基于探索性空间数据分析中部六省区域经济增长空间集聚研究.docVIP

基于探索性空间数据分析中部六省区域经济增长空间集聚研究 　　摘要本文利用中部六省2000-2007年88个地市的年均GDP增长率,采用ESDA方法对中国中部六省区域经济增长空间集聚问题进行了实证研究,结果发现中部省份区域经济存在显著的空间集聚现象,且集聚程度的加剧必将推动中部省份区域经济差异的进一步扩大,制约整个中部省份的经济发展。 　　关键词中部六省 区域经济增长 空间集聚 探索性空间数据分析 　　中图分类号:F127文献标识码:A 　　 　　1 引言 　　 　　区域经济空间集聚是指经济发展水平相近的区域在空间分布上会趋于集中的现象,区域经济在空间分布上的集聚与扩散会直接影响到区域经济差异的扩大与缩小。寻找一种指标对空间集聚现象做出定量的判断,分析区域经济空间聚集形成的原因,将为各部门制定合理的区域发展战略、协调区域经济发展提供基础性的科学判断依据。 　　探索性空间数据分析(Exploratory Spatial Data Analisis,ESDA)是一系列空间数据分析方法和技术的集合,其研究主要有两个方面,即全局空间自相关和局部空间相关,为区域经济空间集聚分析提供了方法依据。在实证研究中,通常选择地区人均GDP或GDP增长率为分析指标,通过构建空间权重矩阵W,为区域经济增长集聚与趋同提供空间上的解释。 　　中国中部六省由于其地理位置优越,因此一直在全国区域经济分工中扮演着十分重要的角色,近年来随着中央对中部地区经济发展问题的逐步重视,中部崛起必将发展成为国家战略。在这样一种背景下,利用探索性数据分析探讨中部六省2000年至2007年经济增长的空间集聚特征,将为中部区域经济增长的空间结构调整与政策制定提供重要支撑。 　　 　　2 研究方法和数据处理 　　 　　2.1 空间权值矩阵 　　在探索性空间数据分析中要求空间位置的信息必须以数值的形式表示,解决这个问题的方法就是指定一个空间权重矩阵(W)来表达n个目标单元的空间邻近,其具体形式如下: 　　 　　一般用邻接标准和距离标准定义元素。本文主要采用邻接标准来构建空间权重矩阵,定义为:如果区域i和区域j在地理空间上有共同边界,则定义为相邻,=1;否则,定义为区域不相邻,=0。 　　(2.2) 　　2.2 全局空间自相关 　　本文采用Moran’s I统计值检验区域经济增长集聚的空间相关性。Moran系数I的形式定义如下(Anselin L,1995): 　　 (2.3) 　　其中:。在这里,I为全局空间自相关系数;为空间权重矩阵。 　　Moran系数反映空间邻接或空间邻近的区域单元的属性值的相似程度。Moran系数的取值范围为。若各地区之间空间正相关,I的数值应该较大,负相关则较小,0意味着一个随即模式。 　　用下式可以检验n个区域是否存在空间自相关关系: 　　(2.4) 　　根据(2.4)式计算出的Z-值,可以检验所有区域单元的属性值之间是否存在空间自相关。由于不管在那种零假设下,Z-值都具有一个标准正态分布,因此非常容易获得显著性水平。 　　2.3 局部空间自相关 　　局部空间自相关指数描述一个空间单位与其邻域的相似程度,表示每个局部服从全局总趋势的程度,并说明空间依赖是如何随位置而变化的。本文采用局部Moran统计量和局部Geary统计进行局域空间自相关分析。 　　对于某个空间单元i,其局部Moran统计可以定义为如下形式: 　　 (2.5) 　　其中:,表示观察值与均值的偏差;为了便于解释采用行标准化形式的空间权重。因此是与观测单元i的周围观测单元观测值加权平均的乘积。 　　选择使用“条件”随机或排列方法,产生所谓的伪显著性水平(Hubert,1987),对统计进行估计。通过计算模拟数据排列的大于(小于)或等于实际数据排列的的比例,可以获得每个的一个伪显著性水平p_值。 　　其局部Geary统计可以定义为如下形式: 　　 (2.6) 　　使用条件随机方法或排列法,也可以获得单个统计的显著性。局部Geary的伪显著性水平p_值的计算与局部Moran的p_值的计算相似。如果将局部Moran与局部Geary统计结合在一起进行分析,通常可以根据下列标准来识别观测单元i与其邻接单元之间可能存在的空间集聚模式。 　　1)的p_值低且的p_值高――正的空间相关(++); 　　2)的p_值高且的p_值高――正的空间相关(--); 　　3)的p_值高且的p_值低――负的空间相关(+-); 　　4)的p_值低且的p_值低――负的空间相关(- +)。 　　2.4 数据选取 　　本文研究的数据主要有两个来源:一类是地理空间数据,主要来源于地球系统科学数据共享平台的网站。为探索性空间数据分析提供邻接矩阵等地理空间计