基于地理加权回归模型的县域经济发展的空间因素分析——以辽宁省县域为例

《基于地理加权回归模型的县域经济发展的空间因素分析——以辽宁省县域为例》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2005年第5期学术论坛NO.5,2005(总第172期)ACADEMICFORUM(CumulativelyNO.172)基于地理加权回归模型的县域经济发展的空间因素分析———以辽宁省县域为例苏方林(华东师范大学资源与环境科学学院,上海200062)[摘要]普通最小二乘法(OLS)只能是在全局或者平均意义上对参数进行估计,无法反映空间局部的变化,故其不能揭示空间依赖性;地理加权回归(GWR)可以在空间上对每个参数进行估计,更能反映经济变量之间的空间依赖性。文章使用地理加权回归(GWR)方法,以辽宁省27个县为例,研究县域经济的空间

2、差异。通过研究发现,人均GDP与在岗职工人数占总人口的份额(UL)呈正相关,绝大部分县的工业化水平却与人均GDP呈负相关,其他的经济变量也反映出县域经济发展是有空间差异的,这也说明GWR比OLS更能反映经济变量的空间依赖性。[关键词]空间依赖性;地理加权回归(GWR);县域经济;辽宁省[中图分类号]F23[文献标识码]A[文章编号]1004-4434(2005)05-0081-04一、引言地球上,任何事物都和其它事物有关系,但是距离近的比距离远的关系更大”,因此,县域经济发展具当前,辽宁经济成了学术界和政府部门的研究有空间依赖性。普

3、通最小二乘法(OLS)只能是在热点之一。辽宁省国有经济占有很大比重,由于体全局或者平均意义上对参数进行估计,其无法反映制、管理等方面的原因,在计划经济向市场经济转空间局部的变化,也就不能揭示空间依赖性;由轨过程中,普遍存在适应市场能力低、企业效益差、Fotheringham,Charlton,Brunsdon(1996)首先提经济增长乏力的问题。国内学者对辽宁经济进行出来的地理加权回归(GWR)可以在空间上对每个了多方面研究,但多从产业角度进行研究,如王景参数进行估计,更能反映经济变量之间的空间依赖升(2002)研究了辽宁国有经济的

4、发展现状;郝忠性。YefangHuang,YeeLeung(2002)用地理加权胜、蔡得久(2002)分析了辽宁工业竞争力等等,而回归模型首次研究了江苏省75个县的工业化水从县域经济角度研究辽宁经济的文献并不多见,夏平。本文尝试使用地理加权回归(GWR)模型,以本力、刘景新(2001)通过比较江浙两省县域经济的辽宁省27个县为样本,探讨县域经济发展的空间发展对辽宁县域经济进行了一定的探讨。由于县差异,进而提出相关对策措施。域经济是中国国民经济中具有综合性和区域性的基本单元、国民经济的基本支柱和协调城乡关系的二、地理加权回归(GWR)

5、模型重要环节,因此,研究辽宁县域经济的发展有实际意义。根据Tobler(1970)的地理学第一定理“在考虑如下的全局回归模型:[收稿日期]2005-03-20[基金项目]国家自然科学基金项目(10461002);广西哲学社会科学“十五”规划课题(03BJL008)[作者简介]苏方林(1971—),男,广西桂林人,华东师范大学资源与环境科学学院博士研究生,广西师范大学经济系讲师,研究方向:空间计量经济学。810119FI+1652.2TIA+0.0107IV-0.0092AVYi=αo+∑αkχik+εi(1)kt值1.422.85-

6、1.66-0.621.56利用普通最小二乘法可以得到全局的参数估计向3.42-0.77量:-22R=0.6451,R=0.5390,dw=1.4972,AIC=T21Tα=(XX)XY(2)492.346其中α是由参数估计值向量,X是自变量观测值组从上面的结果可以知道最小二乘法模型只解成的矩阵,它的第一列的元素为1,Y是由因变量释了人均国内生产总值(GP)总变异的64.54%。观测值组成的变量。其次采用GWR模型(3)来分析研究辽宁省27GWR方法考虑了局部的参数估计,把模型(1)推广为:个县的人均国内生产总值(GP)和自变量的空间

7、变化关系,计算结果如表1所示。Yi=αo(Ui,Vi)+∑αk(Ui,Vi)χik+εi(3)由于GWR模型与OLS模型的AIC之差大于k其中(Ui,Vi)是第i个样本点的空间坐标,αk(Ui,3,因此GWR模型(3)比OLS模型(1)模拟的效果Vi)是连续函数αk(U,V)在i点的值。如果αk(U,要好。从表1中可以看出:常数项的估计值在V)在空间保持不变,则模型(3)就变为全局模型OLS方法下是正值,在GWR方法下则有正有负;(1)。因此GWR方程(3)考虑到了空间变化关系,IIAV的估计值在OLS方法下是负的,但在GWRGWR

8、估计值是下有正有负,参数FI,TIA和AV有类似的情形。T-1T即使在两种方法下参数估计值符号都保持不变,但α(Ui,Vi)=(XW(Ui,Vi)X)XW(Ui,Vi)Y(4)其中W(Ui,Vi)是距离权重矩阵。在不同的样本点也是不相