船舶工业与经济系统融合程度分析—以青岛市为例

徐小峰, 刘家国，郝俊

(1.中国石油大学(华东) 经济管理学院，山东 青岛 266580; 2.大连海事大学 交通运输管理学院，辽宁 大连 116026)

船舶工业与经济系统融合程度分析—以青岛市为例

徐小峰1, 刘家国2，郝俊1

(1.中国石油大学(华东) 经济管理学院，山东 青岛 266580; 2.大连海事大学 交通运输管理学院，辽宁 大连 116026)

世界航运市场需求低迷和我国造船产能严重过剩，促使全国及各地区船舶工业加快产业结构转型升级。为保障调整措施的针对性和有效性，首先需要对区域船舶工业与经济系统之间的互动关系和融合程度进行研究。为此，本文结合青岛市1990-2014年经济数据信息，利用VAR构建了船舶工业与经济系统变量之间的动态传递模型，并运用Granger因果检验和Cholesky正交脉冲响应，分析了变量间的关联效应和影响趋势。分析结果显示：青岛市船舶工业与经济系统形成了紧密的互动关系；融资渠道和服务模式对船舶工业发展具有重要影响；产业链条和产品种类需要优化配置。

船舶工业；结构调整；VAR模型；区域经济；产业融合

船舶工业是为海洋运输、海洋开发和国防装备等提供载体支持的基础产业，是集劳动、资本、技术等密集型生产要素于一体的总装制造业[1-2]。面对世界经济复苏迟缓、国内经济增速放慢、海运市场持续低迷等不利局面，2014年我国船舶工业经受了新船需求不足、产能结构化过剩、海洋工程市场风险突显等困难考验，造船完工、新接订单和手持订单等三大指标均保持了世界第一的领先位置，造船大国地位进一步巩固[3]。但是在经济运行过程中，也暴露出我国船舶工业目前还存在发展后劲不足、企业盈利困难、产能利用率低等问题。为此，政府出台了若干确保船舶工业与区域经济协调发展的政策，以加快产业结构转型升级步伐。那么，船舶工业作为国民经济发展支柱产业，随着区域经济阶段变化和产业结构适应调整，与其影响因素将呈现何种关联关系和变化特征，应如何采取措施促使其产业结构有序优化，成为当前船舶工业结构调整所关注的热点问题。

关于区域船舶工业与经济系统的影响研究多是运用关联效应[4]、投入产出[5]、灰色系统[6]等方法，结合某一时点或区间的投入产出数据，分析其对经济发展的推动作用和对相关产业的带动影响。在此基础上，有研究结合产业升级定位[7]、技术发展趋势[8]、市场竞争需求[9]等客观因素，提出了船舶工业产业结构优化调整的模式及对策。综合上述分析，可看出当前针对船舶工业与区域经济及关联产业的动态融合性、互动性研究较为缺乏，而产业关联效应变化趋势是反映产业经济联系内在规律的关键依据，其演化轨迹对产业结构转型升级政策制定具有重要参考价值。因此，本文以青岛市1990-2014年统计数据为基础，研究船舶工业与区域经济互动关系及关联产业的融合程度，考察在不同经济发展阶段船舶工业产业关联效应的动态变化特征与趋势，并以此为依据提出青岛市船舶工业结构优化方向。

1 研究设计

1.1 研究区域

青岛市是国家级船舶产业示范基地和船舶出口基地，船舶工业是推动其蓝色经济发展的支柱产业之一，现已形成涵盖船舶、海工装备、游艇、配套零部件、集装箱生产于一体的船舶海工产业链。目前青岛市已规划建设完成的基地有黄岛区海西湾和即墨女岛两大基地，正在规划建设以船舶海工为主的胶南董家口基地，错位发展的产业格局基本形成(如图1)。

图1 青岛市船舶工业产业格局Fig.1 The shipbuilding industrial pattern of Qingdao city

虽然青岛市船舶工业已形成了以特色龙头企业为支撑的产业聚集区，但是由于良好的地理优势和前期旺盛的市场需求，该行业内还存有大批以小型船舶修造为主、经营规模偏小、产品附加值低的船舶制造及配套企业，随着市场需求持续低迷和竞争日趋激烈，产能结构化过剩问题逐渐显现，影响了青岛市区域经济的整体发展水平。遏制产能进一步过剩，促进产业结构优化升级，实现船舶工业与区域经济协调发展，将为青岛市实现蓝色经济腾飞提供重要契机。本文以青岛市1990-2014年的经济运行状况为基础，分析区域船舶工业与经济系统之间的互动关系及融合程度，为产业结构转型升级提供决策依据。

1.2 研究方法

1.2.1 运用VAR模型选取影响变量

以经济理论为基础的结构化分析模型需预先确定问题及解释变量，并由此推断变量间的关联关系[10]，而区域船舶工业与经济系统之间的作用影响属于非结构化问题，难以通过理论分析直接确定解释变量。因此，选用向量自回归模型(vector autoregression models, VAR)来描述经济变量间的非结构化动态关联。这是由于VAR是基于数据的统计性质构建模型，不存在问题识别和内生变量解释等复杂过程，能够高效处理多变量相关分析、预测和随机扰动对系统动态冲击等问题[11]。

假设区域船舶工业与经济系统变量之间的VAR(p)模型数学表达式是

(1)

式中：Yt是代表区域船舶工业发展的k阶内生变量向量;Xt是区域经济系统中影响船舶工业的m阶外生变量向量;Ai和D分别是k×k和k×m阶的系数估计矩阵;p是滞后阶数；N是样本总数。需要预先确定的是：经济变量X和Y的候选范围、向量滞后阶数p(保证随机扰动项服从向量白噪声)，在模型求解过程中，为避免出现“伪回归”现象，还需对时间序列向量进行平稳性检验。

(2)

若引入滞后算子L，则又可以表示为

(3)

其中，A(L)=Ik-A1L-A2L2-L-APLP为滞后算子多项式。通过估计An(n=1,2…p)系数矩阵取值，可以确定区域经济系统中与船舶工业关联较为紧密的经济变量。

1.2.2 采用Granger检验确定互动关系

上述构建的动态模型可解析区域船舶工业与经济系统变量之间的关联关系，但无法识别其中的因果互动关系，而Granger检验可从统计意义上分析变量间的因果性[12]，这对区域船舶工业结构优化具有重要的决策参考价值。

(4)

如果S1小于F的临界值，则接受原假设：yjt能Granger引起yit；否则拒绝原假设。其中，RSSi是yit方程uit的残差平方和，RSSi是不yit滞后变量的方程残差平方和。由于F检验要求满足高斯分布，所以也可用一般的渐进等价检验来代替

(5)

如果S2小于的χ2临界值，则接受原假设；否则拒绝原假设。

1.2.3 利用IRF方法衡量融合程度

(6)

(7)

由此可以看出，Cholesky正交分解法中脉冲响应结果取决于VAR(p)模型中的变量次序。

2 变量描述与数据处理

2.1 变量描述

本文着重研究分析区域船舶工业与经济系统中变量的互动关系与融合程度，并选取青岛市典型区域作为研究样本，从中国船舶工业年鉴和青岛市统计年鉴提取了VAR(p)模型中10个初始内生变量的数据信息，数据跨度从1990～2014年共25个观测值。VAR(p)模型中初始内生变量的信息描述及数据处理如表1所示。

表1中1～3变量代表区域经济系统的发展状况，其中，sv与船舶工业发展密切相关，是衡量区域船舶工业发展水平的关键变量。4～6个变量代表区域贸易、客运、旅游等与船舶工业相关市场的价值产出。7、8变量表示社会经济和金融服务等与船舶工业相关渠道的资金投入，尤其在国际航运和海工市场低迷情况下，创新金融模式、扩大融资渠道已成为船舶企业降本增效的关注重点。9、10变量表示区域城市化程度和经济吸纳能力，反映了与船舶工业发展环境相关的基础条件。

表1 变量说明

注：1. 假定价格因素长期线性稳定，pi表示第i年的价格影响指数，i=1,2, …,n；2.cnumberi、enumberi、numberi表示第i年末区域非农业人口数、就业人口数、总人口数。

2.2 数据处理

为消除价格因素和数据异方差影响，以1990年为基期对部分变量的原始数据进行了标准化和对数取值。同时，为避免VAR模型出现“伪回归”现象，还需对模型中内生变量数据进行平稳性检验，以保障OLS参数估计的一致性。选用单位根检验中的ADF方法进行变量数据检验，平稳性检验结果如表2所示。

表2 ADF平稳性检验结果

注：er变量是在1%显著水平下趋于平稳。

由表2可以看出，内生变量中gv、te、sf未通过平稳性检验。为保障VAR模型参数的一致性，对未实现平稳的变量取一阶差分后再进行ADF单位根检验，结果表明上述变量在1%显著水平下均实现了平稳。另外，构建VAR(p)模型中还需解决滞后阶数p的选择问题。在进行ADF检验时一般可获得滞后阶数，这种定阶方法是以消除时间序列相关性为目的，存在定阶过高、影响模型自由度等弊端。在VAR(p)模型构建过程中，既要考虑模型动态特征完整反映，还要兼顾参数估计数量，为此，采取LR、FPE、AIC等倾向较低定阶的信息准则方法确定模型滞后阶数为2。

3 实证分析与结果讨论

3.1VAR模型构建分析

为有效分析区域船舶工业与经济系统之间的动态关系，文中以青岛市为例，构建了10维的VAR模型，并采取多种信息准则确定了滞后阶数，建立的VAR(2)模型系数估计如表3所示。估计结果显示多数系数的t统计量在10%显著水平下并不显著，究其原因可能是同一方程中变量的滞后值产生了多重共线性，但这不影响模型滞后阶数选择。

VAR(2)模型整体的拟合优度为0.970 673，表明拟合效果较好。同时，为保障模型脉冲响应分析的有效性，还需对模型进行稳定性检验。文中采取

AR根检验方法，估计的VAR(2)模型所有根模倒数都在单位圆内(如图2)，表明模型是稳定的。这说明尽管青岛市船舶工业与经济系统之间存在着复杂的关联影响，但由sv、gv、ta等10个变量构成的系统是稳定的。

图2 VAR(2)模型稳定性检验Fig.2 VAR(2) model stability test

svgvtatesftcfalaulersv(-1)0.30010.397-0.9925.8670.969-1.605-0.277-0.689-0.0730.039sv(-2)-0.091-0.5940.774-0.5740.0029.8680.2080.5140.102-0.033gv(-1)0.203-1.0890.854-0.4233.053-3.3290.265-0.0480.0470.039gv(-2)2.227-9.4669.546-4.6525.837-16.7940.6702.1250.547-0.130ta(-1)0.1140.519-0.1850.2590.6961.4080.079-0.682-0.0150.084ta(-2)-0.158-2.0390.059-1.211-0.188-3.6400.0800.519-0.089-0.047te(-1)-0.3191.099-1.3400.305-4.8713.721-0.4280.091-0.085-0.063te(-2)-0.396-0.594-1.843-0.942-3.0567.388-0.0660.189-0.107-0.035sf(-1)-0.2540.660-0.9500.304-0.8731.6710.001-0.198-0.0520.020sf(-2)0.0270.3061.0010.3600.450-1.4420.034-0.0880.0840.013tc(-1)-0.048-0.1580.089-0.0250.0720.130-0.007-0.0120.0110.000tc(-2)0.0100.3450.1970.1820.505-1.0830.005-0.0530.0090.007fa(-1)1.26118.9085.13411.68225.174-29.3623.997-0.9510.3440.504fa(-2)1.0289.0898.4815.0654.25715.952-2.6721.1200.029-0.369la(-1)-1.230-24.355-4.277-14.332-25.76630.965-3.8401.640-0.260-0.564la(-2)-1.926-4.040-14.313-2.580-7.748-14.5292.630-2.512-0.4170.507ul(-1)0.877-16.31912.050-7.2275.706-27.302-1.485-3.5790.8480.374ul(-2)3.70012.426-3.9339.39511.6949.4364.4535.5360.492-0.233er(-1)-9.653-200.289-32.471-118.581-217.812271.802-34.88915.095-1.760-5.167er(-2)-16.384-34.783-122.187-22.986-69.441-108.84120.764-20.002-3.5034.005

注：加粗系数表示t统计量在10%显著水平下显著。

在表3中估计的系数虽然大多不显著，但是从部分显著的系数中也可以发现青岛市船舶工业与经济系统之间的关联影响：

sv-gv——船舶工业与青岛市经济发展存在显著关系。船舶工业将会带动机械、钢铁、化工、仪器仪表等相关产业协同发展，这是推动青岛市经济发展的重要动力之一。同时，青岛市工业发展水平和基础设施配套能力又会对船舶工业形成支撑或制约作用，随着滞后阶数增加，这种作用效果会不断增强。

sv-te——船舶工业与青岛市进出口贸易存在显著关系。船舶产品附加值高，其出口将有效带动青岛市贸易发展，但是由于船舶产品制造周期较长，见效较慢，在滞后1阶和2阶中，对进出口贸易发展呈现了一定的负面影响。

sv-tc——船舶工业与青岛市旅游业存在显著关系。作为滨海旅游城市，旺盛的游艇、客轮需求将有效带动船舶工业发展。考虑到船舶产品投资周期长且占用资金多，在滞后1阶对旅游业将会产生负面影响，从滞后2阶后则表现出积极促进作用。

sv-la——船舶工业与青岛市金融服务业存在显著关系。在船舶建造过程中，由于船东议价能力较强，船企往往需要进行项目垫资，这将占用企业过多的流动资金。为保持正常的生产经营，船企多需向地方金融机构进行融资，随着建造进度推移和技术难度增加，这种需求将会变得更加强烈。

sv-er——船舶工业与青岛市就业水平存在显著关系。船舶工业作为多要素密集型产业，随着技术改进和生产模式变革，对从业人员的素质和能力要求越来越高，因而，从就业角度看，随着柔性制造和数字化造船的推广，行业挤出的负面效应将会变得更加明显。

无论VAR(2)模型的系数估计是否显著，在“新常态”经济形势下，文中对青岛市船舶工业与经济系统变量之间的影响符号判断基本符合预期经济意义。作为青岛市的六大支柱产业，船舶工业发展对区域工业、进出口贸易和旅游业具有重要影响。作为总装制造业，青岛市船舶工业对产业链的完整性和经济系统的匹配性提出了较高要求，不仅需要大规模的固定资产投资，还要求有通畅的融资渠道与环境。同时，随着造船技术与生产模式的变革，船舶工业对城市基础环境和从业人员素质也有了更高要求。

表4 Granger因果关系检验结果

注：表示在10%显著水平下，存在Granger因果关系。

3.2 变量互动关系分析

依据上述VAR(2)模型中系数估计的显著状况，可分析得出区域船舶工业与经济系统变量之间的部分关系，但此种分析结果具有一定的主观局限性，变量之间究竟存在何种互动(单向或双向)关系，还需要统计意义上的检验分析。为此，对VAR(2)模型中的变量进行Granger因果关系检验，结果如表4所示。

从表4结果可看出：一方面， gv、te、sf、tc、fa、la、ul、er等单变量及其滞后项对sv具有联合显著性，即这些单变量均是sv的Granger原因，包含ta在内的所有变量及其滞后项对sv具有联合显著性，即经济系统中所有变量共同是sv的Granger原因，这说明青岛市船舶工业内生性良好，与区域经济系统形成了紧密的发展关系。另一方面，sv是gv、ta、te、tc、la等变量的Granger原因，与gv、te、tc、la等变量存在双向互动关系，这说明青岛市船舶工业与区域工业体系、进出口贸易、旅游交通和金融服务等已形成了有效的溢出与反馈机制。sv与ta、sf、fa、ul、er等变量存在单向影响关系，表现出了较强的外生性。这其中，青岛市交通运输主要以陆路为主，对船舶工业产生的行业带动作用不强；船企产品主要以散货船、集装箱船和海工平台为主，未对海运客货市场形成有力支撑；船舶工业发展投资周期长、见效缓慢，很难对固定资产投资产生显著影响。同时，船舶工业发展对城市化程度、就业吸纳能力也未产生明显的影响作用。

图3 VAR(2)模型部分变量的脉冲响应函数Fig.3 Impluse response function of VAR(2) model variables

3.3 产业融合程度分析

文中估计出的VAR(2)动态传递模型系数很难得到精确解释，而Granger因果检验得到的互动关系也仅是对关联效应的统计确认。为明确模型中变量间的影响程度，分析青岛市船舶工业的产业融合状况，还需借助VAR模型的脉冲响应函数。由于Cholesky正交脉冲对模型变量次序极度敏感，所在在做脉冲响应之前，需要对模型变量进行排序，根据变量之间的外生影响确定排序如下：

在构建的VAR(2)模型中共含有10个变量，会产生100个脉冲响应函数。在这里只选取对一个正标准差信息冲击反应较强的脉冲响应函数(如图3)

由变量的脉冲响应函数可以看出，船舶工业无论是作为脉冲变量还是响应变量其作用发挥都有较长的时滞，这与船舶工业投资周期长、见效慢的特点是相吻合的。

从图3中可看出，在当期给sv一个正向冲击后，在长达7期内gv呈现下行波动趋势，从第8期开始出现上升拐点，sv对gv的带动作用明显增强，并形成持续的正向响应。这表明船舶工业作为投资规模巨大的基础产业，在中短期内对青岛市经济将会产生较明显的“抽血效应”，但从长期角度看，其对区域经济将产生明显的拉动作用。sv对la的脉冲响应函数表面上与gv类似，但影响关系却大不相同。一定时期内船舶工业的良性发展会使船企资金充裕，因而向金融机构贷款的意愿不强烈，但随着造船进度推进和技术复杂程度的提高，企业对资金的需求将会明显增强。同样，sv对er的脉冲响应函数也呈现中短期负相关，长期正相关的趋势，表明船舶工业发展虽然对从业人员素质和能力提出了更高要求，但从长期看对就业还会产生正向带动作用。

在当期给定正向冲击后，sv对te的脉冲响应函数从第7期开始上升，到第9期出现明显下降。这表明船舶工业对青岛市进出口贸易影响较大，在船舶产品建造期间，配套设备、零部件等进口都将带动贸易增长，但随着产品交付使用，这种影响将在

短期内消失。同样，sv对fa也存在类似的影响，在船舶工业发展初期需要大量的基础设施投入，这将有效带动固定资产投资增加，一旦设施建成投入使用，对固定资产投资的影响也会逐渐降低。但sv对tc的影响则与其他不同，接受冲击后tc先呈现上升趋势，在第8期后出现明显下降，并从第9期开始反弹。这表明青岛市船舶工业在中短期将会对旅游业发展产生支撑作用，但在大型客轮、游艇等产品上的短板，在长期将会显现出负面影响。

给gv、tc、te、ta、er、ul等变量一个正向冲击后，在第7或8期后都会对船舶工业发展产生明显的推动作用。这表明青岛市船舶工业与区域经济高度融合，在产业结构中占有重要地位。la与sv呈现先正向后负向的波动趋势，说明船舶建造融资贷款在中短期有利于青岛市船舶工业发展，但在长期将会将会削弱船企的资金流动能力，给企业乃至整个行业带来负面影响。同样，加大固定资产投资中短期能够拉动青岛市船舶工业发展，但是单纯依靠这种外延式推动难以形成核心竞争力，长期看不利于船舶工业的健康发展。

4 结论

作为“海上丝绸之路”国家战略实施的重要支撑产业，船舶工业发展将会对区域经济系统产生深远影响。本文结合青岛市实例，借助VAR方法构建了区域船舶工业与经济系统变量之间的动态传递模型，并运用Granger因果检验和脉冲响应函数对变量间的互动关系、融合程度进行了确认检验和量化分析。分析结果显示：

1)青岛市船舶工业与经济发展已形成了良好的溢出与反馈互动关系，与进出口贸易、旅游、金融服务等行业的融合程度较高；

2)船舶建造产生的资金需求给船企带来了较大的经营压力，船企需要平衡资金流动与融资贷款之间的影响关系；

3)固定资产投资对船舶工业倾斜不足，船舶产品不能完全满足青岛市航运旅游市场需求。

基于上述结论，本文给出青岛市船舶工业与区域经济协调发展的政策建议：

1)考虑船舶工业的发展特点和对区域经济的深远影响，其发展规划应从中长期着手；

2)营造良好的金融服务环境，建立风险投资和融资保障机制，拓宽融资渠道、创新金融模式以帮助船企缓解资金压力；

3)积极打造并升级船舶工业产业链条，确立明显的产业定位与淘汰机制。

[1]XU J J, YIP T L. Ship investment at a standstill? An analysis of shipbuilding activities and policies[J]. Applied economics letters, 2012, 19(3): 269-275. [2]徐小峰, 赵金楼. 网络效应下我国船舶工业参与国际竞合的提升路径分析[J]. 经济问题探索, 2012(2): 54-59.

[3]中国船舶工业行业协会. 2014年船舶工业行业发展情况报告[N]. 中国船舶报, 2015-01-23. China Shipbuilding Industry Association. Shipbuilding industry development report in 2014[N]. China Ship News, 2015-01-23.

[4]吴锦元. 船舶工业对国民经济的作用与贡献[J]. 船舶工业技术经济信息, 2001(1): 8-1.

[5]吕靖, 张丽丽, 梁晶. 船舶制造业萧条对关联产业的间接经济影响[J]. 商业研究, 2013(8): 25-28.

[6]张光明, 支园园, 周惠, 等. 江苏船舶产业结构分析[J]. 造船技术, 2012(5): 6-9, 19. ZHANG Guangming, ZHI Yuanyuan, ZHOU Hui, et al. The analysis of shipping industry structure of Jiangsu[J]. Marine technology, 2012(5): 6-9, 19.

[7]应长春. 长三角地区船舶产业发展态势[J]. 上海造船, 2009(1): 1-7, 14.

[8]季建伟. 世界船舶工业的产业转移及我国船舶工业支柱产业的选择[J]. 船舶物资与市场, 2006(2): 23-25.

[9]ZAKARIA N M G, ALI M T, HOSSAIN K A. An overview of Bangladeshi shipbuilding in the light of competitive parameters[J]. Journal of shipping and ocean engineering, 2011, 1: 8-19.

[10]GUJARATI D N. Basic econometrics[M]. New York: McGraw-Hill Higher Education, 2002.

[11]高铁梅. 计量经济分析方法与建模[M]. 2版. 北京: 清华大学出版社, 2009.

[12]GRANGER C W J. Developments in the study of co-integrated economic variables[J]. Oxford bulletin of economics and statistics, 1986, 48(3): 213-228.

[13]张幼文, 薛安伟. 要素流动对世界经济增长的影响机理[J]. 世界经济研究, 2013(2): 3-8. ZHANG Youwen, XUE Anwei. Factor mobility and its impact on world economic growth[J]. World economy studies, 2013(2): 3-8.

[14]史永东, 田渊博. 异常情况下基于VARX模型的中国投资者行为研究[J]. 中国管理科学, 2014, 22(4): 17-24. SHI Yongdong, TIAN Yuanbo. The behavioral study of Chinese investors based on the VARX under abnormalities[J]. Chinese journal of management science, 2014, 22(4): 17-24.

Integration degree between regional shipbuilding industry and economic system taking Qingdao as an example

XU Xiaofeng1, LIU Jiaguo2, HAO Jun1

(1.College of Economics and Management, China University of Petroleum, Qingdao 266580, China; 2.Transportation Management College, Dalian Maritime University, Dalian 116026, China)

The weak demand for the global shipping market and the serious oversupply of China’s shipbuilding capacity have prompted the national and regional shipbuilding industry to accelerate industry restructuring and upgrading. To ensure the pertinence and effectiveness of related measures, the interaction relationship and degree between the regional shipbuilding industry and the economic system need to be studied first. In this paper, the economic data of Qingdao from 1990-2014 are compiled. A dynamic transfer model between the shipbuilding industry and economic variables is then constructed by utilizing vector autoregression model(VAR). Then, Granger causality test and Cholesky orthogonal impulse response are used to analyze the correlation effects and trend influence of variables. Analysis results show that the shipbuilding industry and the economic system in Qingdao have a close relationship; financing channels and service modes have an important influence on the development of the shipbuilding industry; and the industrial chain and product category need optimized allocation.

shipbuilding industry; structure adjustment; VAR model;regional economics;industrial integration

2015-12-10.

时间：2016-12-12.

国家自然科学基金项目(70673014)；教育部人文社会科学研究项目(15YJC630144)；山东省软科学项目(2014RKE28017)；山东省高等学校人文社会科学研究项目(J13WG67)；青岛市社会科学规划研究项目(QDSKL130415).

徐小峰(1982-)，男，副教授，博士； 刘家国(1979-)，男，教授，博士生导师.

刘家国，E-mail:lliujiaguo@gmail.com.

10.11990/jheu.201512034

F207

A

1006-7043(2017)01-0140-07

徐小峰, 刘家国，郝俊. 船舶工业与经济系统融合程度分析—以青岛市为例[J]. 哈尔滨工程大学学报， 2017, 38(1): 140-146. XU Xiaofeng, LIU Jiaguo, HAO Jun. Integration degree between regional shipbuilding industry and economic system taking Qingdao as an example[J]. Journal of Harbin Engineering University,2017, 38(1): 140-146.

网络出版地址：http://www.cnki.net/kcms/detail/23.1390.u.20161212.1631.018.html