长江经济带制造业高质量发展空间关联结构及其效应研究

傅贻忙，张晨怡，王欢芳，刘智文

（湖南工业大学 商学院，湖南 株洲 412007）

0 引言

制造业高质量发展是中国由中等收入国家迈向高收入国家的有力支撑，也是建设现代化经济体系、社会主义现代化强国的重要一环，必须坚定不移深入实施制造强国战略。近年来，长江经济带制造业高质量发展不断推进，制造业空间格局持续优化，世界级制造业集群建设初见成效，但仍然面临着各区域之间制造业合作程度不高、深度不够、规模不大等问题，致使区域间制造业发展不均衡、空间关联性不强。2021 年，江苏省工业增加值达到44 634.1 亿元，约占江苏省国内生产总值的39%，位居长江经济带第一位；与此同时，贵州省工业增加值为5 337.5 亿元，仅相当于江苏省工业增加值的11.9%；排名第二位的浙江省工业增加值与江苏省工业增加值也相差17 618.7 亿元。由此可见，长江经济带制造业高质量发展空间差异性较大、两极分化明显，可能是地理位置、经济质量、资源配置等因素不均衡致使制造业规模及吸引投资能力存在显著差异，长江经济带制造业产业结构存在区域差异，区域间制造业关联度不够。

学者们对制造业如何实现高质量发展进行了广泛讨论，形成了以下4 个主要方面的研究成果。一是制造业高质量发展内涵与特征研究。学者们基于新发展理念构建评价体系解析制造业高质量特征［1］，关注制造业发展效率和结构优化［2］、全要素生产率［3］、劳动生产率［4］、碳排放水平［5］等问题。二是制造业高质量发展动力研究。中国制造业面临“低端锁定”和“高端封锁”双重发展困境，学者们从创新驱动［6］、产业融合［7］、数字赋能［8］等方面探究制造业高质量发展动能。三是制造业高质量发展路径研究。主要关注改善制度安排［9］、优化要素市场化配置［10］、推动全要素生产率增长［11］、提升科研人才集聚［12］、促进绿色技术创新［13］。四是制造业高质量发展空间特征研究。当前中国制造业高质量发展的整体态势良好，呈一体化发展趋势，但发展水平差距有扩大之势，存在较显著的“东强西弱”区域异质性［14，15］，为此学者们就制造业高质量发展的空间结构 演 变［16，17］、空 间 分 异 特 征［18，19］及 其 外 部 效应［20］等方面进行研究。

学者们对制造业高质量发展的研究为本文奠定了基础，但对于长江经济带制造业高质量发展是否存在空间关联性，其空间关联结构演化规律有哪些，长江经济带制造业高质量发展整体网络和个体网络呈现怎样的特征，是否存在核心—边缘网络结构，哪些因素影响制造业高质量发展空间关联结构的演化等还需进一步讨论。

综上所述，本文基于新发展理念构建制造业高质量发展综合测度评价指标体系，运用熵值—Topsis模型测度综合指数，结合修正的引力模型分析其空间网络关联关系，结合社会网络分析法实证分析长江经济带制造业整体和个体空间网络结构特征，结合QAP分析经济实力、对外开放程度、科技创新等差异对长江经济带制造业高质量发展空间关联结构的影响，并利用Ucinet软件和ArcGIS软件进行可视化分析，以探究各区域在制造业高质量发展关联网络中的地位。以期为推进长江经济带整合制造业要素资源、优化区域制造业产业结构、实现区域一体化发展、打造世界级制造业集群提供必要的理论依据和实证基础。

1 研究方法与数据来源

1.1 制造业高质量发展空间关联关系

引力模型能够分年度测量各地级市间制造业高质量发展的空间关联关系，并考虑经济地理距离因素研究制造业高质量发展空间关联网络结构动态演变趋势。刘传明、王新越等参考Zipf 提出的原始引力模型将引力模型广泛用于城市空间相互作用、距离衰减效应等相关研究［21，22］，计算公式如下：

式中：Yij是城市i 和j 之间的引力值；Mi和Mj为城市i 和j 的“质量”；Dij为城市i 和j 之间的距离；b为距离衰减系数；K为经验常数。

借鉴詹绍文、张明斗等做法对引力模型进行修正［23，24］，城镇从业人员是测度城市“质量”的重要指标之一；区域金融发展与制造业高质量发展存在显著的关联；当前公路运输仍为主流物流方式，用城市间公路交通里程度量城市间距离值；经济联系强度与距离的平方成反比，得出距离衰减系数为2；采用城市制造业高质量发展综合得分占城市制造业高质量发展综合得分之和的比重来修正经验常数K。修正后的引力模型如下：

式中：i、j代表地级市；Yij为城市i和j制造业高质量发展之间的引力值；TDi和TDj为城市i和j年末金融机构人民币存款金额；Pi和Pj为城市i 和j城镇单位从业人员期末人数；Gi和Gj为城市i 和j国民生产总值；Kij为城市i和j之间制造业高质量发展联系中的贡献系数；Mi和Mj为城市i和j制造业高质量发展的水平；以城市i和j之间公路运输距离Dij比上城市i和j人均GDP的差值gi-gj表示城市之间的经济距离。

参考江小国、曲立等的做法［19，25］，基于新发展理念从产业经济效益、产业信息化水平、产业创新能力、产业绿色发展和产业开放程度等维度构建长江经济带制造业高质量发展综合评价体系，本研究运用熵值—TOPSIS模型对制造业高质量发展综合指数M进行测算。依据公式（2）计算出各地级市制造业高质量发展之间的引力值转化为关系矩阵，以制造业高质量发展联系度均值为切分值，进行二值化处理。

表1 制造业高质量发展测度指标体系Table 1 Measurement index system for high-quality development of manufacturing industry

1.2 制造业高质量发展网络特征指标

整体网络特征指标。社会网络分析法是描述网络整体形态、特性和结构的一种分析方法，多采用绘图工具、代数模型技术来描述关系网中个体与整体间的影响。采用社会网络分析法的网络密度、网络关联度、网络等级度和网络效率来刻画制造业高质量发展的整体网络结构特征［26］。

网络密度为实际关系数与整体网络中最大可能关系数之比，反映制造业高质量发展空间关联网络的紧密程度。网络密度越大，则区域制造业高质量发展之间的联系越紧密，对各区域制造业高质量发展产生的影响也越大。计算公式如下：

式中：D为网络密度；L 为实际关系数；N 为城市个数。

网络关联度反映制造业高质量发展空间关联网络的稳健性和脆弱性。区域制造业高质量发展空间关联网络中的多条“线”通过某一个区域，那么该网络具有较小的关联度，网络稳健性越弱；反之，该空间关联网络线不是围绕着一个点展开的，那么该网络将具有较大的关联度，网络越稳健。计算公式如下：

式中：C为关联度；V 为网络中不可达的点对数目。

网络等级度用以反映网络中各城市的等级结构以及可达性，网络等级度越高则制造业高质量发展空间关联网络中城市之间等级结构越森严，更多城市在制造业高质量发展空间关联网络中处于从属和边缘地位。计算公式如下：

式中：H为等级度；V为网络中对称地可达的点对数。

网络效率反映制造业高质量发展空间关联网络中各区域之间的连接效率，若网络效率低说明区域之间存在更多线，区域制造业高质量发展之间的联系更加紧密，其空间关联网络越稳定，且越容易通过空间关联网络促进制造业高质量发展的空间流动。计算公式如下：

式中：E 为网络效率；V 为网络中多余线的条数。

个体网络特征指标。点度中心度刻画单个区域在整体关联网络中的中心位置情况，其数值越高，说明该区域在制造业高质量发展空间关联网络中与其他区域之间联系越紧密，该地区越处于网络的中心地位，具有踊定的影响力且辐射范围大。计算公式如下：

式中：CRD（i）为节点i 的相对度数中心度；CAD（i）为节点i的绝对度数中心度；n为网络的规模。

中间中心度反映某区域控制其他区域的程度，其数值越大，表明该区域控制其他区域制造业高质量发展之间互动交流的程度越大，则该区域更加处于网络的中心。计算公式如下：

式中：CRB（i）为节点i 的相对中间中心度；CAB（i）为节点i的绝对中间中心度；bjk（i）表示点i 能控制点j、k交往的能力；gjk（i）则表示点j、k 之间存在的经过点i的捷径数目；gjk表示点j、k之间存在的捷径数目；n为网络的规模。

核心—边缘模型。该模型可以描述城市与周围城市间的联系以及空间非均衡分布状况，识别城市处于制造业高质量发展网络中的位置，并进一步分析核心区与边缘区城市间的内在联系。

QAP分析。QAP是一种非参数检验方法，运用社会网络分析法的二次指派程序对自变量矩阵与因变量矩阵进行相关分析和回归分析［27］。本文采用该方法分析空间邻近、时间距离、社会消费品零售总额等因素对制造业高质量发展空间关联结构的影响程度。

1.3 研究区域与数据来源

选取长江经济带的上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州11 个省市中108 个地级及以上市为研究样本，由于湘西州、毕节市、铜仁市数据缺失严重故予以剔除。样本数据主要来源于2011—2020 年《中国统计年鉴》《中国区域经济统计年鉴》《中国城市统计年鉴》《中国高速公路及城乡公路网地图集（2015）》。为消除价格波动的影响，以2010 年为基期，运用CPI 指数对含有价格因素的各项指标进行平减，调整为可比价格。对个别缺失值和异常值进行插值法处理。

2 空间关联及网络特征分析

2.1 综合指数及联系强度分析

基于熵值—TOPSIS模型得出2019 年长江经济带制造业高质量发展综合水平（表2）。由表2 可知，排名前10 的分别是上海（0.747 4）、成都（0.470 0）、南京（0.363 9）、杭州（0.344 8）、武汉（0.341 0）、重庆（0.340 2）、苏州（0.305 9）、合肥（0.206 0）、宁波（0.204 3）、长沙（0.200 2）。其中，上海是长沙的3.7 倍，是临沧（0.009 9）的75 倍。这表明长江经济带制造业高质量发展城市间水平差异显著，表现出显著的空间分异及非均衡分布特征。

表2 2019 年长江经济带制造业高质量发展综合水平测度Table 2 Comprehensive level measurement of high—quality development of manufacturing industry in the Yangtze River Economic Belt in 2019

运用修正后引力模型测算长江经济带各地级市间制造业高质量发展联系强度，运用ArcGIS进行空间可视化，得出2010—2019 年长江经济带制造业高质量发展联系度分布（图1）。整体而言，2010—2019 年长江经济带制造业高质量发展空间关联网络结构由“多节点逐个发展模式”演化为“由东向西的点轴横向发展模式”。各城市之间制造业高质量发展联系度增长迅速，最初以上海、苏州、武汉为中心的多节点辐射发展模式转为以上海、南京、苏州、杭州、合肥、武汉、长沙、成都为中心由东向西的点轴发展模式。

图1 2010—2019 年长江经济带制造业高质量发展联系度分布Figure 1 Distribution of high-quality development connections of manufacturing industry in the Yangtze River Economic Belt，2010 -2019

从时间节点来看，2010 年长江经济带108 个城市中共有9 对城市制造业高质量发展联系较紧密，苏州—嘉兴引力值最大为11 205.22。2013 年长江经济带制造业高质量发展整体联系度显著增强，共有11 对城市之间引力值超过了50 000，上海—南通引力值最大为198 378.34，以上海、苏州、南通、嘉兴、武汉等为增长点的长江经济带制造业高质量发展联系度迅速攀升，并辐射带动周边临近城市发展。2016 年有11 对城市间制造业高质量发展引力值超过20 000，但引力值超过50 000 的城市减少到4对，整体稍有下降。2019 年，制造业高质量发展引力值超过50 000 的城市增加到12 对，上海、苏州、武汉、长沙、成都等城市辐射带动力显著增强，自身发展的同时带动了周边城市制造业发展，使整个区域之间的联系愈加紧密，空间结构上呈现出由东向西的点轴横向发展新局面。

2.2 整体网络特征及演变趋势分析

利用Ucinet软件的可视化工具Netdraw 分别绘制了2010 年（关系数为948）和2019 年（关系数为1 064）的长江经济带制造业高质量发展整体网络关联结构图（图2）。长江经济带制造业高质量发展整体网络特征明显，任何地级市都不可或缺。由表3可知，2010—2019 年网络关联关系数呈波动上升趋势，从2010 年的948 上升至2016 年的1 030，在2019 年达到1 064的峰值，期间2013 年下降到748。说明长江经济带制造业高质量发展的联系复杂又密切，具有波动性特征。2010—2019 年网络密度呈上升趋势，个别年份稍有波动，原因可能是：长江经济带发展战略的实施，以及“一轴、两翼、三极、多点”新发展格局的形成，促进了长江经济带各城市间加强合作推动制造业高质量发展，使得空间关联愈发紧密。2010—2019 年网络关联度整体上升，在2018年达到最高0.909 1，这表明长江经济带城市间制造业高质量发展联系日益紧密，存在直接或间接制造业高质量发展空间关联关系，且具有显著的空间溢出效应以及空间关联特征。2010—2019 年网络等级度逐步递减并呈现“长尾”趋势，这表明等级森严的制造业高质量发展空间关联结构逐渐被打破，国家经济飞速发展、交通基础设施的改善以及各地区积极发展制造业，强化了发达与欠发达区域之间制造业企业的联系与影响，但从数值上看网络等级度仍处于低水平还需优化。2010—2019 年网络效率呈波动下降趋势，说明城市间制造业高质量发展的连线在逐渐增多，网络稳定性显著增强，参与合作城市数量增多，空间关联向网状化、稠密化、纵深化发展。

图2 2010 年和2019 年制造业高质量发展整体网络关联结构Figure 2 The overall network correlation structure of the high—quality development of the manufacturing industry in 2010 and 2019

表3 2010—2019 年长江经济带制造业高质量发展关联网络结构指标汇总Table 3 Summary of network structure indicators for high-quality development of manufacturing in the Yangtze River Economic Belt，2010 -2019

2.3 个体网络特征及演变趋势分析

长江经济带制造业高质量发展引力值二值化处理。利用Ucinet软件中Network/Centrality功能计算各节点城市的点度中心度和中间中心度，并利用Arc-GIS反距离权重法进行空间插值分析，得到长江经济带城市点度中心度与中间中心度分布图（图3、图4）。

图3 2010—2019 年长江经济带城市点度中心度Figure 3 Centrality of cities in the Yangtze River Economic Belt from 2010 to 2019

图4 2010—2019 年长江经济带城市中间中心度Figure 4 The centrality of cities in the Yangtze River Economic Belt from 2010 to 2019

2.3 个体网络特征及演变趋势分析

长江经济带制造业高质量发展引力值二值化处理。利用Ucinet 软件中Network/Centrality 功能计算各节点城市的点度和中间中心度，并利用ArcGIS反距离权重法进行空间插值分析，得到长江经济带城市点度中心度与中间中心度分布图（图3、4）。

由图3 可知，长江经济带点度中心度逐渐增加，城市间联系愈发紧密，空间关联网络由东向西呈现多极化发展，辐射效应及空间溢出效应显著，逐渐形成以上海、南京、苏州、杭州、武汉、长沙、重庆、成都等城市为中心的核心扩散点，但城市间差距仍然较大，两级分化严重，在网络中所处的地位相差悬殊。其中，上海、苏州、杭州、无锡、南京、武汉、长沙等城市点度中心度基本处于前10，处于网络中心，起到桥梁和中介作用；攀枝花、玉溪、保山等城市点度中心度一直为0。处于中心位置的城市大多为省会城市，吸引资源、人才的能力较强，外加“强省会”战略的支持，吸引各项资源要素向省会聚集，提升省会城市核心竞争力的同时扩大了省会城市的辐射带动力，增强了与周围城市的联系，而地处偏远地区的城市交通闭塞、经济欠发达，制造业高质量发展水平不足，与其他城市联系强度不够，游离于网络的边缘。

由图4 可知，长江经济带中间中心度整体呈 “梯度攀升”趋势，各城市制造业高质量发展网络结构向均衡发展。其中，2010 年和2013 年上海、苏州、无锡、武汉、长沙、成都的中间中心度较高，表明这些城市位于网络核心，是网络发展关键节点，对网络中其他节点城市具有极高控制力，其他城市间制造业高质量发展联系主要通过这些城市建立，整个制造业高质量发展空间关联严重失衡，两极化态势严重。自2014 年长江经济带发展战略全面启动，多处城市中间中心度上升显著，如南京、杭州、重庆、南昌、黄冈等，城市间制造业高质量发展联系愈加频繁，更多的城市在联系中起桥梁作用，网络结构逐渐向均衡化发展。

2.4 核心—边缘特征及演变趋势分析

运用核心—边缘模型分析长江经济带制造业高质量发展联系网络中不同城市所处位置，通过Ucinet软件中Network/Core—Periphery 来实现。基于2010—2019 年长江经济带制造业高质量发展数据，运用ArcGIS 软件绘制了2010 年、2013 年、2016 年和2019 年长江经济带制造业高质量发展的“核心—半边缘—边缘”结构图（图5）。整体来看，长江经济带制造业高质量发展的“核心—半边缘—边缘”结构逐渐形成，且空间分布随着时间推移发生了显著变化，产生的空间效应逐年增强，空间关联性呈现片区化。从时间节点来看，2010 年，核心区为上海、南京、无锡、苏州、杭州5 个地级市，半边缘区有徐州、常州、南通等49 个地级市，边缘区有舟山、丽水、马鞍山等54 个地级市。2019 年，核心区增加了常州、长沙和武汉，半边缘区增加了丽水、马鞍山、铜陵等7 个城市，边缘区减少了12 个地级市，攀枝花、玉溪、保山、丽江、普洱、临沧一直处于边缘区，而上海、南京、无锡、苏州、杭州等城市一直处于核心区。原因可能是：云南、贵州等区域制造业发展水平较低且大部分以旅游业为主，致使与其他城市的制造业发展联系不强；上海、南京、杭州、重庆、成都等交通便利、经济发达、制造业发展相对活跃，与其他城市联系紧密，巩固了这些在经济带内城市所处的核心地位。

图5 2010、2013、2016 以及2019 年长江经济带制造业高质量发展“核心—半边缘—边缘”结构Figure 5 Structure of“core-semi-edge-edge”for high-quality development of manufacturing industry in the Yangtze River Economic Belt in 2010，2013，2016 and 2019

3 驱动因素分析

3.1 驱动因素选择

在不同动力机制作用下形成了制造业高质量发展网络结构。其中，区域间距离远近以及路径选择都会对制造业高质量发展的联系与交流产生影响；交通工具作为运输物资的必需品，影响着不同城市制造业高质量发展联系的网络布局，尤其是高铁的开通缩短了城市间时空距离，改变了制造业高质量发展网络联系结构；地区制造业发展水平依赖当地政府的调控与支持，政府一定程度的调控更好帮助地区制造业健康有序发展，而过度干预则会限制制造业企业创新与发展［28］。此外，制造业高质量发展网络联系的形成和演变也会受到产业结构、人力资本水平、社会消费品零售总额等影响［29］。基于此，选取2019 年长江经济带制造业高质量发展联系强度矩阵为被解释变量矩阵，选取空间邻近矩阵（城市相邻为1，不相邻为0）、时间距离矩阵（城市间最快捷交通方式的最短通行时间，以5h 为分隔值，大于5h为0，小于5h为1）、制造业从业人员数差异矩阵、产业结构差异矩阵（第二产业增加值占GDP 比重）、政府干预程度（地区公共财政支出比上地区生产总值）、社会消费品零售总额差异矩阵、人力资本水平（普通本专科在校学生数比上年末户籍人口）为解释变量进行QAP分析。

3.2 驱动因素结果分析

由表4 可知，QAP分析拟合效果较好且结果基本一致。QAP分析结果显示，空间临近、时间距离、社会消费品零售总额、人力资本水平、制造业从业人员数、政府干预度与制造业高质量发展联系呈显著的正相关关系，而产业结构呈负相关关系且不显著。可能的原因是制造业高质量发展产生空间溢出效应，外加时间成本的缩短，使得知识、信息等技术要素渗透发展，政府干预更好地调节了地区间产业协同发展，提升本区域制造业高质量发展的同时作用于临近区域，产生涓滴效应，与“核心—半边缘—边缘”结构特征相符合；社会消费品零售总额受当地居民收入消费水平的影响，根据结构性通货膨胀理论，收入水平差异会引起攀比效应，使得收入消费水平越高的区域越吸引人才跨区域流动加强城市间制造业高质量发展的联系。

表4 QAP相关分析和回归分析结果Table 4 QAP correlation analysis and regression analysis results

QAP回归分析显示，产业结构差异矩阵与制造业高质量发展联系呈显著的负相关关系，而人力资源水平不显著。表明城市间人力水平差异过大产生的梯度扩散效益不显著，导致区域之间联系强度不够；产业结构差异过大使得区域产业体系的匹配程度过低，限制了企业间跨区域合作交流，难以建立长期稳定的制造业企业发展关联，遏制了该地区制造业发展水平。

4 结论与政策启示

4.1 结论

本文以长江经济带108 个地级市为研究区域，运用熵值—TOPSIS 模型、修正后的引力模型、社会网络分析法等探究2010—2019 年长江经济带制造业高质量发展的空间关联结构特征及其效应。主要结论如下：①长江经济带制造业高质量发展存在显著的空间分异和非均衡发展特征，空间关联结构由“多节点逐个发展模式”演化为“由东向西的点轴横向发展模式”。②城市间制造业高质量发展联系愈发紧密呈现由东向西多极化发展趋势，且存在直接或间接空间关联关系，空间关联结构向网状化、稠密化、纵深化发展，具有显著的空间溢出效应以及辐射带动效应。③点度中心度逐渐增加，形成以上海、南京、苏州、杭州、武汉、长沙、重庆、成都等城市为中心的核心扩散点。中间中心度整体呈“梯度攀升”趋势，更多的城市起桥梁和中介作用，网络结构逐渐向均衡化发展。④空间关联呈片区化发展，形成了“核心—半边缘—边缘”网络结构，呈现“由东向西扩展，由沿海向内陆延伸”特点，核心节点“涓滴效应”显著。⑤空间临近、时间距离、社会消费品零售总额、制造业从业人员数等存在的区域差异是影响制造业高质量发展空间关联的重要因素，区域间产业结构差异过大会遏制地区制造业高质量发展。

4.2 政策启示

基于研究结论，得出如下政策启示：①增强城市制造业高质量发展空间关联网络的紧密度，促进制造型企业要素跨区域流动。地方政府及时关注制造业高质量发展的空间网络结构状态，精准识别空间关联网络中的中心行动者及充当桥梁和中介城市，发挥其辐射带动作用，并为欠发达地区提供优惠政策，提高欠发达区域制造业生产效能，实现空间协同发展。②针对不同城市制造业高质量发展的空间关联关系，发挥各区域不同的制造业梯度优势。强化“省会”城市引领作用，巩固核心区城市的中心地位，发挥核心带动作用，进一步完善并优化产业结构，加快培育以技术、品牌、质量、服务为核心的竞争新优势，并注重扩大溢出范围，实现核心区城市空间溢出效应最大化。③打破区域间技术水平、产业结构差异大等因素制约，强化地区人力资本水平、政府财政支持。推动网络核心区与边缘区间技术、知识和人才互动交流，加大对边缘区城市人工智能、大数据、5G等互联网技术投入，缩小区域间产业结构合理化程度、数字发展水平等差距，为边缘区城市融入制造业高质量发展网络关联结构提升提供更多空间传导路径。