, 朱华友4, 吴威11. 中国科学院南京地理与湖泊研究所, 南京 210008;
2. 中国科学院大学, 北京 100049;
3. 中铁城市规划设计研究院, 安徽 芜湖 241000;
4. 浙江师范大学经济与管理学院, 浙江 金华 321004
2015年09月28日 收稿; 2015年11月27日 收修改稿
基金项目: 国家自然科学基金(41271136,41571112)和芜湖市专业市场群布局规划项目资助
通信作者: 王万荣,E-mail:1907802379@qq.com
摘要: 采用加权TOPSIS方法,选取由规模性、结构性和动态性3类指标构成的评价体系,对中国各省域的商品交易市场进行综合实力评判.发现综合实力存在明显的东中西差异,东部地区已形成以长三角为核心的"东部沿海连绵带".利用密度估计和ESDA对市场实力进行时空演化分析.结果表明:1)市场实力整体上升势头强劲,但上升速度趋缓,"两极化"分异特征明显;2)市场实力在西东方向上呈递增趋势,在南北方向上呈倒"U"字形格局,空间自相关现象明显,但部分省域单元表现出异质性;3)路径依赖、地理环境、技术冲击和开放历程是市场实力时空分异的主要机理.
关键词: 商品交易市场加权TOPSIS核密度估计空间自相关
Comprehensive strength and temporal-spatial discrepancies of Chinese commodity exchange market based on the empirical analysis of the provinces
JIANG Ziran1,2, WANG Wanrong3
, ZHU Huayou4, WU Wei1 1. Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. China Railway Urban Planning and Design Institute, Wuhu 241000, Anhui, China;
4. College of Economic and Management, Zhejiang Normal University, Jinhua 321004, Zhejiang, China
Abstract: By applying weighted TOPSIS method, we evaluate the comprehensive strength of Chinese commodity exchange markets from the scale, structure, and speed aspects. The results show that the comprehensive strength of market in eastern region is much stronger than in middle and western regions. Consequently, we study the time-spatial evolution analysis using kernel density estimation and ESDA. The results are given as follows. 1) Though the growth momentum has been strong, some discrepancies occur at separate stages and present polarization phenomenon. 2) The strength of market tends to increase in west-east direction and presents an inverted U-shape, and the space autocorrelation is obvious with some heterogeneity in some provincial units. 3) Path dependence, geographical conditions, technological impact, and the process of opening-up are the dominant mechanisms of spatial-temporal segregation of market strength.
Key words: commodity exchange marketweighted TOPSISkernel density estimationspatial autocorrelation
商品交易市场是中国现代市场体系的重要组成部分和运行基础，然而，近年来在外围经济环境和新兴商业组织等共同影响下，呈现明显疲软的发展态势.从空间上来看，商品交易市场在东中西地区、在不同的省域之间存在差异，如为什么浙江的市场发达、为什么毗邻浙江的福建省市场建设落后、哪些发达市场的经验值得复制推广等，这些时空上的分异变化需要在理论和实践上予以回答.
国外关于商品交易市场的研究较少且多集中于农产品批发市场，****们用案例比较法对商品交易市场进行研究，发现中间服务明显促进地方经济的发展[1-2]；有****从史学角度关注商品在流通领域的分销类别，认为不同类型的市场决定不同的销售模式[3]，还有的研究认为商品交易市场在西方一些地区的商业业态中仍然占据着一席之地[4-5].国内对商品交易市场的研究集中在浙江、江苏等市场发源地，****们来自社会学、经济学、地理学等多个领域[6-8].与此同时，很多国外的****也一直关注中国商品交易市场的发展，认为其对物资流通、产业集群升级和区域发展等都具有重要的推动作用[9-12].近来，电子商务对传统市场的影响以及二者互动研究开始引起人们的兴趣[13].综上所述，已有文献对商品交易市场的研究多集中在个案分析及其与产业(集群)、地方经济之间的耦合关系，而对各类市场的综合实力评判及其时空演化等定量研究较少.本文从地理空间的视角，先运用加权TOPSIS法对中国商品交易市场进行综合实力评判，然后借助于Eviews软件和GIS平台进行时空演化分析，最后诠释分异机理.
1 研究方法与数据来源1.1 加权TOPSIS法TOPSIS法是基于归一化后的数据矩阵模型，找出有限方案中的最优和最劣方案，然后分别计算出评价对象与最优、最劣方案的距离来判断对象与最优方案的相对接近程度.本文在传统的TOPSIS方法基础上，赋予各指标相应的权重(本文利用PCA法提取)，使计算结果更符合实际.加权TOPSIS法计算步骤如下:
1)矩阵归一化处理.原决策矩阵(Xij)n×m归一化处理为(Zij)n×m.
2)得到归一化的最优方案矩阵Z+和最劣方案矩阵Z－.
| ${{Z}^{+}}\text{=}\max \left\{ {{Z}_{ij}} \right\}{{Z}^{-}}\text{=}\min \left\{ {{Z}_{ij}} \right\}.$ |
| $\begin{align} & D_{i}^{+}=\sqrt{\sum\limits_{j=1}^{m}{{{\left( {{Z}_{ij}}-Z_{ij}^{+} \right)}^{2}}}}, \\ & D_{i}^{-}=\sqrt{\sum\limits_{j=1}^{m}{{{\left( {{Z}_{ij}}-Z_{ij}^{-} \right)}^{2}}}}. \\ \end{align}$ |
| $\begin{align} & S_{i}^{+}=\sqrt{\sum\limits_{j=1}^{m}{{{W}_{j}}{{\left( {{Z}_{ij}}-Z_{ij}^{+} \right)}^{2}}}}, \\ & S_{i}^{-}=\sqrt{\sum\limits_{j=1}^{m}{{{W}_{j}}{{\left( {{Z}_{ij}}-Z_{ij}^{-} \right)}^{2}}}}. \\ \end{align}$ |
| ${{C}_{i}}=S_{i}^{-}/(S_{i}^{+}+S_{i}^{-}),$ |
1.2 核密度估计核密度估计(kernel density estimation)是概率论中用来估计未知的密度函数，属于非参数检验方法之一.对于序列x1,x2,…,xn ，其核密度估计的形式为
| ${{{\hat{f}}}_{h}}(x)=\frac{1}{nh}\sum\limits_{j=1}^{m}{K\left( \frac{x-{{x}_{i}}}{h} \right)},$ |
1.3 空间关联分析运用空间全局自相关、局部自相关等探索性数据分析(exploratory spatial data analysis，ESDA)方法对中国商品交易市场的综合实力进行空间关联分析.其中，全局自相关用于判断各省域市场的综合实力在空间分布上是否存在聚集特性，通常用Moran指数I的大小和正负性来表示；局部自相关可以度量每个省域与周边省域之间市场实力的局部关联程度，找出异质性省域单元.该方法是一种成熟的空间计量方法，具体原理和数学公式不再赘述.
1.4 指标体系构建和数据来源为全面评价商品交易市场的综合实力，评价指标除体现市场的发展规模外，还应考虑结构性、动态性指标等方面.规模性指标包括市场数量、年末出租摊位数、营业面积和成交额；结构性指标包括摊位密度、成交额占GDP比重、人均营业面积和人均成交额；动态性指标包括营业面积增速和交易额增速.结构性和动态性指标均经计算处理获得；另外，考虑到增速存在着一定的波动性，选取了2009—2013近4年的平均增速代替2013年的增速.数据主要来源于历年《中国商品交易市场统计年鉴》、《中国统计年鉴》和《中国区域经济统计年鉴》等；由于西藏没有亿元以上的商品交易市场及港澳台地区的数据未能获得，因此这4个省域未纳入研究范畴.
2 研究过程与结果2.1 综合实力研判及排序加权TOPSIS的评判结果见表 1，可以看出中国商品交易市场的综合实力存在着明显的东中西分异，东部地区的市场实力最强， Ci均值为0.368，远高于中部地区的0.163和西部地区的0.171.将10个评判指标数值进行归一化处理，并绘制相应的雷达图(图 1)，清楚地显示东部地区的规模性和结构性指标均最优，但动态性指标最差；中部地区在规模性指标上优于西部地区，但结构性指标和动态性指标都比西部地区逊色.用自然间断点分级法将Ci值分成4个等级(表 1)，发现第1和第2等级区间多为东部沿海省域和直辖市，值得一提的是提宁夏位于第2等级区间，其商品交易市场的综合实力明显高于其GDP水平.第3等级区间中，除福建外，其他省均属于中西部地区.位于第4等级区间的省域分布较零散，但都属于经济发展比较落后的地区.
Table 1
 表 1 中国商品交易市场的综合实力、排序及等级Table 1 Comprehensive strength,rank,and grade of Chinese commodity exchange market
| 表 1 中国商品交易市场的综合实力、排序及等级Table 1 Comprehensive strength,rank,and grade of Chinese commodity exchange market |
Fig. 1
 | Download: JPG larger image |
| 图 1 东中西地区商品交易市场各指标的雷达图Fig. 1 Radar plot of the indexes of exchange market in eastern, middle,and western regions | |
2.2 时序演化分析商品交易市场综合实力的Ci值是一个相对值，其历年变化的时间序列并不能完全反映出市场综合实力的变化，因此需采取指标分解的方法进一步研究.首先，根据指标权重大小及其代表性，选用年度成交额、人均成交额和成交额增速3个指标分别反映市场在规模、结构和动态3个方面的演化规律.其次，在时间序列上选取2005、2009和2013年3个截面时间为研究样本进行核密度估计和比较，这是考虑到：一方面，2005年的成交额及其增速在一定程度反馈加入WTO对中国商品交易市场的影响；另一方面，2009年的市场发展状况也能反映2008年金融危机后效应和电商等新兴商业业态的冲击效应.另外，对成交额和人均成交额2个时间序列进行取对数估计(图 2).
Fig. 2
 | Download: JPG larger image |
| 图 2 成交额、人均成交额及增速的核密度分布Fig. 2 Kernel densities of turnover(a),turnover per person(b),and growth rate(c) | |
从图 2(a)来看，首先，成交额密度分布曲线整体右移明显，非常直观地表示2005—2013年间中国商品交易市场的成交额呈快速增长的局面；其次，密度分布曲线的形态由2005年的单峰逐渐演化成2009和2013年的双峰形态，即出现“双俱乐部趋同”现象，这说明市场的成交额由收敛走向分散，大部分省域集中在高密度区间，小部分省域集中在低密度区间，两极分化趋向明显；最后，2009—2013年间高峰右移明显，次高峰的峰度变尖，双峰之间的距离扩大，意味着省域商品交易市场的成交额趋异现象还在不断加剧.
由图 2(b)可以得出：从曲线位置上看，2005—2013年间，人均成交额的密度分布曲线整体右移，表明市场的人均成交额增长态势明显；从曲线峰度上看，2005—2013年间出现由尖峰向宽峰演变的趋势，且左侧尾部的厚度不断减小，这意味着“高位趋同”现象十分明显；从曲线形状上看，2013年出现一定程度的双峰现象，次高峰出现在左下角，表示还存在一定的“低位趋同”现象.总体上，人均交易额在2005年是趋同分布的，到2013年虽然总体上向高位集聚，但在高低区间两端仍存在一定程度的分异现象.
图 2(c)显示，增速的核密度曲线演化要比成交额和人均成交额复杂得多.第1，曲线由2005年的“单峰趋同”形态演变成2009年的“多峰趋异”形态，到2013年又呈现出典型的双峰特征，这一复杂的过程表征2005—2013年间中国商品交易市场的增速由平衡转向不平衡，并且最终呈现出显著的两极分化的历程；第2，2005—2009年间曲线的主峰明显右移，而2009—2013年间曲线的主峰位置基本不变，即2005—2013年间曲线呈现出“先右移、后稳定”的特征，这表示增速开始在不断增加，增加到一定幅度后保持稳定；第3，2005—2013年间主峰的形态逐渐由宽峰变为尖峰，说明增速的“高位趋同”现象日趋显著，另外，2013年的次峰区域相较于2009年明显加厚，说明“低位趋同”现象也在加剧；第4，2013年曲线的分布区间明显收窄，说明增速处于高位区间和低位区间的省域数量均上升，“双俱乐部趋同”形态更显著.
2.3 空间关联分析运用Arcgis10.1软件的空间分析工具，将2013年商品交易市场的Ci值看做高度属性值(Z值)，省域单元的空间坐标看成X轴和Y轴，旋转到较合理的透视角度，转换生成空间三维透视图，对2个面上的空间分布趋势分别进行拟合，形成商品交易市场Ci值的趋势分布图(图 3).总体上看，中国商品交易市场的综合实力自西向东递增，南北方向呈现出明显的倒“U”字形分布格局.
Fig. 3
 | Download: JPG larger image |
| 图 3 中国商品交易市场综合实力的空间趋势分布Fig. 3 The spatial distribution trend of comprehensive strength of Chinese market | |
采用全局自相关的方法，以30个省域单元的Ci值为研究样本，计算得到商品交易市场综合实力的全局Moran’I指数为0.407，选择9999次空间排列顺序判断其显著性水平为0.001，通过了99%置信水平下的显著性检验.由此可知，中国商品交易市场的综合实力在省域层面具有显著的正向空间自相关，即存在明显的集聚现象.继续进行局部空间自相关测算，同时生成Moran散点图(图 4)及0.05显著性水平下的LISA集聚图(图 5).
Fig. 4
 | Download: JPG larger image |
| 图 4 中国商品交易市场综合实力Moran散点图Fig. 4 The Moran scatter diagram of comprehensive strength of Chinese market | |
Fig. 5
 | Download: JPG larger image |
| 图 5 中国商品交易市场综合实力LISA集聚分布图Fig. 5 The LISA gather map of comprehensive strength of Chinese market | |
图 4显示，第1、第3象限分布的省域较多，说明市场综合实力呈现典型的“两极化”现象，这也验证了核密度估计的结果.从具体空间上看，第1象限的省域全部位于中国东部沿海地区，在东部沿海地区形成了实力强劲、形态较完整(浙江和广东之间被福建分割)的商品交易市场“东部沿海连绵带”；第3象限分布的省域最多，说明中国大部分省域市场仍不够发达，这些省域多集中在西部地区；第2象限除福建外，其他省域均位于中部地区，这些省域市场的综合实力相较于周边省域明显要弱；第4象限的省域分布较分散，它们在次级区域层面上显著地领先于周边省域.
中国商品交易市场综合实力的空间分布在95%的信度水平下存在着几个值得关注的“热点”省域和“异质”省域(图 5).其中，上海、浙江、江苏、山东4地为H-H区域，说明这4地及周边市场的综合实力均较强且分布集中，形成“热点”区域，即该地区处于倒“U”字形分布的峰点，可看做是中国商品交易市场“东部沿海连绵带”的核心地区.而与“热点”地区相邻的安徽属于典型的L-H区域，说明其市场的综合实力与周边省域(浙江、江苏和上海等)存在较大的落差.特别值得一提的是处于H-L地区的宁夏，在西北地区市场整体实力落后的大背景下，可谓“异军突起”，遥遥领先于周边的陕西、甘肃等省域，为西部商品交易市场的发展和升级提供可复制参考的“宁夏经验”.
3 主要分异机理诠释3.1 路径依赖和外部环境推动市场的两极化发展商品交易市场在规模、结构和增速3个维度的时序演化上均呈现出明显的两极化现象，表征其发展具有路径依赖特征，即历史基础好的商品交易市场通过生产要素的集聚、黏结使得其未来的发展更加快速，相反则发展缓慢.另外，3类指标在2005—2013年间都呈上升趋势，但两个阶段上升的速度不同，2005—2009年期间的上升速度明显快于2009—2013年期间，这既反映了加入WTO对商品交易市场的促进作用，也体现了2008年金融危机、“互联网+”新业态等外部环境冲击对商品交易市场产生“强者恒强、弱者恒弱”的马太效应.
3.2 经济水平、开放历程和地理集聚导致市场的空间分异首先，专业市场的发育发展与地方经济密不可分.中国实力居前的商品交易市场都处在东部沿海经济发达省域，如浙江、江苏，这些省域有大量的产业集群实体有效支撑市场的发展，市场的产品很多销往国外，辐射范围广；相反，中西部欠发达地区不具备类似的基础和条件.其次，东部沿海地区开放较早，致使劳动力、资金、技术等生产要素向东部省域集中，加上制度设计创新和政策优惠，共同营造了优越的市场内、外部环境.再次，基于地理邻接的空间溢出效应使省域层面的商品交易市场在空间分布上存在着明显的集聚现象，随着商品链条向上下游延伸，这种空间集聚效应更加明显.最后，影响中国商品交易市场综合实力及其时空分异的因素十分复杂，还包括自然条件、政治因素、地域文化和交通基础设施等.
3.3 地方化省情致使异质性省域单元的出现不同省域的商品交易市场拥有各自不同的发展路径和资源禀赋，因而可能表现出与邻接省域较大的差异.例如，福建虽然位于东部沿海，但因人均营业面积小、增速慢等原因使得其市场实力远落后于其他东部省域.再如，安徽市场的Ci值为0.219，处于中等偏上水平，但由于在发展基础、市场环境、开放程度和产业支撑等方面落后，其与周边省域的市场实力仍有明显差距.宁夏位于西部欠发达地区，但其市场发展明显领先于周边省域，值得同类省域学习的经验可概括为：1)主导产业的强力支撑.宁夏形成以农产品市场为龙头的、特色鲜明的市场群，同时兴起燕宝钢材市场、机电批发市场等生产资料市场，市场结构渐趋完善.2)政府引导与有效监管.政府一方面吸引多方投资，完善市场基础设施建设；另一方面，加强市场管理力度，出台监管法规.3)集聚经济效应明显.宁夏的人口规模和面积与邻接省域相比均要小得多，但是集聚了与周边陕西、甘肃等相当的市场和摊位数，这种集聚机制大大降低了市场的交易成本、加深分工协作、促进效率提升.4)主动响应外部环境变动.积极探索融资途径，与农行等金融机构建立合作关系；大力发展农产品电子商务，出现了一批专门从事农副产品网上贸易的专业电商平台.
4 结论与思考中国商品交易市场总体发展势头十分强劲，但在时空上呈现两极化的发展态势：一极是东部沿海地区，其市场的发展水平一直遥遥领先于其他区域，空间上形成了实力强劲、形态较完整的“东部沿海连绵带”；另一极是海南、青海等少数省域，市场发展始终缓慢.商品交易市场的综合实力自西向东呈递增趋势，在南北方向上呈倒“U”字形态；空间自相关现象明显，但部分省域单元表现出异质性.路径依赖、地理环境、技术冲击和开放历程是中国商品交易市场时空分异的主要机理.
在经济全球化和“一带一路”战略大背景下，商品交易市场的“东部沿海连绵带”在自身极化效应不断增强的同时，应注重加强区域间协调联动、带动周边安徽、河南、江西等省域市场的发展.另外，中西部地区也涌现出宁夏等商品交易市场相对发达的省域，其在产业发展、政府引导、市场规范等方面的经验值得同类省域复制和推广.受金融危机后效应及新兴商业形态等外部环境影响，2009年以来商品交易市场呈现疲软态势，这倒逼着传统商品交易市场的转型和升级，从过去注重数量和规模转向注重质量和结构，从传统交易模式转向“互联网+”思维.在“模仿型排浪式消费阶段基本结束、个性化和多样化消费渐成主流”的今天，商品交易市场建设应注重品质提升和结构优化，向集群化、专业化、品牌化和电商化方向进一步创新升级.
参考文献
| [1] | Smith C. The wholesale and retail markets of London,1660-1840[J].Economic History Review, 2002(1):31–50. |
| [2] | Athreye S S, Keeble D. Specialized markets and the behavior of firms: evidence from the United Kingdom regional economies[J].International Regional Science Review, 2002, 25(1):38–62.DOI:10.1177/016001702762039376 |
| [3] | Minc L D. Monitering regional market system in prehistory: models, methods and metrics[J].Journal of Anthropoligical Archaeology, 2006, 25:82–116.DOI:10.1016/j.jaa.2005.09.003 |
| [4] | Daunfeldt S O. Entry into Swedish retail and wholesale trade markets[J].Review of Industrial Organization, 2006, 29:213–225.DOI:10.1007/s11151-006-9119-3 |
| [5] | Larkin S, Degner R. The US wholesale market for marine ornamentals[J].Aquarium Sciences and Conseration, 2001(3):13–24. |
| [6] | 费孝通. 温州行(中)[J].瞭望周刊, 1986(21):24–25. |
| [7] | 金祥荣, 柯荣住. 对专业市场的一种交易费用经济学解释[J].经济研究, 1997(4):74–79. |
| [8] | 张旭亮, 宁越敏. 中国商品交易市场发展时空差异及其形成机理探析[J].地理科学, 2008, 30(8):481–488. |
| [9] | Fredoun Z A, Christopher G L. Wholesal food markets with "Chinese characteristics"[J].Food Policy, 1998, 23(1):89–103.DOI:10.1016/S0306-9192(98)00017-7 |
| [10] | Kuchiki A, Tsuji M. From agglomeration to innovation: upgrading industrial clusters in emerging economies[M].New York: Palgrave Macmillan, 2010. |
| [11] | Bellandi M, Lombardi S. Specialized markets and Chinese industrial clusters: the experience of Zhejiang province[J].China Economic Review, 2012, 23:626–638.DOI:10.1016/j.chieco.2012.03.001 |
| [12] | Wang J M, Gooderham P. Institutional change and regional development in China: the case of commodity trading markets[J].Environment and Planning C, 2013, 31:1–20. |
| [13] | 陆立军. 专业市场与电子商务的动态融合机制及路径研究:理论、模型与实证: 以义乌"中国小商品城"为例[M].制度经济学研究, 2013: 158-182. |
| [14] | 许治, 王思卉. 中国各省份出口商品技术复杂度的动态演进[J].中国工业经济, 2013(8):44–56. |
