基于县域尺度的长三角城市群经济空间演变特征研究_胡毅

关于空间效应的研究，国外学者自 1980 年代 开始普遍采用空间统计或者空间经济学的方法研 究区域的差异、联系及相互作用关系[6-9]，自 1990 年 代开始国内学者也对此进行了定量研究[9- 12]。但是由 于数据的可获得性以及运算的复杂性，研究数据通 常以地级市为单位，基于县域较小单元尺度的经济 空间特征较少，但是区域经济发展的空间特征与区 域单元划分的尺度密切相关。另外，既有的研究成 果其方法多是数学模型的自运算，较少涉及单元之 间的内部关联。因此，本文以长三角城市群县域尺 度单元为研究对象，在 GeoDA 和 Arcgis 的支持下
它是描述空间对象属性值在整个区域的空间
分布状态，有效检测由于空间相关性引起的（xj-x軇）
I = i = 1j = 1 nn
ΣΣ 2
S
wij
i = 1j = 1
（1）
n
Σ 式中：n
2
为 样 本 数 ，S
2
代 表 样 本 的 方 差 ，S
=
1
n i=1
（xi-x軇）2 ，xi 是区域的属性值，x軇 为 xi 的均值，wij 为空
（d 为设置的最小距离）。
本文采用 GeoDA 中 queen 一阶权重矩阵①，但
是由于长三角地区的行政地域图上存在“孤岛”现
象，如嵊泗县、岱山县，也存在图上陆域不相邻但实
际联系紧密，如上海市（崇明岛）与海门和启东、舟
山市区与宁波市区，因此空间权重矩阵处理时将它
们视为邻接关系②。
1.2 全局 Mor an’s I 统计量
探讨自 1990 年以来，长三角城市群经济空间的变 化特征及内部空间单元的关系，并以可视化的空间 数据探索方法进一步揭示其动态的演化过程。
1 研究方法
传统经济地理学和区域经济学的空间统计分 析方法，通常是基于相邻空间单元的相互独立的假 设，而实际上距离相近的区域之间不仅存在地域上 的关联，在空间要素的发展过程中彼此之间也存在 较强影响。因此，空间数据探索分析可以获取与地 理位置相关的属性数据的空间依赖性，并可视化其 空间相互作用和差异程度。其内容主要包括空间全 局自相关和空间局部自相关，常用 Moran’s I 进行 统计分析。 1.1 空间权重矩阵
9
12
7
1995
6
14
7
2000
1
18
8
2007
1
18
8
26
11
29
7
10
29
29
7
10
26
34
7
5
23
38
7
20
10
15
19
15
18
18
15
19
17
14
24
属性数据库。所有基础统计数据来源于《上海市统 计 年 鉴》、《浙 江 统 计 年 鉴》、《江 苏 五 十 年（1949— 1999）》和《江苏统计年鉴》。
①GeoDA0.9.5- i 中提供从一阶到高阶的权重矩阵，一阶权重矩阵包含共享边界和顶点的“邻居”，二阶为“邻居”的“邻居”，高阶依次类推。 ②由于建立矩阵仅表示一个互相相邻的关系而不涉及具体面积，因而可以在 ArcGIS 中将不邻接的区域用一个和周围连接的多边形来代 替，而在具体绘制和计算专题图的时再将多边形换为原来的实际位置区域。 ③ . ④长三角地区行政区划调整主要涉及三类情况：一类是由县级市成为地级市，如泰州市；一类是撤县设区；一类是区县辖乡镇或街道的行 政区划调整。本文仅考虑前两种情况，其他情况未作考虑。 ⑤根据现阶段的统计规定，由于上海市的中央企业、市属企业比较多，上海市各区县不计算人均 GDP，故把上海作为一个整体看待，崇明 岛不单列。
nn
n
ΣΣ Σ VAR（I）=
n2w1- nw2+3w02 w0（2 n2- 1）
，w0 =
wij，w1 =
i = 1j = 1
1 2
i=1
n
n
n
n
Σ Σ Σ Σ （wij + wj）i 2，w2 = （ wij + wi）j 2
j=1
i=1 j=1
j=1
1.3 局部 Mor an’s I 统计量
它是由全局空间 Moran’s I 向局域或者单个空
由于空间数据存在空间位置分布的特征，空间 权重矩阵，是对空间邻近性的定量化测度，表达了 不同空间对象之间的空间关系，如拓扑、邻接关系 等。它构成 Moran’s I 统计检验和模型构建的基础。 GeoDA①中提供了两种基本的空间权重方法：一种 是基于邻接的空间权重 （Contiguity- Based Spatial Weights），另一种是基于距离的空间权重（DistanceBased Spatial Weights）。
第 30 卷第 7 期 2010 年 7 月
经济地理 ECONOMIC GEOGRAPHY
文章编号：1000 - 8462（2010）07 - 1112 - 06
基于县域尺度的长三角城市群 经济空间演变特征研究
Vol.30，No. 7 Jul. ，2010
胡 毅，张京祥
（南京大学 城市与区域规划系，中国江苏 南京 210093）
基于邻接的空间权重包括： ①Rook 权重
①本文使用 GeoDA0.9.5- i 版本：/clearinghouse/GeoDa/。 收稿时间：2010 - 03 - 31；修回时间：2010 - 05 - 28 基金项目：国家自然科学基金项目（编号：40871077）和教育部新世纪优秀人才项目（编号：NCET- 07- 0432）联合资助。
①长三角地区仍处于非均衡发展阶段，且地区 不均衡进一步加剧。图 1 所示，自 1990 年以来，长 三 角 城 市 群 人 均 GDP 全 局 Moran’s I 统 计 量 在 0.29—0.6 之间，表明空间特征上存在显著的正相 关，即高值与高值地区、低值与低值地区相邻，而且 其线性趋势呈现上升态势。因此，虽然扁平化、多极 化是未来长三角城市群的发展趋势，但是这种均衡 的发展模式是建立在城市群高度发展的基础上。长 三角城市群仍处于极化经济发展阶段，整体呈现非 均衡发展特征，而且这种极化效应正进一步增大。
③经济发展的绝对差异明显，由于循环累积， 差异可能进一步扩大。人均 GDP 增长率的全局 Moran’s I 值呈现剧烈的波动，线性趋势逐渐趋近于 不相关。虽然人均 GDP 呈现区域聚集的空间格局， 但是其增长率在空间上总体呈现随机分布的状态， 其趋势线不断接近 0，表明这种空间上不相关的随 机趋势愈加明显。由此可知，在各个地区以 GDP 增 长率作为地区发展的绩效衡量标准时，相对应的人 均 GDP 增长率亦是其反映。无论是人均 GDP 的高 值地区还是低值地区，追求增长率的维持与人均 GDP 绝对量无关。在区域化和城市化快速发展的背 景下，各个地区均注重经济增长率的维持，使得增 长率水平的空间分布没有呈现聚集态势，经济发展 的相对差异较小，因此绝对差异的日益扩大是循环 累积的结果，在此状况下可能进一步扩大。
Z（I）i = Ii-E（I） 姨VAR（I）i
（4）
通 常 用 Moran 散 点 图 和 表 示 空 间 单 元 局 部
Moran’s I 显著性水平的 Lisa 图来表示。
2 研究区域与数据处理
长 三 角 地 区 是 我 国 综 合 实 力 最 强 的 地 区 ，至 2007 年底，区域国土面积约 10.5 万 km2，占全国国 土面积 2.1%，人口 8 422.7 万人，占全国总人口的 11%，GDP 总量 4.7 万亿元，占全国的 22.5%。在改 革开放 30 年的时间里，尤其是 1990 年代以来区域 发展战略的推进，使得长三角经济格局不断演变。 因此本文将长三角地区划分为县域和市区单元尺 度，时间跨度为 1990—2007 年，空间数据从 1∶400 万的国家基础地理信息数据中提取出以县域为基 本尺度的长三角行政边界③。长三角城市群自 1990 年以来进行了扩容，新增地级台州市和泰州市，并 且各个城市内部行政区划调整频繁④（表 1），因此以 2007 年行政区划为准，对市区县边界和数据做合并 编辑⑤，并以人均 GDP 增量和人均 GDP 增长率建立
间权重矩阵。全局 Moran’s I 的值介于 - 1 和 1 之
间，大于 0 为正相关，反之为负相关，等于 0 表明不
存在相关性。
全局 Moran’s I 指数检验的地标准化统计量
为：
Z（I）= [I- E（I）] 姨VAR（I）
（2）
式中：E（I）为期望值，E（I）=-
1 n-1
，VAR（I）为方差，
3 全局空间经济发展演变特征分析
对 1990 年至2007 年的长三角城市群县域尺度 的人均 GDP 和人均 GDP 增长率做全局 Moran’s I 统计分析，可以得出清晰的区域经济发展格局的整 体演变趋势（图 1）。对结果分析可得出以下结论。
图 1 长三角城市群人均GDP 及其增长率的 全局 mor an's I 统计量
间研究对象的分解，可以表示某个位置上的观测值
与周围区域单元观测值之间的联系。它必须满足以
下两个条件：①能给出衡量每个空间单元自相关显
著程度的指标；②所有空间单元的指标之和与全局
空间自相关指标成比例。
那么对于空间单元 i，
Σ Ii =
xi S2
x軇
j
n
（xj-x軇）
=1
（3）
局部 Moran’s I 检验的地标准化统计量为：
②经济发展空间格局阶段性特征明显。根据图 1，人均 GDP 全局 Moran’s I 统计量在近 20 年的发
展过程中存在阶段性的差异。总体上可以分为三个 阶段：第一个阶段是从 1990 年到 1993 年，长三角 地区极化发展的加剧时期，这一时期经济发展空间 极化作用不断增强，地区经济差异不断拉大；第二 个阶段自 1993 年起至 2001 年长三角地区经济空 间极化作用缓慢下降，这也正是长三角区域合作机 制建立，城市区域化发展初见端倪的时期；第三阶 段自 2001 年起至今，全局 Moran’s I 值陡然上升后 维持在较高的水平，极化效应使经济发达地区对周 边地区带动作用显著。