郑建平 胡永仕

摘  要：在经济全球化的推动下，持续增长的国际贸易不仅促进了经济发展，也加强了国际贸易对港口的依赖性。如何科学、准确地衡量腹地经济发展与港口建设的时滞效应，是在城市经济发展中发挥港口及临港产业作用急需解决的问题。针对港城协同发展存在的时滞效应，基于时间序列网络相似度模型构建论证和设计时滞效应分析方法，并以上海港、宁波—舟山港和深圳港实证分析，通过构建2000～2020年腹地城市GDP和集装箱吞吐量时间序列网络，测度其网络相似度和时滞效应滞后期。研究表明：（1）时间序列网络相似度能够反映价值转化参数向量的映射关系。（2）中国三大集装箱港口腹地经济和集装箱吞吐量时间序列网络相似度均为1.00，网络结构呈现高度相似。（3）上海港、宁波—舟山港和深圳港的时间序列网络时滞效应的滞后期分别为4年、1年和4年，不同港口受到现实中政治、地理、经济等方面因素的影响，其港城协同时滞效应也有所差异。

关键词：时滞效应;港城协同;滞后期;时间序列网络;相似度模型

中图分类号：F207    文献标识码：A

Abstract： Driven by economic globalization， the ever-increasing international trade not only promotes economic development， but also strengthens the dependence of international trade on ports. How to scientifically and accurately measure the time lag effect between economic development in hinterland and port construction is an urgent problem to be solved in the development of urban economy. In view of the time-lag effect in the coordinated development of port and city， this paper constructs the demonstration and design time-lag effect analysis method based on the similarity model of time series network， and makes an empirical analysis of Shanghai port， Ningbo-Zhoushan port and Shenzhen port， and measures the network similarity and lag period of time-lag effect by constructing the time-series network of GDP and container throughput of hinterland cities from 2000 to 2020. The research shows that：（1）The similarity of time series network can reflect the mapping relationship of value transformation parameter vectors.（2）The network similarity of hinterland economy and container throughput time series of China's three major container ports is 1.00， and the network structures are highly similar.（3）The lag periods of time series network time lag effect of Shanghai port， Ningbo-Zhoushan port and Shenzhen port are 4 years， 1 year and 4 years respectively. Different ports are influenced by political， geographical and economic factors in reality， and their port-city coordination time lag effect is also different.

Key words： time delay effect; collaboration between port and city; lag period; time series network; similarity model

0  引  言

經济一体化促进了国际贸易的发展，我国约95%的国际贸易量是通过海运完成的。2020年，我国海运进出口量增长6.7%，占全球海运贸易量30%。持续增长的国际贸易给我国港口发展带来了巨大的机遇。现代港口作为海运过程中的重要枢纽，具有水路联运设备及条件供船舶进出和货物装卸，在促进国际贸易和地区经济发展中的地位和作用越加明显。近年来，我国港口在基础设施建设、对外贸易等方面都取得了较大进展，但在高速发展的同时问题也逐渐显现，沿海城市为争夺港口资源，盲目投资建设港口码头，这不仅会造成港口资源的严重浪费，还会对沿海岸生态环境造成不可逆的负面影响。因此，如何科学、准确地衡量城市经济发展与港口建设的关系，合理规划港口产业投资建设和港城协同，是发挥港口及临港产业在城市经济发展中作用急需解决的问题。科学合理地度量港城协同关系，有利于发现中国港城建设发展的现状和演化规律，为港口资源配置和投资提供有价值的决策依据。

港口腹地城市的发展对区域经济和港口产业有着深远的影响，相对的，港口对于经济腹地的依赖也更为明显。在集装箱化之前，腹地在现实中一般表现为该港口的专属腹地。随着国际贸易的增长，港口与经济腹地的关系开始受到关注。Notteboom和Rodrigue（2005）首先提出港口区域化概念，阐明了港口腹地发展的新动力[1]。Monios和Wilmsmeier（2013）进一步回顾了港口区域化的文献，并认为只有当多式联运系统更加完善之后，港口区域化才得以实现[2]。不同港口和经济腹地关系的发展变化均存在内在的一致性。港城关系一般是一种互动关系，而经济腹地与港口则是一种同步发展的关系[3]。Sami Bensassi（2015）基于引力模型研究西班牙港口与区域经济的相互作用，证明了港口基础设施在区域经济中的重要性[4]。杨丽香、朱俊丽（2013）则从国际贸易的角度出发，分析了经贸与港口的相互作用及其发展趋势，提出港口应快速融入国际贸易体系，以寻求新的利润增长点[5]。杨长春（2007）采用计量方法对中国对外贸易额和集装箱吞吐量的时序数据进行分析，结果表明我国对外贸易与港口吞吐量存在着反馈性的因果关系，但港口吞吐量的促进作用较大[6]。王领（2010）和徐兰燕、许继琴（2012）基于协整理论分别对上海市和浙江省港口吞吐量与对外经济进行实证分析，结果都表明港口吞吐量与对外经济存在单向的因果关系[7-8]。林青（2011）运用VAR模型分析了我国外贸与港口发展的互动效应，结果表明对外贸易有效促进港口发展建设，但作用期限较短，而港口建设能够拉动对外贸易的增长，并且长期效果显著[9]。朱坤萍、张喜梅（2013）则基于1990～2011年河北省港口货物吞吐量和外贸进出口货物总额，通过构建VAR模型进行实证研究，结果表明河北省港口和对外经贸相互促进，并且港口对贸易的短期作用较明显，港口对经济的依赖要大于经济对港口的依赖程度[10]。向敏、于洁（2013）通过计量经济学方法，实证分析了重庆港口与贸易之间的关系，发现港口与贸易之间保持均衡稳定发展，且经济对于港口的拉动效应较强[11]。杨月锋、徐学荣（2013）基于协整理论，并构建向量误差修正模型对厦门港进行实证分析，结果表明港口与区域经济存在长期均衡的协整关系，且能够在经济出现偏离均衡时，对其进行快速调整[12]。李秋烟、余贵美（2015）则基于福建省2000～2013年港口货物吞吐量和外贸总额数据进行实证分析，结果表明福建省港口与经济间存在显著正相关性，且港口对经济的推动作用明显大于经济对港口的促进作用[13]。

关于如何衡量港城协同程度，众多学者采用不同的方法进行测度。孟庆松、韩文秀（2000）基于协同学理论，构建了复合系统协调度模型，用于验证“科技—经济—教育”系统的协调度[14]。钟铭等（2011）基于协调度模型，构建了港口物流与城市经济协同度模型，通过对大连市港口进行测算，表明大连市港口与经济序参量之间协同作用较大[15]。孙鹏、罗新星（2012）基于协同学自组织的角度，构建了物流业与制造业协同评价模型，并以湖南省为例进行测算，结果表明物流业与制造业二者协同程度很低[16]。王爱虎（2014）通过构建灰色动态模型GM1，N模型对广东省物流与经济的协调度进行测算，验证了二者的协同发展[17]。郭佟佟（2014）利用多维灰色模型测算了河北省港口物流与区域经济的协同程度，结果表明港口功能过于单一制约了二者的协同发展水平[18]。刘晓春、彭志忠（2009）通过构建系统动力学模型，仿真验证了物流业与金融业协同发展模型的有效性和合理性[19]。

复杂网络是描述和研究复杂系统拓扑结构和行为的关键，近年来对复杂网络的研究取得了快速的进展，很多学者运用经济地理学，统计物理学等方法分析其网络结构及动态特性。Nguyen和Hans（2003）基于图论、統计学和社会网络分析了1995

～2011年全球航运网络的拓扑结构和动态变化[20]。Carlos（2000）等用复杂网络可视图方法分析了2008～2010三年间海运航线的演变，衡量了港口或航线重要性[21]。Wang（2001）等利用国际航线数据来研究全球航运网络的空间格局及轮辐系统，表明全球航运网络存在多层次结构[22]。而Lacasa（2008）最早将时间序列划分为有序（周期）、随机和分形时间序列，并提出了适宜其转换的复杂网络结构图[23]。R V Donner（2010）从相空间中的递推视角出发，将时间序列的递推矩阵解释为关联复杂网络的邻接矩阵，提出了一种分析复杂系统时间序列结构的新方法[24]，Li等利用可视性算法来确定研究对象是否具有系统确定性和随机

性[25]。近年来，时间序列可视图算法也已经应用于不同领域。张梦月等（2020）基于2011～2018年中国专利百度搜索指数，分析了时间序列复杂网络的社团结构和周期性[26]。汤霞等（2021）通过建立航线出口集装箱价格网络，研究了SCFI二级市场的地位及波动性的传递特征[27]。基于可视性算法的原理，从网络参数上分析复杂网络的特性，可以在时间序列数据中挖掘出更多的隐藏信息，更全面地了解网络属性。关晓光等（2020）基于复杂网络理论，从网络结构、港口区位和经济重要性三个方面，衡量了中国集装箱港口在全球班轮运输网络中的重要程度[28]。苏凌（2006）通过构建时间序列神经网络对大连港吞吐量进行预测，并对径向基函数神经网络进行改进，使网络模型更具通用性[29]。

综上所述，目前对腹地城市与港口间相互关系的研究表明，腹地经济水平与港口发展间存在较强相关性，腹地经济水平的提升会推动港口及临港产业的发展，而港口建设所带动的贸易增长会反过来拉动腹地经济发展。从系统的角度看，腹地城市和港口同属于社会经济系统的重要子系统，具有一定的相似特性，两者的高水平协调对于社会经济发展至关重要。当前对于腹地和港口协同发展的研究已经较为全面，但是对于腹地经济和港口发展间存在的时滞效应和滞后程度却鲜有涉及。因此，为了探究腹地经济和港口发展的相似程度和时滞效应，以提高政策制定有效性，本文在已有研究的基础上，一方面，基于协同学，系统论等从宏观层面深入探究了腹地经济与港口产业的作用机理;另一方面，利用时间序列网络相似度模型对衡量系统时滞效应的优越性，以我国上海港、宁波—舟山港和深圳港三大集装箱港口为研究对象，采用时间序列可视图网络方法，计算港口腹地城市GDP和集装箱吞吐量时间序列的网络相似度，并测度城市经济发展和港口建设的时滞效应及滞后期，不仅为港城协同发展的政策规划提供了理论依据，有助于加强港城分工协作，还为研究多系统时滞效应提供了思路和可行性。

1  腹地经济与港口产业作用机理

经济的高速增长伴随着贸易量的激增，促进了港口及临港产业的快速发展，而港口基础设施的逐步完善，港口作业和流通效率的不断提高，推动港城经济的高质量持续发展。基于已有研究，归纳总结出腹地经济与港口产业的协同作用机理如图1所示。港城协同效应主要表现在腹地经济对港口产业的推动效应和港口产业对腹地经济的拉动效益两个方面：

1.1  腹地经济对港口产业的推动效应

（1）伴随着经济联系的日益紧密，贸易量的逐年增加，催生了庞大的运输需求，这就对港口的吞吐能力及服务质量提出了更高的要求，促使港口加快基础设施建设，如加快码头建设、航道疏浚、航线开通等方面，港航基础设施的规模化发展极大提高港口物流服务供给能力。

（2）基于对经贸需求呈现出多样化的趋势，为满足客户的不同需求，港口必须加快改革传统的运输方式。通过运用先进港口技术和管理运营理念，在货物的生产、运输、装卸、包装、储存等流通环节中提高产品附加值，降低流通过程中的价值损耗，增强对市场的敏感度，提高其产品在国际市场上的竞争力，促使港口物流能够提供包括加工包装、装卸运输、仓储配送、货运代理、报关报检、金融保险等全方位一体化的综合服务。

1.2  港口产业对腹地经济的拉动效应

（1）降低对外贸易成本，增加贸易总量。港口基础设施如港区、码头的建设，港口综合物流服务如加工包装、装卸运输、仓储配送、货运代理、报关报检、金融保险等全方位服务的开发，有助于外贸企业降低交易成本、提高生产经营及交易效率，能够为贸易提供充足的物流供给和高效的物流服务，以促进双方的贸易发展，增加贸易总额。

（2）提高服务能力，优化产业结构。港口经贸、物流和金融等多项服务功能的完善，有助于优化产品结构，促进产业升级，以拓展新的利润增长。港口通过改善传统的运输、仓储和装卸等基本服务需求，在港口流通环节中提高产品附加值，降低产品在流通环节中的损耗，加快货物的流通效率，提高港口综合服务能力的同时提升港口经济效益。

腹地经济与港口产业作用机理如图1所示。

2  方法及模型

基于对腹地经济与港口产业的作用机理分析，本文选取代表性指标腹地城市GDP和港口吞吐能力構建了港城协同时间序列网络，并采用时间序列网络相似度模型计算港城协同滞后期，以科学、准确地衡量腹地经济水平与港口建设间的时滞效应及滞后期。

2.1  时间序列网络相似度模型

由于xt、yt均为参数向量，故可以根据参数向量构建时间序列网络的相似性来反映fxt，0的变化，时间序列网络能够很好地反映出时间序列数据在某个时间段内的结构，这主要是由于即便是同样的增长，其时间序列网络的结构也是不相同的，因此通过结构的相似性可以判断该系统的延时情况，也就是子系统xt和yt转化的时滞效应。

本文采用Lacasa等（2008）提出的时间序列可视图方法进行网络构建。对系统中的子系统分别构建网络，首先，将子系统xt的离散时间序列数据对应为网络的节点，根据可视准则构建网络连边：在时间序列xt中的任意两点数据t，x和t，x之间可视即可建立连边，且两点之间任意一点t，x，当t

x>x+x-x

如图2所示，图中直方条的高度代表每个时间点的数据值，如果两个直方条的顶端相互可视，则对应的两点在图中的网络相连。其次，根据时间序列节点和边构建邻接矩阵，并形成网络图[33]。

最后，根据余弦相似定理计算网络相似度。设xt在某一时间段l内的时间序列网络邻接矩阵为A，yt在滞后τ期的时间段l内的邻接矩阵为B，且A，B∈R，R为0-1矩阵。则两个网络对应的空间向量a=A：，1， A：，2， …， A：，l和b

=B：，1+τ， B：，2+τ， …， B：，l+τ的夹角的余弦值反映了二者结构的相似度：

s=cosθ==

式中：s表示相似度，θ为两个空间向量的夹角，如图3所示，①当两个向量完全重合时，即θ=0，相似度s=1，也就是说明矩阵A和B完全相同，即在该时间段内，两个过程同步。②当两个向量完全相反时，即θ=180°时，相似度s=-1，说明A+B=0，即在该时间段内，两个过程反向同步。③当两个向量互相垂直时，即θ=90°，相似度s=0，也就是说明两个过程在该时间段内完全不相关。在本文中，由于港城系统的向量都是存在于正空间中，因此其相似度的范围是0，1，即s∈0，1。

2.2  滞后效应及滞后期测度模型

在相似度计算时滞后期τ的理论取值范围为0， n-l+1，可以取遍所有τ值，得到若干种滞后期下子系统间相似度，如图4所示。但考虑到现实社会经济系统中产出转化是有时效性的。有效期后时间序列网络的相似性存在一定偶然性，因此在计算相似度时，可根据实际情况确定时滞系统的有效期p并作为滞后期的有效阈值，即τ

∈0，p，由此得到子系统xt与yt在不同滞后期下的相似度向量S=s，s，…，s，其中相似度最大值代表了子系统xt的参数向量fxt，0映射到子系统yt中达到了最优，即时滞效应最有效，其对应的滞后期τ即为最优滞后期。对滞后期τ的最优解进行测量。根据港城系统时滞模型，其每年滞后期为τ，则港城系统滞后期为每年的总和，如下：

，ρ=τ

其中：b≤ρ

3  实证分析

3.1  研究对象及数据来源

为了衡量时滞效应模型的有效性，本文根据中国交通部《全国沿海港口规划》，选取中国沿海港口货物吞吐量排名前3的上海港、宁波—舟山港和深圳港作为研究对象，以港口2000～2020年的集装箱吞吐量（千TUE）和腹地城市GDP（亿元）来构建时间序列网络并计算其相似度和滞后期。这些港口的数据来自国家统计局及历年《中国统计年鉴》，如图5所示。

3.2  时间序列网络相似度计算

网络相似度衡量了港口腹地城市GDP与集装箱吞吐量时间序列网络的相似程度，为更深入地评估港城协同作用奠定基础。网络相似度越高，说明港城两系统发展过程越同步，二者的时间序列网络呈现出相似的结构;反之，则说明二者的网络结构存在差异。本文基于我国三大集装箱港口腹地GDP与集装箱吞吐量数据，通过时间序列网络相似度模型对网络相似程度进行测算，研究腹地经济与港口产业二者之间发展的相似程度。

在将上海港、宁波—舟山港和深圳港港口腹地GDP与集装箱吞吐量时间序列数据转化为网络后，进一步计算了两者的网络相似度，如表1所示。从网络相似度出发，可以清楚地发现，上海港、宁波—舟山港和深圳港港口腹地GDP与集装箱吞吐量时间序列网络相似度均为1.00，说明港城系统网络结构呈现高度相似，腹地经济水平和港口发展较为同步，在一定程度上表明港城发展较为协同。结合国家宏观政策分析可以发现，中国加入世贸组织（WTO）20年以来，在推动高水平对外开放的同时，也积极加快构建港城协同新发展格局，城以港兴，港为城用。如今，我国已基本形成环渤海、长三角、东南沿海、珠三角和西南沿海五大港口群，充分发挥港口对区域经济协调发展的辐射带动作用。总体来看，通过对腹地经济与集装箱吞吐量数据对比分析，随着腹地经济水平的提高，贸易货物需求量也不断增长，带动港口货物和集装箱吞吐量提高，拉动了港口及临港产业的发展，港口腹地GDP与集装箱吞吐量增长趋势拟合，发展也较为协同。但是由于两者的发展受到诸多因素的影响，不同城市的经济结构、发展规划、地理限制及资源环境等存在差异，导致不同港口的港城协同存在差距。

3.3  港城协同时滞效应分析

通过对网络相似度的计算可以发现三大集装箱港口腹地GDP与集装箱吞吐量时间序列网络具有显著的相似性，本节在时间序列相似度网络的基础上进行时滞效应分析和滞后期的测度;首先，以基准年时间序列网络的邻接矩阵为xt，计算其与

yt在有效期p內的相似度S=s，s，…，s;其次，根据公式可知，在每个阶段的有效期内，最大相似度对应的年数，即为此阶段的滞后期;最后，将每个阶段所对应的滞后期相加，即为滞后期整体时间。计算结果如表2所示。

表2展示了中国三大集装箱港口上海港、宁波—舟山港和深圳港在2000～2020年的港城协同滞后效应和滞后期。其中，上海港和深圳港的滞后期为4年，意味在上海港和深圳港的发展比腹地经济滞后4年。而宁波—舟山港的滞后期为1年，这说明宁波—舟山港的港城协同要优先于上海港和深圳港，在一定程度上表明宁波—舟山港对腹地经济的变动更为敏感，反应更加迅速。

具体来看，上海港的滞后期为4年，意味着上海市经济水平的提高到实现完全推动港口及临港产业发展，所需平均时间约为4年。这主要是由于上海市作为我国国际经贸、金融服务、交通运输和科技创新中心，始终以城市整体发展为目标，港口航运建设作为社会经济子系统配套城市系统建设。由于上海市具有较高的综合发展水平，产业结构也以第三产业为主，服务业发展迅速，港口及临港产业对于城市整体的拉动作用成效有限，城市经济发展水平的提升很大程度上来自其自增长效应，所以上海港的时滞效应偏大。20年来，上海市“以港兴城、港城联动”，通过港口航运的辐射作用极大地提高了经贸、交通运输和金融等综合实力，逐步进入城市自增长的“脱港而强”阶段。但是，在当今经济“双循环”的背景下，国际贸易仍然是城市经济发展的重要增长点，上海市应重视港城协调发展，加大对港口经济的投资和扶持，全面提升上海港和腹地经济协同联动以“促港共荣”，实现港城系统良性循环，构建新时代高质量港城共同繁荣。宁波—舟山港的滞后期为1年，意味着宁波—舟山港及临港产业的发展滞后于腹地经济的平均时间约为1年。相较于上海市，宁波市和舟山市的城市综合实力较低，宁波—舟山港及其临港产业的集聚效应作为腹地城市经济发展的强劲动力。据统计，宁波—舟山港2020年完成货物吞吐量11.72亿吨，其中集装箱吞吐量2 872万TUE，货物吞吐量连续第12年保持全球第一，集装箱吞吐量继续位列全球第三，仅次于上海港和新加坡港。宁波市和舟山市已基本实现工业化，城市与港口发展较为同步，都处于同规模收益增长较快的阶段，所以港口对城市经济发展的拉动作用显著，港口和腹地经济趋于良性互动发展。随着我国经济发展逐步进入沿海与内陆经济协同发展的新时期，宁波—舟山港应借助其独特的港口资源优势，基于云计算、5G和物联网等新技术开始从传统港口向智能化港口转型，提高信息化率，从而发挥信息资源的最大效能，提高港口生产效益，以更好地促进腹地经济发展。深圳港的滞后期为4年，意味着深圳港及临港产业的发展滞后于腹地经济的平均时间约为4年。深圳作为经济特区和国际化城市，港城发展演变进程同上海市相似，而深圳港也已逐步建设成为全球第三大集装箱枢纽港。由于深圳市城市综合实力较高，港口及其临港产业在城市经济中所占比重较低，但是在产业结构升级与航运需求变化等多重压力下，深圳市仍需从提高港口综合能力着手，加强港口配套设施建设，提高港口吞吐能力和流通作业效率，释放港口发展潜力，打造成为现代化国际枢纽港，以期进一步带动深圳市对外开放水平和国际影响力。

综上分析，港城协同时滞效应具有规律性，港口腹地经济对港口产业的推动存在一定程度的滞后，但不同港口由于受到政治、地理、经济等诸多因素的影响，其港城协同的滞后期分布也有所不同，间接证明了基于时间序列网络和余弦相似定理来测度滞后期的方法具有较好的稳定性，这对制定港城协同政策具有指导意义。

4  结论与不足

本文基于已有研究分析了腹地经济与港口产业的作用机理，利用2000～2020年中国三大集装箱港口的面板数据，构建了时间序列可视图网络，并计算港口腹地城市GDP与集装箱吞吐量的网络相似度;最后实证分析了上海港、宁波—舟山港和深圳港时间序列网络的时滞效应及滞后度。最终得出以下结论：

（1）时间序列网络相似度能够反映价值转化参数向量的映射关系，其最大相似度反映了价值转化程度，即滞后效应，且对应的时间反映了滞后期;可以通过构建各子系统的时间序列网络并采用余弦相似定理测度系统随时间推移的相似度，求解最优映射关系以确定滞后效应及滞后期。时间序列网络相似度模型为探讨复杂网络提供广泛的可能性。

（2）中国三大集装箱港口上海港、宁波—舟山港和深圳港的港城时间序列网络最大相似度均为1.00，表明港城系统时间序列网络结构呈现高度相似，腹地经济水平和港口发展较为同步。

（3）上海港、宁波—舟山港和深圳港的港城协同时滞效应滞后期分别为4年、1年和4年，这主要是由于不同港口的规划和管理受到现实中政治、地理、经济等方面因素的影响，其港城协同时滞效应也会有所差异。

本文的研究结论对我国港城协同发展具有一定的启示，总体而言，经济的高速增长伴随着贸易量的增长，促进了港口及临港产业的快速发展，而港口产业的繁荣，也会推动港城经济的高质量持续发展。因此重视港城协同及其时滞效应对于我国新时代区域均衡高质量发展具有重要意义。通过上述分析，本研究的主要贡献为：在理论方面，构建了一套较为完整的港城系统时滞效应分析框架，论证了系统时间序列网络结构的映射关系，构建了测度时滞效应的模型，为研究多阶段时滞效应提供了思路和可行性。在实践方面，对港城系统的时滞效应及滞后期进行衡量和观测，提供了滞后期计算的理论依据，有助于港城协同发展的政策制定。但是，本研究在进行实证时，仅考虑到了港口腹地GDP和港口吞吐量两个指标，缺乏全面性和合理性，没有考虑对港城系统有影响的经济和政策等外部因素，将在未来研究通过构建全面的港城系统综合指标体系进行突破，以便进一步提高港城协同时滞效应研究的科学性与准确性。

参考文献：

[1]  T Notteboom， J P Rodrigue. Port regionalization： Towards a new phase in port development[J]. Maritime Policy and Management， 2005，32：297-313.

[2]  J Monios， G Wilmsmeier. The role of intermodal transport in port regionalization[J]. Transport Policy， 2013，30：161-172.

[3]  Tan T. Port cities and hinterlands： a comparative study of Singapore and Calcutta[J]. Political Geography， 2007，26：851-865.

[4]  Sami Bensassi， et al. Relationship between logistics infrastructure and trade： Evidence from Spanish regional exports[J]. Transportation Research， 2015，72（2）：47-61.

[5] 杨丽香，朱俊丽. 基于国际贸易视野推进港口物流发展研究[J]. 物流技术，2013（4）：42-45.

[6] 杨长春. 论国际贸易与国际物流的关系[J]. 国际贸易，2007（10）：28-31.

[7] 王领. 对外贸易与现代物流关系的实证研究——基于上海市1978-2008年数据[J]. 国际贸易问题，2010（1）：59-65.

[8] 徐兰燕，许继琴. 浙江省港口物流与国际贸易关系分析[J]. 价格月刊，2012（3）：16-19.

[9] 林青. 中国对外贸易与现代港口物流发展的互动效应研究——基于VAR模型的实证分析[J]. 哈尔滨商业大学学报，2011（3）：37-41.

[10] 朱坤萍，張喜梅. 港口物流与对外贸易关系的实证分析——基于河北省1990-2011年数据[J]. 河北经贸大学学报，2013（5）：106-110.

[11] 向敏，于洁. 重庆港口物流与国际贸易关系研究——基于VAR模型的实证研究[J]. 物流技术，2013（17）：182-184.

[12] 杨月锋，徐学荣. 厦门进出口贸易与港口物流关系的实证研究——基于协整理论与误差修正模型[J]. 经济问题，2013（9）：125-128.

[13] 李秋烟，余贵美. 港口物流发展与福建省外贸关系的实证分析[J]. 福建农林大学学报（哲学社会科学版），2015，18（4）：53

-58.

[14] 孟庆松，韩文香. 复合系统协调度模型研究[J]. 天津大学学报，2000（4）：444-446.

[15] 钟铭，吴艳云，栾维新. 港口物流与城市经济协同度模型[J]. 大连海事大学学报（社会科学版），2011，37（1）：80-82.

[16] 孙鹏，罗新星. 区域现代物流服务业与制造业发展的协同度评价——基于湖南省数据的实证分析[J]. 系统工程，2012，30（7）：112-116.

[17] 王爱虎. 港口竞争力研究综述[J]. 华南理工大学学报（社会科学版），2013，15（2）：9-17.

[18] 郭佟佟. 河北省港口物流与区域经济协同发展研究[J]. 中国市场，2014（35）：9-17.

[19] 刘晓春，彭志忠. 物流与金融协同应用研究[J]. 中国流通经济，2009（4）：23-25.

[20]  Tran N K， Haasis H D. Empirical analysis of the container liner shipping network on the East-West corridor （1995-2011）[J]. Netnomics Economic Research & Electronic Networking， 2014，15（3）：121-153.

[21]  Montes C P， Seoane M， Laxe F G. General cargo and containership emergent routes： A complex networks description[J]. Transport Policy， 2012，24：126-140.

[22]  Wang C， Wang J. Spatial pattern of the global shipping network and its hub-and-spoke system[J]. Research in Transportation Economics， 2011，32（1）：54-63.

[23]  Lacasa L， Luque B， Ballesteros F， et al. From time series to complex networks： the visibility graph[J]. Proceedings of the National Academy of Sciences of the United States of America， 2008，105（13）：4972-4975.

[24]  Donner R V， Zou Y， Donges J F， et al. Recurrence networks—A novel paradigm for nonlinear time series analysis[J]. New Journal of Physics， 2010，12（3）：129-132.

[25]  Li X， Yang D， Liu X， et al. Bridging Time Series Dynamics and Complex Network Theory with Application to Electrocardiogram Analysis[J]. Circuits & Systems Magazine IEEE， 2012，12（4）：33-46.

[26] 张梦月，胡军，严冠，等. 基于可见性图网络的中国专利申请关注度分析[J]. 计算机科学，2020，47（8）：189-194.

[27] 汤霞，匡海波，郭媛媛. 基于复杂网络的上海出口集装箱运价指数波动传导特征研究[J]. 管理评论，2021，33（2）：289-297.

[28] 关晓光，李振福，李婉莹. 基于节点重要性的中国集装箱港口地位研究[J]. 上海海事大学学报，2020，41（4）：78-86.

[29] 苏凌. 基于径向基函數神经网络的港口吞吐量预测研究[D]. 上海：上海海事大学（硕士学位论文），2006.