1、关中-天水经济区县域经济发展空间差异及影响因素分析西安财经学院学报第 26卷第 5期 Vol. 26 No.5 2013年 9月 Journal of Xian University of Finance and Economics Sep. 2013 关中一天水经济区县城经济发展空间差异及影响因素分析周晓唯，朱混(陕西师范大学国际商学院，陕西西安 710062) 摘要: 以关中一天水经济区为研究对象，选取 2010年县域经济发展水平的 14个指标，运用主成分分析相关数据衡量经济区经济综合实力，研究关中一天水经济区区域经济差异及分布特征。通过 Moran指标对经济区经济综合实力进行测定，结果表
2、示，经济区存在较明显的空间集聚性和空间相关性，通过 Moran散点图及 LISA揭示出西咸地区、宝鸡、铜川为经济综合实力的高值地区，而经济区的西部、中部及东南部为经济发展的落后地区。通过对2010年经济综合实力空间计量回归分析，发现规模以上工业总产值、固定资产投资总额、人均地方财政支出及城镇化水平对经济综合实力有显著影响，并进一步检验和计算空间相关性的作用强度。关键词:区域经济差异;空间自相关;空间回归分析;关中一天水经济区中图分类号:F127.4 文献标识码:A 文章编号:1672-2817(2013)05-0075一 06经济落后的西部地区则关注较少。对于西部经济发展的热点地区一 关中一天
3、水经济区县域单元的经一、引济差异，目前尚未有学者研究。区域经济差异一直是区域经济发展中的普遍现关中一天水经济区包括陕西省西安、铜川、宝鸡、咸阳、渭南、杨凌、商洛(商州区、洛南县、丹凤象，也是区域经济学研究的热点。我国学者对区域县、作水县)和甘肃省天水所辖行政区域，面积 6.96 经济差异的研究从人均收入、GDP 等单指标到复合万平方公里，人口为 2842万人，生产总值 468l. 38 指标，方法也从数理统计、方差、标准差到层次分析亿元，占整个西北地区的 28.8%，是西北地区人口法、主成分分析法、聚类分析法 IJ。目前空间统计学最密集、经济最发达的地区之一。关中一天水经济最常使用的方法是探索
4、性空间数据分析方法(ES?区地处亚欧大陆桥中心，处于承东启西、联接南北的 DA). ESDA是描述和揭示空间分布，发现空间关战略要地，是全国交通、信息大通道的重要枢纽和西系等技术的集合。其中利用空间自相关指数可以探部地区连接东中部地区的重要门户归。其直接辐射索空间地域系统中相关经济现象的空间分布模式和区域包括陕南的汉中、安康，陕北的延安、榆林，甘肃非常态分布田。指标体系采用一个断面复合指标，省的平凉、庆阳和陇南等地区，经济区的发展对于增或多个断面的单一指标。目前有学者利用 ESDA强西北地区的经济实力，承接东中部地区产业转移，技术研究区域经济差异的特征以及演化过程等，但促进区域协调平稳的发展有
5、着重要的意义问。然而对区域经济空间分析的对象多为经济发达地区时，关中一天水经济区在空间上发展非常不平衡，给经收稿日期:2013 一 04-19基金项目:陕西省社会科学界重大理论与现实问题研究项目;构建陕西省生态资源价值补偿机制研究;(201lC018);陕西省教育厅科学研究项目;关中一天水经济区法制的系统化构建研究;(12JK0014) 作者简介 g周晓唯(1963 一)，男，陕西西安人，陕西师范大学国际商学院教授，博士生导师，博士，研究方向为产业经济学;朱珉(1989 一)，女，陕西咸阳人，陕西师范大学国际商学院硕士研究生，研究方向为产业经济学、区域经济学。75 西安财经学院学报济区的发展带
6、来了阻碍，并成为制约经济区发展的由表l可知，KMO 统计量为 0.806，且 Bartlett重要因素。采用自然断点法、空间自相关方法、空间球形检验统计值的显著性概率为 0.000，表明适合回归方法对关中天水经济区经济综合实力的空间作因子分析。按照特征值大于 1的原则提取主因差异、分布特征进行研究，探索经济区发展的影响子。提取出来的3个主因子，第一因子方差贡献率因素。为 44.968%，第二因子方差贡献率为27.914%，第三因子方差贡献率为 12.071%，累计方差贡献率为二、关中一天水经济区县城经济综合实 84.952%，包含了绝大部分信息，可以作为评价县域力评价经济发展综合实力的指标。利
7、用回归法计算县级单元的 3个主成分分值，(一)评价指标选择与数据来源得到因子得分系数矩阵，再以各因子的方差贡献率本文采用多指标来评价各区县的经济综合实为权重，最终得到各县(市)经济综合实力分值。即力。考虑到数据的系统全面与可得性，选取 14个指 F = 0.449 68F+ 0.279 14F+ O. 120 71F标，构建县域单元经济水平综合评价指标体系。具 1 2 3 (1) 体指标如下:人均生产总值(X1)、第二产业增加值该分值越大，说明该县(市)经济综合实力越强，比重(X2)、第三产业增加值比重(X)、规模以上工 3反之越弱。业总产值(X)、固定资产投资(X)、社会消费品零 4s通过自
8、然断点法进行可视化表达。通过 Arc?售总额(X)、财政收入(X)、财政支出(Xg)、城乡 67GIS软件，按照各县(市)的发展水平，将关中一天水居民储蓄存款余额(Xg)、在岗职工平均工资(X)、IO 经济区各县(市)划分为 4种类型:经济发达地区(经城镇居民人均可支配收人(X)、农民人均纯收入 l1济综合实力指数大于 0.71)、经济较发达地区(经济(X)、人均医院、卫生院床位数(X)、城镇化水平 I2I3综合实力指数 0.23，小于 O.7)、经济欠发达地区(经(X)。14 济综合实力指数大于一 0.11，小于 O.22)以及经济不本文以 64个县!(区)级地域为研究对象，指标的发达地区(
9、经济综合实力指数小于一 O.12)。数据资料来源于2011年陕西统计年鉴 、2011 年经济发达地区。西安市区包括西安周边的长甘肃发展年鉴 、2011 年中国县(市)社会经济统安县、临撞县以及咸阳市区，是经济综合指数最高的计年鉴)，2009 年空间分析尺度为中国地图集。地区。西安是经济区第一大城市，拥有经济、文化、二)主成分分析法交通的核心区位优势，位于;米;字形干线公路交通由于上述选取的 14项指标可能会存在多重共的重要枢纽。教育资源丰富、科技发达、创新力强。线性，因此本文选择主成分分析法。本文使用 SPSS工业体系健全，高新技术产业发展迅速，城市服务设软件对原有 14个指标进行主成分分析，
10、计算因子得施健全，辐射扩散作用显著问。经济较发达地区。分，再对主要因子以方差贡献率赋为权重，回归成各宝鸡市区、凤县、铜川市属经济综合指数较高的地个县(市)经济综合实力指数(Eindex)。并通过区。宝鸡是连接西北、西南的交通枢纽，120 多条公 ArcGIS软件进行可视化操作，反映 2010年关中一路支线连接周边广大地区。综合经济发展水平在全天水经济区经济水平的空间差异情况。国中等城市居于前列，在关中一天水经济区发展中在进行主成分提取前，首先要应用 SPSS软件可以发挥重要的辐射和带动作用。铜川作为资源型对 14个指标进行 KMO检验和Bartlett球形检验。城市，产业优势十分明显，正在从传
11、统工业向新型工 KMO是用于比较变量间简单相关系数和偏相关系业快速转变。经济欠发达地区。自旬邑县起向彬数的指标。KMO 值越接近 1，意味着变量间的相关县、麟游、凤翔、岐山、太白一带，以及向耀县、三原、性越强，变量越适合作因子分析。Kaiser认为，泾阳、兴平、户县一带，并渭南、华县、华阴为较低等 KMO值在O.7以上表示适合，0.6 表示不太造合，城市化水平。这类县城主要位于关天经济区的东南 O. 5以下表示极不适合。检验结果如表 1所示。部，秦岭山脉使得当地交通不便，自然条件的限制以表 1KMO检验和 Bartlett球度捡验及开发进程的滞后等，是导致经济综合水平低的主 ka1纪 r-Me
12、yer-C丑 kinMeasure of Sampling Ad叫出 cy.0.86 要原因。经济不发达地区。咸阳的长武、永寿、淳 Bartletts Test of Sphericity Approx. Chi-Square 1. 175E3 化、乾县、武功、周至，商洛市及周边县区以及天水市及周边县区都属于经济综合水平极低地区。这这类 Sig. 0.000 县城主要位于关天经济区的中部及东南部，区内以 76 周晓唯，朱琅:关中一天水经济区县域经济发展空间差异及影响因素分析山地居多，交通不发达，工业基础薄弱，市区对其发县域单元，相应区域上的统计值为各区域单元的经展的带动效应不明显。宝鸡的陇县及
13、天水市及其周济综合实力指数。通过计算 GlobleMoran s 1指边县由于基础设施不完善，资金、技术等生产要素欠标的计算结果为 GlobleMoran s 1 = O. 282, Z = 缺等原因也归属此类。4. 08p=0. 000,。全局空间自相关为正值，说明关中一天水经济区县(市)发展有明显的空间集聚性，三、关中一天水经济区县域经济发展的即经济发展水平相近县(市)在空间上是邻近的，经空间相关性分析济实力较高的县(市与同是实力较高的县(市)集为了进一步揭示关中一天水经济区经济空间聚聚，经济实力低的县(市)同实力较低的县(市集聚。集程度，要对其做空间自相关检验。空间自相关表二)县域经济发
14、展的局域空间自相关性述了某一区域单元的属性值与相邻位置上的属性值全局 Moran指数只是说明了县(市)经济发展之间的关系。空间自相关检验包括全局空间自相关空间是否存在相关性，但并没有具体指出在哪里出性和局域空间自相关性的检验。在空间统计分析现了空间相关性。要进一步研究某个县(市)经济综中，研究全局空间相关性的指标有 Moran指数和合实力与其周边邻接县域经济水平的相关性，判断Geary，两者有着负相关关系。其中，Moran 指数是各县域属于哪种空间相关类型，则要进行局域空间衡量和反映空间邻接或邻近的区域单元属性值的相相关性检验。似程度。本文将使用 Moran指数进行统计计算。Anselin(
15、1995)提出了一个局部 Moran指数 LISA7一县域经济发展的全局空间自相关性:基于(Local Moran Index)，或称(Local Indica?Moran指数的计量 tor of Spatial Association)，用来检验局部地区是否计算 Moran指数时，要建立各省区的空间存在相似或相异的观察值聚集在一起。区域 i的局权重矩阵来表达空间的相互作用，通常用一个二元部 Moran指数用来度量区域 i和它临域之间的关对称空间权重矩阵 W来表达 N个区域的空间邻接联程度，本文使用空间联系局部指标 LISA和 Mo?关系，W 此时是一个 NXN矩阵，该矩阵元素 ran散点图来
16、进行计量和分析。局部 Moran指数的为 W计算公式定义为:ij。本文选取邻近方法来衡量地理联系。其构造原飞一 L-(Xe-OY一一飞之Wij(Xj-X)(4) T 芋，则为 z正的 1i表示观测区域与周围区域的属性空间 f1，i 省区和 j省区相邻时L _.J :-.=.:._. (2) 差异小，意味着高值的区域单元被同样高值的区域 g O，i 省区和 j省区不相邻时(H-H)单元所包围，或者一个低值区域单元被同 Moran指数的计算公式如下:N N 是低值的区域单元所包围(L 一 L)。负的 1i表示观 N2: 2: W ij (Xi -:;:) (Xj -:;:) 测区域与周围区域的属性
17、空间差异大，意味着一个 1=-j节=;N(3)(L-H)低值区域单元被高值区域单元所包围，或 JU-322: 2:wij三者是一个高值区域单元被低值区域单元所包围(H 上式中，工，是观测值;N 为观测单元个数;X 为-L)。通过 LISA聚类分布图，能够显示出各个县均值。域是属于哪一种类型的聚类。Moran.J=0.2830 Moran指数的取值范围在(-1，十 1)之间，如果空间过程是不相关的，则 I的期望值接近于 0，1o 萨 80表示负相关，10 表示正相关。当 I值显著为L臼正时，表明存在正的空间自相关关系，也就是说观测 ZN。-O 注值趋于空间聚集，经济发展较高(低)的县域在空间上集
18、聚 F当 I值为负且显著，表明存在负的空间相关 o -F嗡关系，观测值趋向于分散分布，即县域与周边地区经济发展水平有显著差异;当 Z值为零时，观测值呈独立的随机分布。.4.0 -2.0 0.0 2.0 4.0 ZHDF 本文通过 Arcgis10.0软件对关中一天水经济圈 1关中一天水经济区县域经济水平 Moran散点固区县域经济发展的差异性进行分析。研究对象为各 77 西安财经学院学报 Moran散点图以(z，Wz)为坐标轴，其中 Zi西咸区域已成为关中一天水经济区经济发展势能最高的地区闷。该区域的自相关系数分别为 6.5 (Xi -.L;) , ZT = Zl ，Z2屿， J;W为空间权重
19、矩阵，它对空间谛后因子 z和 Wz数据进行了可视化的二和 0.72，均通过 5%的显著性检验。可见，西咸地维图示。Moran 散点图的四个象限代表了区域单区是经济发展水平较高的地区。并且对周围县市元与其邻接区域单元之间局部空间联系形式的四种的经济发展带动较大。其他地级市局部自相关系类型:第一象限(H-H)代表了高观测值的县域被数大多小于 O.对周边县市经济发展的影响力较同是高值的县域所包围的空间联系形式;第二象限弱。西威地区周边的蓝田县与户县局部空间自相(LH)代表了低观测值的县域被高观测值的县域关指标值为一 O.53和一O.15，分别通过 1%和 5%包围的空间联系形式;第三象限(L-L)代
20、表了低观的显著性检验。表示该区域单元发展水平不高，测值的县域被同是低观测值的县域所包围的空间联但由于邻接着西咸地区，其周边区域经济水平较系形式;第四象限(H一 L)代表了高观测值县域被高，这些地区为 L-H聚集。低观测值县域包围的空间联系形式。因此，Moran 自甘谷县、秦安县、张家川回族自治县、陇县一带散点图(图;1)可以揭示各个象限中对应的县域及其及周边县为关中天水经济区经济落后区。这些县处于 L-L聚集区域，表明这些经济发展水平较低的所属的局部空间聚集类型。利用(4)式计算出关县区被同是低水平的县区所包围。这些县区的局部中一天水经济区局部空间自相关系数。空间相关指数值分别为0.30、0.
21、37、0.14、0、41、0.41，由图 l可知，关中一天水经济区县域经济发展水平 Moran散点图的线性回归斜率为正，表明关且均通过 5%的显著性检验。表明这些地区经济发展落后于关中一天水经济区总体水平。可以看出中一天水经济区县域经济发展存在明显的空间集聚 L-L聚集的区域分布在关中一天水经济区的西北，现象。从各观测点的分布可以看出，第一、三象限的行政划分上属于甘肃省的管辖。从经济发展水平的数据点明显多于第二、四象限的数据点。并且，第地理分布情况来看，西咸地区成为关中一天水经济区一、三象限的观测点占总观测点的 72.22%。从图 1发展水平较高的区域，而西北部地区还处于落后可看出，第二象限的
22、观测点最多，仅第三象限观测点区域。占到总观测点的 61.11 %。说明关中一天水经济区县域经济水平在空间上有高值集聚和低值集聚的特四、关中一天水经济区发展水平的空间征，其中低值集聚所占比例最大。计量分析图 1最右端的点位于第一象限，其代表的是西安市，这意味着西安市的经济发展水平最高。最左要了解哪些因素对关中一天水经济区的发展具端的点位于第四象限，其代表的是甘谷县和武山县，有显著作用，需要对关中一天水经济区综合实力及说明这两个县域的经济发展水平是最低的。西安市其影响因素做回归分析。传统的统计理论是一种建和武山县分别位于图 1的最上方和最下方。其中，立在独立观测值假定基础上的理论。然而，在现实武山
23、县位于 Moran散点图的第三象限。这是因为世界中，特别是遇到空间数据问题时，独立观测值在现实生活中并不是普遍存在的 CGetis，1997)oMo?西安市与经济水平同样高的咸阳市相邻，其 Wz值最高，而武山县则位于经济发展缓慢的西北部地区，ran 指数指出了关中一天水经济区发展状况的空间其邻接的县域同样都是经济发展缓慢的省区，因此相关性，因此，对于关中一天水经济区发展的影响因位于图 1的最下方。素和空间相关的分析，我们使用空间自回归模型来关中一天水经济区中南部的县市经济实力最估计。强，以西安咸阳及其邻近县市，包含周边县市的表 2回归模型中变量设置与对应指标因子变量指标(单位)解释经济综合实力
24、指数 Eindex 反映区域经济的综合发展水平规模以上工业总产值 Ind(千亿)反映第二产业对区域经济的贡献固定资产投资总额 Inv(千亿)反映区域政策的发展重点人均地方财政支出 Pfin(万元)反映地方政府财政权利水平城镇化水平 Urb 反映人口聚集程度对区域发展的作用 78 周晓唯，朱琪 z关中-天水经济区县域经济发展空间差异及影响因素分析本文以 2010年关中-天水经济综合实力指总产值、人均地方财政支出、城镇化水平为模型自数为因变量，以固定资产投资总额、规模以上工业变量(见表 2)。表 3线性回归模型的 OLS估计结果 E，到-D 叶-让 nunu ;-U-n-mnVULt0u00 9
25、Variable Cotic efficient Std. Error t-Statis-nu-nnu一 unu0508一0.5026589*份畴 0.06251749 -8.040 292 CONSTANT 。.4576069*骨 lnd o. 165 597 2.763 377 Inv O. 768 326 6骨 o.145 992 5. 262 798 O. 000 003 1 Urb 0.691 466 1*铮铮 O. 130 392 1 5. 302 976 O. 000 002 7 Pfin O. 425 532 5幡幡 O. 170 354 3 2. 497 926 o. 015
26、 897 9 注:铸赞表示通过 5%显著性水平检验，势祷铃表示通过 1%显著性水平检验。R-squared: 0.976 088; Log likelihood: 34.755 2; Adjusted R-squared:O. 974136rob(F-statistic) :4.705 16e一 039;Akaike info criterion: -59.510 4; Schwarz cr ?terion: -49.565 4。回归模型(A)如下:中需要将空间因素考虑在内。空间统计学常用的空 Eindex = 十?llnd+品 Inv+ 3 pfin + 间自相关检验有三种方法，分别是 Mo
27、rans1检验、最 Urb+E (A) 大似然空间滞后检验LM-Lag和最大似然空间误差 4模型(A)回归结果见表 3:川 I?-Error检验。通过山 4检验来决定选择空间误差模型(A)中，各变量均显著，且应为 0.976088, 模型(S 即 1)还是空间滞后模型(SLM)0 如果山在 Er?模型较好地解释了各县域发展的影响因素。但是，模 ror比 LM-Lag在统计上更显著则采用空间误差模型(A)中没有考虑各省区之间的空间依顿性，因此模型，反之则采用空间滞后模型。如果两者一样显著，型暗含的假设是各县(市域经济发展水平不存在空则进一步根据 RobustLM-Error和 RobustLM-
28、Lag 间相关性。前面 Moran指数的计量结果表明，各县的显著性哪个更高决定采取哪个模型更好。对模型(市)的经济发展会受到邻近县区的影响，因此在模型(A)回归结果的空间相关性检验结果见表40表 4模型(A)的空间相关性检验 TEST Morans 1 LM-Lag Robust LM二LagLM-Error Robust LM-Error V ALUE 2. 524 877 6 6. 651 659 1 4. 626 776 0 4. 457 247 4 2. 432 364 4 PROB 0.011 573 9 0.009 906 4 0.031 476 7 0.034 753 5 0.1
29、18853 5 由表 4可见，Morans 1、LM-Error 的检验在 Y=pWY+X?十 E(5) 5%的显著水平下均显著，LM-Lag 的检验在 1%的显(5)式中，y 为因变量;X 为 nXk阶的外生解释著水平下均显著。并对 RobustLM-Lag与 Robust变量矩阵;W 为 nXn阶的空间权重矩阵，反映了空 LM-Error进行比较，发现使用空间滞后模型更加适间距离对区域行为的作用;p 为空间回归系数，反映用。因此，拒绝模型(A)因变量之间不存在空间相关了样本观调 j值中的空间依赖作用;卢反映了自变量对性的假设，需要对回归模型(A)进行修改，引人对变因变量的影响; 为随机误差
30、项向量。滞后模型主要量之间的空间相关性进行分析。根据表 3，LM-Lag 关注空间交互的存在性和强度，因此，本文使用空间比 LM-Error在统计上更显著。因此，在空间相关模滞后模型是合适的，新模型变为:型中选择空间滞后模型(SLM)0 Eindex =+ I Ind + z Inv +品Pfin+?4Urb+空间滞后模型假定一个地区的因变量依赖于其附 ，WEindex 十E(8) 近的因变量，而不是无法解释的成分。其表达式为:表 5空间滞后回归模型 SLM的估计结果 Var able Coeff c ent Std. Error z-value Probability W_Eindex 0.
31、1054688骨铮 0.04157026 2.537 122 0.011 1768 一 0.510242 *警.CONSTANT 0.05614234 -9.088364 0.0000000 0.4072789*骨lnd O. 149 851 4 2.717886 0.0065702 Inv 0.773888 1* * 0.1309053 5.911 819 0.0000000 Urb 0.721 631 2 0.1172165 6. 156 397 O. 000 000 0 Pfin 0.410 686 6铮铮铮 O. 152 733 4 2. 688 911 0.007 168 6 注 z
32、提铸表示通过 5%显著性水平检验，铃祷祷表示通过 1%显著性水平检验。R-squared: O. 978 826; Akaike info criterion: -63.9422儿oglikelihood:37. 9711;Schwarz criterion:一 52.0083。79 西安财经学院学报上式中 W为空间权重矩阵， 为空间滞后自回最后，文章又通过空间滞后回归模型验证了经济归系数，它的大小表明了空间相关性的强度。若为区经济综合实力存在空间相关性，并通过回归分析.正，表明存在正的空间相关性;若为负，则表明存在负得出了其主要影响因素及其强度的大小。计量结果的空间相关性。重新估计模型(胁的
33、变量系数，最终表明，规模以上工业总产值、固定资产技资总额、人均回归结果见表 5。地方财政支出及城镇化水平是影响经济区经济综合从回归结果来看，(1)空间滞后模型的拟合度水平的重要因素。2 (R)比线性回归模型的拟合度有所提高，自然对数参考文献似然函数值有提高，并且赤池信息准则和施瓦茨准则lJ 赵莹雪.广东省县际经济差异与协调发展研究J.经济的值都有所降低，变量回归系数都是非常显著的。因地理，2003.23(4):467-471. 此，模型(B)对于解释关中一天水经济区发展的影响2J 王法辉.基于 GIS的数量方法与应用MJ.北京:商务印因素和空间相关性是非常合适的。(2)人均地方财政书馆.200
34、9.支出因子在线性回归模型中通过 5%的显著性检验，3J 尚正永，张小林，卢晓旭，等.安徽省区域城市化格局时在空间滞后回归模型中通过 1%的显著性检验。同空演变研究J.经济地理.2011.3H的:584-590.时其他变量的伴随概率(Probability)均下降，可见空4J 周亮，自永平，刘扬.新经济版图成型背景下关中天水间滞后模型更符合客观实际。城市群定位及发展对策J.经济地理.2010.11(30):1810-1820. 五、结论5J 张玲，师谦友，等.基于 GIS的关中一天水经济区人口城市化研究J.干旱区资源与环境.2011(12):41 一 46.本文使用关中一天水经济区各县域 20
35、10年相关6J 任燕，穆秀珍.西安市旅游收入与经济增长关系的实证数据，研究了经济区经济发展的空间分布特征。全局分析J.西安财经学院学报.2012(5):97 一 102.空间关联分析表明经济区存在明显的空间集聚特征，7J ANSELIN L L.G丑1indicators of spatial a岱 ociation一 LISA同时局部空间相关分析表明该区域存在明显的发展口 J.G吨 raphicalAnalysis.1995.27 :93-115. 极。西咸地区、宝鸡、铜川为经济综合实力的高值地8J 郭灵，侯亮，杨清.西咸经济一体化研究一一基于城市流区，而经济区的西部、中部及东南部为经济发展
36、的落强度的分析JJ.西安财经学院学报.2010(1):22 一 26.后地区。Study on the Spatial Differences and Influencing Factor of County Economic Strength in Guanzhong嗣 TianshuiEconomic Zone ZHOU Xiao-wei ,ZHU Kun (School of Internat onal Bus ness, Shaanxi Normal University,Xian 710062,China) Abstract:Based on the county data of r
37、elative economic indexs in Guanzhong-Tianshui economic zone, this paper calculates the general score of county economic level by using SPSS, and analyzes the spatial differ?ences of county economic level in the zone. Through the Moran index to calculate aggregation degree, the results show that the
38、zone has obvious spatial agglomeration and spatial correlation. Moran scattered point diagram and LISA reveals that Xian-Xianyang area, Baoji, Tongchuan are the area which economic indexs are high. But the west, middle, and the southwest are the undeveloped areas. Through analyzing the eco?nomic ind
39、exs spatial econometric regression of 2010, it found that Gross output value of industrial above designated size, total fixed asset investment, local fiscal expenditure per capita and urbanization level have significant influences, and further testing and calculation of the spatial correlation funct on intensity. Keywords: regional inequal ty;spatial auto-rrelation; spatial regression; Guanzhong-Tianshui econoIT c zone (责任编辑:马红鸽)80
