唐歡 尹玉環(huán) 尹燕 徐華媛 榮春輝

基于GIS的經(jīng)濟(jì)發(fā)展分析，能夠?yàn)榻?jīng)濟(jì)發(fā)展決策提供依據(jù)。本文立足于GIS技術(shù)，構(gòu)建經(jīng)濟(jì)分析系統(tǒng)，選取了2010-2016年反映經(jīng)濟(jì)差異的11個(gè)指標(biāo)，利用主成分聚類分析方法探討了“一帶一路”對(duì)我國(guó)內(nèi)陸經(jīng)濟(jì)的影響。研究結(jié)果將31個(gè)?。ㄊ校┓譃?類：發(fā)達(dá)型、較發(fā)達(dá)型、中等型、落后型、較落后型;2010-2016年各?。ㄊ校┙?jīng)濟(jì)有了較快的發(fā)展，尤其是中西部城市，由較落后型發(fā)展為落后型甚至為中等型城市，使得中西部地區(qū)與東地區(qū)經(jīng)濟(jì)差異進(jìn)一步縮小。

一、引言

近年來，我國(guó)對(duì)于“一帶一路”戰(zhàn)略的實(shí)施重視越來越高，“一帶一路”對(duì)我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展影響這一問題也成為行業(yè)工作人員重點(diǎn)關(guān)心和研究的課題之一。自2013年“一帶一路”倡議提出后，國(guó)內(nèi)學(xué)者已做了很多研究。李弘濤從總體上探討了GIS（Geography Information System，地理信息系統(tǒng)）技術(shù)可以用來分析“一帶一路”對(duì)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展。王建偉等人運(yùn)用GIS空間分析技術(shù)探討了“一帶一路”沿線國(guó)家與我國(guó)的經(jīng)濟(jì)聯(lián)系，將“一帶一路”經(jīng)濟(jì)帶分成了三個(gè)區(qū)域，利用加權(quán)距離計(jì)算了經(jīng)濟(jì)帶的空間可達(dá)性，測(cè)度中國(guó)與沿線各國(guó)的經(jīng)濟(jì)聯(lián)系強(qiáng)度。楊文龍等人利用地統(tǒng)計(jì)方法和復(fù)雜網(wǎng)絡(luò)，對(duì)“一帶一路”貿(mào)易網(wǎng)絡(luò)的拓?fù)湫再|(zhì)、空間結(jié)構(gòu)以及節(jié)點(diǎn)的鄰近性進(jìn)行了深入的研究。丁廣偉等基于主成分分析研究了“一帶一路”沿線國(guó)家經(jīng)濟(jì)差異演變特征分析，得出“一帶一路”沿線國(guó)家經(jīng)濟(jì)發(fā)展呈東、西、中三個(gè)梯度，一帶一路沿線國(guó)家區(qū)域間經(jīng)濟(jì)差異懸殊，兩端經(jīng)濟(jì)發(fā)展較好，中部地區(qū)經(jīng)濟(jì)發(fā)展相對(duì)落后，整體呈“啞鈴形”。眾多研究結(jié)果都表明了GIS技術(shù)能夠用于分析“一帶一路”的經(jīng)濟(jì)影響。

本文以中國(guó)內(nèi)陸31個(gè)?。ㄊ校檠芯繉?duì)象，對(duì)其進(jìn)行主成分聚類分析[5-8]，確定“一帶一路”對(duì)我國(guó)經(jīng)濟(jì)發(fā)展的主要影響因素，詳細(xì)了解區(qū)域經(jīng)濟(jì)差異的特征，通過對(duì)各區(qū)域經(jīng)濟(jì)差異性確定合理的分類案，研究各?。ㄊ校┙?jīng)濟(jì)差異，以分析“一帶一路”對(duì)我國(guó)經(jīng)濟(jì)發(fā)展的影響。

二、研究方法與數(shù)據(jù)來源

（一）研究區(qū)和數(shù)據(jù)源

該文主要選取中國(guó)內(nèi)陸31個(gè)?。ㄊ校檠芯繉?duì)象。東部地區(qū)發(fā)展較為迅速，而中西部由于交通方面的建設(shè)一直以來都存在著較大困難，而導(dǎo)致其經(jīng)濟(jì)很難快速發(fā)展?！耙粠б宦贰睉?zhàn)略的實(shí)施，將解決中西部地區(qū)基礎(chǔ)設(shè)施的建設(shè)問題。中西部地區(qū)與眾多國(guó)家毗鄰，地域遼闊，資源豐富，十分具有開發(fā)潛能?；A(chǔ)數(shù)據(jù)來源于中國(guó)一帶一路網(wǎng)，《中國(guó)統(tǒng)計(jì)公報(bào)（2010-2016）》。

（二）指標(biāo)選取與研究方法

指標(biāo)選取和研究方法參考盧柳葉的文章。首先，進(jìn)行主成分分析，分別構(gòu)建2010-2016年各指標(biāo)原始數(shù)據(jù)矩陣，并進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算特征值與特征向量，之后計(jì)算貢獻(xiàn)率和累積貢獻(xiàn)率，確定主成分個(gè)數(shù)（累積貢獻(xiàn)率大于60%的綜合指標(biāo)），通過計(jì)算得到各省（市）的綜合主成分表達(dá)矩陣及主成分綜合得分;其次，進(jìn)行聚類分析，建立聚類相似矩陣，得到各省市的經(jīng)濟(jì)差異圖;最后對(duì)分析結(jié)果利用ArcGIS進(jìn)行制圖分析。

對(duì)31個(gè)省（市）地區(qū)的人均GDP數(shù)據(jù)進(jìn)行空間自相關(guān)與局部空間自相關(guān)指數(shù)的計(jì)算。局部莫蘭指數(shù)為正時(shí)，當(dāng)對(duì)應(yīng)的統(tǒng)計(jì)單元人均GDP低于我國(guó)人均GDP時(shí)，空間關(guān)聯(lián)為“低—低”關(guān)聯(lián)，反之則為“高—高”關(guān)聯(lián)：局部莫蘭指數(shù)為負(fù)，其對(duì)應(yīng)的區(qū)域統(tǒng)計(jì)單元人均GDP低于我國(guó)人均GDP時(shí)，空間關(guān)聯(lián)為“低—高”關(guān)聯(lián)，反之則是 “高—高”關(guān)聯(lián)。

三、“一帶一路”對(duì)各?。ㄊ校┙?jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)

（一）主成分分析

根據(jù)上表數(shù)據(jù)顯示，在11個(gè)因素中，累計(jì)貢獻(xiàn)率都大于60%，并且大于80%的有10個(gè)因素。為了更為精確的分析，在此仍舊選取所有成分進(jìn)行主成分分析。

將主成分的方差貢獻(xiàn)率與各主成分得分進(jìn)行加權(quán)求和，進(jìn)而可以得到各省的經(jīng)濟(jì)發(fā)展的綜合得分。根據(jù)綜合得分的分值可以對(duì)中國(guó)各省市的經(jīng)濟(jì)發(fā)展進(jìn)行分析，綜合得分的高低與經(jīng)濟(jì)發(fā)展的水平呈正相關(guān)。2010-2016年得分結(jié)果如表2所示。

由上表看出，廣東省在31個(gè)?。ㄊ校┲薪?jīng)濟(jì)發(fā)展最高。廣東作為交通樞紐的作用突出，地處中國(guó)大陸的最南端，與沿線國(guó)家的合作具有不可替代的區(qū)位優(yōu)勢(shì);第二是江蘇省，因地處“一帶一路”樞紐位置，“一帶一路”交匯點(diǎn)的建設(shè)既為蘇北五市提供了契機(jī)和挑戰(zhàn)，也讓外界對(duì)蘇北的發(fā)展多了一個(gè)凝視的窗口;而處于經(jīng)濟(jì)發(fā)展相對(duì)落后狀態(tài)的是西藏自治區(qū)、甘肅省和廣西壯族自治區(qū)，這些地方產(chǎn)業(yè)結(jié)構(gòu)較為單一，礦產(chǎn)資源缺乏，經(jīng)濟(jì)較為落后。

（二）聚類分析

基于主成分分析結(jié)果，利用SPSS軟件對(duì)2010-2016年各省（市）經(jīng)濟(jì)發(fā)展綜合主成分表達(dá)矩陣進(jìn)行聚類分析，并且得出聚類樹狀圖。使ArcGIS分析軟件將分析結(jié)果制圖得到區(qū)域經(jīng)濟(jì)差異圖，進(jìn)而使各省市的經(jīng)濟(jì)差異更加直觀的反映出來，如圖1所示。

備注：1-5分類分別表示為經(jīng)濟(jì)較落后型、落后型、中等型、較發(fā)達(dá)型、發(fā)達(dá)型

由圖1可以看出東部沿岸省（市）經(jīng)濟(jì)比較發(fā)達(dá)，中部地區(qū)經(jīng)濟(jì)提升較大，基本脫離了較落后等級(jí)。尤其四川省、湖南省、湖北省以及河南省經(jīng)濟(jì)發(fā)展腳較快，在2016年已經(jīng)進(jìn)入較發(fā)達(dá)型省份。在2010年大部分省（市）仍處于較落后狀態(tài)，中國(guó)的經(jīng)濟(jì)發(fā)展?fàn)顩r仍存在較大的差異，到2016年只有青海省和西藏自治區(qū)仍處于較落后經(jīng)濟(jì)狀態(tài)，經(jīng)濟(jì)差異明顯減小，基本已經(jīng)進(jìn)入中等型經(jīng)濟(jì)狀態(tài)。

（三）人均GDP的空間自相關(guān)分析

人均GDP是衡量區(qū)域經(jīng)濟(jì)發(fā)展的主要指標(biāo)，該指標(biāo)的高低反映該省市經(jīng)濟(jì)發(fā)展程度的高低。本文選取2010—2016年人均GDP數(shù)據(jù)作為研究的主要指標(biāo)。以聚類分析得到的樹狀圖為依據(jù)對(duì)我國(guó)經(jīng)濟(jì)差異分為5類，如圖2所示：

由圖2可以明顯的看出2012年到2016年間各省的經(jīng)濟(jì)迅速增長(zhǎng)，北京、江蘇、浙江、上海、廣東等地區(qū)一直處于經(jīng)濟(jì)發(fā)展較好的狀態(tài)。2012年，內(nèi)蒙古抓住國(guó)家實(shí)施西部大開發(fā)戰(zhàn)略和振興東北老工業(yè)基地的機(jī)遇，全面推進(jìn)富民強(qiáng)區(qū)發(fā)展戰(zhàn)略，經(jīng)濟(jì)社會(huì)得到快速發(fā)展，全省人均GDP由2010年的47347元/人到2016年74204元/人，增長(zhǎng)近一倍。因地處“一帶一路”樞紐位置，“一帶一路”交匯點(diǎn)的建設(shè)為蘇北五市提供了契機(jī)，使江蘇的對(duì)外貿(mào)易產(chǎn)業(yè)迅速發(fā)展，江蘇省的第一產(chǎn)業(yè)、第二產(chǎn)業(yè)以及第三產(chǎn)業(yè)都增長(zhǎng)了近一倍，城鎮(zhèn)化指數(shù)也由2010年的55.6增長(zhǎng)到了2016年的62.85。并且上海作為我國(guó)海陸雙向開放的重要節(jié)點(diǎn)，恰好將“一帶一路”連接起來，加之在金融服務(wù)、對(duì)外貿(mào)易、科技創(chuàng)新等方面具有比較優(yōu)勢(shì)，可以成為服務(wù)“一帶一路”建設(shè)的樞紐平臺(tái)和輻射中心，進(jìn)而帶動(dòng)附近城市的發(fā)展。

對(duì)主要的31個(gè)省（市）地區(qū)的人均GDP數(shù)據(jù)進(jìn)行空間自相關(guān)與局部空間自相關(guān)指數(shù)計(jì)算，從而了解中國(guó)各地區(qū)人均GDP是否具有空間集聚性及集聚情況，了解一帶一路政策對(duì)各省市之間經(jīng)濟(jì)聚合的影響，計(jì)算出以下各地區(qū)人均GDP的自相關(guān)指數(shù)（表3）。

根據(jù)表3數(shù)據(jù)，中國(guó)各地區(qū)人均GDP全局莫蘭指數(shù)呈負(fù)相關(guān)，說明2010-2016年人均GDP總體比較集中，基本上區(qū)域穩(wěn)定，區(qū)域人均GDP分布的空間分布模式變化不大，即中國(guó)區(qū)域經(jīng)濟(jì)呈現(xiàn)較均衡的發(fā)展。其中，上海市與北京市空間關(guān)聯(lián)呈“高—高”關(guān)聯(lián)，說明這兩個(gè)市及其周圍的?。ㄊ校┏鞘谢蕉急容^高。

四、結(jié)語

根據(jù)以上對(duì)我國(guó)經(jīng)濟(jì)發(fā)展的分析和研究，對(duì)我國(guó)經(jīng)濟(jì)發(fā)展情況有了很客觀的了解，我國(guó)經(jīng)濟(jì)比較發(fā)達(dá)的地區(qū)在東部和東南部，中部次之，西部和北部較為薄弱。并且各省市發(fā)展速度不一，有些省市的發(fā)展明顯跟不上一些發(fā)展較快的省市，但經(jīng)過“一帶一路”政策的深入執(zhí)行，使各國(guó)與中國(guó)交流加強(qiáng)，推動(dòng)了我國(guó)三大產(chǎn)業(yè)的發(fā)展，使得一些地區(qū)經(jīng)濟(jì)落后的現(xiàn)象有所改觀。可以從聚類分析的結(jié)果來看，2010-2016 年各省（市）間經(jīng)濟(jì)差距逐步縮小。

在2010到2016年期間，我國(guó)各省市的經(jīng)濟(jì)都有了明顯的發(fā)展，并且經(jīng)濟(jì)發(fā)展程度較高的省市與經(jīng)濟(jì)發(fā)展程度較低的省市之間的差距正在逐步減小。另外，人均GDP高的省市正在帶動(dòng)人均GDP較低的省市一起發(fā)展，為其帶來大量的投資和發(fā)展機(jī)會(huì)。

本文使用定性與定量相結(jié)合的方法，簡(jiǎn)化了各種復(fù)雜的數(shù)據(jù)信息，將復(fù)雜繁多的變量指標(biāo)用較少的綜合指標(biāo)進(jìn)行代替，并且各指標(biāo)之間互不聯(lián)系，客觀準(zhǔn)確的評(píng)價(jià)了我國(guó)各省市的經(jīng)濟(jì)質(zhì)量。另外，聚類分析方法的使用，完美的規(guī)避了豪類偏差的出現(xiàn)，使得分析結(jié)果較為準(zhǔn)確 直觀。并應(yīng)用ArcGIS將分類結(jié)果落實(shí)到圖上，取得了較為滿意的效果。（作者單位：1銅陵學(xué)院 建筑工程學(xué)院;2銅陵學(xué)院 建筑信息技術(shù)研究所）

基金項(xiàng)目：安徽省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（AH201710383201）資助。