EN中文

经济地理 >

2025 , Vol. 45 >Issue 5: 234 - 243

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.05.024

第二十七届中国科协年会学术论文

中国平台经济发展的空间关联特征及形成机制

  • 江永红 ,
  • 魏巍 , ※
展开
  • 安徽大学 经济学院，中国安徽 合肥 230601
※魏巍（1993—），男，博士研究生，研究方向为发展经济学。E-mail：

江永红（1973—），男，博士，教授，博士生导师，研究方向为发展经济学。E-mail：

收稿日期: 2024-03-15

  修回日期: 2024-12-23

  网络出版日期: 2025-07-07

基金资助

国家社会科学基金项目(21BJY025)

收起

Characteristics and Formation Mechanism of Spatial Correlation of China's Platform Economy Development

  • JIANG Yonghong ,
  • WEI Wei , ※
Expand
  • Economics School，Anhui University，Hefei 230601，Anhui，China

Received date: 2024-03-15

  Revised date: 2024-12-23

  Online published: 2025-07-07

Fold

摘要

文章从平台经济基础设施、参与主体、运行结果3个维度构建综合评价指标体系，测度2013—2021年中国31个省份的平台经济发展水平，运用修正的引力模型和社会网络分析方法探讨平台经济发展的空间关联特征及演化过程，借助QAP回归模型验证其形成机制。研究发现：①中国平台经济发展空间关联表现为多线程、中心—外围式的典型网络圈层结构形态，平台经济发展的空间关联性有所减弱，整体网络结构还需进一步优化。②浙江、福建等10个省份在网络中发挥着“发动机”作用，江苏、天津等7个省份在网络中扮演着“中介”和“桥梁”的角色，浙江、江苏等10个省份在网络中充当着“中心行动者”角色。③净受益板块、经纪人板块、双向溢出板块和净溢出板块之间存在显著的空间溢出效应，但同样存在着逆向溢出、非均衡的问题。④平台经济空间关联的形成受到多种因素的综合作用，其中经济发展水平差异、市场竞争水平差异、科技创新水平差异、社会消费水平差异对其具有显著正向影响，而地理距离差异、产业结构差异与平台基础设施水平差异具有负向影响。

关键词： 平台经济; 空间关联; 科技创新; 产业结构; 市场竞争; 社会网络分析; QAP回归模型

本文引用格式

江永红 , 魏巍 . 中国平台经济发展的空间关联特征及形成机制[J]. 经济地理, 2025 , 45(5) : 234 -243 . DOI: 10.15957/j.cnki.jjdl.2025.05.024

Abstract

This paper constructs a comprehensive evaluation index system of platform economy from three dimensions:infrastructure, participating entities, and operating results, measures its development level in 31 provincial-level regions of China from 2013 to 2021. It uses the methods of modified gravity model and social network analysis to explore the spatial correlation characteristics and evolution process of platform economy development, and uses QAP regression model to verify its formation mechanism. It's found that:1) The spatial correlation of platform economy development in China is manifested as a typical network layer structure with multiple threads and a center-periphery structure. The spatial correlation of platform economy development has weakened, and the overall network structure still needs further optimization. 2) 10 provincial-level regions play the role of "engines" in the network, 7 provincial-level regions play the roles of "intermediaries" and "bridges" in the network, 10 provincial-level regions play the role of "central actors" in the network. 3) There is a significant spatial spillover effect among the net beneficiary sector, broker sector, bidirectional spillover sector, and net spillover sector, but there exist problems of reverse spillover and non-equilibrium. 4) The formation of spatial correlation in platform economy is influenced by multiple factors, the differences in economic development level, market competition level, technological innovation level, and social consumption level have significant positive impact on it, while differences in geographical distance, industrial structure, and platform infrastructure level have negative impact on it.

Key words： platform economy; spatial correlation; technological innovation; industrial structure; market competition; social network analysis; QAP regression model

平台经济是数字经济时代以平台为支撑，以新一代数字信息技术和数据要素为驱动力量，通过互联网组织协同各类经济活动单元相互组合关联的经济形态[1]。作为一种新型经济组织形式，平台经济对优化生产要素配置、提升行业生产效率、促进经济转型升级有积极的推动作用[2-3]。近年来，党中央、国务院及地方各级政府高度重视平台经济发展，相继印发《关于促进平台经济规范健康发展的指导意见》《关于推动平台经济规范健康持续发展的若干意见》《关于促进平台经济高质量发展的实施意见》《关于促进平台经济发展的若干措施（试行）》等诸多政策文件，极大地推动了我国平台经济的快速发展。据中国信息通信研究院《平台经济发展观察（2023年）》报告，截至2022年底，我国市值超10亿美元的平台企业共167家，平台经济市值规模为2.37万亿美元，约占GDP总量的13.20%。然而，平台经济在驱动经济发展的同时，仍面临着整体发展水平不高、空间发展不平衡的问题[4]。因此，本文基于社会网络理论和空间相互作用理论，重点探讨平台经济发展的空间关联特征及形成机制，以期为推进平台经济区域协调发展提供可行路径。
梳理国内外有关平台经济的文献发现，现有研究主要集中于平台经济的内涵、特征、垄断、监管和影响因素等[5-10]。在内涵方面，学者们虽对平台经济内涵的界定还未达成共识，但大都认同平台经济是数字经济的核心形态，是依托云服务、互联网、先进的计算芯片等基础设施，借助智能撮合系统，促进相互需求的用户群体开展一系列经济交互活动[1,10-12]。在测度方面，主要有两种方式，一是采用互联网基础设施数量、互联网平台贸易额、人均电商贸易额或电子商务交易活动的企业数量等单一指标衡量平台经济发展水平[2,12-13]；二是采用熵值法、主成分分析法等综合评价方法，构建平台经济发展评价指标体系[3-4,14]。在特征方面，网络外部性、锁定效应、范围经济效应、规模经济效应、长尾效应是平台经济的重要特征[7,15-16]。在影响因素方面，学术界主要聚焦在电子商务依赖程度、企业规模和竞争力、网站技术水平等微观层面，以及区域制度环境、监管方式、创新创业氛围、交通基础设施和国际环境等宏观层面[17-20]。与此同时，近年来关于平台经济与空间互动关系的研究开始兴起[21-22]，这一新兴的研究领域不仅反映了平台经济对传统经济模式的深刻影响，也揭示了空间因素在平台经济发展中的重要作用。
与既有文献相比，本文从平台经济的内涵出发，按照平台经济发展逻辑，从平台经济基础设施、参与主体、运行结果3个维度建立综合评价指标体系，衡量各省份平台经济发展水平。同时，针对目前鲜有文献研究平台经济发展的空间关联性问题，本文基于引力模型，突破地理位置的局限，构建省际平台经济发展的空间关联网络，借助社会网络分析方法对平台经济发展的空间互动特征及演化过程进行剖析，丰富了平台经济的研究视角。此外，现有关于平台经济影响因素的研究大多为理论和定性分析，定量分析研究相对缺乏，而从经济地理视角进行理论机制分析尤为鲜见。本文运用QAP回归模型进行实证分析，识别平台经济空间关联的关键影响因素，基于空间相互作用理论和区位理论，揭示平台经济发展空间关联的形成机制。

1 研究设计

1.1 平台经济发展水平的测度

本文按照“平台经济基础设施—平台经济参与主体—平台经济运行结果”的逻辑，在兼顾平台经济发展过程指标、结果指标的可得性和层次性的基础上[12-14]，构建了由平台经济基础设施、平台经济参与主体、平台经济运行结果3个一级指标，由存在电子商务交易活动的企业数、网上零售额占社会消费品零售总额的比重和人均快递业务收入等18个二级指标构成的平台经济发展水平综合评价指标体系（表1）。熵值法能够有效地测算出综合评价指标体系中各项指标的信息熵效用价值，得到具有高可信度的指标权重。因此，对平台经济发展水平进行统计测度时，采用极差标准化方法对平台经济发展水平综合评价指标涉及的原始数据进行无量纲化处理，利用熵值法确定各指标的权重，随后将无量纲化处理后的指标数值与其权重相乘，进而得到各省份平台经济发展水平。
表1 中国平台经济发展水平综合评价指标体系及说明

Tab.1 Comprehensive evaluation index system and description of the development level of China's platform economy

变量 一级
指标		 二级指标 单位 性质
平
台
经
济
发
展
水
平		 平台
经济
基础
设施		 光缆线路密度 km/万km2 正向
人均移动电话交换机容量 个/人 正向
人均互联网宽带接入端口 个/人 正向
人均域名数 个/人 正向
人均网页数 个/人 正向
邮路密度 km/万km2 正向
平台
经济
参与
主体		 存在电子商务交易活动的企业数 个 正向
信息传输、软件和信息技术服务业法人单位数 个 正向
信息传输、软件和信息技术服务业就业人员数 万人 正向
每百人移动电话数 户/百人 正向
每百人互联网宽带接入用户数 户/百人 正向
邮政营业网点密度 个/万km2 正向
平台
经济
运行
结果		 人均电信业务量 元/人 正向
网上零售额占社会消费品零售总额的比重 % 正向
企业电子商务采购额占GDP的比重 % 正向
企业电子商务销售额占GDP的比重 % 正向
人均快递量 件/人 正向
人均快递业务收入 元/人 正向
本文借助ArcGIS软件对2013和2021年中国31个省、自治区、直辖市（以下简称“省份”）（不含港澳台地区）的平台经济发展水平进行可视化分析，可以看出各省份间平台经济发展水平存在明显的差异（图1）。其中，2013年北京、上海、广东、浙江、江苏和天津等省份平台经济发展水平较高，甘肃、贵州、广西、江西和云南等省份平台经济发展水平较低。与2013年相比，2021年宁夏、湖南、陕西和江西等省份平台经济发展强劲，全国排名上升明显；云南、甘肃、吉林等省份全国排名始终较低；东部沿海地区平台经济发展水平处于领先地位，其中河北平台经济发展水平相对较低，可能是由于北京、天津在资金、技术和人才等方面存在较强的优势，对河北产生了虹吸作用。
图1 2013和2021年中国平台经济发展水平空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。图2同。

Fig.1 Spatial distribution of the development level of China's platform economy in 2013 and 2021

1.2 研究方法

1.2.1 修正的引力模型

平台经济发展的空间关联网络中的“节点”表示各省份，“线”表示各省份间的平台经济发展关联关系。梳理文献可知，学者们研究经济关系通常借助VAR模型和引力模型，考虑到VAR模型无法精确分析空间关联的变化趋势，存在滞后阶数的选择问题，然而引力模型能够弥补VAR模型的不足。因此，本文借鉴刘传明等[23]、陈准等[24]的做法，构建修正的引力模型来刻画平台经济发展的空间关联。具体模型如下：
$\begin{array}{c}P G_{i j}=\operatorname{con}_{i j} \frac{\sqrt[3]{P E_{i} R P_{i} G D P_{i}} \sqrt[3]{P E_{j} R P_{j} G D P_{j}}}{d_{i j}^{2}} \\\operatorname{con}_{i j}=\frac{P E_{i}}{P E_{i}+P E_{j}}, d_{i j}=\frac{D_{i j}}{g_{i}-g_{j}}\end{array}$
式中：PGij为省份i和省份j之间平台经济发展的引力值；PEi、PEj分别为省份i和省份j平台经济发展水平；RPi、RPj分别为省份i和省份j年末常住人口；conij表示省份i在和省份j之间平台经济发展联系中的贡献率；dij为i和j两省份之间的综合距离；gi、gj为省份i和省份j的人均GDP；Dij为i和j两省份之间的地理距离。通过引力模型构建各省份间平台经济发展空间关联矩阵，以矩阵的各行平均值为判断依据，若省份i和省份j间的引力值大于所在行的平均值，则取值为1，表明两省份间平台经济发展存在空间关联性；反之，则取值为0，表明两省份间不存在空间关联性。

1.2.2 QAP回归模型

在平台经济发展空间关联的形成机制研究中，所有的关系矩阵均为关系数据，不能通过传统的统计检验方法来研究其相关性，需要构建QAP回归模型进行研究[25-26]。鉴于经济发展水平、产业结构状况、市场竞争水平、平台基础设施水平、科技创新水平、社会消费水平等因素影响平台经济发展水平[19-20]，同时以上指标的差异矩阵与平台经济发展的空间矩阵通过了QAP相关性检验，本文构建QAP回归模型如下：
P G = F D i s t a n c e c , E c o n o m y c , S t r u c t u r e c , C o m p e t i t i o n c , F a c i l i t y c , I n n o v a t i o n c , C o n s u m p t i o n c
式中：PG、Distancec、Economyc、Structurec、Competitionc、Facilityc、Innovationc和Consumptionc均为关系矩阵。其中，PG表示平台经济发展的空间关联矩阵；Distancec为地理距离差异矩阵；Economyc为经济发展水平差异矩阵，以人均GDP作为经济发展水平的代理变量；Structurec为产业结构差异矩阵，以第三产业增加值占GDP比重作为产业结构的代理变量；Competitionc为市场竞争水平差异矩阵，以企业数量作为市场竞争水平的代理变量；Facilityc为平台基础设施水平差异矩阵，以企业拥有网站数量作为平台基础设施水平的代理变量；Innovationc为科技创新水平差异矩阵，以专利申请授权数量作为科技创新水平的代理变量；Consumptionc为社会消费水平差异矩阵，以社会消费品零售总额占GDP的比重作为社会消费水平的代理变量。分别以2013—2021年各省份经济发展水平、产业结构状况、市场竞争水平、平台基础设施水平、科技创新水平、社会消费水平的平均值构建绝对差异矩阵。

1.2.3 社会网络分析方法

通过引力模型公式计算出各省份间平台经济发展的空间关联矩阵后，借助社会网络分析方法探讨我国平台经济发展的空间关联特征。社会网络分析方法（Social Network Analysis，SNA）是以代数模型描述“关系”特征、运用图论工具研究社会对象空间关联特征的方法，空间关联特征包括关联性特征、中心性特征和块模型特征等[23-27]。其中，关联性特征的衡量指标有网络密度、网络关联度、网络效率和最近上限等，它们分别能够刻画平台经济发展空间关联网络的联系紧密程度、稳健性、联系效率和等级性（表2）。中心性特征的测度指标包括点度中心度、接近中心度和中介中心度等，它们能够测度各省份在平台经济发展空间关联网络中的中心位置程度、不受其他省份影响程度和控制其他省份关联的能力（表2）。块模型特征分析根据板块内以及板块间的空间溢出关系，将平台经济发展空间关联整体网络划分为以下4种：①“净溢出”板块：板块外发出关系数明显大于接受关系数；②“净受益”板块：板块外接受关系数明显大于发出关系数；③“双向溢出”板块：对板块外、板块内有显著的空间溢出效应且空间溢出效应比重大；④“经纪人”板块：与其余板块的省份存在较多的关联关系。
表2 中国平台经济发展空间关联网络的关联性和中心性特征指标及说明

Tab.2 Indicators and explanations of the correlation and centrality characteristics of the spatial correlation network for the development of China's platform economy

指标 计算公式 说明
网络密度 N D = L N · ( N - 1 ) N是平台经济空间关联网络中省份数量（下同），N×(N -1)是理论上最大的关系总数；L为实际网络关系数。网络密度值越大，表示省份间平台经济发展空间关联关系越密切
网络关联度 N C = 1 - V N ( N - 1 ) / 2 V为不可达省份的成对数量。当网络关联度为1，说明所有省份都位于平台经济发展空间关联网络中，网络稳健性较好；反之则至少有一个省份处于整体网络外
网络效率 N E = 1 － k m a x k k为冗余关联关系数， m a x k为最大可能的冗余关联关系数。网络效率值越大，表明平台经济发展的空间关联网络的联系效率越高，网络关联数越少
最近上限 L U B = 1 － R m a x R R表示网络中不存在最近上限的点对数。最近上限值越大，表示平台经济发展空间关联网络的等级性越高
点度中心度 C A D = C 1 + C 2 2 N - 2 ) C1和C2分别是点出度和点入度。点度中心度越大的省份，与其他省份的平台经济发展联系越紧密，越处于平台经济发展空间关联网络的中心位置
接近中心度 C A P - 1 = ∑ j = 1 N d i j dij是省份i与省份j之间的捷径中包含关系数。接近中心度越大的省份，平台经济发展不受其他省份控制的能力越强，越容易与其他省份产生平台经济发展的直接关联
中介中心度 C R B = 2 ∑ j N ∑ j N b j k ( i ) ( N 2 - 3 N + 2 ) bjk(i)为省份i控制省份j与省份k平台经济发展关联关系的能力。中介中心度越大的省份，对其他省份间平台经济发展关联关系的控制力越强

1.3 数据来源

由于国家统计局2014年才开始公布企业电子商务采购额、企业电子商务销售额等关键指标数据，因此本文以2013—2021年中国31个省份（不包括港澳台地区）数据为样本。平台经济发展水平综合评价指标体系、GDP、年末常住人口、第三产业增加值、企业数量、专利申请授权数量、企业拥有网站数量和社会消费品零售总额等指标来源于各省份2014—2022年《中国统计年鉴》及统计公报，省份之间的地理距离由ArcGIS 10.8.1软件得到。对于个别缺失数据，采用线性差值法予以补齐。

2 平台经济发展的空间关联特征分析

2.1 关联性分析

由修正的引力模型计算出2013—2021年中国平台经济发展的空间引力矩阵，经过二值化处理后[25]，得到平台经济发展的空间关联矩阵，以2013和2021年数据为例，使用ArcGIS绘制出中国平台经济发展的空间关联关系图（图2）。结果显示，各省份平台经济发展不仅对邻近省份而且对非邻近省份产生影响，即各省份均与邻近、非邻近省份存在平台经济发展的空间关联关系。其中，2013年平台经济发展空间关联网络中江苏、上海和北京的关联关系最多，位于核心圈层；福建、浙江和广东等的关联关系较多，位于次级核心圈层；华中、西南、西北和东北地区省份的关联关系较少，位于边缘圈层；中西部地区的关联关系密度明显小于东部地区。与2013年相比，2021年的平台经济发展空间关联关系变化较小，各圈层的成员及其关系相对稳定。总体上，样本期内我国平台经济发展的空间关联呈现出多线程、中心—外围式的典型网络圈层结构。
图2 2013和2021年中国平台经济发展的空间关联关系

Fig.2 Spatial correlation of China's platform economy development in 2013 and 2021

由图3可知，2013—2021年网络关系数由228个下降至222个，网络密度由0.245下降至0.239，网络关系数和网络密度均呈现波动下降的趋势，反映平台经济发展的空间关联性有所减弱。理论上最大可能网络关系数为930个、网络密度为1.000，但样本期内最大可能网络关系数为237个、网络密度为0.255，反映各省份间平台经济发展空间关联网络联系有待进一步加强。研究期内平台经济发展空间关联的网络关联度始终为1，说明我国平台经济发展没有孤立发展的省份，各省份间均存在直接或间接的联系，网络节点的通达性较好，整体网络结构较为稳定。样本期内网络效率由2013年的0.667上升至2021年的0.678，反映平台经济发展空间关联溢出的冗余路径明显变少，平台经济发展的空间关联效率有所提高，然而也意味着整体关联网络的路径缺少多样性。考察期内最近上限稳定在0.979附近，说明大多数省份间的空间溢出关系是非对称的，大部分网络节点处于被支配地位，平台经济发展空间关联网络存在较强的等级性，平台经济发展空间关联网络结构还需进一步优化。
图3 2013—2021年中国平台经济发展空间关联的变化趋势

Fig.3 Change trend of spatial correlation of China's platform economy development from 2013 to 2021

2.2 中心性分析

在对平台经济空间关联的关联性特征进行分析的基础上，本文采用点度中心度、中介中心度和接近中心度分析平台经济空间关联的中心性特征，进而揭示不同省份在平台经济发展空间关联中的作用和地位。借鉴刘军、王周伟等的做法[26-27]，计算出2013和2021年中国31个省份平台经济发展空间关联的中心性测度结果（表3）。
表3 2013和2021年中国平台经济发展空间关联的中心性结果

Tab.3 Centrality results of spatial correlation of China's platform economy development in 2013 and 2021

省份 点度中心度 中介中心度 接近中心度
2013 2021 2013 2021 2013 2021
北京 76.667 83.333 11.919 13.747 81.081 85.714
天津 53.333 36.667 3.458 1.388 65.217 60.000
河北 16.667 30.000 0.058 0.649 54.545 58.824
山西 20.000 23.333 0.096 0.144 55.556 56.604
内蒙古 33.333 33.333 0.725 0.765 60.000 60.000
辽宁 20.000 23.333 0.106 0.130 55.556 56.604
吉林 23.333 30.000 0.243 0.404 56.604 58.824
黑龙江 23.333 30.000 0.243 0.404 56.604 58.824
上海 83.333 93.333 10.716 14.564 85.714 93.750
江苏 93.333 90.000 18.585 13.810 93.750 90.909
浙江 60.000 63.333 4.381 5.154 71.429 73.171
安徽 20.000 16.667 0.074 0.028 54.545 53.571
福建 46.667 56.667 1.981 4.384 65.217 69.767
江西 20.000 23.333 0.074 0.134 54.545 56.604
山东 50.000 36.667 2.274 0.839 66.667 61.224
河南 36.667 40.000 0.911 1.332 61.224 62.500
湖北 43.333 46.667 1.474 1.541 63.830 65.217
湖南 26.667 23.333 0.158 0.134 57.692 56.604
广东 46.667 46.667 2.277 1.800 65.217 65.217
广西 30.000 30.000 0.377 0.333 58.824 58.824
海南 23.333 23.333 0.135 0.114 56.604 56.604
重庆 30.000 36.667 0.416 0.951 58.824 61.224
四川 36.667 23.333 0.840 0.191 61.224 56.604
贵州 36.667 26.667 0.593 0.237 61.224 57.692
云南 33.333 26.667 0.737 0.237 60.000 57.692
西藏 40.000 30.000 1.192 0.540 62.500 58.824
陕西 36.667 26.667 0.726 0.315 61.224 57.692
甘肃 30.000 30.000 0.723 0.447 58.824 58.824
青海 36.667 43.333 0.929 1.696 61.224 63.830
宁夏 10.000 16.667 0.010 0.019 52.632 54.545
新疆 30.000 26.667 0.694 0.464 58.824 57.692
均值 37.634 37.634 2.165 2.158 62.481 62.709
从点度中心度来看，2013年浙江、福建、江苏、湖北、上海、天津、广东、北京、山东和西藏的点度中心度高于全国均值（37.634），它们在平台经济发展空间关联网络中影响力较大且处于主导地位，发挥着“发动机”作用。可能的原因在于，以上省份主要分布在东部沿海地区及中西部平台经济发展较好的地区。江西、湖南、辽宁、吉林、海南、新疆、宁夏、山西和安徽等省份的点度中心度较低，说明这些省份在平台经济发展空间关联网络中处于从属地位。观察2013和2021年点度中心度数值变化，四川、山东和天津等省份降幅明显，表明其在平台经济发展空间关联网络中的影响力显著变小；福建、河北和上海等省份增幅明显，说明其在平台经济发展空间关联网络中的影响力显著变大。
从中介中心度来看，2013年江苏、天津、浙江、北京、上海、山东和广东的中介中心度显著大于全国均值（2.165），它们对平台经济发展的关键要素和资源具有较强的控制力，对空间关联网络关联关系的形成具有较强的推动作用，扮演着“中介”及“桥梁”的角色。究其缘由，以上省份占据了全国大部分平台经济发展所需的资金流、技术流、数据流、资本流等“要素资源流”。江西、湖南、海南、辽宁、吉林、山西、安徽和宁夏等省份的中介中心度始终较低，对其余省份平台经济发展空间关联的支配和控制作用微弱。比较2013与2021年的中介中心度发现，福建、上海提升幅度较大，“中介”和“桥梁”作用明显增强；江苏下降幅度最大，“中介”和“桥梁”作用明显减弱。
从接近中心度来看，2013年浙江、江苏、福建、上海、广东、北京、湖北、山东、天津和西藏的接近中心度大于全国均值（62.481），在平台经济发展空间关联网络中能够快速与其他省份产生联系，充当着“中心行动者”角色。可能的原因是，上述省份平台经济基础设施较为完善，信息化、数字化和智能化的发展程度相对较高。新疆、江西、海南、四川、山西、安徽和宁夏等省份的接近中心度较低，表明这些省份受其他省份的带动作用不明显，同时它们平台经济发展水平的提升对其他省份的影响较小，在空间关联中充当着“边缘行动者”角色。比较研究期内接近中心度数值变化，天津、山东和四川降幅明显，边缘属性显著加重；北京、上海和河北增幅明显，引领带动作用显著增强。

2.3 块模型分析

为刻画平台经济发展空间关联网络的块模型特征，以最大分割深度为2、集中度为0.2的标准[24-25]，将我国31个省份划分成板块Ⅰ、Ⅱ、Ⅲ、Ⅳ，分别为净受益、经纪人、双向溢出和净溢出板块。表4汇报了2013和2021年平台经济空间关联的板块关联关系，其中2013年平台经济发展空间关联中各板块内关系数为36个，比重为15.79%，板块外关系为192个，比重为84.21%；2021年各板块内关系数为27个，比重为12.16%，板块外关系为195个，比重为87.84%，说明我国平台经济发展在省际、区域间均存在显著的空间溢出效应，板块间空间溢出效应占主导并呈现增强趋势。2021年，板块Ⅰ的发出关系数和接收关系数差值有所增大，“净受益”属性得到强化；板块Ⅱ的发出关系数和接收关系数均有所减少，中介功能变弱；板块Ⅲ的板块内外发出关系数均明显减少，双向溢出效应显著减弱，板块内外部成员互动减少；板块Ⅳ的接收关系数明显减少、发出关系数有所增多，溢出效应显著增强。
表4 2013和2021年中国平台经济发展空间关联板块划分结果

Tab.4 Division results of spatial correlation blocks for the development of China's platform economy in 2013 and 2021

年份 板块 接受关系（个） 发出关系（个） 期望内部关系比例
（%）		 实际内部关系比例
（%）		 板块属性
板块内 板块外 板块内 板块外
2013 板块Ⅰ 7 74 7 15 10.00 31.82 净受益板块
板块Ⅱ 9 68 9 38 16.67 19.15 经纪人板块
板块Ⅲ 16 11 16 52 30.00 23.53 双向溢出板块
板块Ⅳ 4 39 4 87 33.33 4.40 净溢出板块
2021 板块Ⅰ 14 92 14 22 16.67 38.89 净受益板块
板块Ⅱ 2 56 2 38 13.33 5.00 经纪人板块
板块Ⅲ 10 12 10 44 23.33 18.52 双向溢出板块
板块Ⅳ 1 35 1 91 36.67 1.09 净溢出板块
为更加直观地刻画平台经济发展空间关联的结构特征，本文绘制图4来分析2013和2021年各板块内部以及板块间的关联联系及溢出效应。总体来看，样本期间平台经济发展空间关联中各板块内外部的联系紧密程度有所下降，且各板块在空间关联网络中的地位和作用存在异质性。其中，板块Ⅰ在空间关联网络中接收了大量其他板块的发出关系，是空间关联的获益方；板块Ⅱ不断强化净受益板块和净溢出板块间的联系，是空间关联的中介方；板块Ⅲ既接收净受益板块的关联关系，也向经纪人板块与净受益板块发出关系，同时内部存在“俱乐部”效应，有效地调节了各板块间的关联关系，是空间关联的调节方；板块Ⅳ的接收关系数明显小于发出关系数，是空间关联的亏损方。此外，还可看出净受益板块成员的平台经济发展水平相对较高，却凭借自身的区位优势吸收着其余板块省份平台经济发展的溢出效应；净溢出板块在自身平台经济发展水平相对较低的情况下，仍对其他板块省份形成平台经济发展的溢出效应，这反映我国平台经济发展空间关联存在逆向溢出、非均衡的特征，我国平台经济发展网络中各板块内外部的联动、协同效应有待进一步提高。
图4 2013和2021年中国平台经济发展空间关联关系

Fig.4 Spatial correlation of China's platform economy development in 2013 and 2021

3 平台经济发展的空间关联形成机制分析

3.1 平台经济发展空间关联形成机制的理论分析

根据空间相互作用理论和区位理论，同时借鉴李敬、吴常艳、刘晓欣等有关区域经济空间关联的研究[28-30]，本文认为平台经济空间关联是区域经济空间关联的重要组成部分，其形成及演变是“要素资源流”在要素集散机制、要素流通渠道和循环反馈机制综合作用下导致的结果。具体而言，经济发展水平、产业结构状况、市场竞争水平、平台基础设施水平、科技创新水平和社会消费水平等因素共同影响着平台经济发展状况。由于上述各种影响因素的作用效果存在空间异质性，造成平台经济发展的空间集聚程度和集聚形态差异大，使得省份间平台经济发展水平在空间上存在“势能差”。在要素集散机制、政府调控机制和市场调节机制的作用下，平台经济发展的资金流、技术流、数据流和信息流等“要素资源流”依托数字信息技术和交通基础设施搭建的要素流通渠道进行空间上的扩散、溢出和聚合，不断向邻近地域和非邻近地域进行辐射和传导，进而构建出多节点、多通道和多板块的空间关联网络形态[31-33]。
在上述过程中，地理距离相近的省份依托数字信息技术和交通基础设施流通渠道，更易于进行要素资源的空间信息交流与物质交换，促进省份间形成平台经济发展的地理空间联系。市场调节机制通过竞争、价格和供需等方式，实现平台经济要素资源由边际效益低的区域向边际效益高的区域流动，形成平台经济发展边缘区和引领区。政府调节机制通过区域协调战略、财政转移支付和政绩考评体系等方式，实现平台经济要素资源的“逆梯度”流动，促进边缘区和引领区的协同发展。具备数字信息技术和交通基础设施优势的地区，平台经济要素资源流通渠道更为畅通，对空间关联关系的形成具有较强的推动作用。此外，平台经济发展的空间关联效应在循环反馈机制的作用下，平台经济要素资源的扩散效应和极化效应得到强化，平台经济发展空间关联关系由稀疏到密集、由简单到复杂不断演变。总之，各省份的自身禀赋条件和外部环境因素存在差异，产生“势能差”，使得“要素资源流”借助要素集散机制、要素流通渠道和循环反馈机制形成平台经济发展的辐合力，进而驱动平台经济发展空间关联的形成与演变。

3.2 平台经济发展空间关联形成机制的实证分析

3.2.1 QAP相关性分析

平台经济发展空间关联矩阵与影响因素的QAP相关性分析结果显示（表5），地理距离差异矩阵、经济发展水平差异矩阵、产业结构状况差异矩阵、市场竞争水平差异矩阵、平台基础设施水平差异矩阵、科技创新水平差异矩阵、社会消费水平差异矩阵与平台经济发展空间关联矩阵的相关系数分别为-0.296、0.445、0.246、0.172、0.185、0.225、-0.087，且均通过显著性检验，反映这些影响因素与平台经济发展空间关联的关系非常密切。然而，各相关关系表现为不等价回归关系，需进一步借助计量方法对各省份平台经济发展空间关联的影响进行研究[31]。
表5 中国平台经济发展空间关联矩阵与影响因素的QAP相关性结果

Tab.5 QAP correlation results of the spatial correlation matrix and influencing factors of China's platform economy development

变量名称 相关系数 显著性水平 相关系数均值 标准差 最小值 最大值 P1≥0 P2≤0
Distancec -0.296 0.000 0.000 0.061 -0.179 0.251 1.000 0.000
Economyc 0.445 0.000 0.000 0.064 -0.146 0.273 0.000 1.000
Structurec 0.246 0.002 0.000 0.070 -0.166 0.262 0.002 0.999
Competitionc 0.172 0.012 -0.002 0.064 -0.163 0.291 0.012 0.989
Facilityc 0.185 0.008 -0.002 0.065 -0.154 0.300 0.008 0.992
Innovationc 0.225 0.003 -0.002 0.069 -0.150 0.316 0.003 0.997
Consumptionc -0.087 0.052 0.001 0.062 -0.163 0.251 0.948 0.052
为选择合适的计量方法，表6给出了各影响因素间的相关性结果，各影响因素差异矩阵间存在较为普遍的相关关系，反映各解释变量间具有多重共线性问题，会导致传统多元回归分析估计的参数值方差变大、显著性检验失效。为了解决该问题，在空间差异成因分析中，相关学者将关系矩阵进行随机置换进而得到非参数检验结果，即QAP（二次指派程序）方法。因此，本文在实证分析平台经济发展空间关联形成机制的过程中，同样采用QAP回归方法来克服解释变量间的多重共线性问题[33]。
表6 中国平台经济发展空间关联影响因素之间QAP相关性结果

Tab.6 QAP correlation results among the influencing factors of spatial correlation in the development of China's platform economy

变量名称 Distancec Economyc Structurec Competitionc Facilityc Innovationc Consumptionc
Distancec 1.000*** -0.037 -0.047 0.034 0.030 0.012 0.213**
Economyc -0.037 1.000*** 0.720*** 0.196* 0.240* 0.286* -0.131*
Structurec -0.047 0.720*** 1.000*** -0.104 -0.080 -0.023 -0.117
Competitionc 0.034 0.196* -0.104 1.000*** 0.983*** 0.931*** -0.061
Facilityc 0.030 0.240* -0.080 0.983*** 1.000*** 0.956*** -0.054
Innovationc 0.012 0.286* -0.023 0.931*** 0.956*** 1.000*** -0.086
Consumptionc 0.213** -0.131* -0.117 -0.061 -0.054 -0.086 1.000***

注：*表示p<0.1，**表示p<0.05，***表示p<0.01。

3.2.2 QAP回归分析

采用UCINET软件，选择20000次的随机置换，对驱动因素差异矩阵进行QAP回归分析（表7）。结果显示，调整后的可决系数为0.297，说明以上影响因素差异矩阵可以解释平台经济发展空间关联效应的29.70%。其中，省际经济发展水平差异矩阵、市场竞争水平差异矩阵、科技创新水平差异矩阵、社会消费水平差异矩阵的回归系数均大于0，均通过10%显著性检验，表明省际经济发展水平差异、市场竞争水平差异、科技创新水平差异、社会消费水平差异对平台经济发展空间关联存在正向影响，各指标省际差异越大，平台经济发展的空间关联越强。地理距离差异矩阵、产业结构状况差异矩阵、平台基础设施水平差异矩阵的回归系数均小于0，均通过10%显著性检验，反映地理距离差异、产业结构差异和平台基础设施水平差异对平台经济发展空间关联有显著的负向影响，相近的地理距离、相似的产业结构状况和平台基础设施水平会强化省际平台经济发展的空间关联和溢出效应。究其原因，各省份在经济发展水平、市场竞争水平、科技创新水平、社会消费水平等方面存在的差异性，导致省份间形成平台经济发展的“势能差”，这种“势能差”能够促进平台经济发展要素资源跨省份流动，强化联动效应、示范效应和伴生效应，使省份之间产生虹吸效应和溢出效应，从而加快驱动平台经济空间关联的形成。同时，相似的产业结构、平台基础设施水平以及相近的地理距离会放大区域市场间对平台经济的发展需求，有助于发挥共同市场效应、网络效应以及规模效应，进而强化省际平台经济发展的空间关联程度。
表7 中国平台经济发展空间关联影响因素的QAP回归结果

Tab.7 QAP regression results of the influencing factors of the spatial correlation of China's platform economy development

变量名称 非标准化回归系数 标准化回归系数 显著性概率值 概率A 概率B
截距项 0.24335 0.00000
Distancec -0.00017 -0.29050 0.000 1.000 0.000
Economyc 0.07347 0.44790 0.007 0.007 0.993
Structurec -0.14827 -0.02916 0.041 0.959 0.041
Competitionc 0.00001 0.36317 0.027 0.027 0.973
Facilityc -0.00001 -0.55289 0.004 0.996 0.004
Innovationc 0.00000 0.29617 0.026 0.026 0.974
Consumptionc 0.52506 0.04804 0.087 0.087 0.913

3.2.3 稳健性检验

为检验QAP回归分析结果的稳健性，本文采用调整空间关联矩阵的阈值、增减随机置换次数两种方法检验实证结果的稳健性[34]。①调整空间关联矩阵的阈值：依次以平台经济发展空间关联矩阵各行均值的90%、110%为临界值，构建全新的空间关联矩阵，对影响因素差异矩阵进行QAP回归分析。②增减随机置换次数：依次选择18000和22000次的随机置换，对影响因素差异矩阵进行QAP回归分析。由表8可知，稳健性检验前后的标准化回归系数和显著性基本一致，本文平台经济发展空间关联形成机制的实证分析结果具有稳健性。
表8 中国平台经济发展空间关联影响因素的QAP回归结果的稳健性检验

Tab.8 Robustness test of QAP regression results of the influencing factors of the spatial correlation of China's platform economy development

变量名称 （1） （2） （3） （4）
空间关联矩阵各行
均值的90%作为阈值		 空间关联矩阵各行
均值的110%作为阈值		 选择18000次的随机置换 选择22000次的随机置换
标准化
回归系数		 显著性
概率值		 标准化
回归系数		 显著性
概率值		 标准化
回归系数		 显著性
概率值		 标准化
回归系数		 显著性
概率值
Distancec -0.29606 0.000 -0.28359 0.001 -0.29050 0.000 -0.29050 0.000
Economyc 0.44916 0.006 0.43918 0.007 0.44790 0.006 0.44790 0.006
Structurec -0.03186 0.017 -0.03181 0.017 -0.02916 0.040 -0.02916 0.040
Competitionc 0.35510 0.025 0.35347 0.028 0.36317 0.026 0.36317 0.023
Facilityc -0.50636 0.005 -0.49120 0.007 -0.55289 0.004 -0.55289 0.003
Innovationc 0.25693 0.033 0.23772 0.042 0.29617 0.027 0.29617 0.026
Consumptionc 0.04582 0.095 0.04876 0.082 0.04804 0.090 0.04804 0.089

4 结论与建议

4.1 研究结论

本文从平台经济基础设施、参与主体、运行结果3个维度构建综合评价指标体系，在测度2013—2021年中国31个省份平台经济发展水平的基础上，运用修正的引力模型和社会网络分析方法探讨平台经济发展的空间关联特征及演化过程，并借助QAP回归模型验证了其形成机制。主要结论如下：①中国平台经济发展空间关联表现为多线程、中心—外围式的典型网络圈层结构形态，平台经济发展的空间关联性有所减弱，整体网络结构还需进一步优化。②样本期内浙江、福建等10个省份在平台经济发展空间关联网络中发挥着“发动机”作用，江苏、天津等7个省份在平台经济发展空间关联网络中扮演着“中介”和“桥梁”的角色，浙江、江苏等10个省份在平台经济发展空间关联网络中充当着“中心行动者”角色。③中国平台经济发展空间关联网络可以划分为净溢出、净受益、经纪人和双向溢出四大板块，板块间存在显著的空间溢出效应，但各板块内外部的联动、协同效应有待进一步提高。④平台经济空间关联的形成受到多种因素的综合作用，其中经济发展水平差异、市场竞争水平差异、科技创新水平差异、社会消费水平差异对中国平台经济发展空间关联有显著的正向影响，而地理距离差异、产业结构差异和平台基础设施水平差异对中国平台经济发展空间关联有显著的负向影响。

4.2 政策建议

基于上述研究结论，本文提出以下政策建议：①树立“全国一盘棋”的平台经济发展整体观念，发挥市场机制和政府宏观调控的作用，推动平台经济要素资源跨区域流动，提高平台经济要素资源配置效率，优化平台经济整体空间关联网络结构。②充分认识各省份在平台经济发展空间关联网络中的地位和作用，打破传统的行政边界限制，打通平台经济要素资源流动通道，形成平台经济发展协同合作机制，注重发挥浙江、广东、江苏、北京、上海等平台经济发展水平较高省份的引领带动作用，加强中心省份与山西、新疆、宁夏、甘肃、陕西、西藏等边缘省份的合作。③实施平台经济发展分类管理、精准调控，针对净受益板块，应利用其在人才、资金、技术、数据、信息等要素资源控制力与地域优势，强化其对平台经济发展的引领能力；对于净溢出板块，应深入优化平台经济发展环境，完善要素资源空间溢出的接收平台；有效发挥经纪人板块和双向溢出板块的传递作用，拓宽平台经济发展动能的溢出渠道。④以高质量发展和网络强国战略为指引，以平台经济空间关联网络的影响因素为依据，重点关注地理距离差异、经济发展水平差异、产业结构状况差异、市场竞争水平差异、平台基础设施水平差异、科技创新水平差异、社会消费水平差异对我国平台经济发展空间关联的协作提升作用，推动平台经济的纵深发展与协调发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
蓝庆新, 史方圆. 我国平台经济发展现状、问题和对策[J]. 人文杂志, 2023(7):47-57.

[2]
余文涛, 吴士炜. 互联网平台经济与行业生产效率变革——基于第三次经济普查数据的实证研究[J]. 财经科学, 2019(8):55-68.

[3]
纪园园, 张美星, 冯树辉. 平台经济对产业结构升级的影响研究——基于消费平台的视角[J]. 系统工程理论与实践, 2022, 42(6):1579-1590.

[4]
颜长春, 廖俊. 中国平台经济发展水平评价指标体系构建与测度[J]. 统计与决策, 2023, 39(11):5-10.

[5]
李凌. 平台经济发展与政府管制模式变革[J]. 经济学家, 2015(7):27-34.

[6]
陈红玲, 张祥建, 刘潇. 平台经济前沿研究综述与未来展望[J]. 云南财经大学学报, 2019, 35(5):3-11.

[7]
夏杰长, 杨昊雯. 平台经济:我国经济行稳致远的重要力量[J]. 改革, 2023(2):14-27.

[8]
Cennamo C, Santalo J. Platform competition:Strategic trade‐offs in platform markets[J]. Strategic Management Journal, 2013, 34(11):181-200.

[9]
Baker J B, Morton F S. Antitrust enforcement against platform MFNs[J]. The Yale Law Journal, 2018, 127(7):2176-2202.

[10]
Evans D S. Some empirical aspects of multi-sided platform industries[J]. Review of Network Economics, 2003, 2(3):191-209.

[11]
蔡跃洲, 顾雨辰. 平台经济的社会福利机制及其效果测算——来自外卖平台商户问卷调查的证据[J]. 经济研究, 2023, 58(5):98-115.

[12]
李敏, 吴丽兰, 吴晓霜. 平台经济发展对就业质量的影响研究——产业结构升级的中介效应[J]. 工业技术经济, 2021, 40(10):62-69.

[13]
孙永强, 石尉艺, 刘雅欣. 平台经济能否打破劳动力市场分割?[J]. 上海经济研究, 2023(10):51-62.

[14]
沈坤荣, 张锐敏. 平台经济对行业就业结构的影响研究[J]. 现代经济探讨, 2023(12):18-29.

[15]
Van Doorn N, Badger A. Platform capitalism's hidden abode:Producing data assets in the gig economy[J]. Antipode, 2020, 52(5):1475-1495.

[16]
Farrell J, Klemperer P. Coordination and lock-in:Competition with switching costs and network effects[J]. Handbook of Industrial Organization, 2007, 3(6):1967-2072.

[17]
Oliveira T, Martins M F. Firms patterns of ebusiness adoption:Evidence for the European Union27[J]. Electronic Journal Information Systems Evaluation, 2010, 13(1):47-56.

[18]
Gregorio D D, Kassicieh S K, De Gouvea Neto R. Drivers of e-business activity in developed and emerging markets[J]. IEEE Transactions on Engineering Management, 2005, 52(2):155-166.

[19]
石敬勋. 互联网平台经济的区域集聚与空间溢出效应研究[D]. 济南: 山东大学, 2020.

[20]
李赞, 张其仔. 新冠肺炎疫情对我国平台经济发展的影响分析[J]. 产业经济评论, 2020(6):32-52.

[21]
Gareev T. Platform markets:Their place in the theory of mesoeconomic system:Development and a challenge to spatial studies[J]. Baltic Region, 2018(10):26-38.

[22]
Hardaker S. Platform economy:(dis-) embeddedness processes in urban spaces[J]. Urban Transformations, 2021, 3(1):1-13.

[23]
刘传明, 马青山. 黄河流域高质量发展的空间关联网络及驱动因素[J]. 经济地理, 2020, 40(10):91-99.

[24]
陈准, 刘云朋, 陈太政, 等. 中国省际农业高质量发展空间关联网络结构演化及其驱动因素[J]. 经济地理, 2024, 44(11):151-160,172.

[25]
余海华. 中国数字经济空间关联及其驱动因素研究[J]. 统计与信息论坛, 2021, 36(9):23-34,44.

[26]
刘军. 整体网分析——UCINET软件实用指南(第三版)[M]. 上海: 格致出版社, 2019.

[27]
王周伟, 汪传江, 崔百胜, 等. 空间计量经济学——实证研究与软件实现[M]. 北京: 北京大学出版社, 2022.

[28]
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, 49(11):4-16.

[29]
吴常艳, 黄贤金, 陈博文, 等. 长江经济带经济联系空间格局及其经济一体化趋势[J]. 经济地理, 2017, 37(7):71-78.

[30]
刘晓欣, 张耀. 中国区域经济增长的空间分布与空间关联——基于实体经济与虚拟经济的视角[J]. 经济理论与经济管理, 2020(6):4-20.

[31]
赵林, 曹乃刚, 韩增林, 等. 中国绿色经济效率空间关联网络演变特征及影响因素[J]. 资源科学, 2021, 43(10):1933-1946.

[32]
赵林, 高晓彤, 刘焱序, 等. 中国包容性绿色效率空间关联网络结构演变特征分析[J]. 经济地理, 2021, 41(9):69-78,90.

[33]
张希刚, 陈保启. 中国共同富裕实现水平的空间差异及形成机理[J]. 统计与决策, 2024, 40(7):28-33.

[34]
孙中瑞, 樊杰, 孙勇, 等. 中国绿色科技创新效率空间关联网络结构特征及影响因素[J]. 经济地理, 2022, 42(3):33-43.

Options
文章导航

/

〈 〉