EN中文

地理科学进展 >

2023 , Vol. 42 >Issue 11: 2071 - 2083

DOI: https://doi.org/10.18306/dlkxjz.2023.11.001

研究论文

北京城市副中心建设促进当地高质量发展了吗?——基于合成控制法的检验

  • 姚永玲 ,
  • 陈兴涛 , *
展开
  • 中国人民大学应用经济学院，北京 100872
*陈兴涛(1995— )，男，浙江湖州人，博士生，主要研究方向为城市溢出效应。E-mail:

姚永玲(1966— )，女，山西稷山人，教授，博士，主要研究方向为都市圈和城市群。E-mail:

收稿日期: 2023-04-12

  修回日期: 2023-08-12

  网络出版日期: 2023-11-24

基金资助

国家社会科学基金重大项目(21ZDA070)

国家自然科学基金面上项目(42271189)

收起

Has the construction of Beijing’s sub-center promoted local high-quality development? Based on the synthetic control method

  • YAO Yongling ,
  • CHEN Xingtao , *
Expand
  • School of Applied Economics, Renmin University of China, Beijing 100872, China

Received date: 2023-04-12

  Revised date: 2023-08-12

  Online published: 2023-11-24

Supported by

Major Program of National Social Science Foundation of China(21ZDA070)

National Natural Science Foundation of China(42271189)

Fold

摘要

北京通州区的城市副中心建设在完成重塑空间格局的同时，还承担着高质量发展示范区的责任。论文采用合成控制法，使用2002—2020年的面板数据，从创新、协调、绿色、开放和共享等5个维度识别北京城市副中心建设对迁入地高质量发展的影响。结果显示：副中心建设提升了通州区的产出效率、促进了节能减排，但降低了医疗服务供给水平；对产业结构提升、利用外资、提高居民收入和增加教育服务供给没有显著影响。这种异质性结果表明，从不同维度观察高质量发展比单纯评估经济总量更全面。针对高质量发展不同维度的变化特点，可采取以下针对性的措施：① 将基础设施、人口迁移、产业规划和公共服务进行匹配，提高公共服务供给水平；② 尽快提升现代服务业水平，为副中心产业升级提供支持；③ 充分发挥副中心对外开放的窗口作用，为其他地区对外开放树立标杆。

关键词： 城市副中心建设; 高质量发展; 合成控制法; 北京

本文引用格式

姚永玲 , 陈兴涛 . 北京城市副中心建设促进当地高质量发展了吗?——基于合成控制法的检验[J]. 地理科学进展, 2023 , 42(11) : 2071 -2083 . DOI: 10.18306/dlkxjz.2023.11.001

Abstract

The development of the urban sub-center in Tongzhou District, Beijing involves new city planning and construction that include the relocation of the city's administrative centers. While reshaping the spatial pattern, it also bears the responsibility of high-quality development demonstration. By using the synthetic control method and the panel data from 2002 to 2020, this study examined the impact of Beijing's sub-center construction on the high-quality development of the relocation area from the five dimensions of innovation, coordination, greenness, openness, and sharing. The results show that the construction of the sub-center has improved the output efficiency of Tongzhou, promoted energy conservation and emission reduction, but reduced the level of medical service supply. The development had no significant impact on the improvement of industrial structure, the utilization of foreign investment, the increase of residents' income, and the increase of education service supply. These heterogenous results indicate that observing high-quality development from different dimensions is more comprehensive than simply evaluating the total economic output. Targeted measures should be taken to address the changing characteristics of different dimensions of high-quality development. First, infrastructure, population migration, industrial planning, and public services should be matched to improve the level of public service supply. Second, the new sub-center should quickly improve the level of modern service industry to provide support for the upgrading of its industries. Third, the sub-center should fully leverage its role as a window for opening up to the outside world, providing a benchmark of openness for other regions.

Key words： construction of urban sub-centers; high-quality development; synthetic control method; Beijing

习近平总书记曾在中共十八届中央政治局常委同中外记者见面时指出：“人民对美好生活的向往，就是我们的奋斗目标。”2021年8月21日发布的《国务院关于支持北京城市副中心高质量发展的意见》指出，加快建设通州区与北三县一体化高质量发展示范区。这意味着北京城市副中心不但承担着疏解非首都功能的重要任务，还承担着高质量发展示范区的光荣责任。尽管1949年以来，北京一直寻求在外围地区建设多中心，但明确建设“城市副中心”却是2012年北京市第十一次党代会首次提出。在这之后，通州区不断增加固定资产投资；随后在2015年7月11日，中共北京市委十一届七次全会审议通过了《京津冀协同发展规划纲要》，要求加快北京市属行政事业单位及相关服务部门向通州区的疏解转移，通州区正式成为北京行政副中心；2019年1月11日，北京市人民政府机关正式搬迁至通州区。期间，北京核心区的人口、产业和城市功能不断向副中心转移，为通州区进入高质量发展快车道提供了历史机遇。
通州区城市副中心建设是以北京行政中心迁移为主导的空间战略，与该内容相关的研究主要表现在新城建设和行政中心迁移方面：一是产生什么样的影响；二是哪些方面产生影响。在第一方面，研究表明，公共部门迁入可以刺激当地服务部门产出[1-2]；而对美国的研究却显示，政府管制对当地政府税收不利[3]。可见，行政中心迁移对当地发展并非完全有利。与此同时，国内关于新城变”鬼城”的声音也一直不绝于耳，如高铁新城建设就受到了诸多批评[4-5]。还有研究认为，行政中心迁移可能影响迁出地经济，从而使整体经济受损[6]，从效率和结构方面均不利于高质量发展。尤其是，中国的行政资源对城市空间布局起决定作用，更需慎重对待。在第二个方面，由于各地行政中心迁移目的不同，已有研究对效果的实证也主要针对单一目标进行评价，没能对高质量发展进行全面观察。如徐少杰等[7]对青岛市行政中心迁移主要评估了经济效应；周慧敏等[8]通过大样本研究显示，城市政府驻地搬迁对城市经济增长起到了显著促进作用；柳思维等[9]研究了行政中心迁移对城市零售业商圈空间分布的影响；郑霞[10]、卢盛峰等[11]的研究强调了行政中心迁移对地方经济的拉动力量；杜立群等[12]认为北京可借鉴韩国行政中心迁移，考虑区域和国家发展安全问题。
高质量发展体现的是质量、效率、公平和可持续性，既包括经济产出，还包括减量发展对产出的限制，行政管制与开放之间的相互矛盾，甚至居民福利改善还会增加政府支出成本等，不同内容之间存在相互制约，其效果很难从单纯的经济总量进行观察。因此，北京城市副中心建设带来的政府投入能否使迁入地经济进入良性循环和可持续增长轨道，还需要从多方面提供更多证据。尽管有研究认为，北京城市副中心建设以市级行政事业单位转移为起点，可以带动基础设施建设，提高公共服务供给水平，拉动市中心功能疏解，最终形成产业与城市良性互动的城市综合体[13]；但也仅限于推测，尚未有证据表明北京城市副中心建设对上述方面的实际效果。鉴于北京城市副中心是高质量建设示范区，更有必要对其高质量发展进行较为全面的评估，以便为进一步推广提供经验借鉴。

1 高质量发展的维度及其北京市空间分布的变化

1.1 高质量发展的维度

习近平总书记在《我国经济已由高速增长阶段转向高质量发展阶段》(2017年12月28日)报告中指出，高质量发展是体现新发展理念的发展，是创新成为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的发展。可见，高质量发展是全方位的基本国策，在实践中需要有针对性地对不同工作逐个落实。如果按照传统方法对多指标进行归纳综合测度，将会陷入对经济发展水平测度的陷阱，繁杂而缺乏可操作性；尤其是，高质量发展是一种发展理念，不是具体的目标，需要观察其在不同方面的变化，以体现动态过程。
由于研究目的不同，对高质量发展的理解有别，王济干等[14]选择创新、协调、绿色、开放和共享指数计算全要素生产率(total factor productivity, TFP)；王利军等[15]立足于“创新、协调、绿色、开放、共享”5个维度选取多项指标；赵涛等[16]选择的是产业结构、包容性TFP、技术创新、居民生活和生态环境5个二级指标；钞小静等[17]将经济增长质量外延界定为与经济增长紧密相关的结构、稳定性、福利变化与成果分配，以及资源利用和生态环境代价等方面；曾艺等[18]从经济增长动能、经济增长结构和经济增长成果3个方面构建经济增长质量指标体系。上述研究评估的核心内容主要是新发展理念涉及的5个维度。因此，本文以指标简单化、内容针对性、观察对象可操作性为原则，对应“创新、协调、绿色、开放、共享”新发展理念所涉及的5个维度，每个维度选择1~3个主要指标，观察北京城市副中心建设在5个维度产生的效果。
创新维度，单纯的创新研究通常采用专利等相关指标。高质量发展中的创新本质上是促进效率提高，已有研究将全要素生产率作为高质量发展的唯一指标可以说明这一点[19⇓⇓-22]。为了使指标更直接，本文选择劳动力平均产出代表产出效率，观察高质量发展在创新理念方面的表现，用GDP除以在岗职工数表示。劳动力平均产出在后文简称劳均GDP。
协调维度，高质量发展主要解决结构协调和地区协调。城市副中心作为一个小尺度空间，地区协调不是主要矛盾；反而是副中心建设过程中，由于产业转移和产业结构调整，结构问题更为突出。本文选择产业结构观察协调方面的变化，用第三产业与第二产业增加值之比表示。该指标在后文简称三产与二产之比。
绿色维度，很多指标可以从不同角度进行衡量。鉴于北京绿色发展除了大气污染控制以外，主要采取的是节能减排方面的减量发展措施。本文从能源消耗强度观察城市副中心建设在这方面的成效，用万元GDP能耗表示。
开放维度，新发展格局是高质量发展的重要内容之一，对外开放是实现双循环的关键环节。对外开放和国际交往是首都北京的重要功能，本文选择利用外资情况观察经济开放方面的变化，用实际使用外资占全社会固定资产投资比重表示。该指标在后文简称外资投资比。
共享维度，从居民个体和城市社会两个层面进行观察。其中，居民个体最直接的核心指标是收入，用城镇居民人均可支配收入表示；在城市层面，让广大人民群众有获得感的主要是基本公共服务，其中生存和发展权是根本[23⇓⇓-26]，这主要通过医疗和教育提供。由于城市副中心建设在短期内引起人口大量迁移，导致教育和医疗供给资源短缺，采用千人中小学在校生人数和千人医疗机构床位数表示。
另外，在行政中心迁移效果评估方面，多数学者观察的是经济总量，为了说明北京城市副中心建设对高质量发展的影响与经济总量有区别，也将地区生产总值(GDP)的变化列出(共8个指标)，以便对比观察。高质量发展的维度及在本文中的含义与指标见表1。
表1 高质量发展维度和相应指标

Tab.1 Dimensions of high-quality development and corresponding indicators

高质量发展维度 本文含义 衡量指标 单位
创新 经济总量 地区生产总值 亿元
产出效率 劳动力平均产出 元/人
协调 产业结构 第三产业与第二产业增加值之比
绿色 节能减排 万元GDP能耗 tce/万元
开放 利用外资 实际使用外资占全社会固定投资比重 %
共享 居民收入 城镇居民人均可支配收入 元/人
基本公共服务 千人中小学在校生人数 人/千人
千人医疗机构床位数 张/千人

注：地区生产总值属于综合指标，用于与已有研究对比。

1.2 空间分布变化

将城六区作为一个整体，并将外围9个区(大兴区、房山区、昌平区、顺义区、门头沟区、怀柔区、平谷区、密云区、延庆区)作为可以与通州区进行比较的地区，以2012年为副中心建设的开始年份，取2002—2011年平均值作为建设前时段值，取2012—2020年平均值为后时段值，将8项指标在建设前和建设后的数值分别进行分类显示，观察它们空间分布的变化(图1)①(①为了能对建设前后的变化进行对比，各类型划分标准在建设前和建设后应该相同，均采用前时段数值的自然断裂法得到划分依据。)。将城六区作为整体的原因是城六区是北京市人口、产业集聚的中心区域，相互间经济活动交往密切。同时，城六区整体面积与各外围市辖区面积相近。
图1 8项指标在副中心建设前后的空间分布

注：本图基于北京市规划和自然资源委员会标准地图服务网站下载的审图号为JS(2022)019号地图制作，底图无修改。

Fig.1 Spatial distribution of the values of eight indicators before and after the construction of Beijing's sub-center

图1显示，观察时段内北京的大部分地区都发生了明显变化；城六区变化较小，外围10个区变化较大，说明除了副中心建设以外，其他外围地区承接非首都功能的成效也较显著。外围10个区中，各地区变化程度相差较大，总体来看，与城六区相邻地区(包括通州区)变化相对较大；距离较远的延庆、怀柔、密云和平谷区变化较小。从8项指标来看，GDP总量、劳均GDP、三产与二产之比、城镇居民人均可支配收入和千人医疗机构床位数在后时段得到了提升；能源消耗强度和千人中小学在校生人数在前时段表现为下降态势。其中，能源消耗强度降低说明绿色发展取得了成效；千人中小学在校生人数的负向变化说明公共服务供给相对滞后。从8项指标在10个外围地区的变化来看，建设前通州区相较其他外围地区外资投资比较高，GDP和劳均GDP居中，三产与二产之比、城镇居民人均可支配收入、千人中小学在校生人数和千人医疗机构床位数较低，万元GDP能耗较高；建设后通州区相较其他外围地区劳均GDP较高，GDP、万元GDP能耗、外资投资比、城镇居民人均可支配收入和千人中小学在校生人数居中，三产与二产之比和千人医疗机构床位数较低。具体而言，通州区在GDP总量、产业结构、产出效率、能源消耗强度和居民收入方面跨越了1~3个等级，教育和医疗水平维持原有较低等级，利用外资等级下降；其他地区在8项指标中也分别表现了跨等级变化，但与通州区变化并不一致。非首都功能疏解是为了解决北京大城市病，将城六区的非首都功能向外围地区疏解的空间战略，涉及所有地区，期间所有地区都会发生变化；为针对性地评估城市副中心建设对通州区高质量发展效果，需要采用分析方法将通州区城市副中心建设影响与外围地区非首都功能疏解影响进行区分。

2 研究方法与数据

2.1 研究方法

合成控制法主要用于政策评估和宏观分析，相较于双重差分法(differences-in-differences, DID)等方法，不需要依赖外推构建对照个体，能更客观、更准确地识别城市副中心建设对通州区高质量发展多维度产生的影响[27⇓⇓⇓⇓⇓⇓-34]，从而避免了因对照组选取困难或不合适对结果产生的干扰。合成控制法的基本原理是，将一个接受政策的个体作为处理个体，将一组未接受政策的个体作为对照组，利用对照组构建拟合个体，通过比较处理个体与拟合个体的结果变量，识别政策效应。在识别政策效应后，本文参照Abadie等[29]的做法，使用安慰剂研究对识别结果进行显著性分析。显著性分析的逻辑如下：假设处理没有产生作用，即实际值和拟合值的差异是随机产生的，那么使用实际处理个体或是其他对照组个体作为处理个体进行合成控制法分析，所得实际值和拟合值的差异大小应当是随机分布的。因此，如果使用实际处理个体作为处理个体所得差异较大，那么这种情况出现的概率较小。在统计上认为小概率事件不会出现，原假设不成立，差异不是随机产生的，处理作用显著存在。反之，原假设成立，处理没有产生作用。具体步骤如下：
第一步，通过绘制基准识别和每次安慰剂识别的实际值与拟合值差距的历年走势曲线对比图，观察基准识别结果的显著性。若安慰剂识别曲线与基准识别曲线接近，认为影响不显著；反之，则影响显著。拟合值对真实值接近程度通过均方差预测误差(MSPE)反映。该值越小，拟合值与真实值越接近。计算公式如下：
M S P E = 1 T ∑ t = 1 T Y 1 t - ∑ j = 2 J + 1 w j × Y j t 2
式中： Y 1 t表示处理个体的结果变量指标， Y j t表示对照组个体j的结果变量指标， w j表示运用合成控制法构建拟合个体时赋予对照组个体j的权重， T表示时期， J表示对照组个体数量。
第二步，通过基准识别和每次安慰剂识别的均方根预测误差(RMSPE)比值排序，观察基准识别结果的显著性。RMSPE反映了所估计建设效应的强度，计算公式如下：
R M S P E = 1 T ∑ t = 1 T Y 1 t - ∑ j = 2 J + 1 w j × Y j t 2 1 2
R M S P E 比 值 = 建 设 后 R M S P E 建 设 前 R M S P E
RMSPE值在计算建设效应强度时考虑了拟合个体的拟合优劣，能够谨慎地估计建设效应。只有当建设后处理个体和拟合个体结果变量差距较大、同时拟合个体对处理个体在建设前的结果变量时间路径拟合较好时，该比值才会较大。若拟合个体对处理个体在建设前的结果变量时间路径拟合较差，即使建设后处理个体和拟合个体的结果变量差距较大，该比值也不会很大。对比对照个体的RMSPE比值分布，若处理个体的RMSPE比值类似，则所估计的建设效应不显著；反之，结果显著。

2.2 对照组和变量选取

选择北京市委明确提出建设通州区“城市副中心”时间(2012年)为处理时点。通州区为处理个体，其他9个外围区为对照组。原因有两点：首先，北京是单中心结构的大都市，这9个区同属北京的外围地区，各方面特征与通州区较接近。其次，城市副中心建设不覆盖这些地区，可以假定它们不受城市副中心建设的影响。采用2002—2020年面板数据，时间跨度覆盖了副中心建设前10年和后9年。数据主要来自北京市统计年鉴以及各市辖区统计年鉴。变量的描述性统计见表2。
表2 主要变量描述性统计

Tab.2 Descriptive statistics of the main variables

指标 观测个数 均值 标准差 最小值 最大值
GDP/亿元 190 288.57 274.12 31.21 1385.52
劳均GDP/(元/人) 190 180385.92 90580.14 62899.55 435758.59
三产与二产之比 190 1.23 0.59 0.41 3.26
万元GDP能耗/(tce/万元) 140 0.81 0.57 0.35 3.99
外资投资比/% 190 4.10 4.32 0.03 22.80
城镇居民人均可支配收入/(元/人) 190 28605.95 13313.87 9425.00 59360.00
千人中小学在校生人数/(人/千人) 190 77.41 25.25 35.53 171.19
千人医疗机构床位数/(张/千人) 190 4.49 1.89 2.07 9.38

注：由于早年数据统计空缺，万元GDP能耗观测数只包含2008年及以后。

在对上述8个指标进行合成控制法识别时，选择了下面的特征变量。1) 实际GDP由名义GDP经过以2000年为基年的价格指数调整得到，相应的特征变量为标准的经济产出预测指标，包括产业结构(三产与二产之比)、劳动力(城镇在岗职工人数增长率)、资本(投资率)、经济开放水平(实际利用外资与GDP比率)和政府收支(财政收支与GDP比率)。 2) 劳均GDP相应的特征变量为标准的经济效率预测指标，包括资本(投资率)、产业结构、经济开放水平、政府收支和人力资本(受教育年限)。3) 产业结构相应的特征变量参考陈淑云等[35]的研究，选择劳均GDP、投资率、外资投资比、受教育年限和常住人口等。4) 万元GDP能耗相应的特征变量参考李晶[36]的研究，选择城乡居民人均可支配收入之比、GDP增长率、投资率、实际利用外资与GDP比率、三产与二产之比、财政预算支出与GDP比率和人口增长率。5) 外资投资比的特征变量相关指标参考黄丽璇[37]的研究，选择城镇在岗职工人数增长率和平均工资、投资率、劳均GDP、受教育年限等。6) 城镇居民人均可支配收入相应的特征变量参考张晶等[38]的研究，选择居民个体相关指标，包括城镇在岗职工人数和工资、劳均GDP、投资率、受教育年限等。7) 千人中小学在校生人数特征变量相关指标选择人均一般公共预算支出和收入、人口增长率和人均受教育年限等。8) 千人医疗机构床位数特征变量相关指标包括人均一般公共预算支出和收入、人口增长率等。

2.3 拟合处理

为了在8项指标及其特征变量上都得到与通州区实际值较为接近的拟合值，使用合成控制法对各对照组地区进行赋权，然后通过加权对通州区进行拟合，称为拟合通州区(权重见表3)。
表3 拟合通州区对照组的权重矩阵

Tab.3 Weight matrix of the control group for synthetic Tongzhou values

指标 大兴 顺义 怀柔 密云 昌平 房山 门头沟 平谷 延庆
GDP 0.506 0.182 0.170 0.141 0 0 0 0 0
劳均GDP 0.371 0.201 0.199 0 0.162 0.065 0.001 0.001 0
三产与二产之比 0.297 0.094 0 0 0.248 0.360 0 0 0
万元GDP能耗 0.249 0.039 0.044 0.526 0.101 0.041 0 0 0
外资投资比 0 0 0.192 0.622 0 0 0 0.187 0
城镇居民人均可支配收入 0 0 0 0.447 0.140 0.138 0.274 0 0
千人中小学在校生人数 0.357 0 0 0 0.080 0.563 0 0 0
千人医疗机构床位数 0 0 0 1 0 0 0 0 0

注：矩阵每一行代表某一指标各对照组地区被赋予的权重，其中0表示该地区没有被赋予权重，1表示该地区被赋予权重为1。

根据表3对所有对照组地区的各特征值求加权平均，得到通州区相应特征的拟合值。除个别变量外，在副中心建设前，8项指标的特征变量拟合值均比对照组平均值更接近通州区实际值。副中心建设前，相较于对照组平均水平，通州区具有更高的GDP总量、GDP增长率、城镇在岗职工人数增长率、投资率、外资投资比、常住人口增长率、城镇居民人均可支配收入等，更低的劳均GDP、三产与二产之比、财政预算收支与GDP比率、万元GDP能耗、城镇在岗职工数与常住人口比率等。如果直接比较通州区和其他外围区在副中心建设前后的GDP、劳均GDP、万元GDP能耗、三产与二产之比、外资投资比、城镇居民人均可支配收入、千人中小学在校生人数和千人医疗机构床位数等8项指标值的差距变化来识别处理效应，所得结果涵盖了建设前对照组与处理组的差异；而采用拟合值与实际值对比可以在一定程度上降低这种干扰。因此，使用合成控制法加权得到在建设前各特征与通州区接近的拟合通州区值，能降低建设前各特征值差异对处理效应识别的干扰，从而更准确地识别建设效应。

3 结果分析

3.1 合成控制法基准结果描述

采用上述各地区的权重计算得到副中心建设后的拟合值。通州区8个指标实际值和拟合值的变化曲线见图2。
图2 通州区8个高质量发展指标历年走势：实际值vs拟合值

Fig.2 Trend of high-quality development indicators of Tongzhou District: Actual vs fitted values

图2显示，在提出城市副中心建设的2012年后，通州区实际GDP和劳均GDP走势均持续高于拟合值，实际万元GDP能耗走势持续低于拟合值，且都在2015年后实际值与拟合值差距进一步扩大。具体而言，2012—2020年间，通州区实际GDP平均每年高出拟合值49.72亿元，相当于通州区2011年水平的12.97%；实际劳均GDP平均每年高出拟合值81073.60元/人，相当于通州区2011年水平的44.21%；实际三产与二产之比平均每年低于拟合值0.21，相当于通州区2011年水平的23.10%；实际万元GDP能耗平均每年低于拟合值0.04 tce，相当于通州区2011年水平的6.11%；实际外资投资比平均每年高出拟合值1.34%，相当于通州区2011年水平的90.64%；实际城镇居民人均可支配收入平均每年高出拟合值734.41元，相当于通州区2011年水平的2.86%；实际千人中小学在校生人数平均每年比拟合值高2.25人，相当于通州区2011年水平的3.51%；实际千人医疗机构床位数平均每年比拟合值少1.02张，相当于通州区2011年水平的49.34%。
由于实际值和拟合值之间的差距也可能是随机产生，不能保证实际值与拟合值之差就是副中心建设的直接效果。所以，需要对上述结果进行显著性分析。

3.2 合成控制法基准结果显著性分析

采用2.1节的安慰剂研究方法，对前述合成控制法基准结果进行显著性分析。具体步骤如下：
第一步，从实际值和拟合值差距历年走势曲线观察显著性。根据上述计算出的拟合值，分别绘制8项指标实际值与拟合值差距的历年走势(图3)。
图3 各地区8项指标实际值和拟合值差距的历年走势

注：为便于分析，图中删去了均方差预测误差MSPE大于通州区20倍以上的对照组地区。

Fig.3 Trend of the difference between actual and synthetic values of the indicators of different regions

图3显示，相对于对照组效应的整体分布，通州区GDP和劳均GDP受到副中心建设的正向影响都非常大，万元GDP能耗和千人医疗机构床位数下降也非常明显；而三产与二产之比、外资投资比、城镇居民人均可支配收入和千人中小学在校生人数受到的影响与对照组没有显著差异。这表明，所估计的城市副中心建设对通州区提高经济总量和产出效率、降低能耗产生的效应都非常显著，在医疗服务供给缺口方面也较显著；但对通州区产业结构、利用外资、提高居民收入和教育服务供给的效应，无论正或负均不显著。
第二步，采用通过比较估计的建设效应强度判断显著性。根据上述方法，对通州区与其他9个对照组地区8项指标的RMSPE比值进行排序(图4)。
图4 各地区RMSPE 比值排序

Fig.4 Ranking of root mean square percentage error ratios by region

由图4可见，对于GDP、劳均GDP、万元GDP能耗和千人医疗机构床位数指标，通州区反映真实值和拟合值差异大小的RMSPE比值最大。这意味着：假设副中心建设对通州区这4个指标没有产生作用(原假设)，那么，北京外围10个区这4个指标的RMSPE比值将随机分布，通州区这4个指标具有最大RMSPE比值，即成为这4个指标变化幅度最大的地区的概率是1/10，因此，通州区这4个指标具有最大RMSPE比值的情况能够在10%(1/10)的显著性水平上拒绝副中心建设没有产生作用的原假设，所估计的副中心建设对通州区这4个指标的建设效应在10%的显著性水平上显著存在。对于三产与二产之比、外资投资比、城镇居民人均可支配收入和千人中小学在校生人数，通州区的RMSPE比值分别排在第5、第7、第2和第7位。按照前文的显著性分析逻辑，这说明这4个指标的建设效应未通过10%的显著性水平检验。综合安慰剂研究的真实值与拟合值差值走势比较和RMSPE比值排序结果，城市副中心建设对通州区经济总量、产出效率、能耗和医疗供给水平产生了显著影响。具体而言，副中心建设提高了通州区经济总量和产出效率、促进了节能减排，但降低了医疗公共服务供给水平；对产业结构、利用外资、城镇居民人均可支配收入和教育供给水平的影响，无论正负均不显著。

3.3 合成控制法基准结果稳健性检验

为检验识别结果是否存在建设时间上的偶然性，本文尝试使用提前处理时间的方法检验4个建设效应显著指标(GDP、劳均GDP、万元GDP能耗和千人医疗机构床位数)基准结果的稳健性。把建设时间由2012年向前推至2010年，相应特征变量保持不变，利用合成控制法再次进行拟合估计(图5)。
图5 提前建设时间的稳健性检验

Fig.5 Robustness test by moving construction time to two years earlier

如图5所示，通州区拟合与真实值的GDP、劳均GDP、万元GDP能耗和千人医疗机构床位数走势在时间跨度内基本保持一致，表明时间提前后并未出现建设效应，对2012年建设作用识别的基准结果不存在偶然性。

4 结论与启示

本文运用合成控制法识别北京城市副中心建设对通州区高质量发展的影响。结果表明，北京城市副中心建设提高通州区经济总量的同时，在高质量发展的5个维度中，提高了通州区产出效率、降低了通州区能源消耗强度，尤其是北京市行政部门转移行动(2015年后)对这两项指标的改善起到了显著促进作用，它们两者与经济总量的变化一致，都受到北京城市副中心建设的改善作用；但对产业结构提升代表的协调、利用外资代表的经济开放与居民收入和教育供给反映的成果共享方面的改善不显著；显著降低了居民的医疗供给水平。其余指标都与经济总量的变化不一致。这说明通过观察高质量发展的5个维度，可以观察与经济总量变化不一致的内容，从而能较为全面地了解副中心建设对高质量发展的影响。这个结论避免了已有研究[7⇓⇓⇓-11]中评价经济效果的单一性结论，使得高质量发展工作得到较为全面的反映。
从上述5个维度分别表现出的不同结果可以看出，虽然城市副中心建设以来，通州区的城镇居民人均可支配收入、三产与二产之比有所提升，外资投资比和千人中小学人数有所下降，但城市副中心建设并不是显著影响它们的主要因素。城镇居民收入上升一方面是国家经济整体发展带来的成就；另一方面，非首都功能疏解，大量就业人员随产业疏解迁移到郊区，提高了外围地区工资收入水平，2016年后，北京市外围10个区平均工资整体提高了0.7个百分点。三产与二产之比方面，尽管通州区在城市副中心建设后该比例有明显提升，但其他外围地区提升更快，2012—2020年，通州区三产与二产之比提升了0.64倍，仅高于大兴区，其他8个区提升了69%~226%。外资投资比下降的原因也可能是外贸形势下滑和北京市整体外资吸引力下降等所致，自2018年以来，北京全市吸引外资水平均呈下降态势，从2017年增幅1%下降到2018年的-0.3%，2020年增幅仍为负值。千人中小学人数下降原因则可能是由于北京市外围地区学生数量整体减少，北京市10个外围地区在校中小学人数从2016年开始下降，从占全市72%下降到2020年的68%；与此相反，外围地区(包括通州区)常住人口却大规模增加，由2011年的817万人，增加到2020年的1091万人；同期城六区则由1206万人减少到1097.9万人，这些都对判断副中心建设效果带来了干扰。采用合成控制法较好地排除了城市副中心建设以外因素带来的这些干扰，从而较为准确地识别了副中心建设对不同领域工作产生的效果。
本文研究结论揭示了空间战略中各领域工作之间的相互制约和相互作用关系，将已有研究仅评估经济效果向宽度和复杂度进行了拓展。高质量发展5个维度中协调、开放和共享3个维度所受副中心建设的影响与经济总量并不一致，副中心建设对高质量发展的效果存在一定的异质性。因此，在评估政策对地区高质量发展的影响时，需要将不同维度指标分开观察，从而对不同方面的影响效果进行识别，并进一步可以对不同领域的问题采取针对性的措施。如果仅仅考察对地区经济产出或经济效率的影响，那么难以得到全面的对地区高质量发展所受影响的认识。
高质量发展在不同维度的特征和实施路径有别。城市副中心建设的大量投资和空间格局重塑，伴随着创新城市建设、节能减排和产业升级，直接带来了经济总量和产出效率的提高；公共服务改善是一项涉及多领域的民生工程并需要长周期建设，需要多部门合作；产业结构升级需要在北京市各地区之间进行平衡；对外开放则需要处理好政府与市场关系。因此，北京城市副中心高质量发展要充分利用城市副中心建设机会，在进一步提升经济实力和竞争力的同时，需要注意：第一，要注重公共服务对吸引人口和产业转移的带动作用，将人民群众的获得感和幸福感与副中心建设紧密结合起来，将基础设施建设、人口迁移安排、产业发展规划和公共服务水平进行匹配，提高公共服务供给水平；第二，城市副中心需要现代服务业为支撑，应该学习其他地区经验，大力发展第三产业，尽快提升现代服务业水平，为副中心产业升级提供支持；第三，高质量发展需要在对外开放方面进行不断创新，北京城市副中心建设要平衡管制与开放关系，充分发挥副中心对外开放的窗口作用，为其他地区对外开放提供标杆。其他地区在推进高质量发展过程中，也应该利用重塑城市空间机会，充分考虑创新、协调、绿色、开放、共享的动态变化特征，有的放矢。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Faggio G. Relocation of public sector workers: Evaluating a place-based policy[J]. Journal of Urban Economics, 2019, 111: 53-75.

DOI

[2]
Faggio G, Overman H. The effect of public sector employment on local labour markets[J]. Journal of Urban Economics, 2014, 79: 91-107.

DOI

[3]
Kubick T R, Lockhart G B, Mills L F, et al. IRS and corporate taxpayer effects of geographic proximity[J]. Journal of Accounting and Economics, 2017, 63(2/3): 428-453.

DOI

[4]
Zheng L F, Long F J, Chang Z, et al. Ghost town or city of hope? The spatial spillover effects of high-speed railway stations in China[J]. Transport Policy, 2019, 81: 230-241.

DOI

[5]
Dong L, Du R, Kahn M, et al. "Ghost cities" versus boom towns: Do China's high-speed rail new towns thrive?[J]. Regional Science and Urban Economics, 2021, 89: 103682. doi: 10.1016/j.regsciurbeco.2021.103682.

[6]
郭正模, 沈茂英, 刘妍婷. 行政中心迁移对迁出地城市资源系统和经济增长的影响研究: 以成都市青羊区为例[J]. 决策咨询, 2011(4): 5-10.

[Guo Zhengmo, Shen Maoying, Liu Yanting. Research on the impact of administrative center migration on the urban resource system and economic growth of the relocation location: A case study of Qingyang District, Chengdu City. Decision-Making & Consultancy, 2011(4): 5-10.]

[7]
徐少杰, 王开泳, 王甫园, 等. 城市行政中心迁移的经济效应评估与作用机制分析: 以青岛市为例[J]. 地理科学进展, 2022, 41(12): 2258-2270.

DOI

[Xu Shaojie, Wang Kaiyong, Wang Fuyuan, et al. Economic effects evaluation and mechanism analysis of urban administrative center relocation: A case study of Qingdao City. Progress in Geography, 2022, 41(12): 2258-2270.]

DOI

[8]
周慧敏, 孙斌栋, 张婷麟, 等. 城市政府驻地搬迁对经济增长的影响研究[J]. 地理学报, 2022, 77(10): 2566-2582.

DOI

[Zhou Huimin, Sun Bindong, Zhang Tinglin, et al. Impact of city government relocation on economic growth. Acta Geographica Sinica, 2022, 77(10): 2566-2582.]

DOI

[9]
柳思维, 朱艳春, 唐红涛. 行政中心区位、迁移与城市商圈空间分布: 基于动态模糊算法仿真和经验数据的研究[J]. 北京工商大学学报(社会科学版), 2015, 30(2): 28-35.

[Liu Siwei, Zhu Yanchun, Tang Hongtao. Location & relocation of administration center and the spatial distributions of business areas: Based dynamic fuzzy algorithm simulation model and empirical data. Journal of Beijing Technology and Business University (Social Sciences), 2015, 30(2): 28-35.]

[10]
郑霞. 地方政府行政中心迁移政策及其效应实例研究[J]. 农村经济与科技, 2019, 30(10): 229-230.

[Zheng Xia. A case study on the migration policy and its effects of local government administrative centers. Rural Economy and Science-Technology, 2019, 30(10): 229-230.]

[11]
卢盛峰, 王靖, 陈思霞. 行政中心的经济收益: 来自中国政府驻地迁移的证据[J]. 中国工业经济, 2019(11): 24-41.

[Lu Shengfeng, Wang Jing, Chen Sixia. The economic benefits of administrative center: Evidence from the government relocation reforms in China. China Industrial Economics, 2019(11): 24-41.]

[12]
杜立群, 杨明, 沈教彦, 等. 韩国行政中心迁移的经验和启示[J]. 北京规划建设, 2013(3): 148-151.

[Du Liqun, Yang Ming, Shen Jiaoyan. Experience and inspiration from the relocation of administrative centers in South Korea. Beijing Planning Review, 2013(3): 148-151.]

[13]
李瑶, 安树伟. 北京城市副中心的形成机制、路径与对策[J]. 城市, 2018(8): 24-32.

[Li Yao, An Shuwei. The formation mechanism, path and countermeasure of Beijing sub-city center. City, 2018(8): 24-32.]

[14]
王济干, 包婷婷, 邢贞成. 基于包容性全要素生产率的长三角经济高质量发展测度研究[J]. 资源与产业, 2023, 25(3): 82-91.

[Wang Jigan, Bao Tingting, Xing Zhencheng. Measurement of high-quality economic development in Yangtze River Delta based on inclusive total factor productivity. Resources & Industries, 2023, 25(3): 82-91.]

[15]
王利军, 陈梦冬. 中国经济高质量发展水平测度[J]. 统计与决策, 2023, 39(6): 87-91.

[Wang Lijun, Chen Mengdong. Measurement on high-quality economic development level in China. Statistics & Decision, 2023, 39(6): 87-91.]

[16]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展: 来自中国城市的经验证据[J]. 管理世界, 2020, 36(10): 65-76.

[Zhao Tao, Zhang Zhi, Liang Shangkun. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China. Journal of Management World, 2020, 36(10): 65-76.]

[17]
钞小静, 任保平. 中国经济增长质量的时序变化与地区差异分析[J]. 经济研究, 2011, 46(4): 26-40.

[Chao Xiaojing, Ren Baoping. The fluctuation and regional difference of quality of economic growth in China. Economic Research Journal, 2011, 46(4): 26-40.]

[18]
曾艺, 韩峰, 刘俊峰. 生产性服务业集聚提升城市经济增长质量了吗?[J]. 数量经济技术经济研究, 2019, 36(5): 83-100.

[Zeng Yi, Han Feng, Liu Junfeng. Does the agglomeration of producer services promote the quality of urban economic growth? Journal of Quantitative & Technological Economics, 2019, 36(5): 83-100.]

[19]
汪侠, 徐晓红. 长江经济带经济高质量发展的时空演变与区域差距[J]. 经济地理, 2020, 40(3): 5-15.

[Wang Xia, Xu Xiaohong. Spatial-temporal evolution and regional disparity of economic high-quality development in the Yangtze River Economic Belt. Economic Geography, 2020, 40(3): 5-15.]

[20]
余泳泽, 杨晓章, 张少辉. 中国经济由高速增长向高质量发展的时空转换特征研究[J]. 数量经济技术经济研究, 2019, 36(6): 3-21.

[Yu Yongze, Yang Xiaozhang, Zhang Shaohui. Research on the characteristics of time and space conversion of China's economy from high-speed growth to high-quality development. Journal of Quantitative & Technological Economics, 2019, 36(6): 3-21.]

[21]
马茹, 张静, 王宏伟. 科技人才促进中国经济高质量发展了吗? 基于科技人才对全要素生产率增长效应的实证检验[J]. 经济与管理研究, 2019, 40(5): 3-12.

[Ma Ru, Zhang Jing, Wang Hongwei. Do S&T talents contribute to high-quality economic development of China? Empirical test based on effect of S&T talents on TFP. Research on Economics and Management, 2019, 40(5): 3-12.]

[22]
刘思明, 张世瑾, 朱惠东. 国家创新驱动力测度及其经济高质量发展效应研究[J]. 数量经济技术经济研究, 2019, 36(4): 3-23.

[Liu Siming, Zhang Shijin, Zhu Huidong. Study on the measurement and high-quality economy development effect of national innovation driving force. Journal of Quantitative & Technological Economics, 2019, 36(4): 3-23.]

[23]
李华, 董艳玲. 中国基本公共服务均等化测度及趋势演进: 基于高质量发展维度的研究[J]. 中国软科学, 2020(10): 74-84.

[Li Hua, Dong Yanling. The equalization measurement and trend evolution of China's basic public service: A study based on high quality development. China Soft Science, 2020(10): 74-84.]

[24]
缪小林, 张蓉. 从分配迈向治理: 均衡性转移支付与基本公共服务均等化感知[J]. 管理世界, 2022, 38(2): 129-149, 9-14.

[Miao Xiaolin, Zhang Rong. From distribution to governance: Equalization transfer payment and perception of equalization of basic public services. Journal of Management World, 2022, 38(2): 129-149, 9-14.]

[25]
孟兆敏, 吴瑞君. 人口变动与公共服务供给的适应性分析: 以上海市为例[J]. 南京人口管理干部学院学报, 2013, 29(1): 17-21, 33.

[Meng Zhaomin, Wu Ruijun. On the relationship between population distribution and public service: An example of Shanghai. Journal of Nanjing College for Population Programme Management, 2013, 29(1): 17-21, 33.]

[26]
姚永玲, 王帅. 北京市城市公共服务与人口空间分布[J]. 人口与经济, 2014(5): 62-68, 75.

[Yao Yongling, Wang Shuai. The impact of public facilities on population distribution: Case study of Beijing. Population & Economics, 2014(5): 62-68, 75.]

[27]
Abadie A, Gardeazabal J. The economic costs of conflict: A case study of the Basque country[J]. American Economic Review, 2003, 93(1): 113-132.

DOI

[28]
Abadie A, Diamond A, Hainmueller J. Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program[J]. Journal of the American Statistical Association, 2010, 105: 493-505.

DOI

[29]
Abadie A, Diamond A, Hainmueller J. Comparative politics and the synthetic control method[J]. American Journal of Political Science, 2015, 59(2): 495-510.

DOI

[30]
Lee J. The role of a university in cluster formation: Evidence from a national institute of science and technology in Korea[J]. Regional Science and Urban Economics, 2021, 86: 103617. doi: 10.1016/j.regsciurbeco.2020.103617.

[31]
刘甲炎, 范子英. 中国房产税试点的效果评估: 基于合成控制法的研究[J]. 世界经济, 2013, 36(11): 117-135.

[Liu Jiayan, Fan Ziying. The effects of property tax: Evidence from a natural experiment in China. The Journal of World Economy, 2013, 36(11): 117-135.]

[32]
苏治, 胡迪. 通货膨胀目标制是否有效? 来自合成控制法的新证据[J]. 经济研究, 2015, 50(6): 74-88.

[Su Zhi, Hu Di. Is inflation targeting effective? New evidence from the synthetic control methods. Economic Research Journal, 2015, 50(6): 74-88.]

[33]
黄启才. 自由贸易试验区政策溢出效应的个案研究[J]. 经济纵横, 2017(5): 92-98.

[Huang Qicai. An analysis of the spillover effect of China (Fujian) pilot free trade zone policy on regional economic development. Economic Review Journal, 2017(5): 92-98.]

[34]
冯扬, 王洋, 昌忠泽. 我国工业比重变化趋势的再探讨: 基于合成控制法的经验分析[J]. 经济纵横, 2022(9): 77-86.

[Feng Yang, Wang Yang, Chang Zhongze. Rediscussing the change of China's industrial proportion: Empirical analysis based on synthetic control method. Economic Review Journal, 2022(9): 77-86.]

[35]
陈淑云, 曾龙. 地方政府土地出让行为对产业结构升级影响分析: 基于中国281个地级及以上城市的空间计量分析[J]. 产业经济研究, 2017(6): 89-102.

[Chen Shuyun, Zeng Long. The influence of land leasing of local government on industrial structure upgrading: Spatial econometric analysis based on 281 prefecture-level or upper-level cities in China. Industrial Economics Research, 2017(6): 89-102.]

[36]
李晶. 中国能源消费与经济高质量发展的关系及影响研究[J]. 现代经济探讨, 2022(4): 11-20, 132.

[Li Jing. Research on the relationship and impact of energy consumption and high-quality economic development in China. Modern Economic Research, 2022(4): 11-20, 132.]

[37]
黄丽璇. 城市公共服务是否会促进外商直接投资?[J]. 中国外资, 2022(19): 74-78.

[Huang Lixuan. Will urban public services promote foreign direct investment? Foreign Investment in China, 2022(19): 74-78.]

[38]
张晶, 王淼晗, 方匡南. 我国城乡居民收入影响因素研究: 基于省际面板分位数回归分析[J]. 数理统计与管理, 2015, 34(4): 571-579.

[Zhang Jing, Wang Miaohan, Fang Kuangnan. The determinants of income of resident in urban and rural areas: Based on the provincial panel data quantile regression. Journal of Applied Statistics and Management, 2015, 34(4): 571-579.]

Options
文章导航

/

〈 〉