左丹如　侯佳偉　方明璐　宋允全

摘 要：文章基于2006—2019年廣東省21個(gè)城市的相關(guān)經(jīng)濟(jì)面板數(shù)據(jù)，采用了一種新的變量篩選方法及指數(shù)衰減型空間權(quán)重矩陣，構(gòu)建空間自變量滯后模型，以此為依據(jù)定義影響力指標(biāo)，實(shí)現(xiàn)廣東省都市圈劃分。利用都市圈經(jīng)濟(jì)發(fā)展空間效應(yīng)明顯的特點(diǎn)，加強(qiáng)區(qū)域間經(jīng)濟(jì)聯(lián)動(dòng)，形成良性“內(nèi)循環(huán)”，最終實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。

關(guān)鍵詞：都市圈;空間效應(yīng);變量篩選;SLX模型;聚類分析

本文索引：左丹如，侯佳偉，方明璐，等.<標(biāo)題>[J].商展經(jīng)濟(jì)，2022（06）：050-052.

中圖分類號(hào)：F127 文獻(xiàn)標(biāo)識(shí)碼：A

近年來，我國倡導(dǎo)“推動(dòng)形成以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進(jìn)的新發(fā)展格局”，中國國內(nèi)的經(jīng)濟(jì)發(fā)展正在實(shí)現(xiàn)由點(diǎn)到面的轉(zhuǎn)變，進(jìn)入以城市為主導(dǎo)的經(jīng)濟(jì)集群化整體競爭新時(shí)代。黨的十九大報(bào)告指出，要建設(shè)“以城市群為主體構(gòu)建大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的城鎮(zhèn)格局”。2019年，國家發(fā)展改革委在《關(guān)于培育發(fā)展現(xiàn)代化都市圈的指導(dǎo)意見》中提出了都市圈的概念，提出“城市群 （都市圈）是新型城鎮(zhèn)化主體形態(tài)，是支撐全國經(jīng)濟(jì)增長、促進(jìn)區(qū)域協(xié)調(diào)發(fā)展、參與國際競爭合作的重要平臺(tái)”。都市圈經(jīng)濟(jì)是帶動(dòng)中國經(jīng)濟(jì)發(fā)展新的增長動(dòng)力，一個(gè)優(yōu)秀、成熟型的都市圈需要具備以下幾個(gè)特點(diǎn)：（1）中心城市帶動(dòng)力強(qiáng)。都市圈的中心城市需要較高的經(jīng)濟(jì)發(fā)展水平及人口集聚程度，能夠吸引其他城市要素向著中心集聚，從而帶動(dòng)整體經(jīng)濟(jì)的發(fā)展。（2）城市之間聯(lián)系緊密。為區(qū)域一體化提供先行基礎(chǔ)優(yōu)勢。（3）城市發(fā)展速度快。城鎮(zhèn)化發(fā)展能夠促進(jìn)都市圈的建設(shè)。本文通過研究廣東省都市圈的經(jīng)濟(jì)發(fā)展情況，對(duì)準(zhǔn)確定位城市特點(diǎn)、定制發(fā)展規(guī)劃和配套政策具有重要的現(xiàn)實(shí)意義。

1 廣東省基本經(jīng)濟(jì)情況

本文數(shù)據(jù)摘自2007—2020年的《廣東省統(tǒng)計(jì)年鑒》，擬從廣東城市群內(nèi)的城市單元出發(fā)，研究2006—2019年間廣東省21個(gè)城市經(jīng)濟(jì)發(fā)展基本情況及集聚的空間分布特征。為了避免異方差性和解釋變量呈指數(shù)式增長的趨勢，本文對(duì)所有指標(biāo)數(shù)據(jù)均采取自然對(duì)數(shù)處理。如表1所示，2006—2019年廣東省整體人均GDP穩(wěn)步上升，每年增長水平保持穩(wěn)定。

其中，佛山市、廣州市、東莞市、深圳市、珠海市屬于發(fā)達(dá)地區(qū);茂名市、陽江市、江門市、肇慶市、惠州市屬于較發(fā)達(dá)地區(qū);湛江市、清遠(yuǎn)市、韶關(guān)市、汕頭市、潮州市屬于發(fā)展區(qū);其余城市屬于欠發(fā)達(dá)區(qū)。欠發(fā)達(dá)地區(qū)地域面積較大、資源較少，而且隨著周圍區(qū)域經(jīng)濟(jì)發(fā)展的逐步提升，傳統(tǒng)產(chǎn)業(yè)難以繼續(xù)帶動(dòng)整個(gè)區(qū)域經(jīng)濟(jì)的發(fā)展，并且這些城市的人口容易向毗鄰的佛山、深圳等經(jīng)濟(jì)發(fā)展前列城市轉(zhuǎn)移，因此經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型，減少人口流失是欠發(fā)達(dá)地區(qū)面臨的嚴(yán)峻問題。

2 研究概況

2.1 變量篩選

選用人均GDP作為衡量區(qū)域經(jīng)濟(jì)發(fā)展水平的重要經(jīng)濟(jì)指標(biāo)，即響應(yīng)變量，記作Y。結(jié)合已有的文獻(xiàn)研究，本文從廣東省經(jīng)濟(jì)的真實(shí)情況及數(shù)據(jù)的可獲得性角度選取了11個(gè)指標(biāo)作為解釋變量，分別是城鎮(zhèn)居民可支配收入 （元）、人均外商直接投資實(shí)際使用金額 （美元）、城鎮(zhèn)人口占常住人口的比例 （%）、人均社會(huì)消費(fèi)品零售額 （元）、人均教育支出 （元）、第三產(chǎn)業(yè)占GDP比重 （%）、商品房價(jià)格 （元）、工業(yè)企業(yè)成本費(fèi)用利潤率 （%）、規(guī)模以上服務(wù)業(yè)企業(yè)利潤率 （%）、人均一般公共預(yù)算收入 （元）和公路密度 （公里每百平方公里），記作X1—X11。

為了提高模型對(duì)實(shí)際問題的泛化能力，需要對(duì)收集到的解釋變量進(jìn)行篩選，本文采用了一種新的變量篩選方法，可用于識(shí)別在高維回歸分析中對(duì)響應(yīng)變量有局部貢獻(xiàn)的解釋變量。本文用模型的殘差平方和 （SSE）來衡量變量的邊際貢獻(xiàn)度，并選擇邊際貢獻(xiàn)度較大的變量進(jìn)行模型構(gòu)建，具體方法如下：

Step1：首先，將解釋變量Xi分別與響應(yīng)變量Y建立非參數(shù)模型：

計(jì)算模型的殘差平方和 （SSE）：

依據(jù)邊際貢獻(xiàn)度最大準(zhǔn)則 （即SSE最小準(zhǔn)則），選出對(duì)響應(yīng)變量Y解釋性最好的變量，記作X（1），其模型所得的預(yù)測值記為，模型殘差為 。

Step2：將剩余的解釋變量分別與殘差e （1）建立非參數(shù)模型：

依據(jù)SSE最小準(zhǔn)則選出對(duì)e （1）解釋性最好的變量，記作X（2），其預(yù)測值記為，則新的殘差為。

Step3：重復(fù)步驟2，直至所有自變量Xi（i=1，…， p）被排序?yàn)閄 （1），…， X （p）。

按照向前逐步回歸思想，將排序的變量X （1），…， X （p）逐一加入非參數(shù)模型中，假設(shè)第j個(gè)變量代入模型前，SSE下降速度較快，然而加入第j+1個(gè)變量后，SSE下降減慢，并隨著更多變量的加入趨于平穩(wěn)，此時(shí)我們可以將集合{X（1），…， X（j）}看作經(jīng)過變量篩選的最優(yōu)子集合。

依照上述步驟，11個(gè)解釋變量的排序結(jié)果為：{X4，X5，X9，X3，X11，X6，X8，X7，X2，X1，X10}，逐次將排序好的變量代入模型，得到擬合模型的SSE序列，通過模型擬合結(jié)果得出，X3變量之前的變量代入模型時(shí)，SSE下降速度快且預(yù)測精度符合最低標(biāo)準(zhǔn)，因此本文選擇{X3，X4，X5，X9}作為最優(yōu)自變量集合。

2.2 模型構(gòu)建

結(jié)合數(shù)據(jù)特點(diǎn)，本文將選用空間自變量滯后模型（SLX模型）來進(jìn)行建模，SLX模型可以完整體現(xiàn)自變量X的空間自相關(guān)特征，并能充分解釋Y， X的空間效應(yīng)，其形式如下：

其中， Y是n*1維因變量; W是n*n維空間權(quán)重矩陣; X為p*n維的自變量矩陣; ε是n*1維隨機(jī)誤差項(xiàng);截距項(xiàng)β0為n*1維常數(shù)向量; β為p*1維的解釋變量回歸系數(shù); γ為p*1維的空間自變量滯后回歸系數(shù)。

將數(shù)據(jù)與模型進(jìn)行擬合，具體模型結(jié)果為：

2.3 都市圈劃分

本文將采用層次聚類方法進(jìn)行都市圈劃分，其具體過程如下：對(duì)于選定的樣本指標(biāo)集合，初始狀態(tài)下將每個(gè)樣本單獨(dú)作為一類;之后按照選定的合并規(guī)則，依次將滿足規(guī)則的類別兩兩合并;重復(fù)上述步驟減少類別數(shù)量，直到滿足所設(shè)定的停止條件后停止。本文采用歐式距離計(jì)算方法，采用最大最小距離的合并原則，停止條件設(shè)為所有的樣本聚為一類。定義一個(gè)影響力指標(biāo)，其計(jì)算公式為：

其中， Yj為被解釋變量; Wi為權(quán)重矩陣的第i行元素;XTi表示為1*n維的自變量矩陣; γ為n*1維的空間自變量滯后回歸系數(shù)。 bij表示城市j剔除城市i對(duì)其經(jīng)濟(jì)影響后，剩余部分占城市j自身經(jīng)濟(jì)總體量的比例。如果城市i對(duì)城市j的空間影響越大， bij的數(shù)值越小，表示兩個(gè)城市間的影響力距離較小。本文重點(diǎn)關(guān)注城市i對(duì)其余城市j（j=1，…， i-1，i+1，…， n）的經(jīng)濟(jì)輻射能力的強(qiáng)弱，因此需要對(duì)空間影響力指標(biāo)矩陣進(jìn)行標(biāo)準(zhǔn)化，記為B*。將矩陣進(jìn)行聚類分析，我們可以將廣東省分為五大都市圈，分別包括惠州市、深圳市、東莞市的都市圈Ⅰ;揭陽市、汕頭市、潮州市、汕尾市、河源市、梅州市的都市圈Ⅱ;湛江市、茂名市、陽江市、云浮市的都市圈Ⅲ;中山市、珠海市、江門市的都市圈Ⅳ;廣州市、韶關(guān)市、佛山市、肇慶市、清遠(yuǎn)市的都市圈Ⅴ。

3 經(jīng)濟(jì)建設(shè)發(fā)展建議

本文通過數(shù)據(jù)驅(qū)動(dòng)進(jìn)行建模，估計(jì)廣東省各城市對(duì)周圍的輻射劃分五大都市圈。對(duì)比分析廣東省政府2020年5月8日印發(fā)的《廣東省建立健全城鄉(xiāng)融合發(fā)展體制機(jī)制和政策體系的若干措施》中制定的都市圈規(guī)劃方案，對(duì)廣東省城市群經(jīng)濟(jì)發(fā)展提出以下建議：

3.1 發(fā)揮都市圈核心城市的帶頭作用，以“先富”帶“后富”

都市圈的發(fā)展水平和路徑一定程度上取決于核心城市，因此核心城市應(yīng)作為該都市圈的標(biāo)桿和榜樣，以點(diǎn)帶面，提升自身輻射能力，引領(lǐng)周圍城市群發(fā)展，構(gòu)建協(xié)同發(fā)展模式。

3.2 鼓勵(lì)經(jīng)濟(jì)發(fā)展貧瘠地“報(bào)團(tuán)取暖”，共同致富

數(shù)據(jù)驅(qū)動(dòng)下劃分的都市圈結(jié)果顯示，有部分都市圈內(nèi)無核心城市，該方案打破了都市圈的核心設(shè)定，添加了城市之間互幫互助、攜手共進(jìn)的情形。這種共同致富的模式適用于地理位置偏僻、周圍無核心城市、經(jīng)濟(jì)基礎(chǔ)薄弱的城市群，加強(qiáng)空間經(jīng)濟(jì)聯(lián)動(dòng)，協(xié)調(diào)內(nèi)部資源分布，促進(jìn)整體共同發(fā)展，而且內(nèi)部發(fā)展較為均衡。

3.3 重點(diǎn)關(guān)注城鎮(zhèn)化、消費(fèi)、教育和第三產(chǎn)業(yè)指標(biāo)，打造地區(qū)經(jīng)濟(jì)發(fā)展的“風(fēng)向標(biāo)”

基于本文變量篩選和SLX模型估計(jì)結(jié)果可知，城鎮(zhèn)化、消費(fèi)、教育和第三產(chǎn)業(yè)這四個(gè)重要影響變量可以充分解釋和預(yù)測人均GDP的發(fā)展趨勢，因此可利用這四個(gè)指標(biāo)提前預(yù)測和分析地區(qū)經(jīng)濟(jì)發(fā)展走向，加快城鎮(zhèn)化水平建設(shè)、刺激居民消費(fèi)、增加教育投入和扶持第三產(chǎn)業(yè)，努力引導(dǎo)地區(qū)經(jīng)濟(jì)朝著更好的方向發(fā)展。

參考文獻(xiàn)

周南南，林修宇.金融集聚、技術(shù)創(chuàng)新與經(jīng)濟(jì)發(fā)展：基于面板數(shù)據(jù)的空間計(jì)量分析[J].宏觀經(jīng)濟(jì)研究，2020（11）：34-48.

周春山，羅利佳，史晨怡，等.粵港澳大灣區(qū)經(jīng)濟(jì)發(fā)展時(shí)空演變特征及其影響因素[J].熱帶地理，2017（6）：802-813.

馮鵬睿，徐泮林，田夢娜，等.基于GIS的福建省區(qū)域經(jīng)濟(jì)發(fā)展差異研究[J].測繪與空間地理信息，2020，43（4）：131-133+136.

張學(xué)良，林永然.都市圈建設(shè)：新時(shí)代區(qū)域協(xié)調(diào)發(fā)展的戰(zhàn)略選擇[J].改革.2019（2）：46-55.

肖金成，馬燕坤，張雪領(lǐng).都市圈科學(xué)界定與現(xiàn)代化都市圈規(guī)劃研究[J].經(jīng)濟(jì)縱橫.2019（11）：32-41+2.

Vega S H ， Elhorst J P. THE SLX MODEL[J]. Journal of Regional Science， 2015， 55（3）： 339–363.

Anselin L. Estimation Methods for Spatial Autoregressive Structures[J]. Ithaca，New York： Regional Science Dissertation and Monograph Series，1980： 263-273.

Yunquan Song， Xijun Liang， Yanji Zhu，Lu Lin. Robust variable selection with exponential squared loss for the spatial autoregressive model[J].Computational Statistics & Data Analysis， 2021：155.