会员登录
会员注册(二)评价过程简介
由于原始指标涉及指标较多，本研究拟用因子分析法将其转变为较少的几个综合指标，运用统计分析软件SPSS对相关数据进行测算(样本数据都进行了正向化处理并实施标准化变换)。运用SPSS进行的因子分析结果显示，经varimax(方差最大法)旋转后前6个因子的方差累计贡献率为85.514%，大于85%，结果较为理想，具体见表2。其中Z1、Z2、Z3、Z4、Z5、Z6分别代表第一至第六个因子，它们的方差贡献率分别为34.40%、18.31%、10.51%、8.92%、8.55%、4.80%，特征值均大于1。故可将这六个因子确定为所需要提取的六个公共因子，由此可以写出综合因子Z综的评价公式：
Z综= (vi/p)Zi=0.344Z1+0.183Z2+0.105Z3+0.089Z4+0.085Z5+0.048Z6 (4)
为对综合评价结果进行更为直观的说明，本文按综合因子得分Z综对全国各省域用层次聚类分析法进行了聚类，结果显示，属于第一类地区的有北京和上海，其经济发展方式转变的现状最好；属于第二类地区的有天津、江苏、浙江，其经济发展方式转变的现状较好；属于第三类地区的有山东、福建、辽宁、广东，其经济发展方式转变的现状一般；属于第四类地区的有河北、内蒙古、吉林、湖南、江西、河南、四川、陕西、安徽、山西、黑龙江和湖北，其经济发展方式转变的现状较差；属于第五类地区的有广西、甘肃、青海、宁夏、新疆、云南、贵州，其经济发展方式转变的现状最差。为对我国省域经济发展方式转变综合得分的空间关联模式进行识别和探析，本研究拟运用ESDA方法达成研究目的。实际分析时，运用了ESDA方法中常用的LISA(local Indicators of Spatial Association，局部空间关联)分析法[14]。
通过LISA分析可将区域经济活动的空间关联模式划分为四种类型：high-high(高发展水平-高空间滞后型)、highlow(高发展水平-低空间滞后)型、low-high(低发展水平-高空间滞后型)和low-low(低发展水平-低空间滞后型)。在本例中，我国各省域的经济发展方式转变空间关联模式亦可能表现为上述四种类型：(1)high-high，此类型的省域同其周边相邻省域的经济发展方式转变水平均较高，且显著正相关；(2)low-high，此类型的省域经济发展方式转变水平较低，且同其周边相邻省域呈现出显著负相关的关联特征；(3)high-low，此类型的省域经济发展方式转变水平较高，且同其周边相邻省域呈现出显著负相关的关联特征；(4)low-low，此类型的省域同其周边相邻省域的经济发展方式转变水平均较低，且显著正相关。上述四种空间关联模式在实际分析中通常不会完全显现，具体分析时究竟会得到几种空间关联模式，尚需通过LISA分析得到验证。
在进行LISA分析前，需首先对空间权重矩阵W进行确定。本文选择常用的一阶邻近矩阵对其加以测算。基于GEODA软件对于省域经济发展方式转变综合得分的LISA分析结果显示，我国省域经济发展方式转变的空间关联模式呈现出三种类型：high-high型、low-high型和low-low型。具体而言，呈现出high-high型特征的省域仅有一个即江苏，该省域同其周边相邻省域的经济发展方式转变水平均较高，且显著正相关，彼此间呈现出空间同质性，可视为目前全国范围内经济发展方式转变的“高地”；呈现出 low-high型特征的省域亦仅有一个即河北，该省域经济发展方式转变水平较低，且同其周边相邻省域呈现出显著负相关的关联特征，彼此间呈现出空间异质性且经济发展方式转变水平的差异较大；呈现出low-low型特征的省域有4个，为甘肃、青海、四川和新疆，上述4省域同其周边相邻省域的经济发展方式转变水平均较低，且显著正相关，彼此间呈现出空间同质性，已成为目前全国范围内经济发展方式转变的“洼地”。其中江苏、河北两省的空间关联模式通过了5%的显著性水平检验，甘肃、青海、四川和新疆四省通过了1%的显著性水平检验。除上述6省外，全国范围内其余省域同其周边相邻省域的空间关联均不显著，未通过5%的显著性水平检验，因而未能呈现出较明确的空间关联模式。
通过上述空间关联模式分析不难发现，全国范围内呈现出经济发展方式转变low-low型关联特征的省域有4个，而high-high类型关联特征的省域数量仅为1个，说明当前我国省域经济发展方式转变空间格局中的“高地”效应和“洼地”效应已开始初步显现。主要表现为局域高值的江苏及其周边省域已成为转变水平较高的“高地”和局域低值的甘肃、青海、四川和新疆及其周边省域已成为转变水平较低的“洼地”，但因当前我国省域经济发展方式转变空间格局中“高地”的扩散和辐射带动作用甚为薄弱，经济发展方式转变的“洼地”特征较难打破。
四、结论
本文从我国省域经济发展方式转变的空间关联模式的探析视角出发，在运用面板数据模型对各省域的TFP及其贡献率进行测算的基础上，较为全面地构建出一套含有TFP和TFP贡献率指标的用于我国省域经济发展方式转变水平评价的指标体系，并通过因子分析法对各省域经济发展方式转变的现状水平进行了综合评价，运用ESDA方法，基于LISA分析就其空间关联模式的类型进行了尝试性的探讨分析。研究结果表明：
(1)我国各省域的经济发展方式转变现状水平存在较大差异，不均衡态势十分突出。其中，属于第一类地区的有北京和上海，其经济发展方式转变的现状最好；属于第二类地区的有天津、江苏、浙江，其经济发展方式转变的现状较好；属于第三类地区的有山东、福建、辽宁、广东，其经济发展方式转变的现状一般；属于第四类地区的有河北、内蒙古、吉林、湖南、江西、河南、四川、陕西、安徽、山西、黑龙江和湖北，其经济发展方式转变的现状较差；属于第五类地区的有广西、甘肃、青海、宁夏、新疆、云南、贵州，其经济发展方式转变的现状水平最不理想。
(2)我国省域经济发展方式转变的空间关联模式呈现出三种类型：high-high型、low-high型和low-low型。我国省域经济发展方式转变空间格局中的“高地”效应和“洼地”效应已开始初步显现。主要表现为局域高值的江苏及其周边省域已成为转变水平较高的“高地”和局域低值的甘肃、青海、四川和新疆及其周边省域已成为转变水平较低的“洼地”，且由于当前“高地”效应甚为薄弱，“高地”的扩散和辐射带动作用尚难以充分发挥，经济发展方式转变的“洼地”特征较难打破。
由此可见，在现阶段统筹省域经济发展方式转变的工作进程中，应因地制宜，根据我国不同地区的现状水平及各自特点制定相应的应对方案。从全国范围来看，由于以甘肃、青海、四川和新疆及其周边省域为代表的西部地区已成为转变水平较低的“洼地”，故应考虑将这些地区作为当前工作中的重中之重来区别对待。同时，应以若干优势区域为基础大力推进我国省域经济发展方式转变空间格局中的“高地”建设，以区域合作为抓手，充分发挥其辐射作用和空间溢出效应，以带动周边相对落后地区的转变工作进展。
[注释]
①资料来源：北京大学中国经济研究中心网站经济发展论坛。
②资料来源：中经网数据库。
作者简介：丁刚(1974—)，男，河南开封人，副教授，博士，研究方向：区域经济；
陈阿凤(1988—)，女，福建泉州人，硕士研究生，研究方向：知识管理。
[参考文献]
[1]闾国年.《GIS空间关联模式发现》评述[J].地理学报，2007，62(4)：2.
[2]Cliff A D, Ord J K. Spatial Processes: Models and Applications [M].London: Pion, 1981: 86-87.
[3]Griffith D A. Advanced Spatial Statistics [M]. Dordrecht: Kluwer Academic, 1988.
[4]Anselin L. Spatial Econometrics: Methods and Models [M].Dordrecht: Kluwer Academic, 1988: 1-13.
[5]Getis A, Ord J K.The Analysis of Spatial Association by the Use of Distance Statistics [J]. Geographical Analysis, 1992,24: 189-206.
[6]陈斐.区域空间经济关联模式分析：理论与实证研究[M].北京：中国社会科学出版社，2008：104-221.
[7]黄晓峰.区域经济空间集聚及其溢出效应研究——以福建省为例[D].福建：福建师范大学，2007：30-41.
[8]宗兆礼.山东省经济增长方式实证研究[J].山东社会科学，2006，(7)：110-114.
[9]邱竞.北京经济增长方式转变研究——基于增长约束的分析[D].北京：中国人民大学，2008：46-78.
[10]马强文，任保平.中国经济发展方式转变的绩效评价及影响因素研究[J].经济学家，2010，(11)：58-65.
[11]吴旭晓，许正中.基于复杂系统视角的经济发展方式转型评价研究——以上海市为例[J].华东经济管理，2010，(9)：1-6.
[12]丁刚，金少芸，黄志强.基于熵值法的福建省经济发展方式转变空间差异研究[J].长春工程学院学报(社会科学版)，2010，(3)：35-38.
[13]Chow Gregory C. Capital Formation and Economic Growth in China [J]. Quarterly Journal of Economics, 1993, 108 (3): 809-842.
[14]Anselin L. Exploratory spatial data analysis and geographic information systems [M]//Painho M. New Tools for Spatial Analysis. Luxembourg: Eurostat, 1994.