长三角城市群文化创意产业空间关联及网络结构特征研究_曹如中.pdf

研究与技术丝绸JOUNAL OF SILK长三角城市群文化创意产业空间关联及网络结构特征研究esearch on the spatial correlation and network structure characteristics of culturaland creative industries in the Yangtze iver Delta urban agglomeration曹如中1a，胡燕玲1a，熊鸿军2，郭华1b(1 上海工程技术大学 a 管理学院;b 图书馆 上海 201620;2 上海电机学院 商学院，上海 201306)摘要:明晰文化创意产业空间关联及网络结构特征是优化资源配置和规划区域文化创意产业发展的基础。本文运用修正的空间引力模型及社会网络分析法，结合 20112019 年相关数据，对长三角城市群文化创意产业空间关联及网络结构特征进行实证分析。结果表明:1)长三角城市群文化创意产业空间关联强度逐年增加;2)长三角城市群文化创意产业网络结构越发稳固，上海、南京、杭州是整个网络的中心结点和通道控制者;3)长三角东翼城市处于整个网络的核心区域，核心区内部联系紧密但对边缘区城市的“涓滴效应”有限，边缘区向核心区集聚势能较小;4)长三角城市群文化创意产业主要围绕上海、南京、杭州、合肥等中心城市进行空间集聚，并形成了内部密切相关的凝聚子群。关键词:长三角城市群;文化创意产业;空间关联;网络结构;社会网络分析;空间引力模型中图分类号:TS9411;G114文献标志码:A文章编号:10017003(2023)02010213引用页码:021112DOI:103969/j issn1001-7003 202302012收稿日期:20220602;修回日期:20221219基金项目:上海市促进文化创意产业发展财政扶持资助项目(2021020016)作者简介:曹如中(1972)，男，副教授，博士，主要从事文化创意产业的研究。自 20 世纪末期以来，随着信息技术加持和产业转型升级，全球经济发展重心逐步向高增长、低污染、高附加值的知识密集型产业转移，文化创意产业成为世界各国新一轮角逐的焦点。根据联合国发布的 创意经济展望和国家概况告 显示，创意经济对国家 GDP 的贡献率都在10%以上1。得益于对文化创意产业价值属性的深刻认识，中国中央和地方政府出台了一系列政策文件积极推动文化创意产业发展并取得了可喜的成就。数据显示，2020 年中国文化及相关产业增加值占 GDP 比重4 43%，比2019 年增长1 3%2。长三角地区是中国文化创意产业发展最具代表性和示范效应的地区，20152019 年长三角地区文化创意产业增加值占 GDP 比重增幅达到 116 7%3。然而，伴随着产业规模的不断壮大，长三角文化创意产业发展过程中存在的空间布局不合理、资源要素不够互通、产业同质化、无差异化恶性竞争等问题也逐渐显露出来。伴随着长三角一体化发展国家战略及长三角城市群高质量发展战略的深入推进，如何优化长三角城市群文化创意产业空间布局成为亟待解决的现实课题。1文献回顾20 世纪以来，理论界对文化创意产业空间和地理问题的研究主要集中在以下几个方面。一是部分学者从新经济地理学视角，运用标准差椭圆、核密度和平均最近邻距离等方法展开对文化创意产业空间分布、圈层结构、集聚模式等的研究，认为文化创意产业偏向于以城市为中心、呈现多核心递减发展4-6。二是部分学者从计量经济学视角，结合空间计量模型展开对文化创意产业空间发展水平及异质性等的研究，认为区域文化创意产业发展受经济、制度、文化、科技等影响而存在较大差异7-9。三是部分学者从产业链视角，展开对文化创意产业空间关系的研究，认为不同区域文化创意产业空间关联和结构特征各不相同10-11。更多的研究表明，目前关于文化创意产业空间问题的研究已从单纯的理论探讨转移到实证分析上，但基于空间和地理学视角对长三角城市群文化创意产业空间结构关系展开实证研究的成果并不多见。本文基于长三角城市群协同发展视角出发，运用修正的空间引力模型、社会网络分析法及 Ucinet 和 ArcGIS 软件，从中心度和核心边缘视角对长三角城市群文化创意产业空间关联强度及空间网络结构特征进行分析，拟为长三角城市群文化创意产业空间格局优化、产业资源要素高效流通、区域文化创意产业差异化错位发展提供决策参考。201第 60 卷第 2 期长三角城市群文化创意产业空间关联及网络结构特征研究2研究设计2 1方法与模型2 1 1空间关联强度测算方法与模型文化创意产业空间关联主要是指文化创意产业在特定区域地理上产生的链接关系。研究表明，地理空间相互邻近的城市之间文化创意产业关联性更强，并随距离变化而变化12，这一现象可运用经济动力学中的经济引力理论进行解释。借鉴现有理论成果13-14，本文引入修正的空间引力模型对长三角城市群文化创意产业空间关联关系进行测度，具体模型如下:ij=kijCIiCIjd2ij，kij=CIiCIi+CIj(1)Ti=ijij(2)式中:ij表示城市 i 和城市 j 之间文化创意产业的空间关联强度;CIi和 CIj分别表示城市 i 和城市 j 的文化创意产业发展水平，用文化、体育和娱乐业城镇单位就业人员来表征;dij表示城市 i 和城市 j 之间的距离，此处根据地理坐标经纬度计算得出;kij是修正指数。Ti表示城市 i 文化创意产业空间关联总强度，即城市 i 与其他所有城市之间文化创意产业空间关联强度的总量。根据式(1)计算得到的 ij，可以构建空间关联关系矩阵，并借鉴赵林等15 的做法，采用“平均数原则”将矩阵中各行的均值为临界值对关系矩阵进行二值化处理。若关联强度 ij大于此行均值，则记为 1，表示存在关联关系;反之记为 0，表示不存在关联关系，将以上得出的二值关系矩阵作为长三角城市群文化创意产业空间关联网络分析的基础。2 1 2空间关联网络结构测算方法与模型1)整体网络结构特征描述方法与模型。整体网络结构主要用来描述不同节点在网络中的关联程度及整体网络运营状况，可用网络密度、网络关联度和网络效率等指标来进行衡量。其中，网络密度指整体网络中的结点间实际存在联系的数量与网络中最大可能存在联系的数量之间的比值，用以说明网络内成员关系的密切程度，密度越大关联程度越紧密16。借用网络密度可以衡量长三角城市群文化创意产业整体网络中不同城市之间的关联程度。网络密度计算公式如下:D=mn(n 1)(3)式中:D 表示网络密度，m 表示网络中实际存在的连续数目，n表示网络中节点的个数。网络关联度用来描述网络成员间的可达程度，网络关联度越接近于1，网络成员间可达性越强。本文用网络关联度衡量长三角城市群文化创意产业整体网络的可达性，其计算公式如下:C=1 VN(N 1)2(4)式中:C 表示网络关联度，V 表示网络中不可达的点对数，N 表示网络中节点的个数。网络效率主要反映网络节点连线的冗余度，旨在通过衡量网络中是否存在多余的线条来描述网络的稳定性，线条越多结构越稳定，但网络效率也越低;线条越少网络越不稳定，但网络效率却越高17。借助网络效率可以衡量长三角城市群文化创意产业整体网络的稳健性。网络效率的计算公式为:GE=1 KMax(K)(5)式中:GE 代表网络效率，K 表示多余线的条数，Max(K)表示最大可能的多余线的条数。2)个体网络结构特征描述方法与模型。个体网络结构是研究单个节点在网络中的控制能力与整体网络之间的互补性，借助中心度(包括点度中心度、接近中心度和中介中心度)可以较好地衡量网络中单个节点的重要性。借助中心度指标可从不同角度对长三角城市群文化创意产业个体网络特征进行描述，从微观视角剖析各城市在网络中的地位和作用及其在不同时段的价值。其中，点度中心度主要衡量单个节点在网络中的中心性18。点度中心度的计算公式为:CD(i)=jxijn 1(i j)(6)式中:CD(i)表示点度中心度，jxij表示节点城市 i 和 j 之间的有效联系总数(若有则值为1，若否则值为0)，n表示网络中城市总数。接近中心度主要通过节点之间的捷径距离来衡量网络中不同节点之间的亲密程度，网络中的节点城市与其他城市越近，接近中心度越大，该节点的影响力也越大19。接近中心度的计算公式如下:CC(i)=1jdij(7)式中:CC(i)表示接近中心度，dij表示节点城市 i 到城市 j 的捷径距离。中介中心度通过节点的中介性来衡量一个节点对相邻节点的控制能力。如果某一节点处于众多节点对的最短路径上，那么该节点中介性就高，对其他节点的能力也越强，在网络中的地位越重要20。中介中心度的计算公式如下:CB(i)=2jkigjk(i)gjk(n 1)(n 2)(8)式中:CB(i)表示中介中心度，gjk表示节点城市 j 到城市 k 的捷301Vol 60No2esearch on the spatial correlation and network structure characteristics of cultural and creative industries in the Yangtze iver Delta urban agglomeration径数，gjk(i)表示城市 j 到城市 k 的捷径距离经过城市 i 的数量。3)块模型分析方法。块模型分析是进行空间聚类分析的主要方法，通过分析子群内外部成员之间关联关系来划分不同层次的凝聚子群，然后通过分析不同板块之间对信息的发送和接收情况来确定板块在网络中的角色。根据对各板块内外部关系的考察，角色类型通常可分为净受益角色、净溢出角色，双向溢出角色和经纪人角色四类，利用像矩阵简化图可以分析得出不同板块之间的关联关系21。2 2数据来源本文所使用的数据为长三角城市群 27 个城市中的文化、体育和娱乐业城镇单位从业人员数据和 27 个城市政府驻地的经纬度坐标数据。其中，通过查阅 中国城市统计年鉴 可以获得文化、体育和娱乐业城镇单位从业人员数这一数据，时间跨度为 20112019 年;通过百度地图坐标拾取系统可以获得政府驻地的经纬度坐标数据。3实证分析3 1长三角城市群文化创意产业空间关联强度分析将文化、体育和娱乐业城镇单位从业人员数代入式(1)，得出长三角城市群文化创意产业空间关联强度，再利用式(2)，得出长三角城市群文化创意产业空间关联总强度，进而可以对长三角城市群文化创意产业空间关联性进行量化分析。限于文章篇幅且考虑到整体变化趋势的呈现，本文选取2011、2014、2017 年和 2019 年四个时间节点，运用 ArcGIS 软件，绘制出长三角城市群 2011、2014、2017 年和2019 年文化创意产业空间关联强度空间分布，如图 1 所示。图 1长三角城市群文化创意产业空间关联强度空间分布示意Fig1Spatial distribution of spatial correlation intensity of cultural and creative industries of the Yangtze iver Delta urban agglomeration1)从分布格局来看，20112019 年长三角城市群文化创意产业空间关联强度每年虽存在细微差别，但整体大致已分化为 4 类。其中，第一类为文化创意产业空间关联强度最强类，用最粗的红色线条进行标识，主要包括无锡苏州、上海嘉兴、上海杭州、上海宁波;第二类为文化创意产业空间关联强度较强类，用较粗的黄色线条进行标识，主要包括401第 60 卷第 2 期长三角城市群文化创意产业空间关联及网络结构特征研究南京镇江、南京扬州、上海苏州、上海扬州、上海绍兴、杭州嘉兴、杭州湖州、无锡常州等;第三类为文化创意产业空间关联强度较弱类，用较细的蓝色线条进行标识，主要包括南京合肥、南京泰州、南京上海、上海南通、上海舟山、杭州南通、杭州南京等;第四类为文化创意产业空间关联强度最弱类，用最细的绿色线条进行标识，主要包括盐城合肥、合肥安庆、安庆温州、温州舟山、舟山台州等。2)从变化趋势来看，20112019 年长三角城市群文化创意产业空间关联强度整体上呈现上升趋势，其中最强、较强类主要是围绕上海、杭州、南京这 3 个中心城市呈放射状分布。结合图 1 进行具体分析，至 2019 年南京镇江、上海宁波等一些空间关联强度较强类城市随着时间的推移逐步演化为空间关联强度最强类;而以上海、杭州、南京、无锡四个城市为中心的空间关联强度较强类开始大量涌现，说明这些城市与周围城市文化创意产业的联系得到逐步增强。同时空间关联较弱类围绕上海、杭州、南京、无锡、常州 5 个城市逐年增多，这说明这 5 个城市文化创意产业的辐射带动作用在逐步扩大。空间关联最弱类主要围绕盐城、滁州、安庆等长三角外圈城市呈发散状分布并随时间推移而逐年减少，这充分说明了长三角各城市间文化创意产业联系越来越紧密。32长三角城市群文化创意产业整体网络结构特征分析依据式(3)(4)(5)，借助 Ucinet 6 0 软件计算得到20112019 年整体网络关系数、网络密度、网络关联度及网络关联效率(图 2)，可以对长三角城市群文化创意产业整体网络结构特征进行描述。结合图 2 可以看出:1)20112019 年网络关系数变化较小，大致在 182 188内浮动;同时整体网络密度变化甚微，基本上徘徊在 0 25 0.26。从数值变化来看整体网络关系数和网络密度值仍有较大的增长空间，这表明长三角城市群文化创意产业整体空间关联程度仍有进一步提升的空间，未来需进一步加强城际间的协调作用和交流合作能力。2)20112019 年网络关联度始终为 1，说明整体空间关联网络连通性较好，所有节点均可达，不存在孤立点，即长三角城际间文化创意产业存在直接或间接的联系，且空间关联性和溢出效应显著。这也表明随着文化创意产业体制改革的不断深化，区域内产业资源要素得到了更好的流动，使得长三角城市群文化创意产业联系越来越密切。3)20112019 年网络关联效率由期初的 0 72 下降到0.70，表明网络连线的冗余度在不断增大，整体网络结构稳定性在不断增强。这主要是因为随着网络中各城市之间的联系越来越密切，长三角城际文化创意产业直接效应和溢出效应不断增强，呈现出多重叠加现象。图 2长三角城市群文化创意产业整体网络结构特征Fig 2Characteristics of the overall network structure ofcultural and creative industries of the Yangtze iverDelta urban agglomeration3 3长三角城市群文化创意产业个体网络结构特征分析3 3 1点度中心度点度中心度又称程度中心度，可以用来衡量某一城市在整个城市群中所处位置的重要性12，点度中心度越高的城市与其他城市的联系也越多，对整个城市群的控制力越强。根据式(6)，运用 Ucinet 60 软件得出 2011、2014、2017、2019 年长三角各城市文化创意产业点度中心度的计算结果，如表1 所示。从整体发展趋势来看，20112019 年长三角各城市文化创意产业的点度中心度、点出度和点入度大致呈现出攀升态势，尤其是南京、苏州、无锡和绍兴等城市变化明显，说明随着时间的推移，长三角各城市文化创意产业空间网络关联性在不断增强。在点度中心度方面，点度中心度较大的城市主要是上海、南京、杭州、苏州、常州、无锡、合肥、嘉兴、绍兴等城市，这些城市在长三角文化创意产业空间关联网络中与其他城市关联关系密切。特别是上海、南京、杭州历年来一直稳居前三，在地理位置分别属于长三角核心城市、北翼中心城市和南翼中心城市，呈现出明显的“三核心”特征，是长三角文化创意产业空间关联网络的中心。点度中心度较小的城市主要是滁州、铜陵、池州、安庆等长三角外圈城市，这些城市在长三角文化创意产业空间关联网络中属于从属地位，自身影响力不大，需要借助周边城市来发展。在点出度和入出度方面，上海、南京、杭州、苏州、常州、合肥、嘉兴、宣城、盐城、宁波、泰州、湖州、金华 13 个城市点出度大于平均值，这些城市在长三角文化创意产业空间关联网络中有着明显的溢出作用，对周围城市辐射能力较强。上海、南京、杭州、苏州、常州、合肥、嘉兴、宁波 8 个城市点入度大于平均值，这些城市在长三角文化创意产业空间关联网络中属于受益方，对周围城市资源吸纳能力较强。501Vol 60No2esearch on the spatial correlation and network structure characteristics of cultural and creative industries in the Yangtze iver Delta urban agglomeration表 1长三角各城市文化创意产业点度中心度Tab 1Degree centrality of cultural and creative industries in cities along the Yangtze iver Delta城市2011 年出度入度点中心度2014 年出度入度点中心度2017 年出度入度点中心度2019 年出度入度点中心度上海市6166153891557 6928166153881557692南京市101046154111153 846111361538101457 692杭州市8125000071353 8467135384681250 000苏州市7124615471350 0007124615471246 154常州市8104230881246 1549124615481142 308无锡市6114230861142 3086114230841350 000合肥市88346159738 462107461549738 462嘉兴市7114230871038 462711423087938 462绍兴市48346155938 46268384626838 462宣城市1110538469334 61583307699334 615盐城市91346159134 61591346159134 615宁波市88346157834 61578346159838 462泰州市85307698530 76975269238630 769湖州市85307697530 76978346157430 769金华市92346158230 769923461510538 462温州市63230777226 92362230776223 077马鞍山市66269236626 92366269236626 923芜湖市66269236726 92358307697834 615南通市66269236626 92366269237630 769扬州市46230774726 92347269234726 923镇江市47269234726 923483076941142 308台州市84307697426 92384307697426 923舟山市62230776326 92362230776223 077滁州市62230776223 07762230776423 077铜陵市64230776523 07775269237526 923池州市45192314519 23142153854215 385安庆市43153853311 53853192315319 231均值67786778336186741674133 61868526852347586963696335 0433 3 2接近中心度接近中心度通过分析不同城市之间的距离远近来描述城市的影响力大小，接近中心度越大的城市在网络中的影响力也越大。根据式(7)，运用 Ucinet 6 0 软件可得出 2011、2014、2017、2019 年长三角城市各城市文化创意产业接近中心度，借助 Ucinet60 软件的 NetDraw 功能可绘制出四个时段的分布，如图3 所示。图 3长三角各城市文化创意产业接近中心度分布示意Fig3Distribution of closeness centrality of cultural and creative industries of cities along the Yangtze iver Delta601第 60 卷第 2 期长三角城市群文化创意产业空间关联及网络结构特征研究由图 3 可见，节点的大小代表接近中心度的大小，节点越大说明该城市接近中心度越高。为了方便分析，本文利用分位数将长三角 27 个城市接近中心度分成了 4 类。第一类为红色，用来代表接近中心度最大的类;第二类为蓝色，用来代表接近中心度较大的类;第三类为灰色，用来代表接近中心度较小的类;第四类为绿色，用来代表接近中心度最小的类。从整体上看，上海和南京一直位列前两名，说明这两个城市在空间关联网络中能快速与其他城市产生联系，属于长三角城市群文化创意产业的引领者。而池州和安庆一直居于末位，说明他们与其他城市联系较弱，文化创意产业对其他城市产生的影响较小，处于长三角城市群文化创意产业网络中的跟随者位置。从变化趋势上看，2017、2019 年相较于 2011、2014 年各城市接近中心度均有所提升。截至 2019 年底，第一类由之前的3 个城市发展到 6 个城市，包括上海、合肥、杭州、南京、无锡和常州，这些城市处于长三角东、西、南、北、中部核心位置，他们对长三角文化创意产业发展有着绝对主导优势。第二类主要包括宣城、金华、苏州、盐城、湖州等周边和沿海城市，这些城市发展潜力巨大，有着较强的后发优势。第三类主要包括泰州、芜湖、宁波、绍兴、扬州等城市，这些城市大多属于长三角中部，得益于自身资源优势和邻近中心城市，这些城市文化创意产业实力较强。第四类主要包括池州、安庆、温州、舟山、滁州、泰州等城市，属于长三角外圈城市，这些城市与其他城市联系稀疏且产业资源相对薄弱，处于长三角文化创意产业关联网络的边缘地带。3 3 3中介中心度中介中心度是一个城市担任其他两个城市并使其路径最短的中间桥梁的次数，反映该城市在网络中对其他城市的控制能力。根据式(8)并运用 Ucinet 6 0 软件可以得出 2011、2014、2017、2019 年长三角城市各城市文化创意产业中介中心度，借助 Ucinet 6 0 软件的 NetDraw 功能可以绘制出四个时段的分布，如图 4 所示。图 4长三角各城市文化创意产业中介中心度分布示意Fig4Distribution of betweenness centrality of cultural and creative industries in cities along the Yangtze iver Delta由图 4 可以看出，节点的大小代表中介中心度的大小，中介中心度越高的城市节点越大。运用自然间断点分级法，本文将长三角 27 个城市接近中心度分成红、蓝、灰、绿 4 类，分别对应第一、第二、第三、第四类城市。从整体上看，长三角各城市文化创意产业空间关联网络的中介中心度分布极不均衡，极化特征凸显，主要通过上海、南京和杭州等核心城市，控701Vol 60No2esearch on the spatial correlation and network structure characteristics of cultural and creative industries in the Yangtze iver Delta urban agglomeration制整个长三角各城市间文化创意产业的空间网络联系。其中部分城市浮动较大，中介中心度的分类尚不固定，但随着时间的推移，第一、第二、第三类在不断增加，第四类在减少，说明长三角各城市文化创意产业空间关联网络的中介中心性差异在不断缩小。分阶段来看，2011 年第一类主要是以上海和宣城为核心城市，2011 年以后第一类城市开始增加，到了 2017 年第一类开始稳固，初步形成了以上海、杭州、南京和合肥为中心的四个核心城市。这四个城市隶属于长三角东翼、南翼、北翼、西翼的中心城市，同时杭州、南京、合肥也是浙江、江苏、安徽的省会城市，这些在长三角城市群文化创意产业空间关联网络中始终发挥着媒介的作用，对促进长三角城市群文化创意产业高质量发展具有不可替代的重要地位。2019 年以后第四类城市数量明显下降，但温州、池州、台州、舟山等城市仍居于末位，缺乏充当其他区域文化创意产业网络联系中介的能力，同时对长三角一体化发展的推进产生负面影响。3 4长三角城市群文化创意产业空间关联网络核心边缘分析为了进一步刻画长三角城市群文化创意产业空间关联网络结构特征，克服通过中心度分析划分出的核心范围过于模糊的缺点，本文利用Ucinet软件中的Core-periphery模块，结合基于离散数据的核心边缘缺失模型，对长三角城市群文化创意产业空间关联网络核心边缘结构做进一步分析和验证，结果如表 2 和表 3 所示。表 2长三角城市群文化创意产业空间关联网络核心边缘区域成员分布情况Tab 2Distribution of members in core-edge areas of the spatialcorrelation network of cultural and creative industries of theYangtze iver Delta urban agglomeration时间区域类型城市2011 年核心区上海、无锡、苏州、常州、杭州、湖州、嘉兴、宣城边缘区南京、南通、泰州、盐城、扬州、镇江、金华、宁波、绍兴、台州、舟山、温州、合肥、安庆、池州、滁州、马鞍山、铜陵、芜湖2014 年核心区上海、南京、无锡、苏州、常州、杭州、嘉兴、宁波、绍兴边缘区南通、泰州、盐城、扬州、镇江、湖州、金华、台州、舟山、温州、合肥、安庆、池州、滁州、马鞍山、铜陵、芜湖、宣城2017 年核心区上海、南京、无锡、苏州、常州、杭州、湖州、嘉兴边缘区南通、泰州、盐城、扬州、镇江、金华、宁波、绍兴、台州、舟山、温州、合肥、安庆、池州、滁州、马鞍山、铜陵、芜湖、宣城2019 年核心区上海、南京、无锡、苏州、常州、杭州、嘉兴、金华、宁波、绍兴边缘区南通、泰州、盐城、扬州、镇江、湖州、台州、舟山、温州、合肥、安庆、池州、滁州、马鞍山、铜陵、芜湖、宣城表 3长三角城市群文化创意产业空间关联网络核心边缘密度Tab3Core-edge density of spatial correlation network of cultural and creative industries of the Yangtze iver Delta urban agglomeration密度2011 年核心区边缘区2014 年核心区边缘区2017 年核心区边缘区2019 年核心区边缘区核心区0 750012506670 1170768012506220124边缘区0 296022503330 1990349020503000221网络密度0250025002500260从计算得出的相关系数来看，2011、2014、2017、2019 年模型拟合度分别为 0 399、0 405、0 434、0 372，拟合度良好，说明长三角城市群文化创意产业空间关联网络表现出核心边缘网络结构。从表 2 可以看出，核心区域数量相对固定，范围大致在 8 10，其中上海、无锡、苏州、常州、杭州、嘉兴这 6 个城市地理位置相近，经济发展水平高，对外界的经济扩散能力和辐射能力十分显著，历年处于网络核心区域。南通、泰州、盐城、扬州、镇江、台州、舟山、温州、合肥、安庆、池州、滁州、马鞍山、铜陵、芜湖这 15 个城市由于受到经济发展水平及所处区域位置的影响，且与外界联系较弱，始终位于边缘区域。此外，从表 3 可以看出，整个网络密度比较平稳，各区域密度大小不一，说明长三角城市群文化创意产业空间关联网络具有一定的层级结构。其中，核心区网络密度最大，但对边缘区的网络密度相对较低且变化不大，说明处于核心区域的城市之间的联系十分紧密，且对边缘区的“涓滴效应”相对有限。而边缘区对核心区的网络密度呈缓慢增长态势，且与核心区内部总体网络密度呈收敛态势，说明边缘区向核心区集聚的能力并不强。3 5长三角城市群文化创意产业空间关联网络块模型分析3 5 1长三角城市群文化创意产业凝聚子群分析通过块模型可以分析长三角城市群文化创意产业空间关联网络的空间集聚特征。本文选取 2011、2014、2017 年和2018 年关系型数据，利用 Ucinet 软件中的 Concor 方法，可以将长三角 27 个城市划分成 4 个凝聚子群，具体划分结果与成员情况如图 5 和表 4 所示。801第 60 卷第 2 期长三角城市群文化创意产业空间关联及网络结构特征研究图 5长三角城市群文化创意产业凝聚子群树形分布示意Fig 5Tree shaped distribution of cultural and creative industries of the Yangtze iver Delta urban agglomeration表 4长三角城市群文化创意产业凝聚子群成员分布情况Tab 4Distribution of members of cultural and creative industries of the Yangtze iver Delta urban agglomeration板块名称子群成员2011 年2014 年2017 年2019 年板块 1上海、无锡、南通、苏州、湖州上海、无锡、南通、苏州、湖州、嘉兴上海、无锡、南通、苏州、湖州、嘉兴上海、无锡、南通、苏州、湖州、嘉兴板块 2嘉兴、杭州、宁波、绍兴、金华、台州、舟山、温州杭州、宁波、绍兴、金华、台州、舟山、温州杭州、宁波、绍兴、金华、台州、舟山、温州杭州、宁波、绍兴、金华、台州、舟山、温州板块 3南京、扬州、镇江、泰州、常州、盐城、滁州南京、扬州、镇江、泰州、常州、盐城南京、扬州、镇江、泰州、常州、盐城南京、扬州、镇江、泰州、常州、盐城板块 4合肥、马鞍山、芜湖、宣城、安庆、池州、铜陵合肥、滁州、马鞍山、芜湖、宣城、安庆、池州、铜陵合肥、滁州、马鞍山、芜湖、宣城、安庆、池州、铜陵合肥、滁州、马鞍山、芜湖、宣城、安庆、池州、铜陵由图 5 和表 4 可知，从整体趋势来看，20112019 年长三角文化创意产业均由 4 个二级子群组成，且各子群成员分布情况已趋于稳定，除了 2011 年外，其余各年的子群成员分布情况完全相同。这说明长三角文化创意产业空间关联网络结构已非常稳定，各子群内部成员联系也十分紧密。从具体表现来看，长三角城市群文化创意产业空间关联网络联系多发生于省域内城市之间，主要围绕上海及苏、浙、皖三省的省会城市进行集聚，同时与省内其他城市建立相应联系。以 2019年为例，第一子群文化创意产业发展水平较高的城市主要位于长三角东翼，包括上海、无锡、南通、苏州、湖州、嘉兴;第二子群文化创意产业发展水平一般的城市主要位于长三角南翼，包括杭州、宁波、绍兴、金华、台州、舟山、温州;第三子群文化创意产业发展水平较弱的城市主要位于长三角北翼，包括南京、扬州、镇江、泰州、常州、盐城;第四子群文化创意产业发展水平非常薄弱的城市主要位于长三角西翼，包括合肥、滁州、马鞍山、芜湖、宣城、安庆、池州、铜陵。这四个子群分别以上海、杭州、南京、合肥为中心进行凝聚，其中江苏和浙江省域内城市文化创意产业空间关联网络间的联系比较紧密，安徽省域内城市文化创意产业空间关联网络间的联系较弱。901Vol 60No2esearch on the spatial correlation and network structure characteristics of cultural and creative industries in the Yangtze iver Delta urban agglomeration3 5 2长三角城市群文化创意产业板块位置分析为明晰长三角城市群文化创意产业空间关联网络内部结构特征、不同板块间信息流通关系及所扮演的角色，本文进一步对长三角城市群文化创意产业各板块进行位置分析。由于至 2014 年起每年凝聚子群成员分布相差无异，故选择 2019年数据展开研究。根据测算，2019 年长三角城市群文化创意产业空间关联网络中共计 188 个关系，其中板块内部关系数为 115 个，占比 61%，板块间的关系数为 73 个，占比 39%，说明长三角城市群文化创意产业空间关联网络中各板块内部关联效应显著且各板块之间具有一定的空间溢出效应，具体结果如表 5 所示。表 5长三角城市群 2019 年文化创意产业空间关联板块溢出效应Tab5Spillover effects of spatial correlation plates of cultural and creativeindustries of the Yangtze iver Delta urban agglomeration in 2019板块名称成员数/个板块内部关系数/个接受板块外关系数/个溢出板块外关系数/个期望内部关系比例/%实际内部关系比例/%角色类型板块 162435160 19060净受益板块 273110210 23060双向溢出板块 362624170 19060经纪人板块 48344190 27064双向溢出由表 5 可知，四个板块的实际内部关系比例都远远大于期望内部关系比例。其中，板块 1 属于净受益角色，其内部成员关系数为 24 个，接受板块外关系数为 35 个(接受板块外关系数最多)，溢出板块外关系数为 16 个(对其他板块溢出关系数最少);板块 2 属于双向溢出角色，其内部成员关系数为 31个(内部成员联系较多)，接受板块外关系数为 10 个，溢出板块外关系数为 21 个(溢出关系最多)，既接收其他板块的联系也对其他板块产生溢出关系;板块 3 属于典型的经纪人角色，其内部成员关系数为 26 个，接受板块外关系数为 24 个，溢出板块外关系数为 17 个，接受和溢出个数相差不大;板块 4 属于双向溢出角色，其内部成员关系数为 34 个(内部成员联系最多)，接受板块外关系数为 4 个，溢出板块外关系数为19 个。3 5 3长三角城市群文化创意产业板块关联分析通过计算关联板块密度矩阵和像矩阵，可以进一步考察长三角城市群文化创意产业各板块间关联关系。此处同样以2019 年数据为研究样本，参考已有研究成果22-23，以 2019 年的整体网络密度 0 27 为阈值，若板块密度大于阈值时，将其赋值为 1，反之赋值为 0，可得出长三角城市群 2019 年文化创意产业空间关联板块的像矩阵，如表 6 所示。其中，1 表示两板块之间存在传递关系，0 表示两板块之间不存在传递关系，根据像矩阵绘制四个板块间传递路径关系，如图 6 所示。表 6长三角城市群 2019 年文化创意产业空间关联板块密度矩阵和像矩阵Tab 6Density matrix and image matrix of spatial correlation plates of cultural and creative industries of theYangtze iver Delta urban agglomeration in 2019板块名称密度矩阵板块 1板块 2板块 3板块 4像矩阵板块 1板块 2板块 3板块 4板块 10 800 190220001000板块 20 480 740 020001100板块 30 360 000870081010板块 40 040 040 310610011图 6长三角城市群 2019 年文化创意产业空间关联板块间传递关系Fig6Transmission relationship between spatial correlation plates of cultural and creative indus