福建省縣域經(jīng)濟(jì)時空演化及影響因素研究

羅莎莎，曾玉榮

（福建省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與科技信息研究所，福州 350003）

縣域經(jīng)濟(jì)以農(nóng)業(yè)農(nóng)村發(fā)展為主體，發(fā)展縣域經(jīng)濟(jì)是解決“三農(nóng)”問題的切入點，在推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革、新型城鎮(zhèn)化發(fā)展和促進(jìn)鄉(xiāng)村振興方面發(fā)揮著舉足輕重的作用。當(dāng)前，影響縣域經(jīng)濟(jì)發(fā)展的因素有很多，但主要影響因素的貢獻(xiàn)程度如何需要進(jìn)一步分析。

近幾年，關(guān)于縣域經(jīng)濟(jì)方面的研究成果頗豐。從研究尺度看，有全國、省域和縣市尺度［1-4］，研究內(nèi)容也具有多樣化，主要包括機制、模式、差異比較、時空變化、要素關(guān)系等，如陳志德［5］研究發(fā)展機制與模式，歐向軍等［6］研究縣域經(jīng)濟(jì)發(fā)展差異與極化比較，張錦宗等［7］、趙玉芝等［8］研究差異特征及成因分析，蔡芳芳等［9］研究空間模式，劉傳明等［10］研究交通可達(dá)性與經(jīng)濟(jì)發(fā)展水平關(guān)系，周天蕓等［11］研究金融機構(gòu)空間集聚與經(jīng)濟(jì)增長關(guān)系等。

關(guān)于影響因素分析方面，從定性到定量不斷發(fā)展和創(chuàng)新，以地域為發(fā)展載體的分析離不開空間關(guān)聯(lián)、地區(qū)之間相互影響的作用，因此，本研究引入地理加權(quán)回歸模型（GWR）等空間計量模型，逐漸替代傳統(tǒng)的相關(guān)分析、線性回歸分析，考慮回歸系數(shù)的空間屬性，該方法還廣泛應(yīng)用于人口城鎮(zhèn)化［12］、城市創(chuàng)新能力［13］、城市住宅價格［14］、生態(tài)環(huán)境［15］、農(nóng)業(yè)農(nóng)村［16-20］、產(chǎn)業(yè)［21，22］等領(lǐng)域，但目前用于縣域經(jīng)濟(jì)方面的相關(guān)研究成果還比較少。

福建省位于東部沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)，與臺灣省隔海相望，有著特殊的區(qū)位因素。關(guān)于福建省縣域經(jīng)濟(jì)的研究主要有：宋萍等［23］基于ESDA分析福建省縣域經(jīng)濟(jì)差異；柯文前等［24］運用ESDA分析工具，選取1992、1997、2003和2009年分析福建省縣域經(jīng)濟(jì)的空間格局演化；紀(jì)小美等［25］利用應(yīng)用差異與集聚指數(shù)、多層次回歸模型等方法，研究1990—2013年福建省縣域經(jīng)濟(jì)差異的時空動態(tài)及其動力機制；楊琳珩等［26］基于ESDA-GIS分析福建省1999—2014年縣域經(jīng)濟(jì)的時空特征以及動態(tài)變化；方文婷等［27］將傳統(tǒng)統(tǒng)計分析與ESDA相結(jié)合，分析2005—2013年福建省縣域經(jīng)濟(jì)差異的時空格局演化；李新光等［28］以福建省為例，采用兩機制空間面板杜賓模型等方法，檢驗高鐵開通對縣域經(jīng)濟(jì)增長溢出效應(yīng)的影響。目前，關(guān)于福建省縣域經(jīng)濟(jì)研究的方法日趨多樣化，但缺乏將縣域經(jīng)濟(jì)發(fā)展時空演變和影響因素結(jié)合進(jìn)行分析的相關(guān)研究。

因此，本研究對2008—2018年福建省縣域經(jīng)濟(jì)發(fā)展進(jìn)行時空演化分析，并結(jié)合探索性空間數(shù)據(jù)分析（ESDA）的全局空間自相關(guān)（Global Moran’s I）分析工具，進(jìn)行空間關(guān)聯(lián)性和差異性分析，通過整理收集縣域的相關(guān)統(tǒng)計數(shù)據(jù)，運用地理加權(quán)回歸模型（GWR）確定影響縣域經(jīng)濟(jì)發(fā)展的因素，并對各因素時空演化特征進(jìn)行分析。

1 研究區(qū)概況

福建省作為海峽西岸經(jīng)濟(jì)區(qū)的重要組成部分，是國家重點發(fā)展區(qū)域，截至2018年，福建省下轄9個城市，包括29個市轄區(qū)、12個縣級市、43個縣，縣域GDP占全省GDP的52.6%，縣域經(jīng)濟(jì)的發(fā)展在一定程度上影響全省經(jīng)濟(jì)發(fā)展。根據(jù)地理位置將福建省分為4個地區(qū)，分別為閩東（福州、莆田、寧德）、閩南（廈門、泉州、漳州）、閩西（龍巖、三明）、閩北（南平）（圖1）。

圖1 福建省縣域行政區(qū)劃

2 研究方法、指標(biāo)選取及數(shù)據(jù)來源

2.1 研究方法

1）探索性空間數(shù)據(jù)分析。探索性空間數(shù)據(jù)分析（ESDA）通過數(shù)據(jù)的空間依賴性和空間異質(zhì)性來挖掘事物的空間分布特征，利用空間權(quán)重矩陣來解釋區(qū)域間的空間關(guān)聯(lián)性［19］。在給定顯著性水平下，全局空間自相關(guān)（Global Moran’s I）是一個反映在研究區(qū)內(nèi)相似屬性平均集聚程度的總體性統(tǒng)計指標(biāo)［29］。

Moran’s I指數(shù)反映了空間鄰接區(qū)域單元屬性值的相似程度，可用如下公式表示：

式中，I表示Moran’s指數(shù)；xi、xj分別表示區(qū)域i、j的觀測值；ω表示空間權(quán)重矩陣；s2表示區(qū)域i觀測值的標(biāo)準(zhǔn)差。

Moran’s I指數(shù)的取值為［-1，1］，若Moran’s I＜0，表明經(jīng)濟(jì)發(fā)展水平接近的區(qū)域呈極化態(tài)勢；若Moran’s I=0，表明經(jīng)濟(jì)發(fā)展水平接近的區(qū)域在空間上隨機分布；若Moran’s I＞0，表明經(jīng)濟(jì)發(fā)展水平接近的區(qū)域呈顯著聚集。

2）地理加權(quán)回歸模型。地理加權(quán)回歸模型（GWR）能夠?qū)?shù)據(jù)的空間屬性納入線性回歸模型中，在探討區(qū)域影響因素方面可以很好地反映各解釋變量間的空間位置關(guān)系，捕捉空間數(shù)據(jù)的非平穩(wěn)性和相互差異［30］。計算公式如下：

式中，Yi表示第i個單元的因變量；(ui,vi)表示第i個單元的地理坐標(biāo)；βk(ui,vi)表示獨立變量xk在i單元的回歸系數(shù)；xk,i表示i單元第k個解釋變量；εi表示隨機誤差。

2.2 指標(biāo)選取

人均GDP可以有效反映某一地區(qū)的經(jīng)濟(jì)發(fā)展情況，影響區(qū)域經(jīng)濟(jì)發(fā)展的因素主要有：人均全社會固定資產(chǎn)投資額、城鎮(zhèn)化率、人均公共預(yù)算支出、人均社會消費品零售總額和第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重、農(nóng)業(yè)總產(chǎn)值等［31，32］，用人均全社會固定資產(chǎn)投資額代表區(qū)域投資水平，用人均社會消費品零售總額代表區(qū)域消費水平。本研究參考相關(guān)成果，結(jié)合福建省實際情況，選取人均GDP作為因變量，選取人均全社會固定資產(chǎn)投資額、城鎮(zhèn)化率、人均公共預(yù)算支出、人均社會消費品零售總額、第一產(chǎn)業(yè)生產(chǎn)值占GDP比重、科教支出和第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重作為解釋變量。為消除指標(biāo)間多重共線性問題，將指標(biāo)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后進(jìn)行線性回歸分析，將方差膨脹因子大于10的解釋變量剔除，最后剩下人均全社會固定資產(chǎn)投資額、城鎮(zhèn)化率、人均公共預(yù)算支出、人均社會消費品零售總額和第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重5個變量。

2.3 數(shù)據(jù)來源

數(shù)據(jù)來源于2008—2019年《福建統(tǒng)計年鑒》。本研究將研究區(qū)域確定為55個縣域（12個縣級市和43個縣）。

3 福建省縣域經(jīng)濟(jì)時空演化特征

3.1 縣域經(jīng)濟(jì)總體演化

總體來看各縣域經(jīng)濟(jì)水平都在不斷提高，2008年平均值為2.124萬元，高于均值的縣域個數(shù)占45.4%；2013年平均值為4.840萬元，高于均值的縣域個數(shù)占50.9%，超過半數(shù)；2018年平均值為7.594萬元，高于均值的縣域個數(shù)占50.9%，維持穩(wěn)定。

3.2 4個地區(qū)縣域經(jīng)濟(jì)比較

研究區(qū)域范圍內(nèi)的55個縣域，在4個地區(qū)的分布分別為閩東（福州、莆田、寧德共16個縣域）、閩南（泉州、漳州共16個縣域）、閩西（龍巖、三明共15個縣域）、閩北（南平8個縣域），各地區(qū)的人均GDP均值及變異系數(shù)見表1。由表1可知，從均值比較來看，閩南和閩西的縣域經(jīng)濟(jì)水平較高，閩東和閩北次之，整個研究期內(nèi)排位基本沒有變化；從變異系數(shù)來看，2008—2018年除閩東地區(qū)變異系數(shù)呈先減小后增大的變化趨勢外，其余3個地區(qū)的變異系數(shù)逐漸減小，說明閩東地區(qū)各縣域之間的經(jīng)濟(jì)發(fā)展差距先縮小后擴(kuò)大，出現(xiàn)發(fā)展不協(xié)調(diào)的問題，其余3個地區(qū)各縣域之間的差距正在逐漸縮小，區(qū)域經(jīng)濟(jì)發(fā)展的協(xié)調(diào)度不斷提升。

表1 福建省各地區(qū)的人均GDP均值及變異系數(shù)

3.3 縣域經(jīng)濟(jì)空間演化

為體現(xiàn)不同年份福建省縣域經(jīng)濟(jì)的空間差異化、發(fā)現(xiàn)其中的分布特征和規(guī)律，利用自然斷裂點法將福建省2008、2013、2018年的人均GDP分為4個等級（圖2），分別命名為高值區(qū)、較高值區(qū)、較低值區(qū)和低值區(qū)。2008年，處于高值區(qū)的有福清市、晉江市和石獅市3個市，占總數(shù)的5.4%；處于較高值區(qū)的有10個縣市，占總數(shù)的18.2%；處于較低值區(qū)的有18個縣市，占總數(shù)的32.7%；處于低值區(qū)的有24個縣市，占總數(shù)的43.6%。

圖2 2008、2013、2018年福建省縣域經(jīng)濟(jì)發(fā)展水平空間分布

2013年，處于高值區(qū)的有羅源縣、石獅市、長泰縣、永安市和沙縣5個縣市，占總數(shù)的9.1%；處于較高值區(qū)的有14個縣市，占總數(shù)的25.5%；處于較低值區(qū)的有17個縣市，占總數(shù)的30.9%；處于低值區(qū)的有19個縣市，占總數(shù)的34.5%。

2018年，處于高值區(qū)的有羅源縣、惠安縣、晉江市、石獅市、長泰縣、漳平市、永安市、沙縣和東山縣9個縣市，占總數(shù)的16.4%；處于較高值區(qū)的有16個縣市，占總數(shù)的29.1%；處于較低值區(qū)的有11個縣市，占總數(shù)的20.0%；處于低值區(qū)的有19個縣市，占總數(shù)的34.5%。

可以看出，高值區(qū)和較高值區(qū)的比重逐年上升，空間分布較為分散，極化現(xiàn)象不明顯，變異系數(shù)從2008年的0.40下降至2018年的0.31，表明各區(qū)域之間的差距逐漸減小，區(qū)域協(xié)調(diào)發(fā)展水平不斷提高。

3.4 縣域人均GDP全局空間相關(guān)性

通過運行ArcGIS10.2空間自相關(guān)（Moran’s I）分析工具得到統(tǒng)計結(jié)果，如表2所示。由表2可知，2008—2018年的Moran’s I＞0，且 臨界值Z均大 于1.65，2008年 顯 著 性 水 平P接 近0.000 1（達(dá) 到99.99%的置信度），2013年和2018年的顯著性水平P接近0.001（達(dá)到99.9%的置信度），符合GWR的建模數(shù)據(jù)要求。該統(tǒng)計結(jié)果說明，研究期內(nèi)福建省縣域人均GDP之間存在高度的空間正相關(guān)。這一現(xiàn)象表明，在福建省內(nèi)各縣域之間經(jīng)濟(jì)發(fā)展關(guān)聯(lián)性較強，存在明顯的空間溢出效應(yīng)，但Moran’s I表現(xiàn)出減小的趨勢，說明各縣域經(jīng)濟(jì)發(fā)展的正相關(guān)性正在減弱。

表2 人均GDP全局Moran’s I統(tǒng)計結(jié)果

4 福建省縣域經(jīng)濟(jì)影響因素

4.1 GWR模型構(gòu)建及結(jié)果

根據(jù)GWR公式，利用ArcGIS 10.2空間統(tǒng)計工具，以人均GDP為因變量，以人均全社會固定資產(chǎn)投資額、城鎮(zhèn)化率、人均公共預(yù)算支出、人均社會消費品零售總額和第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重5個指標(biāo)為自變量，根據(jù)AICc值最小確定最佳帶寬準(zhǔn)則，對2008、2013、2018年的數(shù)據(jù)進(jìn)行GWR分析，輸出參數(shù)估計結(jié)果見表3。由表3可知，3個年份的調(diào)整R2均接近1，表示該模型具有較高的擬合優(yōu)度，計算結(jié)果較為準(zhǔn)確。

表3 GWR模型參數(shù)估計結(jié)果

2008年GWR模型的標(biāo)準(zhǔn)殘差值處于［-4.079，3.591］，其中位于［-2.5，2.5］的縣域個數(shù)占總數(shù)的90.1%；2013年GWR模型的標(biāo)準(zhǔn)殘差值處于［-2.888，3.648］，其中位于［-2.5，2.5］的縣域個數(shù)占總數(shù)的94.5%；2018年GWR模型的標(biāo)準(zhǔn)殘差值處于［-2.925，3.158］，其中位于［-2.5，2.5］的縣域個數(shù)占總數(shù)的92.7%，說明大部分縣域的GWR模型通過殘差檢驗。通過對標(biāo)準(zhǔn)殘差進(jìn)行全局空間自相關(guān)分析，結(jié)果顯示，2008—2018年的殘差在空間上呈隨機分布，模型整體效果較好（表4）。

表4 標(biāo)準(zhǔn)殘差全局Moran’s I統(tǒng)計量

從各影響因素的回歸系數(shù)（表5）可以看出，除了消費水平因素的回歸系數(shù)均為正，其余影響因素的回歸系數(shù)均有正有負(fù)，對縣域經(jīng)濟(jì)發(fā)展的影響分異明顯。通過觀察2008、2013、2018年各影響因素的回歸系數(shù)平均值，將變量按貢獻(xiàn)程度從大到小排序：消費水平＞預(yù)算支出＞投資水平＞城鎮(zhèn)化率＞第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重，其中城鎮(zhèn)化率和第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重的單位變化對縣域經(jīng)濟(jì)發(fā)展的影響不顯著。

表5 各影響因素的回歸系數(shù)

4.2 消費水平時空演化特征

消費水平回歸系數(shù)空間分布如圖3所示。2008、2013、2018年，福建省消費水平與縣域經(jīng)濟(jì)發(fā)展呈正相關(guān)，表明全社會消費品零售總額的增加對縣域經(jīng)濟(jì)發(fā)展具有正向作用?？傮w上看，2008—2018年消費水平的回歸系數(shù)由南向北逐漸增大，呈北高南低分布格局。其中，2008年的最大值2.453位于閩東的壽寧縣，最小值1.440位于閩西的漳平市；2013年的最大值1.463位于閩北的松溪縣，最小值0.336位于閩南的石獅市；2018年的最大值0.743位于閩東的福鼎市，最小值0.505位于閩西的武平縣。

圖3 消費水平回歸系數(shù)空間分布

回歸系數(shù)平均值從2008年的1.825下降至2018年的0.617，說明消費水平對縣域經(jīng)濟(jì)的影響程度大幅減小。系數(shù)最大值和最小值的差從2008年的1.013下降至2018年的0.238，說明消費水平對縣域經(jīng)濟(jì)影響程度的空間異質(zhì)性逐漸減小。

不同等級分布變化方面，高值區(qū)2008—2018年范圍逐漸變小，前5a間主要集中在閩東、閩北，后5a間主要集中在閩東；低值區(qū)范圍較大，主要集中在閩西、閩南。閩東、閩北主要處于沿海區(qū)域，對外開放程度高，經(jīng)濟(jì)發(fā)展速度較快，人民生活水平較高，消費需求旺盛且消費能力較強，因而消費水平的提升對經(jīng)濟(jì)發(fā)展貢獻(xiàn)較大。閩西、閩南的龍巖、三明和漳州，基本屬于中央蘇區(qū)縣，由于自然環(huán)境和歷史等方面原因?qū)е律鐣?jīng)濟(jì)發(fā)展落后，貧困縣較多，靠山吃山和農(nóng)耕勞作滿足部分生活所需，消費能力較差且消費需求較小，故對區(qū)域經(jīng)濟(jì)發(fā)展貢獻(xiàn)較小。

4.3 投資水平時空演化特征

投資水平回歸系數(shù)空間分布如圖4所示。2008、2013、2018年，投資水平與縣域經(jīng)濟(jì)發(fā)展基本呈正相關(guān)，表明絕大多數(shù)縣域固定資產(chǎn)投資額的增加對縣域經(jīng)濟(jì)發(fā)展具有正向作用。2008年晉江和南安出現(xiàn)負(fù)值，雖然這2個縣市經(jīng)濟(jì)發(fā)展水平較高，但人口密度大，人均全社會固定資產(chǎn)投資額相比其他地區(qū)較低，對經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和優(yōu)化沒有起到促進(jìn)作用，所以回歸系數(shù)為負(fù)。總體上看，2008年投資水平的回歸系數(shù)由南向北逐漸增大，呈北高南低分布格局。2013年和2018年的回歸系數(shù)變化明顯，由西南向東北逐漸減小，整體布局轉(zhuǎn)變?yōu)槲髂细?、東北低。其中，2008年的最大值0.256位于閩東的福鼎市，最小值-0.015位于泉州的晉江市；2013年的最大值0.398位于閩南的東山縣，最小值0.058位于閩北的光澤縣；2018年的最大值0.333位于閩南的東山縣，最小值0.304位于閩北的光澤縣。

圖4 投資水平回歸系數(shù)空間分布

回歸系數(shù)的平均值從2008年的0.132上升至2018年的0.318，說明投資水平對縣域經(jīng)濟(jì)的影響程度逐漸增大。系數(shù)最大值和最小值的差先從2008年的0.271上升至2013年的0.340，后下降至2018年的0.029，說明投資水平對縣域經(jīng)濟(jì)影響程度的空間異質(zhì)性經(jīng)歷了先擴(kuò)大后減小的過程。

不同等級分布變化方面，高值區(qū)2008—2018年分布區(qū)域變化明顯，前5a間主要集中在閩東、閩北，后5a間主要集中在閩南；低值區(qū)分布區(qū)域變化同樣明顯，前5a間主要集中在閩南，后5a間主要集中在閩西、閩北。閩東、閩北的寧德、南平在全省范圍相對欠發(fā)達(dá)，通過調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和生產(chǎn)力布局，以增強經(jīng)濟(jì)實力，改善人民物質(zhì)文化生活。2011年國家發(fā)改委發(fā)布《海峽西岸經(jīng)濟(jì)區(qū)發(fā)展規(guī)劃》，提出加快建設(shè)海峽西岸經(jīng)濟(jì)區(qū)的各項重要舉措，為閩東沿海地區(qū)發(fā)展帶來了機遇。

4.4 預(yù)算支出時空演化特征

預(yù)算支出回歸系數(shù)空間分布如圖5所示。2008—2018年，預(yù)算支出與縣域經(jīng)濟(jì)發(fā)展從正相關(guān)轉(zhuǎn)變成負(fù)相關(guān)，2008年的回歸系數(shù)正值率為98.2%，2013年的回歸系數(shù)正值率為94.5%，表明預(yù)算支出的增加對絕大多數(shù)縣域經(jīng)濟(jì)發(fā)展具有正向作用。2018年的回歸系數(shù)為負(fù)，原因可能是隨著海峽西岸經(jīng)濟(jì)區(qū)發(fā)展進(jìn)程加快，中央蘇區(qū)縣經(jīng)濟(jì)發(fā)展得到有效扶持，全省經(jīng)濟(jì)水平顯著提高，國有經(jīng)濟(jì)對現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、基礎(chǔ)建設(shè)的支持有限，因此出現(xiàn)負(fù)向作用?？傮w上看，2008年預(yù)算支出的回歸系數(shù)呈由南向北逐漸減小的變化趨勢；2013年空間分布格局轉(zhuǎn)變成東低西高；2018年的回歸系數(shù)為負(fù)，系數(shù)絕對值自東向西逐漸減小，呈東高西低分布格局。其中，2008年的最大值4.413位于閩南的東山縣，最小值-0.054位于閩東的平潭綜合實驗區(qū)；2013年的最大值2.626位于閩北的光澤縣，最小值-0.215位于閩東的平潭綜合實驗區(qū)；2018年的最大值-0.563位于閩西的武平縣，最小值-1.003位于閩東的福鼎市。

圖5 預(yù)算支出回歸系數(shù)空間分布

回歸系數(shù)的平均值從2008年的1.815下降至2018年的-0.792，說明預(yù)算支出對縣域經(jīng)濟(jì)的影響程度變化明顯，從正向作用轉(zhuǎn)變?yōu)樨?fù)向作用。系數(shù)最大值和最小值的差從2008年的4.467下降至2018年的0.440，說明預(yù)算支出對縣域經(jīng)濟(jì)影響程度的空間異質(zhì)性大幅減小。

不同等級分布變化方面，各等級區(qū)域2008—2018年變化均較大，高值區(qū)從閩南轉(zhuǎn)移至閩西、閩北；低值區(qū)從閩東、閩北轉(zhuǎn)移至閩東。

4.5 城鎮(zhèn)化率時空演化特征

城鎮(zhèn)化率回歸系數(shù)空間分布如圖6所示。2008—2018年，福建省城鎮(zhèn)化率與縣域經(jīng)濟(jì)發(fā)展的關(guān)系大致從負(fù)相關(guān)轉(zhuǎn)變?yōu)檎嚓P(guān)，表明城鎮(zhèn)化率的增加對縣域經(jīng)濟(jì)的發(fā)展從負(fù)向作用轉(zhuǎn)變?yōu)檎蜃饔谩?008年的回歸系數(shù)負(fù)值率為80%，相對來說，當(dāng)時城鎮(zhèn)化率較低，經(jīng)濟(jì)發(fā)展進(jìn)程較慢，產(chǎn)業(yè)結(jié)構(gòu)不夠優(yōu)化，一味地吸納農(nóng)村剩余勞動力推進(jìn)工業(yè)發(fā)展，可能會對經(jīng)濟(jì)發(fā)展出現(xiàn)負(fù)向作用。2013年的回歸系數(shù)正值率上升至78.2%，到2018年所有地區(qū)的回歸系數(shù)均大于0，說明隨著產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，空間布局逐漸合理，農(nóng)村剩余勞動力向縣城集聚，城鎮(zhèn)化率的提高對縣域經(jīng)濟(jì)發(fā)展產(chǎn)生了促進(jìn)作用?？傮w上看，2008—2018年城鎮(zhèn)化率回歸系數(shù)的變化趨勢由南向北逐漸減小，呈南高北低的分布格局。其中，2008年的最大值0.010位于閩西的長汀縣，最小值-0.027位于閩南的東山縣；2013年的最大值0.070位于閩南的晉江市，最小值-0.028位于閩北的浦城縣；2018年的最大值0.080位于閩南的詔安縣，最小值0.036位于閩東的福鼎市。

圖6 城鎮(zhèn)化率回歸系數(shù)空間分布

回歸系數(shù)的平均值從2008年的-0.010上升至2018年的0.059，說明城鎮(zhèn)化率對縣域經(jīng)濟(jì)的影響程度逐漸增大，但不顯著。系數(shù)最大值和最小值的差從2008年的0.037上升至2018年的0.044，說明城鎮(zhèn)化率對縣域經(jīng)濟(jì)影響程度的空間異質(zhì)性逐漸增大，但不明顯。

不同等級分布變化方面，高值區(qū)2008—2018年范圍逐漸變小，主要集中在閩西、閩南的龍巖和漳州；低值區(qū)范圍較大，主要集中在閩東、閩北的寧德和南平。

4.6 第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重時空變化特征分析

第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重回歸系數(shù)空間分布如圖7所示。2008—2018年第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重與縣域經(jīng)濟(jì)發(fā)展基本呈正相關(guān)，2008、2018年的回歸系數(shù)均為正，2013年的回歸系數(shù)正值率為98.2%，說明第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重對大部分縣域經(jīng)濟(jì)發(fā)展具有正向作用。2013年的回歸系數(shù)負(fù)值出現(xiàn)在龍巖，有可能是由于其產(chǎn)業(yè)結(jié)構(gòu)層次和產(chǎn)業(yè)生產(chǎn)效率還處于較低水平?？傮w上看，2008—2018年第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重的回歸系數(shù)由南向北逐漸增大，呈南低北高分布格局。其中，2008年的最大值0.018位于平潭綜合實驗區(qū)，最小值0.001位于龍巖的武平縣；2013年的最大值0.033位于閩東的壽寧縣，最小值-0.001位于龍巖的武平縣；2018年的最大值0.027位于閩東的福鼎市，最小值0.002位于閩南的詔安縣。

圖7 第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重回歸系數(shù)空間分布

回歸系數(shù)的平均值從2008年的0.012上升至2018年的0.015，說明第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重對縣域經(jīng)濟(jì)的影響程度變化不大。系數(shù)最大值和最小值的差從2008年的0.017上升至2018年的0.025，說明第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重對縣域經(jīng)濟(jì)影響程度的空間異質(zhì)性變化較小。

不同等級分布變化方面，各等級區(qū)域2008—2018年變化較小，高值區(qū)前5a間增加了寧德部分區(qū)域，減少了福州、莆田部分區(qū)域，后5a間基本沒有變化，保持在閩北的南平市和閩東的寧德市；低值區(qū)范圍較大，前5a間從閩西擴(kuò)張至閩西的龍巖和閩南的漳州，后5a間基本沒有變化。

5 小結(jié)與討論

5.1 小結(jié)

本研究綜合利用全局空間自相關(guān)分析、地理加權(quán)回歸分析等方法，對福建省55個縣域2008—2018年縣域經(jīng)濟(jì)時空演化特征和影響因素進(jìn)行分析，得到以下結(jié)論。

1）福建省縣域經(jīng)濟(jì)發(fā)展水平逐漸提高，4個地區(qū)發(fā)展變化表現(xiàn)為：閩東地區(qū)各縣域之間的經(jīng)濟(jì)發(fā)展差距先縮小后擴(kuò)大，出現(xiàn)發(fā)展不協(xié)調(diào)的問題，其余3個地區(qū)各縣域之間的差距正逐漸縮小，區(qū)域經(jīng)濟(jì)發(fā)展的協(xié)調(diào)度不斷提升。

2）2008—2018年，福建省縣域經(jīng)濟(jì)發(fā)展之間存在高度的空間自相關(guān)性，表明各縣域之間經(jīng)濟(jì)發(fā)展關(guān)聯(lián)性較強，集聚程度高，存在明顯的空間溢出效應(yīng)。

3）影響因素分析方面，除消費水平對縣域經(jīng)濟(jì)發(fā)展為正向作用，其余影響因素的作用有正有負(fù)，對縣域經(jīng)濟(jì)發(fā)展的影響分異明顯。將影響因素按貢獻(xiàn)程度從大到小排序：消費水平＞預(yù)算支出＞投資水平＞城鎮(zhèn)化率＞第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重，其中城鎮(zhèn)化率和第二、三產(chǎn)業(yè)生產(chǎn)值占GDP比重的單位變化對縣域經(jīng)濟(jì)發(fā)展的影響不顯著。

5.2 討論

福建省縣域人均GDP還有較大提升空間，區(qū)域間關(guān)聯(lián)性較強。從影響因素貢獻(xiàn)程度來看，要提高福建省縣域經(jīng)濟(jì)的發(fā)展水平首先要刺激消費，大力發(fā)展消費品零售業(yè)，通過行政手段調(diào)度資源，拉動消費，提振內(nèi)需。政府也可通過出臺一些稅費減免、租金優(yōu)惠等政策，促進(jìn)地區(qū)實體經(jīng)濟(jì)的發(fā)展。

其次，要加大各地區(qū)招商引資的力度，立足本地優(yōu)勢資源和營商環(huán)境，利用多樣化宣傳手段，提高固定資產(chǎn)投資水平，加快產(chǎn)業(yè)升級轉(zhuǎn)型，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。

再次，合理管控政府財政支出，加大對基礎(chǔ)設(shè)施建設(shè)的支持力度，為城鎮(zhèn)化和產(chǎn)業(yè)發(fā)展提供良好的基礎(chǔ)；增加科教支出，有利于第三產(chǎn)業(yè)擴(kuò)大就業(yè)，對促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整具有重要作用［33］。

最后，提高城鎮(zhèn)化發(fā)展質(zhì)量，加快人口城鎮(zhèn)化，提高勞動力素質(zhì)和競爭力，對提升消費水平具有促進(jìn)作用，進(jìn)而影響經(jīng)濟(jì)增長［34］；空間城鎮(zhèn)化對拉動投資具有顯著效應(yīng)，城鎮(zhèn)化發(fā)展與產(chǎn)業(yè)發(fā)展相輔相成，因此，提高城鎮(zhèn)化水平將帶動縣域第二、三產(chǎn)業(yè)發(fā)展，是縣域經(jīng)濟(jì)發(fā)展的強勁動力。