长三角城市群产业联动网络结构特征及影响因素分析

2024-07-05孙伟杨静

安徽理工大学学报·社会科学版 2024年3期

孙伟杨静

摘要：产业联动对推动长三角区域一体化进程具有重要意义。基于2011—2021年长三角城市群数据，利用修正的引力模型和社会网络分析法探究产业联动网络的结构特征和影响因素。研究表明：（1）长三角城市群内部存在明显的产业联动路径并形成了空间关联网络；（2）核心城市和中心城市中心度较高，点出度较高的城市呈现向上海集聚的趋势，点入度较高的城市呈现由上海向外扩散的趋势；（3）网络呈现“小世界”结构特征；凝聚子群内城市分布由相对集中走向分散，即产业联动逐渐打破省份和地域边界限制；（4）产业结构、经济发展水平、交通发展水平和创新发展水平的差异促进了产业联动网络的形成。因此，应充分发挥长三角中心区城市带动作用，引导长三角产业合理布局，并加强区域间技术创新合作，从而促进长三角一体化发展。

关键词：产业联动；引力模型；社会网络分析；影响因素

中图分类号：F127 文献标识码：A 文章编号：

1672-1101（2024）03-0018-11

Analysis of Structural Characteristics and Influencing Factors of Industrial Linkage Network of Yangtze River Delta Urban Agglomeration

SUN Wei，YANG Jing

（School of Economics and Management，Anhui Jianzhu University，Hefei 230022，China）

Abstract： Industrial linkage is of great significance for promoting the process of regional integration in the Yangtze River Delta.Based on the data of the Yangtze River Delta urban agglomeration from 2011 to 2021，the modified gravity model and social network analysis method are used to explore the structural characteristics and influencing factors of the industrial linkage network.The results show that：（1） There is a significant industrial linkage path and a spatial correlation network within the Yangtze River Delta urban agglomeration.（2） There is a higher degree of centralityin core cities and central cities，and the cities with a higher out-degree show a trend of agglomeration to Shanghai，while the cities with a higher in-degree show a trend of diffusion from Shanghai.（3） The network is characterized by “small world” structure.The composition of cities in the agglomeration subgroup is moving from being relatively concentrated to dispersed，that is，the industrial linkage gradually breaks the restrictions of provinces and regional boundaries.（4） The differences in industrial structure，economic development level，transportation development level and innovation development level promote the formation of industrial linkage network.Therefore，it is necessary to give full play to the leading role of cities in the central area of the Yangtze River Delta，guide the rational layout of industries in the Yangtze River Delta，and strengthen inter-regional cooperation in technological innovation，so as to promote the integrated development of the Yangtze River Delta.

Key words：industrial linkage;gravity model;social network analysis;influencing factors

一、文献综述

长三角地区具备产业基础雄厚、创新能力强劲、区域合作紧密的优势，在国家现代化建设全局中举足轻重。随着适宜的城市群规模的形成以及长三角一体化上升为国家战略，城市群之间产业协同发展愈发紧密，逐渐形成完备的产业分工、产业互补体系，长三角的产业集群加速形成。现有文献也表明，长三角城市群在经济水平差异性、产业互补性、交通设施通达性、地域文化差异性以及政策环境等方面具备良好的产业联动现实基础[1]。因此，推进长三角城市群产业联动，对促进区域经济高质量发展和国家现代化建设具有重要意义。

吕涛等认为产业联动的内涵是以产业关联为基础，位于产业链同一环节或不同环节的企业之间进行的产业协作活动[2]。产业联动测度的主要方法有：1.基于产业结构差异的关联程度分析法。即认为地区间产业结构存在差异更容易发生联动行为。部分学者通过构建模型测算产业结构差异度、产业结构相似系数、基于灰色关联法的产业结构关联度等指标来衡量联动程度[3-4]，这类指标分析的是地区间产业联动的潜力与可能性大小，间接代表产业联动度。2.基于投入产出表的产业关联分析。该方法是研究经济体系中各部门投入和产出之间相互依存关系的定量分析方法。基于投入产出表的研究数据构建投入产出模型计算影响力系数、感应度系数等指标来分析产业关联效应、产业波及效应等[5-6]，从而反映出产业间的经济技术关系。3.引力模型和复杂网络分析法。随着复杂网络分析法在经济学研究中的广泛应用，有学者发现产业联动实际上是基于产业联系形成的网络组织，产业联动网络由主体、要素资源以及产业活动组成，并且是在联动效应、区位因素、政府调控、供需关系等内外部因素共同作用下形成的[7-8]；由于空间引力模型可以用来测度两地区间的联系强度，引力模型与复杂网络逐渐被结合起来应用在产业联动研究领域。江小国等利用空间引力模型测算了经济联系强度，并构建模型测算了皖江城市与长三角城市之间的产业联动潜力[9]。叶连广等以长江经济带城市群为研究对象，利用修正后的空间引力模型和社会网络分析方法探究产业联动网络与区域高质量一体化发展之间的关系[10]。此外，一些文献对产业联动的影响因素进行了理论性分析，集中在经济、产业、地理、基础设施等方面[11-12]。也有学者发现，城市网络地位差异、地方保护等因素同样会影响产业联动水平[13-14]。

综上，目前学术界对产业联动的概念、主体、类型以及影响因素等方面进行了大量的学术探讨，取得了颇为丰富的研究成果。但是关于产业联动的定量分析相关文献较为欠缺，鲜有从网络视角研究产业联动网络的结构特征，也缺乏影响因素方面的实证分析。本文通过修正的引力模型测度长三角城市群产业联动的空间关联矩阵，并借助社会网络分析方法对产业联动网络的整体性结构特征和网络中城市节点特征进行分析，进一步采用QAP回归分析方法探究长三角产业联动网络的影响因素，旨在为促进长三角区域产业协同发展和经济高质量发展提供对策建议。

二、研究设计

根据2019年12月中共中央、国务院发布的《长江三角洲区域一体化发展规划纲要》，长三角地区规划范围包括上海市、江苏省、浙江省、安徽省全域。研究样本为长三角41个城市2011—2021年《中国城市统计年鉴》和各省市统计局数据。城市之间的距离以球面距离表示，采用ArcGIS10.8软件计算得出，相关数据均进行了平减处理。

（一）修正的引力模型

传统的引力模型不具有方向性，城市间的引力强度是相同的。城市间经济发展水平不同，地区间产业联动的关系则是双向且非对称的。借鉴叶连广等的做法[10]，用某城市的地区生产总值占两个相关联城市地区生产总值之和的比例来修正权重系数Kij，同时将产业结构差异等变量引入引力模型进行修正，修正后的引力模型的具体公式为：

Cij=Kij（1-Sij）2PiGi2PjGjD2ij（1）

Kij=GiGi+Gj（2）

Sij=∑xikxjk∑x2ik∑x2jk（3）

其中，Cij是城市i与城市j之间的产业联动强度；Kij为权重系数；Pi、Pj为城市i与城市j年末总人口数；Gi、Gj为城市i与城市j的地区生产总值；Dij为城市i与城市j之间的以各城市市政府的经纬度计算的球面距离；xik、xjk为城市i与城市j第k产业的产值比重；Sij为城市i与城市j的产业结构相似系数。基于修正的引力模型得到反映长三角产业联动空间关联关系的11个41×41的非对称引力矩阵。

（二）社会网络分析

1.网络整体特征分析。本文采用网络密度、网络关联度、聚类系数、平均最短路径指标来分析长三角城市群产业联动网络的整体特征。网络密度反映了整个网络中节点之间关系的紧密程度。该指标的值越大，说明网络节点之间的联系越紧密，即长三角区域城市间的产业联动程度越高。网络关联度是网络图中节点间彼此联络的程度。两节点城市间的路径越多，则节点关联度越高；若任意两节点之间具有较多的路径，则整个产业联动网络的凝聚力较强。聚类系数可反映局部网络结构的特征，体现了网络中节点的集聚情况。聚类系数越高，说明产业联动网络中，节点城市之间集结成团的程度越高。本文采用根据局部密度计算的聚类系数，即整个网络的聚类系数等于各个节点聚类系数的均值。平均最短路径是指在网络中，全部节点对建立联系所需要经过其他节点数的最小值的平均值。平均最短路径越小，网络连通性越好，即产业联动网络中任意两节点城市间越容易建立合作关系。

用Ucinet6.0中的Netdraw软件对长三角产业联动网络进行可视化，结果如图1所示。可以看出，长三角城市群产业联动情况呈多向联系且密集庞大的网络结构形态，并且在非邻近城市间依然存在复杂的空间关联。如连云港与嘉兴、泰州与温州等城市间存在明显的空间关联路径。这表明，长三角内部产业联动的要素和资源流动并非仅在地理位置相邻的城市之间产生，同时存在突破地理空间限制的非相邻城市间的关联。因此可以认为，长三角城市群内部产业合作与联系日益紧密，存在明显的产业联动路径，并已经形成了较为稳定的空间关联网络。

（1）网络密度和网络关联度。如表1所示，2011年到2021年的整体网络密度较低且增长缓慢，表明长三角城市群产业联动在未来具有较大的发展空间。随着2014年以及2019年城市群的陆续扩容，网络密度出现短暂下降的情况，但城市群产业联动仍具有稳健发展的趋势。网络关联度值均为1，表明长三角产业联动网络结构具有较好的通达性和稳健性。产业联动网络覆盖了长三角城市群的所有城市，即所有城市都与网络中的其他城市存在产业联动关系，网络空间溢出效应明显。

（2）聚类系数和平均最短路径。表1中，2011年以来的网络整体聚类系数在0.7左右，表明长三角城市群内部产业联动情况较为紧密；平均路径长度均在1.4到1.5之间，说明长三角城市群的两两城市之间平均需要大约1个中间城市就能产生产业合作联系；同时拥有较高的聚类系数以及较短的平均路径长度，网络符合“小世界”的结构特征，这与苏屹等[15]研究结论相一致，也即长三角内部城市之间在产业联系与合作方面存在较高程度的集结成团现象。

2.网络节点特征分析。中心度测量的是个体在整个网络中的权力和地位。选取社会网络分析中的度数中心度和中间中心度指标来分析各城市节点的关联特征。

（1）度数中心度。度数中心度是指某一节点城市在产业联动网络中所连接的其他城市数量，反映了该节点城市在整个网络结构中的地位和影响力大小。在有向图中，度数中心度又分为点出度和点入度。点出度指节点城市直接发出的关系数，点入度指节点城市得到的直接关系数，它们分别表示各城市产业要素、资源等的辐射和集聚能力。如图2所示，从整体结果来看，点出度较高的有发达城市，如上海、合肥、南京、杭州等；也有欠发达城市，如宿州、滁州、阜阳、蚌埠等。发达城市的经济发展水平较高，资源相对丰富，是长三角一体化发展的辐射中心，以产业联动带动周边地区产业转型升级和经济发展，因而具有较高的点出度；欠发达城市拥有充足的劳动力和生产要素资源并向其他城市溢出，因而其点出度同样呈现较高水平。

点入度较高的城市为上海、苏州、无锡、杭州、南京、合肥、芜湖等。这类城市多表现为经济较为发达、产业发展规模较大，对劳动力及部分资源需求量大，在供应链、生产环节配置、生产基地布局等方面可能依赖于其他城市的溢出，具有较强的吸附力，因而点入度较高。点出度和点入度较低的城市分布在长三角各方位的边缘地区，如淮北、池州、衢州、舟山、丽水、连云港、宿迁等城市。这类城市经济发展相对落后、对产业要素的吸引力弱，与中心城市产生联系相对困难，因此在网络中处于被支配的地位。

从演变趋势来看，2011—2021年点出度较高的城市呈现向上海集聚的趋势，点入度较高的城市则呈现由上海向外扩散的趋势。这是由于在长三角一体化发展中，上海始终处于中心引领地位，并逐渐成为长三角城市群产业、技术、人才、资金等要素的集聚中心和辐射中心。此外，随着安徽省各城市逐步加入长三角城市群，其依靠劳动力、土地自然资源等方面的比较优势，与江浙沪间的产业互动关系逐渐加强，安徽省内部分城市的点出度和点入度有所上升。

（2）中间中心度。中间中心度衡量的是一个节点在多大程度上控制其他节点之间的联系，反映了节点城市对资源的控制程度。该值越大，表示该城市对产业联动网络中的要素、资源控制能力越强。

如图3所示，从整体结果来看，中间中心度较高的城市为上海、杭州、芜湖、合肥、马鞍山、南京等。这些城市均具有较高的行政地位，产业发展水平与经济发展水平良好，产业联动的资源和途径较多，在地理上多处于长三角区域的中间位置。因此，这些城市在周边城市间的产业合作往来中能发挥重要的桥梁作用。

从演变趋势来看，中间中心度较高的城市在地理分布上逐渐向长三角中间区域集中，代表城市间产业合作往来由局部活动演变为长三角整体区域的联动。合肥、滁州、嘉兴、无锡、常州等城市中间中心度增大，说明随着安徽省逐步融入长三角城市群、产业联动网络进一步扩大，这些城市积极发挥桥梁作用并促进了跨省产业联动的实现。马鞍山、芜湖等城市的中间中心度有所下降，这是由于安徽省各城市逐渐在产业联动网络中活跃起来，省内部分城市从产业联动网络的中间角色转变为直接参与方，产业联系桥梁作用减弱，进而影响到中间中心度的大小。

3.凝聚子群分析。当网络中的一些节点彼此之间的关系非常密切，以至于它们组合成一个子群体时，社会网络分析称之为凝聚子群。凝聚子群分析是用于分析聚类现象、反映网络内子群构成和节点之间紧密程度的分析方法。利用该方法将长三角内部城市划分为相对独立的小团体，并通过密度矩阵反映各子群内部与外部之间的产业联动关联程度[16]。

本文采用Ucinet6.0软件中的CONCOR方法，对2011年和2021年长三角城市群产业联动网络进行非重叠性的空间聚类分析，并用ArcGIS10.8软件进行可视化，结果如图4所示。

2011—2021年，长三角产业联动网络由四大子群构成，网络凝聚子群内各城市由相对集中走向分散，且城市间产业联动逐渐打破省份和地域边界限制，形成了多样化的产业合作发展模式。

（1）子群1是以上海为核心的凝聚子群。2011—2021年，子群1城市数量由12个减少至7个，内部关联密度在4个子群中保持最高。由于江苏的资本和技术密集型产业发展迅速，与上海的产业结构高度相关，子群1的发展最初以上海为核心，以江沪产业联动为主[1]。在长三角一体化大背景下，3省1市不断探索共建园区、产业飞地、一体化示范区等合作模式。如，浙江与上海开展产业飞地合作，瑞安市（安亭）飞地创新港和乐清市南翔镇科技创新合作基地建成。长三角四大城市发展带之一的沪宁杭甬发展带，则依托上海、南京、杭州、合肥、宁波等中心城市的要素集聚和综合服务优势，成为长三角高质量产业发展的中心发展带，带动整个长江经济带和中西部地区发展。因而子群1逐渐演变为以上海为中心，辐射长三角中心城市产业联动发展的子群。

（2）子群2由以浙西南地区为核心演变成以苏南地区为核心的子群。早期子群主要由宁波、绍兴、金华、合肥等城市构成，后期主要由苏州、无锡、常州、宁波等城市构成。2011—2021年，子群2城市数量从9个增加至13个，城市更替现象明显，子群变化较为显著。其一，为促进安徽省更好融入长三角一体化发展、扶持皖北地区落后城市，沪苏浙城市结对合作，形成凝聚子群，协同增强欠发达区域高质量发展动能，促进区域协调发展。如，由上海市青浦区、江苏省苏州市吴江区、浙江省嘉兴市嘉善县构成的长三角一体化示范区。其二，得益于长三角地区共建产业园、发展“飞地经济”等跨区域合作发展模式的兴起，苏州（滁州）现代产业园等跨省合作园区建立。

（3）子群3是以皖北、苏北地区为核心的子群，主要由亳州、蚌埠、淮南、淮安等城市构成，是长三角产业转移承接的主要集聚区。2011—2021年，子群3城市数量从11个减少至10个。随着长三角一体化进程的加快，长三角发展相对落后的北部地区承接江浙沪产业转移壮大自身发展，已经成为长三角高质量承接产业转移的优选地。如皖西、皖北和苏北地区承接了不少苏南和环杭州湾地区的传统的、小规模的化工企业和机械制造企业[17]。

（4）子群4是以皖南地区为核心的子群，主要由芜湖、宣城、铜陵、衢州等城市构成。2011—2021年，子群4城市数量从9个增加至11个，在地理位置上子群内部城市由相对集中逐渐走向分散。这些城市依托港口和制造业聚集的优势，逐渐形成了凝聚子群协同发展。如，浙江宁波、绍兴、嘉兴、舟山、衢州共同协作，致力于打造绿色石化先进制造业集群，这说明3省1市通过不断完善集群支持政策，设立沿沪宁产业创新带、G60科创走廊等，合力培育地区优势产业集群，一批先进制造业集群正在长三角加速崛起。

根据2011年和2021年长三角产业联动网络的总体网络密度和凝聚子群密度矩阵得到凝聚子群像矩阵，结果如表2所示。进一步分析子群间的关联路径可以发现，长三角产业联动网络中多对子群之间的关联密度显著增加，并且子群之间的溢出路径显著增加，如图5所示。

（1）2011年，子群3对子群1的关联密度达到0.9，是长三角4个子群间关联最为紧密的子群对；同时，子群3也积极与子群2进行产业关联合作。一方面，主要由皖北和苏北城市构成的子群3为子群1和子群2的发展提供了劳动力和生产要素等资源；另一方面，子群3作为欠发达区域和长三角产业承接的主要集聚区，与长三角发达区域进行积极的产业联系；子群4对子群1也产生了明显的溢出路径。具体来看，以上海为中心的凝聚子群在长三角产业联动网络中具有强大的集聚能力和辐射能力，子群内部各城市间的产业联系较为紧密，同时也积极向周边区域辐射，引导长三角其他区域的产业联动和产业转型升级。

（2）2021年，子群1、3、4的内部关联密度减小，子群2的内部关联密度增加，说明随着城市群的扩容，长三角区域产业联动有较大的提升空间。子群间的溢出路径发生明显增加，子群3与子群2、子群4与子群1之间的单向溢出路径演变成双向溢出路径；同时，子群1和子群2出现了双向溢出路径。这可能是由于发达的子群对周边区域的影响首先以集聚为主导形式，然后是辐射带动作用[12]，因而从单向溢出演变为双向溢出。

三、长三角城市群产业联动网络影响因素分析

（一）影响因素选取与模型构建

1.影响因素选取。进一步探究长三角城市群产业联动网络形成的影响因素对优化网络结构、实现产业协同发展至关重要。现有研究认为，产业结构[9]、经济发展水平[17]、地理距离[18]及地方保护[19]等是影响区域内产业联动的重要因素。此外，科技创新通过改变生产手段、生产工具和生产形式，会对产业结构升级产生促进作用及正向空间溢出效应[20]。发达的交通运输可以助力产业联动要素和产品的自由流动，并减少时间与金钱成本[21]。基于以上原因，选取产业结构、经济发展水平、交通运输水平、创新发展水平、地方保护以及地理距离作为长三角产业联动网络的影响因素。

2.模型构建。二次指派程序（QAP）是定量研究关系网络中影响因素的非参数检验方法。基于矩阵数据的置换对系数进行非参数检验，它能够很好地解决关系数据潜在的多重共线性和自相关问题，并分析一个矩阵和多个矩阵之间的计量关系。借鉴邱志萍等的做法[22]，将数据两两绝对差值处理形成关系数据，采用QAP方法对长三角产业联动网络的影响因素进行分析，建立的模型如下：

Y=f（I，G，T，C，L，D）

其中， Y为长三角产业联动空间关联引力矩阵；I为产业结构差异，用各城市第二产业和第三产业产值比重的绝对差值矩阵表示；G为经济发展水平差异，用人均GDP的绝对差值矩阵表示；T为交通运输水平差异，用货运量的绝对差值矩阵表示；C为创新发展水平差异，用专利授权量的绝对差值矩阵表示；L为地方保护差异，用地方财政收入占GDP比重的绝对差值矩阵表示；D为地理距离，用市政府间地理距离矩阵表示。

（二）QAP 回归分析

表3汇报了2011年、2016年、2021年自变量的标准化回归系数和P值。从拟合优度上来看，模型的调整R2从0.265、0.337到0.351逐渐增大，QAP的调整R2值一般低于OLS模型[23]。可看出，拟合优度对模型解释力较为良好。各个影响因素的组合关系对长三角产业联动网络的形成具有较强的解释力，并且影响程度在逐渐加深。

产业结构差异的标准化回归系数均在1%的水平上显著为正，系数大小从0.143、0.244到0.343。产业结构差异是产业联动网络形成的重要驱动力，并且系数逐年增大，说明一定的产业结构差异有利于长三角地区形成合理的产业分工格局，有助于长三角各城市要素禀赋优势和产业分工优势的有效发挥，并通过实现产业链的空间协同与合作，驱动长三角产业联动网络的形成。

经济发展水平差异的标准化回归系数均在1%的水平上显著为正，并且系数在0.153～0.170之间波动幅度不大，说明经济发展水平差异促进了产业联动网络的形成。网络节点特征分析结果表明，经济发达的地区在网络中拥有较高的权利和主导地位，经济发展水平差距越大，资本、技术等要素的虹吸效应与辐射效应越容易发生，从而有利于形成产业关联网络，带动整个地区的产业协同发展。

交通运输水平差异的标准化回归系数在2011年、2016年均在5%的水平上显著为正，系数大小分别为0.145和0.123。交通运输行业的建设资金投入不同则交通运输水平存在差异，串联三次产业的生产、消费和流通，促进了地区间生产要素和产品的自由流动，因而对长三角地区产业联动网络的形成与演变具有重要影响。2021年交通运输水平这项系数不显著，其可能原因是受疫情影响，交通运输业在短期内增长乏力[24]。

创新发展水平差异的标准化回归系数显著为正，并且系数大小总体呈上升趋势，表明区际创新发展水平存在差距，这为跨区域的技术交流与协作提供了前提。促进区域间通过技术转移、新技术改进和完善、新技术联合开发等方式实现产业联动发展，有利于形成区际基于技术合作的水平式联动，且创新能力的不断提升为推动区域产业联动、实现产业转型升级提供了强大动力。

地方保护差异这一影响因素未通过显著性检验，源于长三角一体化发展中区域间行政壁垒的弱化。目前，推动长三角产业联动已形成共识，政府在长三角发展中发挥了积极的引导作用。如有研究表明，地方政府合作不仅促进了长三角地区产业结构的合理化，且提升了长三角地区产业结构的高度化[25]。

地理距离矩阵的标准化回归系数均在1%的水平上显著为负且绝对值大小呈下降趋势，表明长三角产业联动网络的形成会显著受到地理距离的限制。随着区域间交通网络愈发便捷，这种限制正在逐渐被突破，负向影响减小。

为了保证回归结果的可靠性，从以下两个方面进行稳健性检验。1.更改矩阵置换次数。考虑到更多的矩阵置换次数能够获得更稳健的估计结果，因此将置换次数由默认的2 000次调整为5 000次。2.以地理邻接矩阵替换城市地理距离矩阵，相邻城市记为1，不相邻记为0。由于地理距离越大，产业联动的可能性越低，而地理位置临近，产业联动的可能性越大，因此地理距离这一项指标变换后系数符号相反。稳健性检验结果如表4所示，可以看出，各解释变量的系数和显著性同表3的回归结果基本一致，说明上述回归结果是稳健的。

四、研究结论与对策建议

（一）研究结论

利用修正的引力模型和社会网络分析方法研究长三角城市群产业联动网络的结构特征及影响因素，得出如下结论。

第一，长三角城市群内部产业合作与联系日益紧密，存在明显的产业联动路径，并且已经形成了较为稳定的空间关联网络；城市群内部存在集结成团现象，网络呈现“小世界”结构特征；网络由四大子群构成，网络凝聚子群内各城市由相对集中走向分散，且城市间产业联动逐渐打破省份和地域边界限制，形成多样化的产业合作发展模式。

第二，长三角不同地区城市中心性水平存在明显差异，核心城市上海和中心城市如南京、杭州、合肥等的中心度较高。点出度和点入度较低的城市主要分布在长三角各方位的边缘地区，如淮北、池州、衢州、舟山、丽水、连云港、宿迁等城市。点出度较高的城市呈现向核心城市上海集聚的趋势，点入度较高的城市呈现由核心城市上海向外扩散的趋势。随着安徽省各城市逐步加入长三角城市群，省内城市与江浙沪间的联系逐渐加强。

第三，从产业联动的影响因素来看，产业结构、经济发展水平、交通发展水平和创新发展水平的差异促进了长三角产业联动网络的形成，地理距离显著抑制了产业联动网络的形成，地方保护的影响不显著。

（二）对策建议

第一，推动长三角中心区一体化发展，带动长三角其他地区加快发展。围绕国际经济、金融、贸易、航运和科技创新建设，提升上海城市核心竞争力，引领长三角一体化发展；加快南京、杭州、合肥、苏锡常、宁波都市圈建设，推进都市圈协调联动、合作互动；加强长三角中心区与苏北、浙西南、皖北等地区的深度合作，辐射周边欠发达地区协同发展。

第二，充分发挥区域比较优势，引导长三角产业合理布局。长三角各城市在已有优势产业的基础上，既要强化垂直型分工，即根据经济势差的大小进行要素流动和产业转移，通过上下游关联带动落后地区的经济发展，又要强化城市群内部的水平型分工，继续探索飞地经济、新兴产业共建、一般产业互补的多样化产业联动模式。坚持市场机制主导和产业政策引导相结合，促进产业结构升级，优化重点产业布局和统筹发展。

第三，加强区域间技术创新合作，推动科技创新与产业链深度融合。深入实施创新驱动发展战略，以科技创新为引领，打造产业升级和实体经济发展制高点，为高质量融合发展注入强劲动力。充分发挥创新资源集聚优势，共同推进原始创新、技术创新和产业创新，共同打造长三角科技创新共同体，形成具有影响力的科技创新和制造业研发高地。

参考文献：

[1] 石碧华.长三角城市群产业联动协同转型的机制与对策[J].南京社会科学，2014，15（11）：9-16.

[2] 吕涛，聂锐.产业联动的内涵理论依据及表现形式[J].工业技术经济，2007，163（5）：2-4.

[3] 沈正平，简晓彬，施同兵.产业地域联动的测度方法及其应用探讨[J].经济地理，2007，124（6）：952-955.

[4] 张智勇.区域经济内产业联动的实证分析：以晋陕豫“黄河金三角”地区为例[J].经济问题，2018，40（11）：80-83.

[5] 彭连清.我国区域间产业关联的实证分析[J].产业经济研究，2008，7（4）：16-21.

[6] 王莉莉，肖雯雯.基于投入产出模型的中国海洋产业关联及海陆产业联动发展分析[J].经济地理，2016，36（1）：113-119.

[7] 刘钊，马军海.产业联动网络及其形成演进机制研究[J].国家行政学院学报，2008，10（6）：104-107.

[8] 聂锐，高伟.区际生产要素流动的网络模型研究[J].财经研究，2008，53（7）：87-97.

[9] 江小国，周海炜，贾兴梅.皖江城市带和长三角地区产业联动性研究：基于空间引力模型[J].经济与管理评论，2017，33（1）：148-153.

[10] 叶连广，何雄浪，邓菊秋.产业联动网络促进区域高质量一体化发展的效应研究：以长江经济带城市群为例[J].经济纵横，2023，39（1）：102-111.

[11] FUJITA M，THISSE J.Economics of Agglomeration：Cities，IndustrialLocation，and Regional Growth[M].Cambridge：Cambridge University Press，2002.