葉文顯，曾紹龍

（1.陜西國(guó)際商貿(mào)學(xué)院 管理學(xué)院，陜西 咸陽(yáng) 7 1 2 0 4 6；2.杭州師范大學(xué) 經(jīng)濟(jì)學(xué)院，浙江 杭州 311121）

0 引言

人口集聚是城市發(fā)展的基礎(chǔ)，城市發(fā)展則可能進(jìn)一步加劇人口集聚。隨著我國(guó)城市規(guī)模不斷擴(kuò)大，居民收入水平逐漸提高，城市的“虹吸效應(yīng)”進(jìn)一步凸顯，城市人口逐漸向經(jīng)濟(jì)實(shí)力雄厚、區(qū)位優(yōu)勢(shì)明顯、基礎(chǔ)設(shè)施完善的三大中心城市群和六大核心城市集聚［1］，如東部的長(zhǎng)三角城市群、京津冀城市群、珠三角城市群和中西部的重慶、成都、鄭州、長(zhǎng)沙、西安、武漢，人口分布總體呈現(xiàn)“3+6”的格局特征。作為“3+ 6”人口分布格局的核心組成部分，北京、上海、廣州等21 個(gè)特大以上城市在我國(guó)的人口分布格局中扮演著舉足輕重的角色。2020 年，21 個(gè)特大以上城市以約占全國(guó)3.4%的土地面積承載了20.7%的全國(guó)人口，并實(shí)現(xiàn)了約占全國(guó)32.8%的經(jīng)濟(jì)總量。人口集聚給特大城市帶來(lái)了技術(shù)進(jìn)步、經(jīng)濟(jì)增長(zhǎng)與城市繁榮的同時(shí)，也帶來(lái)了交通擁擠、資源短缺和環(huán)境惡化等問(wèn)題，阻礙了城市的進(jìn)一步發(fā)展。隨著我國(guó)人口老齡化進(jìn)程的日趨加快，人口紅利效應(yīng)逐漸消退，經(jīng)濟(jì)增速也將有所放緩［2］。那么，作為我國(guó)城市人口集聚的典型代表，特大以上城市的人口集聚是否依然會(huì)顯著促進(jìn)經(jīng)濟(jì)增長(zhǎng)，或者說(shuō)人口集聚與經(jīng)濟(jì)增長(zhǎng)之間是否會(huì)出現(xiàn)某種程度的脫鉤？這正是本文想要探討的問(wèn)題。

國(guó)內(nèi)外學(xué)者從多維度探討了人口集聚與經(jīng)濟(jì)增長(zhǎng)之間的內(nèi)在關(guān)系，主要包括以下方面：①人口集聚可促進(jìn)經(jīng)濟(jì)增長(zhǎng)。如，Abel 等［3］運(yùn)用城市生產(chǎn)力模型實(shí)證分析了人口集聚與勞動(dòng)生產(chǎn)率之間的關(guān)系，結(jié)果表明人口集聚每增長(zhǎng)1 倍，勞動(dòng)生產(chǎn)率將提高2%——4%；Baldwin 等［4］實(shí)證發(fā)現(xiàn)，由于技術(shù)溢出效應(yīng)的存在，人口空間集聚往往會(huì)導(dǎo)致區(qū)域經(jīng)濟(jì)增長(zhǎng)；Fan［5］實(shí)證研究表明，高密度的人口分布有利于推動(dòng)地區(qū)經(jīng)濟(jì)增長(zhǎng)；楊東亮等［6］構(gòu)建了基于工具變量法的OLS回歸模型，結(jié)果表明省級(jí)人口集聚具有明顯的經(jīng)濟(jì)增長(zhǎng)效應(yīng)；宋寶琳等［7］選取京津冀地區(qū)11 個(gè)地級(jí)市的面板數(shù)據(jù)，采用誤差修正模型分析后發(fā)現(xiàn)，無(wú)論是長(zhǎng)期還是短期，人口集聚均對(duì)經(jīng)濟(jì)增長(zhǎng)有顯著的推動(dòng)作用。②人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng)有抑制作用或促進(jìn)作用不顯著。如，Haan 等［8］經(jīng)過(guò)實(shí)證后發(fā)現(xiàn)，人口集聚會(huì)增加城市壓力，進(jìn)而影響經(jīng)濟(jì)增長(zhǎng)；Jones［9］的研究成果表明，人口集聚會(huì)顯著削弱與經(jīng)濟(jì)增長(zhǎng)相關(guān)的勞動(dòng)生產(chǎn)率；Henderson［10］研究發(fā)現(xiàn)，城市規(guī)模并非越大越好，城市經(jīng)濟(jì)發(fā)展存在著一定的最優(yōu)規(guī)模；曾永明等［11］認(rèn)為人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng)同時(shí)存在正向的集聚效應(yīng)和負(fù)向的擁擠效應(yīng)，當(dāng)擁擠效應(yīng)起主導(dǎo)作用時(shí)，人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng)有負(fù)向的抑制作用。③人口集聚與經(jīng)濟(jì)增長(zhǎng)呈“倒U 型”關(guān)系。如，Brülhart等［12］運(yùn)用OLS 和GMM 模型研究了人口經(jīng)濟(jì)活動(dòng)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，結(jié)果表明集聚只會(huì)在一定的經(jīng)濟(jì)水平上推動(dòng)GDP 增長(zhǎng)，且集聚效應(yīng)滿(mǎn)足威廉姆森假設(shè)；Nkalu 等［13］以撒哈拉以南非洲地區(qū)為例，實(shí)證研究了經(jīng)濟(jì)增長(zhǎng)、城鄉(xiāng)關(guān)系與城市群的動(dòng)態(tài)效應(yīng)，結(jié)果發(fā)現(xiàn)城鄉(xiāng)人口增長(zhǎng)對(duì)城市群有顯著的負(fù)面影響，從而證實(shí)了威廉姆森假說(shuō)的有效性；陸旸［14］選取118 個(gè)國(guó)家間隔10 年的兩期數(shù)據(jù)，實(shí)證分析了人口首位值與經(jīng)濟(jì)增長(zhǎng)的內(nèi)在關(guān)系，結(jié)果表明人口首位值與經(jīng)濟(jì)增長(zhǎng)之間呈“倒U 型”關(guān)系；王智勇［15］采用基于地級(jí)市面板數(shù)據(jù)的GMM模型，結(jié)果發(fā)現(xiàn)人口集聚與經(jīng)濟(jì)發(fā)展之間呈“倒U型”關(guān)系。

綜上，盡管人口集聚與經(jīng)濟(jì)增長(zhǎng)的研究成果已經(jīng)較為豐富，但是其研究仍存在著一定的局限性。一方面，已有成果的研究范圍多為一般地級(jí)市，而較少涉及特大城市和超大城市。事實(shí)上，人口集聚在給特大以上城市帶來(lái)集聚效應(yīng)的同時(shí)，也會(huì)帶來(lái)糟糕的擁擠效應(yīng)［16］，人口集聚是否會(huì)顯著促進(jìn)特大以上城市的經(jīng)濟(jì)增長(zhǎng)面臨著較大的不確定性。另一方面，已有的研究成果多關(guān)注人口集聚是否促進(jìn)了區(qū)域經(jīng)濟(jì)增長(zhǎng)，而較少關(guān)注人口集聚與經(jīng)濟(jì)增長(zhǎng)的脫鉤效應(yīng)。事實(shí)上，人口集聚與經(jīng)濟(jì)增長(zhǎng)之間可能存在著一定的空間不一致性和人口滯后效應(yīng)［17，18］，研究?jī)烧咧g的脫鉤效應(yīng)十分必要。鑒于此，本文選取我國(guó)21 個(gè)特大以上城市2011——2020 年的面板數(shù)據(jù)，實(shí)證分析了人口集聚與經(jīng)濟(jì)增長(zhǎng)的內(nèi)在關(guān)系、變動(dòng)趨勢(shì)與脫鉤趨勢(shì)，以期為我國(guó)特大以上城市制定合理的人口集聚政策，實(shí)現(xiàn)城市的可持續(xù)發(fā)展提供一定的參考。

1 研究范圍與指標(biāo)選取

1.1 研究范圍

本文的研究范圍為21 個(gè)特大以上城市，具體包括北京、上海、重慶、成都、深圳、天津、廣州7 個(gè)超大城市和武漢、東莞、杭州、南京、青島、長(zhǎng)沙、鄭州、大連、西安、佛山、沈陽(yáng)、濟(jì)南、哈爾濱、昆明14 個(gè)特大城市。特大城市的判斷標(biāo)準(zhǔn)為城區(qū)常住人口介于500——1000 萬(wàn)人之間，而超大城市的常住人口則大于1000 萬(wàn)人。城市類(lèi)型的判斷依據(jù)為國(guó)家統(tǒng)計(jì)局發(fā)布的第七次全國(guó)人口普查結(jié)果。將21 個(gè)特大以上城市按照地理位置劃分為七大區(qū)域和四大區(qū)域，具體見(jiàn)表1 所示。

表1 我國(guó)21 個(gè)特大以上城市的區(qū)域劃分Table 1 Regionalization of 21 megacities and a bove in China

1.2 指標(biāo)選取

從已有文獻(xiàn)的選取指標(biāo)看，經(jīng)濟(jì)增長(zhǎng)主要采用人均GDP表征，而人口集聚則多采用人口密度、多指標(biāo)加權(quán)求和法和區(qū)位商指數(shù)、不均衡指數(shù)、地理集中度指數(shù)［19，20］等。統(tǒng)計(jì)指數(shù)表征，考慮到本文主要測(cè)度21 個(gè)特大以上城市的相對(duì)人口集聚度及其與經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系，結(jié)合指標(biāo)的可獲取性、科學(xué)性原則，最終采用人均GDP來(lái)表征經(jīng)濟(jì)增長(zhǎng)。即用地區(qū)GDP與年末常住人口的比值來(lái)衡量，采用人口地理集中度表征人口集聚程度，計(jì)算公式為：

式中：Pi、Mi和Ri分別為城市i 的人口集聚度、城市土地面積和年末常住人口數(shù)，原始數(shù)據(jù)主要來(lái)源于21 個(gè)特大以上城市的年度統(tǒng)計(jì)年鑒、統(tǒng)計(jì)公報(bào)和《中國(guó)城市統(tǒng)計(jì)年鑒》，時(shí)間為2011——2020 年。

2 研究方法

2.1 Tapio脫鉤模型

鑒于Tapio脫鉤模型具有獨(dú)特的時(shí)間演化分析優(yōu)勢(shì)和具有不同量綱的指標(biāo)分析特點(diǎn)［21］，本文采用Tapio脫鉤模型進(jìn)行脫鉤分析，計(jì)算公式為：

表2 脫鉤類(lèi)型及發(fā)展?fàn)顟B(tài)劃分Table 2 Types of decoupling and division of its development status

2.2 泰爾指數(shù)

泰爾指數(shù)既是衡量地區(qū)之間收入差距及其來(lái)源的重要指標(biāo)，也是分析區(qū)域發(fā)展差異的重要工具。為了衡量人口集聚與經(jīng)濟(jì)增長(zhǎng)的不平衡性，本文采用泰爾指數(shù)R總進(jìn)行測(cè)度，并將R總指數(shù)分解為區(qū)域間差異RL和區(qū)域內(nèi)差異RV。計(jì)算公式為：

式中：k 和j 分別為第k 個(gè)區(qū)域和第j 個(gè)城市；n和d 分別為區(qū)域個(gè)數(shù)和某區(qū)域的城市個(gè)數(shù)；Pj和Pkj分別為城市j 和區(qū)域k 中城市j 的人口集聚度；Pk和P 分別為區(qū)域k 的人口集聚度總和與所有城市的人口集聚度總和；G 為人均GDP，公式中下標(biāo)含義與人口集聚度P 相同，不再贅述。

3 結(jié)果及分析

3.1 人口集聚與經(jīng)濟(jì)增長(zhǎng)的內(nèi)在關(guān)系

運(yùn)用公式（1）計(jì)算我國(guó)21 個(gè)特大以上城市的人口集聚度，并進(jìn)行排序，結(jié)果如表3 所示。運(yùn)用四分位數(shù)法對(duì)21 個(gè)城市的人口集聚度及人均GDP 排名進(jìn)行劃分，排名第11 位的為中位數(shù)，排名1——5 位、6——10 位、12——16 位和17——21 位的城市分別對(duì)應(yīng)“高”“較高”“較低”和“低”4 個(gè)檔次。①?gòu)娜丝诘乩砑鄱瓤?，深圳、上海、廣州、佛山和東莞為典型的高人口集聚城市和人口密集區(qū)，廣東省為典型的高人口集聚省份，哈爾濱、重慶、昆明、杭州和大連為典型的低人口集聚城市。2020 年，深圳的人口地理集聚度為9.92，而哈爾濱為0.21，前者是后者的47.24倍。②從經(jīng)濟(jì)增長(zhǎng)的人均GDP 來(lái)看，北京、深圳和廣州為典型的高經(jīng)濟(jì)增長(zhǎng)城市和經(jīng)濟(jì)富集區(qū)，哈爾濱、重慶、西安和昆明為典型的低經(jīng)濟(jì)增長(zhǎng)城市和經(jīng)濟(jì)欠佳區(qū)。2020 年，北京的人均GDP 為16.49 萬(wàn)元，而哈爾濱為5.18 萬(wàn)元，前者是后者的3.18 倍。由此可知，21 個(gè)特大以上城市在人口集聚與經(jīng)濟(jì)增長(zhǎng)方面存在著明顯的空間異質(zhì)性，兩級(jí)分化嚴(yán)重。從各年度人口集聚與經(jīng)濟(jì)增長(zhǎng)的相關(guān)系數(shù)看，2011——2020 年21 個(gè)特大以上城市的人口集聚與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)顯著的正相關(guān)關(guān)系，即人口集聚高的城市通常擁有較高的經(jīng)濟(jì)發(fā)展水平。7 個(gè)超大城市的相關(guān)系數(shù)同樣表明，人口集聚與經(jīng)濟(jì)增長(zhǎng)之間存在顯著的正相關(guān)關(guān)系，14 個(gè)特大城市的相關(guān)系數(shù)表明，雖然人口集聚與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)正相關(guān)關(guān)系，但是并不顯著。由此可知，人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期影響可能存在城市規(guī)模方面的調(diào)節(jié)效應(yīng)，當(dāng)城市常住人口達(dá)到特大城市規(guī)模時(shí)，人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng) 的促進(jìn)作用還不明顯；當(dāng)城市常住人口達(dá)到超大城市規(guī)模時(shí)，人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng)具有顯著的促進(jìn)作用。

表3 2011——2020 年我國(guó)21 個(gè)城市人口集聚與人均GDP的排名及其相關(guān)系數(shù)Table 3 The ranking of population agglomeration and per capita GDP of 21 cities and their correlation coefficients，2011-2020

從17 個(gè)城市（除去4 個(gè)直轄市）在各省內(nèi)的GDP比重均值與人口比重均值看（圖1），西安和哈爾濱分別以24.4%和29.6%的省內(nèi)人口比重在17個(gè)非直轄特大以上城市中遙遙領(lǐng)先，緊隨其后的是成都、武漢和沈陽(yáng)，其省內(nèi)人口比重均超過(guò)18%，而佛山、東莞、濟(jì)南和青島的省內(nèi)人口比重均未超過(guò)10%。GDP省內(nèi)比重方面，哈爾濱、武漢、成都和西安分別以37.8%、36.1%、35.0%和33.3%的GDP比重高居17 個(gè)非直轄特大以上城市的前四名，其比重皆超過(guò)33%，為典型的GDP 強(qiáng)省會(huì)特大以上城市。從GDP比重與人口比重的內(nèi)在關(guān)系看，17 個(gè)非直轄特大以上城市的省內(nèi)GDP 比重均大于人口比重，說(shuō)明這些城市的常住人口均有一定的增長(zhǎng)潛力。長(zhǎng)沙、深圳、鄭州、廣州和武漢的省內(nèi)GDP 比重遠(yuǎn)高于人口比重，這些城市未來(lái)可能會(huì)吸引大量的人口聚集，直至人口比重接近GDP 比重。需要指出的是：受戶(hù)籍政策限制等因素影響，四大直轄市中的北京和上海常住人口增長(zhǎng)緩慢，甚至出現(xiàn)負(fù)增長(zhǎng)；天津的常住人口增長(zhǎng)自2015 年也呈現(xiàn)明顯的放緩趨勢(shì)，2020 年常住人口為1386 萬(wàn)人，略高于2011 年；重慶是常住人口最多的城市，2011——2019 年常住人口年均增長(zhǎng)了約26 萬(wàn)人，增長(zhǎng)勢(shì)頭明顯，2020 年常住人口為3205 萬(wàn)人，居特大以上城市之首。

圖1 2011——2020 年17 個(gè)城市的GDP比重均值與人口比重均值散點(diǎn)圖Figure 1 A scatter plot of mean GDP and mean population in 17 cities，2011-2020

3.2 人口集聚與經(jīng)濟(jì)增長(zhǎng)的變動(dòng)趨勢(shì)

從人口集聚的相對(duì)變動(dòng)趨勢(shì)看，2011——2020 年21 個(gè)特大以上城市的平均增幅為1.92%，其中：超大城市的平均增幅為1.09%，特大城市的平均增幅為2.33%，特大城市的平均增幅明顯大于超大城市。從21 個(gè)特大以上城市的測(cè)度結(jié)果看（表4），超大城市中深圳和廣州的波動(dòng)尤為明顯，增幅分別高達(dá)38.3%和20.6%，為典型的人口集聚增長(zhǎng)型超大城市，而其他超大城市的波動(dòng)呈負(fù)增長(zhǎng)趨勢(shì)；特大城市中西安、長(zhǎng)沙、鄭州和杭州的增幅超過(guò)10%，為典型的人口集聚增長(zhǎng)型特大城市，而哈爾濱和濟(jì)南的降幅超過(guò)10%，大連、青島、沈陽(yáng)和南京的人口集聚呈負(fù)增長(zhǎng)趨勢(shì)，為典型的人口集聚滯后型特大城市。從四大分區(qū)的人口集聚變動(dòng)趨勢(shì)看，中部、西部、東部和東北的變動(dòng)幅度分別為10.6%、2.2%、-2%和-11.7%，中部增長(zhǎng)明顯，為典型的人口集聚增長(zhǎng)型區(qū)域；東北降幅明顯，為典型的人口集聚滯后型區(qū)域；西部和東部則分別呈小幅增長(zhǎng)和下降趨勢(shì)。四大地區(qū)的人口集聚增幅總體呈“中部＞西部＞東部＞東北”的格局特征。從七大分區(qū)的人口集聚變動(dòng)趨勢(shì)看，華南、西北（僅含西安）和華中增長(zhǎng)明顯，其增幅超過(guò)10%，為典型的人口集聚增長(zhǎng)型區(qū)域；華東和西南出現(xiàn)10%以?xún)?nèi)的降幅；華北和東北的降幅超過(guò)10%，為典型的人口集聚滯后型區(qū)域；七大分區(qū)的人口集聚增幅總體呈“西北＞華南＞華中＞西南＞華東＞東北＞華北”的格局特征。

從人均GDP 的變動(dòng)趨勢(shì)看，2011——2020 年21個(gè)特大以上城市的平均增幅為63.80%，其中，超大城市的平均增幅為74.23%，特大城市的平均增幅為58.58%，超大城市的平均增幅明顯大于特大城市。從21 個(gè)城市的測(cè)度結(jié)果看（表4），超大城市中重慶和北京的波動(dòng)尤為明顯，其增幅分別高達(dá)122.8%和90.9%，為典型的經(jīng)濟(jì)發(fā)展增長(zhǎng)型超大城市，而其他超大城市的增幅介于37.3%——80.8%；特大城市中南京、昆明和武漢的增幅均超過(guò)90%，為典型的經(jīng)濟(jì)發(fā)展增長(zhǎng)型特大城市，而沈陽(yáng)、大連、哈爾濱和佛山的增幅均低于40%，為典型的經(jīng)濟(jì)發(fā)展滯后型特大城市。從四大分區(qū)的人均GDP 變動(dòng)趨勢(shì)看，東部、西部、中部和東北的變動(dòng)幅度分別為106.5%、101.2%、71%和7.7%，東部和西部的增長(zhǎng)明顯，為典型的經(jīng)濟(jì)發(fā)展增長(zhǎng)型區(qū)域，而東北僅增長(zhǎng)了7.7%，為典型的經(jīng)濟(jì)發(fā)展滯后型區(qū)域，四大分區(qū)的人均GDP 增幅呈“東部＞西部＞中部＞東北”的格局特征。從七大分區(qū)的人均GDP 變動(dòng)趨勢(shì)看，華東和西南的增幅均超過(guò)100%，為典型的經(jīng)濟(jì)發(fā)展增長(zhǎng)型區(qū)域，華中、華北和西北的增幅低于90%；華南和東北的增幅僅為42.3%和7.7%，為典型的經(jīng)濟(jì)發(fā)展滯后型區(qū)域，七大地區(qū)的人均GDP 增幅總體呈現(xiàn)“華東＞西南＞華北＞西北＞華中＞華南＞東北”的格局特征。

表4 2011——2020 年21 個(gè)城市人口集聚與人均GDP的變動(dòng)幅度Table 4 Variation range of population agglomeration and per capita GDP in 21 cities，2011-2020

21 個(gè)特大以上城市的人口集聚狀況明顯不一。本文運(yùn)用泰爾指數(shù)測(cè)度了不同經(jīng)濟(jì)發(fā)展水平下的人口集聚差異，具體結(jié)果如表5 所示。從四大分區(qū)的測(cè)度結(jié)果來(lái)看，除2020 年外，區(qū)域內(nèi)差異基本維持在0.16——0.17，區(qū)域間差異維持在0.05——0.07，泰爾指數(shù)維持在0.22——0.24，區(qū)域內(nèi)差異明顯大于區(qū)域間差異。東部地區(qū)的區(qū)域內(nèi)差異明顯高于其他3 個(gè)地區(qū)，為典型的人口集聚高差異區(qū)域；東北地區(qū)的區(qū)域內(nèi)差異最小，為典型的人口集聚低差異區(qū)域。四大地區(qū)的人口集聚差異總體上呈現(xiàn)“東部≥西部≥中部≥東北”的格局特征。從七大分區(qū)的測(cè)度結(jié)果來(lái)看，除2020 年外，區(qū)域內(nèi)差異和區(qū)域間差異大致相當(dāng)，兩者基本都維持在0.11——0.13，且區(qū)域內(nèi)與區(qū)域間差異分別呈下降和上升趨勢(shì)，泰爾指數(shù)維持在0.22——0.24。華東地區(qū)的區(qū)域內(nèi)差異明顯高于其他5個(gè)地區(qū)，為典型的人口集聚高差異區(qū)域，其次是西南地區(qū)，華北地區(qū)和東北地區(qū)的區(qū)域內(nèi)差異最小，為典型的人口集聚低差異區(qū)域。七大分區(qū)的人口集聚 差異總體上呈現(xiàn)“華東≥西南＞華南＞華中＞東北＞華北”的格局特征。

表5 2011——2020 年各地區(qū)人口集聚的泰爾指數(shù)及其分解Table 5 Theil index and its decomposition of population agglomeration in each region，2011-2020

3.3 城市維度的脫鉤趨勢(shì)分析

從21 個(gè)特大以上城市脫鉤狀況看（表6），除2020年外，絕大部分城市的脫鉤狀態(tài)為“類(lèi)型1”和“類(lèi)型2”，各年度脫鉤理想類(lèi)城市所占比重介于86%——100%，代表性城市包括北京、深圳、東莞、佛山、濟(jì)南、上海、杭州、南京、武漢、鄭州、廣州、成都、重慶和昆明等14 個(gè)城市，包括6 個(gè)超大城市和8 個(gè)特大城市，說(shuō)明這些城市的人口集聚與經(jīng)濟(jì)增長(zhǎng)處于最理想的強(qiáng)脫鉤狀態(tài)或較理想的弱脫鉤狀態(tài)，表現(xiàn)為人口集聚脫鉤效應(yīng)的優(yōu)勢(shì)城市。具體來(lái)說(shuō)，東莞和南京的脫鉤類(lèi)型具有明顯的路徑依賴(lài)性，其脫鉤狀態(tài)始終為最理想的“類(lèi)型1”，說(shuō)明這2 個(gè)城市在抑制人口集聚的同時(shí)實(shí)現(xiàn)了人均產(chǎn)值的大幅增長(zhǎng)；北京、上海和重慶的脫鉤狀態(tài)由“類(lèi)型2”轉(zhuǎn)變?yōu)椤邦?lèi)型1”，即從較理想的弱脫鉤狀態(tài)演變?yōu)樽罾硐氲膹?qiáng)脫鉤狀態(tài)，說(shuō)明這3 個(gè)城市發(fā)生了從“人均產(chǎn)值增速明顯快于人口集聚”的同向增長(zhǎng)型到“人口集聚下降、人均產(chǎn)值繼續(xù)增長(zhǎng)”的單向增長(zhǎng)型演變；深圳、佛山、杭州、鄭州、廣州和昆明的脫鉤狀態(tài)由“類(lèi)型1”轉(zhuǎn)變?yōu)椤邦?lèi)型2”，即從最理想的強(qiáng)脫鉤狀態(tài)演變?yōu)檩^理想的弱脫鉤狀態(tài)，說(shuō)明這6 個(gè)城市發(fā)生了從“人口集聚下降、人均產(chǎn)值增長(zhǎng)”的相向型增長(zhǎng)模式到“人口集聚緩慢增長(zhǎng)且增速始終低于人均產(chǎn)值”的同向型增長(zhǎng)模式演變；濟(jì)南、武漢和成都的脫鉤狀態(tài)呈現(xiàn)“類(lèi)型1”和“類(lèi)型2”的強(qiáng)弱脫鉤交替式演變，總體呈現(xiàn)“下降——上升——下降——上升”的“W”型波動(dòng)，說(shuō)明這3 個(gè)城市的人口集聚狀況并不穩(wěn)定，但人均產(chǎn)值始終處于高速增長(zhǎng)的理想狀態(tài)。

表6 2012——2020 年21 個(gè)特大以上城市的脫鉤類(lèi)型Table 6 Types of decoupling in 21 megacities and above，2012-2020

除2020 年外，天津、長(zhǎng)沙、西安、青島、哈爾濱、沈陽(yáng)和大連的脫鉤狀況至少出現(xiàn)了1 個(gè)年度的不理想情形，脫鉤效應(yīng)欠佳。其中，天津、長(zhǎng)沙、西安、青島和哈爾濱均出現(xiàn)了1 個(gè)年度的不理想狀態(tài)，如天津、長(zhǎng)沙和西安分別在2015 年、2018 年和2019 年出現(xiàn)了脫鉤“類(lèi)型6”的不理想狀態(tài)，說(shuō)明這3 個(gè)城市在上述年度的人口集聚增速明顯快于人均產(chǎn)值，出現(xiàn)了擴(kuò)張負(fù)脫鉤的不理想狀態(tài)；哈爾濱在2016 年出現(xiàn)了脫鉤“類(lèi)型4”的強(qiáng)負(fù)脫鉤狀態(tài)，即在人口集聚上升的同時(shí)，人均產(chǎn)值出現(xiàn)了下降趨勢(shì)；青島在2019年出現(xiàn)了脫鉤“類(lèi)型5”的弱負(fù)脫鉤狀態(tài)，即人均產(chǎn)值的降速明顯快于人口集聚。沈陽(yáng)和大連的脫鉤狀況出現(xiàn)了多個(gè)年度的不理想情形，如沈陽(yáng)在2014 年、2016 年和2017 年多次出現(xiàn)了“類(lèi)型5”的弱負(fù)脫鉤狀態(tài)，大連在2014 年和2016 年分別出現(xiàn)了“類(lèi)型4”和“類(lèi)型5”的不理想狀態(tài)，在上述年份沈陽(yáng)和大連的人均產(chǎn)值均呈現(xiàn)下降趨勢(shì)，而人口集聚則出現(xiàn)了提升或下降趨勢(shì)，人口集聚與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)明顯的不理想狀態(tài)。第七次全國(guó)人口普查結(jié)果顯示，與2019 年以前常住人口的年度小幅波動(dòng)相比，2020年絕大部分特大以上城市的常住人口均出現(xiàn)了較大波動(dòng)，受此影響，許多城市2020 年的脫鉤狀態(tài)相對(duì)于2019 年有了明顯改變。

3.4 區(qū)域維度的脫鉤趨勢(shì)分析

2012——2020 年各地區(qū)的脫鉤類(lèi)型見(jiàn)表7。

表7 2012——2020 年各地區(qū)的脫鉤類(lèi)型Table 7 Types of decoupling in each region，2012-2020

除2020 年外，四大分區(qū)中的西部和中部地區(qū)的脫鉤狀態(tài)均由“類(lèi)型1”演變?yōu)椤邦?lèi)型2”，即由最理想的強(qiáng)脫鉤狀態(tài)演變?yōu)檩^理想的弱脫鉤狀態(tài)；東部地區(qū)在2015 年和2017 年出現(xiàn)了兩次“類(lèi)型4”的強(qiáng)負(fù)脫鉤狀態(tài)，即人口集聚快速上升的同時(shí)出現(xiàn)了人均產(chǎn)值下降的不理想狀態(tài)，表現(xiàn)為典型的人口集聚高速增長(zhǎng)與經(jīng)濟(jì)發(fā)展滯后型區(qū)域；東北地區(qū)在2016 年和2017 年分別出現(xiàn)了“強(qiáng)負(fù)脫鉤”和“衰退脫鉤”的不理想狀態(tài)，即在人口集聚上升或下降的過(guò)程中出現(xiàn)了人均產(chǎn)值下降的不理想狀態(tài)，表現(xiàn)為典型的經(jīng)濟(jì)發(fā)展滯后型區(qū)域。

七大分區(qū)中，華北、華南、華中和西南地區(qū)的脫鉤狀態(tài)較好，除2020 年外，上述地區(qū)的脫鉤狀態(tài)始終為最理想的強(qiáng)脫鉤狀態(tài)或較理想的弱脫鉤狀態(tài)。其中，華北和西南地區(qū)以最理想的強(qiáng)脫鉤狀態(tài)為主，表現(xiàn)為典型的人口集聚抑制與經(jīng)濟(jì)發(fā)展增長(zhǎng)型區(qū)域。華南和華中地區(qū)以較理想的弱脫鉤狀態(tài)為主，表現(xiàn)為典型的人口集聚小幅提升與經(jīng)濟(jì)發(fā)展高速增長(zhǎng)型區(qū)域。華東、東北和西北地區(qū)的脫鉤狀態(tài)稍差，其中，華東地區(qū)在2015 年和2017 年出現(xiàn)了弱負(fù)脫鉤的不想理狀態(tài)，表現(xiàn)為典型的人口集聚抑制與經(jīng)濟(jì)發(fā)展滯后型區(qū)域。東北地區(qū)在2016 年和2017 年出現(xiàn)了“類(lèi)型4”和“類(lèi)型3”的不想理狀態(tài)，表現(xiàn)為典型的經(jīng)濟(jì)發(fā)展滯后型區(qū)域，而西北地區(qū)在2019 年出現(xiàn)了擴(kuò)張負(fù)脫鉤的不想理狀態(tài)，表現(xiàn)為典型的人口集聚高速增長(zhǎng)型區(qū)域。受第七次全國(guó)人口普查數(shù)據(jù)出現(xiàn)大幅波動(dòng)的影響，大部分地區(qū)的脫鉤類(lèi)型在2020 年發(fā)生了較大變動(dòng)。

4 結(jié)論、啟示與討論

本文選取我國(guó)21 個(gè)特大以上城市2011——2020年的面板數(shù)據(jù)，綜合運(yùn)用Tapio 脫鉤模型和泰爾指數(shù)定量測(cè)度了這些城市的人口集聚與經(jīng)濟(jì)增長(zhǎng)的內(nèi)在關(guān)系、變動(dòng)趨勢(shì)與脫鉤趨勢(shì)。主要結(jié)論如下：①人口集聚與經(jīng)濟(jì)增長(zhǎng)之間存在明顯的空間異質(zhì)性和正相關(guān)關(guān)系，人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期影響存在調(diào)節(jié)效應(yīng)，當(dāng)城市常住人口達(dá)到超大城市規(guī)模時(shí)，人口集聚對(duì)經(jīng)濟(jì)增長(zhǎng)具有顯著的促進(jìn)作用。②西安和哈爾濱為典型的人口兼GDP強(qiáng)省會(huì)特大城市，成都和武漢為典型的GDP 強(qiáng)省會(huì)城市。17 個(gè)非直轄特大以上城市的省內(nèi)GDP比重均大于人口比重，這些城市均有一定的人口增長(zhǎng)潛力，尤其是長(zhǎng)沙、深圳、鄭州、廣州和武漢的增長(zhǎng)潛力較大。③特大城市的人口集聚增幅明顯大于超大城市。超大城市中深圳和廣州的人口集聚增幅尤為明顯，特大城市中西安、長(zhǎng)沙、鄭州和杭州的人口集聚增幅明顯。四大分區(qū)的人口集聚增幅總體呈現(xiàn)“中部＞西部＞東部＞東北”的格局特征，七大分區(qū)的人口集聚增幅總體呈現(xiàn)“西北＞華南＞華中＞西南＞華東＞東北＞華北”的格局特征。④超大城市的人均GDP 增幅明顯大于特大城市。重慶、北京、南京、昆明、武漢、上海和成都的人均GDP增幅均超過(guò)80%，表現(xiàn)為典型的經(jīng)濟(jì)發(fā)展增長(zhǎng)型特大以上城市。四大分區(qū)中，東部和西部地區(qū)的人均GDP 增幅明顯；七大分區(qū)中，華東和西南地區(qū)的人均GDP增幅明顯，而華南地區(qū)尤其是東北地區(qū)的人均GDP 增幅較小。⑤大部分城市處于最（較）理想的脫鉤狀態(tài)，尤其是北京、深圳、東莞、佛山、濟(jì)南、上海、杭州、南京、武漢、鄭州、廣州、成都、重慶和昆明等14 個(gè)城市。各年度脫鉤理想類(lèi)城市所占比重均超過(guò)86%，四大分區(qū)中西部和中部的脫鉤狀態(tài)較好，而七大分區(qū)中華北、華南、華中和西南地區(qū)的脫鉤狀態(tài)較好。

鑒于人口集聚與經(jīng)濟(jì)增長(zhǎng)之間存在明顯的空間異質(zhì)性和正相關(guān)關(guān)系，且17 個(gè)非直轄特大以上城市的省內(nèi)GDP 比重均大于其人口比重，說(shuō)明除上海、北京等城市應(yīng)限制人口戶(hù)籍外，其他城市的人口規(guī)模仍有較大的擴(kuò)展空間，應(yīng)進(jìn)行合理的規(guī)劃引導(dǎo)，重點(diǎn)關(guān)注華南、華中和西南地區(qū)的特大以上城市，短期內(nèi)應(yīng)繼續(xù)扶持深圳、廣州、西安、長(zhǎng)沙、鄭州、杭州等人口集聚高速增長(zhǎng)城市，由于慣性效應(yīng)，這些城市的人口規(guī)模在短期內(nèi)還會(huì)持續(xù)增長(zhǎng)；中期內(nèi)要重點(diǎn)支持重慶、南京、昆明、武漢、成都等經(jīng)濟(jì)高速增長(zhǎng)城市，由于人口滯后效應(yīng)，這些城市的人口規(guī)模在中期內(nèi)將會(huì)有所增長(zhǎng)；長(zhǎng)期內(nèi)應(yīng)積極挖掘長(zhǎng)沙、深圳、鄭州、廣州和武漢等城市的人口潛力，這些城市的省內(nèi)GDP比重遠(yuǎn)大于人口比重，具有較大的人口增長(zhǎng)潛力。根據(jù)各城市的脫鉤狀況，北京、深圳、東莞、佛山、濟(jì)南、上海、杭州、南京、武漢、鄭州、廣州、成都、重慶和昆明等14 個(gè)城市的脫鉤狀態(tài)較好，可進(jìn)一步適度擴(kuò)展這些城市的常住人口規(guī)模；天津、長(zhǎng)沙、西安、青島、哈爾濱、沈陽(yáng)和大連的脫鉤狀況至少出現(xiàn)了1 個(gè)年度的不理想情形，如天津、長(zhǎng)沙和西安應(yīng)適度控制人口集聚增速，以保證與適宜的經(jīng)濟(jì)增速相協(xié)調(diào)；東部地區(qū)和東北地區(qū)的青島、沈陽(yáng)、大連和哈爾濱應(yīng)進(jìn)一步提升經(jīng)濟(jì)增速，以緩解人均產(chǎn)值下降的不利影響。

本文從城市維度和區(qū)域維度的視角，深入分析了21 個(gè)特大以上城市人口集聚與經(jīng)濟(jì)增長(zhǎng)的變動(dòng)趨勢(shì)和脫鉤趨勢(shì)，在人口集聚與經(jīng)濟(jì)增長(zhǎng)、人口比重與GDP比重、人口集聚增幅與人均GDP增幅的內(nèi)在關(guān)系等方面取得了一些研究成果，為我國(guó)特大以上城市制定人口集聚與經(jīng)濟(jì)發(fā)展政策提供了參考。但本文也存在一定的局限性，如：本文研究范圍局限于典型的特大以上城市，而沒(méi)有涉及一般的地級(jí)市；對(duì)于不同的特大以上城市，如何結(jié)合具體城市特點(diǎn)推動(dòng)人口集聚與經(jīng)濟(jì)增長(zhǎng)的協(xié)同發(fā)展也較少涉及。未來(lái)，我國(guó)人口負(fù)增長(zhǎng)或人口停滯將成為一種普遍現(xiàn)象，人口老齡化趨勢(shì)也將更加明顯，GDP增速可能會(huì)進(jìn)一步趨緩，居民收入增長(zhǎng)也將相應(yīng)放緩，消費(fèi)低迷可能隨之產(chǎn)生，當(dāng)不能再過(guò)度依賴(lài)投資和出口時(shí)，居民消費(fèi)勢(shì)必會(huì)成為制約經(jīng)濟(jì)增長(zhǎng)的重要因素。在此背景下，如何更好地促進(jìn)各特大城市的人口增長(zhǎng)？如何更有效地促進(jìn)各特大城市的居民消費(fèi)？如何在城市資源有限的前提下優(yōu)化配置資源？這些將是今后研究的重要課題。