EN中文

地理学报 >

2024 , Vol. 79 >Issue 4: 819 - 836

DOI: https://doi.org/10.11821/dlxb202404001

城乡发展与人口流动

中国城市区域高质量发展时空分异及影响因素

  • 伏润得 , 1, 2 ,
  • 杨振山 , 1, 2
展开
  • 1.中国科学院地理科学与资源研究所 中国科学院区域可持续发展分析与模拟重点实验室，北京 100101
  • 2.中国科学院大学，北京 100049
杨振山(1979-), 男, 新疆博乐人, 博士, 研究员, 博士生导师, 研究方向为城市与区域可持续发展。E-mail:

伏润得(1996-), 男, 四川南充人, 博士生, 主要从事城市地理与区域可持续发展研究。E-mail:

收稿日期: 2023-03-20

  修回日期: 2023-11-06

  网络出版日期: 2024-04-18

基金资助

国家自然科学基金项目(42271249)

国家自然科学基金项目(42142022)

收起

Spatio-temporal differentiation and influencing factors of high-quality development of cities in China

  • FU Runde , 1, 2 ,
  • YANG Zhenshan , 1, 2
Expand
  • 1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2023-03-20

  Revised date: 2023-11-06

  Online published: 2024-04-18

Supported by

National Natural Science Foundation of China(42271249)

National Natural Science Foundation of China(42142022)

Fold

摘要

全面建设社会主义现代化国家新征程下，高质量发展必然是秉轴持钧的关键。基于新发展理念，通过梳理城市高质量发展的理论内涵，构建了包含创新、协调、绿色、开放、共享在内的5个维度的综合评价指标体系，并运用空间分析、俱乐部收敛检验以及空间杜宾模型分析了2005—2020年中国城市发展质量的时空演变特征及其影响因素。结果显示，研究期间中国城市发展质量平均水平提升了48.4%，低水平城市数量显著缩减，城市发展质量的空间分布模式发生转变且空间聚集特征显著；城市发展质量不平衡的局面尚未根本扭转，差距弥合挑战仍然较大，且高质量发展进程中城市间存在显著的角色分化，在全国及区域层面均形成“示范—追赶”模式，其中北京、上海、深圳等11个城市成为高质量发展的先行者；城镇化、政府投资、数字经济、环境规制以及经济增长均能显著促进城市发展质量水平的提升，城市规模与发展质量则呈现倒“U”型关系。新时期实现中国城市高质量发展目标仍需要在中西部地区持续着力，发挥先行者的示范作用，需要持续推动数量增长、强化环境规制、培育数字经济新业态以及优化城市规模体系。

关键词： 城市; 高质量发展; 时空格局; 俱乐部收敛; 空间杜宾模型; 中国

本文引用格式

伏润得 , 杨振山 . 中国城市区域高质量发展时空分异及影响因素[J]. 地理学报, 2024 , 79(4) : 819 -836 . DOI: 10.11821/dlxb202404001

Abstract

The quality of development is crucial for China to comprehensively build a socialist modern country. Drawing on related concepts of development in quality, the paper conceptualizes a city in high-quality development and proposes a stylish framework with five dimensions to evaluate it, in line with the New Development Philosophy, which is composed of innovation, coordination, greenness, openness and sharing. Using the methods of spatial analysis, club convergence test and spatial Durbin model, the paper identified the spatial evolution of the quality of city development in China and associated determinants during 2005-2020. On average, the level of city development quality increased by 48.4% during the study period. The number of cities at low-level of quality in development decreased dramatically, accompanied by a profound transformation in the spatial pattern of city development quality, which presents significant spatial aggregation. The spatial imbalance remains for cities with different development qualities, and the challenge is still huge to narrow the gap. With significant role differentiation among cities, a "pioneering-catching up" pattern emerges, and the 11 pioneering cities such as Beijing, Shanghai and Shenzhen have become the pioneers of high-quality development in China. Key determinants for cities achieving high quality in development includes urbanization level, public investment, digital economy, environmental regulation and economic growth, while there is inverted U-shaped relationship between city size and development quality. To achieve the goal of high-quality city development in the new era, it is necessary to focus on the development of cities in the central and western regions, making full use of the demonstration role of pioneers, promoting quantitative growth, strengthening environmental regulations, cultivating the new forms of digital economy, and optimizing the city size hierarchy.

Key words： city; high-quality development; spatial and temporal pattern; convergence club; the spatial Durbin model; China

1 引言

中国共产党“二十大”报告指出，高质量发展是全面建设社会主义现代化国家的首要任务，要加快构建新发展格局，着力推动高质量发展。这意味着全面建设社会主义现代化国家迈入关键期与新征程。1978年改革开放以来，中国实现了举世瞩目的经济跃升，然而高速增长的背后伴随着发展效率低下、资源消耗过度、增长稳定性不足等一系列现实问题。尤其是近年来国际局势愈发复杂，中国发展面临巨大的下行压力，依靠投资与要素驱动的发展模式难以为继[1]。城市区域是城市核心区、边缘区与广大农村腹地间社会、经济及制度紧密关联的地域单元[2]。作为推动经济增长和建设社会主义现代化的主阵地，长期以来数量增长而非质量增长是中国城市发展的焦点。重“量”轻“质”的做法导致粗放的城市发展[3]，产生诸多发展问题。因此新时期城市发展需要更加依赖质量优先、结构优化与创新驱动的增长，而非数量与速度[4]。如何提升城市发展质量，实现高质量发展目标是新时期深化发展转型，夯实发展成就，实现由“富”到“强”的重要时代议题。
当前城市高质量发展研究主要围绕高质量发展内涵、评价体系和发展质量提升路径等方面展开[5-6]，广泛的共识是已有研究还停留在概念辩驳与探索阶段，缺少系统性的认识与深入的理论分析[7]。早期城市发展质量的内涵界定多从城镇化视角展开，将城镇化质量视为社会经济质量和环境质量的有机统一[8⇓-10]。城镇化视角的探索是以经济建设为中心发展背景下的产物，物本发展观下对质量的认识并未跳脱数量增长范畴[11]，更多关注城镇化过程中所取得的数量成就。后续许多研究在对城市发展质量内涵剖析时其实并未脱离城市化的概念内核[7]。而随着城市发展观的更迭，对生态环境的关注，以及城市发展质量测评体系和手段逐渐多元化[11]，很多研究有意识地开始关注城市系统综合效益与多维评价体系的构建。尤其是在高质量发展政策化以来，越来越多的研究开始强调城市发展质量体现在城市“质”与“量”的协调[12-13]，不仅需要关注物质系统的数量增长，同时也需要关注发展进程中的关键内容如机会的分配、环境的可持续性、风险的管理以及结构的治理等非物质概念[14-15]，并着眼于城市的多维发展水平与状态[16-17]。
纵观现有研究，城市高质量发展的理论内涵、定量测度及时空演化等已有大量的有益探索，但仍然存在以下几个方面的不足：① 评判标准上，由于质量内涵的模糊界定，城市发展质量的评判标准研究尚且薄弱，很多发展质量评价体系缺乏对发展效率的实质关注；② 关注城市发展质量区域差距动态演变的研究仍较缺乏，对城市发展质量差距是否存在某种收敛或发散，以及这种差距演变的重要来源研究不足；③ 尺度仍不够细化，基于全国城市层面的量化研究相对较少；④ 已有研究多采用普通面板或动态面板模型进行定量分析，缺乏对城市发展质量空间效应的关注，可能会造成结果的偏误，导致难以准确解析城市发展质量差距的形成机理。
当前中国城市高质量发展进程不均衡、不充分的问题依然显著[9,18⇓ -20]，高质量发展路径仍未明晰，需要进一步深入认识城市发展质量的现状特征，总结前期成就与不足。因此如何动态捕捉城市发展质量的脉搏，识别发展是否出现了某种趋同以及此过程中的关键影响因素必要且紧迫。结合当前的发展需求、针对现有研究的不足，本文通过对以下科学问题的关注，科学的城市发展质量评价体系如何构建?城市发展质量的区域差距时空演化特征如何以及是否存在重要的趋同或追赶?城市发展质量的区域差距形成的重要影响因素有哪些?旨在全面认识当前中国城市发展质量的现状与趋势，探索提高城市发展质量的可能方向，以期为美丽中国建设背景下城市高质量发展提供知识参考和决策依据。本文主要贡献有：通过再次梳理城市发展质量的理论内涵，结合新时代中国发展新理念，构建基于效率的城市发展质量水平测度体系；深入分析2005—2020年中国276个城市发展质量的空间格局演变与区域差距演化，关注城市发展质量的空间溢出效应，基于空间计量模型识别关键影响因素及其空间效应。

2 中国城市高质量发展内涵与区域差异

2.1 城市高质量发展的内涵解析

发展质量的概念最早可以追溯到1992年通过的《21世纪议程》的提出[7]。虽已有很多具有影响力的城市发展理念实质上蕴含质量发展的思想内核，但国际城市研究尚无明确的概念界定[17]。城市高质量发展的内涵复杂且抽象，已有研究众说纷纭，缺乏明显的认知边界[5]，导致现有研究多局限于发展成就的评价，实质上仅关注城市各子系统的发展水平与功能状态[7]。因此，厘清城市高质量发展的内涵是认识和引导城市发展的关键基础和重要挑战。马克思劳动价值理论认为价值具有二重性，人从事交换活动归根结底是为了获得使用价值以满足真实需要，质量概念正是衍生于使用价值，承载客体现实需求的满足[21]。因此，城市质量发展中提高居民生活水平和福利更为重要，更强调人的生存和生活品质现状以及在不同阶段所体现出的发展公平性[3]。
城市高质量发展是新时代高质量发展在城市层面上的根本要求和集中体现[22]，是社会主要矛盾由总量性矛盾转变为结构性矛盾背景下实现人本发展理念，追求人类价值目标本真理性的必然路径[23]。物本发展观下的数量增长强调增长的速度、数量与规模，体现市场的工具理性。而人本发展观下的质量增长是对发展速度的补充，补充增长进程中的关键性内容，比如机会的分配、环境的可持续、风险的管理以及结构的治理等[14]。高质量的城市发展不仅要求社会、经济和环境的简单可持续，而且要求城市的发展要高效、高品质以及契合居民需求，其内在要求是多样的[15]。同时高质量发展是多维度的理念叠加，既意味着转变发展方式、优化经济结构、转换增长动力，也要求更加关注发展成果普惠、社会福利分配以及资源环境效应[3]，是追求经济、社会、生态、政治和民生等多维系统的高水平均衡。其本质是在不可调和的城市区域资源有限供给与居民追求美好生活发展的巨大需求间的矛盾基础上寻求一条高水平协调、优质的发展路径，以更好地满足人民对美好生活的追求为目标，不断提高人民群众的获得感和幸福感[17,21,24]。因此如何捕捉多样性与多维性以及高水平均衡是理解城市高质量发展内涵的关键。
理解这种多样性、多维性以及均衡可以以新发展理念为框架，从目的与过程两个方面进行内涵的拆解。① 目的上，需要明确的是实现高质量发展归根到底是为了更好地满足人民对美好生活的追求，实现发展成果的普惠与共享[17,21,24]。正如金碚[21]认为高质量发展的本质是以各种有效和可持续的方式满足人民不断增长的多方面需要，并最终是以发展能否满足人民日益增长的美好生活需要为判断准则。第二是实现系统协调，协调既是发展手段又是发展目标，同时还是评价发展的标准和尺度[25]。协调是保障城市系统平稳运行的重要机制，是对发展不平衡和不充分的战略应对。通过实现系统协调，使社会、经济、文化各功能系统相互促进，实现城市系统整体结构优化，进而形成区域系统功能最优化和整体利益最大化的良性循环。② 过程上，城市发展质量提升依赖于增长方式的转变，速度到质量转变需要创新引领发展动力的转换[19]，推动技术进步实现资源的高效配置，通过创新驱动实现从数量的外延式扩张转向质量的内涵式增长[26]。依赖于各系统的协调发展以及有效的资源配置机制协调各方、统筹全局，提升城市整体运行效率，把握系统间的动态平衡，增强发展的协调性，解决发展不平衡的问题[16,27]。同时，全球化背景下城市高质量发展的关键是开放[28]，高水平开放为建设高标准市场经济体制提供改革动力，为构建新发展格局提供稳定安全的供应链保障，为自主创新提供全球优质要素供给。此外，新时代背景下，高质量发展的一个重要内涵是从“黑色发展轨迹”向“绿色发展之路”转变[7,19]，寻求社会经济效益与生态环境效益的综合[17]，减少增长的生态环境损耗，满足人民群众对优美的生态环境需要，增强发展的可持续性。从而实现高质量发展的根本目的——发展成果共享，最终落实到居民生活满意度与幸福感是否得到有效提升[15]，是否更好地满足人民对美好生活的追求[17,21,24]。
综合来看，城市高质量发展是目的与过程的统一，是体现新发展理念的发展。高质量发展的目的是实现协调与共享，面向人的发展需求，实现社会公平正义。创新、协调、绿色、开放则是实现发展质量提升过程的必要手段，创新发展面向发展动力问题，协调发展面向发展不平衡问题，绿色发展面向长久可持续问题，开放发展面向解决发展范围问题。因此，实现城市高质量发展的路径必然需要将5大新发展理念有机统一，从多维综合的视角出发链接概念与现实的发展问题。

2.2 城市发展质量区域差异及趋势演进

发展不均衡是中国现代化进程中最为显著的空间特征之一[29]，城市发展质量的区域差异与格局演化一直以来都是研究关注的核心问题。具有广泛一致性的结论是中国城市发展质量呈现自东向西的空间递减格局[9,18⇓ -20]，且这种梯度递减将在很长一段时期仍然显著[20,30]。如韩增林等[18]基于全国地级市尺度量化评价发现城市化质量水平呈现从东部沿海到西部内陆城市化质量水平主导层级依次降低的特征。方创琳等[9]识别了省级尺度的城市化发展质量增长过程，发现城市化质量的内陆沿海互动互促，带动整体提升的时空差异特征，并呈现由东到西递减的空间格局。分区域来看，区域间差异构成了整体发展质量差异的主要来源[22,31 -32]。四大分区的城市高质量发展现状大致呈现东部沿海地区发展质量最高，中部地区次之，西部地区、东北地区最低。东部地区始终是实现高质量发展的先行区，大多数城市发展质量趋于稳定[20,30]，尤其长三角城市群、珠三角城市群在城市高质量发展进程中充当了排头兵角色，在高质量发展进程中与其他区域形成了显著的角色分化[20]。而具有发展潜力的城市大多分布于中西部地区，尤其是近年来发展质量中等和中高水平城市逐渐向中西部地区蔓延，同时低水平城市数量显著下降[33]，在高质量发展进程中持续发力。而东北地区的城市作为高质量发展的洼地，伴随经济衰退、人口收缩、产业转型困难等现实问题叠加，在城市发展质量提升上面临较大的阻力[22,34]。
然而伴随城市发展质量整体稳步上升的趋势，最新的研究表明高质量发展自东向西的空间梯度格局存在弱化趋势，城市高质量发展失调问题正逐步得到缓解[19,20,22,30]。同时也有研究注意到城市发展质量局部不平衡性正在加剧，空间极化现象持续扩大[35]。不同区域内部差距的时空收敛性存在显著差异[23,31]，东部地区内部差距最大，中西部地区内部差距反而较小[23]。差异化的图景持续塑造着城市高质量发展进程的空间特征，未来城市高质量发展空间格局会如何变化，以及变化过程中存在哪些重要的特征需要进一步厘清。

2.3 城市发展质量区域差异影响因素

在促进城市发展质量提升，缩减区域差距的过程中，一个亟需回答的关键问题是哪些因素影响着高质量发展目标的实现，哪些因素塑造了高质量发展差异化的空间格局?对这一问题的回答关系到切实的政策落地，是推动高质量发展的核心知识基础与行动支撑。已有研究从不同的视角进行了一些有益的探索，但仍存有诸多争论。如孙久文等[20]提出城市高质量发展需要第一自然与第二自然的协同，海拔高度、地形地势、产业集聚、对外开放等均能显著影响城市高质量发展。崔丹等[35]通过对资源型城市高质量发展的现状剖析，发现区位、海拔和开放时间等具有重要影响。存在的问题是模型构建均未考虑驱动要素的空间效应，因此可能造成具有偏误的估计结果。事实上，城市发展质量提升受多重因素的影响，在空间交互过程中共同塑造城市发展质量增长脉络，其内在驱动机理复杂且不断重构。
质量增长是数量增长发展到一定阶段的产物[21]，作为双循环和结构转变的枢纽，城镇化是长期增长的主要驱动力[25]，这不仅体现在空间的扩张所带来的数量增长，更重要地表现为人口增长带来的产业集聚与资本要素汇聚等隐性增长[36]。城镇化“规模收益”递增对经济增长贡献的关键在于资源的配置机制与效率，因此政府投入对一座城市的稳定发展会产生重大影响[37]，通过对市场机制的补充实现更公平更高效的资源配置模式从而推动城市高质量发展进程。高质量发展一个重要的核心问题是处理好发展与环境的关系，环境规制意味着生态保护投入强度提升，在发展过程中减少环境的损耗，实现长久可持续，因此加快完善环境制度和推动环境政策实施是实现高质量发展的关键[38-39]。同时，信息革命背景下，数字经济已成为新时代背景下推动中国高质量发展的重要力量[40]，数字经济通过创新经济发展业态，改变居民生活方式，推动发展成果的广泛共享，在高质量发展进程中发挥独特的作用。此外，城市用地扩张有利于提高区域集聚经济效益与规模，然而当城市规模扩张到一定程度时，拥挤效应逐渐显现[41]，从而抑制城市增长。同时高质量发展需要稳定合理的经济增长为之提供稳定发展基础[6]，经济的规模体量决定高质量发展的基底条件。因此，本文关注城镇化、政府投入、环境规制、数字经济等方面对高质量发展的驱动作用并关注其空间效应。

3 研究方法与数据

3.1 城市发展质量测度

3.1.1 综合测度指标体系构建

城市发展质量的内核多维且丰富[42]，评价与测度方法不可避免地存在一定的模糊性[21]。高质量发展涉及整个城市系统，基于单一指标的城市经济发展质量测度难以概括高质量发展的完整内涵[43-44]。因此，构建综合指标评价体系成为当前主流的方法[45]。然而由于发展质量的评判标准存在不同的理解，很多研究成果的评价体系差异较大且缺乏对发展效率的实质性关注。基于内涵的再梳理，本文从新发展理念5个维度出发构建新时代城市区域高质量发展水平的综合测度指标体系（表1），并力求使用效率指标构建测度框架。创新面向发展动力的问题，贯穿经济社会发展的多个方面，本文通过创新投入、创新产出、创新效率3个方面来描述创新发展，其中人均财政科技支出、人均GDP以及人才培养作为创新投入被纳入考虑[46]，专利的授权量反映技术创新的成效[28,30]，全要素生产率反映创新的效率，值越大代表创新效率越高[5,47]；协调面向发展不平衡问题，是健康发展的内在要求，本文通过关注城乡与产业结构协调性来描述协调发展水平，其中二元反差系数是农业、非农业部门产值比重与劳动力比重之差的绝对数的平均值，系数越大农业和非农产业部门的差距越大，城乡二元经济结构越突出[48]。同时，将产业结构高级化以及产业结构合理化作为产业协调发展的指标，产业结构高级化是产业结构升级的一种衡量，用第三产业产值与第二产业产值之比来衡量[20]。产业结构合理化指的是产业间的聚合质量，使用结构偏离度进行衡量，值越大表示经济越偏离均衡状态，产业结构越不合理[49]；绿色面向长久可持续，关注人与自然和谐，本文通过能源消耗、污染排放和环境治理3方面刻画城市绿色发展，参考已有研究选择单位GDP二氧化碳排放量[50]、单位GDP油气消耗及用电消耗[30]、PM2.5年平均浓度[35]、单位GDP主要污染物排放[20,32]、以及固废物利用、污水处理率和垃圾处理率[30,35]等11项指标；开放面向发展空间问题，注重内外联动提升发展质量，本文通过经济的市场化[51]，外资开放度以及外贸依存度[28,46]相关指标进行城市开放发展测度。其中樊纲市场化指数反映区域市场化相对进程，指数越大表明市场化程度越高；共享面向公平正义，实现经济与社会发展成果人民共享，本文从就业、收入和公共服务设施3个方面的指标识别共享发展水平，包括交通、医疗、通讯、公园绿地[23,35]。
表1 城市发展质量水平综合测度指标体系

Tab. 1 Comprehensive evaluation index system of city development quality

一级指标 准则层 二级指标 指标计算 属性
创新 创新投入 物质资本投入 人均财政科技支出 正
人均GDP 正
人才队伍培养 万人高校教师数 正
人均教育经费投入 正
科技从业人员占比 正
万人在校大学生数 正
创新产出 科技产出数量 万人专利授权数 正
创新效率 全要素生产率 全要素生产率指数 正
协调 城乡协调 城乡二元结构 二元反差系数 负
城乡人均消费支出差值 负
产业协调 产业结构高级化 产业结构高级化指数 正
产业结构合理化 产业结构合理化指数 负
绿色 能源消耗 碳排放强度 万元GDP的二氧化碳排放量 负
油气资源消耗 万元GDP煤气、天然气消耗量 负
万元GDP液化石油气消耗量 负
用电消耗 万元GDP用电量 负
污染排放 空气质量 PM2.5年平均浓度 负
废物排放 万元GDP二氧化硫排放 负
万元GDP粉尘排放 负
万元GDP工业废水排放 负
污染治理 垃圾处理 全市一般工业固体废物综合利用率 正
污水处理 全市污水处理厂集中处理率 正
固废利用 全市生活垃圾无害化处理率 正
开放 经济开放 市场化 樊纲市场化指数 正
外资开放度 实际利用外商直接投资占GDP比重 正
外贸依存度 进出口贸易总额与GDP比值 正
外商投资企业占比 正
共享 居民生活 居民就业 城镇登记失业率 负
居民收入 人均可支配收入 正
基础设施 每万人拥有公共汽车 正
每万人公路里程数 正
每万人拥有医生数 正
每百人公共图书馆藏书 正
每万人移动电话年末用户数 正
每万人互联网宽带接入用户数 正
人均公园绿地面积 正

3.1.2 城市发展质量测度方法

本文使用熵值法进行城市高质量发展的综合测算，作为客观赋权法，使用原始数据中包含的信息来解释数据，熵值法可以消除主观因素造成的偏差来确定指标权重并减少数据极端值的影响，且能有效处理指标间的信息叠加，得到广泛应用[52-53]。由于指标间存在明显量纲差异，使用极差标准化法对指标进行标准化处理。
p i j = Z i j / ∑ i = 1 n Z i j                     ( i = 1 ,   2 ,   ⋯ ,   n   ;   j = 1 ,   2 ,   ⋯ ,   m )
式中：Zij是第i个城市的j指标的标准化值；pij为第i个城市的j指标值占所有城市之和的比例；n为城市个数，m为指标个数。
信息熵Hj的计算公式为：
H j = - 1 l n n ∑ j = 1 m P i j l n P i j
指标权重值Wj的计算公式为：
W j = 1 - H j n - ∑ j = 1 m H j
最后，采用线性加权法计算城市i的发展质量Fi：
F i = ∑ j = 1 m P i j W j

3.2 城市发展质量区域差距演进趋势与空间特征分析

本文使用俱乐部收敛方法识别城市高质量发展过程中的区域差距演化趋势。Phillips等[54]所提出基于非线性时变因子模型的logt检验具有不强加任何关于趋势平稳性或随机非平稳性的特定假设及能适应地区异质性的优点，能更加有效的划分收敛俱乐部[55]。城市i在t年的发展质量（yit）可以表示为一个单因子模型：
y i t = δ i t μ t
式中：μt为所有城市的公共因子；δit是时间变化因子的载荷系数。若δit收敛于常数δ，则yit收敛，该公式即非线性时变因子模型。为δit的时变性进行建模，用半参数形式表示为：
δ i t = δ i + σ i L ( t ) t α ξ i t
式中：δi是固定值；ξit在时间截面上服从独立同分布，即不同的时间截面数据间是相互独立且具有相同的概率分布的特性，与时间t弱相关；L(t)是用来消除方差随时间自然增长的时变函数；σi为异质性规模参数；α为收敛参数。当t→∞时，L(t)→∞，这个表达式保证只要α ≥ 0，则δit →δi，且α越大收敛速度越快。于是检验城市发展质量（yit）的收敛性就转变为以下假设检验：原假设H0：所有城市的发展质量水平收敛，即δi = δ且α ≥ 0；备择假设H1：至少存在一个城市i未收敛，即δi ≠ δ，或者α < 0。Phillips等[54]提出通过构建的logt回归方程模型实现假设检验为：
l o g V 1 V t - 2 l o g L ( t ) = c ^ + b ^ l o g t + μ ^ t V t = N - 1 ∑ i = 1 N h i t 2 ,           h i t = N y i t ∑ i = 1 N y i t - 1 L ( t ) = l o g ( t + 1 ) ,             t = [ γ t ] ,   [ γ t ] + 1 ,   … ,   T
式中：Vt为hit在t时期的截面方差；hit为验证假设引入的相对时变参数；V1/Vt为方差比；γ为决定起始时间t的参数，本文取0.3； c ^为常数项估计值； b ^为为logt的回归拟合系数， b ^ = 2 α ^， α ^为原假设中α的估计值；N为城市数量。根据 b ^和给定显著性水平下的单边t检验对原假设进行检验，若t < -1.65则拒绝原假设，即城市发展质量水平整体不收敛。然而拒绝全局收敛的零假设不能排除子集中可能存在收敛，在总体发散的情况下，可进一步检验城市发展质量是否收敛于某些城市群体，具体可通过排序、构建核心组、俱乐部成员识别以及依次重复四步法进行研判[55]。此外，本文使用全局莫兰指数（Global Moran's I）与局域莫兰指数（Local Moran's I）科学研判中国城市发展质量的空间聚集特征，识别城市是否存在发展质量上的空间溢出效应[56]。

3.3 空间计量模型

已有的研究多用非空间模型进行影响因素的识别，而城市作为空间对象，忽略变量间的空间效应可能会导致估计结果产生偏误，且考虑到莫兰指数检验提供了显著的空间相关的证据，因此本文使用空间面板模型识别影响城市发展质量的关键因素。空间计量模型包括空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）3种形式[57]，3个模型的向量形式如下：
空间滞后模型： y t = ρ W y t + β X t + ε                                
空间误差模型： y t = β X t + μ ,                   μ = λ W μ + ε
空间杜宾模型： y t = ρ W y t + β X t + W X t θ + ε    
式中：y为城市高质量发展水平；W为空间权重矩阵，本文使用一阶空间邻接权重矩阵；X为解释变量集；ρ为y的空间滞后项系数；β为自变量X估计系数；θ为自变量X空间滞后项估计系数，最终估计模型使用常规的空间效应检验来确定。

3.4 数据来源

基于数据的可得性和有效性，在剔除数据缺失较多的地级市以及因行政区划调整合并的地市，如莱芜、巢湖，本文最终选取中国276地级市作为研究样本，参照第七次全国人口普查的分区划分标准，划分东部地区城市，东北地区城市，中部地区城市，西部地区城市。使用2005—2020年的面板数据对中国城市发展质量水平进行综合测算。指标数据主要来源于历年《中国城市统计年鉴》《中国环境统计年鉴》和《城乡建设统计年鉴》以及各网络数据库；部分数据由自行整理计算获得。部分缺失数据通过统计公报、相关政府工作报告和地方统计年鉴获取，其他无法获取的数据使用线性插补方式补齐。

4 结果分析

4.1 城市发展质量时空演变特征

本文截取2005年、2010年、2015年和2020年4个时间断面（每个5年计划的末年）的城市发展质量水平（图1），发现2005—2020年中国城市发展质量整体得到显著提升，平均水平提升48.4%，且整体上空间分化趋于缩小。2005年多数地级市的发展质量处于中—低水平，高水平的城市主要在东部沿海集聚，空间分布上呈现显著的东西差异；受益于区域均衡发展政策的实施，2010年、2015年低水平城市数量显著缩减，到2020年中国地级市的发展质量全部达到中低水平及以上。中西部城市发展质量增长较快，年平均增长率分别达到4.65%、4.78%，其中眉山、内江、宿州等中西部城市的平均增长率最高。此外，高水平城市空间分布呈现逐渐散布于区域核心城市的趋势，空间分布模式由“多点开花”替代了原有的“东—中—西阶梯分化”。
图1 2005—2020年中国城市发展质量时空格局演变

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号的标准地图制作，底图边界无修改。

Fig. 1 Spatio-temporal evolution pattern of development quality in China's cities from 2005 to 2020

城市发展质量区域不平衡的局面尚未根本扭转，差距弥合挑战较大。城市发展质量的绝对差距持续扩大，但相对差距逐渐缩小。2005年和2019年全国城市发展质量的标准差分别为7.24和8.14，2020年回缩到8.05，而3期的变异系数分别为0.52、0.35和0.32，即绝对差距扩大了11.12%的同时相对差距缩小了39.38%，这表明伴随着社会经济进程，城市间发展质量绝对差距日益加大，但相对差距的不断缩减使得空间极化效应有所缓解，整体城市发展质量存在区域均衡的趋势。然而，注意到2005年城市发展质量的极差为48.88，到2019年、2020年的极差仍分别达到49.68、42.79，说明尽管存在缓解的趋势，但两极分化现象依旧突出。
城市发展质量水平存在显著的区域空间集聚特征，且空间集聚特征具有较强的稳定性。历年的空间自相关检验均报告了显著的正向空间自相关结果（Moran's I在0.01的水平下均显著大于0），表明城市发展质量具有显著的集聚效应（表2）。且东强西弱的集聚模式仍具有较强的稳定性，2005年前20的城市中19个位于东部地区，主要分于广东、江苏和福建等沿海省市，到2020年这一情况未发生改变。而2005年末20位的城市均分布于中西部地区，到2020年仍有90%位于中西部地区，10%分布于东北地区。局部莫兰指数结果表明，2005—2020年间中国城市发展质量呈现显著的局域空间集聚特征，并以高—高（H-H）、低—低（L-L）两种类型集聚方式为主导，且这种局部特征也同样稳定。
表2 2005—2020年中国城市发展质量全局Moran's I指数

Tab. 2 Global Moran's I Index of the development quality of China's cities from 2005 to 2020

序号 年份 Moran's I 序号 年份 Moran's I
1 2005 0.413*** 9 2013 0.398***
2 2006 0.406*** 10 2014 0.372***
3 2007 0.405*** 11 2015 0.353***
4 2008 0.402*** 12 2016 0.373***
5 2009 0.418*** 13 2017 0.367***
6 2010 0.41*** 14 2018 0.362***
7 2011 0.401*** 15 2019 0.347***
8 2012 0.398*** 16 2020 0.349***

注：***、**和*分别代表1%、5%和10%的显著水平。

4.2 城市发展质量空间分异与示范—追赶效应

城市发展质量差距无法全局收敛，高质量发展进程中城市存在角色分化，呈现“示范—追赶”模式。进一步基于非线性时变因子模型[54]的俱乐部收敛检验识别城市间发展质量差距演变的分化特征。全局收敛logt检验结果如表3，T统计量为-1.79，在5%的水平上拒绝全局收敛的零假设，即中国城市发展质量的演进过程存在显著分化。在整体不收敛的前提下，进一步检验城市发展质量是否收敛于某些城市群体之间。依据城市发展质量水平的波动趋势进行内生分组，2005—2020年中国城市发展质量形成两个显著的收敛俱乐部（表3、图2a）。其中北京、上海、深圳、南京等11个城市收敛于高水平俱乐部A（2005年平均值为36.69，2020年平均值为47.12），这类城市在高质量发展目标的实现过程中成为领先者，对其他城市发挥示范带动作用。所有其他城市组成收敛俱乐部B，发展质量显著落后于俱乐部A，2005年平均水平为14.62，仅为俱乐部A平均水平的39.84%，而2020年平均水平为21.98，达到俱乐部A平均水平的46.65%，相对差距得到缩小。此外，2005—2020年间俱乐部B城市的发展质量水平平均增幅达63.28%，远高于俱乐部A的36.93%，俱乐部B这种更快速的增长过程表明中国城市发展质量提升过程中存在追赶效应。
表3 全国与分区域收敛俱乐部识别

Tab. 3 Identification of national and subregional convergence clubs

地区 全局logt检验 收敛俱乐部识别
系数 标准误 t值 俱乐部
个数(个)		 Club 1 Club 2 Club 3
成员数(个) t值 成员数(个) t值 成员数(个) t值
全国 -0.24 0.13 -1.79 2 11 1.67 265 -0.42
东北地区 0.30 0.21 1.42 1 32 1.41
东部地区 -0.50 0.14 -3.71 3 8 0.59 69 -1.57 5 1.10
中部地区 -0.51 0.11 -4.78 2 3 -1.11 9 1.82 69 -0.97
西部地区 -0.34 0.14 -2.41 2 11 0.34 71 0.67
图2 全国与分区收敛俱乐部空间分布

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号的标准地图制作，底图边界无修改。

Fig. 2 Spatial distribution of convergent clubs in China and its sub-regions

进一步，各区域内部呈现不同的分化特征。通过对不同区域的收敛俱乐部识别（表3、图2b），发现东北地区呈现显著的全局收敛，即东北地区城市发展质量未存在显著分化，内部差距逐步缩小并趋于稳态，哈尔滨、沈阳等传统意义上的大城市的绝对优势逐步弱化。东部地区无法实现全局收敛，并分化为3个不同水平的俱乐部，其中Club 1是包含北京、上海、深圳等8个城市的高水平俱乐部，在东部地区高质量发展进程中发挥领头作用。Club 2是包含69个成员的中水平俱乐部，包括天津、石家庄、无锡、济南等城市。而Club 3则是包含邯郸、漳州、汕尾、潮州、揭阳5个城市的低水平俱乐部。中部地区同样是收敛为3个不同水平的俱乐部，其中高水平Club 1仅包含武汉和合肥，在中部地区发挥示范作用，中水平Club 2是包括郑州、太原、南昌、长沙等9个城市，低水平Club 3由其他69个地级市构成。西部地区则分化为2个收敛俱乐部，包括成都、重庆、贵阳等西部省区行政中心收敛为高水平俱乐部Club 1，引领区域质量发展水平提升，其他城市则收敛为Club 2，在质量发展进程中不断追赶。分区域的分化特征进一步证明了城市发展质量提升过程中的“示范—追赶”效应。

4.3 中国城市发展质量影响因素再识别

4.3.1 影响因素选取

识别影响城市发展质量的关键因素，对于缩小发展差距、缓解区域不平衡具有重要的现实意义。基于前文分析，本文重点关注数量增长、政府作用、环境规制、数字经济、城市规模及经济基础等因素对城市发展质量的影响作用。参考朱纪广等[58]的研究，将城镇化率（UR）作为数量发展指标纳入影响因素；政府投资（GOV）用地方一般公共预算支出占GDP的比重来衡量地方政府对地方经济的支持与干预程度；环境规制（ER）借鉴叶琴等[59]的方法，使用烟尘、工业废水、二氧化硫污染排放综合指数来衡量各城市命令型环境规制强度，是一个负向指标；借鉴黄群慧等[60]的方法采用计算机服务和软件业从业人员占城镇单位从业人员比例指标来衡量数字经济发展水平（Digital）；此外，参考高健等[61]的研究将人口规模与人口规模的平方项（Citysize2）作为控制变量纳入考虑，使用地均GDP表示经济基础（LGDP）因素，同样作为控制变量纳入考虑。

4.3.2 参数估计结果

为降低异方差对模型的影响，本文对所有变量均取对数。由于城市发展质量存在显著的空间效应，在进行空间回归分析时借鉴Elhorst[62]的思路进行模型的适配性检验。首先拉格朗日乘数（LM）检验，模型的LM-lag值、LM-error值、Robust LM-lag值和Robust LM-error值均在1%的水平拒绝原假设，此时应该考虑更具普遍形式的SDM，需要通过似然比检验（LR）和Wald检验进行进一步适配性检验，结果均在0.01的水平下显著拒绝原假设，表明SDM无法退化成SAR或SEM模型。空间Huasman检验在0.01的水平下显著拒绝随机效应，考虑到城市发展质量存在的时序演进趋势，最终选用个体—时间双固定效应的空间杜宾模型进行参数估计。表4中模型5展示了双固定空间杜宾模型的估计结果，并将其与非空间模型（模型1~2）和另两种空间效应模型（模型3~4）估计结果进行了对比。
表4 城市发展质量影响因素回归结果

Tab. 4 Regression results of city development quality determinants

变量 模型1
OLS		 模型2
FE		 模型3
SAR		 模型4
SEM		 模型5
SDM		 模型6
SDM		 模型7
SDM
Spatial-rho/lambda 0.234***
(0.016)		 0.320***
(0.018)		 0.309***
(0.018)		 0.332***
(0.032)		 0.779***
(0.050)
UR 0.641***
(0.017)		 0.375***
(0.021)		 0.328***
(0.020)		 0.350***
(0.021)		 0.341***
(0.022)		 0.376***
(0.021)		 0.319***
(0.022)
Gov 0.130***
(0.009)		 0.135***
(0.012)		 0.127***
(0.012)		 0.142***
(0.012)		 0.148***
(0.013)		 0.133***
(0.012)		 0.160***
(0.013)
Digital 0.071*** 0.0158***
(0.005)		 0.013***
(0.005)		 0.0096**
(0.004)		 0.009*
(0.004)		 0.018***
(0.005)		 0.005
(0.005)
(0.007)
ER 0.003
(0.007)		 -0.009**
(0.004)		 -0.011***
(0.004)		 -0.011***
(0.004)		 -0.013***
(0.004)		 -0.010**
(0.004)		 -0.015***
(0.003)
Citysize -0.064
(0.051)		 0.259*
(0.138)		 0.199
(0.130)		 0.045
(0.132)		 0.038
(0.134)		 0.220
(0.134)		 0.021
(0.132)
Citysize2 0.008*
(0.004)		 -0.037***
(0.012)		 -0.030***
(0.014)		 -0.016
(0.012)		 -0.015
(0.012)		 -0.031**
(0.012)		 -0.008
(0.012)
LGDP 0.107***
(0.004)		 0.161***
(0.007)		 0.158***
(0.006)		 0.168***
(0.007)		 0.168***
(0.007)		 0.160***
(0.007)		 0.177***
(0.007)
w×UR -0.041
(0.032)		 -0.243***
(0.069)		 0.148
(0.169)
w×Gov -0.065***
(0.019)		 0.056
(0.036)		 -0.462***
(0.094)
w×Digital 0.026***
(0.009)		 0.015
(0.014)		 0.195***
(0.045)
w×ER 0.006
(0.007)		 0.022*
(0.012)		 0.010
(0.049)
w×Citysize 0.956***
(0.253)		 0.261
(0.416)		 7.894***
(1.780)
w×Citysize2 -0.084***
(0.022)		 -0.043
(0.0352)		 -0.795***
(0.153)
w×LGDP 0.069***
(0.012)		 0.074***
(0.022)		 0.235***
(0.069)
常数项 -0.645***
(0.177)		 -0.263
(0.406)
样本数 4416 4416 4416 4416 4416 4416 4416
空间权重矩阵 空间邻接 空间邻接 空间邻接 经济距离 反距离
固定效应 双固定 双固定 双固定 双固定 双固定 双固定
R2 0.662 0.717 0.693 0.697 0.701 0.694 0.311

注：***、**和*分别代表1%、5%和10%的显著水平；括号内数值为标准误；Spatial-rho/lambda表示被解释变量的空间项；w为空间权重矩阵，w×解释变量表示解释变量的空间滞后项。

城市发展质量的空间滞后项系数均在1%的水平上显著为正，再次表明城市发展质量具有较强的空间内生性交互效应，即城市高质量发展进程存在互动协同。其中城镇化率（UR）的系数为0.341，在1%的水平下显著为正，并且在其他空间与非空间模型均得到一致估计，表明城镇化率能够显著地促进城市高质量发展。然而空间项并不显著表明本地城镇化率对邻近城市的高质量发展可能并不存在空间溢出效应。政府投资（GOV）的系数显著为正，在其他模型中均得到一致估计，证实政府投资在城市高质量发展进程的正向促进作用。数字经济（Digital）的系数为0.009，在10%的水平下显著，且其空间项也显著为正，表明数字经济对城市高质量发展的重要推动作用及存在的溢出效应。环境规制（ER）的估计系数为-0.013，在1%的水平下显著，在考虑固定效应的空间与非空间模型中得到一致估计。作为负向指标，表明环境规制的强化能够显著促进城市发展质量的提升，进一步佐证了环境规制与生态保护对城市高质量发展的重要意义。城市规模（Citysize）的一次项系数为0.038，二次项系数为-0.016，但均不显著。固定效应模型（FE）与空间滞后模型（SAR）的二次项均显著为负，表明城市规模与高质量发展可能存在倒“U”型关系。同时，城市规模一次项、二次项空间项的估计系数均在1%的水平上显著，这意味着城市规模存在显著的空间溢出效应。经济基础（LGDP）的系数为0.168，在1%的水平下显著，空间项同样显著为正，揭示了经济增长对本地与邻域城市发展质量提升可能存在的正效应。此外，为保证参数估计结果的稳健性，本文使用替换空间权重矩阵的方式进行稳健性检验，使用经济距离空间权重矩阵以及反距离空间权重矩阵进行重新估计，结果见表4模型6~7。在替换空间权重矩阵后，两个模型的解释变量的参数估计结果与之前的估计基本一致，证明SDM估计结果的稳健性。

4.3.3 空间杜宾模型空间效应分解

LeSage等[57]指出由于空间滞后项反馈效应等因素的影响，直接采用回归系数分析解释变量变化对被解释变量的影响是不准确的，因此上述估计结果仅作为城市高质量发展作用因素的初步判断。各解释变量的作用效果及其空间溢出效应需要依据点估计结果进一步通过偏微分分解为直接效应、间接效应和总效应进行解释。其中，直接效应是解释变量对本地的被解释变量的影响，间接效应是解释变量对邻地被解释变量的影响，直接效应与间距效应的加和即为总效应。
空间杜宾模型的效应分解结果如表5。城镇化率（UR）的直接效应、间接效应以及总效应均在1%的水平上显著为正，这进一步佐证城镇化进程对城市高质量发展的显著正向促进作用以及空间溢出效应，并且在替换空间权重矩阵后同样能够得到显著的效应分解估计结果，这与很多现有研究结论一致[58]。政府投资（Gov）具有显著的正向直接效应和总效应，且在稳健性检验的中能得到同样的结论。政府在城市高质量进程中统筹全局，发挥市场作用外优化资源配置的重要作用，能有效推进城市的高质量发展进程。数字经济（Digital）的空间效应分解均报告了显著的正向估计结果，且在使用反距离空间权重矩阵的估计中得到一致估计。这进一步佐证了数字经济对城市高质量发展的重要促进作用，通过提升物质资本以及人力资本配置效率，数字经济能够显著提升城市生产效率和促进消费扩容，进而推动高质量发展[40]。环境规制（ER）的直接效应显著为负，间接效应不显著，总效应为负但不显著，在两个稳健性检验估计中结果基本一致。这证明环境规制对本地的高质量发展进程的确存在显著的促进作用，但并不存在空间溢出效应。城市规模（Citysize）二次项的效应分解均报告了显著的负数结果，在稳健性检验中得到一致估计，规模与城市发展质量的倒“U”型关系进一步被证实。而经济基础（LGDP）的直接效应均和总效应均显著为正，替换空间权重矩阵的估计基本报告了一致的结果，再次印证了高质量发展需要稳定的经济增长为之提供发展土壤。
表5 城市发展质量影响因素的直接效应和间接效应估计

Tab. 5 Estimation of direct and indirect effects of factors affecting city development quality

模型 SDM 1(空间邻接权重矩阵) SDM 2(经济距离权重矩阵) SDM3 (反距离权重矩阵)
变量 直接效应 间接效应 总效应 直接效应 间接效应 总效应 直接效应 间接效应 总效应
UR 0.346***
(0.022)		 0.086**
(0.038)		 0.432***
(0.041)		 0.378***
(0.022)		 -0.251***
(0.064)		 0.127**
(0.063)		 0.326***
(0.022)		 1.795**
(0.816)		 2.121***
(0.812)
Gov 0.146***
(0.012)		 -0.024
(0.023)		 0.122***
(0.0243)		 0.133***
(0.012)		 0.053
(0.034)		 0.186***
(0.035)		 1.534***
(0.012)		 -0.154***
(0.571)		 1.380**
(0.570)
Digital 0.011**
(0.004)		 0.039***
(0.011)		 0.050***
(0.012)		 0.018***
(0.005)		 -0.015
(0.014)		 0.003
(0.014)		 0.009**
(0.005)		 0.924***
(0.293)		 0.933***
(0.294)
ER -0.012***
(0.004)		 0.003
(0.009)		 -0.010
(0.010)		 -0.009**
(0.004)		 -0.021*
(0.011)		 -0.030
(0.012)		 -0.015***
(0.004)		 -0.055
(0.224)		 -0.069
(0.224)
Citysize 0.117
(0.129)		 1.345***
(0.354)		 1.462***
(0.381)		 0.221*
(0.129)		 0.278
(0.429)		 0.499
(0.449)		 0.160
(0.132)		 37.57***
(12.25)		 37.73***
(12.29)
Citysize2 -0.022*
(0.011)		 -0.122***
(0.030)		 -0.144***
(0.033)		 -0.030***
(0.012)		 -0.043
(0.036)		 -0.074*
(0.038)		 -0.022*
(0.012)		 -3.796***
(1.144)		 -3.818***
(1.147)
LGDP 0.167***
(0.007)		 -0.024
(0.0149)		 0.143***
(0.016)		 0.159***
(0.007)		 0.068***
(0.020)		 0.227***
(0.021)		 0.176***
(0.007)		 -0.132
(0.323)		 0.044
(0.322)

5 结论与政策建议

新发展背景下伴随转型需求，中国的社会主义现代化进程面临诸多新的挑战。高质量发展必然是秉轴持钧的关键，然而区域不协调与发展不平衡等问题仍显著存在[15,50]，中国的高质量升级路径仍然任重道远。本文基于新发展理念重新梳理城市发展质量的理论内涵，通过构建基于效率的综合评价指标体系识别中国城市高质量发展进程中的时空格局、演化模式与特征以及影响因素，得出主要结论如下：
2005—2020年间中国城市发展质量平均水平提升了48.4%，低水平城市数量显著缩减，到2020年中国地级市的发展质量全部达到中低及以上水平。虽然中西部地区仍是补齐高质量发展短板、巩固发展成果的重点地区，但中西部城市发展质量增长较快。高水平城市逐渐呈现散布于各区域核心城市的趋势，高质量发展空间格局由“多点开花”替代了原有的“东—中—西阶梯分化”。同时城市发展质量存在显著的区域空间集聚与正向空间溢出效应，东强西弱的集聚模式具有较强的稳定性，局部空间集聚特征以高—高（H-H），低—低（L-L）两种模式为主。
城市发展质量区域不平衡的局面尚未根本扭转，差距弥合挑战仍然较大。2005—2020年间中国城市发展质量绝对差距扩大了11.12%的同时相对差距缩小了39.38%。虽然整体相对差距的不断缩减使得空间极化效应有所缓解，但区域间差异仍然较大。城市发展质量差距无法全局收敛，不均衡的发展进程中存在显著的角色分化，在全国与各分区均存在部分城市引领高质量发展进程，整体呈现“示范—追赶”模式。在全国层面形成2个显著的收敛俱乐部，北京、上海、深圳、南京等11个城市成为高质量发展的先行者，其他城市则不断提升与追赶。四大子区域内部则呈现不同的俱乐部收敛特征，也同样存在显著的角色分化。
在差异化进程的影响因素识别中，空间杜宾模型结果显示城镇化率、政府投资、数字经济与环境规制均能显著促进城市发展质量水平的提升。城市发展质量与城市规模存在倒“U”型关系，即当城市达到一定规模后规模效应对发展质量水平的提升作用会逐步衰减。同时城市的经济基础则对城市发展质量提升具有显著的正效应，印证了高质量发展与稳定的经济增长基础之间的强相关关系。这些结论在替换经济距离空间权重矩阵和反距离权重矩阵后依然稳健。
当前中国城市高质量发展的成效虽然显著，但在日益复杂的内外环境下，未来的高质量发展道路仍然存在诸多挑战。基于以上研究结论，提出如下政策建议：
城市高质量发展是一个动态演进的过程，新阶段要把握发展的新动向。新阶段要着力激发中西部快速增长的潜力，挖掘区域先发城市发展质量提升的成功经验，总结高质量发展新的可行范式。要将缩小差距的重心转向各区域内部的协同，发挥地区先行城市带动作用，其中东北地区可以加强培育新的强核心。通过构建高效的区域协作机制革除生产要素流动障碍，积极构建区域城市合作和对话机制，通过“示范”与“追赶”两种力量共同驱动高质量发展。
高质量发展进程不能忽视数量增长，城镇化以及经济水平的提升在当前阶段仍能显著推进城市发展质量的提升。未来仍要持续激发新型城镇化的内驱力，充分释放有效投资空间，为实现高质量发展提供坚实的土壤。过程中要坚持政府行为长期化，通过加强政府投资引领、强化环境规制，构建城市绿色增长新动能。此外高质量发展需要推动城市规模体系优化协调，严控超大城市和特大城市规模，适当发展大城市, 鼓励发展中等城市, 积极发展小城市。
随着物联网、云计算、人工智能等新信息技术的飞速发展，数字经济日益成为重组空间资源要素、重塑经济结构的关键力量。数字经济对城市发展质量提升的显著促进作用启发未来需要进一步加强数字经济与新型基础设施建设，通过构建数字经济新业态促进区域质量提升。可以引导数字经济要素向中西部地区集聚，使数字经济成为有效缩小区域发展差异的重要支点，充分激发数字经济对城市高质量发展的空间贡献。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Wang Xiaohua, Yang Yuqi, Luo Xinyu, et al. The spatial correlation network and formation mechanism of China's high-quality economic development. Acta Geographica Sinica, 2022, 77(8): 1920-1936.

DOI

[王小华, 杨玉琪, 罗新雨, 等. 中国经济高质量发展的空间关联网络及其作用机制. 地理学报, 2022, 77(8): 1920-1936.]

DOI

[2]
Rodriguez-pose A. The rise of the "city-region" concept and its development policy implications. European Planning Studies, 2008, 16(8): 1025-1046.

DOI

[3]
Mlachila M, Tapsoba R, Tapsoba S J A. A quality of growth index for developing countries: A proposal. Social Indicators Research, 2017, 134(2): 675-710.

DOI

[4]
Mei L H, Chen Z H. The convergence analysis of regional growth differences in China: The perspective of the quality of economic growth. Journal of Service Science and Management, 2016, 9(6): 453-476.

DOI

[5]
Yuan Xiaoling, Li Sirui, Li Zhaopeng. Setting standards for urban development: Review of the construction of urban high-quality development evaluation system. Journal of Xi'an Jiaotong University (Social Sciences), 2021, 41(3): 18-24.

[袁晓玲, 李思蕊, 李朝鹏. 为城市发展定标: 城市高质量发展评价体系构建研究. 西安交通大学学报(社会科学版), 2021, 41(3): 18-24.]

[6]
Shi Bo, Zhang Bingyao. Measurement and analysis of high-quality economic development of China's cities at prefecture level and above. Social Science Research, 2019(3): 19-27.

[师博, 张冰瑶. 全国地级以上城市经济高质量发展测度与分析. 社会科学研究, 2019(3): 19-27.]

[7]
Zhang Yuesheng, Li Sirui, Li Zhaopeng. Setting standards for urban development: Review of evaluation of urban high-quality development. Journal of Management, 2021, 34(1): 27-42.

[张跃胜, 李思蕊, 李朝鹏. 为城市发展定标: 城市高质量发展评价研究综述. 管理学刊, 2021, 34(1): 27-42.]

[8]
Yie Yumin. Approach on China's urbanization quality. China Soft Science, 2001(7): 28-32.

[叶裕民. 中国城市化质量研究. 中国软科学, 2001(7): 28-32.]

[9]
Fang Chuanglin, Wang Deli. Comprehensive measures and improvement of Chinese urbanization development quality. Geographical Research, 2011, 30(11): 1931-1946.

DOI

[方创琳, 王德利. 中国城市化发展质量的综合测度与提升路径. 地理研究, 2011, 30(11): 1931-1946.]

[10]
Yuan Xiaoling, Wang Xiao, He Weiwei, et al. Synthetic evaluation for urbanization quality of Shaanxi province. Urban Development Studies, 2008, 15(2): 38-41, 45.

[袁晓玲, 王霄, 何维炜, 等. 对城市化质量的综合评价分析: 以陕西省为例. 城市发展研究, 2008, 15(2): 38-41, 45.]

[11]
Chen Qiang, Hu Wen, Bao Yuehua. The concept and evaluation of urban development quality: Based on the evolution process of the development concept. Comparative Economic & Social Systems, 2014(3): 14-23.

[陈强, 胡雯, 鲍悦华. 城市发展质量及其测评: 以发展观为主导的演进历程. 经济社会体制比较, 2014(3): 14-23.]

[12]
Li Lei, Zhang Guixiang. The city development quality of Beijing-Tianjin-Hebei urban agglomeration. Economic Geography, 2015, 35(5): 61-64, 8.

[李磊, 张贵祥. 京津冀城市群内城市发展质量. 经济地理, 2015, 35(5): 61-64, 8.]

[13]
Wang Xuewei, Fan Dalong. Urban development quality measurement and spatiotemporal evolution pattern of the Yangtze River Delta urban agglomeration. Human Geography, 2020, 35(6): 85-94, 148.

[王雪微, 范大龙. 长三角城市群城市发展质量测度及时空演变格局. 人文地理, 2020, 35(6): 85-94, 148.]

[14]
Thomas V, Dailami M, Dhareshwar A, et al. The quality of growth. Ekistics, 1999, 66(394/395/396): 13-20.

[15]
Fang Chuanglin. Basic rules and key paths for high-quality development of the new urbanization in China. Geographical Research, 2019, 38(1): 13-22.

DOI

[方创琳. 中国新型城镇化高质量发展的规律性与重点方向. 地理研究, 2019, 38(1): 13-22.]

DOI

[16]
Wei Houkai, Wang Yeqiang, Su Hongjian, et al. Comprehensive evaluation report on urbanization quality in China. Review of Economic Research, 2013(31): 3-32.

[魏后凯, 王业强, 苏红键, 等. 中国城镇化质量综合评价报告. 经济研究参考, 2013(31): 3-32.]

[17]
Zhang Wenzhong, Xu Jingxue, Ma Renfeng, et al. Basic connotation, current situation, and development orientation of high-quality development of Chinese cities: Based on the survey of residents. City Planning Review, 2019, 43(11): 13-19.

[张文忠, 许婧雪, 马仁锋, 等. 中国城市高质量发展内涵、现状及发展导向: 基于居民调查视角. 城市规划, 2019, 43(11): 13-19.]

[18]
Han Zenglin, Liu Tianbao. Analysis of the characteristics and spatial differences of urbanization quality of cities at prefecture level and above in China. Geographical Research, 2009, 28(6): 1508-1515.

DOI

[韩增林, 刘天宝. 中国地级以上城市城市化质量特征及空间差异. 地理研究, 2009, 28(6): 1508-1515.]

[19]
Guo Yun, Fan Bonai, Long Jian. Practical evaluation of China's regional high-quality development and its spatio-temporal evolution characteristics. The Journal of Quantitative & Technical Economics, 2020, 37(10): 118-132.

[郭芸, 范柏乃, 龙剑. 我国区域高质量发展的实际测度与时空演变特征研究. 数量经济技术经济研究, 2020, 37(10): 118-132.]

[20]
Sun Jiuwen, Jiang Zhi, Hu Junyan. Spatio-temporal evolution pattern and driving factors of high-quality development of Chinese cities in the new era. Geographical Research, 2022, 41(7): 1864-1882.

DOI

[孙久文, 蒋治, 胡俊彦. 新时代中国城市高质量发展的时空演进格局与驱动因素. 地理研究, 2022, 41(7): 1864-1882.]

DOI

[21]
Jin Bei. Study on the "high-quality development" economics. China Industrial Economics, 2018(4): 5-18.

[金碚. 关于“高质量发展”的经济学研究. 中国工业经济, 2018(4): 5-18.]

[22]
Yuan Xiaoling, Guo Yilin, Wang Hengxu, et al. Research on the measurement and dynamic mechanism of China's urban development quality. Journal of Beijing University of Technology (Social Sciences Edition), 2022, 22(3): 159-174.

[袁晓玲, 郭一霖, 王恒旭, 等. 中国城市发展质量测算与动力机制研究. 北京工业大学学报(社会科学版), 2022, 22(3): 159-174.]

[23]
Zheng Yaoqun, Cui Xiaorong. Measurement and regional disparity for high-quality development of urbanization: On the perspective of new development concept. East China Economic Management, 2021, 35(6): 79-87.

[郑耀群, 崔笑容. 城镇化高质量发展的测度与区域差距: 基于新发展理念视角. 华东经济管理, 2021, 35(6): 79-87.]

[24]
Zhao Jianbo, Shi Dan, Deng Zhou. A framework of China's high-quality economic development. Research on Economics and Management, 2019, 40(11): 15-31.

[赵剑波, 史丹, 邓洲. 高质量发展的内涵研究. 经济与管理研究, 2019, 40(11): 15-31.

[25]
Zhou Liang, Che Lei, Sun Dongqi. The coupling coordination development between urbanization and economic growth and its influencing factors in China. Economic Geography, 2019, 39(6): 97-107.

[周亮, 车磊, 孙东琪. 中国城镇化与经济增长的耦合协调发展及影响因素. 经济地理, 2019, 39(6): 97-107.]

[26]
Gu Shengzu, Liu Jiangri. Urbanization transition in China: From a factor-driven to an innovation-driven approach. Population Research, 2012, 36(6): 3-12.

[辜胜阻, 刘江日. 城镇化要从“要素驱动”走向“创新驱动”. 人口研究, 2012, 36(6): 3-12.]

[27]
Wei Min, Li Shuhao. Study on the measurement of economic high-quality development level in China in the new era. The Journal of Quantitative & Technical Economics, 2018, 35(11): 3-20.

[魏敏, 李书昊. 新时代中国经济高质量发展水平的测度研究. 数量经济技术经济研究, 2018, 35(11): 3-20.]

[28]
Ma Haitao, Xu Xuanfang. High-quality development assessment and spatial heterogeneity of urban agglomeration in the Yellow River Basin. Economic Geography, 2020, 40(4): 11-18.

[马海涛, 徐楦钫. 黄河流域城市群高质量发展评估与空间格局分异. 经济地理, 2020, 40(4): 11-18.]

[29]
Deng Xiangzheng, Liang Li, Wu Feng, et al. Chinese balanced regional development strategy from the perspective of development geography. Acta Geographica Sinica, 2021, 76(2): 261-276.

DOI

[邓祥征, 梁立, 吴锋, 等. 发展地理学视角下中国区域均衡发展. 地理学报, 2021, 76(2): 261-276.]

DOI

[30]
Zhang Guojun, Wang Yunzhe, Chen Yu, et al. Spatio-temporal characteristics and differentiation mechanism of high-quality development in urban agglomerations in China. Geographical Research, 2022, 41(8): 2109-2124.

DOI

[张国俊, 王运喆, 陈宇, 等. 中国城市群高质量发展的时空特征及分异机理. 地理研究, 2022, 41(8): 2109-2124.]

DOI

[31]
Lv Chengchao, Cui Yue. Research on the regional inequality and temporal-spatial convergence of high-quality development in China. The Journal of Quantitative & Technical Economics, 2020, 37(9): 62-79.

[吕承超, 崔悦. 中国高质量发展地区差距及时空收敛性研究. 数量经济技术经济研究, 2020, 37(9): 62-79.]

[32]
Liu Binglian, Qin Wenjin. Spatial distribution and dynamic evolution of China's high-quality economic development level. China Soft Science, 2022(1): 62-75.

[刘秉镰, 秦文晋. 中国经济高质量发展水平的空间格局与动态演进. 中国软科学, 2022(1): 62-75.]

[33]
Zhang Weili, Zhang Shiyu. Characteristics and transmission mechanism of spatial correlation network for high quality development of cities in China. Geography and Geo-Information Science, 2023, 39(4): 44-53.

[张伟丽, 张时雨. 中国城市高质量发展空间关联网络特征及传导机制分析. 地理与地理信息科学, 2023, 39(4): 44-53.]

[34]
Zhao Na. Measurement and evaluation of the development quality of new urbanization. Statistics & Decision, 2020, 36(22): 57-60.

[赵娜. 新型城镇化发展质量的测度与评价. 统计与决策, 2020, 36(22): 57-60.]

[35]
Cui Dan, Bu Xiaoyan, Xu Zhen, et al. Comprehensive evaluation and impact mechanism of high-quality development of China's resource-based cities. Acta Geographica Sinica, 2021, 76(10): 2489-2503.

DOI

[崔丹, 卜晓燕, 徐祯, 等. 中国资源型城市高质量发展综合评估及影响机理. 地理学报, 2021, 76(10): 2489-2503.]

DOI

[36]
Shahbaz M. Does trade openness affect long run growth? Cointegration, causality and forecast error variance decomposition tests for Pakistan. Economic Modelling, 2012, 29(6): 2325-2339.

DOI

[37]
Li Bingren. Urban development policies of China and the influence to Chinese urbanization. Urban Studies, 2008, 15(2): 26-32, 37.

[李秉仁. 我国城市发展方针政策对城市化的影响和作用. 城市发展研究, 2008, 15(2): 26-32, 37.]

[38]
Zhang Junkuo. Accelerate the formation of an institutional environment to promote high-quality development. China Development Observation, 2018(1): 5-8.

[张军扩. 加快形成推动高质量发展的制度环境. 中国发展观察, 2018(1): 5-8.]

[39]
Shangguan Xuming, Ge Binhua. Scientific and technological innovation, environmental regulation and high-quality economic development: Empirical evidence from 278 Chinese cities at prefecture level and above. China Population, Resources and Environment, 2020, 30(6): 95-104.

[上官绪明, 葛斌华. 科技创新、环境规制与经济高质量发展: 来自中国278个地级及以上城市的经验证据. 中国人口·资源与环境, 2020, 30(6): 95-104.]

[40]
Zhao Tao, Zhang Zhi, Liang Shangkun. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China. Management World, 2020, 36(10): 65-76.

[赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展: 来自中国城市的经验证据. 管理世界, 2020, 36(10): 65-76.]

[41]
Frick S A, Rodríguez-Pose A. Big or small cities? On city size and economic growth. Growth and Change, 2018, 49(1): 4-32.

DOI

[42]
Huang X H, Cai B Q, Li Y L. Evaluation index system and measurement of high-quality development in China. Revista De Cercetare Si Interventie Sociala, 2020, 68: 163-178.

DOI

[43]
Li X S, Lu Y L, Huang R T. Whether foreign direct investment can promote high-quality economic development under environmental regulation: Evidence from the Yangtze River Economic Belt, China. Environmental Science and Pollution Research, 2021, 28(17): 21674-21683.

DOI

[44]
Xiao De, Yu Fan. A measurement and comparative analysis of high-quality economic development of Chinese urban agglomerations. Journal of Macro-quality Research, 2021, 9(3): 86-98.

[肖德, 于凡. 中国城市群经济高质量发展测算及差异比较分析. 宏观质量研究, 2021, 9(3): 86-98.]

[45]
Sun Jiuwen, Jiang Zhi. Paths of high-quality development in China's coastal areas. Acta Geographica Sinica, 2021, 76(2): 277-294.

DOI

[孙久文, 蒋治. 中国沿海地区高质量发展的路径. 地理学报, 2021, 76(2): 277-294.]

DOI

[46]
Tu Jianjun, Kuang Renrui, Mao Kai, et al. Evaluation on high-quality development of Chengdu-Chongqing urban agglomeration. Economic Geography, 2021, 41(7): 50-60.

[涂建军, 况人瑞, 毛凯, 等. 成渝城市群高质量发展水平评价. 经济地理, 2021, 41(7): 50-60.]

[47]
Wei Shouhua, Wu Guisheng, Lv Xinlei. The determinants of regional innovation capability: Comment on the regional gap of innovation capability in China. China Soft Science, 2010(9): 76-85.

[魏守华, 吴贵生, 吕新雷. 区域创新能力的影响因素: 兼评我国创新能力的地区差距. 中国软科学, 2010(9): 76-85.]

[48]
Yuan Jiemin. Explore the significance of binary contrast index. Statistics & Decision, 2008(1): 154-156.

[袁捷敏. 探析二元反差指数的意义. 统计与决策, 2008(1): 154-156.]

[49]
Gan Chunhui, Zheng Ruogu, Yu Dianfan. An empirical study on the effects of industrial structure on economic growth and fluctuations in China. Economic Research Journal, 2011, 46(5): 4-16, 31.

[干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响. 经济研究, 2011, 46(5): 4-16, 31.]

[50]
Yang Yaowu, Zhang Ping. Logic, measurement and governance in China's high-quality economic development. Economic Research Journal, 2021, 56(1): 26-42.

[杨耀武, 张平. 中国经济高质量发展的逻辑、测度与治理. 经济研究, 2021, 56(1): 26-42.]

[51]
Fan Gang, Wang Xiaolu, Zhu Hengpeng. Neri Index of Marketization of China's Provinces 2009 Report. Beijing: Economic Science Press, 2010.

[樊纲, 王小鲁, 朱恒鹏. 中国市场化指数: 各地区市场化相对进程2009年报告. 北京: 经济科学出版社, 2010.]

[52]
Cheng W J, Xi H Y, Sindikubwabo C, et al. Ecosystem health assessment of desert nature reserve with entropy weight and fuzzy mathematics methods: A case study of Badain Jaran Desert. Ecological Indicators, 2020, 119: 106843. DOI: 10.1016/j.ecolind.2020.106843.

[53]
Gong X, Wang Y, Lin B Q. Assessing dynamic China's energy security: Based on functional data analysis. Energy, 2021, 217. DOI: 10.1016/j.energy.2020.119324.

[54]
Phillips P C B, Sul D. Transition modeling and econometric convergence tests. Econometrica, 2007, 75(6): 1771-1855.

DOI

[55]
Du K R. Econometric convergence test and club clustering using stata. The Stata Journal: Promoting Communications on Statistics and Stata, 2017, 17(4): 882-900.

DOI

[56]
Anselin L. Spatial effects in econometric practice in environmental and resource economics. American Journal of Agricultural Economics, 2001, 83(3): 705-710.

DOI

[57]
Lesage J, Pace R K. Introduction to Spatial Econometrics. London: Chapman and Hall/CRC, 2009.

[58]
Zhu Jiguang, Xu Jiawei, Li Xiaojian, et al. Impact of land urbanization and population urbanization on economic growth in China. Scientia Geographica Sinica, 2020, 40(10):1654-1662.

DOI

[朱纪广, 许家伟, 李小建, 等. 中国土地城镇化和人口城镇化对经济增长影响效应分析. 地理科学, 2020, 40(10): 1654-1662.]

DOI

[59]
Ye Qin, Zeng Gang, Dai Shaoqing, et al. Research on the effects of different policy tools on China's emissions reduction innovation: Based on the panel data of 285 prefectural-level municipalities. China Population, Resources and Environment, 2018, 28(2): 115-122.

[叶琴, 曾刚, 戴劭勍, 等. 不同环境规制工具对中国节能减排技术创新的影响: 基于285个地级市面板数据. 中国人口·资源与环境, 2018, 28(2): 115-122.]

[60]
Huang Qunhui, Yu Yongze, Zhang Songlin. Internet development and productivity growth in manufacturing industry: Internal mechanism and China experiences. China Industrial Economics, 2019(8): 5-23.

[黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验. 中国工业经济, 2019(8): 5-23.]

[61]
Gao Jian, Wu Peilin. Influences on urban economic growth by urban population size. Urban Problems, 2016(6): 4-13.

[高健, 吴佩林. 城市人口规模对城市经济增长的影响. 城市问题, 2016(6): 4-13.]

[62]
Elhorst J P. Matlab software for spatial panels. International Regional Science Review, 2014, 37(3): 389-405.

DOI

Options
文章导航

/

〈 〉