文档介绍：江苏省区域创新差异的时空格局演化分析
摘要:江苏省13个地级市为研究单元,运用泰尔指数、探索性空间数据分析方法对江苏省2006~2017年区域创新能力的时空演化特征及影响因素进行分析。结果表明:在研究阶段,区域创新能力差异呈现为:
Tpi=
log
(3)
所有地区间的差距为:
TBR=
log
(4)
2. 全局Moran’s I指数、Moran散点图
(1)全局Moran’s I指数
moran’s I指数可以应用于全局聚类检验。它可以反应在所考察地区内,其相邻地区是呈现出相似还是相异或独立的特征。moran’s I指数的计算方法就不做过多赘述。
全局Moran’s I指数的取值范围是-1到1之间。当Moran’s I的值大于0,表明相邻的地区呈现正向的相关性,即具有类似的属性的区域发生集聚;当值小于0,表明负向的相关性,即具有不同属性值的地区发生集聚。如果Moran’s I值接近0,则认为该属性值在空间上是随机的,具有独立性。 (2)Moran散点图
Moran散点图可以用于研究子系统所表现出的在空间上的相关性,用散点图表示变量Z与WZ之间的相关关系。图中横轴和纵轴分别代表Z和WZ。该图被坐标轴分为四个象限,表明一个地区和其邻近地区的相互关系。
第一象限(HH)表示高高集聚;第二象限(LH)代表低值被高值包围;第三象限(LL)代表低低集聚;第四象限(HL)代表高值被低值包围。
四、江苏省区域创新能力的时空演化特征
(一)区域创新能力的時空演化特征
1. 苏南、苏中、苏北呈现阶梯状分布特征
为了更直观的观测近年来江苏省各地级市创新产出的变化,运用geoda软件制作了2006、2012和2017年的创新产出的四分位分布图。其中颜色越深的地区代表着其能力越高。
从图4中可以看出,近十年来江苏省区域创新产出形成了苏南、苏中、苏北逐渐减少的“阶梯状”分布的特征。其中,苏州市和无锡市一直保持在第一梯队,创新能力一直保持在较高水平,进而形成了以苏州和无锡为增长极,带动着周边地区的发展。而连云港、宿迁、淮安市创新能力不显著,一直处于第四梯队。
2. 泰尔指数测算区域创新差异
利用泰尔指数测算区域创新差距如图4所示。江苏省区域创新差距呈现出急速扩大到缓慢下降的趋势。在2009年区域创新差距最大,。从2006年到2009年,%,%。2009年以后,区域创新差距呈现出持续缓慢下降的态势,,下降了约50%。以上结果分析表明,一批经济发达的地区在创新方面快速的发展起来,造成创新差距被拉大。随着近几年经济发展速度的放缓,不发达地区利用后发优势,加快学,努力减少与发达区域的距离。
尽管从泰尔指数能够发现,江苏省区域创新差异出现逐步下降的态势,但不能表示出区域内部创新能力的发展如何。对于江苏三大地区来讲,由于各地区发展水平存在一定差异,有必要针对不同的区域进行具体分析。因此借助Matlab软件计算泰尔指数以及将其分解,从三大区域内部探讨江苏省区域创新差异的来源。
通过泰尔指数的分解,结果发现,在苏南、苏中和苏北三个分组内部,组内创新差异呈现急剧扩大接着缓慢下降的态势。在2013年以后,来自组内的差距一直低于组间差异。在2014~2017年间,。在三大分组之间,组间差异出现先缓慢上升随后缓慢下降的情况。在2011年以后组间差异的下降速度明显落后于组内差异。在2013~2017年,整体差异中来自组间差异的部分稳定在2/3附近,区域创新差异主要来源于苏南、苏中、苏北的组间差异。
以上结果表明,在江苏省内部,苏南、苏中和苏北三个区域内部差异逐渐缩小,苏南地区增速放缓,而苏北等地后来居上,正在缩小差距。苏州、无锡等增长极能够对苏南地区起到辐射效应,但由于地理距离、经济环境等因素,对苏中、苏北的带动作用不明显。目前,江苏省区域创新的差异主要来自于三个区域之间的巨大差异,苏南地区形成明显的集聚区域,而由于知识溢出存在着空间的局限性,苏北地区仍然处于较为落后的地区。
(二)空间相关性分析
1. 江苏省整体呈现正的空间相关关系
全局Moran s’I指数能够度量某变量在地区间是否存在着相关性,即相似的地区会聚集在一起。本文利用ARCGIS软件计算出江苏省2006~2017年基于专利申请授权量的moran s’I指数(见表1)。
结果表明,在2006~2017年,江苏省各地级市的创新能