我国城市网络效应对经济增长的影响分析

■ 绽逸博 侯思华（湖南大学经济与贸易学院 长沙 410079）

引言

Camagni和Salong（1993）提出了“城市网络”理论，以解释新型城市体系组织结构。我国各级政府也意识到跨区域城市合作的意义，这使得我国城市网络发展成为可能。行业间与企业间的关联行为强化了地区间的经济联系，促进了我国城市网络的形成。我国已经形成了北上广“三级多核”的城市网络空间格局，网络体系的节点城市主要集中在环渤海、长三角、珠三角城市群，并且城市网络有扩散趋势，城市间的连接更加紧密，连接通道增多。

现有城市网络的研究借鉴复杂网络分析方法或连锁网络模型（Taylor，2001），以刻画城市体系的网络结构和特征为主，忽略了其经济学效应。虽有从经济学的角度阐述并实证研究城市网络效应对经济增长的影响，但是其存在不足。在网络体系中以城市为节点，一个城市受到其他城市的影响、获得网络效应的同时，也会对其他城市产生网络效应。如果将这两种效应加以区分，可以将城市受到的网络效应称为城市需求网络效应，而将其对其他城市的网络效应称为供给网络效应。现有研究普遍忽视了城市供给网络效应。本文将同时从需求和供给两个角度构建网络效应度量指标，并计量检验网络效应对经济增长的影响。

文献综述

Castells（1996）指出城市间的联系是通过城市间的各种流（资本流、信息流、技术流等）形成的，“流”将传统的区域经济从块状分割引申到网络。传统城市等级模式下的“流”被严格地限定在区域行政等级内部，而网络模式下的“流”不仅紧密连接着行政区域内部的城市，而且通过跨越边界的“流”的互动产生网络效应。Taylor（2001）基于企业空间关系“流”提出的连锁网络模型得到了大量的应用，但是企业关系数据难以反映城市体系的网络效应。学者们采用复杂网络分析方法基于产业的研究强调了城市体系的网络特征（冷炳荣等，2011；吕康娟、王娟，2011）。本文以制造业和生产性服务业上下游协同发展为基础，构建城市网络效应影响经济增长的理论模型和城市网络效应指标体系。

Boix and Trullén（2007）分析了网络效应对经济增长的影响，指出集聚效应大于网络效应，并采用空间计量方法区分了城市协同网络效应和互补网络效应。柯善咨（2009）和Ke and Feser（2010）根据空间联立方程分析了我国城市体系上级对下级的增长效应和下级对上级的市场区效应，以及同等级城市间的空间溢出效应。柯善咨、王莎（2011）和王莎（2011）从技术外部性和金钱外部性分析了城市网络效应产生的机理，区分了城市竞争网络效应和互补网络效应，并认为竞争网络抑制经济增长，互补网络促进经济增长。现有研究已经证实我国各地区存在明显的需求关联效应和供给关联效应，本文将同时从需求和供给角度分析城市网络效应对经济增长的影响。

本文的边际贡献在于，构建了城市需求与供给网络效应的测度指标，并实证研究城市需求和供给网络效应对经济增长的影响。

基于上下游产业关联的城市网络计量模型设定

本文首先借鉴新经济地理学中间投入品理论，构建两城市制造业和生产性服务业基于中间投入关系的城市网络效应计量检验模型：

方程（1）说明城市制造业增长受到劳动（L）、资本（K）、本市生产性服务业（i,sf）和其他城市生产性服务业（j,sf）和城市交易成本（τ）的影响。对方程（1）取对数，并转化为人均形式，用参数αi（i=1，2，…）分解复合参数，并用时间下标t表示时期，得计量方程：

方程（2）中ki是城市i的资本存量，包括物质资本和人力资本等；yi，sf是城市i生产性服务业产出，yj，sf的参数α4测度城市需求网络效应；τi表示城市i与其他城市的交易成本。误差项具有面板数据模型的通常结构，εit=ui+eit，其中ui是城市间固定效应的差别，eit表示无法解释的随机误差。

由于城市i生产性服务业也可作为其他城市中间投入，可被视为一种服务出口，这反过来也会促进城市自身经济增长。那么，城市i的非农经济增长不仅受到本市制造业和非生产性服务业的影响，也受到生产性服务业“出口”的影响，这便是城市的供给网络效应。城市i的非农经济增长可用函数yi=f(Yi，m，Yi，nf，Yi，sf’，A)表示，其中Yi，m表示本市制造业产值，Yi，nf表示城市消费性服务业（即非生产性服务业）产值，Yi，sf’表示本市生产性服务业对其他城市的中间投入，A表示其他因素。对城市i的总产出求全微分，稍作变换可得

整理方程（4），将制造业产出根据（1）替换为基本投入（中间投入不计），并转化为人均形式，用参数αi（i=1，2，…）分解复合参数，并用时间下标t表示时期，得计量方程：

方程（5）说明城市非农经济增长受到资本、本市消费性服务业、其他城市生产性服务业和城市交易成本的影响，参数α3测度城市供给网络效应。误差项ξit与εit结构相同。

变量与数据描述统计分析

我国从2003年起实行新的《国民经济行业分类》（GB-T4754-2002），因此，本文采用2003年至2012年地级及以上城市作为观测样本。为了统一统计口径，通过调整行政区划，本文剔除了2012年铜仁市、毕节市、三沙市，2011、2012年将巢湖市并入合肥市，2003年增加陇南市、中卫市，剔除拉萨市数据，最终确定285个城市样本。方程（2）的被解释变量是市辖区第二产业人均GDP，采用市辖区GDP乘以市辖区第二产业占GDP的比重再除以市辖区总人口计算获得。方程（5）的被解释变量是市辖区非农人均GDP。GDP数据均采用以2000年不变价计算，平减指数为各省城市居民消费价格指数。

根据Castels（1996）“流的空间”理论并借鉴现有文献（柯善咨、王莎，2011；王莎，2011）网络效应指标的构建方法。本文认为城市网络效应可以采用产业规模、生产性服务流和城市关联度衡量。生产性服务流采用生产性服务业就业的空间滞后表示。城市需求网络效应为表示其他城市生产性服务业就业对城市i的空间滞后的总和，N是城市个数（285个），dij表示城市间距离，且如果i=j，则dij=0。Yi，m表示城市制造业产值，用城市第二产业GDP表示。ρ表示城市关联度，用城市国际互联网用户数表示。城市供给网络效应为表示城市i生产性服务业就业对其他城市的空间滞后的总和。Yi，sf表示城市生产性服务业产值，根据城市服务业产值和生产性服务业就业占服务业就业比重计算获得。

本文根据《中国2007年投入产出表》计算制造业对服务业消耗系数，并从中选取7个消耗系数较高的行业作为生产性服务业，包括：交通运输、仓储及邮政业，信息传输、计算机服务和软件业，批发和零售业，住宿和餐饮业，金融业，租赁和商务服务业，科学研究、技术服务和地质勘查业，剩余7个为消费性服务业。

其他变量的测度如下。城市人均资本存量的估算采用2000年各城市市辖区限额以上工业企业流动资产年平均余额和固定资产年平均余额估计限额以上工业资本存量，再以第二产业占GDP比重估计2000年各城市全社会资本存量。2000年以后各年资本存量用永续盘存法计算，其中，Ki，t表示城市i第t期资本存量，δ是年折旧率，取5%，Ii，t表示固定资产投资，考虑到固定资产投资的建设周期，计算时滞后一期，di，t-1是城市所在省份的固定资产投资价格指数，并滞后一期。城市人力资本采用城市市辖区每万人中普通高等学校学生数。城市基础设施建设采用市辖区每万人公共汽车数和市辖区城市人均道路面积。我国没有直接公布的城市间交易成本数据，本文以城市人均货运量测度，货运量越多，城市交易成本越低，并采用滞后一期数据降低内生性（见表1）。

我国城市网络效应现状描述与计量分析

（一）我国城市网络效应现状描述

本文以制造业和需求网络效应为例，绘制2012年我国285个节点城市制造业中心与需求网络效应示意图。首先将285个城市受到的网络效应根据4分位值分为4份，从小到大依次标记为1、2、3、4。图1表明我国制造业中心与次中心主要分布在东部沿海地区和中西部及东北部分地区，在环渤海、长三角和珠三角呈现一定的集聚。但也有一些区位偏远、孤立的制造业中心城市，例如新疆克拉玛依市、甘肃嘉峪关市、四川攀枝花市等。图2表明各节点城市受到的需求网络效应与制造业规模分布相似，主要是因为这些区域具有明显的城市产业规模优势和交通运输优势。以河北廊坊市为例，虽然廊坊为普通地级市，制造业规模较小，但由于其处于京津走廊之间，因而受到的网络效应与北京和天津两大省级直辖市处于同一等级。上述攀枝花等城市受到的需求网络效应却较低。其虽为制造业中心，但由于区位偏远，丧失了交通运输优势，因而无法受到其他城市生产性服务业的有效支撑，从而降低了自身受到的网络效应。但是无论城市区位多么偏远，总是会受到或多或少的网络效应，这是因为网络效应能在远距离发挥作用。虽然两城市间的网络效应随着距离的增加而衰减，但以城市自身为圆心，以空间距离为半径，随着距离增加圆内包含的城市数量逐渐增加，则圆心城市受到的来自其他城市总的网络效应也相应累积增加。因此推断中部地区各城市受到的网络效应应当最强，而事实却不然。这主要是因为网络效应的大小主要取决于本地产业规模。

图1 2012年我国城市网络体系中285个节点城市制造业规模等级

表1 2012年我国285个地级及以上城市截面数据描述统计量

表2 城市网络效应对经济增长的FE回归结果

图2 2012年我国城市网络体系中285个节点城市需求网络效应

我国各节点城市供给网络效应与此同理，不再赘述。但值得注意的是，乌鲁木齐市、西宁市、兰州市等西部城市虽然受到的需求网络效应很弱，但是其供给网络效应较强。可能是因为作为省会它们依然发挥着中心城市的作用，为腹地的生产和发展提供支持。

（二）城市网络效应对经济增长的计量分析

本文采用2003-2012年连续十年的面板数据。使用Hausman检验来确定未控制固定效应的误差项是否包含与解释变量相关的缺失成分，因而造成了有偏且不一致的参数估计。下述方程的Hausman检验在P<0.01的显著性水平下都拒绝了个体固定效应与解释变量不相关的原假设。因此，本文采用固定效应模型保证参数估计的一致性。两个模型的Std dev（u）统计量大于Std dev（e），表明面板数据中城市个体效应是误差项εit和ξit的主要成分。

表2中，方程I和方程II的估计结果都与理论预期相同。首先简单说明控制变量的参数估计。资本存量与两个服务业变量的估计结果意味着物质资本投资和服务业的发展是我国经济增长的主要引擎。人力资本变量不显著，可能是因为我国大学生异地就业和发达城市对人力资本的“虹吸效应”。城市基础设施也显著地影响经济增长。城市间交易成本在两个方程中显著性不同，可能是因为货运量只能够刻画工业生产的交易成本，而无法衡量服务业的交易成本。

接着分析城市网络效应。城市生产性服务业受到的需求网络效应来自于制造业对中间投入的需求。需求网络效应衡量的是城市网络市场潜力对生产性服务业增长的作用。制造业受到的供给网络效应来自生产性服务业的中间投入。供给网络效应衡量的是城市网络中间投入品可得性对制造业增长的作用。网络效应的参数估计显示，需求网络效应对经济增长的弹性大于供给网络效应。人均城市需求网络效应增加1个百分点，人均工业产出相应地约增长0.0056个百分点。而人均城市供给网络效应增加1个百分点，人均非农产出相应约增长0.0029个百分点。但是，表2的数据表明，增加1%的人均需求网络效应引起人均工业产出增长1.47元，增加1%的人均供给网络效应引起非农产出增长1.36元，相差无几。不过，需求网络效应的边际产出率仍大于供给网络效应。

结论与建议

本文分析了城市网络效应对经济增长的影响。结果显示，网络效应对经济增长具有重要的促进作用，网络效应不同于集聚的空间外部性，其空间作用范围更广，弥补了集聚效应在远距离空间范围上的不足，从而增加了城市体系的联系，提高城市体系经济的增长。在网络模式下，城市经济增长依赖于自身产业规模和城市间关联度。因此，政府在促进城市自身产业发展的同时，要加强与其他城市的交流与合作，降低区域壁垒，促进本市产业和企业的跨区域合作，从而获得网络效应，促进经济增长。我国城市网络体系中大城市要素集聚、产业成熟、规模较大，但增长瓶颈明显；而中小城市要素匮乏、发展不足。只有加强城市间协同合作才能充分发挥和利用网络效应，促使我国城市网络体系共同成长。城市需求网络效应和供给网络效应都显著地促进经济增长，但需求网络效应对经济增长的弹性和边际生产率较大。但是现阶段供给网络效应和需求网络效应对经济产出增长价值的影响几乎相等。

1.Camagni R P，Salone C.Network urban structures in northern Italy：elements for a theoretical framework[J].Urban studies，1993，30（6）

2.Taylor P J.Specification of the world city network[J].Geographical analysis,2001,33(2)

3.Boix R，Trullén J.Knowledge，networks of cities and growth in regional urban systems*[J].Papers in Regional Science，2007，86（4）

4.柯善咨，王莎.中国城市体系中的网络效应[R].工作论文，2011

5.王莎.中国城市体系中的网络效应研究[D].湖南大学，2011

6.Castells,Manuel.The Rise of the Network Society[M].Oxford:Blackwell，1996

7.冷炳荣，杨永春，李英杰，赵四东.中国城市经济网络结构空间特征及其复杂性分析[J].地理学报，2011（2）

8.吕康娟，王娟.长三角城市群网络化发展研究[J].中国软科学，2011（8）

9.Ke S，Feser E.Count on the growth pole strategy for regional economic growth?Spread–backwash effects in Greater Central China[J].Regional Studies，2010.44（9）