大湄公河次区域城市群空间经济联系分析

摘要：以大湄公河次区域（GMS）47个城市为研究对象，运用社会网络分析和Multilevel p2模型方法，分析GMS城市群空间经济联系结构、程度及影响因素。结果表明，目前GMS城市群空间经济联系呈“核心-边缘”分布的三级圈层结构，各层级之间经济发展差异较大，空间经济联系程度比较松散。同时，GMS城市群空间经济联系程度还受单个城市经济、资源集聚效应的影响，而城市间要素的扩散效应影响尚不显着。随着各成员国经济发展速度加快，GMS城市群空间经济网络正迅速形成与拓展，中心城市的增加与城市之间相互建立新的经济联系将显着增强该次区域空间经济关联度，未来强化产业支撑、拓展通道建设、完善合作机制是加深GMS城市空间经济联系的发展方向。

关键词：城市群；经济联系；社会网络分析；Multilevel p2模型；大湄公河次区域

dedecms.com

0 引言内容来自dedecms

大湄公河次区域（Great Mekong Subregion，GMS）经济合作机制自创立至今已经历20多年的发展，各成员国在贸易、投资、交通、能源及环境等领域展开了广泛而深入的合作。据东盟数据库统计，2014年，GMS各成员国间相互贸易总额1654.5亿美元，年均增幅8.16％，相互投资总额20.9亿美元，年均增幅15.22％。随着GMS内产品流、资金流输送速度的加快，以及交通、能源、信息等基础设施的逐步连接，促使GMS内部城市间形成了不同程度的空间经济联系。分析GMS城市群空间经济网络的发展，对深化GMS合作机制、推进中南半岛国际经济走廊建设有重要意义。

dedecms.com

现有城市群空间经济联系的文献主要研究城市群空间经济层级结构以及影响不同层级城市之间相互经济联系程度的因素。增长极理论强调了城市群内中心城市的极化与扩散效应；点轴理论指出交通、信息等基础设施对极化和扩散效应的重要作用[1]；中心地理论认为城市群空间经济联系呈现正六边形结构，而市场规模、交通条件与行政关系因素影响城市群间的经济联系；核心-边缘理论则认为城市群间的经济联系结构分为核心区—上过渡区—下过渡区3个空间层级，而经济、技术、资金、要素等差异决定了不同层级之间的经济联系程度；倒“U”型理论提出城市群间空间经济联系发展呈现初期集中式极化、中后期异质性下降的变化趋势。国内多数学者探讨了我国长三角城市群[2]、长江中游城市群[3]、珠三角城市群[4]及京津冀城市群[5]的空间经济联系形态、程度及影响因素。对于城市群空间经济联系的实证方法，部分学者采用社会网络分析方法研究城市群的空间结构；另一些学者运用空间流、空间句法、欧氏距离计算[6]等方法分析城市群间空间经济联系的影响因素。对于GMS城市群的研究，宋伟轩等采用社会与空间统一体理论分析GMS城市模式，认为GMS城市存在城市化发展缓慢、首位城市极化严重、区域城市发展失衡等问题[7]。宋涛等探讨了GMS地区的合作制度安排，认为依托交通和能源共建项目是深化GMS地区经济联系的重要实践载体[8]。

本研究以新一轮开放战略布局区域GMS地区为对象，为弥补现有GMS城市群研究存在的城市选择不足、分析方法单一等缺陷，考虑政策、交通及区位因素，选取47个GMS城市，综合运用社会网络分析和Multilevel p2模型，分析GMS城市群空间经济结构及其影响因素，并提出进一步深化GMS城市群空间经济联系的建议。

织梦好，好织梦

1 GMS城市群空间经济结构分析本文来自织梦

1.1 GMS城市群选取 copyright dedecms

考虑政策合作规划、交通基础设施及边境口岸分布3个方面的因素选出47个GMS城市作为研究对象（表1）。首先，在选择GMS城市群的过程中综合考虑“一带一路”、孟中印缅经济走廊、《大湄公河次区域经济合作新十年（2012—2022）战略框架》等政策合作规划所涵盖的29个GMS城市；其次，选取泛亚铁路沿线的13个GMS城市；最后，选取云南和广西与境外GMS国家建立的一类和二类口岸分布所涵盖的5个GMS城市。内容来自dedecms

1.2 社会网络分析内容来自dedecms

首先，在王欣等测算城市间经济联系所建立的引力模型基础上[9]，增加考虑GMS城市群中各城市面积因素对空间经济联系的影响，建立如下修正引力模型：织梦好，好织梦

本文来自织梦

式中：Fij是GMS城市群中i城市与j城市的空间经济联系强度；Si，Sj分别为GMS城市i，j的建成区面积；Pi，Pj分别为GMS城市i，j的人口数；Gi，Gj分别为GMS城市i，j的GDP；Mij为GMS城市i和j的最短公路里程。织梦内容管理系统

其次，为突出重要城市的作用，防止微弱经济关系对整体关联性的影响，建立如下函数表达式对测算出的GMS城市群空间经济联系强度进行处理：内容来自dedecms

本文来自织梦

式中：ωi代表GMS城市群中城市i的经济联系强度；B代表“阀值”，是通过将各行（列）GMS城市经济联系强度排序后，由明显变化的“拐点”值得出。 copyright dedecms

最后，运用UCINET软件计算GMS城市群空间经济联系网络的密度、度数中心度及中间中心度指标以反映关联网络的层级结构（表1）。 dedecms.com

1.3 结果分析 dedecms.com

GMS城市群空间格局星近似同心圈层结构，各圈层城一了的等级分布符合核心-边缘理论。1、核心区度数中心度由高至低的城市分别是曼谷、南宁市、河内市和昆明市，它们凭借有利的区位优势和经济地位，2014年GDP占GMS城市群比重高达41，35％。基于经济的支撑，GMS城市群核心区对劳动力、资金的集聚力较强，2014年核心区平均人口分别高于其他两个区362万，510万人；平均吸引外资分别多于其他两个区3.3亿，7.3亿美元。2、GMS城市群上过渡区11个城市既包含GMS各成员国的次级中心城市，也包括沿海沿河分布的一些港口城市。与下过渡区相比，上过渡区内城市距离核心区里程数平均短180km。因此，该区内城市有更多机会与核心区建立经济联系，2014年上过渡区城市GDP占比31.42％。3、GMS城市群下过渡区涵盖的32个城市主要特点是：一部分城市位于边境，离核心区较远；另一部分城市虽旅游、生态资源丰富、经济有一定发展潜力，但离核心区距离远，接受带动作用有限。受地域因素限制，下过渡区GDP占比只有27.23％，获得GMS城市群内其他圈层的劳动力、资金等要素扩散作用较弱。

dedecms.com

GMS城市群3个圈层之间经济联系紧密度较低，结构松散。2014年GMS城市群空间经济联系网络密度为0.29，反映出空间经济网络结构松散。进一步看，上过渡区内城市与GMS城市群内其他城市平均经济联系数目比例较核心区内城市低17.65％，而下过渡区较上过渡区内城市又低2211％，表明伴随着圈层范围的向外扩展，GMS城市群之间空间经济联系强度呈现加速下降趋势。此外，就各圈层内GMS城市中间中心度指标分析，2014年核心区内城市曼谷中间中心度最高，表明在GMS城市群中曼谷发挥经济联系“中介”作用较大，较多的GMS城市通过曼谷建立空间经济联系。但是，除曼谷外其他46个GMS城市中间中心度均较低，具体看，核心区内南宁、河内和昆明中间中心度与曼谷差距较大；上过渡区与下过渡区中间中心度均值分别仅有2.52，0.39，进一步反映出当前GMS城市群经济联系形式较为单调、孤立，空间经济关联度较低。本文来自织梦

2 GMS城市群空间经济联系影响分析

织梦好，好织梦

2.1 Muitilevel p2模型织梦好，好织梦

Multilevel p2模型源于指数随机图模型，它既能分析独立固定效应对象，也能分析非独立随机效应对象。借鉴B.J.H.Zijlstra等建立的Multilevel p2模型函数，选取GMS城市i对j的空间经济联系强度（pij）的对数形式作为被解释变量，反映GMS城市群空间经济网络联系紧密度；选取GMS城市群内不同城市GDP（G）、劳动人口（L）、外商直接投资额（F）之间的差值反映网络中多个城市之间的相互作用对整体网络联系紧密度的影响；选取滞后t期的GMS城市i对j的空间经济联系强度（pij（-t））与城市j对i的空间经济联系强度（pji），反映多个城市之间经济联系强度网络空间分布和区域结构变动对整体网络联系强度的影响；选取GMS城市群内各城市的人均GDP（A）反映单个城市经济发展水平对整体网络联系程度的作用；刘小龙等认为旅游资源是体现GMS资源禀赋比较优势的重要资源[10]，故选取GMS单个城市的旅游资源（T）反映资源禀赋的差异对整体网络联系程度的作用。回归模型如下：

dedecms.com

式中：α，β，γ1，γ2，γ3，γ4，ρ，c1，c2为模型参数；ε，μ为随机扰动项。

上述模型中劳动人口指标采用15～64岁人口数表示；旅游资源指标是虚拟变量指标，没有独特的旅游资源（同质）赋值0，否则（异质）赋值1；pij，pij（-t），pji指标分别表示2014，2005年经过“阀值”处理后的度矩阵。织梦内容管理系统

2.2 结果分析 copyright dedecms

运用StOCNET软件对回归模型进行估计，各解释变量前参数估计值、显着性水平及模型整体检验结果见表2。整体检验结果显示：主体方差和受体方差标准误均较小，表明样本统计量与总体参数值较为接近，模型整体统计推断有效，估计所得参数具有解释力。本文来自织梦

GMS城市之间GDP、劳动力和外商直接投资差异变量的参数估计值均不显着，表明GMS 47个城市间经济水平以及劳动力、资金要素的流动并不影响GMS城市之间空间经济联系程度。就经济发展水平而言，GMS各成员国均属于发展中国家，整体经济规模偏低，局部经济相互“溢出”效应较弱。从要素角度分析，由于GMS城市群中劳动力要素存在成本较低、素质不高等同质特征，因此，劳动力城市间的流动对经济联系影响较小；资金要素大多来自于GMS城市群空间经济网络以外的其他经济体，2012—2014年GMS各成员国之间外商直接投资占总投资的平均比重不足15％。 copyright dedecms

本文来自织梦

2005年GMS城市群空间经济联系强度变量的参数估计值较为显着，表明GMS城市群当期的空间经济联系强度受滞后期空间经济网络规模与结构的影响较大，反映出GMS城市群经济联系网络空间规模与结构处于丰富与形成阶段。GMS城市之间经济联系强度方向变量的参数估计值也显着，表明GMS城市群中某两个城市空间经济网络结构由单向转变为双向联系，也将在一定程度上增强GMS城市群空间经济联系的紧密度。 dedecms.com

从GMS城市群中单个城市经济差异影响因素看，人均GDP变量参数为显着正相关，表明GMS城市群空间经济联系网络上单个城市节点经济实力的增强有利于带动整个空间网络经济的联系。从单个城市资源禀赋差异影响因素看，旅游资源异质性虚拟变量参数估计值为显着正相关，说明GMS城市群内拥有旅游资源桌赋比较优势的城市间建立空间经济联系数目越多，GMS城市群空间经济联系越紧密。本文来自织梦

3 结论与建议织梦好，好织梦

3.1 结论

GMS城市群各层级经济发展差距较大，区域增长不平衡，城市间联系网络密度低、结构松散，城市群空间经济联系呈现初期的特征。由于GMS城市群经济联系主要取决于城市间经济联系网络的扩展以及单个城市经济、资源的集聚效应，经济、要素的扩散效应不显着，增长极理论表明该阶段位于城市群空间联系的初期。GMS城市群空间经济联系目前处于初期发展阶段。

织梦内容管理系统

3.2 建议内容来自dedecms

首先，当前GMS城市群空间经济联系网络发展进程中单个城市的“极化效应”有助于区域内经济联系的增强，因此，应发挥GMS地区劳动力成本相对较低以及农业、能源等资源丰富的优势，培育农产品加工、纺织服装、金属制品等制造产业，同时发展旅游等服务性产业，以城市群内产业体系的逐步形成带动各城市经济水平、要素和资源集聚能力的提升。其次，鉴于GMS城市群空间经济联系网络结构松散，应进一步发挥GMS合作机制，逐步加强GMS城市群间经济联系的紧密度。再次，完善并拓展交通基础设施通道建设，为网络中尚未产生经济联系的区域城市创造条件。最后，GMS合作机制应关注微观层面城市间的合作，积极促进具有互补性的城市之间签订双边合作协议，发挥双方的互惠性，以增强城市群网络空间经济的联系。织梦好，好织梦

参考文献： copyright dedecms

[1]陆大道.关丁“点-轴”空间结构系统的形成机理分析[J].地理科学，2002，22（1）：1-6 本文来自织梦

[2]李娜.长三角城市群空间联系与整合[J].地域研究与开发，2011，30（5）：72-77.

织梦内容管理系统

[3]秦尊文，汤鹏飞.长江中游城市群经济联系分析[J].湖北社会科学，2013，32（10）：52-56

[4]张建营，毛艳华.珠二角城市群经济空间联系实证分析[J].城市问题，2012，17（10）：2-8.

本文来自织梦

[5]刘建朝，高素英.基于城市联系强度与城市流的京津冀城市群空间联系研究[J].地域研究与开发，2013，32（2）：57-61. 本文来自织梦

[6]张怀志，武友德，王源吕，等.滇中城市群空间经济联系与地缘经济关系匹配研究[J].地域研究与开发，2014，35（2）：16-19. 本文来自织梦

[7]宋伟轩，朱喜钢.大湄公河次区域城市空间结构特征与成因[J].经济地理，2010，30（1）：53-58.

本文来自织梦

[9]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，2006，13（3）：55-59. dedecms.com

[10]刘小龙，刘杰豪，李庆雷.大湄公河次区域旅游合作的进展、困难与前景[J].当代亚太，2007，26（6）：46-49. 本文来自织梦

【打印此页 | 关闭窗口】

派智库

区域综合

今日推荐

热点排行

焦点话题

大湄公河次区域城市群空间经济联系分析

推荐阅读