彭 立，劉邵權(quán)

(1.中國科學(xué)院、水利部 成都山地災(zāi)害與環(huán)境研究所，成都610041;2.中國科學(xué)院 研究生院，北京100049)

0 引言

城鎮(zhèn)化是區(qū)域發(fā)展的重要推動力量，尤其是對于西部地區(qū)來說，普遍較低的城鎮(zhèn)化水平反映了區(qū)域經(jīng)濟社會發(fā)展的落后性。城鎮(zhèn)化過程實際上是一種自組織過程，城鎮(zhèn)化的演變、人口的城鄉(xiāng)遷移都受某種自組織規(guī)律的支配，在實踐和空間上分別聯(lián)系著自組織臨界性和空間復(fù)雜性［1］?；诘乩韺W(xué)視角對城鎮(zhèn)化空間格局的實證研究是建立在空間分析方法論基礎(chǔ)上的［2］。城鎮(zhèn)化的表現(xiàn)也不單是簡單的城鄉(xiāng)人口結(jié)構(gòu)的轉(zhuǎn)化，更重要的是其代表著產(chǎn)業(yè)結(jié)構(gòu)及其空間分布結(jié)構(gòu)的變化。作為四川、云南、貴州三省交界之地的川滇黔接壤地區(qū)有著獨特的地理位置，長久以來經(jīng)濟社會發(fā)展比較落后，其城鎮(zhèn)化的整體水平較低，在空間分布上探索其城鎮(zhèn)化的規(guī)律性和相關(guān)性有著重要的現(xiàn)實意義。本研究以川滇黔接壤地區(qū)作為實證研究對象，在ArcGIS支持下，運用空間數(shù)據(jù)探索分析方法(exploratory spatial data analysis，ESDA)和空間計量模型等方法，揭示川滇黔接壤地區(qū)城鎮(zhèn)化格局的空間規(guī)律和驅(qū)動因素，可為跨省區(qū)域經(jīng)濟社會空間結(jié)構(gòu)重構(gòu)、協(xié)調(diào)區(qū)域城鎮(zhèn)化發(fā)展提供決策依據(jù)。

1 研究方法

空間分析的獨特貢獻在于它借鑒相關(guān)社會科學(xué)的方法和工具，提供了準確認識、評價和綜合理解空間位置和空間相互作用重要性的方法［3］。本研究采用的是ESDA，其主要是通過對空間自相關(guān)的分析來揭示空間依賴性和異質(zhì)性，并基于空間自相關(guān)分析的結(jié)果進行空間計量建模。

1.1 空間數(shù)據(jù)探索分析

空間數(shù)據(jù)探索分析是一般數(shù)據(jù)探索分析的擴展，具有一些針對空間數(shù)據(jù)特性的工具，目的在于探測數(shù)據(jù)的空間屬性，并對下一步的數(shù)學(xué)建模具有重要價值。總體而言，有兩類空間數(shù)據(jù)探索分析方法，一類為全局統(tǒng)計(global statistics)，主要探索某一屬性在區(qū)域中的分布特性，另一類為局域統(tǒng)計(local statistics)，通過對子區(qū)域中信息的分析，探查區(qū)域信息變化是否平滑(均質(zhì))或存在突變(異質(zhì))。

1.1.1 全局空間自相關(guān)。全局空間相關(guān)測度可用來描述整個研究區(qū)域上所有空間對象之間的平均關(guān)聯(lián)程度、空間分布模式及其顯著性，常用 Moran’s I和 Geary’s C進行檢驗［4］。本研究采用的是 Moran’s I指數(shù)。Moran’s I的取值范圍為［-1，1］，大于零表明存在空間的正相關(guān)，反之為負相關(guān)，等于零則表明不存在空間相關(guān)性，其計算公式如下:

計算出 Moran’s I之后 ，還需對其結(jié)果進行統(tǒng)計檢驗，一般采用Z檢驗:

式中:E(I)表示數(shù)學(xué)期望;var(I)為總體方差。

1.1.2 局部空間自相關(guān)?？臻g聯(lián)系局域指標［5］(local indicators of spatial association，LISA)是由全局空間Moran’s I向局域或者單個空間研究對象的分解，可以表示某個位置上的觀測值與周圍區(qū)域單元觀測值之間的聯(lián)系，可以用于識別“熱點區(qū)域”以及數(shù)據(jù)的異質(zhì)檢驗［6］。對于某個空間單元i，其計算公式為:

式中:Ii為單元i的空間自相關(guān)指數(shù);Zi=(Xi-)Zi，Zj都表示為觀測值的標準差標準化形式;n為研究單元個數(shù)(本研究為75個);其余字母含義同前文。

1.2 空間計量模型

空間相關(guān)性通常由兩方面因素決定，一是地區(qū)樣本觀測值對相鄰地區(qū)觀測值存在的溢出效應(yīng)，二是鄰近地區(qū)關(guān)于因變量的誤差沖擊對本地區(qū)觀測值產(chǎn)生的影響，因此，空間相關(guān)性主要體現(xiàn)在因變量的空間滯后項和空間誤差項［7］。本研究使用的空間計量模型主要是納入了空間效應(yīng)(空間相關(guān)和空間差異)的空間常系數(shù)回歸模型，包括空間滯后模型與空間誤差模型2種。

1.2.1 空間滯后模型(spatial lag model，SLM)主要反映了樣本觀測值是如何通過空間機制作用于其他地區(qū)。其模型表達式為:

式中:Y為因變量;X為自變量;ρ為空間滯后回歸參數(shù);WY為空間滯后因變量;ε為矢量形式的空間誤差項。

1.2.2 空間誤差模型 (spatial error model，SEM)主要用來度量鄰近地區(qū)因變量的誤差沖擊對本地區(qū)測察值的影響程度，SEM模型強調(diào)空間擴散效應(yīng)是外生沖擊的結(jié)果［8］，因此，該模型中的空間相關(guān)作用存在于誤差項當中。公式為:

式中:ε為矢量形式的空間誤差項;λ表示空間誤差回歸系數(shù);W為空間鄰接矩陣;μ為滿足正態(tài)分布的隨機誤差向量。

因SLM模型和SEM模型反映的空間相關(guān)性是全局性的，應(yīng)確保模型估計結(jié)果的無偏和有效性。采用普通最小二乘法(OLS)估計時，則會造成估計結(jié)果的有偏或無效，因此，本研究主要選取極大似然法(log L)進行估計［8］。

2 研究區(qū)概況和數(shù)據(jù)獲取

川滇黔接壤地區(qū)包括四川省西南部、云南省東北部和貴州省西北部14個地、市、州的75個縣(區(qū)、市)，總面積19萬多km2，分別占西南3個省的16.9%。該區(qū)是我國西南的一大老少邊窮地區(qū)，它處于西南的幾何中心，依托重慶、成都、昆明和貴陽四大城市，以及成昆、貴昆、內(nèi)昆及川黔鐵路。該區(qū)曾是國家“三線”建設(shè)中生產(chǎn)力重點布局地區(qū)，也是全國國土開發(fā)規(guī)劃中17個重點開發(fā)區(qū)之一(即攀西-六盤水資源綜合開發(fā)區(qū))，長江沿岸產(chǎn)業(yè)帶開發(fā)最上游地區(qū)。川滇黔接壤地區(qū)城鎮(zhèn)化水平整體較低，除個別區(qū)縣(攀枝花市的東區(qū)、西區(qū)，六盤水市的鐘山區(qū))城鎮(zhèn)化率達到50%以上外，其余72個區(qū)縣都在50%以下，其中49個區(qū)縣的城鎮(zhèn)化率在20%以下(圖1)。空間分析的范圍是川滇黔接壤地區(qū)，包括75個區(qū)縣，以區(qū)縣為基本分析單位?？臻g數(shù)據(jù)從1∶400萬的國家基礎(chǔ)地理信息數(shù)據(jù)中提取出以縣域為基本尺度的川滇黔接壤地區(qū)行政邊界，城鎮(zhèn)化數(shù)據(jù)均以2008年為時間節(jié)點，來自相關(guān)省市統(tǒng)計年鑒和統(tǒng)計公報，并先在ArcGIS軟件中進行數(shù)據(jù)匹配。

圖1 川滇黔接壤地區(qū)城鎮(zhèn)化水平分級格局Fig.1 The spatial pattern of urbanization level in Chuan-Dian-Qian boundary area

3 空間分析結(jié)果

經(jīng)計算，全局空間自相關(guān)指數(shù) Moran’s I=0.253 8，檢驗值 Z=3.42，通過 p ＜ 0.01 水平下的顯著性檢驗。城鎮(zhèn)化率呈現(xiàn)正的空間自相關(guān)特性，即從川滇黔接壤地區(qū)整體上看，城鎮(zhèn)化水平相似的縣域(高-高或低-低)在空間上呈集聚趨勢。利用局部 Moran指數(shù)公式，計算各區(qū)縣城鎮(zhèn)化率的局部Moran’s I值，得到各區(qū)縣城鎮(zhèn)化率空間分異狀態(tài)的 Moran散點圖(圖2)。Moran散點圖以笛卡爾直角坐標體系為表現(xiàn)形式，分析全省耕地資源的空間相關(guān)性，橫坐標為城鎮(zhèn)化率，縱坐標為空間權(quán)重矩陣加權(quán)后的城鎮(zhèn)化率，直觀反映出研究變量與空間滯后的關(guān)系，即檢測局部空間的異質(zhì)性［9］。第一至四象限點分別表示某空間單元與相鄰單元的城鎮(zhèn)化率呈現(xiàn)高值與高值集聚、高值與低值集聚、低值與高值集聚、低值與低值集聚的空間關(guān)系。從圖中可以看出各區(qū)縣單元分布在第三象限的最多，再次說明了城鎮(zhèn)化率更多呈現(xiàn)正相關(guān)，具體更多地表現(xiàn)在低值聚集的狀態(tài)，城鎮(zhèn)化率較低的地區(qū)相對集中分布，形成連片的低值區(qū)。根據(jù)Moran散點圖中各象限的區(qū)縣不同類型在ArcGIS中做出其分布圖，并將計算出的各區(qū)縣顯著性LISA值(p≤0.05)也標示在圖上，得到圖3。

分布在第一象限(高-高)的有12個區(qū)縣，分布在第三象限的有34個區(qū)縣，兩者共占川滇黔接壤地區(qū)縣域總數(shù)的61.33%，城鎮(zhèn)化水平呈現(xiàn)出一定程度的兩極分化。相對于H-H區(qū)，L-L區(qū)范圍明顯更廣，主要分布于川滇黔接壤地區(qū)西北部和中北部，并且連片出現(xiàn)，這些區(qū)域成為城鎮(zhèn)化率低值聚集區(qū)不足為怪，主要源于該區(qū)域惡劣的自然地理條件及長期落后的發(fā)展基礎(chǔ)。城鎮(zhèn)化的高值區(qū)域分布比較離散，空間集聚性不強，還沒有形成較大范圍連片集中分布的城鎮(zhèn)化高值區(qū)，唯一顯著的(p≤0.05)是攀枝花市的東區(qū)和西區(qū)，它們是整個川滇黔接壤地區(qū)經(jīng)濟社會發(fā)展水平最高的區(qū)域，也是城鎮(zhèn)化水平最高的區(qū)域。H-L區(qū)分布特征最為分散，呈鑲嵌狀分布，這也體現(xiàn)了即使在城鎮(zhèn)化水平較低的地區(qū)，一定的行政區(qū)域內(nèi)(比如一個地級市)也存在城鎮(zhèn)化水平的差異，即經(jīng)濟、資源和人口的相對富集造成的局部極化差異。

4 空間計量模型估計結(jié)果及分析

由于川滇黔接壤地區(qū)城鎮(zhèn)化率整體上存在一定的空間正相關(guān)性，因此，地區(qū)之間在空間上相互獨立的假定不能成立，從而如果采用普通最小二乘法來估計分析城鎮(zhèn)化率的驅(qū)動作用［10］，其結(jié)果是有偏的，在處理這些帶有空間特性的數(shù)據(jù)時必須考慮空間自相關(guān)所帶來的影響。采用空間滯后模型和空間誤差模型進行空間計量分析可以較好地反映空間效應(yīng)(表1)。當然，為了比較，同時進行了OLS估計。

區(qū)域經(jīng)濟結(jié)構(gòu)差異直接導(dǎo)致了區(qū)域經(jīng)濟發(fā)展水平不同，進一步影響了區(qū)域城鎮(zhèn)化水平。為揭示城鎮(zhèn)化率差異的驅(qū)動力的深層機理，根據(jù)數(shù)據(jù)可得性、相關(guān)性、整體性、代表性等原則選取4個主要影響因子，包括人均GDP、人口密度、第二產(chǎn)業(yè)增加值(億元)和第三產(chǎn)業(yè)增加值(億元)。

從擬合優(yōu)度R2和極大似然估計量來看，空間誤差模型和空間滯后模型明顯優(yōu)于最小二乘法模型，再次證明了考慮空間效應(yīng)的優(yōu)越性和必要性，避免了模型估計偏誤。對于空間誤差模型和空間滯后模型之間的優(yōu)劣比較來說，空間誤差模型的擬合優(yōu)度R2和極大似然估計值大于空間滯后模型的，且從赤遲信息量和施瓦茨信息量可以看出，空間誤差模型均小于空間滯后模型。綜上所述，空間誤差模型為最優(yōu)。

從空間誤差模型估計結(jié)果看，空間誤差彈性系數(shù)λ為0.416 1，通過1%顯著性檢驗，說明相鄰地區(qū)城鎮(zhèn)化率的空間效應(yīng)影響存在于誤差項中，不僅包含地區(qū)間城鎮(zhèn)化率的相互作用，還存在于各種復(fù)雜的空間因素中，因此，各區(qū)縣城鎮(zhèn)化水平的落后不僅決定于其本身，也受周圍區(qū)縣的影響。從自身驅(qū)動因子來看，人均GDP、人口密度、第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值的彈性系數(shù)均為正，即對城鎮(zhèn)化水平有正效應(yīng)。第二產(chǎn)業(yè)增加值和第三產(chǎn)業(yè)增加值的彈性系數(shù)分別是0.417 3和0.777 7，其中，第三產(chǎn)業(yè)增加值這一因子的彈性系數(shù)最大，說明第三產(chǎn)業(yè)增加值是城鎮(zhèn)化水平最重要的驅(qū)動因子，這也符合了國內(nèi)外城鎮(zhèn)化的相關(guān)研究結(jié)論。發(fā)展經(jīng)濟學(xué)指出，隨著資本密集化程度的提高和科學(xué)技術(shù)的進步，現(xiàn)代工業(yè)部門創(chuàng)造的就業(yè)機會已越來越少，大量的農(nóng)村勞動力將轉(zhuǎn)移到城鎮(zhèn)商業(yè)、服務(wù)業(yè)等第三產(chǎn)業(yè)領(lǐng)域。美國、日本等國經(jīng)濟發(fā)展實踐也得出這樣的結(jié)論，即城鎮(zhèn)化水平與第三產(chǎn)業(yè)發(fā)展的相關(guān)性高于與第二產(chǎn)業(yè)發(fā)展的相關(guān)性，第三產(chǎn)業(yè)是城鎮(zhèn)化的最大推動力。因此，本地區(qū)落后的城鎮(zhèn)化水平和本地產(chǎn)業(yè)結(jié)構(gòu)的不合理、第三產(chǎn)業(yè)不發(fā)達密切相關(guān)。

表1 模型估計值及檢驗結(jié)果Tab.1 Estimation and test results，assessed with the 3 models

5 結(jié)語

從空間分析的結(jié)果來看，城鎮(zhèn)化率的低水平正相關(guān)，可能是區(qū)縣間的相互聯(lián)系和相互作用的結(jié)果，也可能解釋為區(qū)域本底條件和歷史發(fā)展基礎(chǔ)的相似性。這也說明作為一個研究單元，川滇黔接壤地區(qū)雖然跨四川、云南、貴州3個省，但從區(qū)位、資源、環(huán)境、發(fā)展歷史等綜合因素來講，其區(qū)域的整體性較好。采用統(tǒng)計學(xué)方法研究某一區(qū)域發(fā)展問題時，需要考慮到區(qū)域作為研究樣本事實上的“不獨立”特性，考慮所處的區(qū)域大背景。

采用空間計量模型較好地揭示了各驅(qū)動因子對城鎮(zhèn)化率的影響機制，體現(xiàn)了城鎮(zhèn)化率分布的空間相關(guān)性，整個估計結(jié)果更為可靠。除了本身的各驅(qū)動因子的作用外，相鄰地區(qū)各因素的空間誤差效應(yīng)也對城鎮(zhèn)化率存在顯著的影響，其彈性系數(shù)為0.416 1，因此，各區(qū)縣城鎮(zhèn)化水平的落后不僅決定于其本身，也受周圍區(qū)縣的影響。在城鎮(zhèn)化水平自身驅(qū)動因子中，第三產(chǎn)業(yè)增加值的彈性系數(shù)最大，說明第三產(chǎn)業(yè)是城鎮(zhèn)化水平最重要的驅(qū)動因子，提高城鎮(zhèn)化水平最重要的方向是產(chǎn)業(yè)結(jié)構(gòu)的升級。國內(nèi)外研究表明，產(chǎn)業(yè)結(jié)構(gòu)遵循著從第一產(chǎn)業(yè)向第二產(chǎn)業(yè)再逐步向第三產(chǎn)業(yè)的方向遞進，即產(chǎn)業(yè)結(jié)構(gòu)高級化趨勢。從各國城鎮(zhèn)化進程發(fā)展結(jié)果來看，發(fā)展第三產(chǎn)業(yè)是城鎮(zhèn)化的必由之路。

川滇黔接壤地區(qū)雖然分屬云貴川三省，但山水相連，自然地理環(huán)境相近，區(qū)位條件一致，社會經(jīng)濟發(fā)展水平總體相近，資源豐富且相互配套。按照市場經(jīng)濟和資源優(yōu)化配置原則，接壤地區(qū)必須打破行政區(qū)間封閉的狀態(tài)，整合優(yōu)化區(qū)域開發(fā)，才能提高城鎮(zhèn)化水平，適應(yīng)區(qū)域發(fā)展和西部大開發(fā)的戰(zhàn)略需要。因此，將川滇黔接壤地區(qū)作為一個區(qū)域整體來開發(fā)［11］，有其特定的內(nèi)涵和戰(zhàn)略思考。加快本區(qū)的綜合開發(fā)，促進地區(qū)社會經(jīng)濟的持續(xù)發(fā)展，對促進長江沿岸產(chǎn)業(yè)帶建設(shè)，以及東、中、西部協(xié)調(diào)發(fā)展具有重大意義。

［1］陳彥光.城鎮(zhèn)化:相變與自組織臨界性［J］.地理研究，2004，23(3):301-311.

［2］馬曉冬，馬榮華，徐建剛.基于ESDA-GIS的城鎮(zhèn)群體空間結(jié)構(gòu)［J］.地理學(xué)報，2004，59(6):1048-1057.

［3］Anselin L.The Future of Spatial Analysis in the Social Sciences［J］.Geographic Information Sciences，1999，5(2):67-76.

［4］孟斌，王勁峰，張文忠，等.基于空間分析方法的中國區(qū)域差異研究［J］.地理科學(xué)，2005，25(4):393-400.

［5］Anselin L.Local Indicators of Spatial Association-LISA［J］.Geographical Analysis，1995，27(2):93-115.

［6］Anselin L，Syabri I，Kho Y.GeoDa:An Introduction to Spatial Data Analysis［J］.Geographical Analysis，2006，38(1):5-22.

［7］文繼群，濮勵杰，張潤森.耕地資源變化的空間計量及其驅(qū)動力分析——以江蘇省為例［J］.長江流域資源與環(huán)境，2011，20(5):628-634.

［8］周國富，連飛.中國地區(qū) GDP數(shù)據(jù)質(zhì)量評估——基于空間面板數(shù)據(jù)模型的經(jīng)驗分析［J］.山西財經(jīng)大學(xué)學(xué)報，2010，32(8):17-24.

［9］彭穎，陸玉麒.成渝經(jīng)濟區(qū)經(jīng)濟發(fā)展差異的時空演變分析［J］.經(jīng)濟地理，2010，30(6):912-917.

［10］龍愛華，徐中民，王新華，等.人口、富裕及技術(shù)對2000年中國水足跡的影響［J］.生態(tài)學(xué)報，2006，26(10):3358-3365.

［11］陳治諫.川滇黔接壤地區(qū)總體發(fā)展戰(zhàn)略研究［J］.長江流域資源與環(huán)境，1994，3(3):193-199.