淮海经济区城市发展潜力评价及影响因素分析

卢 山

（中共连云港市委党校，江苏 连云港）

一、问题的提出

淮海经济区地处我国京津冀、中原经济区与长江三角洲的结合部，涵盖苏、鲁、豫、皖四省交界区域，通过京沪铁路沟通南北，陇海-兰新铁路连接东西。自1986年成立淮海经济区以来的三十多年，良好的区位优势并没有得到较好的发挥。截至2017年末，淮海经济区人口占全国总人口的比重为9.79%，经济总量占全国的比重为6.57%；相较于成立之初的1986年水平增长幅度较小，经济总量占全国经济总量比重增长幅度低于人口增长比重。区域内人均GDP均值为48537元，仅为全国人均GDP的81.4%。全体居民人均可支配收入均值为20308元，低于全国5666元。城镇化率也低于全国水平5.36个百分点，和长三角、珠三角、京津冀经济社会发展的差距更大。研究淮海经济区的城市发展潜力以及影响因素，对于更好地发挥淮海经济区的区位优势、促进高质量发展具有重要的现实意义。

发展潜力是衡量一个地区未来可持续发展能力和竞争力的重要表现。目前对于区域发展潜力内涵的认识随着经济的发展和时代的进步而变化。一些学者对此进行了大量阐述，认为，“区域发展潜力是区域复合系统在维持可持续发展的前提下，支撑体系所具有的潜在能力①。”发展潜力是区域可持续发展的内在系统，科技生产、区际交换能力和管理决策能力决定一个区域的发展潜力②。

对于区域发展潜力的度量，不同学者采用的方法和指标也是各异，主要是从地理学、规划学的区域发展条件（自然条件、社会条件等）分析区域发展的优势和潜力③④；研究主要包括三个层面：（1）区域经济增长的内生要素；（2）对单个城市或单个区域发展潜力影响要素的研究⑥-⑧；（3）集聚经济因素的影响⑨。对影响因素的定量测度，大多采用探索性空间数据分析（ESDA）方法，它同时考虑了空间依赖和空间异质性⑩⑪。

综上来看，区域发展潜力强调的是“潜力”，这种潜力是一种促进区域可持续发展的能力。本文认为，区域发展潜力是一个系统，构成包括区位、人口、资源、环境、社会、科技、金融、交通可达性与基础设施的完备性等要素，潜力的决定和发挥是各要素综合作用、相互协同的结果。本文在既往研究的基础上，采用潜力模型和ESDA方法，重点解决三个问题：一是厘清淮海经济区的发展潜力现状；二是分析淮海经济区城市发展潜力的空间格局与演化趋势；三是探析淮海经济区城市发展潜力的影响因素，为政策制定提供决策支持。

二、研究方法与数据来源

（一）模型选择

1.发展潜力模型。借鉴市场潜力的研究方法来测算区域发展潜力，这种方法的优点是既能评价城市可达性，也可以反映城市经济发展强度，评判未来的发展潜力⑫。计算公式如下：

其中，Pi表示地区的发展潜力；n为研究区域内城市的个数，在这里为淮海经济区的20个市。Mi表示地区经济、人口规模或者对周边的辐射力和吸引力，此处用地区发展综合实力来表示。Dij表示在研究区域内i地区通过交通手段到达j地区所需的时间或者距离等，本文利用最短距离来代替。为距离摩擦系数，采纳顾朝林的研究结论，即距离摩擦系数α取值为2更适合反映省域尺度范围或国家内部一个区域体系⑬，因此本文取α=2。在保持其他条件不变的情况下，区域发展潜力与地区发展综合实力正相关，与时间距离负相关。

衡量一个地区经济发展综合实力的主要指标是地区经济发展的结果，如地区生产总值和财政收入，影响发展结果的指标主要是投资强度、消费对经济的拉动、金融的支持。因此，本文采用如下指标和计算方法来衡量地区发展综合实力，计算公式为：

其中，Qj表示地区j经济实力（j=1,2…20，分别代表淮海经济区的20个市）。G表示地区生产总值，A表示固定资产投资，C表示社会消费品零售总额，R表示财政收入，F表示金融机构存款余额。Q值越大，地区经济实力越强。

为了使各个地区的发展潜力具有更好的直观可比性，将各地区的区域发展潜力值与淮海经济区内的所有地区发展潜力的平均值相除，得到发展潜力系数。发展潜力系数是一个地区发展潜力高低的测度值，系数越高，发展潜力越高于平均水平⑭。发展潜力系数的计算公式为：

2.ESDA分析方法。ESDA是一种衡量某一现象空间效应的空间自相关分析方法，用空间权重矩阵确定空间位置的相似性，通过空间滞后向量，分析确定每个地域单元的空间邻域状态⑪⑮，其主要方法和功能是可视化描述空间现象的分布格局，探索空间集聚和空间异常⑯，并对研究对象之间的关系和空间相互作用方向做出判断及解释。探索性空间数据分析分为两类：一类是用来分析整个区域关联性指数的全局空间自相关，称为“全局Moran’s I”指数，可以用来反映淮海经济区发展潜力的总体空间集聚格局与特征；另一类是用来分析区域内各个地域单元关联性指数的局部空间自相关，可以反映淮海经济区发展潜力的空间异质性⑰。

ESDA是一种衡量某一现象空间效应的空间自相关分析方法，用空间权重矩阵确定空间位置的相似性，通过空间滞后向量，分析确定每个地域单元的空间邻域状态⑪⑮，主要方法和功能是可视化描述空间现象的分布格局，探索空间集聚和空间异常，并对研究对象之间的关系和空间相互作用方向做出判断及解释⑯。探索性空间数据分析分为两类：一类是用来分析整个区域关联性指数的全局空间自相关，称为“全局Moran’s I”指数，可以用来反映淮海经济区发展潜力的总体空间集聚格局与特征。另一类是用来分析区域内各个地域单元关联性指数的局部空间自相关，可以反映淮海经济区发展潜力的空间异质性⑰。

全局空间自相关公式为：

其中，n是研究区域内地域单元总数；wij是空间权重矩阵，一般定义为地区i和地区j空间相邻为1，不相邻为0；xi、xj为第i和第j个研究地域单元上的观测值，为xi的均值；I∈[-1,1]，当I＜0，表示空间负相关，值越接近于-1时越表明有相异的属性值集聚在一起（高值与低值邻接，低值与高值邻接）；I接近于0，表示地域单元属性是随机分布的，或者不存在空间自相关⑱。

局部空间自相关可以识别不同空间位置上的高值集聚和低值集聚特征并揭示空间异质⑲局部空间。自相关公式为：

其中，Zi和Zj都是研究地域单元i和单元j的标准化形式（平均值为0，方差为1），wij是空间权重矩阵的行标准形式。Ii＞0，表示具有高（低）的相同值在空间上的正相关集聚效应，即高值被高值包围（HH），或者是低值被低值包围（LL）；Ii＜0，表示地区与邻近地区单元间存在空间负相关效应，即低值被高值包围（LH），或者是高值被低值包围（HL）。

3.空间计量模型。空间计量经济学通用模型为：

式中，Y为n×1因变量向量；W1W1、W2W2为n×n空间权重矩阵，WY为空间滞后因变量，取值在-1和1之间，反映一个区域变量变化对相邻区域的溢出程度。

当ρ=0、β≠0，λ≠0时，模型就变为空间误差模型（SEM）：

此模型反映了一个地区的因变量同时受到自身的自变量、相邻区域的因变量（WY）、解释变量（WX）的共同影响，这时候的空间依赖作用存在于扰动误差项μ之中。

（二）影响因素选取与数据来源

1.区域发展潜力影响因素选取。区域发展潜力是传统经济地理因素和新经济地理因素与经济政策因素相互作用的结果。新经济地理学认为，具有基本相同（或相似）区位条件和自然资源票赋的地区（或区域），由于在其他因素方面存在差异，潜力水平可能存在显著差别㉑㉒。经济政策因素主要是一个地区为了促进经济发展而制定的相关发展规划或政策，如产业规制、环境规制、开放政策、政府干预程度等。结合新经济地理因素和经济政策因素，本文主要选取如下指标（即X）：居民收入水平（income）、产业结构水平（struc）、城镇化水平（urban）、人力资本水平（hc）、金融发展程度（fir）、企业数量（firm）、房地产依赖度（house）、百度指数（baidu）、信息化水平（inter）、创新驱动水平（rdin）、对外开放水平（open）。

2.数据来源。所有数据均来源于历年《中国城市统计年鉴》，部分数据来源于淮海经济区各城市历年统计年鉴、国民统计公报；本文选取两地之间的最短距离来代替dijdij，在数据获取过程中，利用高德导航地图，选取淮海经济区两两城市行政中心（即市政府所在地）之间的最短距离，优势是现在导航数据比较精准，导航地图可以根据高速公路和省际、市级公路自动筛选最短距离，在正常情况下，最短距离的行车时间也最小。在数据处理时，将一地区与淮海经济区全区的比值得到的相对指标作为影响因素变量。

三、淮海经济区城市发展潜力及空间格局演变

（一）淮海经济区城市发展潜力计算结果

将数据代入公式1—3，计算出淮海经济区及20个城市的区域发展潜力值和区域发展潜力系数（表1）。经过12年的发展，到2017年，淮海经济区的发展潜力达到0.7894，较2005年的变化幅度为553.9%，平均每年变化46.2%；淮海经济区20个城市的潜力值到得到了增长。

对2005、2010、2017年20个城市潜力值按极大值标准化并按自然断裂点法划分为5个等级，潜力较高的地区主要有两块：一是以徐州为中心及其周边盐城、淮安、连云港、宿迁组成的江苏板块。二是以“济宁-临沂”为两极以及泰安、枣庄组成的山东板块。区域发展潜力极化现象明显，2005年和2010年区域发展潜力较强的有三个地区，到了2017年，徐州极化为淮海经济区发展潜力最强地区，符合徐州作为淮海经济区中心城市的定位。

（二）全局空间集聚格局

基于邻接规则的rook法构建空间权重矩阵，利用公式（4）计算淮海经济区20个城市2005、2010、2017年共计三年的全局空间相关指数（表2）。由表2可知，区域发展潜力Moran’s I指数统计表明，淮海经济区发展潜力存在一定的空间相关性，说明发展潜力的地域分化现象并不是随机产生的，而是由正向空间相关作用产生的结果，发展潜力的空间集聚在全局上表现出空间依赖特征。三个年度的Moran’s I指数都大于0，表明淮海经济区发展出现减弱趋势，Moran’s I指数由2005年的0.2067下降到2017年的0.0533。2005年的Moran’s I指数值最大，表明2005年区域发展潜力空间差异相对较小，在较低层次上体现出空间均衡。2010年和2017年Moran’s I指数下降，而且下降幅度较大，表明自2010年之后，地区发展差异拉大，区域发展潜力的极化效应明显.尤其到2017年，徐州发展潜力“一枝独秀”。总体上来说，2005年以来的淮海经济区发展潜力是一种正向空间集聚，且都在5%左右水平上显著，但是各年的Moran’s I指数值都不太大，反映空间集聚不强烈并呈下降趋势，区域不均衡依然存在。

（三）局部集聚空间格局

区域内部单元的“异质性”可以通过局部空间自相关来反映。利用公式（5）计算得到淮海经济区20个城市相对发展潜力的局部Moran’s I值，三个年份分别有35%、35%和15%的城市发展潜力表现为局部空间正相关.2005年和2010年有13个城市局部空间集聚不显著，但是到了2017年，发展潜力局部空间集聚不显著的地级城市增加到16个，且枣庄呈LH的空间集聚模式。淮海经济区20个城市发展潜力局部空间集聚格局总体上验证了全局空间集聚体现的特征，即正空间集聚和极化发展趋势。

淮海经济区发展潜力的局部空间集聚与全局空间集聚有较大的差异，即在全局空间集聚格局中，三年的计算结果徐州都是处于核心地位，而且徐州作为极化中心的趋势明显。但是，在局部空间集聚格局中，徐州市与周边地区的空间相关模式都不显著，反而济宁、临沂、连云港三市在2010年和2017年都处于HH集聚，原因值得深入探讨。

局部空间集聚区位变化较大。2005年HH区集中分布在枣庄、济宁、临沂的山东板块，2010年HH的范围增加了连云港，江苏板块开始局部加入，2017年枣庄退出HH集聚，连云港、济宁、临沂依然处于HH区。身为淮海经济区中心城市的徐州处于不显著区，反映了淮海经济区在局部Moran’s I集聚格局中极化现象不明显，扩散效应存在。LL区在2005年主要分布在以安徽板块和河南板块为主的淮海经济区西部和南部相邻地区的亳州、蚌埠、周口、商丘，意味着区域发展潜力相对较弱的地区集聚在一起。2010年蚌埠退出LL区，2017年全部退出LL区，局部空间集聚不显著区增大。

局部空间关联类型数量减少，局部集聚类型有微弱的转化。2005年HH单元数有3个，2010年增加到4个，2017年又减少为3个。LL单元数在2005年为4个，2010年减少到3个，2017年没有LL集聚。LH集聚仅在2017年存在一个单元（地区），HL集聚模式不存在。

降低局部集聚显著性到10%，局部空间集聚模式和数量都将增大。2005年HH单元数增加到4个，徐州加入HH行列。LL单元数增加到5个，阜阳加入。连云港属于LH区，不显著区为10个。2010年HH单元数增加到5个，徐州加入。LL单元数不变，LH、HL模式不存在，表明局部空间是一种正向集聚，不显著区依然为10个。显著性降低后局部空间集聚模式和类型在2017年发生了较大的变化，HH单元数有4个，分别为徐州、济宁、临沂、连云港。枣庄被HH集聚区包围，属于LH集聚。LL单元数有三个，分别为周口、商丘、亳州，不显著区12个。从以上变化来看，局部Moran’s I的10%显著性更能反映淮海经济区发展潜力分布实际。

地区 区域发展潜力 区域发展潜力系数2005 2017 排名 指标变化 变化幅度/% 2005 2017徐州 0.4157 3.0143 1 2.5986 625.1 3.4436 3.8183连云港 0.1166 0.8070 6 0.6904 592.0 0.9660 1.0222淮安 0.1122 0.7908 7 0.6786 604.6 0.9297 1.0018盐城 0.1211 0.8309 5 0.7098 586.0 1.0033 1.0526宿迁 0.0747 0.7527 8 0.6780 907.7 0.6187 0.9535菏泽 0.0954 0.6140 12 0.5187 543.9 0.7898 0.7778枣庄 0.1417 0.7001 11 0.5584 394.1 1.1735 0.8868济宁 0.2270 1.1318 3 0.9048 398.6 1.8803 1.4337泰安 0.1872 0.9800 4 0.7929 423.6 1.5503 1.2414日照 0.0589 0.3876 19 0.3287 558.2 0.4878 0.4910莱芜 0.0531 0.2203 20 0.1672 314.9 0.4399 0.2791临沂 0.2546 1.3306 2 1.0760 422.6 2.1091 1.6855亳州 0.0463 0.4554 16 0.4091 882.9 0.3838 0.5769蚌埠 0.0526 0.4156 17 0.3630 689.5 0.4361 0.5265淮北 0.0741 0.4777 14 0.4036 544.7 0.6137 0.6051阜阳 0.0488 0.4588 15 0.4100 840.7 0.4040 0.5812宿州 0.0812 0.7105 10 0.6294 775.5 0.6722 0.9001周口 0.0852 0.5630 13 0.4778 561.1 0.7054 0.7132商丘 0.1135 0.7515 9 0.6380 562.2 0.9401 0.9520开封市 0.0546 0.3957 18 0.3410 624.1 0.4526 0.5012淮海经济区 0.1207 0.7894 — 0.6687 553.9 — —江苏板块 0.1681 1.2391 — 1.0711 637.2 1.3923 1.5697安徽板块 0.0606 0.5036 — 0.4430 731.0 0.5020 0.6380山东板块 0.1454 0.7663 — 0.6209 427.1 1.2044 0.9708河南板块 0.0844 0.5701 — 0.4856 575.2 0.6994 0.7221

年份 2005 2010 2017 Moran's I 0.2067 0.1405 0.0533 E(I) -0.0526 -0.0526 -0.0526 Z(I) 1.9547 1.6602 1.0196显著性水平 0.0410 0.0530 0.1450

四、淮海经济区发展潜力影响因素

（一）模型估计

为了减小数据的波动性，减小共线性与异方差性，增强数据平稳性，以区域发展潜力（P）的自然对数值为被解释变量，各影响因素的自然对数值为解释变量，对2017年的截面数据进行回归估计。由于淮海经济区发展潜力存在空间依赖，因此采用空间截面计量模型来估计和检验。空间效应的计量表现为空间滞后（SLM）和空间误差模型（SEM）两种基本形式，采用极大似然估计法对参数进行估计，并将空间滞后和空间误差回归结果与传统回归模型进行比较，结果见表3。由于存在空间效应，因此空间滞后模型和空间误差模型的回归拟合效果优于传统的回归模型（OLS）。依据logL、AIC、SC信息准则的比较，结合空间回归系数ρ和空间误差自相关系数λ的显著性，SEM模型能更好地拟合空间效应。SEM中空间误差自相关系数λ为-0.5509，在10%的水平下显著，且R2R2=0.9361，大于SLM模型R2R2（=0.9202），检验异方差的Breusch-Pagan值没有通关过显著性检验。说明不存在异方差问题，该模型拟合效果最好。SEM模型表明淮海经济区地区间的发展潜力空间效应明显，一个地区的发展潜力与周边地区的发展潜力密切相关，周边地区的发展潜力对本地区的发展潜力有负向的影响。

（二）估计结果分析

变量 传统回归模型（OLM） 空间滞后模型（SLM） 空间误差模型（SEM）系数 标准差 T统计量 系数 标准差 Z统计量 系数 标准差 Z统计量ρ——0.0245 0.1609 0.1522— — —λ—— -0.5509* 0.2961 -1.8607常数项α -23.3941*** 7.8514 -2.9796 -23.2199*** 5.0895 -4.5623 -22.6003*** 4.4172 -5.1164 lnincome 2.4777 4.2526 0.5826 2.4836 2.7088 0.9169 -0.5378 2.7201 -0.1977 lnstruc 35.6224*** 10.9930 3.2405 35.3317*** 7.1543 4.9385 35.9369*** 6.0944 5.8967 lnurban -10.0414* 5.5390 -1.8129 -10.1087*** 3.5019 -2.8866 -7.9626*** 3.3029 -2.4108 lnhc 1.35959 0.9292 1.4632 1.3579** 0.5929 2.2905 0.9370* 0.5355 1.7497 lnfir 0.20696 0.8241 0.2511 0.2291 0.5303 0.4321 0.0907 0.4893 0.1855 lnfirm -20.9815*** 5.8175 -3.6067 -21.0887*** 3.7821 -5.5759 -22.8462*** 3.5365 -6.4601 lnhouse 0.5689 0.5674 1.0026 0.5599* 0.3589 1.5603 0.7421*** 0.3131 2.3699 lnbaidu 0.1924 0.2131 0.9029 0.1948 0.1347 1.4461 0.0893 0.1423 0.6276 lnrdin 0.5015 1.2237 0.4098 0.5279 0.7948 0.6642 0.9325 0.7274 1.2819 lninter 31.2745** 11.2127 2.7892 31.2864*** 7.1754 4.3602 37.5778*** 7.1787 5.2346 Lnopen -0.5781* 0.2831 -2.0419 -0.5825*** 0.1797 -3.2424 -0.5250*** 0.1568 -3.3484 R2 0.9201 0.9202 0.9361残差检验 显著相关Log L 7.9818 7.9927 10.7990 AIC 8.0363 10.0146 2.4019 SC 19.9851 22.9591 14.3507 Bre-pagan 12.2372（不显著） 11.7402（显著水平0.38349） 15.2524（显著水平0.1712）

从地区间的空间交互作用看，λ在10%的水平下显著为负，表明地区间存在显著的空间负相关。即地区间的发展潜力存在负的溢出效应，在地理空间上表现为较显著的空间依赖性，而且在一定程度上是通过误差冲击的空间传递实现的。在统计学上的意义为，当某个地区相邻区域的发展潜力变动1个单位时，将负向波及该地区的发展潜力变动-0.5509%，存在极化现象。

解释变量的显著性和影响作用各异。居民收入水平（income）的系数（-0.5378）不显著，说明居民收入水平对区域发展潜力的影响为负且较小。

产业结构水平（struc）的系数在0.01水平下显著，说明产业结构变动和升级对地区发展潜力的提高有显著正向影响，产业结构对发展潜力的弹性系数为35.9369，与理论预期一致。城市化水平（urban）的系数（-7.9626）在0.01的水平下显著，但是为负，反映城镇化水平对区域发展潜力有显著负影响。如果说对于发达地区的城镇化而言，由于城镇化程度已经较高，过度的城镇化会加剧城镇诸如交通、教育、医疗、住房、环境污染等负担，这与吴玉鸣的研究结论一致。但是，对于经济欠发达的淮海经济区而言，城镇化的速度快于经济发展的速度，过快的城镇化与经济发展不协调，可能是城镇化影响为负的合理解释。

以各级各类在校学生数表征的人力资本水平（hc）的回归系数（0.9370）在0.1的水平下显著，且影响为正，表明人力资本水平对区域发展潜力有显著正向影响，存在正的溢出效应，这与以往人力资本对经济增长影响的研究结论一致，也与本文研究预期一致。即增强人力资本投资，可显著提升区域发展潜力，人力资本水平每提高1个百分点，将会使区域发展潜力提高0.9370%。

金融发展水平（fir）系数（0.0907）没有通过显著性检验，表明对区域发展潜力存在不显著的正影响，但影响不大，与理论预期不一致。理论研究认为金融发展水平高会促进地区经济发展，淮海经济区金融发展水平影响不大，可能与地区金融发展水平相对较低有关。

企业数量（firm）的系数（-22.8242）在0.01的检验水平下显著，对区域发展潜力影响为负，存在负向溢出效应，且负向影响较大，意味着企业数量每增加1%，将会降低22.8242%的区域发展潜力。这个结果与理论预期和假设相悖，可能的原因在于，淮海经济区的企业数量与企业质量存在较大的差异。由于经济发展相对落后，企业大多数是传统的劳动密集型产业，依赖于资源加工的制造业和资源开采业，新兴产业和高新技术产业占比较小，产业的低端集聚导致产业结构同构和资源环境等问题，降低了本地集聚企业的吸引力。因此，政府应该重视企业的转型升级与产业转型升级。房地产依赖度的系数（0.7421）在0.01的水平下显著且为正，说明房地产依赖度对区域发展潜力存在显著的正向影响，房地产依赖度每提高1个百分点，将会提升区域发展潜力0.7421%。这一结果与理论预期相反，但是又与当前发展的实际相吻合。

房地产开发投资是固定资产投资的一部分，投资的增加将会带动经济的增长，同时由于房地产业的产业链较长，可以带动相关产业的发展。但是，一个地区过度地依赖房地产开发投资来拉动经济增长，未来的发展将不可持续，也会降低区域的发展潜力。百度指数（baidu）的回归系数（0.0893）为正但不显著，表明对区域发展潜力变化的影响较小。

百度指数由搜索指数、资讯指数、媒体指数构成，反映了一个地区被搜索、报道和受关注的程度，是一个地区知名度的体现，百度指数的提升在一定程度上可以提高地区发展潜力。研发投入水平（rdin）回归系数（0.9325）为正且不显著，表明研发投入对淮海经济区各个城市的发展潜力的影响不显著。这与既往的理论研究和假设不相符，也反映出研发投入在考察期并没有发挥应有的作用。

信 息 化 水 平（inter）的 系 数（35.5778）通 过 了0.01水平下的显著性检验，且回归系数值最大，表明信息化水平对区域发展潜力有显著正影响，正向溢出效应最大，在其他影响因素不变的情况下，信息化水平每提高1个百分点，将会提升地区发展潜力35.5778个百分点，从侧面反映出信息化时代信息基础设施建设的重要性。

对外开放水平（open）的系数（-0.5250）为负且通过了0.01水平下的检验，表明对外开放水平对区域发展潜力存在负向影响，即对外开放水平对地区发展潜力的弹性为-0.5250%，与理论预期不符。出现这一结果的原因，或许与淮海经济区的发展程度有一定的关系。由于区域发展程度相对较低，发展理念相对落后，对外开放度的提高并没有在多大程度上改变传统的发展理念。再者产业大多处于低中端，对外开放水平提高带来的先进技术和管理经验难以复制，还有外资企业的进入对产业“原生态”的冲击和环境破坏产生的“污染光环”及“污染天堂”的双重效应㉓-㉕。

五、研究结论与政策建议

淮海经济区及20个城市的区域发展潜力值和区域发展潜力系数经过12年的发展，到2017年淮海经济区的发展潜力达到0.7894，较2005年的变化幅度为553.9%，平均每年变化46.2%。淮海经济区20个城市的潜力值到得到了增长。2007年，淮海经济区地区之间的发展潜力总体格局为以徐州为中心，并向外围地区扩散为“单核心”模式，徐州的发展潜力值是整个淮海经济区20个地区发展潜力值总和的近五分之一。淮海经济区内部地区间的发展潜力存在显著的空间负相关与负的溢出效应，当某个地区相邻区域的发展潜力变动1个单位时，将负向波及该地区的发展潜力变动-0.5509%，存在极化现象。对淮海经济区发展潜力有正向影响且显著的因素有产业结构水平、房地产依赖度、信息化水平和人力资本水平；有负向影响且显著的因素有城镇化水平、企业数量、对外开放水平；影响不显著的因素有居民收入水平、金融发展水平、百度指数和研发投入水平。

基于以上结论，要提高淮海经济区整体潜力和竞争力，缩小内部地区之间的差异，需要采取区域联动发展战略，加快促进淮海经济区核心区的一体化发展，实现政策联动、产业联动、基础设施联动、环境治理与保护联动、人才联动。此外，在制定提升区域发展潜力的政策时，要区别考虑不同因素的影响方向和影响程度，使政策更具有针对性，以便取得更好的政策效果。当前最迫切的是要推进淮海经济区的产业转型升级，把握和利用“互联网+”的信息化发展机遇，实现“两化融合”，促进产业结构的合意性发展；同时，要充分认识人才是提升地区发展潜力和竞争力的关键，加大人才培养和引进力度，树立人才竞争意识。

注释：

①贾晓霞，杨乃定.基于复合系统的区域发展潜力评价[J].科学学与科学技术管理，2003(3):44-47.

②陆大道.中国区域发展的理论与实践[M].北京:科学出版社，2003.

③江璐璐，师谦友，陈昱，王曼.关中城市群可持续发展潜力评价研究[J].河南科学，2013，31（11）：1998-2003.

④马仁锋，张海燕，沈玉芳，王筱春.省域尺度的区域发展潜力评价方法研究[J].开发研究，2009（3）：18-25.

⑤上海财大区域经济研究中心.2007中国区域经济发展报告——中部塌陷与中部崛起[M].上海:上海人民出版社，2007.⑥宁越敏，施倩，查志强.长江三角洲都市连绵区形成机制与跨区域规划研究[J].城市规划，1998(1):16-20.

⑦马仁锋.省域内区域发展潜力及其评价指标体系研究—以云南省为例[D].云南大学，2008.

⑧韩立华，吕萍，韩瑞.欠发达地区经济发展潜力的实证分析—以黑龙江省为例[J].学术交流，2008（12）：216-219.

⑨柯善咨，韩峰.中国城市经济发展潜力的综合测度和统计估计[J].统计研究，2013，30（3）：64-71.

⑩刘涛，曹广忠.城市规模的空间聚散与中心城市影响力:基于中国637个城市空间自相关的实证[J].地理研究，2012,31（7）：1317-1327.

1

1

㊵马晓冬，马荣华，徐建刚.基于ESDA-GIS的城镇群体空间结构[J].地理学报，2004,59(6):1048-1057.

⑫姜博，初楠臣.哈大高铁对区域可达性影响及空间格局演变[J].城市规划，2015,39(11):92-98.

⑬顾朝林，庞海峰.基于重力模型的中国城市体系空间联系与层域划分.地理研究，2008，27(1):1-12.

⑭陶世杰，李俊峰.高铁网络可达性测度及经济潜力分析——以安徽省为例[J].长江流域资源与环境，2017,26（9）：1323-1332.⑮Anselin L.Local indicators of spatial association:LISA.Geographical Analysis,1995,27(2):93-115.

⑯夏雪，韩增林，赵林等.省际边界区区域经济差异的时空格局与形成机理——以鄂豫皖赣为例[J].经济地理，2014,34（5）：21-27.

⑰陈安宁.空间计量经济学入门与GeoDa软件应用[M].浙江：浙江大学出版社，2017,93-94.

⑱曹志宏，梁流涛，郝晋氓.黄淮海地区社会经济空间分异及集聚发展模式.地理科学进展[J]，2009,28(6):984-990.

⑲葛莹，姚士谋，蒲英霞等.运用空间自相关分析集聚经济类型的地理格局[J].人文地理，2005,(3):21-2521.

⑳Anselin L.Local indicators of spatial association:LISA.Geographical Analysis,1995,27(2):93-115.

㉑姚德龙.中国省域工业集聚的空间计量经济学分析.统计与决策，2008,(3):123-125.

㉒梅志雄，徐颂军，欧阳军.珠三角县域城市潜力的空间集聚烟花及影响因素[J].地理研究，2014,33（2）：296-309.

㉓Copeland B.R.，Taylor M.S.North-south trade and the environment[J].Quarterly Journal of Economics,1994(3):755-787

㉔秦晓丽，于文超.外商直接投资、经济增长与环境污染—基于中国259个城市的空间面板数据的实证研究[J].宏观经济研究，2016（6）：127-135.

㉕刘飞宇，赵爱清.外商直接投资对城市环境污染的效应检验—基于我国285个城市面板数据的实证研究[J].国际贸易问题，2016（5）：130-141.