黃河流域開(kāi)發(fā)區(qū)空間分布及影響因素研究

郭愛(ài)君，馬雪梅，鐘方雷，張永年，楊春林

(蘭州大學(xué) 經(jīng)濟(jì)學(xué)院，甘肅 蘭州 730000)

黃河流域經(jīng)濟(jì)高質(zhì)量發(fā)展是實(shí)現(xiàn)黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展戰(zhàn)略的應(yīng)有之義[1]。開(kāi)發(fā)區(qū)是較普遍的城市生產(chǎn)活動(dòng)的主要空間載體[2],是各類產(chǎn)業(yè)集聚和生產(chǎn)的功能區(qū),是推動(dòng)地區(qū)經(jīng)濟(jì)增長(zhǎng)的關(guān)鍵節(jié)點(diǎn),是調(diào)整產(chǎn)業(yè)結(jié)構(gòu)的重要力量[3]。已有研究表明,改革開(kāi)放以后,擁有政策支持的開(kāi)發(fā)區(qū)在早期對(duì)城市經(jīng)濟(jì)發(fā)展具有積極的促進(jìn)作用[4]。在沿海城市經(jīng)濟(jì)增長(zhǎng)中,與政府對(duì)開(kāi)發(fā)區(qū)的優(yōu)惠性政策同等重要的是地理位置的優(yōu)越性[5],優(yōu)勢(shì)產(chǎn)業(yè)區(qū)會(huì)進(jìn)一步加速區(qū)域資源集聚,進(jìn)而推動(dòng)經(jīng)濟(jì)發(fā)展[6]。黃河流域開(kāi)發(fā)區(qū)作為地區(qū)經(jīng)濟(jì)活動(dòng)的重要載體,經(jīng)過(guò)近40年的發(fā)展,該流域開(kāi)發(fā)區(qū)加速了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,推動(dòng)了經(jīng)濟(jì)發(fā)展,但也出現(xiàn)了亟待解決的嚴(yán)重問(wèn)題,如金屬、化工等產(chǎn)業(yè)出現(xiàn)趨同現(xiàn)象,粗放型土地利用模式[7],無(wú)序擴(kuò)張導(dǎo)致地區(qū)秩序混亂,資源浪費(fèi)嚴(yán)重[8],上中下游發(fā)展不平衡,欠發(fā)達(dá)地區(qū)集中分布于黃河流域中上游七省等諸多問(wèn)題。因此,研究黃河流域開(kāi)發(fā)區(qū)主導(dǎo)產(chǎn)業(yè)空間分布特征和影響因素,對(duì)優(yōu)化開(kāi)發(fā)區(qū)空間分布格局、合理利用有限資源,提高發(fā)展效率有重要作用。

開(kāi)發(fā)區(qū)空間布局與影響因素一直是學(xué)者研究的重點(diǎn)議題。陳漢欣認(rèn)為布局高新技術(shù)開(kāi)發(fā)區(qū)時(shí)應(yīng)更多考慮工業(yè)基礎(chǔ)、政策和地理因素[9]。張曉平認(rèn)為開(kāi)發(fā)區(qū)的建設(shè)強(qiáng)化了所在城市的中心地位,通過(guò)規(guī)劃手段和政策傾斜能夠合理規(guī)劃城市空間結(jié)構(gòu),使城市整體進(jìn)入良性發(fā)展循環(huán)[10]。劉亮等研究發(fā)現(xiàn)沿著“開(kāi)發(fā)區(qū)空間集群—產(chǎn)業(yè)集群—?jiǎng)?chuàng)新集群—產(chǎn)業(yè)結(jié)構(gòu)”的鏈條,創(chuàng)新網(wǎng)絡(luò)與創(chuàng)業(yè)資源、科技產(chǎn)業(yè)的互動(dòng)機(jī)制對(duì)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)具有持續(xù)推動(dòng)的作用[11]。高超等研究了經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)在我國(guó)沿海地區(qū)的空間分布格局和產(chǎn)業(yè)特征,發(fā)現(xiàn)該地區(qū)的開(kāi)發(fā)區(qū)空間分布呈現(xiàn)顯著集聚特征[12]。胡森林等認(rèn)為開(kāi)發(fā)區(qū)的級(jí)別和類型對(duì)空間集聚具有顯著影響,且開(kāi)發(fā)區(qū)空間分布格局是自然條件、經(jīng)濟(jì)和政策等三大因素交互作用的結(jié)果[13]。何則等研究了不同主導(dǎo)產(chǎn)業(yè)經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)的空間分布特征,分析了產(chǎn)業(yè)集聚規(guī)模與集聚強(qiáng)度,并分析了經(jīng)開(kāi)區(qū)技術(shù)密集型產(chǎn)業(yè)集聚的影響因素,結(jié)果表明交通和要素稟賦等對(duì)開(kāi)發(fā)區(qū)影響巨大[14]。

從研究區(qū)域?qū)ο笊峡?目前開(kāi)發(fā)區(qū)研究大多從全國(guó)層面和東部沿海研究開(kāi)發(fā)區(qū)的分布狀況,基于江河流域等層面開(kāi)發(fā)區(qū)空間布局及優(yōu)化研究成果尤其缺乏。因此,本文使用最鄰近距離指數(shù)[15]、Ripley′K函數(shù)和核密度估計(jì)等方法并輔以ArcGIS軟件分析黃河流域開(kāi)發(fā)區(qū)空間格局和產(chǎn)業(yè)分布特征,并采用時(shí)空地理加權(quán)回歸模型[16]研究開(kāi)發(fā)區(qū)的影響因素,為黃河流域開(kāi)發(fā)區(qū)空間結(jié)構(gòu)優(yōu)化整合、產(chǎn)業(yè)轉(zhuǎn)型升級(jí)提供參考。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

本文研究黃河流域自然范圍內(nèi)9省區(qū)73個(gè)地級(jí)市的408個(gè)國(guó)家級(jí)和省級(jí)開(kāi)發(fā)區(qū)。開(kāi)發(fā)區(qū)基礎(chǔ)數(shù)據(jù)來(lái)源于《中國(guó)開(kāi)發(fā)區(qū)審核公告目錄(2018版)》[17]《中國(guó)開(kāi)發(fā)區(qū)年鑒》[18]以及各開(kāi)發(fā)區(qū)官網(wǎng)。數(shù)據(jù)包括開(kāi)發(fā)區(qū)名稱、所在省市、設(shè)立年份、核準(zhǔn)面積和主導(dǎo)產(chǎn)業(yè)等。產(chǎn)業(yè)類型劃分依據(jù):按照《中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)國(guó)民經(jīng)濟(jì)行業(yè)分類(GB/T4754—2017)》中的二級(jí)行業(yè)分類;根據(jù)行業(yè)特征將部分行業(yè)合并為一類產(chǎn)業(yè),如裝備制造主導(dǎo)型包含裝備制造、高端制造、機(jī)械裝備、工程機(jī)械等行業(yè),電力能源主導(dǎo)型產(chǎn)業(yè)將電力、新能源等產(chǎn)業(yè)歸為一類產(chǎn)業(yè);未在國(guó)民經(jīng)濟(jì)行業(yè)分類中出現(xiàn)的行業(yè)或者無(wú)法界定行業(yè)類型的行業(yè)均保留原來(lái)名稱,如新材料等。根據(jù)有效性、代表性原則,研究?jī)r(jià)值較高的開(kāi)發(fā)區(qū)是主導(dǎo)占總產(chǎn)業(yè)頻次大于5%的開(kāi)發(fā)區(qū)(見(jiàn)表1)。因邊境/跨境經(jīng)濟(jì)合作區(qū)等類型開(kāi)發(fā)區(qū)數(shù)量過(guò)少,暫不包括此類開(kāi)發(fā)區(qū)。

表1 開(kāi)發(fā)區(qū)類型劃分Tab.1 Development zone type division

1.2 空間分布分析方法

1.2.1 最鄰近點(diǎn)距離指數(shù) 最鄰近點(diǎn)距離指數(shù)將各類開(kāi)發(fā)區(qū)作為點(diǎn)狀要素反映開(kāi)發(fā)區(qū)空間分布特征,公式如下:

(1)

1.2.2 Ripley′K函數(shù) 本文運(yùn)用Ripley′K函數(shù)研究黃河流域各類開(kāi)發(fā)區(qū)的集聚強(qiáng)度和規(guī)模,公式如下:

(2)

(3)

式中:i,j=1,2,…,n;i≠j;n為參與分析的開(kāi)發(fā)區(qū)總數(shù);wij(t)為在距離t范圍內(nèi)點(diǎn)i與點(diǎn)j之間的距離;A為面積;π為圓周率。L(t)與距離t的關(guān)系圖可以用于驗(yàn)證依賴于尺度t的各類開(kāi)發(fā)區(qū)的空間分布格局。L(t)>0表示呈現(xiàn)集聚分布的趨勢(shì);當(dāng)L(t)<0表示呈現(xiàn)擴(kuò)散分布的趨勢(shì);L(t)=0表示呈現(xiàn)隨機(jī)分布的趨勢(shì)。L(t)的置信區(qū)間采用Monte Carlo方法求得。

1.2.3 核密度估計(jì)(KDE)本文運(yùn)用核密度估計(jì)能夠直觀反映基于主導(dǎo)產(chǎn)業(yè)特征的各類開(kāi)發(fā)區(qū)空間集聚特征,核密度估計(jì)值越高,表示基于主導(dǎo)產(chǎn)業(yè)特征的各類開(kāi)發(fā)區(qū)分布越密集,公式如下:

(4)

式中:x為待估計(jì)的開(kāi)發(fā)區(qū)位置,xi為已知獨(dú)立的開(kāi)發(fā)區(qū)樣本點(diǎn),h為搜索閾值,n為開(kāi)發(fā)區(qū)的個(gè)數(shù);d為數(shù)據(jù)的維數(shù)。利用ArcGIS中Kernel Density分析工具可以得到連續(xù)的核密度圖,以此探測(cè)各類開(kāi)發(fā)區(qū)的集聚區(qū)域分布。

1.2.4 時(shí)空地理加權(quán)回歸模型(GTWR)地理加權(quán)回歸能夠有效解決開(kāi)發(fā)區(qū)在回歸問(wèn)題中的空間異質(zhì)性,還能反映開(kāi)發(fā)區(qū)各影響因素對(duì)產(chǎn)業(yè)集聚的作用,但是忽略了時(shí)間效應(yīng),時(shí)空地理加權(quán)回歸模型將時(shí)間要素引入GWR模型,從時(shí)空緯度分析基于主導(dǎo)產(chǎn)業(yè)特征的各類開(kāi)發(fā)區(qū)分布的影響因素,從而找出影響開(kāi)發(fā)區(qū)分布的重要因素。公式如下:

(5)

式中:i=1,2,…,n;t=1,2,3,…，T；(ui,vi,ti)是第i個(gè)開(kāi)發(fā)區(qū)的時(shí)空坐標(biāo)；βk(ui,vi,ti)是回歸系數(shù)；εi表示隨機(jī)誤差。時(shí)空地理加權(quán)回歸模型通過(guò)構(gòu)造時(shí)空權(quán)重矩陣,檢驗(yàn)回歸系數(shù)是否隨時(shí)間和空間位置發(fā)生變化,以解決地理加權(quán)回歸忽略的時(shí)間效應(yīng),能夠更好地反映每個(gè)變量回歸系數(shù)的時(shí)空非平穩(wěn)性變化規(guī)律。

2 結(jié)果分析

2.1 黃河流域開(kāi)發(fā)區(qū)空間分布總體特征

通過(guò)核密度估計(jì)可以直觀反映黃河流域開(kāi)發(fā)區(qū)空間分布總體特征,從圖1可以看出,黃河流域開(kāi)發(fā)區(qū)總體呈東密西疏、南密北疏、東強(qiáng)西弱、南強(qiáng)北弱,集聚度最高的地區(qū)是中下游的陜西,河南和山東三省,其他省份集聚度不明顯,呈顯著集聚的多核心分布特征。上游青海、甘肅、寧夏、四川阿壩藏族羌族自治州和內(nèi)蒙古等5個(gè)地區(qū)共126個(gè)開(kāi)發(fā)區(qū),占據(jù)整個(gè)黃河流域開(kāi)發(fā)區(qū)的30.88%,經(jīng)濟(jì)發(fā)展主要依托于以資源稟賦類的傳統(tǒng)產(chǎn)業(yè),開(kāi)發(fā)區(qū)建設(shè)主要以食品、金屬加工等傳統(tǒng)行業(yè)為主,上游經(jīng)濟(jì)在發(fā)展過(guò)程中存在天然劣勢(shì),人口密度低,一半以上地區(qū)是高原山地,公鐵里程、飛機(jī)航線密度均低于下游地區(qū),而且隨著近年來(lái)我國(guó)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)不斷加快,非農(nóng)產(chǎn)業(yè)發(fā)展不足的黃河流域上游逐漸失去產(chǎn)業(yè)競(jìng)爭(zhēng)力優(yōu)勢(shì),傳統(tǒng)產(chǎn)業(yè)布局較多的黃河流域中游逐漸失去產(chǎn)業(yè)結(jié)構(gòu)優(yōu)勢(shì)。中游地區(qū)共擁有73個(gè)開(kāi)發(fā)區(qū),占開(kāi)發(fā)區(qū)總數(shù)的17.89%;下游地區(qū)共有209個(gè)開(kāi)發(fā)區(qū),占開(kāi)發(fā)區(qū)總數(shù)的51.22%。中下游地區(qū)具有天然的地理優(yōu)勢(shì),上擁接京津冀,下接長(zhǎng)三角,資源稟賦類產(chǎn)業(yè)和第三產(chǎn)業(yè)同步發(fā)展,人口集中分布,工業(yè)實(shí)力強(qiáng)勁,對(duì)外開(kāi)放程度較高,人才吸引力較大,更容易聚集較為國(guó)內(nèi)外高端生產(chǎn)要素,產(chǎn)業(yè)結(jié)構(gòu)與競(jìng)爭(zhēng)力由劣轉(zhuǎn)優(yōu)[19],這也是造成中下游開(kāi)發(fā)區(qū)密度高于上游的重要原因。

圖1 開(kāi)發(fā)區(qū)核密度估計(jì)Fig.1 Kernel density estimation for development zones

2.2 各類開(kāi)發(fā)區(qū)空間集聚性分析

最鄰近點(diǎn)距離指數(shù)結(jié)果如表2所示,置信區(qū)間在0～0.001,表示指數(shù)結(jié)果極其顯著,最鄰近點(diǎn)距離指數(shù)均在0～1,說(shuō)明基于產(chǎn)業(yè)主導(dǎo)的各類開(kāi)發(fā)區(qū)均呈集聚分布。產(chǎn)業(yè)主導(dǎo)型開(kāi)發(fā)區(qū)呈集聚分布時(shí)R值在0.47～0.65之間;產(chǎn)業(yè)主導(dǎo)型開(kāi)發(fā)區(qū)更接近隨機(jī)分布時(shí)R值在0.65～1之間。由表2可知,食品行業(yè)主導(dǎo)型、生物醫(yī)藥主導(dǎo)型、電力能源主導(dǎo)型等三類開(kāi)發(fā)區(qū)呈集聚-隨機(jī)分布模式,分布模式相較于前4類開(kāi)發(fā)區(qū)而言并不顯著,表現(xiàn)為集聚與隨機(jī)的過(guò)渡狀態(tài)。通信電子制造業(yè)、商貿(mào)服務(wù)主導(dǎo)型、裝備制造主導(dǎo)型、新材料主導(dǎo)型等對(duì)集聚程度高于其他類型,原因在于這幾類產(chǎn)業(yè)對(duì)產(chǎn)業(yè)集群、專業(yè)化、技術(shù)外溢、市場(chǎng)規(guī)模、人力資源等要求較高?；ば袠I(yè)主導(dǎo)型、金屬加工主導(dǎo)型、食品行業(yè)主導(dǎo)型、電力能源主導(dǎo)型等屬于資源稟賦類產(chǎn)業(yè),為了提高資源利用率,降低成本,大多依賴于礦產(chǎn)、土地、水利等自然資源,因此集聚度低于通信電子等產(chǎn)業(yè)。生物醫(yī)藥行業(yè)雖然屬于國(guó)家重要的戰(zhàn)略性新興產(chǎn)業(yè),但黃河流域整體發(fā)展水平低于長(zhǎng)江流域和沿海地區(qū),技術(shù)不成熟,缺少高技術(shù)人員,導(dǎo)致集聚度弱于其他產(chǎn)業(yè)[20]。

表2 各類開(kāi)發(fā)區(qū)空間集聚分析Tab.2 Analysis of spatial agglomeration of development zones

2.3 各類開(kāi)發(fā)區(qū)集聚強(qiáng)度和規(guī)模分析

從圖2可以看出,L(t)曲線代表各類開(kāi)發(fā)區(qū)的集聚特征,且顯著性檢驗(yàn)全部通過(guò)?；ば袠I(yè)主導(dǎo)型、新材料主導(dǎo)型、裝備制造主導(dǎo)型的L(t)值均大于零,且其集聚強(qiáng)度隨著空間距離的增加基本都呈先增加后減小的規(guī)律,表明各類開(kāi)發(fā)區(qū)的空間分布格局均呈顯著單峰值集聚狀態(tài)。這3類開(kāi)發(fā)區(qū)達(dá)到峰值的最大空間距離為244 km、205 km、163 km,由此可知這3類開(kāi)發(fā)區(qū)在較大空間范圍內(nèi)表現(xiàn)出單核心集聚特性。金屬加工主導(dǎo)型和通信電子主導(dǎo)型L(t)值接近0,其集聚強(qiáng)度總體上呈波動(dòng)增加緩慢下降的規(guī)律,呈多峰值集聚分布。這2類呈現(xiàn)特征,說(shuō)明開(kāi)發(fā)區(qū)空間區(qū)位集聚距離范圍較小,指向于資源豐富、市場(chǎng)規(guī)模龐大、產(chǎn)業(yè)集聚程度高、人力資源豐富的黃河流域中下游城市(群)地區(qū)布局。電力能源、生物醫(yī)藥、食品行業(yè)這3類主導(dǎo)型產(chǎn)業(yè)開(kāi)發(fā)區(qū)的L(t)值隨著空間距離的增加先波動(dòng)上升后緩慢下降,商貿(mào)服務(wù)主導(dǎo)型的L(t)在短距離內(nèi)達(dá)到峰值后迅速下降。到達(dá)一定距離后,這4類開(kāi)發(fā)區(qū)的L(t)均小于零,其達(dá)到零值的空間距分別為436 km、346 km、384 km、257 km,表現(xiàn)出集聚特征但集聚性不強(qiáng),在空間上是一個(gè)擴(kuò)散分布的模式。

2.4 各類開(kāi)發(fā)區(qū)空間集聚區(qū)域探測(cè)

圖3是黃河流域各類開(kāi)發(fā)區(qū)的空間分布核密度圖,通信電子、化工行業(yè)、新材料、裝備制造等四類開(kāi)發(fā)區(qū)均呈單核心集聚形態(tài)分布在黃河流域下游地區(qū)。黃河流域下游地區(qū)是黃河流域人口最為集中、經(jīng)濟(jì)發(fā)展最為活躍的地區(qū),大批制高端造業(yè)在該地區(qū)集聚分布,得天獨(dú)厚的地理位置、常年積累的大量資本、發(fā)達(dá)的工業(yè)體系、完善的交通網(wǎng)絡(luò)、強(qiáng)有力的政策支持、廣闊的市場(chǎng)等造就了這四類開(kāi)發(fā)區(qū)的集聚形態(tài)。電力能源、商貿(mào)服務(wù)、生物醫(yī)藥、食品行業(yè)、金屬加工等基于主導(dǎo)產(chǎn)業(yè)特征的五類開(kāi)發(fā)區(qū)占據(jù)黃河流域大部分地區(qū),上中下游皆有集聚,而且主要集中在省會(huì)城市,表現(xiàn)為多核心的集聚形態(tài)。電力能源、金屬加工導(dǎo)型主要集聚分布于甘肅、內(nèi)蒙古、河南等礦產(chǎn)資源豐富地區(qū);商貿(mào)服務(wù)主導(dǎo)型主要集聚在陜西、河南等物流行業(yè)發(fā)達(dá)、交通便利的地區(qū);生物醫(yī)藥主要分布在甘肅、陜西、河南和山東的部分地區(qū),原因在于上游地區(qū)的土壤、氣候適宜中草藥的生長(zhǎng),中下游地區(qū)的技術(shù)能夠支持醫(yī)藥研制和生產(chǎn);食品行業(yè)主導(dǎo)型依賴農(nóng)林牧漁資源,糧食作物主要集聚在河套平原、華北平原和黃淮海平原,畜牧業(yè)大多在草場(chǎng)資源豐富的內(nèi)蒙古,漁業(yè)在水資源豐富的河流沿岸地區(qū),農(nóng)副產(chǎn)品加工根據(jù)上游產(chǎn)業(yè)延伸而來(lái),因此大多集中相關(guān)農(nóng)業(yè)的生產(chǎn)地區(qū)[21]。

圖2 開(kāi)發(fā)區(qū)Ripley L(t)指數(shù)分析Fig.2 Analysis of Ripley L(t)index of development zone

2.5 開(kāi)發(fā)區(qū)空間分布影響因素的實(shí)證分析

2.5.1 指標(biāo)體系構(gòu)建 開(kāi)發(fā)區(qū)是以城市為載體,城市的經(jīng)濟(jì)條件和科技創(chuàng)新優(yōu)勢(shì)能夠決定開(kāi)發(fā)區(qū)的規(guī)模和數(shù)量,開(kāi)發(fā)區(qū)運(yùn)用這些優(yōu)勢(shì)引進(jìn)眾多企業(yè),擴(kuò)大產(chǎn)業(yè)集聚規(guī)模,提升開(kāi)發(fā)區(qū)整體實(shí)力,進(jìn)而帶動(dòng)城市經(jīng)濟(jì)發(fā)展;同時(shí),開(kāi)發(fā)區(qū)的發(fā)展也會(huì)受城市的環(huán)境狀況的制約。按照系統(tǒng)性、整體性、科學(xué)性、代表性以及可獲得性原則,本文從經(jīng)濟(jì)因素、環(huán)境因素、科技創(chuàng)新三大維度研究開(kāi)發(fā)區(qū)不同主導(dǎo)產(chǎn)業(yè)的空間分布,通過(guò)各大城市統(tǒng)計(jì)年鑒選取2008—2017年中國(guó)城市數(shù)據(jù),用工業(yè)總產(chǎn)值作為因變量描述開(kāi)發(fā)區(qū)發(fā)展的整體實(shí)力,選擇8個(gè)因素作為解釋變量構(gòu)建指標(biāo)體系(見(jiàn)表3)。

1)經(jīng)濟(jì)因素:人均國(guó)內(nèi)生產(chǎn)總值反映城市經(jīng)濟(jì)發(fā)展?fàn)顩r,城市固定資產(chǎn)投資反映固定資產(chǎn)的投資規(guī)模,城鎮(zhèn)化率反映城市發(fā)展速度,外商投資額占GDP比重反映城市經(jīng)濟(jì)的對(duì)外開(kāi)放性程度。

2)環(huán)境因素:工業(yè)固體廢物綜合利用率反映城市對(duì)污染的整治力度。

3)科技創(chuàng)新:采用科技教育支出和每萬(wàn)人在校大學(xué)生數(shù)表示科技創(chuàng)新投入,科技創(chuàng)新產(chǎn)出用發(fā)明專利授權(quán)量表示。

2.5.2 OLS基準(zhǔn)估計(jì) OLS模型剔除研究數(shù)據(jù)中的時(shí)間和空間要素如表4所示,OLS模型的擬合優(yōu)度R2為0.828 9,統(tǒng)計(jì)結(jié)果顯著。回歸結(jié)果顯示,由p值可得,除每萬(wàn)人在校大學(xué)生數(shù)外,其他變量均呈顯著狀態(tài)。人均國(guó)內(nèi)生產(chǎn)總值、城市固定資產(chǎn)投資、工業(yè)固體廢物綜合利用率和科技教育支出等變量的t值均大于5,明顯與工業(yè)總產(chǎn)值呈正相關(guān),這4個(gè)變量每增加一單位,工業(yè)總產(chǎn)值相應(yīng)增加0.839 7、0.158 0、0.029 2和0.090 6。說(shuō)明人均國(guó)內(nèi)生產(chǎn)總值越高,經(jīng)濟(jì)發(fā)展活力更強(qiáng),城市固定資產(chǎn)投資越多,城市基礎(chǔ)建設(shè)發(fā)展水平越高,工業(yè)固體廢物綜合利用率越高,產(chǎn)業(yè)轉(zhuǎn)型升級(jí)速度加快,對(duì)生態(tài)環(huán)境更加友好,科技教育支出越多,提升城市教育水平,增添創(chuàng)新活力。城鎮(zhèn)化率和發(fā)明專利授權(quán)量與工業(yè)總產(chǎn)值呈負(fù)相關(guān),這兩個(gè)變量每增加一單位,工業(yè)總產(chǎn)值相應(yīng)減少0.026 3和0.001 4,說(shuō)明這兩個(gè)變量會(huì)阻礙城市經(jīng)濟(jì)發(fā)展。

圖3 各類開(kāi)發(fā)區(qū)核密度估計(jì)Fig.3 Kernel density estimation in various development zones

表3 開(kāi)發(fā)區(qū)空間分布影響因素指標(biāo)體系Tab.3 Index system of influencing factors of spatial distribution in development zones

表4 OLS參數(shù)估計(jì)結(jié)果Tab.4 OLS parameter estimation results

2.5.3 TWR、GWR和GTWR局部估計(jì) 對(duì)TWR、GWR和GTWR模型進(jìn)行分析如表5所示,分別比較這3個(gè)模型的屬性值,發(fā)現(xiàn)每個(gè)模型所對(duì)應(yīng)的值均不相同,且變化較大。在TWR模型中僅考慮時(shí)間因素,不考慮空間因素,R2值是0.883 4;在GWR模型中僅考慮空間因素,剔除時(shí)間因素,R2值為0.943 4;在GTWR模型中同時(shí)加入時(shí)間和空間因素后,R2值為0.964 1,這3個(gè)模型的擬合優(yōu)度均優(yōu)于OLS基準(zhǔn)估計(jì),其中GTWR模型優(yōu)于其他3個(gè)模型,擬合優(yōu)度極其顯著。由于OLS、TWR、GWR和GTWR模型的自由度不同,本文采用AIC信息準(zhǔn)則考慮不同模型的自由度。OLS、TWR、GWR和GTWR模型的AIC值分別為193.514 7、-7.611 2、-355.07和-406.794,下降趨勢(shì)明顯,且差距遠(yuǎn)超3,表明模型改進(jìn)非常顯著。通過(guò)比較RSS和殘差標(biāo)準(zhǔn)誤,下降趨勢(shì)明顯的結(jié)果均表明GTWR比TWR、GWR和OLS模型提供了更好的數(shù)據(jù)擬合。

表5 模型回歸屬性對(duì)比Tab.5 Model regression attributes

鑒于基于GWR的模型(TWR、GWR和GTWR)在統(tǒng)計(jì)上是有效的,還有一個(gè)重要的問(wèn)題是如何判斷回歸系數(shù)中是否存在時(shí)空非平穩(wěn)性變化?？紤]效率和便利性,采用Leung 等(2002)提出的F統(tǒng)計(jì)假設(shè)檢驗(yàn)方式,判斷是否存在非平穩(wěn)性[22],假設(shè)檢驗(yàn)如下所示:

H0:β1k=β2k=β3k=…=βnk

(6)

H1:βik(i=1,2,…,n)

(7)

在假設(shè)中,F值越大,p值越小,則表明支持替代性假設(shè)H1;F值越小,p值越大,則表明支持零假設(shè)H0。給定置信水平為0.05,通過(guò)比較p值,p<0.05,則拒絕H0,p>0.05,則接受H0。表6列出了TWR、GWR和GTWR模型的F值和p值。在TWR模型中,所有參數(shù)的p值均大于0.05,不存在時(shí)空變化。在GWR模型中,城鎮(zhèn)化率的p值小于0.05,存在顯著的時(shí)間變化,但在TWR和GTWR模型中不存在時(shí)空變化,其他參數(shù)存在不存在時(shí)空變化,說(shuō)明GWR模型優(yōu)于TWR模型,變量的空間變化大于時(shí)間變化。在GTWR模型中,外商直接投資占GDP比重、工業(yè)固體廢物綜合利用率、每萬(wàn)人在校大學(xué)生數(shù)的p值小于0.05,存在顯著的時(shí)空變化,其他參數(shù)不存在時(shí)空變化,GTWR模型中的非平穩(wěn)性變量個(gè)數(shù)多于TWR和GTWR模型,說(shuō)明GTWR模型能夠更好地反映變量的時(shí)空變化。

表6 在TWR、GWR和GTWR模型中參數(shù)的非平穩(wěn)性檢驗(yàn)Tab.6 Nonstationarity of parameters in the TWR,GWR,and GTWR models

3 結(jié)論

本文使用核密度估計(jì)、最鄰近指數(shù)、Ripley′K函數(shù)和時(shí)空地理加權(quán)回歸研究了黃河流域內(nèi)408個(gè)開(kāi)發(fā)區(qū)的總體分布、集聚強(qiáng)度、規(guī)模特征和影響因素。主要發(fā)現(xiàn)如下:

1)開(kāi)發(fā)區(qū)總體上呈顯著集聚分布特征,核密度估計(jì)圖顯示東部集聚度顯著高于西部,且以各省省會(huì)城市為中心形成密集分布區(qū)域,中下游地區(qū)山西、陜西、河南、山東四省集聚了黃河流域69.72%的開(kāi)發(fā)區(qū),上游地區(qū)集聚度顯著低于中下游地區(qū),且集聚效應(yīng)并不明顯。

2)不同類別的開(kāi)發(fā)區(qū)隨著空間距離的增加集聚強(qiáng)度和集聚規(guī)?；径汲什▌?dòng)性得先增后減規(guī)律,但是依舊有顯著差別,而且集聚規(guī)模越大,集聚強(qiáng)度卻不一定越強(qiáng),如裝備制造主導(dǎo)型產(chǎn)業(yè)的集聚規(guī)模大于化工行業(yè)主導(dǎo)型產(chǎn)業(yè),但是其集聚強(qiáng)度卻小于化工行業(yè)主導(dǎo)型產(chǎn)業(yè)。

3)因?yàn)槎喾N因素的影響,不同類別的開(kāi)發(fā)區(qū)分布在不同區(qū)域,通信電子、新材料、裝備制造等集高端設(shè)備、最新技術(shù)、大量資本、先進(jìn)知識(shí)于一體的產(chǎn)業(yè)主要集聚在流域下游地區(qū),食品行業(yè)、生物醫(yī)藥、金屬加工等資源稟賦類產(chǎn)業(yè)主要集聚在中上游地區(qū)。

4)利用2008—2017年黃河流域地級(jí)市數(shù)據(jù),通過(guò)OLS基準(zhǔn)估計(jì),TWR、GWR和GTWR等局部模型估計(jì)比較,發(fā)現(xiàn)GTWR模型在分析影響因素時(shí)R2明顯高于其他模型,AIC值低于其他模型,說(shuō)明GTWR模型是分析開(kāi)發(fā)區(qū)影響因素的最優(yōu)模型。GTWR考慮了各個(gè)變量在不同的時(shí)間對(duì)工業(yè)總產(chǎn)值影響的差異性,并發(fā)現(xiàn)外商直接投資占GDP比重、工業(yè)固體廢物綜合利用率、每萬(wàn)人在校大學(xué)生數(shù)等3個(gè)變量具有顯著的時(shí)空變化,其余變量均不存在時(shí)空變化。運(yùn)用時(shí)空地理加權(quán)回歸可以分析開(kāi)發(fā)區(qū)不同因素的時(shí)空波動(dòng)變化,找到影響開(kāi)發(fā)區(qū)轉(zhuǎn)型升級(jí)的重要時(shí)空因素,從而輔助政府做出決策,推動(dòng)開(kāi)發(fā)區(qū)的發(fā)展。

4 建議

基于以上結(jié)論,結(jié)合黃河流域高質(zhì)量發(fā)展戰(zhàn)略和雙循環(huán)發(fā)展新格局,為推動(dòng)地區(qū)平衡發(fā)展,優(yōu)化開(kāi)發(fā)區(qū)產(chǎn)業(yè)布局,本文提出以下建議:

1)中上游地區(qū)集聚度較高且污染嚴(yán)重的是電力能源、化工行業(yè)等,因此,推動(dòng)綠色生態(tài)園區(qū)建設(shè),對(duì)于環(huán)境污染嚴(yán)重且但經(jīng)濟(jì)效益較高的開(kāi)發(fā)區(qū),制定嚴(yán)格污染排放標(biāo)準(zhǔn),積極促進(jìn)區(qū)內(nèi)企業(yè)綠色技術(shù)創(chuàng)新和技術(shù)改造,不斷推進(jìn)傳統(tǒng)產(chǎn)業(yè)和現(xiàn)代科技的深度融合,提升工業(yè)企業(yè)的固體廢物綜合利用率,降低傳統(tǒng)產(chǎn)業(yè)對(duì)環(huán)境的破壞程度。

2)下游地區(qū)集聚度較高的是通信電子、新材料等高新技術(shù)行業(yè),因此,支持高新技術(shù)開(kāi)發(fā)區(qū)發(fā)展壯大,積極引進(jìn)國(guó)外高端資源和技術(shù),加強(qiáng)國(guó)內(nèi)外高新技術(shù)企業(yè)合作,深度融合國(guó)際產(chǎn)業(yè)鏈、供應(yīng)鏈、價(jià)值鏈,在此基礎(chǔ)上培育一批具有國(guó)際競(jìng)爭(zhēng)力的優(yōu)勢(shì)開(kāi)發(fā)區(qū)。

3)建立健全高校人才培養(yǎng)體系,提升學(xué)生自身科技創(chuàng)新水平,為流域高質(zhì)量發(fā)展提供各類高水平人才。大學(xué)生是地區(qū)經(jīng)濟(jì)發(fā)展的儲(chǔ)備力量,對(duì)開(kāi)發(fā)區(qū)發(fā)展具有長(zhǎng)遠(yuǎn)的顯著影響,因此,高校通過(guò)優(yōu)化內(nèi)設(shè)機(jī)構(gòu)職能,為大學(xué)生建立完善符合實(shí)際的激勵(lì)和考核機(jī)制,培養(yǎng)高水平大學(xué)生。建立短期校企聯(lián)合培養(yǎng)制度,為大學(xué)生群體提供實(shí)踐平臺(tái),解決所學(xué)知識(shí)與實(shí)際應(yīng)用不匹配問(wèn)題,提升專業(yè)能力,加強(qiáng)創(chuàng)新能力。