江西省典型县域经济差异影响因子地理探测研究

1 引言

由于各地区的自然地理环境、地理区位、经济发展基础、社会人文政策等条件的差异,导致经济发展的水平与速度在不同地区存在较大差异,在空间上表现为区域经济的不均衡发展即区域经济差异^{[ 1, 2]}。长期以来区域经济差异是各国学者关注的热点问题,针对该问题主要有以下研究：区域经济差异的时空现状分析^{[ 3]}、实例验证分析^{[ 4]}、格局演化分析^{[ 5, 6]}、影响因素分析^{[ 7, 8]}以及分析方法的改进发展^{[ 9]}。

追溯国内外学者对区域经济差异的研究过程可知：在研究尺度上,逐步由大层面向小层面细化,即由国家、省域尺度向地市、县域尺度转变;在研究方法上,由最初的新古典经济学方法向计量经济学方法最终到现在的空间计量分析方法演变。例如,Barro等^{[ 10]}用新古典经济学方法对美国经济增长差异做了实例验证,结果表明当人均收入低于稳态位置时其增长速度越快;Chen等^{[ 11]}用索洛经济增长模型对中国各省自1978-1993年的面板数据进行分析,得出短期内中国省域间的经济差异可能会适度下降,而沿海地区和非沿海地区的经济差异可能会增大;刘彦随等^{[ 12]}充分考虑了经济差异的空间异质性,在传统计量方法的基础上加入地统计、地理探测器等地理空间计量方法,分析了1990、2000和2008年中国县域城镇化的时空特点及成因。

多年来,各国学者对经济差异影响因子进行了大量研究。Krugman^{[ 2]}提出影响区域经济差异的 2大要素：自然地理要素和交通区位要素。自然地理要素包括地形、地貌、气候、水资源等,它对区域经济发展有着长期而深远的影响,一个区域的生产发展离不开其所在的地理环境,其资本累积速度及产业发展形式在很大程度上取决于自然地理环境,因此区域间地理环境的差异可导致经济差异。Amarasinghe^{[ 13]}的研究有力地证明了该理论,表现为自然条件越恶劣的农村地区贫困率越高。另外,交通区位要素是经济发展的桥梁和纽带,交通的便利性以及区位的优越性影响区域内部及区域间生产资源的流动、分布、调用,直接影响第二、第三产业的分布规模和范围^{[ 1]},从而导致区域经济差异。针对这一影响要素,曲玮等^{[ 14]}通过构建回归模型探测了甘肃农村地区贫困状况与交通区位的关系,结果表明地理区位及交通条件极大地影响了贫困发生率,往往越贫困的地区越偏远,交通越不发达;同时,其研究根据回归方程得到,县域公路密度每增加 0.1 km/km²,农村贫困发生率就能降低1.2个百分点。

除了以上2大要素,学者发现人力资源、政府经济政策等因素也会对区域经济差异产生影响^{[ 15, 16]}。刘清春等^{[ 1]}指出当劳动力投入数量维持稳定时,劳动力质量对生产率提高有极大的影响,即人力资源要素可促进生产发展从而影响经济水平。另外,韩德军等^{[ 17]}、张佰林等^{[ 18]}的研究表明,土地作为区域资源要素的载体,其利用方式及变化形式将直接影响区域经济水平,合理的土地利用可充分发挥区域资源优势加速经济发展,与之相反对土地功能不合理的规划在很大程度上造成资源浪费、阻碍经济发展、形成经济差异。

目前,虽然对区域经济差异的影响因素已进行了不同程度的分析,但对江西地区来说多数分析局限于单个因子或少量因子组合,忽略了因子之间的联系及因子之间作用的交互性,更缺乏影响因子对不同发展水平县域经济影响力的对比分析,这将会影响分析结果的全面性及准确性。针对以上问题,为探讨江西贫困县和富裕县县域经济差异影响因子的异同,本文选取江西有代表性的12个贫困县和9个富裕县为典型案例,综合考虑地形、地貌、土地利用、交通区位等地理环境因子,结合空间化表达、多元线性回归模型、地理探测器等方法,定量分析各地理环境因子对贫困县、富裕县经济差异的影响力及各因子间的交互作用机制,对比分析影响因子对2类县域影响力的相同点及差异性,总结贫困县和富裕县的主导影响因子及演变趋势,并提出分类施策措施,对制定合理的区域经济政策具有重要指导及借鉴意义。

2 研究区和数据源

2.1 研究区

江西省（24°29′14″ ~30°04′41″ N、113°34′36″~118°28′58″E）北部鄱阳湖地区较为平坦,东西南三面环山,属江南丘陵地区,省内地理环境复杂,区域差异大。江西省作为农业大省是中国重要的商品粮供应基地,第一产业发达,二三产业加速发展。但地处革命老区,江西省内的经济发展水平有较大差异,北部平原地区发展迅猛,南部山区经济滞后,省内国家级贫困县基本分布在南部山区。为对比分析江西省典型贫困县及富裕县县域经济差异影响因子的异同,根据《江西统计年鉴2011》^{[ 19]}以及国家公布的贫困县名单,选取全省人均GDP排名前9的县作为研究区富裕县,分别是：贵溪市、分宜县、南昌县、德兴县、樟树市、新建县、丰城市、广丰县、乐平市;选取全省人均GDP排名后12的国家级贫困县作为研究区贫困县,分别是：兴国县、遂川县、永新县、上犹县、于都县、会昌县、广昌县、安远县、乐安县、修水县、余干县、潘阳县。该研究区选取方法有效地避免了中等经济发展水平县的影响,使研究结果可充分代表贫困县、富裕县经济差异的影响因子,增强本研究的科学性及严谨性。研究区位置如图1所示。

显示原图| 下载原图ZIP| 生成PPT

图1 研究区域

Fig. 1 The study area

2.2 数据源及指标选取

江西省各县的经济状况数据来源于《江西统计年鉴2011》^{[ 19]},选取各县的人均GDP (Gross Domestic Product, GDP) 作为经济发展状况的衡量指标。

区域经济差异受多种因素的综合影响,根据前文分析可将主要的影响因素分为自然地理要素、交通区位要素、人力资源要素、经济结构及政策导向要素、土地利用规划要素5大类。本文结合江西省区域经济发展的特点,重点考虑地理环境因子的影响并根据数据的可获取性共选取了9个影响因子指标（表1）。图2的代理变量图表示了各指标所代表的影响类型及其与人均GDP的关系。其中,山区比例、水体比例代表地貌因子,平均海拔、地形起伏度代表地形因子,地形地貌因子作为区域基本的地理环境因子对经济发展产生长期而深远的影响,通常地势平坦、海拔低的平原区利于经济发展。耕地比例、居民地密集度代表土地利用因子,耕地是第一产业的重要组成部分,特别是江西作为农业大省,耕地的分布情况直接影响经济发展结构;而居民地密集度则反映了居民的分布情况,映射区域经济发展现状及发展规划。铁路密度、公路密度代表道路因子,距中心城市距离代表地理区位因子,交通的便利性及地理区位的优越性影响资源的流通性,从而对经济发展产生重大影响。因此,本文对这9个代理变量指标进行地理探测,获取地形地貌、交通区位、土地利用等地理环境因子对江西省典型县域经济差异的影响。各数据来源如下：

表1 地理环境因子指标

Tab. 1 Geographical environmental factors

探测因子	指标	代表类型
X1	山区比例/%	地貌因子
X2	水体比例/%	地貌因子
X3	平均海拔/m	地形因子
X4	地形起伏度/°	地形因子
X5	耕地比例/%	土地利用因子
X6	居民地密集度/km²	土地利用因子
X7	铁路密度/（km/km²）	道路因子
X8	公路密度/（km/km²）	道路因子
X9	距中心城市距离/km	地理区位因子

新窗口打开

显示原图| 下载原图ZIP| 生成PPT

图2 代理变量图

Fig. 2 The proxy variable diagram

（1）地形数据是分辨率为30 m的ASTER栅格数据。由ASTER数据求得地形起伏度,取县域的平均海拔、平均地形起伏度作为探测因子,并分别将其均分为6个等级。

（2）地貌数据来自中国科学院地理科学与资源研究所地貌组解译的1:100万的地貌数据。该数据根据地貌的宏观形态和地势等级、主营力条件、主营力作用方式,将江西地貌划分为平原、台地、丘陵、小起伏低山、中起伏低山、大起伏中山6大类,每个大类下又分为小类,共计45个小类。本文根据研究需要将45小类合并为平原、台地、丘陵、低山、中山、水体6类,并统计县域山区所占比例,将其均分为6个等级。

（3）土地利用数据来源于环境保护部和中国科学院联合开展的“全国生态环境十年变化（2000-2010年）遥感调查与评估项目”。本文所用数据为2010年土地利用/覆被数据,该数据共分为林地、草地、湿地、耕地、人工表面、其他类型6大类。利用该数据计算研究县耕地所占比例、居民地密集度并划分等级。

（4）道路、铁路、城市等矢量数据来源于国家基础地理信息系统数据。统计各县的道路、铁路密度,分别划分为6个和7个等级。标注地级市以上的行政城市为中心城市,统计各县距最近中心城市的距离,并将距离划分为7个等级。

3 研究方法

3.1 地理环境因子的空间化表达

为直观清晰地表达各种地理环境因子的空间分布情况,对比贫困县、富裕县环境因子空间分布的异同性,对9个探测因子标准化分级,并将各因子的属性添加到矢量数据中,利用空间分析工具分级空间化表达,各因子的空间化结果如图3所示,其中颜色越深代表原始数据数值越大。由图3（a）-（d）可见,山区基本分布在西北、东北、南部地区,这些区域对应的平均海拔较高,地形起伏度较大,水体分布也较少,自然环境条件较差;而北部鄱阳湖地区水源充沛,地势平坦,易于经济发展。由图3（e）-（f）可知,富裕县地区的耕地比例和居民地密度都较高,代表其生产发展资源和劳动力资源充沛; 图3（g）-（i）表明,相较于贫困县,富裕县不仅交通便利,也占据有利地理区位,距中心发达城市较近,利于生产资源的流通、调配,生产产品的输入、输出,可极大地促进经济发展。各地理环境因子空间化表达将统计数据形象直观地展示为地图形式,使研究者对研究区各县的地理环境状况有直观、感性的认识,便于后续展开定量分析。总体而言,富裕县地理环境明显优于贫困县,由此可见地理环境因子在一定程度上影响县域经济的发展。

显示原图| 下载原图ZIP| 生成PPT

图3 地理环境因子空间化表达

Fig. 3 Spatial expression of geographical environmental factors

3.2 多元线性回归分析法

多元线性回归分析是通过建立多个自变量与一个因变量之间的线性回归模型来描述自变量对因变量的影响^{[ 20]}。回归模型如下：

$\begin{matrix} Y = β_{0} + β_{1} X 1 + β_{2} X 2 + β_{3} X 3 + \dots + β_{9} X 9 \end{matrix}$ （1）

式中： $\begin{matrix} Y \end{matrix}$ 为各县的人均GDP; $\begin{matrix} β_{0} \end{matrix}$ 为回归常数, $\begin{matrix} β_{1}, β_{2}, \dots, β_{9} \end{matrix}$ 为回归因子; $\begin{matrix} X 1, X 2, \dots, X 9 \end{matrix}$ 为各个地理环境因子。本文利用多元线性回归方法分析9个地理环境因子和县域经济差异的统计学关系,并探测9个指标的共线性,最终构建线性回归模型说明各指标与县域经济差异的相关性。

3.3 地理空间探测器分析法

一般来说,若自变量和因变量之间存在较大的关联性,则其空间分布规律也应该具有相似性。地理探测器模型正是基于该理论在传统统计学的基础上加入探测因子的空间分异性来衡量自变量对因变量空间分布的影响程度^{[ 21, 22, 23]}。在多元线性回归数量关系分析的基础上,本文利用地理探测器分别探测贫困县、富裕县县域经济的空间分异性与各地理环境因子的关系,分析各因子对2种县域经济空间分异的影响及交互影响力,模型如下：

$\begin{matrix} P_{D, G} = 1 - \frac{1}{n σ_{G}^{2}} \overset{m}{\sum_{i = 1}} n_{D, i} σ_{U_{D, i}}^{2} \end{matrix}$ （2）

式中：P_D_,_G为地理环境因子D的影响力值;n为整个区域的样本数;m为次级区域的个数; $\begin{matrix} n_{D, i} \end{matrix}$ 为次一级区域的样本数; $\begin{matrix} σ_{G}^{2} \end{matrix}$ 为整个区域的县域人均GDP的方差; $\begin{matrix} σ_{U_{D, i}}^{2} \end{matrix}$ 为次一级区域的县域人均GDP的方差。P_D_,_G的取值为0-1,P_D_,_G值越大代表该地理环境因子对县域经济的影响力越大^{[ 24, 25, 26]}。

地理探测器由4个子模型组成,分别是因子探测器、生态探测器、风险探测器和交互探测器。因子探测器是核心组成部分,其探测县域经济水平和地理环境因子的空间分异性,并由式（2）计算地理环境因子对县域经济水平空间分异情况的解释力即影响力。生态探测器通过比较各地理环境因子间县域人均GDP总方差的差异,从而确定各因子的影响力是否存在显著差异。风险探测器则可以分析各因子的各分类子区之间县域经济水平均值差异的显著性,均值显著性大的分类子区其县域经济水平高,因此利用风险探测器可以总结各地理环境因子适宜经济发展的分类子区,即可得到利于经济发展的地理环境情况。交互探测器通过比较2种因子X1、X2共同作用的P_D_,_G（X1∩X2）与P_D_,_G（X1）、 P_D_,_G（X2）、P_D_,_G（X1）+P_D_,_G（X2）的大小,得出2种因子交互作用时影响力的独立性以及影响力的大小变化,具体分类如表2所示^{[ 27, 28]}。

表2 地理环境因子交互作用示表

Tab. 2 Interaction of geographic environment factors

P_D_,_G值关系	交互作用
P_D_,_G(X1∩X2)<Min(P_D_,_G(X1)、P_D_,_G(X2))	非线性减弱
Min(P_D_,_G(X1)、P_D_,_G(X2))<P_D_,_G(X1∩X2)<Max(P_D_,_G(X1)、P_D_,_G(X2))	单因子非线性减弱
P_D_,_G(X1∩X2)>Max(P_D_,_G(X1)、P_D_,_G(X2))	双因子增强
P_D_,_G(X1∩X2)=P_D_,_G(X1)+P_D_,_G(X2)	独立
P_D_,_G(X1∩X2)>P_D_,_G(X1)+P_D_,_G(X2)	非线性增强

注：P_D_,_G(X1∩X2)代表X1、X2交互作用值,P_D_,_G(X1)+P_D_,_G(X2)代表X1、X2二者作用值之和,Min(P_D_,_G(X1)、P_D_,_G(X2))代表X1、X2中较小的作用值,Max(P_D_,_G(X1)、P_D_,_G(X2))代表X1、X2中较大的作用值

新窗口打开

4 结果分析

4.1 地理环境因子选取合理性分析

本文用21个典型县的数据作为样本构建多元线性回归模型,如式（3）所示。该模型的校正R²为0.87说明方程的拟合优度较高,9个地理环境因子可以在很大程度上解释县域人均GDP;F值为11.106大于F_0.001（9,11）=8.116表示该回归方程极其显著具有统计学意义。共线性诊断表明当模型在9维以上时特征值非常小且条件指数大于15,说明存在共线性的可能,需剔除一个自变量,具体剔除过程还需深入研究在此暂不做讨论。

$\begin{matrix} Y = - 10341.036 - 3854.501 X 1 + 3832.22 X 2 - 9.693 X 3 + \\ 712.369 X 4 + 16618.998 X 5 - 0.42 X 6 + 32224.718 X 7 + \\ 252205.72 X 8 - 1712.857 X 9 \end{matrix}$ （3）

利用上述模型由地理环境因子反推各县的人均GDP并空间化,结果与已有经济数据吻合度较高。由图4（a）和图4（b）拟合人均GDP和实际人均GDP对比可知,各县的拟合人均GDP均接近实际情况,说明这9个地理环境因子以及该线性模型较准确地反映了县域的经济状况。因此,本文利用这些因子探测其对县域经济水平的空间差异影响具有重要现实依据及科学意义。

显示原图| 下载原图ZIP| 生成PPT

图4 拟合人均GDP及实际人均GDP对比图

Fig. 4 The contrast of fitted per capita GDP and actual per capita GDP

4.2 地理环境因子对县域经济差异的影响

4.2.1 探测因子影响力分析

利用地理探测器得到地理环境因子对经济影响力的P_D_,_G值并排序（表3-4）。对于贫困县来说,水体比例、耕地比例之间的P_D_,_G值有显著差异,说明地形起伏度、山区比例、平均海拔、距中心城市距离、水体比例对贫困县的经济影响较大,而其余因子的影响力较小。同理,由表4可得耕地比例、水体比例、公路密度对富裕县经济水平有显著性影响,其余因子影响较小。

表3 贫困县地理环境因子P_D_,_G值排序

Tab. 3 The order of P_D_,_G value of geographical environmental factors in poor counties

地理环境因子	X4	X1	X3	X9	X2*	X5	X8	X6	X7
P_D_,_G	0.776	0.732	0.729	0.709	0.680	0.600	0.591	0.156	0.113

注：*标注的地理环境因子的P_D_,_G值显著区别于相邻地理环境因子的P_D_,_G值（显著性水平95%）

新窗口打开

表4 富裕县地理环境因子P_D_,_G值排序

Tab. 4 The order of P_D_,_G value of geographical environmental factors in affluent counties

地理环境因子	X5	X2	X8*	X4	X3	X9	X7	X6	X1
P_D_,_G	0.939	0.857	0.731	0.52	0.44	0.409	0.378	0.238	0.155

注：*标注的地理环境因子的P_D_,_G值显著区别于相邻地理环境因子的P_D_,_G值（显著性水平95%）

新窗口打开

从地理环境因子方面来说,由图5可得各因子对2种县域经济的影响力既有一致性也有差异性。耕地比例、水体比例及公路密度不管是对贫困县还是富裕县的影响力都较大,说明耕地作为国计民生的重要资源对经济发展起不容忽视的重要作用;而水资源与人类的生产、生活密切相关,充沛的水源一定程度上利于社会生产的正常运转及社会经济的持续发展;公路密集度影响各种资源的流通及区域之间的交流,从而影响经济发展。差异性表现为贫困县除了居民地密集度和铁路密度的影响力较低外其他因子的影响力差别不大,而富裕县各个因子间的影响力差别较大。

显示原图| 下载原图ZIP| 生成PPT

图5 地理环境因子P_D_,_G值折线图

Fig. 5 The P_D_,_G line diagram of geographical environmental factors

4.2.2 探测因子交互影响力分析

目前大多数的研究分析中都只考虑了单个因子对经济状况的影响,很少涉及因子之间对经济的交互影响力。针对该问题,本文利用交互探测器分析得到地理环境因子之间对县域经济差异的交互作用。从分析结果来看,不论是对贫困县还是富裕县,各个因子对县域经济的交互作用都是双因子增强型的,说明各因子对经济的影响存在一定的联系,而非完全独立的。

对于贫困县来说,距中心城市距离和其他因子以及地形起伏度和其他因子的交互作用为非线性增强,印证了区位条件和地貌条件对贫困县的经济发展有较大的影响力,偏远山区的经济发展受限于区位和地貌双重因子的强交互作用,使经济发展很难突破这种“先天不足”的魔咒。富裕县的结果表明公路密度和其他因子间存在非线性增强的交互作用,可见交通可达性对富裕县经济发展有极其重要的影响。

4.2.3 探测因子指示作用分析

风险探测器可以指示各环境因子各个分类类型对经济的影响,由此可得各环境因子最适宜经济发展的分类范围,对经济发展的适宜环境起到一定的指示作用。在探测影响力的基础上,本文根据风险探测器的结果总结了贫困县和富裕县各影响因子适宜经济发展的条件（表5-6）。贫困县大多位于偏远山区,因此平坦的地势、便利的交通是其经济发展的适宜环境状况。而对于富裕县来说,丰富的水资源及耕地资源、优越的交通区位有助于其经济发展。对比来看,2种县域适宜经济发展的地理环境情况不存在较大差异,说明平坦的地势、便利的交通、丰富的资源、优越的区位适合各种经济基础的县域发展,各县在经济建设的过程中需结合自身资源特点,扬长“改”短,突破经济发展的瓶颈。

表5 贫困县适宜经济发展的地理环境因子条件

Tab. 5 Suitable condition of geographical environmental factors for economic development in poor counties

环境因子	经济发展适宜范围	人均GDP/元
山区比例/%	0~20	9344
水体比例/%	8~10	8704
平均海拔/m	100~150	9199
地形起伏度/°	16~18	9051
耕地比例/%	15~20	8802
居民地密集度/km²	130 000~140 000	9746
铁路密度/(km/km²)	0.009~0.015	9924
公路密度/(km/km²)	0.1~0.11	9319
距中心城市距离/km	0.565~0.751	8684

新窗口打开

表6 富裕县地理环境因子适宜经济发展的条件

Tab. 6 Suitable condition of geographical environment factors for economic development in affluent counties

环境因子	经济发展适宜范围	人均GDP/元
山区比例/%	0~20	30 820
水体比例/%	27~31	30 654
平均海拔/m	0~80	31 071
地形起伏度/°	10~12	32 5612
耕地比例/%	50~60	20 654
居民地密集度/km²	120 000~130 000	30 654
铁路密度/(km/km²)	0.038~0.054	30 8012
公路密度/(km/km²)	0.25~0.1	30 654
距中心城市距离/km	0.253~0.565	28 090

新窗口打开

4.3 主导影响因子及经济发展策略分析

县域经济差异可能受单个或多个主导因子的影响,根据3.2节的分析可得贫困县和富裕县经济差异都同时受多个主导因子的影响。由影响力大小、影响显著性、交互影响力分析得到贫困县的主导影响因子为地形起伏度、山区比例、平均海拔和距中心城市距离,影响力分别是0.776、0.732、0.729、0.709;富裕县的主导影响因子为耕地比例、水体比例、公路密度,影响力分别是0.939、0.857、0.731。因此将贫困县经济差异影响因素类型归纳为自然条件及地理区位型,富裕县则为资源丰度及交通区位型。针对不同的经济差异影响类型,在制定区域发展方针策略时应有所侧重,根据区域主导影响因子,改善发展条件,突破发展瓶颈。贫困县应结合土地条件发展富硒大米、苎麻、野生稻、贡米、脐橙等特色农业;加强基础设施建设,为居民提供更好的交通、医疗等服务;实行生态补偿发展机制;对偏远山区、环境恶劣地区实行移民政策。富裕县要重点加强区域间交通建设以便于资源、资本的快速流通;整合资源,优化产业结构;加强土地的承载力和生产力,优化土地利用结构;加强水利设施建设,为生产生活提供充沛的水源;引进先进科学技术,提高生产效率;增加合理的优惠政策,促进经济加速发展。

表7 2种县域类型经济差异主导影响因子及经济发展策略

Tab. 7 Leading influencial factors of economy difference and strategies of economic development in two county types

县域类型	主导影响因子	经济差异影响因素类型	经济发展策略
贫困县	地形起伏度、山区比例、平均海拔、距中心城市距离	自然条件及地理区位型	发展特色农业;加强基础设施及交通设施建设;生态补偿机制;异地搬迁
富裕县	耕地比例、水体比例、公路密度	资源丰度及交通区位型	加强交通、水利设施建设;优化产业及土地利用结构;引进科学技术;增加优惠政策;完善公共服务建设

新窗口打开

5 结论与讨论

本文综合利用空间化表达、空间叠置、多元回归模型、地理探测器模型等方法探测分析了地理环境因子对江西省典型贫困县及富裕县经济差异的影响,深化了对影响因子的分析。根据探测结果对比了2种县域类型经济差异的主导影响因子,并将其归纳为2种典型的经济差异影响因素类型,而后针对不同类型提出对应的经济发展策略,对于区域发展方针的制定具有一定的参考及借鉴意义。具体结论如下：

（1）9个地理环境因子对2种县域经济均有影响,不同类型县域的主导影响因子及不同因子对同一类型县域的影响力均存在差异。

（2）贫困县经济差异的主导影响因子为地形起伏度、山区比例、平均海拔、距中心城市距离;富裕县经济差异主导影响因子为耕地比例、水体比例、公路密度。2类县域经济主导影响力及交互影响力的变化情况,反映了不同经济基础县城发展的核心影响因素的变化情况,即由县域自身自然地理环境条件逐步向交通区位、人力资源条件等外部可控因素的变化趋势。

（3）部分地理环境因子对县域经济的交互作用为非线性增强型,因此在制定区域发展政策时应尤其注重影响因子的交互作用性。合理地调整强交互作用因素在很大程度上可得到非常显著的经济增长效果。

（4）为提高经济水平,统筹区域协调发展,应根据区域经济主导影响因素及经济发展阶段因地制宜,实行分类精准施策,增强经济发展策略的有效性及高效性。

本文初步探讨了影响江西典型贫困县和富裕县县域经济差异的地理环境因子及其具体作用力度,但实际上影响因子远远多于这9项。由于数据获取的限制本文未能对人力资源、资本等影响因子做出分析,同时也未考虑影响因子作用力随时间的变化情况,这2方面将是下一步深入探索研究的问题。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	刘清春. 经济增长中地理要素作用的空间计量经济分析 [D].上海:华东师范大学,2007:20-39. [本文引用: 3] [ Liu Q C. Impact of geographic factors on economic growth with spatial econometrics method [D]. Shanghai: East China Normal University, 2007:20-39. ] [本文引用: 3]
[2]	Krugman P. First nature, second nature, and metropolitan location [J]. Journal of regional science, 1993,33(2):129-144. https://doi.org/10.1111/j.1467-9787.1993.tb00217.x URL [本文引用: 2] 摘要 Abstract ABSTRACT. Economies of scale, transportation costs, and factor mobility can interact to produce agglomerations even in the absence of any pure external economies. This paper offers a monopolistic competition model of a city that serves an agricultural hinterland; unlike most analyses in location theory, the model is fully general equilibrium, but it has strong links to older concepts in geography, notably the idea of “market potential.” The analysis shows that the forward and backward linkages that hold a population concentration together also allow that concentration to occur in a variety of possible sites—that is, there are multiple equilibria (indeed a continuum) for metropolitan location.
[3]	吴殿廷. 试论中国经济增长的南北差异 [J].地理研究,2001,20(2):238-246. [本文引用: 1] [ Wu D T. A study on North-South differences in economic growth [J]. Geographical Research, 2001,20(2):238-246. ] [本文引用: 1]
[4]	Olivia S, Gibson J, Rozelle S, et al. Mapping poverty in rural China: How much does the environment matter? [J]. Environment and Development Economics, 2011,16(2):129-153. https://doi.org/10.1017/S1355770X10000513 URL [本文引用: 1] 摘要 A recently developed small area estimation technique is used to geographically derive detailed estimates of consumption-based poverty and inequality in rural Shaanxi, China. These estimates may be helpful for targeting since there is wide variability in poverty rates within Shaanxi but low levels of inequality within most counties and townships. We also investigate whether including environmental variables in the equation used to predict consumption and poverty improves upon typical approaches that only use household survey and census data. Ignoring environmental variables appears likely to produce targeting errors.
[5]	赵檐瑾. 山西省县域经济发展时空格局演变研究 [D].西安:陕西师范大学,2012:31-43. [本文引用: 1] [ Zhao Y J. A study on the evolution of spatial and temporal patterns of county economy in Shanxi Province[D]. Xi'an: Shanxi Normal University, 2012:31-43. ] [本文引用: 1]
[6]	王晓玲,周国富. 山西省县域经济发展差异的时空演化分析 [J].地域研究与开发,2013,32(3):32-37. Magsci [本文引用: 1] 摘要利用核密度估计方法和探索性空间数据分析方法，以山西省107个县域为基本的研究对象，采用2000—2011年的县域人均GDP数据，定量分析了这12年间山西省县域经济的时变特征、空间相关性及其演化趋势。结果显示：山西省县域经济发展总体水平较低，县域经济发展差异显著；晋南地带的经济发展水平明显高于晋北和晋中地带，县域经济发展表现出一定程度的集聚，但远未形成能够带动县域经济发展的稳定的核心区域。在晋北和晋中地带没有出现以大同、太原等盆地县域为中心的带动经济发展的核心县域集聚群，仅在晋南地带出现了以临汾等盆地县域为中心的较高发展水平的县域集聚群；县域经济增长的热点区域自2004年趋于消失，县域经济增长的空间差异比较突出，没有形成增长集聚区域。 [ Wang X L, Zhou G F. Analysis of spatio-temporal evolution of Shanxi county-level economic development disparities [J]. Areal Research and Development, 2013,32(3):32-37. ] Magsci [本文引用: 1] 摘要利用核密度估计方法和探索性空间数据分析方法，以山西省107个县域为基本的研究对象，采用2000—2011年的县域人均GDP数据，定量分析了这12年间山西省县域经济的时变特征、空间相关性及其演化趋势。结果显示：山西省县域经济发展总体水平较低，县域经济发展差异显著；晋南地带的经济发展水平明显高于晋北和晋中地带，县域经济发展表现出一定程度的集聚，但远未形成能够带动县域经济发展的稳定的核心区域。在晋北和晋中地带没有出现以大同、太原等盆地县域为中心的带动经济发展的核心县域集聚群，仅在晋南地带出现了以临汾等盆地县域为中心的较高发展水平的县域集聚群；县域经济增长的热点区域自2004年趋于消失，县域经济增长的空间差异比较突出，没有形成增长集聚区域。
[7]	Black D, Henderson V. A theory of urban growth [J]. Journal of political economy, 1999,107(2):252-284. https://doi.org/10.1086/250060 URL [本文引用: 1] 摘要 In an economy experiencing endogenous economic growth and exogenous population growth, we explore two main themes: how urbanization affects efficiency of the growth process and how growth affects patterns of urbanization. Localized information spillovers promote agglomeration and human capital accumulation and fosters endogenous growth. Individual city sizes grow with local human capital accumulation and knowledge spillovers; and city with empirical evidence. We analyze whether local governments can successfully internalize local dynamic externalities. In addition, we explore how growth involves real income differences across city types and how urbanization can foster income inequality.
[8]	Démurger S, Sachs J D, Woo W T, et al. Geography, economic policy, and regional development in China [J]. Asian Economic Papers, 2002,1(1):146-197. https://doi.org/10.2139/ssrn.286672 URL [本文引用: 1] 摘要 Many studies of regional disparity in China have focused on the preferential policies received by the coastal provinces. We decomposed the location dummies in p
[9]	鲁凤,徐建华. 基于二阶段嵌套锡尔系数分解方法的中国区域经济差异研究 [J].地理科学,2005,25(4):19-25. https://doi.org/10.3969/j.issn.1000-0690.2005.04.003 URL [本文引用: 1] 摘要用锡尔系数对1978年以来中国区域经济差异水平进行定量测度。在此基础上,基于三大地带———省(直辖市、自治区)、地区(市、区、自治州)三级结构的地域行政单元,运用二阶段嵌套锡尔系数分解方法对中国区域经济差异进行定量测度,将中国地区差异分解为东、中、西三大地带间的差异和三大地带内省间的差异以及各省区的省内差异,发现省内差异对于中国整体区域差异的影响较三大地带间差异和三大地带内省间差异显著得多,是构成全国整体区域差异的重要组成部分。 [ Lu F, Xv J H. Chinese regional economic inequalities based on the two-stage nested Theil decom position method [J]. Scientia Geographica Sinica, 2005,25(4):19-25. ] https://doi.org/10.3969/j.issn.1000-0690.2005.04.003 URL [本文引用: 1] 摘要用锡尔系数对1978年以来中国区域经济差异水平进行定量测度。在此基础上,基于三大地带———省(直辖市、自治区)、地区(市、区、自治州)三级结构的地域行政单元,运用二阶段嵌套锡尔系数分解方法对中国区域经济差异进行定量测度,将中国地区差异分解为东、中、西三大地带间的差异和三大地带内省间的差异以及各省区的省内差异,发现省内差异对于中国整体区域差异的影响较三大地带间差异和三大地带内省间差异显著得多,是构成全国整体区域差异的重要组成部分。
[10]	Barro R J, Sala-i-Martinx. Convergence [J]. Journal of Political Economy, 1992,100(2):223-251. https://doi.org/10.1086/261816 URL [本文引用: 1]
[11]	Chen J, Fleisher B M. Regional income inequality and economic growth in China [J]. Journal of Comparative Economics,1996,22(2):141-164. https://doi.org/10.1006/jcec.1996.0015 URL [本文引用: 1] 摘要 Using an augmented Solow growth model with cross section and panel data, we find evidence of conditional convergence of per capita production across China's provinces from 1978 to 1993. Convergence is conditional on physical investment share, employment growth, human-capital investment, foreign direct investment, and coastal location. We project that, in the near term, overall regional inequality as measured by the coefficient of variation is likely to decline modestly but that the coast/noncoast income differential is likely to increase somewhat. We evaluate alternative policies to reduce the coast oncoast income differential and conclude focusing solely on investment by rural collectives is insufficient.
[12]	刘彦随,杨忍. 中国县域城镇化的空间特征与形成机理 [J].地理学报,2012,67(8):1011-1020. [本文引用: 1] [ Liu Y S, Yang R. The spatial characteristics and formation mechanism of the county urbanization in China [J]. Acta Geographica Sinica, 2012,67(8):1011-1020. ] [本文引用: 1]
[13]	Amarasinghe U, Samad M, Anputhas M. Spatial clustering of rural poverty and food insecurity in Sri Lanka [J]. Food Policy, 2005,30(5):493-509. https://doi.org/10.1016/j.foodpol.2005.09.006 URL [本文引用: 1] 摘要 We mapped poverty, with reference to a nutrition-based poverty line, to analyse its spatial clustering in Sri Lanka. We used the Divisional Secretariat poverty map, derived by combining the principal component analysis and the synthetic small area estimation technique, as the data source. Two statistically significant clusters appear. One cluster indicates that low poverty rural areas cluster around a few low poverty urban areas, where low agricultural employment and better access to roads are key characteristics. The other indicates a cluster of high poverty rural areas, where agriculture is the dominant economic activity, and where spatial clustering is associated with factors influencing agricultural production. Agricultural smallholdings are positively associated with spatial clustering of poor rural areas. In areas where water availability is low, better access to irrigation significantly reduces poverty. Finally, we discuss the use of poverty mapping for effective policy formulation and interventions for alleviating poverty and food insecurity.
[14]	曲玮,涂勤,牛叔文,等. 自然地理环境的贫困效应检验——自然地理条件对农村贫困影响的实证分析 [J].中国农村经济,2012(2):21-34. URL [本文引用: 1] 摘要本文从发展经济学和经济地理学双重角度讨论自然地理环境对贫困的影响，即自然地理环境的贫困效应，利用2000-2006年甘肃省51个扶贫开发重点县的面板数据进行实证分析。回归结果显示，经济社会发展在很大程度上能缓解由不利的自然地理环境对贫困造成的负面影响，但是，自然地理环境制约仍然是导致贫困的重要因素之一。政府通过合理的政策设计，充分利用贫困地区现有资源，可以在一定程度上减缓贫困的发生。 [ Qu W, Tu Q, Niu S W, et al. Poverty effects of natural geographical environment - an empirical analysis of the impact of natural geography on rural poverty [J]. Rural Economy of China, 2012(2):21-34. ] URL [本文引用: 1] 摘要本文从发展经济学和经济地理学双重角度讨论自然地理环境对贫困的影响，即自然地理环境的贫困效应，利用2000-2006年甘肃省51个扶贫开发重点县的面板数据进行实证分析。回归结果显示，经济社会发展在很大程度上能缓解由不利的自然地理环境对贫困造成的负面影响，但是，自然地理环境制约仍然是导致贫困的重要因素之一。政府通过合理的政策设计，充分利用贫困地区现有资源，可以在一定程度上减缓贫困的发生。
[15]	刘清春,王铮. 中国区域经济差异形成的三次地理要素 [J].地理研究,2009,28(2):430-440. [本文引用: 1] [ Liu Q C, Wang Z. Research on geographical elements of economic difference in China [J]. Geographical Research, 2009,28(2):430-440. ] [本文引用: 1]
[16]	Demurger S, Dsachs J, Woo W T, et al. The relative contributions of location and preferential policies in China's regional development: being in the right place and having the right incentives [J]. China Economic Review, 2002,13(4):444-465. https://doi.org/10.1016/S1043-951X(02)00102-5 URL [本文引用: 1] 摘要 A large part of the literature on provincial inequality in China has found it necessary to include regional dummies in the provincial growth regressions. A smaller but vocal part of the literature has emphasised the granting of preferential policies to explain the faster growth of the coastal provinces. We replace the regional dummies with a measure of the ability to participate in international trade ( Geography ), and a preferential policy index ( Policy ). We find that geography and policy had about equal influence on coastal growth (3 percentage points each). Geography affected growth with a much longer lag than policy, however. The policy index was highest for the metropolises (Beijing, Shanghai, and Tianjin) and lowest for the central and northwestern provinces. The preferential policies are to a large extent “deregulation policies” that enabled marketization and internationalization of the coastal economies and allowed them to become more like their East Asian neighbours (and competitors). The weak (statistically insignificant) support for conditional convergence is in line with the existence of institutions that retard the income convergence process generated by the movement of labor and capital and by the Stolper–Samuelson mechanism. The household registration system ties the peasants to the land, the monopoly state bank system favors borrowing by state enterprises, and local protectionism reduces inter-provincial trade. Clearly, these institutions need to be deregulated. An effective strategy to develop the western provinces must therefore encompass physical capital formation, human capital formation, and institutional capital formation.
[17]	韩德军,朱道林. 贵州省土地利用与区域经济耦合关系分析 [J].农业工程学报,2012,28(15):1-8. https://doi.org/10.3969/j.issn.1002-6819.2012.15.001 URL Magsci [本文引用: 1] 摘要为了解决《全国主体功能区规划》实施后生态脆弱区经济发展与生态环境保护存在的突出矛盾，该文以贵州省为例分析土地利用与区域经济发展之间的耦合关系，并有针对性给出不同地区土地利用建议。该文采用因子分析法，选取能够体现城乡统筹关系的土地系统和区域经济系统动态机制的评价指标体系（包括28个指标）构建耦合关系模型，将存在耦合关系的指标进行归类并提取公因子，最后对研究区土地利用与区域经济耦合程度进行评价，并基于空间分区对贵州省各地区的耦合程度差异原因加以分析。研究结果表明，贵州省各地区土地利用与区域经济之间存在很强的耦合关系，区域经济发展不同的方面受到不同土地利用因素驱动，而经济因素也通过不同方式对土地利用产生影响。 [ Han D J, Zhu D L. Coupling relationship analysis of land use and regional economy in Guizhou province [J]. Transactions of the Chinese Society of Agricultural Engineering, 2012,28(15):1-8. ] https://doi.org/10.3969/j.issn.1002-6819.2012.15.001 URL Magsci [本文引用: 1] 摘要为了解决《全国主体功能区规划》实施后生态脆弱区经济发展与生态环境保护存在的突出矛盾，该文以贵州省为例分析土地利用与区域经济发展之间的耦合关系，并有针对性给出不同地区土地利用建议。该文采用因子分析法，选取能够体现城乡统筹关系的土地系统和区域经济系统动态机制的评价指标体系（包括28个指标）构建耦合关系模型，将存在耦合关系的指标进行归类并提取公因子，最后对研究区土地利用与区域经济耦合程度进行评价，并基于空间分区对贵州省各地区的耦合程度差异原因加以分析。研究结果表明，贵州省各地区土地利用与区域经济之间存在很强的耦合关系，区域经济发展不同的方面受到不同土地利用因素驱动，而经济因素也通过不同方式对土地利用产生影响。
[18]	张佰林,杨庆媛,鲁春阳,等. 不同经济发展阶段区域土地利用变化及对经济发展的影响——以重庆市40 个区县为例 [J].经济地理,2011,31(9):1539-1544. URL [本文引用: 1] 摘要运用重庆市40区县1998-2008年社会经济数据和土地利用变更调查数据，根据经济发展阶段理论，将重庆市在空间上划分为工业化中期向后期过渡（I）、工业化中期加速发展（Ⅱ）、工业化初期向中期过渡（Ⅲ）三大经济发展阶段区域，探讨各区域土地利用变化及对经济发展的影响。结果表明：①重庆市经济发展水平区域差异显著，随着时间的推移，经济要素逐渐扩散，多数区县进入Ⅱ区域，Ⅲ区域逐渐缩小至渝东边远地区；②工业化由Ⅲ阶段向Ⅱ阶段演变进程中，土地利用变化日趋强烈，当工业化进入I阶段时，土地利用变化趋于缓和。土地产出率在Ⅱ阶段增长最快。区域土地产出率的演变规律与其土地利用变化相吻合，具有随工业化进程呈“倒u型”演变的特点。③承载性功能土地对经济发展的贡献高于生产性功能土地，且伴随经济的发展，贡献的差距逐渐拉大。研究认为，处于不同经济发展阶段的区域应采取不同的土地利用调控措施，使各类土地供给与区域所承载的经济要素相适应，以更好地满足区域的主体功能对土地供给的合理需求。 [ Zhang B L, Yang Q Y, Lu C Y, et al. Effect on economic development of regional land use change in different development phase: Forty counties in Chongqing as the research object [J].Economic Geography, 2011,31(9):1539-1544. ] URL [本文引用: 1] 摘要运用重庆市40区县1998-2008年社会经济数据和土地利用变更调查数据，根据经济发展阶段理论，将重庆市在空间上划分为工业化中期向后期过渡（I）、工业化中期加速发展（Ⅱ）、工业化初期向中期过渡（Ⅲ）三大经济发展阶段区域，探讨各区域土地利用变化及对经济发展的影响。结果表明：①重庆市经济发展水平区域差异显著，随着时间的推移，经济要素逐渐扩散，多数区县进入Ⅱ区域，Ⅲ区域逐渐缩小至渝东边远地区；②工业化由Ⅲ阶段向Ⅱ阶段演变进程中，土地利用变化日趋强烈，当工业化进入I阶段时，土地利用变化趋于缓和。土地产出率在Ⅱ阶段增长最快。区域土地产出率的演变规律与其土地利用变化相吻合，具有随工业化进程呈“倒u型”演变的特点。③承载性功能土地对经济发展的贡献高于生产性功能土地，且伴随经济的发展，贡献的差距逐渐拉大。研究认为，处于不同经济发展阶段的区域应采取不同的土地利用调控措施，使各类土地供给与区域所承载的经济要素相适应，以更好地满足区域的主体功能对土地供给的合理需求。
[19]	江西省统计局.江西统计年鉴2011[M].北京:中国统计出版社,2011: 586-630. [本文引用: 2] [ Statistic Bureau of Jiangxi Province. Jiangxi Statistical Yearbook 2011[M]. Beijing: China Statistics Press, 2011:586-630. ] [本文引用: 2]
[20]	薛薇. SPSS 统计分析方法及应用[M].北京:电子工业出版社,2004:219-235. [本文引用: 1] [ Xue W.SPSS statistical analysis method and application[M]. Beijing: Electronic Industry Press, 2004:219-235. ] [本文引用: 1]
[21]	Wang J F, Li X H, Christakos G, et al. Geographical detectors-Based health risk assessment and its application in the neural tube defects study of the Heshun Region, China [J]. International Journal of Geographical Information Science, 2010,24(1):107-127. https://doi.org/10.1080/13658810802443457 URL [本文引用: 1] 摘要 Physical environment, man‐made pollution, nutrition and their mutual interactions can be major causes of human diseases. These disease determinants have distinct spatial distributions across geographical units, so that their adequate study involves the investigation of the associated geographical strata. We propose four geographical detectors based on spatial variation analysis of the geographical strata to assess the environmental risks of health: the risk detector indicates where the risk areas are; the factor detector identifies factors that are responsible for the risk; the ecological detector discloses relative importance between the factors; and the interaction detector reveals whether the risk factors interact or lead to disease independently. In a real‐world study, the primary physical environment (watershed, lithozone and soil) was found to strongly control the neural tube defects (NTD) occurrences in the Heshun region (China). Basic nutrition (food) was found to be more important than man‐made pollution (chemical fertilizer) in the control of the spatial NTD pattern. Ancient materials released from geological faults and subsequently spread along slopes dramatically increase the NTD risk. These findings constitute valuable input to disease intervention strategies in the region of interest.
[22]	Wang J F, Hu Y. Environmental health risk detection with GeogDetector [J]. Environmental Modelling & Software,2012,33(2012):114-115. https://doi.org/10.1016/j.envsoft.2012.01.015 URL [本文引用: 1] 摘要 Human health is affected by many environmental factors. Geographical detector is software based on spatial variation analysis of the geographical strata of variables to assess the environmental risks to human health: the risk detector indicates where the risk areas are; the factor detector identifies which factors are responsible for the risk; the ecological detector discloses the relative importance of the factors; and the interaction detector reveals whether the risk factors interact or lead independently to disease.
[23]	王劲峰,徐成东. 地理探测器:原理与展望 [J].地理学报,2017,72(1):116-134. https://doi.org/10.11821/dlxb201701010 URL [本文引用: 1] 摘要空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是：假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。 [ Wang J F, Xv C D. Geodetector: principle and prospective [J]. Acta Geographica Sinica,2017,72(1):116-134. ] https://doi.org/10.11821/dlxb201701010 URL [本文引用: 1] 摘要空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是：假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。
[24]	丁悦,蔡建明,任周鹏,等. 基于地理探测器的国家级经济技术开发区经济增长率空间分异及影响因素 [J].地理科学进展,2014,33(5):657-666. https://doi.org/10.11820/dlkxjz.2014.05.007 URL Magsci [本文引用: 1] 摘要建设国家级经济技术开发区（经开区）是中国扩大对外开放和促进区域发展的重要政策。历经30年多发展，国家级经开区已遍布全国，其个体间的发展差异也由于不同的动力机制而日趋显著。认识和探讨国家级经开区经济增长率的空间分异及其核心影响因素，对因地制宜制定发展策略、引导开发区高效发展具有重要意义。运用变异系数和地理探测器方法，分析2010年国家级经开区经济增长率的空间分异，并探测了其核心影响因素。结果表明：① 总体上，国家级经开区经济增长率在东中西三大区差异显著，呈现出高低高的U型格局；② 个体上，国家级经开区经济增长率在三大区内部存在不同分异特征，其中西部分异度最大、东部次之、中部最小；③ 探测因子决定力显示，主导三大地区国家级经开区经济增长率的核心要素明显不同；在所选出的5大核心影响因素中，中西东三大区呈现出由开发区内在因子主导向城市和区域性外在因子主导的转变趋势；④ 国家级经开区经济增长率及核心影响因素在三大区间的分异特征，一定程度上反映了开发区生命周期阶段性的演变规律。由此建议：近期内，中西部国家级经开区仍应聚焦于改进其自身发展要素；而从长远看，城市性和区域性的外部因子对经开区的影响将变得日益重要，亦即是经开区的未来发展将越来越依赖于与其所在城市和区域的有效融合。 [ Ding Y, Cai J M, Ren Z P, et al. Spatial disparities of economic growth rate of China's National-level ETDZs and their determinants based on geographical detector analysis [J]. Progress in Geography, 2014,33(5):657-666. ] https://doi.org/10.11820/dlkxjz.2014.05.007 URL Magsci [本文引用: 1] 摘要建设国家级经济技术开发区（经开区）是中国扩大对外开放和促进区域发展的重要政策。历经30年多发展，国家级经开区已遍布全国，其个体间的发展差异也由于不同的动力机制而日趋显著。认识和探讨国家级经开区经济增长率的空间分异及其核心影响因素，对因地制宜制定发展策略、引导开发区高效发展具有重要意义。运用变异系数和地理探测器方法，分析2010年国家级经开区经济增长率的空间分异，并探测了其核心影响因素。结果表明：① 总体上，国家级经开区经济增长率在东中西三大区差异显著，呈现出高低高的U型格局；② 个体上，国家级经开区经济增长率在三大区内部存在不同分异特征，其中西部分异度最大、东部次之、中部最小；③ 探测因子决定力显示，主导三大地区国家级经开区经济增长率的核心要素明显不同；在所选出的5大核心影响因素中，中西东三大区呈现出由开发区内在因子主导向城市和区域性外在因子主导的转变趋势；④ 国家级经开区经济增长率及核心影响因素在三大区间的分异特征，一定程度上反映了开发区生命周期阶段性的演变规律。由此建议：近期内，中西部国家级经开区仍应聚焦于改进其自身发展要素；而从长远看，城市性和区域性的外部因子对经开区的影响将变得日益重要，亦即是经开区的未来发展将越来越依赖于与其所在城市和区域的有效融合。
[25]	Yang R, Liu Y, Long H, et al. Spatio-temporal characteristics of rural settlements and land use in the Bohai Rim of China [J]. Journal of Geographical Sciences, 2015,25(5):559-572. https://doi.org/10.1007/s11442-015-1187-6 URL [本文引用: 1] 摘要 Based on multiple remote-sensing image interpretation and classification, and economic and social data, this study focused on rural settlement and land use change amidst rapid urbanization. Rural settlements, spatial and temporal patterns of land use and influencing factors in the Bohai Rim were explored within 5 5 km grid cells, as per GIS spatial analysis and geostatistical analysis. Results show that the spatial distribution of rural settlements in the Bohai Rim is remarkably varied. The number of rural settlement sites in a 5 5 km grid cell exceeding 5.0 are distributed in a six-area pattern in the Bohai Rim; rural settlement dispersion is particularly high in agricultural regions in south Hebei and southwest Shandong, suggesting rural settlement density keeps increasing from northeast to southwest, characterized by high density and dispersed spatial distribution in traditional agricultural regions. Furthermore, rural settlements show dramatic spatial differences in terms of distribution and dynamic change degrees in the Bohai Rim. In terms of spatial distribution, rural residential land is always extensive in plains, with a high density of rural settlements, on the North China Plain in particular, and rural residential land in the south of Shandong province is also extensive, with most rural settlement land use areas in the 5 5 km grid cells exceeding 3 km 2 . However, traditional agricultural regions have underdeveloped economies, industrialization and tertiary industries, characterized by low urbanization rates, with farmers not feeling assimilated in rural or urban areas. In terms of the temporal sequence, urban expansion rapidly promotes the transformation of rural residential lands in rural-urban transitional belts of provincial capital or prefecture-level city into urban lands, and in traditional rural areas, residential lands are growing. The natural environment, transportation conditions, economic development and farmers incomes all have effects on type of land use change and pattern of rural settlements. It is a core objective for future rural development to reconstruct a rational spatial pattern of villages or towns and well-organized village-town systems, build central villages, key towns or central towns, optimize or reconstruct production, living and eco-space of rural areas. It is of significance for rural geographical research to further interpret and explore spatial reconstruction theory.
[26]	杨忍,刘彦随,龙花楼,等. 基于格网的农村居民点用地时空特征及空间指向性的地理要素识别——以环渤海地区为例 [J].地理研究,2015,34(6):1077-1087. https://doi.org/10.11821/dlyj201506007 URL [本文引用: 1] 摘要科学辨识农村居民点演变特征及其空间指向性机理,将丰富乡村地理学及村庄规划学科的研究内容。以农村居民点用地矢量数据为基础,集成格网统计、地理探测器和Logistic回归等研究方法,定量识别环渤海地区农村居民点时空地域格局及空间指向性特征。主要结论如下:1农村聚落密度和分散程度自东北向西南逐渐增加,传统农区乡村聚落密度较高。2黄淮海、鲁南等传统农区,大多农民处于"城乡双漂"的生计状态,助推农村聚落用地持续扩张,在5 km×5 km网格单元内,农村居民点用地面积多数超过3 km2。3中心地城市的持续外扩,外围农村居民点用地类型随之转变消失。4农村聚落的空间分布呈现出一定的交通指向、中心地指向、耕地资源禀赋指向、环境宜居地域指向等指向性特征。 [ Yang R, Liu Y S, Long H L, et al. Spatial-temporal characteristics of rural residential land use change and spatial directivity identification based on grid in the Bohai Rim in China [J]. Geographical Research, 2015,34(6):1077-1087. ] https://doi.org/10.11821/dlyj201506007 URL [本文引用: 1] 摘要科学辨识农村居民点演变特征及其空间指向性机理,将丰富乡村地理学及村庄规划学科的研究内容。以农村居民点用地矢量数据为基础,集成格网统计、地理探测器和Logistic回归等研究方法,定量识别环渤海地区农村居民点时空地域格局及空间指向性特征。主要结论如下:1农村聚落密度和分散程度自东北向西南逐渐增加,传统农区乡村聚落密度较高。2黄淮海、鲁南等传统农区,大多农民处于"城乡双漂"的生计状态,助推农村聚落用地持续扩张,在5 km×5 km网格单元内,农村居民点用地面积多数超过3 km2。3中心地城市的持续外扩,外围农村居民点用地类型随之转变消失。4农村聚落的空间分布呈现出一定的交通指向、中心地指向、耕地资源禀赋指向、环境宜居地域指向等指向性特征。
[27]	李媛媛,徐成东,肖革新,等. 京津唐地区细菌性痢疾社会经济影响时空分析 [J].地球信息科学学报,2016,18(12):1615-1623. https://doi.org/10.3724/SP.J.1047.2016.01615 URL [本文引用: 1] 摘要细菌性痢疾是常见疾病,也是备受关注的公共健康问题.近年来,京津唐地区的细菌性痢疾发病率相对较高.本文首先分析了2012年京津唐地区细菌性痢疾的季节性和人群特征;其次,使用热点分析模型,探索了京津唐地区细菌性痢疾发病率的时空聚集性;最后,运用地理探测器模型研究了细菌性痢疾的发生和社会经济因素之间的量化关系.结果表明:①细菌性痢疾发病的峰值时间是8月;发病率最高的年龄段是0-9岁,其次是80岁以上;农民群体发病率最高,其次是散居儿童.②京津唐地区细菌性痢疾在空间和时间上都存在聚集性.空间上,细菌性痢疾发病率的高聚集区主要分布于北京市的房山区及门头沟区和天津市的滨海新区,低聚集区主要分布于唐山市的滦县,时间上,细菌性痢疾发病率的高聚集区在12个月均有发生,低聚集区主要发生在1-4月以及6月.③影响细菌性痢疾发病率空间分布的主要社会经济因素为农村人口占总人口的比例、人口密度和各区县的人均GDP,它们的解释力分别为61%,37%和20%,并且发现它们的交互作用都大于独自影响的作用.本研究通过对京津唐地区细菌性痢疾发病情况的人群特征、时空特征以及影响因素的分析,为本地区细菌性痢疾的预防和控制提供理论依据. [ Li Y Y, Xv C D, Xiao G X, et al. Spatial-temporal analysis of social-economic factors of bacillary dysentery in Beijing-Tianjin-Tangshan, China [J]. Journal of Geo-information Science, 2016,18(12):1615-1623. ] https://doi.org/10.3724/SP.J.1047.2016.01615 URL [本文引用: 1] 摘要细菌性痢疾是常见疾病,也是备受关注的公共健康问题.近年来,京津唐地区的细菌性痢疾发病率相对较高.本文首先分析了2012年京津唐地区细菌性痢疾的季节性和人群特征;其次,使用热点分析模型,探索了京津唐地区细菌性痢疾发病率的时空聚集性;最后,运用地理探测器模型研究了细菌性痢疾的发生和社会经济因素之间的量化关系.结果表明:①细菌性痢疾发病的峰值时间是8月;发病率最高的年龄段是0-9岁,其次是80岁以上;农民群体发病率最高,其次是散居儿童.②京津唐地区细菌性痢疾在空间和时间上都存在聚集性.空间上,细菌性痢疾发病率的高聚集区主要分布于北京市的房山区及门头沟区和天津市的滨海新区,低聚集区主要分布于唐山市的滦县,时间上,细菌性痢疾发病率的高聚集区在12个月均有发生,低聚集区主要发生在1-4月以及6月.③影响细菌性痢疾发病率空间分布的主要社会经济因素为农村人口占总人口的比例、人口密度和各区县的人均GDP,它们的解释力分别为61%,37%和20%,并且发现它们的交互作用都大于独自影响的作用.本研究通过对京津唐地区细菌性痢疾发病情况的人群特征、时空特征以及影响因素的分析,为本地区细菌性痢疾的预防和控制提供理论依据.
[28]	Wang J F, Zhang T L, Fu B J. A measure of spatial stratified heterogeneity [J]. Ecological Indicators, 2016,67:250-256. https://doi.org/10.1016/j.ecolind.2016.02.052 URL [本文引用: 1] 摘要 Spatial stratified heterogeneity, referring to the within-strata variance less than the between strata-variance, is ubiquitous in ecological phenomena, such as ecological zones and many ecological variables. Spatial stratified heterogeneity reflects the essence of nature, implies potential distinct mechanisms by strata, suggests possible determinants of the observed process, allows the representativeness of observations of the earth, and enforces the applicability of statistical inferences. In this paper, we propose a q -statistic method to measure the degree of spatial stratified heterogeneity and to test its significance. The q value is within [0,1] (0 if a spatial stratification of heterogeneity is not significant, and 1 if there is a perfect spatial stratification of heterogeneity). The exact probability density function is derived. The q -statistic is illustrated by two examples, wherein we assess the spatial stratified heterogeneities of a hand map and the distribution of the annual NDVI in China.

经济增长中地理要素作用的空间计量经济分析

2007

... 由于各地区的自然地理环境、地理区位、经济发展基础、社会人文政策等条件的差异,导致经济发展的水平与速度在不同地区存在较大差异,在空间上表现为区域经济的不均衡发展即区域经济差异^[1,2].长期以来区域经济差异是各国学者关注的热点问题,针对该问题主要有以下研究：区域经济差异的时空现状分析^[3]、实例验证分析^[4]、格局演化分析^[5,6]、影响因素分析^[7,8]以及分析方法的改进发展^[9]. ...

... 多年来,各国学者对经济差异影响因子进行了大量研究.Krugman^[2]提出影响区域经济差异的 2大要素：自然地理要素和交通区位要素.自然地理要素包括地形、地貌、气候、水资源等,它对区域经济发展有着长期而深远的影响,一个区域的生产发展离不开其所在的地理环境,其资本累积速度及产业发展形式在很大程度上取决于自然地理环境,因此区域间地理环境的差异可导致经济差异.Amarasinghe^[13]的研究有力地证明了该理论,表现为自然条件越恶劣的农村地区贫困率越高.另外,交通区位要素是经济发展的桥梁和纽带,交通的便利性以及区位的优越性影响区域内部及区域间生产资源的流动、分布、调用,直接影响第二、第三产业的分布规模和范围^[1],从而导致区域经济差异.针对这一影响要素,曲玮等^[14]通过构建回归模型探测了甘肃农村地区贫困状况与交通区位的关系,结果表明地理区位及交通条件极大地影响了贫困发生率,往往越贫困的地区越偏远,交通越不发达;同时,其研究根据回归方程得到,县域公路密度每增加 0.1 km/km²,农村贫困发生率就能降低1.2个百分点. ...

... 除了以上2大要素,学者发现人力资源、政府经济政策等因素也会对区域经济差异产生影响^[15,16].刘清春等^[1]指出当劳动力投入数量维持稳定时,劳动力质量对生产率提高有极大的影响,即人力资源要素可促进生产发展从而影响经济水平.另外,韩德军等^[17]、张佰林等^[18]的研究表明,土地作为区域资源要素的载体,其利用方式及变化形式将直接影响区域经济水平,合理的土地利用可充分发挥区域资源优势加速经济发展,与之相反对土地功能不合理的规划在很大程度上造成资源浪费、阻碍经济发展、形成经济差异. ...

经济增长中地理要素作用的空间计量经济分析

2007

First nature, second nature, and metropolitan location

1993

试论中国经济增长的南北差异

2001

试论中国经济增长的南北差异

2001

Mapping poverty in rural China: How much does the environment matter?

2011

山西省县域经济发展时空格局演变研究

2012

山西省县域经济发展时空格局演变研究

2012

山西省县域经济发展差异的时空演化分析

2013

山西省县域经济发展差异的时空演化分析

2013

A theory of urban growth

1999

Geography, economic policy, and regional development in China

2002

基于二阶段嵌套锡尔系数分解方法的中国区域经济差异研究

2005

基于二阶段嵌套锡尔系数分解方法的中国区域经济差异研究

2005

Sala-i-Martinx. Convergence

1992

... 追溯国内外学者对区域经济差异的研究过程可知：在研究尺度上,逐步由大层面向小层面细化,即由国家、省域尺度向地市、县域尺度转变;在研究方法上,由最初的新古典经济学方法向计量经济学方法最终到现在的空间计量分析方法演变.例如,Barro等^[10]用新古典经济学方法对美国经济增长差异做了实例验证,结果表明当人均收入低于稳态位置时其增长速度越快;Chen等^[11]用索洛经济增长模型对中国各省自1978-1993年的面板数据进行分析,得出短期内中国省域间的经济差异可能会适度下降,而沿海地区和非沿海地区的经济差异可能会增大;刘彦随等^[12]充分考虑了经济差异的空间异质性,在传统计量方法的基础上加入地统计、地理探测器等地理空间计量方法,分析了1990、2000和2008年中国县域城镇化的时空特点及成因. ...

Regional income inequality and economic growth in China

1996

中国县域城镇化的空间特征与形成机理

2012

中国县域城镇化的空间特征与形成机理

2012

Spatial clustering of rural poverty and food insecurity in Sri Lanka

2005

自然地理环境的贫困效应检验——自然地理条件对农村贫困影响的实证分析

2012

自然地理环境的贫困效应检验——自然地理条件对农村贫困影响的实证分析

2012

中国区域经济差异形成的三次地理要素

2009

中国区域经济差异形成的三次地理要素

2009

The relative contributions of location and preferential policies in China's regional development: being in the right place and having the right incentives

2002

贵州省土地利用与区域经济耦合关系分析

2012

贵州省土地利用与区域经济耦合关系分析

2012

不同经济发展阶段区域土地利用变化及对经济发展的影响——以重庆市40 个区县为例

2011

不同经济发展阶段区域土地利用变化及对经济发展的影响——以重庆市40 个区县为例

2011

... 江西省（24°29′14″ ~30°04′41″ N、113°34′36″~118°28′58″E）北部鄱阳湖地区较为平坦,东西南三面环山,属江南丘陵地区,省内地理环境复杂,区域差异大.江西省作为农业大省是中国重要的商品粮供应基地,第一产业发达,二三产业加速发展.但地处革命老区,江西省内的经济发展水平有较大差异,北部平原地区发展迅猛,南部山区经济滞后,省内国家级贫困县基本分布在南部山区.为对比分析江西省典型贫困县及富裕县县域经济差异影响因子的异同,根据《江西统计年鉴2011》^[19]以及国家公布的贫困县名单,选取全省人均GDP排名前9的县作为研究区富裕县,分别是：贵溪市、分宜县、南昌县、德兴县、樟树市、新建县、丰城市、广丰县、乐平市;选取全省人均GDP排名后12的国家级贫困县作为研究区贫困县,分别是：兴国县、遂川县、永新县、上犹县、于都县、会昌县、广昌县、安远县、乐安县、修水县、余干县、潘阳县.该研究区选取方法有效地避免了中等经济发展水平县的影响,使研究结果可充分代表贫困县、富裕县经济差异的影响因子,增强本研究的科学性及严谨性.研究区位置如图1所示. ...

... 江西省各县的经济状况数据来源于《江西统计年鉴2011》^[19],选取各县的人均GDP (Gross Domestic Product, GDP) 作为经济发展状况的衡量指标. ...

2011

... 江西省各县的经济状况数据来源于《江西统计年鉴2011》^[19],选取各县的人均GDP (Gross Domestic Product, GDP) 作为经济发展状况的衡量指标. ...

2004

... 多元线性回归分析是通过建立多个自变量与一个因变量之间的线性回归模型来描述自变量对因变量的影响^[20].回归模型如下： ...

2004

... 多元线性回归分析是通过建立多个自变量与一个因变量之间的线性回归模型来描述自变量对因变量的影响^[20].回归模型如下： ...

Geographical detectors-Based health risk assessment and its application in the neural tube defects study of the Heshun Region, China

2010

... 一般来说,若自变量和因变量之间存在较大的关联性,则其空间分布规律也应该具有相似性.地理探测器模型正是基于该理论在传统统计学的基础上加入探测因子的空间分异性来衡量自变量对因变量空间分布的影响程度^[21,22,23].在多元线性回归数量关系分析的基础上,本文利用地理探测器分别探测贫困县、富裕县县域经济的空间分异性与各地理环境因子的关系,分析各因子对2种县域经济空间分异的影响及交互影响力,模型如下： ...

Environmental health risk detection with GeogDetector

2012

地理探测器:原理与展望

2017

地理探测器:原理与展望

2017

基于地理探测器的国家级经济技术开发区经济增长率空间分异及影响因素

2014

... 式中：P_D_,_G为地理环境因子D的影响力值;n为整个区域的样本数;m为次级区域的个数;

\begin{matrix} n_{D, i} \end{matrix}

为次一级区域的样本数;

\begin{matrix} σ_{G}^{2} \end{matrix}

为整个区域的县域人均GDP的方差;

\begin{matrix} σ_{U_{D, i}}^{2} \end{matrix}

为次一级区域的县域人均GDP的方差.P_D_,_G的取值为0-1,P_D_,_G值越大代表该地理环境因子对县域经济的影响力越大^[24,25,26]. ...

基于地理探测器的国家级经济技术开发区经济增长率空间分异及影响因素

2014

... 式中：P_D_,_G为地理环境因子D的影响力值;n为整个区域的样本数;m为次级区域的个数;

\begin{matrix} n_{D, i} \end{matrix}

为次一级区域的样本数;

\begin{matrix} σ_{G}^{2} \end{matrix}

为整个区域的县域人均GDP的方差;

\begin{matrix} σ_{U_{D, i}}^{2} \end{matrix}

为次一级区域的县域人均GDP的方差.P_D_,_G的取值为0-1,P_D_,_G值越大代表该地理环境因子对县域经济的影响力越大^[24,25,26]. ...

Spatio-temporal characteristics of rural settlements and land use in the Bohai Rim of China

2015

... 式中：P_D_,_G为地理环境因子D的影响力值;n为整个区域的样本数;m为次级区域的个数;

\begin{matrix} n_{D, i} \end{matrix}

为次一级区域的样本数;

\begin{matrix} σ_{G}^{2} \end{matrix}

为整个区域的县域人均GDP的方差;

\begin{matrix} σ_{U_{D, i}}^{2} \end{matrix}

为次一级区域的县域人均GDP的方差.P_D_,_G的取值为0-1,P_D_,_G值越大代表该地理环境因子对县域经济的影响力越大^[24,25,26]. ...

基于格网的农村居民点用地时空特征及空间指向性的地理要素识别——以环渤海地区为例

2015

... 式中：P_D_,_G为地理环境因子D的影响力值;n为整个区域的样本数;m为次级区域的个数;

\begin{matrix} n_{D, i} \end{matrix}

为次一级区域的样本数;

\begin{matrix} σ_{G}^{2} \end{matrix}

为整个区域的县域人均GDP的方差;

\begin{matrix} σ_{U_{D, i}}^{2} \end{matrix}

为次一级区域的县域人均GDP的方差.P_D_,_G的取值为0-1,P_D_,_G值越大代表该地理环境因子对县域经济的影响力越大^[24,25,26]. ...

基于格网的农村居民点用地时空特征及空间指向性的地理要素识别——以环渤海地区为例

2015

... 式中：P_D_,_G为地理环境因子D的影响力值;n为整个区域的样本数;m为次级区域的个数;

\begin{matrix} n_{D, i} \end{matrix}

为次一级区域的样本数;

\begin{matrix} σ_{G}^{2} \end{matrix}

为整个区域的县域人均GDP的方差;

\begin{matrix} σ_{U_{D, i}}^{2} \end{matrix}

为次一级区域的县域人均GDP的方差.P_D_,_G的取值为0-1,P_D_,_G值越大代表该地理环境因子对县域经济的影响力越大^[24,25,26]. ...

京津唐地区细菌性痢疾社会经济影响时空分析

2016

... 地理探测器由4个子模型组成,分别是因子探测器、生态探测器、风险探测器和交互探测器.因子探测器是核心组成部分,其探测县域经济水平和地理环境因子的空间分异性,并由式（2）计算地理环境因子对县域经济水平空间分异情况的解释力即影响力.生态探测器通过比较各地理环境因子间县域人均GDP总方差的差异,从而确定各因子的影响力是否存在显著差异.风险探测器则可以分析各因子的各分类子区之间县域经济水平均值差异的显著性,均值显著性大的分类子区其县域经济水平高,因此利用风险探测器可以总结各地理环境因子适宜经济发展的分类子区,即可得到利于经济发展的地理环境情况.交互探测器通过比较2种因子X1、X2共同作用的P_D_,_G（X1∩X2）与P_D_,_G（X1）、 P_D_,_G（X2）、P_D_,_G（X1）+P_D_,_G（X2）的大小,得出2种因子交互作用时影响力的独立性以及影响力的大小变化,具体分类如表2所示^[27,28]. ...

京津唐地区细菌性痢疾社会经济影响时空分析

2016

A measure of spatial stratified heterogeneity

2016

江西省典型县域经济差异影响因子地理探测研究

Geographic Detection of Impact Factors of Economic Differences among Typical Counties in Jiangxi Province

1 引言

2 研究区和数据源

2.1 研究区

2.2 数据源及指标选取

3 研究方法

3.1 地理环境因子的空间化表达

3.2 多元线性回归分析法

3.3 地理空间探测器分析法

4 结果分析

4.1 地理环境因子选取合理性分析

4.2 地理环境因子对县域经济差异的影响

4.3 主导影响因子及经济发展策略分析

5 结论与讨论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子