计量地理学在区域经济学中的应用.docVIP

计量地理学在区域经济学中的应用 　　摘 要：近年来，相比于以往对区域经济的研究多偏向于宏观（大的流域，大的空间结构，种植结构等），越来越多的学者开始关注区域经济微观层面的研究，如从地块角度研究聚落人地系统，从村域单元研究专业村与环境关系，从点位角度构建区域可持续发展模型[1]等。本文则介绍了计量地理学的相关知识在区域经济学中的应用。 　　关键词：区域经济 微观层面 计量地理学 　　1、计量地理学[2]在区域经济学中的应用 　　1.1 地理学中经典的统计分析方法 　　经典的统计方法有回归分析、主成分分析、时间序列分析、相关分析、系统聚类分析、趋势面分析方法等等 　　1.1.1回归分析 　　回归分析是研究对象与影响因素之间的关系，包括函数确定和相关关系不确定。回归就是用统计手段找出变量间近似函数关系的方法。在回归分析中，通常将我们关心的研究对象称为因变量，并且在一次研究中一般只有一个因变量，将影响因变量的其他因素称为自变量，自变量的个数既可以有一个（称为一元回归），也可以有多个（多元回归）。在农户自主发展能力的三商影响研究[3]中，采用多元回归分析可知农户自主发展能力与智商，情商和财商存在显著的线性关系。在研究智商，情商和财商分别对农户自主发展能力贡献大小时，可依次采用一元回归分析。 　　1.1.2主成分分析 　　主成分分析是指把反映样本某项特征的多个指标变量转化为几个综合变量的多元统计方法。在区域经济研究过程中，常常需要用多个变量对多个区域或城市进行综合评价，如区域经济发展水平，区域经济综合竞争力，地区经济发展潜力，地区投资环境，城市经济综合实力等，这些综合评价指标的共同特点是需要将多个相关指标合成一个综合指标，以反映各区域或城市在某一方面的综合水平。要完成这项工作，一般要经过以下五项步骤： 　　第一，选取指标 　　第二，对指标进行矢量纲化处理 　　第三，对指标进行简化或归类处理 　　第四，确定权重 　　第五，计算综合评价值 　　在基于微观视角的河南省农区经济类型划分[4]文章中，采用主成分分析方法，通过计算出各乡镇每个主成分的得分，结合地势状况，土地资源状况，把农区经济首先划分为富裕区、小康区、温饱区、贫困区等4中类型，又可进一步划分为平原富裕区、丘陵富裕区、平原小康区、丘陵小康区、山地小康区、盆地温饱区、山地温饱区、平原贫困区、盆地贫困区、山地贫困区等9种类型区。 　　1.2 线性规划分析 　　线性规划在实际应用日益广泛与深入，已经被广泛地应用到工业、农业、商业与交通运输规划、工程技术的优化设计以及企业管理等各个领域。在地理学领域，线性规划是解决有关规划，决策和系统优化问题的重要手段。 　　线性规划应用最多的实例就是农场种植计划或农区集中选择。如果线性规划只有单一的目标函数，那么建立的种植计划模型就是单目标规划模型，进而给出种植计划方案，要么使总产量最大，要么使总产值最大，两目标无法兼得；多目标规划的思想就可以解决这个问题。 　　1.3 空间统计分析 　　空间统计学的理论发展?c70年代，空间统计分析处理的数据是空间数据，空间数据具有地理位置属性的一类特殊数据，不用于一般的截面数据和时间序列数据。通常运用空间分析的方法分析空间中“点”的分布具有什么样的规律，是否具有聚集性的特点，怎样去度量这种聚集程度。空间统计分析的核心是认识与地理位置相关的数据间的空间依赖，空间关联或空间自相关，通过空间位置建立数据间的统计关系。 　　Moran指数和Geary系数是两个用来衡量空间自相关的全局指标。Moran指数反映的是空间邻接或空间邻近的区域单元属性值的相似程度。Geary系数与Moran指数存在负相关关系。局部空间自相关的分析方法包括3种：（1）空间联系的局部指标（LISA）：是描述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。（2）G统计量：显著的G统计量正值表示在该区域单元周围，高观测值的区域单元趋于空间集聚；而显著的负值表示低观测值的区域单元趋于空间集聚。（3）Moran散点图：用来研究局部的空间不稳定性。 　　利用空间统计分析通常用于宏观尺度的分析，比如中国大陆30个省级行政区人均GDP的空间关联分析，基于空间统计分析与GIS的人口空间分布模式研究――以甘肃省天水市为例[5]，研究表明天水市人口分布呈现西北-东南模式，存在显著的空间集聚现象。 　　1.4 投入产出分析 　　投入产出分析又称“部门平衡”分析，或称“产业联系分析”，最早由美国经济学家瓦.列昂捷夫（W.Lenotief）提出，主要通过编制投入产出表及建立相应的数学模型，反映经济系统各个部门（产业）之间的相互关系。自20世纪60年代以来，这种方法就被地理学家广泛地应用于区域产出构成分析，区域相互作用分析以及资