降惠，張麗，李杰，降偉

（1.長治醫(yī)學院 計算機中心，山西 長治046000；2.山西農業(yè)大學 信息科學與工程學院，山西 太谷030801；3.中國共青團長治縣委員會，山西 長治047100；4.山西農業(yè)大學 馬克思主義學院，山西 太谷030801）

常言道，“郡縣治天下安，縣域強則國家富”。自古以來，縣域經濟就是國民經濟的重要組成部分。在黨的十六大提出壯大縣域經濟的戰(zhàn)略后，山西省縣域經濟發(fā)展取得了顯著的成效。然而，在縣域經濟快速發(fā)展的同時也出現(xiàn)了許多經濟發(fā)展不平衡的現(xiàn)象。長期以來，在山西省119個縣市中，形成了孝義、河津、柳林、介休等生產總值超過百億元經濟強縣，但也有平陸、方山、興縣、平順、黎城等經濟相對較弱的縣區(qū)［1］。適度的區(qū)域經濟差異對整個宏觀經濟發(fā)展有著積極的推動作用［2］。但是如果不加以科學有效的控制和利用，對發(fā)達和不發(fā)達地區(qū)經濟發(fā)展都會產生嚴重影響。因此，研究山西省縣域經濟差異迫在眉睫。

目前，對區(qū)域經濟差異的研究大都采用傳統(tǒng)統(tǒng)計學和數(shù)學分析方法。但隨著經濟指標的變化，這些傳統(tǒng)的方法已越來越凸顯滯后性和局限性，一定程度上已經不能及時、準確反映山西省縣域經濟發(fā)展的總體格局和動態(tài)演變。隨著計算機科學技術的快速發(fā)展，空間數(shù)據(jù)挖掘技術已趨于成熟。與以往的統(tǒng)計學方法相比，空間數(shù)據(jù)挖掘技術更能夠反映經濟指標的空間相關性，能夠更加客觀準確地反映一定地區(qū)，一定時期內某些經濟指標的變化，為經濟學專家學者以及各級政府部門制定正確的經濟發(fā)展政策提供有力的技術支撐和理論指導。

1 研究方法

數(shù)據(jù)挖掘（data mining）是指從數(shù)據(jù)庫中識別出有效的、新穎的、潛在有用的、最終可理解的模式［3，4］，能夠幫助人們對數(shù)據(jù)進行更深層次的分析?？臻g數(shù)據(jù)挖掘是數(shù)據(jù)挖掘的分支，是從空間數(shù)據(jù)庫系統(tǒng)中抽取隱含的人們感興趣的空間模式和特征、空間數(shù)據(jù)與非空間數(shù)據(jù)之間關系的過程［3］。目前常用的空間數(shù)據(jù)挖掘技術有空間統(tǒng)計分析、聚類分析和規(guī)則發(fā)現(xiàn)。其中探索性空間分析是空間統(tǒng)計分析中最常用的方法。

探索性空間數(shù)據(jù)分析（Exploratory Space Data Anal ysis，ESDA）是對調查、觀察所得到的一些初步的雜亂無章的空間數(shù)據(jù)，在盡量少的先驗假定下進行處理，通過作圖、制表等形式和方程擬合，計算某些特征量等手段，探索空間數(shù)據(jù)的結構和規(guī)律的一種數(shù)據(jù)分析方法［5］。ESDA是以關聯(lián)測度為核心，本質上是一種“數(shù)據(jù)驅動”的分析方法，它更注重發(fā)現(xiàn)空間數(shù)據(jù)的分布模式，注重揭示數(shù)據(jù)的空間依賴性與空間異質性的格局特征。

2 數(shù)據(jù)來源與處理

為了更好地揭示山西省縣域經濟空間差異，在對其進行探索性空間數(shù)據(jù)分析時，將空間分析尺度定為山西省縣域，包括11個地級市，共計119個縣市，涉及的數(shù)據(jù)全部來自山西省統(tǒng)計局2002～2011年統(tǒng)計年鑒。為了統(tǒng)一年份屬性所對應的元組，將統(tǒng)計年鑒上的數(shù)據(jù)進行了合并處理，將太原市市轄區(qū)、迎澤區(qū)、萬柏林區(qū)、小店區(qū)、尖草坪區(qū)、晉源區(qū)、杏花嶺區(qū)的數(shù)據(jù)合并為太原市，大同城區(qū)、礦區(qū)、新榮區(qū)和南郊區(qū)合并為大同市，陽泉市城區(qū)、郊區(qū)、礦區(qū)合并為陽泉市，長治市城區(qū)和郊區(qū)合并為長治市，晉城市市轄區(qū)、澤州縣數(shù)據(jù)合并為晉城市，朔州市朔城區(qū)、平魯區(qū)合并為朔州市，所以最終定為106個市縣。

人均國內生產總值是衡量地區(qū)經濟發(fā)展狀況的一個重要指標，因此選取的主要分析變量為人均國內生產總值（人均GDP），即地區(qū)每年社會產品和服務的產出總額與當年該地區(qū)常住總人口的比重。

3 2001～2010年山西省縣域經濟空間差異的ESDA分析

3.1 空間權重矩陣

在進行ESDA分析時，首先要建立表達空間相互作用的空間權重矩陣。利用Anselin設計的Geo Da軟件，依據(jù)各縣市的地理特征，設定了各縣市的空間權重矩陣。

3.2 全局空間自相關分析

全局空間自相關分析法是一種從整體上衡量區(qū)域間空間差異與關聯(lián)程度的空間數(shù)據(jù)分析方法。常用的度量空間自相關的全局指標是Moran指數(shù)，Moran指數(shù)反映空間相鄰區(qū)域單元屬性值的相似程度［6，7］。如果xi為區(qū)域i的觀測值，則（－）（－）反映了觀測值的相似程度，全局Mor an指數(shù)I的計算公式為：

從表1可以看出，2001～2010年每年的 Moran＇s I指數(shù)均為正，且差異顯著（P≤0.05）。這表明，在2001～2010這10年間山西省縣域經濟發(fā)展在空間分布上呈現(xiàn)出相似值空間集聚，即具有較高人均GDP的地區(qū)和同是較高人均GDP的地區(qū)相鄰，或具有較低人均GDP的地區(qū)和同是較低人均GDP的地區(qū)相鄰。

表1 2001～2010年人均GDP的Moran＇s I指數(shù)Table 1 Moran＇s I statistics for per capita GDP in Shanxi

3.3 局部空間自相關分析

全局空間自相關反映了研究區(qū)域內相似屬性的平均聚集程度。但當樣本數(shù)據(jù)很大的情況下，全局空間關聯(lián)很可能掩蓋隨機化的樣本數(shù)據(jù)子集。要了解觀測值的高值或低值的局部空間聚集情況及一些反常的局部狀況就需要使用局部空間自相關分析方法［9］。目前，最常用的局部空間自相關分析方法是Moran散點圖和LISA的結合。

3.3.1 局部 Moran值分析

利用Geo Da軟件，對2001～2010年10個橫斷面數(shù)據(jù)進行計算分析。通過統(tǒng)計得出2001～2010年山西省縣域Moran散點圖分布情況表，如表2所示。

表2 山西省縣域Moran散點圖分布情況表Table 2 Moran scatter plots Distribution Table in Shanxi

從表2可以看出，2001～2010這10年來多數(shù)縣市位于HH和LL象限，均表現(xiàn)出了正的空間自相關，2001～2007年間低低類型與高高類型的縣市數(shù)量相當，而2009年和2010年高高類型的縣市數(shù)量減少，說明經濟發(fā)展水平較高的縣域集聚性有所減弱。通過局部Moran散點值分析，可以具體區(qū)分區(qū)域與其鄰近區(qū)域的空間聯(lián)系形式，但是并不了解區(qū)域與其鄰近區(qū)域的空間相關程度。為了更進一步研究山西省縣域經濟局部空間自相關性，因此需要通過局域指標（LISA）來進一步探討。

3.3.2 LISA分析

空間聯(lián)系局域指標（LISA）是衡量觀測單元屬性和其周邊單元屬性相近（正相關）或差異（負相關）程度的指標。根據(jù)以上分析可知，2004年和2008年是空間相似值集聚程度最高的一年，因此選擇2001、2004、2008、2010年4年的數(shù)據(jù)為代表，圖1依次列出這4年LISA顯著性水平圖。

從圖1可以看出，隨著時間的推移，山西省經濟發(fā)展水平顯著的地區(qū)也在不斷的變化。經過10年的改革和發(fā)展，山西省縣域經濟發(fā)展的高值集聚區(qū)逐漸向中南部發(fā)展，而低值集聚區(qū)主要分布在東北部和忻州呂梁交界處。2001年，LL類型區(qū)在空間上形成連片分布的格局。太原市附近形成了HH聚集區(qū)，而大同東北部和忻州、呂梁西部的地區(qū)形成LL聚集區(qū)，表明相鄰地區(qū)人均GDP在空間上趨于集中，并非呈現(xiàn)隨機分布。2004年，HH集聚區(qū)由太原市附近區(qū)域轉到靈石縣、霍州市、臨汾市附近。LL聚集區(qū)由2001年的西北兩片分布變成了一條自西向東的帶狀分布，主要分布在忻州地區(qū)和大同東北部。2008年HH區(qū)域逐漸向中南方向發(fā)展，呈連片分布格局。這說明相鄰人均GDP高的地區(qū)在經濟上有相互依存的關系，受周邊區(qū)域的影響較大。孝義市、沁源等地區(qū)煤炭資源豐富，勞動力充足。隨著省市縣級公路的不斷增加，煤炭市場的不斷擴大，煤炭貿易發(fā)展迅速，煤基合成等煤化工產業(yè)異軍突起，帶動當?shù)乜h域經濟快速發(fā)展，并且形成縣縣結合，區(qū)域聯(lián)動的良好局面。2010年LL區(qū)域雖有一些變化，但聚集性仍比較明顯。

4 結論與討論

通過對山西省2001～2010年縣域人均GDP的全局空間自相關和局部空間自相關統(tǒng)計分析可以表明山西省人均GDP分布存在顯著的正向空間自相關關系，即空間集聚現(xiàn)象。通過Moran散點圖和LISA分析發(fā)現(xiàn)經過10年的發(fā)展，東北部人均GDP較低的縣聚集程度一直比較顯著，而西部低值聚集區(qū)有逐漸向東發(fā)展的趨勢。而H H聚集區(qū)隨著時間的推移變化較大，由先前的省會城市附近，逐漸向中南部地區(qū)轉移。

圖1 山西省縣域人均GDP的LISA顯著性水平圖Fig.1 LISA cluster maps for per capita GDP in Shanxi

本文選取的時間尺度為10年，如果選擇更長的時間的話，研究結果會更準確，更有說服力。在研究過程中，本文將山西省縣域作為研究的基本單元，如果選擇更小的鄉(xiāng)鎮(zhèn)作為研究單元的話，研究結果是否會有變化，有利于進一步探討。

［1］袁純清.在全省縣域經濟暨農村工作會議上的講話［J］.前進，2011（4）：4－6.

［2］胡乃武，韋偉.區(qū)域經濟發(fā)展差異與中國宏觀經濟管理［J］.中國社會科學，1995（2）：38－39.

［3］邸凱昌.空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的理論與方法［D］.武漢：武漢測繪科技大學，1999.

［4］Haining R.Spatial models and regional science：A comment on Anselin＇s paper and research directions［J］.Jour nal of Regional Science，1986，26，793－798.

［5］David C Hoaglin，F(xiàn)rederick Mosteller，John W Tukey.Understanding Robust and Exploratory Data Analysis［M］.Wiley Classics Library Edition Published，1983：17－21.

［6］Cliff A D，Ord J K.Spatial autocorrelation［M］.London：Pion，1973：45－50.

［7］Zhang Z Q，Griffit h D A.Integrating GIS components and Spatial Statistical Analysis in DBMSS［J］.Int J Geographical Infor mation Science，2000，14（6）：543－566.

［8］Le Gallo J，Ertur C.Exploratory spatial data analysis of the distribution of regional per capita GDP in Europe，1980－1995［J］.Regional Science，2003，82：175－201.

［9］楊衛(wèi)青，浦曉天.基于ESDA的中國省域房地產發(fā)展水平研究［J］.現(xiàn)代經濟，2008（7）：38－49.