经济增长目标对城市内部经济空间集聚的影响研究

The Impact of Economic Growth Targets on the Agglomeration of Economic Space within Cities

摘要

经济增长目标是中国地方政府引导资源的核心机制，影响区域内部经济空间集聚度。在空间经济学的自由资本模型中引入经济增长目标，阐明区域经济集聚度随经济增长目标提高呈现U型关系。基于2000—2019年全国280个地级市经济目标数据和夜间灯光数据，验证U型关系影响效应。机制分析表明，地方政府根据经济增长目标调控财政支出和土地出让的集中度，采用不同区域经济空间发展模式以实现经济增长目标。进一步分析表明，创新与转变发展理念有助于打破上述影响效应，且在东部地区和较大规模的城市中表现更显著。据此提出合理设置各地区差异化经济增长目标、强化区域协调发展整体布局、挖掘比较优势推动产业演进与区域协同等政策建议。

Abstract

Regional economic agglomeration is a core feature of spatial economic development.However，the guiding role of economic growth targets，as a key tool for local government to intervene in economic operations，in the spatial allocation of resource factors has not been fully explained theoretically.Based on the Free Capital （FC） Model in spatial economics，this paper breaks through the limitation of existing research that analyzes economic growth targets and spatial agglomeration separately，and incorporates economic growth targets into the theoretical framework of spatial allocation of resource factors.Through mathematical modeling and empirical research，it systematically explains the effects and internal mechanisms of economic growth targets on the degree of urban economic agglomeration.

The findings show a significant nonlinear U-shaped relationship between economic growth targets and the degree of urban economic agglomeration： when economic growth targets are at a low level， local governments tend to allocate resources according to a logic of broad coverage and basic provision， tending to disperse the core resources such as fiscal expenditure and land to achieve rapid economic growth in the short term. This process leads to the spatial dispersion of factors and reduces the degree of economic agglomeration.When economic growth targets exceed the critical value，the development logic of local governments shifts toward improving efficiency and strengthening agglomeration， concentrating resources to cultivate core growth poles and improve infrastructure in core areas， promoting the agglomeration of factors in advantageous regions， and thereby enhancing the degree of economic agglomeration.On this basis， this paper uses panel data of 280 prefecture-level cities across China from 2000 to 2019 and measures the degree of urban economic agglomeration with nighttime light data.The findings show that urban economic agglomeration follows a nonlinear U-shaped pattern， first declining and then rising as economic growth targets increase.Mechanism analysis indicates that the concentration of fiscal expenditure and land transfer are the key transmission channels through which economic growth targets affect the degree of urban economic agglomeration. Local governments achieve the switching of spatial development models under different growth targets by dynamically adjusting these two core policy tools.

In addition， heterogeneity analysis shows that the U-shaped effect is more significant in eastern China and large-scale cities， and higher innovation levels and shifts in development philosophy can effectively strengthen this effect. This research not only enriches the cross-disciplinary study of spatial economics and government governance， but also improves the theoretical system of the impact of economic growth targets on the spatial allocation of resource factors.It also provides a new theoretical perspective and analytical framework for future research.

Graphical abstract

关键词

经济增长目标 / 区域空间发展模式 / 经济空间集聚度 / 区域协调发展 / 自由资本模型 / 财政支出 / 土地出让

Key words

economic growth target / regional spatial development model / economic spatial concentration degree / regional coordinated development / free capital model / fiscal expenditure / land transfer

一 问题提出

在区域协调发展战略深入推进背景下，城市作为区域经济的空间枢纽，其内部经济活动空间组织模式对整体发展质量具有决定性影响。自20世纪90年代至今，学界围绕中国区域经济差异的演变规律与驱动机制开展了广泛探讨，积累了丰富研究成果^［1］。理论层面，在增长极理论、核心—边缘理论等西方非均衡发展理论基础上，国内学者相继提出点轴开发、梯度推移、双核结构等本土化解释框架^［2］。实证研究则聚焦新中国成立后多时空尺度的差异特征。通过长时序数据分析发现，城市内部的集聚经济（如马歇尔外部性、雅各布斯外部性）与分散力量（如拥挤效应、要素成本上升）的动态平衡，直接塑造了产业布局、人口分布与公共服务配置的空间格局。国内研究发现，中国城市普遍面临“集聚不足”与“过度集聚”并存的结构性矛盾：部分大城市核心区人口与产业过度集中导致资源环境压力加剧，而中小城市及郊区因要素流失陷入发展滞后^［3］。从中国式现代化本质要求看，“高质量发展”不仅需要区域层面协调，更依赖城市内部空间效率与公平的统一——既通过集聚提升创新动能，又通过合理分散促进包容性增长。例如，长三角城市群通过“多中心、网络化”空间重构，在强化核心城市辐射的同时推动周边区县特色化发展，为破解“集聚—分散”悖论提供了经验参考^［4］。

当前，国内学者对影响城市经济集聚的因素进行了广泛探讨，主要围绕两大主题展开。第一，市场整合与要素流动下的经济集聚效应。该方向研究强调市场力量与要素流动是塑造经济空间格局的核心。刘志彪等^［5］研究发现，全国统一大市场建设对区域差距存在倒U型影响，揭示了经济集聚程度随市场一体化深化先升后降的非线性规律。孙一平等^［6］证实劳动力市场一体化通过降低产业同构化直接缩小区域收入差距，表明要素流动是改变集聚形态的关键中介。米晶等^［7］从县域层面研究发现，帮扶政策通过培育特色产业提升了欠发达地区自我发展能力，从而改变了原有集聚劣势，实现差距收敛。第二，数字时代新要素对经济集聚模式的重塑。随着数字经济发展，数据等新要素正深刻改变传统集聚模式。冯宇等^［8］直接论证了数字经济与经济集聚的U型关系，即数字经济先分散后促进集聚，揭示了技术变革对空间经济活动的复杂影响。刘晶等^［9］指出，数据要素流动及其与人工智能的融合能通过升级要素禀赋、激发创新等路径优化资源配置效率，从而影响区域协调发展格局。

经典空间经济学理论中，地区选择集聚或分散的经济空间发展模式，是由“成本—收益”决定的。经济集聚能带来外溢效应，提高经济效率，但同样会产生成本^［10］。上述理论虽承认政府在配置资源、影响区域协调发展中的重要作用，但仍缺乏深入的中国特色因素分析。中国一直以来坚定不移实行经济增长目标管理，其作为上级激励与约束下级官员的核心机制^［11］，深刻塑造地方政府与官员的行为逻辑，以经济增长目标引领经济增长是中国经济发展的典型事实。可以说，经济增长目标是地方政府与官员的“指挥棒”，在“晋升锦标赛”治理体系下，往往引导政府经济行为改变资源配置方向和政策扶持方向^［12］。当然，这种配置可能带来资源严重扭曲与错配（如对特定地区或产业投资的“潮涌现象”^［13］），也可能产生积极激励效应和标杆性作用^［14］。尽管经济增长目标能对政府配置资源产生效应，但遗憾的是，现有文献尚未深入至其对区域空间发展模式或经济空间集聚度分析，也甚少涉及区域协调发展研究^［15］。

与以往研究相比，本文可能有三点边际贡献。第一，经济空间集聚度决定因素的研究已强调政府调配资源的重要性^［16］，但仍未深入地方政府与官员激励管理体制。本文聚焦经济增长目标管理这一富有中国特色的实践探索，拓展传统空间经济学自由资本主义模型^［17］，引入地方政府经济增长目标，从理论建模上阐明经济增长目标对城市内经济空间集聚度的U型非线性影响。第二，经济增长目标的研究愈发丰富，虽然也强调了经济增长目标对政府资源配置的影响^［11］，但无论是影响效应分析还是决定因素分析，均忽略了区域空间模式下经济集聚度研究。本文试图从制度层面探究经济增长目标管理对区域经济空间集聚度的影响，无疑拓展了经济增长目标的研究范畴。第三，在采用夜间灯光数据度量城市经济集聚度基础上^［18］，基于引入经济增长目标的自由资本主义空间经济学模型，本文进一步识别了经济增长目标导向下地方政府通过财政支出和土地出让两大手段影响区域经济空间集聚程度的发展模式及内在逻辑。

二 理论分析

本文在传统的空间经济学自由资本模型（FC模型）基础上^［17］引入地方政府经济增长目标，通过分析经济增长目标对生产资源流动的影响，揭示其对区域经济集聚度的作用机理。遵循FC模型设定，假设某区域有两个代表性地区/市场、两个部门和两种生产要素。两个地区为i和j，两地区在偏好、技术条件、贸易开放度和要素禀赋方面具有对称性。两个部门分别为工业和农业：工业部门具有规模报酬递增和垄断竞争特征，农业部门则在瓦尔拉斯一般均衡条件下生产同质商品且产出的交易成本为0。两种生产要素为资本要素K和劳动力要素L，资本要素作为工业企业固定成本，劳动力要素为可变成本。初始状态区域内资本和劳动力禀赋给定，分别记为K^w和L^w。两地区资本禀赋分别用K_i和K_j表示，两地区的资本禀赋在总资本禀赋中占比分别为s_{ki}和s_{kj}；两地区在生产中使用的资本份额分别用s_{ni}和s_{nj}表示；两地区的劳动力禀赋分别为L_i和L_j。FC模型的最基本特征是劳动力不可流动而资本可流动。消费者行为函数遵循传统FC模型设定，核心在于生产者行为。

（一） 生产者行为

假设区域内工业部门对地区经济的影响更为重要，且在增长目标约束下资源流动主要作用于工业部门。工业部门具有垄断竞争市场和规模报酬递增特征。在此基础上引入地方政府角色及经济增长目标管理体制。改革开放以来，经济绩效成为干部晋升的重要指标，经济增长目标管理成为中国上级激励与约束下级官员的重要手段^［11］。

假设地方政府需对本地经济增长目标负责，为确保既定目标实现，各级政府通常会出台配套政策和指导规划，引导或配置要素至特定行业或经济活动。财政支出和土地出让1

1 无论是财政支出，还是土地出让手段，地方政府是带有目的性的，其可以根据不同的发展阶段，调整财政支出和土地出让的集中度，调整到重点项目或者地区，以此影响区域经济的集聚或发散的模式。

是政府常用的促进经济的手段^［11］。Wang等^［19］指出，通过加大土地出让和相应货币补贴可促进城市扩张和经济增长。在模型中，政府可在增长目标导向下通过资源配置对工业部门资本资源进行调配，调配成本G受区域内经济增长目标g的影响，两者呈正相关关系。为简化计算，本文假设目标与成本存在简单的线性关系2

2 目标设置参考李书娟等^［25］的研究，改变目标函数形式（如二次项）不影响结论。

，即：

G=\gamma g（1）

其中，\gamma与g密切相关，且取值范围在0到1之间。当\gamma =\mathrm{0}时，地区之间只存在市场自发力量，政府不参与市场运行且无需成本；当\gamma \in (\mathrm{0,1}]时，政府在区域内调配资源必然产生相应成本。

（二） 资本收益3

3 篇幅限制，部分推导过程留存备索。

在目标导向下，政府通过调配资源给予地区代表性企业生产所需的要素支持。设地区i的代表性企业销售量为c_i，销售价格为p_i，在地区j的销售量为c_j，销售价格为p_j=\tau p4

4 \tau为交易的冰山成本，p为基准销售价格，p_i 、p_j 是存在跨区销售后的地区销售价格。

。企业的总产出为x=c_i+c_j\tau，企业的销售收入为px=p_i{c}_i+p_j{c}_j。在垄断情况下求解效益函数\pi =px/\sigma，\sigma为替代任意两种工业品之间替代弹性。由此得到企业获得的零超额利润，此时销售收入等于生产成本，即px=w_L{a}_{m}x，w_L和a_m分别为产出需要的劳动力成本和劳动力边际成本。又由于i、j两地区的销售量分别为c_i=\mu E_i{p_i}^{-\sigma }{{P_M}_i}^{-(\mathrm{1}-\sigma )}、c_j=\mu E_j{p_j}^{-\sigma }{{P_M}_j}^{-(\mathrm{1}-\sigma )}，\mu为工业产品支出比例，E为名义收入，{P_M}_j和{P_M}_i分别为地区面临的工业价格指数。两地区工业品价格指数可以表示为：

{P_{Mi}}^{\mathrm{1}-\sigma }={\int }_{\mathrm{0}}^{n^w}{p}^{\mathrm{1}-\sigma }\mathrm{d}i=n{p}^{\mathrm{1}-\sigma }+n_j{(p/\varphi )}^{\mathrm{1}-\sigma }=n^{\omega }{p}^{\mathrm{1}-\sigma }[s_n+\varphi (\mathrm{1}-s_n)]（2）

{P_{Mj}}^{\mathrm{1}-\sigma }={\int }_{\mathrm{0}}^{n^w}{p}^{\mathrm{1}-\sigma }\mathrm{d}i=n{(\tau p)}^{\mathrm{1}-\sigma }+n_j{(p/\varphi )}^{\mathrm{1}-\sigma }=n^{\omega }{p}^{\mathrm{1}-\sigma }[\varphi s_n+(\mathrm{1}-s_n)]（3）

其中，\varphi =G^{\mathrm{1}-\sigma }={(\gamma g)}^{\mathrm{1}-\sigma }，s_n=n_i/n^{\omega }为地区i代表性企业产品种类所占份额，n_i为地区i产品种类，n^{\omega }为社会产品总类数。企业行为会响应国家政策导向，该指标也与经济增长目标呈现正相关关系。\mathrm{1}-s_n=n_j/n^{\omega }为地区j代表性企业所占份额。\pi的表达式如下5

5 s_E=E_i/E^w为地区i支出所占份额，\mathrm{1}-s_E=E_j/E^w为地区j支出所占份额，E^w为总支出，由于垄断情况下企业超额利润为0，因此总收入=总支出。每个企业只使用1单位资本即n^w=K^w。

：

\pi =(\mu E^{\omega }/\sigma n^{\omega })\{s_E/[s_n+\varphi (\mathrm{1}-s_n)]+\varphi (\mathrm{1}-s_E)/[\varphi s_n+(\mathrm{1}-s_n)]\}（4）

通过将本地生产本地销售的产品价格标准化为1，可以化简地区i的利润函数为：

{\pi }_i=b{B}_i{E}^{\omega }/K^{\omega },B_i=s_E/{\Delta }_i+\varphi (\mathrm{1}-s_E)/{\Delta }_j,b\equiv \mu /\sigma ,{\Delta }_i=P_{Mi}/n^w,{\Delta }_j=P_{Mj}/n^w（5）

同理，地区j的利润函数为：

{\pi }_j=b{B}_j{E}^{\omega }/K^{\omega },B_j=\varphi s_E/{\Delta }_i+(\mathrm{1}-s_E)/{\Delta }_j（6）

（三） 目标导向下资本流动的影响

资本收益率差异决定长期资本流向。前文已阐明政府具备资源调配能力，在目标导向下政府通过影响地区资本收益率引导资本流动。地区i与地区j的收益差额为：

{\pi }_i-{\pi }_j=b{E}^{\omega }(B_i-B_j)/K^{\omega }（7）

B_i-B_j=[(\mathrm{1}-\varphi )/{\Delta }_i{\Delta }_j][(\mathrm{1}+\varphi )(s_E-\mathrm{1}/\mathrm{2})-(\mathrm{1}-\varphi )(s_n-\mathrm{1}/\mathrm{2})]（8）

化简得到：

\mathrm{d}({\pi }_i-{\pi }_j){|}_{s_E=s_n=\mathrm{1}/\mathrm{2}}=\mathrm{4}b[(\mathrm{1}-\varphi )/(\mathrm{1}+\varphi )]\mathrm{d}{s}_E-\mathrm{4}b[(\mathrm{1}-\varphi )/{(\mathrm{1}+\varphi )]}^{\mathrm{2}}\mathrm{d}{s}_n（9）

因为假设中资本所有者不存在流动行为，所以两地区的支出不会随着资本实际使用量的变化而变化，即：\partial s_E/\partial s_n=\mathrm{0}，\mathrm{d}{s}_E=(\partial s_E/\partial s_n)\mathrm{d}{s}_n=\mathrm{0}。因此得到：。此时存在以下两种情况：当\varphi \ne \mathrm{1}时，目标变化，两地区的资本收益率之差的倒数为负，意味着\mathrm{d}({\pi }_i-{\pi }_j){|}_{s_E=s_n=\mathrm{1}/\mathrm{2}}反向变动，即表示随着目标的逐渐变大，地区呈现分散状态，降低了集聚度；当\varphi =\mathrm{1}时，市场不存在政府力量，任何形式的资本分布都是稳定的，也就是企业的区位选择是任意的。

至此，随着目标的增大，集聚度会降低。此结论基于初始对称模型的假设前提。在集聚度降低情况下地区间实际处于分散状态，即两地区处于资本资源分布不对称的状态，此时基于非对称模型进行分析更有意义。当两个区域大小不对称时，假设初始状态i地区市场规模较大，实际s_E>\mathrm{1}/\mathrm{2}，在支出给定的情况下，\varphi改变会影响企业的分布。随着\varphi变大，即经济增长目标g增大，s_n会增大。当g增大时，企业的分布会向市场规模更大的i地区转移，此时i地区达到集聚的状态。

若市场中不存在经济增长目标，s_n不会产生变动，此时市场是集聚还是分散取决于市场最初始的状态，也进一步说明在经济增长目标的引导下，政府可以通过资源配置影响市场集聚度。

理论推导表明，为应对不同经济增长目标并实现经济高速增长，地方政府将调控资源配置（本文特指财政支出和土地出让），改变其配置集中度，进而影响区域经济空间集聚程度。基于此，本文提出如下理论假说：区域经济空间集聚度随地区经济增长目标增大呈现先上升后下降的非线性U型态势。

上述理论假说与现有研究相符。在经济增长目标较低时，收敛性假说指出落后地区增长率高于发达地区，导致差异逐渐消失；累积效应理论强调初期投资与发展的正向累积作用。因此，政府为实现增长目标会将政策重点放在帮扶弱势地区，导致前期区域经济集聚程度降低。然而，这种增长模式不可持续，后期落后地区经济发展易陷入疲软。

从实证研究分析，土地出让与财政支出是政府管理地方经济的重要手段，在晋升压力驱动下，政府通过行政化要素配置解决地区资源配置效率低下问题。土地出让是官员谋求经济发展与晋升的重要途径^［20］。在晋升压力下，伴随增长目标变化，政府会相应调整土地政策应对增长压力^［21］，如在高增长目标下扩大土地出让规模并降低土地出让价格。王贤彬等^［22］研究发现，经济增长目标能显著影响地方政府土地出让策略，当面临较高目标时地方政府将增加出让规模。财政支出是政府最直接的宏观调控手段。在中国财政分权体制经验研究中，大部分研究发现财政分权促进了中国经济增长^［11］。雷根强等^［23］认为在国内生产总值（GDP）增长率考核制度下，地方政府过度追求当地GDP发展导致财政支出区域不平衡。地方政府有动力运用补贴、减税等政策手段帮助企业提高生产效率，形成微观上可持续的地方经济增长机制^［11］。理论和实证角度均表明，为应对不同经济增长目标，地方政府将调控资源，通过财政支出和土地出让改变区域经济空间集聚度。

三 实证模型与数据说明

（一） 实证模型

为进一步验证经济增长目标与区域经济空间集聚度是否存在U型关系，即识别经济增长目标对城市内部经济空间集聚度的影响效应，本文借鉴黄亮雄等^［12］的做法，构建如下回归模型：

Re{g}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}ta{r}_{it}+{\beta }_{\mathrm{2}}ta{r^{\mathrm{2}}}_{it}+\phi X_{it}+{\mu }_i+{\gamma }_t+{\epsilon }_{it}（10）

其中，Reg_it 表示i城市在t时期的区域内经济空间集聚度；tar_it 为i城市在t时期的经济增长目标；ta{r^{\mathrm{2}}}_{it}为经济增长目标的二次项；X{}_{it}表示一系列控制变量；μ_i 为城市固定效应，γ_t 为年份固定效应；ε_it 为随机扰动项。在所有的待估系数中，β₁和β₂是本文关注的核心回归系数：若经济增长目标与城市内部经济空间集聚度呈U型关系，则经济增长目标的二次项系数β₂显著大于0；同时，若存在正值的拐点，则经济增长目标的一次项系数β₁将显著小于0。当数理模型和理论假说成立的情况下，回归系数β₂显著大于0，β₁显著小于0。

（二） 变量及数据说明

1 被解释变量

本文的被解释变量为城市内部经济空间集聚度（Reg），采用灯光最大的县区占全市比重度量城区经济集聚度。考虑到GDP统计质量问题，本文采用县级市夜间灯光数据计算该指标。参考张建文等^［18］的方法，以地级市内部最大县域夜间灯光总量（Cl{o}_{it}）占地级市总量（C{l}_{it}）的比重进行衡量，公式如下：

Re{g}_{it}=Cl{o}_{it}/{\sum }_{\mathrm{n}}C{l}_{it}（11）

在稳健性检验部分采用同一地级市内部前两大县域夜间灯光总量（{\sum }_{\mathrm{n}=\mathrm{2}}Cl{t}_{it}）占地级市总量（{\sum }_{\mathrm{n}}C{l}_{it}）的比重回归更换被解释变量6

6 本文在后续的回归中都采用了此种计算方式作为被解释变量，由于篇幅限制，所以未报告此部分的回归结果，留存备索。

，公式为：

Re{s}_{it}={\sum }_{\mathrm{n}=\mathrm{2}}Cl{t}_{it}/{\sum }_{\mathrm{n}}C{l}_{it}（12）

2 核心解释变量

经济增长目标（tar）及其二次项（tar²）是本文的核心解释变量，该指标借鉴黄亮雄等^［12］的研究方法，手工收集自各地级市政府工作报告，对于报告中提到目标区间的采用均值处理。

3 控制变量

本文选取以下控制变量：资本密集度（kl），采用固定资产投资/城镇单位从业人员期末人数表示；城镇化水平（ur），采用城镇人口占总人口的比重测度；人力资本（hr），采用各个地级市教育支出的对数形式表征；对外开放程度（lop），采用外商投资额占GDP比例的对数形式表示；产业结构（ter），采用第三产业生产总值占GDP比重衡量；政府干预程度（gov），采用政府财政支出占GDP的比重表示。

本文采用2000—2019年280个地级市增长目标和县级市灯光数据样本进行研究。地级市数量在不同时段存在差异，因此为非平衡面板数据。无特别说明的数据均来自历年《中国城市统计年鉴》。变量描述性统计结果见表1。

四 实证结果

（一） 基准回归

基于地级市数据，检验城市经济增长目标与区域经济空间集聚程度的非线性关系，回归结果如表2所示。第（1）（2）列均控制了年份和城市固定效应，被解释变量均为前一大县（区）域灯光总量占地级市灯光总量的比值（Reg），用以衡量城市经济空间集聚度。

其中，第（1）列未加入控制变量，第（2）列加入了控制变量。结果显示，无论是否加入控制变量，tar的系数显著为负，tar² 的系数为正，且均通过1%水平的显著性检验，表明较高的经济增长目标对区域空间模式下经济集聚度具有先分散后集聚的影响，验证了本文的数理模型与理论假说。

随着经济增长目标的不断扩大，其对城市内部经济空间集聚度的影响呈先缩小后扩大的趋势。通过计算发现，U型拐点位于17%左右。全样本中经济增长目标共4 567个观测值，均值为11.05%，表明多数城市的经济增长目标与其经济空间集聚度处于U型关系的左侧，经济空间集聚度随着经济增长目标提高而降低。但仍有202个观测值，其经济增长目标大于17%，处于U型关系的右侧，此时经济空间集聚度随经济增长目标设定提高而提高。

（二） 稳健性检验①7

7 囿于篇幅，结果留存备索。

1 Possion断点回归

在实证研究中，经济增长目标与城市内经济空间集聚度呈U型非线性关系，主要判断方式为在回归模型中加入解释变量的二次项，并通过二次项系数是否显著，以及二次项系数与一次项系数符号是否相反来判断U 型关系。

然而，该方式仍存在一定的缺陷，本文参考Simonsohn等^［24］提出的改进方法来确定本文的经济增长目标与城市内经济空间集聚度是否存在U 型关系。Possion回归结果显示，无论是否添加控制变量，断点两部分的回归系数符号相反且显著，因此可以判定经济增长目标和城市内经济空间集聚度之间存在U 型关系。

2 更换解释变量

本文选取经济增长目标压力和经济增长目标增速差值替代核心解释变量。参考李书娟等^［25］的研究，用“当地当年经济增长目标值减去当地过去5年移动平均实际经济增长速度值”衡量经济增长目标压力，参考王贤彬等^［11］的研究采用“经济增长目标速度减去上一年实际增长速度的差值”来衡量经济增长目标增速差值。回归结果与基准回归结果保持一致。

3 更换被解释变量

本文使用5项指标替换被解释变量：灯光总量最大两个县区占全市的比重、城市县区灯光的赫芬达尔指数^［26］、GDP、人口密度（per）、工业总产值（ind）。在更换被解释变量后，城市内经济空间集聚度随着经济增长目标设定的提高呈现先下降后上升的U型态势，与数理模型和理论假说一致。

4 考虑样本缺失和时间范围

首先，本文手工收集的经济增长目标数据存在一定的缺失，为防止因数据缺失而导致回归偏误，参考黄亮雄等^［12］的方法，采用各地级市经济增长目标数据的缺失程度进行回归。结果显示，考虑到目标数据缺失的问题，城市经济空间集聚度随着经济增长目标设定的增大而呈U型态势的结论依然稳健。

其次，本文基本回归的时间样本为2000—2019年，主要是考虑到新冠病毒感染疫情影响，2020年以后目标设定逻辑与2020年之前不一致。这里本文将时间数据拓展至2023年进行稳健性检验。在拓展回归时间样本后，结果与基准回归一致。

5 更换省级层面数据

前文回归基于地级市层面数据进行检验，进一步采用省级层面数据对理论假说再次检验。核心解释变量为省级经济增长目标及其二次项，被解释变量为灯光总量最大或前二的地级市占全省比重。为与基准回归保持一致，选取省级政府干预、人力资本、产业结构、外商直接投资、基础设施水平作为控制变量，省级层面的经济增长目标来源于政府工作报告，控制变量数据（无特别说明的）来自国家统计局。此部分数据区间为2000—2019年，由于部分省份数据缺失，因此为非平衡面板数据。回归结果显示，采用省级数据后，区域内经济空间集聚度随经济增长目标设定的增大而呈U型态势的结论依然稳健，与基准回归、数理模型及理论假说一致。

6 工具变量法

本文采用工具变量法缓解内生性问题。参考刘淑琳等^［27-29］的研究，选取3个工具变量。一是目标城市所在省份的地级市数量。由于地级市目标制定不仅受到垂直管理体制影响，地级市之间也存在竞争，同层级的地级市经济增长目标的设置也会直接影响到本地级市目标设置，但目标本身与地级市数量之间没有直接联系。二是目标地级市所在省份接壤省份的经济增长目标。地理相邻地级市资源禀赋与地理区位相似度较高，发展前景相近，因此会选择相似的经济增长目标，地级市政府在设定经济增长目标时会受周边地区影响^［28］，而这种横向的目标互动与竞争反映了非经济因素对增长目标的影响，这也构成了横向维度增长目标制订的外源性冲击。三是采用所在省份地级市数量与未来两年国家经济增长目标均值的交互项作为工具变量。王贤彬等^［11］研究发现，晋升锦标赛框架下同级地方政府间存在显著横向竞争，官员晋升基于相对绩效，竞争强度与对手数量正相关，地级市数多的省份竞争更激烈，相应经济增长目标更高。但是，各省份地级市数量在样本期间内基本恒定，且地级市划分由中央政府决定，独立于地方经济因素。

上述3个指标作为地级市经济增长目标的工具变量，符合工具变量相关性和外生性的要求。第一阶段的 F 统计量P<0.001，表明工具变量与经济增长目标存在较强的相关性；Kleibergen-Paaprk M统计量检验表明，工具变量选取不存在弱工具变量问题，说明本文选取的工具变量合格。在此基础上，本文将上述3个工具变量进行回归分析。

地级市数量、接壤省份的目标及地级市数量×未来两年国家经济增长目标的均值作为工具变量回归，系数显著且为正，说明存在正相关关系。以城市内经济空间集聚度为被解释变量，估计结果表明增长目标与城市空间发展模式的经济集聚度之间呈U型关系，与基准回归、数理模型及理论假说一致。

7 安慰剂检验

基准回归结果可能受无法观测的因素干扰而产生偏误。为排除上述可能，本文构造反事实安慰剂检验。结果显示，随机生成处理组的经济增长目标系数没有显著偏离零点，说明估计结果未产生严重偏误。这表明经济增长目标对城市经济空间集聚度的影响结论稳健，且存在因果关系。

五 机制检验

（一） 土地出让机制

本文采用土地出让最多的县区占该地级市出让土地面积比重表征政府出让土地的集中度（lto），采用地级市GDP增长率（ggd）表示地区经济发展程度，回归结果见表3。第（1）列结果显示，经济增长目标显著地降低土地集中度，说明随着目标的不断提高，土地会越发分散，从而降低地区经济空间集聚度。

根据基准回归核算出经济增长目标与经济空间集聚度U型关系拐点（约17%），将样本分为目标低于17%和不低于17%两组。第（2）（3）列报告低目标样本结果：第（2）列tar的系数为-0.005 1，在5%的水平下显著；第（3）列lto的系数为-0.019 3，在1%的水平下显著。这表明，在经济增长目标设定较低时，目标的提高会显著降低土地出让集中度，因为降低该比重有助于提升经济增长率。换言之，当经济增长目标较低时，通过降低土地集中度和经济空间集聚度，采用发散型经济空间发展模式更易实现经济增长目标。

与此相反，第（4）（5）列是经济增长目标不低于17%的情况，tar的系数为0.010 2，在5%的水平下显著。第（5）列lto的系数虽为负但不显著。这表明，当经济增长目标较高时，政府会加大土地出让的集中度，采用更为集聚型经济空间发展模式以实现经济增长目标。

（二） 财政支出机制

表4第（1）列展示了经济增长目标对财政支出集中度的回归结果。经济增长目标显著降低财政集中度。不同经济增长目标下，财政支出集中度对经济增长的影响存在差异。第（2）（3）列报告了经济增长目标低于17%的样本结果。第（2）列tar的系数为-0.001 0，在1%的水平下显著，说明经济增长目标的提高减少了财政支出最高县区的支出在该市总支出中的占比。第（3）列核心解释变量的系数为-0.222 3，在1%的水平下显著，说明财政支出的集中度降低有助于获得更高的经济增长率。

可见，当经济增长目标较低时，通过降低财政支出集中度与经济空间集聚度，采用发散型经济空间发展模式更易实现经济增长。

与此相反，第（4）（5）列报告了经济增长目标不低于17%的样本结果。第（4）列tar的系数为0.003 9，在1%的水平下显著，说明经济增长目标的提高增加了财政支出最大的县区的财政支出量占该市的比重。当经济增长目标较高时，通过提高财政支出集中度与经济空间集聚度，采用集聚型经济空间发展模式有助于获得经济增长，实现经济增长目标。

地方经济增长目标主要受上级考核、同级竞争及历史基数等外部因素约束^［11］，具有显著半外生性特征。目标既定前提下，地方政府需选择资源配置策略以最小化执行成本。当目标较低时，地方政府无需通过高成本“集中供地+资本集聚”模式拉动增长，转而采用“分散供地+均衡发展”策略，通过降低土地与财政集中度、分散经济集聚度，以更低资源投入实现目标。

六 进一步分析

（一） 创新驱动的作用

创新已成为中国经济增长的新引擎与城市发展的重要驱动因素。参考以往研究，本文采用地级市发明专利对数形式（lp）及城市创新创业指数（in）衡量城市创新。按中位数将样本分为高、低两组进行检验，以分析不同创新水平下经济增长目标对城市内经济空间集聚度效应的差异化影响。

表5报告了回归结果。第（1）（3）列为低创新水平样本，tar² 系数显著为正，tar系数显著为负。第（2）（4）列为高创新水平样本，各解释变量系数均不显著。这表明，提升城市创新水平将打破经济增长目标影响区域空间发展模式的关系。原因在于，创新具有较强的外溢效应，当城市的创新水平足够高时，无需调整土地出让和财政支出的集中度，也无需变动城市内经济空间集聚度来获得高经济增长率。

（二） 转变发展理念的作用

2012年后中国将生态文明建设置于突出地位，标志着发展理念的根本转变。为反映这一变化，将样本分为2012年前后两部分，并采用“高质量发展综合指标”衡量发展方式转变。表6第（1）（3）列为转变前阶段，tar²系数显著为正，tar系数显著为负，表明存在非线性影响；第（2）（4）列为转变后阶段，这种非线性影响不再显著，主要原因在于转变发展理念后，政府实行多元化发展策略，更注重推动区域经济结构优化与多元化发展。

（三） 地区特征的作用

本文将样本划分为东中西部地区和不同城市规模样本，检验结果见表7。东部地区即第（1）列，经济增长目标对城市经济空间集聚度呈现U型影响。主要原因在于初期经济增长目标吸引企业与人才向东部地区集聚，后期规模经济、技术创新等效应显现，显著促进经济空间集聚。就城市规模异质性而言，将城市划分为大中小3类后，第（4）（5）列回归结果显示大中型城市的经济增长目标对城市经济空间集聚度也呈现U型影响，小型城市结果则不显著。主要原因在于大中型城市在规模效应、基础设施和政策环境方面优于小型城市，更易形成大规模经济集聚。

七 结论与政策建议

本文同时从理论建模和实证检验两个层面识别城市经济增长目标对区域空间发展模式中的经济空间集聚度影响。研究发现，为应对增长目标提升并实现较高增速，地方政府会调整其经济发展策略，从而影响区域空间发展模式，即区域的经济空间集聚程度。具体而言，当经济增长目标较低时，采用相对发散的财政支出和土地出让手段，降低区域经济空间集聚度，更易获得较高的经济增长速度，此时，区域经济空间集聚度随着经济增长目标的提高而降低；当经济增长目标较高时，采用相对集中的财政支出和土地出让手段，提高区域经济空间集聚度，更易获得更高的经济增长速度，此时，区域经济空间集聚度随着经济增长目标的提高而增大。区域空间发展模式的经济空间集聚度随着地区经济增长目标的增大，呈现先下降后上升的非线性U型变动。进一步分析表明，创新和发展理念转变可削弱该影响，且东部和大城市经济增长目标对城市内经济空间集聚度呈现U型影响更明显。据此，本文提出如下政策建议：

第一，合理设置各地区差异化经济增长目标。城市区域内经济空间集聚度会影响整体经济增长的稳定性和可持续性，部分地区发展滞后可能成为整体经济增长的薄弱环节。政府应当采取合理且差异化的策略来设置各地区的经济增长目标，确保这些目标既能够充分发挥引领作用，推动各地区经济持续健康增长，又符合地区实际且有效促进区域间的协调发展。

第二，发挥目标战略导向作用，强化区域协调发展整体布局。城市经济空间集聚度是反映资源配置均衡程度的重要指标，过度的集聚或分散均可能导致结构性风险——部分地区可能因过度依赖单一产业或资源而面临发展韧性不足的困境。通过科学设定和动态调整经济增长目标，能够引导财政、土地、人才等关键要素在区域间合理流动，推动多样化、互补性经济结构的形成，进而增强区域经济的整体抗风险能力和系统稳定性。针对经济集聚度较高的地区，政策重点应转向提升增长质量，聚焦产业升级与创新赋能，引导资源向高技术、高附加值产业领域集中，构建以全要素生产率提升为核心的区域创新体系，强化其在全球价值链中的竞争地位。而对于集聚度较低、发展相对滞后的地区，则需实施更具针对性的帮扶政策，加强基础设施与公共服务投入，破除市场壁垒，激发内生动力，避免其在区域发展中“掉队”。

第三，挖掘比较优势，推动产业演进与区域协同。中国地域广阔，资源禀赋、文化传统与发展基础各异，各地区应系统梳理其在自然资源、人力资本、历史遗产等方面的独特条件，避免产业同质化竞争，转而培育具有地方特色和持续竞争力的产业集群与发展模式。在确立特色发展路径时，需科学评估本地条件与潜力，紧密结合国家战略导向与市场需求变化，制定差异化、可落地的发展规划与政策配套。

参考文献

[1] 邢祖哥，贺灿飞.区域不平衡：理论回顾、研究进展与未来展望［J］.地理科学进展，2024，43（9）：1839-1852.

[2] XING Z G， HE C F. Regional inequality： theoretical review， research progress， and prospects［J］. Progress in Geography，2024，43（9）：1839-1852.

[3] 刘秉镰，朱俊丰，周玉龙.中国区域经济理论演进与未来展望［J］.管理世界，2020，36（2）：182-194.

[4] LIU B L， ZHU J F， ZHOU Y L. The evolution of China’s regional economic theory and its future prospects［J］. Journal of Management World，2020，36（2）：182-194.

[5] 陆铭.后工业化城市的空间治理［J］.探索与争鸣，2025，41（1）：27-30.

[6] LU M. Spatial governance of post-industrial cities［J］. Exploration and Free Views，2025，41（1）：27-30.

[7] 王皓斐，王维.长三角城市韧性格局演化趋势与空间溢出效应研究［J］.地理与地理信息科学，2024，40（4）：57-66.

[8] WANG H F， WANG W. Pattern evolution and spatial spillover effect of urban resilience in the Yangtze River Delta［J］. Geography and Geo-Information Science，2024，40（4）：57-66.

[9] 刘志彪，许山晶.全国统一大市场、要素流动与区域发展差距［J］.东北大学学报（社会科学版），2025，27（5）：1-11.

[10] LIU Z B， XU S J. On the national unified market， factor mobility and regional development disparities［J］. Journal of Northeastern University （Social Science），2025，27（5）：1-11.

[11] 孙一平，黄浩溢，张旭. 劳动力市场一体化对区域经济发展差距的影响［J］.湖北经济学院学报，2025，23（5）：112-128.

[12] SUN Y P， HUANG H Y， ZHANG X. The impact of labor market integration on regional economic development disparities［J］. Journal of Hubei University of Economics，2025，23（5）：112-128.

[13] 米晶，张莉琴，林万龙. 县域帮扶政策实施是否缩小了县域间经济差距：基于自我发展能力的视角［J］.中国农村经济，2025，41（7）：165-185.

[14] MI J， ZHANG L Q， LIN W L. Can county-level assistance policies narrow the economic gap between counties？ An analysis from the perspective of self-development capacity［J］. Chinese Rural Economy，2025，41（7）：165-185.

[15] 冯宇，谢鹏. 数字经济发展对经济集聚的影响［J］.武汉理工大学学报（信息与管理工程版），2025，47（3）：359-365.

[16] FENG Y， XIE P. The impact of digital economy development on economic agglomeration［J］. Journal of Wuhan University of Technology （Information & Management Engineering），2025，47（3）：359-365.

[17] 刘晶，杨怡帆. 数据要素流动对区域协调发展的影响机理研究［J］.管理学刊，2025，38（3）：133-148.

[18] LIU J， YANG Y F. The influence mechanism of data element flow on regional coordinated development［J］. Journal of Management，2025，38（3）：133-148.

[19] 陈潇湘，杨肃昌，韩君.城市经济密度如何影响劳动力错配？［J］.中南财经政法大学学报，2025，78（4）：108-122.

[20] CHEN X X， YANG S C， HAN J. How does urban economic density affect labor misallocation？［J］. Journal of Zhongnan University of Economics and Law，2025，78（4）：108-122.

[21] 王贤彬，李书娟，黄亮雄.中国经济增长目标管理的政治经济学［J］.广东社会科学，2024，41（4）：26-36.

[22] WANG X B， LI S J， HUANG L X. The political economy of China’s economic growth target management［J］. Social Sciences in Guangdong，2024，41（4）：26-36.

[23] 黄亮雄，马明辉，王贤彬.经济增长目标影响了企业风险承担吗：基于市场和政府双重视角的考察［J］.财经研究，2021，47（1）：62-76.

[24] HUANG L X， MA M H， WANG X B. Does economic growth target affect enterprise risk-taking？Based on the dual perspectives of market and government［J］. Journal of Finance and Economics，2021，47（1）：62-76.

[25] 林毅夫.利率政策将成为调控的主要手段［J］.经济研究参考，2007，29（42）：15.

[26] LIN Y F. Interest rate policy will become the main means of regulation［J］. Review of Economic Research，2007，29（42）：15.

[27] 顾乃华，廖桂铭.以目标引领推动产业政策转型［J］.暨南学报（哲学社会科学版），2023，45（7）：79-100.

[28] GU N H， LIAO G M. On the target setting of economic growth in promoting the transformation of industrial policy［J］. Jinan Journal （Philosophy & Social Sciences），2023，45（7）：79-100.

[29] 吴楚豪，王恕立.中国省级GDP构成与南北经济分化［J］.经济评论，2020，41（6）：44-59.

[30] WU C H， WANG S L. Composition of Chinese provincial GDP and economic differentiation between north and south［J］. Economic Review，2020，41（6）：44-59.

[31] 年猛.政府干预、集聚经济与中国城市规模分布［J］.城市与环境研究，2021，8（1）：70-87.

[32] NIAN M. Government intervention， agglomeration economy and city size distribution in China［J］. Urban and Environmental Studies，2021，8（1）：70-87.

[33] 安虎森，吴浩波.转移支付与区际经济发展差距［J］.经济学（季刊），2016，16（2）：675-692.

[34] AN H S， WU H B. Transfer payment and inter-regional disparities of economic development［J］. China Economic Quarterly，2016，16（2）：675-692.

[35] 张建文，梁彦庆，崔立烨，等.基于NPP-VIIRS夜间灯光数据的京津冀城市群经济集聚特征分析［J］.西南大学学报（自然科学版），2021，43（12）：95-104.

[36] ZHANG J W， LIANG Y Q， CUI L Y， et al. Analysis of economic agglomeration characteristics of Beijing-Tianjin-Hebei urban cluster based on NPP-VIIRS night light data［J］. Journal of Southwest University （Natural Science Edition），2021，43（12）：95-104.

[37] WANG A， CHAN E. Institutional factors affecting urban green space provision：from a local government revenue perspective［J］. Journal of Environmental Planning and Management，2019，62（13）：2313-2329.

[38] 吕捷，鄢一龙，唐啸.“碎片化”还是“耦合”？五年规划视角下的央地目标治理［J］.管理世界，2018，34（4）：55-66.

[39] LYU J， YAN Y L， TANG X. “Fragmentation” or “coupling”？ Central-local objective governance in the Five-Year Planning perspective［J］. Journal of Management World，2018，34（4）：55-66.

[40] 胡深，吕冰洋. 经济增长目标与土地出让［J］. 财政研究，2019，64（7）：46-59.

[41] HU S， LYU B Y. Economic growth target and land leasing［J］. Public Finance Research，2019，64（7）：46-59.

[42] 王贤彬，刘淑琳，黄亮雄.经济增长压力与地区创新：来自经济增长目标设定的经验证据［J］.经济学（季刊），2021，21（4）：1147-1166.

[43] WANG X B， LIU S L， HUANG L X. Economic growth pressure and regional innovation： evidence from the setting of economic growth targets［J］. China Economic Quarterly，2021，21（4）：1147-1166.

[44] 雷根强，蔡翔.初次分配扭曲、财政支出城市偏向与城乡收入差距：来自中国省级面板数据的经验证据［J］.数量经济技术经济研究，2012，29（3）：76-89.

[45] LEI G Q， CAI X. The distortion of primary income distribution， urban-biased fiscal expenditure policy and urban-rural inequality：empirical evidence from provincial panel data in China［J］. The Journal of Quantitative & Technical Economics，2012，29（3）：76-89.

[46] SIMONSOHN U， NELSON L D， SIMMONS J P. P-curve： a key to the file-drawer［J］. Journal of Experimental Psychology：General，2014，143（2）：534-547.

[47] 李书娟，王贤彬.经济增长目标压力下的国企投资规律及效应研究：来自地级经济增长目标与上市公司样本的证据［J］.南方经济，2020，38（11）：83-98.

[48] LI S J， WANG X B. Research on rule and effect of state-owned enterprise investment under the pressure of economic growth target： evidence from China’s prefectural economic growth target and listed companies［J］. South China Journal of Economics，2020，38（11）：83-98.

[49] 刘修岩，刘茜.对外贸易开放是否影响了区域的城市集中：来自中国省级层面数据的证据［J］.财贸研究，2015，26（3）：69-78.

[50] LIU X Y， LIU Q. Does trade openness affect urban concentration？On Chinese province-level panel data［J］. Finance and Trade Research，2015，26（3）：69-78.

[51] 刘淑琳，王贤彬，黄亮雄.经济增长目标驱动投资吗：基于2001—2016年地级市样本的理论分析与实证检验［J］.金融研究，2019，62（8）：1-19.

[52] LIU S L， WANG X B， HUANG L X. Economic growth targets drive investment： evidence from China’s prefecture-level cities during 2001-2016［J］. Journal of Financial Research，2019，62（8）：1-19.

[53] 李兰冰，张云矿.经济增长目标与资本回报率：影响效应及机制识别［J］.南开经济研究，2023，39（8）：43-62.

[54] LI L B， ZHANG Y K. Economic growth target and the return on capital： influence effect and mechanism identification［J］. Nankai Economic Studies，2023，39（8）：43-62.

[55] CHEN J C， CHEN X， HOU Q S， et al. Haste doesn’t bring success： top-down amplification of economic growth targets and enterprise overcapacity［J］. Journal of Corporate Finance，2021，70：102059.

基金资助

国家社会科学基金重大项目(22&ZD062)

广东省自然科学基金面上项目(2025A15150112078)

广东省自然科学基金面上项目(2024A1515010607)