城市蔓延真的抑制城市创新空间集聚吗
杨晓昕1，张 涵2
(1.中央财经大学国防经济与管理研究院，北京100081;2.青岛大学质量与标准化学院，山东青岛266071
)收稿日期:2020-12-08 修回日期:2021-01-20
基金项目：青岛市双百调研工程项目(2020-B -08
)作者简介：杨晓昕(1993-)，女，山东青岛人，中央财经大学国防经济与管理研究院博士研究生，研究方向为区域经济；张涵(1988-)
，男，山东日照人，博士，青岛大学质量与标准化学院讲师㊁硕士生导师，研究方向为城市经济与创新集聚
㊂
方的词语摘 要：利用我国地级市面板数据，分别基于创新效率㊁知识溢出㊁就业匹配3种机制，解析城市蔓延对城市创新空间集聚的影响效应㊂研究发现：城市蔓延普遍对城市创新空间集聚产生负向全局处理效应，但经过创新效率㊁就业匹配以及知识溢出机制的调节后，该负向效应可以得到缓解甚至扭转㊂当城市蔓延导致城市就业密度㊁基础设施或工资水平下降时，则可能加剧这种负向效应；相对其它城市，东部地区或规模较大城市的城市蔓延会对创新空间集聚发挥提升效应㊂关键词：城市蔓延；城市创新；空间集聚；创新效应
D O I :10.6049/k j j b y
d c .2020090656 开放科学(资源服务)标识码(O S I D )：中图分类号:F 290 文献标识码:A 文章编号:1001-7348(2021)08-0034-07
带鱼的营养价值及功效
D o e s U r b a n S p r a w l R e a l l y M a k e s A g a i n s t S p a t i a l A g g
l o m e r a t i o n o f U r b a n I n n o v a t i o n Y a n g X i a o x i n 1
有关秋天的作文,Z h a n g H
a n 2
(1.I n s t i t u t e o f D e f e n s e E c o n o m i c s a n d M a n a g e m e n t ,C e n t r a l U n i v e r s i t y o f F i n a n c e a n d E c o n o m i c s ,B e i j i n g 1
00081,C h i n a ;2.C o l l e g e o f Q u a l i t y a n d S t a n d a r d i z a t i o n ,Q i n g d a o U n i v e r s i t y ,Q i n g
d a o 266071,C h i n a )A b s t r a c t :U s i n g t h
e p a n e l d a t a o
f p r e f e c t u r e -l e v e l c i t i e s i n C h i n a f r o m 2007t o 2017,r e s p e c t i v e l y f r o m r e s p
e c t i v e t h r e e m e c h a n i s m o
f i n n o v a t i o n e f f i c i e n c y ,k n o w l e d
g e s p i l l o v e r a n d e m p l o y m e n t m a t c
h
i n g ,t h i s a r t i c l e a n a l y
z e s m e c h a n i s m e f f e c t s o f u r b a n s p r a w l o n u r b a n i n n o v a t i o n a g g l o m e r a t i o n ,f i n d i n g t h a t :①U r b a n s p r a w l w i d e l y m a k e s n e g
a t i v e g l o
b a l t r e a t m e n t e f f e
c t s o n i n n o v a t i o n a g g l o m e r a t i o n ,w h i c h c a n b e m e
d i a t
e d b y m e c h a n i s m o
f k n o w l e d
g e s p
i l l o v e r ,i n n o v a t i o n e f f i c i e n c y o r e m p l o y m e n t m a t c h i n g ,t o g e n e r a t e p o s i t i v e e f f e c t s .②I f u r b a n s p r a w l l o w s e m p l o y m e n t d e n s i t y
,i n f r a s t r u c -t u r e i n p u t o r w a g e l e v e l ,u r b a n s p r a w l w i l l d o e s m o r e h a r m t o u r b a n i n n o v a t i o n a g g l o m e r a t i o n .③U r b a n s p
r a w l o f t h e e a s t e r n r e g i o n o r l a r g e -s c a l e c i t y c o u l d p l a y s r e l a t i v e l y p o s i t i v e g l o b a l t r e a t m e n t e f f e c t s o n u r b a n i n n o v a t i o n a g g
l o m e r a t i o n m o r e e a s i l y t h r o u g h m e d i a t i n g b y a
b o v e t h r e e m e
c h a n i s m t h a n o t h e r s .K e y W
o r d s :U r b a n S p r a w l ;U r b a n I n n o v a t i o n ;S p a t i a l A g g l o m e r a t i o n ;I n n o v a t i o n E f f e c t s 0 引言
作为城市化进程中值得关注的一种现象
城市蔓延(U r b a n S p
r a w l )是指城市边缘无序㊁低密度㊁非均衡㊁非计划性的扩张[1-2]
，
具有区域功能单一㊁空间错配㊁
依赖交通工具等特征，使原来集中在中心区域的城市活动扩散到城市外围，导致城市形态呈现分散化空间特征，并带来诸如土地资源浪费㊁环境恶化㊁农业用地
流失㊁公共产品与服务分配不均等负面问题[
3-4]
㊂相比城市规模蕴含的规模经济㊁集聚经济等效用，城市蔓延更多反映了对城市经济密度的稀释，不仅表现为城市空间跃进或 蛙跳 ，还从城市人文环境与管理组织上
呈现出紊乱状态[
5]
㊂我国的城市蔓延出现于改革开放之后，相比发达国家，我国的城市蔓延是伴随城市化快速发展而同时出现的，虽然城镇化水平从1978年的
17.92%提高到2019年的60.60%,
但空间城市化速度快于人口城市化，导致城市蔓延，尤其是大㊁中城市表
现得最明显[6]
㊂城市蔓延降低了产业㊁商业服务的可达性或空间邻近性[7]
，减少了创新人员之间的互动机
会，从而可能减少创新行为，这是因为空间邻近性是实
现创新空间集聚与知识溢出的催化条件[8]
㊂同时，也
有学者发现，由于土地和房租成本较高，初创企业或规模较小的创新型企业往往倾向选址在人口密集度较低且与相关业务企业距离较近的地区[9]
㊂因此，城市蔓
延是否有利于城市创新空间集聚是值得探讨的话题㊂
1 文献综述
在城市蔓延测度方面，有学者采用夜间灯光亮度
[10]
㊁城市人口密度[11]
㊁城市建成面积增速㊁城市人口
增速[12]
等数据，通过构造单一指标衡量城市蔓延水平㊂
也有学者通过构建综合指标进行测度，如T o r r e n s[13]从城市增长㊁社会因子㊁分散化㊁通达性等方面测度美国德克萨斯州的城市蔓延水平;H a m i d i&E w i n g[14]基于开发密度㊁土地综合利用水平㊁商业活动中心度以及街道可达性4个维度，对2000-2010年美国城市蔓延水平进行测度;L i u等[15]从市区规模㊁城市密度以及城市分化度3个维度综合分析2000-2010年全球城市蔓延趋势㊂
在城市蔓延成因方面，主要归结为市场失灵㊁政策制度㊁社会文化㊁交通进步等方面[16-17]㊂规制学派将城市蔓延原因归结为二战后资本主义国家为实现资本积累，通过政策调整并最终在城市发展过程中呈现出的结果；也有学者从土地规制角度分析并指出，城市蔓延是利益相关方通过博弈对土地利用达成的一种结果㊂除区域规划缺乏㊁居民区位选择偏好㊁政府政策导向等共性因素外[18]，土地财政体系㊁市场不确定性㊁人口增长㊁户籍制度等也是导致我国城市蔓延的重要诱因[19-20]㊂此外，也有学者认为，适度的城市蔓延是工业化㊁城镇化的基础条件，因此地方政府对城市增长的迫切需求也容易造成城市蔓延[21]㊂
在城市蔓延影响方面，已有研究多集中于讨论城市蔓延对生产效率㊁经济增长㊁工资水平㊁主观幸福感等方面的影响[10,22-23]，探析城市蔓延下创新空间集聚效应的研究比较罕见㊂鉴于此，本文基于2007-2018年中国地级城市面板数据，从创新效率㊁知识溢出㊁就业匹配3个维度，检验城市蔓延对城市创新空间集聚的影响与作用机理㊂相较以往研究，本文从3个方面进行拓展:①在研究视角上，从中介效应视角构建模型，深入剖析城市蔓延带来的外部效应对城市创新空间集聚的作用机制，进一步丰富城市蔓延问题研究维度;②在研究方法上，基于自举法获得3种机制变量的中介调节效应，能够更加准确地反映样本的真实分布情况，确保研究结论的可靠性;③在研究实践上，细化不同区位㊁不同规模城市蔓延对创新空间集聚的异质化影响，为我国创新驱动发展战略实施与新型城镇化建设提供决策依据㊂
2机制分析
2.1创新效率机制
发烧能喝咖啡吗>紫甘蓝怎么做好吃
学者们普遍发现城市蔓延会抑制经济效率，这是因为在城市规模尚未达到最优水平时，城市蔓延对城市密度的过早稀释损害了城市劳动生产率，进而降低了集聚经济的正向效应，尤其是小规模城市[24]㊂但通信技术发展以及弹性工作制在高端产业中的逐渐推广，降低了地理邻近性在通勤成本中的重要性及其对信息流的摩擦 阻力 ㊂因此部分学者提出，城市蔓延与城市生产率之间也可能存在不确定关系甚至是正向关系㊂如叶宁华等[25]发现，我国部分地区已出现过度集聚现象，在密度较高城市，容易出现交通拥挤㊁高房价，导致集聚下的不经济性超过集聚对生产率的贡献；魏守华等[11]认为，我国现代城市扩张呈现多中心集聚模式，并实证适当的城市蔓延可能改善城市空间结构㊁提升集聚经济效应㊂
由此，本文提出研究假设如下:
H1：城市蔓延会通过降低创新效率对创新空间集聚产生负向作用，当城市蔓延因稀释就业密度而降低创新效率时，这种负向作用可能被强化㊂
2.2知识溢出机制
由于我国城镇化进程仍处于上升发展阶段，大量优质创新要素向规模大㊁密度高的中心城区集聚，而紧凑㊁规则的城市空间形态更利于强化创新主体间的空间关联，促进创新主体间的信息交流与知识溢出，产生创新空间集聚效应㊂但由于城市核心集聚区往往具有较高的通勤成本与房价，对作为重要知识载体的创新主体产生拥挤效应，使其不得不选择在城郊地区居住或建厂㊂因此，若不进行合理规划，可能引致城市蔓延㊁拉大创新主体间的空间距离㊁增大隔离性㊁提高学习交流成本，从而弱化知识溢出效应，抑制创新空间集聚㊂我国主要通过布局各类创新示范区或高新技术园区搭建创新服务平台，推动创新主体与创新要素集聚，同时，依赖完善的生产㊁生活配套设施，才能实现创新基础设施共享，有效引导创新要素集聚㊂研究表明，相对于低密度㊁无序发展的城市，具有合理规划㊁高密度发展的城市，其公共基础设施利用率更高[26]㊂一方面，在高密度发展城市中心区，其原有基础设施被充分利用，节约了土地资源；另一方面，城市蔓延促使大量建设资源流向新城区，但人才流动相对滞后，因此出现大量 无人 新区，不仅耗费财力㊁物力，而且容易导致基础设施的盲目㊁重复性投资㊂更甚者，创新主体间为争夺有限资源，有可能采取零和博弈或以邻为壑的恶性竞争手段，从而阻碍城市创新空间集聚水平提升㊂由此，本文提出研究假设如下:
H2：城市蔓延会通过抑制知识溢出对城市创新空间集聚产生稀释作用，同时，基础设施投入增加可能会加剧这种稀释效应㊂
2.3就业匹配机制
E l l i s o n&
F u d e n b e r g[27]指出，劳动力市场共享有效解释了企业空间集聚行为，粘性工资成为企业与劳动力集聚的动力㊂这是因为粘性工资的存在可以降低劳动力失业风险，若出现大规模工人失业，企业也会遭受损失㊂此外，陈旭和秦蒙[28]认为，较大规模城市中的就业平台㊁产业种类丰富，对高技能人才的吸引力更强，大城市的高收入更多是由劳动技能的既定分布所致，适当的城市蔓延能够进一步释放城市空间，虽然增加了通勤成本，但可以通过工资上涨作为补偿㊂因此，从就业匹配角度而言，城市蔓延会使部分中产阶级与
㊃53㊃
第8期杨晓昕，张涵：城市蔓延真的抑制城市创新空间集聚吗
高技术阶层外迁㊁创新产业与工作岗位从中心城区转移至郊区，从而降低城市创新劳动力就业密度，减少中心城区就业机会，加之我国城乡二元户籍制度㊁郊区创新配套设施建设滞后等因素，造成创新就业岗位和人才空间分布不匹配，最终可能对城市创新空间集聚产生掣肘㊂
由此，本文提出研究假设如下:偶然值林叟
H3：城市蔓延通过降低就业匹配度抑制城市创新空间集聚，但在工资水平较高城市则不一定产生相同
效果㊂
宏基笔记本
3研究设计
3.1模型设定与变量说明
本文构建中介效应模型的表达式为:
M e d i t=β0+β1S p r i t+ðλi t C o n t r o l i t+εi t(1) A g g i t=γ0+γ1S p r i t+γ2M e d i t+γ3S p r i tˑM e d i t +ðλi t C o n t r o l i t+εi t(2)式中，因变量A g g表示城市创新空间集聚水平，本文采用相对区位基尼系数衡量城市创新空间集聚度,
计算公式为:A g g=1
2n2x-ðn
i=1ð
n
j=1
x i-x j，式中,x i
=(X i/ðn i X i)/(Y i/ðn i Y i),X分别为城市外观设计㊁实用新型以及发明专利申请数量,Y为城市三类专利申请总量，其值位于0~(1-1/n)之间，取值越大表示城市创新集聚程度越高㊂
核心自变量S p r表示城市蔓延，本文借鉴王家庭和谢郁[18]的测度方法，采用城市建成区面积增长率与市区人口增长率比值作为城市蔓延表征指标㊂S p r>1，表示发生城市蔓延;S p rɤ1，表示城市收缩㊂
中介变量M e d用以诠释S p r对A g g的间接影响，主要包括:①城市创新效率E f f㊂采用基于M a l m q u i s t-D E A方法测算;②知识溢出水平S p i㊂创新主体间的知识溢出往往以高端人才为载体，通过面对面方式传播，因此，本文选取高等学校在校生人数占比表征;③就业匹配水平M a t㊂根据B a u m g a r d e r[29]的研究，采用城市专业化程度衡量城市就业匹配质量，专业化程度越高表示匹配质量越高㊂
控制变量C o n t r o l包括:①开放水平(O p e n)，选取当年实际使用外资金额占G D P比重表示;②金融发展水平(F i n)，采用城市年末金融机构各项存贷款余额与地方生产总值比值测度;③业结构水平(I n d)，采用第二㊁第三产业产值占G D P的比重表示,εi t为误差项㊂
待估系数γ1衡量S p r对A g g的全局处理效应；待估系数γ3衡量S p r对A g g的全局调节效应;M e d在S p r与A g g之间的中介调节效应为β1㊃(γ2+γ3ΔS p r)㊂3.2样本选择与数据来源
剔除数据缺失较严重的部分城市，最终研究样本为2007-2018年我国285个地级城市，为避免极端值影响，对样本在1%区间进行双向缩尾处理㊂本文城市专利申请量和专利授权量数据来源于中国研究数据平台的创新专利研究库C I R D，其它变量数据来源于E P S数据平台㊂表1给出了所有变量取对数后的统计性描述结果㊂
表1各变量统计性描述结果
变量样本数均值标准差最大值最小值A g g34200.1200.2990.6930.007 S p r34200.2600.0134.626-4.391 E f f34200.2580.7642.810-1.016 M a t34200.0210.0150.300-0.015 S p i34200.6660.3223.8890.000 F i n34150.6610.505-16.1412.548 O p e n3390-4.5861.395-11.307-1.604 I n d34200.8590.0891.0000.501 4实证分析
4.1基准回归
首先，借鉴P r e a c h e r[30]的检验方法，采用结构方程模型(S t r u c t u r a l E q u a t i o n M o d e l,S E M)进行回归检验，并使用自举法获得中介条件效应标准误和置信区间㊂此时置信区间计算是修正偏误且非对称的，能更准确地反映中介条件效应样本分布情况㊂
4.1.1创新效率机制检验
由表2看出，在A g g为因变量的S E M模型中，城市蔓延变量S p r的回归系数γ1显著为负，表示城市蔓延对城市创新空间集聚具有显著负向的全局处理效应，与多数研究结论一致；城市创新效率E f f的回归系数γ2显著为正，表示城市创新效率越高，越有利于城市创新空间集聚；两者交乘项E f fˑS p r的回归系数γ3不显著，表示城市蔓延通过创新效率对城市创新空间集聚未产生显著全局调节效应㊂同时，在E f f为因变量的S E M模型中,S p r的回归系数β1显著为负，表示城市蔓延显著抑制了城市创新效率提升㊂控制变量回归系数显示，产业结构I n d升级优化能够对城市创新空间集聚提供有效支撑，因此各城市应注重产业结构优化升级，扩充第二㊁第三产业规模，为城市创新空间集聚提供良好的服务环境；而金融成熟度F i n和开放水平O p e n均与创新集聚呈现负向关联，这可能是由于城市创新空间集聚依然面临较强融资约束，外商投资渠道并不畅通，对城市创新空间集聚带来一定阻滞㊂
创新效率E f f的中介调节效应结果如表3所示，可以发现，随着城市蔓延加剧，城市创新效率的负向中介调节效应逐渐弱化，也就是说，城市蔓延经过创新效率的中介调节后，对创新集聚的负向作用呈现边际递减趋势，这可能是由于城市蔓延使得创新产业日趋转移
㊃63㊃科技进步与对策2021年
至城郊工业园区，降低了用地㊁厂房等创新资本投入成本并逐渐形成规模效应㊂
表2创新效率机制检验结果
自变量固定效应面板模型
E f f A g g
S E M模型
E f f A g g
S p r-0.035-0.008-0.040**-0.047*** (-1.24)(-0.47)(-2.35)(-6.38)
E f f0.0010.041**
(0.18)(2.03)
E f fˑS p r-0.0020.003
(-0.16)(1.28)
F i n0.017-0.054***-0.010-0.064***
儿童语言障碍训练
(0.90)(-5.70)(-0.64)(-2.86) O p e n-0.426-0.483***-0.053-0.556*** (-1.44)(-3.80)(-0.25)(-5.65)
I n d0.1570.271**0.886***0.134***
(0.76)(2.28)(13.66)(4.86)常数0.485*0.1390.771***0.177**
(1.82)(0.99)(4.03)(2.01)时间固定是是是是
城市固定是是是是
N3420342034203420
注：括号中为待估系数的t值;***㊁**和*分别表示变量在1%㊁5%和10%的置信水平下显著
表3城市创新效率的中介调节效应测度结果
S p r变化量中介调节效应P值95%置信区间
均值-1个单位标准差-0.00003***0.000[-0.0006,-0.0007]均值+1个单位标准差-0.00005***0.000[-0.001,-0.0005]
本文进一步将就业密度E m p作为城市蔓延影响创新效率的调节变量，检验假设H1㊂因此，在模型(1)㊁
(2)中加入就业密度变量E m p，具体表达式如下:
E f f i t=β0+β1S p r i t+β2E m p i t+β3E m p i tˑS p r i t +ðλi t C o n t r o l i t+εi t(3) A g g i t=γ0+γ1S p r i t+γ2E f f i t+γ3E m p i t+γ4E m p i tˑS p r i t+ðλi t C o n t r o l i t+εi t(4)式中,E m p采用城市科研㊁技术服务和地质勘查从业人员数量与建成区面积比值表征，此时中介调节效应表达式为γ2ˑ(β1+β3㊃ΔE m p)㊂由表4看出，在A g g为因变量的S E M模型中,S p r和E f f系数的符号与表2相同㊂E m p回归系数显著为正，表示就业密度越高，城市创新空间集聚水平越高;E m pˑS p r系数显著为负，表示城市蔓延可能降低就业密度，从而对城市创新空间集聚产生更显著的负向作用，印证了假设H1㊂在E f f为因变量的S E M模型中，就业密度与城市创新效率呈现正向关系㊂同时,S p r系数表示加入E m p变量后，城市蔓延对创新效率的负向作用依然显著㊂此外，加入E m p变量后,E f f的中介调节效应均显著为负㊂
4.1.2知识溢出机制检验
从表5看出，在A g g为因变量的S E M模型中,S p r 的回归系数显著为负，同样证明了城市蔓延对城市创新空间集聚具有显著的负向全局处理效应;S p i的回归系数表示知识溢出越多，越有利于城市创新集
聚；交乘项S p iˑS p r的回归系数表示城市蔓延通过知识溢出对创新集聚产生显著正向全局调节效应㊂同时，在S p i为因变量的S E M模型中,S p r的回归系数不显著，表示城市蔓延未显著影响知识溢出效应，部分印证了假设H2㊂
表4加入E m p变量后创新效率机制检验结果自变量
固定效应面板模型
E f f A g g
S E M模型
E f f A g g
S p r-0.038-0.006-0.042**-0.050*** (-1.35)(-0.69)(-2.34)(-6.65) E m p-0.426***0.039-0.1480.165*
(-2.63)(0.37)(-0.81)(1.96)
E f f0.0470.034*
(1.42)(1.65)
E m pˑS p r-0.1820.077-0.233*
(-1.07)(0.21)(-1.82)常数0.3850.1570.742***0.212**
(1.43)(1.08)(3.82)(2.37) N3420342034203420
注：各回归均纳入了控制变量㊁时间固定效应和个体固定效应，结果未予显示㊂下同
表5知识溢出机制检验结果
自变量
固定效应面板模型
E f f A g g
S E M模型
E f f A g g
S p r0.000-0.0110.001-0.023***
(0.42)(-1.03)(0.95)(-2.76) S p i0.044***0.035***
(21.65)(34.22) S p iˑS p r0.146***0.155***
(5.95)(11.45)常数-0.290***-0.005-0.260***0.002 (-19.35)(-0.03)(-21.41)(0.02) N3420342034203420
根据假设H2，基础设施可以作为城市蔓延影响知识溢出的调节变量，因此将模型(1)㊁(2)加入基础设施变量I n f进行扩展，这里采用互联网用户量表征㊂表达式如下:
S p i i t=β0+β1S p r i t+β2I n f i t+β3I n f i tˑS p r i t+ðλi t C o n t r o l i t+εi t(5) A g g i t=γ0+γ1S p r i t+γ2S p i i t+γ3I n f i t+γ4I n f i t ˑS p r i t+ðλi t C o n t r o l i t+εi t(6)从表6可以看出，在A g g为因变量的S E M模型中,S p r和S p i的系数依然显著且符号与表5相同㊂I n f 回归系数表示基础设施投入越多，对城市创新空间集聚的正向影响越显著;I n fˑS p r系数表示城市蔓延通过基础设施对城市创新空间集聚产生正向全局调节效应，这可能是因为城市蔓延会提高创新产品运输费用和基础设施建设成本，并以税收等形式转化为创新生产成本，从而迫使创新主体不得不通过集聚产生的正向外部性抵消上述成本，因此创新集聚度提升㊂其总体反映出虽然我国城市基础设施不断完善，但未形成
㊃73㊃
第8期杨晓昕，张涵：城市蔓延真的抑制城市创新空间集聚吗
联系紧密㊁分工有序的城市网络，且城市中心城区的辐射带动作用有限，抑制了城市创新空间集聚㊂以上结论与柯善咨等(2008)和刘修岩(2014)的研究结果相互印证㊂在S p i为因变量的S E M模型中，基础设施不断完善及创新主体间通勤成本的不断降低，有助于创新主体间信息交流与知识溢出㊂此外，随着基础设施投入增加，城市蔓延通过知识溢出机制的中介调节后，对城市创新空间集聚的负向影响会愈显著㊂
表6加入I n f变量后知识溢出机制检验结果
自变量固定效应面板模型
E f f A g g
S E M模型
E f f A g g
S p r0.001-0.006-0.012-0.005*
(0.79)(-0.29)(-0.63)(-1.82)
I n f0.004***0.0040.002***0.033***
(6.27)(1.24)(6.25)(31.15) S p i0.066*0.080***
(1.78)(3.53)
I n fˑS p r-0.0010.0010.002**
(-0.24)(0.25)(2.36)常数-0.237***0.045-0.229***-0.012 (-15.34)(0.28)(-17.65)(-0.12) N3420342034203420 4.1.3就业匹配机制检验
从表7可以看出，在A g g为因变量的S E M模型中,S p r的回归系数显著为负，再次印证了城市蔓延对城市创新空间集聚具有显著负向全局处理效应；就业匹配变量M a t的回归系数表示就业匹配度越高，越有利于城市创新集聚；交乘项M a tˑS p r的回归系数表示城市蔓延未能通过就业匹配机制对城市创新空间集聚产生显著全局调节效应㊂同时，在M a t为因变量的S E M模型中,S p r的回归系数显著为负，表示城市蔓延会降低就业匹配水平㊂此外，随着城市蔓延加剧，就业匹配对城市创新空间集聚的负向中介调节作用减弱，这可能是由于适当的城市蔓延能够释放城市中过于密集的创新就业空间，虽然增加了通勤成本，但往往可以通过工资上涨产生补偿效应㊂
表7就业匹配机制检验结果
自变量固定效应面板模型
E f f A g g
S E M模型
E f f A g g
S p r-0.007-0.011-0.054***-0.046*** (-0.64)(-1.33)(-5.71)(-6.23) M a t0.0190.042**
(1.21)(2.07) M a tˑS p r0.0050.001
(0.49)(0.06)常数-0.1410.143-2.191***0.174** (-1.23)(1.02)(-4.50)(1.97) N3420342034203420
根据假设H3，将工资水平W a g e作为城市蔓延影响就业匹配水平的调节变量，在模型(1)㊁(2)中加入工资水平变量进行扩展，具体表达式如下:
M a t i t=β0+β1S p r i t+β2W a g e i t+β3W a g e i tˑS p r i t +ðλi t C o n t r o l i t+εi t(7) A g g i t=γ0+γ1S p r i t+γ2M a t i t+γ3W a g e i t+γ4W a g e i tˑS p r i t+ðλi t C o n t r o l i t+εi t(8)就业匹配机制检验结果如表8所示，可见，在A g g 为因变量的S E M模型中,S p r和M a t的回归系数依然显著;W a g e回归系数表示工资水平对城市创新空间集聚产生正向促进作用;W a g eˑS p r回归系数显著为正，表示城市蔓延通过工资水平对城市创新空间集聚产生正向全局调节效应，佐证了假设H3㊂这可能是由于
城市蔓延后期城市分割得到缓解，在更大的市场空间内扩大了企业生产规模，因此会对创新劳动力产生工资补偿效应，从而成为城市创新空间集聚的动力㊂在M a t 为因变量的S E M模型中，工资水平不断提升，有利于降低创新人才就业风险，促进就业匹配㊂
此外，加入W a g e变量后,M a t的中介调节效应均显著为负，说明随着工资水平提升，城市蔓延可能通过就业匹配机制对城市创新空间集聚产生更显著的负向作用㊂虽然城市蔓延的工资补偿效应不断强化，但由于创新人才的薪资期望严重偏离实际创新效益，加上专业认知局限性，难以满足创新企业期望，抑或创新企业为就业者提供虚高的前景预期，导致就业者误判㊁甚至被欺骗，最终选择离职或解聘，造成匹配双方预期差距较大，从而对城市创新集聚产生更大掣肘㊂
表8加入W a g e变量后就业匹配机制检验结果自变量
固定效应面板模型
E f f A g g
S E M模型
E f f A g g
S p r0.000-0.0010.827-0.057***
(0.02)(-0.01)(1.10)(-5.94) W a g e-0.0060.0210.381***0.165*
(-0.85)(1.45)(18.72)(1.96) M a t-0.0000.061***
(-0.03)(2.74) W a g eˑS p r-0.001-0.0890.173**
(-0.06)(-1.18)(1.97)常数-0.1110.040-1.978***0.003
(-0.95)(0.25)(-4.26)(0.20) N3420342034203420
4.2稳健性分析
为保证估计结果可靠，本文通过调整创新集聚变量和城市蔓延变量进行稳健性分析㊂
更换创新集聚变量㊂本文采用C V变异指数，即城市专利申请量的标准差/平均数作为城市创新空间集聚的替代变量，该值越大，表示创新集聚水平越高㊂更换城市蔓延变量㊂有学者指出，建成区面积与市区人口在空间范围上不对应，且当部分地级市在某年出现城区人口流出㊁人口增长率为负的情况时，采用建成区面积增长率与市区人口增长率比值计算，其值为负并不能说明城市蔓延程度较低㊂因此，本文采用建成区面积增长率与城区人口增长率的差值衡量城市蔓延程度，差值越大，表示城市蔓延程度越高㊂
㊃83㊃科技进步与对策2021年
