景　楠，颜　波

(华南理工大学 经济与贸易学院，广东 广州 510006)

东北区域物流与经济的空间自相关和空间聚类分析

景楠，颜波

(华南理工大学 经济与贸易学院，广东 广州 510006)

基于全局空间自相关分析、局部空间自相关分析和空间聚类分析，在GeoDa、STAR和PySAL空间统计分析软件的支持下，本研究利用东北三省2011年、2008年和2005年的市级相关数据，对东北三省区域物流与经济之间的总体空间差异、局部空间差异和空间格局演化进行了实证分析。本文旨在充分考虑相邻城市相互的关联因素，通过Moran’s I指数、LISA分析和k均值空间聚类，定性研究、定量描述我国东北三省整体区域与局部地域结构与功能上的空间异质性，为促进我国东北三省经济与物流的协调发展、提高区域物流服务水平提供理论参考和决策支持。

东北三省；物流与经济；空间自相关；空间聚类

一、 引　言

物流产业被普遍认为是国民经济发展的动脉和基础产业，其发展程度和水平已成为衡量一个国家或地区现代化水平和综合竞争力的重要标志，被喻为经济发展的加速器。同时，经济的发展对物流产生巨大的需求，促使与物流相关的交通运输、仓储配送和邮政业等都有较快的发展。因此，认识区域物流产业的经济性以及物流业对区域经济发展的贡献，从而制定积极、适宜的物流产业政策，逐渐成为区域经济研究的重要课题[1-5]。本文以东北三省为研究区域，基于东北三省36个城市2005—2011年的市级统计数据，充分考虑相邻城市相互的关联因素影响，利用空间自相关和空间聚类分析的手段，考察、综合东北地区城市物流、经济发展类型的差异；尝试解决东北区域城市之间相互作用的空间关系问题；分析比较我国东北三省城市物流与经济发展关系的机制和空间分异特征；定性、定量描述东北三省整体区域与局部地域结构与功能上的空间异质性，为促进我国东北三省经济与物流的协调发展、提高区域物流服务水平提供理论参考和决策支持。

目前，研究物流业对经济增长作用的相关文献大都集中在定性分析上，有关定量分析经济与物流发展关系的研究，大多采用回归分析方法，以国内生产总值GDP表示区域经济的发展水平，以货物周转量或通过运输仓储增加值等单一指标来表示区域物流业发展水平，揭示中国物流业发展与经济增长的相互关系[1，4-8]。然而，上述研究都没有把空间的影响加以考虑，仅停留在单一区域的定量描述上。在研究不同尺度的区域差异问题时，越来越需要考虑空间自相关和空间异质性等问题[5，9-12]。现代物流与经济发展的空间统计定量，除了我们开展的“我国东部沿海地区物流行业的空间分布研究”[12]前期工作外，其他相关空间统计模型的理论基础与应用分析，特别是物流行业的空间聚类分析方面，国内外尚没有相关文献呈现。

二、研究方法

(一)空间自相关分析

空间自相关是空间依赖性的重要形式，是指研究对象和其空间位置之间存在的相关性。空间自相关是检验某一要素的属性值是否显著地与其相邻空间点上的属性值相关联的重要指标，正相关表明某单元的属性值变化与其相邻空间单元具有相同变化趋势，负相关则相反。

全局空间自相关是对属性值在整个区域的空间特征的描述，主要通过对Global Moran’s I，Global Geary’s C和Join Count等全局空间自相关统计量的估计，分析区域总体的空间关联和空间差异程度。其中最常用的是Moran’s I[13-14]，其值越趋近于1则总体空间差异越小；反之，其值越趋近于-1则总体空间差异越大。

全局Moran’s I统计量是一种总体统计指标，仅说明所有区域与周边地区之间空间差异的平均程度。在区域总体空间差异缩小的情况下，局部空间差异有可能扩大。为了全面反映区域经济空间差异的变化趋势，还需分析局域空间相关性。本文依据1994年Anselin提出的空间联系的局部指标LISA (Local Indicators of Spatial Association)[13-14]，可以揭示局部直至每个空间单元的空间自相关性质。LISA本质上是将Moran’s I分解到各个区域单元，对于某个空间单元i可表示为Ii。若Ii显著大于0，说明区域i与周边地区之间的空间差异显著小；若Ii显著小于0，说明区域i与周边地区之间的空间差异显著大。局域空间相关性也可以用Moran散点图来描述。Moran散点图划分为4个象限：A.右上象限HH，空间差异较小、区域自身和周边水平均较高；B.左下象限LL，空间差异较小，但区域自身和周边水平均较低；C.左上象限HL，空间差异较大，区域自身水平较高，但周边较低；D.右下象限LH，空间差异较大，区域自身水平较低，但周边较高。

(二)空间聚类分析

空间聚类分析是空间模式识别和空间数据挖掘的重要手段之一。但目前空间聚类分析方法存在着两个偏向，一是从事GIS理论方法和技术工具研究的工作者，大多根据空间对象的地理坐标进行聚类，即只考虑对象的空间邻近性，而不考虑对象属性特征的相似性；另一种是从事GIS应用和地学研究的工作者，则直接套用传统聚类分析方法，根据属性特征集进行分析，而忽视了对象的空间邻近性。其实空间对象本质上具有地理位置和属性特征双重含义，二者结合才能完整地描述空间特征和空间差异。本文将地理位置和属性特征纳入统一的空间距离测度，既考虑到空间位置的邻近性又考虑到属性特征的相似性，克服了传统聚类分析对空间邻近性考虑不足的影响。

距离是聚类分析的依据和基础。记区域中心Pi的平面直角坐标为(xi，yi)，对应的r个属性向量为(ai1，ai2，…，ain)，则点Pi和Pj之间的位置距离Dp和属性距离Da可分别表示为：

位置距离可以表达地物之间的邻近程度，属性距离则能刻画地物之间属性特征的相似性。对位置距离和属性距离进行加权，wp为位置距离的权重，wa为属性距离的权重，计算时须对坐标值和属性特征值进行无量纲化处理。空间距离Ds为：

同时考虑空间位置的邻近性和属性特征的相似性，本文采用k均值聚类方法将东北三省各市聚类为4类。

(三)LQ系数

所谓LQ系数，是指某区域某行业就业人员数与该区域全部行业就业人员数之比和全国该行业从业人员数与全国所有行业就业人员数之比相除所得的商。如果该系数大于1，表明该地区物流产业规模较大而且专业化较强，大于全国平均水平。区位商越大，专业化水平越高。在区域经济学中，通常用LQ系数(区位商)来判断一个产业是否构成地区专业化部门[12]。

物流行业LQ系数计算公式如下式所示

其中ei为研究区域物流行业从业人员数；e为研究区域所有部门从业人员数；Ei为全国物流行业从业人员数；E为全国所有部门从业人员数。

三、数据处理与空间分析

(一)研究区域与数据来源

东北地区是一个完整的区域单元，也是我国最早形成并在结构上相对完整的大经济区。本文选择我国东北三省经济区作为研究区域。研究单元为市级，数据资料取自《中国城市统计年鉴2012》，空间分析尺度为东北三省36个市。

针对我国物流统计起步晚，物流的范围尚不统一，社会物流量统计不系统的事实[12，15]，本文以2种相关统计数据结合的方式来全面反映我国物流产业发展：设计采用货运总量来衡量物流发展水平；同时选取统计年鉴中交通运输、仓储和邮政行业的就业人数作为分析对象(因为交通运输业、仓储业、邮政业等产业一直是我国传统物流产业的主要组成部分)。计算LQ系数还需用到年末单位从业人员。人均GDP能够比较充分地反映区域差异的内涵，是研究区域经济发展问题的常用指标，文中的分析变量为市级人均GDP。

本研究使用的软件ArcGIS是全球最著名的GIS商业软件；GeoDa是著名的空间分析软件，由Luc Anselin博士的空间分析实验室开发；STARS由圣地亚哥州立大学的Sergio Rey开发[16]。python语言工具包PySAL是Luc Anselin和Sergio Rey合作的成果，不仅包含原GeoDa和STARS的全部功能，还加入了许多其他分析模型[17]。近几年PySAL在不断的更新(2013年7月推出1.6版本)，PySAL需要使用者既有空间统计知识背景又具备编程技能，也因此具有极强的灵活性。本文使用ArcGIS编辑地图、计算各个城市的重心、计算LQ系数，本文所做的空间自相关分析GeoDa、STARS和PySAL都可以实现，空间聚类分析由PySAL实现。

(二)物流与经济的空间分布分析

1.货运总量和人均生产总值的空间聚类分析

图2　2011年东北三省各市人均生产总值k均值聚类地图

2.货运总量和人均生产总值的空间自相关分析

2011年东北三省36个市物流行业正空间自相关特性较明显，全局Moran’s I指数为0.34(图3a)，物流发展水平相似(高高或低低)的地区在空间上集中分布，即货运总量较高的市，其周边城市的货运总量也较高，反之亦然。相比之下，如果用区位商计算，全局Moran’s I指数仅为-0.13(图3b)。也就是说，从LQ系数角度分析，物流发展水平相似的地区在空间上分布很不集中，k均值聚类为同类的城市大多数不具有邻接关系。同时，东北三省2011年经济全局Moran’s I指数为0.1(图3c)，表明经济发展水平相似的地区在空间上分布较为集中。

图32011年东北三省各市货运总量、LQ系数和人均生产总值Moran散点图

本文还分别开展2005年、2008年和2011年货运总量与人均GDP的LISA分析(5%显著性水平下)，结果(表1、表2)表明东北三省货运总量与人均GDP存在较为明显的空间分异格局。高高的城市全部在东北三省的辽宁省，位于HH象限的市个数越多，总体空间差异就越小。2011年人均生产总值LISA分析中位于HH象限的市有3个，货运总量LISA分析中位于HH象限的市有4个。低低的城市全都在黑龙江省北部，也是我国的最北部。东北地区物流和经济差异主要都是由于地方城市HH与LL空间聚集所导致，LH或HL中间空间类型很少。

表1　东北三省2005、2008、2011年货运总量LISA分析结果

表2　东北三省2005、2008、2011年人均生产总值LISA分析结果

按照增长极理论，区域增长极的设立可以带动区域经济增长。地区的集聚经济效应，即周边地区对一个地区经济增长的带动作用比较显著，使得经济发展迈上良性循环发展轨道。要积极培育欠发达中心城市的要素市场，形成人流、物流、资金流和信息流集中地，辐射、带动周边经济。打破区域经济的空间分异格局，建立较为均衡的区域经济发展秩序。

3.物流行业LQ系数分析

表3列出物流行业的LQ系数分析结果，结果显示齐齐哈尔、沈阳、哈尔滨的LQ系数值大于2.0，营口、大连、丹东、锦州和佳木斯的LQ系数值大于1.0，其余城市LQ系数值小于1.0。虽然齐齐哈尔和营口在2011年东北三省各市货运总量k均值聚类地图(图1)中被归为二类城市，但是齐齐哈尔和营口的LQ系数在36个市中分别排在第一位和第四位。这说明选择不同参数分析物流行业发展，可以避免一些片面的结论。

表3　2011年东北三省各市(排名前24位)LQ系数(从高到低)

2009年3月，国务院印发《物流业调整和振兴规划》以沈阳、大连为中心的东北物流区域被列为全国九大物流区域之一，东北地区与关内地区物流通道被列为全国十大物流通道之一。全国性物流节点城市有21个，其中东北三省的城市有沈阳和大连；区域性物流节点城市有17个，东北三省的城市有哈尔滨和长春。如表3所示，沈阳、大连和哈尔滨的LQ系数较高，分别为2.21、1.33、2.08；长春的LQ系数值偏低为0.83。

(三)东北三省物流与经济空间结构特征

局部空间自相关和聚类分析结果，清楚地解释了经济和物流发展的地区差异，即空间异质性问题。

辽中南城市群是我国的十大城市群之一[18]。辽中南城市群以沈阳、大连为中心，包括抚顺、本溪、辽阳、鞍山、营口、盘锦、铁岭、丹东等大中城市。该地区城市高度密集，大城市所占比例较高，在工业化推动下形成了沈阳都市圈和沈大城市走廊。货运总量最高的一类城市包括沈阳、鞍山和大连(图1)，人均GDP最高的一类城市包括大庆、沈阳、鞍山、盘锦和大连(图2)。结果表明辽中南城市群物流与经济的空间层次性都很明显。可以清晰地看出区域发展格局的分布特征，沈阳、大连和位于两市连线之间的城市已经与周边地区之间呈现出相互联系和相互影响的发展趋势。沈阳和大连的LQ系数也分别排在第二和第五(表3)。从2005年、2008年到2011年，人均GDP和货运总量的LISA分析中，高高的城市都增加了，说明沈阳、大连和位于两市连线之间的城市有明显的扩散效应(表1和表2)。近年来，沈阳、大连充分发挥大城市在经济、科技等方面的优势，进一步带动了中小城市和小城镇的发展，借助沿海和港口的区位和交通优势，其经济发展必将进一步加快。

从图1和图2中看到，货运总量很高的二类城市和经济发展水平很高的二类城市都包括哈尔滨和长春。以哈尔滨和长春为中心，也形成了经济和物流都比较强的区域。哈尔滨和长春也表现出一定的扩散效应，但范围比较局限。以长春、吉林为中心的吉林中部，以哈尔滨为中心的黑龙江东南部有希望发展成为新的规模较大的城市群。如表1和表2，哈尔滨和长春在货运总量和人均GDP的LISA分析中都不显著。哈尔滨的LQ系数比较高，排在第3位；而长春的LQ系数明显偏低，仅排在第12位(表3)。长春作为吉林省的省会，物流行业发展水平有待提高。

大庆、丹东和齐齐哈尔是极化作用显著的三个城市(表1和表2)。在货运总量和人均GDP的LISA分析中，丹东都被归为低高的城市。说明在辽中南城市群中，无论是经济还是物流，丹东的发展都相对较弱。作为沿海港口城市，丹东的LQ系数也很低。大庆在人均生产总值LISA分析中被归为高低的城市，没有对周边产生辐射带动作用，两极分化现象明显。齐齐哈尔在货运总量的LISA分析中被归为高低的城市，LQ系数也在36个城市中排名第一。

我国的最北部，也就是黑龙江省北部，是经济和物流都比较落后的地区(图1和图2)。从2005年到2011年，人均生产总值和货运总量的LISA分析中，低低的城市都在这一区域，而且都有增加(表1和表2)。

国家批复的《辽宁沿海经济带发展规划》明确指出了辽宁沿海经济带的战略定位和功能定位，未来一定时期内，辽宁沿海经济带将立足辽宁，依托环渤海，服务东北，面向东北亚，打造东北地区对外开放平台，促进区域经济一体化发展。辽宁是依托能源和重工业的集聚和发达的交通与港口形成的物流产业集聚；吉林和黑龙江是依托能源工业、重工业形成的物流产业集聚。辽宁沿海经济带内集中了东北地区所有的港口资源，东北腹地的发展与辽宁港口的关联度很大。沿海港口是辽宁沿海经济带开发开放的支点，是东北地区对外贸易联系的重要通道和依托。通过沿海与腹地功能互补，港口与腹地之间可以顺利实现商品生产、加工、物流配送、包装等各生产流通环节或产业之间的迅速转换和良性互动。既发挥东北内陆地区中心城市对商品和各种生产要素的积聚功能，又发挥了港口经济的扩散功能，从而使东北地区在沿海与腹地的互动中更加繁荣。

四、结论与建议

利用空间聚类分析、全局和局部空间自相关分析，本文以东北三省36个市2005、2008和2011年的数据为基础，对东北三省经济与物流之间的空间差异进行了实证分析，并在此基础上提出一些促进东北三省经济与物流协调发展的思路和对策。

1.沈阳、大连、哈尔滨和长春要根据本地的产业特点、发展水平、设施状况、市场需求、功能定位等，完善城市物流设施，加强物流园区规划布局。有针对性地建设货运服务型、生产服务型、商业服务型、国际贸易服务型和综合服务型的物流园区，优化城市交通、生态环境，促进产业集聚，努力提高城市的物流服务水平，带动周边所辐射区域物流业的发展，促进大中小城市物流业的协调发展。

2.要打破行政区划的界限，按照经济区划和物流业发展的客观规律，促进物流区域发展。辽宁沿海经济带的大连港、营口港等港口企业按照逐步构建东北物流服务网络的设想，正在布局港口的内陆物流节点，包括内陆干港和专业场站。干港是集装箱的内陆中心站，除装船卸货外具备港口的其他所有功能。已经在东北腹地的沈阳、长春、哈尔滨、通辽等城市建立了干港，通过陆港与海港整体联运，实现了辽宁沿海海港功能向东北腹地的有效延伸。

3.港口是增强区域经济综合实力的战略资源和核心要素，如何更好地发挥辽宁沿海经济带的港口资源在东北地区经济发展中的物流通道作用，是实现沿海与腹地互动发展的一个重要命题。辽宁在港口建设过程中要统筹考虑东北腹地货物的出海需求，注重对东北腹地的牵动和服务，港口功能的设计和扩展要考虑东北的产业结构特点和与此相应的货源类别、货运量。沿海与腹地间高效的物流对增强辽宁沿海经济带的吸引力，带动东北腹地经济发展具有重要意义。沿海港口和内陆腹地之间海上铁路联合运输的方式，成为沿海港口新的物流增长点。港口企业与铁路运输企业通过签署战略协议等方式，推进港口铁路运输网络以及港铁合作项目的建设。

4.交通通道是临港产业与腹地经济、资源产地与加工中心之间必要的联系途径，应以沿海港口为中心，建设从沿海高速公路、沿海铁路等交通干线到临海港口及城镇的集装箱和大宗货物的集疏运便捷通道，形成港城产业走廊，城际和省际通道体系。通道优势只有向产业优势和经济优势转化，才能真正壮大区域经济。现代经济发展必须是建立在完善的现代物流服务体系和相应的物流能力基础上，东北地区发展现代装备制造业和高加工度的原材料工业，尤其需要快捷高效的原材料、零配件、产成品配送体系。要发展以港航服务为主的港口物流业，特别是优势专业物流。加快构筑货物集散型物流园区和加工增值型临港工业物流园区，全面发展原油、矿石、散粮等大宗散货中转运输站，发展集装箱、原油成品油、粮食、果蔬、汽车等专业物流。实现沿海经济带和东北腹地物流节点城市联动发展，促进物流企业与生产商贸企业互动发展，提高物流链运转效率。

5.以大连国际航运中心为主体，加强港口资源整合。围绕港口发展经济是各沿海城市的共同特点。港口的整合和错位发展应该是港口良性互动发展的重要前提。大连港的地理位置和发展实力决定了辽宁沿海经济带应按照差异化协调发展模式，以大连港为中心，通过与营口港、锦州港、丹东港、葫芦岛港、盘锦港等的战略重组，打造辽宁沿海经济带港口群，提升港口群的整体竞争力。在突出重点港口的同时要建设不同功能、层次分明的港口体系，联合规划港口布局和产业布局，促进港口和园区协调发展。大连大窑湾保税港区作为推进东北地区经济合作的重要平台，开始显现出对东北地区的辐射功能。构建以大窑湾保税港区为核心，以哈长沈大产业带为基础，以腹地保税物流中心和腹地干港为节点，以铁路班线化和海铁联运为运输方式的东北国际物流网络，有效提高东北地区国际物流网络网点密度，实现大窑湾保税港区与东北地区主要物流节点城市的衔接和良性互动，将出口加工、对外贸易、保税物流相联系。

[1] 武志惠，虞巧颖，申金升.三大经济圈的物流业对区域经济增长的实证分析[J].北京交通大学学报：社会科学版，2008，7(1)：43-47.

[2] 张炜熙，胡玉莹.长三角与京津冀城市群物流产业发展比较及与区域经济关联分析[J].现代财经，2010，30(6)：81-86.

[3] 刘南，李燕.现代物流与经济增长的关系研究——基于浙江省的实证分析[J].管理工程学报，2007，21(1)：151-154.

[4] 吴晔.珠三角洲区域物流与区域经济互动机理探讨[J].物流科技，2009(2)：21-23.

[5] 邵扬.中国省际经济增长与物流的空间面板计量分析[J].技术经济与管理研究，2009(6)：136-138.

[6] Li X L，Han Z S.Research on the Dynamic Relationship between Logistics Industry and Region Economy of Shandong Province[C].Manchester，England，2nd International Conference on Information and Computing Science，2009，3：146-149.

[7] Shuai B，Sun C Y.Empirical Study on the Relativity between the Development of the Logistics Industry and the National Economy Level-Take Chengdu for Example[C].Proceedings of The Eighth International Conference of Chinese Logistics and Transportation Professionals，Chengdu，China，16-24.

[8] Yu W Y，Wang H Y.Study on the Association Between Regional Logistics and Regional Economy[C].Beijing，16th International Conference on Industrial Engineering and Engineering Management，2009：1891-1893.

[9] Chu Y F，Liu S F.Researching on Grey Incidence Between Logistics Industry and Economic Development[C].Shanghai，International Symposium on Intelligent Information Technology Application Workshops，2008：927-931.

[10] 伍世代，王强.中国东南沿海区域经济差异及经济增长因素分析[J].地理学报，2008，63(2)：123-134.

[11] Anselin L，Sridharan S，Gholston S.Using Exploratory Spatial Data Analysis to Leverage Social Indicator Databases：the Discovery of Interesting Patterns[J].Soc Indic Res，2007(82)：287-309.

[12] Jing N，Cai W X.Analysis on the Spatial Distribution of Logistics Industry in the Developed East Coast Area in China[J].The Annals of Regional Science，2010(45)：331-350.

[13] Anselin L.Local Indicators of Spatial Association—LISA[J].Geogr Anal，1995(27)：93-115.

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

[15] Yang C H，Zhang W J and Li Y S.Dynamic Analysis of China Logistics Agglomeration Based on Clustering Analysis[C].IEEE，2007，0-7695-2882-1/07

[16] Rey S J，Anselin L.Recent advances in software for spatial analysis in the social sciences[J].Geogr Anal，2006，38(1)：1-4.

[17] Rey S J and Anselin L.PySAL：A Python Library of Spatial Analytical Methods，in Handbook of Applied Spatial Analysis：Software Tools，Methods and Applications[C].Berlin：Springer，2010：175-193.

[18] 戚本超，景体华.中国区域经济发展报告(2009—2010)[M].北京：社会科学文献出版社，2010：60-72.

Spatial Autocorrelation and Spatial Clustering Analysis of Regional Logistics and Economy in Northeast China

JING Nan，YAN Bo

(Department of Logistics Engineering，South China University of Technology，Guangzhou 510006，China)

Based on city level data in 2005，2008 and 2011，the paper applies spatial autocorrelation and spatial clustering methods to examine the spatial variation in logistics and economy in northeast China.Taking the correlation of neighbor cities into fully consideration，it analyzes the spatial disparity of structure and function in global and local regions with the support of GeoDa，STAR and PySAL software.The paper visualizes the regional distribution of logistics and economy in northeast China byk-means dustring map，and analyzes the statistical data of logistics and economy by moran’s I scatter plots and local indicators of spatial association(LISA).The research can give theoretical evidence to provide reference for proper layout of logistics industry and regional coordinate development.The paper has derived some implications for policy makers at the end.

Northeast China；Logistics and Economy；Spatial Autocorrelation；Spatial Clustering

2013-11-11

教育部人文社会科学研究项目(10YJC790116)；中央高校基本科研业务费，华南理工大学社科类重点项目(x2jmD2112250)。

景楠(1979-)，女，吉林长春人，华南理工大学经济与贸易学院讲师，博士；颜波(1970-)，男，湖南怀化人，华南理工大学经济与贸易学院教授，博士生导师。

F061.5

A

1001-6201(2015)01-0134-07

[责任编辑：秦卫波]

[DOI]10.16164/j.cnki.22-1062/c.2015.01.025