中国主要城市群经济增长动力分析及其问题区域识别

第34卷 第1期 2018 年1月地理与地理信息科学

GeographyandGeo2InformationScienceVol.34 No.1

January2018

doi:10.3969/j.issn.1672-0504.2018.01.012

中国主要城市群经济增长动力分析及其问题区域识别

孙 丹,欧向军

1

1,2*

,朱斌城,杜 霖

11

(1.江苏师范大学地理测绘与城乡规划学院,江苏徐州221116;2.江苏师范大学城镇化研究中心,江苏徐州221116)

摘要:为探讨经济增长动力问题,以中国九大城市群为例,以125个地级以上城市为研究单元,以2015年为研究截面,运用熵值法对中国主要城市群经济增长动力进行综合评价,并系统划分驱动类型,结合数据包络模型和空间相关分析,对动力水平的效率高低进行测度,并以此为基础,识别经济增长的问题区域。结果表明:1)促进中国主要城市群经济增长动力的要素主要为投资贸易、产业结构、科技创新及城市发展,呈现出东强中西弱、沿海优于内陆的空间分异格局,驱动类型以需求拉动型为主。2)城市群经济增长动力的总体效率较低,技术利用低效与创新缓慢是主导因素,规模结构不合理是制约因素。3)依据经济增长动力与效率的空间关联关系,识别出3种亟须优化的经济增长问题区域,其中以低动力)低效率型为主,创新驱动和城市引导是影响中国主要城市群经济增长质量的核心因素。

关键词:城市群;经济增长;动力;效率;问题区域

中图分类号:F293 文献标识码:A 文章编号:1672-0504(2018)01-0071-07

0 引言

区域经济增长的动力问题一直是区域经济学和经济地理学等学科长期研究的重要领域,也是部门重点关注的热点问题[1]。随着国民经济区域化和全球经济一体化的不断发展[2],城市群逐渐发展成为经济新常态下国家新型城镇化的主体形态,也是中国区域经济增长与协调发展的主要载体。改革开放以来,中国城市群经济蓬勃发展并取得巨大成果,但各城市群经济发展水平分层现象显著,对中国区域经济协调发展提出挑战。因此,综合测度中国主要城市群经济增长动力发展情况,系统分析其空间格局和类型,已成为缩小城市群之间发展差距、加快经济转型以及推进中国工业化、信息化、城镇化、农业现代化协调发展的重要保障。综合国内外相关文献,国外学者的研究以经济增长理论为主,从不同角度对经济增长的模型、因素、联系等方面进行深入研究,为经济增长的动力研究奠定了基础理论与方法。国内学者对经济增长动力的研究起步较晚,机制

[14][4-8]

[3]

动力的研究成果广泛且深入,但大都试图从经济学视角揭示经济增长的动力因素,而从地理学视角对经济增长动力的空间格局探讨较少,且已有研究成果大都集中在要素测度及其转换机制,偏重数学方法和数据选取,鲜有从微观尺度比较分析经济增长的要素和系统划分驱动类型,忽略了经济增长动力与效率的协调测度,缺乏问题区域识别。为此,本文根据/十三五0规划提出的东、中、西及东北/四大板块0战略以及城市群快速建设发展要求[21],选择代表四大板块主要增长极的九大城市群作为研究对象,结合相关数理方法,对2015年各城市群经济增长动力的水平、格局、类型及效率进行综合分析与评价,这对于促进中国城市群经济转型、空间重构、实现协同发展等方面具有一定的理论与实践意义。

1 研究区概况、方法和数据来源

1.1 研究区概况

根据/西部大开发、东北振兴、中部崛起和东部率先发展0这一区域发展总体战略要求,结合各城市城市群,中部选择长江中游和中原城市群,西部选取成渝和关中城市群,东北地区选择辽中南和哈长城市群(表1)。至2015年底,九大城市群以全国16115%的国土面积(155160万km2)和46194%的

研究内容大都集中在要素[9,10]、结构[11,12]、阶段[13]、群经济水平,东部地区选取京津冀、长三角和珠三角

及预测

[16]

[15]

等方面;研究方法主要包括随机前

[17]

沿分析法、增长核算模型法、DEA2Malmquist

[18]

生产率指数方法等;研究区域主要集中在全国或某个省份[19,20]。综上所述,虽然国内关于经济增长

收稿日期:2017-06-26; 修回日期:2017-09-07

基金项目:国家自然科学基金项目(41171118);江苏省社会科学基金基地项目(15JD013)

作者简介:孙丹(1992-),女,硕士研究生,主要研究方向为区域经济学。*通讯作者E-mail:oxjwmy@163.com

第72页地理与地理信息科学 第34卷

年末总人口(518万人),创造了66192%的地区生产总值(45187万亿元)和54171%的固定资产投资

(30175万亿元),其人均地区生产总值为71099170元,是全国平均水平的1143倍。

表1 中国主要城市群的范围

Table1 ScopeofthemainurbanagglomerationsinChina

区域

名称京津冀城市群

东部地区

长三角城市群珠三角城市群

中部地区

长江中游城市群中原城市群

西部地区东北地区

成渝城市群关中城市群辽中南城市群哈长城市群

所辖地级以上城市

北京;天津;河北(石家庄、唐山、秦皇岛、邯郸、邢台、保定、张家口、承德、沧州、廊坊、衡水)上海;江苏(南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州);浙江(杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州);安徽(合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城)广东(广州、深圳、珠海、佛山、江门、肇庆、惠州、东莞、中山)湖北(武汉、黄石、宜昌、襄阳、鄂州、荆门、孝感、荆州、黄冈、咸宁);湖南(长沙、株洲、湘潭、衡阳、岳阳、常德、益阳、娄底);江西(南昌、景德镇、萍乡、九江、新余、鹰潭、吉安、宜春、抚州、上饶)河南(郑州、开封、洛阳、平顶山、新乡、焦作、许昌、漯河)重庆;四川(成都、自贡、泸州、德阳、绵阳、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、雅安、资阳)陕西(西安、铜川、宝鸡、咸阳、渭南)

辽宁(沈阳、大连、鞍山、抚顺、本溪、丹东、营口、辽阳、盘锦、铁岭)黑龙江(哈尔滨、齐齐哈尔、大庆、牡丹江、绥化);吉林(长春、吉林、四平、辽源、松原)

城市群人均GDP/所在区域人均GDP

1165117931202155116711561.8211661.55

注:1)九大城市群所辖地级以上城市范围除辽中南城市群依据文献[22]外,其余均根据各城市群发展规划及其纲要[23]总结而得;2)/城市群

人均GDP/所在区域人均GDP0是以各地市市辖区GDP与人口数据进行计算,表明各城市群是各区域的经济增长极。

1.2 评价指标与数据来源1.2.1 评价指标体系构建

(1)经济增长动力指标体系。区域经济增长要素具有多元互动的特征,它们相互影响、相互作用,共同推动区域经济的持续增长与升级转换,并以一定的结构或秩序形成经济增长的动力。借鉴区域经济增长动力与增长要素的相关研究成果

[1,24]

(2)经济增长效率指标体系。按照系统性、可比

性、代表性及可获取性等原则,选取能体现中国主要城市群经济增长实际情况的投入产出指标(表3)。

表3 中国主要城市群经济增长效率评价的指标体系

Table3 Evaluationindexsystemofeconomicgrowth

efficiencyofmainurbanagglomerationsinChina

指标类型

一级指标

二级指标

投资要素投入人均固定资产投资额(元/人)消费要素投入人均社会消费品零售总额(元/人)

投入指标

资本要素投入人均公共财政支出(元/人)

信贷要素投入人均金融机构人民币各项贷款余额(元/人)产出指标

效率产出

人均地区生产总值(元/人)人均公共财政收入(元/人)

,遵循

指标选取的科学性、可比性和系统性等原则,结合中国城市群实际情况,在/三驾马车0、产业发展等传统经济要素的基础上,加入科技创新、城市发展、引领等要素,从产业升级、需求拉动、创新驱动和城市引导四方面选取16个评价指标,构建中国主要城市群经济增长动力的综合评价指标体系(表2)。

表2 中国主要城市群经济增长动力的综合评价指标体系

Table2 Comprehensiveevaluationindexsystemofdrivingforces

ofeconomicgrowthofmainurbanagglomerationsinChina系统层产业升级

要素层

二、三产业占GDP的比重(X1)二、三产业从业人员数(X2)三次产业结构层次系数(X3)三次产业结构变动系数(X4)社会消费品零售总额增长率(X5)

固定资产投资增长率(X6)人均净出口总额(X7)

人均当年实际使用外资金额(X8)

单位%人%%%%美元/人美元/人人%件元/人元/人%km2%

1.2.2 数据来源 根据2015年中国地级市行政区划,以京津冀、长三角、珠三角、长江中游、中原、成渝、关中、辽中南和哈长9个城市群所辖的125个地级以上城市作为中国主要城市群经济增长动力研究的基本单元。文中涉及的指标数据除人均净出口总额、万人拥有专利申请授权量来源于18个省的统计年鉴和125个城市的52015年国民经济和社会发展统计公报6外,研究区概况涉及数据与其余指标数据均来源于5中国城市统计年鉴20066、5中国城市统计年鉴20166和5中国统计年鉴20166。1.3 研究方法

1.3.1 综合分析法 该方法一般是通过各种综合性指标来研究社会经济现象的一般特征和关系,其基础工作是确定指标的权重,可以分为主观赋权和客观赋权两种类型。由于本文涉及指标数据较多,熵值法能够反映出指标信息熵值的效用价值,避免信息重叠[25],提高研究效率,故选取熵值法对中国城

需求拉动

科学研究、技术服务和地质勘察业从业人员数(X9)创新科学技术支出占地方公共财政支出的比重(X10)驱动万人拥有专利申请授权量(X11)

人均财政科学技术支出(X12)城市引导

市辖区人均GDP(X13)市辖区人口占比(X14)市辖区建成区面积(X15)

市辖区公共财政支出增长率(X16)

第1期 孙丹,欧向军,朱斌城,等:中国主要城市群经济增长动力分析及其问题区域识别第73页

市群经济增长动力进行科学测度和客观分析。系,|Ii|值越大,则其相关程度愈强。

1.3.2 数据包络模型(DEA) DEA是对多输入、2 实证分析多输出的指标体系进行相对有效性评价的客观非参

数方法[26],本文选择以投入为导向的BCC模型,其2.1 城市群经济增长动力的测度分析

为衡量中国主要城市群经济增长动力的强弱,函数形式为[27]:

根据综合评价指标体系,运用熵值法确定各指标的minH

权重,计算出2015年中国九大城市群所辖125个城s.t.EiInxiKx0i[H

(1)市的经济增长动力得分。EiInyiKi\\y0

EKi=1 Ki\\0 i=1,2,3,,,n

式中:minH是目标函数;s.t.是约束条件;Ki为各城市节点在某一指标上的权重;x0、y0分别是城市节点的初始投入值和产出值;同时,模型中的综合效率等于纯技术效率与规模效率的乘积。

1.3.3 双变量局域空间自相关分析 局域空间自相关分析能够揭示各地理单元集聚的具体状况,描述其空间联系模式,通常用LocalMorancsI指数测度城市i和j之间经济增长动力的异质性,运用双变量LI2SA散点图对各城市群经济增长动力与发展效率的相关集聚情况进行可视化表达[28],公式如下[29]:

Ii=ZiEWijZj

i=1n

2.1.1 经济增长的驱动要素具有多元性特征 根据熵值法的原理,对125个地级以上城市的16个指标进行计算,得到各指标和动力系统的权重。拉动中国主要城市群经济增长的要素不仅包括投资、消费和出口构成的/三驾马车0,经济结构、人口增速、科技创新等因素也不断为经济增长做出突出贡献。从评价指标的权重(图1a)看,固定资产投资增长率的权重最大(01098),表明投资在中国主要城市群的经济增长中发挥关键的驱动作用。三次产业结构层次系数、人均当年实际使用外资金额和市辖区人口占比等指标的权重也均在01070以上,表明产业结构优良、贸易互动、人口增长与流动对中国主要城市群的经济增长产生重要影响。从各动力系统的权重(图1b)看,创新驱动和产业升级的权重都在平均值(01250)之上,表明二者是中国主要城市群经济增长的核心驱动系统。

(2)

式中:Zi、Zj分别表示城市i和j测度值的标准化值;Wij为空间权重矩阵;Ii>0(<0)表示城市i与周围邻域经济增长动力与发展效率存在正(负)相关关

图1 基于熵值法的各评价指标和各动力系统的权重

Fig.1 Weightsofeachevaluationindexandeachdrivensystembasedontheentropymethod

2.1.2 经济增长动力水平呈现东强中弱、核心城市强于边缘的特征 为揭示中国主要城市群经济增长动力的水平和格局,以熵值法所得的综合得分为依据,按照自然间断点分级法将125个地级以上城市进行动力强弱划分。中国主要城市群的经济增长动力总体水平较低,具有显著的东强中弱的地域分异特征,城市群内部两极分层现象突出,核心城市动力明显强于边缘城市。从平均得分(图2)看,珠三角和长三角这两个世界级城市群以绝对优势稳居前列,经济发育比较成熟,低值区多位于中西部地区,城市

群之间呈现出东部沿海明显强于中西内陆的空间格局;城市群的标准差与其平均得分高低趋势相近,经济增长动力水平高的城市群内部分异显著,尤其是京津冀城市群的两极分化问题突出,表明城市群内部的发展差异与动力水平基本成正比。从综合得分(图3)看,仅有3218%的城市的综合得分高于平均值(81000),表明2/3的城市经济增长后劲不足,动力水平整体不高,与经济发展水平相似;深圳的经济增长动力水平排名第一,与北京、苏州、东莞、上海、天津、广州、珠海和杭州都位于经济增长动力排名前

第74页地理与地理信息科学 第34卷

列,表明动力强市主要为点状分布的省会城市和副中心城市,大部分城市群边缘城市经济增长动力相对较弱,呈现明显的梯度层次。

南城市群则以需求拉动和城市引导为主;同时,四大板块也呈现出明显的区域差异性,东部地区城市群以创新驱动为主,中部、西部以及东北地区城市群则图2 中国主要城市群经济增长动力水平

Fig.2 Levelsofdrivingforcesofeconomicgrowthof

mainurbanagglomerationsinChina

图3 125个地级以上城市经济增长动力的综合得分

Fig.3 Comprehensivescoreofdrivingforcesofeconomic

growthof125citiesattheprefecturelevel

2.1.3 经济增长的动力类型以需求拉动为主 为揭示九大城市群经济增长的驱动类型,根据熵值法经济增长4个动力系统的得分结果,将得分最高的某一动力系统作为该市经济增长动力的主要类型,各城市群则在下辖范围内选择数量最多的动力类型进行系统划分。中国主要城市群经济增长的动力类型以需求拉动为主。从地级以上城市看(图4),经济增长动力以需求拉动为主的城市占整个研究单元的4516%,而创新驱动型、城市引导型和产业升级型的

城市数量比较均衡,占比分别为1912%、1814%、1618%,表明/三驾马车0等传统型经济增长方式仍占据主导地位;从城市群整体看,长江中游、中原、成渝、关中和哈长城市群经济增长的驱动类型均为需求拉动型,长三角和珠三角城市群的经济增长动力为创新驱动型,而京津冀城市群为产业升级型,辽中

均以需求拉动为主。

图4 125个地级以上城市经济增长的动力类型

Fig.4 Drivingtypesofeconomicgrowthof

125citiesattheprefecturelevel

2.2 城市群经济发展效率的测度分析

为检验中国主要城市群经济增长动力的发展质量,根据效率评价指标体系,运用DEA模型系统评价各项效率指标。

2.2.1 经济增长效率受粗放型规模增长拉动 借助Deap211软件,根据相关文献的分级方法,设定效率值等于1为高效率,018~110为中等效率,016~018为低效率,小于016为无效率[30,31]。中国主要城市群经济增长效率整体较低,以粗放型的规模增长为主,内部各地市技术差异较大。从总体效率看

(表4),仅有珠三角、辽中南、长三角和长江中游城市群达到综合效率最优的80%,哈长、成渝城市群因纯技术低效率而使其综合效率排名落后,京津冀、中原和关中城市群由于纯技术和规模发展不到位而制约经济增长;从变异系数看,中国主要城市群纯技术效率的相对差异远大于规模效率,京津冀、哈长和关中城市群内部相对差异矛盾突出,除中原城市群存在规模不足问题外,其余8个城市群内部技术水平分化严重。以上综合分析表明,技术的高效利用与创新进步是提高经济增长综合效率的关键环节,城市群的竞争力与可持续发展能力亟须增强。

2.2.2 经济增长效率南高北低、沿海优于内陆 对

中国主要城市群所辖的125个地级以上城市的经济增长效率进行分解测算,并运用ArcGIS1012软件进行可视化表达。从综合效率看(图5),125个地级以上城市经济增长的综合效率整体水平较低,高值区多分布于长江以南和环渤海地区,地处城市群边缘

第1期 孙丹,欧向军,朱斌城,等:中国主要城市群经济增长动力分析及其问题区域识别第75页

表4 中国主要城市群经济增长效率及其变异系数

Table4 Economicgrowthefficiencyanditsvariationcoefficients

ofmainurbanagglomerationsinChina

效率

变异系数城市群综合纯技术规模综合纯技术规模效率效率效率效率效率效率京津冀0.7210.8050.20.2350.1830.111长三角0.8510.8760.9690.1340.1090.042珠三角0.9250.9390.9840.00.0710.026长江中游0.8090.8880.9090.1570.1080.093中原0.7520.8300.9040.0990.0560.062成渝0.6250.7600.8240.1210.1010.090关中0.7900.8680.9120.1610.1680.054辽中南0.50.9120.9810.0950.0780.032哈长0.6880.7590.9070.2100.1750.100总体

0.784

0.849

0.920

0.145

0.117

0.068

地区,低值区位于西北、东北地区。综合效率的平均值为01786,近一半的城市处于效率中等以上水平;其中,达到最优的只有上海、苏州等12个城市,邢台、荆州等16个城市未达到效率有效状态。

图5 中国主要城市群经济增长效率的空间分布

Fig.5 Spatialdistributionofeconomicgrowthefficiency

ofmainurbanagglomerationsinChina

2.3 城市群经济增长问题区域识别

为探讨中国主要城市群经济增长问题,将动力与发展效率进行空间关联,运用GeoDA软件,对经济增长动力与效率进行双变量局域空间自相关分析,结合驱动类型,识别经济增长的问题区域,提出针对性建议,为其可持续发展奠定基础。中国主要城市群经济增长呈现动力疲软、效率低下态势发展,经济发展不协调问题凸显,经济增长质量受限于东南沿海优于西北内陆、城市群核心与边缘城市两极分化的空间格局。将全部地级单元分为4类(图6),问题区域为后3种类型。

2.3.1 高动力)高效率型 指自身和周边地区经济增长的动力与效率均较高的显著正相关单元,有深圳、上海等30个城市;空间上多分布于长三角、珠三角城市群及部分城市群的核心城市,与经济水平较为匹配,多为人均GDP高值地区。该类型中,近

图6 中国主要城市群经济增长动力与效率的

双变量空间自相关LISA集聚图

Fig.6 LISAclustermapofdrivingforcesandefficiencyofeconomicgrowthofmainurbanagglomerationsinChina

半数城市的经济增长以创新驱动为主要动力,1/3的城市经济增长驱动类型为城市引导,能够较好地将资源禀赋、地理区位、扶持等优势转化为经济发展成果,创新驱动和城市引导是城市群经济增长的核心动力,对经济发展质量具有关键的影响力。2.3.2 低动力)低效率型 指自身和周边单元经济增长动力及效率均较低的显著正相关地级单元,该类型的城市数量最多,包括石家庄、吉林等全国38140%的城市;除长三角和珠三角城市群外,多位于其他城市群的经济低水平地区,属于经济增长的薄弱地带。该类型中,需求拉动型城市占比近2/3,产业升级为次要动力类型,经济发展缓慢,空间极化效应较强,其经济资源配置不合理,需求拉动和产业升级是该类型城市群经济发展初级阶段的基本动力。

2.3.3 低动力)高效率型 指自身动力弱而其周边地区效率较高的显著负相关地级单元,除成渝城市群外,集中分布在各城市群边缘地带,人均GDP处于中等以下水平,属于城市群核心城市辐射带动的潜力型城市。其中,61111%的城市经济增长动力以需求拉动型为主,内需不足是该类型城市群经济增长形成梯度差异的主要障碍因素。

2.3.4 高动力)低效率型 指自身动力强而其周边效率低的显著负相关地级单元,除哈长、关中和珠三角城市群外,主要分布于各城市群的省会和核心城市,人均GDP多处于中等以上水平,多处于经济发展瓶颈期。该类型中,4种驱动类型均匀分布,该类型城市群经济发展存在投入冗余、经济辐射能力较差的问题。

3 结论与建议

本文以中国九大城市群为例,以125个地级以

第76页地理与地理信息科学 第34卷

上城市为研究单元,以2015年为研究截面,运用熵值法、数据包络模型以及空间自相关,对中国主要城市群经济增长动力的强弱、驱动类型、增长效率与空间格局进行了系统分析,并识别经济增长问题区域,提出了针对性的建议。

3.1 主要结论

(1)城市群经济增长要素具有多元特征,动力水平呈显著的地域分异格局,驱动类型以需求拉动型为主。投资贸易、产业结构、科技创新及城市发展是促进中国主要城市群经济增长的主要动力要素;与势转化为市场机遇,以科技创新为动力引擎,大幅增加科技投入,积极发展集约生态型绿色产业,实现绿色经济的可持续发展。

(3)各城市群之间、城市群内部建立高效全面的合作机制与互惠互利的共享机制,推动要素、资源自由流动;经济增长较快城市应积极寻求新的发展机遇,增强经济辐射能力,制定投入)产出的调节机制,规避资源浪费现象;问题区域在扩大内需的基础上,应以科技创新为主要发展路径,制定区域激励与补偿机制,积极吸收周边地区经济成果,实现区域共经济发展水平相对应,珠三角和长三角城市群经济增长动力强劲,整体呈现出东强中西弱、沿海优于内陆的空间分异格局,符合/核心)边缘0的两极分化特征;与经济发展阶段相呼应,处于经济增长动力高水平层次的珠三角和长三角城市群为创新驱动型,内部分化严重的京津冀城市群为产业升级型,经济发育初级阶段的长江中游、中原、成渝、关中和哈长城市群均为需求拉动型,辽中南城市群为需求拉动和城市引导型。

(2)城市群经济增长动力的总体效率较低,技术创新发展滞后。中国主要城市群经济增长的综合效率较低,长江以南、环渤海与西北内陆地区形成两级分化的空间集聚格局,生产要素投入与产出效力不对等,技术利用低效与创新缓慢是主导因素,规模结构不合理是制约因素。

(3)中国主要城市群经济增长动力与效率的空间匹配模式以低低集聚为主,创新驱动和城市引导是影响中国主要城市群经济增长质量的核心因素。经济增长动力与发展效率具有显著的空间关联性,二者的协调发展受到城市群核心与边缘城市的梯度差异影响;经济增长问题区域分为3类,其中以低动力)低效率型城市数量最多、空间分布最广,多以需求拉动为主要经济增长动力,城市经济增长质量普遍不高,综合竞争力与可持续发展能力有待增强。3.2 主要建议

(1)相关部门不断改善城市群发展规划,依据各城市群及其各地市的资源禀赋、地理区位,形成合理的区域发展目标与定位,建立科学的发展路径;做到以城市化、新型城镇化为发展导向、以产业升级为抓手、以科技创新为手段、以品牌建设为战略,不断提升经济效益和质量。

(2)加快城市经济转型,引导传统产业升级与优化,淘汰与整改高耗能、高污染产业,大力培育新兴产业,推动产业结构高级化演进;将资源、等优

赢的发展局面。

需要指出的是,本文仅对中国主要城市群经济增长动力的强弱、类型与效率进行初步分析,由于涉及范围较广,受到数据收集、指标统计的,仅选择2015年一个时间截面进行动力分析,缺乏格局演化研究是本文的局限所在,今后将选择更长时间作为研究尺度,更准确地把握城市群经济增长动力的格局演化规律,探索更具针对性的经济发展路径。

参考文献:

[1] 欧向军,顾雯娟.江苏省经济增长动力的时空分析[J].地理研

究,2016,35(5):966-976.

[2] 苑清敏,邱静,冯东.基于SBM2Undesirable模型的中国三大城

市群经济增长效率研究[J].干旱区资源与环境,2015,29(9):7-12.

[3] 方创琳.科学选择与分级培育适应新常态发展的中国城市群

[J].中国科学院院刊,2015,30(2):127-136.

[4] SOLOWRM.Acontributiontothetheoryofeconomicgrowth

[J].QuarterlyJournalofEconomics,1956,70(1):65-94.[5] 郝春虹.内生增长理论对公共支出与经济增长关系的解

释)))来自中国1952-2011年的经验证据[J].财经理论研究,2013(1):10-20.

[6] ROMERPM.Increasingreturnsandlong2rungrowth[J].Journal

ofPoliticalEconomy,1986,94(5):1002-1037.

[7] BARRORJ,SALAIMARTINX.Economicgrowthandconver2

genceacrosstheUnitedStates[J].SocialScienceElectronicPublishing,1990,86(4):549-580.

[8] NAINIA,KATSURISD.Economicgrowthandenergytrends

inChina[J].JournalofCanadianPetroleumTechnology,1997,36(7):36.

[9] 孙超,谭伟.经济增长的源泉:技术进步和人力资本[J].数量经

济技术经济研究,2004(2):60-66.

[10] 武鹏.改革以来中国经济增长的动力转换[J].中国工业经济,

2013(2):5-17.

[11] 姚红义.中国经济增长动力结构分析:1952-2008[J].经济问

题探索,2011(6):1-5.

[12] 姜巍,徐文.中国传统经济增长动力结构的特征、危机与提升

[J].经济问题探索,2011(8):12-16.

[13] 陈守东,孙彦林,毛志方.新常态下中国经济增长动力的阶段转换

第1期 孙丹,欧向军,朱斌城,等:中国主要城市群经济增长动力分析及其问题区域识别第77页

研究[J].西安交通大学学报(社会科学版),2017,37(1):17-24.

[14] 江飞涛,武鹏,李晓萍.中国工业经济增长动力机制转换[J].

中国工业经济,2015(5):5-17.

[15] 翁媛媛,高汝熹.中国经济增长动力分析及未来增长空间预测

[J].经济学家,2011(8):65-74.

[16] 余泳泽.改革开放以来中国经济增长动力转换的时空特征

[J].数量经济技术经济研究,2015(2):19-34.

[17] 陈彦斌,刘哲希.经济增长动力演进与/十三五0增速估算[J].

改革,2016(10):106-117.

[18] 聂鹏,李京晓.中国经济持续增长的动力与质量研究)))基于

DEA2Malmquist的实证分析[J].中国物价,2013(2):36-39.

[19] 李在军,胡美娟,马志飞,等.中国地市经济增长的时空演变及

机制分析[J].地理与地理信息科学,2015,31(6):88-93.

[20] 来佳飞,杨祖增,冯洁.浙江经济增长动力结构和机制转换研

究[J].浙江社会科学,2016(4):144-147.

[21] 盛广耀.推进以城市群为核心的区域发展战略[J].环境经济,

2016(Z4):86-.

[22] 关伟,周忻桐.辽中南城市群空间相互作用的时空演变[J].经

济地理,2014,34(9):48-55.

[23] 王伟,张常明,陈璐.中国20个重点城市群经济发展与环境污

染联动关系研究[J].城市发展研究,2016,23(7):70-81.

[24] 马国霞,田玉军,王志强.京津冀都市圈经济增长区域差异及

其动力机制量化分析[J].中国科学院研究生院学报,2007,24(4):446-452.

[25] 欧向军,甄峰,秦永东,等.区域城市化水平综合测度及其理想

动力分析)))以江苏省为例[J].地理研究,2008,27(5):993-1002.

[26] 许新宇,陈兴鹏,崔理想.基于DEA和Malmquist模型的甘肃省城

市效率及其变化[J].干旱区资源与环境,2013,27(9):12-17.

[27] 叶磊,段学军,吴威.基于交通信息流的长三角地区网络空间

结构及其效率研究[J].地理研究,2016,35(5):992-1002.

[28] 刘艳芳,谷兴,李春燕,等.基于局域空间自相关的城市ATM

空间布局分析)))以武汉市武昌区为例[J].安徽农业科学,2015,42(14):4320-4325.

[29] 蒲英霞,葛莹,马荣华,等.基于ESDA的区域经济空间差异分

析)))以江苏省为例[J].地理研究,2005,24(6):965-974.

[30] FANGCL,GUANXL,LUSS,etal.Input2outputefficiency

ofurbanagglomerationsinChina:AnapplicationofDateEn2velopmentAnalysis(DEA)[J].UrbanStudies,2013,50(13):2766-2790.

[31] 潘竟虎,胡艳兴.中国城市群/四化0协调发展效率测度[J].中

国人口资源与环境,2015,25(9):100-107.

ProblemRegionsDiagnosisandAnalysisofDrivingForcesofEconomic

GrowthofMainUrbanAgglomerationsinChina

SUNDan1,OUXiang-jun1,2,ZHUBin-cheng1,DULin1

(1.CollegeofGeographySurveyingandRuralUrbanPlanning,JiangsuNormalUniversity,Xuzhou221116;

2.CenterforUrbanizationStudies,JiangsuNormalUniversity,Xuzhou221116,China)

Abstract:Inordertoinvestigatethedrivingforcesofeconomicgrowth,takingnineurbanagglomerationsinChinaasastudycase,and125citiesattheprefecturelevelastheresearchunit,theentropymethodwasusedtoanalyzethedrivingforcesofeco2nomicgrowthin2015,thenthemajortypesofdrivingforcesweredivided.TheDEAmodelandspatialcross2correlationwereusedtomeasuretheefficiencyofdrivingforces.Onthisbasis,theproblemregionsofeconomicgrowthwereidentified.Themainconclusionsareasfollows:1)Investment,industrystructure,technologicalinnovationandcitydevelopmentaremaindrivenfac2torsofpromotingtheeconomicgrowthofmainurbanagglomerationsinChina.Theyshowdifferentialfeatures:eastisstrongerthanwest,andcoastalcitiesarestrongerthaninlandcities.Themajordrivingforcetypeofeconomicgrowthisdemandpull.2)Theoverallefficiencyofeconomicgrowthofurbanagglomerationislow,andtheinefficientuseoftechnologyandtheslowpaceofinnovationarethedominantfactors,andtheirrationalstructureofscaleistheconstraintfactor.3)Threeproblemregiontypeswhichneedtobeoptimizedwererecognized,andlowpowerandlowefficiencyaremaintypes.InnovationdrivenandurbanguidancearethekeyfactorsthataffectthequalityofeconomicgrowthinthemainurbanagglomerationsinChina.Keywords:urbanagglomeration;economicgrowth;drivingforces;efficiency;problemregion