空间相关性对各省市生态文明建设的影响分析

李庆

摘要：生态文明建设活动会在省市之间产生相互影响，使得绿色发展指标存在空间依赖关系，生态文明建设绩效评价需要考虑这种空间自相关作用。本文利用“2016年生态文明建设年度评价结果公报”的指标数据，采用全局Moran指数和局域Moran指数对绿色发展指标及其构成指标进行空间相关性分析，力求以最直观的方法揭示生态文明建设绩效复杂的空间特征。分析发现各省市绿色发展指数存在空间自相关特征，全局Moran指数并不高，但是构成绿色发展指标的环境质量、环境治理、发展质量和绿色生活等指标却普遍具有显著并且强烈的空间自相关特征，生态文明建设绩效受到明显的空间相关性影响。在生态文明建设绩效空间相关性分析中我们发现，与经济活动密切相关的绿色发展构成指标空间自相关程度比较高，与生态环境自然资源禀赋联系比较多的绿色发展构成指标空间自相关程度较低，这就提示我们人类活动引发的空间相关性对生态文明建设绩效具有更加明显的影响，因此我们可以着眼于发挥空间相关性的趋同作用，着力培育生态文明建设先进试点示范样板，鼓励个别省市努力作为，有所突破，率先垂范，以试点示范产生的空间效应激发周边省市生态文明建设的仿效、追赶和竞争动力，带动其他省市向示范省市靠拢，实现生态文明建设整体水平的提高，起到借助空间相关性促进生态文明建设的作用。

关键词 空间相关性;生态文明建设;影响分析

中图分类号 F062.2

文献标识码 A文章编号 1002-2104（2019）09-0091-08DOI：10.12062/cpre.20190701

2017年中国政府依据《绿色发展指标体系》对各省市2016年的生态文明建设绩效进行了评价，发布了“2016年生态文明建设年度评价结果公报”，评价结果起到了激发生态文明建设动力、引导生态文明建设方向的积极作用。评价各省市生态文明建设绩效的数据是具有空间特征的取样数据，空间数据之间会存在空间效应，使得按照独立不相关假设评价的各省市生态文明建设绩效存在空间效应误差，本文利用评价结果公报的数据运用空间计量方法对各省市绿色发展指标及其构成指标的空间效应进行深入分析，在提升对生态文明建设评价结果认识的基础上，提出积极培育生态文明建设的试点示范样板，借助省市间的空间相关性发挥试点示范的带动作用促进生态文明建设。

1 生态文明建设评价研究进展

近年来，研究领域围绕建立和完善生态文明建设评价指标和方法做了大量工作，在国家、省、市、县各层面都积累了丰富的研究成果，2009年杨开忠[1]课题组把地区生产总值和地区生态足迹的比值定义为生态效率，以生态效率水平为标准对各省市的生态文明水平进行了评价和排序，此后严耕[2]、魏晓双[3]、张欢[4]、高志刚[5]、李茜[6]、李巍[7]、李从欣[8]、柴琪宸[9]等從省域层面对各省市生态文明建设的水平、进展、差别和协调程度等进行了专门或综合的研究，这些研究普遍借鉴了国内外对生态环境评价和可持续发展评价的指标，主要包括可持续发展指标、人类发展指数、人类可持续发展指数等，采取的方法主要有因子分析法、聚类分析法、主成分分析法、网络层次分析等。到目前为止，国内外关于生态文明建设绩效评价的各种方法大都遵循样本间独立不相关假设进行计量分析，事实上，生态文明建设活动的很多数据都来自空间取样，空间数据之间都会存在空间相关性影响，使得各省市生态文明建设活动数据打破了独立不相关假设，因此有必要运用空间计量方法对各省市生态文明建设活动的空间依赖关系进行深入研究，提升对生态文明建设评价结果的认识。

空间计量经济学的研究对象是空间依赖性和空间异质性产生的空间效应，空间效应的存在使得经典计量经济学中样本独立不相关假设不再成立，因此空间计量经济学建立起一套假定、估计、检验和模型方法把空间效应纳入计量模型，搭建起空间对象与经济模型之间“桥梁”。Paelinck和Klaassen[10]、Anselin[11-12]、Elhorst[13]、LeSage和Pace[14]、Fortheringham[15]等人对空间计量经济学范畴、范式和技术路线的贡献使空间计量经济学成为现代计量经济学发展最突出的成就。进入21世纪以来，计算机技术和地理信息技术的发展极大地推进了空间计量经济学的应用，在农业、工业、服务业、人口、资源、环境、医疗、教育、地理、文化等领域做出诸多应用研究贡献，国内具有代表性的研究成果包括沈体雁[16]、王庆喜[17]、杜明泽[18]等在经济增长空间趋同、环境和能源效率空间依赖、区域创新空间溢出等方面的研究。在具有明显空间外部性的生态环境领域，考量空间关系已经成为相关研究不可或缺的内容，尤其从2013年开始，由于中国华北地区持续出现大面积严重雾霾污染，空间计量方法被大量用于对雾霾污染地区间交互作用的研究，这些研究普遍把经济增长、资源禀赋、能源结构、产业结构等作为解释变量对雾霾污染进行空间计量回归分析，分析中普遍证明雾霾污染存在明显的省域间空间自相关[19-20]，研究普遍论证出解释雾霾污染的经济增长水平[21-22]、能源使用效率[23]和环境治理力度等解释变量也存在不同程度的空间相关效应，这些解释变量的内容在生态文明建设评价的绿色发展指标中同样占有很高的权重，提示绿色发展指标也会存在空间自相关特征，这种空间自相关特征是否存在，会在多大程度上影响绿色发展指标，进而影响生态文明建设评价结果，目前为止尚未有针对性研究，因此本文运用空间计量经济学的自相关检验工具对绿色发展指标及其构成指标的空间自相关特征进行深入分析，以求更加客观全面的理解和评价各省市生态文明建设绩效。

继党的“十八大”把生态文明建设纳入中国特色社会主义事业“五位一体”总体布局后，党的“十九大”进一步作出了加快生态文明建设的战略部署。为了落实党和国家推进生态文明建设的战略部署，国家统计局等四部门2016年颁布了《生态文明建设考核目标体系》和《绿色发展指标体系》，并于2017年发布了“2016年生态文明建设年度评价结果公报”。公报根据绿色发展指标对各地区的生态文明建设绩效进行了量化评分和排序，对激发各省市生态文明建设动力、引导生态文明建设方向产生了积极作用。《绿色发展指标体系》采用综合指数法进行测算，根据资源利用、环境治理、环境质量、生态保护、增长质量、绿色生活六个一级指标下的55项二级指标计算出绿色发展指数，这些指标的数据来自各省市的空间取样，但是并未考虑各省市之间生态文明建设绩效的空间相关性影响。本文利用“2016年生态文明建设年度评价结果公报”提供的31个省份（不含港澳台地区）的绿色发展指标数据，对绿色发展指标的空间自相关特征进行分析，力求从空间效应的角度对各省市生态文明建设绩效拥有更加客观的认识。

2 绿色发展指标的空间自相关分析

空间相关性是事物在空间上的相互依赖、相互制约、相互影响和相互作用，是事物本身所固有的空间属性，“地理学第一定律”认为任何事物都存在空间相关，距离越近的事物空间相关性越强，距离越远相关性越弱。空间依赖性和空间异质性是空间相关的主要形式，空间依赖性被称为空间自相关，反映空间单元之间的相互依赖作用，绿色发展指标的空间自相关会对各省市生态文明绩效产生外部影响，绿色发展指标的空间自相关检验可以对生态文明建设产生的外部性和关联性进行观察。

2.1 空间权重设定

对绿色发展指标进行空间自相关检验的前提是量化各省市之间的空间关系，空间权重矩阵是对空间关系的抽象，可以依据观测点的地理位置和空间特征设立空间权重矩阵来量化空间关系。空间邻接权重矩阵是反映空间相邻关系的空间权重矩阵，可以设定为相互接壤地区之间存在显著的相互影响关系，不接壤的地区相互作用不显著，空间邻接权重矩阵能够比较贴切的反映各省市间绿色发展指标的空间作用关系，因此引入各省市空间邻接权重矩阵使绿色发展指标的空间关系具体化。空间邻接权重矩阵可以设定为主对角线元素为0的对称矩阵，矩阵中的元素表示两个省市是否地理上相邻，如果两个省市地理相邻，权重值取1，不相邻权重值取0，应用Geoda软件生成的31个省市空间邻接权重文件为City.gal文件，在空间邻接权重矩阵中，31个省市中有非零相邻关系138组，占所有省市关系的14.36%（其中广东省作为海南省唯一相邻单元之间具有非零邻接关系），各省份的平均邻居个数为4.45。

2.2 全局空间自相关检验

Moran指数将相关系数推广到空间范畴考虑空间权重信息的相关系数，反映观测值在空间单元间的相似程度，以Moran指数测度空间自相关可以看作是计算观测值与空间滞后变量的相关系数，采用空间邻接权重矩阵的绿色发展全局Moran指数是把具有邻接关系的绿色发展指标加权汇总后与全部样本点加权汇总值对比，检验全国范围内地区之间绿色发展指数是相似、相异还是相互独立，计算公式为：

Morans I=∑ni=1∑nj=1Wij（xi-x）（xj-x）S2∑ni=1∑nj=1Wij

式中，n代表省市数量，xi和xj是省市绿色发展指数，x表示各省市绿色发展指数的均值，S2表示各省市绿色发展指数的均方差，Wij表示空间权重矩阵。Moran指数的取值范围为[-1，1]，Morans I>0时，表示存在空间正相关特征，即存在空间相似属性;Morans I<0时，表示呈现空间负相关特征，即与周边存在相反的依赖关系;Morans I趋于0时，表示呈随机分布特征，不具有空间关联性。以全国31个省市绿色发展指数为样本计算得到全局Moran指数为0.246 2，p值为0.014 999次蒙特卡罗随机模拟全局Moran指数为0.246 2，p值为0.016，绿色发展指标全局Moran指数在5%水平上显著，中国生态文明建设绩效存在空间自相关。

2.3 局域空间自相关检验

全局Moran指数反映出整体空间存在自相关特征意味着存在局部异质空间，这些异质空间具有局部自相关特征。全局Moran指数的局限性在于如果全局中部分省市指标存在正相关，另一部分省市存在负相关，两者可能相互抵消，降低全局Moran指数，Anselin提出以局部Moran指数Lisa（Local Indicators of Spatial Association） 观察局部空间的不平稳特征，检验局部地区与周边地区是否存在相似或相异聚集，局部Moran指数一方面深入反映全局自相关的内在特征，另一方面展示哪些地區相似聚集在一起，哪些地区差异聚集在一起，从而识别全局中不同局部空间存在的不同空间关联模式。

在空间位置i上，局域Lisa统计量的计算公式为：

Ii=n（xi-x）∑j≠1Wij（xj-x）∑i（xi-x）2

使用标准化统计量Zi=（xi-x）/σx，样本方差为S2=1，则Ii=Zi∑ni≠1w*ijZj，Zi和Zj是标准化后空间观测值，w*ij为行标准化后的空间矩阵元素，Ii表示位置i的观测值与相邻观测值带权重的乘积，绿色发展指标局域Moran检验Lisa结果见表1。输出结果中lisa为各省市局域Moran指数Ii，Var.Ii为局域Moran指数的方差，Z.Ii为标准化后的局域Moran指数的Z值，Pr（z>0）则为Z值对应的显著性概率值。绿色发展指标局域Lisa检验结果显示新疆、上海、福建、浙江、西藏、青海等6个省市的局域Moran指数满足5%显著性水平，与周边省市存在正相关联系，其中上海、福建、浙江具有比较类似的条件，是自身绿色发展水平和周边绿色发展水平都高的省市，新疆和西藏具有类似的条件，是自身绿色发展水平和

周边绿色发展水平都相对较低的省市，从上述各省市的局域自相关指标可以看出，Lisa指数可以反映出各省市是否存在局域自相关特征，但是不能反映出这种自相关特征是由于高水平相互影响造成的还有由于低水平相互影响造成的，有必要进行深入识别，Moran散点图可以直观的表现出上述差别。

2.4 绿色发展指标散点图

Moran散点图是对空间数据相关性二维可视化图示，趋势线的斜率直观地反映出全局空间自相关程度，散点分布与趋势线匹配的效果越好，则自相关拟合关系越好。Moran散点图还可以根据空间单元观测值之间的空间关系反映出观测单元与其他单元之间的局域空间相关类型。绿色发展指标的Moran散点图横轴表示绿色发展指数，纵轴表示绿色发展指数的空间滞后量，第一象限“高高”区域表示某省市绿色发展指标值高于平均值，周围省市对该省市的绿色发展具有正向影响作用;第三象限“低低”表示某省市绿色发展指标值低于平均值， 周围省市对该省市的绿色发展具有负向影响作用;第二象限“高低”表示某省市绿色发展指标值高于平均值，周围省市对该省市的绿色发展具有负向影响作用;第四象限表“低高”表示某省市绿色发展指标值低于平均值，周围省市对该省市的绿色发展具有正向影响作用。“高高”和“低低”表明具有空间正相关，提示省市间的绿色发展指标值具有相似相关性，“高低”和“低高”则表示存在空间负相关，省市间的绿色发展指标值具有差异性。

绿色发展指标的Moran散点图（图1）显示散点分布与趋势线呈现匹配趋势，存在空间自相关特征，散点主要在一、三象限分布，呈正相关关系。第一象限“高高”区主要包括福建、浙江、上海、江苏、广东、重庆、湖南、湖北、山东等省市，区间样本省市绿色发展指标值都较高， 而且受到周围省市的正向影响，绿色发展指标呈现高水平局域空间相互作用特征，这些省市几乎囊括了我国经济发达地区的主要省市。第三象限“低低”区主要包括西藏、新疆、辽宁、山西、青海、内蒙古、黑龙江、陕西等省市，区间样本省市绿色发展指标值都相对较低， 而且受到周围省市的负向影响，样本自身及其周边省市的绿色发展指标呈现低水平相关状态，绿色发展指标呈现低水平空间正相关特征，这些省市大部分位于我国经济发展较弱的中西部地区。第二象限“低高”区样本省市绿色发展指标值较低，但其周围省市的绿色发展指标值较高，第四象限“高低”区省市绿色发展指标值较高，但其周围省市的绿色发展指标值较低，“低高”和“高低”区省市间的绿色发展指标具有负相关特征，散点图中只有北京、天津、云南、四川等少数省市处于这种状况，从排序上看北京绿色发展指数83.71，排名第1，河北78.69，排名第20，天津76.54，排名第28，北京位于第四象限，绿色发展水平较高，但周边的天津、河北水平较低，对北京产生负的负相关作用，天津位于第二象限，绿色发展水平较低，但周边的北京、河北水平相对天津较高，对天津产生正的反向相关作用，云南、四川和吉林情况类似。

3 綠色发展指标构成指标的空间自相关分析

生态文明建设是具有强烈空间外部性的活动，各省市生态环境损益的空间扩散、空间溢出势必造成明显的相互作用，有必要针对绿色发展指标全局空间自相关水平不高的情况进行更加深入的分析。《绿色发展指标体系》中绿色发展指标是由资源利用、环境治理、环境质量、生态保护、增长质量、绿色生活六个一级指标构成，一级指标的空间自相关特征对绿色发展指标的空间自相关特征具有至关重要的作用，有必要深入到绿色发展指标内部，对构成绿色发展指标的一级指标进行空间自相关特征分析，揭示绿色发展指标构成指标对绿色发展指标自相关特征的影响。

绿色发展指标中包括资源利用、环境治理、环境质量、生态保护、增长质量、绿色生活六项一级指标，其中“资源利用”指标中有14项二级指标，包括能源消耗总量、用水总量、耕地保有量等总量指标，也包括能耗降低率、用水降低率、资源产出率等比率指标;“环境治理”指标中有8项二级指标，重点反映主要污染物、危险废物、生活垃圾和污水的治理情况;“环境质量”指标中有10项二级指标，重点反映大气、水、土壤和海洋的环境质量状况，既与当地的环境治理工作进展情况有关，也与当地的自然条件、产业结构等因素有关;“生态保护”指标中有10项二级指标，反映山水林田湖草的生态状况;“增长质量”指标中有5项二级指标，反映经济增长、居民收入、产业结构和创新投入等内容;“绿色生活”指标中有8项二级指标，包括绿色消费品、新能源汽车、绿色建筑、农村生活等指标。绿色发展指标是综合评价指标，利用6项分类指标来比较分析各省市在生态文明建设各重点领域取得的成绩和存在的问题，绿色发展指标一级指标的空间自相关特征对绿色发展指标空间自相关特征的形成具有重要影响，但这并不意味着所有一级指标都具有空间自相关特征，哪些一级指标具有空间自相关特征，哪些一级指标不具有空间自相关特征，哪些指标的空间自相关程度较高，影响甚至决定了绿色发展指标的空间自相关特征，这些都对更加客观的认识各省市生态文明建设绩效间的相互影响具有重要作用。采用与绿色发展指标空间自相关检验相同的空间邻接权重矩阵和Moran指数检验对绿色发展指标及其构成指标的全局Moran指数进行探索性分析，得到绿色发展指标及其构成指标的全局Moran指数表（见表2）。

绿色发展指标构成指标的全局Moran指数表显示，资源利用指标全局Moran指数没有通过显著性检验，生态保护指标通过5%显著性水平检验，环境治理、环境质量、增长质量和绿色生活指标都达到1%显著度水平。

环境治理指标的全局Moran指数为0.567，P值在1%水平显著，散点图（图2）散点分布与趋势线高度匹配，主要在一、三象限分布，呈正相关关系。环境治理指标的主要内容包括化学需氧量排放、氨氮排放、二氧化硫排放和氮氧化物排放总量减少的百分比，危险废物处置利用率、生活垃圾无害化处理率、污水集中处理率以及环境污染治理投资占GDP 比重等指标，从指标内容上可以看出，环境治理指标的主要内容侧重于与工业生产相关的污染物排放控制和废弃物治理上，工业化程度比较高和工业结构偏重的省市正自相关明显，环境治理指标空间自相关特征背后是经济发展水平差异和产业结构类型差异形成的空间自相关分异。散点图第一象限“高高”区间主要包括京津冀、江苏、山东、浙江等省市，这些省市是我国经济发展水平最高的地区，也是污染排放量较大和比较集中的地区，同时也是环境治理能力和水平最高的地区，自身和周边省市污染物排放水平下降都很显著，这些省市在散点图第一象限集中突出反映出上述特征。散点图第三象限“低低”区间主要包括西藏、青海、云南等省市，这些省市主要位于我国西南地区，排放水平较低，自身和周边省市污染物排放水平下降空间都不高，从环境治理的角度看位于自相关散点图的低低区间是合理的。从环境治理指标空间自相关特征可以看出，我国相邻省市的工业排放管控和环境污染治理具有明显的空间相似性，从而对绿色发展指标空间自相关特征具有较大贡献。

环境质量全局Moran指数为0.442 5，P值在1%水平显著，散点图（图3）散点分布与趋势线匹配关系明显，自相关程度明显，散点主要在一、三象限分布，呈正相关关系。“环境质量”指标主要反映大气、水、土壤的环境质量状况，散点图第一象限“高高”区间主要包括云南、贵州、广西、青海、西藏等省市，第三象限“低低”区间主要包括京津冀、山西、河南、山东、上海等省市。环境质量指标的空间分布特征与环境治理指标的空间分布特征形成了鲜明的反差，环境治理指标第一象限分布的各省市大多数都分布在环境质量指标的第三象限，第三象限的省市大多数都分布在环境质量指标的第一象限，这种位置的反转说明尽管我国京津冀、上海、山东等发达地区具有较高的环境治理水平，但是环境质量水平仍然低于云南、青海、新疆等西部省市，反映出发展较慢和开发强度低的西部地区具有明显的环境质量优势，发展较快和开发强度高的东部地区与西部地区相比环境质量处于劣势，由于大气、水、土壤等生态条件往往具有跨越省市行政边界的特征，使得东西部环境质量差别得到了空间相关性的加强，相邻省市环境质量具有明显的空间自相关特征。

生态保护全局Moran指数为0.281 9，与环境治理、环境质量、增长质量和绿色生活指标的Moran指数相比明显偏低，但是满足5%显著性水平，散点图（图4）散点分布較分散。“生态保护”指标主要反映山水林田湖草的生态状况，包括森林覆盖率、草原综合植被覆盖度、湿地保有率、水土治理面积等指标。中国幅员辽阔，自然生态资源特征空间分布复杂，有些省市以山区林地为主，有些省市以草原牧场为主，有些省市以河湖稻田为主，各省市不同的生态资源禀赋决定了各省市之间很难存在明显的空间相似性，在空间自相关上表现为较弱的相关关系。

增长质量指标全局Moran指数为0.391 5，P值在1%水平显著。增长质量指标主要包括人均GDP、居民可支配收入、第三产业增加值比重、战略性新兴产业占比和R&D经费占比，散点图（图5）绝大多数散点集中分布在第三象限“低低”区间，第一象限内只有上海、浙江、江苏、北京、天津少数几个省市。这样的全局Moran指数散点图说明尽管我国各省市经济增长质量水平之间存在比较明显的空间自相关联系，但是大多数省市的经济增长质量并不高，而且位于负向相互作用区间，尚未形成大多数省市在“高高”区间高质量发展聚集的局面，也就是尚未形成全局性的相互带动的高质量发展格局。借助空间相关性影响使更多的省市相互促进，提升经济增长质量，在“高高”区间聚集是我国未来提升绿色发展水平的重点方向。

绿色生活全局Moran指数为0.406，P值在1%水平显著，散点图（图6）散点主要沿趋势线一、三象限分布，具有明显的空间自相关特征。绿色生活指标主要包括绿色产品市场占有率、新能源汽车保有量、绿色建筑占比、绿色出行、城市绿地和农村自来水普及率等指标，这些指标是与人民生活直接相关的生态文明建设内容，从散点图上可以看出第一象限主要是东部发达地区省市，这些省市不仅绿色生活指标水平较高而且相互之间存在正向影响，第三象限主要是西部地区省市，这些省市不仅绿色生活指标水平较低而且相互之间存在负向影响，但是东部与西部之间差别不大，各省市居民绿色生活水平比较均衡，没有出现绿色生活指标在东西部明显的两极集聚分布，说明我国的绿色生活水平没有出现空间分异，中西部地区在绿色生活消费的生态文明建设中没有掉队。

绿色发展指标构成指标紧紧围绕我国当前生态文明建设的主要任务，针对资源约束趋紧，环境污染严重，生态系统退化等人口资源环境的主要矛盾安排资源利用、环境治理、环境质量、生态保护、增长质量、绿色生活六项一级指标和55项二级指标进行评估。对绿色发展指标一级指标的自相关检验发现，环境治理、环境质量、增长质量和绿色生活指标具有显著的空间自相关特征，其中环境治理和环境质量分别存在高水平聚集和低水平聚集的分异聚类，增长质量指标呈现出少数发达省市几支独秀，多数省市低水平聚集的局面，绿色生活指标在全国范围内显著自相关，地区之间没有呈现明显的差异化分异，是全局共同进步的局面。生态保护和资源利用指标受到地理空间生态特征和资源禀赋差别的影响，生态保护指标呈现低水平自相关，资源利用指标几乎不存在空间自相关特征。总体上看，绿色发展指标及其构成指标中与经济活动密切相关的指标空间自相关程度比较高，与生态环境自然资源禀赋联系比较多的指标空间自相关程度较低。

4 利用空间相关性发挥省市间带动作用

事物是普遍联系的，事物的发展变化也都与周围的事物相互联系和相互影响，不同地区的生态文明建设活动同样存在着相互联系和相互影响，绿色发展指标及其构成指标的空间自相关检验就是发现和阐释这种联系和影响的途径。研究空间效应的前提是存在空间划分，在高度组织化的当代社会，行政区划是经济社会活动最重要的空间组织方式之一，国家颁布的《生态文明建设考核目标体系》和《绿色发展指标体系》是基于省市行政区建立的，生态文明建设绩效的统计调查评估活动也是基于省市行政区开展的，利用空间自相关分析把自然生态地理空间关系特征叠合到行政区空间范围是生态文明建设评估需要考虑的内容。

中国具有非常丰富和复杂的生态人文地理特征，人为划分的31个省市行政区与自然地理特征带存在巨大的空间交错和包容，相邻行政区间普遍存在跨越边界的山体相连、河流贯穿、森林湖泊湿地共享、野生动物迁徙、风霜雨雪覆盖，在更大尺度上，中国版图自东向西分布着沿海、平原、丘陵、山地、沙漠和高原等地貌，自南向北分布着珠江流域、长江流域、黄河流域以及秦岭淮河气候变更带，南北纬度跨越50°，温差高达70℃。多种多样的生态地理条件会在行政区之间产生错综复杂的实质性空间依赖关系，例如在长江经济带覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州等11省市，区域内的省市既存在流域相连又存在气候相似，而与区域外其他的相邻省市都会处于不同流域区和不同气候条件下，势必产生不同的空间依赖性和异质性。中国是历史文化悠久的国家，在长期的生产生活实践中形成了众多的渔业、种植、养殖和畜牧区，在不同范围产生了独特的区域语言风格、民俗习惯、历史迁移和地域认同，这些因素也都会在行政区之间产生差别化的实质性空间依赖关系，生态地理历史文化条件具有长期的或者阶段的稳定性，是空间效应的慢变量。行政区之间还会通过人员和资本流动、信息和技术交流、外部性等作用产生学习、仿效、合作、追赶、竞争等实质性空间依赖关系，这些作用会随着经济形势、技术创新和制度政策的变化产生快速的变化，是空间效应的快变量，多方面快慢交织的空间实质性依赖关系对各省市生态文明建设的绩效产生复杂的实质性自相关影响。在对各省市生态文明建设绩效评价中就要考虑这些空间效应产生的作用，利用空间自相关分析揭示空间效应对各省市生态文明建设绩效评价的影响。各省市多种多样的实质性相关汇聚成全局Moran自相关指数，各省市自身与周边省市不同程度的实质性空间依赖形成各自的LISA指数，尽管我国绿色发展指数的全局Moran指数不高，LISA指数多数不显著，但是空间相关性仍然是普遍存在的。进一步深入到绿色发展指标的构成指标上看，除了资源利用指标以外，构成绿色发展指标的环境治理、环境质量、生态保护、增长质量、绿色生活五个一级指标都存在明显的空间自相关特征，大多数一级指标的空间自相关满足显著性要求，这就意味着在环境治理、环境质量、生态保护、增长质量和绿色生活等方面各省市之间存在着明显的空间相互作用。

直观上认为经济欠发达地区往往是资源利用少、污染和废弃物排放少，生态环境保护好的地区，这样的地区应该具有较高的绿色发展得分，而经济发达地区往往处于资源约束趋紧、环境污染明显、生态系统退化严重的境地，发展与人口资源环境之间的矛盾比较突出，这样的地区绿色发展水平应该欠佳，然而，在对绿色发展指标的空间自相关检验中我们发现经济发达地区普遍是绿色发展水平较高的地区，而且呈现相邻相似和地理集中，而经济欠发达地区绿色发展水平普遍不高，也存在相邻相似和地理集中，这种情况与我们直观地认识存在很大差异。结合空间自相关分析我们认为发达地区省市之间具有接近的经济实力，便于围绕生态文明建设进行资本、人才和技术的流通，便于在摆脱资源瓶颈、治理和防止环境污染、修复和保护生态环境的创新和进步中彼此交流，产生学习、仿效、竞争和外部性等趋同效应，从而形成用金山银山保护绿水青山的共同追求。欠发达地区的绿水青山等生态资源价值不具有地区间的流动性，而跨省市的生态补偿机制尚未全面落实，要真正享有绿水青山带来的民生福利还需要经历生态资源的价值转换，更为重要的是，省市之间的空间相互作用有可能是积极正向的，也有可能是低水平的消极影响，以资源环境为代价的短期发展行为在落后地区具有很强的负面示范效力，对提高中西部落后地区的绿色发展水平具有很强的牵制作用。上述空间相关性分析提示我们在生态文明建设中要发挥试点示范的典型带动作用，树立好的省市榜样，通过各省市之间的空间自相关特征产生积极的溢出和传播效果，产生正外部性示范带动作用，同时必须警惕负面典型的消极作用，加强检查督促，采取兜底措施防止落后和滑坡现象产生负向带动作用，尤其对于欠发达的后发地区，要重点打造经济增长与环境代价脱钩的示范样板，避免先付出生态环境代价再补偿修复生态环境的恶性道路，实现保护绿水青山与经济发展同步。

从空间自相关的视角助力生态文明建设最重要的任务就是要树立典型意识，无论在发达地区还是在欠发达地区都要强调借助空间自相关特征以示范表率作用带动生态文明建设水平全面提高。浙江省是发达地区的经济大省，局域Moran指数为1.2，P值显著，而且资源利用、环境治理、环境质量、生态保护、增长质量、绿色生活各项构成指标Moran指数都位于第一象限的正值区间，可以看出浙江省不仅自身绿色发展各项指标都有不错的表现，而且与周边省市都具有正向相关影响。结合实际我们看到，浙江省率先进行青山绿水保护，对生态文明建设常抓不懈取得了明显效果，不仅在地区范围内产生了高水平的生态文明建设带动作用，而且成为全国各省市学习追赶的榜样，对全国生态文明建设的推进都产生了重要的示范带动效果。

中国社会的主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾，绿色发展指标及其构成指标的空间自相关特征显示了生态文明建设活动在空间上同样存在不平衡不充分，这种矛盾在空间自相关作用下有可能演化为越来越严重的空间马太效应，因此必须重视试点示范的带动作用，鼓励个别省市努力作为，有所突破，率先垂范，同时借助空间自相关作用，引发地区间的模仿，追赶、竞争效果，带动其他省市向示范省市靠拢，实现生态文明建设整体水平的提高。

（编辑：刘呈庆）

参考文献

[1]杨开忠. 谁的生态最文明——中国各省区市生态文明大排名[J]. 中国经济周刊， 2009（32）： 8-12.

[2]严耕. 生态文明评价的现状与发展方向探析[J]. 中国党政干部论坛， 2013（1）： 14-17.

[3]魏晓双. 试论中国生态文明建设评价体系的构建[J]. 国土绿化， 2013（7）： 41-42.

[4]张欢， 成金华， 陈军， 等. 中国省域生态文明建设差异分析[J]. 中国人口·资源与环境， 2014，24（6）： 22-29.

[5]高志刚， 丁文恒. 中国省际生态文明发展水平比较研究[J]. 开发研究， 2015（2）： 14-18，23.

[6]李茜， 胡昊， 李名升， 等. 中國生态文明综合评价及环境、经济与社会协调发展研究[J]. 资源科学， 2015， 37（7）：1444-1454.

[7]李巍， 郗永勤. 效率视角下的省域生态文明建设评价研究[J]. 生态学报， 2016，36（22）： 7354-7363.

[8]李从欣， 李国柱. 省域生态文明建设综合评价研究[J]. 生态经济， 2017， 33（10）： 210-213.

[9]柴琪宸， 郭亚军， 宫诚举， 等. 中国省域生态文明建设协调发展程度的综合评价[J]. 中国管理科学， 2017， 25（7）： 184-190.

[10]KLAASSEN H L， OOMS G， PAELINCK J， et al. A study of the formal structure of J.W. Forresters world dynamics model[J]. Ecological modelling， 1980（8）： 259-274.

[11]ANSELIN L. Spatial econometrics： methods and models[M]. Dor-drecht： Kluwer Academic Publishers， 1988： 34-39.

[12]ANSELIN L. How （Not） to Lie with spatial statistics[J]. American journal of preventive medicine， 2006（2）： 3-6.

[13]ELHORST J P. Serial and spatial error correlation[J]. Economics letters， 2008（3）： 422-424.

[14]PACE R K， LESAGE J P. A spatial Hausman test[J]. Economics letters， 2008，101： 282-284.

[15]FOTHERINGHAM A S， YANG W， et al. Multiscale geographically weighted regression （MGWR）[J]. Annals of the American Association of Geographers， 2017（6）： 1247-1265.

[16]沈體雁，冯等田，孙铁山. 空间计量经济学[M].北京：北京大学出版社， 2010.

[17]王庆喜， 蒋烨， 陈卓咏. 区域经济研究实用方法：基于ArcGIS、Geoda和R的应用[M]. 北京：经济科学出版社， 2014.

[18]杜明泽.基于空间计量的我国省级创新发展研究[J].现代营销，2018（3）：4-5.

[19]刘华军， 杨骞. 环境污染、时空依赖与经济增长[J]. 产业经济研究， 2014（1）： 81-91.

[20]邵帅， 李欣， 曹建华，等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究， 2016， 51（9）： 73-88.

[21]吴玉鸣， 田斌. 省域环境库兹涅茨曲线的扩展及其决定因素——空间计量经济学模型实证[J]. 地理研究， 2012， 31（4）： 627-640.

[22]马丽梅， 张晓. 区域大气污染空间效应及产业结构影响[J]. 中国人口·资源与环境， 2014， 24（7）： 157-164.

[23]邓靖. 基于空间计量的能源效率影响因素分析——来自中国地市及以上城市的经验证据[J]. 广州大学学报（社会科学版）， 2017， 16（1）： 51-57.

Spatial autocorrelation analysis on construction of ecological civilization

LI Qing

（Institute of Urban Development and Environment， Chinese Academy of Social Sciences， Beijing 100026， China）

Abstract The activities of ecological civilization construction will affect each other among provinces and cities， and therefore the green development index have spatial dependence. The performance evaluation of ecological civilization construction needs to consider this spatial autocorrelation. Based on the index data of ‘2016 Annual Evaluation Report of Ecological Civilization Construction， this paper analyzes the spatial correlation of green development index and its composition index by using general Moran index and local Moran index， and reveals the complex spatial characteristics of ecological civilization construction performance in the most intuitive way. It is found that green development index has spatial autocorrelation in provinces and cities， general Moran index is not high， but environmental quality， environmental governance， development quality， and green life that constitute green development index have obvious and strong autocorrelation， and the performance of ecological civilization construction is affected by the spatial correlation. Analysis on spatial correlation of ecological construction performance  shows that green development index that has a close relation with economic activities has higher spatial autocorrelation degree， and green development index that has a close relation with natural resources endowment has a lower spatial autocorrelation degree. This means that spatial correlation caused by human activities has more significant influence on ecological civilization construction performance. Based on the analysis above， we should focus on the convergent role of spatial correlation， cultivate advanced pilot demonstration models for the construction of ecological civilization， so as to bring other provinces and cities closer to the demonstration provinces and cities， and promote the construction of ecological civilization with the help of spatial relevance.

Key words spatial correlation; construction of ecological civilization; impact analysis