我国五大城市群物流业发展的空间网络结构及其运行效应
Doi:10.14089/j.cnki.cn11-3664/f.2019.03.006引用格式:梁红艳.我国五大城市群物流业发展的空间网络结构及其运行效应[J].中国流通经济,2019(3):50-61.梁红艳 350116) (福州大学经济与管理学院,福建福州
摘 要:合理有效的区域物流空间关联网络有利于区域物流活动组织化、规模化、网络化运行,实现区域物流
2005—2016协同发展,是区域经济一体化发展的重要支撑。运用主成分分析法测度 年我国五大城市群城市物流业发展水平,借助引力模型确定城市间物流业发展空间关联关系,利用社会网络分析方法解析物流业发展空间网络结构特征并探究其运行效应发现,长三角、珠三角、京津冀、长江中游、成渝五大城市群物流业发展水平均呈持续上升趋势,东部沿海地区城市群物流业发展水平高于中西部城市群,城市群物流业发展区域内差异逐渐扩大,具有典型的多级分化现象;五大城市群物流业空间关联紧密度逐步增加,网络等级度变化相对平稳,网络效率逐年下降,网络结构日益稳定;网络密度的提升和网络效率的下降有助于城市群物流业发展水平的提高和区域内差异的缩小,森严网络等级结构的破除有助于京津冀物流业发展水平的提高(但在其他城市群作用不显著),点度中心度、接近中心度的提高有助于物流业发展水平的提高,而中介中心度的作用具有区域差异性。因此,为更好地推动城市群物流业协调发展,一要充分考虑各城市区位优势与资源禀赋,明确各城市在城市群物流业发展中的功能定位,推动物流业与三次产业的产业联动与空间协同,形成横向错位发展、纵向分工协作的高度扁平化功能分工格局以及高效运转的物流业空间关联网络;二要增强物流枢纽城市空间生产能力,强化其对区域内落后城市的辐射力,实现整体繁荣与区域协调发展,避免断崖式局面的出现;三要积极改善城市间交通基础设施条件,消除要素流动制度性障碍,通过要素流动、区际贸易、企业分工合作等多种渠道实现城市物流业发展的空间溢出效应,优化城市群物流业空间配置,强化城市群物流业空间关联网络结构,使之高效低成本运转,提升物流业价值创造能力。关键词:城市群;物流业;分布动态;空间关联网络;结构特征
中图分类号:F259.22 文献标识码:A文章编号:1007-8266(2019)03-0050-12
一、引言
城市群是工业化和城镇化进程中区域经济空间形态的高级现象,发展城市群是工业化和城镇化的重要路径选择。我国“十三五”发展规划纲要提出,要建立健全城市群发展协调机制,实现城市 群一体化高效发展。打破行政区划界限,引导物流资源跨区域整合与优化配置,逐步形成合理有效的区域物流空间关联网络,实现区域物流一体化协同发展,这不仅是物流业发展的客观需要,也是城市群一体化高效发展的重要支撑。
关于区域物流空间网络,既有研究主要沿着
收稿日期:2019-01-31基金项目:教育部人文社会科学青年基金项目“中国生产性服务业发展的影响因素及其空间效应研究”(14YJC790074);福建省社会科学研究基地重大项目“供给侧改革下我国物流业发展的动力机制研究”(2016JDZ049)、“中国制造业与物流业联动发展质量及其绩效研究”(FJ2018JDZ021)作者简介:梁红艳(1985—),女,湖北省仙桃市人,福州大学经济与管理学院教师,管理学博士,主要研究方向为区域物流、
两个方向展开:一是以空间差异测算和空间布局形态描述为主的结构主义叙述。部分文献采用就业、增加值、货运量、物流基础设施规模、物流节点数量等指标,利用基尼系数、变异系数、区位熵、泰尔指数等方法展开分析。比如,针对长三角地区,有研究发现,长三角地区物流空间集聚特征明显,城市间不平衡现象突出[1-2] ;针对京津冀地区,张璐璐等 [3]研究发现,京津冀物流企业空间分布由分散趋于集中,逐步形成了北京、天津、石家庄三大集聚中心。这些研究普遍认为,地区物流业发展的极端不平衡会制约区域物流空间关联网络的形成以及物流业一体化进程的推进。部分文献从港口体系切入展开分析。比如,程佳佳等[4]研究发现,珠三角集装箱港口体系经历了原始单核结构→孤立双核结构→极核枢纽结构→双核枢纽结构→多核发展结构的演化;蒋自然等
[5]采用基尼系数及其分解技术和重心偏移法、半径维数法等方法研究得出,长三角集装箱港口体系总体上由极化转向离散。二是以城市间联系与网络构建为主的关系主义叙述。目前,主要有物流业产业联系、物流企业联系以及交通流三种视角,不同的视角反映了城市物流体系的不同方面。基于城市物流业产业联系的研究主要通过评价城市物流业发展水平和确定辐射范围来构建区域轴—辐物流网络,研究区域集中于长三角[6]、京津冀[7-8]、长江沿岸地区[9] ,并根据所构建的物流网络,从城市等级与定位以及城市间基础设施等方面入手提出推进城市群物流协同发展的对策建议。基于物流企业联系的研究,主要利用物流企业分支机构数据展开。比如,董琦等 [10]基于物流企业网络,解释了环渤海、长三角、珠三角城市网络的节点层级性、流联系等级性、网络格局差异性等特征;王克强等[11]基于大型物流企业分支机构数据,考察长三角城市网络,发现长三角城市的联系高度集中于各中心城市之间,外围城市被边缘化,多中心辐射、拉动外围城市协同发展的格局正在形成。城市群尺度下基于交通流对交通网络和城市网络结构的研究,集中于京津冀[ 12-13 ]、长三角[ 14-15 ]、珠三角[ 16 ]地区。
上述研究取得了丰硕的成果,但仍然存在一定的拓展空间。一是已有研究针对沿海三大城市群的分析较多,关于其他城市群以及对不同城市 群进行比较分析的研究比较缺乏;二是已有研究更多基于属性数据刻画区域物流空间网络结构特征,忽视节点间关系,无法揭示关系对网络运行的影响。而关系数据在一定程度上决定了属性数据的表现。基于城市网络理论,一个城市的发展,不仅与自身条件有关,更与该城市在城市网络中的地位有关。城市的发展本质上取决于各种权力的空间分配,权力越集中的城市,其空间生产能力越强,吸附资源的能力越强,辐射范围越广,可持续发展能力越强。
鉴于此,本文基于关系数据,重点研究我国城市群物流业发展空间网络结构特征及其运行效应,对认识城市群物流业发展规律、促进城市群物流业协调发展具有重要意义。本文首先测度2005—2016
年我国城市群城市物流业综合发展水平并分析其分布动态,进而在此基础上借助引力模型确定城市间物流业发展的空间关联关系,采用社会网络分析(Social Network Analysis,SNA)方法解析城市群物流业发展的空间关联网络结构特征,并进一步探究空间关联网络结构运行效应。
二、中国五大城市群城市物流业发展水平测度与分析
城市物流业发展水平是构建城市群物流业发展空间网络结构的基础。本文首先对城市物流业发展水平进行综合评价,并利用核密度非参数估计法考察城市群物流业综合发展水平分布动态,以掌握我国城市群物流业发展相关特征。(一)研究区域说明根据国务院批复文件,目前我国已正式形成了长三角、珠三角、京津冀、长江中游、成渝、哈长、中原、北部湾和关中平原九大城市群。其中,长三角、珠三角、京津冀、长江中游、成渝城市群发育相对成熟,是我国经济发展的核心区域。本文选取上述五大城市群展开分析,并根据相关文件界定
98其空间范围(五大城市群共包括 个城市)。(二)评价指标体系与数据来源关于地区物流业发展水平,既有研究主要从地区环境、物流业投入与产出等方面入手进行了分析。比如,王圣云等[ 17 ]考虑了区位环境、物流硬环境、物流软环境和经济条件四个方面;李全喜
等 [ 18 ]提出,要从物流发展规模、三大产业发展水平、基础设施和信息网络等方面入手建立指标体系;曹炳汝等 [ 19 ]提出,要从区域经济、物流基础设施、物流业务量、人力资源与信息化等方面入手建立评价指标体系。在既有研究基础上,结合数据可得性,本文从城市经济环境支持能力、城市基础设施支撑能力、城市信息系统保障能力、城市物流业运作能力四个维度入手构建城市物流业发展水
1。本文研究的时平评价指标体系。具体参见表
2005—2016
间范围为 年,相关数据来自《中国城市统计年鉴》《中国区域经济统计年鉴》以及各省市统计年鉴和《国民经济和社会发展统计公报》,部分缺失数据根据年增长率推算得到。(三)城市群物流业发展水平分布动态考虑到多个指标之间可能存在信息高度重叠
2005—和相关的情况,本文运用主成分分析法对
2016 98
年五大城市群 个城市的物流业发展水平进
①。为细致考察城市群物流业发展特征,采行评价用核密度估计方法描绘各城市群物流业发展分布
2。动态。各城市群主要分布特征参见表
1.
分布位置我国五大城市群总体以及各城市群物流业发展水平均呈持续上升趋势。纵向来看,五大城市群总体分布曲线中心随时间推移逐渐向右移动, 2005年、2009年、2013年、2016
年五大城市群物流0.613、0.817、1.086、业发展水平的均值分别为1.452,表明观测期内五大城市群物流业发展水平
1 基本呈上升趋势。横向来看,历年五大城市群物流业发展水平从高到低依次为珠三角、长三角、京津冀、长江中游、成渝,可见位于东部沿海地区的城市群其物流业发展水平高于中西部城市群。发展水平最高的珠三角、长三角城市群以及发展水
8.60%平靠后的成渝城市群年均增速分别为 、8.36%、9.44%,发展水平居中的京津冀和长江中游
7.29%和7.32%,首位优势城市群年均增速分别为
和末位追赶现象明显。
2.
分布形态总体上,观测期内五大城市群物流业发展分布的峰值不断下降,宽度逐渐增加,说明五大城市群物流业发展的绝对差异有扩大趋势。
3.
分布延展性五大城市群总体和单独的分布曲线均呈现出右拖尾现象,只是延展性表现不一。五大城市群总体以及物流业发展水平领先的珠三角城市群,其延展性呈现收敛趋势,意味着物流业发展水平较低的城市追赶速度较快,区域物流业发展具有收敛趋势;而长三角、长江中游、成渝、京津冀城市群,其分布曲线的延展性均呈拓宽趋势,意味着物流业发展水平较高的城市持续发展,与城市群内其他城市的差距进一步拉大。
4.
极化趋势长三角、长江中游、京津冀城市群物流业发展水平均呈现为多峰分布态势,而成渝和珠三角城市群则呈现出两极分化态势。长江中游和京津冀
城市群物流业发展分布基本由一个主峰和多个侧峰构成,但侧峰较低,而长三角与珠三角城市群侧峰峰值较高,意味着其物流业发展均具有明显的梯度效应。其中,与其他城市群不同的是,近几年珠三角城市群物流业发展水平分布曲线相对稳
2013年,2016
定,相比于 年其右侧峰值稳定,仅左侧峰值略有提高。成渝城市群物流业发展呈现出明显的两极分化态势,这可能是因为区域内中心城市占据着绝大部分物流业发展资源,而外围城市又缺乏赶超的相对优势,结果导致城市群内部发展差距难以缩小。
三、中国五大城市群物流业发展的空间网络结构特征
在城市物流业综合发展水平测度基础上,进一步构建物流业空间关联网络并分析其结构特征。(一)研究方法
1.
空间关联关系的确定构建空间关联网络的关键是确定网络中节点之间的联系。根据现有文献,空间关联关系的确定主要采用引力模型和向量自回归格兰杰因果关系(VAR Granger Causality)检验法。比如,格罗内
Groenewold N)等
沃尔德( [ 20 ]利用向量自回归(VAR)模型对我国区域间空间溢出效应进行了分
VAR
析;李敬等 [ 21 ]运用 模型识别并确定了我国各省市区之间的空间联系;陈昕等[ 22 ]通过引力模型
1993—2013
测算 年京津冀城市间空间关联强度,并基于此分析了城市社会经济区位度的时空变化趋势;李林玥等 [23]通过引力模型对中国与“一带一路”沿线国家的贸易发展状况进行了分析。与VAR
模型相比,引力模型可以刻画空间关联网络
VAR的动态演变特征。而且,由于 模型对滞后阶数的选择比较敏感,会在一定程度上影响空间关联网络结构构建的精确性。因此,本文选用引力模型来确定城市群物流业发展的空间关联关系。具体计算公式为:
Mi Mj Mi
Rij = kij
, kij =
2 M
Dij +M
i j
上式中,Rij 表示城市i 与城市 j 之间物流业发展的引力;Mi 、Mj 分别表示城市i 和城市 j 的物流业综合发展水平(参见前文主成分分析测算 结果);Dij 表示城市i 与城市 j 之间的距离,本文用公路距离表示城市间的距离,数据利用百度地图计算得到;kij 表示城市i对城市i与城市 j 之间物流业关联度的贡献度。
2.
空间关联网络结构特征的刻画指标社会网络分析方法基于关系数据,采用图论工具、代数模型描述网络节点之间的关系模式,并探究各关系模式对网络中成员个体及网络整体的影响。
(1)整体网络特征。通常采用网络密度、网络关联性(关联度、网络等级度和网络效率)来刻画整体网络结构特征。
①网络密度。网络密度反映空间关联网络的紧密程度,被定义为实际拥有的连线数与整个网络中最多可能拥有的连线数之比。设网络节点个数为N ,网络中实际存在的关联线条数为L ,则网络密度Dn的计算公式如下:
=
Dn L
( - 1)
N N ②网络关联性。关联性反映网络的稳健性。如果网络中各节点之间存在一条直接或间接的路径相连,意味着该网络具有较好的关联性。如果一个网络中的很多条线都通过一个节点相连,说明该网络的运作极大地依赖这个节点,一旦该节点被排除,网络就可能崩溃,意味着网络不稳健,关联性较低。表征关联性的关联度C通过可达性测量,设网络节点个数为N ,网络中不可达节点的对数为V ,则关联度C的计算公式如下:
=1-
C V
N(N -1) 2对于有向网络,与关联性密切相关的一个指标是网络等级度。网络等级度指网络节点之间在多大程度上非对称可达。网络等级度越高,说明网络结构越森严。设网络中对称可达节点的对数
,max(K)
为 K 为最大可能的对称可达节点的对数,则网络等级度GH 的计算公式如下:
K
GH = 1 -
max(K)此外,还有一个指标可以反映网络关联性,即网络效率。网络效率指网络在多大程度上存在多余的连线。网络效率越低,说明节点间溢出渠道越多,网络越稳定。设网络中多余连线的条数为
,max(M)
M 为最大可能的多余连线的条数,则网
络效率GE的计算公式如下:
M
GE =1-
max(M ) (2)个体网络特征。中心性(Centrality)是研究各节点在网络中地位和作用的指标。一个节点在网络中越处于中心位置,其在网络中的影响力越大,越能影响其他节点。刻画网络中心性的常见指标包括相对点度中心度、中介中心度和接近中心度。
①点度中心度指网络中与某节点直接相关联的节点的数目(用n表示),反映各节点在网络中处于中心位置的程度。为比较分析不同规模网络中节点的点度中心度,通常选用相对点度中心度。设网络中节点的个数为N ,则相对点度中心度C 的计算公式如下:
RD
n
CRD =
-1
N ②中介中心度刻画某个节点对资源控制的程度,反映该节点在多大程度上控制着其他节点间的关系。如果一个节点处于许多点对的最短路径上,则该节点具有较高的中介中心度。假设节点 j与节点k之间存在的捷径数为g ,节点 j 与节点k
jk之间存在的经过节点i的捷径数为g i) ,节点i 控
jk
制节点 j 与节点k关联的能力为b i) ,则其计算
jk
公式如下:
= b i) g i) g
jk jk jk
把节点i对应的网络中所有点对的中介度相加并进行标准化处理,可以得到相对中介中心度: 2∑∑b
N N
i jk
Cbi = ≠ ≠ < j k
( j k i ,j k)
2-3N +2
N ③接近中心度刻画某个节点不受其他节点控制的程度。如果一个节点与网络中所有其他节点之间的距离都很短,则该节点具有较高的接近中心度。一个节点的接近中心度为该节点与网络中所有其他节点的捷径距离之和。其计算公式如下: =∑d
n
C -1
APi ij
=1 j此为绝对接近中心度。将绝对接近中心度除以最小接近中心度,可以得到相对接近中心度。其计算公式如下:
C -1
=
C -1
APi
-1 n
RPi 也可表示为:
= -1
C n
RPi
C -1
APi (二)中国五大城市群物流业发展空间网络结构构建及特征分析
1.
五大城市群物流业空间关联网络构建本文根据引力模型计算结果,得到各城市群物流业发展的引力矩阵。以引力矩阵同行均值作
1,为统一临界值,如果引力值高于该临界值记为表明该行城市与该列城市的物流业发展存在关联
0,表明该行关系,如果引力值低于该临界值记为城市与该列城市的物流业发展不存在关联关系,并据此建立关联关系矩阵。为展示网络结构形
UCINET Netdraw态,也可利用 软件的可视化工具描绘五大城市群物流业发展空间关联网络。
2.
整体网络结构特征
(1)网络密度。表3
描绘了城市群物流业发展空间关联网络密度的演变趋势。考察期内,城市群物流业发展空间关联关系总数呈逐年上升趋势,2005 242
年五大城市群总体关联关系数为 个, 2016 466
年上升到 个。长三角、珠三角、京津冀、长
2005江中游、成渝城市群的网络密度分别从 年的0.160 0、0.203 3、0.219 8、0.154 8、0.195 8
提高到了2016 0.333 8、0.428 6、0.340 7、0.277 8、0.408 3,
年的表明中国五大城市群城市物流业发展的空间关联越来越密切,但同时也可以看到,仍然存在较大提
升空间。从横向看,五大城市群按网络密度均值从高到低排列依次为珠三角、京津冀、成渝、长三角、长江中游,可见城市群所含城市数量越多,密度越小。
(2)网络关联性。网络关联度的测度结果显示,2005—2016 1,表明我国各
年网络关联度均为城市物流业发展存在明显的空间关联和溢出效应,每对城市的物流业发展均存在直接或间接联系。考察期内,五大城市群物流业发展空间关联
4。从网络等级度的变化较为复杂。具体参见表纵向来看,各城市群网络等级度无明显波动;从横向来看,五大城市群按网络等级度均值从高到低排列依次为珠三角、京津冀、长三角、长江中游、成渝。其中,珠三角城市群网络等级度最高,约为最低者成渝城市群的两倍,说明珠三角城市群物流业发展的等级结构森严。五大城市群物流业发展空间关联网络的网络效率呈逐年下降趋势。具体
5。长三角、珠三角、京津冀、长江中游、成渝参见表
2005 0.873 6、0.858城市群的网络效率分别从 年的
0、0.840 2、0.876 5、0.857 8 2016
下降到了 年的0.692 8、0.615 4、0.710 1、0.749 0、0.631 1,表明空间关联网络中的连线不断增多,网络稳定性得以提升。
3.
个体网络结构特征本部分主要通过点度中心度、中介中心度、接近中心度来揭示五大城市群内部各城市在物流业 发展空间关联网络中的地位和作用②。
首先,基于城市中心度空间分布结构和差异视角,对上述三种个体网络特征进行总体分析,试图揭示五大城市群城市中心性的基本分布规律。
6 2005—2016
表 列出了 年各城市群内部在中
20%和后10%的频率较高的城心度排名中位于前市。通过加总所有年份各城市三种中心度在对应区间内出现的次数,进而据此求得各城市落入相应区间的频率。比如,上海历年来的点度中心度、中介中心度、接近中心度均位于长三角城市群排
20%,其出现在长三角排名前20%区间的次名的前
36 20%区间的频率为100%。数为 次,落入排名前可以看出,各城市群内,省会城市、直辖市以及经济发达城市拥有较高的中心度,而经济欠发达城市和处于城市群边缘的城市其中心度相对较低。总体而言,五大城市群均呈现出显著的核心—边缘网络结构特征。以长三角为例,上海、苏州、常州三个经济发达且区位优势明显的城市在三种中
20%,处于网络的中心位置,心度排名中均位于前属于长三角城市群物流网络的核心圈层,对周边城市具有较强的空间辐射能力。其他城市属于长三角城市群的外围圈层,其中南京、杭州、无锡、合肥等城市中心度指标相对较高,与中心城市联系紧密;安庆、舟山、池州等经济欠发达城市地理位置相对边缘,与其他城市间的物流业务联系也相对较少,属于网络的边缘圈层。
6 2005—2016
表 年五大城市群城市中心度排名统计 为分析各城市群中心度区域内的差异,计算
7。可以看城市中心度的变异系数。具体参见表到,珠三角城市群最大,京津冀城市群次之,后面是长三角城市群和成渝城市群,长江中游城市群垫底。珠三角城市群中心度差异最大,其原因可能是深圳、广州、东莞等地依托强大的产业基础和区位优势取得了物流业的长足发展,而其他城市发展机会很少。京津冀城市群区域内差异较大,其原因可能是北京、天津、石家庄凭借城市等级优 势占据了较多物流资源,削弱了其他城市物流业的发展基础。
接下来,从点度中心度、中介中心度、接近中心度三个细分指标入手展开具体分析。(1)点度中心度。五大城市群相对点度中心
8
度各年度平均值如表 所示。总体来看,按相对点度中心度平均值从高到低排列依次为珠三角、成渝、京津冀、长三角、长江中游城市群。排名越靠前,表明城市群内部城市物流业发展间的关联关系数越多。下面,以长三角为例做具体分析。无论是点出度还是点入度,其城市中心度分布均表现出明显的两级分化现象。从点出度看,合肥、南通、宣城点出度最高,说明它们在网络中处于核心位置,具有强大的物流辐射能力;无锡点出度最
2/5,说明无锡对周边城市的空间辐低,仅为合肥的射能力非常弱。从点入度看,苏州、上海、无锡等城市点入度最高,说明这几个城市能够从周边城市吸取资源,不断整合集聚外部力量发展物流业。而池州、安庆等城市与城市群内的其他城市物流业联系较弱,既难以对周围城市产生辐射,也较少受到周边城市溢出效应的影响。关于其他城市群,珠三角城市群中点度中心度较高的城市有深圳、东莞、广州;京津冀城市群中点度中心度最高的城市为北京、天津,且点入度高于点出度,说明它们对其他城市的物流业溢出效应低于受益;长江中游城市群中点度中心度最高的城市为武汉、长沙等;成渝城市群中点度中心度最高的城市为成都、重庆。从演变趋势看,长江中游城市群2009
年之后波动较大,其余四个城市群呈现出相对明显的上升趋势。这说明,总体看我国城市群内部各城市均已开始融入网络体系,与其他城市的关联关系正在日益增强。
(2)中介中心度。五大城市群相对中介中心度各年度平均值如表9
所示。总体来看,按相对中介中心度平均值从高到低排列依次为成渝、京津冀、长三角、长江中游、珠三角城市群,排名越靠前,说明城市群物流运作对中介城市依赖性越强,中介城市对城市群物流运作主导力量越强。其中,长三角的上海、南京等城市,长江中游的武汉、长沙、南
8 2005—2016
表 年五大城市群物流业发展空间
关联网络的相对点度中心度平均值 昌等城市,成渝的重庆、成都等城市,京津冀的北京、天津等城市以及珠三角的广州、深圳、珠海等城市拥有所在城市群最高的中介中心度,这些城市处于网络的核心位置,是城市间物流业务联系的途经点,在信息、资源方面调控能力强,在网络中扮演着重要的桥梁和中枢角色。在各城市群
20%的城市按其中介中心度占各区域中,排名前中介中心度总量的比重从高到低排列依次为长江
71.3% 60.6%
中游( )、长三角( )、珠三角(59.9%)、成渝(53.9%)、京津冀(50.1%)。可以发现,各城市群内部中介中心度分布不均衡,少数城市拥有高中介性,对物流网络支配力较强。从演变趋势看,长三角和成渝城市群中介中心度下降趋势比较明显,长江中游和珠三角城市群变化不明显,而京津冀城市群有所上升。这说明,长三角和成渝城市群内部城市物流业发展的联系越来越直接,城市间全连通特征越来越突出;京津冀城市群内部城市物流业发展的联系越来越需要通过中介城市进行,城市间全连通特征较弱,更偏向于轴辐物流网络结构形态。(3)接近中心度。五大城市群相对接近
10中心度各年度平均值如表 所示。总体来看,按相对接近中心度平均值从高到低排列依次为成渝、长三角、长江中游、京津冀、珠
9 2005—2016
表 年五大城市群物流业发展空间关联网
络的相对中介中心度平均值 三角。城市群接近中心度平均值越高,说明城市间发生联系的速度越快。各城市群接近中心度排名前两位的城市,长三角是上海和南京,珠三角是深圳和东莞,京津冀是北京和天津,长江中游是武汉和长沙,成渝是成都和重庆。单个城市接近中心度的值越大,其物流运作越不受其他城市控制。这些排名靠前的城市与区域内其他城市间通达性良好,物资运输、仓储、配送、流通加工、信息
10表 2005—2016
年五大城市群物流业发展空间关联网络的相对接近中心度平均值
处理等物流运作过程不受其他城市控制。同时,这些城市往往也是城市群内部经济发展水平较高、综合交通基础设施较完善的核心城市。从演变趋势看,长江中游城市群波动较大,其余四个城市群接近中心度均值整体呈上升趋势。
四、中国五大城市群物流业空间网络结构运行效应
网络结构特征决定了网络节点属性值的表现。在城市群物流业空间关联网络中,城市在网络结构中的位置决定了该城市在物流固定资产投资和人才等要素方面的吸引力和控制力,并进一步影响城市物流业发展水平。基于此,本文在分析我国城市群物流业发展空间网络结构特征的基础上,进一步从整体网络结构和个体网络结构两个方面入手,探究城市群物流空间关联网络结构特征对城市群物流业发展水平及区域内差异等属性数据的影响。
(一)整体网络结构效应本文分别以城市群物流业发展水平的均值和变异系数为被解释变量,以网络密度、网络等级度、网络效率为解释变量进行普通最小二乘法(OLS)回归分析,其中被解释变量与解释变量均取
11。自然对数。估计结果参见表
1.
整体网络结构对物流业发展水平的影响(1)各城市群物流业发展网络密度的回归系数均为正,即网络密度对城市群物流业发展水平 存在显著正向影响,表明网络密度的提升能够显著提高城市群物流业发展水平。网络密度提高意味着城市群内部城市物流业发展关联关系数量增加,城市间关联渠道增多,城市间空间溢出渠道增多,物流业发展水平较低城市通过融入网络所获得的发展机会增多,有助于提高城市群物流业整体发展水平。
(2)在京津冀城市群,网络等级度与物流业发展水平呈负相关关系。网络等级度降低意味着网络节点对称可达程度提高,即各网络节点地位更趋于平等,有利于各城市更好地获取适宜的物流资源,从而有助于提高城市群物流业整体发展水平。但是,除京津冀外,其他四个城市群的检验结果均不显著。
(3)网络效率与各城市群物流业发展水平呈负相关关系。网络效率降低意味着空间关联网络中连线数量增加,城市间物流资本、人才、技术等资源流通渠道增多,有助于提高城市群物流业整体发展水平。
2.
整体网络结构对物流业空间差异的影响(1)在长江中游、成渝、珠三角城市群,网络密度的估计系数为负,说明网络密度的提高能够显著缩小城市群物流业发展差异,提高区域物流业发展空间均衡性。网络密度提高意味着城市关联关系数量增加,因此能够有效降低城市物流业发展空间差异,弱化空间极化趋势。但是,长三角与京津冀的估计系数为正,不过未通过显著性检验。(2)网络等级度对各城市群物流业空间差异的作用均不显著。理论上讲,网络等级度下降意味着各城市地位趋于平等,能够降低空间差异性。然而,本文样本检验结果并不显著。其原因可能在于,观测期内我国五大城市群物流业发展水平不断提高,但空间关联网络等级度变化微弱,导致网络等级度的作用无法判断。
3 ()网络效率回归系数为正,意味着观测期内网络效率的降低缩小了城市群物流业发展的差异。网络效率降低意味着网络中城市关联关系数量增加,
能够破除中介中心度较高城市对物流资本、人才、技术等资源的控制力,有助于提高网络空间均衡性。据此,我们认为,基于空间配置视角强化物流业发展空间关联网络结构是缩小城市间物流业发展水平差距的一种重要驱动机制。(二)个体网络结构效应本文以各年度物流业发展水平为被解释变量,以各年度各城市点度中心度、中介中心度、接近中心度为解释变量,构建面板数据模型进行回归分析。同样,被解释变量与解释变量均取自然
F检验与豪斯曼(Hausman)检验,对数。首先根据确定选择混合模型、固定效应模型还是随机效应
12。模型。模型选择及检验结果参见表
1.
点度中心度
12中模型(1)的估计结果,点度中心度根据表
1%的水平上显著,的回归系数均为正值,且均在说明点度中心度的提高对城市群物流业发展具有
1%,长三角、正向促进作用。点度中心度每提高珠三角、京津冀、长江中游、成渝城市群的物流业
0.057%、0.050%、0.041%、发展水平就会分别提高0.040%、0.034%。点度中心度的提高意味着城市群物流业空间网络中城市间建立的关联关系更加广泛,城市物流业发展交流合作更加频繁,有助于城市群物流业发展水平的提高。
2.
中介中心度
12中模型(2)的估计结果,除长江中游根据表
1%水平上的显著城市群外,其他城市群均通过了性检验。在长三角和珠三角城市群中,中介中心
1%,长三度回归系数值为负,中介中心度每降低
0.035%和角和珠三角物流业发展水平就分别提高0.061%。中介中心度降低意味着城市间直接联系增强,以其他城市作为交流中介的依赖性减弱,城市间沟通更加顺畅,发展更加快速。成渝和京津冀城市群估计系数为正,说明城市中介中心度每
1%,成渝和京津冀城市群的物流业发展水平提高
0.019%和0.010%。其可能原因在于,就分别提高在成渝和京津冀城市群,中介中心度高的城市作为物流网络的桥梁和中枢,能够有效控制和引导物流运作,并对其他城市产生较强的空间溢出效应,从而有助于提高城市群物流业整体发展水平。可以看到,在不同城市群,中介中心度的影响具有差异性,这可能与各城市群网络化发展阶段的不同有关。发展初期,等级结构森严的城市群通过中介城市进行交流并提高物流业发展水平,而随着城市群物流业发展水平的不断提高,城市间关系趋于扁平化,城市群转为通过更有效率的直接交流获得发展。不过,总体来看,系数绝对值较小,表明观测期内物流业发展水平受网络中介中心度的影响有限。
3.
接近中心度
12中模型(3)的估计结果,五大城市群根据表
1%
的估计系数均通过了 水平上的显著性检验。接近中心度系数均为正,说明接近中心度的提高能够显著促进城市群物流业的发展。这是因为,城市接近中心度越高,在城市群物流业发展进程中与其他城市进行资源交换的速度就越快,从而有助于提高城市群物流业整体发展水平。
五、结论与政策含义
2005—2016本文在测度 年中国五大城市群城市物流业综合发展水平的基础上,利用引力模型确定了城市群物流业发展的空间关联关系,运用社会网络分析方法揭示了城市群物流业发展空间关联网络结构的特征,并进一步对其运行效应进行了探讨。主要研究结论如下:
一是五大城市群物流业发展水平均呈持续上升趋势,珠三角、长三角、京津冀等东部沿海地区城市群物流业发展水平高于长江中游、成渝等中西部地区城市群。城市群物流业发展的区域内差异逐渐扩大,呈现出典型的多级分化现象。珠三角和成渝城市群物流业发展由多极走向两极分化,而其余城市群则呈现出明显的多极态势。
二是从整体网络结构特征看,五大城市群物流业发展空间关联的网络密度呈逐年上升趋势,说明城市间具有普遍的空间联系和空间溢出效应,城市间物流业发展的联系越来越密切。网络等级度变化相对平稳,其中珠三角城市群网络等级度最高,成渝城市群网络等级度最低,说明成渝城市群内部各城市地位相对最为平等,无森严的级别和等级;各城市群网络效率呈逐年下降趋势,说明城市群物流网络越来越稳定。
三是从个体网络结构特征看,直辖市、省会城市以及经济发达城市相对拥有较高的中心度,特别是珠三角与京津冀城市群城市间分化现象最为明显。在五大城市群中,珠三角的点度中心度均值最高,长江中游最低,但同时可以看到,城市融入各自所在的城市网络体系已经成为普遍趋势。从点度中心度排名看,处于中心地位的城市有南京、上海、长沙、南昌、成都、重庆、北京、天津、深圳、东莞等。成渝城市群的中介中心度、接近中心度均值最高,珠三角最低,且京津冀对物流枢纽中介城市的依赖性在增强。中介中心度排名靠前的南京、上海、长沙、成都、重庆、石家庄、深圳等经济发达城市,在城市群物流业发展空间关联网络中发挥重要的中介和桥梁作用。接近中心度排名靠前的上海、南京、武汉、长沙、成都、北京、天津、深圳、东莞等城市在网络中扮演着中心行动者的角色;而接近中心度排名末位的马鞍山、黄冈、达州、承德、河源等地则在网络中扮演着边缘行动者的角色。
四是城市群物流业发展空间关联网络密度的提高和效率的下降有助于提高城市群物流业发展水平,缩小区域内差异。森严网络等级结构的破除有助于京津冀城市群物流业发展水平的提高,但网络等级度对其他城市群的作用并不显著。提高点度中心度、接近中心度能够提高城市群物流业发展水平。对长三角和珠三角城市群而言,降低中介中心度能够促进物流业发展;对成渝和京 津冀城市群而言,提高中介中心度能够促进物流业发展;而对长江中游城市群而言,中介中心度的影响不显著。中介中心度作用的区域差异性,可能与发育阶段不同的城市群对中介城市的依赖性不同有关。
本研究的政策启示,一是充分考虑各城市区位优势和资源禀赋,明确各城市在城市群物流业发展中的功能定位,推动物流业与三次产业实现产业联动与空间协同,形成横向错位发展、纵向分工协作的高度扁平化功能分工格局以及高效运转的物流业空间关联网络;二是增强物流枢纽城市空间生产能力,增强其对区域内落后城市的辐射作用,实现整体繁荣与区域协调发展,避免断崖式局面的出现;三是积极改善城市间交通基础设施条件,消除要素流动的制度性障碍,通过要素流动、区际贸易、企业分工合作等多种渠道实现城市物流业发展的空间溢出效应,优化城市群物流业空间配置,强化城市群物流业空间关联网络结构,实现高效低成本运转,提高物流业价值创造能力。
*感谢福州大学经济与管理学院研究生郑丽升在数据收集和整理方面提供的帮助。
注释:
①限于篇幅,未单独报告2005—2016 98
年五大城市群 个城市物流业发展水平测度结果,如有需要,可向作者索取。②限于篇幅,未单独报告2005—2016 98
年五大城市群 个城市网络个体中心性测度结果,如有需要,可向作者索取。参考文献: [1]沈玉芳,王能洲,马仁锋,等.长三角区域物流空间布局及
演化特征研究[J].经济地理,2011,31(4):618-623. [2]王能洲,沈玉芳,张婧,等.区域物流空间整合研究——基
[J].地域研究与开发,2011,30于长三角一体化的实证
(4):36-41. [3]张璐璐,赵金丽,宋金平.京津冀城市群物流企业空间格
局演化及影响因素研究[J].经济地理,2019(1):60-71. [4]程佳佳,王成金.珠江三角洲集装箱港口体系演化及动力
机制[J].地理学报,2015(8):1 256-1 270. [5]蒋自然,曹有挥.长三角集装箱港口体系的集疏演化[J].经
济地理,2017,37(8):114-121. [6]谢守红,蔡海亚,朱迎莹.长三角城市群物流联系与物流
网络优化研究[J].世界地理研究,2015,31(4):76-82. [7]李明芳,薛景梅.京津冀轴辐式区域物流网络的构建与对
策[J].中国流通经济,2015(1):106-111. [8]王飞飞,侯云先.京津冀城市群现代物流网络构建实证研
究[J].华南理工大学学报(社会科学版),2016,18(6):8-13. [9]程艳,周燕萍,徐长乐.长江沿岸地区物流产业空间结构
分析[J].长江流域资源与环境,2013,22(11):1 412-1 418. [10]董琦,甄峰.基于物流企业网络的中国城市网络空间结
构特征研究[J].人文地理,2013(4):71-76. [11]王克强,万宁娜.长三角地区城市城际联系度测度——
基于物流数据视角的分析[J].城市问题,2017(10):25-37. [12]刘辉,申玉铭,孟丹,等.基于交通可达性的京津冀城市网络集中性及空间结构研究[J].经济地理,2013,33(8): 37-45. [13]傅毅明,赵彦云.基于公路交通流的城市群关联网络研究——以京津冀城市群为例[J].河北大学学报(哲学社会科学版),2016,41(4):91-100. [14]叶磊,段学军,吴威.基于交通信息流的长三角地区网络空
间结构及其效率研究[J].地理研究,2016,35(5):992-1 002. [15]CHEN X.Assessing the impacts of high speed rail develop⁃ ment in China's Yangtze River Delta megaregion[J].Journal of transportation technologies,2013,3(2):113-122. [16]陈伟劲,马学广,蔡莉丽,等.珠三角城市联系的空间格局特征研究——基于城际客运交通流的分析[J].经济地理,2013,33(4):48-55. [17]王圣云,沈玉芳.我国省级物流竞争力评价及特征研究
[J].中国软科学,2007(10):104-110. [18]李全喜,金凤花,孙磐石.区域物流引力和地位模型的构
建及应用研究[J].经济地理,2010(10):1 619-1 624. [19]曹炳汝,曹惠惠.基于ANP-TOPSIS
的区域物流发展能[J].地域研究与开发,2018力评价——以江苏省为例
(4):42-47.
[20]GROENEWOLD N,LEE G,CHEN A.Regional output spillovers in China:estimates from a VAR model[J].Region⁃ al science,2007,86(1):101-122. [21]李敬,陈澍,万广华,等.中国区域经济增长的空间关联
[J].经济研究,2014及其解释——基于网络分析方法
(11):4-16.
[22]陈昕,彭建,刘焱序,等.基于DMSP/OLS
夜间灯光数据的京津冀地区城市空间扩展与空间关联测度[J].地理研究,2018(5):898-909.
[23]李林玥,孙志,贤龙翔“.
一带一路”沿线国家与中国的贸易发展状况研究——夜间灯光数据在引力模型中的实证分析[J].数量经济技术经济研究,2018(3):39-58.
责任编辑:陈诗静