中国省域物流信息化水平空间结构演化及其影响因素

马飞，崔睿颖，孙启鹏，赵成勇，蔡鑫，孙颖，刘屹东

(1. 长安大学 经济与管理学院，陕西 西安 710064; 2. 长安大学 运输工程学院，陕西西安 710064; 3. 加拿大圣玛丽大学 商学院，新斯科舍省 哈利法克斯 B3H3C3)

物流信息化是物流信息技术、计算机网络和管理方法等要素的集成，是推动物流业可持续发展的重要手段。党的十九大提出了“物流强国”战略目标，为物流信息化发展提供了战略支撑。物流业是国民经济发展的中坚力量，不同时期不同区域下物流空间结构展现出分异特征。

当前，关于物流信息化的研究主要集中在物流信息化的内涵、评价、物流空间结构演化特征、物流及信息化影响因素等方面。物流信息化旨在通过对信息流的整合，进而提升物流绩效，是信息技术在物流发展领域的融合应用[1-2]。物流信息化的内涵包括信息技术在物流业的应用及物流信息资源的开发利用等[3]。此外，信息技术能力、企业间现代信息技术共享均会对物流绩效产生影响[4]。如BARBARA通过实证研究指出IT战略导向、IT合作关系和项目协作是物流信息化发展的重要因素[5]；VOLKER et al.明确信息和通信技术在绿色物流中的应用现状，表明现代信息技术对物流发展具有重大推动作用[6]；LI et al.指出加强信息连接与共享，建设智能物流系统对物流业供给侧结构性改革有至关重要的作用[7]。综合现有研究，物流信息化是指利用物流现代化信息技术对物流活动中产生的信息进行处理、控制、资源优化整合，进而起到降低运营成本、提升物流服务质量、增强物流效益的作用。

近年来，许多学者基于物流信息化的内涵对物流信息化的评价过程进行了系统研究[8-9]。王小建等从物流产业角度分析了物流信息化的概念与内涵，依据物流信息化评价指标体系设计原则，从基础设施、信息化资源开发利用、信息技术应用、人才指标、可持续发展指标、其他指标等6个层面设计了38项具体评价指标[3]。ZHANG et al.等从信息基础设施建设、业务运营情况、客户服务状态、成本和盈利能力4个维度为能源企业建立了物流信息化评价系统[8]。此外，一些学者针对智能物流信息系统设计展开研究，他们认为构建智能物流信息系统是高效组织物流与信息流的关键因素[10]。

关于物流空间结构演化的研究多集中于美国、日本等发达国家或地区。RIVERA et al.利用水平集聚区位熵及物流企业占比系数两指标综合法对美国物流集群的空间聚集特性进行分析，发现集群内县域物流活动的聚集程度比集群外高[11]；SAKAI et al.利用1980—2003年东京大都市货运调查数据，对物流基础设施的空间结构分布及演化特征进行研究，发现物流基础设施由中心向外扩散，但扩散程度低于欧美国家[12]；KUMAR et al.利用空间聚类方法对美国各地物流集群空间分布模式进行研究[13]。沈玉芳等利用区位基尼系数、区位熵等方法对长三角区域的物流空间演化结构进行分析[14]；CUI et al.利用空间聚类分析对中国2003—2012年物流业空间集聚特征进行分析，研究结果表明空间溢出效应对中国物流业发展作用重大[15]。

关于物流及信息化的影响因素，学者发现物流空间结构受到土地价格、交通可达性、市场需求、政府政策等方面的影响[16]。ALJOHANI et al.指出物流基础设施的合理布局影响着物流水平的扩张[17]。JABEUR et al.指出智能物流的发展受信息、人员与政府决策的影响[18]。GREGOR et al.认为智能物流是促进物流业发展的关键，智能物流的发展受到信息化物流设备、大数据、物联网等支撑[19]。宓泽锋等在分析航空、陆路、水路货运3个尺度物流联系特征的基础上，选取经济发展水平、物流服务能力、开放程度等7个方面作为自变量，对长江经济带物流联系的影响因素进行了回归分析[20]。学者们还认为信息化发展与经济社会发展水平密不可分，经济发展水平、人力资本存量、创新能力等因素对信息化空间关联具有重要作用[21-22]。

综上所述，现有的研究多集中于物流及信息化的空间结构特征，鲜有将二者融合对物流信息化水平空间演化特征的研究，且未能从不同角度对物流信息化水平测度分析及对主要影响因素进行分析。探究物流信息化水平空间结构演化特征有利于丰富物流业空间结构研究，物流信息化空间关联影响因素分析有助于健全物流体系，优化物流产业结构，促进合理的物流产业布局。本文在借鉴学者们对物流信息化研究的基础上，首先，构建了物流信息化水平综合评价体系，采用熵值法确定评价指标的权重，测算物流信息化水平综合指数，从全国、省域两个层面进行综合评价。其次，利用标准差椭圆、探索性空间数据分析方法(ESDA)中的空间自相关(Global Moran’s I)分析、聚类和异常值(Anselin Local Moran’s I)分析探索物流信息化水平空间结构演化特征及其空间相关性。接着，利用修正后的引力模型得出中国省域物流信息化水平空间关联关系，利用QAP分析中国省域物流信息化空间关联的影响因素。最后得出研究结果，并提出研究的局限性及未来展望。

一、研究方法

为探究中国省域物流信息化水平空间结构演化特征，本文首先利用熵值法对物流信息化水平评价指标进行客观赋权，进一步测算物流信息化水平综合指数，为中国省域物流信息化水平空间结构演化分析奠定基础；然后运用标准差椭圆方法分析其空间分布结构方向；进而通过探索性空间数据分析方法，运用莫兰指数探索不同地区物流信息化水平的空间分布与演化特征；最后通过构建影响因素模型对影响中国省域物流信息化水平空间结构的关键因素进行分析。

(一)熵值法

熵值法是一种客观赋权法，通过原始矩阵的实际观测值提供的信息以及各项间的相互关系来得到权重，能够避免主观赋权的随意性[23-24]。熵的大小常用于衡量不确定性程度，熵值越小，所包含的信息量越大，不确定性越低。本文通过指标数据的离散程度判断指标对评价结果的影响，指标离散程度越大，其熵值越小，对综合评价结果的影响越大。熵值法评价步骤如下。

第一，构建初始矩阵X=(xij)mn，n为样本数量，m为指标数量，xij为第个i地区第j项指标的数值(i=1,2,…,n;j=1,2,…,m)。

第二，指标数据标准化。由于各项评价指标计量单位不同，本文采用标准化进行无量纲化处理，消除不同质指标造成的不可比性。正向指标和负向指标的处理方法略有不同，具体方法如下。

正向指标

(1)

负向指标

(2)

式中：yij为标准化处理后第i个地区第j项指标的数值(i=1,2,…，n;j=1,2,…，m)。

第三，计算第j项指标的熵值Ej。

(3)

第四，计算第j项指标的权重wj。

(4)

式中：wj为第j项指标的权重；j=1,2,…,m。

第五，计算第i个地区物流信息化水平综合指数Ci。

(5)

式中：Ci表示第i个地区的物流信息化水平综合指数；i=1,2,…,n;j=1,2,…，m。

(二)标准差椭圆

标准差椭圆(Standard Deviational Ellipse, SDE)是有效揭示经济要素空间分布特征的空间统计方法之一。标准差椭圆通过长短轴、中心点、方位角等参数定量描述经济要素在空间分布上的方向性、中心性等特征[25-27]。标准差椭圆长轴方向反映中国省域物流信息化水平在二维空间的方向趋势。标准差椭圆中心是经济要素空间分布的重心，反映中国省域物流信息化水平在二维空间分布结构的相对位置。方位角为长轴与正北方向顺时针夹角，反映经济要素空间分布方向。

(三)探索性空间数据分析

探索性空间数据分析(Exploratory Spatial Data Analysis, ESDA)通过探索数据的空间分布，明确不同属性值之间空间分布、空间模式的规律[28-29]。本文运用全局莫兰指数(Global Moran’s I)、聚类和异常值分析 (Anselin Local Moran’s I)，通过探索某地区的物流信息化水平与其邻近地区在空间上的显著程度以及不同地区在空间上的聚集程度，明确不同地区物流信息化水平的空间分布及演化特征。

(6)

局部Moran’s I是全局Moran’s I的修正统计量，计算式

(7)

(8)

二、指标体系及数据来源

(一)评价指标体系构建

截至目前学术界未有统一的物流信息化水平评价指标体系。董大伟从基础设施、物流公共信息平台和系统安全等方面对中国物流信息化建设进行研究[30]。为避免截面数据对信息损失较多，杨慧瀛等则采用分层因子分析方法，从基础设施投入、物流信息化规模和宏观发展水平3个方面对中国物流信息化水平进行测度[31]。对于物流信息化水平评价指标体系构建，徐婧等考虑物流企业自身的经济策略、基础设施建设、信息资费标准、人才培养和应用实践等方面，运用阶层分析建立以物流信息化评价为目标层的全面测度体系[32]。综合现有研究，物流信息化指标体系建设需要反映物流信息化内涵，体现信息化，使物流产业在结构升级、技术进步、节能减排等方面采用新的物流理念发展。

物流信息化基础设施是物流信息化发展的物化设备依赖和物质基础，直接关系到物流信息化发展是否具备应有的基本条件，故本文选取互联网普及率、互联网宽带接入端口、电信光缆线路总长度和每百人使用计算机数量反映物流信息化基础设施水平；物流信息化资源开发利用是物流信息化发展的基本内容，是决定物流信息化建设能否取得实效的关键，经过开发利用才能充分体现物流信息资源的价值，故本文选取邮电业务总量、每百家企业拥有网站数量和平均每一营业网点服务面积反映物流信息化资源开发利用水平；物流信息产业技术涉及物流运作的每个环节，关系到物流信息化建设的速度与质量，故本文选取电子商务交易额占GDP比重，交通运输、仓储和邮政业固定资产投资，物流就业人数和专利授权数量反映物流信息产业技术水平，其中选取专利授权数量指标作为信息技术研究成果转化的体现；物流发展水平是其余关键维度的具体体现，直接反映物流信息化水平的实际效益，故选取货物周转量和货运量反映物流业整体发展水平。基于此，本文结合中国省域特点与数据的可获取性、综合指标的全面性、通用性原则，从物流信息化基础设施、物流信息化资源开发利用、物流信息产业技术、物流发展水平4个维度选取了13项具体指标构建物流信息化水平评价指标体系，如表1所示。

表1 物流信息化水平评价指标体系

(二)物流信息化水平测度结果

基于物流信息化水平评价指标体系，按照熵值法中计算公式(1)(2)，对2013—2018年中国物流信息化水平评价指标数据进行标准化处理，按照公式(3)(4)，得到评价体系各指标权重，如表2所示。

表2 物流信息化水平评价体系指标权重

根据得到的评价体系指标权重与标准化指标数据，运用Matlab，通过公式(5)计算得出2013—2018年中国31个省区市的物流信息化水平综合指数，如表3所示。

表3 2013—2018年中国31个省区市物流信息化水平评价结果

(三)研究区域及数据来源

鉴于数据的可获取性，本文研究区域为除港澳台地区外的31个省、自治区和直辖市。各项指标数据均来源于2013—2018年《中国统计年鉴》。其中，邮电业务总量为邮政业务量与电信业务量之和；平均每一营业网点服务面积由该地区面积与邮政业营业网点处比值所得；物流就业人数为交通运输、仓储、邮政就业总人数。在影响因素分析中，关于地理邻近关系项，海南省与广西省、广东省做相邻处理，取值为1，区域创新能力综合效用值数据源于《中国区域创新能力评价报告》。

三、中国省域物流信息化发展水平测度

为研究物流信息化的空间整体发展规律与局部发展规律，探究空间演化进程，发现各区域下省域间的发展联系，本文从全国到省域视角进行聚焦，并通过板块划分剖析省域间物流信息化水平。

(一)全国视域下物流信息化水平测度分析

从整体看，中国物流信息化水平在2013—2018年间呈逐年增长态势，由2013年的14.225 2增长到2018年的28.021 2，增幅达96.98%。其中，2017—2018年中国物流信息化整体水平增幅最大，为15.70%，或许是因为随着“物流强国”战略、《关于进一步推进物流降本增效促进实体经济发展的意见》等政策的推行，物流信息化水平得到迅速发展。标准差由2013年的8.305 9增长到2018年的15.960 7，说明物流信息化整体水平提高的同时，各地区差异逐渐加大，非均衡性增强。

(二)省域视域下物流信息化水平测度分析

依据中国社会经济发展形势，本文将全国划分为东北、东部、中部、西部4个区域。将四大区域中各个省域2013—2018年物流信息化水平可视化，如图1所示，东北省域物流信息化水平从高到低依次为辽宁>黑龙江>吉林。

图1 东北、东部、中部、西部省域物流信息化水平

东部省域物流信息化水平高的地区为广东、浙江、江苏等。其中，广东省物流信息化水平稳居最高位。广东省属于东部沿海发达地区且经济竞争力强，物流体量大，地理位置条件优越，政府部门大力支持物流信息化发展，在加强地区间合作、优化物流信息化服务方面提供一系列保障。海南物流信息化水平最低，究其原因，可能是因为海南物流业仍处于传统物流业发展阶段，物流基础设施建设不完善，缺乏专业物流技术人才，相关政策制度不够健全，与信息化技术结合能力较弱，因此其虽为东部省域，物流信息化水平却与中部省域持平。

中部省域河南、安徽、湖北物流信息化水平较高。2018年河南省物流信息化水平为35.160 3，发展水平较高。河南省地处中部枢纽地区，交通网络发达，是连接各地区交通与物流运输的重要枢纽，省会郑州作为全国重要的商品集散地，具有物流信息化水平高速发展的区位优势。

四川省为西部省域物流信息化水平最高地区。究其原因，国家近年来大力支持西部地区发展，交通状况明显转好，四川省经济实力迅速发展，同时更加注重对物流信息化设施的投入，重视专业化人才的培养。物流信息化水平相对低的地区为青海、宁夏、西藏，其中西藏物流信息化水平最低，但仍保持逐年增长态势。这是因为西藏交通区位条件较差，物流运输受限较大，信息化建设能力有限，虽然发展出如柳梧等物流信息中心来促进物流信息化水平提升，但是受固有自然区位条件限制，其仍处于物流信息化水平最低的地位。

四、空间结构演化特征及其自相关分析

(一)总体分异特征分析

基于物流信息化水平综合指数测算结果，选取2013、2015、2017、2018年相关数据，利用ArcGIS1 0.5的方向分布工具测算出中国省域物流信息化水平标准差椭圆相关参数。其中，椭圆级别选择包含68%样本地区的一个标准差，得到2013—2018年中国省域物流信息化水平标准差椭圆的轨迹变化及中心位置变化(图2)。可见，2013—2018年，中国省域物流信息化发展水平整体呈“东(偏北)-西(偏南)”走向。研究期内，中国省域物流信息化发展水平空间结构中心位置均在河南省，在方向上产生了向西南移动的态势。方位角由2013年的66.174增加到2018年的69.127，说明中国省域物流信息化水平空间结构呈“东(偏北)-西(偏南)”格局，且有逐步强化这种格局的趋势。

图2 2013—2018年中国省域物流信息化发展水平空间结构离散趋势

(二)全局空间自相关演化分析

为了解中国省域物流信息化水平发展的全局空间相关性，提出假设H0：中国省域物流信息化水平随机分布；H1：中国省域物流信息化水平存在空间自相关。基于以上假设，测算2013—2018年中国省域物流信息化水平的全局Moran’s I指数值，结果如表4所示。

表4 2013—2018年全局Moran’s I分析汇总

2013—2018年物流信息化水平Moran’s I指数均大于0，P值均小于0.050 0，通过了5%水平下的显著性检验，且Z得分为正值，因此，拒绝H0假设，H1假设成立。这说明中国省域物流信息化水平在空间格局上存在正向空间自相关关系。中国省域物流信息化水平Moran’s I指数在2013—2018年呈波动态势，空间集聚性发生波动。整体来看，Moran’s I指数呈下降趋势，空间相关性逐渐减弱。

(三)局部空间自相关演化分析

为进一步揭示内部空间布局特征，分析省域物流信息化水平空间演化特征，利用局部空间自相关分析，以统计出空间范围内物流信息化水平的高值或低值聚集情况以及空间范围内的异常值。除空间集聚特性不显著区域外，中国省域物流信息化发展水平存在4种空间关联模式：第一象限High-High(HH)空间关联表示该地区与邻近地区均为物流信息化高水平区，为高集聚状态；第二象限Low-High(LH)表示物流信息化低水平区被高水平区包围；第三象限Low-Low(LL)表示该地区与邻近地区均为物流信息化低水平，为低聚集状态；第四象限High-Low(HL)表示物流信息化高水平区被低水平区包围；各省域空间关联模式归类见表5。

表5 各省域空间关联模式归类

中国省域物流信息化发展的主要形式是高值集聚和低值集聚同质性现象，同时空间异质性现象增强。2013—2018年东部地区的江苏、上海、安徽、浙江、福建均处于HH，究其原因，东部沿海地区地理位置优越，经济状况良好，物流基础设施完善，人才吸引力强。同时，山东半岛物流区域、长三角物流区域、珠三角物流区域等都是国家物流发展的重点区域，受到一系列相关政策的支持。西部地区青海、甘肃、新疆均处于LL，究其原因，西部地区地理位置处于非枢纽地带，物流业发展的内在条件不足，经济发展缓慢，物流基础设施不完善，人才吸引力较弱。四川省2013—2018年均处于HL，或许是由于四川为西部地区经济高水平省域，产业结构较为合理，物流基础设施投资大，物流信息化水平较高，但是被物流信息化低水平地区包围，因而产生较为明显的极化效应。江西LH由2013年的1个增长为2018年的2个，说明物流信息化水平的空间异质性增强，江西2013—2018年均在LH内，表明该省份物流信息化水平低，且被物流信息化水平高地区包围，因而表现出非均衡性。

(四)物流信息化水平空间演化特征

总体来看，中国物流信息化水平呈现出由东北向西南移动的态势，且中国省域物流信息化水平存在正向空间自相关关系，但整体的相关性逐渐减弱。此外，中国物流信息化发展主要表现出同质性发展现象，高质量发展地区与低质量发展地区均聚集出现，但随着时间发展，异质性现象正逐步加强。

五、影响因素分析

(一)中国省域物流信息化空间关联影响因素模型构建

据现有研究，学者们多利用Granger因果检验法及引力模型等[33-35]确定空间关联关系。由于Granger因果检验法对时间序列的时间跨度要求过高，本文采用修正后的引力模型综合考虑经济、地理等因素，利用截面数据量化中国省域物流信息化联系强度。具体模型是

(9)

(10)

式中：Rij表示i、j地区间的物流信息化引力；Ii、Ij表示i、j地区间的物流信息化水平综合指数值；Kij表示i地区在i、j地区间物流信息化水平空间关联作用中的贡献率；dij表示两地区间球面距离；gi-gj表示两地区间人均GDP差值。根据公式(9)测算物流信息化水平引力矩阵，取各列均值作为阈值，若大于阈值则取1，小于则取0，得到物流信息化水平空间关联二值矩阵。

为分析中国省域物流信息化空间关联的影响因素，本文通过对现有研究进行综合分析，发现空间地理位置、城镇化发展状况、经济发展水平、区域创新能力等是物流信息化发展的重点关注环节[22,36]。故本文选取空间地理位置(Lo)、城镇化水平(Ur)、经济发展水平(Ec)、区域创新水平(In)、区域开放水平(Op)、人均R&D经费(Rd)构建中国省域物流信息化空间关联影响因素模型

R=f(Lo,Ur,Ec,In,Op,Rd)

(11)

式中：R是由修正后的引力模型测算出的中国31个省区市物流信息化水平的空间关联二值矩阵；Lo用地理邻接关系矩阵表示，相邻则为1，不相邻则为0；Ur用地区城镇化水平0-1差异矩阵表示；Ec用地区人均可支配收入构成的0-1差异矩阵表示；In用区域创新能力综合效用值0-1差异矩阵表示；Op用地区进出口总额除以GDP形成的0-1差异矩阵表示；Rd用人均R&D经费构成的0-1差异矩阵表示。

本文基于此模型构建关系矩阵，利用UCINET 6中的QAP相关分析及回归分析进行关系检验。

(二)QAP分析

本文选择5 000次排列数目进行随机行列置换，得到物流信息化水平空间关联关系与影响因素的QAP相关分析结果，如表6所示。结果表明，空间地理位置、城镇化水平、经济发展水平、区域创新水平、区域开放水平6项因素皆与中国省域物流信息化水平空间关联有正向相关关系，且指标相关系数都通过了1%的显著性水平检验。因此，采用QAP回归分析具有合理性。

表6 物流信息化水平空间关联关系与影响因素的QAP相关分析结果

为进一步探究Lo、Ur、Ec、In、Op、Rd对中国省域物流信息化水平空间关联关系的影响程度强弱，选择5 000次随机行列置换进行QAP回归分析，回归分析结果见表7。

表7 物流信息化水平空间关联影响因素的QAP回归分析

回归结果显示，调整后判定系数R2为0.18，说明所选指标差异变化可以解释中国省域物流信息化水平空间关联关系变异的18.0%。QAP方法的相关研究表明，R2数值多位于10.7%—26.7%之间[37-39]，因此，本文指标选择较为适宜，具有良好的解释力度。

区域开放水平、空间地理位置、区域创新水平和城镇化水平对物流信息化具有影响作用。第一，区域开放水平及空间地理位置的回归系数在1%显著性水平下通过检验，具有正向显著性。可见，物流信息化发展水平与地区对外开放程度、地区间交互水平密不可分，物流信息化发展需要不断开放区域交流，加强对外信息交换。空间地理位置作为地区的固有属性，对物流信息化水平具有一定影响，但是关联关系较弱。第二，区域创新水平和城镇化水平的回归系数在5%显著性水平下通过检验，具有正向显著性。二者均为影响物流信息化水平发展的关键因素，创新能力的提升与城镇化建设的逐步完善为物流信息化的发展注入了活力。第三，经济发展水平及人均R&D经费的回归系数未通过显著性水平检验，说明物流信息化水平空间关联暂未体现出与经济发展状况和人均R&D经费有较为显著的因果相关关系。因此，空间地理位置可作为物流信息化水平发展策略制定的考虑因素之一，要通过不断提升区域开放水平、城镇化水平、区域创新水平等来进一步提升物流信息化水平。

六、结语

物流信息化在物流业发展中扮演着不可或缺的角色，其空间结构演化影响着整个物流业空间结构的布局，进而对社会经济发展产生至关重要的作用。因此，首先，选取2013—2018年物流信息化水平面板数据，建立物流信息化水平评价体系，运用熵值法计算物流信息化综合指数，从全国、省域两个视域对中国物流信息化水平进行测度。然后，将2013—2018年中国省域物流信息化水平综合指数可视化，探究其空间结构演化特征。利用ESDA方法，从全局和局部两个角度，利用Moran’s I指数分析中国省域物流信息化水平的空间结构自相关关系。最后，确立中国省域物流信息化水平空间关联关系，构建中国省域物流信息化空间关联影响因素模型，利用QAP分析其影响因素。主要研究结论如下。

第一，2013—2018年中国省域物流信息化水平以较大增幅持续升高，省域间非均衡性增强。四大区域中，西部地区增长率最高，上升空间最大，东部区域水平最高。

第二，中国省域物流信息化水平总体空间结构呈现“东(偏北)-西(偏南)”格局，且此种趋势逐步趋于稳定。另外，中国省域物流信息化水平存在正向空间自相关关系，且相关性逐渐减弱。在物流信息化发展过程中，高值集聚及低值聚集的同质性现象占主导地位，且空间异质性增强。

第三，物流信息化水平空间关联关系与空间地理位置、城镇化水平、经济发展水平、区域创新水平、区域开放水平、人均R&D经费6个因素密切相关，且均有正向作用。物流信息化水平提升应在考虑空间地理位置的前提下，不断提升区域开放水平、城镇化水平、区域创新水平。

本文在总结现有物流信息化水平评价研究的基础上，基于构建的物流信息化水平评价体系，创新性地从全国、省域两个视域对中国物流信息化水平进行综合测度分析，对中国物流信息化发展水平进行全面评估，利用综合测度指数对中国省域物流信息化水平进行空间演化特征分析，弥补现有研究中研究区域及研究视角单一的不足，为研究物流信息化水平评估提供新的研究思路，为全方位的中国物流信息化空间结构演化分析奠定了基础。

但是本文研究仍存在一定局限性。由于数据资源获取有限，考虑今后在如下方面展开进一步的研究：优化物流信息化水平评价指标体系，加入人才利用、可持续发展层面指标；深入细化研究层面，从城市尺度(包括中国地级及以上城市)分析中国物流信息化发展水平；加入更多相关因素进行影响因素分析，提升对中国省域物流信息化空间关联关系的解释力度。