长三角城市群经济极化效应空间分布与自相关特征分析

陈庆琳 王成城

摘 要：本文以2016—2020年长江三角洲城市群的26个城市为例，对长三角三省一市城市群的经济极化指数与区域经济极化效应的城市贡献度进行测算，运用空间自相关等方法对城市经济极化效应进行分析，以期对长三角区域经济的发展提供参考。研究认为：长江三角洲城市群的经济极化水平呈波折下降趋势；长三角地区经济极化贡献度极处于多核心分布；经济极化贡献度具有空间正相关特征，局部自相关以H-H和L-L为主，空间分布较为集聚，并基于以上结论提出建议，以供参考。

关键词：空间自相关；长三角城市群；TW指数；经济极化贡献度；区域发展

本文索引：陈庆琳，王成城.<变量 2>[J].中国商论，2024（04）：-021.

中图分类号：F127 文献标识码：A 文章编号：2096-0298（2024）02（b）--05

2018年，习近平总书记在首届中国国际进口博览会开幕式上宣布，将支持长江三角洲区域一体化发展，并上升为国家战略。近年来，长三角地区作为中国经济发展最为活跃和密集的区域，区域经济强劲活跃增长，对全国经济影响力、带动力不断提高，对全国经济贡献率持续提高。但同时，由于资源禀赋与经济基础及区位等因素的差异，长三角内部各城市间的经济发展仍然存在明显的差异和不均衡现象，即经济极化现象。参考国外最早的Esteban和Pay（1994）对该词的定义，经济极化现象在区域经济发展过程中可被解释为“中间阶层消失”或“向两极集聚”的现象，意味着经济区域内中等经济水平的城市相对较少，而经济水平较高和较低的城市则相对集中。经济极化领域的研究最早源于国外，是由Karl Gunnar Myrdal（1957）提出，认为经济极化是一种两极分化的现象，即随着市场力量的发展，发达地区通过市场竞争、创新和资源配置等机制，不断获得更多的资源和机会，进一步拉大与落后地区之间的差距。相较而言，国内对经济极化现象的研究较晚，芦惠等（2013）研究了2000—2010年中国区域经济差异和极化的演变趋势，认为东部地区的经济差异和极化现象较显著，西部地区的经济差异和极化也在不断扩大和增强，中部地区的经济差异和极化相对较小，东北地区的经济差异和极化则呈现下降趋势。孙铁山（2016）通过研究分析中国京津冀、珠三角和长三角区域经济集聚水平和空间结构特征演化，以揭示这些与地区经济增长的关系，即京津冀与珠三角地区主要围绕中心城市的经济极化推动地区经济增长，长三角地区则是多中心的经济集聚促进经济的发展。叶磊等（2014）专门对长三角地区的经济极化现象进行分析，研究表明长三角地区经济极化的驱动力与极化水平之间存在较为明显的相互促进关系。

本文通过对长三角地区2016—2020年26个城市的经济极化指数和区域经济极化贡献度进行测算和分析，采用空间自相关等方法，运用ArcGIS、Geoda等探索性空间数据分析工具，对长江三角洲城市群经济极化度和经济极化贡献度的集聚或辐射效应进行分析，探讨城市经济极化效应的时空特征和相互关系，以期为长三角地区经济发展政策的制定提供借鉴和启示，以及对类似地域或经济区域的研究提供一些参考。

1 数据与方法

1.1 数据来源

本文根据国务院2016年批准的《长江三角洲城市群发展规划》，将上海，江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城等26市作为研究对象，选取这26市的国内生产总值、进出口总额、实际利用外资和常住人口的年度数据，统计数据来源于2017—2021年《中国统计年鉴》和《省级统计年鉴》及各地市国民经济与社会发展统计公报。

1.2 研究方法

1.2.1 空间自相关

空间自相关方法运用统计学原理和地理空间理论，探究相邻区域间的地理现象或属性之间的关系，这种相关性具有空间依赖性，也就是相似特征在空间上具有一定的聚集性，即空间自相关性。相邻的空间单元具有相似的特征或属性取值则反映了其存在正相關关系，即其在某种程度上相互影响或受到相似的影响因素；而相邻的空间单元具有不同的特征或属性取值则反映了其存在负相关关系，即其在某种程度上彼此对立或受到不同影响因素的作用；其取值不呈现任何明显的空间依赖关系时，无论空间单位之间的距离远近，这一变量都表现出空间不相关性或空间随机性。

空间自相关分析方法根据分析的尺度不同，可以分为全局空间自相关和局部空间自相关。全局莫兰指数用于检验整个研究区域中相邻地区是否相似或相异，常用的全局空间自相关统计量有Moran’s 系数和Getis G 系数，本文采用Moran’I系数对长三角26市进行全局空间自相关分析，判断属性值在空间上的聚集和分散情况，Moran指数I的取值一般在-1～1，Moran’I取值接近1，表明变量在空间上呈现正相关性，即高值的区域周围有高值区域，低值的区域周围也有低值区域；Moran’I 取值接近-1，则表明变量在空间上呈现负相关性，即高值的区域周围有低值区域，低值区域周围有高值区域；如果Moran’I 系数接近0，就表示变量在空间上呈现随机分布。局部空间自相关则是基于局部范围的空间单元，通过统计量来描述和度量局部区域内空间对象属性值的分布状态和模式，其相对全局空间自相关具有更细粒度的分析能力，能够捕捉局部范围内的空间异质性。常用的局部空间自相关统计量有Local Moran’s I 系数和Local Getis G系数。Local Moran’s I 系数用于评估局部空间自相关性，可以识别局部范围内具有显著正相关或负相关的聚集区域；Local Getis G系数则用于检测局部范围内具有统计显著的高值和低值聚集区域。本文采用莫兰散点图及G指数进行局部空间自相关检验，精确地反映出长江三角洲地区各城市经济极化效应的分布特征。

1.2.2 极化指数

现有文献对经济极化指数的测算通常采用单一指数，如利用ER、TW、KZ、WOLFSON等来衡量经济的不平等程度或极化程度。而本文从中选择了TW指数作为所使用的极化测量指标，TW指数是由崔启源和王有强于2013年结合Wolfson指数的推导得出的，可以较好地反映区域经济中的“两极分化”和“扩散增加”趋势，计算公式如下：

式中，θ为反映空间极化指数敏感性的正的常数标量， 本文取θ=0.5；N为长三角区域的总人口数；n是地理区域数，本文中n=26；s（i）为i城市的人口数；q（i）为i城市的人均GDP；m为长三角地区人均GDP的中位数；r为（0，1）其间的任一值，本文取r=0.5。

1.2.3 区域经济极化效应的城市贡献度

为了比较不同城市在经济极化中所起到作用，识别出极化效应和发展差异，进一步理解城市间经济发展的格局和趋势，本文借鉴王成城等（2017）提出的创新极化贡献度模型，构建长三角区域经济极化中26市所发挥贡献的指标，即区域经济极化效应的城市贡献度，公式如下：

其中，C为区域极化效应的城市贡献度；n为地理区域数；s（i）为长三角地区i城市区域的人口数；N（i）为i地区的人口数；m为长三角地区人均GDP的中位数；m'为不包含该城市的其他城市人均GDP的中位数；q（i）为i区域的人均GDP；θ取值为0.5；r为敏感系数，取值为0.5。

2 长江三角洲区域经济极化演变分析

2.1 极化指数分析

对长江三角洲2016—2020年TW指数进行计算后结果如图1所示，近5年来长三角地区整体经济极化度波动不大，经济极化趋势趋于平缓，极化指数处于较低水平，数值呈现波折下降的趋势。这说明经济从过去的空间集聚趋势转变为更为分散的空间扩散趋势，表明长三角区域内经济发展水平高的地区和经济较为落后的地区之间的差距在逐步缩小。整体而言，区域经济发展向更为均衡的状态转变，这种变化可能受经济政策的调整、经济转型的推动、区域互联互通的改善和技术创新与科技进步等因素的影响。

2.2 区域经济极化效应的城市贡献度分析

本文将TW极化指数进一步分解成区域经济极化效应的城市贡献度，运用python编程软件根据式（2）测算2016—2020年长三角地区26市对全区域经济极化的贡献程度，如表1所示。

由表1可知，整个长三角地区西部就是安徽省区域处于经济极化贡献度极，东部则是上海，中间贯穿江浙的杭州、南京等城市。上海市的经济极化贡献度最高，同时上海的经济水平是最高的，很明显是区域极化贡献极，对极化效应具有促进作用。江苏省内，盐城是省内唯一经济极化贡献度高的城市，但是GDP值较低，对极化效应有抑制作用；南京、无锡、苏州经济极化贡献度较高，GDP值也较高，对极化效应有一定的促进作用；江苏省其他城市的极化贡献度都较低。浙江省内，虽然台州、金华、湖州和嘉兴的经济极化贡献度较高，但其GDP值是省内较低的，对经济极化效应具有抑制作用；杭州经济极化贡献度较高，GDP水平也高，对极化效应起到促进作用；绍兴、宁波和舟山的经济极化贡献度则较低。安徽省的合肥和芜湖经济极化贡献度都高，安徽其他城市都处于较高水平，安徽省相较整个长江三角洲城市群的GDP来说，整体偏低，就长三角区域的极化效应来说，具有抑制作用。

3 长江三角洲区域经济极化城市贡献度的空间相关分析

3.1 全局自相关分析

本文运用Arcgis10.8将每年26市的经济极化贡献度数值分别连接到文件类型为shp的长江三角洲城市群地图的属性表中，运行ArcToolbox，打开空间统计工具选择分析模式中的空间自相关（Moran’s I），得到各年份的Moran指数统计结果，如表2所示。

由表2可以看出，2016—2020年，长江三角洲地区经济极化贡献度Moran指数皆为正值，且都有5%或10%的显著水平（除2016年），证明整个长三角区域各市的经济极化贡献度呈现区域一体化趋势，而不是随机分布的，具有空间正相关特征，集聚效应十分明显。

3.2 局部自相关分析

Moran散點图的结果分析在一定程度上揭示了长江三角洲城市群不同城市之间关系的类型，但尚不能解释特定城市经济极化贡献度发展对其周边城市的影响程度。四象限的散点图中，X轴是城市本身标准化后的观测值，Y轴是相邻城市与该城市之间经加权后的空间滞后值。第一象限（H-H）即高值聚集象限、第三象限（L-L）即低值聚集象限，两象限代表空间正相关；第二象限（L-H）即高值包含低值异常象限、第四象限（H-L）即低值包含高值异常象限，两象限代表空间负相关。把合并了五年数据经济极化贡献度的均值生成的长江三角洲城市群的shp文件导入Geoda软件，在空间权重面板中，选择k-近邻权重矩阵，并设置临近地区为2，在单变量局部Moran’I选中Moran散点图等，绘制的散点图结果见表3。

由表3可以看出，9个城市位于第一象限，7个城市位于第四象限，也就是占总数62.6%的城市都处于空间正相关象限，验证了之前全局Moran指数为正且空间相关性较强的结果。具体来看，安庆、池州、滁州、马鞍山、铜陵、芜湖、宣城、苏州、嘉兴位于第一象限，这些城市本身经济极化贡献度较高，绝大部分城市为安徽省内经济水平较低的城市，其经济水平低于整个长三角地区的平均水平，是需要被辐射带动的区域，这些城市形成了经济极化贡献度聚集区域；合肥、南京、南通、杭州、绍兴处于第二象限，这类城市自身的经济极化贡献度并不显著，且地理位置都较分散，来自不同的省份，与周围城市形成经济贡献度的逆差；常州、泰州、无锡、扬州、镇江、宁波、舟山位于第三象限，其本身经济极化贡献度不是很高，在整个区域中处于中等水平，基本来自江苏省和浙江省，从空间分布上属于空间集聚状态；盐城、上海、湖州、金华、台州位于第四象限，这些城市自身经济极化贡献度高于周围城市，地理位置比较分散，上海属于典型本身经济水平较高且辐射着周围的城市。

4 结语

4.1 结论

（1）2016—2020年，长三角区域的经济极化水平呈波折下降趋势，表明长三角地区经济极化现象近年逐渐减缓，城市之间的经济差距整体逐渐缩小。

（2）长三角地区经济极化贡献度极处于多核心分布，经济水平极值较多。从内部来看，东部以上海为中心的大城市与西部以安徽省为主要地区及江浙个别处于区域南北边缘的城市极化贡献度高，中部贡献度低的区域主要是江浙地区的大多数城市。上海作为长江三角洲城市群的经济极化核心城市，无论是经济水平还是经济极化贡献度，都是稳居第一的位置，对整个区域的经济极化效应产生显著的推进作用；西部的安徽省和南北个别江浙城市与区域中部地区分别代表低经济水平-高经济极化贡献度与中等经济水平-低经济极化贡献度的情况，主要特征为经济水平较好但不处于整个区域的领先位置（如合肥、南京、南通等），对于缓解整体区域的经济极化效应具有重要意义，在很大程度上促进了长三角地区经济的持续增长，为长三角地区的经济稳定提供了重要动力，辐射着经济相对落后的地区，加快了较为落后地区的经济发展速度。

（3）长三角地区经济极化贡献度具有空间正相关特征，集聚效应十分明显。经济活动的空间分布呈现出由集聚到扩散的趋势，表明经济活动开始向更广泛的地区扩展。整体而言，区域经济发展逐渐趋向相对均衡状态。

（4）长三角地区经济极化贡献度局部自相关以H-H和L-L为主，空间分布较为集聚，说明经济极化贡献极分布呈小块区域性分布。小块区域与区域之间经济水平差距大，尤其是安徽省区域经济极化贡献度逐渐增强，说明近几年安徽省的经济水平与江浙沪地区还存在一定差距，也就是省与省之间、城市与城市之间的经济水平发展还具有不平衡性。

4.2 政策建议

通过对长江三角洲地区的经济极化度和经济极化贡献度的空间自相关分析可以看到，近五年来，国家长江三角洲一体化战略的实施不仅加强了区域协调发展，还促进了整个区域的经济质量高水平发展。然而，长三角地区内部区域仍存在经济的不平衡发展，地区差异明显，经济极化贡献度极较多。对此，本文提出几点政策建议：

一是统一大市场，促进区域协调发展。打破省与省之间的行政区域壁垒，建立省级统一的市场制度，尤其是对邻近却不属于同一省的城市之间，如宣城-杭州、滁州-南京，发展各个城市之间的合作机制，促进要素自由流动，实现资源的充分配置和顺畅流通，进一步发挥经济极化贡献极过渡区域城市的传递作用和江浙沪地区的扩散效应功能，共同缓解经济极化贡献度极集聚的现象。

二是根据长三角地区内城市之间的经济联系分析结果，改进基础设施建设，加强交通、能源、水资源等基础设施的建设和改善，提高区域内城市的连接性和资源流动性，促进资源要素的平衡配置，特别是加强经济落后城市的基础设施建设，提高其发展潜力和吸引力。

三是促进人才流动和人才培养。建立人才交流和引进机制，吸引高层次人才和创新人才跨省跨市工作和创业，加强与科研机构、高校等的合作，推动科研成果的应用和转移。加强职业教育和技能培训，提高劳动力素质，满足经济发展的需求。

四是协调城市间的产业布局和发展规划。各城市根据资源禀赋和地区优势发展具有自身特色的产业，鼓励长三角地区各城市形成互补性发展，避免过分依赖某一城市或某一产业，避免过度集中和不均衡发展。

参考文献

Esteban J M，Ray D C.On the measurement of polariza-tion.Econometrics，1994（62）：819-851.

Myrdal G.Economic Theory and Underdeveloped Regions[M].London：Gerald Duckworth&Co Ltd，1957.

蘆惠，欧向军，李想，等.中国区域经济差异与极化的时空分析[J].经济地理，2013，33（6）：15-21.

孙铁山.中国三大城市群集聚空间结构演化与地区经济增长[J].经济地理，2016，36（5）：63-70.

叶磊，欧向军，张洵.长江三角洲地区经济极化的驱动力机制研究[J].地域研究与开发，2014，33（2）：60-66.

田成诗，盖美，中国地区劳动生产率的空间统计分析[J].东北财经大学学报，2004（2）：87-90

邓学龙，曹世武，王慧.区位导向性政策下广西人口与经济空间格局演变[J].地域研究与开发，2022，41（6）：20-25.

张学良.探索性空间数据分析模型研究[J].当代经济管理，2007 （2）：26-29.

黄馨娴，胡宝清.广西区域经济极化时空格局研究[J].地域研究与开发，2017，36（5）：17-22.

Wang Y Q， Tsui K Y. Polarization Orderings and New Classes of Polarization Indices[J]. Journal of Public Economic Theory， 2000， 2（3）：349–363.

Foster J，M C Wolfson.  Polarization and the Dee line of the Middle Class： Canada and the US [R]. Nashville： Vanderbilt University，1992.

王成城，李红梅，韦守明. 基于扎根理论的中国空间极化定量研究现状分析[J].华东经济管理，2017（ 5） ： 168-175.

姚海华.长三角城市的贸易集聚效应与上海的贸易辐射效应研究[J].华东经济管理，2012，26（11）：1-6.

陈尧. 广东省区域经济极化与协调发展研究[D].广州：中共广东省委党校，2022.

段学军，虞孝感，Josef Nipper.从极化区的功能探讨长江三角洲的扩展范围[J].地理学报，2009，64（2）：211-220.

许玲，耿加进.流通业集聚、经济空间距离与城市经济增长：基于长三角地区城市样本的实证[J].商业经济研究，2023（4）：25-28.

谢永琴，武小英，宋月姣.长江经济带对外开放度时空演化特征及影响因素[J].统计与决策，2022，38（8）：123-128.

晏王波，张晓祥，姚静，等.基于GIS的盐城市区域发展时空特征研究[J].地理空间信息，2013，11（2）：104-106+110+11.