基于ESDA的江蘇省人均GDP時空演變研究

程　欣

(南京工業大學測繪科學與技術學院，江蘇南京 210000)

?

基于ESDA的江蘇省人均GDP時空演變研究

程欣

(南京工業大學測繪科學與技術學院，江蘇南京 210000)

以江蘇省為研究對象，基于探索性數據分析和地理加權回歸分析方法，分4個時期定量探究2003～2014年江蘇省人均GDP空間分異的空間集聚程度和時空演變特征，討論固定資產投資、工業總產值、人口密度和常住人口與江蘇省人均GDP的空間相關關系，以此為依據剖析江蘇省的人均GDP空間組織結構特征。結果表明：江蘇省人均GDP在空間上表現出較強的集聚性，空間布局異質性較強、差異性顯著；4個驅動因素對人均GDP的影響程度由大到小依次為常住人口、人口密度、工業總產值、固定生產總值。其中，常住人口與人口密度對江蘇省人均GDP的影響作用較大，影響強度由北部向南部城市逐漸遞增。江蘇省未來的發展政策應當加強區域合作，積極推進南北產業轉移，整合各種區域要素和空間結構，力爭實現區域經濟的統籌協調發展。

GWR模型；空間自相關；人均GDP；江蘇省

改革開放以來，我國城市化、工業化進程不斷加快，經濟效益水平明顯提高。2014年我國經濟總量已位居世界第二，但人均GDP只有6 800美元，排在世界80位以后。近年來，我國衡量經濟發展水平和人民生活質量的參考數據已不再局限于單一的GDP指標，人均GDP也成為重要參考指標之一。人均GDP是劃分一個區域經濟發展階段的重要依據，它不僅考慮了經濟總量的大小，而且結合了人口的因素。我國經濟進入新常態后，未來經濟增長前景問題受到了普遍關注。所以，在科學分析國內外經濟發展形勢、準確把握我國經濟發展新常態的基本國情基礎上，用人均GDP來反映區域經濟的增長和發展情況有助于準確地把握區域宏觀經濟的運行狀況，具有一定的現實意義。

人均GDP是一系列因素的綜合反映，借鑒已有研究成果[1-3]，筆者以綜合經濟實力一直處于領先地位的江蘇省為例，以市域為研究單元，選取了反映社會經濟發展水平的4個因子即固定資產投資、工業總產值、人口密度與常住人口指標為自變量，各市人均GDP為自變量，運用空間自相關分析方法[4-6]分析2003～2014年江蘇省人均GDP時空格局演變的空間關聯性、特征與成因，并在此基礎上將空間特性納入GWR模型以探索影響人均GDP格局的驅動因素[7]，深入剖析造成經濟差異的作用機理，對于當前和今后我國經濟的進一步提高具有重要參考價值。

1　數據來源與研究方法

1.1研究區域與數據來源江蘇省地處長江三角洲，是我國綜合發展水平最高的省份之一。從工業基礎和產業結構上看，江蘇省制造業基礎較好，比重高，總量大，增速快，因此，江蘇省GDP總量能夠保持在全國前列。從2003年開啟21世紀新一輪的經濟體制改革開始到2014年，江蘇省人均GDP居全國各省首位，高達81 874元，2003～2014年江蘇省經濟轉型升級全面提速，但區域內部差異顯著。于是，在時間尺度上，該研究以2003、2006、2009和2012年4個年份作為時間樣本；在空間尺度上，對江蘇省行政區劃進行調整得到38個市，將其作為空間樣本，其中包括13個地級市和25個縣級市。該研究數據資料均取自《江蘇統計年鑒》(2003～2014年)。

1.2研究方法

1.2.1空間自相關。近年來，衡量區域經濟差異的指標主要有極差、標準差、(加權)變異系數、基尼系數、泰爾指數和ESDA方法。基于ESDA全局和局部空間自相關分析是研究鄰近位置屬性相關性的空間統計學方法，目的是確定某一變量是否在空間上相關及其相關的程度[8]。根據局部與整體的關系，空間自相關可分為全局空間自相關和局部空間自相關。其中，全局空間自相關使用單一的值來反映該區域的自相關程度[9]，用來揭示整個研究區域的空間模式，公式為：

(1)

式中,n表示空間單元數目;xi、xj表示空間單元i和j的屬性值;wij是空間權重系數矩陣，表示各空間單元鄰近關系。

Moran’s I的取值區間為[-1，1]，當值小于0時表示空間負相關，等于0時表示不相關，大于0時表示正相關。對于Moran指數，可以用標準化統計量Z[10]來檢驗n個區域是否存在空間自相關關系，計算公式為：

(2)

式中，Z表示空間自相關的顯著水平；E(I)表示Global Moran’s I的數學期望；VAR(I)表示方差。Moran指數所對應的Z值越高或越低，代表其顯著性越強。該研究采用P值表示顯著性水平，當P值小于0.05時結果為顯著，當P值小于0.01時結果為極顯著。

而局部空間自變量是用來揭示每一個空間單元與鄰近單元就某一屬性的相關程度[11]。該研究使用Local Moran’s I來衡量局部空間自相關，計算公式為：

(3)

同樣地，局部Moran指數也需要檢驗，檢驗的標準類似全局Moran指數。

1.2.2地理加權回歸分析方法。空間自相關分析研究了江蘇省人均GDP水平是否具有一定的空間相關性以及顯著的地區差異性，但是人均GDP空間格局的演變受到多種因素的影響，這些影響因素在區域上也存在差異，即存在空間非平穩性。綜上所述，證明區域經濟發展水平不再滿足普通最小二乘法(簡稱OLS)要求的區域之間相互獨立的先驗假設，導致基于OLS的經典線性回歸模型估計結果及推論可能不夠可靠，需要引入空間差異性和空間依賴性對經典線性模型進行修正[12]。

地理加權回歸模型(GWR)是由地理學家Fotheringham、Charlton等提出的用于研究空間數據復雜性、自相關性和變異性的新方法。GWR模型的實質是局部加權最小二乘法，其中的“權”為研究區域單元所在的地理空間位置到其他單元的地理空間位置之間的距離函數[13]。GWR模型可以在空間上對每個觀測對象的參數進行估計，此時的參數是指利用鄰近觀測對象的子樣本數據信息進行局域回歸估計得到的，隨著空間上局部地理位置變化而變化的變數，它更能較好地揭示經濟變量之間的空間依賴性[14]。其模型表達為：

(4)

式中,(ui,vi)是第i個樣本點的空間坐標;εi為殘差;βk(ui,vi)是連續函數βk(u,v)在i點的值。

2　結果與分析

2.1單變量空間分布特征受自然條件和社會經濟發展的影響，江蘇省人均GDP在空間上的分布存在差異性。2003～2014年樣本年份江蘇省各市的人均GDP分布見圖1。圖1顯示，江蘇省各市人均GDP并沒有表現出完全的隨機性：①各市人均GDP水平在研究期內均呈現上升趨勢，其空間格局在時間上較為穩定；②人均GDP高值區主要集中在以昆山、張家港、常熟、太倉和蘇州為中心的經濟較發達地區。由于張家港和常熟、太倉主要以鋼鐵和紡織業為主，外企數量相對昆山、蘇州市少，外來人口少，所以其人均GDP略高于其他經濟較為發達的城市；③人均GDP低值區集中于宿遷、連云港、邳州及其周邊城市，這些區域農業比例高，工業化、城市化、市場化進程慢，是江蘇省經濟相對落后的地區。

圖1　不同年份江蘇省各市人均GDP水平Fig.1　The per capita GDP level of different counties in Jiangsu Province

該研究運用Geoda軟件對不同時間點的江蘇省人均GDP數據進行了全局空間自相關分析，結果見圖2。如圖2所示，在研究期間Global Moran’s I皆為正數并且總體呈下降趨勢，表明隨著時間的推移，江蘇省人均GDP發展水平相似(高-高或低-低)的地區在空間上集中分布的趨勢在不斷減弱。長期以來，江蘇省區域經濟發展的基本格局是發達地區集中在蘇南，欠發達地區集中在蘇北[15]，但是隨著經濟發展方式轉型、產業結構調整和南北產業轉移，江蘇省區域間發展不平衡矛盾正在逐步緩解，江蘇省人均GDP水平的差異在逐漸縮小。2009年以后，Global Moran’s I值趨于穩定。

圖2　江蘇省人均GDP水平的全局Moran’s I指數Fig.2　The overall Moran’s I index of the per capita GDP level in Jiangsu Province

為了清楚地體現江蘇省人均GDP水平的時空格局變化，2003、2006、2009和2012年江蘇省各市人均GDP的LISA集聚結果見圖3。由圖3可知：

(1)2009年以后江都不再屬于人均GDP低值聚集地，這是由于2009年撤市設區增添了江都發展的強勁動力，使其經濟持續穩定增長。在農業方面，農業結構調整成效顯著，農業綜合生產能力進一步提高；在工業方面，工業經濟總量和效益實現同步增長，綜合實力不斷增強。

(2)常州和江陰成為新的人均GDP高集聚地，這是由于常州和江陰的企業轉型對勞動力的需求量減少，使得外來人口遷入數量大大減少，從而人均GDP得到提升。

(3)空間差異較小、區域自身和周邊水平均較高的城市(高-高)，全部坐落在蘇南地區。而空間差異較小，區域自身和周邊水平均較低的城市(LL)，大多數分布在蘇北地區。換言之，隨著經濟改革逐步深化，江蘇省城市之間存在著一定的空間效應，使得城市之間呈現集聚發展趨勢。

圖3　2003、2006、2009、2012年江蘇省人均GDP的LISA集聚結果Fig.3　LISA cluster of the per capita GDP in Jiangsu Province in 2003,2006,2009 and 2012

2.2人均GDP的空間特征

2.2.1GWR模型的構建。采用GWR的加權最小二乘法對2003、2006、2009和2012年江蘇省38個市的空間單元數據進行人均GDP發展水平估計。設江蘇省某城市人均GDP GWR模型為：

yi=β0(ui,vi)+β1(ui,vi)(T1i)+β2(ui,vi)(T2i)+β3(ui,vi)(T3i)+β4(ui,vi)(T4i)+εi

(5)

式中,β1(ui,vi)、β2(ui,vi)、β3(ui,vi)、β4(ui,vi)分別為常住人口、人口密度和固定資產投資和工業總產值回歸系數；Tki(k=1,2,3,4)是解釋變量矩陣；εi為常數項，且服從方差為常數的正態分布[13]。表1是以2003、2006、2009和2012年為截面對GWR結果的展示。可知模型擬合優度(Adjusted R2)基本達到60%以上，整個GWR估計模型能較好地模擬各變量對江蘇省人均GDP水平的影響。

表12000、2006、2009和2012年江蘇省人均GDP GWR模型結果

Table.1Results of GWR model of per capita GDP in Jiangsu Province in 2000,2006,2009 and 2012

模型參數Modelparameter2003年2006年2009年2012年R20.79630.76450.68810.7787AdjustedR20.68870.65220.59840.7312AICc820.4971869.2280864.8082867.0061

在GWR模型中，每一個空間單元都有特定的系數。對江蘇省不同年份GWR模型的局部回歸系數進行詳細統計，結果見圖4。

圖4中的系數變化差異進一步量化了人均GDP驅動因素的局部空間異質性。4個解釋變量在各市的參數估計結果均不相同，并且這4個解釋變量對人均GDP在江蘇省區域空間上的差異日益減小，其中固定生產總值有正有負，常住人口的回歸系數皆為負值，其余指標的回歸系數全部為正值，表明各個解釋變量對江蘇省人均GDP的影響存在空間差異。以2012年為例，常住人口系數變化范圍為[-116.270 5,-62.438 5]，意味著在江蘇省某一個空間區位，常住人口每多1萬，人均GDP將波動[-116.270 5,-62.438 5]元；人口密度系數變化范圍為[57.204 9,70.404 1]，意味著在江蘇省某一個空間區位，每平方公里增加1人，人均GDP將向上浮動[57.204 9,70.404 1]元；固定資產投資系數變化范圍為[-0.831 7,5.810 5]，意味著在江蘇省某一個空間區位，固定資產投資每增加1億元，人均GDP將隨之浮動[-0.831 7,5.810 5]元。工業總產值系數變化范圍為[3.254 0,4.406 6]，意味著在江蘇省某一個空間區位，工業總產值每提升1億元，人均GDP將增加3.254 0元，而在另一個空間位置，工業總產值每提高1億元，人均GDP將增加4.406 6元。另外，解釋變量的系數平均值反映了其對人均GDP的平均邊際貢獻，平均系數的正負性決定其對人均GDP的導向作用。

圖4　GWR模型回歸系數的描述性統計分析Fig.4　Descriptive statistical analysis of the regression coefficients in the GWR model

GWR模型的回歸系數表明，4個解釋變量對人均GDP的影響程度由大到小依次為常住人口、人口密度、工業總產值、固定生產總值。具體來說，常住人口和人均GDP兩者之間呈現明顯的負相關特性，表明常住人口的增加是限制江蘇省人均GDP發展的因素之一；人口密度和人均GDP兩者之間呈現明顯的正相關特性，結果表現為人口密度越大，人均GDP越高；工業產值比重雖然對江蘇省人均GDP也表現出正相關關系，但回歸系數明顯小于人口密度；根據上述回歸系數分析，固定生產總值是唯一對人均GDP既有抑制又有促進作用的變量。

2.2.2各變量對人均GDP空間格局影響特征。江蘇省人均GDP的GWR模型回歸系數分布見圖5。

(1)常住人口對人均GDP水平的影響特征。圖5a中回歸系數均為負值，可以看出，常住人口和人均GDP水平呈現負相關，說明常住人口在一定程度上阻礙了人均GDP水平的進一步提升，影響了當地經濟的發展。從回歸系數的空間分布來看，系數絕對值由江蘇省北部城市向南部城市逐漸遞增，最小值出現在徐州和邳州，最大值在蘇州、昆山和太倉。說明常住人口對江蘇省徐州、邳州等北部城市人口GDP影響相對較小，對南部地區影響較大。上述現象的出現可能是由于蘇南作為江蘇省乃至全國經濟最具活力的地區，擁有較多的就業機會，較高的經濟發展和收入水平，持續吸引周邊大量外來勞動力、科技人才的集聚，形成了人口集聚區。而蘇北較低的經濟發展水平、收入水平，吸引力不足，進而人口差異形成了人均GDP分布的不均衡格局。

圖5　江蘇省人均GDP的GWR模型回歸系數分布Fig.5　Distribution of regression coefficients based on GWR model

(2)人口密度對人均GDP水平的影響特征。圖5b顯示，人口密度對江蘇省人均GDP的影響呈現了極強的促進作用，其影響程度由蘇北向蘇南地區逐步增強。這可能是由于蘇北的農業比重較高，農業產業化還處于初始階段，非農產業較為落后，而蘇南非農產業比重大大超過蘇北，非農產業內部結構也遠高于蘇北，對勞動力的需求大。

(3)工業總產值對人均GDP水平的影響特征。圖5c顯示，工業總產值和江蘇省人均GDP水平存在明顯的正相關關系，并且從數值上看，回歸系數絕對值較穩定，其高值主要位于徐州、邳州和連云港，低值主要位于江蘇省經濟發展多樣化的政治中心南京。

(4)固定資產投資對人均GDP水平的影響特征。圖5d顯示，一方面，固定資產投資和江蘇省人均GDP水平可能由于空間滯后性在徐州、邳州、新沂、鹽城和宿遷呈負相關關系；另一方面，固定資產投資和人均GDP水平在江蘇省其他城市呈正相關關系，并且系數絕對值由北向南逐漸遞增。

3　結論與建議

該研究基于2003～2014年江蘇省人均GDP水平，分別探索固定資產投資、工業總產值、人口密度和常住人口4個驅動因素與江蘇省人均GDP空間分異的關系，并從總體特征、驅動因素的空間格局特征等方面進行隱含在數據中的潛在機理和時空結構信息的深層次挖掘，揭示江蘇省人均GDP空間分布格局。得出以下結論：①江蘇省人均GDP的空間格局并不是完全隨機分布，總體上表現為地區之間較強的集聚性，以及在南北地區之間顯著的差異性。②工業總產值、人口密度對江蘇省人均GDP的發展具有很強的正相關性；常住人口對江蘇省人均GDP的發展具有顯著負相關性；固定資產投資對江蘇省人均GDP的發展在空間上，南北顯示不同的相關性。③在相同的其他前提條件下，人口存在規模效益。人口密度大的蘇南地區的城市可以利用自身的人口規模優勢，集聚更多優秀的產業。④江蘇省作為經濟大省，工業對GDP做出了重大貢獻，但在經濟轉型時期，江蘇省應及時調整產業結構，優化產業布局，進一步提高工業化水平，從而提高人均GDP。⑤隨著產業結構的轉移、區域交通條件的改善，以及蘇南土地稀缺、勞動力成本高等問題的出現，蘇北經濟相對落后的地區應充分利用廉價的勞動力和土地成本優勢，大力加大和優化固定資產投資，從而升級經濟結構。

為進一步協調江蘇省區域經濟發展，應當打破區域經濟差異，在遵循因地制宜、優勢互補、互惠互利的原則上，加大宏觀調控力度，彌補市場不足，加強區域合作，整合各種區域要素和空間結構，力爭實現江蘇省區域經濟的統籌協調發展。

[1]李平星,陳誠,陳江龍.鄉村地域多功能時空格局演變及影響因素研究：以江蘇省為例[J].地理科學,2015(7)：845-851.

[2]吳建民,任國榮,丁疆輝.縣域城鎮化水平綜合測評及其動力構成分析：以河北省為例[J].地理與地理信息科學,2015(3):845-851.

[3]甘靜,郭付友,陳才,等.2000年以來東北地區城市化空間分異的時空演變分析[J].地理科學,2015(5):565-574.

[4]馮長春,曾贊榮,崔娜娜.2000年以來中國區域經濟差異的時空演變[J].地理研究,2015(2):234-246.

[5]崔長彬,姜石良,張正河.河北縣域經濟影響因素的空間差異分析：基于貝葉斯地理加權回歸方法[J].經濟地理,2012,32(2):39-45.

[6]蒲英霞,葛瑩,馬榮華,等.基于ESDA的區域經濟空間差異分析：以江蘇省為例[J].地理研究,2005(6)：965-974.

[7]蘇方林.基于地理加權回歸模型的縣域經濟發展的空間因素分析：以遼寧省縣域為例[J].學術論壇,2005(5)：81-84.

[8]劉吉平,呂憲國,崔煒煒.別拉洪河流域濕地變化的多尺度空間自相關分析[J].水科學進展,2010,21(3):392-398.

[9]張松林,張昆.全局空間自相關Moran指數和G系數對比研究[J].中山大學學報(自然科學版),2007,46(4):93-97.

[10]張松林,張昆.局部空間自相關指標對比研究[J].統計研究,2007,24(7):65-67.

[11]趙小風,黃賢金,張興榆，等.區域COD、SO2及TSP排放的空間自相關分析：以江蘇省為例[J].環境科學,2009,30(6):1580-1587.

[12]俞路.基于GWR模型的長三角區域經濟增長主導因素研究[J].工業技術經濟，2011，214(8):27-32.

[13]張雅杰,金海,谷興,等.基于ESDA-GWR多變量影響的經濟空間格局演化：以長江中游城市群為例[J].經濟地理,2015(3)：28-35.

[14]FOTHERINGHAM A S，CHARLTON M，BRUNSDON C.The geography of parameter space: An investigation of spatial non-stationarity[J].International journal of geographical information systems,1996,10(5):605-627.

[15]李富閣,吳先滿,胡健生.江蘇經濟50年[M].南京:江蘇人民出版社,1999:364-386.

Spatial-temporal Evolution Analysis of Per Capita GDP in Jiangsu Province Based on ESDA

CHENG Xin

(College of Geomatics Science and Technology,Nanjing Tech University,Nanjing,Jiangsu 210000)

Taking Jiangsu Province as the research object,this article explored the spatial and temporal evolution characteristics of per capita GDP in Jiangsu Province from 2003 to 2012,based on the spatial econometric methods of ESDA and GWR.We also discussed the spatial correlation between fixed-asset investment,total industrial output value,population density and permanent resident population and the per capita GDP of Jiangsu Province,in terms of which we analyzed the structure characteristics of GDP spatial structure in Jiangsu Province.The results showed that the per capita GDP in Jiangsu Province demonstrated a strong agglomeration in space,and the heterogeneity and differences of spatial distribution between regions were notable.The impact degrees of the four driving factors for the per capita GDP was permanent resident population >population density >total industrial output value >fixed assets investment,among which,permanent resident population and population density had a bigger influence on the development of the per capita GDP of Jiangsu Province,and the effect intensity increased from northwest regions to southeast regions.Based on the research results,the development policy of Jiangsu Province in the future should put an emphasis on strengthening the regional cooperation,actively promoting the industrial transfer of the South and North,and integrating all kinds of regional factors and spatial structure,so as to realize the coordinated development of regional economy.

Geographically weighted regression model;Spatial auto-correlation;Per capita GDP;Jiangsu Province

程欣(1992- )，女，江蘇儀征人，碩士研究生，研究方向：土地規劃。

2016-07-04

S-9

A

0517-6611(2016)25-219-05