蒲 強(qiáng), 董明輝, 鄒 濱

?

基于空間自相關(guān)的縣域經(jīng)濟(jì)時(shí)空集聚過程研究

蒲 強(qiáng)1, 董明輝2, 鄒 濱1

(1. 中南大學(xué) 地球科學(xué)與信息物理學(xué)院, 湖南 長(zhǎng)沙, 410083; 2. 湖南文理學(xué)院 資源環(huán)境與旅游學(xué)院, 湖南 常德, 415000)

運(yùn)用Moran’s和Getis-Ord G*指數(shù),以某區(qū)縣域單元為對(duì)象, 選取2000—2010年人均GDP及其相對(duì)增長(zhǎng)量為指標(biāo), 對(duì)研究區(qū)經(jīng)濟(jì)時(shí)空集聚過程進(jìn)行了分析. 結(jié)果表明: (1)研究區(qū)人均GDP縣域經(jīng)濟(jì)總體上呈現(xiàn)出較強(qiáng)的空間自相關(guān)性, 且空間自相關(guān)態(tài)勢(shì)在2000—2010年間逐年加強(qiáng)(Moran’s從0.18增長(zhǎng)到0.41), 區(qū)域形成了北部高經(jīng)濟(jì)發(fā)展水平集聚區(qū), 而南部各縣市單元?jiǎng)t組成了低經(jīng)濟(jì)發(fā)展水平集聚區(qū); (2)經(jīng)濟(jì)增長(zhǎng)的空間格局呈現(xiàn)出較強(qiáng)的不穩(wěn)定性, 但與人均GDP的演化趨勢(shì)較為一致. 通過研究發(fā)現(xiàn)Moran’s和Getis-OrdG*指數(shù)能夠較好透視區(qū)域經(jīng)濟(jì)發(fā)展格局時(shí)空演化過程, 也肯定了空間自相關(guān)方法在區(qū)域經(jīng)濟(jì)發(fā)展規(guī)劃制定中的潛在價(jià)值.

空間自相關(guān); GIS; 區(qū)域經(jīng)濟(jì); 時(shí)空格局

按照新古典增長(zhǎng)理論, 在區(qū)域?qū)用嫔? 集聚經(jīng)濟(jì)是指經(jīng)濟(jì)增長(zhǎng)還將受到周邊地區(qū)經(jīng)濟(jì)發(fā)展的影響[1], 不同于傳統(tǒng)觀念上經(jīng)濟(jì)現(xiàn)象和經(jīng)濟(jì)活動(dòng)的簡(jiǎn)單集聚, 它是區(qū)域產(chǎn)業(yè)發(fā)展到一定階段的產(chǎn)物. 由不同尺度的單元組成的城市群是一個(gè)互聯(lián)的系統(tǒng)[2], 其中存在資本、勞動(dòng)力和資源等的流通, 在交通、物流和通信的完善下區(qū)域間的交流會(huì)愈加密切, 這一過程往往導(dǎo)致區(qū)域內(nèi)經(jīng)濟(jì)發(fā)展水平相似的單元發(fā)生集聚. 進(jìn)而伴生出區(qū)域經(jīng)濟(jì)發(fā)展的差異擴(kuò)大化, 所以分析區(qū)域經(jīng)濟(jì)時(shí)空集聚過程, 對(duì)于認(rèn)識(shí)經(jīng)濟(jì)空間結(jié)構(gòu), 保持發(fā)達(dá)地區(qū)的優(yōu)勢(shì)、加快落后地區(qū)的發(fā)展具有指導(dǎo)意義, 同時(shí)也能夠發(fā)現(xiàn)區(qū)域宏觀調(diào)控或發(fā)展政策是否達(dá)到預(yù)期的目的、區(qū)域的經(jīng)濟(jì)是否朝著預(yù)期的方向發(fā)展.

地理學(xué)第一定律指出: 所有的事物都是相互聯(lián)系的, 但離得越近彼此之間的聯(lián)系越強(qiáng)[3]. 空間自相關(guān)可以量測(cè)空間事物的分布是否具有自相關(guān)性, 高的自相關(guān)性代表空間現(xiàn)象存在集聚性[4]. 空間自相關(guān)分為全局和局部假設(shè)檢驗(yàn)兩種, 在給定顯著性水平下, 全局空間自相關(guān)表征研究區(qū)相似屬性的平均集聚程度; 而局部空間自相關(guān)回答集聚區(qū)的具體空間分布[1]. 目前, 基于空間自相關(guān)的統(tǒng)計(jì)分析方法已廣泛應(yīng)用于農(nóng)業(yè)、地質(zhì)、土壤、水文、環(huán)境、經(jīng)濟(jì)以及地理等領(lǐng)域[5-8]. 在區(qū)域經(jīng)濟(jì)層面, 由于加入空間臨近概念彌補(bǔ)了傳統(tǒng)度量指標(biāo)如基尼系數(shù)[9]和Ellison-Glaeser指數(shù)[10]等在空間視角的缺失, 空間自相關(guān)分析能夠從時(shí)序和空間角度全面地表達(dá)區(qū)域經(jīng)濟(jì)集聚特征. 為探究區(qū)域經(jīng)濟(jì)時(shí)空集聚過程, 本文以某區(qū)縣域行政單元為對(duì)象, 運(yùn)用全局自相關(guān)Moran’s指數(shù)[11]、局部空間關(guān)聯(lián)指數(shù)Getis-OrdG[12], 以2000年到2010年間11個(gè)時(shí)間斷面為基礎(chǔ), 利用人均GDP及其相對(duì)增長(zhǎng)量指標(biāo)分析研究區(qū)經(jīng)濟(jì)集聚的時(shí)空差異.

1 數(shù)據(jù)來(lái)源與研究方法

本研究選取湖南A、B、C三個(gè)地級(jí)市, 共15個(gè)縣域行政單元為研究區(qū). 各縣域單元2000-2010年的人均GDP指標(biāo)數(shù)據(jù)均來(lái)自2000-2010年研究區(qū)省統(tǒng)計(jì)年鑒. 研究過程中, 主要采取Moran’s和Getis-OrdG*指數(shù)對(duì)研究區(qū)人均GDP和經(jīng)濟(jì)平均增長(zhǎng)指標(biāo)的空間集聚性進(jìn)行了探測(cè).

1.1 全局空間自相關(guān)指數(shù)

全局Moran’s指數(shù)作為對(duì)屬性值在整個(gè)研究區(qū)域的全局空間自相關(guān)特性的描述, 其公式如下:

1. 2 局部空間關(guān)聯(lián)指數(shù)

局部Moran’s和局部Getis-Ord G都是用于測(cè)度空間局部自相關(guān)的指標(biāo). 已有研究現(xiàn)實(shí), 與局部Moran’s相比, 局部Getis-OrdG在探測(cè)局部空間集聚尤其是高值集聚時(shí)更準(zhǔn)確[13], 因而本研究選取局部Getis-Ord G指數(shù)探測(cè)局部空間高值簇與低值簇, 使用ArcINFO將其空間可視化, 采取Jenks最佳自然斷裂法實(shí)現(xiàn)研究區(qū)各年份G統(tǒng)計(jì)值從高到低的分區(qū), 并完成HotSpot (熱點(diǎn)區(qū))及ColdSpot(冷點(diǎn)區(qū))的空間制圖.

1. 3 經(jīng)濟(jì)平均增長(zhǎng)指數(shù)

由于基于人均GDP的空間自相關(guān)分析僅能從靜態(tài)角度揭示研究區(qū)經(jīng)濟(jì)的空間集聚過程[14], 為探究研究區(qū)動(dòng)態(tài)經(jīng)濟(jì)發(fā)展的空間熱點(diǎn), 本研究還將研究期間的11個(gè)時(shí)間斷面分成3個(gè)時(shí)段: 2000-2004、2004-2007、2007-2010, 在此基礎(chǔ)上計(jì)算節(jié)各時(shí)段的經(jīng)濟(jì)增長(zhǎng)指數(shù), 使得不同時(shí)期的增長(zhǎng)速度具有可比性[15].

2 結(jié)果分析

2.1 研究區(qū)經(jīng)濟(jì)集聚時(shí)序變化特征分析

如表1所示, 研究區(qū)2000-2010年11個(gè)時(shí)間斷面縣域人均GDP的全局Moran’s值都為正, 并且檢驗(yàn)結(jié)果均在1%水平上顯著, 并且指數(shù)值隨時(shí)間發(fā)展逐漸增長(zhǎng). 表明: 研究區(qū)縣域經(jīng)濟(jì)存在顯著的正空間自相關(guān), 即區(qū)域內(nèi)經(jīng)濟(jì)發(fā)展水平高的各單元在空間上集聚, 經(jīng)濟(jì)發(fā)展水平低的各單元在空間上集聚, 經(jīng)濟(jì)集聚的程度也在逐年增強(qiáng), 并且區(qū)域內(nèi)部單元發(fā)展水平差異有縮小的趨勢(shì), 因而促進(jìn)縣域經(jīng)濟(jì)全局空間異質(zhì)性減弱.

表1 2000-2010年研究區(qū)人均GDP全局自相關(guān)特征Moran’s I指數(shù)值

2.2 研究區(qū)經(jīng)濟(jì)集聚空間特征逐年變化分析

在人均GDP時(shí)序特征分析的基礎(chǔ)上, 圖1通過對(duì)Getis-Ord G指數(shù)的表達(dá), 探究其空間高值簇與低值簇時(shí)發(fā)現(xiàn): 熱點(diǎn)區(qū)集中在以A市為核心的區(qū)域; 而冷點(diǎn)區(qū)則長(zhǎng)期位于南部區(qū)域. 雖然B市和C市也作為區(qū)域的中心城市并有較高的絕對(duì)經(jīng)濟(jì)量, 但與其鄰近的各縣市相對(duì)較落后, 所以一直未能進(jìn)入熱點(diǎn)區(qū)域. 再?gòu)睦錈狳c(diǎn)區(qū)變遷看, 2008年開始熱點(diǎn)區(qū)繼續(xù)擴(kuò)大并定型, 2003年以后冷點(diǎn)區(qū)集聚收縮于區(qū)域南部, 說(shuō)明該區(qū)域以北部A市為核心經(jīng)濟(jì)圈的空間格局逐漸成型并趨于穩(wěn)定.

圖1 人均GDP空間格局熱點(diǎn)的演化圖

2.3 研究區(qū)經(jīng)濟(jì)集聚空間特征分階段變化分析

圖2表明, 研究區(qū)各時(shí)段經(jīng)濟(jì)平均增長(zhǎng)熱點(diǎn)格局差異顯著且存在冷熱點(diǎn)區(qū)直接鄰接的現(xiàn)象, 反映出研究區(qū)經(jīng)濟(jì)增長(zhǎng)的空間格局不穩(wěn)定, 集聚水平較低. 熱點(diǎn)區(qū)在3個(gè)時(shí)段中遷移頻繁, 但仍以區(qū)域北部較為集中, 南部單元從熱點(diǎn)區(qū)逐漸演化掉入冷點(diǎn)區(qū)表現(xiàn)出區(qū)域南部經(jīng)濟(jì)發(fā)展速度急劇減慢, 發(fā)展動(dòng)力不足. 再比較人均GDP的熱點(diǎn)圖發(fā)現(xiàn): 兩種指標(biāo)演化趨勢(shì)較為一致, 都形成了以北部為熱點(diǎn)區(qū)而南部為冷點(diǎn)區(qū)的格局.

圖2 研究區(qū)經(jīng)濟(jì)增長(zhǎng)的空間格局熱點(diǎn)演化圖

3 結(jié)論

本研究在Moran’s和Getis-OrdG指數(shù)支持下, 利用2000～2010年人均GDP和人均GDP相對(duì)增長(zhǎng)率為指標(biāo), 以某區(qū)為例進(jìn)行了縣域經(jīng)濟(jì)的時(shí)空集聚過程分析. 相對(duì)于傳統(tǒng)的經(jīng)濟(jì)集聚研究, 本研究在時(shí)序角度的基礎(chǔ)上加入了空間概念, 從全局到局部識(shí)別空間集聚特征和過程, 并且進(jìn)一步分析了研究區(qū)經(jīng)濟(jì)相對(duì)增長(zhǎng)量的格局, 得到了以下結(jié)論:

(1) 研究區(qū)在人均GDP指標(biāo)上表現(xiàn)出較強(qiáng)的空間自相關(guān)性, 整體空間經(jīng)濟(jì)聯(lián)系愈加緊密并朝著集聚化態(tài)勢(shì)發(fā)展, 形成了以A市為中心的核心城市圈, 并且存在緩慢的熱點(diǎn)擴(kuò)散態(tài)勢(shì). 冷點(diǎn)區(qū)逐漸收縮到區(qū)域最南部, 但南北的發(fā)展水平差異正在逐年縮小.

(2) 研究區(qū)經(jīng)濟(jì)相對(duì)增長(zhǎng)量的空間格局呈現(xiàn)不穩(wěn)定性和空間異質(zhì)性, 但演化趨勢(shì)與人均GDP演化趨勢(shì)較為一致, 同時(shí), 因兩種空間格局存在內(nèi)在聯(lián)系, 所以某個(gè)時(shí)段相對(duì)經(jīng)濟(jì)增長(zhǎng)的冷熱點(diǎn)區(qū)往往會(huì)在人均GDP的經(jīng)濟(jì)格局中發(fā)生遷移.

(3) 結(jié)合研究結(jié)果得知: 在保持區(qū)域北部發(fā)展勢(shì)頭的同時(shí)合理地規(guī)劃發(fā)展方案或制定政策以加快南部區(qū)域的發(fā)展能夠提高城市群空間經(jīng)濟(jì)集聚水平, 對(duì)于該區(qū)域整體經(jīng)濟(jì)實(shí)力和區(qū)域影響力的提升有著重大意義.

然而需要指出的是, 本研究在空間自相關(guān)統(tǒng)計(jì)分析中缺乏對(duì)客觀存在的可塑性面積單元問題 (modifi- able areal unit problem, MAUP) 的考慮[16]. 因此, 進(jìn)一步在同一區(qū)域開展多尺度分析, 實(shí)現(xiàn)不同尺度區(qū)域變量的最佳擬合, 降低MAUP效應(yīng)是此類研究中亟待解決的重要問題之一. 此外, 在驅(qū)動(dòng)因素分析方面, 如何進(jìn)一步在定量模式下分析各個(gè)要素單一或聯(lián)合作用下的貢獻(xiàn)力差異, 也有待進(jìn)一步研究.

[1] 葛瑩, 姚士謀, 蒲英霞, 等. 運(yùn)用空間自相關(guān)分析集聚經(jīng)濟(jì)類型的地理格局[J]. 人文地理, 2005, 83(3): 21-25.

[2] 董冠鵬, 郭騰云, 馬靜. 京津冀都市區(qū)經(jīng)濟(jì)增長(zhǎng)空間分異的GIS分析[J]. 地球信息科學(xué)學(xué)報(bào), 2010, 12(6): 797-805.

[3] Tobler W. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46(2): 234-240.

[4] 孫英君, 王勁峰, 柏延臣. 地統(tǒng)計(jì)學(xué)方法進(jìn)展研究[J]. 地球科學(xué)進(jìn)展, 2004, 19(2): 269-274.

[5] Fatih C, Sand Dall’erba. Spatial disparities across the regions of Turkey: an exploratory spatial data analysis[J]. Ann Reg Sci, 2010, 45(3): 779-400.

[6] 馬洪超, 李德仁. 基于空間統(tǒng)計(jì)學(xué)的空間數(shù)據(jù)窗口大小的確定[J]. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版, 2001, 26(1): 18-23.

[7] 蔡芳芳, 濮勵(lì)杰, 張健, 等. 基于ESDA的江蘇省縣域經(jīng)濟(jì)發(fā)展空間模式解析. 經(jīng)濟(jì)地理[J], 2012, 32(3): 22-28.

[8] 張鴻輝, 增永年, 金曉斌. 南京市城市地價(jià)空間自相關(guān)分析[J]. 南京大學(xué)學(xué)報(bào), 2009, 45(6): 821-830.

[9] 梁進(jìn)社, 孔健. 基尼系數(shù)和變差系數(shù)對(duì)區(qū)域不平衡性度量的差異[J]. 北京師范大學(xué)學(xué)報(bào), 1998, 34(3): 409-413.

[10] Ellison G, Glaeser E L. Geographic Concentration in US Manufacturing Industries: A Dartboard Approach[J].The Journal of Political Economy, 1997, 105(5): 889-927.

[11] Anselin L. Local indicators of spatial association: LISA[J]. Geographical Analysis, 1995, 27(2): 93-115.

[12] Getis A, Ord J K. The Analysis of Spatial Association by the Use of Distance Statistics[J]. Geographical Analysis, 1992, 24(1): 189-206.

[13] 張松林, 張昆. 空間自相關(guān)局部指標(biāo)Moran指數(shù)和G系數(shù)研究[J]. 大地測(cè)量與地球動(dòng)力, 2007, 27(3): 31-34.

[14] 王靜, 張小雷, 杜宏茹. 新疆縣域經(jīng)濟(jì)空間格局演化特征[J]. 地理科學(xué)進(jìn)展, 2011, 30(4): 471-478.

[15] 靳誠(chéng), 陸玉麒. 基于縣域單元的江蘇省經(jīng)濟(jì)空間格局演化[J]. 地理學(xué)報(bào), 2009, 64(6): 713-724.

[16] 陳江平, 張瑤, 余遠(yuǎn)劍. 空間自相關(guān)的可塑性面積單元問題效應(yīng)[J]. 地理學(xué)報(bào), 2011, 66(2): 1597-1606.

Time-space pattern evolvement of regional economy based on spatial autocorrelationship

PU Qiang1, DONG Ming-hui2, ZOU Bin1

(1. School of Geosciences and Info-Physics, Central South University, Changsha 410083, China; 2. Department of Geography, Hunan University of Arts and Science, Changde 415000, China)

Based on the per capita GDP of each city from 2000 to 2010, this paper describes the spatial changes of the economy in the metropolitan region at country level by using the Moran’sand Getis-OrdG. Some conclusions are drawn as follows: (1) Considering the overall spatial economic framework of per capita GDP, the county economy of the study area shows a strong trend of spatial natural correlation with the value of Moran’sincreased from 0.18 to 0.41,which contributes to the shapping of hotspot cluster in the northen and coldspot cluster in the southern. (2) The development of the spatial econimic growth framework is likely to be more unstable in the aspect of spatial distribution. Meanwhile, hotspot areas tend to be converged in the Northern which is relatively the same as overall spatial economic framework. The reseach also reveal the very use of Moran’sand Getis-Ord G*in exploring regional spatial autocorrelationship and planning of regional economy.

spatial association; GIS; regional economy; time-space distribution

F127

1672-6146(2012)04-0026-004

10.3969/j.issn.1672-6146.2012.04.006

2012-10-27

蒲強(qiáng)(1990-), 男, 本科, 研究方向?yàn)镚IS時(shí)空建模. E-mail: puqiang001@gmail.com

董明輝(1955-), 男, 教授, 研究方向?yàn)閰^(qū)域經(jīng)濟(jì). E-mail:Mhdong1954@yahoo.com.cn

(責(zé)任編校:譚長(zhǎng)貴)