李慶

摘要：生態(tài)文明建設(shè)活動(dòng)會(huì)在省市之間產(chǎn)生相互影響，使得綠色發(fā)展指標(biāo)存在空間依賴關(guān)系，生態(tài)文明建設(shè)績(jī)效評(píng)價(jià)需要考慮這種空間自相關(guān)作用。本文利用“2016年生態(tài)文明建設(shè)年度評(píng)價(jià)結(jié)果公報(bào)”的指標(biāo)數(shù)據(jù)，采用全局Moran指數(shù)和局域Moran指數(shù)對(duì)綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)進(jìn)行空間相關(guān)性分析，力求以最直觀的方法揭示生態(tài)文明建設(shè)績(jī)效復(fù)雜的空間特征。分析發(fā)現(xiàn)各省市綠色發(fā)展指數(shù)存在空間自相關(guān)特征，全局Moran指數(shù)并不高，但是構(gòu)成綠色發(fā)展指標(biāo)的環(huán)境質(zhì)量、環(huán)境治理、發(fā)展質(zhì)量和綠色生活等指標(biāo)卻普遍具有顯著并且強(qiáng)烈的空間自相關(guān)特征，生態(tài)文明建設(shè)績(jī)效受到明顯的空間相關(guān)性影響。在生態(tài)文明建設(shè)績(jī)效空間相關(guān)性分析中我們發(fā)現(xiàn)，與經(jīng)濟(jì)活動(dòng)密切相關(guān)的綠色發(fā)展構(gòu)成指標(biāo)空間自相關(guān)程度比較高，與生態(tài)環(huán)境自然資源稟賦聯(lián)系比較多的綠色發(fā)展構(gòu)成指標(biāo)空間自相關(guān)程度較低，這就提示我們?nèi)祟惢顒?dòng)引發(fā)的空間相關(guān)性對(duì)生態(tài)文明建設(shè)績(jī)效具有更加明顯的影響，因此我們可以著眼于發(fā)揮空間相關(guān)性的趨同作用，著力培育生態(tài)文明建設(shè)先進(jìn)試點(diǎn)示范樣板，鼓勵(lì)個(gè)別省市努力作為，有所突破，率先垂范，以試點(diǎn)示范產(chǎn)生的空間效應(yīng)激發(fā)周邊省市生態(tài)文明建設(shè)的仿效、追趕和競(jìng)爭(zhēng)動(dòng)力，帶動(dòng)其他省市向示范省市靠攏，實(shí)現(xiàn)生態(tài)文明建設(shè)整體水平的提高，起到借助空間相關(guān)性促進(jìn)生態(tài)文明建設(shè)的作用。

關(guān)鍵詞 空間相關(guān)性;生態(tài)文明建設(shè);影響分析

中圖分類號(hào) F062.2

文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1002-2104（2019）09-0091-08DOI：10.12062/cpre.20190701

2017年中國(guó)政府依據(jù)《綠色發(fā)展指標(biāo)體系》對(duì)各省市2016年的生態(tài)文明建設(shè)績(jī)效進(jìn)行了評(píng)價(jià)，發(fā)布了“2016年生態(tài)文明建設(shè)年度評(píng)價(jià)結(jié)果公報(bào)”，評(píng)價(jià)結(jié)果起到了激發(fā)生態(tài)文明建設(shè)動(dòng)力、引導(dǎo)生態(tài)文明建設(shè)方向的積極作用。評(píng)價(jià)各省市生態(tài)文明建設(shè)績(jī)效的數(shù)據(jù)是具有空間特征的取樣數(shù)據(jù)，空間數(shù)據(jù)之間會(huì)存在空間效應(yīng)，使得按照獨(dú)立不相關(guān)假設(shè)評(píng)價(jià)的各省市生態(tài)文明建設(shè)績(jī)效存在空間效應(yīng)誤差，本文利用評(píng)價(jià)結(jié)果公報(bào)的數(shù)據(jù)運(yùn)用空間計(jì)量方法對(duì)各省市綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)的空間效應(yīng)進(jìn)行深入分析，在提升對(duì)生態(tài)文明建設(shè)評(píng)價(jià)結(jié)果認(rèn)識(shí)的基礎(chǔ)上，提出積極培育生態(tài)文明建設(shè)的試點(diǎn)示范樣板，借助省市間的空間相關(guān)性發(fā)揮試點(diǎn)示范的帶動(dòng)作用促進(jìn)生態(tài)文明建設(shè)。

1 生態(tài)文明建設(shè)評(píng)價(jià)研究進(jìn)展

近年來，研究領(lǐng)域圍繞建立和完善生態(tài)文明建設(shè)評(píng)價(jià)指標(biāo)和方法做了大量工作，在國(guó)家、省、市、縣各層面都積累了豐富的研究成果，2009年楊開忠[1]課題組把地區(qū)生產(chǎn)總值和地區(qū)生態(tài)足跡的比值定義為生態(tài)效率，以生態(tài)效率水平為標(biāo)準(zhǔn)對(duì)各省市的生態(tài)文明水平進(jìn)行了評(píng)價(jià)和排序，此后嚴(yán)耕[2]、魏曉雙[3]、張歡[4]、高志剛[5]、李茜[6]、李巍[7]、李從欣[8]、柴琪宸[9]等從省域?qū)用鎸?duì)各省市生態(tài)文明建設(shè)的水平、進(jìn)展、差別和協(xié)調(diào)程度等進(jìn)行了專門或綜合的研究，這些研究普遍借鑒了國(guó)內(nèi)外對(duì)生態(tài)環(huán)境評(píng)價(jià)和可持續(xù)發(fā)展評(píng)價(jià)的指標(biāo)，主要包括可持續(xù)發(fā)展指標(biāo)、人類發(fā)展指數(shù)、人類可持續(xù)發(fā)展指數(shù)等，采取的方法主要有因子分析法、聚類分析法、主成分分析法、網(wǎng)絡(luò)層次分析等。到目前為止，國(guó)內(nèi)外關(guān)于生態(tài)文明建設(shè)績(jī)效評(píng)價(jià)的各種方法大都遵循樣本間獨(dú)立不相關(guān)假設(shè)進(jìn)行計(jì)量分析，事實(shí)上，生態(tài)文明建設(shè)活動(dòng)的很多數(shù)據(jù)都來自空間取樣，空間數(shù)據(jù)之間都會(huì)存在空間相關(guān)性影響，使得各省市生態(tài)文明建設(shè)活動(dòng)數(shù)據(jù)打破了獨(dú)立不相關(guān)假設(shè)，因此有必要運(yùn)用空間計(jì)量方法對(duì)各省市生態(tài)文明建設(shè)活動(dòng)的空間依賴關(guān)系進(jìn)行深入研究，提升對(duì)生態(tài)文明建設(shè)評(píng)價(jià)結(jié)果的認(rèn)識(shí)。

空間計(jì)量經(jīng)濟(jì)學(xué)的研究對(duì)象是空間依賴性和空間異質(zhì)性產(chǎn)生的空間效應(yīng)，空間效應(yīng)的存在使得經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)中樣本獨(dú)立不相關(guān)假設(shè)不再成立，因此空間計(jì)量經(jīng)濟(jì)學(xué)建立起一套假定、估計(jì)、檢驗(yàn)和模型方法把空間效應(yīng)納入計(jì)量模型，搭建起空間對(duì)象與經(jīng)濟(jì)模型之間“橋梁”。Paelinck和Klaassen[10]、Anselin[11-12]、Elhorst[13]、LeSage和Pace[14]、Fortheringham[15]等人對(duì)空間計(jì)量經(jīng)濟(jì)學(xué)范疇、范式和技術(shù)路線的貢獻(xiàn)使空間計(jì)量經(jīng)濟(jì)學(xué)成為現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)發(fā)展最突出的成就。進(jìn)入21世紀(jì)以來，計(jì)算機(jī)技術(shù)和地理信息技術(shù)的發(fā)展極大地推進(jìn)了空間計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用，在農(nóng)業(yè)、工業(yè)、服務(wù)業(yè)、人口、資源、環(huán)境、醫(yī)療、教育、地理、文化等領(lǐng)域做出諸多應(yīng)用研究貢獻(xiàn)，國(guó)內(nèi)具有代表性的研究成果包括沈體雁[16]、王慶喜[17]、杜明澤[18]等在經(jīng)濟(jì)增長(zhǎng)空間趨同、環(huán)境和能源效率空間依賴、區(qū)域創(chuàng)新空間溢出等方面的研究。在具有明顯空間外部性的生態(tài)環(huán)境領(lǐng)域，考量空間關(guān)系已經(jīng)成為相關(guān)研究不可或缺的內(nèi)容，尤其從2013年開始，由于中國(guó)華北地區(qū)持續(xù)出現(xiàn)大面積嚴(yán)重霧霾污染，空間計(jì)量方法被大量用于對(duì)霧霾污染地區(qū)間交互作用的研究，這些研究普遍把經(jīng)濟(jì)增長(zhǎng)、資源稟賦、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等作為解釋變量對(duì)霧霾污染進(jìn)行空間計(jì)量回歸分析，分析中普遍證明霧霾污染存在明顯的省域間空間自相關(guān)[19-20]，研究普遍論證出解釋霧霾污染的經(jīng)濟(jì)增長(zhǎng)水平[21-22]、能源使用效率[23]和環(huán)境治理力度等解釋變量也存在不同程度的空間相關(guān)效應(yīng)，這些解釋變量的內(nèi)容在生態(tài)文明建設(shè)評(píng)價(jià)的綠色發(fā)展指標(biāo)中同樣占有很高的權(quán)重，提示綠色發(fā)展指標(biāo)也會(huì)存在空間自相關(guān)特征，這種空間自相關(guān)特征是否存在，會(huì)在多大程度上影響綠色發(fā)展指標(biāo)，進(jìn)而影響生態(tài)文明建設(shè)評(píng)價(jià)結(jié)果，目前為止尚未有針對(duì)性研究，因此本文運(yùn)用空間計(jì)量經(jīng)濟(jì)學(xué)的自相關(guān)檢驗(yàn)工具對(duì)綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)的空間自相關(guān)特征進(jìn)行深入分析，以求更加客觀全面的理解和評(píng)價(jià)各省市生態(tài)文明建設(shè)績(jī)效。

繼黨的“十八大”把生態(tài)文明建設(shè)納入中國(guó)特色社會(huì)主義事業(yè)“五位一體”總體布局后，黨的“十九大”進(jìn)一步作出了加快生態(tài)文明建設(shè)的戰(zhàn)略部署。為了落實(shí)黨和國(guó)家推進(jìn)生態(tài)文明建設(shè)的戰(zhàn)略部署，國(guó)家統(tǒng)計(jì)局等四部門2016年頒布了《生態(tài)文明建設(shè)考核目標(biāo)體系》和《綠色發(fā)展指標(biāo)體系》，并于2017年發(fā)布了“2016年生態(tài)文明建設(shè)年度評(píng)價(jià)結(jié)果公報(bào)”。公報(bào)根據(jù)綠色發(fā)展指標(biāo)對(duì)各地區(qū)的生態(tài)文明建設(shè)績(jī)效進(jìn)行了量化評(píng)分和排序，對(duì)激發(fā)各省市生態(tài)文明建設(shè)動(dòng)力、引導(dǎo)生態(tài)文明建設(shè)方向產(chǎn)生了積極作用。《綠色發(fā)展指標(biāo)體系》采用綜合指數(shù)法進(jìn)行測(cè)算，根據(jù)資源利用、環(huán)境治理、環(huán)境質(zhì)量、生態(tài)保護(hù)、增長(zhǎng)質(zhì)量、綠色生活六個(gè)一級(jí)指標(biāo)下的55項(xiàng)二級(jí)指標(biāo)計(jì)算出綠色發(fā)展指數(shù)，這些指標(biāo)的數(shù)據(jù)來自各省市的空間取樣，但是并未考慮各省市之間生態(tài)文明建設(shè)績(jī)效的空間相關(guān)性影響。本文利用“2016年生態(tài)文明建設(shè)年度評(píng)價(jià)結(jié)果公報(bào)”提供的31個(gè)省份（不含港澳臺(tái)地區(qū)）的綠色發(fā)展指標(biāo)數(shù)據(jù)，對(duì)綠色發(fā)展指標(biāo)的空間自相關(guān)特征進(jìn)行分析，力求從空間效應(yīng)的角度對(duì)各省市生態(tài)文明建設(shè)績(jī)效擁有更加客觀的認(rèn)識(shí)。

2 綠色發(fā)展指標(biāo)的空間自相關(guān)分析

空間相關(guān)性是事物在空間上的相互依賴、相互制約、相互影響和相互作用，是事物本身所固有的空間屬性，“地理學(xué)第一定律”認(rèn)為任何事物都存在空間相關(guān)，距離越近的事物空間相關(guān)性越強(qiáng)，距離越遠(yuǎn)相關(guān)性越弱。空間依賴性和空間異質(zhì)性是空間相關(guān)的主要形式，空間依賴性被稱為空間自相關(guān)，反映空間單元之間的相互依賴作用，綠色發(fā)展指標(biāo)的空間自相關(guān)會(huì)對(duì)各省市生態(tài)文明績(jī)效產(chǎn)生外部影響，綠色發(fā)展指標(biāo)的空間自相關(guān)檢驗(yàn)可以對(duì)生態(tài)文明建設(shè)產(chǎn)生的外部性和關(guān)聯(lián)性進(jìn)行觀察。

2.1 空間權(quán)重設(shè)定

對(duì)綠色發(fā)展指標(biāo)進(jìn)行空間自相關(guān)檢驗(yàn)的前提是量化各省市之間的空間關(guān)系，空間權(quán)重矩陣是對(duì)空間關(guān)系的抽象，可以依據(jù)觀測(cè)點(diǎn)的地理位置和空間特征設(shè)立空間權(quán)重矩陣來量化空間關(guān)系。空間鄰接權(quán)重矩陣是反映空間相鄰關(guān)系的空間權(quán)重矩陣，可以設(shè)定為相互接壤地區(qū)之間存在顯著的相互影響關(guān)系，不接壤的地區(qū)相互作用不顯著，空間鄰接權(quán)重矩陣能夠比較貼切的反映各省市間綠色發(fā)展指標(biāo)的空間作用關(guān)系，因此引入各省市空間鄰接權(quán)重矩陣使綠色發(fā)展指標(biāo)的空間關(guān)系具體化。空間鄰接權(quán)重矩陣可以設(shè)定為主對(duì)角線元素為0的對(duì)稱矩陣，矩陣中的元素表示兩個(gè)省市是否地理上相鄰，如果兩個(gè)省市地理相鄰，權(quán)重值取1，不相鄰權(quán)重值取0，應(yīng)用Geoda軟件生成的31個(gè)省市空間鄰接權(quán)重文件為City.gal文件，在空間鄰接權(quán)重矩陣中，31個(gè)省市中有非零相鄰關(guān)系138組，占所有省市關(guān)系的14.36%（其中廣東省作為海南省唯一相鄰單元之間具有非零鄰接關(guān)系），各省份的平均鄰居個(gè)數(shù)為4.45。

2.2 全局空間自相關(guān)檢驗(yàn)

Moran指數(shù)將相關(guān)系數(shù)推廣到空間范疇考慮空間權(quán)重信息的相關(guān)系數(shù)，反映觀測(cè)值在空間單元間的相似程度，以Moran指數(shù)測(cè)度空間自相關(guān)可以看作是計(jì)算觀測(cè)值與空間滯后變量的相關(guān)系數(shù)，采用空間鄰接權(quán)重矩陣的綠色發(fā)展全局Moran指數(shù)是把具有鄰接關(guān)系的綠色發(fā)展指標(biāo)加權(quán)匯總后與全部樣本點(diǎn)加權(quán)匯總值對(duì)比，檢驗(yàn)全國(guó)范圍內(nèi)地區(qū)之間綠色發(fā)展指數(shù)是相似、相異還是相互獨(dú)立，計(jì)算公式為：

Morans I=∑ni=1∑nj=1Wij（xi-x）（xj-x）S2∑ni=1∑nj=1Wij

式中，n代表省市數(shù)量，xi和xj是省市綠色發(fā)展指數(shù)，x表示各省市綠色發(fā)展指數(shù)的均值，S2表示各省市綠色發(fā)展指數(shù)的均方差，Wij表示空間權(quán)重矩陣。Moran指數(shù)的取值范圍為[-1，1]，Morans I>0時(shí)，表示存在空間正相關(guān)特征，即存在空間相似屬性;Morans I<0時(shí)，表示呈現(xiàn)空間負(fù)相關(guān)特征，即與周邊存在相反的依賴關(guān)系;Morans I趨于0時(shí)，表示呈隨機(jī)分布特征，不具有空間關(guān)聯(lián)性。以全國(guó)31個(gè)省市綠色發(fā)展指數(shù)為樣本計(jì)算得到全局Moran指數(shù)為0.246 2，p值為0.014 999次蒙特卡羅隨機(jī)模擬全局Moran指數(shù)為0.246 2，p值為0.016，綠色發(fā)展指標(biāo)全局Moran指數(shù)在5%水平上顯著，中國(guó)生態(tài)文明建設(shè)績(jī)效存在空間自相關(guān)。

2.3 局域空間自相關(guān)檢驗(yàn)

全局Moran指數(shù)反映出整體空間存在自相關(guān)特征意味著存在局部異質(zhì)空間，這些異質(zhì)空間具有局部自相關(guān)特征。全局Moran指數(shù)的局限性在于如果全局中部分省市指標(biāo)存在正相關(guān)，另一部分省市存在負(fù)相關(guān)，兩者可能相互抵消，降低全局Moran指數(shù)，Anselin提出以局部Moran指數(shù)Lisa（Local Indicators of Spatial Association） 觀察局部空間的不平穩(wěn)特征，檢驗(yàn)局部地區(qū)與周邊地區(qū)是否存在相似或相異聚集，局部Moran指數(shù)一方面深入反映全局自相關(guān)的內(nèi)在特征，另一方面展示哪些地區(qū)相似聚集在一起，哪些地區(qū)差異聚集在一起，從而識(shí)別全局中不同局部空間存在的不同空間關(guān)聯(lián)模式。

在空間位置i上，局域Lisa統(tǒng)計(jì)量的計(jì)算公式為：

Ii=n（xi-x）∑j≠1Wij（xj-x）∑i（xi-x）2

使用標(biāo)準(zhǔn)化統(tǒng)計(jì)量Zi=（xi-x）/σx，樣本方差為S2=1，則Ii=Zi∑ni≠1w*ijZj，Zi和Zj是標(biāo)準(zhǔn)化后空間觀測(cè)值，w*ij為行標(biāo)準(zhǔn)化后的空間矩陣元素，Ii表示位置i的觀測(cè)值與相鄰觀測(cè)值帶權(quán)重的乘積，綠色發(fā)展指標(biāo)局域Moran檢驗(yàn)Lisa結(jié)果見表1。輸出結(jié)果中l(wèi)isa為各省市局域Moran指數(shù)Ii，Var.Ii為局域Moran指數(shù)的方差，Z.Ii為標(biāo)準(zhǔn)化后的局域Moran指數(shù)的Z值，Pr（z>0）則為Z值對(duì)應(yīng)的顯著性概率值。綠色發(fā)展指標(biāo)局域Lisa檢驗(yàn)結(jié)果顯示新疆、上海、福建、浙江、西藏、青海等6個(gè)省市的局域Moran指數(shù)滿足5%顯著性水平，與周邊省市存在正相關(guān)聯(lián)系，其中上海、福建、浙江具有比較類似的條件，是自身綠色發(fā)展水平和周邊綠色發(fā)展水平都高的省市，新疆和西藏具有類似的條件，是自身綠色發(fā)展水平和

周邊綠色發(fā)展水平都相對(duì)較低的省市，從上述各省市的局域自相關(guān)指標(biāo)可以看出，Lisa指數(shù)可以反映出各省市是否存在局域自相關(guān)特征，但是不能反映出這種自相關(guān)特征是由于高水平相互影響造成的還有由于低水平相互影響造成的，有必要進(jìn)行深入識(shí)別，Moran散點(diǎn)圖可以直觀的表現(xiàn)出上述差別。

2.4 綠色發(fā)展指標(biāo)散點(diǎn)圖

Moran散點(diǎn)圖是對(duì)空間數(shù)據(jù)相關(guān)性二維可視化圖示，趨勢(shì)線的斜率直觀地反映出全局空間自相關(guān)程度，散點(diǎn)分布與趨勢(shì)線匹配的效果越好，則自相關(guān)擬合關(guān)系越好。Moran散點(diǎn)圖還可以根據(jù)空間單元觀測(cè)值之間的空間關(guān)系反映出觀測(cè)單元與其他單元之間的局域空間相關(guān)類型。綠色發(fā)展指標(biāo)的Moran散點(diǎn)圖橫軸表示綠色發(fā)展指數(shù)，縱軸表示綠色發(fā)展指數(shù)的空間滯后量，第一象限“高高”區(qū)域表示某省市綠色發(fā)展指標(biāo)值高于平均值，周圍省市對(duì)該省市的綠色發(fā)展具有正向影響作用;第三象限“低低”表示某省市綠色發(fā)展指標(biāo)值低于平均值， 周圍省市對(duì)該省市的綠色發(fā)展具有負(fù)向影響作用;第二象限“高低”表示某省市綠色發(fā)展指標(biāo)值高于平均值，周圍省市對(duì)該省市的綠色發(fā)展具有負(fù)向影響作用;第四象限表“低高”表示某省市綠色發(fā)展指標(biāo)值低于平均值，周圍省市對(duì)該省市的綠色發(fā)展具有正向影響作用?！案吒摺焙汀暗偷汀北砻骶哂锌臻g正相關(guān)，提示省市間的綠色發(fā)展指標(biāo)值具有相似相關(guān)性，“高低”和“低高”則表示存在空間負(fù)相關(guān)，省市間的綠色發(fā)展指標(biāo)值具有差異性。

綠色發(fā)展指標(biāo)的Moran散點(diǎn)圖（圖1）顯示散點(diǎn)分布與趨勢(shì)線呈現(xiàn)匹配趨勢(shì)，存在空間自相關(guān)特征，散點(diǎn)主要在一、三象限分布，呈正相關(guān)關(guān)系。第一象限“高高”區(qū)主要包括福建、浙江、上海、江蘇、廣東、重慶、湖南、湖北、山東等省市，區(qū)間樣本省市綠色發(fā)展指標(biāo)值都較高， 而且受到周圍省市的正向影響，綠色發(fā)展指標(biāo)呈現(xiàn)高水平局域空間相互作用特征，這些省市幾乎囊括了我國(guó)經(jīng)濟(jì)發(fā)達(dá)地區(qū)的主要省市。第三象限“低低”區(qū)主要包括西藏、新疆、遼寧、山西、青海、內(nèi)蒙古、黑龍江、陜西等省市，區(qū)間樣本省市綠色發(fā)展指標(biāo)值都相對(duì)較低， 而且受到周圍省市的負(fù)向影響，樣本自身及其周邊省市的綠色發(fā)展指標(biāo)呈現(xiàn)低水平相關(guān)狀態(tài)，綠色發(fā)展指標(biāo)呈現(xiàn)低水平空間正相關(guān)特征，這些省市大部分位于我國(guó)經(jīng)濟(jì)發(fā)展較弱的中西部地區(qū)。第二象限“低高”區(qū)樣本省市綠色發(fā)展指標(biāo)值較低，但其周圍省市的綠色發(fā)展指標(biāo)值較高，第四象限“高低”區(qū)省市綠色發(fā)展指標(biāo)值較高，但其周圍省市的綠色發(fā)展指標(biāo)值較低，“低高”和“高低”區(qū)省市間的綠色發(fā)展指標(biāo)具有負(fù)相關(guān)特征，散點(diǎn)圖中只有北京、天津、云南、四川等少數(shù)省市處于這種狀況，從排序上看北京綠色發(fā)展指數(shù)83.71，排名第1，河北78.69，排名第20，天津76.54，排名第28，北京位于第四象限，綠色發(fā)展水平較高，但周邊的天津、河北水平較低，對(duì)北京產(chǎn)生負(fù)的負(fù)相關(guān)作用，天津位于第二象限，綠色發(fā)展水平較低，但周邊的北京、河北水平相對(duì)天津較高，對(duì)天津產(chǎn)生正的反向相關(guān)作用，云南、四川和吉林情況類似。

3 綠色發(fā)展指標(biāo)構(gòu)成指標(biāo)的空間自相關(guān)分析

生態(tài)文明建設(shè)是具有強(qiáng)烈空間外部性的活動(dòng)，各省市生態(tài)環(huán)境損益的空間擴(kuò)散、空間溢出勢(shì)必造成明顯的相互作用，有必要針對(duì)綠色發(fā)展指標(biāo)全局空間自相關(guān)水平不高的情況進(jìn)行更加深入的分析?！毒G色發(fā)展指標(biāo)體系》中綠色發(fā)展指標(biāo)是由資源利用、環(huán)境治理、環(huán)境質(zhì)量、生態(tài)保護(hù)、增長(zhǎng)質(zhì)量、綠色生活六個(gè)一級(jí)指標(biāo)構(gòu)成，一級(jí)指標(biāo)的空間自相關(guān)特征對(duì)綠色發(fā)展指標(biāo)的空間自相關(guān)特征具有至關(guān)重要的作用，有必要深入到綠色發(fā)展指標(biāo)內(nèi)部，對(duì)構(gòu)成綠色發(fā)展指標(biāo)的一級(jí)指標(biāo)進(jìn)行空間自相關(guān)特征分析，揭示綠色發(fā)展指標(biāo)構(gòu)成指標(biāo)對(duì)綠色發(fā)展指標(biāo)自相關(guān)特征的影響。

綠色發(fā)展指標(biāo)中包括資源利用、環(huán)境治理、環(huán)境質(zhì)量、生態(tài)保護(hù)、增長(zhǎng)質(zhì)量、綠色生活六項(xiàng)一級(jí)指標(biāo)，其中“資源利用”指標(biāo)中有14項(xiàng)二級(jí)指標(biāo)，包括能源消耗總量、用水總量、耕地保有量等總量指標(biāo)，也包括能耗降低率、用水降低率、資源產(chǎn)出率等比率指標(biāo);“環(huán)境治理”指標(biāo)中有8項(xiàng)二級(jí)指標(biāo)，重點(diǎn)反映主要污染物、危險(xiǎn)廢物、生活垃圾和污水的治理情況;“環(huán)境質(zhì)量”指標(biāo)中有10項(xiàng)二級(jí)指標(biāo)，重點(diǎn)反映大氣、水、土壤和海洋的環(huán)境質(zhì)量狀況，既與當(dāng)?shù)氐沫h(huán)境治理工作進(jìn)展情況有關(guān)，也與當(dāng)?shù)氐淖匀粭l件、產(chǎn)業(yè)結(jié)構(gòu)等因素有關(guān);“生態(tài)保護(hù)”指標(biāo)中有10項(xiàng)二級(jí)指標(biāo)，反映山水林田湖草的生態(tài)狀況;“增長(zhǎng)質(zhì)量”指標(biāo)中有5項(xiàng)二級(jí)指標(biāo)，反映經(jīng)濟(jì)增長(zhǎng)、居民收入、產(chǎn)業(yè)結(jié)構(gòu)和創(chuàng)新投入等內(nèi)容;“綠色生活”指標(biāo)中有8項(xiàng)二級(jí)指標(biāo)，包括綠色消費(fèi)品、新能源汽車、綠色建筑、農(nóng)村生活等指標(biāo)。綠色發(fā)展指標(biāo)是綜合評(píng)價(jià)指標(biāo)，利用6項(xiàng)分類指標(biāo)來比較分析各省市在生態(tài)文明建設(shè)各重點(diǎn)領(lǐng)域取得的成績(jī)和存在的問題，綠色發(fā)展指標(biāo)一級(jí)指標(biāo)的空間自相關(guān)特征對(duì)綠色發(fā)展指標(biāo)空間自相關(guān)特征的形成具有重要影響，但這并不意味著所有一級(jí)指標(biāo)都具有空間自相關(guān)特征，哪些一級(jí)指標(biāo)具有空間自相關(guān)特征，哪些一級(jí)指標(biāo)不具有空間自相關(guān)特征，哪些指標(biāo)的空間自相關(guān)程度較高，影響甚至決定了綠色發(fā)展指標(biāo)的空間自相關(guān)特征，這些都對(duì)更加客觀的認(rèn)識(shí)各省市生態(tài)文明建設(shè)績(jī)效間的相互影響具有重要作用。采用與綠色發(fā)展指標(biāo)空間自相關(guān)檢驗(yàn)相同的空間鄰接權(quán)重矩陣和Moran指數(shù)檢驗(yàn)對(duì)綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)的全局Moran指數(shù)進(jìn)行探索性分析，得到綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)的全局Moran指數(shù)表（見表2）。

綠色發(fā)展指標(biāo)構(gòu)成指標(biāo)的全局Moran指數(shù)表顯示，資源利用指標(biāo)全局Moran指數(shù)沒有通過顯著性檢驗(yàn)，生態(tài)保護(hù)指標(biāo)通過5%顯著性水平檢驗(yàn)，環(huán)境治理、環(huán)境質(zhì)量、增長(zhǎng)質(zhì)量和綠色生活指標(biāo)都達(dá)到1%顯著度水平。

環(huán)境治理指標(biāo)的全局Moran指數(shù)為0.567，P值在1%水平顯著，散點(diǎn)圖（圖2）散點(diǎn)分布與趨勢(shì)線高度匹配，主要在一、三象限分布，呈正相關(guān)關(guān)系。環(huán)境治理指標(biāo)的主要內(nèi)容包括化學(xué)需氧量排放、氨氮排放、二氧化硫排放和氮氧化物排放總量減少的百分比，危險(xiǎn)廢物處置利用率、生活垃圾無害化處理率、污水集中處理率以及環(huán)境污染治理投資占GDP 比重等指標(biāo)，從指標(biāo)內(nèi)容上可以看出，環(huán)境治理指標(biāo)的主要內(nèi)容側(cè)重于與工業(yè)生產(chǎn)相關(guān)的污染物排放控制和廢棄物治理上，工業(yè)化程度比較高和工業(yè)結(jié)構(gòu)偏重的省市正自相關(guān)明顯，環(huán)境治理指標(biāo)空間自相關(guān)特征背后是經(jīng)濟(jì)發(fā)展水平差異和產(chǎn)業(yè)結(jié)構(gòu)類型差異形成的空間自相關(guān)分異。散點(diǎn)圖第一象限“高高”區(qū)間主要包括京津冀、江蘇、山東、浙江等省市，這些省市是我國(guó)經(jīng)濟(jì)發(fā)展水平最高的地區(qū)，也是污染排放量較大和比較集中的地區(qū)，同時(shí)也是環(huán)境治理能力和水平最高的地區(qū)，自身和周邊省市污染物排放水平下降都很顯著，這些省市在散點(diǎn)圖第一象限集中突出反映出上述特征。散點(diǎn)圖第三象限“低低”區(qū)間主要包括西藏、青海、云南等省市，這些省市主要位于我國(guó)西南地區(qū)，排放水平較低，自身和周邊省市污染物排放水平下降空間都不高，從環(huán)境治理的角度看位于自相關(guān)散點(diǎn)圖的低低區(qū)間是合理的。從環(huán)境治理指標(biāo)空間自相關(guān)特征可以看出，我國(guó)相鄰省市的工業(yè)排放管控和環(huán)境污染治理具有明顯的空間相似性，從而對(duì)綠色發(fā)展指標(biāo)空間自相關(guān)特征具有較大貢獻(xiàn)。

環(huán)境質(zhì)量全局Moran指數(shù)為0.442 5，P值在1%水平顯著，散點(diǎn)圖（圖3）散點(diǎn)分布與趨勢(shì)線匹配關(guān)系明顯，自相關(guān)程度明顯，散點(diǎn)主要在一、三象限分布，呈正相關(guān)關(guān)系?！碍h(huán)境質(zhì)量”指標(biāo)主要反映大氣、水、土壤的環(huán)境質(zhì)量狀況，散點(diǎn)圖第一象限“高高”區(qū)間主要包括云南、貴州、廣西、青海、西藏等省市，第三象限“低低”區(qū)間主要包括京津冀、山西、河南、山東、上海等省市。環(huán)境質(zhì)量指標(biāo)的空間分布特征與環(huán)境治理指標(biāo)的空間分布特征形成了鮮明的反差，環(huán)境治理指標(biāo)第一象限分布的各省市大多數(shù)都分布在環(huán)境質(zhì)量指標(biāo)的第三象限，第三象限的省市大多數(shù)都分布在環(huán)境質(zhì)量指標(biāo)的第一象限，這種位置的反轉(zhuǎn)說明盡管我國(guó)京津冀、上海、山東等發(fā)達(dá)地區(qū)具有較高的環(huán)境治理水平，但是環(huán)境質(zhì)量水平仍然低于云南、青海、新疆等西部省市，反映出發(fā)展較慢和開發(fā)強(qiáng)度低的西部地區(qū)具有明顯的環(huán)境質(zhì)量?jī)?yōu)勢(shì)，發(fā)展較快和開發(fā)強(qiáng)度高的東部地區(qū)與西部地區(qū)相比環(huán)境質(zhì)量處于劣勢(shì)，由于大氣、水、土壤等生態(tài)條件往往具有跨越省市行政邊界的特征，使得東西部環(huán)境質(zhì)量差別得到了空間相關(guān)性的加強(qiáng)，相鄰省市環(huán)境質(zhì)量具有明顯的空間自相關(guān)特征。

生態(tài)保護(hù)全局Moran指數(shù)為0.281 9，與環(huán)境治理、環(huán)境質(zhì)量、增長(zhǎng)質(zhì)量和綠色生活指標(biāo)的Moran指數(shù)相比明顯偏低，但是滿足5%顯著性水平，散點(diǎn)圖（圖4）散點(diǎn)分布較分散?！吧鷳B(tài)保護(hù)”指標(biāo)主要反映山水林田湖草的生態(tài)狀況，包括森林覆蓋率、草原綜合植被覆蓋度、濕地保有率、水土治理面積等指標(biāo)。中國(guó)幅員遼闊，自然生態(tài)資源特征空間分布復(fù)雜，有些省市以山區(qū)林地為主，有些省市以草原牧場(chǎng)為主，有些省市以河湖稻田為主，各省市不同的生態(tài)資源稟賦決定了各省市之間很難存在明顯的空間相似性，在空間自相關(guān)上表現(xiàn)為較弱的相關(guān)關(guān)系。

增長(zhǎng)質(zhì)量指標(biāo)全局Moran指數(shù)為0.391 5，P值在1%水平顯著。增長(zhǎng)質(zhì)量指標(biāo)主要包括人均GDP、居民可支配收入、第三產(chǎn)業(yè)增加值比重、戰(zhàn)略性新興產(chǎn)業(yè)占比和R&D經(jīng)費(fèi)占比，散點(diǎn)圖（圖5）絕大多數(shù)散點(diǎn)集中分布在第三象限“低低”區(qū)間，第一象限內(nèi)只有上海、浙江、江蘇、北京、天津少數(shù)幾個(gè)省市。這樣的全局Moran指數(shù)散點(diǎn)圖說明盡管我國(guó)各省市經(jīng)濟(jì)增長(zhǎng)質(zhì)量水平之間存在比較明顯的空間自相關(guān)聯(lián)系，但是大多數(shù)省市的經(jīng)濟(jì)增長(zhǎng)質(zhì)量并不高，而且位于負(fù)向相互作用區(qū)間，尚未形成大多數(shù)省市在“高高”區(qū)間高質(zhì)量發(fā)展聚集的局面，也就是尚未形成全局性的相互帶動(dòng)的高質(zhì)量發(fā)展格局。借助空間相關(guān)性影響使更多的省市相互促進(jìn)，提升經(jīng)濟(jì)增長(zhǎng)質(zhì)量，在“高高”區(qū)間聚集是我國(guó)未來提升綠色發(fā)展水平的重點(diǎn)方向。

綠色生活全局Moran指數(shù)為0.406，P值在1%水平顯著，散點(diǎn)圖（圖6）散點(diǎn)主要沿趨勢(shì)線一、三象限分布，具有明顯的空間自相關(guān)特征。綠色生活指標(biāo)主要包括綠色產(chǎn)品市場(chǎng)占有率、新能源汽車保有量、綠色建筑占比、綠色出行、城市綠地和農(nóng)村自來水普及率等指標(biāo)，這些指標(biāo)是與人民生活直接相關(guān)的生態(tài)文明建設(shè)內(nèi)容，從散點(diǎn)圖上可以看出第一象限主要是東部發(fā)達(dá)地區(qū)省市，這些省市不僅綠色生活指標(biāo)水平較高而且相互之間存在正向影響，第三象限主要是西部地區(qū)省市，這些省市不僅綠色生活指標(biāo)水平較低而且相互之間存在負(fù)向影響，但是東部與西部之間差別不大，各省市居民綠色生活水平比較均衡，沒有出現(xiàn)綠色生活指標(biāo)在東西部明顯的兩極集聚分布，說明我國(guó)的綠色生活水平?jīng)]有出現(xiàn)空間分異，中西部地區(qū)在綠色生活消費(fèi)的生態(tài)文明建設(shè)中沒有掉隊(duì)。

綠色發(fā)展指標(biāo)構(gòu)成指標(biāo)緊緊圍繞我國(guó)當(dāng)前生態(tài)文明建設(shè)的主要任務(wù)，針對(duì)資源約束趨緊，環(huán)境污染嚴(yán)重，生態(tài)系統(tǒng)退化等人口資源環(huán)境的主要矛盾安排資源利用、環(huán)境治理、環(huán)境質(zhì)量、生態(tài)保護(hù)、增長(zhǎng)質(zhì)量、綠色生活六項(xiàng)一級(jí)指標(biāo)和55項(xiàng)二級(jí)指標(biāo)進(jìn)行評(píng)估。對(duì)綠色發(fā)展指標(biāo)一級(jí)指標(biāo)的自相關(guān)檢驗(yàn)發(fā)現(xiàn)，環(huán)境治理、環(huán)境質(zhì)量、增長(zhǎng)質(zhì)量和綠色生活指標(biāo)具有顯著的空間自相關(guān)特征，其中環(huán)境治理和環(huán)境質(zhì)量分別存在高水平聚集和低水平聚集的分異聚類，增長(zhǎng)質(zhì)量指標(biāo)呈現(xiàn)出少數(shù)發(fā)達(dá)省市幾支獨(dú)秀，多數(shù)省市低水平聚集的局面，綠色生活指標(biāo)在全國(guó)范圍內(nèi)顯著自相關(guān)，地區(qū)之間沒有呈現(xiàn)明顯的差異化分異，是全局共同進(jìn)步的局面。生態(tài)保護(hù)和資源利用指標(biāo)受到地理空間生態(tài)特征和資源稟賦差別的影響，生態(tài)保護(hù)指標(biāo)呈現(xiàn)低水平自相關(guān)，資源利用指標(biāo)幾乎不存在空間自相關(guān)特征?？傮w上看，綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)中與經(jīng)濟(jì)活動(dòng)密切相關(guān)的指標(biāo)空間自相關(guān)程度比較高，與生態(tài)環(huán)境自然資源稟賦聯(lián)系比較多的指標(biāo)空間自相關(guān)程度較低。

4 利用空間相關(guān)性發(fā)揮省市間帶動(dòng)作用

事物是普遍聯(lián)系的，事物的發(fā)展變化也都與周圍的事物相互聯(lián)系和相互影響，不同地區(qū)的生態(tài)文明建設(shè)活動(dòng)同樣存在著相互聯(lián)系和相互影響，綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)的空間自相關(guān)檢驗(yàn)就是發(fā)現(xiàn)和闡釋這種聯(lián)系和影響的途徑。研究空間效應(yīng)的前提是存在空間劃分，在高度組織化的當(dāng)代社會(huì)，行政區(qū)劃是經(jīng)濟(jì)社會(huì)活動(dòng)最重要的空間組織方式之一，國(guó)家頒布的《生態(tài)文明建設(shè)考核目標(biāo)體系》和《綠色發(fā)展指標(biāo)體系》是基于省市行政區(qū)建立的，生態(tài)文明建設(shè)績(jī)效的統(tǒng)計(jì)調(diào)查評(píng)估活動(dòng)也是基于省市行政區(qū)開展的，利用空間自相關(guān)分析把自然生態(tài)地理空間關(guān)系特征疊合到行政區(qū)空間范圍是生態(tài)文明建設(shè)評(píng)估需要考慮的內(nèi)容。

中國(guó)具有非常豐富和復(fù)雜的生態(tài)人文地理特征，人為劃分的31個(gè)省市行政區(qū)與自然地理特征帶存在巨大的空間交錯(cuò)和包容，相鄰行政區(qū)間普遍存在跨越邊界的山體相連、河流貫穿、森林湖泊濕地共享、野生動(dòng)物遷徙、風(fēng)霜雨雪覆蓋，在更大尺度上，中國(guó)版圖自東向西分布著沿海、平原、丘陵、山地、沙漠和高原等地貌，自南向北分布著珠江流域、長(zhǎng)江流域、黃河流域以及秦嶺淮河氣候變更帶，南北緯度跨越50°，溫差高達(dá)70℃。多種多樣的生態(tài)地理?xiàng)l件會(huì)在行政區(qū)之間產(chǎn)生錯(cuò)綜復(fù)雜的實(shí)質(zhì)性空間依賴關(guān)系，例如在長(zhǎng)江經(jīng)濟(jì)帶覆蓋上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州等11省市，區(qū)域內(nèi)的省市既存在流域相連又存在氣候相似，而與區(qū)域外其他的相鄰省市都會(huì)處于不同流域區(qū)和不同氣候條件下，勢(shì)必產(chǎn)生不同的空間依賴性和異質(zhì)性。中國(guó)是歷史文化悠久的國(guó)家，在長(zhǎng)期的生產(chǎn)生活實(shí)踐中形成了眾多的漁業(yè)、種植、養(yǎng)殖和畜牧區(qū)，在不同范圍產(chǎn)生了獨(dú)特的區(qū)域語言風(fēng)格、民俗習(xí)慣、歷史遷移和地域認(rèn)同，這些因素也都會(huì)在行政區(qū)之間產(chǎn)生差別化的實(shí)質(zhì)性空間依賴關(guān)系，生態(tài)地理歷史文化條件具有長(zhǎng)期的或者階段的穩(wěn)定性，是空間效應(yīng)的慢變量。行政區(qū)之間還會(huì)通過人員和資本流動(dòng)、信息和技術(shù)交流、外部性等作用產(chǎn)生學(xué)習(xí)、仿效、合作、追趕、競(jìng)爭(zhēng)等實(shí)質(zhì)性空間依賴關(guān)系，這些作用會(huì)隨著經(jīng)濟(jì)形勢(shì)、技術(shù)創(chuàng)新和制度政策的變化產(chǎn)生快速的變化，是空間效應(yīng)的快變量，多方面快慢交織的空間實(shí)質(zhì)性依賴關(guān)系對(duì)各省市生態(tài)文明建設(shè)的績(jī)效產(chǎn)生復(fù)雜的實(shí)質(zhì)性自相關(guān)影響。在對(duì)各省市生態(tài)文明建設(shè)績(jī)效評(píng)價(jià)中就要考慮這些空間效應(yīng)產(chǎn)生的作用，利用空間自相關(guān)分析揭示空間效應(yīng)對(duì)各省市生態(tài)文明建設(shè)績(jī)效評(píng)價(jià)的影響。各省市多種多樣的實(shí)質(zhì)性相關(guān)匯聚成全局Moran自相關(guān)指數(shù)，各省市自身與周邊省市不同程度的實(shí)質(zhì)性空間依賴形成各自的LISA指數(shù)，盡管我國(guó)綠色發(fā)展指數(shù)的全局Moran指數(shù)不高，LISA指數(shù)多數(shù)不顯著，但是空間相關(guān)性仍然是普遍存在的。進(jìn)一步深入到綠色發(fā)展指標(biāo)的構(gòu)成指標(biāo)上看，除了資源利用指標(biāo)以外，構(gòu)成綠色發(fā)展指標(biāo)的環(huán)境治理、環(huán)境質(zhì)量、生態(tài)保護(hù)、增長(zhǎng)質(zhì)量、綠色生活五個(gè)一級(jí)指標(biāo)都存在明顯的空間自相關(guān)特征，大多數(shù)一級(jí)指標(biāo)的空間自相關(guān)滿足顯著性要求，這就意味著在環(huán)境治理、環(huán)境質(zhì)量、生態(tài)保護(hù)、增長(zhǎng)質(zhì)量和綠色生活等方面各省市之間存在著明顯的空間相互作用。

直觀上認(rèn)為經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)往往是資源利用少、污染和廢棄物排放少，生態(tài)環(huán)境保護(hù)好的地區(qū)，這樣的地區(qū)應(yīng)該具有較高的綠色發(fā)展得分，而經(jīng)濟(jì)發(fā)達(dá)地區(qū)往往處于資源約束趨緊、環(huán)境污染明顯、生態(tài)系統(tǒng)退化嚴(yán)重的境地，發(fā)展與人口資源環(huán)境之間的矛盾比較突出，這樣的地區(qū)綠色發(fā)展水平應(yīng)該欠佳，然而，在對(duì)綠色發(fā)展指標(biāo)的空間自相關(guān)檢驗(yàn)中我們發(fā)現(xiàn)經(jīng)濟(jì)發(fā)達(dá)地區(qū)普遍是綠色發(fā)展水平較高的地區(qū)，而且呈現(xiàn)相鄰相似和地理集中，而經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)綠色發(fā)展水平普遍不高，也存在相鄰相似和地理集中，這種情況與我們直觀地認(rèn)識(shí)存在很大差異。結(jié)合空間自相關(guān)分析我們認(rèn)為發(fā)達(dá)地區(qū)省市之間具有接近的經(jīng)濟(jì)實(shí)力，便于圍繞生態(tài)文明建設(shè)進(jìn)行資本、人才和技術(shù)的流通，便于在擺脫資源瓶頸、治理和防止環(huán)境污染、修復(fù)和保護(hù)生態(tài)環(huán)境的創(chuàng)新和進(jìn)步中彼此交流，產(chǎn)生學(xué)習(xí)、仿效、競(jìng)爭(zhēng)和外部性等趨同效應(yīng)，從而形成用金山銀山保護(hù)綠水青山的共同追求。欠發(fā)達(dá)地區(qū)的綠水青山等生態(tài)資源價(jià)值不具有地區(qū)間的流動(dòng)性，而跨省市的生態(tài)補(bǔ)償機(jī)制尚未全面落實(shí)，要真正享有綠水青山帶來的民生福利還需要經(jīng)歷生態(tài)資源的價(jià)值轉(zhuǎn)換，更為重要的是，省市之間的空間相互作用有可能是積極正向的，也有可能是低水平的消極影響，以資源環(huán)境為代價(jià)的短期發(fā)展行為在落后地區(qū)具有很強(qiáng)的負(fù)面示范效力，對(duì)提高中西部落后地區(qū)的綠色發(fā)展水平具有很強(qiáng)的牽制作用。上述空間相關(guān)性分析提示我們?cè)谏鷳B(tài)文明建設(shè)中要發(fā)揮試點(diǎn)示范的典型帶動(dòng)作用，樹立好的省市榜樣，通過各省市之間的空間自相關(guān)特征產(chǎn)生積極的溢出和傳播效果，產(chǎn)生正外部性示范帶動(dòng)作用，同時(shí)必須警惕負(fù)面典型的消極作用，加強(qiáng)檢查督促，采取兜底措施防止落后和滑坡現(xiàn)象產(chǎn)生負(fù)向帶動(dòng)作用，尤其對(duì)于欠發(fā)達(dá)的后發(fā)地區(qū)，要重點(diǎn)打造經(jīng)濟(jì)增長(zhǎng)與環(huán)境代價(jià)脫鉤的示范樣板，避免先付出生態(tài)環(huán)境代價(jià)再補(bǔ)償修復(fù)生態(tài)環(huán)境的惡性道路，實(shí)現(xiàn)保護(hù)綠水青山與經(jīng)濟(jì)發(fā)展同步。

從空間自相關(guān)的視角助力生態(tài)文明建設(shè)最重要的任務(wù)就是要樹立典型意識(shí)，無論在發(fā)達(dá)地區(qū)還是在欠發(fā)達(dá)地區(qū)都要強(qiáng)調(diào)借助空間自相關(guān)特征以示范表率作用帶動(dòng)生態(tài)文明建設(shè)水平全面提高。浙江省是發(fā)達(dá)地區(qū)的經(jīng)濟(jì)大省，局域Moran指數(shù)為1.2，P值顯著，而且資源利用、環(huán)境治理、環(huán)境質(zhì)量、生態(tài)保護(hù)、增長(zhǎng)質(zhì)量、綠色生活各項(xiàng)構(gòu)成指標(biāo)Moran指數(shù)都位于第一象限的正值區(qū)間，可以看出浙江省不僅自身綠色發(fā)展各項(xiàng)指標(biāo)都有不錯(cuò)的表現(xiàn)，而且與周邊省市都具有正向相關(guān)影響。結(jié)合實(shí)際我們看到，浙江省率先進(jìn)行青山綠水保護(hù)，對(duì)生態(tài)文明建設(shè)常抓不懈取得了明顯效果，不僅在地區(qū)范圍內(nèi)產(chǎn)生了高水平的生態(tài)文明建設(shè)帶動(dòng)作用，而且成為全國(guó)各省市學(xué)習(xí)追趕的榜樣，對(duì)全國(guó)生態(tài)文明建設(shè)的推進(jìn)都產(chǎn)生了重要的示范帶動(dòng)效果。

中國(guó)社會(huì)的主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長(zhǎng)的美好生活需要和不平衡不充分發(fā)展之間的矛盾，綠色發(fā)展指標(biāo)及其構(gòu)成指標(biāo)的空間自相關(guān)特征顯示了生態(tài)文明建設(shè)活動(dòng)在空間上同樣存在不平衡不充分，這種矛盾在空間自相關(guān)作用下有可能演化為越來越嚴(yán)重的空間馬太效應(yīng)，因此必須重視試點(diǎn)示范的帶動(dòng)作用，鼓勵(lì)個(gè)別省市努力作為，有所突破，率先垂范，同時(shí)借助空間自相關(guān)作用，引發(fā)地區(qū)間的模仿，追趕、競(jìng)爭(zhēng)效果，帶動(dòng)其他省市向示范省市靠攏，實(shí)現(xiàn)生態(tài)文明建設(shè)整體水平的提高。

（編輯：劉呈慶）

參考文獻(xiàn)

[1]楊開忠. 誰的生態(tài)最文明——中國(guó)各省區(qū)市生態(tài)文明大排名[J]. 中國(guó)經(jīng)濟(jì)周刊， 2009（32）： 8-12.

[2]嚴(yán)耕. 生態(tài)文明評(píng)價(jià)的現(xiàn)狀與發(fā)展方向探析[J]. 中國(guó)黨政干部論壇， 2013（1）： 14-17.

[3]魏曉雙. 試論中國(guó)生態(tài)文明建設(shè)評(píng)價(jià)體系的構(gòu)建[J]. 國(guó)土綠化， 2013（7）： 41-42.

[4]張歡， 成金華， 陳軍， 等. 中國(guó)省域生態(tài)文明建設(shè)差異分析[J]. 中國(guó)人口·資源與環(huán)境， 2014，24（6）： 22-29.

[5]高志剛， 丁文恒. 中國(guó)省際生態(tài)文明發(fā)展水平比較研究[J]. 開發(fā)研究， 2015（2）： 14-18，23.

[6]李茜， 胡昊， 李名升， 等. 中國(guó)生態(tài)文明綜合評(píng)價(jià)及環(huán)境、經(jīng)濟(jì)與社會(huì)協(xié)調(diào)發(fā)展研究[J]. 資源科學(xué)， 2015， 37（7）：1444-1454.

[7]李巍， 郗永勤. 效率視角下的省域生態(tài)文明建設(shè)評(píng)價(jià)研究[J]. 生態(tài)學(xué)報(bào)， 2016，36（22）： 7354-7363.

[8]李從欣， 李國(guó)柱. 省域生態(tài)文明建設(shè)綜合評(píng)價(jià)研究[J]. 生態(tài)經(jīng)濟(jì)， 2017， 33（10）： 210-213.

[9]柴琪宸， 郭亞軍， 宮誠舉， 等. 中國(guó)省域生態(tài)文明建設(shè)協(xié)調(diào)發(fā)展程度的綜合評(píng)價(jià)[J]. 中國(guó)管理科學(xué)， 2017， 25（7）： 184-190.

[10]KLAASSEN H L， OOMS G， PAELINCK J， et al. A study of the formal structure of J.W. Forresters world dynamics model[J]. Ecological modelling， 1980（8）： 259-274.

[11]ANSELIN L. Spatial econometrics： methods and models[M]. Dor-drecht： Kluwer Academic Publishers， 1988： 34-39.

[12]ANSELIN L. How （Not） to Lie with spatial statistics[J]. American journal of preventive medicine， 2006（2）： 3-6.

[13]ELHORST J P. Serial and spatial error correlation[J]. Economics letters， 2008（3）： 422-424.

[14]PACE R K， LESAGE J P. A spatial Hausman test[J]. Economics letters， 2008，101： 282-284.

[15]FOTHERINGHAM A S， YANG W， et al. Multiscale geographically weighted regression （MGWR）[J]. Annals of the American Association of Geographers， 2017（6）： 1247-1265.

[16]沈體雁，馮等田，孫鐵山. 空間計(jì)量經(jīng)濟(jì)學(xué)[M].北京：北京大學(xué)出版社， 2010.

[17]王慶喜， 蔣燁， 陳卓詠. 區(qū)域經(jīng)濟(jì)研究實(shí)用方法：基于ArcGIS、Geoda和R的應(yīng)用[M]. 北京：經(jīng)濟(jì)科學(xué)出版社， 2014.

[18]杜明澤.基于空間計(jì)量的我國(guó)省級(jí)創(chuàng)新發(fā)展研究[J].現(xiàn)代營(yíng)銷，2018（3）：4-5.

[19]劉華軍， 楊騫. 環(huán)境污染、時(shí)空依賴與經(jīng)濟(jì)增長(zhǎng)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究， 2014（1）： 81-91.

[20]邵帥， 李欣， 曹建華，等. 中國(guó)霧霾污染治理的經(jīng)濟(jì)政策選擇——基于空間溢出效應(yīng)的視角[J]. 經(jīng)濟(jì)研究， 2016， 51（9）： 73-88.

[21]吳玉鳴， 田斌. 省域環(huán)境庫茲涅茨曲線的擴(kuò)展及其決定因素——空間計(jì)量經(jīng)濟(jì)學(xué)模型實(shí)證[J]. 地理研究， 2012， 31（4）： 627-640.

[22]馬麗梅， 張曉. 區(qū)域大氣污染空間效應(yīng)及產(chǎn)業(yè)結(jié)構(gòu)影響[J]. 中國(guó)人口·資源與環(huán)境， 2014， 24（7）： 157-164.

[23]鄧靖. 基于空間計(jì)量的能源效率影響因素分析——來自中國(guó)地市及以上城市的經(jīng)驗(yàn)證據(jù)[J]. 廣州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2017， 16（1）： 51-57.

Spatial autocorrelation analysis on construction of ecological civilization

LI Qing

（Institute of Urban Development and Environment， Chinese Academy of Social Sciences， Beijing 100026， China）

Abstract The activities of ecological civilization construction will affect each other among provinces and cities， and therefore the green development index have spatial dependence. The performance evaluation of ecological civilization construction needs to consider this spatial autocorrelation. Based on the index data of ‘2016 Annual Evaluation Report of Ecological Civilization Construction， this paper analyzes the spatial correlation of green development index and its composition index by using general Moran index and local Moran index， and reveals the complex spatial characteristics of ecological civilization construction performance in the most intuitive way. It is found that green development index has spatial autocorrelation in provinces and cities， general Moran index is not high， but environmental quality， environmental governance， development quality， and green life that constitute green development index have obvious and strong autocorrelation， and the performance of ecological civilization construction is affected by the spatial correlation. Analysis on spatial correlation of ecological construction performance? shows that green development index that has a close relation with economic activities has higher spatial autocorrelation degree， and green development index that has a close relation with natural resources endowment has a lower spatial autocorrelation degree. This means that spatial correlation caused by human activities has more significant influence on ecological civilization construction performance. Based on the analysis above， we should focus on the convergent role of spatial correlation， cultivate advanced pilot demonstration models for the construction of ecological civilization， so as to bring other provinces and cities closer to the demonstration provinces and cities， and promote the construction of ecological civilization with the help of spatial relevance.

Key words spatial correlation; construction of ecological civilization; impact analysis