长三角城市群网络化结构特征研究及实证分析

李 响，严广乐

（1.上海理工大学 管理学院，上海 200093；2.上海金融学院，上海 201209）

一、研究背景及问题提出

围绕着全球化生产、区域竞争以及城市地区社会经济的快速发展，城市间高速结合趋势明显，形成了城市群地区与城市网络。在区域经济一体化背景下，城市群网络化作为区域内城市间多种物质动态流动的表现形式，不仅是城市化发展的高级阶段产物，而且也是城市间联系增强的必然结果。城市体系间活跃的经济联系呈现出网络化特征，并以前所未有的方式、结构、速度、规模向前发展，相关的空间经济联系与地域组织优化研究成为研究最活跃、成果最丰富的部分之一［1］。

对城市群网络化的研究最早可以追溯到Friedmann和Miller对城市场及城市体系等级网络的研究［2］。Dematteis将城市网络联系定义为城市体系内大尺度和长距离的联系，城市则作为该网络系统中的主要节点控制区域内联系网络［3］。产业组织把城市群看作是产业组织垂直解体及网络化导致的城市功能的转化过程［4］。新兴古典经济学将其看作是分工演进与专业化所形成的一种分工网络［5］。Scott将城市群空间结构的演化划分为单中心城市为主导、多中心城市竞争和复杂网络化依赖与竞争共存三个阶段［1］。城市群作为特定地域空间上的城市集聚体，其区别于单体城市的根本特征在于城市体系网络内强烈的交互作用。在次国家层面区域内的城市网络化结构中，资本、信息、产品、人才与技术的跨界移动是区域经济发展的显著特征。这些资源在大城市间的流动尤其以经济贸易、交通物流和电子信息网络渠道发展最为迅猛，为了获得城市网络效应所带来的收益，需要实现资源要素在网络内部及各城市间的有效流动和配置。

目前城市群研究多集中在城市中心与腹地关系和位序等方面的作用，而城市群内部各种要素联系的网络化动态分析研究较为欠缺。特别是近年来，一些高速发展的城市依托资本加技术的互增强机制，快速成长为新的经济增长极，打破了原有城市间的传统梯度发展的层级关系。各城市如何理顺并重新看待它们之间多边、交互、网络化的关系；城市群多中心、网络化协同发展的现状如何等问题都值得深入探讨。本文借鉴前人研究基础上，构建城市群网络化结构度量模型，从社会网络视角对长江三角洲城市群经济联系进行了定量化实证分析，并对长三角城市群网络的基本结构、微观特征及未来网络化发展模式进行探索性研究。

二、城市群网络化结构分析模型构建

（一）城市群网络经济联系模型描述

经济动力学中的经济引力论认为区域经济联系也存在着相互吸引的规律性。由于城市群内有城市引力场（城市之间相互吸引、扩散）的作用，由此产生网络化的空间结构，最主要的表现形式之一为网络系统，即城市要想在全球化背景下运作，必须建立与其他城市的联系，允许城市在更宽的框架里运作［6］。城市群网络经济联系量是用来衡量区域内城市间经济联系强度大小的指标，既能反映经济中心城市对周围地区的辐射能力、也能反映周围地区城市对经济中心城市辐射力的接受程度。定量分析城市间相互作用一般有经验法和理论模型两种方法［7］，而通过理论模型进行推算的方法应用较为广泛。

国外学者Jefferson和Zipf首次将万有引力定律引入城市体系空间相互作用分析，建立城市群空间相互作用理论基础，后续又有大量研究将引力模型理论用于区域科学的空间相互作用研究之中，探讨以物流、人流和贸易流等为经济关系表现形式的城市间扩散联系。著名地理学家Taaffe认为经济联系强度同它们的人口成正比，同它们之间距离的平方成反比［8］。国内使用引力模型最早始于文献［9-10］对中国地方区域间经济联系的定量分析。计算城市间经济联系的典型公式为：

其中，Pi、Pj分别为两城市的人口指标，通常为市区非农人口数；Vi、Vj分别为两城市的经济发展指标，通常为城市或市区的工业总产值或GDP值；Dij为两城市间的交通距离。

考虑到城市间经济联系的单向性问题，即经济规模、人口和距离都相等，两对城市的经济联系和相互贡献也不相同。因此，需要根据实际研究情况引入参数k对城市间经济联系引力模型的进行修正。本研究的k值用于表征经济结构方面因素，所以可借鉴文献［11-12］对城市引力模型的优化方法，采用城市或市区的GDP占两关联城市GDP之和的比重来修正kij值；用各城市间的最短公路交通里程作为Dij城市间距离值。修正后的城市间经济联系引力模型为：

其中，Rij为城市i对城市 j的经济联系；kij为城市i对Rij的贡献率；Pi、Pj分别为两城市市区非农业人口；Gi、Gj分别为两城市市区的GDP值；Dij为两城市间的最短公路交通里程。

（二）社会网络分析及城市网络结构度量

社会网络分析（social network analysis）是新经济社会学中研究行动者相互关系的重要方法。它从微观角度研究个体之间互动的关系及其发展变化过程，主要通过定量指标来描述既定对象之间形成的互动结构关系，既要反映整个网络结构的特征，也要反映个体对象在网络结构中的位置。网络理论把“关系”看成是分析单位，把结构看成是行动者之间的关系模式，这种结构既可以是经济行为结构，也可以是社会政治结构，但其中最重要的问题是这种结构怎样影响以及在多大程度上影响网络成员的行为［13］。社会网络分析方法为研究城市群网络结构提供了精致的工具，可以把改善城市群网络结构的过程变得更加直观可控，量化测评效果也能更加明显。关于城市群复杂网络化结构的度量与分析，本研究采用社会网络理论中的“关系与位置取向”的一系列核心概念来进行刻画。

（1）网络密度。密度（density）是社会网络分析中最常用的一种测度，描述了网络中各成员结点之间关联的紧密程度。一个城市群的网络密度定义为该网络中各城市间实际拥有的连接关系数与可能拥有的理论最大关系数之比，密度概念试图对城市间联系的总分布进行汇总，以便度量网络中某一成员城市在多大程度上具有与所有其他城市直接关联的程度。城市群网络密度的计算表达式为：其中，n为城市网络规模即城市个数；，若城市i与城市 j间有相关联系，则di(ci,cj)为1，无任何联系则 di(ci,cj)为0。

网络结构的密集性和稀疏性的特征体现了网络整体的开放程度和获取资源的能力，网络越密集，整体网络和其中的结点所能完成的吸收、传递和处理功能就越强。联系紧密的整体网络不仅为其中的个体提供各种社会资源，同时也成为限制其中个体的重要力量。一般来说，城市群网络中成员个体间的联系越多，网络密度越大，各城市成员受到来自网络结构的约束越明显，单个城市自主行为的能力越弱。

（2）网络中心度。中心度（centrality）是度量整个网络中心化程度的重要指标，在城市群网络中，处于中心位置的城市更易获得资源和信息，拥有更大的权力和对其他城市更强的影响力。网络中心度一般有以下三大指标。

点度中心度（degree centrality）是根据城市网络中的联接度数衡量结点处于网络中心位置的程度，反映城市网络中那些对于其他结点城市而言处于相对中心位置的结点城市，即结点点度中心度越高，则说明该城市处于网络较为中心的位置。点度中心度的相对数计算式为：

紧密中心度（closeness centrality）是以距离来计算某一结点城市的中心程度，可以用以表达城市网络成员在网络中分享资源的能力。紧密中心度值越高，则表明某一中心城市和其他城市间的联系程度越紧密，也可以得出与中心点城市距离最远的城市在信息资源、权力、声望和影响方面最弱。相对紧密中心度的计算式为：

中介中心度（betweenness centrality）是衡量成员对资源控制能力的程度，表示结点成员在多大程度上是网络中其他成员的中介。如某结点城市位于与其他城市点最短路径上，则该城市具有较高的中介中心度。这种“中介”和“经纪人”的角色决定了网络中这个城市对其他成员的控制能力。

中介中心度的计算式为：

其中，gjk(cj)表示包含城市ci的两个城市之间短程线数目；gjk表示城市cj与城市ck间存在的短程线数目。

（3）网络凝聚子群。社会网络分析的任务之一就是对“社会群体”概念进行形式化处理，通过网络中行动者子集合的一些特征来刻画、研究社会群体。网络凝聚子群大体就是指成员之间具有相对较强的、直接的、紧密的、经常的或者积极的关系所构成的一个成员的子集合［14］。城市网络凝聚子群是用于揭示和刻画城市群体内部子结构状态，找到城市网络中凝聚子群的个数以及每个凝聚子群包含哪些城市成员，分析凝聚子群间关系及联接方式，这都可以从新的维度考察城市群网络的发展状况。

三、长三角城市群网络的实证分析

（一）研究城市范围及数据获取

本文研究采用的空间范围为小长三角城市群，即通常所说的上海市、江苏省和浙江省这两省一市中的16个城市［15］。具体包括：上海、南京、苏州、无锡、常州、镇江、扬州、泰州、南通、杭州、宁波、湖州、嘉兴、绍兴、舟山、台州共16个中心城市。长三角城市群是一个政治、经济、社会、区域的典型复杂多中心网络化的城市集合体，又是我国经济集聚度、综合竞争力、发展水平与潜能、经济能级最高的经济体之一。由于中心城市的主要经济联系基本上反映了整个区域的主要经济联系，因此可以通过研究长三角地区16个中心城市间的空间经济联系，分析长三角城市群的网络结构特征。

由于考虑长三角城市经济发展数据的可得性和计算城市间经济联系的简便性，可从中国经济信息网统计数据库城市年度库中直接选取最新2009年度数据［16］，用最新的截面时点来反映长三角城市群经济联系的网络结构。按照修正后的城市间经济联系引力模型分别计算得到长三角16个中心城市间的经济联系值（见表1），其后就能采用社会网络分析软件工具进行分析，进一步了解长三角城市群经济联系网络化结构与发展提供研究依据。

表1 长三角城市群网络中16个城市间经济联系矩阵

（二）长三角城市群经济联系的社会网络结构

应用城市群网络化结构分析模型，借助Ucinet 6软件对表1中的经济联系数据分别进行网络密度、网络中心度和凝聚子群的比较分析，得到以下结果：

（1）长三角城市群网络规模与密度分析。网络规模是在城市群网络中表现出结点数即城市数量，在本研究中城市群网络规模值为16，利用Ucinet-Net Draw绘制生成长三角城市群网络的可视化结构（见图1）。

长三角城市群是我国城镇密度最高、发展最具活力、综合经济实力最强的都市连绵区和经济增长极之一［17］，一定数量和规模的城市在区域中形成网络性城市体系，这种多中心城市群网络区域可以产生协同效应，使各城市相辅相成，互有分工与协作，形成城市体系的整体优势。Meijers认为网络城市最大的优势在于能够利用城市间的合作与协调，拥有相当的经济规模，避免大都会所必须承受的费用和聚集不经济［18］。因此只有具备相当城市规模和聚集度的城市群在经济一体化进程中才能发挥协同效应。图1中的箭头线即表示从一个城市指向另一个城市的经济联系，通过分析长三角城市群网络结构图，可以较为直观地判断出城市间的联结强度、经济辐射作用和协作行为。

图1 长三角城市群经济联系网络可视化结构

根据Ucinet软件的运算结果显示，2009年长三角城市群网络密度是0.7375。随着长三角区域整合和一体化程度的加快，城市间经济活动与跨界交易行为日益频繁，长三角城市群网络密度值会呈现逐年增大的态势，网络密度值越高，则表明长三角城市间经济联系强和相互作用影响大，城市集群优势显现。

另外一方面，网络密度并非越高越好，因为城市间每次构建经济联系时必然会产生相应的交易费用，反而会影响资源利用效率，因此只有合适的网络规模和密度才能保证城市群网络的持续协调发展。

（2）长三角城市群网络的点度中心度、紧密中心度和中介中心度分析。长三角城市群网络的中心度是通过点入度和点出度进行衡量，分别代表了某结点城市接受其他城市影响的程度和主动影响其他城市的程度。通过Ucinet软件计算后得出，长三角16大城市群网络的点度中心度的点入度为7.8%，点出度为21.5%；紧密中心度的点入度为18.9%，点出度为36.8%；网络中介中心度为10.4%。具体各城市在整体网络中的中心位置和状态情况在表2中分别列出并给出了排序结果。

表2 长三角城市群经济联系网络中心度分析结果

从表2可以比较发现，首先在16个城市的点出度排序中，上海市的点出度值远高于其他城市，这反映出上海作为国际型都市在长三角城市群中的核心地位，是整个区域内资金、物流、信息和技术的扩散辐射点。随着上海在国际经济、金融、贸易、航运中心地位的进一步确立，上海会继续对周边城市产生外部经济性，以带动形成城市群联动发展的格局。其次，比较城市点入度后可以看出苏州、无锡、常州、杭州在整个城市群区域内经济活动相当活跃，主动接轨上海，吸引大量原本是奔向上海的外部资源，充分利用“溢出效应”，此外还积极与长三角其他城市建立经济联系，推动跨区域资源要素流动。苏州、无锡、常州在2009年的点入度均大大超过点出度，可见3个城市在接受其他城市经济影响的程度。

长三角各城市经济联系的紧密中心度显示了上海、杭州、南京、苏州、无锡、常州这6个城市具有极高的外向紧密中心度，说明这些城市和其他城市间的联系程度相当紧密，且在对外经济联系上较少受到别的城市影响；除杭州与苏锡常外，湖州、宁波、嘉兴、南通的内向紧密中心度也相对较高，说明它们在对内经济联系过程中较少地受其他城市影响控制作用。表中的整体紧密中心度分布基本均匀，体现了长三角城市群经济联系网络的整体联结性较强。在网络的中介中心度分析中有6个城市中介度接近0，5个城市中介度较弱，有相当多的经济联系是通过少部分像杭州、宁波类型的中介城市来完成的，平均每个城市在网络中承担经济联系中介角色次数为3.938。虽然各城市的中介中心度分布不均衡，但其中各城市并没有被孤立，都能通过“枢纽城市”与网络内的其他城市发生经济联系而未被边缘化。

（3）长三角城市群网络凝聚子群分析。根据长三角城市群网络经济关系的结构，可以利用Ucinet中的Concor法进行聚类分析。长三角城市群网络凝聚子群并不是真实意义上的城市群内部小团体类别划分，而是考察16个城市间哪些经济关系强、联系紧密、积极合作，并以此可确定凝聚子群间的亲疏关系（见图2）。

图2 长三角城市群网络凝聚子群分析

通过图2的结果，可以将长三角城市群经济联系网络大致分为以下几大类别：第一，以上海为中心带动苏州、无锡、南通的凝聚子群；第二，由杭州、嘉兴、湖州、绍兴组成的凝聚子群与由宁波、舟山、台州组成的凝聚子群相互产生重要经济影响；第三，以南京为中心带动常州、泰州和扬州、镇江两个凝聚子群相互产生经济关联作用。分析结果与城市群地理分布位置基本一致，同一凝聚子群内的城市间经济联系具有很强的相似性。

从当前发展现状来看，第一凝聚子群中上海与苏南地区间直接的经济联系相当活跃；以杭州和宁波为次新中心城市代表的承担着联接上海和浙江其他城市子群的重要职能；南京则兼顾与上海到小长三角外围镇扬泰地区的经济联系，以沪、杭、宁、甬为核心城市的网络凝聚子群中多中心特征较为明显。在区域经济一体化过程中，不同区域单元以人、信息、流、场等要素通过相应的经济关联链实现，城市群网络化表现为中心-枢纽-网络结构的多维嵌套模式。基于区位、资源要素禀赋和经济能级差异，要注意围绕某一中心的同层次凝聚子群在经济结构和相互关系上的强相似性，避免因子群中自生的强凝固性而导致封闭的多中心割据、地方保护和区域恶性竞争。因此，各城市主体需要进一步加强经济交流与合作，促进长三角区域内产品和资源信息等要素自由流动，逐步形成多中心、网络化协同发展的空间格局。

四、结论与建议

通过借助社会网络分析工具构建的研究模型框架，选取长三角城市群中16个中心城市，以城市间经济联系为例进行了城市群网络结构的量化分析，可得到以下结论：第一，长三角城市群经济联系网络整体密度处于中上水平，各城市间经济联系不均衡性特征比较明显。第二，长三角城市群发展得益于上海等核心城市对周边城市的广泛带动力；以苏锡常次中心城市区域积极承接产业转移，成为新兴经济增长点，发展态势强劲；其余各城市除了加快与上海的接轨步伐及充分接受上海综合服务外，也通过各种渠道加强构建与其他城市间的内生联系，实现在网络层次上的拓展。第三，长三角内存在着经济结构相似的地方性城市子群，这些小群体之间虽未形成许多具有中介功能的枢纽型城市，但以中心城市发展带动其他城市共同成长的协同发展格局已初步形成，城市群的网络协同力正逐步发挥作用。

长三角区域一体化的最终目标就是形成一个中心明确、沟通无碍、协同合作的网络式区域体系。对城市群网络化结构的研究，使网络中各城市全面清晰地了解自身与其他城市结点和整体网络的真实关系，为长三角城市体系功能升级和城市集群发展提供实现条件与有效路径。为此，本研究提出以下几方面建议：

（1）提高长三角城市群内部主体关联度，优化与扩展网络协调功能。 加强长三角城市群网络化的内部循环联系，提高城市内部及城市之间的物质流动、能量转换、信息传递和资金周转等要素的流通水平。实现长三角基础设施同城化，提升交通、通信、金融、商贸物流等设施平台的服务功能，有效地提高长三角城市间生产与交易效率，打破网络中行业与地区分割。城市的对外网络联系机能将随着经济实力和发展阶段而进行动态调整［19］，进一步优化基于网络的城市协调功能，扩展升级到由服务经济和信息经济主导的网络阶段。

（2）改善长三角城市群内的网络化层次结构，形成网络多中心协作联系。随着长三角区域发展由单中心向多中心的转变，城市间分工和专业化程度的加深，城市群网络化的发展对长三角城市的规模和结构产生了极大影响，特别是在经济活动关联性和互补性较大的情况下，应鼓励长江三角洲各层次城市间发展横向多边关系，探索多中心协同发展之路。中小规模城市增强与整体网络联系的实现路径是积极地参与到国际和区域分工之中并在网络中确立自己的竞争地位，充分利用内部经济关联链把区域内分散的资源、要素、企业及经济部门在城市群网络中进行跨区域整合，逐渐加深城市之间分工协作测度，发挥群体协作产生的正向溢出效应。

（3）构建适合网络化发展的长三角城市群治理机制，加快区域一体化进程。从公共政策的层面，城市网络化也可以被理解为地方治理主体相互协调沟通与合作的过程［20］。城市群网络化合作治理是长三角城市群有序发展的制度保证，通过区域内生的制度安排，包括设定整体目标，统一规划，自发地进行制度创新，打破行政壁垒造成的区域分割，使区域竞争走向区域合作，实现城市网络协同利益最大化，推动区域经济一体化发展。

［1］ 熊剑平，刘承良，袁俊.国外城市群经济联系空间研究进展［J］.世界地理研究，2006，15（1）：63-70.

［2］ Friedmann J，Miller J.The urban field［J］.Journal of the American Institute of Planners，1965，31（4）:312-319.

［3］ Dematteis G.Globalisation and regional integration:The case of the Italian urban system［J］.GeoJournal，1997，43:331-338.

［4］ 克拉克森·米勒.产业组织理论、证据和公共政策［M］.上海：三联书店，1989.

［5］ 杨小凯.杨小凯谈经济［M］.北京：中国社会科学出版社，2004.

［6］ 年福华，姚士谋，陈振光.试论城市群区域内的网络化组织［J］.地理科学，2002，22（5）：568-572.

［7］ 顾朝林，庞海峰.基于重力模型的中国城市体系空间联系与层域划分［J］.地理研究，2008，27（1）：1-11.

［8］ 塔费.城市等级——飞机乘客的限界［J］.经济地理（英文版），1962，1-14.

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

［10］ 牛慧恩，孟庆民，胡其昌，等.甘肃与毗邻省区区域经济联系研究［J］.经济地理，1998，18（3）：51-56.

［11］ 王欣，吴殿廷，王红强.城市间经济联系的定量计算［J］.城市发展研究，2006，（3）：55-59.

［12］ 侯赟慧，刘志彪，岳中刚.长三角区域一体化进程的社会网络分析［J］.中国软科学，2009，（12）：90-101.

［13］ 刘军.社会网络分析导论［M］.北京：社会科学文献出版社，2004.

［14］ 罗家德.社会网络分析讲义［M］.北京：社会科学文献出版社，2005.

［15］ 国家发展改革委员会.长江三角洲地区区域规划［R］.国国发改委，2010.

［16］ 中国经济信息网.2009年长三角16城市年度数据库［EB/OL］.［2011-08-10］.http://www.cei.gov.cn/.

［17］ 沈玉芳，刘曙华.长江三角洲地区城镇空间组织模式的结构与特征［J］.人文地理，2008，（6）：45-49.

［18］ Meijers E.Polycentric Urban Regions and the Quest for Synergy:Is a Network of Cities More than the Sum of the Parts?［J］.Urban Studies，2005，42（5）:765-781.

［19］ 胡彬.长江三角洲区域的城市网络化发展内涵研究［J］.中国工业经济，2003，（10）：35-42.

［20］ Vartiainen P.Urban Networking:An Emerging Idea in Spatial Development［C］//Paper presented at Regional Science Association 37thEuropean Congress，1997:26-29.