第6章 为什么限制大城市不利于中小城市？
世界经济在空间上的集聚发展也体现为城市群的发展，其背后的原因如果总结成一句话，就是“接近市场便能够利用规模经济提高劳动生产率”。地理与劳动生产率之间的关系是一条普遍的规律，中国也不会是例外。
“城市群”这个概念正在越来越频繁地出现在中国的区域规划中。国家发改委分别于2009年1月和2010年6月公布了《珠江三角洲地区改革发展规划纲要2008—2020》以及《长江三角洲地区区域规划纲要》，而《京津冀协同发展规划纲要》 [1] 和《长江三角洲城市群发展规划》先后于2015年和2016年被印发实施。在中国这样一个大国，省之间的市场分割一直是一个令人担忧的问题（Young，2000；Poncet，2005），经济增长可能在市场分割的条件下存在着大量的低效率（陆铭和陈钊，2009b）。在此背景下，城市群的规划可以使属于不同省份的城市组成一个更广泛的经济单元，这似乎更有利于区域经济逐渐走向集聚。而刚被划入城市群的城市则可以从这一划分中得到一定的经济利益，从而分享经济集聚和核心城市辐射效应，因此，一些处于城市群边缘地带的城市会为自己能否进入一个城市群规划而兴奋或焦虑。然而，行政划定的城市群边界并不一定是有效率的，在根本上，只有市场才是决定城市群辐射范围的根本力量。
另一个相关的背景是，在经历了2008年来世界范围的经济危机对出口的冲击之后，中国越来越意识到内需的重要性，而发展服务业是扩大内需的重要途径，因而各级政府都提出要大力发展服务业，尤其是现代服务业。一个流行的看法是，由于内需越来越重要，而服务业又是未来内需增长的重点，这将使得地理因素（特别是到沿海的距离和到大城市的距离）对整体经济的影响不再像以前那么重要，内地和中小城市将成为新的增长中心，这一观点是否正确需要通过实证研究来检验。根据新经济地理学的理论，经济在大城市周围集聚有利于提高劳动生产率，而中小城市只是在以大城市为核心的城市体系中的组成部门，其发展有赖于核心大城市的辐射力。从这一理论出发，如果认为通过限制发展大城市就可以更有效地促进中小城市的发展，将导致决策的失误。相反，经济向核心大城市的集聚才有利于提高资源配置效率，有利于形成不同规模的城市之间的分工和协调。
工业在经济中发挥主要作用的时候，集聚的作用非常明显。那么，在服务业的发展上，地理因素是否仍然重要？随着服务业在GDP中的比重越来越高，地理与服务业的关系的研究影响到对于未来中国服务业空间布局的判断，也会影响到中国未来的城市发展道路。从全世界范围来看，随着服务业所占的比重越来越高，经济活动和人口向大城市及其周围集聚的趋势仍在继续。以美国大城市为例，在经历过1950—1980年期间的人口规模下降后，从20世纪70年代到80年代开始，一些老的大城市（如纽约和波士顿）又重新进入了人口和收入水平同时增长的发展阶段，这是因为金融、专业化服务、新技术等思想密集型（idea-intensive）产业更需要人与人之间面对面的互动交流。与此同时，像底特律这样的传统工业城市，因为没有发展起思想密集型的产业，其人口则出现了萎缩（Glaeser, 2010）。一些传统的港口城市和大城市在历史上集聚了大量人口，并具有相对更高的收入，因此在服务业的发展中对于集聚高技能劳动力仍然占据优势。如果是这样，中国也不会成为一个例外，也就是说，服务业发展并不会降低地理的重要性，不会导致城市体系的离散化。
具体来说，本章针对上述两个背景分为两个部分。一方面，本章将基于“中心—外围”城市体系理论，构建地理与城市发展的实证模型，为城市群的辐射范围寻找基础。这里，需要说明的是，严格说来，本章所说的城市群是在地理上较为邻近且有较为紧密的经济联系的一群城市的组合。而另一个广为使用的概念“都市圈”对应于英文的metropolitan area，一些世界最大的都市圈是指包括中心特大城市和周边地区，在物理上基本连片的建成区，并且在基础设施上高度连通，在经济活动上密切往来的城市蔓延区。例如东京都市圈的地理范围大约为13400平方公里，其面积远远小于本章所说的中国三大城市群的面积。因此，本章使用“城市群”来指代长三角、珠三角和环渤海湾三大城市群。 [2]
不同的城市群由市场机制决定的边界也不同，换句话说，城市群的核心城市“辐射范围”存在空间维度的差异。本章试图刻画和分析近20年以来中国三大城市群的发展趋势，从而更加清晰地认识大港口作为核心城市的辐射作用。正是由于城市群中的核心城市辐射范围存在着差异，并且可能不断地发生演变，人为地“规划”一个城市群相当长时期的边界需慎重考虑，特别是应防止“规划”所带来的行政力量人为地限制了市场机制对于城市群的塑造。甚至可以用一个具有反讽意味的说法，如果城市群是在市场作为配置资源的决定性力量之下形成的，那么，城市群规划的边界就不重要。
本章的第二个内容是考察到大城市、大港口的距离与服务业劳动生产率之间的关系，以此来检验地理因素是否影响城市服务业的发展。本章还将比较服务业和制造业在地理—劳动生产率关系上的差异。从理论上来说，因为服务业贸易成本 [3] 高，其中有不少是不可贸易品，因此，相对于制造业来说，服务业向核心大港口的集聚力更弱。理论预期是，服务业的地理—劳动生产率关系要小于制造业，而且服务业更容易在城市体系的“∽”形曲线上出现第二个波峰。利用中国的城市数据，我们的确证实了这个猜想。利用服务业和制造业之间贸易成本的差异，我们也间接证实了运输成本对于集聚力和离散力相对强弱的影响。
6.1 地理与城市群发展
“城市群”一词在有关经济发展的各类出版物中被频繁使用，但在经济学中被研究的程度却远远不足。城市群之所以存在，至少在以下两个意义上体现了经济活动与空间的关系：第一，经济活动在空间上高度集聚，占地面积很小的城市群（尤其是其核心大城市）是经济活动集聚的主要地区。第二，更为重要的是，经济活动在空间上的相互依赖性，在同一个城市群内部，不同规模的城市分工协作，互为需求与供给，形成一个有机的整体。但难以让人满意的是，到目前为止，城市群的辐射范围并没有被很好地定量研究过。
2000年，美国定义了最新的大都市区界定指标体系（core-based statistical area, CBSA），其中，将大都市区的概念总结为：“一个大的人口核心以及与这个核心具有高度的社会经济一体化的邻接社区的组合，一般由县作为基本单元。”该指标体系涵盖了如下四个方面：“以通勤率为主的功能整合指标、以人口密度及非农劳动力比例度量的大都市区特征、主要由最小人口规模界定的中心核地区，以及以县为主体的基本地理单元。” [4] 值得注意的是，2000年最新的CBSA将中心核的最小人口规模从之前的5万人降低到1万人，并在寻求更小的基本地理单元。因此，即便考虑了人口总体上的差异，美国的大都市区（metropolitan areas, MA）概念无论是在空间还是人口意义上都有别于在中国通常所讲的城市群。
在中国，城市群一般有三个维度上的概念：一、地理维度，如在中国地图上，以某大都市为圆心，某一距离为半径，形成一个地理意义上的“圈”；二、经济维度，作为城市群核心的大城市存在着对周边城市的经济“辐射范围”，这比较接近于经济学意义上的城市群的含义；三、行政维度，国家重要文件、纲要等对城市群范围加以行政上的规定，加入某城市群可能意味着区域内更多的经济往来和更小的市场壁垒。陈建军（2009）以长三角城市群为例介绍了行政维度划分城市群的发展进程。自20世纪80年代上海经济区成立之时，仅包括上海及其周边的10个城市，20世纪末发展为15个城市，而2007年形成了包括两省一市的“长三角经济区”，2008年又加入了安徽省，形成了更加广义的“泛长三角经济区”。
城市群的形成和发展背后是经济力量的作用，如果不理解这些经济力量的作用机制，就难以科学地理解城市群的辐射范围。新经济地理学中有关城市体系的“中心—外围”理论对研究城市群的辐射范围提供了强有力的理论工具。在这一章中，我们将基于“中心—外围”理论，利用计量经济学的方法测出城市群的辐射范围，并对中国城市群的发展趋势有较为清晰准确的把握。根据Fujita和Krugman（1995）、Fujita等（1999b）的模型，工业集聚发展可以享受规模经济效应，节省交易成本，而且不同的生产者之间互为需求，于是，一个经济可以内生演化成工业为中心，农业为外围的模式，即“中心—外围”模式。这种模式又可以模拟出一条以经济中心为原点，反映市场潜力与地理区位关系的“∽”形的曲线（具体参见本书第2章图2.1）。“∽”形的三次函数性质之所以存在，是因为在非中心城市远离中心城市——往往是大港口——的过程中，其能够获得的港口带来的间接优势（如贸易可达性）以及大港口自身作为大市场的需求效应将逐渐减弱。随着到核心大城市（港口）距离继续拉大，到核心大城市（港口）的运输成本越来越高，港口所能带来的国外贸易的优势被抵消，而国内以及区域贸易带给城市的好处逐渐占据主要地位，这时，到核心大城市（港口）的距离越远，越能够产生一种离散力。如果与核心大城市（港口）的距离进一步增大，可能导致的是在国外贸易不可达的同时，国内和区域贸易的交通运输成本也上升，使该地区同时远离了国际与国内市场，从而导致市场潜力下降。在对中心城市的辐射范围进行测度时，“中心—外围”理论模拟出的三次曲线也为实证研究提供了理论支持，因为正是在“∽”形曲线的第一个低点的位置发生了集聚力量与离散力量谁占主导地位的交替，在经济上产生了“相对劣势”的地区。因此，本章将“∽”形曲线的第一个低点以内集聚力量占主导的范围称作中心城市的“辐射范围”。由于“中心—外围”模式的形成依赖于收益递增、交易成本以及需求这几个因素，而在实际生活中，这几个因素起作用时的强弱在不同的经济中（如中国三大城市群）有不同的参数，于是，模拟出的到大城市（港口）的距离与人均GDP（作为市场潜力的度量）的三次型曲线就会体现出相应的差异。据此，就可以对中国三大城市群的辐射范围进行横向比较。
6.2 模型设定和数据
这一部分将借助计量经济学的方法来考察城市经济发展水平与地理区位之间的关系。城市数据来自基于1991—2008年《中国城市统计年鉴》建立起来的1990—2007年期间的城市级市辖区的面板数据 [5] ，覆盖了30个省级行政区、286个地级城市的数据。 [6] 距离数据则基于中国电子地图2008，两个城市的距离是目标城市市政府位置在地图上的直线距离。 [7]
本章的理论基础是城市体系的“中心—外围”模型，根据这一理论，核心大城市是城市体系中最重要的市场，而港口城市更是连接了国际市场和国内城市体系。地理与一个城市的市场潜力之间的关系是集聚力与离散力之间相互作用的结果。集聚的力量是指，由于大城市的市场潜力大，在存在着运输成本的条件下，厂商更愿意选择靠近大城市的地方进行生产（home market effect）。离散的力量来自两方面：一是大城市存在着拥挤效应，将抵消一部分由集聚所带来的正面效应；二是经济中存在的一些不可流动的劳动力（通常是低技能劳动者），他们生活在远离大城市的地方，从事着农业生产等依赖于当地资源的经济活动，他们的需求也需要被当地的产业来满足。当距离中心城市越来越远时，集聚的力量逐渐减弱而离散的力量逐渐增强，均衡结果是，到中心城市距离与一个城市的经济发展水平之间存在着“∽”形曲线关系。“∽”形曲线是否会出现第二个波峰，取决于离散力和集聚力的相对大小。离散力的最重要的决定因素就是运输成本，如果距离大港口足够远，离散力足够大，那么，“∽”形曲线就可能出现第二个波峰（Fujita and Krugman, 1995; Fujita et al., 1999a, 1999b），具体参见图2.1。 [8]
根据“中心—外围”理论模型，我们所建立的基础计量模型形式如下：
模型的被解释变量为 i 城市 t 年的二三产业实际人均GDP（万元）取对数值 [9] ，均以各省城市部门的通胀指数进行消胀。在本书的研究中，我们采用城市的人均GDP作为“市场潜力”的度量指标。在“中心—外围”理论中，市场潜力的定义很具体，是指离中心城市的某一距离上，整个经济体对企业产品的需求与企业生产能力之间的比例。 [10] 因此市场潜力大最直接的结果是对企业产品的需求更大，企业更有可能实现规模经济，从而具有较低的平均成本和较高的劳动生产率。因此，在实证研究中，地理与市场潜力之间的关系通常是用地理与劳动生产率的关系来反映的。由于存在着规模报酬递增，市场潜力大的企业能获得更大的规模经济效应，从而有着更高的劳动生产率。实证文献往往采用劳动生产率作为分析集聚经济的对象，或者在该数据不可得的情况下用工资替代。 [11]
在解释变量方面，根据“中心—外围”理论，我们主要关注的地理因素是到大港口（上海、香港、天津）的距离中最近的一个，定义为“港口距离”（单位为公里）。我们对距离的度量采用的是直线距离，这一方面是由于数据可得性的限制，另一方面城市之间的直线距离是外生的，而其他距离度量（比如交通距离或开车时间）则是内生的。为了反映“港口距离”对劳动生产率的非线性影响，我们在模型中加了“港口距离”的二次项和三次项。为了反映不同城市群里地理对劳动生产率影响的差异，我们在模型中加入了城市群哑变量与城市到港口距离的一、二、三次项的交互项。我们分别选取天津、上海和香港作为环渤海城市群、长三角城市群以及珠三角城市群的核心港口城市。 [12] 我们预期：三大城市群的城市人均GDP和地理之间的关系会呈现出一些差异，其中关键的因素还是来自于每个城市群的集聚力与离散力之间的对比，而这又可能是由一系列的因素造成的：
（1）集聚力主要取决于大港口城市的市场潜力规模以及国际市场的需求。作为城市群中心的大港口，上海、香港、天津由于其特定的历史、地理、政策、发展模式等综合原因成为城市群中的核心大港口。核心港口城市的市场潜力越大，其集聚力量越强，从而使经济活动越向大港口集中。更重要的是，在经济全球化的进程中，在海运是国际贸易的主流方式的前提下，距离大港口近，也意味着距离国际市场越近。
（2）离散力主要取决于交通成本和制度成本。中国正处在经济集聚的大趋势中，从交通成本来看，如果区域内的自然条件（如山川、河流等）增加了交通成本，那么这将降低城市群的经济集聚程度。但像长江这样的黄金水道却可能通行大吨位的轮船，甚至实现江海联运，减少运输成本，有利于特定区域的经济集聚。另一方面，人为的基础设施建设（如高速公路、铁路、航空等）也将通过降低交通成本来促进城市群的经济集聚。在中国，阻碍经济集聚的制度成本主要来自于经济的省际分割，从总体上来说，中国的省际市场分割程度在趋于缓和（桂琦寒等，2006），因此，城市群内的离散力也相对减弱，不同城市群内的市场整合进程也将影响离散力的减弱趋势。
与到大港口距离相类似，为了反映区域性的大城市在区域性的城市群中的作用，我们控制两个相关的变量：
大城市距离（大城市距离平方）。表示到最近大城市 [13] 的距离（单位为公里）及其二次项。控制该变量的目的在于捕捉样本城市受到来自临近大城市的非线性影响。当一个城市到大城市的距离不断增大时，由规模报酬递增导致的集聚力与由交通成本导致的离散力之间的此消彼长，表现为人均GDP与到大城市距离的关系呈现先下降再上升的“U”形曲线。 [14]
大城市同省。这是一个城市与最近的大城市是否同省的哑变量。在一定距离范围内，大城市的集聚效应会吸纳周边中小城市的经济活动，从而不利于中小城市的经济发展。如果存在省际的市场分割，那么，与那些和临近大城市同省的中小城市相比，与临近大城市非同省会让中小城市更少地受到这种吸纳作用的负面影响。
在其他解释变量中，我们还依次放入了以下这些会影响一个城市的经济发展水平的控制变量： [15]
教育。在我们的数据中，唯一可以利用的指标是“教师数/学生数”之比，实际上一个教育投资变量，只能作为教育水平的代理变量。
健康。在我们的数据中，我们只能找到“每万人拥有病床数”这一卫生投资变量来代理健康水平，这显然不能直接度量健康，仅作为健康水平的代理而在模型中加以控制。
投资。用固定资产投资额占GDP的比重来度量，反映的是一个城市经济发展对于投资的依赖程度。
政府支出。用政府支出占GDP的比重度量。直观来讲，这个指标是度量城市的经济发展在多大程度上依赖政府的投入，而在过往的实证研究中常用来表征政府对经济干预的程度。
外商投资。用以人民币为单位的人均FDI投资额度量。首先这是一个用来度量城市经济的开放程度的变量，我们也可以将人均FDI投资额理解为人均外来资本积累。以人民币为单位可以尽可能消除因汇率波动（特别是2005年以后人民币对美元升值）造成的偏误。
供水。人均供水量可以用于控制一个城市的水资源丰裕程度。可获得的淡水资源对一个城市的经济发展尤其是工业发展影响重大，另外，供水量还将一定程度上影响居民的生活质量、健康水平等。
就业结构。用第三产业就业与第二产业就业的比例来度量。由于在我们的研究中已经剔除农业数据，则第三产业的相对占比就体现了城市的经济结构和发展模式，作为城市的人均产出决定模型的控制变量。
海港、河港的哑变量。 [16] 根据新经济地理学的理论，由于存在交易成本（其中主要是产品的运输成本），在要素可以自由流动的条件下，港口城市具有非港口城市所不具备的先发优势，而在城市发展的过程中，这种优势又被所谓的“锁定效应（lock-in effect）”不断巩固和加强，促进经济集聚的形成，从而更有利于城市经济的发展。
省会。这是是否省会或直辖市的哑变量。
是否属于中部、西部的哑变量。东部是参照组，东部包括了除广西以外的沿海地区和北京，广西和内蒙作为西部省份，从而与国家的“西部大开发”政策保持一致。
年份。这是一组控制年份固定效应的哑变量。
在估计方法方面，我们用了面板数据的GLS估计方法，来控制可能存在的异方差问题，同时，GLS方法也可以得到不随时间变化的变量的系数估计。回归结果显示，模型并不存在显著的异方差问题。
基础模型的回归结果见表6.1：
在基础的回归结果中可以发现，地理因素中的核心变量“港口距离”的一、二、三次项，及其分别与长三角城市群、珠三角城市群哑变量的交互项均显著。经计算可知，长三角城市群、珠三角城市群正如“中心—外围”模式所述，城市到大港口距离对其经济发展水平的影响可能存在“∽状”的三次型效应，而作为参照组的环渤海湾城市群地理因素的系数符号则刚好相反，对环渤海湾地区的情况我们将在后面详细讨论，暂且先集中分析长三角和珠三角城市群。
基于上述实证结果，我们可以模拟出到大港口距离与劳动生产率之间的关系。图6.1中，横轴表示城市到所属城市群大港口的直线地理距离，而纵轴则表示城市人均GDP取对数。其中，在大港口处，人均GDP设为0，作为参照基准。图6.1的含义是，在长三角或珠三角城市体系的内部，城市的人均GDP如何随着到大港口距离而变化。
从图6.1中可以清晰地看到，在区分了城市群之后，随着到香港距离的增大，珠三角城市群城市的人均GDP经历了先下降、再上升、再下降的过程，这说明到大港口距离对人均GDP起到了先抑制再促进再抑制的作用，这与新经济地理学的市场潜力曲线（Fujita et al., 1996, 1999b）的形状基本一致。然而地理上城市群的划分却使得长三角城市群范围较小，其区域内距离上海最远的为湖北省十堰市，距上海1020.3公里，于是，回归结果中长三角城市群中距离的三次项是显著的，但在图形上没有三次曲线第三部分的下降阶段。
进一步观察图6.1中珠三角城市群与长三角城市群的曲线形态不难发现，在曲线下降的阶段（对于珠三角城市群有两次下降），其斜率的绝对值要远大于上升过程斜率的绝对值。此外，珠三角城市群的第一个低点出现在距香港500公里一线，第二高点（即经济地理意义上的“次中心”）出现在距离香港1250公里一带；而长三角城市群的低点出现在距上海600公里左右。这样，我们就将地理区位与城市经济发展水平的关系按不同城市群区分开了。
考察两大城市群地理与劳动生产率之间关系的低点和高点可以发现，香港距离广东省与广西、湖南、江西和福建四省省界的距离几乎都在300—350公里左右，其中广西与广东的省界离香港稍远，有400公里左右。而在图6.1中珠三角曲线下降的过程中，有一个斜率绝对值逐渐变小的过程，而斜率变小较为明显的区域就集中在横轴300—350公里左右，换句话说，到了省界附近时，再远离港口每一公里的人均GDP的减少是放慢的。这个结果从一定程度上反映了省际分割的存在，而这个省际分割也可能受到了地理因素（如南岭）的影响。低点处即距香港500公里处主要是桂东、湘南、赣南和闵西南地区中的欠发达地区。而第二高点处即距离香港1250公里的位置恰好是昆明为代表的滇东地区，以及成都与重庆中间区域为代表的川东地区。
长三角城市群只能画出一个代表经济发展“相对劣势”地区的位置，这个位置处在距上海600公里的鲁南、皖西、鄂东、赣东北、闵北地区。那以内的区域即上海在长三角城市群中的“辐射范围”。从图6.1中可以看到，长三角城市群的曲线下降过程中斜率绝对值要小于珠三角城市群的斜率绝对值，即周边地区的经济发展程度更高；并且长三角城市群的经济相对劣势区域出现得比珠三角城市群更远，即辐射范围更大。以上都说明长三角的辐射范围要大于珠三角的辐射范围，这无疑颠覆了一种猜测，即珠三角城市群同属广东一省，于是其辐射效应比长三角城市群更具优势。另外我们可以看到，珠三角城市群在向周围扩散的过程中遇到南岭和广东与其他省的边界的双重阻隔，这种地理上的劣势无疑增加了区域间的运输成本，从而阻碍了辐射和集聚力量的作用。而上海坐拥长江水道的运输便利，长三角区域内又是广袤的平原，没有山岭阻隔，这是在地理地形意义上长三角的优势所在。其次，长三角地区的基础设施发展较好，一体化进程也较早地得到了制度层面的推进 [17] ，这也有利于长三角集聚力的发挥。图6.1所显示的另一个信息是，将安徽省包括在“泛长三角”区域范围之内，是有其合理依据的。
到大城市距离及其二次项分别显著为负和显著为正（如图6.2所示）。当距离大城市较近时，由于集聚可以带来规模效应和外部经济，促使中心城市吸收周边城市的经济资源，同时周边城市也能较多地分享中心城市集聚效应带来的好处，集聚的向心力发挥主要作用，距离中心大城市越近，人均GDP越高；但随着到大城市距离的增加，到达区域中心市场的交通成本上升，此时离心力将发挥主要作用，距离大城市越远，人均GDP越高。同时，我们还发现，与最近的大城市同省会显著降低当地的人均GDP。由于省际分割的存在，如果与邻近大城市非同省可以在一定程度上阻隔大城市对其的“吸纳作用”，从而相对于与邻近大城市同省的中小城市来说，更有利于本地的经济发展。如果由市场分割带来的在个体层面的“好处”体现在当地更快的经济发展速度上的话，那么，在阻碍生产要素自由流动的意义上，受损失的将是宏观上整个经济体的资源配置效率。 [18]
其他解释变量方面，教育并不显著，这很可能与教育的度量不够准确有关，师生比本质上是个教育投资变量，只有对长期的经济发展才是一个显著的影响因素（许政等，2010；请参见本书第8章）。固定资产投资占GDP比重的系数显著为负，而且如将其去掉，几乎不影响其他变量的系数及其显著性。投资变量符号为负意味着较高的固定资产投资占比会显著降低该地区的人均GDP，这说明中国的投资过度现象已经显现出来了。本书的第9章将进一步提供证据，说明中国已经出现了资本过度深化的现象。政府支出显著为负，表明过多的政府干预将扭曲市场的资源配置作用，不利于当地经济发展。健康、供水和外商投资的系数均显著为正，这表明更好的生活质量、自然条件和更开放的市场都将有利于本地经济的发展。
此外，海港哑变量与河港哑变量均显著为正，且海港哑变量的系数要远大于河港哑变量，说明海港城市具有更优越的地理运输条件，并由此在开放的经济中具备更强的优势。以东部为参照组，中部哑变量与西部哑变量显著为负，需要注意的是，西部哑变量的系数要稍大于中部哑变量的系数，即在控制其他变量以后，西部城市的人均GDP要比中部城市略高。也就是说，即使控制了其他变量，特别是控制了到大港口距离之后，“中部塌陷”现象也还是存在的。
环渤海湾城市群在上述估计结果中显得“异常”，从地理角度究其原因，其与长三角、珠三角城市群的差异体现在该区域拥有众多环绕渤海的海港，而本章在环渤海湾城市群中定义的“大港口”是天津，它并不是一个如上海、香港般在本区域内有绝对贸易优势的港口。因此，我们借鉴了2006年11月中国国际海运网和大连海事大学世界经济研究所发布的中国港口综合竞争力指数排行榜报告来比较环渤海湾城市群诸港口的综合实力。 [20] 该报告指出：通过对中国港口的投资趋势、吞吐量、作业能力、财务状况和自然条件等5个方面进行综合分析，评出中国“最具效益竞争力港口”排名前10位的港口 [21] ，分别是上海港、深圳港、青岛港、宁波港、广州港、天津港、厦门港、大连港、连云港港和营口港。这其中属于环渤海湾城市群的港口有青岛港、天津港、大连港、营口港，而青岛港的排名甚至在天津港之前，因此将天津作为影响该城市群所有城市经济发展的“核心港口城市”，其合理性值得推敲。基于对以上事实的理解，我们尝试修改环渤海湾城市群内城市的距离变量，取2005年上述四大港口（青岛、天津、大连和营口）的集装箱吞吐量数据 [22] ，对环渤海湾城市群内城市到此四个港口的距离进行加权平均，得到一个加权的到大港口距离，以对2005年截面数据进行回归。回归结果见表6.2中第一个方程。可以看出，在用加权平均距离替代了之前的到天津的距离之后，港口距离的一、二、三次项系数分别为负、正和负，此前环渤海湾城市群三次曲线系数符号的异常得到了修正，该结果符合“中心—外围”理论中市场潜力与地理区位间“∽”形曲线的形态。
为了检验上述方法的稳健性，我们又利用2006年及2007年 [23] 四大港口（即青岛、天津、大连和营口）的全年集装箱吞吐量数据对环渤海湾城市群的城市到这些港口的距离进行加权平均，得到了新的到港口距离变量，再分别对2006年和2007年的截面数据回归，得到的结果见表6.2的后两个结果。我们发现，尽管回归结果中加权平均距离的一、二、三次项符号依旧是负、正和负的，但其系数的显著性却下降至不显著。由此我们推测，环渤海湾城市群并不存在一个稳定的单中心城市群结构，没有一个城市可以充当稳定的该城市群的核心港口城市。 [24]
图6.3采用环渤海湾城市群2005年截面数据，模拟了城市人均GDP与到大港口距离的三次函数关系。与图6.1中长三角、珠三角城市群的曲线相比，环渤海湾城市群的曲线形态要平缓得多，呈现的是一种“先快速下降，再缓慢下降，再快速下降”的趋势。从表面上看，环渤海湾城市群内由于并没有出现次中心，于是显示出更强大的集聚能力，只不过，这个更强大的集聚能力是由几个港口共同产生的。 [25] 我们猜测，更强大的集聚能力可能是因为环渤海湾地区在离港口不远处即进入了山区和高原地区，于是，我们在模型中加入了城市平均海拔的哑变量（分为6级）来控制地形因素，但结果没有明显改变。如果依据图中曲线下降速度快慢的转折点大致将定义域分为三部分的话，那么将是0—600公里，600—1300公里以及1300公里以上，如果再回到数据中将这些距离变量的城市分类可以发现，这样的加权平均距离大致分别是城市群中东、中、西部城市所在的区间。因此，可以说环渤海湾城市群这条曲线的走势大致上反映了其区域内经济从东部向中、西部延伸时经济的“阶梯式形态”。需要指出的是，在上面回归中重新构造的到港口距离是一个比较抽象的概念，它虽然反映了区域内部各大重要港口对城市的综合影响，也可以绘出如图6.3的函数曲线，但却无法在地图中准确描绘出“相对优势及劣势”地带。
6.3 内需是否会使城市体系分散化？
上一节的分析表明，即使仍然存在大量的政府行政干预和生产要素流动障碍，中国城市体系仍然符合“中心—外围”理论的预测。那么，到大港口的距离对于城市经济发展水平如此重要是不是仅仅因为国际贸易的缘故呢？如果出口的重要性是导致中国城市体系呈现“中心—外围”结构的唯一原因，就可以推测，当未来出口占GDP的比重有所下降，而国内需求的相对重要性上升时，到大港口的距离将不再那么重要，城市体系也会随之趋于分散化。那么，服务业主导的内需结构真的会使得中国的城市体系分散化吗？
世界经济的一大趋势是经济服务化，这也是中国未来经济发展的必然。服务业是否有集聚效应，在理论上需要说明两个问题：一是服务业是否可贸易；二是如果服务业不可贸易，是否有其他渠道导致服务业劳动生产率与地理有关。关于第一个问题，传统的服务经济学认为，服务和制成品有着巨大的差别，其中最主要的一条是库存和运输的不可能性（井原哲夫，1986），这使得服务一般被认为是不可贸易的。但是生产型服务业的发展使得这种观点受到挑战。作为中间投入的服务被认为可贸易，已经是某些研究城市体系的文献的逻辑起点（如Anas and Xiong, 2003）。Krugman（1991）认为，虽然像快餐、日托、离婚律师等行业很确定是不可贸易的，但是其他服务业，如金融服务，是可以贸易的。哈特福德是保险业集聚的中心，芝加哥是期货交易中心，洛杉矶是娱乐中心，这些城市提供的服务部分是可贸易的，从而可能产生集聚。而关于世界上其他国家服务业的实证研究也发现，部分服务业可贸易，从而有空间集聚的特征。Jensen和Kletzer（2005）关于美国的研究就发现，按NAICS（北美产业分类系统）划分的产业，可贸易的服务业与不可贸易的服务业基本各占一半；若从就业来看，可贸易的服务部门的就业人数要大于可贸易的制造业部门的就业人数。由于中国统计中使用的行业分类标准和NAICS有着较大的差别，我们无法直接根据Jensen和Kletzer（2005）的结论得到中国可贸易的服务产业的数量及其就业信息，但因为可贸易的服务部门主要集中在生产型服务业，我们可以从中国生产型服务业 [27] 数据间接地看出可贸易的服务部门在国民经济中的地位。如表6.3所示，生产型服务业无论在增加值还是就业上都具有举足轻重的地位，并且其增加值占GDP和第三产业增加值的比重比相应的就业比重来得更高。
关于第二个问题，一些服务产业虽然不可贸易，但是由于对它的需求在地理上是集聚的，也会体现出集聚的特征（Jensen and Kletzer, 2005）。这还得附加一个条件，即服务的提供存在着规模效应，否则即使对一些服务业的需求是集聚的，也只能看到这些服务业的总量在大城市较高，其人均水平和其他城市相比不会有明显差异。在服务业的供给上，部分服务业也和制造业一样，存在着规模报酬递增，甚至因为现代服务业往往是资本、技术和信息密集型的，在分享、匹配和学习这三个方面，服务业体现出的规模效应比制造业更强。所以，在人口和制造业集中的地区，由于服务业的规模效应，服务业也会产生集聚。此外，虽然消费型的服务业通常不可贸易，但由于生产型服务业集聚了大量高技能劳动者，对消费型服务业产生了大量的需求，因此也会相应带动不可贸易的消费型服务业的集聚。
除了服务业自身的特性以外，制造业的集聚也会带动服务业的集聚。制造业是集聚发展的，制造业的劳动生产率与城市的地理位置有关系，对此，下文中会提供相应的证据。只要每个城市的劳动力市场存在足够充分的竞争，不可贸易的服务部门和可贸易的服务部门以及制造业的从业者将得到趋同的报酬（其他条件相同）。考虑到不同产业的从业者的不同人力资本水平，一个城市第二产业和第三产业的平均工资可能会有差异，但是总体上，二者是高度相关的。因此，只要制造业的劳动生产率和地理相关，再加上劳动力市场是竞争的，并且工资和劳动生产率是相关的，服务业的劳动生产率就会和地理产生相关关系。
人们通常从收入和需求的角度来理解服务业的发展及其重要性的上升，而劳动生产率与地理之间的关系成为理解服务业发展的一个新视角。为此，我们在上一节的基础上构建下面这一实证模型：
本节研究的数据仍然来自历年《中国城市统计年鉴》的1990—2007年城市面板数据，包含286个地级及以上城市18年的经济数据，但由于早期的城市数量仅200不到，而且在20世纪90年代早期数据缺失严重，再加上有缺失变量，实际进入回归分析的样本量小于5148（286×18）个。模型被解释变量是第三产业或第二产业的实际劳动生产率，以相应产业的产出除以该产业的就业人数，产出均以各省城市部门的通胀指数进行了消胀。 [29]
我们主要关注的解释变量是到最近大港口的距离和到最近大城市的距离。在回归方程里，为了反映地理与劳动生产率的三次曲线关系，我们同时控制了以上两个距离变量的二次项与三次项。我们仍然将与最近的大城市是否同省这一哑变量作为一个控制变量，用以考察省际市场分割是否存在，大城市会对周围城市的经济活动产生吸纳效应，如果存在省际分割，那么与最近大城市不同省的城市相比，和最近大城市同省的中小城市将会受到更多的吸纳效应的影响。
我们在考察距离变量与劳动生产率的关系的同时，还控制了其他一些解释变量。这些变量包括：（1）初始年人均GDP的对数，来观察一个城市初始经济发展水平对后来服务业发展的影响；（2）教育，用教师学生比度量，用来代理一个城市的人力资本水平，如前所述，教师学生比并不能准确度量人力资本水平，在这里它只是一个控制变量，以缓解核心变量的遗漏变量偏误；（3）人口密度，用建成区每平方公里非农业人口数量（万人）度量，服务业产品的提供和消费大都同时进行，人口密度高相对降低了服务业的交易成本，从而有利于服务业发展；（4）城市市辖区总人口，用来控制城市的规模对服务业发展的影响，可以检验服务业发展的规模经济效应；（5）其他一些和地理因素相关的哑变量，如是否为海港城市，是否为内陆河港城市，中部和西部哑变量，这些变量可以控制住城市间地理和自然的差异；（6）表示一个城市政治经济特征的哑变量，如是否为沿海开放城市，是否省会城市，是否经济特区，这组变量可以控制住城市间地理和政策的差异；（7）城市的政府支出占GDP的比重，用来控制城市间政府对经济干预程度的差异；（8）人均供水量，用来控制每个城市水资源丰裕程度的差异；（9）一组控制时间因素的年份哑变量。
同样，由于主要的解释变量是距离、港口和内陆港等不随时间变化的地理因素，因此未采用固定效应估计。同时，为了控制样本的异方差问题，我们采用面板数据的GLS回归作为研究的基本方法。与上一节一样，我们试图在回归方程中同时控制到大港口距离和到大城市距离的一次、二次、三次项。但是当我们放入到大城市距离的三次项以后，其二次项和三次项都不显著，所以我们去掉了到大城市距离的三次项，结果其一、二次项都显著了（见表6.4）。
从方程（1）的结果我们可以看到，到大港口距离的一次、二次、三次项都非常显著。这说明到港口的距离确实影响一个城市服务业劳动生产率。我们进行第二产业和第三产业的对比，是由于地理因素对二者的影响可能不同。换句话说，服务业和制造业离心力和向心力相对强弱可能不一样。一般而言，制造业的可贸易性要强于服务业，所以制造业更能够通过生产要素的集聚而利用规模效应，从而表现出更强的集聚力。同时，由于制造业产品的运输成本相对较小，不流动人口的那部分工业品需求可以从其他城市购买，因此，制造业的离心力相对较小。在中国，目前制造业远比服务业更加依赖国外市场，因而沿海大港口对于制造业来说代表了更大的国内外市场潜力，于是加强了制造业向大港口周围的集聚力。
基于以上原因，我们把被解释变量换成第二产业的人均产出，然后采取和服务业相同的回归方程，得到的结果如表6.4中的方程（3）。可以看出，第二产业人均产出与到大港口距离之间的三次曲线关系也是存在的，但是距离的二次项和三次项的显著性比服务业方程相应的变量系数显著性更低。为了有直观的比较，我们将方程（1）和（3）中第三产业、第二产业人均产出和到港口的距离之间的关系画在了图6.4上，港口处的人均产出作为基准，设为0。
正如我们所预期，我们可以很清楚地看见到大港口的距离对服务业和制造业的不同影响。制造业人均产出与到大港口距离的三次曲线关系虽然也存在，但是没有第二波峰。这说明，相对而言，制造业具有较强的向心力和更弱的离心力。
再来看到区域性大城市距离与服务业劳动生产率的关系图。 [30] 根据到大城市距离的系数可以算出，随着到大城市距离的下降，服务业的人均产值先是下降，到620公里左右达到最低，然后开始上升。当距离接近1000公里时，服务业的人均产出只低于区域性大城市约1700元。对比图6.4和图6.5可以看出，随着到最近港口的距离增加，过了最低点之后，服务业的人均产出虽然有所增加，但是其第二个波峰和港口城市还存在着较大的差距（约为6800元），随着到区域性大城市的距离上升，服务业人均产出和大城市的差距始终不是很大。因此我们可以推断，区域性大城市和港口大城市相比，其对服务业的经济集聚力量相对较弱，具体体现在，与到大城市距离和服务业劳动生产率的关系相比，在到大港口距离和服务业劳动生产率的关系里，劳动生产率先下降再上升的转折点到来得更远。这说明，即使是服务业，和内陆大城市相比，核心港口城市仍然拥有强大的集聚力。大港口及其附近城市的优势可能来自两方面，一是直接效应，即来自国内外的服务需求；二是间接效应，主要指由于周边地区工业发达而引致的服务需求，以及劳动力市场的竞争带来的较高的服务业工资和服务价格。由于工业发达而引致的服务需求包含两个方面，一是工业发达而引起人口集聚，从而引致的对最终服务的需求，如家政服务、医疗、零售、娱乐等行业；二是对中间投入的需求，如物流、信息、金融等行业。相对而言，后者对于集聚的影响可能更大，根据Jensen和Kletzer（2005）的研究结果，这些行业可贸易性相对更强，因此更容易产生集聚。而区域性大城市在这两方面的优势没有核心港口城市那么明显。 [31]
对比一下其他解释变量对第二、第三产业的不同影响也是很有启发性的。海港对一个城市的服务业劳动生产率有正面影响，而海港哑变量在第二产业的方程中不显著。这可能是因为随着经济发展过程中地价的上升和周边地区交通条件的改善，海港城市不再成为制造业的首选地，海港的制造业可以迁到周边邻近且土地更便宜的城市。而服务业更需要人口集聚和知识、信息的交流，所以仍然需要布局在因海港的交通枢纽作用而形成的高度集聚的城市。河港哑变量在第二产业和第三产业的回归中都显著为正，这可能是因为内地的经济发展阶段还没有达到能够促使工业企业完全迁离河港的水平，同时服务业自身的集聚力量也在发挥作用。此外，河港对第三产业劳动生产率的影响更大，这说明即使在内地，港口对于服务业也已经比制造业更重要。
最近的大城市是否同省这一哑变量在服务业方程中始终为负，且在方程（1）中非常显著，而在制造业方程（4）中是显著为正的。对这一发现，可以用大小城市间的分工，或者说大小城市发展第二产业和第三产业的比较优势来解释。大城市人口集中，收入水平较高，适合发展服务业；而周边的中小城市地价比较便宜，而且污染成本较小，适合发展制造业，因此，大小城市之间存在着服务业和制造业的分工。依此推理，对于制造业来说，“同省”系数为正，说明和区域性大城市同省的中小城市面临更大的市场，而且区域性大城市以服务业为主，与同省中小城市的制造业之间能够形成互补之势；对于服务业来说，“同省”系数为负，意味着和区域性大城市同省的中小城市将受到更多的吸纳效应，而同一区域性城市体系中，核心大城市的服务业具有替代同一城市体系内其他城市的服务业的作用。这一发现再次说明，不能将大城市的发展与中小城市的发展分割开，区域性的核心大城市的服务业和周围城市的制造业之间有互补性，如果动用行政性的手段来将经济资源引导向地理相对劣势的中小城市，会限制核心大城市的发展，反过来这又会不利于中小城市的发展。
人口密度有利于提高制造业和服务业的劳动生产率，这与理论推断是一致的。而人口规模这个变量只在方程（1）中显著为正，也就是说，总体上的规模不如密度来得重要。省会哑变量的系数都为负并且显著，这有点不符合直觉。我们的解释是，省会哑变量与人口密度、人口规模和人均GDP等变量均相关，当这些变量得到控制后，省会城市的效应就剩下了对经济发展不利的方面，比如更强的政府干预。在我们的数据中，省会城市的政府支出占GDP比重更高，于是我们在方程（2）和（4）中去掉了省会哑变量，加入了政府支出占GDP比重，结果发现其他变量的显著性没有改变，而政府支出占GDP比重的系数是负的，这证实了政府干预对经济发展的负面作用。从这一点出发，中国政府推动经济发展的实际效果是值得深刻反思的，对此，我们在第8、 9两章还将进行更为深入的讨论。
6.4 小结
本章基于新经济地理学的“中心—外围”理论，对中国城市群的辐射范围进行了实证检验。我们发现，长三角和珠三角城市群可以较好地契合“中心—外围”理论中市场潜力与地理因素间的三次函数关系。在对上海和香港在本城市群的经济辐射范围进行横向比较后发现，长三角城市群的辐射范围大于珠三角城市群的辐射范围。而对于环渤海湾城市群，针对其环绕内海、海港众多且分散等特殊的地理特征，本章利用环渤海湾城市群内综合排名前四的港口的集装箱吞吐量数据，对区域内城市到这四大港口的距离进行加权平均，得到修正的距离变量，继而发现环渤海湾城市群的城市的人均GDP与到港口距离之间也符合“∽”形的三次函数关系。
本章的实证研究还发现，到大港口和大城市的距离对服务业劳动生产率的影响是存在的。具体来说有两个方面：（1）一个城市服务业的劳动生产率与该城市到大港口的距离存在着三次的“∽”形曲线关系，随着到港口距离的增加，服务业劳动生产率先下降后上升最后又下降；（2）区域性的大城市对第三产业的影响也很明显，随着到大城市距离增加，第三产业的劳动生产率先下降后上升。与第三产业相比，第二产业运输成本更低，且出口导向更强，因此，靠近大港口对于第二产业更重要。而区域性大城市对周边城市服务业劳动生产率的影响的显著性要大于制造业。
基于本章的实证研究，我们可以相信，城市群的辐射范围的确是集聚力和离散力相互作用的结果。在长三角和珠三角，城市群的辐射范围大约就在距离大港口500—600公里左右。因此，城市群的发展规划，应更多地顺应市场力量对城市群的塑造，避免行政力量妨碍城市群辐射功能的发挥。未来，以沿海大港口和区域性大城市为核心的城市群将在中国经济增长中扮演增长极的作用，即使当服务业比重越来越高的时候，经济向沿海大港口和区域性大城市附近集聚的趋势也不会发生根本性的改变，城市体系也不会在目前状态下走向分散化。现代服务业更需要密集的知识和信息，消费型的服务业也需要借助于高劳动生产率派生出来的需求，大城市对这些服务业更加有利，特别是在区域性的城市圈内部，大城市在发展服务业方面的相对优势更明显。因此，人为地限制沿海地区和大城市发展不仅会带来效率损失，也不利于将中国经济的增长方式向更为依赖内需的方向调整。
特别值得强调的是，本章的研究发现意味着，应充分地认识到区域性的核心大城市对周边中小城市发展的带动力，不能将大城市的发展与中小城市的发展对立起来，从而以限制大城市的发展来换取中小城市发展。相反，如果核心大城市的发展更好，那么，周边中小城市的发展才更为得益。此外，中小城市的发展也存在不同的经济地理条件。本章的分析表明，越是距离核心大城市近的中小城市的劳动生产率越高，越有利于经济增长。因此，即使在发展中小城市的过程中，也应主要由市场来决定资源配置，让邻近大城市的中小城市更好地发挥其潜在的经济增长能力，而通过行政力量加大投资，盲目发展远离核心大城市地区的中小城市，是违反经济规律的。一段时间以来，在远离核心大城市的中小城市，兴建了大量工业园和新城，结果导致投资过剩，经济效率下滑，债务负担加重，就是因为没有科学地认识到经济地理的重要性，也没有看清大城市与中小城市之间的关系所致。
[1] 在本书中使用“环渤海湾城市群”这一称呼，以包括山东和辽宁等省更多的城市。国家发改委在2010年9月的文件中指出优先开发三个特大城市群即指环渤海地区（包括京津冀、辽中南和胶东半岛）、长三角地区和珠三角地区。
[2] 从这一概念出发，其实，近来在城市群规划中出现的一些“都市圈”概念，例如苏锡常都市圈，可能未来也形成不了真正意义上的城市圈，而可能只是较小规模的城市群。
[3] 在新经济地理学的理论文献中，一般只提到“运输成本”，但由于本章的分析对象是服务业，而服务是不可运输的，因此，对于服务业，我们采用“贸易成本”这一说法。
[4] 参见罗海明等（2005）的介绍。
[5] 在此期间，城市行政区域的变化只发生在极少的样本中。由于我们使用的数据是市辖区数据，因此，行政区域的变化对数据影响不大。
[6] 《中国城市统计年鉴》不包括香港、澳门、台湾、西藏的数据，初始年份1990年列入地级市范围的城市为211个。本章在样本城市中去掉了新疆的乌鲁木齐和克拉玛依，这两个城市距离港口很远，但人均GDP较高，会干扰本章研究结果。
[7] 此距离并不随行政区划的变化而改变，从而不会影响对距离变量的系数的估计。
[8] 另一个离散力量的影响因素是人口规模，如果一个城市体系的总人口规模足够大，那么，远离中心城市的地方更可能产生区域性的经济中心。在实证研究中，因为整个经济体的人口规模变化不大，通常不作为解释变量加以控制。
[9] 新经济地理学的两部门经济模型中集聚效应发生在工业部门，而农业部门是不可移动的，因此在统计指标上我们将农业人口及其GDP剔除，只保留二三产业GDP，同样的，在人口统计中也剔除了农业人口。人均GDP均为正值，对其取对数值可以使其分布更符合正态分布。
[10] 在理论上企业的生产能力可以用企业利润为零的产量来表示。一方面，企业不会增加产量到利润为负的水平，而如果它的利润为正的话，理论上来说，它是可以增加产量的。当市场完全竞争时，企业应该在利润为零的状态下生产，这时，虽然经济学上是“利润为零”的，但在会计上，资本的回报实际上是计为利润的。
[11] 例如Ciccone和Hall（1996）、 Ciccone（2002）、 Au和Henderson（2006b）、范剑勇（2006）、 da Mata等（2007）等。
[12] 虽然与上海和香港相比，天津在环渤海湾城市群中的核心地位并不突出，但从理论上讲，中国城市群中地理与城市发展的关系与经济开放有关，而在经济开放和对外贸易的发展过程中，港口的作用是不可取代的。因此本章在环渤海湾地区暂时选择天津作为核心城市。
[13] 本书对大城市的定义是初始年份（1990年）非农人口已经达到150万以上的城市，共有14个。具体参见第2章。
[14] 如果控制到大城市距离的三次项，则一、二、三次项均不显著。如果仅控制一、二次项，则均显著。由于到大港口距离要完整地呈现出三次曲线需要相当长的距离，因此，可能是由于到大城市的距离不够长，只能得到一个三次曲线的左半部分，即一个“U”形曲线。在我们的样本里，除了乌鲁木齐和克拉玛依两个比较特殊的城市以外，距最近大城市的距离最大值为1125km，相比之下，到大港口的距离最大值为2295km，能够完整地呈现三次曲线。
[15] 对于一些研究新经济地理的作者来说，经济变量都是内生于地理变量的，因此，他们的模型往往只将地理变量作为解释变量（例如Dobkins and Ioannides, 2001; Partridge et al., 2009）。在本书中，控制其他变量的目的一方面是为了尽量地控制城市之间的异质性。对于这些回归分析，如果只控制两组距离变量，其结果并不发生实质性的变化。
[16] 海港和河港名单来源于“首届中国港口城市市长会议高峰论坛”（由国务院发展研究中心、交通部、天津市人民政府、中国交通运输协会四家主办）。海港城市包括：青岛、烟台、威海、日照、海口、三亚、天津、唐山、秦皇岛、沧州、大连、锦州、营口、连云港、福州、厦门、泉州、漳州、广州、深圳、珠海、汕头、湛江、中山、上海、宁波、温州、舟山、台州、北海、防城港、钦州。河港城市包括：哈尔滨、佳木斯、芜湖、马鞍山、铜陵、安庆、岳阳、南京、无锡、苏州、南通、扬州、镇江、佛山、东莞、泸州、武汉、宜昌、南昌、九江、南宁、梧州、重庆。
[17] 长三角地区在制度上的一体化进程请参见陈建军（2009）。
[18] 实证研究发现，总体来说，在省的层面上，与周边省的市场分割程度越高，本省经济增长更快，但这种状况在加总层面上却会损失整个国家的规模经济效应和资源配置效率（陆铭、陈钊，2009b）。
[19] 实际上与大城市距离的最大值达到了1125.2公里，但那些都是西部城市密度很低的地区，在这里只画到500公里以内的图形，在城市密度较高的地区具有一般性的意义。
[20] 报告参见：http://wu.shippingchina.com/?package=star06&module=bgxz。
[21] 报告中未包括香港特别行政区，实际上香港无论在吞吐量还是综合实力方面都是领先的。事实上，本书中的城市到香港的距离，也可理解为到香港和深圳的距离。
[22] 该数据来自《中国海关统计年鉴》。
[23] 由于四大港口的选取采用的是2006年的排名，因此为了避免跨年度排名变化可能造成的偏误，我们利用较近的2006年和2007年的贸易数据对2005年的回归结果进行检验。
[24] 需要补充说明的是，这一分析并不表示北京未能发挥环渤海湾中心城市的功能。事实上，到北京的距离已经体现在到大城市距离这一变量上了。因此，到大港口的距离仅表示一个城市开展国际贸易的成本。
[25] 值得注意的是，图6.3中仅用了一年的数据，其纵轴与使用了全部数据的图6.1和图6.2不可比。
[26] 由于修正了距离变量，因此图中原点相当于抽象出一个虚拟的“核心城市”，其定义域为（0,1866km）。加权平均距离中最大值为甘肃省嘉峪关市。
[27] 按中国国家统计局2002年出台的新国民经济行业分类标准（《国民经济行业分类》，GB/T4754-2002），生产性服务业包括交通运输、仓储和邮政业，金融业，房地产业，信息传输、计算机服务和软件业，租赁和商务服务，科学研究、技术服务和地质勘查业等六项。国内大多数学者也采取了这种划分方式。
[28] 由于2003年以前采用了不同的行业分类标准，这里我们只给出了2003年以后的数据。
[29] 如果用增长模型做第三产业劳动生产率增长率和到大港口距离的关系的回归分析，可以发现两者的三次曲线关系仍然是成立的。为了控制篇幅，这些分析结果没有报告。
[30] 由于在本章的样本中，距离最近大城市的距离超过1000公里的城市只有四个，为酒泉、嘉峪关、克拉玛依和乌鲁木齐，仅占总样本（共286个城市）的1.4%，因此图6.5中我们只描绘了到最近大城市距离在1000公里以内的情况。
[31] 值得一提的是，与服务业相比，到大城市距离的一次项和二次项在对第二产业的回归结果中都不显著，同时我们也试过加入三次项，结果依然不显著。