长三角区域经济一体化水平测度以关系型大数据为基础

《长三角区域经济一体化水平测度以关系型大数据为基础》由会员分享，可在线阅读，更多相关《长三角区域经济一体化水平测度以关系型大数据为基础（16页珍藏版）》请在金锄头文库上搜索。

1、长三角区域经济一体化长三角区域经济一体化水平水平的测度：以关系型大数据为基础的测度：以关系型大数据为基础 李涛，周锐，苏海龙，张伊娜 摘 要：区域经济一体化可以视作商品、资金、信息和人员等生产要素在区域内各城市间的流动。本研究以 关系型大数据为基础，选取企业分支数据、信息流数据和交通流数据，运用关联网络和多变量分析方法， 测度长三角地区 30 个城市的区域经济一体化指数。研究发现，区域内各城市的经济一体化水平指数呈现明 显的梯度格局。区域企业网络和信息网络表现为单中心特征，而交通网络则表现为上海与南京的双中心特 征。区域经济一体化指数的空间分布格局呈现“核心外围”特征，指数较高的城市与区域重大

2、交通基础 设施（铁路、海港）的分布具有明显相关性。实证分析的结论丰富了学术界对于关系型大数据的认识，并 提供了描述和分析 “区域经济一体化”关系的新视角和新途径。 关键词：区域经济一体化，关联网络，长三角 1. 1. 引言引言 区域经济一体化（regional economic integration）一直是经济地理和区域城市发展 研究的热点领域。 传统的区域经济一体化研究受贸易和产业理论的影响， 通常运用城市的属 性数据（如 GPD、人口、财政支出、价格等）和空间距离数据，通过引力模型、边界效应模 型、拟合分析模型、一般均衡模型、投入产出、市场潜力等方法，来测度区域经济一体化的 水平 1-6

3、。这些研究秉承了传统的经济学研究思路，从贸易和产业等角度，通过考察区域内 每个城市的属性数据来分析区域经济一体化问题。 在信息化、全球化的语境下，网络社会开始崛起。J. Friedmann（1986）在其著作世 界城市假说中提出，在世界和区域的城市体系中，城市扮演着资本流、劳动力流、信息流、 商品流中心的角色 7。M.Castells（1996）提出了空间的“双重属性” ：是流动空间（space of flows）而不是场所空间（space of spaces）塑造了区域城市体系。在这里，流动空间 是指资本、 商品、 信息和人员的流动， 场所空间是指城市作为网络的枢纽或节点 8。 S.Sass

4、en （1991） 、P.J.Taylor（1997，2004）认为，是城市之间的网络关系而非等级结构界定了世 界和区域城市网络 9-11。这为研究区域问题提供了新的视角，国内外相关研究也开始从传统 的“属性方法”向关注城市间关系的“网络方法”开始转变，这是区域相关研究领域的重大 进展 12。 J.V.Beaverstock 等（2000）提出，传统的经济地理学者通常将运用属性数据来研究区 域问题，这更适合于进行城市间的比较和个别城市的分析，无法洞悉城市间的相互关系。要 描述城市间的相互作用，就必须选择合适的关系型数据来进行分析 13。但是，限于传统手段 的局限，想要获取关系型数据是非常困难的

5、。R.G.Smith 等（1995）曾经列举出 12 种关系 型数据，但是由于无法获取数据，被称为“期望的名单” 14。从 20 世纪 90 年代后期开始， 在以英国 Loughborough 大学为基地的全球化和世界城市网络研究（Globalization and World City Network Research，GaWC）的倡导下，国外学者尝试用各类关系型数据研究区 域和城市问题，取得了一定成果 15-17。 在区域经济一体化方面， 国内外学者已经在此方向上进行了尝试性的探索， 他们运用了 贸易流、资本流、劳动力流、客运量等“流量数据”来测度区域经济一体化水平 418-20。通 过梳

6、理这些成果后笔者发现，其所用的“流量数据”并非严格意义上的“关系型数据” 。一 个特定区域的“关系型数据”必须是以地区内 n 个城市为横轴和纵轴构成的“有向多值”的 n*n 的网络矩阵数据。而已有研究采用的“流量数据” （例如进出口贸易总额、实际利用外 资额、 火车站客流量等） 大都是属性数据， 没有明确方向性， 因而就无法形成网络矩阵数据， 也就无法深入分析城市间的相互关系。 随着信息技术的发展，基于大数据的研究开始兴起，一些新的数据类型、获取方式和分 析方法开始不断涌现，这为研究区域问题提供了新的视角、数据和方法。笔者拟借鉴国内外 最新研究成果，以“关系型大数据” （Relational

7、Big Data）为基础，选取合适的数据和方 法，对区域经济一体化水平进行测度。本文接下来分为三个部分，首先提出研究思路、分析 方法和数据来源，然后选取长三角地区作为研究对象，对其区域经济一体化水平进行测度， 最后在此基础上进行讨论并得出结论。需要指出的是，区域经济一体化通常包括两个层面， 其一是国际上某一地区内国家间的经济一体化，例如亚太地区、北美地区；其二是某一国家 内特定地区的经济一体化，例如中国的珠三角地区、京津冀地区。本研究所关注的是第二个 层面的区域经济一体化。在研究地域方面，以长三角地区 30 个城市作为研究的空间范围 ， 以地级及以上城市为空间单元，测度区域经济一体化水平。 2

8、. 2. 研究思路研究思路、方法与数据、方法与数据 2.1 2.1 研究思路研究思路 要运用关系型大数据测度区域经济一体化水平， 必须首先对区域经济一体化的内涵进行 解析，然后寻找合适的指标予以表征。 “合适的指标”应当符合两个标准，一是能够表征区 域经济一体化的内涵，二是能够通过公开渠道获取，便于进行后续研究。 荷兰经济学家 J.Tinbergen（1951）在最早提出经济一体化的概念时就指出，经济一体 化是将阻碍经济最有效运动的人为因素加以消除，已实现商品、资金、人员等生产要素的流 动，促进区域内的相互协作 21。B.Balassa（1973）提出，一体化过程既是一种过程，又是 一种状态，

9、经济一体化就是指各类生产要素的活动不受政府的经济限制 22。孟庆民（2001） 等学者 23-28等也都提出了类似观点。因此，区域经济一体化的内涵可以概括为各类生产要素 在区域内的自由流动，体现为商品、资金、信息和人员等生产要素的流动。寻找合适的数据 表征这些生产要素的城际流动成为本研究的切入点。 根据 J.V.Beaverstock 等的研究成果 15-17， 表征区域内城市间关系型大数据可以分为三 类：基础设施、节点和枢纽法、精英空间，分别对应 M.Castells 的流动空间的三个层次（表 1） 。 第一类数据运用表征城市间交通流的客运、 货运数据和表征信息流的电信数据来测度城 市网络，

10、常见于早期研究；第二类数据对应于节点和枢纽的空间层次，运用公司组织、间接 信息（新闻与信息流、商务流） 、商品链等方法来测度城市网络，是目前主流的分析数据； 第三类数据对应于精英空间，通过精英劳动力的空间分布和流动表征城市网络的特征。 在这三种数据类型中， 第一类数据的交通流体现了城市间的人员流动， 其优点是海量数 据相对易于获得，缺点是无法区分商务与旅游客流、无法统计上座率等，常用作辅助分析手 段。电信流体现了城市间的信息流动，但是由于数据难以获得而无法推广使用。第三类数据 局限性明显，缺点包括样本数量受限、精英空间的作用受质疑等。第二类数据由于兼顾了指 标的代表性和数据的可获得性，是目前研

11、究成果最为丰富的数据源。这其中，新闻和信息流 数据能够间接反映城市间的信息联系， 以其大样本量和时效性的优点， 近年来开始逐步受到 学界的重视。商务信息流和商品链数据则受到问卷反馈低、样本数量过少的困扰，不能得到 广泛应用。 值得关注的是， 高端生产服务业企业和全行业企业的组织分支数据是应用最为 广泛的关系型大数据。国内外研究显示，企业是区域经济活动的“代理人” ，众多企业的区 位战略，界定了城市之间的关联网络 911-1229-33。企业通过直接（设立分支机构）和间接（企 业间贸易）的方式，将区域内各类生产要素整合在一起，在城市之间建立经济联系，进而形 成区域经济格局。因此，众多企业形成的关

12、联网络，促成了各类生产要素的区域内流动，进 而推动了区域经济一体化进程。 企业间的贸易数据往往由于商业机密难以获得。 相比较而言， 企业的分支机构数据更易于获得， 由于企业分支机构之间存在着持续的联系， 这其中既包括 资金联系、商品联系，也包括信息和人员联系，因此企业分支数据能够在相当程度上代表区 域内商品、资金、信息和人员的流动。而且随着信息技术的发展，海量数据的搜索和检索技 术也得以能够实现。 这就使得用企业分支数据分析城市间联系成为可以推广的方法。 考虑到 其大样本量的可获得性，其分析结果也更具可信度 34。 从代表性和可获得性两个角度对关系型大数据进行筛选， 本研究选取最具代表性的企业

13、 分支数据为主，同时采用代表性居中、易于获得的新闻与信息流、交通流数据为辅，作为区 域一体化水平测度的数据。 表 1 关系型大数据汇总表 流动空间层次 关系型数据 代表性研究（年份） 第一层次基础设 施 交通流 D.A.Smith 等 (2002) ，B.Derudder 等 (2005)， P.J.Taylor 等(2007)，N.Van Nuffel 等(2010)， 罗震东（2010） 电信流 M.L.Moss 等(2000) ，A.M.Townsend (2001)， J.Rutherford 等(2004)，P.Hall 等（2006） 第二层次节点和 枢纽 高端生产服务 业企业 J

14、.V.Beaverstock 等 1999，2000） ， P.J.Taylor 等（2001） ，P.J.Taylor 等 (2002)， B.Derudder 等(2005)，P.J.Taylor 等（2008） ， P.J.Taylor 等（2010） ，唐子来，赵渺希（2010） ， 尹俊，甄峰，王春慧（2011） 全行业企业 A.S.Alderson 等(2004，2007) ，R.Wall（2009） ， 唐子来，赵渺希（2010） ，张闯（2010） ， 李仙德（2012） ，吕康娟（2012） ， 唐子来、李涛（2014） ，朱查松等（2014） 新闻与信息流 A.R.Pred

15、（1973） ，P.J. Taylor（1997） ， 唐子来， 赵渺希 （2009） ， 熊丽芳等 （2013， 2014） ， 刘效龙等（2014） 商务流 P.Hall 等（2006） 商品链 E.C.Rossi 等（2007） 第三层次精英空 间 精英阶层的空间 分布 J.V.Beaverstock 等（2000） ，J.V.Beaverstock (2004)，J.V.Beaverstock (2007) 资料来源：作者在 J.V.Beaverstock 等 15-17的研究基础上进行梳理和增补35-57。 2.2.2 2 研究方法研究方法 以企业分支数据、 信息流数据和交通流数据为

16、基础， 运用网络分析方法和多变量分析方 法，提出区域经济一体化水平的测度方法。 首先， 基于三类关系型数据的网络矩阵计算各个城市的网络关联度。 然后对初始数据进 行标准化和权重赋值，参考有关学者的研究 58，上述三项指标权重分别为 0.6、0.2、0.2， 最终形成长三角地区各个城市的区域经济一体化指数。 这三个指标分别从资金和商品、 信息、 人员的流动表征了区域经济一体化进程。 其中， 企业分支数据是表征区域经济一体化的核心 指标，因此被赋予更大权重。各城市的区域经济一体化指数的计算过程如下： 借鉴国内外学者的研究，企业关联度的计算公式为：Tij是总部在城市 i、分支机构在城 市 j 的企业数量；Tji是总部在城市 j、分支机构在城市 i 的企业数量。则城市 i 和城市 j 之 间的企业网络关联度 Vij定义为： Vij 或 Vji= Tij+Tji （1） 以地区内各城市间的 Vij为基础，可以形成 30*30