京津冀协同发展，核心是京津冀三地作为一个整体协同发展，要以疏解非首都核心功能为基本出发点，调整优化城市布局和空间结构。时值京津冀协同发展战略提出五周年之际，本文以长江经济带城市群发展为例，力求为京津冀协同发展提供一些有用的经验。本文主要研究了如何度量长江经济带城市群之间的空间差异化，分析了引起区域发展不平衡的主要原因以及如何实现区域可持续性发展，并提出区域发展相对落后的区域如何发展自身经济以实现追赶。通过对长江经济带城市群的分析，为京津冀地区如何实现协同发展提供一些参考。

文献来源：Yuan Tiana, Chuanwang Sun. A spatial differentiation study on comprehensive carrying capacity of the urban agglomeration in the Yangtze River Economic Belt[J]. Regional Science and Urban Economics,2018, 68(2018): 11–22.

摘要：城市群是一种先进的、具有竞争力的城市化形式，其面积和人口众多，但却带来了严重的经济增长不平衡和不协调的可持续性。本文选取长江经济带（YREB）作为案例，根据2006-2014年的城市面板数据，针对流域中城市群（UA）的综合承载力（UCC）的特点，设计了综合承载力评价框架。评价框架包括涉及流域特征的4个层次和39个指标。通过一系列的空间分析揭示了可持续发展的空间差异化。结果表明，城市群的综合承载力呈波动下降趋势，四个子系统的UCC组成各不相同。YREB五个子城市群的UCC值存在较大差距，说明城市群可持续发展的不平衡和多样性是不可忽视的。从动态的角度来看，空间差异化越来越明显，空间聚类的模式转化为离散的小区域。本文的研究为城市群的可持续发展研究做出了贡献，一些研究结果可以作为未来决策的参考。

1.研究背景

长江经济带是世界上发展最快的城市群之一。YREB连接着西方的“丝绸之路经济带”和东方的“21世纪海上丝绸之路”，更广为人知的是一带一路倡议。本文选择YREB作为案例研究有三个原因。首先，YREB涵盖了中国的三个空间区域：东部、中部和西部。YREB目前约占中国国土面积的21.27%，占中国总人口的40%以上，占GDP的45%左右。YREB是中国城市化的主要先行区域，但目前尚未对其UCC的空间差异化进行系统研究。与既有文献相比，本文的创新点主要体现在以下方面。首先，本文在YREB中采用了一个综合的UA评价指标体系，从四个子系统反映了各个方面。而且YREB的UCC指标体系框架从技术上突出了水资源承载力和水运承载力。其次，以往对UCC的一些研究多集中在单一的研究对象上（Liu, 2012），而本文从三个区域尺度进行了多角度的研究，如YREB作为一个整体（第1级），YREB中的五个子城市群（第2级）和86个城市（第3级）。区域尺度分类后，空间差异化研究可以更加全面和具有可比性。第三，为了研究UCC的空间差异化，本文进行了一系列的空间分析，包括空间自相关、空间聚类与离群值、热点映射、核密度估计等。第四，引入改进的熵值法、增量空间自相关和错误发现率调整等技术改进，使评价和空间分析更加可靠和优化。

2.模型构建

（1）数据：

根据中央政府公布的YREB发展规划，本文从三个不同的区域尺度对UCC的指标进行了评价。第1级将YREB作为一个整体。这一水平的UCC指数反映了YREB的平均产能，衡量了YREB的整体可持续发展水平。第2级代表YREB的五大城市群，分别由长江沿岸的不同城市组成。第3级是城市级别，它以各自的UCC指数衡量所有86个样本城市的能力。本文的研究从2006年到2014年。39项指标的数据来源于《中国区域经济统计年鉴》、《中国城市建设统计年鉴》、《中国城市统计年鉴》以及相关省市统计年鉴。大部分指标直接采用年鉴中的原始数据。年鉴中一些缺失的数据通过移动平滑法填补。

（2）模型方法：

2.1 UA的UCC指标评价

本文的研究基于层次分析法（AHP）框架，指标体系分为四个层次（综合目标、子系统、评价区域和指标）。指标层次是最低和最基本的层次，共包括人均国内生产总值和自然人口增长率等39个微观变量。第二个较低层次是评估区域层次，共有水资源、环境、水运、陆运、人口、资本、土地、经济、工业9个评价领域。子系统层次结构高于评价区域，四个子系统分别代表生态环境（EE）、综合交通（CT）、要素市场（FM）和工业经济（IE）。UCC的综合指标是最高的和目标层次。

UCC指标的评价包括无量纲标准化、权重计算和指标评价三个步骤。首先，本文采用无量纲标准化的方法（Wei et al., 2016）对每年的指标值进行标准化。对于正效应指标，通过式（1）进行转化；对于负效应指标，通过式（2）进行转换。

其次，本文引入改进的熵值法（Chen et al., 2015）来确定各指标的权重。算法如下:

第三，利用多目标线性累加法计算UCC的综合值。在层次分析法框架中，层次越高的值可以用层次越低的值来计算。公式可以写成这样：

2.2空间差异化分析

不同于单一城市的封闭系统，本文采用空间差异化分析来捕捉UA的可持续性多样性，分析UCC指数的空间特征。在本文的研究中，本文同时考虑了全局和局部统计量。全局统计量（如global Moran’s I）评估了整个研究区域的总体空间格局，其结果是一个非常好的总体总结。局部统计量（如Anselin local Moran’s I或Getis-Ord local statistics）在邻近地区的背景下衡量每个地区的可持续性，并将局部情况与全局情况进行比较。

全局Moran's I

基于YREB的城市位置及其UCC值，Global Moran’s I (GMI) 统计量能够有效地测量整个YREB的空间自相关模式是聚集的、分散的还是随机的。公式如下:

ALMI与 Moran散点图

为了揭示空间聚类模式和识别YREB中UCC的异常值，Anselin Local Moran's I (ALMI)度量了城市α及其周边城市之间的相似性（Anselin, 1995）。ALMI的结果可以在Moran的散点图中显示出来。

城市α的ALMI计算如下:

Getis-Ord局部统计量与热点分析

通过Moran散点图对整个YREB地区的空间异质性进行检验后，然后需要确定UCC热点的位置，分析其动态变化趋势。GetisOrd local statistics (GOLS)有助于识别热点和冷点（Getis and Ord, 1992）。

城市α的GOLS值由下式给出:

在本文的研究中，采用了两种技术方法来改善热点分析的结果。首先，本文采用增量空间自相关（ISA），它可以测量一系列递增距离下的空间聚类，并对各自的距离给出z-score。当z-score达到峰值时，该距离下促进聚类的空间过程最为显著。其次，本文采用错误发现率（FDR）调整来控制错误发现的比例，在错误发现率为0.05的情况下调整p值进行多重检验，可以降低错误拒绝原假设的概率。

3.模型估计结果

（1）YREB中的UCC值

首先是YREB 1级的UCC结果。UCC指数在2010年之前呈下降趋势，2011年至2014年呈波动趋势。2010年的UCC指数比2006年的初始UCC指数低了近10%，而2014年的UCC指数小幅反弹至32.46。其次是YREB 2级的UCC结果，包括5个子城市群（三角洲、中游、成玉、贵州和云南）。从2006年到2014年的整个时间段内，三角洲和中游地区的UCC综合指数几乎都在10以上，这一数值比其他三个子城市群都要高。说明YREB可持续发展的空间差异不容忽视。子城市群的比较分析结果表明，对于三角洲和中游发达的子城市群，不仅UCC指数更高，可持续发展模式也更为均衡。然而，对于相对欠发达的子城市群来说，贡献最大的关键子系统是随时间变化的。

（2）空间自相关的结果

全局Moran's I (GMI)统计量是使用第3级中每个样本城市的数据进行估计的，GMI值显示了空间自相关结果。综合UCC指数中，2006 -2014年GMI值始终为正。研究结果表明，YREB的UCC可能存在聚集趋势，即高UCC值城市可能与其他较高的UCC值城市接近，低UCC值城市与其他较低的UCC值城市聚集。而且GMI的值从2006年的0.21显著下降到2014年的0.06。这表明综合UCC值的正空间自相关模式正在逐渐减弱。

四个子系统中UCC组成的GMI值在2006 - 2014年间呈现出不同的趋势。首先，子系统EE、CT、IE的GMI值显著（低于5%水平），而子系统FM的GMI值无统计学意义。其次，从2006年到2014年，EE的GMI值始终保持在0.3左右，说明研究区域的生态环境UCC组成较为集中。第三，对于CT子系统，其GMI值在开始短暂上升后呈现下降趋势，并在2010年达到0.35的峰值，说明整个YREB区域综合运输UCC组成存在正的空间自相关关系。第四，FM的p值始终大于0.05，说明空间自相关检验没有拒绝原假设。要素市场的UCC构成可能是随机分布的。其五，子系统IE的GMI值保持在0.1左右的水平，YREB区域产业协调发展呈现微集聚化趋势。

（3）空间聚类和异常值的结果

Moran散点图描绘了2006年和2014年3级城市综合UCC的分布动态。2006年和2014年分别有33个和35个城市集中在左下象限（LL），说明这些城市及其周边城市的综合UCC指数较低，空间差异较小。位于左上（LH）和右下（HL）的城市是异常值，与2006年的散点图相比，2014年散点图的值分布高度分散，说明空间聚类随时间减少。从2006年到2014年，86个城市的空间差异化程度有所提高。

Moran的散点图也可以用来说明子系统的UCC组成的空间集聚和异常值。本文报告了子系统EE在第3级的分布情况。2006年，城市在坐标系中的分布基本均匀，2014年，72%的城市位于HH和LL象限。从2006年到2014年，我国城市经济呈现出集聚的趋势。其次是子系统CT的Moran散点图。在2006年和2014年，这些城市可能会分散在四个象限中，HH和LL象限中的集群数量略多于一个异常值。这直观地证实了CT的正空间自相关并不十分显著。最后根据子系统IE的空间簇和离群值，发现大量城市位于HH和LL象限。从2006年到2014年，HH城市的区位呈现上升趋势。这表明，城市的空间集聚趋势日益增强，进而可能达到更高的经济发展水平。

（4）热点识别结果

第3级中的城市由集群或异常值定义为它们在Moran散点图中的位置。此外，为了确定可持续发展最好的区域，找出空间差异化的动态变化，本文进行了热点分析。利用GOLS估计对YREB中不同显著水平的热点和冷点进行识别和映射。结果发现，热点最集中在东部，而冷点则大量分布在西部。热点代表着UCC聚集程度较高的城市。相应的，冷点是指低UCC值城市被相似的低UCC值城市所包围。第二，从动态角度看，热点和冷点的区域尺度都在不断扩大。这表明，当前的发展模式增强了2006年至2014年的不平衡空间分化。YREB的区域可持续性不协调，这一特征加剧并向更大的区域蔓延。第三，从显著性水平来看，许多热点或冷点的显著性随时间而变化。

4.结论

与单一城市相比，城市群的面积更大、人口更多，在可持续发展方面存在一定的空间差异。本文选取YREB作为案例，对UA（UCC）2006-2014年的综合承载力进行评价。评价框架包括涉及流域特征的4个层次和39个指标。本文进一步对YREB的UCC综合指标进行了空间自相关、空间聚类与离群、热点识别、核密度估计等一系列的空间差异化研究。本文的主要结论如下：首先，综合UCC呈波动下降趋势，说明UA的可持续性相对下降。其次，从YREB的5个子城市群来看，发现YREB可持续发展的不平衡和多样性是不容忽视的。第三，综合UCC值存在正的空间自相关。然而，空间自相关的每个子系统分别体现出不同的倾向。2006年至2014年期间86个城市的空间差异化有所增加。第四，通过对热点和冷点的识别和映射，发现热点集中在东部，而冷点大量分布在西部。在子城市群三角洲和中游地区，中心城市及其卫星城的UCC可以通过相互作用得到增强。本文提出以下政策建议：首先，随着我国经济增速放缓，政策制定者应更多关注改善子系统EE和CT中的指标，优化UCC组成的协调。其次，由于区域发展不平衡，西部子城市群应加强经济增长和要素市场，以赶超东部子城市群。第三，中央政府应设计区域协调机制，提高热点地区的可持续辐射能力。依托长江交通线，带动整个YREB地区由表现良好的城市带动，积极发挥一带一路协同对接的作用。

作者：南开大学经济与社会发展研究院区域经济学2018级博士生 李焕杰

核稿：周玉龙 编辑：刘萌