云南省人口與經濟區域結構特征研究

何夏蕓，王嘉學

（云南師范大學 旅游與地理科學學院，云南昆明 650500）

人口與經濟空間分布的均衡性越來越成為影響區域可持續發展的重要因素，因此對人口、經濟的空間結構形態研究，是認識區域均衡發展問題并尋求解決方案的新思路和新視角。空間自相關分析可揭示空間變量的區域空間結構形態，在國外已廣泛應用于計量學、遺傳學、流行病學、生態學等眾多領域[1-3]。近年來，國內的學者也紛紛嘗試運用空間自相關分析方法探索社會、經濟、人口、土地、資源環境等要素與地理空間的關系，如人口分布與城市空間格局的關系[4-6]、經濟空間格局演變的規律[7-9]、人口與其它資源要素之間的關系等[10-12]，也有少數研究把人口與經濟要素結合起來，研究區域人口與經濟空間均衡性和集聚性[13-14]。云南經濟發展水平落后，區域非均衡發展問題十分突出。近10余年來，地方政府已高度重視并著手解決區域發展不均衡問題，但地區間差異依然有所擴大。隨著國家“一帶一路”戰略的推進，云南省在迎來眾多機遇的同時，也使得解決區域不均衡發展問題更為急迫，亟需認清人口、經濟區域空間結構形態及其變化規律，以尋求應對策略。本文采用空間自相關分析方法，以2000、2005、2010年及2015年的云南省 125個縣（市）的人口與經濟數據為樣本，借助空間分析技術（GeoDa和ArcGIS），研究云南省人口與經濟要素分布的不均衡性，認識云南省人口與經濟空間分布形態、集聚特征以及時空演變規律，以期為政府制定人口與經濟發展政策提供依據。

1 研究方法與數據來源

1.1 全局空間自相關

全局Moran指數反映的是空間鄰接或鄰近的區域單元屬性值的相似程度。設xi是區域i的觀測值，則該變量的全局Moran指數I公式為：

I的取值一般為-1～1，小于0表示負相關，等于0表示不相關，大于0表示正相關。wij為空間權重矩陣，表示區域i與j的臨近關系。

1.2 局部空間自相關

1.2.1 局部Moran指數

局部Moran指數Ii是描述區域單元i周圍顯著的相似值區域單元之間空間集聚程度的指標，Ii被定義為：

正的Ii值表示該區域單元周圍相似值（高值或低值）的空間集聚，負的Ii值則表示非相似值的空間集聚。wij為空間權重矩陣。

1.2.2 Moran散點圖

以(Wz，z)為坐標點的Moran散點圖，常用來研究局部的空間不穩定性，它對空間滯后因子Wz和z數據進行可視化的二維顯示。Moran散點圖的四個象限，分別對應區域單元與其鄰居之間四種類型的局部空間聯系形式。第一象限代表了高觀測值的區域單元被同是高值的區域所包圍的空間聯系形式；第二象限代表了低觀測值的區域被高值的區域所包圍的空間聯系形式；第三象限代表了低觀測值的區域被同是低值的區域所包圍的空間聯系形式；第四象限代表了高觀測值的區域被低值的區域所包圍的空間聯系形式。與局部Moran指數相比，其重要的優勢在于能夠進一步具體區分區域單元和鄰居之間屬于高值和高值、低值和低值、高值和低值、低值和高值之中的哪種空間聯系形式[15]。

1.3 數據來源

以云南125個縣（市）為研究對象，其中包括16個地級市，80個縣級市以及29個自治縣。所用數據主要為各縣（市）邊界矢量圖（來源于地球系統科學數據共享平臺）和2000、2005、2010、2015年共計四年的云南省各縣（市）人口數據和GDP數據。人口和經濟數據均取自于相應年份的《云南統計年鑒》。

2 結果與分析

2.1 全局空間自相關分析

要計算云南省人口與經濟全局和局部相關性，首先要創建一個空間權重矩陣。本文采用K-nearest neighber算法進行計算。運用GeoDa空間分析軟件對人口和經濟數據進行處理，分別得到人口與經濟全局Moran's I指數。如表1所示，2000、2005、2010、2015 年人口與經濟全局Moran's I指數值均為正，說明云南各縣（市）相近區域在人口與經濟屬性上具有相似性，同時全局Moran's I指數值大于0，且有較高的Z值和較低的P值，即可認為云南省各縣（市）人口與經濟的空間分布具有較明顯的空間正相關。進一步運用GeoDa 軟件計算得到 2000、2005、2010、2015 年人口與經濟的Moran散點圖（圖1、圖2），散點圖可以更直觀的反映出空間變化特征。由圖1、圖2可知，全局Moran's I指數均為正，說明云南各縣（市）人口和經濟的空間分布屬性具有空間正相關性，人口密度高（低）的區域的周邊縣（市）人口密度也高（低），GDP總量高（低）的區域的周邊縣（市）GDP總量也高（低）。云南人口Moran's I指數在2000年最高，隨之有所下降，表明人口出現了分布差異。人口Moran's I指數在2015年又有所上升，則原因可能是近些年來云南對外來人口吸引力有所增強以及國家二胎政策的頒布與實施，導致人口自然增長率有所上升，人口出現集聚分布。云南省2005年GDP Moran's I指數相比2000年有所上升，2010年又相比2005年有所上升，表明經濟發展水平整體上處于良好發展態勢，呈現出了空間集聚特征。與此同時，隨著空間經濟的集聚分布，地區間的差異也逐漸拉大。

圖1 云南省人口Moran's I散點圖

表1 云南人口與經濟全局Moran指數及檢驗

2.2 局部空間自相關分析

全局Moran指數對空間自相關的評估忽略了空間過程的潛在不穩定性，為了進一步分析觀測值的高值或低值的局部空間集聚，則必須進行局部空間自相關分析。

2.2.1 人口局部空間自相關演變特征

由圖1可知，大多數市縣落在第一、第三象限，屬于高-高類型和低-低類型，這表明人口具有集聚特征。圖3可以直觀反映出2000、2005、2010、2015年四個代表年份的人口空間分布特征，由圖3可得，自2000年以來，昆明、呈貢、安寧、通海、彝良等一直是人口分布的高-高類型，說明這些地區人口密度高，周邊縣（市）的人口密度也高。低-低類型區則主要包括滇西北和滇西南地區，說明這些縣（市）的人口數量相對較少，周邊地區也一樣。而低-高類型和高-低則說明它們與周邊地區的空間差異較大，表現出較強的空間負相關性。從圖3來看，高-高、低-低、低-高及高-低四種集聚類型所對應的縣（市）在四個年份中變化都不大，除了2010年高-高類型所對應的地區有所減少外，其他年份都變化不大。變化的地區主要有彝良、嵩明、玉溪、晉寧等市縣，原因可能是由于經濟增長速度變緩以及國家人口政策的影響，所以導致高-高類型轉為低-低類型或者其他類型。總體看來，云南省縣（市）人口空間分布格局的演變總體上變化不大，大致形成了滇中地區、滇東北部分地區的高-高類型分布和滇西北、滇西南地區的低-低類型分布。

圖2 云南省GDP Moran's I散點圖

2.2.2 經濟局部空間自相關演變特征

由圖2可知，云南各縣市多數還是落在了第一、三象限，屬于高-高類型和低-低類型，說明經濟分布呈現出一定的空間集聚特征。圖4可知，滇中地區的呈貢、安寧、晉寧和滇東地區的富源、宣威等縣（市）自2000年以來一直屬于高-高類型，說明這些地區經濟發展水平高，周邊地區經濟發展水平也高，這也表明了這些地區的經濟發展輻射帶動能力較強，很好的帶動了周邊地區的經濟發展。低-低類型主要包括滇西北和滇東南的大部分縣（市），說明這些地區的經濟發展水平較低，而它們周邊縣（市）的經濟發展水平也不高，也表明了經濟發展水平低的地區影響和帶動周邊地區發展的可能性較小。高-低和低-高區說明自身與周邊地區經濟發展差異巨大，但依然有部分縣（市）落在了第二、四象限，說明云南省相當一部分市縣的經濟空間分布趨于分散，空間集聚特征不明顯。同時云南各縣（市）經濟空間分布的變化自2000年以來并不明顯。

2.2.3 人口與經濟局部空間自相關分析

選取2000年和2015年人口和經濟數據，以人口作為第一變量，GDP作為第二變量，利用局部自相關分析方法分析人口與經濟的空間關聯性，并分別得到2000年和2015年人口與經濟Moran散點圖（圖5），根據云南省人口與經濟Moran散點圖的四個象限，得到HH、LL、LH、HL分別所對應的市縣，根據人口與經濟發展的協調程度，對其進行定性分類。把云南省劃分為4種類型（表2、 圖6），即高-高型、低-低型、低-高型與高-低型。

圖3 云南省各縣市人口局部空間自相關LISA圖

圖4 云南省各縣市GDP局部空間自相關LISA圖

由圖5可知，大部分的縣（市）落在一、三象限，屬于高-高類型和低-低類型，說明人口與經濟分布呈現出空間集聚模式。2015年Moran's I指數從相比2000年有所下降，說明2015云南人口與經濟空間集聚效應有所減弱，人口和經濟空間分布趨于分散。由表2、圖6可知，云南人口與經濟發展存在明顯的地域不均衡性。高-高型表示區域經濟發展水平與人口集聚程度是同時進行的，經濟發展水平較高，人口也集中分布，人口與經濟趨于協調發展。2000年，這類地區主要分布在滇中地區、滇東部分地區以及滇東北部分地區，且分布較為集中，2015年滇中、滇東地區依然保持不變，但其它地區出現該類地域類型，如麗江、騰沖、保山、呈貢、個舊等地區從其它地域類型轉變為高-高型地區。由于中東部地區自然條件優越，環境資源承載能力強，基礎設施發展完善，所以人口集聚和經濟集聚都有較高的水平，且較高的收入、良好的教育水平吸引著邊遠地區更多的人來這些地區求生存、求發展，同時也說明旅游業帶來的發展潛力是巨大的。低-低型表示區域經濟發展水平低，人口趨于分散，人口與經濟相對協調發展，相對比上者，這類地區的人口與經濟發展狀況表現為低水平協調。這一類型的地區所占比例最高，主要分布在滇西北、滇西南、滇西以及滇東南部分地區，由于受自然條件限制以及交通等基礎設施的不完善導致經濟發展相對薄弱，人口規模小。2015年相比2000年該地域類型數量有所下降。原因則可能是區域政策和產業結構變動的影響，例如國家大力培育和發展旅游業，產業結構進行轉型升級等。低-高型表示區域經濟發展水平較高，但是人口趨于分散，人口增長落后于經濟發展水平，是一種超前型的地域發展類型，這類地區主要集中分布在高-高型地區周邊，至2015年數量有所增加，如景洪、勐海、勐臘、楚雄、德欽、中甸等地區由低-低型轉變為低-高型地區。隨著國家大力發展邊境貿易和邊境旅游政策的實施，邊境地區經濟得到快速發展。高-低型表示區域經濟發展水平較低，但是人口集中分布，經濟發展水平落后于人口增長，是一種滯后型的地域發展類型。這類地區2000年分布相對集中，主要分布在滇東北、滇東、滇西部分地區，至2015年數量有所下降，這類區域多依靠第一產業的發展，農業人口數量較多經濟增長相對緩慢。

圖5 云南省2000年和2015年人口與經濟Moran's I散點圖

表2 云南省人口與經濟發展類型劃分

3 結論及建議

3.1 結論

1）云南各縣（市）人口與經濟的空間分布存在較強的空間集聚特征，但是兩者的變化特征又有所不同：人口Moran's I指數在2000年最高，隨之有所下降，空間集聚性有所減弱，在2015年又有所上升，人口出現集聚分布；云南省2005年GDP Moran'sI指數相比2000年有所上升，2010年又相比2005年有所上升，呈現了空間集聚特征。與此同時，隨著經濟的集聚分布，地區間的差異也逐漸拉大。

圖6 云南省人口—經濟發展地域類型劃分

2）云南各縣（市）人口空間分布格局的演變總體上變化不大，大致形成了滇中地區、滇東北部分地區的高-高類型分布和滇西北、滇西南地區的低-低類型分布。經濟分布呈現出了空間集聚模式，在分布區域上與人口分布格局大致吻合。

3）云南人口與經濟發展存在明顯的地域不均衡性，存在較大差異。并根據人口與經濟發展的協調程度，把云南劃分為高-高型、低-低型、低-高型與高-低型4類。其中，高-高型表現為高協調發展，低-低型表現為低協調發展，低-高型表現為超前型發展，高-低型表現為滯后型發展。從總體趨勢上看，高-高型與低-高型區域的數量有所增加，低-低型和高-低型區域的數量有所減少，說明云南省人口-經濟發展的協調度在有些地區有所下降，在有些地區有所上升。

3.2 人口與經濟的區域結構優化建議

1）針對云南省超前型區域數量有所增加、人口-經濟協調度降低以及地區間發展差異逐漸擴大等現實，應在人口管理和經濟發展上進行有效的干預和調節，以促進人口與經濟的協調發展。

2）高-高型縣（市）主要分布于滇中、滇東地區，主要表現為人口與經濟高-高集聚，這類縣市是云南省社會發展的核心帶動區，但目前此類地區的數量不多，且輻射帶動作用未能完全發揮。應緊抓高鐵時代和“一帶一路”機遇，加速構建滇中城市經濟圈，發揮集聚效應，進一步提升滇中地區的影響力、輻射力和帶動力；低-低型縣（市）主要分布在滇西南、滇西北以及滇東南，數量最多，主要表現為人口與經濟低-低集聚，人口與經濟都緩慢增長，可依托其特殊的區位優勢和豐富的旅游資源，通過建設對外加工基地及大力發展對外貿易與特色旅游等，培育經濟增長極和增長軸，為當地經濟發展注入新的活力；低-高型縣（市）多分布在高-高型周邊，數量也較少，主要表現為人口發展滯后于經濟發展水平，該類地區應加強與高-高型地區的合作與交流，確保人口與經濟的可持續發展；高-低型縣（市）在滇東和滇東北部分地區是成片分布的，其他地區分布相對分散，主要表現為經濟發展滯后于人口增長水平，應著力培育和壯大新產業，加快城市化進程，引導農村勞動力向城市轉移，不斷優化人口與經濟空間格局。

參考文獻：

[1]WULDER M,BOOTS B.Local spatial autocorrelation characteristics of remotely sensed imagery assessed with the Gatsstatistic [J].International Journal of Remote Sensing,1998,19(11)：2223-2231.

[2]TIEFELSDORF M.Modelingspatialprocess：the identification and analysis of spatial relationships in regression residuals bymeans of Moran's I[M].Berlin：Springer,2000：26-28.

[3]郭鵬軍,劉海龍,肖杰.晉陜豫黃河金三角地區人口分布特征[J].商洛學院學報,2017,31(4)：86-70.

[4]封磊,洪偉,吳承禎,等.福州市人口分布的空間自相關分析[J].江西農業大學學報,2008,30(3)：569-574.

[5]張玉,董春.瀾滄江流域(云南段)人口密度空間自相關分析[J].測繪科學,2011,36(4)：118-120.

[6]冒小棟,劉瓊芳.江西省人口分布空間自相關分析[J].華東交通大學學報,2014,31(2)：131-138.

[7]呂韜,曹有揮.“時空接近”空間自相關模型構建及其應用——以長三角區域經濟差異分析為例[J].地理研究,2010,29(2)：351-360.

[8]李國柱,朱忠芳,李新通.基于空間自相關分析方法的福建省縣域經濟研究[J].科技情報開發與經濟,2008,18(6)：102-104,107.

[9]華娟,涂建軍,孔露平,等.基于空間自相關的重慶區域經濟時空差異研究[J].西南大學學報(自然科學版),2012,34(10)：118-123.

[10]王雨生,郭健,鄧毅博,等.基于空間自相關分析的人口與耕地變化研究[J].地礦測繪,2012,28(1)：18-22.

[11]李海蓉,闞璦珂.攀枝花市人口分布與道路設施布局空間自相關研究[J].科學技術與工程,2014,14(20)：281-285,312.

[12]王輝,苑瑩,劉帆,等.遼寧省人口、經濟與環境協調發展的空間自相關分析[J].人口與發展,2013,19(3)：29-37.

[13]童新梅,周春山.1990—2010年廣東省人口與經濟空間集聚特征研究[J].西北人口,2016,37(2)：96-101.

[14]宋富強,鄭壯麗,馮德顯,等.河南省人口與經濟空間集聚特征及優化[J].地域研究與開發,2013,32(6)：116-120,126.

[15]徐建華.計量地理學[M].高等教育出版社,2006：120-126.