長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展不平衡測(cè)度與分析

■陳勇

（江蘇航運(yùn)職業(yè)技術(shù)學(xué)院，江蘇 南通 226000）

區(qū)域發(fā)展不平衡是導(dǎo)致社會(huì)、經(jīng)濟(jì)甚至政治問(wèn)題的根本原因，除了對(duì)國(guó)民經(jīng)濟(jì)增長(zhǎng)產(chǎn)生不利影響，還影響內(nèi)需拉動(dòng)并增加貧困。圍繞區(qū)域發(fā)展差異問(wèn)題，如何科學(xué)準(zhǔn)確地測(cè)度不平衡程度和變化趨勢(shì)，并辨明不平衡的成因，已成為當(dāng)前的研究熱點(diǎn)?，F(xiàn)如今，有關(guān)研究主要集中在區(qū)域經(jīng)濟(jì)發(fā)展的差距程度和時(shí)空變化特性等層面，研究方法主要有基尼系數(shù)、錫爾系數(shù)、空間自相關(guān)系數(shù)、極化指數(shù)等。有關(guān)區(qū)域經(jīng)濟(jì)發(fā)展不均衡及其測(cè)度理論探索成果，給長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展不平衡測(cè)度與分析帶來(lái)了巨大的參考價(jià)值。以此為基礎(chǔ)，本文分別基于時(shí)間發(fā)展角度對(duì)區(qū)域經(jīng)濟(jì)差異進(jìn)行測(cè)度、分解，充分利用空間分布，針對(duì)其經(jīng)濟(jì)發(fā)展情況做整體的分析和空間布局上的展示。時(shí)間趨勢(shì)上，借助于絕對(duì)差異、相對(duì)差異的方式，針對(duì)長(zhǎng)三角區(qū)域整體經(jīng)濟(jì)發(fā)展差距的情況進(jìn)行測(cè)度，同時(shí)借助于基尼系數(shù)及其按子群分解的方式探索長(zhǎng)三角區(qū)域內(nèi)省際與省內(nèi)經(jīng)濟(jì)發(fā)展差距的情況?？臻g分布方面，選擇諸多衡量區(qū)域經(jīng)濟(jì)差距的指標(biāo)，針對(duì)主成分實(shí)行整體分析，從而研究長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展是否存在空間分布非均衡性特征。

一、經(jīng)濟(jì)差異測(cè)度

（一）方法的選取和介紹

國(guó)內(nèi)外很多學(xué)者探索了不同的方法來(lái)明確地區(qū)經(jīng)濟(jì)間的不均衡性，重點(diǎn)涵蓋了絕對(duì)差異與相對(duì)差異。其中，前者主要是指各個(gè)地區(qū)針對(duì)相同經(jīng)濟(jì)指標(biāo)絕對(duì)數(shù)的相差值，后者是指在不同區(qū)域中同一經(jīng)濟(jì)指標(biāo)中相對(duì)數(shù)的相差值[1]。本研究選擇了人均GDP經(jīng)濟(jì)指標(biāo)，分別從絕對(duì)差異和相對(duì)差異兩個(gè)方面，為長(zhǎng)三角區(qū)域經(jīng)濟(jì)差異做分析。

（二）長(zhǎng)三角區(qū)域經(jīng)濟(jì)差異測(cè)度結(jié)果分析

地區(qū)間經(jīng)濟(jì)發(fā)展的不均衡性能反映成某個(gè)時(shí)間范圍內(nèi)不同區(qū)域的靜態(tài)發(fā)展程度，能夠以不同區(qū)域某個(gè)經(jīng)濟(jì)變量的絕對(duì)量在整個(gè)國(guó)家中的占比或相對(duì)量（其中包括人均量等）作為相關(guān)的定量評(píng)價(jià)標(biāo)準(zhǔn)。將不同區(qū)域人均GDP作為科學(xué)檢測(cè)工具，作用在宏觀經(jīng)濟(jì)運(yùn)轉(zhuǎn)中，作為發(fā)展經(jīng)濟(jì)學(xué)中的經(jīng)濟(jì)發(fā)展現(xiàn)狀的核心指標(biāo)，所以，本文就采用了人均GDP這一檢測(cè)指標(biāo)?；跀?shù)據(jù)的可獲得性，本研究選取的時(shí)間是從2009年到2018年，選取長(zhǎng)三角地區(qū)中的杭州市、寧波市、嘉興市、湖州市、紹興市、舟山市、南京市、無(wú)錫市、常州市、蘇州市、揚(yáng)州市、鎮(zhèn)江市、泰州市、合肥市、馬鞍山市、蕪湖市、宣城市、安慶市、上海市等27個(gè)市的人均GDP進(jìn)行計(jì)算，得出長(zhǎng)三角10年之間區(qū)域經(jīng)濟(jì)發(fā)展差異中的絕對(duì)差異和相對(duì)差異（如附表1所示）。

從長(zhǎng)三角區(qū)域各城市的人均GDP分析結(jié)果來(lái)看，2009年到2018年期間各城市的極差和標(biāo)準(zhǔn)差明顯上升，說(shuō)明長(zhǎng)三角各城市經(jīng)濟(jì)發(fā)展絕對(duì)不平衡加??；從相對(duì)極差和變異系數(shù)來(lái)看，長(zhǎng)三角各城市經(jīng)濟(jì)發(fā)展的相對(duì)不均衡程度在縮小。

如附表1所示，從絕對(duì)差異的角度來(lái)看，2009年—2018年間，長(zhǎng)三角區(qū)域經(jīng)濟(jì)差異逐步擴(kuò)大。極差和標(biāo)準(zhǔn)差的趨式基本統(tǒng)一，整體表現(xiàn)出逐年向上的趨式。2009年極差值僅69694，而2018年極差值上升為133182，標(biāo)準(zhǔn)差也由2009年的19733.6086上升為2018年的38590.5877。從相對(duì)差異的角度來(lái)看，長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展的相對(duì)不均衡程度在縮小。極差及變異系數(shù)的趨式基本一致，整體表現(xiàn)出逐年回落的趨式，唯有在2016年的極差、2010年和2015年的變異系數(shù)，有小幅度的上升，但是不影響整體下降的趨勢(shì)。2009年極差為1.5069，到2018年極差值下降到僅為1.2939，而變異系數(shù)也由2009年的0.4267下降為2018年的0.3749。

附表1 長(zhǎng)三角區(qū)域上海市等27市2009年—2018年人均GDP差異變化

二、經(jīng)濟(jì)差異分解

現(xiàn)階段，國(guó)內(nèi)外學(xué)術(shù)界測(cè)算區(qū)域差距的方式十分豐富。其中，包括泰爾指數(shù)、加權(quán)變異系數(shù)等，但是此類(lèi)方式均沒(méi)有兼顧子樣本的劃分情況，存在著一定的不足。對(duì)比此類(lèi)方式，基尼系數(shù)和相關(guān)子群分解法，能采用科學(xué)的方式解決其中的不足。因此，本研究中采用基尼系數(shù)分解法基于綜合視野論述分析長(zhǎng)三角經(jīng)濟(jì)發(fā)展的區(qū)域不均衡問(wèn)題。具體來(lái)說(shuō)，本研究將長(zhǎng)三角按照?。ㄊ校﹦澐譃?個(gè)區(qū)域，即上海市（滬）、江蘇?。ㄌK）、浙江?。ㄕ悖不帐。ㄍ睿瑢?duì)經(jīng)濟(jì)發(fā)展的區(qū)域加以細(xì)分，就綜合差距、省內(nèi)差距、省際差距等指標(biāo)加以測(cè)算。

（一）長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)展的總體差距及其演變趨勢(shì)分析

經(jīng)過(guò)測(cè)算發(fā)現(xiàn)，在2009—2018年的十年中，長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)展的整體差異顯現(xiàn)出逐年回落的趨勢(shì)，這表明在這些地區(qū)之間的差異在逐步平衡，區(qū)域經(jīng)濟(jì)發(fā)展的環(huán)境不平衡現(xiàn)象出現(xiàn)了緩解的局面，區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展形勢(shì)良好。而關(guān)于長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)展的總體地區(qū)差距變化趨勢(shì)，總體來(lái)說(shuō)，表現(xiàn)出下降的總體趨式，這也說(shuō)明多年來(lái)滬、蘇、浙、皖四個(gè)地區(qū)的政府采用的促使區(qū)域經(jīng)濟(jì)一體化的有關(guān)政策為減少地區(qū)經(jīng)濟(jì)發(fā)展差距帶來(lái)了政策性的效果[2]。

從演變趨勢(shì)看，長(zhǎng)三角中三?。ńK省、浙江省、安徽?。┑膮^(qū)域內(nèi)差異都表現(xiàn)出下降的趨勢(shì)，這表明各省內(nèi)部經(jīng)濟(jì)發(fā)展情況得到改善。不過(guò)從演變的程度來(lái)看，經(jīng)濟(jì)發(fā)展地區(qū)差異呈現(xiàn)先上升然后慢慢下降的趨式。如，安徽省經(jīng)濟(jì)發(fā)展差異先是逐年上升，再是逐步下降，最后又表現(xiàn)為上升的趨勢(shì)。江蘇省經(jīng)濟(jì)發(fā)展差異先是保持上升，后是持續(xù)下降且下降幅度明顯，即表現(xiàn)出明顯的“倒U”型。測(cè)算結(jié)果顯示，江蘇省在長(zhǎng)三角區(qū)域經(jīng)濟(jì)中呈現(xiàn)出比較高的發(fā)展趨勢(shì)，在省內(nèi)經(jīng)濟(jì)發(fā)展差距上呈現(xiàn)出緩慢縮小的趨式，省內(nèi)經(jīng)濟(jì)發(fā)展程度協(xié)調(diào)度比較良好。浙江省經(jīng)濟(jì)發(fā)展地區(qū)差異演變較為平穩(wěn)，省內(nèi)基尼系數(shù)一直很低，這表明浙江省省內(nèi)各個(gè)城市在經(jīng)濟(jì)發(fā)展程度上沒(méi)有很大的差距，協(xié)調(diào)度程度很高。

（二）長(zhǎng)三角經(jīng)濟(jì)發(fā)展的地區(qū)間差異分析

本研究借助于基尼系數(shù)的解析，針對(duì)上海市、江蘇省、浙江省和安徽省四個(gè)地區(qū)進(jìn)行兩兩對(duì)比，系統(tǒng)地探索長(zhǎng)三角區(qū)域內(nèi)省際之間的經(jīng)濟(jì)發(fā)展程度差距。本研究通過(guò)對(duì)比分析發(fā)現(xiàn)，滬-皖的經(jīng)濟(jì)發(fā)展差距最大，滬-蘇、滬-浙和蘇-浙地區(qū)差異呈現(xiàn)穩(wěn)步下降的態(tài)勢(shì)。由此可見(jiàn)，長(zhǎng)三角各省際之間經(jīng)濟(jì)發(fā)展的地區(qū)差異呈現(xiàn)縮小的趨勢(shì)，在政策的協(xié)調(diào)下三省一市之間經(jīng)濟(jì)發(fā)展不均衡的情況獲得有效的解決。

（三）長(zhǎng)三角經(jīng)濟(jì)發(fā)展的地區(qū)差異貢獻(xiàn)率分析

在長(zhǎng)三角經(jīng)濟(jì)發(fā)展的地區(qū)差異貢獻(xiàn)率方面，2009—2018年十年間長(zhǎng)三角區(qū)域中差異的貢獻(xiàn)率沒(méi)有顯著波動(dòng)，而區(qū)域間的不同與超變密度的貢獻(xiàn)率則具有相應(yīng)的變化，同時(shí)超過(guò)了區(qū)域中的差異貢獻(xiàn)率，這表明區(qū)域間的差異即長(zhǎng)三角省際差距與超變密度為整體差異的核心影響要素。超變密度貢獻(xiàn)率呈現(xiàn)出了很高的程度，代表長(zhǎng)三角地區(qū)中滬、蘇、浙、皖4個(gè)地區(qū)間經(jīng)濟(jì)發(fā)展程度具有顯著的不同。

三、經(jīng)濟(jì)差異綜合分析

區(qū)域經(jīng)濟(jì)屬于繁復(fù)的系統(tǒng)，在區(qū)域經(jīng)濟(jì)評(píng)價(jià)方面要整體考量諸多層面的影響。本研究從時(shí)間上對(duì)長(zhǎng)三角區(qū)域經(jīng)濟(jì)差異做相關(guān)分析，主要選擇單一的指標(biāo)，即各市的人均GDP，固然在數(shù)據(jù)的掌握上比較容易，而且計(jì)算也比較正確，不過(guò)依然無(wú)法全方位、準(zhǔn)確地展現(xiàn)長(zhǎng)三角區(qū)域經(jīng)濟(jì)差異的狀況[3]。主成分分析是由哈羅德·霍特林于20世紀(jì)90年代最先提出的一種歸納數(shù)據(jù)的研究方式，這種方式借助于降維的概念，基于最少損失信息的形式采用極少幾個(gè)整體指標(biāo)來(lái)表現(xiàn)原有信息。本研究計(jì)劃使用主成分分析法設(shè)立一個(gè)可以評(píng)估長(zhǎng)三角地區(qū)經(jīng)濟(jì)差異的總體評(píng)價(jià)指標(biāo)體系。

（一）綜合指標(biāo)的構(gòu)建

對(duì)區(qū)域經(jīng)濟(jì)發(fā)展差異做相關(guān)評(píng)價(jià)時(shí)，依然要重視諸多的因素，綜合經(jīng)濟(jì)指標(biāo)機(jī)制是經(jīng)由核算各地區(qū)的、體現(xiàn)各種經(jīng)濟(jì)情況的指標(biāo)，然后進(jìn)行加總綜合預(yù)估。在設(shè)置綜合指標(biāo)機(jī)制時(shí)需要遵從代表性、科學(xué)性、整體性等原則。

1.代表性原則

本研究的探索目標(biāo)為長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展的不均衡現(xiàn)狀，要針對(duì)地區(qū)差異進(jìn)行定量綜合評(píng)價(jià)。所以，就要建立評(píng)價(jià)指標(biāo)體系和選擇經(jīng)濟(jì)指標(biāo)，在這種情況下，就要選取可代表區(qū)域經(jīng)濟(jì)發(fā)展情況的主要的、基礎(chǔ)的指標(biāo)，并且要規(guī)避選擇的指標(biāo)太多而導(dǎo)致模型復(fù)雜多變。

2.科學(xué)性原則

在建立綜合評(píng)價(jià)指標(biāo)體系時(shí)，要具備科學(xué)理論的支持，可直觀地反射出區(qū)域經(jīng)濟(jì)發(fā)展的切實(shí)現(xiàn)狀。在選擇經(jīng)濟(jì)指標(biāo)時(shí)要盡可能地規(guī)避信息雷同，相互之間要具備獨(dú)立性，繼而也能提高指標(biāo)體系的相關(guān)性，尤其是在科學(xué)性和正確性方面。

3.綜合性原則

在度量不同區(qū)域經(jīng)濟(jì)發(fā)展程度時(shí)，要從諸多層面考慮，并非從單一程度上考慮某種因素。所以，在選擇經(jīng)濟(jì)指標(biāo)時(shí)要包括經(jīng)濟(jì)發(fā)展整體水平和經(jīng)濟(jì)結(jié)構(gòu)水平等方面。

4.可行性原則

可行性原則要建立在評(píng)估指標(biāo)機(jī)制上，同時(shí)還要符合理論研究的需要和現(xiàn)實(shí)的可操作性。在搜集指標(biāo)數(shù)據(jù)時(shí)要盡可能地使用已有的統(tǒng)計(jì)資源，在人力、時(shí)間方面可行。選取的指標(biāo)數(shù)值要盡量齊全、正確，同時(shí)能在分析區(qū)域經(jīng)濟(jì)差異時(shí)具備明顯的效果[4]。

在遵守上述各項(xiàng)原則的層面上，本研究從區(qū)域經(jīng)濟(jì)發(fā)展經(jīng)濟(jì)水平、區(qū)域經(jīng)濟(jì)發(fā)展結(jié)構(gòu)水平及區(qū)域經(jīng)濟(jì)發(fā)展效率三個(gè)層面選擇了9項(xiàng)指標(biāo)來(lái)打造綜合評(píng)估指標(biāo)機(jī)制，以此體現(xiàn)長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)展的不均衡性。詳細(xì)而言，9項(xiàng)指標(biāo)主要是指經(jīng)濟(jì)發(fā)展類(lèi)指標(biāo)（GDP、人均GDP、整個(gè)社會(huì)固定資產(chǎn)投資、地方財(cái)政收益、社會(huì)消費(fèi)品零售規(guī)模、農(nóng)民人均純收益）、結(jié)構(gòu)水平指標(biāo)（二產(chǎn)在GDP中的占比、三產(chǎn)在GDP中的占比）、發(fā)展速度指標(biāo)（生產(chǎn)總值指數(shù)）。

（二）主成分分析的過(guò)程和結(jié)果

本研究中，對(duì)長(zhǎng)三角區(qū)域內(nèi)上海市等27個(gè)市進(jìn)行了統(tǒng)計(jì)，針對(duì)2009—2018年，疏導(dǎo)9項(xiàng)統(tǒng)計(jì)指標(biāo)的初始信息，且對(duì)其予以規(guī)范化處置。結(jié)合主成分分析法中的內(nèi)容，首先進(jìn)行KMO檢驗(yàn)。結(jié)果表明KMO=0.722，超過(guò)了0.7，這意味著可以開(kāi)展主成分分析。同時(shí)，本研究進(jìn)行球形度檢驗(yàn)，得到的計(jì)量結(jié)果為2426.679，伴隨概率是0，這說(shuō)明本研究所用數(shù)據(jù)符合因子分析的要求（如表1所示）。

表1 KOM檢驗(yàn)和球形度檢驗(yàn)

由附表2可以看到，前面3個(gè)成分在特征值上都超過(guò)了1，并且總計(jì)占據(jù)了總方差的81.796%，后續(xù)在特征值貢獻(xiàn)率上走勢(shì)愈來(lái)愈小，所以可更好、整體地展現(xiàn)出所有成分的信息。其中，前面三個(gè)主要成分的方差貢獻(xiàn)度分別為49.694%、20.314%和11.788%，說(shuō)明這三個(gè)因子對(duì)原始數(shù)據(jù)的解釋程度較好。因此，本研究中，這三個(gè)主成分將作為分析長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展差距的綜合變量[5]。

附表2 主成分特征值及方差貢獻(xiàn)率

所謂碎石圖，就是借助于特征值對(duì)核心成分或因子數(shù)量的標(biāo)繪圖，屬于確定維系多少主成分的核心模式。圖1所示為主成分針對(duì)特征值的碎石圖，根據(jù)點(diǎn)間連線的坡度程度就能看到成分的關(guān)鍵性。點(diǎn)間連線的坡度如果陡峭，那么就說(shuō)明斷點(diǎn)所針對(duì)的特征值具有極大的波動(dòng)，如果平緩就說(shuō)明特征值的改變不是很大。由圖1可看到，主成分1、2和3在連線上比較陡峭，表明前面三個(gè)部分可更好地表現(xiàn)出所有成分的信息，這種結(jié)果與文獻(xiàn)[6]中的結(jié)果契合。

圖1 碎石圖

本研究對(duì)原始因子載荷矩陣進(jìn)行方差最大程度地旋轉(zhuǎn)，同時(shí)得到了旋轉(zhuǎn)之后的因子載荷矩陣（見(jiàn)表2）。所有指標(biāo)及其匹配的主因子的有關(guān)程度表示相關(guān)的主因子的載荷結(jié)果。當(dāng)載荷結(jié)果大于零時(shí)，說(shuō)明該經(jīng)濟(jì)指標(biāo)和相對(duì)的主因子呈現(xiàn)出正比例關(guān)聯(lián)；并且載荷結(jié)果越大，有關(guān)程度越高[7]。

表2 旋轉(zhuǎn)后的因子載荷矩陣

從旋轉(zhuǎn)的成分矩陣來(lái)看，因子1在二產(chǎn)占GDP比重、三產(chǎn)占GDP比重、生產(chǎn)總值指數(shù)等因子的成分?jǐn)?shù)值較高，所以因子1可以命名為產(chǎn)業(yè)結(jié)構(gòu)；因子2在GDP、人均GDP、地方財(cái)政收入等經(jīng)濟(jì)類(lèi)指標(biāo)中的成分結(jié)果相對(duì)更高，因此因子2能稱(chēng)作是經(jīng)濟(jì)規(guī)模；因子3在全社會(huì)固定資產(chǎn)投資與社會(huì)消費(fèi)品零售總額中相對(duì)更高，所以因子3能稱(chēng)作是經(jīng)濟(jì)增長(zhǎng)來(lái)源。

本研究通過(guò)測(cè)算得出，長(zhǎng)三角區(qū)域中上海市等27市的綜合得分，并按照降序進(jìn)行排列（見(jiàn)表3）。由表3可知，長(zhǎng)三角區(qū)域經(jīng)濟(jì)之間依然存有相當(dāng)?shù)牟罹?。分?jǐn)?shù)值高于0.3的城市包含5個(gè)，分別為合肥、上海、杭州、蘇州與南京。其中，合肥為安徽省會(huì)，杭州為浙江省會(huì)，蘇州與南京則為江蘇管轄的城市。分?jǐn)?shù)最高的為合肥，與得分第二的上海市相差0.2482。得分在0～0.3之間的城市有5個(gè)，分別是寧波市、無(wú)錫市、舟山市、溫州市、常州市。其中，有2個(gè)市屬于江蘇省，有3個(gè)市屬于浙江省。得分在0以下即為負(fù)值的城市有17個(gè)，得分從高到低分別為臺(tái)州市、紹興市、蕪湖市、南通市、嘉興市、金華市、鹽城市、湖州市、鎮(zhèn)江市、安慶市、揚(yáng)州市、泰州市、馬鞍山市、宣城市、池州市、滁州市、銅陵市。其中，浙江與江蘇均有5個(gè)市，安徽則比其多了2個(gè)。長(zhǎng)三角區(qū)域中得分最高的合肥市（0.9254）和得分最低的銅陵市（-0.5133）相差1.4387。從而得知，長(zhǎng)三角區(qū)域內(nèi)各個(gè)地市的發(fā)展存在較高的差距。

表3 各地區(qū)綜合得分及排名

根據(jù)排名和得分差距，能大概將長(zhǎng)三角地區(qū)分為三大經(jīng)濟(jì)發(fā)展梯度區(qū)。具體而言，第一梯度為經(jīng)濟(jì)發(fā)達(dá)區(qū)，包含了整體得分超過(guò)0.3的5個(gè)城市，合肥市的整體得分是0.9254，分?jǐn)?shù)第一，分?jǐn)?shù)最低的是南京市，為0.3515，相差0.5739；第二梯度，經(jīng)濟(jì)較發(fā)達(dá)區(qū)，包含整體得分在0～0.3之間的5個(gè)城市，分?jǐn)?shù)最高的城市為寧波市（0.2264），分?jǐn)?shù)最低的城市為常州市（0.0049），差距僅有0.2215；第三梯度，經(jīng)濟(jì)落后區(qū)，包括綜合得分在0以下的17個(gè)城市，其中安徽省占據(jù)7個(gè)。由此可見(jiàn)，安徽省大部分城市在經(jīng)濟(jì)發(fā)展中位于長(zhǎng)三角經(jīng)濟(jì)發(fā)展的落后水平。這些城市總的來(lái)說(shuō)人口數(shù)量龐大，自然資源很少，區(qū)位優(yōu)勢(shì)較差，綜合經(jīng)濟(jì)發(fā)展較慢。從綜合角度而言，在長(zhǎng)三角地區(qū)的經(jīng)濟(jì)發(fā)展程度上上海市最高，江蘇省與浙江省的經(jīng)濟(jì)發(fā)展程度較高，安徽省的經(jīng)濟(jì)發(fā)展水平綜合而言還有待提升。

另外，從空間分布來(lái)看，第一梯度城市均為長(zhǎng)江三角洲區(qū)域一體化發(fā)展先行區(qū)，第二梯度城市主要為長(zhǎng)三角區(qū)域內(nèi)江蘇省和浙江省某些經(jīng)濟(jì)發(fā)展快速的城市，第三梯度城市大部分位于安徽省。由此可以得出，長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展程度從空間格局上基本呈現(xiàn)出從東到西逐步降低的趨式，也就是呈現(xiàn)出空間非均衡性特征。