长三角地区第三产业空间结构及集聚相关性分析.docVIP

长三角地区第三产业空间结构及集聚相关性分析 　本文转载《商业研究》　作者简介：鱼鸿杰 （1984-），男 ，江苏盐城人，上海社会科学院部门经济研究所博士研究生，研究方向：产业组织。 我国的长三角地区已形成了以上海为核心的江苏浙江经济带，2010年国务院正式批准的《长江三角洲地区区域规划》，首次提出将长三角建设成为全球重要的现代服务业中心。2010年该地区第三产业的产值以及就业比重分别已达474%、436%，高于全国平均水平的385%与346%。空间统计分析表明空间事物属性间存在着一定的相关特性，并随着空间距离的缩小不断增强，特别是许多空间属性存在空间集聚特性。忽略空间事物的相关特性，会使传统实证分析结果造成一定的偏差，而空间统计分析技术的兴起正克服了这一弱点，可以以此深入探究空间事物属性间的相关性，并以此得出更加丰富而有意义的结论。因此，深入探究长三角第三产业空间分布特性，对于制定合理的区域间第三产业政策具有重要意义。 　一、研究方法 　目前，国内学者对第三产业的研究主要聚焦于：一是第三产业的发展特征及其内部结构分析（李江帆等，2003）；二是第三产业与第一、二产业之间的关系（李江帆，2004；赵凯，2009）；三是第三产业的就业效应（顾乃华，2002；魏作磊，2004；曾国平等，2005；韩汉君等，2007），多数学者认为第三产业具有较强的劳动力吸纳能力；四是第三产业的国际经验比较（彭志龙，2001；李冠霖等，2005）；五是试图尝试从贸易、能源、城市化、工业化等视角来研究第三产业（张宗益，2010；罗知，2011）。但是，上述研究并未考虑第三产业发展的空间联系性，实证分析并未突破主流经济学中空间事物无关联及均质性的假设局限（吴玉鸣，2006），忽略了区域间可能存在的空间相互作用。空间探索性数据分析方法（ESDA）是空间统计分析技术的核心方法之一，主要通过可视化技术来揭示空间依赖性与异质性，探索空间分布格局[1-2]。主要分为全域自相关分析与局域自相关分析。 　（一）空间权重矩阵 　空间权重矩阵对确定区域间邻近关系具有重要的作用，是空间自相关分析的基础与前提，主要分为邻接矩阵、距离矩阵与经济矩阵。本文主要采用邻接矩阵来设定长三角地区的空间邻近关系。当两城市相邻时权重值Wij=1，否则Wij=0。此外考虑到舟山市孤立在外，为避免产生孤岛现象，同时考虑其与宁波现实联系密切，因此认为其与宁波相邻。 　（二）全域自相关分析 　全域自相关分析主要是对整个区域内的空间总体特性进行描述，本文采用Global Morans I测算全域自相关程度，具体公式如下： 　其中，N表示所研究区域数量，xi、xj为观测值，Wij为空间权重矩阵，x=sum;Ni=1xiN，S2=1Nsum;Ni=1（xi-x）2，I的取值范围为-1与1之间，且其必须经原假设为变量间不存在空间自相关性的标准化Z值进行检验（见公式（2）），显著性水平由Z值的P值来确定，通常为005[3]。若I大于0且显著，则表明存在正的空间自相关性，即具有较高（较低）第三产业发展水平的城市趋于与具有较高（较低）发展水平的城市相邻；若I小于0且显著，则存在负的空间自相关性，即具有较低（较高）第三产业发展水平的城市趋于与具有较高（较低）发展水平的城市相邻。 　总第437期 　鱼鸿杰：长三角地区第三产业空间结构与集聚特性研究 　2013/09（三）局域自相关分析 　全域自相关分析在整体上揭示了空间依赖程度，却忽略了可能存在的局部不稳定性[4]，而局域自相关分析中，通过Moran 散点图中的四象限来展现区域与其相邻区域的空间相关关系，以此来探索局域空间的异质性，有利于揭示被全域自相关分析掩盖的局域空间特性。具体到本文，其横坐标为标准化的第三产业发展水平，而纵坐标为该地区相邻地区的第三产业发展水平的空间地理加权平均值（同样进行标准化处理），其中第一（高-高）、三（低-低）象限为正的空间自相关性，体现了第三产业发展水平的空间集聚特性，而第二（低-高）、四（高-低）象限为负的空间自相关性，体现了第三产业发展水平的空间分散特性。 　此外，Moran散点图并没有给出局域空间相关特性的显著性水平，而LISA集群图与显著性水平图克服了这一缺陷，并且有利于分析区域间空间相互作用模式。显著的高-高区域某种程度上存在一定的辐射扩散作用，从而带动周边地区发展，形成空间集聚，而显著的高-低区域体现了该区域通过回流效应恶化了周边地区的发展。 　二、指标选取与数据说明 　（一）指标选取 　本文在借鉴相关研究成果[5-6]的基础上，从发展规模、发展速度以及产业高级化角度来衡量第三产业的发展水平，同时考虑数据的可得性，本文用第三产业增加值、人均第三产业增加值、第三产业总就业人数来衡量发展