四川省各市州公共服务供给空间的自相关分析

宋雪茜，刘颖

(1.成都信息工程大学管理学院，成都610225;2.中国科学院成都山地灾害与环境研究所山区发展中心，成都610041)

0 引言

区域公共服务供给水平对于提高区域发展能力起着至关重要的作用。受自然、经济、制度等多种因素的影响，公共服务供给空间分布不均衡现象普遍存在，因此公共服务供给空间不均衡性及其影响因素成为学界研究的热点。在城乡二元结构成为阻碍公共服务均等化的重要原因背景下，学界对我国城乡之间公共服务空间差异［1－2］及农村公共服务空间差异［3］研究成果颇丰，公共服务地区差异也日益受到重视，相关研究多围绕着东西部差异展开。陈诗一等通过分析中国省级地方政府服务供给的相对效率，提出西部省份比东中部地区省级服务供给效率低［4］。张明玖进一步指出西部地区基本建设支出对经济增长的贡献明显高于东部地区、东部地区科教文卫支出对经济增长的贡献远高于西部地区的结论［5］。马慧强等对中国大陆286个地级以上城市(除拉萨外)进行分析，结果表明基本公共服务呈现从东部沿海到中、西部逐步降低的特点［6］。随着空间特征被引入到公共服务效率的分析中，公共服务供给的空间相互作用成为国际上相关领域研究热点。相关研究结果表明财政竞争［7－9］、锦标竞争［10－13］、支出外溢［14－18］地方政府间公共服务投资相互影响是公共服务财政投入空间聚集的主要原因。国内现有研究主要集中于对公共服务空间差异的描述或统计分析，公共服务供给的空间相关性研究较少。对公共服务空间分布格局影响因素的分析多集中在经济、政策和社会因素［19］等方面，从地理因素角度进行深入的研究较为少见。根据中国公共服务供给的实践，本研究推测公共服务供给差异的原因应与地理空间因素有关，为了从空间统计及计量的角度验证本研究的猜测，以四川省为例，引入空间自相关模型检验不同类别公共服务供给在地理空间上是否具有相关性，并从地理、经济和政策等角度对公共服务供给空间相关性的影响因素进行探究，并针对不同类别的公共服务，提出差异化的空间供给策略。

1 研究区概况

四川省地处中国西南，国土总面积48.6万km2。其中山地、丘陵、高原面积达90%以上。2013年四川省实现地区生产总值(GDP)26 260.8亿元，居全国第8位，西部地区第1位。2013年末，全省常住人口8 107万人，城镇化率53.73%。四川省辖18个地级市3个自治州，其中凉山彝族自治州、甘孜藏族自治州、阿坝藏族羌族自治州为少数民族聚居地(图1)。

图1 四川省地形Fig.1 Topography of Sichuan Province

2 研究数据

2.1 样本尺度和指标选择

本研究以四川省各市州为研究的空间样本对公共服务供给的空间关系进行研究。由于四川省丘陵和山地占总面积比例很大，尤其是川西地区山高人稀，如果以人均指标评价山区公共服务供给水平会得出贫困山区公共服务效率较高的错误结论［20］;以公共服务支出占GDP比重为指标评价，会由于转移支付和专项投入的因素而得出越偏远贫穷的山区的公共服务供给水平越高的结论;以各项支出占财政总支出比重指标衡量各地公共服务供给状况更因掩盖了各地的经济、社会和地理因素的差异性而不客观［21］。相对而言，地均指标更能客观地反映经济、社会发展不平衡的公共服务供给状况，因此，本研究以地均公共服务支出为基础数据进行分析。

2.2 数据来源

一是公共服务财政支出统计数据。运用《四川省统计年鉴2013》数据，选择与公共服务相关性较强的15项，包括科学技术、文化体育与传媒、环境保护、农林水事务、交通运输、公共安全、城乡社区事务、资源勘探电力信息等事务、地震灾后恢复重建、国土资源气象等事务、住房保障、教育、医疗卫生事务、一般公共服务、社会保障和就业。二是地理空间数据。选用DEM数据为地球电子地形数据ASTER GDEM，基本格网单元大小为30 m×30 m，精度相当于1∶10万。行政界线数据来自国家遥感应用工程技术研究中心西南分中心，基本比例尺为1∶10万。研究中用到的空间权重矩阵和各地区地理空间坐标均来源于此。

2.3 数据处理

对空间数据的处理是利用ArcGIS软件对四川省行政区划图进行栅格化处理，将其转化为矢量数据，将各种属性数据“离散化”到行政单元上，将其直接作为空间单元，便于将空间数据与经济数据进行匹配分析。对经济数据的处理是将四川省各市州15项公共服务支出的地均数据以因子分析法进行降维后提取公因子计算得分，再将公因子得分与数字化后的空间数据进行合成，形成空间统计数据。

3 研究方法

3.1 因子分析法

各市州公共服务支出的15个项目间可能存在严重的内部相关性，因子分析可以将具有复杂关系的变量综合为数量较少的几个因子［22］，本研究采用因子分析法对公共服务供给变量进行降维。先用KMO样本测度法和Bartlett球体检验法对15个支出项目变量间的相关程度进行检验，再用主成分分析法计算反映四川省各市州公共服务支出状况的综合测评得分，计算公式为:

式中:di为公共因子特征值方差贡献率;fi为公共因子得分;bij为因子得分系数;xij为各市州标准化指标值。

3.2 空间自相关模型

3.2.1 空间权重矩阵。在明确空间相互作用特征的基础上构造空间邻近性矩阵，将空间邻近性矩阵归一化，就得到空间权重矩阵W［23］。

3.2.2 全局空间自相关。空间自相关系数可用来度量属性值在空间上的分布特征及其对邻域的影响程度［24］。在实际应用中Moran’s I较为常用［25－26］，全局空间自相关Global Moran’s I指数常用来分析研究对象在全局空间内表现出的分布特征，计算公式为:

式中:n为观测点个数;wij为空间权重;Xi和Xj代表地区i和j变量数Xi的方差。Moran’s I指数的取值范围为［－1，1］，正数表示空间集聚分布特征，即存在空间正相关性，值越大集聚特征越明显;负数表示空间发散分布特征，即存在空间负相关性，值越小发散特征越明显;等于0表示空间的随机分布特征，即不存在空间相关性［27］。

3.2.3 局部空间自相关。局部空间自相关分析可以更准确地把握空间要素异质性特征的局部空间相关性［28－29］。分析局部空间相关性通常使用由LISA方法计算的Local Moran’s I指数，计算公式为:

Ii为正表示变量存在局部空间正相关，为负则表示负相关。①HH型:Ii＞0，市州i与相邻市州的服务支出均高于全省平均水平;②LL型:Ii＞0，市州i与相邻市州的服务支出均低于全省平均水平。③HL型:Ii＜0，市州i的服务支出高于全省平均水平，相邻市州服务支出低于全省平均水平。④LH型:Ii＜0，市州i的服务支出低于全省平均水平，相邻市州服务支出高于全省平均水平。

3.3 地势起伏度

地势起伏度(relief degree of land surface，RDLS)是指在所指定的分析区域内所有栅格中最大高程与最小高程的差，是反映地形起伏的宏观地形因子。地势起伏度的引入可以科学分析地形地貌对公共服务供给空间相关性的影响程度。采用DEM数据作为基础数据，利用ArcGIS中的空间分析模块提取地形起伏度。随着“某一个范围”的增大，地势起伏度必然会增加。所以，确定地势起伏度的关键是确定这一范围的大小。选取矩形作为分析窗口，窗口为3×3，5×5，7×7，……，45×45，移动步距为2。分析窗口内的高差作为目标栅格的起伏度，由此计算出整幅DEM上每个窗口的起伏度，求得地形起伏度的栅格数字矩阵。计算公式为:

式中:Hij为领域内像元的高程值;max(Hij)和min(Hij)分别为分析窗口中的最大和最小高程值;ΔHij为领域内的高差即表示分析窗口的起伏度大小［30］。

4 研究结果

4.1 因子分析结果

指标相关性及模型适用性检验结果显示公共服务支出地均指标的KMO值为0.686，适合做因子分析。Bartlett球体检验的Sig值为0.000，t球体检验X2的统计值为716.627，说明变量之间存在相关关系，适合作因子分析。提取公共因子、求解旋转后的因子载荷矩阵，结果表明前3个因子的方差贡献率分别为76.801%，12.298%和7.426%，累积方差贡献率为96.526%，表明提取的公因子能够解释15个原始变量的90%以上，充分地保留了原始变量信息，具有很好的代表性，因此，提取前3个因子作为主因子。用Kaiser标准化正交旋转法对各类指标提取的公共因子建立因子载荷矩阵，经5次正交旋转以后收敛，结果见表1。

表1 旋转后的因子载荷矩阵Tab.1 Factor loading matrix after rotation

由表1可知:公因子F1在科学技术支出、文化体育与传媒、交通运输、公共安全、城乡社区事务、资源勘探电力信息等事务、国土资源气象等事务、一般公共服务上载荷较大，这些变量多为政府为促进经济社会更好地发展而提供的公共服务支出，因而可以命名为“偏高级公共服务因子”;F2在环境保护支出、农林水事务支出、教育、医疗卫生、社会保障、住房保障上载荷较大，这些指标多属于基本公众服务类支出，因而可以命名为“偏基本公共服务因子”;F3在地震灾后恢复重建上载荷较大，可命名为“灾后重建因子”。

运用因子分析法求解三类公共服务因子得分(图2)，结果表明:四川省偏高级公共服务聚集程度非常高，成都市得分远高于其他市州，空间差异十分明显;偏基本公共服务空间差异相对较小，但仍呈现出中部、东部地区供给高于西部山区的特点;灾后重建公共服务供给聚集在汶川大地震主要灾区。进一步计算四川省各市州公共服务供给综合得分(图3)表明:四川省公共服务供给空间差异较为明显，公共服务资源主要聚集在成都平原及东、南部丘陵地区，川西山区公共服务供给普遍较低，其中阿坝、凉山和甘孜3个少数民族自治州公共服务供给综合得分最低，这也证实了地形复杂山区的公共服务能力基础与配套较差。

图2 四川省各市州三类公共服务支出因子得分Fig.2 Scores of the three common factors of cities in Sichuan Province

图3 四川省各市州公共服务支出综合得分Fig.3 Synthesis scores of public services of cities in Sichuan Province

4.2 空间自相关检验结果

为度量四川省各市州偏基本公共服务、偏高级公共服务和灾后重建支出的全局及局部空间集聚程度，采用空间自相关模型，引入一阶邻接“车标准”权重矩阵(rook contiguity)，通过GeoDa软件对四川省各市州三类公共服务支出空间相关性进行分析。

图4 四川省各市州三类公共服务支出全局空间自相关空间分布Fig.4 Global spatial autocorrelation distribution of three types of public services of cities in Sichuan Province

4.2.1 全局空间自相关检验结果。全局空间自相关分析结果表明，四川省各市州各类公共服务财政支出均具有较高的空间相关性，其中，偏高级公共服务支出(I=－0.078 8，p＜0.05)呈负相关，表明该类支出较高的地区与较低的地区相邻;偏基本公共服务支出(I=0.266 7，p＜0.01)及灾后重建支出((I=0.167 2，p＜0.01)都呈聚集分布，说明这2类公共服务支出较高与较高的地区相邻，较低与较低的地区相邻，其中偏基本公共服务支出聚集度最高。将各类公共服务供给的全局空间自相关散点图的各象限地区表达在空间上，可直观再现各市州的全局空间自相关空间分布状况(图4)。

从图4a可知，偏高级公共服务方面，成都地区自身偏高且周边偏低，而与成都相邻的所有市州则属较低与较高地区相邻，其他市州都属较低与较低相邻。四川偏高级公共服务支出的空间相关性分布呈现出以成都为中心同心圆式向外扩散的形态。

从图4b可知，偏基本公共服务支出方面，成都、德阳和南充属支出高与支出低相邻，眉山、资阳、遂宁、广安、内江和自贡为支出较高与较高地区相邻，泸州和达州属支出较低与较高相邻，西部山区都是较低与较低相邻。四川省偏基本公共服务支出呈现出以成都平原为中心向东部扇形扩散的趋势。

从图4c可知，灾后重建支出方面，成都、绵阳、德阳、广元都是汶川地震灾后重建重点区域，都属较高与较高邻近;阿坝州及灾区东部邻近的遂宁、资阳、巴中三市均属较低与较高邻近;其余的市州都属较低与较低邻近。

综合三类公共服务供给全局空间自相关结果可知，川西山区三类公共服务供给都呈“低－低”相关，表明该区域各类公共服务供给能力和水平都较低，而成都平原三类公共服务都呈“高－低”相关，表明该区域各类公共服务供给能力都较周边地区丰富。由此充分印证了四川省公共服务资源的聚集与地形条件、都市圈空间关联密切相关。

4.2.2 局部空间自相关检验结果。四川省各市州公共服务支出局部空间自相关结果见图5。在偏高级公共服务支出方面，雅安为LH型，绵阳、遂宁为LL型，均通过5%相关性水平检验，其他地区空间相关性特征不显著;在偏基本公共服务支出方面，甘孜、资阳通过1%水平的相关性检验，雅安、泸州通过5%水平相关性检验。甘孜和雅安是LL型，资阳为HH型，泸州为LH型;在灾后重建支出方面，阿坝和绵阳通过1%水平的相关性检验，德阳通过5%水平相关性检验。阿坝为LH型，绵阳和德阳是HH型。

图5 四川省各市州三类公共服务支出局部空间自相关空间分布Fig.5 Local spatial autocorrelation distribution of three types of public service of cities in Sichuan Province

4.3 地势起伏度结果

采用均值分析法计算最佳统计单元，确定地形起伏度的最佳统计单元为0.15 km2，以此计算出四川省各市州的地势起伏度(表2)。

表2 四川省各市州地势起伏度Tab.2 The RDLS of cities in Sichuan Province

4.4 各市州公共服务供给空间相关性影响因素

4.4.1 经济发展水平与公共服务总体供给水平呈显著正相关。以人均GDP作为反映地方经济发展状况的指标，计算其与公共服务支出综合得分的Pearson相关系数，结果表明，公共服务支出综合得分与人均GDP在0.01水平上显著相关，Pearson相关系数为0.592，说明四川省各市州公共服务供给水平与当地经济发展水平显著正相关。

4.4.2 地势起伏度与偏基本公共服务支出呈显著负相关。分别计算各市州地势起伏度与三类公共服务支出综合得分的相关性，结果见表3。偏基本公共服务支出与地势起伏度呈显著负相关，说明地形地貌对偏基本公共服务供给产生了极大影响，西部山区偏基本公共服务效率明显低于成都平原和东部、南部丘陵地区。其原因主要在于山区城镇系统的离散性质使得山区公共服务投入高、收益低;山区城镇空间关联性相对偏弱，内外经济联系较少，要素流动的速度很低，对周边的带动作用小［31］，导致山区偏基本公共服务支出溢出效应不明显。从成都平原到川西山地是中国地势从第二阶梯向第一级阶梯过渡的地带，巨大的海拔落差导致人流、物流和信息流成本高，使成都平原偏基本公共服务的高投入难以自然扩散到西部山区，只能依地势向东部呈扇形扩散。

表3 三类公共服务支出得分与地形起伏度的相关性Tab.3 Correlation of the RDLS and public service

4.4.3 区域一体化使偏高级公共服务支出溢出效应明显。四川省偏高级公共服务呈以成都为中心同心圆式向外扩散的趋势，表现出典型的弗里德曼“中心－外围”空间相互作用形态。其原因主要有:第一，由于大成都区域经济一体化步伐的加速，经济发展具有明显的收敛特征，在系统内相互作用产生了动态联动效应，成都市偏高级公共服务的高投入受经济文化联系、人口流动等因素的影响，对周边市州辐射较大［32］;第二，周边市州享受成都提供的偏高级公共服务，在制定相应财政预算支出政策时与成都市相互影响;第三，偏高级公共服务是具有明显外溢性的公共服务［33］，由于其他地区的私人或企业可以消费成都地区投入的交通运输、科学技术、文体传媒和城乡社区事务等公共服务，使得产业的成本降低，会吸引更多的生产要素，由于规模收益递增，出现了增长极与其腹地间的聚集趋势。

4.4.4 政策环境是各类公共服务供给区域差异的重要影响因素。公共服务因子分析结果表明，四川省三类公共服务空间差异程度有所不同，偏基本公共服务配置相对均衡，其原因主要在于当前中国公共服务供给政策以实现基本公共服务均等化为重点。根据2009—2013年统计数据计算四川省5年各项服务供给的离散系数，结果表明:环境保护、农林水事务、社会保障、医疗卫生事务、教育5项公共服务支出近5年的离散系数都小于0.8，说明偏基本公共服务支出地区差异较小;偏高级公共服务支出项目近5年的离散系数都在0.8以上，地区差异较大。由此可见，四川省各市州对于满足人民基本生存需要的公共服务供给趋向均衡，说明在基本公共服务均等化的方针指引下，地方在财政分配中重点向基本公共服务部门倾斜，取得了明显的成效。偏高级公共服务的供给则主要依赖于当地经济社会发展水平，造成地方偏高级公共服务供给过分聚集。汶川大地震灾后重建大大增加了灾区公共服务的供给，灾后重建支出全局空间自相关结果表明受灾影响大的市州该类公共服务支出均较高，同时还向东部城市有一定的溢出。

5 结论与建议

5.1 结论

1)四川省公共服务供给具有较明显的空间相关性，不同类型公共服务在空间上具有不同的相关性特征。偏基本公共服务呈现以成都市为中心向东部溢出的扇形扩散趋势;偏高级公共服务支出具有“中心－外围”空间溢出特征;灾后重建支出聚集在“5·12汶川大地震”灾区且对东部城市有一定的外溢。

2)经济发展水平、地势地貌、区域一体化和政策环境是公共服务供给效率的重要影响因素，不同类型公共服务受各因素影响的程度不同。经济发展水平对整体公共服务供给效率有显著正向影响;地势起伏度越高的地区偏基本公共服务供给效率越低;在一体化程度高的地区，其中心城市的偏高级公共服务对其腹地有较强的辐射效应;当前中国的政策环境有利于基本公共服务均等化和灾后重建地区的公共服务基础设施高效供给，但偏高级公共服务供给的过度聚集还未引起重视。

3)川西山区各类公共服务供给效率均较低，且全部呈现“低－低”相关的空间特点。其主要原因在于山区经济发展水平低、区位条件差，地方政府没有足够财力进行各类公共服务的投入;山区经济一体化程度低，城镇系统离散度高，使山区不易自然形成增长极并通过溢出效应促进周边公共服务供给效率提高;山区海拔落差大，山区内部地势起伏度高导致人流、物流和信息流不畅，各类公共服务投入成本高、收益低;山区市场化程度较低，人力资源匮乏，造成公共服务供给主体单一，管理水平不高。

5.2 建议

1)统一性政策与地方性政策相结合，外部资源和内部能力相结合。实现我国基本公共服务均等化的重要条件是每一个公民都具有享受法定基本公共服务的财政支出能力，只有当服务成本相同的情况下，财政能力的均等才等同于基本公共服务结果的均等。统一性政策忽视了“空间”这一选择性媒介，在不同空间采取同一政策会带来深层次的不平等。因此，在山区就应充分考虑地形地貌对公共服务溢出效应的制约影响和山区公共服务投资成本大、收益低的特点，在中央政府基本公共服务均等化政策下，制定特殊的地方性基本公共服务供给扶持政策。继续加强对山区的转移支付和专项投资力度，降低山区基本公共服务投资项目的配套资金要求，同时通过发展本地特色产业实现经济水平提升。

2)提高山区城镇化率，调控山区人口密度。通过山区城镇化建设、产业发展、移民政策、就业引导等措施进一步促进山区人口的合理聚集，根据地方资源环境承载力科学规划和控制山区城镇人口密度，解决山区分散聚落基本公共服务供给效率低下的难题。针对现阶段仍大量存在的山区分散聚落，可完善地区间对口帮扶政策，建立发达地区对山区的医疗、教育等基本公共服务对口帮扶长效机制，并结合山区地形和交通特点，实施“马帮式”公共服务供给方法，形成适应向边远分散聚落提供流动式教育、文化和医疗服务的体系。

3)在山区培育新的公共服务供给增长极并提高其辐射能力。培育新的经济增长极，进一步提升地区间的交通、通讯基础设施水平，并促进区域间经济、社会合作与交流，提高中心区域与辐射区的各种区域流的强度，以实现山区公共服务供给水平的空间溢出效应。考虑到偏高级公共服务“中心－外围”空间格局和溢出效应及其过分聚集在成都平原的特征，应在宏观层面考虑在空间自相关“低－低”地区选择新的增长极进行重点投资。针对山区偏高级公共服务供给区的投入难以产生聚集和扩散效应的问题，应大力实施交通和通讯基础设施的改善，并切实加强区域间经济社会合作，才能使山区公共服务供给水平较高的地区逐渐成为区域经济增长极，带动周边区域发展。为了通过区域一体化提高公共服务供给效率，各市州之间需加强基础网络共建共享，推进城镇化进程，促进教育和信息共享，加强金融联系，储备人力资本，普及科技知识以及推广创新成果，利用增长极效应加快偏高级公共服务从集聚到扩散的步伐，缩小地区差距。

4)探索偏高级公共服务供给多元化途径。由于政府投资主要用于实施基本公共服务均等化，偏高级公共服务供给对当地经济社会发展水平有较强的路径依赖，因此，应积极探索偏高级公共服务供给多元化途径，地方政府可以考虑适度放开偏高级公共服务供给的市场进入与价格管制，引入适度的市场竞争机制，提高偏高级公共服务的供给效率。

5)实现灾后重建中公共服务投资的科学管理。对于灾后重建区域的公共服务供给，应注重建立规范化、长期性的管理机制。川西山区往往是各种地质灾害的高发地区，因此，应利用灾后重建机遇促进山区发展。重建资金除了注重道路、农田水利设施、医院、校舍等硬件建设投入外，还应注重人才引进与培养等软件建设的投入;除了注重偏基本公共服务以外，还要注重对偏高级公共服务的投资，才能实现受灾地区的可持续发展。根据本研究空间自相关分析，灾后重建的投资也存在空间外溢性的现象，所以，也可引导重建资金投入外溢性较强的公共服务领域，促进周边地区的共同发展。

致谢:对中国科学院成都山地灾害与环境研究所邓伟研究员对本研究给予的指导，深表谢意!

［1］曾伟军.城乡差距的核心－边缘模型分析［J］.地域研究与开发，2013，32(3):22－25.

［2］吴涛，李同昇.基于城乡一体化发展的关中地区基础设施建设评价［J］.地域研究与开发，2011，30(4):71－75.

［3］李乐，张凤荣，张新花，等.农村公共服务设施空间布局优化研究——以北京市顺义区为例［J］.地域研究与开发，2011，30(5):12－16.

［4］陈诗一，张军.中国地方政府财政支出效率研究:1978—2005［J］.中国社会科学，2008(4):65－78.

［5］张明玖.东西部公共服务与经济发展关系的实证研究［J］.重庆工商大学学报:社会科学版，2009，26(5):50－56.

［6］马慧强，韩增林，江海旭.我国基本公共服务空间差异格局与质量特征分析［J］.经济地理，2011，31(2):212－217.

［7］Wilson J D，Wildasin D E.Capital Tax Competition:Bane or Boon［J］.Journal of Public Economics，2004，88(6):1065－1092.

［8］Besley T，Coate S.Centralized versus Decentralized Provision of Local Public Goods:A Political Economy Approach［J］.Journal of Public Economics，2003(87):2611－2637.

［9］沈坤荣，付文林.税收竞争、地区博弈及其增长绩效［J］.经济研究，2006(6):16－26.

［10］Thenbürger M K.Tax Competition and Fiscal Equalization［J］.International Tax and Public Finance，2002，9(4):391－408.

［11］Frederico R.Reaction or Interaction?Spatial Process I-dentification in Multitiered Government Structures［J］.Journal of Urban Economics，2003，53(1):29－53.

［12］Freret S.Spatial Analysis of Horizontal Fiscal Interactions on Local Public Expenditures:The French Case［J］.Working Paper，2006，16(3):49－56.

［13］Gebremeskel H，Gebremariam T G，Gebremedhin P V S.County-level Determinants of Local Public Services in Appalachia:A Multivariate Spatial Autoregressive Model Approach［J］.Working Paper，2006，22(4):52－60.

［14］Dalhby B.Fiscal Externalities and the Design of Intergovernmental Grants［J］.International Regional Science Review，1994，18(3):397－412.

［15］Conley J，Dix M.Optimal and Equilibrium Membership in Clubs with the Presence of Spillovers［J］.Journal of Urban Economics，1999，32(46):215－229.

［16］Sato M.Fiscal Externalities and Efficient Transfers in A Federation［J］.International Tax and Public Finance，2000，7(2):119－139.

［17］Boadway R.Inter-governmental Fiscal Relations:The Facilitator of Fiscal Decentralization［J］.Constitutional Political Economy，2001，12(2):93－121.

［18］Brueckner J K.Strategic Interactions among Governments:An Overview of the Empirical Literature［J］.International Regional Science Review，2003，26(2):175－188.

［19］王肖惠，杨海娟，王龙升.陕西省农村基本公共服务设施均等化空间差异分析［J］.地域研究与开发，2013，32(1):152－157.

［20］陈国阶，方一平，高延军.中国山区发展报告——中国山区发展新动态与新探索［M］.上海:商务印书馆，2010:25－30.

［21］吕鹏浩.中国省级地方财政支出与经济增长关系的空间计量分析［D］.天津:天津财经大学，2011:60－62.

［22］匡小平，杨得前.基于因子分析与聚类分析的中国地方财政支出结构的实证研究［J］.中国行政管理，2013(1):105－110.

［23］陈彦光.基于Moran统计量的空间自相关理论发展和方法改进［J］.地理研究，2009，28(6):1449－1463.

［24］谢花林，刘黎明，李波，等.土地利用变化的多尺度空间自相关分析——以内蒙古翁牛特旗为例［J］.地理学报，2006，61(4):389－400.

［25］吴玉鸣，徐建华.中国区域经济增长集聚的空间统计分析［J］.地理科学，2004，24(6):654－659.

［26］Fischer M M，Wang J F.Spatial Data Analysis:Models，Methods and Techniques［M］.New York:Springer Science＆Business Media，2011:6－8.

［27］赵儒煜，刘畅，张锋.中国人口老龄化区域溢出与分布差异的空间计量经济学研究［J］.人口研究，2012，36(2):71－81.

［28］Anselin L，Rey S.Properties of Tests for Spatial Dependence in Linear Regression Models［J］.Geographical A-nalysis，1991，23(2):112－131.

［29］陈斐.区域空间经济关联模式分析理论与实证研究［M］.北京:中国社会科学出版社，2007:68－72.

［30］于慧，邓伟，刘邵权.地势起伏度对三峡库区人口及经济发展水平的影响［J］.长江流域资源与环境，2013，22(6):687－692.

［31］邓伟，方一平，唐伟.我国山区城镇化的战略影响及其发展导向［J］.中国科学院院刊，2013，28(1):66－73.

［32］王玮.基于人口视角的公共服务均等化改革［J］.中国人口·资源与环境，2011，21(6):6－12.

［33］许箫迪，王子龙，谭清美.知识溢出效应测度的实证研究［J］.科技管理，2007，28(5):76－86.