川滇黔接壤地區(qū)城鎮(zhèn)化空間特征及驅(qū)動力分析

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(xiàn)在于它借鑒相關(guān)社會科學(xué)的方法和工具，提供了準(zhǔn)確認(rèn)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(jìn)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?？傮w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(jìn)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(fù)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(jìn)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)。空間聯(lián)系局域指標(biāo)［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(biāo)準(zhǔn)差標(biāo)準(zhǔn)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(dá)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(dāng)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(jìn)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(dá)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(jìn)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(biāo)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(biāo)為城鎮(zhèn)化率，縱坐標(biāo)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(biāo)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(jìn)行空間計量分析可以較好地反映空間效應(yīng)(表1)。當(dāng)然，為了比較，同時進(jìn)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(jìn)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(jìn)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(dá)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(jìn)，即產(chǎn)業(yè)結(jié)構(gòu)高級化趨勢。從各國城鎮(zhèn)化進(jìn)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(jìn)地區(qū)社會經(jīng)濟的持續(xù)發(fā)展，對促進(jìn)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.