长三角区域经济一体化水平的测度：以关系型大数据为基础.pdf

长三角区域经济一体化水平的测度：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. 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 [1-6] 水平 。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、 [7] 商品流中心的角色 。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 [8] 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 。S.Sassen （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 [9-11] 界和区域城市网络 。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 [12] 进展 。 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 [13] 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 。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。R.G.Smith 等（1995）曾经列举出12 种关系 [14] 型数据，但是由于无法获取数据，被称为“期望的名单” 。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 [15-17] 域和城市问题，取得了一定成果 。 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[4][18-20] 。通 过梳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