沪宁高铁走廊的同城化动力机制分析

图5-21　沪宁高铁走廊地区同城化的动力机制分析

国内学者对同城化动力机制的研究一般基于具体案例进行分析，如桑秋等以沈抚同城化为例，认为两市同城化的驱动机制源于城市间日益紧密的经济社会空间联系、政府企业化与城市间合作型管治方式等方面h；杨海华以广佛同城为例，认为广佛同城化的动力机制主要来自市场机制的驱动力和政府作用的推动力i。结合现有研究结论，以及上文对沪宁高铁走廊地区同城化效应特征的分析结果可知，该地区的同城化动力机制在逻辑上至少应该包含三个方面，即空间吸引力、政策推动力和市场驱动力（图5-21）。其中，空间吸引力指两个城市间基于时空距离的近便性而产生的互动；政策推动力指政府在推动同城化进程中所出台的各种政策对同城化的推动；市场驱动力包括两个城市间的产业结构差异、经济实力差异、居民收入差异和旅游景点数量差异四个方面。在假设市场其他条件不变、公众均满足“理性人”和追求自身效用最大化的前提下，由问卷统计结果得出的公众的几大出行目的都可以从这四个方面的差异进行解释，产业结构和居民收入的差异吸引公众为获得更好的职位和报酬宁愿忍受“职住分离”而选择到另一个城市工作，经济实力差异使得公众更愿意到经济相对发达的城市进行购物和消费，而旅游景点数量和质量的差异则促使公众选择景优的城市作为出行的目的地。

从学理上来看，上述同城化的动力机制分析可以从四个方面解释不同城市之间同城化效应的差异及其变化：一是地理区位（交通）的影响；二是政策法规的影响；三是要素禀赋的影响；四是经济结构的影响。现有研究较多地关注了地理（交通）区位、政策法规和经济结构对同城化的影响，对要素禀赋的分析较少。事实上，要素禀赋的差异直接影响了公众的出行选择，相同条件下，拥有更多资源的城市往往更容易成为公众选择出行的目的地。

为了具体验证地理区位（交通）、政策法规、要素禀赋和经济结构对同城化效应的决定性作用，我们对此做进一步地实证计量分析，建立的变量回归模型如下所示：

LnUI=C+α1DIS+α2POLICY+α3RSCENE+α4RINDUS+α5RGDP+ε

其中，C代表常数项；α代表各解释变量的对应系数；ε代表随机残差项。因变量UI 为同城化指数，反映沪宁高铁走廊地区两城市间的同城化效应，数据来源于上文的计算结果，为减少异方差性的影响，将因变量进行对数化处理。解释变量由四个部分组成，分别为地理区位、政策法规、要素禀赋和经济结构，各解释变量的含义和计算方法如下所述：

从沪宁高铁走廊同城化效应的特征分析来看，地理区位无疑是一个非常重要的因素，同城化效应的距离衰减规律和以都市圈主导的特点，都表明空间距离越长，同城化指数越低。我们以两个城市的中心区所在地的直线距离代表其空间距离j，预期α1的回归系数值为负。政策法规对同城化效应的影响前文已有说明，在此不再赘述。由于政策法规很难用量化指标来衡量，我们在模型中引入虚拟变量，对于已签署同城化合作协议并颁布具体措施的城市赋值为1，其余的赋值为0，预期α2的回归系数值为正。城市的要素禀赋因素较多，从对同城化的影响以及数据的可得性和可比性出发，我们以旅游景点数量和RSCENE表示城市间的要素禀赋差异，RSCENE为两个城市国家4A级以上景点数量k的总和，预期α3的回归系数值为正。经济结构因素包括产业同构指数（RINDUS）和经济首位度（RGDP）两个变量。对于RINDUS，其计算公式如下：

其中，Xin为i区域第n类制造业的工业总产值l；Yjn为j区域第n类制造业的工业总产值。产业同构指数越高，意味着公众在两城市间进行产业选择的机会越少，也说明了两个城市的产业一体化程度较低，预期α4的回归系数值为负。RGDP为两个城市地区生产总值的比值（以较大的数据除以较小的数据），一般而言，两城市间的经济实力差距越大，大城市对小城市的吸引力越强，其同城化程度应该越高，预期α5的回归系数值为正。

我们采用加权最小二乘法（WLS）对原模型进行回归，权重取原模型的普通最小二乘法（OLS）回归残差绝对值的倒数。同时，由于变量个数较多，为了检验解释变量对计量结果稳定性的影响，我们比较了剔除t统计量不显著的变量后的回归结果，考察各变量的回归系数值正负、t统计量的显著性及其数值变动的情况。WLS回归的主要结果如表5-4所示。

表5-4　同城化效应影响因素的WLS回归结果

+注：括号外为变量的系数，括号内为t检验值；***表示显著性水平为1%。

从回归模型Ⅰ的各项统计指标可以看出，模型具有很高的解释能力，修正后的拟合优度达到了0.999，F-统计量在1%显著性水平下拒绝了原假设。除产业同构指数（RINDUS）的系数t检验值不显著外，其余变量的系数在1%显著性水平下均通过检验。各变量的回归系数值除了经济首位度（RGDP）和产业同构指数（RINDUS）与预期的正负相反外，其余变量回归系数值的正负均与预期相符，说明了前文关于各因素对同城化效应影响方向的假设基本成立。

在剔除了不显著的变量后得到的回归模型Ⅱ中，其回归结果较模型Ⅰ有进一步改善，所有变量在1%显著性水平下均通过了t检验，且各变量的t检验值比回归模型Ⅰ更加显著。从各变量的回归系数来看，空间距离、旅游资源、政策法规以及经济首位度这四个变量的回归系数在两个模型中变化不大，说明地理区位、政策法规、要素禀赋以及经济实力差距这四类因素对同城化效应的影响较为稳定。

在经济结构因素中，产业同构指数（RINDUS）对同城化效应的影响并不显著，且回归系数值正负与预期的相反，我们认为可能有两个原因：首先，产业同构指数只反映了该地区宏观产业结构的趋同现象，事实上，该地区同样存在明显的产品内分工和产业链分工合作，许景等关于长三角开发区群的研究也证明了这一点m，故而产业同构指数不能全面反映城市间的产业同构程度；其次，产业同构在减少人们择业机会的同时，也可能因为某一城市具有较高的工资而促进城市间的劳动力流动。另外一个变量经济首位度（RGDP）则通过了显著性检验，说明两个城市间的经济实力差异也是影响两个城市间同城化效应的重要因素，这也验证了国内有关学者的研究结论，例如王德等认为实施同城化战略的城市在经济总量上应该存在较大的差距n，事实上，沈阳与抚顺、郑州和开封等推进同城化的城市在经济实力上也都存在明显的差距。但经济首位度（RGDP）的回归系数值正负与预期的相反，我们认为这可能是由于该地区的城市整体处于较高发展水平，并在长三角城市群中具有明确的职能分工，即使是经济实力较弱的城市也具备相对独立发展的基础，其对经济实力较强城市的依赖性没有中西部地区的城市明显，因此该地区城市间的经济实力差距越大，同城化效应反而越低。(www.xing528.com)

为了进一步验证回归模型的准确程度，我们将广州和佛山的相关数据代入回归结果，计算出广佛之间的同城化指数为197.8，基本接近前文通过模型计算出的广佛同城化指数181.5，这也意味着我们设定的同城化影响因素的回归模型是相对合理的。因此，空间吸引力、政策推动力和市场驱动力是驱动沪宁高铁走廊同城化发展的“三力”机制，而地理区位（交通）、政策法规、要素禀赋和经济结构则是同城化效应的重要影响要素。

本章注释

a 《江苏省沿江城市群城际轨道交通网规划（2012—2020年）》于2012年4月获国家发改委批复，分近中远期规划建设南京—高淳、南京—和县、南京—天长、无锡—江阴—靖江（无锡—江阴段）、南京—句容、南京—仪征、无锡—宜兴、苏州—无锡硕放机场八条城际轨道线，合计589 km；并统筹研究南京—马鞍山、江阴—靖江、泰兴—常州线的建设启动时期。

b 罗小龙.长江三角洲地区的城市合作与管治[M].北京：商务印书馆， 2011.

c 配比率：职住同城（居住地与就业地在同一城市）的受访者占比。

d 郑良海，邓晓兰，侯英.基于引力模型的关中城市间联系测度分析[J].人文地理，2011（2）：80-84.

e 段七零，毛建明.基于引力模型和0-1规划模型的省域经济区划——以江苏省为例[J].经济地理，2011，31（8）：1239-1245.

f 由于统计年鉴里没有直接的城市居民日均消费支出，这里以每年365天计，用城市居民年均消费支出除以365，得到城市居民日均消费支出。

g 由于广州和佛山之间没有高铁，因此在交通方式上选取快车、慢车、公交和地铁，权重分别为0.1、0.2、0.3和0.4。

h 桑秋，张平宇，罗永峰，等．沈抚同城化的生成机制和对策研究[J]．人文地理，2009（3）：32-36.

i 杨海华．同城化视角下的区域合作研究：广佛同城化例证[J]．广州城市职业学院学报，2011，4（2）：20-24.

j 本文利用谷歌地图（Google Earth）测量两城市间的空间距离，单位为（km）。

k 各城市的4A级以上景点个数以及下文的地区生产总值和城镇居民可支配收入数据均来源于各自的2010年统计公报。

l 用于计算的工业总产值数据分别来源于各城市2011年的统计年鉴。

m 许景，王兴平.长三角开发区群的空间结构及产业分工[J].城市规划学刊，2010（4）：28-35.

n 王德，宋煜，沈迟，等.同城化发展战略的实施进展回顾[J].城市规划学刊，2009（4）：74-78.