云南省人口与经济区域结构特征研究

2017-05-11何夏芸王嘉学

商洛学院学报 2017年6期

何夏芸，王嘉学

（云南师范大学旅游与地理科学学院，云南昆明 650500）

人口与经济空间分布的均衡性越来越成为影响区域可持续发展的重要因素，因此对人口、经济的空间结构形态研究，是认识区域均衡发展问题并寻求解决方案的新思路和新视角。空间自相关分析可揭示空间变量的区域空间结构形态，在国外已广泛应用于计量学、遗传学、流行病学、生态学等众多领域[1-3]。近年来，国内的学者也纷纷尝试运用空间自相关分析方法探索社会、经济、人口、土地、资源环境等要素与地理空间的关系，如人口分布与城市空间格局的关系[4-6]、经济空间格局演变的规律[7-9]、人口与其它资源要素之间的关系等[10-12]，也有少数研究把人口与经济要素结合起来，研究区域人口与经济空间均衡性和集聚性[13-14]。云南经济发展水平落后，区域非均衡发展问题十分突出。近10余年来，地方政府已高度重视并着手解决区域发展不均衡问题，但地区间差异依然有所扩大。随着国家“一带一路”战略的推进，云南省在迎来众多机遇的同时，也使得解决区域不均衡发展问题更为急迫，亟需认清人口、经济区域空间结构形态及其变化规律，以寻求应对策略。本文采用空间自相关分析方法，以2000、2005、2010年及2015年的云南省 125个县（市）的人口与经济数据为样本，借助空间分析技术（GeoDa和ArcGIS），研究云南省人口与经济要素分布的不均衡性，认识云南省人口与经济空间分布形态、集聚特征以及时空演变规律，以期为政府制定人口与经济发展政策提供依据。

1 研究方法与数据来源

1.1 全局空间自相关

全局Moran指数反映的是空间邻接或邻近的区域单元属性值的相似程度。设xi是区域i的观测值，则该变量的全局Moran指数I公式为：

I的取值一般为-1～1，小于0表示负相关，等于0表示不相关，大于0表示正相关。wij为空间权重矩阵，表示区域i与j的临近关系。

1.2 局部空间自相关

1.2.1 局部Moran指数

局部Moran指数Ii是描述区域单元i周围显著的相似值区域单元之间空间集聚程度的指标，Ii被定义为：

正的Ii值表示该区域单元周围相似值（高值或低值）的空间集聚，负的Ii值则表示非相似值的空间集聚。wij为空间权重矩阵。

1.2.2 Moran散点图

以(Wz，z)为坐标点的Moran散点图，常用来研究局部的空间不稳定性，它对空间滞后因子Wz和z数据进行可视化的二维显示。Moran散点图的四个象限，分别对应区域单元与其邻居之间四种类型的局部空间联系形式。第一象限代表了高观测值的区域单元被同是高值的区域所包围的空间联系形式；第二象限代表了低观测值的区域被高值的区域所包围的空间联系形式；第三象限代表了低观测值的区域被同是低值的区域所包围的空间联系形式；第四象限代表了高观测值的区域被低值的区域所包围的空间联系形式。与局部Moran指数相比，其重要的优势在于能够进一步具体区分区域单元和邻居之间属于高值和高值、低值和低值、高值和低值、低值和高值之中的哪种空间联系形式[15]。

1.3 数据来源

以云南125个县（市）为研究对象，其中包括16个地级市，80个县级市以及29个自治县。所用数据主要为各县（市）边界矢量图（来源于地球系统科学数据共享平台）和2000、2005、2010、2015年共计四年的云南省各县（市）人口数据和GDP数据。人口和经济数据均取自于相应年份的《云南统计年鉴》。

2 结果与分析

2.1 全局空间自相关分析

要计算云南省人口与经济全局和局部相关性，首先要创建一个空间权重矩阵。本文采用K-nearest neighber算法进行计算。运用GeoDa空间分析软件对人口和经济数据进行处理，分别得到人口与经济全局Moran's I指数。如表1所示，2000、2005、2010、2015 年人口与经济全局Moran's I指数值均为正，说明云南各县（市）相近区域在人口与经济属性上具有相似性，同时全局Moran's I指数值大于0，且有较高的Z值和较低的P值，即可认为云南省各县（市）人口与经济的空间分布具有较明显的空间正相关。进一步运用GeoDa 软件计算得到 2000、2005、2010、2015 年人口与经济的Moran散点图（图1、图2），散点图可以更直观的反映出空间变化特征。由图1、图2可知，全局Moran's I指数均为正，说明云南各县（市）人口和经济的空间分布属性具有空间正相关性，人口密度高（低）的区域的周边县（市）人口密度也高（低），GDP总量高（低）的区域的周边县（市）GDP总量也高（低）。云南人口Moran's I指数在2000年最高，随之有所下降，表明人口出现了分布差异。人口Moran's I指数在2015年又有所上升，则原因可能是近些年来云南对外来人口吸引力有所增强以及国家二胎政策的颁布与实施，导致人口自然增长率有所上升，人口出现集聚分布。云南省2005年GDP Moran's I指数相比2000年有所上升，2010年又相比2005年有所上升，表明经济发展水平整体上处于良好发展态势，呈现出了空间集聚特征。与此同时，随着空间经济的集聚分布，地区间的差异也逐渐拉大。

图1 云南省人口Moran's I散点图

表1 云南人口与经济全局Moran指数及检验

2.2 局部空间自相关分析

全局Moran指数对空间自相关的评估忽略了空间过程的潜在不稳定性，为了进一步分析观测值的高值或低值的局部空间集聚，则必须进行局部空间自相关分析。

2.2.1 人口局部空间自相关演变特征

由图1可知，大多数市县落在第一、第三象限，属于高-高类型和低-低类型，这表明人口具有集聚特征。图3可以直观反映出2000、2005、2010、2015年四个代表年份的人口空间分布特征，由图3可得，自2000年以来，昆明、呈贡、安宁、通海、彝良等一直是人口分布的高-高类型，说明这些地区人口密度高，周边县（市）的人口密度也高。低-低类型区则主要包括滇西北和滇西南地区，说明这些县（市）的人口数量相对较少，周边地区也一样。而低-高类型和高-低则说明它们与周边地区的空间差异较大，表现出较强的空间负相关性。从图3来看，高-高、低-低、低-高及高-低四种集聚类型所对应的县（市）在四个年份中变化都不大，除了2010年高-高类型所对应的地区有所减少外，其他年份都变化不大。变化的地区主要有彝良、嵩明、玉溪、晋宁等市县，原因可能是由于经济增长速度变缓以及国家人口政策的影响，所以导致高-高类型转为低-低类型或者其他类型。总体看来，云南省县（市）人口空间分布格局的演变总体上变化不大，大致形成了滇中地区、滇东北部分地区的高-高类型分布和滇西北、滇西南地区的低-低类型分布。

图2 云南省GDP Moran's I散点图

2.2.2 经济局部空间自相关演变特征

由图2可知，云南各县市多数还是落在了第一、三象限，属于高-高类型和低-低类型，说明经济分布呈现出一定的空间集聚特征。图4可知，滇中地区的呈贡、安宁、晋宁和滇东地区的富源、宣威等县（市）自2000年以来一直属于高-高类型，说明这些地区经济发展水平高，周边地区经济发展水平也高，这也表明了这些地区的经济发展辐射带动能力较强，很好的带动了周边地区的经济发展。低-低类型主要包括滇西北和滇东南的大部分县（市），说明这些地区的经济发展水平较低，而它们周边县（市）的经济发展水平也不高，也表明了经济发展水平低的地区影响和带动周边地区发展的可能性较小。高-低和低-高区说明自身与周边地区经济发展差异巨大，但依然有部分县（市）落在了第二、四象限，说明云南省相当一部分市县的经济空间分布趋于分散，空间集聚特征不明显。同时云南各县（市）经济空间分布的变化自2000年以来并不明显。

2.2.3 人口与经济局部空间自相关分析

选取2000年和2015年人口和经济数据，以人口作为第一变量，GDP作为第二变量，利用局部自相关分析方法分析人口与经济的空间关联性，并分别得到2000年和2015年人口与经济Moran散点图（图5），根据云南省人口与经济Moran散点图的四个象限，得到HH、LL、LH、HL分别所对应的市县，根据人口与经济发展的协调程度，对其进行定性分类。把云南省划分为4种类型（表2、图6），即高-高型、低-低型、低-高型与高-低型。

图3 云南省各县市人口局部空间自相关LISA图

图4 云南省各县市GDP局部空间自相关LISA图

由图5可知，大部分的县（市）落在一、三象限，属于高-高类型和低-低类型，说明人口与经济分布呈现出空间集聚模式。2015年Moran's I指数从相比2000年有所下降，说明2015云南人口与经济空间集聚效应有所减弱，人口和经济空间分布趋于分散。由表2、图6可知，云南人口与经济发展存在明显的地域不均衡性。高-高型表示区域经济发展水平与人口集聚程度是同时进行的，经济发展水平较高，人口也集中分布，人口与经济趋于协调发展。2000年，这类地区主要分布在滇中地区、滇东部分地区以及滇东北部分地区，且分布较为集中，2015年滇中、滇东地区依然保持不变，但其它地区出现该类地域类型，如丽江、腾冲、保山、呈贡、个旧等地区从其它地域类型转变为高-高型地区。由于中东部地区自然条件优越，环境资源承载能力强，基础设施发展完善，所以人口集聚和经济集聚都有较高的水平，且较高的收入、良好的教育水平吸引着边远地区更多的人来这些地区求生存、求发展，同时也说明旅游业带来的发展潜力是巨大的。低-低型表示区域经济发展水平低，人口趋于分散，人口与经济相对协调发展，相对比上者，这类地区的人口与经济发展状况表现为低水平协调。这一类型的地区所占比例最高，主要分布在滇西北、滇西南、滇西以及滇东南部分地区，由于受自然条件限制以及交通等基础设施的不完善导致经济发展相对薄弱，人口规模小。2015年相比2000年该地域类型数量有所下降。原因则可能是区域政策和产业结构变动的影响，例如国家大力培育和发展旅游业，产业结构进行转型升级等。低-高型表示区域经济发展水平较高，但是人口趋于分散，人口增长落后于经济发展水平，是一种超前型的地域发展类型，这类地区主要集中分布在高-高型地区周边，至2015年数量有所增加，如景洪、勐海、勐腊、楚雄、德钦、中甸等地区由低-低型转变为低-高型地区。随着国家大力发展边境贸易和边境旅游政策的实施，边境地区经济得到快速发展。高-低型表示区域经济发展水平较低，但是人口集中分布，经济发展水平落后于人口增长，是一种滞后型的地域发展类型。这类地区2000年分布相对集中，主要分布在滇东北、滇东、滇西部分地区，至2015年数量有所下降，这类区域多依靠第一产业的发展，农业人口数量较多经济增长相对缓慢。

图5 云南省2000年和2015年人口与经济Moran's I散点图

表2 云南省人口与经济发展类型划分

3 结论及建议

3.1 结论

1）云南各县（市）人口与经济的空间分布存在较强的空间集聚特征，但是两者的变化特征又有所不同：人口Moran's I指数在2000年最高，随之有所下降，空间集聚性有所减弱，在2015年又有所上升，人口出现集聚分布；云南省2005年GDP Moran'sI指数相比2000年有所上升，2010年又相比2005年有所上升，呈现了空间集聚特征。与此同时，随着经济的集聚分布，地区间的差异也逐渐拉大。

图6 云南省人口—经济发展地域类型划分

2）云南各县（市）人口空间分布格局的演变总体上变化不大，大致形成了滇中地区、滇东北部分地区的高-高类型分布和滇西北、滇西南地区的低-低类型分布。经济分布呈现出了空间集聚模式，在分布区域上与人口分布格局大致吻合。

3）云南人口与经济发展存在明显的地域不均衡性，存在较大差异。并根据人口与经济发展的协调程度，把云南划分为高-高型、低-低型、低-高型与高-低型4类。其中，高-高型表现为高协调发展，低-低型表现为低协调发展，低-高型表现为超前型发展，高-低型表现为滞后型发展。从总体趋势上看，高-高型与低-高型区域的数量有所增加，低-低型和高-低型区域的数量有所减少，说明云南省人口-经济发展的协调度在有些地区有所下降，在有些地区有所上升。

3.2 人口与经济的区域结构优化建议

1）针对云南省超前型区域数量有所增加、人口-经济协调度降低以及地区间发展差异逐渐扩大等现实，应在人口管理和经济发展上进行有效的干预和调节，以促进人口与经济的协调发展。

2）高-高型县（市）主要分布于滇中、滇东地区，主要表现为人口与经济高-高集聚，这类县市是云南省社会发展的核心带动区，但目前此类地区的数量不多，且辐射带动作用未能完全发挥。应紧抓高铁时代和“一带一路”机遇，加速构建滇中城市经济圈，发挥集聚效应，进一步提升滇中地区的影响力、辐射力和带动力；低-低型县（市）主要分布在滇西南、滇西北以及滇东南，数量最多，主要表现为人口与经济低-低集聚，人口与经济都缓慢增长，可依托其特殊的区位优势和丰富的旅游资源，通过建设对外加工基地及大力发展对外贸易与特色旅游等，培育经济增长极和增长轴，为当地经济发展注入新的活力；低-高型县（市）多分布在高-高型周边，数量也较少，主要表现为人口发展滞后于经济发展水平，该类地区应加强与高-高型地区的合作与交流，确保人口与经济的可持续发展；高-低型县（市）在滇东和滇东北部分地区是成片分布的，其他地区分布相对分散，主要表现为经济发展滞后于人口增长水平，应着力培育和壮大新产业，加快城市化进程，引导农村劳动力向城市转移，不断优化人口与经济空间格局。

参考文献：

[1]WULDER M,BOOTS B.Local spatial autocorrelation characteristics of remotely sensed imagery assessed with the Gatsstatistic [J].International Journal of Remote Sensing,1998,19(11)：2223-2231.

[2]TIEFELSDORF M.Modelingspatialprocess：the identification and analysis of spatial relationships in regression residuals bymeans of Moran's I[M].Berlin：Springer,2000：26-28.

[3]郭鹏军,刘海龙,肖杰.晋陕豫黄河金三角地区人口分布特征[J].商洛学院学报,2017,31(4)：86-70.

[4]封磊,洪伟,吴承祯,等.福州市人口分布的空间自相关分析[J].江西农业大学学报,2008,30(3)：569-574.

[5]张玉,董春.澜沧江流域(云南段)人口密度空间自相关分析[J].测绘科学,2011,36(4)：118-120.

[6]冒小栋,刘琼芳.江西省人口分布空间自相关分析[J].华东交通大学学报,2014,31(2)：131-138.

[7]吕韬,曹有挥.“时空接近”空间自相关模型构建及其应用——以长三角区域经济差异分析为例[J].地理研究,2010,29(2)：351-360.

[8]李国柱,朱忠芳,李新通.基于空间自相关分析方法的福建省县域经济研究[J].科技情报开发与经济,2008,18(6)：102-104,107.

[9]华娟,涂建军,孔露平,等.基于空间自相关的重庆区域经济时空差异研究[J].西南大学学报(自然科学版),2012,34(10)：118-123.

[10]王雨生,郭健,邓毅博,等.基于空间自相关分析的人口与耕地变化研究[J].地矿测绘,2012,28(1)：18-22.

[11]李海蓉,阚瑷珂.攀枝花市人口分布与道路设施布局空间自相关研究[J].科学技术与工程,2014,14(20)：281-285,312.

[12]王辉,苑莹,刘帆,等.辽宁省人口、经济与环境协调发展的空间自相关分析[J].人口与发展,2013,19(3)：29-37.

[13]童新梅,周春山.1990—2010年广东省人口与经济空间集聚特征研究[J].西北人口,2016,37(2)：96-101.

[14]宋富强,郑壮丽,冯德显,等.河南省人口与经济空间集聚特征及优化[J].地域研究与开发,2013,32(6)：116-120,126.