中国个体经济发展的空间相关性分析——基于中国各地区经济普查数据视角

康继军，张黎黎

（1.重庆大学经济与工商管理学院，重庆 400044；2.英国诺丁汉大学当代中国学学院，英国）

中国个体经济发展的空间相关性分析
——基于中国各地区经济普查数据视角

康继军1，2，张黎黎1

（1.重庆大学经济与工商管理学院，重庆 400044；2.英国诺丁汉大学当代中国学学院，英国）

本文基于省级经济普查数据，采用探索性空间数据分析方法（EDSA），对中国大陆31个省域个体经济的全局和局部空间相关性进行分析，揭示出各省域个体经济发展水平空间关联模式及其空间相互作用，结果表明：我国个体经济发展水平存在空间相关性，集聚效应显著，上海、江苏、浙江等省域有明显的扩散-涓落效应，湖南、广东则存在明显的极化-回波效应。

个体经济；经济普查；EDSA模型；空间相关性

1 引言

个体经济是国民经济的重要组成部分，对充分调动社会各方面的积极性、加快生产力发展具有重要作用。改革开放以来，个体经济迅速发展，在促进国民经济快速增长、拉动社会投资、创造就业岗位、增加财政收入等方面作出了重要贡献［1］。为全面协调发展各地区个体经济，充分发挥个体经济的社会经济作用，宏观决策必须考虑个体经济地区空间结构演变特点，因此，个体经济在发展中所表现出的区域相关性亟须进行科学定量刻画。

1990年代初期以来，在Krugman等经济学家的推动下，空间思维逐渐为主流经济学家所接受，区域间相互作用和相互影响导致了区域在许多特性上高度的空间相关性，对空间相关性的研究可以帮助我们更深入衡量区域间集聚经济程度［2］。ESDA（Exploring Spatial Data Analysis，探索性空间数据分析）正是一种分析地区间依赖性和相关性的空间计量经济学模型，以空间关联测度为核心，通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，揭示研究对象之间的空间相互作用机制［3］。

关于个体经济集聚的研究尚少，夏帆［4］利用聚类分析指出，我国个体私营经济发展呈现出明显的不平衡性，其分布并非呈现明显的东中西三个部分，但东部反映出实力较强；李振、周春山［5］也指出，由于发展历史、动力机制等因素影响，个体经济专业化程度、密度分布，以及就业比重等具有地区分布差异性。由此看出，对个体经济空间关联模式的研究尚无定论，并且这些分析局限于传统的分布差异度量方法，无法真正反映个体经济空间数据中隐含的空间关联模式和空间相互作用等特征。中国区域经济增长具有明显的空间依赖性，在地理空间上存在集聚现象，经济增长因素在地理空间上的非均衡集聚导致了迥然不同的区域经济增长格局。因此，采用ESDA空间数据分析方法，通过对个体经济空间分布格局的描述与可视化，发现其空间离群值和空间集聚模式，为制定各区域个体经济协调发展政策提供理论和实证依据。

2 研究方法与数据处理

2.1 研究方法

ESDA模型是分析地区间某一观测值空间依赖和空间自相关关系的空间计量经济学模型，其存在的基础有两个：第一，每一个区域不是孤立的决策单元，与系统内的其他异质单元之间存在相互作用。相互作用可以表现为社会标准效应、邻近效应、模仿效应等。相互作用形成集体行为和集聚效应。第二，地理信息系统（GIS）技术以及社会经济数据的地理化（geo-coded）需要新的统计方法来体现这些数据的特征。

（1）全局Moran’s I指数。

空间自相关指出属性值分布是否依赖于区域（空间单元）的分布，而常用的统计量莫过于Moran’s I指数，Moran’s I指数反映了空间邻接或空间邻近的区域单元某观测值的相似程度，其定义为：

Moran’s I可看作各地区观测值的乘积和，其取值范围在-1到+1之间。当目标区域数据在空间区位上相似的同时也有相似的属性值时，空间模式整体上就显示出正的空间自相关性；而当在空间上邻接的目标区域数据不同寻常地具有不相似的属性值时，就呈现为负的空间自相关性；当属性值的分布与区位数据的分布相互独立时则表现出零空间自相关。

检验统计量可以对零假设H0（n个区域单元的观测值之间不存在空间自相关）进行显著性检验。显著性水平可以由标准化Z值的P值检验来确定。P值可以通过正态分布、随机分布或置换方法来获取。

（2）局部空间自相关分析（LISA）。

空间自相关分析（LISA，Local Indicators of Spatial Analysis）可以进一步考虑观测值是否存在局部空间集聚，哪个区域单元对于全局空间自相关的贡献更大，以及在多大程度上空间自相关的全局评估掩盖了反常的局部状况或小范围的局部不稳定性时，通过局部空间自相关分析可以更加准确地把握空间要素的异质性［6］。局部空间自相关分析主要利用Moran’s I散点图进行分析。

Moran’s I散点图对Z和Wz数据进行了可视化的二维图示，其中Z是由观测值与均值之间的离差组成的向量，Wz是其空间加权平均值，又称为空间滞后向量。向量形式的全局Moran’s I指数表达式为：

2.2 数据处理

本文使用2004年中国第一次经济普查和2008年中国第二次经济普查数据，数据来自于《中国经济普查年鉴2004》和《第二次全国经济普查主要数据公报》。基于掌握数据的情况和研究目的的需要，本文沿用李振、周春山［5］所采用的个体经营户密度这一指标对个体经济空间分布性质进行分析和评价，这一指标排除了地理面积因素的影响，有利于显示各省域个体经济发展水平。2004年、2008年我国31个省域的个体经营户密度如表2所示。

表1 Moran’s I散点图各象限解释

3 实证分析

3.1 全局空间差异分析

（1）个体经济空间分布分位图。

本文绘制了2004年、2008年个体经营户密度空间分布分位图，直观反应各省域个体经济的集聚程度。个体经营户密度空间分布分位图中颜色越深的区域代表个体经营户密度越高，个体经济所带来的集聚效应越强，反之，个体经济所带来的集聚效应越弱。如图1、图2所示。

图1 2004年个体经营户密度空间分布分位图

表2 各省域个体经营户密度表 单位：户/平方公里

从图中明显看出，2004年、2008年个体经济经营户密度高的区域大多集中于上海、北京、天津、江苏、浙江等地区，广东、湖南、福建、安徽等地区的个体经营户密度也较高，甘肃、青海、新疆、西藏等地区的个体经营户密度较低。总体而言，由于经济发展状况、政府政策、市场容量、城市化、基础设施等方面影响，个体经济从沿海到内陆呈现出梯次过渡的趋势，其空间差异明显。

图2 2008年个体经营户密度空间分布分位图

（2）个体经营户密度Moran’s I指数。

根据全国经济普查数据检验个体经济发展在地理空间上的相关性即空间互相依赖性，2004年和2008年我国31个省域个体经济经营户密度Moran’s I指数计算结果见表3。

表3 个体经济经营户密度Moran’s I指数

由表3所列示的Moran’s I指数计算结果可以看出：2004年、2008年个体经济经营户密度Moran’s I的正态统计量Z值均大于正态分布函数在0.01水平下的临界值（1.96），表明中国各省域个体经济的发展集聚效应明显，在空间分布上具有明显的正自相关关系，并不是处于完全随机状态，即存在发达地区与发达地区相邻接，落后地区与落后地区相邻接的空间联系结构；另外，2004年时，Moran’s I值为0.2623，2008年时其值为0.2958，说明我国个体经济空间依赖关系不断加深，区域间自相关作用明显加强，空间集聚趋势在不断加强。

3.2 局部空间自相关分析

（1）个体经济经营户密度Moran’s I散点图。

根据 2004年、2008年我国个体经营户密度Moran’s I散点图，可以分析个体经济空间关联模式，即各区域相互作用机制 （见图3、图4）。图中GTJYHMD是标准化的个体经营户密度，W_GTJYHMD是标准化的个体经营户密度的空间滞后变量，LISA条件下Moran’s I指数值就是在图形的上方，也就是拟合曲线的斜率，图中的某一个点代表着某一个省域，其离拟合的曲线距离越远，说明这个省域个体经营户密度与其他省域的差异越大。从图中易见，2008年，多数区域偏离拟合曲线，个体经济发展空间差异性明显扩大。个体经济局部空间相关性分析不仅检验了表4中空间相关性Moran’s I检验结果，还进一步显示了我国个体经济的空间格局分布和各地区的空间关联模式。

图3 2004年散点图

图4 2008年散点图

2004年，全国31个省域中有70.97%的省域（9个位于第I象限，13个位于第III象限）显示了相似值的正向空间关联，有25.81%的省域（5个省域位于第II象限，3个位于第IV象限）显示了非相似值的空间关联，偏离了全域正向空间自相关；2008年，全国31个省域中有64.52%省域 （8个位于第I象限，12个位于第III象限）显示了相似值的正向空间关联，有25.81%个省域（6个位于第II象限，2个位于第IV象限）显示了非相似值的空间关联。这一结果表明对全局空间相关性Moran’s I的检验，中国个体经济发展显示出明显的集聚效应。

表4 个体经营户密度Moran’s I散点图对应地区

根据个体经营户密度Moran’s I散点图显示，可以进一步分析区域间个体经济相互作用机制：上海、江苏、浙江等省域位于扩散效应区（第I象限），本区域值高，相邻空间值也高，即该区域个体经济发展水平高，有很强的扩散——涓落效应，要素的流动、技术的扩散带动周边地区个体经济发展；湖南、广东属于极化效应区（第IV象限），该区域个体经济发展水平较高，但没有带动周边地区发展，而出现了一定的极化效应；内蒙古、山西、黑龙江、江西等地区处于过渡效应区（第II象限），属于扩散、极化与低速增长效应区之间的过渡地带，该区域个体经济发展水平较低，周边地区较高，二者空间差异程度大，呈现出负的空间相关性；位于第III象限的有贵州、广西、海南、云南、四川、西藏、青海、宁夏，该地区和周围地区个体经济发展水平均较低，与其他效应区内的地区相比，差距明显，提升空间很大，属于低速增长效应区。

（2）个体经济经营户密度LISA集聚图。

LISA集聚图可以将空间自相关关系显著的地区用不同的颜色表示出来，对Moran’s I散点图有补充说明作用。2004年、2008年个体经营户密度LISA集聚图如图5、图6所示。

由LISA集聚图可以看出，2004年，个体经营户密度呈现的H—H扩散效应区有上海、江苏、浙江；安徽则显著地位于L—H过渡区域；新疆、西藏、青海、甘肃、宁夏则显著地位于L—L低速增长空间集群区。2008年，H—H扩散效应区域的范围明显扩大，显著地位于该区域的省域有：上海、江苏、浙江、山东、安徽；而新疆、西藏、青海、甘肃仍显著地位于L—L低速增长区。据此可以看出，个体经济在长三角地区出现明显集聚，并向其外围省域的扩散效应明显；相反，西部欠发达地区个体经济基础比较薄弱，呈现出L—L低速增长空间集群的特点，经过几年的发展，依然没有摆脱相对滞后的局面，这一结果表明，西部欠发达地区个体经济协调发展的路还很长。

4 结论和政策启示

图5 2004年集聚图

图6 2008年集聚图

改革开放以来，中国经济发展呈现出明显的空间差异化局势，在地理空间上存在集聚现象，经济增长因素在地理空间上的非均衡集聚导致了迥然不同的区域经济增长格局，由于经济增长、政府政策、市场容量、知识密集度、要素流动等因素影响，我国个体经济也呈现出空间差异性和空间依赖性的发展格局。我国个体经济形成这一空间分布格局的原因在于地理位置和历史优势是集聚的起始条件，规模报酬递增和正反馈效应导致了集聚的自我强化，使得优势地区保持领先发展地位。

本文使用EDSA空间计量模型，通过对2004年、2008年中国各省域个体经济发展的空间自相关性的实证分析，可以得出，个体经济发展具有显著的空间相关性和集群效应，空间差异总体呈现扩大趋势，东、中、西部个体经济发展差异性很强，西部地区的发展远远落后于东部沿海地区。具体来看：（1）上海、江苏、浙江、天津、河南、辽宁、山东、北京（H—H扩散效应区）这几个省域个体经济发展水平高于周边地区，由于地区合作密切、要素流动、技术扩散现象明显，能成为扩散——涓落效应的先导；（2）湖南、广东（H—L极化区）的个体经济发展水平虽不及扩散效应区的高，但提升空间较大，基本上处于自我提升的阶段，受周边地区发展缓慢的牵绊，削弱其带动周边地区个体经济发展的强劲势头，并没有带动周边地区发展，而出现了一定的极化——回波效应；（3）内蒙古、山西、黑龙江、江西（L—H过度增长区），属于扩散、极化与低速增长效应区之间的过渡地带，其个体经济发展水平较低，同时受发展水平较高地区的影响也有限；（4）贵州、广西、海南、云南、四川、西藏、青海、宁夏等地区（L—L低速增长区）的个体经济发展水平均较低，与其他效应区内的地区相比，差距明显，可提升空间较大。

本文使用EDSA空间计量模型，揭示了空间数据中隐含的中国个体经济发展空间关联模式，为制定各区域个体经济协调发展政策提供理论和实证依据，由此本文提出了几点政策启示：（1）依托比较优势和区域经济发展的实际，科学合理发展地区个体经济。根据各地区自身资源、产业优势、区位条件、经济发展程度和市场发育状况等条件，引导个体经济比较优势的发挥，加快区域个体经济的发展；（2）建立各区域个体经济技术交流合作机制。加强个体经济区域合作，增强扩散——涓落效应作用，在发达地区实施有利于“富邻”的发展政策，加强区域间经济、技术交流，提高对周边地区的带动作用；（3）加快个体经济发展要与西部大开发相结合。西部地区由于自身严酷的自然环境、资源、市场的限制，难以摆脱发展缓慢的困境，因此，选择该区域作为激励对象，最大限度地创造良好的政策环境，提高个体经济的非公有制地位，引导和扶持个体经济发展，能够产生更好的效用。

［1］胡家勇.中国个体经济发展的回顾与展望［J］.财经研究，2003，（4）.

［2］Goodchild M.，Anselin L.，Applebaum R.,Harthorn B..Towards a spatially integrated social science［J］.International Regional Science Review，2000，（23）:139-159.

［3］Anselin L.,Longley P.,Goodchild M.，Maguire D..Interactive Techniques and Exploratory Spatial Data Analysis［R］.Geographical Information Systems:Principles，Techniques,Management and Applications,1999:253-266.

［4］夏帆.浅析我国个体私营经济发展的地区分布［J］.理论月刊，2001，（12）.

［5］李振，周春山.广州市个体私营经济空间分布特征［J］.经济地理，2006，（12）.

［6］徐建华.计量地理学［M］.北京：高等教育出版社，2006.

Spatial Dependence Analysis of Chinese Individual Economy——Based on the Data of Provincial Economic Census

Kang Jijun1，2，Zhang Lili1
（1.School of Economics and Business Administration，Chongqing University，Chongqing 400044，China；2.School of Contemporary Chinese Studies，Nottingham University，UK）

Based on the data of provincial economic census，this paper applies the method of exploratory spatial analysis（ESDA）to investigate the global and local spatial correlation of 31 provincial individual economy in China，shedding light on the spatial dependence patterns and spatial interactions.The result shows that there are spatial correlation and obvious agglomeration effect on Chinese individual economy.The spread or trickling down effect has been observed across Shanghai，Jiangsu，Zhejiang province，and polarization effect across Hunan，Guangdong province.

Individual economy；Economic census；EDSA model；Spatial correlation

2011年度国家社科基金项目“建立区域经济发展新格局的战略研究”（批准号：11XJL001），2010年度国家社科基金项目“中国特色反贫困理论与实践研究”（批准号：10XJY0030），重庆市第二次经济普查研究重点课题“重庆市个体经济发展状况研究”（批准号：JZD24）。

2011-07-04

康继军（1968-），男，黑龙江哈尔滨人，重庆大学经济与工商管理学院副教授，博士;研究方向：制度创新与经济增长、应用计量经济学。

F061.5

A

（责任编辑 谭果林）