服务业发展指数的空间相关性分析

服务业发展的空间相关性主要表现为服务业发展水平的空间集聚和溢出效应，对周边地区发展会产生重要影响。空间相关性另外一个表现为空间异质性，这是因为服务业发展存在着中心和边缘之分，从而存在空间上的差异性。本篇选用Moran's I指数作为分析全局相关性的指标，计算公式为:

上式中的n表示省份数量，xi表示i省份的服务业发展指数得分，表示所有观测省份服务业发展指数分的平均值。Moran's I指数在[－1，1]区间内取值，具体含义为:若Moran's I指数大于0时，表示空间正相关；小于0时，表示空间负相关；等于0时，表示空间独立分布；接近于0时，表示空间分布是随机的。Moran's I指数绝对值越大，意味着空间相关程度越大；反之则越小。Moran's I指数揭示的是全局空间自相关性，局部空间自相关性可以通过绘制Moran's I指数散点图考察。

运用Stata软件测算出2006—2016年我国大陆30个省份服务业发展指数的全局Moran's I指数(见表1.4)，结果显示，我国服务业发展指数的Moran's I指数均为正数，大于0.15，并通过显著性检验，表明我国各省份服务业发展在空间上存在正相关关系，即各省份服务业发展会受到临近省份的影响，服务业发展水平高(低)的省份相邻。从Moran's I指数的变化趋势看，2006—2016年Moran's I指数存在一定波动，但波动范围不大，在2009年达到峰值0.319，2006年、2016年Moran's I指数分别为0.210、0.197，变化并不明显。

表1.4　我国各省份服务业发展指数的Moran's I指数值

采用Moran's I散点图进一步考察我国服务业发展指数空间分布特征。通过stata软件得出2006年、2011年、2016年、2006—2016年11年平均值的Moran's I散点图(图1.1)，散点图解析如表1.5所示，在这四个时间段内，大多数省份落在了第一象限和第三象限，表明具有正的相关性和空间集聚性；只有少部分省份落在了第二象限和第四象限，表明具有负的相关性和空间离群性。北京、天津、上海、江苏、浙江、福建、山东位于第一象限，即High-High型高值集聚区；湖北、重庆、陕西、山西、内蒙古、贵州、云南、黑龙江、吉林、甘肃、四川、青海、宁夏、新疆位于第三象限，即Low-Low型低值集聚区；安徽、江西、广西、海南均位于第二象限，即Low-High型集聚区；广东位于第四象限，即High-Low型集聚区。在2006—2016年，河北由High-High型变为了Low-High型，河南由Low-Low型变为了Low-High型，辽宁由High-Low型变为了Low-Low型。(www.xing528.com)

图1.1　不同时期Moran's I指数散点图

表1.5　Moran's I指数散点图解析表

总体而言，2006—2016年样本考察期中我国服务业发展指数全局空间自相关性显著，服务业发展指数的空间分布呈现High-High型空间集聚模式与Low-Low型空间集聚模式的正向空间相关性。这表明，服务业发展水平较高的省份，往往与其他服务业发展水平较高的省份相邻(High-High型空间集聚模式)，同理，服务业发展水平较低的省份，往往被服务业发展水平较低的省份包围(Low-Low型空间集聚模式)，这说明如果忽略了空间效应因素的存在，会造成收敛模型的估计结果与实际情况存在较大的偏差。因此，在考察地区服务业发展收敛性时，应将空间因素的影响考虑在内。