长三角城市群城市经济韧性的空间关联网络研究

张 明 斗，张 震

(东北财经大学经济学院，辽宁 大连 116025)

0 引言

随着经济全球化进程的加速和区域经济一体化程度的加深，区域经济发展不断遭受突发事件(如金融危机、SARS、新冠肺炎疫情)等各种不确定性风险的冲击与干扰。由于经济韧性不同[1]，不同城市在面对这些不确定性冲击和干扰时的适应能力有巨大差异[2]。韧性(resilience)[3]最早用于描述生态系统在面临人为破坏或自然灾害时所表现出的适应能力以及灾后的恢复能力，经济韧性一方面体现为经济系统抵御外部冲击的能力，另一方面体现为经济系统受到冲击后的自我恢复能力[4]。Reggiani等最先将经济韧性概念引入空间经济学中，将其视为城市抵御冲击的能力[1]；Thomas等进一步将城市经济韧性定义为城市能够响应多重危机并将对公共安全和社会经济的危害降为最低的能力[5]；Shaw等认为经济韧性是城市面临外部冲击时及时转变增长方式并实现新一轮经济增长的能力[6]。随着经济韧性理论的不断创新，Boschma指出城市经济韧性不仅包含应对短期危机的能力，还应考虑长期扰动以及城市恢复长期经济增长的能力[7]；Martin等则认为应从抵御冲击和吸收冲击的能力、对冲击的反应程度、遭受冲击后对内部资源整合和结构调整等做出改变的能力、回到原先增长路径或创造新增长路径4个维度对经济韧性进行全方面、系统性分析[8]，并得到学界的普遍认同。经济韧性已成为我国政府和学术界共同关注的热点领域，尤其是新冠肺炎疫情的突发更将“经济韧性”一词推向了新高度，不同学者对城市经济韧性水平的空间演化格局[9-14]、影响因素[15-25]、提升路径[22,26-28]进行了详细探讨。但现有研究仍存在如下问题：1)主要从城市静态的基本要素角度解释或测度经济韧性，由于区域间的相互关联性，一个城市在受到外部冲击时，其故障会向其他城市传递，同样冲击过后城市产业结构的再调整不只涉及一个城市或地区；2)所揭示的城市经济韧性空间相关性和溢出效应仅考虑了地理上的邻近或相邻城市，而城市经济韧性在非邻近城市中也会产生溢出效应。

城市群作为区域空间形态高级化的有形载体和新型城镇化的主流形态，已成为拉动国民经济发展的核心区域，充分激发与释放城市群的经济价值和作用优势是实现未来城市高质量发展的主要抓手。长三角城市群是中国最活跃的地区之一，也是国家重点关注区域，改革开放以来，长三角城市群为中国经济发展做出了重大贡献，发展潜力巨大。在台风、暴雨等自然灾害以及新冠肺炎疫情、金融危机等突发事件的应对中，长三角城市群均表现出较强的灵活性和自如性，“经济韧性”十足。鉴于此，本文以长三角城市群26个地级及以上城市为研究对象，运用社会网络分析方法，对其经济韧性的时空演化特征和空间关联网络结构进行分析，以期为城市群各城市经济韧性的提升提供现实依据，并增强城市群内各城市共同防范风险的能力和可持续发展能力，为未来“韧性城市群”的高质量打造提供明确分工。考虑到自2008年第三季度开始，国际金融危机的冲击开始对国内部分城市与行业产生影响，且随着时间推移，其影响范围不断扩大，影响程度不断加深，依据该冲击传导机制的滞后性以及我国劳动就业市场的具体表现，可以认为金融危机从2009年开始对我国城市经济造成实质性冲击，故本文以2008年国际金融危机冲击为参照探讨长三角城市群城市经济韧性。本文主要从以下三方面展开：1)以长三角城市群城市经济韧性为切入点，通过综合指标法，从城市抵御恢复压力、适应调整状态、创新转型能力3个维度构建城市经济韧性的指标体系，较全面、科学、准确地测度城市经济韧性，以突破运用就业人数或GDP增长率等单一指标作为衡量依据的局限性；2)采用核密度估计法对城市经济韧性的时间演变趋势进行分析，并基于可视化分析方法探讨城市经济韧性的空间演化特征，明确其时空演变状态；3)运用社会网络分析方法分析城市经济韧性空间网络，明确其整体网络、个体网络及聚类特征等，以期为明晰城市经济韧性网络结构特征提供实证参考。

1 研究方法与数据

1.1 指标体系构建

目前，国内外对于经济韧性的量化评估方法主要包括核心指标法和综合指标法。其中，核心指标法主要采用核心指标实际值与预期值的变化率表征经济韧性，一般选择就业率[11]、工业相关指标[29]、GDP[30]等。使用核心指标法测度经济韧性主要有两种类型：一是Martin[2]以英国1979-1983年、1990-1992年、2008-2010年三大经济衰退期为研究对象，通过地区就业敏感指数测度经济韧性，考虑到中国并未经历就业水平逐年下降时期，直接采用核心指标法测度中国城市经济韧性会存在偏差，可能会得出不尽相同甚至完全相反的研究结果；二是Doran等[31]通过预测反事实就业水平测度城市经济韧性，由于中国国有企业提供的就业相对稳定且占主导地位，城市就业状况受经济衰退影响较小，同时，中国很多城市的就业统计数据并不完整，直接采用此方法会导致测度结果出现偏差。而综合指标法通过构建指标体系进行测度，能全面反映城市经济韧性，从而有效克服使用单一指标衡量经济韧性的“背景”缺陷。鉴于此，本文采用综合指标法测度城市经济韧性。

参考文献[8,25]，从抵御恢复压力、适应调整状态、创新转型能力3个维度构建长三角城市群城市经济韧性综合评价指标体系：参考文献[32-34]，以经济规模、居民收入水平、金融风险、产业结构合理化水平4个指标反映抵御恢复压力；以财政自给能力、消费规模、投资规模、社会保障能力4个指标反映适应调整状态；以科研投入力度、产业结构高级化水平、科技教育事业支出水平、人力资本水平及要素流动投资水平5个指标衡量创新转型能力(表1)。

表1 城市经济韧性评价指标体系Table 1 Evaluation index system of urban economic resilience

1.2 熵值法

本文采用熵值法，通过信息熵原理确定权重以客观评价城市经济韧性。首先利用式(1)、式(2)将正向、负向指标标准化，得到标准化后指标X′aij；然后确定指标j的比重(式(3))、熵值(式(4))、差异系数(式(5))和权重(式(6))，进而求得第a(a=1，2，…，n)年城市i的经济韧性Rai(式(7))。

X′aij=(Xaij-Xj min)/(Xj max-Xj min)

(1)

X′aij=(Xj max-Xaij)/(Xj max-Xj min)

(2)

(3)

(4)

Dj=1-Hj

(5)

(6)

(7)

1.3 引力模型

为明确各城市在经济韧性空间关联网络的地位，本文借鉴文献[35-37]构建长三角城市群城市经济韧性的空间关联矩阵，城市间关联强度采用引力模型(式(8)、式(9))计算。为防止一些微弱的经济关联关系影响城市经济韧性网络的整体分布，对城市间经济联系矩阵的元素设定阈值f*(去除引力矩阵异常值的均值)，利用式(10)将城市间经济联系矩阵转化为二值矩阵。

(8)

(9)

式中：Fij为城市i、j之间的引力水平；R为不同城市的经济韧性水平；Dij为两城市间的地理距离；Kij为经验系数[14]。

(10)

1.4 社会网络分析方法

(1)整体网络特征。本文采用网络密度D(式(11))、网络关联度C(式(12))和联系强度极差值(Fmax-Fmin)刻画整体网络结构特征。其中，网络密度反映城市经济韧性空间关联网络的紧密程度，网络关联度反映网络结构的稳定性或脆弱性，联系强度极差值反映网络中各城市经济韧性的均衡发展程度。

(11)

式中：I为关联网络中包含的实际关系数；N为整体网络中的节点数量。

(12)

式中：V为网络中不可建立联系的节点城市数量。

(2)节点网络特征。本文采用点度中心度DC(式(13))、中间中心度BC(式(14))和接近中心度CC(式(15))刻画各节点的网络结构特征。点度中心度衡量各节点在整体网络中的地位，节点的点度中心度越高，表明该节点在网络中的中心地位越突出；中间中心度反映节点在整体网络中发挥中介作用的程度，节点的中间中心度越大，表明经过该节点的要素越多，中介作用越明显；接近中心度刻画整体网络中单个节点与其他节点的直接关联程度，数值越高，表明该节点产生的直接关系数越多，在网络中“中心行动者”的地位越明显。

DCi=Ki/(N-1)

(13)

式中：Ki为与节点i相连边的数量；N-1为节点i的最大可能相连边数。

(14)

式中：δst为从节点i到节点t的最短路径条数；δst(i)为从节点s到节点t经过节点i的最短路径条数。

(15)

式中：dij为两节点间的最短路径距离。

(3)空间聚类分析。块模型是社会网络分析方法中进行空间聚类分析的主要方法，可以对各个块在网络中的角色进行分析。通过块模型分析能找到网络中板块个数和每个板块所包含的城市，并分析板块之间的关系和链接方式。

1.5 研究区域与数据来源

长三角城市群包含上海、南京、镇江、扬州、常州、苏州、无锡、南通、泰州、盐城、杭州、嘉兴、湖州、绍兴、宁波、舟山、金华、台州、合肥、芜湖、滁州、马鞍山、铜陵、池州、安庆、宣城26个城市，研究数据主要包括2009-2019年《城市建设统计年鉴》、2010-2020年《中国城市统计年鉴》以及各地区的历年政府公报，对于个别缺失值采用插值法补齐。

2 长三角城市群城市经济韧性时空特征

2.1 城市经济韧性的时间演化趋势

基于上述方法得到2009-2019年长三角城市群城市经济韧性水平(表2)，并绘制2009年、2012年、2016年、2019年城市经济韧性核密度分布图(图1)。总体上看，长三角城市群城市经济韧性核密度曲线中心自2009年以来呈现右移趋势，城市经济韧性水平明显提升；另外，曲线呈现正偏态分布，多数值低于平均水平，说明城市群整体城市经济韧性仍有很大的提升空间。分年份看，2009年曲线为窄峰分布，且样本值多数集聚在0.200以下，城市经济韧性处于较低水平；2012年曲线峰值中心显著右移，宽度轻微扩大，说明城市经济韧性总体水平小幅提升，但地区间相对差异略微拉大；2016年曲线高度明显下降，波峰由“窄峰”转变为“宽峰”，且呈现右拖尾现象，说明城市经济韧性分布集中程度降低，高值区增加；2019年曲线右拖尾延长速度加快、长度增加，城市经济韧性呈现出“优者更优”的现象。整体而言，2009-2019年长三角城市群城市经济韧性由0.176提升至0.257，年均增长4.18%。

表2 2009-2019年长三角城市群城市经济韧性测度结果Table 2 Measurement results of urban economic resilience in the Yangtze River Delta Urban Agglomeration from 2009 to 2019

图1 长三角城市群城市经济韧性核密度分布变化Fig.1 Distribution of the kernel density of urban economic resilience in the Yangtze River Delta Urban Agglomeration

2.2 城市经济韧性的空间演化趋势

为进一步明晰长三角城市群城市经济韧性的空间演化特征，以2009-2019年城市经济韧性均值为基准，利用自然断点法将城市群内26个城市的经济韧性划分为低、较低、中度、高4个等级，并对2009年、2012年、2016年、2019年的城市经济韧性等级强度进行可视化(图2)。总体而言，2009-2019年长三角城市群城市经济韧性呈现出由核心区向外围区逐渐衰减的态势，主要体现为由上海、南京、杭州、合肥、苏州5个区域核心城市向周边城市衰减，且随时间推移，中度韧性等级的城市数量明显增加，表现出一定的空间扩散效应。分年份看，2009年城市群内各城市经济韧性差异明显，且呈现非均衡分布状态，高度韧性城市仅有上海，中度韧性城市主要有南京、无锡、苏州、杭州，较低韧性城市包括合肥、常州、南通、嘉兴、绍兴、宁波，低度韧性城市涉及盐城、扬州、安庆、池州、铜陵等15个城市，城市经济韧性整体处于较低水平；2012年低度韧性城市减少为8个，合肥、宁波进入中度韧性行列，其余城市基本无变化，相较于研究初期经济韧性平均水平提升幅度为18.18%；2016年常州、南通提升为中度韧性等级，南京、苏州、杭州跻身高度韧性等级，城市经济韧性“排头兵”规模不断壮大，整体城市经济韧性提升至0.247，相较于2012年增幅18.75%；2019年城市经济韧性形成相对稳定的空间分布格局，外围区除合肥外，各城市经济韧性差异的等级相对固化，尤其城市群西部安徽内的大部分城市处于低度韧性水平，呈现出反“C”形的半包围空间分布格局。

图2 2009-2019年长三角城市群城市经济韧性空间分布Fig.2 Spatial distribution of urban economic resilience in the Yangtze River Delta Urban Agglomeration from 2009 to 2019

3 长三角城市群城市经济韧性空间关联网络

3.1 整体网络结构特征

本文基于引力模型计算出长三角城市群26个城市间的经济韧性引力值，并明确各城市经济韧性的空间网络结构特征(表3)。可以发现，2009年网络关联度为0.849，2016年达到最大值(1.000)并保持至2019年不变，表明空间关联网络已形成通达网络，网络中的各节点均可达到。另外，11年间城市经济韧性的空间关联关系数呈逐年上升趋势，由2009年的126个增至2019年的178个，与之相对应的城市经济韧性整体网络密度由0.194提高至0.274，表明各城市在经济韧性空间关联网络中的联系愈发密切。尽管考察期内整体网络密度有明显提高，但整体网络中的空间关联度依旧偏低，城市群内所有城市之间的最大可能关系数为650(26×25)，而实际关系数最大仅为178个(2019年)，说明城市群内各城市的经济韧性尚未形成完整的环状网络联系，部分城市的参与度仍然较低。进一步分析各城市的经济韧性联系强度发现，2009-2019年联系强度均值由0.936增至1.545，表明长三角城市群整体经济韧性联系水平显著提升，随着时间推移，原来在整体网络中参与度较低的盐城、台州、金华等边缘城市开始融入城市经济韧性联系网络中。虽然各城市的经济韧性联系水平提升显著，但11年间城市经济韧性联系强度极差从34.043增至70.257，提高了1.064倍，表明城市间的极化现象日益加剧。

表3 长三角城市群城市经济韧性空间网络结构特征Table 3 Structural characteristics of urban economic resilience spatial network in the Yangtze River Delta Urban Agglomeration

为全方位识别长三角城市群城市经济韧性联系强度的演化趋势，本文运用NetDraw绘制出2009年、2012年、2016年、2019年的空间网络结构(图3),其中，节点间的连线表示城市群各城市间经济韧性的空间关联关系，箭头方向表示城市经济韧性的溢出方向。可以看出，城市经济韧性空间关联网络结构由2009年的相对稀疏零落演化为2012年、2016年的互相牵连，再到2019年的密切联系、不可或缺。2009年上海、南京、苏州、杭州与其他城市联系紧密，在网络中处于核心位置，台州、盐城等与其他城市联系较少，在网络中处于边缘位置；2012年空间关联网络联结数增加，台州、盐城等“孤立”城市逐渐融入整体网络中，各城市间经济韧性关联性显著增强；2016年无锡、合肥加入“核心城市”大集合中，边缘城市经济韧性联系密度快速增长，整体网络趋向于均衡发展；2019年上海、南京等核心城市地位越发凸显，其不仅对邻地产生溢出效应，而且还辐射到非邻地的边缘城市，整体网络结构更加稳定。

图3 2009-2019年长三角城市群城市经济韧性空间关联网络演化Fig.3 Evolution of spatial association network of urban economic resilience in the Yangtze River Delta Urban Agglomeration from 2009 to 2019

3.2 个体网络分析

通过测度点度中心度、中间中心度、接近中心度等指标对整体网络中心性进行分析(表4)，以揭示长三角城市群内各城市在经济韧性空间关联网络中的地位和作用。

表4 长三角城市群城市经济韧性空间关联网络中心度Table 4 Centralities of spatial association network of urban economic resilience in the Yangtze River Delta Urban Agglomeration

3.2.1 点度中心度 长三角城市群城市经济韧性空间关联网络的点度中心度均值为54.199，有11个城市高于均值，主要为上海及江苏省内经济发展较好的城市，前5名从高到低为上海、南京、苏州、无锡、杭州，表明这些城市在经济韧性空间关联网络中与其他城市之间的关系数较多；点度中心度排名后5位的城市为台州、安庆、盐城、金华、池州，说明这些城市在经济韧性空间关联网络中与其他城市的联系较少，缘于这些城市经济规模相对较小、区位优势不明显。进一步对城市经济韧性的空间溢出关系分析发现，溢出比例前5名由高到低为盐城、金华、宣城、台州和舟山，这些城市在经济韧性提升过程中对其他城市有明显的溢出效应；后5名的城市为上海、杭州、苏州、马鞍山、无锡(芜湖)，这些城市在整体网络中的受益关系数较多，在经济韧性发展过程中会吸引并得到其他城市的支持。

3.2.2 中间中心度 长三角城市群城市经济韧性空间关联网络的中间中心度均值为3.365，高于均值的城市从高到低为南京、杭州、上海、宁波、芜湖、苏州和合肥，这7个城市的中间中心度之和(76.184)在总量(87.500)中占比高达87.07%，表明这些城市在整体网络中扮演着“中介”和“桥梁”角色，城市群中多数城市的经济韧性联系需要通过这7个城市来完成；排名后5位的城市为台州、安庆、盐城、滁州和金华，其中间中心度均小于0.100，受经济发展实力、区位环境的影响在整体网络中影响有限。总体而言，城市经济韧性网络中各城市的中间中心度具有显著差异，呈现出非均衡特征。

3.2.3 接近中心度 长三角城市群城市经济韧性空间关联网络的接近中心度均值为0.517，高于均值的城市有12个，排名前5位的城市从高到低为南京、上海、杭州、苏州和无锡，说明这些城市在经济韧性关联网络中能够快速与其他城市产生内在连接，在网络中发挥着“中心行动者”的作用。排名后5位的城市为台州、安庆、池州、金华和舟山，其经济韧性较低，在城市经济韧性网络中扮演着“边缘行动者”角色。

3.3 块模型

本文采用2019年长三角城市群内26个城市的经济韧性引力矩阵，通过块模型分析各城市在经济韧性空间关联网络中的聚类特征，参照文献[38-40]，采用迭代相关收敛法(CONCOR)，设定最大分组值为2，集聚标准为0.200，将城市群内26个地级及以上城市划分为4个板块(表5)。由表5可知，城市经济韧性空间关联网络的关系总数为204个，板块间关系数为82个，板块内部关系数为122个，说明板块间的经济韧性存在明显的空间关联和溢出效应。其中，板块Ⅰ由上海、舟山、湖州、台州、嘉兴、宁波、金华、杭州和绍兴9个城市组成，内部关系数为48个，向其他板块溢出关系数25个，接收板块外关系数23个，该板块与其他板块保持紧密联系，在关联网络中发挥桥梁作用，属于“经纪人”板块；板块Ⅱ由盐城、泰州、苏州、常州、无锡和南通6个城市组成，板块内部关系数为29个，向其他板块溢出关系数27个，接收板块外关系数26个，溢出强度与接收强度相差无几，该板块对内部和外部均存在显著溢出效应，为典型的“双向溢出”板块；板块Ⅲ由扬州、南京和镇江3个城市组成，内部关系数为9个，向其他板块溢出关系数13个，接收板块外关系数29个，该板块接收来自其他板块的关系数高于其对外溢出的关系数，属于“主受益”板块，享受其他板块所带来的溢出“福利”；板块Ⅳ由安庆、合肥、池州、芜湖、滁州、铜陵、宣城和马鞍山8个城市组成，内部关系数为36个，向其他板块溢出关系数17个，接收板块外关系数4个，该板块溢出强度远高于接收强度，为“主溢出”板块。

表5 长三角城市群城市经济韧性四大板块间的溢出效应Table 5 Spillover effects of four sections of urban economic resilience in the Yangtze River Delta Urban Agglomeration

为深入考察四大板块间的关联关系，根据测算结果(表5)，将局部网络密度大于整体网络密度(0.274)的板块赋值为1，反之赋值为0，得到板块间像矩阵(表6)，并依据像矩阵结果绘制出能直观反映四大板块间关联关系与互动传导机制的示意图(图4)。可以看出，各板块内部的城市交流密切，这与长三角城市群区域一体化程度不断提高、区域内城市间联系日益密切有关。具体分析发现，板块Ⅰ(“经济人”板块)的成员主要由上海及浙江省内经济韧性较高的城市组成，该板块成员邻海，具有明显区位优势，在网络中扮演着“枢纽”与“桥梁”角色，有效增强了城市群内部城市间经济韧性的连通性；板块Ⅱ(“双向溢出”板块)的成员主要分布在江苏省内，城市经济发展水平相对较高，在网络中起“第一动力”的作用，板块内的城市对板块外的多数城市存在溢出效应，且溢出效应主要作用于板块Ⅰ和板块Ⅲ；板块Ⅲ(“主受益”板块)的成员主要为城市群北部的南京、扬州、镇江，该板块与其他板块间均表现出较强的“接收效应”，扮演受益者角色；板块Ⅳ(“主溢出”板块)的成员主要分布在安徽，其内部“交流”密集度远高于外部，表现出明显的“俱乐部”效应，与其他板块多为“溢出”交流方式，呈现明显溢出效应。

表6 长三角城市群城市经济韧性四大板块间的密度矩阵和像矩阵Table 6 Density matrix and image matrix of four sections of urban economic resilience in the Yangtze River Delta Urban Agglomeration

图4 长三角城市群城市经济韧性四大板块间的关联关系Fig.4 Correlation between four sections of urban economic resilience in the Yangtze River Delta Urban Agglomeration

4 结论

本文运用综合指标法构建长三角城市群城市经济韧性评价指标体系，通过熵值法测算出2009-2019年各城市经济韧性综合得分，并分析其时空特征，进而应用社会网络分析方法探讨城市经济韧性的空间关联网络结构特征和关联关系。主要结论如下：1)2009-2019年长三角城市群城市经济韧性由0.176提升至0.257，年均增长4.18%，总体实现了由低度韧性向中度韧性的转换；2019年高度韧性城市主要集中在上海、南京、苏州、杭州和合肥等区域核心城市，中度韧性城市(南通、常州、无锡、嘉兴、宁波、绍兴和芜湖等)主要集中于苏南和浙北地区，低度韧性与较低韧性城市主要集聚于安徽以及苏北和浙南区域；2)长三角城市群城市经济韧性的空间关联关系数和整体网络密度均呈上升态势，各城市在经济韧性空间关联网络中的联系愈发密切；3)上海、南京、苏州、无锡、杭州等城市的点度中心度较高，在城市经济韧性网络中的影响力较强,南京、杭州、上海、宁波、芜湖、苏州和合肥的中间中心度总和占整体的87.07%，在整体网络中扮演着“中介”和“桥梁”角色，南京、上海、杭州、苏州和无锡等12个城市的接近中心度高于城市群均值，在网络中发挥着“中心行动者”的作用；4)“经济人”板块(板块Ⅰ)包括上海、杭州、宁波等9个城市，主要位于浙江，成员区位优势明显，在整个网络中扮演着“枢纽”与“桥梁”角色，“双向溢出”板块(板块Ⅱ)包括苏州、无锡、南通等6个城市，主要位于江苏，在整个网络中起“第一动力”的作用，“主受益”板块(板块Ⅲ)的成员包括南京、扬州、镇江，主要位于城市群北部，扮演受益者角色，“主溢出”板块(板块Ⅳ)的成员主要分布在安徽，包括合肥、芜湖、安庆等8个城市，与其他板块多为“溢出”交流方式，板块内部表现出明显的“俱乐部”效应。

基于实证分析结果并考虑到长三角城市群的实际发展，本文提出如下政策建议：1)缩小长三角城市群城市间经济韧性差距，提升城市间经济韧性的均衡性。城市群是一个整体，在提升单个城市经济韧性的同时，要注重城市间的协同关系，充分利用核心城市的辐射带动效应，提高边缘城市的承接和转移能力，增强城市群内城市间经济韧性增长的协同性，缩小城市经济韧性的空间差异。2)充分发挥核心城市的比较优势，增强其辐射带动能力。依据各城市在经济韧性网络中的不同地位和作用，结合城市的区位优势和资源禀赋，构建良好的营商环境，促进城市群内技术、人才、资金等优质要素的自由流动，强化核心城市与边缘城市间的经济联系，形成更加紧密的区域经济韧性空间网络。3)遵循区域差异化方针，因地制宜精准施策。基于城市群板块空间关联的特点，充分发挥“主溢出”板块的动力作用，不断强化各个板块间的双向溢出效应，加强板块内及板块间各城市间的合作关系，不断提升经济韧性网络密度。