西部地区物流综合评价与协调发展研究

戴德宝，范体军，安 琪

(1.上海大学管理学院，上海 200444； 2.华东理工大学商学院，上海 200237)

一、引言

2016年中国全年经济总量达到74.41万亿元，东部(10省市)、中部(6省)、西部(12省市)和东北(3省)分别占比42.9%、34.8%、16.7%和6.6%。面积和人口各占全国71.4%和28.6%的西部地区(四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西和内蒙古)矿产、能源和土地资源丰富，但经济规模差距依然巨大，需要积极用好十九大提出的新发展理念，加快现阶段技术创新、供给侧改革、产业结构升级和经济体制改革，借助“东风西渐”实现跨越式发展。尽管交通不便，但是区域内的物流和经济存在相互依赖、相互协调、相互促进和相互制约的动态耦合关系[1]，2008-2016年GDP增速超过东部地区。西部地区完全可以借鉴东部“经济发展，物流先行”模式，紧跟“一带一路”战略，利用互联网共享经济模式，有效衡量物流发展水平、快速发现物流产业瓶颈、协调整合物流资源以及合理规划物流网络布局，促进西部地区经济发展、解决区域经济不平衡问题和助推经济一体化。

区域物流是依据可持续发展总体目标而构建的适应区域环境特征、提供区域物流功能以及满足区域各项发展需要的物流活动体系，具有合理的空间结构和服务规模以及有效的组织与管理机制[2]。国内外学者的研究成果主要体现在以下三个方面。

(1)区域物流与经济关系。一是定性分析。Li等[3]应用交通基础设施与区域经济增长的内在作用机理分析前者对后者的带动作用。二是定量分析。Bensassi等[4]使用引力模型和重力方程等发现物流对货物贸易流动的重要性，ule等[5]使用人工神经网络发现国家竞争力与物流效率之间密切相关。

(2)区域物流影响因素与评价。一是影响因素分析。Spillan等[6]从供应链管理角度分析物流竞争力潜在影响因素，Allen等[7]使用多城市数据分析地理、空间和土地因素对城市物流的影响，D’Aleo和Sergi[8]基于欧盟物流竞争力研究信息技术和人力资源对物流绩效的影响。二是评价指标和方法研究。Carlucci等[9]使用主成分分析法评估分析意大利区域物流竞争力，Liang和Ding等[10]应用模糊质量评价法评价台湾国际港口物流中心，Wong等[11]使用成本、时间、质量和灵活性等指标体系评估珠江三角洲直接和间接的跨境供应链绩效，Wong等[12]使用数据包络分析法评估马来西亚第三方物流绩效。

上述研究偏于企业微观尺度或全球一体化角度，国家视角的评价多是基于单个省市纵向分析[18-19]，缺乏横向比较，难以总体把握区域物流发展不平衡，容易忽略省市间物流联系，计量经济学、层次分析法以及主成分分析法等评价方法倾向主观。区域物流网络规划布局研究多着眼物流中心甄选而忽视“区位”关键要素影响，定性分析节点间辐射和联系尚欠科学。基于已有文献资料，本研究先构建西部地区区域物流评价体系，针对西部各省市，利用不同评价方法的适用特点和优势，使用多种方法组合评价，以提高评价质量[20]。客观准确的综合评价及聚类分析可为发现区域物流发展制约因素和比较优势提供理论依据，使用评价结果和引力模型构建西部地区区域物流轴辐式网络布局有利于合理配置物流资源和提高物流系统运转效率，并为西部地区经济发展提供参考决策。

二、研究思路和评价体系

(一)研究思路

研究思路(见图1)包括数据收集及评价体系建立、独立评价、综合评价和物流网络布局规划四大步骤和11项具体研究任务。初选评价指标来自于国内外相关研究和我国实际情况，研究数据来源于2014-2016年国家与省市统计年鉴、谷歌地图、中国公路信息服务网等。

图1 研究思路结构图

(二)评价指标选取

为了全面、准确和客观地评价西部地区区域物流发展水平，必须遵循研究科学性、方法可行性、评估系统性、指标可比性等原则，构建相应量化指标测评体系。本研究从区域经济水平、物流供求和发展状况、物流支持状况和信息化水平等四个维，度评估西部地区12省市综合物流发展水平。区域经济水平涵盖经济实力与消费水平，能够有力推动区域物流发展；物流供求和发展状况从生产、消费、国内流通等不同角度，映射区域物流服务的行业需求、潜在物流量和行业生命力；物流支持状况指标用于反映物流设施基础和人力资源情况，从侧面体现该区域的物流流通能力以及政府支持程度；信息化程度是影响物流能力表现、物流现代化程度的重要指标。根据指标选择完备性、指标含义明确性以及数据可获性原则，并兼顾评估特殊性和综合性，最终建成包含16条指标的综合评价体系(见表1)。

(三)数据收集与整理

(1)数据预处理。本研究选取西部地区12个省级行政区2015年相关数据进行横向比较分析，并评价区域物流发展水平。同时还获取2014年相关数据进行纵向物流发展水平综合评价对比分析。基于表1评价指标体系，对12省市数据进行预处理，对不能直接获得的指标数据进行转换整理。例如引入公路和铁路运输网密度{=(公路里程+铁路里程)/铁路里程}指标描述地广人稀的西部地区物流设施基础水平以降低误差。

表1 西部地区区域物流发展水平综合评价体系

(2)数据标准化。为消除指标量纲和数量级影响，本研究采取Z-Score方法对原始数据进行标准化转换。区域物流发展水平的样本矩阵X设有n(=12)个区域、p(=16)个评价指标，xij表示第i个省市的第j个指标值，矩阵Z=[Zij]为标准化矩阵。

(1≤i≤n;1≤j≤p)

(1)

三、三种方法独立评价和综合评价

(一)主成分分析评价模型

主成分分析法基本思想是：保证信息损失小的同时，使用线性变换聚集原有指标，生成几个综合指标(主成分)，达到降维目的[21]。本文使用2015年数据和表1评价指标体系，运用主成分分析法评价对西部地区物流能力水平。

(1)提取主成分。利用统计软件计算得出评价指标相关系数矩阵R，并计算其特征值、贡献率和累计贡献率，根据累计贡献率要达到85%以上和方差大于1原则[22]，提取出3个主成分特征值分别为9.228、2.924和1.668，各解释原始变量信息的57.673%、18.273%和10.427%，累计贡献率达到86.373%，能够反映西部12省的综合物流水平。

(2)主成分载荷分析。为便于解释实际问题，对主成分因子进行方差最大正交旋转处理，得原始变量的主成分载荷矩阵(见表2)。第一主成分(物流支持因子：X2、X4、X5、X6、X7、X8、X9、X10、X12、X13、X14)和第二主成分(信息化水平因子：X1、X15、X16)具有较高载荷和较强解释能力，第三主成分(发展潜力因子：X3、X11)具有较高载荷。

(3)主成分综合得分与排名。先利用标准化数据和主成分载荷计算各主成分得分：

(2)

其中，Fik表示第i个被评价省市第k个主成分取值，Zij表示第i个被评价对象第j项指标标准化后的值，xjk表示第k个主成分的第j项指标的载荷值，λk表示第k个主成分的特征值。以各主成分的方差贡献率比重作为权重，线性加权求和得到综合主成分得分：

(3)

其中，Ei反映第i个省市物流发展的综合实力。Rk表示第k个主成分权重(方差贡献率)，s为提取主成分个数。Ei值越高，说明该地区物流发展综合水平越高，竞争力越强，反之则不然。计算结果如表3所示。

表2 旋转载荷矩阵

表3 基于主成分分析的2015年西部地区区域物流发展水平综合得分及排名

(二)熵权法评价模型

熵权法根据各指标观测值的信息量大小确定指标权重，以减少主观性[23]。设有m(=12)个评价对象，n(=16)个评价指标,yij为标准化样本矩阵，则第j项指标的熵为：

(4)

hj(=1-hj，差异性系数)表示第j个指标值的分散程度。第j个指标yij值分布越分散，相应hj值越大，表明其重要程度越高。相反则表明其重要性越低；如果yij值都相等，表明其分布绝对集中，则在评价时没有作用。因此，可用熵测度来表示第j个指标的权重为：

(5)

通过式(5)计算，可得X1-X16指标的熵值法权重为(0.0122，0.0646，0.0019，0.0809，0.0706，0.0801，0.1307，0.0578，0.1384，0.1012，0.085，0.0743，0.0641，0.0343，0.0017，0.0022)，2015年西部地区物流发展水平基于熵权法的综合排名是四川、重庆、陕西、广西、云南、内蒙、贵州、新疆、甘肃、宁夏、青海、西藏。

(三)灰色关联分析评价模型

灰色关联分析基本思想，是根据各比较序列集曲线与参考序列曲线之间的几何相似度确定二者的关联度，值越大表明评价对象与目标对象越接近[24]。利用灰色关联分析综合评价西部地区区域物流发展水平过程如下：

(1)确定参考序列。参考序列是一个理想标准，由各指标最优值或最劣值构成。假设系统有1个参考序列xoj和m(=12)个比较序列xij，xoj表示综合指标在j指标评价值，xij表示第i个评价对象在j指标取值。

(2)计算关联系数和关联度。xoj和xij在j指标上的关联系数如下：

(i=1,2,…,12;j=1,2,…,16)

(6)

其中，α是分辨系数，其作用在于提高关联系数之间的差异显著性，一般在0和1之间，通常取值0.5。ξij反映第i个比较序列xi与参考序列x0在第j个指标上的关联程度。通过式(7)计算各评价对象各指标关联系数的加权平均值用以反映其与参考序列的综合关程度，考ωj为第j项指标的权重。

(7)

由于所有指标均为正向型指标，本研究取标准化处理后各指标最大值组成参考序列，并利用前面熵权法权重作为客观权重，使用MATLAB计算得到基于灰色关联分析法的2015年西部地区物流发展水平综合排名是四川、重庆、广西、陕西、内蒙、云南、贵州、新疆、甘肃、宁夏、青海、西藏。

(四)三种评价方法的一致性检验

分别使用上述三种方法对西部十二地区2014年数据进行单方法评价。采用Kendall协同系数检验法对主成分分析法、熵权法、灰色关联分析法三种方法的评价结果的一致性进行检验，结果如表4所示。

表4 Kendall协同系数检验结果

由表4可知，2014年和2015年的Kendall协同检验系数均接近1且概率P值小于0.05，表明在显著性水平为0.05的情况下，三种方法的评价结果通过Kendall检验，即三种方法的评价结果具有统计意义上的一致性，因此可以采用加权平均法进行组合评价。

(五)区域物流发展水平综合评价

(1)组合评价。设xij为第i个省市第j种评价方法评分值，采用Z-score标准化处理的标准得分yij，则第i个省市最后得分为ti=(yi1+yi2+yi3)/3，按ti大小对12个省市排序(见图2)，整体一致，局部新疆和贵州两年位置出现互换情况。

(2)聚类分析。综合评价结果发现，各省市物流发展水平存在差异性和不均衡性。为了更好地研究西部地区区域物流发展水平的特征及趋势，借助多元统计的度量尺度描述其共性与差异，使用上文建立的评级指标体系及2015年数据进行聚类分析。取类间间距d=5时比较合适，将12个省市分为了四类，第一类：四川；第二类：重庆、陕西、内蒙；第三类：广西、云南、贵州、甘肃；第四类：宁夏、青海、西藏、新疆。

综合上述三种独立评价方法、组合评价、聚类分析结果发现西部地区各省份物流发展水平差异明显。四川、重庆、陕西和内蒙等省市物流发展水平较高，广西、云南、贵州和甘肃一般，新疆、宁夏、青海和西藏较低。2014年与2015年纵向对比分析发现西部地区整体物流发展水平稳中有升，各省市均具有自身优势和潜在竞争力。西南各省物流发展水平高于西北各省，临近中部和边境区域高于内陆区域。12个省市物流发展水平横向上可分为四个层级。第一级(四川)物流发展水平超高的原因是区位优势明显，处于西南物流中心显要位置，辐射带动作用强，综合交通运输体系和基础设施已具规模；第二级(重庆、陕西、内蒙)物流发展水平稳定，物流与经济长期协同发展。内蒙古比较特殊，经济潜力因子Fi3为12省最低，可能原因是经济有赖于大量外来投资支持，物流发展未成规模，经济促进作用不明显；第三级(广西、云南、贵州、甘肃)的消费能力、人均收入和生活质量较为均衡，与其他省市联系较少，物流发展缓慢，缺乏大范围内开展物流网络化服务的实践经验；第四级(新疆、宁夏、青海、西藏)物流支持因子Fi1排名最后，物流发展落后的原因可能是经济实力不强、工业落后、交通不发达且各方面条件欠缺，但是其信息化程度在提升，经济发展速度较快，区域物流服务需求规模在逐步提升。

图2 西部地区区域物流发展水平组合评价结果

四、西部地区物流网络布局规划

各地政府纷纷开展物流战略、基础设施、支持政策等物流系统建设，区域物流发展迅速。然而上升时期，为谋求更多资源和空间优势，各地物流系统建设过程中由于攀比和竞争心态导致规划和定位雷同而内耗严重。“先发展中心和后辐射周边”的点轴理论能够反映社会经济空间组织客观规律，广泛应用于国土开发和区域发展领域[25]。轴辐式物流网络模式是运用网络分析方法将交通运输线路看作由点和轴组成的空间规划与交通运输相关的应用系统[26]。轴辐式区域物流布局规划能够充分整合物流资源并形成规模效应，实现物流时效性和经济性，促进区域经济协同共赢[27]。

(1)轴心城市和辐心城市选择。一个轴辐式物流网络在无拥堵理想状态下宜选取4到5个枢纽节点[28]。结合上文对西部地区2015年区域物流发展水平的综合评价和聚类分析结果，本研究初步选取综合评价较高且聚类结果为前两层次的四川、重庆、陕西和内蒙为枢纽节点。参考地理位置因素，将得分较高的新疆也选择为枢纽节点。支配地位的枢纽节点为轴心，其他节点为辐心和辐点。根据物流发展水平综合评价结果，西部地区轴辐式物流网络布局可分为三个层次(见图2)，四川省远领先其他省市为西部地区轴心，重庆、陕西、内蒙、新疆为辐心，广西、云南、贵州、甘肃、宁夏、青海、西藏为辐点。

(2)基于引力模型和隶属度的辐射范围确定。轴心省市定位之后需要确定轴心省市辐射范围和计算省市之间物流联系度。依据区域物流网络特点，本研究选取引力模型分析枢纽节点省市的辐射范围。受到万有引力公式启示，Reilly[29]使用引力模型分析城市间零售引力强度作为城市间经济联系度[30]，此后被用于其他经济领域。

(8)

如式(8)所示，Iij为物流引力；Zi和Zj分别代表各省的“物流质量”，用各省市物流发展水平组合评价得分表示。由于负值不能表示“物流质量”，特将物流发展组合评价得分均线性平移两个单位作为调整数据；非直辖市省级区域以省会作为经济辐射中心和“几何”中心，选取各省省会城市之间最短公路运输距离数据替代省市之间的“空间距离”。α为引力系数，常取值1；Dij为空间距离；r为引力衰减系数，常取值2。仅有城市间物流引力还不能清晰地划分辐射范围，需要引入经济联系隶属度[31]作为衡量标准。

(9)

使用式(9)测度物流往来影响范围，更能直观反映辐点省市对轴心辐心省市的隶属程度。Mij为物流联系隶属度，表示i省市节点归属于j省市节点辐射概率；Iij为式(8)得出的物流引力强度。通过计算西部地区5个轴心辐心省市与7个辐点省市之间的物流引力和隶属度，发现内蒙和新疆与辐点省市之间的物流引力均很低，隶属度结果显示这两个地区的辐射范围无辐点省市，因此将这两个地区由轴心节点降至辐点节点，重新进行物流引力与隶属度计算，结果如表5所示。

表5 省市间物流引力强度和隶属度结果

注：“/”前为物流引力强度。“/”后为隶属度。

(3)西部地区轴辐式物流网络布局规划。将辐点节点归为对于隶属度最大的轴心辐心省市的辐射范围中，最终根据所确定的轴心辐心城市、辐点城市和辐射范围结果构建出如图3所示以四川为轴心、以重庆和陕西为辐心的“一主两副”西部地区轴辐式物流规划格局。第一层为强隶属关系：四川→(云南、新疆、西藏)；重庆→(贵州、广西)；陕西→(甘肃、内蒙、宁夏、青海)；第二层是较强隶属关系：重庆→(云南、甘肃)，四川→(贵州、广西、甘肃、内蒙、青海)，说明四川和重庆的辐射范围和影响力要高于陕西，如果双重叠加，影响会更大。

图3 中国西部地区轴辐式物流网络布局结构图

五、西部地区物流与经济发展策略

(1)本研究通过层次分析法、熵权法和关联分析等多种方法评价西部地区各省份物流发展水平数据，排序结果也并非完全一致，后加用组合评价方法进行综合评估。再使用Kendall协同系数检验组合评价解决单一方法评估不一致问题，利用综合评价和聚类分析结果以及点轴理论通过引力模型定量分析西部地区各省份物流发展联系，构建“一主两副”西部地区轴辐式物流网络布局。一般点轴理论计算结果是一个轴心城市或辐心城市可以辐射多个辐点城市，但还应该考虑一个辅点城市也可拥有两个以上轴心城市或辅心城市的情况。

(2)使用城市数据部分代替省份数据则是基于当前国内省会城市优先发展假设。尽管有诸多原因，不可否认的是省会城市在中国许多省份相比于省内其他城市会有更多资源和政策。政策研究需要体现生态环境保护价值，不能对新疆、西藏、青海和内蒙进行简单的现代经济数据映射。

(3)使用隶属度绘制网络布局图时需要顾及隶属度的层次性。其他省会城市对重庆、成都和西安的隶属度分三层关系(表5)，将第二层隶属度标记在图3上(虚线连线)会发现有这样几组几何关系：西南北铁三角“重庆-成都-西安”、西南北三棱锥“兰州-重庆-成都-西安”、西南四棱锥“贵阳-昆明-成都-重庆-南宁”。

西部地区是中国未来经济发展的战略要地，西部地区经济提升不仅是差距填补问题，更是中国走向经济强国的保障。本研究通过物流发展水平评价与布局规划试图发现西部地区经济发展优势与挑战，基于地区地理空间思维和整体发展思路发现西部各省市发展策略。

(1)加强物流基础设施建设。“一带一路”为中国西部地区，尤其是西北地区提供绝好的发展机会，新疆、甘肃、内蒙和陕西需要加强基础设施建设和升级，优先发展物流运输产业，发挥亚欧大陆桥作用。

(2)做实经济空间几何体。西南北铁三角，作为西部中间核心发达省市需要加强互动效应，形成西部南北三角核心区；西南北三棱锥主要是突出兰州作为“一带一路”必经城市的大力参与，以后可以作为西宁和银川的辅心城市；西南四棱锥突出贵阳的上升空间以及南宁与珠三角邻接效应。

(3)发挥长江经济带西部倒推力，加强技术创新和加快产业结构升级。重庆、四川、云南和贵州需要引流长江经济带东部高成本挤出的技术、人力、物料和场地资源，除物流外，电子、轻工、汽车、互联网等诸多产业都会有很大生长空间。

(4)利用好国家技术扶贫政策，广泛吸纳技术和人才，优质供应地区特产。贵州获批建成全国首个国家级大数据综合试验区，一下跃升为国内技术领先省份；新疆利用电子商务的精准扶贫网售当地特产非常成功，2017年天猫双11卖出阿克苏苹果170多万斤。

(5)以国带点带线，以点以线带区，以区带城，以城带省。深圳和上海浦东都是成功典范，带动珠三角和长三角，再带动更多的城市形成城市群，形成可观的省份数据。目前西部地区可以借鉴东部发展模式，紧跟国家点线战略加快发展。乌鲁木齐作为“一带一路”西部进出口中转站潜力巨大。

(6)环境保护与经济发展并行。高海拔地区的西藏、青海、四川西部、新疆南部以及沙漠化的内蒙部分地区不能简单使用现行经济指标衡量，甚至可以不纳入现行经济考察行列或者使用环境资产计算，发展规划要充分考虑地质风险和生态资源，产业宜简单环保，可实行限量性的生态旅游、养殖、种植和商务会议。

[1]刘维林.区域物流系统与经济增长的动态耦合机理与实证仿真[J].经济地理,2011(9): 1493-1498.

[2]徐青青,缪立新. 区域物流发展及研究综述[J]. 物流技术,2006(4): 1-3.

[3]LI J, WEN J, JIANG B. Spatial spillover effects of transport infrastructure in Chinese New Silk Road Economic Belt [J]. International Journal of e-Navigation and Maritime Economy, 2017, 6: 1-8.

[4]BENSASSI S, MRQUEZ-RAMOS L, MARTNEZ-ZARZOSO I, et al. Relationship between logistics infrastructure and trade: Evidence from Spanish regional exports [J]. Transportation Research Part A Policy & Practice, 2015, 72(72): 47-61.

[6]SPILLAN J E, MCGINNIS M A, KARA A, et al. A comparison of the effect of logistic strategy and logistics integration on firm competitiveness in the USA and China [J]. International Journal of Logistics Management, 2013, 24(2):153-179.

[7]ALLEN J, BROWNE M, CHERRETT T. Investigating relationships between road freight transport, facility location, logistics management and urban form [J]. Journal of Transport Geography, 2012, 24(4):45-57.

[8]D’ALEO V, SERGI B S. Human factor: The competitive advantage driver of the EU’s logistics sector [J]. International Journal of Production Research, 2017, 55(3): 642-655.

[9]CARLUCCI F, CIRA, FORTE E, et al. Infrastructure and logistics divide: regional comparisons between North Eastern & Southern Italy [J]. Technological & Economic Development of Economy, 2017, 23(2): 243-269.

[10]LIANG G S, DING J F, PAN C L. Applying fuzzy quality function deployment to evaluate solutions of the service quality for International port logistics centres in Taiwan [J]. Proceedings of the Institution of Mechanical Engineers Part M Journal of Engineering for the Maritime Environment, 2012, 226(4):387-396.

[11]WONG D W C, CHOY K L, CHOW H K H, et al. Assessing a cross-border logistics policy using a performance measurement system framework: The case of Hong Kong and the Pearl River Delta region[J]. International Journal of Systems Science, 2014, 45(6): 1306-1320.

[12]WONG W P, SOH K L, GOH M. Innovation and productivity: Insights from Malaysia’s logistics industry [J]. International Journal of Logistics Research & Applications, 2016, 19(4): 318-331.

[13]VANBURKLEO S F. Logistics and supply chain process integration as a source of competitive advantage: An empirical analysis [J]. International Journal of Logistics Management, 2014, 25(2):289 - 314.

[14]HEUVEL F P V D, LANGEN P W D, DONSELAAR K H V, et al. Spatial concentration and location dynamics in logistics: The case of a Dutch province [J]. Journal of Transport Geography, 2013, 28(2): 39-48.

[16]RAO C, GOH M, ZHAO Y,et al. Location selection of city logistics centers under sustainability [J]. Transportation Research Part D Transport & Environment, 2015, 36:29-44.

[17]赵泉午, 杨 茜. 考虑CO2排放量的城市专业物流中心选址研究[J]. 中国管理科学, 2014, 22(7): 124-130.

[18]廖志高,苑希港. 基于主成分分析的广西区域物流发展效率评价指标体系构建及实证研究[J]. 物流技术, 2013(23): 273-276, 282.

[19]丁 伟,张 亮,李 健. 轴—辐式现代物流网络构建及实证分析[J]. 中国软科学, 2010(8): 161-168.

[20]彭张林, 张 强, 杨善林. 综合评价理论与方法研究综述[J]. 中国管理科学, 2015(s1): 245-256.

[21]何晓群. 多元统计分析[M]. 第二版. 中国人民大学出版社, 2008.

[22]PATRICIA M DONEY, JOSEPH P. Cannon. An examination of the nature of trust in buyer-seller relationships[J]. Journal of Marketing, 1997, 61(2): 35-51.

[23]周梅华. 可持续消费测度中的熵权法及其实证研究[J]. 系统工程理论与实践, 2003(12): 25-31.

[24]谭学瑞, 邓聚龙. 灰色关联分析;多因素统计分析新方法[J]. 统计研究, 1995, 12(3): 46-48.

[25]陆大道. 关于“点—轴”空间结构系统的形成机理分析[J]. 地理科学，2013, 22(1): 1-6.

[26]赵 晋, 张建军, 严蔡华. 允许直达的混合轴辐式快递网络规划模型与算法研究[J]. 中国管理科学, 2016, 24(11): 58-65.

[27]刘 荷, 王 健. 基于轴辐理论的区域物流网络构建及实证研究[J]. 经济地理, 2014(2): 108-113．

[28]MATSUBAYASHIA N, MASUDA Y, NISHINO H. A cost allocation problem arising in hub-spoke network systems [J]. European Journal of Operational Research, 2005, 160(3): 821-838.

[29]REILLY W J. Methods forthe study of retail relationships [M]. University of Texas，Bulletin，1929.

[30]侯赟慧,刘志彪,岳中刚. 长三角区域经济一体化进程的社会网络分析[J]. 中国软科学,2009(12): 90-101.

[31]牛慧恩,孟庆民,胡其昌,等. 甘肃与毗邻省区区域经济联系研究[J]. 经济地理, 1998(3):51-56.