长三角城市群经济网络结构特征及影响因素——基于社会网络分析方法

段显明，陈蕴恬

(1.杭州电子科技大学 管理学院，浙江 杭州 310018；2.杭州电子科技大学 经济学院，浙江 杭州 310018)

长三角城市群经济网络结构特征及影响因素
——基于社会网络分析方法

段显明1，陈蕴恬2

(1.杭州电子科技大学 管理学院，浙江 杭州 310018；2.杭州电子科技大学 经济学院，浙江 杭州 310018)

借鉴改进的引力模型,采用SNA与QAP回归分析,对长三角经济圈16个中心城市的经济网络结构及其影响因素进行分析。研究结果显示：1.长三角城市群各城市间的经济联系在逐年加强。2.十年间,上海、苏州、无锡等对其余城市的经济起着辐射作用,泰州、镇江、南京等对其他城市的资源与要素有所依赖。无锡、常州、南京在长三角经济圈中承担着“中介”与“桥梁”的作用。3.可将长三角城市群划分为四类子群,子群内各城市间经济关联密切。4.QAP分析说明,长三角经济圈中较强的经济联系常会发生在地理位置邻近、产业结构相似、要素集聚与扩散能力较强以及全球化水平较高的城市之间。最后,为长三角城市群网络化发展提供政策建议。

长三角城市群；社会网络分析；经济联系；QAP分析

作为我国综合实力最强的城市群,长三角城市群的发展状况对全国其他城市群具有重要的引领与示范作用。经过几十年的演变与发展,长三角经济一体化已逐步走向成熟，各城市间的贸易往来、集聚现象也越来越显著，城市体系间发展呈现出网络化的特征。因而探究长三角城市群的空间经济联系特征及其影响因素，对长三角城市群今后的综合实力提升意义重大。

综合学术界对于长三角城市群经济联系的研究，大致采用了以下几种方法：一是基于计量分析的方法，如张旭亮和宁越敏通过对长三角城市群经济联系和隶属度、城市等级及国际化程度进行计量分析，发现城市群的内部城市经济结构已变化重组，杭苏宁锡等城市与上海的联系在不断加强，且该趋势将不断扩大[1]。二是基于城市流强度的分析方法，如姜博和赵婷通过测算长江三角洲城市群中核心城市的城市流相关指标，发现长三角地区城市集聚与扩散的能力存在较大差异[2]。三是从社会网络分析视角出发，如李响基于社会网络分析方法，以长三角城市群16个城市为例，通过区域内城市间经济联系，发现长三角城市间互动已经形成网络化的结构特征[3]。

然而，大部分的研究都是针对经济网络结构的特征与演变过程，对于形成经济网络结构的影响因素的分析却较少。基于此，本文将结合之前学者的一系列研究，从社会网络视角出发，在修正后的引力模型基础上，测算城市群网络经济联系矩阵，通过实证分析长三角城市群经济网络特征，以期对长三角城市群网络内部关联特征以及形成该网络关联的影响因素展开探讨。

一、研究区域及数据来源

本文研究的区域范围将以《2010年长三角地区区域规划》中所描述的江苏、浙江和上海两省一市中的16个核心城市为准，即通常所说的长三角城市群，包括上海市，江苏省的南京市、苏州市、无锡市、常州市、镇江市、扬州市、泰州市和南通市，浙江省的杭州市、宁波市、湖州市、嘉兴市、绍兴市、台州市和舟山市。为考察城市间经济联系的动态发展趋势，为方便获取数据及合理计算，本文选择了2004年、2008年及2013年这三年的截面数据，前后间隔10年年限且时点分布均匀。构建引力模型及QAP回归分析用到的经济数据：各城市GDP、各城市总人口数、各城市全社会固定资产投资额、二三产业比重以及实际利用外资额均来源于《江苏省统计年鉴》(2005、2009、2014)，《上海市统计年鉴》(2005、2009、2014)，《浙江省统计年鉴》(2005、2009、2014)，空间距离数据则参考网络查询的各城市间公路里程数。

二、研究方法

(一)引力模型的建立

城市间经济联系有相互吸引的规律，根据距离衰减原理[3]可知，距离的增加会导致联系强度减少[4]。1942年，Zipf首次在城市空间体系中运用引力模型，该模型具体表示为：

(1)

式(1)中的Rab为城市a，b之间的引力；k为经验常数；Ma，Mb为城市a与城市b的“质量”；Dab为城市a与城市b的距离测度；t代表距离衰减系数。

自上世纪90年代起，国内众多学者运用引力模型对城市空间一体化经济联系开展了广泛研究。人作为城市经济活动的主体，参与经济活动、创造城市财富，人类活动如贸易往来、人口迁移等行为都会促进城市间的要素流动。经济发展水平、人口质量的数据一定程度上能够反映城市经济结构的差异，因而可用一个城市的地区生产总值与人口数量来表征该城市“质量”[5]。同时，国外学者塔费的实证研究发现，城市间经济联系强度与城市的人口存在正比关系，而与城市间距离的平方存在反比关系，故(1)式中的距离衰减系数t取2[6]。在经济测度中应考虑实际的交通状况，城市间的距离数据将选取城市间的最短公路里程数[7]。此外，考虑城市间的现实经济联系，两城市间经济联系并不对等[4]，本文的经验常数k将用某一城市GDP占两关联城市GDP之和的比值来修正。

结合上述城市引力模型的优化方法，本文借鉴王欣等人[8]对修正城市间经济联系模型的研究，计算各城市间经济联系强度的模型公式可表示为：

(2)

式(2)中的Rab代表城市a对城市b的经济联系；Kab为城市a对城市b经济联系的贡献率；Pa，Pb分别为两城市的年末人口数，Ga,Gb分别为两城市的GDP值；Dab代表两城市间最短公路里程数。

(二)网络分析的指标选取

社会网络分析(Social Network Analysis，简称SNA)是由社会学家根据数学方法﹑图论等发展起来的，是对社会关系结构及其属性加以定量分析的一套方法。首先，确定网络边界、网络节点及网络关系，本文以长三角经济圈内的16个城市为研究范围，城市群内各城市主体视为单独的网络节点，节点间的连线用以表示城市间的网络关系；其次，搜集研究所需数据，构建城市节点的网络矩阵，运用修正的引力模型测算出16个城市的经济联系矩阵，且将所得矩阵进行二值化处理；最后，运用UCINET软件，测算相应网络分析指标。

社会网络研究内容丰富，所涉及的概念也多，在此计量城市集群经济网络结构特性时，将选用网络密度、网络中心性和凝聚子群分析这几个指标。

(1)网络密度。网络密度反映了网络中各城市间紧密程度。整体网络的密度并非越大越好，这是由于联系紧密的整体网络虽然可以为网络中的个体提供丰富社会资源，但也会因为过度的资源、要素及经济依赖，而限制城市自身的发展。密度的测算公式为：

(3)

式(3)中的D表示网络密度；k为节点数；d(na,nb)为城市na与nb之间的关系量。

(2)网络中心性。网络中心性可用以衡量各城市在整体网络中的特权性、中心性位置等指标，本文在对各城市进行中心性评估时，又将网络中心性分成度数中心度和中间中心度来测度。

度数中心度用以描述网络中哪些城市处于中心地位。各城市与其他城市的经济联系具有方向性，描述一个城市在整体网络内多大程度受其他城市的影响的指标，称为点入度；描述一个城市在整体网络中的辐射作用的指标，称为点出度。通过分析某一城市的点入度与点出度，基本可以初步反映出它在该整个网络中的贡献作用。其公式为：

(4)

式(4)中Rab表示两城市联系强度，CD(out)(na)为点出度，CD(in)(na)为点入度。

中间中心度代表一个城市在多大程度上处于网络中其他城市的中介。该指标测量的是单独某一城市的控制能力。若某城市的中间中心度较大，反映该城市经济对其他城市有较强控制能力，因而该城市处于网络的核心，拥有较大权力；反之，若某一城市的中间中心度为0，反映该城市不能控制网络中的任何一个城市，处于网络的边缘。其公式为：

(5)

式(5)中的CB(na)为中间中心度；gbk为城市b到城市k的捷径数。

(3)凝聚子群分析。该方法可用以研究城市集群内的小团体现象，通过以城市间的经济联系强度为依据，实现对复杂经济网络的简化。本文将采用UCINET中的迭代相关收敛法(即Concor法)对长三角城市群经济关联网络的内部结构进行聚类分析。

(三)计量模型构建

经济网络结构的特征形成是在诸多因素相互影响与驱动下实现的。首先，地理位置的邻近使得两城市间生产要素流动成本较小，实现贸易往来更为容易；其次，要素的集聚与扩散也是经济网络的重要驱动因素，由于城市间经济联系是以资金流、技术流、信息流等各种“流体资源”为载体的，它们在各种不同渠道下实现在合理地域间的集聚与扩散[9]。此外，产业结构的转型升级也会对城市间经济联系的加强起到促进作用，促使城市间实现有效组团[10]。最后，在经济一体化的时代背景下，全球经济联系正朝着网络化的方向发展，这也促使生产要素跨区域流动并实现优化配置。

基于此，本文将选定城市邻近距离、要素集聚与扩散、产业结构升级以及经济一体化这几类因素来验证长三角经济群的网络关联关系。构建回归模型如下：

F=f(D,S,I,E)

(6)

其中，城市邻近距离矩阵D将用虚拟变量替代，若两城市间最短公路里程数小于100 km，代表城市间邻近记为1；否则记为0。要素集聚与扩散矩阵S将选用全社会固定资产投资额差值矩阵来表征。用各城市二三产业比重差值来表征产业结构升级I，实际利用外资额差值矩阵来代表经济全球化E。为使计算更为简便、精确，对自变量矩阵与因变量矩阵进行二值化处理。由于实证分析过程中用到的数据均为两城市间的关系数据，而传统的计量检验仅能满足对属性数据处理的要求，故本文将选用社会网络常用的非参数方法——二次指派程序(Quadratic Assignment Procedure,即QAP回归方法)进行分析。

三、实证分析

由改进的引力模型可测得长三角城市群中各城市间的经济关联矩阵，将其处理并导入UCINET软件，可对不同的测度指标进行分析与评估。

(一)网络密度分析及评估

用UCINET软件计算网络密度时，网络密度值与上述经引力模型测算出的经济联系矩阵在进行二值化处理时所选的阈值有关，因而此处的网络密度大小的比较只具有相对性。网络密度越高，则表明研究区域内的城市间联系程度越强，城市间的交流与经济往来越密切。

表1 长三角城市群空间经济联系网络密度表

由表1可知：2004-2013年，长三角城市空间经济联系网络密度以及网络关联关系数都有逐年增长的趋势，说明随着时间的推移，长三角城市群的经济联系逐渐趋于紧密。在上述所得的城市经济联系矩阵基础上，利用UCINET的NetDraw功能绘制出的2013年城市网络结构如图1所示。可见，长三角城市群经济联系呈现复杂且多线程的网络化特征，2013年网络内部关联关系数目为74个，箭头的指向代表某一城市对另一城市的经济辐射作用，从图中的线程与箭头可以清晰地反映出整体网络的特征以及各城市间经济联系的内部作用机理。

图1 2013年城市网络结构图

(二)网络中心性分析及评估

运用UCINET软件，可得到该网络内各个城市中心度的测算结果，如表2所示，由此可以对比分析近十年来长三角城市群的空间经济变化趋势。由点度中心度可知：(1)上海、苏州、无锡、南通、杭州的点出度始终处于较高水平，反映了这些地区在长三角经济圈中处于核心地位，主要向外辐射输出资源，对其他城市的经济影响程度较大，有一定的辐射效应。(2)泰州、镇江、南京、台州、扬州点入度水平较高，不仅反映出这些城市对其他城市的资源与要素有所依赖，也反映了这些城市在吸收外部资源、实现对外经济往来等方面表现活跃；而样本期内苏州的点入度变化最大，说明近十年来苏州对长三角经济圈其他城市的资源、要素的依赖程度越来越弱。

表2 长三角城市群空间经济网络点度中心度表

经过中间中心度的测算由表3可知：2013年，无锡、常州、南京的中间中心度位列前三，说明这几个城市在长三角经济圈中扮演着“中介”与“桥梁”的作用，对其余城市的控制作用较强，在网络中有着重要地位，尤其是南京近十年在长三角经济圈中的“纽带”作用越来越显著。

表3 长三角城市群空间经济网络中间中心度表

(三)凝聚子群分析

凝聚子群分析方法可以通过图形直观地反映出网络中城市间的“小团体”现象。图2所示为2013年长三角城市群经济网络内部的凝聚子群现象。长三角城市群大致可分为4类子群，第一类为：上海、苏州、南通、嘉兴4个城市；第二类为：湖州、杭州、绍兴、宁波、舟山、台州6个城市；第三类为：泰州、南京、扬州、镇江4个城市；第四类为：无锡和常州。显然，各子群的分类与地理邻近距离密切吻合。各子群内部拥有强而紧密的联系，各子群内城市间资源与要素自由流动较强，贸易、金融、物流运输等往来密切，且某一城市与子群内城市的联系强度要高于与子群外其他城市的联系。

图2 长三角城市群经济网络内部的凝聚子群现象

(四)网络结构的影响因素分析

常规检验方法要求变量间相互独立，而关系数据恰好违背这一假设，此时运用QAP回归分析即可解决关系与关系层次的假设检验[11]。由于随着时间的发展长三角城市群的经济联系更趋于稳定，本文将选用2013年的关系数据进行QAP回归分析。首先，运用UCINET软件，对经济联系网络与影响因子进行QAP相关性分析，结果如表4所示。可以看出，地理邻近关系、经济全球化水平与经济联系网络的相关系数在1%的水平上显著，要素集聚与扩散、产业结构升级与经济联系网络的相关系数在5%的水平上显著，说明以上自变量均与经济联系网络有一定的相关性，且与经济联系网络的相关系数均为正值，说明邻近关系、要素集聚与扩散、产业结构升级以及经济全球化都对长三角经济群网络结构的完善与扩展有促进作用。

表4 长三角经济圈网络关联矩阵与影响因子的QAP相关性分析结果

其次，运用QAP回归分析，研究邻近关系矩阵、要素集聚与扩散矩阵、产业结构升级矩阵、经济全球化矩阵与长三角经济群网络关联的回归关系，并展开判定系数R2的显著性评价。运用UCINET软件，通过选择10000次随机置换[11]，得到调整的R2为0.161，说明这些变量可以解释长三角经济群网络关联的16.1%，调整的可决系数的概率值为0，说明通过了1%的显著性检验，且样本体积为240(16*15)。

表5所示为长三角经济群网络关联影响因素的QAP回归分析结果。地理邻近关系、要素集聚与扩散、产业结构升级、经济全球化水平都对经济关联网络都有一定的影响，且各影响因素与经济关联网络均为正相关，说明这些驱动机制对经济联系都产生了积极的影响。长三角经济圈中较强的经济联系往往会出现在地理位置邻近、要素集聚与扩散能力强、产业结构相似或相对完备以及全球化水平高的城市之间。

表5 长三角经济圈网络关联影响因子的QAP相关性分析结果

四、研究结论

本文以改进的引力模型为基础，运用社会网络分析方法以及QAP回归分析，对长三角地区16个中心城市2004年、2008年及2013年3个时间断面经济联系的经济网络特征及其影响因素开展了实证研究，得出以下结论：

(1)从网络密度来看，长三角城市群整体网络密度存在逐年增长趋势，由此可见长三角城市网络群中各城市间的经济联系在逐年加强，各城市间的经济往来也愈加密切。

(2)从中心度角度来看，十年来，上海、苏州、无锡、南通、杭州在长三角经济圈中处于核心地位，主要向外辐射输出资源，对其他城市有较强的经济影响力，存在一定的辐射效应；而泰州、镇江、南京、台州、扬州对其他城市的资源与要素有所依赖，同时也在积极吸收外部资源、实现对外经济往来等。从中间中心度来看，无锡、常州、南京在长三角经济圈中扮演着“中介”与“桥梁”的作用，对于长三角经济圈城市间要素传递、贸易来往有重要的沟通作用。

(3)从凝聚子群分析来看，2013年，长三角城市群已经发展形成了四类子群，子群的分类与地理邻近距离极为吻合，且各子群内的经济联系水平较高。

(4)从QAP回归分析可知，地理邻近关系、要素集聚与扩散、产业结构升级、经济全球化水平都对经济关联网络有正向影响，说明长三角经济圈中较强的经济联系往往会出现在地理位置邻近、要素集聚与扩散能力强、产业结构相似或相对完备以及全球化水平高的城市之间。

需要说明的是，本文将上海市作为一个整体与其余15个地级市组成16个网络个体进行研究，仍存在不足之处，上海市因其较大的经济总量在整个长三角经济圈内的影响与控制作用自然显著。因此，上海市各区县对其他城市经济影响的考察将会是今后探索的方向。

[1]张旭亮,宁越敏.长三角城市群城市经济联系及国际化空间发展战略[J].经济地理,2011,31(3):353-359.

[2]姜博,赵婷,雷国平,等.长江三角洲城市群经济联系强度动态分析[J].开发研究,2011(2):12-15.

[3]李响.长三角城市群经济联系网络结构研究——基于社会网络视角的分析[J].上海金融学院学报,2011(4):105-115.

[4]Friedman J R.The world city hypothesis[J].Development and Change,1986,17(1):63-70.

[5]Taylor P J’Hoyler M. The spatial order of European cities under conditions of contemporary globalization[J].Tijdschrift voor Economische en Sociale Geografie, 2000, 91(2):176-189.

[6]塔费.城市等级——飞机乘客的限界[J].经济地理(英文版),1962：1-14.

[7]杨吾扬.区位论原理[M].兰州：甘肃人民出版社，1989.

[8]王欣,吴殿廷,王红强.城市间经济联系的定量计算[J].城市发展研究,2006(3):55-59.

[9]钟业喜,冯兴华,文玉钊.长江经济带经济网络结构演变及其驱动机制研究[J].地理科学,2016,36(1):10-19.

[10]侯赟慧,刘志彪,岳忠刚.长三角区域一体化进程的社会网络分析[J].中国软科学,2009(12)：90-101.

[11]刘军.社会网络分析导论[M].北京：社会科学文献出版社,2004.

On Structural Features & Influence factors of Economic Network in Yangtze River Delta City Group: Based on Social Network Analysis

DUAN Xian-ming1, CHEN Yun-tian2

(1.SchoolofManagement,HangzhouDianziUniversity,HangzhouZhejiang310018,China;2.SchoolofEconomics,HangzhouDianziUniversity,HangzhouZhejiang310018,China)

Based on the method of SNA and QAP regression analysis, this paper uses the improved urban gravity model to make an analysis of the economic relationship and its influence factors among 16 central city clusters in Yangtze river delta economic circle. The results show that (1) The economic ties of the cities in Yangtze River Delta is strengthening; (2) In a decade, Shanghai, Suzhou, Wuxi have played some economic radiation effects to the other cities; and Taizhou, Zhenjiang, Nanjing have shown their dependence on other cities’ resources and factors, while Wuxi, Changzhou, Nanjing play the role of a “intermediary” and “bridge” in the Yangtze River Delta economic circle; (3) The City Group in Yangtze River Delta can be divided into four subgroups and the cities in the subgroups have a close economic tie; (4) QAP analysis shows that the strong economic ties in the Yangtze River Delta economic circle often occur in cities, which have an advantage of geographical proximity, agglomeration and diffusion of factors with their similar industry structures and high level of globalization. Finally, this paper put forward some suggestions related with the network development of cities in Yangtze River Delta.

Yangtze River Delta City Group; social network analysis; economic ties; QAP regression analysis

10.13954/j.cnki.hduss.2016.06.001

2016-06-17

国家自然科学基金(70941037)

段显明(1964-)，男，江西都昌人，博士，教授，循环经济与低碳经济、环境与能源管理等.

F061.5

B

1001-9146(2016)06-0001-07