EN中文

GEOGRAPHICAL RESEARCH >

2016 , Vol. 35 >Issue 6: 1151 - 1163

DOI: https://doi.org/10.11821/dlyj201606012

Orginal Article

Spatial-temporal evolution of county urbanization and its influencing factors in Zhejiang province

  • ZHANG Lisheng
Expand
  • College of Tourism and Exhibition, Henan University of Economics and Law, Zhengzhou 450002, China

Received date: 2016-01-11

  Request revised date: 2016-04-20

  Online published: 2016-06-20

Copyright

《地理研究》编辑部
Fold

Abstract

Urbanization is the only way in which a county may realize its modernization strategy, in terms of coordinating regional economic development, and expanding domestic demand and promoting industrial upgrading. As an organization mechanism of market economy, the Zhejiang Model is typical of the development of the county economy of China. In the absence of conditions for economic growth suggested by the classical economic theory, the economic development of this province has made remarkable achievements since China's reform and opening-up. Moreover, county urbanization holds an fundamental and irreplaceable position of China's national urbanization system, thus there is a growing interest in research studies regarding the spatial and temporal evolution and influencing factors of county urbanization. By applying the data of the county urbanization rate of Zhejiang province from 2000 to 2012, this paper uses exploratory spatial data analysis to reveal spatial-temporal disparities and dynamic evolution. More specifically, county urbanization shows significant global and local autocorrelation spatially, with hot areas of county urbanization mainly found around the Hangzhou city belts. Then, with the aid of spatial panel econometric technology, this paper conducts an empirical study on the influencing factors of county urbanization. The regression results show that county urbanization has significant spatial spillover effects, namely county urbanization will also be promoted in areas adjacent to the area where county urbanization is undertaken. Additionally, economic growth, investment in fixed assets, and the proportion of the secondary industry and foreign trade dependence have positive effects on county urbanization, but the gap between urban and rural areas has a negative effect on county urbanization. Empirical findings indicate that the center of Zhejiang's county urbanization is the Hangzhou-Ningbo region. This type of spatial distribution pattern has hindered the balanced development of county urbanization. Governments at various levels should focus on develop potential hot spots of county urbanization in the Jinhua-Quzhou and Wenzhou-Taizhou regions to form a pattern of tripartite confrontation, thereby guaranteeing the orderly and progressive development of county urbanization in Zhejiang. In addition, local protection and administrative barriers of inter-county urbanization should be broken in order to strengthen interactive construction.

Key words： county urbanization; spatial-temporal evolution; influencing factors; Zhejiang province

Cite this article

ZHANG Lisheng . Spatial-temporal evolution of county urbanization and its influencing factors in Zhejiang province[J]. GEOGRAPHICAL RESEARCH, 2016 , 35(6) : 1151 -1163 . DOI: 10.11821/dlyj201606012

1 引言

2013年中央城镇化工作会议指出,城镇化是国家实现现代化战略的必由之路,不仅是统筹区域协调发展的重要支撑,同时也是扩大国内需求、促进产业升级和调整经济结构的重要抓手,对促进社会公平和共同富裕具有重要意义。在城镇化逐渐成为国家战略背景下,既有文献围绕城镇化进行的探讨主要基于经济学、地理学和社会学等研究视角展开,研究路径分为理论和实证两类,研究内容主要侧重于城镇化理论内容解读[1]、城镇化对宏观经济变量的影响（碳排放、能源消费、农业生产）[2-4]、城镇化与城市发展关 系[5,6]以及城镇化的社会意义[7,8]等。随着城镇化进程深入推进,其所伴随的时空格局动态规律逐渐引起关注,并有研究对全国层面县域城镇化的空间特征进行了定量刻画[9]。此外,为了表征城镇化时空动态特征省际差异,部分研究已开始深入到省级层面内部揭示县域城镇化的微观表现形态[10,11]。此外,上述研究也试图对影响县域城镇化时空格局的驱动因素进行了相应说明[12],然而,由于并未在基于客观数据基础上对此主观判定进行实证检验,进而无法真正洞悉影响机制的客观有效性。可以肯定,城镇化与经济增长之间存在着非常密切的关联作用[13],但对于此方面的研究也仅是停留在全国宏观层面[14],部分文献虽然论及县域城镇化与经济增长之间的空间关联性,但主要采用简单相关系数分析的方法予以论证[15-17],仍不能从县域层面上反映经济增长对县域城镇化发展的线性影响关系。
作为典型的市场经济组织机制,“浙江模式”主要以其鲜明的内生性县域城镇化形成过程为主要表现形式,即专业化分工与区域产业集聚,其中,分工所导致的县域产业集聚为浙江省城镇化发展提供了必要的支撑载体。鉴于此,本文基于探索性空间数据分析（exploratory spatial data analysis,ESDA）技术,将空间分布数据进行可视化表达,通过对浙江省县域城镇化率进行空间关联测度,以此定量揭示浙江省县域城镇化时空动态格局。为了深入探究浙江省县域城镇化发展演变的驱动机制,构建包含经济增长为主要变量的县域城镇化影响因素计量经济模型,在对县域城镇化率进行空间自相关性检验的基础上,引入空间面板计量技术对影响浙江省县域城镇化发展的相关因素进行实证检验,进而从统计学意义上明晰究竟是什么因素影响了浙江省的县域城镇化进程,以期为浙江省县域城镇化优化空间布局与长期协调发展提供政策益见。

2 研究方法与数据来源

2.1 标准差与变异系数

在区域经济学统计原理上,标准差与变异系数是两种分别从绝对和相对意义揭示区域经济差异程度的常见方法。本文亦是借助以上方法分别测度并揭示浙江省城镇化在县域间的绝对与相对差异。具体计算公式为：
S = 1 n ∑ i = 1 n ( Y - i Y ̅ ) 2 （1）
V = S / Y ̅ （2）
式中： Y i 为第 i 个县域城镇化率; n 为县域个数; Y ̅ 为 n 个县域的平均城镇化率。 S 值越大,表明城镇化率的绝对差异越大; V 值越大,则表明城镇化率的相对差异越大。

2.2 空间自相关

2.2.1 全局空间自相关 空间经济学认为,某个地区空间单元上的特定经济地理现象,或者某一属性值与其邻近地区空间单元上同一现象或属性值是相关的[18]。相应的空间数据一般都表现出不同程度的空间依赖性或空间自相关性特征。因此,众多学者相继应用ESDA统计技术对空间数据的空间自相关进行分析,进而揭示其空间依赖性[19-21]。全局空间自相关分析主要通过采用Moran's I指数反映特定样本区域中某一经济变量的空间关联程度,以此有效展现出该变量在样本区域空间内的内在时空演变规律,而并非是无序随机分布。
  I = ∑ i = 1 n ∑ j = 1 n w ij ( x i - x ̅ ) ( x j - x ̅ ) S 2 ∑ i = 1 n ∑ j = 1 n w ij （3）
式中： S 2 = 1 n ∑ i = 1 n ( x i - x ̅ ) ; x ̅ = 1 n ∑ i = 1 n x i ; x i 和 x j 分别表示 i 区域和 j 区域的城镇化率; w ij 为二进制的邻接空间权重矩阵,两个县域相邻时, w ij 取值为1,否则为0。Moran's I指数的取值范围为[-1,1],大于0表示地区间存在空间正相关,数值较大,正相关程度越强,即呈现空间集聚分布;小于0则表示存在空间负相关;等于0表示地区间不存在空间关联性。
2.2.2 局域空间自相关 局域空间自相关性主要是度量某个地域单元与其邻接空间地域单元属性特征值之间的相关性,及局部区域的空间集聚特征。因此,需要借助使用相应的空间关联局域指标（local indicators of spatial association,LISA）来测度局域空间关联特征[22]。局域Moran's I指数是定量揭示样本区域局部空间自相关的典型指标：
I i = Z i ∑ j = 1 n W ij Z j （4）
式中： Z 表示样本空间单元属性值的标准化形式。若局域Moran's I指数显著为正,表示县域单元 i 与其邻接县域单元属性值之间空间差异小;反之,县域单元 i 与其邻接县域单元属性值之间空间差异大;若局域Moran's I指数为0,表示县域单元 i 其邻接县域单元属性值之间不存在空间相关,即样本空间单元属性值在空间关联方式上随机分布。
2.3 Getis-Ord G i * 指数
在局域空间关联特征识别上,采用冷热点区域对比分析方法,相对于全局Moran's I指数,该方法可以更为精细地测度和判断局域空间关联或集聚分布特征,识别不同空间区域的高值簇与低值簇,即局域热点区与冷点区的空间分布[16],计算公式为：
G i * ( d ) = ∑ j = 1 n w ij ( d ) x j / ∑ j = 1 n x j （5）
为便于比较分析,对 G i * ( d ) 标准化处理：
Z ( G i * ) = G i * - E ( G i * ) Var ( G i * ) （6）
式中： E ( G i * ) 和 Var ( G i * ) 分别是 G i * 的数学期望与方差。如果 Z ( G i * ) 为正,并且统计显著,则说明位置 i 周边的值高于均值,即属于高值空间集聚分布（热点区）,反之,如果 Z ( G i * ) 为负,并且统计显著,则说明位置 i 周边的值低于均值,即属于低值空间集聚分布（冷点区）[23]。

2.4 数据来源

截至2012年,浙江省共有69个县级单元,包括22个县级市、35个县、11个市辖区和1个自治县。浙江省县级单元区划调整主要发生在1992-2002期间内,随着浙江省经济社会发展的时代需求,以及内涵式城镇化发展战略的推进,城市发展战略逐渐从规模数量扩张向特色精明增长转变。1992年,温州撤销瓯海县,设立瓯海区;1994年,椒江市和黄岩市成为新设台州市辖区;2000年,金华撤销金华县,并入金华市辖区;2001年,杭州市撤销萧山市和余杭市,设立萧山区和余杭区;同年,衢州撤销衢县,并入市辖区;2002年,宁波撤销鄞县,设立鄞州区。考虑到数据的连续性,基于最新调整后的县域单元数量,对当期未进行调整的县级数据归并处理。研究样本统计数据主要来自2002-2014年《浙江省统计年鉴》。

3 浙江省县域城镇化时空格局分析

3.1 城镇化时空差异

3.1.1 全局空间自相关分析 首先,使用ESDA统计技术,并基于Matlab R2008a软件平台测算出2001-2013年浙江省县域城镇化率的全局Moran's I指数（表1）。样本期间内,浙江省县域城镇化率全局Moran's I值存在形式表现为两个阶段：第一阶段是2001-2003年阶段,2001年和2002年Moran's I指数为负,2003年Moran's I值为正,但均不显著,说明在此阶段浙江省县域城镇化并不具有空间关联性,空间依赖程度微弱,呈现并不具有统计学意义的线性趋势;第二阶段是2004-2013年阶段,浙江省县域城镇化率全局Moran's I指数全部为正,除2004年和2005年Moran's I指数在10%水平上显著外,其余年份Moran's I指数均在5%水平上高度显著,并且除2009年出现奇异值之外,这一阶段Moran's I指数基本呈现出渐进增大趋势。由此说明浙江省县域城镇化在空间分布上存在显著正的自相关关系,即县域城镇化在空间集聚表现上并非呈现出完全随机的分布状态,而是呈现出若干县域单元相似属性值在特定空间区域上趋于集聚分布,进而反映出浙江省县域城镇化存在显著的空间集聚规律。显著为正的空间自相关性表明相互邻接地区属性特征相似的县域城镇化空间关联结构,即具有较高城镇化率的县域单元之间倾向于相互临近集聚,具有较低城镇化率的县域单元之间倾向于相互临近集聚。此外,Moran's I指数逐渐增大则反映出县域城镇化之间空间集聚程度渐次增强。
Tab. 1 Global Moran's I index statistics of county urbanization in Zhejiang province

表1 浙江省县域城镇化率全局Moran's I指数统计

年份 Moran's I 期望值 标准差 正态统计量 P值
2001 -0.0362 -0.0147 0.0907 0.2376 0.3878
2002 -0.0083 -0.0147 0.0907 0.0711 0.3979
2003 0.1026 -0.0147 0.0907 1.2931 0.1729
2004 0.145 -0.0147 0.0907 1.7610 0.0846
2005 0.1669 -0.0147 0.0907 2.0030 0.0537
2006 0.1971 -0.0147 0.0907 2.3360 0.0261
2007 0.2104 -0.0147 0.0907 2.4825 0.0183
2008 0.2258 -0.0147 0.0907 2.6523 0.0118
2009 0.2014 -0.0147 0.0907 2.3831 0.0233
2010 0.2707 -0.0147 0.0907 3.1472 0.0028
2011 0.3177 -0.0147 0.0907 3.6656 0.0005
2012 0.3567 -0.0147 0.0907 4.0958 0.0009
2013 0.3747 -0.0147 0.0907 4.2936 0.0004
3.1.2 局域空间自相关分析 检验全局空间自相关性的Moran's I指数仅是从整体上判断和识别浙江省县域城镇化发展是否具有显著的空间集聚分布特征,但无法揭示内部局域县域之间城镇化的空间集聚格局。因此,局域空间自相关分析为细致刻画全局空间自相关关系提供了微观分解基础。基于公式（6）的计算原理,通过局域Moran's I指数散点图,可分别构建出反映县域城镇化空间分布差异的四种局域空间集聚类型,并且四种类型分别对应四个坐标象限。具体如下：第一象限为高高集聚类型（HH）,表示高属性值之间相互邻接,属性特征空间差异小;第二象限为低高集聚类型（LH）,表示低属性值与高属性值邻接,属性特征空间差异大;第三象限为低低集聚类型（LL）,表示低属性值之间相互邻接,属性特征空间差异小;第四象限为高低集聚类型（HL）,表示高属性值与低属性值邻接,属性特征空间差异大。其中,第一象限定义为扩散互溢区,第二象限定义为极化效应区,第三象限定义为低速增长区,第四象限定义为落后过渡区[24]。
为了比较分析,设置以五年为时间断裂点,即依次选取浙江省县域单元2001年、2007年和2013年时间截面城镇化率进行局域空间自相关分析,并结合局域Moran's I指数散点分布（图1）归纳LISA空间集聚分布规律。2001年、2007年和2013年,分别有13个、16个和16个县域落在局域Moran's I指数散点图的第一象限,县域规模分别占全省县域总数的18.8%、23.2%和23.2%;同时,分别有27个、31个和36个县域落在局域Moran's I指数散点图的第三象限,县域数量占比分别为39.1%、44.9%和52.2%。总的来看,呈现空间正相关关系的县域单元数量共占整体规模的58.1%、68.1%和75.4%,进而说明浙江省县域城镇化空间分布表现出稳定的高高集聚和低低集聚两种类型,从而直观印证了Moran's I指数的客观判断,浙江省县域城镇化的这种显著空间自相关性主要是由扩散互溢与低速增长两种典型空间分异特征所主导。城镇化水平相似的地区在空间上均呈集聚分布形态,城镇化水平较高的地区,除各地市辖区外,主要集中分布在浙东北地区的杭州、宁波、嘉兴、湖州、绍兴与舟山所属县域单元,城镇化水平落后地区主要集中分布在浙西南地区的温州、台州、衢州和丽水所属大部分县域单元。从整体上看,落在第一和第四象限的县域单元基本保持稳定,而落在第三象限的县域单元数量增长明显,分别为27个、31个和36个,并且主要是由于处在第二象限的县域单元落入了第三象限,说明城镇化由空间极化效应演化转变为低速均衡增长成为驱动支配浙江省县域城镇化局域空间格局变化的主导因素。
Fig. 1 Spatial pattern of county urbanization in Zhejiang province

图1 浙江省县域城镇化空间格局

3.1.3 区域空间分异趋势显著 依据吕艳萍等的分类标准[25],将浙江省县域单元分为三个区域：即浙东北地区（杭州、宁波、嘉兴、湖州、绍兴和舟山）、浙南地区（温州、金华和台州）和浙西南地区（衢州和丽水）。图2所示,在整个样本期间,浙东北地区县域平均城镇化率最高,为29.5%,其次为浙南地区18.4%,最低为浙西南地区17.1%。这一县域城镇化区域空间分异特征与浙江省县域经济发展差异特征高度耦合,主要是由区域县际之间在资源禀赋、区位条件、产业基础与制度环境等方面的内外部差异性因素所决定的。此外,浙东北地区县域平均城镇化率增速最高,为3.7%,其次为浙南地区0.9%,最低为浙西南地区0.8%,可见,浙南与浙西南地区县域平均城镇化率增速相近,而浙东北地区县域平均城镇化率增速要远大于后两者,这也说明浙东北地区仍是浙江省县域城镇化的主要高地和活跃中心,并且区域之间县域城镇化率空间分异程度逐渐扩大。
Fig. 2 Regional differences of county urbanization in Zhejiang province

图2 浙江省县域城镇化区域差异

3.2 城镇化时空演变

3.2.1 城镇化历时演变特征分析 由图3可知,根据标准差指数变化趋势,浙江省县域城镇化空间演变特征主要分为两个历时区间：即2001-2003年期间县域城镇化率绝对差距短暂缩小后,在2003-2013年期间始终保持线性扩大趋势,并保持3.3%的平均上幅增速。然而,变异系数显示,浙江省县域城镇化空间演变规律并不明显,2001-2004年期间县域城镇化率相对差距逐渐缩小,但样本后续期间则主要呈现扩大与缩小相互交替的平稳波动趋势。究其原因,一方面,区域经济非均衡发展所引领的城镇化空间格局充分体现出顶层设计思想,在浙江省实施效率优先的非均衡发展战略背景下,浙东北地区凭借其在基础设施、服务功能、市场容量、制度环境和规模经济等方面的历史传统优势,不断吸引其他地区的人力、资本、信息、技术与金融等生产要素愈益聚集,产业在不断集聚过程中形成的规模经济和外部性（城市化经济和本地化经济）优势共同促使浙东北地区逐渐成为全省县域城镇化的中心增长极,“马太效应”愈发明显,进而使得浙江省县域城镇化空间格局整体呈现显著的“核心—边缘”结构。长期以来,浙东北地区城镇化推进所形成的特定驱动机制模式具有显著的“极化效应”和“回波效应”特点,进而使得浙东北地区县域城镇化率与其他地区县域城镇化率之间的绝对差距逐步扩大,尤其是环杭州湾地区的杭州、宁波与绍兴等地县域城镇化率均位于全省前列。另一方面,在浙南与浙西南地区分别坚持外向型与内涵式经济发展模式的背景下,浙江省提出将三大城市群作为引领城市变革演变,统筹区域协调发展的重要载体,其中,浙南地区以义乌为代表的浙中城市群和温台城市群正在加快引导培育,并且正逐渐成为浙江省县域城镇化空间布局的另一新兴增长极。此外,2004年在率先制定并实施统筹城乡一体化纲要后,浙西南地区在享受政策惠及并基于自身资源优势的同时,并且充分利用浙东北与浙南地区对自身的产业梯度转移和涓滴效应所形成的溢出红利,积极推进城镇化进程。因此,浙南与浙西南地区县域城镇化率与浙东北地区相对差距之间并未出现明显扩大。
Fig. 3 Diachronic changes of county urbanization in Zhejiang province

图3 浙江省县域城镇化历时变化

3.2.2 城镇化空间演变特征分析 为深入验证是否存在局域层面上的空间集聚分布,以及识别出对全局空间自相关贡献较大的县域单元,同时整体审视Moran's I的整体判断在多大程度上掩盖了局域失衡。首先,依次计算出2001年、2007年和2013年县域城镇化率的局域空间关联指数Getis-Ord G i * ,并基于ArcGIS软件将数据进行空间可视化表达,然后根据Jenks自然间断点分级法,对相应研究截面的局域空间关联统计指数从高到低依次分成热点、次热、次冷、冷点区四类,最终生成浙江省县域城镇化空间集聚分布的格局演化图（图4）,进而直观考察县域城镇化集聚分布的冷热点区域空间变化情况。
Fig. 4 Evolvement of spatial pattern of county urbanization in hotspot areas of Zhejiang province

图4 浙江省县域城镇化区域差异

（1）从整体看,浙江省县域城镇化热点区总体演变格局存在一定程度波动,热点区分布的空间结构渐次由浙西南向浙东北地区递进,主要表现为杭嘉湖和环杭州湾地区以湖州、杭州、嘉兴、绍兴、宁波和舟山为中心的圈层空间结构为主。这是因为浙东北地区中心城市城镇化首位度高,城市体系规模大,拥有广阔的市场潜力,在市场、制度和技术因素驱动下,为实现资源最优化目的和最大化产出效应,外围区生产要素开始寻优流动,并向要素优势区位空间集聚,从而形成区域增长极。与此同时,冷点分布的空间结构则呈现出两处低值簇连绵区,即丽—温连绵区和台州连绵区。其中,丽水与温南处于浙江省县域经济欠发达集中地区,城镇化规模与质量不高,而台州大部分县域处在宁波与温台发达县域之间,并且分别与金华和绍兴部分欠发达县域邻接,进而导致这一地区低值城镇化彼此连绵。
（2）环杭州城市热点区空间带逐渐形成,主要是指湖州、嘉兴和绍兴。同时,环杭州城市热点区辐射能力逐渐增强,而宁波热点区辐射效应基本保持稳定,环杭州城市带热点区的动态梯度推进能力要强于宁波。2001年,杭州非市辖区大部分为次热点区,特别是衢州龙游和江山两地则是热点区,环杭州城市带与上述两个地区非冷点区空间分布态势基本均衡;2007年时,杭嘉湖绍四地热点区等级均出现显著增强,大部分地区由次冷区转变为次热区,而杭州非市辖区和衢州热点区等级均出现下降;2013年,全省热点区空间演变趋势基本保持稳定,与2007年空间结构主要差异在于,兰溪、龙游、乐清、温岭四处次热区到2013年均演变为次冷区。由此凸显的一个规律是,2007年之前,浙江省县域城镇化在局域上空间结构变动强烈,2007年之后,则保持相对稳定。
（3）从热点区分布来看,在三个时间截面样本中,共有五个县域单元均处于高值簇内,分别是：慈溪市、海宁市、桐乡市、舟山市区和岱山县。热点区域的数量呈现上升趋势,城镇化率高值簇比例分别为11.6%、17.4%和18.8%,说明随着“省管县”体制的纵深发展,并且在工业化和城市化的双重作用下,特别是农村工业化的渐次推进,由专业市场、产业集群和块状经济所主导的浙江省县域城镇化成长演化路径逐渐成型,即浙东北地区成为县域城镇化主要热点集聚区。在三个时间截面样本中,共有15个县域单元均处于低值簇内,分别是：平阳县、苍南县、磐安县、开化县、台州市区、临海市、玉环县、三门县、天台县、仙居县、丽水市区、龙泉市、庆元县、缙云县和景宁自治县,冷点区域的数量呈现倒“U”型趋势,城镇化率低值簇比例分别为39.1%、24.6%和30.1%,说明在城镇化整体推进过程中,发达县域城镇化快速发展与欠发达县域城镇化缓慢滞后之间两极分化现象成为制约浙江省城镇化均衡演变的重要因素。

4 浙江省县域城镇化与经济增长的关联性

城镇化与经济增长关系的研究是区域经济学、城市经济学与经济地理学等跨学科领域关注的焦点命题,诸多研究成果认为提高城镇化率有利于促进经济增长[26-28]。其中,围绕县域城镇化与经济增长的研究主要停留在理论探索层面,基于数据的客观实证研究较少。本文在分析浙江省县域城镇化与经济增长相关性基础上,将空间因素纳入基准计量模型框架,利用空间面板计量分析技术,检验浙江省县域城镇化对经济增长的影响。

4.1 县域城镇化与经济增长水平相关性

通过测算同时考虑截面和时间维度的浙江省县域城镇化率与人均GDP（对数）面板数据相关性,得出两者相关系数为0.6102,并且在1%水平上显著。另外,2001年和2013年县域城镇化率与人均GDP（对数）截面相关系数分别为0.6028和0.6867,且均在1%水平上统计显著,由此可以看出当县域城镇化率提升时,经济增长也会同方向相应提高。

4.2 县域城镇化与经济增长空间相关性

从2013年县域城镇化率和经济增长（人均GDP）的Getis-Ord G i * 计算数值来看,县域城镇化的热点区主要分布在湖嘉绍、舟山和宁波慈溪市,冷点区主要分布于丽台温地区;经济增长热点区主要分布在环杭州湾地区,冷点区则位于丽水与温南地区县市。对比观察城镇化率与经济增长热点演化分布发现,两者热点区县域单元的空间格局基本重叠分布,而冷点区空间格局分布则不尽一致。基本断定,城镇化发展与经济增长存在某种程度的空间关联性,即经济增长水平较高的地区,城镇化率也相应较高。

4.3 县域城镇化影响因素的空间计量分析

对城镇化或经济发展空间分布差异影响因素的影响效应进行统计回归时,一般采用普通截面或者面板数据回归计量模型进行估计。普通经济计量模型一般都假设研究对象在地理空间上匀质分布,研究对象在区际之间彼此并不发生经济作用。在这种假设下,显然忽略了空间因素,则与现实不符。由于忽视了经济变量之间在空间区域中的彼此依赖作用,从而降低了普通经济计量模型估计的客观性和有效性。因此,为了捕捉这种空间效应,需要将空间因素纳入到计量模型中,从而提高估计效率,所以采用空间面板计量模型是一种合适的统计分析方法。
尽管少数文献通过Moran's I指数检验城镇化演变所可能存在的空间自相关性,但并未将空间效应纳入计量经济分析框架,所以本文通过构建空间面板计量模型对城镇化影响因素进行检验,以便真实地揭示相关因素对城镇化所产生的影响关系与作用机制。此外,通过全局和局域空间自相关性检验证实,浙江省县域城镇化演变存在较为显著的空间依赖关系,鉴于此,在综合考虑相关文献所涉及城镇化影响因素基础上,以城镇化率为被解释变量,构建空间面板计量经济模型对浙江省县域城镇化影响因素进行实证检验。
4.3.1 空间滞后模型（Spatial Lag Model, SLM） 为检验经济增长及其他相关变量对县域城镇化的影响关系,空间滞后模型设定为：
urban = it α + βlnPGD P it + ρ ∑ W ij urba n it + ψln X it + ν i + ε it （7）
式中： urban 为县域城镇化率,采用县域城镇常住人口占总人口的比例度量; PGDP 为经济增长,用人均GDP度量; W 为空间权重矩阵;系数 ρ 反映相邻县域城镇化率变动对本县城镇化建设的影响效应; X 表示一组控制变量,包括：城乡差距（ GA ）、固定资产投资（ lnK ）、第二产业比重（ SE ）、第三产业比重（ TE ）和外贸依存度（ open ）。其中,城乡差距采用县域城镇人均可支配收入与农村人均纯收入之比度量,外贸依存度采用进出口贸易总额与GDP比值度量。上述城镇化率影响因素归为五类,分别反映县域经济增长、社会投资、城乡差距、产业结构和开放水平。
4.3.2 空间误差模型（Spatial Error Model, SEM） 如果空间相关性由模型以外因素决定,可将空间误差模型设定为：
urban = it α + βlnPGD P it + ψln X it + λ ∑ W ij ε it + ν i + μ it （8）
式中： λ 衡量了样本观测值中的空间依赖作用,反映相邻县域城镇化率变动对本县城镇化建设的溢出程度。式（8）所表达的空间误差模型本质就是在线性模型的误差结构中加入一个区域间溢出因素。
4.3.3 空间自相关性再检验 为检验上述县域城镇化空间自相关性评判结果的稳健性,在0-1空间权重矩阵基础上,表2得出用于再检验城镇化率空间自相关性的LMerror、LMsar、Lrations、Moran's I和Walds五种检验统计量结果。由表2可知,五种空间自相关性检验统计量均在1%水平上显著拒绝“不存在显著空间自相关性”的原假设,进而验证了浙江省县域城镇化率存在正的空间自相关性基本研究结论的稳健性。根据空间计量经济学理论,也说明具备了应用空间计量经济模型进行实证分析的基本前提。
Tab. 2 Re-examination of spatial autocorrelation

表2 空间自相关性再检验

检验方法 统计量 临界值 概率
LMerror 30.197 17.611 0.000
LMsar 34.826 6.635 0.000
Lrations 52.977 6.635 0.000
Moran's I 5.666 1.960 0.000
Walds 823.311 6.635 0.000
4.3.4 实证结果分析 表3是对式（1）和式（2）的空间计量回归结果。首先,需要对本文计量模式所适用的SLM和SEM两种回归模型进行选择。在实证策略上,使用OLS方法估计未考虑变量空间相关性的受约束模型,再将空间相关性纳入计量模型进行实证检验,如果LMsar比LMerror统计量更显著,那么应当选择SLM模型,反之选择SEM模型[29]。Anselin利用蒙特卡洛试验方法证实,此种判别方法可以作为选择空间计量经济模型的有效手段[30]。由于是对浙江省所有县域单元城镇化率的影响因素进行空间效应实证分析,属于全样本估计,故选择固定效应模型进行回归。由表2所示的拉格朗日乘子统计量初步判定,面板SLM模型优于面板SEM模型。然后,再通过对比各模型的拟合优度和对数似然值,由表3可知,面板SLM时空固定模型均大于面板SEM时空固定模型,所以最终选择SLM时空固定模型进行重点实证分析。
Tab. 3 Econometric regression results of influencing factors of county urbanization

表3 县域城镇化率影响因素的计量回归结果

参数估计 SLM（时空固定） SEM（时空固定）
回归系数 T值 回归系数 T值
lnPGDP 0.0629*** 4.6624 0.0531*** 3.5974
GA -0.0198*** -3.6238 -0.0238*** -4.0842
lnK 0.0135*** 2.9589 0.0110** 2.3870
SE 0.2423 1.3141 0.21511 0.1646
TE 0.2439*** 6.0622 0.2272** 2.2972
open 0.0211** 2.1884 0.0219** 2.2906
ρ 0.4011*** 10.9069
λ 0.4221*** 11.2602
R2 0.9458 0.9344
Log likelihood 1818.758 1810

注：***、**和*分别表示在1%、5%和10%水平上显著。

表3时空固定SLM模型回归结果显示,模型空间自回归系数 ρ 为0.4011,且在1%水平上高度显著,由此进一步说明模型存在正的空间依赖性,即相邻县域城镇化率呈现相似的空间集聚特征,这也符合地理学第一定律所指出的空间距离邻近的事物相关性更高的理论。浙江省县域城镇化发展演变存在统计意义上的空间溢出效应。
经济增长对县域城镇化率回归系数为0.0629,且在1%水平上显著,表明经济增长对城镇化具有显著正向影响效应,考虑到经济增长的回归系数为半对数弹性,意味着经济增长变动1%,县域城镇化率将正向变动约0.0629。经济增长对城镇化的影响机制主要从供求两端解释：从供给端来看,经济增长活跃的地区市场潜力大,要素流动性强,主要以城市化经济为主,产业集聚所释放的外部性效应显著,从而为城镇化发展提供了内生驱动;从需求端来看,经济增长有效提升社会需求能力,尤其是浙江省市场化程度相对较高,价格在市场资源配置中的作用成效明显,需求变化所引致的价格体系变动通过改变商品市场供给可以有序引导城镇化建设。总之,经济增长通过要素和商品市场供求变动所引发的产业结构调整与空间功能布局驱动城镇化发展。反映县域社会发展水平的城乡差距与固定资产投资回归系数分别为-0.0198和0.0135,均在1%水平上统计显著。具言之,县域城镇化对固定资产投资存在正向依赖,投资仍是现阶段推动城镇化率提升的关键因素。城乡差距对城镇化影响系数显著为负,城乡差距所表现出的二元分割不利于生产要素流动、公共服务均等和产业空间布局,进而对城镇化率存在反向作用。在产业结构方面,第二产业比重回归系数不显著,第三产业回归系数显著为正,这说明工业化对浙江省县域城镇化的影响效果并不明显,主要原因在于,浙江省工业增加值比例相对不高,并且工业结构和空间布局失衡严重。同时,以服务业为主的第三产业发展则对县域城镇化存在积极影响,第三产业比重上升1%,可正向促进县域城镇化率提升0.2439%,随着生产分工愈益细分,浙江省服务业以年均14%的发展速度扩张,其对经济增长的贡献率也达60%,两项指标均超过第二产业,更重要的是,伴随着以生产性为主导的具有“浙江特色”的现代服务业发展,第三产业所具有的劳动力就业效应、产业关联效应和空间集聚效应将会对城市功能区动态调整继续产生深远影响。外贸依存度对县域城镇化具有正向促进作用,浙江省对外开放程度较高的县域单元多集中在东北沿海地带,不仅拥有良好的区位优势,并且制度环境优越。一方面新古典区位理论认为地理区位是产业集聚的发端,亦是引起城镇化演变的源发动力;另一方面新新贸易理论则强调,出口可以引致企业生产率提高,通过推动产业转型升级,引起生产要素的跨区流动,从而改变城镇化的空间演变结构。

5 结论与讨论

以浙江省县域行政单元为基本分析对象,首先,通过引入ESDA方法作为主要统计分析技术,对浙江省县域城镇化时空差异与演变进行了定量测度与揭示;其次,在解读县域城镇化与经济增长之间空间关联性基础上,构建了浙江省县域城镇化影响因素的空间面板计量经济模型,并对相关因素进行了实证检验。
基本研究结论为：① 浙江省县域城镇化不仅存在显著为正的空间自相关,而且局域空间自相关分析也显示出县域城镇化空间格局主要以高高集聚和低低集聚两种类型为主。② 通过分别计算2001年、2007年和2013年县级城镇化率局域空间关联系数Getis-Ord G i * 显示,县域城镇化热点区整体时空演变存在一定程度波动,县域城镇化热点区分布逐渐由浙西南向浙东北地区移动,主要以环杭州城市热点区空间带为主。③ 空间面板滞后模型时空固定效应回归结果显示,除经济增长是推动浙江省县域城镇化进程的主要动力因子之外,固定资产投资、第三产业比重和外贸依存度均对浙江省县域城镇化发展存在显著正向影响,而城乡差距则具有显著负向影响。
浙江省县域城镇化时空演变重心主要局限在“环杭—宁波”地区,此种空间分布格局显然是县域城镇化均衡发展的内在掣肘,未来应着重培育金衢和温台两处潜在县域城镇化热点区域,从整体空间结构上形成鼎立三点布局之势,唯此保证浙江省整体县域城镇化递进有序式均衡发展。需要注意的是,空间计量结果表明,浙江省县域城镇化存在显著空间溢出效应,县际之间需破除地方保护壁垒,强化跨区域城镇化建设互动。
经济增长引起劳动力、资本和土地等生产要素从农村部门向城镇部门流动集聚,生产者和消费者在分享集聚外部性的过程中可促使城镇规模扩大。因此,县域工作的重心仍是努力提高人们生活水平,通过释放经济需求引致供求结构变动来内生驱动城镇化发展。县域固定资产投资在倾向于工业化部门期间,应保持工业行业投资结构合理性,充分提升投资效率,在未来一段时期内,为了保持县域城镇化发展动力可持续性,还需加强以生产性服务业为主导的现代服务业行业投资力度,这对重工业基础较为薄弱的浙江县域经济体尤为重要。生产性服务业作为人力和知识资本传送器,可以有助于提高工业部门生产力,最终引起农村人口向城镇转移流动和集聚。从库兹涅茨和钱纳里最早注意到产业结构与城镇化互动关联开始,产业结构合理化与高级化成为影响城镇化发展的两种机制。基于此,鉴于浙江省整体农业用地现状,需通过农业现代化建设推行“农村城镇化”,以破除城乡二元结构。除此之外,避免城镇化过度滞后于工业化,以打破户籍制度作为前提,继续强化县域轻工业竞争力,适度弥补重工业基础,培育鼓励现代服务业生产体系,依靠产业结构合理化建立城镇化与工业化互动机制。对外开放极大推动了浙江省县域经济市场化程度,开放条件下,内外贸易必然会带来要素资源在更大空间尺度上的有序配置,特别是出口贸易不仅可提升本土企业市场竞争能力,并且在参与国际市场竞争过程中,出口贸易结构的变动也会有效提高企业劳动力需求弹性,增强农村剩余劳动力转移就业效应。因此,浙江省县域发展政策仍继续实施对外开放战略,积极开展对外贸易和引进外资,努力扩大进出口贸易,尤其是出口贸易,在缩小县际城镇化进程差异的同时,提高县域城镇化驱动力量。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
定成日, 谭善勇. 中国城镇化发展特点、问题和政策误区. 城市发展研究, 2013, 20(10): 28-34.首先论述了中国城镇化动力和基于城镇化与工业化关系的城镇化模式,分析城镇化指标及其局限性,然后总结中国城镇化发展的特点和问题、城镇化的认识和政策误区,最后探讨城镇化战略对策.城镇发展战略中最需要解决的问题之一是突破“条块”思维模式,不能将所有的问题都分解到最低的行政单位来解决,很多问题（诸如环境、社会福利、分配、粮食安全等）都需要在宏观的层面上统筹解决.

DOI

[Ding Chengri, Tan Shanyong.Urbanization in China: China style, issues and policy misperceptions. Urban Development Studies, 2013, 20(10): 28-34.]

[2]
Shahbaz M, Loganathan N, Muzaffar A T, et al.How urbanization affects CO2 emissions in Malaysia? The application of STIRPAT. Renewable and Sustainable Energy Reviews, 2016, 57(5):83-93.

[3]
Yang J, Zhang W, Zhang Z Y.Impacts of urbanization on renewable energy consumption in China. Journal of Cleaner Production, 2016, 114(2): 443-451.In this paper, we used the logarithmic mean Divisia index method to investigate the impact of urbanization on renewable energy consumption growth (RECG). The growth in renewable energy consumption is attributed to the urbanization effect, energy mix effect, energy intensity effect, economic effect, and population effect; RECG can be roughly divided into the slow growth stage, the fluctuant growth stage, and the accelerated growth stage. The results showed that the energy mix effect, economic effect, and population effect positively affected RECG. However, a significantly negative relationship was found between energy intensity and RECG. Furthermore, the contribution of urbanization differed in RECG stages, and urbanization contributed more to the total energy consumption growth than to RECG. This study would thus provide policymakers with insights about the link between urbanization and renewable energy consumption.

DOI

[4]
Gücker B, Silva R C S, Graeber D, et al. Urbanization and agriculture increase exports and differentially alter elemental stoichiometry of dissolved organic matter (DOM) from tropical catchments. Science of Total Environment, 2016, 550(4): 785-79.

[5]
石忆邵. 中国新型城镇化与大城市发展. 城市规划学刊, 2013, (4): 114-119.基于新型城镇化的主要目标和任 务,讨论了房地产业地位和作用的变化、特大城市人口承载极限、新型城镇化需要突破的主要瓶颈等问题。提出了新型城镇化目标的实现离不开大城市和特大城市的 有力支撑、近期不应当将新型城镇化的重点放在中小城市和小城镇、新型城镇化主要依托"社会性投资驱动"而非传统的"房地产型投资驱动"等观点及其若干建 议。

DOI

[Shi Yizhao.New urbanization and development in metropolitan areas in China. Urban Planning Forum, 2013, (4): 114-119.]

[6]
Napieralski J A, Carvalhaes T.Urban stream deserts: Mapping a legacy of urbanization in the United States. Applied Geography, 2016, 67: 129-139.61We map urban stream deserts (UrbSD) within 11 Megaregions of the United States.61These UrbSD accommodate 7302+02million residents within 11, 40002km2of urban land.61Detroit and Chicago have some of the largest UrbSD in the U.S.61UrbSD are core areas of urbanization, with excessive impervious surface coverage.61UrbSD are unique, but ambiguous, components of the urban ecosystem.

DOI

[7]
王伟同. 城镇化进程与社会福利水平: 关于中国城镇化道路的认知与反思. 经济社会体制比较, 2011, (3): 169-176.

[Wang Weitong.Urbanization and the level of social welfare: The cognition and reflection on the road of urbanization in China. Comparative Economic & Social Systems, 2011, (3): 169-176.]

[8]
Zhang L, Wang X F, Yu L.Is social capital eroded by the state-led urbanization in China? A case study on indigenous villagers in the urban fringe of Beijing. China Economic Review, 2015, 35(4): 232-246.

[9]
刘彦随, 杨忍. 中国县域城镇化的空间特征与形成机理. 地理科学, 2012, 67(8): 1011-1020.本文综合运用样带、地统计、地理探测器等多种研究方法,分析了 1990年以来中国县域城镇化的时空特征及形成机理.研究表明:①中国县域城镇化水平时空动态的差异特征显著,北方边境县域高城镇化和东部沿海县域高城镇 化形成的“人字形”空间形态逐渐凸显;以武汉都市圈为中心的两湖地区、成渝地区、关中—天水经济区的县域城镇化水平提升较快,西南地区、青藏高原地区保持 较低的城镇化水平;②2000年以来中国县域城镇化水平及其变化速度的区域差异逐渐缩小,陇海兰新线、长江沿线、北方边境、106国道、东部沿海样带县域 城镇化差异明显;县域经济发展阶段、固定资产投资、离中心城市距离、二三产业水平、农民人均纯收入、人口密度是影响县域城镇化空间分异的主要因素,同时粮 食生产主导定位、非农业人口统计口径、城镇设置标准等因素也影响县域城镇化水平及发展过程.未来城镇化发展应遵循地域差异,凸显主导功能,推进优化与重点 发展区的集约型城镇化、耕地与粮食主产区的分流型城镇化、生态与水源保护区的迁移型城镇化,以及园区与城镇近郊区的融入型城镇化,实现城乡土地资源集约利 用,促进城镇化进程中人—地—业耦合与协调发展.

DOI

[Liu Yansui, Yang Ren.The spatial characteristics and formation mechanism of the county urbanization in China. Acta Geographica Sinica, 2012, 67(8): 1011-1020.]

[10]
李航飞, 汤小华. 福建省县域城镇化综合发展水平研究. 福建师范大学学报: 自然科学版, 2007, 23(3): 87-91.从地理学、人口学、经济学、社会学的角度出发,结合福建实际情 况,选取12项指标构建了县域城镇化发展水平的评价体系.运用主成分分析法测算出福建省各县城城镇化发展水平的综合得分并对各县域进行排序和类型的划分. 结果表明:福建省城镇化发展水平县域之间、地区之间差异明显;利用单因素线性回归分析及相关分析得出福建省县域城镇化水平与经济发展水平密切相关.

DOI

[Li Hangfei, Tang Xiaohua.The research on urbanization level about county area in Fujian province. Journal of Fujian Normal University: Natural Science Edition, 2007, 23(3): 87-91.]

[11]
张荣天, 焦华富, 张小林. 1990年以来江苏省县域城镇化测度及空间格局演化. 池州学院学报, 2013, 27(3): 63-67.基于熵值法从城镇人口、经济、空间和社会方面测度20世纪 90年以来江苏省县域城镇化水平，运用 ESDA 空间测度模型对江苏省县域城镇化空间格局演化特征进行了研究。结果表明：1990年以来县域城镇化水平差异显著，但南北差异分布格局基本保持稳定；县域尺 度城镇化表现出较强的空间自相关性特征，城镇化相似县域单元在空间上呈聚集分布态势，并且空间集聚的程度总体不断增强；县域城镇化热点区空间结构主要以苏 州—无锡为核心的圈层结构，并且不断向宁镇扬地区演化。

DOI

[Zhang Rongtian, Jiao Huafu, Zhang Xiaolin.Measure of county urbanization and spatial framework evolution in Jiangsu since 1990. Journal of Chizhou University, 2013, 27(3): 63-67.]

[12]
Chen Y B, Chang K T, Han F Z, et al.Investigating urbanization and its spatial determinants in the central districts of Guangzhou, China. Habitat International, 2016, 51: 59-69.Like many cities on the east coast of China, Guangzhou has experienced dramatic urban growth since the late 1970s and become the largest metropolis in southern China. This study examined urbanization in the central districts of Guangzhou in two parts: (1) analyzing the spatiotemporal changes of urban land expansion from 1980 to 2010, and (2) analyzing the spatial relationship between urban land ratio and its determinants in not fully built-up areas in 2010. Results from the first part showed that the study area's urban land doubled during the three decades but the rate of expansion had slowed down considerably after 1990. The expansion was primarily in the eastward direction away from the old city center, in a process combining outlying growth, infill, and edge expansion. Results from the second part revealed that, due to the spatial autocorrelation of urban land ratios, spatial regression performed better than ordinary least squares regression in explaining their spatial distribution. Among the determinants in the spatial regression models, road density and distances to transportation services, bank, and hotel were most important, followed by distances to company office and major road, suggesting the importance of convenient daily transport to urban residents. The two spatial regression models were consistent in both the performance statistics and the selection of significant explanatory variables, thus confirming the usefulness and reliability of spatial regression in modeling urban land patterns. These results are relevant to studies of the urban condition and urban planning in Guangzhou as well as rapidly urbanizing China.

DOI

[13]
He C F, Chen T M, Mao X Y, et al.Economic transition, urbanization and population redistribution in China. Habitat International, 2016, 51: 39-47.and then urbanization in China.New urbanization is an innovative term, representing a different philosophy of urban development in response to key issues embedded in economic transition, including the insufficient driving forces for economic development, expanding regional inequality, and low quality of urbanization (Shan & Huang, 2013; Yao, Zhang, Yu, Li, & Wang, 2014). One key component of new urbanization is to coordinate industrialization and urbanization, which underlines the people-oriented philosophy. In this sense, understanding the determinants of population redistribution caused by industriali- zation and urbanization is critical to realizing the objectives of new urbanization.Population redistribution trigged by industrialization could positively affect urbanization, which could in turn further reinforce industrialization. However, Hukou system tends to hinder this regenerative feedback mechanism by denying migrant labor some basic civic rights. Industrialization and urbanization are both able to trigger urban population growth, but generally industrialization gathers migrant labor without Hukou, namely floating population, by working opportunities, whereas urbanization attracts people by particular utilities and resources in cities, most of which are only accessible to Hukou population. To some extent, urbanization could also be considered as the force of sustaining population growth. In this way, there is unbalance between the forces of triggering and sustaining population growth, which leads to spatial mismatch between floating population and Hukou population. And in long run, this spatial mismatch would cause severe incoordination be- tween industrialization and urbanization.

[15]
朱孔来, 李静静, 乐菲菲. 中国城镇化进程与经济增长关系的实证研究. 统计研究, 2011, 28(9): 80-87.

[Zhu Konglai, Li Jingjing, Le Feifei.Empirical analysis on the relationship between China urbanization and economic growth. Statistical Research, 2011, 28(9): 80-87.]

[16]
彭翀, 常黎丽. 湖南省县域城镇化时空格局及其经济发展相关性研究. 经济地理, 2013, 33(8): 73-78.现阶段，在我国中部地区快速推进城镇化的进程中，县域城镇化空间发展往往与经济空间发展密切相关。本文利用湖南省2001--2010年城镇化率数据，运用传统统计方法和ESDA（探索性空间数据分析）相结合的方法，在AreGIS和GeoDA统计分析软件的支持下，探索湖南省县域城镇化差异的空间分异特征。结果表明：10年间，湖南省县域城镇化空间差异在总体上呈现先缩小后增大的趋势，地区空间分异比较明显；在演进的时空格局上，城镇化水平的时空差距稳中有降，长株潭高值区逐渐形成。在此分析的基础上，对比城镇化与经济发展格局的相关性，可以看出城镇化与经济发展水平密切相关，在经济发达区域，经济对城镇化的带动作用比较明显；在经济后发地区则不然。最后提出湖南省城镇化发展的经济带动策略，以期对快速城镇化发展时期的中部地区提供可资借鉴的依据。

[Peng Chong, Chang Lili.Spatial-temporal pattern of county urbanization and its relationship with economic development in Hunan province. Economic Geography, 2013, 33(8): 73-78.]

[17]
金瑞, 史文中. 广东省城镇化经济发展空间分析. 经济地理, 2014, 34(3): 45-50.利用空间分析方法,在 ArcGIS以及GeoDa的支持下,从时空变化的角度,对广东省2002—2012年城镇化发展以及城镇化过程中的经济结构和空间布局发展变化进行了分 析。结果表明:到2012年,广东省各个城市的城镇化已经全部进入城镇化加速发展阶段。广东省的经济发展与城镇化发展并不完全一致,城镇化发展水平以及经 济发展水平在空间布局上有较大的异质性,经济发展程度较高的城市都集中在东莞以及周边地区,而城镇化发展程度较高的城市集中在珠三角偏东北部的沿海城市。 同时,第一产业对城镇经济发展影响较小,第二、第三产业作用较大,不同的产业构成也有各自的空间布局特点以及空间布局变化特征。第一产业空间分布在近10 年均衡性变弱,东部比重减少较快;第二产业趋于沿海分布,差异性减弱,空间分布均衡性提高;第三产业差异缓慢增大,空间分布较为均衡。通过分析,从而掌握 广东省城镇化发展过程中经济发展状况的空间布局以及时空变化特点,对政府决策提供参考。

[Jin Rui, Shi Wenzhong.Spatial analysis of urban economics in Guangdong province. Economic Geography, 2014, 34(3): 45-50.]

[18]
Anselin L, Rey S, Montouri B.Regional income convergence: A spatial econometric perspective. Regional Studies, 1991, 33(2): 112-131.REY S. J. and MONTOURI B. D. (1999) US regional income convergence: a spatial econometric perspective, Reg. Studies 33 , 143-156. This study reconsiders the question of US regional economic income convergence from a spatial econometric perspective. Recently developed methods of exploratory spatial data analysis provide new insights on the geographical dynamics of US regional income growth patterns over the 1929-94 period. Strong patterns of both global and local spatial autocorrelation are found throughout the study period, and the magnitude of global spatial autocorrelation is also found to exhibit strong temporal co-movement with regional income dispersion. A spatial econometric analysis of the familiar Baumol specification reveals strong evidence of misspecification due to ignored spatial error dependence. Because of this dependence, shocks originating in one state can spillover into surrounding states, potentially complicating the transitional dynamics of the convergence process. REY S. J. et MONTOURI B. D. (1999) La convergence du revenu regional aux Etats-Unis: une perspective econometrique, spatiale, Reg. Studies 33 , 143-156. Cette etude remet en cause la convergence du revenu economique regional a partir d'une perspective econometrique, spatiale. De nouvelles methodes qui permettent une premiere analyse des donnees spatiales, fournissent un autre apercu sur la dynamique geographique de la repartition de la croissance du revenu regional aux Etats-Unis de 1929 a 1994. Pendant toute la periode etudiee, de fortes autocorrelations geographiques a la fois globales et locales sont a noter. Il s'avere aussi que l'ampleur de l'autocorrelation spatiale, globale va de pair dans le temps avec la dispersion du revenu regional. Une analyse econometrique, spatiale de la specification bien connue de Baumol fait preuve de la mauvaise specification due a la dependance vis a vis des erreurs spatiales a laquelle on n'a pas fait attention. A cause de cette dependance, des chocs qui proviennent d'un etat particulier peuvent avoir des retombees sur les etats limitrophes, ce qui risque de compliquer la dynamique transitoire du processusdeconvergence. REY S. J. und MONTOURI B. D. (1999) Konvergenz regionaler Einkommen in den Vereinigten Staaten: ein raumlich- okonometrischer Ausblick, Reg. Studies 33 , 143-156. Diese Studie behandelt noch einmal die Frage der Konvergenz regionaler Einkommen in den Vereinigten Staaten vom Standpunkt der raumlichen Okonometrie aus. Kurzlich entwickelte Methoden einer Analyse raumlicher Untersuchungsdaten verschaffen neue Einsichten in die geographische Dynamik der Muster regionalen Wachstums von Einkommen in den Vereinigten Staaten im Zeitraum 1929- 94. Fur die genannte Untersuchungsperiode werden robuste Muster globaler wie auch ortlicher raumlicher Autokorrelationen festgestellt, wobei der Umfang letzterer sich zudem als in kraftigem zeitlichem Gleichschritt mit der Streuung regionaler Einkommen erweist. Eine raumliche okonometrische Analyse der bekannten Baumol Spezifizierung liefert handfeste Beweise fehlerhafter Spezifizierungen infolge unbeachtet gebliebener Abhangigkeit von raumlichen Irrtumern. Dank dieser Abhangigkeit kann der Schock eines Staates in Nachbarstaaten Kreise ziehen, und die Ubergangsdynamik des Konvergenzprozesses verkomplizieren.

DOI

[19]
熊薇, 徐逸伦, 王迎英. 江苏省县域经济差异时空演变. 地理科学进展, 2011, 30(2): 225-230.应用探索性空间数据分析 (Exploratory Spatial Data Analysis,ESDA)及变异系数方法,取江苏省65个县(市)的经济指标为测度因子,对江苏省县域经济的总体发展趋势、全局及局部空间差异进行研 究,发现:各县市经济存在强烈地空间自相关性且空间差异增大,呈明显的二元结构特征,极化态势与经济差异变化趋同;LISA分析显示苏南和苏北地区已形成 了与周边地区显著相似的块状面域,南北差异仍是导致省内经济差异的主要因素,南北的极化作用明显大于扩散,在循环累积因果的作用下南北极化的"哑铃状"空 间格局将进一步扩大。

DOI

[Xiong Wei, Xu Yilun, Wang Yingying.Temporal-spatial change of the county-level economic disparities in Jiangsu province. Progress in Geography, 2011, 30(2): 225-230.]

[20]
吴丽, 刘霞, 吴次芳. 浙江省县域经济差异演化实证研究与R/S分析. 经济地理, 2009, 29(2): 220-224.文章探讨了浙江省县域经济差异 的演化关系,主要运用基尼系数、加权变异系数、泰尔系数及经济区位熵等指标对浙江省11个地级市进行衡量,并在此基础上对各指标进行分形的R/S分析。结 果显示,浙江省经济发展的县域差异遵守赫斯特律,其在时间上具有典型的自相似性,并且地区间发展差异在未来具有进一步扩大的趋势。最后,文章对县域经济发 展差异的形成原因进行了深入的探讨。

[Wu Li, Liu Xia, Wu Cifang.A study on the trend of regional economic disparities and R/S analysis in Zhejiang province. Economic Geography, 2009, 29(2): 220-224.]

[21]
许旭, 金凤君, 刘鹤. 成渝经济区县域经济实力的时空差异分析. 经济地理, 2010, 30(3): 387-392.基于成渝经济区2000年、 2007年的县域经济发展数据,以县域为研究单元,采用主成分分析和GIS相结合的方法,对经济区近8年的经济发展特征进行综合分析。结果表明:2000 年以来,成渝经济区县域经济差异有所减小,但仍比较明显;县域经济总体呈"凹"型格局,城镇沿长江干支流、铁路、高速公路等交通轴线布局的特征明显;成都 和重庆是区域经济发展的双核,但两个城市呈离心发展,对区域经济的辐射带动作用不够,经济区中部存在较大的经济低谷;县域经济实力的空间变化呈圈层结构, 遵循空间距离衰减规律;2000—2007年经济发展水平较高的县域集聚的空间范围扩大,由犬牙交错的斑块状分布向连片的面状分布发展。

[Xu Xu, Jin Fengjun, Liu He.Analysis of regional economic in time-space disparities in Chengdu-Chongqing economic zone. Economic Geography, 2010, 30(3): 387-392.]

[22]
Anselin L.The local indicators of spatial association LISA. Geographical Analysis, 1995, 27(2): 93-115.The capabilities for visualization, rapid data retrieval, and manipulation in geographic information systems (GIS) have created the need for new techniques of exploratory data analysis that focus on the “spatial” aspects of the data. The identification of local patterns of spatial association is an important concern in this respect. In this paper, I outline a new general class of local indicators of spatial association (LISA) and show how they allow for the decomposition of global indicators, such as Moran's I, into the contribution of each observation. The LISA statistics serve two purposes. On one hand, they may be interpreted as indicators of local pockets of nonstationarity, or hot spots, similar to the G i and G* i statistics of Getis and Ord (1992). On the other hand, they may be used to assess the influence of individual locations on the magnitude of the global statistic and to identify “outliers,” as in Anselin's Moran scatterplot (1993a). An initial evaluation of the properties of a LISA statistic is carried out for the local Moran, which is applied in a study of the spatial pattern of conflict for African countries and in a number of Monte Carlo simulations.

DOI

[23]
车前进, 段学军, 郭垚, 等. 长江三角洲地区城镇空间扩展特征及机制. 地理学报, 2011, 66(4): 446-456.城镇空间扩展是城市化作用于地理空间的直接结果，揭示城镇空间扩展过程、格局及机制已成为识别城镇发展阶段、认知城镇发展规律的有效手段。基于长江三角洲地区多时相卫星遥感影像数据，以城镇用地扩展空间分异与关联特征为切入点，利用间隙度指数、分形维数、扩展强度指数、扩展速度指数和空间关联模型，定量揭示了区域城镇空间扩展特征的多样性、空间组织异质性和“热点区”格局演化。结果表明：20 世纪80 年代以来，长三角洲地区城镇空间扩展在以中心城市集聚为主导的过程中，遵循“小集聚，大分散”的特点，围绕“Z”形区域发展轴线，大致经历了点轴扩展、沾粘式增长和蔓延扩张的过程，区域融合现象凸显；空间扩展的“热点区”格局不断演化，“热点区”的核心集聚作用在减弱，沪宁沿线、沪杭沿线、杭甬沿线和沿江地区成为驱动长三角城镇社会经济发展的核心区；同时，在城镇空间扩展的不同阶段，驱动机制有所差异，经济全球化和区域城市化推动着长三角城镇空间一体化进程。

[Che Qianjin, Duan Xuejun, Guo Xiao, et al.Urban spatial expansion process, pattern and mechanism in Yangtze River Delta. Acta Geographica Sinica, 2011, 66(4): 446-456.]

[24]
赵磊, 方成, 黄武龙. 浙江省县域经济发展差异时空演变分析. 华东经济管理, 2014, 28(3): 6-11.文章以浙江省69个县域单元为研究对象，利用非参数核密度估计和探索性空间数据分析方法，采用1991-2011年县域人均国内生产总值数据，定量揭示浙江省县域经济发展的时空演变差异、空间相关性及其演化趋势。结论显示：浙江省县域经济发展水平整体提高的同时，县域经济发展差异逐渐加剧；全局自相关分析显示浙江省县域经济发展存在显著空间自相关性，并且表现出典型的高高集聚与低低集聚空间分布类型；局域自相关分析表明浙东北县域经济发展水平显著高于浙西南地区，整体上呈现明显的城乡二元空间经济结构，高高集聚与低低集聚对全省县域经济发展空间格局演化贡献程度最高。

DOI

[Zhao Lei, Fang Cheng, Huang Wulong.The spatial-temporal evolution analysis on disparities of economic development at county-level in Zhejiang province. East China Economic Management, 2014, 28(3): 6-11.]

[25]
吕艳萍, 王丽华. 浙江区域经济差异成因及对策研究. 特区经济, 2007, (9): 48-49.近年来,浙江经济获得了迅速的发展,但是各区域经济差异的存在是不争的事实,浙江经济要保持稳定、快速、协调的发展,便不能对这种区域经济差异视而不见,本文分析了区域经济差异存在的原因,并提出了相关调控对策。

DOI

[Lv Yanping, Wang Lihua.Study on the causes and countermeasures of regional economic disparities in Zhejiang province. Special Zone Economy, 2007, (9): 48-49.]

[26]
孙晓华, 郭玉娇. 中国城市化影响因素的实证研究: 来自2004-2008年省际面板数据的经验证据. 大连理工大学学报: 社会科学版, 2013, 34(1): 36-40.

[Sun Xiaohua, Guo Yujiao.Empirical study of the influential factors of China urbanization: The evidence of inter-province panel data from 2004-2008. Journal of Dalian University of Technology: Social Sciences, 2013, 34(1): 36-40.]

[27]
戴永安. 中国城市化效率及其影响因素: 基于随机前沿生产函数的分析. 数量经济技术经济研究, 2010, 26(12): 103-116.

[Dai Yongan.The efficiency and determinants of China's urbanization. The Journal of Quantitative & Technical Economics, 2010, 26(12): 103-116.]

[28]
蒋伟. 中国省域城市化水平影响因素的空间计量分析. 经济地理, 2009, 29(4): 613-617.运用空间计量方法对2005年中国31个省级单位城市化水平的影响因素进行了实证分析。研究结果一方面证实了中国地区城市化发展存在空间依赖性，即一个地区城市化水平的提高将通过空间溢出促进周边地区的城市化发展；另一方面，我们发现产业结构的变化，尤其是第三产业的发展是影响地区城市化水平的主要因素。地区经济发展水平的提高和对外开放程度的加深对地区城市化水平提高有积极的作用，而教育水平滞后和城乡收入差距的扩大对推动城市化进程有负面的影响。

[Jiang Wei.The spatial econometrical analysis to influencing factors of Chinese regional urbanization level. Economic Geography, 2009, 29(4): 613-617.]

[29]
王立平, 管杰, 张纪东. 中国环境污染与经济增长: 基于空间动态面板数据模型的实证分析. 地理科学, 2010, 30(6): 818-826.产业结构转型和区域间的产业转 移进一步增强了中国各地区间的经济联动性,一个地区的产业规模和发展模式不仅影响本地区的环境质量,也会对其他地区尤其是周边地区的环境质量产生影响,这 种地域间环境质量的空间相关性已不容忽视。为此,基于环境库兹涅茨曲线(Environment Kuznets Curve,EKC)假定,引入空间相关因素,运用空间动态面板模型分析中国环境污染与经济增长的关系。研究结果表明,中国基本满足EKC的假定,并且环 境污染存在显著的空间相关性;基于地理权重的估计模型明显优于经济权重模型,即造成中国环境污染溢出的主要原因是地理因素而非经济因素。

DOI

[Wang Liping, Guan Jie, Zhang Jidong.Environmental pollution and economic growth in China: A dynamic spatial panel data model. Scientia Geographica Sinica, 2010, 30(6): 818-826.]

[30]
Anselin L, Rey S, Montouri B.Regional income convergence: A spatial econometric perspective. Regional Studies, 1991, 33(2): 112-131.REY S. J. and MONTOURI B. D. (1999) US regional income convergence: a spatial econometric perspective, Reg. Studies 33 , 143-156. This study reconsiders the question of US regional economic income convergence from a spatial econometric perspective. Recently developed methods of exploratory spatial data analysis provide new insights on the geographical dynamics of US regional income growth patterns over the 1929-94 period. Strong patterns of both global and local spatial autocorrelation are found throughout the study period, and the magnitude of global spatial autocorrelation is also found to exhibit strong temporal co-movement with regional income dispersion. A spatial econometric analysis of the familiar Baumol specification reveals strong evidence of misspecification due to ignored spatial error dependence. Because of this dependence, shocks originating in one state can spillover into surrounding states, potentially complicating the transitional dynamics of the convergence process. REY S. J. et MONTOURI B. D. (1999) La convergence du revenu regional aux Etats-Unis: une perspective econometrique, spatiale, Reg. Studies 33 , 143-156. Cette etude remet en cause la convergence du revenu economique regional a partir d'une perspective econometrique, spatiale. De nouvelles methodes qui permettent une premiere analyse des donnees spatiales, fournissent un autre apercu sur la dynamique geographique de la repartition de la croissance du revenu regional aux Etats-Unis de 1929 a 1994. Pendant toute la periode etudiee, de fortes autocorrelations geographiques a la fois globales et locales sont a noter. Il s'avere aussi que l'ampleur de l'autocorrelation spatiale, globale va de pair dans le temps avec la dispersion du revenu regional. Une analyse econometrique, spatiale de la specification bien connue de Baumol fait preuve de la mauvaise specification due a la dependance vis a vis des erreurs spatiales a laquelle on n'a pas fait attention. A cause de cette dependance, des chocs qui proviennent d'un etat particulier peuvent avoir des retombees sur les etats limitrophes, ce qui risque de compliquer la dynamique transitoire du processusdeconvergence. REY S. J. und MONTOURI B. D. (1999) Konvergenz regionaler Einkommen in den Vereinigten Staaten: ein raumlich- okonometrischer Ausblick, Reg. Studies 33 , 143-156. Diese Studie behandelt noch einmal die Frage der Konvergenz regionaler Einkommen in den Vereinigten Staaten vom Standpunkt der raumlichen Okonometrie aus. Kurzlich entwickelte Methoden einer Analyse raumlicher Untersuchungsdaten verschaffen neue Einsichten in die geographische Dynamik der Muster regionalen Wachstums von Einkommen in den Vereinigten Staaten im Zeitraum 1929- 94. Fur die genannte Untersuchungsperiode werden robuste Muster globaler wie auch ortlicher raumlicher Autokorrelationen festgestellt, wobei der Umfang letzterer sich zudem als in kraftigem zeitlichem Gleichschritt mit der Streuung regionaler Einkommen erweist. Eine raumliche okonometrische Analyse der bekannten Baumol Spezifizierung liefert handfeste Beweise fehlerhafter Spezifizierungen infolge unbeachtet gebliebener Abhangigkeit von raumlichen Irrtumern. Dank dieser Abhangigkeit kann der Schock eines Staates in Nachbarstaaten Kreise ziehen, und die Ubergangsdynamik des Konvergenzprozesses verkomplizieren.

DOI

Options
Outlines

/

〈 〉