长三角城市群文化创意产业空间关联及网络结构特征研究

曹如中, 胡燕玲, 熊鸿军, 郭 华

(1.上海工程技术大学 a.管理学院; b.图书馆 上海 201620; 2.上海电机学院 商学院,上海 201306)

自20世纪末期以来,随着信息技术加持和产业转型升级,全球经济发展重心逐步向高增长、低污染、高附加值的知识密集型产业转移,文化创意产业成为世界各国新一轮角逐的焦点。根据联合国发布的《创意经济展望和国家概况告》显示,创意经济对国家GDP的贡献率都在10%以上[1]。得益于对文化创意产业价值属性的深刻认识,中国中央和地方政府出台了一系列政策文件积极推动文化创意产业发展并取得了可喜的成就。数据显示,2020年中国文化及相关产业增加值占GDP比重4.43%,比2019年增长1.3%[2]。长三角地区是中国文化创意产业发展最具代表性和示范效应的地区,2015—2019年长三角地区文化创意产业增加值占GDP比重增幅达到116.7%[3]。然而,伴随着产业规模的不断壮大,长三角文化创意产业发展过程中存在的空间布局不合理、资源要素不够互通、产业同质化、无差异化恶性竞争等问题也逐渐显露出来。伴随着长三角一体化发展国家战略及长三角城市群高质量发展战略的深入推进,如何优化长三角城市群文化创意产业空间布局成为亟待解决的现实课题。

1 文献回顾

20世纪以来,理论界对文化创意产业空间和地理问题的研究主要集中在以下几个方面。一是部分学者从新经济地理学视角,运用标准差椭圆、核密度和平均最近邻距离等方法展开对文化创意产业空间分布、圈层结构、集聚模式等的研究,认为文化创意产业偏向于以城市为中心、呈现多核心递减发展[4-6]。二是部分学者从计量经济学视角,结合空间计量模型展开对文化创意产业空间发展水平及异质性等的研究,认为区域文化创意产业发展受经济、制度、文化、科技等影响而存在较大差异[7-9]。三是部分学者从产业链视角,展开对文化创意产业空间关系的研究,认为不同区域文化创意产业空间关联和结构特征各不相同[10-11]。更多的研究表明,目前关于文化创意产业空间问题的研究已从单纯的理论探讨转移到实证分析上,但基于空间和地理学视角对长三角城市群文化创意产业空间结构关系展开实证研究的成果并不多见。本文基于长三角城市群协同发展视角出发,运用修正的空间引力模型、社会网络分析法及Ucinet和ArcGIS软件,从中心度和核心—边缘视角对长三角城市群文化创意产业空间关联强度及空间网络结构特征进行分析,拟为长三角城市群文化创意产业空间格局优化、产业资源要素高效流通、区域文化创意产业差异化错位发展提供决策参考。

2 研究设计

2.1 方法与模型

2.1.1 空间关联强度测算方法与模型

文化创意产业空间关联主要是指文化创意产业在特定区域地理上产生的链接关系。研究表明,地理空间相互邻近的城市之间文化创意产业关联性更强,并随距离变化而变化[12],这一现象可运用经济动力学中的经济引力理论进行解释。借鉴现有理论成果[13-14],本文引入修正的空间引力模型对长三角城市群文化创意产业空间关联关系进行测度,具体模型如下:

(1)

(2)

式中:Rij表示城市i和城市j之间文化创意产业的空间关联强度;CIi和CIj分别表示城市i和城市j的文化创意产业发展水平,用文化、体育和娱乐业城镇单位就业人员来表征;dij表示城市i和城市j之间的距离,此处根据地理坐标经纬度计算得出;kij是修正指数。TRi表示城市i文化创意产业空间关联总强度,即城市i与其他所有城市之间文化创意产业空间关联强度的总量。

根据式(1)计算得到的Rij,可以构建空间关联关系矩阵,并借鉴赵林等[15]的做法,采用“平均数原则”将矩阵中各行的均值为临界值对关系矩阵进行二值化处理。若关联强度Rij大于此行均值,则记为1,表示存在关联关系;反之记为0,表示不存在关联关系,将以上得出的二值关系矩阵作为长三角城市群文化创意产业空间关联网络分析的基础。

2.1.2 空间关联网络结构测算方法与模型

1) 整体网络结构特征描述方法与模型。整体网络结构主要用来描述不同节点在网络中的关联程度及整体网络运营状况,可用网络密度、网络关联度和网络效率等指标来进行衡量。其中,网络密度指整体网络中的结点间实际存在联系的数量与网络中最大可能存在联系的数量之间的比值,用以说明网络内成员关系的密切程度,密度越大关联程度越紧密[16]。借用网络密度可以衡量长三角城市群文化创意产业整体网络中不同城市之间的关联程度。网络密度计算公式如下:

(3)

式中:D表示网络密度,m表示网络中实际存在的连续数目,n表示网络中节点的个数。

网络关联度用来描述网络成员间的可达程度,网络关联度越接近于1,网络成员间可达性越强。本文用网络关联度衡量长三角城市群文化创意产业整体网络的可达性,其计算公式如下:

(4)

式中:C表示网络关联度,V表示网络中不可达的点对数,N表示网络中节点的个数。

网络效率主要反映网络节点连线的冗余度,旨在通过衡量网络中是否存在多余的线条来描述网络的稳定性,线条越多结构越稳定,但网络效率也越低;线条越少网络越不稳定,但网络效率却越高[17]。借助网络效率可以衡量长三角城市群文化创意产业整体网络的稳健性。网络效率的计算公式为:

(5)

式中:GE代表网络效率,K表示多余线的条数,Max(K)表示最大可能的多余线的条数。

2) 个体网络结构特征描述方法与模型。个体网络结构是研究单个节点在网络中的控制能力与整体网络之间的互补性,借助中心度(包括点度中心度、接近中心度和中介中心度)可以较好地衡量网络中单个节点的重要性。借助中心度指标可从不同角度对长三角城市群文化创意产业个体网络特征进行描述,从微观视角剖析各城市在网络中的地位和作用及其在不同时段的价值。其中,点度中心度主要衡量单个节点在网络中的中心性[18]。点度中心度的计算公式为:

(6)

接近中心度主要通过节点之间的捷径距离来衡量网络中不同节点之间的亲密程度,网络中的节点城市与其他城市越近,接近中心度越大,该节点的影响力也越大[19]。接近中心度的计算公式如下:

(7)

式中:CC(i)表示接近中心度,dij表示节点城市i到城市j的捷径距离。

中介中心度通过节点的中介性来衡量一个节点对相邻节点的控制能力。如果某一节点处于众多节点对的最短路径上,那么该节点中介性就高,对其他节点的能力也越强,在网络中的地位越重要[20]。中介中心度的计算公式如下:

(8)

式中:CB(i)表示中介中心度,gjk表示节点城市j到城市k的捷径数,gjk(i)表示城市j到城市k的捷径距离经过城市i的数量。

3) 块模型分析方法。块模型分析是进行空间聚类分析的主要方法,通过分析子群内外部成员之间关联关系来划分不同层次的凝聚子群,然后通过分析不同板块之间对信息的发送和接收情况来确定板块在网络中的角色。根据对各板块内外部关系的考察,角色类型通常可分为净受益角色、净溢出角色,双向溢出角色和经纪人角色四类,利用像矩阵简化图可以分析得出不同板块之间的关联关系[21]。

2.2 数据来源

本文所使用的数据为长三角城市群27个城市中的文化、体育和娱乐业城镇单位从业人员数据和27个城市政府驻地的经纬度坐标数据。其中,通过查阅《中国城市统计年鉴》可以获得文化、体育和娱乐业城镇单位从业人员数这一数据,时间跨度为2011—2019年;通过百度地图坐标拾取系统可以获得政府驻地的经纬度坐标数据。

3 实证分析

3.1 长三角城市群文化创意产业空间关联强度分析

将文化、体育和娱乐业城镇单位从业人员数代入式(1),得出长三角城市群文化创意产业空间关联强度,再利用式(2),得出长三角城市群文化创意产业空间关联总强度,进而可以对长三角城市群文化创意产业空间关联性进行量化分析。限于文章篇幅且考虑到整体变化趋势的呈现,本文选取2011、2014、2017年和2019年四个时间节点,运用ArcGIS软件,绘制出长三角城市群2011、2014、2017年和2019年文化创意产业空间关联强度空间分布,如图1所示。

图1 长三角城市群文化创意产业空间关联强度空间分布示意Fig.1 Spatial distribution of spatial correlation intensity of cultural and creative industries of the Yangtze River Delta urban agglomeration

1) 从分布格局来看,2011—2019年长三角城市群文化创意产业空间关联强度每年虽存在细微差别,但整体大致已分化为4类。其中,第一类为文化创意产业空间关联强度最强类,用最粗的红色线条进行标识,主要包括无锡—苏州、上海—嘉兴、上海—杭州、上海—宁波;第二类为文化创意产业空间关联强度较强类,用较粗的黄色线条进行标识,主要包括南京—镇江、南京—扬州、上海—苏州、上海—扬州、上海—绍兴、杭州—嘉兴、杭州—湖州、无锡—常州等;第三类为文化创意产业空间关联强度较弱类,用较细的蓝色线条进行标识,主要包括南京—合肥、南京—泰州、南京—上海、上海—南通、上海—舟山、杭州—南通、杭州—南京等;第四类为文化创意产业空间关联强度最弱类,用最细的绿色线条进行标识,主要包括盐城—合肥、合肥—安庆、安庆—温州、温州—舟山、舟山—台州等。

2) 从变化趋势来看,2011—2019年长三角城市群文化创意产业空间关联强度整体上呈现上升趋势,其中最强、较强类主要是围绕上海、杭州、南京这3个中心城市呈放射状分布。结合图1进行具体分析,至2019年南京—镇江、上海—宁波等一些空间关联强度较强类城市随着时间的推移逐步演化为空间关联强度最强类;而以上海、杭州、南京、无锡四个城市为中心的空间关联强度较强类开始大量涌现,说明这些城市与周围城市文化创意产业的联系得到逐步增强。同时空间关联较弱类围绕上海、杭州、南京、无锡、常州5个城市逐年增多,这说明这5个城市文化创意产业的辐射带动作用在逐步扩大。空间关联最弱类主要围绕盐城、滁州、安庆等长三角外圈城市呈发散状分布并随时间推移而逐年减少,这充分说明了长三角各城市间文化创意产业联系越来越紧密。

3.2 长三角城市群文化创意产业整体网络结构特征分析

依据式(3)(4)(5),借助Ucinet 6.0软件计算得到2011—2019年整体网络关系数、网络密度、网络关联度及网络关联效率(图2),可以对长三角城市群文化创意产业整体网络结构特征进行描述。结合图2可以看出:

1) 2011—2019年网络关系数变化较小,大致在182～188内浮动;同时整体网络密度变化甚微,基本上徘徊在0.25～0.26。从数值变化来看整体网络关系数和网络密度值仍有较大的增长空间,这表明长三角城市群文化创意产业整体空间关联程度仍有进一步提升的空间,未来需进一步加强城际间的协调作用和交流合作能力。

2) 2011—2019年网络关联度始终为1,说明整体空间关联网络连通性较好,所有节点均可达,不存在孤立点,即长三角城际间文化创意产业存在直接或间接的联系,且空间关联性和溢出效应显著。这也表明随着文化创意产业体制改革的不断深化,区域内产业资源要素得到了更好的流动,使得长三角城市群文化创意产业联系越来越密切。

3) 2011—2019年网络关联效率由期初的0.72下降到0.70,表明网络连线的冗余度在不断增大,整体网络结构稳定性在不断增强。这主要是因为随着网络中各城市之间的联系越来越密切,长三角城际文化创意产业直接效应和溢出效应不断增强,呈现出多重叠加现象。

图2 长三角城市群文化创意产业整体网络结构特征Fig.2 Characteristics of the overall network structure of cultural and creative industries of the Yangtze River Delta urban agglomeration

3.3 长三角城市群文化创意产业个体网络结构特征分析

3.3.1 点度中心度

点度中心度又称程度中心度,可以用来衡量某一城市在整个城市群中所处位置的重要性[12],点度中心度越高的城市与其他城市的联系也越多,对整个城市群的控制力越强。根据式(6),运用Ucinet 6.0软件得出2011、2014、2017、2019年长三角各城市文化创意产业点度中心度的计算结果,如表1所示。

从整体发展趋势来看,2011—2019年长三角各城市文化创意产业的点度中心度、点出度和点入度大致呈现出攀升态势,尤其是南京、苏州、无锡和绍兴等城市变化明显,说明随着时间的推移,长三角各城市文化创意产业空间网络关联性在不断增强。

在点度中心度方面,点度中心度较大的城市主要是上海、南京、杭州、苏州、常州、无锡、合肥、嘉兴、绍兴等城市,这些城市在长三角文化创意产业空间关联网络中与其他城市关联关系密切。特别是上海、南京、杭州历年来一直稳居前三,在地理位置分别属于长三角核心城市、北翼中心城市和南翼中心城市,呈现出明显的“三核心”特征,是长三角文化创意产业空间关联网络的中心。点度中心度较小的城市主要是滁州、铜陵、池州、安庆等长三角外圈城市,这些城市在长三角文化创意产业空间关联网络中属于从属地位,自身影响力不大,需要借助周边城市来发展。

在点出度和入出度方面,上海、南京、杭州、苏州、常州、合肥、嘉兴、宣城、盐城、宁波、泰州、湖州、金华13个城市点出度大于平均值,这些城市在长三角文化创意产业空间关联网络中有着明显的溢出作用,对周围城市辐射能力较强。上海、南京、杭州、苏州、常州、合肥、嘉兴、宁波8个城市点入度大于平均值,这些城市在长三角文化创意产业空间关联网络中属于受益方,对周围城市资源吸纳能力较强。

表1 长三角各城市文化创意产业点度中心度Tab.1 Degree centrality of cultural and creative industries in cities along the Yangtze River Delta

3.3.2 接近中心度

接近中心度通过分析不同城市之间的距离远近来描述城市的影响力大小,接近中心度越大的城市在网络中的影响力也越大。根据式(7),运用Ucinet 6.0软件可得出2011、2014、2017、2019年长三角城市各城市文化创意产业接近中心度,借助Ucinet 6.0软件的NetDraw功能可绘制出四个时段的分布,如图3所示。

图3 长三角各城市文化创意产业接近中心度分布示意Fig.3 Distribution of closeness centrality of cultural and creative industries of cities along the Yangtze River Delta

由图3可见,节点的大小代表接近中心度的大小,节点越大说明该城市接近中心度越高。为了方便分析,本文利用分位数将长三角27个城市接近中心度分成了4类。第一类为红色,用来代表接近中心度最大的类;第二类为蓝色,用来代表接近中心度较大的类;第三类为灰色,用来代表接近中心度较小的类;第四类为绿色,用来代表接近中心度最小的类。从整体上看,上海和南京一直位列前两名,说明这两个城市在空间关联网络中能快速与其他城市产生联系,属于长三角城市群文化创意产业的引领者。而池州和安庆一直居于末位,说明他们与其他城市联系较弱,文化创意产业对其他城市产生的影响较小,处于长三角城市群文化创意产业网络中的跟随者位置。

从变化趋势上看,2017、2019年相较于2011、2014年各城市接近中心度均有所提升。截至2019年底,第一类由之前的3个城市发展到6个城市,包括上海、合肥、杭州、南京、无锡和常州,这些城市处于长三角东、西、南、北、中部核心位置,他们对长三角文化创意产业发展有着绝对主导优势。第二类主要包括宣城、金华、苏州、盐城、湖州等周边和沿海城市,这些城市发展潜力巨大,有着较强的后发优势。第三类主要包括泰州、芜湖、宁波、绍兴、扬州等城市,这些城市大多属于长三角中部,得益于自身资源优势和邻近中心城市,这些城市文化创意产业实力较强。第四类主要包括池州、安庆、温州、舟山、滁州、泰州等城市,属于长三角外圈城市,这些城市与其他城市联系稀疏且产业资源相对薄弱,处于长三角文化创意产业关联网络的边缘地带。

3.3.3 中介中心度

中介中心度是一个城市担任其他两个城市并使其路径最短的中间桥梁的次数,反映该城市在网络中对其他城市的控制能力。根据式(8)并运用Ucinet 6.0软件可以得出2011、2014、2017、2019年长三角城市各城市文化创意产业中介中心度,借助Ucinet 6.0软件的NetDraw功能可以绘制出四个时段的分布,如图4所示。

图4 长三角各城市文化创意产业中介中心度分布示意Fig.4 Distribution of betweenness centrality of cultural and creative industries in cities along the Yangtze River Delta

由图4可以看出,节点的大小代表中介中心度的大小,中介中心度越高的城市节点越大。运用自然间断点分级法,本文将长三角27个城市接近中心度分成红、蓝、灰、绿4类,分别对应第一、第二、第三、第四类城市。从整体上看,长三角各城市文化创意产业空间关联网络的中介中心度分布极不均衡,极化特征凸显,主要通过上海、南京和杭州等核心城市,控制整个长三角各城市间文化创意产业的空间网络联系。其中部分城市浮动较大,中介中心度的分类尚不固定,但随着时间的推移,第一、第二、第三类在不断增加,第四类在减少,说明长三角各城市文化创意产业空间关联网络的中介中心性差异在不断缩小。

分阶段来看,2011年第一类主要是以上海和宣城为核心城市,2011年以后第一类城市开始增加,到了2017年第一类开始稳固,初步形成了以上海、杭州、南京和合肥为中心的四个核心城市。这四个城市隶属于长三角东翼、南翼、北翼、西翼的中心城市,同时杭州、南京、合肥也是浙江、江苏、安徽的省会城市,这些在长三角城市群文化创意产业空间关联网络中始终发挥着媒介的作用,对促进长三角城市群文化创意产业高质量发展具有不可替代的重要地位。2019年以后第四类城市数量明显下降,但温州、池州、台州、舟山等城市仍居于末位,缺乏充当其他区域文化创意产业网络联系中介的能力,同时对长三角一体化发展的推进产生负面影响。

3.4 长三角城市群文化创意产业空间关联网络核心—边缘分析

为了进一步刻画长三角城市群文化创意产业空间关联网络结构特征,克服通过中心度分析划分出的核心范围过于模糊的缺点,本文利用Ucinet软件中的Core-periphery模块,结合基于离散数据的核心边缘缺失模型,对长三角城市群文化创意产业空间关联网络核心—边缘结构做进一步分析和验证,结果如表2和表3所示。

表2 长三角城市群文化创意产业空间关联网络核心—边缘区域成员分布情况Tab.2 Distribution of members in core-edge areas of the spatial correlation network of cultural and creative industries of the Yangtze River Delta urban agglomeration

表3 长三角城市群文化创意产业空间关联网络核心—边缘密度Tab.3 Core-edge density of spatial correlation network of cultural and creative industries of the Yangtze River Delta urban agglomeration

从计算得出的相关系数来看,2011、2014、2017、2019年模型拟合度分别为0.399、0.405、0.434、0.372,拟合度良好,说明长三角城市群文化创意产业空间关联网络表现出核心—边缘网络结构。从表2可以看出,核心区域数量相对固定,范围大致在8～10,其中上海、无锡、苏州、常州、杭州、嘉兴这6个城市地理位置相近,经济发展水平高,对外界的经济扩散能力和辐射能力十分显著,历年处于网络核心区域。南通、泰州、盐城、扬州、镇江、台州、舟山、温州、合肥、安庆、池州、滁州、马鞍山、铜陵、芜湖这15个城市由于受到经济发展水平及所处区域位置的影响,且与外界联系较弱,始终位于边缘区域。此外,从表3可以看出,整个网络密度比较平稳,各区域密度大小不一,说明长三角城市群文化创意产业空间关联网络具有一定的层级结构。其中,核心区网络密度最大,但对边缘区的网络密度相对较低且变化不大,说明处于核心区域的城市之间的联系十分紧密,且对边缘区的“涓滴效应”相对有限。而边缘区对核心区的网络密度呈缓慢增长态势,且与核心区内部总体网络密度呈收敛态势,说明边缘区向核心区集聚的能力并不强。

3.5 长三角城市群文化创意产业空间关联网络块模型分析

3.5.1 长三角城市群文化创意产业凝聚子群分析

通过块模型可以分析长三角城市群文化创意产业空间关联网络的空间集聚特征。本文选取2011、2014、2017年和2018年关系型数据,利用Ucinet软件中的Concor方法,可以将长三角27个城市划分成4个凝聚子群,具体划分结果与成员情况如图5和表4所示。

图5 长三角城市群文化创意产业凝聚子群树形分布示意Fig.5 Tree shaped distribution of cultural and creative industries of the Yangtze River Delta urban agglomeration

表4 长三角城市群文化创意产业凝聚子群成员分布情况Tab.4 Distribution of members of cultural and creative industries of the Yangtze River Delta urban agglomeration

由图5和表4可知,从整体趋势来看,2011—2019年长三角文化创意产业均由4个二级子群组成,且各子群成员分布情况已趋于稳定,除了2011年外,其余各年的子群成员分布情况完全相同。这说明长三角文化创意产业空间关联网络结构已非常稳定,各子群内部成员联系也十分紧密。从具体表现来看,长三角城市群文化创意产业空间关联网络联系多发生于省域内城市之间,主要围绕上海及苏、浙、皖三省的省会城市进行集聚,同时与省内其他城市建立相应联系。以2019年为例,第一子群文化创意产业发展水平较高的城市主要位于长三角东翼,包括上海、无锡、南通、苏州、湖州、嘉兴;第二子群文化创意产业发展水平一般的城市主要位于长三角南翼,包括杭州、宁波、绍兴、金华、台州、舟山、温州;第三子群文化创意产业发展水平较弱的城市主要位于长三角北翼,包括南京、扬州、镇江、泰州、常州、盐城;第四子群文化创意产业发展水平非常薄弱的城市主要位于长三角西翼,包括合肥、滁州、马鞍山、芜湖、宣城、安庆、池州、铜陵。这四个子群分别以上海、杭州、南京、合肥为中心进行凝聚,其中江苏和浙江省域内城市文化创意产业空间关联网络间的联系比较紧密,安徽省域内城市文化创意产业空间关联网络间的联系较弱。

3.5.2 长三角城市群文化创意产业板块位置分析

为明晰长三角城市群文化创意产业空间关联网络内部结构特征、不同板块间信息流通关系及所扮演的角色,本文进一步对长三角城市群文化创意产业各板块进行位置分析。由于至2014年起每年凝聚子群成员分布相差无异,故选择2019年数据展开研究。根据测算,2019年长三角城市群文化创意产业空间关联网络中共计188个关系,其中板块内部关系数为115个,占比61%,板块间的关系数为73个,占比39%,说明长三角城市群文化创意产业空间关联网络中各板块内部关联效应显著且各板块之间具有一定的空间溢出效应,具体结果如表5所示。

表5 长三角城市群2019年文化创意产业空间关联板块溢出效应Tab.5 Spillover effects of spatial correlation plates of cultural and creative industries of the Yangtze River Delta urban agglomeration in 2019

由表5可知,四个板块的实际内部关系比例都远远大于期望内部关系比例。其中,板块1属于净受益角色,其内部成员关系数为24个,接受板块外关系数为35个(接受板块外关系数最多),溢出板块外关系数为16个(对其他板块溢出关系数最少);板块2属于双向溢出角色,其内部成员关系数为31个(内部成员联系较多),接受板块外关系数为10个,溢出板块外关系数为21个(溢出关系最多),既接收其他板块的联系也对其他板块产生溢出关系;板块3属于典型的经纪人角色,其内部成员关系数为26个,接受板块外关系数为24个,溢出板块外关系数为17个,接受和溢出个数相差不大;板块4属于双向溢出角色,其内部成员关系数为34个(内部成员联系最多),接受板块外关系数为4个,溢出板块外关系数为19个。

3.5.3 长三角城市群文化创意产业板块关联分析

通过计算关联板块密度矩阵和像矩阵,可以进一步考察长三角城市群文化创意产业各板块间关联关系。此处同样以2019年数据为研究样本,参考已有研究成果[22-23],以2019年的整体网络密度0.27为阈值,若板块密度大于阈值时,将其赋值为1,反之赋值为0,可得出长三角城市群2019年文化创意产业空间关联板块的像矩阵,如表6所示。其中,1表示两板块之间存在传递关系,0表示两板块之间不存在传递关系,根据像矩阵绘制四个板块间传递路径关系,如图6所示。

表6 长三角城市群2019年文化创意产业空间关联板块密度矩阵和像矩阵Tab.6 Density matrix and image matrix of spatial correlation plates of cultural and creative industries of the Yangtze River Delta urban agglomeration in 2019

图6 长三角城市群2019年文化创意产业空间关联板块间传递关系Fig.6 Transmission relationship between spatial correlation plates of cultural and creative industries of the Yangtze River Delta urban agglomeration in 2019

从表6和图6可以进行空间关联板块间溢出效应和传导机制分析,其中像矩阵中对角线上的值均为1,这表明四个板块存在较强的内部关联性,具有“俱乐部”集聚效应。净受益板块1主要接受板块2和板块3的直接溢出关系,其次接受板块4的间接溢出关系,呈现单向传递关系。这说明长三角东翼城市文化创意产业吸附能力非常强,从长三角北翼和南翼城市吸收大量的资源要素以壮大自身力量,呈现出明显的虹吸效应。双向溢出板块2和板块4各自为板块1和板块3单向传递关系,表现出显著的溢出效应,这说明长三角西翼城市和南翼城市是长三角文化创意产业空间关联网络的动力源泉。经纪人板块3主要接受板块4的溢出关系,并继续传递给板块1,从而形成一条完整的传递路径,这说明长三角南翼城市在长三角文化创意产业空间关联网络发挥着重要的桥梁作用。

4 建 议

构建长三角城市群文化创意产业协同发展机制,打造错落有致且各具特色的产业大市场。以长三角一体化发展国家战略为契机,通过改革人事和户籍管理制度,打击地方保护主义,破除行政区划形成的分割与藩篱,构建区域文化创意产业协同发展机制,推动产业资源要素跨界流通和梯次集聚,并借助数字技术手段大力发展新兴产业业态,打造各具特色的产业发展板块,形成错落有致、层次分明、统一协调的文化创意产业大市场。

优化长三角城市群文化创意产业空间结构,形成差异化错位发展的网络新格局。培植以上海、杭州、南京、合肥为中心的文化创意产业集聚群落,从空间和地理上推动长三角城市群文化创意产业由传统的单一静态的圈层结构,向复杂动态的差异化和层次化分明的网络结构转变,充分发挥长三角西翼城市群的双向溢出效应,以及南翼城市群的中介桥梁作用,形成区域文化创意产业协同发展新格局。

强化长三角城市群文化创意产业城际间的空间关系,促成资源要素与产业发展之间的无缝对接。大力推动交通网、信息网等基础设施建设,缩短城际距离,降低资源要素流通成本。充分利用上海、杭州、南京等核心城市的区位优势,发挥地方政府宏观调控作用,构建核心区域与边缘区域合作交流机制,进一步增强核心区对边缘区的“涓滴效应”。充分发挥政府和市场在资源配置中的双重调节作用,推动科技、人力、资本、知识等各类要素与产业需求主体之间的无缝对接,减少资源要素之间的空间摩擦与距离损耗。

5 结 论

1) 从空间关联强度来看,2011—2019年长三角城市群文化创意产业空间关联强度逐年增加,圈层结构明显。其中,关联强度最强和较强类城市主要围绕上海、杭州、南京这三个中心城市呈放射状分布,而关联强度最弱类城市主要围绕盐城、滁州、安庆等长三角外圈城市呈发散分布。同时,关联强度最弱类城市逐年减少,关联强度较弱类城市数量逐年递增。

2) 从整体网络结构特征来看,2011—2019年长三角城市群文化创意产业网络关联数量曲折上升,网络关联度几乎保持不变,但网络密度数值偏低,网络关联效率轻微下降,说明长三角城市群文化创意产业联系密切,网络结构相对稳固,但整体联系仍存在不足,城际间的协同发展和交流合作有待提升。

3) 从个体网络结构特征来看,2011—2019年上海、南京、杭州的点度中心度一直稳居前三,呈现出明显的“三核心”特征,在地理位置分别属于长三角核心城市、北翼中心城市和南翼中心城市;而上海和南京的接近中心度一直位列前两名,表明这两个城市与网络中其他城市产生的联系最频繁,属于长三角城市群文化创意产业的引领者;长三角城市群文化创意产业空间关联网络的中介中心度分布极不均衡,极化特征凸显,空间关联通道主要由上海、南京和杭州等核心城市控制。

4) 从核心—边缘层级特征来看,核心区域主要由位于长三角东翼、空间地理位置邻近、经济发展水平较高、对外界经济扩散和辐射能力较强的城市组成,边缘区域城市由于受所处地区经济发展水平和区域位置的限制,与外界联系较弱,始终处于相对较弱地位。核心区内城市之间的联系紧密,但对边缘区城市的“涓滴效应”相对有限,且边缘区向核心区集聚势能较小。

5) 从块模型分析来看,长三角城市群文化创意产业空间关联关系多发生于省域内城市之间,主要围绕上海及苏、浙、皖三省的省会城市进行集聚,形成了内部密切相关的四个凝聚子群。长三角东翼城市为净受益板块,具有较强的吸附能力,呈现出明显的虹吸效应,吸附了长三角北翼和南翼城市大量的资源要素;长三角西翼城市和南翼城市为双向溢出板块,是推动长三角文化创意产业发展的动力源泉;长三角南翼城市为经纪人板块,在长三角文化创意产业空间关联网络发挥着重要的桥梁作用。

《丝绸》官网下载

中国知网下载