基于空间自相关的中国战略性新兴产业布局分析

张琳彦

（中国社会科学院研究生院，北京102488）

0 引言

大力发展战略性新兴产业是我国政府应对国际金融海啸、实现产业结构优化升级和经济增长方式转变的重大战略选择，战略性新兴产业已经上升到国家层面，成为推动中国经济增长的新一轮引擎。中央和地方政府相继制定了战略性新兴产业发展规划,学术界也对战略性新兴产业的内涵、发展模式、空间布局和政策框架等展开了研究。万钢(2010)认为，在战略性新兴产业中，“战略性”是针对结构调整而言的，在国民经济中具有战略地位，对经济社会发展和国家安全具有重大和长远影响，这些产业是着眼未来的，它必须具有能够成为一个国家未来经济发展支柱产业的可能性；“新兴”主要在于技术的创新和商业模式的创新。邹辉霞，姜棱炜（2011）认为强化战略性新兴产业发展过程中政府的作用；站在整体的高度制定发展规划；充分调动各类资源，实现整体涌现性；发展产业集群，进而加强产业间的互动。

产业在空间上的布局上的演变过程是由两种作用力交互作用而形成的，即产业空间集聚过程和产业空间扩散过程[1]，因此，了解我国战略性新兴产业的空间分布现状、找出其空间分布特点和集聚特征对实现战略性新兴产业的合理布局和经济资源在空间上的有效配置具有重要意义。本文依据产业集聚概念、运用空间自相关方法来分析中国战略性新兴产业的集聚特征以实现战略性新兴产业的合理布局。

1 战略性新兴产业集聚的测度方法

空间自相关是指同一属性在不同空间位置上的相关性；空间位置越邻近,属性越趋同、空间现象越相似[2]。之所以采用空间自相关对产业集聚进行研究，因为空间自相关可以度量空间事物的依赖程度，正自相关代表了空间现象的属性与相邻区域的属性越相似，有集聚性的存在，负自相关则代表了空间现象的属性与相邻区域的属性越差异，有分散现象，从这个意义上讲，空间自相关分析完全可以用于战略性新兴产业集聚的研究。空间自相关的度量方法可分为全局空间自相关和局部空间自相关。全局空间自相关仅仅使用一个单一的值来反映一定范围的自相关，仅说明所有区域与周边地区之间空间差异的平均程度，不能充分的描述研究区域内所有单元之间的空间联系模式，尤其当空间过程在空间上出现非平稳的状态时，进行局部空间自相关分析就很有必要[3]。

最常用的空间自相关的统计量为Moran'sI,本文即采用Moran'sI统计量,借助软件GeoDa来实现战略性新兴产业的空间分布特征。全局和局部的Moran's I[4]指数计算公式如下：

通过Zi和LISAi的符号组合不同可以将局部空间自相关分为以下四种类型：

高-高：Zi＞0且 LISAi＞0，中心区域和周边区域的属性值均高于区域内平均水平，中心区域发展较好且周边发展也较好；若中心区域经济具有较强的吸收效应，则产业发展水平将会从高-高型转向高-低型，从而产生中心区域极化效应。

高-低：Zi＞0和 LISAi＜0，中心区域的属性值高于区域内平均水平，而周边区域的属性值低于区域内平均水平，中心区域发展较好但周边发展不好；这种类型凸显中心区域的集聚优势，中心区域的极化效应既能产生较强的吸收效果，同时又能产生扩散效果。吸收与扩散效果与其产业发展有关，较大的产业规模才能产生较强的吸收与扩散效果。若周边区域崛起，中心区域的极化效应减弱，则其可能从高-低型转向高-高型。

低-高：Zi＜0和 LISAi＞0，中心区域的属性值低于区域内平均水平，而周边区域的属性值高于区域内平均水平，中心区域发展不好，但周边发展较好；这种类型特征表明中心区域产业发展水平较低，较强的周边产业发展水平对中心区域的发展产生一定负面影响，从而导致中心区域边缘效应。若中心区域崛起，走出低谷，则其产业发展水平能从低-高型转向高-高型。

低-低：Zi＜0和 LISAi＜0，中心区域和周边区域的属性值均低于区域内平均水平，中心区域发展不好且边发展也不好。中心区域与周边区域呈现整体盆地形状。若周边区域产业发展速度较快，则可能导致中心区域发展从低-低型转向低-高型，这将造成中心区域发展水平下降，从而产生中心区域边缘效应；若中心区域崛起，走出低谷，则其产业发展水平能从低-低型转向高-低型。

同时，Moran指数散点图能够更加直观地体现某个区域与相邻区域之间的集聚类型。该图包括四个象限：第Ⅰ、Ⅲ象限分别代表上述局部自相关“高-高”集聚和“低-低”集聚；第Ⅱ、Ⅳ象限分别代表“低-高”集聚和“高-低”集聚。如果大部分的点集中在第Ⅰ、Ⅲ象限，则说明区域经济活动存在显著的空间自相关。

2 战略性新兴产业集聚的测度

目前学术界对战略性新兴产业还没有明确的统计分类标准。依据《国民经济行业分类》(2002)和《高技术产业统计分类目录(2006)，联系《决定》及《纲要》中对七大战略性新兴产业内涵的解释，发现：七个战略性新兴产业都无法精准的划归于某一特定行业，而是散见于国民经济的某些部门，分属于其中的某一小类，称这些包含战略性新兴产业的部门为战略性新兴产业的依托部门[5]。我们称这些包含战略性新兴产业的两位数行业中类为战略性新兴产业的依托行业，根据数据可获得性，选取C26化学原料及化学制品制造业、C27医药制造业、C31非金属矿物制品业、C33有色金属冶炼及延压加业、C35通用设备制造业、C36专用设备制造业、C37交通运输设备制造业、C39电气机械及器材制造业、C40通信设备、计算机及其他电子设备制造业、C43废弃资源和废旧材料回收加工业、C44电力、热力的生产和供应业共11个行业作为战略性新兴产业的依托部门。

2．3 农村留守儿童社会适应得分与其心理韧性得分的相关性 农村留守儿童社会适应各维度得分与其心理韧性各因子得分大都存在显著负相关。见表3。

本文选取2011年全国31个省、市和自治区各行业的产值作为研究的统计指标，通过计算全局Moran'sI指数和局部LISA指数来观察战略性新兴产业的依托行业的集聚程度和集聚特点。本文的数据均来自于《中国工业经济统计年鉴》(2012)和中国统计数据应用支持系统。

2.1 战略性新兴产业全局自相关分析

根据式（1）和式（3）计算2011年我国31个省、市、自治区11个战略性新兴产业依托部门的行业全局Moran'I指数和Z值和空间形态并将结果列入下表：

表1 11个战略性新兴产业依托部门的全局Moran'sI指数、Z值和空间形态

从表1可以得出以下结果：

上述11个战略性新兴产业的依托行业的Moran'sI指数均大于0，表明11个依托行业均具有空间自相关性，在空间分布上表现为相似值的集聚，即较高产值的省区与较高产值的省区相邻或者较低产值的省区与较低产值的省区相邻。

根据Z值判别标准，取显著性水平α=5%，上述9行业化学原料及化学制品制造业、医药制造业、非金属矿物制品业、有色金属冶炼及延压加业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业和电力、热力的生产和供应业的Z值都大于1.96，这表明上述9行业均能通过显著性水平5%的检验，即在空间上表现出相似值显著的空间集聚，统计上标明这9个行业的产值在31个省市区之间趋于集聚状态。

根据表1可知，尽管通信设备、计算机及其他电子设备制造业和废弃资源和废旧材料回收加工业Moran'sI指数均大于0，但由于其Z值小于1.96，在5%显著性水平下不显著，落在接受域内，故从统计上认为其在空间呈现随机分布状态。

2.2 战略性新兴产业局部自相关分析

由Moran'sI指数知11个战略性新兴产业依托行业有9个在空间上是显著集聚的，但是它并不能描述中心区域与周边区域的属性值的空间差异。因此我们采用局部LISAi指数来弥补了Moran'sI指数这一局限以揭示中心区域与周边区域属性值之间的异质性,识别空间集聚和空间孤立[4，5]。用于评价局部相关性的最常用指标主要是LISAi指数，根据LISAi指数，计算出每个行业的局部指数来研究每个行业的空间差异。为了全面反映战略性新兴产业的空间差异,其结果我们通过Moran散点图来表示。以（Zi，WZi)为坐标，绘制各个行业的Moran散点图(见图1)（其中横坐标代表中心区域产值的标准化值，纵坐标为空间滞后值，表示与中心区域相邻的所有区域的产值的标准化值的加权平均数）。

图1 战略性新兴产业的Moran'sI散点图

从图1中可以发现,多数省份位于第Ⅰ和第Ⅲ象限内,为正的空间联系,属于高--高集聚类型和低--低集聚,而且位于第Ⅲ象限内的低--低集的省区比第Ⅰ象限的省区多。为了能够更好的展示战略性新兴产业的空间差异，结合Moran'sI散点图，我们整理画出战略性新兴产业局部集聚的空间结构图（见图2）。

整体上看，图1和图2显示我国9个战略性新兴产业的依托行业在31个省、市自治区的空间差异明显,多数省区位于第Ⅰ和第Ⅲ象限内，为正的空间联系,属于“高-高”集聚和“低-低”集聚,而且位于Ⅲ第象限内的“低--低”集聚类型的省区比位于第Ⅰ象限内的省份比第Ⅲ象限的省份更多，表明我国战略性新兴产业发展两极格局比较明显，同时也表明我国战略性新兴产业发展不平衡。

从发展水平看，我国战略性新兴产业总体发展水平不高。战略性新兴产业属于“高-高”型和“高-低”型的区域并不多（属于这两种类型的省区其行业产值超过平均水平）。分行业看，有色金属冶炼及延压加工业10个省区，通用设备制造业9个省区，专用设备制造业11个省区，交通运输设备制造业12个省区，电气机械及器材制造业7个省区，热力的生产和供应业有14个省区，化学原料及化学制品制造业10个省区，医药制造业有12个省区，非金属矿物制品业13个省区，由此表明我国战略性新兴产业发展水平不高，多数区域仍处于低水平发展阶段。

从集聚类型看，我国绝大多数战略性新兴产业的“高-高”集聚地是浙江、山东、江苏、河南、上海、江苏、安徽、湖北、天津、河北；“低-低”集聚地是云南、新疆、西藏、陕西、青海、宁夏、内蒙古、黑龙江、贵州、甘肃；“高-低”值集聚地是四川、辽宁、广东；在许多行业中，广东直是属于“高-低”型；“低-高“值集聚地是海南、广西、福建、山西、海南。

我国战略性新兴产业发展也具有趋同性，如山东、河南、江苏、广东、浙江、安徽、湖北、辽宁、北京这些区域都是战略性新兴产业的集聚地，而且全部9个行业中“高-高”集聚区域均包括浙江、山东、江苏。

3 结论

通过上述的全局Moran'sI指数和局部LISAi指数分析，得出我国战略性新兴产业集聚特征显著，但区域间差异明显。

（1）中国战略性新兴产业在空间上确实存在着比较显著的集聚性,同时各省市、自治区之间空间差异也比较明显。全局空间自相关分析结果表明,11个依托行业中，9个行业表现出显著地空间集聚特征，即高值与高值相邻，低值与低值相邻，这种空间集聚特征是与我国大力发展战略性新兴产业政策的初衷是一致的，就是让产业中那些代表最先进的生产力，并拥有成熟技术的产业在最有条件的产业区域率先突破，产生集聚效应以带动经济增长，完成产业结构优化升级。

（2）局部空间自相关分析则反映出我国各省区战略性新兴产业存在着空间异质性,多数行业属于“高-高”型和“低-低”型，两极格局比较明显。从产业集聚地的空间分布来看，“低-低”值型的区域几乎占据一半，表明我国战略性新兴产业总体上发展还是比较落后。同时也发现我战略性新兴产业不同行业之间集聚水平差距不大。

（3）局部自相关分析也显示，我国战略性新兴产业发展也具有趋同性，如山东、河南、江苏、广东这些区域都是战略性新兴产业的集聚地，趋同性和过度集聚并不能实现经济资源在空间上的有效配置。因此，对于属于“高-高”型的区域，可将这些区域作为产业集聚率先发展区域，大力发展研发、设计、营销中心，培育其创新能力，促进产业链条向高端延伸，加快淘汰落后生产能力，整合其经济效益差的企业，增强其对周边区域的吸收能力和辐射能力；属于“高-低”型的区域，可将这些区域作为产业集聚重点发展区域，由于周边地区缺乏发展的条件，因此可对中心区域集中加强扶植，引导它们发挥扩散效益，以促进周边区域崛起，向“高-高”型发展；对于“低-高”型的区域，可将这些区域作为产业集聚崛起发展区域，对这些地区需要加强基础设施建设，利用后发优势[7]，向周围发达区域学习，不断的进行技术创新，力争实现比发达地区更快的技术升级，最终实现中国战略性新兴产业集群全面发展；对于“低-低”值型区域，可将这些区域作为产业集聚帮扶发展区域，应对其进行系统性的引导和帮扶，合理布局与周边区域的各项资源，通过周边先进发展区域的帮扶和引导，实现周边区域产业协同发展。

[1]苏东水.产业经济学[M].北京：高等教育出版社，2000.

[2]王劲峰等.空间统计分析[M].北京：科学出版社，2006.

[3]葛莹，姚士谋，蒲英霞，贾凌.运用空间自相关分析集聚经济类型的地理格局[J].人文地理，2005，（3）.

[4]Luc A.Local Indicators of Spatial Association—LISA[J].Geographical Analysis,1995,27(2).

[5]李金华.中国战略性新兴产业发展的若干思考[J].财经问题研究，2011，(5).

[6]林毅夫，张鹏飞.后发优势、技术引进和落后国家的经济增长[J]．经济学，2005，(1)．