创新集聚空间分布模式对中国城市经济韧性的影响机制研究

doi:10.12118/j.issn.1000-6060.2024.737

Abstract

Abstract:

Improving economic resilience is an important part of achieving high-quality development. This paper empirically explores the influence of spatial distribution mode of provincial innovation agglomeration on urban economic resilience using the panel data of 275 cities in China from 2004 to 2021. The conclusions are as follows: (1) The monocentric pattern of innovative agglomeration inhibits the urban economy resilience, while the polycentric pattern promotes the urban economy resilience, and with the increase of the degree of multi-center, its effect on improving the urban economy resilience is enhanced. (2) Compared with cities with strong economic resilience, the polycentric pattern of innovation agglomeration has a more prominent empowerment effect on cities with weak economic resilience. (3) The polycentric pattern of innovation agglomeration has the strongest effect on improving the urban economic resilience in the eastern region of China, followed by the central region, while the effect on improving the urban economic resilience in the western region is not significant. (4) The mechanism identification test shows that the polycentric pattern of innovation agglomeration can enhance the resilience of urban economy through independent intermediary channels to promote the flow of innovation factors and improve the return on capital, and chain intermediary channels of “innovation factors flow-improve the return on capital”. The research conclusion provides beneficial practical enlightenment for optimizing the spatial distribution structure of innovation to enhance the urban economic resilience.

Key words: innovation agglomeration, spatial distribution mode, monocentricity, polycentricity, economic resilience

ZHANG Shaohua, GUAN Hailing. Impact mechanism of innovative agglomeration spatial distribution patterns on urban economic resilience in China[J].Arid Land Geography, 2025, 48(9): 1636-1647.

Figures/Tables 9

Tab. 1

Fig. 1

Fig. 2

Tab. 2

Results of baseline regression"

变量	单中心		多中心		多中心方式
变量	回归（1）	回归（2）	回归（3）	回归（4）	2城市回归（5）	4城市回归（6）
单中心模式	-0.137^***（-4.800）	-0.121^***（-4.500）	-	-	-	-
多中心模式	-	-	0.027^***（4.740）	0.023^***（4.160）	-	-
2城市多中心	-	-	-	-	0.021^***（3.970）	-
4城市多中心	-	-	-	-	-	0.025^***（4.250）
控制变量	否	是	否	是	是	是
城市固定	是	是	是	是	是	是
时间固定	是	是	是	是	是	是
$N$	4950	4950	4950	4950	4950	4950
$R 2$	0.710	0.721	0.709	0.721	0.720	0.721

Tab. 2

Tab. 3

Heterogeneity analysis"

变量	回归（7）	回归（8）	回归（9）	回归（10）
单中心模式	-0.112^***（-4.290）	-	-0.154^***（-5.190）	-
多中心模式	-	0.022^***（3.920）	-	0.021^***（3.800）
控制变量	是	是	是	是
城市固定	是	是	是	是
时间固定	是	是	是	是
省份固定	是	是	否	否
“省份 $× 时间$ ”固定	是	是	否	否
Kleibergen-Paap rk LM	-	-	1370.211[0.000]	3602.722[0.000]
Kleibergen-Paap rk Wald F	-	-	4322.400{16.380}	6218.558{16.380}
$N$	4950	4950	4950	4950

Tab. 3

Tab. 4

Robustness test"

变量	回归（11）	回归（12）	回归（13）	回归（14）
基于赫芬达尔指数测算的多中心模式	0.133^***（4.050）	-	-	-
基于奇普夫定律测算的多中心模式	-	0.012^***（2.690）	-	-
单中心模式	-	-	-0.439^***（-2.660）	-
多中心模式	-	-	-	0.112^***（3.190）
控制变量	是	是	是	是
城市固定	是	是	是	是
时间固定	是	是	是	是
$N$	4950	4950	4950	4950
$R 2$	0.719	0.717	0.034	0.035

Tab. 4

Tab. 5

Quantile regression test"

变量	10%分位点回归（15）	25%分位点回归（16）	50%分位点回归（17）	75%分位点回归（18）	90%分位点回归（19）
多中心模式	0.028^***（5.620）	0.026^***（8.380）	0.025^***（5.670）	0.019^***（5.020）	0.016^***（3.080）
控制变量	是	是	是	是	是
城市固定	是	是	是	是	是
时间固定	是	是	是	是	是
$N$	4950	4950	4950	4950	4950

Tab. 5

Tab. 6

Location feature difference test"

变量	单中心			多中心
变量	东部回归（20）	中部回归（21）	西部回归（22）	东部回归（23）	中部回归（24）	西部回归（25）
单中心模式	-0.190^***（-4.680）	-0.137^***（-4.020）	-0.025（-0.302）	-	-	-
多中心模式	-	-	-	0.041^***（4.340）	0.036^***（4.990）	-0.004（-0.280）
控制变量	是	是	是	是	是	是
城市固定	是	是	是	是	是	是
时间固定	是	是	是	是	是	是
$N$	1710	1962	1278	1710	1962	1278
$R 2$	0.828	0.676	0.721	0.827	0.678	0.720

Tab. 6

Tab. 7

Chain multiple intermediary effect test"

变量	R&D人员流动回归（26）	资本回报率回归（27）	经济韧性回归（28）	R&D资本流动回归（29）	资本回报率回归（30）	经济韧性回归（31）
多中心模式	0.357^***（6.030）	0.059^***（6.010）	0.014^**（2.370）	0.027^***（6.460）	0.048^**（4.720）	0.012^**（2.140）
R&D人员流动	-	0.018^*（1.900）	0.012^***（4.730）	-	-	-
R&D资本流动	-	-	-	-	0.608^**（2.540）	0.217^***（5.770）
资本回报率	-	-	0.089^***（6.920）	-	-	0.084^***（6.480）
控制变量	是	是	是	是	是	是
城市固定	是	是	是	是	是	是
时间固定	是	是	是	是	是	是
$N$	4950	4950	4950	4950	4950	4950
$R 2$	0.623	0.488	0.724	0.838	0.498	0.722

Tab. 7

References 26

[1]	Martin R, Sunley P. On the notion of regional economic resilience: Conceptualization and explanation[J]. Journal of Economic Geography, 2015, 15(1): 1-42.
[2]	张立新, 张家瑞. 中国新基建与区域韧性耦合协调发展: 时空差异与演变趋势[J]. 干旱区地理, 2024, 47(12): 2164-2176. doi: 10.12118/j.issn.1000-6060.2023.370
	[Zhang Lixin, Zhang Jiarui. Coupling and coordinated development of new infrastructure and regional resilience in China: Spatio-temporal differences and evolution trends[J]. Arid Land Geography, 2024, 47(12): 2164-2176.] doi: 10.12118/j.issn.1000-6060.2023.370
[3]	Doran J, Fingleton B. US metropolitan area resilience: Insights from dynamic spatial panel estimation[J]. Environment and Planning A: Economy and Space, 2018, 50(1): 111-132.
[4]	Crespo J, Suire R, Vicente J. Lock-in or lock-out? How structural properties of knowledge networks affect regional resilience[J]. Journal of Economic Geography, 2014, 14(1): 199-219.
[5]	陈安平. 集聚与中国城市经济韧性[J]. 世界经济, 2022, 45(1): 158-181.
	[Chen Anping. Agglomeration and urban economic resilience in China[J]. The Journal of World Economy, 2022, 45(1): 158-181.]
[6]	叶堂林, 李国梁, 梁新若. 社会资本能有效提升区域经济韧性吗?——来自我国东部三大城市群的实证分析[J]. 经济问题探索, 2021(5): 84-94.
	[Ye Tanglin, Li Guoliang, Liang Xinruo. Can social capital enhance regional economic resilience effectively: Empirical analysis from the three major urban agglomerations in eastern China[J]. Inquiry into Economic Issues, 2021(5): 84-94.]
[7]	Simmie J, Martin R. The economic resilience of regions: Towards an evolutionary approach[J]. Cambridge Journal of Regions, Economy and Society, 2010, 3(1): 27-43.
[8]	Hassink R. Regional resilience: A promising concept to explain differences in regional economic adaptability?[J]. Cambridge Journal of Regions, Economy and Society, 2010, 3(1): 45-58.
[9]	程广斌, 靳瑶. 创新能力提升是否能够增强城市经济韧性?[J]. 现代经济探讨, 2022(2): 1-11, 32.
	[Cheng Guangbin, Jin Yao. Can the improvement of innovation ability enhance the resilience of urban economy?[J]. Modern Economic Research, 2022(2): 1-11, 32.]
[10]	钟顺昌, 闫程莉, 任娇, 等. 创新集聚空间分布模式对霾污染的影响[J]. 中国环境科学, 2021, 41(4): 1970-1984.
	[Zhong Shunchang, Yan Chengli, Ren Jiao, et al. The impact of innovative agglomeration spatial distribution modes on haze pollution[J]. China Environmental Science, 2021, 41(4): 1970-1984.]
[11]	吴尚, 翟彬, 程利莎. 黄河流域城市创新能力测度及空间分异研究[J]. 干旱区地理, 2024, 47(4): 720-732. doi: 10.12118/j.issn.1000－6060.2023.300
	[Wu Shang, Zhai Bin, Cheng Lisha. Measurement and spatial differentiation of innovation capacity of cities in Yellow River Basin[J]. Arid Land Geography, 2024, 47(4): 720-732.] doi: 10.12118/j.issn.1000－6060.2023.300
[12]	吴殿廷, 宋金平, 孙久文, 等. 区域经济学[M]. 北京: 科学出版社, 2019: 227-228.
	[Wu Dianyan, Song Jinping, Sun Jiuwen, et al. Regional economics[M]. Beijing: Science Press, 2019: 227-228.]
[13]	刘修岩, 李松林, 秦蒙. 城市空间结构与地区经济效率——兼论中国城镇化发展道路的模式选择[J]. 管理世界, 2017(1): 51-64.
	[Liu Xiuyan, Li Songlin, Qin Meng. Urban spatial structure and regional economic efficiency: On the mode choice of China’s urbanization development road[J]. Journal of Management World, 2017(1): 51-64.]
[14]	姚常成, 吴康. 多中心空间结构促进了城市群协调发展吗?——基于形态与知识多中心视角的再审视[J]. 经济地理, 2020, 40(3): 63-74. doi: 10.15957/j.cnki.jjdl.2020.03.008
	[Yao Changcheng, Wu Kang. Does polycentric spatial structure realize the coordinated development within urban agglomerations: The new evidence from the perspective of morphological and knowledge polycentricity[J]. Economic Geography, 2020, 40(3): 63-74.] doi: 10.15957/j.cnki.jjdl.2020.03.008
[15]	孙斌栋, 李琬. 城市规模分布的经济绩效——基于中国市域数据的实证研究. 地理科学, 2016, 36(3): 328-334. doi: 10.13249/j.cnki.sgs.2016.03.002
	[Sun Bindong, Li Wan. City size distribution and economic performance: Evidence from city-regions in China[J]. Scientia Geographica Sinica, 2016, 36(3): 328-334.] doi: 10.13249/j.cnki.sgs.2016.03.002
[16]	张安伟, 胡艳. 多中心空间结构与城市经济韧性[J]. 财经研究, 2023, 49(9): 4-18.
	[Zhang Anwei, Hu Yan. Polycentric spatial structure and urban economic resilience[J]. Journal of Finance and Economics, 2023, 49(9): 4-18.]
[17]	Los B, Verspagen B. R&D spillovers and productivity: Evidence from US manufacturing microdata[J]. Empirical Economics, 1999, 25(1): 127-148.
[18]	陈旭, 邱斌. 多中心结构、市场整合与经济效率[J]. 经济学动态, 2020(8): 70-87.
	[Chen Xu, Qiu Bin. Polycentric structures, market integration and economic performance[J]. Economic Perspectives, 2020(8): 70-87.]
[19]	张勋, 徐建国. 中国资本回报率的驱动因素[J]. 经济学, 2016, 15(3): 1081-1112.
	[Zhang Xun, Xu Jianguo. What raises China’s capital return?[J]. China Economic Quarterly, 2016, 15(3): 1081-1112.]
[20]	丁如曦, 刘梅, 李东坤. 多中心城市网络的区域经济协调发展驱动效应——以长江经济带为例[J]. 统计研究, 2020, 37(11): 93-105.
	[Ding Ruxi, Liu Mei, Li Dongkun. The driving effect of polycentric urban network on coordinated regional economic development: Taking the Yangtze River Economic Belt as an example[J]. Statistical Research, 2020, 37(11): 93-105.]
[21]	Lewbel A. Constructing instruments for regressions with measurement error when no additional data are available, with an application to patents and R&D[J]. Econometrica, 1997, 65(5): 1201-1213.
[22]	白俊红, 王钺, 蒋伏心, 等. 研发要素流动、空间知识溢出与经济增长[J]. 经济研究, 2017, 52(7): 109-123.
	[Bai Junhong, Wang Yue, Jiang Fuxin, et al. R&D element flow, spatial knowledge spillovers and economic growth[J]. Economic Research Journal, 2017, 52(7): 109-123.]
[23]	李猛, 黄振宇. 中国城市资本回报率的“俱乐部收敛”现象及其原因[J]. 浙江大学学报(人文社会科学版), 2022, 52(1): 136-151.
	[Li Meng, Huang Zhenyu. The phenomenon of “club convergence” of the return of capital in Chinese cities and its causes[J]. Journal of Zhejiang University (Humanities and Social Sciences Edition), 2022, 52(1): 136-151.]
[24]	Meijers E J, Burger M J. Spatial structure and productivity in US metropolitan areas[J]. Environment and Planning A, 2010, 42(6): 1383-1402.
[25]	杜志威, 金利霞, 刘秋华. 产业多样化、创新与经济韧性——基于后危机时期珠三角的实证[J]. 热带地理, 2019, 39(2): 170-179.
	[Du Zhiwei, Jin Lixia, Liu Qiuhua. Industrial diversity, innovation, and economic resilience: Empirical analysis of the Pearl River Delta in the post-financial crisis era[J]. Tropical Geography, 2019, 39(2): 170-179.]
[26]	陈书平, 戴青兰, 肖盈. 省域多中心集聚与城市创新水平[J]. 贵州财经大学学报, 2022(2): 35-47.
	[Chen Shuping, Dai Qinglan, Xiao Ying. Polycentric agglomeration and urban innovation[J]. Journal of Guizhou University of Finance and Economics, 2022(2): 35-47.]

变量类型	变量	均值	标准差	最小值	最大值
被解释变量	经济韧性	0.503	0.233	0.000	1.000
解释变量	创新集聚空间分布单中心指数	0.512	0.189	0.209	0.889
解释变量	创新集聚空间分布多中心指数	-0.948	0.872	-2.788	0.359
中介变量	R&D人员流动	5.845	0.612	4.471	7.224
	R&D资本流动	4.911	0.516	3.794	5.904
	资本回报率	0.836	0.406	0.029	3.766
控制变量	人力资本水平	0.015	0.021	0.001	0.076
	财政支出强度	0.167	0.097	0.015	0.692
	金融发展水平	2.125	1.147	0.508	12.236
	产业结构	0.879	0.451	0.128	5.340
	经济发展水平/10⁴元	9.181	0.676	6.081	12.108

Impact mechanism of innovative agglomeration spatial distribution patterns on urban economic resilience in China

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 9

References 26

Related Articles 4

Metrics

Comments

Recommended 0

[1]	XUE Chenhao, BAI Yongping, WANG Shengpeng. Spatio-temporal differentiation of economic resilience in the Yellow River region based on multidimensional evaluation methods [J]. Arid Land Geography, 2025, 48(6): 1103-1114.
[2]	WANG Yifei, KONG Dezhen, LUO Yuxuan, MAO Jinhuang, WANG Meimei. Impact and pathways of population growth-decline differentiation on urban economic resilience in the Lanzhou-Xining urban agglomeration [J]. Arid Land Geography, 2025, 48(6): 1020-1030.
[3]	ZHOU Xia, WANG Jia. Measurement and synergistic evolution analysis of the economic resilience and eco-efficiency of provincial regions in China [J]. Arid Land Geography, 2024, 47(2): 319-331.
[4]	CHEN Yuying,，FENG Jianmin，CHEN Nan,，ZHENG Guangfen，MU Jianhua，XIN Yaosheng，NIE Jinxin，YANG Jianling. Spatiotemporal variation characteristic of the utilizable precipitation in eastern part of Northwest China [J]. , 2012, 35(01): 56-66.