科技和产业

省份	2004年	2009年	2014年	2019年
安徽	9	4	30.000	9	4	30.000	9	4	30.000	10	4	33.333
北京	11	6	46.667	12	7	50.000	12	7	50.000	11	7	46.667
福建	4	9	30.000	4	8	26.667	4	8	26.667	4	8	26.667
甘肃	3	9	36.667	3	9	36.667	3	9	36.667	3	9	36.667
广东	9	10	50.000	10	12	53.333	8	12	46.667	8	12	46.667
广西	3	7	23.333	3	7	23.333	0	5	16.667	3	8	26.667
贵州	6	4	20.000	6	4	20.000	6	3	20.000	6	4	20.000
海南	1	7	23.333	1	7	23.333	0	6	20.000	1	7	23.333
河北	10	7	40.000	10	7	40.000	10	7	40.000	10	7	40.000
河南	8	11	46.667	14	11	56.667	12	12	53.333	12	12	53.333
黑龙江	2	6	20.000	2	6	20.000	2	6	20.000	2	6	20.000
湖北	9	9	40.000	9	10	40.000	9	11	43.333	10	11	46.667
湖南	9	9	40.000	8	8	36.667	7	8	36.667	8	8	36.667
吉林	2	6	20.000	2	6	20.000	2	6	20.000	2	6	20.000
江苏	20	4	66.667	19	5	63.333	19	4	63.333	19	4	63.333
江西	4	8	26.667	4	8	26.667	4	8	30.000	4	9	30.000
辽宁	2	8	26.667	2	10	33.333	2	8	26.667	2	8	26.667
内蒙古	2	8	33.333	2	9	36.667	2	9	36.667	2	10	40.000
宁夏	1	4	13.333	1	6	20.000	1	3	10.000	1	3	10.000
青海	0	0	0.000	0	0	0.000	0	0	0.000	0	0	0.000
山东	13	8	50.000	13	8	50.000	14	8	53.333	14	8	53.333
山西	7	7	36.667	7	7	36.667	7	7	36.667	7	7	36.667
陕西	7	10	46.667	5	9	40.000	7	9	43.333	8	10	50.000
上海	17	3	56.667	18	3	60.000	17	3	56.667	17	3	56.667
四川	11	7	43.333	15	9	53.333	16	9	56.667	16	8	53.333
天津	4	6	23.333	3	6	20.000	3	6	20.000	3	7	23.333
西藏	0	7	23.333	0	6	20.000	0	6	20.000	0	7	23.333
新疆	1	13	46.667	1	13	46.667	1	13	46.667	1	12	43.333
云南	8	6	33.333	7	5	30.000	5	4	23.333	5	4	20.000
浙江	17	3	56.667	17	3	56.667	16	3	53.333	17	3	56.667
重庆	11	5	36.667	10	4	36.667	10	4	36.667	10	4	36.667

省份	2004年	2009年	2014年	2019年
安徽	9	4	30.000	9	4	30.000	9	4	30.000	10	4	33.333
北京	11	6	46.667	12	7	50.000	12	7	50.000	11	7	46.667
福建	4	9	30.000	4	8	26.667	4	8	26.667	4	8	26.667
甘肃	3	9	36.667	3	9	36.667	3	9	36.667	3	9	36.667
广东	9	10	50.000	10	12	53.333	8	12	46.667	8	12	46.667
广西	3	7	23.333	3	7	23.333	0	5	16.667	3	8	26.667
贵州	6	4	20.000	6	4	20.000	6	3	20.000	6	4	20.000
海南	1	7	23.333	1	7	23.333	0	6	20.000	1	7	23.333
河北	10	7	40.000	10	7	40.000	10	7	40.000	10	7	40.000
河南	8	11	46.667	14	11	56.667	12	12	53.333	12	12	53.333
黑龙江	2	6	20.000	2	6	20.000	2	6	20.000	2	6	20.000
湖北	9	9	40.000	9	10	40.000	9	11	43.333	10	11	46.667
湖南	9	9	40.000	8	8	36.667	7	8	36.667	8	8	36.667
吉林	2	6	20.000	2	6	20.000	2	6	20.000	2	6	20.000
江苏	20	4	66.667	19	5	63.333	19	4	63.333	19	4	63.333
江西	4	8	26.667	4	8	26.667	4	8	30.000	4	9	30.000
辽宁	2	8	26.667	2	10	33.333	2	8	26.667	2	8	26.667
内蒙古	2	8	33.333	2	9	36.667	2	9	36.667	2	10	40.000
宁夏	1	4	13.333	1	6	20.000	1	3	10.000	1	3	10.000
青海	0	0	0.000	0	0	0.000	0	0	0.000	0	0	0.000
山东	13	8	50.000	13	8	50.000	14	8	53.333	14	8	53.333
山西	7	7	36.667	7	7	36.667	7	7	36.667	7	7	36.667
陕西	7	10	46.667	5	9	40.000	7	9	43.333	8	10	50.000
上海	17	3	56.667	18	3	60.000	17	3	56.667	17	3	56.667
四川	11	7	43.333	15	9	53.333	16	9	56.667	16	8	53.333
天津	4	6	23.333	3	6	20.000	3	6	20.000	3	7	23.333
西藏	0	7	23.333	0	6	20.000	0	6	20.000	0	7	23.333
新疆	1	13	46.667	1	13	46.667	1	13	46.667	1	12	43.333
云南	8	6	33.333	7	5	30.000	5	4	23.333	5	4	20.000
浙江	17	3	56.667	17	3	56.667	16	3	53.333	17	3	56.667
重庆	11	5	36.667	10	4	36.667	10	4	36.667	10	4	36.667

省份	2004年	2009年	2014年	2019年
安徽	36.145	0.171	36.585	0.159	35.714	0.148	36.585	0.450
北京	39.474	2.757	40.541	2.705	40.541	4.212	38.961	2.354
福建	35.714	0.511	35.714	0.033	34.884	0.040	34.884	0.039
甘肃	36.585	4.567	36.585	2.009	37.037	3.438	37.037	3.739
广东	40.541	9.813	41.096	9.374	40.000	7.070	40.000	5.973
广西	33.708	0.647	34.483	0.652	32.258	0.202	34.483	1.707
贵州	29.126	0.103	30.612	0.115	30.928	0.161	30.303	0.103
海南	34.483	0.760	35.294	0.650	34.483	0.563	34.884	1.026
河北	37.975	1.900	37.975	1.092	37.975	1.636	37.500	1.641
河南	39.474	2.034	41.667	4.044	41.096	3.860	41.096	4.024
黑龙江	31.915	0.000	32.609	0.000	31.915	0.000	31.579	0.000
湖北	38.961	2.344	38.961	1.838	39.474	2.044	40.000	3.639
湖南	38.961	5.516	38.462	3.478	38.462	3.075	38.462	3.263
吉林	31.915	0.000	32.609	0.000	31.915	0.000	31.579	0.000
江苏	42.254	8.753	42.254	6.899	41.096	6.793	41.096	6.889
江西	35.294	0.040	35.714	0.033	37.500	0.787	37.500	0.832
辽宁	33.333	0.287	36.585	0.808	34.091	0.324	32.967	0.288
内蒙古	36.585	0.549	38.462	0.864	38.462	1.155	38.961	1.567
宁夏	30.612	0.046	36.145	1.398	30.612	0.000	30.612	0.000

省份	2004年	2009年	2014年	2019年
安徽	36.145	0.171	36.585	0.159	35.714	0.148	36.585	0.450
北京	39.474	2.757	40.541	2.705	40.541	4.212	38.961	2.354
福建	35.714	0.511	35.714	0.033	34.884	0.040	34.884	0.039
甘肃	36.585	4.567	36.585	2.009	37.037	3.438	37.037	3.739
广东	40.541	9.813	41.096	9.374	40.000	7.070	40.000	5.973
广西	33.708	0.647	34.483	0.652	32.258	0.202	34.483	1.707
贵州	29.126	0.103	30.612	0.115	30.928	0.161	30.303	0.103
海南	34.483	0.760	35.294	0.650	34.483	0.563	34.884	1.026
河北	37.975	1.900	37.975	1.092	37.975	1.636	37.500	1.641
河南	39.474	2.034	41.667	4.044	41.096	3.860	41.096	4.024
黑龙江	31.915	0.000	32.609	0.000	31.915	0.000	31.579	0.000
湖北	38.961	2.344	38.961	1.838	39.474	2.044	40.000	3.639
湖南	38.961	5.516	38.462	3.478	38.462	3.075	38.462	3.263
吉林	31.915	0.000	32.609	0.000	31.915	0.000	31.579	0.000
江苏	42.254	8.753	42.254	6.899	41.096	6.793	41.096	6.889
江西	35.294	0.040	35.714	0.033	37.500	0.787	37.500	0.832
辽宁	33.333	0.287	36.585	0.808	34.091	0.324	32.967	0.288
内蒙古	36.585	0.549	38.462	0.864	38.462	1.155	38.961	1.567
宁夏	30.612	0.046	36.145	1.398	30.612	0.000	30.612	0.000

省份	2004年	2009年	2014年	2019年
青海	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000
山东	39.474	4.067	40.000	3.587	40.000	5.060	39.474	4.677
山西	37.500	0.682	37.500	0.537	37.500	0.707	37.037	0.625
陕西	40.000	6.191	38.961	2.889	39.474	5.535	40.541	6.296
上海	39.474	4.494	41.096	6.169	38.961	4.505	38.961	4.397
四川	37.500	5.100	40.000	8.055	40.541	13.299	39.474	11.851
天津	32.967	0.210	33.708	0.000	33.333	0.000	33.708	0.026
西藏	32.967	0.727	32.609	0.298	32.967	0.481	33.708	0.989
新疆	40.000	6.150	40.000	5.344	40.000	4.647	39.474	3.973
云南	36.145	2.545	36.145	1.505	34.091	0.883	30.303	0.103
浙江	40.000	5.267	40.541	5.299	38.961	3.904	39.474	4.938
重庆	36.145	2.619	36.585	2.351	36.145	2.944	36.145	3.213

省份	2004年	2009年	2014年	2019年
青海	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000
山东	39.474	4.067	40.000	3.587	40.000	5.060	39.474	4.677
山西	37.500	0.682	37.500	0.537	37.500	0.707	37.037	0.625
陕西	40.000	6.191	38.961	2.889	39.474	5.535	40.541	6.296
上海	39.474	4.494	41.096	6.169	38.961	4.505	38.961	4.397
四川	37.500	5.100	40.000	8.055	40.541	13.299	39.474	11.851
天津	32.967	0.210	33.708	0.000	33.333	0.000	33.708	0.026
西藏	32.967	0.727	32.609	0.298	32.967	0.481	33.708	0.989
新疆	40.000	6.150	40.000	5.344	40.000	4.647	39.474	3.973
云南	36.145	2.545	36.145	1.505	34.091	0.883	30.303	0.103
浙江	40.000	5.267	40.541	5.299	38.961	3.904	39.474	4.938
重庆	36.145	2.619	36.585	2.351	36.145	2.944	36.145	3.213

省份	2004年	2009年	2014年	2019年
安徽	0.380	0.358	0.355	0.369
北京	0.091	0.134	0.134	0.113
福建	0.051	0.058	0.055	0.059
甘肃	0.000	0.000	0.000	0.000
广东	0.067	0.104	0.092	0.094
广西	0.003	0.006	0.000	0.007
贵州	0.009	0.022	0.022	0.025
海南	0.001	0.001	0.000	0.001
河北	0.081	0.107	0.108	0.100
河南	0.076	0.227	0.154	0.148
黑龙江	0.000	0.000	0.000	0.000
湖北	0.124	0.151	0.144	0.151
湖南	0.062	0.077	0.070	0.084
吉林	0.000	0.000	0.000	0.000
江苏	0.532	0.505	0.515	0.507
江西	0.051	0.058	0.055	0.059
辽宁	0.000	0.000	0.000	0.000
内蒙古	0.000	0.000	0.000	0.000
宁夏	0.000	0.000	0.000	0.000
青海	0.000	0.000	0.000	0.000
山东	0.171	0.191	0.215	0.206
山西	0.058	0.081	0.080	0.076
陕西	0.020	0.018	0.043	0.043
上海	0.496	0.478	0.488	0.477
四川	0.021	0.097	0.097	0.102
天津	0.066	0.064	0.070	0.064
西藏	0.000	0.000	0.000	0.000
新疆	0.000	0.000	0.000	0.000
云南	0.009	0.019	0.018	0.021
浙江	0.488	0.450	0.454	0.472
重庆	0.021	0.024	0.027	0.030

省份	2004年	2009年	2014年	2019年
安徽	0.380	0.358	0.355	0.369
北京	0.091	0.134	0.134	0.113
福建	0.051	0.058	0.055	0.059
甘肃	0.000	0.000	0.000	0.000
广东	0.067	0.104	0.092	0.094
广西	0.003	0.006	0.000	0.007
贵州	0.009	0.022	0.022	0.025
海南	0.001	0.001	0.000	0.001
河北	0.081	0.107	0.108	0.100
河南	0.076	0.227	0.154	0.148
黑龙江	0.000	0.000	0.000	0.000
湖北	0.124	0.151	0.144	0.151
湖南	0.062	0.077	0.070	0.084
吉林	0.000	0.000	0.000	0.000
江苏	0.532	0.505	0.515	0.507
江西	0.051	0.058	0.055	0.059
辽宁	0.000	0.000	0.000	0.000
内蒙古	0.000	0.000	0.000	0.000
宁夏	0.000	0.000	0.000	0.000
青海	0.000	0.000	0.000	0.000
山东	0.171	0.191	0.215	0.206
山西	0.058	0.081	0.080	0.076
陕西	0.020	0.018	0.043	0.043
上海	0.496	0.478	0.488	0.477
四川	0.021	0.097	0.097	0.102
天津	0.066	0.064	0.070	0.064
西藏	0.000	0.000	0.000	0.000
新疆	0.000	0.000	0.000	0.000
云南	0.009	0.019	0.018	0.021
浙江	0.488	0.450	0.454	0.472
重庆	0.021	0.024	0.027	0.030

子群名称	子群成员
子群一	安徽上海福建浙江广东江西江苏湖北	安徽上海福建浙江广东湖南江苏江西湖北	安徽上海福建浙江广东湖南江西江苏湖北	安徽上海福建浙江广东湖南江西江苏湖北
子群二	黑龙江山西内蒙古山东河南吉林河北辽宁天津北京	黑龙江山西内蒙古河南吉林河北山东辽宁天津北京	黑龙江山西内蒙古山东河南吉林河北天津辽宁北京	黑龙江山西内蒙古山东河南吉林河北天津辽宁北京
子群三	陕西甘肃新疆西藏宁夏青海	陕西甘肃青海新疆宁夏	陕西新疆甘肃青海宁夏	陕西新疆甘肃青海宁夏
子群四	贵州四川广西湖南云南海南重庆	贵州四川西藏广西云南海南重庆	贵州广西四川西藏云南海南重庆	贵州四川西藏广西云南海南重庆

子群名称	子群成员
子群一	安徽上海福建浙江广东江西江苏湖北	安徽上海福建浙江广东湖南江苏江西湖北	安徽上海福建浙江广东湖南江西江苏湖北	安徽上海福建浙江广东湖南江西江苏湖北
子群二	黑龙江山西内蒙古山东河南吉林河北辽宁天津北京	黑龙江山西内蒙古河南吉林河北山东辽宁天津北京	黑龙江山西内蒙古山东河南吉林河北天津辽宁北京	黑龙江山西内蒙古山东河南吉林河北天津辽宁北京
子群三	陕西甘肃新疆西藏宁夏青海	陕西甘肃青海新疆宁夏	陕西新疆甘肃青海宁夏	陕西新疆甘肃青海宁夏
子群四	贵州四川广西湖南云南海南重庆	贵州四川西藏广西云南海南重庆	贵州广西四川西藏云南海南重庆	贵州四川西藏广西云南海南重庆

年份	子群名称	内部关系数	子群成员数	溢出关系数	接收关系数	期望内部关系占比/%	实际内部关系占比/%	角色类型
2004	子群一	41	8	48	9	23.33	46.07	双向溢出
子群二	40	10	21	33	30.00	65.57	经纪人
子群三	8	6	4	35	16.67	66.67	主受益
子群四	30	7	19	15	20.00	61.22	经纪人
2009	子群一	52	9	46	9	26.67	53.06	双向溢出
子群二	43	10	24	34	30.00	64.18	经纪人
子群三	5	5	5	32	13.33	50.00	主受益
子群四	27	7	15	15	20.00	64.29	经纪人
2014	子群一	51	9	42	10	26.67	54.84	双向溢出
子群二	42	10	24	34	30.00	63.64	经纪人
子群三	5	5	7	29	13.33	41.67	主受益
子群四	23	7	14	14	20.00	62.16	经纪人
2019	子群一	52	9	45	10	26.67	53.61	双向溢出
子群二	42	10	23	36	30.00	64.62	经纪人
子群三	5	5	8	29	13.33	38.46	主受益
子群四	27	7	14	15	20.00	65.85	经纪人

年份	子群名称	内部关系数	子群成员数	溢出关系数	接收关系数	期望内部关系占比/%	实际内部关系占比/%	角色类型
2004	子群一	41	8	48	9	23.33	46.07	双向溢出
子群二	40	10	21	33	30.00	65.57	经纪人
子群三	8	6	4	35	16.67	66.67	主受益
子群四	30	7	19	15	20.00	61.22	经纪人
2009	子群一	52	9	46	9	26.67	53.06	双向溢出
子群二	43	10	24	34	30.00	64.18	经纪人
子群三	5	5	5	32	13.33	50.00	主受益
子群四	27	7	15	15	20.00	64.29	经纪人
2014	子群一	51	9	42	10	26.67	54.84	双向溢出
子群二	42	10	24	34	30.00	63.64	经纪人
子群三	5	5	7	29	13.33	41.67	主受益
子群四	23	7	14	14	20.00	62.16	经纪人
2019	子群一	52	9	45	10	26.67	53.61	双向溢出
子群二	42	10	23	36	30.00	64.62	经纪人
子群三	5	5	8	29	13.33	38.46	主受益
子群四	27	7	14	15	20.00	65.85	经纪人

年份	子群名称	密度矩阵	像矩阵
2004	子群一	0.732	0.400	0.083	0.214	1	1	0	0
子群二	0.063	0.444	0.267	0.000	0	1	1	0
子群三	0.000	0.017	0.267	0.071	0	0	1	0
子群四	0.071	0.000	0.357	0.714	0	0	1	1
2009	子群一	0.722	0.356	0.133	0.127	1	1	0	0
子群二	0.067	0.478	0.320	0.029	0	1	1	0
子群三	0.000	0.000	0.250	0.143	0	0	1	0
子群四	0.048	0.029	0.286	0.643	0	0	1	1
2014	子群一	0.708	0.344	0.111	0.095	1	1	0	0
子群二	0.067	0.467	0.320	0.029	0	1	1	0
子群三	0.000	0.020	0.250	0.171	0	0	1	0
子群四	0.063	0.029	0.229	0.548	0	0	1	1
2019	子群一	0.722	0.356	0.111	0.127	1	1	0	0
子群二	0.067	0.467	0.320	0.014	0	1	1	0
子群三	0.000	0.040	0.250	0.171	0	0	1	0
子群四	0.063	0.029	0.229	0.643	0	0	0	1

年份	子群名称	密度矩阵	像矩阵
2004	子群一	0.732	0.400	0.083	0.214	1	1	0	0
子群二	0.063	0.444	0.267	0.000	0	1	1	0
子群三	0.000	0.017	0.267	0.071	0	0	1	0
子群四	0.071	0.000	0.357	0.714	0	0	1	1
2009	子群一	0.722	0.356	0.133	0.127	1	1	0	0
子群二	0.067	0.478	0.320	0.029	0	1	1	0
子群三	0.000	0.000	0.250	0.143	0	0	1	0
子群四	0.048	0.029	0.286	0.643	0	0	1	1
2014	子群一	0.708	0.344	0.111	0.095	1	1	0	0
子群二	0.067	0.467	0.320	0.029	0	1	1	0
子群三	0.000	0.020	0.250	0.171	0	0	1	0
子群四	0.063	0.029	0.229	0.548	0	0	1	1
2019	子群一	0.722	0.356	0.111	0.127	1	1	0	0
子群二	0.067	0.467	0.320	0.014	0	1	1	0
子群三	0.000	0.040	0.250	0.171	0	0	1	0
子群四	0.063	0.029	0.229	0.643	0	0	0	1

中国省际文化创意产业网络结构演变特征

PDF下载

张娜 ¹^,² , 刘睿 ¹^,²^,³

科技和产业 | 产业发展 2025,25(4): 110-121

收起

科技和产业 | 产业发展 2025, 25(4): 110-121

中国省际文化创意产业网络结构演变特征

全屏

张娜¹^,², 刘睿¹^,²^,³

作者信息

¹ 重庆师范大学地理与旅游学院, 重庆 401331

² 地理信息系统应用研究重庆市高校重点实验室, 重庆 401331

³ 国家地球系统科学数据中心, 北京 100101

张娜(1999—),女,云南大理人,硕士研究生,研究方向为城市网络、产业经济。

通讯作者:

刘睿(1983—),男,重庆人,博士,教授,研究方向为地理时空大数据分析。

Evolution Characteristics of Interprovincial Cultural and Creative Industry Network Structure in China

Na ZHANG¹^,², Rui LIU¹^,²^,³

Affiliations

¹ College of Geography and Tourism, Chongqing Normal University, Chongqing 401331, China

² Key Laboratory of Applied Research of Geographic Information System, Chongqing University, Chongqing 401331, China

³ National Earth System Science Data Center, Beijing 100101, China

出版时间: 2025-02-25

文章导航

摘要

收起

文化创意产业不仅是经济增长的新引擎,更是文化和社会发展的重要推动力。运用修正的空间引力模型及社会网络分析法,结合2000—2019年相关数据,研究分析中国文化创意产业空间关联及网络结构演变特征。结果表明:中国文化创意产业规模不断扩大,空间关联强度逐年增加,且始终呈现“东强西弱”的极端分布格局;中国文化创意产业核心-边缘结构明显,核心区较为集中于东部沿海地区,边缘区则主要分布于国西部地区;中国文化创意产业联系越来越密切,形成内部密切相关的凝聚子群,子群内部联系相对比较稳定,但整体联系仍然存在很大的不足;“主受益”型、“双向溢出”型及“经纪人”型子群之间存在着不同的溢出关系,并且在整个网络中发挥着重要的作用。

关键词

文化创意产业 / 企业网络 / 空间关联 / 网络结构 / 社会网络分析 / 中国

Abstract

收起

Cultural and creative industry is not only a new engine of economic growth, but also an important driving force for cultural and social development. Based on the modified spatial gravity model and social network analysis method, combined with the relevant data from 2000 to 2019, the spatial correlation and network structure evolution characteristics of China’s cultural and creative industries were studied and analyzed. The results show that the scale of China’s cultural and creative industries continues to expand, and the spatial correlation intensity increases year by year, and always presents an extreme distribution pattern of “strong in the east and weak in the west”. The core-periphery structure of China’s cultural and creative industries is obvious, with the core area more concentrated in the eastern coastal area and the fringe area mainly distributed in the western area of China. China’s cultural and creative industries have become more and more closely connected, forming a cohesive subgroup with close internal relations. The internal connections of subgroups are relatively stable, but the overall connections still have great shortcomings. There are different spillover relationships among the “main beneficiary”, “two-way spillover” and “broker” subgroups, and they play an important role in the whole network.

Key words

cultural and creative industry / enterprise network / spatial correlation / network structure / social network analysis / China

引用本文

张娜, 刘睿. 中国省际文化创意产业网络结构演变特征. 科技和产业, 2025 , 25 (4) : 110 -121 .

Na ZHANG, Rui LIU. Evolution Characteristics of Interprovincial Cultural and Creative Industry Network Structure in China[J]. Science Technology and Industry, 2025 , 25 (4) : 110 -121 .

正文

收起

21世纪以来,随着科技的高速发展和全球化的深入推进,世界经济发展的重心逐步向高增长、低污染、高附加值的知识密集型产业转移。在此背景下,拥有巨大经济效益的同时,又能减少自然资源消耗的文化创意产业呈现出蓬勃发展的态势。文化创意产业是以创新创造力为核心的新兴业态,旨在满足大众的文化、娱乐、精神和心理等方面的需求,是一个贯穿生产、流通、消费等全过程的新型产业集群。数据显示,文化创意产业每年为世界创造2.25万亿美元的收入,在全球范围内提供近5 000万个就业机会。文化创意产业逐渐发展成为新经济时代的标志性行业,被视为创造财富、增加就业机会、调整产业结构、促进区域可持续发展、增强城市和国家竞争力等方面的重要推动力量^[1-4],同时在提升文化软实力方面发挥了重要作用^[5]。

党的二十大报告提出“以中国式现代化全面推进中华民族伟大复兴”,对推进中国式现代化而言,文化创意产业不仅能够在经济上有所助力,更重要的是其独特的文化内核与中国式现代化的特征和本质要求完全契合。陆续出台的相应政策和战略部署显示,国家对于文化创意产业的关注程度日益提高,其发展水平也在逐步提高。

早在20世纪80年代国外学者就开始对文化创意产业进行研究。John Hawkins是享誉世界的“文化和创意产业之父”,他将创意经济定义为人所具有的创意所能产生的价值。在理论层面国外学者对于文化创意产业进行了丰富的研究,涉及文化创意产业的定义^[6-9]、产业边界^[10-11]、创意人群^[12]等;其中“创意场域”理论以及“3T”理论运用最为广泛,解释了影响文化创意产业集群形成的因子。实证层面,一方面聚焦于文化创意产业与城市发展之间的关系,涉及城市多样性对文化创意产业的影响^[13]、文化创意产业对城市经济增长的影响^[14-16]、文化创意产业与就业^[17-18]、区位选择^[19-20]等,如Hojnik^[21]发现创意是经济活动的重要组成部分,能够促进创意城市的发展,并为可持续发展做出贡献。另一方面聚焦于文化创意产业的集聚性及形成机制,Henderson^[22]从地理分布上发现文化产业有聚合选址倾向;Maddah等^[23]研究了西班牙巴塞罗那文化创意产业的地理分布,发现文化创意产业往往聚集在巴塞罗那的黄金地段及其周围;同时为了重塑文化创意产业,其融资模式及结构同样也成为热点^[24-27]。文化创意产业在国内起步较晚,研究热点主要集中在探究文化创意产业的集聚^[28-29]及影响因素^[30-31],如叶前林等^[32]测度长江经济带文化创意产业集聚水平,并发现潜在市场、资源禀赋、人力资本、政府扶持对文化创意产业集聚具有显著的正向作用,而基础设施、地区包容度对文化创意产业集聚具有负向作用但并不显著。文嫮和胡兵^[33]发现技术因素在推动文化创意产业发展中扮演着重要的作用;也有有学者基于文化创意企业数据来分析文化创意产业的空间特征以及格局演变^[34-35]。研究更多的是以宏观统计数据从全国层面或省域尺度关注文化创意产业的发展,以微观企业数据探究市域及更精细尺度下的文化创意产业的发展。研究区也大多集中于研究某个地区,某个城市群或者某个产业园区^[36];鲜少有学者在省域尺度下探究中国文化创意产业的空间关联及网络结构特征。基于此,研究在省域的尺度下对中国文化创意产业的空间关联及网络结构演变特征进行分析,揭示中国文化创意产业网络的地区差异、结构特征及发展演变,以期为区域要素资源合理“流动”与配置、空间格局优化、区域协同发展等方面提供参考。

1 研究方法和数据说明

收起

1.1 研究方法

1.1.1 空间关联引力模型

传统的引力模型是分析城市间联系最经典的模型,源于物理学中的万有引力模型。产业空间关联强度是衡量不同区域间产业相互作用的指标,表征区域产业对周边地区的辐射能力以及对中心地区产业辐射能力的接受程度^[37-38]。采用修正后的引力模型测度中国31个省份(因数据缺失,未包含港、澳、台地区)文化创意产业空间关联强度,修正后的引力模型如下。

(1)

${\mathit{R}}_{\mathit{i}\mathit{j}}={\mathit{K}}_{\mathit{i}\mathit{j}}\frac{{\mathit{M}}_{\mathit{i}}{\mathit{M}}_{\mathit{j}}}{{\mathit{D}}_{\mathit{i}\mathit{j}}^{2}},\mathit{ }{\mathit{K}}_{\mathit{i}\mathit{j}}=\frac{{\mathit{M}}_{\mathit{i}}}{{\mathit{M}}_{\mathit{i}}+{\mathit{M}}_{\mathit{j}}}$

式中:R_ij为省份i和省份j之间文化创意产业空间关联强度;M_i和M_j分别为省份i和省份j的文化创意产业企业数量;D_ij为省份i和省份j之间的距离,用各省份省会城市地理坐标经纬度计算得出;K_ij为修正后经验常数。

1.1.2 社会网络分析法

社会网络分析法(social network analysis,SNA)通过对网络成员关系的分析,反映网络结构及其属性特征,揭示网络的整体性与层次性,探讨空间关联的紧密性与网络节点之间的关系^[39]。基于修正后引力模型得出的省际空间关联强度矩阵,采用“平均数原则”将矩阵中各行的均值作为临界值对矩阵进行二值化处理,若该行省份与该列省份间的空间关联强度大于平均值,则记为 1,表示省份间存在关联关系;反之记为 0,表明省份之间不存在关联关系,由此构建的文化创意产业空间关联二值矩阵作为网络结构分析的基础数据。借助Ucinet软件,从网络密度、中心性、核心边缘、凝聚子群4个方面对中国31个省份文化创意产业联系网络结构特征进行分析。

1)网络密度

指整体网络中节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^[40-41]。网络密度计算公式为

(2)

$\mathit{D}=\frac{\mathit{m}}{\mathit{n}(\mathit{n}-1)}$

式中:D为网络密度;m为网络中的边数;n为网络中节点的数量。

2)中心性

(1)度中心度,是指与该节点直接相连的其他节点的个数,度中心度越高表明与该节点直接连接的节点越多,处于网络的中心位置,在网络中具有更强的控制能力,可以用来衡量节点在整体网络中所处位置的重要性 ^[39,42]^。点度中心度的计算公式为

(3)

${\mathit{C}}_{\mathit{D}}\left(\mathit{i}\right)=\frac{\sum {\mathit{x}}_{\mathit{i}\mathit{j}}}{\mathit{n}-1},\mathit{ }\mathit{i}\ne \mathit{j}$

式中:C_D(i)为点度中心度;∑x_ij为节点省份i和j之间的有效联系关系数(若有则值为1,否则为0);n为网络中省份的数量。

(2)接近中心度,是衡量节点不受其他网络节点控制的程度,如果该节点与其他节点的距离(即两点间最短路径)都很短,则拥有更高的接近中心度,接近中心度越大,该节点的影响力也越大^[42-43]。接近中心度的计算公式为

(4)

${\mathit{C}}_{\mathit{C}}\left(\mathit{i}\right)=\frac{1}{\sum {\mathit{d}}_{\mathit{i}\mathit{j}}}$

式中:C_C(i)为接近中心度;d_ij为省份i到省份j的捷径距离。

(3)中介中心度,是衡量网络中一个节点对相邻节点的控制能力,如果该节点处于许多其他对节点的捷径(即两点间最短途径)上,则该节点具有较高的中介中心度,中介中心度越高,该节点的控制能力越强,在网络中的地位越重要^[44]。中介中心度计算公式为

(5)

${\mathit{C}}_{\mathit{B}}\mathit{i}=\frac{2{\sum }_{\mathit{i}\ne \mathit{k}\ne \mathit{j}}^{}\frac{{\mathit{g}}_{\mathit{j}\mathit{k}}\left(\mathit{i}\right)}{{\mathit{g}}_{\mathit{j}\mathit{k}}}}{(\mathit{n}-1)(\mathit{n}-2)}$

式中:C_B(i)为中介中心度;g_jk为节点省份j到省份k的捷径数量;g_jk(i)为省份j到省份k的捷径距离经过省份i的数量。

3)凝聚子群

凝聚子群分析的目的是揭示群体内部的子结构^[45],进而分析其子群数目、构成、联系等特征^[39]。找到网络中凝聚子群的个数以及凝聚子群中具体包含的成员,分析凝聚子群间的关系及互动方式,可以从整体网络的维度考察城市群网络的发展状况^[40]。利用凝聚子群方法来探究文化创意产业的联系强度及密集程度。

4)核心边缘

核心-边缘结构是判断节点在核心区域还是边缘区域的重要指标^[41]。通过Ucinet软件中的Core/Periphery-Continuous构建核心-边缘模型^[46-47],计算省份核心密度值,并在ArcGIS中进行可视化。

1.2 数据来源

选取31个省份(因数据缺失,未包含港澳台地区)为研究区。结合《上海市文化创意产业分类目录(2018)》中的文化创意核心领域部分的行业分类标准,在企查查中筛选出相符合的行业8个大类,190个小类,共计14 163 778条数据。依据统计局印发的《统计上大中小微型企业划分标准》中的从业人员(参保人数)筛选出中型及以上企业,并且剔除处于异常状态(注销、吊销)的企业,符合条件的数据共计74 082条,分别统计出31个省份2000—2004年、2000—2009年、2000—2014年、2000—2019年底四期文化创意产业企业数量数据,以此为基础进行研究。

2 结果分析

收起

2.1 文化创意产业发展现状

为了了解中国文化创意产业的发展现状,根据符合条件的74 082条数据,绘制了2004年、2009年、2014年、2019年文化创意产业发展趋势如图1所示。

从图1中可以直观地看出,中国文化创意产业规模不断扩大,各省份文化创意产业发展势头良好,均呈上升趋势;其中东部沿海地区是中国文化创意产业分布最密集的地区,整体发展趋势由东部向中、西部地区依次递减,呈现阶梯式分布;并且东西部地区的文化创意产业规模存在巨大差距,这种差距并未随着时间缩小,相反还在不断扩大。中国文化创意产业分布呈现地域分散但数量集中的特征,一方面由于中国独特的文化底蕴,文化创意产业在全国各地均有分布;另一方面由于经济发展的不平衡,大多数的文化创意产业集中在少数几个省份,其中分布在北京、上海、广东、浙江、江苏的文化创意企业数量占全国文化创意企业总数的50%,超过70%的文化创意企业集中分布在排名靠前的10个省份。

2.2 文化创意产业关联强度

研究通过修正后的引力模型计算得出31个省份间文化创意产业的关联强度值如图2~图5所示。

根据数据可知,2004年底,中国文化创意产业关联强度整体处于较低等级,但随着产业的发展,整体关联强度呈现上升趋势,各省份之间的关联强度逐渐增强。到2019年底,中国文化创意产业空间关联呈现双核心分布格局,以上海、浙江、江苏、安徽为一个核心区,以北京、河北、山东为第二个核心区,这些省份之间的关联强度在空间分布上呈现与长江三角洲城市群以及京津冀城市群相吻合的分布格局。中国文化创意产业的关联强度在空间上始终呈现“东强西弱”的极端格局,东部沿海地区的文化创意产业联系更强且更加紧密,而西部地区则相对较弱,这是由于东部沿海地区的经济发达程度较高,文化创意产业数量更多且发展更为成熟。东北部地区、西部地区以及除了四川和重庆的西南部地区的空间关联始终处于一个极低的状态,如西藏、青海、甘肃、宁夏、海南、黑龙江、吉林、内蒙古等,这些地区大多位于中国边界,在文化创意产业关联中缺乏联系。其中,上海-浙江、浙江-江苏、江苏-上海的关联强度最高,其次是安徽-江苏、安徽-浙江、安徽-上海、北京-山东、河北-山东,在这些省份周围产业关联强度逐渐增加,表明这些省份具有很强的辐射影响作用,能带动周边地区的产业发展。

2.3 网络结构

2.3.1 网络密度

中国文化创意产业的网络密度与网络关系数从2004—2019年整体上呈上升趋势(图6),表明中国文化创意产业关联越来越紧密。但网络关系数起伏较小,在200~220浮动,同时网络密度变化甚微,介于0.224~0.234,说明中国文化创意产业仍然有很大的发展空间,各个省份之间也应进一步加强合作交流,促进联系,以推动中国文化创意产业的发展。

2.3.2 中心性分析

1)度中心度

借助Ucinet软件计算各省份网络点中心度值,各省份文化创意产业网络点度中心度如表1所示。从2004—2019年,江苏、上海、浙江等省份的度中心度始终位列前茅,表明这些省份在中国文化创意产业网络中与其他省份关联密切,在网络中处于中心位置且具有较强的控制能力。随着产业的壮大和发展,这些具有较强控制力省份的度中心度呈现出下降趋势,而一些省份的度中心度出现上升趋势,如山东、河南、湖北、四川等越来越多的省份开始减小对于核心省份的依赖程度。

点出度以及点入度呈现两极划分,江苏、上海、浙江、山东、四川等省份的点出度始终高于大部分省份,说明这些省份在网络中处于核心位置,在区域内辐射作用最强;河南、安徽、河北、北京、重庆、广东、湖北、湖南的点出度较高,对周边省份存在较强的带动作用;黑龙江、吉林、内蒙古、海南、宁夏、新疆点出度较低,大部分受其他省份的辐射作用,但对其他省份的作用微乎其微,青海和西藏则完全不具有辐射影响作用。从点入度来说,绝大部分省份的点入度始终要高于平均值,如新疆、湖北、陕西、辽宁、江西等,高于平均值的省份对其周围省份的产业辐射具有较强的吸纳能力。

2)接近中心度

整体上看(表2),从2004—2009年,各省份的接近中心度呈现下降趋势,接近中心度越来越趋于一致,差距越来越小,表明中国文化创意产业的极化现象逐渐好转;接近中心度排名第一的省份在河南和江苏之间变化,其他省份接近中心度的排名也在不断地变化,但排名靠前的省份主要集中于中国东部以及中部地区,如山东、广东、浙江、上海、北京、湖北、陕西等省份,同样也说明这些中部以及东部地区的省份对中国文化创意产业具有很强的影响力及带动力。

3)中介中心度

如表3所示,从2004—2009年,各省份的中介中心度呈现极化特征,中介中心度高的省份控制着整个网络,如四川、广东等省份,这表明中国文化创意产业依旧还有许多的边缘省份要通过这些省份来与其他省份产生联系,各省份之间的联系还有很大的发展空间;同样,中介中心度高的省份也大部分位于中国的东部以及中部地区,控制着中国文化创意产业网络。

2.3.3 核心边缘

如表4所示,2004—2019年,浙江、安徽、江苏、上海始终处于核心区,核心区的省份分布格局与中国长江三角洲城市群较为吻合。核心区密度值介于0.227~0.505,与此相比,位于其他区域的省份核心密度值介于0~0.171,核心边缘结构突出。位于核心区的省份核心密度值有所下降,而位于其他区域的省份的核心密度值有所上升,表明中国文化创意产业的核心边缘现象正在缓慢减弱。处于边缘区的省份未出现较大变动,且核心密度值极低,边缘区大致位于中国西部、西南部以及东北部地区,位于边缘地区的省份与网络密度低、中心性低的省份大致吻合,这部分省份长期处于边缘化状态。

2.3.4 凝聚子群

1)凝聚子群构建

通过基于迭代相关收敛法的凝聚子群,对二值化后的文化创意产业网络进行凝聚子群分析,探究文化创意产业的联系强度及密集程度。在UCINET中计算矩阵各行(各列)之间的相关系数,得到相关系数矩阵,将该相关系数矩阵作为输入矩阵,进行重复计算、多次迭代,最后对矩阵进行分区,识别出2000—2019年的文化创意产业网络子群,如表5所示。

2004—2019年,中国文化创意产业均由四个子群构成,且各个子群分布较为稳定,子群成员基本不变,仅有少部分出现变化,说明中国文化创意产业网络结构稳定。可以看出中国文化创意产业在空间上呈现一定的分布特征,不同子群的成员具有一定的区域性集聚。其中,子群一成员主要分布于东部沿海地区,这是中国经济发展最为活跃的地区之一,拥有发达的基础设施和先进的产业技术,能够更好地支撑文化创意产业的发展,主要包括安徽、上海、福建、浙江、广东、江西、江苏、湖北等;子群二成员主要位于东北部地区,这一区域曾经是中国重要的工业基地,中国正步入工业化后期,近年来经济发展相对滞后,地区文化创意产业发展相对薄弱,需要加大扶持力度,主要包括黑龙江、山西、内蒙古、河南、吉林、河北、天津、辽宁、北京等;子群三成员主要位于中国的西部地区,这一区域拥有广阔的土地资源和丰富的文化遗产,是开展文化创意产业的重要区域,主要包括陕西、新疆、甘肃、青海、宁夏等;子群四成员主要分布于中国西南部地区,这一区域既拥有独特的自然资源,也具有悠久的历史和文化底蕴,是发展文化创意产业的重要区域之一,主要包括贵州、四川、广西、云南、海南、重庆等。

2)凝聚子群分析——块模型分析

块模型分析是一种研究网络位置的方法。主要通过板块聚类判定各个板块在网络中的角色和位置。对于块模型进行位置层次的分析可以具体考察各个位置(板块)之间如何发送和接收信息,并进行描述性分析。在本文中,块模型是基于凝聚子群,对文化创意产业网络中的多值关系在结构上的简化表示,通过构建像矩阵的简化图,可以对中国文化创意产业整体网络结构进行清晰的展现。

到2019年底,中国文化创意产业网络的子群关联结构中各个子群内部关系所占比例分别为56.40%、58.53%、58.17%、58.33%,表明文化创意产业在不同地理位置上存在明显的空间关联。四个子群的实际内部关系比例都远远高于期望内部关系比例,这意味着子群之间有着明显的相互作用。借鉴Martin等^[48]、Hausman等^[49]的做法将板块划分为“净溢出”“双向溢出”“净受益”和“经纪人”四种类型。其中子群一属于双向溢出型,其子群的内部关系比例较多,对板块内部和外部的溢出关系都较多;子群三属于主受益型,子群的内部关系比例较多,对板块外的溢出关系较少;子群二和子群四属于经纪人角色,子群的内部关系比例较少,既接受板块外部溢出,也向板块外部溢出(表6)。

通过中国文化创意产业空间关联的4个省份群网络密度矩阵。参考李敬等^[50],若子群密度大于整体网络密度,将其赋值为1,反之赋值为0,1表示子群间存在传递关系,0表示不存在传递关系,将密度矩阵转变为像矩阵(表6),并绘制4个板块间的传递关系(图7),以此分析子群间接收与溢出的传递路径。像矩阵中对角线上的值均为 1,这表明四个子群存在较强的内部关联性。其中,“主受益”型子群三主要接受来自子群二和子群四的直接溢出,以及子群一的间接溢出,呈现明显的虹吸效应;“双向溢出”型子群一为子群二和子群四单向传递,表现显著的溢出效应;“经纪人”型子群二和子群四主要接收来自子群一的溢出关系,并继续传递给子群三,发挥重要的桥梁作用。不同类型的子群之间存在着不同的溢出关系,这些关系在整个网络中发挥重要的作用。

3 结论与讨论

收起

3.1 结论

本文基于修正引力模型和社会网络分析法探究中国文化创意产业的网络结构演变特征,研究发现:

(1)2004—2019年,中国文化创意产业规模不断扩大,且空间关联强度逐渐增加,文化创意产业在空间上始终呈现“东强西弱”的极端分布格局,西部地区文化创意产业规模及空间关联强度始终处于弱势,东部地区文化创意产业分布密集且空间关联围绕着双核心区向外放射分布。

(2)中国文化创意产业网络关系数量曲折上升,文化创意产业联系更加密切,网络密度也呈上升趋势,但网络密度数值偏低;虽网络结构相对稳固,但整体联系仍存在不足,各省份间的协同发展和交流合作有待提高。

(3)处于中心位置省份的中心度呈现下降趋势,其余部分省份呈现上升趋势,位于核心位置的省份在网络中的控制力下降,其他省份逐渐减小了对于核心省份的依赖程度;各省份的接近中心度出现下降,逐渐趋于一致;中介中心度分布极不均衡,极化特征凸出,主要依靠核心省份控制整个网络。

(4)核心边缘结构突出,核心区及边缘区分布都较为集中且稳定,核心区域主要是由浙江、江苏、安徽、上海这些经济发展水平较高的省份组成,边缘区由于受所处的地理位置以及经济发展水平的限制,始终未能真正融入产业圈。

(5)中国文化创意产业形成了内部密切相关的四个凝聚子群,且子群成员基本保持不变。主受益板块具有较强的吸纳能力; 双向溢出板块是推动中国文化创意产业发展的动力源泉; 经纪人板块在中国文化创意产业空间关联网络发挥着重要的桥梁作用。

3.2 讨论

尽管文化创意产业在中国已经发展了一定规模,但仍然处于发展初期阶段,存在空间布局不合理和资源要素不足互通等问题。本文基于修正后引力模型构建中国文化创意产业的空间关联以及网络结构,并发现与中国城市群的空间分布有着高度的相关性,具有一定的典型性和代表性。通过分析研究中国文化创意产业的空间关联以及网络结构特征可以为中国优化升级文化创意产业、提升城市产业升级转型提供参考,有助于政府更好地进行统筹规划与科学布局,具有一定的实践意义。

然而,本文仍存在一些不足之处。例如,基于筛选后的文化创意产业企业数据忽略了小型企业、微小型企业等的影响,文化创意产业的联系强度仅仅是近似的模拟的结果,还与其他因素如地理位置、经济结构、国家政策和交通情况等有关。此外,本文所选取的文化创意产业数量表征指标也只能反映一部分情况,采用的是二值化简化分析,也可能对研究结果产生一定的影响。此外,本次研究仅涉及了文化创意产业的网络特征演变分析,其影响因素等也值得进一步探究。

基金

收起

重庆市教委人文社会科学项目(23SKGH088)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

闫云莉. 文化创意产业对区域经济发展的影响[J]. 文化创新比较研究, 2024, 8(1): 110-113.

[2]

张瑞. 可循环经济背景下的文化创意产业管理与发展——评《文化创意产业理论与实践》[J]. 中国教育学刊, 2024(4): 112.

[3]

意娜. 数字经济影响下的国际文化创意产业发展研究[J]. 中国人民大学学报, 2020, 34(6): 50-60.

[4]

杨雪, 刘小玲. 江西省文化创意产业发展现状与策略分析[J]. 江西师范大学学报(哲学社会科学版), 2017, 50(3): 76-82.

[5]

鲁小艳. 文化创意产业如何优化创新[J]. 人民论坛, 2020(3): 138-139.

[6]

TELEVISION

. Creative nation: commonwealth cultural policy[J]. Office for the Arts, 1994(10): 15-25.

[7]

理查德·E. 凯夫斯. 创意产业经济学: 艺术的商业之道[M]. 北京: 新华出版社, 2000.

[8]

哈特利, 曹书乐, 包建女, 等. 创意产业读本[M]. 北京: 清华大学出版社, 2007.

[9]

比尔顿. 创意与管理[M]. 北京: 新世界出版社, 2010.

[10]

YUSUF

, NABESHIMA

. Creative industries in East Asia[J]. Cities, 2005, 22(2): 109-122.

[11]

FERRÁNDIZ

. From cultural industries to entertainment and creative industries[J]. The Boundaries of the Cultural Field. 2011, 18(36): 149-156.

[12]

ROIG

, SÁNCHEZ

N J

, LEIBOVITZ

. Creative crowdsourcing as a model for collective audiovisual production in the filmmaking field[J]. Profesional de la Information, 2017, 26(2): 238-248.

[13]

JOHNSTON

, HUGGINS

. Regional growth dynamics in the service sector: the determinants of employment change in UK regions, 1971-2005[J]. Growth and Change, 2018, 49(1): 71-96.

[14]

GUTIERREZ

P D

, KITSOS

, NATHAN

, et al. Creative clusters and creative multipliers: evidence from UK cities[J]. Economic Geography, 2022, 99: 1-24.

[15]

CHAIBOONSRI

. The potential analytical impact of significant sectoral creative economy on thailand’s economy: a case study of the IRS-CGE model vs. the CRS-CGE model for both the national and provincial economies[J]. Economics, 2024, 12(2): 44.

[16]

LEE

. The creative industries and urban economic growth in the UK[J]. Environment and Planning Aconomy and Space, 2024, 12(2): 455-470.

[17]

INNOCENTI

, LAZZERETTI

. Do the creative industries support growth and innovation in the wider economy? Industry relatedness and employment growth in Italy[J]. Industry and Innovaton, 2019, 26(20): 1152-1173.

[18]

CAMPI

, DUENAS

, CIARLI

. Do creative industries enhance employment growth? Regional evidence from Colombia[J]. Regional Studies, 2024, 58(3): 425-441.

[19]

ARAUZO

C JM

, COLL

M E

, TURCU

. Location attributes explaining the entry of firms in creative industries: evidence from France[J]. Annal of Regional Science, 2024, 72(1): 223-254.

[20]

COLL

M E

, ARAUZO

C J M

. Creative milieu and firm location: an empirical appraisal[J]. Environment and Planning a-economy and Space, 2017, 49(7): 1613-1641.

[21]

HOJNIK

B B

. Sustainable creative economy in cities: comparative analysis of capital cities in the EU[J]. Problemy Ekorozwoju, 2019, 40(1): 97-107.

[22]

HENDERSON

. Ways to think about urban concentration: neoclassical urban systems versus the new econo-mic geography[J]. International Regional Science Review, 1996, 19: 31-36.

[23]

MADDAH

, ARAUZO

C J M

, LÓPEZ

F A

. Detection of geographical clustering: cultural and creative industries in Barcelona[J]. European Planning Studies, 2023, 31(3): 554-575.

[24]

CICCHIELLO

, GALLO

, MONFERRÀ

. Financing the cultural and creative industries through crowdfunding: the role of national cultural dimensions and policies[J]. Journal of Cultural Economics, 2022, 47(1): 133-175.

[25]

LOOTS

, BETZLER

, BILLE

, et al. New forms of finance and funding in the cultural and creative industries: introduction to the special issue[J]. Journal of Cultural Economics, 2022, 46(2): 205-230.

[26]

DI NOVO

, FAZIO

, SAPSED

, et al. Starving the golden goose? Access to finance for innovators in the creative industries[J]. Journal of Cultural Economics, 2022, 46(2): 345-386.

[27]

RIJANTO

. Creative industries project financing through crowdfunding: the roles of fund target & backers[J]. Creative Industries Journal, 2021(3): 1-18.

[28]

吴丹丹, 马仁锋, 张悦, 等. 杭州文化创意产业集聚特征与时空格局演变[J]. 经济地理, 2018, 38(10): 127-135.

[29]

姜玲, 王丽龄. 文化创意产业集聚效益分析——以北京市文化创意产业发展为例[J]. 中国软科学, 2016(4): 176-183.

[30]

曹如中, 张阳, 胡燕玲, 等. 长三角城市群文化创意产业空间集聚及影响效应研究[J]. 丝绸, 2022, 59(8): 79-89.

[31]

郑心怡, 方远平, 刘凤. 粤港澳大湾区文化创意产业园空间集聚特征及影响因素研究[J]. 现代城市研究, 2023(5): 76-83.

[32]

叶前林, 刘海玉, 朱文兴. 区域文化创意产业集聚水平测度及影响因素分析[J]. 统计与决策, 2022, 38(4): 84-87.

[33]

文嫮, 胡兵. 中国省域文化创意产业发展影响因素的空间计量研究[J]. 经济地理, 2014, 34(2): 101-107.

[34]

徐彦, 韦素琼, 徐旳, 等. 文化创意产业空间分布与城市区位功能影响分析——以台中市为例[J]. 地域研究与开发, 2022, 41(4): 52-58.

[35]

刘继为, 李雪飞, 高鹏怀. 旅游城市文化创意产业空间分布特征及影响因素研究——以秦皇岛市为例[J]. 中国西部, 2021(4): 16-26.

[36]

陈向楠, 杨新海. 苏州中心城市文化创意产业园区发展研究[J]. 现代城市研究, 2015(7): 28-34.

[37]

褚岚翔, 黄丽. 影响文化创意产业园区空间分布的地理区位因素分析——以上海为例[J]. 现代城市研究, 2019(1): 37-41.

[38]

郑文升, 姜玉培, 曾菊新, 等. 安徽省县域经济增长的空间相互作用与区域收敛分析[J]. 经济地理, 2016, 36(5): 40-45.

[39]

刘佳, 宋秋月. 中国旅游产业绿色创新效率的空间网络结构与形成机制[J]. 中国人口·资源与环境, 2018, 28(8): 127-137.

[40]

杨雨, 盛科荣. 中国城市网络关联格局的演变及影响因素: 基于企业网络视角[J]. 世界地理研究, 2021, 30(6): 1208-1218.

[41]

刘军. 整体网分析讲义: UCINET软件实用指南[M]. 上海: 格致出版社, 2009.

[42]

陈金丹, 黄晓. 我国文化产业发展的空间关联网络结构研究[J]. 经济问题探索, 2017(1): 177-184.

[43]

郑伯铭, 刘安乐, 韩剑磊, 等. 云南省旅游经济联系网络结构演化与协同发展模式建构[J]. 经济地理, 2021, 41(2): 222-231.

[44]

李影影, 黄琪, 曹卫东, 等. 经济联系视角下泛长三角网络结构研究[J]. 世界地理研究, 2019, 28(1): 68-78.

[45]

孙宇, 彭树远. 长三角城市创新网络凝聚子群发育机制研究——基于多值ERGM[J]. 经济地理, 2021, 41(9): 22-30.

[46]

何红, 李孝坤, 奂璐迪, 等. 成渝双城经济圈城市经济联系网络结构演变研究[J]. 地域研究与开发, 2022, 41(4): 32-37.

[47]

廖创场, 李晓明, 洪武扬, 等. 交通流空间视角下粤港澳大湾区网络结构多维测度[J]. 地理研究, 2023, 42(2): 550-562.

[48]

MARTIN

, EVERETT

, BORGATTI

. Models of core/periphery structures[J]. Social Networks, 2000, 21: 375-395.

[49]

HAUSMAN

, RAPSON

D S

, RAUSSER

G C

, et al. Regression discontinuity in time: considerations for empirical applications[J]. Annual Review of Resource Economics, 2018, 10: 533-552.

[50]

李敬, 陈澍, 万广华, 等. 中国区域经济增长的空间关联及其解释——基于网络分析方法[J]. 经济研究, 2014, 49(11): 4-16.

[51]

孙才志, 马奇飞. 中国省际水资源绿色效率空间关联网络研究[J]. 地理研究, 2020, 39(1): 53-63.

2025年第25卷第4期

PDF下载

272

140

引用本文

BibTeX

文章信息

接收时间：2024-09-09
首发时间：2025-07-21
出版时间：2025-02-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-09-09

基金

重庆市教委人文社会科学项目(23SKGH088)

作者信息

¹ 重庆师范大学地理与旅游学院, 重庆 401331

² 地理信息系统应用研究重庆市高校重点实验室, 重庆 401331

³ 国家地球系统科学数据中心, 北京 100101

通讯作者:

刘睿(1983—),男,重庆人,博士,教授,研究方向为地理时空大数据分析。

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1153987694452531709

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

省份	2004年	2009年	2014年	2019年
安徽	9	4	30.000	9	4	30.000	9	4	30.000	10	4	33.333
北京	11	6	46.667	12	7	50.000	12	7	50.000	11	7	46.667
福建	4	9	30.000	4	8	26.667	4	8	26.667	4	8	26.667
甘肃	3	9	36.667	3	9	36.667	3	9	36.667	3	9	36.667
广东	9	10	50.000	10	12	53.333	8	12	46.667	8	12	46.667
广西	3	7	23.333	3	7	23.333	0	5	16.667	3	8	26.667
贵州	6	4	20.000	6	4	20.000	6	3	20.000	6	4	20.000
海南	1	7	23.333	1	7	23.333	0	6	20.000	1	7	23.333
河北	10	7	40.000	10	7	40.000	10	7	40.000	10	7	40.000
河南	8	11	46.667	14	11	56.667	12	12	53.333	12	12	53.333
黑龙江	2	6	20.000	2	6	20.000	2	6	20.000	2	6	20.000
湖北	9	9	40.000	9	10	40.000	9	11	43.333	10	11	46.667
湖南	9	9	40.000	8	8	36.667	7	8	36.667	8	8	36.667
吉林	2	6	20.000	2	6	20.000	2	6	20.000	2	6	20.000
江苏	20	4	66.667	19	5	63.333	19	4	63.333	19	4	63.333
江西	4	8	26.667	4	8	26.667	4	8	30.000	4	9	30.000
辽宁	2	8	26.667	2	10	33.333	2	8	26.667	2	8	26.667
内蒙古	2	8	33.333	2	9	36.667	2	9	36.667	2	10	40.000
宁夏	1	4	13.333	1	6	20.000	1	3	10.000	1	3	10.000
青海	0	0	0.000	0	0	0.000	0	0	0.000	0	0	0.000
山东	13	8	50.000	13	8	50.000	14	8	53.333	14	8	53.333
山西	7	7	36.667	7	7	36.667	7	7	36.667	7	7	36.667
陕西	7	10	46.667	5	9	40.000	7	9	43.333	8	10	50.000
上海	17	3	56.667	18	3	60.000	17	3	56.667	17	3	56.667
四川	11	7	43.333	15	9	53.333	16	9	56.667	16	8	53.333
天津	4	6	23.333	3	6	20.000	3	6	20.000	3	7	23.333
西藏	0	7	23.333	0	6	20.000	0	6	20.000	0	7	23.333
新疆	1	13	46.667	1	13	46.667	1	13	46.667	1	12	43.333
云南	8	6	33.333	7	5	30.000	5	4	23.333	5	4	20.000
浙江	17	3	56.667	17	3	56.667	16	3	53.333	17	3	56.667
重庆	11	5	36.667	10	4	36.667	10	4	36.667	10	4	36.667

省份

2004年

2009年

2014年

2019年

点出度

点入度

度中心度

点出度

点入度

度中心度

点出度

点入度

度中心度

点出度

点入度

度中心度

安徽

30.000

33.333

北京

46.667

50.000

46.667

福建

30.000

26.667

甘肃

36.667

广东

50.000

53.333

46.667

广西

23.333

16.667

26.667

贵州

20.000

海南

23.333

20.000

23.333

河北

40.000

河南

46.667

56.667

53.333

黑龙江

20.000

湖北

40.000

43.333

46.667

湖南

40.000

36.667

吉林

20.000

江苏

66.667

63.333

江西

26.667

30.000

辽宁

26.667

33.333

26.667

内蒙古

33.333

36.667

40.000

宁夏

13.333

20.000

10.000

青海

0.000

山东

50.000

53.333

山西

36.667

陕西

46.667

40.000

43.333

50.000

上海

56.667

60.000

56.667

四川

43.333

53.333

56.667

53.333

天津

23.333

20.000

23.333

西藏

23.333

20.000

23.333

新疆

46.667

43.333

云南

33.333

30.000

23.333

20.000

浙江

56.667

53.333

56.667

重庆

36.667

省份	2004年	2009年	2014年	2019年
安徽	36.145	0.171	36.585	0.159	35.714	0.148	36.585	0.450
北京	39.474	2.757	40.541	2.705	40.541	4.212	38.961	2.354
福建	35.714	0.511	35.714	0.033	34.884	0.040	34.884	0.039
甘肃	36.585	4.567	36.585	2.009	37.037	3.438	37.037	3.739
广东	40.541	9.813	41.096	9.374	40.000	7.070	40.000	5.973
广西	33.708	0.647	34.483	0.652	32.258	0.202	34.483	1.707
贵州	29.126	0.103	30.612	0.115	30.928	0.161	30.303	0.103
海南	34.483	0.760	35.294	0.650	34.483	0.563	34.884	1.026
河北	37.975	1.900	37.975	1.092	37.975	1.636	37.500	1.641
河南	39.474	2.034	41.667	4.044	41.096	3.860	41.096	4.024
黑龙江	31.915	0.000	32.609	0.000	31.915	0.000	31.579	0.000
湖北	38.961	2.344	38.961	1.838	39.474	2.044	40.000	3.639
湖南	38.961	5.516	38.462	3.478	38.462	3.075	38.462	3.263
吉林	31.915	0.000	32.609	0.000	31.915	0.000	31.579	0.000
江苏	42.254	8.753	42.254	6.899	41.096	6.793	41.096	6.889
江西	35.294	0.040	35.714	0.033	37.500	0.787	37.500	0.832
辽宁	33.333	0.287	36.585	0.808	34.091	0.324	32.967	0.288
内蒙古	36.585	0.549	38.462	0.864	38.462	1.155	38.961	1.567
宁夏	30.612	0.046	36.145	1.398	30.612	0.000	30.612	0.000

省份

2004年

2009年

2014年

2019年

接近中心度

中介中心度

接近中心度

中介中心度

接近中心度

中介中心度

接近中心度

中介中心度

安徽

36.145

0.171

36.585

0.159

35.714

0.148

36.585

0.450

北京

39.474

2.757

40.541

2.705

40.541

4.212

38.961

2.354

福建

35.714

0.511

35.714

0.033

34.884

0.040

34.884

0.039

甘肃

36.585

4.567

36.585

2.009

37.037

3.438

37.037

3.739

广东

40.541

9.813

41.096

9.374

40.000

7.070

40.000

5.973

广西

33.708

0.647

34.483

0.652

32.258

0.202

34.483

1.707

贵州

29.126

0.103

30.612

0.115

30.928

0.161

30.303

0.103

海南

34.483

0.760

35.294

0.650

34.483

0.563

34.884

1.026

河北

37.975

1.900

37.975

1.092

37.975

1.636

37.500

1.641

河南

39.474

2.034

41.667

4.044

41.096

3.860

41.096

4.024

黑龙江

31.915

0.000

32.609

0.000

31.915

0.000

31.579

0.000

湖北

38.961

2.344

38.961

1.838

39.474

2.044

40.000

3.639

湖南

38.961

5.516

38.462

3.478

38.462

3.075

38.462

3.263

吉林

31.915

0.000

32.609

0.000

31.915

0.000

31.579

0.000

江苏

42.254

8.753

42.254

6.899

41.096

6.793

41.096

6.889

江西

35.294

0.040

35.714

0.033

37.500

0.787

37.500

0.832

辽宁

33.333

0.287

36.585

0.808

34.091

0.324

32.967

0.288

内蒙古

36.585

0.549

38.462

0.864

38.462

1.155

38.961

1.567

宁夏

30.612

0.046

36.145

1.398

30.612

0.000

30.612

0.000

省份	2004年	2009年	2014年	2019年
青海	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000
山东	39.474	4.067	40.000	3.587	40.000	5.060	39.474	4.677
山西	37.500	0.682	37.500	0.537	37.500	0.707	37.037	0.625
陕西	40.000	6.191	38.961	2.889	39.474	5.535	40.541	6.296
上海	39.474	4.494	41.096	6.169	38.961	4.505	38.961	4.397
四川	37.500	5.100	40.000	8.055	40.541	13.299	39.474	11.851
天津	32.967	0.210	33.708	0.000	33.333	0.000	33.708	0.026
西藏	32.967	0.727	32.609	0.298	32.967	0.481	33.708	0.989
新疆	40.000	6.150	40.000	5.344	40.000	4.647	39.474	3.973
云南	36.145	2.545	36.145	1.505	34.091	0.883	30.303	0.103
浙江	40.000	5.267	40.541	5.299	38.961	3.904	39.474	4.938
重庆	36.145	2.619	36.585	2.351	36.145	2.944	36.145	3.213

省份

2004年

2009年

2014年

2019年

接近中心度

中介中心度

接近中心度

中介中心度

接近中心度

中介中心度

接近中心度

中介中心度

青海

0.000

山东

39.474

4.067

40.000

3.587

40.000

5.060

39.474

4.677

山西

37.500

0.682

37.500

0.537

37.500

0.707

37.037

0.625

陕西

40.000

6.191

38.961

2.889

39.474

5.535

40.541

6.296

上海

39.474

4.494

41.096

6.169

38.961

4.505

38.961

4.397

四川

37.500

5.100

40.000

8.055

40.541

13.299

39.474

11.851

天津

32.967

0.210

33.708

0.000

33.333

0.000

33.708

0.026

西藏

32.967

0.727

32.609

0.298

32.967

0.481

33.708

0.989

新疆

40.000

6.150

40.000

5.344

40.000

4.647

39.474

3.973

云南

36.145

2.545

36.145

1.505

34.091

0.883

30.303

0.103

浙江

40.000

5.267

40.541

5.299

38.961

3.904

39.474

4.938

重庆

36.145

2.619

36.585

2.351

36.145

2.944

36.145

3.213

省份	2004年	2009年	2014年	2019年
安徽	0.380	0.358	0.355	0.369
北京	0.091	0.134	0.134	0.113
福建	0.051	0.058	0.055	0.059
甘肃	0.000	0.000	0.000	0.000
广东	0.067	0.104	0.092	0.094
广西	0.003	0.006	0.000	0.007
贵州	0.009	0.022	0.022	0.025
海南	0.001	0.001	0.000	0.001
河北	0.081	0.107	0.108	0.100
河南	0.076	0.227	0.154	0.148
黑龙江	0.000	0.000	0.000	0.000
湖北	0.124	0.151	0.144	0.151
湖南	0.062	0.077	0.070	0.084
吉林	0.000	0.000	0.000	0.000
江苏	0.532	0.505	0.515	0.507
江西	0.051	0.058	0.055	0.059
辽宁	0.000	0.000	0.000	0.000
内蒙古	0.000	0.000	0.000	0.000
宁夏	0.000	0.000	0.000	0.000
青海	0.000	0.000	0.000	0.000
山东	0.171	0.191	0.215	0.206
山西	0.058	0.081	0.080	0.076
陕西	0.020	0.018	0.043	0.043
上海	0.496	0.478	0.488	0.477
四川	0.021	0.097	0.097	0.102
天津	0.066	0.064	0.070	0.064
西藏	0.000	0.000	0.000	0.000
新疆	0.000	0.000	0.000	0.000
云南	0.009	0.019	0.018	0.021
浙江	0.488	0.450	0.454	0.472
重庆	0.021	0.024	0.027	0.030

省份

2004年

2009年

2014年

2019年

安徽

0.380

0.358

0.355

0.369

北京

0.091

0.134

0.113

福建

0.051

0.058

0.055

0.059

甘肃

0.000

广东

0.067

0.104

0.092

0.094

广西

0.003

0.006

0.000

0.007

贵州

0.009

0.022

0.025

海南

0.001

0.000

0.001

河北

0.081

0.107

0.108

0.100

河南

0.076

0.227

0.154

0.148

黑龙江

0.000

湖北

0.124

0.151

0.144

0.151

湖南

0.062

0.077

0.070

0.084

吉林

0.000

江苏

0.532

0.505

0.515

0.507

江西

0.051

0.058

0.055

0.059

辽宁

0.000

内蒙古

0.000

宁夏

0.000

青海

0.000

山东

0.171

0.191

0.215

0.206

山西

0.058

0.081

0.080

0.076

陕西

0.020

0.018

0.043

上海

0.496

0.478

0.488

0.477

四川

0.021

0.097

0.102

天津

0.066

0.064

0.070

0.064

西藏

0.000

新疆

0.000

云南

0.009

0.019

0.018

0.021

浙江

0.488

0.450

0.454

0.472

重庆

0.021

0.024

0.027

0.030

子群名称	子群成员
子群一	安徽上海福建浙江广东江西江苏湖北	安徽上海福建浙江广东湖南江苏江西湖北	安徽上海福建浙江广东湖南江西江苏湖北	安徽上海福建浙江广东湖南江西江苏湖北
子群二	黑龙江山西内蒙古山东河南吉林河北辽宁天津北京	黑龙江山西内蒙古河南吉林河北山东辽宁天津北京	黑龙江山西内蒙古山东河南吉林河北天津辽宁北京	黑龙江山西内蒙古山东河南吉林河北天津辽宁北京
子群三	陕西甘肃新疆西藏宁夏青海	陕西甘肃青海新疆宁夏	陕西新疆甘肃青海宁夏	陕西新疆甘肃青海宁夏
子群四	贵州四川广西湖南云南海南重庆	贵州四川西藏广西云南海南重庆	贵州广西四川西藏云南海南重庆	贵州四川西藏广西云南海南重庆

子群名称

子群成员

2004年

2009年

2014年

2019年

子群一

安徽
上海
福建
浙江
广东
江西
江苏
湖北

安徽
上海
福建
浙江
广东
湖南
江苏
江西
湖北

安徽
上海
福建
浙江
广东
湖南
江西
江苏
湖北

子群二

黑龙江
山西
内蒙古
山东
河南
吉林
河北
辽宁
天津
北京

黑龙江
山西
内蒙古
河南
吉林
河北
山东
辽宁
天津
北京

黑龙江
山西
内蒙古
山东
河南
吉林
河北
天津
辽宁
北京

子群三

陕西
甘肃
新疆
西藏
宁夏
青海

陕西
甘肃
青海
新疆
宁夏

陕西
新疆
甘肃
青海
宁夏

子群四

贵州
四川
广西
湖南
云南
海南
重庆

贵州
四川
西藏
广西
云南
海南
重庆

贵州
广西
四川
西藏
云南
海南
重庆

贵州
四川
西藏
广西
云南
海南
重庆

年份	子群名称	内部关系数	子群成员数	溢出关系数	接收关系数	期望内部关系占比/%	实际内部关系占比/%	角色类型
2004	子群一	41	8	48	9	23.33	46.07	双向溢出
子群二	40	10	21	33	30.00	65.57	经纪人
子群三	8	6	4	35	16.67	66.67	主受益
子群四	30	7	19	15	20.00	61.22	经纪人
2009	子群一	52	9	46	9	26.67	53.06	双向溢出
子群二	43	10	24	34	30.00	64.18	经纪人
子群三	5	5	5	32	13.33	50.00	主受益
子群四	27	7	15	15	20.00	64.29	经纪人
2014	子群一	51	9	42	10	26.67	54.84	双向溢出
子群二	42	10	24	34	30.00	63.64	经纪人
子群三	5	5	7	29	13.33	41.67	主受益
子群四	23	7	14	14	20.00	62.16	经纪人
2019	子群一	52	9	45	10	26.67	53.61	双向溢出
子群二	42	10	23	36	30.00	64.62	经纪人
子群三	5	5	8	29	13.33	38.46	主受益
子群四	27	7	14	15	20.00	65.85	经纪人

年份

子群名称

内部关系数

子群成员数

溢出关系数

接收关系数

期望内部关系占比/%

实际内部关系占比/%

角色类型

2004

子群一

23.33

46.07

双向溢出

子群二

30.00

65.57

经纪人

子群三

16.67

66.67

主受益

子群四

20.00

61.22

经纪人

2009

子群一

26.67

53.06

双向溢出

子群二

30.00

64.18

经纪人

子群三

13.33

50.00

主受益

子群四

20.00

64.29

经纪人

2014

子群一

26.67

54.84

双向溢出

子群二

30.00

63.64

经纪人

子群三

13.33

41.67

主受益

子群四

20.00

62.16

经纪人

2019

子群一

26.67

53.61

双向溢出

子群二

30.00

64.62

经纪人

子群三

13.33

38.46

主受益

子群四

20.00

65.85

经纪人

年份	子群名称	密度矩阵	像矩阵
2004	子群一	0.732	0.400	0.083	0.214	1	1	0	0
子群二	0.063	0.444	0.267	0.000	0	1	1	0
子群三	0.000	0.017	0.267	0.071	0	0	1	0
子群四	0.071	0.000	0.357	0.714	0	0	1	1
2009	子群一	0.722	0.356	0.133	0.127	1	1	0	0
子群二	0.067	0.478	0.320	0.029	0	1	1	0
子群三	0.000	0.000	0.250	0.143	0	0	1	0
子群四	0.048	0.029	0.286	0.643	0	0	1	1
2014	子群一	0.708	0.344	0.111	0.095	1	1	0	0
子群二	0.067	0.467	0.320	0.029	0	1	1	0
子群三	0.000	0.020	0.250	0.171	0	0	1	0
子群四	0.063	0.029	0.229	0.548	0	0	1	1
2019	子群一	0.722	0.356	0.111	0.127	1	1	0	0
子群二	0.067	0.467	0.320	0.014	0	1	1	0
子群三	0.000	0.040	0.250	0.171	0	0	1	0
子群四	0.063	0.029	0.229	0.643	0	0	0	1

年份

子群名称

密度矩阵

像矩阵

子群一

子群二

子群三

子群四

子群一

子群二

子群三

子群四

2004

子群一

0.732

0.400

0.083

0.214

子群二

0.063

0.444

0.267

0.000

子群三

0.000

0.017

0.267

0.071

子群四

0.071

0.000

0.357

0.714

2009

子群一

0.722

0.356

0.133

0.127

子群二

0.067

0.478

0.320

0.029

子群三

0.000

0.250

0.143

子群四

0.048

0.029

0.286

0.643

2014

子群一

0.708

0.344

0.111

0.095

子群二

0.067

0.467

0.320

0.029

子群三

0.000

0.020

0.250

0.171

子群四

0.063

0.029

0.229

0.548

2019

子群一

0.722

0.356

0.111

0.127

子群二

0.067

0.467

0.320

0.014

子群三

0.000

0.040

0.250

0.171

子群四

0.063

0.029

0.229

0.643