中国城市级GDP多情景预估数据集（2020-2100）：基于Cobb-Douglas生产函数的长期预测研究

《Scientific Data》：City-level GDP estimates for China under alternative pathways from 2020 to 2100

本研究针对中国缺乏城市级长期GDP预测数据的问题，开发了基于Cobb-Douglas生产函数的城市级GDP预估数据集。研究人员通过构建技术发展、生育率和城市间互动三个维度的27种情景，首次提供了2020-2100年中国331个城市的GDP预测，其中BAU路径和Labor-Constraint路径分别与SSP2和SSP1情景高度吻合。该数据集为评估气候变化影响、区域经济规划和可持续发展研究提供了重要的数据支撑。

　　

在全球气候变化和经济发展双重挑战下，城市作为经济进步的关键驱动力，在气候行动中扮演着决定性角色。然而，现有的中长期经济预测主要停留在国家或省级层面，缺乏城市级的空间分辨率，这严重限制了对城市间经济互动和空间溢出效应的研究。特别是在中国这样一个经历了全面扶贫、二孩/三孩政策和碳中和承诺的国家，国际通用的共享社会经济路径（SSP）情景往往难以准确反映其独特的社会经济条件。

更为关键的是，城市作为政策实施、经济发展和环境治理的基本单元，集中了资源和经济活动，城市级经济数据的缺失使得模拟城市间协作、资源流动和空间外部性如何影响区域GDP发展轨迹变得异常困难。这一数据缺口不仅阻碍了对区域增长模式和经济集聚动态的理解，也影响了应对城市可持续发展和区域发展当代挑战的能力。

针对这些研究空白，由孙金杰、王锐等研究人员组成的研究团队在《Scientific Data》上发表了题为"City-level GDP estimates for China under alternative pathways from 2020 to 2100"的研究论文，首次开发了中国城市级GDP长期预测数据集。

研究人员采用广泛使用的Cobb-Douglas生产函数，通过收集城市级固定资本存量、劳动力投入和全要素生产率（TFP）数据，将该方法扩展到城市层面。研究团队设计了3×3×3的完整情景矩阵，涵盖技术发展（高/中/低）、生育率（高/中/低）和城市间互动（高/中/低）三个维度，共27种情景组合，充分考虑了中国的二孩/三孩政策、区域协同发展、西部大开发战略以及人工智能等技术进步的影响。

研究方法上，研究团队主要运用了以下几个关键技术：基于永续盘存法的城市级物质资本存量计算、考虑城乡差异的劳动力质量调整方法、技术领先者（深圳）的TFP增长模型、条件收敛框架下的城市间技术扩散模型，以及多情景参数化方法。数据来源包括省级统计年鉴、第六次全国人口普查等权威资料，建立了2020年基准年的城市级投入数据集。

历史数据用于长期GDP预测

研究选择2020年作为基准年，通过收集城市级固定资产投资、价格指数、GDP和劳动力统计数据，计算了城市级物质资本存量、资本产出弹性和全要素生产率。由于中国政府不公布物质资本存量数据，研究采用永续盘存法，编制了1952-2020年的固定资产投资及其价格指数历史数据集，从而计算出2020年的物质资本存量。资本产出弹性的计算采用了差异化的收益率：西部地区0.10，中部城市0.12，东部沿海地区0.17。

中国不同情景下的GDP计算

劳动力投入的预测基于分年龄组的城市总人口预测，并区分城乡结构和教育水平。劳动力计算考虑了教育水平对劳动力的缩放效应，采用平均受教育年限作为衡量指标。生育率情景设置了低生育（TFR降至0.7）、中生育（TFR稳定在1.3）和高生育（TFR升至1.8）三种情况。劳动力参与率假设在HighInter和MedInter情景下以-0.26%的速度稳步下降直至2030年稳定，在LowInter情景下以-0.51%的更快速度下降。

全要素生产率的预测基于两个组成部分：技术领先者（深圳）的TFP预测和其他城市的TFP预测。技术领先者的长期TFP增长率设定为LowTech情景0.6%、MedTech情景0.8%、HighTech情景1.0%。其他城市的TFP计算包含两个阶段：基于经验推导的初始TFP增长率的短期动态，以及追赶技术领先者的长期收敛过程。

物质资本存量的预测采用递归模型，考虑未来技术发展和大规模AI技术应用将使资本投资对GDP增长的贡献更加显著。长期资本产出弹性假设在LowTech情景下稳定在0.3，MedTech情景下0.35，HighTech情景下0.4。

情景假设

技术发展情景强调技术进步在GDP增长中的关键作用，LowTech情景假设技术进展缓慢，MedTech情景代表中等技术发展，HighTech情景设想由AI和自动化等技术驱动的革命性变革。生育率情景反映人口趋势和生育政策的有效性。城市间人口流动和技术交流情景涉及区域协调发展战略，HighInter情景理想化地通过更有效的技术学习、资本和劳动力积累实现均衡发展，MedInter情景假设中等技术交流和符合2010-2020年趋势的迁移水平，LowInter情景描绘欠发达城市人口流失严重、技术交流减少的情况。

数据记录

数据集包含中国331个城市的GDP数据，提供27种情景矩阵下基于2020年价格水平的GDP值（百万元）。从27种GDP发展情景中，研究识别出五种代表性路径：BAU路径（MedTech-MedFer-MedInter）代表技术发展、生育率和城市间互动都遵循中等轨迹；技术约束路径（LowTech-HighFer-LowInter）以人口结构变化和技术停滞为特征；劳动力约束路径（HighTech-LowFer-HighInter）体现二孩/三孩政策效果不显著但AI等技术创新的情况；区域分化路径（HighTech-HighFer-LowInter）描述人口增长和技术进步但城市缺乏协调的情况；平衡繁荣路径（HighTech-HighFer-HighInter）代表政策完全有效的理想情况。

技术验证

误差分析显示，基于2020年历史值的城市级GDP预测在2020-2023年的代数百分比误差为1.53%-2.83%。回顾性验证表明，虽然误差幅度随时间跨度增加而增大，但模型保持了合理的可靠性。省级GDP估计在2021-2023年平均低估-4.83%至-4.13%，误差变异性显著增加。城市级估计误差显示，78.2%的城市保持相对准确的估计（绝对百分比误差低于5%），占中国总GDP的83.1%。区域差异明显，高误差城市主要集中在中国西部和南部地区。

SSP对比显示，研究的劳动力约束路径和BAU路径分别与SSP1和SSP2路径高度吻合。在SSP1情景下，研究估计GDP为337万亿元，与OECD、PIK和IIASA的投影相近；SSP2情景下估计为247万亿元，与其他机构的投影具有可比性。

敏感性分析表明，收敛参数是最关键的影响因素，±30%的变化会产生-18.5%到+16%的不对称影响。过渡时间参数表现出适度但持久的影响，50%的变化会产生-6.6%到+10%的GDP影响。劳动力参与率变化表现出稳定的线性响应，而资本折旧变化在敏感性测试中显示完全中性。

不确定性分析指出，城市级GDP预测受到数据限制、建模假设和外部因素的多种不确定性影响。关键挑战包括某些变量仅省级可用、历史数据缺失，以及环境冲击和资源禀赋等因素未明确建模。未来政策转变、经济中断和不可预见的人口变化可能显著改变GDP轨迹。模型指定深圳为全国TFP领导者可能因产业结构不匹配而引入偏差。

研究结论与意义

该研究开发的中国城市级GDP预估数据集填补了城市级长期经济预测的数据空白，为气候变化影响评估、区域经济规划和可持续发展研究提供了重要工具。通过综合考虑技术发展、生育政策和城市间互动等多重因素，研究提供了更加符合中国实际情况的经济预测情景。

特别是研究识别的五种代表性路径，为政策制定者提供了清晰的参考框架：BAU路径反映了当前发展趋势，技术约束路径警示技术停滞的风险，劳动力约束路径强调在人口老龄化背景下技术创新和城市协作的重要性，区域分化路径揭示缺乏协调发展的潜在问题，平衡繁荣路径展示了理想的发展愿景。

研究的创新之处在于将Cobb-Douglas生产函数成功应用于城市级尺度，并系统整合了中国特有的社会经济政策和区域发展战略。数据集的可公开获取性为多学科研究人员提供了便利，支持从气候变化到区域经济等多个领域的研究工作。

然而，研究也存在一定局限性，包括数据粒度不足、环境因素考虑不充分以及假设深圳为单一技术领导者可能带来的偏差。未来研究可进一步细化数据收集、纳入更多影响因素，并探索多领导者或特定部门的TFP基准。

总体而言，这项研究为中国城市级经济预测建立了重要基准，为理解长期经济发展趋势和制定区域发展政策提供了科学依据，特别是在全球气候变化和可持续发展背景下具有重要的理论和实践价值。