中国新经济空间关联网络特征及驱动因素

傅 泽

（1.浙江大学，浙江 杭州 310058；2.义乌工商职业技术学院，浙江 义乌 322000）

一、引言

新经济是一种具有低通货膨胀率、低失业率、经济周期的阶段性特征显著淡化的新型经济业态[1]。伴随新一轮革命及产业结构优化升级，发展新经济成为一国增强核心竞争力的战略关键点。2016 年政府工作报告提出，“要培育壮大新动能，加快发展新经济”，以科技创新、知识赋能为导向的新经济获得快速发展。据国家统计局数据显示，截至2020 年中国“三新经济”增加值占GDP 比重上升至17.08%，但与之形成鲜明对比的是较大地区差距。按照《中国新经济企业500 强发展研究报告（2021）》，在2020 年中国新经济500 强榜单中，东部地区中北京、上海、广东三地新经济企业数量分别为139 家、87家和84 家，总量占比达62%，而排名后十位省份的新经济企业位于中、西部地区，且数量仅占12%。东部与中、西部地区之间新经济企业数量差距较大，造成新经济地区发展规模差距明显。加之长期存在低水平产业集聚和较弱空间关联性，中国新经济发展综合实力仍然有待提升。在此背景下，考察新经济发展的区域空间关联关系，分析各省份之间关联结构特征，可为破解地区发展桎梏提供重要思路。

目前文献虽然对新经济发展[2-4]及其区域空间相关性[5，6]的研究已形成丰硕成果，但鲜有文献从各种因素解构中国新经济的空间关联网络特征；已有研究笼统地关注新经济区域发展非均衡特征及区域差距性[7，8]，而未能明晰新经济在空间网络中的“关联关系”及“网络结构特征”。因此，文章基于社会网络视角，运用2010—2020 年中国30 个省份面板数据解析新经济的空间关联网络结构特征。区别于现有研究，文章的边际贡献主要体现在：一方面，避免传统OLS 回归模型、莫兰指数使用的区域划分标准、空间计量模型中的地理距离均与新经济内涵产生的冲突，较好地识别各省份在新经济空间关联网络结构中所处的地位。另一方面，通过构建各影响因素的相对差距矩阵，将已有影响因素代入其中，基于网络整体角度观察中国新经济空间关联关系形成的影响情况，能够增加分析价值，为促进新经济高质量发展提供启示。

二、研究方法及数据说明

1.修正引力模型

学术界通常采用VAR 模型及引力模型明确元素之间关联关系。然而，VAR 模型只适用于较长时间跨度数据的场景应用，难以描述网络结构的动态演变过程。故而，文章选择引力模型确定新经济空间关联关系。在此之前，鉴于数字通信技术的应用能够突破地理限制，传统地理意义无法精准评析相关性，需预先对其进行处理。综合考虑中国省际经济距离、人口距离及地理距离等因素及新经济发展情形，文章设置了“综合距离”。在此基础上，参照杨蕙嘉、赵振宇(2021)[9]研究，引入修正引力模型，了解中国各省份在新经济空间网络中的关联关系是否存在。具体计算公式为：

公式中，Mij指代修正后中国i、j 省之间新经济的引力；Fi、Fj分别是中国i、j 省的新经济规模总量；Qi、Qj分别指代中国i、j 省年末从业人员总量；Gi、Gj分别指代中国i、j 省的新经济增加值；νij表示调节系数，指代i 省与j 省之间的新经济联系中的贡献率。为各省会中心之间的距离且用于计算引力矩阵，矩阵中的每行代表i 省对于其他省份新经济的影响力。另外，构建空间关联网络的前提在于识别各省际间的空间关联关系是否存在，因此对修正的引力模型计算得出的引力矩阵各行取平均值，并将平均值作为临界值。参考黄音等(2021)[10]的研究方法，认定引力矩阵中若i 省对j 省新经济的影响力高于平均水平并以1 替换，同时箭头从i 指向j 点画出连接线，表明两个省份之间存在空间关联关系。若低于平均水平，说明两个省份不存在空间关联关系并以0 替换。

2.社会网络分析法

社会网络分析法以“关联数据”为基础，通过数理统计方法、图论表现形式刻画各样本之间的空间关联特征，已在许多领域得到应用，如关于农业碳排放效率空间关联[11]、政府非税收入的空间关联[12]等的研究。在社会网络分析方法中，描述空间关联网络结构的整体特征指标覆盖网络密度、网络关联度、网络等级度、网络效率4 方面内容；反映个体特征的指标涉及3 个方面，即点度中心度、中介中心度、接近中心度。因此，在考察中国30 个省份的新经济空间关联网络的整体与个体结构特征时，可从以上维度展开。

（1）网络密度

理论研究中，网络密度指代网络中各节点的空间关联紧密性，是以实际拥有连线数量与全网络可能拥有最多连接线的数量之比计算[13]。若中国新经济网络空间关联联系紧密，那么网络密度值越大。假设网络中省份数量为X，那么网络中可能存在的关联关系数量最大值为X(X-1)。再如空间网络关联图中实际存在的线数为Y，则网络密度Dn的表达式为：

（2）网络关联性

网络自身的稳健性通常以网络关联性衡量。若网络中各省份之间存在一条直接或间接路径连接，意味着这一网络具有良好的关联性。在网络中，若许多节点与其中一个节点相连，说明该网络对被连节点具有依赖性。一旦剔除这一节点，网络结构稳健性不复存在，那么该网络关联性处于较低的状态。假设网络中的省份主体数量为N，那么网络中不可达的点对数为U，网络关联度L 的计算公式为：

考虑到文章构建网络模型为有向网络，需要网络等级度与网络效率指标来丰富网络关联性的分析。网络等级度(WH)是指各个省份新经济之间非对称可达的程度，主要反映省份在关联网络中的支配地位；网络效率(WE)反映了网络中包含关联关系多重叠加程度，体现网络结构整体的稳定性。如新经济网络效率值越低，表明空间溢出渠道就会更多，存在溢出效应的多重叠加现象，也说明网络空间关系较为稳定。网络等级度和网络效率的具体计算见公式(4)和(5)：

式(4)中，T 指代网络中对称可达点数，max(T)指代对称可达点的对数最大值，B 表示网络中存在的线条数量，max(B)为可能多余线条数的最大值。

（3）网络中心性

网络中心性表示网络某一节点对整体网络的“影响力”，由点度中心度(DC)、中介中心度(Le)、接近中心度(Y)构成。其中，点度中心度值越高表明该省在网络中越接近中心位置。中介中心度主要是表示行动者对资源控制的水平。若一个点处于多数点对的捷径之上，表明此节点的中介中心度较高。但若一个省位于多对互相连接省份的中介，那么该省份中介中心度一般情况下较低。接近中心度表示的是新经济发展空间关联网络中某一省份与其他省份的最短距离。某一省份接近中心度计算方式为此省份与网络空间中其他省份的捷径距离之和，若该值越高说明此省份在新经济空间关联网络中承担中心行动者角色。具体计算公式如式(6)～(8)：

式中，pik(j)是j 省控制i 省与k 省的联系能力的中介度，是j 省位于i 省与k 省之间捷径中的概率，存在pik(j)=sjk(i)/sjk。dij表示i、j 省之间的捷径距离（也涉及连接线的个数），n 代表网络中节点个数。

（4）块模型分析

块模型作为社会网络分析法中空间聚类的一类算法，主要考察块之间的关联关系分布情况[14]。在此次研究中，文章将新经济空间关联作用相近省份置于同一板块，通过计算各板块内部省份之间、内外部省份之间的接收（受益）关系与发出（溢出）关系比例，分析各板块在关联网络中扮演的角色。学术界通常以四大板块表示空间关系：其一，主受益板块，即板块内部省份接收的溢出关系数量，远远多于向外部板块发出的溢出关系；其二，净溢出板块，即板块内部省份向其他板块省份溢出关系高于接收关系；其三，双向溢出板块，即板块内部省份之间的溢出关系、向外部溢出关系均较多；其四，居间人板块，即这一板块起到“桥梁”的连接作用，既接收外部板块省份的溢出关系，也向外部省份发出溢出关系。

3.二次指派程序(QAP)分析法

空间关联关系通常是多重因素共同作用的结果[15]。传统计量方法在考察多重因素对区域关联驱动作用时，通常因自变量“高度相关”抑或是“多重线性”问题而对结果产生较大的误差。相对而言，QAP 分析法中的相关分析与回归分析，能够较好地检验两两之间关系矩阵中各元素之间的相似性，同时按照这些元素的相关系数，进一步评判得到两两矩阵之间的相关性结果。在此情境下，利用QAP 分析法分析中国新经济空间关联关系网络的驱动因素。

4.数据说明

考虑数据可获取性，文章以中国30 个省份（不包括西藏及港澳台地区）作为网络节点，以2010—2020 年为研究时序，实证考察新经济网络空间关联特征。其中，各省份“三新”产业经济增加值数据来源于历年《中国统计年鉴》，各省份新经济规模、从业人员总量源自地区统计年鉴、国泰安数据库、专利汇数据库、产业信息网。各省份之间的地理距离以省会中心城市球面距离表示，通过谷歌地图测量计算得出。

三、中国新经济空间关联网络特征分析

1.空间关联网络关系

借助修正引力模型构建中国各省份新经济空间关联关系矩阵，利用可视化工具NETDRAW 绘制2010—2020 年各省份新经济空间关联有向网络，详见图1（限于篇幅，仅展示2020年）。其中，网络各节点指代中国30 个省份，有向线段指代各省份彼此关系的溢出走向。通过公式(1)获得的数据可知，研究样本可能存在最大的关联系数为560 条，实际为128 条。由此可知，新经济发展省际空间关联网络中不存在独立省份。网络中心省份位于东部地区，这些省份发出和接收的关联关系相对较多，而居于“外围”省份多处于中、西部地区。因此可以初步判断，中国30 个省份在新经济空间网络中存在复杂、多线程的网络结构形态且呈“中心—外围”式结构特征。

图1 中国省际新经济空间关联网络

2.整体特征分析

经过公式(2)～(5)对新经济空间关联网络联系性指标（网络密度、网络关联度、网络等级度、网络效率）进行分析，得到全国整体特征表现，详见图2 和图3。从网络密度与空间关联关系视角解读发现：第一，新经济网络密度处于先上升（2010—2016 年）后降低（2017—2020 年）态势，表明30 个省际空间关联紧密性呈先增大后缩小的状态，说明新经济网络空间联系紧密性趋弱。可能原因在于，2017 年以来，电商平台等新商业模式的大力发展促使新经济逐步走向区域集聚化趋势，由此引致部分省份的空间关联开始降低，间接降低整体空间关联密度。但即使如此，从长远看，以上现象对于倒逼行业转型升级、增加产业空间关联性、促进新经济高质量发展起着重要驱动作用。第二，研究期内中国新经济空间关联整体呈上升趋势，2010—2020 年空间关联关系数量从72 条上升至188条。同时根据公式(3)测算结果，网络关联性值为1，说明各省份之间在关联网络中的可通达性较好，由此验证以上结果的准确性。这说明，中国各省份新经济之间可通过直接或间接方式实现连通，有效发挥各自空间溢出效应。

图2 网络密度与空间关联关系

图3 空间网络等级度与网络效率

从网络等级度与网络效率视角解读：第一，网络等级度从2010 年0.5712 升至2013 年的0.7142，此期间处于稳定上升状态；2014 年下降至0.5144 之后至2017 年，再一次历经上升态势；2018 年降至0.4312 之后平稳。这说明新经济空间关联网络等级结构日渐模糊，各省份在空间关联网络中的作用不断增大。可能的原因在于：2017 年之前，各省份的技术、人力等要素发展水平存在较大差异，新经济网络“中心—边缘”结构性差异较为明显。而2018 年之后，这种差异性逐步减小，各省份逐渐从边缘位置或从属地位开始走向空间关联网络的中心，并发挥重要联动作用。第二，中国新经济空间关联网络效率呈下滑且略有回升态势，即2010—2020 年从0.6855 下降到2018年的0.5523，而后又升至0.6285，表明各省份虽存在一定冗余现象、网络稳定性较差，但彼此联系紧密程度也在逐渐加强。可能的原因在于，新经济步入快速发展时期，技术发展水平滞后省份难以共享新经济发展红利，与其他省份的关联性降低。但随着数字新基建的快速推进，这种关联性弱的现象一定程度上得到缓解。

3.个体特征分析

通过公式(6)～(8)展开对新经济空间关联网络中心性指标分析，即可获得各省份在新经济发展空间关联网络中的表现。表1 即为中国30 个省份新经济发展空间关联网络的中心性度量指标计算结果。

表1 中国数字经济空间关联网络中心性结果

从点度中心度测算结果来看，点度中心度高于均值(36.927)省份有9 个，分别为北京、天津、上海、江苏、福建、湖北、广东、山东和云南。这些省份大都位于东部地区且居于空间网络中心位置，说明东部地区对全国新经济发展空间关联及溢出效应存在显著带动效应。可能原因在于，这些地区互联网、人工智能等技术创新能力相对较强，具备较强的资源凝聚能力，与传统产业融合度极高，可通过“虹吸效应”从其他地区吸引优质资源集聚，因此新经济发展水平较高。

从中介中心度测试结果来看，全国30 个省份的中介中心度高于均值(2.271)的有6 个省份，分别为江苏、上海、北京、山东、福建、广东。这说明以上省份在新经济发展空间关联网络中发挥较大的经济影响力，扮演中心带动的角色，可以与其他省份很好地建立关联关系。产生这一现象的可能原因是，这些省份不仅具备良好的经济发展水平，已形成较为完备的数字化设施，加之信息化、数据化、智能化水平较高，能够获得新经济发展要求的要素资源，与其他省份之间的技术、信息、资本等联动效应更高。再计算2020 年新经济空间关联网络的中介中心度总量为68.153。其中排名前四位的省份中介中心度之和为50.498，占总量的74.1%，这些地区主要居于长三角、珠三角地区；排名后四位省份的中介中心度之和为2.292，仅占总量的0.5%，可知这些省份由于地理位置欠佳或技术创新能力偏弱，所以无法对其他省份起到控制和支配作用。此外，中国30 个省份新经济空间关联网络中各个省份的中介中心度数值差异起伏较大，许多省份的空间联系主要通过技术创新水平较高、经济发展能力较强的省份带动完成。

从接近中心度测算结果来看，全国30 个省份中接近中心度高于均值(62.044)的4 个省份，分别为上海、江苏、广东、湖北。这表示以上省份能够很快在空间网络中建立连接关系，在网络空间中充当中心促进者的角色。主要原因在于，这些省份均位于地理条件优越的地区，除了湖北之外的其他省份均位于沿海地区，且经济、技术较为活跃，能够发挥自身优势。另外，在诸多省份中，尤其是广东接近中心度(88.527)高于其他省份，即广东与其他省份在新经济空间关联网络中最为接近。相对来说，辽宁、吉林、青海等省份受制于数字技术条件不足、经济发展水平落后等因素，无法在空间关联网络中发挥联系作用。

4.空间聚类分析

运用CONCOR 法对2020 年30 个省份进行聚类分析，以此明确不同板块之间新经济空间关联关系。参照已有文献对参数设置惯例[16]，设置最大分裂深度、集中度以保证分别为2 和0.200，由此将中国30 个省份划分为四个板块，具体结果详见表2。可以知悉，2020 年各板块内部省际关联关系数量为56条，板块之间的关联关系（即接收关系与发出关系）为334条。这说明新经济各板块在空间网络中存在显著关联关系及溢出效应。

表2 2020 年新经济空间关联板块及角色划分

板块1 成员包括北京、山东、上海、江苏、四川5 个省份。该板块特征在于所属成员省份新经济发展要素资源集聚能力较强，可以吸收来自中、西部地区省份的“三新”资源。同时，此板块接收关系显著多于发出关系，因此属于“主受益”板块。板块2 成员仅包括广东、浙江与福建3 个省份。该板块3 个省份新经济发展水平较高并集聚较多的互联网平台，形成接收关系数量与发出关系数量均衡且较多现象，加之期望内部关系、实际内部关系二者的比例分别为14.84%和26.58%，因而可以归类为“双向溢出”类型。板块3 成员包括广西、湖南、湖北、安徽、贵州、云南、河南、江西、重庆、陕西、海南11 个省份。这些省份的实际内部关系比例相对较低，既向板块外成员发出联系又接收外部板块邀请，可归类为“居间人”板块。板块4 成员包括黑龙江、吉林、辽宁、内蒙古、山西、河北、天津、甘肃、青海、新疆10 个省份。

为深入讨论板块之间新经济发展的空间关联特征，文章按照板块之间关联关系的分布态势，计算各板块之间的密度矩阵和像矩阵。在这一过程中，基于表2 结果及密度矩阵，以整体网络密度(0.3255)作为临界值进行评判。如果密度矩阵中的板块密度大于临界值，赋值为1，否则为0，最后将多值密度矩阵转化为像矩阵，详见表3。

表3 板块密度矩阵及像矩阵

分析表3 数据可知，各自板块存在明显溢出效应，且其在空间关联网络中的地位差异较为显著。这说明板块之间在空间网络中具有关联特征。第一，板块1 与板块2 的内部省份之间存在显著的新经济发展关联特征，且板块1 接收到板块3 和板块4 的溢出关系，同时板块2 亦接收到板块4 的溢出关系。这说明新经济发达的长三角、珠三角地区发展所依赖的资源、环境等要素供给相对紧张，需要从中、西部地区获取资源来加快自身新经济发展的进程。第二，板块3 和板块4 内部呈现的关联及溢出效应并不显著。这意味着中、西部地区自身经济水平较低、技术创新能力不足，难以为东部地区提供“三新”产业发展所需要的技术资源，反而自身内部要素发展需要板块1 和板块2 为其输入。其三，板块1、板块2 对板块3 均存在溢出效应，表明东部地区新经济中的“三新”产业发展对其他省份具有明显带动作用。

四、中国新经济空间关联网络的驱动因素

1.模型构建与变量说明

按照模型空间聚类分析可知，主受益板块主要位于东部地区，净溢出板块主要位于中、西部地区，这说明新经济空间关联关系形成可能与经济因素有关。这些因素之间差异会推动资本、人才、技术等要素在各个省份之间流动，使得地区之间新经济产生关联。综上，假设经济发展水平、产业结构、市场化程度、地理距离、人力资本对新经济空间关联关系的形成产生了一定影响。因此，研究新经济发展的空间关联性并无关溢出方向，所以按照已有研究做法[17]：先取每个影响因素差值的绝对值表征区域差异，同时将新经济空间关联矩阵转换为关系矩阵，而后以上述影响因素差异矩阵为解释变量，新经济空间关联关系矩阵为自变量，构建式(9)计量模型：

其中，R 为因变量，代指新经济空间关联关系；K 为自变量，包括经济发展水平（FZ，用人均GDP 衡量）、产业结构（CG，以第三产业占GDP 比重表征）、地理空间（DL，以各省会中心之间地理距离表示）、人力资本（JC，以大学毕业生人数占总人口比重分别乘以相应各类受教育年限表征）、市场化程度（CH，以财政支出占GDP 比重表征），这些变量数据均来源于国家和地方统计年鉴。Z 表示控制变量。为避免多重共线性产生测量结果误差，文章运用QAP 法对参数进行相关分析与回归分析。

2.实证分析

通过QAP 法测算得到中国新经济发展空间关联结果（详见表4）。表中概率1 指代矩阵随机置换后，判断系数绝对值高于判定系数概率；概率2 为低于判定系数概率。进一步分析可知，中国省际新经济发展差异网络与各自变量均在10%水平上显著，说明所有控制变量均会影响省际新经济发展的空间关联网络关联性。综合分析来看，新经济发展省际关联网络更倾向于向经济发展水平较高、产业基础完备、技术创新较强、市场化水平较高的地区延伸。这种现象与目前“东强中西弱”的省际分布格局基本一致，即东部地区具备“三新”产业发展的各种资源、技术、资金等优质要素，而中、西部地区缺乏优质要素资源，这使得东部地区与中、西部地区之间存在一定差异的新经济发展水平。

表4 中国新经济空间关联的驱动因素分析

进一步利用QAP 法考察自变量与新经济发展差异矩阵，发现所选自变量对新经济发展空间关联存在一定差异。一方面，经济发展水平、地理距离和人力资本不具有显著性，说明这些变量对新经济发展的省际空间关联不具有驱动作用。原因可能是：新经济环境下“三新”产业依托互联网平台能够削弱地理空间的依赖性，使得与数字经济发达地区相差较远的省份亦可出现较高水平的新经济产业；较传统经济而言，新经济在创新发展过程中能够颠覆传统商业模式，使得更多不具备优势的产业亦可实现“弯道超车”。这两种原因引致经济发展差异、地理距离差异对于新经济省际空间关联的驱动作用不显著。同时，人力资本落后地区能够利用数字产业、数字经济及新商业模式，弥补依靠人力资本发展瓶颈的不足。也就是说，人力资本对于新经济发展的空间关联驱动作用也处于微弱态势。另一方面，产业结构、市场化程度均有利于新经济发展的空间关联和溢出。同时，各省份之间产业结构、市场化程度等存在的差异性，可促进新经济发展的“要素资源流”跨区域流动，并通过示范效应使得区域之间出现虹吸效应。由此可知，在影响新经济发展水平驱动因素中，地区经济发展水平、地理距离和人力资本并未产生明显影响，而产业结构、市场化程度则发挥重要驱动作用。

五、结论与建议

文章以2010—2020 年中国30 个省份新经济规模数据作为样本，将修正引力模型与社会网络分析法应用于中国新经济空间关联关系进行测度分析，得到如下结论：第一，新经济网络各省份之间具有明显关联与溢出效应，但彼此之间空间联系紧密性较弱；各省份的新经济空间关联网络存在一定的等级结构，而网络空间稳定性较差。第二，各省份在新经济空间关联网络中的地位和作用存在一定异质性。其中，东部地区部分省份（包含江苏、上海、天津、北京、山东）的点度中心度、中介中心度排名均靠前，说明在中国新经济空间关联网络中扮演“中心行动者”和“居间人”的角色。而部分中、西部地区省份（包括黑龙江、新疆、河北、宁夏、青海等）在网络结构中处于弱势地位，扮演“边缘人”角色。第三，中国四大板块及各成员省份的新经济空间关联网络地位不同，其中环渤海地区、长三角地区属于“净受益者”；部分西部地区省份及东北三省为“净溢出者”，湖南、广西、贵州等省份承接“双向溢出者”角色，其余省份处于“居间人”角色。综合而言，四大板块之间溢出效应显著，但内部之间联系较少。第四，依据驱动因素，产业结构、市场化程度正向影响中国新经济空间网络结构形成，而经济发展水平、地理距离和人力资本所产生的影响不明显。

为提升新经济发展优势，推动地区之间产业均衡化发展，文章提出如下几条对策建议：第一，形塑优势互补系统化格局。结合各省份在新经济空间关联网络中的作用，建议位于新经济发展中心省份充分发挥辐射力，推进关键技术创新应用，激发新经济创新潜力，继续保持领先地位；位于新经济发展外围省份需要主动探索提升省际空间关联的有效路径，增加对新经济、新商业模式、新产业的引进与消化力度，拓展合作模式，培育高质量的数字化需求，推进形成区域均衡高质量新经济协同发展格局。第二，关注空间关联溢出效应。一方面，双受益板块、主受益板块省份基于内部省份关联溢出效应，提高自身在网络中的主导地位，引导居间人板块和净溢出板块提升新经济、新产业、新模式的融合能力。另一方面，居间人板块省份通过增强新经济发展的关联性，提高与外围省份的关联性。净溢出板块需要挖掘自身优势，畅通新经济发展的溢出渠道，获得中心板块省份的溢出效应，增加关联紧密性。第三，出台区域异质性发展政策。根据观察研究结果可知，产业结构、市场化水平差异化越小的地区，更有益于发挥各省份新经济的空间关联与溢出效应，吸引“外围”省份加大产业结构转型，优化市场资源配置。这一过程中，政府要出台差异化的区域发展策略，通过优化新经济产业结构、完善数字基建与经济发展软环境，实现数字技术、资金、商业资源等要素跨区域有效流通，缩小省级新经济发展差距。