空港型國家物流樞紐承載城市航空物流關聯程度及其網絡結構研究

曹允春，羅 雨

（1.中國民航大學 臨空經濟研究中心，天津 300300；2.中國民航大學 經濟與管理學院，天津 300300）

航空物流因其服務范圍廣、附加值高、快捷高效等特點，對我國深度參與國際分工與合作、實現經濟結構轉型升級和加快推進民航強國建設具有重要意義。而航空物流樞紐作為航空物流系統的核心組成部分，不僅是航空物流業發展的基礎條件和必要前提，也是影響航空物流運作效率的關鍵要素，近年來逐漸受到國家及有關部委的重視。2018 年12 月，國家發展改革委和交通運輸部聯合印發了《國家物流樞紐布局和建設規劃》（以下簡稱《規劃》），這是國家層面以“國家物流樞紐”為主題的首個重大專項規劃，《規劃》選擇了23 個具備一定基礎條件的城市作為空港型國家物流樞紐承載城市，未來這些城市將在我國航空物流網絡中發揮關鍵節點、重要平臺和骨干樞紐作用。《規劃》還明確指出，物流樞紐間要有完善的分工協作和對接機制，推動國家物流樞紐網絡空間結構進一步優化，以實現協同發展和順暢的網絡化運作等［1］。由此可見，探究空港型國家物流樞紐承載城市的航空物流空間關聯格局及其網絡結構特征，找出對網絡關系有顯著影響的因素，不僅可以明確各承載城市在網絡中的地位和作用，也有利于了解整體網絡的空間互動關系、協調發展情況和關鍵驅動因素，并引導23 個承載城市逐步形成空間結構合理的航空物流關聯網絡，這對于推動空港型國家物流樞紐系統化、網絡化和協同化運作具有不可忽視的作用。

一、文獻綜述

自Castells［2］提出流動空間的相關概念后，以流通要素作為城市網絡研究范式的體系已逐漸完善，學者們主要從空間聯系的視角來考察城市間不同要素流動所形成的關系網絡［3］，并嘗試運用網絡分析技術來解決復雜的空間網絡問題。在物流空間方面，唐建榮等［4］認為區域物流在發展過程中，因其運輸空間擴散特性，使區域城市間產生物流聯系空間結構。航空物流的發展也遵循此規律，但目前學術界針對城市間航空物流空間關系的研究較少，既有成果主要從城市間航空物流（貨運）網絡的角度展開分析，所用方法大多以航空網絡研究的相關理論為基礎，根據側重點的不同大致可分為兩個方向。其一，以“軸輻式”理論為基礎，對航空物流（貨運）網絡進行構建或優化。這類研究多以網絡總運輸成本最小、網絡可達性和利用率最大為目標，統籌考慮運輸費用、航班數量、貨運OD（起止點）流量、樞紐數量等約束條件，建立多目標規劃模型，對航空物流（貨運）網絡的結構、布局、運力配置［5-6］及樞紐節點選擇［7-8］等進行優化。其二，從全國或區域層面對航空物流（貨運）網絡的結構特性進行分析。例如，蒲亞瓊等［9］、朱佳翔［10］、楊麗和茍曉冬［11］以機場所在城市作為節點，以城市間航線貨運量作為連接邊的權重，構建無向航空物流（貨運）網絡，并應用復雜網絡理論的拓撲指標解析網絡的結構特征；黨亞茹和彭麗娜［12］采用復雜網絡理論的中心性指標把我國航空貨運網絡劃分為4個層級結構；楊揚等［13］則基于社會網絡分析法（SNA）研究了云南省航空物流網絡的空間結構特征及優化布局問題。

然而以上研究普遍是在航線網絡與貨運OD 流量的基礎上展開的，沒有考慮城市之間復雜的航空物流空間互動關系，更無法揭示節點城市航空物流發展水平以及各種經濟社會因素對城市間航空物流空間關系的影響機理。與此同時，隨著社會網絡分析法（SNA）的引入，其注重節點“關系屬性”的特征更加強調整體網絡的關聯性，為區域城市間錯綜復雜的關系網絡提供了很好的分析途徑，并迅速在各學科領域得到廣泛應用［14］。因此，眾多學者也將社會網絡分析法應用到物流關系網絡的研究上，通常先采用分形理論、引力模型、Wilson 模型等測度節點城市之間的物流空間聯系，再運用社會網絡分析法對物流網絡的空間結構進行分析，其中引力模型應用最為廣泛。研究層面涵蓋絲綢之路經濟帶［15］、長江經濟帶［4］、京津冀城市群［16］、中歐班列沿線城市［17］、中國五大城市群［18］以及浙江省縣域［3］等尺度。

綜上所述，社會網絡分析法在區域物流空間聯系和物流網絡結構研究上已取得了較好的效果，為航空物流空間關系提供了一個新的研究視角，但目前該方法在航空物流空間關系研究中的應用有所欠缺。鑒于此，本文將結合前人的研究成果，以23 個空港型國家物流樞紐承載城市為研究對象，首先運用修正的引力模型刻畫承載城市之間的航空物流空間關聯程度，然后在關系數據的基礎上，結合社會網絡分析法對航空物流關聯網絡的空間結構特征進行測度，最后基于QAP（二次指派程序）分析方法多角度揭示影響航空物流關聯網絡空間結構的因素，以期為空港型國家物流樞紐建設提供參考與借鑒。

二、研究方法

（一）修正的引力模型

社會網絡分析法（SNA）的關鍵是確定節點城市之間的航空物流空間聯系，得到全矩陣關系數據，從而構建起航空物流關聯網絡。而引力模型是空間聯系分析中最經典、最常用的模型，故本文基于引力模型的思想，通過對模型參數內涵的重構，以測度城市之間的航空物流空間聯系強度，計算公式如下：

其中：Fij表示城市i對城市j的航空物流作用強度，Fji同理；Fij+Fji的值即為城市i與城市j之間的航空物流空間聯系強度；Mi、Mj表示城市的航空物流“質量”；Rij表示兩個城市之間的“距離”；Gij表示引力系數，各參數的修正如下。

（1）“質量”參數。該參數體現了承載城市航空物流業發展的綜合實力，故本文采用城市的航空物流競爭力來表征“質量”參數。在借鑒既有研究［19-20］的基礎上，綜合考慮航空物流競爭力的內外部影響因素，構建城市航空物流競爭力評價指標體系（表1），并采用熵權-TOPSIS 組合方法進行測算，鑒于熵權-TOPSIS 方法的應用已比較成熟［21-22］，在此不贅述其具體計算步驟。

（2）“距離”參數。該參數反映出的是兩個城市之間產生空間聯系的“阻力”，在以往的研究中比較常用的方法是采用城市間交通線路的“空間距離”或“時間距離”［4，23］。本文研究航空物流，與鐵路和公路運輸不同，航空運輸具有大空間收斂性，對空間距離比較敏感，并不是距離越近越容易發生航空聯系。因此，單一的“空間距離”或“時間距離”無法反映出兩個城市之間產生航空物流空間聯系的難易程度，會丟失很多信息，并與實際產生偏差，故本文用城市i和城市j的最短航線飛行時間與周航班密度比值來度量Rij。

（3）“引力”系數。兩個城市之間的航空物流空間聯系具有雙向性和非對稱性，故本文借鑒唐建榮等［4］、劉艷和王小臣［16］及梁紅艷［18］的修正方法，采用城市航空物流競爭力占兩城市航空物流競爭力之和的比重來修正“引力”系數，即Gij可以表示為

表1 空港型國家物流樞紐承載城市航空物流競爭力評價指標體系

（二）社會網絡分析

社會網絡分析法（SNA）是刻畫網絡形態、特性和網絡結構的一種重要分析方法，該方法的獨特之處是基于“關系數據”，采用圖論工具、代數模型量化描述個體和個體之間關系所組成的網絡整體［24］。因此，本文將選取以下指標對空港型國家物流樞紐承載城市間航空物流關聯網絡的空間結構特征及影響因素進行量化分析，分析軟件為UCINET6。

（1）網絡密度。網絡密度反映了網絡中各節點之間關系的緊密程度，在有向多值型關系網絡中，網絡密度的計算公式為

其中：Dn表示網絡密度；L表示網絡中實際存在的關聯關系數；N表示網絡的節點個數。

（2）網絡關聯性。網絡關聯性反映了網絡的連通程度，關聯度是測量網絡關聯性的指標，其計算公式為

其中：C為網絡關聯度；V表示網絡中不可達節點的個數；N表示網絡的節點個數。

（3）網絡中心性。網絡中心性是衡量個體網絡特征的指標，是對網絡中各節點地位和作用的量化分析。包括點度中心度、中間中心度和接近中心度［25］。其中，點度中心度衡量節點在網絡中處于核心位置的程度，在有向多值型關系網絡中，點度中心度可分為點出度和點入度，分別用CO（i）、CI（i）表示；中間中心度衡量節點處于“中介”位置的程度，刻畫某節點在網絡的連接過程中對其他節點的資源控制能力，用CAB（i）表示；接近中心度衡量網絡中某個節點不受其他節點控制的程度，一個節點的接近中心度為該節點與網絡中所有其他節點的最短路徑之和，用表示；具體計算公式如下：

其中：Fij、Fji分別表示節點i對節點j、節點j對節點i的航空物流作用強度；gjk（i）/gjk表示節點j與節點k之間的最短路徑經過節點i的概率；dij表示節點i和節點j之間的最短路徑距離。

（4）凝聚子群。凝聚子群分析主要探討一個整體網絡由哪些小群體構成，子群內部成員以及子群之間的關系特點。如果一個網絡的子群之間存在明顯的派系林立現象，則不利于網絡的一體化協調運作。本文運用塊模型進行凝聚子群分析，它關注的是網絡總體結構，并根據“結構對等性”把網絡中各節點按照一定規則分成幾個離散的子集，這些子集內部成員具有相同或相似的連接模式。

（5）QAP 分析。QAP（二次指派程序）是社會網絡分析中量化“關系矩陣”之間“關系”的一種方法，進而對一些關系性命題進行檢驗。QAP 以對矩陣數據的置換為基礎，是一種非參數檢驗方法，可以有效避免統計誤差。具體可分為QAP 相關分析和QAP 回歸分析，QAP 相關分析用于對兩個矩陣的相似性進行相關關系檢驗，QAP 回歸分析則用于研究多個矩陣和一個矩陣之間的回歸關系。

三、數據的獲取與預處理

（一）數據的獲取

在引力模型“質量”參數的測算中，各指標數據從各省（市）統計年鑒、《中國高技術產業統計年鑒》《從統計看民航2018》《中國民航機場生產統計公報》以及飛常準（VariFlight）獲取。由于指標之間的差異性和數據統計的局限性，空港基礎設施水平、航線網絡連通性和地面交通集散能力均采用2018 年的最新統計數據，航空物流運營能力和經濟支撐能力采用2014—2018 年統計數據的均值。對于“一市兩場”的承載城市，把兩個機場的各項指標合并成一個虛擬機場來研究。引力模型中使用的城市間最短航線飛行時間和周航班密度通過飛常準（VariFlight）航線數據庫批量獲取。

（二）數據的預處理

航空物流競爭力是測度各城市之間航空物流空間聯系強度的基礎，根據表1的指標體系和熵權-TOPSIS 法可以計算出各承載城市的航空物流競爭力指數，用Fi表示，最終結果見表2（2014—2018 年的均值）。在后續的研究中，為方便計算，表2 中數據為原始數據的10 倍。

由表2 可知，23 個城市的航空物流競爭力指數存在顯著的“馬太效應”，總體上呈現出階梯式分布特征，上海、北京、廣州、深圳4 個一線城市的航空物流競爭力最強，其中上海擁有絕對的龍頭地位，是我國內地最大的航空物流樞紐城市，其他大部分城市的航空物流競爭力則相對偏弱。從整體空間分布來看，航空物流競爭力的地區分異態勢明顯，呈現出以城市群為依托的群落化空間分布格局，形成了京津冀城市群、長三角城市群、珠三角城市群、成渝城市群等航空物流競爭力較強區域，在排名前12 位的城市中有10 個屬于這四大城市群。

表2 空港型國家物流樞紐承載城市航空物流競爭力指數

四、實證結果與分析

（一）承載城市航空物流空間關聯程度分析

根據前文修正的引力模型，計算出空港型國家物流樞紐承載城市間的航空物流空間聯系強度（2014—2018 年的均值），并把該關系數據記為矩陣Y（Fij）23×23（為方便觀察和計算，Fij為原始數據×10-3），限于篇幅，不列出矩陣Y的具體內容。在矩陣Y中，Fij表示城市i對城市j的航空物流輻射能力，同時逆向也反映了城市j對城市i的航空物流依賴性［16］，Fji同理。

在此基礎上，以23 個承載城市為物流節點，以Fij和Fji表征“關聯線”，共同構成航空物流關聯網絡，并運用Netdraw 軟件繪制出關聯網絡的空間結構圖。圖1 為閾值等于0 時的空間結構圖，為去除微弱聯系的影響，將閾值設置為0.5，即Fij和Fji中有一個大于0.5，城市i與城市j就存在航空物流聯系，均小于0.5 則無航空物流聯系，結果如圖2 所示。圖中節點大小表示城市的航空物流競爭力高低，連線粗細表示航空物流空間聯系強度大小。

在空間形態上，23 個承載城市間存在復雜的散射狀航空物流空間聯系，網絡聯結線密集交織，并且存在明顯的空間非均衡分布特征，呈現出“東密西疏，東強西弱”的空間關聯格局。圖2 的網絡聯結線明顯稀疏，說明大部分城市之間的航空物流空間聯系較弱（強度小于1），僅少部分城市之間存在緊密的航空物流空間聯系。從圖中也可以進一步看出，強聯系主要集中在上海、北京、廣州、深圳等城市與其他城市之間，較強聯系主要集中在杭州、成都、重慶、青島等城市與其他城市之間，而三亞、貴陽、銀川、烏魯木齊、拉薩等地與其他城市的聯系強度則普遍小于5，甚至出現中斷現象，這表明航空物流空間聯系與經濟發展水平有一定的邏輯關聯。

圖1 空港型國家物流樞紐承載城市航空物流關聯網絡空間結構圖（閾值=0）

（二）承載城市航空物流關聯網絡空間結構特征分析

1.網絡密度和網絡關聯性分析

設置不同的閾值對矩陣Y進行二值化處理，計算不同閾值下航空物流關聯網絡的網絡密度和網絡關聯度，并且通過UCINET6 還可得網絡的平均可達路徑長度，以此衡量城市間的平均連通距離，計算結果見表3。

當閾值為0 時，網絡密度為0.854，網絡關聯度為1，平均可達路徑長度為1.146，表明整體網絡的小世界效應顯著，連通性能處于較高水平，大部分城市之間都能實現點對點連通，少部分城市間只需要通過一個城市中轉就可以實現連通，這樣的結構特征為空港型國家物流樞紐實現協同發展和順暢的網絡化運作奠定了基礎。但隨著閾值的增加，網絡密度呈急速下降趨勢，平均可達路徑長度也逐漸增加，這佐證了網絡中確實存在大量較弱的空間聯系，使得整體網絡的穩定性不高。對比子網絡1 和子網絡2，隨著閾值的不斷增加，網絡密度和網絡關聯度均在下降，但子網絡2 的下降速度顯著高于子網絡1，說明航空物流關聯網絡與城市航空物流競爭力分布存在明顯的空間耦合性，具有一定程度的“質量效應”，即航空物流競爭力指數越高的城市之間往往有更為緊密的航空物流空間聯系，網絡結構更復雜，網絡穩定性更高。

2.網絡中心性分析

本部分旨在量化各承載城市在航空物流關聯網絡中的地位、作用及影響力。由圖1 可知，全連通的網絡（閾值為0）不能夠完全體現節點之間的分化，進行中心性分析時會損失部分有用的信息，故選擇閾值為0.5 時的航空物流關聯網絡來考察各承載城市的中心性指標。

（1）點度中心度。各承載城市的點度中心度見表4，其中CO（i）反映了城市i對外部其他城市的輻射能力；CI（i）反映了城市i對外部其他城市的依賴性；CO（i）+CI（i）為城市i的點度中心度，該指標越大，說明城市i與外部其他城市的航空物流空間聯系總量越大，在網絡中越處于核心位置；CO（i）-CI（i）則在一定程度上可以反映城市i在網絡中的作用，CO（i）-CI（i）的值為正，說明城市i的輻射能力強于依賴性。

圖2 空港型國家物流樞紐承載城市航空物流關聯網絡空間結構圖（閾值=0.5）

表3 網絡密度和網絡關聯性分析結果

表4 點度中心度分析結果

從整體來看，23 個城市的點度中心度呈現出典型的多級分化現象，即航空物流關聯網絡在空間上表現為顯著的“核心-半邊緣-邊緣”結構。根據點度中心度數據的變異情況，定義點度中心度大于800 的節點為核心城市，可見，上海、北京、廣州、深圳4 個城市位于網絡的核心位置；點度中心度大于200 的城市位于半邊緣位置，即杭州、重慶、成都等6 個城市；其他13 個城市則位于邊緣位置。同時，從CO（i）-CI（i）的值可以看出半邊緣區和邊緣區對核心區城市有不同程度的依賴性，“多中心驅動”態勢正逐漸形成。

從具體城市來看，核心區4 個城市的點度中心度總和為5730.98，占所有城市的72.29%，與其他城市的航空物流空間聯系直接且緊密，已然是我國航空物流發展的核心支撐區域，具有重要的戰略地位。但4 個城市中只有上海、北京、廣州CO（i）-CI（i）的值為正，說明這3 個城市屬于典型的輻射型節點，對其他城市的航空物流業發展有顯著的輻射帶動作用，而深圳作為核心城市需要強化對外輻射能力。半邊緣區的6 個城市在網絡中往往起著區域性航空物流集散樞紐的作用，是地區對外聯系的航空門戶，特別是與核心區城市的航空物流互動較為頻繁，接受這些城市的輻射較多，能夠不斷整合聚集外部資源。而邊緣區的13 個城市由于地理位置、空港基礎設施水平、貨源結構等原因，對其他城市的航空物流輻射能力和依賴性均不強。以上分析進一步表明航空物流關聯網絡在空間上的不均衡性，中西部地區缺乏核心城市，因此，亟待打破區域間的不平衡態勢。

（2）中間中心度和接近中心度。各承載城市的中間中心度和接近中心度見表5。

從表5 不難發現，北京、成都、西安、上海、廣州的中間中心度均大于35，5 個城市的中間中心度之和占了總量的76.13%，表明這5 個城市處于其他城市航空物流連接的最短路徑上，占據著結構洞的位置［13］，對運力、資源、信息等有較強的調控能力，在整個網絡中扮演著重要的橋梁和中介角色。接近中心度也說明這5 個城市到達其他城市的“距離”之和是最短的，在航空物流資源要素的交互和傳遞方面不受其他城市控制。這也再次驗證了上海、北京、廣州的核心地位，而成都未來則有望成為核心城市。相比之下，哈爾濱、銀川、烏魯木齊、拉薩等邊緣城市的中間中心度和接近中心度均很小，與其他城市的距離相對疏遠，不僅難以起到資源控制作用，而且在航空物流資源要素的交互和傳遞方面嚴重依賴于“橋梁”城市，如烏魯木齊對外聯系主要依賴西安和北京，拉薩則完全依賴成都。除此之外，網絡的中間中心勢相當低，僅為9.51%，也就是說航空物流關聯網絡沒有表現出明顯地向“橋梁”城市集中的趨勢，網絡不會因為個別節點的失效而癱瘓，同時也從側面反映出整體網絡的“軸輻式”層級結構形態不明顯，“橋梁”城市集聚和配置資源要素的作用沒有充分發揮。

3.凝聚子群分析

利用UCINET6 軟件中的CONCOR 算法解析航空物流關聯網絡的凝聚子群構成情況，結果如圖3 所示。在凝聚子群三級層面存在8 大子群，在凝聚子群二級層面存在4大子群，模塊化擬合優度達到了0.911，基本能夠反映實際數據的情況。進一步計算凝聚子群的密度系數和E-I 指數（取值范圍為-1～1，越接近1 表示聯系越趨向于發生在群體之外，派系林立程度越小），具體結果見表6。

表5 中間中心度和接近中心度分析結果

圖3 凝聚子群分析結果

整體而言，不同規模、職能各異的子群共同組成了具有一定空間結構的航空物流梯度協作體系。從凝聚子群三級層面來看，部分子群成員具有地理位置鄰近特征，表明相鄰城市的航空物流空間聯系在結構上具有相似性。從凝聚子群二級層面來看，子群1 和子群2 同屬于二級子群I，以上海為單核驅動，顯示出了上海對長三角城市群航空物流業的聚集效應。子群3 和子群4 同屬于二級子群II，是我國西部偏遠地區的3 個城市，航空物流發展嚴重滯后，其并未和子群7 劃分到相同二級子群里，說明西部地區航空物流未形成良好的互動局面，成渝城市群的帶動能力稍顯不足。子群5 和子群6 同屬于二級子群III，以北京和廣州為雙核驅動，覆蓋了環渤海經濟圈和珠三角地區主要城市。子群7 和子群8 同屬于二級子群IV，以成都和鄭州為雙核驅動，城市數量最多，主要集中在我國中西部地區，而哈爾濱和三亞雖和其他城市并不鄰近，但仍然被劃分到子群IV 中，說明這兩個城市的門戶優勢有待利用和開發，以逐漸融入各自鄰近的子群。

從子群內部密度系數來看，子群5 的密度系數最大，廣州、北京和深圳在網絡中的地位和作用較為相似，組成了相對穩健的子群結構；子群2 的密度系數為0，說明南京、寧波、杭州3 個城市雖同處一個子群，但由于空間距離較近，沒有產生明顯的航空物流聯系，但對外聯系比較相似。從子群間密度系數來看，各子群在網絡中扮演著不同的角色，其中，子群1、子群5 與子群2、子群6、子群7、子群8 之間的密度系數較高，這兩個子群所含城市的航空物流競爭力排名靠前，在關系上表現為輻射帶動其他子群；子群3 和子群4 與其他子群之間的密度系數普遍是最小的，它們在網絡中處于邊緣和孤立狀態，輻射和受益程度都很低。從E-I 指數來看，8 個三級子群的E-I 指數均大于0.5，凝聚程度較低，航空物流聯系均表現為趨向于發生在群體之外。可見，航空物流關聯網絡中雖然存在凝聚子群，但子群間的派系林立程度非常小，沒有出現明顯的圈層結構。綜上分析，除子群1、子群5 外，其他凝聚子群的結構和成員尚處于不穩定狀態，子群角色分工和子群間的關聯關系也不盡合理，這與我國航空物流業缺乏分工和協作機制有較大關系，未來需要各城市找準最終子群歸屬，從而逐漸建立起合理的子群結構。

表6 凝聚子群密度系數及E-I 指數分析結果

（三）承載城市航空物流關聯網絡影響因素分析

1.影響因素選取與模型構建

城市間航空物流關聯網絡的形成和演化是在多種因素的共同驅動下實現的，并通過驅動方向和強度的改變促使網絡空間結構優化重組。因此，本文結合已有研究成果［4，26-27］，選取經濟發展水平、對外開放程度、產業結構、空間鄰近性和交通通達性5 個影響因子作為變量，采用QAP 算法對空港型國家物流樞紐承載城市間航空物流關聯網絡空間結構的影響因素進行探討。為此，構建如下分析模型：

其中：Y和X1、X2、X3、X4、X5均為“關系”數據；Y為城市間航空物流空間聯系的強度矩陣（閾值=0.5）；X1～X5為城市間影響因子對應指標的關系矩陣［27］。其中，X1為經濟發展水平，經濟發展在同等水平的城市間往往有頻繁的經濟往來，從而刺激適航貨物流動需求，在此以各城市GDP 的和矩陣來表示；X2為對外開放程度，對外開放所帶來的要素流動和聚集效應推動城市航空物流業發育發展，有利于加強和鞏固城市間的航空物流聯系，在此以各城市進出口總額占GDP 比重的和矩陣來表示；X3為產業結構，航空物流以高價值貨物為主，產業結構的不斷升級、協調和互補增強了城市間的航空物流聯系，在此以各城市第三產業占GDP 比重的矩陣來表示；X4為空間鄰近性，從引力模型可以看出，各城市相互之間的鄰近關系與航空運輸的時間和經濟成本直接相關，是影響航空物流聯系的重要因素，在此以各城市間的最短航線距離矩陣來表示；X5為交通通達性，航線網絡是城市之間實現航空物流聯系的基礎，與關聯網絡的形成與發展密切相關，在此以各城市空港擁有航空公司數量的和矩陣來表示。上述自變量矩陣選取2014—2018 年各個城市對應指標平均值的和組建，但由于空間鄰近性和交通通達性歷史數據難以獲取，故選取2018 年的截面數據。

2.QAP 分析

運用UCINET6 軟件，選擇10000 次隨機置換，航空物流空間聯系強度矩陣與上述5 個影響因子矩陣的QAP 相關分析及QAP 回歸分析結果見表7。

表7 QAP 相關分析和QAP 回歸分析結果

由表7 的QAP 相關分析結果可知，經濟發展水平（X1）、對外開放程度（X2）、產業結構（X3）、交通通達性（X5）與航空物流空間聯系強度矩陣的相關系數均為正數，且X1、X5在1%以內的水平上顯著，X2、X3在5%以內的水平上顯著，說明這4 個因素對城市間航空物流空間聯系具有十分顯著的正向影響。QAP 回歸分析結果顯示，調整后的確定系數R2=0.267，顯著性水平為0.000，說明模型設定是可靠的，可以用這5 個影響因子解釋城市間航空物流空間聯系變異的26.7%。從具體影響因子來看，X2、X3、X5在1%的顯著性水平下通過了檢驗，X1在5%的顯著性水平下通過了檢驗，且4 個變量的回歸系數均為正數，可見，這4 個因素在不同的程度上影響著航空物流關聯網絡空間結構的完善與擴展。其中，經濟發展水平（X1）、對外開放程度（X2）和產業結構（X3）的標準化回歸系數分別為0.114、0.132、0.179，表明當其他因素不變時，腹地經濟發展、國際貿易繁榮和產業結構升級可以帶動需求，進一步提升關聯網絡的強度和密集度；交通通達性（X5）的標準化回歸系數為0.297，存在顯著的正向效應，意味著航空公司的聚集會從運力供給的角度影響城市間的航空物流空間聯系，進而推動網絡空間結構演變，這也啟示各承載城市應注重基地航司的培育。值得注意的是，空間鄰近性（X4）的相關系數與回歸系數均為負，但這兩個系數沒有通過顯著性檢驗，表明空間距離的這種負向影響并不顯著，與其他因素相比幾乎可以忽略不計，這也與航空運輸的大空間收斂性和受地形限制小相匹配。

五、結論與政策建議

本文運用修正的引力模型、社會網絡分析法（SNA）對23 個空港型國家物流樞紐承載城市間的航空物流空間關聯程度、關聯網絡的空間結構特征及影響因素進行了深入分析，主要研究結論如下：

第一，大部分承載城市之間的航空物流空間聯系較弱，整體呈現出“東密西疏，東強西弱”的空間關聯格局。第二，從關聯網絡整體結構特征來看，較高的密度和關聯度使得網絡的小世界效應顯著，但大量較弱的空間聯系使得整體網絡的穩定性不高，且具有一定程度的“質量效應”。第三，從關聯網絡節點結構特征來看，23 個城市在空間上表現為顯著的“核心-半邊緣-邊緣”結構，核心區城市有較強的輻射和“中介”效應，整體網絡正逐漸形成“多中心驅動”態勢，但網絡的“軸輻式”層級結構不明顯，“橋梁”城市的作用沒有充分發揮。第四，從關聯網絡凝聚子群來看，網絡大致可分為4 類子群，在網絡中扮演著不同的角色，但子群間的派系林立程度非常小，多數凝聚子群的結構和成員尚處于不穩定狀態，子群結構及梯度協作關系需要進一步完善。第五，從關聯網絡影響因素來看，經濟發展水平、對外開放程度、產業結構、交通通達性對網絡空間結構的完善與擴展具有顯著的正向影響，而空間鄰近性則無顯著影響。

基于上述研究結論，提出以下政策建議：

第一，強化輻射帶動作用，弱化空間差異程度。加強上海、北京、廣州等核心城市輻射帶動作用的均衡性，凸顯對外圍城市的“增長極”效應。重點培育鄭州、成都融入核心圈層，優化與東部核心城市的航空物流空間聯系，充分突出二者的“中介引導”效應，推動我國航空物流業形成東中西多中心聯動發展的新格局。放大三亞、哈爾濱、烏魯木齊等城市的門戶優勢，以降低自身結構劣勢，與鄰近城市群組團發展。

第二，構建“軸輻式”梯度協作網絡，提高整體運作效率。統籌考慮各承載城市的航空物流競爭力、中心性指數及子群歸屬，以京津冀城市群、長三角城市群、粵港澳大灣區、成渝城市群以及中原城市群為核心區域，明確各城市的功能定位和服務范圍，將其劃分為國際性樞紐、區域性樞紐、專業性樞紐和門戶性樞紐，并以其他支線樞紐為補充，充分滿足4 種航空物流中轉需求，全面構建“橫向錯位、縱向分工、國內通達、全球可達”的多樞紐“軸輻式”航空物流協作網絡。

第三，完善合作對接機制，消除跨區域協調障礙。在政府的科學規劃和政策引導下，完善空港型國家物流樞紐之間的分工合作和對接機制。充分發揮行業主管部門、行業協會等作用，推動空港型國家物流樞紐間成立戰略聯盟，整合機場、航司、貨代等主體，在聯盟內部通過功能聯合、平臺對接、資源共享等市場化方式打造優勢互補、業務協同、利益一致的合作共同體。形成政府協調和市場調節有機結合的發展模式，爭取克服地方性政策制度、地方性惡性競爭和低水平重復建設等障礙，提高航空物流網絡的協調程度。