0 引言 实现区域协调发展是中国“十二五”规划的重要战略目标之一。区域经济一体化是应对经济全球化的一种重要战略。随着地理位置相邻的城市之间竞争和合作的深化，区域内主要城市之间呈现网络化联系的特征，形成产业分工与合作，通过资源的共享创造协同效应。目前，中国区域竞争主要表现为各都市圈之间的整体竞争，而不是过去的那种单个城市之间的竞争[1]。城市群是一个具有动态演进特征的开放系统，其动态发展和区域格局变化造成了城市群之间边界的模糊性[2]。随着区域经济的发展和产业分工的深化，城市之间的经济联系和相互依存日趋紧密。城市群是在城镇化过程中，在城镇化水平较高的地域内，以区域网络化组织为纽带，由一个或若干个地理位置邻近的中心城市及其周边城市和其腹地通过空间相互作用而形成的区域经济系统。城市群的出现是生产力发展到一定阶段生产要素资源在区域内逐步优化配置的产物，是区域内出现的空间上高度密集、经济社会紧密联系的复杂空间组织形式，其最显著的特征就是集聚[3]。从世界发达地区城市化历程的经验来看，如伦敦城市群、巴黎城市群、纽约城市群、五大湖城市群和东京城市群等，城市群的出现是经济社会发展到一定阶段的必然产物，城市群能够突破资源的区域和行政区划制约，形成以中心城市为核心、周边城市为补充的阶梯状网络，城市群内部逐步形成产业分工，各个城市发展自身的优势产业参与区域合作，通过中心城市的扩散效应和周边城市的支持，实现资源的优化配置，促进区域的发展。 随着中国城市化的发展，区域内部相邻城市之间的分工和合作促进了城市群的出现和发展。据《2010中国城市群发展报告》，中国正在逐步发育和形成23个城市群，其中，长江三角洲城市群已跻身于国际公认的6大世界级城市群之列[4]，珠江三角洲、京津冀等14个城市群初具规模，中西部一些新兴崛起的城市群正随着中国中西部经济的快速发展逐步壮大。目前，中国已形成以长江三角洲城市群为龙头，京津冀和珠江三角洲城市群为两翼，东部、中部和西部全面推进的城市群发展格局，为中国新型城镇化发展奠定了良好的基础。在城市化的进程中，物流产业承担着重要的作用，物流业的崛起和发展缩短了城市之间的时间距离，扩大了城市之间的联系空间。微观层面上，时空因素作为资源和经营背景在很大程度上决定并约束着厂商的利润[5]，高利润吸引资源在城市群之间的聚集，从而有利于产业的培育和发展。宏观层面上，物流的时空价值对于区域产业的集聚和分工起着重要的作用，物流是资源交换最终得以实现的载体。区域物流能力决定了城市群资源配置的成本和效率以及城市群内部各城市之间时空联系的紧密程度，很多研究肯定了物流能力对于区域经济增长的贡献[6-9]。在城市群的形成发展过程中，物流在城市之间起着重要的连接作用，物流能力越强，城市之间的联系越紧密，人流、物流、商流、资金流和信息流效率越高，从而缩短城市之间的时空距离。因此，物流能力是城市群得以形成和发展的基础。 现有关于城市群的研究主要以单个城市群为评价对象，鲜有对中国城市群整体进行评价的成果[10]。已有文献缺少对主要城市群物流能力的研究，且多重视案例实证，缺少区域比较分析。这与中国目前物流产业发展实践和所处发展阶段相关。已有研究对沿海三大城市群特别是长三角城市群的个案较多，区域范围局限在东部沿海区域，缺少不同区域的比较分析[11]。另外，从实践的视角来看，中国长期非均衡的发展模式使得区域之间物流发展水平存在不平衡性，体制性障碍使物流业缺乏统一规范管理，设施建设未经统一规划，城市物流系统之间没有顺畅的衔接[12]，对城市群发展未能起到应有的支撑作用。因此，研究中国城市群的物流能力并进行比较不仅可以从理论上弥补现有文献的不足，而且可以从实践上为城市群的发展提供参考依据。 1 研究方法 1.1 物元和模糊物元
1.2 权重和欧氏贴近度复合模糊物元 在计算评价指标权重时，文献中较常用的方法有变异系数法和熵值法，这2种方法能够避免主观因素的影响，本研究采用熵值法。在信息论中，信息是系统有序程度的一个度量，而熵是对系统无序程度的度量，二者为相反数关系[13]。指标对系统的信息量贡献越大，不确定性就越小，熵也就越小；相反，指标对系统的信息量贡献越小，不确定性越大，熵也越大。在指标评价的过程中，熵值的大小取决于评价指标值的变异程度。评价指标值的变异程度越大，该指标对系统的信息量贡献就越大，熵值就越小，权重越大。反之，指标值变异程度越小，该指标对系统的信息量贡献就越小，熵值就越大，权重越小。熵值法的计算过程为：
贴近度衡量各事物与最优事物之间相互接近的程度，其值越大说明该事物越接近最优事物，可以根据贴近度的大小对各事物进行比较。 1.3 面板数据模糊物元 模糊物元分析法可用于多个事物(样本)的截面数据或者单个事物的时间序列数据(将时间视为事物)来进行比较排序。一般而言，物元分析法不能直接应用于面板数据，这是因为在面板数据中，对于每个事物而言，有时间(通常是年度)和指标2个维度，以样本为事物、指标为特征计算得到的各年度的欧氏贴近度只能进行跨样本比较，不能进行跨年度比较；同样，以时间为事物、指标为特征计算得到的各样本的欧氏贴近度只能进行跨年度比较，不能进行跨样本比较。原因在于，以一个维度为事物建立的模型，在按从优隶属度原则建立模糊物元的过程中，会消除另一个维度上事物间的绝对差异(组间差异)；其次，按一个维度建立模型，若按另一个维度进行比较，会导致各个比较事物在不同指标上的权重各不相同，实则不具有可比性[14]。
