基于ESDA的辽宁省县际经济差异时空分析

网络出版时间：2011-10-25 11:00网络出版地址：/kcms/detail/11.1848.p.20111025.1100.002.html基于ESDA的辽宁省县际经济差异时空分析关伟1,2,朱海飞2( 1.辽宁师范大学海洋经济与可持续发展中心,辽宁大连 116029；2.辽宁师范大学城市与环境学院,辽宁大连 116029 )摘要：现代区域发展理论认为适当的区域经济发展差异有利于区域内资源的有效配置和产业的空间转移,但过大的区域经济差异则会弱化已经形成的区域经济分工与合作,严重的还会对区域经济发展和社会稳定造成负面影响。

本文以县域（含县、县级市、市辖区）为研究单元,采用人均GDP为测度指标,运用ESDA的方法对2000～2009年辽宁省县际经济差异的时空格局进行分析,认为辽宁省县际经济具有显著的空间自相关,区县经济差异呈现先扩大后缩小的趋势。

在局部差异方面,“高-高”类型的区县主要集中在沈阳、大连地区并有向沿海地区扩散的趋势,“低-低”类型的区县主要集中在阜新、朝阳及葫芦岛等所属的广大辽西地区。

经济热点区县在空间分布上虽表现出一定的随机性和不稳定性,但仍以沈阳地区、大连地区最为活跃。

在进一步从历史发展基础、区位条件、政策因素、空间近邻效应等方面分析辽宁省县际经济差异驱动机制的基础上，指出“辽宁沿海经济带”和“沈阳经济区新型工业化综合配套改革试验区”上升为国家战略后,沈阳、大连在辽宁沿海经济带、沈阳经济区中的核心地位已经确立,但其辐射功能或带动作用仍然有限。

关键词：ESDA；县际经济；空间自相关；经济热点；辽宁省1 引言区域经济发展差异研究是新经济地理学、区域经济学、空间经济学和发展经济学研究的核心问题之一,威廉姆森的倒“U”型理论、弗里德曼的中心外围理论、赫希曼的不平衡增长理论都认为区域经济差异总体上呈先扩大后缩小的发展趋势[1～3],适当的区域经济发展差异有利于推动资源的有效配置和产业的空间转移,但过大的区域经济差异则会弱化已经形成的区域经济分工与合作,严重的还会对区域经济发展和社会稳定造成负面影响[4～5]。

在国内,基于不同空间尺度的区域经济差异研究主要有刘清春、徐建华、鲁凤等对东中西三大地带经济发展差异的研究[6～8],吴殿廷、陈钊、李二玲等对南北经济发展差异的研究[9～11],孙希华、余建新、李丽等分别对山东、浙江、江苏等省进行的研究[12～14],李小建、孙姗姗、蒲英霞等对县际经济差异进行的研究[15～17]；基于不同评价指标的区域经济差异研究主要有孟召宜、欧向军、麻永建等采用单指标（人均GDP）进行的测度[18～20],伍世代、仇方道、任建军等采用综合指标进行的评价[21～23]。

伴随着不同空间尺度、不同评价指标等的研究[24～30],区域经济差异的研究方法和测度技术也在日趋成熟。

然而，任何事物与其周围事物都存在联系且与其相近事物的联系更为紧密,几乎所有空间数据都具有空间依赖性或空间自相关特征。

因此,在关注数值之间相关性研究的同时,重视区域经济发展的空间关联性研究并进而分析其时空差异与变化机制,对特定区域的经济空间结构演化规律研究具有重要的意义。

ESDA（Exploratory Spatial Data Analysis）探索性空间数据分析是SDA技术的一种,它以空间关联性测度为核心,是描述与揭示研究对象的空间分布,发现奇异观测值,分析其空间联系、簇聚以及其他异质性的空间分析方法[31～32]。

ESDA强调发现空间数据的分布模式，注重数据的空间依赖性（Spatial Dependence）与空间异质性（Spatial Heterogeneity）————————————收稿日期：2011-00-00；修订日期：2011-00-基金项目：国家科技支撑计划项目（2008BAH31B06）；辽宁省科学技术计划项目（2009401015）作者简介：关伟（1959-），男，辽宁岫岩人，博士，教授，博士生导师。

主要从事区域发展与产业经济研究。

E-mail:lsgw2000@的可视现象[33],其本质为一系列空间数据分析方法和技术的集合,便于揭示研究对象之间的空间联系及其相互作用的机制[34～35]。

本文在借鉴相关研究成果的基础上,以辽宁省为研究对象,以县域（含县、县级市、市辖区）为研究单元，在GIS 技术支持下,采用人均GDP 测度指标,运用ESDA 方法分析辽宁省2000～2009年的县际经济发展差异及其时空格局,研究县际经济发展差异的驱动机制及其变化趋势。

2 数据来源和研究方法2.1 数据来源本文是基于县域（含县、县级市、市辖区）尺度的研究,共计85个县级研究单元,包括辽宁全省的41个区（含主城区和农业区）、17个县级市、27个县,时间跨度为2000～2009年。

数据主要源于2001～2010年出版的《辽宁统计年鉴》、《中国城市统计年鉴》及《中国县(市)社会经济统计年鉴》等,考虑到个别城市近几年进行的新市区管理体制改革和区域规划调整等因素,部分数据参考国家统计局城市调查队或相关城市统计局公布的统计公报进行了必要的调整或修正。

2.2 研究方法2.2.1 全局空间自相关 全局空间自相关反映了观测变量在整个研究区域内空间相关性的总体趋势,常用的测度指标为Global Moran ’s I 统计量,指数I 统计量取值介于-1和1之间。

在给定显著性水平时,若Moran ’s I 显著为正,则表示经济发展水平较高（或较低）的区域在空间上显著集聚。

值越趋近于1,总体空间差异越小。

相反,当Moran ’s I 显著为负,则表明区域与周边地区的经济发展水平具有显著的空间差异。

值越趋近于-1,总体空间差异越大。

当Moran ’s I 为0时则表示空间不相关。

其公式为[36～38]：()()()∑∑∑===−−−•=NN N O X X X X X X W S N I 1i 2i 1i 1j j i ij （1）式（1）中,i ≠j,N 为研究对象的数目,X i 为观测值,X 为X i 的均值,∑∑===Νi Ν1j ij w 10S,W ij为研究对象i 和j 之间的空间权重矩阵,空间相邻为1,不相邻为0。

对Moran ’s I 结果进行统计检验,本文采用z 检验：)()()(I Var I E I I z −=其中E (I )为数学期望值,值为-1/（N-1）；Var （I ）为I 的方差。

如果Moran ’s I 指数的正态统计量z 值大于正态分布函数在0.05水平下的临界值1.96,表明在空间分布上具有明显的正向相关性。

2.2.2 局部空间自相关 虽然全局空间自相关分析可以揭示事物整体上的依赖程度,但却忽略了可能存在的局部不平稳,需要引入局部空间自相关（LISA ）方法揭示局部区域单元在相邻空间的自相关性。

本文采用Local Moran ’s I 指标测度区域单元i 和j 之间空间要素的异质性,计算公式为：∑==n1i j ij i i Z W Z I （2）式（2）中,Z i 和Z j 分别为空间单元i 和j 上观测值的标准化,W ij 为空间权重。

2.2.3 Getis-Ord Gi* Getis-Ord G i *可以进一步测度局部空间自相关的特征,用以识别不同空间区域的高值簇与低值簇,即热点区与冷点区的空间分布,计算公式为[39]：∑∑===n1j j n 1j j ij *i X /(d)X W (d)G （3）为了便于比较和分析,本文对G i *（d ）进行标准化处理,即： )Var(G )E(G G )Z(G *i *i *i *i −=（4） 式（4）中,E (G i *)和Var (G i *)分别是G i *的数学期望值和变异系数,W ij （d ）是空间权重。

如果Z （G i *）为正且显著,表明位置i 周围的值相对较高（高于均值）,属高值空间集聚（热点区）；反之,为负且显著,则说明位置i 周围的值低于均值,属于低值空间集聚（冷点区）。

3 结果与分析3.1 总体差异根据公式（1）利用OpenGeoDa 软件计算2000～2009年辽宁省人均GDP 全局自相关系数（表z GDP ,全局经济发展趋于不平衡,区县经济差异逐渐变大；2007～2009年为第二阶段,全局自相关系数Moran ’s I 由0.2812增加到0.3701,说明经济发展水平相似的区县在空间上集中分布,各区县之间的经济联系逐渐增强,经济发展趋于平衡,区县经济差异逐渐变小。

3.2 局部差异3.2.1 Moran 散点图 由于Moran ’s I 系数是一种总体统计指标,只能显示某一区域与其周边地区空间差异的平均程度,这在一定程度上掩盖了区域的局部空间特性,不能全面反映区域经济的内部发展特征及其空间关系。

因此,需要借助Moran 散点图进一步分析辽宁省县际经济的局部空间特性。

以变量所有观测值的标准化值（z ）作为横轴,纵轴对应于空间滞后向量（Wz ）的所有取值,将变量z 与Wz 之间的相关关系以散点图的形式加以描述,每个区域观测值的空间滞后即为该区域之邻近区域观测值的加权平均,并通过标准化的空间加权矩阵加以定义。

依据前文Global Moran ’s I 指数的时段特征,选取2000年、2007年、2009年作为研究断面,获得辽宁省人均GDP的Moran散点图（图1）。

图1中4个象限按其性质分为“高-高”（第一象限）表示区域自身和周边地区的经济发展水平都较高,“低-高”（第二象限）表示区域自身经济发展水平较低而周边地区经济发展水平较高；“低-低”（第三象限）表示区域自身和周边地区的经济发展水平均较低,“高-低”（第四象限）表示区域自身经济发展水平较高而周边地区经济发展水平较低。

第一、三象限为正的空间自相关即均质性突出,第二、四象限为负的空间自相关即异质性突出。

图1 辽宁省人均GDP的Moran散点图Fig.1 Moran scatter of Per capita GDP in Liaoning图1显示：（1）2000年人均GDP散点落入第一象限24个,占28%,落入第三象限41个,占48%,合计空间正相关区县占76%；（2）2007年人均GDP散点落入一、三象限和二、四象限的数目与2000年基本相同。

2000年、2007年人均GDP散点图表明辽宁省县际经济差异具有显著的空间自相关,经济发展水平相似的区县在空间上呈集聚分布态势；（3）2009年人均GDP散点图虽未显示出辽宁省县际经济格局发生大的变化,但第一象限散点趋于减少,第四象限散点增加到13个,表明一些区县经济发展趋于下滑。

3.2.2 LISA集聚图LISA是衡量空间单元属性与周围单元的相近（正相关）和相异（负相关）程度及其显著性的指标。