山東省區(qū)域經(jīng)濟(jì)差異時空動態(tài)演變分析

竇同宇，王光偉，夏安桃，喻小紅(.湖南師范大學(xué)資源與環(huán)境學(xué)院，湖南長沙 4008；.桂林航天工業(yè)學(xué)院航空旅游學(xué)院，廣西桂林 54004)

山東省區(qū)域經(jīng)濟(jì)差異時空動態(tài)演變分析

竇同宇1，王光偉2，夏安桃1，喻小紅1
(1.湖南師范大學(xué)資源與環(huán)境學(xué)院，湖南長沙 410081；2.桂林航天工業(yè)學(xué)院航空旅游學(xué)院，廣西桂林 541004)

本文采用基尼系數(shù)、泰爾指數(shù)和空間變異函數(shù)等方法，探討山東省縣域經(jīng)濟(jì)差異的時空動態(tài)演變特征。研究結(jié)果表明：區(qū)域經(jīng)濟(jì)極化水平進(jìn)一步擴(kuò)大，差異變化趨勢呈倒“U”型；Moran’s I指數(shù)表明，縣域經(jīng)濟(jì)發(fā)展的空間依賴性不斷增強(qiáng)，且具有顯著的正空間自相關(guān)性和負(fù)空間自相關(guān)性，區(qū)域經(jīng)濟(jì)呈現(xiàn)穩(wěn)定的空間集聚現(xiàn)象，且相鄰地區(qū)的經(jīng)濟(jì)增長相互影響；東部地區(qū)以高高集聚為主，屬于經(jīng)濟(jì)發(fā)達(dá)區(qū)，而西部地區(qū)低低集聚明顯，經(jīng)濟(jì)發(fā)展滯后，有待于培育新的增長極；空間變異分析表明縣域經(jīng)濟(jì)具有中等空間自相關(guān)，中心地極化效應(yīng)相對增強(qiáng)，而溢出效應(yīng)不斷減弱。

經(jīng)濟(jì)差異；空間差異指數(shù)；空間自相關(guān)；空間變異函數(shù)

山東省作為我國東部沿海省份，具有全國主體功能區(qū)明確的優(yōu)化開發(fā)區(qū)和重點開發(fā)區(qū)，使得其在區(qū)域經(jīng)濟(jì)差異和區(qū)域協(xié)調(diào)發(fā)展研究中具有典型性。各縣域的區(qū)位條件、資源稟賦、發(fā)展初始條件和區(qū)域發(fā)展過程中的戰(zhàn)略規(guī)劃、區(qū)域剝奪等行為，使山東省區(qū)域內(nèi)部經(jīng)濟(jì)差異明顯擴(kuò)大。GDP總量從1990年的1409.6億元增加到2014年的59785.1億元，增長近42倍，位列全國第三位，人均GDP絕對極差由1990年的3347增加到2014年的179189，相對極差由1990年的4.97倍增加到2014年的9.32倍，從而在一定程度上制約了區(qū)域經(jīng)濟(jì)的整體協(xié)調(diào)發(fā)展。

區(qū)域經(jīng)濟(jì)差異作為一種非均衡的地理現(xiàn)象，成為眾多學(xué)者研究的重點。概括來講，在研究方法上，主要有變異系數(shù)、小波分析、泰爾指數(shù)、基尼系數(shù)、馬爾可夫鏈等方法[1-4]，主要應(yīng)用于對時間截面數(shù)據(jù)進(jìn)行統(tǒng)計分析，近期研究發(fā)現(xiàn)，此類測度方法缺少空間視角，難以真正反映空間差異的變化，利用GIS手段和其它一些空間分析軟件研究區(qū)域差異空間格局成為目前的熱點方法[5]。在研究尺度上，逐漸從全國層面轉(zhuǎn)向更小的研究區(qū)域，研究尺度不斷縮小，基于市域、縣域的小尺度研究受到普遍關(guān)注[1,6-7]。在數(shù)據(jù)選取上，多采用就業(yè)率、失業(yè)率、區(qū)域GDP和人均GDP等單一指標(biāo)或復(fù)合指標(biāo)作為數(shù)據(jù)參考[8-9]。

鑒于以上研究視角和方法的利弊，結(jié)合山東省縣域發(fā)展實際，文中采用經(jīng)濟(jì)差異指數(shù)測度時間演變規(guī)律；采用空間自相關(guān)和空間變異函數(shù)等方法測度空間分布規(guī)律和變異現(xiàn)象，量化影響空間差異的隨機(jī)和結(jié)構(gòu)性因素；運(yùn)用灰色關(guān)聯(lián)系數(shù)分析縣域經(jīng)濟(jì)差異的內(nèi)部驅(qū)動因素,以縣域為尺度，探討區(qū)域經(jīng)濟(jì)差異時空動態(tài)演變規(guī)律。

1 研究方法和數(shù)據(jù)來源

1.1 研究方法

1.1.1 經(jīng)濟(jì)差異指數(shù)

(1)基尼系數(shù)

基尼系數(shù)是國內(nèi)外測度收入總體差異比較流行的指標(biāo)，選取不帶任何誤差的計算樣本數(shù)據(jù)的基尼系數(shù)，其公式為[10]：

(1)

其中，G為基尼系數(shù)；|Yj-Yi|為任何一對收入樣本的絕對值；n為樣本個數(shù)；u為收入均值。

(2)泰爾指數(shù)

泰爾指數(shù)是泰爾等人于1967年提出的，由于泰爾指數(shù)具有把整體差異化分為組內(nèi)和組間差異的特性，被廣泛應(yīng)用于區(qū)域整體差異的實證研究，其公式為[4]：

(2)

其中，T(0)為泰爾指數(shù)，Pi為區(qū)域i的人口；P為所有區(qū)域的總?cè)丝?；yi是區(qū)域i的人均收入；y是yi的平均值。

1.1.2 探索性空間數(shù)據(jù)分析

ESDA(Exploratory Spatial Data Analysis，探索性空間數(shù)據(jù)分析)是一系列空間數(shù)據(jù)分析方法和技術(shù)的集合，以空間關(guān)聯(lián)測度為核心，通過現(xiàn)象空間分布的可視化表達(dá)，反映空間特征，揭示研究對象間的相互作用規(guī)律。主要包括全局空間自相關(guān)和局部空間自相關(guān)。

(1)全局空間自相關(guān)

全局空間自相關(guān)用于判定區(qū)域總體極化程度與分布格局，表示全局自相關(guān)的常用指標(biāo)為Moran’s I,其公式為[1]:

(3)

其中，I即為Moran’s I值；n為樣本總數(shù)；Xi和Xj分別為位置i和j處的觀測值；Wij為研究范圍內(nèi)每一個空間單元i與j(i,j=1，2,…，n)區(qū)空間相鄰矩陣。在給定顯著性水平時，Moran’s I值大于零為正相關(guān)，小于零為負(fù)相關(guān)，且值越大表示空間分布的相關(guān)性越大，即空間有集聚分布的現(xiàn)象。反之，代表空間相關(guān)性小，而當(dāng)Moran’s I值等于零時，即代表此時空間分布呈隨機(jī)分布。計算Moran’s I，需對結(jié)果進(jìn)行統(tǒng)計檢驗，一般采用Z檢驗。

(2)局部自相關(guān)

局部空間自相關(guān)反映局部空間相關(guān)性的顯著水平，通常采用Local Moran’s I來衡量局部空間自相關(guān)性，其公式為[1]：

(4)

(5)

其中，Ii為Local Moran’s I值；Iit為第t年i地區(qū)的觀測值；ut為第t年所有地區(qū)觀測值的均值，m0為該地區(qū)觀測值的方差。Iit為正，表示觀測值與局部正相關(guān)；Iit為負(fù)，則表示觀測值為局部負(fù)相關(guān)。把Moran’s I散點圖與LISA結(jié)合起來，可顯示局部Moran’s I顯著的區(qū)域。得出的結(jié)果同樣進(jìn)行Z檢驗。

1.1.3 半變異系數(shù)

半變異函數(shù)又稱為空間變異函數(shù)、半變異矩，是地理統(tǒng)計分析的特有函數(shù)[11]，其公式為：

(6)

其中，γ(h)為半變異函數(shù)；N(h)是分割距離為h的樣本量；Z(Xi)為Z(X)在空間點Xi處的樣本值，Z(Xi+h)為Z(X)在Xi處距離偏離h的樣本值，當(dāng)半變異函數(shù)大時，空間自相關(guān)性減弱。以h為橫坐標(biāo)，以γ(h)為縱坐標(biāo)，可繪制半變異函數(shù)曲線圖。實際上半變異函數(shù)模型是未知的，利用ArcGIS 10.2相關(guān)模塊可對其進(jìn)行擬合，常用的擬合理論模型主要有球形模型、指數(shù)模型、高斯模型、冪函數(shù)模型等。

1.1.4 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析是通過灰色關(guān)聯(lián)度來分析和確定系統(tǒng)因素的影響程度或因素對系統(tǒng)主行為的貢獻(xiàn)測度的一種方法，其所得出的灰色關(guān)聯(lián)度越大，說明其聯(lián)系越緊密，公式如下：

(7)

(8)

其中，ζi(k)為關(guān)聯(lián)系數(shù)；y(k)和x(k)分別為參考數(shù)列Y(k)和比較數(shù)列X(k)無量綱化處理后的結(jié)果；ρ(0,∞)稱為分辨系數(shù)。ρ越小，分辨力越大，一般ρ的取值區(qū)間為(0,1),當(dāng)ρ≤0.5463時，分辨力最好，通常取ρ=0.5，ri為所求關(guān)聯(lián)度。

1.2 數(shù)據(jù)來源

采取各縣區(qū)人均GDP(可比價格)刻畫區(qū)域經(jīng)濟(jì)發(fā)展水平，原始數(shù)據(jù)來源于《山東省2001-2014統(tǒng)計年鑒》,并通過處理得到研究數(shù)據(jù)，其中人均GDP為當(dāng)年某市GDP總量除以當(dāng)年某市戶籍人口數(shù)計算得到。以2013年山東省行政規(guī)劃為準(zhǔn)，選取山東省109個縣市區(qū)作為研究對象。

2 山東省縣域經(jīng)濟(jì)差異演變

2.1 空間差異指數(shù)

STARS是一種研究區(qū)域經(jīng)濟(jì)發(fā)展不平等和空間分異的開源軟件[8]，運(yùn)用STARS對山東省2000-2013年度的經(jīng)濟(jì)水平差異進(jìn)行分析，得到基尼系數(shù)和總體泰爾指數(shù)趨勢圖(圖1、圖2)，可以分為兩個階段。2000-2007為第一階段：基尼系數(shù)和總體泰爾指數(shù)不斷升高，2007年達(dá)到峰值分別為0.359和0.217；2007-2013為第二階段：基尼系數(shù)和總體泰爾指數(shù)呈現(xiàn)波動下降的趨勢。

圖1 2000-2013年山東省基尼系數(shù)變化趨勢

圖2 2000-2013年山東省泰爾指數(shù)變化趨勢

基尼系數(shù)的總體趨勢是先上升后下降的，表明山東省的區(qū)域經(jīng)濟(jì)總體差異先擴(kuò)大后降低，這與山東省實施的一系列區(qū)域政策是分不開的，根據(jù)威廉姆斯的倒“U”型區(qū)域經(jīng)濟(jì)發(fā)展規(guī)律推斷，山東省的區(qū)域發(fā)展現(xiàn)狀符合這一規(guī)律。但是總體來看，差異下降的幅度仍然小于上升的速度，表明區(qū)域差異擴(kuò)大的狀況并未得到質(zhì)的改善，甚至?xí)锌赡芾^續(xù)增加，所以新形勢、新條件下仍需運(yùn)用新政策、新方法防止差異進(jìn)一步擴(kuò)大。

2.2 空間分異特征

選取2000年、2005年、2010年、2013年4個年份，以1/2倍、1倍、2倍的當(dāng)年全省人均GDP為斷裂點，將以上4個年份各市人均GDP指標(biāo)分為4類，在ArcGIS 10.2中分析并作圖(圖3)。結(jié)果表明：山東區(qū)域經(jīng)濟(jì)的發(fā)展重心一直在中東部地區(qū)，經(jīng)濟(jì)發(fā)達(dá)區(qū)主要集中在山東半島及濟(jì)南、淄博等所轄縣市區(qū)，欠發(fā)達(dá)地區(qū)主要集中在魯西及魯西南。

(1)數(shù)量分布上，分析4個年份的變化趨勢，可知4類經(jīng)濟(jì)發(fā)展梯度的數(shù)量具有動態(tài)變化性，低于1/2倍人均GDP縣市區(qū)的數(shù)量不斷增加，其所占比重由2000年的12.96%上升到2013年的22.22%，1/2～1倍人均GDP縣市區(qū)的數(shù)量不斷減少，其所占比重由2000年的50.92%降低到2013年的37.03%，1～2倍人均GDP縣市區(qū)和2倍人均GDP縣市區(qū)的數(shù)量則基本維持不變。

(2)空間分布上，結(jié)合4個年份的分布特征，變化最顯著的是低于1/2倍人均GDP的不發(fā)達(dá)區(qū)，其空間分布逐步由魯西南地區(qū)所轄縣區(qū)擴(kuò)散到魯南、魯中所轄的縣市區(qū)。2000年最不發(fā)達(dá)區(qū)主要集聚分布在魯西、魯西南等地區(qū)，如菏澤市下轄的9個縣區(qū)，2005年逐漸向魯南和魯中等縣市區(qū)擴(kuò)散，如濰坊市下轄的臨朐縣，2010年和2013年最不發(fā)達(dá)區(qū)在魯南和魯中地區(qū)的數(shù)量進(jìn)一步增加，如臨沂市下轄的平邑縣。以上表明擴(kuò)散趨勢進(jìn)一步擴(kuò)大，體現(xiàn)了山東省經(jīng)濟(jì)發(fā)展水平在空間分布的不均衡性和動態(tài)變化性，并呈現(xiàn)大分散、小集聚的空間特征。一般發(fā)達(dá)區(qū)和經(jīng)濟(jì)發(fā)達(dá)區(qū)則表現(xiàn)出空間上穩(wěn)態(tài)的分布狀況，主要集中山東半島和沿黃河走向由西南到東北的黃河沿岸帶，如威海市、青島市、東營市所轄的縣市區(qū)。

圖3 山東省區(qū)域經(jīng)濟(jì)空間分異格局

2.3 全局空間自相關(guān)

運(yùn)用計量經(jīng)濟(jì)分析軟件和GIS軟件，選取2000-2013年山東省人均GDP作為數(shù)據(jù)源，在P≤0.05顯著性水平下，得出Moran’s I值，計算14個年份Moran’s I統(tǒng)計結(jié)果，并繪制Moran’s I折線圖(圖4)。

根據(jù)圖4發(fā)現(xiàn)：(1)2000-2013年間Moran’s I值始終為正值，表明山東省各縣域經(jīng)濟(jì)發(fā)展存在顯著正相關(guān)，具有持續(xù)穩(wěn)定的空間集聚現(xiàn)象，空間依賴性具有穩(wěn)定性的特點。經(jīng)濟(jì)發(fā)達(dá)區(qū)主要集中在魯東、魯中地區(qū)，而經(jīng)濟(jì)欠發(fā)達(dá)區(qū)主要存在于魯西、魯西南等縣市區(qū)。(2)2000-2007年間Moran’s I值波動降低，表明各縣市區(qū)空間異質(zhì)性不斷增加，這與最不發(fā)達(dá)區(qū)的數(shù)量不斷增加是密切相關(guān)的，最不發(fā)達(dá)區(qū)由西部地區(qū)不斷向南部地區(qū)和中部地區(qū)擴(kuò)展。(3)2007-2013年間Moran’s I值不斷增加，表明各縣市區(qū)空間集聚性不斷增強(qiáng)，這與經(jīng)濟(jì)發(fā)達(dá)區(qū)的數(shù)量不斷增加是相關(guān)聯(lián)的，2008年以來，隨著藍(lán)色經(jīng)濟(jì)區(qū)、黃河三角洲高效生態(tài)區(qū)、濟(jì)南都市圈等一系列區(qū)域發(fā)展政策的實施，魯東、魯中等縣市區(qū)經(jīng)濟(jì)發(fā)展水平又不斷提高。

圖4 2000-2013年山東省人均GDP Moran’s I趨勢圖

2.4 局部自相關(guān)分析

為了進(jìn)一步準(zhǔn)確描述區(qū)域經(jīng)濟(jì)空間集聚程度，選取2000年、2005年、2010年、2013年4個年份的數(shù)據(jù)，在P≤0.05檢驗的基礎(chǔ)上，繪制山東省人均GDP的LISA顯著水平圖(圖5)。其中HH(High-High)為熱點，表示此區(qū)域與其相鄰區(qū)域的屬性值均較高，為高高集聚；反之用冷點LL(Low-Low)表示，為低低集聚。LH(Low-High)表示此區(qū)域為低屬性值，周圍為高屬性值，為低高集聚；反之用HL(High-Low)表示，為高低集聚。

圖5 山東省人均GDP LISA集聚圖

LISA集聚圖表現(xiàn)出區(qū)域經(jīng)濟(jì)發(fā)展水平明顯的分異性，HH集聚現(xiàn)象出現(xiàn)在威海、青島、煙臺、東營等縣市區(qū)，強(qiáng)強(qiáng)作用顯著，而菏澤、聊城、臨沂等縣市區(qū)則陸續(xù)形成了經(jīng)濟(jì)發(fā)展的塌陷區(qū)，弱弱關(guān)聯(lián)作用明顯。具體而言，山東省存在局部自相關(guān)的縣域數(shù)量基本保持不變，由2000年的28.7%逐漸下降到2013年的26.8%，HH集聚顯著區(qū)由10個上升到11個，LL集聚顯著區(qū)由20個逐漸降低到17個，LH集聚顯著區(qū)和HL集聚顯著區(qū)則基本維持不變，然而，在空間結(jié)構(gòu)方面，卻發(fā)生了巨大的方位偏移，HH集聚顯著區(qū)由半島地區(qū)逐漸向魯北、魯中地區(qū)擴(kuò)散，低低集聚顯著區(qū)魯西地區(qū)逐漸消失，而魯南地區(qū)新的低低集聚顯著區(qū)逐漸形成并擴(kuò)大，形成了新的低低集聚區(qū)。

2.5 空間變異分析

2.5.1 描述統(tǒng)計分析

為保證樣本數(shù)據(jù)的客觀性、典型性和可操作性，結(jié)合山東省宏觀政策調(diào)整，選取2000年、2007年和2013年3個年份作為統(tǒng)計分析數(shù)據(jù),同時為減少數(shù)據(jù)非正態(tài)分布所帶來的誤差增大和變異函數(shù)的波動增大，在建立變異函數(shù)理論模型進(jìn)行空間統(tǒng)計分析之前，需對統(tǒng)計數(shù)據(jù)進(jìn)行預(yù)處理，通過驗證發(fā)現(xiàn)，對數(shù)變換后的數(shù)據(jù)偏態(tài)系數(shù)和峰態(tài)系數(shù)相比原始數(shù)據(jù)更接近于0，可近似當(dāng)作正態(tài)分布(表1)。

表1 數(shù)據(jù)正態(tài)分布檢驗

2.5.2 空間異質(zhì)分析

為了進(jìn)一步分析山東省縣域經(jīng)濟(jì)空間差異，將預(yù)處理后數(shù)據(jù)導(dǎo)入ArcGIS10.2進(jìn)行地理統(tǒng)計分析，并結(jié)合泛克里金插值進(jìn)行可視化處理。當(dāng)標(biāo)準(zhǔn)平均值接近于0，均方根預(yù)測誤差與平均標(biāo)準(zhǔn)差誤差相差越小，而標(biāo)準(zhǔn)均方根預(yù)測誤差值接近于1，則模型的擬合程度較高。通過指數(shù)模型對半變異函數(shù)進(jìn)行模擬，結(jié)果發(fā)現(xiàn)2000年、2007年、2013年的數(shù)據(jù)用指數(shù)函數(shù)模型擬合具有較好的擬合效果(表2，圖6)。

表2 山東省縣域經(jīng)濟(jì)的半變異函數(shù)擬合

圖6 山東省縣域經(jīng)濟(jì)空間差異

結(jié)合泛克里金插值，空間變異函數(shù)的擬合結(jié)果見圖6，人均GDP的高值地區(qū)主要分布在山東半島和黃河沿岸帶，人均GDP的低值地區(qū)主要分布在魯西北和魯南等縣市區(qū)。值得注意的是，低值地區(qū)由魯南逐漸向中部地區(qū)和山東半島擴(kuò)散，形成新的低值極區(qū)，分析結(jié)果與空間分異特征基本吻合一。塊金值先增大后減小，塊金系數(shù)不斷減小，由2000年的44.9%減小到2013年的30.8%，則表明由空間相關(guān)引起的結(jié)構(gòu)化分異現(xiàn)象不斷加強(qiáng)，具有中度的空間相關(guān)性。變程先減小后增大，一方面反映了數(shù)據(jù)變異的隨機(jī)成分，另一方面反映空間效應(yīng)的范圍總體上不斷縮小，受區(qū)域中心地影響先下降后上升，極化效應(yīng)相對增強(qiáng)，而溢出效應(yīng)不斷減弱。

3 經(jīng)濟(jì)差異的驅(qū)動因素分析

3.1 基于熵權(quán)灰色模型的經(jīng)濟(jì)差異內(nèi)部驅(qū)動因素分析

選取產(chǎn)業(yè)構(gòu)成、固定資產(chǎn)投資額、財政收入、收入分配等方面對區(qū)域空間差異的內(nèi)部影響因素進(jìn)行分析，其中以人均第二產(chǎn)業(yè)增加值、人均第三產(chǎn)業(yè)增加值、人均財政收入、人均固定資產(chǎn)投資、城鎮(zhèn)居民人均可支配收入、農(nóng)村人均純收入等6項指標(biāo)作為分析數(shù)列，以人均GDP作為參考數(shù)列進(jìn)行權(quán)重計算，熵權(quán)灰色模型中所得出的權(quán)重大小能夠反映這6項指標(biāo)對區(qū)域分異的貢獻(xiàn)度。為便于分析，假設(shè)各個指標(biāo)在區(qū)域分異中的貢獻(xiàn)度相同(取6個指標(biāo)權(quán)重的平均值)，基于此，視理想平均值為0.49，將權(quán)重大于0.49的視為重要影響因子，用ΔΔ表示，將權(quán)重小于0.49的視為次重要影響因子，用Δ表示(表3)。

基于虛擬狼群策略的分層分布式自動發(fā)電控制//席磊,柳浪,黃悅?cè)A,徐艷春,陳建峰,李玉丹//(16):65

表3 空間分異影響因素權(quán)重值

根據(jù)表3對山東省經(jīng)濟(jì)差異內(nèi)部驅(qū)動因素進(jìn)行作用程度分析，其中重要影響因素包括人均第二產(chǎn)業(yè)增加值、人均固定資產(chǎn)投資、城鎮(zhèn)居民人均可支配收入3項影響因子，次重要影響因素包括人均第三產(chǎn)業(yè)增加值、人均財政收入、農(nóng)村人均純收入。根據(jù)權(quán)重變化特征可知，城鎮(zhèn)居民人均可支配收入、人均固定資產(chǎn)投資、人均第二產(chǎn)業(yè)增加值等影響因素對人均GDP空間分異格局的形成起了重要的作用，其中，固定資產(chǎn)投資對人均GDP的作用強(qiáng)度逐漸增大，2013年達(dá)到峰值0.615；其次，人均第二產(chǎn)業(yè)增加值和城鎮(zhèn)居民人均可支配收入對人均GDP的作用強(qiáng)度呈先上升后下降的趨勢，2005年達(dá)到峰值0.579,之后逐步下降到2013年的0.531；人均財政收入、人均第三產(chǎn)業(yè)增加值、農(nóng)村人均純收入對人均GDP空間分異的影響作用較小，三者權(quán)重值呈波動下降趨勢。

綜合分析可知，固定資產(chǎn)投資和第二產(chǎn)業(yè)增加值是影響山東省區(qū)域經(jīng)濟(jì)差異的重要因素。各地區(qū)固定資產(chǎn)投資額的大小和第二產(chǎn)業(yè)的發(fā)展水平在一定程度上決定了區(qū)域經(jīng)濟(jì)空間分異現(xiàn)狀。

3.2 經(jīng)濟(jì)差異總體驅(qū)動因素分析

第一，區(qū)位條件作用明顯。山東半島利用得天獨(dú)厚的沿海優(yōu)勢，積極吸引外資，接受產(chǎn)業(yè)轉(zhuǎn)移，發(fā)展外向型經(jīng)濟(jì)，在發(fā)展的同時擁有了資本技術(shù)優(yōu)勢，實現(xiàn)了區(qū)域經(jīng)濟(jì)的快速發(fā)展。而山東中西部縣市區(qū)相對于東部地區(qū)來說，區(qū)位優(yōu)勢作用不明顯，產(chǎn)業(yè)轉(zhuǎn)移的吸納和信息接受度與半島地區(qū)存在明顯的梯度差，造成了區(qū)域經(jīng)濟(jì)發(fā)展的基礎(chǔ)性差異。

第二，戰(zhàn)略規(guī)劃作用明顯。山東省2003年的“三個突破”規(guī)劃戰(zhàn)略促進(jìn)了煙臺、濟(jì)南的快速發(fā)展，2006年的山東半島城市群戰(zhàn)略規(guī)劃促進(jìn)了山東半島經(jīng)濟(jì)的迅猛發(fā)展，在實證分析研究中，基尼系數(shù)與泰爾指數(shù)也都達(dá)到峰值，2007年的“一體兩翼”和2008年的黃河三角洲高效生態(tài)示范區(qū)促進(jìn)了魯北地區(qū)和膠濟(jì)鐵路沿線地區(qū)的發(fā)展。

第三，遵循G·繆爾達(dá)爾的“循環(huán)積累因果原理”。山東省區(qū)域發(fā)展的現(xiàn)狀遵循了循環(huán)積累因果原理，半島地區(qū)和黃河沿岸帶在區(qū)域政策和區(qū)位優(yōu)勢的作用下，發(fā)展勢頭強(qiáng)勁，西部和西南部等縣市區(qū)則陷入“馬太效應(yīng)”的怪圈,低收入和低儲蓄能力導(dǎo)致這些地區(qū)資本形成不足，從而制約了區(qū)域經(jīng)濟(jì)的可持續(xù)發(fā)展，所以山東省區(qū)域分異在空間特征上表現(xiàn)出明顯的HH集聚和LL集聚。

4 結(jié)論

結(jié)合基尼系數(shù)和泰爾指數(shù)分析得出2000-2013年山東省區(qū)域經(jīng)濟(jì)差異極化水平進(jìn)一步擴(kuò)大，總體變化趨勢符合“倒U型”演變規(guī)律。

空間特征方面，空間分異表現(xiàn)出明顯的空間近鄰現(xiàn)象，欠發(fā)達(dá)區(qū)集聚于魯西南、魯南等縣市區(qū)，經(jīng)濟(jì)發(fā)達(dá)區(qū)則集中在山東半島和沿黃河走向由西南到東北的黃河沿岸帶，形成了以山東半島和黃河沿岸帶為核心、山東中西部、南部為邊緣區(qū)的核心邊緣分布格局。

全局自相關(guān)和局部自相關(guān)表明山東省縣域經(jīng)濟(jì)存在顯著的空間正相關(guān)，HH集聚和LL集聚顯著；空間依賴性不斷增強(qiáng)，具有顯著的正空間自相關(guān)性和負(fù)空間自相關(guān)性，區(qū)域經(jīng)濟(jì)呈現(xiàn)穩(wěn)定的空間集聚現(xiàn)象，且相鄰地區(qū)的經(jīng)濟(jì)增長相互影響。

空間變異分析表明縣域經(jīng)濟(jì)具有中等空間自相關(guān)，中心地極化效應(yīng)相對增強(qiáng)，而溢出效應(yīng)不斷減弱。

[1]肖艷秋,楊德剛,張新煥，等.新疆區(qū)域經(jīng)濟(jì)差異時空演變特征分析[J].中國沙漠,2012,32(1):10-18.

[2]Williamson J G. Regional Inequality and the Process of National Development: A Description of the Patterns[J]. Economic Development and Cultural,1965,13(4):1-84.

[3]溫瑞虹.廣東經(jīng)濟(jì)增長與區(qū)域經(jīng)濟(jì)差異關(guān)系研究[J].地理與地理信息科學(xué),2010,28(1):90-93.

[4]王洪濤.中國城鄉(xiāng)收入差距分析——基于泰爾指數(shù)的分解[J].2009,460(12):4-7.

[5]仇方道,朱傳耿,孔令平,等.江蘇省縣域經(jīng)濟(jì)差異及時空特征分析[J].經(jīng)濟(jì)地理,2004,24(4):468-472.

[6]張培陽,朱喜鋼.福建省區(qū)域經(jīng)濟(jì)差異及其空間格局演化[J].地域研究與開發(fā),2009,28(1):54-57.

[7]張改素,丁志偉,趙萌,等.中原經(jīng)濟(jì)區(qū)縣域經(jīng)濟(jì)密度的空間分異及影響因素[J].經(jīng)濟(jì)地理,2014,34(9):19-26.

[8]Xin Yue Ye,Michael C.Carroll.Exploratory space-time analysis of local economic development[J].Applied Geography,2011,31(5):1040-1058.

[9]Karsten Rusche,Uwe Kies,Andreas Schulte.Measuring spatial co-agglomeration patterns by extending ESDA techniques[J].Jahrb Reg wiss,2011,31(6):11-25.

[10]李秀偉,修春亮.東北三省區(qū)域經(jīng)濟(jì)計劃的新格局[J].地理科學(xué),2008,28(6):722-728.

[11]湯國安.地理信息系統(tǒng)空間分析實驗教程[M].北京:科學(xué)出版社,2011.

Temporal and Spatial Analysis of Regional Economic Differences in Shandong Province

DOU Tong-yu1,WANG Guang-wei2,XIA An-tao1,YU Xiao-hong1

(1.College of Resources and Environmental Science,Hunan Normal University, Changsha Hunan 410081,China; 2.Aviation and Tourism College,Guilin University of Aerospace Technology,Guilin Guangxi 541004,China)

Using the Geordie Coefficient,theil index and spatial variogram to explore the temporal evolution and spatial differentiation characteristics of regional economic differences in Shandong Province. The results show that, the absolute difference is marked enlarging and the trends of regional economics exists in inverted “U”;Moran’s I index demonstrates the spatial dependence of county economy strengthening, and it is obviously positive or negatives, so the regional economy of cluster is stable, neighboring region sets mutual effects.Eastern region give priority to high-high cluster, belongs to the development region, on the contrary, western region give priority to low-low cluster, belongs to the developing region for needing to builds new peaking. Through the analysis of semivariogram function, it found that the regional center area has a growing effect on the absolute difference, however, the spillover effects has decreasing .

economics differences; economic difference index; spatial autocorrelation; spatial variogram

2016-12-21

湖南省教育廳開放平臺項目“洞庭湖生態(tài)經(jīng)濟(jì)區(qū)城鎮(zhèn)污染診斷與防治”(15K081)。

竇同宇(1992- )，男，碩士研究生，從事城鄉(xiāng)規(guī)劃與區(qū)域經(jīng)濟(jì)研究。

夏安桃(1967- )，女，副教授，博士，從事城鄉(xiāng)規(guī)劃與區(qū)域經(jīng)濟(jì)研究。

K902

A

2095-7602(2017)06-0077-08