摘要 城鄉(xiāng)互動發(fā)展是縮小城鄉(xiāng)差距和解決“三農”問題的有效途徑，但由于不同區(qū)域在自然條件 、經濟基礎等方面存在差異，因此，各區(qū)域城鄉(xiāng)互動發(fā)展的態(tài)勢也有所不同，正確衡量我國 區(qū)域城鄉(xiāng)互動發(fā)展水平的空間分布特征是科學制定區(qū)域城鄉(xiāng)協調發(fā)展規(guī)劃與對策的前提和基 礎。在綜合評價1986-2005年我國省域城鄉(xiāng)互動發(fā)展水平的基礎上，采用探索性空間數據 分析 （ESDA）方法，對近20年來中國區(qū)域城鄉(xiāng)互動發(fā)展的空間分布特征及其變化趨勢進行分析 。結果表明，我國省域城鄉(xiāng)互動發(fā)展水平具有顯著的空間自相關特征，相似發(fā)展水平的區(qū)域 呈空間集聚分布態(tài)勢，且20年來格局變化不大。該發(fā)現對促進我國區(qū)域城鄉(xiāng)協調互動發(fā)展具 有重要政策意義。

關鍵詞 城鄉(xiāng)互動發(fā)展；綜合評價；ESDA；空間分布；變化趨勢

中圖分類號 F299.27 文獻標識碼 A 文章編號 1002-2104(2008)05-0079-07

中國地域遼闊，不同區(qū)域的歷史基礎、自然環(huán)境、經濟發(fā)展等方面均存在很大差異，因此， 區(qū)域城鄉(xiāng)互動發(fā)展的態(tài)勢也有所不同，正確衡量城鄉(xiāng)互動發(fā)展水平的空間分布特征及其演變 趨勢是采取協調城鄉(xiāng)關系、縮小城鄉(xiāng)差距有效舉措的前提，也是各地區(qū)選擇城鄉(xiāng)發(fā)展合理模 式和制定城鄉(xiāng)互動發(fā)展優(yōu)化對策的基礎。關于中國區(qū)域城鄉(xiāng)互動發(fā)展的時空演變問題，有諸 多學者進行過研究［1～5］。但綜觀學術界的研究成果，不難發(fā)現，不管是從宏觀層 面對我 國某年城鄉(xiāng)互動發(fā)展水平的空間差異研究，還是從微觀層面對我國某個省域內部城鄉(xiāng)互動發(fā) 展水平的空間演變研究，幾乎都忽略了經濟社會活動所具有的空間相互關聯特征，往往將所 涉及的空間單元對象事先假定為沒有聯系的獨立樣本來進行城鄉(xiāng)互動發(fā)展的空間差異研究。 而實際上，經濟社會活動是具有空間關聯特征的，而且城市與鄉(xiāng)村作為空間經濟社會系統中 兩大互相關聯的異質子系統，它們之間的互動發(fā)展除具有空間趨異特征外，也會存在一定的 空間趨同特征。研究城鄉(xiāng)互動發(fā)展的空間趨同和趨異特征及其演變趨勢將有利于我們全面了 解城鄉(xiāng)互動發(fā)展的空間分布規(guī)律，從而為不同區(qū)域促進城鄉(xiāng)互動發(fā)展提供決策依據。基于此 ，本文將綜合評價近二十年來我國區(qū)域城鄉(xiāng)互動發(fā)展水平，并以此為基礎，采用探索性空間 數據研究方法，深入分析我國區(qū)域城鄉(xiāng)互動發(fā)展水平的時空分布及其演變規(guī)律。

1 我國省域城鄉(xiāng)互動發(fā)展水平的測度

1.1 時間段的選取和數據的來源

改革開放以來，隨著市場經濟體制改革的推進，我國的城鄉(xiāng)關系發(fā)生了重大變化，戶籍制度 、統購統銷制度等城鄉(xiāng)隔離體制被逐步打破，各類社會經濟要素開始在城鄉(xiāng)之間雙向流動和 優(yōu)化配置，因此，本文選取剛剛經歷了戶籍制度重大變革的1986年為研究起點，對1986-200 5年區(qū)域城鄉(xiāng)互動發(fā)展的整體水平進行測度。

用于綜合評價的數據主要來源于《中國統計年鑒》（1987-2006）、《中國分縣市人口統計 資料》（1986-2005）、《中國農業(yè)年鑒》（1987-2006）和《新中國55年資料匯編》。

1.2 我國省域城鄉(xiāng)互動發(fā)展水平的測度

據筆者文獻［6］中構建的指標體系（包含空間關聯水平、經濟關聯水平、社 會文化關 聯水平和城鄉(xiāng)協調發(fā)展水平等四個方面）和評價方法［6］，利用有關統計資料對中 國省域1986-2005年城鄉(xiāng)互動發(fā)展水平進行綜合評價(見表1

2 我國城鄉(xiāng)互動發(fā)展的空間分布規(guī)律及其變化趨勢分析

利用以上綜合評價結果，采用探索性空間數據分析方法（ESDA），從空間尺度對近20年 來中國區(qū)域城鄉(xiāng)互動發(fā)展水平的空間分布規(guī)律及其變化趨勢進行研究。

2.1 ESDA方法

根據地理學第一定律［7］，地球表面幾乎所有空間數據都具有空間依賴或空間自相 關特征，也就是說，一個區(qū)域單元上的某種地理現象或某一屬性值是與鄰近區(qū)域單元上同一 現象或屬性值相關的［8，9］。探索性空間數據分析的核心就是認識與地理位置相關 的數據間的空間依賴、空間關聯或空間自相關。有兩類指標可用來衡量空間關聯特征，一類 是全局空間自相關指標，主要包括Morans I、GearyC統計量；另一類是局部空間自相關 指標，主要包括G統計量、Moran散點圖和LISA。

當Z值為正且顯著時，表明存在正的空間自相關，也就是說相似的觀測值(高值或低值)趨于 空間集聚；當Z值為負且顯著時，表明存在負的空間自相關，相似的觀測值趨于分散分布； 當Z值為零時，觀測值呈獨立隨機分布。

[WTBZ]由于全局Morans I是一種總體統計指標，僅能說明所有區(qū)域與周邊地區(qū) 之間空間差 異的平均程度，很難發(fā)現存在于不同位置區(qū)域的空間關聯模式，這時就需要采用局部空間自 相關指標，主要包括LISA和Moran散點圖等。

將變量z與其空間滯后向量(Wz) 之間的相關關系，以散點圖的形式加以描述，則構成[WTBZ] Moran 散點圖［13］。[WTBX]其中，橫軸對應變量z的所有觀測值，縱軸對應空間滯 后向量(Wz)的所有取值，每個區(qū)域觀測值的空間滯后就是該區(qū)域周圍鄰居觀測值的加權平均 。[WTBZ]Moran散點圖的四個象限分別對應于區(qū)域單元與其鄰近單元之間四種類型的局部空 間關聯模式：

一象限(HH):高觀測值的區(qū)域單元被同是高值的區(qū)域所包圍；

二象限(LH):低觀測值的區(qū)域單元被高值區(qū)域所包圍；

三象限(LL):低觀測值的區(qū)域單元被同是低值的區(qū)域所包圍；

四象限(HL):高觀測值的區(qū)域單元被低值區(qū)域所包圍。

與局部Moran指數相比，Moran散點圖優(yōu)勢是能具體區(qū)分區(qū)域單元和其鄰近單元之間空間 關聯模式，而且Moran散點圖與LISA顯著性水平相結合，還可了解LISA顯著性水平類型狀況 ，從而更加直觀地刻畫區(qū)域關聯模式。但Moran散點圖不能獲得局部空間集聚的顯著性指標 ，因此表示的區(qū)域局部單元空間分布模式缺乏統計含義。

[BT(2+1]2.2 1986-2005年中國城鄉(xiāng)互動發(fā)展的空間分布規(guī)律及其變化趨勢分析[BT)][BT4]2.2.1 全局空間自相關分析

表2顯示了1986-2005年間中國大陸31個省份城鄉(xiāng)互動發(fā)展總體水平全局Moran指數的演變過 程，可以看出，各年份總體水平的Z值均為正且相當顯著，表明各年份城鄉(xiāng)互動發(fā)展總體水 平均存在顯著的、正的空間自相關，其空間分布均呈現相似值（高高或低低）之間的空間集 聚態(tài)勢。從表中還可以看出，1995年以來，總體水平的全局Moran指數上升趨勢明顯，其顯 著性也逐漸增強，這表明1986年以來，城鄉(xiāng)互動發(fā)展水平一直表現出全局性顯著的相似值省 份之間空間集聚分布特征，而且自1995年以來這種空間集聚效應表現得越來越突出。[HT2.]

2.2.2 空間自相關分析

全國城鄉(xiāng)互動發(fā)展水平差異的縮小并不能說明全國區(qū)域之間和內部的城鄉(xiāng)互動發(fā) 展均呈均衡 狀態(tài)，以上分析已說明，1992年以來，雖然全國相似值省份之間城鄉(xiāng)互動發(fā)展水平的差異縮 小，但隨著全局Moran指數的逐漸上升，高集聚區(qū)和低集聚區(qū)之間的差異將趨于擴大，這種 變化特征可以進一步通過局部空間自相關進行分析。[KG)]

（1)Moran散點圖。根據中國省域城鄉(xiāng)互動發(fā)展總體水平1986、2005年的Moran散點圖（圖1）和城鄉(xiāng)互動發(fā)展總 體水平各類型及其地帶分布（見表3）可知，大部分省份落在一、三象限內，2005年HH和LL 兩種類型所占比重為70.97%（其中HH占22.58%，LL占48.39%），而HL和LH兩種類型分別僅占 12.90%和16.13%，說明我國區(qū)域城鄉(xiāng)互動發(fā)展水平具有正的空間關聯分布特征，空間依賴性 明顯。但要注意的是，從1986年到2005年，HH型主要是東部發(fā)達省市，而LL型大多是西部落 后省份，這表明我國東部發(fā)達地區(qū)始終呈高水平集聚態(tài)勢，而廣大西部地區(qū)則基本是低水平 集聚格局。

通過Moran散點圖還可了解1986-2005年間各省份類型的演變過程，總體上各省份類型分布格 局變化不大，但也有少數省份的類型發(fā)生了變化。如吉林從HH轉變?yōu)長L、內蒙古從LH轉變?yōu)?LL、海南從HH轉變?yōu)長H、福建從LH轉變?yōu)镠H、山東從HL轉變?yōu)镠H。這些省份類型的轉換反應 了近20年來其城鄉(xiāng)互動發(fā)展水平的變化，東北三省中吉林和黑龍江的城鄉(xiāng)互動發(fā)展水平相對 低于遼寧，且吉林周邊的內蒙古城鄉(xiāng)互動發(fā)展水平也較低，因此，吉林在空間分布上呈現出 被低水平省份包圍的格局。內蒙古由于一直存在產業(yè)結構不合理、經濟外向度不高等問題， 致使其城鄉(xiāng)互動發(fā)展水平較低，加之其周邊的東北三省和西北的新疆、甘肅、寧夏城鄉(xiāng)互動 發(fā)展水平也較低，因此在空間分布上，內蒙古及其周邊地區(qū)呈低水平集聚態(tài)勢。海南在1980 年代中期城鄉(xiāng)互動發(fā)展水平較高，但近年來由于農村剩余勞動力的增多，城市化進程和產業(yè) 結構升級緩慢，城鄉(xiāng)互動發(fā)展水平呈下降趨勢，而其周邊的廣東城鄉(xiāng)互動發(fā)展水平一直較高 ，因此海南在空間分布上呈現出被高水平省份包圍的格局。福建因屬泛珠三角成員，近年與 發(fā)展水平較高的鄰居廣東合作和交流增多，城鄉(xiāng)之間的交流也因此得到加強，因而福 建與其 鄰近省份的整體水平較高，空間分布上表現出高水平集聚格局。北部沿海的山東地理區(qū)位條 件好，加之近年來新農村建設成效顯著，致使其城鄉(xiāng)互動發(fā)展水平提高，且空間分布上表現 為被高水平省份包圍的格局。

（2) LISA分析。用LISA可進一步分析區(qū)域城鄉(xiāng)互動發(fā)展水平的局部空間分布特征。根據1986-2005年間中國省域城鄉(xiāng)互動發(fā)展水平局部Moran指數（見表4）可知，1986年，顯著的省份包括天津、西 藏 、云南、新疆、青海、貴州、四川、甘肅和河北，其中僅河北局部Moran指數為負，其他省 份均為正；2005年，天津、四川、云南、貴州依然顯著但水平略微下降，河北、新疆、甘肅 、青海顯著且水平上升，而上海、浙江、江蘇、寧夏則由不顯著變?yōu)轱@著，與1986年類似， 2005年除河北外的其余顯著省份的局部Moran指數均為正?？傮w而言，1986-2005年間顯著的 省份除河北屬于LH型外，其他都屬于HH或LL型，而HL型缺失。[KG)]

（3）LISA顯著性水平類型。將Moran散點圖與LISA顯著性水平相結合，即可了解LISA顯著性水平類型狀況（見表5）。由 表4和表5可知，1986年，西部顯著的LL型省份較多，顯著的HH和LH型分別只有天津和河北， 區(qū)域城鄉(xiāng)互動發(fā)展水平大體呈現正的空間關聯特征。LL型中西藏、青海、四川的顯著性最強 ，其周邊的新疆、貴州、甘肅的顯著性也較高，因此，在空間分布上這些西部落后地區(qū)連成 一片，表現為明顯的地域聚集性，同時水平較低的重慶、湖南、廣西、陜西、寧夏等省份也 分布在其外圍鄰域，更表明了城鄉(xiāng)互動發(fā)展低水平區(qū)域的空間關聯性。城鄉(xiāng)互動發(fā)展水平較 高的天津局部Moran指數為正且顯著性較強，與環(huán)渤海的核心城市北京存在正的空間關聯， 二者的相互輻射帶動效應較為明顯，而城鄉(xiāng)互動發(fā)展水平較低的河北局部Moran指數為負且 顯著，與被其環(huán)繞的京津存在負的空間關聯，不僅受京津的輻射有限，而且受一定回流效應 的支配，即資本、勞動力、技術等生產要素由于追求高回報率的趨向，大量流向核心地區(qū)， 致使外圍地區(qū)河北的城鄉(xiāng)互動發(fā)展水平更低。

與1986年相比（見表4、表5），2005年不顯著的省域范圍縮小，而顯著的省域范圍擴大，其 中顯著的LL型新增了寧夏，顯著的HH型新增了江蘇和浙江，但HL型和LH型沒 有變化?？臻g分布上，2005年區(qū)域城鄉(xiāng)互動發(fā)展水平呈現非常明顯的正的空間關聯特征，LL型中新疆和西藏的顯著性最強，其周邊的甘肅、青海、 四川、云南、寧夏顯著性也較高，而且其外圍鄰域還 聚集了水平較低的重慶、湖南、廣西、河南、內蒙古等省份，從而使我國城鄉(xiāng)互動發(fā)展呈現 大部分LL型省份空間集聚的分布模式。長三角地區(qū)的上海、江蘇和浙江的局部Moran指數為 正且顯著性較高，說明三省份之間存在正的空間關聯且呈現集聚分布態(tài)勢，主要原因是，19 90年以來國家對上海浦東的開發(fā)開放，促進了上海在城市建設、經濟發(fā)展、科技文化進步等 領域的飛速發(fā)展，城鄉(xiāng)協調發(fā)展水平也相應提高，同時隨著上海實力的增強，其對周邊江蘇 和浙江的輻射能力也迅速提高，并加速了長三角地區(qū)城鄉(xiāng)和區(qū)域一體化進程，形成了正的跨 區(qū)域的城鄉(xiāng)互動發(fā)展效應。天津屬HH型且統計顯著，表明其與北京正的空間關聯關系沒有發(fā) 生變化，河北屬LH型且統計顯著，表明其與京津間負的空間關聯關系也沒有根本改變。

3 結 語

本文采用ESDA 方法，通過城鄉(xiāng)互動發(fā)展水平的全局空間自相關和局部自相關分析，揭示了1 986-2005年間我國城鄉(xiāng)互動發(fā)展的空間分布規(guī)律及其動態(tài)演變過程，得到如下結論：

（1）全局Moran指數研究發(fā)現：1986-2005年各年份城鄉(xiāng)互動發(fā)展總體水平均存在顯著的、 正的空間自相關，其空間分布均呈相似值（高高或低低）之間的空間集聚態(tài)勢，且1995年以 來這種空間集聚效應表現得更為突出；Moran散點圖表明：大部分省份均為HH和LL兩種類型 ，且二十年來這種分布格局的變化不大，但HH型區(qū)域主要包括了東部發(fā)達省市，而LL型大多 是西部落后省份。

（2）LISA及其顯著性水平類型分析表明：1986-2005年間，我國區(qū)域城鄉(xiāng)互動發(fā)展水平空間 分布的趨異特征日趨明顯，HH型和LL型均呈空間集聚態(tài)勢，其中LL型省份空間集聚特征比HH 型更為明顯，這說明我國區(qū)域城鄉(xiāng)互動發(fā)展總體水平不高，西部落后地區(qū)更多地表現為低水 平的空間趨同分布。因此，今后仍需繼續(xù)增強發(fā)達地區(qū)空間集聚效應和對西部落后地區(qū)的輻 射效應，從而使我國區(qū)域城鄉(xiāng)互動發(fā)展水平的空間關聯性得到提高、空間分布日趨均衡協調 與優(yōu)化。

(3)本文對我國城鄉(xiāng)互動發(fā)展水平的評價和采用探索性空間數據分析方法對其空間分布 及其變動研究的結論具有重要的政策含義：第一，1986-2005年我國城鄉(xiāng)互動發(fā)展盡管各省 域水平都有顯著提高，但地域差距明顯，且出現了空間俱樂部分化跡象，即東部城鄉(xiāng)互動發(fā) 展水平較高的省域呈高高聚集態(tài)勢，而西部城鄉(xiāng)互動發(fā)展水平低的省域呈低低聚集態(tài)勢，地 區(qū)差距在整體水平提高的情況下有擴大趨勢。這一點在ESDA分析中，無論是全局Moran指數 、還是LISA分析，都有相似的結論。表明我國今后縮小地區(qū)間城鄉(xiāng)互動發(fā)展差距、促進各區(qū) 域城鄉(xiāng)協調發(fā)展依然任務艱巨。第二，由于省域實體之間存在產業(yè)關聯、人口流動、貿易交 往、資本外溢、技術擴散等空間相互作用，而這種空間作用在相鄰省域間發(fā)生的概率更高， 使得行政相對獨立的省域并非空間“孤島”，空間效應使得相鄰省域的城鄉(xiāng)互動發(fā)展水平有 趨于一致性的傾向，從而客觀上要求中央和地方政府在制定國家和地區(qū)城鄉(xiāng)互動發(fā)展規(guī)劃、 政策以及進行重大工程項目投資決策時應該充分考慮空間位置因素，以使區(qū)域間的空間效應 得到更好的利用。第三，鄰域空間效應對省域城鄉(xiāng)互動發(fā)展具有重要政策啟示，城鄉(xiāng)互動發(fā) 展水平低的省域如果相鄰發(fā)展水平高的省域，由于可以利用來自水平較高區(qū)域的輻射與帶動 ，因而國家旨在提高這些省域城鄉(xiāng)互動發(fā)展水平的有關政策措施一般可以產生較好的效果。 而那些低水平省域集聚的空間俱樂部成員，要提高其城鄉(xiāng)互動發(fā)展水平，則往往需要給予更 大的支持力度。

應該指出的是，探索性空間數據分析方法本質上是由數據驅動的探索過程，其目的 是“讓數 據自己說話”，通過數據分析來發(fā)現問題，采用該方法能夠比較直觀地展現空間數據中隱含 的空間分布、空間模式以及空間相互作用等特征，但如果要深入探究城鄉(xiāng)互動發(fā)展水平空間 分布規(guī)律的內部成因和驅動機制，僅采用該方法還略顯不夠，因此今后還有必要結合確認性 空間數據分析方法，對城鄉(xiāng)互動發(fā)展水平的空間分布規(guī)律及其深層次的原因與動力機制進行 剖析。

(編輯：于 杰)

參考文獻(References)

［1］魯奇，曾磊，王國霞，等. 重慶城鄉(xiāng)關聯發(fā)展的空間演變分析及綜合評價 ［J］.中國人口#8226;資源與環(huán)境，2004，14(2)：81～87.［Lu Qi， Zeng Lei， Wang Guoxia，e t al. Spatial Evolution of Chongqing Urbanrural Interaction and Its Comprehens i ve Evaluation ［J］. China Population Resources and Environment， 2004， 14(2)：81 ～87.］

［2］段娟，魯奇，文余源. 我國區(qū)域城鄉(xiāng)互動與關聯發(fā)展綜合評價［J］.中國人口#8226;資源 與 環(huán)境，2005，15(1)：76～81.［Duan Juan， Lu Qi， Wen Yuyuan. A Comprehensive Evalua tion of Urbanrural Interaction and Conjunctional Development of China［J］.China Population Resources and Environment， 2005，15(1)：76～81.］

［3］張淑敏，劉輝，任建蘭. 山東省區(qū)域城鄉(xiāng)一體化的定量分析與研究［J］.山東 師范大 學學報(自然科學版)，2004，19(3)：65～68. ［Zhang Shuomin， Liu Hui， Ren Jianlan.A Quantitative Analysis and Study of Regional Urbanrural Interaction in Shando n g Province ［J］. Journal of Shandong Normal University (Natural Science)， 2004， 19(3)：65～68.］

［4］修春亮，許大明，祝翔凌. 東北地區(qū)城鄉(xiāng)一體化進程評估［J］.地理科學，2004，24( 3)：320～325.［ Xiu Chunliang， Xu Daming， Zhu Xiangling. Evaluation of UrbanRu ral Integration Course in Northeast China ［J］. Geographical Scince， 2004，24(3) ：320～325.］

［5］羅雅麗，李同升. 城鄉(xiāng)關聯性測度與協調發(fā)展研究——以西安市為例［J］.地理與地 理 信息科學，2005， 21(5)：68～71. ［Luo Yali， Li Tongsheng. Study on Evaluation ofthe UrbanRural Correlation and Coordinated Development of Urban and Rural Are a s: Taking Xi'an City as an Example ［J］. Geography and GeoInformation Science ， 2005， 21(5)：68～71.］

［6］段娟，文余源，魯奇.中國城鄉(xiāng)互動發(fā)展水平的地區(qū)差異及其變動趨勢分析［J］.中國 軟科學，2006，(9):87～95.［Duan Juan， Wen Yuyuan， Lu Qi. Research on the Regiona l Difference and its Changing Tendency of the UrbanRural Interaction ［J］.  Development Level in China， 2006，(9):87～95.］

［7］Tobler W. Cellular geography［A］.In:Gale S，Olsson G(eds). Philosophy in G eography［C］.Dordrecht: Reidel Publishing，1979:379～386.

［8］Cliff A D，J K Ord. Spatial Autocorrelation［M］.London:Pion，1973.

［9］Cliff A D，J K Ord. Spatial Processes: Models and Application［M］.London:P ion，1981.

［10］Anselin L. Local Indicators of Spatial AssociationLISA［J］.Ge ographical Analysis，1995， 27(2): 93～115.

［11］Ord J K，Getis A. Local Autocorrelation Statistics:Distributional Issues a nd an Application［J］. Geographical Analysis，1995，(27):286～306.

［12］Hubert L J. Assignment Methods in Combinatorial Data Analysis［M］. New Yo rk: Marcel Dekker，1987.

［13］Anselin L. The Moran scatterplot as an ESDA tool to assess local instabili ty in spatial association［A］. In:Fisher M，Scholten H J，Unwin D(eds). Spatialanalytical perspectives on GIS［C］. London:Taylor Francis，1996:111～125.