基于ESDA-GWR多变量影响的经济空间格局演化——以长江中游城市群为例

　　摘要：以长江中游城市群41个地域空间单元2000—2012年社会经济数据为基础，运用探索性数据分析（ESDA）及地理加权回归（GWR）等空间计量经济学方法，研究了多变量影响下长江中游城市群经济空间格局演化驱动机理。

　　研究发现：①长江中游城市群区域经济发展水平空间格局总体上表现为地区之间较强的负相关性，经济发展异质性较强，差异性显著；②产业结构与生产率、地区经济效益、科技与教育投入在空间上具有正相关性；对外开放程度在空间上具有微弱的负相关性；发展成本呈现随机排列态势，不具有地理空间上的相关性。③多数变量演化过程大致相似，但不同的时段在不同的局部各有差异。产业结构升级对长江中游城市群区域经济产生的影响范围逐渐由武汉城市圈向外围扩大，地区经济效益对长株潭城市群影响程度及范围逐渐扩大，对外开放程度对武汉城市圈经济发展影响程度最大，科技与教育投入对经济发展的影响由环鄱阳湖生态经济区—长株潭城市群—武汉城市圈逐渐减弱，武汉城市圈经济发展对资源依赖程度有减弱趋势，而长株潭城市群和环鄱阳湖生态经济区经济发展受资源约束程度相对较小。

　　关键词：多变量；区域经济；空间格局演化；长江中游城市群；ESDA-GWR

　　2013年2月，在“长江中游城市群省会城市首届会商会”会议上，以合肥为代表的“皖江城市带”正式宣布加入长江中游城市群，至此长江中游城市群范围有了新的界定。2013年9月，国家发改委地区经济司组织召开长江中游城市群一体化发展规划前期工作会议，研究讨论长江中游城市群一体化发展的重大问题。长江中游地区的湖北、湖南、江西、安徽省积极推进城市群合作发展，城市群作为区域发展的增长极与辐射源，其经济协调发展及空间格局演变机理日渐成为当前学者研究的热点。

　　区域经济空间格局演变特征受到多要素的共同影响，然而现有多数区域经济空间格局与结构研究中，常见的主要有基于社会经济要素等单指标的区域空间格局及其演化过程的特征分析方法，这种单一指标驱动分析方法使得其分析往往偏离区域经济系统演化的真实机理，导致对区域空间格局分布理解与研究的片面性，而多变量要素关系研究则能更加全面深刻反映影响区域经济不同要素时空格局的演变过程。陆大道等指出，自1990年代起，影响我国区域经济发展包括信息、科技、全球化程度等经济要素成为影响区域经济发展的新因素。其中经济要素主要是要素投入、经济结构、技术变革、区域贸易和制度因素等，主要用于探索短时段区域经济发展的变动情况；而影响区域经济发展的地理要素则关注自然条件、区位条件、资源基础、生态环境和基础设施等相对短期经济波动的经济要素而言，对区域经济发展的趋势影响较为持久与稳定。王发曾等指出影响城市经济发展的要素主要包括经济规模、经济结构、经济发展、经济效益、金融能力等方面。对于影响区域经济发展与格局演变的主导因素既有积极的产业结构升级、地区经济效益、对外开放程度、科技与教育投入等方面，也有发展成本等阻碍因素。综合考虑以上情况，总结前人经验，在兼顾数据可获得性和指标质量的基础上确定以下综合变量和分指标对长江中游城市群2000—2012年区域经济发展演变机理进行探索分析。

　　近年来，区域经济空间格局演变的研究方法经历了经典传统统计方法，这些经典传统统计方法由于忽视了空间因素在其中的作用，很少考虑到要素在空间的关联性，结果导致估计有一定偏差或不一致。此外空间效应的缺乏，也很难更好地解释地区经济的演化趋势。兼顾空间效应的探索性空间数据分析（ESDA）、地理加权回归（GWR）模型等方法逐渐运用于区域经济空间格局演化分析中，取得了较多成果，能够更好地解释区域经济空间格局的演变机理。相对于我国经济综合发展实力较强的长三角、珠三角以及京津冀城市群，处于中部地区的长江中游城市群经济空间格局及演化趋势研究成果明显偏少。基于此，本文以长江中游城市群为研究对象，结合ESDA-GWR从时空双重维度探讨自2000年以来长江中游城市群经济空间格局演变机理，深入揭示其动态演变过程，为进一步研究长江中游城市群经济一体化发展提供有益借鉴和参考，对于促进中部崛起、推动长江中游地区城市协调发展具有重大战略意义。

　　1、研究方法、区域概况与变量确定

　　1.1研究方法

　　1.1.1探索性空间数据分析方法。地理学定律认为：任何事物之间是相互联系的，距离相近的事物联系强度较大，因此空间性不容忽视。探索性空间数据分析方法（ESDA）的核心内容是通过全局空间自相关分析和局部空间自相关分析对空间关联模式（趋同或异质）进行度量和检验，进而揭示对象的空间分布，其中全局指标反映的是某种属性值在整个研究区域的空间关联模式，而局部指标可用于反映一个区域单元上的某种属性值与邻近区域单元上同一属性值的相关程度。

　　全局空间自相关是度量空间自相关的全局指标。衡量全局空间自相关的指标和方法主要包括全局Moran’I、Geary’C和Getis’C等。其中，全局Mo.ran’I指标计算公式见已有参考文献。Moran’I取值范围为［-1，1]，大于0表示空间正相关，小于0表示空间负相关，等于0则表示空间不相关。且Mo.ran’I值的绝对值越趋近于1，表示空间分布的相关性越大。对于空间是否存在自相关性，常采用统计检验的方式，即使用Z检验标准化Moran’I值，Z值为正且显著时，表明存在正的空间自相关，Z值为负且显著时，表明存在负的空间自相关，Z值为零时，观测值呈独立随机分布。检验公式如下：Z(I)=[I-E(I)]Var(I)式中：E(I)为期望值；Var(I)为方差。

　　通常空间自相关只有一个变量，学者们通过研究希望进行多变量的空间自相关分析。Anselin提出了双变量区域空间自相关，双变量空间自相关分析所产生的Moran’I值是用所有相邻位置的加权第3期张雅杰，金海，谷兴，等：基于ESDA-GWR多变量影响的经济空间格局演化29平均值评估一个位置的x变量值与其他变量的相关程度。定义如下：Iikl=zikΣj=1nwijzjl式中：wij为空间单元i、j之间的空间连接矩阵；zik=xik--xkλk，zil=xil--xlλl；xik是空间单元i属性k的值；xil是空间单元j属性l的值；-xk、-xl是属性k、l的平均值；λk、λl是属性k、l的方差。

　　1.1.2地理加权回归模型。地理加权回归模型（Geo.graphicalWeightedRegression，GWR）是由地理学家Fotheringham、Charlton等提出的用于研究空间数据复杂性、自相关性和变异性的新方法。GWR的实质是局部加权最小二乘法，其中的权为研究区域单元所在的地理空间位置到其他单元的地理空间位置之间的距离函数。GWR模型可以在空间上对每个观测对象的参数进行估计，此时的参数是指利用邻近观测对象的子样本数据信息进行局域回归估计得到的，随空间上局部地理位置变化而变化的变数，它更能较好地揭示经济变量之间的空间依赖性，模型的表达式参见已有文献。

　　1.2区域概况与变量确定

　　长江中游城市群是以中国内陆最大城市武汉为中心城市，长沙、南昌、合肥为副中心城市，以武汉城市圈、长株潭城市群、环鄱阳湖生态经济区、皖江城市带为组成部分，以浙赣线、长江中游交通走廊为主轴，呼应长江三角洲和珠江三角洲，打造的国家规划重点地区和全国区域发展新的增长极。截至2013年，在国内经济增长普遍下滑情况下，长江中游城市群经济发展稳中有进，主要指标增速均高于全国平均水平，实现生产总值59649.12亿元，为全国经济发展做出了突出贡献。然而内部差异也十分明显，武汉、长沙、合肥、南昌、岳阳、九江、安庆地区生产总值基本都在1000多亿的差距区间，梯度分异格局十分明显。对此进行深入分析不难发现区域经济发展的极端不平衡现象极度严重。

　　为保持数据连续性，以2012年行政区划为准，对部分空间单元进行合理的分割或合并。以长江中游城市群包括的41个城市组成的41个空间单元为研究对象，通过ESDA研究影响城市群经济发展各变量关联特征基础上，构建地理加权回归区域综合经济发展水平与其影响要素的多变量关系模型，进行时空演化过程的研究。经济基础数据均来源于对应年份《中国城市统计年鉴》与相关省份统计年鉴整理而成，空间属性数据来源于国家1∶100万基础地形图矢量化成果。

　　2、各综合变量的时空关联性与可能的潜在关系

　　运用特尔菲专家打分法确定各分指标的权重，为便于数据处理，对各分指标标准化后乘上相应权重加总得到综合变量值。本文利用GeoDa1.4.6软件提供的单变量和双变量空间自相关分析方法，分别评价各变量与综合经济发展水平的时空关联特征，挖掘指标内的空间关联信息与可能潜在关系，为构建变量关系模型进行长江中游城市群区域经济时空格局演化过程作相关的探索与分析。

　　2.1单变量全局空间分布特征

　　利用GeoDa1.4.6软件计算2000—2012年长江中游城市群综合经济单变量全局空间自相关指数（GMI）。结果均通过Z值检验（P≤0.05），从表中可发现，综合经济GMI指数值始终为负，最小为2001年-0.0974，最大为2011年-0.1968，说明长江中游城市群经济发展在空间上并非呈现无序排列现象，而是表现为空间上较强的负相关性，异质性明显，空间差异较大。这是由于武汉在长江中游地区经济发展水平绝对的优势地位所导致，本研究中长江中游城市群范围为《长江中游城市群一体化发展规划》初步划定范围，包含的武汉城市圈、长株潭城市群、环鄱阳湖生态经济区及皖江城市带均为广义范围。武汉城市圈包括武汉、黄石、鄂州、黄冈、孝感、咸宁、仙桃、天门、潜江、宜昌、荆州及荆门；长株潭城市群包括长沙、株洲、湘潭、岳阳、益阳、常德、娄底及衡阳；环鄱阳湖生态经济区包括南昌、九江、景德镇、鹰潭、上饶、抚州、萍乡、吉安、宜春及新余；皖江城市带包括合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城、六安、淮南及蚌埠。共41个城市。

　　2.2双变量全局空间分布特征

　　2.2.1综合经济—产业结构与生产率空间关联性。

　　变量综合经济—产业结构与生产率两者空间自相关系数来看，2000—2012年全局空间自相关Moran’sI指数由正到负。2000—2004年GMI值（0.0603、0.0750、0.0581、0.1155、0.0671）均为正，且绝对值不超过0.12，说明长江中游城市群产业结构与生产率水平不具备空间自相关性，不存在显著的空间集聚状态，空间排列近乎随机。但2005—2012年GMI值（-0.0777，-0.1925、-0.1624、-0.1332、-0.1276、-0.1275、-0.1274、-0.1388）由正到负，GMI值绝对值处于0.07-0.20之间，表现出空间上的较强负相关性，空间异质性显著，且差异性不断扩大，说明近年来随着区域之间产业结构变动剧烈，产业结构变化速度快，变化程度深，长江中游城市集群产业梯度落差明显。

　　2.2.2综合经济—地区经济效益空间关联性。从表3综合经济—地区经济效益空间自相关指数来看，2000—2012年GMI指数均为负数（从-0.1894到-0.1140），且绝对值呈现减小趋势。说明长江中游城市群经济发展较好、地区经济效益优势明显的地区在空间上表现出一定的负相关性，并且这种负相关有呈减弱趋势。这是因为长江中游城市群各地区经济效益受地方产业结构和政策影响较大，随产业结构在空间上的高低（低高）集聚呈现空间上的负相关。