EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 12: 2395 - 2412

DOI: https://doi.org/10.18306/dlkxjz.2024.12.006

研究论文

2000—2020年中国就近城镇化区域差异分解与趋同格局

  • 赵美风 , 1 ,
  • 闫玘娇 1 ,
  • 杨振 , 2, * ,
  • 李俊佳 1
展开
  • 1.天津师范大学地理学部，天津 300387
  • 2.江苏师范大学地理测绘与城乡规划学院，江苏 徐州 221116
*杨振(1988— )，男，河南夏邑人，博士，主要从事城市地理与区域发展研究。E-mail:

赵美风(1986— )，女，河北鹿泉人，博士，副教授，主要研究方向为人口迁移流动和城镇化。E-mail:

收稿日期: 2024-03-11

  修回日期: 2024-07-24

  网络出版日期: 2024-12-23

基金资助

国家社会科学基金项目(21CRK005)

收起

Regional difference decomposition and convergence pattern of nearby urbanization in China from 2000 to 2020

  • ZHAO Meifeng , 1 ,
  • YAN Qijiao 1 ,
  • YANG Zhen , 2, * ,
  • LI Junjia 1
Expand
  • 1. School of Geographic and Environmental Sciences, Tianjin Normal University, Tianjin 300387, China
  • 2. School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, Jiangsu, China

Received date: 2024-03-11

  Revised date: 2024-07-24

  Online published: 2024-12-23

Supported by

National Social Science Foundation of China(21CRK005)

Fold

摘要

就近城镇化是相对于异地城镇化的新型城镇化发展路径，深刻影响着城镇化发展水平和空间布局。论文利用泰尔指数嵌套分解和空间马尔可夫链模型，深入分析中国就近城镇化发展的总体差异及其分解，详细刻画中国就近城镇化发展的区域趋同格局，重点探讨了空间效应对就近城镇化的影响。结果表明：① 2000—2020年中国就近城镇化水平的总体差异呈持续缩小趋势，其中，本省城镇化率的总体差异最大，本县城镇化率次之，本镇城镇化率最小。② 从尺度分解来看，中国就近城镇化及其三个细分类型(本省城镇化、本县城镇化和本镇城镇化)表现为省内差异最大。比较中国东、东北、中、西四大板块内的省间差异，西部的省间差异最大，其他板块相对较小；比较四大板块的省内差异，西部和中部各省的省内差异较大，而东部和东北较小。③ 从趋同格局来看，中国就近城镇化及其细分类型存在空间上的趋同俱乐部。中国就近城镇化发展与周围环境具有明显的空间联动效应，存在一定的空间溢出效应。研究为全面把握中国城镇化的区域差异、合理提出城镇化差异性措施提供科学基础。

关键词： 就近城镇化; 区域差异; 尺度分解; 时空格局; 空间马尔科夫链

本文引用格式

赵美风 , 闫玘娇 , 杨振 , 李俊佳 . 2000—2020年中国就近城镇化区域差异分解与趋同格局[J]. 地理科学进展, 2024 , 43(12) : 2395 -2412 . DOI: 10.18306/dlkxjz.2024.12.006

Abstract

Nearby urbanization is a new urbanization development path relative to remote urbanization, which refers to the process in which the rural population migrates to small and medium-sized cities and towns near their home areas for employment and residence rather than to distant places. Under the background of new-type urbanization, the regional difference of nearby urbanization constitutes a significant part of China's overall regional urbanization disparities, and it will profoundly affect China's urbanization process and the coordinated development of the economy and society. In this study, we used Theil index nested decomposition and the spatial Markov chain model to analyze the overall difference and decomposition of China's nearby urbanization development, and describe the regional convergence pattern of China's nearby urbanization development in detail, focusing on the impact of spatial effects on the nearby urbanization. The results show that: 1) From 2000 to 2020, the overall difference of nearby urbanization level in China showed a trend of continuous narrowing, consistent with the gradual narrowing of the development direction of the country's regional nearby urbanization gap. The overall difference of the urbanization rate within provinces was the largest, followed by the urbanization rate within counties, and the urbanization rate within towns was the smallest. 2) From the perspective of scale decomposition, local urbanization and its three subtypes (provincial urbanization, county urbanization, and town urbanization) showed the largest differences within provinces. By comparing the inter-provincial differences in the four regions, the western region had the largest inter-provincial differences, while the other regions showed relatively small differences. Comparing the intra-provincial differences of the four regions, the differences in the western and central provinces were large, while the differences in the eastern and northeastern provinces were small. 3) With regard to convergence patterns, there were spatial convergence clubs for nearby urbanization and its decompostions in China. The development of nearby urbanization in China showed obvious spatial linkage effect with the surrounding environment, and there was a certain spatial spillover effect. The results imply that the regional inequality of nearby urbanization in China follows the neoclassical convergence hypothesis and will narrow in the long term. Overall, the regional inequality of nearby urbanization in China from 2000 to 2020 stemmed mainly from inter-provincial inequality, especially in the central and western regions. With the improvement of the development level and radiation capacity of central cities in central and western China, we should strengthen support for the economic development of secondary regional node cities and improvement of public service facilities in small towns. This study provides a scientific support for comprehensively grasping the regional differences of urbanization in China and scientifically formulating the strategic measures of differentiated urbanization.

Key words： nearby urbanization; regional difference; scale decomposition; spatial and temporal patterns; spatial Markov chains

城镇化是现代化的必由之路，对保持经济持续健康发展、推动区域协调发展、全面建设社会主义现代化国家具有重要意义[1⇓-3]。改革开放以来，中国城镇化水平高速发展，2020年中国城镇化率高达63.89%，比1982年上升43个百分点。同时，中国国土辽阔、地理环境复杂多样，巨大的自然本底差异相当程度上决定了城镇化发展的区域差异性[4⇓-6]。2020年东部地区常住人口城镇化率高达68.5%，超过全国平均水平近5个百分点；而中西部地区城镇化发展相对滞后，2020年中部、西部地区常住人口城镇化率分别只有57.6%、53.4%。由此，全面把握中国城镇化的区域差异、科学制定城镇化差异化战略措施是学术界、社会民众和政府部门一直关注的重要议题。
就近城镇化是相对于异地城镇化的新型城镇化发展模式，即农村人口通过短距离迁移到家乡附近的城镇，从而实现生产方式、生活方式和文化理念转变的城镇化过程[7-8]。2014年党中央、国务院提出“引导一亿人在中西部地区就近城镇化”的重要战略举措。党的二十大报告明确提出“推进以县城为重要载体的城镇化建设”。《“十四五”新型城镇化实施方案》将“统筹推进农村劳动力转移就业和就地就近就业创业”列为重点任务。作为新型城镇化的重要发展模式，中国就近城镇化的空间差异性将极大程度上影响着城镇化发展水平和空间布局，制约着全国区域经济社会和城镇化的协调发展。新时代背景下，深入开展中国就近城镇化区域差异研究，是加快推进以人为核心的新型城镇化、促进区域协调发展的国家战略要求。
当前，国内学者对中国城镇化区域差异进行了深入研究，在城镇化差异的空间格局、发展趋势、影响机制、政策制定等方面取得了大量研究成果。学者们从全国、东中西三大地带、省域、县域等多个尺度对城镇化发展水平的区域差异进行了定量测度和空间分析，形成了东中西三大地带城镇化发展存在显著差距的基本共识[9⇓⇓⇓⇓-14]。研究发现，2000年以来中国城镇化水平的地区间差距逐步缩小，但东中西梯度差异格局仍然是城镇化差异的主要来源[14-15]。同时，地区内部的省际差异逐渐凸显，特别是北部沿海、黄河中游与大西北地区的省际差异显著[16-17]。学者们一致认同，中国城镇化区域差异的产生是自然地理环境、人口迁移因素、经济发展水平、公共财政、对外开放、产业结构、城乡二元体制、政策制度等多因素共同作用的结果[18⇓⇓⇓⇓-23]。其中，对外开放和科技创新是影响城镇人口集聚能力的主导因素[14]。在此基础上，学者们从地理学、经济学、管理学、社会学等多个学科角度提出缩小城镇化差距、促进城镇化均衡发展的措施和建议[24⇓-26]。在目标内涵上，当前中国城镇化是满足人们生活、生产和生态等多维需求的城镇化；在区域协调发展上，充分发挥东部城市的核心引领作用，辐射带动中西部城市高质量发展；在具体措施上，持续深化对外开放度、提高国内国际双循环的参与度、增强科技创新能力、加强公共财政支持是提高中西部地区城镇化水平、缩小城镇化区域差距的重要措施。
与中国城镇化区域差异研究的丰硕成果相比，中国就近城镇化区域差异的相关研究相对薄弱。现有研究主要集中在就近城镇化的微观个体意愿[27⇓⇓⇓-31]、空间格局特征[32⇓⇓-35]和发展路径与模式[36⇓⇓⇓-40]。学者们对中西部地区的农民工群体开展了大量微观调查研究，重点关注农民工返乡就业创业的意愿行为与空间选择。研究发现，流动人口的返乡就业行为决策受到迁入地经济增长速度放缓、迁出地经济发展水平提高、跨文化背景、家庭生命周期等因素影响。自然环境背景、经济增长、城市公共服务和交通条件等因素驱动下，中国中西部地区就近城镇化水平呈现“北高—南低、东高—西低”分布特征，且东西方向的差异持续拉大、南北方向的差异持续减小[37]。从就近城镇化的贡献率来看，河北、山东、山西、陕西等北方省份的城镇化以就近城镇化的推动为主，东部沿海发达省份和新疆、西藏等边疆省区的就近城镇化贡献率较低，以远程城镇化的推动为主[35]。因此，各地在推进就近城镇化进程中需要因地制宜、分类推进，大力培育当地特色产业集群，完善公共服务设施，坚持走可持续发展道路，促进城镇化与生态环境的协调发展[39]。
新型城镇化背景下，就近城镇化的区域差异是中国城镇化区域差异的重要组成部分，将深刻影响着中国城镇化和经济社会的协调发展。据此，本文在就近城镇化的概念界定和类型细分的基础上，利用泰尔指数及其嵌套分解方法，深入分析2000—2020年中国就近城镇化发展的板块间差异、省际差异、省内差异的演变特征。在此基础上，以省内差异为研究重点，构建就近城镇化水平的空间马尔科夫转移概率矩阵，刻画中国就近城镇化的区域趋同格局，探讨中国就近城镇化区域差异演变过程的时空特征。

1 研究方法与数据来源

1.1 就近城镇化的概念界定

与异地城镇化相比，就近城镇化的最大特点是迁移尺度的“近距离”。关于“近距离”的具体空间范围，学者们提出了省域、市域、县域、镇域等多种观点[35]。当前，本省范围内的人口迁移已经成为中国城镇化的重要组成部分，但跨省流动仍然是中西部地区人口流动的重要趋势。根据第七次全国人口普查数据(简称“七普”)，2020年流动人口省内流动规模为2.5亿人，占全部流动人口的66.8%。其中，贵州、广西、安徽、河南、江西等中西部省区流动人口省内流动比重分别为49.97%、50.17%、51.68%、55.31%、56.86%，远低于东部地区。东部地区整体城镇化水平较高、县域城镇化和镇域城镇化发展迅速；与此相反，中西部地区的城镇化水平普遍较低，很多中小城市和县城的人口吸引能力极低，省会城市和城市群核心城市成为就近城镇化的主要空间载体[38]。“七普”数据显示，郑州和洛阳两个地区城镇人口总量占全省的26.26%；武汉地区城镇人口占全省城镇人口总量的28.9%。相对于跨省远距离流动至东部沿海发达地区，人口迁移流动至本省范围内的省会和核心城市，能够获得较强的社会融合度和文化认同感，极大降低市民化的经济成本，有利于推进流动人口市民化进程。
若单纯以县域或镇域为就近城镇化空间范围，可能会忽视以省会(首府)城市、地级市为主要空间载体的地区。考虑到全国各地区之间的自然地理条件和经济社会发展水平存在较大差异，特别是中西部地区的就近城镇化特殊性，为了兼顾区域的不均衡性，本文将就近城镇化的“近距离”界定为空间尺度较大的“本省范围内”，即最大化就近城镇化的空间尺度。由于省域是一个很大的空间尺度，省域内部拥有省会(首府)城市、地级城市、县级城镇和小城镇等多种就近城镇化空间载体。据此，本文在最大化就近城镇化尺度基础上，进一步将就近城镇化划分为本镇城镇化、本县城镇化和本省城镇化三个细分类型，兼顾不同区域特点。本文中就近城镇人口的统计口径为“居住在本乡镇街道、户口在本省范围乡镇街道的城镇人口”。就近城镇化率即就近城镇化人口与常住总人口的比值，测算公式如下：
U L = P u l / P × 100 %
式中：UL代表就近城镇化率；Pul代表就近城镇人口；P代表对应区域的常住总人口。

1.2 就近城镇化的来源地构成类型

根据就近城镇化的来源地范围和尺度，本文将就近城镇化进一步细分为三个类型：本镇城镇化、本县城镇化和本省城镇化。根据已有研究，就近城镇化细分类型的统计口径依次为：本镇城镇人口指“居住本乡镇街道、户口在本乡镇街道的城镇人口”，本县城镇人口指“居住本乡镇街道、户口在本县(市、区)其他乡镇街道的城镇人口”，本省城镇人口指“居住本乡镇街道、户口在本省其他县(市、区)的城镇人口”[33]。本镇城镇化率、本县城镇化率和本省城镇化率的计算公式分别如下：
P U L = P p u l / P ,     C U L = P c u l / P ,     T U L = P t u l / P
式中：PUL、CUL、TUL分别为本省城镇化率、本县城镇化率和本镇城镇化率；Ppul、Pcul、Ptul分别为本省城镇人口、本县城镇人口和本镇城镇人口。

1.3 泰尔指数及其嵌套分解

本文利用泰尔指数(Theil)测度就近城镇化及其来源地构成的区域差异程度。在此基础上，利用泰尔指数二阶分解，将就近城镇化及其来源地构成的区域差异分解为四大板块(详见1.5小节)间的大尺度差异、省际之间的中尺度差异和省内各地级行政区之间的小尺度差异，用以分析就近城镇化区域差异的空间尺度。
全国就近城镇化总体差异(Theil)的计算公式如下：
T h e i l   =   1 N   ∑ i ∑ j ∑ k   U L i j k U L ¯   l n U L i j k U L ¯
式中：ULijk为i板块j省区k地级行政单元的就近城镇化率， U L ¯为全国就近城镇化率平均值，N为全国地级行政单元数量。Theil越大，说明全国就近城镇化水平差异越大；反之，说明全国就近城镇化水平差异越小。
Theil指数一阶分解公式为：
T h e i l   =   T h e i l W Z   +   T h e i l B Z                         = ∑ i ∑ j   1 N i     U L i j k U L i ¯ l n U L i j k U L i ¯ +                                 ∑ i   N i N   U L i ¯ U L ¯ l n U L i ¯ U L ¯
式中：TheilWZ表示板块内差异，TheilBZ表示板块间差异，Ni表示i板块群组内地级行政区数量， U L i ¯表示i板块的就近城镇化率平均值。在此基础上，以地级行政单元为基本区域单元进行Theil指数二阶嵌套分解，计算公式为：
T h e i l =   T h e i l W P   +   T h e i l B P +   T h e i l B Z                       = ∑ i ∑ j ∑ k   1 N i j   U L i j k U L i j ¯   l n U L i j k U L i j ¯ +                             ∑ i ∑ j   N i j N i   U L i j ¯ U L i ¯ l n U L i j ¯ U L i ¯ +                             ∑ i   N i N   U L i ¯ U L ¯ l n U L i ¯ U L ¯  
式中：TheilWP表示省内差异，TheilBP表示省间差异，Nij表示i板块j省区群组内城市数量， U L i j ¯表示i板块j省区就近城镇化率均值。在Theil指数二阶嵌套分解时，考虑到海南省地级行政单元过少，本文未进行分析。
就近城镇化来源地构成(本镇贡献力、本县贡献力和本省贡献力)总体差异、板块间差异、省间差异和省内差异的计算方法与就近城镇化率相同，不再赘述具体计算过程。

1.4 空间马尔可夫链

本文利用空间马尔可夫链分析方法构造空间马尔可夫转移概率矩阵，刻画各个地级行政单元在不同时期的就近城镇化时空分异演变情况，探析中国就近城镇化差异的空间演变过程。空间马尔可夫链是考虑到地理邻近对区域就近城镇化的空间相互作用，在传统马尔可夫链的基础上引入空间滞后效应。空间马尔可夫链转移概率矩阵是首先将连续的地区就近城镇化水平分解为n种类型，然后计算相应类型的概率分布及其时间变化，近似模拟地区就近城镇化的演变过程，构建传统n×n马尔可夫矩阵；最后，以各个地区在初始年份的空间滞后类型为条件，将传统n×n马尔可夫矩阵分解为n个n×n条件转移概率矩阵(表1)。
表1 空间马尔可夫链转移概率矩阵 (n=4)

Tab.1 Spatial Markov transition probility matrix (n=4)

空间滞后类型 t时期
类型		 t+1时期类型
1 2 3 4
1 1 p11/1 p12/1 p13/1 p14/1
2 p21/1 p22/1 p23/1 p24/1
3 p31/1 p32/1 p33/1 p34/1
4 p41/1 p42/1 p43/1 p44/1
2 1 p11/2 p12/2 p13/2 p14/2
2 p21/2 p22/2 p23/2 p24/2
3 p31/2 p32/2 p33/2 p34/2
4 p41/2 p42/2 p43/2 p44/2
3 1 p11/3 p12/3 p13/3 p14/3
2 p21/3 p22/3 p23/3 p24/3
3 p31/3 p32/3 p33/3 p34/3
4 p41/3 p42/3 p43/3 p44/3
4 1 p11/4 p12/4 p13/4 p14/4
2 p21/4 p22/4 p23/4 p24/4
3 p31/4 p32/4 p33/4 p34/4
4 p41/4 p42/4 p43/4 p44/4

注：p12/3表示当区域的空间滞后类型为3时，t时期属于类型1而在t+1时期转移为类型2的空间转移概率，其余类推。

1.5 研究区域与数据来源

区域就近城镇化差异存在着空间尺度差异。为剖析中国就近城镇化的多尺度空间差异特征，本文将空间单元划分为三级：地级行政区为基本空间单元，省级行政区为中尺度空间单元，东北、东、中、西四大板块为大尺度空间单元。其中，东北板块包括黑龙江、吉林和辽宁；东部板块包括北京、天津、河北、山东、江苏、上海、浙江、福建、广东和海南；中部板块包括山西、河南、安徽、湖北、湖南和江西；西部板块包括广西、重庆、四川、贵州、云南、西藏、内蒙古、山西、甘肃、青海、宁夏和新疆。另外，港澳台地区数据暂缺，暂不分析。为了保证样本可比性与科学性，本文对部分数据进行处理：① 为保证各层次嵌套结构的完整性，在泰尔指数二阶分解中，将北京、天津、上海、重庆4个直辖市视为地级单元，其中北京和天津归并入河北省、上海归并入江苏省、重庆归并入四川省进行统计；海南省仅有海口和三亚两个地级市，无法进行二阶分解。② 为保证2000—2020年数据的连续性，样本中未纳入2008年由县级市调整为地级市的儋州市、2011年撤销的巢湖市和2012年新成立的三沙市。研究区域分为板块区域(4个)、省域(27个)、市域(包括直辖市、地区、地级市、自治州、副省级城市共332个单元)，研究时间为2000、2010和2020年。
人口统计数据来源于各省区发布的2000、2010和2020年人口普查资料。主要的社会经济统计数据来源于《中国区域经济统计年鉴》《中国城市统计年鉴》及各省份统计年鉴等。地理信息基础数据来源于地球系统科学数据共享平台(http://www.geodata.cn)和地理空间数据云(https://www.gscloud.cn/)。

2 中国就近城镇化区域差异分解

2.1 区域差异总体特征

2000—2020年，中国就近城镇化水平的总体差异呈持续缩小趋势，泰尔指数从2000年的0.112下降到2010年的0.052，继续下降到2020年的0.027，与中国区域城镇化差距逐渐缩小的发展方向一致[16,18]。这说明就近城镇化在一定程度上起到缩小区域城镇化差距的作用。2000—2020年中国就近城镇化水平的总体差异呈持续缩小趋势，主要原因在于2000年以来，中国相继实施了西部大开发、振兴东北、中部崛起等区域协调发展战略，中西部地区与东部地区的经济社会发展差距呈现逐步缩小趋势，成都、重庆、武汉、郑州、西安等区域中心城市以及成渝城市群、长江中游城市群、中原城市群、关中城市群等国家级城市群的人口集聚能力持续增强，从而缩小了四大板块就近城镇化水平的差距[41-42]。
从来源地构成看(图1)，本省城镇化率的总体差异最大，本县城镇化率次之，本镇城镇化率最小。2000—2020年，本省城镇化率、本县城镇化率和本镇城镇化率的泰尔指数均值分别是0.338、0.133和0.063，本省城镇化率是本镇城镇化率的近5.3倍，表明本省城镇化差异是就近城镇化区域差异的主要来源，本县城镇化次之，而本镇城镇化作用微弱。即各地区人口就近集聚能力差异主要表现为对跨市、跨县等较大尺度人口迁移流动的吸引能力，而本镇、本县等小尺度人口迁移流动的吸引能力差异很小。
图1 2000—2020年本省城镇化、本县城镇化和本镇城镇化的泰尔指数

Fig.1 Theil index of provincial urbanization level (PUL), county urbanization level (CUL), and town urbanization level (TUL) during 2000-2020

从变化趋势看，2000—2020年，本镇城镇化率、本县城镇化率和本省城镇化率的总体差异均呈持续缩小趋势，本省城镇化差异的缩小幅度最为明显。具体来看，2000—2020年，本镇城镇化率的泰尔指数从0.106下降至0.034，下降幅度为0.072；本县城镇化率的泰尔指数从0.212下降至0.089，下降幅度为0.123；本省城镇化率的泰尔指数从0.465下降至0.205，下降幅度为0.260(图1)。主要原因是中西部地区的省会城市、区域中心城市等大中城市经济社会发展水平持续提高，人口集聚能力不断增强、辐射范围覆盖全省，极大降低了与东部沿海地区大城市之间的差距。

2.2 区域差异的尺度分解

本文利用二阶段嵌套泰尔系数分解方法，将全国就近城镇化总体分异分解为东、东北、中、西四大板块间差异、四大板块内的省间差异和各省份的省内差异。

2.2.1 板块间、省间和省内差异及其贡献率

全国就近城镇化水平表现为省内差异最大，板块间差异次之，省间差异最小。2000—2020年，全国就近城镇化率的省内、省间和板块间泰尔指数均值分别为0.040、0.010和0.013，对总体差异的贡献率均值分别为60.63%、20.72%和18.65%(图2)。这表明中国四大板块、各省级行政区等大尺度区域之间的就近城镇化差距较小，主要得益于中国区域社会经济差距的缩小。各省区内部的省会(首府)城市、重要中心城市等区域中心城市与其他中小城镇之间的人口集聚能力存在较大差异，成为全国就近城镇化差异的主要来源。
图2 2000—2020年本省城镇化、本县城镇化和本镇城镇化总体分异的板块间、省间和省内差异贡献率

Fig.2 Coutribution rate of the decompositions for the overall regional difference of PUL, CUL, and TUL during 2000-2020

从来源地构成看，全国本省城镇化率和本县城镇化率均表现为省内差异最大、省间差异次之、板块间差异最小；本镇城镇化率表现为省内差异最大、板块间差异次之、省间差异最小。总体来看，本省城镇化、本县城镇化和本镇城镇化等三类就近城镇化差异均主要来源于省内不同等级、职能和类型城镇的人口就近集聚能力差异，与总体就近城镇化差异的来源基本相同。从2000—2020年省内、省间和板块间泰尔指数均值来看，本省城镇化率分别为0.290、0.038和0.010，本县城镇化率分别为0.087、0.034和0.012，本镇城镇化率分别为0.039、0.009和0.016；从省内、省间和板块间差异对总体差异贡献率看，本省城镇化率分别为85.68%、11.43%和2.88%，本县城镇化率分别为58.01%、33.66%和8.33%，本镇城镇化率分别为60.25%、15.29%和24.46%(图2)。其中，省内差异对本省城镇化差异的贡献率最为显著，说明各省区内部不同城镇之间的人口就近集聚能力差异主要表现为对跨市、跨县等较大尺度人口迁移流动的吸引能力。省会(首府)城市和重要中心城市对全省区具有较强的辐射吸引能力，是本省城镇化的主要空间载体；一般中小城镇的辐射范围仅仅局限于本县区范围内。

2.2.2 四大板块内的省间差异及其贡献率

从就近城镇化率看，西部板块的省间差异最大，中部和东部次之，东北最小。具体来看，2000—2020年，西部、中部、东部和东北就近城镇化率的省间泰尔指数均值分别为0.024、0.005、0.003和0.002，对总体差异的贡献率分别为29.06%、10.22%、20.11%和8.22%(图3)。2000年以来，随着西部大开发战略的持续推进，西部地区与东部发达地区的经济社会差距不断缩小，但西部地区内部的资源配置不均衡、地区发展不协调问题较为突出。重庆、四川、陕西、内蒙古、新疆等自然资源丰富、交通条件便利的西部省区经济发展水平和人口集聚能力进一步增强，其他地区的发展则相对滞后。
图3 2000—2020年四大板块就近城镇化率及其来源结构总体分异的省间和省内差异贡献率

Fig.3 Coutribution rate of the decompositions for the inter-sector difference of UL during 2000-2020

从来源地构成看，本省城镇化率表现为西部的省间差异最大，东部和东北次之，中部最小。2000—2020年，西部、东部、东北和中部本省城镇化率的省间泰尔指数均值分别为0.073、0.048、0.028和0.010，对总体差异的贡献率分别为18.95%、13.02%、12.45%和3.23%；本县城镇化率表现为西部的省间差异最大，中部和东北次之，东部最小，2000—2020年西部、中部、东北和东部本县城镇化率的省间泰尔指数均值分别为0.105、0.014、0.014和0.010，对总体差异的贡献率分别为54.06%、21.91%、29.4%和15.36%；本镇城镇化率表现为西部的省间差异最大，东北次之，中部和东部最小，西部、东北、中部和东部本镇城镇化率的省间泰尔指数均值分别为0.017、0.006、0.005和0.005，对总体差异的贡献率分别为21.96%、16.11%、10.64%和22.21%。总体来看，本省城镇化率、本县城镇化率和本镇城镇化率均表现为西部的省间差异最大，省间泰尔指数是其他地区的1.5~10倍，与总体就近城镇化差异的特征基本相同。特别是省间差异对西部地区本县城镇化差异的贡献率最为显著。这表明西部各省区均形成了各自能够辐射带动全省的区域中心城市，但是其他中小城市的发展水平和影响力存在较大的省际差异，导致其对本县域范围内人口的集聚能力差异显著。

2.2.3 四大板块内的省内差异及其贡献率

从就近城镇化率看，西部板块各省的省内差异最大，中部和东北次之，东部最小，各省的省内差异不仅是各板块总体差异的核心来源，也对全国总体差异的影响极其显著。2000—2020年西部、中部、东北和东部就近城镇化率的省内泰尔指数均值分别为0.069、0.035、0.023和0.019，对各板块总体差异的贡献率分别为70.94%、89.79%、91.78%和79.89%，对全国总体差异的平均贡献率分别为28.59%、14.32%、9.70%和8.03%(图3)。这表明，西部各省区就近城镇化率的省内差异是全国总体差异的主要来源，贡献率接近1/3。西部各省区不仅存在明显的省际差异，各省区内部的中心城市与一般城市之间也存在较大差异，一般中小城市发育不足、人口集聚能力极弱。
从来源地构成看，本省城镇化率表现为中部的省内差异最大，西部和东部次之，东北最小，2000—2020年，中部、西部、东部和东北本省城镇化率的省内泰尔指数均值分别为0.325、0.315、0.257和0.154；本县城镇化率表现为西部的省内差异最大，东部和中部次之，东北最小，2000—2020年，西部、东部、中部和东北本县城镇化率的省内泰尔指数均值分别为0.116、0.070、0.065和0.034；本镇城镇化率表现为西部的省内差异最大，东北和中部次之，东部最小，2000—2020年，西部、东北、中部和东部本镇城镇化率的省内泰尔指数均值分别为0.065、0.031、0.029和0.021。总体来看，本省城镇化率、本县城镇化率和本镇城镇化率均表现为西部和中部各省的省内差异较大，而东部和东北较小。这表明中国就近城镇化差异的主要来源是中西部省区内部各城市之间的差异，主要表现为区域中心城市成为辐射全省区的人口集聚中心，本省城镇化水平较高；而一般中小城市的人口集聚能力弱、辐射范围限于本县域或本市域，本省城镇化水平极低。

3 中国就近城镇化区域趋同格局分析

通过比较板块间差异、省际差异和省内地(市)间差异，省内地(市)间差异对2000—2020年中国就近城镇化区域差异的贡献率最大，是中国就近城镇化区域差异的主要来源。据此，本文首先利用马尔可夫链分析方法，以地级行政单元为基本尺度，判断中国各地(市)就近城镇化差异是否发生俱乐部趋同，以及各趋同俱乐部的稳定性和各地(市)在不同趋同俱乐部之间的转移情况，分析各地区在不同时期的就近城镇化时空分异演变情况；在此基础上，利用空间马尔可夫链分析方法，分析地理空间效应对中国各地(市)就近城镇化差异的影响。

3.1 中国就近城镇化区域趋同格局特征

3.1.1 中国就近城镇化区域趋同的时间演变特征

本文以全国就近城镇化率平均值为基础，将m(332)个地级行政区划分为4个类型(k=1,2,3,4)：低水平地区(就近城镇化率低于全国平均值的50%)、中低水平地区(就近城镇化率介于全国平均值的50%~100%)、中高水平地区(就近城镇化率界于全国平均值的100%~150%)和高水平地区(就近城镇化率高于全国平均值的150%)。这4种就近城镇化水平类型分别用k=1,2,3,4表示，k越大表明就近城镇化率越高。据此得到2000—2020年中国就近城镇化类型马尔可夫转移概率矩阵(表2)。
表2 2000—2020年中国就近城镇化率的马尔可夫转移概率矩阵

Tab.2 Markov transition probility matrix of UL in China during 2000-2020

t时期
类型		 m t+1时期类型
1
(低水平)		 2
(中低水平)		 3
(中高水平）		 4
(高水平)
1 40 0.150 0.825 0.025 0
2 156 0.026 0.635 0.340 0
3 78 0 0.308 0.692 0
4 58 0 0.052 0.879 0.069
由表2可知，中低水平和中高水平地区就近城镇化类型保持不变的概率大于63%，呈现增长惯性和路径依赖，存在中水平“俱乐部趋同”现象；而低水平地区和高水平地区就近城镇化类型发生转移的概率大于85%，具有较强的突破原有状态的不稳定性。其中，低水平地区具有较高的向上转移概率(85%)，而高水平地区具有较高的向下转移概率(93.1%)。这表明，随着高水平地区不断向下转移、低水平地区持续向上转移、中水平(中高水平和中低水平)地区保持原有类型，中国就近城镇化区域差异将随着时间推移而逐渐缩小，呈现总体上趋同而局部趋异的现象，区域之间就近城镇化水平趋向均衡。2000—2020年，中国就近城镇化水平呈持续增长态势，就近城镇化低水平地区的增长速度远高于高水平地区，从而导致就近城镇化差距逐渐缩小。

3.1.2 中国就近城镇化趋同的空间转移特征

根据就近城镇化类型转移方向和幅度，将区域就近城镇化类型转移情况划分为5类：跳跃下移类(Δk < -1)、梯次下移类(Δk = -1)、稳定类(Δk = 0)、梯次上移类(Δk = 1)、跳跃上移类(Δk > 1)。由图4可知，2000—2020年，稳定类地区为163个，占所有地区的49.10%，呈“连片状”广泛分布在山东、四川、内蒙古、广东、广西、湖南等26个省区。梯次上移类地区为86个，占所有地区的25.9%，呈“团聚状”广泛分布在河南、云南、甘肃、重庆、安徽、江苏等22个省区。梯次下移类地区为79个，占所有地区的23.8%，呈“团聚状+零星状”分布在黑龙江、吉林、辽宁、广东、新疆等24个省区。跳跃下移类和跳跃上移类地区极少，仅4个；其中跳跃上移类地区分布在安徽宿州，跳跃下移类地区分布在安徽铜陵、北京市和上海市。总体上看，全国近一半的地级行政区就近城镇化水平处于稳定状态；1/4的地区就近城镇化水平快速提高、向上转移，主要分布在中西部地区；1/4的地区就近城镇化水平增长较为缓慢、向下转移，主要分布在东部和东北地区。这说明中国就近城镇化差距的逐步缩小主要得益于中西部地区就近城镇化水平的快速增长。
图4 2000—2020年中国就近城镇化类型变化

注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2019)1827号的标准地图制作，底图边界无修改。下同。

Fig.4 Transition of nearby urbanization classes in China during 2000-2020

为了进一步分析就近城镇化类型转移的空间关联性，根据区域自身及其邻域类型转移之间的关系，将区域就近城镇化类型转移划分为9类：区域向上、邻域向上；区域向上、邻域不变；区域向上、邻域向下；区域不变、邻域向上；区域不变、邻域不变；区域不变、邻域向下；区域向下、邻域向上；区域向下、邻域不变；区域向下、邻域向下。由图5可得，2000—2020年区域与邻域的就近城镇化类型发生同向转移的城市数量为173个，占所有城市的52.11%，大都属于中水平“俱乐部”。其中，区域与邻域同时向上转移的地区呈“零星状”分散分布在湖南、湖北、江西等中部省份，以及云南西部、西藏西部和新疆西南部等西部省区；区域与邻域同时向下转移的地区呈“团块状”集中分布在东北省份，“零星状”分散分布在新疆、广东等就近城镇化高水平地区。综上，就近城镇化类型转变与周围地理环境具有密切联系，具有明显的空间联动效应，即相邻区域的就近城镇化倾向于同向发展，特别是中水平就近城镇化类型。
图5 2000—2020年中国就近城镇化类型变化及邻域类型变化分布

Fig.5 Transition of spatial patterns of nearby urbanization and that of neighboring areas in China during 2000-2020

3.1.3 中国就近城镇化俱乐部趋同的空间解释

中国各地区就近城镇化水平存在一定的空间相关性，往往受到邻近区域环境的影响，具有较强的空间交互效应。因此，本文在传统马尔可夫转移矩阵中引入空间滞后条件，构建空间马尔可夫概率转移矩阵。通过比较表2和表3，可以发现：① 中国就近城镇化类型的转移具有明显的空间效应，区域在不同的区域背景下，就近城镇化类型转移的概率不同。例如，高水平就近城镇化地区分别在低水平、中低水平、中高水平和高水平的区域背景中向下转移的概率依次为1.000、0.929、0.905、0.952。② 在区域就近城镇化类型转移过程中，不同区域背景所起的作用各不相同。一般来说，若以就近城镇化水平较高的地区为邻，区域向上转移的概率将增加，向下转移的概率将减小；反之亦然。例如，一个中高水平地区向下转移的平均概率为0.451，当与低水平地区相邻时，其向下转移的概率将上升至1.000；当与高水平地区相邻时，其向下转移的概率下降至0.333。一个中低水平地区向上转移的平均概率为0.184，若与低水平地区为邻，其向上转移的概率降至0；若与中高水平地区为邻，其向上转移的概率将提高至0.395。③ 空间马尔可夫转移概率矩阵为中国就近城镇化的中水平“俱乐部趋同”现象提供了空间上的解释。如果与低水平就近城镇化区域为邻，将受到负面影响；而以高水平区域为邻，将会促进其向上转移，抑制其向下转移。
表3 2000—2020年中国就近城镇化率的空间马尔可夫转移概率矩阵

Tab.3 Spatial Markov transition probility matrix of UL in China during 2000-2020

空间滞
后类型		 t时期
类型		 t+1时期类型
1 2 3 4
1 1 0.375 0.625 0 0
2 0 1.000 0 0
3 0 1.000 0 0
4 0 0 1.000 0
2 1 0.094 0.875 0.031 0
2 0.019 0.642 0.340 0
3 0 0.105 0.895 0
4 0 0.071 0.857 0.071
3 1 0 0 0 0
2 0.047 0.558 0.395 0
3 0 0.367 0.633 0
4 0 0.095 0.810 0.095
4 1 0 0 0 0
2 0 1.000 0 0
3 0 0.333 0.667 0
4 0 0 0.952 0.048
已有研究发现，中国各地区就近城镇化水平受到自然地理条件、经济发展水平、公共服务资源、交通运输条件等多重因素影响，一方面表现出区域之间的显著差异性，另一方面表现出区域内部的高度相似性[37]。经济增长、公共服务资源、交通运输条件等要素具有空间溢出效应，不仅影响自身区域的就近城镇化，同时对周边区域的就近城镇化具有重要作用，从而促使中国就近城镇化产生俱乐部趋同现象。具体来看：① 经济增长与非农产业发展要素。区域经济增长速度和非农产业发展水平直接决定了区域对农村剩余劳动力的吸纳能力大小，是就近城镇化的核心动力。克鲁格曼(Paul Krugman)的市场潜能理论提出，当一个地区经济发展水平较高时，对其周边地区产品的需求能力就大，则对周边地区可能带来潜在发展效应和辐射带动作用[43]。经济增长的空间溢出效应导致区域之间的农村剩余劳动力吸纳能力产生一定的空间依赖性。② 交通运输要素。交通运输设施是区域之间经济与社会活动的联系纽带，加速区域之间物质、资金和信息的流动，促进区域产业发展和服务设施建设，从而提高区域的人口集聚能力。同时，交通运输设施具有区域外部性与网络性特征，一方面通过扩散效应，使经济发达地区带动欠发达地区经济增长，产生空间溢出正效应；另一方面通过集聚效应，加速生产要素从经济欠发达地区流向发达地区，产生空间溢出负效应[44]。交通运输设施的双重空间溢出效应对区域之间的经济增长与人口集聚能力产生空间效应。③ 公共服务资源要素。当前中国很多流动人口的利益诉求不再局限于经济利益，优质的公共服务资源成为就近城镇化的新动力[45]。公共服务资源具有外部性和共享性特征，依托于便利的交通运输条件，优质公共服务资源的覆盖范围和服务人群往往会远远超过本行政区，从而对周边地区人口集聚能力产生正的空间溢出效应。

3.2 本省城镇化、本县城镇化和本镇城镇化区域趋同格局特征

3.2.1 本省城镇化、本县城镇化和本镇城镇化区域趋同的时间演变特征

基于2000—2020年中国332个地级行政区的本省城镇化率、本县城镇化率和本镇城镇化率，参照3.1.1节中国就近城镇化率马尔可夫转移概率矩阵的构建方法，本文构建2000—2020年中国本省城镇化类型、本县城镇化类型和本镇城镇化类型共3个马尔可夫转移概率矩阵(表4)。总体来看，2000—2020年中国本省城镇化、本县城镇化和本镇城镇化差异具有相同的发展趋势。具体来看：
表4 2000—2020年中国本省城镇化率、本县城镇化率和本镇城镇化率的马尔可夫转移概率矩阵

Tab.4 Markov transition probility matrix of PUL, CUL, and TUL in China during 2000-2020

类型 t时期
类型		 m t+1时期类型
1 2 3 4
本省城镇化 1 133 0.376 0.519 0.075 0.030
2 104 0.135 0.606 0.231 0.029
3 38 0.026 0.237 0.526 0.211
4 57 0.088 0.105 0.140 0.667
本县城镇化 1 81 0.296 0.358 0.309 0.037
2 116 0.112 0.353 0.448 0.086
3 73 0.082 0.342 0.397 0.178
4 62 0.016 0.452 0.403 0.129
本镇城镇化 1 35 0.114 0.829 0.057 0
2 160 0.031 0.575 0.394 0
3 88 0 0.364 0.625 0.011
4 49 0 0.163 0.694 0.143
对于本省城镇化，中低水平、中高水平和高水平类型保持不变的概率大于52%，存在中低水平、中高水平和高水平三个“俱乐部”；而低水平向上转移的概率大于62%，具有较强的突破原有状态的不稳定性。这表明，随着低水平类型不断向上转移，中低水平、中高水平和高水平保持原有类型，中国本省城镇化差异将随着时间推移而逐渐缩小。
对于本县城镇化，所有类型保持不变的概率介于12%~40%，发生转移的概率介于60%~88%，具有较强的突破原有状态的不稳定性，没有明显的“俱乐部趋同”现象。其中，低水平和中低水平均具有较高的向上转移概率，分别为70.4%和53.5%；中高水平地区和高水平地区具有较高的向下转移概率分别为42.5%和87.1%。这表明，随着中高水平地区和高水平地区不断向下转移、其他类型地区不断向上转移，中国本县城镇化区域差异将逐渐缩小，区域之间本县城镇化水平趋向均衡。
对于本镇城镇化，中低水平和中高水平地区本镇城镇化类型保持不变的概率大于57%，呈现增长惯性和路径依赖，存在中水平“俱乐部趋同”现象；而低水平地区和高水平地区本镇城镇化类型发生转移的概率大于85%，具有较强的突破原有状态的不稳定性。其中，低水平地区具有较高的向上转移概率(88.6%)，高水平地区具有较高的向下转移概率(85.7%)。这与中国就近城镇化区域差异的发展趋势相同，即随着高水平地区不断向下转移、低水平地区持续向上转移、中水平(中高水平和中低水平)地区保持原有类型，中国本镇城镇化差异将逐渐缩小，呈现总体上趋同而局部趋异的现象。
总体上看，本省城镇化、本县城镇化和本镇城镇化等三类就近城镇化差异均随着时间推移而逐渐缩小，与就近城镇化总体发展趋势相同。但是，三类就近城镇化差异的俱乐部趋同特征具有一定差异，具体表现为：本省城镇化具有较为显著的“俱乐部趋同”现象，由于核心城市的“虹吸效应”吸引周边大量的人口、资金、技术、信息等生产要素，导致对本省域人口集聚能力出现“马太效应”，本省城镇化差异成为就近城镇化区域差异的主要来源；与本省城镇化相反，本县城镇化没有明显的“俱乐部趋同”现象，不同类型地区之间的转移概率大，特别是中小城镇对本县域人口集聚能力持续增强，导致本县城镇化整体水平提高、区域差距持续缩小；本镇城镇化存在中水平“俱乐部趋同”现象，低水平地区和高水平地区具有较强的局部变动趋势，导致本镇城镇化差距不断缩小、但缩小幅度不大。

3.2.2 本省城镇化、本县城镇化和本镇城镇化区域趋同的空间转移特征

参照3.1.2节区域就近城镇化类型转移的划分方法，将本省城镇化、本县城镇化和本镇城镇化类型转移情况划分为5类：跳跃下移类、梯次下移类、稳定类、梯次上移类、跳跃上移类。图6显示，本省城镇化、本县城镇化和本镇城镇化的稳定类地区均呈“连片状”广泛分布在全国各地，向上转移类地区“东多西少”，向下转移类地区“北多南少”。
图6 2000—2020年中国本省城镇化、本县城镇化和本镇城镇化类型变化

Fig.6 Transition of PUL, CUL, and TUL in China during 2000-2020

具体来看：① 本省城镇化(图6a)。2000—2020年，稳定类地区为171个，占所有地区的51.51%，呈“连片状”广泛分布在全国各地。跳跃上移类地区为17个，占所有地区的5.12%，呈“零星状”散布在西藏、甘肃、山东等13个省区。梯次上移类地区为101个，占所有地区的30.42%，呈“团块状”分布在安徽、山东、山西、河北、辽宁、新疆等省区。跳跃下移类地区为12个，占所有地区的3.61%，呈“零星状”散布在江苏、四川等9个省区。梯次下移类地区为31个，占所有地区的9.34%，呈“零星状”散布在云南、黑龙江、湖南、广东等省区。② 本县城镇化(图6b)。2000—2020年，稳定类地区为102个，占所有地区的30.72%，呈“连片状”分布在内蒙古、西藏等西部省区以及“团块状”分布在河北、山东、四川、广东等中东部省区。跳跃上移类地区为38个，占所有地区的11.45%，呈“零星状”散布在西藏、湖北、山西等省区。梯次上移类地区为94个，占所有地区的28.31%，呈“连片状”分布在陕西、安徽、江西、贵州、云南等省区。跳跃下移类地区为35个，占所有地区的10.54%，呈“零星状”散布在辽宁、四川、广西等省区。梯次下移类地区为63个，占所有地区的18.98%，呈“团块状”散布在四川、广东、辽宁等22个省区。③ 本镇城镇化(图6c)。2000—2020年，稳定类地区为158个，占所有地区的47.59%，呈“连片状”广泛分布在全国各地。梯次上移类地区为93个，占所有地区的28.01%，呈“团块状”分布在河南、安徽、云南等省区。梯次下移类地区为71个，占所有地区的21.39%，呈“团块状”散布在吉林、福建、广东等省区。跳跃下移类和跳跃上移类地区极少，仅10个；其中跳跃上移类地区分布在新疆喀什和安徽宿州，跳跃下移类地区分布在广州、北京、铜陵、通化、辽源、吉林、阿拉善盟和银川。
本省城镇化、本县城镇化和本镇城镇化等三类就近城镇化差异的空间演变特征存在一定差异：本省城镇化中近1/3的地区发生向上转移，呈“团块状”集聚分布在环渤海、长江中游、云贵地区、新疆和西藏等地区的中小城市。随着经济社会发展水平的提高，这些地区中小城市的人口集聚范围有所扩大，逐步成为省域重要节点城市。本县城镇化中近40%的地区发生向上转移，呈“连片状”广泛分布在河南、山西、安徽、江西等中部各省及甘肃、广西、青海等西部省区。2000年以来中西部地区县域城镇化水平快速提升，县城和县级市中心城区成为农村剩余劳动力、返乡就业创业农民工、退伍军人以及高校毕业生等众多群体的新迁移目的地。本镇城镇化中近1/3的地区发生向上转移，呈“团块状”分布在云南、安徽、河南、河北、甘南和陕南等中西部地区；近1/4的地区发生向下转移，主要分布在东北、东南沿海和北疆等地区。东南沿海和北疆地区是全国重要的跨省人口迁移目的地，一定程度上降低了本镇人口在城镇总人口中的比重；东北地区本镇城镇化类型向下转移的主要原因是在资源型产业转型发展过程中的人口外流。
为进一步分析本省城镇化、本县城镇化和本镇城镇化类型转移的空间关联性，参照3.1.2节区域就近城镇化类型转移的划分方法，将区域就近城镇化类型转移划分为9类：区域向上、邻域向上；区域向上、邻域不变；区域向上、邻域向下；区域不变、邻域向上；区域不变、邻域不变；区域不变、邻域向下；区域向下、邻域向上；区域向下、邻域不变；区域向下、邻域向下。总体来看，本省城镇化、本县城镇化和本镇城镇化的类型转变具有一定的空间联动效应，即相邻水平地区倾向于同向发展，特别是本省城镇化的中水平和高水平地区以及本镇城镇化的中水平地区。
具体来看：① 本省城镇化(图7a)。2000—2020年，区域与邻域的本省城镇化类型发生同向转移的城市数量占所有城市的48.8%，主要集中在高水平和中水平类型。其中，区域与邻域同时向上转移的地区呈“团块状”分布在河北、安徽、陕西、新疆等省份的中水平地区；区域与邻域同时向下转移的地区呈“零星状”散布在广东、江苏、黑龙江等省份的高水平地区。② 本县城镇化(图7b)。2000—2020年，区域与邻域的本县城镇化类型发生同向转移的城市数量占所有城市的51.81%，发生不同方向转移的城市数量占比为48.19%。其中，区域与邻域同时向上转移的城市数量占所有城市的17.17%，呈“连片状”分布在云南、甘肃、陕西、内蒙古等省份。③ 本镇城镇化(图7c)。2000—2020年，区域与邻域的本镇城镇化类型发生同向转移的城市数量为178个，占所有城市的53.61%，主要集中在中低水平和中高水平类型。其中，区域与邻域均保持不变的城市数量高达94个，占所有城市数量的28.31%，呈“连片状”广泛分布在辽宁、山东、长江沿线和东南沿海地区。
图7 2000—2020年中国本省城镇化、本县城镇化和本镇城镇化类型变化及邻域类型变化

Fig.7 Transition of spatial patterns of PUL, CUL, TUL and that of neighboring areas in China during 2000-2020

通过比较本省城镇化、本县城镇化和本镇城镇化等三类就近城镇化差异的空间关联演变特征发现：环渤海、长江中游和川陕地区的省会、区域中心城市具有较强的空间溢出效应，辐射带动周边地区成为全省重要的人口集聚中心。河南、山西、湖南、江西等中部各省以及甘肃、宁夏、青海等西北地区的中小城市及其周边地区，县域人口集聚能力大幅提升，空间集聚特征显著。辽宁、山东、四川、广东、福建等省份的大量中小城市及其周边地区具有较高的、稳定的吸纳本地劳动力的能力，成为本镇城镇化中等水平集聚区。

3.2.3 本省城镇化、本县城镇化和本镇城镇化俱乐部趋同的空间解释

通过比较本省城镇化、本县城镇化和本镇城镇化传统马尔可夫转移矩阵(表4)和空间马尔可夫概率转移矩阵(表5)，可以发现：不同的邻域环境造成区域本省城镇化、本县城镇化和本镇城镇化的类型转移概率不同，即区域背景对本省城镇化、本县城镇化和本镇城镇化发展起着重要影响。本省城镇化、本县城镇化和本镇城镇化存在一定的空间溢出效应，即水平较高的区域更有可能带动周边区域发展，产生正向溢出效应；水平较低地区更会阻碍周边区域发展，产生负向的空间溢出效应，从而形成了空间上的趋同俱乐部。具体来看：
表5 2000—2020年中国本省城镇化率、本县城镇化率和本镇城镇化率的空间马尔可夫转移概率矩阵

Tab.5 Spatial Markov transition probility matrix of PUL, CUL, and TUL in China during 2000-2020

类型 空间滞
后类型		 t时期
类型		 t+1时期类型
1 2 3 4
本
省
城
镇
化		 1 1 0.286 0.571 0.107 0.036
2 0.111 0.556 0.222 0.111
3 0 0 0.600 0.400
4 0.167 0 0.167 0.667
2 1 0.387 0.484 0.097 0.032
2 0.191 0.574 0.234 0
3 0 0.286 0.357 0.357
4 0.056 0.056 0.056 0.833
3 1 0.393 0.536 0.036 0.036
2 0.125 0.625 0.250 0
3 0.091 0.273 0.636 0
4 0.125 0.250 0.188 0.438
4 1 0.467 0.533 0 0
2 0 0.733 0.200 0.067
3 0 0.250 0.625 0.125
4 0.059 0.059 0.176 0.706
本
县
城
镇
化		 1 1 0.652 0.217 0.087 0.043
2 0.400 0.400 0.200 0
3 0.500 0.500 0 0
4 0 0.750 0.250 0
2 1 0.049 0.488 0.463 0
2 0.125 0.359 0.469 0.047
3 0.071 0.429 0.393 0.107
4 0.059 0.588 0.235 0.118
3 1 0.400 0.200 0.267 0.133
2 0.073 0.341 0.439 0.146
3 0.094 0.281 0.469 0.156
4 0 0.450 0.450 0.100
4 1 0.500 0.500 0 0
2 0 0.333 0.500 0.167
3 0 0.273 0.273 0.455
4 0 0.286 0.524 0.190
本
镇
城
镇
化		 1 1 0.167 0.833 0 0
2 0 0.667 0.333 0
3 0 1.000 0 0
4 0 0 1.000 0
2 1 0.103 0.828 0.069 0
2 0.018 0.558 0.425 0
3 0 0.444 0.556 0
4 0 0.100 0.800 0.100
3 1 0 0 0 0
2 0.071 0.619 0.310 0
3 0 0.321 0.660 0.019
4 0 0.250 0.688 0.063
4 1 0 0 0 0
2 0 0.500 0.500 0
3 0 0.286 0.714 0
4 0 0.136 0.636 0.227
(1) 本省城镇化。对于中低水平、中高水平和高水平地区来说，本省城镇化类型转移具有显著的空间溢出效应。例如，若中低水平地区分别以较高水平和高水平地区为邻，向上转移的概率依次为0.250和0.267；若中高水平地区分别以较低水平和高水平地区为邻，向下转移的概率依次为0.286和0.250；若高水平地区分别以较高水平和高水平地区为邻，向下转移的概率依次为0.563和0.294。本省城镇化空间马尔可夫转移概率矩阵为本省城镇化的中低水平、中高水平和高水平三组“俱乐部趋同”现象提供了空间上的解释。邻域环境对本省城镇化中等水平和高水平城市的人口集聚能力具有显著影响，省会和省域重要中心城市对周边地区产生一定的辐射带动作用，提升周边地区的省域影响力和吸引力。
(2) 本县城镇化。对于中低水平和中高水平地区来说，本县城镇化类型的转移具有一定的空间溢出效应。例如，中低水平地区向上转移的平均概率为0.492，当分别以中低和中高水平地区为邻时，概率增加至0.516和0.585，而以低水平地区为邻时，概率降至0.200。中高水平地区向上转移的平均概率为0.180，当分别以低和中低水平地区为邻时，概率降至0和0.107，而以高水平地区为邻时，概率增加至0.190。
(3) 本镇城镇化。对于中低水平和中高水平地区来说，本镇城镇化类型的转移具有明显的空间溢出效应。例如，一个中高水平地区分别以低水平和高水平地区为邻，其向下转移的概率分别为1.000和0.286；一个中低水平地区分别以低水平和高水平地区为邻，其向上转移的概率分别为0.333和0.500。
总体来看，本省城镇化、本县城镇化和本镇城镇化等三类就近城镇化的中水平地区均具有较强的空间溢出效应，为中水平“俱乐部趋同”现象提供了空间上的解释。其中，本省城镇化的空间溢出效应最为显著，本镇城镇化次之，本县城镇化最小。这导致本省城镇化容易出现“马太效应”，省域内部发展极化现象突出，省域中心城市及其周边地区的人口集聚能力不断提升，其他地区的地位则日益边缘化。与此不同，本县城镇化的空间异质性特征明显，县城、县级市中心城区等中小城镇人口集聚能力具有较为显著的空间差异。本镇城镇化的空间集聚特征显著，形成多个中水平本镇城镇化集聚区。
本省城镇化、本县城镇化和本镇城镇化的空间溢出效应存在一定差异，主要原因在于不同尺度人口迁移流动的主导因素和空间载体各异。对于本省城镇化，人口迁移流动的范围相对最大，倾向于选择工资收入最高、公共服务最优质的省域中心城市，其他一般中小城市的吸引力极弱。中国中西部省区的城镇体系不够完善，省会(首府)城市依托地理区位、自然资源和行政中心的多重优势，首位度不断上升；省内次级城市由于资源环境承载力较低，加上对外开放条件远不如东部同等级城市，与首位城市的发展差距持续拉大，从而导致本省城镇化的“俱乐部趋同”现象[46]。对于本县城镇化，人口迁移流动倾向于选择公共服务较为完善、非农就业机会较多、城乡通勤便利的县城和县级中心城区。2000—2020年，中国中西部地区大批县域城镇化水平大幅提升，主要原因在于凭借较为完善的教育、医疗等公共服务设施，吸引大量外出务工人员在县城购房。由于中西部地区的县域城镇化很大程度上不是根源于县域经济增长和非农产业发展，很多农民在县城购房后更加依赖外出务工收入，导致本县城镇化的增速很快，但没有显著的空间溢出效应[47]。对于本镇城镇化，人口迁移流动的主要目的是工农兼业。环渤海地区和东南沿海地区拥有一批农业发展条件优良、非农产业特色鲜明、对外交通条件优越的特色小城镇，空间集聚特征显著，成为中高水平的本镇城镇化集中分布区。

4 结论与讨论

2000—2020年，中国就近城镇化水平的总体差异呈持续缩小趋势，与中国区域城镇化差距逐渐缩小的发展方向一致。主要原因在于，2000年以来，中国相继实施了西部大开发、振兴东北、中部崛起等区域协调发展战略，中西部地区与东部地区的经济社会发展差距逐步缩小。其中，本省城镇化率的总体差异最大，本县城镇化率次之，本镇城镇化率最小。进一步将总体差异进行尺度分解，就近城镇化水平表现为省内差异最大，板块间差异次之，板块内省际差异最小；同时，本省城镇化率、本县城镇化率和本镇城镇化率均表现为省内差异最大。比较东、东北、中、西四大板块内的省间差异，西部的省间差异最大，其他板块相对较小；比较四大板块的省内差异，西部和中部各省的省内差异较大，而东部和东北较小。这表明中国四大板块、各省级行政区等大尺度区域之间的就近城镇化差距较小，主要得益于中国区域社会经济差距的缩小。中西部各省区内部的省会城市、重要节点城市等区域中心城市与其他中小城镇之间的人口集聚能力仍存在较大差异，成为全国就近城镇化差异的主要来源。
通过构建空间马尔可夫转移概率矩阵，刻画中国就近城镇化水平区域趋同的时空演变格局。结果表明，中国就近城镇化水平存在中水平“俱乐部趋同”现象。具体到三个细分类型，本省城镇化存在中高水平“俱乐部”，本县城镇化不存在明显的“俱乐部趋同”现象，本镇城镇化存在中水平“俱乐部趋同”现象。就近城镇化及其三个细分类型转变均与周围环境具有明显的空间联动效应，特别是中水平趋同俱乐部倾向与邻域发生同向转移。中国就近城镇化发展存在一定的空间溢出效应，即水平较高的区域带动周边区域发展的可能性较大，产生正向溢出效应；水平较低地区更容易抑制周边区域发展，产生了负向的空间溢出效应，进而产生了空间上的趋同俱乐部。其中，本省城镇化的空间溢出效应最为显著，本镇城镇化次之，本县城镇化最小。
2023年，中国城镇化率高达66.16%，进入到城镇化发展的中后期阶段，发展速度逐步减缓、质量进一步提升。在此趋势背景下，促进农村劳动力就地就近转移、推进就近城镇化模式是加速农业转移人口市民化、实现城镇化高质量发展的重要路径。由于自然地理环境的地域分异规律与经济社会要素的不均衡发展特征，中国各地区人口就近城镇化存在着明显的区域差异、空间效应和尺度效应。从区域差异来看，2000—2020年东部地区就近城镇化率远高于中西部地区，但各板块之间的差距不断缩小，成为中国区域城镇化差距逐步缩小的重要动力。从空间效应来看，中国就近城镇化发展具有较强的空间交互效应，其中核心城市对本省域人口集聚能力具有“虹吸效应”，成为就近城镇化区域差异的主要来源。从尺度效应来看，四大板块之间、省际等大尺度的区域就近城镇化差距较小，而省内市际的中小尺度差距较大。未来亟需因地制宜、分区分类推进各地区就近城镇化进程，重点增强省域内部各级各类区域的发展均衡性。
新型城镇化背景下，推进就近城镇化模式，是破除异地城镇化模式弊端、协同推进新型城镇化和乡村振兴的重要战略选择。由于各地区自然环境基础、经济发展水平、交通运输条件、公共服务资源、城市行政等级等因素差异，中国就近城镇化水平呈现显著的空间分布差异和主导载体差异。本文为全面把握中国城镇化的区域差异、科学制定城镇化差异性战略措施提供科学支撑，有助于加快推进以人为核心的新型城镇化和促进区域协调发展等国家级战略。本文研究表明，2000—2020年中国就近城镇化的区域差距逐步缩小，但本省城镇化的区域差距仍然较大，是就近城镇化的主要来源。因此，下一步重点是促进中心城市对周边毗邻城市辐射带动能力，增强中小城市的影响力和吸引力，培育多个区域性中心城市，构建多中心、多层级、多节点的网络型城镇体系，缩小各城市的本省城镇化差距。同时发现，本县城镇化具有较强的突破原有状态和路径依赖的概率，县域中心城镇的人口集聚能力大幅提升，但是中西部地区很多县域发展缺少产业支撑，未来县域城镇化的增长空间受限。因此，中西部地区的县域要充分挖掘特色优势，培育特色产业集群，强化县域经济发展支撑，不断提升县城公共服务水平，推进以县城为重要载体的新型城镇化建设。此外，充分重视邻域环境对就近城镇化发展的空间溢出效应，以城市群、都市圈为依托，优化提升东部地区核心城市的结构质量，持续提升中西部地区核心城市的发展能级，促进核心城市和邻近城市之间的一体化发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陆大道, 陈明星. 关于“国家新型城镇化规划(2014—2020)”编制大背景的几点认识[J]. 地理学报, 2015, 70(2): 179-185.

DOI

[Lu Dadao, Chen Mingxing. Several viewpoints on the background of compiling the "National New Urbanization Planning (2014-2020)". Acta Geographica Sinica, 2015, 70(2): 179-185.]

DOI

[2]
方创琳. 中国新型城镇化高质量发展的规律性与重点方向[J]. 地理研究, 2019, 38(1): 13-22.

DOI

[Fang Chuanglin. Basic rules and key paths for high-quality development of the new urbanization in China. Geographical Research, 2019, 38(1): 13-22.]

[3]
张佳丽. 中国城镇化的差异性思考[J]. 城市发展研究, 2013, 20(11): 1-6, 13-14.

[Zhang Jiali. The difference of urbanization in China. Urban Development Studies, 2013, 20(11): 1-6, 13-14.]

[4]
刘盛和. 中国城市化水平省际差异的成因探析[J]. 长江流域资源与环境, 2004, 13(6): 530-535.

[Liu Shenghe. Causal analysis on the regional disparities of urbanization in China. Resources and Environment in the Yangtze Basin, 2004, 13(6): 530-535.]

[5]
陆大道, 姚士谋. 中国城镇化进程的科学思辨[J]. 人文地理, 2007(4): 1-5, 26.

[Lu Dadao, Yao Shimao. A scientific thought about urbanization progress in China. Human Geography, 2007(4): 1-5, 26.]

[6]
陈明星, 叶超, 陆大道, 等. 中国特色新型城镇化理论内涵的认知与建构[J]. 地理学报, 2019, 74(4): 633-647.

DOI

[Chen Mingxing, Ye Chao, Lu Dadao, et al. Cognition and construction of the theoretical connotation for new-type urbanization with Chinese characteristics. Acta Geographica Sinica, 2019, 74(4): 633-647.]

DOI

[7]
李强, 陈振华, 张莹. 就近城镇化与就地城镇化[J]. 广东社会科学, 2015(1): 186-199.

[Li Qiang, Chen Zhenhua, Zhang Ying. Nearby urbanization and in situ urbanization. Social Sciences in Guangdong, 2015(1): 186-199.]

[8]
李强, 陈振华, 张莹. 就近城镇化模式研究[J]. 广东社会科学, 2017(4): 179-190, 256.

[Li Qiang, Chen Zhenhua, Zhang Ying. Research on nearby urbanization models. Social Sciences in Guangdong, 2017(4): 179-190, 256.]

[9]
王建康, 谷国锋, 姚丽, 等. 中国新型城镇化的空间格局演变及影响因素分析: 基于285个地级市的面板数据[J]. 地理科学, 2016, 36(1): 63-71.

DOI

[Wang Jiankang, Gu Guofeng, Yao Li, et al. Analysis of new urbanization′s spatial pattern evolution and influence factors in China. Scientia Geographica Sinica, 2016, 36(1): 63-71.]

DOI

[10]
郭远智, 王介勇. 中国城乡转型的时空格局及其优化决策[J]. 地理科学进展, 2021, 40(11): 1799-1811.

DOI

[Guo Yuanzhi, Wang Jieyong. Spatio-temporal patterns of urban-rural transformation and optimal decision-making in China. Progress in Geography, 2021, 40(11): 1799-1811.]

DOI

[11]
单良, 韩放, 宋关东. 我国人口半城镇化空间差异的多尺度分析[J]. 中国软科学, 2017(5): 66-77.

[Shan Liang, Han Fang, Song Guandong. Spatial difference of population peri-urbanization in China at multi-scales. China Soft Science, 2017(5): 66-77.]

[12]
张跃胜. 中国城镇化区域差异的空间和要素的双重解读[J]. 城市问题, 2017(4): 13-19.

[Zhang Yuesheng. A dual interpretation of spatial and factors of regional differences in urbanization in China. Urban Problems, 2017(4): 13-19.]

[13]
姚凯, 杨颖, 陈烨. 基于规模等级的分层城镇化省际差异研究[J]. 城市规划学刊, 2019(1): 15-21.

[Yao Kai, Yang Ying, Chen Ye. A study of provincial difference in layered urbanization in the perspective of population. Urban Planning Forum, 2019(1): 15-21.]

[14]
李汝资, 黄晓玲, 刘耀彬. 2010—2020年中国城镇化的时空分异及影响因素[J]. 地理学报, 2023, 78(4): 777-791.

DOI

[Li Ruzi, Huang Xiaoling, Liu Yaobin. Spatio-temporal differentiation and influencing factors of China's urbanization from 2010 to 2020. Acta Geographica Sinica, 2023, 78(4): 777-791.]

DOI

[15]
张伟丽, 张时雨. 中国城市高质量发展空间关联网络特征及传导机制分析[J]. 地理与地理信息科学, 2023, 39(4): 44-53.

[Zhang Weili, Zhang Shiyu. Characteristics and transmission mechanism of spatial correlation network for high quality. Geography and Geo-Information Science, 2023, 39(4): 44-53.]

[16]
栗向阳, 王磊, 张宇欣. 城镇化耦合协调发展的时空演化规律及其影响因素: 基于城镇化水平和质量视角[J]. 西北师范大学学报(自然科学版), 2024, 60(2): 110-122.

[Li Xiangyang, Wang Lei, Zhang Yuxin. Spatial-temporal evolution of coupled and coordinated urbanization and its influencing factors: Fromthe perspective of urbanizationlevel and quality. Journal of Northwest Normal University (Natural Science), 2024, 60(2): 110-122.]

[17]
郑耀群, 崔笑容. 城镇化高质量发展的测度与区域差距: 基于新发展理念视角[J]. 华东经济管理, 2021, 35(6): 79-87.

[Zheng Yaoqun, Cui Xiaorong. Measurement and regional disparity for high-quality development of urbanization: On the perspective of new development concept. East China Economic Management, 2021, 35(6): 79-87.]

[18]
陈洋, 李郇, 许学强. 改革开放以来中国城市化的时空演变及其影响因素分析[J]. 地理科学, 2007, 27(2): 142-148.

DOI

[Chen Yang, Li Xun, Xu Xueqiang. Spatial evolvement and its affecting factors of urbanization in China after reforming and open up. Scientia Geographica Sinica, 2007, 27(2): 142-148.]

[19]
曹广忠, 王纯洁, 齐元静. 我国东部沿海省区城镇化水平影响因素的空间差异[J]. 地理研究, 2008, 27(6): 1399-1406.

[Cao Guangzhong, Wang Chunjie, Qi Yuanjing. The comparative analysis of urbanization affecting factors among the coastal provinces in eastern China in the transition period. Geographical Research, 2008, 27(6): 1399-1406.]

[20]
范擎宇, 杨山. 长三角地区城镇化协调发展的空间特征及形成机理[J]. 地理科学进展, 2021, 40(1): 124-134.

DOI

[Fan Qingyu, Yang Shan. Spatial characteristics and formation mechanism of coordinated development of urbanization in the Yangtze River Delta. Progress in Geography, 2021, 40(1): 124-134.]

DOI

[21]
朱奕衡, 杨山, 尹上岗, 等. 长三角地区人口城镇化的空间极化过程及其演变格局研究[J]. 地理科学进展, 2022, 41(12): 2218-2230.

DOI

[Zhu Yiheng, Yang Shan, Yin Shanggang, et al. Process of change of the spatial polarization of population urbanization in the Yangtze River Delta region. Progress in Geography, 2022, 41(12): 2218-2230.]

DOI

[22]
张立生. 县域城镇化时空演变及其影响因素: 以浙江省为例[J]. 地理研究, 2016, 35(6): 1151-1163.

DOI

[Zhang Lisheng. Spatial-temporal evolution of county urbanization and its influencing factors in Zhejiang Province. Geographical Research, 2016, 35(6): 1151-1163.]

[23]
孙久文, 蒋治, 胡俊彦. 新时代中国城市高质量发展的时空演进格局与驱动因素[J]. 地理研究, 2022, 41(7): 1864-1882.

DOI

[Sun Jiuwen, Jiang Zhi, Hu Junyan. Spatio-temporal evolution pattern and driving factors of high-quality development of Chinese cities in the new era. Geographical Research, 2022, 41(7): 1864-1882.]

[24]
蒋耒文, 考斯顿. 中国区域城市化水平差异原因探析[J]. 中国人口科学, 2001(1): 45-51.

[Jiang Leiwen, Kao Sidun. Reason analysis on regional differences of urbanization in China. Chinese Journal of Population Science, 2001(1): 45-51.]

[25]
梁书民. 中国城镇化区域差异的原因分析与发展对策[J]. 人口与发展, 2015, 21(2): 2-13, 49.

[Liang Shumin. Reason analysis on regional differences of urbanization in China and development countermeasure. Population & Development, 2015, 21(2): 2-13, 49.]

[26]
霍炳男. 中国区域城镇化发展差异的影响因素研究: 基于1992—2015年省际面板数据的经验分析[J]. 经济问题探索, 2017(4): 76-82.

[Huo Bingnan. Study on the influencing factors of regional urbanization differences in China: Based on the empirical analysis of the inter-provincial panel date from 1992 to 2015. Inquiry into Economic Issues, 2017(4): 76-82.]

[27]
祁新华, 朱宇, 周燕萍. 乡村劳动力迁移的“双拉力”模型及其就地城镇化效应: 基于中国东南沿海三个地区的实证研究[J]. 地理科学, 2012, 32(1): 25-30.

DOI

[Qi Xinhua, Zhu Yu, Zhou Yanping. A "double-pull" model of rural labor migration and its in situ urbanization effect: Cases studies of three coastal areas in Southeast China. Scientia Geographica Sinica, 2012, 32(1): 25-30.]

DOI

[28]
张甜, 朱宇, 林李月. 就地城镇化背景下回流农民工居住区位选择: 以河南省永城市为例[J]. 经济地理, 2017, 37(4): 84-91.

[Zhang Tian, Zhu Yu, Lin Liyue. The residential location choices of returned migrant workers in the context of local urbanization: A case study of Yongcheng City in Henan Province. Economic Geography, 2017, 37(4): 84-91.]

[29]
韩秀丽, 冯蛟, 李鸣骥. 农业转移人口就近城镇化个体响应的影响因素[J]. 城市问题, 2018(8): 87-94.

[Han Xiuli, Feng Jiao, Li Mingji. The influencing factors of individual responses to the in-situ urbanization of the rural labor immigration. Urban Problems, 2018(8): 87-94.]

[30]
蔡洁, 夏显力. 农业转移人口就近城镇化: 个体响应与政策意蕴: 基于陕西省2055个调查样本的实证分析[J]. 农业技术经济, 2016(10): 29-37.

[Cai Jie, Xia Xianli. Nearby urbanization of the rural labor immigration: Individual responses and policy implications: Based on the empirical analysis of 2055 survey samples in Shaanxi Province. Journal of Agrotechnical Economics, 2016(10): 29-37.]

[31]
曾鹏, 向丽. 中西部地区人口就近城镇化意愿的代际—性别差异研究[J]. 统计与信息论坛, 2017, 32(11): 101-108.

[Zeng Peng, Xiang Li. Study on the inter-generation differences of the population nearest to the will of urbanization in the Central and Western regions. Journal of Statistics and Information, 2017, 32(11): 101-108.]

[32]
曾鹏, 向丽. 中西部地区人口就近城镇化意愿的受教育程度差异研究[J]. 数理统计与管理, 2017, 36(2): 273-286.

[Zeng Peng, Xiang Li. Study on the level of education Midwest population of nearby urbanization willingness difference. Journal of Applied Statistics and Management, 2017, 36(2): 273-286.]

[33]
赵美风, 翟云利, 汪德根. 中国中西部地区就近城镇化空间演变及类型分异[J]. 人文地理, 2023, 38(1): 97-107, 117.

[Zhao Meifeng, Zhai Yunli, Wang Degen. Spatial evolution and variation types of nearby urbanization in Central and Western China. Human Geography, 2023, 38(1): 97-107, 117.]

[34]
赵德昭, 许家伟. 河南省县域就地城镇化时空演变与影响机理研究[J]. 地理研究, 2021, 40(7): 1978-1992.

DOI

[Zhao Dezhao, Xu Jiawei. The spatio-temporal patterns evolution and influence mechanism of situ urbanization in Henan Province. Geographical Research, 2021, 40(7): 1978-1992.]

[35]
潘泽瀚, 王桂新. 中国人口就近与远程城镇化的区域发展及其影响因素[J]. 中国人口科学, 2020(5): 41-52, 127.

[Pan Zehan, Wang Guixin. Regional development and its determinants of adjacent versus distant population urbanization in China. Chinese Journal of Population Science, 2020(5): 41-52, 127.]

[36]
朱宇, 祁新华, 王国栋, 等. 中国的就地城镇化: 理论与实证[M]. 北京: 科学出版社, 2012.

[Zhu Yu, Qi Xinhua, Wang Guodong, et al. China's in situ urbanization:Theories and empirical evidence. Beijing, China: Science Press, 2012.]

[37]
赵美风, 汪德根. 中国中西部地区就近城镇化空间分异格局及机理[J]. 地理学报, 2021, 76(12): 2993-3011.

DOI

[Zhao Meifeng, Wang Degen. Spatial differentiation and influencing mechanism of nearby urbanization in central and Western China. Acta Geographica Sinica, 2021, 76(12): 2993-3011.]

DOI

[38]
陈明星, 龚颖华, 隋昱文. 新型城镇化背景下中部地区的人口就近城镇化模式研究[J]. 苏州大学学报(哲学社会科学版), 2016, 37(6): 7-14.

[Chen Mingxing, Gong Yinghua, Sui Yuwen. Study on the nearby urbanization pattern in Middle China under the new-type urbanization background. Journal of Soochow University (Philosophy & Social Science Edition), 2016, 37(6): 7-14.]

[39]
杨传开. 县域就地城镇化基础与路径研究[J]. 华东师范大学学报(哲学社会科学版), 2019(4): 114-122.

[Yang Chuankai. On the foundation and path of in-situ urbanization within county in China. Journal of East China Normal University (Humanities and Social Science), 2019(4): 114-122.]

[40]
刘悦美, 田明, 杨颜嘉. 就地城镇化的推动模式及其特征研究: 以河北省四个村庄为例[J]. 城市发展研究, 2021, 28(6): 10-16.

[Liu Yuemei, Tian Ming, Yang Yanjia. Research on the model and characteristics of in Situ urbanization: A case study of four villages in Hebei Province. Urban Development Studies, 2021, 28(6): 10-16.]

[41]
刘涛, 彭荣熙, 卓云霞, 等. 2000—2020年中国人口分布格局演变及影响因素[J]. 地理学报, 2022, 77(2): 381-394.

DOI

[Liu Tao, Peng Rongxi, Zhuo Yunxia, et al. China's changing population distribution and influencing factors: Insights from the 2020 census data. Acta Geographica Sinica, 2022, 77(2): 381-394.]

DOI

[42]
闫涛, 张晓平, 陈浩, 等. 2001—2016年中国地级以上城市经济的区域差异演变[J]. 经济地理, 2019, 39(12): 11-20.

[Yan Tao, Zhang Xiaoping, Chen Hao, et al. Evolution of regional differences in urban economic development in China from 2001 to 2016. Economic Geography, 2019, 39(12): 11-20.]

[43]
潘文卿. 中国的区域关联与经济增长的空间溢出效应[J]. 经济研究, 2012(1): 54-65.

[Pan Wenqing. Regional linkage and the spatial spillover effects on regional economic growth in China. Economic Research Journal, 2012(1): 54-65.]

[44]
张学良. 中国交通基础设施促进了区域经济增长吗? 兼论交通基础设施的空间溢出效应[J]. 中国社会科学, 2012(3): 60-77.

[Zhang Xueliang. Has transport infrastructure promoted regional economic growth? With an analysis of the spatial spillover effects of transport infrastructure. Social Sciences in China, 2012(3): 60-77.]

[45]
杨晓军. 城市公共服务质量对人口流动的影响[J]. 中国人口科学, 2017(2): 104-114, 128.

[Yang Xiaojun. The impact of urban public services quality on population mobility. Chinese Journal of Population Science, 2017(2): 104-114, 128.]

[46]
宁越敏, 张凡. 中国省会城市首位度变化分析: 兼论省会城市的高质量发展[J]. 同济大学学报(社会科学版), 2021, 32(3): 92-100.

[Ning Yuemin, Zhang Fan. The high quality development of provincial capital cities: Based on the change of primate degree of the provincial capital cities in China. Journal of Tongji University (Social Science Section), 2021, 32(3): 92-100.]

[47]
贺雪峰. 大城市的“脚”还是乡村的“脑”? 中西部县域经济与县域城镇化的逻辑[J]. 社会科学辑刊, 2022(5): 55-62.

[He Xuefeng. Big cities' "feet" or the country's "brain": The logic of county economy and urbanization in Central and Western regions. Social Science Journal, 2022(5): 55-62.]

Options
文章导航

/

〈 〉