城市宜居空间相关性及联动效应分析——以江苏省为例

唐 洁

（南通大学 杏林学院，江苏 南通 226019）

随着经济社会的快速增长，城市不断得到扩张，城市环境与经济发展间的矛盾日益突出，人们对生活质量、居住环境等越来越关注，宜居城市的提出成为促进城市可持续发展的重要选择之一。

伴随着城市发展各类问题的日益凸显，国外学者对宜居城市的研究主要包括宜居城市的概念、界定评价等[1-2]，研究尺度涵盖城市、村、社区及街道[3-6]，同时还将城市建设中的重要环节与宜居性结合起来，分析宜居城市住宅的发展情况[7]，此外也将视野转向部分“弱势群体”，关注他们对宜居城市的需求，旨在提高这类人群的城市或社区生活质量[8]。国内学者对宜居城市研究相对较晚，但研究成果颇为丰富，部分学者对宜居城市的判别标准进行分析[9-10]，同时对生态城市与宜居城市的概念进行区别界定[11-12]。在此基础上开展了相关实证分析，研究内容主要包括城市宜居性评价、宜居社区建设，以及宜居城市与相关产业的关系探究等[13-15]。国内学者还从部分群体的视角出发，如老年人、流动人口等，结合他们对城市宜居的需求和满意度，分析宜居城市的构建情况，并提出优化措施[16-18]。

近年来江苏省人居环境质量整体水平得到了不断提升，但不可忽视的是，目前省内宜居城市建设还存在一定的差异，各地级市宜居发展路径也不一致。所以，本文基于宜居度评价指标模型的构建，利用多年数据，探讨江苏省宜居水平的内部差异及空间依赖性，分析宜居水平的联动度，并提出切合实际的宜居可持续发展思路，旨在进一步弥合城市间宜居竞争力差距。

一 研究方法与数据来源

（一）研究方法

1.宜居度分析

（1）指标构建。本文参考了《宜居城市科学评价标准》《中国宜居城市研究报告》等对宜居城市的内涵界定，同时基于《江苏省“十三五”美丽宜居城乡建设规划》提出的发展目标，从经济发展性、社会稳定性、生活便利性、环境适宜性四个方面构建了评价指标体系。

（2）宜居度计算。作为客观赋权法，熵值法主要通过样本值携带及提供信息的多少来确定权重[19]。考虑到时间序列的变化，在对数据进行标准化处理后，综合借鉴杨丽、张荣天[20-21]等提出的改进熵值法评价模型进行指标权重计算：

式中：Wj为指标权值；，r为年份；n为指标因子；Pαij为第k年第j项指标下第i个方案所占的比重。

同时根据权值，得出各研究单元综合得分：

式中：Sαj为宜居水平；Wj为指标权值；xαij为第α年第i个研究单元的第j项指标值。

2.变异系数、基尼系数

变异系数和基尼系数作为统计学中的常用统计指标，在消除测量尺度和量纲影响的基础上，可用于探讨区域的整体差异水平。

变异系数排除了不同变量量纲的影响，从而较为准确地对样本数据的离散程度进行测算。

基尼系数主要用于衡量指标的差异程度，能够客观地反映出区域的整体差异水平。

式中：Cv为变异系数，为标准差；u为样本平均值。Cv值越大，相对变异程度越大，反之则越小。

式中：G为基尼系数；yi、yj分别表示第i、j地区的指标值；n为样本数量；u为样本平均值。基尼系数取值在0 ～1 之间，数值越高，不均等程度越高、越不均衡；数值越小则越趋向均衡。

3.空间自相关

空间自相关反映的是一个区域单元上某种地理现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度[22]。如某一空间单元的变量取值与其邻近单元相似，如均为高值或均为低值，则空间关系为正相关，相异则为负相关。

（1）全局空间自相关。全局空间自相关考察的是区域整体的空间集聚特征，主要使用全局莫兰指数（Global Moran’s I ）作为计算指标，公式如下：

式中：I为全局莫兰指数为标准方差；n为要素总数；wij是要素i和要素j的空间权重；xi和xj分别是区域i和区域j的属性是要素的平均值。

I的取值范围为[-1，1]。I＞0 表示空间正相关，即相似属性集聚，值越大，空间集聚越明显；I＜0 表示空间负相关，即相异属性集聚，值越小，空间异质性越大；I＝0 则表示无相关性。

（2）局部空间自相关。局部空间自相关主要探讨空间内部集聚的具体特性，如局部空间单元与邻近空间单元之间的相关性，本文利用局部莫兰指数（Local Moran’s I ）作为度量指标，公式如下：

式中：Ii为局部莫兰指数；S2为标准方差；n为要素总数；wij是要素i和要素j的空间权重；xi和xj分别是区域i和区域j的属性是要素的平均值。

Ii＞0 表示某空间单元与其邻近空间单元具有相似性；Ii＜0 表示某空间单元与其邻近单元相异。根据计算结果可将集聚状态分为高高聚集（HH）、低低聚集（LL）、高低聚集（HL）、低高聚集（LH）。

4.联动效应

本文通过C-M 同步化指数进行综合评价和测定，该指数的提出主要用于探讨不同国家之间的经济同步性研究[23]，所以将这一研究方法运用到宜居联动性水平的分析中，进一步明确江苏省各地级市宜居城市发展的同步程度，即对宜居水平进行联动程度的动态量化。其计算公式为：

式中：ρij,t为同步化指数，利用该指标反映t时期城市i和城市j宜居度波动的同步性水平，取值范围为( -∞，1]。数值越大则表明联动程度越高，反之则联动程度越低；di,t、dj,t分别表示在t时期城市i和城市j的宜居度增长率；分别表示样本期内城市i和城市j宜居度的平均增长率；T为研究期。

（二）数据来源

本文选取2010 年、2012 年、2014 年、2016 年、2018 年共五年的数据，基本可以反映近十年来江苏省各地级市城市宜居的整体情况，指标数据来源于五年的《江苏省统计年鉴》《中国城市统计年鉴》，以及各地级市统计年鉴、环境状况公报等，部分指标数据通过理论公式计算得出。

二 结果与分析

（一）江苏省宜居度评价

根据改进熵值法计算指标权重（表1），同时为了更直观地揭示江苏省宜居水平的空间分异情况，利用ArcGIS10.2 软件的Jenks 分类法进行分析。

表1 城市宜居水平评价指标及权重

如图1 所示，研究期内江苏省宜居水平整体逐年上升，而且表现出明显的地域差异。总的来说，江苏省各地级市宜居度表现为“南高北低”的空间分布特征，分布格局与经济社会发展状况基本相符。其中苏南地区宜居度整体水平较高，特别是苏州市，充分利用了比较优越的地理区位和资源禀赋条件，逐渐进入以提升质量为主的城镇转型发展新阶段；苏中地区则相对处于中等水平，而苏北地区整体宜居性较低，除徐州市个别年份较为突出外，其他城市宜居水平都偏低。原因在于苏北地区传统产业结构以重工业为主，以及承接苏南地区部分污染密集型产业转移等，各类污染比较严重，人居环境受到较大影响。近些年来随着苏北地区建设项目环境准入条件的进一步严格，以及产业结构优化等措施，污染强度开始降低，但部分城市产业布局不够合理，基础设施建设有待优化等问题日益显现，限制了城市宜居水平建设的进一步发展。

图1 江苏省宜居度分布格局

（二）江苏省宜居度差异演变趋势

虽然宜居强度可视化地图能够形象地反映江苏省宜居度分布格局，但并不能明确反映出各个时期省内的宜居度差异变化情况，因此，通过变异系数和基尼系数进行测算分析，结果显示，两者的变化特征基本一致。

由图2 可知，2010—2014 年，变异系数小幅度增长，继而下降，2014—2018 年又呈现出同样的变化状态，基尼系数变动趋势也与变异系数相同，两者均在2016 年达到峰值。综上所述，变异系数和基尼系数基本呈现出“M”型的波动特征。原因在于随着城市化进程的加速和城市战略的实施，各地的经济社会发展差异增大，宜居城市之间也存在较大差距，而2016 年《江苏省“十三五”美丽宜居城乡建设规划》的实施，以及宜居示范居住区建设等，江苏省各地级市日益重视经济效益、生态效益的协调发展和城市宜居水平的提升，区域差异性随之降低。

图2 宜居度差异演变趋势

（三）江苏省宜居度空间自相关分析

1.全局空间自相关

由表2 可知，各年均在5% 显著性水平下通过显著性检验，并显示出明显的空间分布聚类特征。

同时可以看出，各年Global Moran’s I 指数值都大于0，说明江苏省宜居度在空间上存在空间正相关性，且集聚特征呈现出“增强—减弱—增强”的变化趋势：2010—2014 年莫兰指数持续上升，江苏省13 个地级市宜居水平空间正相关性增强，到2014 年已达0.525，说明宜居水平空间相关性较强，且有明显的正向溢出效应；2014—2016 年莫兰指数转而下降，各市宜居度增长幅度差异较大，宜居水平的高聚集程度被冲击；2016—2018 年莫兰指数重新上升，这与“十三五”期间江苏省持续推进城乡环境综合整治，采取各项措施推动城乡人居环境的改善有较大关联。

表2 各年莫兰指数

2.局部空间自相关

为了进一步分析各地级市与周边城市的空间集聚程度，直观显示局域空间关联性，因此利用莫兰指数散点图和LISA 聚类地图进行空间分析。

如图3 所示，大部分城市分布在HH 象限和LL 象限，说明江苏省城市宜居水平的同质相关性比较强，即高宜居度城市的邻近城市宜居度也比较高，低宜居度城市的邻近城市宜居度也比较低，2014 年更为明显，呈现出较强的空间依赖性，之后稍有反复。

图3 各年莫兰指数散点图

具体来看，各市所处象限见表3。其中，始终位于HH 象限的城市均为苏南城市，体现出高高集聚的分布特点，2014 年和2018 年镇江也位于该象限，意味着这两年整个苏南地区均具有较强的正向空间溢出效应；出现在LH 象限的只有南通、镇江两个城市，但不同年份会出现一定的波动变化，说明这两座城市的宜居水平变化较大；位于LL 象限的城市为苏北的5 个地级市，以及苏中的泰州和扬州，特殊情况出现在2010 年，该年份苏北地区的徐州并不在列，而是位于HL 象限，此后其他年份均无城市位于这一象限。综上所述，江苏省宜居度的局部空间依赖性比较稳定，整体呈现出苏南地区“高—高集聚”，苏北地区“低—低集聚”的空间分布格局。

表3 江苏省各地级市所处象限

由于莫兰指数散点图的显著性问题，对通过 5% 显著性水平的市域进行 LISA 集聚分析。从表4 可以看出，未通过显著性检验的城市数量总体呈较明显的下降趋势，从2010 年开始，显著的“高—高”和“低—低”空间自相关区域范围波动上升，其中显著“高—高”集聚区均为苏南地区的城市，且数量不断增加，说明大部分苏南地区城市宜居水平较高，与之距离较近城市的宜居竞争力水平也较高，而且呈现出显著的集聚特征；而显著“低—低”集聚区均为苏北地区的城市，到2018 年为徐州、连云港、宿迁、淮安，说明大部分苏北城市宜居水平较低，与之距离较近的城市宜居竞争力水平也较低，同样呈现出显著的空间聚类特征。总的来看，江苏省宜居性表现出明显的同类宜居度城市的局部集聚特性。

表4 江苏省宜居度局部空间自相关显著区域

（四）江苏省城市宜居联动效应分析

宜居度增长率是衡量宜居水平波动的核心指标，通过公式（7），测算出城市（区域）A 与其他城市（区域）间的宜居联动水平，继而测算某一年份联动度均值作为城市（区域）A 的联动度。为了更加清晰地进行分析，故对江苏省、苏南苏中苏北、以及三大区域之间的宜居联动进行测度。

由图4 可知，不同研究区域内的宜居水平联动度起伏均较大，其中江苏省宜居联动度呈现“N”型走势，即“上升—下降—再上升”的变化规律，2014 年同步化水平最高，2016 年下降，之后回升。说明2014 年江苏省13 个地级市在宜居城市建设方面较强的联动特征，根据计算发现，该年份绝大多数城市的宜居度比2012 年有所上升，且增长率相差较小。从图4 中还可以看出，苏北地区内部和苏南地区内部的宜居联动度也与江苏省呈现出一致的波动效应。而苏中地区的联动度在2014 年达到峰值之后随即下降。这说明苏南、苏中和苏北内部的城市宜居水平良莠不齐，同时在宜居城市发展建设过程中的同步性有待提升。此外，苏南、苏中、苏北三大区域之间的宜居联动水平特征非常明显，虽然增速有快有慢，但是持续上升态势显著。可以看出，通过以区域经济协调发展为契机，区域之间在产业转移、综合交通运输体系共建等方面颇有成效，江苏省宜居建设的区域协调同步效应会进一步提升。

图4 江苏省宜居城市发展联动度

三 结论与建议

宜居城市的建设是经济、社会、环境、生活等各个方面综合作用的结果，同时也有可能受到周边邻近城市或联系密切城市的影响。本文通过对江苏省宜居度内部差异和空间相关性的研究，旨在较全面地分析宜居水平的空间分布格局和联动发展特征，结果如下：（1）研究期内江苏省各地级市的宜居度呈现波动变化，从区域角度来看，宜居度由高到低分别为苏南、苏中、苏北；（2）江苏省各市间的宜居水平差异呈现“M”型的波动特征，总体来说呈下降趋势；（3）从全局空间集聚分布情况来看，江苏省宜居度在空间上存在较强的空间正相关性，且集聚特征呈现出“增强—减弱—增强”的变化趋势，从局部集聚特征来看，江苏省宜居度的局部空间依赖性相对稳定，表现为南部地区大多高值—高值显著集聚，北部地区多为低值—低值显著集聚；（4）省内宜居城市发展联动度呈“N”型走势，苏南、苏中、苏北区域间的宜居联动度持续上升态势明显。

根据实证分析结果，提出建议如下：第一，宜居城市建设并不是“各自为阵”，应当充分发挥宜居度的联动效应，通过苏锡常都市圈、南京都市圈、徐州都市圈宜居水平的整体提升推动内部各城市的发展；第二，苏南地区整体宜居水平较高，应当在继续保持经济健康有序发展的基础上，注重人民生活宜居度和便利性的提升，以及生态环境的进一步治理优化；第三，苏北地区在加快产业结构优化、促进经济增长的同时，要保护好生态环境，同时注重居民生活质量的有效提升，其中徐州市的宜居水平较为领先，可将其作为苏北地区宜居城市发展的“增长极”，发挥带动示范效应。