基于ESDA-GIS的江蘇省縣域經濟時空差異分析

寇 程，趙春陽， 彭 勃

（1.西安測繪總站，陜西 西安 710054）

ESDA方法是空間數據分析的常用方法[1-5]。洪國志[6]通過空間計量經濟學經濟收斂標準分析方法的擴展，就中國240個地級及以上城市的經濟增長收斂性展開討論，并運用Moran'sI分析了1990～2007年人均GDP的集聚模式，結果顯示出強烈的全局正自相關。陳學剛[7]采用ESDA和GIS的方法進行了新疆縣域經濟的時空差異研究，認為空間分析方法是傳統經濟差異量度方法的一種有益補充，能更加深刻地揭示區域經濟的空間格局及其變化規律。宋萍[8]采用ESDA的方法對福建省縣域經濟差異進行了分析，得到了福建省經濟集聚模式。

1 研究區和數據

圖1 研究區

研究區為江蘇省，如圖1所示（圖1及下文中的圖3～6的審圖號均為GS（2014）2194），面積10.26萬 km2，2009年人口達到1.2億。截至2009年末，全省共有12 個地級市、55個市轄區、26個縣級市和25個縣[9]。其中銅山縣為兩塊不相連的區域，為了研究方便將銅山縣歸并到徐州市內，并將1999～2009年的行政區劃都統一到2009年。江蘇省1999～2009年的人均GDP統計數據來自2000～2010年的江蘇省統計年鑒[9]。

2 研究方法

變差系數（CV）是評價經濟發展平衡程度的重要指標[7]：

其中，CV是變差系數；是人均GDP的均值；n是區域個數；Yi是第i個區域的人均GDP。CV值越大則表示區域經濟差異越大。

ESDA是指利用統計學原理和圖形圖表相結合的方式，對空間信息的性質進行分析、鑒別，用以引導確定性模型的結構和解法[10]，可以用來分析各縣市經濟發展的空間分布情況及空間集聚模式。

ESDA方法大多建立在地理學第一定律所描述的空間自相關概念之上[11]，是基于數據驅動的、注重發現空間數據的分布模式，揭示數據的空間依賴性與空間異質性的可視現象[12]。結合ESDA和GIS，實現數據可視化，從而直觀便捷地展示數據的集聚模式。

當不同觀察對象的同一屬性變量在空間上表現出一定的規律性，而不是隨機分布時，則認為它們之間存在空間自相關。全局空間自相關的常用指標是Moran'sI[13]：

式中，xi表示第i個空間位置上的觀測值是所有觀測值的平均值；wij是權重矩陣第i個位置和第j個位置的關系，在本文中采用公共邊界定義的權重矩陣，即若第i個位置和第j個位置相鄰則其權重矩陣對應值為1，否則為0；S0為權重矩陣中所有元素之和。

Moran'sI的取值范圍從-1到+1，I >0表示正的空間自相關，空間數據存在顯著的正相關，觀測值之間（高或低）相似，表明所選取的指標是空間集聚分布的；I =0表示不存在空間自相關，觀測值在空間上隨機排列；I <0表示負的空間自相關，空間數據存在顯著的負相關，觀測值之間相異，表明所選取的指標是空間相異分布的。

為了得到數據的空間局部分布情況，還需要局部空間關聯指標。本文采用局部空間自相關統計量Moran'sIi，定義如下[11]：

式中，zi和zj是觀測值的均值標準化；空間權重矩陣元素wij采用行標準化形式，即可以看出，Ii表示位置i上的觀測值與周圍鄰居觀測值的加權平均值的乘積。這樣，全局Moran'sI和局部Moran'sIi統計量之間的關系是：

根據局部Moran'sIi和zi的關系，可以分為5種類型：①在一定顯著性水平下，若Ii顯著為正且zi大于0，則表明位置i和周圍鄰居的觀測值都相對較高，屬于高高集聚（HH）；②若Ii顯著為正且zi小于0，則表明位置i和周圍鄰居的觀測值都相對較低，屬于低低集聚（LL）；③若Ii顯著為負且zi大于0，則表明周圍鄰居的觀測值遠低于位置i上的觀測值，屬于高低集聚（HL）；④若Ii顯著為負且zi小于0，則表明周圍鄰居的觀測值遠高于位置i上的觀測值，屬于低高集聚（LH）；⑤若Ii不顯著大于0或小于0，則表明集聚模式不顯著（NS）。其中HH集聚模式、LL集聚模式，說明局部區域的經濟發展比較平衡，都為高值或低值；HL集聚模式、LH集聚模式則相反。

3 實驗分析

3.1 CV分析

圖2a反映了江蘇省全省及蘇北、蘇中和蘇南3個區域CV的歷年變化情況。

圖2 江蘇省全省及蘇北、蘇中和蘇南的歷年變化

全省的人均GDP變差系數，1999年為0.91，然后呈現出略微下降的趨勢， 2002年達到0.79，之后緩慢上升， 2008年達到最大值0.99，在2009年有一個較大幅度的下降，達到0.66。從全省來看，江蘇省經濟發展仍然很不均衡，但在2009年這種情況有所轉變。從蘇北、蘇中和蘇南的分區域的CV統計中可以看出，蘇中和蘇南的總體走勢與全省的CV走勢基本一致，都在2009年達到最小值（分別是0.17和0.31），蘇北總體上呈現出上升的趨勢，在2009年達到最大值0.69。蘇中地區的CV最小、蘇北最高。全省較大的CV所表示的經濟發展的不平衡主要來自3個區域之間的不平衡。

3.2 ESDA分析

圖2b反映了全省及蘇北、蘇中、蘇南3大區域的Moran'sI歷年變化情況。全省的Moran'sI值較大，11 a都保持在0.5以上，說明全省的空間自相關程度較高。這個值從1999年的0.53到2002年的0.74呈現上升的趨勢，隨后在2002～2009年基本平穩地保持在0.7以上，最大值出現在2004年，達到0.75。蘇南的Moran'sI值趨勢與全省基本一致，從1999年的0.21到2002年急劇上升到最大值0.74，隨后緩慢下降，在2008達到一個低點0.59，其余各年都維持在0.6以上。

蘇北和蘇中的Moran'sI較低，在0.2以下，說明空間自相關程度不高。其中蘇北在1999年、2000年和2009年的Moran'sI值在0附近，說明這幾年各縣市人均GDP分布基本呈現出隨機分布方式，其余幾年的Moran'sI都在0.1～0.2，空間正相關程度較低。蘇中地區歷年的Moran'sI值都較低，除2001～2004年高于0.1，其余各年都在0.1以下，說明蘇中地區各縣市的人均GDP基本呈現出隨機的分布。

圖3～6展示了從1999～2009年江蘇省和蘇北、蘇中、蘇南的人均GDP的局部空間自相關集聚圖。圖形采用OpenGeoDa軟件制作完成，經濟屬性數據與圖形數據的掛接在ArcGIS 9.3軟件中完成。

從1999～2009年的人均GDP統計情況來看，江蘇省在這11 a間的集聚模式沒有太大的變化，整體上呈現出2個類型不同的集聚點，一個在蘇北，為LL型集聚模式;另一個在蘇南，為HH型集聚模式。從1999～2000年，這種集聚模式有增強的趨勢，集聚更加明顯，可以看出整體上蘇北比蘇南人均GDP低，而蘇中沒有顯著的集聚模式出現,如圖3所示。

蘇北地區從1999～2005年有一些顯著的高值集聚情況，但在2006～2009年沒有出現顯著的高值集聚，而低值集聚一直存在，集聚中心主要分布在蘇北中部偏北的市縣,如圖4所示。

圖4 1999～2009年蘇北人均GDP LISA集聚圖

圖5 1999～2009年蘇中人均GDP LISA集聚圖

圖6 1999～2009年蘇南人均GDP LISA集聚圖

蘇中的集聚模式主要是在寶應縣有一個低值集聚中心，在海門市出現高值集聚中心，除了1999年、2000年和2009年，其余年份基本保持了這種模式。在2009年除了寶應縣有一個低值的集聚中心外，沒有其他明顯的集聚中心，如圖5所示。

蘇南地區2002～2009年呈現出明顯的兩種不同類型的集聚中心，在蘇南西邊為LL型集聚模式，蘇南東邊為HH型集聚模式。在蘇南中部不存在明顯的集聚現象，如圖6所示。

從以上的分析可知，從江蘇省全省尺度看，具有明顯的2個集聚中心，一個在蘇北，一個在蘇南。從蘇北、蘇中和蘇南3個區域的尺度來看，蘇中和蘇南具有比較穩定和明顯的集聚中心，蘇北的集聚模式并不明顯也不穩定。

4 結 語

本文采用CV和ESDA的方法對江蘇省人均GDP的統計數據進行了分析，得出江蘇省1999～2009年的CV變化情況和人均GDP的空間集聚模式如下：

1）江蘇全省各縣市的人均GDP存在較大的差距，發展很不平衡；蘇北、蘇中和蘇南地區的CV歷年變化基本平穩，都比較低，可見全省的CV較高主要來自蘇北、蘇中和蘇南3大區域之間的差異。

2）全省的人均GDP主要存在2個集聚點，蘇北和蘇南分別是低值和高值集聚中心，說明蘇南的經濟發展水平比蘇北高；蘇北的人均GDP集聚模式沒有固定的特征，蘇中和蘇南都有比較穩定的集聚中心。

3）空間自相關分析存在可塑性面積單元的問題，屬性數據之間的關系常常隨著研究粒度和區劃方式的不同而發生變化[14]，這是在空間數據分析中很常見的問題[15]。在本文中是以行政區劃為統計單元進行空間自相關的分析，以后將在不同的區域劃分方法中進行分析，看結果的變化，從而找到適合于經濟現象分析的合理的區域劃分方法。

[1]范新生, 應龍根.中國SARS疫情的探索性空間數據分析[J].地球科學進展，2005, 20(3): 282-291

[2]宣國富, 徐建剛, 趙靜.基于ESDA的城市社會空間研究——以上海市中心城區為例[J].地理科學，2010, 30(1): 22-29

[3]Tu W, Tedders S, Tian J.An Exploratory Spatial Data Analysis of Low Birth Weight Prevalence in Georgia[J].Applied Geography,2012, 32(2): 195-207

[4]任慧.基于ESDA的深圳市住宅基準地價空間分布規律研究[J].地理空間信息, 2013, 11(3): 142-144

[5]周圓, 張青年, 祝友良.基于GIS的縣域農林產業空間分布探索性分析[J].地理空間信息, 2012,10 (5): 44-46

[6]洪國志, 胡華穎, 李郇.中國區域經濟發展收斂的空間計量分析[J].地理學報, 2010, 65(12): 1 548-1 558

[7]陳學剛, 楊兆萍.基于ESDA-GIS的新疆縣域經濟時空差異研究[J].測繪科學,2008, 33(3): 62-65

[8]宋萍, 洪偉, 吳承禎, 等.基于ESDA的福建省縣域經濟差異[J].福建農林大學學報:自然科學版,2009, 38(4): 406-411

[9]江蘇省統計年鑒[EB/OL].http://www.jssb.gov.cn/jstj/tjsj/tjnj/,2010-12-01/2014-06-01

[10]柏延臣, 李新, 馮學智.空間數據分析與空間模型[J].地理研究,1999, 18(2): 185-190

[11]馬榮華, 蒲英霞, 馬曉東.GIS空間關聯模式發現[M].北京:科學出版社, 2007

[12]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): 1 048-1 057

[13]Cliff A D, Ord J K.Spatial Processes, Models and Applications[M].London: Pion, 1981

[14]陳江平, 張瑤, 余遠劍.空間自相關的可塑性面積單元問題效應[J].地理學報，2011, 66(12): 1 597-1 606

[15]李廣, 侯扶江, 黃高寶.臨澤鹽漬化草地空間格局的可塑性面積單元問題[J].生態學報,2008, 28(1): 154-161