长三角城市群物流产业空间关联格局演变

邓淑芬 朱佳翔 钟昌宝

内容摘要：利用聚类、探索性空间数据和σ收敛性分析方法研究长三角城市群物流产业空间关联格局。研究表明：长三角城市群物流产业已形成“一心三极多点”的空间布局形势；长三角城市群物流产业经过集聚发展到非显著性离散，目前呈随机分布格局，体现了快速发展之后的收敛效应，是现有物流技术条件下达到的一种均衡；长三角城市群物流产业的扩散效应较明显的城市是上海和南京，上海扩散到苏州、嘉兴、南通、泰州等，南京惠及安徽多个城市。最后从提升物流技术、促进业态创新，加强区域规划、整合基础设施，实施转型升级、提升服务水平等角度提出策略建议。

关键词：空间关联 聚类分析 探索性空间数据分析 σ收敛性分析 长三角

引言

长三角城市群地处“一带一路”与“长江经济带”的重要交汇地带，是我国综合实力最强的经济中心、亚太地区重要国际门户、全球重要的制造业基地、中国率先跻身世界级城市群的地区。区域内交通便捷，公路、铁路、航线四通八达，拥有两大世界排名第一的著名港口即上海港和宁波舟山港，以及长江下游及其支流难以计数的内河港，先天的物流基础条件不可谓不好。从区域经济空间布局与关联格局来讲，已有多位学者对此作了深入研究，并得出很多有意义的结论。如俞路、兰宜生（2009）研究表明，长三角经济格局具有逐步增强的空间正相关趋势，极化效应比较明显，由此形成了以上海为中心的经济核心地区和两翼边缘落后地带。张继良、张奇（2009）研究得出长三角城市经济空间差异总体比较高，目前处于下降趋势；贾德铮，高汝熹（2013）研究发现长三角都市圈城市间存在较强的空间竞争合作关系，形成“两线两圈”式的空间效应体系，但上海作为区域中心的地位有所下降。关于长三角经济空间结构的研究结论不尽相同，但都认为空间集聚效应明显。作为地区产业发展基础、撑起制造业快速发展的基础条件——物流产业，是否也如长三角城市群经济发展趋势一样，空间关联呈明显的集聚化呢？

已有文献对长三角空间结构的研究多有涉及。胡玉莹（2009）应用空间自相关理论研究表明，1995-2008年长江三角洲城市群物流业正在经历由随机分布模式到离散分布模式演变的历程；梁双波等人（2009）利用塞尔指数研究长三角港口物流的空间差异，发现差异正在变大；谢守红、蔡海亚（2015）应用突变理论和空间自相关研究得出长三角区域物流发展水平呈现“一心两极多点”的空间分布格局。已有研究对长三角城市群的范围界定源自2010年5月国务院出台的长三角规划文件，一般只包括江浙沪16个核心城市，2016年5月国务院批准的《长江三角洲城市群发展规划》增加到26个城市。增加的外围城市提供了更多的临近样本，可以更加全面地了解长三角城市群物流空间关联的动态效应，因此本文以国务院最新划定的长三角26个城市的物流空间格局作为研究目标，采用聚类、探索性空间数据分析和收敛性检验等方法，在指标选取及实证分析中考虑物流产业的特点，力求客观回答本文提出的问题。

研究方法、研究区域和指标选取

（一）研究方法

探索性空间数据分析（Exploratory Spatial Data Analysis，简称ESDA）是一种集合了一系列空间分析技术的方法，其核心是研究一个区域内不同单元的某种地理现象或某一属性值与相邻区域单元上同一现象或属性值的相关程度。ESDA在功能上可分为全局空间自相关和局域空间自相关：全局空间自相关主要分析空间数据在整个区域内表现出的分布特征；局域空间自相关主要分析局部单元所表现出的分布特征。

1.全局空间自相关。全局空间自相关可描述变量的属性值在整个研究区域内的空间特征，反映全部研究对象间的空间相关性。本文中运用Moran的I指数对长三角城市群物流产业总体布局进行分析，Moran的I指數计算公式如下：

其中，n为样本容量即所分析研究空间点的个数，xi、xj是空间位置i和j的观测值， wij是空间权重矩阵。E（I）和VAR（I）分别是理论上的期望和方差，E（I）=-1/（n-1）。I指数的大小代表地区间相关性程度的大小，在实际研究中它表示的是研究对象空间联接区域之间的相似程度。I的取值范围是[-1，1]，越接近于范围的两端，则表示空间相关性就越高。 当I值>E（I）时，则存在正相关，即相似的观测值在空间上趋向集聚；当I

2.局部空间自相关。局部空间自相关分析可用来估计区域间的局部空间关联和空间差异程度，一般有Moran散点图、LISA集聚图和G 统计量三种方法，本文运用LISA指标。局部空间联系指标LISA（Local Indication of Spatial Association）是由Anselin在1994年提出的，将Moran的I指数分解到小的区域单元中，此区域单元表示为Ii。

当其显著性水平<0时，即此区域与临近区域之间空间差异显著大，反之则小。该值只能区分趋同和相异，不能区分趋同是HH还是LL类型，相异是LH还是HL类型，结合散点图即可获得准确的LISA集聚图。

3.空间权重的建立。如何构建空间权重矩阵是ESDA应用过程中非常关键的步骤，对实证结果影响较大，争议也比较多。通常表示空间单元相邻关系有两类方法：一类通过空间单元的相对位置，根据是否具有共同边界判断空间相邻，相邻则为1，不相邻则为0；共同边界的定义又有两种，一种是有共同的边，一种是有共同的边界和顶点，即第二种相邻只要有一点相接就认为是相邻的。另一类是按空间单元距离作为相邻的度量，定义两个点之间的距离是否小于某一临界值为空间相邻，距离又分欧氏距离（直线距离，根据经纬度确定）、最短公路距离，也有直接采用距离的倒数，经过标准化之后构成空间权重矩阵，或者纳入经济因素构建经济距离复合式权重矩阵。经过验证发现欧氏距离法构建空间权重更合适，这一步骤在ArcGIS软件中Arcobject类库中可以实现，选择距离原则的“Euclidean Distance”即可获得。

（二）研究区域与指标选取

本文旨在分析长三角城市群物流产业空间关联格局，因此以国务院最新发布的长三角城市群的26个城市作为研究样本，包括上海、浙江省8市（杭州、宁波、嘉兴、湖州、绍兴、舟山、金华、台州）、江苏省9市（南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州）以及安徽省8市（合肥、滁州、马鞍山、芜湖、宣城、铜陵、池州、安庆）。

在衡量物流业发展水平指标的选取上，因为货运量与货物周转量都是物流发展水平的直接体现，所以本文选取26个城市2004-2016年的货运量来研究各城市物流业发展的一体化现状。数据主要来源于2005-2017年《中国城市统计年鉴》。

长三角城市群物流产业聚类分析

选取长三角城市群各市2004-2016年货运量，以及以2004年为基期的2016年货运量增长率，作为聚类的输入字段，利用SPSS Clementine 的K均值聚类模型，发现聚成5类最能区分类之间的差别，获得聚类结果及类特征描述见表1。

由表1可见：上海的货运量一直遥遥领先，是长三角物流产业的核心城市；宁波、南京、杭州货运量仅次于上海，基础较好且增长速度较快；第三类城市货运量次于第二类，增速较缓慢；第四类是增长速度最快的城市，平均增长率超过了404%，其中舟山和合肥不仅基础较好，而且增速最快，安庆和滁州则基础较弱，增速很快；第五类是物流基础相对落后，物流产出水平不高的城市。从聚类结果来看，长三角城市群物流产业的空间布局形势呈现“一心三极多点”。“一心”是指上海占据了绝对的优势，“三极”是类2中的宁波、南京、杭州等3个区域中心，多点又可分为“八金牛四明星十幼童”，分别对应类3、类4和类5中的城市。从地理位置来看，沿海城市物流产出比中西部要高，已基本形成了从沿海到内地的阶梯分布模式。从省（市）域来看，上海遥遥领先，浙江次之，江苏再次，最后是安徽，但安徽表现出较强后劲，增速最快。

长三角城市群物流产业空间关联格局与演化趋势

（一）空间关联格局分析

通过 GeoDa软件计算出的货运量的Moran的 I指数，结果如表2所示。由表2可知：Moran的I指数在2004-2007年之间一直是大于0的，物流产业呈集聚分布；在2008-2011年数值越来越小且小于E（I），物流产业开始走向离散分布；2014-2015年开始反弹，但P值通过检验的年份较少，仅有2006-2007年通过10%的显著性检验。从莫兰指数来看，2004-2016年长三角城市群物流产业空间集聚效应和离散效应均不明显，而是震荡接近于随机分布。

长三角城市群物流产业经过快速增长和激烈竞争的过程，从集聚到微弱离散，再到随机分布的趋势，是在现有物流技术的条件下达到的一种均衡，比较符合物流产业的特点。

（二）σ收敛性分析

由于莫兰指数通过检验的少，采用收敛性检验验证莫兰指数的分析结论。收敛性检验分为绝对收敛和局部收敛，其中绝对收敛又有β收敛和σ收敛之分，满足σ收敛条件的必定满足β收敛条件，反之则不成立。σ收敛因其特殊意义和计算简单，而被广泛使用。物流产业σ收敛是指所取样本物流当量的离差随着时间的推移而下降，即物流产业之间的差距越来越小，所以σ收敛指数又称为趋同指数。σ收敛指数公式如下：

式（4）中 yit表示第i个空间样本在t时刻的物流量， σt即n个空间样本之间物流量对数值的标准差。若在时刻（t+T）满足σt+T =ασt（0<α<1） 时，则称n个空间样本具有T阶σ收敛。长三角城市群物流产业σ收敛指数如图1所示。

由图1可知，长三角城市群2004-2015年σ收敛指数可分为三个阶段：2004-2007年处于震荡上升期，不符合σ收敛条件；2007-2013年处于稳定下降期，符合稳定的σ收敛条件；2013-2015年处于上升期，不符合σ收敛条件。2013年之前的基本走向是下降的，符合收敛和趋同的规律，说明长三角城市群物流产业的内部差异随着时间的推移，区域内物流产业发展呈均衡化，起点高的城市增速变慢，起点低的城市增速加快，与莫兰指数的结果互相印证。2013年差异值降到最低，之后开始反弹且反弹速度较快，内部差异变大，说明长三角物流产业新一轮竞争刚刚开始。

（三）空间关联演化趋势分析

全局观测指标常常不能有效地反映局部的细微差别，在较大的空间尺度上，全局同质化发展往往会掩盖空间内部差异，因此全局不相关的结果并不意味着局部不存在相关性。为了进一步研究长三角城市群物流产业局部更加细微的空间关联性，引入LISA集聚指标值进行局部空间自相关分析。使用GeoGa软件，获得长三角城市群物流产业各年份的LISA指标值。限于篇幅，LISA集聚指标值选取变化相对比较明显的年份显示如表3（如有需要可以向作者索取其他年份的数据和图形）。

由表3可以得出，2004年长三角城市群局部空间自相关特征为：安徽省的安庆、池州、合肥与芜湖四市与其临近地区呈显著的LL（低-低）空间关联特征，为冷点，表明安庆、池州、合肥与芜湖四市和与其临近区域的物流发展水平均较低；而苏州、嘉兴与其临近区域呈现显著的LH（低-高）空间关联特征，与苏州和嘉兴相邻的地区是上海等地，说明苏州、嘉兴与上海市的物流水平相差较大，即苏州与嘉兴的物流业发展水平较上海市较低，物流发展空间较大；南京与其临近地区呈显著的HL（高-低）空间关联特征；剩余的其它地区与周边城市不存在显著的空间相关性。舟山市与其它城市地理上不临近，所以对其不做分析。

从整体发展动态来看，整个长三角区域物流产业水平呈均质化发展趋势，冷点由2004年的安徽五城市，中间几年转移到泰州和南通等江苏经济不发达地区。苏通大桥建成之后，受周边物流发达城市的扩散效应影响，2010年之后泰州和南通的冷点消失，与周边城市成均质化发展，冷点再次转移到安徽，但很明顯冷点的范围在减少，由2004年的五个城市变成2016年的三个城市。不显著的城市由2004年的18个增加到2016年的22个，均质化区域在进一步增加。

就城市发展动态来看，南京一直是粉红色，与其周边地区呈显著的高-低关联，说明南京在连接长三角东西部城市过程中占据了核心位置。安徽八个城市受南京等周边城市的扩散效应，物流产业发展迅速，变化较大，冷点在2008年之后消失，之后2016年再次出现冷点，说明扩散效应存在的同时，也存在着回波效应， 2016年回波效应占了上风，安徽三个城市再次陷入冷点范围。嘉兴由2008年的物流业水平较低发展为2010年的热点（高-高关联），其物流业水平受上海的扩散效应最直接有效。上海市货运量一直居于榜首，对苏州、嘉兴、南通和泰州的扩散效应非常明显，但上海与周边城市的高-低空间关联类型并没有通过显著性检验，证明了上海作为开放性港口城市，其物流产业的发展更多受国际货运的影响，而与腹地物流的发展并无显著性空间关联。

结论

经过K均值聚类分析，发现长三角城市群物流产业已形成“一心三极多点”的空间布局形势，多点又可分为“八金牛四明星十幼童”的分布结构；从地理位置来看，已形成从沿海到内地的阶梯分布模式；从省（市）域来看，上海遥遥领先，浙江次之，江苏再次，最后是安徽，安徽表现出较强后劲，增速最快。

从全局自相关及收敛性分析来看，长三角城市群物流产业经过集聚到非显著性离散，目前呈现随机分布的格局，是经过长足发展之后的收敛效应，即物流发达的地方增速放缓，不发达地区迎头赶上，因此目前在离散和随机分布之间的震荡是现有物流技术条件下达到的一种均衡。近两年的数据分析结果显示，这种均衡有可能即将被打破，新一轮竞争即将开始。

从局部自相关分析来看，长三角城市群物流产业的扩散效应较明显的城市是上海和南京，上海扩散到苏州、嘉兴、南通、泰州等，南京惠及安徽多个城市，安徽城市对南京同时存在回波效应。

参考文献：

1.俞路，兰宜生.长三角县域经济发展与空间格局演化[J].南京社会科学，2009（5）

2.张继良，张奇.基于空间经济学的长三角区域经济差距研究[J].统计研究，2009，26（12）

3.贾德铮，高汝熹.长三角都市圈城市空间经济关系研究[J].中国科技论坛，2013（7）

4.胡玉莹.基于空间自相关的长三角城市群物流空间布局演变分析[J].商业时代，2011（36）

5.梁双波，曹有挥，曹卫东，吴威.长三角港口物流经济空间差异及演化分析[J].经济地理，2009，29（7）

6.谢守红，蔡海亚.长三角物流发展水平评价及空间关联格局分析[J].資源开发与市场，2015（9）

7.蔡海亚，徐盈之.长江三角洲物流产业发展格局及影响机理研究——基于空间经济学的视角[J].华东经济管理，2016，30（10）

8.黄芳.空间统计学及其在空间模式分析中的应用[D].华中师范大学，2005

9.崔园园，宋炳良.长三角区域物流空间演化与影响因素分析[J].华中师范大学学报：自然科学版，2015（2）

10.杨振山，蔡建明，高晓路.利用探索式空间数据解析北京城市空间经济发展模式[J].地理学报，2009，64（8）