社會網絡分析視角下的長江經濟帶醫藥產業空間分布與關聯網絡分析

李樹祥 莊倩 褚淑貞

摘 要 目的：分析我國長江經濟帶醫藥產業的空間分布特征，為區域醫藥產業規劃提供參考。方法：應用社會網絡分析法中的中心性分析、凝聚子群分析和二次指派程序分析，以長江經濟帶區域醫藥企業為研究對象，對區域醫藥產業與區域城市的產業關聯性（采用凝聚子群的映像矩陣）進行研究。結果與結論：研究共涉及82個區域城市的111家上市醫藥企業，82個城市節點形成區域醫藥產業分布網絡，可以生成8個以上海、成都和重慶為代表的城市凝聚子群，長江三角洲地區的上海、杭州，成渝經濟圈的成都和重慶在網絡中心性指標均處于領先位置，如在中心性分析中，上海的度數中心度最高（25.926）、其次是重慶和成都（均為19.753）。顯示長江經濟帶醫藥產業的空間分布呈現出以長江三角洲城市群為主的分布格局，同時成渝城市群也表現出較大的影響力，區域城市在產業發展中起到了不同的作用，重慶與臺州表現出更強的產業輻射能力，而上海與杭州則表現出更強的產業吸收能力。

關鍵詞 長江經濟帶;醫藥產業;空間分布;社會網絡分析

中圖分類號 R95 文獻標志碼 A 文章編號 1001-0408（2020）01-0001-06

DOI 10.6039/j.issn.1001-0408.2020.01.01

ABSTRACT? ?OBJECTIVE： To analyze spatial distribution characteristics of pharmaceutical industry in the Yangtze River Economic Belt， and to provide reference for regional pharmaceutical industry planning. METHODS： Based on the central analysis， agglomerated sub group analysis and secondary assignment program analysis of social network analysis， the industrial relevance between regional pharmaceutical industry and regional cities were studied （using the image matrix of agglomerated sub group）， using regional pharmaceutical enterprises in the Yangtze River Economic Belt as the research object. RESULTS & CONCLUSIONS： The study involved 111 listed pharmaceutical companies in 82 regional cities， and 82 urban nodes formed a regional pharmaceutical industry distribution network， which could generate 8 urban cohesion subgroups， represented by Shanghai， Chengdu and Chongqing; Shanghai and Hangzhou in the Yangtze River Delta， Chengdu and Chongqing in the Chengdu and Chongqing economic circle have more advanced position in network centrality.? The centrality of Shanghai was the highest （25.926）， followed by Chongqing and Chengdu （both were 19.753）. It shows that the spatial distribution of the pharmaceutical industry in the Yangtze River Economic Belt shows a distribution pattern dominated by the Yangtze River Delta urban agglomeration. At the same time， the Chengdu-Chongqing urban agglomeration also shows a greater influence. The regional cities play different roles in industrial development. Chongqing and Taizhou have shown stronger industrial radiation capabilities， while Shanghai and Hangzhou have shown stronger industrial absorption capacity.

KEYWORDS? ?Yangtze River Economic Belt; Pharmaceutical industry; Spatial distribution; Social network analysis

隨著經濟的發展，區域經濟的關聯性越來越密切，區域經濟的發展對我國經濟的增長起到了重要的帶動作用，長江經濟帶作為我國綜合實力最強、戰略支撐作用最大的區域之一[1]，成為我國重要的經濟戰略支撐。長江經濟帶橫跨東中西三大地帶，覆蓋上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州等11省市，面積約205萬平方千米，人口和生產總值均超過全國的40%[2]。長江三角洲（上海市、江蘇省、浙江省、安徽省）、長江中游（以武漢城市圈、環長株潭城市群、環鄱陽湖城市群為主體形成的特大型城市群）和成渝（重慶下轄27個縣區、四川省下轄成都市等15個城市）都市圈三大跨區域城市群為主體[3]，黔中和滇中兩大區域性城市群為補充，共同促進城市群之間、城市群內部的分工協作，共同發展態勢。

長江經濟帶區域間資源豐富、經濟發展階段、市場化水平及社會政治環境差異顯著[4]，區域經濟發展過程中，產業集群和城市群起到的作用越來越明顯，其在區域經濟增長中扮演了重要的角色[5]，現有的區域經濟關聯分析大多數是由城市引力模型構建關聯網絡來進行研究的，如魏珊等[6]應用引力模型構建了湖北省城市經濟聯系網絡并進行了分析。當前已有一些作者對長江經濟帶區域經濟發展進行了研究，如鄒琳等[7]應用引力模型和社會網絡分析方法對長江經濟帶區域經濟聯系網絡的空間特征進行了研究。陳雁云等[8]研究了長江經濟帶11省市制造業的集聚度，并分析了產業集聚和經濟增長的關系。時朋飛等[9]運用加權逼近于理想解的排序方法（TOPSIS）對長江經濟帶11省市兩大系統的綜合發展水平進行測度，然后基于偶合協調模型從時空維度對該區域11省市兩大系統的偶合協調演化關系進行了分析。吳常艷等[10]應用引力模型分析了長江經濟帶經濟聯系的空間格局，并對網絡特征進行了研究。從中可以看出，當前長江經濟帶產業研究受到了不少學者的重視，并有了較為豐富的研究成果，本文將主要從醫藥產業的角度對長江經濟的產業空間分布特征進行研究。

在區域經濟研究中，城市間經濟聯系是重要的研究內容，國外已有一些學者應用社會網絡分析方法對城市間經濟關聯網絡進行了分析[11-12]，國內也有一些學者進行了類似的區域經濟網絡空間結構分析[13-14]，長江經濟帶作為我國區域跨度最大的經濟區域，其產業結構發展不平衡，區域經濟一體化還未有效形成，本文將應用社會網絡分析方法，以醫藥產業為例對長江經濟帶區域城市經濟網絡特征以及城市間經濟聯系進行分析，以期了解長江經濟帶醫藥產業的整體網絡空間特征，知曉哪些城市在網絡中處于較為關鍵的位置，而就醫藥產業而言，長江經濟帶經濟聯系網絡中包含了哪些凝聚子群，子群之間的聯系如何以及長江經濟帶區域醫藥產業的分布影響因素，筆者將在本文中進行探討。

1 方法

本文主要使用社會網絡分析法[15]對長江經濟帶區域醫藥上市企業的數據進行分析。社會網絡分析法是社會科學研究常用的定量方法，通過網絡中的節點和節點之間的關系（連線）分析網絡節點關系，并通過節點關系矩陣繪制直觀的網絡圖形。

本研究中主要關注的網絡特征主要包括以下指標：

點的度數中心度，對于網絡中的某個節點如果該點和其他的點有多個直接聯系，那么這個點就處于一系列關系的核心位置，也就是該點的中心度高。點度中心度又可以分為點出度和點入度，點入度代表了該點的吸收能力，而點出度代表了該點的輻射能力，在本研究中體現為網絡城市節點對醫藥產業的吸收能力和對外的產業輻射能力;點的中間中心度，反映一個節點對其他節點之間聯系的控制能力，如果一個點處于許多其他點對的捷徑（ 最短的途徑） 上，則該點具有較高的中間中心度，起到溝通各個節點的橋梁作用;點的接近中心度，網絡節點的接近中心度表明網絡中的節點在行動中較少依賴于他人，這個節點與其他節點可以更好地接近，也就是節點不受其他節點控制的測度;整體網絡凝聚子群，凝聚子群是指相互之間有著穩定、直接、頻繁聯系的行動者子集，不同的行動者嵌入網絡中的不同程度會對其行為和看待問題的方式產生重要影響，在本研究中將通過該指標反映網絡城市節點之間的關聯程度以及不同子群之間的聯系緊密程度。二次指派程序（QAP）分析是應用網絡分析方法對兩個關聯矩陣進行分析的方法，該方法會對兩個矩陣中的各個元素進行比較并給出兩個矩陣的相關系數，并進行參數檢驗[13]。

2 數據收集

本文收集了注冊地為長江經濟帶11省市的上市醫藥制造企業的信息，同時根據上市醫藥制造企業的總部-分支數據構建了長江經濟帶城市關系矩陣。本研究應用UCINET 6.0軟件對形成的數據矩陣進行分析，并形成可視化網絡結構圖，同時分析了網絡結構的中心性、凝聚子群，并應用UCINET 6.0軟件對關聯矩陣進行相關性分析[16]。

數據收集是通過上市公司證券交易系統（國信金太陽）中醫藥行業所有上市企業（截止時間為2019年3月1日），依據企業注冊地為長江經濟帶11省市的企業作為研究樣本[剔除了上市公司股票被特別處理（ST）以及上市公司股票有退市風險（ST*）公司]，根據上市公司年報中企業總部和各地分支機構（只考慮醫藥制造和研發分支機構）的數據，建立城市關系矩陣。根據統計數據顯示，長江經濟帶區域共有111家醫藥上市企業，涉及長江經濟帶區域城市共有82個。長江經濟帶11省市上市醫藥企業在各省市的數量分布圖見圖1。

從上圖可以明顯看到，浙江省醫藥上市企業數量最多，為29家，安徽的醫藥上市企業最少，為4家。在整個長江經濟帶區域中位于長江下游的長三角城市群區域醫藥上市企業較多，共有62家，長江三角洲地區成為長江經濟帶醫藥產業發展的重要區域。

3 數據分析

根據長江經濟帶區域醫藥上市企業在區域內城市分支機構的分布特點，本文構建了11省市關聯矩陣。依據以上關系矩陣利用UCINET 6.0 軟件，繪制了長江經濟帶區域城市醫藥產業空間分布網絡圖，詳見圖2（注：圖中節點之間的聯系的粗細代表了城市之間聯系的權重，權重為6.0的城市有南昌-宜春，權重為5.0的城市有金華-成都，權重是4.0的城市有武漢-宜昌，權重是為3.0城市有蘇州-上海、貴陽-岳陽、貴陽-上海、上海-昆明、合肥-蚌埠）。

由圖2可知，城市之間的關聯系數最高的是臺州和杭州，系數為8.0，其次為上海與臺州之間以及成都與重慶之間，系數均為7.0。同時本研究還按照地域分布特征對上述網絡圖進行了調整，詳見圖3。

從圖3可以看到，長江三角洲地區、長江中游城市群和成渝城市群之間存在大量的跨區域聯線將這些屬于不區域的城市連接起來，局部來看，上海、武漢、重慶和成都成為各自區域的核心節點。

3.1 中心性分析

中心性分析是社會網絡分析的重要內容，本文選取了度數中心度、點入度、點出度、接近中心度和中間中心度作為分析指標，具體數據詳見表1。

網絡節點度數中心度代表了網絡節點在整體網絡中的重要性，度數中心度越高說明連接的城市越多。從表1可以看到，上海的度數中心度最高（25.926），表明上海在長江經濟帶中醫藥產業中處于重要地位，而且在網絡中鏈接了最多的城市，其次是重慶和成都（均為19.753），同時有42個城市的點度中心度值為最小值（1.235），而且絕大多數的城市位于長江中上游地區，這些城市基本處于網絡的邊緣位置，在區域醫藥產業的影響力較弱。

網絡中節點的點出度和點入度分別代表了該節點的對外輻射能力和吸收外部資源的能力。從點出度來看，重慶的點出度最高（25），說明該城市的醫藥產業對外輻射能力最強，但是同時重慶的點入度較低（3），說明重慶資源吸收能力較弱，沒有吸引更多的外地醫藥上市企業設立子公司。臺州的點出度僅次于重慶，為21，同時點入度也較低（0），說明臺州和重慶具有類似的問題，在本城市注冊的醫藥上市企業較多，同時展示了較高的對外產業輻射能力，但是對外的資源吸收能力較弱。上海的點入度最高，達到了27，說明該城市具有較高的資源吸收能力，也就是該城市吸引了大量的外地醫藥上市企業設立分公司，形成了較強的產業集聚能力，與上海類似，成都和杭州也展現類似的能力，而且從點出度、點入度兩個數據來說成都的數據更為均衡（17/13）。接近中心度，表明了網絡中節點不依賴其他節點的程度，上海的接近中心度最高（25.552），說明該城市與網絡中其他節點城市的聯系很少受到第三節點城市的影響，其次是重慶（24.847）和成都（24.771）。中間中心度表明了該節點對網絡中其他節點的控制力，重慶的中間中心度最高（25.167），說明該城市在整體網絡中對各節點有著較為明顯的控制能力，上海的中間中心度次之（24.314）。

對于中間中心度的分析，本研究還應用UCINET 6.0軟件對中間中心度的等級嵌套進行了分析，通過該分析可以使研究者進一步明確中間中心都的分布特點。分析結果見表2（表中層級編號意味著城市節點在中間中心度計算過程中在第幾次被刪除，處于第一層級的城市表明這些城市中間中心度低，處于第三層級城市其中間中心度較高，也就是在整體網絡中處于較高地位）。

3.2 凝聚子群分析

凝聚子群是社會網絡中描述網絡結構的一種方法[15]。凝聚子群可以從四個角度進行分析：（1）關系互惠性;（2）子群成員之間的接近性或可達性;（3）子群內部成員之間的關系的頻次;（4）子群內部成員之間的關系密度相對于內外部成員之間的關系密度。根據本文研究對象，基于醫藥產業的城市空間關系，本文選擇了第四類凝聚子群分析角度，并對凝聚子群的特點進行了分析，結果見圖4。

通過三次切割將整體網絡分割為8個子群：①{上海，南京，蘇州，舟山，徐州，麗水，臺州，常州，紹興，連云港，黔南，揚州，宣城，安順，德陽，梧州，岳陽，金華，貴陽};②{鎮江，普洱，湖州，衢州，池州，銅仁，上饒，紅河，鷹潭，贛州};③{蕪湖，昆明，寧波，綿陽，杭州，仙桃，瀏陽，合肥，常德，南通，廣安，成都，武漢，宜春，南充，十堰，瀘州};④{鹽城，衡陽，株洲，益陽，吉安};⑤{亳州，泰州，玉溪，湘西，南昌，麗江，景德鎮，嘉興，楚雄，無錫，潛江，西雙版納，文山，大理，重慶};⑥{淮南，蚌埠，安慶，銅陵，馬鞍山};⑦{長沙，九江，昭通，溫州，淮安，黃山};⑧{咸寧，鄂州，宜昌，隨州，黃岡}。從子群中城市的分布可以看出一個規律：在每個子群基本是由長江三角洲城市群、長江中下游城市群和成渝城市群的城市構成，子群的分布基本沒有體現出明顯的區域特征。例如子群①中既包括了長江三角洲城市群中的上海、南京等城市，也包括長江中下游城市群的梧州、岳陽，還包括了成渝城市群中的德陽以及黔中城市群的貴陽等。可以看到，子群涵蓋了長江經濟帶中所有重要的城市群，子群②③⑤也有類似的特征，表明了整個長江經濟帶中醫藥產業的空間分布并沒有體現出明顯的區域分割的特點。

為了進一步分析子群之間的關系，本研究引入映像矩陣[14]進行分析，首先計算網絡密度Density=1.448 1，然后計算各凝聚子群之間的關系密度，各凝聚子群間的關系密度見表3。

再根據α準則設置α=1.448 1，將密度矩陣中大于1.448 1的值轉變為1，小于1.448 1轉變為0，則得到映像矩陣，結果見圖5。

從圖5可以看出，凝聚子群更多體現了中心化趨勢，在長江經濟帶中醫藥產業的分布更多向子群③所包含的城市集中。

3.3 QAP分析

社會網絡分析中應用QAP分析可以判斷兩個矩陣的相關性，本研究中為了分析長江經濟帶區域醫藥產業的城市空間分布是否會受到所屬省域的影響，也就是在相同的省份里面是否城市更容易相互設立分支機構建立產業關聯。本文構造了長江經濟帶所有省/市屬地矩陣，然后應用QAP對兩個矩陣進行了相關性檢驗，檢驗分析結果見表4。

由表4可以看出，城市屬地矩陣和長江經濟帶城市醫藥產業空間分布矩陣之間沒有顯著的相關性（顯著性為0.067），結果顯示長江經濟帶醫藥產業的空間分布并沒有表現出顯著的區域屬性特點，也就是上市醫藥企業設立分支機構并沒有顯著考慮總部所在的省市，說明長江經濟帶區域醫藥產業的分布更趨于市場選擇。

4 結論

本研究應用社會網絡分析法對長江經濟帶醫藥產業的空間分布進行了分析，通過分析可以發現，從整體來看，長江經濟帶醫藥產業的分布中，長江三角洲地區處于重要的地位，其中上海是中心，成渝城市群的醫藥產業也顯現出重要的影響力，特別是重慶和成都;相對而言，長江中游城市群的影響力較弱。

具體而言，臺州與杭州之間的關聯系數最高為8.0，其次為上海與臺州以及成都與重慶的關聯系數均為7.0，說明這些城市之間的醫藥產業聯系更為緊密。網絡節點的中心性分析主要包括：點出度、點入度、中間中心度和接近中心度，重慶（25/3）、臺州（21/0）的點出度較高但是點入度較低，說明這兩個城市更多表現出的是對外部的影響能力，即當地有大量的醫藥上市企業在其他城市設立分支機構。上海（27）和杭州（14）的點入度最高，說明這兩個城市更多表現出來對外部資源的吸收能力，更多其他城市的醫藥上市企業會在這兩個城市設立分公司，而成都（17/13）的表現最為均衡。從接近中心度來看，上海在網絡中的連接能力最強，其可以不經過其他城市而直接連接更多的城市，中間中心度則是重慶最高，也就是重慶在網絡中對節點的控制力最強。

網絡凝聚子群分析了網絡中節點的集聚特點，應用UCINET 6.0軟件將整體網絡分割為8個子群，從子群關系密度可以看出，子群③與子群⑧之間的關系很密切，子群②與子群④之間的關系也很密切，也就是這些子群中的城市聯系最為緊密。根據QAP分析還發現，在長江經濟帶區域醫藥產業的分布并不存在明顯的區域分割，產業的整體分布更為合理。

綜上所述，醫藥制造業作為我國經濟的重要組成部分，長江經濟帶醫藥產業在全國占有重要地位，長江經濟帶醫藥產業主要集中于長江三角洲、長江中游以及成渝城市群，表現出一定程度的產業集群現象，相比較而言，長江三角洲城市群起到了比較重要的作用。從微觀的城市而言，重慶與臺州表現出更強的產業輻射能力，而上海和杭州則表現出更強的產業吸收能力。要促進長江經濟帶醫藥產業的發展，就需要了解區域城市在產業集群中所起的作用，實現區域內資源進行整合，提高不同城市集群在醫藥制造業方面的關聯程度。

參考文獻

[ 1 ] 鐘業喜，馮興華，文玉釗.長江經濟帶經濟網絡結構演變及其驅動機制研究[J].地理科學，2016，36（1）：10-19.

[ 2 ] 劉恒友.長江經濟帶建設的湖北作為[J].中國經貿導刊，2015（15）：41-43.

[ 3 ] 晁靜，趙新正，李同昇，等.長江經濟帶三大城市群經濟差異演變及影響因素：基于多源燈光數據的比較研究[J].經濟地理，2019，39（5）：92-100.

[ 4 ] 江孝君，楊青山，耿清格，等.長江經濟帶生態-經濟-社會系統協調發展時空分異及驅動機制[J].長江流域資源與環境，2019，28（3）：493-504.

[ 5 ] 于斌斌.產業結構調整與生產率提升的經濟增長效應：基于中國城市動態空間面板模型的分析[J].中國工業經濟，2015（12）：83-98.

[ 6 ] 魏珊，陳美琪.湖北省城市經濟聯系與區域經濟發展研究[J].統計與決策，2018，34（2）：127-130.

[ 7 ] 鄒琳，曾剛，曹賢忠，等.長江經濟帶的經濟聯系網絡空間特征分析[J].經濟地理，2015，35（6）：1-7.

[ 8 ] 陳雁云，鄧華強.長江經濟帶制造業產業集聚與經濟增長關系研究[J].江西社會科學，2016，36（6）：68-72.

[ 9 ] 時朋飛，李星明，熊元斌.區域美麗中國建設與旅游業發展耦合關聯性測度及前景預測：以長江經濟帶11省市為例[J].中國軟科學，2018（2）：86-102.

[10] 吳常艷，黃賢金，陳博文，等.長江經濟帶經濟聯系空間格局及其經濟一體化趨勢[J].經濟地理，2017，37（7）：71- 78.

[11] ALDERSON AS，BECKFIELD J，SPRAGUE-JONES J. Intercity relations and globalisation：the evolution of the global urban hierarchy，1981-2007[J]. Urban Stud，2010，47（9）：1899-1923.

[12] KR?TKE S. Global pharmaceutical and biotechnology firms linkages in the world city network[J]. Urban Stud，2013，51（6）：1196-1213.

[13] 李仙德.基于上市公司網絡的長三角城市網絡空間結構研究[J].地理科學進展，2014，33（12）：1587-1600.

[14] 李樹祥，褚淑貞，莊倩.基于社會網絡分析視角的我國醫藥制造業城市關聯分析[J].中國藥房，2018，29（7）：865-869.

[15] 斯坦利·沃瑟曼，凱瑟琳·福斯特.社會網絡分析：方法與應用[M].陳禹，孫彩虹，譯.北京：中國人民大學出版社，2012：290-294.

[16] 劉軍.整體網分析：UCINET軟件實用指南[M]. 2版.上海：格致出版社，2014：156.

（收稿日期：2019-06-11 修回日期：2019-11-07）

（編輯：劉明偉）