基于ESDA的青海省县域经济差异时空分析

李 佩，朱 翊

(1.辽宁工程技术大学，辽宁 阜新 123000；2.中国测绘科学研究院，北京 100830)

基于ESDA的青海省县域经济差异时空分析

李 佩1，朱 翊2

(1.辽宁工程技术大学，辽宁 阜新 123000；2.中国测绘科学研究院，北京 100830)

采用探索性空间数据分析的方法，利用2005—2014年的青海省县域人均GDP数据，从时空的角度对青海省县域经济差异进行分析。分析结果表明：①青海省县域经济发展水平差异较大，且有进一步加大的趋势，青海西北部经济发展水平较高。②青海省县域经济具有显著的空间正相关关系，且这种关系在加强，县域经济联系愈加紧密。③青海省县域经济发展空间集聚作用明显，逐渐形成了“HH”和“LL”的空间分布格局。“HH”的聚集范围为海西蒙古族藏族自治州、德令哈市等的海西区域，“LL”的聚集范围为玉树县、达日县等的海南区域。然后，从经济发展基础、经济发展区位、空间邻近效应分析影响青海省县域经济差异的原因，并结合空间特征提出相应建议。

探索性空间数据分析；经济差异；空间自相关；青海省

区域经济差异是一个国家或地区在经济发展的过程中必然要面对的问题。研究区域经济差异是为了寻求解决这种差异并使经济尽可能保持相对均衡发展的科学方法。传统的区域经济差异度量方法，如：标准差、变异系数、基尼系数、塞尔指数等，因其缺乏空间视角，难以真正反映区域空间差异的变化与机制[1-3]。ESDA(Exploratory Spatial Data Analysis，探索性空间数据分析) 是一系列空间数据分析方法和技术的集合，它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[4]。

国外已把ESDA 技术应用到物种分布[5]、区域经济[6]、人口变化[7]等方面。近年来，国内不少学者也致力于ESDA方法在区域差异方面的应用，研究了水足迹强度空间分布[8]、城市地价分布[9]、 城镇群体空间结构[10]、人口分布[11]、区域经济差异[12-15]等。目前，经济差异研究区域多为全国或东部发达地区省域内部[16-18]，关于西部欠发达地区，尤其是西部欠发达区经济差异研究较少。青海省作为西部欠发达地区代表，由于历史和地理原因，一直以来是我国经济发展极为落后的地区之一。因此，本文选取青海省为研究区域，采用人均GDP这一指标来反映经济水平，从时空一体化的角度通过ESDA方法来揭示青海省县域经济的总体差异，并分析产生经济差异的原因，为青海省以后的经济发展提供理论依据，有助于实现青海省经济的可持续发展。

1 研究区域与研究方法

1.1 研究区域

本文的空间分析尺度为青海省46个县域(含县、县级市、市辖区)行政区划单元。因为县域是一个比较稳定的地域单元，具有区域性、综合性和相对独立性等特征，是研究省级行政区域经济空间差异的最佳地域单元[19]。地理空间数据来源于国家基础地理信息中心的1：400万数据库的青海省县级行政区划图，分析变量选取人均GDP(现价)，其来源于《青海统计年鉴》(2002—2015年)。2014年青海省生产总值(GDP)达到2 311.37亿元，年末总人口为579.61万人，全省人均GDP为39 878.08元，低于全国平均水平。第二产业增加值为1 234.3亿元，居全国第29位，第三产业增加值为835.1亿元，居全国第30位。

图1是2014年青海省县域人均GDP按照标准差方法形成的分类图，实现了人均GDP可视化，可以看出经济发展水平高于平均值2.5倍有格尔木市和海西蒙古族藏族自治州2个城市，低于平均值0.5倍的城市有治多县、杂多县、玉树县等12个城市，说明青海省整体经济发展水平很不平衡，经济发展水平低的城市远远多于经济发展水平高的城市。

图1 2014年青海省县域人均GDP分类图

1.2 研究方法

1.2.1 全局趋势分析

全局空间趋势反映了空间物体在空间区域上变化的主体特征，揭示其变化的总体规律。趋势分析是根据空间抽样数据，拟合一个数学曲面，用该数学曲面来反映空间分布的变化情况[20]。

1.2.2 全局空间自相关

全局空间自相关反映属性值在整个研究区域的空间相关性的总体态势，用来解释属性值在整个研究区域的空间分布形态，通常运用 Global Moran’sI统计量进行估计，从而获得整体空间的依赖和差异程度[21]，计算公式为

(1)

1.2.3 局部空间自相关

全局空间自相关是假定空间是同质性的，而空间实际上是异质性的，Local Moran’sI用来准确把握空间异质性特征，衡量各空间单元之间在局部空间内的关联程度[21]。

研究单元i的计算公式如下：

(2)

式中Zi和Zj分别表示研究单元i与j的标准化形式，即

(3)

空间权重矩阵用来揭示属性值之间的空间联系，本文采用邻接性空间关系的Queen方法构建，其定义如下：

1.3 数据处理

研究区域为青海省46个县级区域，由于获取到的地理空间数据中西宁市市辖区包括城东区、城中区、城西区和城北区，海西蒙古族藏族自治区包括冷湖、大柴旦和茫崖，为了使属性数据和地理空间数据相匹配，需要对历年《青海省统计年鉴》中的县域GDP与人口数据进行处理。同时将分离格尔木市的唐古拉山乡单列，便于构建空间邻接矩阵，所以本文实际研究单元个数为42个。数据为青海省各县域2005-2014年的人均GDP。数据处理软件有GeoDa、minitab、spss和Arcgis 10.0。原始数据利用spss软件经Shpiro-Wilk检验发现严重偏离正态分布，影响全局空间自相关指数的计算和统计检验，因此，利用minitab软件对原始数据利用极大似然法的幂指数转换模型进行Box-Cox转换[22]，公式为

(4)

其中y(λ)为转换后的值，服从正态分布，Box-Cox幂分布取决于参数λ，λ通过最大似然函数Lmax得到

(5)

(6)

表1列出了2005—2014年人均GDP正态分布的检验指标及最优转换参数λ。

表1 转换前和转换后人均GDP的正态性检验

根据表1可知：2001—2014年人均GDP数据转换前的偏度和峰度相差较大，说明数据不满足正态性分布的可能性很大。经正态性检验，Shpiro-Wilk值基本在0.5左右，远远小于0.95即没有在5%的检验条件下通过检验。数据经Box-Cox转换后发现偏度和峰度相差度减小，经正态性检验，Shpiro-Wilk值基本在0.97左右，所有Shpiro-Wilk值大于0.95，所以转换后的数据在5%的检验条件下通过检验，可以进行空间自相关等分析。

2 结果分析

2.1 全局趋势分析

利用Arcgis软件进行全局趋势分析，趋势分析探测全局趋势的关键在于选择合适的透视角度，尽可能使数据点在投影面上分布比较集中，从而准确把握判断趋势特征，本文选择的透视方向为东西方向和南北方向。依据国家“十五”、“十一五”、“十二五”规划时间，本文截取2005、2010、2011和2014年的截面数据进行全局趋势分析，图2为2005、2010、2011和2014年的人均GDP趋势变化图，其中X轴代表东西方向，Y轴代表南北方向，Z轴为人均GDP值。

从图2可以看出，青海省县域经济差异的变化趋势在东西方向和南北方向上呈现一个U型趋势，东西方向经济差异明显，西边的经济发展水平高于东边的经济发展水平；南北方向经济差异较小，北边经济发展水平稍高于南边，西北地区经济发展水平较高。同时可以看出，青海省2005—2014年经济发展区域差异较大，且有进一步加大的趋势。2005—2010年，U型起伏加大，表明青海省2005—2010年县域城市经济发展水平差异性增加，两极分化严重。2010—2011年，U型起伏度稍微减小，表明青海省县域经济差异正在减小，经济发展趋势较为平衡。2014年与2011年经济差异趋势图相比，U型起伏程度稍微变大，说明青海省县域经济差异增加，且有进一步加大的趋势。

图2 青海省县域经济差异变化趋势图

2.2 全局空间自相关

利用GeoDa软件计算得到了青海省2005-2014年县域人均GDP的Global Moran’sI估计值及蒙特卡罗显著性检验结果(见表2)，本文选择运行999次，可以看到p值远小于0.05，说明在95%的置信度下空间自相关是显著的。显著检验是建立在正态分布假设之上，可以看到各年检验Z值都大于1.96，表明青海省人均GDP在各年份都存在显著的空间相关关系(见图3)。

表2 Global Moran’s I估计值及显著性检验结果

注：GlobalMoran’sI统计量在研究年份的期望值均为E(I)=-0.024 4。

图3 青海省县域人均GDP的Global Moran’s I趋势图(2005—2014年)

由表2和图3可以看出：从2005年到2014年研究期间，Global Moran’sI值都是大于0的，且Global Moran’sI值在研究年间总体趋势是增加的，表明青海省县域人均GDP在各年份都存在显著的空间正相关关系，且这种关系在加强。即在考察期内青海省县域人均GDP空间集聚现象加强：即具有高人均GDP的县域与高人均GDP县域相邻，低人均GDP县域与低人均GDP县域相邻，青海省县域经济差异越来越大。由图3可知，2011年的县域人均GDP的Global Moran’sI达到最大值，原因可能是2011年作为“十二五”规划的开端，青海省经济全面发展，县域经济空间相关性明显加强，各县域之间经济联系更为紧密。

2.3 局部空间自相关分析

利用GeoDa软件计算青海省各县市不同年度人均GDP的LISA值，获得局部Moran散点图(以2014年为例，见图4)，通过考察每个县所代表的点落在不同的象限，确定每个县存在空间关联类型(见表3)。局部Moran散点图中第一象限(I)为高高(HH)关联，表示研究区域与其周边区域都为高值；第二象限(II)为低高(LH)关联，表示研究区域为低值，其周边区域为高值；第三象限(III)为低低(LL)关联，表示研究区域与其周边区域都为低值；第四象限(IV)为高低(HL)关联，表示研究区域为高值，其周边区域为低值。研究区域在第一、三象限的为空间正相关，在第二、四象限的为空间负相关。

图4 青海省县域人均GDP的Moran散点图(2014)

年份县域关联类型HHLHLLHL2005海西蒙古族藏族自治州、德令哈市都兰县久治县—2006新增刚察县同上新增玉树县、班玛县、达日县—2007同上同上新增称多县玛沁县2008同上同上久治县、玉树县、班玛县、达日县同上2009新增祁连县、共和县、乌兰县同上新增甘德县同上

续表3

注：“—”表示无

从表3可以看出，研究年份内青海省各县的人均GDP大多分布在第一和第三象限，均表现出空间正相关。2005年人均GDP高高(HH)型有2个县，低低(LL)型有1个县。而2014年人均GDP高高(HH)型有5个县，低低(LL)型有6个县，表明青海省经济发展水平相似的地区在空间上集聚作用加强，即比较富裕和比较贫困的县在空间分布上较为集聚。

为了进一步分析青海省县域经济发展的异质性，将Moran散点图与地图相结合的LISA Cluster Map，将青海省县域人均GDP空间关联类型进行可视化。图5是2005、2010、2011和2014年的人均GDP的LISA Cluster Map。

图5 人均GDP的LISA Cluster Map

由图5中可知青海省县域经济空间差异分布格局特点是以HH和LL型聚集分布为主，区域集聚特征显著。说明青海省大部分区域与周边区域存在较强的相互影响和联系，且这种联系在加强，同时表明青海省县域经济极化作用在加大，贫富两极分化严重。经过10年的发展，青海省县域经济空间差异分布格局发生了以下变化：①HH区域由海西蒙古海西蒙古族藏族自治州和德令哈市延伸至刚察县、乌兰县、都兰县等地区，最初的属于LH区域的都兰县也被带动经济发展加入HH区域，此区域的县域城市发展比较稳定且发展水平较高，促进了青海省的经济发展。②LL区域数量也增加了，由久治县增加了玉树县、称多县、班玛县、达日县、囊谦县等县，都属于青海南部地区，即玉树州、果洛州和黄南州，这些区域自然条件较差，经济发展水平不高。③HL区域由无到玛沁县，没有太大变化，说明玛沁县从2007年开始，经济发展迅速，逐渐与周边的县域城市拉开距离，发展良好，其经济发展模式可以为周边城市提供参考，并带动周边县域城市经济的发展。④LH区域从有都兰县到无，都兰县本来属于经济水平较低的地区，2010年都兰县加入HH区域，即周边经济发展水平较高的地区带动都兰县经济发展，周边经济发展对都兰县经济产生了积极的促进作用。最终形成了“HH”和“LL”的空间分布格局，“HH”的聚集范围为海西蒙古族藏族自治州、德令哈市等的海西区域，“LL”的聚集范围为玉树县、达日县等的海南区域。

3 成因分析

针对青海省县域经济发展空间分布格局的特点，即海西地区经济发展“HH”聚集和海南地区经济发展“LL”聚集。本文从经济发展基础、经济发展区位和空间邻近效应3个方面来分析原因。

1)经济发展基础。经济发展基础是造成青海县域经济差异的主要原因之一。2005—2014年，海西地区与海南之间区域经济差异增大，在一定程度上取决于海西与海南地区各县的经济发展基础不同。海西具有较好的经济发展基础，在基础设施、产业发展以及人力资本等方面均优于海南地区，由此，海西与海南的区域经济差异逐年增大。

2)经济发展区位。区位条件是青海省县域经济差异存在的又一原因。经济发展水平较高的地区位于青海省西部的柴达木地区，素有“聚宝盆”之称的柴达木盆地具有丰富的自然资源，是青海省重要的工业区。而经济发展水平较低的海南地区自然条件恶劣，生态环境脆弱，交通不便，以农牧业为主，因而经济发展水平较低。

3)空间邻近效应。空间邻近效应认为，任何地理事物或者现象之间均存在相关性，且空间距离邻近的事物总比远的事物具有更高的相关性[23]。2005—2014年青海省县域经济差异空间格局表明，该时期青海省县域经济空间邻近效应较为明显。且由2005、2010、2011与2014年的人均GDP聚集图可知，集聚区域主要出现在海西地区与海南地区。

4 结论与建议

本文基于ESDA方法，对青海省2005—2014年县域经济差异进行时空分析。分析结果表明：①青海省县域经济发展水平差异较大，且有进一步加大的趋势，西北边地区经济发展较好。②青海省县域经济发展水平存在空间正相关关系，且这种关系在加强，县域经济联系愈加紧密。③青海省县域经济发展空间集聚作用明显，逐渐形成了“HH”和“LL”的空间分布格局。“HH”的聚集范围为海西蒙古族藏族自治州、德令哈市等的海西区域，“LL”的聚集范围为玉树县、达日县等的海南区域。④海西区域经济发展水平较高，其经济发展仍处于增长快速发展阶段，极化作用明显，扩散作用也较为明显。

针对青海省县域经济发展差异明显，海西地区经济“HH”聚集，海南地区“LL”聚集的空间分布特点，提出以下两点建议：①在经济发展水平较高的海西地区应该发展循环经济，以高新技术为支撑，协调整合区域资源，发挥经济优势，构建特色产业群，带动周围地区经济的发展。②经济发展水平较低海南地区位于落后的农牧区，应依托特色农牧业资源，以生态建设为前提，以提高经济效益为中心，建设优质高效农牧业。并利用其独特的自然、生态景观等旅游资源优势，加强对外宣传，推动旅游经济的发展，以点带面，实现青海省经济的全面发展。

[1] 马颖忆,陆玉麒.基于变异系数和锡尔指数的中国区域经济差异分析[J].特区经济,2011(5):273-275.

[2] 刘慧.区域差异测度方法与评价[J].地理研究,2006,25(4):710-718.

[3] 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.

[4] ANSELIN L.Interactive techniques and exploratory spatial data analysis[C]//Longley P A，Goodchild M F，Maguire D J(eds.).Geographical Information Systems, Principles，Technical Issues, Management Issues and Applications.John Wiley & Sons，Inc，1999：253-266.

[6] EZOE H，NAKANURA S.Size distribution and spatial autocorrelation of subpopulations in a size structured meta population model [J].Ecological Modeling，2006，198：293-300.

[7] ERTUR C，KOCH W.Regional disparities in the European Union and the enlargement process：an exploratory spatial data analysis，1995—2000 [J].The Annals of Regional Science，2006，40：723-765.

[8] 孙才志,陈栓,赵良仕.基于ESDA的中国省际水足迹强度的空间关联格局分析[J].自然资源学报,2013,28(4):571-582.

[9] 任辉,吴群.基于ESDA的城市住宅地价时空分异研究——以南京市为例[J].经济地理,2011,31(5):760-765.

[10] 马晓冬,马荣华,徐建刚.基于ESDA-GIS的城镇群体空间结构[J].地理学报,2004(6):1048-1057.

[11] 吕晨,樊杰,孙威.基于ESDA的中国人口空间格局及影响因素研究[J].经济地理,2009,29(11):1797-1802.

[12] 李丁,冶小梅,汪胜兰,等.基于ESDA-GIS的县域经济空间差异演化及驱动力分析——以兰州—西宁城镇密集区为例[J].经济地理,2013,33(5):31-36,23.

[13] 关伟,朱海飞.基于ESDA的辽宁省县际经济差异时空分析[J].地理研究,2011,30(11):2008-2016.

[14] 寇程,赵春阳,彭勃.基于ESDA-GIS的江苏省县域经济时空差异分析[J].地理空间信息,2015,13(6):96-99,14.

[15] 孙忠秋,李爽,程承旗.基于ESDA的长三角区域经济差异分析[J].地理信息世界,2016,23(1):71-79.

[16] 王少剑,方创琳,王洋,等.广东省区域经济差异的方向及影响机制[J].地理研究,2013,32(12):2244-2256.

[17] 蒋天颖,华明浩,张一青.县域经济差异总体特征与空间格局演化研究——以浙江为实证[J].经济地理,2014,34(1):35-41.

[18] 冯长春,曾赞荣,崔娜娜.2000年以来中国区域经济差异的时空演变[J].地理研究,2015,34(2):234-246.

[19] 陈彦光.基于Moran 统计量的空间自相关理论发展和方法改进[J].地理研究，2009，28(6)：1449 -1463.

[20] 汤国安，杨昕.ArcGIS 地理信息系统空间分析实验教程[M].2版.北京：科学出版社，2012:439-440

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

[22] TANG L G, THAN S E.Computing process capability indices for non-normal data: a review and comparative study [ J ].Quality Reliability Engineering International, 1999, 15: 339-353.

[23] 李小建，李国平，曾刚．经济地理学[M].2版．北京：高等教育出版社，2006：192.

[责任编辑：刘文霞]

Spatio-temporal analysis of inter-county economic differences in Qinghai Province based on ESDA

LI Pei1,ZHU Yi2

(1.Liaoning Technical University, Fuxin 123000,China;2.Chinese Academy of Surveying and Mapping, Beijing 100830,China)

From the perspective of spatio-temporal, taking the inter-counties of Qinghai as the study object and per capita GDP as the measuring indicator, this paper analyzes the spatial-temporal pattern of economic differences in Qinghai Province from 2005-2014 by way of ESDA. The results show that：the development level of inter-county economy is different in Qinghai province, and there is a trend of further increase. Besides, the northwest of Qinghai is relatively high;the inter-county economy has a significant positive correlation in Qinghai province. With the strengthening of the relationship, the county economic ties become more and more closely;the spatial agglomeration of county economic development in Qinghai Province is obvious, and gradually forms the spatial distribution pattern of “HH” and “LL”.“HH” range of aggregation for the Haixi Mongolian Tibetan Autonomous Prefecture, Deilingha county of Haixi region, “LL” range of aggregation for Yushu county, Dari county and other areas of Hainan. Then, based on the economic development, the location of economic development, spatial proximity effect analysis of the reasons for the economic differences in Qinghai Province, this paper puts forward the corresponding recommendations based on spatial characteristics.

exploratory spatial data analysis;economic difference; spatial autocorrelation;Qinghai Province

引用著录形式：李佩，朱翊.基于ESDA的青海省县域经济差异时空分析[J].测绘工程，2017，26(6)：46-52,59.

10.19349/j.cnki.issn1006-7949.2017.06.009

2016-06-13

李 佩(1992-)，女，硕士研究生.

P208;F

A

1006-7949(2017)06-0046-07