李天琦，张士杰

（1.安徽财经大学经济学院，安徽蚌埠，233030；2.安徽财经大学安徽经济社会发展研究院，安徽蚌埠，233041）

一、引言

一体化是区域发展的重点、热点和难点，其本质是破除区域间经济、制度壁垒，促使要素跨区域自由流通，优化市场结构达到充分竞争，进而形成一体化发展的利益分享长效机制［1］。在国内大循环为主体、国内国际双循环相互促进的新发展格局下，区域一体化发展是提升全球竞争力的必然要求。长三角区域作为引领我国参与全球竞争的重要区域，是我国区域发展的重大战略部署，也是全国区域一体化样本［2］。2010年5月24日，《长三角区域规划》由国务院正式批准实施；2016年5月11日，国务院常务会议通过《长江三角洲城市群发展规划》；2018年11月5日，国家主席习近平在首届中国国际进口博览会上提出“将支持长江三角洲区域一体化发展并上升为国家战略”；2019年12月1日，中共中央国务院发布《长江三角洲区域一体化发展规划纲要》。这些发展措施对长三角一体化进程的推进具有深远影响，有效推动了区域协调发展与可持续发展。长三角的区域范围逐步扩大，由上海都市圈逐渐扩展至上海、江苏、浙江两省一市，再扩展至上海、江苏、浙江、安徽全域。在这一发展进程中，区域经济一体化发展到什么水平，长三角区域内部存在多大差异都是值得深入研究的问题。这不仅能为区域经济一体化发展战略的实践效果提供新的认知视角，还可以为我国其他区域经济一体化发展模式提供经验证据，具有重要的理论意义和现实意义［3］。

目前，国内对长三角城市评价的相关研究成果较为丰硕，各学者从不同的视角和层面对长三角城市群进行了分析。从研究角度看，主要聚集于长三角的整体发展态势［4］、发展路径［5-6］、产业协调［7-8］、区域空间结构［9］等。从研究方法看，对长三角区域的经济分析由数理统计分析［10-12］向空间结构及格局分析［13-16］发展。综合来看，针对长三角地区的研究十分丰富，但在一体化大背景下针对长三角城市群经济发展方面的总体评价及空间特征的分析研究尚显不足。本文以长三角城市群26市为对象，研究在一体化战略背景下的长三角城市群经济发展水平，对长三角城市群不同经济区域的经济发展水平强弱进行横向、纵向比较，分析其空间格局特征，并在此基础上提出相应的政策建议。

二、模型与评价指标体系构建

（一）因子分析模型

因子分析法是一种对数据进行简化分析的方法，可以通过研究变量内部关系分析数据内部的结构关系，将多个变量简化为少数因子，原始数据的大部分信息都包含于少数因子，因子分析更适合用于综合评价，客观性更好。因此，本文主要采用因子分析法，根据因子得分系数矩阵计算各市综合得分［17］。

因子模型的矩阵形式可表示为：

其中，F为公共因子，ε为特殊因子，A为因子载荷矩阵。

（二）长三角城市群经济发展水平评价指标体系

对我国省域、市域、县域等研究范围的经济综合发展水平的研究中，很多学者采用多指标综合评价法，但对评价指标体系的构建尚未达成一致，而科学合理的评价指标体系是客观评价区域经济综合发展水平的基础。在遵循指标选取的可得性、可比性、客观性和一致性等原则的基础上，结合已有研究成果及专家意见，从地区经济实力、人均经济水平和经济发展阶段三个维度选取19项指标构成长三角城市群经济发展水平评价指标体系［18］，具体指标如表1所示。

表1 长三角城市群经济发展水平评价指标体系

三、长三角城市群经济发展水平的因子分析

（一）数据来源及处理

本文通过《上海市统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》收集2014年、2017年、2019年长三角26个市的19项指标数据。由于各指标量纲上存在差异，需对指标进行无量纲化处理。常用的数据无量纲化处理方法包括极值化法、标准化法、均值化法、标准差化法等。当进行综合评价的指标数据是客观数值时，一般用均值化法对指标进行无量纲化；当进行综合评价的指标数据是主观数值时，选用标准化法会更好［19］。因此，本文对数据的无量纲化处理采用均值化法，即令

均值化后各指标的均值为1，其方差为：

（二）因子分析测度结果

利用统计软件对标准化处理后的数据进行KMO及Bartlett球形度检验。检验结果显示：2014年、2017年、2019年KMO统计量取值分别为0.724、0.772、0.771，适合进行因子分析；2014年、2017年、2019年Bartlett检验显著性均小于0.01，拒绝相关矩阵为单位阵的原假设。本文采用特征根大于1的标准确定公共因子个数，2017年、2019年均为三个公共因子，2014年为两个公共因子。由于2014年第三个公共因子特征根为0.909，接近1，且根据2017年、2019年结果及方差贡献率综合权衡，最终判断第三个公共因子予以保留。如表2所示，2014年、2017年、2019年前三位公共因子包含全部指标变量信息的百分比分别为90.43%、90.63%、90.24%，均包含了变量信息的90%以上。

表2 2014年、2017年、2019年公共因子累计方差贡献率

为了更好地反映原始信息，综合全面的分析指标，在这里用方差最大法进行因子旋转，旋转后的因子载荷矩阵见表3。因子载荷表示变量与公共因子的相关系数，载荷绝对值越大表明公共因子与原始变量指标的相关程度越高，即用该公共因子代表原始变量指标更合适。

表3 2014年、2017年、2019年旋转后的因子载荷矩阵

从表3可以看出，2014年在公共因子F1上载荷值较大的变量有GDP、房地产开发投资、一般公共预算收入、一般公共预算支出、社会商品零售额、居民存款余额、进出口额、电信业务总量、公路货物运输量、第三产业比重、财政收入占GDP比重，根据各变量经济含义，将公共因子F1定义为经济规模因子。在公共因子F2上载荷值较大的变量有人均GDP、城镇居民人均可支配收入、农村居民人均可支配收入、年末人均储蓄额、人均社会商品零售额、城镇化率、专利申请受理项，根据各变量经济含义，将公共因子F2定义为人民生活因子。在公共因子F3上载荷值较大的变量有单位面积GDP，根据各变量经济含义，将公共因子F3定义为经济效率因子。参照2014年公共因子命名方式，2017年、2019年F1、F2、F3公共因子均分别命名为经济规模因子、人民生活因子、经济效率因子。

随着人们生活水平的上升，低脂肪、高蛋白的水产品在消费者膳食结构中的比重日益提高。然而，鲜活水产品的收获期相对集中，捕获后由于自身酶解反应使得产品形态和色泽发生变化，在自溶后期，一些有害物质如组胺、硫化氢和三甲胺(TMA)等的生成使得水产品丧失了商品价值和食用性[1]。因此，水产品的保鲜问题一直受到国内外研究人员的广泛重视。

根据上述明确的各年公共因子，因子得分函数可表示为：

因子综合得分评价模型可表示为：

其中，ωj(j=1,2,…,m)表示第j个公共因子的方差贡献率。

根据因子得分函数和综合评价函数计算各年各市各项分值，并对各年综合得分结果按降序进行排列，结果见表4。

表4 2014年、2017年、2019年长三角城市群经济发展水平因子及因子综合得分

四、长三角城市群经济发展水平空间特征分析

（一）长三角城市群经济发展水平动态特征分析

长三角城市群由三省一市共26个市组成，包括上海市、江苏省9市、浙江省8市、安徽省8市，如表5所示。为对长三角城市群不同经济区域的经济发展水平高低进行横向、纵向比较，分析各区域差异及变化趋势，将长三角城市群各市综合得分进行比较，并求出各年三省一市包含区域的综合竞争力及因子得分均值作为三省一市四大区域经济发展水平的综合竞争力及因子得分，结果如表6和图1。

图1 2014年、2017年、2019年长三角城市群四大区域经济发展水平各因子得分

表5 长三角城市群四大区域地理区划

表6 2014年、2017年、2019年长三角城市群四大区域经济发展水平综合得分

2014—2019年，长三角各区域中，上海市经济发展水平综合得分显著高于其他地区，得分保持在20以上，不论是在地市级排名还是区域排名中都处于第一位，综合得分是江浙皖三省得分的四倍以上，是排名最后一位池州市得分的10倍。从经济一体化角度来看，区域一体化程度仍需提高，上海市经济遥遥领先，安徽省尚未深度融入。从三个主要因子来看，上海市各年经济规模因子得分显著高于江浙皖三省，上海市与其他三省经济规模因子得分差距均呈“U”型变化趋势。除去上海市，江苏省、浙江省、安徽省在经济规模因子得分上差距不超过6，江苏省与浙江省得分差异不大。在人民生活因子得分上，上海市各年得分均高于其他三省，江苏省与浙江省得分不相上下，安徽省落后于江浙沪。从时序上看，上海市与其他三省在人民生活因子得分上的差距有持续缩小趋势。从经济效率得分图上可以看出，安徽省与上海市和江苏省经济效率得分差距均呈倒“U”型变化趋势，与浙江省经济效率得分差距呈“U”型变化趋势，并且在2014年和2019年，安徽省经济效率得分超过了江苏省和浙江省，仅次于上海市。

（二）长三角城市群经济发展水平空间格局分析

借助ArcGis10.2软件，利用自然断裂点分级法分别将2014年、2017年、2019年长三角城市群26个市的经济发展水平进行分类并可视化显示，经济发展水平越高的区域颜色越深，结果如图2。

图2 2014年、2017年、2019年长三角城市群四大区域经济发展水平空间格局

从分类结果来看，2014年、2017年、2019年均将城市分为五个类别。由于各年各市指标上存在一定差异性，通过时序上的变化分析其整体变化趋势。根据2019年分类结果，第一类高水平城市是上海市；第二类包括南京市、杭州市、苏州市；第三类包括合肥市、无锡市、宁波市；第四类包括盐城市、扬州市、泰州市、南通市、镇江市、常州市、湖州市、嘉兴市、绍兴市、金华市、台州市；第五类包括舟山市、滁州市、马鞍山市、芜湖市、铜陵市、安庆市、池州市、宣城市。2014年、2017年分类结果参照2019年。

从各年空间格局特征来看，长三角城市群经济发展水平整体上呈现出“东高西低”格局。从各年综合得分分布上可观察到，得分较高的城市在空间上呈“Z”字型分布。局部看，安徽省各市整体水平明显低于其他三个区域，除合肥市综合得分处于中上游外，其他市均处于偏下等级，江苏省和浙江省经济发展水平较为一致，上海市经济发展水平最为卓越。从一体化角度来看，江浙沪三个区域经济发展步调较为一致，经济发展水平等级差距不大，而安徽省经济发展水平明显低于其他区域，经济基础较差。从经济发展水平等级上看，处于低等级的地区多数位于安徽省内，可见安徽省在长三角一体化进程中尚未深度融入，与江浙沪之间仍有非常大的差距。

五、结论与对策建议

（一）主要结论

本文在运用因子分析方法构建长三角城市群经济发展水平评价指标体系的基础上，测算2014年、2017年、2019年长三角城市群经济发展水平综合得分，并借助ArcGis10.2空间数据分析软件对各年长三角城市群经济发展水平空间特征进行分析，主要结论如下：

1.文章构建的19个经济指标可以较好地检验长三角城市群经济发展水平。对2014年、2017年、2019年长三角城市群26个城市的经济发展水平进行测算，发现江浙沪皖四大区域存在较为显著的经济差异，上海市经济发展水平的综合得分远高于江浙皖，各年综合得分均是江浙皖得分的四倍以上，并且是排名中最后一位池州市得分的10倍，经济一体化水平不高。

2.在经济规模因子得分方面，上海市与其他三省差距明显，得分差距均呈“U”型变化趋势；在人民生活因子得分方面，江苏省与浙江省得分不相上下，从各年结果上看，上海市与江浙皖在人民生活因子得分上的差距有持续缩小的变化趋势；在经济效率得分方面，安徽省与上海市和江苏省得分差距均呈倒“U”型变化趋势，与浙江省得分差距呈“U”型变化趋势，并且在2014年和2019年，安徽省得分超过了江苏省和浙江省，经济效率得分仅次于上海市。可以看出，上海市作为长三角中心城市，其在经济规模、人民生活、经济效率等维度都绝对领先于长三角其他地区，其中经济规模遥遥领先，这与其区域地位关系密切，而在人民生活水平上，上海市与江浙皖的差距逐渐减小，这体现了区域一体化程度的稳步前进。

3.长三角城市群经济发展水平空间分布特征较为明显，其行政指向性较为显著。根据各年各市综合得分空间格局，长三角城市群经济发展水平整体上呈现出“东高西低”格局，经济发展水平综合得分高的城市在空间上呈“Z”字型分布，一体化程度不高。江浙沪三个区域经济发展步调较为一致，综合得分水平比较接近。安徽省经济基础较差，合肥市作为长三角区域副中心城市，其综合得分水平已达到江浙沪多数地区水平，但安徽省其他地区仍处于较低水平，可见安徽省尚未深度融入长三角一体化发展，需进一步加快合作发展。

（二）政策建议

1.打造区域中心城市，提升核心区经济水平。现长三角城市群区域中心城市为上海市，苏州、南京、杭州、宁波、合肥是五个副中心城市。长三角应进一步打造区域中心城市，培育形成多个内部增长极，通过放大中心及副中心城市对长三角全域的辐射带动作用，加速区域经济差距的缩小，促进一体化进程。在缩小区域差距的同时，不能放松核心区的经济发展，仍需提升核心区的经济水平，从而增强长三角扩容实力，拓展新的发展空间，为长三角一体化进程提供基础保障。

2.推进“自上而下”的顶层设计，实现高动能、高效率。加快推进长三角一体化发展战略规划，长三角城市群应构建起“自上而下”、互补共享的协调发展模式。各地区应根据各自优势发展特色产业，低等级地区要根据实际情况积极承接高等级地区的淘汰产业，如安徽省发展较弱的地区应做好融入长三角一体化规划，积极发展特色产业，承接起高发展水平地区的产业转移，促进安徽省整体深度融入长三角一体化发展。同时，长三角城市群各地区要促进多领域一体化，在重点领域开展紧密合作，构建分工合作体系，探索地区合作立法机制，消除制度障碍、体制机制障碍等对地区间合作、要素流通不利的因素，从而促进城市群内部各城市实现“1+1＞2”的城市效应。

3.推动长三角与其他地区的协同联动，探索区域一体化发展新模式。一体化发展是当前区域发展的重要战略，各地区在充分发挥本土优势的基础上，应积极与其他区域合作，加快探索出区域一体化发展的新模式，为一体化发展提供“质”的飞跃。长三角城市群作为高质量一体化发展的重要载体，应积极主动与其他城市群、都市圈对接合作，加速城市群和都市圈间资金、技术、人才、信息等资源要素多方位、多角度流动，共享发展机遇，打造长三角世界级城市群，引领其他城市群和都市圈进入发展新阶段。