长三角城市群网络零售的地区差异与空间关联研究

李东兵，曹卓久

(1.大连理工大学 城市学院，辽宁 大连 116600； 2.大连海事大学 航运经济与管理学院，辽宁 大连 116026)

一、引 言

2019年5月13日，随着《长江三角洲区域一体化发展规划纲要》的出台，长三角区域一体化发展上升为国家战略。长三角城市群由26个城市构成，包括上海、南京、苏州、无锡、南通、常州、扬州、盐城、镇江、泰州、杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城。为积极响应这一战略，阿里巴巴旗下菜鸟网络科技有限公司于2019年9月4日联合各快递公司宣布，将启动对“全国核心经济圈”的快递大提速，并已率先承诺长三角经济圈内26个城市对发快递次日必达。快递时效的提升作为网络零售产业的重要支撑，势必会进一步促进城市群网络零售的发展。由此，针对城市间网络零售的互动发展研究也将受到重点关注。

近年来，基于空间视角的网络零售研究受到了许多学者的关注。一方面，研究主要集中于网络零售的地区差异分析，相关学者分别基于经济地带层面[1]、省域层面[2]、城市层面[3]、县域层面[4]等视角，对我国电子商务发展水平的地区差异进行了描述。另一方面，研究主要集中于网络零售的空间格局探析，相关学者分别基于消费格局[5-7]、销售格局[8-10]等视角对网络零售的空间格局特征及其影响因素进行了分析。与此同时，随着城市群成为近年来空间关联研究的热点，相关学者纷纷采用社会网络分析方法，从动态关联视角去关注城市群内部的互动发展，涉及的研究方向包括产业结构关联[11]、经济空间关联[12]、能源消费关联[13]、创新网络结构[14]、物流空间联系[15]等。

上述基于空间视角的网络零售研究存在以下不足：(1)大多以全国作为研究区域，选取范围过大；(2)仅就消费和销售格局的其中之一进行研究，难以全面反映网络零售的空间格局。基于此，本文将社会网络分析应用于网络零售的空间关联研究，以长三角地区作为研究区域，综合消费与销售发展水平，对网络零售的空间关联特征进行探析，以促进城市群网络零售的互动发展，使之更好地融入长三角一体化发展战略。

二、研究方法与数据来源

(一)研究方法

1.泰尔指数

泰尔指数衡量的是各地区收入份额与人口份额之比的对数的加权和，权数为收入份额，指数越大，表示区域差异越大。由于本文研究网络零售的地区差异，故用网络零售份额代替收入份额。

2.基于时间距离的引力模型修正

本文应用时间距离对引力模型距离指标进行修正，重点参考业务量较大的六家快递公司，并取城际快递时效的平均值，来表示城市间网络零售活动的阻碍因素，修正后的引力模型如下：

式中：i，j代表城市；Gij表示城市i对城市j的网络零售吸引力；kij表示城市i对城市j的零售引力贡献权重；表示城市间进行网络零售活动的快递时效平均值；Pi和Ri分别表示城市i的人口数量和网络零售额；Pj和Rj分别表示城市j的人口数量和网络零售额；m为快递时效参考的快递公司数量。

为直观体现每对城市基于网络零售经济的联系强度和方向，将长三角26个城市两两之间650项网络零售联系划分为325对联系[16]。

式中：F1、F2分别表示每对城市联系强度中最大值、最小值占城市群联系强度总量的比重，n表示城市数量。

3.社会网络分析方法

(1)网络密度。它反映网络中关联关系的疏密，关联关系数越多，则网络密度越大。计算公式为实际关联关系数除以理论上最大关联关系数。

(2)中心性。其量化指标的主要构成为中心度测度，包括度数中心度和中间中心度等。度数中心度根据各节点的连接数来衡量其网络中心地位，度数中心度越高，则说明该节点与其他节点间的联系越多，即其中心地位也越高。中间中心度反映各节点在多大程度上控制其他节点间的关联关系，若某点处在较多点对的最短途径上，则表明其具有较高的中间中心度，即意味着该节点对其他节点间相互行动的控制能力较强。

(3)块模型分析。它可以对各板块在关系网络中的角色进行分析，其中涉及的板块角色有四种：一是主受益板块，该板块既接收其他板块的关系，又对其他板块发出关系，但其接收关系数显著高于发出关系数；二是双向溢出板块，该板块既接收外部关系，又向外部发出关系，且其内部成员间的关系数目相对较多；三是净溢出板块，该板块接收外部关系数较少，但对外发出关系数较多；四是经纪人板块，该板块既接收又发出外部关系，在板块间起到“中介”作用。

(二)数据来源

本文涉及的省级层面数据来源于《国家统计年鉴》(2014—2019)和《中国电子商务报告》(2013)，城市层面数据来源于各省统计年鉴(2014—2019)，快递时效来源于“菜鸟裹裹”APP。

网络零售商品由卖方向买方的转移主要通过快递形式实现，限于城市层面的网络零售额无法完整获得，因此本文借鉴方福前等(2015)[17]的思路，用各城市的快递业务量乘以一个权重来反映该城市的网络零售规模，其中，权重为该城市所在省份网络零售额与该省快递业务量之比，即平均每件快递所代表的网络零售额。

三、长三角城市群网络零售的地区差异分析

为探析在网络零售整体发达的长三角地区，其城市群内部发展的均衡性问题，首先运用Arcgis中的自然断点法，对各城市网络零售发展进行空间可视化。如图1所示，近年来长三角城市群网络零售发展的分布格局并无显著变化，整体上的空间差异性较大，网络零售发展较好的城市主要集中在长三角东部地区，如上海、金华、杭州等，发展较差的城市多处于中西部地区，如池州、铜陵、马鞍山等。

为使网络零售的地区差异特征进一步凸显，将采用泰尔指数，深入体现省内差异和省际差异，

图1 长三角地区网络零售的发展格局演变

及其对应差异贡献率，见表1。需要指出的是，由于Tk和Dk分别描述的是组内差异和各组差异贡献率，上海作为单一的空间单元，内部不存在比较对象，因而上海的Tk和Dk均为0，不适合做组内差异分析。测算结果显示：(1)从整体上看，泰尔指数(T)保持在0.35至0.41的变动范围内，其中前三年的总体差异不断扩大，于2015年达到最大值后，近三年的发展不平衡性得到明显改善。通过分解泰尔指数，可以发现，省际差异(Tb)逐年下降，而省内差异(Tw)呈现不断上升的趋势，由此表明三省一市网络零售发展的不均衡正在得到逐步缓解，而在引致长三角地区网络零售发展差异方面，各省内部差异正在产生越来越大的影响。值得注意的是，2018年各省内部差异贡献率(Dw)首次超过各省间的差异贡献率(Db)，说明其已成为地区差异最主要的导致因素。(2)分别以各省为研究单元，计算组内差异(Tk)及其差异贡献率(Dk)。从绝对量上看，基于Tk的观测，在2013—2017年期间安徽均为最高，浙江次之，江苏最低，表明江苏省9个城市发展高度均衡，而安徽省8个城市网络零售的发展均衡性最差。从相对量上看，浙江历年差异贡献率均超过其他两省之和，成为整体差异最主要的引致省份；安徽由于网络零售经济体量小，所以在造成地区差异方面产生的影响相对有限；而江苏的差异贡献率一直在10%左右波动。

表1 长三角网络零售的地区差异测度

四、长三角城市群网络零售联系强度和空间关联分析

(一)城市间网络零售联系强度分析

基于时间距离对引力模型进行修正后，将各指标对应数据代入，计算出长三角城市两两之间的网络零售联系强度。为更直观地体现各城市间联系强度的占比地位，采用“每对城市间联系强度占城市群联系强度总量的比重”这一指标，同时，对每对城市的占比采用最大值和最小值的分组方式表示，并分别进行排名，从而反映网络零售经济联系的强弱和方向。下面以2018年为例，限于篇幅，根据F1排名选取前5%进行展示，见表2。

表2 2018年城市间网络零售联系强度

基于F1的观测，可以看出，在排名前16位中网络零售发出城市仅有4个，按发出次数由多到少依次为上海(8次)、杭州(6次)、金华(1次)、苏州(1次)。这不仅体现了4个城市在长三角地区的优势地位，而且反映出网络零售经济较高的极化程度。然而，接收到以上4个城市网络零售辐射作用的城市比较分散，体现出中心城市具有一定的扩散效应。为了易于比较城市间联系强度的大小，依据排名将前16对城市平均分为2组，则第1名至第8名的占比总和高达16.36%，而第9名至第16名的占比总和仅为10.67%，两组比重相差较大，说明城市对之间联系强度差异悬殊，城市网络零售关联关系存在着较为严重的分化现象。

基于F1和F2的对比观测，可以发现，关联的两个城市由于联系方向的不同，所对应的比重排名也不一致。为深入研究，将采用“F1/F2”这一指标，对各城市在关联关系中的平等程度进行量化，比值越接近1，表明两个城市在网络零售经济活动中的地位越平等。结果显示，前16组城市“F1/F2”的平均值为3.92，表明城市两两之间基于网络零售经济的依赖与被依赖程度，存在较为严重的不对等。网络零售关联地位异常悬殊的城市对包括上海和嘉兴、杭州和台州等，而关联地位较为平等的城市对包括上海和金华、杭州和金华等。

(二)城市群网络零售空间关联分析

将基于引力模型计算得出的城市间网络零售联系强度，作为社会网络分析的基础数据，依据截断值变换为邻接矩阵，借助UCINET中的NetDraw工具，对关联网络进行可视化表示，如图2所示。长三角城市群网络零售空间关联网络呈现明显的“核心-边缘”结构。

1.网络密度分析

长三角整体网络密度近年来存在波动，但变化范围不大，由2013年的0.3262上升到2018年的0.3323，说明存在显著联系的城市数量越来越多。但总体来看，城市群网络零售空间关联不够紧密。理论上讲，长三角26个城市两两之间的关联关系应达到650个，而样本观测值中实际关系最大值仅为217个，说明城市群成员基于网络零售联系的程度和强度，仍有很大的增长空间。

2.城市中心性分析

为深入探析关联网络中的城市节点，将采用度数中心度和中间中心度，以描述各城市在长三角网络零售空间关联中的地位和作用。

图2 2018年长三角城市群网络零售空间关联网络

(1)度数中心度。第一，城市群网络零售的点出度平均值为8.308，高于均值的城市只有12个，点出度非零的城市也仅有15个，由此表明网络零售供给地区的集中，如图3(a)所示。点出度最高的是上海，其对除池州外的长三角其他24个城市均发出了显著的网络零售联系，充分体现出绝对核心地位；点出度较高的其他城市不仅包括苏州、杭州、南京、宁波等经济强市，也包含金华、无锡、南通、台州、嘉兴、绍兴等网络零售发展势头良好的城市。第二，城市群网络零售的点入度平均值为8.308，在高于均值的15个城市中，点入度最大的是无锡(14)，最小的是盐城(9)；在低于均值的11个城市中，点入度最大为8，包括扬州、镇江、泰州和芜湖，最小的是池州(0)。从点入度对比可以看出，城市间的差异不大，体现了网络零售需求地区相对分散，如图3(b)所示。第三，选用点出度与点入度的差值，来反映各城市网络零售的“净溢出”或“净受益”效应。由图3(c)可知，净溢出效应较为显著的城市有上海、杭州、金华和苏州等，净受益效应较为显著的城市有湖州、盐城、镇江、泰州、芜湖和扬州等。

(2)中间中心度。长三角26个城市中间中心度的平均值为1.019，高于均值的城市数量仅为6个，揭示了网络节点间的连接仅靠少数几个中心城市在维系，如图3(d)所示。其中，上海和无锡的中间中心度显著高于其他城市，表明其在城市群网络零售空间关联中发挥着难以替代的“枢纽”作用；苏州、杭州、南京和绍兴的中心度明显降低，但对网络零售经济资源的控制能力同样关键。从另一个角度看，中间中心度为零的城市数量多达一半以上，这些城市大都处于关联网络的边缘区，难以对其他城市间的连接产生“中介”作用。总之，城市中间中心度差距过大，印证了城市群关联网络的“核心-边缘”结构，同时也凸显出关联关系的不对等和不均衡现象。

3.块模型分析

为进一步揭示城市群网络零售的空间关联效应，本文采用CONCOR方法，以最大切分深度为2，集中标准为0.200，将长三角26个城市划分为四个板块：第一板块包含8个城市，分别为上海、苏州、南京、无锡、南通、宁波、金华、杭州；第二板块包含5个城市，分别为绍兴、嘉兴、常州、合肥、台州；第三板块包含9个城市，分别为盐城、湖州、泰州、安庆、镇江、扬州、芜湖、滁州、宣城；第四板块包含4个城市，分别为铜陵、马鞍山、池州、舟山。

2018年长三角网络零售空间关联板块溢出效应见表3。

图3 2018年长三角城市群网络中心性分布格局

表3 2018年长三角网络零售空间关联板块溢出效应

(1)板块间的关联分析。通过板块间的关联分析，可以揭示各板块在长三角网络零售关联网络中的位置和角色。首先，关注各板块的内部互动及其关系比例。如表3所示，板块一内部关系数为56，表明其成员两两之间均保持稳定的网络零售联系强度；板块二内部关系数为15，实际内部关系比例高于期望值，但成员间网络零售发展的不平衡，破坏了关联关系的对等性，使得板块内部未达到两两互联的程度；板块三和板块四不存在内部联系，其成员的发展水平较低，均被定位为边缘行动者。其次，将四个板块对内和对外的发出关系数分别进行加总，对比发现，板块对外关系数为145，远大于对内关系数(71)，凸显了城市板块间网络零售经济的空间溢出效应。为进一步明确各板块所扮演的角色，将四个板块针对外部的发出关系数和接收关系数进行比较，可以得出：板块一向其他板块发出关系数为103，远超接收关系数36，溢出效应显著，因此属于“净溢出板块”；板块二发出关系数为39，接收关系数为41，两者数量非常接近，因此属于“双向溢出板块”；板块三接收数(65)明显高于发出数(3)，说明该板块难以对其他板块产生吸引力，但对外依赖程度较高，因此属于“主受益板块”；板块四发出和接收的关系数均为最低，分别为0和3，该板块并不显著向前三板块提供网络零售商品和服务，同时接收能力又极其有限，因此属于“经纪人板块”。

(2)板块间的互动分析。通过观察表4中的密度矩阵和像矩阵，可以探析板块间的互动情况。首先，板块一与板块二、三、四的关联网络密度分别为1、0.833、0.094，表明其已成为长三角地区网络零售商品和服务的主要提供者。其次，板块二与板块一的互动程度较高，与板块三的互动程度较低，可见其“双向溢出”的作用范围存在局限性。再次，板块三仅存在与板块一的显著互动，具体表现为显著接收第一板块的网络零售商品和服务，但并不显著提供回馈，因此可以认为该板块主受益功能太过依赖板块一。最后，板块四均未与其他板块构建起显著的关系网络，仅能接收到板块一的微量联系，其成员大都处于被孤立的状态。为更直观体现四大板块间的互动效应，将板块关联密度与整体网络密度进行比较，若关联密度大则记为1，若关联密度小则记为0，进而变换为像矩阵。就各板块而言，仅板块一和板块二的内部联系显著；就板块互动而言，仅板块一与板块二的联系为双向显著，板块一与板块三为单向显著；其他板块内和板块间则是关联密度低于整体密度的情形，共计出现11次，体现了网络零售关联网络的局部稀疏性。

表4 2018年长三角城市群网络零售空间关联板块的密度矩阵和像矩阵

五、结论与建议

本文首先运用泰尔指数测度了长三角网络零售的地区差异，其次基于引力模型测算出城市两两之间的联系强度，并以此构建了城市群网络零售关联网络。经过研究分析，得出以下结论：

(1)长三角城市群网络零售的地区差异正在得到改善，其中，各省内部差异逐渐成为地区差异的主要引致因素。具体来看，安徽省8个城市的网络零售发展均衡性最差，浙江省8个城市的均衡性次之，江苏省9个城市发展最为平衡；在差异贡献率方面的排名依次是浙江、江苏和安徽；此外，上海也在很大程度上加剧了网络零售的地区差异。

(2)城市间网络零售联系强度对比悬殊。一方面，网络零售发展较好的城市间联系强度过高，说明城市关联关系存在严重的分化现象；另一方面，同对城市由于联系方向不同，联系强度会出现明显的方向差异性，反映了关联关系的不对等。

(3)近年来越来越多城市间的网络零售联系程度趋于显著，但长三角整体空间关联仍不够紧密。通过中心性分析发现，网络零售供给地区相对集中，主要包括上海、杭州、金华和苏州等城市；网络零售需求地区相对分散，其中湖州、盐城、镇江、泰州、芜湖和扬州等成为主要的净受益城市；此外，长三角网络零售空间关联网络呈现“核心-边缘”结构，其中上海、无锡、苏州、杭州、南京、绍兴等6个城市发挥了重要的枢纽作用。

(4)长三角城市群网络零售关联网络可划分为四个板块，第一、二板块的城市发展水平较高，内部联系密切，第三、四板块的城市发展水平较低，缺乏内部联系。城市板块间的空间溢出效应较为显著，意味着商品流通在一定程度上突破了城市小团体的范围限制，使得网络零售经济的互动范围进一步扩大。然而，不论是板块内还是板块间，局部关联仍存在联系稀疏、方向差异、不均衡等问题。

为促进城市群网络零售经济更好地融入长三角一体化发展战略，本文提出以下建议。首先，应进一步缩小网络零售发展的地区差距，特别是注重改善各省内部差异，加强省内城市的协同发展，以提升长三角地区网络零售发展的均衡性。其次，依托城市网络零售的产业基础和区位优势，加快培育新的核心城市，提升网络零售商品和服务的供给能力，促进长三角地区供需格局的均衡。再次，加大对发展基础薄弱城市的扶持力度，挖掘边缘城市对网络零售商品和服务的需求潜力，不断完善物流体系基础设施建设，使之能够嵌入城市群空间关联网络。最后，各城市不应局限于所属板块的角色扮演，而应当夯实自身发展基础，开拓自身发展优势，努力形成“溢出”和“受益”的双向功能互补，从而在长三角网络零售关联网络中发挥更加主动、关键的作用。