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

1、长三角区域经济一体化长三角区域经济一体化水平水平的测度：以关系型大数据为基础的测度：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

2、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. 1. 引言引言 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 水平 1-6

3、。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、 商品流中心的角色 7。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 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 8。 S.Sass

4、en （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 界和区域城市网络 9-11。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 进展 12。 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 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 13。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

5、。R.G.Smith 等（1995）曾经列举出 12 种关系 型数据，但是由于无法获取数据，被称为“期望的名单” 14。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 域和城市问题，取得了一定成果 15-17。 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 418-20。通 过梳

6、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的相互关系。 随着信息技术的发展，基于大数据的研究开始兴起，一些新的数据类型、获取方式和分 析方法开始不断涌现，这为研究区域问题提供了新的视角、数据和方法。笔者拟借鉴国内外 最新研究成果，以“关系型大数据” （Relational

7、Big Data）为基础，选取合适的数据和方 法，对区域经济一体化水平进行测度。本文接下来分为三个部分，首先提出研究思路、分析 方法和数据来源，然后选取长三角地区作为研究对象，对其区域经济一体化水平进行测度， 最后在此基础上进行讨论并得出结论。需要指出的是，区域经济一体化通常包括两个层面， 其一是国际上某一地区内国家间的经济一体化，例如亚太地区、北美地区；其二是某一国家 内特定地区的经济一体化，例如中国的珠三角地区、京津冀地区。本研究所关注的是第二个 层面的区域经济一体化。在研究地域方面，以长三角地区 30 个城市作为研究的空间范围 ， 以地级及以上城市为空间单元，测度区域经济一体化水平。 2

8、. 2. 研究思路研究思路、方法与数据、方法与数据 2.1 2.1 研究思路研究思路 要运用关系型大数据测度区域经济一体化水平， 必须首先对区域经济一体化的内涵进行 解析，然后寻找合适的指标予以表征。 “合适的指标”应当符合两个标准，一是能够表征区 域经济一体化的内涵，二是能够通过公开渠道获取，便于进行后续研究。 荷兰经济学家 J.Tinbergen（1951）在最早提出经济一体化的概念时就指出，经济一体 化是将阻碍经济最有效运动的人为因素加以消除，已实现商品、资金、人员等生产要素的流 动，促进区域内的相互协作 21。B.Balassa（1973）提出，一体化过程既是一种过程，又是 一种状态，

9、经济一体化就是指各类生产要素的活动不受政府的经济限制 22。孟庆民（2001） 等学者 23-28等也都提出了类似观点。因此，区域经济一体化的内涵可以概括为各类生产要素 在区域内的自由流动，体现为商品、资金、信息和人员等生产要素的流动。寻找合适的数据 表征这些生产要素的城际流动成为本研究的切入点。 根据 J.V.Beaverstock 等的研究成果 15-17， 表征区域内城市间关系型大数据可以分为三 类：基础设施、节点和枢纽法、精英空间，分别对应 M.Castells 的流动空间的三个层次（表 1） 。 第一类数据运用表征城市间交通流的客运、 货运数据和表征信息流的电信数据来测度城 市网络，

10、常见于早期研究；第二类数据对应于节点和枢纽的空间层次，运用公司组织、间接 信息（新闻与信息流、商务流） 、商品链等方法来测度城市网络，是目前主流的分析数据； 第三类数据对应于精英空间，通过精英劳动力的空间分布和流动表征城市网络的特征。 在这三种数据类型中， 第一类数据的交通流体现了城市间的人员流动， 其优点是海量数 据相对易于获得，缺点是无法区分商务与旅游客流、无法统计上座率等，常用作辅助分析手 段。电信流体现了城市间的信息流动，但是由于数据难以获得而无法推广使用。第三类数据 局限性明显，缺点包括样本数量受限、精英空间的作用受质疑等。第二类数据由于兼顾了指 标的代表性和数据的可获得性，是目前研

11、究成果最为丰富的数据源。这其中，新闻和信息流 数据能够间接反映城市间的信息联系， 以其大样本量和时效性的优点， 近年来开始逐步受到 学界的重视。商务信息流和商品链数据则受到问卷反馈低、样本数量过少的困扰，不能得到 广泛应用。 值得关注的是， 高端生产性服务业企业和全行业企业的组织分支数据是应用最为 广泛的关系型大数据。国内外研究显示，企业是区域经济活动的“代理人” ，众多企业的区 位战略，界定了城市之间的关联网络 911-1229-33。企业通过直接（设立分支机构）和间接（企 业间贸易）的方式，将区域内各类生产要素整合在一起，在城市之间建立经济联系，进而形 成区域经济格局。因此，众多企业形成的

12、关联网络，促成了各类生产要素的区域内流动，进 而推动了区域经济一体化进程。 企业间的贸易数据往往由于商业机密难以获得。 相比较而言， 企业的分支机构数据更易于获得， 由于企业分支机构之间存在着持续的联系， 这其中既包括 资金联系、商品联系，也包括信息和人员联系，因此企业分支数据能够在相当程度上代表区 域内商品、资金、信息和人员的流动。而且随着信息技术的发展，海量数据的搜索和检索技 术也得以能够实现。 这就使得用企业分支数据分析城市间联系成为可以推广的方法。 考虑到 其大样本量的可获得性，其分析结果也更具可信度 34。 从代表性和可获得性两个角度对关系型大数据进行筛选， 本研究选取最具代表性的企

13、业 分支数据为主，同时采用代表性居中、易于获得的新闻与信息流、交通流数据为辅，作为区 域一体化水平测度的数据。 表 1 关系型大数据汇总表 流动空间层次 关系型数据 代表性研究（年份） 第一层次基础设 施 交通流 D.A.Smith 等 (2002) ，B.Derudder 等 (2005)， P.J.Taylor 等(2007)，N.Van Nuffel 等(2010)， 罗震东（2010） 电信流 M.L.Moss 等(2000) ，A.M.Townsend (2001)， J.Rutherford 等(2004)，P.Hall 等（2006） 第二层次节点和 枢纽 高端生产性服务 业企业

14、 J.V.Beaverstock 等 1999，2000） ， P.J.Taylor 等（2001） ，P.J.Taylor 等 (2002)， B.Derudder 等(2005)，P.J.Taylor 等（2008） ， P.J.Taylor 等（2010） ，唐子来，赵渺希（2010） ， 尹俊，甄峰，王春慧（2011） 全行业企业 A.S.Alderson 等(2004，2007) ，R.Wall（2009） ， 唐子来，赵渺希（2010） ，张闯（2010） ， 李仙德（2012） ，吕康娟（2012） ， 唐子来、李涛（2014） ，朱查松等（2014） 新闻与信息流 A.R.Pr

15、ed（1973） ，P.J. Taylor（1997） ， 唐子来， 赵渺希 （2009） ， 熊丽芳等 （2013， 2014） ， 刘效龙等（2014） 商务流 P.Hall 等（2006） 商品链 E.C.Rossi 等（2007） 第三层次精英空 间 精英阶层的空间 分布 J.V.Beaverstock 等（2000） ，J.V.Beaverstock (2004)，J.V.Beaverstock (2007) 资料来源：作者在 J.V.Beaverstock 等 15-17的研究基础上进行梳理和增补35-57。 2.2.2 2 研究方法研究方法 以企业分支数据、 信息流数据和交通流数

16、据为基础， 运用网络分析方法和多变量分析方 法，提出区域经济一体化水平的测度方法。 首先， 基于三类关系型数据的网络矩阵计算各个城市的网络关联度。 然后对初始数据进 行标准化和权重赋值，参考有关学者的研究 58，上述三项指标权重分别为 0.6、0.2、0.2， 最终形成长三角地区各个城市的区域经济一体化指数。 这三个指标分别从资金和商品、 信息、 人员的流动表征了区域经济一体化进程。 其中， 企业分支数据是表征区域经济一体化的核心 指标，因此被赋予更大权重。各城市的区域经济一体化指数的计算过程如下： 借鉴国内外学者的研究，企业关联度的计算公式为：Tij是总部在城市 i、分支机构在城 市 j 的

17、企业数量；Tji是总部在城市 j、分支机构在城市 i 的企业数量。则城市 i 和城市 j 之 间的企业网络关联度 Vij定义为： Vij 或 Vji= Tij+Tji （1） 以地区内各城市间的 Vij为基础，可以形成 30*30 个城市的企业分支数据矩阵。每个城 市 i 的企业总关联度 Ni定义为该城市与区域内所有其他城市（j=1n）的关联度之和，即 （2） 为了便于比较分析，通常将城市企业关联度的最大值定义为 100，其他城市的企业关联 度以最大值的百分比进行标准化处理。 借鉴相关学者的研究 4054-56，信息关联度和交通关联度的计算方式与公式（1） 、 （2）相 同，其公式含义定义如下

18、： 对于信息关联度，Tij是城市 i 的互联网用户以城市 j 为关键词的搜索量，Tji是城市 j 的互联网用户以城市 i 为关键词的搜索量， 城市 i 和城市 j 之间的信息关联度等于两者的和 （公式 1） ，每个城市的信息总关联度等于该城市与所有城市的信息关联度之和（公式 2） 。 对于交通关联度，Tij是始发站为城市 i，到达站为城市 j 的班次数量，Tji是始发站为 城市 j，到达站为城市 i 的班次数量，城市 i 和城市 j 之间的交通关联度等于两者的和（公 式 1） ，每个城市的交通总关联度等于该城市与所有城市的交通关联度之和（公式 2） 。 在计算出每个城市的三项总关联度指标以后，

19、 每个城市 i 的区域经济一体化指数的计算 公式如下： ni = 0.6*Ni1+0.2*Ni2+0.2*Ni3 （3） Niz = 100*lgni/lgnimax （4） 其中 Ni1：某城市 i 的企业总关联度； Ni2：某城市 i 的信息总关联度； Ni3：某城市 i 的交通总关联度； ni：某城市 i 的三项指标的加权值； Niz：某城市 i 的区域经济一体化指数； nimax：区域内全部城市指标加权值的最大值。 2.2.3 3 数据来源数据来源 本研究选取全行业企业分支数据进行区域一体化分析。 之所以没有选择高端生产性服务 业企业， 是因为只有在全球和国家城市体系中层级较高的城市，

20、 其该类企业才设有较多分支 机构。而对于大多数发展中国家，特别是像亚太地区城市，其区域网络更多的是由制造业来 支撑的 59-60，因此采用全行业企业分支数据更具有说服力。笔者以 2010 年国家工商总局注 册公司数据库为基础进行检索。该数据库包括各行业企业的名称、注册地址、行业、邮编、 行政编码等信息。运用 access 和 excel 软件，首先通过编写程序将企业数据转译成标准条 目， 包括企业名称、 地级市等， 然后通过关键词搜索的方式 （*公司*公司、 *公司*办事处等） ， 搜集包括总部和分支机构均在长三角地区的跨地域公司联系信息。最后通过人工搜索的方 式，增补程序不能涵盖和匹配的企业

21、信息，构建各个城市的企业网络矩阵数据。 在信息流方面，借鉴相关学者 54-56的研究成果，以百度指数对城市之间的信息流进行分 析。截至 2013 年 6 月，中国网民数量达到 5.91 亿，其中搜索引擎网民规模为 4.7 亿，占 79.5%，搜索引擎是网民获取信息的主要途径，而百度作为中国用户的首选搜索引擎，其使 用率近年来一直保持在 70%以上。因此，基于百度指数的搜索引擎能够较好的获取城市间的 信息流数据。具体登录百度指数主页，查询 2011 年的百度指数 ，以某城市名称为关键词， 然后确定以该关键词搜索的用户的城市分布，得到所有城市间的信息网络矩阵数据。 在交通流方面，借鉴罗震东（201

22、0）的研究 40，以火车班次表征长三角区域的交通流。 长三角地区已经形成沪宁沪杭杭甬的区域铁路交通走廊，成为城际联系的主要交通工 具。因此，可以用铁路班次表征各城市间的人员流动。尽管存在上座率的问题，使得铁路班 次与人员流动不完全匹配， 但是考虑到铁路班次的制定是以人群流动为基础的， 因此班次设 置在一定程度上间接体现了人员流动的强度。 此外， 由于各站点的进出人员数据是难以获得， 而铁路班次是公开的，这样才可以加以搜集并进行方法推广。因此，选取火车班次作为交通 流的表征指标具有一定代表性和可操作性。 具体登陆 12306 官方网站， 选取以各城市为始发 站和到达站的班次进行统计，得到各个城市

23、间的交通网络矩阵数据 。 3. 3. 实证分析实证分析 3.1 3.1 基于基于三种关系型数据的分析结果比较三种关系型数据的分析结果比较 基于企业网络、信息网络和交通网络的矩阵数据，计算各城市的企业总关联度。以数值 最大的城市上海为 100 作标准化处理，各城市的总关联度呈现明显的梯度格局（表 2、表 3、 表 4，图 1） 。对三种关系型数据形成的城市网络进行比较可以发现以下特点：在三种网络 中，各城市的总关联度均呈现明显的梯度格局，而且这种格局在空间上均呈现明显的“核心 外围”特征，沪宁沪杭杭甬沿线城市的层级较高，安徽、江苏北部、浙江南部城市的 层级较低；三种城市网络的第一层级城市都是上海

24、，说明上海是地区内的首位核心城市， 上海在企业和信息网络中的首位度分别为1.9和1.5， 说明这两种网络是典型的单中心体系， 而在交通网络中的首位度只有 1.1， 次位城市的南京的交通总关联度为 95， 体现了交通网络 的双首位特征， 这与南京市的交通枢纽地位密不可分； 三个城市网络的第二层级城市都包 括南京、杭州和苏州，说明这三座城市是地区内的次中心城市；由于区域内铁路干线网络 集中于“沪宁沪杭杭甬”廊道，因此沿线城市的交通总关联度普遍较高，而非干线城市 的交通总关联度则很低，这体现了交通网络的空间不均衡型；尽管镇江、嘉兴和绍兴在企 业和信息网络中处于第四层级，但是在交通网络中均处于第三层级

25、，说明在“沪宁沪杭 杭甬”交通走廊上，铁路干线上的交通流促进了地区多中心度的提高。 表 2 长三角地区各城市企业总关联度一览表 层级 城市（企业总关联度） 高 上海（100） 中高 杭州（53） 、南京（51） 、苏州（39） 中 宁波（29） 、无锡（27） 中低 南通（14） 、温州（13） 、常州（12） 、嘉兴（12） 、绍兴（12） 、合肥（11） 、 台州（10） 、金华（9） 、扬州（9） 、泰州（8） 、镇江（7） 、湖州（7） 、盐城 （7） 低 徐州（5） 、淮安（5） 、连云港（4） 、宿迁（3） 、舟山（3） 、芜湖（2） 、衢州 （2） 、丽水（2） 、马鞍山（2）

26、、淮南（1） 、滁州（1） 资料来源：数据来源是 2010 年工商局注册企业数据库，根据笔者研究成果绘制 表 3 长三角地区各城市信息总关联度一览表 层级 城市（信息总关联度） 高 上海（100） 中高 南京（68） 、苏州（68） 、杭州（67） 中 宁波（50） 、无锡（48） 、温州（48） 、合肥（46） 、常州（44） 中低 徐州（39） 、扬州（38） 、嘉兴（38） 、台州（38） 、绍兴（36） 、南通（36） 、 盐城（36） 、连云港（35） 、金华（35） 低 芜湖（34） 、泰州（34） 、镇江（33） 、淮安（32） 、湖州（32） 、宿迁（30） 、 舟山（28）

27、、滁州（28） 、马鞍山（27） 、衢州（26） 、丽水（26） 、淮南（24） 资料来源：数据来源是 2011 年百度指数，根据笔者研究成果绘制 表 4 长三角地区各城市交通总关联度一览表 层级 城市（交通总关联度） 高 上海（100） 中高 南京（95） 、苏州（71） 、无锡（68） 、杭州（67） 、常州（65） 中 镇江（54） 、徐州（41） 、嘉兴（37） 、宁波（32） 、合肥（32） 、绍兴（29） 中低 温州（27） 、金华（26） 、台州（20） 、滁州（17） 、衢州（17） 、湖州（13） 、 芜湖（10） 、淮南（9） 低 马鞍山（5） 、丽水（4） 、泰州（4）

28、、南通（3） 、扬州（3） 、盐城（2） 、淮安 （2） 、连云港（0） 、宿迁（0） 、舟山（0） 资料来源：数据来源是 12306 铁路官网（2014 年数据） ，根据笔者研究成果绘制 图 1 长三角地区企业、信息、交通总关联度图 3.3.2 2 长三角区域经济一体化长三角区域经济一体化指数指数 基于以上三种网络数据，计算长三角各城市的区域经济一体化指数（表 5，图 2） ，呈现 明显的梯度格局。区域经济一体化指数最高的是上海（指数为 100） ；处于第二层级的是南 京（93） 、杭州（92）和苏州（91） ；处于第三层级的是无锡（86） 、宁波（84）和常州（83） ； 处于第四层级的包

29、括温州（79） 、合肥（79）等 14 座城市；处于第五层级的包括淮安（69） 、 连云港（69）等九座城市。不难发现，区域经济一体化指数较高的城市明显集中在“沪宁 沪杭杭甬”交通走廊上，江苏省各城市的指数由南向北、由东向西依次降低，浙江省各城 市的指数也由北向南， 由东向西依次降低。 值得关注的是， 铁路干线沿线城市和海港城市 （上 海、宁波）的指数普遍较高，表明区域性重大交通基础设施对于促进城市之间生产要素的互 联互通，推动区域经济一体化进程具有重要意义。此外，区域经济一体化指数的空间分布格 局与区域城市体系格局非常相似，都呈现“核心外围”式的空间特征，这与以往学者的研 究成果一致 123

30、0-3361-64。这一结果意味着，区域城市体系中层级较高的城市，在区域城市网 络中具有更大影响力， 因此在商品、 资本、 信息和人员的区域流动中发挥着更为核心的作用。 表 5 长三角区域经济一体化指数一览表 区域经济 一体化指数 城市 （区域经济一体化指数） 100 上海（100） 90-99 南京（93） 、杭州（92） 、苏州（91） 80-89 无锡（86） 、宁波（84） 、常州（83） 70-79 温州（79） 、合肥（79） 、嘉兴（79） 、镇江（79） 、绍兴（78） 、徐州（78） 、 台州（76） 、金华（76） 、南通（74） 、扬州（73） 、湖州（72） 、泰州（7

31、1） 、 盐城（71） 、芜湖（70） 60-69 淮安（69） 、连云港（69） 、衢州（68） 、滁州（68） 、宿迁（66） 、马鞍山（65） 、 舟山（65） 、丽水（64） 、淮南（64） 资料来源：根据笔者研究成果绘制 图 2 长三角各城市区域经济一体化指数图 通过网络数据矩阵可以考察各城市的主要关联城市（图 3） 。从区域经济一体化的角度 看，在网络矩阵中，每个城市都与这些联系最为紧密的城市保持着较强的资金、商品、人员 和信息流动，这些城市形成的城市网络格局，是区域经济一体化进程的具体表现。表 6 列出 了每个城市联系最为紧密的前三位城市，并按照联系紧密程度进行排序。结果发现：上

32、海 是大部分城市的首位关联城市和次位关联城市， 表明上海的网络影响力已经覆盖到长三角大 部分城市， 上海无疑是长三角地区的首位核心城市； 江苏南部和浙江北部城市与上海的联 系比它们与省会城市的联系更为紧密， 而江北和浙南城市正好相反， 这既说明了苏南和浙北 城市的经济一体化程度较高，也说明了区域一体化进程呈现明显的地域性特征；江苏、浙 江、安徽各城市间的跨省联系较弱，大多数城市的主要关联城市均为省内城市，说明行政区 经济依然非常明显，行政区划对于生产要素的区域内流动依然具有明显的阻隔作用。 图 3 长三角地区关联网络格局图 表 6 长三角地区各城市的主要关联城市一览表 直辖市/省 城市 主要关

33、联城市 上海 上海 苏州、杭州、南京 江苏省 南京 上海、苏州、无锡 无锡 上海、南京、苏州 常州 上海、南京、无锡 苏州 上海、南京、无锡 南通 上海、南京、苏州 扬州 南京、上海、泰州 镇江 南京、上海、苏州 泰州 南京、上海、扬州 徐州 南京、上海、苏州 盐城 南京、上海、苏州 连云港 南京、上海、苏州 淮安 南京、上海、苏州 宿迁 南京、上海、苏州 浙江省 杭州 上海、宁波、嘉兴 宁波 上海、杭州、绍兴 嘉兴 上海、杭州、宁波 湖州 杭州、上海、南京 绍兴 杭州、上海、宁波 舟山 宁波、杭州、上海 台州 杭州、上海、宁波 温州 杭州、上海、宁波 金华 杭州、上海、嘉兴 衢州 杭州、上海

34、、嘉兴 丽水 杭州、温州、上海 安徽省 合肥 上海、南京、芜湖 芜湖 合肥、上海、南京 马鞍山 南京、上海、合肥 滁州 南京、上海、合肥 淮南 合肥、上海、南京 4. 4. 结论与讨论结论与讨论 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

35、指数的空间分布格 局呈现“核心外围”特征，指数较高的城市集中在“沪宁沪杭杭甬”交通走廊上，这 与区域重大交通基础设施（铁路、海港）具有明显的相关性。 本研究从关系视角佐证了以往学者得出的长三角地区 “核心外围” 的城市体系空间格 局特征， 同时也表明区域性重大交通基础设施有利于促进城市之间生产要素的互联互通。 值 得关注的是，在区域交通网络中，处于区域性交通走廊沿线的城市的总关联度普遍较高，说 明区域性铁路干线上的交通流对于推动区域经济一体化进程具有重要意义。 在区域经济一体 化进程中，由资金、商品、人员和信息的关联网络构成“流动空间”在一定程度上突破了地 域限制，一方面，区域内城市的发展不再

36、仅仅局限于对附近城市的依赖，可以通过跨区域联 系寻找发展机会；另一方面，行政区经济依然明显，行政区划对于生产要素的区域内流动依 然具有明显的阻隔作用， 说明区域经济一体化进程仍然需要推动。 以上这些发现都具有明确 的政策意义，为区域协同发展提供了思路。 区域经济一体化水平的测度， 是一个复杂而需要谨慎回答的问题。 关系型大数据的引入， 为我们认识区域经济一体化进程提供了一种新的视角。 以往对这一问题的研究往往以属性数 据为基础， 这样就忽视了区域经济一体化的核心特征， 即各类生产要素在城市之间的互联互 通。基于关系型大数据的研究体现了学术界对区域问题从“属性等级”到“关系网络” 的认知范式的转

37、变， 而对长三角区域经济一体化水平测度的实证结论则丰富了学术界对于关 系型大数据的认识， 这为我们提供了描述和分析区域经济一体化的新视角和新途径。 在全新 的时代背景和理论体系下，只有通过多角度的分析观察，将多种方法相结合，才能对区域经 济一体化水平有更深入的理解，这也是未来研究值得关注的重要方向。 注释 本研究以长三角地区为地域范围。2010 年颁布的全国主体功能区规划将两省一市（上海市、江苏 省、浙江省）界定为“长三角地区” 。在区域协调的实际操作层面，则是以“长江三角洲城市经济协调会” 为核心展开的。目前，长三角协调会除了涵盖了两省一市，还包括安徽的合肥、芜湖、马鞍山、滁州和淮 南，扩充

38、为“三省一市”的 30 个城市。因此，笔者以这 30 座城市作为研究的空间范围。 网上能够查询到的百度指数为 2011 年至今数据，因此本文选取 2011 年数据为准。 本研究开始于 2014 年，因此选取 2014 年底的铁路班次数据为准。 参考文献 1 Barro R，Sala-i-Martin X. Convergence J.Journal of Political Economy，1992，100(2): 223-251 2 Armstrong HW. An appraisal of the evidence from cross-sectional analysis of the

39、regional growth process within the European Union M. London: Convergence and Divergence Among European Regions，1996，40-64. 3 喻闻，黄季琨.从大米市场整合程度看我国粮食市场改革J.经济研究，1998，3：50-57. 4 Naughton B. How much can regional integration do to unify Chinas Markets? C Paper on Conference for Research on Economic Develo

40、pment and Policy Research. Stanford：Stanford University，1999. 5 赵永亮，才国伟.市场潜力的边界效应与内外部市场一体化J.经济研究，2009，7：119-130. 6 刘生龙，胡鞍钢.交通基础设施与中国区域经济一体化J.经济研究，2011，3：72-82 7 Friedmann J. The world city hypothesis J. Development and Change, 1986, 17(1): 69-83. 8 (美)曼纽尔卡斯特勒斯.网络社会的崛起M.北京:社会科学文献出版社，2006. 9 Sassen S.

41、 The global city: New York, London, Tokyo M. Princeton: Princeton University Press, 1991. 10 Taylor P J. Hierarchical tendencies amongst world cities: a global research proposal J. Cities, 1997, 14(6): 323-332. 11 Taylor P J. World city network: a global urban analysis M. London and New York: Routle

42、dge, 2004. 12 唐子来，赵渺希.经济全球化视角下长三角地区的城市体系演化:关联网络和价值区段的分析方法J.城 市规划学刊，2010（1）:29-34. 13 Beaverstock J V, Smith R G, Taylor P J. World city network: a new metageography J. Annals of the Association of American Geographers, 2000, 90(1): 123-134. 14 Smith D. A，Timberlake, M. Conceptualizing and mapping th

43、e structure of the world systems city system J. Urban Studies，1995，32：287-302 15 Beaverstock J V, Smith R G, Taylor P J, et al. Globalization and world cities: some measurement methodologies J. Applied Geography, 2000, 20(1): 43-63. 16 Derudder B, Witlox F. An appraisal of the use of airline data in

44、 assessing the world city network: a research note on data J. Urban Studies, 2005, 42(13): 2371-2388. 17 Derudder B. On conceptual confusion in empirical analyses of a transnational urban network J. Urban Studies, 2006, 43(11): 2027-2046. 18 Kumur， A. Economic reform and the internal division of lab

45、or in China: production， trade and marketing C. In Goodman，D, Segal (eds). China Deconstructs: Politics，Trade and Regionalism. London: Routledge，1994， 99130. 19 鲁晓东，李荣林. 区域经济一体化、FDI 与国际生产转移:一个自由资本模型. 经济学季刊，2009，8 （4）:1475-1496 20 周立群，夏良科. 区域经济一体化的测度与比较：来自京津冀、长三角和珠三角的证据J.江海学刊， 2010，4：81-87. 21 Tinber

46、gen, J. International economic integration M.Amsterdam: Elsevier, 1954. 22 Balassa B. Trade creation and trade diversion in the European common market J.The Economic Journal， 1967，77：1-21. 23 孟庆民.区域经济一体化的概念与机制J.开发研究，2001，2：47-49 24 孙大斌.由产业发展趋势探讨我国区域经济一体化动力机制J.国际贸易探索，2003， 19(6)：71 -74. 25 韩佳. 长江三角洲区

47、域经济一体化发展研究D.上海：华东师范大学 2012. 26 赵伟，程艳.区域经济一体化的理论溯源及最新进展J.商业经济与管理，2006，6：58-62 27 李瑞林，骆华松.区域经济一体化：内涵、效应与实现途径J.经济问题探索，2007，1：52-57 28 王德忠.区域经济一体化理论的缘起、发展与缺陷J.商业研究，2009，2：18-21 29 Alderson A S, Beckfield J. Globalization and the world city system: preliminary results from a longitudinal data set. In Tay

48、lor P J, et al, (eds), Cities in globalization: practices, policies and theories M. London: Routledge, 2007. 21-36 30 唐子来， 李涛 长三角地区和长江中游地区的城市体系比较研究： 基于企业关联网络的分析方法 J. 城 市规划学刊，2014(2)：24-31 31 唐子来，李涛京津冀、长三角和珠三角地区的城市体系比较研究基于企业关联网络的分析方法 J. 上海城市规划，2014(6)：37-45 32 赵渺希，唐子来.基于网络关联的长三角区域腹地划分J. 经济地理，2010，30(

49、3):371-376 33 朱查松，王德，罗震东中心性与控制力：长三角城市网络结构的组织特征及演化企业联系的视 角 J. 城市规划学刊，2014(4)：24-30 34 Taylor P J. Parallel paths to understanding global inter-city relations J. American Journal of Sociology, 2006, 112(3): 881-894. 35 Derudder B, Witlox F. An appraisal of the use of airline data in assessing the worl

50、d city network: a research note on data J. Urban Studies, 2005, 42(13): 2371-2388. 36 Derudder B. On conceptual confusion in empirical analyses of a transnational urban network J. Urban Studies, 2006, 43(11): 2027-2046. 37 Smith D A, Timberlake M. (2002) Hierarchies of dominance among world cities:

51、a network approach. In: Sassen S, (eds.) Global networks, linked cities. London: Routledge, 2002. 117141. 38 Taylor P J, Derudder B, Witlox F. Comparing airline passenger destinations with global service connectivities: a worldwide empirical study of 214 cities J. Urban Geography, 2007, 28(3): 232-2

52、48. 39 Nuffel N V, Saey P, Derudder B, et al. Measuring hierarchical differentiation: connectivity and dominance in the European urban network J. Transportation Planning and Technology, 2010,33 (4): 343-366. 40 罗震东.基于客运交通流的长江三角洲功能多中心结构研究J.城市规划学刊，2011，2：16-23. 41 Moss M L, Townsend A M. The internet

53、backbone and the American metropolis J. The Information Society, 2000, 16:3547. 42 Townsend A M. Network Cities and the Global Structure of the Internet J. American Behavioral Scientist, 2001, 44:1697-1716. 43 Rutherford J, Gillespie A, Richardson R. The territoriality of pan-European telecommunicat

54、ions backbone networks J. Journal of Urban Technology, 2004, 11 (3): 1-34. 44 Taylor P J, Catalano G, Walker D R F. Exploratory analysis of the world city network J. Urban Studies, 2002, 39(13): 2377-2394. 45 Derudder B, Taylor P J. The cliquishness of world cities J. Global Networks, 2005, 5(1): 71-91. 46 Taylor P J, Aranya R. A global urban roller coaster? Connectivity changes in the world ci