江苏省县域经济发展差异特征和空间机理及政策建议——基于1990-2011年的实证研究

张荣天，张小林

（南京师范大学地理科学学院，江苏南京210046）

区域经济差异是区域经济发展过程中一种普遍的现象，也是区域经济学所探讨的一个重要的核心主题[1]。佩鲁的增长极、赫希曼的不平衡增长、缪尔达尔的循环累积因果等非均衡发展理论都表明适度的区域经济差异有利于资源的优化配置以及产业合理的空间转移，而过度的区域经济差异则会带来较多的负面效应。国内外许多学者对区域经济差异的研究尺度不断由全国东中西三大地带[2,3]、省域南北地区[4,5]的宏观尺度逐渐向县域[6,7]等微观尺度过渡，研究尺度呈现不断深化趋势。目前的研究主要通过Theil指数[8]、变异系数[9]、广义熵指数[10]等方法来度量研究区域经济发展的差异特征，但是这些传统方法都存在一定的局限性，缺乏空间视角，难以真正地揭示区域经济差异的内在空间机制。ESDA的空间自相关技术是以空间关联测度为核心，通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，揭示研究对象之间的空间相互作用机制[11]。ESDA技术已经应用于区域经济分异[12,13]、城镇空间结构[14]、人口变化[15]等方面作了初步地探索与研究。采用以空间关联测度为核心的ESDA方法，可以较好地描述区域经济差异在空间上自相关特征，对区域经济空间结构演化规律研究具有十分重要的意义。

江苏位于我国大陆东部沿海中心、长江下游，东濒黄海，东南与浙江和上海毗邻，西接安徽，北接山东，国土面积10.26万km2，共有13个省辖市，总体可以划分为苏南、苏中、苏北三大区域。改革开放以来，江苏经济社会发展取得了显著成就，1990年江苏省的GDP为1288.49亿元，并且自1992年起全省GDP连续20年保持两位数增长，到2011年全省经济在转型升级中保持平稳较快增长，地区生产总值实现48604.3亿元，增长11%。虽然江苏省综合经济实力领先于全国前列，但其内部存在较为明显的南北区域经济发展差异，并且这种差异日趋显著，1990年苏南、苏中及苏北三大地区的人均GDP之比为1.66∶1.51∶1，2000年苏南GDP、人均GDP分别是苏中的2.98倍和2.40倍、苏北的2.44倍和3.55倍，到2011年苏南、苏中、苏北三大区域的人均GDP之比已经达到4.56∶2.71∶1，通过人均GDP数据的变化可以看出，自1990年代以来，江苏省三大区域之间的经济发展差距在日益拉大，显著的南北区域经济差距在一定程度上制约着江苏经济整体实力的提高以及综合竞争力的提升。因此，研究江苏省区域经济差异规律对于实现全省经济协调发展具有重要的现实指导意义。本文以县域单元为研究尺度，选取65个县（市）人均GDP的经济指标，测度出1990—2011年的泰尔指数，运用ESDA的空间自相关测度方法，揭示出江苏省县域经济发展差异特征及机理，探索20世纪90年代以来县域尺度江苏省经济格局演变的规律，从而为区域统筹发展政策与战略的制定提供理论支撑和实践依据。

1 研究方法与数据

1.1 研究方法

1.1.1 泰尔指数 泰尔指数（Theil Index）又称泰尔熵、泰尔系数，是一种已经被广泛应用的不平衡系数。该指标的重要意义在于可将区域经济总体差异分解成不同空间尺度的区内差异（TWR）和区间差异（TBR），便于比较它们对区域经济整体差异影响的贡献度[16]。泰尔指数的取值范围为0-1，其值愈大，表示区域经济发展不均衡程度愈高，反之亦然。具体的计算公式如下：

式中，yi为第i个地区的人均GDP，y¯为江苏省平均人均GDP，n为地区个数，Pg为第g组人口占区域总人口的比重，Vg为第g组GDP总量占整个区域GDP总量的比重，g为分组的个数。

1.1.2 空间自相关 空间自相关是指研究对象与其空间位置之间存在的相关性，是检验某一要素属性值与其相邻空间要素上的属性值是否显著关联的重要指标。本文通过Moran/s I、Local Moran/s I指数等来测度全局和局部的空间关联特征。

（1）全局空间自相关分析。它是对研究对象属性值在整个区域空间特征的描述，可以衡量区域之间整体的空间关联与差异程度特征[17]。常用测度指标为Moran/s I指数，计算公式如下：

式中，Xi为区域的观测值，X j为区域的观测值，Wi j为空间权重矩阵，区域i和区域j空间相邻为1，不相邻为0。Moran/s I统计值取值为[-1,1]，值大于0表示正相关，越接近于1表示空间上集聚分布的现象越明显；反之，小于0则表示负相关，越接近0表示空间上呈随机分布。

（2）局部自相关分析。它是描述局部空间异质性特征，识别不同空间位置上的“热点区”与“冷点区”的空间分布规律[18]。文中采用Local Moran/s I指数进一步度量区域与其周边地区之间的空间差异程度与显著特征，计算公式如下：

1.2 数据来源

以江苏省2011年县域行政区划作为分析空间单元，包括为65个县市单元（地级市市区作为1个整体单元，共13个；加上27个县级市和25个县），文中选取1990—2011年各县（市）的人均GDP等作为分析的基础指标数据，指标数据资料均取自《江苏统计年鉴》（1990—2011年）；县域行政边界数据取自《江苏省地图集2010》中的1∶1600000的政区图，经扫描后进行跟踪矢量化获取。

2 县域经济发展差异实证研究

2.1 县域经济差异总体特征

基于江苏省县域人均GDP经济指标，计算得出1990—2011年县域单元的泰尔指数（图1）。泰尔指数在数值变化呈现出波动性演变趋势，从1990年的0.089上升到1993年的0.1217，变化了0.0319个百分点，表明这一时期县域经济差异有所增大，主要原因为江苏实施非均衡发展战略，战略重点偏向苏南，苏南地区乡镇企业的迅速崛起，导致苏南与苏北、苏中县域经济发展差距逐渐拉大；1993—2001年泰尔指数呈现微降态势，表明江苏省县域经济发展不均衡程度减弱，这一时期政府提出“徐连经济带建设”、“淮北脱贫致富”和“海上苏东开发”等一系列发展政策，使得苏北、苏中的县域经济得到一定程度的发展；2002—2011年，泰尔指数在数值上整体呈不断上升的趋势，表明江苏省县域经济发展差异呈现扩大的态势，这主要由于2002年省委、省政府提出新一轮的沿江开发战略，接着2003年又提出“三沿”（沿沪宁线、沿江和沿东陇海）战略等，这些政策促进沿江苏州、无锡、南京等城市竞争力进一步提高，区域经济差距继续放大。总体上来看，20世纪90年代以来，江苏省县域经济发展的整体差异是在扩大，其原因是由于县域原先发展基础，区位条件的差异及其政策战略的区域偏向，形成了目前江苏省县域经济发展南北分异的空间分布格局。

图1 1990-2011年江苏省县域人均GDP的泰尔指数折线图

根据泰尔指数具有地理构成空间分解的特性，将江苏省县域经济总体差异分解为苏南（苏州、无锡、常州、南京、镇江、南京）、苏中（扬州、泰州、南通）和苏北（徐州、宿迁、淮安、连云港、盐城）三大区域间的差异以及各区域内部的差异。江苏省县域经济总体差异的变化并不是由某一部分差异的变化引起的，而是由这四个部分相互共同作用引起的，且每一部分所占贡献率也存在差异。区间差异与县域经济总体差异的变化趋势基本一致，泰尔指数由1990年0.0394上升到1993年的0.0590，1993—2001年泰尔指数呈现微降态势，2002—2011年泰尔指数继而呈现出不断上升的趋势，整体上呈增大趋势，区间差异对县域经济差异的贡献率由1990年的43.88%增加到2011年的50.84%，有逐年增大的趋势，对县域经济差异的整体变化趋势影响较大；苏南地区内部差异贡献率总体上呈扩大趋势，苏北地区内部差异贡献率总体上也呈现上升趋势，而苏中地区内部差异贡献率表现出下降态势，对县域经济总体差异影响逐渐减弱（表1）。综合来看，三大地区间的差异与苏北、苏南内部差异的“三足鼎立”之势，是造成20世纪90年代以来江苏省县域经济整体差异的主要贡献者。

表1 1990-2011年江苏省县域经济差异演变及其分解

2.2 县域经济全局空间格局特征

借助全局空间自相关模型，可以有效的分析县域经济整体发展差异与趋势。基于江苏省县域1990—2011年人均GDP的指标，利用Ge o DA软件计算出县域人均GDP的全局Moran/s I指数，通过图2可知，整个研究期的Mo r a n/s I指数全部为正，且总体趋势在不断增加，表明江苏省县域经济发展水平较高（或较低）的地区在空间上趋于集聚分布，随着时间的不断推移，这种空间集聚趋势还在不断增强。1990年Moran/s I系数为0.4600，到1996年达到0.6519，这一时期为Moran/s I指数增长较为平缓时期，表明县域经济集聚程度在逐年增加，但增加的幅度较慢，县域经济发展的差异并不是十分显著；1996年以后Moran/s I系数大幅上升，达到0.771，到2000年达到最高值0.8362，这一时期为县域经济发展差异显著的阶段，相似县域经济发展集聚程度最为显著，表明这一时段江苏省县域经济发展的差距在不断的拉大，主要原因是苏南地区凭借优越的区位条件、自身良好的发展基础以及政府政策战略的倾向，使得苏南地区尤其是苏州、无锡及其常州地区的县市经济社会得到长足的发展。2001年以后Moran/s I系数开始出现微降的趋势，县域经济的集聚程度减弱，表明21世纪以后江苏省县域经济发展的空间不平衡性开始缩小，苏南与苏北区域经济发展的差异有减少之势，主要是因为江苏省提出大力扶持苏北地区的发展的战略与政策，使得江苏省县域经济空间分布格局有所改变，县域尺度经济发展差异缩小是相对意义上的，且还存在一定程度上的波动过程，经济发展差异缩小仅仅只是针对县域尺度上存在缩小的态势，与其他尺度上经济发展差异扩大之间并不存在矛盾关系，这是因为研究中选取的尺度不同，其研究的结果也会不同。

图2 江苏省人均GDP空间全局自相关指数Moran’s I

2.3 县域经济局部空间格局演变

全局空间自相关仅仅使用单一的值来反映一定范围的空间自相关，仅说明所有区域与周边地区之间空间差异的平均程度，不能充分描述研究区域内所有单元之间的空间联系模式，尤其当空间过程在空间上出现非平稳的状态时，需要进行局部空间自相关分析。文中选用Local Moran/s I指数描述局部空间异质性特征。基于1990年、1995年、2001年、2005年、2011年的人均GDP指标，测算出江苏省65个县（市）的5个年份的Local Moran/s I指数。Local Moran/s I指数较大的区域几乎集中分布在苏州、无锡及常州地区的部分县（市），且具有更高显著性水平的则是分布在苏州、无锡两地。自1978年改革开放以来，苏南地区经济一直不断在发展，依靠临近国际大都市上海的优越的区位条件，积极承接上海的产业转移，大力发展外向型经济和高科技产业，使得苏州、无锡地区始终为江苏经济发展最为发达地区，是江苏经济发展最大的增长极。徐州市、如皋市、海门市等Local Moran/s I指数始终呈现负值，南京市、扬州部分县市、徐州部分县市、连云港的部分县市等Local Moran/s I指数也基本处于负值状态。苏北地区由于自身发展基础的薄弱，区位优势欠缺以及倾向性政策的缺失，一直为欠发达状态，近些年来，政府开始有意向性偏向于苏北地区，提出“苏北大发展”的思路，但是由于缺乏可操作性的规划政策作为保障，经济增长的速度仍然远远落后于苏南地区；苏中地区由于处于长江的北面，受长江的地理限制因素，造成与苏南的经济交流存在较大的障碍，经济发展速度也较为缓慢；南京市由于处在江苏省西南角，受到上海大都市圈及其“苏锡常”都市圈经济辐射能力的较为有限，造成南京及周边区县Local Moran/s I指数呈现负值或者接近于0。

3 县域经济发展差异的空间机理分析

本文利用空间变差函数来考察1990年以来江苏省县域经济发展差异的内在空间机理。基于1990—2011年4个年份的65个县（市）人均GDP，将其作为属性数据赋予每个县域空间单元的几何中心点，将采样步长定为40 km（保证步长的大小乘以步长数约等于样点间最大距离的0.5倍），分别计算4个年份的实验变差函数，对样本点数据分别采用对数模型、指数模型、球体模型、高斯模型等进行拟合分析，选择拟合效果最好的模型，然后对其进行Kriging插值，并且模拟生成3D图。

表2 1990—2011年江苏省县域经济的变差函数拟合参数

（1）从空间变差函数的基台值（C0+C）、块金值（C0）等指标的变化来看，基台值C0+C显著增大，由1990年的0.1121不断提高到2011年的0.2181，表明自1990年以来，江苏省县域经济发展的空间差异呈现不断增大趋势；但是块金系数C0/(C0+C)整体上却呈现不断下降的态势，由1990年的0.4162下降到2011年的0.2072，表明江苏省县域经济空间格局演化过程之中，由数据变异等随机成分引起的经济发展空间分异不断降低，而由空间自相关引起的县域经济空间格局结构化分异则越来越显著。

（2）从方差拟合图中可以看出，1990—2011年4个年份的县域单元经济发展的变程a不断下降，表明县域尺度经济发展结构化空间梯度引起的空间关联效应的作用范围有所减弱，江苏省县域经济空间格局演化呈现向热点区扩靠拢的趋势，并且具有十分显著的地理集中格局演化特征；从空间变差函数拟合选用的模型来看，1990—2011年4个年份通过最小二乘法选择的空间拟合模型均为高斯模型（Gaussian），表明江苏省县域经济空间格局具有较好的稳定性和连续性；模型拟合效果较好，并且模型的决定系数R2有不断上升的趋势，表明江苏省县域经济发展的空间自组织性越来越强。

（3）从Kriging插值的3D拟合图可以看出，1990—2011年4个年份的江苏省县域经济空间格局的走势存在一定的连续性与规律性，空间分布形态存在特有的内部结构。在4个年份上表现出较高的相关性特征，都呈现出以东南方向为顶点的坡形空间结构，距离东南方向越远，高度越低，广大的西北地区呈现为平原结构，表明江苏省县域经济空间格局呈现出一定的稳定性，省内南部和北部经济发展差异程度十分地显著，区域经济发展水平呈现出不均衡的态势。

（4）从比较4个Kringing3D图可以看出，在江苏省县域经济空间格局演化的过程中，东南方向隆起高度整体上呈不断上升的趋势，并且越靠近西北部，下降的速度越快，表明苏南与苏北区域经济发展的内部的空间差异呈现出下降的趋势，县域经济发展的集聚态势增强，但省内三大地区之间的经济发展空间结构性差异依然十分显著。

图3 江苏省县域经济空间变差函数演化图

4 结论与对策建议

4.1 结论

本文以江苏省的县域单元作为研究对象，结合区域经济差异的传统统计方法和空间统计方法，即运用泰尔指数和ESDA的空间自相关测度模型，对1990—2011年江苏省县域经济差异的特征及空间机理进行了探索，得到以下结论：

（1）自20世纪90年代以来，江苏省县域经济发展经历了波动性的历史过程，但县域经济差异整体上呈现出上升趋势；依据泰尔指数地理构成空间分解的特性，得到县域经济差异的变化是由三大地区间差异和地区内部差异共同作用引起的，其中区间差异与苏北、苏南内部差异的“三足鼎立”之势，是造成江苏省县域经济整体差异的主要贡献者。

（2）全局上，江苏省县域经济发展存在着较强的空间正相关的特性，县域经济发展相似的地区在空间上表现为聚集分布格局，并且空间集聚的态势越演越烈；局部上，县域尺度经济存在着显著的局部空间集聚现象，县域局部空间集聚特征在年际间呈现出一定的微小变化，但总体上主要呈现出以苏州、无锡为核心的圈层分布结构。

（3）县域经济发展中的随机成分较低，而由结构化分异引起的空间差异越来越显著；东北—西南方向县域经济空间差异较小，而东南—西北方向县域经济空间差异较大；县域经济发展差异主要的影响因素有地理区位条件、经济发展基础以及区域发展政策。

4.2 对策建议

针对县域经济发展的差异，从完善合作机制、调整产业结构、建立人才引进机制等方面，提出江苏省县域经济协调可持续发展的对策及其建议。

（1）完善县域间经济合作机制，建立县域经济合作的制度保障。江苏全省三大地区县域间的经济发展水平差距十分显著，要在全省层面形成区域协调发展机制，组织南北各市政府和企业之间对话，开展经济合作，建立长期有效地县域间经济合作机制与模式；同时，省市财政、金融部门应适当地加强对苏中、苏北部分县域的财政转移支付力度，加强经济落后县域的基础产业以及交通基础设施的开发与建设，提高苏中、苏北县域城镇的投资环境。

（2）调整区域间产业布局，形成各具特色的产业结构。根据全省各县域的实际情况，合理地选择与培植主导产业。苏北县域发展基础较差，应该鼓励走集聚式发展道路模式，积极改进招商方式，拓展引资领域。根据目前产业分工的现状，应进一步加快苏南发达县域向苏北、苏中县域地区进行产业转移力度，鼓励苏南及沿江县域地区的各类企业向苏北县域投资，苏北县域根据经济发展的需要，应合理地引进和吸收具有发展潜力的产业，并完善配套的基础设施建设，为产业转移顺利进行提供必要支撑。

（3）建立长效的人才引进机制，营造人才发展的良好氛围。为适应县域经济发展的需要，要不断完善人才引进的工作机制，制定一整套行之有效的人力资源制度，营造良好的人才开发环境，激发人才工作的积极性；同时可以广泛与高校科研院所等机构开展多层次的沟通与合作，培养和引进一批适应当地工业化与城镇化发展要求的专业技术人才和高层次人才，为推进苏北、苏中地区县域经济发展提供有力的人才保障。

需要指出的是，本文研究还存在一定局限之处。研究时间尺度选择较短，仅仅为20世纪90年代以来的20年；空间尺度选择“县域”单元，忽视更小空间尺度（乡镇）间的相互作用机理；同时，文中对测度经济发展差异指标及方法的选择还存在不够全面的因素。因此，选取更为科学方法测度区域经济差异，以及对长时间小尺度的经济空间格局演变规律的探索,乃是本文需要进一步思考和深化的方向。

[1]魏后凯.现代区域经济学[M].北京:经济管理出版社,2006:407-408.

[2]徐建华,鲁 凤,苏方林,等.中国区域经济差异的时空尺度分析[J].地理研究,2005,24(1):57-68.

[3]彭文斌,刘友金.我国东中西三大区域经济差距的时空演变特征[J].经济地理,2010,30(4):574-578.

[4]蒲英霞,葛莹,马荣华,等.基于ESDA的区域经济空间差异分析以江苏省为例[J].地理研究,2005,24(6):965-974.

[5]李 丽,管卫华.改革开放以来江苏省区域经济差异格局演化研究[J].经济地理,2010,30(10):1605-1611.

[6]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,2010,64(6):713-724.

[7]彭宝玉,覃成林.河南县域经济实力评价及空间差异分析[J].地域研究与开发,2007,26(1):45-49.

[8]蓝丁丁,韦素琼,熊小刚.基于泰尔指数的福建省区域经济差异及其成因分析[J].吉林师范大学学报(自然科学版),2007,5(2):37-40.

[9]熊 薇,徐逸伦,王迎英.江苏省县域经济差异时空演变[J].地理科学进展,2011,30(2):224-230.

[10]孙平军,修春亮,丁四保,等.东北地区域发展的非均衡性与空间极化研究[J].地理科学进展,2011.30(6):715-723.

[11]Anselin L.Interactive techniques and exploratory spatial data analysis·In:Longley P A,Goodchild MF,Maguire D J,etal(eds.).Geographical Information Systems,Principles,Technical Issues,Management Issues and Applications[J].John Wiley&Sons,Inc,1999,52(3):253-266.

[12]潘竟虎,张佳龙,张 勇.甘肃省区域经济空间差异的ESDA——GIS分析[J].西北师范大学学报(自然科学版),2006,6(4):83-91.

[13]谢花林.环鄱阳湖地区农业经济空间差异分析——基于探索性空间数据分析 (ESDA)方法[J].农业现代化研究,2010,31(3):299-303.

[14]马晓冬,马荣华,徐建刚.基于ESDA——GIS的城镇群体空间结构[J].地理学报,2004,59(6):1048-1057.

[15]Hideo Ezoe,Sayska Nakanura.Size distribution and spatial autocorrelation ofsubpopulations in a size structured met population model[J].Ecological Modeling,2006,198(3):293-300.

[16]张 雪,张广胜.辽宁省44个县域经济差异的时间演变研究[J].沈阳农业大学学报（社会科学版）,2010,12(3):284-287.

[17]Getis A,Ord J K.The analysis of spatial association by the use of distancestatistics.Geographical Analysis,1992,24(2):189-206.

[18]Anselin L.Local indicators of spatial association:LISA.Geographical Analysis,1995,27(4):93-115.