港口產業(yè)集群發(fā)展影響機理及動態(tài)演化研究

梁文麗，徐 偉 （山東科技大學 交通學院，山東 青島266590）

LIANG Wenli, XU Wei(College of Transportation, Shandong University of Science and Technology, Qingdao 266590, China)

0 引 言

隨著我國臨港經濟和港口功能多元化的發(fā)展，工業(yè)發(fā)展態(tài)勢較為良好的港口均出現(xiàn)了主導產業(yè)和相關副業(yè)積聚的港口產業(yè)集聚現(xiàn)象，產業(yè)集群的形成已經成為臨港經濟發(fā)展的基本面貌和重要趨勢。大力發(fā)展港口產業(yè)集群對于發(fā)展臨港經濟、推動區(qū)域經濟協(xié)調聯(lián)動發(fā)展、優(yōu)化港口產業(yè)布局、提升港口產業(yè)核心競爭力至關重要，然而不同港口發(fā)展的獨特規(guī)律，使得中國港口的產業(yè)集群整體在快速發(fā)展的同時也面臨諸多問題。正確分析港口產業(yè)集群發(fā)展的動態(tài)演化規(guī)律成為有效發(fā)展港口產業(yè)集群的前提。

1963 年，Bird[1]提出的任意港（Anyport） 模型指出，港口的發(fā)展隨著時空的演化可分為形成、擴張和專業(yè)化三個階段，被視作為港口產業(yè)集群范疇形成的雛形。2001 年，Haezendonck E[2]第一個提出港口產業(yè)集群理論并將其應用到港口產業(yè)分析，她運用波特的鉆石模型對港口產業(yè)集群的競爭力進行分析。自此，大量學者對港口產業(yè)集群進行了深入的研究，并取得了豐碩的研究成果[3-8]。這些研究從不同角度探討了港口產業(yè)集群的發(fā)展，但忽視了各個地理單元之間的聯(lián)系，均未從時空結合的角度將產業(yè)集群發(fā)展的動態(tài)演化過程納入研究視域，導致分析結果可能存在偏差的情況。

近年來，不少學者從時空結合的角度對物流產業(yè)的相關領域進行了深入的研究并取得了顯著的研究成果，其中：唐建榮等[9]采用探索性空間數(shù)據分析和標準差橢圓法對中國物流產業(yè)發(fā)展的空間相關性及時空差異性進行了動態(tài)研究。王力等[10]運用非參數(shù)Hicks-Moorsteen TFP 指數(shù)從時空結合的角度對我國棉花全要素生產率進行測算及演化分析。郭政、陳爽等[11]采用標準差橢圓、地理集中指數(shù)、工業(yè)環(huán)境績效指數(shù)、空間形態(tài)差異指數(shù)等方法對長三角城市群工業(yè)污染的時空演化進行了分析。

綜上所述，考慮時空結合因素的模型具備更優(yōu)的統(tǒng)計性質、對面板數(shù)據的適用性大大增強，且目前國內外并不存在采用時空模型研究港口產業(yè)集群相關問題的文獻。鑒于此，本文采用2008～2017 年中國沿海規(guī)模以上25 個主要港口的面板數(shù)據，從時空結合的角度研究港口產業(yè)集群的動態(tài)演化過程。

1 研究方法

為研究港口產業(yè)集群的影響機理及動態(tài)演化過程，本文首先構建了港口產業(yè)集群的評價體系；進而采用熵權—TOPSIS 模型測度港口產業(yè)集群的發(fā)展水平，得出得分矩陣；繼而結合核密度估計與探索性空間數(shù)據分析方法分析港口產業(yè)集群的時空演化狀況。

1.1 熵權—TOPSIS 模型

TOPSIS 評價值是各港口產業(yè)集群的指標與正理想解與負理想解的相對余力，某個港口的評價值越高則表示該港口的各項指標離正理想解越近，該港口的產業(yè)集群發(fā)展水平越高。評價指標的權重wi通過熵權法確定，具體步驟如下：

（1） 標準化評價矩陣

根據所選指標，建立產業(yè)集群評價指標的原始矩陣U= uij（）m×n，其中m表示港口的個數(shù)，n表示評價指標的個數(shù)，即矩陣中含有m個港口和n個指標。

原始評價指標矩陣為：

式中：uij（i=1,2,…,m;j=1,2,…,n）是i港口的j指標的原始數(shù)據。

為消除各指標的量綱、數(shù)量級等屬性所導致的偏差，將矩陣進行標準化。標準化后的評價矩陣為：

式中：R是評價矩陣，rij是經過標準化處理后的值，ui=｛u1,u2,…,un｝。

（2） 求各指標的熵值

式中：ej是各指標的熵值。

（3） 確定各指標熵值

1.2 核密度估計

Silverman[12]提出可以用核密度估計將隨機變量的分布形態(tài)以連續(xù)密度曲線的形式予以反映，進而對變量的概率密度進行估計。這一方法假定隨機變量x的概率密度函數(shù)為f（x），在點x的概率密度可以用式（5） 進行估計：

式中：n為觀測值的個數(shù)；Xi為獨立同分布變量的觀察值；h為帶寬；u為均值；K（）·為核函數(shù)。本文采用高斯核函數(shù)進行估計，其表達式為：

1.3 探索性空間數(shù)據法

探索性空間數(shù)據法（ESDA） 常用于分析多維數(shù)組的空間自相關特性，在空間數(shù)據自相關性的分析中具有很高的應用價值[13]。運用全局Moran 指數(shù)來分析我國港口產業(yè)集群的空間自相關性，其計算結果可以反映區(qū)域港口產業(yè)集群發(fā)展空間分布特征，有效衡量空間鄰接的港口發(fā)展水平的相似度，具體公式如下：

式（7） 中：n為商品的個數(shù)；ui和uj分別為樣本i和樣本j的原始值，為樣本均值，wij是空間權重矩陣，其構建方式為：1 為正值表示整體存在正向空間集聚，反之表示負向空間集聚。

2 港口產業(yè)集群水平測度及動態(tài)演化分析

本文選取了2008～2017 年中國25 個港口面板數(shù)據，通過本文的方法先構建港口產業(yè)集群評價指標體系，對各港口的產業(yè)集群水平進行測度，然后結合核密度估計法和探索性數(shù)據分析方法從時空結合的角度來探究港口產業(yè)集群的動態(tài)演化狀況。

2.1 指標體系構建

通過較為系統(tǒng)的文獻梳理，不同研究者研究視角和目標不同，其所構建的產業(yè)集群評價指標體系也不盡相同。本文在參考國內外相關文獻的基礎上[14]，在遵循系統(tǒng)性、動態(tài)性、數(shù)據的可獲得性和一致性以及定義清晰可量化的原則上，從港口作業(yè)能力、港口相關產業(yè)發(fā)展水平、港口發(fā)展?jié)摿Α⒏劭谒诔鞘薪洕l(fā)展水平四個方面構建指標體系并利用熵權法確定權重，如表1 所示。

表1 港口產業(yè)集群評價指標權重

2.2 產業(yè)集群發(fā)展水平測度

結合熵權法所確定的指標權重，選取港口旅客吞吐量、外貿吞吐量和集裝箱吞吐量三個指標，利用TOPSIS 模型計算出2008～2017 年各港口產業(yè)集群發(fā)展水平得分，結果如表2 所示。

根據表2 結果，將各年的港口得分進行加權平均處理，按照得分從大到小對港口進行排序，結果用折線圖的形式展示如圖1 所示。

表2 具體顯示了2008～2017 年中國規(guī)模以上沿海港口每一年的產業(yè)集群發(fā)展水平。結合圖1 的排名情況可以發(fā)現(xiàn)，我國規(guī)模以上港口的產業(yè)集群發(fā)展水平整體上存在明顯差異。其中上海港、深圳港、青島港、寧波港、天津港等港口的產業(yè)集群發(fā)展水平較高，近年來發(fā)展速度較快；溫州港、泉州港、秦皇島港、汕頭港、錦州港等港口產業(yè)集群發(fā)展水平較低，且發(fā)展速度較為緩慢?？傮w上，中國港口呈現(xiàn)出“南強北弱”的發(fā)展態(tài)勢，各港口產業(yè)集群發(fā)展的初始水平、發(fā)展路徑和發(fā)展速度均存在明顯的差異。

2.3 港口產業(yè)集群動態(tài)演化分析

2.3.1 港口產業(yè)集群發(fā)展的分布狀況

為直觀展現(xiàn)出近年來中國港口產業(yè)集群整體演化情況，根據港口產業(yè)集群發(fā)展水平得分情況，分別繪制2008 年、2013 年和2017 年港口產業(yè)集群發(fā)展水平的高斯Kernel 密度圖，從而直觀呈現(xiàn)產業(yè)集群整體的發(fā)展遷移趨勢，具體如圖2 所示。

圖2 中，密度曲線整體向右遷移，反映出各港口的產業(yè)集群發(fā)展呈現(xiàn)逐步提升態(tài)勢；2008 和2013 年波峰較緩，2017 年波峰較陡，呈現(xiàn)出雙峰分布態(tài)勢，說明產業(yè)集群發(fā)展的低位趨同現(xiàn)象出現(xiàn)增強趨勢，產業(yè)集群發(fā)展水平較高地區(qū)近兩年發(fā)展提速較為明顯，部分發(fā)展水平中等的港口產業(yè)集群發(fā)展速度較為平緩。

為展現(xiàn)區(qū)域間產業(yè)發(fā)展差異，進一步繪制出2008～2012 年和2013～2017 年中國北方和南方地區(qū)港口產業(yè)集群發(fā)展的核密度對比圖。其中，北方地區(qū)包括丹東港、大連港、營口港、錦州港、秦皇島港、唐山港、天津港、煙臺港、青島港、日照港和連云港港，南方地區(qū)包括上海港、寧波港、舟山港、臺州港、溫州港、福州港、泉州港、廈門港、汕頭港、深圳港、廣州港、珠海港、湛江港和?？诟?。具體如圖3 和圖4 所示。

從位置上看，由第一階段到第二階段，北方和南方的港口產業(yè)集群發(fā)展核密度曲線均呈現(xiàn)向右遷移的趨勢，表明兩個區(qū)域的港口產業(yè)集群發(fā)展水平都有所提升。從形狀上看，北方的波峰比南方要陡，且在第二階段出現(xiàn)了雙峰分布態(tài)勢，這表明北方港口的產業(yè)集群近年來發(fā)展較為迅猛，區(qū)域內的差異較為明顯；南方在第二階段的峰值下降明顯，這表明南方港口的產業(yè)集群近年來發(fā)展較為平緩，區(qū)域內部的發(fā)展分散化。

表2 2008～2017 年中國規(guī)模以上港口產業(yè)集群發(fā)展水平測度結果

圖1 港口產業(yè)集群發(fā)展水平得分排名圖

圖2 中國港口產業(yè)集群發(fā)展的核密度分布圖

圖3 中國北方和南方地區(qū)港口產業(yè)集群發(fā)展的核密度分布圖

圖4 各年份港口產業(yè)集群發(fā)展水平全局Moran 指數(shù)圖

表3 2008～2017 年港口產業(yè)區(qū)集群發(fā)展的全局Moran 指數(shù)統(tǒng)計表

2.3.2 港口產業(yè)集群發(fā)展的空間相關性

核密度分析顯示了港口產業(yè)集群發(fā)展的區(qū)域分布差異，在此基礎上可以利用探索性數(shù)據分析方法研究港口產業(yè)集群發(fā)展的空間關聯(lián)性。由于核函數(shù)形式繁多，沒有固定的表達式，本文將港口產業(yè)集群得分情況的核密度估計以圖形的形式進行表現(xiàn)，根據圖形分布的變化情況來進行比較分析不同時間節(jié)點港口產業(yè)集群發(fā)展的分布狀況以及區(qū)域發(fā)展之間的差異。利用Goeda 軟件對Moran 指數(shù)進行求解，結果如圖4、表3 所示。

由表3 可知，港口產業(yè)集群發(fā)展的全局Moran 指數(shù)最小值為2011 年的0.0236，最大值為2018 年的0.4005。從時序的角度來看，港口產業(yè)集群的空間相關性呈現(xiàn)“U”型發(fā)展趨勢。2009～2012 年全局Moran 指數(shù)呈逐步減小趨勢，表明此階段地理上的局部差異呈增大的趨勢，相似性呈減小趨勢；2013～2018 年Moran 指數(shù)呈逐步增大趨勢，表示此階段產業(yè)集群的發(fā)展在空間上的正向集聚區(qū)域逐步擴大，各港口的空間相關性逐步增強。

3 結束語

本文運用熵權—TOPSIS 模型對中國25 個規(guī)模以上的沿海港口的產業(yè)集群發(fā)展水平進行測度，結合核密度估計和探索性空間數(shù)據法對中國港口產業(yè)集群發(fā)展的動態(tài)演化情況作了綜合分析。分析結果顯示，近年來，中國港口產業(yè)集群的發(fā)展水平整體逐步提升但呈現(xiàn)出“南強北弱”的發(fā)展態(tài)勢，各港口產業(yè)集群發(fā)展的初始水平、發(fā)展路徑、發(fā)展速度均存在明顯的差異。北方港口的產業(yè)集群發(fā)展速度較為迅猛，區(qū)域內發(fā)展水平的差異較為明顯；南方港口產業(yè)集群發(fā)展速度較為平緩，區(qū)域內部呈現(xiàn)分散化的發(fā)展趨勢。各港口產業(yè)集群發(fā)展的空間相關性呈現(xiàn)先減小后增大的“U”型發(fā)展趨勢。