城市群空间网络对污染减排效应的影响研究

岳书敬 孙晓玲

[摘 要]以京津冀、长三角、珠三角三大城市群为研究对象，通过引力模型和社会网络分析方法，刻画城市群空间网络特征，探讨城市群空间网络关系的外向关联水平、内向关联水平对污染减排的影响。结果表明：2005—2018年三大城市群的网络密度不断提升;整体来看，三大城市群空间网络的外向和内向关联水平的减排效应均显著;分城市群来看，京津冀城市群空间网络的污染减排效果最强，长三角、珠三角城市群空间网络的减排效果相差不大。未来城市群发展要更注重加强城市间联系，做好城市群网络的顶层设计与结构优势利用。

[关键词]城市群;空间网络;减排效应

[中图分类号] F11      [文献标识码]A     [文章编号]1672-1071（2022）02-0085-09

引言

当前我国经济不断向高质量发展方向转型，从粗放型增长模式向生态友好型增长模式转变过程中，发挥城市群的增长带动作用与污染物减排是两项关键的任务。国家“十四五”规划提出要以城市群为抓手构建新型城市化战略格局，优化城市群内部空间结构，构建生态安全和安全屏障，形成多中心、多层级、多节点的网络型城市群。城市群是构筑优势互补、高质量发展的区域经济格局的核心所在。在城市群的建设过程中，其内部城市之间的关系逐渐表现出显著的网络化特征，构筑起了高铁、公路、人口流动、创新合作等依托实体的空间网络，也在信息通信、资本流动的过程中形成了无形的空间网络。城市间形成的网络通过“网络外部性”使嵌入网络的城市实现了自身发展[1]，网络的开放程度、联系强度也同样是城市群保持持续增长的关键[2]。

然而，随着城市群的不断发展，人口、产业在区域内迅速集聚，对区域内各类资源的需求激增，导致了大量的污染物排放与一系列环境问题。城市群是引领高质量发展的增长极，更要重视经济发展与环境水平的协同提升。在城市群空间网络特征明显且未来网络化将不断加速提升的背景下，研究城市群空间网络对减排的影响对优化城市群空间结构，打造生态安全、绿色高效的城市群具有重要意义。

京津冀、长三角和珠三角是我国极具代表性的三个城市群①。从发展水平来看，三个城市群经济活跃，人才、科教汇集，社会发展迅速。2018年，三个城市群集聚了近2.89亿人口，贡献了全国将近40%的GDP，且其吸引力与创造力仍在不断提升。其中，长三角已成为世界六大城市群之一[3]，世界银行报告显示，2015年珠三角已成为世界人口和面积最大的城市带[4]。从网络化的角度来看，三大城市群在产业链、人口流动、信息沟通、交通运输、创新合作、政策协同等方面均已形成较为复杂的空间网络。但另一方面，三大城市群也是环境问题最突出的地区，污染水平显著高于全国平均水平[5]，2003—2018年三大城市群PM2.5浓度均大于世卫组织规定的安全值[6]。因此，本文选取这三个城市群作为研究对象对城市群空间网络减排效应进行研究。

本文的创新点主要集中在两个方面：一是利用社会网络分析方法计算城市群内部城市空间网络的内向关联水平和外向关联水平，分别研究两者对城市污染减排的不同影响;二是对比研究了三个城市群空间网络对污染减排影响的异质性，讨论了不同城市群空间网络带来的污染减排差异。

一、 文献回顾

城市群是在特定地域范围内，以特大城市、大城市为依托，在通信、交通等基础设施的基础上形成紧密关联、高度一体化的城市群体[7]。随着全球城市化的不断推进，城市之间的网络关联已成为城市体系的重要基本特征之一[8]。

对城市群网络的探索主要围绕交通基础设施、人口流动、企业跨区域布局、创新合作、经济联系等诸多方面展开，研究对象基本涵盖了多数具有代表性的城市群。孙阳等在高铁客流的基础上建立了长三角城市群的关联网络[9]，研究发现城市群核心城市向外延伸的轴线联系加强。侯赟慧等在基于引力模型构建经济联系的基础上指出长三角城市群中各城市的经济联系越来越紧密，南京、无锡、上海等城市位于网络的中心[10]。彭芳梅则通过对经济联系的研究认为粤港澳大湾区及周边城市表现出“核心—半边缘—边缘”的空间结构，城市之间的联系存在非均衡性[11]。许露元和李红通过引力模型对珠三角及北部湾地区的经济联系进行了研究，发现空间网络结构呈现出由单中心向多中心发展的趋势，中心城市对整个区域而言辐射作用持续增强[12]。赵渺希等基于企业总部法对长三角、京津冀和珠三角三个城市群的网络进行对比，发现珠三角城市群具有明显的多中心特征，长三角多中心程度提升速度较快，而京津冀城市群的发育速度相对缓慢[13]。

城市网络主要借助网络外部性来发挥作用。网络外部性被认为是城市加入网络能够获得的“好处”，主要集中于对城市创新能力与竞争能力的提升[14]。Capello将网络外部性视为城市网络的三个组成元素之一，认为城市通过参与网络在互补关系与合作活动中获得收益，該网络已经超越传统意义上的运输成本最小或对非重叠市场区域控制的最大化[1]。实证方面，国内已有研究探讨了城市群空间网络对经济增长的促进作用[15-16]。然而，城市群网络对环境影响的研究尚不多见，以往基于空间计量的研究多限定于城市间的“邻近”关系，忽视了城市群作为有机整体的特殊性。

综上所述，城市群空间网络已成为城市群的重要特征之一，城市群空间网络对经济增长也有显著的提升作用。然而，城市群空间网络是否有助于城市群的污染减排与环境质量提升、不同城市群的减排效果是否存在差异这两个问题还有待探究。

二、 机制分析

（一） 网络外部性的集聚效应

传统集聚经济理论中，经济活动在特定的城市聚集并产生正的外部性与规模经济效应。由于“共享、学习、匹配”的存在，企业可以在集聚过程中共享知识、技术、熟练劳动力等资源，劳动力要素在区域内的集中也使得工作岗位的搜寻成本降低。因此，集聚使得区域内技术水平和生产效率提升，进而促进减排。然而，聚集也可能造成区域内企业的恶性竞争、资源浪费，同时大量的企业集中也使得污染物集中排放，加剧污染[17]。由于正外部性与负外部性的同时存在，集聚对环境的影响存在不确定性。

城市群空间网络是在交通、通信等基础上形成的网络关系，因而突破了传统的集聚经济，使得集聚的正外部性在整个城市群内发生[18]。一方面，传统集聚经济减排的作用机制依旧存在。中心城市及网络中其他城市能够通过网络获取更多的知识、技术，彼此之间进行学习和交流，促进产业结构合理化与技术创新水平提升，从而实现减排。另一方面，地理非邻近性克服了集聚经济的弊端。城市之间的网络外部性的集聚效应不拘泥于地理上的接近，城市群内部产业布局更加合理，传统集聚经济由于过度集中而导致的环境污染得到化解。

（二） 网络外部性的溢出效应

溢出效应对环境的影响分为两个层面。一是先进技术、FDI等要素的溢出能够降低污染物排放。先进技术的溢出主要体现在企业间的学习模仿行为及区域之间的技术引进[19];FDI则可间接通过产业集聚与技术交流实现溢出，提升环境质量[20]。二是污染物普遍存在空间溢出现象，使得一个地区的污染也影响到其他地区的环境水平。大气活动、扩散作用及风力会使已排放的污染物对周边地区产生影响[21]。高污染、高耗能产业由发达地区向落后地区的转移使得污染也随之转移，发达地区自身产业升级的全部收益可能也无法完全获得进而导致污染改善水平有限[22]。

城市群空间网络充当了城市之间溢出的重要渠道[15]，使溢出效应成为网络外部性的重要组成部分。借用规模理论认为小城市能够嵌入网络，从而借用大城市的发展成果、规模经济等优势，大城市则可借用小城市的消费市场等优势[23]。大城市的先进技术、优质资本、劳动力等要素通过网络溢出到与其邻近或非邻近的小城市，使小城市借助这些资源实现自身技术、产业升级，进而达到减排的目的。然而，由于自然因素直接导致的污染物自身溢出，落后产业转移、人口迁移、环境规制等间接导致的污染溢出在网络城市群网络中依旧不可避免，溢出效应的减排效应有所削弱。

基于上述分析，提出以下两个假设（参见图1）：

H1：城市空间网络的集聚效应与溢出效应能够实现减排。

H2：城市空间网络的集聚效应减排能力强于溢出效应。

三、 方法和数据

（一） 城市群空间关联水平测算

由于城市之间的关联活动都会对经济发展产生影响，因此本文选择城市之间的经济联系构建引力模型测算城市群空间网络。考虑到城市之间现实的交通因素以及区域经济联系不对等性，本文参考汤放华等的做法对经验常数k进行修正[24]，具体计算公式如下：

Fij=kij GiPi GjPjD2ij，kij=GiGi+Gj（1）

其中，Fij表示城市i对城市j的经济联系强度;Gi，Gj分别为城市i，j的GDP;Pi，Pj分别为城市i，j的年末全市人口数;Dij为两城市之间的距离。以5为阈值构建区域之间的网络关联矩阵，即如果Fij>5，则网络关联矩阵中对应值为1，用Mij表示。

城市群整体网络密度是城市群空间网络中实际存在的关系数与理论上最大关系数的比值，网络密度越大，纳入网络中的城市关系就越多，網络中的城市所能实现的传递和交互功能也越强[25]。具体计算公式如下所示：

Density=∑ni=1∑nj=1Mijn（n-1）（2）

度数中心度表示与某城市有直接联系的其他城市的个数。分别计算网络中城市的点入度和点出度，其中，点入度表示区域的内向关联水平，即区域的集聚能力[26];点出度表示区域的外向关联水平，即区域将自身实力、资源等溢出到其他城市的能力。为便于三个城市群的对比，采用点入度和点出度标准化后的相对值作为内向关联水平和外向关联水平，分别用In_deg，Out_deg来表示，其具体计算公式如下：

In_degit=∑ni=1Mij，tn-1×100（3）

Out_degit=∑nj=1Mij，tn-1×100（4）

其中，n表示城市群内城市群的个数，京津冀城市群为13，长三角城市群为26，珠三角城市群为15。

（二） 计量模型设定

考虑到数据的可得性，本文主要考察城市群空间网络关联水平对工业SO2污染减排的影响，构建以下面板模型：

SO2_intensityit=α0+α1In_degit+α2Industryit+α3Urbanit+α4R&Dit+α5Openit+α6ERit+εit

（5）

SO2_intensityit=α0+α1Out_degit+α2Industryit+α3Urbanit+α4R&Dit+α5Openit+α6ERit+εit

（6）

其中，i代表城市，t代表年份。SO2_intensity代表工业SO2排放强度，参考陆铭和冯皓的做法[27]，用城市当年SO2排放量与GDP的比值来表示本文的被解释变量。In_deg为内向关联水平，Out_deg为外向关联水平。引入Industry，Urban，R&D，Open和ER作为控制变量，分别代表产业结构、城市化水平、技术进步、对外开放程度和环境规制。

控制变量具体说明如下：

产业结构（Industry）：采用第二产业增加值占GDP比重测度。工业生产是SO2排放的主要来源，二产占比越高，工业生产过程中排放的SO2就越多。因此，本文预期产业结构对SO2排放强度的影响方向为正。

城市化水平（Urban）：用市辖区人口占城市总人口比重测度。城市化水平提升的过程伴随着人口和经济活动的集聚。当集聚效应主要体现为规模效应时，城市化水平的提升有利于SO2减排，反之，当集聚效应主要体现为拥挤效应时，城市化水平不利于减排[28]。因此，城市化对SO2排放强度的影响方向不能确定。

技术进步（R&D）：用科技支出占财政预算支出比重测算。技术进步能够对工业生产流程及生产设备进行改造升级，降低生产过程中废气的产生与排放[29]。同时，技术进步能够加快绿色、清洁能源的普及与推广，从而减少能源使用过程中产生的SO2。因此，本文预期技术进步对SO2排放强度的影响方向为负。

对外开放程度（Open）：用实际利用外资金额占GDP比重测算。“污染天堂”假说认为，外商投资会将污染密集型产业向发展中国家迁移，造成本土环境污染。然而，也有研究证实外商投资能够通过先进生产技术与设备的输入提升本土生产水平、降低生产过程中的污染排放[30]。因此，对外开放程度对SO2排放强度的影响方向不能确定。

环境规制（ER）：参考沈坤荣的做法，构建由二氧化硫去除率和工业烟尘去除率构成的环境规制综合指数[31]。环境规制体现了城市地方政府对环境保护的重视。政府可以通过行政手段对存在环保问题的企业进行管理。同时，环境规制能够向市场和企业传递鼓励节能减排、高效生产的信号，从而减少污染物排放。因此，本文预期环境规制对SO2排放强度的影响方向为负。

（三） 数据来源

54个城市的数据主要来源于国研网和《中国城市统计年鉴》，缺失数据根据相应省或城市统计年鉴进行补充或通过插值进行补全。其中，GDP数据根据城市所在省份的价格指数以2000年不变价格进行了平减调整[32]。各变量描述性统计结果见表1。

四、 城市群空间网络特征及其减排效应

（一） 三大城市群空间网络特征

图2为三大城市群网络密度的变化趋势。由图可见，2005—2018年三大城市群的网络密度不断提升，表明三大城市群各自内部城市之间的联系越来越紧密，城市之间的交互也不断加强。这一方面得益于城市群内部交通、通信等基础设施的不断完善，另一方面也得益于城市之间在产业联系基础上形成的资本、物质、人口流动。此外，城市群作为经济高质量发展的重要载体受到了广泛重视，京津冀协同发展、长三角一体化以及粤港澳大湾区等城市群发展战略、规划的提出为城市之间展开经济、科技、环保等方面的合作创造了良好的宏观环境。

图3、4、5分别为京津冀、长三角、珠三角三个城市群2018年空间网络关联情况，图中箭头表示空间网络联系的方向。三个城市群均已形成复杂的空间网络，但网络格局存在差异。京津冀城市群中的中心城市较少，北京、天津、保定、廊坊和唐山五市处于整个网络的核心位置，其内向关联水平与外向关联水平均较高，即其溢出与集聚效应均较强。而张家口、承德与秦皇岛三市与城市群内其他城市的联系相对较弱，內向、外向关联水平均较低，“弱联系”的情况在赵正、董文姝等的研究中也有所体现[33-34]。可能的原因是这三市集中于城市群北部的坝上高原地区，地理因素极大地制约了这些城市与城市群内其他城市的交流及其自身的经济发展[35]。长三角城市群内部城市之间的联系十分密切，该城市群具有上海、南京、无锡、苏州、常州、杭州等多个网络中心，在地理上形成了东部网络核心片区，这些城市同时也具有较高的内向、外向关联水平。这样的空间网络与李影影等的研究结果也较为相似[36]。而部分空间网络关联强度较低的地区，如池州、宣城、舟山、台州，则主要位于城市群西部和南部边缘地带，因而可能受地理位置影响导致与其他城市的交流有限。珠三角城市群也具有较多的中心城市，与长三角城市群相似，但在网络中心城市的地理分布上，珠三角城市群形成了以广州为核心向四周发散的网络核心区域分布。广州、肇庆、佛山、珠海、深圳等城市都处于网络的中心，集聚和溢出的程度均相对较高。而韶关、阳江、汕尾等城市的外向关联城市明显较少。

（二） 三大城市群整体空间网络减排效应

通过Hausman检验，所有模型均选择固定效应（FE）。表2为三大城市群空间网络关联整体减排效应的回归结果，其中模型（1）为内向关联水平作为核心解释变量的回归结果，模型（2）为外向关联水平作为核心解释变量的回归结果。

内向关联水平的回归系数为-2.213，在1%的显著性水平下显著，表明内向关系水平能显著降低SO2排放强度。内向关联水平代表了城市的集聚能力，该结果与假设一致。对于发展水平较低的城市来说，发达地区的资源要素流入当地，随之而来的新产业、新技术有利于本地减排。而对于发展水平更高的城市而言，由于“虹吸效应”的存在，人才、技术、新兴产业汇集，关联网络的减排效应显现。此外，内向关联水平的回归系数大于外向关联水平的回归系数，表明集聚效应的减排效应要好于溢出效应，与假设一致，即要素、资源的集聚更有利提升城市群整体的产业、技术水平，促进减排。

外向关联水平的回归系数为-1.519，在1%的显著性水平下显著，表明外向关联水平能显著降低SO2排放强度。外向关联水平体现了城市群内部城市将自身资源溢出到内部其他城市的能力，该结果与假设一致。一般而言，溢出能力较强的城市自身综合发展水平也较高，如北京、上海、广州、深圳、南京、杭州。更高的社会经济发展水平、更合理的产业结构以及更强的研发创新水平有益于城市自身SO2排放强度的减少。同时，由于城市群网络溢出效应的存在，溢出能力更强的地区能够将自身的减排优势传递到其他城市，从而促进共同减排。

对于控制变量，两个模型中城市化水平（Urban）、对外开放水平（Open）对SO2排放强度的影响均显著为负，表明城市化水平的提高和对外开放程度的提升是促进城市群减排的关键因素。技术进步（R&D）在模型（2）中的系数显著为负，在模型（1）中系数为正且不显著，表明技术进步在溢出效应下才能更好体现减排效果。产业结构（Industry）的影响为正，表明较高的二产占比会导致SO2的大量排放，不利于减排。环境规制（ER）不利于减排，与预期相反。潘兴侠和何宜庆

认为过高的污染治理费用、落后的环保处理技术以及不力的政府监管是造成工业污染治理投资降低末端治理效率的关键因素[37]。任梅认为中部、西部地区对落后产能的承接、地方政府对环境问题的末端治理方式以及企业排污费难以弥补治污成本造成了环境规制对生态效率的抑制[38]。因此，本文部分模型中环境保护投入的正向系数也可能是由企业行为与政府期望存在不一致所导致的。

（三） 三大城市群空间网络减排的异质性

表3中模型（3）、模型（4）分别为京津冀城市群内向关联水平和外向关联水平作为核心解释变量的回归结果;模型（5）、模型（6）分别为长三角城市群内向关联水平和外向关联水平作为核心解释变量的回归结果;模型（7）、模型（8）分别为珠三角城市群内向关联水平和外向关联水平作为核心解释变量的回归结果。

对结果进行对比，三大城市群空间网络关联水平的系数均在1%的显著性水平下为负。其中，京津冀城市群的内向关联水平、外向关系水平的影响系数分别为-3.264和-2.340，长三角城市群内向关联水平、外向关系水平的影响系数分别为-1.648和-0.839，珠三角城市群的两个核心解释变量的影响系数分别为-1.441和-1.118。三大城市群空间网络关联的减排效应依旧显著，且内向关联水平的减排效应强于外向关联水平，与城市整体空间网络减排效应的实证结果一致。

不同城市群空间关联的减排能力有明显的差别。京津冀城市群的影响系数在三个城市群中均最大，空间网络关联的减排能力最强。长三角和珠三角城市群空间网络关联的减排效应相差不大，且明显弱于京津冀城市群的减排效应。产生这种差异的主要原因可能是三个城市群的空间关联网络结构不同，城市群空间结构越趋向于多中心，减排效果越弱[39]。京津冀城市群表现为以北京、天津等少数城市为核心向外围扩散的“少中心”结构，而长三角和珠三角均属于多城市作为网络中心的“多中心”城市群。“少中心”空间网络结构意味着资源、要素、产业向城市群内极少数城市集聚，而经济活动的集聚对减排有积极的影响[27]。“多中心”结构的城市群在发展的过程则由于通勤、住房、绿化破环等问题会导致污染加重[40]。此外，京津冀地区过去大气环境污染严重、雾霾频发，较高的污染起点也进一步强化了城市群空间网络的减排效应。

五、 结论与建议

发展城市群和促进生态文明建设是我国在新时期经济迈向高质量发展的两个必然选择。城市群内部城市在交通、通信、产业、人口等方面产生的多种交流使得其呈现出复杂的空间网络关系。与此同时，城市群的污染问题也亟待破除。为揭示城市群空间网络对污染减排的影响，本文选取京津冀、长三角、珠三角这三个最具代表性的城市群作为研究对象，基于引力模型、社会网络分析方法对三个城市群2005—2018年的空间网络情况进行测算，同时通过面板数据模型从三个城市群整体和个体的角度对空间网络的减排效应进行实证检验和分析。研究结果表明：

2005—2018年京津冀、长三角、珠三角三大城市群的网络密度均不断提升;京津冀城市群的中心城市较少，长三角、珠三角城市群的中心城市相对更多。

整体来看，三大城市群城市空间网络的外向关联水平和内向关联水平均具有显著的污染减排效应，内向关联水平的减排效应高于外向关联水平。

分城市群来看，京津冀城市群空间网络的污染减排能力最强，长三角、珠三角的减排能力相差不大，但弱于京津冀城市群，可能的原因在于城市群空间结构的不同。

基于上述研究结果，为实现“网络型”城市群构建和减排的双重目标，本文从以下两方面提出建议：

加强城市间联动协助，通过提高城市群网络化水平及各城市内、外向关联水平降低污染物排放强度。当前，我国高度重视城市群发展，各类城市群支持政策、规划相继出台。各城市群应充分借助政策红利，实现联动发展，区域内各城市应加强交流、互动，在基础设施、创新环境、生态保护等方面形成互联互通网络，优化区域内产业布局，以同步实现经济增长与减排。中心城市应充分发挥带动作用，利用自身在资本、人力、创新、产业等方面的优势带动其他城市发展。非中心城市应基于自身现有禀赋，瞄准当前新兴产业发展机会与中心城市广阔消费市场，积极寻求与网络进行深度融合的机会，通过借用规模实现自身减排。

注重城市群网络结构，通过前期结构顶层设计与后期结构优势利用来降低污染物排放强度。网络结构是城市群网络的重要特征。尚处于发育初期的城市群要有意识地引导城市群空间网络布局，在制定发展规划前要进行充分评估论证，同时关注城市群网络结构的经济效益和环境效益，根据内部城市发展情况选择“单中心”或“少中心”的结构以实现减排的目的。已发展成熟的城市群要注重发挥自身优势，“少中心”城市群应通过少数中心城市的产业、资源集聚以及非中心城市的借用学习实现减排，“多中心”城市群则通过完善基础设施、推进产业合理布局降低污染排放。

注释：

①三个城市群共包含54个城市，分别为京津冀一体化中涵盖的北京、天津、石家庄、唐山、秦皇岛、邯郸、邢台、保定、张家口、承德、沧州、廊坊、衡水13市，长江三角洲区域一体化核心区涵盖的上海、南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州、杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城26市，珠三角“9+6”融合发展涵盖的廣州、韶关、深圳、珠海、佛山、江门、肇庆、惠州、汕尾、河源、阳江、清远、东莞、中山、云浮15市。

参考文献：

[1]Capello R. The City Network Paradigm： Measuring Urban Network Externalities[J]. Urban Studies， 2000（11）：1925-1945.

[2]Andreas B. Eisingerich， Simon J. Bell， Paul Tracey. How Can Clusters Sustain Performance？ The Role of Network Strength， Network Openness， and Environmental Uncertainty[J]. Research Policy， 2010（2）：239-253.

[3]郑继承.区域经济一体化背景下我国城市群发展的战略选择——基于我国“十二五”规划区域协调发展的理论探讨[J].经济问题探索，2013（3）：73-81.

[4]World Bank.东亚变化中的城市图景：度量十年的空间增长 （East Asias Changing Urban Landscape： Measuring a Decade of Spatial Growth） [EB/OL].（2015-01-25）https：//openknowledge.worldbank.org/handle/10986/21159.

[5]邵帅，张可，豆建民.经济集聚的节能减排效应：理论与中国经验[J].管理世界，2019（1）：36-60+226.

[6]雷玉桃，孙菁靖，黄征学.城市群经济、环境规制与减霾效应——基于中国三大城市群的实证研究[J].宏观经济研究，2021（1）：131-149.

[7]方创琳.中国城市群研究取得的重要进展与未来发展方向[J].地理学报，2014（8）：92-106.

[8]Berry， B J L. Briana.Cities as Systems within Systems of Cities[J].Papers of the Regional Science Association， 1964（1）：146-163.

[9]孙阳，姚士谋，张落成.长三角城市群“空间流”层级功能结构——基于高铁客运数据的分析[J].地理科学进展，2016（11）：79-85.

[10]侯赟慧，刘志彪，岳中刚.长三角区域经济一体化进程的社会网络分析[J].中国软科学，2009（12）：90-101.

[11]彭芳梅. 粤港澳大湾区及周边城市经济空间联系与空间结构——基于改进引力模型与社会网络分析的实证分析[J]. 经济地理， 2017（12）：57-64.

[12]许露元，李红. 城市空间经济联系变化的网络特征及机理——以珠三角及北部湾地区为例[J]. 城市问题， 2015（5）：20-26.

[13]赵渺希，钟烨，徐高峰.中国三大城市群多中心网络的时空演化[J].经济地理，2015（3）：52-59.

[14]程玉鸿，苏小敏.城市网络外部性研究述评[J].地理科学进展，2021（4）：175-182.

[15]种照辉，覃成林，叶信岳.城市群经济网络与经济增长——基于大数据与网络分析方法的研究[J].统计研究，2018（1）：13-21.

[16]赵云鹏. 城市群经济联系网络影响经济增长的实证研究[D].华东政法大学，2019.

[17]林伯强，谭睿鹏.中国经济集聚与绿色经济效率[J].经济研究，2019（2）：119-132.

[18]姚常成，宋冬林.借用规模、网络外部性与城市群集聚经济[J].产业经济研究，2019（2）：76-87.

[19]禄雪焕，白婷婷.绿色技术创新如何有效降低雾霾污染？[J].中国软科学，2020（6）：174-182+191.

[20]张俊彦，贾玉成，张诚.外商直接投资对中国碳赤字的影响——基于空间溢出效应研究[J].经济问题探索，2021（12）：160-177.

[21]潘慧峰，王鑫，张书宇.雾霾污染的持续性及空间溢出效应分析——来自京津冀地区的证据[J].中国软科学，2015（12）：134-143.

[22]马丽梅，张晓.中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济，2014（4）：19-31.

[23]Alonso W. Urban Zero Population Growth [J]. Daedalus， 1973 （4）： 191-206.

[24]汤放华，汤慧，孙倩，汤迪莎.长江中游城市集群经济网络结构分析[J].地理学报，2013（10）：55-64.

[25]李响.基于社会网络分析的长三角城市群网络结构研究[J].城市发展研究，2011（12）：80-85.

[26]鲁金萍，杨振武，刘玉.京津冀城市群经济联系网络研究[J].经济问题探索，2015（5）：117-122.

[27]陆铭，冯皓.集聚与减排：城市规模差距影响工业污染强度的经验研究[J].世界经济，2014（7）：86-114.

[28]刘耀彬，冷青松.人口集聚对雾霾污染的空间溢出效应及门槛特征[J].华中师范大学学报（自然科学版）， 2020（2）：104-113.

[29]刘荣增，李盼. 中国城市扩张的环境质量效应研究[J].生态经济， 2021（2）：76-81+95.

[30]包群，吕越，陈媛媛. 外商投资与我国环境污染——基于工业行业面板数据的经验研究[J]. 南开学报（哲学社会科学版）， 2010（3）：93-103.

[31]沈坤荣，金刚，方娴. 环境规制引起了污染就近转移吗？[J]. 经济研究， 2017（5）：44-59.

[32]张华.低碳城市试点政策能够降低碳排放吗？——来自准自然实验的证据[J].经济管理，2020（6）：25-41.

[33]赵正，王佳昊，冯骥.京津冀城市群核心城市的空间联系及影响测度[J].经济地理，2017（6）：60-66+75.

[34]董文姝. 基于社会网络分析的京津冀城市群經济联系研究[D].天津财经大学，2019.

[35]刘浩，马琳，李国平.京津冀地区经济发展冷热点格局演化及其影响因素[J].地理研究，2017（1）：97-108.

[36]李影影，黄琪，曹卫东，张宇.经济联系视角下泛长三角网络结构研究[J].世界地理研究，2019（1）：68-78.

[37]潘兴侠，何宜庆.工业生态效率评价及其影响因素研究——基于中国中东部省域面板数据[J].华东经济管理，2014（3）：33-38.

[38]任梅，王小敏，刘忠梅，刘雷，张文新.中国区域生态效率时空变化及其影响因素分析[J].华东经济管理，2019（9）：71-79.

[39]刘凯，吴怡，王晓瑜，王成新.中国城市群空间结构对大气污染的影响[J].中国人口·资源与环境，2020（10）：28-35.

[40]秦蒙，刘修岩，仝怡婷.蔓延的城市空间是否加重了雾霾污染——来自中国PM2.5数据的经验分析[J].财贸经济，2016（11）：146-160.

（责任编辑：向 梅）

（校  对：木 子）