黃河流域高質(zhì)量發(fā)展時空動態(tài)演變及溢出效應
——基于9省域61個地市的數(shù)據(jù)分析

楊玉珍，閆佳笑

(河南師范大學 商學院，河南 新鄉(xiāng) 453007)

黃河流域橫跨九省，是中國重要的生態(tài)屏障和經(jīng)濟地帶.在2020年黃河九省的國內(nèi)生產(chǎn)總值達到253 861.8億元，比2010年的121 352.8億元增加109.19%.然而，黃河流域在經(jīng)濟增長數(shù)量可觀的同時，也面臨著生態(tài)環(huán)境脆弱、經(jīng)濟發(fā)展不平衡、區(qū)域發(fā)展質(zhì)量較低等事實[1].2019年，黃河流域生態(tài)保護和高質(zhì)量發(fā)展上升為重大國家戰(zhàn)略.2020年，習近平總書記再次強調(diào)推動沿黃地區(qū)中心城市及城市群的高質(zhì)量發(fā)展.高質(zhì)量發(fā)展成為當前乃至未來黃河流域經(jīng)濟建設的主旋律.基于地市層面的數(shù)據(jù)，測度黃河流域高質(zhì)量發(fā)展的實際水平，分析地區(qū)差異及來源，探究其時空動態(tài)演變及空間溢出效應，對于縮小流域發(fā)展差距、促進流域生態(tài)保護和高質(zhì)量發(fā)展具有重要意義.

黨的十九大之后，高質(zhì)量發(fā)展成為多學科研究熱點.學者主要圍繞高質(zhì)量發(fā)展內(nèi)涵[2-3]、評價體系[4-8]、發(fā)展路徑[9-10]等方面展開研究.在黃河流域高質(zhì)量發(fā)展研究上，有學者從宏觀層面探討黃河流域高質(zhì)量發(fā)展的內(nèi)涵及推進生態(tài)保護和高質(zhì)量發(fā)展的戰(zhàn)略措施[1,11].徐輝等[12]構建包含經(jīng)濟發(fā)展、創(chuàng)新驅(qū)動、民生改善、環(huán)境狀況、生態(tài)狀況5個維度的評價指標體系，運用熵權法測度黃河流域九省區(qū)的高質(zhì)量發(fā)展水平，分析高質(zhì)量發(fā)展的時空演進.師博[13]從發(fā)展的基本面、社會成果和生態(tài)成果3個維度，對黃河流域9個中心城市高質(zhì)量發(fā)展進行測度和評價.也有學者基于數(shù)據(jù)包絡分析法，采用曼奎斯特生產(chǎn)率指數(shù)測度黃河流域綠色全要素生產(chǎn)率，分析其動態(tài)演進趨勢[14].還有學者基于地理單元的區(qū)域高質(zhì)量發(fā)展，對黃河流域同長江流域發(fā)展條件差異性進行比較分析，討論黃河流域生態(tài)保護和高質(zhì)量發(fā)展的特色問題[15].

縱觀現(xiàn)有文獻，學者們針對黃河流域高質(zhì)量發(fā)展進行了有益探索，但仍存在一定的局限性.第一，現(xiàn)有研究大多基于省域?qū)用鎇12]、城市群[16]、中心城市[17]等視角，對地市尺度的探究關注不足.第二，區(qū)域背景下溢出作用的探究較少.已有學者運用核密度方法刻畫黃河流域高質(zhì)量發(fā)展演進趨勢，但僅探討區(qū)域自身的發(fā)展變化，忽略了區(qū)域背景下的俱樂部趨同和溢出效應[18].因此，有必要建立空間計量模型探究空間集聚現(xiàn)象和溢出效應，分析其對流域高質(zhì)量發(fā)展的影響.

本研究基于黃河流域地市層面數(shù)據(jù)，采用熵權TOPSIS法測度黃河流域61個地市2010-2019年高質(zhì)量發(fā)展水平，運用Dagum基尼系數(shù)揭示地區(qū)差異及來源，將空間馬爾科夫鏈與空間杜賓模型相結(jié)合，探討各地市高質(zhì)量發(fā)展的空間分布動態(tài)演化過程、俱樂部趨同特征及俱樂部內(nèi)部的空間溢出效應.本文可能的創(chuàng)新點在于：(1)研究尺度聚焦于地市，更加符合高質(zhì)量發(fā)展的現(xiàn)實情況.(2)運用空間馬爾科夫鏈揭示黃河流域各地市高質(zhì)量發(fā)展的內(nèi)部演化，佐證空間溢出效應的存在.(3)構建空間計量模型對俱樂部內(nèi)部的空間溢出效應進行探討.

1 研究方法

1.1 熵權TOPSIS法

熵權TOPSIS法將熵權法和TOPSIS結(jié)合，在標準化處理后采用熵權法賦予權重值，并運用TOPSIS法量化排序各地市高質(zhì)量發(fā)展水平，具有測度結(jié)果更客觀、更合理的優(yōu)勢.借鑒已有研究[19]，采用熵權TOPSIS法評價黃河流域各地市高質(zhì)量發(fā)展水平.

測算步驟如下:

第1步，采用極差法對各測度指標Xij進行標準化處理，以消除數(shù)據(jù)在數(shù)量級和量綱方面的不一致性.正向指標標準化處理：Yij=Xij-min(Xij)/max(Xij)-min(Xij)，負向指標標準化處理：Yij=max(Xij)-Xij/max(Xij)-min(Xij).式中，i表示各地市，j表示各測度指標；Xij和Yij分別表示標準化前和標準化后的第i個地市第j個測度指標；max(Xij)表示最大值，min(Xij)表示最小值.

第4步，構建高質(zhì)量發(fā)展水平測度指標的加權矩陣R：R=(rij)n×m.其中，rij=Wj×Yij.

1.2 馬爾科夫鏈

采用標準四分位數(shù)法，將2010-2019年黃河流域高質(zhì)量發(fā)展水平離散化為4種類型：低水平(k=1)；中低水平(k=2)；中高水平(k=3)；高水平(k=4).矩陣對角線上的元素代表平穩(wěn)概率，即區(qū)域狀態(tài)在初始年份為i類型，在下一年份仍為i類型的概率，值越大表明俱樂部趨同程度越高.非對角線上的元素代表轉(zhuǎn)移概率，若區(qū)域狀態(tài)在下一年份轉(zhuǎn)為更高水平，則定義為“向上轉(zhuǎn)移”，反之為“向下轉(zhuǎn)移”[20].

1.2.1傳統(tǒng)馬爾科夫鏈

根據(jù)馬爾科夫鏈原理，將研究時段內(nèi)的各地市高質(zhì)量發(fā)展狀態(tài)轉(zhuǎn)移過程用k×k的概率矩陣M表示.矩陣中的元素Pij表示t時刻屬于i類型的區(qū)域在t+1時刻轉(zhuǎn)移到j類型的概率，如P12表示t時刻為1類型時在t+1時刻為2類型的概率，計算如下[21]：Pij=zij/zi.式中：zij表示t時刻處于i類型的區(qū)域在t+1時刻轉(zhuǎn)移到j類型的區(qū)域數(shù)量總和；zi表示所有實現(xiàn)轉(zhuǎn)移的年份中屬于i類型的區(qū)域數(shù)量總和.

1.2.2空間馬爾科夫鏈

1.3 空間計量模型

空間計量模型考慮了研究樣本的空間關聯(lián)性與依賴性，常用模型有空間自回歸模型(Spatial Autoregressive Model，SAR)、空間誤差模型(Spatial Error Model，SEM)和空間杜賓模型(Spatial Durbin Model，SDM).本研究采用空間杜賓模型進行分析，具體形式如下[23]：Yt=αIN+ρWYt+γXt+θWXt+ε.其中，Yt表示被解釋變量列向量；Xt表示解釋變量向量；α為常數(shù)項；IN為單位矩陣；ρ,γ,θ均為待估參數(shù)；ρWYt為相鄰地區(qū)被解釋變量對本地區(qū)被解釋變量的空間溢出效應；θWXt表示相鄰地區(qū)解釋變量對本地區(qū)解釋變量的影響.W表示空間權重矩陣，根據(jù)空間權重簡潔化原則，采用鄰接權重矩陣作為基礎矩陣，出于穩(wěn)健性的考慮，以地理距離權重矩陣作為對比檢驗.具體設定如下：(1)地理鄰近權重矩陣.若兩地市地理相鄰，Wij=1，i≠j；若兩地市地理不相鄰，Wij=0，i=j.(2)地理距離權重矩陣.以地市之間距離的倒數(shù)構造矩陣：Wij=1/dij，i≠j；Wij=0，i=j.dij為通過經(jīng)度和緯度計算的地市之間距離.

2 指標選取和數(shù)據(jù)來源

2.1 指標選取

緊扣五大發(fā)展理念，參考已有研究[12,19,24]，遵循客觀、全面、數(shù)據(jù)可獲取性等原則，構建包括創(chuàng)新、協(xié)調(diào)、綠色、開放、共享5個維度共21個具體指標的評價體系(表1).(1)創(chuàng)新是核心動力.創(chuàng)新水平采用創(chuàng)新創(chuàng)業(yè)總維度總量指數(shù)得分、人均得分、單位面積得分來衡量.(2)協(xié)調(diào)是內(nèi)在要求.高質(zhì)量發(fā)展是區(qū)域間、城鄉(xiāng)間、產(chǎn)業(yè)間的協(xié)同發(fā)展，解決經(jīng)濟發(fā)展中的不平衡不充分問題.本研究以各市GDP與各省GDP的比值衡量區(qū)域協(xié)調(diào)，以城鎮(zhèn)居民人均收入和農(nóng)村居民人均收入的比值衡量城鄉(xiāng)協(xié)調(diào)，以第三產(chǎn)業(yè)產(chǎn)值和第二產(chǎn)業(yè)產(chǎn)值的比值衡量產(chǎn)業(yè)協(xié)調(diào).(3)綠色是必然要求.生態(tài)保護是黃河流域發(fā)展的生命底線[11].本研究從污染排放和污染治理兩方面衡量綠色，污染排放指標包括工業(yè)二氧化硫排放量、工業(yè)廢水排放量、工業(yè)煙(粉)塵排放量，污染治理指標包括生活垃圾無害化處理率、污水處理廠集中處理率、綠地面積、建成區(qū)綠化覆蓋率.(4)開放是發(fā)展關鍵.開放解決發(fā)展內(nèi)外聯(lián)動問題，是通往繁榮之路.本研究從對外投資和對內(nèi)銷售兩方面衡量開放發(fā)展，對外投資以進出口總額和GDP的比值表征，對內(nèi)銷售以社會商品零售總額和GDP的比值表征.(5)共享是本質(zhì)要求.黃河橫跨九省，資源稟賦的差異形成了各地不同的高質(zhì)量發(fā)展路徑，但成果全民共享是各地區(qū)共同的追求.本研究從醫(yī)療、教育、就業(yè)等方面衡量經(jīng)濟的共享程度，具體指標包括人均醫(yī)院床位數(shù)、人均擁有圖書館藏書量、城鎮(zhèn)職工基本養(yǎng)老保險參保人數(shù)、城鎮(zhèn)職工基本醫(yī)療保險參保人數(shù)、教育經(jīng)費占財政支出比重、城鎮(zhèn)年底登記失業(yè)率.

表1 高質(zhì)量發(fā)展評價指標體系及權重

2.2 研究區(qū)域與數(shù)據(jù)來源

參考李敏納[25]提出的“以自然流域為基礎，考慮地域單元的完整性及地區(qū)經(jīng)濟與黃河的直接關聯(lián)性”原則，剔除州、盟、河南省濟源市、山東省萊蕪市等部分測度指標嚴重缺失的地市，最終選取61個地級市為研究樣本(圖1).黃河上中下游的劃分參考《黃河年鑒》中提出的標準，同時考慮行政區(qū)劃的影響[注]黃河上游：青海、甘肅、寧夏、四川、內(nèi)蒙古.黃河中游：山西、陜西.黃河下游：河南、山東..數(shù)據(jù)來源于2010-2019年城市統(tǒng)計年鑒，其余測度指標均可從2010—2019年各省和各市《統(tǒng)計年鑒》及社會發(fā)展公報中獲取，創(chuàng)新指標來源于北京大學開放研究數(shù)據(jù)平臺中張曉波教授的“中國區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)”.部分缺失數(shù)據(jù)采用線性插值法處理.

3 評估結(jié)果分析

3.1 時序演變

通過研究期內(nèi)全流域及上中下游均值觀察高質(zhì)量發(fā)展時序演變，見圖2.從均值來看，流域總體水平不斷上升，2010年為0.202 6，2019年為0.248 4，10年間提高22.61%，表明黃河流域各地市高質(zhì)量發(fā)展隨時間演變呈不斷上升趨勢.各類地市數(shù)量占比來看，2019年上游和中游“中低及以下”地市水平占比分別為47.62%和57.89%，表明2019年上游仍有接近一半的地市、中游有超過一半的地市高質(zhì)量發(fā)展處于中低及以下水平.可見，黃河流域地市高質(zhì)量發(fā)展雖有一定提升，但上游和中游仍有待進一步提高.分區(qū)域看，研究期內(nèi)黃河上、中、下游地市高質(zhì)量發(fā)展增幅分別為21.09%、18.72%、26.02%，下游增幅最大，上游次之，中游最小，表明隨著時間推移黃河下游高質(zhì)量發(fā)展的提升速度高于上中游.

3.2 空間分布特征

為更直觀地反映時間演變下黃河流域各地市高質(zhì)量發(fā)展空間分布特征，基于2010,2013,2016,2019年數(shù)據(jù)，利用ArcGIS繪制時空演變圖(圖3)，等級劃分與馬爾科夫鏈保持一致.可以看到，2019與2010年相比，各地市顏色加深明顯，上中下游實現(xiàn)顏色等級提升的地市數(shù)量分別為11,8,10，分別占區(qū)域地市總數(shù)的52.38%,42.11%,47.62%，表明隨著時間演變，將近一半的地市實現(xiàn)了等級提升，尤其是上游，地市高質(zhì)量發(fā)展有較大改善.在空間分布上，無論處于哪一年份，下游顏色均最深，2019年下游“中高水平”地市占比33.33%，“高水平”地市占比57.14%，表明高值區(qū)集中在下游且呈集中連片分布.2019年上中游“中高及中低水平”地市占比分別為66.67%和63.16%，上游“高水平”地市為4個，分別是西寧、蘭州、呼和浩特、銀川，中游“高水平”地市僅2個，分別是太原和西安，可以看出，上中游“高水平”地市均為省會城市，大部分地市位于“中高及中低水平”.整體來看，黃河流域高質(zhì)量發(fā)展呈現(xiàn)“下游高于上中游、省會城市高于周邊城市”的空間分布特征.

3.3 地區(qū)差異分析

利用stata軟件計算Dagum基尼系數(shù)，揭示黃河流域高質(zhì)量發(fā)展的地區(qū)差異及來源.圖4報告了Dagum基尼系數(shù)及分解趨勢.由圖4(a)可知，全流域基尼系數(shù)呈多頻次波動中總體不變趨勢，2010年為0.255，2019年為0.256，表明黃河流域高質(zhì)量發(fā)展的總體地區(qū)差異保持穩(wěn)定，沒有得到明顯改善.由圖4(b)可知，上游基尼系數(shù)呈波動中下降趨勢，2019年與2010年相比，降幅為24.80%，為三大區(qū)域變化之最，中游和下游呈波動中上升態(tài)勢，增幅分別為10.91%和9.48%.這表明上游區(qū)域內(nèi)地市差異在逐漸縮小，中游和下游區(qū)域內(nèi)差異在波動中增大.2010年，區(qū)域地市差異排序由大到小為上游,中游,下游，2019年排序由大到小為中游,上游,下游，表明區(qū)域內(nèi)地市差異在上游逐漸縮小，中游逐漸擴大的作用下，中游最終超過上游，成為流域內(nèi)區(qū)域差異最大，而下游區(qū)域內(nèi)地市差異始終最小.原因在于，下游地市多位于交通便利的東部或中部，擁有更多的發(fā)展資源，便利的交通也促進了地市間資本、技術、人才等要素的快速流動，故地市間區(qū)域差異相對較小.上游和中游屬于內(nèi)陸地區(qū)，經(jīng)濟發(fā)展資源不平衡，省會城市依靠獲取資源多得到較好發(fā)展，而其他區(qū)域資源少，區(qū)域差異大.由圖4(c)可知，上游—中游、上游—下游之間的基尼系數(shù)呈波動中下降趨勢，中游—下游之間的基尼系數(shù)最大且呈波動中上升趨勢，表明上游與中游、下游之間的區(qū)域差異在縮小，而中游和下游之間的區(qū)域差異最大并在不斷擴大.圖4(d)表示了地區(qū)差異的分解及來源.由圖4可知，區(qū)域內(nèi)差異對總體差異的貢獻呈先上升后下降的態(tài)勢，區(qū)域間差異和超變密度差異的貢獻分別呈波動中上升和波動中下降態(tài)勢.觀察期內(nèi)區(qū)域間差異的平均貢獻率為36.384 9，大于超變密度和區(qū)域內(nèi)差異的平均貢獻率.可見，造成地區(qū)差異的來源中，區(qū)域間差異的貢獻最大且正在擴大，區(qū)域內(nèi)差異的貢獻最小且正在降低.要縮小黃河流域高質(zhì)量發(fā)展區(qū)域差異，需更加注重上中下游之間的區(qū)域差異.

3.4 空間演變分析

Dagum基尼系數(shù)描述了研究對象的區(qū)域差異，但更側(cè)重于提供靜態(tài)過程信息.ArcGIS可視化圖反映了區(qū)域現(xiàn)象分布的整體形態(tài)和動態(tài)演進，但不能直接反映演進過程中的內(nèi)部動態(tài)變化及概率.因此，構建馬爾科夫轉(zhuǎn)移概率矩陣分析區(qū)域狀態(tài)轉(zhuǎn)移的內(nèi)部流向，考察區(qū)域的俱樂部趨同問題.

3.4.1傳統(tǒng)馬爾科夫鏈

運用R軟件計算2010-2019年黃河流域高質(zhì)量發(fā)展水平狀態(tài)轉(zhuǎn)移概率矩陣，見表2.由表2可知：(1)黃河流域高質(zhì)量發(fā)展存在“俱樂部趨同”現(xiàn)象且趨同俱樂部較為穩(wěn)定.對角線上的概率值均遠大于其他位置的概率值，最大為0.963，最小為0.717，表明研究期內(nèi)區(qū)域狀態(tài)保持不變的概率至少為71.7%，說明在不考慮空間因素的影響下，各地市高質(zhì)量發(fā)展存在明顯的內(nèi)部趨同特征，擁有低、中低、中高、高水平4個趨同俱樂部.非對角線上的概率最大僅為0.174，約為對角線最小概率的23.52%，表明各地市之間實現(xiàn)不同類型轉(zhuǎn)移的概率較小，俱樂部穩(wěn)定格局難以打破.(2)黃河流域高質(zhì)量發(fā)展具有顯著的“馬太效應”.高水平俱樂部穩(wěn)定性最高，為96.3%，低水平次之，為82.1%，表明低水平地市容易陷入“低水平陷阱”，高水平地市容易出現(xiàn)“高水平壟斷”，呈現(xiàn)出“馬太效應”所強調(diào)的“強者愈強，弱者愈弱”現(xiàn)象，這也是高質(zhì)量發(fā)展存在空間非均衡性的重要原因.通過具體數(shù)據(jù)發(fā)現(xiàn)，2010年高質(zhì)量發(fā)展水平處于前10名的城市分別是青島、西安、太原、鄭州、濟南、淄博、銀川、濰坊、西寧、蘭州，其中有9個城市在2019年仍位于前10名.2010年高質(zhì)量發(fā)展水平位于后10位的城市中，有8個在2019年仍位于后10位，分別是定西、烏蘭察布、延安、朔州、海東、忻州、商洛、慶陽，這進一步驗證了前面的結(jié)論：高水平俱樂部形成“高水平固化”，低水平俱樂部陷入“低水平陷阱”.(3)黃河流域高質(zhì)量發(fā)展狀態(tài)轉(zhuǎn)移具有階段性特征.僅低水平向中高水平的跨越式邁進概率為0.7%，其余非對角線兩側(cè)的概率值均為0，表明狀態(tài)轉(zhuǎn)移大多發(fā)生在相鄰類型地市之間.這意味著黃河流域各地市高質(zhì)量發(fā)展具有階段性轉(zhuǎn)移特征，短期內(nèi)實現(xiàn)跨越式增長的可能性不大.

表2 傳統(tǒng)馬爾科夫轉(zhuǎn)移概率矩陣

3.4.2空間馬爾科夫鏈

各地市在區(qū)域經(jīng)濟發(fā)展中的交流日益密切，忽略空間因素將使結(jié)果與現(xiàn)實不符.故構建空間馬爾科夫轉(zhuǎn)移矩陣(表3)，分析鄰域背景對各地市高質(zhì)量發(fā)展的趨同演變影響.

表3 空間馬爾科夫轉(zhuǎn)移概率矩陣

由表3可知：(1)鄰域背景在黃河流域各地市高質(zhì)量發(fā)展趨同演變中具有相關性特征.高質(zhì)量發(fā)展類型轉(zhuǎn)移在空間上與周邊鄰域環(huán)境有較大相關性，不同鄰域背景下地市轉(zhuǎn)移概率矩陣呈較大差異，且不等于傳統(tǒng)馬爾科夫轉(zhuǎn)移矩陣中的元素，表明不同鄰域背景對地市高質(zhì)量發(fā)展的趨同俱樂部具有重要影響，高質(zhì)量發(fā)展的演變具有空間溢出效應.(2)鄰域背景對不同等級的俱樂部影響不一致.對低水平俱樂部而言，在低、中低、中高、高水平的鄰域環(huán)境中維持原有類型的概率依次為0.781,0.756,0.960,0.933，概率值逐漸增大，向中低水平趨同俱樂部轉(zhuǎn)變的概率分別為0.219，0.244，0.000 和 0.067，概率整體減小.可見，鄰域背景等級越高，低水平俱樂部越穩(wěn)定，向中低水平俱樂部轉(zhuǎn)變的概率越小.這表明經(jīng)濟發(fā)達地市對周圍低水平地市的正向拉動作用不明顯，需要發(fā)揮發(fā)達地市的輻射帶動作用.對于中低水平俱樂部，在鄰域背景由低到高的條件下，其向低水平俱樂部轉(zhuǎn)移的概率分別為23.7%,9.4%,2.5%,0.0%，呈下降趨勢，向中高水平俱樂部轉(zhuǎn)移的概率分別為5.3%,22.6%,15.0%,57.1%，呈上升趨勢，表明隨著鄰域背景等級的提高，中低水平地市向低水平俱樂部轉(zhuǎn)移的概率更小，向中高水平俱樂部轉(zhuǎn)移的概率更高，鄰域環(huán)境等級的提高對中低水平俱樂部的高質(zhì)量發(fā)展具有促進作用.(3)考慮空間因素后，黃河流域各地市高質(zhì)量發(fā)展依然具有穩(wěn)定的俱樂部趨同特征、馬太效應、階段性特征.首先，對角線上的概率值遠高于其他位置的概率值，僅高水平鄰居下中低水平保持原有狀態(tài)的概率小于其向中高水平轉(zhuǎn)移的概率，表明即使在考慮相鄰地市背景的前提下，地市高質(zhì)量發(fā)展仍傾向于維持當前狀態(tài)穩(wěn)定不變.其次，4種鄰域背景下，對角線上轉(zhuǎn)移概率均呈現(xiàn)低高水平大于中間階段的特征，表明考慮空間因素的條件下，黃河流域地市高質(zhì)量發(fā)展依然存在“馬太效應”.最后，僅中高水平鄰域下低水平俱樂部向中高水平俱樂部跨越式轉(zhuǎn)移的概率為4%，其余不與對角線直接相鄰的概率均為0，表明無論相鄰地市高質(zhì)量發(fā)展處于何種水平，各地市的高質(zhì)量發(fā)展都不太可能實現(xiàn)跨越式提升.

4 空間溢出效應

4.1 空間相關性分析

利用stata軟件測算全局Moran's I指數(shù)(表4)以探究空間關聯(lián)性.由表4可知，無論是基于地理鄰近還是基于地理距離權重矩陣，Moran's I指數(shù)均大于0，且通過5%水平顯著檢驗.可見，黃河流域高質(zhì)量發(fā)展存在顯著的正自相關，即呈現(xiàn)出高值與高值鄰近，低值與低值鄰近的空間分布態(tài)勢，表現(xiàn)出一定的空間溢出性，本地高質(zhì)量發(fā)展水平會受到周圍地市的影響，也會影響到周圍地市.從演變趨勢看，兩種權重矩陣下集聚強度均呈現(xiàn)先減后增的“U”型趨勢，表明空間依賴性先降低后增強，空間上呈現(xiàn)“集聚-分散-集聚”的演變方式.綜上，黃河流域高質(zhì)量發(fā)展具有顯著的空間集聚與依賴特征，在進行演變趨勢分析時需要考慮空間因素帶來的影響.

表4 全局Moran's I指數(shù)

4.2 變量選取

為考察黃河流域高質(zhì)量發(fā)展的空間溢出效應，參考已有研究[26-27]，以高質(zhì)量發(fā)展指數(shù)為因變量，將其影響變量設定為創(chuàng)新發(fā)展(ID)、產(chǎn)業(yè)結(jié)構(IS)、交通通達性(TA)、信息化水平(IL)、城鎮(zhèn)化水平(UL)、政府干預(GI).其中，創(chuàng)新水平采用專利授權數(shù)表征；產(chǎn)業(yè)結(jié)構采用第三產(chǎn)業(yè)產(chǎn)值占GDP比值表征；交通通達性采用公路里程表征；信息化水平采用郵政業(yè)務總量表征；城鎮(zhèn)化水平采用城鎮(zhèn)化率表征；政府干預采用財政支出占GDP比重表征.

4.3 模型檢驗與識別

建立模型之前，通過檢驗選取具體模型(表5).LM檢驗中，SAR和SEM模型的p值均顯著，表明建立SAR和SEM模型均可進行后續(xù)分析，而這兩個模型是SDM模型的特殊形式，需要進一步檢驗SDM模型是否可以退化為SAR或SEM模型.Wald和LR檢驗均在1%水平上通過顯著性檢驗，故拒絕SDM模型可以退化為SAR或SEM模型的原假設.最后，Hausman為106.74，在1%顯著性水平下拒絕隨機效應的原假設，故選擇固定效應模型.綜上，本研究采用固定效應的空間杜賓模型.

表5 模型檢驗

4.4 估計結(jié)果分析

考慮到模型所得出的回歸系數(shù)不能詳細反映各影響因素對高質(zhì)量發(fā)展的邊際效應，故對空間效應進行分解，見表6.具體來看：

表6 分解效應

(1)創(chuàng)新發(fā)展是黃河流域高質(zhì)量發(fā)展的核心要素，直接效應為0.041，間接效應為0.060，總效應為0.101，均在1%的水平下顯著，表明創(chuàng)新水平的提高不僅可以促進本地市高質(zhì)量發(fā)展，也會通過溢出效應成為鄰近地市高質(zhì)量發(fā)展的重要動力源.原因在于，創(chuàng)新能力的提高為本地提供先進的清潔設備和環(huán)境技術支持，促進本地企業(yè)節(jié)能減排，加快產(chǎn)業(yè)轉(zhuǎn)型，對本地高質(zhì)量發(fā)展具有顯著的促進作用.創(chuàng)新具有溢出性，隨著人才、技術、經(jīng)驗等要素的交流溢出，鄰近地市創(chuàng)新能力也會得到提高，助推鄰近地市高質(zhì)量發(fā)展.

(2)產(chǎn)業(yè)結(jié)構直接效應系數(shù)顯著為正，間接效應顯著為負，表明產(chǎn)業(yè)結(jié)構對本地高質(zhì)量發(fā)展具有顯著的正向效應，但對鄰近地市具有顯著的負向溢出效應.原因在于，本地產(chǎn)業(yè)結(jié)構優(yōu)化可以帶動產(chǎn)業(yè)鏈向中高端邁進，提高產(chǎn)業(yè)發(fā)展質(zhì)量，促進高質(zhì)量發(fā)展.本地產(chǎn)業(yè)結(jié)構的優(yōu)化使得高污染企業(yè)向鄰近地區(qū)轉(zhuǎn)移，導致鄰近地市環(huán)境壓力增大，不利于高質(zhì)量發(fā)展的提高.

(3)信息化水平的直接效應顯著為正，表明每提高信息化水平1%，能夠促進本地高質(zhì)量發(fā)展提高0.027%.間接效應顯著為負，表明本地信息化水平越高，對鄰近地市高質(zhì)量發(fā)展產(chǎn)生的“虹吸效應”更強.

(4)城鎮(zhèn)化水平的直接效應、間接效應和總效應均顯著為正，城鎮(zhèn)化水平每提高1%，可以促進本地市高質(zhì)量發(fā)展提高0.169%，對鄰近地市高質(zhì)量發(fā)展也有0.080%的溢出效應，總效應達到0.245，在所有因素中效應最大.可見，城鎮(zhèn)化水平是黃河流域高質(zhì)量發(fā)展的重要驅(qū)動力.

(5)政府干預對黃河流域高質(zhì)量發(fā)展具有關鍵作用，直接效應、間接效應和總效應均顯著為正，總效應水平達到0.128，表明政府干預對本地及鄰近地市高質(zhì)量發(fā)展均具有積極作用.

4.5 穩(wěn)健性檢驗

為保證研究結(jié)論的可靠性，采用地理距離權重矩陣替代地理鄰近權重矩陣進行穩(wěn)健性檢驗(表7).結(jié)果顯示，和地理鄰近權重矩陣相比，各變量的直接效應、間接效應和總效應的系數(shù)方向和顯著性變化不大，表明研究結(jié)果具有較好的穩(wěn)健性，結(jié)論可靠.

表7 穩(wěn)健性檢驗

5 結(jié)論與建議

5.1 結(jié) 論

研究結(jié)果顯示：

(1)黃河流域高質(zhì)量發(fā)展隨著時間演變呈不斷上升趨勢，總體提高22.61%，但上游和中游高質(zhì)量發(fā)展水平需進一步提高，這和徐輝等[12]關于黃河流域九省區(qū)的研究結(jié)論相似，即高質(zhì)量發(fā)展整體呈穩(wěn)步上升趨勢.下游各地市高質(zhì)量發(fā)展遙遙領先于上中游，下游增幅最優(yōu)，中游次之，上游最差，這和張國興等[28]關于黃河流域資源型城市的結(jié)論一致.在空間分布上，高值區(qū)集中在下游且呈集中連片分布，上中游高水平城市均為省會城市，整體呈“下游高于上中游、省會城市高于周邊城市”的空間分布特征.

(2)總體地區(qū)差異保持穩(wěn)定.下游區(qū)域內(nèi)地市差異始終最小，上游區(qū)域內(nèi)地市差異在逐漸縮小，但中游在逐漸擴大.造成地區(qū)差異的來源中，區(qū)域間差異的貢獻最大且正在擴大，區(qū)域內(nèi)差異的貢獻最小且正在降低.

(3)黃河流域各地市高質(zhì)量發(fā)展存在“俱樂部趨同”現(xiàn)象、“馬太效應”、階段性轉(zhuǎn)移特征，這與師博等[29]的研究結(jié)果相一致.空間馬爾科夫鏈分析佐證了空間溢出效應的存在，鄰域背景對地市高質(zhì)量發(fā)展的趨同俱樂部具有重要影響.鄰域環(huán)境等級的提高對低水平俱樂部拉動不明顯，對中低水平俱樂部具有促進作用.考慮空間因素后，黃河流域高質(zhì)量發(fā)展依然具有穩(wěn)定的俱樂部趨同特征、馬太效應、階段性特征.

(4)城鎮(zhèn)化水平是黃河流域高質(zhì)量發(fā)展的重要驅(qū)動力，政府干預具有關鍵作用，創(chuàng)新是核心要素.其他條件不變，城鎮(zhèn)化水平、政府干預、創(chuàng)新水平每提高1%，黃河流域高質(zhì)量發(fā)展將平均提升0.245%，0.128%，0.101%.城鎮(zhèn)化水平、政府干預、創(chuàng)新水平具有外部性，空間滯后彈性系數(shù)均為正，即通過“鄰里模仿”和“示范效應”對周圍地市高質(zhì)量發(fā)展產(chǎn)生空間溢出.

5.2 政策建議

基于研究結(jié)論，對黃河流域高質(zhì)量發(fā)展提出如下建議：

(1)加強區(qū)域戰(zhàn)略合作，縮小地區(qū)差異.黃河流域各地市應打破行政壁壘，建立不同流域間的溝通協(xié)商機制，通過資源整合強化區(qū)域間協(xié)同合作，形成區(qū)域聯(lián)動發(fā)展.上、中、下游應秉持合作共贏的經(jīng)濟發(fā)展理念.

(2)充分發(fā)揮省會中心城市對周邊城市的輻射帶動作用.一方面，省會中心城市充分利用自身區(qū)位條件、資源優(yōu)勢，實現(xiàn)高質(zhì)量發(fā)展的進一步提升.另一方面，建立有效的學習、傳播通道和機制，釋放省會中心城市高質(zhì)量發(fā)展的空間外溢效應，通過技術、資本、人才等的有效輸出對周邊城市產(chǎn)生輻射示范效應，促進周邊地市高質(zhì)量發(fā)展.

(3)優(yōu)化各地市空間溢出效應.優(yōu)化城鎮(zhèn)化水平、政府干預、創(chuàng)新水平對周邊地市的正向空間溢出效應.