经济一体化下区域经济差异化影响因素及对策——以长三角为例

夏雪莉，刘佳慧，余 亦

(安徽财经大学，安徽 蚌埠233030)

一、 引言

长江三角洲在整个国家经济发展上有着重要的地位。2018 年11 月，习近平总书记在CIIE(中国国际进口博览会)开幕式上正式表示将长三角区域一体化发展提升到国家战略层面。 2019 年，长三角经济群以全国2.2%的国土面积、16%的人口，创造了约20.4 万亿元的GDP，约占全国GDP 总量99.94 万亿元的20.4%。 2020 年8 月，习近平总书记在扎实推进长三角一体化发展座谈会上指出，长三角一体化经济带已然成为中国区域经济发展总体全局增长极，带动全国经济高质量发展，为特殊时期的疫情防控和经济恢复做出了重要贡献。

在长三角经济取得重大成就的背后，区域内部差异化也愈加明显，在长三角三省一市的城市群中，上海市GDP 总量达到38155 亿元，江苏苏州市GDP 总量达到19236 亿元，其经济能力在全国名列前茅；而与长三角中经济发达城市形成明显反差的安徽铜陵市以及池州市，其GDP 总量甚至不足1000 亿元，仅有960 亿元和832 亿元。 可见，长三角经济一体化下区域经济显著差异化已然成为长三角整体经济持续发展与效益突破的最大挡板。 论文对长三角经济一体化下区域经济差异化影响因素进行实证分析研究，试图为长三角及其他城市群的全面协调发展提供借鉴。

二、 因子分析理论与方法

(一)分析理论

因子分析是根据相关性大小将变量分组，同组变量之间具有强相关性，不同组变量之间相关性较低或相互独立，每组变量代表一个公共因子，其中少数变量包含原变量大部分信息。

(二)分析方法

设论文所建因子模型有

P

个指标，分别为

X

(

i

=1，2，…，

p

)，标准化的指标用

ZX

(

i

=1，2…，

p

)来表示，标准化指标可表示为:

上式中，

F

(

j

=1，2，…，

m

)(

m

＜

p

)为公共因子，

ε

(

i

=1，2，…，

p

)为特殊因子，

a

(

i

=1，2，…，

p

)(

j

=1，2，…，

m

)是第

i

个指标的第

j

个公共因子的系数，称为因子载荷，模型矩阵表示为:

三、 长三角区域经济差异化因子分析

(一)指标选取与数据来源

为保证因子分析的准确性和代表性，选择的变量应当遵循科学性、代表性、实用性原则，基于已有区域经济的相关研究，论文选取长三角地区人均生产总值(

X

)、人均可支配收入(

X

)、第三产业增加值(

X

)、外贸进出口总额(

X

)、发明专利授权量(

X

)5 项指标，其数据来自2019 年江苏省、浙江省和安徽省及上海市部分市区《国民经济和社会发展统计公报》。

(二)分析过程

为消除原始数据量级、量纲影响，论文对已有数据进行标准化处理，标准化的指标为

ZX

(

i

=1，2，…，5)。 为保证因子分析模型的适用性，对所选指标进行KMO 与Bartlett 检验，结果如表1 所示，KMO 取样适切性量数为0.595＞0.5，说明所选指标之间相关性较大，适合进行因子分析；Bartlett 检验中显著性为0.000 ＜0.05，拒绝原假设，所选指标之间具有相关性，适合做因子分析。 由表2 可知，旋转后前三项因子的方差贡献率分别为35.137%、30.812%、30.594%，其累计方差贡献率为96.543%＞90%，前三项因子的解释能力强，因此，文章将前三个因子保留为公因子。

表1 KMO 和巴特利特检验

?

表2 总方差解释

注:提取方法为主成分分析法。

?

表3 表明，发明专利授权量(

ZX

)和第三产业增加值(

ZX

)在第一个公因子F上具有高载荷，命名为科技水平因子；外贸进出口总额(

ZX

)在第二个公因子

F

上具有高载荷，命名为对外开放水平因子；人均可支配收入(

ZX

)和人均生产总值(

ZX

)在第三个公因子

F

上具有高载荷，命名为收入水平因子。

表3 旋转后的成分矩阵

注:提取方法为主成分分析法。
旋转方法:最大方差法。
a.旋转在6 次迭代后已收敛。

?

根据成分得分系数矩阵表4，各因子得分表达式如下:

表4 成分得分系数矩阵果

注:提取方法:主成分分析法。
旋转方法:最大方差法。
组件得分。

?

依据因子得分表达式可分别计算出江苏省、浙江省、安徽省、上海市四大地区在三大公因子上的得分，结果如表5所示:

表5 三省一市因子得分

?

公因子综合得分表达式为:

其中

α

、

α

、

α

分别为公因子

F

、

F

、

F

的权重，等于旋转后的因子方差贡献率占累计总方差贡献率的百分比，通过计算得到公因子综合得分最终表达式为:

区域内主要城市群各公因子得分与经济水平指数如表6所示。

表6 长三角区域2019 年主要城市群各因子得分与经济水平指数

?

续表

?

(三)因子分析结果

通过因子分析可知，长三角区域经济差异主要是受科技水平、对外开放水平和收入水平的影响，根据公因子综合得分表达式，各个变量对各个区域经济水平影响程度大小排序为科技水平＞对外开放水平＞收入水平，均为正向影响。

在科技化时代，依附科技水平的生产力具有较大的附加值，产生更大的经济效益，因此，科技水平对三省一市区域经济影响最大。 据平均因子得分表5，科技水平对区域经济影响程度为浙江省＞上海市＞江苏省＞安徽省。 表6 表明，浙江省杭州市在科技水平因子上得分最高，在近年来的发展中，杭州市阿里巴巴园区、梦想小镇等科技园对高新技术和尖端人才的吸收，让浙江省成为科技密集型区域，科技带动经济，让浙江省在三省一市中极具竞争力。 上海市在人才战略下，充分发展和利用双一流大学和高等学府对尖端人才的教育和引进，为城市科技创新型发展储备人力资源。 江苏省受上海市辐射，主动拥抱上海市发展战略，在近年来倡导创新型产业发展，科技水平影响程度紧追上海市。 安徽省除省会合肥市以外，其他各个市的科技水平得分均低于平均水平，从整体来看，安徽省综合经济实力低，导致对内人口流失，对外缺乏吸引力，劳动力数量和质量低下，科技水平难以突破。

对外开放通过促进国内国际资本流动，优化资本在全球范围内的有效配置，增加区域经济国际收支，实现区域经济增长。 对外开放水平对地区经济影响程度为江苏省＞浙江省＞上海市＞安徽省。 江苏省、浙江省和上海市地理位置优越，处于沿海地带，港口运输便利，外资产业占优，而安徽省靠近内陆，相较于苏浙沪，安徽省在对外开放程度上最低。 表6表明，江苏省苏州市对外开放水平因子得分最高，除地理位置优越以外，更主要的原因在于苏州市外资工业园区发达，当地政府大力实施园区优惠政策，简化政府办事审批流程，吸引大批外资，积极对外开放，极大提高了当地经济增速。

收入水平主要取决于当下的区域经济水平，区域经济水平越高，收入水平越高。 收入水平对地区经济的影响程度为上海市＞江苏省＞浙江省＞安徽省。 根据2019 年全国各省份的经济总量排名统计，江苏省＞浙江省＞上海市＞安徽省，而人均生产总值上海市达15.73 万元，江苏省为12.36 万元，浙江省为10.76 万元；产业结构方面，上海市产业以科技、消费、文化等为代表的第三产业为主导，附加值更高，收入水平方面优势明显；江苏下辖13 个地级市经济水平都跻身全国百强，综合实力强；浙江省民营经济强大，形成了具有鲜明特色的“浙江经济”；安徽省受经济总量所限，收入水平最低。

四、 长三角经济一体化下区域经济协调发展的对策

根据威廉姆森提出的区域经济差异的倒“U”理论，经济发展初期，区域经济活动的空间集中式极化不可避免，但由此产生的区域经济差异将会随着经济发展的成熟而最终消失。 因此，通过促进区域经济增长，加快区域经济发展进入成熟阶段进程，可以达到缩小区域经济差异的目的。

(一)加快要素流动

根据新古典区域经济理论，区域间要素报酬的差别将会通过要素流动趋于平衡，因此，长三角区域内各地区应积极加快劳动、资本等各类要素的流动，增加要素的边际效应。当地区产生集聚优势，成为增长极时，要注重加大对欠发达地区的辐射力度和扩散效应，实现区域内地区间要素的优化配置，带动周边地区经济增长，转变欠发达地区的经济增长模式。

(二)加大对外开放力度

在国内国际双循环局势下，加大对外开放力度已是大势所趋，对于长三角区域来说，应充分发挥地理优势，积极发展对外型产业，同时针对对外开放困难的欠发达地区，政府应积极出面干预，提供税收优惠减免等帮扶政策，降低对外门槛，打破欠发达地区向外发展的壁垒。

(三)优化地区产业结构

长三角区域内各地区在实现自身产业结构优化的同时，还应注重区域内地区间的产业结构优化，优化和高效利用整个长三角区域内地区间的产业资源，让各地区，尤其是长三角中欠发达地区安徽省进入合理的产业分工体系，让地区间合理地分工协作，促进三省一市地区间产业结构的联动发展。

(四)引进先进技术和尖端人才

为真正实现区域内科技水平的均衡，长三角区域内地区除了注重加大内部科技攻关力度以外，政府也应加强各地区间的交流协作，打破人才流动壁垒，利用高质量技术和人才增强欠发达地区经济发展动能，推动长三角区域经济由高速发展转变为高质量发展。