基于ESDA 的中國汽車產業空間演變研究

李洪慶 康凱 劉磊

（中國汽車技術研究中心有限公司情報所）

汽車產業是推動新一輪科技革命和產業變革的重要力量，是建設制造強國的重要支撐，是國民經濟的重要支柱[1]。歐美日韓等發達國家的汽車工業發展較為成熟，伴隨著技術革命的推進和生產力的提高，汽車工業布局不斷變化，產業集聚程度日益提高。很多學者[2-3]從產業集聚的視角對汽車工業布局進行深入研究，探討區域發展的平衡程度對資源間割裂的影響。文獻[4]等對德國汽車制造業空間布局進行了研究，文獻[5]對澳大利亞汽車制造業空間布局進行了研究。在國內，文獻[6]對汽車產業省區專業化進行了研究，文獻[7]對我國汽車產業布局的時空變化規律進行了探討。伴隨著不同分析方法、不同研究尺度的探討，汽車產業的空間布局的研究方法也在不斷的成熟。然而，任何事物與其周圍事物都存在聯系且與其相近事物的聯系更為緊密，幾乎所有空間數據都具有空間依賴性或空間自相關特征[8-9]，因此對中國汽車產業空間演變規律研究具有重要的意義。探索性空間數據分析（Exploratory Spatial Data Analysis，ESDA）是以空間關聯性測度為核心的空間數據分析方法和技術的有效結合，通過對數據進行可視化，揭示空間集聚狀態和相互作用機制。文章以我國整體為研究對象，以31 個省、市、自治區為研究單元，基于1983、1995、2006、2018 年中國汽車生產省域統計數據，通過全局和局部自相關分析方法對中國汽車生產空間布局進行分析，分別從不同權重矩陣和時間緯度研究全局自相關，從Moran 散點圖和LISA 集聚分布研究局部自相關，從而獲取中國汽車生產的空間依賴性和分異特征。

1 數據來源與研究方法

1.1 數據來源

文章中的研究數據主要來自《中國統計年鑒》、《中國汽車工業年鑒》、各省市區的統計年鑒、國家統計局、中國汽車工業信息網、中國汽車工業協會等。數據共涉及我國31 個省、市、自治區。

1.2 研究方法

1.2.1 全局空間自相關指標

根據地理學第一定律，任何事物都不是孤立存在的，事物之間必然存在某種關聯，只不過距離相近的事物關聯會更加凸顯[10]。全局空間自相關可以衡量區域整體的空間差異和空間聯系，以便判斷研究對象即文章研究的汽車生產是否存在空間集聚，文章采用Global Moran's I 指數用于表示空間聚集程度，其計算公式為：

n——所研究的省域總數；

wij——空間權重值。

莫蘭指數是一個有理數，經過方差運算后，得到的值會被歸一化處理到-1 和1 之間，當I＜0 時表示空間負相關，其值越小，空間差異性越大，隨著自變量的增長，因變量隨著減少，即汽車生產空間特征呈現為高值區和低值區相鄰的分散狀態；當I＞0 時表示空間正相關，其值越大，空間相關性越強，隨著自變量的增長，因變量也隨著增長，即汽車生產空間特征呈現為高值區和高值區或者低值區和低值區相鄰的集聚狀態；當時表示不存在關聯性，區域間為隨機分布，即省域汽車生產不存在空間相關性。

1.2.2 局部空間自相關指標

全局空間自相關是從整體角度來說明不同區域之間差異的平均程度，但是對于區域內部之間的差異性無法有效進行量化描述，即空間依賴性。為了全面反映中國汽車生產省域之間的空間集聚程度，文章采用Moran 散點圖和LISA 統計指標來考察局部的相關性差異。

1）Moran 散點圖。Moran 散點圖通常用來研究局部空間不穩定性，橫坐標為變量向量，縱坐標為變量的空間滯后向量，Moran 散點圖既可以檢測局部空間是否存在關聯及探索全局空間關系，還可以將分析結果使用二維圖可視化。Moran 散點圖的第一和第三象限表示空間正相關，觀測值相近的區域出現集聚，第二和第四象限表示空間負相關，有差異的觀測值區域出現集聚現象。

2）LISA 統計指標。LISA（局部莫蘭指數）統計指標的本質是將全局莫蘭指數分解到各個區域單元，可以反映出不同空間位置汽車產量是否存在空間集聚現象，并在結果地圖上顯示出異常區域，有助于對局部空間特征更為深入的研究，其計算公式如下：

sx——xi和xj對應的標準差。

如果Ii＞0 而且zi＞0，說明省域處與周邊省域的汽車產量的觀測值都為高值區，屬于Hight-Hight 集聚；如果Ii＞0 而且zi＜0，說明省域處與周邊省域的汽車產量的觀測值都為低值區，屬于Low-Low 集聚；如果Ii＜0而且zi＜0，說明省域處的觀測值遠高于周邊省域的觀測值，屬于Hight-Low集聚；如果Ii＜0 而且zi＜0，說明省域處的觀測值遠低于周邊省域的觀測值，屬于Low-Hight集聚。

通過將Moran 散點圖和LISA 統計指標有效的結合起來，可以更好的對省域空間依賴性和空間分異特征進行描述。

1.3 空間權重的構建

在空間權重矩陣構建中，最常用的是基于鄰接和距離的原則，在充分考慮中國的行政區域劃分的基礎上，重點對Rook 鄰接規則、距離規則和k-nearest 鄰近規則進行探討和選擇。

1）基于Rook 鄰接的空間權重。Rook 鄰接規則認為只要2 個區域有一段共同的邊界即認為2 個區域相鄰。GeoDa 軟件提供的Rook 高階鄰接規則，為文章中的權重選擇提供了更為準確的算法。如果wij=1，則表示2 個空間單元之間有一段相同邊界；相反wij=0。

2）基于距離的空間權重。距離規則的優點在于充分考慮距離的相對大小，從定量的角度刻畫空間鄰接性，距離規則空間依賴關系可以分為非幾何距離和幾何距離，幾何距離分為有限距離、負相關距離和混合距離，文章根據中國省域汽車生產現狀選取有限距離，即2 個空間單元之間的集合距離小于開始設定的閥值d時，則wij=1；相反wij=0。

式（3）基于k-nearest 鄰近的空間權重。k 最近鄰規則是一個理論上比較成熟的規則，在運算中認為所有的區域都是已經正確分類的對象，這種規則在一定程度上避免了Rook 鄰接規則和距離鄰接規則設立最小閥值而導致部分有效區域無法進行計算的問題。

2 實證分析

2.1 汽車生產空間分布變化

1983 年至今，中國汽車產量生產規模總體呈現上升態勢，各省域范圍內的變化幅度不一，特別是在2001 年后，中國汽車產量呈現高速增長態勢，不同省份在不同年份之間的變化差異很大。這表明，中國汽車產量在不同的分析維度上有不同的空間集聚形態。

從地域角度上看，從1983 年至今我國汽車產業生產布局符合胡煥庸線[11]（既黑河—騰沖一線）分布特征，汽車生產集中在東部，西部區域汽車產業布局較少。從時間維度上看，中國汽車生產有向聚集區轉移的趨勢，并逐步呈現出集聚現象，表現為東西分異。到1995 年，由于四川成都龍泉驛區、上海嘉定區、廣西柳州柳東新區汽車產業的快速發展，帶動了3 個省市的汽車產量突飛猛進。到2006 年，重慶兩江新區和巴南區，以及廣州增城區和花都區的異軍突起，使得兩地的汽車產量在全國名列前茅。2018 年的汽車產量布局與2006 年相差不大，格局基本一致。中國汽車生產的重點已經向東部轉移，空間集聚效應存在于省域之間。

2.2 中國汽車產業全局自相關分析

2.2.1 不同權重矩陣下的全局自相關分析

為了更準確地建立中國汽車生產全局自相關模型，文章通過在不同的空間權重矩陣下，對2006 年汽車生產數據進行驗證，以期得出最適合模型的空間權重矩陣。如表1 所示，分別在Rook 規則下的r1、r2 和r3，距離規則，以及k 最近鄰規則下的k4、k6 和k8，進行全局自相關檢驗，得出2006 年中國31 省市區汽車產量分析的Moran's I 指數及其對應的Z 值和P（概率）值。r1 規則表示在1 階Rook 規則下區域相鄰，r2 規則表示在2 階Rook 規則下區域相鄰，即相鄰的相鄰也默認為相鄰，r3 同理；在距離規則下，由于閥值的限制，每個省域最少會有一個省域和它相連接；k4 表示在k-nearest 規則下確定每個省域都有4 個省域和它相鄰，k6 則表示每個省域有6 個鄰近關系，k8 則表示每個省域有8 個鄰近關系。

表1 不同權重矩陣下Moran 指數

由表1 可以看出在7 種不同空間權重規則下Moran's I 全為正值，說明中國汽車生產呈現空間正相關，隨著省域周邊觀測值的升高或者降低，會對省域自身空間差異帶來相同影響。其中在k4 權重矩陣下，P值具有統計學差異，Moran's I 最大；中國汽車生產的空間相關性隨著鄰接關系的增多反而逐漸減弱。在k4 空間權重矩陣下，空間相關性最強，Moran's I 為0.151；在Rook 和k 最近鄰權重矩陣下，雖然也存在一定程度的空間相關性，但隨著鄰接關系的增加相關性減弱；綜合7 種不同權重規則下的Moran's I、Z 值和P 值，全局自相關分析選擇k4 權重矩陣。

2.2.2 不同時間維度上的全局自相關分析

分別對1983—2018 年36 年跨度的數據進行分析，進一步探討汽車生產空間集聚演變情況。表2 為1983-2018 年各省市區汽車產業的全局Moran 指數，圖1 為1983-2016 年中國汽車產業的Moran's I 變化情況。

計算結果顯示，在正態分布假設下，1983—2018 年中國汽車生產的全局Moran's I 指數除了1994 年和1995 年Moran's I 為負值，均為正值，這說明中國各省市區汽車生產受到鄰近區域汽車生產的影響，省域汽車生產空間呈現為高值區和高值區或者低值區和低值區相鄰的情況。因此，在省級尺度上中國汽車生產具有空間正相關性特征較強，即省域汽車生產空間分布呈現聚集狀態，而不是隨機分布。

從表2 和圖1 可以看出,就1983—2018 年研究時段，我國汽車生產集聚程度大致可以分為3 個階段：1983—1995 年為第1 階段，Moran's I 呈現波動下滑趨勢，即隨著時間的推移汽車生產省域空間相關性不斷降低；1995—2005 年為第2 階段，Moran's I 從-0.004上升到0.166，增幅達0.17，集聚度有較大提高；2005—2018 年為第3 階段，Moran's I 由0.166 降至0.062，工業集聚程度逐漸降低。由此可知，中國汽車生產總體發展水平在空間上呈現一定的集聚現象（高高集聚或者低低集聚），但并不是特別顯著，空間相關性隨著時間的推移在減弱，整體空間布局呈現空間擴散狀態。

表2 1983-2018 年各省市區汽車產業的全局Moran 指數

圖1 1983-2016 年中國汽車產業的Moran's I 變化情況

2.3 中國汽車產業局部自相關分析

Global Moran's I 指標屬于全局統計指標，在進行空間相關性分析中往往難以揭示空間內部的差異性，通常會出現空間整體差異較小，但是局部空間差異較大。因此，為了全面反映中國各省域汽車生產空間差異情況，探討其局部相關性，利用Moran 散點圖和LISA 分布來對局部空間依賴性和分異特征進行分析。

2.3.1 Moran 散點圖

1983、1995、2006、2018 年31 個省市區的空間Moran 散點分布圖，如圖2 所示。

圖2 1983、1995、2006、2018 年汽車產量的Moran 散點圖

可以看出，在第一、三象限的省域個數，從1983 年的19 個減少到1995 年的12 個，后又增長到2006 年的17 個，2018 年的19 個，2018 年第一、三象限省域個數占總數的61%，表明中國汽車生產在地理上呈現為空間正相關。

Moran 散點圖顯示出，不同年份中國汽車省域生產集聚特點有著較大的差異，主要是因為近幾十年各省積極將汽車產業確立為支柱產業，各省域發展程度各異。我國汽車生產出現明顯的東西差異，處于第一象限的省域全部位于東部地區，第三象限的省域主要位于西部；從1995 年的Moran 散點圖可以看出，處于第一象限的地區向東北部轉移，處于第三象限的區域向中部轉移；對2006 年Moran 散點圖進行分析，中國汽車生產的總體格局呈現出與1983 年相似的東西差異特征；從2018 年的Moran 散點圖可以看出，處于第一象限的地區新增中部省域，主要有重慶、湖北等省，處于第三象限的區域主要還是集中在西部。

2.3.2 LISA 集聚分布

汽車生產的LISA 指標可以用來衡量省域單元和周邊單元相異（負相關）或者相近（正相關）的程度。本節使用Geoda 軟件，分別計算了1983、1995、2006、2018 年汽車產量的LISA 指標（p=0.05）。

如表3 所示，在p≤0.05 的顯著水平下可以得出從區域整體來看，中國汽車生產存在局部的空間集聚特征，各省域和周邊省域之間有一定相關性。

表3 局域空間自相關顯著性省區統計表

從統計的省域數量上來看，很多省域的空間關系并不顯著，不顯著省域表示這些省域和周邊省域汽車產量之間的相互影響程度較小，在顯著省域中，大部分表現為空間正相關。由表3 可知，從1983 年到2006 年顯著性省域呈現上升趨勢，表明國內汽車生產空間集聚現象逐漸加強。但是在2018 年，僅有湖南表現為低高聚集區。這表明我國汽車生產空間聚集現象逐漸減弱，呈現擴散狀態，出現這種狀態是因為2013 年開始我國汽車產量突破2 000 萬輛，在2017 年達到研究時段的峰值2 901.81 萬輛，在所研究的31 個省市區中，有28 個將汽車產業確立為支柱產業。

3 結論

文章通過空間探索分析方法（ESDA），分別采用全局自相關（Global Moran’s I）、局部自相關測度指標（Moran 散點圖、LISA 統計指標）對中國汽車生產空間布局的變化進行了實證分析。結果表明：1）1983—2018年我國汽車產業生產格局符合胡煥庸線（既黑河—騰沖一線）分布特征，中國汽車產業生產有聚集的明顯趨勢，并且東西分異現象明顯；2）1983—2018 年中國汽車產業分布除1994 年和1995 年外均呈現正向空間依賴性。通過對2006 年汽車產量進行7 種不同的鄰接規則分析，均顯示中國區域汽車產業受相鄰區域汽車生產狀況的正向影響，相似值之間存在地理集聚現象。1983—1995 年和2005—2018 年間，空間自相關性出現下降，1995—2005 年間出現上升，集聚度有較大提高；3）Moran 散點圖的分析結果顯示，位于第三象限的省域單元隨著時間的推移呈現出向周邊擴散的發展態勢，位于第一象限的省域不同時間區間變化較大；4）對LISA 集聚分布的分析結果顯示，中國汽車生產在局部呈現出明顯的空間聚集性，與Moran 散點圖的分析結果一致。從數量上來看，大部分省域的空間關系并不顯著，在顯著區域表現出正向關系的比例較大。從空間視角看，高聚集區主要存在于我國東北區域。