长三角
长江三角洲地区经济极化的驱动力机制研究时间： 2015-07-31信息来源：叶磊 欧向军 张洵 作者：wl_admin 责编：
摘要：在归纳概括经济极化驱动力机制概念及其内部逻辑关系的基础上，建立长三角地区经济极化驱动力的综合评价指标体系，选取1996，2001，2006和2012年4个典型年份，运用熵值法对其整体和25个中心城市的经济极化驱动力和类型进行定量比较。结果表明：①长三角地区经济极化的驱动力与极化水平之间存在较为明显的相互促进关系，且随着时间的推移经济极化形成与发展的动力逐步由工业化为主向全球化为主转变，进而转向城镇化和分权化多元并进的局面；②近10多年来，上海市的经济极化属于分权化带动型，但其经济极化的总驱动力在逐渐减弱，而江苏省各地区经济极化驱动力的类型多样，自北向南的层次感十分突出，浙江省各地区的经济极化类型变化较大，主要是从以工业化带动型为主逐渐向分权化和基础设施建设带动型转变。
关键词：驱动力机制；经济极化；熵值法；长三角
0 引言
《牛津英语大词典》将极化解释为某事物在时间、空间和其他序列方向上向两个完全相反的方向发展的趋势[1]，就区域经济而言，国外的J.M.Esteban等最先对此作出定义，认为极化是指区域经济发展过程中出现的一种“中间阶层消失”或“向两极集聚”的现象[2]。而经济极化区域是指一个拥有较强区际关系、超越其本身的行政区划、拥有强大的城市功能、具有较高的经济发展水平和区域发展中的特殊价值并在国民经济中扮演一个重要的战略作用的区域[3]。目前，在极化的动力机制方面，国内外学者主要是在区域经济极化趋势测算的基础上或定量、或定性地描述，如S.W.K.Chiu等概述了20世纪90年代以来香港社会经济层面的极化过程，认为其主要是全球城市发展与地方体制环境综合作用的结果[4]；Ezcurra等运用非参数估计并结合其他多种极化测度方法探讨了欧盟在1977—1999年间人均收入的极化水平及其演化过程，并认为在研究时段内欧盟的区域极化水平下降主要是由于区域内人均收入水平与不同收入人群所占人口份额的差异变动引起的[5]；Fedolov以人均GDP和消费支出定量分析了俄罗斯在经济转型过程中经济极化的变化趋势，并认为区域出口额与城市规模大小是引起区域经济极化的主要原因[6]；我国对区域经济极化动力机制的研究起步较晚，但近年来相关成果不断涌现，如赵映慧等探讨了1990年以来东北地区三大城市群的极化发展情况，认为优越的交通条件、重要的经济与政治地位、优惠的经济发展政策、强大的地方财力、产业积聚与规模经济效应、地方政府的极化开发等是东三群极化发展的重要驱动力[7]；欧向军等在系统测度改革开放以来江苏省区域经济极化的过程的基础上，定量分析了其动力机制，认为区域发展策略、乡村工业化和FDI是影响江苏省区域经济极化的最主要方面[8]，此外，对于江苏省县域经济极化的成因他认为是人均GDP、人均工业总产值、农民人均纯收入和职工平均工资[9]；吕拉昌分析了新旧极化效应与珠三角地区可持续发展的关系，认为高新技术产业和人才集聚是未来珠三角继续极化的重要影响因素[10]；孟德友等测算并分析河南外向型经济区域极化程度、演化态势，对极化空间指向也进行了探讨，认为外商直接投资是造成本地区经济极化的主要原因[11]。
综上所述，国内外地理学者侧重于经济极化过程与空间格局的分析，而对于其驱动力与发展模式的研究相对不足。因此，本研究在解析经济极化驱动力概念与逻辑关系的基础上，运用系统论的观点，借助熵值模型、GIS空间分析与回归分析等方法，定量研究1996--2012年长三角地区经济极化的驱动力机制及其发展模式。以期这种分析可为长三角地区经济持续、健康与和谐发展提供科学决策依据，也对其他类似的极化区域的科学调控具有一定的借鉴意义。
1 研究方法和数据来源
1.1 经济极化指数模型
1)TW指数。崔启源和王有强在Wolfson指数的基础上，利用增加的两极化与增加的扩散两个部分排序公理推导出一组新的极化测度指数，被称为Tsui-Wang指数(简称TW指数)[12]，计算公式如下：
式中：N为全部地理区域的总人口数；πi为i地理区域的人口；k是地理区域个数；yi是i地理区域的收入；m为所有地理区域收入的中间值；r是一个参数变量，r∈(0，1)；θ为正的常数标量，本研究取θ=0.5，r=0.5。
2)ER指数。极化的概念和消失的中产阶级有关。1994年埃斯特班和瑞伊在基于相关概念界定的基础上，提出了一种衡量社会财富和收入的测度方法——Esteban-Ray指数(简称ER指数)[2]，计算公式如下：
式中：A是一个标量；k为分组数；f(Si)为第i组的人口份额；Si为第i组平均收入的自然对数；a是一个范围在[1，1.6]的极化灵敏度指标，在本研究中，A=1，a=1.5。
1.2 综合指标评价模型—熵值分析
运用熵值法这一客观赋权的方法[13-14]，对长三角地区经济极化的驱动力机制进行分析，其主要步骤如下。
1)构建原始指标数据矩阵。假设有m个待评方案，n项评价指标，形成原始指标数据矩阵：X={xij}m×n(i=1，2，…，m，j=1，2，…，n)，则xij为第i个待评方案第j个指标的指标值。
2)数据标准化处理。由于各指标的量纲、数量级及指标正负取向均有差异，需对初始数据做标准化处理。对于正向指标x,ij=(xij-min xj)/(max xj-min xj)；对于逆向指标x,ij=(max xj-xij)/(max xj-min xj)。定义标准化矩阵：Y={yij} m×n，其中yij=x,ij/∑x,ij，0≤yij≤1。
3)计算评价指标的熵值。ej=-k∑yijlnyij令k=1/lnm，则
4)计算评价指标的差异性系数。
5)定义评价指标的权重。
6)计算样本的评价值。用第j项指标权重wj，与标准化矩阵中第i个样本第j项评价指标接近度x,ij的乘积作为xij的评价值fij，即
第i个样本的评价值 
1.3 数据说明
1.3.1 数据来源。数据来源于中国统计出版社的《数据见证辉煌江苏60年》、《浙江60年统计资料汇编》、《上海市统计年鉴(1997--2013)》、《江苏省统计年鉴(2010--2013)》、《浙江省统计年鉴(2010--2013)》以及《中国城市统计年鉴(1996--2012)》。
1.3.2 指标选取。为了使区域经济极化驱动力机制的分析更有意义和具有可比性，本研究从以下3个方面考虑了数据指标的选取问题：一是在进行相关数据处理时注意长三角各中心城市的人口规模方面的差异，而各地区各指标的人均差异是导致各地区经济极化程度高低的重要考量，所以，选择人均量作比较是当然选择；二是从经济极化的内生动力来看，中心城市的极化效应仍无法摆脱工业化、全球化和城镇化的影响，结合数据的可获取性又在每个二级系统中精选了3个指标，有一点需要说明，即城镇化不仅仅是经济水平的提高，更是人民生活满意度的提高，故在人均GDP之外又选取了万人拥有卫生机构床位数和人均生活用电总量两个指标；三是从经济极化的外生动力来看，就我国的具体国情而言中心城市的极化效应在很大程度上受到地方政府的影响，而政府的影响主要是从区域决策、分权化和基础设施建设3个方面来实现的。
2 长三角地区经济极化的驱动力分析
2.1 经济极化的演化过程分析
以1996--2012年江苏省、浙江省的24个地市及上海市的人均GDP为考察对象，由于在计算相对差异时当年价已经消除了总量大小的直接影响，其变化仅受经济增长率的影响，因而，不同时点是可比的[15]。根据公式(1)和(2)，分别测算各个年份的极化值，从而分析1996--2012年间长三角地区经济极化的演变过程及其变化趋势(图1)。结果表明，ER指数和TW指数两种方法所测度的近10多年来长三角地区的经济极化趋势基本一致，这与国内其他学者的研究结论基本相似[16-17]，即20世纪90年代中期以来，长三角地区经济极化的趋势正在不断地加强。TW指数与ER指数分别从1996年的0.8056和0.5163增加到2012年的0.8874和0.5734，年均增长约0.61和0.66个百分点。
2.2 经济极化驱动力的逻辑分析
驱动力机制作为经济极化研究的核心问题之一，其概念也一直比较模糊。国内相关领域的学者虽有冠以“动力机制”或“驱动力机制”的文献，但未就经济极化驱动力机制的内涵进行明确的分析和界定。在牛顿经典力学的相关文献描述中，动力是推动物体运动的力量。机制是系统内部的一组特殊约束关系，通过对微观层次运动的控制、引导和激励，使系统微观层次的相互作用转化为宏观的定向运动[18]。动力机制是把上述二者结合起来，即系统动力按照特殊约束关系所进行的演化运动[19]。
根据佩鲁的增长极理论、赫希曼的不平衡发展理论、弗农的梯度转移理论以及陆大道的点轴开发理论，区域经济极化首先源自于内部的推动性因素(这里我们称之为内力)，继而以超强劲的增长并通过与其他部分的紧密联系而对整个经济部门产生影响，最终导致某一地区发展的极化；随后，由于区域间的梯度差，发达区域与欠发达区域之间会自发地产生极化效应与涓滴效应，通常为了强化这两种效应，政府会采取相关措施如财政转移支付、完善基础设施等手段促进区域的融合发展(这里我们称之为外力)；最后，在内外力的共同作用下，区域经济极化随时间在空间上产生高低起伏的变化。
基于此，本研究认为经济极化驱动力机制是指推动地区经济发展产生极化现象所必须的动力产生机理以及协调、改善这种作用机理使之能够在经济极化过程中持续、有效地发挥作用的以市场经济条件下的资源配置为基础、政府主导下的宏观调控为约束、各种政策法规为保障的综合系统。但各种动力并非彼此孤立，而是相互联系、相互制约、相互作用和相互渗透的，有时也相互转换。
区域经济极化的驱动力机制是经济极化系统内外部影响要素关系的梳理和各驱动力对经济极化作用机制的解析；而基于驱动力机制的经济极化带动类型则是经济极化在内外力作用下的结果，两种动力既相互促进又相互制约——若配合得当，则促进地区良性发展，若配合失当，则导致地区发展的恶性循环。而带动类型则是机制的反馈，通过对不同带动类型的优化遴选，可以反过来调节动力机制，以实现经济极化对于区域发展的促进作用(图2)。
2.3 经济极化驱动力的综合比较
在前述相关理论分析的基础上，将促进地区经济极化的力量划分为两大类，即内生动力和外生动力，其中，内生动力包括全球化、工业化和城镇化，外生动力包括区域决策、分权化和基础设施建设。为了综合比较以上6种驱动力对长三角地区经济极化的影响，运用回归模型与熵值法对其进行综合定量分析。具体而言，从内外生动力的6大方面选取18个指标，构建出长三角地区经济极化驱动力的综合评价指标体系(表1)。
运用熵值法确定各个指标的权重后，根据它们的归一化值分别求得1996--2012年长三角地区经济极化驱动力的综合值(图3)以及各分动力的值(图4)，以分析近10多年来本地区经济极化驱动力的演变过程，其中，极化水平采用的是ER指数与TW指数的平均值。从图3可以看出，在1996--2012年期间，长三角地区经济极化的发展水平呈现出先增后减的趋势，而经济极化发展动力则大体呈现出稳步上升的趋势，这也从另一个侧面说明推动区域经济发展的动力由单极化增长向多中心协同推进转变。
以1996--2012年长三角地区经济极化驱动力的综合值为自变量(X)，相应年份长三角地区经济极化的平均水平作为因变量(Y)，进行回归分析，建立经济极化水平与其驱动力的回归模型。结果如表2所示。R=0.973，R2=0.947，调整的R2=0.945，这些数据表明因变量长三角地区经济极化发展水平与白变量长三角地区经济极化驱动力之间存在较为明显的相关关系。F值等于165.749，显著性概率等于0.000，说明回归效果显著。回归模型中的常数项是0.587，X2与X前的系数分别为-15.515和3.160，因此，建立的回归方程为：
回归系数的显著性水平皆为0.000，表明t统计量检验假设“回归系数等于0的概率为0.000”，同样说明了两个变量1996--2012年的长三角地区经济极化发展水平与驱的相关关系极为显著，建立的回归方程是有效的，这些都反映了长三角地区经济极化的驱动力对其经济极化发展水平的变化起着一定的积极作用。
从各个动力的演变过程来看，1996--2012年间各个驱动力均快速提升，但在不同的时段内，各驱动力对长三角地区经济极化的作用力大小是不一致的：1996—1999年间，主要是以工业化带动为主；2000--2002年的情况则比较复杂，基础设施建设、分权化和区域决策交替成为本地区经济极化的首要驱动力；2003--2008年间，随着外资的大量涌入，长三角地区成为全国吸引和利用外资最多的区域，全球化理所当然地成为本地区经济极化的第一大驱动力；2009--2012年，随着金融危机对长三角影响的起伏变化，本地区经济极化驱动力表现为城镇化和分权化这两种动力齐头并进，共同助力长三角地区的经济极化。由此可见，近10多年来，长三角地区经济化的驱动力在不断地发生变化，逐步由单要素推进转向多要素并进，即由工业化为主向全球化为主转变，进而转向城镇化和分权化多元并进的发展局面。
2.4 经济极化驱动力的类型划分
在对长三角地区整体经济极化驱动力定量分析的基础上，首先，将表1的评价模型延伸至中心城市层面，分别计算1996，2001，2006和2012年长三角地区25个中心城市经济极化的总驱动力指数(表3)；其次，依据各年份各指标的权重分解出各个中心城市在区域决策、分权化、基础设施、全球化、工业化和城镇化6个方面的分动力指数，以每个城市最大的分动力指数作为该城市经济极化的主驱动力；最后，将各年份的分析结果导入ArcGIS进行空间分析，得出各研究年份长三角经济极化驱动力类型的空间分布(图5)，旨在反映近10多年来本地区经济极化的主驱动力类型空间格局的演变规律。
综合表3和图5a，首先，从经济极化总驱动力来看，1996年上海市的经济极化动力最强，是整个长三角地区的经济极化中心，无锡、苏州、南京、杭州和宁波分列2～6位；其次，从经济极化的驱动类型及其分布来看，上海市是分权化带动型，即其将相关权力下放而使各个区拥有更大的自主权和财权，分权化使各个区政府成为以经济发展为中心的竞争性单元，推进各自区域的发展以形成一个强力的大上海。江苏省13个中心城市的情况比较复杂，由于苏南、苏中和苏北三大区域的经济发展阶段的差异，促进各城市经济极化的驱动力不一，但主要是区域决策、城镇化和全球化作用的结果。浙江省的情况要简单许多，除舟山属区域决策带动型外，基本上以工业化和基础设施建设带动型为主。
综合表3和图5b，首先，从经济极化总驱动力来看，2001年上海市依旧冠绝长三角，但总驱动力有所下降，前6位的城市变化不大，只是苏州由第三位上升至第二位；其次，从经济极化的驱动类型及其分布来看，上海继续分权化地推进。江苏省的复杂局面有所缓和，除南京和徐州等苏北欠发达地区经济重镇对政策的高度依赖属区域决策带动型外，苏北地区呈现出以全球化和城镇化带动为主的趋势，苏中以工业化带动为主，而苏南则是以城镇化、全球化和工业化多元推进的局面。浙江省的情况有很大变化，伴随其主动融入、接轨上海进程的不断加快，一大批重点基础设施相继投入建设、完工，此时，浙江省大部分区域都转变为基础设施建设带动型，而宁波、绍兴则依旧维持其工业化带动型的特征。
综合表3和图5c，首先，从经济极化总驱动力来看，2006年上海市仍然保持第一，但与第二位的苏州差距日益缩小，前6位的城市未发生明显变化。其次，从经济极化的驱动类型和分布来看，上海仍然是分权化带动型。江苏省的情况要明朗很多，除南京依旧属于区域决策带动型外，其他区域基本上以工业化与全球化带动型为主，凸显出“十五”期间这两种动力对江苏省区域经济极化的影响。浙江省则转向以分权化和基础设施建设带动型为主，且主要为浙北与浙东南的广大区域。
综合表3和图5d，首先，从经济极化总驱动力来看，2012年排名前6位的城市没有变化，只是苏州和南京的驱动力增强明显，特别是苏州，其与上海市的差距已然缩小很多；其次，从经济极化的驱动类型及其分布来看，上海依旧保持其分权化带动型的特征。江苏省经济极化驱动力类型在空间上的层次感愈发显著，自北向南呈现出工业化—全球化—区域决策—工业化—全球化的变化趋势。浙江省的情况较2006年变化不大，只是衢州和舟山从区域决策带动型分别转变为工业化带动型和分权化带动型。
综上所述，随着上海扩散功能的逐渐显现，逐渐打破了各城市原本“弱而全”的功能体系，在此过程中各城市的基本功能开始重组，形成各自较为鲜明的城市发展特色(经济极化带动类型多样)，邻近城市的相互依赖型不断增强(同种带动类型在区域上的块状分布)，长三角城市群各中心城市渐从初始的无序竞争走向了理性合作，在内外力的共同作用下不断提升着本地区的整体经济效益和对外服务能力。
3 结论与讨论
1)经济极化的驱动力机制是指推动地区经济发展产生极化现象所必须的动力产生机理以及协调、改善这种作用机理使之能够在经济极化的过程中持续、有效地发挥作用的、以市场经济条件下的资源配置为基础、以政府主导下的宏观调控为约束、以各种政策法规为保障的综合系统。其在内外力的共同影响下，表现为各种不同的经济极化带动类型，对经济社会发展产生相应的反馈作用。2)长三角地区经济极化的驱动力演变的原因是复杂多样的，且随着时间的推移区域经济极化形成与发展的动力不断发生变化，逐步由单要素推进转向多要素并进，即由工业化为主向全球化为主转变，进而转向城镇化和分权化多元并进的发展局面。3)近10多年来，上海市的经济极化属于分权化带动型，且其对周边区域的扩散作用愈发明显；江苏省各地区经济极化驱动力的类型大体经历了一个由多样到简单再到多样的变化过程，且自北向南的层次感愈发明显；浙江省各地区的经济极化类型变化较大，主要是从以工业化带动型为主逐渐向分权化和基础设施建设带动型转变，各种类型的团块化分布显著。4)本研究对长三角经济极化驱动力及其类型演变进行的是学术性的分析和讨论，但也可以作为有关区域发展调控和投资决策的参考。同时，也应该注意到，对于经济极化驱动力评价所建立的指标体系是否有进一步细化的可能性，该指标体系对于经济极化驱动力类型的划分能否继续延伸到县市层面，这都是今后的研究中需要不断深化完善的地方。
参考文献：
[1] Anderson G.Toward An Empirical Analysis of Polarization[J].Journal of Econometrics，2004，122(1)：1—26.
[2] Esteban J M，Ray D C.On the Measurement of Polarization[J].Econometrics，1994，62(4)：819—851.
[3] Duan Xuejun，Yu Xiaogan，Josef Nipper.Economic Polarized Trends Function and Expanded Boundaries of the Yangtze Delta[J].Journal of Geographical Sciences，2009，9(6)：733—735.
[4] Chiu S W K,Lui T L.Testing the Global City Polarization Thesis：Hong Kong since the l990s[J].Urban Studies，2004，41(10)：1863—1888.
[5] Roberto Ezeurra，Pedro Pascual，Manuel Rapu.Regional Polarization in the European Union[J].European Planning Studies，2006，14(4)：459—485.
[6] Fedolov L.Regional Inequality and Polarization in Russia[J].Wodd Development，2002，30(3)：443—456.
[7] 赵映慧，修春亮，姜博，等.1990年以来东北地区三大城市群的极化发展[J].经济地理，2010，30(5)：738—743.
[8] 欧向军，顾朝林.江苏省区域经济极化及其动力机制定量分析[J].地理学报，2004，59(5)：791—799.
[9] 欧向军，叶磊，张洵，等.江苏省县域经济发展差异与极化比较[J].经济地理，2012，32(7)：24—29.
[10] 吕拉昌.极化效应、新极化效应与珠江三角洲的经济持续发展[J].地理科学，2009，28(4)：52—56.
[11] 孟德友，陆玉麒.河南外向型经济区域差异及极化态势分析[J].地域研究与开发，2009，28(4)：52—56.
[12] Wang Youqiang，Tsui Kai—yuen.Polarization Ordering and New Classes of Polarization Indices[J].Journal of Public Economic Theory，2000，3(2)：349—363.
[13] 郭显光.改进的熵值法及其在经济效益评价中的应用[J].系统工程理论与实践，1998(12)：98—102.
[14] 乔家君.改进的熵值法在河南省可持续发展能力评估中的应用[J].资源科学，2004(1)：113—119.
[15] 杨开忠.中国区域经济差异变动研究[J].经济研究，1994(12)：28—33.
[16] 刘兆德，姚丽丽，虞孝感.20世纪90年代以来长江三角洲地区空间极化研究[J].地理与地理信息科学，2007，23(6)：82—91.
[17] 李正华，徐小平，杜建国.长三角区域经济发展不均衡和极化的演化分析[J].经济问题探索，2008(6)：23—29.
[18] 陈忠，盛毅华.现代系统科学学[M].上海：上海科学出版社，2005：111—130.
[19] 吴丰林，方创琳，赵雅萍.城市产业集聚动力机制与模式研究的PAF模型[J].地理研究，2011，30(1)：71—82.