中国地市经济增长的时空演变及机制分析

李 在 军，胡 美 娟，马 志 飞，管 卫 华，吴 启 焰

（南京师范大学地理科学学院，江苏 南京 210023）

0 引言

改革开放以来中国经济快速发展，2010年国内生产总值超过日本，成为世界第二大经济体。但区域经济差异显著，贫富差距和城乡差异不断拉大，很大程度上妨碍社会稳定、居民福利改善及经济的可持续发展［1］。当前，中国正步入全面建设小康社会与实现共同富裕的关键时期，确保区域经济和谐发展、缩小地区贫富差距成为当务之急，而如何打破不均衡增长的路径依赖，消除地区贫困，继而实现地区均衡发展，成为亟待解决的重要问题，这引起经济学者、地理学者与政策制定者的广泛关注［2］。城市作为地区经济与社会发展的核心，是相对稳定的单元，处在联系县域与省级的节点位置，承担协调区内外与城乡发展的重担，合理的城市集群可带动周围地区的共同发展，因此，探究地市间经济增长的差异及其空间集聚特征，有助于缩小经济发展差距以及构建、培育合理的城市群。

区域经济增长不均衡在实践层面主要涉及3个问题：区域增长的时间变化趋势、差异形成原因解析及缩小差距的对策实施［3］。而区域经济增长是时空动态变化的连续统，一方面，从演化的视角分析，地区不平衡随着时间演变而发生变化，时序的波动对应经济增长空间不平等的重组［4］，通常扩张期与地区不平等的上升联系在一起［5］，如我国地区经济增长随不同时期政策的制定与实施而发生变化。另一方面，经济增长深受空间异质性或空间联系的影响，空间上表现出集聚分异的格局，空间依赖固化了经济增长的核心—边缘结构［6－9］，如我国经济增长的城乡、沿海与内陆分异特征。因此，有必要对区域经济增长的时空演变进行综合分析。

事实上，地理学注重区域增长的时空特征及驱动机制，形成了完整的“格局—过程—机理”研究路线。经济增长的差异测度由传统的变异系数、泰尔指数等非空间全域性统计分析［10］，转向探索性空间统计识别［11－13］；研究尺度逐渐由全国、省域向市域及县域单元延伸，甚至趋向于研究社区、个人及家庭间的不平等［4，14］；经济增长解释由最初的定性评价，转向定量多机制驱动的测度，且经济增长要素识别由最初单变量［15］，转向多机制分析框架，综合考虑市场化、全球化、去中心化、政策及环境等因素的作用［1，16］。经济增长驱动诊断由普通最小二乘及多水平等非空间回归方法，转向嵌入空间效应的空间误差、空间滞后与地理加权等空间回归技术。

可见，相关实证研究较丰富，为识别经济增长的时空演化奠定了良好的基础。但区域经济增长时空演变研究往往单方面强调时间或空间，并未真正实现时空统一；经济增长机制的空间依赖模型设定需严格的假设，否则将导致无效的参数估计。因此，经济增长的过程与关系研究仍待完善，而经验正交函数（EOF）能较好地弥补探索性空间数据时间断面分析的不足，实现对时空演化特征的分析；非参数特征向量的空间过滤模型建立在普通OLS回归基础上，无需考虑观测单元的依赖性与误差项分布约束，具有适应能力强与稳健性特点，从而揭示变量间的相关作用关系。因此，本文利用经验正交函数探究1985－2012年间我国335个地级市经济增长的时空变化，采用空间滤波模型解析经济增长的驱动因素，整合经济增长的时空格局过程与要素作用关系分析，以期为经济发展决策的制定提供建议与思考。

1 数据来源与处理

选取1985－2012年我国大陆地级行政单元为研究对象，限于研究时段较长与样本单元较多，数据获取较困难，其中不包括西藏自治区与海南省的行政单元，对个别年份行政区划的变动调整按照2012年地级行政区划与各省的实际情况，进行合并或拆分，最终形成335个地级行政单元，以各地级行政单元的历年人均GDP表征经济增长。

区域经济增长是多因素综合作用的过程，参照相关研究，从生产投入、经济构成、产品消费出发，选取投资、消费、对外贸易、财政支出、区位条件、城市化、产业构成、从业人员等影响经济增长的要素。其中，投资水平是经济发展的最直接因素，选取固定资产投资额反映投资对经济增长的作用［17］；受全球化的影响，区域生产和贸易逐步融入到全球市场，通过开展对外贸易有利于带动产品、产业结构和就业结构的变化，改善技术和管理水平，促进区域经济增长，以对外贸易额反映地区的经济全球化程度［18，19］；商品的购买和销售状况对经济再生产的持续具有重要作用，也是衡量市场经济发育和活跃程度的重要指标［20］，以社会消费品零售额表示商品消费；城市化水平是衡量经济发展水平的重要指标，是经济增长动力的核心与主体［21］；财政支出表示政府为满足社会共同需要进行公共产品与服务投资支付，有利于经济的稳定增长［22］；区位条件不仅影响地区间交往联系的便利度，且对经济增长的扩散与辐射以及吸引拉动经济增长的要素流入起到重要作用，选取城市GDP总值、年末人口总数与公路里程构建经济区位指数［23，24］；经济结构的调整与产业升级有利于提高资源配置效率，产业结构与区域发展密切相关，产业结构升级有利于区域经济发展的显著提高，选取二产比重、三产比重反映产业结构变动［25］；从业人员对劳动密集型产业及经济的持续发展提供人员支撑［26］。

相关数据依据《中国城市统计年鉴》、各省统计年鉴及相应地市统计年鉴整理获取。采用GDP平减指数将人均GDP折算到基期，为消除变量的量纲影响，对各变量进行标准化处理，利用1985－2012年间的增量数据变化诊断区域经济增长的主导因素。

2 研究方法

2.1 基尼系数与空间自相关指数

基尼系数是反映区域差异集中性的有效指标，其取值范围在0～1之间，Gini值越大表明样本间属性值的空间分布越不均匀，地区间的差异越大。Moran′s I统计值可用来测度样本属性值的地理集聚模式，用来反映地区间相同属性值的空间关联水平，其取值为［－1，1］，值越接近1，表明空间自相关性越强，其权重设定对结果影响较大，本文主要采用基于Rook邻接的空间权重矩阵，空间单元相邻则为1，反之为0，采用Z值对Moran′s I指数显著性进行检验。

2.2 经验正交函数（EOF）

经验正交函数具有无需假定任何基函数、可对不规则分布站点进行分解、展开收敛速度快等优点，被广泛应用于时空变化领域，被称为时空分解［27，28］，一般通过原始变量场、变量的距平场和变量的标准化场3种形式对原始数据矩阵进行计算。本文采用标准化场计算，分离出的特征向量表示观测单元的分布状况，识别出的时间变化用来表示这种空间分布的循环趋势。此外，常采用特征值误差范围或Monte Carlo技术进行特征值检验，判别分解出的经验正交函数是否具有物理意义或是无意义的噪音。

2.3 非参数特征向量的空间滤波回归模型

特征向量空间滤波根据预设定的空间邻接权重矩阵，从中筛选出源自观测样本及误差项空间相关的一系列彼此正交的特征向量集合，然后将其作为空间代理变量纳入回归模型，既保持空间回归模型扰动项的依赖性特征，又降低了模型残差的空间自相关效应；其模型参数估计建立在OLS回归的基础上，无需考虑观测单元的依赖性、扰动项的恒定方差与模型分布约束的假设，相对于空间最大似然估计方法，在特定误差下的估计系数更稳健，通过子集特征向量的可视化可有效识别空间相关性的主导分布方向［29－31］。本文主要选用空间滤波的空间滞后与空间误差模型诊断经济增长的影响因素。空间误差模型过滤的特征向量即｛e1，…，en｝SEM，表达式为：

空间滞后模型过滤的特征向量即｛e1，…，en｝SLM，表达式为：

式中：N［1］＝I－1（1′1）－11′及N［X］＝I－X（X′X）－1X′为投影矩阵，evec［C］表示取［C］的特征向量。

假设ESEM、ESLM分别表示特征向量｛e1，…，en｝SEM与｛e1，…，en｝SLM子集矩阵，分别构建普通最小二乘回归（OLS）及空间滤波的误差（ESFM＿e）与滞后模型（ESFM＿l）：

式中：y表示被解释变量人均GDP；X为解释变量，即城镇固定资产投资（x1）、进出口额（x2）、消费品零售额（x3）、城市化（x4）、财政支出（x5）、区位条件（x6）、二产比重（x7）、三产比重（x8）、从业人员（x9）组成的矩阵；β为解释变量的回归系数向量，ε＊表示自相关的残差部分，ε表示白噪声随机扰动。

3 中国地市经济增长的时空特征

3.1 中国地市经济增长的时间变化特征

由图1，基尼系数值基本在0.3～0.4间波动，基尼系数曲线先稳步抬升，渐趋稳定后开始下降，可划分为4个阶段。其中1985－1990年为地市经济增长差异较小的稳定时期，1990－1995年为差异快速抬升期，1995－2008年为差异较高的稳定时期，2008年以来经济增长差异呈缩小趋势；全局Moran′s I指数波动变化较大（均通过标准差Z值检验，在0.01置信水平下显著），总体呈不断增大态势，且表现出一定的周期性规律。其中，1985－1988年为显著上升阶段，而1988－1991年为快速下降阶段，但1991年 Moran′s I值为0.34，仍较大，1991－1999年为继续上升时期，1997－1999年 Moran′s I值为全时段最高，1999－2000年为下降期，2000－2007年与1991－1999年的Moran′s I值波动态势基本一致，2007年以来Moran′s I值趋于下降，但仍大于基尼系数值。可见，地市经济增长在空间上呈现出显著高低分异集聚特征，为揭示局部空间依赖关系，转向空间集聚特征分析。

3.2 中国地市经济增长的局部空间特征

我国地市经济增长已呈现显著的高低分异集聚态势，而空间特征滤波向量有助于揭示其空间集聚特征。基于空间误差的特征向量滤波模型，设定Moran′I域值为0.5，通过逐步回归的AIC标准共筛选24个特征向量子集，除最后一个特征向量外，各特征向量的回归系数至少在0.1水平下显著。其中，前两个特征向量具有最大的空间相关性，值分别为1.00与0.97，回归系数γ分别为1.63及－1.04。利用ArcGIS 10.0软件选择自然断裂点法进行可视化。分析可知，前两个特征向量捕捉了经济增长的主要空间集聚源，第一个特征向量呈现“东—西”分异，表现为东北、华中、西南、西北及中部广大集聚地区；而第二特征向量呈“南—北”分异的空间格局，南北分界总体被长江分隔。

3.3 中国地市经济增长的时空演变特征

特征向量虽可识别地市经济增长的主要空间集聚区，但未能揭示地市经济增长的时空演变特征，而经验正交函数可同时分解出空间模态与时间系数，分解出的空间模态反映样本的空间分布，时间系数反映时间变化，如果特征向量的各分量符号统一，则该特征向量反映区域变量一致的变化趋势，数值绝对值较大处为中心；如果特征向量的分量呈正、负相间的分布形式，这一特征向量则代表了两种分布类型，适合进行分类型分析。时间系数反映区域特征向量分布类型的时间变化特征，某年的时间系数为正值，说明该分布类型最为典型；时间系数为负值则表明该年呈相反的分布类型，系数绝对值越大，这类分布越典型。对1985－2012年人均GDP数据矩阵进行EOF分解，利用Monte Carlo模拟100次，在95%显著水平下得到一个特征向量，其方差贡献率高达98.6%。

由图2a，空间模态正值位于我国中部、西部及东北地区，而负值集中于华北平原、长江中下游平原、珠三角及沿海地区。结合加权标准差椭圆判断空间模态分布主导方向走势，长半轴为1 154.873 km，短半轴为937.534 km，方位角为123.73°（图2a），椭圆的长轴呈“西北－东南”走势，说明地市经济增长主要呈东西反相分布，短轴指示“东北—西南”向，表明地市经济增长的南北差距相对较小。特征向量值呈正态分布的特性进一步证实地市经济发展具有东西对称的空间分布类型。而模态绝对值较大的地市为经济发展速度较快的区域，可作为城市群培育建设的核心区。

地市经济发展的空间模式不是一成不变的。由图2b知，1985－2004年时间系数值均为负数，且不断趋于0，说明我国改革开放及东部率先发展政策的实施使得经济重心东移，东部地市经济快速增长，中西部地市发展逐渐滞后；而2004－2012年时间系数值均为正，且趋于增大，2010年以来这种空间分布类型最典型，表明该时段中西部地市经济发展相对较快，致使区域整体差异趋于缩小（图1），说明西部大开发、振兴东北及中部崛起的区域统筹战略以及中西部经济区的培育建设对缩小地市经济发展差距起到一定促进作用。

图2 EOF分解的空间模态与时间系数变化Fig.2 The decomposition result of spatial mode and time coefficient of EOF

4 中国地市经济增长的机制解析

上述分析表明我国地市经济增长具有较强的空间依赖性，忽略空间效应的模型将导致参数的有偏估计。分别对式（3－5）进行估计，由最小二乘回归分析，其模型残差的 Moran′s I值为0.253，且通过显著性检验，说明该模型设定忽略来自变量或样本的空间依赖性（表1）。而空间滤波的误差与滞后模型均提高了模型的拟合效果，降低模型残差的空间自相关性（Moran′s I值分别为－0.067、－0.065，且不显著），有效识别各变量对经济发展水平的作用方向与大小。其中，空间滤波的误差模型的拟合效果优于空间滤波的滞后模型，残差平方和小于空间滤波的滞后模型，此外，空间滤波误差模型系数估计除截距项外同OLS估计一致，但其t统计值与系数显著性均优于OLS。因此，采用空间滤波误差模型分析各变量对经济增长的作用。

由空间滤波误差模型（ESFM＿e）可知，投资、消费、外贸、产业结构调整对地市经济增长起到显著促进作用；财政支出、从业人员数量对地市经济发展的影响显著为负；城市化水平及区位条件有利于地市经济增长，但未通过显著性检验。其中，投资对地市经济发展起到显著的促进作用，表明各地市的经济增长动力来源仍靠投资拉动；开展外贸拓宽了商品流通市场，有利于提高区内资源配置效率，调整产品生产结构，增加地区就业，从而显著地促进经济发展；商品消费水平对经济增长起到积极的促进作用；城市化水平对地市经济增长的影响作用较小，且并不显著，由于目前大部分地区城市化水平仍较低，加上无序的城市进程，这严重阻碍了经济的快速增长；财政支出对地市经济发展起到显著的负向影响，由于地市间财政收入差异较大，财政支出数量不均，致使基础设施与公共服务设施投资比例失调，从而削弱了其对经济增长的贡献；伴随地市交通基础设施的逐步完善，资本、人才、技术等要素与资源的空间流动受阻性减弱，从而区位条件对地市经济增长起到正向促进作用，但未通过显著性检验，这是由于区位优势仅是经济迅速增长的基础条件，不能替代其他生产性要素的投入；二、三产业比重的增加对地市经济增长起到显著促进作用，但二产的系数较三产大，说明现阶段我国区域经济结构中第二产业仍是拉动经济增长的主要动力，而地市间第三产业发展水平差距较大，对经济增长的作用总体较弱；从业人员对地市经济增长的影响作用显著为负，说明地市经济增长不再单纯依靠劳动力数量的增加。

5 结论与讨论

寻求地理现象过程与关系的结合是地理学研究的重要导向，针对现有经济增长时空演变及驱动机制研究的不足，本文选取335个地级行政区划为研究单元，以人均GDP表征经济增长，采用经验正交函数探测区域经济增长的时空格局，并结合空间滤波模型分析经济增长的影响机制，得出以下结论：

（1）1985年来我国地市经济增长的差异总体呈不断增大态势，但差异波动较为合理；地市间经济增长在空间上并不孤立，呈现显著的高低集聚特征；地市经济增长的主要空间集聚源呈“东—西”分异，表现为东北、华中、西南、西北及中部广大集聚地区，并大体以长江划分为“南—北”集聚。

（2）1985－2012年地市经济增长主要呈东西反相分布，但这种空间分布态势不是一成不变的，随时间演变不断强化或弱化或发生翻转。这一过程中，区域经济发展政策的制定与实施起到积极的推动作用。其中，改革开放及东部沿海率先发展政策的实施，促使经济重心东移，东部地市经济快速增长，中西部地市发展逐渐滞后。随着西部大开发、振兴东北及中部崛起的区域统筹战略及中西部经济区的培育建设的兴起，地市间经济差距逐渐缩小。

（3）空间滤波模型降低模型的空间依赖性，提高了参数估计结果的可靠性。其中，投资、消费、外贸、产业结构优化升级对地市经济增长起到显著拉动作用；财政支出、从业人员数量对地市经济发展的影响显著为负；城市化水平及区位条件对地市经济增长的促进作用并不显著。

本文的政策导向是，首先，中央应继续深化区域协调发展的战略，通过财政支出、市场管制及宏观控制等手段调整收入分配导向中西部地市，大力扶持中西部落后与贫困地市的发展；其次，积极促进城市集聚，形成合理的城市体系，完善中心城市的功能，发挥其辐射带动作用，并注重中小城市的发展；第三，转变经济增长方式，加快发展第三产业，提高就业收入，改善消费市场环境，发挥持续性消费对经济增长的促进作用。

区域经济增长的研究是区域政策制定的前提，近年来我国地市间经济增长差距有所减缓，但区内经济增长差距迥异，本文仅探究地级市间的差异变化；由于研究尺度较大，降水、地形等自然禀赋会影响经济发展，在此并未触及；此外，影响地区经济增长的因素较复杂，选取特定指标不免忽略其他因素的作用。因此，寻找更科学、全面与广泛适用性评价方法，是今后研究的重要方向。

［1］ LI G D，FANG C L.Analyzing the multi-mechanism of regional inequality in China［J］.The Annals of Regional Science，2014，52（1）：155－182.

［2］ 李广东，方创琳.中国区域经济增长差异研究进展与展望［J］.地理科学进展，2013，32（7）：1102－1112.

［3］ LIPSHITZ，G.Divergence versus convergence in regional development［J］.Journal of Planning Literature，1992，7（2）：123－138.

［4］ WEI Y D.Spatiality of regional inequality［J］.Applied Geography，2015，61：1－10.

［5］ PETRAKOSG，RODRIGUEZ-POSEA，ROVOLISA.Growth，integration，and regional disparities in the European Union［J］.Environment and Planning A，2005，37（10）：1837－1855.

［6］ LIAO，F H F，WEI Y D.Dynamics，space，and regional inequality in provincial China：A case study of Guangdong Province［J］.Applied Geography，2012，35（1－2）：71－83.

［7］ LIAO F H，WEI Y D.Space，scale，and regional inequality in provincial China：A spatial filtering approach［J］.Applied Geography，2015，61：94－104.

［8］ SUTHERLAND D，YAO S.Income inequality in China over 30 years of reforms［J］.Cambridge Journal of Regions，Economy and Society，2011，4：91－105.

［9］ ZHANG W J，BAO S.Created unequal：China′s regional pay inequality and its relationship with mega-trend urbanization［J］.Applied Geography，2015，61：81－93.

［10］ FAN C C，SUN M.Regional inequality in China，1978－2006［J］.Eurasian Geography and Economics，2008，49（1）：1－18.

［11］ REY S J，JANIKAS M V.Regional convergence，inequality，and space［J］.Journal of Economic Geography，2005，5（2）：155－176.

［12］ REY S J，SMITH R J.A spatial decomposition of the Gini coefficient［J］.Letters in Spatial and Resource Sciences，2013，6（2）：55－70.

［13］ YU D L，WEI Y H D.Spatial data analysis of regional development in Greater Beijing，China，in a GIS environment［J］.Papers in Regional Science，2008，87（1）：97－117.

［14］ WEI Y H D.Regional inequality in China［J］.Progress in Human Geography，1999，23（1）：48－58.

［15］ YU D L，WEI Y H D.Analyzing regional inequality in post-Mao China in a GIS environment［J］.Eurasian Geography and Economics，2003，44（7）：514－534.

［16］ LI Y，WEI Y H D.The spatial-temporal hierarchy of regional inequality of China［J］.Applied Geography，2010，30（3）：303－316.

［17］ 王少剑，方创琳，王洋，等.广东省区域经济差异的多尺度与多机制研究［J］.地理研究，2014，34（10）：1184－1192.

［18］ 欧向军，陈修颖.改革开放以来江苏省区域经济差异成因分析［J］.经济地理，2004，24（3）：338－342.

［19］ 李小建，张小平，彭宝玉.经济活动全球化对中国区域经济发展的影响［J］.地理研究，2000，19（3）：225－233.

［20］ 周民良.经济重心、区域差距与协调发展［J］.中国社会科学，2000（2）：42－53.

［21］ 张纯记.中国省级经济增长趋同研究——区域经济增长过程变量的作用［D］.河南：河南大学，2004.

［22］ 李建豹，白永平，罗君，等.甘肃省区域经济差异空间分析［J］.地域研究与开发，2011，30（6）：27－32.

［23］ 白景锋，张海军.基于EOF和GWR模型的中原经济区经济增长的时空分析［J］.地理研究，2014，33（7）：2244－2256.

［24］ 王海江，苗长虹.城市经济区位时空变异分析［J］.城市问题，2009（4）：39－45.

［25］ 僉越.劳动供给冲击对居民消费的影响——校准模型与动态分析［D］.南京：南京大学，2013.

［26］ 王建军.城市化、第三产业发展与消费需求扩张［J］.经济与管理，2006，20（8）：13－16.

［27］ 魏凤英.现代气候统计诊断与预测技术［M］.北京：气象出版社，2007.

［28］ 王劲峰，葛咏，李连发，等.地理学时空数据分析方法［J］.地理学报，2014，69（9）：1326－1345.

［29］ TIFELSDORF M，GRIFFITH D A.Semiparametric filtering of spatial autocorrelation：The eigenvector approach［J］.Environment and Planning A，2007，39（5）：1193－1221.

［30］ ANSELIN L.Spatial Econometrics：Methods and Models［M］.Dordrecht：Kluwer，1988.

［31］ HAJIME S，DAISUKE M，MORITO T，et al.Application of LASSO to the eigenvector selection problem in eigenvector-based spatial filtering［J］.Geographical Analysis，2014，47（3）：284－299.