基于ESDA的中原经济区城镇化空间关联研究.docVIP

基于ESDA的中原经济区城镇化空间关联研究 摘要：运用探索性空间数据分析（ESDA）方法，在工具型软件ArcGIS 9.3与空间统计分析软件GeoDa的支持下，对中原经济区28个地级市的城镇化水平进行空间相关性与空间差异分析。通过计算局部空间自相关，揭示了中原经济区城镇化水平空间异质性，及各地级市之间的相互作用在区域差异中的影响。据此，提出了提高城镇化水平的建议。 关键词：中原经济区：探索性空间数据分析；城镇化；空间自相关 1 引言 中原经济区是以全国主体功能区规划明确的重点开发区域为基础、中原城市群为支撑、涵盖河南全省、延及周边地区的经济区域[1]。中原经济区其空间范围是以河南为中心，包括相邻的山西、河北、安徽、山东等省的部分城市，共涉及27个地级市，面积约29万km2，2010年人口约为1.7亿人。区域GDP总量占全国的1/10，是我国重要的粮食主产区，粮食产量占全国的1/6以上，区内蕴藏着丰富的矿产资源，如石油、煤炭、天然气等[2]。中原经济区建设要坚持统筹协调，促进“三化”协调发展，坚定不移地走新型工业化、城镇化道路。构建以城市群为主体形态，走新型城镇化道路。 目前，在中原经济区的新型城镇化建设的研究中，对中原经济区城镇化水平定量分析较少。因此，对中原经济区城镇化水平进行空间自相关与空间异质性的研究，并提出加快城镇化建设的建议，具有重要理论和现实意义。 2 研究方法 探索性空间数据分析（Exploratory Spatial Data Analysis，ESDA）方法是利用属性数据的空间特性，在分析空间关系的基础上，进行数值的相关分析进而突出空间相互作用，近年来已逐渐被国内为外学者应用于区域经济差异的研究领域[3]。 2.1 全局空间自相关 空间依赖性是指研究对象属性值的相似性与其位置的相似性存在一致性[4]。空间自相关是空间依赖性的重要形式，是指研究对象和其空间位置之间存在的相关性。空间自相关是检验某一要素属性值与其相邻空间要素上的属性值是否显著关联的重要指标。空间自相关包括正相关和负相关两种，正相关表明某要素的属性值与其相邻空间要素的属性值具有相似性，负相关则相反[5]～[6]。因此，空间自相关可以用来发现空间的异质性和空间集聚。 全局空间自相关是对属性在整个区域空间特征的描述，反映空间邻接或空间邻近区域单元观测值的相似程度，以此判定某种现象在空间上是否存在集聚。通常使用Moran’s I作为空间自相关性指标。系数取值范围在-1到1之间，正值表示该空间事物的属性分布具有正相关性；负值表示该空间事物的属性分布具有负相关性；0表示该空间事物的属性分布不存在相关性。计算公式如式（1）所示： 其中，n为样本个数；Yi、Yj为i点或j点或区域的属性值；为所有点的均值；Wij表示区域i与j之间的临近关系，它可以根据邻接标准或距离标准来度量。 与空间自相关相联系的另一个重要概念是空间权重矩阵，空间权重矩阵表示的是空间单元间的相互作用力量。空间权重矩阵是利用ESDA技术进行空间探索分析的前提和基础[7]。其目的是定义空间对象的相互邻接关系，一般是按照相邻规则或距离规则定义。 对于相邻规则定义二进制空间权重矩阵： 依据公式（1），计算全局Moran’s I，用公式（2）计算其检验的标准化统计量Z（I）。 2.2 局部空间自相关 局部空间自相关分析可以度量每个区域与周边地区之间的局部空间关联和空间差异程度。主要方法包括：Gi统计量、Moran散点图、空间联系的局部指标（LISA）。 2.2.1 局部Moran指数 局部Moran指数的计算方法如下： 每个区域单元i的局部Moran指数是描述该区域单元周围显著的相似值区域单元之间空间集聚程度的指标。与计算全局空间自相关的I值类似，检验统计量为标准化Z（I）值，用来检验n个区域是否存在局部空间自相关关系。 2.2.2 Moran散点图 Moran散点图即可以用来可视化全局空间自相关性，又可以研究局域的空间不稳定性。它的思路是将观测值向量z（观测值与均值的偏差组成的向量）与其相邻区域值的加权平均值（滞后因子）Wz的数据对进行了可视化的二维图示。其中，横轴对应向量z的所有观测值，纵轴对应空间滞后因子Wz的所有取值。以（Wz，z）为坐标进一步画出Moran散点图，第一至四象限点分别表示某空间单元与相邻单元呈现高值与高值集聚、低值与高值集聚、低值与低值集聚、低值与高值集聚的空间关系。其中，落入第一、第三象限的空间单元及其相邻单元属性值都较高（或较低），存在空间正相关，区域具有同质性；落入第二、第四象限的空间单元属性值与相