山東省城市化與區(qū)域經(jīng)濟(jì)格局關(guān)系的空間計(jì)量分析

趙曉燕，劉文寶

(1.山東科技大學(xué) 信息科學(xué)與工程學(xué)院，山東 青島 266590；2.山東科技大學(xué) 測(cè)繪科學(xué)與工程學(xué)院，山東 青島 266590)

?

山東省城市化與區(qū)域經(jīng)濟(jì)格局關(guān)系的空間計(jì)量分析

趙曉燕1，劉文寶2

(1.山東科技大學(xué) 信息科學(xué)與工程學(xué)院，山東 青島 266590；2.山東科技大學(xué) 測(cè)繪科學(xué)與工程學(xué)院，山東 青島 266590)

摘要：以山東省17個(gè)地級(jí)市為研究對(duì)象，運(yùn)用AHP法設(shè)計(jì)了地區(qū)間空間相關(guān)程度評(píng)價(jià)指標(biāo)體系，并在ESDA分析基礎(chǔ)上，構(gòu)建了各城市化因素對(duì)區(qū)域經(jīng)濟(jì)格局影響的空間計(jì)量模型。實(shí)證結(jié)果表明：山東省區(qū)域經(jīng)濟(jì)表現(xiàn)為正的空間自相關(guān)，88.2353%的地市處于高-高、低-低聚集狀態(tài)；整體上城鎮(zhèn)人口規(guī)模對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)顯著，臨沂、泰安出現(xiàn)規(guī)模不經(jīng)濟(jì)現(xiàn)象；公路交通運(yùn)輸、信息基礎(chǔ)設(shè)施和信息產(chǎn)業(yè)建設(shè)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)具有促進(jìn)作用，而環(huán)境污染制約經(jīng)濟(jì)發(fā)展。今后要有序有步驟的分層實(shí)施農(nóng)業(yè)人口轉(zhuǎn)移，大力發(fā)展信息產(chǎn)業(yè)，統(tǒng)籌經(jīng)濟(jì)與環(huán)境、交通、信息產(chǎn)業(yè)的關(guān)系，穩(wěn)步推進(jìn)山東省城市化的有序發(fā)展。

關(guān)鍵詞：城市化；區(qū)域經(jīng)濟(jì)；模糊空間權(quán)重矩陣；空間計(jì)量分析；山東省

一、引言

城市化是指鄉(xiāng)村人口向城市聚集和鄉(xiāng)村轉(zhuǎn)變?yōu)槌鞘械倪^(guò)程，體現(xiàn)為鄉(xiāng)村向城市人口的轉(zhuǎn)移，職業(yè)的轉(zhuǎn)移，生產(chǎn)方式、生活方式等的轉(zhuǎn)變。區(qū)域城市化是當(dāng)今世界一種非常重要的社會(huì)經(jīng)濟(jì)現(xiàn)象，對(duì)經(jīng)濟(jì)增長(zhǎng)具有舉足輕重的作用。近年來(lái)，城市化成為經(jīng)濟(jì)學(xué)家和地理學(xué)者研究的熱點(diǎn)。早期的城市化理論研究中，大多集中在城市化水平的測(cè)度、發(fā)展速度以及城市化指標(biāo)體系的構(gòu)建等方面。Moomaw和Shatter實(shí)證了人均國(guó)內(nèi)生產(chǎn)總值和城市化率之間具有正相關(guān)關(guān)系；[1]Henderson選用人均國(guó)內(nèi)生產(chǎn)總值對(duì)數(shù)和城市化率對(duì)數(shù)進(jìn)行相關(guān)分析，發(fā)現(xiàn)二者的相關(guān)程度很高；[2]周一星對(duì)137個(gè)國(guó)家和地區(qū)的數(shù)據(jù)進(jìn)行分析，得出城市化水平和人均國(guó)內(nèi)生產(chǎn)總值(GDP)之間呈現(xiàn)對(duì)數(shù)曲線關(guān)系；[3]陽(yáng)立高根據(jù)1983—2006年的時(shí)間序列數(shù)據(jù)，選取人均國(guó)內(nèi)生產(chǎn)總值(GDP)、人口城市化率、工業(yè)增加值占當(dāng)年GDP比重和農(nóng)業(yè)產(chǎn)業(yè)化值四個(gè)變量進(jìn)行實(shí)證分析，得出人口城市化率對(duì)經(jīng)濟(jì)增長(zhǎng)作用最大；[4]傅瑩通過(guò)實(shí)證分析發(fā)現(xiàn)城市化水平和經(jīng)濟(jì)增長(zhǎng)之間存在長(zhǎng)期的、穩(wěn)定的均衡關(guān)系，經(jīng)濟(jì)增長(zhǎng)是城市化的格蘭杰原因；[5]蔣建華以非農(nóng)業(yè)人口與總?cè)丝诒戎刈鳛槌鞘谢降臏y(cè)度指標(biāo)，選取2001-2011年數(shù)據(jù)對(duì)浙江區(qū)域城市化空間格局和演變進(jìn)行了研究；[6]仇娟?yáng)|從空間經(jīng)濟(jì)學(xué)視角對(duì)中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)效率聚集和地區(qū)差距進(jìn)行了實(shí)證研究；[7]鄧志旺通過(guò)構(gòu)建空間杜賓模型，分析了中國(guó)城市化的動(dòng)力機(jī)制。[8]

總結(jié)國(guó)內(nèi)外學(xué)者們的研究成果，發(fā)現(xiàn)大多數(shù)學(xué)者在研究城市化和區(qū)域經(jīng)濟(jì)格局關(guān)系時(shí)，側(cè)重從城市人口數(shù)等單個(gè)城市化指標(biāo)進(jìn)行分析，較少研究城市化因素對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響；而且在研究區(qū)域經(jīng)濟(jì)格局影響因素時(shí)，很少考慮到各地區(qū)的空間位置和城市化因素的空間溢出效應(yīng)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響；即使考慮到空間效應(yīng)的影響，對(duì)空間權(quán)重矩陣的構(gòu)造也大多采用基于鄰接標(biāo)準(zhǔn)或基于距離標(biāo)準(zhǔn)的確定性的測(cè)度方法，[9]然而現(xiàn)實(shí)中各個(gè)地區(qū)的相關(guān)(相似)程度不單純地與地理距離有關(guān)，還與經(jīng)濟(jì)、生活、科技、風(fēng)俗等很多因素相關(guān)，因此空間相關(guān)程度是一個(gè)復(fù)雜的模糊概念，運(yùn)用模糊數(shù)學(xué)原理對(duì)其進(jìn)行定性和定量結(jié)合測(cè)定是一種可行的方法。[10,11]

為了深入分析山東省各地區(qū)城市化因素對(duì)區(qū)域經(jīng)濟(jì)格局的影響，本文首先運(yùn)用層次分析方法建立測(cè)評(píng)地區(qū)間空間相關(guān)程度的分層評(píng)價(jià)指標(biāo)體系，并通過(guò)問(wèn)卷調(diào)查法構(gòu)建模糊空間權(quán)重矩陣(模糊SWM)；然后綜合考慮人口城市化、環(huán)境城市化、社會(huì)城市化、生活方式城市化對(duì)區(qū)域經(jīng)濟(jì)格局的影響，在探索性空間數(shù)據(jù)分析(Exploratory Spatial Data Analysis,簡(jiǎn)稱“ESDA”)的基礎(chǔ)上，構(gòu)建合適的城市化因素對(duì)經(jīng)濟(jì)格局影響的空間計(jì)量模型。根據(jù)模型分析，以期發(fā)現(xiàn)山東省城市化進(jìn)程中遇到的問(wèn)題，分析其成因及其對(duì)經(jīng)濟(jì)格局的影響效應(yīng)。這對(duì)構(gòu)建有序的區(qū)域經(jīng)濟(jì)發(fā)展格局，促進(jìn)山東省的城市化可持續(xù)發(fā)展以及區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展有著重要的意義。

表1　地區(qū)間空間相關(guān)程度評(píng)價(jià)指標(biāo)體系及各指標(biāo)權(quán)重

二、地區(qū)間空間相關(guān)程度評(píng)價(jià)指標(biāo)體系設(shè)計(jì)

(一)評(píng)價(jià)指標(biāo)體系設(shè)計(jì)

由于經(jīng)濟(jì)數(shù)據(jù)和現(xiàn)象之間空間相關(guān)性的存在，傳統(tǒng)的計(jì)量模型不再適用，而納入空間效應(yīng)的空間計(jì)量方法可較好地解決此類(lèi)問(wèn)題。空間計(jì)量經(jīng)濟(jì)方法的本質(zhì)是通過(guò)引入空間地理位置與地理數(shù)據(jù)之間空間關(guān)系的SWM對(duì)普通線性回歸模型進(jìn)行修正。當(dāng)前，學(xué)者們習(xí)慣采用的SWM主要有基于鄰接標(biāo)準(zhǔn)的Rook矩陣和Queen矩陣、基于距離的反距離矩陣、K-nearest矩陣等。[12]54然而，如前所述，各地區(qū)間的空間相關(guān)程度是個(gè)很難用單項(xiàng)測(cè)度指標(biāo)進(jìn)行描述的模糊概念。以下以地區(qū)間空間相關(guān)程度概念模型為框架，根據(jù)概念模型包含的子系統(tǒng)及要素構(gòu)建評(píng)價(jià)指標(biāo)體系。構(gòu)建的評(píng)價(jià)指標(biāo)體系由7個(gè)一級(jí)指標(biāo)和26個(gè)二級(jí)指標(biāo)組成，利用層次分析法將指標(biāo)體系分成目標(biāo)層、準(zhǔn)則層和指標(biāo)層，并根據(jù)專(zhuān)家評(píng)分法確定指標(biāo)權(quán)重(見(jiàn)表1)。

(二)模糊空間權(quán)重矩陣構(gòu)建

根據(jù)評(píng)價(jià)指標(biāo)體系采用雙重列聯(lián)表的方式設(shè)計(jì)有關(guān)山東省17個(gè)地級(jí)市間空間相關(guān)程度的調(diào)查問(wèn)卷，應(yīng)用類(lèi)型抽樣方式從山東科技大學(xué)校園內(nèi)隨機(jī)抽取不同專(zhuān)業(yè)學(xué)科的50名師生進(jìn)行問(wèn)卷調(diào)查，構(gòu)造模糊SWM(W)如下：

(1)

三、山東省城市化與區(qū)域經(jīng)濟(jì)格局關(guān)系模型構(gòu)建

(一)基于模糊SWM的空間自相關(guān)定義

ESDA是指運(yùn)用統(tǒng)計(jì)學(xué)原理和圖形、圖表等可視化方法對(duì)空間數(shù)據(jù)進(jìn)行分析和描述，揭示研究對(duì)象之間的空間相互作用機(jī)理的一系列空間分析方法和技術(shù)的集成。根據(jù)應(yīng)用層面不同，可分為全局空間自相關(guān)和局部空間自相關(guān)。以下基于模糊SWM定義兩種不同形式的空間自相關(guān)。

1.全局空間自相關(guān)

全局空間自相關(guān)主要描述現(xiàn)象的整體分布情況，探索要素屬性在整個(gè)研究區(qū)域的空間分布特征。常用的指標(biāo)有：Moran’s I、Geary’s C、Getis G，Ripley’s K，Join Count等。本文參照最早應(yīng)用于全局聚類(lèi)檢驗(yàn)的Moran’sI指數(shù)(Cliff和Ord,1973)。[12]定義模糊Moran’sI指數(shù)I如下：

(2)

2.局部空間自相關(guān)

全局空間自相關(guān)假定空間是同質(zhì)的，即研究區(qū)域內(nèi)的空間對(duì)象的某一屬性值僅存在一種整體趨勢(shì)，當(dāng)需要衡量每個(gè)空間對(duì)象屬性在“局部”的相關(guān)情況時(shí)，就要進(jìn)行局部空間自相關(guān)分析。局部空間自相關(guān)分析包括空間聯(lián)系的局部指標(biāo)(包括Local Getis’s G，Local Moran’sI等)、G統(tǒng)計(jì)量和Moran散點(diǎn)圖等。定義模糊Local Moran’sI計(jì)算公式如下：

(3)

以(Wz,z)為坐標(biāo)點(diǎn)可得到模糊Moran散點(diǎn)圖，它是空間滯后因子Wz和z數(shù)據(jù)對(duì)的可視化二維圖，模糊Moran散點(diǎn)圖的四個(gè)象限分別對(duì)應(yīng)于空間單元與其鄰居之間四種不同類(lèi)型的局部空間聯(lián)系形式。

(二)基于模糊SWM的空間計(jì)量模型構(gòu)建

空間計(jì)量模型根據(jù)空間效應(yīng)的引入方式不同主要分為空間滯后模型(SLM)和空間誤差模型(SEM)。當(dāng)被解釋變量之間的空間依賴性顯著的導(dǎo)致了空間相關(guān)時(shí)，適合建立空間滯后模型；當(dāng)模型的誤差項(xiàng)在空間上相關(guān)時(shí)，適合建立空間誤差模型。

以下以山東省17個(gè)地級(jí)市為研究單元，*濟(jì)南、青島、淄博、棗莊、東營(yíng)、煙臺(tái)、濰坊、濟(jì)寧、泰安、威海、日照、萊蕪、臨沂、德州、聊城、濱州、菏澤17個(gè)地級(jí)市。選取人均GDP的對(duì)數(shù)形式(lnPerGDP)為被解釋變量，體現(xiàn)地區(qū)經(jīng)濟(jì)發(fā)展水平，綜合考慮人口城市化、環(huán)境城市化、社會(huì)城市化、生活方式城市化對(duì)經(jīng)濟(jì)格局的影響，分別對(duì)應(yīng)選取年末城鎮(zhèn)常住人口的對(duì)數(shù)(lnczrk)、氨氮排放量(adpl)、萬(wàn)人人均公路里程(wrgl)、百人人均互聯(lián)網(wǎng)用戶數(shù)(brhlw)為解釋變量，構(gòu)建山東省城市化與區(qū)域經(jīng)濟(jì)格局的的空間滯后模型(SLM)如下*屬性數(shù)據(jù)來(lái)源于2013年山東省統(tǒng)計(jì)年鑒和山東省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)，地圖數(shù)據(jù)來(lái)自于1∶50萬(wàn)的中國(guó)基礎(chǔ)地理數(shù)據(jù)。：

(4)

(4)式中，下標(biāo)i表示第i個(gè)地級(jí)市，wij是模糊SWM的第i行第j列的元素，表示第i個(gè)地區(qū)對(duì)第j個(gè)地區(qū)的關(guān)系測(cè)度值；ρ是空間滯后系數(shù)，ρ顯著的不為零，表示鄰近地級(jí)市的經(jīng)濟(jì)水平對(duì)當(dāng)?shù)亟?jīng)濟(jì)水平存在影響；β0是截距，βk(k=1,2,…,4)是偏回歸系數(shù)，εi～N(0,σ2)；β1表示czrk的經(jīng)濟(jì)產(chǎn)出彈性；β2,β3,β4分別表示adpl、wrgl、brhlw每增加一個(gè)單位，PerGDP分別平均增加100*β2%、100*β3%和100*β4%個(gè)單位。

同理，構(gòu)建山東省城市化與區(qū)域經(jīng)濟(jì)格局的的空間誤差模型(SEM)為：

(5)

(5)式中，μi～N(0,σ2)，λ為空間誤差系數(shù)，度量了鄰近地區(qū)關(guān)于被解釋變量的誤差沖擊對(duì)本地區(qū)觀察值的影響程度，其它符號(hào)含義同公式(4)。

四、實(shí)證結(jié)果

(一)基于模糊SWM的空間自相關(guān)檢驗(yàn)

根據(jù)式(2)，對(duì)山東省17個(gè)地級(jí)市的2012年人均GDP對(duì)數(shù)(lnPerGDP)、年末城鎮(zhèn)人口對(duì)數(shù)(lnczrk)、氨氮排放量(adpl)、萬(wàn)人人均公路里程數(shù)(wrgl)、百人人均互聯(lián)網(wǎng)用戶數(shù)(brhlw)及模型空間滯后變量(Lag_lnPerGDP)進(jìn)行全局空間自相關(guān)檢驗(yàn)，分析其在地理空間上的相關(guān)性，結(jié)果如表2：

表2　模型變量的模糊Moran’sI指數(shù)

從表2可以看出，山東省17個(gè)地市的lnPerGDP,lnczrk,adpl,wrgl,brhlw,Lag_lnPerGDP不同程度的體現(xiàn)出一定的空間相關(guān)性，圖1為相應(yīng)的模糊Moran散點(diǎn)圖。

圖1　lnPerGDP,lnczrk,adpl,wrgl,brhlw,Lag_lnPerGDP的模糊Moran散點(diǎn)圖

結(jié)合表2、圖1可見(jiàn)山東省2012年各地市的人均GDP分布呈現(xiàn)出一定的空間聚集性，絕大多數(shù)地市聚集在第一和第三象限的高-高、低-低區(qū)內(nèi)，表現(xiàn)為正的空間自相關(guān)，即具有較高(低)人均GDP的地市相對(duì)的趨于和較高(低)人均GDP的地市靠近。城市人口規(guī)模(lnczrk)分布也不均衡，人口高-高聚集區(qū)域?yàn)榍鄭u、煙臺(tái)、泰安、菏澤四市，低-低聚集的為德州、濱州、棗莊和淄博。山東省氨氮排放量(adpl)高-高聚集區(qū)域?yàn)榍鄭u、泰安、菏澤和聊城，低-低聚集區(qū)為濱州、濟(jì)南，氨氮排放量大體形成從北至南、由低到高的沿軸線空間分布：濱州(低)-濟(jì)南(低)-萊蕪(低)-泰安(高)-濟(jì)南(高)-菏澤(高)。交通營(yíng)運(yùn)分布也很不均勻，萬(wàn)人人均公路里程(wrgl)低-低聚集的地市較多，大體集中在膠東半島沿海的青島、煙臺(tái)、威海以及魯中南部濰坊、臨沂、棗莊、泰安等地。百人互聯(lián)網(wǎng)用戶數(shù)(brhlw)變量幾乎沒(méi)有居于第一象限的地市。lnPerGDP的空間滯后Lag_lnPerGDP的模糊Moran’sI值為0.613 543，說(shuō)明周?chē)厥械慕?jīng)濟(jì)發(fā)展對(duì)該地區(qū)的經(jīng)濟(jì)發(fā)展有強(qiáng)的影響和溢出效應(yīng)。

通過(guò)以上分析說(shuō)明，模型各變量及l(fā)nPerGDP的空間滯后變量的分布都不是隨機(jī)的，而是呈現(xiàn)一定的空間自相關(guān)，在進(jìn)行城市化與區(qū)域經(jīng)濟(jì)格局關(guān)系研究時(shí)應(yīng)該考慮空間因素的影響。

(二)基于模糊SWM的空間計(jì)量分析

以上空間自相關(guān)分析驗(yàn)證了山東省17地市的經(jīng)濟(jì)增長(zhǎng)和城市化因素間的空間相關(guān)性，故考慮構(gòu)建以lnczrk、adpl、wrgl和brhlw為解釋變量，lnPerGDP為被解釋變量的空間計(jì)量經(jīng)濟(jì)模型。首先采用最小二乘法(Ordinary Least Square，簡(jiǎn)稱“OLS”)對(duì)普通線性回歸模型進(jìn)行估計(jì)，結(jié)果見(jiàn)表3，然后對(duì)普通線性回歸模型施加空間約束條件，用Lagrange方法構(gòu)造目標(biāo)函數(shù)，通過(guò)假設(shè)檢驗(yàn)判斷選擇合適的空間計(jì)量經(jīng)濟(jì)模型。

由表3可知，普通線性回歸模型的可決系數(shù)R-squared為75.1143%，對(duì)應(yīng)的F統(tǒng)計(jì)量的P值為0.001 309，整體上通過(guò)了顯著性水平為0.01的顯著性檢驗(yàn)。僅brhlw通過(guò)了顯著性水平為0.01的檢驗(yàn)，說(shuō)明對(duì)于模型的設(shè)定可能錯(cuò)誤，應(yīng)考慮空間因素。

為了更好地?cái)M合數(shù)據(jù)，我們進(jìn)一步得到表4的統(tǒng)計(jì)檢驗(yàn)結(jié)果，其中JB檢驗(yàn)(Jarque-Bera)的P值大于0.01，說(shuō)明普通模型誤差非正態(tài)性，BP(Breusch-Pagan),KB(Koenker-Bassett)和White檢驗(yàn)統(tǒng)計(jì)量的P值亦都大于0.01，說(shuō)明統(tǒng)計(jì)模型變量存在異方差性，即存在空間自相關(guān)性，而這點(diǎn)在前面的自相關(guān)性檢驗(yàn)中已得到證實(shí)。當(dāng)模型變量存在非正態(tài)性、異方差性時(shí)，采用OLS方法進(jìn)行估計(jì)得到的參數(shù)是有偏的。LM(lag)比LM(error)顯著，說(shuō)明經(jīng)濟(jì)發(fā)展(lnGDP)的影響因素會(huì)通過(guò)空間傳導(dǎo)機(jī)制作用于其它地區(qū)，對(duì)區(qū)域經(jīng)濟(jì)和城市化的影響分析更適合建立空間滯后模型?；谀：齋WM的空間滯后模型的極大似然估計(jì)結(jié)果見(jiàn)表5，為了方便比較，同時(shí)對(duì)基于Rook矩陣的空間滯后模型進(jìn)行極大似然估計(jì)(見(jiàn)表5)。

表3　普通線性回歸模型估計(jì)結(jié)果

表4　模型誤差正態(tài)性、異方差性、空間依賴性檢驗(yàn)

表5　空間滯后模型估計(jì)結(jié)果

首先，從是否考慮空間效應(yīng)來(lái)看(表3和表5)：以模糊SWM構(gòu)建的空間滯后模型能被模型中自變量解釋的因變量的比例(R-squared)為92.160 5%，明顯高于未考慮空間效應(yīng)的普通線性回歸模型的75.114 3%，但由于空間滯后模型是以極大似然法估計(jì)的，R-squared作為判別模型優(yōu)劣指標(biāo)已不再適用；故進(jìn)一步對(duì)比體現(xiàn)模型擬合優(yōu)度的AIC和SC值，發(fā)現(xiàn)空間滯后模型較普通線性回歸模型均有較大幅度的降低(6.888 720→-7.464 24，11.054 800→-2.464 96)，說(shuō)明空間滯后模型擬合效果大大提高；同時(shí)空間滯后系數(shù)ρ通過(guò)了顯著性水平為0.01的顯著性檢驗(yàn)。這些都說(shuō)明空間滯后模型優(yōu)于普通線性回歸模型的估計(jì)?？梢?jiàn)，用基于獨(dú)立、正態(tài)分布等基本假定的OLS方法估計(jì)存在有空間依賴性問(wèn)題的城市化和經(jīng)濟(jì)發(fā)展問(wèn)題時(shí)結(jié)論欠可靠，空間因素不可忽略。普通線性回歸模型和基于模糊SWM的空間滯后模型中，解釋變量lnczrk、adpl、wrgl和brhlw的回歸系數(shù)分別為(0.885 340，-0.000 100，0.005 558，0.022 337)和(0.779 219，-0.000 091，0.005 239，0.020 308)，對(duì)各回歸系數(shù)顯著性檢驗(yàn)對(duì)應(yīng)的p值分別為(0.019 963，0.021 490，0.218 162，0.003 631)和(0.000 001，0.000 000，0.009 628，0.000 000)。整體上來(lái)看，空間滯后模型比普通線性模型各系數(shù)的絕對(duì)值都有所降低，說(shuō)明普通線性回歸模型高估了城市化各因素對(duì)一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平的影響；對(duì)應(yīng)的p值明顯降低，統(tǒng)計(jì)效果異常顯著，說(shuō)明考慮了空間因素的空間滯后計(jì)量模型的估計(jì)效果更好，各變量的解釋力度較普通線性回歸模型更強(qiáng)。另外，從城市化因素對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的作用方向和強(qiáng)度看，除氨氮排放量(adpl)外，其它變量的回歸系數(shù)均為正數(shù)，說(shuō)明城鎮(zhèn)人口規(guī)模、公路交通、信息通信等城市化因素對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)起著正向促進(jìn)作用。

其次，從空間權(quán)重矩陣的選擇上看(表5)：基于模糊SWM和Rook矩陣的空間滯后模型中的空間滯后系數(shù)ρ都通過(guò)了顯著性水平為0.01的顯著性檢驗(yàn)。除截距項(xiàng)Intercept外，基于模糊SWM的模型中各回歸系數(shù)的P值均小于基于Rook模型中的P值，說(shuō)明在對(duì)空間效應(yīng)的描述上，模糊SWM明顯的優(yōu)于Rook矩陣，模型各變量的解釋力度顯著增強(qiáng)。對(duì)比體現(xiàn)模型擬合優(yōu)度的AIC和SC值，發(fā)現(xiàn)基于模糊SWM的空間滯后模型較之基于Rook矩陣的空間滯后模型的AIC和SC值均有較大幅度的降低，進(jìn)一步說(shuō)明前者擬合效果較好?？梢?jiàn)，用本文提出的模糊SWM來(lái)描述空間效應(yīng)較之傳統(tǒng)的基于鄰接關(guān)系的Rook矩陣要好。

五、結(jié)論及建議

運(yùn)用層次分析法，通過(guò)建立評(píng)價(jià)指標(biāo)體系結(jié)合問(wèn)卷調(diào)查打分的方式構(gòu)造出一種主客觀相結(jié)合的體現(xiàn)空間位置和空間數(shù)據(jù)關(guān)系的模糊SWM，然后對(duì)各城市化因素及區(qū)域經(jīng)濟(jì)增長(zhǎng)指標(biāo)進(jìn)行空間相關(guān)性檢驗(yàn)，進(jìn)而根據(jù)相關(guān)性來(lái)源的分析篩選出城市化因素對(duì)區(qū)域經(jīng)濟(jì)格局影響的空間滯后模型。研究發(fā)現(xiàn)，基于模糊SWM的空間滯后模型統(tǒng)計(jì)效果明顯的優(yōu)于普通線性回歸模型及基于Rook矩陣的空間滯后模型。模型估計(jì)結(jié)果顯示：由于受空間地理位置和空間溢出效應(yīng)的影響，山東省各地經(jīng)濟(jì)發(fā)展并不均衡，顯現(xiàn)出較明顯的空間聚集特性，經(jīng)濟(jì)發(fā)展水平大體體現(xiàn)為東高西低的分布格局。各城市化因素對(duì)經(jīng)濟(jì)格局的影響效應(yīng)不盡相同，具體如下：

(一)山東省各地市經(jīng)濟(jì)發(fā)展不均衡、空間依賴性強(qiáng)

從lnPerGDP的全局自相關(guān)、局部自相關(guān)及空間計(jì)量模型分析的基礎(chǔ)上，可知山東省各地市的人均GDP體現(xiàn)為正的空間自相關(guān)，高-高、低-低聚集的地市有15個(gè)(比例占88.235 3%)，在整個(gè)空間布局中占主導(dǎo)地位，經(jīng)濟(jì)發(fā)展水平較高的地區(qū)主要是沿海山東半島藍(lán)色經(jīng)濟(jì)圈的青島、煙臺(tái)、威海、以及黃河三角洲的東營(yíng)、濱州和依托傳統(tǒng)化工、陶瓷等工業(yè)處于領(lǐng)先地位的淄博六市。從模糊Moran散點(diǎn)圖看，經(jīng)濟(jì)發(fā)展水平低的地市主要集中在經(jīng)濟(jì)欠發(fā)達(dá)的魯西北的菏澤、聊城、德州以及魯南的濟(jì)寧、棗莊、日照、臨沂以及魯中城市泰安等地，并且以濟(jì)寧為中心形成經(jīng)濟(jì)發(fā)展相對(duì)滯后的區(qū)域帶。未來(lái)政府應(yīng)依托大運(yùn)量綜合運(yùn)輸通道，加快推進(jìn)日菏沿線南部橫向發(fā)展軸的經(jīng)濟(jì)發(fā)展；濟(jì)南則是唯一一個(gè)被低值GDP包圍的高值區(qū)域，說(shuō)明省會(huì)濟(jì)南還未對(duì)周邊地區(qū)的經(jīng)濟(jì)增長(zhǎng)形成強(qiáng)勁的帶動(dòng)和輻射作用；濰坊是被高值所包圍的低經(jīng)濟(jì)增長(zhǎng)區(qū)。實(shí)證結(jié)果表明省會(huì)濟(jì)南和青島的龍頭作用有待加強(qiáng)，今后要本著城?；?dòng)、協(xié)作共建原則加強(qiáng)以青島和濟(jì)南為雙中心的山東半島城市群建設(shè)。

(二)整體上城鎮(zhèn)人口規(guī)模對(duì)山東省經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)較顯著，部分地區(qū)出現(xiàn)規(guī)模不經(jīng)濟(jì)現(xiàn)象

從城鎮(zhèn)人口規(guī)模的散點(diǎn)圖上可知山東省城鎮(zhèn)人口分布很不均衡，體現(xiàn)為人口高-高聚集的區(qū)域?yàn)榍鄭u、煙臺(tái)、泰安、菏澤四市，其中青島、煙臺(tái)兩市具有較高的人均GDP水平，說(shuō)明城市人口規(guī)模對(duì)經(jīng)濟(jì)發(fā)展起到一定的促進(jìn)作用。而另一方面，臨沂、泰安經(jīng)濟(jì)發(fā)展相對(duì)滯后卻擁有較高的城鎮(zhèn)人口規(guī)模，出現(xiàn)了規(guī)模不經(jīng)濟(jì)現(xiàn)象，反映了人口的無(wú)節(jié)制流動(dòng)給城市帶來(lái)機(jī)遇的同時(shí)也帶來(lái)諸如住房緊張、教育失衡、交通擁堵、福利不均等負(fù)面影響，反過(guò)來(lái)可能制約經(jīng)濟(jì)的發(fā)展?；谀：齋WM的空間滯后模型估計(jì)結(jié)果表明，城鎮(zhèn)人口的經(jīng)濟(jì)產(chǎn)出彈性為0.779 219，通過(guò)了顯著性水平為0.01的顯著性檢驗(yàn)。說(shuō)明在當(dāng)下的山東省整個(gè)城市化發(fā)展進(jìn)程中，城鎮(zhèn)人口的擴(kuò)張整體上起到了積極的推進(jìn)作用，當(dāng)前的城鎮(zhèn)人口規(guī)模對(duì)山東各地市經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)整體上較顯著，今后要有序有步驟的分層推進(jìn)農(nóng)業(yè)轉(zhuǎn)移人口城市化建設(shè)，警惕規(guī)模不經(jīng)濟(jì)現(xiàn)象。

(三)環(huán)境污染制約經(jīng)濟(jì)發(fā)展

基于模糊SWM的空間滯后模型發(fā)現(xiàn)，體現(xiàn)城市環(huán)境質(zhì)量好壞的氨氮排放量的回歸系數(shù)為-0.000 091，對(duì)經(jīng)濟(jì)發(fā)展起著消極的制約作用。氨氮排放量每增加1個(gè)單位，人均GDP的絕對(duì)值就平均降低0.0091%。可見(jiàn)，廢氣廢水排放越多，區(qū)域環(huán)境質(zhì)量越差，除了影響市民身心健康，還加劇城市治理負(fù)擔(dān)、制約區(qū)域經(jīng)濟(jì)增長(zhǎng)。當(dāng)然，影響城市環(huán)境的不僅僅是氨氮排放量這一個(gè)指標(biāo)，還包括工業(yè)廢水排放量、工業(yè)廢氣排放量、二氧化硫排放量、工業(yè)固體廢棄物產(chǎn)生量、生活煙塵排放量、生活污水和生活垃圾清運(yùn)量等諸多因素，這里氨氮排放量起到“投礫引珠”的作用。本文實(shí)證了污染物的排放對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)起著制約作用。故各地市要正確處理好經(jīng)濟(jì)與環(huán)境的關(guān)系，采取有針對(duì)性的措施對(duì)城市進(jìn)行環(huán)境綜合整治，積極創(chuàng)建城市生態(tài)文明，保證山東省經(jīng)濟(jì)健康、持續(xù)地向前發(fā)展。

(四)交通運(yùn)輸建設(shè)對(duì)經(jīng)濟(jì)增長(zhǎng)起積極作用

萬(wàn)人人均公路里程(wrgl)的模糊Moran散點(diǎn)圖顯示山東省交通營(yíng)運(yùn)分布很不均勻，低-低聚集的地市較多。對(duì)于變量wrgl，基于模糊SWM的空間滯后模型中回歸系數(shù)是0.005 239，說(shuō)明萬(wàn)人人均公路里程每增加一個(gè)單位，人均GDP平均提高0.5239%，且通過(guò)0.01的顯著性檢驗(yàn)，但影響效應(yīng)沒(méi)有預(yù)期的高。究其原因，雖然公路的興建縮短了地區(qū)之間的時(shí)空距離，帶來(lái)了生活的便利，緩解了運(yùn)輸困難和運(yùn)輸成本高等問(wèn)題，提高了區(qū)域內(nèi)居民生活水平，但由于種種原因，當(dāng)前山東省各地對(duì)于建成的公路尤其是農(nóng)村公路疏于養(yǎng)護(hù)和有效管理，一定程度上影響和制約了公路積極作用的發(fā)揮。因此，針對(duì)山東省公路交通相對(duì)滯后情況，各級(jí)政府除加大交通基礎(chǔ)設(shè)施發(fā)展速度和力度的同時(shí)，還要統(tǒng)籌安排規(guī)劃已有公路的后期養(yǎng)護(hù)和管理。

(五)信息基礎(chǔ)設(shè)施和信息產(chǎn)業(yè)有助于區(qū)域經(jīng)濟(jì)增長(zhǎng)

百人互聯(lián)網(wǎng)戶數(shù)(brhlw)的模糊Moran散點(diǎn)圖顯示幾乎沒(méi)有居于高-高聚集態(tài)勢(shì)的地市，說(shuō)明整體上山東省的城市基礎(chǔ)設(shè)施薄弱，信息化水平及城市化綜合水平偏低，且高低分布不均衡。空間滯后模型中回歸系數(shù)為0.020 308，統(tǒng)計(jì)檢驗(yàn)效果顯著，說(shuō)明生活方式城市化對(duì)區(qū)域經(jīng)濟(jì)有著積極的正向影響。這和實(shí)際情況相符，城市化帶來(lái)很多機(jī)遇的同時(shí)，也帶來(lái)諸如資源環(huán)境瓶頸效應(yīng)、流動(dòng)人口過(guò)分聚集、現(xiàn)代城市管理水平相對(duì)滯后等問(wèn)題，而發(fā)展以互聯(lián)網(wǎng)為基礎(chǔ)設(shè)施的信息產(chǎn)業(yè)可有效降低物資消耗、降低交易成本，推動(dòng)經(jīng)濟(jì)增長(zhǎng)方式向保護(hù)環(huán)境、節(jié)約資源、可持續(xù)發(fā)展的集約型方式轉(zhuǎn)變。有資料顯示，以互聯(lián)網(wǎng)、通信網(wǎng)絡(luò)為物資基礎(chǔ)的信息化產(chǎn)業(yè)的增加值在GDP中的份額不斷增加，對(duì)國(guó)民經(jīng)濟(jì)的直接和間接貢獻(xiàn)率逐步提高，這也和本文的研究結(jié)論相一致，百人互聯(lián)網(wǎng)用戶數(shù)每增加1個(gè)單位，人均GDP平均提高2.030 8%。山東省各地市應(yīng)大力發(fā)展信息產(chǎn)業(yè)，以信息化帶動(dòng)工業(yè)化、農(nóng)業(yè)化和城市化，穩(wěn)步推進(jìn)山東城市化的有序發(fā)展。

參考文獻(xiàn)：

[1]Moomaw R L,Shatter A M.Urbanization and economic development: a bias toward large cities?[J].Journal of Urban Economics,1996(1):13-37.

[2]Henderson V.The urbanization process and economic growth:The so-what question[J].Journal of Economic Growth,2003(1):47-71.

[3]周一星.城市化與國(guó)民生產(chǎn)總值關(guān)系的規(guī)律性探討[J].人口與經(jīng)濟(jì),1982(1):28-33.

[4]陽(yáng)立高，廖進(jìn)中.城市化拉動(dòng)中國(guó)經(jīng)濟(jì)增長(zhǎng)實(shí)證研究[J].經(jīng)濟(jì)問(wèn)題,2009(1):35-37.

[5]傅瑩.中國(guó)城市化與經(jīng)濟(jì)增長(zhǎng)[D].武漢：華中科技大學(xué)，2011.

[6]蔣建華，劉程軍.浙江區(qū)域城市化空間格局及其演化研究[J].華東經(jīng)濟(jì)管理,2013(5):1-5.

[7]仇娟?yáng)|.中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)效率集聚與地區(qū)差距研究[D].西安：西北大學(xué)，2013.

[8]鄧志旺.中國(guó)城市化動(dòng)力機(jī)制的模型構(gòu)建及其空間計(jì)量分析[J].統(tǒng)計(jì)與決策，2015(4)：129-131.

[9]任英華，游萬(wàn)海.一種新的空間權(quán)重矩陣選擇方法[J].統(tǒng)計(jì)研究，2012(6):99-105.

[10]SAATY T.L. Dicision making with the analytic hierarchy process[J].Services Sciences,2008(1):83-98.

[11]BHUSHAN,N.and Ria,K. Strategic Decision Making:Applying the Analytic Hierarchy Process[M].London:Springer-Verlag London Limited,2004.

[12]ANSELIN,L..Spatial Econometrics:Methods and Models[M].Kluwer Academic Publishers,Dordrecht,The Netherlands,1988.

(責(zé)任編輯：魏霄)

Spatial Econometrics Analysis of the Relationship between Urbanization and Regional Economic Pattern In Shandong Province

ZHAO Xiaoyan1,LIU Wenbao2

(1.CollegeofInformationScienceandEngineering,ShandongUniversityofScienceandTechnology;2.CollegeofGeomatics,ShandongUniversityofScienceandTechnology,Qingdao266590,China)

Abstract:Based on the spatial data of 17 cities in Shandong province,the analytic hierarchy process (AHP) is employed to design the evaluation index system of the spatial correlation,and the spatial econometric model is constructed to analyze the relationship among population urbanization，environment urbanization，social urbanization，way-of-life urbanization and regional economy pattern.The result shows that: Regional economy has shown positive spatial autocorrelation,and 88.2353% of the cities have shown the high-high and low-low state of aggregation.On the whole,the urban population scale for all regions except Linyi and Taian contribute significantly to economic growth.The factors of the construction of highway transportation and information infrastructure will promote regional economic growth,in contrast,environmental pollution will restrict the development of regional economy.

Key words:urbanization;regional economy;fuzzy spatial weight matrix;spatial econometric analysis method;Shandong province

收稿日期：2015-04-04

基金項(xiàng)目：全國(guó)統(tǒng)計(jì)科學(xué)研究計(jì)劃項(xiàng)目(2013LZ41)；山東科技大學(xué)人才引進(jìn)項(xiàng)目(2013RCJJ043)；山東省高等學(xué)校科技計(jì)劃項(xiàng)目(J14LN33)

作者簡(jiǎn)介：趙曉燕(1978—)，女，河南安陽(yáng)人，山東科技大學(xué)信息科學(xué)與工程學(xué)院講師，山東科技大學(xué)測(cè)繪科學(xué)與工程學(xué)院博士研究生.

中圖分類(lèi)號(hào)：F291.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1008-7699(2016)02-0053-09