基于空间自相关的县域经济时空集聚过程研究

蒲 强, 董明辉, 邹 滨



基于空间自相关的县域经济时空集聚过程研究

蒲 强1, 董明辉2, 邹 滨1

(1. 中南大学 地球科学与信息物理学院, 湖南 长沙, 410083; 2. 湖南文理学院 资源环境与旅游学院, 湖南 常德, 415000)

运用Moran’s和Getis-Ord G*指数,以某区县域单元为对象, 选取2000—2010年人均GDP及其相对增长量为指标, 对研究区经济时空集聚过程进行了分析. 结果表明: (1)研究区人均GDP县域经济总体上呈现出较强的空间自相关性, 且空间自相关态势在2000—2010年间逐年加强(Moran’s从0.18增长到0.41), 区域形成了北部高经济发展水平集聚区, 而南部各县市单元则组成了低经济发展水平集聚区; (2)经济增长的空间格局呈现出较强的不稳定性, 但与人均GDP的演化趋势较为一致. 通过研究发现Moran’s和Getis-OrdG*指数能够较好透视区域经济发展格局时空演化过程, 也肯定了空间自相关方法在区域经济发展规划制定中的潜在价值.

空间自相关; GIS; 区域经济; 时空格局

按照新古典增长理论, 在区域层面上, 集聚经济是指经济增长还将受到周边地区经济发展的影响[1], 不同于传统观念上经济现象和经济活动的简单集聚, 它是区域产业发展到一定阶段的产物. 由不同尺度的单元组成的城市群是一个互联的系统[2], 其中存在资本、劳动力和资源等的流通, 在交通、物流和通信的完善下区域间的交流会愈加密切, 这一过程往往导致区域内经济发展水平相似的单元发生集聚. 进而伴生出区域经济发展的差异扩大化, 所以分析区域经济时空集聚过程, 对于认识经济空间结构, 保持发达地区的优势、加快落后地区的发展具有指导意义, 同时也能够发现区域宏观调控或发展政策是否达到预期的目的、区域的经济是否朝着预期的方向发展.

地理学第一定律指出: 所有的事物都是相互联系的, 但离得越近彼此之间的联系越强[3]. 空间自相关可以量测空间事物的分布是否具有自相关性, 高的自相关性代表空间现象存在集聚性[4]. 空间自相关分为全局和局部假设检验两种, 在给定显著性水平下, 全局空间自相关表征研究区相似属性的平均集聚程度; 而局部空间自相关回答集聚区的具体空间分布[1]. 目前, 基于空间自相关的统计分析方法已广泛应用于农业、地质、土壤、水文、环境、经济以及地理等领域[5-8]. 在区域经济层面, 由于加入空间临近概念弥补了传统度量指标如基尼系数[9]和Ellison-Glaeser指数[10]等在空间视角的缺失, 空间自相关分析能够从时序和空间角度全面地表达区域经济集聚特征. 为探究区域经济时空集聚过程, 本文以某区县域行政单元为对象, 运用全局自相关Moran’s指数[11]、局部空间关联指数Getis-OrdG[12], 以2000年到2010年间11个时间断面为基础, 利用人均GDP及其相对增长量指标分析研究区经济集聚的时空差异.

1 数据来源与研究方法

本研究选取湖南A、B、C三个地级市, 共15个县域行政单元为研究区. 各县域单元2000-2010年的人均GDP指标数据均来自2000-2010年研究区省统计年鉴. 研究过程中, 主要采取Moran’s和Getis-OrdG*指数对研究区人均GDP和经济平均增长指标的空间集聚性进行了探测.

1.1 全局空间自相关指数

全局Moran’s指数作为对属性值在整个研究区域的全局空间自相关特性的描述, 其公式如下:

1. 2 局部空间关联指数

局部Moran’s和局部Getis-Ord G都是用于测度空间局部自相关的指标. 已有研究现实, 与局部Moran’s相比, 局部Getis-OrdG在探测局部空间集聚尤其是高值集聚时更准确[13], 因而本研究选取局部Getis-Ord G指数探测局部空间高值簇与低值簇, 使用ArcINFO将其空间可视化, 采取Jenks最佳自然断裂法实现研究区各年份G统计值从高到低的分区, 并完成HotSpot (热点区)及ColdSpot(冷点区)的空间制图.

1. 3 经济平均增长指数

由于基于人均GDP的空间自相关分析仅能从静态角度揭示研究区经济的空间集聚过程[14], 为探究研究区动态经济发展的空间热点, 本研究还将研究期间的11个时间断面分成3个时段: 2000-2004、2004-2007、2007-2010, 在此基础上计算节各时段的经济增长指数, 使得不同时期的增长速度具有可比性[15].

2 结果分析

2.1 研究区经济集聚时序变化特征分析

如表1所示, 研究区2000-2010年11个时间断面县域人均GDP的全局Moran’s值都为正, 并且检验结果均在1%水平上显著, 并且指数值随时间发展逐渐增长. 表明: 研究区县域经济存在显著的正空间自相关, 即区域内经济发展水平高的各单元在空间上集聚, 经济发展水平低的各单元在空间上集聚, 经济集聚的程度也在逐年增强, 并且区域内部单元发展水平差异有缩小的趋势, 因而促进县域经济全局空间异质性减弱.

表1 2000-2010年研究区人均GDP全局自相关特征Moran’s I指数值

2.2 研究区经济集聚空间特征逐年变化分析

在人均GDP时序特征分析的基础上, 图1通过对Getis-Ord G指数的表达, 探究其空间高值簇与低值簇时发现: 热点区集中在以A市为核心的区域; 而冷点区则长期位于南部区域. 虽然B市和C市也作为区域的中心城市并有较高的绝对经济量, 但与其邻近的各县市相对较落后, 所以一直未能进入热点区域. 再从冷热点区变迁看, 2008年开始热点区继续扩大并定型, 2003年以后冷点区集聚收缩于区域南部, 说明该区域以北部A市为核心经济圈的空间格局逐渐成型并趋于稳定.

图1 人均GDP空间格局热点的演化图

2.3 研究区经济集聚空间特征分阶段变化分析

图2表明, 研究区各时段经济平均增长热点格局差异显著且存在冷热点区直接邻接的现象, 反映出研究区经济增长的空间格局不稳定, 集聚水平较低. 热点区在3个时段中迁移频繁, 但仍以区域北部较为集中, 南部单元从热点区逐渐演化掉入冷点区表现出区域南部经济发展速度急剧减慢, 发展动力不足. 再比较人均GDP的热点图发现: 两种指标演化趋势较为一致, 都形成了以北部为热点区而南部为冷点区的格局.

图2 研究区经济增长的空间格局热点演化图

3 结论

本研究在Moran’s和Getis-OrdG指数支持下, 利用2000～2010年人均GDP和人均GDP相对增长率为指标, 以某区为例进行了县域经济的时空集聚过程分析. 相对于传统的经济集聚研究, 本研究在时序角度的基础上加入了空间概念, 从全局到局部识别空间集聚特征和过程, 并且进一步分析了研究区经济相对增长量的格局, 得到了以下结论:

(1) 研究区在人均GDP指标上表现出较强的空间自相关性, 整体空间经济联系愈加紧密并朝着集聚化态势发展, 形成了以A市为中心的核心城市圈, 并且存在缓慢的热点扩散态势. 冷点区逐渐收缩到区域最南部, 但南北的发展水平差异正在逐年缩小.

(2) 研究区经济相对增长量的空间格局呈现不稳定性和空间异质性, 但演化趋势与人均GDP演化趋势较为一致, 同时, 因两种空间格局存在内在联系, 所以某个时段相对经济增长的冷热点区往往会在人均GDP的经济格局中发生迁移.

(3) 结合研究结果得知: 在保持区域北部发展势头的同时合理地规划发展方案或制定政策以加快南部区域的发展能够提高城市群空间经济集聚水平, 对于该区域整体经济实力和区域影响力的提升有着重大意义.

然而需要指出的是, 本研究在空间自相关统计分析中缺乏对客观存在的可塑性面积单元问题 (modifi- able areal unit problem, MAUP) 的考虑[16]. 因此, 进一步在同一区域开展多尺度分析, 实现不同尺度区域变量的最佳拟合, 降低MAUP效应是此类研究中亟待解决的重要问题之一. 此外, 在驱动因素分析方面, 如何进一步在定量模式下分析各个要素单一或联合作用下的贡献力差异, 也有待进一步研究.

[1] 葛莹, 姚士谋, 蒲英霞, 等. 运用空间自相关分析集聚经济类型的地理格局[J]. 人文地理, 2005, 83(3): 21-25.

[2] 董冠鹏, 郭腾云, 马静. 京津冀都市区经济增长空间分异的GIS分析[J]. 地球信息科学学报, 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] 孙英君, 王劲峰, 柏延臣. 地统计学方法进展研究[J]. 地球科学进展, 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] 马洪超, 李德仁. 基于空间统计学的空间数据窗口大小的确定[J]. 武汉大学学报: 信息科学版, 2001, 26(1): 18-23.

[7] 蔡芳芳, 濮励杰, 张健, 等. 基于ESDA的江苏省县域经济发展空间模式解析. 经济地理[J], 2012, 32(3): 22-28.

[8] 张鸿辉, 增永年, 金晓斌. 南京市城市地价空间自相关分析[J]. 南京大学学报, 2009, 45(6): 821-830.

[9] 梁进社, 孔健. 基尼系数和变差系数对区域不平衡性度量的差异[J]. 北京师范大学学报, 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] 张松林, 张昆. 空间自相关局部指标Moran指数和G系数研究[J]. 大地测量与地球动力, 2007, 27(3): 31-34.

[14] 王静, 张小雷, 杜宏茹. 新疆县域经济空间格局演化特征[J]. 地理科学进展, 2011, 30(4): 471-478.

[15] 靳诚, 陆玉麒. 基于县域单元的江苏省经济空间格局演化[J]. 地理学报, 2009, 64(6): 713-724.

[16] 陈江平, 张瑶, 余远剑. 空间自相关的可塑性面积单元问题效应[J]. 地理学报, 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

蒲强(1990-), 男, 本科, 研究方向为GIS时空建模. E-mail: puqiang001@gmail.com

董明辉(1955-), 男, 教授, 研究方向为区域经济. E-mail:Mhdong1954@yahoo.com.cn

(责任编校:谭长贵)