泛珠三角经济差异的时空演进和影响因素探析

陈恩　石程　张婷

摘要：泛珠三角是横跨东中西部，包含沿海发达地区和内地欠发达地区的经济合作区。探析泛珠区域内经济发展差异的时空演变格局，并利用空间计量方法对影响泛珠地区经济发展的因素进行实证研究。结果表明：泛珠三角地区以沿海城市群和内陆各省会城市为中心的中心-边缘结构分布显著；区域内空间自相关趋势在加强，空间集聚现象显著；从时间和空间维度上都表明内部经济差异在缩小，区域合作取得一定效果；人均GDP总体空间格局稳定，局域内发生演变，人均GDP增长速度的冷热点区域变化较为明显。空间计量表明，工业化对区域经济发展影响显著，城镇化是促进经济增长的重要途径，城镇劳动人口没能充分发挥作用，表现出城镇就业人口的规模不经济。

关键词：泛珠三角；经济发展差异；时空演变；影响因素

中图分类号：F127.41 文献标识码：A 文章编号：1003-3890（2013）09-0076-09

泛珠三角地区（PPRD）这一概念2003年由广东率先提出，迅速得到福建、江西、湖南、广西、海南、四川、贵州、云南8省区和港澳地区的响应，9+2经济区自此形成。至2011年末，泛珠三角地区面积总和为全国的1/5，但人口总数达到全国的34.81%，经济总量占到全国的31.88%。可见，该区域对全国经济意义重大，同时，值得我们注意的是泛珠三角地区横跨东中西部，涵盖沿海发达地区和内地欠发达地区，经济发展差异大，梯度明显，区域空间异质性强。

由表1我们可以看出，泛珠三角地区内部的9个省中，在地理位置、产业结构、经济发展水平等方面都存在一定的差异，这些差异促使区域间形成了不同的空间结构，同时表现出区域经济发展的非均衡性。

近年来，国家和地方出台了一系列旨在推动区域协调发展的规划和政策。9+2经济区的设立，加强了泛珠江三角洲地区间的合作，这些区域板块间和区域板块内经济合作的交互作用、区域间合作政策和协调机制的制度力量，加快了泛珠三角地区的发展和区域内部空间格局的演变。

一、文献综述、研究内容与方法

（一）文献综述

区域经济发展差异是改革开放以来伴随我国经济快速发展而出现的显著现象，近年来对这方面的研究越来越多，方法和视角也越来越丰富[1-4]。从研究的内容看，主要焦点集中于经济差异的测度、趋同性、收敛性、时空演变特征、动力机制等[5-6]；从研究的尺度来看，由东中西三大地带、南北区域、流域、省域等宏观尺度逐渐向中观尺度的县市尺度发展[7-10]。从研究方法上看，定量分析和跨学科领域的综合分析方法逐渐发展起来，如基于ESDA等空间分析方法的应用，已经取得一定的成果[11-12]。

分析已有的文献，我们发现，到目前为止对区域空间差异的研究方法还较为单一，且多数文献缺乏空间视角，很少有将传统的统计方法和空间统计分析方法相结合的；研究的角度主要集中于经济的绝对差异上，而对相对差异如增长速度的关注则较少；研究的区域多集中于经济较为发达的沿海省域内，对内地区域的空间格局演变发展的研究十分缺乏，对跨区域的诸如泛珠三角的研究更是罕见。仅有的涉及泛珠三角地区的研究主要集中于合作的政策、机制、治理角度，对区域合作以来的效果和带来的空间格局演进的研究少之又少。零星的研究也主要从理论上阐述空间格局可能带来的变化，并且缺乏实证和空间视角的研究。

本研究运用新经济地理学[13]的相关理论，采用统计分析方法和探索性空间分析方法（ESDA），运用统计指数、空间自相关等检验工具及空间计量分析方法，在Arcview、Opengeoda等软件平台的支撑下，对基于地市级的泛珠江三角地区117个行政单元进行经济差异的时间和空间维度进行分析，并对造成这些差异变动的因素进行实证分析，从而丰富泛珠三角的相关研究。

（二）研究单元、指标及数据处理

本文选取人均GDP、人均GDP增长率为研究指标，以泛珠三角地区9省区所辖117个地级市为基本研究单元②，其中个别县市行政规划有所调整（文中统一按2010年的行政规划对之前的数据进行调整）。对变动的区域进行拆分或合并，使研究最大程度上和实际经济发展相吻合。数据方面，由于各市经济发展水平不同，物价指数水平亦有差异，为使各市不同年度间具有可比性，文中采用以2003年为基数的各年各市人均生产总值指数对各市人均GDP进行平减，以剔除价格变化的影响③。

（三）研究方法

目前研究区域经济差异的方法可分为两类：一类是利用空间差异与极化统计指标进行测度，主要包括变异系数、基尼指数、泰尔指数、沃尔夫森指数等。其中基尼指数是从集聚和离散程度两个角度来测度指标的总体分布情况；泰尔指数用于测度总体的空间差异；沃尔夫森指数用于总体空间的极化程度，进而反映区域间的差异，变异系数对于不同的地域单元赋予权重，从而适用于对区域的总体差异的相对度量[10]。这四个指数越大，表明区域间的差异水平越大。使用这类统计方法能够较为直观地观测到区域内差异的变动发展趋势，但它的前提条件是各观测区域间是相互独立的，因此它缺乏一种空间的视角，忽略了空间异质性和空间自相关，难以真正反映区域空间差异的变化机制[11]。

第二类为利用探索性空间分析方法，采用空间经济分析技术和方法，对区域的经济属性的分布格局进行描述和可视化。通过引入Moran′ I、LISA、Getis-Ord G*指标来测度区域单元空间关系的特征，其中前两个指数分别用于测度全局空间相关性和局域空间相关性，后一个用于测度热点（hot spots）和冷点（cold spots）的具体分布。空间相关性是区域内某地理单元的属性值与相邻的区域单元之间的相关性，其实质是探寻区域地理单元间的空间依赖性。空间相关性包括全局空间自相关和局域空间自相关。使用探索性空间分析方法能够较为直观和准确地反映空间相互作用和空间集聚作用，但不能够准确地测度出不同时间段上差异与集聚的变动趋势[11]。

鉴于此两类方法的特点，我们将综合使用统计指数和探索性空间分析方法，从静态的人均GDP水平和动态的人均GDP增长率速度两个角度进行研究，以求更加准确和真实地探求泛珠三角地区区域差异的空间格局演变。

对影响区域经济差异因素的分析，可以借助新经济地理学的理论，即区域经济行为是非均匀分布的，从而突破新古典经济学忽略空间因素的分析视角，通过对空间滞后模型（SLM）和空间误差模型（SEM）的比较，从而选择最优的模型来对泛珠地区经济发展的影响因素进行定量分析。

1. 空间差异与极化的统计指标。

（1）基尼指数

（2）泰尔指数

（3）变异系数

（4）沃尔夫森指数 W=2（U*-U1）/M

式中：piQi分别是第i个地市级单元人口、生产总值占泛珠三角区域内总人口和总生产总值的比重，Qi为生产总值从低到高排列后的累计GDP比重。U*为修正了的人均GDP，U*=人均GDP的均值*（1-基尼系数），U1指人均GDP最少的1/2地市的平均值，M为人均GDP的中位值。

2. 探索性空间数据分析。

（1）用于探索全局的空间自相关[14]（Global spatial autocorrelation）

（2）局域空间自相关LISA[15]（Local index of spatial autocorrelation）

（3）Getis-Ord G*指数[16]：

式中：xi、分别为区域内观测单元的属性值和均值。wij为空间权重矩阵，基于邻接概念的空间权重矩阵包括一阶rook邻接矩阵和一阶queen邻接两种，文中选择一级rook邻接矩阵进行分析，s2为（xi-）2/n。我们对（1）～（3）式统计进行显著性检验：。给定显著性水平时，Moran′ I取值在-1～1，当Moran′ I显著为正或为负时，呈现空间上高高或低低集聚。值越趋向于1，说明总体空间差异越小，反之亦然。仅当Moran′ I值指数趋向于期望值，观测值之间才表现为随机分布。Ii的显著性检验采用Bonferroni标准加以判断。Z（G*）为正且显著时，表示i地理单元周围的值相对较高，属于热点区，反之则为冷点区。

二、泛珠三角地区发展差异的时空演变

（一）泛珠三角地区基本空间格局

泛珠三角地区经济发展的阶梯性差异较大，由于经济基础、区位因素、政策因素等综合作用，泛珠三角地区已经形成了一种固有的经济空间结构。图1是泛珠三角地区2003和2010年基于地市级的人均GDP的四分位图。我们可以看到，尽管近年来泛珠三角区域内部各地区人均GDP都有了不同程度的提高，但经济的发展具有较强的“路径依赖”性，这些发展并没能带来泛珠三角地区空间经济结构的巨大变迁。首先人均GDP从东向西递减的总体特征并没有发生变化；其次以沿海和各省会城市为核心的中心-外围结构基本稳定。但值得注意的是局部的城市分位段已发生变化，等级提升或下降的地市达到17个，占到总数的14.2%。

参照世界银行区域经济发展划分标准，将区域内依照人均GDP的50%、100%、150%及以上把泛珠地区划分为四个标准，分别为低水平发展区、中低水平发展区、中高水平发展区和高水平发展区。其中2003年和2010年低于平均水平的区域比重分别达到68%和64%，这说明基于地市级区域尺度的泛珠三角地区两级分化现象仍然十分凸显。但2010年泛珠三角区处于低水平发展区和高水平发展区的个数分别比2003年减少3个和2个，这样属于中低水平和中高水平标准的区域个数增加了5个，增加比重达到5%，这在一定程度上反映了区域格局中人均GDP差异的缩小。

（二）泛珠三角地区经济发展差异的时间维度分析

使用基尼系数、变异系数、泰尔指数和沃尔夫森指数这四个指标，从不同角度来测度泛珠三角地区区域人均GDP的差异变动趋势。

如图2所示，除反映经济总体空间极化程度的沃尔夫森指数在波动中呈现下降趋势外，测度经济不平衡性的基尼系数和变异系数以及反映空间差异的泰尔指数均呈现明显的下降趋势，其中变异系数从2003年的0.93下降到2010年的0.72，下降幅度达到23%，泰尔指数和基尼系数也分别下降了31%和13.2%。这一结果表明，随着泛珠三角地区合作的深化和一系列区域开发政策的实施，基于地市级单元的泛珠三角地区总体上人均GDP差异水平与极化效应表现出一定程度上的弱化。此外，由泰尔指数的分解法，我们将泰尔指数分解为区间差异和区域内部差异指数。

根据泛珠三角地区现存经济差异的情况，我们以各省会城市为中心，将泛珠地区按各省为单位进行划分，计算省域间差异和省域内部差异。如图3所示，2003—2010年，区间差异在2004年达到最大值之后一直保持稳定的下降趋势，2004—2010年下降幅度达47.28%，波动趋势和总体泰尔指数相近，而区域内差异在波动中演进呈下降趋势。因此在区域间和区域内部差异变动双重作用下，泛珠三角地区人均GDP差异水平表现出缩小的态势。

（三）泛珠三角地区经济发展差异的空间维度分析

区域内部经济发展和增长是具有空间特性的，泛珠三角地区是彼此地理相邻接的区域，而空间统计分析的本质正是探求区域经济发展的空间依赖性和区域空间的相关性。因此从空间上探索区域经济发展格局的变化具有较现实的意义，也比较符合泛珠地区经济特征。

1. 全局空间自相关。全局空间自相关从空间整体上研究一个区域空间内部的相关性，它使用全局Morans I值来测度空间全局的特征，分析区域空间整体的关联性和差异性。前文中，我们发现泛珠地区由于经济发展的路径依赖，区域的空间结构具有一定的稳定性，因此需要综合考虑人均GDP的增长速度，以便更好地探求区域发展的空间格局，把握经济增长的空间走向。

表2表明，人均GDP的全局空间自相关指数均为正数，检验显著，且在数值上呈递增趋势，表明总体趋势在不断加强。因此，泛珠三角基于地市级的人均GDP在地域上呈显著的空间集聚分布，经济发展较好的地区和经济差的地区空间集聚明显，相邻区域间的经济关联在强化，随着区域间合作的进一步深化，这种特性将进一步增强。这种空间集聚的加强在一定程度上弱化了区域经济的差异，与通过指数分析得出的结论相契合。需要强调的是，由于全局空间自相关是探求区域空间总体上的特征，因此泛珠三角地区总体上区域差异的缩小，是基于地市级泛珠地区空间差异在平均意义上的缩小，与其他局域内空间差异并不矛盾。

另一方面，由于人均GDP的分析只能从一种相对静态的角度去分析，为了更好地探求泛珠地区空间格局的演变，还需要从相对动态的角度，即通过对人均GDP的增长率来分析。人均GDP增长率的Moran，s I值均呈为正，除2009年未通过显著性检验外，其他年份均通过显著性水平检验，这基本可以表明区域内人均GDP增长呈现空间正相关，即各地市级人均GDP增长率呈不平衡增长态势，相邻区域间经济增长速度存在空间依赖性。从Moran，s I的走势上看，波动较大，没有明显的增强或减弱的趋势，显示出人均GDP的增长态势在空间上具有一定的随机性。

2. 局域空间自相关（Lisa）。（1）空间联系指标局域自相关。全局空间自相关是在对整个区域空间不含有异质性的假定上，认为在整个区域内部只存在一种趋势，而且我们可以观测到整体的一种较为明显的趋势。但事实上，像泛珠三角这样的地区，区域单元之间存在较大程度的非均质性。当考虑到内部局域空间相关性时，即哪个区域单元对全局空间自相关的贡献更大或者全局空间自相关在何种程度上掩盖住了局域的异质性时，我们就有必要进一步探求局部情况[17]。因此我们需要借助局域空间分析方法来探求局部的空间特征，从而发现局部单元之间空间要素的异质性。

局部空间自相关分析的是区域单元观测属性值的高值或低值的集聚特征，它一方面为每个观测单元与周围单元之间集聚的显著性做出评估；另一方面，它可以作为小范围内空间不稳定性的指标。局部空间自相关通过Moran散点图局域Lisa图来反映。

图4给出了2003年和2010年泛珠三角地区人均GDP的Morans I散点图。我们可以很直观地看出，各地市级观察单位主要集中于第一和第三象限，根据Morans I散点图的含义，即主要为低低、高高的空间集聚，且属于低低区域的单元明显要多于高高区域单元。具体来看，2003年属于第一象限的城市主要包括珠三角和厦漳泉沿海及湘潭等个别内陆城市；2010年，在原有基础上又新扩容清远和阳江两市，这些城市与其相邻接的城市是泛珠三角地区人均产值较高的地区。2010年阳江和清远的加入，说明泛珠合作以及广东省内的区域转移政策对这些地区产生了一定的积极影响。散点图除了表示那些偏离全局空间特征的局部关联类型外，还包括了空间关联的总体平稳程度[18]。与2003年的散点图相比，落在第一和第三象限中的点更加趋近于坐标轴，说明相邻的高值地域单元和相邻的低值地域单元之间差异在缩小，区域极化效应在减弱。

落入第二和第四象限的地区即低高和高低集聚区，表明区域间具有较强的异质性。2010年相对于2003年这类城市个数下降16%，说明区域间差异有一定程度的趋于收敛。同时仍有近半的地区集中于低低集中区，这些地区主要集中于西部地区，经济基础较差，区位条件差，整体格局并没有显著变化。

从总体上看，人均GDP主要集中于高高，低低集中区内，且年度间没有显著变化。区域间的合作虽然带来局域间一些变动，但主要还是发生在中部和东部一些地区，如清远由低高集聚向高高集聚区转变，汕头、德阳等由高低集聚区向低低聚集区转变，表现为向周边的趋同现象。因此2003年以来，基于地市级的泛珠三角地区人均GDP的明显的空间二元结构并没有发生实质性改变。由于经济基础、区位因素等原因的存在，短期内人均GDP的热点地区仍然将集中于东部沿海地区和内陆个别城市间，如表3所示。

（2）LISA集聚图。通过散点图我们可以看出泛珠地区人均GDP的空间二元结构，而通过LISA集聚图我们可以直观地看到地理单元属性和周边地理单元的相关性或相异性。

通过2003年和2010年的人均GDP的Lisa图我们发现，2003年经济增长的高值集中区和低值集中区较多，其中显著的低低区域居于主导地位，在空间上表现出较为集聚的分布而非空间的随机性分布。2010年和2003年相比，清远、漳州等区域被纳入到高值集中区，表现出珠三角和厦漳泉地区对周边地市产生较强的辐射作用。低低类型集聚区中，百色、广安、怒江、昭通等地区从中脱离出来，低低区域有了一定的缩小。LISA集聚的动态变化表明，近些年来，泛珠江三角洲地区人均GDP已经发生一定程度的变动，高值区具有一定的辐射作用，把一些原来的低值区带入高值区。相对于这种变化，更为明显的是更多的中西部地区从低值集聚区内脱离出来，表现为一定程度上区域趋于平衡，如图5所示。

（四）经济增长热点演化

通过借用局部G*统计量来动态地考察泛珠三角地区地市级人均GDP增长速度空间格局的热点区域演化。

从三个时间点的冷热点区域来看，变化较为明显。2003年经济增长的热点区域主要集中于珠三角和湖南、江西的东中部地市，冷点地区集中于云南、贵州、广西等西部地市；到2007年时，热点地区已经发生较大变动，在东中西部地区零散分布；到2010年时，西部四川的部分地市出现热点区域的连片分布，而沿海珠三角地区甚至出现了冷点区。这些空间格局的变化，反映出泛珠三角地区人均GDP增长冷热区域格局的变迁，见图6所示。

三、泛珠三角地区经济发展差异影响因素的实证分析

（一）空间回归模型和方法

空间滞后模型（SpatialLagModel）

空间滞后模型的含义为由于空间相关，本区域的被解释变量不仅与该区域的因变量有关，还与相邻区域的因变量有关。式中，W为空间权重矩阵，Wy为空间滞后项，λ和β是估计参数。

空间误差模型（SpatialError Model）

空间误差模型的含义为将无法预期的成分和误差项设定为一个空间自回归的过程。其中W？着为误差项的空间滞后，v是不相关的，同方差的误差项。

模型采用极大似然估计方法和实质冗余的空间依赖性的LM检验，并比较SEM和SLM的模型的显著性来选择最优模型。

（二）空间模型的设定

根据新经济地理学理论、相关文献[19]和泛珠三角地区的实际情况，设定泛珠三角地区经济差异的实证模型：

其中，被解释变量为对数化的人均GDP（pgdp），以反映区域经济的增长变动；资本和劳动是经济中最主要的要素，文中选取社会新增投资额（k）和全社会城乡从业人员（l）来代替；进出口是经济发展的重要驱动力，引入变量进出口额（imex）用于评价对区域经济发展的影响；城镇化是推动经济发展、缩小经济差距的重要途径，故引入城镇化率（urban）变量；工业化是区域经济发展的重要动力，因此把第二产业比重（sir）引入模型。选取2010年泛珠三角地区118个地级市的截面数据进行分析。

通过前文空间相关性检验，发现泛珠区域经济发展水平方面具有空间相关性，因此需要采用空间计量模型来进行估计。在表4的OLS的估计结果中我们也可以看出，虽然多数变量都通过了显著性检验，模型整体也通过了1%水平的显著性检验，但模型的拟合优度较低，只达到0.395的水平，部分变量的符号与实际经济现象相差甚远，因此我们需要拒绝一般模型的OLS估计方法。表4中Lagrange乘数误差和滞后及其稳健性检验表明，LM（lag）、Robust LM（lag）、LM（error）、Robust LM（error）均能够通过1%水平下的显著性检验，但LM（error）大于LM（lag）、Robust LM（error）也大于Robust LM（lag），因此，选择SEM模型进行空间计量分析，比较SEM和SLM的对数似然函数值LOGL、AIC、SC、LR等数值，可以看出SEM的LOGL（-33.344 8）大于SLM的LOGL值（-60.798 5），而SEM的AIC、SC（78.689 7、95.262 7）均小于SLM（135.597、154.932），因此使用SEM估计的结果要更好一些。

通过空间误差模型的实证结果我们可以得出以下结论：

1. 第二产业比重变动对泛珠三角区域经济发展具有显著的正影响，且其弹性系数达到0.56。第二产业由于其产业链长，对经济发展的集聚和拉动效应明显，且泛珠三角所包含的中西部地区城镇化水平尚低，因此积极推进工业化，做好沿海与内地产业的对接与转移，为地方经济的发展构建必要的工业支撑，对促进泛珠地区发展意义深远。

2. 城镇化率对区域经济发展影响的弹性系数达到0.386，这表明城镇化是推动经济发展的重要载体和动力。通过推进城镇化可以推进城镇外延的扩张和城市规模的扩大，促进人口和产业的集聚、信息要素的高效流通，从而实现规模效应，促进经济发展。

3. 进出口及新增固定资产投资都与区域经济发展存在显著的正相关关系，因此积极引导投资，扩大对外经济贸易，优化资本的有效投资和流动，从而将投资的效率和效益最大化，鼓励区域充分发挥比较优势，借助区域间的合作，积极拓展对外贸易，可以有效的促进泛珠区域经济的发展。

4. 无论是OLS估计结果还是ML估计结果，都显示城镇劳动人口对经济增长的弹性系数为负数，即城镇就业人口规模与经济增长呈负相关关系，这与新古典经济理论和新经济地理学的理论都相矛盾。出现这种情况，一方面可能是因为泛珠三角地区大部分的地市级区域就业人口庞大，而区域内第二产业和第三产业又相对发展滞后，使得人口的城镇化水平高于工业化水平，造成劳动力不能充分利用，形成一种隐性失业的现象，从而抑制了人力资本的作用；另一方面沿海省份的部分地区高度工业化，人口的大量集聚，一定程度上造成人口的过度膨胀，进入劳动投入的边际收益递减阶段。

四、结论

1. 我们用统计和空间分析相结合的方法对泛珠三角地区经济发展差异进行了分析，通过人均GDP的分位格局显示，区域单元发展具有较强的集聚性和异质性，以沿海主要城市群和各主要省会城市为核心的中心-边缘模式结构明显。四个统计指数都表明：泛珠三角地区区域内部基于人均GDP的区域经济差异有缩小的趋势，这在一定程度上说明泛珠三角地区区域政策和区域合作的效力逐渐显现。

2. 基于全局空间自相关和局域自相关分析方法，通过对泛珠三角地区近十年来主要年份的区域格局动态分析发现，人均GDP和其增长速度的空间自相关性较为明显，形成经济水平和增长速度的集聚区，空间依赖性较强。LISA值和散点图都反映区域单元经济差异水平在缩小。经济增长率的热点地区逐渐由珠三角地区向西南四川、广西等省份的部分地市变迁，珠三角等沿海地区甚至出现经济增速的冷点区。

3. 通过统计指数显示空间经济发展的不平衡性在缩小，而局域空间相关性分析却表明局域人均GDP的空间集聚和极化程度在加剧。分析表明，区域内局域的空间极化程度在上升，表现为以珠三角和各省会城市为中心的中心辐射作用的加强，部分高值区域周围的低值区域开始发生跃迁，且区域板块之间的差异可能随着近些年区域的发展缩小。

4. 整体来看，泛珠区域内存在空间自相关性，区域间经济之间存在一定的依赖性。因此在利用传统统计方法分析区域经济问题时，必须考虑区域的非独立性。同时我们发现，尽管存在空间依赖性，但并不是很强，部分区域之间不存在经济上的显著的空间关联性。这一方面或由于泛珠地区经济发展阶梯性差异较明显，另一方面政策实践的时间太短，效力微弱，并没能从根本上改变地理邻接地市之间的经济联系格局的变迁，区域间合作有待进一步深化。

5. 运用基于地市级的2010年截面数据，借助新经济地理学的相关理论进行空间计量实证分析，通过对比忽略空间相关性的普通OLS估计结果和考虑空间相关性的SEM模型的ML估计结果，我们发现，在存在空间相关性的区域分析中，SEM模型拟合性更好，从而能够最大程度地避免OLS估计的偏误。估计结果显示：第二产业发展水平对区域经济发展水平影响最为显著，城镇化水平作用明显，进出口，储蓄水平以及新增投资与经济发展具有显著的正相关关系。

注释：

①数据来源于中国统计年鉴（2011），中国城市统计年鉴（2011）及各省2011年统计年鉴。

②海南省将三亚市以外的县、农垦区全部归为海口市。

③由于缺少海南省各市人均生产总值指数的统计，文中以当年生产总值指数进行替代。

参考文献：

[1]李小建，乔家君.20世纪90年代中国县际经济差异的空间分析[J].地理学报，2001，56（2）：136-143.

[2]Shan J. A macroeconomic model of income disparity in China[J]. International Economic Journal，2002，16：47-63.

[3]Ying L G. Understanding China 's recent growth experience：aspatial econometric perspective[J]. Annals ofRegional Sciences，2003，37：613-628.

[4]Max L，Wang E.Forging ahead and falling behind：Changing regional inequalities in post-reform China[J].Growth and Change，2002，33（1）：42-71.

[5]欧向军，沈正平，王荣成.中国区域经济增长与差异格局演变探析[J].地理科学，2006，26（6）：641-648.

[6]贺灿飞，梁进社.中国区域经济差异的时空变化：市场化、全球化、城市化[J].管理世界，2004（8）：8-17.

[7]徐建华，鲁凤，苏方林，等.中国区域经济差异的时空尺度分析[J].地理研究，2005，24（1）：57-68.

[8]李秀伟，修春亮.东北三省区域经济极化的新格局[J].地理科学，2008，28（6）：722-728.

[9]李莉，刘慧，刘卫东.基于城市尺度的中国区域经济增长差异及其因素分解[J].地理研究，2008，27（5）：1048-1058.

[10]刘慧.区域差异的测度方法与评价[J].地理研究，2006，7（4）：710-718.

[11]靳诚，陆玉麒.基于县域单元的江苏省经济空间格局演化[J].地理学报，2009，64（6）：713-724.

[12]王洋，修春亮.1990—2008年中国区域经济格局时空演变[J].地理科学进展，2011，（8）：1037-1046.

[13]Dixit A. Stiglitz J. Monopolistic Competition and Optimum Product Diversity[J]. American Economic review，1977，67：297-308.

[14]Anselin L.Spatial econometrics[A].BaltagiB（ed.）.Companion to Econometrics[C].Basil Blackwell，Oxford，2000.

[15]Anselin L.Local indicators of spatial association- LISA [J].Geographical Analysis，1995，27（2）：93-115.

[16]Getis A，Ord JK.The analysis of spatial association by use of distance statist ics[J].Geographical Analysis，1992，24（3）：189-206.

[17]杨贺，刘金平.中原地区经济增长演变及空间依赖性分析[J].统计与决策，2012，（5）：102-105.

[18]蒲英霞，葛莹，马荣华，等. 基于ESDA 的区域经济空间差异分析——以江苏省为例[J].地理研究，2005，（4）：965-974.

[19]王家庭，贾成蕊.我国城市化与区域经济增长差异的空间计量研究[J].经济科学，2009，（3）：94-102.

责任编辑、校对：关 华