中国城市国内国际双循环测度及影响因素

图1 城市国内循环路径

Fig. 1 Domestic circulation path of cities

城市国际循环的形成总共有3种路径（图2）。本文以城市D为例展示国际循环的3种路径。由于是国际循环，城市D的投入来源地和产出吸收地至少需要有一方来自于国外地区。具体而言，第1种路径是城市D使用国外地区的投入制造产品，并且最终产品被国内地区消费。此时，城市D的产出使用国外地区的增加值，并且最终被国内地区吸收。本文将其定义为城市国际一般循环1。第2种路径是城市D使用国内地区的投入制造产品，并且最终产品被国外地区消费。此时，城市D的产出使用国内地区的增加值，并且最终被国外地区吸收。本文将其定义为城市国际一般循环2。第3种路径是城市D使用国外地区的投入制造产品，并且最终产品被国外地区消费。此时，城市D的产出使用国外地区增加值，并且最终被国外地区吸收。本文将其定义为城市国际复杂循环。不难发现，城市国际循环的第1种路径和第2种路径属于一般贸易，第3种路径则属于垂直专业化。

图2

图2 城市国际循环路径

Fig. 2 International circulation path of cities

综上所述，本文测度城市国内循环发展水平只需从国内价值链出发，测度在上述城市国内循环的4种路径中流转的国内增加值即可。4种路径中流转的国内增加值之和占城市总产出比例越大，说明该城市与国内上下游城市的经济联系越密切，其参与国内循环程度越深，国内循环发展水平越高。与此同时，本文测度城市国际循环发展水平只需从全球价值链出发，测度在上述城市国际循环的3种路径中流转的增加值即可。3种路径中流转的增加值之和占城市总产出比例越大，说明该城市与国外地区的上下游联系越密切，其参与国际循环程度越深，国际循环发展水平越高。

2.2 城市国内国际循环参与度测度

2.2.1 城市间投入产出表构建

城市间投入产出表如表1所示。本文假设城市间投入产出表共有G个城市，N个产业。其中Z为G×N阶中间投入方阵，其元素 $z_{i j}^{S R}$ 表示R城市j部门使用S城市i部门的中间投入品金额；Y为最终需求（使用）矩阵，其元素 $Y_{i}^{S R}$ 表示R城市使用S城市i部门最终产品金额；E为出口列向量，其元素 $E_{i}^{S}$ 表示S城市i行业的出口金额；IM为进口行向量，其元素 $I M_{i}^{S}$ 表示S城市i行业的进口金额；Va为增加值行向量，其元素 $V a_{i}^{S}$ 表示S城市i部门的增加值金额；X为总产出（总投入）向量，其元素 $X_{i}^{S}$ 表示S城市i部门总产出（总投入）。值得说明的是，本文并没有遵循苏庆义的处理^[19]，将进口项分解为纯进口与回流项，而是参考刘斌等处理^[20]，保持原有进口项不变，所做处理适合本文测度国内国际循环参与度方式。同时本文所做处理不需要行业匹配所带来的数据拆分和相应的权重构造，进而减小了测度误差。

表1 城市间投入产出表

Tab. 1 Inter-city input-output table

					中间使用					最终需求			出口	总产出
			城市1			...	城市G			城市1	...	城市G
			产业1	...	产业N	...	产业1	...	产业N	城市1	...	城市G
		产业1	$Z_{11}^{11}$	...	$Z_{1 N}^{11}$	...	$Z_{11}^{1 G}$	...	$Z_{1 N}^{1 G}$	$Y_{1}^{11}$	...	$Y_{1}^{1 G}$	$E_{1}^{1}$	$X_{1}^{1}$
	城市1	...	...	...	...	...	...	...	...	...	...	...	..	...
中间投入		产业N	$Z_{N 1}^{11}$	...	$Z_{N N}^{11}$	...	$Z_{N 1}^{1 G}$	...	$Z_{N N}^{1 G}$	$Y_{N}^{11}$	...	$Y_{N}^{1 G}$	$E_{N}^{1}$	$X_{N}^{1}$
	...	...	...	...	...	...	...	...	...	...	...	...	...	...
		产业1	$Z_{11}^{G 1}$	...	$Z_{1 N}^{G 1}$	...	$Z_{11}^{G G}$	...	$Z_{1 N}^{G G}$	$Y_{1}^{G 1}$	...	$Y_{1}^{G G}$	$E_{1}^{G}$	$X_{1}^{G}$
	城市G	...	...	...	...	...	...	...	...	...	...	...	..	...
		产业N	$Z_{N 1}^{G 1}$	...	$Z_{N N}^{G 1}$	...	$Z_{N 1}^{G G}$	...	$Z_{N N}^{G G}$	$Y_{N}^{G 1}$	...	$Y_{N}^{G G}$	$E_{N}^{G}$	$X_{N}^{G}$
	进口		$I M_{1}^{1}$	...	$I M_{N}^{1}$	...	$I M_{1}^{G}$	...	$I M_{N}^{G}$
增加值			$V a_{1}^{1}$	...	$V a_{N}^{1}$	...	$V a_{1}^{G}$	...	$V a_{N}^{G}$
总投入			$X_{1}^{1}$	...	$X_{N}^{1}$	...	$X_{1}^{G}$	...	$X_{N}^{G}$

新窗口打开| 下载CSV

2.2.2 城市间投入产出模型

城市间投入产出模型实质上是分解城市总产出为不同来源和去向的增加值过程。具体而言，投入产出模型分为行模型和列模型，对应不同的分解逆矩阵。本文使用学术界常用的行模型进行增加值分解，列模型与之类似。基于表1的行联系，可得到如下恒等式：

（1）

X^{i} = \sum_{j = 1}^{G} (A^{i j} X^{j} + Y^{i j}) + E^{i}

式中：Xⁱ表示城市i的总产出列向量；Y^ij表示城市j消费城市i的最终产品；Eⁱ表示城市i的出口，包括中间品和最终品出口；A^ij表示城市j对城市i的直接消耗矩阵，公式为：

（2）

A^{i j} = Z^{i j} {(d i a g (X^{j}))}^{- 1}

将式（1）进行相关矩阵的合并，可得式（3）：

（3）

X^{i} = \sum_{k = 1}^{G} B^{i k} (\sum_{u = 1}^{G} Y^{k u} + E^{k})

式中：B为行模型中里昂惕夫逆矩阵，表示最终品拉动总产出的乘数，与行模型的高希逆矩阵相对应。同时，本文参考WWZ框架进行局部增加值模型的推导，将行模型聚焦到某一具体城市，其他区域投入产出数值进行合并：

（4）

P^{j *} = \sum_{i \neq j}^{G} P^{j i} + E^{j}

（5）

P^{j i} = A^{j i} X^{i} + Y^{j i}

式中： $P^{j *}$ 为城市j对国内其他城市和国外区域的投入，即城市j的总流出；P^ji为城市j对国内其他城市的投入。联立式（1）、式（4）和式（5）得到：

（6）

X^{i} = A^{i i} X^{i} + Y^{i i} + P^{i *}

将式（6）进行相关的矩阵合并化简，可得：

（7）

X^{i} = (I_{N} - A^{i i})^{- 1} Y^{i i} + (I_{N} - A^{i i})^{- 1} P^{i *}, L^{i i} = (I_{N} - A^{i i})^{- 1}

式中：Lⁱⁱ为局部（城市）里昂惕夫逆矩阵。因此，可通过式（7）将城市j对城市i的中间产品投入分解成两部分，即：

（8）

A^{j i} X^{i} = A^{j i} L^{i i} Y^{i i} + A^{j i} L^{i i} P^{i *}

本文已经分解了总产出中增加值的最终去向，接下来将分解增加值来源。定义增加值系数矩阵与进口系数矩阵，如式（9）和式（10）所示：

（9）$V^j =V a^j\left(\operatorname{diag}\left(X^j\right)\right)^{-1}$

（10）$M^j =I M^j\left(\operatorname{diag}\left(X^j\right)\right)^{-1}$

在式（9）和式（10）基础上构造增加值份额和进口份额矩阵：

（11）

V B = (\begin{matrix} V^{1} B^{11} & V^{1} B^{12} & \dots & V^{1} B^{1 G} \\ V^{2} B^{21} & V^{2} B^{22} & \dots & V^{2} B^{2 G} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ V^{G} B^{G 1} & V^{G} B^{G 2} & \dots & V^{G} B^{G G} \end{matrix})

（12）

M B = (\begin{matrix} M^{1} B^{11} & M^{1} B^{12} & \dots & M^{1} B^{1 G} \\ M^{2} B^{21} & M^{2} B^{22} & \dots & M^{2} B^{2 G} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ M^{G} B^{G 1} & M^{G} B^{G 2} & \dots & M^{G} B^{G G} \end{matrix})

式中：式（11）主对角线元素为各城市总产出中本地区增加值份额，每列非主对角线矩阵为各城市总产出中来自国内其他城市的增加值份额。式（12）主对角线元素为各城市总产出中本地区的进口份额，每列非主对角线矩阵为各城市总产出中来自国内其他城市的进口份额。由于总产出中的增加值只可能来源于本国和外国，故可得式（13）：

（13）

\sum_{i = 1}^{G} (V^{i} + M^{i}) B^{i j} = Q

式中：Q为N阶单位行向量。联立式（3）、式（5）、式（8）和式（13）可将城市j流出到城市i的产出从增加值来源和增加值最终吸收地两个方向进行分解，最终的流出项增加值分解如式（14）所示：

（14）$\begin{aligned}& P^{j i}=\left(V^j B^{j j}\right)^T \# Y^{j i}+\left(V^j L^{j j}\right)^T \#\left(A^{j i} B^{i i} Y^{i i}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} Y^{k k}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} B^{i i} \sum_{k \neq j, i}^G Y^{i k}\right)+ \\& \left(V^j L^{j j}\right)^T\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} \sum_{u \neq j, k}^G Y^{k u}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} B^{i i} Y^{j j}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} Y^{k j}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} B^{i j} Y^{j j}\right)+ \\& \left(V^i B^{i j}\right)^T \# Y^{j i}+\left(V^i B^{i j}\right)^T \#\left(A^{j i} L^{i i} Y^{i i}\right)+\left(\sum_{k \neq j, i}^G V^k B^{k j}\right)^T \# Y^{j i}+\left(\sum_{k \neq j, i}^G V^k B^{k j}\right)^T \#\left(A^{j i} L^{i i} Y^{i i}\right)+ \\& \left(V^j L^{j j}\right)^T \#\left(A^{j i} B^{i i} E^i\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} B^{i j} E^j\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} E^k\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j}^G B^{i j} Y^{j k}\right)+ \\& \left(V^j B^{j j}-V^j L^{j j}\right)^T \#\left(A^{j i} X^i\right)+\left(V^i B^{i j}\right)^T \#\left(A^{j i} L^{i i} P^{i *}\right)+\left(\sum_{k \neq j, i}^G V^k B^{k j}\right)^T \#\left(A^{j i} L^{i i} P^{i^*}\right)+\left(M^j B^{j j}\right)^T \# Y^{j i}+ \\& \left(M^j L^{j j}\right)^T \#\left(A^{j i} B^{i i} Y^{i i}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} Y^{k k}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j i} B^{i i} \sum_{k \neq j, i}^G Y^{i k}\right)+ \\& \left(M^j L^{j j}\right)^T\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} \sum_{u \neq j, k}^G Y^{k u}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j i} B^{i j} Y^{j j}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} Y^{k j}\right)+ \\& \left(M^j L^{j j}\right)^T \#\left(A^{j i} B^{i j} Y^{j j}\right)+\left(M^i B^{i j}\right)^T \# Y^{j i}+\left(M^i B^{i j}\right)^T \#\left(A^{j i} L^{i i} Y^{i i}\right)+\left(\sum_{k \neq j, i}^G M^k B^{k j}\right)^T \# Y^{j i}+ \\& \left(\sum_{k \neq j, i}^G M^k B^{k j}\right)^T \#\left(A^{j i} L^{i i} Y^{i i}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j i} B^{i i} E^i\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j i} B^{i j} E^j\right)+ \\& \left(M^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j, i}^G B^{i k} E^k\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j i} \sum_{k \neq j}^G B^{i j} Y^{j k}\right)+\left(M^j B^{j j}-M^j L^{j j}\right)^T \#\left(A^{j i} X^i\right)+ \\& \left(M^i B^{i j}\right)^T \#\left(A^{j i} L^{i i} P^{i *}\right)+\left(\sum_{k \neq j, i}^G M^k B^{k j}\right)^T \#\left(A^{j i} L^{i i} P^{i^*}\right) \\& \end{aligned}$

式中：#表示对应分块矩阵的点乘；T为矩阵转置符号。式（14）包含了城市国内循环的3种路径和国际循环的3种路径。具体而言，在国内循环方面，国内简单循环是第6项、第7项和第8项；国内一般循环2是第1项、第2项、第3项、第4项和第5项；国内复杂循环是第9项、第10项、第11项和第12项。

因此，在城市j对城市i的流出中，在国内生成并最终由国内吸收的增加值为第1项~第12项，其属于国内城市通过城市j在国内流转的增加值，包括生产、分配、交换和消费的完整链条，反映了城市j在国内循环中的参与度。城市j的总产出在国内流转的增加值越多，城市j的国内循环发展水平越强，参与度越深。本文将式（14）的第1项至第12项和记为 $D V A^{j i}$ 。在国际循环方面，国际一般循环1是第20项、第21项、第22项、第23项、第24项、第25项、第26项、第27项、第28项、第29项、第30项和第31项；国际一般循环2是第13项、第14项和第15项；国际复杂循环是第32项、第33项和第34项。因此，在城市j对城市i的流出中，在国外生成或最终由国外吸收的增加值为上述的18项，其属于国外地区在国内城市流转的增加值或是国内地区的增加值最终被国外消费的部分，亦包括生产、分配、交换和消费的完整链条，反映了城市j在国际循环中的参与度。城市j的总产出在全球流转的增加值越大，城市j的国际循环发展水平越强，参与度越深。本文将上述的18项的和记为 $F V A^{j i}$ 。

事实上，城市的总产出除了成为国内其他城市的中间品和最终消费品外，也可以直接被自身进行加工或是消费。本文遵循上述流出项分解，对城市提供给自身产出的增加值进行分解，由于具体分解过程与上文类似，此处不再赘述，具体分解式为：

（15）$\begin{aligned}& P^{j j}=\left(V^j B^{j j}\right)^T \# Y^{j j}+\left(V^j L^{j j}\right)^T \#\left(A^{j j} B^{j j} Y^{j j}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j j} \sum_{k \neq j}^G B^{j k} Y^{k k}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j j} B^{j j} \sum_{k \neq j}^G Y^{j k}\right)+ \\& \left(V^j L^{j j}\right)^T\left(A^{j j} \sum_{k \neq j}^G B^{j k} \sum_{u \neq j, k}^G Y^{k u}\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j j} \sum_{k \neq j}^G B^{j k} Y^{k j}\right)+\left(\sum_{k \neq j}^G V^k B^{k j}\right)^T \# Y^{j j}+\left(\sum_{k \neq j}^G V^k B^{k j}\right)^T \#\left(A^{j j} L^{j j} Y^{j j}\right)+ \\& \left(V^j L^{j j}\right)^T \#\left(A^{j j} B^{j j} E^j\right)+\left(V^j L^{j j}\right)^T \#\left(A^{j j} \sum_{k \neq j}^G B^{j k} E^k\right)+\left(V^j B^{j j}-V^j L^{j j}\right)^T \#\left(A^{j j} X^j\right)+\left(\sum_{k \neq j}^G V^k B^{k j}\right)^T \#\left(A^j L^{j j} P^{j^*}\right)+ \\& \left(M^j B^{j j}\right)^T \# Y^{j j}+\left(M^j L^{j j}\right)^T \#\left(A^{j j} B^{j j} Y^{j j}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j j} \sum_{k \neq j}^G B^{j k} Y^{k k}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{i j} B^{j j} \sum_{k \neq j}^G Y^{j k}\right)+ \\& \left(M^j L^{j j}\right)^T\left(A^{j j} \sum_{k \neq j}^G B^{j k} \sum_{u \neq j, k}^G Y^{k u}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j j} \sum_{k \neq j}^G B^{j k} Y^{k j}\right)+\left(\sum_{k \neq j}^G M^k B^{k j}\right)^T \# Y^{j j}+ \\& \left(\sum_{k \neq j}^G M^k B^{k j}\right)^T \#\left(A^{j j} L^{j j} Y^{j j}\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j j} B^{j j} E^j\right)+\left(M^j L^{j j}\right)^T \#\left(A^{j j} \sum_{k \neq j}^G B^{j k} E^k\right)+ \\& \left(M^j B^{j j}-M^j L^{j j}\right)^T \#\left(A^{j j} X^j\right)+\left(\sum_{k \neq j}^G M^k B^{k j}\right)^T \#\left(A^j L^{j j} P^{j^*}\right) \\&\end{aligned}$

式（15）包含了城市国内循环的3种路径和国际循环的3种路径。具体而言，在国内循环方面，国内简单循环是第1项、第2项和第6项；国内一般循环1是第7项和第8项；国内一般循环2是第3项、第4项和第5项。本文将上述的8项和记为 $D V A^{j j}$ 。在国际循环方面，国际一般循环1是第13项、第14项、第15项、第16项、第17项、第18项、第19项和第20项；国际一般循环2是第9项和第10项；国际复杂循环是第21项和第22项。本文将上述的12项和记为 $F V A^{j j}$ 。

通过上述对城市j流出项和自身供给项的增加值分解，本文可以将城市j总产出分解为式（16）所示：

（16）

X^{j} = \sum_{i \neq j}^{G} P^{j i} + P^{j j} + {(\sum_{i \neq j}^{G} V^{i} B^{i j})}^{T} # E^{j} + {(\sum_{i \neq j}^{G} M^{i} B^{i j})}^{T} # E^{j}

值得说明的是上述未包含在国内循环和国际循环路径中的增加值分解项为重复计算项，这是由于中间品多次跨境而产生。同时，为了本文增加值分解的一致性，本文亦将城市j的出口分解为不同投入来源的增加值。其中，出口分解的第一项属于国际一般循环2，第二项属于国际复杂循环，两项和记为 $F V A^{j}$ 。至此，本文将城市j的总产出分解为不同来源和去向的增加值，并识别出在国内循环和国际中流转的增加值，即 $D V A^{j i}$ 、 $D V A^{j j}$ 、 $F V A^{j i}$ 、 $F V A^{j j}$ 和 $F V A^{j}$ 。

2.2.3 城市国内国际循环参与度指标构建

本文依据上述对总产出的分解构建城市国内国际循环参与度指标，将城市在国内循环和国际循环中产生并最终被吸收的增加值分解出，并与总产出作比得出相关指标。

（1）城市—行业层面国内国际循环

（17）

D E C D_{I}^{j} = \frac{\sum_{i \neq j}^{G} D V A_{I}^{j i} + D V A_{I}^{j j}}{X_{I}^{j}}

（18）

D E C F_{I}^{j} = \frac{\sum_{i \neq j}^{G} F V A_{I}^{j i} + F V A_{I}^{j j} + F V A_{I}^{j}}{X_{I}^{j}}

式中：DECD代表国内循环参与度；DECF代表国际循环参与度，两者取值范围为（0, 1），下述指标均在此范围内；j和I分别代表城市与行业；i代表城市产出的流出目的地；DVA和FVA分别为上文所测度的在国内循环和国际循环中流转的增加值；X为总产出；下同。

（2）行业层面国内国际循环。式（19）是基于式（17）的城市—行业层面国内循环参与度按城市层面加总到行业而得；式（20）为对应的行业层面国际循环参与度。

（19）

D E C D_{I} = \frac{\sum_{j = 1}^{G} (\sum_{i \neq j}^{G} D V A_{I}^{j i} + D V A_{I}^{j j})}{\sum_{j = 1}^{G} X_{I}^{j}}

（20）

D E C F_{I} = \frac{\sum_{j = 1}^{G} (\sum_{i \neq j}^{G} F V A_{I}^{j i} + F V A_{I}^{j j} + F V A_{I}^{j})}{\sum_{j = 1}^{G} X_{I}^{j}}

（3）城市层面国内国际循环。式（21）是基于式（17）的城市—行业层面国内循环参与度按行业层面加总到城市而得；式（22）为对应的城市层面国际循环参与度。

（21）

D E C D^{j} = \frac{\sum_{I = 1}^{N} (\sum_{i \neq j}^{G} D V A_{I}^{j i} + D V A_{I}^{j j})}{\sum_{I = 1}^{N} X_{I}^{j}}

（22）

D E C F^{j} = \frac{\sum_{I = 1}^{N} (\sum_{i \neq j}^{G} F V A_{I}^{j i} + F V A_{I}^{j j} + F V A_{I}^{j})}{\sum_{I = 1}^{N} X_{I}^{j}}

2.3 数据说明

本文所用城市间投入产出表由CEADs团队基于中国省际间投入产出表、中国海关数据库和中国各城市统计年鉴等数据，使用熵值模型构建而成^[22]。该城市间投入产出表数据内容丰富，囊括了省际间投入产出表的基本要素，包括：中间品投入方阵，最终产出矩阵、出口列向量、进口行向量、增加值矩阵、总产出矩阵以及误差调整列向量。同时，该城市间投入产出表包含313个地域单位与42个行业单位。地域单位包括县级市、地级市及其以上城市和省级单位。行业单位包括农业、工业和服务业。为研究的需要，本文将该城市间投入产出表的最终产出矩阵和增加值矩阵进行合并，加总为列向量和行向量，将原有的两者分解部分去除。本文主要研究地级市及以上层面，因此除了城市—行业层面的国内国际循环参与度分析，后续城市国内国际循环参与度分析主要基于其中的273个地级及以上城市展开。该城市间投入产出表时间跨度为2012年、2015年和2017年，其中2015年总产出矩阵未给出，本文基于投入产出的行模型性质进行加总得出。同时得到修正误差项，误差项占总数据值比例接近0，数据校平结果较为准确。

3 中国国内国际双循环参与度分析

3.1 城市—行业层面国内国际循环参与度

本文通过式（17）和式（18）测度出2012年、2015年和2017年中国城市—行业层面国内国际循环参与度指标值。具体城市—行业层面国内循环参与度和国际循环参与度结果如图3~图5所示，图3~图5为三维立体图的平面形式。

图3

图3 2012年中国城市—行业层面双循环参与度

注：横坐标1, 2, …, 42代表行业总共有42个，从左到右按照行业GB2011排列；纵坐标为1, 2, …, 313代表城市总共有313个，从下到上按照《中国城市统计年鉴2018》中城市排列顺序排列，图4与图5同。

Fig. 3 Participation of dual circulations at the city-industry level in China in 2012

图4

图4 2015年中国城市—行业层面双循环参与度

Fig. 4 Participation of dual circulations at the city-industry level in China in 2015

图5

图5 2017年中国城市—行业层面双循环参与度

Fig. 5 Participation of dual circulations at the city-industry level in China in 2017

在国内循环方面，2012年城市—行业层面国内循环参与度≥ 50%的单元个数为10444个，占总体个数（此处总体个数为样本总量减去国内循环参与度或国际循环参与度为0的样本个数。）比例为80.79%，中国城市—行业层面在2012年已经形成了国内循环为主体的态势。2015年城市—行业层面国内循环参与度≥ 50%的单元个数为10544个，占总体个数比例为92.2%，中国城市—行业层面国内循环为主体的单元个数比例在2012年后不断增强，这与中国共产党“十八大”报告强调经济发展更多依靠内需，特别是消费需求拉动密切相关。2017年城市—行业层面国内循环参与度≥ 50%的单元个数为10599个，占总体个数比例为83.19%，中国城市—行业层面国内循环为主体的单元个数比例稍有下降。

在国际循环方面，2012年城市—行业层面国际循环参与度≥ 50%的单元个数为1078个，占总体个数比例为19.21%。2012年中国城市—行业层面以国际循环为主体的单元个数比例较低，远低于国内循环为主体的单元个数比例，国际循环处于双循环新发展格局的补充层面。2015年城市—行业层面国际循环参与度≥ 50%的单元个数为2602个，占总体个数比例为7.8%，中国城市—行业层面国际循环为主体的单元个数比例在2015年出现较大下降。2017年城市—行业层面国内循环参与度≥ 50%的单元个数为1274个，占总体个数比例为16.81%。2017年中国城市—行业层面国际循环为主体的单元个数比例开始上升，但与国内循环为主体的单元个数比例相比，仍有较大差距。

综上，中国城市—行业层面的单元个体在样本期间多数是以国内循环为主体，国际循环为补充。虽在2017年以国内大循环为主体的单元个数比例有所下降，但将上述城市—行业层面的国内循环参与度加总至中国整体层面，2012年、2015年和2017年中国国内循环参与度分别为71.62%、72.42%和74.08%，国际循环参与度分别为28.38%、27.58%和25.92%。由此可以看出，中国整体始终处于国内大循环为主体，国内国际循环相互补充的局面。特别是2017年中国整体国内循环参与度接近75%，国内循环主体地位进一步增强。

3.2 行业层面国内国际循环参与度

中国各城市参与国内国际循环本质上是城市之间的行业在进行上下游关联的结果，随着要素流动和产业的多样化和专业化集聚，现有的城市之间的关联慢慢变成行业之间的联系。比如长三角城市群上海为科技中心，苏州为制造中心，杭州为数字中心。三者根据自身不同的行业优势进行经济关联，长三角一体化程度不断加深。本文通过式（19）和式（20）分析不同行业之间国内国际循环参与度的差异。具体而言，本文将2012年、2015年和2017年中国42个行业的国内循环参与度与国际循环参与度降序排列。行业层面的国内循环参与度的具体排名如表2所示。

表2 中国行业层面国内循环参与度

Tab. 2 Participation of domestic circulation at the industry level in China

行业	2012年	行业	2015年	行业	2017年
公共管理、社会保障和社会组织	0.9424	教育	0.9534	教育	0.9561
教育	0.9407	公共管理、社会保障和社会组织	0.9432	公共管理、社会保障和社会组织	0.9549
房地产	0.9255	房地产	0.9230	房地产	0.9381
水利、环境和公共设施管理	0.8884	卫生和社会工作	0.8867	水利、环境和公共设施管理	0.8883
卫生和社会工作	0.8800	水利、环境和公共设施管理	0.8818	建筑	0.8882
建筑	0.8765	建筑	0.8785	卫生和社会工作	0.8812
农林牧渔产品和服务	0.8656	农林牧渔产品和服务	0.8689	水的生产和供应	0.8748
文化、体育和娱乐	0.8600	居民服务、修理和其他服务	0.8603	文化、体育和娱乐	0.8735
居民服务、修理和其他服务	0.8522	住宿和餐饮	0.8413	居民服务、修理和其他服务	0.8726
住宿和餐饮	0.8504	食品和烟草	0.8333	农林牧渔产品和服务	0.8713
水的生产和供应	0.8199	文化、体育和娱乐	0.8274	住宿和餐饮	0.8633
食品和烟草	0.8178	水的生产和供应	0.8194	信息传输、软件和信息技术服务	0.8541
金融	0.8068	金融	0.8103	金融	0.8506
非金属矿物制品	0.7993	非金属矿和其他矿采选产品	0.7975	食品和烟草	0.8415
非金属矿和其他矿采选产品	0.7906	科学研究和技术服务	0.7947	非金属矿和其他矿采选产品	0.8258
信息传输、软件和信息技术服务	0.7809	信息传输、软件和信息技术服务	0.7855	科学研究和技术服务	0.8082
煤炭采选产品	0.7773	非金属矿物制品	0.7771	非金属矿物制品	0.8038
燃气生产和供应	0.7749	煤炭采选产品	0.7635	煤炭采选产品	0.8036
电力、热力的生产和供应	0.7647	燃气生产和供应	0.7598	电力、热力的生产和供应	0.7858
石油和天然气开采产品	0.7465	电力、热力的生产和供应	0.7573	废品废料	0.7791
批发和零售	0.7303	石油和天然气开采产品	0.7555	石油和天然气开采产品	0.7540
科学研究和技术服务	0.7302	专用设备	0.6944	燃气生产和供应	0.7428
专用设备	0.7262	交通运输设备	0.6869	租赁和商务服务	0.7265
金属矿采选产品	0.7261	交通运输、仓储和邮政	0.6845	批发和零售	0.7157
交通运输设备	0.7107	租赁和商务服务	0.6831	交通运输、仓储和邮政	0.6976
交通运输、仓储和邮政	0.7037	金属矿采选产品	0.6830	金属矿采选产品	0.6819
木材加工品和家具	0.6645	批发和零售	0.6784	专用设备	0.6781
金属制品、机械和设备修理服务	0.6642	木材加工品和家具	0.6524	交通运输设备	0.6501
通用设备	0.6397	金属制品、机械和设备修理服务	0.6439	木材加工品和家具	0.6136
金属制品	0.6366	金属制品	0.6066	金属制品	0.6086
金属冶炼和压延加工品	0.6320	通用设备	0.5979	化学产品	0.5976
租赁和商务服务	0.6131	其他制造产品	0.5974	金属冶炼和压延加工品	0.5854
废品废料	0.6076	化学产品	0.5884	金属制品、机械和设备修理服务	0.5839
石油、炼焦产品和核燃料加工品	0.6050	金属冶炼和压延加工品	0.5813	通用设备	0.5830
化学产品	0.5829	石油、炼焦产品和核燃料加工品	0.5667	造纸印刷和文教体育用品	0.5636
其他制造产品	0.5764	造纸印刷和文教体育用品	0.5583	石油、炼焦产品和核燃料加工品	0.5449
电气机械和器材	0.5616	电气机械和器材	0.5274	纺织服装鞋帽皮革羽绒及其制品	0.5200
纺织服装鞋帽皮革羽绒及其制品	0.5462	纺织服装鞋帽皮革羽绒及其制品	0.5211	电气机械和器材	0.5117
造纸印刷和文教体育用品	0.5322	纺织品	0.5043	其他制造产品	0.4818
仪器仪表	0.5169	废品废料	0.4984	纺织品	0.4789
纺织品	0.4675	仪器仪表	0.4898	仪器仪表	0.4769
通信设备、计算机和其他电子设备	0.2456	通信设备、计算机和其他电子设备	0.2301	通信设备、计算机和其他电子设备	0.2073

新窗口打开| 下载CSV

2012年、2015年和2017年中国42个行业中，国内循环参与度超过50%的占据半数以上，国际循环参与度普遍较低（表2）。具体而言，农业、工业和服务业的国内循环参与度和国际循环参与度有着显著的差异。工业中的制造业国内循环参与度始终排名靠后，国际循环参与度则排名靠前。制造业中的通信设备、计算机和其他电子设备业，其国内循环参与度从2012年的0.2456下降至2017年的0.2073，而国际循环参与度则从2012年的0.7544上升至2017年的0.7927。在中国整体国内循环参与度不断增强的背景下，通信设备、计算机和其他电子设备业的国内循环参与度却在不断下降，这需要引起一定的关注。通信设备、计算机和其他电子设备业属于技术密集型行业，其需要大量的资本和技术投入。中国国内循环参与度在该行业的不断下降说明中国在信息通信制造方面需要依赖大量国外投入，国内增加值较低。此测度结果与现实紧密关联，中国从加入世界贸易组织以来，贸易总额从2001年的5098亿美元跃升至2021年6.05万亿美元，但自身真正获得的贸易利得是较小的，尤其是“两头在外，大进大出”的加工贸易。加工贸易的国内增加值显著低于一般贸易^[23]，而通信设备、计算机和其他电子设备业是加工贸易的主要集聚行业。因此，中国的通信设备、计算机和其他电子设备业在国内循环流转的增加值较低，国内循环参与度不高，国际循环参与度较高。这引发的后果就是，中国的信息通信设备制造常年受国外相关政策的影响，比如2022年8月9日的美国《2022芯片与科学方案》。该法案限制芯片企业在中国的经贸和投资活动，这些举动势必会对参与国际循环较深的中国通信设备、计算机和其他电子设备业产生巨大影响，提升其国内循环参与度迫在眉睫。不过，中国的纺织业国际循环参与度近年来在不断上升，这说明中国传统比较优势产业参与国际贸易程度较深，对于此类非技术密集型行业，其深度融入全球价值链对中国的经济发展和对外政策有较大的积极影响。

中国服务业的国内循环参与度较高，国际循环参与度较低。这与服务业现实特性密切相关，相对于制造业而言，服务业的可贸易种类较少。参与国际循环较深的行业只有金融业等，其他服务行业如房地产行业和教育行业等很难进行对外贸易。不过，随着数字技术的不断发展，跨国咨询服务和信息服务在不断增加，服务贸易的国际循环参与度未来会进一步提高。服务贸易的主要表现形式数字贸易也将成为未来各国贸易形式的主流。对于农业而言，其国内循环参与度在样本期间始终高于0.8，国际循环参与度低于0.2，说明中国的农业生产在国内产业链分工上已实现基本的自给自足。

4 中国城市国内国际双循环参与度时空演变

4.1 城市国内国际循环参与度时序发展

本文使用非参数核密度估计对中国城市2012年、2015年和2017年的国内循环参与度和国际循环参与度进行时序发展研究，具体核函数形式为高斯核函数（图6、图7）。

图6

图6 2012年、2015年和2017年中国城市国内循环参与度核密度

Fig. 6 Kernel density of participation of domestic circulation in Chinese cities in 2012, 2015 and 2017

图7

图7 2012年、2015年和2017年中国城市国际循环参与度核密度

Fig. 7 Kernel density of participation of international circulation in Chinese cities in 2012, 2015 and 2017

在城市国内循环方面：① 在核密度曲线波峰位置上，中国城市国内循环参与度的波峰重心在样本期间内始终在右侧。其中，2012—2015年间波峰重心继续向右偏移，2015—2017年间则有向左偏移的趋势。由此可以说明，国内循环参与度较高的城市个数较多，中国城市国内循环参与度整体水平较高。这与上文中国整体层面和城市—行业层面结果相互印证。② 在核密度曲线波峰高度上，中国城市国内循环参与度的波峰高度在样本期间持续上升。由此说明中国城市国内循环参与度样本方差在逐渐缩小，各个城市的国内循环参与度在不断趋同。这与中国城市之间空间关联形成的溢出效应密切相关，城市之间经济联系不断加深，尤其是区位邻近的都市圈和城市群内部。③ 在核密度曲线波峰个数上，中国城市国内循环参与度的波峰个数未出现明显变化，密度曲线始终保持单峰形态，未出现两极分化情形。④ 在核密度曲线左右拖尾长度和厚度上，中国城市国内循环参与度的核密度曲线左拖尾长且薄，右拖尾短且厚。说明中国城市国内循环参与度低值城市个数较少，高值个数较多，低值城市数值间差距较大。

在城市国际循环方面：① 在核密度曲线波峰位置上，中国城市国际循环参与度波峰重心在样本期间内始终在左侧。2015—2017年期间波峰重心则有向右偏移的趋势。由此可以说明，国际循环参与度较低值城市的个数较多，中国城市国际循环参与度整体水平较低。这亦与上文中国整体层面和城市—行业层面结果相互印证。② 在核密度曲线波峰高度上，中国城市国际循环参与度的波峰高度在样本期间持续上升。说明中国城市国际循环参与度内部差距在逐渐缩小，各个城市的国际循环参与度在不断趋同，印证了上文国内循环参与度内部差距的变化。③ 在核密度曲线波峰个数上，中国城市国际循环参与度波峰个数始终不变，未出现两极分化情形。④ 在核密度曲线左右拖尾长度和厚度上，中国城市国际循环参与度左拖尾短且厚，右拖尾长且薄。说明国际循环参与度的高值城市个数较少，低值个数较多，高值城市间数值差距较大。

中国城市国内循环参与度与国际循环参与度的核密度曲线分布相互印证，互相支撑。两者相同之处在于：城市国内循环参与度与国际循环参与度的内部差距均在不断缩小，未出现多级分化现象，并且最高值与最低值之间差距较大。这可能是因为在推动京津冀协同发展等区域重大战略下，都市圈、城市群和经济带所形成的的时空溢出效应在不断使城市经济发展收敛^[24]。但中国不同区域的城市之间经济差距短时间难以趋同。比如东部沿海城市对外贸易较发达，而中西部城市由于政策原因以及地处内陆，对外贸易体量与东部城市相比有较大差距。东部城市和中西部城市参与国内国际双循环程度有较大不同。两者不同之处在于：国内循环参与度和国际循环参与度的核密度曲线重心位置有较大差异，参与国内循环较深的城市个数在样本期间比参与国际循环较深的城市个数多。因此，中国多数城市以国内大循环为主体，如中西部城市；少部分以国际循环为主体，如东部沿海城市。

4.2 城市国内国际循环参与度空间演变

本文基于中国城市国内循环参与度和国际循环参与度的测度数据，使用Jenks自然断点法将其分为5个区间，并在2012年、2015年和2017年进行空间演变分析（图8）。

图8

DOI:10.13249/j.cnki.sgs.2019.07.009 [本文引用: 1]

图8 2012—2017年中国城市双循环参与度空间分布

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

Fig. 8 Spatial distribution of participation of dual circulations in Chinese cities from 2012 to 2017

在国内循环方面。从整体地区上看，中国城市国内循环参与度呈现“东低西高，南北均匀”的空间分布。具体而言，东部城市国内循环参与度在样本期间平均为69.26%，而中西部城市国内循环参与度在样本期间平均已接近86%，最高值达到97%附近。中国东部城市与中西部城市之间国内循环参与度的差距可能有如下两个原因：① 中西部城市多为资源型和劳动力密集型城市，在中国出口导向型战略下，对东部城市进行原材料和生产要素等的供给，在一定程度上提高了中西部城市的国内循环参与度。② 东部城市与国内其他地区的较高的贸易成本也是东部城市国内循环参与度较低的一个主要原因。李自若等研究发现东部地区省份的内贸成本普遍高于外贸成本，尤其是上海、江苏、浙江、福建和广东，而中西部地区省份的内贸成本均低于外贸成本^[25]。同时，李自若等还发现如果省际贸易成本从1.775下降到1.491，省际贸易将从19.5%上升到29.8%，增长幅度达到53%^[26]。因此，中西部城市与国内城市的经济联系较为密切，东部城市则与国内城市经济联系较弱。中西部城市的国内循环参与度较高，东部城市的国内循环参与度较低。南部地区与北部地区各有国内循环较高的城市，并且空间分布较为均匀。从具体城市看，样本期间国内循环参与度上升的城市主要集中在东部沿海，包括长三角地区的上海和苏州等以及珠三角地区的广州和珠海等，这与中国区域协调发展等重大战略的实施密不可分，东部地区开始逐渐加强与中西部地区的经济联系，加深国内循环参与度。同时，中国城市国内循环参与度较高的城市部分属于资源型城市和以旅游业为主导产业的城市。比如泸州、松原和张家界，其在2017年的国内循环参与度分别为92.74%、88.91%和94.77%。其中，泸州和松原属于中国资源型城市^②（②数据来源于国务院发布的《全国资源型城市可持续发展规划（2013—2020年）》。），张家界属于中国“十四五”规划的重点旅游城市。资源型城市周边往往形成产业集聚，通过对周边地区原材料的供给深度参与国内循环；多数旅游城市的吸引力有限，其主要吸引当地游客或者周边地区的游客，因此其参与国内循环程度较深。

在国际循环方面。从整体地区上看，中国城市国际循环参与度呈现“东高西低，南北均匀”的空间分布。具体而言，东部城市国际循环参与度在样本期间平均为30.74%，而中西部城市国际循环参与度在样本期间平均为14.33%。中国东部城市与中西部城市之间国际循环参与度的差距与中国城市之间不同的空间区位以及中国经济政策的倾斜密切相关。东部城市靠近海洋，特别是某些东部城市有建造深水港的条件，比如舟山港和上海港等。因此东部城市与地处内陆的中西部城市而言，有着天然的进出口地理优势，对外贸易较为便利。与此同时，中国制定了从沿海再到内陆的梯度开放战略，一批东部沿海城市对外开放幅度加深，其逐渐融入全球产业链和价值链，国际循环参与度加深。在此现实背景下，东部城市的国际循环参与度较高，中西部城市的国际循环参与度较低。在南部地区与北部地区，国际循环参与度较高和较低的城市空间分布较为均匀。从具体城市看，样本期间国际循环参与度上升的城市主要集中在“一带一路”沿线地区，包括重庆、成都和乌鲁木齐等城市。这说明了中国主导的“一带一路”倡议正在加速中西部城市对外开放，验证了“一带一路”倡议实施的积极效果。同时，中国城市国际循环参与度较高的地区大部分来自于广东省和江苏省，包括深圳、东莞和苏州等。尤其是深圳和东莞在2012年、2015年和2017年的排名均在前5位。这可能的原因是，深圳作为中国对外开放的先行示范区，其接收到改革开放带来的巨大政策红利，外商直接投资实际利用金额和贸易总量位居中国前列。而深圳的加工贸易在其中占有巨大比例，长期从事制造业的加工装配，这种两头在外的加工模式使深圳深度融入全球价值链，国际循环参与度较高。东莞则是与深圳类似，依靠沿海区位优势以及自身制造业特点融入全球价值链分工。

值得关注的是，上海作为当前中国贸易体量最大城市，其国内循环参与度却在不断增加。从2012年的45.37%到2015年的49.19%，再到2017年的55.04%。上述数据表明上海正在从原先的国际循环为主转变为国内循环的重地，不断参与中国内部的生产循环活动，而这与长三角一体化战略密不可分。在长三角一体化背景下，上海通过与苏州和杭州等城市合作，进行产品的前期研发设计、中期制造加工和后期销售推广，深度嵌入国内价值链，助力上海国内循环主体地位的加强。而沪苏浙的这一完整生产体系除了上海的核心引领外，还得益于苏州完整的工业门类和杭州发达的数字技术。与此同时，苏州的国内循环参与度从43.59%到48.30%，再到49.89%。杭州的国内循环参与度从62.23%到66.68%，再到70.64%。因此，上海在自身参与国内循环时，也在通过产业分工产生强大的时间和空间溢出效应带动周边城市深度融入国内价值链，参与国内循环。

综上所述，长三角地区通过城市间的经济联系俨然已成为国内循环重要场所，说明城市群一体化发展是国内循环不断完善的题中应有之义。未来中国需要以区域重大战略为基础，进一步实施各具特色的城市群一体化战略，使中国的19大城市群以长三角城市群为“样板间”，不断深化生产分工，进一步嵌入国内价值链，加深国内循环参与度。不过，上海、苏州和杭州等城市在不断融入国内循环时，其国际循环部分也十分重要，上海的疫情封控对特斯拉中国工厂的冲击验证了这一点。因此，如何在国内大循环背景下，合理协调国内国际双循环比例，加强国内国际双循环相互促进还需要进一步的理论和实证研究。

5 城市国内循环参与度影响因素

5.1 变量选择与模型构建

中国共产党“二十大”报告中指出“加快构建新发展格局，着力推动高质量发展”，国内循环作为双循环新发展格局的主体，研究其影响因素对加快构建新发展格局具有重要意义。然而，现阶段学术界对国内循环研究尚处于初步探索阶段，定量研究较少。而国内循环本质上是国内增加值在本地区的循环流转，与国内价值链密切相关。因此，本文参考现有国内价值链的影响因素并结合城市自身的特点，选取可能影响城市国内循环参与度的因素对其进行分析。本文选取的影响因素主要为对外开放水平、交通基础设施水平、金融发展水平、产业结构水平和政府干预程度。选择上述变量的原因具体如下：城市对外开放水平越高，大量外商直接投资涌入国内，不利于国内城市与其上下游区域的分工合作，切断了城市上下游间的经济关联^[27]，进而降低城市国内循环参与度；城市间发达的交通基础设施将会压缩城市间时空距离，加强其与周边城市进行经济联系，推动城市间分工深化^[20]，进而提高城市国内循环参与度；城市金融发展水平越高，城市中企业融资难度越低，有利于企业参与价值链分工^[28]，提升城市国内循环参与度；产业结构的升级，尤其是先进制造业和现代服务业的“两业融合”不断发展，能够推动产业多样化和专业化集聚，加深城市之间产业的合作分工，对提高城市国内循环参与度有正向作用；政府能够发挥“看得见的手”作用，通过相关政策措施打破地区间市场分割，加深城市间经济分工联系，提高城市国内循环参与度。为了解决可能的遗漏变量问题，本文设置双向固定效应模型，具体计量模型如式（23）所示：

（23）

D E C D_{i t} = β_{0} + β_{1} F D I_{i t} + β_{2} T R A N_{i t} + β_{3} F I N A_{i t} + β_{4} I N D U_{i t} + β_{5} G O V_{i t} + u_{i} + v_{t} + ε_{i t}

式中：DECD表示城市国内循环参与度；FDI表示城市对外开放水平；TRAN表示城市交通基础设施水平；FINA表示城市金融发展水平；INDU表示城市产业结构水平；GOV表示政府干预程度，其中城市对外开放水平为国际影响因素，剩余4项为国内影响因素；i为城市截面；t为样本时期；u_i为城市固定效应；v_t为时间固定效应；ε_it为随机扰动项。

在式（23）中，被解释变量DECD使用式（21）的测度数据；FDI使用城市实际外商直接投资与实际GDP比值表示^[24]；TRAN使用城市道路面积与行政区域土地面积比值表示^[29]；FINA使用城市贷款余额与实际GDP比值表示^[30]；INDU使用城市第三产业和第二产业产值之比表示^[24]；GOV使用政府一般公共预算支出与实际GDP比值表示^[31]；实际GDP基于GDP平减指数对名义GDP进行调整所得。该部分数据来源于各省市统计年鉴、《中国城市统计年鉴》、国研网数据库和CEIC数据库。

5.2 实证结果分析

本文根据中国国家统计局2018年发布的《统计制度及分类标准（16）》中对经济地带的划分，将回归结果分为四大板块，分析整体地区和四大板块城市国内循环参与度的异质性因素（表3）。

表3 国内循环参与度影响因素回归结果

Tab. 3 Regression results of influencing factors of participation of domestic circulation

解释变量	整体地区	东部地区	中部地区	西部地区	东北地区
FDI	-0.255^**(0.133)	-1.027^***(0.373)	-0.829^*(0.498)	-0.473(1.110)	-0.156(0.122)
TRAN	2.624^**(1.019)	3.256^***(1.120)	-7.408(9.689)	-1.645(9.468)	7.769(15.052)
FINA	0.032(0.022)	0.031(0.035)	0.003(0.033)	0.091^***(0.034)	0.004(0.026)
INDU	0.001(0.006)	0.008(0.018)	-0.000(0.008)	-0.004(0.013)	-0.002(0.007)
GOV	0.141^**(0.070)	0.256(0.155)	-0.050(0.375)	0.253^*(0.140)	0.347^***(0.110)
常数项	0.755^***(0.015)	0.626^***(0.036)	0.907^***(0.029)	0.741^***(0.036)	0.746^***(0.038)
城市固定效应	控制	控制	控制	控制	控制
时间固定效应	控制	控制	控制	控制	控制
修正拟合优度	0.9083	0.9305	0.7365	0.7740	0.6943
样本容量	819	252	240	225	102

注：括号内为聚类到城市层面的稳健标准误；^***、^**、和^*分别表示通过显著性水平为1%、5%和10%的假设检验。

新窗口打开| 下载CSV

在整体地区层面，对外开放水平不利于城市国内循环参与度的提高，而交通基础设施水平和政府干预水平对城市国内循环参与度有正向影响。可能的原因是：对外开放水平越高，大量外商直接投资涌入中国，而这些投资多是被中国低廉的劳动力成本吸引。因此，过多的外商直接投资可能会导致中国长期从事加工组装活动，大量参与“两头在外，大进大出”的加工贸易^[27]，最终使中国城市的产品生产大量依赖外国投入，国内循环参与度降低。交通基础设施水平的提高会缩短城市之间的时空距离，使城市之间由于空间关联而形成的经济联系更加密切，继而使城市国内循环参与度提高。在中国外需乏力，内需不足的现实经济背景下，政府将会进一步推进国内循环的合理运行，如中国区域重大战略的实施和统一大市场政策的提出。因此，政府的合理干预会对城市国内循环参与度产生积极影响。产业结构水平和金融发展水平对城市国内循环参与度没有显著影响。可能的原因是：近年来服务行业中服务贸易尤其是数字贸易不断发展，而数字贸易主要参与国际循环，其对国内循环影响较弱。金融发展水平的提高一方面有利于企业融资，使其更好融入国内循环进行产业分工。但是，金融发展水平的上升也可能会降低制造业等实体产业的份额，不利于实体产业参与国内循环。所以，金融发展水平对国内循环影响不显著。

在四大板块层面，东部地区的外商直接投资对国内循环的负向影响加深，其交通基础设施水平对国内循环参与度的正向影响加深，可能的原因是：制造业中间品的加工装配主要集中东部地区，外商直接投资的增加会进一步提高加工贸易占比，不利于东部地区参与国内循环。同时，东部地区是中国经济发展的主要推动力，加强东部地区之间的交通基础设施建设更有利于其空间联系，进而形成投入产出的高度关联，提高城市国内循环参与度。而中部地区作为仅次于东部地区的外商直接投资吸收地，其外商直接投资对国内循环参与度的负向影响也在逐渐增强。同时，对于西部和东北部地区而言，西部地区的金融发展水平对城市国内循环参与度有显著正向作用，这可能是因为西部地区金融发展处于起步阶段，现阶段金融发展主要是以促进企业融资的积极影响为主。西部地区和东北地区的政府干预程度对城市国内循环参与度有显著正向影响，这可能与区域协调发展战略中的西部大开发和东北全面振兴密切相关，政策开始重点倾斜西部地区和东北地区，加强其与国内其他地区的联系，发挥其他地区对西部地区和东北地区的辐射带动作用，使西部地区和东北地区深度融入国内大循环。

6 结论与建议

6.1 结论

本文基于WWZ增加值分解框架，使用2012年、2015年和2017年中国城市间投入产出表分解总产出中不同类型的增加值，进而构建城市—行业、行业、城市三维国内国际循环参与度指标，并对城市国内循环参与度影响因素进行分析，得到如下结论：

（1）中国整体国内循环参与度分别为71.62%、72.42%和74.08%，国际循环参与度分别为28.38%、27.58%和25.92%，中国国内循环主体地位正逐渐加强。从中可以看出中国正深度参与国内循环，国内循环主体地位不断加深，而国际循环在持续下降，这与中国所面临的内部经济环境与外部发展形势密切相关。

（2）在行业层面，制造业的国内循环参与度较低，国际循环参与度较高。其中通信设备、计算机和其他电子设备行业由于深度参与加工贸易，其国内循环参与度最低，从2012年的24.56%降到2017年的20.73%，已快跌破20%。服务业的国内循环参与度较高，国际循环参与度较低。其中公共管理、社会保障和社会组织行业和教育行业的国际循环参与度最低，在2012年、2015年和2017年间均不足10%，这与其不可贸易特征密切相关。不过，由于数字贸易的不断发展，未来服务贸易的国际循环参与度可能上升。农业的国内循环参与度在样本期间平均为86.86%，国际循环参与度则平均为13.14%，农业在国内已经基本形成“产供销”一体的全产业链。

（3）在城市层面，中国国内循环参与度已经形成了“东低西高，南北均匀”的空间分布。国际循环参与度则形成了“东高西低，南北协调”的空间态势。其中，东部地区的珠三角城市群和长三角城市群部分城市国内循环参与明显不足，如深圳、东莞和苏州等，这些城市由于深度融入全球价值链，国际循环参与度较高，易受国外地区供需波动的影响。而中西部地区的泸州、松原和张家界等城市由于资源禀赋丰富和旅游资源优越等特征，国内循环参与度较高。

（4）外商直接投资会通过加工贸易等降低城市国内循环参与度，使其陷入全球价值链“低端锁定”的情形。交通基础设施水平则会通过时空压缩方式助力城市国内循环参与度的提高。政府干预程度的提高亦会加强城市国内循环的主体地位。此外，东部和中部地区大量外商直接投资的涌入对于其参加国内循环的负向影响更大，完善的交通基础设施则会使东部地区参与国内循环程度加深。西部地区的金融发展水平有利于其参与国内循环，同时，西部和东北地区的政府干预程度对国内循环参与度的影响加深。

6.2 建议

（1）大力推动行业技术升级，增强国内循环内生动力和可靠性。提高制造业投入产出的国内化生产比例，增加其对国内原材料或中间品的需求。尤其是高技术制造业，需要进一步加大研发经费投入，培养高技术领军人才，以便尽快突破国外技术封锁，如芯片制造和光刻机生产的掣肘。同时制造业企业要与国内上下游企业建立良好的合作途径，形成先进制造业和现代服务业的融合发展，最终通过与国内上下游行业的分工合作和知识溢出深度融入国内循环，增强国内循环内生动力与可靠性。

（2）降低区域间贸易成本，深入实施国内统一大市场建设。通过城市间的合理协作机制，减少城市间要素流动和商品供需的阻碍，降低区域间贸易成本，释放国内市场需求。同时依托区域协调发展和区域重大战略促进城市群一体化发展，在城市群一体化发展带动下，通过城市群多样化产业集聚和城市群内部城市专业化产业集聚使得城市群内部形成合理分工，辐射带动城市群周边城市，进而使各个城市深度融入国内统一大市场建设。

（3）提升国际循环的质量和水平，加强交通基础设施建设。改变原有的“一刀切”外向型战略，审核外商直接投资种类，加强对高技术类型外商直接投资的吸引能力，减少以加工贸易为主的加工组装投资申请批准，提升国际循环的质量与水平。同时，大力推动交通基础设施建设，围绕铁路、公路和航空运输，形成三维立体化城市交通网，以便减少城市间运输成本，助力城市深度融入国内价值链。除此之外，政府要发挥“看得见的手”作用，加强政府的合理干预，通过政府和企业之间的良性互动，加快构建以国内大循环为主，国内国际双循环相互促进的新发展格局。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Yang

Yong

, Deng

Xiangzheng

The spatio-temporal evolutionary characteristics and regional differences in affecting factors analysis of China's urban eco-efficiency

Scientia Geographica Sinica, 2019, 39(7): 1111-1118.

Improving urban eco-efficiency is the key to realize the construction of ecologically-civilized city, which also improve harmonious development of regional society, economy and ecology. In this article, we assessed the urban eco-efficiency with Stochastic Frontier Analysis (SFA) in China (not including data of Tibet, Hong Kong, Macao and Taiwan) during 2006-2013, then analyzed the spatio-temporal evolutionary characteristics of urban eco-efficiency by using Kernel density function, dynamic comparative of urban eco-efficiency of different scales in different economic zones also analyzed. Finally, the Tobit regression model was established, we discussed the impact of affecting factors on urban eco-efficiency based on different scales. The main results are as follows: 1) The mean value of urban eco-efficiency in China ranges from 0.807 6 and 0.838 2 during 2006-2013, high value areas present spatial agglomeration trend, the environment input factors such as sulphur dioxide emission, green house gas emission and solid wastes have negative effects; 2) China’s urban efficiency has a fluctuated dynamic change process, the mean eco-efficiency of various scales cities shows increasing tendency, the eco-efficiency of megacities improved fastest among various scales cities, urban eco-efficiency increasing returns to scale shows obvious, urban eco-efficiency becoming universal; 3) The effect of affecting factors on the urban eco-efficiency shows obviously scale difference, the large-scale cities have better economic foundations, industrial structure optimized continuously, an effective resource element allocation mechanism was formed gradually, therefore, there are few significant factors affecting ecological efficiency, however, the eco-efficiency of small-scale cities is more easily affected by various kinds of factors, therefore, it is necessary to take corresponding measures to improve the eco-efficiency of various scales cities.

[杨勇, 邓祥征.

中国城市生态效率时空演变及影响因素的区域差异

地理科学, 2019, 39(7): 1111-1118.]

DOI:10.13249/j.cnki.sgs.2019.07.009 [本文引用: 1]

采用随机前沿生产函数(SFA)对中国城市2006~2013年的生态效率进行测算研究,随后采用Kernel密度函数对中国城市生态效率的演变特征进行分析。结果表明：① 2006~2013年,中国城市生态效率均值介于0.807 6~0.838 2,资源投入和社会投入对生态效率具有正向作用,环境投入中的工业二氧化硫排放、废气排放和固废排放对生态效率具有显著的负向作用;② 中国城市生态效率是一个波动起伏的动态变化过程,各等级城市生态效率均值都呈现增长趋势,其中超大城市的生态效率均值提升最快,城市生态效率规模等级递增效应逐渐显现,各等级城市生态效率趋同变化;③ 影响因素对各等级城市生态效率的作用存在明显差异,有必要采取针对性的措施提升各等级城市生态效率。

[2]

Huang

Qunhui

, Ni

Hongfu

Measurement of domestic and international double cycle of China's economy: The essential characteristics of the new development pattern

Journal of Management World, 2021, 37(12): 40-58.

[黄群慧, 倪红福.

中国经济国内国际双循环的测度分析: 兼论新发展格局的本质特征

管理世界, 2021, 37(12): 40-58.]

[3]

Jiang

Xiaojuan

, Meng

Lijun

Mainly inner circulation, outer circulation empowerment and higher level double circulation: International experience and Chinese practice

Journal of Management World, 2021, 37(1): 1-19.

[江小涓, 孟丽君.

内循环为主、外循环赋能与更高水平双循环: 国际经验与中国实践

管理世界, 2021, 37(1): 1-19.]

[4]

Canfei

, Ren

Zhuoran

, Wang

Wenyu

"Dual circulation" and Beijing-Tianjin-Hebei high-quality coordinated development: From the division in the value chain and factor mobility perspective

Acta Geographica Sinica, 2022, 77(6): 1339-1358.

DOI:10.11821/dlxb202206004 [本文引用: 1]

The Beijing-Tianjin-Hebei (BTH) region has experienced a path from competition and cooperation to high-quality coordinated development. Under the new development pattern of "dual circulation", the coordinated development of the BTH region is facing new challenges and new development goals, and it is urgent for the region to achieve innovation-driven economic transformation. This paper starts from the aspects of division in the value chain, technology and capital element flow, systematically combs the status in value chain and radiation capabilities of the BTH region in the "international circulation" and "national circulation", and coordinated development status of the BTH region expressed by "internal circulation". It was found that the BTH did not form the capacity corresponding to the world-class urban agglomeration in the "international circulation", and occupies the low value-added link of the value chain. In the "national circulation", the BTH has played a role of R&D service center, so it occupies the high value-added link of the value chain. It also exports technology and capital and becomes a highland of domestic innovation and capital, but its attraction and radiation are limited. Further exploration found that the BTH is relatively marginalized in the "international circulation", which is one of the important reasons that they have not been complementary to each other in "internal circulation". Moreover, Tianjin and Hebei are less attractive to Beijing's capital and technology, so Beijing's patents are difficult to transform within the BTH urban agglomeration. Therefore, the BTH region failed to achieve innovation-driven economic growth. In the next stage, the BTH urban agglomeration should be driven by the horizontal knowledge chain and gradient innovation chain to build a vertical industrial chain. Specifically, in the "national circulation", efforts should be made to create a collaborative pattern, that is, Beijing specializes in research and develop, Tianjin specializes in high-end manufacturing, and Hebei specializes in logistics service. "International circulation" builds a model of "Beijing innovation cluster, Hebei integrated manufacturing, Tianjin R&D and shipping" mode, gradually realize the "national circulation" to feed back the "international circulation".

[贺灿飞, 任卓然, 王文宇.

“双循环”新格局与京津冀高质量协同发展: 基于价值链分工和要素流动视角

地理学报, 2022, 77(6): 1339-1358.]

DOI:10.11821/dlxb202206004 [本文引用: 1]

京津冀地区经历了从竞争、合作到迈向高质量协同发展的过程,在“双循环”新发展格局下,京津冀协同发展面临着新挑战和新目标,亟需实现创新驱动经济转型。本文从价值链分工和要素流动等方面入手,系统梳理了京津冀在“外循环”和“国内大循环”中的价值链地位和辐射能力,以及以“京津冀小循环”为表现的京津冀协同发展现状。结果发现,京津冀在“外循环”中没有形成世界级城市群相对应的技术分工和知识生产能力,处于价值链较低附加值环节;在“国内大循环”中,京津冀占据价值链高附加值环节,并向外输出技术和资本,但吸引和辐射力有限。进一步探究发现,京津冀在“外循环”中相对边缘化的重要原因之一是“京津冀小循环”尚未打通,创新成果难以在城市群内部转化,从而未能实现“创新驱动经济增长新引擎”的城市群定位目标。下一阶段京津冀城市群应以水平知识链、梯度创新链为驱动,构建城市群垂直产业链。具体来说,“内循环”中应着力打造“北京研发—天津高端制造—河北物流服务”协同格局,“外循环”中构建以知识转移和市场突破为核心的“北京创新集聚溢出—河北综合制造—天津研发、航运”分工模式,逐步实现“内循环”反哺“外循环”。

[5]

Rongjie

, Zhang

Yueming

, Li

, et al.

Performance measurement and spatial convergence analysis of the new development pattern of China's provincial dual cycle

Journal of Statistics and Information, 2022, 37(5): 36-51.

[李荣杰, 张月明, 李娜, 等.

中国省域双循环新发展格局绩效测度及其空间收敛性分析

统计与信息论坛, 2022, 37(5): 36-51.]

[6]

Zhao

Wenju

, Zhang

Zenglian

Research on the dynamic distribution, spatial difference and convergence of China's economic dual circulation coupling coordination degree

The Journal of Quantitative & Technical Economics, 2022, 39(2): 23-42.

[赵文举, 张曾莲.

中国经济双循环耦合协调度分布动态、空间差异及收敛性研究

数量经济技术经济研究, 2022, 39(2): 23-42.]

[7]

Feng

Dual circulations of domestic and international economy: Theoretical framework and Chinese practice

Journal of Finance and Economics, 2021, 47(4): 4-18.

[本文引用: 5]

[黎峰.

国内国际双循环: 理论框架与中国实践

财经研究, 2021, 47(4): 4-18.]

[本文引用: 5]

[8]

Ding

Xiaoqiang

, Zhang

Shaojun

, Li

Shantong

The internal and external orientation choice of China's economic dual circulation: Based on the trade comparative bias

Business and Management Journal, 2021, 43(2): 23-37.

[丁晓强, 张少军, 李善同.

中国经济双循环的内外导向选择: 贸易比较偏好视角

经济管理, 2021, 43(2): 23-37.]

[9]

Ding

Xiaoqiang

, Zhang

Shaojun

Measurement and analysis of China's economic dual circulation

Economist, 2022(2): 74-85.

[丁晓强, 张少军.

中国经济双循环的测度与分析

经济学家, 2022(2): 74-85.]

[10]

Jiangyuan

, Xiang

Wei

, Gu

Yuchen

Theoretical synthesis of the "dual circulation" development pattern and its practices in China

Finance & Trade Economics, 2022, 43(2): 54-67.

[陆江源, 相伟, 谷宇辰.

“双循环”理论综合及其在我国的应用实践

财贸经济, 2022, 43(2): 54-67.]

[11]

Huang

Renquan

, Li

Cunpu

Research on the measurement and growth motive of China's domestic and international double cycle economy

The Journal of Quantitative & Technical Economics, 2022, 39(8): 80-99.

[黄仁全, 李村璞.

中国经济国内国际双循环的测度及增长动力研究

数量经济技术经济研究, 2022, 39(8): 80-99.]

[12]

Hummels

, Ishii

, Yi

K M

The nature and growth of vertical specialization in world trade

Journal of International Economics, 2001, 54(1): 75-96.

DOI:10.1016/S0022-1996(00)00093-3 URL [本文引用: 1]

[13]

Koopman

, Powers

, Wang

, et al.

Give credit where credit is due: Tracing value added in global production chains

National Bureau of Economic Research, 2010.

[14]

Koopman

, Wang

, Wei

S J

Tracing value-added and double counting in gross exports

American Economic Review, 2014, 104(2): 459-494.

DOI:10.1257/aer.104.2.459 URL [本文引用: 1]

This paper proposes an accounting framework that breaks up a country’s gross exports into various value-added components by source and additional double-counted terms. Our parsimonious framework bridges a gap between official trade statistics (in gross value terms) and national accounts (in value-added terms), and integrates all previous measures of vertical specialization and value-added trade in the literature into a unified framework. To illustrate the potential of such a method, we present a number of applications including re-computing revealed comparative advantages and the magnifying impact of multi-stage production on trade costs. (JEL E01, E16, F14, F23, L14)

[15]

Wang

, Wei

S J

, Zhu

Quantifying international production sharing at the bilateral and sector level

National Bureau of Economic Research, 2013.

[16]

Feng

How did China's national value chain form?

The Journal of Quantitative & Technical Economics, 2016, 33(9): 76-94.

[黎峰.

中国国内价值链是怎样形成的?

数量经济技术经济研究, 2016, 33(9): 76-94.]

[17]

Meng

, Wang

, Koopman

How are global value chains fragmented and extended in China's domestic production networks?

IDE Dicussion Papers, No.424, 2013.

[18]

Dan

, Yu

Xia

Characteristics and enlightenment of China's regional trade value added

The Journal of Quantitative & Technical Economics, 2021, 38(12): 3-24.

[马丹, 郁霞.

中国区域贸易增加值的特征与启示

数量经济技术经济研究, 2021, 38(12): 3-24.]

[19]

Qingyi

Tracing value added in China's exports at the provincial level

Economic Research Journal, 2016, 51(1): 84-98, 113.

[苏庆义.

中国省级出口的增加值分解及其应用

经济研究, 2016, 51(1): 84-98, 113.]

[20]

Liu

Bin

, Li

Chuanchuan

, Li

Qiujing

Theory and argumentation effect of consumption structure upgrading on domestic value chain circulation under the new pattern

Finance & Trade Economics, 2022, 43(3): 5-18.

[刘斌, 李川川, 李秋静.

新发展格局下消费结构升级与国内价值链循环:理论逻辑和经验事实

财贸经济, 2022, 43(3): 5-18.]

[21]

Hanhui

, Shen

Jie

Research on the mechanism of digital economy smooth the great domestic circulation: Based on the perspective of consumption expansion and efficiency improvement

Reform of Economic System, 2022(4): 15-21.

[胡汉辉, 申杰.

数字经济畅通国内大循环的机制研究: 基于消费扩容和效率提升视角

经济体制改革, 2022(4): 15-21.]

[22]

Zheng

H R

, Többen

, Dietzenbacher

, et al.

Entropy-based Chinese city-level MRIO table framework

Economic Systems Research, 2022, 34(4): 519-544.

DOI:10.1080/09535314.2021.1932764 URL [本文引用: 1]

[23]

Zhang

Jie

, Chen

Zhiyuan

, Liu

Yuanchun

Measuring the domestic value added in China's exports and the mechanism of change

Economic Research Journal, 2013, 48(10): 124-137.

[张杰, 陈志远, 刘元春.

中国出口国内附加值的测算与变化机制

经济研究, 2013, 48(10): 124-137.]

[24]

Feng

Xiaohua

, Qiu

Siyuan

Study on the measurement and convergence of high-quality development level of urban economy in Yangtze River Delta

East China Economic Management, 2022, 36(11): 28-43.

[冯晓华, 邱思远.

长三角城市经济高质量发展水平测度及收敛性研究

华东经济管理, 2022, 36(11): 28-43.]

[25]

Ziruo

, Yang

Rudai

, Huang

Guitian

Intra-national trade costs, international trade costs and the promotion of the domestic circulation of China

China Industrial Economics, 2022(2): 61-79.

[李自若, 杨汝岱, 黄桂田.

内贸成本、外贸成本与畅通国内大循环

中国工业经济, 2022(2): 61-79.]

[26]

Ziruo

, Yang

Rudai

, Huang

Guitian

Research on inter-provincial trade flow and trade barriers in China

Economic Research Journal, 2022, 57(7): 118-135.

[李自若, 杨汝岱, 黄桂田.

中国省际贸易流量与贸易壁垒研究

经济研究, 2022, 57(7): 118-135.]

[27]

Feng

How does foreign direct investment affect China's division of labor in national value chain?

Journal of Finance and Economics, 2017, 43(11): 70-83.

[黎峰.

外资进入如何影响了中国国内价值链分工?

财经研究, 2017, 43(11): 70-83.]

[28]

Chen

, Qiu

Bin

, Zhang

Qun

, et al.

Spatial distribution of finance and embedding of global production chain of enterprises

Economic Research Journal, 2022, 57(7): 101-117.

[陈旭, 邱斌, 张群, 等.

金融空间分布与企业全球生产链嵌入

经济研究, 2022, 57(7): 101-117.]

[29]

Wang

Zeyu

, Wang

Yanxi

, Zhao

, et al.

Spatio-temporal evolution and influencing factors of total factor productivity in China's manufacturing industry

Acta Geographica Sinica, 2021, 76(12): 3061-3075.

DOI:10.11821/dlxb202112013 [本文引用: 1]

Improving total factor productivity (TFP) in the manufacturing industry is essential to implementing China's manufacturing power strategy. In this study, we employed the super-efficiency SBM model, standard deviational ellipse, spatial autocorrelation, and the geographic weighted regression (GWR) to analyze the spatio-temporal evolution and influencing factors of TFP in China's manufacturing industry from 2002 to 2016. The main conclusions can be drawn as follows: (1) During the study period, the overall trend of TFP in China's manufacturing industry showed an upward tendency of fluctuation, with an increase from 0.58 in 2002 to 0.80 in 2016. (2) The center of the gravity of TFP in China's manufacturing industry showed a "southwest-northeast-northwest" spatial evolution pattern, with its moving distance and speed gradually shrinking. The standard deviation ellipse was mainly located in central and eastern China with its distribution pattern shifting from northeast-southwest to true north-south while tending to scatter in the northeast-southwest direction and polarized in the southeast-northwest direction. The turning angle showed a trend of "shrinking-increasing-shrinking". (3) The positive spatial correlation of TFP in China's manufacturing industry gradually weakened during the study period. High-high agglomeration areas were mainly concentrated in coastal provinces and cities of eastern China such as Jiangsu and Shanghai, while low-low agglomeration areas were mainly in Shaanxi, Gansu, and Sichuan. (4) There are obvious spatial heterogeneities in the factors influencing the TFP of China's manufacturing industry. Financial development is the leading factor in the improvement of manufacturing TFP. Opening-up, industrial agglomeration, and transportation infrastructure have a positive effect on the TFP in the manufacturing industry, while the level of informatization has a restraining influence.

[王泽宇, 王焱熙, 赵莉, 等.

中国制造业全要素生产率时空演变及影响因素

地理学报, 2021, 76(12): 3061-3075.]

DOI:10.11821/dlxb202112013 [本文引用: 1]

提高制造业全要素生产率是实现中国制造业高质量发展的重要途径。运用超效率SBM模型、标准差椭圆、空间自相关、地理加权回归等方法实证分析了2002—2016年中国制造业全要素生产率的时空演变特征及影响因素。结果显示：① 2002—2016年中国制造业全要素生产率总体呈波动上升趋势,由2002年的0.58上升至2016年的0.80;② 中国制造业全要素生产率的重心整体呈“西南—东北—西北”的变化格局,移动距离和速度逐渐缩小。标准差椭圆主要位于中国中东部地区,转角呈“缩小—增大—再缩小”的趋势,由偏东北—偏西南方向向正北—正南方向不断偏移,在偏东北—偏西南方向的空间分布趋于分散,在偏东南—偏西北方向的空间分布趋于极化;③ 中国制造业全要素生产率的正向空间相关关系逐渐减弱,高—高集聚区主要集中于江苏、上海等华东地区,低—低集聚区主要集中于陕西、甘肃、四川等地区;④ 中国制造业全要素生产率影响因素存在显著的空间异质性特征,金融发展是制造业全要素生产率提高的主要因素,对外开放、产业集聚和交通基础设施是制造业全要素生产率提高的重要正向影响因素,信息化水平阻碍了制造业全要素生产率的提高。

[30]

Liu

Hailong

, Zhang

Liping

, Wang

Weiqiao

, et al.

Spatial structure and factors influencing County urbanization of inter-provincial border areas in China

Acta Geographica Sinica, 2023, 78(6): 1408-1426.

DOI:10.11821/dlxb202306006 [本文引用: 1]

Selecting 887 inter-provincial border counties in China as a research area, this paper constructs an evaluation index system incorporating five dimensions to measure the degree of urbanization that each county experienced from 2000 to 2019, describes characteristics of the evolution of urbanized spatial patterns combined with spatial autocorrelation analysis, uses geodetectors to identify the main factors influencing urbanization and interactive relationships, divides driving areas into types on the above basis, and proposes targeted suggestions. The results show that: (1) From 2000 to 2019, the urbanization level of China's inter-provincial border areas continued to increase, but the overall level remained low, and displayed a spatial distribution pattern of stepwise decline from east to central to west. (2) The urbanization level of counties on the inter-provincial border showed a significant positive spatial correlation. In terms of spatial distribution, HH-clustering counties formed a "T" pattern, and LL-clustering counties concentrated in the inter-provincial border areas of the northwest, northeast, and southwest. (3) Economic development and traffic level are the leading factors affecting the spatial pattern of urbanization in the inter-provincial border areas. (4) The spatial pattern of urbanization in the inter-provincial border areas results from the main factors directly driving economic development and determining transportation levels. In addition, medical care, social investment, and natural conditions also directly impact the spatial pattern of urbanization. Government behavior and educational services exert indirect effects. (5) Inter-provincial border areas are divided into six types with distinct patterns of leading driving factors: terrain element restriction, location traffic leading, economic development driving, social investment driving, public service lagging, and government leading. (6) Urbanization of inter-provincial border areas exerts a spatial nearest neighbor effect, and the urbanization level of counties close to urban agglomerations of developed regions is high. The marginality of urbanization space of counties in the inter-provincial border areas is prominent. In areas with more county borders in the inter-provincial areas, urbanization levels tend to be lower.

[刘海龙, 张丽萍, 王炜桥, 等.

中国省际边界区县域城镇化空间格局及影响因素

地理学报, 2023, 78(6): 1408-1426.]

DOI:10.11821/dlxb202306006 [本文引用: 1]

以中国887个省际边界县域为研究区，从5个维度构建评价指标体系度量其2000—2019年城镇化水平，结合空间自相关分析表征城镇化空间格局演变特征，并运用地理探测器识别主要影响因素及交互关系，在此基础上划分驱动类型区并提出差别化建议。研究结果表明： ① 2000—2019年中国省际边界区城镇化水平不断提高但整体仍处于较低水平，呈现出东—中—西阶梯状递减的空间分布特征。② 中国省际边界县域城镇化水平呈现出显著的空间正相关性，H-H型的县域空间分布呈“T”型格局，L-L类型集聚分布在西北地区、东北地区、西南地区省际边界区。③ 经济发展类因子和交通因子是省际边界区城镇化空间格局的主导影响因素。④ 省际边界区城镇化空间格局演变是在经济发展和交通水平主要驱动和直接作用下，医疗水平、社会投资和自然条件次要驱动和直接作用以及政府行为与教育服务间接作用后的结果。⑤ 按主导因素将省际边界区划分为地形要素制约型、区位交通主导型、经济发展拉动型、社会投资拉动型、公共服务滞后型和政府主导型6类驱动类型区。⑥ 省际边界区城镇化发展具有空间近邻效应，距离发达地区城市群近的县域城镇化水平高。省际边界区县域城镇化空间的边缘性特征突出，省际边界县域接壤边界数量越多，城镇化水平越低。

[31]

Chen

Xiqiang

, Deng

Has the government-led regional integration strategy driven high quality economic Development? A study from the perspective of industrial structure optimization

Journal of Jiangxi University of Finance and Economics, 2019(1): 43-54.

[陈喜强, 邓丽.

政府主导区域一体化战略带动了经济高质量发展吗? 基于产业结构优化视角的考察

江西财经大学学报, 2019(1): 43-54.]