□李琛（兰州城市学院地理与环境工程学院 甘肃 兰州 730070）

随着高等体育院校的不断发展，识别和明晰体育院校及其知识产出水平在空间上的布局状况以及是否存在集聚，具有重要的现实意义。梳理国内外文献，发现对体育院校及相关资源空间分布的研究，主要从体育设施的空间布局，具体的体育项目的地域分布及探讨体育文化与地理环境的关系等方面展开。本文在前人研究的基础上采用地理空间统计分析中空间自相关分析方法，将空间因素考虑到模型中，研究中国高等体育院校及其知识产出的空间分布状况，为中国高等体育院校的平衡发展提供一定的理论和政策建议。

1、样本数据与方法

1.1、样本数据

样本数据为中国大陆31个省、自治区和直辖市的本科体育院校的数量和各地区高等院校的知识产出。其中本科体育院校统计数据来源于《中国统计年鉴》和《中国教育统计年鉴》，各地区高等院校的知识产出用发表在核心学术期刊上的文章数来统计；以除了我国香港、澳门特别行政区和台湾省的中国大陆31个省、自治区和直辖市作为研究区域，以下简称各省份。在实证分析中用到的中国各省份的底图用Mapinfo9.5制图软件完成，利用Open Geoda空间计量软件进行数据分析和地图处理。

1.2、研究方法

（1）全局空间自相关分析。

全局空间自相关分析反映的是区域空间整体上的区域属性值空间位置的依赖关系，计算全局空间自相关的指标和方法较多，最常用的是Moran's I系数和Geary's C比率。在文章中我们主要采用Moran's I指数来检验我国高等体育院校及其知识产出的全局空间相关性。全局Moran's I定义如下：

章中指我国高等体育院校的数量及其知识产出水平，n为研究对象的数目，Wij为空间连接矩阵，是二进制的空间权重矩阵，空间连接矩阵可以通过邻接规则和距离规则来构建。本文主要采用的是各省份的相关数据，而且相邻省份之间有共同的边界。因此，采用K值最临近空间权重矩阵进行分析。Moran's I的取值范围在-1-1之间，数值等于0时，说明空间服从随机分布；若其数值小于0时为正相关，数值越大，相关性越大；若其数值小于0则为负相关，数值越小，差异性越大。

得到空间自相关Moran's I指数的计算结果后，还需对其进行统计检验，其标准化统计量为：

通过在正态分布或随机分布假设下得到Moran's I的期望值和方差来分别进行假设验证，标准化的Moran's I的期望值为：

当该公式成立时，表现出区域高等体育院校及其知识产出属性值的分布是一种随机地理空间分布的模式。

在正态分布假设下，Moran's I系数的方差表示为：

根据公式（1）-（4）检验中国高等体育院校及其知识产的全域空间自相关关系。如果Moran's I的标准化Z统计量远大于正态分布函数置信区间双侧检验阈值0.05（0.01），表明中国高等体育院校及其知识产出呈现显著的正向相关关系，空间正向相关关系表示相邻地区的类似特征值出现空间位置的依赖性。

（2）Moran's I 散点图。

通过绘制空间相关系数的Moran's I散点图，将高等体育院校及其知识产出的空间依赖模式分为四个象限，以判断各个地区和其邻近地区的关系；第一象限HH，表示研究省域的高等体育院校及其知识产出属性值和周边省域的高等体育院校及其知识产出属性值都比较高；第二象限（LH）表示研究省域的属性值较低而周边省域的属性值较高；第三象限（LL）表示研究省域和周边省域的属性值均较低；第四象限（HL）表示研究省域的属性值较高而周边省域则较低。落入第一、第三象限正的观测值具有较强的空间正相关，即具有均质性；落入第二、第四象限的观测值具有较强的空间负相关，即有异质性。如果观测值均匀地分布在四个象限，则表明观测值之间不存在空间自相关性。

2、实证结果与分析

2.1、各地区高等体育院校分布

图1中国高等体育院校的空间分布图

从图1中可以看出：中国高等体育院校主要分布在四川、陕西、山西、湖北、湖南、江西、广东、河南、山东和江苏几个身份。与这些省份相邻的地区其变化较小，基本处于均匀的分布状态，表明这些省份的高等体育院校的数量分布较为一致。从数量分布上看，高等体育院校主要集中的中东部，西部相对较少，另外发现经济发达的北京、上海、天津等地数量反而较少，这主要跟研究数据的选取有关，由于图中仅显示了中国高等体育院校的数量分布，无法从图中比较各地区的体育发展好坏，体育学科的学术研究水平等。总体来看，高等体育院校在各省份的分布很不平衡，集聚特征明显。

为进一步识别各个地区与其邻近地区的关系，需要通过进一步绘制空间相关系数的Moran’s I散点图来识别。图2给出了中国高等院校的Moran’s I散点图。

图2 中国高等体育院校的Moran’s I散点图

中国高等体育院校的Moran’s I系数为0.2833，表现出较强的空间自相关，说明中国高等体育院校形成了一定的集聚。第一象限是高属性值集聚区，包括：山西、陕西、河南、河北、湖南、湖北、江西、江苏、广西、广东和山东。第三象限是低属性值集聚区，主要包括东北地区和西部的省份。约有3/4的省份位于第1、3象限，呈现出较强的空间正相关性，进一步证明了全局指标检测的正相关分布特征。说明区域之间存在近邻效应，某个区域的高等体育院校的发展水平与邻近区域的发展水平有关，某个区域的发展过程可能依赖于邻近区的发展状况，使得中国高等体育院校的分布呈现高高或低低的集聚特征，揭示了我国高等体育院校在空间分布上的不均衡性。

2.2、地区高等体育院校知识产出分布

从图3中可以看出，知识产出水平最高的是北京，上海和广东分别位居第二和第三。知识产出水平排名靠前的还有山东、浙江和湖北等。与图1各地区高等体育院校的分布数量相比，形成较大的差异。从图1以高等体育院校衡量的北京、上海和广东的高等体育院校的发展并不是最快的，而若考虑各地区的学术研究成果后，是高等体育院校发展最快，知识产出水平最高的地区。因此仅以各地区高等体育院校的数量来单纯衡量高等体育院校发展的好坏存在片面。以发表在核心期刊的学术成果作为衡量标准使研究结果更加合理，与实际更加吻合。从国家社会基金衡量的高等体育院校学术水平来看，排名前三位的分别是上海、北京和山东，广东排名第四。排名进入前10的省份还包括浙江、湖北、河南、江苏、陕西、四川。与核心期刊的发表数量相比，各地区的社科基金的分布变化并不大。而从体育自然基金代表的知识产出水平看，除北京和上海仍然位居第一和第三以外，湖北的分布变化较大，上升为第二。而原来排名靠前的广东落后为13名。从知识产出的总体分布看，基本形成了以安徽省为中心逐渐向外围扩散的圈层结构，第一圈层属于高值集聚区，主要包括山东、湖北、河南、浙江、上海和江苏；第二圈层次高值集聚区包括辽宁、河北、陕西、四川、湖南、江西和福建；外围区包括西北的部分省份如内蒙、宁夏、青海和西藏和东北和西南地区如黑龙江、贵州和海南等。随着距离的扩大，相应的知识产出水平不断降低。

图3 各地区高等院校体育知识产出水平的空间分布图

从图1发表在核心期刊的学术文章并结合社会基金和自然基金在地区的分布，发现各地区的高等体育院校的学术研究及知识产出水平与地区的经济发展程度较为一致。分析发现各地区发表在核心期刊的学术文献数量与社会基金的分布比较稳定，排名靠前和靠后的基本一致，而与自然基金相比，分布差异较大，主要表现为各地区的体育学术研究上的偏好和差别。

从图3可以看出体育知识产出在各地区的分布情况，为进一步比较各地区的体育知识产出的分布，表1、表2分别给出了中国高等体育院校知识产出的Moran’s I系数和空间相关模式表。

表1是地区高等体育院校知识产出水平分类统计的空间自相关检验，衡量地区高等体育院校知识产出水平的三个变量均通过了5%和10%的显著性水平检验。从表中可以看出社科基金在各地区的集聚水平较高，核心期刊较小，而自然基金的集聚最差。因此核心期刊和社科基金地区差异较大，而自然基金的分布较为平衡。

表1 高等体育院校发表核心期刊分类统计的空间自相关检验

表2第一象限表示中国高等体育院校知识产出属性值高的省份被中国高等体育院校知识产出属性值高的其它省份包围的高值集聚区，以北京和上海为中心。第三象限低值集聚区，主要是西北三个省份和西南部分地区。而第二和第四象限表示异质的空间分布，即低值被高值包围和高值和被低值包围的地区。

表2 高等体育院校发表核心期刊分类统计的空间相关模式表

从以上的分析看出，中国高等体育院校及其知识产出的空间分布具有较明显的集聚特征，各地区高等体育院校的分布主要集中在中部，形成高值集聚区，在西部成低值分布，形成低值集聚区。而知识产出水平在各地区的分布，基本形成了以安徽省为中心逐渐向外围扩散的圈层结构。

3、启示

高等体育院校及其知识产出水平的集聚态势是伴随着中国经济的不断发展而产生的，与一定的经济发展水平相一致，经济较发达的省份，其体育院校知识产生水平也就越高，体育事业发展就越快。高等体育院校在各地区的分布不均衡，具有集聚态势，这种集聚会促使有条件的地区先发展起来，形成不均衡发展，但当体育院校集群发展到一定阶段后，由于集群效应导致地区差距不断扩大，为防止极化效应，需要政府采取措施进行调节，从而使体育院校和起知识产生水平在地区间均衡协调发展。