我国三大城市群内部经济联系对比研究

城市群内部城市经济联系程度差异会对城市群的协同发展产生影响。从京津冀、长三角和珠三角城市群内部经济联系看,三大城市群中心城市具有很强的带动作用,也都呈现明显的梯度发展结构。但对三大城市群比较分析发现,城市群中各城市与主要城市的经济联系总量、联系强度、空间梯度结构存在明显差异。进一步加强城市群内部的经济联系,应构建京津冀城市群聚疏有序的发展格局,提升长三角城市群边缘城市发展水平,缓解珠三角城市群中心城市过度极化效应,实现城市群一体化高效发展。     

京津冀城市群经济密度的时空分异研究——兼与长三角、珠三角城市群的比较

测算2004-2013年京津冀城市群13个城市的经济密度及其变异系数、泰尔指数等指标,分析京津冀城市群的经济密度及差异的变化趋势,并与长三角、珠三角城市群进行比较.结果表明:京津冀城市群经济密度远远低于长三角、珠三角城市群,并与长三角、珠三角城市群的差距呈扩大趋势;而京津冀城市群的内部差距明显大于长三角城市群,长三角城市群内部差距呈缩小趋势,而京津冀城市群内部差距则呈扩大趋势;京津冀城市群中心城市与长三角、珠三角城市群中心城市差距显著.因此,应通过协同创新驱动京津冀协同发展;通过深化改革打破行政垄断,促进市场一体化;通过顶层设计和推动来实现基本公共服务均等化.     

中国三大城市群内部经济联系和等级结构的比较——基于综合引力模型的分析

文章对传统引力模型中城市质量以及城市之间距离的测算进行了适当的修正,基于修正后的引力模型,以长三角、京津冀和珠三角三大城市群为研究对象,测度了城市群内部城市间经济联系的紧密程度,并揭示了城市群内部城市的等级结构,进而对三个城市群进行了比较分析。结果表明:各城市群内部等级结构上均存在不同程度的断层,特别是次级城市发展不足;各城市群内部联系的紧密程度存在明显差异,珠三角城市群相对与长三角和京津冀城市群而言内部联系更为紧密;各城市群内部城市之间引力关系表现出明显的非均衡特征。     

中国三大城市群高速铁路网络结构与特征

构建长三角、珠三角、京津冀城际O-D高铁运营频次矩阵,运用社会网络分析法研究三大城市群高铁网络结构与特征,结果表明:高铁整体关联性京津冀紧密,长三角次之,珠三角松散;然而长三角内部高铁城市联系与高铁网络不均衡性最强;长三角东部比其西部高铁联系密切,珠三角北部强于群内其他区域,京津冀高铁流动频繁区集中在京津;省域内部高铁紧密性:江苏浙江广东河北安徽;城际视角,深圳—广州、上海—南京、上海—苏州、南京—苏州、上海—无锡属于点对点间高密度联系。三大城市群高铁网络均具有显著的"小世界"效应特征,京津冀与长三角的"小世界"效应更明显,其中合肥—苏州—镇江—南京—无锡—六安为长三角重要辐射集群,广州—惠州、深圳—东莞、天津—沧州为重要辐射力的高铁城市对,上海、南京为长三角高铁网络核心,广州与深圳为珠三角核心,北京与天津为京津冀核心。     

1990年以来东北地区三大城市群的极化发展

文章分析了辽中南、吉林中部与哈大齐三大城市群经济发展现状及其在东北地区的地位;利用基尼系数模型测度城市群经济发展差异,并利用极化指数模型测度三大城市群的极化,极化过程可以分为三个时期:1990年代前期、1990年代后期与2000年以来,对三个时期的极化格局进行了分析;然后将东北地区的三大城市群与国内著名的三大城市群京津冀、长三角、珠三角对比,结果表明东北三大城市群在东北地区发展突出,与京津冀、长三角与珠三角相比并不突出。东北三大城市群在全国的经济地位与经济水平不如京津冀、长三角与珠三角;最后探讨了东北三大城市群发展的动力机制。     

中国沿海三大城市群企业创新时空格局与影响因素

城市群作为区域经济活动的核心地区,具有引领国家创新发展的作用。基于1995—2013年140.87万件企业发明专利数据,采用基尼系数、集中度指数、核密度分析等方法,对京津冀、长三角、珠三角城市群内企业创新发展阶段、空间分异、蔓延形态与等级结构进行剖析,运用空间面板计量模型探究影响因素。研究发现:(1)中国沿海三大城市群企业创新发展整体呈指数型增长态势,存在明显的阶段性特征,各城市群创新产出变动趋势各异,其中中国加入"WTO"和"2008年世界金融危机爆发"是发展进程中的重要节点事件。(2)三大城市群企业创新空间分异指数变化均呈"倒U型"。京津冀城市群空间非均衡性最显著,以京津"双核心驱动"为主,未形成区域性城市创新等级结构体系。长三角与珠三角城市群均呈现"多中心带状蔓延形态",等级体系上存在"倒金字塔型"和"金字塔型"两种结构。(3)影响因素分析发现,经济基础与政府政策支持是企业创新发展的重要保障,产业结构、本地高等教育资源和外商直接投资等因素的地区效应差异化明显。     

新长三角城市群创新空间格局演化与机理

以新长三角城市群26个城市为地理观测单元,以专利授权量为衡量指标,运用ESDA和GWR等方法,刻画2005—2014年城市群创新产出时空分异特征、影响因素及作用机理。研究发现:市域间创新产出绝对差异波动上升,相对差异波动缩小;创新产出水平相似的市域集聚分布,且集聚程度波动增强,而两极分化现象呈减缓态势;苏锡常都市圈与环杭州湾地区的崛起造成长三角创新活动的核心区域逐步突显;市域创新产出表现出收敛趋同的迹象;创新产出高增长型市域沿沪汉蓉、沪杭甬通道呈"Z"字型分布;各因子对创新产出的影响存在空间异质性,其中政府支持和产业集群环境是影响长三角城市群创新产出水平的主要驱动因素。     

科技推广服务业对区域创新效率的影响——以东部三大城市群为例

基于2010—2019年我国东部三大城市群面板数据,运用面板回归、中介效应与门槛模型考察科技推广服务业对东部三大城市群创新效率的影响及作用机制。研究结果表明：东部三大城市群创新效率呈逐年提升态势,且京津冀城市群创新效率与长三角、珠三角城市群存在较大差距;科技推广服务业不仅有助于直接提升东部三大城市群创新效率,还能通过促进产业结构升级间接驱动区域创新效率提升;科技推广服务业对东部三大城市群创新效率的影响存在区域异质性;科技推广服务业对拥有不同创新能力或处于不同经济发展阶段的城市具有异质性作用。     

中国五大城市群生态效率的演变及其影响因素

实现最优生态效率对于改善环境条件同时确保经济增长至关重要。基于城市群视域,运用非期望产出的超效率SBM模型,测度京津冀、长三角、珠三角、长江中游和成渝城市群99个城市2010—2019年的生态效率,揭示五大城市群生态效率时空演变规律,进一步通过Tobit模型识别五大城市群生态效率的影响因素。研究发现：(1)五大城市群生态效率总体发展较为稳定,呈上升趋势。2010—2019年,五大城市群生态效率均值由大到小依次为：长三角>珠三角>京津冀>成渝>长江中游。(2)京津冀城市群呈现升—降—升—降的“M”型结构,珠三角城市群呈现升—降的倒“V”型结构,长三角、长江中游和成渝城市群呈平稳上升趋势,且长江中游城市群增幅最大。(3)经济发展水平、人口密度对城市生态效率有显著的正向影响,产业结构、对外开放、技术创新和政府支持起到了负向影响,而城镇化的正向影响不显著。基于此,提出重视区域异质性,发挥政府在经济和产业结构中的宏观调控作用等政策建议。     

基于城市联系网络的城市群等级结构对比

城市群已成为中国新型城镇化发展的主体形态,基于城市联系网络分析城市群城市等级结构为当前研究热点。文章以长三角、珠三角、京津冀和成渝4个城市群为研究区,通过获取公路客运的日均发车班次数据构建城市群的城市联系网络,基于城市联系强度划分出不同层级的联系子网,利用复杂网络中度和特征向量指数对比分析城市群等级结构特征。结果表明:各城市群城市之间的联系强度均呈现出明显的重尾分布特征,基于重尾分级法可将城市联系网络及城市节点划分成不同层级。城市联系网络的层级结构和城市节点的等级结构特征形成明显的映射关系,等级较高的联系线以中心城市为核心形成辐射状结构,而中等水平的联系线以地方中心城市间的联系形成网络状结构,对城市群的发展轴线或经济密集区有一定指示作用。长三角城市群与珠三角城市群的等级结构较为合理,不同等级的中心城市在对应的联系子网中占据首要地位。京津冀城市群和成渝城市群处于中心城市快速发展阶段,中心城市与周边城市形成较为明显的"断层"现象,且以成渝城市群最为明显。     

FDI对中国都市圈创新能力溢出效应的实证研究——基于动态面板数据模型

在考虑创新能力累积效应和FDI时滞性的基础上,利用1993—2006年的省际面板数据,基于动态面板数据模型,实证分析了FDI对中国长三角、珠三角、京津冀都市圈和东北地区创新能力的溢出效应。研究结果表明:FDI对珠三角都市圈和京津冀都市圈的创新能力具有显著的溢出效应,但对长三角都市圈和东北地区的创新能力的溢出效应不是很显著;FDI对中国不同都市圈的不同程度的创新能力的溢出效应具有显著差异。     

三大都市圈城市网络的发展水平与结构特征比较——基于六大类生产性服务业细分行业的实证研究

文章基于六大类生产性服务业内十大细分行业,选取709家企业,利用其5420个总部及分支机构数据,从生产性服务业内部差异性角度解析京津冀、长三角和珠三角等三大都市圈的城市网络结构,并比较中心城市在城市网络中的地位和作用。研究表明,都市圈生产性服务业的差异化发展是城市网络结构差异的形成原因,一方面,不同的生产性服务业对不同都市圈结构的支撑作用不同,另一方面,中心城市对生产性服务业的"承载力"和"选择性"也强化了都市圈城市网络的结构性差异。依据城市节点特征,以及传统和非传统生产性服务业发展的网络特征,京津冀、长三角和珠三角都市圈分别属于单中心成长型、多中心稳健型和双中心超前型城市网络,进一步地,节点连通水平由高至低依次是长三角、珠三角和京津冀,在几乎所有非传统生产性服务业中长三角城市网络均占相对优势,京津冀和珠三角分别在IT,设计和广告行业中占优势。     

协同创新、区域一体化与创新绩效

协同创新是区域协同发展的内在动力。运用2002-2014年京津冀、长三角、珠三角三大区域省际或各地市数据,应用复合系统协同度模型与数据包络法度量协同创新度和创新绩效,构建了协同创新对创新绩效影响的计量模型;应用空间计量技术对区域一体化与创新绩效的关系进行分析。结果表明,除珠三角外,长三角和京津冀协同创新活动对创新绩效无显著影响;区域一体化程度越高,区域内部创新绩效分布越均衡;“企业自身投入”与“政府资助”等内生要素是促进区域一体化和提升创新绩效的主要动力。因此,应促进区域内部生产要素自由、合理流动,实现创新资源有效溢出,提升区域发展内生动力,加深区域一体化程度,提高创新效率。     

基于ESDA的中国长三角地区创新空间分异及演进研究

以长三角地区的25个城市为观测对象,运用探索性空间数据分析(ESDA)方法,研究了2005—2014年长三角地区创新的空间相关性。结果显示;长三角地区的创新呈空间锁定现象,且其空间分布不均衡;创新集中在上海、杭州、南京、苏州及其相邻城市;远离这些创新中心城市的创新则不够活跃。Moran指数的计算结果表明,长三角城市群的空间联系愈加紧密,但是强弱分化也非常明显。时空跃迁测度结果显示,创新表现出明显的空间分层性,且空间分布格局不易变化。     

京津冀协同创新是否存在“虹吸效应”——基于与珠三角地区对比分析的视角

本文以2009—2015年京津冀和珠三角上市高新企业为样本,实证分析京津冀协同创新是否存在“虹吸效应”。研究结果表明,京津冀地区企业研发投入积极性要远大于珠三角地区,且通过与珠三角地区的样本数据相比较,京津冀地区内企业研发积极性趋同,即不存在“虹吸效应”,而珠三角地区则出现深圳与广州企业研发积极性的两极分化现象。     

我国C2C电子商务的地理格局及其演化机制

从空间计量经济学的角度,从省域和市域两个空间层次对中国的C2C电子商务发展极其演化机制进行实证研究。研究结果表明,中国的C2C电子商务发展存在由东部沿海到内陆地区梯度降低的空间分布趋势,空间集聚程度非常高,且对当地物流行业发展起到推动作用。C2C电子商务水平与当地的经济发达程度高度相关,社会经济观念的转变、居民受教育程度的提高、互联网相关技术的普及、物流业的迅猛发展以及适当的地方产业集聚等都是促进C2C电子商务发展的重要因素。     

不同生命周期阶段我国电子信息产业区域技术创新网络演化比较分析

电子信息产业作为国家智能制造发展战略的基础产业,其源动力来自于产业内技术创新网络的成熟度与运行效率。通过梳理相关文献,归纳出我国电子信息产业沿京津冀、珠三角、长三角、成渝地区依次演进的板块化空间分布格局,并根据各板块产业形成机制和成长特征分别将其对应于产业生命周期各阶段（成熟期、准成熟期、成长期和进入期）。基于专利数据,运用社会网络分析法分别绘制出各板块电子信息产业在2001-2003年、2004-2006年、2007-2009年、2010-2012年、2013-2015年5个阶段的技术创新网络演化图。结果发现：处于成熟期的京津冀板块以高校和科研院所为中心,并衍生出大量高科技企业;处于准成熟期的珠三角板块高效利用跨地区资源,激发了本地企业创新活力;处于成长期的长三角板块科研创新资源丰富,技术创新网络成长潜力强劲;处于进入期的成渝板块本地科研资源缺乏,对外部创新型企业技术输入依赖较大。     

长三角城市群高技术产业集聚空间溢出效应研究

以长三角城市群为研究对象,利用2010-2018年26个城市面板数据,对城市群内各城市高技术产业集聚水平进行测度,进一步运用空间计量模型,实证探究长三角城市群高技术产业集聚对城市创新的直接效应与空间溢出效应,并考察城市经济发展水平与外商直接投资两个环境变量如何通过长三角城市群高技术产业集聚对城市创新产出产生直接影响,以及在空间溢出过程中如何发挥调节效应。结果发现：各城市创新活动存在明显正向关联;城市高技术产业集聚对本城市创新产出具有显著直接促进作用,而对邻近城市的空间溢出效应显著为负;城市经济发展水平与外商直接投资在长三角城市群高技术产业集聚对城市创新的直接效应与空间溢出效应中均发挥显著调节作用。     

长三角与珠三角对外贸易发展模式的比较研究

Based on a massive collection of data, this paper tries to make a detailed comparison between the foreign trade development patterns of two export-oriented regional economies: the Yangtze River Delta and the Pearl River Delta. It is shown that both of the deltas have made spectacular progress in foreign trade development. However, the Yangtze River Delta is catching up with the Pearl River Delta, and China’s foreign trade development pattern has changed in recent years from a Pearl River Delta-dominated foreign trade environment to a situation in which the Pearl River Delta and the Yangtze River Delta together dominate China’s foreign trade. The primary difference in the foreign trade development patterns of these two deltas is that foreign trade in the Pearl River Delta relies more on processing trade, while that in the Yangtze River Delta is more government-oriented with special political zones playing a significant role in its foreign trade.      

Structural heterogeneity and proximity mechanism of China’s inter-regional innovation cooperation network

ABSTRACT

Based on the cooperation patent data between 31 provinces in China from 1985 to 2017, this paper portrays the topological structure, spatial pattern and proximity mechanism of China’s inter-regional innovation cooperation network by the graph theory, spatial statistical methods and the quadratic assignment procedure model. The conclusions are as follows: (1) the topological structure of China’s inter-regional innovation cooperation forms a hierarchical network with Beijing as the core and it exhibits a typical small-world property and ‘core–periphery’ structure. (2) In terms of spatial distribution characteristics, the ‘quadruple’ with the Beijing–Tianjin region, Yangtze River Delta, Pearl River Delta and Sichuan as the peaks has become the backbone of the inter-regional innovation cooperation network in China. At the same time, the spatial differentiation of the three indicators of degree centrality, median centrality and intensity centrality is obvious. (3) In terms of proximity mechanism, geographical, institutional and cognitive proximity exert a significant effect on China’s inter-regional innovation cooperation network linkage. However, there are significant differences in the effects of various proximity elements on China’s regional innovation network.