長三角物流網絡動態聯系與不平衡演進
——基于社會網絡視角

唐建榮，薛 銳，曹玲玉

（江南大學 商學院，江蘇 無錫214122）

一、引 言

長三角經濟圈位于長江中下游平原，能夠同時利用國內國際兩種市場及資源，具有極大的區位優勢。進入21 世紀，長三角經濟圈作為經濟增長極之一，也是我國區域一體化發展起步最早、基礎最好、程度最高的地區［1］。根據2019 年《長江三角洲區域一體化發展規劃綱要》，將長三角區域一體化范圍正式定為蘇浙皖滬三省一市所屬全部區域。區域經濟一體化的發展目標之一就是實現要素在區域間的自由流動，而這種要素流動的載體，除了資金之外，全部都要依賴龐大的現代物流網絡才能實現［2］。因此，研究長三角物流網絡內部的動態聯系與演進狀況，通過實證分析長三角物流質量水平和物流網絡發展狀態，并挖掘導致不平衡演進的驅動因素，針對性地提出改進意見，從而達到激發區域經濟的發展潛力和實現生產要素合理分配的目的，對于長三角區域一體化均衡發展意義突出。

劉荷等（2014）基于軸輻理論研究了區域物流網絡構建的思路和方法，構建了以福州物流圈、溫州物流圈及廈門—泉州物流圈為核心的海西區軸輻式物流網絡［3］；曹炳汝等（2016）運用軸輻式物流網絡基本原理，采用因子分析等方法，構建了長三角區域以上海物流圈、南京物流圈、杭州物流圈為核心的軸輻式物流網絡［4］。傳統物流網絡的研究主要基于輻射理論的角度，并且側重于網絡構建和網絡特點的研究。現階段很多學者從網絡結構及驅動因素的角度，采用社會網絡分析方法對物流網絡進行深入研究。劉程軍等（2019）基于空間聯系視角，采用社會網絡分析方法研究了浙江省縣域物流空間聯系特征及其網絡結構［5］；唐建榮等（2019）基于修正引力模型，運用社會網絡分析方法，探索了長江經濟帶城際物流網絡的空間結構演變特征及其影響因素［6］。軸輻理論和社會網絡分析方法研究物流網絡的驅動因素均是從單因素角度出發，并沒有考慮驅動因素間的交互作用對物流網絡空間分異的影響。而地理探測器作為能夠探測空間分異特征以及揭示其背后驅動力的一組統計學方法，能夠彌補傳統物流網絡研究方法的不足，但在物流領域還鮮有應用。趙小風等（2018）在分析345個城市建設用地規模時空變化的基礎上，運用地理探測器識別城市建設用地規模擴張的影響因素及其交互作用，得出中國城市建設用地擴張受產業、投資和人口共同驅動，但驅動力大小存在較大空間差異的結論［7］；喬家君等（2020）從自然、經濟和社會三方面考慮，運用地理探測器，研究發現黃河流域農區貧困特征呈現出自然貧困導致經濟貧困，最終產生社會貧困的變化態勢，而社會貧困難以改善自然貧困，最終形成“貧困循環怪圈”的現象［8］。

通過對上述文獻的研究發現，學者多側重于網絡研究范式的引入，進而探討城市或區域物流空間的關聯特征。然而，各城市之間在自然區位、經濟發展水平和政府政策等方面存在較大差異，只注重網絡研究范式和單一驅動因素對網絡發展的影響是不全面的。本文基于熵權TOPSIS測算長三角各城市的物流質量水平，通過改進引力模型、社會網絡分析方法研究長三角各城市之間的物流聯系與物流網絡的空間分異特征，并采用兩種地理探測器挖掘長三角物流網絡發展過程的驅動因素，研究過程通過Arcgis空間分析方法進行可視化處理，深入探討長三角物流網絡的動態聯系與不平衡演進。

二、研究方法與數據來源

（一）數據來源

長三角城市群是以上海為中心，位于長江入海口的沖積平原，以上海市，江蘇省所屬南京、蘇州、無錫、常州、南通、揚州、鎮江、泰州、鹽城，浙江省所屬杭州、寧波、溫州、湖州、嘉興、紹興、金華、舟山、臺州，安徽省所屬合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城，共27個城市為核心區域，帶動長三角地區高質量發展。本研究采用2019年長三角規劃綱要劃定的27 個核心城市為研究樣本，選取此區域2003—2017 年的指標數據，探究長三角地區城市物流的動態聯系與演進過程。

考慮數據的可獲得性與可比性以及評價指標體系的系統性與客觀性，本文從物流需求、基礎設施建設、信息化水平、區域經濟發展四個方面分別選取地區貨運總量、郵政業務總量、社會消費品零售總額、進出口總值、公路里程、郵政機構數量、國際互聯網用戶數量、電信業務總量、地區生產總值9 項指標構建地區物流質量評價體系。數據來源于各市統計年鑒以及知網大數據平臺。

（二）研究過程與方法

社會網絡分析（SocialNetworkAnalysis，SNA）是以數據挖掘、知識管理、信息傳播、小世界理論等研究領域為基礎，采用可視化地圖以及社會網絡結構研究樣本之間關系的一套規范和方法，是一種定量的群體交互行為研究方法。可以運用SNA 方法建立社會關系模型，研究社群內部行動者之間的各種社會關系。社會網絡分析的核心在于“關系”，既可以是社會關系、行為關系，也可以是政治關系、經濟關系，在本文中代表物流節點城市之間的聯系。城市作為社會網絡中的節點，也可以看成是社會網絡中的成員。本文利用SNA 方法，將長三角核心城市群作為社會網絡中的成員，通過修正引力模型、網絡密度、中心度、凝聚子群等社會網絡分析指標，研究長三角物流網絡的動態聯系與演進情況，并采用兩種地理探測器分析長三角物流網絡演進現狀的驅動因素。

（1）引力模型。劉艷等（2019）［9］、曹允春等（2020）［10］利用改進引力模型分別研究了京津冀地區和空港型國家物流樞紐承載城市的物流空間聯系網絡。本文使用修正后的引力模型衡量長三角城市群中各物流節點城市的聯系強度［11］，以引力值區分各物流節點城市的聯系強度與主要方向。運用熵權TOPSIS方法計算得出城市物流質量指數表示引力模型中的質量［5］，將城市間最短空間距離和時間距離作為經濟距離表示其間距，修正后的引力模型公式為：

其中：Rab表示兩個城市之間的絕對聯系值，即兩個城市物流的聯系強度；Ma和Mb為城市物流質量；Dab為兩個城市之間的最短空間距離（km）；Tab為兩個城市之間的最短時間距離（min），最短空間距離與時間距離數據均由百度地圖數據所得；且kab≠kba，kab和kba為物流引力強度，城市之間的物流引力強度不相等，經濟發達城市對經濟相對落后城市的物流引力強度較大。

（2）網絡密度。網絡整體為其中的成員提供各種社會資源，網絡密度描述了網絡中各成員結點之間關聯的緊密程度［12］，成員之間聯系越頻繁，網絡密度越大，該網絡對其中成員所產生的影響越大。如下式所示：

其中：D為網絡密度；Tij為實際聯系總數；N為節點數。

（3）網絡中心性。網絡中心性用于刻畫各成員在整體社會網絡中的中心程度，社會學中將其描述為“權力”代表成員的重要程度與優越性。社會網絡分析從“關系”的角度將社會學中的“權力”定量表示［13］，如中心勢、中心度。本文從中心度的角度剖析各城市物流在長三角城市物流網絡中的聯系與所扮演的角色。

度數中心度又稱“連接中心度”，即一個城市與其他城市直接連接的總和。因此，度數中心度代表著一個城市在整體網絡中的凝聚力。城市之間的連接具有方向性，采用點入度和點出度描述。點入度表現一個城市的被關注程度，體現了城市的吸引力，點入度高的城市能夠引導網絡交流中的內容、視角、深度、廣度等方面。點出度表現一個城市關注其他城市的程度，體現了城市的積極性與交際性，點出度高的城市能夠從網絡中的其他成員處獲得豐富的信息。如下式所示：

中間中心度又稱“中介中心度”，經過一個城市的最短路徑數量越多，其中間中心度越高，即具有溝通其他城市物流的橋梁作用。中間中心度高的城市在網絡中處于重要地位，具有影響其他城市交流的能力，代表的是網絡中的成員對資源控制的程度［14］。如下式所示：

其中：CABi是成員i的中間中心度；gjk是成員j和成員k之間存在的最短路徑數量；gjk(i)是成員j和成員k之間的最短路徑中經過成員i的數量。

接近中心度代表網絡中一個城市到其他城市的捷徑距離總和，體現的是一個城市與其他城市的鄰近程度。處于網絡邊緣的城市在物流活動中需要依賴于其他城市才能與更多的城市產生溝通。一個城市的接近中心度越高，意味著該城市與網絡中其他城市更接近，在要素傳遞方面越不依賴于其他城市［15］。如下式所示：

（4）凝聚子群。凝聚子群分析是一種最典型的社會網絡子結構分析方法.其優點是能夠簡化復雜的整體社會網絡結構.使研究者能夠尋找到蘊涵在網絡中的子結構（Sub—Structure）及其相互關系.從而更有力和更簡潔地可視化表征網絡結構［16］。本文采用的凝聚子群方法屬于有向網絡的派系，主要考慮物流網絡成員之間的“互惠”關系，屬于強派系。

就關聯性而言，一個凝聚子群一般不會因為從中拿掉幾條線就變成不關聯圖。正是考慮這一點，伯伽提等學者提出了“lambda 集合”（lambda set）這個新概念，即“邊關聯度”，記為λ（i，j）。λ（i，j）等于為了使得這兩個點之間不存在任何路徑，必須從圖中去掉的線的最小數目。λ（i，j）值越大，i和j越穩健；λ（i，j）值越小，i和j越敏感。因而本文用lambda集合考察長三角物流網絡的穩定性。

派系也會影響網絡的穩定性，在一個組織中可能存在多個小派系。簡單地說，可以把網絡中存在的關系分為兩類，即各派之間的關系和每派內部的關系，前者對于組織的危機管理來說往往居于重要地位。由此，本文可以構造一個指數，即E-I 指數（Exyernal-Internal Index），專門測量派系林立的程度，

（5）地理探測器。地理探測器（Geodetector，GD）是探測空間分異性以及揭示其背后驅動力的一組統計學方法［17］，其作為一種探測地理要素空間格局成因和機理的重要方法被逐漸應用于社會經濟、生態環境等相關領域研究中。本文主要運用地理探測器中的因子探測器和交互作用探測器，探測物流需求、基礎設施建設、信息化水平和區域經濟等要素對物流質量水平空間分異的影響。

因子探測器是探測Y的空間分異性以及探測某因子X多大程度上解釋了屬性Y的空間分異。用q值度量，表達式為：

其中：q為長三角各核心城市物流質量水平的驅動因素解釋力；h=1，…，L為變量Y或者因子X的分層，即分類或者分區；Nh和N分別為層h和全區的單元數；σ2h和σ2分別是層h和全區的Y值的方差。

由于影響物流質量水平空間分異的因子并非單一的，很大程度上是因子之間的交互作用導致長三角物流網絡的不平衡演進，所以需要使用交互作用探測器。識別不同風險因子之間的交互作用，即評估因子X1和X2共同作用時是否會增加或減弱對因變量Y的解釋力，或這些因子對Y的影響是相互獨立的。評估的方法是首先分別計算兩種因子X1 和X2 對Y的q值：q（X1）和q（X2），并且計算它們交互時的q值：q(X1 ∩X2)，并對q（X1）、q（X2）與q(X1 ∩X2)進行比較。通過比較，探測因子之間的交互作用可分為以下幾類：非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強。

三、長三角物流網絡動態聯系與網絡特征分析

從2003年滬蘇浙高層領導提出共同建設以上海為主導的“區域經濟一體化試驗區”，到2008 年安徽省黨政領導首次參加長三角主要領導座談會，直至2019 年中共中央政治局會議審議通過了《長江三角洲區域一體化發展規劃綱要》，如今區域范圍已覆蓋三省一市。長三角一體化已上升為國家戰略，成為區域經濟中的“金字招牌”，持續吸引著外界關注的目光。在區域一體化持續增強的背景下，生產要素在龐大的城市網絡間不斷流動，難免會產生巨大的社會費用和聚集不經濟。本文運用社會網絡分析方法，從物流發展水平、網絡密度、網絡中心性以及凝聚子群分析等方面分析長三角物流動態聯系與演進的過程，從而為區域物流網絡的持續性健康發展提供科學的判斷依據。

（一）長三角物流質量水平及動態聯系分析

1.長三角物流質量水平

本文以21世紀以來長三角27個核心城市的相關統計數據為樣本，采用熵權TOPSIS方法，從物流需求、基礎設施建設、信息化水平、區域經濟發展四個方面對各城市的物流發展水平進行綜合評價，測得具有代表性的2003 年、2010 年和2017 年各城市的物流發展質量水平，見表1所列。

表1 長三角物流質量水平

續表1

從表1可以看出，長三角物流網絡的各城市物流質量水平仍然處于參差不齊的狀態，但大部分城市2017的物流質量水平相較于2003年都取得了十分巨大的進展。其中近年剛加入長三角物流網絡的城市如蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城等現階段的物流質量水平較低，但其增長速度呈現出“后來居上”的態勢。由此可見，在安徽各城市為長三角物流網絡帶來新鮮血液的同時，長三角物流網絡也為其發展注入了新的助推劑。

2.長三角物流網絡動態聯系分析

根據長三角物流質量水平，采用改進后的引力模型測得各城市的引力值作為各城市與其他城市的物流聯系值。并通過Arcgis空間計量工具，得到長三角物流網絡聯系的動態變化，如圖1所示。

圖1 長三角物流網絡動態聯系

為了更直觀地展現長三角地區物流網絡結構的動態改變，在Arcgis中將關系網絡值低于15的線設為灰色表示弱聯系，兩個城市之間的連線越深，兩者之間的物流聯系越緊密。且節點越大表示聯系值越大，此城市在整體網絡中的地位越高。

總體而言，長三角物流網絡聯系的整體格局相對穩定，但空間分異特征較為明顯。水平方向上主要以上海—蘇州—無錫—南京—六安為核心線向內陸延伸，且呈現出從東至西物流聯系逐漸減弱的趨勢。垂直方向上主要以鹽城—南通—無錫—蘇州—上海—嘉興—杭州—寧波—臺州—溫州為核心線向南北延伸，且以上海為中樞，呈現中間高兩端低的態勢。南北核心線附近的物流聯系網絡密度大于東西方向，但隨著長三角一體化趨勢逐漸增強，東西方向的物流聯系網絡密度也在逐年遞增。長三角一體化的發展，不僅使得省際物流網絡聯系更加緊密，各省內部城市之間的物流網絡密度也進一步增大。

（二）長三角物流網絡特征分析

1.長三角物流網絡整體空間特征

為探究長三角物流網絡的整體空間特征，進一步消除極大值和極小值的影響，比較各年密度的變化，將有向多值網絡轉化為有向二值網絡［18］，并通過Ucinet 軟件測算長三角物流網絡各年的網絡密度值，以此衡量網絡的緊密程度。具體見表2所列。

表2 長三角物流網絡整體密度

2003—2010 年，整體網絡密度值增長較快，而標準差處于較低的水平，此階段的長三角物流網絡處于成長階段，整體網絡日漸緊密，網絡內部強聯系與弱聯系的差異并不明顯；2010—2017 年，整體網絡密度值增長減緩，且標準差處于較高的水平，表明現階段的長三角物流網絡已趨于成熟，網絡內部強聯系與弱聯系的差異進一步增大并趨于穩定。整體來說，長三角物流網絡的內部聯系日益增強，但由于經濟、政治及區位等因素的影響，網絡內部的差異也日漸顯著。

2.長三角物流網絡個體空間特征

本文從三種網絡中心度的角度對長三角物流網絡的個體空間特征進行分析，通過Ucinet軟件計算得到長三角27個核心城市的網絡中心度。

（1）度數中心度。如表3 所列，基于度數中心度視角分析，2003—2017 年長三角各核心城市的度數中心度、點出度和點入度整體呈現上升趨勢，且2010—2017 年上升幅度較大，說明近10 年來長三角物流網絡的復雜性變化尤為突出。其中上海、杭州、蘇州和南京一直位于前4名，表明這四座城市與其他城市聯系更緊密，具有較強的輻射能力，因此處于長三角物流網絡的核心位置。圍繞四個物流核心城市的其他東部城市的點出度均高于點入度，表明這些城市的輻射能力均大于接受能力，對長三角西部地區的物流網絡產生正向溢出效應。2003—2010年安徽省大部分城市的點出度均為0，即與其他城市的物流聯系處于弱聯系狀態。此種情況雖在近10 年間有所好轉，但整體點入度遠高于點出度，表明仍處于被動接受的狀態。作為安徽省省會的合肥市，度數中心度排名低于無錫和寧波，表明其吸引力仍不足以與上海和杭州相競爭，以至于被與上海和杭州相接近的蘇州、南京、無錫、寧波超過。21世紀以來，度數中心度上升最快的是宣城和安慶，分別從26.923 和23.077 上升至73.077 和69.231，均上升了46.154，物流聯系水平顯著增強。

表3 長三角物流網絡度數中心度

（2）中間中心度。21 世紀以來，上海的中間中心度一直位于長三角物流網絡中的首位，表明經過上海的最短路徑最多，其在長三角物流網絡中處于中樞位置，且資源控制能力極強，因而具有影響此區域大部分城市節點物流溝通的能力。經過聚類排序表明：蘇州、南京和杭州的中間中心度僅次于上海，且均大于6，屬于長三角物流網絡的次級核心，在物流溝通中發揮重要的橋梁作用；合肥、寧波、無錫和金華的中間中心度處于0.6～5 的水平，屬于地方性聯系中心；而其他中間中心度小于0.6 的城市屬于長三角物流網絡中的一般性節點。如圖2所示，上海、蘇州、南京和杭州等東部地區所組成的第一梯隊，既是經濟發達城市，也是長三角物流網絡中的重要節點；而以安徽省各城市節點為代表的長三角西部地區，GDP 與中間中心度排名皆靠后。從對圖2 中的統計數據進行相關性分析的結果來看，2003—2017 年長三角各城市的GDP與中間中心度的Pearson相關系數為0.904，表明各物流節點的重要程度與其GDP 發展水平高度相關，并沒有跳出GDP 發展的分布格局。長三角物流網絡的現狀符合美國科學史研究者羅伯特·墨頓提出的馬太效應理論，“強者越強、弱者越弱”的現象在長三角物流網絡的空間分異上得到彰顯。

圖2 長三角物流網絡中間中心度

（3）接近中心度。如圖3 所示，上海、蘇州、南京、杭州和合肥的接近中心度位于長三角物流網絡的前列，表明上海及各省會城市與其他城市的物流溝通不完全依賴于中間節點，因此在物流溝通中能夠獲得更高的效率。由圖1可知，蘇州處于多核心的交界處，因而中間中心度和接近中心度的排名都十分靠前，其他城市都希望與其直接溝通而獲得更多的資源，為自身謀求更好的發展。21世紀前10年長三角物流網絡的接近中心度普遍偏低且變化趨勢不明顯，此階段所有城市之間的物流溝通對中間節點城市的依賴性很強。隨著近10 年長三角經濟水平、交通設施以及信息技術的快速發展，長三角各城市之間已經逐步打破了空間分布格局。上海、江蘇、浙江、安徽的平均接近中心度分別上升至100、75.86、71.22 和72.97，各城市之間的直接溝通越來越緊密，各城市對中間節點的依賴性逐漸減弱，接近中心度得到了顯著的提高。

圖3 長三角物流網絡接近中心度

綜合上述三種個體網絡特征指標來看，上海處于長三角物流網絡的中樞地位，對周邊城市產生強大的物流輻射能力，同時也不斷吸收周邊城市的優勢資源，與周邊城市形成很好的良性互動。如圖1 所示，蘇州、杭州和南京作為承接上海資源轉移的優先區位點，已成長為長三角物流網絡的次級核心，負責將長三角的各種資源進一步向其他地區輻射的同時自身也得到了長足的發展。從度數中心度和中間中心度來看，靠近上海的長三角東部地區普遍高于長三角西部地區，表明長三角東部地區物流節點城市的凝聚力和對資源的控制程度都高于長三角西部地區，并未打破經濟發展的空間分布格局，馬太效應表現顯著。在接近中心度的表現方面，2003—2017 年安徽省各物流節點城市的平均接近中心度提高了36.12，僅次于上海。表明現階段長三角西部地區物流節點城市的資源控制能力雖然較弱，但獨立性正在迅速增強。

3.長三角物流網絡結構的穩定性與分裂指數

（1）凝聚子群分析。為探究長三角物流網絡結構的穩定性與分裂指數，首先進行網絡空間聚類特征分析。在Ucinet 中采用基于點集位置結構關系的CONCOR 算法，將最大分割深度設為2，27 個核心城市被劃分成4個子群，同時得到反應各子群間聯系強度的密度矩陣，見表4所列。由于每年的子群分割變化緩慢，特以樣本范圍內的第一年和最后一年的子群進行比較分析。

表4 長三角物流網絡空間聚類的密度矩陣

如圖4所示，2003—2017年長三角物流網絡的凝聚子群結構相對穩定，以上海為代表的第一子群包含的核心城市數量最多，第三子群包含的核心城市數量最少，第二子群最為穩定，尚未發生改變。第一、二子群多為經濟發達的長三角東部地區城市，經濟相對較差、交通區位欠佳的長三角西部地區城市則聚集在第三、四子群。與2003年相比，現階段合肥從第三子群加入了第一子群，表明安徽省在融入長三角一體化的過程中取得了顯著的發展成果。

所有子群的內部聯系均大于外部聯系，且現階段的內部聯系值均大于0.5，表明長三角物流網絡的子群內部具有高度的信息和資源流動性，整體網絡的聯系密度進一步增強。第一子群的內部聯系最為緊密，第四子群的內部聯系最弱，且呈現出經濟越發達、內部聯系越緊密的格局，不利于長三角物流網絡的均衡發展。第三、四子群由于經濟發展相對緩慢，因而內部聯系和外部聯系都不緊密。外部聯系的平均密度呈上升趨勢，表明現階段的長三角物流網絡發展雖東西失衡，但各子群之間的聯系正在增強，一體化趨勢明顯，正朝著資源共享的方向努力。

圖4 長三角物流網絡凝聚子群分布

（2）Lambda 集合分析。“Lambda 集合”通過分析網絡層級的邊關聯度，可以衡量網絡結構的整體穩定性，長三角物流網絡的Lambda 分析，結果如圖5所示。

圖5 Lambda集合樹狀圖

最小邊關聯度是基于網絡節點連接的穩定性提出的概念，橫坐標為Lambda值，代表最小邊關聯度，縱坐標為各物流節點城市。圖5分別為2003年和2017 年長三角物流網絡Lambda 集合樹狀嵌套圖，可以發現21世紀以來，上海和蘇州的最小邊關聯度最高，表明這兩個城市在長三角物流網絡中的物流聯系最穩健，并且這種關系隨著時間的推移得到進一步的鞏固，最小邊關聯度由2003 年的21 上升至2017年的25；而緊隨其后的南京由17上升至18，但在2017 年被杭州超過。上述4 個城市皆為長三角物流網絡中的第一子群，表明第一子群的內部結構最為穩健，而位于網絡邊緣地區的銅陵等城市最小邊關聯度雖有提高，但仍對其他城市具有較強依賴，長三角物流網絡的邊緣城市結構十分脆弱。

（3）分裂指數分析。由圖5 可以看出，長三角城市物流的層級結構十分明顯，2003—2017 年網絡內的層級數量有所增加，因此需要對長三角物流網絡的分裂指數做出量化分析。在社會網絡分析中，采用E-I 指數表示分裂指數，以此測量派系林立程度。將凝聚子群中的四個子群作為測量EI 指數的屬性矩陣，在ucinet 中對長三角物流網絡的分裂指數進行計算。由計算結果可知，2003—2017 年長三角物流網絡的分裂指數均為正值，表明此網絡中關系趨于發生在子群之間，意味著派系林立的程度較高；結合表4中的凝聚子群網絡密度可知，子群之間的網絡密度低于子群內部的網絡密度，表明子群之間的聯系多屬于弱關聯，而子群內部的聯系屬于強關聯；子群內的網絡密度遠高于子群間的網絡密度，各子群的物流活動偏向于在內部進行，即各種資源交換多發生在子群內部，“內卷化”特征也逐步顯現；隨著“內卷化”的加劇，分裂指數由0.544降至0.521，朝著負方向發展，阻礙了長三角物流網絡的一體化進程。

四、長三角物流網絡空間格局不平衡演進的驅動因素

基于上文對長三角物流網絡發展過程中的整體特征、個體特征以及凝聚子群分析，發現現階段長三角物流網絡的演進并沒有打破經濟發展的空間格局，正處于東西失衡的狀態，很大程度上存在“馬太效應”和“內卷化”現象。對于長三角物流網絡動態聯系與網絡特征的分析，展現了長三角物流網絡的發展過程與現狀，但揭示現階段網絡格局的驅動因素、打破東西失衡的僵局，才是研究長三角物流網絡的落腳點。因此在上述研究的基礎上，深入挖掘長三角物流網絡不平衡演進的驅動因素具有較強意義。

為探究長三角物流網絡不平衡演進的驅動因素，運用地理探測器中的分異及因子探測、交互作用探測，探測其空間分異特征與驅動因子。采用上文中的9個影響因素為探測因子，探測其對物流質量水平的作用強度。通過Arcgis 中的自然斷裂點法將探測因子劃分為5個等級，因子的空間離散化分布如圖6所示。

圖6 探測因子空間離散化分布

通過自然斷裂點法將樣本數據離散化處理后，利用Geodetector 工具對長三角物流網絡不平衡演進的影響因素進行因子探測，分異及因子探測器測算結果見表5 所列，作用強度q值越大表明該因子對空間分布特征的影響程度越高，p值越小則表明該因子對空間分布特征的解釋力越大。

表5因子探測的結果顯示，2003—2017年各探測因子影響強度變化不大，除個別指標外，大多數探測因子對長三角物流網絡空間分異均保持在較高的作用強度。9個探測因子對長三角物流網絡空間分異的平均作用強度由強至弱依次為：社會消費品零售總額（X4）＞地區生產總值（X9）＞郵政業務總量（X2）＞國際互聯網用戶（X7）＞貨運量（X1）＞電信業務總量（X8）＞郵政局數（X6）＞進出口總額（X3）＞公路里程（X5）。由此可見，21世紀以來影響長三角物流網絡不平衡演進的核心影響因素為物流需求、信息化水平和區域經濟。其中，區域經濟和信息化水平的作用強度最高，平均q值分別為0.942和0.873，表明區域經濟和信息化水平的不平衡發展是導致長三角物流網絡空間分異的主要驅動因素。此外，基礎設施建設的作用強度最低且對影響空間特征的解釋力較弱，表明長三角物流網絡各節點城市的基礎設施建設均較為完善，但已經不是影響長三角物流網絡發展的主要驅動因素。

長三角物流網絡的不平衡演進并不完全是由單個影響因子的驅動而導致的，各影響因子之間的交互作用也是導致現階段長三角物流網絡空間分異特征的重要原因，測算結果見表6所列。

表5 長三角物流網絡不平衡演進因子探測結果

表6 長三角物流網絡不平衡演進因子交互作用探測結果

因子的交互作用探測結果表明，90%以上的交互作用類型為雙因子增強，即因子之間的交互作用都大于單個因子對長三角物流網絡空間分異的影響，且大部分交互作用強度在0.9左右。其中，公路里程∩進出口總額、公路里程∩電信業務總量的交互作用類型為非線性增強。公路里程一定程度上決定了物流節點城市的交通可達性，是物流溝通的必要條件。公路里程（X5）作為物流基礎設施建設指標在單因子探測方面對長三角物流網絡空間分異的作用強度最弱，但其在與物流需求指標及信息化水平指標相結合后，對長三角物流網絡空間分異的形成具有極強的推動作用。

五、結論與政策建議

本文通過熵權TOPSIS測算長三角物流網絡各核心城市的物流質量指數，利用改進引力模型研究長三角核心城市的物流聯系情況，再通過社會網絡分析（SNA）方法分析長三角物流網絡的網絡空間分異特征，最后采用地理探測器挖掘長三角物流網絡不平衡演進的驅動因素。主要研究結論如下：

（1）從物流質量水平看，大部分城市的物流質量水平相較于21 世紀初都取得了較大的突破，安徽省部分城市現階段的物流質量水平偏低，但其增速較快，進一步推動了長三角物流網絡的發展。

（2）從整體網絡特征看，網絡密度增長減緩、凝聚子群結構十分穩定，表明長三角物流網絡的內部聯系日益增強并且網絡發展趨于成熟；由于經濟、政治及區位等因素的影響，整體網絡密度標準差較高，網絡內部的差異也日漸顯著。

（3）從個體網絡特征看，現階段的長三角物流網絡仍處于不平衡演進狀態，三種中心度指標均呈現東強西弱的特點；長三角東部地區城市作為承接上海資源轉移的優先區位點，在吸收優勢資源的同時也對其他地區產生強大的物流輻射能力；長三角西部地區城市的凝聚力和對資源的控制程度都低于長三角東部地區，但獨立性正在迅速增強。

（4）從驅動因子探測結果看，區域經濟和信息化水平的不平衡發展是導致長三角物流網絡空間分異的主要驅動因素；基礎設施建設的因子作用強度最低且對影響空間特征的解釋力較弱，但在與物流需求指標及信息化水平指標相結合后產生的交互作用卻是長三角物流網絡不平衡演進的重要推動力。

實證結果表明，“東西失衡”“馬太效應”和“內卷化”既是長三角物流網絡不平衡演進的三種表征，也是阻礙長三角物流網絡一體化進程的“三座大山”。為打破阻礙長三角一體化均衡發展的壁壘，解決長三角物流網絡不平衡演進問題迫在眉睫，根據本文的實證研究提出以下政策建議：

（1）“機制破壁”——激發物流節點的溢出效應。現階段長三角物流網絡各節點城市的物流質量水平還有較大的上升發展空間，蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城等此類剛加入長三角物流網絡的城市節點物流質量水平較低，但其增長速度呈現出“后來居上”的態勢。由此可見，在安徽各城市為長三角物流網絡帶來新鮮血液的同時，長三角物流網絡也為其發展注入了新的助推劑。各城市應走出舒適圈，突破固化的體制機制，與長三角之外的物流城市節點積極地產生物流聯系，激發正向溢出效應，擴大物流輻射范圍，以此推動長三角物流質量水平進一步提升。

（2）“資源破壁”——打破網絡格局的馬太效應。長三角物流網絡的發展現狀沒有打破經濟發展水平的分布格局，呈現出馬太效應。在充分認識長三角物流網絡中心度特征的基礎上，加大內部資源共享力度，將長三角東部地區的優勢資源引向西部地區，幫助西部地區提高經濟發展水平，從而更深層次地實現長三角一體化的均衡發展。各地方政府需要打破資源壁壘，凸顯統籌規劃，因地制宜地選擇相適應的發展模式，高效利用各種資源，充分發揮自身的發展優勢，才能為打破馬太效應奠定扎實的經濟基礎。

（3）“要素破壁”——強化驅動因素的聯動效應。基礎設施建設在一定程度上決定了物流節點城市的交通可達性，是物流溝通的必要條件。從長三角物流網絡空間分異的驅動因子探測結果看，基礎設施建設指標在單因子探測方面對長三角物流網絡空間分異的作用強度最弱，表明現階段長三角物流網絡的發展對基礎設施的依賴性正在減弱。區域經濟和信息化水平對現階段物流網絡影響最顯著，且因子之間的交互作用表現優于單一驅動因子。其中，基礎設施建設與區域經濟、信息化水平聯動之后產生的交互作用對長三角物流網絡的影響最大。因此，政府在提高經濟發展水平和信息化水平的同時，也要利用驅動因素之間的聯動效應，重視對基礎設施建設的規劃與布局。以國家戰略聚焦和疊加為契機，全方位深層次地推動長三角一體化發展［19］。