黃河流域經(jīng)濟(jì)時(shí)空分異特征及其影響因素分析

王家耀 李賀穎

摘 要：為厘清不同尺度下黃河流域經(jīng)濟(jì)發(fā)展的時(shí)空分異特征及其影響因素對(duì)黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展重大國(guó)家戰(zhàn)略實(shí)施的作用，通過搜集黃河流域九省（區(qū)）近20 a 共7個(gè)城市群、73個(gè)市域的經(jīng)濟(jì)數(shù)據(jù)，包括GDP、人均GDP、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值和第三產(chǎn)業(yè)產(chǎn)值，采用數(shù)理統(tǒng)計(jì)分析方法和空間統(tǒng)計(jì)分析方法，研究3個(gè)不同尺度下經(jīng)濟(jì)的時(shí)空分異特征及其影響因素。研究結(jié)果表明：①?gòu)恼w上看，黃河流域城市群間、省域間和市域之間GDP懸殊，而且隨著經(jīng)濟(jì)的快速發(fā)展，這種差異越來越大。②1999年和2019年的GDP和三大產(chǎn)業(yè)產(chǎn)值在空間上均呈現(xiàn)聚集效應(yīng)，Moran’s I值均通過顯著性檢驗(yàn)。呈“高高聚集”分布的城市主要分布在黃河流域東部山東半島城市群，呈“低低聚集”分布的城市主要分布在黃河流域西部蘭西城市群及其附近，分布格局較為穩(wěn)定。③城市群GDP主要與地形因素和利用外商投資額有關(guān);省域GDP主要與在崗職工人數(shù)、郵電業(yè)務(wù)總量和公路通車?yán)锍?，以及利用外商投資額等因素有關(guān);市域GDP主要與利用外商投資額、在崗職工人數(shù)、郵電業(yè)務(wù)總量和鐵路營(yíng)業(yè)里程，以及地形等因素有關(guān)。利用外商投資額在不同尺度下對(duì)經(jīng)濟(jì)均具有顯著性影響。

關(guān)鍵詞：經(jīng)濟(jì);時(shí)空分異特征;影響因素;空間自相關(guān);市域;城市群;省域;黃河流域

中圖分類號(hào)：K902;K921;TV882.1 文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1000-1379.2022.02.001

引用格式：王家耀，李賀穎.黃河流域經(jīng)濟(jì)時(shí)空分異特征及其影響因素分析[J].人民黃河，2022，44（2）：1-6，31.

Abstract： Clarifying the temporal and spatial differentiation characteristics and influencing factors of economic development in the Yellow River Basin at different scales is of great significance to the implementation of the major national strategy of ecological protection and high-quality development in the Yellow River Basin. By collecting the economic data （including GDP， per capita GDP， primary industry value， secondary industry value and tertiary industry value） of 7 urban agglomerations， 9 provinces （regions） and 73 city regions in the Yellow River Basin in recent 20 yeard， this paper uses mathematical statistical analysis methods and spatial statistical analysis methods to study the temporal and spatial differentiation characteristics and influencing factors of economy at three different scales. The results show that （a）on the whole， there are great differences in GDP among urban agglomerations， provinces and cities in the Yellow River Basin， and this gap is becoming larger and larger with the rapid development of economy. （b） The GDP and the three major industries value in 1999 and 2019 showed agglomeration effect in space， and Moran’s I passes the test. The cities with “high concentration” distribution are mainly distributed in Shandong peninsula urban agglomeration in the east of the Yellow River Basin， and the cities with "low concentration" distribution are mainly distributed in and near Lanxi urban agglomeration in the west of the Yellow River Basin. （c） The GDP of urban agglomeration is mainly related to topographic factors and the amount of foreign investment;Provincial GDP is mainly related to the number of on-the-job employees， the total post and telecommunications business and highway mileage， and the amount of foreign investment. Urban GDP is mainly related to the amount of foreign investment， the number of on-the-job employees， the total postal and telecommunications business and railway operating mileage and topographic factors. The amount of foreign investment has a significant impact on the economy at different scales.

Key words： economy;spatial and temporal variation characteristics;influence factors;spatial autocorrelation;city scale;urban agglomeration scale;provincial scale;Yellow River Basin

1 引 言

黃河流域的歷史悠久，文化遺產(chǎn)豐富，中國(guó)歷史上的“七大古都”有4座位于黃河流域及其鄰近地區(qū)，分別是安陽(yáng)、西安、洛陽(yáng)和開封。黃河流域擁有豐富的能源和礦產(chǎn)資源、農(nóng)牧土特產(chǎn)品資源和旅游資源。但是黃河流域經(jīng)濟(jì)發(fā)展相對(duì)滯后，與長(zhǎng)江經(jīng)濟(jì)帶的經(jīng)濟(jì)發(fā)展水平相差較大。2019年9月18日，習(xí)近平總書記在鄭州主持召開黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展座談會(huì)，將黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展上升為重大國(guó)家戰(zhàn)略[1]。為實(shí)施這一重大國(guó)家戰(zhàn)略，必須摸清黃河流域經(jīng)濟(jì)發(fā)展的時(shí)空分異特征及其影響因素，這是制定科學(xué)政策的前提。

黃河流域經(jīng)濟(jì)的時(shí)空分異特征一直是研究的熱點(diǎn)。李敏納等[2]運(yùn)用分異指數(shù)、經(jīng)濟(jì)增長(zhǎng)關(guān)聯(lián)式、增長(zhǎng)極和增長(zhǎng)軸的方法，對(duì)1990—2006年黃河流域經(jīng)濟(jì)空間分異特征進(jìn)行研究，結(jié)果表明黃河流域經(jīng)濟(jì)空間分異指數(shù)逐漸增大，東部和中西部的經(jīng)濟(jì)發(fā)展水平差異顯著，這與不同區(qū)域改革開放進(jìn)程的差異密切相關(guān)。不均衡的經(jīng)濟(jì)發(fā)展不利于資源的有效配置，會(huì)導(dǎo)致經(jīng)濟(jì)兩極分化現(xiàn)象越來越嚴(yán)重[3]。因此，有必要研究導(dǎo)致經(jīng)濟(jì)發(fā)展不平衡的因素。唐永超等[4]通過研究發(fā)現(xiàn)省會(huì)城市的經(jīng)濟(jì)和社會(huì)發(fā)展為高水平協(xié)調(diào)格局，其他城市因遠(yuǎn)離中心城市呈低水平協(xié)調(diào)格局。李倫瓏[5]選取12個(gè)經(jīng)濟(jì)與生態(tài)衡量指標(biāo)，運(yùn)用主成分分析和聚類分析的方法對(duì)黃河流域九?。▍^(qū)）的生態(tài)經(jīng)濟(jì)競(jìng)爭(zhēng)力進(jìn)行探討，發(fā)現(xiàn)九?。▍^(qū)）生態(tài)經(jīng)濟(jì)水平差異大，與人口、經(jīng)濟(jì)結(jié)構(gòu)和水資源儲(chǔ)量等因素有關(guān)。然而，以往的研究往往只針對(duì)一個(gè)尺度，缺乏探索不同尺度下黃河流域經(jīng)濟(jì)空間聚集性的內(nèi)在規(guī)律及影響因素方面的研究。

為分析黃河流域近20 a來經(jīng)濟(jì)的時(shí)空分異特征，本文選擇1999年和2019年兩個(gè)時(shí)間截面的經(jīng)濟(jì)數(shù)據(jù)，采用數(shù)理統(tǒng)計(jì)分析方法研究黃河流域城市群、省域和市域（地級(jí)市、州或盟）3個(gè)不同尺度下經(jīng)濟(jì)發(fā)展時(shí)空分異特征，采用空間自相關(guān)模型分析經(jīng)濟(jì)的空間聚集性，探索黃河流域經(jīng)濟(jì)在不同尺度下的發(fā)展特征及其影響因素，以期為黃河流域高質(zhì)量發(fā)展提供決策依據(jù)。

2 研究區(qū)概況與數(shù)據(jù)來源

黃河流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、山西、陜西、河南和山東九省（區(qū)），在山東省東營(yíng)市墾利區(qū)入渤海，全長(zhǎng)5 464 km，總落差為4 448 m。本文以黃河流域自然流域邊界為基礎(chǔ)，盡可能保持行政區(qū)劃單元的完整性，并考慮地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展與黃河的關(guān)聯(lián)性[2]，將73個(gè)市域（地級(jí)市、州或盟）作為研究區(qū)（見圖1）。根據(jù)《中國(guó)城市群地圖集》，黃河流域涉及七大城市群[6]，從73個(gè)市域中提取七大城市群的49個(gè)市域，見表1。

本文所用的經(jīng)濟(jì)數(shù)據(jù)均來源于1999年、2019年全國(guó)及各?。▍^(qū)）、市統(tǒng)計(jì)年鑒，選取GDP、人均GDP、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值和第三產(chǎn)業(yè)產(chǎn)值作為經(jīng)濟(jì)指標(biāo)來表征各省（區(qū)）、市經(jīng)濟(jì)發(fā)展情況。結(jié)合潘桔[3]選取的區(qū)域經(jīng)濟(jì)發(fā)展影響因素，并考慮各?。▍^(qū)）、市數(shù)據(jù)的可獲取性，本文選取地形因素、資源因素、區(qū)域聯(lián)系、經(jīng)濟(jì)開放程度、市場(chǎng)化程度和勞動(dòng)力等因素作為省域或市域的經(jīng)濟(jì)發(fā)展情況的影響因子。各經(jīng)濟(jì)指標(biāo)及其含義見表2，各影響因素及其含義見表3。

3 研究方法

3.1 數(shù)理統(tǒng)計(jì)分析

本文采用基本的數(shù)理統(tǒng)計(jì)指標(biāo)，如最大值、最小值、平均值和標(biāo)準(zhǔn)差等指標(biāo)定量比較城市群、省域和市域的經(jīng)濟(jì)發(fā)展差異;采用皮爾遜相關(guān)分析方法來探索經(jīng)濟(jì)與各影響因素之間的相關(guān)關(guān)系[7-8]，相關(guān)系數(shù)計(jì)算公式為

3.2 空間自相關(guān)分析

空間自相關(guān)分析是檢驗(yàn)?zāi)骋灰氐膶傩灾凳欠耧@著地與其相鄰空間點(diǎn)上的屬性值相關(guān)聯(lián)的重要方法[9]?？臻g自相關(guān)分全局空間自相關(guān)（通常用全局Moran’s I值來描述）和局部空間自相關(guān)（通常用Moran散點(diǎn)圖和LISA聚類圖表示）[10]。正相關(guān)表明某單元的屬性值變化與其相鄰空間單元具有相同變化趨勢(shì)，負(fù)相關(guān)則相反。LISA聚類圖中的4種分布特征分別為：“高高聚集”表示某一點(diǎn)和周邊點(diǎn)的屬性值都高;“低低聚集”表示某一點(diǎn)和周邊點(diǎn)的屬性值都低;“高低聚集”表示某一點(diǎn)的屬性值較高，但周圍點(diǎn)的屬性值較低;“低高聚集”表示某一點(diǎn)的屬性值較低，但周圍點(diǎn)的屬性值較高。本文通過計(jì)算全局Moran’s I值和LISA聚類圖來分析經(jīng)濟(jì)的空間自相關(guān)特征。Moran’s I值計(jì)算公式為[11]

式中：n為觀察值的數(shù)目;xi為在位置i上的觀察值;xj為在位置j上的觀察值;x為觀察值的平均值;wij為對(duì)稱的空間權(quán)重矩陣元素。

4 結(jié)果分析

4.1 經(jīng)濟(jì)時(shí)空分異特征分析

（1）城市群經(jīng)濟(jì)。以城市群內(nèi)各城市GDP的均值代表該城市群的GDP。從黃河流域七大城市群GDP（見圖2）來看，1999年GDP最高的是山東半島城市群，為481.73億元，GDP最低的是寧夏沿黃城市群，為37.65億元;2019年GDP最高的是山東半島城市群，為4 692.26億元，最低的是蘭西城市群，為691.83億元。各城市群間經(jīng)濟(jì)發(fā)展差距較大。近20 a來七大城市群GDP增速不同，增速相對(duì)最慢的是山東半島城市群，增速相對(duì)最快的是呼包鄂榆城市群、其次為寧夏沿黃城市群。

（2）省域經(jīng)濟(jì)。根據(jù)中國(guó)統(tǒng)計(jì)年鑒，1999年和2019年全國(guó)人均GDP分別為0.65萬(wàn)元和7.09萬(wàn)元。黃河流域九?。▍^(qū)）人均GDP全部低于全國(guó)平均值，山東省1999年和2019年人均GDP分別為0.59萬(wàn)元和7.07萬(wàn)元，是黃河流域九省（區(qū)）中最接近國(guó)家平均水平的省份。2019年九?。▍^(qū)）GDP最大值是山東省的71 068億元;GDP最小值是青海省的2 966億元，二者相差68 102億元，而1999年二者相差7 423億元?？梢姡S著經(jīng)濟(jì)的發(fā)展黃河流域內(nèi)省域GDP絕對(duì)值差異越來越大。從省域三大產(chǎn)業(yè)產(chǎn)值占GDP比例來看，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)占GDP比例較高。第三產(chǎn)業(yè)產(chǎn)值和第一產(chǎn)業(yè)產(chǎn)值差值最大的是山東，其次是河南，差值相對(duì)較小的是寧夏和青海?？梢姡缘诙a(chǎn)業(yè)和第三產(chǎn)業(yè)帶動(dòng)經(jīng)濟(jì)發(fā)展的省份，會(huì)出現(xiàn)產(chǎn)業(yè)發(fā)展不均衡現(xiàn)象，而對(duì)于經(jīng)濟(jì)發(fā)展相對(duì)落后的省份，三大產(chǎn)業(yè)的發(fā)展較為均衡。

（3）市域經(jīng)濟(jì)。黃河流域市域GDP特征值統(tǒng)計(jì)情況見表4，市域GDP的差異顯著。1999年、2019年GDP最小值的市域均為青海省果洛藏族自治州，最大值的市域均為山東省青島市。1999年最大值與最小值相差988.42億元，2019年相差11 695.14億元。可見，隨著經(jīng)濟(jì)的發(fā)展市域間GDP差異越來越大。

從1999年各市域三大產(chǎn)業(yè)產(chǎn)值占GDP的比例來看，以第一產(chǎn)業(yè)為主的市域有9個(gè)，大部分市域GDP在73個(gè)市域中排名靠后;以第三產(chǎn)業(yè)為主的市域有9個(gè);各產(chǎn)業(yè)所占GDP比例較為均等的市域有7個(gè);其他市域以第二產(chǎn)業(yè)為主。2019年只有玉樹藏族自治州第一產(chǎn)業(yè)產(chǎn)值占GDP比例大于第二產(chǎn)業(yè)、第三產(chǎn)業(yè)產(chǎn)值，其他市域第二產(chǎn)業(yè)、第三產(chǎn)業(yè)產(chǎn)值占GDP比例均大于第一產(chǎn)業(yè)產(chǎn)值。玉樹藏族自治州的GDP在73個(gè)市域中排名倒數(shù)第二。

4.2 經(jīng)濟(jì)空間分布聚集性分析

利用GeoDa軟件對(duì)黃河流域1999年和2019年市域的社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行空間自相關(guān)分析，結(jié)果顯示：1999年GDP、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值和第三產(chǎn)業(yè)產(chǎn)值的Moran’I值分別為0.53、0.69、0.53、0.37，且通過顯著性檢驗(yàn);2019年GDP、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值和第三產(chǎn)業(yè)產(chǎn)值的Moran’I值分別為0.30、0.57、0.37、0.23，且通過顯著性檢驗(yàn)。從圖3所示的LISA聚類圖可看出：1999年社會(huì)經(jīng)濟(jì)數(shù)據(jù)呈現(xiàn)“低低聚集”的區(qū)域主要分布在蘭西城市群、呼包鄂榆城市群和寧夏沿黃城市群內(nèi)，呈現(xiàn)“高高聚集”的區(qū)域主要分布在山東半島城市群內(nèi);隨著社會(huì)經(jīng)濟(jì)的發(fā)展，到2019年呈“高高聚集”的區(qū)域不局限于山東半島城市群，中原城市群中鄭州、開封、洛陽(yáng)和焦作在第二產(chǎn)業(yè)產(chǎn)值上表現(xiàn)為“高高聚集”特征。對(duì)比各市域20 a的GDP空間聚集性的差異發(fā)現(xiàn)，隨著經(jīng)濟(jì)的快速發(fā)展，呈“低低聚集”和“高高聚集”特征的城市個(gè)數(shù)分別減少1個(gè)和3個(gè)。

GDP呈“高低聚集”分布的區(qū)域包括蘭州市及其周邊城市，說明蘭州市經(jīng)濟(jì)對(duì)周邊城市經(jīng)濟(jì)的帶動(dòng)作用不強(qiáng)。從三大產(chǎn)業(yè)看，蘭州市的第二產(chǎn)業(yè)產(chǎn)值和第三產(chǎn)業(yè)產(chǎn)值比周邊城市的高。

具有“低高聚集”分布特征的經(jīng)濟(jì)指標(biāo)是第一產(chǎn)業(yè)產(chǎn)值，其中1999年表現(xiàn)為“低高聚集”分布特征的城市是山東省東營(yíng)市，該市第一產(chǎn)業(yè)產(chǎn)值僅占GDP總量的9%，第二產(chǎn)業(yè)產(chǎn)值占GDP總量的76%，該市以第二產(chǎn)業(yè)為主，第一產(chǎn)業(yè)產(chǎn)值所占GDP比重較低。而2019年表現(xiàn)為“低高聚集”分布特征的城市是三門峽市，該市第一產(chǎn)業(yè)產(chǎn)值占GDP總量的14%，該市GDP相對(duì)周邊城市也不高，因此表現(xiàn)為“低高聚集”的分布特征。

4.3 經(jīng)濟(jì)時(shí)空分異影響因素分析

（1）城市群的經(jīng)濟(jì)影響因素分析。把各城市群內(nèi)所轄城市的GDP、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值和第三產(chǎn)業(yè)產(chǎn)值的平均值作為各城市群相應(yīng)經(jīng)濟(jì)指標(biāo)值，同時(shí)以各城市群內(nèi)所轄城市的公路通車?yán)锍獭⒗猛馍掏顿Y額、在崗職工人數(shù)、固定資產(chǎn)總額和增速、郵電業(yè)務(wù)總量的平均值和基于DEM提取的平均高程作為各城市群相應(yīng)經(jīng)濟(jì)影響因素，輸入到SPSS 20.0中做皮爾遜相關(guān)分析，結(jié)果表明：在城市群尺度利用外商投資額和平均高程是1999年和2019年經(jīng)濟(jì)指標(biāo)的共同影響因素，而公路通車?yán)锍淌?019年的主要影響因素;在崗職工人數(shù)和郵電業(yè)務(wù)總量是1999年的主要影響因素。

（2）省域經(jīng)濟(jì)影響因素分析。受數(shù)據(jù)可獲取性影響，省域和市域經(jīng)濟(jì)影響因素存在一定差異。選擇平均高程、能源生產(chǎn)總量、AAAAA景區(qū)數(shù)量（2019年）、鐵路營(yíng)業(yè)里程、公路通車?yán)锍?、郵電業(yè)務(wù)總量、利用外商投資額、固定資產(chǎn)總額（1999年）、固定資產(chǎn)增速（2019年）和在崗職工人數(shù)等指標(biāo)作為省域經(jīng)濟(jì)發(fā)展的影響因素，輸入到SPSS 20.0軟件中與表2中的5個(gè)經(jīng)濟(jì)指標(biāo)做皮爾遜相關(guān)分析，結(jié)果見表5。

從表5可看出，在崗職工人數(shù)是GDP的主要影響因素，而且相較于1999年，2019年在崗職工人數(shù)與GDP相關(guān)系數(shù)更大。從三大產(chǎn)業(yè)看，2019年與在崗職工人數(shù)相關(guān)系數(shù)最大的是第二產(chǎn)業(yè)產(chǎn)值，而1999年與在崗職工人數(shù)相關(guān)系數(shù)最大的是第一產(chǎn)業(yè)產(chǎn)值。區(qū)域聯(lián)系指標(biāo)中的郵電業(yè)務(wù)總量和公路通車?yán)锍膛cGDP的相關(guān)系數(shù)也較大，2019年分別為0.949和0.861，可見區(qū)域聯(lián)系也是省域GDP的主要影響因素，尤其郵電業(yè)務(wù)總量，在1999年和2019年均表現(xiàn)出強(qiáng)正相關(guān)，而隨著經(jīng)濟(jì)的發(fā)展2019年公路通車?yán)锍膛cGDP的相關(guān)系數(shù)大于1999年的。從經(jīng)濟(jì)的開放程度來看，利用外商投資額在1999年和2019年與GDP均表現(xiàn)為強(qiáng)正相關(guān)關(guān)系。從三大產(chǎn)業(yè)看，兩個(gè)年度利用外商投資額均與第二產(chǎn)業(yè)產(chǎn)值的相關(guān)系數(shù)最大。其他指標(biāo)與省域GDP的相關(guān)性沒有通過t檢驗(yàn)，即無相關(guān)性。

（3）市域經(jīng)濟(jì)影響因素分析。選擇鐵路營(yíng)業(yè)里程、利用外商投資額、在崗職工人數(shù)、固定資產(chǎn)總額（1999年）、固定資產(chǎn)增速（2019年）、郵電業(yè)務(wù)總量和平均高程作為市域經(jīng)濟(jì)發(fā)展的影響因素，輸入到SPSS 20.0軟件中與表2中的5個(gè)經(jīng)濟(jì)指標(biāo)做皮爾遜相關(guān)分析，結(jié)果見表6。

從表6可看出，與2019年GDP相關(guān)系數(shù)最大的是代表經(jīng)濟(jì)開放程度的利用外商投資額，相關(guān)系數(shù)為0.844，說明隨著全球經(jīng)濟(jì)往來越來越頻繁，中外貿(mào)易合作已成為2019年市域GDP的主要影響因素。從三大產(chǎn)業(yè)來看，該因素與第三產(chǎn)業(yè)產(chǎn)值的相關(guān)系數(shù)最大，即經(jīng)濟(jì)開放程度在2019年對(duì)第三產(chǎn)業(yè)的影響最大，對(duì)第一產(chǎn)業(yè)產(chǎn)值的影響不大。與1999年GDP相關(guān)系數(shù)最大的是代表勞動(dòng)力的在崗職工人數(shù)，從三大產(chǎn)業(yè)看，與在崗職工人數(shù)相關(guān)系數(shù)較大的是第三產(chǎn)業(yè)產(chǎn)值（相關(guān)系數(shù)0.884）和第二產(chǎn)業(yè)產(chǎn)值（相關(guān)系數(shù)為0.863），原因?yàn)?999年有77%的市域以第二產(chǎn)業(yè)和第三產(chǎn)業(yè)為主。區(qū)域聯(lián)系因素中郵電業(yè)務(wù)總量與GDP相關(guān)系數(shù)最大，2019年和1999年分別為0.597和0.871，可見隨著經(jīng)濟(jì)的發(fā)展，在市域范圍內(nèi)郵電業(yè)務(wù)總量與GDP的相關(guān)性降低。市域GDP與平均高程的相關(guān)系數(shù)在1999年和2019年分別是-0.553和-0.470。從三大產(chǎn)業(yè)看，1999年和2019年市域平均高程與第一產(chǎn)業(yè)產(chǎn)值的相關(guān)系數(shù)分別為-0.608和-0.585，說明第一產(chǎn)業(yè)產(chǎn)值受地形因素影響較大。另外，隨著經(jīng)濟(jì)的發(fā)展第一產(chǎn)業(yè)產(chǎn)值占GDP比例越來越小，2019年GDP與市域平均高程的相關(guān)性較1999年的弱。

5 結(jié) 論

通過分析近20 a來黃河流域城市群、省域和市域3個(gè)不同維度的經(jīng)濟(jì)時(shí)空分異特征發(fā)現(xiàn)：①黃河流域1999年和2019年城市群間、省域及市域間GDP最大值與最小值相差懸殊，經(jīng)濟(jì)發(fā)展水平差距較大，對(duì)比20 a來經(jīng)濟(jì)發(fā)展，城市群間、省域和市域的經(jīng)濟(jì)差異越來越大;依靠第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的帶動(dòng)作用，黃河流域經(jīng)濟(jì)發(fā)展水平越來越接近全國(guó)平均水平;黃河流域的經(jīng)濟(jì)發(fā)展需借助科技力量進(jìn)行大規(guī)模自動(dòng)化作業(yè)，以促進(jìn)第一產(chǎn)業(yè)產(chǎn)值的持續(xù)穩(wěn)定增長(zhǎng)。②從市域GDP的空間聚集性來看，只有山東半島城市群內(nèi)部分城市呈“高高聚集”分布特征，說明該城市群各市域經(jīng)濟(jì)發(fā)展具有相互帶動(dòng)作用，到2019年“高高聚集”分布區(qū)域擴(kuò)展到中原城市群。寧夏沿黃城市群、呼包鄂榆城市群和蘭西城市群中部分城市在部分經(jīng)濟(jì)指標(biāo)上呈“低低聚集”分布特征。關(guān)中平原城市群和晉中城市群內(nèi)各項(xiàng)經(jīng)濟(jì)指標(biāo)均無空間聚集關(guān)系。③在不同尺度下經(jīng)濟(jì)影響因素不盡相同。從城市群角度來看，GDP平均值主要與經(jīng)濟(jì)開放程度（利用外商投資額）和地形因素有關(guān)。從省域?qū)用鎭砜?，GDP的影響因素有勞動(dòng)力（在崗職工人數(shù)）、區(qū)域聯(lián)系（郵電業(yè)務(wù)總量和公路通車?yán)锍蹋┖徒?jīng)濟(jì)開放程度（利用外商投資額）;從三大產(chǎn)業(yè)看，多數(shù)影響因素與第二產(chǎn)業(yè)產(chǎn)值的相關(guān)系數(shù)相對(duì)最大;對(duì)比2019年與1999年相關(guān)系數(shù)發(fā)現(xiàn)，到2019年與GDP相關(guān)系數(shù)增大的是在崗職工人數(shù)、公路通車?yán)锍毯屠猛馍掏顿Y額。市域GDP的影響因素有經(jīng)濟(jì)開放程度（利用外商投資額）、勞動(dòng)力（在崗職工人數(shù)）、區(qū)域聯(lián)系（郵電業(yè)務(wù)總量和鐵路營(yíng)業(yè)里程）和地形因素（平均高程）;從三大產(chǎn)業(yè)看，只有地形因素與第一產(chǎn)業(yè)產(chǎn)值相關(guān)系數(shù)最大，大部分影響因素與第二產(chǎn)業(yè)和第三產(chǎn)業(yè)產(chǎn)值相關(guān)系數(shù)最大;對(duì)比2019年與1999年相關(guān)系數(shù)發(fā)現(xiàn)，到2019年與GDP的相關(guān)系數(shù)增大的是利用外商投資額，其他因素與GDP的相關(guān)系數(shù)均降低?？梢钥闯?，經(jīng)濟(jì)開放程度在不同尺度下對(duì)經(jīng)濟(jì)均具有顯著性影響。

參考文獻(xiàn)：

[1] 習(xí)近平.在黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展座談會(huì)上的講話[J].求是，2019（20）：4-11.

[2] 李敏納，蔡舒，覃成林.黃河流域經(jīng)濟(jì)空間分異態(tài)勢(shì)分析[J].經(jīng)濟(jì)地理，2011，31（3）：379-383，419.

[3] 潘桔.中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展不平衡測(cè)度及影響因素分析[D].沈陽(yáng)：遼寧大學(xué)，2020：91-115.

[4] 唐永超，王成新，王瑞莉，等.黃河流域區(qū)域交通與經(jīng)濟(jì)發(fā)展的空間關(guān)聯(lián)研究[J/OL].經(jīng)濟(jì)地理：1-14[2021-07-20].https：//kns.cnki.net/kcms/detail/43.1126.k.20201014.1342.002.html.

[5] 李倫瓏.黃河流域九大省區(qū)生態(tài)經(jīng)濟(jì)競(jìng)爭(zhēng)力與結(jié)構(gòu)分析[J].廣西質(zhì)量監(jiān)督導(dǎo)報(bào)，2021（3）：246-247.

[6] 方創(chuàng)琳.中國(guó)城市群地圖集[M].北京：中國(guó)地圖出版社，2019：2-3.

[7] RODGERS J L，NICEWANDER W A.Thirteen Ways to Look at the Correlation Coefficient[J]. The American Statistician，1988，42（1）：59-66.

[8] LI H，WANG J，ZHANG J，et al.Analysis of Characteristics and Driving Factors of Wetland Landscape Pattern Change in Henan Province from 1980 to 2015[J]. Land， 2021，10（6）：564.

[9] 李賀穎，王艷慧.貧困縣村級(jí)居民點(diǎn)空間分布離散度與農(nóng)村居民純收入關(guān)聯(lián)格局分析[J].地理研究，2014，33（9）：1617-1628.

[10] 孟斌，王勁峰，張文忠，等.基于空間分析方法的中國(guó)區(qū)域差異研究[J].地理科學(xué)，2005，25（4）：393-400.

[11] 張永樹，王培.基于多種空間權(quán)重矩陣的區(qū)域經(jīng)濟(jì)空間自相關(guān)分析：以河南省為例[J].測(cè)繪與空間地理信息，2020，43（1）：45-49.

【責(zé)任編輯 趙宏偉】