基于ESDA 的中國汽車產(chǎn)業(yè)空間演變研究

李洪慶 康凱 劉磊

（中國汽車技術研究中心有限公司情報所）

汽車產(chǎn)業(yè)是推動新一輪科技革命和產(chǎn)業(yè)變革的重要力量，是建設制造強國的重要支撐，是國民經(jīng)濟的重要支柱[1]。歐美日韓等發(fā)達國家的汽車工業(yè)發(fā)展較為成熟，伴隨著技術革命的推進和生產(chǎn)力的提高，汽車工業(yè)布局不斷變化，產(chǎn)業(yè)集聚程度日益提高。很多學者[2-3]從產(chǎn)業(yè)集聚的視角對汽車工業(yè)布局進行深入研究，探討區(qū)域發(fā)展的平衡程度對資源間割裂的影響。文獻[4]等對德國汽車制造業(yè)空間布局進行了研究，文獻[5]對澳大利亞汽車制造業(yè)空間布局進行了研究。在國內(nèi)，文獻[6]對汽車產(chǎn)業(yè)省區(qū)專業(yè)化進行了研究，文獻[7]對我國汽車產(chǎn)業(yè)布局的時空變化規(guī)律進行了探討。伴隨著不同分析方法、不同研究尺度的探討，汽車產(chǎn)業(yè)的空間布局的研究方法也在不斷的成熟。然而，任何事物與其周圍事物都存在聯(lián)系且與其相近事物的聯(lián)系更為緊密，幾乎所有空間數(shù)據(jù)都具有空間依賴性或空間自相關特征[8-9]，因此對中國汽車產(chǎn)業(yè)空間演變規(guī)律研究具有重要的意義。探索性空間數(shù)據(jù)分析（Exploratory Spatial Data Analysis，ESDA）是以空間關聯(lián)性測度為核心的空間數(shù)據(jù)分析方法和技術的有效結合，通過對數(shù)據(jù)進行可視化，揭示空間集聚狀態(tài)和相互作用機制。文章以我國整體為研究對象，以31 個省、市、自治區(qū)為研究單元，基于1983、1995、2006、2018 年中國汽車生產(chǎn)省域統(tǒng)計數(shù)據(jù)，通過全局和局部自相關分析方法對中國汽車生產(chǎn)空間布局進行分析，分別從不同權重矩陣和時間緯度研究全局自相關，從Moran 散點圖和LISA 集聚分布研究局部自相關，從而獲取中國汽車生產(chǎn)的空間依賴性和分異特征。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

文章中的研究數(shù)據(jù)主要來自《中國統(tǒng)計年鑒》、《中國汽車工業(yè)年鑒》、各省市區(qū)的統(tǒng)計年鑒、國家統(tǒng)計局、中國汽車工業(yè)信息網(wǎng)、中國汽車工業(yè)協(xié)會等。數(shù)據(jù)共涉及我國31 個省、市、自治區(qū)。

1.2 研究方法

1.2.1 全局空間自相關指標

根據(jù)地理學第一定律，任何事物都不是孤立存在的，事物之間必然存在某種關聯(lián)，只不過距離相近的事物關聯(lián)會更加凸顯[10]。全局空間自相關可以衡量區(qū)域整體的空間差異和空間聯(lián)系，以便判斷研究對象即文章研究的汽車生產(chǎn)是否存在空間集聚，文章采用Global Moran's I 指數(shù)用于表示空間聚集程度，其計算公式為：

n——所研究的省域總數(shù)；

wij——空間權重值。

莫蘭指數(shù)是一個有理數(shù)，經(jīng)過方差運算后，得到的值會被歸一化處理到-1 和1 之間，當I＜0 時表示空間負相關，其值越小，空間差異性越大，隨著自變量的增長，因變量隨著減少，即汽車生產(chǎn)空間特征呈現(xiàn)為高值區(qū)和低值區(qū)相鄰的分散狀態(tài)；當I＞0 時表示空間正相關，其值越大，空間相關性越強，隨著自變量的增長，因變量也隨著增長，即汽車生產(chǎn)空間特征呈現(xiàn)為高值區(qū)和高值區(qū)或者低值區(qū)和低值區(qū)相鄰的集聚狀態(tài)；當時表示不存在關聯(lián)性，區(qū)域間為隨機分布，即省域汽車生產(chǎn)不存在空間相關性。

1.2.2 局部空間自相關指標

全局空間自相關是從整體角度來說明不同區(qū)域之間差異的平均程度，但是對于區(qū)域內(nèi)部之間的差異性無法有效進行量化描述，即空間依賴性。為了全面反映中國汽車生產(chǎn)省域之間的空間集聚程度，文章采用Moran 散點圖和LISA 統(tǒng)計指標來考察局部的相關性差異。

1）Moran 散點圖。Moran 散點圖通常用來研究局部空間不穩(wěn)定性，橫坐標為變量向量，縱坐標為變量的空間滯后向量，Moran 散點圖既可以檢測局部空間是否存在關聯(lián)及探索全局空間關系，還可以將分析結果使用二維圖可視化。Moran 散點圖的第一和第三象限表示空間正相關，觀測值相近的區(qū)域出現(xiàn)集聚，第二和第四象限表示空間負相關，有差異的觀測值區(qū)域出現(xiàn)集聚現(xiàn)象。

2）LISA 統(tǒng)計指標。LISA（局部莫蘭指數(shù)）統(tǒng)計指標的本質(zhì)是將全局莫蘭指數(shù)分解到各個區(qū)域單元，可以反映出不同空間位置汽車產(chǎn)量是否存在空間集聚現(xiàn)象，并在結果地圖上顯示出異常區(qū)域，有助于對局部空間特征更為深入的研究，其計算公式如下：

sx——xi和xj對應的標準差。

如果Ii＞0 而且zi＞0，說明省域處與周邊省域的汽車產(chǎn)量的觀測值都為高值區(qū)，屬于Hight-Hight 集聚；如果Ii＞0 而且zi＜0，說明省域處與周邊省域的汽車產(chǎn)量的觀測值都為低值區(qū)，屬于Low-Low 集聚；如果Ii＜0而且zi＜0，說明省域處的觀測值遠高于周邊省域的觀測值，屬于Hight-Low集聚；如果Ii＜0 而且zi＜0，說明省域處的觀測值遠低于周邊省域的觀測值，屬于Low-Hight集聚。

通過將Moran 散點圖和LISA 統(tǒng)計指標有效的結合起來，可以更好的對省域空間依賴性和空間分異特征進行描述。

1.3 空間權重的構建

在空間權重矩陣構建中，最常用的是基于鄰接和距離的原則，在充分考慮中國的行政區(qū)域劃分的基礎上，重點對Rook 鄰接規(guī)則、距離規(guī)則和k-nearest 鄰近規(guī)則進行探討和選擇。

1）基于Rook 鄰接的空間權重。Rook 鄰接規(guī)則認為只要2 個區(qū)域有一段共同的邊界即認為2 個區(qū)域相鄰。GeoDa 軟件提供的Rook 高階鄰接規(guī)則，為文章中的權重選擇提供了更為準確的算法。如果wij=1，則表示2 個空間單元之間有一段相同邊界；相反wij=0。

2）基于距離的空間權重。距離規(guī)則的優(yōu)點在于充分考慮距離的相對大小，從定量的角度刻畫空間鄰接性，距離規(guī)則空間依賴關系可以分為非幾何距離和幾何距離，幾何距離分為有限距離、負相關距離和混合距離，文章根據(jù)中國省域汽車生產(chǎn)現(xiàn)狀選取有限距離，即2 個空間單元之間的集合距離小于開始設定的閥值d時，則wij=1；相反wij=0。

式（3）基于k-nearest 鄰近的空間權重。k 最近鄰規(guī)則是一個理論上比較成熟的規(guī)則，在運算中認為所有的區(qū)域都是已經(jīng)正確分類的對象，這種規(guī)則在一定程度上避免了Rook 鄰接規(guī)則和距離鄰接規(guī)則設立最小閥值而導致部分有效區(qū)域無法進行計算的問題。

2 實證分析

2.1 汽車生產(chǎn)空間分布變化

1983 年至今，中國汽車產(chǎn)量生產(chǎn)規(guī)?？傮w呈現(xiàn)上升態(tài)勢，各省域范圍內(nèi)的變化幅度不一，特別是在2001 年后，中國汽車產(chǎn)量呈現(xiàn)高速增長態(tài)勢，不同省份在不同年份之間的變化差異很大。這表明，中國汽車產(chǎn)量在不同的分析維度上有不同的空間集聚形態(tài)。

從地域角度上看，從1983 年至今我國汽車產(chǎn)業(yè)生產(chǎn)布局符合胡煥庸線[11]（既黑河—騰沖一線）分布特征，汽車生產(chǎn)集中在東部，西部區(qū)域汽車產(chǎn)業(yè)布局較少。從時間維度上看，中國汽車生產(chǎn)有向聚集區(qū)轉移的趨勢，并逐步呈現(xiàn)出集聚現(xiàn)象，表現(xiàn)為東西分異。到1995 年，由于四川成都龍泉驛區(qū)、上海嘉定區(qū)、廣西柳州柳東新區(qū)汽車產(chǎn)業(yè)的快速發(fā)展，帶動了3 個省市的汽車產(chǎn)量突飛猛進。到2006 年，重慶兩江新區(qū)和巴南區(qū)，以及廣州增城區(qū)和花都區(qū)的異軍突起，使得兩地的汽車產(chǎn)量在全國名列前茅。2018 年的汽車產(chǎn)量布局與2006 年相差不大，格局基本一致。中國汽車生產(chǎn)的重點已經(jīng)向東部轉移，空間集聚效應存在于省域之間。

2.2 中國汽車產(chǎn)業(yè)全局自相關分析

2.2.1 不同權重矩陣下的全局自相關分析

為了更準確地建立中國汽車生產(chǎn)全局自相關模型，文章通過在不同的空間權重矩陣下，對2006 年汽車生產(chǎn)數(shù)據(jù)進行驗證，以期得出最適合模型的空間權重矩陣。如表1 所示，分別在Rook 規(guī)則下的r1、r2 和r3，距離規(guī)則，以及k 最近鄰規(guī)則下的k4、k6 和k8，進行全局自相關檢驗，得出2006 年中國31 省市區(qū)汽車產(chǎn)量分析的Moran's I 指數(shù)及其對應的Z 值和P（概率）值。r1 規(guī)則表示在1 階Rook 規(guī)則下區(qū)域相鄰，r2 規(guī)則表示在2 階Rook 規(guī)則下區(qū)域相鄰，即相鄰的相鄰也默認為相鄰，r3 同理；在距離規(guī)則下，由于閥值的限制，每個省域最少會有一個省域和它相連接；k4 表示在k-nearest 規(guī)則下確定每個省域都有4 個省域和它相鄰，k6 則表示每個省域有6 個鄰近關系，k8 則表示每個省域有8 個鄰近關系。

表1 不同權重矩陣下Moran 指數(shù)

由表1 可以看出在7 種不同空間權重規(guī)則下Moran's I 全為正值，說明中國汽車生產(chǎn)呈現(xiàn)空間正相關，隨著省域周邊觀測值的升高或者降低，會對省域自身空間差異帶來相同影響。其中在k4 權重矩陣下，P值具有統(tǒng)計學差異，Moran's I 最大；中國汽車生產(chǎn)的空間相關性隨著鄰接關系的增多反而逐漸減弱。在k4 空間權重矩陣下，空間相關性最強，Moran's I 為0.151；在Rook 和k 最近鄰權重矩陣下，雖然也存在一定程度的空間相關性，但隨著鄰接關系的增加相關性減弱；綜合7 種不同權重規(guī)則下的Moran's I、Z 值和P 值，全局自相關分析選擇k4 權重矩陣。

2.2.2 不同時間維度上的全局自相關分析

分別對1983—2018 年36 年跨度的數(shù)據(jù)進行分析，進一步探討汽車生產(chǎn)空間集聚演變情況。表2 為1983-2018 年各省市區(qū)汽車產(chǎn)業(yè)的全局Moran 指數(shù)，圖1 為1983-2016 年中國汽車產(chǎn)業(yè)的Moran's I 變化情況。

計算結果顯示，在正態(tài)分布假設下，1983—2018 年中國汽車生產(chǎn)的全局Moran's I 指數(shù)除了1994 年和1995 年Moran's I 為負值，均為正值，這說明中國各省市區(qū)汽車生產(chǎn)受到鄰近區(qū)域汽車生產(chǎn)的影響，省域汽車生產(chǎn)空間呈現(xiàn)為高值區(qū)和高值區(qū)或者低值區(qū)和低值區(qū)相鄰的情況。因此，在省級尺度上中國汽車生產(chǎn)具有空間正相關性特征較強，即省域汽車生產(chǎn)空間分布呈現(xiàn)聚集狀態(tài)，而不是隨機分布。

從表2 和圖1 可以看出,就1983—2018 年研究時段，我國汽車生產(chǎn)集聚程度大致可以分為3 個階段：1983—1995 年為第1 階段，Moran's I 呈現(xiàn)波動下滑趨勢，即隨著時間的推移汽車生產(chǎn)省域空間相關性不斷降低；1995—2005 年為第2 階段，Moran's I 從-0.004上升到0.166，增幅達0.17，集聚度有較大提高；2005—2018 年為第3 階段，Moran's I 由0.166 降至0.062，工業(yè)集聚程度逐漸降低。由此可知，中國汽車生產(chǎn)總體發(fā)展水平在空間上呈現(xiàn)一定的集聚現(xiàn)象（高高集聚或者低低集聚），但并不是特別顯著，空間相關性隨著時間的推移在減弱，整體空間布局呈現(xiàn)空間擴散狀態(tài)。

表2 1983-2018 年各省市區(qū)汽車產(chǎn)業(yè)的全局Moran 指數(shù)

圖1 1983-2016 年中國汽車產(chǎn)業(yè)的Moran's I 變化情況

2.3 中國汽車產(chǎn)業(yè)局部自相關分析

Global Moran's I 指標屬于全局統(tǒng)計指標，在進行空間相關性分析中往往難以揭示空間內(nèi)部的差異性，通常會出現(xiàn)空間整體差異較小，但是局部空間差異較大。因此，為了全面反映中國各省域汽車生產(chǎn)空間差異情況，探討其局部相關性，利用Moran 散點圖和LISA 分布來對局部空間依賴性和分異特征進行分析。

2.3.1 Moran 散點圖

1983、1995、2006、2018 年31 個省市區(qū)的空間Moran 散點分布圖，如圖2 所示。

圖2 1983、1995、2006、2018 年汽車產(chǎn)量的Moran 散點圖

可以看出，在第一、三象限的省域個數(shù)，從1983 年的19 個減少到1995 年的12 個，后又增長到2006 年的17 個，2018 年的19 個，2018 年第一、三象限省域個數(shù)占總數(shù)的61%，表明中國汽車生產(chǎn)在地理上呈現(xiàn)為空間正相關。

Moran 散點圖顯示出，不同年份中國汽車省域生產(chǎn)集聚特點有著較大的差異，主要是因為近幾十年各省積極將汽車產(chǎn)業(yè)確立為支柱產(chǎn)業(yè)，各省域發(fā)展程度各異。我國汽車生產(chǎn)出現(xiàn)明顯的東西差異，處于第一象限的省域全部位于東部地區(qū)，第三象限的省域主要位于西部；從1995 年的Moran 散點圖可以看出，處于第一象限的地區(qū)向東北部轉移，處于第三象限的區(qū)域向中部轉移；對2006 年Moran 散點圖進行分析，中國汽車生產(chǎn)的總體格局呈現(xiàn)出與1983 年相似的東西差異特征；從2018 年的Moran 散點圖可以看出，處于第一象限的地區(qū)新增中部省域，主要有重慶、湖北等省，處于第三象限的區(qū)域主要還是集中在西部。

2.3.2 LISA 集聚分布

汽車生產(chǎn)的LISA 指標可以用來衡量省域單元和周邊單元相異（負相關）或者相近（正相關）的程度。本節(jié)使用Geoda 軟件，分別計算了1983、1995、2006、2018 年汽車產(chǎn)量的LISA 指標（p=0.05）。

如表3 所示，在p≤0.05 的顯著水平下可以得出從區(qū)域整體來看，中國汽車生產(chǎn)存在局部的空間集聚特征，各省域和周邊省域之間有一定相關性。

表3 局域空間自相關顯著性省區(qū)統(tǒng)計表

從統(tǒng)計的省域數(shù)量上來看，很多省域的空間關系并不顯著，不顯著省域表示這些省域和周邊省域汽車產(chǎn)量之間的相互影響程度較小，在顯著省域中，大部分表現(xiàn)為空間正相關。由表3 可知，從1983 年到2006 年顯著性省域呈現(xiàn)上升趨勢，表明國內(nèi)汽車生產(chǎn)空間集聚現(xiàn)象逐漸加強。但是在2018 年，僅有湖南表現(xiàn)為低高聚集區(qū)。這表明我國汽車生產(chǎn)空間聚集現(xiàn)象逐漸減弱，呈現(xiàn)擴散狀態(tài)，出現(xiàn)這種狀態(tài)是因為2013 年開始我國汽車產(chǎn)量突破2 000 萬輛，在2017 年達到研究時段的峰值2 901.81 萬輛，在所研究的31 個省市區(qū)中，有28 個將汽車產(chǎn)業(yè)確立為支柱產(chǎn)業(yè)。

3 結論

文章通過空間探索分析方法（ESDA），分別采用全局自相關（Global Moran’s I）、局部自相關測度指標（Moran 散點圖、LISA 統(tǒng)計指標）對中國汽車生產(chǎn)空間布局的變化進行了實證分析。結果表明：1）1983—2018年我國汽車產(chǎn)業(yè)生產(chǎn)格局符合胡煥庸線（既黑河—騰沖一線）分布特征，中國汽車產(chǎn)業(yè)生產(chǎn)有聚集的明顯趨勢，并且東西分異現(xiàn)象明顯；2）1983—2018 年中國汽車產(chǎn)業(yè)分布除1994 年和1995 年外均呈現(xiàn)正向空間依賴性。通過對2006 年汽車產(chǎn)量進行7 種不同的鄰接規(guī)則分析，均顯示中國區(qū)域汽車產(chǎn)業(yè)受相鄰區(qū)域汽車生產(chǎn)狀況的正向影響，相似值之間存在地理集聚現(xiàn)象。1983—1995 年和2005—2018 年間，空間自相關性出現(xiàn)下降，1995—2005 年間出現(xiàn)上升，集聚度有較大提高；3）Moran 散點圖的分析結果顯示，位于第三象限的省域單元隨著時間的推移呈現(xiàn)出向周邊擴散的發(fā)展態(tài)勢，位于第一象限的省域不同時間區(qū)間變化較大；4）對LISA 集聚分布的分析結果顯示，中國汽車生產(chǎn)在局部呈現(xiàn)出明顯的空間聚集性，與Moran 散點圖的分析結果一致。從數(shù)量上來看，大部分省域的空間關系并不顯著，在顯著區(qū)域表現(xiàn)出正向關系的比例較大。從空間視角看，高聚集區(qū)主要存在于我國東北區(qū)域。