趙曉燕，劉文寶

(1.山東科技大學 信息科學與工程學院，山東 青島 266590；2.山東科技大學 測繪科學與工程學院，山東 青島 266590)

?

山東省城市化與區(qū)域經(jīng)濟格局關系的空間計量分析

趙曉燕1，劉文寶2

(1.山東科技大學 信息科學與工程學院，山東 青島 266590；2.山東科技大學 測繪科學與工程學院，山東 青島 266590)

摘要：以山東省17個地級市為研究對象，運用AHP法設計了地區(qū)間空間相關程度評價指標體系，并在ESDA分析基礎上，構建了各城市化因素對區(qū)域經(jīng)濟格局影響的空間計量模型。實證結果表明：山東省區(qū)域經(jīng)濟表現(xiàn)為正的空間自相關，88.2353%的地市處于高-高、低-低聚集狀態(tài)；整體上城鎮(zhèn)人口規(guī)模對經(jīng)濟增長貢獻顯著，臨沂、泰安出現(xiàn)規(guī)模不經(jīng)濟現(xiàn)象；公路交通運輸、信息基礎設施和信息產(chǎn)業(yè)建設對區(qū)域經(jīng)濟增長具有促進作用，而環(huán)境污染制約經(jīng)濟發(fā)展。今后要有序有步驟的分層實施農(nóng)業(yè)人口轉移，大力發(fā)展信息產(chǎn)業(yè)，統(tǒng)籌經(jīng)濟與環(huán)境、交通、信息產(chǎn)業(yè)的關系，穩(wěn)步推進山東省城市化的有序發(fā)展。

關鍵詞：城市化；區(qū)域經(jīng)濟；模糊空間權重矩陣；空間計量分析；山東省

一、引言

城市化是指鄉(xiāng)村人口向城市聚集和鄉(xiāng)村轉變?yōu)槌鞘械倪^程，體現(xiàn)為鄉(xiāng)村向城市人口的轉移，職業(yè)的轉移，生產(chǎn)方式、生活方式等的轉變。區(qū)域城市化是當今世界一種非常重要的社會經(jīng)濟現(xiàn)象，對經(jīng)濟增長具有舉足輕重的作用。近年來，城市化成為經(jīng)濟學家和地理學者研究的熱點。早期的城市化理論研究中，大多集中在城市化水平的測度、發(fā)展速度以及城市化指標體系的構建等方面。Moomaw和Shatter實證了人均國內生產(chǎn)總值和城市化率之間具有正相關關系；[1]Henderson選用人均國內生產(chǎn)總值對數(shù)和城市化率對數(shù)進行相關分析，發(fā)現(xiàn)二者的相關程度很高；[2]周一星對137個國家和地區(qū)的數(shù)據(jù)進行分析，得出城市化水平和人均國內生產(chǎn)總值(GDP)之間呈現(xiàn)對數(shù)曲線關系；[3]陽立高根據(jù)1983—2006年的時間序列數(shù)據(jù)，選取人均國內生產(chǎn)總值(GDP)、人口城市化率、工業(yè)增加值占當年GDP比重和農(nóng)業(yè)產(chǎn)業(yè)化值四個變量進行實證分析，得出人口城市化率對經(jīng)濟增長作用最大；[4]傅瑩通過實證分析發(fā)現(xiàn)城市化水平和經(jīng)濟增長之間存在長期的、穩(wěn)定的均衡關系，經(jīng)濟增長是城市化的格蘭杰原因；[5]蔣建華以非農(nóng)業(yè)人口與總人口比重作為城市化水平的測度指標，選取2001-2011年數(shù)據(jù)對浙江區(qū)域城市化空間格局和演變進行了研究；[6]仇娟東從空間經(jīng)濟學視角對中國區(qū)域經(jīng)濟增長效率聚集和地區(qū)差距進行了實證研究；[7]鄧志旺通過構建空間杜賓模型，分析了中國城市化的動力機制。[8]

總結國內外學者們的研究成果，發(fā)現(xiàn)大多數(shù)學者在研究城市化和區(qū)域經(jīng)濟格局關系時，側重從城市人口數(shù)等單個城市化指標進行分析，較少研究城市化因素對區(qū)域經(jīng)濟增長的影響；而且在研究區(qū)域經(jīng)濟格局影響因素時，很少考慮到各地區(qū)的空間位置和城市化因素的空間溢出效應對區(qū)域經(jīng)濟增長的影響；即使考慮到空間效應的影響，對空間權重矩陣的構造也大多采用基于鄰接標準或基于距離標準的確定性的測度方法，[9]然而現(xiàn)實中各個地區(qū)的相關(相似)程度不單純地與地理距離有關，還與經(jīng)濟、生活、科技、風俗等很多因素相關，因此空間相關程度是一個復雜的模糊概念，運用模糊數(shù)學原理對其進行定性和定量結合測定是一種可行的方法。[10,11]

為了深入分析山東省各地區(qū)城市化因素對區(qū)域經(jīng)濟格局的影響，本文首先運用層次分析方法建立測評地區(qū)間空間相關程度的分層評價指標體系，并通過問卷調查法構建模糊空間權重矩陣(模糊SWM)；然后綜合考慮人口城市化、環(huán)境城市化、社會城市化、生活方式城市化對區(qū)域經(jīng)濟格局的影響，在探索性空間數(shù)據(jù)分析(Exploratory Spatial Data Analysis,簡稱“ESDA”)的基礎上，構建合適的城市化因素對經(jīng)濟格局影響的空間計量模型。根據(jù)模型分析，以期發(fā)現(xiàn)山東省城市化進程中遇到的問題，分析其成因及其對經(jīng)濟格局的影響效應。這對構建有序的區(qū)域經(jīng)濟發(fā)展格局，促進山東省的城市化可持續(xù)發(fā)展以及區(qū)域經(jīng)濟協(xié)調發(fā)展有著重要的意義。

表1　地區(qū)間空間相關程度評價指標體系及各指標權重

二、地區(qū)間空間相關程度評價指標體系設計

(一)評價指標體系設計

由于經(jīng)濟數(shù)據(jù)和現(xiàn)象之間空間相關性的存在，傳統(tǒng)的計量模型不再適用，而納入空間效應的空間計量方法可較好地解決此類問題?？臻g計量經(jīng)濟方法的本質是通過引入空間地理位置與地理數(shù)據(jù)之間空間關系的SWM對普通線性回歸模型進行修正。當前，學者們習慣采用的SWM主要有基于鄰接標準的Rook矩陣和Queen矩陣、基于距離的反距離矩陣、K-nearest矩陣等。[12]54然而，如前所述，各地區(qū)間的空間相關程度是個很難用單項測度指標進行描述的模糊概念。以下以地區(qū)間空間相關程度概念模型為框架，根據(jù)概念模型包含的子系統(tǒng)及要素構建評價指標體系。構建的評價指標體系由7個一級指標和26個二級指標組成，利用層次分析法將指標體系分成目標層、準則層和指標層，并根據(jù)專家評分法確定指標權重(見表1)。

(二)模糊空間權重矩陣構建

根據(jù)評價指標體系采用雙重列聯(lián)表的方式設計有關山東省17個地級市間空間相關程度的調查問卷，應用類型抽樣方式從山東科技大學校園內隨機抽取不同專業(yè)學科的50名師生進行問卷調查，構造模糊SWM(W)如下：

(1)

三、山東省城市化與區(qū)域經(jīng)濟格局關系模型構建

(一)基于模糊SWM的空間自相關定義

ESDA是指運用統(tǒng)計學原理和圖形、圖表等可視化方法對空間數(shù)據(jù)進行分析和描述，揭示研究對象之間的空間相互作用機理的一系列空間分析方法和技術的集成。根據(jù)應用層面不同，可分為全局空間自相關和局部空間自相關。以下基于模糊SWM定義兩種不同形式的空間自相關。

1.全局空間自相關

全局空間自相關主要描述現(xiàn)象的整體分布情況，探索要素屬性在整個研究區(qū)域的空間分布特征。常用的指標有：Moran’s I、Geary’s C、Getis G，Ripley’s K，Join Count等。本文參照最早應用于全局聚類檢驗的Moran’sI指數(shù)(Cliff和Ord,1973)。[12]定義模糊Moran’sI指數(shù)I如下：

(2)

2.局部空間自相關

全局空間自相關假定空間是同質的，即研究區(qū)域內的空間對象的某一屬性值僅存在一種整體趨勢，當需要衡量每個空間對象屬性在“局部”的相關情況時，就要進行局部空間自相關分析。局部空間自相關分析包括空間聯(lián)系的局部指標(包括Local Getis’s G，Local Moran’sI等)、G統(tǒng)計量和Moran散點圖等。定義模糊Local Moran’sI計算公式如下：

(3)

以(Wz,z)為坐標點可得到模糊Moran散點圖，它是空間滯后因子Wz和z數(shù)據(jù)對的可視化二維圖，模糊Moran散點圖的四個象限分別對應于空間單元與其鄰居之間四種不同類型的局部空間聯(lián)系形式。

(二)基于模糊SWM的空間計量模型構建

空間計量模型根據(jù)空間效應的引入方式不同主要分為空間滯后模型(SLM)和空間誤差模型(SEM)。當被解釋變量之間的空間依賴性顯著的導致了空間相關時，適合建立空間滯后模型；當模型的誤差項在空間上相關時，適合建立空間誤差模型。

以下以山東省17個地級市為研究單元，*濟南、青島、淄博、棗莊、東營、煙臺、濰坊、濟寧、泰安、威海、日照、萊蕪、臨沂、德州、聊城、濱州、菏澤17個地級市。選取人均GDP的對數(shù)形式(lnPerGDP)為被解釋變量，體現(xiàn)地區(qū)經(jīng)濟發(fā)展水平，綜合考慮人口城市化、環(huán)境城市化、社會城市化、生活方式城市化對經(jīng)濟格局的影響，分別對應選取年末城鎮(zhèn)常住人口的對數(shù)(lnczrk)、氨氮排放量(adpl)、萬人人均公路里程(wrgl)、百人人均互聯(lián)網(wǎng)用戶數(shù)(brhlw)為解釋變量，構建山東省城市化與區(qū)域經(jīng)濟格局的的空間滯后模型(SLM)如下*屬性數(shù)據(jù)來源于2013年山東省統(tǒng)計年鑒和山東省國民經(jīng)濟和社會發(fā)展統(tǒng)計公報，地圖數(shù)據(jù)來自于1∶50萬的中國基礎地理數(shù)據(jù)。：

(4)

(4)式中，下標i表示第i個地級市，wij是模糊SWM的第i行第j列的元素，表示第i個地區(qū)對第j個地區(qū)的關系測度值；ρ是空間滯后系數(shù)，ρ顯著的不為零，表示鄰近地級市的經(jīng)濟水平對當?shù)亟?jīng)濟水平存在影響；β0是截距，βk(k=1,2,…,4)是偏回歸系數(shù)，εi～N(0,σ2)；β1表示czrk的經(jīng)濟產(chǎn)出彈性；β2,β3,β4分別表示adpl、wrgl、brhlw每增加一個單位，PerGDP分別平均增加100*β2%、100*β3%和100*β4%個單位。

同理，構建山東省城市化與區(qū)域經(jīng)濟格局的的空間誤差模型(SEM)為：

(5)

(5)式中，μi～N(0,σ2)，λ為空間誤差系數(shù)，度量了鄰近地區(qū)關于被解釋變量的誤差沖擊對本地區(qū)觀察值的影響程度，其它符號含義同公式(4)。

四、實證結果

(一)基于模糊SWM的空間自相關檢驗

根據(jù)式(2)，對山東省17個地級市的2012年人均GDP對數(shù)(lnPerGDP)、年末城鎮(zhèn)人口對數(shù)(lnczrk)、氨氮排放量(adpl)、萬人人均公路里程數(shù)(wrgl)、百人人均互聯(lián)網(wǎng)用戶數(shù)(brhlw)及模型空間滯后變量(Lag_lnPerGDP)進行全局空間自相關檢驗，分析其在地理空間上的相關性，結果如表2：

表2　模型變量的模糊Moran’sI指數(shù)

從表2可以看出，山東省17個地市的lnPerGDP,lnczrk,adpl,wrgl,brhlw,Lag_lnPerGDP不同程度的體現(xiàn)出一定的空間相關性，圖1為相應的模糊Moran散點圖。

圖1　lnPerGDP,lnczrk,adpl,wrgl,brhlw,Lag_lnPerGDP的模糊Moran散點圖

結合表2、圖1可見山東省2012年各地市的人均GDP分布呈現(xiàn)出一定的空間聚集性，絕大多數(shù)地市聚集在第一和第三象限的高-高、低-低區(qū)內，表現(xiàn)為正的空間自相關，即具有較高(低)人均GDP的地市相對的趨于和較高(低)人均GDP的地市靠近。城市人口規(guī)模(lnczrk)分布也不均衡，人口高-高聚集區(qū)域為青島、煙臺、泰安、菏澤四市，低-低聚集的為德州、濱州、棗莊和淄博。山東省氨氮排放量(adpl)高-高聚集區(qū)域為青島、泰安、菏澤和聊城，低-低聚集區(qū)為濱州、濟南，氨氮排放量大體形成從北至南、由低到高的沿軸線空間分布：濱州(低)-濟南(低)-萊蕪(低)-泰安(高)-濟南(高)-菏澤(高)。交通營運分布也很不均勻，萬人人均公路里程(wrgl)低-低聚集的地市較多，大體集中在膠東半島沿海的青島、煙臺、威海以及魯中南部濰坊、臨沂、棗莊、泰安等地。百人互聯(lián)網(wǎng)用戶數(shù)(brhlw)變量幾乎沒有居于第一象限的地市。lnPerGDP的空間滯后Lag_lnPerGDP的模糊Moran’sI值為0.613 543，說明周圍地市的經(jīng)濟發(fā)展對該地區(qū)的經(jīng)濟發(fā)展有強的影響和溢出效應。

通過以上分析說明，模型各變量及l(fā)nPerGDP的空間滯后變量的分布都不是隨機的，而是呈現(xiàn)一定的空間自相關，在進行城市化與區(qū)域經(jīng)濟格局關系研究時應該考慮空間因素的影響。

(二)基于模糊SWM的空間計量分析

以上空間自相關分析驗證了山東省17地市的經(jīng)濟增長和城市化因素間的空間相關性，故考慮構建以lnczrk、adpl、wrgl和brhlw為解釋變量，lnPerGDP為被解釋變量的空間計量經(jīng)濟模型。首先采用最小二乘法(Ordinary Least Square，簡稱“OLS”)對普通線性回歸模型進行估計，結果見表3，然后對普通線性回歸模型施加空間約束條件，用Lagrange方法構造目標函數(shù)，通過假設檢驗判斷選擇合適的空間計量經(jīng)濟模型。

由表3可知，普通線性回歸模型的可決系數(shù)R-squared為75.1143%，對應的F統(tǒng)計量的P值為0.001 309，整體上通過了顯著性水平為0.01的顯著性檢驗。僅brhlw通過了顯著性水平為0.01的檢驗，說明對于模型的設定可能錯誤，應考慮空間因素。

為了更好地擬合數(shù)據(jù)，我們進一步得到表4的統(tǒng)計檢驗結果，其中JB檢驗(Jarque-Bera)的P值大于0.01，說明普通模型誤差非正態(tài)性，BP(Breusch-Pagan),KB(Koenker-Bassett)和White檢驗統(tǒng)計量的P值亦都大于0.01，說明統(tǒng)計模型變量存在異方差性，即存在空間自相關性，而這點在前面的自相關性檢驗中已得到證實。當模型變量存在非正態(tài)性、異方差性時，采用OLS方法進行估計得到的參數(shù)是有偏的。LM(lag)比LM(error)顯著，說明經(jīng)濟發(fā)展(lnGDP)的影響因素會通過空間傳導機制作用于其它地區(qū)，對區(qū)域經(jīng)濟和城市化的影響分析更適合建立空間滯后模型?；谀：齋WM的空間滯后模型的極大似然估計結果見表5，為了方便比較，同時對基于Rook矩陣的空間滯后模型進行極大似然估計(見表5)。

表3　普通線性回歸模型估計結果

表4　模型誤差正態(tài)性、異方差性、空間依賴性檢驗

表5　空間滯后模型估計結果

首先，從是否考慮空間效應來看(表3和表5)：以模糊SWM構建的空間滯后模型能被模型中自變量解釋的因變量的比例(R-squared)為92.160 5%，明顯高于未考慮空間效應的普通線性回歸模型的75.114 3%，但由于空間滯后模型是以極大似然法估計的，R-squared作為判別模型優(yōu)劣指標已不再適用；故進一步對比體現(xiàn)模型擬合優(yōu)度的AIC和SC值，發(fā)現(xiàn)空間滯后模型較普通線性回歸模型均有較大幅度的降低(6.888 720→-7.464 24，11.054 800→-2.464 96)，說明空間滯后模型擬合效果大大提高；同時空間滯后系數(shù)ρ通過了顯著性水平為0.01的顯著性檢驗。這些都說明空間滯后模型優(yōu)于普通線性回歸模型的估計?？梢?，用基于獨立、正態(tài)分布等基本假定的OLS方法估計存在有空間依賴性問題的城市化和經(jīng)濟發(fā)展問題時結論欠可靠，空間因素不可忽略。普通線性回歸模型和基于模糊SWM的空間滯后模型中，解釋變量lnczrk、adpl、wrgl和brhlw的回歸系數(shù)分別為(0.885 340，-0.000 100，0.005 558，0.022 337)和(0.779 219，-0.000 091，0.005 239，0.020 308)，對各回歸系數(shù)顯著性檢驗對應的p值分別為(0.019 963，0.021 490，0.218 162，0.003 631)和(0.000 001，0.000 000，0.009 628，0.000 000)。整體上來看，空間滯后模型比普通線性模型各系數(shù)的絕對值都有所降低，說明普通線性回歸模型高估了城市化各因素對一個地區(qū)經(jīng)濟發(fā)展水平的影響；對應的p值明顯降低，統(tǒng)計效果異常顯著，說明考慮了空間因素的空間滯后計量模型的估計效果更好，各變量的解釋力度較普通線性回歸模型更強。另外，從城市化因素對區(qū)域經(jīng)濟增長的作用方向和強度看，除氨氮排放量(adpl)外，其它變量的回歸系數(shù)均為正數(shù)，說明城鎮(zhèn)人口規(guī)模、公路交通、信息通信等城市化因素對區(qū)域經(jīng)濟增長起著正向促進作用。

其次，從空間權重矩陣的選擇上看(表5)：基于模糊SWM和Rook矩陣的空間滯后模型中的空間滯后系數(shù)ρ都通過了顯著性水平為0.01的顯著性檢驗。除截距項Intercept外，基于模糊SWM的模型中各回歸系數(shù)的P值均小于基于Rook模型中的P值，說明在對空間效應的描述上，模糊SWM明顯的優(yōu)于Rook矩陣，模型各變量的解釋力度顯著增強。對比體現(xiàn)模型擬合優(yōu)度的AIC和SC值，發(fā)現(xiàn)基于模糊SWM的空間滯后模型較之基于Rook矩陣的空間滯后模型的AIC和SC值均有較大幅度的降低，進一步說明前者擬合效果較好?？梢姡帽疚奶岢龅哪：齋WM來描述空間效應較之傳統(tǒng)的基于鄰接關系的Rook矩陣要好。

五、結論及建議

運用層次分析法，通過建立評價指標體系結合問卷調查打分的方式構造出一種主客觀相結合的體現(xiàn)空間位置和空間數(shù)據(jù)關系的模糊SWM，然后對各城市化因素及區(qū)域經(jīng)濟增長指標進行空間相關性檢驗，進而根據(jù)相關性來源的分析篩選出城市化因素對區(qū)域經(jīng)濟格局影響的空間滯后模型。研究發(fā)現(xiàn)，基于模糊SWM的空間滯后模型統(tǒng)計效果明顯的優(yōu)于普通線性回歸模型及基于Rook矩陣的空間滯后模型。模型估計結果顯示：由于受空間地理位置和空間溢出效應的影響，山東省各地經(jīng)濟發(fā)展并不均衡，顯現(xiàn)出較明顯的空間聚集特性，經(jīng)濟發(fā)展水平大體體現(xiàn)為東高西低的分布格局。各城市化因素對經(jīng)濟格局的影響效應不盡相同，具體如下：

(一)山東省各地市經(jīng)濟發(fā)展不均衡、空間依賴性強

從lnPerGDP的全局自相關、局部自相關及空間計量模型分析的基礎上，可知山東省各地市的人均GDP體現(xiàn)為正的空間自相關，高-高、低-低聚集的地市有15個(比例占88.235 3%)，在整個空間布局中占主導地位，經(jīng)濟發(fā)展水平較高的地區(qū)主要是沿海山東半島藍色經(jīng)濟圈的青島、煙臺、威海、以及黃河三角洲的東營、濱州和依托傳統(tǒng)化工、陶瓷等工業(yè)處于領先地位的淄博六市。從模糊Moran散點圖看，經(jīng)濟發(fā)展水平低的地市主要集中在經(jīng)濟欠發(fā)達的魯西北的菏澤、聊城、德州以及魯南的濟寧、棗莊、日照、臨沂以及魯中城市泰安等地，并且以濟寧為中心形成經(jīng)濟發(fā)展相對滯后的區(qū)域帶。未來政府應依托大運量綜合運輸通道，加快推進日菏沿線南部橫向發(fā)展軸的經(jīng)濟發(fā)展；濟南則是唯一一個被低值GDP包圍的高值區(qū)域，說明省會濟南還未對周邊地區(qū)的經(jīng)濟增長形成強勁的帶動和輻射作用；濰坊是被高值所包圍的低經(jīng)濟增長區(qū)。實證結果表明省會濟南和青島的龍頭作用有待加強，今后要本著城?；印f(xié)作共建原則加強以青島和濟南為雙中心的山東半島城市群建設。

(二)整體上城鎮(zhèn)人口規(guī)模對山東省經(jīng)濟增長貢獻較顯著，部分地區(qū)出現(xiàn)規(guī)模不經(jīng)濟現(xiàn)象

從城鎮(zhèn)人口規(guī)模的散點圖上可知山東省城鎮(zhèn)人口分布很不均衡，體現(xiàn)為人口高-高聚集的區(qū)域為青島、煙臺、泰安、菏澤四市，其中青島、煙臺兩市具有較高的人均GDP水平，說明城市人口規(guī)模對經(jīng)濟發(fā)展起到一定的促進作用。而另一方面，臨沂、泰安經(jīng)濟發(fā)展相對滯后卻擁有較高的城鎮(zhèn)人口規(guī)模，出現(xiàn)了規(guī)模不經(jīng)濟現(xiàn)象，反映了人口的無節(jié)制流動給城市帶來機遇的同時也帶來諸如住房緊張、教育失衡、交通擁堵、福利不均等負面影響，反過來可能制約經(jīng)濟的發(fā)展?；谀：齋WM的空間滯后模型估計結果表明，城鎮(zhèn)人口的經(jīng)濟產(chǎn)出彈性為0.779 219，通過了顯著性水平為0.01的顯著性檢驗。說明在當下的山東省整個城市化發(fā)展進程中，城鎮(zhèn)人口的擴張整體上起到了積極的推進作用，當前的城鎮(zhèn)人口規(guī)模對山東各地市經(jīng)濟增長貢獻整體上較顯著，今后要有序有步驟的分層推進農(nóng)業(yè)轉移人口城市化建設，警惕規(guī)模不經(jīng)濟現(xiàn)象。

(三)環(huán)境污染制約經(jīng)濟發(fā)展

基于模糊SWM的空間滯后模型發(fā)現(xiàn)，體現(xiàn)城市環(huán)境質量好壞的氨氮排放量的回歸系數(shù)為-0.000 091，對經(jīng)濟發(fā)展起著消極的制約作用。氨氮排放量每增加1個單位，人均GDP的絕對值就平均降低0.0091%。可見，廢氣廢水排放越多，區(qū)域環(huán)境質量越差，除了影響市民身心健康，還加劇城市治理負擔、制約區(qū)域經(jīng)濟增長。當然，影響城市環(huán)境的不僅僅是氨氮排放量這一個指標，還包括工業(yè)廢水排放量、工業(yè)廢氣排放量、二氧化硫排放量、工業(yè)固體廢棄物產(chǎn)生量、生活煙塵排放量、生活污水和生活垃圾清運量等諸多因素，這里氨氮排放量起到“投礫引珠”的作用。本文實證了污染物的排放對區(qū)域經(jīng)濟增長起著制約作用。故各地市要正確處理好經(jīng)濟與環(huán)境的關系，采取有針對性的措施對城市進行環(huán)境綜合整治，積極創(chuàng)建城市生態(tài)文明，保證山東省經(jīng)濟健康、持續(xù)地向前發(fā)展。

(四)交通運輸建設對經(jīng)濟增長起積極作用

萬人人均公路里程(wrgl)的模糊Moran散點圖顯示山東省交通營運分布很不均勻，低-低聚集的地市較多。對于變量wrgl，基于模糊SWM的空間滯后模型中回歸系數(shù)是0.005 239，說明萬人人均公路里程每增加一個單位，人均GDP平均提高0.5239%，且通過0.01的顯著性檢驗，但影響效應沒有預期的高。究其原因，雖然公路的興建縮短了地區(qū)之間的時空距離，帶來了生活的便利，緩解了運輸困難和運輸成本高等問題，提高了區(qū)域內居民生活水平，但由于種種原因，當前山東省各地對于建成的公路尤其是農(nóng)村公路疏于養(yǎng)護和有效管理，一定程度上影響和制約了公路積極作用的發(fā)揮。因此，針對山東省公路交通相對滯后情況，各級政府除加大交通基礎設施發(fā)展速度和力度的同時，還要統(tǒng)籌安排規(guī)劃已有公路的后期養(yǎng)護和管理。

(五)信息基礎設施和信息產(chǎn)業(yè)有助于區(qū)域經(jīng)濟增長

百人互聯(lián)網(wǎng)戶數(shù)(brhlw)的模糊Moran散點圖顯示幾乎沒有居于高-高聚集態(tài)勢的地市，說明整體上山東省的城市基礎設施薄弱，信息化水平及城市化綜合水平偏低，且高低分布不均衡。空間滯后模型中回歸系數(shù)為0.020 308，統(tǒng)計檢驗效果顯著，說明生活方式城市化對區(qū)域經(jīng)濟有著積極的正向影響。這和實際情況相符，城市化帶來很多機遇的同時，也帶來諸如資源環(huán)境瓶頸效應、流動人口過分聚集、現(xiàn)代城市管理水平相對滯后等問題，而發(fā)展以互聯(lián)網(wǎng)為基礎設施的信息產(chǎn)業(yè)可有效降低物資消耗、降低交易成本，推動經(jīng)濟增長方式向保護環(huán)境、節(jié)約資源、可持續(xù)發(fā)展的集約型方式轉變。有資料顯示，以互聯(lián)網(wǎng)、通信網(wǎng)絡為物資基礎的信息化產(chǎn)業(yè)的增加值在GDP中的份額不斷增加，對國民經(jīng)濟的直接和間接貢獻率逐步提高，這也和本文的研究結論相一致，百人互聯(lián)網(wǎng)用戶數(shù)每增加1個單位，人均GDP平均提高2.030 8%。山東省各地市應大力發(fā)展信息產(chǎn)業(yè)，以信息化帶動工業(yè)化、農(nóng)業(yè)化和城市化，穩(wěn)步推進山東城市化的有序發(fā)展。

參考文獻：

[1]Moomaw R L,Shatter A M.Urbanization and economic development: a bias toward large cities?[J].Journal of Urban Economics,1996(1):13-37.

[2]Henderson V.The urbanization process and economic growth:The so-what question[J].Journal of Economic Growth,2003(1):47-71.

[3]周一星.城市化與國民生產(chǎn)總值關系的規(guī)律性探討[J].人口與經(jīng)濟,1982(1):28-33.

[4]陽立高，廖進中.城市化拉動中國經(jīng)濟增長實證研究[J].經(jīng)濟問題,2009(1):35-37.

[5]傅瑩.中國城市化與經(jīng)濟增長[D].武漢：華中科技大學，2011.

[6]蔣建華，劉程軍.浙江區(qū)域城市化空間格局及其演化研究[J].華東經(jīng)濟管理,2013(5):1-5.

[7]仇娟東.中國區(qū)域經(jīng)濟增長效率集聚與地區(qū)差距研究[D].西安：西北大學，2013.

[8]鄧志旺.中國城市化動力機制的模型構建及其空間計量分析[J].統(tǒng)計與決策，2015(4)：129-131.

[9]任英華，游萬海.一種新的空間權重矩陣選擇方法[J].統(tǒng)計研究，2012(6):99-105.

[10]SAATY T.L. Dicision making with the analytic hierarchy process[J].Services Sciences,2008(1):83-98.

[11]BHUSHAN,N.and Ria,K. Strategic Decision Making:Applying the Analytic Hierarchy Process[M].London:Springer-Verlag London Limited,2004.

[12]ANSELIN,L..Spatial Econometrics:Methods and Models[M].Kluwer Academic Publishers,Dordrecht,The Netherlands,1988.

(責任編輯：魏霄)

Spatial Econometrics Analysis of the Relationship between Urbanization and Regional Economic Pattern In Shandong Province

ZHAO Xiaoyan1,LIU Wenbao2

(1.CollegeofInformationScienceandEngineering,ShandongUniversityofScienceandTechnology;2.CollegeofGeomatics,ShandongUniversityofScienceandTechnology,Qingdao266590,China)

Abstract:Based on the spatial data of 17 cities in Shandong province,the analytic hierarchy process (AHP) is employed to design the evaluation index system of the spatial correlation,and the spatial econometric model is constructed to analyze the relationship among population urbanization，environment urbanization，social urbanization，way-of-life urbanization and regional economy pattern.The result shows that: Regional economy has shown positive spatial autocorrelation,and 88.2353% of the cities have shown the high-high and low-low state of aggregation.On the whole,the urban population scale for all regions except Linyi and Taian contribute significantly to economic growth.The factors of the construction of highway transportation and information infrastructure will promote regional economic growth,in contrast,environmental pollution will restrict the development of regional economy.

Key words:urbanization;regional economy;fuzzy spatial weight matrix;spatial econometric analysis method;Shandong province

收稿日期：2015-04-04

基金項目：全國統(tǒng)計科學研究計劃項目(2013LZ41)；山東科技大學人才引進項目(2013RCJJ043)；山東省高等學校科技計劃項目(J14LN33)

作者簡介：趙曉燕(1978—)，女，河南安陽人，山東科技大學信息科學與工程學院講師，山東科技大學測繪科學與工程學院博士研究生.

中圖分類號：F291.1

文獻標識碼：A

文章編號：1008-7699(2016)02-0053-09