中国区域经济协同网络演变及成因分析——以2003—2017年中国40470组两两城市对为样本

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

刘莹^,¹, 李琳², 张喜艳^,¹

1.广东金融学院经济贸易学院,广州 510521

2.湖南大学经济与贸易学院,长沙 410079

The evolution and forming reasons of the regional economic synergetic network in China: Based on the sample of Chinese 40470 city-city units from 2003 to 2017

LIU Ying^,¹, LI Lin², ZHANG Xiyan^,¹

1. School of Economics & Trade, Guangdong University of Finance, Guangzhou 510521, China

2. School of Economics & Trade, Hunan University, Changsha 410079, China

通讯作者: 张喜艳（1987-）,女,湖南攸县人,博士,讲师,主要研究方向为区域经济学、宏观经济学。E-mail: zhangxiyan890221@163.com

收稿日期:2020-05-6修回日期:2020-07-24网络出版日期:2020-12-20

基金资助:

国家自然科学基金项目.71873040
广东省普通高校重点科研平台与科研项目.2018WCXTD005
广东省普通高校重点科研平台与科研项目.2019WZJD004
湖南省社科基金智库专项重大委托项目.19ZWA38

Received:2020-05-6Revised:2020-07-24Online:2020-12-20
作者简介 About authors
刘莹（1989-）,女,湖南衡阳人,博士,讲师,主要研究方向为城市与区域经济。E-mail: liuying0923@yeah.net

摘要
以2003—2017年中国285个地级及以上城市构成的40470组两两城市对为样本,采用效率增值模型、社会网络分析法以及动态面板模型分析了中国区域经济协同网络演变及成因。结果表明：① 中国区域经济协同网络密度呈现三周期、双缺口变化特征,高强度协同作用偏向东部地区的东向性特征凸显;② 协同网络经历了星型覆盖格局-双区扇形发散格局-单区扇形发散格局-多层嵌套新格局的转变,表现为跨越东中西部地区的远距离协同,跨域性特征突出;③ 东部城市比较优势、经济联系和产业分工的良性循环决定了协同作用的东向性,而远距离协同作用利于整合区域差异化比较优势,降低资源争夺和重复建设风险,促进全域高效产业分工体系和跨域性协同网络的形成。
关键词： 协同网络;效率增值模型;社会网络分析法;动态面板模型;驱动机制

Abstract

Based on value-added model, social network analysis and dynamic panel model, this paper conducts a sample survey of 40470 city-city units consisting of 285 prefecture-level cities and above from 2003 to 2017, and discusses the evolution of China's regional economic synergetic network and the reasons for its formation. The results show that: (1) The regional economic synergetic network density has experienced three short cycles and two gaps. The first short cycle refers to the regional economic synergetic network density changing from high density in 2003 to low density in 2009. The other two cycles refer to 2009-2013 and 2013-2017. The gaps refer to the low densities between every two cycles in 2009 and 2013. Among all the synergetic movements, the synergic movements with eastern cities are stronger than the those with central and western cities. That is, there is a significant eastern oriented characteristic with high-intensity synergic movements located in eastern cities. (2) The regional economic synergetic network has transferred from a pentagram coverage pattern to a fan-shaped pattern with the Pearl River delta region and the Yangtze River delta region as the two cores. Then the regional economic synergetic network has changed to a fan-shaped pattern with the Pearl River delta region as the core. Finally, the regional economic synergetic network has formed a multilayer nested pattern. With the evolution of the regional economic synergetic network, there is a significant cross-regional characteristic with geographical distant synergies across the eastern, central and western regions. (3) As for the reasons for the regional economic synergetic network formation, comparative advantage, economic contact and industrial system are the three main driving forces that determine the network evolution. The virtuous circle of the comparative advantage, economic contact and industrial system in eastern cities leads to the characteristic of the east orientation. Cross-regional synergic movements are beneficial to the integration of regional differentiation comparative advantage, the reduction of the risk of resource contention and redundancy construction, and the formation of an efficient industrial division of labor system and cross-regional synergetic network.

Keywords：synergetic network;value added model;social network analysis;dynamic panel model;driving mechanism

PDF (6390KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
刘莹, 李琳, 张喜艳. 中国区域经济协同网络演变及成因分析——以2003—2017年中国40470组两两城市对为样本. 地理研究[J], 2020, 39(12): 2779-2795 doi:10.11821/dlyj020200389
LIU Ying, LI Lin, ZHANG Xiyan. The evolution and forming reasons of the regional economic synergetic network in China: Based on the sample of Chinese 40470 city-city units from 2003 to 2017. Geographical Research[J], 2020, 39(12): 2779-2795 doi:10.11821/dlyj020200389

1 引言

中国经济转向高质量发展阶段意味着数量型增长向质量型发展的转变,揭示了经济系统的复杂性和传统经济理论框架的局限性,系统论视角下的协同作用引发关注。“协同”源于协同学理论,研究子系统间的协同作用如何役使整个复杂系统形成一定的有序结构^[1]。协同作用广泛存在于物理、生物、社会、经济等领域^[2],表现为“1+1>2”的系统优化^[3]。京津冀协同发展战略正是协同学理论的重要实践,《粤港澳大湾区发展规划纲要》亦明确指出要推动区域经济协同发展,无一不印证了区域协同的前瞻性和战略性。协同作用作为经济系统内部要素的“粘合剂”,深度嵌入各区域、各层级经济体系。将中国区域经济协同网络视为整体系统进行全域研究,更能从本质上揭示我国经济系统的结构、功能、行为和动态,从而把握宏观演变规律,促进中国经济系统有序运转。

区域经济协同发展是各区域高效有序整合,实现一体化运作的经济发展新方式,与以区域经济差距为核心的区域经济协调发展及地理意义上空间相互作用等概念有区别,涵盖内容更广、运作方式更复杂、系统论内涵丰富^[4]。在整个经济系统演化过程中,各区域主体之间具备较强的感应度和影响力^[5]。协同作用驱动于各区域比较优势、经济联系以及产业分工的综合作用^[6,7,8,9],能引发资源要素的空间再配置,促进系统配置效率的整体改进,释放经济增长潜力^[10,11]。部分****以一带一路^[9]、京津冀地区^[12,13,14]、长江经济带^[15,16,17]、粤港澳大湾区^[18,19]以及中国代表性城市^[20],荷兰^[3]、马来西亚^[21]、厄瓜多尔^[22]等国家为对象探讨了区域经济、产业、生态、能源及文化等子系统间的协同。常用模型包含协同度模型^[23]、耦合协调模型^[24]及哈肯模型^[8,9]等。总体来看,已有大量****针对协同进行了探讨,但仍存在以下待完善之处：一是研究对象多为省域尺度或个别城市尺度的局部研究,然而经济系统属典型的复杂系统,局部分析无法窥系统之全貌,全国范围内城市尺度（或更细尺度）的全局研究待完善;二是研究维度多为协同发展整体状态评价的一维数据分析,即某区域内部经济、社会、生态等系统之间的协同,未下沉至区域与区域之间的二维数据分析（如区域A与区域B之间的协同作用）,内部规律待挖掘;三是空间格局分析未结合实证检验,模型支撑值得完善深化,驱动因素的作用效果亦有待检验。

综上,本文以中国285个地级及以上城市为研究对象,采用效率增值模型测度2003—2017年285个城市两两间（即40470组两两城市对）的协同作用,结合社会网络分析法探寻中国区域经济协同网络的格局演变,采用动态面板模型分析协同网络的形成原因,以期为政府制定区域经济战略规划和政策指导提供学理支撑。

2 协同网络的理论分析

2.1 区域经济协同网络的运转机理

区域经济协同网络演变的理论基础为协同学理论。德国物理学家赫尔曼·哈肯（Hermann Haken）在其关于自然科学领域的合作现象和合作效应的基础上创立了协同学理论,研究重心从单纯的合作（Cooperation）转变为系统论范畴下的协同（Synergy）。控制系统演化的是各子系统之间的协同作用,引导整体系统实现由无序至有序、低级至高级的演变^[1]。协同作用是系统内部自发进行组织和协调的固有能力,本质上是系统内部要素和子系统的相互作用,也是一切系统由无序结构转变为有序结构的原因,被广泛运用于复杂系统演化研究。区域经济系统属典型复杂系统,由多个子区域组成,各子区域由不同的要素组成,子区域内部又可进行同样的系统剖析和多层级下沉细分,包含更细维度、更深层级的子区域和要素组合。多区域、多要素、多层次的经济组分间均存在协同作用,形成一个内部有序的整体协同网络。区域经济系统在初始阶段抽象为三个子区域的简单组合,各子区域相对孤立,效率较低,整体表现为无序性。随着系统内部协同运转,各区域的资源要素有机整合,逐渐打破区域边界,实现一体化运作和协同共生,形成“1+1>2”的高度有序协同网络结构（图1）。在系统演变中,协同作用推动资源要素利用效率从初始的无序低效提升为最终的高效有序,促进资源优化配置,此即协同作用役使大区域经济系统实现无序至有序的演化机理所在。

2.2 区域经济协同网络的驱动机理

协同学理论运用伺服原理和序参量分析系统演化。序参量（也称慢变量）是描述复杂系统有序度的重要参量。随着系统演变,慢变量役使快变量,快变量反作用于慢变量,共同驱动子系统之间的协同作用,役使大系统向高级有序状态转变,此即伺服原理^[1]。通常而言,区域经济协同网络受到区域经济发展梯度、地理分隔距离、比较优势差异、专业化分工水平、要素流动频率、基础设施建设、行政制度壁垒等诸多因素的影响。本文尝试从中识别序参量,将比较优势、经济联系和产业分工提炼为主驱动,能在较大程度上解释协同网络的演变规律,与已有研究结论相一致^[4,6-9]。

图1抽象化展示了协同作用役使整体系统实现从无序至有序演变的理论机理,并进一步揭示该协同作用受到比较优势、经济联系和产业分工三大因素的多重影响。初始阶段,各区域先天资本、人力、自然资源等经济要素组合不同（对应图1a不同的要素形状）,资源利用效率亦有差异（对应图1a不同的要素面积）,直观反映了各区域的先天资源禀赋,即初始的比较优势。推进阶段,比较优势的差异促使区域A、区域B及区域C为寻求更高的要素收益开展互补性合作,区域间经济联系逐渐增强,区域边界逐渐弱化（图1a-图1b实线变虚线）,协同作用效果逐渐凸显。各区域在展开全域资源再配置的同时,注重组织方式的有效性。依据自身要素基础（对应要素形状）寻求更契合的要素组合（对应要素搭配）,即形成依托各自比较优势的产业分工体系,更利于发挥各区域比较优势,使得资源利用效率提升（图1a-图1b要素面积增大）。最终阶段,区域A、区域B及区域C形成有序性更强、资源利用效率更高的协同共生大区域（图1c）。在整个演化进程中,比较优势、经济联系和产业分工共同作用,形成控制系统演化的协同作用,促进经济要素的跨区域再配置,要素总量未发生改变（数量不变）,但要素利用效率明显提升（面积增大）,此即区域经济协同网络的驱动机理,依托系统内部自发的协同作用实现“1+1>2”的系统优化。

图1

新窗口打开|下载原图ZIP|生成PPT
图1区域经济协同网络的运转机理

Fig. 1Mechanism of regional economic synergetic network

上述机理分析表明,协同作用决定区域经济协同网络,而协同作用又驱动于各区域比较优势、经济联系和产业分工的共同作用,故以下将先测度协同作用以分析中国区域经济协同网络的演变特征,再进一步从驱动因素视角实证检验该协同网络的形成原因。

3 研究方法和数据处理

3.1 效率增值模型

区域协同常用测度模型为协同度模型和耦合协调模型,但仅能测度某区域内部各系统间（如经济、生态、产业等）的协同,无法获得区域与区域之间的二维数据。据此,本文选择效率增值模型（Value-Added Model,VAM）测度区域之间的协同作用强度,作为观测中国区域经济协同网络的基础指标。协同作用的复杂性使得直接测算难度较大,而协同作用的最终落脚为系统运行效率,故转换测度思路,从协同作用效果检验的反向视角来衡量区域间协同作用强度,用各区域依托协同作用整合为大区域后运行效率高出各区域单独运行的效率增值部分来反映协同作用强度^[11]：

（1）

\{\begin{array}{l} SY N_{ij} = [(θ_{ij}^{'} - {\overset{ˉ}{θ}}_{ij}^{'}) - (θ_{i}^{'} - {\overset{ˉ}{θ}}_{n}^{'})] + [(θ_{ij}^{'} - {\overset{ˉ}{θ}}_{ij}^{'}) - (θ_{j}^{'} - {\overset{ˉ}{θ}}_{n}^{'})] \\ SY N_{i} = \sum_{j = 1}^{n} SY N_{ij} (j = 1,2, \dots \dots, n; i \neq j) \end{array}

式中：SYN_ij为区域i和区域j之间的协同作用强度;SYNi为区域i与其他区域的协同作用总强度;

θ_{i}^{'}

和

θ_{j}^{'}

为协同作用下区域i和区域j的效率;

θ_{ij}^{'}

为区域i和区域j的整体效率;

{\overset{ˉ}{θ}}_{ij}^{'}

和

{\overset{ˉ}{θ}}_{n}^{'}

分别为整体效率和单个区域效率的样本均值。

借助数据包络分析法中的SBM（Slack Based Measure）模型测度效率,规划为^[11]：

（2）

\begin{array}{l} \min θ = \frac{1 - \frac{1}{m} \sum_{i = 1}^{m} \frac{s_{i}^{-}}{x_{i 0}}}{1 + \frac{1}{s} \sum_{r = 1}^{s} \frac{s_{r}^{+}}{y_{r 0}}} \\ s.t._{}^{}_{}^{}_{}^{}_{}^{}_{}^{}_{}^{} x_{0} = Xλ + s^{-} \\ _{}^{}_{}^{}_{}^{}_{}^{}_{}^{}_{}^{}_{}^{} y_{0} = Yλ - s^{+} \\ _{}^{}_{}^{}_{}^{}_{}^{}_{}^{}_{}^{}_{}^{} λ \geq 0, s^{-} \geq 0, s^{+} \geq 0 \end{array}

式中：

X = (x_{ij}) \in {R^{m \times n}}_{} (X > 0)

为n个决策单元（decision making unit, DMU）的投入;

Y = (y_{ij}) \in {R^{s \times n}}_{} (Y > 0)

为产出;生产可能性集合为

P = \{(x, y)| x \geq Xλ, y \leq Yλ, λ \geq 0\}

。DMU(

x_{0}, y_{0}

)的

x_{0} = Xλ + s^{-}

;

y_{0} = Yλ - s^{+}

;

λ \geq 0

;

s^{-} \geq 0

;

s^{+} \geq 0

。

s^{-} \in R^{m}

和

s^{+} \in R^{s}

分别表示投入过多或产出过少。

基于SBM模型,构造t期至t+1期相邻参比的Malmquist指数,公式为^[11]：

（3）

\begin{array}{l} M (x^{t + 1}, y^{t + 1}; x^{t}, y^{t}) = \\ \sqrt[]{\frac{\vec{S_{c}^{t}} (x^{t + 1}, y^{t + 1})}{\vec{S_{c}^{t}} (x^{t}, y^{t})} \times \frac{\vec{S_{c}^{t + 1}} (x^{t + 1}, y^{t + 1})}{\vec{S_{c}^{t + 1}} (x^{t}, y^{t})}} = \frac{\vec{S_{c}^{t + 1}} (x^{t + 1}, y^{t + 1})}{\vec{S_{c}^{t}} (x^{t}, y^{t})} \times \sqrt[]{\frac{\vec{S_{c}^{t}} (x^{t}, y^{t})}{\vec{S_{c}^{t + 1}} (x^{t}, y^{t})} \times \frac{\vec{S_{c}^{t}} (x^{t + 1}, y^{t + 1})}{\vec{S_{c}^{t + 1}} (x^{t + 1}, y^{t + 1})}} = EC \times TC \end{array}

式中：EC和TC分别为Malmquist指数分解得到效率变化（efficiency change,EC）和技术进步（technological change,TC）。其中,效率变化为剔除了技术因素后的技术效率变化,可反映各DMU在既定技术水平下的效率变化,以此求解效率值。

3.2 社会网络分析法

社会网络分析法（Social Network Analysis, SNA）通过量化分析复杂网络中的节点联系紧密程度,可宏观展示整个网络体系的格局,亦可反映单个节点在整体网络中的位置,是契合协同作用内涵,并能对协同网络进行整体分析的有效方法之一。网络密度依据切分值划定,反映区域间协同作用的强弱或紧密程度,公式如下：

（4）

D = \sum_{i = 1} \sum_{j = 1} \frac{{d_{i}}_{j}}{n (n - 1)}

式中：D为网络密度;n为节点数量;d_ij为直接联系数量。

网络中心性（Centrality）包含点度中心度（Degree Centrality）、中介中心度（Betweenness Centrality）和接近中心度（Closeness Centrality）分析,公式如下：

（5） $\left\{ \begin{array}{*{35}{l}} {{C}_{D}}\left( {{c}_{i}} \right)=\frac{d\left( {{c}_{i}} \right)}{n-1} \\ {{C}_{B}}\left( {{c}_{i}} \right)=\frac{\overset{{}}{\mathop{\sum }}\,{{g}_{jk}}\left( {{c}_{i}} \right)/{{g}_{jk}}}{\left( n-1 \right)\left( n-2 \right)} \\ {{C}_{C}}\left( {{c}_{i}} \right)=\frac{n-1}{\mathop{\sum }_{i\ne j}d\left( {{c}_{i}},{{c}_{j}} \right)} \\ \end{array} \right.$

式中：

C_{D} (c_{i})

为点度中心度;d(c_i)为与节点i相连的节点数量;

C_{B} (c_{i})

为中介中心度;

g_{jk}

为节点j、k之间的最短路径数;

g_{jk} (c_{i})

最短路径上经过节点i的数量;

C_{C} (c_{i})

为接近中心度,

d (c_{i}, c_{j})

为节点i、j的最短距离。

3.3 动态面板模型

依据理论分析,区域经济协同网络的成因可从比较优势、经济联系以及产业分工三大方面展开讨论,将以此为理论基础构建动态面板模型。动态面板模型可对个体的动态行为进行建模,系统GMM（Generalized Method of Moments）可提高估计效率,故将协同作用滞后一期对当期协同作用的影响纳入模型,采用基于系统GMM的动态面板模型进行实证检验。工具变量为三大驱动因素的滞后变量,最大滞后阶数为2阶,使用稳健标准误。动态面板模型如下：

（6）

\ln SY N_{ijt} = α + ρ_{1} \ln SY {N_{ij}}_{, t - 1} + β_{1} \ln AD {V_{ij}}_{t} + β_{2} \ln CO {N_{ij}}_{t} + β_{3} \ln IN {D_{ij}}_{t} + γ {X_{ij}}_{t} + u_{ij} + ε_{ijt}

式中：lnSYN_ijt为被解释变量协同作用;lnSYN_ij,t_-1为被解释变量的一阶滞后项;lnADV_ijt、lnCON_ijt、lnIND_ijt分别表示核心解释变量比较优势（Advantage）、经济联系（Contact）和产业分工（Industry）;X_ijt为控制变量;u_ij为个体异质性的截距项;ε_ijt为随机扰动项。在基准模型基础上,加入交互项,并选取市场分割（lnMAR）、城市规模（lnSCA）和交通条件（lnTRA）作为控制变量,将模型调整为：

（7）

\begin{array}{l} \ln SY N_{ijt} = α + ρ_{1} \ln SY {N_{ij}}_{, t - 1} + β_{1} \ln AD {V_{ij}}_{t} + β_{2} \ln CO {N_{ij}}_{t} + β_{3} \ln IN {D_{ij}}_{t} + β_{4} \ln AD {V_{ij}}_{t} \times \ln CO {N_{i j}}_{t} + \\ β_{5} \ln AD {V_{ij}}_{t} \times \ln IN {D_{ij}}_{t} + β_{6} \ln CO {N_{ij}}_{t} \times \ln IN {D_{ij}}_{t} + γ {X_{ij}}_{t} + u_{ij} + ε_{ijt} \end{array}

3.4 变量选取与数据处理

本文研究期为2003—2017年,研究对象为285个地级及以上城市,以下均简称285个城市^①(①东部地区包括北京、天津、河北、辽宁、山东、上海、江苏、浙江、福建、广东、海南11省市的101个城市;中部地区包括山西、安徽、江西、河南、湖南、湖北、吉林、黑龙江8省市的100个城市;西部地区包括广西、重庆、四川、贵州、云南、内蒙古、陕西、甘肃、青海、宁夏、新疆11省市区的84个城市。)。限于数据可获得性,研究对象不包含西藏自治区、台湾省、香港特别行政区、澳门特别行政区。固定资本存量的测算涉及固定资产建设周期（设为3年）,以2003年为起始年份,调整为2001年不变价。效率增值模型结果由MaxDEA Ultra 8.3运行得出,包含607050个DMU。社会网络分析法结果由Ucinet 6.560运行得出,可视化处理由ArcGIS 10.7软件给出。动态面板模型的核心解释变量为lnADV、lnCON和lnIND,分别用比较劳动生产率、引力模型和克鲁格曼分工指数测度得出。控制变量lnMAR、lnSCA和lnTRA分别由价格法测度的市场分割指数、城市总人口以及城市货运总量和客运总量的标准化加权来表征。表1为模型变量和数据来源,模型结果由Stata 16.1运行得出。

Tab. 1
表1
表1变量与数据来源
Tab. 1Variables and data sources

变量	符号	测算公式	数据来源与处理
协同作用	lnSYN	$\begin{array}{l} SY N_{ij} = [(θ_{ij}^{'} - {\overset{ˉ}{θ}}_{ij}^{'}) - (θ_{i}^{'} - {\overset{ˉ}{θ}}_{n}^{'})] + \\ {_{}}_{}^{} [(θ_{ij}^{'} - {\overset{ˉ}{θ}}_{ij}^{'}) - (θ_{j}^{'} - {\overset{ˉ}{θ}}_{n}^{'})] \end{array}$	参照Liu, et al^[11],投入指标为资本投入和劳动投入,资本存量测算参照柯善咨等^[27],数据来源《中国统计年鉴》和《中国城市统计年鉴》
比较优势	lnADV	$AD V_{it} = \frac{GD P_{it} / \overset{n}{\sum_{i = 1}} GD P_{it}}{Labo r_{it} / \overset{n}{\sum_{i = 1}} Labo r_{it}}$	参照郑玉雯等^[9],劳动生产率差异可反映区域比较优势,GDP为2001年不变价,Labor为从业人数,数据来源于《中国城市统计年鉴》
经济联系	lnCON	$CO N_{ij} = K ? \frac{GD P_{i} \times GD P_{j}}{d_{ij}^{2}}$	参照倪维秋等^[26],用引力模型测度经济联系,两两城市间的距离数据来源于全国公路里程查询网站
产业分工	lnIND	$IN D_{12} = \overset{n}{\sum_{j = 1}} \|E_{1 j} / \overset{n}{\sum_{j = 1}} E_{1 j} - E_{2 j} / \overset{n}{\sum_{j = 1}} E_{2 j}\|$	数据处理参照杨汝岱^[27],样本量为《中国工业企业数据库》291.8万家制造业企业（剔除异常值后）,匹配属地得各行业的工业总产值
市场分割	lnMAR	$\| Δ Q_{ijt}^{k} \| = \| \ln (\frac{p_{it}^{k}}{p_{jt}^{k}}) - \ln (\frac{p_{it - 1}^{k}}{p_{jt - 1}^{k}}) \|$ $MA R_{ijt} = \frac{1}{n - 1} \overset{n}{\sum_{k = 1}} (\| Δ Q_{ijt}^{k} {\| - \| \overset{Q_{t}^{k}}{Δ} \|)}^{2}$	参照陆铭等^[28],p为食品、饮料及烟酒等16类商品零售价格指数,数据来源于《中国统计年鉴》
城市规模	lnSCA	用城市总人口表征城市规模,控制城市量级差异对协同作用的影响	数据来源于《中国城市统计年鉴》
交通条件	lnTRA	货运总量和客运总量等权重标准化加权,反映城市客流量和人流量,表征交通条件	数据来源于《中国城市统计年鉴》

新窗口打开|下载CSV

4 协同网络演变

4.1 协同网络密度

由公式（1）~公式（3）测得2003—2017年40470个两两城市对的协同作用强度,作为社会网络分析的基础数据。对分转化的切分值为607050（15×40470）组协同值的均值0.665,高于均值视为有效协同,低于均值视为无效协同。为防止出现封闭子环,对角线上的协同作用强度设为0,据此转换得到2003—2017年共15组285×285的对分矩阵,为协同网络数据库。进一步将协同网络拆分为东部内部、中部内部、西部内部、东中之间、东西之间及中西之间六个子协同网络,分别对应5050组东部-东部城市对协同值、4950组中部-中部城市对协同值、3486组西部-西部城市对协同值、10100组东部-中部城市对协同值、8484组东部-西部城市对协同值及8400组中部-西部城市对协同值。

2003—2017年间中国协同网络密度呈现“强-弱-强-弱-强-弱”的三周期、双缺口变动特征（图2a）。① 第一轮短周期为2003—2009年,协同网络密度由2003年的0.447,逐渐提升至2008年的0.558,再下降至2009年的0.482,减弱至接近本周期的初始密度。究其根源,2008年金融危机下全球性金融机构破产直接致使各类企业的资金链断裂,金融网络的复杂性又进一步阻断了各区域间的资本交流,随即而来的大量企业破产、裁员则切断了区域间的人员交流,协同网络紧密度下降。由于危机传染的时滞性,2009年网络密度达到第一轮波谷位置,形成了第一个缺口。② 第二轮短周期为2009—2013年,协同网络密度从2009年的0.482上升至2012年的0.544,随即下降至2013年的0.444。2013年中国经济结构发生了历史性变化,三产占比首次超过二产,亦伴随了GDP增速的逐年下降,揭示中国经济开始走入“三期叠加”的“新常态”。经济发展阶段转变与周期性影响交错使市场出现过度反应和较大扭曲,各区域、企业及行业均面临结构调整阵痛。无法适应新经济形势的协同作用降为低效甚至无效,而新的协同作用方式构建通常相对滞后,于2013年网络密度达到第二轮波谷,形成第二个缺口。③ 第三轮短周期为2013—2017年,协同网络密度从2013年的0.444上升至2015年的0.470,再下降至2017年的0.408。2015年供给侧结构性改革首次提出,由需求侧向供给侧的转变给区域经济发展带来了新的机遇和挑战。协同作用在适应阶段呈现微弱的下降趋势,并逐渐趋于平缓。本周期内,协同网络密度波动幅度较小,由强转弱趋势不如上两个短周期凸显,因而未形成新缺口,整体仍处在调整适应阶段。

图2

新窗口打开|下载原图ZIP|生成PPT
图22003—2017年中国区域经济协同网络密度演变

Fig. 2Density of China's regional economic synergetic network from 2003 to 2017

从6个子协同网络密度演变来看,整体呈现与全国协同网络密度大致相同的演变特征,大都经历了2009年和2013年两大缺口,其余年份波动方向一致,幅度稍有差异（图2b~图2g）。2003—2017年东部内部、中部内部、西部内部、东中之间、东西之间及中西之间的协同网络密度均值分别为0.601、0.445、0.348、0.556、0.533及0.392。在6个子网络中,左侧东部内部、东中之间和东西之间的网络密度明显大于右侧3个子网络,源于协同作用的区域差异,表现出明显的东向性,即高强度协同作用偏向于东部地区。东部地区内部经济活力大,外区要素吸纳力强,前者奠定了东部内部较高的协同网络密度,后者使得东部与其他地区的协同作用较强。

4.2 协同网络格局

依据协同网络密度的短周期划分,以下将展示2009年和2012年的协同格局图^②(②其他年份的格局图备索。2012—2017年间格局图基本形态类似,区别在于协同作用的强弱变化,故未列出。),分别反映缺口前后的格局演变与密度复苏（图3）。城市间协同作用强度低于全国均值视为无效协同,高于全国均值视为有效协同,并进行等区间划分：0.873~1.000为一级协同;0.745~0.873为二级协同;0.665~0.745为三级协同^③(③由于样本量较大,为提升格局图的呈现效果,不显示城市间协同作用强度较弱的三级协同样本。),同理划分各城市的协同作用总强度。鉴于研究对象数量较大,Ucinet软件的NetDraw功能难以清晰显示,亦无法匹配地理位置特征,格局图由ArcGIS进行可视化处理。

图3

新窗口打开|下载原图ZIP|生成PPT
图3中国区域经济协同网络格局演变

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4619）绘制,底图无修改。
Fig.3Spatial pattern of China's regional economic synergetic network

2003年中国区域经济协同网络呈现三区组团、多点覆盖的星型覆盖格局（图3a）。“三区”指珠三角、长三角及京津冀三大区域。珠三角的广州、深圳、佛山,长三角的上海、苏州、无锡、杭州、南京、宁波,京津冀的北京、天津、唐山等城市共同支撑起协同网络的核心辐射区,三区组团构建协同网络。“多点”主要指中西部地区多城市深度参与协同网络,接受三区组团的协同辐射,基本形成全域覆盖。其中,嘉峪关、酒泉、雅安、普洱、保山等城市勾勒出协同网络的边缘形态,与三区连结形成了近似“五角星”的星型协同网络格局。而后在金融危机的冲击下,2009年的协同网络格局发生转变,协同网络边缘模糊,网格线虚化,逐渐转为珠三角和长三角两大区域主导的双区扇形发散格局（图3b）。京津冀协同辐射能力减弱,长三角基本维持原有协同辐射能力,珠三角则新增东莞、珠海、江门、惠州、中山等新城市组团,由此形成了带有非平衡特征的双区扇形发散格局。随着区域间协同作用的逐渐恢复,2012年的协同网络格局较2009年网络形态特征更明显,双区扇形发散转变为珠三角主导的单区扇形发散格局（图3c）。从珠三角辐射至中西部地区的协同作用明显强化,颜色加深,在数量和程度上覆盖了部分长三角的辐射网络,从而使得单区扇形发散格局特征显现。随后,在新的经济发展阶段转变和周期更替中,2017年协同网络形态转变为单区主导、数点交织的多层嵌套新格局（图3d）。主导区域仍为珠三角,新增网络节点城市包括青岛、烟台、济南、淄博等,使得山东半岛城市群在协同网络中的位置逐渐显现,呈现出长三角、京津冀、山东半岛、成渝城市群等多区数点交织的特征,由此形成了多层嵌套新格局。此格局中的协同作用强度提升,线条颜色明显加深,区域间协同作用质量提升。网络嵌套的复杂性也使得协同网络更稳固,较单一形态的网络格局更易抵挡外部冲击,确保网络的稳固性。

可见,近15年来中国区域经济协同网络经历了星型覆盖格局-双区扇形发散格局-单曲扇形发散格局-多层嵌套格局的动态演变（图3）^④(④2012年协同网络密度高（图2）,但2017年协同网络格局凸显（图3）。究其根源,社会网络分析法在进行对分转化时常以均值为切分点,测度重点在于数量,不关注数值。为弥补此不足,本文依据协同数值划分和地理区划改进了网络关系的可视化处理,2012年和2017年的结果对比凸显了数量与数值的同等重要性,在揭示中国区域协同网络演变规律时缺一不可。),反映了中国区域经济发展的基本演变规律。同时,协同网络格局演变还揭示了另一重要特征：跨域性特征凸显,即协同作用并未局限于省份内部、城市群内部或三大经济区域内部,并非地理距离主导的邻近性网络,而是跨越东中西三大区域的远距离协同。原因之一在于协同网络格局的可视化处理无法避免短距离协同被远距离协同覆盖所导致的格局展示偏差。原因之二可能在于协同作用有别于地理距离影响下的经济联系或空间相互作用,而是系统论视角下的复杂概念,普遍存在于多层级子系统间。远距离区域更易具备差异化的区域资源优势,依托独特互补比较优势建立的协同网络更具稳定性,地理距离并非决定性因素,跨域性突出。

4.3 协同网络节点

三种网络中心度从不同侧面分析协同网络的节点。点度中心度以某区域与其他区域之间有效协同的数量为依据,数量越多反映该区域的协同辐射能力越强,据此将该区域命名为辐射节点。接近中心度以某区域与其他区域实现有效协同的最短路径为依据,到达所有区域的路径越短反映该区域的协同网络越发达,通达性越高,将该区域命名为通达节点。中介中心度以某区域处于其他区域之间有效协同的最短路径数量为依据,在协同网络中充当枢纽作用,帮助缺乏直接协同的区域之间搭建起间接协同的桥梁,将该区域命名为枢纽节点。

2003—2017年,中国区域经济协同网络的辐射节点主要呈现南北向梯形分布格局（图4a）。梯形西轴线为包头-深圳轴线,北起于呼包鄂榆城市群的包头、呼和浩特,向南途径晋中城市群的太原、吕梁、忻州,太原城市群的洛阳、运城,中三角城市群的襄阳、武汉、岳阳、长沙、衡阳,直至珠三角城市群的广州、佛山、东莞、中山、惠州、江门、深圳。梯形东轴线为北京-宁波轴线,北起于北京、天津、唐山,向南途径淄博、济南、济宁、青岛、烟台,直至长三角的扬州、南京、盐城、南通、无锡、苏州、常州、上海、杭州、宁波。位于两条轴线上的辐射节点为全国协同网络重要的中心城市,贯穿南北,联通东西,具备协同辐射带动大区域协同的凝聚力。协同网络的通达节点则呈现热点区模糊、冷点区凸显的分布格局（图4b）。热点区显示通达节点主要在东部沿海跳跃式分布,包含京津冀、长三角和珠三角的核心城市,节点位置尚不凸显。冷点区主要表现为绥化、固原、陇南、临沧形成的离散型东北-西南塌陷轴。枢纽节点的分布格局与辐射节点类似,但梯形特征稍有弱化（图4c）。包头-深圳西轴线的连续性相对欠缺,长江中游城市群的襄阳、武汉、岳阳、常德、长沙发挥了关键的协同枢纽作用,依托中部连通东西的地理位置成为了西轴线的中部支点,在协同网络中发挥重要作用。

图4

新窗口打开|下载原图ZIP|生成PPT
图4中国区域经济协同网络节点演变

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4619）绘制,底图无修改。
Fig. 4Nodes of China's regional economic synergetic network

表2进一步展示了协同网络中心节点城市的点度中心度、接近中心度和中介中心度,辐射节点、通达节点以及枢纽节点基本集中在东部地区。其中,深圳、广州、上海、佛山、天津、北京、青岛及苏州八个城市的网络中心度均排名前十,是全国协同网络的中心辐射区,具备通达性最强的全域性协同网络,也能在最大程度上发挥协同网络中心节点的枢纽、桥梁及中介作用。此八市均位于东部沿海,属京津冀、山东半岛城市群以及珠三角的核心城市,印证了东部沿海城市在中国协同网络中的关键位置。此外,大庆市的网络中心度稳定居于全国前列揭示了协同网络在一定程度上具有资源指向性。石油储备是大庆市有别于其他城市的排他性优势,对于石油的刚性需求使得由此搭建起的大庆与其他城市之间的协同网络具备较强的稳定性。依托独特比较优势建立起的协同网络具备较高稳定性,不易受到外界经济冲击的影响,网络中心度较高。

Tab. 2
表2
表2中国区域经济协同网络节点城市
Tab. 2Node cities of China's regional economic synergetic network

排序	点度中心度				接近中心度				中介中心度
排序	辐射节点	2003年	2017年	均值	通达节点	2003年	2017年	均值	枢纽节点	2003年	2017年	均值
1	深圳市	97.18	93.66	95.80	佛山市	24.91	32.24	25.13	深圳市	1.32	1.52	1.32
2	广州市	95.42	96.83	95.38	广州市	24.78	33.06	25.08	广州市	1.06	1.59	1.24
3	上海市	96.48	93.66	95.05	深圳市	24.89	32.72	25.05	佛山市	1.35	1.19	1.18
4	佛山市	97.54	89.09	95.00	天津市	24.72	33.06	25.04	上海市	1.31	1.37	1.11
5	天津市	94.37	96.83	92.56	上海市	24.85	32.72	25.00	东莞市	1.06	0.41	1.08
6	北京市	88.73	80.99	89.67	北京市	24.38	31.42	24.77	天津市	0.98	1.49	0.99
7	青岛市	84.51	90.85	88.92	青岛市	24.13	32.42	24.68	北京市	0.84	0.84	0.86
8	苏州市	92.25	83.10	88.54	苏州市	24.59	31.63	24.59	青岛市	0.72	1.34	0.85
9	东莞市	81.34	58.80	84.53	淄博市	24.25	31.35	24.40	苏州市	0.99	0.95	0.83
10	淄博市	86.62	80.28	84.08	唐山市	24.09	30.21	24.34	大庆市	0.81	0.55	0.73
11	唐山市	83.80	68.31	82.23	东莞市	23.95	29.37	24.28	淄博市	0.87	0.95	0.68
12	大庆市	85.56	68.31	82.00	大庆市	24.19	30.21	24.22	唐山市	0.82	0.46	0.67
13	无锡市	90.14	86.62	80.02	无锡市	24.46	31.98	24.14	无锡市	0.93	1.00	0.59
14	济南市	82.04	82.04	79.88	济南市	23.99	31.52	24.09	常州市	0.83	1.26	0.57
15	常州市	80.99	86.62	75.77	常州市	23.93	31.98	24.00	济南市	0.66	0.94	0.56
16	杭州市	90.49	72.89	75.49	宁波市	24.27	31.87	23.90	宁波市	0.83	1.08	0.53

新窗口打开|下载CSV

为进一步分析中国协同网络的区域特征,图5分别展示了东、中、西三大地区内部协同网络的节点城市^⑤(⑤分别对应5050组东-东城市对、4950组中-中城市对以及3486组西-西城市对样本,剔除了跨区域的城市对样本。)。东部地区协同网络节点城市基本与全国协同网络的节点城市一致,广州、深圳、上海、佛山、天津、北京、青岛及苏州等城市既是东部地区的协同节点城市,亦在全国协同网络中占据重要的节点位置,具备较强的协同辐射能力（图5a~图5c）。三类节点城市2003年、2017年以及2003—2017年均值的网络中心度线圈呈现趋近圆环型的稳定圈形,表明上述城市近15年网络中心度均保持稳定,佐证了东部地区在全国协同网络的中心地位。相较而言,中西部地区的协同网络稳定性较差,各节点城市的网络中心度线圈呈现明显的锯齿形,表明各节点城市的网络中心度波动较大,难以维持稳定的节点位置（图5d~图5i）。在中部地区,大庆、武汉、襄阳、长春、岳阳等城市的节点地位相对稳定。大庆主要依托其石油城市的独特资源优势稳居协同网络中心。武汉作为中部第一大城市,凭借较强的经济实力和通达的交通网络居于中部地区协同网络的中心位置,2017年网络中心度均居于中部地区首位。襄阳的节点位置受益于湖北省2003年开始实施的省域副中心城市战略,在一定程度上促进其协同网络形成^⑥(⑥2003年,国务院批准了《湖北省城镇体系规划》,明确将宜昌、襄阳定位为“省域副中心城市”,本文数据表明襄阳的协同网络建设较为突出。)。长春作为老工业基地,汽车产业优势凸显,依托汽车产业链条厂、上下游分布广的行业特性,沿产业链搭建起与其他区域的协同网络。岳阳经济总量在湖南省内仅次于长沙,且具备通江达海的区位优势。长沙与武汉作为中部地区的交通枢纽,2017的中介中心度分别排名一、二位,为中部协同网络的枢纽节点。在西部地区,呼包鄂榆城市群和成渝城市群的中心位置相对突出,但整体协同网络的稳定性更弱,各节点城市网络中心度的不规则形态较为凸显。造成该网络特征的原因之一可能为协同网络的东向性,在一定程度上冲击了西部地区内部协同网络的稳定性。

图5

新窗口打开|下载原图ZIP|生成PPT
图52003年和2017年三大地区经济协同网络节点演变

Fig. 5Nodes of the regional economic synergetic network in the three regions of China in 2003 and 2017

5 协同网络的成因分析

前文分析表明中国区域经济协同网络的东向性和跨域性特征凸显,以下采用动态面板模型从比较优势、经济联系和产业分工三方面进行实证检验,分析协同网络的成因。

5.1 面板单位根检验

本文采用LLC检验和HT检验两种方法对所有变量进行单位根检验。表3结果表明,模型变量均为零阶单整,数据平稳。

Tab. 3
表3
表3数据平稳性检验
Tab. 3Stationary test of variables

变量	样本量	LLC检验	HT检验	结论
lnSYN	445170	-190.000^***	-200.000^***	平稳
lnADV	445170	-170.000^***	-130.000^***	平稳
lnCON	445170	-85.250^***	-79.908^***	平稳
lnIND	445170	-270.000^***	-240.000^***	平稳
lnMAR	445170	-250.000^***	-610.000^***	平稳
lnSCA	445170	-340.000^***	-87.969^***	平稳
lnTRA	445170	-73.150^***	-260.000^***	平稳

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。

新窗口打开|下载CSV

5.2 Granger因果关系检验

表4结果表明,lnSYN与lnADV、lnCON、lnIND之间均存在双向Granger因果关系,证明了从三大驱动因素视角分析协同网络格局的合理性,而lnADV、lnCON、lnIND之间大都存在双向因果关系,但lnIND不是lnADV和lnCON的Granger原因,据此进一步对模型变量间的因果关系进行实证论证。

Tab. 4
表4
表4Granger因果关系检验
Tab. 4Test of Granger causality

原假设	统计量	P值	结论
lnADV不是lnSYN的Granger原因	595.746	0.000	拒绝原假设
lnSYN不是lnADV的Granger原因	223.982	0.000	拒绝原假设
lnCON不是lnSYN的Granger原因	3.907	0.048	拒绝原假设
lnSYN不是lnCON的Granger原因	728.704	0.000	拒绝原假设
lnIND不是lnSYN的Granger原因	39.158	0.000	拒绝原假设
lnSYN不是lnIND的Granger原因	118.354	0.000	拒绝原假设
lnADV不是lnCON的Granger原因	367.616	0.000	拒绝原假设
lnCON不是lnADV的Granger原因	24.753	0.000	拒绝原假设
lnADV不是lnIND的Granger原因	66.996	0.000	拒绝原假设
lnIND不是lnADV的Granger原因	0.323	0.570	接受原假设
lnCON不是lnIND的Granger原因	1292.486	0.000	拒绝原假设
lnIND不是lnCON的Granger原因	2.708	0.100	接受原假设

新窗口打开|下载CSV

5.3 动态面板模型结果分析

表5结果显示,比较优势（lnADV）、经济联系（lnCON）与产业分工（lnIND）是区域经济协同网络的驱动因素,且存在两两交互效应（lnADV×lnCON、lnADV×lnIND、lnCON×lnIND）,大都通过了显著性检验,区域经济协同网络的驱动机理得证。

（1）协同网络的东向性成因分析。从东部内部、东中之间以及东西之间三个区域样本结果来看,lnADV和lnCON以及交互项系数均显著为正,lnIND及其交互项大都通过显著性检验,揭示东部地区较强的协同作用可从其比较优势、经济联系以及产业分工体系中找到解释。东部地区依托沿海区位优势优先发展,在技术水平、管理经验及制度体系等方面形成独特比较优势。在区内自由度高、经济联系紧密的同时具有极强的外区吸引力,与外区的经济联系强度也较高,产业分工体系较完善,由此带动大范围的要素交流,形成东部地区内部以及东部与中西部地区之间高强度、高频率的协同作用。L1.lnSYN的结果表明,无论是全国还是区域样本,滞后一期协同对当期协同的作用系数均显著为正,表明协同作用具备惯性强化趋势,往期协同作用强度更高的区域更易进入协同良性循环。东部内部、东中之间以及东西之间三大区域样本的作用系数分别为0.791、0.513、0.559,高于其他样本,揭示东部地区协同作用强度不仅长期高位稳定,与中西部地区的协同作用系数较其他区域更高,还具备更强的自我累积惯性,进一步解释了协同网络东向性的成因以及持续性。

Tab. 5
表5
表5基于系统GMM估计的动态面板模型结果
Tab. 5Results of dynamic panel data model based on system GMM

变量	全国	东部内部	中部内部	西部内部	东中之间	东西之间	中西之间
L1.lnSYN	0.529^*** (46.00)	0.791^*** (55.39)	0.361^*** (18.58)	0.439^*** (22.37)	0.513^*** (25.81)	0.559^*** (26.34)	0.496^*** (28.52)
lnADV	0.051^*** (26.00)	0.030^*** (12.14)	0.026^*** (4.96)	0.046^*** (6.03)	0.059^*** (17.11)	0.034^*** (7.08)	0.082^*** (14.37)
lnCON	0.004^*** (9.69)	0.002^*** (4.37)	0.010^*** (10.33)	0.007^*** (4.55)	0.008^*** (10.56)	0.003^*** (3.39)	0.007^*** (6.64)
lnIND	-0.007^*** (-3.25)	0.010^*** (3.71)	0.015^** (2.41)	-0.042^*** (-3.98)	0.011^*** (2.68)	-0.041^*** (-6.68)	-0.044^*** (-5.92)
lnADV×lnCON	0.016^*** (33.56)	0.012^*** (14.49)	0.017^*** (13.04)	0.017^*** (9.31)	0.016^*** (17.97)	0.014^*** (15.25)	0.021^*** (16.38)
lnADV×lnIND	0.040^*** (7.26)	0.013 (1.33)	0.020^* (1.73)	0.099^*** (5.76)	0.024^** (2.41)	0.085^*** (6.13)	0.022 (1.54)
lnCON×lnIND	-0.006^*** (-9.90)	-0.012^*** (-11.39)	0.002 (1.13)	-0.014^*** (-5.53)	-0.008^*** (-5.27)	-0.013^*** (-8.39)	-0.008^*** (-4.12)
常数项	-0.267^*** (-25.18)	0.028^* (1.84)	-0.279^*** (-10.53)	-0.296^*** (-10.38)	-0.114^*** (-5.76)	-0.249^*** (-12.39)	-0.338^*** (-14.69)
样本量	404700	50500	49500	34860	101000	84840	84000
F值	7064.95	5661.63	1028.85	727.11	2214.83	3004.95	1923.44

注：^***、^**、^*分别表示1%、5%和10%的显著性水平;括号内为Z值;仅列出关键变量,其余结果备索;增减替换控制变量后核心变量的显著性和作用符号一致,表明模型结果稳健,稳健性检验结果备索。

新窗口打开|下载CSV

（2）协同网络的跨域性成因分析。协同网络并未呈现出地理邻近特征（图3）,区内协同作用强度反而弱于跨区域的远距离协同作用,同样可从比较优势、经济联系与产业分工对协同作用的驱动效应进行解释。系统论范畴下的复杂概念使得协同作用内生驱动于各区域寻求协同的主动性,而非外部地理邻近驱动下的被动协同。交通通讯网络的快速发展使得跨区域资源能实现实时再配置,地理距离并非决定因素,起决定性作用的是各区域比较优势、经济联系和产业分工的协同运转。具备独特比较优势的区域能吸引全国范围的远距离协同,利润最大化原则使得各经济主体在无法保证协同收益的情形下,不会轻易展开远距离协同。换言之,“冰山成本”的存在使得远距离协同既发生、易高效。相较而言,地理邻近使得区域内部资源争夺和重复建设的门槛远远低于远距离协同的门槛,反而在一定程度上弱化了地理邻近区域间的协同作用。远距离协同能更好地利用各区域差异化的比较优势,降低资源争夺和重复建设风险,带动远距离、长半径的区域经济联系,形成整合大区域资源优势、全域连接的高效产业分工体系,这正是协同网络呈现跨域性的原因所在。

（3）协同作用驱动效应的现实问题揭示。在各项驱动因素中,lnIND结果与预期存在差异,全国样本以及西部内部、东西之间、中西之间三大区域样本的作用系数均显著为负,仅东部内部和中部内部的作用系数显著为正,揭示中国产业分工对协同作用的影响存在区域差异。东部与中部地区的产业分工体系较西部地区更优,能通过产业分工进一步强化有效互动,提升协同作用。然而,西部地区产业结构层次较低、结构较差,呈现出低水平重复建设和同质竞争的无序互动,协同作用较弱,并进一步阻碍了lnCON×lnIND的交互效应,全国样本产业分工体系欠佳使其难以发挥正向促进效用。

6 结论与讨论

6.1 结论

通过采用效率增值模型测算中国2003—2017年285个城市两两间（即40470组城市对）的协同作用,构建中国区域经济协同网络的二维数据库,从协同网络密度、协同网络格局、协同网络节点等方面分析了协同网络演变特征和基本规律,进一步采用基于GMM的动态面板模型实证检验该网络特征的形成原因。

（1）协同网络演变分析的主要结论：① 中国协同网络密度呈现“强-弱-强-弱-强-弱”的三周期、双缺口变动特征,6个子网络密度演变特征相同,但东部内部、东中之间及东西之间3个子网络的密度显著较高,表现出高强度协同作用偏向于东部地区的东向性特征。② 协同网络经历了星型覆盖格局-双区扇形发散格局-单区扇形发散格局-多层嵌套新格局的转变,且呈现跨越东、中、西三大区域的远距离协同,跨域性特征突出。③ 全国协同网络辐射节点呈南北向梯形分布,梯形西轴线为包头-深圳轴线,梯形东轴线为北京-宁波轴线;通达节点呈现热点区东部沿海跳跃式分布、冷点区离散型东北-西南塌陷凸显的分布格局;枢纽节点中,长江中游城市群的枢纽节点位置凸显。

（2）协同网络成因分析的主要结论：① 比较优势、经济联系和产业分工及其两两交互项大都通过模型检验,表明协同网络的东向性和跨域性特征可从驱动因素中找到解释。② 东部地区先天比较优势凸显,具有极强的外区吸引力,产业分工体系完善,带动形成大范围、高强度、高频率的东向性协同作用。③ 远距离协同通过提高距离门槛降低区域资源争夺和重复建设风险,带动远距离、长半径的区域经济联系,形成全域连接的高效产业分工体系,使得协同网络呈现跨域性特征。

6.2 讨论

（1）完善中国区域经济协同网络的建议：① 当前多层级嵌套协同网络揭示了珠三角、长三角及京津冀等地区的网络中心位置以及广大腹地的协同联动,建议实施全域协同推进战略,强化多层级嵌套协同网络的稳定性。② 中西部地区的协同作用较弱源于内部要素的无序运转,可依托东部地区既有协同辐射力和远距离协同的空间特征搭建东部与中西部地区之间的协同廊道。③ 中西部地区偏离比较优势的产业体系是导致协同网络欠缺稳定性的根源所在,应盯住协同网络的中西部堵点,优化全域连接的整体产业分工体系。

（2）区域经济协同网络的后续研究讨论：① 本文尝试从二维数据层面进行全域协同网络的宏观分析,在此基础上,后续研究可尝试特定区域的针对性深入分析,如京津冀协同网络和粤港澳大湾区协同网络。② 本文尝试提炼三大主要驱动因素以分析协同网络的成因,后续研究还可尝试驱动因素的深化拓展研究,进行多重视角的拓展研究,或者更细维度的深入研究。③ 受限于测度模型的可操作性,效率增值模型仅可测度单一系统的二维协同作用,后续研究可尝试进行测度模型的完善,使之能同时测度多区域和多系统之间的协同作用,拓展评价指标的广度与深度。

致谢:

诚挚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对于文章的逻辑框架、模型适用性、计量模型设定与指标选取等方面的修改意见,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Haken

. Synergetics: An Introduction
New York: Springer-Verlag, 1983: 120-127.

[本文引用: 3]

[2]

Corning P

. Systems theory and the role of synergy in the evolution of living systems
Systems Research and Behavioral Science, 2014,31(2):181-196.

DOI:10.1002/sres.2191 URL [本文引用: 1]

Living systems theory and other theory and research in the systems sciences and complexity science has illuminated many aspects of how living systems work-their mechanisms, processes and relationships. The Synergism Hypothesis, originally proposed in 1983, addresses the evolution of cooperative phenomena in nature and why there has been a secular trend over time toward increased complexity in living systems. This theory highlights the role of functional synergy-adaptively significant combined effects that are interdependent and otherwise unattainable-in shaping the 'progressive' emergence of complex living systems. This approach is entirely consistent with modern evolutionary biology and natural selection theory and is thus radically opposed to various orthogenetic/deterministic theories of complexity that have been proposed over the years. The Synergism Hypothesis has recently gained scientific support, and there is growing appreciation for the role of various kinds of synergy as an influence in the evolutionary process. Copyright (c) 2013 John Wiley & Sons, Ltd.

[3]

Meijers

. Polycentric urban regions and the quest for synergy: Is a network of cities more than the sum of the parts?
Urban Studies, 2005,42(4):765-781

DOI:10.1080/00420980500060384 URL [本文引用: 2]

[4]

李琳. 区域经济协同发展: 动态评估、驱动机制及模式选择
北京: 社会科学文献出版社, 2016: 27-31.

[本文引用: 2]

[ Li

Lin

. Regional Economy Synergetic Development: Dynamic Evaluation, Driving Mechanism and Mode Selection
Beijing: Social Sciences Academic Press, 2016: 27-31.]

[本文引用: 2]

[5]

孙虎, 乔标. 京津冀产业协同发展的问题与建议
中国软科学, 2015, (7):68-74.

[本文引用: 1]

[ Sun

, Qiao

Biao

. Study on problems in Beijing, Tianjin and Hebei coordinated industrial development and recommendation
China Soft Science, 2015, (7):68-74.]

[本文引用: 1]

[6]

李琳, 刘莹. 区域经济协同发展的驱动机制探析
当代经济研究, 2015, (5):67-73.

[本文引用: 2]

[ Li

Lin

, Liu

Ying

. Analysis on the driving mechanism of regional economic synergetic development
Contemporary Economic Research, 2015, (5):67-73.]

[本文引用: 2]

[7]

魏丽华. 论城市群经济联系对区域协同发展的影响: 基于京津冀与沪苏浙的比较
地理科学, 2018,38(4):575-579.

DOI:10.13249/j.cnki.sgs.2018.04.011 URL [本文引用: 1]

区域协同发展的过程,本质是经济领域相互作用,城市群经济联系不断增强的过程。从经济联系的视角通过对京津冀城市群与长三角地区沪苏浙城市群的对比分析发现,无论是从经济发展的梯次结构还是与中心城市的经济联系,沪苏浙地区都优越于京津冀。立足现实,深化对这一问题的思考,借助雄安新区的规划与建设,就改变京津冀城市群中北京“一城独大”式的发展模式以及带来的一系列负效应,构筑梯次良好、经济互通密切的城市空间布局提出对策建议。

[ Wei

Lihua

. Influence of urban agglomeration economic cooperation on regional coordinated development: Based on comparison between Beijing-Tianjin-Hebei and Shanghai-Jiangsu- Zhejiang
Scientia Geographica Sinica, 2018,38(4):575-579.]

[本文引用: 1]

[8]

李琳, 刘莹. 中国区域经济协同发展的驱动因素: 基于哈肯模型的分阶段实证研究
地理研究, 2014,33(9):1603-1616.

DOI:10.11821/dlyj201409002 URL [本文引用: 2]

RCA)、区域经济联系(RER)和区域产业分工(RID)三个方面解析了区域经济协同发展的驱动因素;运用协同学中的哈肯模型对1992-2001年、2002-2011年20年间中国29省市经济协同发展驱动因素进行分阶段序参量识别,结果表明：中国区域经济协同发展的序参量由1992-2001年的RCA转变为2002-2011年的RCA和RID,表明中国进入协同发展新阶段;后10年（2002-2011年）与前10年（1992-2001年）相比,呈现出以下特征：市场分割程度降低,协同发展环境得到优化;区域经济协同发展从初级阶段跃升至中级阶段;中西部地区后发优势逐步显现,三大地区梯级差异缩小。]]>

[ Li

Lin

, Liu

Ying

. The driving forces of regional economic synergistic development in China: Empirical study by stages based on Haken model
Geographical Research, 2014,33(9):1603-1616.]

[本文引用: 2]

[9]

郑玉雯, 薛伟贤. 丝绸之路经济带沿线国家协同发展的驱动因素: 基于哈肯模型的分阶段研究
中国软科学, 2019, (2):78-92.

[本文引用: 5]

[ Zheng

Yuwen

, Xue

Weixian

. The driving forces of regional synergistic development in the Silk Road Economic Belt: Empirical study by stages based on Haken model
China Soft Science, 2019, (2):78-92.]

[本文引用: 5]

[10]

国务院发展研究中心发展战略和区域经济研究部. 协同: 促进区域经济增长的新路径
北京: 中国发展出版社, 2017: 10-30.

[本文引用: 1]

[ Development Strategy and Regional Economic Research Department of the Development Research Center of China's State Council. Synergy: A New Pathway to Promote Regional Economic Growth
Beijing: China Development Press, 2017: 10-30.]

[本文引用: 1]

[11]

Liu

Ying

, Li

Lin

, Zheng

Tengfei

. Regional synergy and economic growth: Evidence from total effect and regional effect in China
International Regional Science Review, 2019,42(5-6):431-458.

DOI:10.1177/0160017619838317 URL [本文引用: 5]

[12]

方创琳. 京津冀城市群协同发展的理论基础与规律性分析
地理科学进展, 2017,36(1):15-24.

DOI:10.18306/dlkxjz.2017.01.002 URL [本文引用: 1]

推动京津冀城市群协同发展既是一项国家重大战略,又是一个复杂的长期博弈过程,需要遵循科学理论,尊重科学规律,推动京津冀城市群实现共同繁荣昌盛、共享蓝天白云、共担发展风险、共建世界都会的战略目标。本文从理论上提出了京津冀城市群协同发展的科学理论基础与科学规律。认为推进京津冀城市群协同发展应以协同论、博弈论、耗散结构理论和突变论作为科学理论基础,其中协同论为核心理论。京津冀城市群的协同发展过程是一个博弈、协同、突变、再博弈、再协同、再突变的非线性螺旋式上升过程,每一次博弈—协同—突变过程,都将城市群的协同发展推向更高级协同阶段,并呈现出阶段性规律。具体包括协助阶段、协作阶段、协调阶段、协合阶段、协同阶段、协振阶段、一体化阶段和同城化阶段共8大阶段。进一步分析认为,京津冀城市群协同发展的真正内涵是推动城市群实现规划协同、交通协同、产业协同、城乡协同、市场协同、科技协同、金融协同、信息协同、生态协同和环境协同,建设协同发展共同体。本文成果旨在为京津冀协同发展提供科学基础和理论依据。

[ Fang

Chuanglin

. Theoretical foundation and patterns of coordinated development of the Beijing-Tianjin-Hebei Urban Agglomeration
Progress in Geography, 2017,36(1):15-24.]

[本文引用: 1]

[13]

周密, 孙哲. 京津冀区域吸收能力的测算和空间协同研究
经济地理, 2016,36(8):31-39.

[本文引用: 1]

[ Zhou

, Sun

Zhe

. Study on the measurement and spatial coordination of the regional absorptive capacities in Beijing-Tianjin-Hebei
Economic Geography, 2016,36(8):31-39.]

[本文引用: 1]

[14]

刘秀杰, 万成伟, 叶裕民. 京津冀协同发展的制度困境与对策建议: 以通州与北三县协同发展为例
城市发展研究, 2019,26(11):5-10.

[本文引用: 1]

[ Liu

Xiujie

, Wan

Chengwei

, Ye

Yumin

. The institutional dilemma and countermeasures for the coordinated development of Beijing, Tianjin and Hebei: A case study of the coordinated development of Tongzhou district and three northern countries of Langfang
Urban Development Studies, 2019,26(11):5-10.]

[本文引用: 1]

[15]

Zheng

Defeng

, Zhang

, Zang

Zheng

, et al. The driving forces and synergistic effect between regional economic growth, resources and the environment in the Yangtze River Economic Zone
Journal of Resources and Ecology, 2014,5(3):203-210.

DOI:10.5814/j.issn.1674-764x.2014.03.002 URL [本文引用: 1]

From the viewpoints of population, resources, environment and economic-social development, we establish the models of accounting for resource and environmental costs and coordinated (or relative coordinated) development degrees between economic growth and resources and the environment using the evaluation method of ecosystem service value. Synergistic effects between regional economic growth and resources and the environment in the Yangtze River Economic Zone was analyzed and driving forces were analyzed by regression of partial least squares. We found that from 1983 to 2012, resource and environmental costs in the Yangtze River Economic Zone (including seven provinces and two municipalities) increased from 4736.55 trillion CNY to 15 359.45 trillion CNY and corresponding weights dropped from 31.1% to 19.7% compared to the national level. The degree of coordinated development rose from 0.295 to 1.506, higher than the national average. In the years 1983, 1993 and 2003, the main factor that drove the coordinated development of regional economic growth, resources and the environment was low level resource and environmental costs. With continuous increases in primary and tertiary industrial added values after 2012, the advantage of the Yangtze River Economic Zone has weakened. In the future, provinces should improve the rules and regulations on planning and implementing main functional areas, promote adjustment of industrial structure, restore ecology, improve resource utilization efficiency and reduce environmental loss costs to enhance quality of economic development and promote the coordinated development of regional economic growth and resources and the environment.

[16]

张建华, 何宇, 陈珍珍. 长江经济带城市协同发展水平测度
城市问题, 2019, (3):60-66.

[本文引用: 1]

[ Zhang

Jianhua

, He

, Chen

Zhenzhen

. Measurement of coordinative development level of Changjiang Economic Zone
Urban Problems, 2019, (3):60-66.]

[本文引用: 1]

[17]

张欢, 汤尚颖, 耿志润. 长三角城市群宜业与生态宜居融合协同发展水平、动态轨迹及其收敛性
数量经济技术经济研究, 2019,36(2):3-23.

[本文引用: 1]

[ Zhang

Huan

, Tang

Shangying

, Geng

Zhirun

. Synergy development level, dynamic trajectory and convergence between work adaptability and ecological livability of Yangtze River Delta urban agglomeration
The Journal of Quantitative & Technical Economics, 2019,36(2):3-23.]

[本文引用: 1]

[18]

周春山, 邓鸿鹄, 史晨怡. 粤港澳大湾区协同发展特征及机制
规划师, 2018,34(4):5-12.

[本文引用: 1]

[ Zhou

Chunshan

, Deng

Honghu

, Shi

Chenyi

. A study on synergic development of Guangdong-Hong Kong-Macau Greater Bay Area
Planners, 2018,34(4):5-12.]

[本文引用: 1]

[19]

吴志才, 张凌媛, 黄诗卉. 粤港澳大湾区旅游经济联系的空间结构及协同合作模式
地理研究, 2020,39(6):1370-1385.

[本文引用: 1]

[ Wu

Zhicai

, Zhang

Lingyuan

, Huang

Shihui

. Spatial structure and characteristics of tourism economic connections in Guangdong-Hong Kong-Macao Greater Bay Area
Geographical Research, 2020,39(6):1370-1385.]

[本文引用: 1]

[20]

Fan

Yupeng

, Fang

Chuanglin

. Research on the synergy of urban system operation: Based on the perspective of urban metabolism
Science of the Total Environment, 2019,662(4):446-454.

DOI:10.1016/j.scitotenv.2019.01.252 URL [本文引用: 1]

[21]

Matahir

, Tuyon

. The dynamic synergies between agriculture output and economic growth in Malaysia
International Journal of Economics and Finance, 2013,5(4):61-70.

[本文引用: 1]

[22]

Rivera M

. The synergies between human development, economic growth, and tourism within a developing country: An empirical model for Ecuador
Journal of Destination Marketing & Management, 2017,6(3):221-232.

[本文引用: 1]

[23]

李国梁, 高建华, 刘丙章. 基于协同学的航空港经济区与区域协同发展研究: 以郑州航空港经济综合实验区与河南省为例
人文地理, 2018,33(1):115-123.

[本文引用: 1]

[ Li

Guoliang

, Gao

Jianhua

, Liu

Bingzhang

. Study on synergetic development of airport economy zone and region based on Synergetics: The case of Zhengzhou airport economy zone and Henan province
Human Geography, 2018,33(1):115-123.]

[本文引用: 1]

[24]

戢晓峰, 谢世坤. 基于SEM的云南省URTT复合系统耦合协调机制研究
经济地理, 2019,39(6):46-57.

[本文引用: 1]

[ Ji

Xiaofeng

, Xie

Shikun

. Coupling mechanism of URTT composite system in Yunnan province based on structural equation model
Economic Geography, 2019,39(6):46-57.]

[本文引用: 1]

[25]

柯善咨, 向娟. 1996—2009年中国城市固定资本存量估算
统计研究, 2012,29(7):19-24.

[ Ke

Shanzi

, Xiang

Juan

. Estimation of the fixed capital stocks in Chinese cities for 1996-2009
Statistical Research, 2012,29(7):19-24.]

[26]

倪维秋, 廖茂林. 高速铁路对中国省会城市旅游经济联系的空间影响
中国人口·资源与环境, 2018,28(3):160-168.

[本文引用: 1]

[ Ni

Weiqiu

, Liao

Maolin

. Spatial influence of high-speed rails on the tourism economic connection of provincial cities in China
China Population, Resources and Environment, 2018,28(3):160-168.]

[本文引用: 1]

[27]

杨汝岱. 中国制造业企业全要素生产率研究
经济研究, 2015,50(2):61-74.

[本文引用: 2]

[ Yang

Rudai

. Study on the total factor productivity of Chinese manufacturing enterprises
Economic Research, 2015,50(2):61-74.]

[本文引用: 2]

[28]

陆铭, 陈钊. 分割市场的经济增长: 为什么经济开放可能加剧地方保护?
经济研究, 2009,44(3):42-52.

[本文引用: 1]

[ Lu

Ming

, Chen

Zhao

. Fragmented growth: Why economic opening may worsen domestic market segmentation?
Economic Research, 2009,44(3):42-52.]

[本文引用: 1]