城市群路网系统发展对经济增长的影响研究

Influence of City Cluster Transport Network System Development on Economic Growth

摘要

为量化现阶段城市群层面路网发展对经济增长的影响，基于区域路网的规模、结构布局、均衡性和通行质量4个方面构建城市群路网系统评价指标体系，并提出人口加权的时间迂回系数对传统结构布局指标进行替换。之后建立双向固定效应模型，利用2018—2022年我国7大城市群130个城市的面板数据进行实证分析。结果表明，粤港澳大湾区、长三角、京津冀城市群路网发展较快，关中平原城市群较为落后且内部各城市两极化严重；城市群路网发展对于经济增长具有显著的促进作用，且影响系数随着城市发展水平的提高呈现倒“U”型分布；路网发展对于经济增长存在空间溢出效应，且对于周边区域的溢出效应显著高于对当地的溢出效应，为城市群路网系统发展对经济增长的影响研究提供参考。

Abstract

To quantify the impact of transport network development on economic growth at the level of city clusters, an evaluation index system for the transport network development of city clusters was constructed based on the scale, structural layout, balance, and traffic quality of the regional transport network. The population-weighted time circuity was proposed to replace the traditional layout index. Then, a two-way fixed effect model was established. Panel data from 130 cities in seven major city clusters in China from 2018 to 2022 was used for empirical analysis. The results show that the transport networks of Guangdong-Hong Kong-Macao Greater Bay Area, Yangtze River Delta, and Beijing-Tianjin-Hebei city clusters develop rapidly, while the Guanzhong Plain is relatively underdeveloped and experiences significant polarization within its inner cities. The transport network development of city clusters significantly promotes economic growth, and the influence coefficient presents an inverted "U"-shape distribution with the improvement of urban development. There are spatial spillover effects of transport network development on economic growth, and the spillover effects on neighboring areas are significantly higher than those on the local areas. The study provides a reference for investigating the impact of transport network system development of city clusters on economic growth.

关键词

交通运输经济 / 城市群 / 路网发展水平 / 计量模型 / 影响研究 / 空间溢出效应

Key words

Transportation Economy / City Cluster / Transprtation Netwok Development Level / Measurement Model / Impact Study / Spatial Spillover Effect

0　引言

随着信息技术的发展和经济结构的网络化，城市群逐渐取代单个城市，成为全球经济发展的基本区域单位。城市群的形成与发展依赖于城市交通网络之间的高度互联，但过度超前的路网又将加剧城市两极化，进而制约城市群的发展。伴随着国内城市群的快速推进，路网建设也处于高速发展中。党的十八大以来，我国加快建设“八纵八横”高速铁路主通道、“71118”国家高速公路主线、世界级港口、世界级机场群，综合交通网突破6 000万 km。同时，《国家综合立体交通网规划纲要》及《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出，我国交通运输不平衡不充分问题仍然突出，仍然存在综合交通网络分布失衡、结构失调等问题，严重制约经济的进一步发展。因此，将城市群作为研究对象，衡量现阶段城市群层面综合路网发展程度，并探究其对经济增长的影响成为关键性的问题。

路网是一个复杂系统，其运行体现在多个层面，单一指标很难准确地对其加以呈现。现有研究指标体系通常围绕路网规模^[1-3]、结构布局^[1，3]与运行质量^[1-2]3个方面展开，缺乏对区域路网均衡性的考量。路网的均衡分布，不仅是区域路网整体运行效率提升的瓶颈，而且关系到社会公平与全面发展，需要重点进行考量。在路网结构布局方面，学者多使用迂回系数^[4]进行探究，但其忽略了多样化的出行模式与各路径上悬殊的客运量，无法适应交通实际。

交通对经济的影响研究方面，研究成果呈现较大的差异。正向促进^[5]是现阶段的主流观点，但显著负向^[6]、没有关联^[7]的观点也同时存在。对于如何解释不同的观点，Melo等^[8]从研究方法角度分析得出，实证研究结论会由于变量的遗漏与否、数据类型、交通基础设施投入的度量方法、研究区域的发展程度、交通网络的发达程度等方面的不同而产生变动。因此，忽略研究区域具体情况而采用泛化的研究缺乏实际价值。

基于此，研究内容主要分为3个部分：一是立足于指标构建逻辑，提出基于城市群层面的囊括区域路网规模、结构布局、均衡性、通行质量4个维度的指标体系；二是在路网结构布局方面，提出人口加权的时间迂回系数指标，克服传统迂回系数测度过程中忽略旅行模式、客运量的固有问题；三是基于2018—2022年我国7大城市群的面板数据进行实证研究，从城市群视角下研究区域路网发展对经济发展的影响特征。

1　研究区域及数据来源

研究选择京津冀城市群、长三角城市群、粤港澳大湾区、成渝城市群、长江中游城市群、中原城市群和关中平原城市群等7大城市群作为研究区域，样本区间为2018—2022年。各类数据来源如下。

（1）经济社会数据主要来自《中国城市统计年鉴》《中国区域经济统计年鉴》及各省市历年统计年鉴。针对部分缺失数据，采用平滑法补齐。

（2）交通路网数据主要考虑高速铁路、普速铁路、高速公路、国道和省道。该部分数据利用在线地图下载，并使用地图处理软件进行修正和调整。

（3）城际旅行时间方面，利用高德开放平台编写的API程序，批量获取同一城市群内任意两城市之间在列车与汽车2种出行模式下的实时导航数据，分别保存各种方案下最小值作为该时间点的最短城际旅行时间。城际旅行的起讫点都选择该城市的市人民政府所在地^[9]。考虑到城际旅行的常规出行时间规律，该数据集选取2018—2022年4月每天8：00—20：00每小时2 686个城市对之间的最短旅行时间。以30 d的平均值作为两城市间的出行时间，由此得到各城市群内各城市对的出行时间矩阵。

2　模型与方法

2.1　指标体系构建

区域路网是一个复杂系统，其内涵特征主要包括：路网规模、结构布局、均衡性、通行质量。对于路网结构布局，考虑到传统指标对旅行模式、客运量的缺失，提出人口加权的时间迂回系数进行替换，由此构建城市群层面的区域路网系统发展水平评价指标体系。

2.1.1　路网规模

借鉴Chen等^[10]的研究，选择人均路网里程来表征路网发展水平，计算公式为

r_i={\displaystyle \sum _{a=\mathrm{1}}^b}\frac{L_{ia}{\rho }_a}{P_i}⑴

式中：r_i为城市i人均路网里程，km/万人；a为道路类型；b为所研究的道路类型总数；L_{ia}为城市i中a类型公路、铁路长度，km；{\rho }_a为a类型公路、铁路所占权重；P_i为城市i的人口数量，万人^[11]。

2.1.2　结构布局

（1）可达性。对于可达性最常见的度量指标是加权平均旅行时间^[12]，计算公式为

WAT{T}_i=\frac{\sum _j(\sqrt[]{P_j\times \mathrm{G}\mathrm{D}{\mathrm{P}}_j}\times t_{ij})}{\sum _j\sqrt[]{P_j\times \mathrm{G}\mathrm{D}{\mathrm{P}}_j}}⑵

式中：WATT_i 为城市i的加权平均旅行时间，min；P_j为城市j的人口数量，万人；\mathrm{G}\mathrm{D}{\mathrm{P}}_j为城市j的\mathrm{G}\mathrm{D}\mathrm{P}，万元；t_{ij}为起始城市i与终点城市j的最短城际旅行时间，min。

（2）人口加权时间迂回系数。迂回系数是衡量路网结构和运输效率的重要指标，其通常利用旅行实际距离与欧式距离的比值进行表示，用以测度区域空间路网的几何布局。但在城际出行过程中，相对于出行距离，旅客更关注出行用时^[13-14]，同等的起终点条件下，旅客将优先选择耗时最短而非距离最短的路线。因此，在这一模型中采用实际用时替代路线距离能够反映大部分乘客的选择倾向。此外，使用实际用时测算路网结构布局效率能够有效兼顾不同出行模式。基于此，提出时间迂回系数，计算公式为

C_{ij}^t=\frac{d_{ij}}{t_{ij}}⑶

式中：C_{ij}^t为旅客以起点i、终点j出行的时间迂回系数，km/min；d_{ij}为起终点的欧氏距离，km。

Dong等^[15]将人口权重引入路网性能的研究中，使得具有相同路网结构但不同人口分布的城市呈现出不同的交通效率，用以表示该城市路网对区域整体交通效率产生的不同价值。由于各城市对之间的旅行人数难以确定，以起始城市的总人数作为潜在旅行人数进行替代，从而提出人口加权的时间迂回系数，计算公式为

{\sigma }_{ij}=\frac{P_i}{{\displaystyle \sum _{i=\mathrm{1}}^n}{P}_{\mathrm{i}}}\frac{d_{ij}}{t_{ij}}⑷

{\eta }_i=\frac{P_i}{{\displaystyle \sum _{i=\mathrm{1}}^n}{P}_i}\frac{\mathrm{1}}{n-\mathrm{1}}\left({\displaystyle \sum _{j=\mathrm{1},j\ne i}^n}\frac{d_{ij}}{t_{ij}}\right)⑸

式中：{\sigma }_{ij}为起始城市i与终点城市j的人口加权的时间迂回系数，km/min；n为城市群内的城市数量；{\eta }_i为城市节点的平均迂回系数，km/min。

2.1.3　均衡性

参考Zhu等^[11]的研究，对于不同路网类型的综合密度可以使用路网加权密度进行表征，计算公式为

{\theta }_i={\displaystyle \sum _{a=\mathrm{1}}^b}\frac{L_{ia}{\rho }_a}{S_i}⑹

式中：{\theta }_i为城市i路网加权密度，km/km²；S_i为城市i行政区划面积，km²。

借鉴Chen等^[10]的研究，利用基尼系数进行路网加权密度同一性的计算，计算公式为

G=\frac{\mathrm{1}}{\mathrm{2}{n}^{\mathrm{2}}\overline{\theta }}{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}\left|{\theta }_i-{\theta }_j\right|⑺

式中：G为城市群范围内的路网加权密度同一性；{\theta }_j为城市j路网加权密度，km/km²；\overline{\theta }为整个城市群内各地级市路网加权密度的均值，km/km²。

2.1.4　通行质量

路网通行质量的内涵主要包括运输工具通行能力与运行速度。城市群路网同时包括铁路与公路，运输工具通行能力指标显然无法兼顾公路与铁路出行模式，同时城市群区域较大，路段数据获取难度较大，因此有关运输工具通行能力的指标无法应用到本研究中。可以将运输工具通行能力转变为乘客出行量，进而纳入指标体系中，即人口加权时间迂回系数。对于运行速度的计算，参考Chen等^[10]的研究，计算公式为

V_i={\displaystyle \sum _{a=\mathrm{1}}^b}\frac{{\rho }_a\times v_a\times L_{ia}}{{\displaystyle \sum _{a=\mathrm{1}}^b}{L}_{ia}\times {\rho }_a}⑻

式中：V_i为城市i的平均运行车速，km/h；v_a为a类型道路的设计速度，km/h。

Wang等^[16]在研究中表示，设计速度为350 km/h，250 km/h，200 km/h的高速铁路线路的平均运行速度为250 km/h，200 km/h，160 km/h，为简化计算，全部使用200 km/h进行计算。普速铁路、高速公路、国道和省道的运行速度参考Wang等^[17]的研究。各类道路类型的运行车速如表1所示。

对于各指标权重的计算，熵权法是常见的客观赋权法，其通过考虑每个评价指标的相对变换程度，对每个指标进行加权，以反映其对评价体系的影响程度。该方法赋权过程能够有效规避个人主观判断的影响，现已广泛应用于各种综合评价中。各指标权重计算结果如表2所示。

2.2　基准模型

基准模型分为固定效应模型与随机效应模型。固定效应模型是一种控制个体差异的回归方法，其通过引入个体固定效应来消除个体间不可观测的差异；而随机效应模型则认为误差项与解释变量不相关，不进行固定效应的控制。本研究Hausman检验的结果显示p值为0.000，因此使用固定效应模型。构建基准模型实证检验城市群区域路网发展的经济增长效应，计算公式为

\mathrm{l}\mathrm{n}{y}_{it}=\alpha +\beta \mathrm{l}\mathrm{n}{H}_t+{\displaystyle \sum _{j=\mathrm{1}}^n}{\gamma }_j\mathrm{l}\mathrm{n}{X}_{jt}+{\mu }_i+{\eta }_t+{\epsilon }_{it}⑼

式中：y_{it}为被解释变量，为人均GDP，万元；H_t为核心解释变量，即区域路网发展指数，由指标体系计算得出；X_{jt}为控制变量；\alpha为常数项，表示截距；\beta和\gamma为各个变量对应的系数；{\mu }_i为城市所在城市群的个体固定效应；{\eta }_t表示时间固定效应；{\epsilon }_{it}为随机扰动项。

各变量定义及符号如表3所示。其中，产业结构(structure)^[18]，该指标以第三产业增加值与第二产业增加值的比值表示；人均政府支出(pproportion)^[19]，传统研究多使用各种专项支出总额占财政总支出或GDP的比重作为控制变量，但这样忽略了城市本身的发展状况，因此选取人均政府支出作为控制变量；平均工资(wagelevel)，高工资反映了人口较高的受教育程度，同时可以刺激消费；常住人口城镇化率(citylevel)^[5]，城镇化为经济发展带来人口红利，同时，有利于资本积累与资本回报，促进产业规模效用发生；科研能力水平(technology)^[20]，科学技术进步提升要素投入产出效率，促进产业升级革新，这一指标以技术合同成交额与地区生产总值的比值表示。为消除数据中存在的异方差，研究对以上变量都进行对数化处理。

3　结果分析

3.1　路网发展现状分析

基于提出的区域路网系统发展水平评价指标体系，利用2018—2022年我国7大城市群130个城市的面板数据进行计算，其评价值定义为路网发展指数。各城市群2018—2022年路网发展指数均值如表4所示，各城市群内部城市2022年路网发展指数标准差如表5所示，各城市群路网都处于稳定向上的发展阶段。截至2022年，在城市群路网发展水平上，粤港澳大湾区(34.527)、长三角(37.817)和京津冀(35.787)3个城市群保持领先，关中平原较差(25.861)；发展的差异化方面，成渝(标准差为10.423)和关中平原城市群(标准差为9.255)两极化严重，长江中游(标准差为2.768)和中原城市群(标准差为2.371)相对均衡。在各个城市群中，核心城市占据绝大多数的交通资源，其路网发展指数往往是城市群的峰值点，这也证明各个城市群的路网发展均存在两极化的发展倾向。

3.2　基准模型回归结果分析

对于各个变量，VIF检验显示各变量的方差膨胀因子均小于3，平均方差膨胀因子为1.93，从而证明变量之间不存在明显的多重共线性问题，可以进行基准回归，基准回归结果如表6所示。其中列(1)是不加入控制变量的回归结果，检验区域路网发展对于经济增长的直接影响，结果显示，在1%的水平上显著为正。列(2)至列(6)是依次加入控制变量之后的回归结果。结果显示，在逐个加入控制变量过程中，路网发展指数的系数始终呈现正值，同时保证了置信水平为95%接受原假设。这充分说明区域路网发展能够显著促进地区经济增长。

3.3　异质性检验结果分析

异质性检验是指将研究样本划分为不同组别分别进行基准回归，目的在于探究总体样本的机制在不同样本或群体之间是否存在差异，并研究差异程度的分析过程。

3.3.1　经济发展程度异质性

研究通常按照人均GDP划分经济体的发展水平，因此以人均GDP的90%，70%，50%，30%，10%作为节点，将所有城市划分为最发达城市、发达城市、较发达城市、较不发达城市、欠发达城市与落后城市6个类别，之后代入公式⑼分6组分别进行固定效应回归，经济发展程度异质性回归结果如表7所示。伴随着城市发展水平的不断提高，路网发展对经济增长的影响程度大致呈现倒“U”型分布。

3.3.2　城市群异质性

各城市群处于不同发展阶段，其路网发展水平对于经济增长的影响特征存疑，因此对城市群进行异质性分析，城市群异质性回归结果如表8所示。路网发展指数对于经济增长的影响程度在不同城市群内存在着较大的差异，长三角城市群对于路网发展指数最敏感，京津冀、粤港澳大湾区紧随其后，而中平原城市群的影响系数较低。

3.4　稳健性分析

稳健性分析如表9所示，本研究主要通过替换被解释变量、反向指标、剔除异常样本、处理内生性问题等方式进行稳健性检验。替换被解释变量：选取居民可支配收入替换被解释变量，检验结果如列(1)所示。反向指标：使用区域路网发展指数倒数的平方项乘以1 000指代，对其求对数后进行回归^[18]，回归结果如列(2)所示。剔除异常样本：对区域路网发展指数低于10%和高于90%分位数城市进行剔除，之后进行控制固定效应的回归，回归结果如列(3)所示。处理内生性问题：对于内生性问题常见的处理方式主要包括引入滞后项与使用工具变量，引入滞后项方面，选取核心解释变量与被解释变量的一阶滞后项处理内生性问题，检验结果如列(4)和(5)所示；工具变量方面，选择城市平均地理坡度(ivslope)^[21]进行研究。表9中列(1)的结果显示，区域路网发展对城市居民可支配收入存在显著的促进作用，证明其对地区经济增长的促进作用；列(2)显示解释变量的反向指标对经济增长的影响显著为负，列(3)至列(5)的回归结果显示路网发展对经济影响显著为正。

路网发展对于经济增长影响的两阶段工具变量法回归结果如表10所示。从检验结果来看，第一阶段回归表明工具变量在1%显著性水平下为负，即城市平均地理坡度越大路网发展水平越低。模型进行弱工具变量统计时，最小特征值远大于10，通过弱工具变量检验。在第二阶段回归中，核心变量的估计系数在1%水平下为0.917，明显高于表6列(6)中的0.171，这说明路网发展与经济增长之间存在较为明显的内生性问题，基准回归会显著低估路网的增长效应。以上结果从正反两面证明基准研究的结论，从而说明研究结论是稳健的。

3.5　空间溢出效应分析

为进一步探究路网发展对于邻近区域经济的影响，构建空间计量模型，分析路网发展对于区域经济发展的空间溢出效应。研究选择地理距离权重矩阵作为空间权重矩阵。首先进行空间相关性检验，经济增长的莫兰指数如表11所示。各城市群的经济发展水平的莫兰指数在5%水平上显著，证明经济发展具有正的空间相关性。

似然比检验(LR检验)可用于确定数据存在单固定效应还是双固定效应。利用统计分析软件进行个体、时间双固定效应回归，结果显示，双固定效应和仅单固定效应的比较中，均为p=0.000 0<0.001。因此，采用时间空间双固定效应模型。拉格朗日乘子检验(LM检验)用于评估模型的拟合效果和模型的适用性，用以判断空间滞后模型、空间误差模型与空间杜宾模型的选择。LR检验与沃尔德检验(Wald检验)属于事后检验，可用以检验空间杜宾模型是否会退化为空间滞后模型或空间误差模型^[22]。LM检验结果如表12所示，LR检验与Wald检验结果如表13所示。

因此借鉴任晓红等^[23]的研究，选择固定效应的SDM模型，计算公式为

\mathrm{l}\mathrm{n}(y_{it})=\rho {\displaystyle \sum _{i=\mathrm{1}}^n}\mathit{W}ln(y_{it})+{\mathit{\beta }}^{\mathrm{\text{'}}}{\displaystyle \sum _{k=\mathrm{1}}^{\mathrm{6}}}ln(X_{k，it}^{\mathrm{\text{'}}})+\mathit{\delta }{\displaystyle \sum _{i=\mathrm{1}}^n}\mathit{W}ln(X_{k，it}^{\mathrm{\text{'}}})+{\mu }_i^{\mathrm{\text{'}}}+{\eta }_t+{\epsilon }_{it}⑽

式中：X_{k，it}^{\mathrm{\text{'}}}为自变量，包括核心变量与控制变量；k为变量个数；\mathit{W}为空间权重矩阵；\rho为经济的滞后系数；{\mathit{\beta }}^{\mathrm{\text{'}}}与\mathit{\delta }为k阶矩阵；{\mu }_i^{\mathrm{\text{'}}}为空间固定效应。

SDM模型回归结果如表14所示。可以看出，区域路网发展指数对于经济增长的影响显著为正，且空间滞后项在5%水平上显著，表明路网发展不仅会促进地方经济增长，而且会加速周边地区经济增长进程。间接效应大于直接效应则证明路网发展对于周边区域的溢出效应显著高于对当地的溢出效应。

4　结论

（1）基于2018—2022年7大城市群路网发展指数计算结果可知，各城市群路网处于稳定向上的发展阶段。截至2022年，在城市群路网发展水平方面，粤港澳大湾区(34.527)、长三角(37.817)和京津冀(35.787)3个城市群路网发展一直保持领先，关中平原(25.861)较为落后。城市群内部发展差异方面，成渝(标准差为10.423)和关中平原(标准差为9.255)城市群两极化严重，长江中游(标准差为2.768)和中原(标准差为2.371)城市群发展相对均衡。同时，在各个城市群中，核心城市占据大部分的交通资源，其路网发展指数往往是城市群内部的峰值点。

（2）在城市群范围内，伴随着各城市发展水平的提升，交通资源的投入将在发达区域存在更大的价值(影响系数为0.247)。相反，由于交通的不断发展，在核心城市的虹吸效应影响下，落后地区经济会受到影响(影响系数为-0.013)。

（3）建立空间杜宾模型研究路网发展对经济增长的空间溢出效应，结果显示路网发展不仅会促进当地经济增长，而且会加速周边地区经济增长进程，且对于周边区域的溢出效应(影响系数为1.304)显著高于对当地的溢出效应(影响系数为0.164)。

（4）在未来的研究中，可以探究路网发展与共同富裕、区域协同、统一大市场建设等具体经济问题的关联，更深层次、多角度地探究路网发展的经济价值。

参考文献

[1] 李　磊. 城市道路交通网络运行效率评价研究[D]. 长沙：长沙理工大学，2013.

[2] 张昂启. 城市交通运行效率评价：以北京市为例[D]. 北京：首都经济贸易大学，2014.

[3] 官冬杰，李子辉，刘欣雨，等. 高速公路引导下的长江经济带路网评价研究[J]. 公路，2021，66(9)：246-253.

[4] GUAN Dongjie， LI Zihui， LIU Xinyu，et al. Evaluation of the Yangtze River Economic Belt Road Network Guided by Expressways[J]. Highway，2021，66(9)：246-253.

[5] HUANG J， LEVINSON D M. Circuity in Urban Transit Networks[J]. Journal of Transport Geography，2015(48)：145-153.

[6] 杨仲舒，那　艺. 交通基础设施、制造业资本规模与区域经济增长[J]. 经济问题探索，2020(11)：144-156.

[7] YANG Zhongshu， NA Yi. Transportation Infrastructure，Manufacturing Capital Scale and Regional Economic Growth[J]. Inquiry into Economic Issues，2020(11)：144-156.

[8] 王洪飞. 辽宁省综合交通运输对区域经济增长的影响研究[D]. 长春：吉林财经大学，2022.

[9] MOHMAND Y T， WANG A H， SAEED A. The Impact of Transportation Infrastructure on Economic Growth：Empirical Evidence from Pakistan[J]. Transportation Letters，2017，9(2)：63-69.

[10] MELO P C， GRAHAM D J， BRAGE-ARDAO R. The Productivity of Transport Infrastructure Investment：A Meta-Analysis of Empirical Evidence[J]. Regional Science and Urban Economics，2013，43(5)：695-706.

[11] LUO H H， ZHAO S C. Impacts of High Speed Rail on the Inequality of Intercity Accessibility：A Case Study of Liaoning Province，China[J]. Journal of Transport Geography，2021(90)：102920.

[12] CHEN J D， CHEN J T， MIAO Y，et al. Unbalanced Development of Inter-Provincial High-Grade Highway in China：Decomposing the Gini Coefficient[J]. Transportation Research Part D：Transport and Environment，2016(48)：499-510.

[13] ZHU Minqing， WANG Wenyu， CUI Hongjun，et al. Research on Static and Dynamic Comprehensive Evaluation of Urban Agglomeration Road Network Integration Based on Catastrophe Theory[EB/OL]. (2023-02-07) [2024-01-01].

[14] 赵小洁，段　烨，严世祥，等. 云南州际高速公路可达性空间演化研究[J]. 公路，2023，68(12)：259-264.

[15] ZHAO Xiaojie， DUAN Ye， YAN Shixiang，et al. Study on the Spatial Evolution of Interprovincial Expressway Accessibility in Yunnan [J]. Highway，2023，68(12)：259-264.

[16] HU X L， HUANG J， SHI F. Circuity in China's High Speed Rail Network[J]. Journal of Transport Geography，2019(80)：102504.

[17] 杨林远，刘兰芬，刘佳伟. 基于出行链的城际旅客多模式出行选择研究[J]. 铁道运输与经济，2024，46(7)：61-68.

[18] YANG Linyuan， LIU Lanfen， LIU Jiawei. Research on Multi-Mode Travel Choice of Intercity Travelers Based on Travel Chain[J]. Railway Transport and Economy，2024，46(7)：61-68.

[19] DONG L， LI R Q， ZHANG J，et al. Population-Weighted Efficiency in Transportation Networks[J]. Scientific Reports，2016(6)：26377.

[20] WANG L H， LIU Y X， SUN C，et al. Accessibility Impact of the Present and Future High Speed Rail Network：A Case Study of Jiangsu Province，China[J]. Journal of Transport Geography，2016(54)：161-172.

[21] WANG F， LIU Z， XUE P C，et al. High Speed Railway Development and Its Impact on Urban Economy and Population：A Case Study of Nine Provinces along the Yellow River，China[J]. Sustainable Cities and Society，2022(87)：104172.

[22] 邹德玲，丛海彬，李　钰，等. 长三角城市群内小城镇产业集聚效率时空演变与影响因素[J]. 经济地理，2023，43(4)：73-82.

[23] ZOU Deling， CONG Haibin， LI Yu，et al. Spatiotemporal Evolution and Influencing Factors of Industrial Agglomeration Efficiency in Small Towns of the Yangtze River Delta Urban Agglomeration[J]. Economic Geography，2023，43(4)：73-82.

[24] 甘清华，陈淑梅. 产业结构升级视角下市场一体化对地区经济增长的影响[J]. 产业经济研究，2021(5)：40-53.

[25] GAN Qinghua， CHEN Shumei. The Impact of Market Integration on Regional Economic Growth from the Perspective of Upgrading Industrial Structure[J]. Industrial Economics Research，2021(5)：40-53.

[26] 周宇英，刘文兵，甘月丽，等. 基于SWOT分析的东莞技术市场发展战略研究[J]. 科技管理研究，2022，42(13)：166-172.

[27] ZHOU Yuying， LIU Wenbing， GAN Yueli，et al. Research on Development Strategy of Dongguan Technology Market Based on SWOT Analysis[J]. Science and Technology Management Research，2022，42(13)：166-172.

[28] DONG X F， ZHENG S Q， KAHN M E. The Role of Transportation Speed in Facilitating High Skilled Teamwork across Cities[J]. Journal of Urban Economics，2020(115)：103212.

[29] 高振君. 东北地区生态系统服务价值影响因素及空间溢出效应研究[D]. 长春：吉林大学，2023.

[30] 任晓红，吴 杰. 基于门槛模型和空间计量的交通基础设施投资对经济发展的影响研究[J]. 铁道运输与经济，2023，45(1)：47-54.

[31] REN Xiao， WU Jie. Research on the Impact of Transportation Infrastructure Investment on Economic Development Based on Threshold Model and Spatial Metrology[J]. Railway Transport and Economy，2023，45(1)：47-54.

基金资助

国家自然科学基金项目(52172304)

河北省自然科学基金项目(E2019202449)