中国经济的空间网络及其影响因素

文摘

随着改革开放的深入,中国的经济进一步发展,但仍然是一个发展不平衡的问题。具有重要意义完全构建中国经济空间相关性网络,明确的角色和地位在整个网络,每个省和国家空间研究的影响因素经济网络。在本文中,我们采用网络分析方法来分析中国经济发展在过去的20年。根据修改后的重力模型,我们构建中国经济的空间网络,从三个方面探讨网络结构:整个网络结构特性,网络中的各个省份的特点,和块模型分析。结果表明,(1)中国经济的空间网络有很强的内部凝聚力,和网络的层次结构正变得越来越明显。然而,网络密度很低,和整个网络的关系仍然需要加强。(2)不同层次的经济发展说明了明显的经济不平衡的省份之一。(3)块模型分析结果表明,沿海地区更有吸引力的其他省份和推动中国经济中起着重要的作用。最后,我们采用二次分配过程(QAP)回归分析,分析了影响因素对空间经济网络。数值结果表明,地理距离和六个因素的差异(产业结构、经济发展水平、对外开放程度、医疗水平、劳动力市场的大小,和基础设施)的空间经济网络上产生重大影响。 Moreover, the influence of these factors on the economic relation among provinces has been gradually strengthened in recent years.

1。介绍

在改革开放的过程中,中国的经济发展取得了巨大成就。然而,区域经济的多样性是经济发展中的一个重要问题。目前,中国的经济发展已经进入了新的正常,这意味着我们正面临着机遇与挑战并存。重要的是促进区域协调发展。

近年来,区域协调发展问题受到关注。2019年3月,中国国务院副总理李克强在第十三次全国人民代表大会第二次会议的中国共产党提出了促进区域协调发展,提高新城市化的质量,重点解决发展不平衡的问题,改革和完善相关机制和政策,促进基本公共服务的均等化和互补的区域优势和城乡一体化的发展。

国家经济关系直接影响到区域的协调发展。经济要素的流动和产业结构的分化或其他方面的基本力量促进建立经济省份之间的联系。因此,本文的目的是了解空间经济网络的结构特点和空间经济联系上的一些因素的影响,具有重要意义,提高空间经济网络以实现协调发展的省份。

社会网络分析是一种有用的方法来研究社会因素之间的关系(1- - - - - -3]。首先,它被用于社会网络结构的研究和国内外社会关系。之后,发现它有复杂的经济网络适应性强(4- - - - - -6]。网络建设是社会网络分析的一个关键部分。目前,有很多方法来建立空间网络,其中一个基于重力模型是最常用的方法之一。该方法广泛应用于贸易网络的建设、旅游网络,网络人口迁移,等等。在经典引力模型中,两个城市之间的经济重心的经济总量成正比,地理距离成反比。网络建设与其他方法相比,重力模型方法考虑因素的经济地理距离。方法的优点是,它也是灵活的,和研究人员可以根据研究需要修改模型,使之更合理反映节点之间的引力。2020年,Ao构建城市综合素质指数通过六种基本索引和合并,城际距离到重力模型。他们分析了空间经济的力量连接在湘西自治州的八个地区(7];杨城市质量和经济距离的概念引入引力模型和测量11个城市之间的经济重心在内蒙古8]。这些研究增添了新的思想建设的重力模型和更好的补充该领域的理论内容。本文使用的重力模型修改基于上述研究。和QAP回归方法是研究空间经济网络结构的影响因素。这种方法的优点是,它可以研究关系矩阵之间的关系。它已广泛应用于贸易网络,研究网络结构的影响因素(9- - - - - -12]。近年来,这种方法已逐渐用于研究个别省份的经济网络或一些在中国城市群,但很少有文献用于研究整个中国经济的空间网络结构。2019年,邵QAP进行影响因素的回归分析城市群的经济网络在长江的中游,他们发现,网络上地理相邻结构的影响是非常重要的,不同的交通可达性的影响,劳动力市场规模,对外开放的话,在网络基础设施、产业结构、投资增加(13]。2020年,刘QAP回归用来探索城市的影响因素在长江三角洲地区的金融关系。结果表明,经济发展水平的三个因素,人口规模,政府干预是重要的积极(14]。基于QAP回归分析方法,本文拟采用上述文献中使用的一些影响因素作为参考和一些新的变量。观察这些因素对中国经济的空间网络的影响,本文认为产业结构的差异,基础设施、对外开放、经济发展水平、医疗条件、劳动市场规模,地理相邻省份之间的空间网络结构对中国经济产生影响。

基于上述文献,本文将修改引力模型和构建网络观察中国经济的空间网络的结构特点。空间经济网络的影响因素分析了QAP回归,预计在中国区域协调发展提供决策依据。

2。研究对象和数据来源

在本文中,我们选择在中国31个省为研究对象,观察中国经济的空间网络的变化在过去的20年(2000 - 2019)。整个网络结构特点和个人特性研究。我们只使用2000 - 2018年的数据来实现QAP回归分析因为一些数据无法获得。与数据在这个研究是根据中国地图。距离数据由省会城市之间的距离,而其他原始数据是来自中国国家统计局的官方网站。消除通货膨胀,我们用实际国内生产总值来反映一个省的国内生产总值(GDP)。省从2000年到2019年实际国内生产总值数据所示1和2。从这些数据,中国经济正朝着一个积极的趋势,但仍存在发展不平衡之间的省份。

3所示。重力模型建设

空间经济网络可以揭示省区之间的经济关系。网络的节点代表一个省,边代表了经济重心两个省之间建立的关系。本文采用修改后的重力模型可以使其更适合于研究需求和可以更好地衡量各省之间的经济吸引力的大小。修改后的重力模型如下: 在哪里在公式的年度国内生产总值(GDP) , 的人均GDP是省吗 , 年终人口相应的省吗 , 是两个省之间的距离和 ,和是距离衰减系数(在这里,我们准备好了吗 )。

构造相关矩阵的过程如下。首先,我们需要计算引力矩阵T省的经济关系修正引力模型(n是省的数量):

其次,我们根据万有引力矩阵构造邻接矩阵T。如果 ,然后 ,这表明有两个省之间的经济联系。否则, ,这意味着没有两个省之间的经济联系。最后,我们得到一个邻接矩阵只有0和1的数字;然后,我们根据邻接矩阵构建网络。

4所示。空间经济网络的结构分析

在本节中,我们使用Ucinet工具描述空间经济网络。我们构建中国经济的空间网络在图8年3。

(一)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

从网络的结构变化,我们发现31个省之间的经济联系增加了20年。早期,中国经济的空间网络结构显示了明显的中西部地区边缘化。然而,沿海地区发挥重要作用在各省之间的经济关系的建立。这是密切相关的沿海地区的发展战略和“三大地带”在2000年之前实现的国家。随着区域经济发展的问题越来越明显,已经有越来越多的区域甚至发展。为了降低区际经济差距,西部大开发的发展战略,振兴东北老工业基地、中部地区和发展在中国实现了2000年,2003年和2006年,分别。从图3自2006年以来,各省之间的经济联系增加了。

4.1。整个网络结构的特性

探索整体网络的特性,我们分析三个空间经济网络的拓扑指数包括网络密度、凝聚力和层次结构。计算结果如图所示4。

整体网络密度的比值的实际数字关联网络中可能的数字,它反映了各省之间的关系的亲密程度。从图4中国经济的空间网络密度增加,但增加不大。整体网络密度的平均值在过去20年里是0.22414。它表明,各省之间的经济联系薄弱,省之间的合作需要加强。凝聚力代表三个省份之间经济联系的程度。整体网络的平均凝聚力在过去20年里是0.45635,这表明中国经济的空间网络的凝聚力更强。网络层次结构是指单边连接节点之间的程度。层次结构的价值越高,越明显的分层网络结构的性质。它表明缺乏双向省份之间的经济互动。从图4的下行趋势,我们可以发现,层次结构的价值是显而易见的。在2000年至2006年之间,三个区域发展策略的实现缩小区域经济差异,中国高铁在2007年开幕省份之间促进经济要素的流动,和18个自由贸易区的批准在2014年和2019年之间促进了东部的整体发展,中部和西部地区。

经济发展战略的实施和改善交通设施在过去的20年中导致显著降低中国经济的网络层次结构的水平。东部地区经济发展的浓度逐渐提高。与此同时,地区的经济联系都增加了。此外,凝聚力和网络密度也增加一定程度上。

4.2。个人网络结构的特征

中心是用来衡量网络节点的功能和地位在中国经济的空间网络。为了出口的特征空间中的每个省的经济网络,在本节中,我们研究每个省的重要性通过UCINET 2019年,结果在其它年份表所示1- - - - - -4。网络节点的重要性的研究从不同的角度对应于不同的方法。本文是根据网络节点的重要性,从的角度来看网络拓扑结构信息。基于节点的局部属性,我们选择学位中心的指数,反映了网络中节点的权力和地位。值越大,节点越重要。学位中心可分为绝对学位中心(点)的实际程度值和相对学位中心(绝对中心度的比值的最大可能的程度在网络)。方程(3)是相对中心度的计算方法(n代表了绝对的中心和程度N代表了中国经济的空间网络的节点数量):


省	2000年	2002年	2004年	2006年	2008年	2010年	2012年	2014年	2016年	2018年

北京	24	24	25	25	24	22	23	24	23	23
天津	17	18	22	23	23	22	23	24	24	23
河北	2	3	3	4	4	5	5	6	5	5
山西	2	2	2	3	3	4	5	5	4	4
内部Mongoria	1	2	2	6	9	11	12	13	14	13
辽宁	2	2	2	2	2	2	3	2	3	3
吉林	1	1	1	1	2	2	2	2	1	1
黑龙江	1	1	1	1	2	2	2	2	2	2
上海	25	25	27	27	27	26	24	25	25	26
江苏	13	13	14	19	20.	22	23	24	25	26
浙江	15	15	18	18	18	17	18	15	16	16
安徽	7	7	7	8	11	11	11	11	10	10
福建	3	4	3	5	6	6	6	6	6	7
江西	4	4	4	5	5	6	6	6	6	6
山东	7	7	7	11	11	12	12	13	13	15
河南	6	6	7	8	9	9	10	10	9	9
湖北	2	2	4	4	5	6	6	6	6	7
湖南	2	2	3	3	5	5	5	5	4	4
广东	10	11	11	12	12	10	8	7	8	8
广西	1	1	2	2	1	1	2	2	2	2
海南	0	0	1	1	1	1	1	1	1	1
重庆	2	2	2	2	3	3	3	4	5	6
四川	2	2	2	2	2	2	3	3	2	2
贵州	3	2	4	4	2	6	7	5	4	4
云南	1	1	1	2	2	2	2	2	2	2
西藏	0	0	0	0	0	0	0	0	0	0
陕西	0	1	0	0	2	2	2	2	2	1
甘肃	0	1	3	3	3	4	5	5	5	5
青海	1	1	1	1	1	1	1	1	1	1
宁夏	1	1	1	1	1	1	1	1	1	1
新疆	0	0	0	0	0	0	0	0	0	0


省	2000年	2002年	2004年	2006年	2008年	2010年	2012年	2014年	2016年	2018年

北京	6	6	6	7	7	5	5	6	6	5
天津	5	5	6	6	6	5	5	6	7	6
河北	3	3	3	3	4	5	5	5	5	6
山西	3	3	3	6	6	6	6	6	6	6
内部Mongoria	3	3	3	6	9	8	8	8	7	7
辽宁	5	5	5	5	7	8	9	9	5	5
吉林	4	5	5	4	6	6	6	6	7	6
黑龙江	5	4	6	6	7	8	8	9	9	9
上海	7	7	9	9	9	7	7	8	8	8
江苏	3	3	4	5	5	5	4	4	4	4
浙江	3	3	5	5	6	6	6	6	6	6
安徽	4	4	4	4	3	3	3	3	3	3
福建	6	6	6	7	8	8	10	9	9	9
江西	6	6	7	7	7	8	8	8	8	8
山东	5	5	6	6	6	8	8	8	8	8
河南	6	6	6	6	6	7	7	7	7	7
湖北	7	7	6	6	7	8	7	7	7	7
湖南	7	7	7	7	7	8	8	8	8	9
广东	11	10	11	11	11	11	11	11	11	11
广西	5	7	6	6	7	8	8	7	7	8
海南	2	2	6	9	6	8	8	7	7	7
重庆	8	8	8	8	9	9	10	8	8	8
四川	8	8	8	8	9	10	10	10	9	9
贵州	7	8	7	9	10	10	12	12	10	11
Yunnanv	9	6	6	7	10	10	10	10	10	10
西藏	0	0	0	0	0	0	2	5	8	10
陕西	5	7	7	8	8	8	9	9	9	9
甘肃	9	12	10	10	11	10	10	11	11	11
青海	0	1	4	4	7	6	7	6	6	6
宁夏	1	2	4	7	5	6	6	6	6	7
新疆	0	2	6	11	7	8	8	7	7	7


省	2000年	2002年	2004年	2006年	2008年	2010年	2012年	2014年	2016年	2018年

北京	80年	83.333	83.333	83.333	83.333	76.667	80年	83.333	80年	80年
天津	56.667	66.667	76.667	80年	80年	76.667	80年	83.333	83.333	80年
河北	10	10	13.333	16.667	16.667	20.	20.	23.333	20.	20.
山西	10	10	10	20.	20.	20.	23.333	23.333	20.	20.
内部Mongoria	10	10	13.333	33.333	46.667	46.667	50	53.333	53.333	53.333
辽宁	16.667	16.667	16.667	16.667	23.333	26.667	33.333	30.	20.	20.
吉林	13.333	13.333	16.667	13.333	20.	20.	20.	20.	23.333	20.
黑龙江	16.667	20.	20.	20.	23.333	26.667	26.667	30.	30.	30.
上海	83.333	86.667	90年	90年	90年	86.667	83.333	90年	90年	90年
江苏	43.333	46.667	46.667	63.333	66.667	73.333	76.667	80年	83.333	86.667
浙江	50	50	60	60	60	56.667	60	50	53.333	53.333
安徽	26.667	26.667	26.667	26.667	36.667	36.667	36.667	36.667	33.333	33.333
福建	23.333	26.667	20.	30.	36.667	36.667	40	36.667	36.667	40
江西	20.	20.	23.333	23.333	23.333	26.667	26.667	26.667	26.667	26.667
山东	26.667	20.	30.	43.333	40	50	50	53.333	53.333	60
河南	23.333	23.333	23.333	26.667	30.	30.	33.333	33.333	30.	30.
湖北	23.333	23.333	20.	20.	26.667	30.	30.	30.	30.	33.333
湖南	23.333	23.333	23.333	23.333	26.667	30.	30.	30.	26.667	30.
广东	46.667	40	46.667	50	50	43.333	40	36.667	40	40
广西	16.667	23.333	23.333	23.333	23.333	26.667	26.667	23.333	23.333	26.667
海南	6.667	10	20.	30.	20.	26.667	26.667	23.333	23.333	23.333
重庆	26.667	26.667	26.667	26.667	30.	30.	33.333	26.667	30.	33.333
四川	26.667	26.667	26.667	26.667	30.	33.333	33.333	33.333	30.	30.
贵州	26.667	26.667	30.	36.667	33.333	43.333	50	43.333	36.667	40
云南	30.	26.667	20.	26.667	33.333	33.333	33.333	33.333	33.333	33.333
西藏	0	0	0	0	0	0	6.667	16.667	26.667	33.333
陕西	16.667	16.667	23.333	26.667	30.	26.667	30.	30.	30.	30.
甘肃	30.	23.333	36.667	36.667	36.667	33.333	36.667	36.667	36.667	36.667
青海	3.333	6.667	13.333	13.333	23.333	20.	23.333	20.	20.	20.
宁夏	6.667	13.333	13.333	23.333	16.667	20.	20.	20.	20.	23.333
新疆	6.667	10	20.	36.667	23.333	26.667	26.667	23.333	23.333	23.333


省	2000年	2002年	2004年	2006年	2008年	2010年	2012年	2014年	2016年	2018年

北京	21.79	22.814	16.311	13.294	11.895	10.074	12.603	10.69	9.763	10.172
天津	7.743	10.615	12.836	11.949	10.805	10.074	12.603	10.69	10.946	10.172
河北	0.034	0.022	0.02	0.045	0.04	0.148	0.165	0.186	0.104	0.098
山西	0.034	0.022	0.02	0.127	0.114	0.115	0.217	0.186	0.104	0.098
内部Mongoria	0.034	0.022	0.02	0.759	2.087	2.46	2.747	3.221	3.784	3.046
辽宁	0.091	0.08	0.066	0.077	0.214	0.394	0.905	0.514	0.04	0.05
吉林	0.034	0.022	0.126	0.02	0.09	0.1	0.104	0.074	0.162	0.05
黑龙江	0.188	0.344	0.292	0.316	0.303	0.5	0.501	0.575	0.592	0.66
上海	23.536	22.795	20.212	16.517	14.463	13.662	10.952	15.027	14.535	13.003
江苏	3.005	3.178	2.916	5.693	6.477	8.014	8.957	10.146	11.195	11.975
浙江	4.538	3.753	6.1	4.831	4.657	3.87	4.271	2.927	3.497	3.335
安徽	0.468	0.583	0.536	0.358	1.012	1.147	1.115	1.025	0.693	0.607
福建	0.246	0.393	0.122	0.34	0.653	0.726	0.956	1.018	1.05	1.239
江西	0.186	0.219	0.344	0.227	0.206	0.255	0.355	0.274	0.262	0.288
山东	0.592	0.208	0.636	1.596	1.249	2.028	1.945	2.077	2.193	3.011
河南	0.318	0.397	0.287	0.367	0.602	0.616	0.935	0.845	0.532	0.478
湖北	0.285	0.302	0.172	0.15	0.206	0.283	0.384	0.303	0.291	0.322
湖南	0.37	0.359	0.344	0.227	0.206	0.345	0.451	0.36	0.349	0.394
广东	4.275	2.358	2.928	2.975	2.939	1.863	1.446	1.283	1.688	1.324
广西	0.102	0.359	0.325	0.15	0.206	0.255	0.355	0.274	0.262	0.353
海南	0	0.05	0.09	0.305	0.149	0.255	0.355	0.274	0.262	0.249
重庆	0.242	0.258	0.204	0.179	0.228	0.223	0.502	0.172	0.316	0.464
四川	0.376	0.455	0.344	0.27	0.414	0.526	0.519	0.523	0.496	0.44
贵州	0.242	0.258	0.628	0.652	0.502	0.852	1.757	1.287	0.97	1.045
云南	0.652	0.417	0.172	0.224	0.613	0.732	0.755	0.768	0.741	0.64
西藏	0	0	0	0	0	0	0.01	0.074	0.394	0.64
陕西	0.136	0.114	0.287	0.367	0.33	0.211	0.274	0.212	0.219	0.21
甘肃	7.943	1.283	2.049	1.147	1.029	0.648	0.749	0.866	0.865	0.792
青海	0	0	0.02	0.02	0.134	0.094	0.203	0.074	0.085	0.082
宁夏	0	0.022	0.02	0.158	0.02	0.094	0.112	0.074	0.085	0.098
新疆	0.01	0.022	0.082	0.568	0.226	0.359	0.384	0.186	0.193	0.185

全局属性的基础上,我们选择了中间性中心指数来衡量节点计算的能力来控制整个网络中的其他节点之间的联系。值越大,节点越重要。方程(4)- (6)是中间性中心的计算方法:

在方程(4),节点间最短路径的数量吗和 , 代表通过节点的最短路径节点之间和 ,和代表节点的概率在节点之间的捷径和。最短路径的最大数量,通过一个节点可能存在。

导演的网络,每个节点的中心度分为入度(经济收入关联的数量)和学位(溢出经济协会的数量)。入度反映了经济活动的流入和经济聚合能力的省份。省被称为经济发展的受益者如果入度比出度高。出度反映了流出的经济活动。省称为溢出方面如果学位高于入度。

结果在表5显示的值最高的省份学位中心上海,江苏、北京、天津、内蒙古、山东、浙江,也31个省的经济受益者。这表明这些省份最经济与其他省份的关系。和他们有强劲的经济集聚能力与其他省份相比,更具吸引力的流入资金,人才,和各种经济资源。从地理分布的分析,可以发现,绝大多数的受益人省位于沿海地区、长江三角洲地区。这些省份是最早发展中国的经济发展过程中由于其独特的地理优势,所以他们有一个相对稳固的经济基础,是中国经济的空间网络的核心。大多数省份属于溢出位于东北和中西部地区。这些省份的经济与其他省份的联系较少,缺乏经济吸引力在整个经济网络,所以他们会让更多的人才和资源流向发达地区。


省	学位中心				中间性中心
省	有关学位	入度	利益或不	中心	中心

北京	5	23	好处	80年	10.061
天津	6	23	好处	80年	10.061
河北	6	5	溢出	20.	0.097
山西	6	4	溢出	20.	0.097
内部Mongoria	7	14	好处	56.667	3.704
辽宁	6	3	溢出	20.	0.05
吉林	7	2	溢出	23.333	0.138
黑龙江	9	2	溢出	30.	0.563
上海	8	26	好处	90年	13.07
江苏	4	26	好处	86.667	12.041
浙江	6	16	好处	53.333	3.334
安徽	3	10	好处	33.333	0.626
福建	9	7	溢出	40	1.27
江西	8	6	溢出	26.667	0.297
山东	8	14	好处	56.667	2.532
河南	7	8	好处	26.667	0.325
湖北	7	7	- - - - - -	33.333	0.322
湖南	9	4	溢出	30.	0.406
广东	10	8	溢出	36.667	1.064
广西	8	3	溢出	26.667	0.363
海南	7	1	溢出	23.333	0.259
重庆	9	6	溢出	33.333	0.459
四川	9	2	溢出	30.	0.457
贵州	11	4	溢出	40	1.02
云南	10	2	溢出	33.333	0.66
西藏	11	0	溢出	36.667	0.807
陕西	9	2	溢出	33.333	0.256
甘肃	11	5	溢出	36.667	0.837
青海	6	1	溢出	20.	0.08
宁夏	6	1	溢出	20.	0.08
新疆	7	0	溢出	23.333	0.184

中间性中心指数反映了同样的问题。省中心高度值也高的中间性中心值,表明它们在多个省份之间的最短路径,他们不仅有强劲的经济吸引其他省份也有很强的控制经济资源。中西部地区仍在空间的边缘经济网络和缺乏经济发展过程中的主导作用。

上述结果表明,尽管中国之前的区域发展战略(南水北调和项目的天然气传输从西到东中国)使得落后地区发展,更大的受益者是发达地区。

4.3。块模型分析

块模型分析方法将大量的节点划分为几块,然后检查每一块之间的相关性。我们使用内置的CONCOR收敛相关项目UCINET软件构建块模型。UCINET软件的操作路径 (设置最大深度为2和收敛性判据为0.2)。

2000年之后,15年的块之间的经济关系基本上是相同的,和2017年就是其中之一。所以,这部分需要2017块模型来分析中国经济的空间网络。最后,网络分为四块,结果如表所示6。


块	省

我	北京、天津、江苏、内在Mongoria,山东

二世	广东、福建、上海、浙江

三世	河北、陕西、宁夏、辽宁、青海、吉林、黑龙江
	新疆、甘肃、山西、重庆

四世	湖南、云南、西藏、河南、浙江、安徽、湖北、江西
	广西、海南、四川、贵州

块的密度矩阵如表所示7。图像矩阵,整体网络密度设置一个阈值如下。如果块密度高于阈值,它被分配给1。否则,它被指定为0。2017年的图像矩阵如表所示7。为了描述更直观的关系,我们画一个简单图形的图像矩阵,如图5。


块	密度矩阵				图像矩阵
块	1	2	3	4	1	2	3	4

我	0.450	0.050	0.182	0.218	1	0	0	0
二世	0.100	0.333	0.023	0.591	0	1	0	1
三世	0.873	0.318	0.118	0.033	1	1	0	0
四世	0.764	0.841	0.041	0.027	1	1	0	0

结果表明,块I和II的省份大约位于沿海地区的北部和南部地区,分别。和省第三和第四块大致分布在北部和南部的中国中部和西部的一部分。

从四个街区之间的关系,我们发现各省之间紧密的经济联系在阻止我,以及各省之间在block II。然而,这两个街区之间的经济关系,它反映了地理位置的影响差异南北经济关系的建立。第三和第四块缺乏经济联系,每个块内的省份几乎没有经济联系。这意味着中部和西部省份的经济联系不够密切,有关其薄弱的经济基础和经济发展的能力。从图5,我们发现经济第三块与块之间的联系我第二和第四块与块之间都是单向的,这再一次证明了沿海地区有一个强劲的经济吸引力的中部和西部地区。这种现象主要是与经济发达的沿海地区。中国沿海地区附近海域的地理优势。方便的运输条件让他们基本领域中国进口和出口到其他国家,所以自己的经济发展是好的,它能吸引人才的流入中西部地区的欠发达地区。

之间存在着双向链接块二世和IV。这个结果反映了南方的中部和西部省份有经济吸引力近年来南方沿海地区。他们表明,中部和南部的西部省份的经济发展迅速,尤其是近年来长江中上的。这是由于产业结构的调整和改善交通条件中上到达长江,这吸引了更多的企业在珠江、长江三角洲。因此,中部和西部省份的南方有一个好的发展势头,建立了双向与沿海地区的经济联系。

5。空间经济网络的影响因素分析

共线性的问题可能发生在分析中国经济的空间网络的影响因素,因为相邻的省份之间的关系。QAP可以避免这个问题作为一个特定的方法来研究关系数据之间的关系。QAP方法比较两平方的相似矩阵,给两个矩阵之间的相关系数。QAP回归分析的目的是研究影响矩阵和空间经济之间的关系网络。

5.1。变量选择和模型结构

在街区的空间经济模型的分析网络,我们发现之间的地理距离省建立经济关系有一定的影响。边境的因此,我们考虑添加指标(博)和城市地理距离(UGD)到模型来反映地理距离对经济相关性的影响。从沿海省份之间的经济联系,似乎更容易建立经济关系相似的省份的经济发展水平。然而,这只是一个猜对发达地区的局势。这是一个合理的猜测为整个网络?所以,人均国内生产总值指数(PAG)和外国投资(FI)将包含在QAP回归模型反映经济发展的水平。根据以前的文献,发现人口流动,基础设施的差异,城市产业结构差异也会影响空间经济网络的形成。劳动力市场的规模越大,就业机会越多。该地区有更多的就业机会将会吸引更多的人才流入,然后促进建立经济省份之间的联系。所以,我们建立劳动力市场规模(LMS)差别矩阵来反映各省之间的人口流动。 A similar industrial structure means that the two cities have similar stage and direction of development, and the two provinces are more likely to be linked. Therefore, the index of the added value of the secondary (PSI) and tertiary (PTI) industries are used to reflect the economic development model of the city. In addition, the difference in the proportion of road area (PRA) is used to reflect the difference in infrastructure between provinces. Moreover, the number of health personnel (NHW) reflects the medical conditions in a province. The number of foreign-invested enterprises (FIE) is used to present the extent of the province’s opening to the outside world.

QAP回归分析之前,我们计算了不同矩阵的相应指标的每个省空间经济网络。上述变量是适当的处理方法处理引用在以前的文献,如表所示8。所表现出的回归变量是两个省的关系矩阵。


变量	意义	数据处理

博	是否相邻的省份	建立一个二进制矩阵

IDM	省份之间的距离矩阵	以省会城市之间的距离为标准

PAG	人均国内生产总值	标准化处理后计算各省之间的区别
FI	外国投资
5	外商投资企业的数量
ψ	第二产业增加值的比例
PTI	第三产业增加值的比例
PRA	道路面积的比例

LMS	劳动力市场规模	归一化和差分后,矩阵转化为一个0 - 1矩阵的行均值阈值
NHW	卫生人员的数量	归一化和差分后,矩阵转化为一个0 - 1矩阵的行均值阈值

省的空间经济相关矩阵作为解释变量,和索引表8作为解释变量来构造QAP回归模型。给出的模型如下:

的代表了空间经济相关矩阵, , , , , , , , , ,和 ,都是关系矩阵。QAP回归的目的是研究上述选择的变量的影响中国经济的空间网络。

5.2。QAP回归分析

确定解释变量后,我们使用UCINET软件QAP回归分析。操作路径。很明显,最近的数据可以更好地反映当前的经济发展。所以,我们选择从2011年到2018年的数据。QAP回归分析的结果如表所示9。


变量	2011年	2012年	2013年	2014年	2015年	2016年	2017年	2018年

博	0.094	0.071	0.124	0.114	0.11	0.092	0.077	0.08
IDM	−0.304	−0.315	−0.267	−0.27	−0.241	−0.231	−0.231	−0.218
PAG	−0.272	−0.261	−0.287	−0.288	−0.356	−0.308	−0.278	−0.25
FI	−0.38	−0.416	−0.22	−0.282	−0.152	−0.277	−0.262	−0.261
5	0.50	0.556	0.417	0.475	0.346	0.452	0.408	0.396
ψ	−0.145	−0.143	−0.142	−0.135	−0.098	−0.093	−0.105	−0.1
PTI	−0.24	−0.275	−0.25	−0.098	−0.196	−0.19	−0.214	−0.222
PRA	−0.151	−0.166	−0.155	−0.161	−0.164	−0.165	−0.174	−0.163
LMS	0.217	0.292	0.338	0.386	0.387	0.367	0.364	0.394
NHW	0.142	0.071	0.138	0.083	0.096	0.067	0.061	0.07
	0.349	0.346	0.413	0.403	0.401	0.389	0.391	0.426

请注意。 , ,和 ,分别代表了显著性水平为0.1,0.05和0.01。

QAP回归的目的是研究多个矩阵和一个矩阵之间的回归关系,并要求所有的变量必须是方阵。在QAP回归分析的结果,每个解释变量的标准化回归系数和显著性检验。如果值与回归系数小于对应的显著水平(10%、5%和1%),认为相应的变量是重要的在统计意义上,和相应的变量来解释变量的贡献被认为是重要的(15,16]。

从表9的价值,在2011 - 2018年在0.35和0.43之间,这表明本文所选择的影响因素可以解释吗中国经济的空间变化的网络。与现有文献相比,的价值已经很高(13,14]。如表所示9的价值,在2018年这八年是最大的。这意味着这10个因素可以更好地解释中国经济的空间网络结构的形成是在2018年,这是与中国当前的经济发展模式有关。

结果表明,IDM的回归系数是重要的在1%和5%在2000年到2018年之间具有重要意义。IDM的回归系数值是负的,博为正,表明地理邻近对空间经济协会产生重大影响。这两个省份是地理上越近,就越容易建立经济联系。

人均国内生产总值是一个重要的macroindex来衡量一个地区的经济发展。外国投资基金投资总额是指由外国投资者和中国投资者在中国合作。这两个指标可以反映一个地区的基本经济状况。它可以发现,这两个指标的回归系数为负,2011 - 2018年通过了显著性水平测试。结果验证假设更容易省之间建立经济联系与类似的经济发展水平。根据官方数据,2018年人均GDP高的省份北京、上海、天津、江苏,虽然具有较高的外国投资广东、江苏、上海和浙江。和中国的实际情况证明确实有更多的经济这些省份之间的联系。

第二、三产业反映一个省的产业结构。从表9的回归系数两个指标是消极和通过了重要的测试,表明产业结构越接近,就越容易产生经济省份之间的关系。相对应的系数的绝对值PSI比PTI的大。据中国背景下,中国的第二产业主要包括各种工业类别和第三产业主要包括服务和物流行业。随着生活水平的提高,人们更加关注公共服务的质量。与此同时,交通运输业的快速发展和信息时代的到来使人们的消费行为改变。更多的在线消费使得物流行业迅速发展。这就是为什么中国第三产业有更大的影响的空间比第二产业近年来的经济关系。

道路面积的比例反映了一个省的基础设施情况。结果表明,PRA有重大影响的建立经济省份之间的关系,表明不同省份之间的基础设施越小,越经济关系。基础设施是一个公共服务系统用来确保一个地区的社会和经济活动。只有当一个区域有一个健全的公共服务体系,这将是更关注经济发展。这表明基础设施背景相似的省份更可能有经济联系。

外商投资企业是指企业在中国境内设立的,由外国投资者投资。外商投资企业的数量反映了一个地区的对外开放程度和贡献的扩张其劳动力市场。从表95的回归系数显著为1%,表明不同省份之间的外商投资企业数量导致了建立经济关系,这是相关省份之间的劳动力流动。中国商务部公布的数据显示,中国东部的外国投资的主要集中,和投资企业的数量在中国东部的比,在中西部地区,这也是原因向东部地区劳动力的流动。因此,为了减少差异,我国应积极鼓励外国资本的转移到中西部地区,从而从根本上改善中西部地区的经济基础,促进经济省份之间的关系。

此外,LMS和NHW指标有显著积极影响空间经济网络的形成。这表明就业机会的差异造成的人口流动和医疗条件在省促进经济省份之间的相关性。从2011 - 2018年回归系数的变化,我们知道LMS施加越来越影响中国经济的空间网络,这表明劳动力市场规模省份之间仍有很大的区别。NHW的影响正变得越来越小,说明身体状况正在逐步在中国不同地区的平衡。

6。结论

中国经济的空间网络的基础上修改引力模型构造。我们调查的特点总体网络结构及其内部结构的网络分析方法。我们采用QAP回归分析方法来研究影响因素的空间经济网络。根据计算结果,我们得出的结论如下。(1)在2000 - 2019年,每三个省份的凝聚力在中国经济的空间网络已经逐年加强,网络密度逐年增加,和网络层次结构已经逐年减弱。它显示了发展战略的实施,如西方的巨大发展,振兴东北老工业基地,中部地区崛起,逐步改善中国经济的空间网络结构。然而,网络密度仍然很低,这表明需要加强省之间的经济关系。(2)省的经济溢出效应和利益存在省份之间的经济发展不平衡的特点。2019年的数据显示,只有受益人七个省市,其中大部分都位于沿海地区,包括上海、江苏、北京、天津、内蒙古、山东、浙江。经济溢出省份主要分布在中部和西部地区,包括青海、宁夏、贵州、云南、Guangzi,属于经济相对落后的地区。 According to the degree centrality and betweenness centrality of each provinces, Shanghai, Jiangsu, Beijing, and Tianjing are key nodes in China’s spatial economic network, and they have strong ability to master economic resources. Hebei, Shanxi, Qinghai, and Ningxia are marginalized in the spatial economic network, and they play a small economic role and need to improve their own economic development ability. (3) The result of the block model analysis shows that the developed coastal areas have obvious economic attraction to the central and western regions. The reason is that the level of economic development in the central and western regions of China is relatively weak, so many central and western regions of the population to seek development to the coastal area flow. In addition, the economic strength of the central and western regions of the south has been increasing in recent years. (4) The QAP regression analysis results show that border or not, the geographical distance, per capita GDP differences, foreign investment differences, labor market scale differences, differences in the added value of the secondary and the tertiary, proportion of road area, number of health personnel, and number of foreign-invested enterprises significantly impact on China’s spatial economic association. Among the indicators used in this paper, the regression coefficient corresponding to the number difference index of foreign-invested enterprises is the largest, which means that China’s opening to the outside world policy has a strong influence on China’s spatial economic network structure.

基于以上结论,本研究提出以下政策建议。首先,应加强经济合作和互动中相邻的省份。无数这样的组合小合作圈的增加可以促进整个中国经济的空间网络的密度。此外,国家政策需要考虑如何改善交通条件在这个国家的不同地区,缩小经济省份之间的距离,减少运输的时间消费的经济因素。第二,中央政府不仅要刺激控制经济资源的能力强的沿海省份,如上海、江苏、北京、天津、山东、浙江、发挥经济推动作用,但也注重加强传输函数的省份的“中介”,中国经济的空间网络。与此同时,一些有针对性的区域发展政策应该被制定。我们还应该进行精确控制的省份和块的不同位置和角色在空间网络,以提高中国经济的空间网络的协同作用。最后,随着大数据时代的到来,高速铁路产业的蓬勃发展,中部和西部地区的省份,如河北、山西、青海、宁夏,应抓住机遇,积极调整当地产业结构,大力发展本地服务和物流产业,积极回应对外开放的政策。同时,省份有必要控制劳动力的巨大损失通过改善卫生保健和基础设施建设,扩大劳动力市场。所有省份都应该从根本上改善他们的经济发展,以促进双边合作的形成不发达国家和发达省份之间的联系,而不是形成单向链接通过人口流动引起的不同省份之间的资源和就业机会。 Otherwise, it will deepen the degree of imbalance of China’s regional economic development.

数据可用性

使用的数据来支持本研究的发现可能在应用中国国家统计局(National Bureau of Statistics)发布,可以检查http://www.stats.gov.cn/tjsj/ndsj/。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金(11861019)、贵州科技人才发展项目(肯塔基州[2018]046号),贵州和自然科学基金会(1047年[2019]和[2020]1 z001)。

引用

美国沃瑟曼和k .虚置,社会网络分析:方法和应用英国剑桥,剑桥大学出版社,1994年。
c . Kadushin了解社交网络,牛津大学出版社,纽约,纽约,美国,2012年。
m·埃弗雷特社会网络分析,埃塞克斯:教科书在SSDA埃塞克斯暑期学校LinkedIn,山景、钙、美国,2002年。
h . Schanz、j·费德勒和m . Wilczynski”市场的杠杆点转换经济系统:德国bioeconomy的例子,”环境创新和社会过渡33卷,第161 - 140页,2019年。视图:出版商的网站|谷歌学术搜索
p·里奇,“经济自由反映了比特币交易网络,”工业和商业经济学杂志》上卷,47号1,第161 - 133页,2020。视图:出版商的网站|谷歌学术搜索
谢,“进化的市县的经济联系网络的结构(在中国),浙江省“世界区域研究卷,29号4、738 - 749年,2020页。视图:谷歌学术搜索
a·李”区域经济的空间关系在湘西自治州基于引力模型(在中国),“中国循环经济13卷,第90 - 88页,2020年。视图:谷歌学术搜索
杨y”,分析城市空间联系集团在内蒙古基于修改引力模型(在中国),“建设经济第41卷。。S1, 242 - 247年,2020页。视图:谷歌学术搜索
x咋”,创新的空间相关性分析的中国城市群在高速铁路网络(在中国),“价格:理论与实践7卷,第143 - 140页,2019年。视图:谷歌学术搜索
w·王,“太空和网络特性和影响因素在能源以丝绸之路贸易经济区域(在中国),“贵州社会科学,3卷,第131 - 123页,2020年。视图:谷歌学术搜索
x王”,碳排放的空间关联结构进化成渝城市群及其影响机制(在中国),“中国环境科学,40卷,不。9日,第4134 - 4123页,2020年。视图:谷歌学术搜索
w .江”,研究结构变化的特点和影响因素,电子产品贸易沿着皮带和道路网络:基于复杂网络分析方法(在中国),“国际商业研究第41卷。。5,26-40,2020页。视图:谷歌学术搜索
x邵”特征的空间网络和长江中游的影响机制(在中国),“城市问题,10卷,15-26,2019页。视图:谷歌学术搜索
m·刘”结构特点和影响因素在长江三角洲地区城市金融网络:一项研究基于银行分支机构数据,”上海业务,1卷,不。Z1,页92 - 96,2020年,在中国。视图:谷歌学术搜索
k . David”预测网络:非参数二元数据的多元回归分析,“社交网络,10卷,不。4、359 - 381年,1988页。视图:出版商的网站|谷歌学术搜索
j .刘讲座在整个网络的方法,UCINET的实用指南,上海人民出版社,上海,中国,2006。

复杂性

2020年经济和金融网络

文摘