周一至周五 | 9:00—22:00

期刊论文网 > 经济论文 > 县域经济论文 > 县域经济论文 江西省县域经济发展空间模式研究

县域经济论文 江西省县域经济发展空间模式研究

2018-12-15 17:16:24来源:组稿人论文网作者:婷婷

 摘要

  本文在GIS软件和GeoDa空间统计分析软件的帮助下,利用2014、15和16年江西省县域人口与县域GDP等统计数据,对江西县域经济发展的空间模式进行了研究。统计结果表明江西省经济发展的空间相互关联强度很高,经济水平与人口并没有显著直接联系。从整体上看,江西经济水平呈北高南低趋势,南昌及其周边较高形成高高值聚集区,南部经济水平普遍较低(除赣州市章贡区比其周围地区经济发达外),整体经济水平发展不平衡。

  关键词:县域经济;空间模式;自相关分析;江西省

  1.1选题背景与意义

  1.1.1选题背景

  近些年来,尤其是党的十八届三中全会以来,我国的经济快速发展,发展速度也较为稳定。但是,在宏观整体之下,不同地区的经济仍然存在不容忽视的差距。世界经济的全球化,必然带来空间各地域之间的经济联系。每个空间区域与其邻近空间区域之间存在着扩散或极化效应,要想缩小各地区经济差距,就必须对经济的空间联结与相关性进行研究,分析经济发展空间模式,从而制定合适的经济战略。

  传统上江西省以农业为基础产业,20世纪60年代以前,江西基本上是农业省,经济基础薄弱[1]。21世纪后随着中部大开发与鄱阳湖生态经济区规划等相关战略政策的出台与实施,江西省得到了较好的发展,在近几年工业文化服务等行业更是以较高增长速度多方面的获得发展。

  虽然从全省来看经济相比于过去得到了提升,但是,从局部来看各县区域之间的经济发展仍然存在不可忽视的差异,发展水平极不平衡。江西省经济水平北高南低的区域空间显著差异一直是江西经济形势严重存在的问题。已经有部分学者对江西的区域经济发展空间结构做了研究,但是他们的空间结构研究大多数是假设研究的区域空间是相互独立的,很少研究考虑到空间相关性对区域经济结构与关联的影响 [2]。为此我主要从空间自相关的角度来探讨研究江西省县域经济发展的空间模式。

                                 县域经济

  1.1.2选题意义

  当前,党中央、国务院高度重视促进区域协调发展工作,深入实施区域发展总体战略和差别化区域政策。印发了实施《贯彻落实区域发展战略促进区域协调发展的指导意见》,江西省正面临着促进区域协调发展的重大机遇,也存在诸多挑战,特别是区域发展差距仍然较大、老少边穷地区发展相对落后。研究江西县域经济发展的空间模式对区域经济政策与发展战略具有重要意义。区域经济的空间差异影响着各县空间结构与土地利用方式,影响各地经济的发展方向,分析各县域空间结构的情况有助于各地根据自身实际,联系周边地区情况,做好经济发展规划,这样有助于优化空间结构和缩小经济差距,促进全省各地经济协调发展。

  改革开放以来江西省的经济发展稳定且增速,但也存在着不可忽视的不平衡性,具体包括两个方面:一、不同地市之间的差异;二、同一地市内部不同区域之间的经济不平衡,和GDP数量与增长速率不平衡等问题。研究县域经济发展空间模式为解决以上两方面问题提供了一个较好思路和方法。

  地区之间的经济联系向来都是空间发展模式重点研究的要素,每个空间区域与其邻近空间区域之间存在着扩散或极化效应,要想缩小地区经济差距,就必须对经济的空间联结与相关性进行研究,分析研究区域经济发展空间模式,从而制定合适的经济战略。

  研究江西省各县经济发展空间分布因素的相关性、区位经济因子的聚集和扩散方式,以及江西省经济空间发展模式,通过认识和研究江西各县区域经济差异的现状及演化过程,在差异中寻找发展的契机,找出适合江西各县区经济发展的空间模式,是本文研究的主要目的,对积极配合“十三五”时期的江西经济空间结构优化,响应“一带一路”经济战略[3],对当前党的“扶贫帮困”政策都具有现实指导意义与积极作用。

  1.2国内外研究进展

  空间自相关源于Tobler在1970年提出的地理学第一定律:几乎所有空间现象与距离都是有关系的,而且靠得越近关系可能就越紧密。国外使用空间自相关方法研究的领域众多,且多与本国热点与时事相结合。

  随着我国综合国力的提高尤其是在科技方面,使用空间自相关方法研究经济在我国越来越常见,且这个话题逐渐在国内引起了越来越多研究者的关注。目前,空间维度下的经济发展研究大多是以全国或大型经济区为研究区域,研究问题主要集中在经济发展差异及其时空演化方面[4]。而近年来,国内研究经济数据的自相关文献大多是以较发达的沿海地区为研究对象,这其中把江西省作为研究对象的文章却是寥寥无几。我国经济差异明显,地区间形成不同的经济带,而江西省经济发展空间模式的研究存在较多空白。

  江西省作为近年来发展迅速的省份之一,研究它的经济空间自相关与发展的空间模式非常有必要。

  1.3研究区概况

  位于我国东南部华东地区(北纬24°29′~30°04′,东经113°34′~118°28′)的江西省,面积约为16.7万平方公里,人口约4566万人。整体来看省内除靠近北部鄱阳湖的地区较为平坦外,东南西部三面环山,中部丘陵高低起伏,形成了一个整体向鄱阳湖倾斜而往北开口的巨大盆地[5]。优异的地理环境与气候条件使得江西省具备充足的自然资源,第一产业庞大是江西的一大特征,其内的平原地区是中国重要的商品粮基地,特有的绿色农产品居全国前列。

  根据江西省统计局发布的统计年鉴中的数字来看,2015年江西省生产总值(GDP)为6723.8亿元,与14年相比增长9.1%,增速排名全国前列,比14年排名增长了两名。其中,第一产业占10.6%,为1772.94亿元,是去年的1.05倍;第二产业占50.3%,为8411.57亿元,是去年的1.09倍;第三产业占39.1%,为6539.23亿元,是去年的1.13倍,在三个产业中增长最快。另外,以近两年为例,2015年排在县域GDP第一名的南昌县GDP是县域平均GDP值的5倍;16年各县GDP增长率从8%~10%左右不等,这些均可以看出区域之间的经济发展呈现出不平衡性。

  1.4主要研究内容与创新

  基于区域空间经济的联系与差异,此文主要利用GDP量值在空间上的分布,探讨我省经济的空间分布特征和发展演化规律,并用平面图直观展示江西各县(区、市)域经济发展相关性,度量经济指标在空间上的分布特征及其相关因子对领域的影响程度。在此基础上分析得出江西省县域经济发展空间模式,为江西省经济发展政策提供理论依据。

  以大宏观视角研究全省整体经济发展的空间模式。对江西省县域的选取时间段GDP等相关经济指标和人口常规数据进行分析与操作,突破常规进行创新。难点在于对全局的把控与结果的分析。

  数据与方法

  数据源

  数据资料取自《江西省统计年鉴》,空间分析尺度为江西省99个县(市、区)其中包括11个省辖市,时间为 14~16三年。采用的主要有各县人口、GDP和各县GDP增长率三个要素。同时,由于采集研究的时间跨度较大,为了更加准确反映各个地区之间的经济发展空间差异及其变化趋势,对各个地区的数据进行了相应处理。另外,因县级市共青城市较为特殊与其他原因,本文忽略了共青城市。因此,在分析关于九江部分GDP空间关联时可能会造成些许误差。

  2.2研究方法

  本文利用江西省县域人口和相关经济指标,进行江西县域尺度下的经济发展空间自相关分析与经济发展空间模式的研究。以江西省99个县域为研究区域,采用空间自相关分析和聚类异常值分析方法,在ArcGIS与GeoDa软件下,建立自相关函数和计算空间自相关系数,然后进行自相关显著性检验。

  全部的空间现象基本都具有空间关联或空间自相关特征[6]。通常认为空间自相关是一种重要的地理研究方法,它反映的是一个区域单元与其邻近区域单元间的同一地理现象或相同属性值的相关程度 [7-9]。由于同时处理了空间位置信息和数值属性信息, 在某些情况下空间自相关是一种特别且有效的技术, 可以有效地回答诸如关于现象的空间分布问题[10]。因此,本文首先建立空间权重矩阵、采用空间统计分析中的Moran’s I指数后结合散点图来逐步进行自相关分析,同时进行聚类分析,最后对发现的个别区域进行异常值分析。通过这种方式来揭示研究单元之间的空间关系和差异及其变化的情况。

  2.2.1空间权重矩阵

  空间统计关系的基础是对空间邻居关系的定义,空间自相关分析的第一步是构造一个空间权重矩阵,其中包含每个位置的邻接关系。一般用一个二元对称空间权重矩阵W(i,j)来表示n个空间对象单元之间的相互作用关系。

  其表达式表达如下:

  W(i,j)=

  衡量空间权重的方法主要有以下几种规则:

  ①邻接方式 邻接规则通常是通过测量空间对象间的距离(如反距离)以及多个单元之间的公共边界等量度来表示邻居关系[11]。这种规则具体来说可以分为以上下左右定义邻居关系的Rook邻接,和还包括对角线的8领域邻近定义的Queen邻接两种。本文选用第一种:规定当县域i与县域j之间有公共边界时,则认为他们是邻接的即wij=1;否则,不是邻接wij=0。

  ②距离方式 以某一给定的距离为临界,当两单位之间的距离小于或等于规定临界值d时,则认为他们是邻接,空间权重矩阵中的元素为1;否则,不是邻接即赋值0。

  ③最近邻方式(K-nearest) 最近邻分类算法保证每个观测对象都有K个邻居,当区域i在区域j的K邻居之内时,wij=1;反之若i不属于j的K邻居wij=0。

  2.2.2全局空间自相关

  空间相关分析为研究地理信息与现象提供了一种方法,以此可以用来研究与分析区域的空间关联度。空间自相关主要有全局空间自相关和局部空间自相关两种。

  全局空间自相关是用指定变量来观测空间地区内的观测数据,分析观测数据潜在的相互依赖程度,其功能在于描述某种地理现象或属性值在研究范围的整体分布,以此来判断该现象或属性值是否具有集聚特征存在。简单来说,全局空间自相关分析反映的是认为邻居的区域之间某些属性是否具有相似性、相似程度有多大[12]。

  用来度量全局空间自相关的主要几种,其中Moran指数应用最广泛。目前国内关于空间自相关分析的文献大都是计算全局Moran指数与全局G系数。张松林等写过一篇全局空间自相关Moran’s I和G系数对比研究[13]对此两种计算进行了较为详细的对比。本文采用了全局Moran’s I指数对江西省县域经济发展进行了研究。

  Global Moran’s I指数计算公式如下:

  式中:n为样本格数;xi或 xj 为i 或j 点或者区域的属性值; x为xi的平均值, wij(一般是对称矩阵)为空间权重矩阵中的元素, S0为矩阵中所有元素的和。

  在给定的显著性水平下,Moran指数一般在-1到1之间。当Moran指数为正时,表示正相关即高属性值与高属性值的聚集在一起,低属性值与低属性值聚集在一起,若 Moran’s I 值接近1,表明经济发展水平相似的地区在空间上显著集簇;反之当Moran指数为负时,则表示负相关,若 Moran’s I 值接近 - 1,则表明该区域的经济发展水平在整体上呈现极化态势。

  为了检验Moran’s I 是否显著,本文采用p,z值进行检验。对 Moran’s I 结果进行统计检验, 其中Z = [ I - E (I) ] / √Var(I),式中E(I)为数学期望,Var(I)为理论方差。当Z值为正或者为负的时候,则表明有较强的空间相关性,而当Z的值为零时,观测值呈独立随机分布[14]。

  结果与分析

  3.1.研究结果

  3.1.1自然断裂分类结果

  人口方面,将江西各县人口分为六个等级,颜色越深表示等级越高。其中人口最多的为鄱阳县和丰城市,人口相对很少的有17个县(市、区)区域。对比GDP数据发现高值人口与GDP并没有较为显著的关联,但一般来说低值人口地区GDP有一定的联系,人口较少的地区大多GDP也低。

  各县人口自然断裂图

  对GDP的结果处理如下,为了更加直观了解和研究区域的基本经济水平及其变化与差距,将其都分为六个等级,现将三年各县GDP分类图展示如下:

  三年(14~16)各县GDP自然断裂图

  3.1.2莫兰指数结果

  全局莫兰指数计算结果如下图(以16年为例):

  3.3 2016年各县GDP邻近原则全局莫兰指数图

  在聚类图中,对局部莫兰指数采取 95%的置信水平进行筛选,并结合江西行政区划图,对局部差异的空间格局进行可视化操作,可得到空间模式结果,将其分为四种情况,其中又可分为空间正相关与空间负相关类型。

  3.1.3聚类图结果

  下图是关于局部空间自相关的LISA聚类图,研究这幅图有助于我们更好的了解三年来江西省县域经济发展空间状况。

  3.4各县GDP的LISA聚类图

  3.2研究分析

  3.2.1自然断裂分类分析

  由于各县的经济发展和空间结构的不同,使各研究县域区域表现出不同的经济水平和空间分布状况,GDP自然断裂法的具体分析如下:

  从整体来看,江西省县级行政单位GDP分布数据的分级中,各级所占比例随时间变化相差基本不大。只有第一二级的GDP随时间有较明显的变化,属于四到六级的县市区域比较少,其中,属于二级的县市区域较多,占到几乎三分之一,江西99个县中有3~40个县的GDP处在中等水平之间;而六级地区每年都有南昌县。这表明江西整体经济还是较为薄弱,从分级来看反映了江西省各县市域之间的GDP分布不平衡,另一方面反映了江西各县市之间的经济发展水平的空间差异。

  从GDP分布空间来看,江西北部地区的GDP相对于全省来说处在相对较高的水平。值得注意的是:排在GDP分级第五、六级的所有县市地区均在中心偏北部江西省府南昌的周边地区,南昌在经济发展中处于领先地位,对周边的经济发展具有带动作用,形成了一个以南昌为中心的现代经济区。而在第四级中,偏南部地区的是赣州市章贡区是一个深色突出点,这说明章贡区也是一个GDP增长极,并且可能具有相当大的潜力,在未来有机会发展成一个类似于鄱阳湖生态经济区的以章贡区为中心的城市经济区。

  3.2.2莫兰指数分析

  局部莫兰指数显示:以研究区域的GDP数据为变量的全局自相关分析得三年的全局Moran’s I分别为0.343015,0.423539和0.454408,说明江西省各县域的GDP空间相关性很强,表现出显著的空间聚集模式,换句话说则表明高GDP县(市)域和高GDP县(市)有相互邻接的趋势,而低GDP的区域则相互集簇。

  p-value=0.001,z值均大于检测阈值1.96,说明在99.9%的置信度下,江西省各县GDP水平的正自相关是非常显著的,即本文的研究结果显著可信。

  需要指出的是,在研究完江西整体经济分布情况,了解全局呈显著正相关条件下,同时也忽略了江西内部的经济空间差异和区域相关的程度。为了弥补这一局限,以局部空间自相关分析方法来揭示空间研究单元与其邻近的空间单元属性特征值之间的相似性与相关性,以此来分析县市域内部的经济特征,识别空间集聚与孤立的特征。

  3.2.3聚类与异常值分析

  对此聚类图进行分析,14、15、16年分别有11、8、9个县(市)区域为第一类,其中每一年都为此类区域的是南昌县、新建县、进贤县、丰城市、东湖和西湖区、青山湖和青山谱区。这些县(市)区均为GDP较高的区域,且呈现高GDP观测值区域集聚成群,说明南昌是江西GDP最高点,以南昌县为中心形成经济增长极吸引资源拉动并促进其周围县(市)区域发展,使这些地区都得到良好的经济发展,最后一同形成高值簇集。

  第二类的低值聚集区分析如下,修水县、南丰县、宁都 县和寻乌县在14和15年均属于这一类。我们发现这些县(市、区)域和它们周围区域的GDP均处于较低水平,单看这四个县在地图上分布较为分散,所以猜想可能是由于其他自然或人文因素所致:例如其中三个县均处于江西省边界,可能与邻接省份吸取经济资源有关,总之这四个县形成低值簇集区的原因是复杂的。

  第三类随时间变化最大,16年没有地区属于这一类。属于第三类的县域的GDP处在相对较高GDP的区域之间,例如14、15年的余干县等地区,这些地区并没有得到很好的发展,他们处在经济发达县(市、区)域内却反而形成低经济鼓励点,但是从时间总体来看,低值高值类的地区越来越少。

  第四类高值低值类,在14、15年没有区域属于高低类。而16年出现一个县(市)区域贵溪市,高GDP值的贵溪市周围区域GDP均较低,结合前三类的时间变化,这说明江西经济整体随时间呈增长趋势,但内部地区间的经济水平的差距在不断扩大,市与市之间、县与县之间的经济发展极不平衡且呈逐年严重趋势。

  3.5 各县GDP的LISA显著性水平图

  在关于p值的LISA显著性水平的局部自相关地图中,p=0.001级表示空间自相关非常显著,由此可以发现研究非常显著的区域也集中在南昌县,而其他结果也类似于95%置信水平的LISA聚类图。

  主要结论

  结合江西省人口分布图和地形图,可知GDP等相关操作分布呈现这种结果的原因与人口和地形均有关,其中江西北部靠近鄱阳湖地区地势平坦之地交通发达从而人口与经济较发达,而其余东三个部分南西三面地区因山地、丘陵分布不均从而造成其较为落后的经济,某些区域呈现聚类的原因可能与其相邻县域的经济吸收与扩散有关,高值区周围不一定同样形成高值区,同样低值区也可能会聚集在一起。在这种情况之下进行的江西省县域的空间自相关恰好验证了此猜想。

  本文利用空间自相关与聚类分析方法对江西省县域经济空间模型的研究较为初步与基础,在具体的应用中仍需深入探讨:①本文对研究单元采用的GDP及其增长值数据是较为单一的,其他相关因素的干扰会使实验结果产生误差,在未来如果要引用到现实中还需考虑其他影响因子,以便形成更合理的指标体系;②在市行政单位下的县(市、区)域分析难免忽略了小区域内部的经济差异与空间特征,对于数据不同的处理方法,也会导致不同的结果[15]。③由于获取的年份数据有限,精确度有待提高。

  参考文献

  [1] 廖倩,张结见.浅谈江西省产业经济发展策略的优化路径[J].商情,2015,28.

  [2] 许莉,基于空间统计与GIS的广西GDP空间自相关分析[J].学术论坛,2018(8):179-182.

  [3] 吴军,魏安喜.区域经济空间相关性的趋势分解及影响因素探析——兼与“一带一路”战略的政策建议[J].经济经纬,2018(01):1-10[2017-12-29]. 1006-1096.20171016.001.

  [4] 杜霞,吴殿廷,周宁.省域中心城市经济发展时空演化与影响因子分析——以山东省为例[J].经济经纬,2016,33(2):13-18.

  [5] 蔡欣然.中部崛起看江西[J].世纪桥,2005(7):76-78.

  [6] Goodchild M , Haining R.Integrating GIS and Spatial Data Analysis:Problems and Possibilities.Int. [J] .Geo - graphical Information Systems ,1992 , 6 (5) : 407- 423.

  [7] CliffAD , Ord J K.Spatial Autocorrelation [M] .London : Pion ,1973.

  [8] Cliff A D , Ord J K.Spatial Processes:Models and Appli- cations [M] .London : Pion , 1981.

  [9] Goodchild MF.Spatial Autocorrelation [M] .Norwich : Geo- Books , 1986.

  [10] 李国柱,朱忠芳,李新通.基于空间自相关分析方法的福建省县域经济研究[CN].科技情报开发与经济,2008,18(6):102-107.

  [11] 唐晓旭,张怀,刘锐.基于GeoDA的辽宁省GDP空间关联度分析研究[J].林业科学研究,2008,21:60-64.

  [12] LiFei , ZhouChenghu.Spatial Autocorrelation Analysis on Regional Economic Disparity of Northeast Economic Region in China[J].Chinese Journal of Population Resources & Environment.2009 , 7 (2) :27-31.

  [13] 张松林,张昆.全局空间自相关Moran指数和G系数对比研究[J].中山大学学报,2007,46(4),93-97.

  [14] 洪佳飞.基于空间自相关的我国旅游业空间发展格局研究[D].浙江大学地理与环境科学学院.

  [15] 梁洪运,周其龙,孙亚林.空间权重矩阵对空间自相关影响分析[J].科技资讯2013(9):141-143.

栏目分类