超网络视角下生态与产业的协同效应研究——以黄河流域枢纽城市为例

张晓琴，李 宇，荆文君

山西财经大学 统计学院，太原 030006

当前，我国经济进入了高质量发展阶段，注重经济增长的同时，生态保护也受到越来越多的关注，产业生态化转型已经成为一项重要战略。黄河流域跨越九省，是我国重要的生态屏障和经济地带，但由于地理位置、历史条件、人为污染等问题，导致整体发展水平较低。实现生态保护与经济增长的协调运行，成为了推动高质量发展的重要保障，在此背景下对黄河流域展开研究具有重要意义。

产业活动是经济发展与生态保护之间联系的重要纽带（刘文新等，2007）。产业发展能带动地区经济增长，良好的产业结构对环境有利；而改善生态环境能拉动内需，刺激地区经济增长，进一步优化产业发展（杨洁等，2021）。因此，研究产业与生态的协同效应，有助于实现经济发展与生态保护的双赢，推动高质量发展。

国外学者对生态与产业关系的探索较早，早在1995年，Grossman and Krueger（1995）就发现二者的关系呈现“倒U型”的形状，即环境库兹涅茨曲线（EKC）。Fodha and Zaghdoud（2010）利用协整分析探讨经济增长和污染排放的关系，证明了“倒U型”曲线的存在。崔鑫生等（2019）从动态演进角度验证30个国家生态与经济的关系，认为不同国家在不同时期的EKC曲线基本呈现“倒U型”关系。之后，学者们进一步对生态与产业的耦合协同关系进行探讨。Sarpe et al（2017）认为产业升级对生态环境保护有益，有利于实现区域生态与产业一体化发展。邹伟进等（2016）利用耦合模型对二者的关系进行了测算，认为我国产业与生态的发展正逐步走向协调。石涛（2020）从空间网络角度探讨城市经济与生态的耦合协调水平，认为生态与经济的高效协调有助于黄河流域实现高质量发展。当前，复杂网络方法已广泛应用于经济社会问题中，但是将现实中两个系统抽象为超网络的研究较少，特别是关于黄河流域生态保护和经济发展协同发展的文献尚少。

现实中系统间关系复杂，单一的耦合评价模型难以刻画出系统间的复杂关系，而超网络模型正是利用“关系数据”来构建模型，由两个或两个以上的网络通过一系列作用构成。这种网络层次结构较多，各网络层之间存在多种相互作用关系，单层网络发生变化不仅会影响自身网络结构，还会影响其他网络结构，已逐渐成为研究现实社会的新方法（吴宗柠等，2021）。

为此，本文基于2018年黄河流域21个枢纽城市的生态环境数据，利用引力模型构建城市生态网络，同时收集这些城市的173个企业数据，利用共存分析法构建产业网络，通过两个网络之间的映射作用生成生态-产业超网络模型。采用复杂网络方法分析超网络的协同效应，包括各节点在网络层内交互产生的协同效应以及节点对其他网络层节点的影响程度，应用QAP方法（quadratic assignment problem，二次指派程序）进一步探讨生态与产业协同发展的影响因素，以期为黄河流域高质量发展提出有效建议。

本文的创新点在于：从超网络视角出发，将生态与产业两个子系统抽象为超网络模型，运用复杂网络方法构建协同效应指标，并结合QAP方法，系统地探讨黄河流域枢纽城市生态与产业的协同效应及影响因素；此外，编制了城市生态环境指数，用于构建生态网络，具有重要现实意义。

1 研究材料

1.1 研究对象

黄河全长约5400 km，贯穿青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9个省区。到2018年底，9省区总人口占全国的三分之一，地区生产总值占全国的四分之一，是我国重要的经济地带。黄河流域包括七大城市群（方创琳，2020），考虑到数据可得性与城市代表性，本文选取七大城市群中入选《国家物流枢纽承载城市建设名单》 的21个枢纽城市作为研究对象，分别是：太原、临汾、西宁、兰州、银川、呼和浩特、鄂尔多斯、包头、西安、宝鸡、郑州、安阳、洛阳、商丘、南阳、信阳、济南、潍坊、青岛、日照、烟台。

1.2 数据说明

生态环境是一个复杂系统，但目前指标选取还未形成统一标准，本文借鉴任保平和杜宇翔（2021）的研究成果，按照客观性、合理性和数据可得性原则，构建城市生态环境指标体系，如表1所示。数据来源于2018年《中国城市统计年鉴》和统计局官网（http://www.stats.gov.cn/），部分缺失数据根据该地区往年数据使用相应模型进行趋势拟合。此外，构建生态网络时用到的城市经纬度数据，来源于高德地图开放平台（https://lbs.amap.com/），如表2所示。

构建产业网络时，需要使用各城市企业数据，由于一些企业成立时间短、规模小、盈利低，不具有代表性，因此本文选取上市公司作为研究对象。数据来源于锐思数据（http://www.resset.cn/），时间截至2018年，包括上市公司成立日期、注册地址、所属城市名称、证监会行业代码、证监会行业名称、最新公司全称，共获取全国2253个上市公司的信息，从中筛选出属于黄河流域枢纽城市的173个企业数据，虽然数目不多，但每家企业都是当地的上市公司，在当地企业中举足轻重，可以反映地区经济发展的基本情况，这些企业共涵盖16个行业大类、43个行业小类，具有一定的代表性。部分缺失证监会行业代码及名称的公司通过“爱企查”网站查询其所属行业，按照《上市公司行业分类指引》（2012年修订）标记证监会行业代码（http://www.csrc.gov.cn/csrc/c101864/c1024632/content.shtml）。企业在城市和行业的分布情况如图1所示。

2 生态-产业超网络模型构建

本文将生态-产业系统抽象为超网络模型，来反映生态与产业之间及其内部的协同关系。首先，通过引力模型量化任意两地的生态联系，构建生态网络；其次，运用共存分析法识别产业技术关联，构建产业网络；最后，利用两个子网络之间的映射关系，构建生态-产业超网络模型。

表1 城市生态环境指标Tab.1 Urban ecological environment indicators

表2 各城市经纬度Tab.2 Latitude and longitude of each city

2.1 生态网络模型构建

城市作为高度开放的系统，与周边城市的生态环境存在相互影响，比如一个城市排放的有害气体很可能会飘散到周边城市，从而影响周边城市的空气质量；森林资源的减少还会引起土地沙漠化的发生，从而危害其他地区生态环境。在构建生态网络时，以城市作为节点，网络模型可表示为Ns= (Vs,Es)。其中：Ns为生态网络；Vs={vs1,vs2, …,vsn}为城市节点集；Es={(vsi,vsj)|θ(vsi,vsj)} (i,j= 1, 2, …,n)为生态联系边集。其中：θ(vsi,vsj) = 0，表示两个城市间不存在生态联系；θ(vsi,vsj) = 1，表示两个城市间存在生态联系。基于城市之间生态的相互影响关系，本文以构建的生态环境指标体系来测算城市的生态环境质量，用引力模型来刻画生态联系，则城市之间的生态联系与地理距离成反比，与生态环境质量成正比（刘耀彬等，2020）。具体做法为：首先，用熵权法计算出城市的生态质量；其次，将生态质量和地理距离带入引力模型中计算出每个城市之间的生态联系，从而得到生态网络邻接矩阵，便可刻画出生态网络。

图1 企业分布情况Fig.1 Enterprise distribution

根据公式(1)将表1数据标准化后运用熵权法计算城市生态环境质量（傅为忠和黄帅，2021）。令xij(i= 1, 2, …,n;j= 1, 2, …,m)表示城市i在第j项指标中的数值，n为城市个数，m为指标个数，具体公式如下：

正向指标：

负向指标：

式中：pij为指标比重，规定当pij= 0时，有pij×lnpij= 0；wj为熵权；ej为熵值，且0≤ej≤1；Mi为城市生态环境质量。

引力模型公式（倪琳，2019）如下：

式中：G为引力常数，取值常为1；Mi、Mj分别为城市i、j的生态环境质量；dij为城市i、j之间的球面距离，公式（逯建和施炳展，2014）如下：

式中：R为地球半径，取6371 km；θi、θj分别为i地和j地的经度；λi、λj分别为i地和j地的纬度。

根据表2和公式(3)计算两个城市的最短球面距离；再依据公式(2)，计算出黄河流域枢纽城市之间的生态联系矩阵。设临界值为矩阵元素的均值，则大于临界值可认为两个城市之间具有生态联系，记为1；反之，认为两个城市之间不具有生态联系，记为0，从而构建0 — 1矩阵。该生态网络有21个节点，利用UCINET 6.56软件将网络可视化，如图2所示。

由图2可知：黄河流域枢纽城市的生态网络结构较为松散，计算得到的网络密度为0.186，连通性较差，这是因为这些城市地理位置分散，以至于各地区之间生态联系不够紧密。网络中只有少数城市具有较多的连接，并且存在1个孤立点（银川）。此外，出现了明显的断层：西宁和兰州只有彼此之间的连接；呼和浩特、包头和鄂尔多斯之间的连接也较少；这两个小群体互不相连，并且和其他的城市均不存在空间关系。这种网络特征说明了黄河流域城市之间生态联系不够紧密，城市的生态环境还未达到整体协同发展的格局。

2.2 产业网络模型构建

构建产业网络时，以产业作为节点，网络模型可表示为NC= (VC,EC)。其中：NC表示产业网络；VC= {vC1,vC2, …,vCn}为产业节点集；EC= {(vCi,vCj)|θ(vCi,vCj)} (i,j= 1, 2, …,n)为网络连边集。当产业间存在技术关联时，有θ(vCi,vCj)= 1；反之θ(vCi,vCj)= 0。

计算产业技术关联有三种方法（文余源和张博伦，2019）：一是依据行业分类标准，通过将产业逐步归并到统一类别中来建立联系；二是基于投入产出表中的矩阵建立联系；三是共存分析法，即通过两种产业在同一区域内开展活动的条件概率体现产业技术关联。考虑到数据可得性，本文选择第三种共存分析法来反映产业技术关联，具体模型（徐诗燕，2019）如下：

式中：LQir为r城市i产业的区位熵；eir为r城市中i产业拥有的企业数量；eir为r城市的所有企业数量；eir为整个研究区i产业拥有的企业数量；eir为研究区所有企业的数量；RCAir为i产业在r城市的显性比较优势；φij为产业i、j间的技术关联度，值越大，产业联系越紧密。

技术关联度φij＞0.55可视为产业间强关联（钟珊，2020），对于产业网络NC= (VC,EC)，有如下关系：

根据此可将产业关联矩阵转化为0 — 1矩阵。本文以上市公司企业数据为基础，运用共存分析法，即公式(4)计算产业间技术关联，从而构建黄河流域枢纽城市2018年产业网络模型。该产业网络包含43个节点，利用UCINET 6.56软件将网络可视化（图3）。从图3可知：产业间连接也存在明显的异质性，即连接不均衡，只有外部冲击对关联性高的产业产生较大影响时，才会对整体产业环境产生影响，说明当前黄河流域的产业发展存在一定的不均衡现象。

2.3 生态-产业超网络模型构建

城市作为产业发展和生态环境的空间载体，能够有效整合多层次资源，实现高质量发展。生态网络和产业网络通过城市这个共同载体，可以建立二者之间的关联。超网络就是根据生态网络与产业网络之间的映射关系耦合而成的，具体体现在城市与产业之间的多对多映射关系，即一个产业可以分布在多个城市，一个城市也可以包含多个产业。将生态-产业超网络记作SCSN，SCSN={, SE}。其中：={Nα,α∈{S,C}}，Nα={Vα,Eα,α∈{S,C}}为子网络，SE={Eαβ∈Vα×Vβ;α,β∈{S,C},α≠β}为超边集，超边经过一个城市节点和一个产业节点。基于此，本文构建生态-产业超网络模型，模型示意图见图4。图4横向表示子网络的层内结构，纵向表示生态网络和产业网络的层间结构以及相互作用机理。

图2 生态网络Fig.2 Ecological network

图3 产业网络Fig.3 Industrial network

图4 生态-产业超网络示意图Fig.4 Schematic diagram of ecology-industry super network

由图4可知：生态网络与产业网络协同作用的关键因素为区域产业关联、区域生态关联，两个因素之间相互推动、相互作用，存在着协同运作机制。区域是生态环境的有形载体，生态依托地域资源，产业发展又依托生态资源。地区之间生态环境相互影响，会使区域生态系统产生关联，生态环境变化又会使产业发展发生变化。反之，区域产业发展对生态环境存在一定影响，区域间产业关联既能影响产业发展，也能对生态网络造成影响，因此，生态-产业超网络在区域产业关联、区域生态关联的相互作用下，可以实现跨层次的协同运作。

超网络共有64个节点，利用UCINET 6.56软件将其可视化（图5）。图5中方形节点为城市，圆形节点为产业，节点间的连边包括层内连边和超边两种类型。根据计算得到的网络密度为0.262，相较两个子网络，超网络的密度更大，网络结构更加复杂，没有出现明显的孤立点和断层结构，但仍然存在网络连接不均衡现象。

3 生态与产业的协同效应

本文在构建生态-产业超网络模型的基础上，针对系统间的耦合机理分别从单层次和跨层次两个角度来设计协同效应指标，包括单层次带动效应、单层次核效应以及跨层次聚合效应。

3.1 单层次带动效应

有向网络节点度包括点入度和点出度，节点度是二者的加总。其中：点出度用来衡量节点对网络层内其他节点的辐射效应，点入度衡量节点的集聚效应，二者的加总则可以用来衡量节点的带动效应。设A为子网络N= (V,E)的邻接矩阵，则任一节点vi∈V的带动效应（殷瑞瑞，2019）为：

根据公式(5)分别计算生态网络和产业网络节点的带动效应，结果如图6所示。由图6a可知：郑州、洛阳、商丘、济南4个城市的带动效应最大，高于各地区平均带动效应3.71，说明这4个城市与其他城市的生态关联密切，这些地区联动发展为生态网络带来的整体效应较大。这4个城市地处黄河下游，是典型的人口聚居区，工业化问题突出，对生态环境影响较大，若这些城市开展生态环境共保联治，流域突出的人地环境矛盾将得到有效治理。从图6b产业角度来看：C34、C31、C41、F52、I65、C26、C39、E50和F51这9个产业的带动效应较大，高于各产业平均带动效应7.86，说明这些产业对黄河流域枢纽城市的经济发展具有很强的带动效应。整体来看，影响较大的产业中，最多的是制造业、其次为批发零售业和信息技术服务业。黄河流域目前发展以制造业作为产业支柱，先进制造业的发展，在高质量发展的起步阶段具有非凡的意义，制造业与信息技术的融合，是对基础行业的再造，将推动产业体系进一步升级。而批发零售业的发展与人民群众的消费能力密不可分，是经济增长的新动力。多元化产业联动发展，产业链不断上移，将为未来的产业格局带来新的发展机遇。

图5 生态-产业超网络Fig.5 Ecology-industry super network

3.2 单层次核效应

核效应可以反映各节点对网络内部协同发展的影响与辐射作用（赵炳新等，2016）。在生态网络中，核效应越大的城市对周边城市的生态环境影响越大；在产业网络中，核效应越大的产业对其他产业的辐射引领作用越大。子网络N =(V,E)的K-核效应计算步骤（殷瑞瑞，2019）为：

①计算每个节点的节点度di；

②令M={i|di＜k,i= 1, 2, …,n}，L={(i,j)|di，dj＜k;i,j= 1, 2, …,n}；

③将集合M、L中的节点与边删除后得到N= (V−M,E−L)，重新计算di，直到所有节点度均满足di≥k。

生态网络和产业网络的核效应结果如图7所示。由图7a可知：生态网络核效应最大为7，主核由11个城市组成，占总数的52.4%，这些城市任意两个之间均具有联系，其带动效应也较大。此外，这些城市大都属于河南省和山东省，说明这两个省的城市生态环境在黄河9省区中具有较强的辐射作用，并且这些城市之间进行生态环境合作治理能为整个区域生态环境带来较大的正向效益。由图7b可知：产业网络核效应最大为14，主核包含23个产业，占产业总数的53.5%，并且该主核产业大多为制造业，其次为服务业、批发零售业、金融业等，说明这些产业之间通过联动发展可以促进整个区域的产业发展环境。其中：C34（通用设备制造业）的主核关联效应最明显，说明该产业在黄河流域枢纽城市中起支柱作用。

图6 生态网络带动效应（a）和产业网络带动效应（b）Fig.6 Ecological network driving effect (a) and industrial network driving effect (b)

3.3 跨层次聚合效应

聚合效应可以反映节点将其他网络层节点聚合起来的能力，用节点参与形成的超边数来衡量（殷瑞瑞，2019）。在超网络中，每条超边均包含2个异质节点，对于城市生态网络来说，某个节点的聚合效应越大，说明该城市拥有的产业越多，说明该城市产业有着较好的发展环境，能够实现生态保护的同时实现经济的高质量发展，并且该城市对区域整体发展的带动作用较大；对于产业网络来说，某个节点聚合效应越大，说明该产业地区分布较广，扩散作用较大，具有带动城市发展该产业的潜力，并且该产业的发展对生态环境来说不具有危害性，属于可持续发展的绿色产业类型。设超网络关联矩阵为H= (hij)t×s，其中：t为异质节点数，s为超边数，则i节点聚合效应SDi（肖雯雯，2018）如下：

图7 主核节点以及与其关联的主核节点数量Fig.7 The number of primary core nodes and the primary nodes associated with them

聚合效应计算结果见表3。由表3可知：在城市节点中，郑州、济南、西安、青岛、烟台和太原的聚合效应较大，说明这些城市分布着较多的产业，有着较好的绿色发展环境，分布在这些城市的产业之间有着更多的合作与竞争机会，可以促进产业间资源共享、信息交流，从而带动城市高质量发展。并且这些城市的聚合效应可以通过超网络的关联映射作用逐渐扩散到区域内的其他城市，进一步促进整个系统协同发展。在产业节点中，软件和信息技术服务业、专业技术服务业、商务服务业、零售业等产业聚合效应较大，说明这些产业在区域的分布范围较广，能够适应城市的绿色发展环境，这些产业之间通过合作竞争等互动关系可以带动该产业在其他城市的发展，具有较大的协同效应。并且这些产业大都属于第三产业，具有能耗低、污染小、高效益的特点，说明在当前新发展理念的大环境下，着力壮大第三产业有利于黄河流域实现高质量发展。

表3 生态-产业超网络的节点聚合效应Tab.3 Node aggregation effect of ecology-industry super network

4 生态产业协同发展的影响因素

生态与产业两大系统的协同发展具有复杂的作用机理，是多因素作用的结果，为进一步探讨其驱动因素，选用QAP方法对其进行分析。QAP方法包括相关分析与回归分析，相关分析用来探讨矩阵间的关联程度，回归分析用来研究多个解释变量矩阵对1个被解释变量矩阵的影响程度（刘军，2009）。

由于聚合效应可以反映生态与产业两种异质节点之间的耦合协同互动效应，因此，将其作为被解释变量。综合考虑黄河流域发展的特殊性及其实际的发展情况，从以下5个维度来考虑黄河流域产业发展和城市环境耦合协同的驱动因素，包括城市的经济基础、水资源、产业结构、城镇化水平和地理距离。

由于被解释变量为关系矩阵，因此解释变量也必须转变为关系矩阵。地理距离矩阵由经纬度得出，其余4个解释变量均进行极差标准化处理。矩阵中大于元素均值记为1，小于则记为0，由此构成0 — 1矩阵，具体说明如表4所示。考虑到被解释变量与解释变量维度应一致，均为21 × 21矩阵，本文选取21个城市节点的聚合效应来构建被解释变量差异矩阵，记为SDC，由此构建计量模型（梁荣，2020）如下：

首先进行QAP相关分析，对矩阵设置5000次随机置换，结果见表5。由表5可知：城市的经济基础、水资源总量、产业结构、城镇化水平和地理距离均与生态与产业的耦合协同效应存在密切联系，相关系数均通过了10%的显著性检验。其中：城市经济基础、产业结构和城镇化水平的相关系数分别为0.4141、0.3914、0.2456，说明这三个因素对生态与产业协同发展起促进作用。水资源和地理距离均为负相关，说明二者对黄河流域枢纽城市生态与产业的协同发展有抑制作用。

表4 影响因素指标说明Tab.4 Indicator description of influencing factors

表5 QAP相关分析Tab.5 QAP correlation analysis

进一步运用QAP回归分析探究各因素对生态与产业协同效应的影响程度，设置5000次随机置换，结果如表6所示。由表6可知：回归模型通过了1%的显著性检验，说明经济基础、水资源、产业结构、城镇化水平和地理距离这5个因素可以解释黄河流域枢纽城市生态与产业协同发展的30.3%。经济基础与产业结构系数为正，均通过了1%的显著性检验，说明这两个变量对生态与产业的协同发展具有积极的促进作用，并且产业结构的作用强度大于城市经济基础的作用强度。产业兴则百业兴，产业结构转型升级是高质量发展的新引擎，能够提高资源配置效率，有利于经济结构持续调优；同时，产业结构变动对碳排放有着举足轻重的影响，推进产业结构转型升级，有利于黄河流域生态与产业协同发展。水资源总量的回归系数为− 0.1877，且通过了5%的显著性检验，说明该变量对生态与产业的耦合协调起到抑制作用。现阶段，黄河流域整体的水资源存在严重的短缺与失衡现象，因此，水资源对生态与产业协同发展并没有起到正向影响，同时也反映出黄河流域应更加注重水资源的高效循环利用，以减弱这种负向影响，推动生态与产业的耦合协同发展。城镇化水平和地理距离这2个因素的显著性没有通过检验，说明这两个因素目前还不是造成生态与产业耦合协同发展的主要因素。

表6 QAP回归分析Tab.6 QAP regression analysis

5 讨论与结论

5.1 讨论

近年来，随着我国逐渐走向高质量发展，“保护”和“发展”之间的协调问题成为了学者们关注的重点。结合上述研究结论和黄河流域实际情况，本文提出一些讨论：

（1）做好黄河流域协调机制的顶层设计，有助于实现生态保护与产业发展的双促双赢（任保平和杜宇翔，2021）。黄河流域是典型的大流域，地域广阔，存在水沙流失、产业结构失衡、复杂难治理的情况。对此，中央和地方政府更应遵循“平等互利、真诚合作、优势互补”的原则，立足于流域整体，协调好流域与区域关系，做好顶层设计，实现信息共享，为黄河流域高质量发展提供高效的机制支持。比如：存在生态关联或产业关联的城市和企业，会具有一定的共性，政府部门可对这些具有共性的城市或企业进行统一管理，搭建高效的合作对接平台和完善的监督反馈机制，不断提升管理效率。

（2）加快建设中心城市，可助力黄河流域尽快实现协同发展。中心城市已成为区域高质量发展的新动力源，对于协同效应较大的城市，比如郑州、济南、西安等，要突出其在生态保护和产业发展方面的联动效应以及模范作用。目前，黄河流域国家级中心城市数量较少，在之后的发展中，可加快建设中心城市，利用中心城市的辐射引领作用，凝聚区域资源要素，打造多增长极的中心城市群，助力流域协同发展（张贡生，2020）。同时，在明确定位的基础上，注意副中心城市和中心城市的协调配合，防止出现“大城市病”，让副中心城市和中心城市各具特色地发展。除此之外，更要积极组织相关培训和研讨活动，加强省际交流，定期学习交流地区管理经验，缩小地区间发展差异。

（3）大力发展经济、升级产业结构、合理利用水资源。黄河流域拥有大量资源，是我国重要经济带，但其经济水平低、发展不均衡。因此，国家应对其加大经济开发力度，投资适当向中西部倾斜，逐步缩小流域内的经济差距，以奠定黄河流域高质量发展的基础。第三产业有利于黄河流域整体产业的协同发展，但目前黄河流域发展仍以第二产业为主，一些老旧产业过度追求效益，对当地生态系统造成破坏。对此，要积极推进老旧产业转型升级，坚持走产业生态化的发展道路，依托城市生态环境和地域特征，积极推进适宜当地发展的绿色产业，构建全方位多层次的生态产业体系（张明志和姚鹏，2020）。此外，黄河流域发展中的一个关键问题就是水的问题，不仅威胁生态安全，也制约经济社会可持续发展。在生态发展理念下，黄河流域水资源管控体系的完善，将有益于产业发展、生态环境治理、城乡建设等各个方面。

本研究也存在一定的不足，如生态系统与产业系统关系复杂，超网络模型暂未考虑到节点的一些属性特征，对系统间的复杂关系无法做到全面刻画，今后的研究将进一步考虑节点的自身属性，以期更全面反映现实系统间的关系。

5.2 结论

本文基于复杂网络理论构建黄河流域枢纽城市2018年生态-产业超网络模型，进一步从单层次和跨层次角度出发构建协同效应指标，并采用QAP方法分析生态与产业协同发展的影响因素，得出以下结论：

（1）从生态网络角度看，城市之间的联系不够紧密，网络连通性不高，网络结构松散；从产业网络角度看，网络中存在孤立节点，说明当前的产业发展环境没有实现自由的合作竞争；从超网络角度来看，网络密度增加，但节点间仍然存在明显的不均衡关联现象。总体来看，超网络能更有效、清晰地表达生态与产业协同发展的主体关系，并能反映主体单层次和跨层次的互动与映射关系。

（2）对于单层次协同效应来说，河南省和山东省的大部分城市在生态网络内部的协同效应较大，制造业等第二产业是目前黄河流域枢纽城市的支柱产业。对于跨层次协同效应来说，郑州、济南、西安、青岛、烟台和太原的协同效应较大，通过地区联动发展有利于带动黄河流域整体走向高质量发展道路；第三产业也拥有较大的协同效应，能够适应城市的绿色发展环境。

（3）5个因素和被解释变量均存在显著的相关关系。经济基础和产业结构对生态与产业之间的协同发展具有显著的正面影响，产业结构的作用强度大于经济基础；水资源总量对生态与产业的耦合协同起到负向作用，这是由于当前黄河流域水资源失衡导致；城镇化水平和地理距离目前还不是影响生态与产业协同发展的主要因素。