滇中縣域人口城鎮(zhèn)化空間結(jié)構(gòu)及影響因素研究

歐朝蓉，朱清科，包廣靜

（1. 西南林業(yè)大學(xué)生態(tài)旅游學(xué)院，云南 昆明 650224；2.北京林業(yè)大學(xué)水土保持學(xué)院，北京 100083；

3.云南財經(jīng)大學(xué)城市管理與資源環(huán)境學(xué)院，云南 昆明650221）

滇中縣域人口城鎮(zhèn)化空間結(jié)構(gòu)及影響因素研究

歐朝蓉1,2，朱清科2*，包廣靜3

（1. 西南林業(yè)大學(xué)生態(tài)旅游學(xué)院，云南 昆明 650224；2.北京林業(yè)大學(xué)水土保持學(xué)院，北京 100083；

3.云南財經(jīng)大學(xué)城市管理與資源環(huán)境學(xué)院，云南 昆明650221）

歐朝蓉, 朱清科, 包廣靜. 滇中縣域人口城鎮(zhèn)化空間結(jié)構(gòu)及影響因素研究[J]. 農(nóng)業(yè)現(xiàn)代化研究, 2016, 37(6): 1173-1180.

Ou Z R, Zhu Q K, Bao G J. Spatial structure and influencing factors of population urbanization in the Central Yunnan Province[J]. Research of Agricultural Modernization, 2016, 37(6): 1173-1180.

以滇中地區(qū)41個縣域為研究單元，利用GIS和空間自相關(guān)分析研究人口城鎮(zhèn)化的空間結(jié)構(gòu)，以因子分析法探索人口城鎮(zhèn)化的主要影響因素，進而采用OLS和GWR探究人口城鎮(zhèn)化影響因素特征。研究結(jié)果表明：1）滇中縣域人口城鎮(zhèn)化水平整體偏低且空間差異大，人口城鎮(zhèn)化水平隨距離衰變明顯。2）全局自相關(guān)分析表明滇中縣域人口城鎮(zhèn)化存在顯著全局空間自相關(guān)關(guān)系，局部自相關(guān)分析表明人口城鎮(zhèn)化水平局部相關(guān)性不明顯，各縣域人口城鎮(zhèn)化進程呈孤立態(tài)勢。3）因子分析法確定滇中縣域人口城鎮(zhèn)化主要影響因素為經(jīng)濟發(fā)展、農(nóng)業(yè)生產(chǎn)和產(chǎn)業(yè)結(jié)構(gòu)。OLS模型發(fā)現(xiàn)三種因素對人口城鎮(zhèn)化均具有正向拉動力，經(jīng)濟發(fā)展作用力最大，產(chǎn)業(yè)結(jié)構(gòu)其次，農(nóng)業(yè)生產(chǎn)的作用力最小。4）GWR模型研究發(fā)現(xiàn)經(jīng)濟發(fā)展影響強度從北到南增強，農(nóng)業(yè)生產(chǎn)影響強度從西到東增大，產(chǎn)業(yè)結(jié)構(gòu)影響強度從西南向東北方向增大。滇中縣域需要提升人口城鎮(zhèn)化進程，加快農(nóng)業(yè)結(jié)構(gòu)調(diào)整和升級，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，以此促進人口城鎮(zhèn)化水平的提升。

人口城鎮(zhèn)化；空間自相關(guān)；因子分析；OLS；GWR；空間結(jié)構(gòu)；影響因素

人口城鎮(zhèn)化是城鎮(zhèn)人口持續(xù)增加的過程，其重點在于農(nóng)業(yè)人口向非農(nóng)人口的轉(zhuǎn)化[1]。真正的城鎮(zhèn)化應(yīng)是包括人口、土地、社會、產(chǎn)業(yè)等多重要素協(xié)調(diào)一體的城鎮(zhèn)化[2]。改革開放以來，我國人口城鎮(zhèn)化進程動力機制由以往單一的或以二元形式為主逐步被多元城鎮(zhèn)化動力所替代[3]，人口遷移[4]、產(chǎn)業(yè)結(jié)構(gòu)升級[5]、小城鎮(zhèn)建設(shè)[6]、鄉(xiāng)鎮(zhèn)企業(yè)發(fā)展[7]和城市擴張模式[8]轉(zhuǎn)變等因素均成為我國人口城鎮(zhèn)化快速發(fā)展的主要影響因素。人口城鎮(zhèn)化影響因素研究對闡明人口城鎮(zhèn)化的深層次原因及預(yù)測人口城鎮(zhèn)化趨勢具有重要意義。

人口城鎮(zhèn)化影響因素研究最初始于定性分析，其后隨著數(shù)理統(tǒng)計方法的應(yīng)用逐步進入定量化階段。王發(fā)曾和程麗麗[9]運用灰色關(guān)聯(lián)法研究得出山東半島、中原、關(guān)中城市群城鎮(zhèn)化水平推動力為經(jīng)濟水平、人口集聚、農(nóng)業(yè)生產(chǎn)水平和醫(yī)療衛(wèi)生條件；李芃等[10]利用主成分法和多元回歸模型研究重慶城鎮(zhèn)化水平的影響因素，結(jié)果表明第二產(chǎn)業(yè)是影響城鎮(zhèn)化水平的關(guān)鍵因素。數(shù)理統(tǒng)計方法量化了人口城鎮(zhèn)化的影響因素及其作用力大小，有利于揭示人口城鎮(zhèn)化驅(qū)動機制。然而，人口城鎮(zhèn)化作為經(jīng)濟屬性在空間分布的一種現(xiàn)象，僅從線性角度研究人口城鎮(zhèn)化與其影響因素的關(guān)系很難解釋人口城鎮(zhèn)化的空間非平衡性。21世紀初開始，隨著地理學(xué)理論和研究方法的不斷成熟，有學(xué)者嘗試將地理空間模型應(yīng)用于人口城鎮(zhèn)化驅(qū)動因素研究，如蔣偉[11]運用空間滯后模型和空間誤差模型研究了人均GDP、第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重、教育發(fā)展水平、對外開發(fā)程度和城鄉(xiāng)收入差距六大因素對城鎮(zhèn)化水平的影響；馬穎憶和陸玉麒[12]運用GWR模型探討了江蘇省人口空間格局演變因素，結(jié)果表明主要影響因素有歷史發(fā)展基礎(chǔ)、社會生活水平、經(jīng)濟發(fā)展水平、人口自然增長和區(qū)域發(fā)展政策等。

云南是典型的西部欠發(fā)達區(qū)域，滇中地區(qū)是云南省經(jīng)濟發(fā)展核心，也是云南省人口城鎮(zhèn)化水平最高的區(qū)域。利用數(shù)理統(tǒng)計和地理空間模型研究滇中地區(qū)人口城鎮(zhèn)化空間結(jié)構(gòu)及其影響因素有利于把握區(qū)域人口城鎮(zhèn)化空間特征，揭示欠發(fā)達區(qū)域人口城鎮(zhèn)化機制。鑒于此，本研究以滇中地區(qū)縣域為例，利用GIS和空間自相關(guān)研究人口城鎮(zhèn)化空間結(jié)構(gòu)，結(jié)合因子分析法探索人口城鎮(zhèn)化主要影響因素，進而采用OLS和GWR探究人口城鎮(zhèn)化影響因素特征，以期豐富人口城鎮(zhèn)化研究內(nèi)容，為云南及欠發(fā)達區(qū)域人口、社會和經(jīng)濟協(xié)調(diào)發(fā)展提供參考。

1 研究區(qū)概況

滇中地區(qū)位于全國“兩橫三縱”城市化戰(zhàn)略格局中包昆通道縱軸的南端，其總面積為94 558 km2，占全省國土面積的24%，包括云南省中部以昆明為中心的昆明、曲靖、楚雄和玉溪四個城市，所轄縣、區(qū)和縣級市共計41個縣級地理單元（圖1）。昆明是云南省唯一的特大城市及全省政治、經(jīng)濟、文化和交通中心。玉溪是云南省重要的煙草工業(yè)和糧食種植基地，楚雄和曲靖市是全省重要的能源和工礦業(yè)基地。2013年滇中地區(qū)經(jīng)濟占全省經(jīng)濟總量的57.5%，是云南經(jīng)濟核心區(qū)和云南發(fā)展的重要引擎。2013年滇中地區(qū)人口占全省人口總量的37.4%，其人口城鎮(zhèn)化比例為30.42%，高于全省平均水平約3.1個百分點，是云南省人口城鎮(zhèn)化水平最高的區(qū)域。

圖1 滇中縣域區(qū)位圖Fig. 1 Location of counties in the Central Yunnan

2 數(shù)據(jù)來源和研究方法

2.1 數(shù)據(jù)來源

國家統(tǒng)計局對人口城鎮(zhèn)化率的現(xiàn)行統(tǒng)計方式有常住人口城鎮(zhèn)化率和戶籍人口城鎮(zhèn)化率。戶籍人口城鎮(zhèn)化率較常住人口城鎮(zhèn)化率更真實反映了人口城鎮(zhèn)化的質(zhì)量。2016年1月，國務(wù)院明確提出將加快戶籍人口城鎮(zhèn)化率作為推進人口城鎮(zhèn)化的重點工作。因此本研究選擇戶籍人口城鎮(zhèn)化率作為統(tǒng)計口徑，以非農(nóng)人口比例即非農(nóng)人口占總?cè)丝诘谋戎刈鳛楹饬咳丝诔擎?zhèn)化水平的度量指標。本研究中人口、經(jīng)濟和社會發(fā)展數(shù)據(jù)來源于《云南省統(tǒng)計年鑒2014》和《云南各縣國民經(jīng)濟與社會發(fā)展公報（2013）[13]。

2.2 研究方法

2.2.1 空間自相關(guān)分析 空間自相關(guān)分析用于檢驗?zāi)撤N現(xiàn)象在空間上是否存在集聚[14-15]。空間自相關(guān)分析包括全局自相關(guān)分析和局部自相關(guān)分析[16]。全局空間自相關(guān)反映了觀測變量在整個研究區(qū)域內(nèi)空間相關(guān)性的總體趨勢[17]。本研究采用全局Moran’s I指數(shù)研究人口城鎮(zhèn)化全局空間關(guān)聯(lián)性，其計算公式為：

式中：n為空間單元數(shù)目；xi、xj表示空間單元i、j的屬性值，wij為空間權(quán)重矩陣。如果區(qū)域i與區(qū)域j相鄰，wij值為1；否則；當i=j時，wij=0。全局Moran’s I值介于-l～1，指數(shù)大于0表明空間要素存在正相關(guān)，呈集聚分布；指數(shù)小于0表明空間要素存在負相關(guān)，呈離散分布；指數(shù)等于0則表明空間要素不存在相關(guān)性[18]。全局空間自相關(guān)分析需進行顯著性檢驗，其統(tǒng)計檢驗可采用Z檢驗，其檢驗公式見王臻等[19]研究。

局部自相關(guān)分析反映了觀測變量在局部區(qū)域間的空間相關(guān)性特征，可以具體度量每個區(qū)域與周邊地區(qū)之間的局部空間關(guān)聯(lián)程度。常用的局部空間自相關(guān)指數(shù)為LISA (Local Indicators of Spatial Association)指數(shù)，其計算公式為：

式中：Zi和Zj為區(qū)域單元i、j屬性觀測值的標準化值，{wij=1}，wij為標準化空間權(quán)重系數(shù)矩陣。當Ii為較大正值時,區(qū)域單元i與相鄰單元j的觀測屬性存在較強正空間自相關(guān)性；當i為較大負值時,區(qū)域間存在較強的負空間自相關(guān)性。局部空間自相關(guān)分析同樣需進行顯著性檢驗,檢驗方法同全局Moran’s I[20]。2.2.2 地理加權(quán)回歸（GWR） 傳統(tǒng)正常最小二乘法（Ordinary Least Squares，OLS）回歸模型的全局平穩(wěn)性假設(shè)在地理空間異質(zhì)性推理中通常是有問題的?；诘乩砜臻g的非平衡性特征，F(xiàn)otheringham[21]提出了地理加權(quán)回歸（Geographically Weighted Regression，GWR）。地理加權(quán)回歸容許一些不平穩(wěn)的數(shù)據(jù)直接被模擬，利用非參數(shù)估計方法進行局部參數(shù)估計。通過線性回歸模型中假定回歸系數(shù)是觀測點地理位置的位置函數(shù)，將數(shù)據(jù)空間特性納入模型中，為分析回歸關(guān)系的空間差異性創(chuàng)造了條件[22]。本研究采用GWR模型研究人口城鎮(zhèn)化影響因素的空間局部變化，GWR模型表示為：

式中：yi表示在地理位置(ui，vi)的因變量值（i=1，2，…，n），β0(ui，vi)表示地理位置(ui，vi)的常數(shù)項值，βk(ui，vi)是連續(xù)函數(shù)在地理位置(ui，vi)的未知參數(shù)，εi表示空間隨機殘差。

3 結(jié)果與分析

3.1 人口城鎮(zhèn)化率空間格局分析

2013年滇中地區(qū)41個縣域中人口城鎮(zhèn)化率在30%-70%之間的有7個，占總比例的17%；超過80%的有2個，占總比例的5%。從比例結(jié)構(gòu)看，處于人口城鎮(zhèn)化中、高水平的縣域比例小，絕大部分縣域人口城鎮(zhèn)化率＜30%，表明滇中縣域人口城鎮(zhèn)化整體水平偏低，滇中縣域處于人口城鎮(zhèn)化初級階段。人口城鎮(zhèn)化率標準差達到17.34，表明滇中地區(qū)各縣域人口城鎮(zhèn)化水平差異性較大。在ArcGIS10.2中對人口城鎮(zhèn)化率進行空間數(shù)據(jù)分級。從圖2可以看出中部人口城鎮(zhèn)化率相對較高，西部次之，東部地區(qū)水平較低。人口城鎮(zhèn)化水平表現(xiàn)出明顯的隨距離衰減特征，其核心區(qū)為各城市的主要市轄區(qū)和縣級市，離核心區(qū)越遠，人口城鎮(zhèn)化水平越低。四區(qū)域縣域中，昆明人口城鎮(zhèn)化水平差異性最大，既有滇中地區(qū)的核心區(qū)極大值縣域（五華區(qū)和盤龍區(qū)），也有較多的人口城鎮(zhèn)化水平低值縣域。東川區(qū)由于是傳統(tǒng)的工礦業(yè)開采地，采礦業(yè)對當?shù)氐娜丝诔擎?zhèn)化起到了推動作用，故受距離衰減影響小。

圖2 滇中縣域人口城鎮(zhèn)化率空間格局Fig. 2 Spatial structure of rural population urbanization levels in the Central Yunnan Province

3.2 人口城鎮(zhèn)化水平空間自相關(guān)性分析

3.2.1 全局自相關(guān)分析 利用ArcGIS10.2空間分析模塊對2013年滇中地區(qū)人口城鎮(zhèn)化率進行全局空間自相關(guān)分析。全局Moran’ I指數(shù)值為0.309，Z值為3.93（遠大于顯著水平為5%的臨界值1.96），表明滇中縣域人口城鎮(zhèn)化水平存在顯著的空間自相關(guān)性，區(qū)域人口城鎮(zhèn)化水平在空間上呈現(xiàn)明顯的集聚特征。制作Moran散點圖，散點圖四個象限分別對應(yīng)四種不同的空間差異類型，將散點圖通過GIS實現(xiàn)空間可視化（圖3），四個象限分別對應(yīng)為：1）HH（高高）象限：區(qū)域和周邊地區(qū)的人口城鎮(zhèn)化水平較高，二者的空間差異程度較小。對應(yīng)縣域包括官渡區(qū)、西山區(qū)、盤龍區(qū)、五華和通?？h。官渡區(qū)、西山區(qū)、盤龍區(qū)和五華區(qū)屬于昆明主城區(qū)，自身及周邊區(qū)域人口城鎮(zhèn)化率高，通海緊鄰人口城鎮(zhèn)化水平較高的紅塔區(qū)，自身的人口城鎮(zhèn)化水平也相對較高。2）LH（低高）象限：區(qū)域自身人口城鎮(zhèn)化水平較低，周邊地區(qū)較高，二者的空間差異程度較大。對應(yīng)縣域包括峨山、晉寧、富民縣等11個縣，其自身水平不高，將人口城鎮(zhèn)化水平較高的昆明主城區(qū)、楚雄市、紅塔區(qū)、麒麟?yún)^(qū)包圍其中。3）LL（低低）象限：區(qū)域和周邊地區(qū)的人口城鎮(zhèn)化水平較低，二者的空間差異程度較小。對應(yīng)縣域包括雙柏、祿豐、永仁等22個縣，屬于滇中各地市腹地，數(shù)量占總縣域總數(shù)的53.7%，呈連片分布，成為滇中縣域人口城鎮(zhèn)化的主要滯后區(qū)域。4）HL（高低）象限：區(qū)域自身人口城鎮(zhèn)化水平較高，周邊地區(qū)較低，二者的空間差異程度較大。對應(yīng)縣域包括紅塔區(qū)、楚雄市和麒麟?yún)^(qū)，多屬于省級次級行政區(qū)域的市轄區(qū)。從圖3可以看出，落在二、三象限的縣域數(shù)目遠遠多于落在一、四象限的縣域數(shù)目，表明滇中縣域的人口城鎮(zhèn)化整體水平較低。

圖3 人口城鎮(zhèn)化水平象限分布Fig. 3 Quadrant distributing of county population urbanization levels

3.2.2 局部自相關(guān)分析 利用局部自相關(guān)分析法進一步分析滇中縣域人口城鎮(zhèn)化局部空間異質(zhì)性。將Moran散點圖與LISA顯著性水平相結(jié)合，得到“LISA聚集圖”（圖4），它反映了各縣域象限分布情況是否在統(tǒng)計意義上顯著。圖中標識出對應(yīng)于Moran散點圖不同象限并且LISA值顯著的區(qū)域。從圖4可以看出滇中縣域人口城鎮(zhèn)化水平局部LISA檢驗不顯著，各象限能通過局部LISA顯著性檢驗的縣域少，表明滇中縣域人口城鎮(zhèn)化水平局部相關(guān)性不明顯，多數(shù)縣域間人口城鎮(zhèn)化水平相關(guān)性較弱，人口城鎮(zhèn)化進程呈孤立態(tài)勢發(fā)展。

3.3 基于因子分析法的人口城鎮(zhèn)化影響因素分析

圖4 人口城鎮(zhèn)化水平LISA聚集圖Fig. 4 LISA cluster map of county population urbanization levels

3.3.1 變量選取 本研究選擇非農(nóng)人口比例作為衡量滇中縣域人口城鎮(zhèn)化水平的因變量。在參考黃亞平和林小如[23]以及盧麗文等[24]研究的基礎(chǔ)上，選擇第三產(chǎn)業(yè)比例、農(nóng)民人均純收入、人均固定資產(chǎn)投資額、人均農(nóng)林漁業(yè)產(chǎn)值、人均地方財政支出、人均GDP、人均社會消費品零售額、人均第二產(chǎn)業(yè)產(chǎn)值、每萬人農(nóng)林從業(yè)者人數(shù)、人均糧食產(chǎn)量、人均工業(yè)產(chǎn)值、國有單位職工工資、高學(xué)歷人口比例等指標作為初選自變量指標。首先利用標準差法對因變量和自變量進行標準化處理。其次，通過相關(guān)性及共線性分析篩選自變量。發(fā)現(xiàn)部分因子具有高度相關(guān)性，若全部納入易引起共線性問題，故剔除部分相關(guān)性高的指標，最終采用人均GDP（X1）、國有單位職工工資（X2）、人均固定資產(chǎn)投資額（X3）、人均社會消費品零售額（X4）、高學(xué)歷人口比例（X5）、第三產(chǎn)業(yè)比例（X6）、人均工業(yè)產(chǎn)值（X7）、農(nóng)民人均純收入（X8）、人均糧食產(chǎn)量（X9）和人均農(nóng)林漁業(yè)產(chǎn)值（X10）等指標作為自變量（表1）。

表1 主成分因子載荷Table 1 Loadings of main factors

3.3.2 人口城鎮(zhèn)化影響因素的確定 利用因子分析法將自變量進行分類，得到三個主要公因子，其方差累計貢獻率為85.067%，KMO值為0.675，Bartlett球形度檢驗為465.302，自由度（df）為28，sig值為0.000，表明數(shù)據(jù)指標符合因子分析法分析要求（表2）。因子載荷矩陣體現(xiàn)了原始變量與各因子之間的相關(guān)程度。為了更為準確地解釋命名各個主因子，采用方差最大法對因子載荷矩陣實施正交旋轉(zhuǎn)（表1）。研究表明，變量X1、X2、X5、X7、X8等指標在第一主成分（F1）上具有較高因子載荷，這些指標主要反映了經(jīng)濟發(fā)展水平對人口城鎮(zhèn)化的作用，命名為經(jīng)濟發(fā)展因素；變量X3、X4、X9、X10在第二主成分（F2）上有較高因子載荷，這些指標主要反映了農(nóng)業(yè)發(fā)展因素對人口城鎮(zhèn)化的作用，命名為農(nóng)業(yè)生產(chǎn)因素；X6在第三主成分（F3）上有較高因子載荷，反映了產(chǎn)業(yè)結(jié)構(gòu)對人口城鎮(zhèn)化的作用，命名為產(chǎn)業(yè)結(jié)構(gòu)因素。因此，利用因子分析法確定滇中縣域人口城鎮(zhèn)化主要影響因素為經(jīng)濟發(fā)展因素、農(nóng)業(yè)生產(chǎn)因素和產(chǎn)業(yè)結(jié)構(gòu)因素。

表2 主因子特征值和累計方差貢獻率Table 2 Eigen values of main factors and variance contributions

3.4 基于OLS模型的人口城鎮(zhèn)化影響因素分析

以2013年滇中地區(qū)非農(nóng)人口比例為因變量，以因子分析法提取的三個公因子為自變量，構(gòu)建OLS模型分析自變量對因變量的影響程度。OLS模型的校正決定系數(shù)（adjusted R2)為0.758，說明模型解釋能力為75.8%。從表3中可以看出，每個因子都通過了顯著性檢驗。相關(guān)系數(shù)表明三種因素均為正向系數(shù)，說明三種因素對滇中地區(qū)的人口城鎮(zhèn)化均具有正向拉動力。從因子大小來看，經(jīng)濟發(fā)展因素最大，產(chǎn)業(yè)結(jié)構(gòu)因素其次，農(nóng)業(yè)生產(chǎn)因素的作用力最小。滇中縣域經(jīng)濟發(fā)展處于快速上升期，經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的升級對人口城鎮(zhèn)化有較強的推動作用。滇中縣域農(nóng)業(yè)人口眾多，但農(nóng)業(yè)生產(chǎn)率低，農(nóng)業(yè)對人口城鎮(zhèn)化的推動作用弱。OLS模型雖然在一定程度上解釋了滇中地區(qū)影響因子的正負極性和影響力，但是其回歸系數(shù)是建立在全局均一化的基礎(chǔ)上的，不能辨析人口城鎮(zhèn)化影響因素空間異性。

表3 OLS模型回歸系數(shù)及檢驗結(jié)果Table 3 Parameter estimation and test results of the OLS model

3.5 基于GWR模型的人口城鎮(zhèn)化影響因素分析

3.5.1 GWR模型的構(gòu)建 在模型（3）的基礎(chǔ)上，設(shè)第i個縣域的地理中心坐標為(ui，vi)，根據(jù)因子分析法得到的影響因子及其參數(shù)選定，滇中縣域人口城鎮(zhèn)化GWR模型如下（模型4）：

在ArcGIS10.2計算GWR回歸系數(shù)，采用“自適應(yīng)”計核函數(shù)AICc帶寬方法進行局域估計計算結(jié)果，模型的R2為0.806，調(diào)整R2為0.779（表4）。三種影響因素的系數(shù)值分布均表現(xiàn)出平穩(wěn)性，表明各縣域受影響因素的作用方向表現(xiàn)出趨同性（表5）。

表4 GWR模型參數(shù)估計及檢驗結(jié)果Table 4 Parameter estimation of the GWR model

表5 GWR模型回歸系數(shù)描述性統(tǒng)計分析Table 5 Descriptive statistics of the regression coefficients in the GWR model

3.5.2 GWR模型結(jié)果分析 GWR模型標準化殘差值在[-2.124，2.365]之間，對標準化殘差值進行顯著性水平檢驗，其Kolmogorov-Smirnov的sig值為0.022 8，Shapiro-Wilk的sig值為0.023 5，均小于0.05，因此模型通過了5%水平下的顯著性檢驗。對標準化殘差值做空間自相關(guān)分析，Moran’ I指數(shù)值為0.014 6，趨近于0，說明模型的殘差在空間上呈現(xiàn)隨機分布狀態(tài)。標準化殘差值空間自相關(guān)Z檢驗值為0.455，模型殘差具有顯著的空間隨機性，說明GWR模型擬合較好。

3.5.3 人口城鎮(zhèn)化影響因素分析 1）經(jīng)濟發(fā)展因素。從圖5可以看出，經(jīng)濟發(fā)展因素GWR模型回歸系數(shù)的空間分布從北到南逐漸呈遞增趨勢，回歸系數(shù)高值聚居區(qū)出現(xiàn)在玉溪縣域中，表明經(jīng)濟發(fā)展對玉溪縣域影響較大。玉溪是云南省煙草工業(yè)基地，國有經(jīng)濟發(fā)展基礎(chǔ)較好，近年來通過產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和發(fā)展商品糧生產(chǎn)進一步提升經(jīng)濟發(fā)展水平，總體經(jīng)濟實力較好。回歸系數(shù)低值區(qū)出現(xiàn)在楚雄部分縣域中，楚雄是云南省傳統(tǒng)能源和工礦業(yè)基地，國有經(jīng)濟改制及能源、工礦業(yè)市場不景氣對區(qū)域經(jīng)濟產(chǎn)生了一定影響，區(qū)域經(jīng)濟的調(diào)整使其對人口城鎮(zhèn)化進程拉動作用相對較弱。

圖5 GWR模型經(jīng)濟發(fā)展回歸系數(shù)空間分布Fig. 5 Spatial distribution of the regression coefficients of economic development in the GWR model

2）農(nóng)業(yè)生產(chǎn)因素。從圖6可以看出，農(nóng)業(yè)生產(chǎn)因素的GWR模型回歸系數(shù)空間分布呈現(xiàn)從西到東逐漸增大趨勢，回歸系數(shù)高值聚居區(qū)趨近滇中東北部的昆明和曲靖的部分縣域。這些區(qū)域靠近昆明及曲靖的主城區(qū)，通過發(fā)揮地緣優(yōu)勢，大力發(fā)展商品農(nóng)業(yè)，發(fā)展蔬菜生產(chǎn)、花卉種植、生態(tài)旅游、農(nóng)產(chǎn)品加工，提高農(nóng)業(yè)附加值，加快了農(nóng)業(yè)人口城鎮(zhèn)化進程；低值聚居區(qū)集中在西部楚雄和玉溪部分縣域，這些縣域較早依托山地發(fā)展特色山地農(nóng)業(yè)，通過發(fā)展果樹種植和林下種植提高農(nóng)業(yè)產(chǎn)值，農(nóng)業(yè)經(jīng)濟相對成熟，如今面臨新興農(nóng)業(yè)區(qū)域的競爭及自身農(nóng)業(yè)結(jié)構(gòu)的調(diào)整和升級，故農(nóng)業(yè)生產(chǎn)因素對人口城鎮(zhèn)化推動作用相對薄弱。

圖6 GWR模型農(nóng)業(yè)生產(chǎn)回歸系數(shù)空間分布Fig. 6 Spatial distribution of the regression coefficients of agriculture production in the GWR model

3）產(chǎn)業(yè)結(jié)構(gòu)因素。從圖7可以看出，GWR模型的回歸系數(shù)的空間分布從西南向東北方向逐漸增大?；貧w系數(shù)高值聚居區(qū)出現(xiàn)在滇中東北部的昆明和曲靖的部分縣域。這些縣域通過產(chǎn)業(yè)結(jié)構(gòu)調(diào)整及國有企業(yè)改制轉(zhuǎn)變經(jīng)濟發(fā)展方式，逐步擺脫以礦業(yè)為主的產(chǎn)業(yè)形態(tài)（如東川區(qū)），發(fā)展旅游業(yè)，鼓勵多元化經(jīng)濟的發(fā)展，促進了農(nóng)業(yè)人口的轉(zhuǎn)化；低值聚居區(qū)出現(xiàn)在西南部玉溪和楚雄的部分縣域，這些縣域依賴傳統(tǒng)產(chǎn)業(yè)，第三產(chǎn)業(yè)發(fā)展較慢，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整不利，影響了人口城鎮(zhèn)化進程。

圖7 GWR模型產(chǎn)業(yè)結(jié)構(gòu)回歸系數(shù)空間分布Fig. 7 Spatial distribution of the regression coefficients of industrial structure in the GWR model

4 結(jié)論

1）滇中地區(qū)人口城鎮(zhèn)化水平整體偏低且空間差異性大，人口城鎮(zhèn)化水平較高的市轄區(qū)和縣級市成為人口城鎮(zhèn)化的核心。人口城鎮(zhèn)化水平呈現(xiàn)隨距離衰減的明顯特征，昆明地區(qū)空間差異最為顯著。全局自相關(guān)性研究發(fā)現(xiàn)，人口城鎮(zhèn)化存在著顯著的全局空間自相關(guān)性，局部自相關(guān)性研究發(fā)現(xiàn)，人口城鎮(zhèn)化水平局部相關(guān)性不明顯，各縣域人口城鎮(zhèn)化進程呈孤立態(tài)勢發(fā)展。

2）以因子分析法確定滇中縣域人口城鎮(zhèn)化主要影響因素為經(jīng)濟發(fā)展、農(nóng)業(yè)生產(chǎn)和產(chǎn)業(yè)結(jié)構(gòu)三個因素。OLS模型研究表明三種因素對人口城鎮(zhèn)化均具有正向拉動力，經(jīng)濟發(fā)展因素作用力最大，產(chǎn)業(yè)結(jié)構(gòu)因素其次，農(nóng)業(yè)生產(chǎn)因素作用力最小。

3）GWR模型擬合度（0.779）高于OLS模型擬合度(0.758)，擬合度提高說明GWR模型優(yōu)于OLS模型。GWR影響因素回歸系數(shù)空間分布研究發(fā)現(xiàn)，經(jīng)濟發(fā)展影響強度從北到南逐漸增強，農(nóng)業(yè)生產(chǎn)影響強度從西到東逐漸增強，產(chǎn)業(yè)結(jié)構(gòu)影響強度從西南向東北方向逐漸增強。

5 建議

滇中縣域人口城鎮(zhèn)化癥結(jié)在于經(jīng)濟城鎮(zhèn)化滯后、區(qū)域間關(guān)聯(lián)度差，致使人口城鎮(zhèn)化動力不足，人口城鎮(zhèn)化質(zhì)量差。因此，必須通過加快經(jīng)濟的發(fā)展，強化人口城鎮(zhèn)化的一體化進程突破人口城鎮(zhèn)化的瓶頸。應(yīng)著力擺脫對農(nóng)業(yè)、資源粗加工產(chǎn)業(yè)的依賴，深化以化工、冶金、生物為重點的區(qū)域性資源精深加工基地建設(shè)，提高工業(yè)的人口就業(yè)率。

利用高原生態(tài)環(huán)境和生物資源發(fā)展特色農(nóng)業(yè)、生態(tài)農(nóng)業(yè)和生物產(chǎn)業(yè)，發(fā)展以民營企業(yè)為主的農(nóng)業(yè)合作社、生物農(nóng)業(yè)公司和農(nóng)業(yè)電子商務(wù)公司，提高農(nóng)業(yè)附加值，加快傳統(tǒng)農(nóng)業(yè)人口就業(yè)轉(zhuǎn)移。依托優(yōu)勢自然生態(tài)資源和旅游資源發(fā)展以主城區(qū)及州縣中心城區(qū)為主要服務(wù)對象的第三產(chǎn)業(yè)，促進縣域旅游業(yè)和服務(wù)經(jīng)濟的合作發(fā)展，提高農(nóng)業(yè)人口在第三產(chǎn)業(yè)的就業(yè)質(zhì)量和就業(yè)容量。加快滇中城市群一體化建設(shè)，以昆明為核心輻射區(qū)，合理實施城市功能定位。完善城鎮(zhèn)基礎(chǔ)設(shè)施建設(shè)和公共基本服務(wù)，加快戶籍制度改革，穩(wěn)定進城務(wù)工人員的長期就業(yè)，提升人口城鎮(zhèn)化品質(zhì)。

[1] 龐瑞秋, 騰飛, 魏冶. 基于地理人口加權(quán)回歸的吉林省人口城鎮(zhèn)化動力機制研究[J]. 地理科學(xué), 2014, 34(10): 1210-1215.

Pang R Q, Teng F, Wei Y. A GWR-based study on dynamic mechanism of population urbanization in Jilin Province[J]. Scientia Geographica Sinica, 2014, 34(10): 1210-1215.

[2] Zhang L, Zhao S X B. Re-examining China’s “urban” concept and the level of urbanization[J]. The China Quarterly, 1998, 154: 330-381.

[3] 王亞力, 彭保發(fā), 熊建新, 等. 2001年以來環(huán)洞庭湖區(qū)經(jīng)濟城鎮(zhèn)化與人口城鎮(zhèn)化進程的對比研究[J]. 地理科學(xué), 2014, 34(1): 67-74.

Wang Y L, Peng B F, Xiong J X , et al. The economy urbanization and population urbanization of Dongting Lake area in China since 2001[J]. Scientia Geographica Sinica, 2014, 34(1): 67-74.

[4] 寧越敏. 新城市化進程——90年代中國城市化動力機制和特點探討[J]. 地理學(xué)報, 1998, 53(5): 470-477.

Ning Y M. New process of urbanization—Dynamics and features of urbanization in China since 1990[J]. Acta Geographica Sinica, 1998, 53(5): 470-477.

[5] 劉傳江.論城市化的生成機制[J]. 經(jīng)濟評論, 1998(5): 56-61.

Liu C J. The mechanism of the urbanization[J]. Economic Review, 1998(5): 56-61.

[6] 崔功豪, 馬潤潮. 中國自下而上城市化的發(fā)展及其機制[J]. 地理學(xué)報, 1999, 54(2): 106-115.

Cui G H, Ma R C. Urbanization from below in China: Its development and mechanisms[J]. Acta Geographica Sinica, 1999, 54(2): 106-115.

[7] 馬凱. 轉(zhuǎn)變城鎮(zhèn)化發(fā)展方式提高城鎮(zhèn)化發(fā)展質(zhì)量,走出一條中國特色城鎮(zhèn)化道路[J]. 中國行政學(xué)院學(xué)報, 2012(5): 4-12.

Ma K. Transforming ways to improve the quality of urbanization development of urbanization, going with a path of urbanization of Chinese characteristics[J]. China’s Administrative College Journals, 2012(5): 4-12.

[8] 楊璐璐. 中部六省城鎮(zhèn)化質(zhì)量空間格局演變及驅(qū)動因素—基于地級及以上城市的分析[J]. 經(jīng)濟地理, 2015, 35(1): 70-77.

Yang L L. Evolution of spatial pattern of urbanization quality and its driving factors in central China—Based on the analysis of cities at prefecture level or above[J]. Economic Geography, 2015, 35(1): 70-77.

[9] 王發(fā)曾, 程麗麗. 山東半島、中原、關(guān)中城市群地區(qū)的城鎮(zhèn)化狀態(tài)與動力機制[J]. 經(jīng)濟地理, 2010, 30(6): 918-925.

Wang F Z, Cheng L L. The urbanization condition and its power mechanism in the Shandong peninsula, the Zhongyuan and the Guangzhong agglomeration areas[J]. Economic Geography, 2010, 30(6): 918-925.

[10] 李芃, 魏榮華, 孟慶紅. 重慶市城鎮(zhèn)化動力機制分析[J]. 重慶交通大學(xué)學(xué)報（社會科學(xué)版）, 2008, 8(1): 41-44.

Li F, Wei R H, Meng Q H. Analysis of driven mechanism of urbanization of Chongqing[J]. Journal of Chongqing Jiaotong University (Social Science Edition), 2008, 8(1): 41-44.

[11] 蔣偉. 中國省域城市化水平影響因素的空間計量分析[J]. 經(jīng)濟地理, 2009, 29(4): 613-617.

Jiang W. The spatial econometrical analysis to influencing factors of Chinese regional urbanization level[J]. Economic Geography, 2009, 29(4): 613-617.

[12] 馬穎憶, 陸玉麒. 江蘇省人口空間格局演變與影響因素分析[J].南京師大學(xué)報(自然科學(xué)版), 2013, 36(4): 134-141.

Ma Y Y, Lu Y Q. Evolvement of spatial pattern of population in Jiangsu Province and influence factor analysis[J]. Journal of Nanjing Normal University (Natural Science Edition), 2013, 36(4): 134-141.

[13] 云南省統(tǒng)計局. 云南統(tǒng)計年鑒2014[M]. 北京: 中國統(tǒng)計出版社, 2014.

Bureau of Statistics of Yunnan Province. Statistical Yearbook of Yunnan Province 2014[M]. Beijing: China Statistics Press, 2014.

[14] 陳安寧. 空間計量學(xué)入門與GeoDa軟件應(yīng)用[M]. 杭州: 浙江大學(xué)出版社, 2014.

Chen A N. Introduction to Spatial Metrology and GeoDa Software Application[M]. Hangzhou: Zhejiang University Press, 2014.

[15] 任家強, 汪景寬, 孔凡文. 基于空間自相關(guān)與主成分分析的城市土地集約利用空間差異研究—以遼寧省為例[J]. 沈陽農(nóng)業(yè)大學(xué)學(xué)報, 2012, 43(1): 39-43.

Ren J Q, Wang J K, Kong F W. Spatial variability of urban land intensive use based on spatial autocorrelation and principal component analysis: A case study of Liaoning Province[J]. Journal of Shenyang Agricultural University, 2012, 43(1): 39-43.

[16] 許莉. 基于空間統(tǒng)計和GIS的廣西GDP空間自相關(guān)分析[J].學(xué)術(shù)論壇, 2012(8): 179-182.

Xu L. Spatial autocorrelation analysis of GDP based on spatial statistics and GIS in Guangxi Province[J]. Academic Forum, 2012(8): 179-182.

[17] 謝正峰，王倩.廣州市土地利用程度的空間自相關(guān)分析[J]. 熱帶地理, 2009, 29(2): 129-133.

Xie Z F, Wang Q. Spatial autocorrelation analysis of land use intensity in Guangzhou City[J]. Tropical Geography, 2009, 29(2): 129-133.

[18] Overmars K P, De Koning G H J, Veldkamp A. Spatial autocorrelation in multi-scale land use models[J]. Ecological Modeling, 2003, 164(2/3): 257-270.

[19] 王臻, 張曉東, 蘇偉. 中國三大自然災(zāi)害空間自相關(guān)特征[J].農(nóng)業(yè)工程學(xué)報, 2010, 26(S2): 302-306.

Wang Z, Zhang X D, Su W. Study on spatial autocorrelation characteristic of three natural disaster in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(S2): 302-306.

[20] 何忠祥, 歐向軍, 葉磊. 基于空間自相關(guān)的江蘇省縣域新型城鎮(zhèn)化水平分析[J]. 江蘇師范大學(xué)學(xué)報（自然科學(xué)版）, 2013, 31(4): 62-68.

He Z X, Ou X J ,Ye L. Analysis on the level of county new urbanization in Jiangsu Province based on spatial autocorrelation[J]. Journal of Jiangsu Normal University (Natural Science Edition), 2013, 31(4): 62-68.

[21] Fotheringham A S, Brunsdon C, Charlton M. Geographically Weighted Regression: The Analysis of Spatially Varying Relationships[M]. New York: Wiley, 2002.

[22] Su F L. An empirical study of China’s regional R&D knowledge spillovers based on GWR[J]. Ecological Economy, 2009(5): 259-271.

[23] 黃亞平, 林小如. 欠發(fā)達山區(qū)縣域新型城鎮(zhèn)化動力機制探討—以湖北省為例[J]. 城市規(guī)劃學(xué)刊, 2012(4): 44-50.

Huang Y P, Lin X R. A study of new impetus of county level urbanization for under-developed mountainous areas: The case of Hubei Province[J]. Urban Planning Forum, 2012(4): 44-50.

[24] 盧麗文, 張毅, 李永盛. 中國人口城鎮(zhèn)化影響因素研究—基于31個省域的空間面板數(shù)據(jù)[J]. 地域研究與開發(fā), 2014, 33(3): 54-59.

Lu L W, Zhang Y, Li Y S. The factors influence on China population urbanization: Based on 31 provincial spatial panel data[J]. Areal Research and Development, 2014, 33(3): 54-59.

（責任編輯：王育花）

Spatial structure and influencing factors of population urbanization in the central Yunnan Province

OU Zhao-rong1,2, ZHU Qing-ke2*, BAO Guang-jing3

（1. School of Ecotourism, Southwest Forestry University, Kunming, Yunnan 650224, China; 2. School of Water and Soil Conservation, Beijing Forestry University, Beijing 100083, China; 3. School of City Management and Resource Environment, Yunnan University of Finance and Economics, Kunming, Yunnan 650224, China）

Based on the data of 41 counties in the Center of Yunnan Province, and applying the GIS and spatial autocorrelation analysis methods, this paper studied the spatial structure of regional population urbanization, explored the main influencing factors by factor analysis, and analyzed their characteristics by OLS and GWR models. Results show that: 1) Population urbanization levels of the Central Yunnan areas were generally low with great spatial differences. The levels of population urbanization decayed obviously with distances; 2) There was significant global spatial autocorrelation of population urbanization in Central Yunnan. While the local correlation of population urbanization levels was not obvious, indicating that the process of urbanization in each county was isolated; 3) Main influencing factors included economic development, agriculture production, and industrial structure, with economic development as the most active one, followed by industrial structure and agricultural production; and 4) the influencing forces increased from the north to the south for economic development, from the West to the East for agriculture production and from the Southwest to the Northeast for industrial structure. This research suggests that it is necessary to promote the process of population urbanization, to speed up the adjustment and upgrading of agricultural structure, and to optimize industrial structure.

population urbanization; spatial autocorrelation; factor analysis; OLS; GWR; spatial structure; influencing factor

ZHU Qing-ke, E-mail: zhuqingke@sohu.com.

10.13872/j.1000-0275.2016.0128

F323.6

A

1000-0275（2016）06-1173-8

云南省教育廳科學(xué)研究基金項目（2014y315）。

歐朝蓉（1978-），女，湖南衡陽人，博士研究生，講師，主要從事計量地理學(xué)和GIS研究，E-mail: 459707838@qq.com。通訊作者：

朱清科(1956-)，男，寧夏固原人，博士，教授，主要從事自然地理學(xué)研究，E-mail: zhuqingke@sohu.com。

2016-01-28，接受日期：2016-07-25

Foundation item: Science Research Fund of Yunnan Provincial Education Department(2014y315).

Received 28 January, 2016;Accepted 25 July, 2016