川滇黔接壤地區城鎮化空間特征及驅動力分析

彭 立，劉邵權

(1.中國科學院、水利部 成都山地災害與環境研究所，成都610041;2.中國科學院 研究生院，北京100049)

0 引言

城鎮化是區域發展的重要推動力量，尤其是對于西部地區來說，普遍較低的城鎮化水平反映了區域經濟社會發展的落后性。城鎮化過程實際上是一種自組織過程，城鎮化的演變、人口的城鄉遷移都受某種自組織規律的支配，在實踐和空間上分別聯系著自組織臨界性和空間復雜性［1］。基于地理學視角對城鎮化空間格局的實證研究是建立在空間分析方法論基礎上的［2］。城鎮化的表現也不單是簡單的城鄉人口結構的轉化，更重要的是其代表著產業結構及其空間分布結構的變化。作為四川、云南、貴州三省交界之地的川滇黔接壤地區有著獨特的地理位置，長久以來經濟社會發展比較落后，其城鎮化的整體水平較低，在空間分布上探索其城鎮化的規律性和相關性有著重要的現實意義。本研究以川滇黔接壤地區作為實證研究對象，在ArcGIS支持下，運用空間數據探索分析方法(exploratory spatial data analysis，ESDA)和空間計量模型等方法，揭示川滇黔接壤地區城鎮化格局的空間規律和驅動因素，可為跨省區域經濟社會空間結構重構、協調區域城鎮化發展提供決策依據。

1 研究方法

空間分析的獨特貢獻在于它借鑒相關社會科學的方法和工具，提供了準確認識、評價和綜合理解空間位置和空間相互作用重要性的方法［3］。本研究采用的是ESDA，其主要是通過對空間自相關的分析來揭示空間依賴性和異質性，并基于空間自相關分析的結果進行空間計量建模。

1.1 空間數據探索分析

空間數據探索分析是一般數據探索分析的擴展，具有一些針對空間數據特性的工具，目的在于探測數據的空間屬性，并對下一步的數學建模具有重要價值。總體而言，有兩類空間數據探索分析方法，一類為全局統計(global statistics)，主要探索某一屬性在區域中的分布特性，另一類為局域統計(local statistics)，通過對子區域中信息的分析，探查區域信息變化是否平滑(均質)或存在突變(異質)。

1.1.1 全局空間自相關。全局空間相關測度可用來描述整個研究區域上所有空間對象之間的平均關聯程度、空間分布模式及其顯著性，常用 Moran’s I和 Geary’s C進行檢驗［4］。本研究采用的是 Moran’s I指數。Moran’s I的取值范圍為［-1，1］，大于零表明存在空間的正相關，反之為負相關，等于零則表明不存在空間相關性，其計算公式如下:

計算出 Moran’s I之后 ，還需對其結果進行統計檢驗，一般采用Z檢驗:

式中:E(I)表示數學期望;var(I)為總體方差。

1.1.2 局部空間自相關。空間聯系局域指標［5］(local indicators of spatial association，LISA)是由全局空間Moran’s I向局域或者單個空間研究對象的分解，可以表示某個位置上的觀測值與周圍區域單元觀測值之間的聯系，可以用于識別“熱點區域”以及數據的異質檢驗［6］。對于某個空間單元i，其計算公式為:

式中:Ii為單元i的空間自相關指數;Zi=(Xi-)Zi，Zj都表示為觀測值的標準差標準化形式;n為研究單元個數(本研究為75個);其余字母含義同前文。

1.2 空間計量模型

空間相關性通常由兩方面因素決定，一是地區樣本觀測值對相鄰地區觀測值存在的溢出效應，二是鄰近地區關于因變量的誤差沖擊對本地區觀測值產生的影響，因此，空間相關性主要體現在因變量的空間滯后項和空間誤差項［7］。本研究使用的空間計量模型主要是納入了空間效應(空間相關和空間差異)的空間常系數回歸模型，包括空間滯后模型與空間誤差模型2種。

1.2.1 空間滯后模型(spatial lag model，SLM)主要反映了樣本觀測值是如何通過空間機制作用于其他地區。其模型表達式為:

式中:Y為因變量;X為自變量;ρ為空間滯后回歸參數;WY為空間滯后因變量;ε為矢量形式的空間誤差項。

1.2.2 空間誤差模型 (spatial error model，SEM)主要用來度量鄰近地區因變量的誤差沖擊對本地區測察值的影響程度，SEM模型強調空間擴散效應是外生沖擊的結果［8］，因此，該模型中的空間相關作用存在于誤差項當中。公式為:

式中:ε為矢量形式的空間誤差項;λ表示空間誤差回歸系數;W為空間鄰接矩陣;μ為滿足正態分布的隨機誤差向量。

因SLM模型和SEM模型反映的空間相關性是全局性的，應確保模型估計結果的無偏和有效性。采用普通最小二乘法(OLS)估計時，則會造成估計結果的有偏或無效，因此，本研究主要選取極大似然法(log L)進行估計［8］。

2 研究區概況和數據獲取

川滇黔接壤地區包括四川省西南部、云南省東北部和貴州省西北部14個地、市、州的75個縣(區、市)，總面積19萬多km2，分別占西南3個省的16.9%。該區是我國西南的一大老少邊窮地區，它處于西南的幾何中心，依托重慶、成都、昆明和貴陽四大城市，以及成昆、貴昆、內昆及川黔鐵路。該區曾是國家“三線”建設中生產力重點布局地區，也是全國國土開發規劃中17個重點開發區之一(即攀西-六盤水資源綜合開發區)，長江沿岸產業帶開發最上游地區。川滇黔接壤地區城鎮化水平整體較低，除個別區縣(攀枝花市的東區、西區，六盤水市的鐘山區)城鎮化率達到50%以上外，其余72個區縣都在50%以下，其中49個區縣的城鎮化率在20%以下(圖1)。空間分析的范圍是川滇黔接壤地區，包括75個區縣，以區縣為基本分析單位。空間數據從1∶400萬的國家基礎地理信息數據中提取出以縣域為基本尺度的川滇黔接壤地區行政邊界，城鎮化數據均以2008年為時間節點，來自相關省市統計年鑒和統計公報，并先在ArcGIS軟件中進行數據匹配。

圖1 川滇黔接壤地區城鎮化水平分級格局Fig.1 The spatial pattern of urbanization level in Chuan-Dian-Qian boundary area

3 空間分析結果

經計算，全局空間自相關指數 Moran’s I=0.253 8，檢驗值 Z=3.42，通過 p ＜ 0.01 水平下的顯著性檢驗。城鎮化率呈現正的空間自相關特性，即從川滇黔接壤地區整體上看，城鎮化水平相似的縣域(高-高或低-低)在空間上呈集聚趨勢。利用局部 Moran指數公式，計算各區縣城鎮化率的局部Moran’s I值，得到各區縣城鎮化率空間分異狀態的 Moran散點圖(圖2)。Moran散點圖以笛卡爾直角坐標體系為表現形式，分析全省耕地資源的空間相關性，橫坐標為城鎮化率，縱坐標為空間權重矩陣加權后的城鎮化率，直觀反映出研究變量與空間滯后的關系，即檢測局部空間的異質性［9］。第一至四象限點分別表示某空間單元與相鄰單元的城鎮化率呈現高值與高值集聚、高值與低值集聚、低值與高值集聚、低值與低值集聚的空間關系。從圖中可以看出各區縣單元分布在第三象限的最多，再次說明了城鎮化率更多呈現正相關，具體更多地表現在低值聚集的狀態，城鎮化率較低的地區相對集中分布，形成連片的低值區。根據Moran散點圖中各象限的區縣不同類型在ArcGIS中做出其分布圖，并將計算出的各區縣顯著性LISA值(p≤0.05)也標示在圖上，得到圖3。

分布在第一象限(高-高)的有12個區縣，分布在第三象限的有34個區縣，兩者共占川滇黔接壤地區縣域總數的61.33%，城鎮化水平呈現出一定程度的兩極分化。相對于H-H區，L-L區范圍明顯更廣，主要分布于川滇黔接壤地區西北部和中北部，并且連片出現，這些區域成為城鎮化率低值聚集區不足為怪，主要源于該區域惡劣的自然地理條件及長期落后的發展基礎。城鎮化的高值區域分布比較離散，空間集聚性不強，還沒有形成較大范圍連片集中分布的城鎮化高值區，唯一顯著的(p≤0.05)是攀枝花市的東區和西區，它們是整個川滇黔接壤地區經濟社會發展水平最高的區域，也是城鎮化水平最高的區域。H-L區分布特征最為分散，呈鑲嵌狀分布，這也體現了即使在城鎮化水平較低的地區，一定的行政區域內(比如一個地級市)也存在城鎮化水平的差異，即經濟、資源和人口的相對富集造成的局部極化差異。

4 空間計量模型估計結果及分析

由于川滇黔接壤地區城鎮化率整體上存在一定的空間正相關性，因此，地區之間在空間上相互獨立的假定不能成立，從而如果采用普通最小二乘法來估計分析城鎮化率的驅動作用［10］，其結果是有偏的，在處理這些帶有空間特性的數據時必須考慮空間自相關所帶來的影響。采用空間滯后模型和空間誤差模型進行空間計量分析可以較好地反映空間效應(表1)。當然，為了比較，同時進行了OLS估計。

區域經濟結構差異直接導致了區域經濟發展水平不同，進一步影響了區域城鎮化水平。為揭示城鎮化率差異的驅動力的深層機理，根據數據可得性、相關性、整體性、代表性等原則選取4個主要影響因子，包括人均GDP、人口密度、第二產業增加值(億元)和第三產業增加值(億元)。

從擬合優度R2和極大似然估計量來看，空間誤差模型和空間滯后模型明顯優于最小二乘法模型，再次證明了考慮空間效應的優越性和必要性，避免了模型估計偏誤。對于空間誤差模型和空間滯后模型之間的優劣比較來說，空間誤差模型的擬合優度R2和極大似然估計值大于空間滯后模型的，且從赤遲信息量和施瓦茨信息量可以看出，空間誤差模型均小于空間滯后模型。綜上所述，空間誤差模型為最優。

從空間誤差模型估計結果看，空間誤差彈性系數λ為0.416 1，通過1%顯著性檢驗，說明相鄰地區城鎮化率的空間效應影響存在于誤差項中，不僅包含地區間城鎮化率的相互作用，還存在于各種復雜的空間因素中，因此，各區縣城鎮化水平的落后不僅決定于其本身，也受周圍區縣的影響。從自身驅動因子來看，人均GDP、人口密度、第二產業增加值、第三產業增加值的彈性系數均為正，即對城鎮化水平有正效應。第二產業增加值和第三產業增加值的彈性系數分別是0.417 3和0.777 7，其中，第三產業增加值這一因子的彈性系數最大，說明第三產業增加值是城鎮化水平最重要的驅動因子，這也符合了國內外城鎮化的相關研究結論。發展經濟學指出，隨著資本密集化程度的提高和科學技術的進步，現代工業部門創造的就業機會已越來越少，大量的農村勞動力將轉移到城鎮商業、服務業等第三產業領域。美國、日本等國經濟發展實踐也得出這樣的結論，即城鎮化水平與第三產業發展的相關性高于與第二產業發展的相關性，第三產業是城鎮化的最大推動力。因此，本地區落后的城鎮化水平和本地產業結構的不合理、第三產業不發達密切相關。

表1 模型估計值及檢驗結果Tab.1 Estimation and test results，assessed with the 3 models

5 結語

從空間分析的結果來看，城鎮化率的低水平正相關，可能是區縣間的相互聯系和相互作用的結果，也可能解釋為區域本底條件和歷史發展基礎的相似性。這也說明作為一個研究單元，川滇黔接壤地區雖然跨四川、云南、貴州3個省，但從區位、資源、環境、發展歷史等綜合因素來講，其區域的整體性較好。采用統計學方法研究某一區域發展問題時，需要考慮到區域作為研究樣本事實上的“不獨立”特性，考慮所處的區域大背景。

采用空間計量模型較好地揭示了各驅動因子對城鎮化率的影響機制，體現了城鎮化率分布的空間相關性，整個估計結果更為可靠。除了本身的各驅動因子的作用外，相鄰地區各因素的空間誤差效應也對城鎮化率存在顯著的影響，其彈性系數為0.416 1，因此，各區縣城鎮化水平的落后不僅決定于其本身，也受周圍區縣的影響。在城鎮化水平自身驅動因子中，第三產業增加值的彈性系數最大，說明第三產業是城鎮化水平最重要的驅動因子，提高城鎮化水平最重要的方向是產業結構的升級。國內外研究表明，產業結構遵循著從第一產業向第二產業再逐步向第三產業的方向遞進，即產業結構高級化趨勢。從各國城鎮化進程發展結果來看，發展第三產業是城鎮化的必由之路。

川滇黔接壤地區雖然分屬云貴川三省，但山水相連，自然地理環境相近，區位條件一致，社會經濟發展水平總體相近，資源豐富且相互配套。按照市場經濟和資源優化配置原則，接壤地區必須打破行政區間封閉的狀態，整合優化區域開發，才能提高城鎮化水平，適應區域發展和西部大開發的戰略需要。因此，將川滇黔接壤地區作為一個區域整體來開發［11］，有其特定的內涵和戰略思考。加快本區的綜合開發，促進地區社會經濟的持續發展，對促進長江沿岸產業帶建設，以及東、中、西部協調發展具有重大意義。

［1］陳彥光.城鎮化:相變與自組織臨界性［J］.地理研究，2004，23(3):301-311.

［2］馬曉冬，馬榮華，徐建剛.基于ESDA-GIS的城鎮群體空間結構［J］.地理學報，2004，59(6):1048-1057.

［3］Anselin L.The Future of Spatial Analysis in the Social Sciences［J］.Geographic Information Sciences，1999，5(2):67-76.

［4］孟斌，王勁峰，張文忠，等.基于空間分析方法的中國區域差異研究［J］.地理科學，2005，25(4):393-400.

［5］Anselin L.Local Indicators of Spatial Association-LISA［J］.Geographical Analysis，1995，27(2):93-115.

［6］Anselin L，Syabri I，Kho Y.GeoDa:An Introduction to Spatial Data Analysis［J］.Geographical Analysis，2006，38(1):5-22.

［7］文繼群，濮勵杰，張潤森.耕地資源變化的空間計量及其驅動力分析——以江蘇省為例［J］.長江流域資源與環境，2011，20(5):628-634.

［8］周國富，連飛.中國地區 GDP數據質量評估——基于空間面板數據模型的經驗分析［J］.山西財經大學學報，2010，32(8):17-24.

［9］彭穎，陸玉麒.成渝經濟區經濟發展差異的時空演變分析［J］.經濟地理，2010，30(6):912-917.

［10］龍愛華，徐中民，王新華，等.人口、富裕及技術對2000年中國水足跡的影響［J］.生態學報，2006，26(10):3358-3365.

［11］陳治諫.川滇黔接壤地區總體發展戰略研究［J］.長江流域資源與環境，1994，3(3):193-199.