多中心空间结构对城市地价影响研究

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

郑涛^,¹^,²^,³^,⁴, 孙斌栋^,¹^,²^,³^,⁴, 张婷麟¹^,²^,³^,⁴

1.华东师范大学中国行政区划研究中心,上海 200241

2.崇明生态研究院,上海 202162

3.华东师范大学城市与区域科学学院,上海 200241

4.华东师范大学未来城市实验室,上海 200241

The impacts of polycentric spatial structure on urban land price

ZHENG Tao^,¹^,²^,³^,⁴, SUN Bindong^,¹^,²^,³^,⁴, ZHANG Tinglin¹^,²^,³^,⁴

1. Research Center for China Administrative Division, East China Normal University, Shanghai 200241, China

2. Institute of Eco-Chongming, Shanghai 202162, China

3. School of Urban & Regional Science, East China Normal University, Shanghai 200241, China

4. The Future City Lab, East China Normal University, Shanghai 200241, China

通讯作者: 孙斌栋（1970-）,男,河北阜平人,教授,博士生导师,主要从事城市地理、城市规划和区域经济研究。E-mail: bdsun@re.ecnu.edu.cn

收稿日期:2020-06-15接受日期:2020-12-17网络出版日期:2021-06-10

基金资助:

国家社会科学基金重大项目.17ZDA068
国家社会科学基金重大项目.18ZDA105
国家自然科学基金项目.42001183
国家自然科学基金项目.41901184

Received:2020-06-15Accepted:2020-12-17Online:2021-06-10
作者简介 About authors
郑涛（1994-）,男,江苏溧阳人,博士研究生,主要从事城市地理、区域经济研究。 E-mail: zhengtao16@mails.ucas.ac.cn

摘要
城市地价的飞速上涨和成本提高,对企业选址、个人购房带来越来越重要的影响,城市多中心发展能否有效抑制地价亟待实证检验。基于2008年和2013年全国285个地级及以上城市的微观土地出让数据,分析城市空间结构对地价的影响。研究发现：① 多中心空间结构能有效抑制城市过高地价,但会显著提升城市低段地价和城市整体平均地价;② 城市多中心空间结构对商住用地地价提升作用显著,但对工业用地作用不显著;③ 反映土地需求的城市人口密度对于城市综合地价具有显著提高作用,增加人均建设用地面积能有效降低城市综合地价,土地等级和出让方式等地块特征因素对交易地价影响也十分重要。因此,地方政府引导城市多中心化发展既能提供给企业、个人更多的用地选择,有效缓解城市主中心地价过高问题,也能推动城市次中心建设,促进城市均衡发展。
关键词： 城市地价;城市空间结构;多中心;集聚不经济;商住用地

Abstract

The rapid rise of urban land price and the increase of cost have brought direct influence on enterprise site selection and individual house purchase. Based on the micro-land transfer data of 285 prefecture-level cities in 2008 and 2013, this paper analyzes the impact of urban spatial structure on land price. The findings are as follows: (1) The polycentric spatial structure can effectively restrain the excessively high land price, and significantly raise the land price in the lower-price part, and the overall average land price in cities; (2) Urban polycentric spatial structure has a significant effect on the improvement of land price for commercial and residential land, but has no significant effect on industrial land. (3) The urban population density reflecting the land demand has a significant effect on the urban comprehensive land price. Increasing the per capita construction land area can effectively reduce the urban comprehensive land price. Land grade, transfer mode and other land feature factors are also very important to the transaction land price. Therefore, the guidance of urban polycentric development by local governments can not only provide enterprises and individuals with more land choices, effectively alleviate the problem of excessively high land price in urban main centers, but also promote the construction of urban sub-centers and promote balanced urban development.

Keywords：urban land price;urban spatial structure;polycentric structure;diseconomy of agglomeration;residential and commercial land use

PDF (2463KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
郑涛, 孙斌栋, 张婷麟. 多中心空间结构对城市地价影响研究. 地理研究[J], 2021, 40(6): 1610-1620 doi:10.11821/dlyj020200527
ZHENG Tao, SUN Bindong, ZHANG Tinglin. The impacts of polycentric spatial structure on urban land price. Geographical Research[J], 2021, 40(6): 1610-1620 doi:10.11821/dlyj020200527

1 引言

城市人口规模扩大可以有效降低城市间和城市内基础设施的运营成本^[1],但当城市规模过大时,通常出现交通拥挤、地价过高、环境污染等集聚不经济问题^[2],严重阻碍了城市可持续发展。城市土地作为城市生产运营的基础和载体^[3],是重要的生产投入要素之一。近年来,中国城市尤其是特大城市的地价飞速上涨,对居民购房、企业选址等都带来重要影响,地价过高已成为典型集聚不经济表现之一。新经济地理学代表人物藤田昌久^[4]通过构建理论模型表明,城市多中心发展因其相对均衡的规模分布可以有效缓解大城市集聚不经济问题。那么,城市多中心发展,尤其是在土地财政背景下,能否有利于抑制城市地价呢?现有实证检验极为匮乏。当前,中国部分城市纷纷实施多中心发展战略,各级各类新城新区不断涌现,但大多实施效果欠佳,导致对多中心发展战略的有效性产生了质疑^[5],因此需要更多实证研究来检验城市多中心结构对地价的影响。

古典地价理论以亚当·斯密研究为代表,认为地租是利用土地而付出的价格,并受土地肥沃程度、位置优劣等因素影响。新古典学派代表人物马歇尔认为地租由土地本身原始价值、土地所有者为改良土地而产生的私有价值以及社会发展带来的公有价值所组成,并受供求关系调控^[6]。作为新古典主义地租模型代表,美国经济地理学家威廉·阿朗索首次引入区位平衡的概念,认为城市地价取决于居民在土地投资、通勤费用和其他商品支出间的空间权衡^[7]。但阿朗索地租模型局限之处在于它是以单中心城市结构为假设前提,随着近现代城市规模不断扩张,单中心地价分析模型与实际偏差越来越大,城市次中心对地价作用不可忽视^[8,9]。新经济地理学的出现打破了城市除唯一中心外均质平原的假定,在刻画城市空间体系演化过程中,认为城市地租曲线会随城市次中心的出现发生变化,主要表现为城市原主中心地租降低,新出现次中心地租抬升^[10]。

现有关于城市地价研究主要关注地价的空间分布^[11,12]、演变规律^[13,14]及影响因素^{[15,16,17,18]},其中影响因素跟本文相关。现有实证文献中的影响因素可分为城市因素和地块因素两类^[3],城市因素主要包括城市社会经济发展水平、城市用地潜力、城市公共服务设施、城市区位等^[15,16,17],它们影响城市整体地价水平,用于分析城市间地价差异;地块因素主要对城市内部微观交易地价产生影响,主要包括地块自身特征和政府外部干预等^[18,19,20]。但在城市因素中,城市空间结构尤其是单中心-多中心结构对于城市地价的影响研究较少。于璐等发现北京市就业次中心的发展对住房价格梯度起到减缓作用^[8]。孙斌栋等以全国73个城市为样本,通过回归分析认为城市多中心结构可以有效降低城市综合地价,对于地价高的城市作用更为明显^[21]。但这些研究仅针对单个或部分少量城市,所得结论代表性较为不足。此外,以往研究采用城市层面地价作为被解释变量,对城市空间结构的反向因果影响较为严重,且在回归模型中未进行双效应固定,可能存在较多遗漏变量,因此所得结果存在较强内生性问题。

为解决上述问题,本文基于2008年和2013年超过7万个城市微观土地出让数据,覆盖全国285个地级市,在控制城市和地块层面特征变量后,分析城市空间结构对地价影响效果。拟回答以下科学问题：城市空间结构对城市地价产生怎样影响?对不同土地用途（商服和工业）地价的影响是否存在差异?空间结构对地价的影响是否在不同地价水平上存在异质性?相较于以往相关研究,本文创新在于,研究样本扩展到全国绝大多数地级市,结论具有更广泛代表性;使用微观层面的地块出让地价,由于单个地块出让地价较难影响整个城市的空间结构,故较好避免了以往研究中城市层面地价会对城市空间结构产生影响的反向因果问题;固定了时间和地区效应,并采用聚类标准误的方法,缓解模型中可能存在的遗漏变量与样本自相关问题。开展这一研究的应用价值在于为地方政府制定空间规划提供学术依据。

在展开实证之前,先提出本文关于多中心城市空间结构与地价关系的理论假说。

（1）城市多中心空间结构可以有效抑制城市过高地价。藤田昌久等通过数值模拟的方法已经论证了城市空间结构会影响城市内部地价空间分布特征,重要表现就是多中心发展可以降低城市原中心的高地价。图1a表示在自由市场条件下,城市会在外围地区市场潜力与主中心相同处产生新的次中心,且相邻中心间距离近乎一个常数值r ^[10]。城市次中心的发展可以提供企业和个人更多区位选择,打破主中心的垄断,并分散对主中心的用地需求,进而降低城市主中心地价^[21]。

图1

新窗口打开|下载原图ZIP|生成PPT
图1城市就业次中心对地价的影响

Fig. 1The impact of sub-centers of urban employment on land prices

（2）城市多中心空间结构可以提升城市低段地价。在原单中心城市空间结构下（图1b）,城市边缘区往往远离城市唯一中心,但随着城市次中心出现,边缘区与最近邻次中心距离相较原主中心大为缩短,依据区位平衡理论^[7],城市边缘区地价有所提升。此外,城市多中心发展要求地方政府加大对各中心间交通基建等投资,产生的级差地租Ⅱ（对同一块土地追加投资所产生的超额利润而转化的地租）使得各中心边缘区地价要高于农地租金。

（3）城市多中心空间结构对城市整体平均地价可能具有促进作用。由于国内城市发展受到土地利用法规、地方发展激励和政府发展战略等强烈影响,中国城市的空间演变可能呈现出与西方城市不同的趋势^[22]。中国政府的政策和规划对城市次中心的形成至关重要^[23],地方政府可以通过提升战略地位、加大基建投资等方式来推动城市次中心的产业发展,而城市次中心的发展进一步扩大就业、吸引人口^[24]。由于土地财政带来的“人口红利”和“土地贴现”长期成为地方政府支撑空间生产的重要路径^[25],低价征收、高价出让商服和住宅用地是地方政府实现快速资本积累的重要手段,故城市次中心的形成往往通过地方政府大建新城新区的方式,并且这些新城新区日益成为地方政府提取土地价值的重要工具^[26]。已有研究表明中国绝大多数城市新区表现出“近距离”特征,即靠近原城市行政中心^[27],所以城市相邻两中心间距离通常小于自由市场条件下的r。图1b显示当存在非市场力作用下,城市相邻两中心的距离缩短,导致最低点地价高于农地租金水平。因此,城市多中心的出现并不一定降低城市整体平均地价,反而有可能因为城市经济新增长引擎的出现以及地方政府对土地财政的依赖,使得平均地价进一步上升。

2 变量选取、模型设置与数据来源

2.1 变量选取

综合经典地租理论和相关文献,构建城市地块地价影响因素分析框架（图2）,认为城市土地供需数量关系对地块价格产生直接影响,城市设施水平和城市交通区位会影响城市土地供给质量,城市空间结构会影响城市内部土地供给结构,进而对地块价格产生影响。此外,在微观层面上认为地块自身特征属性和政府对地块交易的外部干预程度也会影响其价格。

图2

新窗口打开|下载原图ZIP|生成PPT
图2地价影响因素分析框架

Fig. 2Analysis framework of factors affecting land price

2.1.1 城市层面变量土地作为一种特殊的商品,其交易价格也受市场供求关系作用。城市规模和社会经济发展水平是影响土地需求的主要因素,一般认为,城市规模越大、社会经济发展水平越高,对城市土地的需求也越大。综合考虑城市土地供需关系的内涵和指标数据的可获性,本文以城市人口密度（popde）反映对土地的需求潜力,预期影响为正;以人均GDP（gdp）和第三产业产值占总产值比重（third）反映经济发展和产业结构对地价的影响,预期影响为正;人均建设用地面积（sup）从供给角度控制对地价的影响,预期影响效果为负。

城市公共服务设施供给能力是吸引人才集聚的重要因素,也较能体现城市的社会发展水平。本文以每百人公共图书馆藏书（book）反映城市公共服务设施供给能力。城市交通区位是将城市作为个体纳入到更大的区域层面来看待城市与周围地区交通联系的通达度。城市作为一个地区的中心,其交通区位在很大程度上依赖于其交通便捷性^[28]。发达的交通网络有利于缩短人们城际旅行和物品流通的时间,减少通勤和运输成本,提高城市土地超额利润,地价也随之增加^[16]。本文选择公路客运量（trans）反映城市在区域中的交通区位对地价的影响,预期影响效果为正。

城市空间结构表征城市中心发展对地价的影响作用。城市多中心发展通过打破主中心垄断和提供更多的用地选择,可以降低主中心地价。同时,通过缩短城市边缘地区至城市中心距离进而提高低段地价。在城市出现新的经济增长引擎以及土地财政作用下,多中心发展对城市整体平均地价具有提升作用。

2.1.2 地块层面变量在地块层面上控制变量主要包括地块自身特征属性和政府外部干预程度。土地级别（jibie）是按照中国《土地管理法》由县级以上人民政府自然资源主管部门会同同级有关部门根据土地调查成果、规划土地用途和国家制定的统一标准评定所得,在评级过程中充分考虑到地块自然属性（土壤等）和经济属性（区位等）,有效控制地块自身综合特征对价格的影响,共划分一级至十八级,土地等级数值越大表明土地综合质量越低,预期影响效果为负。土地出让方式体现地方政府对地块交易的干预程度,以招拍挂为代表的市场化出让方式交易价格明显大于划拨等其他出让方式,所以设置招拍挂（zpg）出让为1,预期影响效果为正。

2.1.3 单中心-多中心城市空间结构测度城市空间结构是本文检验的核心变量,基于城市形态学的测度方法^[29,30,31],构建城市多中心指数（

polyc 1

）来表征城市空间结构的多中心程度,其计算公式如下式（1）,且利用式（2）测度出的多中心指数（

polyc 2

）作稳健性检验。

（1）

polyc 1 = \sqrt[]{\frac{\sum_{i = 1} {(\sqrt[]{d_{i}} x_{i})}^{2}}{n - 1} =} \sqrt[]{\frac{{(\sqrt[]{d_{1}} \times x_{1})}^{2} + {(\sqrt[]{d_{2}} \times x_{2})}^{2} + \dots + {(\sqrt[]{d_{n - 1}} \times x_{n - 1})}^{2}}{n - 1}}

（2）

\begin{array}{l} polyc 2 = \sqrt[]{\frac{\sum_{i = 1} {(\ln (1 + d_{i}) \times x_{i})}^{2}}{n - 1}} \\ = \sqrt[]{\frac{{(\ln (1 + d_{1}) \times x_{1})}^{2} + {(\ln (1 + d_{2}) \times x_{2})}^{2} + \dots + {(\ln (1 + d_{n - 1}) \times x_{n - 1})}^{2}}{n - 1}} \end{array}

式中：

x_{i}

表示次中心就业人数与主中心就业人数的比值;

d_{i}

表示次中心到主中心距离与该城市最远次中心到主中心距离的比值,考虑到距离衰减效用,在

polyc 1

和

polyc 2

中分别以开方和对数的形式对距离进行加权;n为一个城市的总区数。具体测度时,以市辖区为研究尺度,市辖区内部的各个邮区为一个就业中心。一般认为,次中心与主中心的就业人数比重越大,次中心与主中心的距离越远,城市的多中心程度越强。

2.2 模型设置

综合考虑城市层面和地块层面的地价影响要素,本文实证分析模型设置如下：

（3）

\begin{array}{l} \ln P_{it} = β_{0} + β_{1} \ln polyc 1_{it} + β_{2} \ln su p_{it} + β_{3} \ln popd e_{it} + β_{4} \ln gd p_{it} + β_{5} \ln t h ir d_{it} + \\ β_{6} \ln boo k_{it} + β_{7} \ln tran s_{it} + β_{8} \ln jibi e_{it} + β_{9} zp g_{it} + γ_{t} + μ_{i} + ε_{it} \end{array}

式中：i指代地块;t表示年份;

P_{it}

为城市综合地价;

polyc 1_{it}

表示城市多中心指数;

su p_{it}

表示市辖区人均建设用地面积;

popd e_{it}

为市辖区人口密度;

gd p_{it}

为市辖区人均gdp;

t h ir d_{it}

表示第三产业产值占总产值的比值;

boo k_{it}

表示每百人公共图书馆藏书;

tran s_{it}

表示公路客运量;

jibi e_{it}

表示土地级别;

zp g_{it}

表示地块是否通过招拍挂取得;变量符号前加ln均表示取自然对数,同时控制时间固定效应

γ_{t}

和地块所在地区固定效应

μ_{i}

;

ε_{it}

表示随机误差项。同时,本文将标准误聚类在城市层面,允许城市间地价存在系统性差异,并控制城市内部的自相关效应。

通过在多元回归模型中控制城市层面包含经济发展水平、人口密度、社会发展水平、城市交通区位等和地块自身特征属性等变量,确保不同规模等级城市中出让地块间的可比性,从而较好剥离出城市空间结构对城市出让地块地价的净影响作用。

2.3 数据来源

本文核心解释变量城市空间结构的测度数据来源于2008年第二次全国经济普查和2013年第三次全国经济普查,故其他变量数据也选择该年份。地价数据主要来源于中国土地市场网（https://www.landchina.com/）,搜集了2008年和2013年全国地级以上城市市辖区层面的微观地块交易数据,每条观测值包括土地的位置属性、电子监管号、土地级别、土地用途、土地使用年限、交易宗地面积、成交总价、土地来源、供地方式、项目名称、项目使用人、批准单位、行业分类和合同签订日期等详细信息。经数据清洗后,共获得超过7万个交易地块观察值。其他自变量数据来源于相关年份的《中国城市统计年鉴》等。各变量描述性统计分析如表1所示。

Tab. 1
表1
表1变量描述性统计
Tab. 1Variable descriptive statistics

	变量	符号	样本数	平均值	标准差	最小值	最大值
城市变量	多中心指数	lnpolyc1	66955	0.196	0.186	0.018	1.163
	人均建设用地面积(m²/人)	lnsup	68459	4.458	0.491	1.918	6.356
	人口密度(人/km²)	lnpopde	71578	6.626	0.758	2.586	9.018
	人均GDP(元/人)	lngdp	71395	10.970	0.704	8.432	13.060
	第三产业产值比重(%)	lnthird	71578	0.359	0.079	0.082	0.594
	每百人公共图书馆藏书(册)	lnbook	71487	4.172	1.014	0.542	6.825
	公路客运量(万人)	lntrans	71524	9.154	1.003	4.530	12.180
地块变量	土地级别	lnjibie	71578	1.119	0.801	0	2.890
	招拍挂出让	zpg	71578	0.514	0.500	0	1

新窗口打开|下载CSV

3 结果分析

3.1 基准回归结果

表2显示了城市综合地价影响因素的回归结果。第（1）列到第（3）列分别为全样本、商住用地子样本和工业用地子样本回归结果,第（4）列到第（6）列分别是替换核心解释变量后的稳健性检验结果。由第（1）列可知,本文核心解释变量城市多中心指数（polyc1）在5%水平下呈正显著,表明城市多中心发展显著提升了城市整体平均地价,与所提假说一致;城市人口密度（popde）在1%显著性水平下对城市综合地价产生促进作用,体现了土地需求对城市地价的拉升作用,与预期结果相符;人均建设用地面积（sup）在5%水平下负显著,表明增加土地供给有利于抑制城市地价。在地块层面影响因素中,土地级别（jibie）在1%显著性水平下对城市地价产生抑制作用,表明地块综合质量越低,其出让价格也越低,符合预期结果;招拍挂（zpg）变量在1%显著性水平下促进城市综合地价,表明市场化出让方式更有利于地价抬升。

Tab. 2
表2
表2基准回归结果
Tab. 2Baseline regression results

	(1)	(2)	(3)	(4)	(5)	(6)
多中心指数1（lnpolyc1）	0.519^**	0.616^**	0.137
	(2.41)	(2.11)	(1.13)
多中心指数2（lnpolyc2）				0.726^**	0.958^**	0.193
				(2.25)	(2.27)	(1.08)
土地级别（lnjibie）	-0.395^***	-0.282^***	-0.098^***	-0.395^***	-0.283^***	-0.098^***
	(-4.85)	(-3.21)	(-2.84)	(-4.85)	(-3.22)	(-2.84)
招拍挂出让（zpg）	0.982^***	1.283^***	0.522^***	0.982^***	1.283^***	0.522^***
	(8.52)	(11.81)	(7.77)	(8.52)	(11.81)	(7.77)
人均建设用地面积（lnsup）	-0.356^**	-0.179	-0.111	-0.347^**	-0.170	-0.110
	(-2.15)	(-0.91)	(-0.36)	(-2.10)	(-0.86)	(-0.36)
人口密度（lnpopde）	0.616^***	0.684^***	0.351^**	0.610^***	0.691^***	0.347^**
	(3.32)	(3.07)	(2.36)	(3.28)	(3.14)	(2.37)
人均GDP（lngdp）	0.312	0.202	0.316	0.305	0.194	0.316
	(1.43)	(0.88)	(1.44)	(1.41)	(0.85)	(1.44)
第三产业产值占比（lnthird）	-0.538	0.024	0.792	-0.528	0.042	0.796
	(-0.36)	(0.01)	(0.79)	(-0.35)	(0.02)	(0.80)
每百人公共图书馆藏书（lnbook）	0.092	0.130	0.041	0.093	0.130	0.041
	(1.18)	(1.49)	(0.78)	(1.18)	(1.50)	(0.78)
公路客运量（lntrans）	0.002	-0.089	0.023	0.003	-0.088	0.024
	(0.03)	(-0.85)	(0.29)	(0.04)	(-0.83)	(0.29)
时间固定效应	是	是	是	是	是	是
地区固定效应	是	是	是	是	是	是
常数项	-0.418	0.024	-0.863	-0.362	-0.007	-0.833
	(-0.16)	(0.01)	(-0.31)	(-0.14)	(-0.00)	(-0.30)
样本数	63580	40792	15500	63580	40792	15500
A_R-squared	0.333	0.554	0.459	0.333	0.554	0.459

注：括号内为聚类于城市层面的标准误;显著性水平分别为^*表示P<0.1,^**表示P<0.05,^***表示P<0.01。

新窗口打开|下载CSV

第（2）列和第（3）列分别考察城市空间结构对商住用地和工业用地的影响,回归结果表明多中心变量在5%显著性水平上促进了城市商住用地价格,但对于工业用地作用效果并不显著。国内地方政府对商住和工业用地的出让行为存在明显差异,在工业用地市场上,地方政府为了吸引投资通常出让价格较低,表现为典型买方市场,工业用地使用者的选址空间较为灵活,而在商住用地市场上,由于政府土地供给的限制以及使用者的强烈需求,表现为卖方市场,商住用地使用者的选址布局更为集聚^[21,32,33]。因此,商住用地地价相对于工业用地更易受到城市中心的影响。替换核心解释变量（polyc1）测度方式,对第（1）列至第（3）列回归进行稳健性检验,结果第（4）列至第（6）列都验证上述分析结果较为稳健。

3.2 不同地价水平回归结果

考察城市多中心结构对不同水平地价影响,将城市地价水平分为低段地价（33百分位以下）、中段地价（33~66百分位）和高段地价（66百分位以上）,其回归结果见表3第（1）列至第（3）列。由第（1）列可知,对于低段地价水平,城市多中心变量在5%水平上呈正显著,即城市多中心化发展有效抬升城市低段地价,验证了上文所提假说。第（2）列和第（3）列结果表明,多中心变量对中段地价回归系数为正但不显著,对高段地价回归系数转为负但仍不显著。进一步考察城市多中心结构对极低段（5百分位以下）和极高段（95百分位以上）水平地价影响,其结果分别见第（4）列和第（5）列。城市多中心变量对极低段地价回归系数为正但不显著,而对城市极高段地价在5%水平上呈负显著,表明城市多中心发展有效抑制了城市极高段水平的地价。以上结果表明,城市多中心结构对不同水平地价的影响截然不同,对城市极高段地价具有显著抑制作用,而对低段位地价具有提升效应。替换核心解释变量（polyc1）测度方式,对第（1）列至第（5）列回归进行稳健性检验,结果第（6）列至第（10）列都验证上述分析结果较为稳健。

Tab. 3
表3
表3不同地价水平回归结果
Tab. 3Regression results of different land price levels

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)	(10)
多中心指数1	0.420^**	0.166	-0.072	1.112	-0.351^**
	(2.15)	(1.50)	(-0.60)	(1.37)	(-2.22)
多中心指数2						0.605^**	0.225	-0.073	1.696	-0.523^**
						(2.12)	(1.47)	(-0.41)	(1.45)	(-2.11)
控制变量	是	是	是	是	是	是	是	是	是	是
时间固定	是	是	是	是	是	是	是	是	是	是
地区固定	是	是	是	是	是	是	是	是	是	是
样本数	20947	20931	21723	3087	3206	20947	20931	21723	3087	3206
A_R-squared	0.406	0.419	0.346	0.471	0.369	0.406	0.418	0.346	0.471	0.369

注：括号内为聚类于城市层面的标准误;显著性水平分别为^*表示P<0.1,^**表示P<0.05,^***表示P<0.01。

新窗口打开|下载CSV

将极高段地价（95百分位以上）交易地块计数到各城市层面,取前十位城市进行统计分析（图3）。2008年,天津、北京、成都、上海等11座城市（大连、青岛、深圳并列第九）出让极高价地块数量最多,共占所有极高价地块出让数量的61.8%。从城市空间结构多中心指数来看,除合肥、大连外,其余9座城市多中心指数排序都位于所有城市64%以后,11座城市多中心指数平均排序位于所有城市70%以后,具有相对的单中心结构特征。2013年,杭州、上海、北京、佛山等11座城市（成都、宁波并列第十）出让极高价地块数量最多,占所有极高价地块出让数量的42.3%。从城市空间结构多中心指数来看,这11座城市多中心指数平均排序位于所有城市82%以后,单中心结构特征明显。以上表明单中心城市由于对区位的垄断,更易产生极高价地块交易,这与前面实证结果即多中心有助于降低极高段地价是一致的。

图3

新窗口打开|下载原图ZIP|生成PPT
图3极高价地块出让数量前十城市分布

Fig. 3The distribution of extremely high-priced plots in top ten cities

分行业来看（表4）,2008年,房地产业、商务服务业、银行业、零售业和其他金融服务极高价出让地块最多,占所有极高价出让地块总量的87.6%,2013年,房地产业、商务服务业、零售业、其他金融服务和批发业极高价出让地块最多,占所有极高价出让地块总量的91.6%。这些土地类型往往居于城市CBD区位,是支撑单中心城市极高段地价的主要用地类型。

Tab. 4
表4
表4极高价地块出让数量前五行业分布
Tab. 4The distribution of extremely high-priced plots in top five industries

排序	2008年	个数	排序	2013年	个数
排序	行业名称	个数	排序	行业名称	个数
1	房地产业	805	1	房地产业	1782
2	商务服务业	150	2	商务服务业	183
3	银行业	33	3	零售业	89
4	零售业	30	4	其他金融服务	87
4	其他金融服务	30	5	批发业	40

新窗口打开|下载CSV

4 结论与讨论

4.1 结论

本文基于中国2008年和2013年城市微观土地出让数据,通过在模型中控制城市层面和地块层面其他影响地价的因素后,检验了城市空间结构对城市地价的作用效果,得出结论：① 城市多中心空间结构能显著抑制城市过高地价水平,但会提升城市低段地价水平以及城市整体平均地价;② 城市多中心空间结构对商住用地地价提升作用显著,而对工业用地作用不显著,这主要与商住用地较为集聚、工业用地布局灵活有关;③ 反应土地需求的城市人口密度对于城市综合地价具有显著提升作用,增加人均建设用地面积能显著降低城市综合地价,土地等级和出让方式等地块属性对交易地价影响也十分重要。

4.2 讨论

城市地价受多种因素综合影响,在考虑城市土地供需关系以及城市交易地块本身特征属性等传统因素外,发现城市空间结构作为城市层面的影响要素,也对城市地价产生了重要作用,并且在不同地价水平上存在异质性影响。以上结论有力支撑了新经济地理学中城市多中心化发展可以有效疏解主中心集聚不经济的假说,也符合土地财政背景下,多中心发展使得城市整体平均地价进一步抬升的现实。

与以往相关实证研究结论相比,本文有了一些新的发现。于璐等研究认为北京就业次中心发展可以减缓住房价格梯度^[8],但对多中心是否影响住房价格高低没有给出直接的实证证据。本文结论支持多中心减缓单中心地价变化梯度的判断,而且给出了多中心对于主中心、外围地区以及城市整体平均地价的影响。孙斌栋等研究发现多中心结构可以显著抑制城市过高地价,对城市平均地价也具有一定抑制作用^[21]。本文结论支撑其第一个观点,但与第二个观点相反,发现多中心不仅不会抑制城市平均地价,反倒会提升地价。所得结论相异的原因可能在于：① 样本覆盖范围不同。该文献研究样本来源于中国地价监测网发布的包括直辖市、省会城市、计划单列市和长三角、珠三角、环渤海等经济发达区的73个重点城市,样本选择局限性和偏向性较大,而本文样本覆盖全国285个地级市,具有更大的样本代表性。② 地价衡量尺度不同。该文献研究对象是城市平均地价,本文则用城市市辖区内交易地块价格,从区位平衡理论来看,地块交易价格更易受到城市中心影响。③ 因果关系识别程度不同。本文由于被解释变量是地块价格,理论上单个地块价格不会影响整个城市空间结构,因而基本不存在反向因果关系问题。而且本文还运用了双效应固定、聚类标准误等计量方法,能更好地缓解回归模型中的内生性问题。除此之外,本文还得出多中心会提高低段地价水平的发现,也对不同性质用地的结论异质性展开分析。总之,与以往相关研究相比,本文无论是在研究内容的广度深度还是研究结论的稳健性可靠性方面都有新的突破。不过,本文与已有文献一样,仍可能存在遗漏变量,因而所探讨的城市空间结构与地价的关系严格来说还是一种相关关系,但也为向因果关系揭示迈进了较大的一步。

本文结论的政策启示是,城市空间从单中心过渡到多中心结构可以有效减小城市地价平均差,即对城市地价发挥“抑高抬低、缩小差距”的重要作用。地方政府引导城市多中心化发展能够提供给企业、个人更多的中心用地区位选择,打破主中心土地垄断地位,有效缓解主中心城市地价过高问题,并预防“地王”现象出现,从而有助于降低企业的用地成本和提高企业竞争力,同时也会提升居民的购房可支付能力,实现改善民生目的。这方面对于超大城市尤其具有现实意义。推动城市次中心建设,也有助于形成城市经济新的增长引擎,增加地方政府财政收入,并促进城市空间均衡发展。

致谢

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对计量模型指标选取和结论梳理等方面的修改意见,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Henderson J

. Urbanization in developing countries
The World Bank Research Observer, 2002, 17(1): 89-112. DOI: 10.1093/wbro/17.1.89.

URL [本文引用: 1]

[2]

陈春生. 集聚不经济与中小城镇的结构优化作用
苏州大学学报: 哲学社会科学版, 2015, 36(5): 113-119, 192.

[本文引用: 1]

[Chen

Chunsheng

. Agglomeration diseconomies and the structural optimization of smaller cities and townships
Journal of Soochow University: Philosophy & Social Science Edition, 2015, 36(5): 113-119, 192.] DOI: 10.19563/j.cnki.sdzs.2015.05.017.

[本文引用: 1]

[3]

张洪, 金杰. 城市地价空间的计量经济分析: 以昆明市为例
资源科学, 2007, (4): 25-32.

[本文引用: 2]

[Zhang

Hong

, Jin

Jie

. Spatial variation analysis of urban land price: A case study in Kunming city, Yunnan province
Resources Science, 2007, (4): 25-32.] DOI: 10.3321/j.issn:1007-7588.2007.04.005.

[本文引用: 2]

[4]

Fujita

, Ogawa

. Multiple equilibria and structural transition of non-monocentric urban configurations
Regional Science and Urban Economics, 1982, 12(2): 161-196. DOI: 10.1016/0166-0462(82)90031-X.

URL [本文引用: 1]

[5]

孙斌栋, 石巍, 宁越敏. 上海市多中心城市结构的实证检验与战略思考
城市规划学刊, 2010, (1): 58-63.

[本文引用: 1]

[Sun

Bindong

, Shi

Wei

, Ning

Yuemin

. An empirical study on the polycentric urban structure of Shanghai and strategies in future
Urban Planning Forum, 2010, (1): 58-63.] DOI: 10.3969/j.issn.1000-3363.2010.01.011.

[本文引用: 1]

[6]

潘世炳. 西方地价理论体系简介
价格理论与实践, 1995, (3): 39-42.

[本文引用: 1]

[Pan

Shibing

. A brief introduction to the theoretical system of western land price
Price: Theory & Practice, 1995, (3): 39-42.] DOI: 10.19851/j.cnki.cn11-1010/f.1995.03.013.

[本文引用: 1]

[7]

Alonso

. Location and Land Use. Cambridge: Harvard University Press, 1964: 19-30.

[本文引用: 2]

[8]

于璐, 郑思齐, 刘洪玉. 住房价格梯度的空间互异性及影响因素: 对北京城市空间结构的实证研究
经济地理, 2008, (3): 406-410.

[本文引用: 3]

[Yu

, Zheng

Siqi

, Liu

Hongyu

. The spatial variation and affecting factors of the housing price gradients: The case of Beijing
Economic Geography, 2008, (3): 406-410.] DOI: 10.15957/j.cnki.jjdl.2008.03.040.

[本文引用: 3]

[9]

孙久文, 原倩. “空间”的崛起及其对新经济地理学发展方向的影响
中国人民大学学报, 2015, 29(1): 88-95.

[本文引用: 1]

[Sun

Jiuwen

, Yuan

Qian

. The rise of space and the future of New Economic Geography
Journal of Renmin University of China, 2015, 29(1): 88-95.] DOI: CNKI:SUN:ZRDX.0.2015-01-012.

[本文引用: 1]

[10]

藤田昌久, 保罗 R 克鲁格曼, 安东尼 J 维纳布尔斯. 空间经济学: 城市、区域与国际贸易
北京: 中国人民大学出版, 2013: 134-161.

[本文引用: 2]

[Fujita

, Krugman P

, Venables A

. The Spatial Economy: Cities, Regions and International Trade
Beijing: China Renmin University Press, 2013: 134-161.]

[本文引用: 2]

[11]

常疆, 廖秋芳, 王良健. 长沙市区地价的空间分布特征及其影响因素
地理研究, 2011, 30(10): 1901-1909.

[本文引用: 1]

[Chang

Jiang

, Liao

Qiufang

, Wang

Liangjian

. Spatial distribution and influencing factors of urban land price in Changsha city
Geographical Research, 2011, 30(10): 1901-1909.] DOI: 10.11821/yj2011100016.

[本文引用: 1]

[12]

杨奎奇, 汪应宏, 张绍良, 等. 基于密度梯度曲线的中国城市地价特征及区域差异
地理研究, 2012, 31(9): 1652-1660.

[本文引用: 1]

[Yang

Kuiqi

, Wang

Yinghong

, Zhang

Shaoliang

, et al. The urban land price and its regional differences in China Based on density gradient
Geographical Research, 2012, 31(9): 1652-1660.] DOI: 10.11821/yj2012090011.

[本文引用: 1]

[13]

张静, 张丽芳, 濮励杰, 等. 基于GWR模型的城市住宅地价的时空演变研究: 以江苏省为例
地理科学, 2012, 32(7): 828-834.

DOI:10.13249/j.cnki.sgs.2012.07.828 [本文引用: 1]

江苏省地价总体变化特征分析的基础上,构建城市住宅地价的GWR模型,对1997、2005和2008年3个时间点的江苏省城市住宅地价影响因素的空间变异特征进行了探究,揭示了各因素因子对住宅地价的影响程度和区域差异,丰富和发展了城市地价影响因素时空变化规律的理论研究。研究结果表明：① 距中心城市距离对住宅地价的影响呈负相关,3年回归系数绝对值的平均值逐渐增大且高值分布区域逐渐扩大;② GDP与住宅地价呈正相关,GDP对住宅地价影响最大地区逐渐北移,且高值区域逐渐减小;③ 城镇化率与住宅地价呈正相关,从空间看,沿江地区是苏南、苏中两大经济板块的纽带,对住宅地价影响变大,从时间看,城镇化率对住宅地价的影响逐步减小;④ 对外交通状况对住宅地价贡献为正,南部地区回归系数较高,向北系数逐渐减小,从时间角度看,其影响程度逐步增大;⑤ 从业人口数量对住宅地价的贡献为正,南部地区回归系数较高,向北回归系数绝对值逐渐减小,从业人口数量对苏南影响比苏北大;⑥ 房地产投资总额北部地区回归系数较高,向南系数逐渐减小,苏北房地产投资总额对住宅地价影响高于苏南地区。

[Zhang

Jing

, Zhang

Lifang

, Pu

Lijie

, et al. Research on spatio-temporal variation of urban residential land price based on GWR model: A case study of Jiangsu province
Scientia Geographica Sinica, 2012, 32(7): 828-834.] DOI: 10.13249/j.cnki.sgs.2012.07.008.

[本文引用: 1]

[14]

曹天邦, 黄克龙, 李剑波, 等. 南京市主城区住宅地价的时空演变
地理研究, 2012, 31(6): 1029-1038.

[本文引用: 1]

[Cao

Tianbang

, Huang

Kelong

, Li

Jianbo

, et al. The spatial-temporal evolution of the residential land price of downtown Nanjing
Geographical Research, 2012, 31(6): 1029-1038.] DOI: 10.11821/yj2012060006.

[本文引用: 1]

[15]

杨奎奇, 汪应宏, 张绍良, 等. 江苏省城市地价影响因素分析与空间结构研究
人文地理, 2013, 28(1): 69-74.

[本文引用: 2]

[Yang

Kuiqi

, Wang

Yinghong

, Zhang

Shaoliang

, et al. City land price factorial analysis and spatial distribution research in Jiangsu province
Human Geography, 2013, 28(1): 69-74.] DOI: 10.13959/j.issn.1003-2398.2013.01.013.

[本文引用: 2]

[16]

华文, 范黎, 吴群, 等. 城市地价水平影响因素的相关分析: 以江苏省为例
经济地理, 2005, (2): 203-205, 218.

[本文引用: 3]

[Hua

Wen

, Fan

, Wu

Qun

, et al. Regression analysis of urban land value influencing factors: For Jiangsu province
Economic Geography, 2005, (2): 203-205, 218.] DOI: 10.3969/j.issn.1000-8462.2005.02.015.

[本文引用: 3]

[17]

韩娟, 金晓斌, 张志宏, 等. 中国住宅出让地价发育特征及其影响因素分析
地理科学, 2017, 37(4): 573-584.

DOI:10.13249/j.cnki.sgs.2017.04.011 [本文引用: 2]

基于中国土地市场网2009~2013年招、拍、挂出让的住宅用地数据,以县级行政区域作为研究单元,建立区域住宅地价综合模型,选取地价水平、地价增长率和交易宗数作为评价指标,采用Ward系统聚类法,综合分析了中国住宅出让地价的发育特征,利用多分类Logistic回归模型探索了各类地价发育形态的潜在影响因素。结果表明：① 研究期内中国住宅出让地价总体呈现东高西低、沿海高于内陆、城市群带动周边区域发展、城市群内部围绕中心城市增长等空间格局特征;中西部地价高增长的单元多于东部,西北、东北中南部、四川盆地、河西走廊以及长江中下游地区是地价高增长的聚集区;住宅市场活跃度呈阶梯状变化,活跃度较高的地区主要分布在山东半岛、长三角、长江中游、辽宁中部、哈尔滨、成渝、滇中、呼包鄂等城市群。② 根据综合特征,中国住宅出让地价空间发育可分为成熟稳健型、发展完善型、成长发展型、萌芽起步型和成长受阻型5类,相邻发育形态在空间关系上表现出互为邻里的特征。③ 各类发育区的主要影响因素差异显著。区位条件、居民收入和财政收入是地价发育成熟度的主要影响因素;人均GDP、国土开发度提升将促进地价形态发育程度;而人口吸引力不足、基础设施建设相对滞后等将导致地价形态发育受阻。

[Han

Juan

, Jin

Xiaobin

, Zhang

Zhihong

, et al. Development characteristics and factors analysis of residential land price in China
Scientia Geographica Sinica, 2017, 37(4): 573-584.] DOI: 10.13249/j.cnki.sgs.2017.04.011.

[本文引用: 2]

[18]

瞿诗进, 胡守庚, 李全峰, 等. 城市住宅地价影响因素的定量识别与时空异质性: 以武汉市为例
地理科学进展, 2018, 37(10): 1371-1380.

DOI:10.18306/dlkxjz.2018.10.007 [本文引用: 2]

定量测度微观因素对住宅地价影响程度的时空分异特征是有效揭示住宅地价形成机制的重要条件。本文基于武汉市2007-2015年公开出让的住宅地价样点数据,采用广义可行最小二乘法(FGLS)修正的特征价格模型(Hedonic),测度微观影响因素对住宅地价影响程度的时空演变规律。结果显示,各要素对住宅地价影响程度的时序变化特征复杂,空间区域差异明显,具体而言：①2007-2015年间,武汉市住宅地价因素的影响程度从高到低依次为：容积率>医院>城市中心>城市副中心>地铁>公园。②在时序上,城市中心对住宅地价的影响程度呈增强趋势;城市副中心对住宅地价影响整体有所减弱;医院对住宅地价的作用程度呈指数式上涨;地铁对住宅地价增值作用主要发生在开通后;公园的影响持续下降;容积率的影响则在时序上先减后增,与住宅用地出让面积呈反向变动关系。③在空间上,在二环内中心区域,公园、容积率等对住宅地价影响程度较高;而在二环以外,与生活便利性相关的地铁、医院对住宅地价的作用更强;城市中心和副中心功能对住宅地价作用在空间上的互补效应明显。基于研究结果,强化景观用地等的宏观配置和保护力度,审慎确定容积率等是当前城市土地管理值得关注的问题。

[Qu

Shijin

, Hu

Shougen

, Li

Quanfeng

, et al. Quantitative evaluation of the impacts of driving factors on urban residential land price and analysis of their spatio-temporal heterogeneity: A case study of Wuhan city
Progress in Geography, 2018, 37(10): 1371-1380.] DOI: 10.18306/dlkxjz.2018.10.007.

[本文引用: 2]

[19]

张丽芳, 濮励杰, 张静, 等. 基于Hedonic模型的城市地价空间结构分析: 以湖南省娄底市为例
经济地理, 2009, 29(9): 1475-1480.

[本文引用: 1]

[Zhang

Lifang

, Pu

Lijie

, Zhang

Jing

, et al. Analysis on the space frame of city land price based on the Hedonic model: Taking Loudi city of Hunan province as an example
Economic Geography, 2009, 29(9): 1475-1480.] DOI: 10.15957/j.cnki.jjdl.2009.09.009.

[本文引用: 1]

[20]

周玉龙, 杨继东, 黄阳华, 等. 高铁对城市地价的影响及其机制研究: 来自微观土地交易的证据
中国工业经济, 2018, (5): 118-136.

[本文引用: 1]

[Zhou

Yulong

, Yang

Jidong

, Huang

Yanghua

, et al. Study on the impact of high speed rail on land price and its mechanism: Evidence from micro land transactions
China Industrial Economics, 2018, (5): 118-136.] DOI: 10.19581/j.cnki.ciejournal.2018.05.007.

[本文引用: 1]

[21]

孙斌栋, 陈浩. 城市空间结构对地价的影响: 基于多中心的视角
城市问题, 2016, (4): 31-38.

[本文引用: 4]

[Sun

Bindong

, Chen

Hao

. Influences on land price by urban space structure: From the perspective of polycentric
Urban Problems, 2016, (4): 31-38.] DOI: 10.13239/j.bjsshkxy.cswt.160405.

[本文引用: 4]

[22]

Sun

, Lv

. Employment centers and polycentric spatial development in Chinese cities: A multi-scale analysis
Cities, 2020, 99(4): 102617. https://doi.org/10.1016/j.cities.2020.102617.

URL [本文引用: 1]

[23]

徐蓉. 多中心城市结构的形成与实践反思
江苏城市规划, 2011, (1): 21-25.

[本文引用: 1]

[Xu

Rong

. The formation and practical reflection of polycentric city structure
Jiangsu Urban Planning, 2011, (1): 21-25.] DOI: CNKI:SUN:JSCS.0.2011-01-006.

[本文引用: 1]

[24]

范红忠. 市场、政府的力量及多中心城市的形成
改革, 2004, (6): 47-53.

[本文引用: 1]

[Fan

Hongzhong

. Market force, government force and the formation of multi-central city
Reform, 2004, (6): 47-53.]

[本文引用: 1]

[25]

杨浩, 张京祥. 土地财政驱动城市空间生产的机制与效应研究: 以南京河西新城为例
国际城市规划, 2018, 33(1): 68-74, 100.

[本文引用: 1]

[Yang

Hao

, Zhang

Jingxiang

. Study on the mechanism and effect of urban space production driven by land finance: A case study on Hexi New Town in Nanjing
Urban Planning International, 2018, 33(1): 68-74, 100.] DOI: 10.22217/upi.2016.219.

[本文引用: 1]

[26]

, Chiu

R L H

. State rescaling and large-scale urban development projects in China: The case of Lingang New Town, Shanghai
Urban Studies, 2019, 16, 004209801988136. DOI: 10.1177/0042098019881367.

[本文引用: 1]

[27]

庄良, 叶超, 马卫, 等. 中国城镇化进程中新区的空间生产及其演化逻辑
地理学报, 2019, 74(8): 1548-1562.

DOI:10.11821/dlxb201908005 [本文引用: 1]

城市新区是城镇化和经济发展的重要空间载体。改革开放后，新区在区域发展中发挥着重要作用，近些年则呈现爆发式增长，具有典型的空间生产特征。从空间的生产理论视角切入，聚焦中国城镇化过程中极具代表性的空间组织形式——新区的时空演化，发现新区的设立与发展是一个快速的三元辩证的空间生产过程：新区的“空间的表征”主要由自上而下的政府权力意志主导，“空间的实践”集中体现为类型与格局、距离与面积等空间要素的规模等级差异和区域分异，“表征的空间”则体现为政府权力与城市权利之间的紧张关系与策应机制。新区的空间生产与再生产具有时空序列下的统一性和连续性，但政府主导的空间组织模式也面临着行政区管理协调难度大和区域发展不平衡加剧等一系列挑战。批判地反思新区发展路径是新时代实现区域平衡充分发展与新型城镇化战略的基础和关键。

[Zhuang

Liang

, Ye

Chao

, Ma

Wei

, et al. Production of space and developmental logic of new urban districts in China
Acta Geographica Sinica, 2019, 74(8): 1548-1562.] DOI: 10.11821/dlxb201908005.

[本文引用: 1]

[28]

刘幼慈, 詹诗华, 余国培, 等. 我国城市地价评估模型及其空间分布规律研究
中国人口·资源与环境, 1998, (1): 23-28.

[本文引用: 1]

[Liu

Youci

, Zhan

Shihua

, Yu

Guopei

, et al. Assessment model and spatial distribution features of urban land value in China
China Population, Resources and Environment, 1998, (1): 23-28.] DOI: CNKI:SUN:ZGRZ.0.1998-01-005.

[本文引用: 1]

[29]

Kloosterman R

, Musterd

. The polycentric urban region: Towards a research agenda
Urban Studies, 2001, 38(4): 623-633. DOI: 10.1080/00420980123921.

URL [本文引用: 1]

[30]

Parr J

. The polycentric urban region: A closer inspection
Regional Studies, 2004, 38(3): 231-240. DOI: 10.1080/003434042000211114.

URL [本文引用: 1]

[31]

Zhang

, Sun

, Li

. The economic performance of urban structure: From the perspective of polycentricity and monocentricity
Cities, 2017, 68(8): 18-24. DOI: 10.1016/j.cities.2017.05.002.

URL [本文引用: 1]

[32]

陶然, 陆曦, 苏福兵, 等. 地区竞争格局演变下的中国转轨:财政激励和发展模式反思
经济研究, 2009, 44(7): 21-33.

[本文引用: 1]

[Tao

Ran

, Lu

, Su

Fubing

, et al. China's transition and development model under evolving regional competition patterns
Economic Research Journal, 2009, 44(7): 21-33.] DOI: CNKI:SUN:JJYJ.0.2009-07-005.

[本文引用: 1]

[33]

皮亚彬, 李超. 地区竞争、土地供给结构与中国城市住房价格
财贸经济, 2020, 41(5): 116-130.

[本文引用: 1]

[Pi

Yabin

, Li

Chao

. Regional competition, land supply structure and urban housing price in China
Finance & Trade Economics, 2020, 41(5): 116-130.] DOI: 10.19795/j.cnki.cn11-1166/f.20200512.007.

[本文引用: 1]