长江经济带上游市域经济综合评价及差异分析

（贵州大学，贵州 贵阳 550025）

一、引言

2014 年9 月，国务院印发《关于依托黄金水道推动长江经济带发展的指导意见》[1]，部署将长江经济带建设成为具有全球影响力的内河经济带、东中西互动合作的协调发展带、沿海沿江沿边全面推进的对内对外开放带和生态文明建设的先行示范带。2018 年11 月，中共中央、国务院明确要求充分发挥长江经济带区位优势，以共抓大保护、不搞大开发为导向，以生态优先、绿色发展为引领，依托长江黄金水道，推动长江上中下游地区协调发展和沿江地区高质量发展。

长江经济带的概念提出较早，区域经济差异相关研究层次及内容也较为丰富。长江经济带整体区域主要研究：刘伟（2006）[2]分析长江经济带内部三大地区及41 个地市之间的区域经济差异，发现长江经济带内部差异显著，且有拉大趋势。长江经济带上游区域的研究主要以省域为研究对象，主要研究有：方法林（2016）[3]从长江经济带总体区域经济差异空间发展格局来研究，得出时空演化特征的主要因素是区位条件、交通问题、人口差异及人口流动、政策问题等综合作用的结果。韩光婷（2019）[4]选取2017 年长江经济带9 省2 市相关的经济效益、创新发展、人民生活、可持续发展等发展指标，运用熵值法确定相关指标的权重，再在TOPSIS 法中进行加权，最后排优评选，对长江经济带的经济发展进行综合评价。长江经济带上游部分区域主要研究：张雄和朱胜（2020）[5]通过选取四川省21 个市州的部分经济数据为变量建立综合指标体系，运用SPSS 软件进行聚类分析和因子分析。将四川省各市州的经济发展水平进行排名，进一步发现四川省各区域间经济差异显著。并提出切实建议，促进四川省区域经济协调发展。王辉（2016）[6]通过引入空间计量经济模型分析云南县域经济差异的影响因素，提出未来发展的区域经济空间结构模式。

综上所述，长江经济带经济差异整体研究较为丰富，但是关于长江经济带上游经济差异研究较少，且主要集中在经济带上游区域省域内经济差异，方法上主要是单一指标评价经济差异，如果用综合指标来衡量经济发展水平，对研究区域经济差异的科学评判更加具有说服力。

二、数据来源、研究单元及指标体系的构建

（一）数据来源

本文选取长江经济带上游3 省1 直辖市的36个市（地区）作为研究样本，数据来于《中国城市统计年鉴》《重庆市统计年鉴》《云南省统计年鉴》《贵州省统计年鉴》的2008—2017 年的统计数据。

（二）研究单元

本文研究的长江经济带上游市域分别为：云南省10 市州（昆明市、曲靖市、玉溪市、保山市、昭通市、丽江市、临沧市、普洱市、大理自治州、楚雄自治州）、贵州省6 市（贵阳市、六盘水市、遵义市、安顺市、毕节市、铜仁市，）、四川省19 市州（成都市、自贡市、攀枝花市、泸州市、德阳市、绵阳市、广元市、遂宁市、内江市、乐山市、南充市、眉山市、宜宾市、广安市、达州市、雅安市、巴中市、资阳市、凉山自治州）、重庆市1 市（直辖市）。

（三）指标体系的构建

区域经济差异的指标体系构建对于每一种类型的研究对象所采用的指标体系是有区别的，鉴于各指标的相应的特性，得到如下分类。

体现经济总量，首先是具有代表性的地区生产总值GDP，能够代表地区当期的一个生产力水平；社会消费品零售总额体现了该地区整个的商业交易潜力；而一般公共预算收入更表现其经济在税收总量上的一个体现。年末常住人口更体现一个地区的人口集聚能力，体现人口红利的综合实力。

体现投资规模，固定资产投资、金融机构人民币各项存、贷款余额，都是金融机构及资本占有者对地区的一个综合投资实力的体现；一般公共预算支出更像是对于要素的一种投资支付，因为它主要是对地区基础设施投资的一种转移支付。

体现生活水平，城镇、农村常住居民人均可支配收入、人均地区生产总值，三个指标反应人均发展水平去测度各个地区的一个生活水平的平均值。个人储蓄存款，由于研究区域为市域，而市域多以城镇居民为主体，这两个指标体现出该地区的居民消费潜力。

体现产业结构，因为市域各个产业的偏重并不相同，能代表其综合实力的产业也不尽相同，所以使用了各个产业的增加值情况，不影响在主成分方法中充分评价三个指标的综合实力。最终我们得到下面的一个指标划分结构，如表1 所示。

三、实证研究

（一）主成分分析

为了很好地衡量各区域的综合发展水平，我们采用主成分分析来降维，并计算综合得分。并且为了能更好的判断每一年各个区域在当年所属的具体层次，我们采用自然断裂法对综合得分进行分组。主要原理及分析如下。

表1 研究区域单元经济发展综合水平指标体系

1.计算步骤。首先从数据层面来说，主成分分析方法分析的是截面数据，主要原理是对数据矩阵进行特征向量的求解，构造互不相关的主成分分量，从而实现降维的目的。其主要计算步骤为：第一步，对原始数据进行标准化处理。第二步，计算样本相关系数矩阵。第三步，用雅克比方法求相关系数矩阵R 的特征值（λ1，λ2，…，λP）和相应的特征向量ai=（ai1，ai2，…，aip），i=1，2，…，p。第四步，贡献度较高的主成分，并写出主成分表达式。第五步，计算主成分得分。依据主成分得分的数据，则可以进行进一步的统计分析。

本文收集了近10 年的数据，由于研究的地域数较多，因此得分情况数据较多，不能一一例举，所以在本文中我们只给出几个截面的空间分布情况作为例证，并进行具体分析。因而我们选取了2008年、2017 年作为截面分析，计算过程中主要利用Stata 进行计算，在这个过程中，对于每一年的截面数据都要进行KMO 值分析、Bartlett 球形检验的显著性P 值分析，说明数据适合做因子分析。一般来说，KMO 值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0 时，KMO 值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析，判断标准是一般要达到0.6 以上。Bartlett's 球状检验是一种数学术语，用于检验相关阵中各变量间的相关性，是否为单位阵，即检验各个变量是否各自独立。判断标准是一般要低于0.05以下。根据数据得到2008 年、2017 年KMO 值分别为：0.756 1、0.763 5 均都大于0.6 以上，且Bartlett P值都小于0.05。因此都适合做因子分析，下面以2017 年得分为例。

2.结果分析。从2017 年综合得分结果来看，排在前四名的全是省会城市和直辖市，分别是重庆市、成都市、昆明市、贵阳市，这也比较符合现实中经济发展情况，从这一点也可以看出因子分析的可靠性。与贵阳市相邻的遵义市综合得分排名紧随其后，而排名第六名和第七名的绵阳市和南充市则离省会城市也较近，排名第八名的曲靖市与昆明市相邻。总体而言，排名靠前8 位的全部是直辖市和省会城市等行政级别较高的地区，或者是处在这些高值区域邻近的区域，如遵义市、南充市、曲靖市。此外，处在平均得分值以下的地区数比较多，占比超过86%，说明长江上游区域除省会城市外，其它大多数地区经济发展水平较低，也反映出离省会城市或者说增长极较远的城市，经济发展较为落后，说明经济扩散效应不十分明显。

（二）全局自相关分析

全局莫兰指数I（global Moran's I）在对空间权重矩阵标准化后，莫兰指数I 计算如下：

莫兰指数I 一般介于[-1，1]之间，大于0 表示正自相关，小于0 表示负自相关，越接近于0 表示空间分布是随机的，意味着没有空间自相关。利用Geoda 来建立Queen 空间权重矩阵，我们分别计算了2008—2017 年的全局莫兰指数，并画出2008—2017 年莫兰折线图，如图1 所示。

由图1 发现通过综合得分计算出的Morans' I都是小于零的，由此可以说明，长江经济带上游区域经济的相关性呈现出负的空间自相关，即发达地区与发展薄弱的地区聚集在一起，从而形成了较大的经济分层差异，这种差异来源是重庆、成都、昆明和贵阳与周边经济差异。从两个指数2008—2017年的变化的总体趋势而言，几乎形成同步的一个趋势，除了2014 年后形成一定反差以外，其他均表现一致，说明这两个指数都很好的体现了经济差异的随时间的一个动态变化，这个变化为从2012 年以来，莫兰指数都在波浪式的一个降低，说明该区域的负空间相关性越来越低，即高值与低值区域可能呈现交叉式分布和发展。即证明经济差异有一个缩小的趋势，但我们可以看到，莫兰指数并没有巨大的一种断崖式的下跌，说明区域经济差异有改善，但改善效果并不显著。由此我们可以得到在高低集聚或者低高集聚越强烈的时候，此时莫兰指数也会越小，而相对差异的指数也会随之增长，说明在该研究区域缺少高值与低值区域之间的合作关系。

图1 2008—2017 年莫兰指数折线图

（三）局部空间自相关分析

分析局部空间自相关的方法一般是局部莫兰指数Ii（Local Moran's Ii），它是分析某个区域附近的空间集聚情况，在给定显著水平下，正的Ii表示区域i 的高（低）值被周围的高（低）值所包围；负的Ii则表示区域i 的高（低）值被周围的低（高）值所包围。计算公式如下：

在这里我们利用的是各个经济单元经济综合得分来计算2008 年、2017 年的综合情况，在GeoDa 软件中操作，并作出LISA 集聚图，且设置显著水平为0.1。因为在此水平下更加显著的体现了整个区域的一个经济差异情况，水平太低的话显著区域数量会有所下降。但0.1 的水平，也有90%的置信水平，是可以接受的。由此，本文得到LISA 集聚图（见图2）。

LISA 集聚图中，HH、LL 代表该区域本身也比较发达（薄弱），而周围的地区也比较发达（薄弱）；HL、LH 代表该区域本身也比较发达（薄弱），而周围的地区也比较薄弱（发达）。从整个区域来看，高值集聚的数量太少，低值集聚的数量多，高值集聚区域数量和低值集聚的区域数量差距是比较大，而且这种状态较为稳定，这对于拉动高值周围区域经济的力量是难以为继的。从时间层面来看，高聚集经济单元仅2008 年没有，2017 年只有一个遵义市，这说明遵义市的经济周围状况还是较好且稳定的，这可能由于遵义处于重庆市和贵阳市这两个经济增长极之间，增长极之间的联动带动着遵义市的经济发展。这也说明贵阳市和重庆市这两个增长极之间有着一定的经济互动。低聚集的区域变化基本微弱，仅六盘水市由2008 年的低聚集变为2017 年的聚集情况不明显，说明其周围有些经济单元经济增速快于其他经济单元，如曲靖市增长速度就较快。大部分经济单元都是聚集不显著的，这说明单元之间经济差异较大。长江经济带上游市域常年保持着HL 型为0 的状态，说明其低值聚集的情况下，该区域并未有一个高值区域可接受周围低值所产生的回流效应，自然而然也就更没有扩散效应的作用，对此，应该发展作为中心增长极的桥梁，利用增长极来带动长江经济带上游经济区的要素流动。

图2 2008 年、2017 年经济综合得分LISA 集聚图

四、结论与建议

（一）结论

长江经济带上游市域的经济差异全局空间自相关十分显著，较发达地区与薄弱地区出现集聚现象，且该研究区域的发展呈现负自相关的结构，冷热点变化趋势相对稳定。长江经济带上游市域中高集聚经济单元占比很少、低集聚占比较高，没有HL 类型地方的增长极。

（二）建议

1.培育增长极，优化地区集聚结构。从地理集聚因素来看，以增加核心发达市域为增长极的扩散效应的辐射能力，改善其辐射的主要导向，使辐射能力能够援及到发展薄弱的地方。在增长极选择上，应该对每一个经济单元所处的经济状态做一个评估，如果处于初期应该对发展条件好的地方进行更大的人力和资本的投入，不仅如此，我们应该选择处在快进入较发达层次的门槛阀值上的地区，助力其尽快突破经济瓶颈，迈入另一个经济发展层次。让经济单元中处于中等级别的经济发展地区优先发展，从而整体能够形成橄榄形的发展模式。

2.调节产业结构，提升第三产业资源服务水平。确定增长极后，应该重点调整增长极的产业结构，提升该市域在第三产业资源的服务水平，包括其旅游资源的开发利用水平，尤其是可以利用少数民族地区的特色文化及民俗文化等为核心吸引物，作为综合旅游产品开发，打造原生态民族文化体验、文化演出、少数民族民俗、风情体验。在建设好服务平台后，要积极宣传区域特色，通过媒体微博、电视、小视频软件等多样化传媒方式进行宣传。引导相邻地区产业结构，形成互补结构。增长极发展以二三产业为主的产业结构，当发展达到一定程度，周围市域以第一产业为辅助产业，以促进增长极核心化的形成。

3.创新人才引进政策，发掘人口红利。通过加大对教育、医疗投资，制定人才引进政策等方式吸引人才。人口集聚的不均衡，说明各个经济单元应该建立完善的人员流动机制，制定完善的人才引进机制，得人才者得经济发展先机。在人口集聚过程中，长江经济带上游区域经济增长极之间建立人力资源交流平台，并制定人才互通机制，避免各地区因技术人才缺乏而导致生产技术进步不足，进而缩小市域经济差异。