中国快递经济空间关联网络及其驱动因素研究
DOI：10.13546/jki.tjyjc.2020.24.017
中国快递经济空间关联网络及其驱动因素研究
陈蕾'，马青山-刘传明'
（1.集美大学财经学院.福建厦门361021；2.中南财经政法大学经济学院，武汉430073；
3.中央财经大学经济学院，北京102206）
摘要：文章基于修正的引力模型识别了快递经济发展的空间关联网络，采用社会网络分析方法对快递经济空间关联网络的网络结构进行了探讨，然后运用QAP模型对快递经济发展空间关联网络的影响因素进行了分析。研究发现：快递经济空间关联网络呈现出复杂的网络结构形态，考察期内快递经济空间关联网络的网络密度呈上升态势，网络等级度呈下降态势；江苏、上海、天津、北京、山东等省份的点度中心度、中介中心度和接近中心度较高，扮演着中心行动者角；各地区交通基础设施差异、经济发展差异、居民可支配收入差异、人口数量差异是影响快递经济空间关联网络的主要因素。
关键词：快递经济；空间关联网络；网络结构；QAP模型
中图分类号:F124.1文献标识码:A文章编号:1002-6487（2020）24-0078-06
0引言1研究方法与数据说明
快递已经成为当前人们生活中不可或缺的重要组成部分，不仅改变了人们的生活习惯，而且影响了人们的消费习惯和消费结构。快递经济是融合信息交流、物品递送、资金流通等多种功能于一体的复合型新兴服务业。为促进快递经济的高质量发展，中国政府制定了一系列政策，并取得了良好的成效，快递经济逐步向标准化、绿化和智慧化发展。
现有文献虽然对快递经济的发展"4以及区域发展空间关联性旷力进行了较为丰富的研究，但是尚未有文献在全面考虑各种因素的基础上对中国省际快递经济的空间关联网络结构进行具体的解构，少有的关于区域间快递业的研究aw或是笼统地关注快递业在区域间发展的不平衡回以及各地区快递经济存在发展差距等方面，或是仅仅局限于地理上的“邻近”效应以及城市圈内的相互联系，未能细致考察省际快递经济的“关联关系”和“网络结构”。因此，本文基于关系数据和网络视角，利用2001—2018年中国省际快递经济数据，对中国快递经济的空间关联网络结构进行全方位解析。一方面，在有效避免传统空间计量经济学由于空间权重设置不合理造成的研究结论的偏误的基础上，精确识别各省份快递经济在空间关联网络结构中所处的地位、角及其演变趋势。另一方面，有利于充分认识中国快递经济空间关联网络形成的影响因素，从而为促进快递业高质量发展提供启示。1.1引力模型
空间关联是区域经济学的研究重点“巴本文旨在研究中国省际快递经济发展的空间关联关系，选择中国
30个省份（不含西藏及港澳台）作为快递空间关联网络的节点，快递经济空间关联关系作为网络中的连线，这些点和线便构成了中国快递经济的空间关联网络。本文基于引力模型（Gravity Model, GM严来刻画中国快递经济的空间关联关系。修正的引力模型如式（1）所示：
…存辽尸凋a,*⑴
D2
其中，A，为省份i快递经济和省份广快递经济之间的引力；E，和Ej分别表示省份i和省份j的快递总量；P，和Pj分别表示省份i和省份j的年末总人口数量；G，和Gj分别表示省份i和省份丿的地区生产总值；%为调节系数，表示省份i在省份i与省份/的快递经济联系中的贡献率。关于距离的测度，为了同时考虑地理距离和经济距离，本文采用各省份省会城市之间的距离进行测算，进而计算出引力矩阵，引力矩阵的每行表示省份i对其他省份快递经济的影响力。本文取平均引力作为临界值，如果省份i对省份广快递经济的影响力高于平均引力，则记为1，并将i、/两点连接起来画出i指向丿的有向箭头，表明这两个省份之间具有明显的空间关联关系。依此方法检验所有省份两两之间的空间关联关系，画出网络
基金项目：教育部人文社会科学研究项目（17JYA790012）
作者简介：陈蕾（1981—），女，福建莆田人，博士，副教授，研究方向：区域经济学。
马青山（1995—），男，河北邢台人，硕士研究生，研究方向：区域经济学。
刘传明（1990—），男，山东莅平人，博士研究生，研究方向：区域经济学。78统计与决策2020年第24期•总第564期
｛经济实证｝
中的各条带箭头的“连接线”，便构建岀中国省际快递经济的空间关联网络。
1.2社会网络分析方法
(1)网络密度。网络密度表示网络中各节点空间关联的紧密性，中国快递经济发展之间的关系越是紧密，网络密度就越大。网络密度可定义为实际拥有的连线数与整个网络中最多可能拥有的连线数之比。网络密度的取值范围为[0,1]。由于有向图的数据矩阵是不对称的，从A指向B的有向线不一定包含从B指向A的线，因此有向图可能包含的最多连线数恰恰等于它所包含的点的总对数，所以如果设网络中的省份数量为N，则网络中可能存在的关联关系数量的最大值为Nx(N-l)。如果网络图中实际存在的线数设为L，则网络密度£>”可表示为：
D”=[N x(£_])]⑵
缅怀革命先烈手抄报内容
(2)网络关联性分析。关联性反映网络自身的稳健性和脆弱性。如果网络中各省份快递经济关联关系把经济系统连接成一个整体，任何两个省份之间存在一条直接或间接的路径相连，那么该网络就具有较好的关联性；如果快递经济网络中很多省份均通过一个省份相连，那么该网络就对该城市具有依赖性，因此是不稳健的。关联性的测度指标是关联度、网络等级度和网络效率。
关联度可通过可达性来测量。该测度的取值为范围[0,1]。设网络中的省份主体数量为N，网络中不可达的点的对数为V，则关联度C的计算公式是：
C=1_[N x(N-1)/2]⑶网络等级度表示各省份快递经济之间在多大程度上非对称地可达，反映各省份在网络中的支配地位，该指标的取值范围为[0,1]。设网络中对称可达点数为K, max(K)为可能的对称可达点的对数的最大值，则网络等级度G h的计算公式是:
(4)
网络效率是指在已知网络图中所包含的成分数确定的情况下，网络图在多大程度上存在着多余的线，该指标取值范围为[0,1]。中国快递经济的网络效率越低，说明空间溢出渠道越多，存在着溢出效应的多重叠加现象，网络更加稳定。设网络中多余线的条数为M,max(M)为可能的多余线条数的最大值，则网络效率G e的计算公式是:
G e=1-max(A/)(5)
(3)网络中心性分析。网络中心性度量各省份在网络中的地位和作用，处于中心地位的省份对其他省份具有较强的影响力。网络中心性可以通过点度中心度冲介中心度和接近中心度来衡量。
适合穷人创业项目投资小点度中心度是根据网络中的连接数来衡量结点在网络中的中心位置的程度，点度中心度越高，说明该省份在网络中越处于中心地位。点度中心度的计算公式为：
中介中心度测量的是行动者对资源控制的程度。具体地，如果一个点处于许多其他点对的捷径上，就说该点具有较高的中介中心度。如果一个省份处于多对省份之间，那么它的中介中心度一般较低。中介中心度比较低的省份很可能起到“中介”作用，因而处于网络的中心。假设省份j和省份k之间存在的捷径条数为gw，省份j和省份k之间存在的经过第三个省份i的捷径条数为g#(i)，则第三个省份i控制省份j和省份k的联系的能力用中间度b/i)表示，它等于省份i处于省份j和省份k之间捷径上的概率，即b/i)=g Jk(i)lg]k o将省份i相应于网络中所有点对的中间度相加，便得到省份i的中介中心度，其计算公式为：
N N
2工工如⑴
C»=—舟-------,j<k(7) N：_3N+2
接近中心度是指快递经济发展空间关联网络中一个省份与网络中其他省份的最短距离。一个省份的接
近中心度是该省份与网络中所有其它省份的捷径距离之和，接近中心度越高越能说明该省份在快递经济空间关联网络中扮演着中心行动者角。其表达式如式(8)所示，其中尙是i省份与丿省份的捷径距离(捷径中包含的线的个数)，"为网络中节点的个数。
C=g>(8) >=|
1.3数据说明
本文以中国30个省份(不含西藏和港澳台)作为网络节点，基于2001—2018年省级面板数据，实证考察中国快递经济的空间关联。其中，分省份快递总量来源于国家统计局新版数据库，分省份地区生产总值、人口总数来源于《中国统计年鉴》。各省份之间的距离以省会城市球面距离表Z5，通过ArcGIS计算而得。
2中国快递经济的空间关联的网络结构特征
2.1整体网络结构特征及其演变趋势
本文以解构中国快递经济的空间关联网络为出发点，采用修正的引力模型，准确识别了中国省际快递经济的空间关联关系并建立关系矩阵，利用UCINET可视化工具Netdraw绘制了2018年的网络结构图，如下页图1所示。从图中可以明显看出，省际快递经济呈现出复杂的、多线程的网络结构形态。
基于此，本文认为中国省际快递经济的发展在空间上是“普遍联系的”。
(1)网络密度。下页图2为空间关联关系与网络密度，从中可以看出,2001—2018年省际快递经济的空间关联关系总数整体上呈现上升态势，2001年的关联关系数为177个，2018年上升到214个，与之相契合的是中国快递经济空间关联的网络密度在整体上也呈现出上升态势，从2001年的0.2034上升到2018年的0.246，表明2001年以
统计与决策2020年第24期•总第564期79
｛经济实证$
来中国省际快递经济的空间关联总体上愈发密切。但还
需要注意的是,2015年以来网络密度的增速放缓甚至有 所回落。主要原因在于：一方面，近年来区域一体化战略 的实施促使快递经济逐渐向区域集化的趋势迈进，使得
中国快递经济的省际关联程度有所下滑，但仍处于较高
水平；另一方面，受当前我国经济发展整体进入“新常态”
以及物流用地等资源要素成本不断上升的影响，快递产业
呈现出温和增长的趋势，这对于倒逼行业转型升级、扩大
内需、促进快递经济高质量发展具有重要意义。
O  55 40.0Q
5 o
5
O
5
4 3 3 2 2 1O.O.O.C
5 0 O «
縣擀褻S 0.10
0.05
2001 2003 2005 2007 2009 2011
2013 2015 2017
.75
a 爭«
Ǥ:
5
6O 0.6
＞吉林
吶蒙古
irM
倩海
图1 2018年中国快递经济空间关联网络
50200
000)0)00003210
9876
222211112625«囹
建E:4 3
2 1
2 2 2 20.00.C 5
0.
7
纫
5
纫
3
补水效果最好的面膜⑼201
9
0»2空间关联关系与网络密度
虽然样本期内快递经济网络密度不断提高，然而中国 省际快递经济空间关联的紧密性并不算太高。利用式(2)
计算出快递经济发展的空间关联网络的密度，30个省份
之间可能存在的关联关系的最大值为870个，而2018年实 际存在的关联关系仅为214个，表明省际快递行业的经济
合作仍有较大的提升空间。同时还需要注意，随着网络 密度的提升，会导致网络中冗杂连线的增多，可能会导致
交易成本上升，进而对快递经济的发展效率产生一定的 负面作用.所以切合实际地提升省际快递经济关联关系
的网络密度以保证快递经济的空间优化配置是必须要考
虑的问题。
(2)网络关联性。进一步地，根据式(3)至式(5)计算
网络结构的关联度、网络效率和网络等级度。2018年中 国省际快递经济网络关联度的测算结果为1，表明省际快
递经济的联系非常密切，网络之间的通达性良好，各省之
间存在着普遍的空间溢出效应。网络效率的测算结果显
示，2001—2018年中国省际快递经济空间关联的网络效
率整体上呈下降态势(如图3所示)。2001年网络效率为
0.7217，而2018年下降为0.6749.说明快递经济之间存在图3网络等级度与网络效率
着较多的网络连线，网络结构的稳定性得以提升。网络等
级度的测度结果显示,2001—2018年中国快递经济空间 关联网络等级度总体上呈下降态势，且阶段性明显。2003
年以前网络等级度稳定在0.47以上，2004—2007年大幅 下降至0.35左右,2008—2011虽然有小幅提升，但基本维 持在0.25以下，此后2012—2014年又大幅下降至0.06左
右。与此同时，虽然2016—2018年网络等级度稍有提高,
但仍然小于0.2。这一结果表明，现阶段快递经济在省际 并不存在“等级森严”的网络结构，不同省份之间相互联 系、相互影响的趋势不断加强。综合考虑以上指标.本文
发现随着交通基础设施的不断完善，省际快递经济的关联
关系逐渐增多.网络稳定性不断提升，受近年来区域经济 一体化的影响，快递经济逐步迈向区域集化发展阶段, 但随着中国经济协同发展程度的不断提升，省际快递经济
之间的“联系”会进一步增强。
2.2中心性分析
利用式(6)至式(8)分别计算30个省份的点度中心 度、中介中心度以及接近中心度等指标，揭示各省份在 快递经济网络结构中所处的地位，测算结果如下页表1
所示。
(1) 点度中心度。根据表1中点度中心度的测算结
果，中国30个省份的点度中心度的均值为37.011，高于这
一数值的省份有10个，分别是江苏、上海、天津、北京、山 东、湖北、福建、广东、云南、甘肃，这些省份在快递经济空
间关联网络中与其他省份的关系数较多。其中，江苏的点 度中心度最高，达到89.655，说明江苏在中国快递经济空 间关联网络中处于中心地位，原因在于江苏位于东部沿海
地区，经济发达且交通便利，因此成为全国物流集散基
地。高于点度中心度均值的省份除了甘肃、福建以及云南 外均位于东部沿海地区，这说明沿海地区对整体快递经济 空间关联及空间溢出效应具有较大的影响力。并且由表
1可知，黑龙江、新疆、河北庁夏、辽宁、吉林、青海的点度
中心度在全国排名靠后，说明这些省份快递经济与其他省
份之间的关系数较少。原因可能在于，除河北外这些省份
近年来经济增速较低，并且这些省份所处地理位置相对较 为偏远，从而导致其快递经济发展和其他省份之间的空间 关联较弱，河北排名靠后的原因还可能与京津的“虹吸效
应”有关。
(2) 中介中心度。根据表1中中介中心度的测算结
果，全国30个省份的中介中心度均值为2.274，高于这一
提前批
80
统计与决策2020年第24期•总第564
期
｛经济实证J
数值的省份有江苏、上海、天津、北京，这些省份在快递经
济空间关联网络中控制其他省份之间快递经济交流的能
力较强。其中江苏的中介中心度更是高达15.612，说明江
苏在快递经济的空间关联网络中处于核心地位，充当“中
介”和“桥梁”的作用。此外,2018年快递经济空间关联网
络的中介中心度的总量为68.228，而排名前四位的省份的
中介中心度之和为53.416，占据总量的78%，这些省份位
于长三角地区和环渤海地区，而排名后十位的省份的中介
中心度之和仅为2，只占总量的2%，这些省份或是地理位
置偏远，或是经济不景气，因而难以对网络中的其他省份
起到控制和支配作用。此外，快递经济空间关联网络中各
个省份的中介中心度参差不齐，相当多省份间的联系通过
江苏、上海、北京和天津这些经济发达的省份来完成。
表1省际快递经济空间关联的网络中心性分析
省份
点度中心度中介中心度接近中心度中心度排序中心度排序中心度排序
北京79.310411.551482.8573
天津82.759313.045385.2944
河北20.690260.2332455.76925
山西24.138230.3252256.86322内蒙古27.586180.5611454.71727
辽宁17.241280.0472954.71728
吉林17.241290.0473054.71729黑龙江24.138240.1952656.86323
上海86.207213.208287.8792
江苏89.655115.612190.6251
浙江31.034130.529155&00017
安徽27.586190.4121858.00018
福建41.3797  1.246661.7027
江西27.586200.3961958.00019
山东44.8285  1.715564.4445
河南34.483110.8091160.41710
湖北44.8286  1.168964.4446
湖南27.586210.396205&00020
广东37.9318  1.169860.41711
广西34.483120.7331260.41712
海南27.586220.241235&00021
重庆31.034140.3962159.18413
四川31.034150.6791359.18414
贵州31.034160.5271659.18415
云南37.93190.8851061.7028
陕西31.034170.4161759.18416
甘肃37.93110  1.171761.7029
青海17.241300.0912854.71730
宁夏20.690270.1922755.76926
新疆24.138250.2332556.86324
均值37.011—  2.274—62.321—
（3）接近中心度。根据表1中接近中心度的测度结果，全国30个省份的接近中心度均值为62.321，高于这一均值的省份有江苏、上海、天津、北京、山东、湖北，说明这些省份能够在快递经济空间关联网络中更快速地与其他省份产生内在连接，也即上述省份在网络中扮演着中心行动者的角。可能的原因在于，上述省份除湖北外均位于东部沿海地区，而湖北“”交通便利，因而这些省份与其他省份之间快递流转的效率更高。在上述省份中，江苏的接近中心度达到90.625，远远高于其他省份，说明
其他省份与江苏在快递经济空间关联网络中最为“接近”，即江苏居于整个快递经济空间关联网络的中心。而接近中心度排名后五位的省份为宁夏、内蒙古、辽宁、吉林、青海，这些省份受经济发展水平和地理位置的限制，在网络中扮演着“边缘”角。
2.3块模型分析
运用CONCOR方法，选择最大分割深度为2、集中标准为0.2，把中国30个省份划分为四个板块，划分结果如表2所示。其中，位于板块I的成员有5个，分别是北京、天津、江苏、山东和上海，主要集中于东部沿海地区。位于板块II的成员有4个，分别是广东、湖北、浙江和福建，这些省份除湖北外均是长三角或珠三角的核心省份，而湖北是中部地区的核心省份。位于板块III的成员有12个，分别是吉林、内蒙古、甘肃、辽宁、宁夏、黑龙江、新疆、河北、青海、山西、陕西和重庆，这些省份大多位于西部地区和东北地区，有充足的劳动力、土地等要素资源。位于板块IV的成员有9个，分别为湖南、广西、贵州、云南、河南、安徽、海南、江西和四川，这些省份集中于中西部地区。从中不难发现，位于板块I和板块II的省份集中于中国东部地区，而中西部地区的省份则主要分布于板块III和板块IV O
个人公积金贷款条件
表2中国快递经济空间关联板块的溢出效应
板块板块I板块II板块III板块IV
溢出
关系数
成员数
期望内部
关系比例（％）
实际内部
关系比例（％）板块I103111236513.827.8板块II10202234410.3  5.9
板块III490215751237.928
板块IV37246269927.6  2.9
接收关系数106293841214
通过块模型进一步分析四大板块在中国快递经济空间关联网络中所处的位置。根据前文的测算结果，30个省份之间存在214个关联关系，而板块内部之间的关联关系为35个，板块和板块之间的关联关系有179个，说明板块之间快递经济存在着明显的空间关联和溢出效应。板块I内部关系数为10个，向其他板块溢出的关系数为26个，而接收到其他板块的溢出关系数为96个，板块内部实际关系比例为27.8%，远大于期望内部关系比例13.8%，可将其划分为净受益板块。板块II内部关系数仅为2个，向其他板块溢出的关系数为32个，而接收到其他板块的溢出关系数为27个，板块内部实际关系比例为5.9%，小于期望内部关系比例10.3%，板块接收关系数和溢出关系数差距不大，可将其划分为经纪人板块。板块III内部关系数为21个，向其他板块溢出的关系数为54个，而接收到其他板块的溢出关系数
为17个，板块内部实际关系比例为28%，低于期望内部关系比例37.9%，将其划分为双向溢出板块。板块IV内部发生关系数为2个，向其他板块溢出的关系数为67个，而接收到其他板块的溢出关系数为39个，板块内部实际关系比例为2.9%，远低于期望内部关系比例28%，该板块成员既溢出关系也接收其他板块溢出的关系，将其划分为净溢出板块。
为进一步考察板块间快递经济的关联关系，本文根据关联关系在板块之间的分布情况，计算岀各板块的网络密
统计与决策2020年第24期•总第564期81
度矩阵。快递经济空间关联网络的密度值为0.246，如果板块密度大于该值，则赋值为1；反之，则赋值为0。以此将多值密度矩阵转化为像矩阵，具体如表3所示。可以看出，板块I接受来自板块II、板块III和板块IV的溢出，在快递经济空间关联网络中扮演着“净受益者”角，原因在于经济发展水平较高的京津地区和长三角地区快递需求量较大，并且具备发展快递业所需要的交通基础设施和网络设施等条件。板块H经济发达，受区域一体化战略的影响，在快递经济发展过程中起到枢纽作用，主要是将板块IV的快递经济的发展信息传递给板块Io板块III劳动力资源和土地资源丰富，向其他板块成员溢出较多的关系，同时向板块内部发出的关系数也较多，在快递经济空间关联网络中主要扮演“双向溢出者”的角，为板块I和板块IV快递经济的发展输送大量的生产要素。板块IV向其他板块成员溢出的关系
数较多，但向板块内部发出的关系数则较少，在快递经济空间关联网络中充当“净溢出者”角，为其他板块快递经济发展提供劳动力和市场。板块IV的省份不仅人口众多，而且快递业市场也较大，在快递经济关联关系中充当“第二发动机”的角。此外，还发现板块内的溢出关系比之于板块间的溢出关系相对较小，一定程度上反映了板块内部各省份之间溢出效应较弱的事实，内部“俱乐部”效应不明显.各板块在快递经济关联网络中发挥着比较优势.呈现出“全国一盘棋”的联动效应。与此同时，还可以看到净受益板块自身快递经济比较发达，而且还接收来自其他板块的溢出；而净溢出板块不仅自身快递经济发展程度有限，而且源源不断地向外部省份溢出更多的关系。由此可见，中国快递经济存在明显的“马太效应”和“逆向溢出”的特征。
表3省际快递经济空间关联板块的密度矩阵和像矩阵
密度矩阵像矩阵
板块I板块II板块III板块IV板块I板块II板块III板块IV 板块I0.50」50.1830.2671001
板块II0.50.16700.6111001
板块III0.81700.1590.0461000
馅组词
板块IV0.8220.6670.0560.0281100注："1”表示行指向列旳关联关系，"0”表示没有关联关系「
3中国快递经济空间关联网络的驱动因素
本文假定各省经济发展水平的差异、交通基础设施的差异、居民收入水平的差异、人口数量的差异以及信息化发展水平的差异等均能对快递经济空间关联网络的形成产生影响。为检验此影响，构建如式（9）所示的模型。其中，£＞表示快递经济空间关联关系；X表示解释变量，包括经济发展水平（ED，用各省份人均国内生产总值来衡量）、人均可支配收入水平（IC，用各省份城镇居民人均可支配收入衡量）、交通基础设施（TF，用各省份公路里程数来衡量）、人口数量（PO，用各省份人口总数衡量）、信息化水平（IN，受限于数据的可得性，用各省份互联网宽带接入端口数作为代理变量来衡量），以上数据均来自EPS数据库《中国统计年鉴》;Z表示控制变量，由于。是由关系数据构成的关系矩阵（即将本文图1转换成矩阵表达形式），因此需要通过各省份对应指标的绝对差异构建差异矩阵，将影响因素的属性数据转化为关系矩阵后再做进一步的检验。
D=a0+a i X+a2Z+U（9）
由于所有变量数据均为关系数据，采用传统估计方法可能导致“多重共线性”，从而使得回归结果产生偏误。因此，本文运用二次指派程序（Quadratic Assignment Proce­dure,QAP）对中国快递经济空间网络结构及其影响因素进行相关性分析和回归分析。该方法不需要假设自变量之间相互独立，是社会网络研究中普遍采用的方法。
3.1QAP相关性分析
本文选择5000次随机置换得到QAP相关分析的结果如表4所示。表4中相关关系描述的是自变量（经济发展水平、人均可支配收入水平、交通基础设施、人口数量和信息化水平）与因变量（中国快递经济空间关联网络结构）的关系矩阵间实际观测到的最终相关系数。其中，PM0表示5000次随机抽样中观察到的相关系数大于等于最终相关系数的概率（PW0与此相反）。结果表明，空间关联矩阵Q与EQ的相关系数为0.479，且通过了1%的显著性水平检验，说明各省之间的发展差距越大，越容易发生快递经济空间溢出。空间关联矩阵Q与疋的相关系数为0.382，且通过了1%的显著性水平检验，说明各省之间的收入差距越大，越容易发生快递经济空间溢出。空间关联矩阵。与7F的相关系数为0.137，且通过了5%的显著性水平检验.说明各省之间的交通基础设施差距越大，快递经济空间溢出效应越显著。空间关联矩阵Q与P。的相关系数为0.271，且通过了1%的显著性水平检验，说明各省之间的人口数量差距越大，越容易发生快递经济空间溢出。空间关联矩阵Q与/N的相关系数为0.013，虽然为正，但是并未通过显著性检验，说明各省之间信息化发展差异对快递经济空间溢出效应的影响不明显。
表4空间关联矩阵。与其影响因素的QAP相关分析结果
变量相关系数显著性水平系数均值标准差最小值最大值PM0PW0 ED0.4790.000-0.0000.064-0.1500.3020.000  1.000 IC0.3820.000-0.0010.069-0.1660.3660.000  1.000 TF0.1370.0130.0000.05
6-0」660.2390.0130.987 PO0.2710.0010.0010.071-0.1650.2930.001  1.000 IN0.0130.383-0.0000.061-0.1800.2900.3830.617 3.2 QAP回归分析
为了进一步揭示驱动快递经济空间网络结构形成的因素，本文进行QAP回归分析。与QAP相关分析的原理和分析步骤类似,QAP回归分析主要研究多个矩阵和一个矩阵之间的关系。本文选择5000次随机置换计算出调整后R2=0.243，说明这四个影响因素对中国快递经济空间网络结构形成的解释程度为24.3%。QAP回归结果如表5所示，其中概率A表示随机置换产生的回归系数大于等于实际观察到的回归系数的概率（概率B的含义与此相反）。结果显示，经济发展水平差异矩阵（ED）、人均可支
82统计有决策2020年第24期•总第564期

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。