長三角城市群經濟極化效應空間分布與自相關特征分析

陳慶琳 王成城

摘 要：本文以2016—2020年長江三角洲城市群的26個城市為例，對長三角三省一市城市群的經濟極化指數與區域經濟極化效應的城市貢獻度進行測算，運用空間自相關等方法對城市經濟極化效應進行分析，以期對長三角區域經濟的發展提供參考。研究認為：長江三角洲城市群的經濟極化水平呈波折下降趨勢；長三角地區經濟極化貢獻度極處于多核心分布；經濟極化貢獻度具有空間正相關特征，局部自相關以H-H和L-L為主，空間分布較為集聚，并基于以上結論提出建議，以供參考。

關鍵詞：空間自相關；長三角城市群；TW指數；經濟極化貢獻度；區域發展

本文索引：陳慶琳，王成城.<變量 2>[J].中國商論，2024（04）：-021.

中圖分類號：F127 文獻標識碼：A 文章編號：2096-0298（2024）02（b）--05

2018年，習近平總書記在首屆中國國際進口博覽會開幕式上宣布，將支持長江三角洲區域一體化發展，并上升為國家戰略。近年來，長三角地區作為中國經濟發展最為活躍和密集的區域，區域經濟強勁活躍增長，對全國經濟影響力、帶動力不斷提高，對全國經濟貢獻率持續提高。但同時，由于資源稟賦與經濟基礎及區位等因素的差異，長三角內部各城市間的經濟發展仍然存在明顯的差異和不均衡現象，即經濟極化現象。參考國外最早的Esteban和Pay（1994）對該詞的定義，經濟極化現象在區域經濟發展過程中可被解釋為“中間階層消失”或“向兩極集聚”的現象，意味著經濟區域內中等經濟水平的城市相對較少，而經濟水平較高和較低的城市則相對集中。經濟極化領域的研究最早源于國外，是由Karl Gunnar Myrdal（1957）提出，認為經濟極化是一種兩極分化的現象，即隨著市場力量的發展，發達地區通過市場競爭、創新和資源配置等機制，不斷獲得更多的資源和機會，進一步拉大與落后地區之間的差距。相較而言，國內對經濟極化現象的研究較晚，蘆惠等（2013）研究了2000—2010年中國區域經濟差異和極化的演變趨勢，認為東部地區的經濟差異和極化現象較顯著，西部地區的經濟差異和極化也在不斷擴大和增強，中部地區的經濟差異和極化相對較小，東北地區的經濟差異和極化則呈現下降趨勢。孫鐵山（2016）通過研究分析中國京津冀、珠三角和長三角區域經濟集聚水平和空間結構特征演化，以揭示這些與地區經濟增長的關系，即京津冀與珠三角地區主要圍繞中心城市的經濟極化推動地區經濟增長，長三角地區則是多中心的經濟集聚促進經濟的發展。葉磊等（2014）專門對長三角地區的經濟極化現象進行分析，研究表明長三角地區經濟極化的驅動力與極化水平之間存在較為明顯的相互促進關系。

本文通過對長三角地區2016—2020年26個城市的經濟極化指數和區域經濟極化貢獻度進行測算和分析，采用空間自相關等方法，運用ArcGIS、Geoda等探索性空間數據分析工具，對長江三角洲城市群經濟極化度和經濟極化貢獻度的集聚或輻射效應進行分析，探討城市經濟極化效應的時空特征和相互關系，以期為長三角地區經濟發展政策的制定提供借鑒和啟示，以及對類似地域或經濟區域的研究提供一些參考。

1 數據與方法

1.1 數據來源

本文根據國務院2016年批準的《長江三角洲城市群發展規劃》，將上海，江蘇省的南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮江、泰州，浙江省的杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州，安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城等26市作為研究對象，選取這26市的國內生產總值、進出口總額、實際利用外資和常住人口的年度數據，統計數據來源于2017—2021年《中國統計年鑒》和《省級統計年鑒》及各地市國民經濟與社會發展統計公報。

1.2 研究方法

1.2.1 空間自相關

空間自相關方法運用統計學原理和地理空間理論，探究相鄰區域間的地理現象或屬性之間的關系，這種相關性具有空間依賴性，也就是相似特征在空間上具有一定的聚集性，即空間自相關性。相鄰的空間單元具有相似的特征或屬性取值則反映了其存在正相關關系，即其在某種程度上相互影響或受到相似的影響因素；而相鄰的空間單元具有不同的特征或屬性取值則反映了其存在負相關關系，即其在某種程度上彼此對立或受到不同影響因素的作用；其取值不呈現任何明顯的空間依賴關系時，無論空間單位之間的距離遠近，這一變量都表現出空間不相關性或空間隨機性。

空間自相關分析方法根據分析的尺度不同，可以分為全局空間自相關和局部空間自相關。全局莫蘭指數用于檢驗整個研究區域中相鄰地區是否相似或相異，常用的全局空間自相關統計量有Moran’s 系數和Getis G 系數，本文采用Moran’I系數對長三角26市進行全局空間自相關分析，判斷屬性值在空間上的聚集和分散情況，Moran指數I的取值一般在-1～1，Moran’I取值接近1，表明變量在空間上呈現正相關性，即高值的區域周圍有高值區域，低值的區域周圍也有低值區域；Moran’I 取值接近-1，則表明變量在空間上呈現負相關性，即高值的區域周圍有低值區域，低值區域周圍有高值區域；如果Moran’I 系數接近0，就表示變量在空間上呈現隨機分布。局部空間自相關則是基于局部范圍的空間單元，通過統計量來描述和度量局部區域內空間對象屬性值的分布狀態和模式，其相對全局空間自相關具有更細粒度的分析能力，能夠捕捉局部范圍內的空間異質性。常用的局部空間自相關統計量有Local Moran’s I 系數和Local Getis G系數。Local Moran’s I 系數用于評估局部空間自相關性，可以識別局部范圍內具有顯著正相關或負相關的聚集區域；Local Getis G系數則用于檢測局部范圍內具有統計顯著的高值和低值聚集區域。本文采用莫蘭散點圖及G指數進行局部空間自相關檢驗，精確地反映出長江三角洲地區各城市經濟極化效應的分布特征。

1.2.2 極化指數

現有文獻對經濟極化指數的測算通常采用單一指數，如利用ER、TW、KZ、WOLFSON等來衡量經濟的不平等程度或極化程度。而本文從中選擇了TW指數作為所使用的極化測量指標，TW指數是由崔啟源和王有強于2013年結合Wolfson指數的推導得出的，可以較好地反映區域經濟中的“兩極分化”和“擴散增加”趨勢，計算公式如下：

式中，θ為反映空間極化指數敏感性的正的常數標量， 本文取θ=0.5；N為長三角區域的總人口數；n是地理區域數，本文中n=26；s（i）為i城市的人口數；q（i）為i城市的人均GDP；m為長三角地區人均GDP的中位數；r為（0，1）其間的任一值，本文取r=0.5。

1.2.3 區域經濟極化效應的城市貢獻度

為了比較不同城市在經濟極化中所起到作用，識別出極化效應和發展差異，進一步理解城市間經濟發展的格局和趨勢，本文借鑒王成城等（2017）提出的創新極化貢獻度模型，構建長三角區域經濟極化中26市所發揮貢獻的指標，即區域經濟極化效應的城市貢獻度，公式如下：

其中，C為區域極化效應的城市貢獻度；n為地理區域數；s（i）為長三角地區i城市區域的人口數；N（i）為i地區的人口數；m為長三角地區人均GDP的中位數；m'為不包含該城市的其他城市人均GDP的中位數；q（i）為i區域的人均GDP；θ取值為0.5；r為敏感系數，取值為0.5。

2 長江三角洲區域經濟極化演變分析

2.1 極化指數分析

對長江三角洲2016—2020年TW指數進行計算后結果如圖1所示，近5年來長三角地區整體經濟極化度波動不大，經濟極化趨勢趨于平緩，極化指數處于較低水平，數值呈現波折下降的趨勢。這說明經濟從過去的空間集聚趨勢轉變為更為分散的空間擴散趨勢，表明長三角區域內經濟發展水平高的地區和經濟較為落后的地區之間的差距在逐步縮小。整體而言，區域經濟發展向更為均衡的狀態轉變，這種變化可能受經濟政策的調整、經濟轉型的推動、區域互聯互通的改善和技術創新與科技進步等因素的影響。

2.2 區域經濟極化效應的城市貢獻度分析

本文將TW極化指數進一步分解成區域經濟極化效應的城市貢獻度，運用python編程軟件根據式（2）測算2016—2020年長三角地區26市對全區域經濟極化的貢獻程度，如表1所示。

由表1可知，整個長三角地區西部就是安徽省區域處于經濟極化貢獻度極，東部則是上海，中間貫穿江浙的杭州、南京等城市。上海市的經濟極化貢獻度最高，同時上海的經濟水平是最高的，很明顯是區域極化貢獻極，對極化效應具有促進作用。江蘇省內，鹽城是省內唯一經濟極化貢獻度高的城市，但是GDP值較低，對極化效應有抑制作用；南京、無錫、蘇州經濟極化貢獻度較高，GDP值也較高，對極化效應有一定的促進作用；江蘇省其他城市的極化貢獻度都較低。浙江省內，雖然臺州、金華、湖州和嘉興的經濟極化貢獻度較高，但其GDP值是省內較低的，對經濟極化效應具有抑制作用；杭州經濟極化貢獻度較高，GDP水平也高，對極化效應起到促進作用；紹興、寧波和舟山的經濟極化貢獻度則較低。安徽省的合肥和蕪湖經濟極化貢獻度都高，安徽其他城市都處于較高水平，安徽省相較整個長江三角洲城市群的GDP來說，整體偏低，就長三角區域的極化效應來說，具有抑制作用。

3 長江三角洲區域經濟極化城市貢獻度的空間相關分析

3.1 全局自相關分析

本文運用Arcgis10.8將每年26市的經濟極化貢獻度數值分別連接到文件類型為shp的長江三角洲城市群地圖的屬性表中，運行ArcToolbox，打開空間統計工具選擇分析模式中的空間自相關（Moran’s I），得到各年份的Moran指數統計結果，如表2所示。

由表2可以看出，2016—2020年，長江三角洲地區經濟極化貢獻度Moran指數皆為正值，且都有5%或10%的顯著水平（除2016年），證明整個長三角區域各市的經濟極化貢獻度呈現區域一體化趨勢，而不是隨機分布的，具有空間正相關特征，集聚效應十分明顯。

3.2 局部自相關分析

Moran散點圖的結果分析在一定程度上揭示了長江三角洲城市群不同城市之間關系的類型，但尚不能解釋特定城市經濟極化貢獻度發展對其周邊城市的影響程度。四象限的散點圖中，X軸是城市本身標準化后的觀測值，Y軸是相鄰城市與該城市之間經加權后的空間滯后值。第一象限（H-H）即高值聚集象限、第三象限（L-L）即低值聚集象限，兩象限代表空間正相關；第二象限（L-H）即高值包含低值異常象限、第四象限（H-L）即低值包含高值異常象限，兩象限代表空間負相關。把合并了五年數據經濟極化貢獻度的均值生成的長江三角洲城市群的shp文件導入Geoda軟件，在空間權重面板中，選擇k-近鄰權重矩陣，并設置臨近地區為2，在單變量局部Moran’I選中Moran散點圖等，繪制的散點圖結果見表3。

由表3可以看出，9個城市位于第一象限，7個城市位于第四象限，也就是占總數62.6%的城市都處于空間正相關象限，驗證了之前全局Moran指數為正且空間相關性較強的結果。具體來看，安慶、池州、滁州、馬鞍山、銅陵、蕪湖、宣城、蘇州、嘉興位于第一象限，這些城市本身經濟極化貢獻度較高，絕大部分城市為安徽省內經濟水平較低的城市，其經濟水平低于整個長三角地區的平均水平，是需要被輻射帶動的區域，這些城市形成了經濟極化貢獻度聚集區域；合肥、南京、南通、杭州、紹興處于第二象限，這類城市自身的經濟極化貢獻度并不顯著，且地理位置都較分散，來自不同的省份，與周圍城市形成經濟貢獻度的逆差；常州、泰州、無錫、揚州、鎮江、寧波、舟山位于第三象限，其本身經濟極化貢獻度不是很高，在整個區域中處于中等水平，基本來自江蘇省和浙江省，從空間分布上屬于空間集聚狀態；鹽城、上海、湖州、金華、臺州位于第四象限，這些城市自身經濟極化貢獻度高于周圍城市，地理位置比較分散，上海屬于典型本身經濟水平較高且輻射著周圍的城市。

4 結語

4.1 結論

（1）2016—2020年，長三角區域的經濟極化水平呈波折下降趨勢，表明長三角地區經濟極化現象近年逐漸減緩，城市之間的經濟差距整體逐漸縮小。

（2）長三角地區經濟極化貢獻度極處于多核心分布，經濟水平極值較多。從內部來看，東部以上海為中心的大城市與西部以安徽省為主要地區及江浙個別處于區域南北邊緣的城市極化貢獻度高，中部貢獻度低的區域主要是江浙地區的大多數城市。上海作為長江三角洲城市群的經濟極化核心城市，無論是經濟水平還是經濟極化貢獻度，都是穩居第一的位置，對整個區域的經濟極化效應產生顯著的推進作用；西部的安徽省和南北個別江浙城市與區域中部地區分別代表低經濟水平-高經濟極化貢獻度與中等經濟水平-低經濟極化貢獻度的情況，主要特征為經濟水平較好但不處于整個區域的領先位置（如合肥、南京、南通等），對于緩解整體區域的經濟極化效應具有重要意義，在很大程度上促進了長三角地區經濟的持續增長，為長三角地區的經濟穩定提供了重要動力，輻射著經濟相對落后的地區，加快了較為落后地區的經濟發展速度。

（3）長三角地區經濟極化貢獻度具有空間正相關特征，集聚效應十分明顯。經濟活動的空間分布呈現出由集聚到擴散的趨勢，表明經濟活動開始向更廣泛的地區擴展。整體而言，區域經濟發展逐漸趨向相對均衡狀態。

（4）長三角地區經濟極化貢獻度局部自相關以H-H和L-L為主，空間分布較為集聚，說明經濟極化貢獻極分布呈小塊區域性分布。小塊區域與區域之間經濟水平差距大，尤其是安徽省區域經濟極化貢獻度逐漸增強，說明近幾年安徽省的經濟水平與江浙滬地區還存在一定差距，也就是省與省之間、城市與城市之間的經濟水平發展還具有不平衡性。

4.2 政策建議

通過對長江三角洲地區的經濟極化度和經濟極化貢獻度的空間自相關分析可以看到，近五年來，國家長江三角洲一體化戰略的實施不僅加強了區域協調發展，還促進了整個區域的經濟質量高水平發展。然而，長三角地區內部區域仍存在經濟的不平衡發展，地區差異明顯，經濟極化貢獻度極較多。對此，本文提出幾點政策建議：

一是統一大市場，促進區域協調發展。打破省與省之間的行政區域壁壘，建立省級統一的市場制度，尤其是對鄰近卻不屬于同一省的城市之間，如宣城-杭州、滁州-南京，發展各個城市之間的合作機制，促進要素自由流動，實現資源的充分配置和順暢流通，進一步發揮經濟極化貢獻極過渡區域城市的傳遞作用和江浙滬地區的擴散效應功能，共同緩解經濟極化貢獻度極集聚的現象。

二是根據長三角地區內城市之間的經濟聯系分析結果，改進基礎設施建設，加強交通、能源、水資源等基礎設施的建設和改善，提高區域內城市的連接性和資源流動性，促進資源要素的平衡配置，特別是加強經濟落后城市的基礎設施建設，提高其發展潛力和吸引力。

三是促進人才流動和人才培養。建立人才交流和引進機制，吸引高層次人才和創新人才跨省跨市工作和創業，加強與科研機構、高校等的合作，推動科研成果的應用和轉移。加強職業教育和技能培訓，提高勞動力素質，滿足經濟發展的需求。

四是協調城市間的產業布局和發展規劃。各城市根據資源稟賦和地區優勢發展具有自身特色的產業，鼓勵長三角地區各城市形成互補性發展，避免過分依賴某一城市或某一產業，避免過度集中和不均衡發展。

參考文獻

Esteban J M，Ray D C.On the measurement of polariza-tion.Econometrics，1994（62）：819-851.

Myrdal G.Economic Theory and Underdeveloped Regions[M].London：Gerald Duckworth&Co Ltd，1957.

蘆惠，歐向軍，李想，等.中國區域經濟差異與極化的時空分析[J].經濟地理，2013，33（6）：15-21.

孫鐵山.中國三大城市群集聚空間結構演化與地區經濟增長[J].經濟地理，2016，36（5）：63-70.

葉磊，歐向軍，張洵.長江三角洲地區經濟極化的驅動力機制研究[J].地域研究與開發，2014，33（2）：60-66.

田成詩，蓋美，中國地區勞動生產率的空間統計分析[J].東北財經大學學報，2004（2）：87-90

鄧學龍，曹世武，王慧.區位導向性政策下廣西人口與經濟空間格局演變[J].地域研究與開發，2022，41（6）：20-25.

張學良.探索性空間數據分析模型研究[J].當代經濟管理，2007 （2）：26-29.

黃馨嫻，胡寶清.廣西區域經濟極化時空格局研究[J].地域研究與開發，2017，36（5）：17-22.

Wang Y Q， Tsui K Y. Polarization Orderings and New Classes of Polarization Indices[J]. Journal of Public Economic Theory， 2000， 2（3）：349–363.

Foster J，M C Wolfson.? Polarization and the Dee line of the Middle Class： Canada and the US [R]. Nashville： Vanderbilt University，1992.

王成城，李紅梅，韋守明. 基于扎根理論的中國空間極化定量研究現狀分析[J].華東經濟管理，2017（ 5） ： 168-175.

姚海華.長三角城市的貿易集聚效應與上海的貿易輻射效應研究[J].華東經濟管理，2012，26（11）：1-6.

陳堯. 廣東省區域經濟極化與協調發展研究[D].廣州：中共廣東省委黨校，2022.

段學軍，虞孝感，Josef Nipper.從極化區的功能探討長江三角洲的擴展范圍[J].地理學報，2009，64（2）：211-220.

許玲，耿加進.流通業集聚、經濟空間距離與城市經濟增長：基于長三角地區城市樣本的實證[J].商業經濟研究，2023（4）：25-28.

謝永琴，武小英，宋月姣.長江經濟帶對外開放度時空演化特征及影響因素[J].統計與決策，2022，38（8）：123-128.

晏王波，張曉祥，姚靜，等.基于GIS的鹽城市區域發展時空特征研究[J].地理空間信息，2013，11（2）：104-106+110+11.