中國地市經濟增長的時空演變及機制分析

李 在 軍，胡 美 娟，馬 志 飛，管 衛 華，吳 啟 焰

（南京師范大學地理科學學院，江蘇 南京 210023）

0 引言

改革開放以來中國經濟快速發展，2010年國內生產總值超過日本，成為世界第二大經濟體。但區域經濟差異顯著，貧富差距和城鄉差異不斷拉大，很大程度上妨礙社會穩定、居民福利改善及經濟的可持續發展［1］。當前，中國正步入全面建設小康社會與實現共同富裕的關鍵時期，確保區域經濟和諧發展、縮小地區貧富差距成為當務之急，而如何打破不均衡增長的路徑依賴，消除地區貧困，繼而實現地區均衡發展，成為亟待解決的重要問題，這引起經濟學者、地理學者與政策制定者的廣泛關注［2］。城市作為地區經濟與社會發展的核心，是相對穩定的單元，處在聯系縣域與省級的節點位置，承擔協調區內外與城鄉發展的重擔，合理的城市集群可帶動周圍地區的共同發展，因此，探究地市間經濟增長的差異及其空間集聚特征，有助于縮小經濟發展差距以及構建、培育合理的城市群。

區域經濟增長不均衡在實踐層面主要涉及3個問題：區域增長的時間變化趨勢、差異形成原因解析及縮小差距的對策實施［3］。而區域經濟增長是時空動態變化的連續統，一方面，從演化的視角分析，地區不平衡隨著時間演變而發生變化，時序的波動對應經濟增長空間不平等的重組［4］，通常擴張期與地區不平等的上升聯系在一起［5］，如我國地區經濟增長隨不同時期政策的制定與實施而發生變化。另一方面，經濟增長深受空間異質性或空間聯系的影響，空間上表現出集聚分異的格局，空間依賴固化了經濟增長的核心—邊緣結構［6－9］，如我國經濟增長的城鄉、沿海與內陸分異特征。因此，有必要對區域經濟增長的時空演變進行綜合分析。

事實上，地理學注重區域增長的時空特征及驅動機制，形成了完整的“格局—過程—機理”研究路線。經濟增長的差異測度由傳統的變異系數、泰爾指數等非空間全域性統計分析［10］，轉向探索性空間統計識別［11－13］；研究尺度逐漸由全國、省域向市域及縣域單元延伸，甚至趨向于研究社區、個人及家庭間的不平等［4，14］；經濟增長解釋由最初的定性評價，轉向定量多機制驅動的測度，且經濟增長要素識別由最初單變量［15］，轉向多機制分析框架，綜合考慮市場化、全球化、去中心化、政策及環境等因素的作用［1，16］。經濟增長驅動診斷由普通最小二乘及多水平等非空間回歸方法，轉向嵌入空間效應的空間誤差、空間滯后與地理加權等空間回歸技術。

可見，相關實證研究較豐富，為識別經濟增長的時空演化奠定了良好的基礎。但區域經濟增長時空演變研究往往單方面強調時間或空間，并未真正實現時空統一；經濟增長機制的空間依賴模型設定需嚴格的假設，否則將導致無效的參數估計。因此，經濟增長的過程與關系研究仍待完善，而經驗正交函數（EOF）能較好地彌補探索性空間數據時間斷面分析的不足，實現對時空演化特征的分析；非參數特征向量的空間過濾模型建立在普通OLS回歸基礎上，無需考慮觀測單元的依賴性與誤差項分布約束，具有適應能力強與穩健性特點，從而揭示變量間的相關作用關系。因此，本文利用經驗正交函數探究1985－2012年間我國335個地級市經濟增長的時空變化，采用空間濾波模型解析經濟增長的驅動因素，整合經濟增長的時空格局過程與要素作用關系分析，以期為經濟發展決策的制定提供建議與思考。

1 數據來源與處理

選取1985－2012年我國大陸地級行政單元為研究對象，限于研究時段較長與樣本單元較多，數據獲取較困難，其中不包括西藏自治區與海南省的行政單元，對個別年份行政區劃的變動調整按照2012年地級行政區劃與各省的實際情況，進行合并或拆分，最終形成335個地級行政單元，以各地級行政單元的歷年人均GDP表征經濟增長。

區域經濟增長是多因素綜合作用的過程，參照相關研究，從生產投入、經濟構成、產品消費出發，選取投資、消費、對外貿易、財政支出、區位條件、城市化、產業構成、從業人員等影響經濟增長的要素。其中，投資水平是經濟發展的最直接因素，選取固定資產投資額反映投資對經濟增長的作用［17］；受全球化的影響，區域生產和貿易逐步融入到全球市場，通過開展對外貿易有利于帶動產品、產業結構和就業結構的變化，改善技術和管理水平，促進區域經濟增長，以對外貿易額反映地區的經濟全球化程度［18，19］；商品的購買和銷售狀況對經濟再生產的持續具有重要作用，也是衡量市場經濟發育和活躍程度的重要指標［20］，以社會消費品零售額表示商品消費；城市化水平是衡量經濟發展水平的重要指標，是經濟增長動力的核心與主體［21］；財政支出表示政府為滿足社會共同需要進行公共產品與服務投資支付，有利于經濟的穩定增長［22］；區位條件不僅影響地區間交往聯系的便利度，且對經濟增長的擴散與輻射以及吸引拉動經濟增長的要素流入起到重要作用，選取城市GDP總值、年末人口總數與公路里程構建經濟區位指數［23，24］；經濟結構的調整與產業升級有利于提高資源配置效率，產業結構與區域發展密切相關，產業結構升級有利于區域經濟發展的顯著提高，選取二產比重、三產比重反映產業結構變動［25］；從業人員對勞動密集型產業及經濟的持續發展提供人員支撐［26］。

相關數據依據《中國城市統計年鑒》、各省統計年鑒及相應地市統計年鑒整理獲取。采用GDP平減指數將人均GDP折算到基期，為消除變量的量綱影響，對各變量進行標準化處理，利用1985－2012年間的增量數據變化診斷區域經濟增長的主導因素。

2 研究方法

2.1 基尼系數與空間自相關指數

基尼系數是反映區域差異集中性的有效指標，其取值范圍在0～1之間，Gini值越大表明樣本間屬性值的空間分布越不均勻，地區間的差異越大。Moran′s I統計值可用來測度樣本屬性值的地理集聚模式，用來反映地區間相同屬性值的空間關聯水平，其取值為［－1，1］，值越接近1，表明空間自相關性越強，其權重設定對結果影響較大，本文主要采用基于Rook鄰接的空間權重矩陣，空間單元相鄰則為1，反之為0，采用Z值對Moran′s I指數顯著性進行檢驗。

2.2 經驗正交函數（EOF）

經驗正交函數具有無需假定任何基函數、可對不規則分布站點進行分解、展開收斂速度快等優點，被廣泛應用于時空變化領域，被稱為時空分解［27，28］，一般通過原始變量場、變量的距平場和變量的標準化場3種形式對原始數據矩陣進行計算。本文采用標準化場計算，分離出的特征向量表示觀測單元的分布狀況，識別出的時間變化用來表示這種空間分布的循環趨勢。此外，常采用特征值誤差范圍或Monte Carlo技術進行特征值檢驗，判別分解出的經驗正交函數是否具有物理意義或是無意義的噪音。

2.3 非參數特征向量的空間濾波回歸模型

特征向量空間濾波根據預設定的空間鄰接權重矩陣，從中篩選出源自觀測樣本及誤差項空間相關的一系列彼此正交的特征向量集合，然后將其作為空間代理變量納入回歸模型，既保持空間回歸模型擾動項的依賴性特征，又降低了模型殘差的空間自相關效應；其模型參數估計建立在OLS回歸的基礎上，無需考慮觀測單元的依賴性、擾動項的恒定方差與模型分布約束的假設，相對于空間最大似然估計方法，在特定誤差下的估計系數更穩健，通過子集特征向量的可視化可有效識別空間相關性的主導分布方向［29－31］。本文主要選用空間濾波的空間滯后與空間誤差模型診斷經濟增長的影響因素?？臻g誤差模型過濾的特征向量即｛e1，…，en｝SEM，表達式為：

空間滯后模型過濾的特征向量即｛e1，…，en｝SLM，表達式為：

式中：N［1］＝I－1（1′1）－11′及N［X］＝I－X（X′X）－1X′為投影矩陣，evec［C］表示?。跜］的特征向量。

假設ESEM、ESLM分別表示特征向量｛e1，…，en｝SEM與｛e1，…，en｝SLM子集矩陣，分別構建普通最小二乘回歸（OLS）及空間濾波的誤差（ESFM＿e）與滯后模型（ESFM＿l）：

式中：y表示被解釋變量人均GDP；X為解釋變量，即城鎮固定資產投資（x1）、進出口額（x2）、消費品零售額（x3）、城市化（x4）、財政支出（x5）、區位條件（x6）、二產比重（x7）、三產比重（x8）、從業人員（x9）組成的矩陣；β為解釋變量的回歸系數向量，ε＊表示自相關的殘差部分，ε表示白噪聲隨機擾動。

3 中國地市經濟增長的時空特征

3.1 中國地市經濟增長的時間變化特征

由圖1，基尼系數值基本在0.3～0.4間波動，基尼系數曲線先穩步抬升，漸趨穩定后開始下降，可劃分為4個階段。其中1985－1990年為地市經濟增長差異較小的穩定時期，1990－1995年為差異快速抬升期，1995－2008年為差異較高的穩定時期，2008年以來經濟增長差異呈縮小趨勢；全局Moran′s I指數波動變化較大（均通過標準差Z值檢驗，在0.01置信水平下顯著），總體呈不斷增大態勢，且表現出一定的周期性規律。其中，1985－1988年為顯著上升階段，而1988－1991年為快速下降階段，但1991年 Moran′s I值為0.34，仍較大，1991－1999年為繼續上升時期，1997－1999年 Moran′s I值為全時段最高，1999－2000年為下降期，2000－2007年與1991－1999年的Moran′s I值波動態勢基本一致，2007年以來Moran′s I值趨于下降，但仍大于基尼系數值?？梢姡厥薪洕鲩L在空間上呈現出顯著高低分異集聚特征，為揭示局部空間依賴關系，轉向空間集聚特征分析。

3.2 中國地市經濟增長的局部空間特征

我國地市經濟增長已呈現顯著的高低分異集聚態勢，而空間特征濾波向量有助于揭示其空間集聚特征?；诳臻g誤差的特征向量濾波模型，設定Moran′I域值為0.5，通過逐步回歸的AIC標準共篩選24個特征向量子集，除最后一個特征向量外，各特征向量的回歸系數至少在0.1水平下顯著。其中，前兩個特征向量具有最大的空間相關性，值分別為1.00與0.97，回歸系數γ分別為1.63及－1.04。利用ArcGIS 10.0軟件選擇自然斷裂點法進行可視化。分析可知，前兩個特征向量捕捉了經濟增長的主要空間集聚源，第一個特征向量呈現“東—西”分異，表現為東北、華中、西南、西北及中部廣大集聚地區；而第二特征向量呈“南—北”分異的空間格局，南北分界總體被長江分隔。

3.3 中國地市經濟增長的時空演變特征

特征向量雖可識別地市經濟增長的主要空間集聚區，但未能揭示地市經濟增長的時空演變特征，而經驗正交函數可同時分解出空間模態與時間系數，分解出的空間模態反映樣本的空間分布，時間系數反映時間變化，如果特征向量的各分量符號統一，則該特征向量反映區域變量一致的變化趨勢，數值絕對值較大處為中心；如果特征向量的分量呈正、負相間的分布形式，這一特征向量則代表了兩種分布類型，適合進行分類型分析。時間系數反映區域特征向量分布類型的時間變化特征，某年的時間系數為正值，說明該分布類型最為典型；時間系數為負值則表明該年呈相反的分布類型，系數絕對值越大，這類分布越典型。對1985－2012年人均GDP數據矩陣進行EOF分解，利用Monte Carlo模擬100次，在95%顯著水平下得到一個特征向量，其方差貢獻率高達98.6%。

由圖2a，空間模態正值位于我國中部、西部及東北地區，而負值集中于華北平原、長江中下游平原、珠三角及沿海地區。結合加權標準差橢圓判斷空間模態分布主導方向走勢，長半軸為1 154.873 km，短半軸為937.534 km，方位角為123.73°（圖2a），橢圓的長軸呈“西北－東南”走勢，說明地市經濟增長主要呈東西反相分布，短軸指示“東北—西南”向，表明地市經濟增長的南北差距相對較小。特征向量值呈正態分布的特性進一步證實地市經濟發展具有東西對稱的空間分布類型。而模態絕對值較大的地市為經濟發展速度較快的區域，可作為城市群培育建設的核心區。

地市經濟發展的空間模式不是一成不變的。由圖2b知，1985－2004年時間系數值均為負數，且不斷趨于0，說明我國改革開放及東部率先發展政策的實施使得經濟重心東移，東部地市經濟快速增長，中西部地市發展逐漸滯后；而2004－2012年時間系數值均為正，且趨于增大，2010年以來這種空間分布類型最典型，表明該時段中西部地市經濟發展相對較快，致使區域整體差異趨于縮小（圖1），說明西部大開發、振興東北及中部崛起的區域統籌戰略以及中西部經濟區的培育建設對縮小地市經濟發展差距起到一定促進作用。

圖2 EOF分解的空間模態與時間系數變化Fig.2 The decomposition result of spatial mode and time coefficient of EOF

4 中國地市經濟增長的機制解析

上述分析表明我國地市經濟增長具有較強的空間依賴性，忽略空間效應的模型將導致參數的有偏估計。分別對式（3－5）進行估計，由最小二乘回歸分析，其模型殘差的 Moran′s I值為0.253，且通過顯著性檢驗，說明該模型設定忽略來自變量或樣本的空間依賴性（表1）。而空間濾波的誤差與滯后模型均提高了模型的擬合效果，降低模型殘差的空間自相關性（Moran′s I值分別為－0.067、－0.065，且不顯著），有效識別各變量對經濟發展水平的作用方向與大小。其中，空間濾波的誤差模型的擬合效果優于空間濾波的滯后模型，殘差平方和小于空間濾波的滯后模型，此外，空間濾波誤差模型系數估計除截距項外同OLS估計一致，但其t統計值與系數顯著性均優于OLS。因此，采用空間濾波誤差模型分析各變量對經濟增長的作用。

由空間濾波誤差模型（ESFM＿e）可知，投資、消費、外貿、產業結構調整對地市經濟增長起到顯著促進作用；財政支出、從業人員數量對地市經濟發展的影響顯著為負；城市化水平及區位條件有利于地市經濟增長，但未通過顯著性檢驗。其中，投資對地市經濟發展起到顯著的促進作用，表明各地市的經濟增長動力來源仍靠投資拉動；開展外貿拓寬了商品流通市場，有利于提高區內資源配置效率，調整產品生產結構，增加地區就業，從而顯著地促進經濟發展；商品消費水平對經濟增長起到積極的促進作用；城市化水平對地市經濟增長的影響作用較小，且并不顯著，由于目前大部分地區城市化水平仍較低，加上無序的城市進程，這嚴重阻礙了經濟的快速增長；財政支出對地市經濟發展起到顯著的負向影響，由于地市間財政收入差異較大，財政支出數量不均，致使基礎設施與公共服務設施投資比例失調，從而削弱了其對經濟增長的貢獻；伴隨地市交通基礎設施的逐步完善，資本、人才、技術等要素與資源的空間流動受阻性減弱，從而區位條件對地市經濟增長起到正向促進作用，但未通過顯著性檢驗，這是由于區位優勢僅是經濟迅速增長的基礎條件，不能替代其他生產性要素的投入；二、三產業比重的增加對地市經濟增長起到顯著促進作用，但二產的系數較三產大，說明現階段我國區域經濟結構中第二產業仍是拉動經濟增長的主要動力，而地市間第三產業發展水平差距較大，對經濟增長的作用總體較弱；從業人員對地市經濟增長的影響作用顯著為負，說明地市經濟增長不再單純依靠勞動力數量的增加。

5 結論與討論

尋求地理現象過程與關系的結合是地理學研究的重要導向，針對現有經濟增長時空演變及驅動機制研究的不足，本文選取335個地級行政區劃為研究單元，以人均GDP表征經濟增長，采用經驗正交函數探測區域經濟增長的時空格局，并結合空間濾波模型分析經濟增長的影響機制，得出以下結論：

（1）1985年來我國地市經濟增長的差異總體呈不斷增大態勢，但差異波動較為合理；地市間經濟增長在空間上并不孤立，呈現顯著的高低集聚特征；地市經濟增長的主要空間集聚源呈“東—西”分異，表現為東北、華中、西南、西北及中部廣大集聚地區，并大體以長江劃分為“南—北”集聚。

（2）1985－2012年地市經濟增長主要呈東西反相分布，但這種空間分布態勢不是一成不變的，隨時間演變不斷強化或弱化或發生翻轉。這一過程中，區域經濟發展政策的制定與實施起到積極的推動作用。其中，改革開放及東部沿海率先發展政策的實施，促使經濟重心東移，東部地市經濟快速增長，中西部地市發展逐漸滯后。隨著西部大開發、振興東北及中部崛起的區域統籌戰略及中西部經濟區的培育建設的興起，地市間經濟差距逐漸縮小。

（3）空間濾波模型降低模型的空間依賴性，提高了參數估計結果的可靠性。其中，投資、消費、外貿、產業結構優化升級對地市經濟增長起到顯著拉動作用；財政支出、從業人員數量對地市經濟發展的影響顯著為負；城市化水平及區位條件對地市經濟增長的促進作用并不顯著。

本文的政策導向是，首先，中央應繼續深化區域協調發展的戰略，通過財政支出、市場管制及宏觀控制等手段調整收入分配導向中西部地市，大力扶持中西部落后與貧困地市的發展；其次，積極促進城市集聚，形成合理的城市體系，完善中心城市的功能，發揮其輻射帶動作用，并注重中小城市的發展；第三，轉變經濟增長方式，加快發展第三產業，提高就業收入，改善消費市場環境，發揮持續性消費對經濟增長的促進作用。

區域經濟增長的研究是區域政策制定的前提，近年來我國地市間經濟增長差距有所減緩，但區內經濟增長差距迥異，本文僅探究地級市間的差異變化；由于研究尺度較大，降水、地形等自然稟賦會影響經濟發展，在此并未觸及；此外，影響地區經濟增長的因素較復雜，選取特定指標不免忽略其他因素的作用。因此，尋找更科學、全面與廣泛適用性評價方法，是今后研究的重要方向。

［1］ LI G D，FANG C L.Analyzing the multi-mechanism of regional inequality in China［J］.The Annals of Regional Science，2014，52（1）：155－182.

［2］ 李廣東，方創琳.中國區域經濟增長差異研究進展與展望［J］.地理科學進展，2013，32（7）：1102－1112.

［3］ LIPSHITZ，G.Divergence versus convergence in regional development［J］.Journal of Planning Literature，1992，7（2）：123－138.

［4］ WEI Y D.Spatiality of regional inequality［J］.Applied Geography，2015，61：1－10.

［5］ PETRAKOSG，RODRIGUEZ-POSEA，ROVOLISA.Growth，integration，and regional disparities in the European Union［J］.Environment and Planning A，2005，37（10）：1837－1855.

［6］ LIAO，F H F，WEI Y D.Dynamics，space，and regional inequality in provincial China：A case study of Guangdong Province［J］.Applied Geography，2012，35（1－2）：71－83.

［7］ LIAO F H，WEI Y D.Space，scale，and regional inequality in provincial China：A spatial filtering approach［J］.Applied Geography，2015，61：94－104.

［8］ SUTHERLAND D，YAO S.Income inequality in China over 30 years of reforms［J］.Cambridge Journal of Regions，Economy and Society，2011，4：91－105.

［9］ ZHANG W J，BAO S.Created unequal：China′s regional pay inequality and its relationship with mega-trend urbanization［J］.Applied Geography，2015，61：81－93.

［10］ FAN C C，SUN M.Regional inequality in China，1978－2006［J］.Eurasian Geography and Economics，2008，49（1）：1－18.

［11］ REY S J，JANIKAS M V.Regional convergence，inequality，and space［J］.Journal of Economic Geography，2005，5（2）：155－176.

［12］ REY S J，SMITH R J.A spatial decomposition of the Gini coefficient［J］.Letters in Spatial and Resource Sciences，2013，6（2）：55－70.

［13］ YU D L，WEI Y H D.Spatial data analysis of regional development in Greater Beijing，China，in a GIS environment［J］.Papers in Regional Science，2008，87（1）：97－117.

［14］ WEI Y H D.Regional inequality in China［J］.Progress in Human Geography，1999，23（1）：48－58.

［15］ YU D L，WEI Y H D.Analyzing regional inequality in post-Mao China in a GIS environment［J］.Eurasian Geography and Economics，2003，44（7）：514－534.

［16］ LI Y，WEI Y H D.The spatial-temporal hierarchy of regional inequality of China［J］.Applied Geography，2010，30（3）：303－316.

［17］ 王少劍，方創琳，王洋，等.廣東省區域經濟差異的多尺度與多機制研究［J］.地理研究，2014，34（10）：1184－1192.

［18］ 歐向軍，陳修穎.改革開放以來江蘇省區域經濟差異成因分析［J］.經濟地理，2004，24（3）：338－342.

［19］ 李小建，張小平，彭寶玉.經濟活動全球化對中國區域經濟發展的影響［J］.地理研究，2000，19（3）：225－233.

［20］ 周民良.經濟重心、區域差距與協調發展［J］.中國社會科學，2000（2）：42－53.

［21］ 張純記.中國省級經濟增長趨同研究——區域經濟增長過程變量的作用［D］.河南：河南大學，2004.

［22］ 李建豹，白永平，羅君，等.甘肅省區域經濟差異空間分析［J］.地域研究與開發，2011，30（6）：27－32.

［23］ 白景鋒，張海軍.基于EOF和GWR模型的中原經濟區經濟增長的時空分析［J］.地理研究，2014，33（7）：2244－2256.

［24］ 王海江，苗長虹.城市經濟區位時空變異分析［J］.城市問題，2009（4）：39－45.

［25］ 僉越.勞動供給沖擊對居民消費的影響——校準模型與動態分析［D］.南京：南京大學，2013.

［26］ 王建軍.城市化、第三產業發展與消費需求擴張［J］.經濟與管理，2006，20（8）：13－16.

［27］ 魏鳳英.現代氣候統計診斷與預測技術［M］.北京：氣象出版社，2007.

［28］ 王勁峰，葛詠，李連發，等.地理學時空數據分析方法［J］.地理學報，2014，69（9）：1326－1345.

［29］ TIFELSDORF M，GRIFFITH D A.Semiparametric filtering of spatial autocorrelation：The eigenvector approach［J］.Environment and Planning A，2007，39（5）：1193－1221.

［30］ ANSELIN L.Spatial Econometrics：Methods and Models［M］.Dordrecht：Kluwer，1988.

［31］ HAJIME S，DAISUKE M，MORITO T，et al.Application of LASSO to the eigenvector selection problem in eigenvector-based spatial filtering［J］.Geographical Analysis，2014，47（3）：284－299.