河南构建区域蜂巢型“中心—外围”产业格局研究

区域蜂巢型"中心—外围"产业格局是在"中心—外围"理论与"蜂巢型结构"产业形态模型有机整合基础上,提出的一种区域性产业布局模式和形态。构建区域蜂巢型"中心—外围"产业格局是河南调整和优化工业布局、加速工业化进程的必然选择。当前,郑州、洛阳制造业中心的地位日益凸显,外围城市的配套作用日益突出,中心与外围的产业联系日益密切,为河南构建区域蜂巢型"中心—外围"产业格局奠定了良好基础。推动河南加快形成区域蜂巢型"中心—外围"产业格局应进一步明确产业布局的政策导向,遵循一定的布局原则,强化外围区域的功能与作用,密切中心与外围区域的产业关联等。     

粤港澳大湾区城市群功能分工格局及其影响因素研究

采用功能专业化指数、功能互补性指数和功能分工匹配度指数,全面考察了粤港澳大湾区城市群功能分工格局及其影响因素。结果显示：总体而言,中心城市的研发、管理和营销的功能专业化水平相对较高,而外围城市的生产功能专业化水平相对较高。中心城市间和中心城市(除深圳外)与外围城市间的功能互补性较高,外围城市间的功能互补性较低。深圳的功能分工匹配度最佳,其他城市的功能专业化与要素禀赋结构均存在不同程度的错配问题。进一步的影响因素实证分析发现,对外贸易、政府干预、用地成本、居住成本、劳动力成本、人口规模及大学生供给能力均是粤港澳大湾区城市群功能分工格局的重要影响因素,且对不同类型城市的影响存在显著差异。     

数字经济对我国区域协调发展的影响研究——基于经济增长收敛视角的分析

经济增长收敛是协调区域发展、助力共同富裕的重要条件。基于经济增长收敛分析框架,使用全国267个地级市2011—2020年的面板数据,探析数字经济对我国区域经济增长收敛性的影响及其作用机制。研究发现,数字经济能够显著促进我国城市经济增长并加速促进地区经济增长收敛,缩小地区间经济发展差距。机制分析表明,数字经济可以通过提高创新发展能力、改善资本要素错配情况来促进落后地区经济增长,助力区域协调发展。同时,数字经济在促进区域经济增长收敛时呈现明显的地理空间差异和政府财政能力差异,对西部、北方、非沿海城市和财政自给率较低的城市经济增长收敛效应更加显著。应继续推进数字基础设施建设,大力发展数字经济,以促进区域经济协调增长助力全国统一大市场构建。     

基于修正引力模型的京津冀城市群空间联系分析

利用主成分分析法对引力模型进行修正,定量分析了京津冀城市群的空间联系强度。结果表明,京津冀城市群内经济发展不平衡的问题比较严重,呈现出明显的"中心—外围"格局,城市间的联系以京津为中心,向外依次减弱,外围城市间的相互吸引力明显不足,城市间的联系度普遍偏低。认为应打破行政区划限制、实现城市合理分工,完善交通基础设施、构建区域交通一体化体系,成立政府协调机构、建立联席会议制度等。     

城市群技术创新与经济增长效率的时空分异研究——以成都城市群为例

城市群区域协同发展格局对城市群整体创新绩效有着较为深刻的影响。本文基于协同共生的视角,以两阶段网络DEA为分析方法,以成都城市群为例,对城市群技术创新与经济增长两阶段动态效率进行实证分析,发现城市群技术创新与经济增长两阶段效率值的时空分异特征明显。时间上:在虹吸效应与涓滴效应的交互作用下,中心城市与成员城市的效率差呈现先扩大后缩小的趋势;空间上:呈现南北高,东西低的态势,并符合地理邻近、技术邻近以及制度邻近的发展规律。研究发现,经济增长产出阶段是创新效率提升的瓶颈,鉴于此,未来城市群发展需着力于政策协同、资源协同、空间协同,提高创新一体化程度,从而形成区域创新的整体规模效应。     

创新型基础设施对区域经济增长的影响研究——以长三角地区为例

长三角城市群是我国经济高质量发展的重要枢纽，同时也是中国经济增长的源泉之一，区域经济增长能力也排在前列。研究长三角城市群创新型基础设施的建设与区域经济增长的关系，可以为长三角城市群的经济发展提供新的思路和方向，有助于解决全国范围内其他城市群的创新基础设施建设和经济增长均衡发展问题。文章以长三角地区41个地级城市2010-2020年的面板数据为基础，同时构建面板数据模型进行具体分析。结果表明：创新基础设施和区域经济增长水平呈现由东向西递减的趋势；本城市创新基础设施水平的提高不仅可以提高本市的经济增长水平，对其经济、地理相邻城市的经济增长也有一定的帮助。     

多中心视角下的京津冀都市圈空间联系分析

在全球化与区域一体化驱动下,多中心空间发展模式成为实现区域协调与持续发展的重要路径。京津冀都市圈作为我国的经济核心区和城镇密集区,区域经济多中心化与板块化逐渐成为重要表现载体。基于城市区域的空间形态和功能的多中心特征,利用引力模型和城市流模型对京津冀都市圈城镇体系的空间联系进行实证分析。结果表明:京津冀都市圈空间联系呈现非均衡性多中心极化发展态势,围绕京津两大核心城市,京—津—滨走廊带已初具多中心城市连绵区域的过渡形态和结构,而外围的石家庄、唐山等地区中心城市发育还不成熟。     

重庆与浙江产业集群的比较研究

20世纪90年代以来，以市场为导向的产业集群在广东、江浙等地的形成与发展，促进了区域产业结构的优化和升级，成为拉动区域经济增长的新型经济组织形式。重庆作为西部经济发展的中心城市，充分借鉴其他产业集群的成功模式，利用中央直辖、三峡工程建设、西部大开发三大历史机遇，结合自身优势发展产业集群，对于重庆经济乃至西部经济的整体崛起，具有重要的战略意义。[第一段]     

中国城市碳排放效率动态演进、区域差异及空间收敛性

运用Super-SBM模型测度中国284个地级城市的碳排放效率，从时空维度分析城市碳排放效率的演变和分异特征，采用Dagum基尼系数法对城市碳排放效率的区域差异进行测算和分解，通过构建绝对/条件β收敛模型考察其收敛性。研究发现，2009—2020年，中国地级城市碳排放效率呈现“先下降—后上升”的“U”型发展趋势，在空间上具有明显的“小分散大集聚”的俱乐部特征。在区域差异上，东中西部、南北方的区域间差异均呈现扩大趋势。东中西部地区碳排放效率区域间差异的来源由超变密度向三者相对均衡的状态转变，南北方地区碳排放效率区域间差异主要由区域内差异贡献。全国城市、东中西和南北区域碳排放效率均存在绝对β收敛和条件β收敛，中部地区收敛速度较快，西部地区收敛速度相对较慢，低碳技术创新、创业活跃度、工业发展规模、基础设施建设水平和财政分权水平对碳排放效率变化率的影响存在显著的差异性。     

中国城市经济效率的时空分异及其影响因素研究

基于2005~2014年地级及以上城市市辖区数据,定量分析了中国280个市辖区范围的城市经济效率时空演变特征,并探讨城市经济效率的影响因素。结果表明:城市经济效率得分不高,变化幅度不大;城市规模效益梯度比较明显;城市经济效率与城市行政级别格局一致;区域差异较小并且呈现缩小趋势,省内差异贡献明显大于省间差异贡献;城市经济效率的空间格局比较稳定,形成了辽中南、京津冀、山东半岛、长三角、珠三角等"群"状分布高值区域,以群内核心城市为中心,与群内较高、中等城市经济效率城市共同组成"核心—边缘"空间格局,而低水平城市则成片分布于中部和西部地区;所选6个因素对城市经济效率均有正向影响,其中城市规模、投资强度、区域联系的影响程度居前3位;地理区位差异是客观因素,要素禀赋是初始因素,而投资强度、区域创新投入等是直接因素。     

区域技术效率趋同性的实证研究

本文从σ趋同和条件β趋同的角度对区域技术效率的趋同性进行研究，利用辽宁省数据进行实证，计算结果表明：辽宁省技术效率的增长存在着σ趋同和条件β趋同。2000-2005年，趋同的速度非常快，2006年以后，速度逐渐减慢。第二产业比重、第三产业比重、进出口比重的系数为正值，对城市技术效率的增长起促进作用；政府消费比重系数为负值，对城市技术效率的增长起阻碍作用。     

区域经济增长收敛的分析方法

区域经济增长差异是经济发展过程中所出现的必然现象。本文认为，不同的分析方法很可能导致不同的结果，从而，分析方法是至关重要的理论问题。本文将区域经济增长收敛的分析方法总结为β收敛、σ收敛、概率收敛，并加以说明和评价。本文认为，不同的分析方法都具有各自的优点和弱点。β收敛是区域经济增长收敛的必要条件，并不是充分条件。与β收敛和σ收敛不同，概率收敛利用时间序列数据，它能够表明收敛的长期稳定性。本文认为，区域经济增长的收敛分析应该利用多种分析方法，才能得出较正确的结果。     

区域一体化促进了经济增长吗？——基于长三角城市经济协调会的准自然实验

在当下，我国经济发展空间结构正发生深刻转变，区域一体化成为我国城市空间结构发展的重要方向，区域一体化能否对经济增长带来促进作用值得关注。论文基于长三角城市经济协调会这一准自然实验，研究了区域一体化与经济增长之间的关系，研究发现：第一，区域一体化对于经济增长具有显著的促进作用，且这一促进作用随区域一体化的不断深入而逐渐增强；第二，区域一体化对于经济增长的促进作用在个体层面上具有异质性，这一促进作用与城市规模正向相关；第三，通过中介效应检验发现，区域一体化能够从产业结构升级、产业生产率提升和要素分配效率提升三个维度促进经济增长。     

制造业与生产性服务业的协同集聚时空演变——基于东北三省地级市数据北大核心

运用空间数据探索性分析(ESDA)方法,对2006—2016年,东北三省36个地级市的制造业和生产性服务业的协同集聚时空演变轨迹进行探究。结果发现:(1)2006—2016年,东北三省的制造业和生产性服务业地理集聚程度不断增强,协同集聚水平呈阶段性变化特征;(2)协同集聚的空间分布格局相对稳定,空间分异化特征明显;(3)发展过程符合新经济地理学的"中心—外围"模型,形成以大连、长春、哈尔滨为中心城市的"多中心"发展模式;(4)协同集聚的低高和高低区域逐渐向高高与低低区域演变,东北三省所形成的"多中心"模式逐渐得到强化。     

制造业与生产性服务业的协同集聚时空演变——基于东北三省地级市数据

运用空间数据探索性分析(ESDA)方法,对2006—2016年,东北三省36个地级市的制造业和生产性服务业的协同集聚时空演变轨迹进行探究。结果发现:(1)2006—2016年,东北三省的制造业和生产性服务业地理集聚程度不断增强,协同集聚水平呈阶段性变化特征;(2)协同集聚的空间分布格局相对稳定,空间分异化特征明显;(3)发展过程符合新经济地理学的"中心—外围"模型,形成以大连、长春、哈尔滨为中心城市的"多中心"发展模式;(4)协同集聚的低高和高低区域逐渐向高高与低低区域演变,东北三省所形成的"多中心"模式逐渐得到强化。     

人工智能技术创新与区域经济协调发展——基于专利数据的技术发展状况及区域影响分析

本文使用人工智能专利统计量构建核心解释变量，以2010—2019年284个地级及以上城市面板数据为分析样本，就人工智能技术对中国区域经济增长、经济差距、经济关联的影响进行实证检验。结果表明：(1)人工智能技术对区域经济增长具有持续、稳健的促进作用，技术进步对东部、中部地区的影响更为显著；(2)人工智能技术基础层、技术层、应用层各分支在东部、中部、西部地区的分布呈现同构化特征，技术发展方向与区域比较优势之间存在错配，阻碍了西部地区分享技术红利；(3)人工智能缩小了中部城市与全国平均水平的经济差距，但扩大了西部城市与全国平均水平的差距；(4)人工智能对经济增长的促进作用难以通过经济水平相近、产业结构相似、地理位置邻近等条件传导至邻近区域，技术进步尚未对区域经济关联产生显著影响。为引导中国人工智能技术长期健康发展、实现高质量区域协调发展，未来应加强人工智能关键核心技术攻关、优化人工智能产业区域布局、重点提升西部地区技术水平和区域承接能力。     

推进京津冀一体化，发展区域合作

对于城市群来说，在保持中心城市经济附着力的同时，强调“建立完善跨区域城市发展协调机制。以城市群为主要平台，推动跨区域城市间产业分工、基础设施、环境治理等协调联动”。近期，以京津冀为代农的区域一体化建设逐渐加速。     

数字经济、技术市场发展与高技术企业创新

数字经济作为经济增长的新引擎，对高技术企业创新具有重要影响。本文通过测度2012—2021年地级及以上城市数字经济发展水平，并结合中国沪深A股高技术上市企业年度数据，利用固定效应模型与中介效应模型，从技术市场发展角度出发，实证检验数字经济对高技术企业创新的影响。研究发现：数字经济能够显著提升高技术企业创新能力，且经过稳健性检验后此结论依旧成立；技术市场发展在数字经济与高技术企业创新之间发挥重要中介作用；异质性检验结果显示，数字经济对高技术企业创新的影响在中西部地区更加显著。基于此，提出加快发展数字经济，夯实企业创新基础；完善技术市场，推动企业成果转化；激发区域创新潜能，提高中西部企业竞争力，以此促进高技术企业持续创新发展。     

中国国家中心城市经济辐射力分析与评价

随着中国经济的不断发展,区域经济一体化发展的趋势开始显现,城市间经济联系不断增强,中心城市开始逐渐发挥其对区域经济发展的带动作用。而这种带动作用则源于中心城市的经济辐射力。为进一步促进城市经济和区域经济的发展,全国城镇体系规划中明确提出鼓励有条件的城市发展成为区域性中心城市。国家中心城市是区域经济的中心,是建立国际经济联系的纽带,也代表着城市的国际竞争力,因此,对中国国家中心城市经济辐射力展开研究具有重要意义。     

全球高技术发明人才地理：技术中心度与多中心外围式变迁

本文通过研究1980—2015年发明人才跨国流动技术中心度变化趋势，揭示高技术行业创新地理演进特征。结果显示：(1)全球高技术行业发明人才在地理上呈现多中心集聚的发展态势，美国、德国和日本依然保持强劲竞争优势，中国在高技术领域逐步崛起。(2)在生物医药行业，美国是全球绝对领先者，以中国为技术中心的“中心—外围”结构尚不明显；在计算机行业，中美技术中心度差距要大于中美在高技术领域的整体差距。(3)行业创新能力越强，往往伴随着发明人才的“大进大出”;行业创新能力对技术中心度具有显著提升作用，但主要体现在中高收入国家和地区样本。(4)产业相对比较优势具有显著的正向调节效应，但技术相对比较优势调节效应尚不显著；全球技术中心对发明人才流动存在显著的正向作用。基于此，中国在全球发明人才战略布局上，对于面向未来和使命导向型的高技术创新领域，需通过产业竞争优势形成一批全球代表性的技术集群，广纳全球发明人才；同时，强调本地化激励，着重发挥本土高校、企业与科研院所之间的互动，强化三者的基础性研究投入。