安徽县域经济的空间格局演变的研究.docVIP

安徽县域经济的空间格局演变的研究 　　摘要：本文以安徽省县域行政单位为基本分析单元，选取4个年份的人均GDP为研究指标，采用GIS空间自相关分析法对安徽经济发展区域差异进行了研究。通过计算空间自相关系数Moran’s I和对LISA聚集图的分析，揭示了安徽经济发展区域时空变化比较小，经济发展区域空间集聚程度正在加强的特点，最后，分析了安徽省县域经济格局形成的原因。 　　关键词：区域差异；LISA；空间自相关分析法；安徽 　　一、引言 　　区域经济差异作为社会发展现实，历来都是国内外学者们关注的热点。就国外的研究而言，主要采用以下方法：费景汉等人对基尼系数进行产业结构分解；利用锡尔系数和广义熵指数，对地区差异的地理构成进行分解；利用加权变异系数方法，对地区差异的产业或部门构成进行分解。关于我国区域经济差异的研究也逐步走向成熟。研究尺度上，从大尺度的国家向中尺度的省级，继而向小尺度的县级单元转变；分析方法上，由经典统计学方法向空间统计分析方法转变，研究尺度逐渐缩小，研究方法不断改善。 　　改革开放以来，安徽省作为我国对外开放的长江沿岸的重要省份，经济持续以较快速度增长。然而，在经济高速发展的同时，却不可避免地存在着经济发展的不平衡现象。 　　二、研究方法及数据 　　空间统计分析分为常规统计分析，空间自相关分析，回归分析，趋势分析，地统计分析等。本文主要采用空间自相关分析揭示安徽县域经济空间发展格局演变。 　　（一）空间自相关 　　总的来说，对空间数据进行分析时，研究者目的是要了解空间现象分布的空间依赖性，观察相邻空间单元中是否有某种空间关联性。而空间关联性的相关研究方法称为空间自相关。 　　（二）数据准备 　　本文以安徽县域为基本分析单元，各县域人均GDP作为研究指标。其数据来自《安徽省统计年鉴》，选取安徽省各县域1996年、2001年、2006年和2012年共4个年份的人均GDP数据作为研究对象。 　　三、测算结果与分析 　　空间自相关的计算过程比较复杂繁琐，本文利用ArcGIS软件和GeoDA软件进行计算。 　　（一）各县区人均GDP的全局空间自相关 　　利用ArcGIS软件计算出安徽省各县区4个研究年份的人均GDP空间自相关系数Moran’s I。其数值表明安徽各县区人均GDP自1996年以来存在着较显著的正空间自相关性，但也有一些小的变化，2006年的Moran’s I值出现较大的年际波动，从1996年的0.2636下降为0.1835，此后又基本恢复到增长的趋势，到2012年Moran’s I值上升至0.3290，这一时期的空间自相关特性始终保持在一个较高的水平。这表明安徽省经济发展区域空间集聚程度在2006年有所下降，而到了2012年，又恢复了良好的发展态势。但纵观自1996年至2012年Moran’s I值的变化，呈现出持续增长的趋势，揭示了安徽省经济发展区域空间集聚程度正在加强。 　　（二）各县区人均GDP的局域空间自相关 　　利用GeoDA软件生成Moran散点图和LISA聚集图。 　　1.Moran散点图 　　散点图用于研究局域空间的异质性，分为“高-高”、“低-高”、“低-低”、“高-低”四个象限，图1。 　　在1996年，落入“高-高”区的地区有芜湖市辖区，和县等，他们的人均GDP较高，且各自周围县区的人均GDP也较高，这些地区成为安徽省经济发展的热点区；而在“低-低”区的县区主要分布在皖西和皖西南，说明这些地区是经济发展的落后区域。 　　从总体上看，安徽省大约有三分之二的县区主要落入“高-高”和“低-低”两个象限，且年际变动不太大，但也有特例，其中旌德县自2006年后由低高跃入高高象限，揭示了该县的经济从2006后取得了较大的发展，人均GDP增长速度由低转高；2001年，和县则从高高跌落到低高象限，表明该县人均GDP增长速度由高转低。 　　2.LISA聚集图 　　LISA值是衡量空间单元属性和周围单元的相近和相异程度的指标。利用GeoDA软件，绘制LISA聚集图，图2。 　　3.“高-高”地区和“低-低”地区 　　通过研究可知：在四个研究年份，分别有69.23%、65.38%、60.26%、61.54%的县区位于第一和第三象限内，表现为空间正相关，第一象限中称为经济高聚类，第三象限称为经济低聚类。 　　4.“低-高”地区和“高-低”地区 　　同样，在四个年份分别有30.77%、34.62%、39.74%、38.46%的县区位于第二和第四象限内，表现为空间负相关。第二象限可以称为经济低心类，第四象限称为经济高心类。 　　5.安徽县域经济格局的演变 　　通过研究可知，四个年份各年各象限县区都有新的变化，1996年，第一象限中的和县，在2001年，转到了