EN中文

经济地理 >

2020 , Vol. 40 >Issue 6: 87 - 97

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.06.010

城市地理与新型城镇化

交通运输成本视角下长江中游城市群城市网络空间关联机制

  • 王圣云 , 1, 2 ,
  • 宋雅宁 2 ,
  • 张玉 2 ,
  • 李晶 , 1, 2, ※
展开
  • 1.南昌大学 中国中部经济社会发展研究中心，中国江西 南昌 330047
  • 2.南昌大学 经济管理学院，中国江西 南昌 330031
※李晶（1988—），女，山东济宁人，博士，助理研究员。主要研究方向为环境经济学、区域经济学。E-mail：。

王圣云（1977—），男，山西河曲人，博士，研究员。主要研究方向为区域经济与福祉地理学。E-mail：。

收稿日期: 2019-06-13

  修回日期: 2020-02-27

  网络出版日期: 2025-05-14

基金资助

国家自然科学地区基金项目(41861025)

江西省高校人文社会科学研究规划项目(JJ19118)

江西省教育科学“十三五”规划2018年度重点课题(18ZD003)

国家统计科学项目(2019LY40)

国家社会科学基金青年项目(15CJL011)

收起

Spatial Organization and Driving Mechanism of Connected Network of Urban Agglomeration in the Middle Reaches of the Yangtze River

  • WANG Shengyun , 1, 2 ,
  • SONG Yaning 2 ,
  • ZHANGYu 2 ,
  • LI Jing , 1, 2, ※
Expand
  • 1. Research Center of Central China Economic and Social Development，Nanchang University，Nanchang 330047，Jiangxi，China
  • 2. School of Economics and Management，Nanchang University，Nanchang 330031，Jiangxi，China

Received date: 2019-06-13

  Revised date: 2020-02-27

  Online published: 2025-05-14

Fold

摘要

结合引力模型、交通运输成本模型、网络中心度模型、块模型和QAP模型，分析长江中游城市群城市网络空间关联及其驱动因素得出：①武汉城市圈、环长株潭城市群内部的经济联系强度均高于环鄱阳湖城市群，且武汉城市圈与环长株潭城市群之间的经济联系强度较为突出，长江中游城市群已经以武汉市和长沙市为中心形成了两个明显的城际经济联系密集区。②长江中游城市群三大城市群的综合运输成本存在差异。环长株潭城市群内部交通一体化程度最高，环鄱阳湖城市群最低。长沙市至武汉城市圈、武汉市至环长株潭城市群的交通运输成本明显低于长沙市、武汉市至环鄱阳湖城市群城市的交通运输成本。③长江中游城市群城市网络对外辐射能力整体较强，而整体的吸引能力相对偏弱，即三大城市群之间的经济联系较弱，而其内部的城际经济联系则较强。环长株潭城市群对外辐射、吸引和中介能力整体最强，环鄱阳湖城市群相对最弱。④长江中游城市群城市关联网络可以划分为主溢出板块、净受益板块、经纪人板块、主受益板块四个功能板块。主溢出板块是长江中游城市群城市关联网络的发动机，净受益板块处于相对边缘的位置，经纪人板块是主溢出板块和主受益板块之间联系的桥梁。⑤在多因素共同作用下，城市之间地理位置相邻、交通基础设施水平相近、产业结构相近和外向型经济结构相近有助于长江中游城市群城市关联网络发展，而外资利用水平、互联网开放程度等方面的差异化发展促进了城市之间的空间关联。

关键词： 长江中游城市群; 城市网络; 交通运输成本; 块模型; QAP模型; 长株潭城市群; 武汉城市圈; 环鄱阳湖城市群

本文引用格式

王圣云 , 宋雅宁 , 张玉 , 李晶 . 交通运输成本视角下长江中游城市群城市网络空间关联机制[J]. 经济地理, 2020 , 40(6) : 87 -97 . DOI: 10.15957/j.cnki.jjdl.2020.06.010

Abstract

Based on the gravity model,transportation cost model,network centrality model,block model and QAP model,this study analyzes the network spatial connection and driving factors of urban agglomeration in the middle reaches of the Yangtze River. The results indicate that: 1) The economic connection intensity of Wuhan Metropolitan Area and Changsha-Zhuzhou-Xiangtan urban agglomeration is higher than that of urban agglomeration around the Poyang Lake,and the economic connection strength between Wuhan Metropolitan Area and Changsha-Zhuzhou-Xiangtan urban agglomeration is more prominent. The urban agglomeration in the middle reaches of the Yangtze River,centered on Wuhan and Changsha,has formed two obvious areas with dense inter-city economic links. 2) There are differences in the comprehensive transport cost of the three urban agglomerations in the middle reaches of the Yangtze River: the comprehensive transport cost of Changsha-Zhuzhou-Xiangtan urban agglomeration (4.245h) is lower than that of Wuhan Metropolitan Area (4.354h),while the comprehensive transport cost of Wuhan Metropolitan Area is lower than that of urban agglomeration around the Poyang Lake (4.748h). The inner traffic integration degree of Changsha-Zhuzhou-Xiangtan urban agglomeration is the highest,while that of urban agglomeration around the Poyang Lake is the lowest. The transportation costs from Changsha to Wuhan Metropolitan Area and from Wuhan to Changsha-Zhuzhou-Xiangtan urban agglomeration are significantly lower than that from Changsha and Wuhan to urban agglomeration around the Poyang Lake. 3) The connected network of urban agglomeration in the middle reaches of the Yangtze River has a stronger external radiation capacity,while its cohesive capacity is relatively weak,that is,the economic connection among the three major urban agglomerations is weak,and the internal inter-city economic linkage is stronger. The Changsha-Zhuzhou-Xiangtan urban agglomeration has the strongest external radiation,cohesion and intermediation capacity,and that of urban agglomeration around the Poyang Lake is relatively weakest. 4) The connected network of urban agglomeration in the middle reaches of the Yangtze River can be divided into four functional blocks: the main spillover block,the net beneficiary block,the broker block and the main beneficiary block. The main spillover block is the engine of the connected network of urban agglomeration in the middle reaches of the Yangtze River. The net beneficiary block is at the relative edge. The broker block is the bridge between the main spillover block and the main beneficiary block. 5) Under the influence of multiple factors,the geographical proximity,the similar level of transportation infrastructure,the similar industrial structure and the similar export-oriented economic structure of cities contribute to the development of connected network of urban agglomeration in the middle reaches of the Yangtze River. The differential development of foreign capital utilization level and Internet openness will be beneficial to the development of connected network.

Key words： urban agglomeration in the middle reaches of the Yangtze River; urban network; transportation cost; block model; QAP model; Changsha-Zhuzhou-Xiangtan urban agglomeration; Wuhan Metropolitan Area; the Poyang Lake City Group

长江中游城市群以武汉城市圈、环长株潭城市群、环鄱阳湖城市群为主体，是长江经济带的重要组成部分，在我国区域发展格局中占有重要地位。近年来，随着长江中游城市群建设的快速推进，城市作为城市群区域发展的节点与日益增多的各种“流”——人流、物流、资金流、信息流共同形塑城市网络体系。城市之间日益密切的经济联系是城市关联网络形成的重要基础[1]，城市交通运输成本分异成为影响城市群城市关联网络及其空间组织的重要因素[2]：一方面，交通运输成本较低的城市更易于与其他城市产生经济联系[3]；另一方面，城市交通运输成本的变化会影响其在城市网络中对周边城市的集聚和辐射力，从而影响城市之间经济联系“流”的空间格局发生变化，进而形成新的城市空间网络格局[4]。与此同时，随着城市空间关联日益紧密，各城市在城市之间的空间关联网络中所扮演的角色不断变化，城市之间经济联系不断加深，一些城市跨越原有城市群范围及行政边界逐渐凝聚形成新的经济联系功能板块，也在不断形塑城市关联网络空间格局及其空间组织。城市之间由于运输成本差异导致城市关联网络呈现空间外部性，这使得城市之间的经济联系往往会跨越自身所在的城市群的行政界限而进行功能联系。
随着长江经济带战略深入推进，长江中游城市群多中心性空间网络结构与空间组织特征等问题已引起学界的广泛关注和讨论。这方面的研究主要运用引力模型[3-6]测度城市之间的经济联系强度，并应用社会网络方法刻画区域城市空间网络特征[3-7]；或基于企业、百度指数、新浪微博微观视角揭示城市网络结构特征[8-10]。可见，当前学界侧重于从经济联系角度[3-6]分析区域城市关联网络。由于城市空间关联关系数据的复杂性，常规统计检验方法难以检视其影响因素，故已有探究城市网络空间关联的研究成果仍多集中于城市网络空间关联特征的格局分析。目前，少数文献开始关注城际关联视角下城市网络变化的影响因素，这不仅有助于从城市网络空间关联视角分析城市发展态势，而且可以调整其影响因素促使城市关联网络朝着更好的方向发展。由于关系数据之间可能具有较高的相关性，若运用传统方法进行参数估计会存在“多重共线性”问题，使参数估计值的标准差增大，导致变量的显著性检验失去意义，但QAP非参数检验方法在这方面具有明显优势。近年来，QAP模型逐渐应用于探寻社会网络关系的驱动因素，如：刘法建等运用QAP模型分析了中国入境旅游流网络的动因[11]；李航飞等分析了海峡西岸经济区市域经济网络联系的形成机制[12]。
文献评述可知，已有研究有以下三点不足：一是已有研究通常采用公路距离衡量城市之间的“距离”[3-5]。事实上，城市之间的“距离”已被快速发展的交通联系大大缩短，时间距离比空间距离更能真实反映城市之间的“距离”。二是交通运输成本问题已经受到一些城市网络研究的关注，但这些研究或将城市视为节点[13-15]，计算每个城市到区域中其他城市的交通运输时间；或计算栅格层面的交通运输成本格局[16-17]，整体来看，缺乏综合的交通运输成本分析。可见，将节点层面和栅格层面两种交通运输成本计算方法结合，有助于综合分析城市群交通运输成本分异，从而从交通运输成本分异视角对城市网络空间组织进行解析，揭示城市交通运输成本的差异对城市网络及其空间关联关系的再塑。三是近年来学界对城市网络的研究成果日益增多，但对城市间由于城市空间溢出和关联作用而突破城市群行政界限形成的地域功能板块及其传导机制和结构鲜有关注[18]。对长江中游城市群城市关联网络进行地域功能板块划分不仅可以分析各城市的功能定位，而且有助于揭示由于城市间的功能联系而构成的各功能板块之间的空间作用关系。
为此，本文首先通过时间距离改良传统的引力模型，测度长江中游城市群城市之间的经济联系强度；然后，综合节点和栅格两种方法测度长江中游城市群交通运输成本的空间分异格局；再应用社会网络分析方法对长江中游城市群城市网络空间关联特征进行分析，并应用块模型方法对长江中游城市群城市网络空间关联的功能板块进行划分，进而分析其空间传导机制；最后运用QAP模型对长江中游城市群城市网络空间关联的驱动因素进行研究，揭示城市网络空间关联的驱动机制（图1），为调控和优化长江中游城市群城市网络提供参考。
图1 技术路线图

Fig.1 Technical route

1 研究方法

1.1 引力模型修正

应用双向时间距离对引力模型[19]的距离指标进行修正，结合公路、铁路两种交通方式，将铁路分为普快、动车、高铁，对长江中游城市群城市之间的双向时间距离进行测度，修正后的引力模型如下：
R i j = K i j P i G i P j G j T i j 2 , K i j = G i G i + G j       T = r i j p i j q i j 1 / s
式中： R i j为城市i对城市j的经济联系强度； P i、 P j分别为城市i、城市j的非农人口数； G i、 G j分别为城市i、城市j的GDP； T i j是指城市i到城市j的时间距离； r i j、 p i j、 q i j、 g i jj为城市i到城市j的公路驾车、普快、动车、高铁的最短时长；s为开通列车类型数。

1.2 交通运输成本模型

本文主要采用节点分析和栅格分析两种交通运输成本模型。节点分析方法主要是以城市为节点，计算各个节点的交通运输成本，其计算公式为：
A i = 1 n ∑ j = 1 n T i j
式中： A i为城市i到某一城市的时间距离的平均值，表征交通运输成本的优劣，其值越低交通运输成本越低。
栅格分析方法主要是基于公路和铁路网交通数据，在栅格尺度上计算长江中游城市群各城市的交通运输成本。计算方法分为四个步骤：第一步，将长江中游城市群矢量图转换为栅格图。第二步，划分交通网络道路等级，并设定速度值（表1）。对高速公路、普通铁路以及高速铁路进行封闭处理[20]，仅使其在高速收费站和火车站处与其它道路联通。第三步，将交通网络通过的栅格赋予相应的速度值，默认无道路通过的栅格速度为5 km/h。第四步，计算长江中游城市群31个城市至各个城市的各栅格的交通运输成本，汇总得到栅格尺度的长江中游城市群城市的综合交通运输成本。
表1 道路等级划分及其速度值

Tab.1 The classification of roads and their speed value

等级 公路 铁路
高速 一级 二级 三级 四级 等外 高速 普通
速度（km/h） 100 80 70 35 25 15 250 120

注：依据《公路工程技术标准》（JTGB01-2014）设置公路等级及速度值。

1.3 社会网络分析方法

1.3.1 网络中心度

在城市区域经济分析中，主要通过中心度来衡量城市在城市关联网络中的中心性[21]。中心度主要包括程度中心度、接近中心度和中介中心度3个指标。程度中心度是衡量城市在城市关联网络中心地位的指标，分为外向程度中心度和内向程度中心度，计算公式分别为：
C o d ' i = ∑ j = 1 n X i j / n - 1 , C i d ' i = ∑ i = 1 n X j i / n - 1
式中： C o d ' i、 C i d ' i分别为外向程度中心度、内向程度中心度； X i j、 X j i分别表示城市i对城市j、城市j对城市i是否有直接联系，无直接联系其值为0，有直接联系其值为1。
接近中心度值越大，说明该城市对其他城市产生联系的最短路径距离越短，经济联系能力越强。外向接近中心度指标计算公式为：
C o c ' i = n - 1 / ∑ j = 1 n d i , j
式中： C o c ' i为外向接近中心度； d i , j表示城市i对城市j产生联系的最短路径距离。
中介中心度表示城市关联网络中某城市作为联系节点使其他两个城市进行交往的能力，其计算公式为：
C b ' i = ∑ j < k g j k i / g j k n - 1 n - 2
式中： C b ' i为中介中心度； g j k为城市j对城市k产生联系的最短路径总数； g j k i是指城市j对城市k产生联系的最短路径经过城市i的数量。

1.3.2 块模型

块模型是对一元或多元关系网络的一种简化表示。块模型构建分两步，第一步是通过分析城市之间联系的紧密程度将各城市分到各个板块位置之中，位于同一板块的城市具有特性相似的经济关联关系。第二步是根据一些标准确定各个板块的取值，本文选取 α-密度指标[21]。此外，根据各板块发出和接受关系的特征，将板块位置分为四种类型：主溢出板块、经纪人板块、主受益板块、净受益板块。其中，净受益板块是主受益板块更极端的情况（表2）。
表2 块模型的板块分类规则

Tab.2 Block classification rules of blockmodels

位置内部的关系比例 位置接受到的关系比例
≈0 >0
≥ g k - 1 / g - 1 - 主受益板块/净受益板块
< g k - 1 / g - 1 主溢出板块 经纪人板块

1.3.3 QAP模型

QAP（Quadratic Assignment Procedure）是一种非参数检验方法，用来研究关系网络的影响因素。QAP相关分析方法用来研究两个矩阵是否相关；QAP回归分析方法用来研究多个矩阵和一个矩阵之间的回归关系。其计算方法[18]主要是首先计算矩阵所构成的长向量之间的系数；然后多次随机置换矩阵的行和列，再计算矩阵之间的系数；最后，对比判断汇总得出最后的系数值。
本文数据主要来源于全国地理信息资源目录服务系统（http://www.webmap.cn）、百度地图网站、中国铁路客户服务中心网站、《中国城市统计年鉴》和各省市统计年鉴。

2 结果分析

2.1 长江中游城市群城际空间关联格局

2.1.1 基于时间距离的长江中游城市群城际经济联系强度分析

统计2017年长江中游城市群各城市城区常住人口，对各城市进行规模等级划分（表3）。由表3可知，长江中游城市群城市可划分为6个等级，城市规模差异比较明显。Ⅰ型大城市主要为武汉城市圈城市，Ⅱ型大城市以武汉城市圈和环长株潭城市群城市为主，中等城市和Ⅰ型小城市主要为环鄱阳湖城市群城市。其中，武汉市属于超大城市，长沙市属于特大城市，南昌市属于Ⅱ型大城市。
表3 长江中游城市群城市规模等级（2017年）

Tab.3 The city scale of urban agglomeration in the middle reaches of the Yangtze River （2017）

规模等级 人口分布区间（万） 城市
超大城市 >1 000 武汉
特大城市 （500，1 000] 长沙
Ⅰ型大城市 （300，500] 襄阳、荆州、衡阳、孝感
Ⅱ型大城市 （100，300] 宜昌、岳阳、南昌、株洲、益阳、湘潭、黄冈、娄底、
常德、荆门、黄石、宜春、天门、仙桃、鄂州、咸宁
中等城市 （50，100] 九江、潜江、上饶、抚州、景德镇
Ⅰ型小城市 （20，50] 新余、萍乡、吉安、鹰潭

注：划分标准依据国务院于2014年颁布的《关于调整城市规模划分标准的通知》。

应用修正的引力模型计算长江中游城市群城市两两之间的双向经济联系强度，借助ArcGIS10.2软件绘制平均经济联系强度图。为了更好地图示效果，图2选取高于5 000亿元·万人/h2的经济联系强度值。
图2 长江中游城市群城市间的经济联系强度

Fig.2 Economic connection intensity among cities of urban agglomeration in the middle reaches of the Yangtze River

从图2可知，超大城市武汉市和特大城市长沙市的区域性中心城市功能完善，长江中游城市群城市关联网络以这2个城市为中心分别形成了两个辐射状的经济联系密集区。长沙市与株洲市（2 942 603亿元·万人/h2）、武汉市与黄冈市（2 598 188亿元·万人/h2）、武汉市与孝感市（2 101 485亿元·万人/h2）、长沙市与湘潭市（1 929 278亿元·万人/h2）、武汉市与咸宁市（994 633亿元·万人/h2）之间的平均经济联系强度在长江中游城市群位列前五。再从城市群层面来看，武汉城市圈和环长株潭城市群内部的城市经济联系密集，经济联系强度较高，而环鄱阳湖城市群内部的经济联系强度较低，环鄱阳湖城市群经济联系网络结构较为稀疏。

2.1.2 基于交通运输成本的长江中游城市群城市空间分异

分别计算基于节点和栅格层面的长江中游城市群31个城市的交通运输成本，由于篇幅所限，此处仅展示综合交通运输成本图和省会城市至其他城市的交通运输成本图（图3）。
图3 长江中游城市群城市交通运输成本

Fig.3 Transportation costs of cities in urban agglomeration in the middle reaches of the Yangtze River

由图3可知，基于节点与栅格层面计算的交通运输成本空间格局相近。从综合交通运输成本来看，三大城市群及其内部各城市的交通运输成本格局存在明显差异，环长株潭城市群（4.245h）低于武汉城市圈（4.354h），武汉城市圈低于环鄱阳湖城市群（4.748h）。长沙市、武汉市、咸宁市、株洲市、岳阳市、南昌市等城市的综合交通运输成本明显较低，这些城市交通便捷，高速公路和高速铁路纵横交织。其中，长沙市、武汉市作为全国性交通枢纽，交通区位优势明显。而综合交通运输成本最高的城市，如环鄱阳湖城市群的上饶市、景德镇市、吉安市，武汉城市圈的襄阳市、荆门市、宜昌市，主要分布在长江中游城市群的边缘地区。
从平均交通运输成本来看，长沙市至环长株潭城市群内其他城市的平均交通运输成本（1.192h）最低，而南昌市至环鄱阳湖城市群内其他城市的平均交通运输成本（1.725h）最高，两者相差0.533h。再从长沙市、武汉市、南昌市分别至其他两个城市群内部城市的平均交通运输成本来看，长沙市至武汉城市圈城市、环鄱阳湖城市群城市的平均交通运输成本分别为4.17h、3.431h，前者约是后者的1.216倍。武汉市至环长株潭城市群城市的平均交通运输成本（3.926h）较低，比其至环鄱阳湖城市群城市的平均交通运输成本（5.04h）低1.114h。南昌市至环长株潭城市群城市（4.726h）和武汉城市圈城市（4.694h）的平均交通成本接近，相差仅0.032h。武汉城市圈与环长株潭城市群城市联系相对最为快捷。

2.2 长江中游城市群城市网络特征

基于长江中游城市群城市两两之间的双向经济联系强度，进一步运用UCINET6.2软件的Netdraw组件绘制长江中游城市群的城市关联网络空间格局图（图4）。
图4 长江中游城市群城市关联网络空间格局

Fig.4 Spatial pattern of the connected network of cities in urban agglomeration in the middle reaches of the Yangtze River

从图4可以看出，在长江中游城市群城市网络中，区域性集聚特征比较明显，即武汉城市圈、环长株潭城市群、环鄱阳湖城市群三大城市群内部经济联系密集而三大城市群之间经济联系较弱。可以发现，武汉城市圈已形成以武汉市为中心的集中式、轴—辐式城市网络结构。环长株潭城市群形成了长沙市、株洲市、湘潭市三角状的鼎立分布格局，呈现多中心的分布特征。而南昌市在环鄱阳湖城市群中的统领作用相对不突出。
根据表4、表5中心度分析，可以看出长江中游城市群城市网络结构的空间不平衡特征，这主要体现在程度中心度、接近中心度、中介中心度的结构性变化。武汉市、长沙市、岳阳市和南昌市的外向程度中心度和外向接近中心度在长江中游城市群城市网络中均位列前四名，其对外辐射能力较强。同时，武汉市、长沙市、荆州市、南昌市的内向程度中心度值较高，城市吸引力较强。武汉市、南昌市和长沙市的中介中心度值较高，其中介能力相对突出。除此之外，岳阳市、荆州市的程度中心度比较突出，其分别在环长株潭城市群、武汉城市圈中的影响力较强。而景德镇市、吉安市、鹰潭市、鄂州市的外向程度中心度、外向接近中心度、内向程度中心度排名均靠后，表明其对外辐射能力和吸引能力均较弱。潜江市、鹰潭市、仙桃市、景德镇市和鄂州市中介中心度为0，中介能力较差，位于长江中游城市群城市关联网络的边缘，表明其在城市两两之间的经济联系中不发挥“桥梁”作用。
表4 长江中游城市群城市关联网络的各城市群中心度

Tab.4 Centrality of each urban agglomeration of the connected network of cities in urban agglomeration in the middle reaches of the Yangtze River

城市群 程度中心度（%） 外向接近
中心度（%）		 中介中
心度（%）
外向度 内向度
长江中游城市群 66.89 32.44 81.69 21.55
环长株潭城市群 52.08 39.17 69.23 2.61
武汉城市圈 31.54 35.64 61.02 2.47
环鄱阳湖城市群 26.67 31.67 54.84 2.19
表5 长江中游城市群城市关联网络的城市中心度：前10名

Tab.5 Centrality of connected network of cities in urban agglomeration in the middle reaches of the Yangtze River：Top 10

程度中心度 接近中心度 中介中心度
城市 外向度（%） 城市 内向度（%） 城市 外向度（%） 城市 中介度（%）
武汉市 100.00 武汉市 66.67 武汉市 100.00 武汉市 23.27
长沙市 96.67 长沙市 53.33 长沙市 96.77 南昌市 12.39
岳阳市 76.67 荆州市 53.33 岳阳市 81.08 长沙市 11.87
南昌市 73.33 南昌市 50.00 南昌市 78.95 九江市 5.71
株洲市 56.67 岳阳市 46.67 株洲市 69.77 岳阳市 4.61
衡阳市 53.33 宜春市 43.33 衡阳市 68.18 荆州市 4.00
九江市 46.67 咸宁市 43.33 荆州市 65.22 宜春市 2.18
孝感市 46.67 孝感市 40.00 孝感市 65.22 孝感市 2.07
荆州市 46.67 黄冈市 40.00 九江市 65.22 株洲市 1.34
宜昌市 46.67 株洲市 36.67 宜昌市 65.22 衡阳市 1.20
从表4还可以看出，长江中游城市群城市关联网络的外向程度中心度（66.89%）与外向接近中心度（81.69%）较高，内向程度中心度（32.44%）与中介中心度（21.55%）明显低于前两者，表明长江中游城市群对外辐射能力整体较强，其吸引能力、中介能力明显弱于对外辐射能力。此外，从长江中游城市群以及各城市群来看，程度中心度、接近中心度值均明显高于其中介中心度，这表明武汉市、长沙市、南昌市分别是三大城市群的中心城市，在长江中游城市群中均不具备“统帅全局”的作用。再从长江中游城市群与各城市群比较来看，长江中游城市群对外辐射能力、中介能力均明显强于环长株潭城市群、武汉城市圈、环鄱阳湖城市群，其吸引能力与后者接近。环长株潭城市群对外辐射能力、吸引能力和中介能力整体最强，武汉城市圈次之，环鄱阳湖城市群相对较弱。

2.3 长江中游城市群功能板块之间的空间传导路径

运用UCINET6.2软件，选择最大分割深度为2，收敛标准为0.2[18]，对长江中游城市群城市关联网络进行块模型分析，划分出四个经济联系功能板块（表6）。其中，第一板块对板块外发出关系较多，内部发出关系相对较少，属于主溢出板块。第二板块内部发出关系多，对其他板块的溢出效应少，属于净受益板块。第三板块属于经纪人板块，既发送又接受外部关系，在经济增长的溢出效应中担任了“桥梁”作用。第四板块内部关系比例多，外部关系相对较少，属于主受益板块。
表6 长江中游城市群各功能板块之间的溢出效应分析结果

Tab.6 Analysis results of spillover effect among functional blocks of urban agglomeration in the middle reaches of the Yangtze River

功能板块
名称		 接收关系 板块成
员数目		 期望的内部
关系比例（%）		 实际的内部
关系比例（%）		 接收板块
外关系数		 发出板块
外关系数		 板块
特征
第一板块 第二板块 第三板块 第四板块
第一板块 29 25 24 13 6 17 32 40 62 主溢出板块
第二板块 15 45 2 11 9 27 62 40 28 净受益板块
第三板块 17 3 52 24 10 30 54 47 44 经纪人板块
第四板块 8 12 21 27 6 17 40 48 41 主受益板块
进一步计算长江中游城市群城市网络空间关联四个功能板块的密度矩阵，且根据 α-密度标准计算其像矩阵（表7）。密度矩阵中对角线值均较高，像矩阵中对角线值均为1，表明四大板块内部的城市之间具有显著的关联性，呈现明显的城市网络集聚现象。最重要的是，像矩阵可以反映出长江中游城市群城市空间关联网络四大板块之间的作用路径和传导机制，结合图5可知，主溢出板块是长江中游城市群城市空间关联作用和网络化的发动机，辐射带动净受益板块、经纪人板块、主受益板块三大板块的城市发展。经纪人板块发挥了主溢出板块和主受益板块城市之间联系的桥梁作用。需要指出的是，净受益板块与经纪人板块、主受益板块之间的联系较少，但受到主溢出板块的辐射作用。
表7 长江中游城市群四个功能板块的密度矩阵及像矩阵

Tab.7 Density matrix and image matrix of four functional blocks of urban agglomeration in the middle reaches of the Yangtze River

功能板块名称 第一板块 第二板块 第三板块 第四板块
第一板块 0.967（1） 0.463（1） 0.400（1） 0.361（1）
第二板块 0.278（0） 0.625（1） 0.022（0） 0.204（0）
第三板块 0.283（0） 0.033（0） 0.578（1） 0.400（1）
第四板块 0.222（0） 0.222（0） 0.350（0） 0.900（1）

注：括号内数字是赋值为0，1的像矩阵。

图5 长江中游城市群四大功能板块空间传导关系

Fig.5 Spatial transmission relationship of four functional blocks of urban agglomeration in the middle reaches of the Yangtze River

进一步分析图5可以发现，环鄱阳湖城市群除赣西的萍乡市外，其他城市均为净受益板块，即环鄱阳湖城市群主要以对内联系为主，其在长江中游城市群城市关联网络中处于相对边缘的位置，与武汉城市圈和环长株潭城市群城市之间的经济联系较少。环长株潭城市群的长沙市、株洲市、湘潭市、衡阳市、娄底市等城市以及江西省的萍乡市构成主溢出板块，在长江中游城市群城市网络空间关联构建中起到了引擎作用。武汉城市圈的武汉市、咸宁市、黄石市、黄冈市、鄂州市、孝感市构成主受益板块，主要为板块内部的经济联系，表明武汉市对上述其余5个城市的带动作用明显，而对武汉城市圈其他城市的辐射较弱。环长株潭城市群的岳阳市、益阳市、常德市以及武汉城市圈的襄阳市、宜昌市、荆门市、天门市、仙桃市、潜江市、荆州市共同构成的第三板块是经纪人板块，在长江中游城市群城市网络中发挥第一板块和第四板块城市之间关联的中介作用。块模型分析揭示了长江中游城市群城市网络的整体结构与地域结构，指出了各城市在城市网络结构中的位置或角色，反映出长江中游城市群城市网络的不平衡空间格局和地域关联传导机制。

2.4 长江中游城市群城市网络空间关联的驱动因素分析

在场所空间（space of place）背景下，城市之间关联网络的形成与地理因素相关，地域相邻的城市之间一般空间相互作用更强。本文块模型分析结果也表明同一经济联系功能板块内的城市具有地域相邻特征。在流动空间（space of flow）观下，城市之间的关系距离影响城市网络空间关联的形成和发展。在“时空压缩”和协同发展背景下，城市之间的发展差异是影响城市之间经济联系的主要因素。城市之间的发展差异主要表现在产业结构[12]、互联网开放程度[22]、外资利用水平[23]、交通基础设施[24]、对外贸易[25]等方面。故本文选取空间邻接关系、第三产业比重、国际互联网用户数、实际利用外资总额、等级公路总里程、进出口总额等指标刻画长江中游城市群城市网络空间关联的驱动因素，建立如下模型：
R = f S , I , W , F , M , O
上式等式两边均为矩阵数据。因变量为长江中游城市群城市网络空间关联矩阵（R），自变量空间邻接矩阵（S）由地理位置决定，城市之间地理位置相邻取1，不相邻取0。第三产业比重差异矩阵（I）、国际互联网用户数差异矩阵（W）、实际利用外资总额差异矩阵（F）、等级公路总里程差异矩阵（M）、进出口总额差异矩阵（O）则根据指标绝对差异建立差异矩阵。

2.4.1 长江中游城市群城市网络空间关联的QAP相关分析

运用QAP相关分析检验长江中游城市群城市网络空间关联格局与其驱动因素的相关关系，进行5000次随机置换得出分析结果（表8）。相关分析结果表明，空间关联矩阵（R）与空间邻接矩阵（S）的相关系数为0.468，且在1%的水平上显著，表明城市之间地理位置邻接对长江中游城市群城市之间空间关联和空间溢出呈显著的正向影响。空间关联矩阵（R）与第三产业比重差异矩阵（I）的相关系数为0.153，且在5%的水平上显著；其与国际互联网用户数差异矩阵（W）、实际利用外资总额差异矩阵（F）、进出口总额差异矩阵（O）的相关系数均为正，且在1%的水平上显著；这表明长江中游城市群城市之间的发展差异和合作互补是促进城市之间经济关联和空间溢出的重要因素，城市之间经济发展差异大意味着城市之间经济合作和经济联系多。空间关联矩阵（R）与等级公路总里程差异矩阵（M）的相关系数为负，且在1%的水平上显著，这表明城市之间交通基础设施水平相近利于城市之间经济关联。
表8 长江中游城市群城市网络空间关联与其驱动因素的QAP相关分析结果

Tab.8 QAP correlation analysis results between network spatial connection and driving factors of urban agglomeration in the middle reaches of the Yangtze River

实际相关系数 显著性水平 相关系数均值 标准差 最小值 最大值 P≥0 P≤0
空间邻接矩阵（S） 0.468 0.000 0.001 0.040 -0.142 0.157 0.000 1.000
第三产业比重（I） 0.153 0.033 -0.001 0.074 -0.219 0.265 0.033 0.967
国际互联网用户数（W） 0.305 0.001 0.000 0.090 -0.203 0.322 0.001 1.000
实际利用外资总额（F） 0.340 0.000 0.000 0.090 -0.216 0.330 0.000 1.000
等级公路总里程（M） -0.182 0.001 0.000 0.062 -0.257 0.199 0.999 0.001
进出口总额（O） 0.310 0.000 0.000 0.090 -0.216 0.334 0.000 1.000
进一步对与空间关联矩阵（R）显著相关的上述变量进行QAP相关分析（表9），发现多个变量之间高度相关，均在1%的水平上显著。表明城市之间空间关联的驱动因素存在重叠性，应用QAP方法能处理关系数据“多重共线性”问题[18]。
表9 长江中游城市群城市网络空间关联驱动因素之间的QAP相关分析结果

Tab.9 QAP correlation analysis results among driving factors of network spatial connection of urban agglomeration in the middle reaches of the Yangtze River

空间邻接矩阵
（S）		 第三产业比重
（I）		 国际互联网用户数
（W）		 实际利用外资总额
（F）		 等级公路总里程
（M）		 进出口总额
（O）
空间邻接矩阵（S） 1.000（0.000）
第三产业比重（I） -0.027（0.269） 1.000（0.000）
国际互联网用户数（W） 0.065（0.074） 0.696（0.000） 1.000（0.000）
实际利用外资总额（F） 0.075（0.044） 0.728（0.000） 0.931（0.000） 1.000（0.000）
等级公路总里程（M） -0.090（0.030） -0.048（0.316） 0.035（0.320） -0.128（0.060） 1.000（0.000）
进出口总额（O） 0.071（0.055） 0.680（0.000） 0.925（0.000） 0.973（0.000） -0.133（0.035） 1.000（0.000）

2.4.2 长江中游城市群城市网络空间关联的QAP回归分析

进一步运用QAP回归方法分析空间关联矩阵（R）与其驱动因素的回归关系，选取2 000次随机置换，得到回归拟合结果与表10。回归拟合概率是指随机置换产生的判定系数不小于实际观察到的判定系数的概率，为单尾检验的概率，概率为0表明调整后的判定系数R2在1%的水平上显著。
表10 QAP回归得到的各变量矩阵的回归系数及检验指标

Tab.10 Regression coefficients and the test indexs of the variable matrixs obtained by the QAP regression

变量 非标准化
回归系数		 标准化回归系数 显著性
水平		 P≥0 P≤0
截距 0.324 0.000
空间邻接矩阵（S） 0.557 0.421 0.000 0.000 1.000
第三产业比重（I） -0.169 -0.156 0.003 0.997 0.003
国际互联网用户数（W） 0.148 0.177 0.100 0.100 0.901
实际利用外资总额（F） 0.628 0.783 0.000 0.000 1.000
等级公路总里程（M） -0.151 -0.132 0.003 0.997 0.003
进出口总额（O） -0.454 -0.557 0.001 1.000 0.001
表10为QAP回归分析得到的各变量矩阵的回归系数及检验指标。从表10可知，空间邻接矩阵（S）的回归系数在1%的水平上与空间关联矩阵（R）呈显著正相关，可见地理位置相邻因素对长江中游城市群城市网络空间关联具有正向作用，地理位置邻近是促进城市网络关联的重要因素。该结论符合地理学第一定律，表明长江中游城市群城市网络空间关联存在空间近邻效应。同时，实际利用外资总额差异矩阵（F）在1%的水平上呈显著正相关、国际互联网用户数差异矩阵（W）的回归系数在10%的水平上呈显著正相关，表明城市之间在外资利用水平、互联网开放程度方面的差异有助于长江中游城市群城市网络空间关联的形成。等级公路总里程差异矩阵（M）的回归系数在5%的水平上为显著负相关，表明城市之间交通基础设施水平相近有助于促进长江中游城市群城市之间的空间关联和溢出。表明完善的交通网络有助于城市之间经济联系增强，该结论与交通运输成本模型的计算结果和解释基本一致。第三产业比重差异矩阵（I）、进出口总额差异矩阵（O）的回归系数由表8的正值变为表10中的负值，即在多因素共同作用下，城市之间产业结构的差异和外向型经济的差异对长江中游城市群城市关联网络的形成具有负向影响，可见长江中游城市群城市之间三次产业结构相近和外向型经济相近有助于加强城际空间关联。其中，产业结构相似有助于促进长江中游城市群城市之间的经济联系，这与李敬、钟业喜等研究结论[14,23]一致。

3 结论与讨论

①武汉城市圈与环长株潭城市群城市之间的经济联系强度最为突出，环鄱阳湖城市群与武汉城市圈、环长株潭城市群之间的经济联系强度明显较弱。从长沙市、武汉市、南昌市至其所在城市群内其他城市的平均交通运输成本来看，长沙市至环长株潭城市群其他城市的平均交通运输成本最低（1.192 h），武汉到武汉城市圈其他城市的平均交通成本是1.393 h，而南昌市至环鄱阳湖城市群内其他城市的平均交通运输成本最高（1.725 h），长沙市、武汉市明显低于南昌市。此外，南昌市至环长株潭城市群城市、武汉城市圈城市的平均交通成本较高。同时，武汉市、长沙市的经济联系强度总量也高于南昌市。武汉城市圈和环长株潭城市群经济联系强度高于环鄱阳湖城市群，长江中游城市群已形成以武汉市和长沙市为中心的两个经济联系密集区。此外，长江中游城市群的交通运输成本格局存在明显的空间分异特征。环长株潭城市群、武汉城市圈、环鄱阳湖城市群的综合交通运输成本依次为4.245 h、4.354 h、4.748 h，环长株潭城市群低于武汉城市圈，武汉城市圈低于环鄱阳湖城市群。长沙市至武汉城市圈、武汉市至环长株潭城市群的交通运输成本明显低于长沙市、武汉市至环鄱阳湖城市群城市的交通运输成本。城市在长江中游城市群城市网络中的地位受到该城市与其他城市之间的交通运输成本的影响。交通运输成本分异反映出长江中游三大城市群内部经济联系密集而三大城市群之间经济联系较弱的格局特征，表明环鄱阳湖城市群的发展在长江中游城市群中相对落后，应大力推动南昌大都市区建设，提高其对环鄱阳湖区城市群的核心带动能力。长江中游城市群一体化工作的推进需要加强道路交通建设，着力减低三大城市群之间的交通运输成本，尤其要重视长江中游城市群西北、东北、东南等边缘地区，如环鄱阳湖城市群的上饶市、景德镇市、吉安市以及武汉城市圈的襄阳市、荆门市、宜昌市交通运输成本较高的现状。进一步促进长江中游城市群城市网络构建，加强各城市间的互联互通。
②长江中游城市群城市网络的整体对外辐射能力较强，而整体的吸引能力偏弱，从而表现出明显的多中心区域性集聚特征。环长株潭城市群对外辐射能力、吸引能力和中介能力整体最强，环鄱阳湖城市群整体相对最弱。武汉城市圈已形成以武汉市为中心的轴—辐式城市网络结构。环长株潭城市群形成了长沙市、株洲市、湘潭市三角状的多中心分布格局。环鄱阳湖城市群形成了以南昌为中心的辐射状空间结构。从城市层面来看，武汉市、长沙市、岳阳市和南昌市的吸引力、对外辐射能力整体较强，武汉市、南昌市和长沙市的中介能力尤为突出。景德镇市、吉安市、鹰潭市、鄂州市的对外辐射能力和吸引能力均较弱。潜江市、鹰潭市、仙桃市、景德镇市和鄂州市的中介能力较差。在长江中游城市群城市网络中，景德镇市、鹰潭市、鄂州市的是被边缘化的。因此，要提高这些城市在长江中游城市群城市网络中的影响力和重要性。
③长江中游城市群城市关联网络可划分主溢出板块、净受益板块、经纪人板块、主受益板块四个不同的经济联系功能板块。以环长株潭城市群城市为主的主溢出板块是长江中游城市群城市关联网络化发展的“发动机”，辐射带动长江中游城市群其他城市群或城市发展。以环鄱阳湖城市群城市为主的净受益板块在长江中游城市群城市关联网络中处于相对边缘的位置，而以武汉城市圈和环长株潭城市群部分城市为主的经纪人板块是以环长株潭城市群城市为主的主溢出板块和以武汉城市圈城市为主的主受益板块联系的“桥梁”。各功能板块的传导机制表明，应该大力发展环长株潭城市群，使其为长江中游城市群城市关联网络的发展提供更多动力，带动其他城市的发展。同时，要进一步加强环鄱阳湖城市群城市与其他城市群城市之间的联系，逐步转化其功能定位，使之从“净受益”功能板块逐步向“溢出”功能板块转化，通过三大城市群、四大功能板块之间的优势互补和合作共建，推动长江中游城市群城市网络更为密集。
④长江中游城市群城市关联网络受多因素共同驱动发展。地理位置相邻对长江中游城市群城市网络具有正向影响，空间近邻效应仍然是影响长江中游城市群城市网络空间关联的重要因素。城市之间交通基础设施水平相近也有助于促进长江中游城市群城市间的空间关联或溢出，完善的交通网络有助于降低城市交通运输成本，对增强长江中游城市群城市之间经济联系的作用明显。城市之间产业结构相近和外向型经济结构相近有助于长江中游城市群城市网络整体发展，而城市之间在外资利用水平、互联网开放程度方面的差异互补则促进了长江中游城市群城市之间的空间关联。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
戴特奇, 金凤君, 王姣娥. 空间相互作用与城市关联网络演进——以我国20世纪90年代城际铁路客流为例[J]. 地理科学进展, 2005(2):80-89.

[2]
刘承良, 许佳琪, 郭庆宾. 基于铁路网的中国主要城市中心性的空间格局[J]. 经济地理, 2019, 39(3):57-66.

DOI

[3]
欧向军, 薛丽萍, 顾雯娟. 江苏省县市经济联系的空间特征[J]. 经济地理, 2015, 35(8):24-31.

[4]
王圣云, 秦尊文, 戴璐, 等. 长江中游城市集群空间经济联系与网络结构——基于运输成本和网络分析方法[J]. 经济地理, 2013, 33(4):64-69.

[5]
劳昕, 沈体雁, 杨洋, 等. 长江中游城市群经济联系测度研究——基于引力模型的社会网络分析[J]. 城市发展研究, 2016, 23(7):91-98.

[6]
靳海攀, 郑林, 张敬伟. 基于时间距离的鄱阳湖生态经济区经济联系变化网络分析研究[J]. 经济地理, 2013, 33(6):148-154.

[7]
邓楚雄, 宋雄伟, 谢炳庚, 等. 基于百度贴吧数据的长江中游城市群城市网络联系分析[J]. 地理研究, 2018, 37(6):1181-1 192.

[8]
盛科荣, 张红霞, 赵超越. 中国城市网络关联格局的影响因素分析——基于电子信息企业网络的视角[J]. 地理研究, 2019, 38(5):1030-1 044.

[9]
叶雅玲, 杨博飞, 何紫云, 等. 中国城市网络空间结构研究——基于A股上市医药公司网络[J]. 地理科学进展, 2018, 37(8):1096-1 105.

[10]
陈映雪, 甄峰, 王波, 等. 基于微博平台的中国城市网络信息不对称关系研究[J]. 地球科学进展, 2012, 27(12):1353-1 362.

[11]
刘法建, 张捷, 陈冬冬. 中国入境旅游流网络结构特征及动因研究[J]. 地理学报, 2010, 65(8):1013-1 024.

[12]
李航飞, 韦素琼, 陈松林. 海峡西岸经济区市域经济网络结构及成因分析[J]. 经济地理, 2017, 37(7):63-70,78.

[13]
吴威, 曹有挥, 曹卫东, 等. 长江三角洲公路网络的可达性空间格局及其演化[J]. 地理学报, 2006, 61(10):1065-1 074.

[14]
汪德根, 孙枫. 长江经济带陆路交通可达性与城镇化空间耦合协调度[J]. 地理科学, 2018, 38(7):1089-1 097.

[15]
安俞静, 刘静玉, 李宁, 等. 中原城市群铁路网络可达性及经济联系格局[J]. 长江流域资源与环境, 2018, 27(9):49-59.

[16]
庄汝龙, 宓科娜, 赵彪, 等. 基于可达性的中心城市场能与经济关联格局——以浙江省为例[J]. 经济地理, 2016, 36(9):58-65.

[17]
陈娱, 金凤君, 陆玉麒, 等. 京津冀地区陆路交通网络发展过程及可达性演变特征[J]. 地理学报, 2017, 72(12):2252-2 264.

[18]
李敬, 陈澍, 万广华, 等. 中国区域经济增长的空间关联及其解释——基于网络分析方法[J]. 经济研究, 2014(11):4-16.

[19]
王德忠, 庄仁兴. 区域经济联系定量分析初探——以上海与苏锡常地区经济联系为例[J]. 地理科学, 1996, 16(1):51-57.

[20]
沈惊宏, 陆玉麒, 兰小机, 等. 区域综合交通可达性评价——以安徽省为例[J]. 地理研究, 2012, 31(7):1280-1 293.

[21]
刘军. 整体网分析讲义:UCINET软件实用指南[M]. 上海: 格致出版社,上海人民出版社, 2009.

[22]
汪明峰, 宁越敏. 互联网与中国信息网络城市的崛起[J]. 地理学报, 2004, 59(3):127-135.

[23]
钟业喜, 冯兴华, 文玉钊. 长江经济带经济网络结构演变及其驱动机制研究[J]. 地理科学, 2016, 36(1):10-19.

DOI

[24]
姜海宁, 陆玉麒, 吕国庆. 江浙沪主要中心城市对外经济联系的测度分析[J]. 地理科学进展, 2008, 27(6):82-89.

DOI

[25]
袁其刚, 戴金平, 刘斌. 贸易结构变化促进经济增长途径的比较分析——基于中国数据的经验研究[J]. 世界经济研究, 2011(11):53-57,88.

Options
文章导航

/

〈 〉