EN中文

地理科学进展 >

2026 , Vol. 45 >Issue 2: 297 - 310

DOI: https://doi.org/10.18306/dlkxjz.2026.02.006

研究论文

城市多中心空间结构对城乡收入差距的影响及机制研究

  • 郑晓辉 , 1 ,
  • 郑涛 , 2, *
展开
  • 1.华东师范大学中国行政区划研究中心/地理科学学院，上海 200241
  • 2.南京师范大学商学院，南京 210023
* 郑涛(1994—)，男，江苏溧阳人，博士，讲师，研究方向为城市地理与区域经济、行政区划与空间治理。E-mail:

郑晓辉(1994—)，男，河南信阳人，博士生，研究方向为城市与区域经济、城市空间结构。E-mail:

收稿日期: 2025-07-17

  修回日期: 2025-12-15

  网络出版日期: 2026-02-11

基金资助

国家社会科学基金重大项目(23ZDA049)

收起

The impact of urban polycentric spatial structure on the urban-rural income gap and mechanism

  • ZHENG Xiaohui , 1 ,
  • ZHENG Tao , 2, *
Expand
  • 1. Research Center for China Administrative Division / School of Geographic Sciences, East China Normal University, Shanghai 200241, China
  • 2. School of Business, Nanjing Normal University, Nanjing 210023, China

Received date: 2025-07-17

  Revised date: 2025-12-15

  Online published: 2026-02-11

Supported by

Major Program of the National Social Science Fund of China(23ZDA049)

Fold

摘要

在推动城乡融合与实现共同富裕的背景下，厘清城市空间结构如何影响城乡收入差距具有重要政策意义和理论价值。论文基于2003—2020年中国288个地级城市的面板数据，采用双向固定效应模型、工具变量法以及中介效应模型，从多角度检验多中心空间结构对城乡收入差距的影响效应、作用机制及其异质性特征。研究发现：① 城市多中心空间结构显著缩小了城乡居民收入差距，这一结果在经过一系列稳健性检验后依旧成立。② 多中心空间结构通过要素、产业和市场三重机制缓解城乡收入差距：一是打破城乡要素配置壁垒，推动农村剩余劳动力向非农产业转移，二是促进涉农产业多样化发展，提升农户生计能力，三是增强核心城市经济辐射能力，提升乡村地区市场潜能。③ 异质性分析表明，多中心空间结构对城乡收入差距的缩小效应在人口规模较小、行政等级较低、地形起伏较大、非资源型城市、中心间距较远地区和沿海城市中更为显著，这说明地理条件、行政资源分布和区位特征对多中心空间结构效应具有重要影响。研究建议推动城市多中心发展，优化要素流动环境，培育多元产业体系，增强城市对乡村的带动能力，并因地制宜制定空间发展策略，以更有效促进城乡融合和区域协调发展。

关键词： 多中心空间结构; 城乡收入差距; 城乡融合发展; 空间治理

本文引用格式

郑晓辉 , 郑涛 . 城市多中心空间结构对城乡收入差距的影响及机制研究[J]. 地理科学进展, 2026 , 45(2) : 297 -310 . DOI: 10.18306/dlkxjz.2026.02.006

Abstract

Against the backdrop of promoting urban-rural integration and achieving common prosperity, clarifying how urban spatial structure affects the income gap between urban and rural residents has significant policy and theoretical implications. Based on the panel data from 288 prefecture-level cities in China from 2003 to 2020, this study employed two-way fixed effects models, instrumental variable methods, and mediation effect models to examine the impact, mechanisms, and heterogeneity of polycentric urban structures on the urban-rural income gap from multiple perspectives. The results show that: 1) Polycentric spatial structures significantly reduce the income gap between urban and rural residents, and this finding remains robust after controlling for endogeneity and conducting a series of robustness checks. 2) Polycentric structures alleviate the urban-rural income gap through a triadic mechanism involving factors, industries, and markets. Specifically, they break down barriers in factor allocation between urban and rural areas, promote the transfer of surplus rural labor to non-agricultural sectors, foster the diversification of agro-related industries to improve rural livelihoods, and enhance the economic spillover capacity of core cities to increase the market potential of rural areas. 3) Heterogeneity analysis showed that the effect of polycentric spatial structure in reducing the urban-rural income gap is more significant in regions with smaller population sizes, lower administrative levels, larger topographical variations, non-resource-based cities, greater inter-center distances, and coastal cities. This indicates that geographical conditions, administrative resource distribution, and locational characteristics all have a significant impact on the effectiveness of polycentric spatial structures. The findings suggest that promoting polycentric urban development, optimizing the environment for factor mobility, cultivating diversified industrial systems, enhancing urban spillover effects on rural areas, and tailoring spatial development strategies to local conditions can advance urban-rural integration and regional coordinated development more effectively.

Key words： polycentric spatial structure; urban-rural income gap; urban-rural integrated development; spatial governance

在中国快速城市化与工业化进程中，城乡收入差距长期存在且呈现多维分化态势，已成为制约中国式现代化和实现共同富裕目标的瓶颈[1]。尽管近年来国家通过精准扶贫、乡村振兴和新型城镇化等政策持续发力，城乡收入差距有所收窄，但2023年城乡居民人均可支配收入比仍为2.4∶1，表明收入分配失衡问题依然严峻。为此，党中央多次强调构建区域协调、城乡融合的新型国土空间格局，推动人口、产业等资源要素在城乡之间的有序流动与优化配置，以实现更高水平的均衡发展[2]。
在此背景下，城市人口空间组织模式的选择愈发成为缓解城乡关系关键问题。单中心模式中乡村要素不断外流，核心城市通过虹吸效应拉大了城乡在收入、就业、教育等领域差距。而城市多中心结构不仅能够实现更为均衡的资源分配，还通过优化城市功能分区，改善区域间基础设施互联互通，推动城乡要素自由流动，为缓解城乡收入差距、促进城乡融合提供了新的空间治理路径[3]。因此，深入探讨城市多中心结构的演化及其与城乡收入差距之间的关系，不仅有助于理解中国式现代化进程中的城乡发展瓶颈，也为空间治理难题提供了重要的理论依据，并为构建更高效、均衡的区域协调发展体系提出了优化策略。
尽管学界已围绕城乡收入差距的成因与政策对策取得了丰富的研究成果，但关于城市空间结构与城乡收入差距之间关系的研究仍明显不足。特别是城市多中心结构中，城镇次级中心对缓解城乡差距的作用尚未得到充分探索，尤其缺乏对其影响城乡收入差距的内在传导机制的系统性分析。现有研究更多集中在宏观区域尺度上，尤其是省际或区域层面的城乡差距分析较为丰富，而对城市内部城乡差距及其演化机制的研究则相对薄弱。此外，当前研究多停留在单一变量分析或定量模型构建的层面，未能充分整合要素流动、产业联动、市场溢出等多维度路径，未能全面揭示城市多中心结构在缩小城乡收入差距中的多维作用机制。因此，深入探讨城市多中心结构对城乡收入差距的影响机制，尤其是多维度路径的整合性分析，具有重要的理论价值和实践意义。
鉴于此，本文旨在填补这一学术空白，基于2003—2020年中国288个地级城市面板数据，采用双向固定效应模型、工具变量法以及中介效应模型，检验多中心空间结构对城乡收入差距的影响效果。具体而言，本文探讨多中心结构如何通过促进要素流动、推动产业多样化和提升区域市场连通性，进而缩小城乡收入差距。通过分析这些机制，揭示多中心结构在促进城乡融合、缓解收入差距方面的潜力。

1 文献综述与理论分析

1.1 文献综述

长期以来，学界对地区收入差距研究主要聚焦于各种投入要素或外部特征因素，普遍忽视了空间过程与模式对于社会和经济过程的潜在影响[4]。新古典经济学强调市场均衡与要素流动的“趋同效应”，认为有效市场和要素流动使地区差距在长期中趋于均衡[5]。倒“U”假说、σ收敛、β收敛等理论也认为地区差距最终会趋向均衡[6-7]。然而，Myrdal[8]的回波效应理论则指出，资本积累和累积因果关系可能会导致增长率差异持续扩大。针对中国不断变化的东中西、南北及城乡间的发展差距，学界更加关注市场化、全球化、财政分权及数字化等因素的驱动作用[9]。不少研究指出，中西部市场化改革滞后导致与东部沿海的差距扩大[10]。城乡二元土地制度、财政分权体制下的城市偏向政策被证明通过要素错配加剧城乡差距[11-12]。
随着空间科学兴起，部分研究开始关注经济活动空间自组织过程对地区差距的影响。“中心—外围”模型揭示规模报酬递增引发的空间极化现象[13]，后续研究证实了产业空间集聚对中国省际劳动生产率差距的扩大效应[14]。但随着产业空间集聚离心力超过向心力，扩散效应开始显现，地区差距趋向缩小[13]。近年来，地理空间上“分散式集聚”的多中心结构逐渐成为研究焦点，并被欧盟视为缩小地区收入差距、实现欧洲平衡的规范性指导原则[15]。多中心支持者认为，多中心结构通过将要素适度分散并形成新集聚中心，既能避免要素过度集聚带来的负外部性，又能够使经济规模和集聚效应在更大地理空间内实现[16]。然而，单中心支持者强调集聚经济只能在一定地理区域内共享，地理邻近性是防止集聚经济随距离衰减最重要的因素[17]。因此，多中心发展模式可能不是实现领土凝聚力的有效工具[18]。
部分研究关注空间结构对城乡收入差距的影响，但在研究视角、地域尺度和研究结论上存在显著差异。Zhang等[19]发现城市群多中心结构对城乡收入差距的影响受制于工业发展和基础设施的水平。程刚等[20]基于省级面板发现，省域多中心与城乡收入差距呈显著的“U”型关系。尽管这些研究为理解多中心结构与城乡收入差距提供了重要启示，但多集中于区域尺度的差距问题。而作为多中心城市系统中连接城市和乡村地区的枢纽，城镇次级中心对培育新型城乡关系、促进城乡互补和合作以及实现领土平衡发展等方面具有重要作用[21]。遗憾的是，现有研究尚未直接探讨多中心空间结构对城市内部城乡收入差距的影响。因此，本文贡献主要体现在以下三个方面：一是聚焦城市郊区化对城乡关系重塑作用，首次检验了多中心空间结构对城市内部城乡收入差距的影响，为理解城市空间结构与城乡融合发展提供了新视角；二是构建要素流动、产业多样和市场溢出三重影响机制，系统阐释多中心结构通过次级中心重塑城乡关系的内在逻辑，为揭示多中心结构如何影响城乡收入差距提供了新思路；三是通过解析城市等级、自然地理和区位特征的异质性效应，构建多中心发展模式与城市特征的适配性框架。本文不仅可为多中心结构对城市内部的城乡平衡发展提供实证依据，更从空间治理维度为城乡融合发展提供新的支撑。

1.2 多中心空间结构对城乡收入差距的直接影响

新经济地理学指出，经济要素空间集聚所产生的向心力与过度拥挤产生的离心力共同决定了经济活动的空间分布[13]。当向心力超过离心力时，规模报酬递增的自我强化机制促使要素加速向城市集中，这推动了单中心结构的形成。在此过程中，乡村地区则会因要素外流陷入发展滞后困境。尽管农村剩余劳动力可以通过进城务工获取更高劳动报酬，但户籍限制、职业准入与教育资源差异导致人力资本收益结构性断裂[22]。同时，集聚—扩散的非对称效应使得乡村地区因服务半径过大、单位投资回报率低，陷入空间资源非均衡配置的恶性循环[23]，进一步加剧了单中心模式下的城乡差距。
然而，城市规模并非无限扩张。当城市发展达到一定程度，土地租金上涨、交通拥堵、环境压力等集聚负外部性逐渐显现[24]。根据产业空间梯度转移理论，核心城市较高的集聚负外部性迫使部分劳动密集型与技术要求较低的产业向地价较低、要素成本较小的郊区或外围乡村地区转移，逐渐形成核心城市以贸易、金融服务业为主，次级中心以制造业为主的多中心城市结构[4]。这些次级中心城市作为连接核心城市与乡村地区的枢纽，不仅能够以较低成本吸纳农村剩余劳动力，还有助于推动基础设施共享与市场可达性改善，促进城乡要素自由流动。根据要素价格趋同理论，当城乡要素能够实现自由流动时，其最终价格也将逐渐趋同，直接提升农村居民收入水平[25]。对于核心城市而言，多中心结构亦有助于缓解“集聚不经济”问题，改善了核心城市发展困境[26]。但依据经济收敛理论，落后地区发展将会加速追赶头部地区，多中心结构对于乡村地区边际收益可能高于城市，从而推动城乡收入差距缩小[7]。
基于此，提出第1个研究假说：城市多中心空间结构有助于缩小城乡收入差距。

1.3 多中心空间结构对城乡收入差距的间接影响

从农村劳动力要素流动角度来看，其对缓解城乡收入差距的作用主要体现在对城乡要素配置壁垒的突破。首先，传统单中心结构下，乡村地区与城市的地理距离较远，导致农村劳动力面临高昂的迁徙成本与就业割裂困境。而多中心结构下次级中心的空间布局更贴近乡村地区，这增加了农村劳动力的就业可达性和参与意愿[27]。其次，相较于单中心结构下农村劳动力进入城市面临较高的制度性和市场性分割，多中心结构下次级中心承接的劳动密集型产业对技能要求较低，符合农村低技能劳动力的实际用工需求[28]。这有助于打破城乡间就业结构与收入来源的隔离状态，从而快速实现农户收入提升[29]。此外，多中心结构还为“钟摆式”就业模式提供了现实基础。城市高昂的地价以及生活成本，迫使农村剩余劳动力难以完全脱离土地和农业经营。但次级中心的存在，能够使农户在保留农业经营的同时，参与临时性、季节性的城市非农就业，实现农业与非农的双重收入来源[30]。
从产业发展角度来看，多中心结构对缓解城乡收入差距的作用主要体现在涉农产业多样化带来的产业链价值与抗风险能力提升。多中心结构并非节点城市数量简单叠加，而是基于自身的资源禀赋形成专业化分工体系[31]。次级中心凭借区位邻近优势，一方面承接核心城市制造业、劳动密集型产业梯度转移，另一方面依托农产品市场临近效应，推动农业与加工业、文旅等产业深度融合，形成核心城市服务业、次级中心加工业、乡村地区种养业的垂直分工网络[32]。这种分工模式促使农业生产从传统种养低价值环节，向“产加销服”全链条高价值环节延伸，提升农产品在市场中的竞争力。同时，上述垂直分工网络仍然可以保留并升级乡村地区传统农业，能够为农户提供农业经营加非农参与的多样化生计选择，使农户不再完全依赖单一农业收入，拓展了家庭生计资本结构，从而有效分散市场、气候等外部冲击带来的风险[33]。正如Ellis[34]指出，农村家庭通过灵活的劳动力配置参与农业、加工业、服务业等多种活动，可实现更高的总收入和更稳定的收入预期。
从市场溢出效应角度来看，集聚外部性的优势通常限于一定地理区域[17]，单中心结构对外围偏远乡村的辐射带动能力相对较弱。随着多中心结构形成，次级中心作为连接乡村与核心城市的重要节点，有助于突破集聚经济的空间衰减壁垒，将城市要素溢出边界拓展至更广阔的乡村腹地[35]。在多中心体系中，核心城市不再面临对边缘区域“远而不达”的辐射困境，而是通过与次级中心的分工协作形成网络型结构，使其辐射带动作用得以在空间上延伸和功能上放大。次级中心的嵌入不仅承担末端传导功能，也反向增强了核心城市在要素流动、产业整合和市场控制方面的统筹能力，从而整体提升了城市系统对乡村地区的覆盖与引导水平。一方面，次级中心具备一定的产业基础和市场集聚效应，能够引导资本、商品和服务等“硬要素”向乡村腹地扩散，提升乡村的基础设施建设与产业配套能力[36]；另一方面，次级中心也有助于知识、技术、管理经验等“软要素”下沉，加速知识和技术在乡村的溢出和应用，进而推动乡村低附加值产业转型升级和全要素生产率的提升[37]。随着城市辐射带动能力增强，乡村地区逐渐从单中心模式下的“经济孤岛”，嵌入到由核心城市和次级中心城市共同组成的市场体系。这种结构性转变有助于增强城乡经济关联度，激活乡村经济活力，最终实现农户收入水平的提升。
综合上述分析，提出第2个研究假说：城市多中心空间结构能够通过农村劳动力要素流动、涉农产业多样化和城市市场溢出效应三条渠道影响城乡收入差距。

2 研究方法与数据来源

2.1 城乡二分法和城市中心

研究城乡问题的一个重要挑战在于如何科学界定城市区域与乡村区域。中国地级市区域通常由多个高度城市化的建成区(市辖区、县城)与广袤乡村地区共同构成，这一特征为评估各级城市中心与外围乡村之间的互动关系提供了基础。为了准确识别城乡边界，已有大量研究尝试通过道路网络、建筑物数据提取不透水面信息，或利用夜间灯光遥感影像的亮度阈值、POI密度以及移动数据识别城市功能区域。然而，这些方法要么难以区分“鬼城”与真实人口聚集区，要么因发展中国家通勤数据匮乏而难以大规模推广[38]。为克服上述问题，欧盟委员会提出了基于遥感人口密度的“城市化程度”划分方法，即以300人/km2和总人口5000人为城乡分界，建立不依赖行政边界的统一标准，广泛应用于全球城市研究[39]。按照此方法，采用WorldPop人口数据识别中国地级市的城乡边界，并在此基础上识别城市的多中心结构。具体而言，欧盟委员会将人口密度超过1500人/km2且总人口超过50000人的连续区域定义为城市中心，人口阈值为5000人的区域则定义为密集的城市集群。参考Henderson等[38]的做法，将50000人以上区域定义为主中心，在此基础上，将5000人以上区域定义为次级中心，从而识别地级市的多中心结构。这一方法兼具客观性与可操作性，既克服了传统依赖行政区划或POI密度识别的局限，也有助于在不同发展阶段的城市之间进行横向比较。值得注意的是，中国第五次人口普查也曾采用1500人/km2作为城乡划分边界，但单一人口密度阈值难以适配中国区域间显著的人口密度差异。相较之下，欧盟委员会提出的多层次分类方法通过人口密度与规模的双重标准，不仅能够精准识别核心城市，也可有效捕捉次级城镇，与中国地级市范围内市辖区、县城等各级中心发展特征高度契合。同时，为确保研究结果的稳健性，本文亦采用其他人口阈值以及剔除人口规模约束等一系列稳健性检验。

2.2 城市形态多中心结构的测度

本文采用限制最少、应用最为广泛的形态多中心角度衡量城市的多中心空间结构。现有研究主要从两个方面进行刻画：一类关注城市中心之间人口分布的均衡性，通常采用帕累托指数或赫芬达尔指数衡量[40]；另一类在考虑城市规模分布差异的基础上，进一步纳入空间距离，从而全面地反映城市中心之间的空间分布特征[41-42]。鉴于城市多中心结构本质上属于空间范畴的概念，其空间均衡性既取决于不同中心之间人口规模差异，也取决于它们之间的地理距离，本文采用第二类测度方法，遵循Li等[41]提出的基于社会网络的方法，将每一个次中心的“重要性”定义为其人口规模与到主中心距离的乘积，并构建次中心“重要性”之间的标准差和最大“重要性”与零“重要性”之间标准差的比值，从而得出形态多中心指数。该指数范围介于0~1之间，值越大表示城市的多中心越强。形态多中心指数(Poly)计算公式如下：
P o l y i t = 1 - σ o b s σ m a x = 1 - 1 n ∑ j = 1 n x i j t d i j t - x i j t ¯   d i j t ¯ 2 x m a x d m a x   / 2
式中：Polyit为地级市i在t年的形态多中心指数；σobs为各级中心“重要性”的标准差；σmax为最大“重要性”和零“重要性”的标准差，由主中心人口规模(人口规模最大的中心xmax)和其距离最远次中心距离dmax乘积的1/2衡量；xijt​为地级市i第j个中心在t年的人口规模，dijt​为其与主中心的距离， x i j t ¯、 d i j t ¯为相应的均值；n为中心总数。人口数据由WorldPop遥感影像提取，距离基于识别出的城市中心质心之间的欧氏距离计算。

2.3 城乡收入差距的测度

被解释变量为城乡居民收入差距。考虑到中国地级市数据的可得性，采用以往研究常用的方法，即以城镇居民人均可支配收入与农村居民人均可支配收入的比值来反映城乡居民收入差距①(①2013年国家统计局统一城乡居民收入统计口径，将原“农村人均纯收入”调整为“农村人均可支配收入”。参考常用做法，使用2012年及之前的“农村人均纯收入”代替“农村人均可支配收入”。)，该比值越大，表示城乡居民收入差距越大。为确保研究结论可靠性，同时采用泰尔指数来测算城乡居民收入差距作为替代指标进行回归。具体公式为：
T h e i l i t = ∑ j = 1 2 y i j t y i t l n y i j t / y i t p i j t / p i t
式中：Theilit为地级市i在t年的泰尔指数；j=1、2分别代表地级市i内部的城市、乡村地区；y表示收入；p表示人口。

2.4 双向固定效应模型

根据前文的研究假说，为验证多中心结构对城乡收入差距的影响，设定的基准模型如下：
E q u a l i t y i t = β 0 + β 1 P o l y i t + β 2 X i t + μ i + v t + ε i t
式中：Equalityit表示地级市i在t年的城乡收入差距；Polyit表示地级市的多中心指数；Xit为一系列控制变量；μi、vt和εit分别代表个体固定效应、时间固定效应以及随机扰动项； β 0为截距项； β 1、 β 2为系数。
参考已有关于城乡差距研究[19-20]，选取如下控制变量：① 经济发展水平，其作为影响收入差距重要的因素已得到广泛研究，采用地级市历年人均地区生产总值的对数进行测度；② 城市规模，多中心结构效应的实现依赖于城市人口规模，采用地级市总人口规模的对数进行测度；③ 城镇化水平，更高的城镇化水平有助于增加农村居民非农就业机会，从而提高其收入，采用常住人口城镇化率进行测度；④ 政府干预力度，政府干预体现了地方政府对经济资源配置的影响，采用财政支出占地区生产总值的比重表示；⑤ 对外开放程度，外商直接投资(FDI)反映市场开放水平，采用FDI占GDP比重来控制；⑥ 教育水平，教育能够提升人力资本，发挥阻断贫困代际传递的作用，使用6岁以上人口平均受教育年限的对数表示；⑦ 产业结构，其影响就业分布与收入结构，采用第三产业增加值占GDP比重进行衡量；⑧ 基础设施，良好的交通基础设施有助于降低通勤成本、拓宽就业范围，但也可能带来城乡间虹吸效应，使用每万人公路里程的对数进行衡量；⑨ 公共服务，其有助于缓解地区发展不平衡，使用每千人医院卫生院床位数的对数进行衡量。
本文研究期为2003—2020年，原因在于，识别城市中心使用的WorldPop人口数据时间跨度为2000—2020年，这是目前所能获取到分辨率最高且具备较高质量的全球人口遥感数据。尽管LandScan人口遥感数据已更新至2023年，但相关研究指出，受高分辨率数据获取渠道的波动性，以及从连续卫星影像中提取细节的难度日益增加，不同时期LandScan数据不具可比性[38]，故未采用。所使用中国地级行政区地图和地理高程图来自国家地理信息公共服务平台，数字高程模型(DEM)数据来自中国国家地球系统科学数据中心，其他变量数据来自历年《中国城市统计年鉴》。鉴于部分城市在整个样本期间只有一个或没有中心，最终以中国288个地级及以上城市作为研究对象。为减少极端值干扰，对连续变量进行±1%缩尾处理，所有价格相关变量均按照省级价格指数进行平减。主要变量描述性统计见表1。
表1 主要变量描述性统计

Tab.1 Descriptive statistics of key variables

变量名称 单位 平均值 标准差 最小值 最大值
城乡收入比 — 2.544 0.587 1.591 4.619
城乡泰尔指数 — 0.064 0.049 0.002 0.265
多中心指数 — 0.400 0.138 0.061 0.684
经济发展水平 元/人 9.990 0.746 8.189 11.590
城市规模 万人 5.304 0.785 3.201 7.123
城镇化水平 — 0.496 0.172 0.158 0.950
政府干预力度 — 0.172 0.093 0.056 0.550
对外开放程度 — 0.019 0.020 0.000 0.100
教育水平 a/万人 0.868 0.287 0.151 1.603
产业结构 — 0.392 0.094 0.185 0.685
基础设施 km/万人 3.796 0.786 1.835 5.603
公共服务 张/1000人 1.810 0.451 0.687 2.699

3 结果与分析

3.1 城乡收入差距与多中心指数演化

图1展示了2003—2020年间中国城乡收入差距与多中心指数的演化趋势。2003年中国中部和东北地区存在较为严重的城乡收入分化问题。以东北地区为例，尽管区域经济增长较快，但产业结构单一，农村和城市之间的收入差距始终未能有效缩小，导致城乡收入分化较为突出。2010年，东北地区的城乡收入差距有所缓解，部分原因可归因于地方政府推进产业转型和基础设施建设。然而，中部地区的城乡收入差距依然较为严峻，特别是在甘肃、云南和贵州等存在大片山区的省份，农村经济发展相对滞后，导致城乡差距持续存在。2020年，中国各地区城乡收入差距普遍得到了显著改善。尤其是在东部沿海地区，随着经济持续增长和城镇化进程加速，城乡收入差距显著缩小。此外，多中心指数的变化整体呈现上升趋势，这表明多中心结构逐渐成为促进区域协调发展的重要路径。特别是在东部沿海地区，城市群的多中心发展模式逐步成为主流，如长三角和珠三角地区通过推动多中心城市群建设，有效地缓解了单一中心城市的过度集聚问题，促进了区域内外的资源共享和协调发展。上述变化趋势初步表明，多中心结构的推广可能有助于减少城乡收入差距，促进区域经济的均衡发展。
图1 2003—2020年城乡收入差距、多中心指数演化

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(2023)2763号的标准地图制作，底图边界无修改。

Fig.1 Change of urban-rural income gap and polycentric index during 2003-2020

3.2 基准回归结果

城市多中心结构对城乡收入差距的基准回归结果如表2所示。分别以城乡人均可支配收入比值和泰尔指数为因变量，无论是否控制地区特征变量，多中心指数在1%水平下均显著为负，验证了假说1，即多中心结构有助于缩小城乡收入差距。Zhang等[19]、程刚等[20]的研究虽在区域尺度上发现二者呈“U”形关系，但主要集中在“U”形左侧，即多数区域的多中心结构能够有效缩小城乡收入差距。本文聚焦地级市内部城乡关系，未发现显著的“U”形特征，可能是因为，区域层面的多中心需要协调不同地级市的利益，地方政府在“政治锦标赛”激励下恶性竞争，这种短期内以GDP为导向的竞争反而会拉大城乡差距。而地级市政府在空间规划上的统一管控减少了区域层面不同政府之间的协调成本与政治竞争，更有利于推动城乡融合。这也为理解新型城镇化中的多中心路径提供了新的解释框架，即相较于区域层面的多中心结构构建，城市内部的多中心空间可能是更直接、更高效的缓解城乡差距的路径。
表2 基准回归结果

Tab.2 Results of benchmark regression

变量 城乡收入比 城乡泰尔指数
(1) (2) (3) (4)
多中心指数 -0.548*** -0.543*** -0.064*** -0.057***
(0.179) (0.155) (0.019) (0.015)
经济发展水平 -0.279*** -0.027***
(0.062) (0.005)
城市规模 -0.159 -0.021
(0.179) (0.013)
城镇化水平 0.028 -0.001
(0.128) (0.010)
政府干预力度 -1.067*** -0.117***
(0.277) (0.021)
对外开放程度 -1.903*** 0.056
(0.638) (0.050)
教育水平 -0.158** -0.013**
(0.071) (0.005)
产业结构 0.472** 0.003
(0.184) (0.015)
基础设施 0.123 0.008***
(0.081) (0.003)
公共服务 -0.234*** -0.012***
(0.067) (0.005)
常数项 2.764*** 6.501*** 0.090*** 0.485***
(0.072) (1.607) (0.008) (0.110)
城市固定效应 控制 控制 控制 控制
时间固定效应 控制 控制 控制 控制
观测值 5115 4912 5169 4941
R2 0.862 0.875 0.879 0.899

注：括号内数值为聚类在地级市层面的稳健标准误，***、**、*分别表示在1%、5%、10%水平上显著。下同。

3.3 稳健性分析

3.3.1 工具变量法

为缓解多中心结构与城乡收入差距之间可能存在的反向因果关系所引致的内生性问题，进一步采用工具变量法(IV)进行稳健性检验。地形起伏度等自然地理变量作为多中心结构常见的工具变量，已得到广泛的应用[19-20]。人口倾向于聚集在平坦的地区，地形起伏度越大的城市，连续开发的难度越大，越可能形成多中心结构。作为自然地理变量，地形起伏度通常与城市经济发展无直接联系，具备较强的外生性，满足有效工具变量的基本要求[19]。相关回归结果见表3中列(1)~列(3)，与基准回归结果一致。此外，引入历史工具变量以进一步增强识别策略的有效性。依据Li等[43]研究，1953年中国首次人口普查所反映的城市空间结构可作为当前城市空间结构的历史基础，体现了新中国成立初期的城市分布格局，具有一定路径依赖特征，即历史上越多中心的地区，其现今更可能维持多中心格局。但考虑到70余年来人口迁移、产业演变与政策调整的深刻影响，1953年的空间结构已难以直接影响当前城乡收入差距，因此具备外生性[43]。鉴于上述工具变量不具备时变性，参考既有研究做法，将其与时间趋势项相乘以用于固定效应模型。回归结果见表3中列(4)~列(6)，与基准回归结果一致。
表3 工具变量估计结果

Tab.3 Results of instrumental variable estimation

变量 工具变量：地形起伏度 工具变量：历史
第一阶段 第二阶段 第一阶段 第二阶段
(1) (2) (3) (4) (5) (6)
多中心指数 城乡收入比 城乡泰尔指数 多中心指数 城乡收入比 城乡泰尔指数
地形起伏度 0.003***
(0.0004)
1953年多中心指数 0.001***
(0.0001)
多中心指数 -2.332* -0.464*** -4.935*** -0.700***
(1.241) (0.110) (1.697) (0.175)
Kleibergen-Paap rk LM 36.082 36.532 19.812 21.103
P<0.001 P<0.001 P<0.001 P<0.001
Kleibergen-Paap rk Wald F 38.279 38.687 20.391 21.773
[8.96] [8.96] [8.96] [8.96]
控制变量 控制 控制 控制 控制 控制 控制
城市固定效应 控制 控制 控制 控制 控制 控制
时间固定效应 控制 控制 控制 控制 控制 控制
观测值 4579 4579 4588 4824 4824 4852
F值 38.28 196.32 56.24 20.39 141.88 32.31

注：Kleibergen-Paap rk LM为工具变量的可识别检验；Kleibergen-Paap rk Wald F为弱工具变量检验，[ ]中的数值对应Stock-Yogo 15%临界值。

3.3.2 替换核心变量

为进一步验证核心变量选择的可靠性，并检验测度方法可能引入的偏误，对关键自变量与因变量进行了多组替代性稳健性检验。具体包括：一是考虑到居民人均可支配收入数据可能存在样本覆盖不足、受访者误报及统计口径不一致等问题，采用城市与乡村区域的夜间灯光密度替代收入指标重新测度城乡差距；二是基于Meijers等[40]提出的帕累托指数，使用中心之间人口分布的均衡性对多中心结构进行替代性测度；三是以城市中心数量作为多中心结构的代理变量，进一步检验其对城乡收入差距的影响。结果发现，所有替代性回归均显示核心变量多中心指数系数显著为负(表4)，与基准回归一致，表明多中心结构对缓解城乡收入差距的结论具有较强稳健性。
表4 替换核心变量的回归结果

Tab.4 Regression results of alternative core variables

变量 使用夜间灯光数据衡量收入差距 使用帕累托指数衡量多中心结构 使用城市中心个数衡量多中心结构
(1) (2) (3) (4) (5) (6)
城乡收入比 城乡泰尔指数 城乡收入比 城乡泰尔指数 城乡收入比 城乡泰尔指数
多中心指数 -21.800*** -0.110* -0.083** -0.005* -0.093** -0.016***
(7.567) (0.061) (0.038) (0.003) (0.046) (0.004)
控制变量 控制 控制 控制 控制 控制 控制
城市固定 控制 控制 控制 控制 控制 控制
时间固定 控制 控制 控制 控制 控制 控制
观测值 4925 4941 4912 4941 4915 4945
R2 0.612 0.801 0.874 0.897 0.874 0.896

3.4 机制分析

由理论分析可知，多中心结构可能通过农村劳动力流动、涉农产业多样性和城市市场溢出效应缓解城乡差距。利用中介效应模型对上述传导路径进行识别检验，选取中介变量包括：① 劳动力流动，根据贾晓佳等[44]的研究，用乡村从业人员总数减去农林牧渔业从业人数，并进一步计算其与乡村从业人员总数的比值，从而得出农村剩余劳动力转出率；② 产业多样性，借鉴王晶等[33]方法，使用赫芬达尔指数计算涉农产业多样性；③ 市场溢出，采用市场潜能函数进行衡量，借鉴Nelson等[45]的方法，计算每平方公里乡村地区到最近城市中心边界的平均旅行时间，更精确表征地理可达性。回归结果如表5所示。
表5 中介效应检验结果

Tab.5 Results of mediation effect tests

变量 劳动力流动 产业多样性 市场溢出
(1) (2) (3) (4) (5) (6) (7) (8) (9)
劳动力流动 城乡收入比 城乡泰尔指数 产业多样性 城乡收入比 城乡泰尔指数 市场溢出 城乡收入比 城乡泰尔指数
多中心指数 0.118** -0.410*** -0.037*** 0.068** -0.615*** -0.052*** 1.376*** -0.462*** -0.052***
(0.055) (0.151) (0.014) (0.029) (0.086) (0.007) (0.384) (0.151) (0.015)
中介变量 -0.258** -0.004 -0.123** -0.019*** -0.058*** -0.004***
(0.121) (0.007) (0.062) (0.005) (0.019) (0.001)
控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制
城市固定 控制 控制 控制 控制 控制 控制 控制 控制 控制
时间固定 控制 控制 控制 控制 控制 控制 控制 控制 控制
观测值 3830 3823 3830 4393 4385 4393 4941 4912 4941
R2 0.923 0.894 0.944 0.519 0.873 0.900 0.961 0.876 0.899
由表5列(1)可知，多中心结构有助于增加农村剩余劳动力转出；列(2)中，农村剩余劳动力转移率系数显著为负，表明多个中心带来农村剩余劳动力转出是缓解城乡差距重要途径之一；列(4)表明，多中心结构有助于促进涉农产业多样性；列(5)和列(6)的产业多样性系数显著为负，表明涉农产业多样化也是多中心结构缓解城乡差距的重要途径之一；列(7)表明，多中心结构显著增强城市对乡村的市场溢出效应；列(8)和列(9)市场溢出系数显著为负，表明市场溢出也是多中心结构缓解城乡差距的重要机制之一。例如，江苏省常州市积极推动多中心发展战略，特别通过武进片区、新北片区、金坛片区和溧阳片区等新城建设，显著促进了劳动力的就近就业，提高了农村劳动力收入水平。此外，常州多中心战略也强化了市场溢出效应，推动农村地区产业多元化发展，使得乡镇企业、农村文旅产业增长迅速，极大提升了本地农村居民收入水平。
综上，上述机制分析结果验证了本文的假说2。

4 基于城市属性的进一步分析

进一步考察城市属性对多中心空间结构影响效果的异质性作用。首先，检验城市规模与行政等级，分别按人口规模和行政等级进行分组回归。根据2014年颁布的《国务院关于调整城市规模划分标准的通知》，将识别出城市人口在500万以上的地级市定义为超大特大城市组(高规模)，低于此标准则为低人口规模组(低规模)。将省会城市、副省级城市及直辖市划为高行政等级城市组(高行政)，其余城市则划为低行政等级组(低行政)。回归结果见表6。可见，多中心结构在低人口规模组和低行政等级组中显著缓解城乡收入差距，而在高等级城市中效果不显著。因此，部分省会、一线城市的高等级资源仍集中在核心城区，即使外围乡村地区得到多中心发展的支持，也很难抗衡前者巨大“虹吸效应”。
表6 异质性分析

Tab.6 Results of heterogeneity analysis

变量 规模等级 行政等级
城乡收入比 城乡泰尔指数 城乡收入比 城乡泰尔指数
(1) (2) (3) (4) (5) (6) (7) (8)
高规模 低规模 高规模 低规模 高行政 低行政 高行政 低行政
多中心指数 0.598 -0.605*** -0.012 -0.057*** 0.096 -0.591*** -0.003 -0.062***
(0.453) (0.160) (0.013) (0.016) (0.407) (0.158) (0.015) (0.016)
观测值 377 4535 393 4548 602 4310 618 4323
R2 0.847 0.876 0.947 0.892 0.842 0.882 0.942 0.894
P-value <0.001 <0.001 <0.001 <0.001
变量 地貌 自然资源禀赋
城乡收入比 城乡泰尔指数 城乡收入比 城乡泰尔指数
(9) (10) (11) (12) (13) (14) (15) (16)
平原 山地 平原 山地 资源型 非资源型 资源型 非资源型
多中心指数 -0.098 -0.659*** -0.042*** -0.051*** -0.512** -0.723*** -0.037** -0.080***
(0.247) (0.184) (0.014) (0.017) (0.203) (0.247) (0.016) (0.018)
观测值 1352 3560 1353 3588 1988 2924 1990 2951
R2 0.828 0.885 0.897 0.900 0.882 0.868 0.919 0.875
P-value 0.002 0.288 0.004 <0.001
变量 距离 海陆
城乡收入比 城乡泰尔指数 城乡收入比 城乡泰尔指数
(17) (18) (19) (20) (21) (22) (23) (24)
近 远 近 远 沿海 内陆 沿海 内陆
多中心指数 -0.326* -1.261*** -0.031** -0.161*** -0.544** -0.468*** -0.058*** -0.038**
(0.167) (0.437) (0.013) (0.038) (0.269) (0.159) (0.017) (0.017)
观测值 2922 1990 2948 1993 1980 2932 2007 2934
R2 0.881 0.872 0.898 0.908 0.863 0.891 0.907 0.929
P-value <0.001 <0.001 0.152 <0.001

注：控制变量、城市固定和时间固定都进行了控制，为节省篇幅，均未展示；P-value为组间系数差异性检验P值。

其次，检验地形地貌与自然资源禀赋。依据《1∶500 1∶1000 1∶2000外业数字测图规程》(GB/T 14912—2017)，将地面平均坡度大于6°的地级市划为山地城市，其余划为平原城市；依据《全国资源型城市可持续发展规划(2013—2020年)》将城市划分为资源型城市和非资源型城市。回归结果见表6。可见，多中心结构在山地城市对缩小城乡收入差距的作用更明显。这一发现在城乡收入比组间差异检验中得到验证。例如，中西部地区部分山地城市，由于地理环境的限制，经济活动较为分散，促使多个区域中心形成。这些多中心的城市发展模式有助于促进农村地区的经济参与和收入提升，从而有效缩小城乡收入差距。在自然资源禀赋异质性检验中，多中心结构更能缩小非资源型城市的城乡收入差距，因为某些北方资源型城市经济长期依赖煤炭资源，单一的产业结构导致了城市内的经济活动高度集中，弱化了多中心结构不同中心的要素配置能力，进而降低了其对城乡差距的缩减效应。
最后，检验主次中心距离和是否处于沿海区位。按照主中心与次中心之间的质心距离，将质心距离小于平均值的样本划分为“近距离组”，大于平均值的样本划分为“远距离组”；同时，按照是否处于沿海区位分为“沿海组”和“内陆组”。回归结果见表6。可见，多中心在远距离组的作用效用更为明显。例如，部分城市内的多个中心分布更为分散(主次中心距离较远)，能够覆盖更广泛的乡村区域，使乡村地区能够更充分地接触到城市的资源和发展机会，从而促进其经济发展，减少城乡差距。在海陆异质性检验中，多中心结构更能缩小沿海城市城乡收入差距，这一结果在城乡泰尔指数组间差异检验中得到支持。沿海城市凭借其发达的交通基础设施和开放的经济政策，多中心结构的实施有效推动了城乡之间的要素流动，促进了城乡资源更为均衡配置，进而缩小了城乡收入差距。

5 结论与启示

缩小城乡收入差距、推动地区协调发展已成为当前学术界与政策实践广泛关注的重要议题。基于中国地级市面板数据，本文系统检验了多中心空间结构对城市内部城乡收入差距的影响。结果表明，多中心结构显著有助于缩小城乡居民收入差距，且在人口规模较小、行政等级较低、地形起伏较大以及中心间距较远的城市中，这一效应更加明显。多中心结构通过促进农村劳动力向非农产业转移、推动涉农产业多样化发展、增强城市对乡村市场的辐射能力等机制，有效缓解了城乡收入差距。相较既有研究，本文首次构建了要素流动、产业多样化与市场溢出三重机制路径，从理论建构与实证检验两个层面揭示了多中心结构重塑城乡关系的内在逻辑，拓展了城乡协调发展研究的分析视角与解释路径。
本文政策启示在于：① 科学规划市域多中心城镇空间结构。城市多中心结构的发展不应仅仅是简单的空间分布调整，更应在战略层面明确发展目标。地方政府应加强市域副中心的功能分工与定位，特别是在欠发达地区，强化县级市和中心镇的基础设施建设、产业支持与公共服务功能，确保城乡资源的均衡配置。值得注意的是，规划中应优先考虑增强城市与周边乡村的连接性，使得资源能够有效流动，避免出现因多中心化而加剧资源不均的风险。② 构建城乡要素协同创新网络。多中心结构应成为城乡融合的创新引擎，政府应推动城乡要素的协同创新，通过增强科技、资本、人才等资源的跨区域流动，使中心城市的创新能力与技术成果能够辐射到周边乡村地区，增强乡村的“造血”功能。特别是在农业现代化和乡村振兴的背景下，农村地区应获得更多创新资源支持，通过产业升级和价值链延伸，使农业与非农产业的结合更加紧密，从而推动乡村经济的可持续发展。③ 实施差异化政策，推动区域协调发展。制定多中心空间发展政策时应充分考虑区域的差异性。特别是在城乡差距较为显著且地理位置相对边缘的中小城市，应优先配置多中心发展资源，提升其作为城乡连接纽带的功能，推动这些城市成为区域协调和共享发展的核心载体。通过因地制宜的政策设计，不同区域可在城市多中心化过程中获得定制化的支持，以加速区域内部的协调与共享发展。特别是，应关注自然条件、经济基础与城乡关系演化阶段的差异，避免一刀切的政策做法，以实现更精准的空间治理。
尽管本文通过计量分析探讨了城市多中心空间结构对城乡收入差距的影响机制，但仍存在一定不足。首先，本文主要依赖二手数据进行统计分析，缺乏具体的案例分析和田野调查，导致对复杂社会经济现象的解释不够深入。尤其是在城乡收入差距的形成机制和多中心结构的作用路径方面，单纯的计量模型可能未能全面捕捉到地方性实践和社会背景的差异。因此，未来的研究应结合案例分析和田野调查，深入不同地区、不同类型的城市和乡村，探讨多中心结构对城乡收入差距的具体影响。其次，地方政策、社会资本等因素也可能在城乡收入差距中起到重要作用，计量分析未能充分考虑这些因素的交互作用。未来可以通过定量与定性方法的结合，深入挖掘地方性因素在多中心结构中的表现，为政策制定提供更具操作性和针对性的建议，推动城乡协调发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
秦蒙, 刘修岩, 胡潇男. 区域中心城市规模、市场一体化与城乡收入差距[J]. 财贸经济, 2025, 46(2): 159-176.

[Qin Meng, Liu Xiuyan, Hu Xiaonan. Regional central city scale, market integration and coordinated development of urban-rural areas. Finance & Trade Economics, 2025, 46(2): 159-176.]

[2]
罗婉璐, 王武林, 林珍, 等. 中国城乡融合时空演化及驱动因素[J]. 地理科学进展, 2023, 42(4): 629-643.

DOI

[Luo Wanlu, Wang Wulin, Lin Zhen, et al. Spatiotemporal evolution and driving factors of urban-rural integration in China. Progress in Geography, 2023, 42(4): 629-643.]

DOI

[3]
尉煜桐, 夏昕鸣, 周绍杰. 省域空间发展结构多中心演化与区域均衡发展[J]. 经济地理, 2022, 42(11): 74-86.

DOI

[Wei Yutong, Xia Xinming, Zhou Shaojie. Provincial polycentric evolution of spatial development structure and its effect on imbalanced regional development. Economic Geography, 2022, 42(11): 74-86.]

DOI

[4]
范剑勇, 张雁. 经济地理与地区间工资差异[J]. 经济研究, 2009, 44(8): 73-84.

[Fan Jianyong, Zhang Yan. Economic geography and inequality of regional wages. Economic Research Journal, 2009, 44(8): 73-84.]

[5]
Tirado D A, Díez-Minguela A, Martinez-Galarraga J. Regional inequality and economic development in Spain, 1860-2010[J]. Journal of Historical Geography, 2016, 54: 87-98.

DOI

[6]
Williamson J G. Regional inequality and the process of national development: A description of the patterns[J]. Economic Development and Cultural Change, 1965, 13(4): 1-84.

[7]
Barro R J, Barro R J, Sala-i-Martin X. Convergence[J]. Journal of Political Economy, 1992, 100(2): 223-251.

DOI

[8]
Myrdal G. Economic theory and under-developed regions[M]. London, UK: Gerald Duckworth, 1957.

[9]
Wei Y D. Multiscale and multimechanisms of regional inequality in China: Implications for regional policy[J]. Journal of Contemporary China, 2002, 11(30): 109-124.

DOI

[10]
王小鲁, 樊纲. 中国地区差距的变动趋势和影响因素[J]. 经济研究, 2004(1): 33-44.

[Wang Xiaolu, Fan Gang. Analysis on the regional disparity in China and the influential factors. Economic Research Journal, 2004(1): 33-44.]

[11]
陈斌开, 林毅夫. 发展战略、城市化与中国城乡收入差距[J]. 中国社会科学, 2013(4): 81-102, 206.

[Chen Binkai, Lin Yifu. Development strategy, urbanization and the rural-urban income disparity in China. Social Sciences in China, 2013(4): 81-102, 206.]

[12]
刘守英. 中国城乡二元土地制度的特征、问题与改革[J]. 国际经济评论, 2014(3): 9-25, 4.

[Liu Shouying. Characteristics, problems and reform of China's dual urban-rural land tenure. International Economic Review, 2014(3): 9-25, 4.]

[13]
Fujita M, Krugman P R, Venables A J. The spatial economy: Cities, regions and international trade[M]. Cambridge, USA: MIT Press, 1999.

[14]
范剑勇. 产业集聚与地区间劳动生产率差异[J]. 经济研究, 2006(11): 72-81.

[Fan Jianyong. Industrial agglomeration and difference of regional labor productivity: Chinese evidence with international comparison. Economic Research Journal, 2006(11): 72-81.]

[15]
Dadashpoor H, Doorudinia A, Meshkini A. Polycentricity: The last episodes or the new season?[J]. Progress in Planning, 2023, 177: 100776. doi: 10.1016/j.progress.2023.2023.100776.

[16]
刘修岩, 李松林, 陈子扬. 多中心空间发展模式与地区收入差距[J]. 中国工业经济, 2017(10): 25-43.

[Liu Xiuyan, Li Songlin, Chen Ziyang. Polycentric development and its effect on regional income disparity. China Industrial Economics, 2017(10): 25-43.]

[17]
Rosenthal S S, Strange W C. Evidence on the nature and sources of agglomeration economies[M]// HendersonJ V, ThisseJ F. Handbook of regional and urban economics. Amsterdam, the Netherlands: Elsevier, 2004: 2119-2171.

[18]
Meijers E. Measuring polycentricity and its promises[J]. European Planning Studies, 2008, 16(9): 1313-1323.

DOI

[19]
Zhang D Y, Kong Q X, Shen M. Does polycentric spatial structure narrow the urban-rural income gap? Evidence from six urban clusters in China[J]. China Economic Review, 2023, 80: 101999. doi: 10.1016/j.chieco.2023.101999.

[20]
程刚, 赵长娟. 多中心空间发展模式是否有助于缩小城乡收入差距?[J]. 财贸研究, 2023, 34(3): 15-27, 67.

[Cheng Gang, Zhao Changjuan. Whether polycentric spatial development pattern contribute to reducing urban-rural income gap? Finance and Trade Research, 2023, 34(3): 15-27, 67.]

[21]
Commission of the European Community. European spatial development perspective: Towards balanced and sustainable development of the territory of the European Union[M]. Brussels, Belgium: European Commission, 1999.

[22]
Meng X, Zhang J. The two-tier labor market in urban China: Occupational segregation and wage differentials between urban residents and rural migrants in Shanghai[J]. Journal of comparative Economics, 2001, 29(3): 485-504.

DOI

[23]
Fujita M, Thisse J F. Economics of agglomeration: Cities, industrial location, and regional growth[M]. Cambridge, UK: Cambridge University Press, 2002.

[24]
Duranton G, Puga D. Micro-foundations of urban agglomeration economies[M]// HendersonJ V, ThisseJ F. Handbook of regional and urban economics. Amsterdam, the Netherlands: Elsevier, 2004: 2063-2117.

[25]
斯丽娟, 王超群. 数字基础设施建设对农村居民收入不平等的影响效应研究[J]. 求是学刊, 2024, 51(3): 62-78.

[Si Lijuan, Wang Chaoqun. Research on the impact of digital infrastructure construction on income inequality of rural residents. Seeking Truth, 2024, 51(3): 62-78.]

[26]
郑涛, 孙斌栋, 张婷麟. 多中心空间结构对城市地价影响研究[J]. 地理研究, 2021, 40(6): 1610-1620.

DOI

[Zheng Tao, Sun Bindong, Zhang Tinglin. The impacts of polycentric spatial structure on urban land price. Geographical Research, 2021, 40(6): 1610-1620.]

[27]
Zhao Y. Labor Migration and earnings differences: The case of rural China[J]. Economic Development and Cultural Change, 1999, 47(4): 767-782.

DOI

[28]
Yusuf S, Saich A. China urbanizes: Consequences, strategies, and policies[M]. Washington D C, USA: World Bank, 2008: 65-89.

[29]
Yang R, Xu Q, Long H L. Spatial distribution characteristics and optimized reconstruction analysis of China's rural settlements during the process of rapid urbanization[J]. Journal of Rural Studies, 2016, 47: 413-424.

DOI

[30]
肖伟, 刘文华, 谢婷. 就地城镇化的家庭收入效应: 基于中国家庭金融调查(CHFS)的实证研究[J]. 金融研究, 2023(2): 152-170.

[Xiao Wei, Liu Wenhua, Xie Ting. Impacts of in situ urbanization on household disposable income: Evidence from CHFS. Journal of Financial Research, 2023(2): 152-170.]

[31]
Meijers E. Summing small cities does not make a large city: Polycentric urban regions and the provision of cultural, leisure and sports amenities[J]. Urban Studies, 2008, 45(11): 2323-2342.

DOI

[32]
崔超, 郜亮亮, 来晓东. 新型农村集体经济赋能乡村特色产业绿色转型: 逻辑、模式与进路[J]. 中国人口·资源与环境, 2024, 34(9): 162-170.

[Cui Chao, Gao Liangliang, Lai Xiaodong. New rural collective economy empowering the green transformation of rural specialty industries: Logic, models, and pathways. China Population, Resources and Environment, 2024, 34(9): 162-170.]

[33]
王晶, 吕开宇. 共同富裕目标下缩小农村内部收入差距的实现路径: 基于生计多样化视角的分析[J]. 华中农业大学学报(社会科学版), 2021(5): 34-44, 192-193.

[Wang Jing, Lyu Kaiyu. The path to narrowing rural income gap under the goal of common prosperity: A quantitative analysis from the livelihood diversification perspective. Journal of Huazhong Agricultural University (Social Sciences Edition), 2021(5): 34-44, 192-193.]

[34]
Ellis F. Rural livelihoods and diversity in developing countries[M]. Oxford, UK: Oxford University Press, 2000.

[35]
Fujita M, Krugman P, Mori T. On the evolution of hierarchical urban systems[J]. European Economic Review, 1999, 43(2): 209-251.

DOI

[36]
杨一鸣, 王健, 吴群. 中国城乡实体要素流动对城乡融合发展的影响机制研究[J]. 地理科学进展, 2022, 41(12): 2191-2202.

DOI

[Yang Yiming, Wang Jian, Wu Qun. Mechanism of influence of element flow on urban-rural integrated development in China. Progress in Geography, 2022, 41(12): 2191-2202.]

DOI

[37]
Meijers E, van der Wouw D. Struggles and strategies of rural regions in the age of the 'urban triumph'[J]. Journal of Rural Studies, 2019, 66: 21-29.

DOI

[38]
Henderson J V, Nigmatulina D, Kriticos S. Measuring urban economic density[J]. Journal of Urban Economics, 2021, 125: 103188. doi: 10.1016/j.jue.2019.103188.

[39]
Dijkstra L, Florczyk A J, Freire S, et al. Applying the degree of urbanisation to the globe: A new harmonised definition reveals a different picture of global urbanisation[J]. Journal of Urban Economics, 2021, 125: 103312. doi: 10.1016/j.jue.2020.103312.

[40]
Meijers E J, Burger M J. Spatial structure and productivity in US metropolitan areas[J]. Environment and Planning A: Economy and Space, 2010, 42(6): 1383-1402.

DOI

[41]
Li Y C, Liu X J. How did urban polycentricity and dispersion affect economic productivity? A case study of 306 Chinese cities[J]. Landscape and Urban Planning, 2018, 173: 51-59.

DOI

[42]
孙斌栋, 华杰媛, 李琬, 等. 中国城市群空间结构的演化与影响因素: 基于人口分布的形态单中心—多中心视角[J]. 地理科学进展, 2017, 36(10): 1294-1303.

DOI

[Sun Bindong, Hua Jieyuan, Li Wan, et al. Spatial structure change and influencing factors of city clusters in China: From monocentric to polycentric based on population distribution. Progress in Geography, 2017, 36(10): 1294-1303.]

DOI

[43]
Li W, Sun B D, Zhang T L. Spatial structure and labour productivity: Evidence from prefectures in China[J]. Urban Studies, 2019, 56(8): 1516-1532.

DOI

[44]
贾晓佳, 程名望. 中国农村劳动力省际转移(1978—2021): 数量估算与时空特征[J]. 中国农村经济, 2024(6): 72-93.

[Jia Xiaojia, Cheng Mingwang. Interprovincial transfer of rural labor force in China (1978-2021): Quantitative estimation and spatiotemporal characteristics. Chinese Rural Economy, 2024(6): 72-93.]

[45]
Nelson A, Weiss D J, Van Etten J, et al. A suite of global accessibility indicators[J]. Scientific Data, 2019, 6: 266. doi: 10.1038/s41597-019-0265-5.

PMID

Options
文章导航

/

〈 〉