170@163.com，通訊地址：湖北省武漢市洪山區(qū)珞喻路1037號華中科技大學經濟學院，郵編：430074；曹麗莉，中南財經政法大學工商管理學院，E-mail：lilicao@zuel.edu.cn。

基金項目：本文受國家社會科學基金重大項目“中國深度參與全球創(chuàng)新鏈治理的機制、路徑與政策研究”（20&ZD124）、國家自然科學基金面上項目“中國高端制造業(yè)價值鏈躍遷路徑研究：多重嵌入的視角”（71773115）、湖北省重大調研課題項目（2020J13-2）資助。

1 “劣質的城市形態(tài)”是指城市幾何形態(tài)偏離文獻中假設的圓形，呈現(xiàn)出擴大了城市內部距離的幾何形態(tài)。

1 在勞動力市場競爭更加激烈的大城市中，高昂的生活成本與優(yōu)勝劣汰的市場機制使得生產率更低的低技能勞動力退出市場，只有生產率更高的高技能勞動力才能在大城市生存，這種現(xiàn)象稱為選擇效應（Combes et al.，2012a）。

1 該數據是由美國能源部橡樹嶺國家實驗室（ORNL）開發(fā)，通過GIS和遙感等方法統(tǒng)計的綜合考慮包括就業(yè)、居住、交通等各項經濟活動的城市內部24小時平均人口分布數據，是目前最準確的基于地理位置的人口分布數據（Desmet et al.，2020）。

2 具體測度方法見Li and Liu（2018）。為確保城市中心具有相對較大的規(guī)模，本文將面積大于三個柵格（大約3km2）且人口大于10萬的、自身與周圍均為高人口密度的連續(xù)柵格作為城市中心（Liu and Wang，2016）。

1 資料來源：http：//www.gscloud.cn/。

1 資料來源：房價數據來自聚匯數據，https：//www.gotohui.com/。

1 由于CHFS的微觀調查數據只能精確到勞動力常住地的區(qū)縣層級，因此本文將識別的城市主中心所在的區(qū)縣認定為主中心。