第二节 长三角制造业空间格局演变分析

通过对长三角区域制造业的初步分析，我们可以了解长三角区域制造业产业集聚的整体现状。为进一步了解长三角区域产业集聚和劳动生产率的空间差异情况，本书利用探索性数据分析方法对长三角制造业的地理效应进行研究。

一、权重矩阵的建立

空间探索性数据分析方法最重要的是权重矩阵的建立。因此，在进行相关性分析之前，首先要创建空间权重矩阵。本章仍然选取二进制邻接方法创建权重矩阵，先将长三角25个城市进行编码，再根据它们与周围城市的地理位置是否相邻，得到权重矩阵。邻接矩阵的编码同第一章表1.2。

二、Moran's I指数

全局空间相关性反映了观测值在全部区域范围内集聚的整体趋势，一般用全局Moran's I指数进行分析。利用GeoDa软件，采用2003年—2009年间的制造业劳动生产率的数据，得出长三角的全局Moran's I指数，如表3.4所示。

通过对表3.4进行观察，可以初步得出长三角制造业生产率差异的大体分布。2003年，制造业劳动生产率的Moran's I指数小于0。2004年开始，劳动生产率的Moran's I指数开始大于0，并逐步增大。

这表示长三角各区域制造业生产率存在负相关，即可能存在生产率高的区域被生产率低的区域包围，或者是生产率低的区域被生产率高的区域包围。长三角区域制造业生产率呈现正相关，即可能存在生产率高的区域逐步集聚在一起，或者是生产率低的区域集聚在一起。而不管是哪种情况，都意味着长三角区域相互促进，内部的联系更加紧密，相互影响的作用力更加强大。

三、Moran's I散点图

空间集聚的全局分析往往会忽略一些局部反常的情况或一些局部不稳定的现象，因此在进行全局分析的同时，需要加入局部空间分析，在这里采用2003年到2009年的制造业劳动生产率数据，通过GeoDa软件分析这两年的制造业整体劳动生产率的局部Moran's I指数，并得到相应的Moran's I散点图，如图3.4~图3.10所示。

观察2003年的散点图，我们可以看出观察值较为分散，而且落在第二象限的居多，而第二象限代表了高观测值的区域单元被低观测值的区域所包围，这肯定了我们前面提到的一种可能性：生产率高的区域被生产率低的区域包围。2004年则开始摆脱这种负相关的联系，局部呈现了均匀分布。而从2005年开始，所有的观察值都在向中心聚拢，这体现的是很强的空间集聚特征。从2009年的散点图可以看出，大部分观察值都集中在中心位置，而第三象限中的观察值则增到4个，并远离中心位置。而第三象限（LL）代表了低观测值的区域单元被同是低观测值的区域所包围的空间联系形式，即生产率低的区域集聚在一起。这也得出以下结论：①长三角制造业劳动生产率所体现出来的空间正相关，并不是效率高的地区在带动效率低的区域，反而是效率低的区域在相互影响。②正在逐渐扩大的区域劳动生产率差异也正是效率低的地区聚集在一起，没有突破性的发展。

四、LISA显著性水平图

虽然Moran's I散点图说明长三角各城市间的差距有所缩小，但是Moran's I散点图不能很好地提供区域显著性检验结果，因此我们利用LISA显著性水平图分析2003年到2009年制造业劳动生产率的数据，得到LISA显著性水平图，以此形象地展示长三角区域经济的空间相关集聚现状。

图3.11~图3.17形象地展示了2003年到2009年长三角区域16个城市制造业劳动生产率的Moran空间自相关聚类现象，我们就能对长三角区域制造业劳动生产率的空间联系有了更清晰的认识。其中，High-High代表高生产率集聚中心，Low-Low代表低生产率集聚中心，Low-High代表低生产率区域被高劳动生产率区域包围，High-Low代表高生产率区域被低劳动生产率区域包围，Not Significant代表区域间劳动生产率没有体现相关影响。观察图3.11~图3.17，我们可以在全局分析的基础上，进一步推断长三角地区的现状。

2003年，以绍兴为中心有一个H-L的区域，围绕在其周围的杭州、台州等地的劳动生产率均比较低，而其他地方没有出现很明显的集聚现象。2004年，则出现了两个分别以南通和常州为中心的L-H区域，围绕在南通周围的上海、苏州以及泰州的劳动生产率都有了比较大的进步，而南通的驻足不前，就有了如此的非典型性集聚。而围绕在常州周围的南京和无锡区域的制造业劳动生产率在长三角内部皆名列前茅，常州的劳动生产率虽不是很低，但居于其中也就形成了L-H区域形态。2005年，正是由于常州在周围高劳动生产率的影响带动下，其劳动生产率也有了较大的增长，首次出现了H-H型集聚。2006年，集聚的格局形式保持不变。2007年，以宁波为中心形成了一片劳动生产率的低洼区域。此后一直保持集聚格局到2009年。