基于GIS的長(zhǎng)三角城市群經(jīng)濟(jì)空間集聚特征研究

張 紅， 于 渤， 鞠立新

(1.哈爾濱工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，黑龍江 哈爾濱 150006； 2.浙江海洋大學(xué)，浙江 舟山 316000; 3.中國(guó)傳媒大學(xué)，北京 100024)

?

基于GIS的長(zhǎng)三角城市群經(jīng)濟(jì)空間集聚特征研究

張 紅1， 于 渤1， 鞠立新2,3

(1.哈爾濱工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，黑龍江 哈爾濱 150006； 2.浙江海洋大學(xué)，浙江 舟山 316000; 3.中國(guó)傳媒大學(xué)，北京 100024)

本文在界定長(zhǎng)三角城市群空間范圍的基礎(chǔ)上，利用長(zhǎng)三角城市群各城市2013年相關(guān)數(shù)據(jù)，應(yīng)用GIS的空間聚類(lèi)分析功能分別從全局聚類(lèi)檢驗(yàn)和局部聚類(lèi)檢驗(yàn)兩個(gè)方面分析了長(zhǎng)三角城市群的經(jīng)濟(jì)空間集聚特征。研究結(jié)果表明長(zhǎng)三角城市群的經(jīng)濟(jì)產(chǎn)出和經(jīng)濟(jì)生產(chǎn)要素在全局上存在空間集聚現(xiàn)象，在局部上，GDP、人均GDP等經(jīng)濟(jì)產(chǎn)出在向上海市、蘇州市等個(gè)別城市高-高集聚，而勞動(dòng)、資本、技術(shù)、能源等經(jīng)濟(jì)生產(chǎn)要素也在向上海市、蘇州市等個(gè)別城市高-高集聚。

空間聚類(lèi)分析；全局聚類(lèi)檢驗(yàn)；局部聚類(lèi)檢驗(yàn)；長(zhǎng)三角城市群

0 引言

長(zhǎng)三角城市群位于我國(guó)東部沿海的長(zhǎng)江三角洲地區(qū)，是我國(guó)城鎮(zhèn)密度最高、產(chǎn)業(yè)門(mén)類(lèi)最齊全、城市化水平和經(jīng)濟(jì)發(fā)展水平最高、最具發(fā)展活力的地區(qū)。作為我國(guó)參與國(guó)際競(jìng)爭(zhēng)的重要場(chǎng)所和單元，長(zhǎng)三角城市群已經(jīng)步入世界第六大城市群行列[1]，對(duì)其經(jīng)濟(jì)發(fā)展的研究不僅是熱點(diǎn)也是難點(diǎn)問(wèn)題。目前已有學(xué)者對(duì)長(zhǎng)三角的經(jīng)濟(jì)增長(zhǎng)及其空間差異進(jìn)行了研究[2,3]，還有一些學(xué)者應(yīng)用地理信息系統(tǒng)(GIS)中的可達(dá)性空間分析方法研究了長(zhǎng)三角的可達(dá)性與空間結(jié)構(gòu)[4]。然而，很多研究往往存在如下兩個(gè)方面的不足：一是對(duì)長(zhǎng)三角城市群的空間范圍沒(méi)有界定清楚，由于長(zhǎng)三角城市群的動(dòng)態(tài)發(fā)展，“長(zhǎng)三角城市群”、“長(zhǎng)三角地區(qū)”、“泛長(zhǎng)三角”的概念容易混用，空間范圍難以統(tǒng)一；二是構(gòu)建經(jīng)濟(jì)模型時(shí)對(duì)空間影響的考慮不足，由于空間自相關(guān)的存在，忽略空間因素的經(jīng)濟(jì)模型并不科學(xué)，而具有強(qiáng)大空間分析功能的GIS技術(shù)在經(jīng)濟(jì)領(lǐng)域的應(yīng)用還遠(yuǎn)不充分。為此，本文將對(duì)長(zhǎng)三角城市群的空間范圍進(jìn)行科學(xué)界定，并利用GIS的空間分析功能來(lái)研究長(zhǎng)三角城市群的經(jīng)濟(jì)空間集聚特征。

1 長(zhǎng)三角城市群的空間范圍界定

長(zhǎng)三角地區(qū)在我國(guó)城市化進(jìn)程和經(jīng)濟(jì)社會(huì)整體發(fā)展中，具有舉足輕重的地位。根據(jù)《2013年長(zhǎng)三角年鑒》的表述，目前對(duì)長(zhǎng)三角地區(qū)有三種不同的解釋：第一種是“小長(zhǎng)三角”的概念，包括上海市，江蘇省的蘇州、無(wú)錫、常州、鎮(zhèn)江、南京、南通、臺(tái)州、揚(yáng)州，浙江的嘉興、湖州、杭州、紹興、寧波、舟山和臺(tái)州，共16個(gè)城市及其周邊地區(qū)；第二種是“大長(zhǎng)三角”的概念，包括上海市、江蘇省和浙江省的全部行政區(qū)域；第三種是“泛長(zhǎng)三角”，包括上海市、江蘇省、浙江省與安徽省等鄰近省份[5]?？茖W(xué)合理地界定長(zhǎng)三角城市群的空間范圍，是本文開(kāi)展研究分析的首要前提。

本文根據(jù)長(zhǎng)江三角洲城市經(jīng)濟(jì)協(xié)調(diào)會(huì)的發(fā)展情況發(fā)現(xiàn)，隨著時(shí)間的推移，長(zhǎng)三角城市群的空間范圍是在不斷擴(kuò)展的。1997年，上海、無(wú)錫、寧波、舟山、蘇州、揚(yáng)州、杭州、紹興、南京、南通、泰州、常州、湖州、嘉興、鎮(zhèn)江等15個(gè)城市成立長(zhǎng)江三角洲城市經(jīng)濟(jì)協(xié)調(diào)會(huì)，此時(shí)，長(zhǎng)三角城市群的空間范圍如圖1(a)所示。2003年，臺(tái)州市被接納為長(zhǎng)江三角洲城市經(jīng)濟(jì)協(xié)調(diào)會(huì)的正式成員，此時(shí)，長(zhǎng)三角城市群的空間范圍如圖1(b)所示。2010年，合肥、鹽城、馬鞍山、金華、淮安、衢州等6個(gè)城市被接納為長(zhǎng)三角城市經(jīng)濟(jì)協(xié)調(diào)會(huì)的正式成員，此次擴(kuò)容后，長(zhǎng)三角城市群的空間范圍如圖1(c)所示。2013年，徐州、蕪湖、滁州、淮南、麗水、溫州、宿遷、連云港等8個(gè)城市被接納為長(zhǎng)三角城市經(jīng)濟(jì)協(xié)調(diào)會(huì)的正式成員，此次擴(kuò)容后，長(zhǎng)三角城市群的空間范圍如圖1(d)所示，包括上海市、江蘇省、浙江省全境以及安徽省的合肥、馬鞍山、蕪湖、淮南、滁州5地市。

圖1 長(zhǎng)三角城市群的空間范圍

由此可見(jiàn)，長(zhǎng)三角城市群的空間范圍并非一成不變的，而是隨著城市群的發(fā)展在不斷擴(kuò)展。為研究方便，本文在分析長(zhǎng)三角城市群現(xiàn)狀時(shí)，以圖1(d)所示的空間范圍為準(zhǔn)。根據(jù)《國(guó)務(wù)院關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》(國(guó)發(fā)〔2014〕51號(hào))，城市按城區(qū)常住人口可劃分為五類(lèi)七檔，本文根據(jù)各城市2013年的城區(qū)人口數(shù)據(jù)將這些城市劃分為如下層次，如表1所示。

表1 長(zhǎng)三角城市群的城市層次劃分

2 研究方法及數(shù)據(jù)說(shuō)明

2.1 研究方法

本文應(yīng)用GIS的空間聚類(lèi)分析功能來(lái)探測(cè)長(zhǎng)三角城市群經(jīng)濟(jì)空間集聚特征，主要利用全局聚類(lèi)檢驗(yàn)和局部聚類(lèi)檢驗(yàn)兩種方法。

(1)全局聚類(lèi)檢驗(yàn)

全局聚類(lèi)檢驗(yàn)主要檢驗(yàn)整個(gè)研究區(qū)域中鄰近區(qū)間是相似、相異(空間正相關(guān)、負(fù)相關(guān))，還是相互獨(dú)立的。本文采用了常用的兩種全局聚類(lèi)檢驗(yàn)指數(shù)，依次為全局莫蘭指數(shù)和全局吉瑞指數(shù)。

①全局莫蘭指數(shù)

全局莫蘭指數(shù)由Moran于1950年提出[6]，是可以看做是觀測(cè)值與它的空間滯后之間的相關(guān)系數(shù)，其公式如下：

(1)

全局莫蘭指數(shù)值處于-1到1之間，值為正數(shù)時(shí)表明具有相似的屬性集聚在一起(即高值和高值相鄰、低值和低值相鄰)，值為負(fù)數(shù)表明具有相異的屬性集聚在一起(即高值和低值相鄰、低值和高值相鄰)，值接近于0表明屬性是隨機(jī)分布的(即不存在空間自相關(guān)性)。

②全局吉瑞指數(shù)

全局吉瑞指數(shù)由Geary于1954年提出[7],強(qiáng)調(diào)的是觀測(cè)值之間的離差，其公式如下：

(2)

全局吉瑞指數(shù)值通常在0到2之間，雖然2不是一個(gè)嚴(yán)格的上限。其值在0到1之間時(shí)表示空間正相關(guān)，即具有相似的屬性集聚在一起；其值為1時(shí)表示屬性的觀測(cè)值在空間上是相互獨(dú)立的；其值在1到2之間時(shí)表示空間負(fù)相關(guān)，即具有相異的屬性集聚在一起。

(2)局部聚類(lèi)檢驗(yàn)

局部聚類(lèi)檢驗(yàn)主要檢驗(yàn)局部地區(qū)是否存在相似或相異的觀察值集聚在一起。本文采用了常用的兩種局部聚類(lèi)檢驗(yàn)指數(shù)，依次為局部莫蘭指數(shù)和局部吉瑞指數(shù)。

①局部莫蘭指數(shù)

局部莫蘭指數(shù)由Anselin于1995年提出[8]，用來(lái)度量區(qū)域i和它領(lǐng)域之間的關(guān)聯(lián)程度，其公式如下：

(3)

局部莫蘭指數(shù)值為正數(shù)時(shí)表示一個(gè)高值被高值所包圍(高-高)，或者是一個(gè)低值被低值所包圍(低-低)；值為負(fù)數(shù)時(shí)表明一個(gè)低值被高值所包圍(低-高)，或者是一個(gè)高值被一個(gè)低值所包圍(高-低)。

②局部吉瑞指數(shù)

局部吉瑞指數(shù)由Getis and Ord于1992年提出[9]，用來(lái)檢驗(yàn)局部地區(qū)是否有高值或低值在空間上趨于集聚，其公式如下：

(4)

式中，N是研究區(qū)域內(nèi)地區(qū)總數(shù)，Wi,j是空間權(quán)重，Xj是地區(qū)j的屬性。

局部吉瑞指數(shù)的值高表示高值的樣本集中在一起，其值低表示低值的樣本集中在一起。

2.2 數(shù)據(jù)說(shuō)明

本文數(shù)據(jù)主要來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒2014》，采用各地級(jí)以上城市2013年的數(shù)據(jù)。由于不涉及時(shí)間序列數(shù)據(jù)，本文在引用數(shù)據(jù)時(shí)未作任何價(jià)格調(diào)整。

3 長(zhǎng)三角城市群經(jīng)濟(jì)空間集聚特征分析

3.1 對(duì)經(jīng)濟(jì)產(chǎn)出的空間集聚特征分析

長(zhǎng)三角城市群是我國(guó)經(jīng)濟(jì)最發(fā)達(dá)、城鎮(zhèn)集聚程度最高的城市化地區(qū)，但其內(nèi)部各城市經(jīng)濟(jì)發(fā)展較不平衡，各城市的GDP總量和人均GDP水平在空間上是否表現(xiàn)出集聚的特征呢？下文將通過(guò)全局聚類(lèi)檢驗(yàn)和局部聚類(lèi)檢驗(yàn)來(lái)進(jìn)行分析。

(1)全局聚類(lèi)檢驗(yàn)結(jié)果

本文利用長(zhǎng)三角城市群各城市2013年全市GDP和人均GDP數(shù)據(jù)，通過(guò)ArcGIS 10.1軟件進(jìn)行了全局聚類(lèi)檢驗(yàn)，其檢驗(yàn)結(jié)果如表2所示。

表2 經(jīng)濟(jì)產(chǎn)出的全局聚類(lèi)檢驗(yàn)結(jié)果

注：表中數(shù)值為保留四位小數(shù)后的結(jié)果。

從表2中GDP的全局聚類(lèi)檢驗(yàn)結(jié)果來(lái)看，根據(jù)莫蘭指數(shù)的定義，GDP的莫蘭指數(shù)值為0.1524(為正數(shù))，P統(tǒng)計(jì)值為0.0569(統(tǒng)計(jì)顯著性在10%以內(nèi))，表現(xiàn)出較為顯著的空間正相關(guān)，這表明長(zhǎng)三角城市群各城市GDP在空間上具有相似的屬性集聚在一起；根據(jù)吉瑞指數(shù)的定義，GDP的吉瑞指數(shù)值為0.0000(在0到1之間)，P統(tǒng)計(jì)量為0.0735(統(tǒng)計(jì)顯著性在10%以內(nèi))，表現(xiàn)出較為顯著的空間正相關(guān)，這同樣表明了長(zhǎng)三角城市群各城市GDP在空間上具有相似的屬性集聚在一起。

從表2中人均GDP的全局聚類(lèi)檢驗(yàn)結(jié)果來(lái)看，根據(jù)莫蘭指數(shù)的定義，人均GDP的莫蘭指數(shù)值為0.5068(為正數(shù))，P統(tǒng)計(jì)量為0.0000(統(tǒng)計(jì)顯著性在1%以內(nèi))，表現(xiàn)為非常顯著的空間正相關(guān)，這表明長(zhǎng)三角城市群各城市人均GDP在空間上具有相似的屬性集聚在一起；根據(jù)吉瑞指數(shù)的定義，人均GDP的吉瑞指數(shù)值為0.0000(在0到1之間)，P統(tǒng)計(jì)量為0.0000(統(tǒng)計(jì)顯著性在1%以內(nèi))，表現(xiàn)出非常顯著的空間正相關(guān)，這同樣表明了長(zhǎng)三角城市群各城市人均GDP在空間上具有相似的屬性集聚在一起。

由此可見(jiàn)，從長(zhǎng)三角城市群的全局來(lái)看，GDP和人均GDP在空間上均存在集聚性，其中人均GDP表現(xiàn)出的統(tǒng)計(jì)顯著性要更高。

(2)局部聚類(lèi)檢驗(yàn)結(jié)果

接下來(lái)，本文利用長(zhǎng)三角城市群各城市2013年全市GDP和人均GDP數(shù)據(jù)，通過(guò)ArcGIS 10.1軟件進(jìn)行了局部聚類(lèi)檢驗(yàn)，由于每個(gè)城市都對(duì)應(yīng)著一個(gè)局部莫蘭指數(shù)結(jié)果和一個(gè)局部吉瑞指數(shù)結(jié)果，若繼續(xù)用表格表示出來(lái)既占用過(guò)多篇幅又不形象直觀，因此，本文利用GDP和人均GDP的局部聚類(lèi)檢驗(yàn)結(jié)果繪制成圖，如圖2所示。

圖2 長(zhǎng)三角城市群經(jīng)濟(jì)產(chǎn)出的局部聚類(lèi)檢驗(yàn)結(jié)果

圖2(a)所示的GDP局部聚類(lèi)檢驗(yàn)結(jié)果顯示，長(zhǎng)三角城市群中上海市和蘇州市的GDP呈現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，而其他城市的GDP則沒(méi)有表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征。

圖2(b)所示的人均GDP局部聚類(lèi)檢驗(yàn)結(jié)果顯示，長(zhǎng)三角城市群中上海市、蘇州市、無(wú)錫市和常州市的人均GDP呈現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，而其他城市的人均GDP則沒(méi)有表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征。

由此可見(jiàn)，從長(zhǎng)三角城市群的局部來(lái)看，并非所有城市的GDP和人均GDP都能表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征，對(duì)于GDP而言只有上海市和蘇州市的表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，對(duì)于人均GDP而言只有上海市、蘇州市、無(wú)錫市和常州市的表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征。

3.2 對(duì)經(jīng)濟(jì)生產(chǎn)要素的空間集聚特征分析

生產(chǎn)要素是進(jìn)行物質(zhì)生產(chǎn)所必需的一切要素及其環(huán)境條件，長(zhǎng)三角城市群各城市經(jīng)濟(jì)發(fā)展較不平衡，勢(shì)必與其經(jīng)濟(jì)生產(chǎn)要素的發(fā)展情況有著很大的關(guān)系。宏觀經(jīng)濟(jì)學(xué)表明經(jīng)濟(jì)生產(chǎn)要素主要包括勞動(dòng)、資本、技術(shù)、能源等，本文利用從業(yè)人員數(shù)量、固定資產(chǎn)投資、電信業(yè)務(wù)收入、全社會(huì)用電量等指標(biāo)分別來(lái)代理勞動(dòng)、資本、技術(shù)、能源等這些變量，通過(guò)全局聚類(lèi)檢驗(yàn)和局部聚類(lèi)檢驗(yàn)對(duì)經(jīng)濟(jì)生產(chǎn)要素的空間集聚特征進(jìn)行分析。

(1)全局聚類(lèi)檢驗(yàn)結(jié)果

本文利用長(zhǎng)三角城市群各城市2013年全市從業(yè)人員數(shù)量、固定資產(chǎn)投資、電信業(yè)務(wù)收入、全社會(huì)用電量等數(shù)據(jù)，通過(guò)ArcGIS10.1軟件進(jìn)行了全局聚類(lèi)檢驗(yàn)，其檢驗(yàn)結(jié)果如表3所示。

表3 經(jīng)濟(jì)生產(chǎn)要素的全局聚類(lèi)檢驗(yàn)結(jié)果

注：表中數(shù)值為保留四位小數(shù)后的結(jié)果。

從表3中從業(yè)人員數(shù)量的全局聚類(lèi)檢驗(yàn)結(jié)果來(lái)看，莫蘭指數(shù)值為0.1030(為正數(shù))，P統(tǒng)計(jì)值為0.1467(統(tǒng)計(jì)上不顯著)，意味著并不顯著的空間正相關(guān)；吉瑞指數(shù)值為0.0000(在0到1之間)，P統(tǒng)計(jì)量為0.3383(統(tǒng)計(jì)上不顯著)，意味著并不顯著的空間正相關(guān)。

從表3中固定資產(chǎn)投資的全局聚類(lèi)檢驗(yàn)結(jié)果來(lái)看，莫蘭指數(shù)值為0.0931(為正數(shù))，P統(tǒng)計(jì)值為0.2638(統(tǒng)計(jì)上不顯著)，意味著并不顯著的空間正相關(guān)；吉瑞指數(shù)值為0.0000(在0到1之間)，P統(tǒng)計(jì)量為0.0598(統(tǒng)計(jì)顯著性在10%以內(nèi))，意味著較為顯著的空間正相關(guān)。

從表3中電信業(yè)務(wù)收入的全局聚類(lèi)檢驗(yàn)結(jié)果來(lái)看，莫蘭指數(shù)值為0.1254(為正數(shù))，P統(tǒng)計(jì)值為0.0641(統(tǒng)計(jì)顯著性在10%以內(nèi))，意味著較為顯著的空間正相關(guān)；吉瑞指數(shù)值為0.0000(在0到1之間)，P統(tǒng)計(jì)量為0.2677(統(tǒng)計(jì)上不顯著)，意味著并不顯著的空間正相關(guān)。

從表3中全社會(huì)用電量的全局聚類(lèi)檢驗(yàn)結(jié)果來(lái)看，莫蘭指數(shù)值為0.0656(為正數(shù))，P統(tǒng)計(jì)值為0.2447(統(tǒng)計(jì)上不顯著)，意味著并不顯著的空間正相關(guān)；吉瑞指數(shù)值為0.0000(在0到1之間)，P統(tǒng)計(jì)量為0.1684(統(tǒng)計(jì)上不顯著)，意味著并不顯著的空間正相關(guān)。

由此可見(jiàn)，從長(zhǎng)三角城市群的全局來(lái)看，從業(yè)人員數(shù)量、固定資產(chǎn)投資、電信業(yè)務(wù)收入、全社會(huì)用電量在空間上雖表現(xiàn)出數(shù)值上的空間正相關(guān)，但基本表現(xiàn)為統(tǒng)計(jì)上不顯著，僅有固定資產(chǎn)投資的吉瑞指數(shù)值和電信業(yè)務(wù)收入的莫蘭指數(shù)值統(tǒng)計(jì)顯著性在10%以內(nèi)。

(2)局部聚類(lèi)檢驗(yàn)結(jié)果

接下來(lái)，本文利用長(zhǎng)三角城市群各城市2013年全市從業(yè)人員數(shù)量、固定資產(chǎn)投資、電信業(yè)務(wù)收入、全社會(huì)用電量等數(shù)據(jù)，通過(guò)ArcGIS10.1軟件進(jìn)行了局部聚類(lèi)檢驗(yàn)，類(lèi)似地，本文將它們的局部聚類(lèi)檢驗(yàn)結(jié)果繪制成圖，如圖3所示。

圖3(a)所示的從業(yè)人員數(shù)量局部聚類(lèi)檢驗(yàn)結(jié)果顯示，長(zhǎng)三角城市群中上海市、蘇州市和南通市的從業(yè)人員數(shù)量呈現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，而其他城市的從業(yè)人員數(shù)量則沒(méi)有表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征。

圖3(b)所示的固定資產(chǎn)投資局部聚類(lèi)檢驗(yàn)結(jié)果顯示，長(zhǎng)三角城市群中上海市和蘇州市的固定資產(chǎn)投資呈現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，而其他城市的固定資產(chǎn)投資則沒(méi)有表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征。

圖3(c)所示的電信業(yè)務(wù)收入局部聚類(lèi)檢驗(yàn)結(jié)果顯示，長(zhǎng)三角城市群中上海市和蘇州市的電信業(yè)務(wù)收入呈現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，而其他城市的電信業(yè)務(wù)收入則沒(méi)有表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征。

圖3(d)所示的全社會(huì)用電量局部聚類(lèi)檢驗(yàn)結(jié)果顯示，長(zhǎng)三角城市群中上海市和蘇州市的全社會(huì)用電量呈現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，而其他城市的全社會(huì)用電量則沒(méi)有表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征。

由此可見(jiàn)，從長(zhǎng)三角城市群的局部來(lái)看，并非所有城市的經(jīng)濟(jì)生產(chǎn)要素代理指標(biāo)都能表現(xiàn)出統(tǒng)計(jì)上顯著的空間集聚特征，對(duì)于從業(yè)人員數(shù)量而言只有上海市、蘇州市和南通市的表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，對(duì)于固定資產(chǎn)投資、電信業(yè)務(wù)收入、全社會(huì)用電量而言只有上海市和蘇州市的表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征。

圖3 長(zhǎng)三角城市群經(jīng)濟(jì)生產(chǎn)要素的局部聚類(lèi)檢驗(yàn)結(jié)果

4 結(jié)論

本文在界定長(zhǎng)三角城市群空間范圍的基礎(chǔ)上，利用長(zhǎng)三角城市群各城市2013年相關(guān)數(shù)據(jù)，應(yīng)用GIS的空間聚類(lèi)分析功能分別從全局聚類(lèi)檢驗(yàn)和局部聚類(lèi)檢驗(yàn)兩個(gè)方面對(duì)長(zhǎng)三角城市群的經(jīng)濟(jì)產(chǎn)出和經(jīng)濟(jì)生產(chǎn)要素進(jìn)行了空間集聚特征分析，結(jié)果表明：

(1)長(zhǎng)三角城市群的空間范圍并非一成不變的，而是隨著城市群的發(fā)展在不斷擴(kuò)展。經(jīng)過(guò)多次擴(kuò)容后，當(dāng)前長(zhǎng)三角城市群的空間范圍包括上海市、江蘇省、浙江省全境以及安徽省的合肥、馬鞍山、蕪湖、淮南、滁州5地市。

(2)在經(jīng)濟(jì)產(chǎn)出方面，長(zhǎng)三角城市群的經(jīng)濟(jì)產(chǎn)出在向上海市、蘇州市等個(gè)別城市高-高集聚。從全局來(lái)看，長(zhǎng)三角城市群各城市GDP和人均GDP在空間上均存在統(tǒng)計(jì)上顯著的集聚性；從局部來(lái)看，上海市和蘇州市的GDP表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，上海市、蘇州市、無(wú)錫市和常州市的人均GDP表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征。

(3)在經(jīng)濟(jì)生產(chǎn)要素方面，勞動(dòng)、資本、技術(shù)、能源等經(jīng)濟(jì)生產(chǎn)要素也在向上海市、蘇州市等個(gè)別城市高-高集聚。從全局來(lái)看，長(zhǎng)三角城市群各城市從業(yè)人員數(shù)量、固定資產(chǎn)投資、電信業(yè)務(wù)收入、全社會(huì)用電量在空間上雖表現(xiàn)出數(shù)值上的空間正相關(guān)，但基本表現(xiàn)為統(tǒng)計(jì)上不顯著，僅有固定資產(chǎn)投資的吉瑞指數(shù)值和電信業(yè)務(wù)收入的莫蘭指數(shù)值統(tǒng)計(jì)顯著性在10%以內(nèi)；從局部來(lái)看，上海市、蘇州市和南通市的從業(yè)人員數(shù)量表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征，上海市和蘇州市的固定資產(chǎn)投資、電信業(yè)務(wù)收入、全社會(huì)用電量表現(xiàn)出統(tǒng)計(jì)上顯著的高-高集聚特征。

[1] 沈驚宏.改革開(kāi)放以來(lái)泛長(zhǎng)江三角洲空間結(jié)構(gòu)演變研究[D].南京師范大學(xué)，2013

[2] 楊上廣,吳柏均.區(qū)域經(jīng)濟(jì)發(fā)展與空間格局演化——長(zhǎng)三角經(jīng)濟(jì)增長(zhǎng)與空間差異格局的實(shí)證分析[J].世界經(jīng)濟(jì)文匯, 2007,(1):36- 47.

[3] 孟德友,李小建,陸玉麒,樊新生.長(zhǎng)江三角洲地區(qū)城市經(jīng)濟(jì)發(fā)展水平空間格局演變[J].經(jīng)濟(jì)地理,2014,(02):50-57.

[4] 張莉.可達(dá)性與區(qū)域空間結(jié)構(gòu)[M].科學(xué)出版社，2013

[5] 長(zhǎng)江聯(lián)合研究中心.2013年長(zhǎng)三角年鑒[M].南京：河海大學(xué)出版社，2013.

[6] Moran P A P. Notes on continuous stochastic phenomena[J]. Biometrika, 1950, 37(1-2): 17-23.

[7] Geary R C. The contiguity ratio and statistical mapping[J]. Incorporated Statistician, 1954, 5: 115-145.

[8] Anselin Luc. Local indicators of spatial association—LISA[J]. Geographical Analysis, 1995, 27(2): 93-115.

[9] Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 2010, 24(3): 189-206.

Research on the Space Clustering Features of Yangtze River Delta Urban Agglomerations’ Economy Based on GIS

ZHANG Hong1, YU Bo1, JU Li-xin2,3

(1.SchoolofManagementHarbinInstituteofTechnology,Harbin150006,China; 2.ZhejiangOceanUniversity,Zhoushan316000,China; 3.CommunicationUniversityofChina，Beijing100024,China)

This paper defines the spatial scale of the yangtze river delta urban agglomerations, and then uses the space clustering analysis application of GIS to analyze its economic space, based on the related data of cities in 2013, respectively from the global clustering test and the local clustering test. The study shows that there are significant features of spatial cluster for economic output and production factors from the global perspective. And from the local perspective, GDP and per capita GDP high-high cluster in Shanghai, Suzhou and other cities. Meanwhile labor，capital，technology，energy and other economic production factors high-high cluster in Shanghai, Suzhou and other cities too.

space clustering analysis; global clustering test; local clustering test; yangtze river delta urban agglomerations

2014- 09-18

張紅(1969-)，女，博士研究生，研究方向：區(qū)域經(jīng)濟(jì)；于渤(1960-)，男，教授，博士生導(dǎo)師，哈爾濱工業(yè)大學(xué)發(fā)展戰(zhàn)略研究中心主任，哈爾濱工業(yè)大學(xué)高等教育研究所所長(zhǎng)，研究方向：區(qū)域可持續(xù)發(fā)展；鞠立新(1972- )，女，副教授，低碳經(jīng)濟(jì)研究中心主任，研究方向：西方經(jīng)濟(jì)學(xué)。

F293.1

A

1007-3221(2015)06- 0184- 08

10.12005/orms.2015.0211