2000～2024 年各城市多中心指标（商玉萍版本）

1636 字 约 5 分钟 数据资料 区域经济

最近给大家讲解过如何使用 R 语言测算中国各城市多中心度与集聚程度：

名师讲堂｜使用 R 语言基于LandScan数据测算城市多中心指标（商玉萍版本）：https://rstata.duanshu.com/#/brief/course/f17bcf174e3848329fdf5916c4d3122e

今天再给大家分享一份根据课程中的方法计算得到的 2000～2024年各城市多中心指标（商玉萍版本）。该指标参考了文献《中国城市多中心空间战略的创新绩效研究——基于集聚经济与舒适度的视角》（商玉萍）：

其中，各城市多中心指标的构造基于美国能源部橡树岭国家实验室提供的陆地扫描（Landscan）全球人口数据库，为全球范围的人口密度栅格数据。根据商玉萍的研究方法，系统计算了我国各城市 2000～2024 年间的多中心空间结构指标。

数据概览

数据的时间范围为 2000～2024 年，里面包含了行政区划、年份以及各城市多中心指标等信息。数据基于商玉萍的研究方法，计算了五大核心指标，经过计算之后一共得到了两个版本的数据：

  • 2000～2024年各城市多中心指标（商玉萍版本）.dta - 主要数据集
  • 2000～2024年各城市多中心指标（商玉萍版本，1万人标准）.dta - 按1万人标准调整的版本

(Preview/数据预览_2000～2024年各城市多中心指标（商玉萍版本）.png)

包含如下变量：

  • 省
  • 省代码
  • 市
  • 市代码
  • 年份
  • center - 城市中心数量：基于局部空间自相关识别的城市中心个数
  • poly - 多中心度指标：纳入距离的人口规模标准差指数，越小表示分布越均衡
  • pareto - 帕累托指数：各中心人口规模的秩-规模幂律回归系数（绝对值），越小表示多中心越均衡
  • sub3 - 去中心化指标（3 km）：CBD 3 千米以外的人口占城市总人口的比例
  • sub5 - 去中心化指标（5 km）：CBD 5 千米以外的人口占城市总人口的比例

数据可用于研究城市空间结构对创新绩效、经济增长、环境质量等方面的影响，特别是在分析多中心空间结构的效应时，这些指标可作为关键解释变量。

下图展示了各城市多中心指标的时间变化趋势：

2024 年各城市中心数量分布：

图表展示

2024 年不同规模城市中心数量箱线图

下图展示了大、中、小城市在中心数量上的分布差异：

2024 年城市去中心化指标 sub3 分布地图

去中心化指标反映了城市人口在空间上的分散程度：

(picdir/2024年城市去中心化指标sub3分布地图.png)

2024 年城市中心数量分布直方图

各城市中心数量的频率分布情况：

2024 年各省份城市平均中心数量柱状图

各省份城市平均中心数量的比较：

2024 年帕累托指数分布直方图

帕累托指数的分布情况反映了城市空间结构的集中度特征：

处理代码

数据处理基于 R 语言实现，主要应用了空间统计方法。下面展示了关键的处理步骤：

# ==============================================================
# 中国城市多中心空间结构指标计算（中国城市多中心空间战略的创新绩效研究——基于集聚经济与舒适度的视角_商玉萍）
# 指标：center / pareto / poly / sub3 / sub5
# ==============================================================

# 论文设定参数（完全不变）
ANALYSIS_PARAMS <- list(
  sig_level = 0.05,
  min_cells = 3,        # ≥3个栅格才算中心
  min_pop   = 100000,   # ≥10万人才算中心
  dist_nb   = 1000      # 1km相邻
)

# 空间邻接和局部莫兰指数计算
coords <- st_coordinates(pts)
nb <- dnearneigh(coords, 0, ANALYSIS_PARAMS$dist_nb)
lw <- nb2listw(nb, style = "W", zero.policy = TRUE)
lmo <- localmoran(pts$pop, lw, zero.policy = TRUE)

# HH 高值区识别（热点区域）
pts <- pts %>%
  mutate(
    p_val = lmo[, 5],
    sig = p_val < ANALYSIS_PARAMS$sig_level,
    med = median(pop),
    lag_val = lag.listw(lw, pop),
    self = if_else(pop > med, "H", "L"),
    nbr = if_else(lag_val > med, "H", "L"),
    type = case_when(
      sig & self == "H" & nbr == "H" ~ "HH", TRUE ~ "other"
    )
  )

# 聚类识别中心
coords_hh <- st_coordinates(hh)
nb_hh <- dnearneigh(coords_hh, 0, ANALYSIS_PARAMS$dist_nb)
hh$cluster <- n.comp.nb(nb_hh)$comp.id

图表绘制使用 Stata 完成，采用了 lightrstata 主题风格：

* 2024年城市中心数量分布地图
use "2000～2024年各城市多中心指标（商玉萍版本）.dta", clear
keep if year == 2024
ren city_code 市代码
merge 1:1 市代码 using map_data/chinacity2021mini_db.dta, keep(using match) nogenerate
replace center = -1000 if missing(center)

grmap center using map_data/chinacity2021mini_coord.dta, ///
    id(ID) osize(vvthin ...) ocolor(white ...) ///
    clmethod(custom) clbreaks(-10000.1 -0.1 1 2 3 4 5 8 19) ///
    fcolor(gray "254 212 57" "112 154 225" "138 145 151" "210 175 129" "253 116 70" "213 228 162" "240 92 59") ///
    leg(order(2 "无数据" 3 "1个" 4 "2个" 5 "3个" 6 "4个" 7 "5个" 8 "6～8个" 9 "9～19个")) ///
    legtitle("城市中心数量（个）") ///
    ti("2024年全国城市中心数量分布", size(medium) color(black)) ///
    subti("数据处理 & 绘制：微信公众号 RStata", size(small)) ///
    caption("数据来源：Landscan 人口栅格数据，微信公众号 RStata 计算", size(vsmall))

gr export "picdir/2024年城市中心数量分布地图.png", replace width(4800)

附件中也提供了该数据的处理代码供参考：

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 2000～2024 年各城市多中心指标（商玉萍版本）. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Pluricentrism Indicators for Chinese Prefecture-level Cities. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

名师讲堂｜使用 R 语言基于LandScan数据测算城市多中心指标（商玉萍版本）：https://rstata.duanshu.com/#/brief/course/f17bcf174e3848329fdf5916c4d3122e

名师讲堂｜使用 R 语言测算中国各城市多中心度与集聚程度：https://rstata.duanshu.com/#/course/4db63085cd024c3eb7a1746af2068498

2000～2023 年各城市多中心程度和人口集聚程度面板数据（Landscan 来源）：https://rstata.duanshu.com/#/course/f5e63a5ccc844da69cbda58d0e6ffe02

1990～2022 年各城市多中心程度和人口集聚程度面板数据（GlobPOP来源）：https://rstata.duanshu.com/#/course/7d94019b7a62428b9013c8a3835cb2b6

如果有相关需要可以联系李老师付费定制～

点击这里跳转到 RStata 短书平台获取附件：2000～2024 年各城市多中心指标（商玉萍版本）

相关文章

评论