张 红， 于 渤， 鞠立新

(1.哈尔滨工业大学 经济与管理学院，黑龙江 哈尔滨 150006； 2.浙江海洋大学，浙江 舟山 316000; 3.中国传媒大学，北京 100024)



基于GIS的长三角城市群经济空间集聚特征研究

张 红1， 于 渤1， 鞠立新2,3

(1.哈尔滨工业大学 经济与管理学院，黑龙江 哈尔滨 150006； 2.浙江海洋大学，浙江 舟山 316000; 3.中国传媒大学，北京 100024)

本文在界定长三角城市群空间范围的基础上，利用长三角城市群各城市2013年相关数据，应用GIS的空间聚类分析功能分别从全局聚类检验和局部聚类检验两个方面分析了长三角城市群的经济空间集聚特征。研究结果表明长三角城市群的经济产出和经济生产要素在全局上存在空间集聚现象，在局部上，GDP、人均GDP等经济产出在向上海市、苏州市等个别城市高-高集聚，而劳动、资本、技术、能源等经济生产要素也在向上海市、苏州市等个别城市高-高集聚。

空间聚类分析；全局聚类检验；局部聚类检验；长三角城市群

0 引言

长三角城市群位于我国东部沿海的长江三角洲地区，是我国城镇密度最高、产业门类最齐全、城市化水平和经济发展水平最高、最具发展活力的地区。作为我国参与国际竞争的重要场所和单元，长三角城市群已经步入世界第六大城市群行列[1]，对其经济发展的研究不仅是热点也是难点问题。目前已有学者对长三角的经济增长及其空间差异进行了研究[2,3]，还有一些学者应用地理信息系统(GIS)中的可达性空间分析方法研究了长三角的可达性与空间结构[4]。然而，很多研究往往存在如下两个方面的不足：一是对长三角城市群的空间范围没有界定清楚，由于长三角城市群的动态发展，“长三角城市群”、“长三角地区”、“泛长三角”的概念容易混用，空间范围难以统一；二是构建经济模型时对空间影响的考虑不足，由于空间自相关的存在，忽略空间因素的经济模型并不科学，而具有强大空间分析功能的GIS技术在经济领域的应用还远不充分。为此，本文将对长三角城市群的空间范围进行科学界定，并利用GIS的空间分析功能来研究长三角城市群的经济空间集聚特征。

1 长三角城市群的空间范围界定

长三角地区在我国城市化进程和经济社会整体发展中，具有举足轻重的地位。根据《2013年长三角年鉴》的表述，目前对长三角地区有三种不同的解释：第一种是“小长三角”的概念，包括上海市，江苏省的苏州、无锡、常州、镇江、南京、南通、台州、扬州，浙江的嘉兴、湖州、杭州、绍兴、宁波、舟山和台州，共16个城市及其周边地区；第二种是“大长三角”的概念，包括上海市、江苏省和浙江省的全部行政区域；第三种是“泛长三角”，包括上海市、江苏省、浙江省与安徽省等邻近省份[5]。科学合理地界定长三角城市群的空间范围，是本文开展研究分析的首要前提。

本文根据长江三角洲城市经济协调会的发展情况发现，随着时间的推移，长三角城市群的空间范围是在不断扩展的。1997年，上海、无锡、宁波、舟山、苏州、扬州、杭州、绍兴、南京、南通、泰州、常州、湖州、嘉兴、镇江等15个城市成立长江三角洲城市经济协调会，此时，长三角城市群的空间范围如图1(a)所示。2003年，台州市被接纳为长江三角洲城市经济协调会的正式成员，此时，长三角城市群的空间范围如图1(b)所示。2010年，合肥、盐城、马鞍山、金华、淮安、衢州等6个城市被接纳为长三角城市经济协调会的正式成员，此次扩容后，长三角城市群的空间范围如图1(c)所示。2013年，徐州、芜湖、滁州、淮南、丽水、温州、宿迁、连云港等8个城市被接纳为长三角城市经济协调会的正式成员，此次扩容后，长三角城市群的空间范围如图1(d)所示，包括上海市、江苏省、浙江省全境以及安徽省的合肥、马鞍山、芜湖、淮南、滁州5地市。

图1 长三角城市群的空间范围

由此可见，长三角城市群的空间范围并非一成不变的，而是随着城市群的发展在不断扩展。为研究方便，本文在分析长三角城市群现状时，以图1(d)所示的空间范围为准。根据《国务院关于调整城市规模划分标准的通知》(国发〔2014〕51号)，城市按城区常住人口可划分为五类七档，本文根据各城市2013年的城区人口数据将这些城市划分为如下层次，如表1所示。

表1 长三角城市群的城市层次划分

2 研究方法及数据说明

2.1 研究方法

本文应用GIS的空间聚类分析功能来探测长三角城市群经济空间集聚特征，主要利用全局聚类检验和局部聚类检验两种方法。

(1)全局聚类检验

全局聚类检验主要检验整个研究区域中邻近区间是相似、相异(空间正相关、负相关)，还是相互独立的。本文采用了常用的两种全局聚类检验指数，依次为全局莫兰指数和全局吉瑞指数。

①全局莫兰指数

全局莫兰指数由Moran于1950年提出[6]，是可以看做是观测值与它的空间滞后之间的相关系数，其公式如下：

(1)

全局莫兰指数值处于-1到1之间，值为正数时表明具有相似的属性集聚在一起(即高值和高值相邻、低值和低值相邻)，值为负数表明具有相异的属性集聚在一起(即高值和低值相邻、低值和高值相邻)，值接近于0表明属性是随机分布的(即不存在空间自相关性)。

②全局吉瑞指数

全局吉瑞指数由Geary于1954年提出[7],强调的是观测值之间的离差，其公式如下：

(2)

全局吉瑞指数值通常在0到2之间，虽然2不是一个严格的上限。其值在0到1之间时表示空间正相关，即具有相似的属性集聚在一起；其值为1时表示属性的观测值在空间上是相互独立的；其值在1到2之间时表示空间负相关，即具有相异的属性集聚在一起。

(2)局部聚类检验

局部聚类检验主要检验局部地区是否存在相似或相异的观察值集聚在一起。本文采用了常用的两种局部聚类检验指数，依次为局部莫兰指数和局部吉瑞指数。

①局部莫兰指数

局部莫兰指数由Anselin于1995年提出[8]，用来度量区域i和它领域之间的关联程度，其公式如下：

(3)

局部莫兰指数值为正数时表示一个高值被高值所包围(高-高)，或者是一个低值被低值所包围(低-低)；值为负数时表明一个低值被高值所包围(低-高)，或者是一个高值被一个低值所包围(高-低)。

②局部吉瑞指数

局部吉瑞指数由Getis and Ord于1992年提出[9]，用来检验局部地区是否有高值或低值在空间上趋于集聚，其公式如下：

(4)

式中，N是研究区域内地区总数，Wi,j是空间权重，Xj是地区j的属性。

局部吉瑞指数的值高表示高值的样本集中在一起，其值低表示低值的样本集中在一起。

2.2 数据说明

本文数据主要来源于《中国城市统计年鉴2014》，采用各地级以上城市2013年的数据。由于不涉及时间序列数据，本文在引用数据时未作任何价格调整。

3 长三角城市群经济空间集聚特征分析

3.1 对经济产出的空间集聚特征分析

长三角城市群是我国经济最发达、城镇集聚程度最高的城市化地区，但其内部各城市经济发展较不平衡，各城市的GDP总量和人均GDP水平在空间上是否表现出集聚的特征呢？下文将通过全局聚类检验和局部聚类检验来进行分析。

(1)全局聚类检验结果

本文利用长三角城市群各城市2013年全市GDP和人均GDP数据，通过ArcGIS 10.1软件进行了全局聚类检验，其检验结果如表2所示。

表2 经济产出的全局聚类检验结果

注：表中数值为保留四位小数后的结果。

从表2中GDP的全局聚类检验结果来看，根据莫兰指数的定义，GDP的莫兰指数值为0.1524(为正数)，P统计值为0.0569(统计显著性在10%以内)，表现出较为显著的空间正相关，这表明长三角城市群各城市GDP在空间上具有相似的属性集聚在一起；根据吉瑞指数的定义，GDP的吉瑞指数值为0.0000(在0到1之间)，P统计量为0.0735(统计显著性在10%以内)，表现出较为显著的空间正相关，这同样表明了长三角城市群各城市GDP在空间上具有相似的属性集聚在一起。

从表2中人均GDP的全局聚类检验结果来看，根据莫兰指数的定义，人均GDP的莫兰指数值为0.5068(为正数)，P统计量为0.0000(统计显著性在1%以内)，表现为非常显著的空间正相关，这表明长三角城市群各城市人均GDP在空间上具有相似的属性集聚在一起；根据吉瑞指数的定义，人均GDP的吉瑞指数值为0.0000(在0到1之间)，P统计量为0.0000(统计显著性在1%以内)，表现出非常显著的空间正相关，这同样表明了长三角城市群各城市人均GDP在空间上具有相似的属性集聚在一起。

由此可见，从长三角城市群的全局来看，GDP和人均GDP在空间上均存在集聚性，其中人均GDP表现出的统计显著性要更高。

(2)局部聚类检验结果

接下来，本文利用长三角城市群各城市2013年全市GDP和人均GDP数据，通过ArcGIS 10.1软件进行了局部聚类检验，由于每个城市都对应着一个局部莫兰指数结果和一个局部吉瑞指数结果，若继续用表格表示出来既占用过多篇幅又不形象直观，因此，本文利用GDP和人均GDP的局部聚类检验结果绘制成图，如图2所示。

图2 长三角城市群经济产出的局部聚类检验结果

图2(a)所示的GDP局部聚类检验结果显示，长三角城市群中上海市和苏州市的GDP呈现出统计上显著的高-高集聚特征，而其他城市的GDP则没有表现出统计上显著的空间集聚特征。

图2(b)所示的人均GDP局部聚类检验结果显示，长三角城市群中上海市、苏州市、无锡市和常州市的人均GDP呈现出统计上显著的高-高集聚特征，而其他城市的人均GDP则没有表现出统计上显著的空间集聚特征。

由此可见，从长三角城市群的局部来看，并非所有城市的GDP和人均GDP都能表现出统计上显著的空间集聚特征，对于GDP而言只有上海市和苏州市的表现出统计上显著的高-高集聚特征，对于人均GDP而言只有上海市、苏州市、无锡市和常州市的表现出统计上显著的高-高集聚特征。

3.2 对经济生产要素的空间集聚特征分析

生产要素是进行物质生产所必需的一切要素及其环境条件，长三角城市群各城市经济发展较不平衡，势必与其经济生产要素的发展情况有着很大的关系。宏观经济学表明经济生产要素主要包括劳动、资本、技术、能源等，本文利用从业人员数量、固定资产投资、电信业务收入、全社会用电量等指标分别来代理劳动、资本、技术、能源等这些变量，通过全局聚类检验和局部聚类检验对经济生产要素的空间集聚特征进行分析。

(1)全局聚类检验结果

本文利用长三角城市群各城市2013年全市从业人员数量、固定资产投资、电信业务收入、全社会用电量等数据，通过ArcGIS10.1软件进行了全局聚类检验，其检验结果如表3所示。

表3 经济生产要素的全局聚类检验结果

注：表中数值为保留四位小数后的结果。

从表3中从业人员数量的全局聚类检验结果来看，莫兰指数值为0.1030(为正数)，P统计值为0.1467(统计上不显著)，意味着并不显著的空间正相关；吉瑞指数值为0.0000(在0到1之间)，P统计量为0.3383(统计上不显著)，意味着并不显著的空间正相关。

从表3中固定资产投资的全局聚类检验结果来看，莫兰指数值为0.0931(为正数)，P统计值为0.2638(统计上不显著)，意味着并不显著的空间正相关；吉瑞指数值为0.0000(在0到1之间)，P统计量为0.0598(统计显著性在10%以内)，意味着较为显著的空间正相关。

从表3中电信业务收入的全局聚类检验结果来看，莫兰指数值为0.1254(为正数)，P统计值为0.0641(统计显著性在10%以内)，意味着较为显著的空间正相关；吉瑞指数值为0.0000(在0到1之间)，P统计量为0.2677(统计上不显著)，意味着并不显著的空间正相关。

从表3中全社会用电量的全局聚类检验结果来看，莫兰指数值为0.0656(为正数)，P统计值为0.2447(统计上不显著)，意味着并不显著的空间正相关；吉瑞指数值为0.0000(在0到1之间)，P统计量为0.1684(统计上不显著)，意味着并不显著的空间正相关。

由此可见，从长三角城市群的全局来看，从业人员数量、固定资产投资、电信业务收入、全社会用电量在空间上虽表现出数值上的空间正相关，但基本表现为统计上不显著，仅有固定资产投资的吉瑞指数值和电信业务收入的莫兰指数值统计显著性在10%以内。

(2)局部聚类检验结果

接下来，本文利用长三角城市群各城市2013年全市从业人员数量、固定资产投资、电信业务收入、全社会用电量等数据，通过ArcGIS10.1软件进行了局部聚类检验，类似地，本文将它们的局部聚类检验结果绘制成图，如图3所示。

图3(a)所示的从业人员数量局部聚类检验结果显示，长三角城市群中上海市、苏州市和南通市的从业人员数量呈现出统计上显著的高-高集聚特征，而其他城市的从业人员数量则没有表现出统计上显著的空间集聚特征。

图3(b)所示的固定资产投资局部聚类检验结果显示，长三角城市群中上海市和苏州市的固定资产投资呈现出统计上显著的高-高集聚特征，而其他城市的固定资产投资则没有表现出统计上显著的空间集聚特征。

图3(c)所示的电信业务收入局部聚类检验结果显示，长三角城市群中上海市和苏州市的电信业务收入呈现出统计上显著的高-高集聚特征，而其他城市的电信业务收入则没有表现出统计上显著的空间集聚特征。

图3(d)所示的全社会用电量局部聚类检验结果显示，长三角城市群中上海市和苏州市的全社会用电量呈现出统计上显著的高-高集聚特征，而其他城市的全社会用电量则没有表现出统计上显著的空间集聚特征。

由此可见，从长三角城市群的局部来看，并非所有城市的经济生产要素代理指标都能表现出统计上显著的空间集聚特征，对于从业人员数量而言只有上海市、苏州市和南通市的表现出统计上显著的高-高集聚特征，对于固定资产投资、电信业务收入、全社会用电量而言只有上海市和苏州市的表现出统计上显著的高-高集聚特征。

图3 长三角城市群经济生产要素的局部聚类检验结果

4 结论

本文在界定长三角城市群空间范围的基础上，利用长三角城市群各城市2013年相关数据，应用GIS的空间聚类分析功能分别从全局聚类检验和局部聚类检验两个方面对长三角城市群的经济产出和经济生产要素进行了空间集聚特征分析，结果表明：

(1)长三角城市群的空间范围并非一成不变的，而是随着城市群的发展在不断扩展。经过多次扩容后，当前长三角城市群的空间范围包括上海市、江苏省、浙江省全境以及安徽省的合肥、马鞍山、芜湖、淮南、滁州5地市。

(2)在经济产出方面，长三角城市群的经济产出在向上海市、苏州市等个别城市高-高集聚。从全局来看，长三角城市群各城市GDP和人均GDP在空间上均存在统计上显著的集聚性；从局部来看，上海市和苏州市的GDP表现出统计上显著的高-高集聚特征，上海市、苏州市、无锡市和常州市的人均GDP表现出统计上显著的高-高集聚特征。

(3)在经济生产要素方面，劳动、资本、技术、能源等经济生产要素也在向上海市、苏州市等个别城市高-高集聚。从全局来看，长三角城市群各城市从业人员数量、固定资产投资、电信业务收入、全社会用电量在空间上虽表现出数值上的空间正相关，但基本表现为统计上不显著，仅有固定资产投资的吉瑞指数值和电信业务收入的莫兰指数值统计显著性在10%以内；从局部来看，上海市、苏州市和南通市的从业人员数量表现出统计上显著的高-高集聚特征，上海市和苏州市的固定资产投资、电信业务收入、全社会用电量表现出统计上显著的高-高集聚特征。

[1] 沈惊宏.改革开放以来泛长江三角洲空间结构演变研究[D].南京师范大学，2013

[2] 杨上广,吴柏均.区域经济发展与空间格局演化——长三角经济增长与空间差异格局的实证分析[J].世界经济文汇, 2007,(1):36- 47.

[3] 孟德友,李小建,陆玉麒,樊新生.长江三角洲地区城市经济发展水平空间格局演变[J].经济地理,2014,(02):50-57.

[4] 张莉.可达性与区域空间结构[M].科学出版社，2013

[5] 长江联合研究中心.2013年长三角年鉴[M].南京：河海大学出版社，2013.

[6] Moran P A P. Notes on continuous stochastic phenomena[J]. Biometrika, 1950, 37(1-2): 17-23.

[7] Geary R C. The contiguity ratio and statistical mapping[J]. Incorporated Statistician, 1954, 5: 115-145.

[8] Anselin Luc. Local indicators of spatial association—LISA[J]. Geographical Analysis, 1995, 27(2): 93-115.

[9] Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 2010, 24(3): 189-206.

Research on the Space Clustering Features of Yangtze River Delta Urban Agglomerations’ Economy Based on GIS

ZHANG Hong1, YU Bo1, JU Li-xin2,3

(1.SchoolofManagementHarbinInstituteofTechnology,Harbin150006,China; 2.ZhejiangOceanUniversity,Zhoushan316000,China; 3.CommunicationUniversityofChina，Beijing100024,China)

This paper defines the spatial scale of the yangtze river delta urban agglomerations, and then uses the space clustering analysis application of GIS to analyze its economic space, based on the related data of cities in 2013, respectively from the global clustering test and the local clustering test. The study shows that there are significant features of spatial cluster for economic output and production factors from the global perspective. And from the local perspective, GDP and per capita GDP high-high cluster in Shanghai, Suzhou and other cities. Meanwhile labor，capital，technology，energy and other economic production factors high-high cluster in Shanghai, Suzhou and other cities too.

space clustering analysis; global clustering test; local clustering test; yangtze river delta urban agglomerations

2014- 09-18

张红(1969-)，女，博士研究生，研究方向：区域经济；于渤(1960-)，男，教授，博士生导师，哈尔滨工业大学发展战略研究中心主任，哈尔滨工业大学高等教育研究所所长，研究方向：区域可持续发展；鞠立新(1972- )，女，副教授，低碳经济研究中心主任，研究方向：西方经济学。

F293.1

A

1007-3221(2015)06- 0184- 08

10.12005/orms.2015.0211