转型期中国省域休闲经济发展水平与城镇化质量关系

张广海，刘金宏

(中国海洋大学 管理学院，山东 青岛 266100)

一、问题提出和文献回顾

目前，中国整体已进入工业化中后期，居民闲暇时间的增加、生活水平的提高以及休闲消费需求的增长，使得区域休闲产业持续发展，特别是随着中国经济社会转型的快速推进，休闲经济逐渐成为推动区域经济增长方式转变的新动力。据统计，2012年，城镇居民国内旅游出游人数达16.9亿人次，出游花费为17678亿元，出游率为253.5%，比2011年提高了7.5%;城镇居民国内旅游出游人均花费914.5元，农村居民国内旅游出游人均花费491元，均高于历史上全年最高水平。此外，2012年中国旅游业总收入达2.59万亿元，较2000年相比，增长473.14%，其收入总额占第三产业增加值的11.19%，占GDP的4.99%。休闲经济作为工业化社会高度发达的产物，对于深化产业结构调整、刺激居民消费、协调区域分工以及繁荣市场经济发挥着举足轻重的作用。中国当前处于一个全面转型的关键时期，资源优化配置、产业结构调整、信息技术提升、创新能力优化、新型城镇化建设等一系列问题亟待得以科学、合理解决。其中，扭转城镇化质量与城镇化效率发展不均衡局面、实现城乡一体化协调发展，成为近年来理论界和政府层面持续关注的焦点。党的十八大报告则明确提出“城镇化质量明显提高”、“推进城镇化和农业现代化相互协调”的新要求。由此可见，大力发展区域休闲产业、充分发挥休闲经济的地域集聚与产业关联效应，将成为提高城镇化质量、推进城镇化效率以及促进城乡协调发展的有效路径选择。因此，对区域休闲经济与城镇化质量的内在关联性进行深入研究，有利于缓解中国当前城乡结构性供需矛盾、优化城乡产业结构，对于实现新型城镇化建设、引导城镇化以质量为导向健康发展具有重要意义。

近年来，休闲经济作为经济学视野中较新的研究领域，被国内外学者广泛关注［1－5］。休闲经济是生产与消费的有机统一体，休闲产业既具有劳动密集型产业的特征，同时体现资金密集性和技术密集性。区域经济要素和休闲产业要素的空间流动性非常强，休闲经济活动的地理集中效应则更有利于进一步促进区域经济的增长以及城市化水平提高，但目前对于休闲经济的研究缺少对空间因素的分析。引入空间因素分析休闲经济的产生、形成、发展以及休闲产业的辐射效应，是休闲经济问题研究的新趋向［6－12］。

相比而言，目前国内对于休闲经济发展与城镇化质量的关系、内在关联机理等方面的研究相对滞后，且以定性分析为主，缺乏定量分析与实证检验［13－14］。对于休闲经济与城镇化质量关系的理论研究与实证检验相对较少，同时，忽略其空间效应 (空间相关性和空间异质性)的作用，然而区域休闲经济发展所产生的“扩散—回波”效应客观存在，且对城镇化发展具有重要影响。本文基于空间计量经济学的研究视角，在检验中国省域休闲经济与城镇化质量空间依赖性的基础上，构建了空间计量模型，分析休闲经济发展各要素对城镇化质量的影响，并证实了邻近省域休闲经济发展对城镇化质量提高具有较为显著的溢出效应;在此基础上，进一步考虑了空间异质性，运用地理加权回归方法对二者内在机制的局部集聚差异性进行了分析研究，以期能够在新形势下为充分发挥休闲产业的经济关联效应，推动区域城镇化健康、可持续发展提供一定的决策参考。

二、指标构建与数据来源

(一)休闲经济发展水平测度指标

休闲经济是知识经济社会发展到一定阶段的产物，它是建立在休闲大众化的基础之上，由居民休闲消费需求和休闲产品市场供给所组成的经济，一方面，体现着人们在闲暇时间的休闲消费活动;另一方面，也体现出休闲产业对休闲消费品的生产活动［15］。本文选取休闲产业绩效 (LIP)、休闲消费需求(LCD)以及市场开放程度 (MOD)三个指标对省域休闲经济发展水平加以表征。其中，休闲产业绩效反映了休闲产业自身发展的规模状况以及省域休闲产业能力，这里采用休闲企业营业收入与各省域总人口数来测算。考虑到数据的客观性、代表性和可得性，休闲企业营业收入以旅游企业营业收入、限额以上餐饮企业营业收入以及文化企业营业收入加权求和得到。休闲消费需求体现区域居民休闲消费理念与消费能力，以居民人均休闲花费占居民家庭平均每人消费性支出的比重来表示。居民休闲花费以城镇居民人均教育文化娱乐服务消费、交通通信消费、医疗保健消费、观光游览消费支出总和计算得出。市场开放程度表征市场化竞争水平以及休闲经济发展的市场环境状况，这里采用外商直接投资占全社会总投资的比重来表示。通过多目标线性加权求和对以上三个指标加以综合测算，得到休闲经济发展指数，以此来反映中国省域休闲经济发展整体水平。指标权重运用专家打分法以及层次分析方法获得。此外，为消除各指标的量纲差异，运用最大元素基准法对原始数据进行无量纲化处理，其公式为:

(二)城镇化质量测度指标

城镇化质量是一个内涵丰富的综合性概念，能够全面反映城镇化发展进程［16］，它包含城镇化各组成要素的自身发展质量、要素间的协调程度以及城镇化可持续发展能力三个方面。本文选取人均第三产业生产总值、城镇居民人均可支配收入、城乡居民人均可支配收入之比、地方财政预算收入、人均公共绿地面积等主要指标来反映区域城镇化发展中的经济发展质量、居民生活质量、城乡协调发展质量、政府行政管理质量以及生态环境质量。同时，为了系统、全面反映中国省域城镇化质量综合水平，采用专家打分法以及层次分析方法获取指标权重，运用最大元素基准法进行指标数据标准化处理，最后通过多目标线性加权求和模型对以上指标进行综合测算，得到城镇化质量指数 (UQI)。

(三)数据来源

本文以31个省、市、自治区为研究对象，省域休闲经济发展水平各测度指标原始数据来源于2000～2011年《中国文化文物统计年鉴》《中国区域经济统计年鉴》《中国旅游统计年鉴副本》等，城镇化质量测度指标原始数据来源于2000～2011年《中国统计年鉴》《新中国60年统计资料汇编》等，此外，有些省域在某些年份所缺乏数据来源于各省、市、自治区相关行政管理部门的公开出版物或官方网站公开发布的统计数据。

三、省域休闲经济发展水平的空间集聚特征分析

(一)Kernel分布估计分析

近年来，中国休闲产业能力的不断增强，大大推动了休闲产业要素间的协同发展以及空间流动，不仅使得中国省域休闲经济发展水平持续提高，同时，使省域休闲经济发展水平的空间集聚特征日趋明显。这里采用Kernel分布估计模型来反映2000～2011年中国31个省域休闲经济发展水平的演进轨迹和空间集中分布状况，从整体上考察区域休闲经济发展的空间集聚态势。其中，Kernel分布估计是一种非参数估计方法，主要用于对随机变量的概率密度进行估计分析［17］。与参数估计模型相比，Kernel分布估计克服了其函数形式设定的主观性，而针对数据本身来体现其分布特征，使结论更具有普遍性和客观性。其基本公式为:

其中，n为观测值个数;Ui为省域休闲经济发展指数;U为平均值;h为带宽，即平滑参数，用来控制密度估计的平滑度。K(⋅)为核函数，本文采用高斯正态分布核函数对中国省域休闲经济发展水平的空间集聚趋势进行整体分析。

如图1所示，2000～2011年，中国省域休闲经济发展指数分布曲线均呈现“双峰”趋势，且主峰峰值与小的波峰峰值差距较大，大部分地区主要集中于主峰极点附近，并且这种分布形态在考察期内具有稳定性。由此表明，中国省域休闲经济发展一直伴随有显著的空间集聚态势，并随着休闲经济的持续发展，高值集聚区域与低值集聚区域差距不断扩大，此外，省域休闲经济发展在整体上存在较为明显的俱乐部收敛趋势。

图1 2000～2011年中国省域休闲经济发展指数的Kernel分布估计

(二)空间集聚差异分析

中国省域休闲经济发展水平不仅在整体上呈现空间集聚特征，同时受资源禀赋、交通区位、经济社会发展、文化差异等诸多因素影响，在局域上表现出显著的空间差异特征。本文以2000年、2005年和2011年为观察对象，以省域休闲经济发展指数为衡量指标，分别绘制反映区域休闲经济发展水平的空间分布差异趋势四分图。如图2所示，颜色深浅分别代表区域休闲经济发展水平的高低，颜色越深，其休闲经济发展水平越高，反之越低。由图可知，中国区域休闲经济发展存在较为明显的空间分布不均衡现象，大体上呈现由东向西阶梯递减趋势，而邻近省域的休闲经济发展程度基本相近。此外，2000～2011年中国东部地区休闲经济发展保持相对稳定的空间布局，且发展水平较高，相比而言，中、西部地区休闲经济发展在空间布局上表现出一定的波动性。由此表明，中国东部地区休闲产业发展相对成熟，休闲经济发展水平持续平稳提高。

图2 2000～2011年中国省域休闲经济发展指数的空间分布四分图

四、省域城镇化质量的空间相关性分析

空间相关性是指不同地理位置的观测值在空间分布上具有非独立性。本文运用空间自相关分析方法对中国区域城镇化质量的空间分布特征及其地区差异进行分析，以此来考察中国省域城镇化质量与邻近空间位置上的区域城镇化质量是否存在显著的相关性，并利用Moran散点图和LISA进一步分析区域城镇化质量的地理空间集聚效应及其局部差异性。

(一)全局空间自相关分析

采用全局Moran's I指数检验区域城镇化质量的空间相关 (依赖性)存在与否，以此来反映区域城镇化质量的全局空间相关性。该指数定义为:

依据上述原理，对中国31个省域城镇化质量在地理空间上的空间依赖性进行Moran's I统计检验，结果如表1。由表1可看出，2000～2011年，中国省域城镇化质量的Moran's I指数在0.3911～0.4555之间，并均通过了显著性水平为5%的蒙特卡洛模拟999次显著性检验。由此表明，中国省域城镇化质量在整体上存在显著的空间正相关性，即各省域城镇化质量的高低会受相邻地区城镇化质量的影响，呈现出空间依赖性和地域集聚性，具体表现为城镇化质量较高的地区相互邻近、城镇化质量较低的地区相互邻近的空间结构。同时，这种空间集聚性也间接反映出中国城镇化质量地区分布的非均衡性。

表1 2000～2011年中国省域城镇化质量的Moran's I指数统计值

(二)局部空间自相关分析

由于Moran's I指数在全局空间自相关分析中无法反映区域城镇化质量的局域空间自相关性和集聚性的趋势特征，而城镇化质量在地区与地区之间的溢出或回流效应并不完全局限于有共同边界的相邻省级区域间，因此，这里运用Moran's I散点图和空间相关的局域指标集群 (LISA)分析法进一步分析每个地区与其周边地区之间的城镇化质量的空间差异性。其中，Local Moran's I统计量是Global Moran's I统计量的分解形式，可用来度量某一地区与其周边地区的城镇化质量在空间分布上的差异程度和显著性［18］。该统计量的具体公式为:

其中，Zi=(Yi－)/σ是Yi的标准化量值;Zj=(Yj*)是与第i区域相邻接的属性标准化值;W'ij是标准化后的权重矩阵。

同时，为了将局部空间自相关系数所描述的空间依赖性与异质性更加直观地表现出来，本文运用Moran's I散点图来实现。它将各省域城镇化质量划分为四个象限的集聚模式:第一象限 (HH)表示城镇化质量高的地区被邻近的其他城镇化质量高的地区包围;第二象限 (LH)表示城镇化质量低的地区被邻近的其他的城镇化质量高的地区包围;第三象限 (LL)表示城镇化质量低的地区被邻近的其他的城镇化质量低的地区包围;第四象限 (HL)表示城镇化质量高的地区被邻近的其他的城镇化质量低的地区包围。因此，第一和第三象限表示正的空间相关性，即均质性;第二和第四象限表示负的空间相关性，即异质性。

依据上述原理，绘制2011年中国31个省份城镇化质量指数的Moran's I散点图 (见图3)，由图3可知，位于第一和第三象限的省份分别为7个和15个，占全国总量的70.97%，表明中国多数省份城镇化质量在空间分布上为正相关，局域空间集聚性明显。同时，分布于第一象限 (HH)的省份均在东部地区，而第三象限 (LL)的省份均在中西部地区，由此表明中国区域城镇化质量在空间上表现为显著的空间异质性，“两极化”特征突出。

综合以上分析，中国区域城镇化质量表现为显著的局域空间依赖性和集聚性，且城镇化质量较高的区域集中在东部地区，而城镇化质量较低的区域集中于中、西部地区，这与我国区域休闲经济发展水平的局域空间分布态势具有相似性。因此，本文基于空间计量研究视角，进一步分析区域休闲经济发展水平与城镇化质量的内在关联性。

图3 中国省域城镇化质量指数的局部Moran's I散点图和对应省份分布图

五、省域休闲经济发展水平与城镇化质量关系的空间计量分析

(一)全域空间相关性分析

首先，不考虑空间效应，构建反映中国省域休闲经济发展水平与城镇化质量关系的经典计量经济学回归模型:

其中，UQI为省域城镇化质量指数，为被解释变量;LIP、LCD与MOD分别为省域休闲经济发展指数中的休闲产业绩效、休闲消费需求和市场开放程度三个评价指标，为解释变量;α为常数项，β1、β2、β3为回归系数，ε为随机误差项。此外，这里以31个省份2011年横截面数据为样本，同时，为消除原始数据的异方差现象，保证原始变量之间的变化趋势不变，对各变量数据进行取对数处理。该基本模型尚未考虑中国区域休闲经济发展水平与城镇化质量之间的空间联系与相互影响。安森林和格里菲特 (Anselin和Griffith，1988)则认为当区域经济之间的行为存在着空间联系和交互作用 (空间效应)时，运用普通最小二乘法 (OLS)回归模型进行估计，会导致系数估计值有偏或无效［19］。并且当对经典计量回归模型考虑空间效应时，某一省域休闲经济不仅对该省域城镇化质量产生影响，同时可能对其邻近省域城镇化质量的提高产生溢出效应。因此，本文采用空间计量模型中的空间滞后模型和空间误差模型来深入分析休闲经济发展水平与城镇化质量关系间的空间溢出效应和空间依赖性。

空间滞后模型 (Spatial Lag Model，SLM)主要探讨各变量在某一地区是否存在扩散现象，即溢出效应，这里主要用于反映某一地区休闲经济发展对本地区城镇化质量提高的影响以及对其邻近区域城镇化质量提高所产生的影响。其模型表达式为:

其中，ρ为空间滞后自回归系数;W为空间权重矩阵;α为常数项;β1、β2、β3为回归系数;ε为随机误差项。

空间误差模型 (Spatial Error Model，SEM)主要用以度量某一地区的邻近区域被解释变量的误差冲击对该地区观测值的影响程度。由于SLM模型只考虑了休闲产业绩效、居民休闲需求以及市场开放程度这三个变量对于城镇化质量的影响，而事实上还存在其他未被考虑的相关变量对其产生影响作用，且可能在地理上存在空间相关性，因此，这里采用空间误差模型，用来考察中国某一省份的邻近区域休闲经济发展中要素的误差项对于该地区城镇化质量的影响。其模型表达式为:

其中，λ为空间误差自回归系数;W为空间权重矩阵;α为常数项;β1、β2、β3为回归系数;ε为随机误差项;μ为正态分布随机误差项。

(二)空间计量模型的选择

对于SLM与SEM的选择，一般依据空间效应检验来实现，包括Moran's I检验、极大似然LM－Error检验以及极大似然LM－Lag检验等，当LM(Lag)较LM(error)在统计上更加显著，且Robust LM(lag)显著而Robust LM(error)不显著时，则宜采用SLM;相反，当LM(error)较LM(Lag)在统计上更加显著，且Robust LM(error)显著而Robust LM(lag)不显著时，则宜采用SEM［20］。此外，对于OLS、SLM以及SEM的选择还可依据拟合优度R2检验、似然率LR检验显著，自然对数似然函数值 (Log likehood，LogL)最大，施瓦茨信息值SC、赤池信息值AIC最小等方法来判断哪个模型更适合。

(三)空间计量结果分析

首先，依据经典回归模型和相关变量数据，进行普通最小二乘法 (OLS)估计，结果如表2所示。可看出，中国区域休闲经济发展水平与城镇化质量OLS估计模型的拟合优度为81.45%，F统计值为39.5209，模型整体上通过了1%水平的显著性检验;LIP、LCD与MOD三个解释变量分别通过了1%、5%、1%水平的变量显著性检验，且估计系数均为正数，表明区域休闲经济发展水平的提高对于城镇化质量的改善与提升有正向促进作用。OLS模型估计结果在一定程度上能够反映休闲经济发展各要素对城镇化质量的正效应，但其未考虑区域休闲经济发展与城镇化质量关系的空间相关性，这可能使得估计结果存在一定偏差，从而影响其分析的准确性和客观性。

表2 休闲经济发展水平与城镇化质量经典回归模型OLS估计结果

为进一步验证空间自相关性的存在，将地理空间因素引入回归模型中，对普通最小二乘法 (OLS)估计的残差进行空间依赖性检验。由表2可知，LM(Lag)与Robust LM(lag)均通过了5%水平的显著性检验，而LM(error)与Robust LM(error)未通过10%水平的显著性检验，因此，根据Anselin提出的判别准则，选择空间滞后模型更为适合。此外，采用极大似然法 (ML)对空间滞后模型 (SLM)与空间误差模型 (SEM)进行估计，结果如表3所示，SLM拟合优度R2为0.852787，Log L值为24.34100，均高于OLS与SEM模型，而AIC值与SC值均小于OLS与SEM模型，同时，SLM模型中LR通过1%水平的显著性检验，而SEM模型中LR未通过显著性检验。由此可看出，一方面，基于OLS法的经典回归模型由于忽略空间相关性而设定模型不够恰当，从而影响其分析结果的准确性和可靠性。另一方面，将空间效应引入经典回归模型中，运用空间滞后模型 (SLM)来分析休闲经济发展水平与城镇化质量关系，其模型更为适合，并且解释能力显著增强。

表3 休闲经济发展水平与城镇化质量关系的SLM和SEM估计结果

由表3的空间计量分析结果显示，SLM的空间滞后参数ρ通过0.44%的显著性检验，表明中国省域休闲经济发展对城镇化质量的影响在地理空间的邻近区域表现出较强的溢出效应;SEM的空间误差估计参数λ通过了1.46%的显著性检验，表明中国省域之间休闲经济发展对其城镇化质量的提高具有较强的空间依赖作用，同时，被忽略掉的相关因素如闲暇时间、休闲产品多样性等通过误差项对区域城镇化质量提高也产生着一定的作用。由此反映出中国省域休闲经济发展对城镇化质量提高的促进作用具有空间上的相互影响，并可以通过邻近区域相互传递。其次，进一步对空间滞后模型 (SLM)估计系数进行分析可知，LIP、LCD与MOD三个变量的回归系数均为正，并分别通过了1%、5%、1%水平的显著性检验，同经典回归模型最小二乘 (OLS)估计相比，除休闲消费需求变量外其他变量系数的显著性程度均有明显提高，表明区域休闲经济发展对城镇化质量提高有显著的正向影响。而根据解释变量的回归系数估计可知，在保持其他条件不变的情况下，LIP、LCD与MOD每增长1%，区域城镇化质量指数分别提高0.1973%、0.4683%和0.0980%，其中，居民休闲消费需求对城镇化质量提高的影响力最大。

六、结论及建议

基于中国省域休闲经济发展水平与城镇化质量在地理空间分布上存在相关性与异质性特征，将空间效应引入反映二者相互关系与作用机制的函数模型中，运用空间计量模型考察中国31个省域休闲经济发展各要素对提高城镇化质量贡献度的地理溢出效应以及影响系数的局域差异性。研究表明:

1.中国省域休闲经济发展一直伴随有空间集聚过程，并表现为较高的空间集聚分布特征。同时，受资源禀赋、地理区位、经济社会发展水平、产业结构等因素影响，局域休闲经济发展不均衡，呈现由东向西梯度递减的空间分布格局。

2.中国省域城镇化质量存在显著的空间自相关性，不但从整体上表现出明显的空间集聚特征，而且在局域上反映出空间集聚性，表现为邻近省域的城镇化水平具有显著的相似性。由此，为了避免因忽略空间因素而产生回归模型设定与估计出现偏差，本文运用纳入空间效应的空间滞后模型较好地拟合了休闲经济发展与城镇化质量间的相互关系，更为准确地揭示了区域休闲经济发展对城镇化质量的提高具有显著的空间溢出效应。这种溢出效应主要表现为省域休闲产业结构的合理调整、休闲消费需求的快速增长以及休闲市场环境的优化升级不仅对本地区城镇化质量的提高具有正向的促进作用，还通过空间传导机制对邻近省域城镇化的合理、健康发展产生推动作用。此外，休闲消费需求持续增长所表现出来的区域溢出效应通过刺激居民消费、调整城乡供需结构与消费结构等方式对改善城乡居民生活质量、实现城乡协调发展的影响力更为显著。

3.中国省域休闲经济发展对城镇化质量提高的促进作用不仅表现为空间溢出效应，同时，还具有显著的局域异质性，即不同区域休闲经济发展各要素对城镇化质量提高的影响系数估计值具有空间变异性。具体表现为，在经济发达的东部地区，休闲产业发展较为成熟，居民消费需求旺盛，且东部地区市场化程度较高，使得城乡需求结构的调整、资源的合理配置与协调发展以及城镇公共服务能力的提高等更为容易通过休闲经济市场作用于城镇化建设与发展中，从而更有利于促进城镇化的健康发展;而东部地区经济社会发展速度逐渐平稳化，产业结构较为合理，促进产业结构转型升级方式更具有多样性，因此，通过休闲产业结构的优化与产业绩效的提升来实现产业城镇化方式转变，其作用并不明显。与之相反，在经济欠发达的中、西部地区，居民消费能力较低，休闲消费观念落后，同时，市场化程度相对不足，使得城乡消费结构的转变升级、资源一体化配置的有效实现等通过休闲经济市场发挥其促进作用并不显著;但由于中、西部地区促进产业结构高级化的基础水平较差，产业结构亟待得以合理调整，而中、西部地区休闲资源丰富、休闲产品独特，具有发展休闲产业的后发优势，因此，充分发挥休闲经济的产业关联效应对其转变城镇经济结构、实现城乡经济融合发展更具有明显的促进作用。

依据上述结论，提出如下建议:

1.充分利用中国省域休闲经济发展的空间集聚效应，积极发挥休闲产业绩效、居民休闲需求以及休闲市场化程度等要素对城镇化质量提高的显著促进作用，不断优化中国区域休闲产业结构，扩大城乡休闲市场规模，推动休闲产业与其相关产业的融合发展。特别是对于经济欠发达的中、西部地区，把发展休闲产业作为其经济发展的一个突破口，把休闲经济作为推动城乡经济社会一体化发展的有效途径之一，创造新的休闲方式和消费模式，为促进城乡经济融合发展、提高城镇化质量创造新的动力。

2.中国区域休闲经济发展对城镇化质量提高的促进作用表现出了显著的空间溢出效应，因此，各省域在休闲市场开发和休闲产业规划发展的相关政策制定过程中，应更加注重休闲产业的深化整合、产业链协同发展以及邻近省域的合作开发，从而实现不同区域资源的合理配置与协调发展，实现省域互动共赢。此外，高度重视休闲消费需求持续增长对推动城镇化发展的空间溢出效应，通过创新休闲产品、完善休闲公共服务体系等方式，增加市场有效供给范围，激发城乡居民休闲消费需求，从而合理缓解中国城乡结构性供需矛盾，科学优化城乡居民需求结构，提高城乡居民生活质量。

［1］伊安·威尔逊.休闲经济学［M］.方颖，译.北京:机械工业出版社，2009.

［2］原梅生.休闲经济与休闲产业［J］.山西财经大学学报，2001，23(5):35－37.

［3］付达院.我国城市休闲经济规模发展及产业化趋势［J］.学术交流，2011，(6):132－135.

［4］申广斯.休闲经济与转变经济发展方式［J］.山西财经大学学报，2009，31(1):19－20.

［5］郭鲁芳.休闲消费的经济分析［D］.浙江大学，2004.

［6］United Nations Human Habitat.The State of the World’s Cities Report 2001［R］.New York:United Nations Publications，2002:116－118.

［7］United Nations Human Habitat.Urban Indicators Guideliners［C］//United Nations Human Settlement Programme.New York:United Nations Publications，2004:8 － 9.

［8］张春梅，等.发达地区城镇化质量的测度及其提升对策—以江苏省为例［J］.经济地理，2012，32(7):50－55.

［9］朱洪祥.山东省城镇化发展质量测度研究［J］.城市发展研究，2007，(5):37－44.

［10］何平，倪苹.中国城镇化质量研究［J］.统计研究，2013，30(6):11 －18.

［11］蓝庆新，等.我国人口城镇化质量发展的空间差异研究［J］.社会科学，2013(9):50－61.

［12］蒋伟.中国省域城市化水平影响因素的空间计量分析［J］.经济地理，2009，29(4):613－617.

［13］孙晓霞.休闲产业:城市发展的新动力［J］.华东经济管理，2007，21(3):48－50.

［14］郭俊华.以休闲经济作为推动城乡经济社会一体化发展的途径之一［J］.经济纵横，2013，(7):60－63.

［15］王琪延.休闲经济［M］.北京:中国人民大学出版社，2005.

［16］张春梅，等.城镇化质量与城镇化规模的协调性研究—以江苏省为例［J］.地理科学，2013，33(1):16－22.

［17］何江，张馨之.中国省区收入分布演进的空间—时间分析［J］.南方经济，2007，(1):64－77.

［18］张燕等.基于ESDA－GIS的城市旅游者空间分异［J］.地域研究与开发，2010，29(4):99－103.

［19］Anselin L，Griffith D.Do spatial effects really matter in regression analysis?［J］.Papers of the Regional Science Association，1988，(65):11－34.

［20］Anselin L.Local Indicators of Spatial Association － LISA［J］.Geographical Analysis，1995，(27):93 －115.

［21］Fotheringham S，Brunsdon C，Charlton M.Geographically Weighted Regression:The Analysis of Spatially Varying Relationships［M］.New York:John Wiley ＆ Sons，2002:27 －64.

［22］Fotheringham A S，Charlton M，Brunsdon C.The Geographically of Parameter Space:An Investigation of Spatial Non—Stationary［J］.International Journal of Geographical Information Systems，1996，(5):605 －627.