東北東部經濟帶區域物流空間布局及演化特征研究

朱文娟，曾 豪

（湖南工業大學商學院，湖南株洲 412000）

一、引 言

隨著經濟全球化發展與互聯網平臺經濟的興起，物流業作為第三產業逐漸成為一個地區整體經濟水平的重要支柱。東北東部經濟帶包含遼寧省、吉林省、黑龍江省中的14 個市州，地處于我國東北口岸，與俄羅斯、朝鮮接壤，是重要的生態屏障區和沿海貿易區，作為東北三省的重要區域，其承擔著東北全面振興和邊境地區開發開放的重任[1]。這14個市州之間曾創建了溝通合作體系，為促進區域間投資出臺了優惠激勵政策，基礎設施和物流方面的合作也得到了極大的改善，譬如2019 年8 月國家發改委出臺了《東北東部經濟帶發展規劃》，標志著東北東部綠色經濟帶已正式上升為國家戰略，其發展規劃強調筑牢高質量發展“四梁八柱”，充分發揮遼寧省丹東市沿海沿邊交通優勢，打通聯結歐亞與朝鮮半島的貿易通道，同時推動丹東到通化直至鶴崗的高速鐵路項目建設，進一步支持交通基礎設施建設。2021 年9 月國務院批復《東北全面振興“十四五”實施方案》，其重點任務主要包括推動經濟發展區域動力源、提升東北亞國際開放合作水平等，旨在爭取到2025年，東北地區振興重點領域有新的突破口，初步建立高質量發展的區域經濟布局，進而帶動城市群物流業高質量發展，同時促進國內國際雙循環格局構建。由此可見，東北地區經濟帶逐漸成為國家重點關注的物流業高質量發展地區。

東北地區作為老工業基地，為物流業發展奠定了良好的基礎，但與“長三角”、京津冀、“珠三角”地區相比，仍存在較大的差距。東北地區振興戰略的深入實施和沿海沿邊開放的深入推進，為東北地區物流業充分尋求發展與合作提供了寶貴的資源，物流業作為支撐經濟發展的重要產業，也隨著經濟空間集聚呈現出空間集聚及演化特征。

二、文獻回顧

區域物流是指某區域內以支撐可持續經濟發展為目標，形成一種適應區域環境、滿足區域內政治、經濟等發展要求，從而實現組織有效管理的物流活動體系。目前針對區域物流空間的研究已成為學術熱點，學者采用不同的方法對此展開了研究：（1）針對物流空間布局及空間演化特征，高秀麗、翁鋼民等均采用ESDA 分析方法，分別對廣東省、京津冀區域物流空間布局及其演化特征進行了研究，進一步揭示了區域空間物流的相關性與演變態勢[2-3]。崔園園等通過區位熵、區位基尼系數等分析長三角區域物流空間演化特征，同時建立物流集聚影響因素理論框架與模型，進一步探究不同變量之間的相關關系[4]。（2）針對物流空間網絡特征，宗會明等以中國百強物流企業網絡數據作為基礎，運用連鎖網絡模型方法探究中國城市網絡特征及演變規律[5]。孫春曉等以中國284個城市為研究單位，運用GIS 空間分析和社會網絡分析方法，探討中國城市物流創新網絡總體特征、利用空間計量模型探究中國城市物流創新空間網絡的驅動因素與機理，進一步促進中國物流業高質量發展[6]。（3）針對物流樞紐空間布局，江志娟等選取與絲綢之路經濟帶發展相關聯的18個省市作為觀測單位，運用聚類分析進行區域空間劃分，以推動絲綢之路經濟帶發展為目標，實現國內優勢產業由東向西，向中亞、西亞國家轉移的國際產能合作[7]。陳穎等利用層次分析法并結合AHP 算法對四川省物流樞紐布局進行研究，進一步推動了四川省國家物流樞紐建設，提升全省物流服務質量[8]。

現有文獻較少對東北東部經濟帶區域物流空間進行研究，馬越越基于偏微分方法的空間杜賓模型對遼寧省城市全要素生產率的空間溢出效應進行了實證研究[9]。該研究為東北部分地區區域物流發展提供了一定的參考建議，但針對整個東北東部經濟帶區域物流空間布局及演化特征的研究卻很少。借鑒已有學者的研究成果，通過計算區位基尼系數、區位熵，采用ESDA 分析方法，計算全局與局部Moran’s I 指數，輸出Moran’s I 散點圖與LISA圖，探究2010—2019年東北東部經濟帶區域物流空間布局及演化特征，旨在為促進東北東部經濟帶區域物流發展水平提供理論分析與對策建議。

三、數據來源與研究方法

（一）數據來源

目前國內并沒有明確界定“物流產業”這一概念，多數學者都將交通運輸、倉儲和郵政業產業增加值或從業人員數作為城市物流產值指標。研究選取2010—2019 年東北東部經濟帶14 個市州的交通運輸、倉儲和郵政業產業從業人員數為基本數據，分析其區位基尼系數與區位熵，對不同時期物流產業發展狀況進行對比，同時選取2010—2019年東北東部經濟帶14 個市州的人均生產總值（GDP）數據，采用探索性空間數據分析方法（exploratory spatial data analysis, ESDA），對其進行空間自相關分析。數據來源于東北東部經濟帶各城市2010—2019 年《統計年鑒》，采用描述性統計分析（平均值、極值）的形式，各城市交通運輸、倉儲和郵政業產業從業人員數、總從業人員數、人均生產總值的年份數據指標如表1所示。

表1 2010—2019年東北東部經濟帶各城市相關數據

（二）研究方法

1.區位基尼系數（Gr）

區位基尼系數（Gr）可用于計算產業的地理空間聚集程度。研究采用區位基尼系數分析東北東部經濟帶物流產業在空間上的分布情況。相應的計算公式為：

其中，Gr表示東北東部經濟帶物流產業基尼系數，n表示市級單位總數，數值為14，Xir表示i市交通運輸、倉儲和郵政業產業從業人員數，Xnr表示東北東部經濟帶全市交通運輸、倉儲和郵政業產業從業人員數，Xk表示i市總從業人員數，Xn表示東北東部經濟帶總從業人員數。

Gr的取值范圍為0 ≤Gr≤1，Gr值越小，表示該產業在地理空間上的聚集程度越低；Gr值越大，表示該產業在地理空間上的聚集程度越高。一般來說，當Gr＜0.2 時，說明產業分布極為分散，聚集程度極低；當0.2 ≤Gr＜0.3 時，說明產業分布高度分散；當0.3 ≤Gr＜0.4 時，說明產業分布較為分散；當0.4 ≤Gr＜0.5 時，說明產業分布較為集中；當Gr≥0.5時說明產業分布高度集中[10]。

2.區位熵（LQij）

區位熵（location quotient，LQ）反映某一產業部門的專業化程度，可以用來衡量其相對于更高層次區域的地位水平。研究采用區位熵計算東北東部經濟帶各城市的物流產業專業化水平和聚集程度。相應的計算公式為：

其中，LQij表示東北東部經濟帶區位熵；qij表示i市交通運輸、倉儲和郵政業產業從業人員數，qi表示i市總從業人員數，Qhj表示東北東部經濟帶交通運輸、倉儲和郵政業產業從業人員數，Qh表示東北東部經濟帶總從業人員數。

LQij值越大，表示該地區產業在地理空間上的聚集程度越高，比較優勢越明顯。一般來說，當LQij> 1.5 時，說明該地區產業優勢明顯，聚集程度很強；當1＜LQij≤1.5 時，說明該地區產業聚集程度較高；當0.5 ≤LQij≤1 時，說明該地區產業聚集能力一般；當LQij＜0.5 時，說明該地區產業處于劣勢，聚集程度極弱[11]。

3.探索性空間數據分析方法（ESDA）

探索性空間數據分析方法通過空間樣本之間的相關性及其程度來探究空間對象的分布特征，主要包括全局自相關和局部自相關分析[12]。研究采用全局Moran’s I指數和局部自相關統計量（LISA）對東北東部經濟帶區域物流在空間上的相互關系進行分析。

全局Moran’s I 指數是度量空間相關性的重要指標，用來表明區域整體在空間上的關聯程度。相應的計算公式為：

其中，n表示市級單位總數，數值為14，Xi和Xj為第i個區域和第j個區域的屬性變量值，wij為區域單元i和區域單元j之間的空間權值矩陣，且wij與區域單元i和區域單元j之間關系如下：

一般來說，Moran’s I的取值范圍為Moran’s I∈[-1,1]，Moran’s I指數接近-1時，表示空間存在負相關關系，即空間單元之間的差異大；Moran’s I指數接近1時，表示空間存在正相關關系，即空間單元之間的差異??；Moran’s I=0時，表示空間單元之間呈隨機分布狀態[13]。

局部Moran’s I 指數是度量局部區域空間聚集情況的重要指標，用來表明區域物流產業與鄰近空間之間的空間自相關性。相應的計算公式為：

其中，Ii表示第i個區域的局部Moran’s 指數，n表示研究區域內所有地區的總數，數值為14，Wij表示空間權重值，Yi表示第i個區域的人均GDP。

利用Moran’s I 散點圖，以(Yi-)為x軸，以為y軸，可以將平面區域劃分為四個象限，第一象限為高高聚集區（HH），代表該地區與周邊地區物流產值同屬于高聚集度；第二象限為低高聚集區（LH），代表該地區物流產值屬于低聚集度，周邊地區物流產值屬于高聚集度；第三象限為低低聚集區（LL），代表該地區與周邊地區物流產值同屬于低聚集度；第四象限為高低聚集區（HL），代表該地區物流產值屬于高聚集度，周邊地區物流產值屬于低聚集度。

四、實證分析

（一）東北東部經濟帶區域物流演化特征分析

1.區位基尼系數分析

通過對東北東部經濟帶物流產業從業人員基尼系數進行數據分析，將2010—2019年東北東部經濟帶14個市州的交通運輸、倉儲和郵政業產業從業人員數與總從業人員數作為基本數據，代入公式（1）計算得出2010—2019 年東北東部經濟帶區位基尼系數，其趨勢圖如圖1所示。

圖1 2010—2019年東北東部經濟帶物流產業區位基尼系數趨勢圖

由圖1 可知，2010—2019 年基尼系數處于[0.2648,0.3576]的區間內，表明東北東部經濟帶物流產業分布較為分散，聚集程度一般。東北東部經濟帶基尼系數處于低位震蕩狀態，分別在2012 年、2013年、2015年、2018年經歷了四次折返波動，2012年與2015年為該基尼系數的兩個拐點，2013年為基尼系數最低值，說明該年東北東部經濟帶物流產業分布高度分散；2015 年為區位基尼系數最高值，但仍低于0.4，表明東北東部經濟帶物流產業的聚集程度雖有上升趨勢，但仍然處于較低的狀態。從總體趨勢來看，區位基尼系數呈現波動式上升的趨勢，由此可見，隨著今后的發展，東北東部經濟帶物流產業的聚集程度將會進一步加強。

2.區位熵分析

通過對東北東部經濟帶物流產業從業人員區位熵進行數據分析，將2010—2019年東北東部經濟帶14個市州的交通運輸、倉儲和郵政業產業從業人員數與總從業人員數作為基本數據，代入公式（2）計算得出2010—2019 年東北東部經濟帶14 個市區區位熵系數，如圖2所示。

圖2 2010—2019年東北東部經濟帶各市物流產業區位熵系數

由圖2 可知，區位熵系數均高于1 的地區有大連、佳木斯，說明這些地區的專業化水平與集聚程度高，具有明顯的產業優勢，其中大連在2010—2019 年區位熵系數均高于1.5，說明大連已成為東北東部經濟帶物流產業的高集聚地區。雙鴨山、本溪區位熵雖然分別在2018 年、2019 年低于1，其他年份均高于1，但其整體呈現下降趨勢，說明這些地區專業化水平與集聚程度較高，但呈現減弱的趨勢。區位熵系數均低于0.5 的地區只有延邊地區，說明該地區的專業化水平與集聚程度低，產業優勢不明顯。本溪、牡丹江這些地區的區位熵下降趨勢較為明顯，說明這些地區的物流產業逐漸分散；丹東地區的區位熵上升趨勢明顯，說明該地區的物流產業逐漸由分散轉為高集聚化。從總體上來看，2010 年大連、丹東、本溪、牡丹江、雙鴨山、佳木斯這6個地區區位熵系數高于1，2019年大連、丹東、雙鴨山、佳木斯這4 個地區區位熵高于1，說明東北東部經濟帶區域物流整體向分散趨勢發展。上述分析表明，東北東部經濟帶物流業的空間集聚與分散并存，區域間的物流業發展仍存在明顯差異。

通過對東北東部經濟帶物流產業從業人員數區位熵進行計算，采用ArcMap10.2 軟件進行制圖，研究發現，東北東部經濟帶區域物流空間格局呈現出“一心兩帶”向“一頭多點”演進的特征，如圖3 所示?！耙恍膬蓭А笔侵?010年東北東部經濟帶區域物流的空間格局特征，即一個集聚程度較高的城市（牡丹江市），兩個物流組團（由東北東部經濟帶中西南部的本溪、通化、白山等和東北部的鶴崗、雙鴨山等所組成的兩個區域物流產業組團）；“一頭多點”是指東北東部經濟帶西南部與東北部并行發展，即未來新一輪東北振興中重要的增長極與支撐帶[14]（丹東、大連），東北部城市群建設區域性物流組團下形成的新區域物流空間格局，即多點（伊春、鶴崗、佳木斯等其他城市）。

圖3 東北東部經濟帶物流產業演進的空間結構特征

（二）東北東部經濟帶區域物流空間布局分析

1.全局Moran’s I指數自相關分析

以2010—2019 年東北東部經濟帶各市人均生產總值為基礎數據，運用GeoDa 軟件計算Moran’s I指數值，如圖4所示。

圖4 2010—2019年東北東部經濟帶物流產業Moran’s I指數趨勢圖

2010—2019 年，東北東部經濟帶Moran’s I 指數均為正值，表明東北東部經濟帶區域物流的分布在空間上聚集程度呈現正相關關系。2010—2014年呈適度上升趨勢，在2014 年達到頂峰值0.4564，表明在該年東北東部經濟帶區域物流空間集聚程度最強；2015—2018 年呈現逐漸下降趨勢，于2018年達到最低值0.2524，而后2019 年回升到0.2637。綜上所述，東北東部經濟帶物流產業Moran’s I 指數處于先升后降的趨勢，表明東北東部經濟帶區域物流的空間自相關和集聚特征呈現從集聚到分散的演變過程。

2.局部Moran’s I指數自相關分析

全局自相關分析往往無法揭示局部空間集聚的關聯性和區域性之間的差異。因此，為了進一步研究東北東部經濟帶區域物流局部空間格局的演變情況，在研究2010 年、2014 年、2019 年三個時間段時，采用Moran’s I 散點圖對東北東部經濟帶區域物流局部空間關聯特征與變動進行分析[15]，如圖5 所示。其中因2010 年、2019 年Moran’s I 散點圖的顯著性水平測試不通過，因此對LISA 圖的輸出進行分析，見圖6。由圖5 和表2 可以看出，東北東部經濟帶多數城市處于第三象限內，2010 年、2014年和2019 年，屬于HH 類型的地區只有大連，屬于LH 類型的地區只有丹東，沒有地區屬于HL 類型，屬于LL類型的地區2010年為伊春、鶴崗，2014年為伊春、鶴崗、雙鴨山、佳木斯、雞西，2019 年只有伊春?？梢钥闯鯤H、LH、HL 類型的地區沒有發生變化，LL 類型的地區近幾年開始縮減，表明東北經濟帶地區區域物流集群的發展和整合還有很長的道路。

圖5 2010年、2014年、2019年東北東部經濟帶物流產業集聚程度Moran’s I散點圖

圖6 2010年、2014年、2019年東北東部經濟帶物流產業空間集聚LISA圖

表2 2010年、2014年、2019年東北東部經濟帶區域物流局部空間相關模式

五、結論與建議

（一）結論

基于2010—2019 年東北東部經濟帶物流產業從業人員數、總從業人員數、人均生產總值（GDP），通過計算區位基尼系數和區位熵，利用ArcGis、GeoDa 軟件，對東北東部經濟帶物流產業空間集聚進行全局和局部空間自相關分析，具體結論如下。

2010—2019 年東北東部經濟帶物流產業區位基尼系數處于[0.2648,0.3576]的區間內，經歷了四次折返波動，總體呈現上升的趨勢，表明東北東部經濟帶物流產業分布較為分散，聚集程度一般。

通過對2010—2019 年東北東部經濟帶14 個市區區位熵系數進行計算，發現大連、佳木斯兩個地區的專業化水平與集聚程度高，具有明顯的產業優勢，并且大連已成為東北東部經濟帶物流產業的高集聚地區。雙鴨山、本溪地區整體呈現下降趨勢，說明這些地區專業化水平與集聚程度有減弱的趨勢。延邊地區的專業化水平與集聚程度低，產業優勢不明顯。本溪、牡丹江這些地區的區位熵下降趨勢較為明顯，說明這些地區的物流產業逐漸分散。丹東地區的區位熵上升趨勢明顯，說明該地區的物流產業逐漸由分散轉為高集聚化。從總體上來看，東北東部經濟帶區域物流整體向分散趨勢發展，且東北東部經濟帶物流產業的空間集聚化與分散化并存，各地區之間的物流產業發展還存在較大的差異。

通過對2010—2019 年東北東部經濟帶物流產業全局自相關分析，發現東北東部經濟帶區域物流的分布在空間上聚集程度呈現正相關關系。但Moran’s I指數處于先升后降的趨勢，表明東北東部經濟帶區域物流的空間自相關和集聚特征處于從集聚到分散的演變過程。在更進一步的局部自相關分析中，發現東北東部經濟帶多數城市處于LL 類型，只有大連屬于HH 類型，丹東屬于LH 類型，沒有地區屬于HL類型。HH、LH、HL類型的地區沒有發生變化。近幾年LL 類型的地區開始縮減，表明東北東部經濟帶區域物流集群的發展和整合還任重道遠。

（二）建議

1.維持大連港口區域物流優勢

港口作為一種大型交通運輸基礎設施，為推動城市發展發揮了重要作用，大連市作為東北東部經濟帶區域物流高集聚地區，應當發揮其區位優勢，通過加強港口基礎設施建設，促進新交通區的形成，將臨港地區打造成為區域物流生產的集聚地區，促進區域物流的發展[16]。

2.推進丹東地區邊境貿易物流建設

丹東作為東北東部經濟帶LH 類型地區，其自身發展水平較低，而周邊地區發展水平較高，因此自身和周邊地區形成了低高聚集區域。丹東是一座港口城市，也是邊境城市，同時還是我國最大的邊境口岸之一。因此，應當發揮丹東邊境口岸優勢，促進市場貿易與物流發展，使之成為具有特色的邊境貿易地區。

3.推動區域物流集聚性低市區的發展

東北東部經濟帶大部分城市屬于LL 地區，表明其發展水平較低，周邊發展水平也較低，因此形成了低低聚集區域。以伊春市為例，東北東部經濟帶的發展不僅需要頭部企業帶領，尾部企業也是經濟發展的一個縮影。政府應當給予相對落后城市群的中心城市適度的資源傾斜，提高中心城市的發展水平，從而帶動周邊城市的經濟增速。