中国地区经济发展差距的空间分析_张馨之
中国区域经济增长的空间相关性分析：1990～2004
近年来 ， 间思 维 （ ｐｔ ｉｋｎ ） 社会 科 学 空 Ｓ ａ ａ ｔ ｎ ｉｇ 在 ｉ ｈ ｌ 的许 多 领 域 越 来 越 受 到 重 视 … 。 与 此 同 时 ， ｓ Ｅ— Ｄ 儿 Ｅ ｐｏａ ｒ ｓａ ａ ｄ ｔ ａ ａ ｓ ） 空 间计 量 Ａ （ ｘ ｌｒ ｏｙ ｐ ｔ ｌ ａａ ｎｌ ｉ 、 ｔ ｉ ｙ ｓ
维普资讯
《 软科学｝ ０ 年． ０ ． 期 总 ８ ２ ６ 第２ 卷 第４ （ 第８期） ０
０回图 固恐围圈圃圈爨瞻 画臼 衙８
１９ ０ ４ ０— ０ ９ ２
张馨之 ， 何 江
（ 南理 工 大学 工商 管理 学院 ， 州 ５０４ ； 州 市社 会科 学院 ， 华 广 １６ ０ 广 广州 ５０ １ ） １４０
经 济学 一 等空 间数 据 分析 方 法 取 得 了长 足 的进 展 ， 并 得到 了越来 越 广泛 的应 用 ， 生 了不 少 具有 启 发 产 性 的研 究成 果 ， 示 出空 间 分析 方 法 的强 大 功 能 和 显
适 用性 。
元， 有助于把集聚 、 外部性ｄｅｎｃ Ａｎａｌ ｓ ｓ ｏｆ ｅ ｙ ｉ Ｃｈｉ ｎｅｓ Ｒｅｇｉ ｅ ｏｎａｌＥｃ ｏｎｏｍ ｙ Ｇｒ ｏｗｔ ｈ：１ ９ ０～２ ０ ９ ０４
Ｚ ＨＡＮＧ Ｘｉ—ｈ ｎ ｚ ｉ，ＨＥ Ｊａ ｇ ｉｎ
（ｃｏｌｆＢ ｎｓＡ ｍ ｎ ｔ ｔ ｎ Ｓ ｕ ｈｎ ｎ ｅ ｉ Ｔｃｎｌ ｙ Ｇ ａ ｇｈｕ５ ０ ４ ； Ｓｈｏ ｏ ￣ｉ ｓ ｄ ｉｉｒ ｉ ， ｏｔ Ｃ ｉａＵ ｉ ｒｔ ｏ ｅｈ ｏ ｇ ， ｕｎｚｏ １６ ０ ｃ ｓａｏ ｈ ｖ ｓｙｆ ｏ Ｇ ａｇｈｕＡ ａ ｅ ｙｏ Ｓｃ ｌ ｃ ｎｅ，Ｇ ａ ｇｈ ｕ５０ １ ） ｕｎ ｚｏ ｃｄｍ ｏｉ ｉ ｃｓ ｕ ｎｚｏ １ ０ ｆ ａＳｅ ４
哪些因素影响了中国的创业活动水平——基于探索性的空间数据分析
哪些因素影响了中国的创业活动水平——基于探索性的空间
数据分析
邹环;于亚申
【期刊名称】《经济研究参考》
【年(卷),期】2018(000)026
【摘要】本文利用2000～2015年中国31个省级平衡面板数据,采用空间计量模型对中国创业活动及其溢出效应的影响因素进行了实证分析.研究结果表明:(1)中国省域间的创业活动存在显著的空间相关性,空间集聚与溢出效应明显;(2)区域创业储备、区域人力资本、购买力水平、政府支持力度及失业率对创业活动具有显著的促进作用,区域风险投资水平对创业活动具有显著的抑制作用;(3)通过计算直接效应和间接效应发现,区域创业储备、区域人力资本、区域风险投资水平、购买力水平及失业率等变量溢出效应显著.
【总页数】11页(P52-62)
【作者】邹环;于亚申
【作者单位】辽宁大学经济学院;辽宁大学经济学院
【正文语种】中文
【中图分类】F224
【相关文献】
1.广东省区域创新活动空间差异分析——基于探索性空间数据分析(ESDA) [J], 梁洁鸣
2.中国区域经济发展水平的探索性空间数据分析 [J], 张馨之;龙志和
3.中国省域农村居民消费水平探索性空间数据分析: 1993-2013 [J], 罗建利;郑阳阳
4.基于探索性空间数据分析的中国人口生育率空间差异研究 [J], 夏磊
5.中国互联网技术的空间扩散与区域差异——基于探索性空间数据分析 [J], 汪明峰
因版权原因，仅展示原文概要，查看原文内容请购买。
中国区域经济发展数据分析报告
中国区域经济发展数据分析报告一、引言中国是一个拥有广阔领土和多样化经济实力的国家。
为了更好地了解中国不同地区的经济发展情况，本报告将使用政府公开数据进行深入分析，旨在为各方了解中国区域经济发展提供客观准确的信息与见解。
二、全国经济总体数据分析基于最新公开数据，中国经济总规模稳步增长，GDP总量呈现持续增加的趋势。
根据数据显示，2019年，中国的GDP总量达到XX万亿人民币，同比增长X.X％。
这一数据反映了中国经济的总体稳中向好的态势。
三、区域经济数据对比分析1. 北京市作为中国的首都，北京市一直扮演着经济发展的引领者角色。
根据数据分析，北京市GDP总量在过去几年内稳步增长，2019年达到XX 万亿元，同比增长X.X％。
这一数据显示出北京市作为国家政治、文化和经济中心的优势。
2. 上海市上海市是中国最大的经济中心之一。
根据数据分析，上海市GDP 总量也呈现稳步增长的态势。
2019年，上海市GDP总量达到XX万亿元，同比增长X.X％。
这一数据表明上海市在金融、贸易、航运等方面的竞争力和优势。
3. 广东省作为中国的经济大省，广东省在经济发展方面也呈现出较大的潜力与规模。
根据数据显示，2019年，广东省GDP总量为XX万亿元，同比增长X.X％。
这一数据显示出广东省在制造业、出口贸易等方面的突出地位。
4. 四川省四川省作为中国的西部内陆省份，也在经济发展中逐渐崭露头角。
根据数据分析，2019年，四川省GDP总量达到XX万亿元，同比增长X.X％。
这一数据表明四川省在农业、能源等领域的快速发展。
5. 新疆维吾尔自治区新疆维吾尔自治区作为中国的西部边疆地区，也在经济发展中取得了显著进展。
根据数据分析，2019年，新疆维吾尔自治区GDP总量达到XX万亿元，同比增长X.X％。
这一数据反映出新疆在资源开发、旅游等方面的潜力。
四、区域经济发展趋势分析从数据分析可以看出，中国的经济发展呈现出一些共同的趋势。
首先，一线城市如北京、上海等地具备较强的经济实力和竞争力，对全国经济发展有重要影响。
中国地区经济发展差距的空间分析
，
Ｗ Ｘ， （ ｉ一Ｘｔ（ 一Ｘ ） ） ｅ
× 上 Ｌ — — — — — 一 ＿
，
＝
了不少具有 启发性 的研 究成果 ［ ６， ４ 显示 出空 间分 析 －Ｊ
∑（ 一 ）
ｆ ｌ ｚ
启示。
关
键
词 ：地 区经济 ； 索性 空间数据 分析 ； 间相关性 ； 探 空 空间异质性 ； 中国
文献标识码 ：Ａ 文章编 号：１ ０－３ ３ ２ ｏ ）卜０ ３ －５ ０ ３２ ６ （ｏ ７ ０ ０ ５０
中图分类号 ：Ｆ ６ ． ０ １５
近年来 ， 间思维 （ｐ ｔｌ ｈ ｋｎ ） 社会科 学 的 空 ｓａｉ ｉ ｉｇ 在 ａ ｔｎ
速度 空 间相 关 性 的基 本 特征 ； 后 ， １９ 然 与 ９０年 人 均
为观测单元； 代表ｔ 冠 年 的均值； Ｗ 是空间权重矩
阵ｏａ Ｓ ｎ Ｊ
的取值处于 一１ １ 和 之间 ， 绝对值越大表示空 间相关程
为相似的观测值倾 向于在 空间上 聚集 。 １ １ Ｍｏａ ’ ｒ ． ｒｎ Ｓ＿统计量
１ ３ Ｌ Ｓ １ ａ ｉ ｉ ｔｒ ｏ ａｉ ｓ ｃ ｔ ｎ ． ＩＡ（ ｃｌｎ ｃ ｏｓ ｆ ｐ ｔ ｌ ｓ ｉ ｉ ） ｏ ｄ ａ ｓ ａａ ｏ ａｏ
（ 或较低） 观测值的地 区， ① 其相邻地 区的观测值也较 高（ 或较低 ） ｉ － ｇ 。Ｈｇ Ｈｉ ｈ ｈ和 Ｌ ｗ Ｌ ｗ属于 局部空 间正 Ｏ － Ｏ
１ Ｓ Ａ方法简介 Ｅ Ｄ
姒 方法是一类空间数据分析方法的总称 ， 它提 供 了测度 空 间相关 性 的工具 ， Ｍｏａ ’ 如 ｒｎ ＳＪ统计 量 、
中国旅游经济区域差异的空间分析
中国旅游经济区域差异的空间分析中国拥有丰富的自然和人文景观，旅游业发展迅速。
然而，中国各地区的旅游经济发展存在显著差异。
本文将通过空间分析和统计学方法，深入探讨中国旅游经济区域差异的现状、原因和影响，旨在为制定合理的旅游经济发展政策提供参考。
关键词：旅游经济，区域差异，空间分析，统计学方法近年来，中国旅游经济总体发展迅速，旅游收入和游客数量持续增长。
然而，各地区的旅游经济发展水平存在显著差异。
东部沿海地区的旅游经济较为发达，而中西部地区的旅游经济发展相对滞后。
这种区域差异与各地区的资源禀赋、基础设施、产业结构等因素密切相关。
为了更好地了解中国旅游经济区域差异的成因，本文采用空间计量经济学方法，构建了一个包含地理距离权重矩阵和空间滞后因变量的模型。
结果显示，各地区的旅游经济发展水平与距离核心旅游城市的距离、当地产业结构、政策支持等因素显著相关。
中西部地区的地域辽阔、人口稀疏，导致旅游资源开发不足，也是区域差异的重要原因。
根据相关数据和信息，我们将各地区的旅游经济发展水平进行比较。
结果显示，东部沿海地区的旅游收入和游客数量远高于中西部地区。
这种区域差异会导致资源配置不均和市场竞争失衡，不利于全国旅游经济的协调发展。
同时，旅游经济区域差异也会对当地产业结构产生影响，制约了地区经济的转型升级。
本文通过空间分析和统计学方法，探讨了中国旅游经济区域差异的现状、原因和影响。
研究发现，各地区的旅游经济发展水平存在显著差异，这种差异主要与距离核心旅游城市的距离、当地产业结构、政策支持等因素有关。
为促进中国旅游经济的协调发展，政府部门应加大对中西部地区的政策支持力度，加强旅游资源开发，优化产业结构，提升当地旅游经济的竞争力。
同时，各地区需加强合作，实现优势互补，提高整个国家的旅游经济发展水平。
未来研究方向包括进一步探讨旅游经济区域差异的动态变化和影响因素，以及如何通过政策调控和区域合作等手段缩小区域差异，促进全国旅游经济的均衡发展。
中国地区经济发展差距的空间分析_张馨之
中国地区经济发展差距的空间分析张馨之1,何 江2(1.华南理工大学工商管理学院,广州510640; 2.广州市社会科学院,广州510410)摘要:近年来,空间思维和空间数据分析方法在社会科学领域越来越受到重视。
运用探索性空间数据分析方法考察了1990~2004年中国341个区域单位人均GDP 增长速度的空间相关性和空间异质性,揭示了中国区域经济增长速度的空间格局及区域发展差距的演变过程。
分析结果表明,为了更加深入地理解中国区域经济增长,必须强调空间因素的重要性,这样做不仅有助于深化中国区域经济增长研究,而且可以为协调区域经济发展提供丰富的政策启示。
关 键 词:地区经济;探索性空间数据分析;空间相关性;空间异质性;中国中图分类号:F061.5 文献标识码:A 文章编号:1003O 2363(2007)01O 0035O 05收稿日期:2006-01-02;修回日期:2006-10-21作者简介:张馨之(1974-),女,宁夏贺兰县人,在读博士,主要从事区域经济学研究,(E _mail)amber_chang @ 。
近年来,空间思维(spat ial t hinking)在社会科学的许多领域越来越受到重视[1]。
与此同时,ESDA (ex -ploratory spatial data analysis)[2~3]等空间数据分析方法取得了长足的进展,并得到了越来越广泛的应用,产生了不少具有启发性的研究成果[4~6],显示出空间分析方法的强大功能和适用性。
有关中国区域经济发展差距的经验研究,大都使用省级区划的统计数据,由于省级数据较高程度的加总性质,难以揭示较小区域单元之间的相互作用,而这种相互作用可能是影响区域经济增长的重要因素之一。
基于以上考虑,文章使用以地级区划单位为主的统计数据,对1990~2004年人均GDP 增长速度进行ESDA 分析,以揭示人均GDP 增长速度空间相关性的基本特征;然后,与1990年人均GDP 的空间分布进行比较,探索考察期内地级区域经济发展差距的演化,从而为协调区域经济发展提供政策启示。
中国区域经济发展差异及其原因分析
中国区域经济发展差异及其原因分析近年来，中国经济以惊人的发展速度跻身世界第二大经济体，但是这个以庞大人口为基础的国家依然存在着巨大的区域经济发展差异。
从世界银行发布的《中国城市化与地区经济发展报告》中可以看出，中国整体经济增长的背后，不同地区推力的差异极大，东南沿海地区依然保持着引领全国发展的态势，而中西部地区尚有巨大的发展空间。
那么，究竟是什么影响了不同地区经济的发展差异呢？一、历史遗留问题中国是一个拥有着悠久历史的国家，在各个发展阶段都有自己的优劣势。
在改革开放以前，中国处于传统的农业经济体系，且社会主义经济的政治形式，初期的改革开放集中在东南沿海地区，先天优势势不可挡。
而中西部地区经济结构转型的标志是要到1990年代后期，这个时候东南沿海地区经济体系已经基本成型。
二、不同地区资源禀赋不同各地区的经济发展依赖于本地的资源禀赋，如工业、基础设施、人口等。
一些资源条件好的地区如江浙沪地区，由于人口众多、经济开发较早、沿海便利的交通等因素，先天优势明显，吸引了大量的资本和人才，而中西部地区则相对落后。
西部地区山地较多，土地面积小，如四川盆地和贵州高原，由于地理上的局限性，资源的利用难度较大，因此区域经济开发水平较为滞后。
而东北地区的历史原因使得其经济结构转型较为困难，导致了当前形势不佳。
三、市场环境差异市场环境是一个地区经济发展的重要因素。
不同地区的市场环境差异较大。
东南沿海地区相对于中西部地区，具有更为完备的市场机制，得益于经济体制改革，形成了更加国际化的市场环境、更为先进的市场经济机制和更高效的法律、财务等服务体系，这些有利的条件吸引了更多的资本和人才，有力促进了地区经济的快速发展，而中西部地区在这些方面的配套条件要差得多。
四、政策差异地方政府在经济发展中拥有着重要作用。
不同地区的政府政策不同，可能会对当地的经济发展产生重要的影响。
东南沿海地区依托于政策优惠和迅速提升的发展氛围，支付了巨大的发展代价。
中部地区经济差异的空间尺度效应分析的开题报告
中部地区经济差异的空间尺度效应分析的开题报告一、选题的背景和意义我国中部地区是经济发展水平相对较低的大区之一。
中部地区经济差异的存在是一种真实存在的现象，这种差异反映了不同地区的经济发展水平、产业结构和基础设施建设等方面的差异，也是制约该地区经济发展的重要原因之一。
因此，探究中部地区经济差异空间尺度效应的影响因素、形成机理和对中部地区经济发展的影响程度，有利于深入了解中部地区的经济差异问题，有助于制定政策和措施，推动中部地区经济可持续发展。
二、研究的目的和内容研究的目的是探究中部地区经济差异的空间尺度效应，并分析其影响因素和发展趋势。
主要内容包括：1. 对中部地区经济差异的概念、表现形式和影响因素进行梳理和分析。
2. 利用空间自相关和多元回归等方法，探究中部地区经济差异的空间尺度效应，并对其可能存在的空间依赖性进行检验。
3. 分析中部地区经济差异的发展趋势，探究影响中部地区经济差异的主要因素和机理。
三、研究的方法和技术路线研究方法主要包括文献调研、统计分析和地理信息技术分析等。
其中，统计分析是本研究的核心方法，主要使用应用程序R进行数据处理和建模。
技术路线如下：1. 数据收集：收集中部地区各县市的社会经济数据和地理数据，如GDP、人均收入、产业结构、交通、医疗、教育和文化等数据。
同时，还要收集各类政策和环境背景等信息，为后续分析提供素材。
2. 数据处理：通过对数据的清洗、梳理、标准化等操作，使数据具有可操作性和统计性。
3. 空间自相关分析：通过Moran's I指数等统计工具，探讨中部地区经济差异的空间依赖性和空间自相关性。
4. 多元回归分析：将中部地区经济差异作为因变量，选用GDP、产业结构、交通、医疗、教育和文化等多个方面的指标作为自变量，使用回归分析法进行多元回归建模，并分析各自变量的权重和相互作用。
5. 空间回归分析：结合空间自相关和多元回归分析，使用空间自回归模型和空间误差模型对中部地区经济差异的影响因素进行研究。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中国地区经济发展差距的空间分析_张馨之第26卷第1期2019年 2月地域研究与开发AREAL RESEA RCH AN D DEVELOP M EN T V ol. 26 N o. 1Feb. 2019中国地区经济发展差距的空间分析张馨之, 何江12(1. 华南理工大学工商管理学院, 广州510640; 2. 广州市社会科学院, 广州510410)摘要:近年来, 空间思维和空间数据分析方法在社会科学领域越来越受到重视。
运用探索性空间数据分析方法考察了1990~2019年中国341个区域单位人均GDP 增长速度的空间相关性和空间异质性, 揭示了中国区域经济增长速度的空间格局及区域发展差距的演变过程。
分析结果表明, 为了更加深入地理解中国区域经济增长, 必须强调空间因素的重要性, 这样做不仅有助于深化中国区域经济增长研究, 而且可以为协调区域经济发展提供丰富的政策启示。
关键词:地区经济; 探索性空间数据分析; 空间相关性; 空间异质性; 中国中图分类号:F061. 5 文献标识码:A 文章编号:1003O 2363(2019) 01O 0035O 05近年来, 空间思维(spat ial t hinking) 在社会科学的许多领域越来越受到重视[1]。
与此同时, ESDA (ex -ploratory spatial data analysis) [2~3]等空间数据分析方法取得了长足的进展, 并得到了越来越广泛的应用, 产生了不少具有启发性的研究成果[4~6]内空间相关的整体趋势, 一般用M oran . s I 统计量[8]来测度, 计算公式如下NI t =@S 0NNE E w i j (X it -i=1j =1N i=1N NX t ) (X jt -X t ),X t )2, 显示出空间分析方法的强大功能和适用性。
有关中国区域经济发展差距的经验研究, 大都使用省级区划的统计数据, 由于省级数据较高程度的加总性质, 难以揭示较小区域单元之间的相互作用, 而这种相互作用可能是影响区域经济增长的重要因素之一。
基于以上考虑, 文章使用以地级区划单位为主的统计数据, 对1990~2019年人均GDP 增长速度进行ESDA 分析, 以揭示人均GDP 增长速度空间相关性的基本特征; 然后, 与1990年人均GDP 的空间分布进行比较, 探索考察期内地级区域经济发展差距的演化, 从而为协调区域经济发展提供政策启示。
S 0=i=1j =1E (X it -E E w i j, (i , j =1, 2, 3, , N ) 。
(1)式中:X it , X jt 分别代表第t 年第i 个和第j 个观测值; N 为观测单元; X t 代表t 年X it 的均值; w i j 是空间权重矩阵中的元素; S 0是所有元素w i j 的和。
Moran . s I 统计量的取值处于-1和1之间, 绝对值越大表示空间相关程度越强。
与期望值E(I ) =-1/(N -1) 相比, I t >E (I ) 表明存在空间正相关, 反之为空间负相关。
1.2 Moran 散点图(Moran scatterplot m ap)Moran 散点图描绘了考察变量(x ) 与其空间滞后项(W x ) 的相关关系, 直观地反映各个地区局部空间相关性的类型及其空间分布。
在M oran 散点图中, 地理单元被划分为High_High, Low_Low,Low_High和High_Low 4种类型。
High_High(或Low_Low)是指具有较高(或较低)¹1 ESDA 方法简介ESDA 方法是一类空间数据分析方法的总称, 它提供了测度空间相关性的工具, 如Moran . s I 统计量、Moran 散点图和LISA 等。
空间相关性(spatial depen -dence) 指不同位置的观测值在空间上是非独立的。
空间正相关是指数值相似与区位相似的一致性[7], 表现为相似的观测值倾向于在空间上聚集。
1. 1 M oran . s I 统计量全局空间相关性反映了考察变量在全部区域范围收稿日期:2019-01-02; 修回日期:2019-10-21作者简介:张馨之(1974-) , 女, 宁夏贺兰县人, 在读博士, 主, 观测值的地区, 其相邻地区的观测值也较高(或较低) 。
High_High和Low_Low属于局部空间正相关, Low_High和High_Low则属于局部空间负相关。
1. 3 LIS A(local indicators of spatial association)LISA 是用于局部空间相关性分析的一类统计量的总称, 作为L ISA 应当满足以下2条标准[2]:其一, LISA 可以反映局部空间相关性的显著性水平; 其二, LISA 之和与全局空间相关性统计量成比例。
局部¹(#36#标准, 可以作为LISA, 计算公式如下I i t =m 0=(x i t -L t )m 0地域研究与开发第26卷表1 人均GDP 增长速度的Moran . s I 检验Moran . s I 统计量(local M oran . s I stat ist ics) 满足这2条Tab. 1 Moran . s I test for growth rate of per capita GDPE w i j (x j t -iL t ) ,(2)时间段1990~20191990~19951995~20002000~2019M oran . s I (P. Value)W 10. 4876(0. 001) 0. 4763(0. 001) 0. 3464(0. 001) 0. 2838(0. 001)W 20. 2459(0. 001) 0. 3446(0. 001) 0. 1452(0. 001) 0. 1154(0. 001)W 30. 1491(0. 001) 0. 2867(0. 001) 0. 0479(0. 093) 0. 0213(0. 001)E (x i t -iL t ) 2/n 。
式中:I i t 代表第i 个观测值第t 年的Local M oran . s I 的统计量值; x i t代表第t 年地区i 的观测值; L t 代表第t 年所有地区观测值的均值; w ij 是空间权重矩阵W 中的元素; n 为观测值的个数; j 表示与i 相邻的地区。
I i t 为正, 表示观测值在局部正相关; I i t 为负, 则表示观测值在局部负相关。
把M oran 散点图与L ISA结合起来, 可以显示局部Moran . s I 显著的那些地区, 并标明这些地区的局部相关类型, 这就是所谓的L ISA 聚集图(LISA clust er map) 。
说明:表中括号外的数字为M oran . s I 统计量值, 括号内的数字代表M oran . sI 精确的显著性水平(pseudo sign i ficance level) 。
假设检验使用999次重复排列方法, 计算及检验结果是使用SpaceStat1. 91得二阶和三阶空间到的。
表中W 1, W 2和W3分别为行标准化的一阶、权重矩阵。
基于一阶空间权重矩阵的检验结果表明, 1990~2019年中国人均GDP 增长速度的Moran . s I 统计值较大, 达0. 4876, 且在统计上非常显著, 表明各地区人均GDP 增长速度存在显著的空间正相关关系, 人均GDP 增长速度相近的地区倾向于在空间上集聚。
为了考察人均GDP 增长速度的全局空间相关性随时间变化的特点, 我们把1990~2019年分为3个时段, 分别予以考察。
由表1可以看出, 人均GDP 增长速度的M oran . s I在这3个时段都是高度显著的, 但与整个时段相比, 空间相关的强度有所降低; 此外, 空间相关性还呈现出较明显的下降趋势, 1990~1995年人均GDP 增长速度的M oran . s I统计值最高, 为0. 4763, 2000~2019年减少为0. 2838。
上述结果表明:第一, 1990~2019年中国各地区人均GDP 增长速度不仅在整个考察期, 而且在各个子时段都表现出了显著的空间相关性; 第二, 与各个较短的子时段相比, 整个考察期的人均GDP 增长速度表现出了更强的空间相关性; 第三, 人均GDP 增长速度的空间相关性随时间递减, 这可能暗示着区域经济增长的近邻效应有所减弱, 一个地区的增长速度变得较少地依赖相邻地区的经济增长。
比较基于一阶、二阶和三阶空间权重矩阵的Moran . s I 可以看出, 从低阶到高阶, 各个时段的Moran . s I 无一例外地明显下降, 表明人均GDP 增长速度的空间相关性随距离衰减。
根据地理学第一定律[10], 各个地区的经济联系随距离的增大而减小, 我们的分析结果显示, 考察期内中国各地区人均GDP 增长速度的空间分布符合这一规律。
由此可以推断, 要理区域单位包括281个地级市、1个省(海南) 、4个直辖市、2918¹2 数据和空间权重矩阵2. 1 数据说明该研究以2019年的行政区划为准, 把中国划分为以地级市为主的341个区域单位¹, 考察时期为1990~2019年。
人均GDP 增长速度用首尾2年人均GDP(按可比价格计算) 自然对数值之差来度量。
有关数据主要来自于1991~2019各年5中国城市统计年鉴6、2000~2019各年5中国区域经济统计年鉴6、5中国县(市) 社会经济统计概要20006、5中国县域经济6各卷、部分省及地市级统计年鉴和统计公报。
2. 2 空间权重矩阵为了使用ESDA 和其他空间数据分析方法, 首先要确定地区之间相互作用的关系模型, 一般通过设定空间权重矩阵(spat ial w eights mat rix) 来实现这个目的。
如何选择适当的空间权重矩阵是空间数据分析中最难且最有争议的方法论问题之一。
一般来说, 设定空间权重矩阵主要依据地理特征, 如地区边界和距离等, 这样可以保证空间权重矩阵的外生性。
我们在分析中采用了基于Rook 规则[9]的简单二分相邻矩阵。
3 人均GDP 增长速度的ESDA 分析3. 1 全局空间相关性在全局空间相关性检验中我们使用了一阶和高阶(二阶和三阶) 相邻矩阵。
二阶相邻是指根据一阶相邻关系, 如果不相邻的2个地区都与另外一个地区相邻, 则这2个地区为二阶相邻, 即/邻居的邻居0; 同理, 三阶相邻则是指/邻居的邻居的邻居0。
所有空间权重矩阵都经过了行标准化处理。
各个时段人均GDP 增长. s 1第1期张馨之等:中国地区经济发展差距的空间分析#37#解地区经济增长差异及相互作用, 不可忽视相对区位和空间距离等地理因素, 而且要解释较长时期的地区经济增长, 地理因素的作用不容忽视。