区域经济空间分异——基于重庆38个区县的实证研究

杨朝娟

(重庆工商大学融智学院，重庆 401320)

区域经济差异是一种客观存在的现象，由于各个地区资源禀赋不同，区域经济差异的存在是必然的[1]。适度的区域经济差异有利于配置资源，差异过大则会影响经济合作与分工，甚至影响社会稳定。研究区域经济发展的时空演变，揭示经济空间分布规律和经济在空间上的相互关联性，对合理制定经济、产业、社会与城镇发展政策，实现区域经济、社会、资源、环境等协调发展具有重要意义。

国内学者对区域经济差异的研究主要体现在以下方面：一是研究尺度的多元化，多集中在宏观尺度的国家层面[2-3]和中观尺度的各个经济区、省、市层面[4-8]，由东部发达地区向西部欠发达地区转移。二是指标选取的不同，区域经济差异不限于经济总量、人均GDP、收入水平等单项差异，而是体现在经济总量、经济结构、城市规模等综合指标上。三是研究方法的创新，传统的区域经济差异度量方法大都通过统计模型对指标进行加权评判[9-13]，多采用基尼系数、泰尔指数、加权变异系数等方法。区域经济包含地理概念，传统方法默认区域之间相互独立、不存在任何相互作用，实际上区域之间的扩散或极化效应对区域发展产生影响，缺少空间视角，难以真正反映区域空间差异的演变[14]。随着空间分析技术的不断发展，区域经济研究引入地理信息系统(GIS)和空间探索性数据分析(ESDA)技术，从而使区域经济研究深入到研究单元内部，并能了解空间相互作用机制，使研究结果直观展现。李小建是国内较早从空间视角研究我国区域经济差异问题的研究者之一，随后越来越多的学者从空间视角对全国或某一区域经济差异进行研究，但研究大部分集中在东部发达城市，同时主要借助ESDA技术进行全局和局部空间自相关分析，缺乏对整个区域发展趋势的描绘。

重庆是国家深入推进西部大开发、开展“一带一路”建设的重要载体[15]。2013年，习近平总书记提出建设“丝绸之路经济带”和“海上丝绸之路”的构想，重庆位于“一带一路”和长江经济带的联接点上，在国家区域发展和对外开放格局中具有重要作用。重庆直辖以来经济快速发展，成为西部地区重要的经济集聚区之一，但由于区域内经济基础、自然条件、生态环境等不同，并且集大城市、大农村、大山区、大库区于一体的特殊性，在经济快速增长的背景下，区域内部差异较大，经济空间格局及变化规律表现出自身的特征。本研究以重庆市38个区县为研究的基本单元，借助ESDA和GIS技术，不仅全面、系统地分析重庆市2000—2015年近16年来经济发展的全局、局部空间关联模式的演变特征，还深入分析整个城市的发展趋势，以期能为类似地区经济空间增长的相关研究及区域可持续发展政策的制定提供科学依据。

一、研究区域与数据来源

重庆市包含26个区、8个县、4个自治县，截至2015年底，重庆市辖区总面积约8.2万平方公里，常住人口3 016.55万人，人均 GDP约为49 469元，而都市功能核心区渝中区高达147 524元，渝东北翼巫山县仅为19 394元。分析变量为2000—2015年区县人均GDP，数据来源于2000—2015年《重庆市统计年鉴》。空间数据为1：120 000的重庆县级基础矢量数据，空间分辨率为30米。2000—2015年间一些区县的行政边界发生了变化，根据2015年的行政边界调整以前年份的经济、土地面积数据，以保证数据的时空一致性。

二、研究方法

(一)变异系数

变异系数是衡量区域经济相对差异的常用指标，等于样本标准差与均值的比值，反映的是样本偏离平均值的程度，一般数值越大，变异程度越大，即数据之间相对差异越明显。其计算公式为

(1)

(二)空间自相关模型

空间自相关是空间探索性数据分析方法之一，实质为一种统计检验方法，检验某一地区的属性值是否与其相邻地区的属性值相关联[16]。空间自相关分析分为全局和局部两种，相关统计指标有Moran’s I、Geary’s C和Getis-Ord G 等[17]。在给定的显著性水平下，全局空间自相关是一个总体度量指标，仅描述整个研究区域所有地区之间的平均关联程度，而局部空间自相关反映区域内部地区空间集聚状态以及描述集聚区的具体地理分布[18]。需要说明的是，在总体空间差异不显著或不断缩小的情况下，有可能出现局部空间差异显著或扩大的可能，反之亦然。所以，须同时进行ESDA全局和局部空间关联分析。

1.空间权重矩阵

在进行全局和局部空间自相关性分析前首先要建立空间权重矩阵，建立的标准有距离规则和相邻规则，本文采用相邻规则中的Queen相邻来定义权重矩阵，即

根据相邻标准，W中的元素Wij为

2.全局空间自相关

本文采用Global Moran’s I指标，它是最常用的全局关联指标，其计算公式为[19]

(2)

Global Moran’s I的取值范围为-1≤I≤1。I越接近-1，表示整个研究区域空间负相关程度越强；I越接近1，表示整个研究区域空间正相关程度越强；I接近0，表示整个研究区域不存在空间自相关性；在Global Moran’s I指数的显著性检验中，常假设变量之间不存在空间自相关性，即它们在空间上是随机分布的假设进行检验，其统计量一般为标准化之后的Z值。

(3)

其中Global Moran’s I的期望值和方差分别为

(4)

(5)

Wi、Wj分别为权重矩阵第i行和第j列之和。根据Z值的大小，在设定显著性水平下作出拒绝或接受原假设的判断，在置信水平为95%的情况下，则当P<0.05且|Z|>1.96时拒绝原假设，否则接受原假设。

3.局部空间自相关

局部空间自相关常借助Moran散点图和聚集图来研究其空间分布规律。常采用Local Moran’s I指数(LISA)，计算公式为

(6)

(7)

Local Moran’s I 的取值范围限于-1～1。若Ii为正且Zi大于0，表示地区i的属性值和相邻地区的属性值都比区域总体平均水平高，属于高高聚集；若Ii为正且Zi小于 0，表示地区i的属性值和相邻地区的属性值都比区域总体平均水平低，属于低低聚集；若Ii为负且Zi大于0，表示地区i的属性值远低于相邻地区的属性值，属于高低聚集；若Ii为负且Zi小于0，表示相邻地区的属性值远低于地区i的属性值，属于低高聚集。

为此，可用Moran散点图将局部空间自相关系数所表达的空间差异程度以图的形式直观表现出来。Moran散点图把不同地区属性的表现情况划分为4个象限，分别对应4种不同的地区空间差异类型，其横坐标为各地区属性的标准化值(文中为人均GDP)，纵坐标为由空间连接矩阵确定的相邻地区属性值的加权平均值(空间滞后向量)，其具体含义如下：Ⅰ象限(HH区域)，该地区和周边地区的属性水平均较高，此区域为高高聚集区，二者空间差异较小；Ⅱ象限(LH区域)，该地区属性水平较低，周边地区较高，此区域为低高空心区，二者空间差异较大；Ⅲ象限(LL区域)，该地区和周边地区的属性水平均较低，此区域为低低聚集区，二者空间差异较小；Ⅳ象限(HL区域)，该地区属性水平较高，周边地区较低，此区域为高低孤立区，二者空间差异较大。 其中，Moran散点图中的HH、HL、LL、LH象限包括了研究的所有地区，地区空间差异尚缺乏统计意义上的显著性检验，而LISA聚集图上标注的地区是通过了显著性检验的地区。

三、实证分析

(一)总体差异分析

图1 2000—2015年重庆市变异系数

通过公式(1)计算2000—2015 年重庆市人均GDP的加权变异系数 CV，从相对差异的角度考察重庆市各区县区域经济差异的变化特征(见图1)。总体来说，重庆市各区县人均GDP变异系数呈下降趋势，其中2000—2002年先上升后下降，2002—2005年持续下降，2005—2010年波浪式发展，2010—2015年缓慢下降。这说明重庆市各区县的相对经济差异经历了一段时间的波动后总体呈现缩小的趋势，即区域内部经济差异减小，经过十几年的发展，重庆县域并没有出现明显的“马太效应”，贫富差距得到一定程度的缓解。

(二)全局趋势分析

图2 2015年重庆人均GDP全局趋势

利用Arc GIS 10.2 趋势分析工具，把重庆市人均GDP数据转换成三维透视图(见图2)。图中X、Y分别代表正东和正北方向，YZ面上的点代表人均GDP在YZ上的投影， XZ面上的点代表人均GDP在XZ上的投影，XY面上的点代表人均GDP在XY上的投影，XZ面上的曲线、YZ面上的曲线分别为东西方向和南北方向上人均GDP趋势拟合曲线。通过图2可以看出，重庆市经济发展呈西高东低、南高北低的趋势，同时西南方向体现了重庆主城发展条件的绝对差异。

(三)全局空间自相关分析

由于变异系数和趋势分析只能反映重庆市经济发展的总体变化情况及趋势，未能看出其内部具体结构特征，还需进行全局和局部相关性分析。利用公式(2)，计算出重庆市2000—2015年间经济发展全局空间自相关Global Moran’s I指数、PValue、ZScore，结果见表1。表1中的ZScore值大多数年份都大于1.96，同时，绝大多数P值基本小于0.05，通过显著性水平检验，表现出正的空间自相关，表明重庆县域经济发展有很强的空间聚集现象，经济发展水平较高和较低的区县在地理空间上显著集聚。从演化趋势来看，Moran’s I指数总体来说在逐步下降，即经济的聚集现象有弱化趋势，表明重庆县域经济发展的总体空间差异在逐渐减小。

表1 2000—2015年间重庆市经济发展全局空间自相关

注：表中的统计推断基于Ansen Lin提出的99次随机排列；全局Moran’s I在所有年份的期望值为：E(I)=-0.027。

Moran’s I指数与常规测度方法变异系数CV的变化趋势基本一致，即总体上在缩小，但两者都只揭示了区域的整体特征，未能表明区域内部各区县之间具体的经济发展分布情况，局部空间自相关分析可以更深入探索区县与其周边地区空间要素的异质性。

(四)局部空间自相关分析

1.Moran散点图

利用GeoDa软件计算局部空间自相关(LISA)统计量，并绘制Moran散点图。选取2000、2005、2010、2015年四个年份的人均GDP数据为代表，输出重庆市38个区县经济发展水平Moran散点图(图略)，同时为清楚各个区县经济发展的具体演化路径，汇总重庆市各区县经济发展水平空间演变路径，见表2。

表2 重庆市区县经济发展水平水平演化路径

从散点图和表2大致可以看出，四个年份多数区县位于Ⅰ、Ⅲ象限，说明重庆市经济发展水平在局部上呈正的空间自相关关系，这两类空间分异区域表现出明显的空间依赖性，I象限高水平经济聚集，III象限低水平经济聚集，同时，位于III象限的区县比I象限的区县数量更多、更集中，说明经济不发达地区的集聚现象更为严重；四个年份里重庆市的区县位于4个象限的数量都较为稳定，只有个别区县在年际间发生了变化，HH区域始终是重庆都市功能核心区和都市功能拓展区，LL区域大多数位于渝东北、渝东南两翼，而位于城市发展新区的区县在4个象限之间变换且变动较为频繁，说明经过十几年的发展，位于城市发展新区的绝大多数区县经济发展水平都有一定程度改变，经济发达地区对周边区域有一定的扩散效应，对偏远落后地区的带动能力有限，正是因为“都市功能核心区、拓展区”与“两翼”地区内部空间差异的缩小，使得重庆市总体空间差异在缩小，与变异系数CV法和Moran’s I测量结果一致。

2.LISA聚集图

鉴于Moran散点图不能判断各地区相关类型及其聚集区是否在统计意义上显著，在散点图的基础上，利用公式(6)可计算出重庆四个年度各区县的LISA值，并在满足置信区间95%的基础上绘制LISA集聚图(图略)。

从LISA集聚图可以看出，虽然从全局上看重庆市四个时段整个区域经济发展水平呈现出一定的集聚分布特征，但个别区县的空间集聚特征在年际间发生了变化。第一，重庆区县经济发展水平始终以重庆主城最强，高高聚集区以渝中区为中心，呈现稳中有变的现象，随着时间的推移，只有巴南区、北碚区、渝北区在年际间发生变化，从不显著区域转变为高高区域。在政策的带动下，渝北区的优势逐渐显现，近年来经济快速发展，2015年人均GDP已达到76 945元；北碚区随着大学城的兴建以及轻轨六号线开通等，经济有一定的提升，与周边地区的差距逐渐缩小；巴南区虽在两个时段都处于LH区域，但在其他区县的辐射带动以及政策支持下，特别是随着轻轨三号线的开通以及巴南龙洲湾、万达广场、职教城等相继建立，巴南区经济发展呈快速发展态势。第二，低低聚集区域全都分布在渝东南和渝东北地区，不同年份属于低低聚集区县各有不同，但数量逐年减少，说明渝东北和渝东南经济发展有一定的改善，酉阳县、秀山县、奉节县、城口县、巫山县、巫溪县一直处于低低聚集区，彭水、黔江、开州、云阳由低低聚集区转变为不显著区域，说明这些地区经济水平有所提高，但并没有凸显出来，且与周边区县联系较弱。第三，高低聚集区和低高聚集区数量较少。万州由2000、2005年的不显著区域转为2010、2015年的高低孤立区，说明万州的经济发展水平有一定提高。万州作为重庆第二大区，经济集聚能力在逐步增强，但对渝东北区县起到的辐射带动作用有限；涪陵区由2000、2005、2010年的高低孤立区转变为不显著区域，说明涪陵作为区域性中心，在带动周边落后区域不断发展的同时，区域差距在逐渐缩小，与周边区域均质性不断增强。值得一提的是璧山区，经历了不显著区域—低高空心区—高高聚集区的转变。璧山区2010年经济发展水平低于邻近地区，特别是邻近的沙坪坝区、九龙坡区、北碚区，同期璧山区人均GDP为26 068元，九龙坡区为54 369元，沙坪坝区为41 954元，北碚区为34 152元，璧山区的经济发展水平与重庆主城有一定的差距，到2015年璧山区转变成了高高聚集的空间关联模式，璧山区的经济取得了飞跃发展，人均GDP已超过大渡口区，与北碚区相当，略低于沙坪坝区。轻轨六号线(终点站为璧山)的开通以及璧山区工业和重庆大学城发展等对璧山区的经济发展有直接关系，同时璧山紧靠市区城市带，重庆主城对璧山区产生较强的辐射作用，形成共同发展的良好格局。第四，重庆的经济发展除有小部分区县呈现显著的正、负相关外，大部分区县与邻近区县的关联性并不显著，说明重庆各区县与周边地区的联系不够，缺少互动。

四、结语

本文采用变异系数、趋势分析、空间自相关模型对重庆市2000—2015年各区县经济发展的空间差异进行了实证分析，主要结论如下：

第一，总体上，重庆市经济发展水平呈西高东低、南高北低的趋势，空间分布具有较强的空间依赖性，呈现高高聚集和低低聚集态势，不发达区域经济的空间集聚比发达区域的空间集聚严重。

第二，从局部上看，重庆市的空间集聚现象主要表现在重庆主城和两翼地区，经济水平呈现高高聚集和低低聚集态势，重庆市经济发展水平始终以重庆主城最强，高高集聚区以渝中区为中心，呈现稳中有变的现象，随着时间的推移，只有巴南区、北碚区、渝北区发生变化。

第三，按照循环累积因果理论，在扩散效应(极化效应)和回流效应的作用下，未来重庆市都市功能核心区、都市功能拓展区、城市发展新区、两翼地区的内部区域空间差异有进一步缩小的趋势，四者之间的差异可能进一步扩大。这一现象并非重庆独有，在许多中西部地区普遍存在。在这一背景下，这些欠发达地区逐渐形成了两条不同的经济集聚路径。首先区域经济向大城市尤其是特大城市集聚，其次是区域经济向县城或乡镇集聚。经济的集聚推动城市逐渐演化出两个层次的中心，即区域范围内以特大区为中心，县域范围内以县城或乡镇为中心。对于各级政府而言，应顺应这一发展趋势，因地制宜，一方面加强小城镇建设，深入推进户籍制度改革，以此促进就地城镇化，同时依托县域优势资源，发展特色产业；依托“互联网+”平台，增强县城与大城市的联系，推动县域经济集聚式发展。另一方面在发展特大城市经济的同时，特别突出特大城市的辐射带动作用，提供更多的就业岗位，提供更公平的公共服务，促进经济增长进程。

第四，作为地处内陆的欠发达经济区，重庆在空间上并未如沿海城市和北上广深等地区那样表现出经济的普遍性增长，相反，其经济在向主城、城市近郊区及县城集聚增加。根据美国区域经济学家弗里德曼的区域空间结构和发展阶段理论，当前重庆市经济发展正处于第三阶段——惟一强中心和边缘次级中心阶段，多中心、多增长极的空间经济发展格局正在形成，但各区县与周边地区的联系不够，缺少互动。经过十几年的发展，重庆主城九区对周边区域经济发展有一定的扩散带动效应，对落后地区的辐射带动能力有限。

参考文献：

[1] 陈秀山,卫鹏鹏.区域经济理论[M].武汉:武汉大学出版社,2005:132-136.

[2] 贺灿飞,梁进社.中国区域经济差异的时空变化:市场化、全球化与城市化[J].管理世界,2004(8):8-17.

[3] 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(1):57-68.

[4] 李丁,冶小梅,汪胜兰,等.基于ESDA-GIS的县域经济空间差异演化及驱动力分析:以兰州-西宁城镇密集区为例[J].经济地理,2013(5):31-36.

[5] 彭颖,陆玉麟.成渝经济区经济发展差异的时空分析[J].经济地理,2010(6):913-917.

[6] 范闯,成杰.基于ESDA的重庆市区县经济差异分析[J].西南大学学报(自然科学版),2013(4):125-131.

[7] 邹韬.重庆市区域经济差异分析[D].重庆:西南大学,2011.

[8] 刘彬,唐新平.湘西州县域经济竞争力评价及空间分异研究[J].重庆交通大学学报(社会科学版),2017(1):9-73.

[9] 杨莉.关于区域经济差异度量方法改进的思考[J].商业时代,2010(12):62-68.

[10] 胡望舒,孙威.基于泰尔指数的北京市区域经济差异[J].中国科学院大学学报,2013(3):353-360.

[11] 张红侠,陈明学.基于泰尔指数的渭南市区域经济差异分析[J].安徽农业科学,2016(4):281-283.

[12] 程永宏.二元经济中城乡混合基尼系数的计算与分解[J].经济研究,2006(1):109-120.

[13] 李迎春，牟文琴.基于ESDA-GIS重庆市经济发展的空间分异[J].贵州商业高等专科学校学报,2015(3):14-20.

[14] 王巧玲.地理空间效应与中国区域经济增长趋同研究[D].郑州:河南大学,2007.

[15] 倪元元,宋融秋.重庆经济发展的路径选择:基于“一带一路”战略[J].重庆交通大学学报(社会科学版),2016(5):27-32.

[16] 王庆喜,蒋烨,陈卓咏.区域经济研究实用方法：基于ArcGIS、GeoDa和R的运用[M].北京:经济科学出版社,2014:5.

[17] 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):83-87.

[18] 唐兵,安瓦尔·买买提明.基于ESDA 的新疆城市化空间格局研究[J].人文地理,2012(5):83-86.

[19] CLIFFA A D,ORD J K.Spatial processes:model and applications[M].London:Pion,1981.