山东省城市化与区域经济格局关系的空间计量分析

赵晓燕，刘文宝

(1.山东科技大学 信息科学与工程学院，山东 青岛 266590；2.山东科技大学 测绘科学与工程学院，山东 青岛 266590)



山东省城市化与区域经济格局关系的空间计量分析

赵晓燕1，刘文宝2

(1.山东科技大学 信息科学与工程学院，山东 青岛 266590；2.山东科技大学 测绘科学与工程学院，山东 青岛 266590)

摘要：以山东省17个地级市为研究对象，运用AHP法设计了地区间空间相关程度评价指标体系，并在ESDA分析基础上，构建了各城市化因素对区域经济格局影响的空间计量模型。实证结果表明：山东省区域经济表现为正的空间自相关，88.2353%的地市处于高-高、低-低聚集状态；整体上城镇人口规模对经济增长贡献显著，临沂、泰安出现规模不经济现象；公路交通运输、信息基础设施和信息产业建设对区域经济增长具有促进作用，而环境污染制约经济发展。今后要有序有步骤的分层实施农业人口转移，大力发展信息产业，统筹经济与环境、交通、信息产业的关系，稳步推进山东省城市化的有序发展。

关键词：城市化；区域经济；模糊空间权重矩阵；空间计量分析；山东省

一、引言

城市化是指乡村人口向城市聚集和乡村转变为城市的过程，体现为乡村向城市人口的转移，职业的转移，生产方式、生活方式等的转变。区域城市化是当今世界一种非常重要的社会经济现象，对经济增长具有举足轻重的作用。近年来，城市化成为经济学家和地理学者研究的热点。早期的城市化理论研究中，大多集中在城市化水平的测度、发展速度以及城市化指标体系的构建等方面。Moomaw和Shatter实证了人均国内生产总值和城市化率之间具有正相关关系；[1]Henderson选用人均国内生产总值对数和城市化率对数进行相关分析，发现二者的相关程度很高；[2]周一星对137个国家和地区的数据进行分析，得出城市化水平和人均国内生产总值(GDP)之间呈现对数曲线关系；[3]阳立高根据1983—2006年的时间序列数据，选取人均国内生产总值(GDP)、人口城市化率、工业增加值占当年GDP比重和农业产业化值四个变量进行实证分析，得出人口城市化率对经济增长作用最大；[4]傅莹通过实证分析发现城市化水平和经济增长之间存在长期的、稳定的均衡关系，经济增长是城市化的格兰杰原因；[5]蒋建华以非农业人口与总人口比重作为城市化水平的测度指标，选取2001-2011年数据对浙江区域城市化空间格局和演变进行了研究；[6]仇娟东从空间经济学视角对中国区域经济增长效率聚集和地区差距进行了实证研究；[7]邓志旺通过构建空间杜宾模型，分析了中国城市化的动力机制。[8]

总结国内外学者们的研究成果，发现大多数学者在研究城市化和区域经济格局关系时，侧重从城市人口数等单个城市化指标进行分析，较少研究城市化因素对区域经济增长的影响；而且在研究区域经济格局影响因素时，很少考虑到各地区的空间位置和城市化因素的空间溢出效应对区域经济增长的影响；即使考虑到空间效应的影响，对空间权重矩阵的构造也大多采用基于邻接标准或基于距离标准的确定性的测度方法，[9]然而现实中各个地区的相关(相似)程度不单纯地与地理距离有关，还与经济、生活、科技、风俗等很多因素相关，因此空间相关程度是一个复杂的模糊概念，运用模糊数学原理对其进行定性和定量结合测定是一种可行的方法。[10,11]

为了深入分析山东省各地区城市化因素对区域经济格局的影响，本文首先运用层次分析方法建立测评地区间空间相关程度的分层评价指标体系，并通过问卷调查法构建模糊空间权重矩阵(模糊SWM)；然后综合考虑人口城市化、环境城市化、社会城市化、生活方式城市化对区域经济格局的影响，在探索性空间数据分析(Exploratory Spatial Data Analysis,简称“ESDA”)的基础上，构建合适的城市化因素对经济格局影响的空间计量模型。根据模型分析，以期发现山东省城市化进程中遇到的问题，分析其成因及其对经济格局的影响效应。这对构建有序的区域经济发展格局，促进山东省的城市化可持续发展以及区域经济协调发展有着重要的意义。

表1　地区间空间相关程度评价指标体系及各指标权重

二、地区间空间相关程度评价指标体系设计

(一)评价指标体系设计

由于经济数据和现象之间空间相关性的存在，传统的计量模型不再适用，而纳入空间效应的空间计量方法可较好地解决此类问题。空间计量经济方法的本质是通过引入空间地理位置与地理数据之间空间关系的SWM对普通线性回归模型进行修正。当前，学者们习惯采用的SWM主要有基于邻接标准的Rook矩阵和Queen矩阵、基于距离的反距离矩阵、K-nearest矩阵等。[12]54然而，如前所述，各地区间的空间相关程度是个很难用单项测度指标进行描述的模糊概念。以下以地区间空间相关程度概念模型为框架，根据概念模型包含的子系统及要素构建评价指标体系。构建的评价指标体系由7个一级指标和26个二级指标组成，利用层次分析法将指标体系分成目标层、准则层和指标层，并根据专家评分法确定指标权重(见表1)。

(二)模糊空间权重矩阵构建

根据评价指标体系采用双重列联表的方式设计有关山东省17个地级市间空间相关程度的调查问卷，应用类型抽样方式从山东科技大学校园内随机抽取不同专业学科的50名师生进行问卷调查，构造模糊SWM(W)如下：

(1)

三、山东省城市化与区域经济格局关系模型构建

(一)基于模糊SWM的空间自相关定义

ESDA是指运用统计学原理和图形、图表等可视化方法对空间数据进行分析和描述，揭示研究对象之间的空间相互作用机理的一系列空间分析方法和技术的集成。根据应用层面不同，可分为全局空间自相关和局部空间自相关。以下基于模糊SWM定义两种不同形式的空间自相关。

1.全局空间自相关

全局空间自相关主要描述现象的整体分布情况，探索要素属性在整个研究区域的空间分布特征。常用的指标有：Moran’s I、Geary’s C、Getis G，Ripley’s K，Join Count等。本文参照最早应用于全局聚类检验的Moran’sI指数(Cliff和Ord,1973)。[12]定义模糊Moran’sI指数I如下：

(2)

2.局部空间自相关

全局空间自相关假定空间是同质的，即研究区域内的空间对象的某一属性值仅存在一种整体趋势，当需要衡量每个空间对象属性在“局部”的相关情况时，就要进行局部空间自相关分析。局部空间自相关分析包括空间联系的局部指标(包括Local Getis’s G，Local Moran’sI等)、G统计量和Moran散点图等。定义模糊Local Moran’sI计算公式如下：

(3)

以(Wz,z)为坐标点可得到模糊Moran散点图，它是空间滞后因子Wz和z数据对的可视化二维图，模糊Moran散点图的四个象限分别对应于空间单元与其邻居之间四种不同类型的局部空间联系形式。

(二)基于模糊SWM的空间计量模型构建

空间计量模型根据空间效应的引入方式不同主要分为空间滞后模型(SLM)和空间误差模型(SEM)。当被解释变量之间的空间依赖性显著的导致了空间相关时，适合建立空间滞后模型；当模型的误差项在空间上相关时，适合建立空间误差模型。

以下以山东省17个地级市为研究单元，*济南、青岛、淄博、枣庄、东营、烟台、潍坊、济宁、泰安、威海、日照、莱芜、临沂、德州、聊城、滨州、菏泽17个地级市。选取人均GDP的对数形式(lnPerGDP)为被解释变量，体现地区经济发展水平，综合考虑人口城市化、环境城市化、社会城市化、生活方式城市化对经济格局的影响，分别对应选取年末城镇常住人口的对数(lnczrk)、氨氮排放量(adpl)、万人人均公路里程(wrgl)、百人人均互联网用户数(brhlw)为解释变量，构建山东省城市化与区域经济格局的的空间滞后模型(SLM)如下*属性数据来源于2013年山东省统计年鉴和山东省国民经济和社会发展统计公报，地图数据来自于1∶50万的中国基础地理数据。：

(4)

(4)式中，下标i表示第i个地级市，wij是模糊SWM的第i行第j列的元素，表示第i个地区对第j个地区的关系测度值；ρ是空间滞后系数，ρ显著的不为零，表示邻近地级市的经济水平对当地经济水平存在影响；β0是截距，βk(k=1,2,…,4)是偏回归系数，εi～N(0,σ2)；β1表示czrk的经济产出弹性；β2,β3,β4分别表示adpl、wrgl、brhlw每增加一个单位，PerGDP分别平均增加100*β2%、100*β3%和100*β4%个单位。

同理，构建山东省城市化与区域经济格局的的空间误差模型(SEM)为：

(5)

(5)式中，μi～N(0,σ2)，λ为空间误差系数，度量了邻近地区关于被解释变量的误差冲击对本地区观察值的影响程度，其它符号含义同公式(4)。

四、实证结果

(一)基于模糊SWM的空间自相关检验

根据式(2)，对山东省17个地级市的2012年人均GDP对数(lnPerGDP)、年末城镇人口对数(lnczrk)、氨氮排放量(adpl)、万人人均公路里程数(wrgl)、百人人均互联网用户数(brhlw)及模型空间滞后变量(Lag_lnPerGDP)进行全局空间自相关检验，分析其在地理空间上的相关性，结果如表2：

表2　模型变量的模糊Moran’sI指数

从表2可以看出，山东省17个地市的lnPerGDP,lnczrk,adpl,wrgl,brhlw,Lag_lnPerGDP不同程度的体现出一定的空间相关性，图1为相应的模糊Moran散点图。

图1　lnPerGDP,lnczrk,adpl,wrgl,brhlw,Lag_lnPerGDP的模糊Moran散点图

结合表2、图1可见山东省2012年各地市的人均GDP分布呈现出一定的空间聚集性，绝大多数地市聚集在第一和第三象限的高-高、低-低区内，表现为正的空间自相关，即具有较高(低)人均GDP的地市相对的趋于和较高(低)人均GDP的地市靠近。城市人口规模(lnczrk)分布也不均衡，人口高-高聚集区域为青岛、烟台、泰安、菏泽四市，低-低聚集的为德州、滨州、枣庄和淄博。山东省氨氮排放量(adpl)高-高聚集区域为青岛、泰安、菏泽和聊城，低-低聚集区为滨州、济南，氨氮排放量大体形成从北至南、由低到高的沿轴线空间分布：滨州(低)-济南(低)-莱芜(低)-泰安(高)-济南(高)-菏泽(高)。交通营运分布也很不均匀，万人人均公路里程(wrgl)低-低聚集的地市较多，大体集中在胶东半岛沿海的青岛、烟台、威海以及鲁中南部潍坊、临沂、枣庄、泰安等地。百人互联网用户数(brhlw)变量几乎没有居于第一象限的地市。lnPerGDP的空间滞后Lag_lnPerGDP的模糊Moran’sI值为0.613 543，说明周围地市的经济发展对该地区的经济发展有强的影响和溢出效应。

通过以上分析说明，模型各变量及lnPerGDP的空间滞后变量的分布都不是随机的，而是呈现一定的空间自相关，在进行城市化与区域经济格局关系研究时应该考虑空间因素的影响。

(二)基于模糊SWM的空间计量分析

以上空间自相关分析验证了山东省17地市的经济增长和城市化因素间的空间相关性，故考虑构建以lnczrk、adpl、wrgl和brhlw为解释变量，lnPerGDP为被解释变量的空间计量经济模型。首先采用最小二乘法(Ordinary Least Square，简称“OLS”)对普通线性回归模型进行估计，结果见表3，然后对普通线性回归模型施加空间约束条件，用Lagrange方法构造目标函数，通过假设检验判断选择合适的空间计量经济模型。

由表3可知，普通线性回归模型的可决系数R-squared为75.1143%，对应的F统计量的P值为0.001 309，整体上通过了显著性水平为0.01的显著性检验。仅brhlw通过了显著性水平为0.01的检验，说明对于模型的设定可能错误，应考虑空间因素。

为了更好地拟合数据，我们进一步得到表4的统计检验结果，其中JB检验(Jarque-Bera)的P值大于0.01，说明普通模型误差非正态性，BP(Breusch-Pagan),KB(Koenker-Bassett)和White检验统计量的P值亦都大于0.01，说明统计模型变量存在异方差性，即存在空间自相关性，而这点在前面的自相关性检验中已得到证实。当模型变量存在非正态性、异方差性时，采用OLS方法进行估计得到的参数是有偏的。LM(lag)比LM(error)显著，说明经济发展(lnGDP)的影响因素会通过空间传导机制作用于其它地区，对区域经济和城市化的影响分析更适合建立空间滞后模型。基于模糊SWM的空间滞后模型的极大似然估计结果见表5，为了方便比较，同时对基于Rook矩阵的空间滞后模型进行极大似然估计(见表5)。

表3　普通线性回归模型估计结果

表4　模型误差正态性、异方差性、空间依赖性检验

表5　空间滞后模型估计结果

首先，从是否考虑空间效应来看(表3和表5)：以模糊SWM构建的空间滞后模型能被模型中自变量解释的因变量的比例(R-squared)为92.160 5%，明显高于未考虑空间效应的普通线性回归模型的75.114 3%，但由于空间滞后模型是以极大似然法估计的，R-squared作为判别模型优劣指标已不再适用；故进一步对比体现模型拟合优度的AIC和SC值，发现空间滞后模型较普通线性回归模型均有较大幅度的降低(6.888 720→-7.464 24，11.054 800→-2.464 96)，说明空间滞后模型拟合效果大大提高；同时空间滞后系数ρ通过了显著性水平为0.01的显著性检验。这些都说明空间滞后模型优于普通线性回归模型的估计。可见，用基于独立、正态分布等基本假定的OLS方法估计存在有空间依赖性问题的城市化和经济发展问题时结论欠可靠，空间因素不可忽略。普通线性回归模型和基于模糊SWM的空间滞后模型中，解释变量lnczrk、adpl、wrgl和brhlw的回归系数分别为(0.885 340，-0.000 100，0.005 558，0.022 337)和(0.779 219，-0.000 091，0.005 239，0.020 308)，对各回归系数显著性检验对应的p值分别为(0.019 963，0.021 490，0.218 162，0.003 631)和(0.000 001，0.000 000，0.009 628，0.000 000)。整体上来看，空间滞后模型比普通线性模型各系数的绝对值都有所降低，说明普通线性回归模型高估了城市化各因素对一个地区经济发展水平的影响；对应的p值明显降低，统计效果异常显著，说明考虑了空间因素的空间滞后计量模型的估计效果更好，各变量的解释力度较普通线性回归模型更强。另外，从城市化因素对区域经济增长的作用方向和强度看，除氨氮排放量(adpl)外，其它变量的回归系数均为正数，说明城镇人口规模、公路交通、信息通信等城市化因素对区域经济增长起着正向促进作用。

其次，从空间权重矩阵的选择上看(表5)：基于模糊SWM和Rook矩阵的空间滞后模型中的空间滞后系数ρ都通过了显著性水平为0.01的显著性检验。除截距项Intercept外，基于模糊SWM的模型中各回归系数的P值均小于基于Rook模型中的P值，说明在对空间效应的描述上，模糊SWM明显的优于Rook矩阵，模型各变量的解释力度显著增强。对比体现模型拟合优度的AIC和SC值，发现基于模糊SWM的空间滞后模型较之基于Rook矩阵的空间滞后模型的AIC和SC值均有较大幅度的降低，进一步说明前者拟合效果较好。可见，用本文提出的模糊SWM来描述空间效应较之传统的基于邻接关系的Rook矩阵要好。

五、结论及建议

运用层次分析法，通过建立评价指标体系结合问卷调查打分的方式构造出一种主客观相结合的体现空间位置和空间数据关系的模糊SWM，然后对各城市化因素及区域经济增长指标进行空间相关性检验，进而根据相关性来源的分析筛选出城市化因素对区域经济格局影响的空间滞后模型。研究发现，基于模糊SWM的空间滞后模型统计效果明显的优于普通线性回归模型及基于Rook矩阵的空间滞后模型。模型估计结果显示：由于受空间地理位置和空间溢出效应的影响，山东省各地经济发展并不均衡，显现出较明显的空间聚集特性，经济发展水平大体体现为东高西低的分布格局。各城市化因素对经济格局的影响效应不尽相同，具体如下：

(一)山东省各地市经济发展不均衡、空间依赖性强

从lnPerGDP的全局自相关、局部自相关及空间计量模型分析的基础上，可知山东省各地市的人均GDP体现为正的空间自相关，高-高、低-低聚集的地市有15个(比例占88.235 3%)，在整个空间布局中占主导地位，经济发展水平较高的地区主要是沿海山东半岛蓝色经济圈的青岛、烟台、威海、以及黄河三角洲的东营、滨州和依托传统化工、陶瓷等工业处于领先地位的淄博六市。从模糊Moran散点图看，经济发展水平低的地市主要集中在经济欠发达的鲁西北的菏泽、聊城、德州以及鲁南的济宁、枣庄、日照、临沂以及鲁中城市泰安等地，并且以济宁为中心形成经济发展相对滞后的区域带。未来政府应依托大运量综合运输通道，加快推进日菏沿线南部横向发展轴的经济发展；济南则是唯一一个被低值GDP包围的高值区域，说明省会济南还未对周边地区的经济增长形成强劲的带动和辐射作用；潍坊是被高值所包围的低经济增长区。实证结果表明省会济南和青岛的龙头作用有待加强，今后要本着城海互动、协作共建原则加强以青岛和济南为双中心的山东半岛城市群建设。

(二)整体上城镇人口规模对山东省经济增长贡献较显著，部分地区出现规模不经济现象

从城镇人口规模的散点图上可知山东省城镇人口分布很不均衡，体现为人口高-高聚集的区域为青岛、烟台、泰安、菏泽四市，其中青岛、烟台两市具有较高的人均GDP水平，说明城市人口规模对经济发展起到一定的促进作用。而另一方面，临沂、泰安经济发展相对滞后却拥有较高的城镇人口规模，出现了规模不经济现象，反映了人口的无节制流动给城市带来机遇的同时也带来诸如住房紧张、教育失衡、交通拥堵、福利不均等负面影响，反过来可能制约经济的发展。基于模糊SWM的空间滞后模型估计结果表明，城镇人口的经济产出弹性为0.779 219，通过了显著性水平为0.01的显著性检验。说明在当下的山东省整个城市化发展进程中，城镇人口的扩张整体上起到了积极的推进作用，当前的城镇人口规模对山东各地市经济增长贡献整体上较显著，今后要有序有步骤的分层推进农业转移人口城市化建设，警惕规模不经济现象。

(三)环境污染制约经济发展

基于模糊SWM的空间滞后模型发现，体现城市环境质量好坏的氨氮排放量的回归系数为-0.000 091，对经济发展起着消极的制约作用。氨氮排放量每增加1个单位，人均GDP的绝对值就平均降低0.0091%。可见，废气废水排放越多，区域环境质量越差，除了影响市民身心健康，还加剧城市治理负担、制约区域经济增长。当然，影响城市环境的不仅仅是氨氮排放量这一个指标，还包括工业废水排放量、工业废气排放量、二氧化硫排放量、工业固体废弃物产生量、生活烟尘排放量、生活污水和生活垃圾清运量等诸多因素，这里氨氮排放量起到“投砾引珠”的作用。本文实证了污染物的排放对区域经济增长起着制约作用。故各地市要正确处理好经济与环境的关系，采取有针对性的措施对城市进行环境综合整治，积极创建城市生态文明，保证山东省经济健康、持续地向前发展。

(四)交通运输建设对经济增长起积极作用

万人人均公路里程(wrgl)的模糊Moran散点图显示山东省交通营运分布很不均匀，低-低聚集的地市较多。对于变量wrgl，基于模糊SWM的空间滞后模型中回归系数是0.005 239，说明万人人均公路里程每增加一个单位，人均GDP平均提高0.5239%，且通过0.01的显著性检验，但影响效应没有预期的高。究其原因，虽然公路的兴建缩短了地区之间的时空距离，带来了生活的便利，缓解了运输困难和运输成本高等问题，提高了区域内居民生活水平，但由于种种原因，当前山东省各地对于建成的公路尤其是农村公路疏于养护和有效管理，一定程度上影响和制约了公路积极作用的发挥。因此，针对山东省公路交通相对滞后情况，各级政府除加大交通基础设施发展速度和力度的同时，还要统筹安排规划已有公路的后期养护和管理。

(五)信息基础设施和信息产业有助于区域经济增长

百人互联网户数(brhlw)的模糊Moran散点图显示几乎没有居于高-高聚集态势的地市，说明整体上山东省的城市基础设施薄弱，信息化水平及城市化综合水平偏低，且高低分布不均衡。空间滞后模型中回归系数为0.020 308，统计检验效果显著，说明生活方式城市化对区域经济有着积极的正向影响。这和实际情况相符，城市化带来很多机遇的同时，也带来诸如资源环境瓶颈效应、流动人口过分聚集、现代城市管理水平相对滞后等问题，而发展以互联网为基础设施的信息产业可有效降低物资消耗、降低交易成本，推动经济增长方式向保护环境、节约资源、可持续发展的集约型方式转变。有资料显示，以互联网、通信网络为物资基础的信息化产业的增加值在GDP中的份额不断增加，对国民经济的直接和间接贡献率逐步提高，这也和本文的研究结论相一致，百人互联网用户数每增加1个单位，人均GDP平均提高2.030 8%。山东省各地市应大力发展信息产业，以信息化带动工业化、农业化和城市化，稳步推进山东城市化的有序发展。

参考文献：

[1]Moomaw R L,Shatter A M.Urbanization and economic development: a bias toward large cities?[J].Journal of Urban Economics,1996(1):13-37.

[2]Henderson V.The urbanization process and economic growth:The so-what question[J].Journal of Economic Growth,2003(1):47-71.

[3]周一星.城市化与国民生产总值关系的规律性探讨[J].人口与经济,1982(1):28-33.

[4]阳立高，廖进中.城市化拉动中国经济增长实证研究[J].经济问题,2009(1):35-37.

[5]傅莹.中国城市化与经济增长[D].武汉：华中科技大学，2011.

[6]蒋建华，刘程军.浙江区域城市化空间格局及其演化研究[J].华东经济管理,2013(5):1-5.

[7]仇娟东.中国区域经济增长效率集聚与地区差距研究[D].西安：西北大学，2013.

[8]邓志旺.中国城市化动力机制的模型构建及其空间计量分析[J].统计与决策，2015(4)：129-131.

[9]任英华，游万海.一种新的空间权重矩阵选择方法[J].统计研究，2012(6):99-105.

[10]SAATY T.L. Dicision making with the analytic hierarchy process[J].Services Sciences,2008(1):83-98.

[11]BHUSHAN,N.and Ria,K. Strategic Decision Making:Applying the Analytic Hierarchy Process[M].London:Springer-Verlag London Limited,2004.

[12]ANSELIN,L..Spatial Econometrics:Methods and Models[M].Kluwer Academic Publishers,Dordrecht,The Netherlands,1988.

(责任编辑：魏霄)

Spatial Econometrics Analysis of the Relationship between Urbanization and Regional Economic Pattern In Shandong Province

ZHAO Xiaoyan1,LIU Wenbao2

(1.CollegeofInformationScienceandEngineering,ShandongUniversityofScienceandTechnology;2.CollegeofGeomatics,ShandongUniversityofScienceandTechnology,Qingdao266590,China)

Abstract:Based on the spatial data of 17 cities in Shandong province,the analytic hierarchy process (AHP) is employed to design the evaluation index system of the spatial correlation,and the spatial econometric model is constructed to analyze the relationship among population urbanization，environment urbanization，social urbanization，way-of-life urbanization and regional economy pattern.The result shows that: Regional economy has shown positive spatial autocorrelation,and 88.2353% of the cities have shown the high-high and low-low state of aggregation.On the whole,the urban population scale for all regions except Linyi and Taian contribute significantly to economic growth.The factors of the construction of highway transportation and information infrastructure will promote regional economic growth,in contrast,environmental pollution will restrict the development of regional economy.

Key words:urbanization;regional economy;fuzzy spatial weight matrix;spatial econometric analysis method;Shandong province

收稿日期：2015-04-04

基金项目：全国统计科学研究计划项目(2013LZ41)；山东科技大学人才引进项目(2013RCJJ043)；山东省高等学校科技计划项目(J14LN33)

作者简介：赵晓燕(1978—)，女，河南安阳人，山东科技大学信息科学与工程学院讲师，山东科技大学测绘科学与工程学院博士研究生.

中图分类号：F291.1

文献标识码：A

文章编号：1008-7699(2016)02-0053-09