东北东部经济带区域物流空间布局及演化特征研究

朱文娟，曾 豪

（湖南工业大学商学院，湖南株洲 412000）

一、引 言

随着经济全球化发展与互联网平台经济的兴起，物流业作为第三产业逐渐成为一个地区整体经济水平的重要支柱。东北东部经济带包含辽宁省、吉林省、黑龙江省中的14 个市州，地处于我国东北口岸，与俄罗斯、朝鲜接壤，是重要的生态屏障区和沿海贸易区，作为东北三省的重要区域，其承担着东北全面振兴和边境地区开发开放的重任[1]。这14个市州之间曾创建了沟通合作体系，为促进区域间投资出台了优惠激励政策，基础设施和物流方面的合作也得到了极大的改善，譬如2019 年8 月国家发改委出台了《东北东部经济带发展规划》，标志着东北东部绿色经济带已正式上升为国家战略，其发展规划强调筑牢高质量发展“四梁八柱”，充分发挥辽宁省丹东市沿海沿边交通优势，打通联结欧亚与朝鲜半岛的贸易通道，同时推动丹东到通化直至鹤岗的高速铁路项目建设，进一步支持交通基础设施建设。2021 年9 月国务院批复《东北全面振兴“十四五”实施方案》，其重点任务主要包括推动经济发展区域动力源、提升东北亚国际开放合作水平等，旨在争取到2025年，东北地区振兴重点领域有新的突破口，初步建立高质量发展的区域经济布局，进而带动城市群物流业高质量发展，同时促进国内国际双循环格局构建。由此可见，东北地区经济带逐渐成为国家重点关注的物流业高质量发展地区。

东北地区作为老工业基地，为物流业发展奠定了良好的基础，但与“长三角”、京津冀、“珠三角”地区相比，仍存在较大的差距。东北地区振兴战略的深入实施和沿海沿边开放的深入推进，为东北地区物流业充分寻求发展与合作提供了宝贵的资源，物流业作为支撑经济发展的重要产业，也随着经济空间集聚呈现出空间集聚及演化特征。

二、文献回顾

区域物流是指某区域内以支撑可持续经济发展为目标，形成一种适应区域环境、满足区域内政治、经济等发展要求，从而实现组织有效管理的物流活动体系。目前针对区域物流空间的研究已成为学术热点，学者采用不同的方法对此展开了研究：（1）针对物流空间布局及空间演化特征，高秀丽、翁钢民等均采用ESDA 分析方法，分别对广东省、京津冀区域物流空间布局及其演化特征进行了研究，进一步揭示了区域空间物流的相关性与演变态势[2-3]。崔园园等通过区位熵、区位基尼系数等分析长三角区域物流空间演化特征，同时建立物流集聚影响因素理论框架与模型，进一步探究不同变量之间的相关关系[4]。（2）针对物流空间网络特征，宗会明等以中国百强物流企业网络数据作为基础，运用连锁网络模型方法探究中国城市网络特征及演变规律[5]。孙春晓等以中国284个城市为研究单位，运用GIS 空间分析和社会网络分析方法，探讨中国城市物流创新网络总体特征、利用空间计量模型探究中国城市物流创新空间网络的驱动因素与机理，进一步促进中国物流业高质量发展[6]。（3）针对物流枢纽空间布局，江志娟等选取与丝绸之路经济带发展相关联的18个省市作为观测单位，运用聚类分析进行区域空间划分，以推动丝绸之路经济带发展为目标，实现国内优势产业由东向西，向中亚、西亚国家转移的国际产能合作[7]。陈颖等利用层次分析法并结合AHP 算法对四川省物流枢纽布局进行研究，进一步推动了四川省国家物流枢纽建设，提升全省物流服务质量[8]。

现有文献较少对东北东部经济带区域物流空间进行研究，马越越基于偏微分方法的空间杜宾模型对辽宁省城市全要素生产率的空间溢出效应进行了实证研究[9]。该研究为东北部分地区区域物流发展提供了一定的参考建议，但针对整个东北东部经济带区域物流空间布局及演化特征的研究却很少。借鉴已有学者的研究成果，通过计算区位基尼系数、区位熵，采用ESDA 分析方法，计算全局与局部Moran’s I 指数，输出Moran’s I 散点图与LISA图，探究2010—2019年东北东部经济带区域物流空间布局及演化特征，旨在为促进东北东部经济带区域物流发展水平提供理论分析与对策建议。

三、数据来源与研究方法

（一）数据来源

目前国内并没有明确界定“物流产业”这一概念，多数学者都将交通运输、仓储和邮政业产业增加值或从业人员数作为城市物流产值指标。研究选取2010—2019 年东北东部经济带14 个市州的交通运输、仓储和邮政业产业从业人员数为基本数据，分析其区位基尼系数与区位熵，对不同时期物流产业发展状况进行对比，同时选取2010—2019年东北东部经济带14 个市州的人均生产总值（GDP）数据，采用探索性空间数据分析方法（exploratory spatial data analysis, ESDA），对其进行空间自相关分析。数据来源于东北东部经济带各城市2010—2019 年《统计年鉴》，采用描述性统计分析（平均值、极值）的形式，各城市交通运输、仓储和邮政业产业从业人员数、总从业人员数、人均生产总值的年份数据指标如表1所示。

表1 2010—2019年东北东部经济带各城市相关数据

（二）研究方法

1.区位基尼系数（Gr）

区位基尼系数（Gr）可用于计算产业的地理空间聚集程度。研究采用区位基尼系数分析东北东部经济带物流产业在空间上的分布情况。相应的计算公式为：

其中，Gr表示东北东部经济带物流产业基尼系数，n表示市级单位总数，数值为14，Xir表示i市交通运输、仓储和邮政业产业从业人员数，Xnr表示东北东部经济带全市交通运输、仓储和邮政业产业从业人员数，Xk表示i市总从业人员数，Xn表示东北东部经济带总从业人员数。

Gr的取值范围为0 ≤Gr≤1，Gr值越小，表示该产业在地理空间上的聚集程度越低；Gr值越大，表示该产业在地理空间上的聚集程度越高。一般来说，当Gr＜0.2 时，说明产业分布极为分散，聚集程度极低；当0.2 ≤Gr＜0.3 时，说明产业分布高度分散；当0.3 ≤Gr＜0.4 时，说明产业分布较为分散；当0.4 ≤Gr＜0.5 时，说明产业分布较为集中；当Gr≥0.5时说明产业分布高度集中[10]。

2.区位熵（LQij）

区位熵（location quotient，LQ）反映某一产业部门的专业化程度，可以用来衡量其相对于更高层次区域的地位水平。研究采用区位熵计算东北东部经济带各城市的物流产业专业化水平和聚集程度。相应的计算公式为：

其中，LQij表示东北东部经济带区位熵；qij表示i市交通运输、仓储和邮政业产业从业人员数，qi表示i市总从业人员数，Qhj表示东北东部经济带交通运输、仓储和邮政业产业从业人员数，Qh表示东北东部经济带总从业人员数。

LQij值越大，表示该地区产业在地理空间上的聚集程度越高，比较优势越明显。一般来说，当LQij> 1.5 时，说明该地区产业优势明显，聚集程度很强；当1＜LQij≤1.5 时，说明该地区产业聚集程度较高；当0.5 ≤LQij≤1 时，说明该地区产业聚集能力一般；当LQij＜0.5 时，说明该地区产业处于劣势，聚集程度极弱[11]。

3.探索性空间数据分析方法（ESDA）

探索性空间数据分析方法通过空间样本之间的相关性及其程度来探究空间对象的分布特征，主要包括全局自相关和局部自相关分析[12]。研究采用全局Moran’s I指数和局部自相关统计量（LISA）对东北东部经济带区域物流在空间上的相互关系进行分析。

全局Moran’s I 指数是度量空间相关性的重要指标，用来表明区域整体在空间上的关联程度。相应的计算公式为：

其中，n表示市级单位总数，数值为14，Xi和Xj为第i个区域和第j个区域的属性变量值，wij为区域单元i和区域单元j之间的空间权值矩阵，且wij与区域单元i和区域单元j之间关系如下：

一般来说，Moran’s I的取值范围为Moran’s I∈[-1,1]，Moran’s I指数接近-1时，表示空间存在负相关关系，即空间单元之间的差异大；Moran’s I指数接近1时，表示空间存在正相关关系，即空间单元之间的差异小；Moran’s I=0时，表示空间单元之间呈随机分布状态[13]。

局部Moran’s I 指数是度量局部区域空间聚集情况的重要指标，用来表明区域物流产业与邻近空间之间的空间自相关性。相应的计算公式为：

其中，Ii表示第i个区域的局部Moran’s 指数，n表示研究区域内所有地区的总数，数值为14，Wij表示空间权重值，Yi表示第i个区域的人均GDP。

利用Moran’s I 散点图，以(Yi-)为x轴，以为y轴，可以将平面区域划分为四个象限，第一象限为高高聚集区（HH），代表该地区与周边地区物流产值同属于高聚集度；第二象限为低高聚集区（LH），代表该地区物流产值属于低聚集度，周边地区物流产值属于高聚集度；第三象限为低低聚集区（LL），代表该地区与周边地区物流产值同属于低聚集度；第四象限为高低聚集区（HL），代表该地区物流产值属于高聚集度，周边地区物流产值属于低聚集度。

四、实证分析

（一）东北东部经济带区域物流演化特征分析

1.区位基尼系数分析

通过对东北东部经济带物流产业从业人员基尼系数进行数据分析，将2010—2019年东北东部经济带14个市州的交通运输、仓储和邮政业产业从业人员数与总从业人员数作为基本数据，代入公式（1）计算得出2010—2019 年东北东部经济带区位基尼系数，其趋势图如图1所示。

图1 2010—2019年东北东部经济带物流产业区位基尼系数趋势图

由图1 可知，2010—2019 年基尼系数处于[0.2648,0.3576]的区间内，表明东北东部经济带物流产业分布较为分散，聚集程度一般。东北东部经济带基尼系数处于低位震荡状态，分别在2012 年、2013年、2015年、2018年经历了四次折返波动，2012年与2015年为该基尼系数的两个拐点，2013年为基尼系数最低值，说明该年东北东部经济带物流产业分布高度分散；2015 年为区位基尼系数最高值，但仍低于0.4，表明东北东部经济带物流产业的聚集程度虽有上升趋势，但仍然处于较低的状态。从总体趋势来看，区位基尼系数呈现波动式上升的趋势，由此可见，随着今后的发展，东北东部经济带物流产业的聚集程度将会进一步加强。

2.区位熵分析

通过对东北东部经济带物流产业从业人员区位熵进行数据分析，将2010—2019年东北东部经济带14个市州的交通运输、仓储和邮政业产业从业人员数与总从业人员数作为基本数据，代入公式（2）计算得出2010—2019 年东北东部经济带14 个市区区位熵系数，如图2所示。

图2 2010—2019年东北东部经济带各市物流产业区位熵系数

由图2 可知，区位熵系数均高于1 的地区有大连、佳木斯，说明这些地区的专业化水平与集聚程度高，具有明显的产业优势，其中大连在2010—2019 年区位熵系数均高于1.5，说明大连已成为东北东部经济带物流产业的高集聚地区。双鸭山、本溪区位熵虽然分别在2018 年、2019 年低于1，其他年份均高于1，但其整体呈现下降趋势，说明这些地区专业化水平与集聚程度较高，但呈现减弱的趋势。区位熵系数均低于0.5 的地区只有延边地区，说明该地区的专业化水平与集聚程度低，产业优势不明显。本溪、牡丹江这些地区的区位熵下降趋势较为明显，说明这些地区的物流产业逐渐分散；丹东地区的区位熵上升趋势明显，说明该地区的物流产业逐渐由分散转为高集聚化。从总体上来看，2010 年大连、丹东、本溪、牡丹江、双鸭山、佳木斯这6个地区区位熵系数高于1，2019年大连、丹东、双鸭山、佳木斯这4 个地区区位熵高于1，说明东北东部经济带区域物流整体向分散趋势发展。上述分析表明，东北东部经济带物流业的空间集聚与分散并存，区域间的物流业发展仍存在明显差异。

通过对东北东部经济带物流产业从业人员数区位熵进行计算，采用ArcMap10.2 软件进行制图，研究发现，东北东部经济带区域物流空间格局呈现出“一心两带”向“一头多点”演进的特征，如图3 所示。“一心两带”是指2010年东北东部经济带区域物流的空间格局特征，即一个集聚程度较高的城市（牡丹江市），两个物流组团（由东北东部经济带中西南部的本溪、通化、白山等和东北部的鹤岗、双鸭山等所组成的两个区域物流产业组团）；“一头多点”是指东北东部经济带西南部与东北部并行发展，即未来新一轮东北振兴中重要的增长极与支撑带[14]（丹东、大连），东北部城市群建设区域性物流组团下形成的新区域物流空间格局，即多点（伊春、鹤岗、佳木斯等其他城市）。

图3 东北东部经济带物流产业演进的空间结构特征

（二）东北东部经济带区域物流空间布局分析

1.全局Moran’s I指数自相关分析

以2010—2019 年东北东部经济带各市人均生产总值为基础数据，运用GeoDa 软件计算Moran’s I指数值，如图4所示。

图4 2010—2019年东北东部经济带物流产业Moran’s I指数趋势图

2010—2019 年，东北东部经济带Moran’s I 指数均为正值，表明东北东部经济带区域物流的分布在空间上聚集程度呈现正相关关系。2010—2014年呈适度上升趋势，在2014 年达到顶峰值0.4564，表明在该年东北东部经济带区域物流空间集聚程度最强；2015—2018 年呈现逐渐下降趋势，于2018年达到最低值0.2524，而后2019 年回升到0.2637。综上所述，东北东部经济带物流产业Moran’s I 指数处于先升后降的趋势，表明东北东部经济带区域物流的空间自相关和集聚特征呈现从集聚到分散的演变过程。

2.局部Moran’s I指数自相关分析

全局自相关分析往往无法揭示局部空间集聚的关联性和区域性之间的差异。因此，为了进一步研究东北东部经济带区域物流局部空间格局的演变情况，在研究2010 年、2014 年、2019 年三个时间段时，采用Moran’s I 散点图对东北东部经济带区域物流局部空间关联特征与变动进行分析[15]，如图5 所示。其中因2010 年、2019 年Moran’s I 散点图的显著性水平测试不通过，因此对LISA 图的输出进行分析，见图6。由图5 和表2 可以看出，东北东部经济带多数城市处于第三象限内，2010 年、2014年和2019 年，属于HH 类型的地区只有大连，属于LH 类型的地区只有丹东，没有地区属于HL 类型，属于LL类型的地区2010年为伊春、鹤岗，2014年为伊春、鹤岗、双鸭山、佳木斯、鸡西，2019 年只有伊春。可以看出HH、LH、HL 类型的地区没有发生变化，LL 类型的地区近几年开始缩减，表明东北经济带地区区域物流集群的发展和整合还有很长的道路。

图5 2010年、2014年、2019年东北东部经济带物流产业集聚程度Moran’s I散点图

图6 2010年、2014年、2019年东北东部经济带物流产业空间集聚LISA图

表2 2010年、2014年、2019年东北东部经济带区域物流局部空间相关模式

五、结论与建议

（一）结论

基于2010—2019 年东北东部经济带物流产业从业人员数、总从业人员数、人均生产总值（GDP），通过计算区位基尼系数和区位熵，利用ArcGis、GeoDa 软件，对东北东部经济带物流产业空间集聚进行全局和局部空间自相关分析，具体结论如下。

2010—2019 年东北东部经济带物流产业区位基尼系数处于[0.2648,0.3576]的区间内，经历了四次折返波动，总体呈现上升的趋势，表明东北东部经济带物流产业分布较为分散，聚集程度一般。

通过对2010—2019 年东北东部经济带14 个市区区位熵系数进行计算，发现大连、佳木斯两个地区的专业化水平与集聚程度高，具有明显的产业优势，并且大连已成为东北东部经济带物流产业的高集聚地区。双鸭山、本溪地区整体呈现下降趋势，说明这些地区专业化水平与集聚程度有减弱的趋势。延边地区的专业化水平与集聚程度低，产业优势不明显。本溪、牡丹江这些地区的区位熵下降趋势较为明显，说明这些地区的物流产业逐渐分散。丹东地区的区位熵上升趋势明显，说明该地区的物流产业逐渐由分散转为高集聚化。从总体上来看，东北东部经济带区域物流整体向分散趋势发展，且东北东部经济带物流产业的空间集聚化与分散化并存，各地区之间的物流产业发展还存在较大的差异。

通过对2010—2019 年东北东部经济带物流产业全局自相关分析，发现东北东部经济带区域物流的分布在空间上聚集程度呈现正相关关系。但Moran’s I指数处于先升后降的趋势，表明东北东部经济带区域物流的空间自相关和集聚特征处于从集聚到分散的演变过程。在更进一步的局部自相关分析中，发现东北东部经济带多数城市处于LL 类型，只有大连属于HH 类型，丹东属于LH 类型，没有地区属于HL类型。HH、LH、HL类型的地区没有发生变化。近几年LL 类型的地区开始缩减，表明东北东部经济带区域物流集群的发展和整合还任重道远。

（二）建议

1.维持大连港口区域物流优势

港口作为一种大型交通运输基础设施，为推动城市发展发挥了重要作用，大连市作为东北东部经济带区域物流高集聚地区，应当发挥其区位优势，通过加强港口基础设施建设，促进新交通区的形成，将临港地区打造成为区域物流生产的集聚地区，促进区域物流的发展[16]。

2.推进丹东地区边境贸易物流建设

丹东作为东北东部经济带LH 类型地区，其自身发展水平较低，而周边地区发展水平较高，因此自身和周边地区形成了低高聚集区域。丹东是一座港口城市，也是边境城市，同时还是我国最大的边境口岸之一。因此，应当发挥丹东边境口岸优势，促进市场贸易与物流发展，使之成为具有特色的边境贸易地区。

3.推动区域物流集聚性低市区的发展

东北东部经济带大部分城市属于LL 地区，表明其发展水平较低，周边发展水平也较低，因此形成了低低聚集区域。以伊春市为例，东北东部经济带的发展不仅需要头部企业带领，尾部企业也是经济发展的一个缩影。政府应当给予相对落后城市群的中心城市适度的资源倾斜，提高中心城市的发展水平，从而带动周边城市的经济增速。