中国省际物流产业发展的空间关联网络结构特征分析

钟昌宝，干心一



中国省际物流产业发展的空间关联网络结构特征分析

钟昌宝，干心一

基于2005—2015年中国分省份数据，利用引力模型构建了空间关联网络，运用社会网络分析法全新解构了省际物流产业发展的空间网络关联特征。研究发现：中国省际物流产业发展的关联关系呈现出网络结构形态，网络稳定性逐步增强，但存在一定的等级属性，形成“核心-边缘”结构。上海、江苏、北京等省份点度中心度高，直接关联关系多，而上海、广东等沿海省份又处于网络核心位置，发挥着“中介”和“桥梁”作用。中国省际物流产业的发展可划分为四个板块，位于环渤海地区的北京、天津等省份属于“经纪人板块”，位于长三角和珠三角的江苏、上海、广东等省份属于“主受益板块”，位于华北和东北地区的吉林、河北等省份属于“双向溢出板块”，其余省份属于“净溢出板块”。鉴于此，空间关联网络特征应成为政府制定协同发展战略的参考因素，同时应提高协同发展的质量和效率，促进物流产业发展形成稳定的空间关联网络。

物流产业；空间关联；社会网络分析

自2009年国务院印发《物流业调整和振兴规划》以来，物流产业发展迅速。2009年中国物流产业生产总值为16 516.1亿元，2014年达到了28 750亿元，5年间增长了74%。然而省际间物流业发展不平衡问题仍然突出，不同省(直辖市、自治区，以下省略。)之间物流产业发展水平参差不齐，差异较大。例如：2014年，广东物流产业增加值达到了2 740.76亿元，而西藏仅有30.80亿元。可这并不意味着各省间的物流产业发展相互独立、互不影响，原因在于，政府调控、市场机制是推动各省间物流产业要素相互交融的重要力量。从政府政策层面看，党中央高度重视区域物流的协调发展，并制定了相应的区域物流协调发展战略，旨在促进各省间物流产业发展的关联关系。从市场层面看，在市场的“无形之手”牵引下，各省之间生产要素和商品加速流动。省际间劳动力、生产资料等要素的自由流动和商品自由贸易，必然会强化省际之间的物流联系，产生物流空间溢出效应。政府政策与市场双重力量的共同驱动，有力地推动了省际间物流产业发展的关联与互动。省际物流产业发展的空间关联已经超越了传统的线性模式，呈现出系统的、复杂的网络结构形态。因此，深入剖析中国省际物流产业发展空间关联的整体网络结构特征，对于政府进一步实施省际物流产业协调发展战略具有重要的理论意义和应用价值。

事实上，目前已有学者证明中国物流产业发展确实存在空间关联特性。钟祖昌[1]分析发现区域物流业集聚程度存在较强的空间自相关性和空间异质性。崔永福等[2]研究发现各省物流发展水平在空间分布上具有较强的相关性，省域物流发展水平空间集聚效应显著。而在区域物流空间关联的研究上，现有文献多采用引力模型为工具进行研究。例如，何远成等[3]通过货运量引力模型考察了珠江流域广东、广西21个港口城市的物流网络特征和空间层次结构。朱慧等[4]使用修正的引力模型测算浙江金衢丽区域的物流联系强度，结果表明区域内各县(市)物流空间联系分布不均衡。唐建荣等[5]选择江苏省13市2004—2013年物流行业统计数据，构建引力模型并测度城市间的物流引力，发现江苏省城市物流发展水平“南高北低、西强东弱”，网络结构可靠性较差。上述文献表明，无论是区域内部还是区域之间，中国的物流产业发展都呈现出了明显的空间关联特性。

然而现有相关文献尚存在着两方面不足。一是采用的研究方法虽考虑了地理上的“相邻”或“邻近”效应，但由此得出的研究结论往往还是局限于“局部”，难以从整体上把握省际物流产业发展之间的空间关联特征。二是未能从“关系数据”角度进一步揭示物流产业发展空间关联网络的结构形态和空间聚类方式溢出效应。本文基于关系数据和网络视角，利用2005—2015年中国分省份数据，构建修正的引力模型确定物流产业发展的空间关联关系，并借助社会网络分析(SNA)方法对物流产业发展的空间关联结构进行再考察。通过测度网络密度、网络关联度、网络等级度、网络效率反映物流产业发展空间关联网络的整体特征及演变趋势；通过中心性分析考察各省份在物流产业发展空间关联网络中的地位和作用；通过块模型揭示物流产业发展的空间聚类方式。

一、物流产业发展空间关联的社会网络分析

社会网络分析使用图论工具和代数模型技术，以节点间的“关系”作为研究对象，描述网络关系模式并考察这些关系模式对网络中的个体或整体的影响，是一种针对节点间“关系数据”的跨学科分析方法，已在社会学、经济学、管理学等领域得到广泛运用，成为一种新的研究范式[6-7]。

(一)物流产业发展空间关联网络的构建方法

关系的确定是网络分析的关键[8]。根据现有文献，关系的确定主要采用引力模型和VAR Granger Causality检验方法[9]。本文选择引力模型确定物流产业发展的空间关联关系，这样做基于两方面的考虑：一是VAR模型构建的网络无法刻画空间关联网络的演变趋势；二是VAR模型对滞后阶数的选择过于敏感，在一定程度上降低了网络结构特征刻画的精确性。而引力模型不仅更加适用于总量数据，而且可以综合考虑经济地理距离因素，进而可以利用截面数据刻画空间关联网络的演变趋势。因此，本文借鉴刘华军等测算中国能源消费空间关联网络的方法[10]，以修正后的引力模型计算中国物流产业发展的空间关联网络，修正后的引力模型如下。

(1)

式中，i、j代表不同省份；yij表示省份i和省份j物流产业之间的引力；Li、Lj分别表示省份i和省份j的物流产业生产总值；Gi和Gj表示省份i和省份j的实际地区生产总值；kij表示省份i在省份i、j之间物流产业关联度中的贡献度。为了同时考虑经济因素和地理因素对物流产业发展空间关联关系的影响，以i、j省会城市之间的距离Dij与省份i、j人均GDP的差值(gi-gj)之比表征两市之间的“距离”。依据式(1)，计算出省际物流产业之间的引力矩阵。引力矩阵的各行取平均值作为阈值，引力高于该行阈值的记为1，表示该行的省份对该列的省份存在物流关联关系，并且在网络中是由该行的省份指向该列的省份；反之若引力值低于该行的阈值则记为0，表示该行的省份对该列的省份不存在物流关联关系。

(二)物流产业发展空间关联网络的特征刻画

1.整体网络特征指标

网络密度是指网络中各个省份之间联络的紧密程度，网络密度越大，各省份间的空间关联越紧密。设网络中省份数量为N，则网络所能包含的最大连线数为N(N-1)。如果网络中实际拥有的连线数量为L，则网络密度D=L/(N(N-1))。

关联性反映物流产业发展空间关联网络自身的稳健性和脆弱性。如果网络中各省份间的关联关系把物流业系统连接成一个整体，任意两省份间均存在一条直接或间接的路径相连，则该网络具有较好的关联性。若一个网络的很多线都通过一个省份相连，则网络对该省份就产生较大依赖，一旦排除该省份，网络就可能崩溃，因此是不稳健的，其关联性低。关联性的测度指标是关联度C，可通过可达性来测量。设网络中的省份数量为N，网络中不可达点的点对数为V，则关联度C=1-2V/(N(N-1))。

网络等级度是网络中各省份之间两两非对称可达的程度，等级度越高表明空间关联网络等级结构越森严，权利自下而上越来越集中。设K为网络中对称可达的点对数，maxK为省份i可达j或省份j可达i的点对数，则网络等级度H=1-K/maxK。

网络效率反映了物流产业发展空间关联网络中各省份间的连接效率。网络效率越低，则表明省份间存在更多的连线，各省份物流的空间溢出渠道越多，即存在多重叠加现象，物流产业发展空间关联网络就越稳定。设网络中多余线的条数为M，maxM为最大可能多余线的条数，则网络效率E=1-M/maxM。

2.网络个体特征指标

中心性是研究网络中各省份在网络中的地位和作用的指标。一个省份在网络中越处于中心位置，其在网络中的“影响力”越大，越能影响其他省份。中心性常见刻画指标有三个，分别是点度中心度、中间中心度和接近中心度。

点度中心度指在网络中与某省份直接相关联的省份数目和最大可能直接相关联的省份数目(用N表示)之比。一个省份的关联关系有两种：一种是溢出的关联关系(用nout表示)，另一种是受益的关系(用nin表示)[9]。则点度中心度为：CRDi=(nin+nout)/(2N-2)。

中间中心度测度的是一个省份在多大程度上能控制其他省份，中间中心度越高意味着该省份就越能控制网络中其他省份之间的交往能力。假设省份j和k之间存在的捷径数目为gjk，j和k之间存在的经过i的捷径数目为gjk(i)，省份i控制j和k关联的能力为bjk(i)(即i处于j和k之间捷径上的概率)，则bjk(i)=gjk(i)/gjk。将i相应于网络中所有的点对的中间中心度相加得到省份i的绝对中间中心度，标准化后便得到相对中间中心度。

(2)

接近中心度反映一个省份不受其他省份控制的能力。接近中心度的值越小，说明该省份越居于核心地位，从而越不受其他省份控制[11]。Sabidussi认为接近中心度测度的是一个点与网络中其他点的捷径距离之和。以dij表示点i与j之间的捷径距离，则将绝对接近中心度标准化后得相对接近中心度。

(3)

(三)物流产业发展空间关联网络的块模型分析

块模型是社会网络分析中进行空间聚类分析的主要方法。块模型可以对各个位置(块)在网络中的角色进行分析。通过块模型分析，能够从新的维度考察物流产业发展空间关联网络的发展状况，揭示和刻画物流产业发展空间关联网络的内部结构状态，找到网络中板块的个数以及每个板块所包含的省份，进而分析板块之间的关系及联接方式。本文将物流产业发展空间关联网络中的块的角色划分为四种类型。一是主受益板块，此板块内部关系比例多，而外部关系比例少，对其他板块的溢出效应少。极端情况下，只对内部成员发出关系，而不对板块外部发出关系，但接收来自其他板块发出的关系，在此情况下可称为净受益板块。二是净溢出板块，其成员向其他板块成员发出较多的关系，而对板块内部较少发出关系，并且较少接收到外来关系，此板块上的物流产业对其他地区物流产业产生净溢出效应。三是双向溢出板块，其成员向其他板块发出较多的关系，同时对板块内部也发出较多的关系，但没有接收到多少外来的关系，此板块上的物流产业对板块内部和其他板块物流产业产生双向溢出效应。四是经纪人板块，其成员既发送又接收外部关系，其成员内部之间的联系比较少，在物流产业的空间溢出中发挥桥梁作用。

二、中国物流产业发展空间关联的实证分析

本文以31个省份作为网络节点，实证考察省际物流产业发展的空间关联，数据的时间跨度为2005—2015年。各省份物流生产总值、地区生产总值和人均生产总值来源于《中国统计年鉴》，以统计年鉴中的交通运输、仓储业和邮政业的生产值表征物流产业生产总值。省际之间的地理距离以省会城市市政府间的最短公路距离表示。

(一)整体网络结构特征

根据修正的引力模型，本文确定了省际物流产业发展的空间关联关系并建立了关系矩阵。将关系矩阵0-1二值化处理后导入UCINET软件，使用Netdraw绘图工具可生成2015年中国物流产业发展的可视化网络结构拓扑图(如图1)。由拓扑图可以看出中国省际物流产业发展的空间关联呈现出了典型的网络结构形态，同时网络中的“核心-边缘”结构也十分明显，北京、上海、江苏、天津等省份的核心地位显著。

图 1 2015年中国物流产业发展空间关联网络

1.网络密度

分析2005—2015年中国省际物流产业发展空间关联网络密度的演变趋势(如图2)可以发现：2005—2013年省际物流产业发展的空间关联关系数呈逐年上升趋势，由2005年的173个上升至2013年的221个；而2013—2015年，空间关联关系数开始出现回落，由2013年的221个下滑至2015年的215个。同时，省际物流产业发展空间关联网络的密度(如图3)也呈现出相同趋势，2005—2013年省际物流产业发展空间关联网络的密度逐年上升，表明中国省际物流产业发展的空间关联愈发紧密。而继2013年之后，空间关联网络的密度有所回落，2015年的空间关联网络的密度为0.231，比2012年略低。究其原因，2005年电子商务在中国刚刚兴起，随着电子商务企业的迅速发展和扩大内需政策的落实，电商物流、快递物流等生活消费性物流增长迅猛，大力推动了省域间物流产业的联系。但伴随中国经济转型步入“新常态”，中国的物流产业发展也步入平稳增长阶段。

2.网络关联性

本文使用网络关联度、等级度和效率三个指标来刻画省际物流产业发展空间关联网络的关联性。测度结果显示2005—2015年的网络关联度均为1，说明省际物流产业发展空间关联网络的通达性良好，不存在孤立发展的省份。2005—2015年中国省际物流产业发展空间关联网络的等级度呈上下波动的复杂态势(如图4)，具体表现为2010—2015年等级度呈现“W”形状。网络等级度的复杂变化意味着各省份物流产业间的双向关系变动频繁。空间关联网络等级度越高，则“核心-边缘”结构越显著。2005—2015年中国省际物流产业发展空间关联网络的效率(如图5)总体上呈下降形态。分析网络等级度和效率的变化，笔者认为随着区域协同发展战略的深入推进和物流企业的发展，一定程度上消除了物流产业发展之间的区域壁垒，使得网络中关联关系数量增多，增强了网络的稳定性。

图2 2005—2015年中国物流产业发展空间关联

图3 2005—2015年中国物流产业发展空间网络密度

图4 2005—2015年中国省际物流网络等级度

图5 2005—2015年中国省际物流网络效率

(二)中心性分析

本部分通过测度点度中心度、中间中心度、接近中心度等指标进行网络中心性分析，考察并揭示各省份在物流产业发展空间关联网络中的权力和地位，2015年的测度结果见表1*对于其他年份结果感兴趣的读者可向作者索取。。

1.点度中心度

31个省份的点度中心度均值为23.118，上海、江苏、北京、天津、浙江等11个省份的中心度高于均值，说明这些省份在省际物流产业发展空间关联网络中与其他省份发生的直接关联关系较多。点度中心度高于均值的省份均位于沿海地区*沿海地区包括北京、天津、辽宁、河北、山东、江苏、上海、浙江、福建、广东、广西、海南，其他省市区为内陆地区。参考王成金，张梦天，《中国物流企业的布局特征与形成机制》《地理科学进展》，2014年第1期。，表明我国沿海地区在空间关联网络拥有着更多的“管道”来进行空间溢出。海南、陕西、青海、宁夏、新疆的点度中心度排在全国的后5位，说明这些省份的物流产业与其他地区的关联关系数稀少。综合来看，这些省份地理位置偏远、交通条件落后，导致其物流产业与其他地区之间的空间关联较弱。从点入度和点出度的角度看，31个省份的点出度和点入度均值均为6.935，广东、福建、云南、西藏、甘肃等17个省份的点出度高于均值，表明这些省份对其他地区存在较强的溢出效应；江苏、上海、北京、天津、浙江等省份的点入度不仅远高于全国点入度的均值，而且也高于其自身的点出度。原因在于这些省份位于长三角和京津冀地区，城市化发展水平高，交通区位条件优异，吸引着海内外众多物流企业布局于此，因此在物流产业发展空间关联网络中受益良多。

2.中间中心度

31个省份的中间中心度均值为3.126，上海、广东、江西、江苏、湖南等11个省份的中心度高于均值，表明这些省份对空间关联网络中其他省份物流产业之间“交往”的控制力较强。高于中间中心度均值的省份基本分布在经济发达的长三角、珠三角和京津冀地区，表明我国沿海地区在空间关联网络中更多地享有“中介”和“桥梁”优势，有更多的机会获得信息和资源。中间中心度排名后5位的省份为西藏、陕西、青海、宁夏、新疆，其中间中心度均为0，表明其对于空间关联网络中的其他省份无法起到控制和影响作用。此外，物流产业发展空间关联网络中各省份的中间中心度参差不齐，呈现出显著的非均衡形态，相当多的物流联系通过广东、上海、江苏等经济发达的省份来完成。

3.接近中心度

接近中心度分为点入度接近中心度和点出度接近中心度，分别代表各省份在受益和溢出关系中的中心度。31个省份的点入度接近中心度均值为37.654，新疆、西藏、黑龙江、吉林、辽宁等省份的点入度接近中心度远低于均值，表明这些省份在受益关系网络中居于核心位置。事实上，上述省份的经济水平较为落后，在物流产业发展上亟需接收其他省份的溢出效应。31个省份的点出度接近中心度均值为10.207，天津、北京、内蒙古、安徽、河北等省份的点出度接近中心度排在末尾，表明这些省份在溢出关系网络中处于核心位置。上述省份在工、农、林、牧和能源方面发挥着重要作用，因此在溢出关系网络中理所应当处于核心位置，且对其他省份的物流产业发展存在显著溢出效应。

表1 2015年中国省际物流产业发展空间关联网络的中心性

(三)块模型分析

本文通过块模型分析揭示各个省份在物流产业发展关联网络的空间聚类特征。采用CONCOR算法，选择最大切分深度为2，集中标准为0.2，把31个省份划分为4个板块(见表2)。其中，板块Ⅰ的成员有4个，分别是北京、天津、内蒙古、山东；板块Ⅱ的成员有4个，分别是江苏、广东、上海、浙江；板块Ⅲ的成员有5个，分别是吉林、辽宁、河北、山西、黑龙江；板块Ⅳ的成员有18个，分别是福建、江西、河南、湖北、湖南、安徽、广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。

下面本文进一步通过块模型分析揭示4个板块在物流产业发展空间关联网络中的位置。在省际物流产业发展空间关联网络中的215个关联关系中，4个板块内部成员之间存在的关联关系数为32，仅占网络关系总数的15%，可见各板块间物流产业发展具有显著的溢出效应。其中，板块 Ⅰ 为“经纪人板块”，板块 Ⅱ 为“主受益板块”，板块 Ⅲ 为“双向溢出板块”，板块 Ⅳ 为“净溢出板块”。

表2 物流产业发展板块的溢出效应

1)期望内部关系比例=(板块内省份个数-1)/(网络中所有省份个数-1)；2)实际内部关系比例=板块内部关系数/板块的溢出关系总数。

本文计算出各物流产业发展板块的密度矩阵，用以反映溢出效应在各物流产业发展板块的分布情况。2015年中国省际物流产业发展空间关联网络的密度为0.231，如果板块的密度大于0.231，则该板块密度大于总体平均水平，物流产业的发展将更集中于该板块。本文将板块密度大于整体网络密度的情形赋值为1，将板块密度小于整体网络密度的情形赋值为0，可得到像矩阵(见表3)。分析四大板块间的关联关系(如图6)看出板块 Ⅰ 和板块 Ⅱ 不仅自身内部存在着物流产业发展的关联关系，还接收来自板块 Ⅲ 和板块 Ⅳ 的溢出，表明经济发展水平高的沿海地区信息流和物资流的需求巨大，需要来自其他省份的各类物资输入。而板块 Ⅰ 和板块 Ⅱ 在接收溢出的同时，对板块 Ⅲ 和板块 Ⅳ 的物流产业发出关系，表明沿海地区的物流产业也会惠及其他省份物流产业的发展。此外，板块 Ⅰ 和板块 Ⅱ 之间不存在直接的溢出效应，其溢出方式是：板块 Ⅰ 通过板块 Ⅲ 对板块 Ⅱ 进行溢出，板块 Ⅱ 通过板块 Ⅳ 对板块 Ⅰ 进行溢出，也显示了板块 Ⅲ 和板块 Ⅳ 在省际物流产业发展整体网络中不可或缺的作用。

图6 中国物流产业发展四大板块之间的关联关系

板块密度矩阵像矩阵1)板块Ⅰ板块Ⅱ板块Ⅲ板块Ⅳ板块Ⅰ板块Ⅱ板块Ⅲ板块Ⅳ板块Ⅰ0.5830.0630.4500.0971010板块Ⅱ0.0630.4170.0000.2780101板块Ⅲ0.6500.3500.3000.0001110板块Ⅳ0.7080.8890.0000.0461100

1 )“1”表示存在行指向列的关联关系，“0”表示没有关联关系。

三、结论与启示

(一)研究结论

基于2005—2015年中国分省份数据，从网络视角重新审视物流产业发展的空间关联，构建修正的引力模型，确定省际物流产业发展的空间关联关系并建立网络。在此基础上，利用社会网络分析法对中国省际物流产业发展空间关联网络结构进行了实证考察。

其一，中国省际物流产业发展的关联关系呈现出复杂的网络结构，网络整体通达性强，不存在孤立发展的省份；网络具有一定的等级属性，各省份间物流产业发展的溢出效应往往是非对称的，经济发展水平高的省份在网络结构中处于主导地位。

其二，上海、江苏、北京等沿海省份的点度中心度较高，与其他省份的直接关联关系多。青海、宁夏、新疆等省份的点度中心度较低，与其他省份的直接关联关系少；以上海、广东为代表的沿海地区中间中心度较高，在网络中处于核心位置并发挥着“中介”和“桥梁”的作用。

其三，分布在环渤海地区的北京、天津、内蒙古、山东构成了“经纪人板块”，位于长三角和珠三角地区的江苏、广东、上海、浙江构成了“主受益板块”，集中于华北和东北地区的吉林、辽宁、河北、山西、黑龙江构成了“双向溢出板块”，其余分布于东、中、西部的省份构成了“净溢出板块”。

(二)政策启示

首先，中国省际物流产业发展的空间关联关系以及由这种关系所构成的空间关联网络的各种特性，应成为政府制定物流产业省际协同发展政策的重要参考因素，相关省份物流产业发展政策应在促进中国省际物流产业协调发展的同时，致力于提高空间网络的密度与稳健性。

其次，中国省际物流产业发展空间网络的四个板块间存在着一定的等级梯度，板块Ⅲ和板块Ⅳ中的成员在物流产业发展中处于劣势地位，板块Ⅳ中的成员接收不到来自板块Ⅰ和板块Ⅲ的溢出效应。同时，高等级的板块Ⅰ和板块Ⅱ之间缺少直接的关联，物流产业发展的溢出效应必须通过板块Ⅲ和Ⅳ，带来运输成本上的浪费。对此，政府在保持位于沿海地区的板块Ⅰ、板块Ⅱ经济活动需求的同时，应着力培养和加强属于不同板块的省份之间的双向溢出，逐步降低中国省际物流产业发展空间关联网络的等级性，以提高中国省际物流产业协同发展的质量与效率。

最后，政府在大力促进省际间物流产业协同发展的同时，还应着力加强产业结构、科技创新、物流基础设施等领域的省际协同关系，以促进省际物流发展形成稳定的空间关联网络。

[1]钟祖昌.空间经济学视角下的物流业集聚及影响因素——中国31个省市的经验数据[J].山西财经大学学报,2011,33(11):55-62.

[2]崔永福,刘建清,陶佩君.我国省际物流发展水平的空间差异分析[J].物流技术,2013,32(12):247-252.

[3]何远成,李芳,胡玉州,等.基于货运量引力模型的流域物流网络结构研究——以珠江为例[J].物流技术,2013,32(3):315-318.

[4]朱慧,周根贵.基于引力模型的内陆型区域物流空间联系研究——以浙江金衢丽地区为例[J].地域研究与开发,2015,34(1):43-49.

[5]唐建荣,张鑫,杜聪.基于引力模型的区域物流网络结构研究——以江苏省为例[J].华东经济管理,2016,30(1):76-82.

[6]BORGATTI S P,MEHRA A,BRASS D J.Network analysis in the social science[J].Science,2009,5916(323):892-895.

[7]徐振宇.社会网络分析在经济学领域的应用展望[J].经济学动态,2013(10):62-72.

[8]SCOTT J.Social network analysis[M].London:Sage Publication,2013.

[9]李敬,陈澎,万广华,等.中国区域经济增长的空间关联及其解释——基于网络分析方法[J].经济研究,2014(11):4-16.

[10]刘华军,刘传明,孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济,2015(5):83-95.

[11]刘军.社会网络分析导论[M].北京:社会科学文献出版社,2004.

The Characteristic Analysis of Spatial Correlation Network Structure ofProvincial Logistics Industry’s Development in China

Zhong Changbao,Gan Xinyi

Based on Chinese provincial data from 2005 to 2015, this paper constructs the spatial correlation network and deconstructs characteristics of spatial correlation network structure of provincial logistics industry by applying Gravity Mode and the method of Social Network Analysis. It is found out that logistics industry’s development in China presents a network structure. Network stability has strengthened. However, it shows the “core-periphery” structure because of its hierarchical attribute. Shanghai, Jiangsu and Beijing have higher point degree and more direct correlations. Costal provinces such as Shanghai and Guangdong are located in the center of the network and play the roles of “middleman” and “bridge”. Logistics industry’s development in China can be divided into four blocks, Beijing, Tianjin and other provinces in Bohai Rim as “broker block”, Jiangsu, Shanghai, Guangdong and other provinces in Yangtze River Delta and Pearl River Delta as “net beneficial block”, Jilin, Hebei and other provinces in North China and Northeast China as “bidirectional spillover block”, the rest are “net spillover block”. Hence, characteristics of spatial correlation network should be references for government making coordinated development strategies. Meanwhile, government should improve the quality and efficiency of coordinated development to promote a stable spatial correlation network of logistics industry’s development.

logistics industry; spatial correlation; Social Network Analysis

钟昌宝，管理学博士，常州大学商学院教授，硕士生导师；干心一，常州大学商学院硕士研究生。

国家社会科学基金一般项目“基于应急供应链的救灾物资配送模糊决策与支持系统研究”(12BGL104)；教育部人文社会科学规划一般项目“供应链环境下物流系统和谐机制研究”(10YJA630223)。

F207

A

10.3969/j.issn.2095-042X.2017.04.007

2017-03-23；责任编辑:沈秀)