中国区域经济差异的空间统计分析

发布时间：2016-11-23 11:24

  本文关键词：中国区域经济差异的空间统计分析，由笔耕文化传播整理发布。

第2期华东师范大学学报(自然科学版)

No.2 文章编号:1000-5641(2007)02-0044-08

中国区域经济差异的空间统计分析

鲁 凤

1,2

, 徐建华

2

(1.南通大学地理科学学院,江苏南通 226007; 2.华东师范大学

地理信息科学教育部重点实验室,上海 200062)

摘要:运用GIS技术与空间统计分析的综合集成方法,对1978-2001年间全国各省区人均GDP

的格局及其空间动态演变进行分析和研究.利用完善的ESDA方法,包括MoranⅠ指数、Moran散点图和LISA等,来揭示1978-2001年间全国各省区经济发展水平及增长的空间自相关和空间异质性.以有效地认识中国经济活动的空间分布特征,揭示空间联系的结构,认识其内在规律性及其动态演变过程,并对实证研究的结果进行了成因分析.关键词:区域经济差异; 空间统计分析; 中国中图分类号:F119.9 文献标识码:A

ExploratorySpatialDataAnalysisoftheRegional

EconomicDisparitiesinChina

LUFeng1,2, XUJian-hua2

(1.SchoolofGeographicScience,NantongUniversity,NantongJiangsu 226007,China;

2.KeyLaboratoryofGeographicInformationScience,MinistryofEducation,

EastChinaNormalUniversity,Shanghai 200062,China)

Abstract: TheaimofthispaperisanexploratoryspatialdataanalysisofChineseprovincialper

capitaGDPoverthesampleperiodof1978-2001.Itrevealedstrongevidenceofspatialautocorre-lationaswellassignificantpatternsoflocalspatialassociation.ThedetectionofspatialclustersofhighversuslowpercapitaGDPdistributionthroughoutthesampleperiodisanindicatorofthepersistenceofspatialdisparitiesovertheChineseeconomiclandscape.LocalMoranautocorrela-tionstatistics,MoranscatterplotsandLISAwerealsocomputedandrevealtheexistenceof/a-typicalregions0.

Keywords: regionaleconomicinequalities; ESDA; China

0 引 言

中国区域经济差异研究一直为众多国内外学者所关注.考察以往的成果不难发现,研究

收稿日期:2005-05

基金项目:国家社会科学基金项目(03BJL027)

第一作者:鲁凤(1978-),女,硕士;E-mail:aprillf@ntu.edu.cn.

通讯作者:徐建华(1965-),男,教授,主要从事地理计算,地理信息系统和区域经济方面的教学与科研

工作;E-mail:jhxu@geo.ecnu.edu.cn.

[1-6]

.几乎

较多地运用传统的数量统计模型,在空间关系和数值的相关分析上往往顾此失彼

所有空间数据都具有空间依赖或空间自相关特征,空间统计的核心就是认识与地理位置相关的数据间的空间依赖、空间关联和空间自相关,逐渐发展和完善的探索性空间数据分析(ExploratorySpatialDataAnalysis,ESDA)技术,即是空间分析技术的核心内容之一间自相关指标的度量以及空间聚类方面,尚未深入至考察区域经济联系层面

[7-12]

[7-22]

.

近年来,空间分析技术已经在广泛的领域内得到应用,但国内的应用研究还多局限在进行空

.由于ES-DA系列方法强调了区域经济增长问题之中地理区位的重要性,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,突出空间相互作用,更为科学地揭示区域经济联系

[13,20,21]

.因此,对于中国经济差异这一问题,基于GIS采用ESDA一系列的空间统计

方法进行研究,可更形象、更深刻地揭示出中国各省区经济活动的空间分布特征,并能进行各种深层次的分析.

1 空间统计分析理论简介

1.1 空间权重矩阵

空间分析领域引入了空间权重矩阵,是利用ESDA技术进行空间探索分析的前提和基础.通常定义一个二元对称空间权重矩阵Wn@n来表达n个位置的空间邻近关系.

W11 W12 , W1nW21 W22 , W2n,

, , ,

Wn1 Wn2 , Wnn.

空间权重矩阵的建立有多种规则,其中常用的有基于邻接规则和距离规则.

二进制邻接空间权重矩阵,其定义为

wij=

1 当区域i和j相邻接,0 其它.

(2)(1)

基于距离的二进制空间权重矩阵,其定义为

wij=

1 当区域i和j的距离小于d时,

0 其它.

(3)

本文采用简单的二进制邻接空间权重矩阵.考虑到海南省孤立在外,对其做了微小改动:海南和广东虽然空间上并不相邻接,但鉴于两地现实联系密切,改两地互为邻居.1.2 全局空间自相关指数

MoranⅠ指数反映的是空间邻接或空间邻近的区域单元观测值的相似程度,其公式为

i=1jXi

I=

EEw

nn

ij

))

(xi-x)(xj-x)

S2

i=1jXi

EEw

2

nn

.

ij

n

n

(4)

1

其中xi为区域i的观测值,Wij为空间权重矩阵,S=E(xi-x),x=

i=1n

)

2

)

i=1

Ex.

i

VAR(I)

检验统计量可以对零假设H0(n个区域单元的观测值之间不存在空间自相关)进行显著性检验,即检验所有区域单元的观测值之间是否存在空间自相关.显著性水平可以由标准化Z值的P值检验来确定:如果P值小于给定的显著性水平A(一般取0.05),则拒绝零假设;否则接收零假设.P值可通过正态分布、随机分布或置换方法来获取.

当Z值为正且显著时,表明存在正的空间自相关,即相似的观测值趋于空间集聚;当Z值为负且显著时,表明存在负的空间自相关,相似的观测值趋于空间分散;当Z值为零时,则呈随机的空间分布.

1.3 局部空间自相关

当需要进一步考虑是否存在观测值的局部空间集聚,哪个区域单元对于全局空间自相关的贡献更大,以及空间自相关的全局评估在多大程度上掩盖了局部不稳定性时,就必须应用局部空间自相关分析,包括空间联系的局部指标(LocalIndicatorsofSpatialAssociation,LISA)、G统计、Moran散点图.本文选择LISA和Moran散点图进行分析.1.3.1 空间联系的局部指标(LISA)

空间联系的局部指标满足下列两个条件:(1)每个区域单元的LISA是描述其周围显著的相似值区域单元空间集聚程度的指标;(2)所有LISA总和与全局空间联系指标成正比.

)

(xi-x)Ii=

m0

Z=

.(5)

EX

j

ij

)

(xj-x).

(6)

其中,m0=

E(x

i

i

)

-x)/n,对j求和仅限于区域单元I的所有邻居.

2

检验统计量可以对有意义的局部空间关联进行显著性检验.当两个区域单元的某些相邻区域相同时,局部统计量存在着相关,可以遵循Bonferroni标准.当总体显著性水平A=

0.05,样本总数为n时,设定各样本单元的显著性水平为A/m(m=n),但必须注意当n相当大时,采用此标准可能过于保守.

LISA作为ESDA技术的重要组成部分,其功能如下:其一为每个观测单元周围的局部空间集聚的显著性评估;其二为小范围内空间不稳定性的指标,可以揭示出对全局联系影响大的样本单元,以及不同的空间联系形式,这和利用Moran散点图来识别相似.1.3.2 Moran散点图

Moran散点图常来研究局部的空间不稳定性,对Wz和z数据对进行了可视化的二维图示.其中Wz是相邻区域单元观测值的空间加权平均值,又称为/空间滞后0向量.如以向量形式,MoranⅠ指数可描述如下:

I=

其中S0=

ij

i

j

nzcWz

.

S0zcz

(7)

EEW,z是由所有的观测值与均值之间的离差组成的向量.

当W为行标准化的空间权重矩阵时,S0=n,此时MoranⅠ指数即为Wz对于z的线性回归斜率,(z,Wz)数据对在Moran散点图中已进行了标准化处理,因此不同年份的结果具有可比性.对MoranⅠ指数具有强烈影响的区域单元,可通过标准回归诊断出来.

an.

中第一象限代表了高观测值的区域单元为高值区域所包围(高高);第二象限代表了低观测值的区域单元为高值区域所包围(低高);第三象限代表了低观测值的区域单元为低值区域所包围(低低);第四象限代表了高观测值的区域单元为低值区域所包围(高低).据此可进一步认识空间分异规律.

将Moran散点图与LISA显著性水平相结合,可获得所谓的/Moran显著性水平图0,图中标识出对应于Moran散点图不同象限,并且LISA显著的相应区域.

2 1978-2001年全国各省区人均GDP的ESDA分析

2.1 MoranⅠ指数

选取1978-2001年中国大陆31个省区的人均GDP(可比价)统计数据,采用自然对数变换方式,对人均GDP进行数据变换以减小变幅,然后进行MoranⅠ指数的计算,结果如表1所示.检验建立在正态分布假设之上,可见各年份的统计量相当显著.这表明全国各省区人均GDP水平表现出相似值之间的空间集聚,即具有较高人均GDP水平的省区相对地趋于和较高的省区相邻,较低的省区则趋于和较低的省区相邻.考察知1978年以来MoranⅠ指数一直趋于上升,其显著性水平也逐渐增强.这揭示出自改革以来,相似经济水平的省区之间一直趋于空间集聚,并且这种空间集聚特征自1990年以来表现得更为显著.

表1 1978-2001年间人均GDP的MoranⅠ指数

Tab.1 MorancsⅠstatisticsforlogpercapitaGDP1978-2001inChina

年份MorancsⅠ19781979198019811982198319841985

0.2950.3050.2910.2990.3090.3330.3420.355

Z值2.77032.85242.73722.80312.89113.09283.16503.2728

P值0.00560.00430.00620.00510.00380.00200.00160.0011

年份MorancsⅠ19861987198819891990199119921993

0.3690.3850.4000.3900.3780.3910.4230.451

Z值3.39533.53173.65613.57033.47403.57733.85294.0880

P值0.00070.00040.00030.00040.00050.00030.00010.0000

年份MorancsⅠ19941995199619971998199920002001

0.4720.4830.4940.4970.5000.5070.5110.506

Z值4.26604.35914.44814.47864.50364.55564.59744.5521

P值0.00000.00000.00000.00000.00000.00000.00000.0000

2.2 Moran散点图和LISA分析2.2.1 Moran散点图

已有的研究结果表明,中国省际差异自1978年至1990年是缩小的,自1990年后趋于扩大[1-5].从总体上看1990年是一个分水岭.据此选取1978、1990和2001年三个横断面数据,利用免费的GeoDA软件(AnselinL,2003年)进行计算分析.图1依次显示了1978、1990和2001年中国31个省区人均GDP的Moran散点图.

由图1可见,有少数省区在Moran散点图中与其它省区偏移较远,如京津沪,这会对回归直线的拟合造成一定偏差.分别剔除这些样本后再重新计算出MoranⅠ指数,显示在图的

右上角,图中显示的是新的回归直线,四个象限的重新划分将依据新的横轴(虚线),其它样本集聚于回归线周围,这反映出京、津、沪这三个在全国占有显著地位和作用的直辖市对全国的全局空间自相关影响很大.此外,云南、贵州也对全局空间联系具有较强影响.

  本文关键词：中国区域经济差异的空间统计分析，由笔耕文化传播整理发布。

本文编号：188142