中國城鄉互動發展的空間分布規律及其變化趨勢分析

摘要 城鄉互動發展是縮小城鄉差距和解決“三農”問題的有效途徑，但由于不同區域在自然條件 、經濟基礎等方面存在差異，因此，各區域城鄉互動發展的態勢也有所不同，正確衡量我國 區域城鄉互動發展水平的空間分布特征是科學制定區域城鄉協調發展規劃與對策的前提和基 礎。在綜合評價1986-2005年我國省域城鄉互動發展水平的基礎上，采用探索性空間數據 分析 （ESDA）方法，對近20年來中國區域城鄉互動發展的空間分布特征及其變化趨勢進行分析 。結果表明，我國省域城鄉互動發展水平具有顯著的空間自相關特征，相似發展水平的區域 呈空間集聚分布態勢，且20年來格局變化不大。該發現對促進我國區域城鄉協調互動發展具 有重要政策意義。

關鍵詞 城鄉互動發展；綜合評價；ESDA；空間分布；變化趨勢

中圖分類號 F299.27 文獻標識碼 A 文章編號 1002-2104(2008)05-0079-07

中國地域遼闊，不同區域的歷史基礎、自然環境、經濟發展等方面均存在很大差異，因此， 區域城鄉互動發展的態勢也有所不同，正確衡量城鄉互動發展水平的空間分布特征及其演變 趨勢是采取協調城鄉關系、縮小城鄉差距有效舉措的前提，也是各地區選擇城鄉發展合理模 式和制定城鄉互動發展優化對策的基礎。關于中國區域城鄉互動發展的時空演變問題，有諸 多學者進行過研究［1～5］。但綜觀學術界的研究成果，不難發現，不管是從宏觀層 面對我 國某年城鄉互動發展水平的空間差異研究，還是從微觀層面對我國某個省域內部城鄉互動發 展水平的空間演變研究，幾乎都忽略了經濟社會活動所具有的空間相互關聯特征，往往將所 涉及的空間單元對象事先假定為沒有聯系的獨立樣本來進行城鄉互動發展的空間差異研究。 而實際上，經濟社會活動是具有空間關聯特征的，而且城市與鄉村作為空間經濟社會系統中 兩大互相關聯的異質子系統，它們之間的互動發展除具有空間趨異特征外，也會存在一定的 空間趨同特征。研究城鄉互動發展的空間趨同和趨異特征及其演變趨勢將有利于我們全面了 解城鄉互動發展的空間分布規律，從而為不同區域促進城鄉互動發展提供決策依據。基于此 ，本文將綜合評價近二十年來我國區域城鄉互動發展水平，并以此為基礎，采用探索性空間 數據研究方法，深入分析我國區域城鄉互動發展水平的時空分布及其演變規律。

1 我國省域城鄉互動發展水平的測度

1.1 時間段的選取和數據的來源

改革開放以來，隨著市場經濟體制改革的推進，我國的城鄉關系發生了重大變化，戶籍制度 、統購統銷制度等城鄉隔離體制被逐步打破，各類社會經濟要素開始在城鄉之間雙向流動和 優化配置，因此，本文選取剛剛經歷了戶籍制度重大變革的1986年為研究起點，對1986-200 5年區域城鄉互動發展的整體水平進行測度。

用于綜合評價的數據主要來源于《中國統計年鑒》（1987-2006）、《中國分縣市人口統計 資料》（1986-2005）、《中國農業年鑒》（1987-2006）和《新中國55年資料匯編》。

1.2 我國省域城鄉互動發展水平的測度

據筆者文獻［6］中構建的指標體系（包含空間關聯水平、經濟關聯水平、社 會文化關 聯水平和城鄉協調發展水平等四個方面）和評價方法［6］，利用有關統計資料對中 國省域1986-2005年城鄉互動發展水平進行綜合評價(見表1

2 我國城鄉互動發展的空間分布規律及其變化趨勢分析

利用以上綜合評價結果，采用探索性空間數據分析方法（ESDA），從空間尺度對近20年 來中國區域城鄉互動發展水平的空間分布規律及其變化趨勢進行研究。

2.1 ESDA方法

根據地理學第一定律［7］，地球表面幾乎所有空間數據都具有空間依賴或空間自相 關特征，也就是說，一個區域單元上的某種地理現象或某一屬性值是與鄰近區域單元上同一 現象或屬性值相關的［8，9］。探索性空間數據分析的核心就是認識與地理位置相關 的數據間的空間依賴、空間關聯或空間自相關。有兩類指標可用來衡量空間關聯特征，一類 是全局空間自相關指標，主要包括Morans I、GearyC統計量；另一類是局部空間自相關 指標，主要包括G統計量、Moran散點圖和LISA。

當Z值為正且顯著時，表明存在正的空間自相關，也就是說相似的觀測值(高值或低值)趨于 空間集聚；當Z值為負且顯著時，表明存在負的空間自相關，相似的觀測值趨于分散分布； 當Z值為零時，觀測值呈獨立隨機分布。

[WTBZ]由于全局Morans I是一種總體統計指標，僅能說明所有區域與周邊地區 之間空間差 異的平均程度，很難發現存在于不同位置區域的空間關聯模式，這時就需要采用局部空間自 相關指標，主要包括LISA和Moran散點圖等。

將變量z與其空間滯后向量(Wz) 之間的相關關系，以散點圖的形式加以描述，則構成[WTBZ] Moran 散點圖［13］。[WTBX]其中，橫軸對應變量z的所有觀測值，縱軸對應空間滯 后向量(Wz)的所有取值，每個區域觀測值的空間滯后就是該區域周圍鄰居觀測值的加權平均 。[WTBZ]Moran散點圖的四個象限分別對應于區域單元與其鄰近單元之間四種類型的局部空 間關聯模式：

一象限(HH):高觀測值的區域單元被同是高值的區域所包圍；

二象限(LH):低觀測值的區域單元被高值區域所包圍；

三象限(LL):低觀測值的區域單元被同是低值的區域所包圍；

四象限(HL):高觀測值的區域單元被低值區域所包圍。

與局部Moran指數相比，Moran散點圖優勢是能具體區分區域單元和其鄰近單元之間空間 關聯模式，而且Moran散點圖與LISA顯著性水平相結合，還可了解LISA顯著性水平類型狀況 ，從而更加直觀地刻畫區域關聯模式。但Moran散點圖不能獲得局部空間集聚的顯著性指標 ，因此表示的區域局部單元空間分布模式缺乏統計含義。

[BT(2+1]2.2 1986-2005年中國城鄉互動發展的空間分布規律及其變化趨勢分析[BT)][BT4]2.2.1 全局空間自相關分析

表2顯示了1986-2005年間中國大陸31個省份城鄉互動發展總體水平全局Moran指數的演變過 程，可以看出，各年份總體水平的Z值均為正且相當顯著，表明各年份城鄉互動發展總體水 平均存在顯著的、正的空間自相關，其空間分布均呈現相似值（高高或低低）之間的空間集 聚態勢。從表中還可以看出，1995年以來，總體水平的全局Moran指數上升趨勢明顯，其顯 著性也逐漸增強，這表明1986年以來，城鄉互動發展水平一直表現出全局性顯著的相似值省 份之間空間集聚分布特征，而且自1995年以來這種空間集聚效應表現得越來越突出。[HT2.]

2.2.2 空間自相關分析

全國城鄉互動發展水平差異的縮小并不能說明全國區域之間和內部的城鄉互動發 展均呈均衡 狀態，以上分析已說明，1992年以來，雖然全國相似值省份之間城鄉互動發展水平的差異縮 小，但隨著全局Moran指數的逐漸上升，高集聚區和低集聚區之間的差異將趨于擴大，這種 變化特征可以進一步通過局部空間自相關進行分析。[KG)]

（1)Moran散點圖。根據中國省域城鄉互動發展總體水平1986、2005年的Moran散點圖（圖1）和城鄉互動發展總 體水平各類型及其地帶分布（見表3）可知，大部分省份落在一、三象限內，2005年HH和LL 兩種類型所占比重為70.97%（其中HH占22.58%，LL占48.39%），而HL和LH兩種類型分別僅占 12.90%和16.13%，說明我國區域城鄉互動發展水平具有正的空間關聯分布特征，空間依賴性 明顯。但要注意的是，從1986年到2005年，HH型主要是東部發達省市，而LL型大多是西部落 后省份，這表明我國東部發達地區始終呈高水平集聚態勢，而廣大西部地區則基本是低水平 集聚格局。

通過Moran散點圖還可了解1986-2005年間各省份類型的演變過程，總體上各省份類型分布格 局變化不大，但也有少數省份的類型發生了變化。如吉林從HH轉變為LL、內蒙古從LH轉變為 LL、海南從HH轉變為LH、福建從LH轉變為HH、山東從HL轉變為HH。這些省份類型的轉換反應 了近20年來其城鄉互動發展水平的變化，東北三省中吉林和黑龍江的城鄉互動發展水平相對 低于遼寧，且吉林周邊的內蒙古城鄉互動發展水平也較低，因此，吉林在空間分布上呈現出 被低水平省份包圍的格局。內蒙古由于一直存在產業結構不合理、經濟外向度不高等問題， 致使其城鄉互動發展水平較低，加之其周邊的東北三省和西北的新疆、甘肅、寧夏城鄉互動 發展水平也較低，因此在空間分布上，內蒙古及其周邊地區呈低水平集聚態勢。海南在1980 年代中期城鄉互動發展水平較高，但近年來由于農村剩余勞動力的增多，城市化進程和產業 結構升級緩慢，城鄉互動發展水平呈下降趨勢，而其周邊的廣東城鄉互動發展水平一直較高 ，因此海南在空間分布上呈現出被高水平省份包圍的格局。福建因屬泛珠三角成員，近年與 發展水平較高的鄰居廣東合作和交流增多，城鄉之間的交流也因此得到加強，因而福 建與其 鄰近省份的整體水平較高，空間分布上表現出高水平集聚格局。北部沿海的山東地理區位條 件好，加之近年來新農村建設成效顯著，致使其城鄉互動發展水平提高，且空間分布上表現 為被高水平省份包圍的格局。

（2) LISA分析。用LISA可進一步分析區域城鄉互動發展水平的局部空間分布特征。根據1986-2005年間中國省域城鄉互動發展水平局部Moran指數（見表4）可知，1986年，顯著的省份包括天津、西 藏 、云南、新疆、青海、貴州、四川、甘肅和河北，其中僅河北局部Moran指數為負，其他省 份均為正；2005年，天津、四川、云南、貴州依然顯著但水平略微下降，河北、新疆、甘肅 、青海顯著且水平上升，而上海、浙江、江蘇、寧夏則由不顯著變為顯著，與1986年類似， 2005年除河北外的其余顯著省份的局部Moran指數均為正?？傮w而言，1986-2005年間顯著的 省份除河北屬于LH型外，其他都屬于HH或LL型，而HL型缺失。[KG)]

（3）LISA顯著性水平類型。將Moran散點圖與LISA顯著性水平相結合，即可了解LISA顯著性水平類型狀況（見表5）。由 表4和表5可知，1986年，西部顯著的LL型省份較多，顯著的HH和LH型分別只有天津和河北， 區域城鄉互動發展水平大體呈現正的空間關聯特征。LL型中西藏、青海、四川的顯著性最強 ，其周邊的新疆、貴州、甘肅的顯著性也較高，因此，在空間分布上這些西部落后地區連成 一片，表現為明顯的地域聚集性，同時水平較低的重慶、湖南、廣西、陜西、寧夏等省份也 分布在其外圍鄰域，更表明了城鄉互動發展低水平區域的空間關聯性。城鄉互動發展水平較 高的天津局部Moran指數為正且顯著性較強，與環渤海的核心城市北京存在正的空間關聯， 二者的相互輻射帶動效應較為明顯，而城鄉互動發展水平較低的河北局部Moran指數為負且 顯著，與被其環繞的京津存在負的空間關聯，不僅受京津的輻射有限，而且受一定回流效應 的支配，即資本、勞動力、技術等生產要素由于追求高回報率的趨向，大量流向核心地區， 致使外圍地區河北的城鄉互動發展水平更低。

與1986年相比（見表4、表5），2005年不顯著的省域范圍縮小，而顯著的省域范圍擴大，其 中顯著的LL型新增了寧夏，顯著的HH型新增了江蘇和浙江，但HL型和LH型沒 有變化?？臻g分布上，2005年區域城鄉互動發展水平呈現非常明顯的正的空間關聯特征，LL型中新疆和西藏的顯著性最強，其周邊的甘肅、青海、 四川、云南、寧夏顯著性也較高，而且其外圍鄰域還 聚集了水平較低的重慶、湖南、廣西、河南、內蒙古等省份，從而使我國城鄉互動發展呈現 大部分LL型省份空間集聚的分布模式。長三角地區的上海、江蘇和浙江的局部Moran指數為 正且顯著性較高，說明三省份之間存在正的空間關聯且呈現集聚分布態勢，主要原因是，19 90年以來國家對上海浦東的開發開放，促進了上海在城市建設、經濟發展、科技文化進步等 領域的飛速發展，城鄉協調發展水平也相應提高，同時隨著上海實力的增強，其對周邊江蘇 和浙江的輻射能力也迅速提高，并加速了長三角地區城鄉和區域一體化進程，形成了正的跨 區域的城鄉互動發展效應。天津屬HH型且統計顯著，表明其與北京正的空間關聯關系沒有發 生變化，河北屬LH型且統計顯著，表明其與京津間負的空間關聯關系也沒有根本改變。

3 結 語

本文采用ESDA 方法，通過城鄉互動發展水平的全局空間自相關和局部自相關分析，揭示了1 986-2005年間我國城鄉互動發展的空間分布規律及其動態演變過程，得到如下結論：

（1）全局Moran指數研究發現：1986-2005年各年份城鄉互動發展總體水平均存在顯著的、 正的空間自相關，其空間分布均呈相似值（高高或低低）之間的空間集聚態勢，且1995年以 來這種空間集聚效應表現得更為突出；Moran散點圖表明：大部分省份均為HH和LL兩種類型 ，且二十年來這種分布格局的變化不大，但HH型區域主要包括了東部發達省市，而LL型大多 是西部落后省份。

（2）LISA及其顯著性水平類型分析表明：1986-2005年間，我國區域城鄉互動發展水平空間 分布的趨異特征日趨明顯，HH型和LL型均呈空間集聚態勢，其中LL型省份空間集聚特征比HH 型更為明顯，這說明我國區域城鄉互動發展總體水平不高，西部落后地區更多地表現為低水 平的空間趨同分布。因此，今后仍需繼續增強發達地區空間集聚效應和對西部落后地區的輻 射效應，從而使我國區域城鄉互動發展水平的空間關聯性得到提高、空間分布日趨均衡協調 與優化。

(3)本文對我國城鄉互動發展水平的評價和采用探索性空間數據分析方法對其空間分布 及其變動研究的結論具有重要的政策含義：第一，1986-2005年我國城鄉互動發展盡管各省 域水平都有顯著提高，但地域差距明顯，且出現了空間俱樂部分化跡象，即東部城鄉互動發 展水平較高的省域呈高高聚集態勢，而西部城鄉互動發展水平低的省域呈低低聚集態勢，地 區差距在整體水平提高的情況下有擴大趨勢。這一點在ESDA分析中，無論是全局Moran指數 、還是LISA分析，都有相似的結論。表明我國今后縮小地區間城鄉互動發展差距、促進各區 域城鄉協調發展依然任務艱巨。第二，由于省域實體之間存在產業關聯、人口流動、貿易交 往、資本外溢、技術擴散等空間相互作用，而這種空間作用在相鄰省域間發生的概率更高， 使得行政相對獨立的省域并非空間“孤島”，空間效應使得相鄰省域的城鄉互動發展水平有 趨于一致性的傾向，從而客觀上要求中央和地方政府在制定國家和地區城鄉互動發展規劃、 政策以及進行重大工程項目投資決策時應該充分考慮空間位置因素，以使區域間的空間效應 得到更好的利用。第三，鄰域空間效應對省域城鄉互動發展具有重要政策啟示，城鄉互動發 展水平低的省域如果相鄰發展水平高的省域，由于可以利用來自水平較高區域的輻射與帶動 ，因而國家旨在提高這些省域城鄉互動發展水平的有關政策措施一般可以產生較好的效果。 而那些低水平省域集聚的空間俱樂部成員，要提高其城鄉互動發展水平，則往往需要給予更 大的支持力度。

應該指出的是，探索性空間數據分析方法本質上是由數據驅動的探索過程，其目的 是“讓數 據自己說話”，通過數據分析來發現問題，采用該方法能夠比較直觀地展現空間數據中隱含 的空間分布、空間模式以及空間相互作用等特征，但如果要深入探究城鄉互動發展水平空間 分布規律的內部成因和驅動機制，僅采用該方法還略顯不夠，因此今后還有必要結合確認性 空間數據分析方法，對城鄉互動發展水平的空間分布規律及其深層次的原因與動力機制進行 剖析。

(編輯：于 杰)

參考文獻(References)

［1］魯奇，曾磊，王國霞，等. 重慶城鄉關聯發展的空間演變分析及綜合評價 ［J］.中國人口#8226;資源與環境，2004，14(2)：81～87.［Lu Qi， Zeng Lei， Wang Guoxia，e t al. Spatial Evolution of Chongqing Urbanrural Interaction and Its Comprehens i ve Evaluation ［J］. China Population Resources and Environment， 2004， 14(2)：81 ～87.］

［2］段娟，魯奇，文余源. 我國區域城鄉互動與關聯發展綜合評價［J］.中國人口#8226;資源 與 環境，2005，15(1)：76～81.［Duan Juan， Lu Qi， Wen Yuyuan. A Comprehensive Evalua tion of Urbanrural Interaction and Conjunctional Development of China［J］.China Population Resources and Environment， 2005，15(1)：76～81.］

［3］張淑敏，劉輝，任建蘭. 山東省區域城鄉一體化的定量分析與研究［J］.山東 師范大 學學報(自然科學版)，2004，19(3)：65～68. ［Zhang Shuomin， Liu Hui， Ren Jianlan.A Quantitative Analysis and Study of Regional Urbanrural Interaction in Shando n g Province ［J］. Journal of Shandong Normal University (Natural Science)， 2004， 19(3)：65～68.］

［4］修春亮，許大明，祝翔凌. 東北地區城鄉一體化進程評估［J］.地理科學，2004，24( 3)：320～325.［ Xiu Chunliang， Xu Daming， Zhu Xiangling. Evaluation of UrbanRu ral Integration Course in Northeast China ［J］. Geographical Scince， 2004，24(3) ：320～325.］

［5］羅雅麗，李同升. 城鄉關聯性測度與協調發展研究——以西安市為例［J］.地理與地 理 信息科學，2005， 21(5)：68～71. ［Luo Yali， Li Tongsheng. Study on Evaluation ofthe UrbanRural Correlation and Coordinated Development of Urban and Rural Are a s: Taking Xi'an City as an Example ［J］. Geography and GeoInformation Science ， 2005， 21(5)：68～71.］

［6］段娟，文余源，魯奇.中國城鄉互動發展水平的地區差異及其變動趨勢分析［J］.中國 軟科學，2006，(9):87～95.［Duan Juan， Wen Yuyuan， Lu Qi. Research on the Regiona l Difference and its Changing Tendency of the UrbanRural Interaction ［J］.  Development Level in China， 2006，(9):87～95.］

［7］Tobler W. Cellular geography［A］.In:Gale S，Olsson G(eds). Philosophy in G eography［C］.Dordrecht: Reidel Publishing，1979:379～386.

［8］Cliff A D，J K Ord. Spatial Autocorrelation［M］.London:Pion，1973.

［9］Cliff A D，J K Ord. Spatial Processes: Models and Application［M］.London:P ion，1981.

［10］Anselin L. Local Indicators of Spatial AssociationLISA［J］.Ge ographical Analysis，1995， 27(2): 93～115.

［11］Ord J K，Getis A. Local Autocorrelation Statistics:Distributional Issues a nd an Application［J］. Geographical Analysis，1995，(27):286～306.

［12］Hubert L J. Assignment Methods in Combinatorial Data Analysis［M］. New Yo rk: Marcel Dekker，1987.

［13］Anselin L. The Moran scatterplot as an ESDA tool to assess local instabili ty in spatial association［A］. In:Fisher M，Scholten H J，Unwin D(eds). Spatialanalytical perspectives on GIS［C］. London:Taylor Francis，1996:111～125.