长三角体育产业一体化发展的空间结构研究

廉 涛，黄海燕

（1.宁波大学 体育学院，浙江 宁波 315211；2.上海体育学院 运动与健康产业协同创新中心，上海 200438）

长三角一体化发展已经上升为国家战略，同“一带一路”倡议、京津冀协同发展、长江经济带发展、粤港澳大湾区建设相互配合，完善中国改革开放的空间布局，全方位、多层次地推动着中国经济社会的全面均衡发展。作为它的重要组成部分，长三角体育产业一体化发展的意义已不再局限于以长三角地区为示范，通过一体化发展打造全国体育产业高质量发展的强劲活跃增长极（徐开娟等，2019），更在于为全面实施长三角一体化发展国家战略、探索中国区域经济发展新道路搭建新支点、培育新动能。长三角体育产业一体化是区域经济一体化在行为主体、组织形式以及空间尺度上的多样化实践，也是一个多维度的空间现象（陈航航等，2018），本质上体现了区域内各地理单元间体育产业的空间联系与相互作用。不同地理单元间的相互关联和相互作用会在空间上呈现出一定的结构体系和分布特征，这种空间结构是集聚区域最基本的属性，也是区域一体化发展的重要支撑（李培鑫等，2019）。对它的准确度量和深度分析能了解区域的一体化状况，是城市和区域发展战略制定的重要依据（王欣等，2006）。但目前有关研究集中于长三角体育产业一体化概念界定、发展困境与出路的探讨（廉涛等，2020），鲜见对区域内各地理单元间体育产业的空间关系、联系水平、结构特征，以及它们在长三角体育产业一体化进程中的角色作用等问题的研究。在长三角更高质量一体化发展背景与要求下解答上述问题，将有助于长三角体育产业一体化的顶层设计，对长三角区域经济一体化发展具有重要意义。为此，本文引入引力模型和社会网络分析法，实证考察长三角体育产业一体化发展的空间结构，并从描述城市体育产业个体特征与城市间体育产业空间联系两个方面剖析其结构特征。

1 研究设计

1.1 引力模型引入

经济空间联系是区域经济一体化的基本前提，其准确度量是区域经济空间结构分析的基础（焦利民等，2016；钟业喜等，2012）。刘华军等（2015）指出，经济空间关联关系的确定主要采用引力模型和VAR格兰杰因果关系检验方法，其中，引力模型可以综合考虑经济地理距离因素，利用截面数据刻画空间关联网络的演变趋势，相较于VAR模型，引力模型更加适用于总量数据。文献回顾发现，引力模型在国外先后被引入社会学、经济学等学科并形成一些经典理论（汤放华等，2013），国内学者也将引力模型广泛应用于不同空间尺度下城市经济、旅游经济、会展经济以及能源消费等空间结构的分析（表1），其一般形式为：

公式（1）中，Fij指地区i与地区j之间的引力，Mi和Mj指地区i与地区j的“质量”，Dij表示地区i与地区j之间的距离，b是距离衰减系数，K为经验常数。梳理相关领域引力模型（表1）的使用发现：距离衰减系数b值为2，即城市间经济联系强度与城市间距离的平方成反比；经验常数K的引入，是因为城市间的经济联系具有单向性，两个城市相互间的引力贡献不可能完全相同，它的计算方法在既有研究中虽有差异，但王欣等（2006）关于“K是表征经济结构方面因素”的结论已得到普遍认同；“质量”测度由于研究对象经济意义与属性特征的不同，方法也存在差异，有研究者采用国内生产总值（gross domestic product，GDP）、人口总数等多指标进行TOPSIS综合测度，还有研究者则受限于指标数据的可得性，认为城市经济质量主要与经济规模、人口总数、城区面积等相关；“距离”测度分为两类，一是采用反映城市间地理距离的公路营运里程、公路驾车（乘车）时间或动车（高速动车）线路里程等指标，二是采用能够体现城市间经济距离的交通距离（dij）与人均GDP之差（gi-gj）的比值来衡量。

表1 不同领域引力模型修正结果及主要指标的测度方法Table 1 Summary of Correction Results of Gravity Model and Measurement Methods of Main Indexes in Different Fields

借鉴上述研究，将引力模型引入体育产业空间结构分析时，对传统引力模型作如下修正：

Fij为城市i与城市j体育产业之间的引力；TFi为城市i体育产业的空间联系总量；Vi和Vj分别为城市i与城市j当年体育产业产值；Si和Sj分别为城市i与城市j当年人均体育场地面积；dij为城市i与城市j之间的交通距离；gi和gj为城市i与城市j当年人均 GDP；Kij表示城市i在城市i、j之间体育产业联系中的贡献率。两点说明：1）城市体育产业“质量”选择基于产业产值与人均场地面积两个指标予以测度。根据上述分析，城市经济引力模型认为经济规模、人口数量、城区面积是质量测度的核心指标，部门产业质量则具体与产业产值（或营业收入）、消费人口数量（或消费总量）相关。综合考虑，能够反映经济因素、人口因素、城区面积因素的体育产业产值、体育（消费）人口总数和体育场地面积是测度城市体育产业“质量”的理想指标。现实是，长三角城市层面体育（消费）人口数量与体育场地面积统计数据缺失严重，而人均场地面积是当前相对健全且具有替代性的测度指标。它的可替代性集中体现为人均场地面积内在涉及人口因素和体育场地面积两方面因素，很大程度满足城市经济引力模型、部门产业引力模型，特别是理想体育产业引力模型对人口因素、体育场地面积因素的考察。此外，作为我国体育（产业）规划、全民健身计划等政策文件重要的目标考察指标，人均体育场地面积较大程度上能够反映城市体育产业发展“质量”。2）城市间“距离”测量，选择能够体现城市间经济距离的交通距离与人均GDP之差的比值来衡量。但随着我国交通方式的多元化，单纯依靠公路或铁路营运里程或通勤时间来测算交通距离的方法已经略显不足。陈肖飞等（2015）指出，长三角地区基本形成了以高速铁路、高速公路和江河运输为主的综合交通网络。鉴于此，本文选择以城市间公路和铁路两种运输方式最短的通勤时间综合衡量，并以交通方式的选择机会和铁路不同运输方式的一日往返班次占比为基准赋予其不同的权重系数。根据公式（2），可以得到一个反映长三角城市间体育产业经济联系强度的引力矩阵，为避免网络出现封闭子环，城市与其自身的经济联系强度设定为零（汤放华等，2013）。Ucinet软件还要求对上述引力矩阵进行二值化处理（王俊等，2017），即取引力矩阵各行的平均值作为临界值，引力值高于或等于该行临界值的赋值为1，表示该行城市体育产业与该列城市体育产业具有关联关系；若引力低于该行临界值则赋值为0，表示该行城市体育产业与该列城市体育产业不存在关联关系。由此构建出长三角城市间体育产业的空间关联网络矩阵。由于计算的引力矩阵是非对称的，所以这是一个有向空间关联网络（杨桂元等，2016），空间结构分析中需要还原城市间体育产业联系作用的方向，公式表达如下：

其中，Fi→j为城市i体育产业对城市j体育产业的空间作用强度，Fj→i则相反；Pi为城市i体育产业对外作用强度的总和，实际含义为城市i体育产业对其他城市体育产业的影响力；Ni为所有其他城市体育产业对城市i体育产业作用强度的总和，实际含义是城市i体育产业受其他城市体育产业影响的程度。

1.2 社会网络分析法引入

作为社会科学中研究行动者相互关系的重要方法，社会网络分析（social network analysis，SNA）将“关系”视作分析单位，结构视作行动者间的关系模式。这种结构可以是经济行为结构，也可以是社会政治结构，最重要的是这种结构怎样影响以及在多大程度上影响网络成员的行为（汤放华等，2013）。与通常意义上的统计方法无法处理关系数据不同，社会网络分析不仅可以弥补这一不足，更能够采用图论工具、代数模型技术直观地描述关系结构（侯赟慧等，2009）。为此，本文采用社会网络分析法，配合使用Ucinet 6.199和ArcGIS 10.4两个软件，剖析长三角体育产业一体化发展的空间结构。社会网络分析法计量空间结构特征的指标较多，本文选择从整体网络结构、节点中心性、块模块以及“核心-边缘”结构4个方面分析：1）整体网络结构特征，常用指标有网络密度、网络关联度、网络等级度、网络效率。网络密度（network density）是反映网络关系疏密情况的指标，关系数量越多，网络密度越大；网络关联度（connectedness）是指网络成员相互关联的程度，若任一对节点之间均可达，则网络关联度为1；网络等级度（graph hierarchy）描述的是网络节点之间在多大程度上非对称地可达，网络等级度越高表明网络越具有等级结构；网络效率（graph efficiency）是指在保证可达性的前提下，图在多大程度上存在多余的线，网络效率值越低线冗余越多，表明节点之间的空间溢出渠道越多，网络越稳健。2）节点中心性特征。作为整体网络研究的互补性视角，单一节点的重要网络属性是中心度，常用的有点度中心度、接近中心度和中介中心度。点度中心度（de‐gree centrality）指与该节点直接相连的其他节点的个数，点度中心度越高，表明该节点离网络的中心位置越近；接近中心度（closeness centrality）衡量的是该节点不受其他网络节点控制的程度，若它与其他节点的距离都很短，则拥有更高的接近中心度；中介中心度（betweennesscentrality）衡量的是网络节点在多大程度上控制其他网络节点的能力，若它处于许多其他对节点的捷径上，则具有较高的中介中心度。3）块模型分析（block models）。作为一种研究网络位置的方法，它可以考察并描述性分析各个位置之间如何发送和接收信息。根据板块内、外部的出入度，可将“块”分为“主受益”板块、“主溢出”板块、“双向溢出”板块和“经纪人”板块（李敬 等，2014）。4）“核心-边缘”模型分析。“核心-边缘”模型既是新经济地理学的基本模型之一，也是发展经济学中研究发达与欠发达国家（地区）之间经济关系理论观点的总称（李小建等，2006），当前已成为区域经济学中一种相对固定的分析范式（侯赟慧等，2009）。在一个区域中，核心区与边缘区存在不均衡的发展关系，核心区城市吸引了大量资源，产生大量收益；边缘区城市则与其他节点城市联系程度较弱，在与核心区城市的交换关系中处于弱势地位（王馨等，2018）。

2 数据来源与处理

根据2019年底国务院印发的《长江三角洲区域一体化发展规划纲要》（以下简称《纲要》），长三角的地理空间在政策层面已经演变为“江浙沪皖”三省一市全域。显然，长三角体育产业一体化发展的空间结构分析从省（市）层面处理过于简单而无益于现状的把握，从域内所有城市层面分析工作量大且数据较难收集。王川兰（2005）认为，作为区域经济社会发展的枢纽和龙头，主要城市之间的联动作用集中体现了区域经济联动的效果。故本文选择以《纲要》中的27个中心城市为实证样本，剖析长三角体育产业一体化发展的空间结构。两点说明：1）样本考察期为2020年。体育产业统计工作目前在直辖市、省会城市以下层面比较薄弱，但得益于2014年以来系列政策与规划的颁布，样本城市2020年的目标指标数据相对健全、可靠。2）最终样本城市数量为22。由于镇江、金华、芜湖、安庆、滁州5个中心城市2020年目标指标数据缺失，故予以剔除。

具体指标的来源与处理：1）城市体育产业总规模。数据来源于各城市《体育产业发展“十三五”规划》《全民健身计划（2016—2020年）》。鉴于扬州2017年总规模已超过其2020年的目标数字，故以2017年的数据替代。2）城市人均体育场地面积。数据来源于各城市《体育产业发展“十三五”规划》《全民健身计划（2016—2020年）》。鉴于台州2018年人均场地面积已超过其2020年的目标数字，故以2018年的数据予以替代。3）城市人均GDP。数据来源于各城市国民经济和社会发展“十三五”规划；没有目标数字的，采用该地区预计生产总值和人口规模予以测算。4）城市间交通距离。公路时间以城市间最短路径的驾车时间衡量（搜狗地图2019年12月11日14：00点的实时数据）；铁路时间选择高速动车组旅客列车、动车组旅客列车和普通旅客列车3类列车各自用时最短班次列车的通勤时间衡量（携程网2019年12月12日的列车数据）。关于运输方式的权重系数，从选择机会的角度，公路和铁路各赋予0.5；铁路客运采用城市间各类列车一日往返的列车班次占全部班次的比例（携程网2019年12月12日的列车数据）乘以铁路0.5的权重予以测算。

3 结果

3.1 长三角地区各城市体育产业特征

3.1.1 城市体育产业质量、经济联系总量空间分异和非均衡分布特征显著

根据公式（2）、公式（3）测算得出长三角22个中心城市体育产业质量Mi和经济联系总量TFi（表2）。对比发现，排序第一的上海两项指标（3 600，26.86）是泰州（50，0.26）的70多倍，排序第二的苏州（3 200，8.19）是泰州的30多倍，长三角各城市间体育产业质量和经济联系总量差异显著，表现出明显的空间分异和非均衡分布特征。这一特征与粤港澳大湾区城市经济空间分布特征基本一致（彭芳梅，2017）。从质量上看，上海、苏州、南京组成第一集团（Mi＞3 000），无锡、杭州、常州、宁波、合肥组成第二集团（Mi：900～1 400），盐城、南通、温州、扬州、绍兴、台州、嘉兴组成第三集团（Mi：300～800），舟山、湖州、马鞍山、宣城、池州、铜陵、泰州组成第四集团（Mi＜300）；从经济联系总量上看，上海（28.86）作为直辖市遥遥领先，苏州（8.19）次之，但与上海差距显著。实现区域体育产业的均衡发展是人们参与长三角体育产业一体化建设的目的与初衷，但尚待进一步推进。

彭芳梅（2017）的研究表明，城市间的空间经济联系与其经济发展水平具有一定的正向逻辑关联，即与周边经济联系水平较高的地区往往表现出较高的经济发展水平，而与周边联系较弱的城市往往经济发展水平不佳，这充分体现了区域一体化发展对城市经济的提升价值。但上述逻辑关系在长三角地区体育产业发展中并未表现出明显的规律性。具体而言，空间经济联系总量前两位的上海和苏州，其体育产业质量符合上述逻辑关系，位列第1、2位；而空间经济联系总量位列第3、4、5、19位的嘉兴、温州、盐城和南京，其体育产业质量却呈反向的逻辑关系，依次排在第15、11、9、3位，说明与粤港澳大湾区相比，长三角体育产业一体化对城市体育产业的促进作用并不显著。尽管目前尚无法就这种差异给出精确解释，但它反映出上述正向逻辑关联可能存在一定的空间经济联系强度“阈值”，即只有当一个城市体育产业的空间经济联系强度达到某个临界值时，区域一体化方能对该城市体育产业产生显著的提升价值。为此，长三角地区各个城市应该以更为主动的姿态参与区域体育产业一体化建设，搭建合作平台，健全合作机制，以项目合作不断增强与周边城市的空间经济联系，这样才能在长三角体育产业一体化进程中实现本地体育产业的更好发展，进而支撑长三角体育产业的更高质量一体化发展。

表2 2020年长三角各城市体育产业特征（按“质量”降序排列）Table 2 Individual Characteristics of Sports Industry in Cities of Yangtze River Delta in 2020（in Descending Order of“Quality”）

3.1.2 呈现单核心的“核心-边缘”结构特征

彭芳梅（2017）指出，城市（Pi-Ni）值的大小某种程度上可以反映城市在空间网络结构中的地位特征：（Pi-Ni）值为正值时，值越高的城市在群体中越处于核心位置；（Pi-Ni）值为负值时，Ni值越高的城市往往是接受中心城市辐射能力较高的地区，一般围绕在核心城市、次中心城市周边，相对Ni值越低的城市离中心区域越远。本文中（Pi-Ni）值为正值的城市仅有两个（表2），上海（15.76）值最大，是长三角体育产业发展的核心城市，无锡（0.32）次之，理论上为次中心城市，但它的值远远小于上海，难以称之为次中心城市。可见，上海是当前长三角体育产业一体化进程中唯一核心城市。在（Pi-Ni）值为负的城市中，苏州（4.91）、嘉兴（4.27）等城市的Ni值较大，是接受上海体育产业辐射能力较强的城市，它们基本位于上海的周边，铜陵（0.01）、舟山（0.06）、南京（0.07）等城市的Ni值相对较小，与上海相距较远。从经济距离（表3）上看，亦是如此。彭芳梅（2017）将该现象归因于空间联系作用的距离效应，即在（Pi-Ni）负值的城市中，离核心城市越近的地区接受辐射能力越强。整体而言，长三角体育产业呈现单核心的“核心-边缘”空间结构，即上海为区域体育产业发展的核心城市，其他城市则构成了区域体育产业发展的边缘地带。新经济地理学理论指出，“核心-边缘”结构一旦形成，集聚经济在循环累积因果效应下会形成自我强化机制，造成“马太效应”（任宛竹，2017）。如若不能优化这种空间结构，不平衡发展将是长三角体育产业发展的常态。

表3 上海与其他城市的经济距离Table 3 Economic Distance between Shanghai and Other Cities

3.1.3 城市间体育产业空间联系分布等级特征显著

借助ArcGIS 10.4软件，根据引力模型公式（2）测算绘制长三角地区城市体育产业产值与联系水平的空间拟合图（联系强度临界值为0），线条的粗细代表联系强度的大小，点的大小代表城市体育产业产值大小（图1）。上海作为直辖市，与周边城市的体育产业空间联系水平最高，体育产业产值也最大，其他地级城市间的体育产业空间联系水平相对较低，体育产业产值也相对较小，呈现两级差异。借鉴汤放华等（2013）的研究，将空间联系强度临界值改为1（图2），这种两极差异更为明显，地级城市间的体育产业空间联系全部“消失”。经济联系意味着资源要素的跨区域流动，联系越紧密，要素流通渠道越畅通，经济社会发展水平往往越高（彭芳梅，2017）。综合判断，当前长三角体育产业的空间联系水平整体较弱，直辖市城市强，地级城市弱，空间分布呈现显著的等级特征，区域体育产业的协同互动、一体化发展亟待加强。该研究结果与李培鑫等（2019）的研究结论一致，城市的行政级别可能是长三角地区空间经济联系分布特征的重要影响因素。

图1 2020年长三角体育产业空间关联图（临界值=0）Figure 1.Spatial Correlation Diagram of Sports Industry in Yangtze River Delta in 2020（Critical Value=0）

图2 2020年长三角体育产业空间关联图（临界值=1）Figure 2.Spatial Correlation Diagram of Sports Industry in Yangtze River Delta in 2020（Critical Value=1）

3.2 长三角体育产业的空间结构特征

3.2.1 呈现以上海为核心的星形网络空间结构

采用Ucinet 6.199软件，根据“二值化”处理后得到长三角体育产业空间关联关系矩阵绘制的长三角体育产业空间结构图（图3），图中每一个节点代表相对应的城市，节点城市间的有向线段代表城市体育产业空间联系与方向。研究显示，长三角体育产业形成了以上海为核心的星形网络空间结构。在该网络结构中，一个核心点与所有其他点直接相连，而其他点之间不存在任何关系（刘军，2004）。

图3 2020年长三角体育产业空间结构图Figure 3.Spatial Structure of Yangtze River Delta Sports Industry in 2020

陈航航等（2018）指出，当前区域一体化实践的网络化特征越发明显，形成了由国家力量所驱动的基于关系构筑的网络空间。我国文化产业（陈金丹等，2017）、旅游经济（杨丽花等，2018）等区域一体化实践同样呈现较为紧密的网络结构。与之相比，长三角体育产业的空间结构虽然也呈现网络化特征，但它的空间关联关系并不紧密，除了上海与绝大多数城市存在体育产业的空间联系，其他城市之间基本不存在这种空间联系。本研究显示，长三角地区多数城市之间不存在体育产业的空间联系，即体育产业资源要素的跨城市流动较少。因此，未来很有必要从地方政府发展战略及其政策、制度等层面去分析这种空间结构形成的可能原因。

事实上，该空间结构特征一定程度上反映了长三角体育产业一体化所处的阶段水平。王德忠等（1996）指出，从区域经济一体化形成路径角度看，作为城市发展新的空间单元，大都市圈的形成过程是区域经济一体化发展的重要阶段，特别是在我国区域一体化实践进程中，都市圈是推动区域经济一体化的核心载体和基本模式。彭际作（2006）根据都市圈的空间结构特征将大都市圈的形成过程划分为4个阶段，分别是中心指向型（极核型）、“中心-周边”双向指向型（点轴型）、水平网络化（多核多中心型）和社会经济联系（一体化的社会经济实体）。显然，这4个阶段是一体化发展由浅入深的过程。长三角体育产业星形网络空间结构中的绝大多数空间联系指向核心城市上海（图3），据此判断，当前长三角体育产业一体化处于极核型发展阶段，属于一体化发展的初级阶段。

3.2.2 空间关联和溢出效应显著但等级结构较高

通过汇总得到网络密度、网络关联度、网络效率和网络等级度等整体网络结构特征指标的测度值（表4）。其中，网络密度为0.056 3，表明长三角地区城市间体育产业空间关联的紧密程度比较低，各城市间更密切的体育产业协作尚有非常大的空间。刘军（2004）指出，网络密度越大，网络成员联系越紧密，网络对其中行动者的态度、行为等产生的影响就越大。显然，当前长三角体育产业的空间关联网络对节点城市体育产业的影响比较弱，折射出长三角体育产业一体化对区域内城市体育产业发展的促进作用同样具有很大的提升空间。与此同时，网络关联度为1，根据李敬等（2014）、刘华军等（2015）的研究，说明长三角体育产业空间关联网络的关联程度很高，各城市之间存在明显的空间关联和溢出效应。但网络效率为0.011 3，网络中冗余连线较少，表明各城市体育产业的空间溢出渠道不多，空间关联网络稳定性不足。网络等级度为0.846 2，则进一步说明区域内城市间体育产业的空间溢出效应具有较高的等级结构，即并不是在任何体育产业发展水平上都能产生空间溢出效应。结合图3可以发现，上海的空间溢出效应相对较强，其他城市则非常微弱。综合来看，现阶段长三角体育产业虽然存在明显的空间关联和溢出效应，但各城市间体育产业的空间联系较弱，等级结构较高，网络稳定性不足，其区域一体化尚有非常大的发展空间。

表4 整体网络结构特征值Table 4 Characteristic Values of Overall Network Structure

3.2.3 上海在空间网络中为中心行动者，其他城市扮演着边缘行动者的角色

汇总点度中心度、接近中心度和中介中心度等网络节点中心性指标的测度值（表5），揭示各城市在长三角体育产业空间关联网络中的地位与作用。其中，长三角22个中心城市的点度中心度均值为9.091，高于该均值的城市为上海（95.238）和南通（9.524），说明这两个城市在区域空间关联网络中与其他城市的关系数相对较多。特别是上海的点度中心度远远高于其他城市，原因在于上海体育产业与其他20个城市存在空间关联，并与其中的4个城市形成空间溢出效应，说明上海处于长三角体育产业空间关联网络的中心地位，其他城市则离网络的中心位置较远。根据刘华军等（2015）、陈金丹等（2017）的研究，产业规模、地理位置以及城市经济发展水平是造成这一结果的可能原因。从点入度上看，上海的点入度最高达到20，其他城市在1及以下，这可以理解为区域体育产业发展的“马太效应”，即体育产业发展越好的城市，区域优质体育资源越向其集聚。从点出度上看，全部22个城市的点出度均较小，上海最高（4），南通次之（2），其他城市相同（1），表明尽管长三角地区普遍存在体育产业的空间溢出现象，但效应并不强。

进一步分析发现，处于网络中心位置的城市拥有更高的接近中心度和中介中心度。上海的接近中心度（95.455）最高（表5），远远超出其他21个城市的接近中心度（52.5及以下），说明上海在长三角体育产业空间关联网络中能够更快速地与其他城市产生内在连接，在区域内扮演着中心行动者的角色，其他城市可能受体育产业发展水平和地理位置的制约，在网络中扮演着边缘行动者的角色。对22个城市中介中心度的考察发现，上海的中介中心度（99.524）最高，同样远远超出其他21个城市的中介中心度（9.524及以下），说明上海控制区域内城市间体育产业交流与合作的能力相对较强，故上海在长三角体育产业的空间关联网络中处于核心地位并发挥着“中介”和“桥梁”的作用。综上所述，上海处于长三角体育产业空间关联网络的核心位置，是长三角体育产业一体化发展的中心行动者，对区域内城市间体育产业的协同互动和一体化发展具有较强的控制能力，其他城市则在网络中扮演着边缘行动者的角色。

表5 2020年长三角体育产业空间结构中心性特征值Table 5 Characteristic Values of Spatial Structure Centrality of Sports Industry in Yangtze River Delta in 2020

3.2.4 “核心-边缘”结构特征显著

“核心-边缘”结构理论模型引入区域经济研究，用以解释区域间经济发展的空间关系与模式（王川兰，2005）。前文初步识别出长三角体育产业呈现以上海为核心的“核心-边缘”结构，但这一判断仍有待检验。根据关系数据的类型，“核心-边缘”结构模型有不同形式（刘军，2004）。本文基于二值化处理之后所得的长三角体育产业空间联系矩阵（定类数据），选择“离散的“核心-边缘”关联缺失模型”进行检验。研究显示（表6），现实数据与理想模型的拟合度为0.534，表明长三角体育产业的确存在“核心-边缘”的空间结构特征，但核心区并非只有上海，还包括南京、无锡、苏州、南通5个城市，其余16个城市构成了长三角体育产业空间结构的边缘地带。前文分析指出，“核心-边缘”结构会造成长三角体育产业发展的“马太效应”，难以实现区域体育产业的均衡发展。作为实现区域体育产业均衡发展的重要路径与手段，长三角体育产业一体化的发展进程与水平亟待进一步推进与提高。

表6 “核心-边缘”结构特征值Table 6 Characteristic Values of“Core-Edge”Structure

3.2.5 存在三大空间板块，但区域体育产业发展的“动力源”不足

为揭示长三角体育产业发展的空间聚类特征，采用Ucinet中的CONCOR（convergent correlation）算法，选择最大分割深度为2，收敛标准为0.2（陈金丹等，2017），将长三角地区22个城市划分为3个体育产业发展板块（图4）。其中，上海、无锡两个城市位于第Ⅰ板块，南京、常州、舟山、南通、扬州、马鞍山、泰州、杭州、宁波、台州、湖州、池州、绍兴、合肥、宣城、铜陵16个城市位于第Ⅱ板块，盐城、嘉兴、苏州、温州4个城市位于第Ⅲ板块。从地理空间上看，三大板块基本呈现由内向外的圈层结构（图2）。

图4 块模块分析结果示意图Figure 4.Analysis Results of the Block Module

长三角体育产业空间网络的关联关系均为板块间的联系（表7），板块内部关联关系数为0，表明三大板块之间的体育产业存在着明显的空间关联和溢出效应。根据刘华军等（2015）和陈金丹等（2017）关于空间板块的分类方法，第Ⅰ板块为“主受益”板块，具有接收外部关系明显多于对外溢出关系的特征；第Ⅱ板块则对外发出关系明显多于接收的外部关系，属于“主溢出”板块；鉴于第Ⅲ板呈现发出关系和接受关系相等且均源于板块Ⅰ的特征（图3），故其既不是“经纪人”板块，也不属于“双向溢出板块”，这里暂将其命名为“受益-溢出均衡”板块。

表7 空间关联板块间的溢出效应Table 7 Spillover Effects between Spatial Correlation Plates

为进一步考察长三角体育产业发展中板块之间关联关系的传导机制，这里根据区域体育产业关联关系在板块之间的分布情况，计算各个板块的网络密度矩阵，并以前文测算的长三角体育产业空间关联的整体网络密度（0.056 3）为基准，将板块的网络密度矩阵转化为像矩阵，即如果板块网络密度大于整体网络密度赋值为1，反之则赋值为0（表8）。

表8 板块密度矩阵和像矩阵Table 8 Plate Density Matrix and Image Matrix

根据表8中像矩阵绘制3个板块之间的关系图（图5），其清晰刻画了长三角体育产业发展中板块之间的传导机制。根据刘志彪等（2019）对长三角区域一体化发展进程（2000—2018）的研究，上海作为“龙头”的扩散效应不如极化效应。可见，上海在长三角体育产业一体化进程中的这种角色作用并不是孤立的现象，准确地讲，它是整个长三角区域经济一体化的一个缩影。

4 研究结论与政策启示

4.1 研究结论

本文引入引力模型和社会网络分析法，基于长三角22个中心城市2020年的指标数据，剖析了长三角体育产业一体化发展的空间结构特征。研究发现：1）长三角城市体育产业的个体“质量”、空间联系总量具有空间分异和非均衡分布特征，城市间体育产业空间联系分布也呈现显著的等级特征，即上海与周边城市的体育产业空间联系水平远远强于其他地级城市之间的体育产业空间联系水平；2）样本考察期内，长三角体育产业呈现以上海为核心的星形网络的空间结构特征，虽然存在明显的空间关联和溢出效应，但整体空间联系较弱，等级结构较高，网络稳定性不足，其一体化进程尚处于极核型发展阶段，城市的行政级别、地方政府发展战略及其政策、制度等可能是这种空间结构形成的重要诱因；3）上海在长三角体育产业一体化进程中是中心行动者，对其他城市间体育产业空间联系具有极强的控制能力，而其他城市则扮演着边缘行动者的角色；未来如果不能破除这种“核心-边缘”的空间结构关系，不平衡发展将是长三角体育产业的常态；4）长三角体育产业空间聚类特征也较为明显，形成了“主受益”“主溢出”和“受益-溢出均衡”三大空间板块，但板块间体育产业发展的传导机制不畅，溢出效应和协同效应比较弱，区域体育产业发展的“动力源”不足，尤其是板块Ⅰ中的上海，“虹吸效应”远大于“辐射效应”，龙头带动作用和区域示范价值有待激发。

图5 长三角体育产业三大空间板块关系图Figure 5.Relation Diagram of Three Spatial Plates of Yangtze River Delta Sports Industry

4.2 政策启示

1）要将区域体育产业发展的空间关联性作为长三角体育产业一体化制度设计与政策研制的重要决策变量，并将提高区域体育产业的空间联系紧密程度作为重要决策目标。在当前星形网络结构下，长三角体育产业发展的空间联系比较薄弱，等级结构鲜明，两极差异显著。受城市行政级别和地方政府发展战略等的影响，过去区域内各省市或城市的政策设计与制度安排偏重自身体育产业的发展，长期处在“点”的层面上考虑问题，空间层面上的产业协同互动较少。因此，高质量推进长三角体育产业一体化的发展，要求制度设计与政策研制者必须致力于提高区域体育产业发展的空间联系水平，特别要根据当前空间关联现状与特征，有针对性地创造更多空间溢出渠道，破除“核心-边缘”结构关系，推动长三角体育产业形成更为紧密的网络化的空间发展新格局。

2）区域体育产业发展一体化政策的研制与调控，要充分考虑各城市和板块在空间关联结构中的不同地位与作用。其中，上海作为长三角体育产业一体化进程中的中心行动者，应着力将其打造成为长三角体育产业发展的重要辐射源，激发其龙头带动作用和区域示范价值；南京和苏州作为区域内体育产业“质量”较高的城市，应进一步完善一体化机制与通道，提高其空间溢出效应，打造成为长三角体育产业发展的重要“动力源”；三大空间板块对内要加强梯度层级建设，培植一个或多个中心城市作为梯度增长极，实现板块内的空间结构复杂化演进，对外则要畅通体育产业发展的传导机制，提高板块间空间协同效应，推动长三角体育产业发展的地理空间由圈层结构向复杂的网络结构转变，为长三角体育产业更高质量一体化提供重要支撑。

3）要特别加强地级城市间体育产业的空间联系。加强地级城市之间的体育产业空间联系，是增强长三角体育产业空间关联性和一体化发展水平的重要突破口。除了推动各个地级城市体育产业发展战略向一体化方向转变，更重要的是，推动当前以联席会议制度为核心的长三角体育产业协作发展模式由省（市）层面向城市层面拓展，建立健全城市层面的体育产业联席会议制度，为城市之间发展规划对接、合作项目开展、企业跨区域发展等搭建沟通平台，提供制度保障。