長三角地區(qū)第三產業(yè)空間結構與集聚特性研究

摘要：基于長三角地區(qū)2000至2010年第三產業(yè)相關數據，本文運用空間探索性數據分析方法，對長三角地區(qū)第三產業(yè)的空間分布格局進行探討，認為長三角地區(qū)第三產業(yè)在總體上存在顯著正全域空間自相關性。局域自相關分析揭示了該地區(qū)空間分布的異質性，特別是滬寧一線體現出顯著高值空間集聚特征，蘇北地區(qū)存在顯著低值集聚特征，浙江大部分地區(qū)具有空間分散特征且不顯著。

關鍵詞：長三角；第三產業(yè)；空間結構；集聚

中圖分類號：F0615 文獻標識碼：A

收稿日期：2013-03-27

作者簡介：魚鴻杰 （1984-），男 ，江蘇鹽城人，上海社會科學院部門經濟研究所博士研究生，研究方向：產業(yè)組織。 我國的長三角地區(qū)已形成了以上海為核心的江蘇浙江經濟帶，2010年國務院正式批準的《長江三角洲地區(qū)區(qū)域規(guī)劃》，首次提出將長三角建設成為全球重要的現代服務業(yè)中心。2010年該地區(qū)第三產業(yè)的產值以及就業(yè)比重分別已達474%、436%，高于全國平均水平的385%與346%。空間統(tǒng)計分析表明空間事物屬性間存在著一定的相關特性，并隨著空間距離的縮小不斷增強，特別是許多空間屬性存在空間集聚特性。忽略空間事物的相關特性，會使傳統(tǒng)實證分析結果造成一定的偏差，而空間統(tǒng)計分析技術的興起正克服了這一弱點，可以以此深入探究空間事物屬性間的相關性，并以此得出更加豐富而有意義的結論。因此，深入探究長三角第三產業(yè)空間分布特性，對于制定合理的區(qū)域間第三產業(yè)政策具有重要意義。

一、研究方法

目前，國內學者對第三產業(yè)的研究主要聚焦于：一是第三產業(yè)的發(fā)展特征及其內部結構分析（李江帆等，2003）；二是第三產業(yè)與第一、二產業(yè)之間的關系（李江帆，2004；趙凱，2009）；三是第三產業(yè)的就業(yè)效應（顧乃華，2002；魏作磊，2004；曾國平等，2005；韓漢君等，2007），多數學者認為第三產業(yè)具有較強的勞動力吸納能力；四是第三產業(yè)的國際經驗比較（彭志龍，2001；李冠霖等，2005）；五是試圖嘗試從貿易、能源、城市化、工業(yè)化等視角來研究第三產業(yè)（張宗益，2010；羅知，2011）。但是，上述研究并未考慮第三產業(yè)發(fā)展的空間聯系性，實證分析并未突破主流經濟學中空間事物無關聯及均質性的假設局限（吳玉鳴，2006），忽略了區(qū)域間可能存在的空間相互作用。空間探索性數據分析方法（ESDA）是空間統(tǒng)計分析技術的核心方法之一，主要通過可視化技術來揭示空間依賴性與異質性，探索空間分布格局[1-2]。主要分為全域自相關分析與局域自相關分析。

（一）空間權重矩陣

空間權重矩陣對確定區(qū)域間鄰近關系具有重要的作用，是空間自相關分析的基礎與前提，主要分為鄰接矩陣、距離矩陣與經濟矩陣。本文主要采用鄰接矩陣來設定長三角地區(qū)的空間鄰近關系。當兩城市相鄰時權重值Wij=1，否則Wij=0。此外考慮到舟山市孤立在外，為避免產生孤島現象，同時考慮其與寧波現實聯系密切，因此認為其與寧波相鄰。

（二）全域自相關分析

全域自相關分析主要是對整個區(qū)域內的空間總體特性進行描述，本文采用Global Morans I測算全域自相關程度，具體公式如下：

其中，N表示所研究區(qū)域數量，xi、xj為觀測值，Wij為空間權重矩陣，x=∑Ni=1xiN，S2=1N∑Ni=1（xi-x）2，I的取值范圍為-1與1之間，且其必須經原假設為變量間不存在空間自相關性的標準化Z值進行檢驗（見公式（2）），顯著性水平由Z值的P值來確定，通常為005[3]。若I大于0且顯著，則表明存在正的空間自相關性，即具有較高（較低）第三產業(yè)發(fā)展水平的城市趨于與具有較高（較低）發(fā)展水平的城市相鄰；若I小于0且顯著，則存在負的空間自相關性，即具有較低（較高）第三產業(yè)發(fā)展水平的城市趨于與具有較高（較低）發(fā)展水平的城市相鄰。

總第437期

魚鴻杰：長三角地區(qū)第三產業(yè)空間結構與集聚特性研究

2013/09（三）局域自相關分析

全域自相關分析在整體上揭示了空間依賴程度，卻忽略了可能存在的局部不穩(wěn)定性[4]，而局域自相關分析中，通過Moran 散點圖中的四象限來展現區(qū)域與其相鄰區(qū)域的空間相關關系，以此來探索局域空間的異質性，有利于揭示被全域自相關分析掩蓋的局域空間特性。具體到本文，其橫坐標為標準化的第三產業(yè)發(fā)展水平，而縱坐標為該地區(qū)相鄰地區(qū)的第三產業(yè)發(fā)展水平的空間地理加權平均值（同樣進行標準化處理），其中第一（高-高）、三（低-低）象限為正的空間自相關性，體現了第三產業(yè)發(fā)展水平的空間集聚特性，而第二（低-高）、四（高-低）象限為負的空間自相關性，體現了第三產業(yè)發(fā)展水平的空間分散特性。

此外，Moran散點圖并沒有給出局域空間相關特性的顯著性水平，而LISA集群圖與顯著性水平圖克服了這一缺陷，并且有利于分析區(qū)域間空間相互作用模式。顯著的高-高區(qū)域某種程度上存在一定的輻射擴散作用，從而帶動周邊地區(qū)發(fā)展，形成空間集聚，而顯著的高-低區(qū)域體現了該區(qū)域通過回流效應惡化了周邊地區(qū)的發(fā)展。

二、指標選取與數據說明

（一）指標選取

本文在借鑒相關研究成果[5-6]的基礎上，從發(fā)展規(guī)模、發(fā)展速度以及產業(yè)高級化角度來衡量第三產業(yè)的發(fā)展水平，同時考慮數據的可得性，本文用第三產業(yè)增加值、人均第三產業(yè)增加值、第三產業(yè)總就業(yè)人數來衡量發(fā)展規(guī)模，用第三產業(yè)產值增長率衡量發(fā)展速度，并用第三產業(yè)增加值占GDP比重與第三產業(yè)就業(yè)人數占總就業(yè)人數比重衡量產業(yè)的高級化程 （二）數據說明

本文以長三角所轄兩省一市（江蘇省、浙江省、上海市）為研究區(qū)域。考慮到數據的可得性，選取2000-2010年三個地區(qū)相關數據進行ESDA分析。數據主要來源于歷年《中國城市統(tǒng)計年鑒》、各省市歷年統(tǒng)計年鑒。限于篇幅，原始數據不再列出。

1.指標權重的設定。運用層次分析法（AHP）確定各指標權重，具體步驟為：（1）構造兩兩比較判斷矩陣；（2）計算判斷矩陣的最大特征根和特征向量；（3）對判斷矩陣進行一致性檢驗，若不通過檢驗，則需重新設定判斷矩陣；（4）確定權重：對特征向量進行歸一化處理得到各指標權重Wi [7]。應用yaahpv060計算各指標權重，權重值如表1所示。

2.數據標準化。為消除數據的量綱量級，對數據進行標準化處理，公式為：

x′ij=xij-minxjmaxxj-minxj

其中，x′ij指標準化后的數據，xij指未標準化的數據，maxxj、minxj分別指該指標數據中的最大值與最小值。

3.綜合指數計算。將經過標準化處理后的數據乘以各自的指標權重并求和，可以得出各地區(qū)第三產業(yè)發(fā)展水平的綜合指數。限于篇幅，綜合指數不再列出。

4.空間分位圖分析。基于長三角第三產業(yè)綜合指數，運用GeoDa軟件畫出長三角第三產業(yè)空間分位圖（如圖1），可以初步展現長三角第三產業(yè)的空間分布特征，其中第四級排列為第三產業(yè)占優(yōu)區(qū)域，第三、二、一級排列逐級遞減，特別是第一級排列為長三角地區(qū)第三產業(yè)發(fā)展水平最差區(qū)域。

圖1 長三角第三次產業(yè)空間分位圖 （1）觀察圖（a）、（b），處于第三、四級排列的城市數由2000年的19個下降為2010年的13個，比例由76%下降為52%，而第二級排列由0變?yōu)?個。由此可見，十年來長三角地區(qū)各城市間第三產業(yè)的發(fā)展水平差異具有擴大之勢。特別是浙江省2000年僅2個城市處于第一、二級排列，而2010年擴大為4個，同時排列區(qū)域更加分散。具體來看，2000年第三產業(yè)的優(yōu)勢區(qū)域主要分布在浙江南部以及以上海為中心的長三角中部地區(qū)，而至2010年浙江南部各市域第三產業(yè)的分布表現出明顯的差異性，江蘇卻形成了以滬寧一線為主的第三產業(yè)占優(yōu)區(qū)域。

（2）由圖（c），從2000-2010年均值來看，浙江省除湖州、嘉興、紹興、衢州等4個城市外，其余市域均為第三產業(yè)發(fā)展的占優(yōu)區(qū)域；而江蘇省僅滬寧一線5個城市為占優(yōu)區(qū)域，其余市域第三產業(yè)發(fā)展水平均相對較差。此外，上海無論是2000年、2010年亦或是十年均值來看均顯示第三產業(yè)發(fā)展的優(yōu)勢地位。

總之，空間分位圖展現了長三角地區(qū)第三產業(yè)空間分布規(guī)律以及變動趨勢。值得一提的是，經過十年的發(fā)展演變，滬寧一線，特別是蘇錫常異軍突起，使得該地區(qū)成為第三產業(yè)發(fā)展的占優(yōu)區(qū)域，為整體帶動蘇北地區(qū)乃至整個長三角地區(qū)產業(yè)升級帶來機遇。此外，浙江南部逐漸分化的第三產業(yè)優(yōu)勢分布帶，為各地區(qū)發(fā)揮特有的稟賦優(yōu)勢，實現該地區(qū)的合理產業(yè)布局提供了契機。

三、ESDA分析

空間分位圖初步展現了長三角第三產業(yè)空間分布規(guī)律，然而其并未揭示該區(qū)域第三產業(yè)空間分布的內在機理。因此，下文將運用空間探索性數據分析方法（ESDA）來進一步揭示長三角地區(qū)第三產業(yè)空間分布的依賴性與異質性等空間聯系結構。

（一）全域自相關分析

表2為長三角地區(qū)第三產業(yè)全域自相關Global Morans I統(tǒng)計量值以及對應的P值，可以發(fā)現Morans I統(tǒng)計量均為正值，且通過了5%的顯著性檢驗。由此可知，長三角地區(qū)25個城市第三產業(yè)在空間分布上并非表現出完全隨機分布的狀態(tài)，而是表現出某些市域的相似值之間在空間上的集聚，即具有較高第三產業(yè)發(fā)展水平的城市趨于與具有較高發(fā)展水平的城市相鄰，而第三產業(yè)發(fā)展相對低水平城市趨于與相對低水平城市相鄰。此外，由圖2 Global Morans I趨勢圖可知，Global Morans I呈現波動的狀態(tài)，十年來長三角地區(qū)第三產業(yè)的空間集聚態(tài)勢并不穩(wěn)定，2003年達到集聚的峰值，而2009年的空間集聚特性尤為顯著。

（二）局域自相關性分析

1. Moran 散點圖。圖3為長三角地區(qū)第三產業(yè)Moran散點圖，而表3列出了散點圖各象限對應的市域表。比較圖3（a）與（b）兩圖，可以發(fā)現多數城市分布于第一、三象限，表現出正的空間自相關性，這恰好印證了全域自相關Global Morans I 為正的自相關性的總體趨勢。具體來看，2000年多數城市位于第一象限，即第三產業(yè)相對發(fā)展水平較高的城市趨向于與發(fā)展水平較高的城市相鄰，而2010年正的空間自相關性主要聚集于第三象限。此外，Moran 散點圖揭示了長三角第三產業(yè)空間分布的非典型區(qū)域，如第二（四）象限所展現的空間分布的異質性特征，即第三產業(yè)發(fā)展水平較低（高）的城市趨向于與較高（低）的城市相鄰，體現了負的空間自相關性，其偏離了總體的正的自相關性特征。然而，從2000-2010年的均值來看（圖c）該地區(qū)在第二象限具有較為明顯的聚集，體現為低-高的負的自相關性。

由表3可知2000、2010年以及十年均值來看，上海、蘇錫常等滬寧一線城市均處于第一象限（高-高）區(qū)域，而低-低城市主要分布在蘇北地區(qū)，如徐州、連云港等5個城市。另外，異質性區(qū)域（低-高、高-低）中浙江省占居多數。由此可見，江蘇、上海體現出明顯的空間集聚特征，而浙江空間分散特征較為顯著。

此外，觀察表3中2000年、2010年各象限中城市的變動，可以發(fā)現，長三角第三產業(yè)空間分布的市域躍遷模式：（1）由高-高象限躍遷至低-高象限，如泰州與舟山；（2）高-高象限躍遷至低-低象限，如金華；（3）低-高象限躍遷至低-低象限，如衢州；（4）由高-低象限躍遷至低-低象限，如揚州、寧波、麗水。其中，第一種躍遷模式主要源于該城市的第三產業(yè)發(fā)展水平與周圍相鄰地區(qū)的差異擴大，尤其是泰州十年間第三產業(yè)綜合指數增長92%，而其周邊相鄰市域平均增長了154%，差距高達62%；第二、三種躍遷模式中周邊相鄰區(qū)域均由高值區(qū)變?yōu)榈椭祬^(qū)，即周邊地區(qū)的第三產業(yè)發(fā)展水平相對于其他地區(qū)發(fā)展較為滯后，而這點與空間分位圖中所顯示的浙江南部地區(qū)空間分布的演變特征相一致；第四種躍遷模式中具有較高發(fā)展水平的城市最終被發(fā)展水平較低的周邊城市同化，陷入低水平的發(fā)展陷阱。

上述結果反映了長三角各地區(qū)第三產業(yè)存在著空間自相關性以及異質性，并揭示了該地區(qū)第三產業(yè)空間分布格局及其演進特征。

2. LISA 集群圖與顯著性水平圖。圖4、圖5分別顯示了長三角第三產業(yè)LISA集群圖及其對應的顯著性水平圖。2000年時低-低類型處于主導地位，特別是蘇北地區(qū)存在顯著的低-低區(qū)域空間聚集，表明其空間上并非隨機分布而是形成連片集聚區(qū)域，其第三產業(yè)體現為發(fā)展相對滯后區(qū)域間的空間集聚分布；具有較高第三產業(yè)發(fā)展水平的蘇州地區(qū)，憑借與上海相鄰的區(qū)位優(yōu)勢形成顯著的高-高的正的空間自相關性，而負的空間自相關性則由具有顯著低-高性質的嘉興反映，不難理解，相對于其周邊地區(qū)上海、蘇州、杭州，嘉興的三次產業(yè)發(fā)展相對滯后，這點恰好與空間分位圖1（a）相吻合。

圖4 長三角第三產業(yè)LISA 集群圖

圖5 長三角第三產業(yè)LISA顯著性水平圖

2010年與2000年相比，變化較為顯著。其中：（1）蘇北地區(qū)僅徐州一個城市處于低-低區(qū)域，顯著的低-低連片區(qū)域明顯減少，通過計算綜合指數發(fā)現，十年間蘇北的宿遷、淮安第三產業(yè)分別增長303%、205%，而徐州僅增長123%；（2）作為正著力建設“四大中心”的上海，發(fā)揮其擴散輻射效應，帶動周邊蘇錫常地區(qū)形成顯著的高值集聚區(qū)域；（3）南通市由非顯著性區(qū)域變?yōu)轱@著的低-高區(qū)域，可以看出其受到周邊蘇錫常等區(qū)域回流作用，第三產業(yè)發(fā)展相對滯后。

從十年均值來看，蘇北地區(qū)低-低連片區(qū)域以及上海的高-高區(qū)域輻射效應尤為顯著。此外，無論是2000年、2010年亦或是十年均值來看，浙江省除嘉興外，其余城市并未表現出空間分布的顯著性特征。由此可見浙江各區(qū)域第三產業(yè)發(fā)展的空間相互作用并不明顯，而聯系空間分位所展示的該地區(qū)具有明顯的第三產業(yè)發(fā)展優(yōu)勢，特別是2010年相對于2000年空間分異性變大，浙江可以借此根據地區(qū)的區(qū)位稟賦優(yōu)勢，采取不同第三產業(yè)發(fā)展政策，實現地區(qū)間第三產業(yè)的協(xié)調發(fā)展，最終形成顯著的高-高類型第三產業(yè)發(fā)展區(qū)域。

四、結語

本文通過空間探索性數據分析方法，包括全域自相關與局域自相關等分析工具，對長三角地區(qū)近十年來第三產業(yè)的空間分布格局進行了初步探索，揭示了該地區(qū)第三產業(yè)空間分布的依賴性與異質性等空間聯系結構。全域自相關分析表明，長三角地區(qū)第三產業(yè)的發(fā)展水平存在顯著的正空間自相關性，即具有較高（較低）三次產業(yè)發(fā)展水平的城市趨于與發(fā)展水平較高（較低）的城市相聚集，且在2003年尤為顯著。同時，局域自相關分析中，Moran散點圖以及LISA集聚圖與顯著性水平圖顯示了長三角地區(qū)第三產業(yè)空間分布的異質性，蘇北地區(qū)存在顯著的低-低區(qū)域，滬寧一線形成顯著的第三產業(yè)高值集聚區(qū)域，而浙江雖大多數城市表現為異質性，但并不顯著。

近些年來，以蘇南模式崛起的蘇錫常地區(qū)，憑借毗鄰上海的優(yōu)勢區(qū)位，第三產業(yè)異軍突起，同時其對蘇北地區(qū)形成強大的空間極化作用，致使蘇北地區(qū)的資金、人力、技術資源流向蘇南地區(qū)，阻礙蘇北地區(qū)產業(yè)結構升級，最終引致蘇北形成顯著的三次產業(yè)低-低區(qū)域；以溫州模式著稱的浙江地區(qū)，其批發(fā)零售貿易、餐飲業(yè)等傳統(tǒng)的第三產業(yè)擁有較大的優(yōu)勢，然而其新興的三次產業(yè)發(fā)展較為滯后，且區(qū)域間存在差異，如中心城市杭州、寧波等地金融、信息咨詢、計算機應用服務等占據優(yōu)勢，而欠發(fā)達的浙西南地區(qū)仍舊以傳統(tǒng)的三次產業(yè)為主，這恰好解釋了浙江高發(fā)展水平但卻非顯著空間異質性的特點。 從今后研究的拓展內容看，若能夠深入分析第三產業(yè)內部具體各行業(yè)的空間分布特征，則結果不但更加全面，而且可能還會從更加細致的行業(yè)分類中揭示第三產業(yè)空間分布更多細微的特征，這有利于全面了解和掌握長三角地區(qū)各城市間空間相互作用機制，從而制定更加合理的區(qū)域第三產業(yè)發(fā)展政策，促進區(qū)域間三次產業(yè)的協(xié)調發(fā)展。

注釋：

① 位于坐標軸上的點所屬城市未在表中列出。

參考文獻：

[1] Luc Anselin. Spatial Econometrics：Methods and Models[M].Kluwer Academic，Boston，1988.

[2] 孟斌，王勁峰，張文忠.基于空間分析方法的中國區(qū)域差異研究[J].地理科學，2005（4）：393-400.

[3] 魯鳳，徐建華.中國區(qū)域經濟差異的空間統(tǒng)計分析[J].華東師范大學學報（自然科學版），2007（2）：44-51.

[4] 宣國富，徐建剛，趙靜.基于ESDA的城市社會空間研究-以上海市中心城區(qū)為例[J].地理科學，2010（2）：22-29.

[5] 黃京鴻，葛永軍，刁承泰.中國各地區(qū)第三產業(yè)發(fā)展水平綜合評價[J].經濟地理，2001，21（1）：43-46.

[6] 呂一清，何躍.基于灰色神經網絡的第三產業(yè)發(fā)展趨勢的預測模型[J].統(tǒng)計與決策，2011（4）：157-159.

[7] 吳育華，劉喜華，郭均鵬.經濟管理中的數量方法[M].北京：經濟科學出版社，2008.