中部地區(qū)城市土地經(jīng)濟(jì)密度時(shí)空分異及影響因素分析

張林穎，劉平輝，朱傳民

(東華理工大學(xué) 地球科學(xué)學(xué)院，江西 南昌 330013)

0 引言

土地是一種重要且不可代替的資源，也是一項(xiàng)社會(huì)資產(chǎn)和農(nóng)業(yè)活動(dòng)中主要的生產(chǎn)要素。近年來，建設(shè)用地的大規(guī)模供給強(qiáng)有力地推動(dòng)了我國城鎮(zhèn)化進(jìn)程和城市經(jīng)濟(jì)的快速增長[1-2]。與此同時(shí)，城鎮(zhèn)化和工業(yè)化的快速發(fā)展導(dǎo)致建設(shè)用地規(guī)模急劇擴(kuò)張、利用效率低下以及耕地資源被大量占用等一系列問題?，F(xiàn)階段，作為國家新一輪工業(yè)化和城市化重點(diǎn)發(fā)展的區(qū)域，中部地區(qū)正處于承接國內(nèi)外產(chǎn)業(yè)轉(zhuǎn)移，轉(zhuǎn)變經(jīng)濟(jì)增長方式和快速崛起的關(guān)鍵時(shí)期，對(duì)中部地區(qū)土地經(jīng)濟(jì)密度的研究不僅能夠有效提高土地利用效率、解決土地供給矛盾、推動(dòng)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展、發(fā)展循序漸進(jìn)和資源節(jié)約型城市，而且對(duì)空間規(guī)劃中“三區(qū)三線”的規(guī)模確定和空間布局提供了科學(xué)依據(jù)[3]。

由于不同地區(qū)的土地資源稟賦和經(jīng)濟(jì)發(fā)展存在顯著差異，土地經(jīng)濟(jì)密度在空間上呈現(xiàn)出異質(zhì)性[4]。如林堅(jiān)等[5]首次把土地經(jīng)濟(jì)密度與GIS技術(shù)相結(jié)合，分析了縣域土地利用經(jīng)濟(jì)效益的區(qū)域差異；曹廣忠等[6]運(yùn)用柯布-道格拉斯生產(chǎn)函數(shù)模型分析了土地經(jīng)濟(jì)密度的影響因素；王宏亮等[7]利用變差系數(shù)、基尼系數(shù)和泰爾指數(shù)等方法研究了內(nèi)蒙古自治區(qū)城鎮(zhèn)土地經(jīng)濟(jì)密度的區(qū)域差異。總體而言，目前有關(guān)土地經(jīng)濟(jì)密度的研究多聚焦于運(yùn)用變差系數(shù)、泰爾指數(shù)和探索性空間數(shù)據(jù)分析等模型來分析其在時(shí)間和空間上的演變規(guī)律和區(qū)域差異，而從時(shí)空效應(yīng)視角對(duì)土地經(jīng)濟(jì)密度的空間格局和影響因素的研究未見報(bào)道。

本文利用變差系數(shù)、泰爾指數(shù)，借助GeoDa空間分析軟件，綜合利用地理探測器和時(shí)空地理加權(quán)回歸模型；從時(shí)空效應(yīng)視角對(duì)中部地區(qū)城市土地經(jīng)濟(jì)密度的空間分布特征及其驅(qū)動(dòng)因素進(jìn)行分析和探討。

1 研究區(qū)域和數(shù)據(jù)來源

1.1 研究區(qū)域

中部地區(qū)包括山西、河南、安徽、湖北、湖南和江西6個(gè)省份，均為內(nèi)陸省份，下轄83個(gè)地級(jí)市。行政區(qū)域面積約為103.22萬km2，2016年底中部地區(qū)常住人口達(dá)到3.67億人，占全國人口的26.54%；GDP為16.40萬億元約占全國GDP的22.28%。

1.2 土地經(jīng)濟(jì)密度內(nèi)涵與指標(biāo)體系

目前，國內(nèi)關(guān)于土地經(jīng)濟(jì)密度含義的界定和評(píng)價(jià)指標(biāo)的選擇并沒有統(tǒng)一的規(guī)定[8]。滿菊[9]在研究河南省土地經(jīng)濟(jì)密度時(shí)采用單位城市土地面積上國內(nèi)生產(chǎn)總值來定義土地經(jīng)濟(jì)密度；方明等[10]認(rèn)為單位建成區(qū)面積上的二三產(chǎn)業(yè)增加值能夠更好地表征城市土地經(jīng)濟(jì)密度；呂曉等[11]在研究江蘇省城鄉(xiāng)建設(shè)用地經(jīng)濟(jì)密度時(shí)以單位面積城鄉(xiāng)建設(shè)用地上的二、三產(chǎn)業(yè)增加值來表征城鄉(xiāng)建設(shè)用地經(jīng)濟(jì)密度。本研究在參考相關(guān)文獻(xiàn)的基礎(chǔ)上，結(jié)合國家統(tǒng)計(jì)局發(fā)布的《三次產(chǎn)業(yè)劃分規(guī)定(2012)》，利用單位城鎮(zhèn)工礦用地面積上的二三產(chǎn)業(yè)增加值來反映地區(qū)城市土地經(jīng)濟(jì)密度，即城市土地經(jīng)濟(jì)密度=二三產(chǎn)業(yè)增加值/城鎮(zhèn)工礦用地面積。

土地經(jīng)濟(jì)密度作為土地集約利用的重要指標(biāo)，國內(nèi)外學(xué)者認(rèn)為產(chǎn)業(yè)、人口、政策、科技水平和基礎(chǔ)設(shè)施等是影響土地經(jīng)濟(jì)密度的重要驅(qū)動(dòng)因素[12-13]。綜合前人研究的成果，本文將從土地投入、社會(huì)經(jīng)濟(jì)發(fā)展水平、基礎(chǔ)設(shè)施水平、科技和信息化水平以及政策因素5個(gè)方面對(duì)中部地區(qū)城市土地經(jīng)濟(jì)密度變化特征進(jìn)行分析和研究。

(1)土地投入，用地均在崗職工人數(shù)和地均固定資產(chǎn)投資來表示。一定規(guī)模內(nèi)的勞動(dòng)力將有利于城市土地的集約利用和區(qū)域經(jīng)濟(jì)的發(fā)展，相比發(fā)達(dá)的東部地區(qū)來說，中部地區(qū)經(jīng)濟(jì)發(fā)展較為落后，固定資產(chǎn)投資的增加能夠有效促進(jìn)中部地區(qū)城市土地集約利用。

(2)社會(huì)經(jīng)濟(jì)發(fā)展水平，用人均GDP和人口城鎮(zhèn)化來表示，人均GDP和人口城鎮(zhèn)化是社會(huì)經(jīng)濟(jì)發(fā)展水平的重要衡量標(biāo)準(zhǔn)。

(3)基礎(chǔ)設(shè)施水平，用人均城市道路用地面積和建成區(qū)綠化覆蓋率來表示，城市基礎(chǔ)設(shè)施是城市發(fā)展的重要基礎(chǔ)，良好的基礎(chǔ)設(shè)施有助于生產(chǎn)要素之間的流動(dòng)和社會(huì)資源的整合。

(4)科技和信息化水平，用科教支出和人均郵電業(yè)務(wù)量來表示，科技創(chuàng)新是提高社會(huì)生產(chǎn)力的重要支撐。隨著信息化水平的提高，將有利于資金的快速流通，增強(qiáng)市場的活力。

(5)政策因素，用人均財(cái)政支出和人才吸引政策來表示，其中人才吸引政策以人口流動(dòng)率來表征，其計(jì)算參考了戚偉等[14]對(duì)東北三省縣域尺度流動(dòng)人口的計(jì)算方法，將常住人口與戶籍人口的比值定義為人口流動(dòng)率，當(dāng)其值大于1時(shí)，表明人口凈流入，反之則說明人口凈流出。

1.3 數(shù)據(jù)來源

本研究選取中部地區(qū)83個(gè)地級(jí)市為研究對(duì)象。其社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》(2011～2017年)和中部地區(qū)各省市統(tǒng)計(jì)年鑒(2011～2017年)；城鎮(zhèn)工礦面積來源于2010～2016年度全國土地利用變更調(diào)查數(shù)據(jù)庫。

2 研究方法

2.1 變差系數(shù)和泰爾指數(shù)

變差系數(shù)用來測算研究區(qū)域內(nèi)城市土地經(jīng)濟(jì)密度的離散程度，以研究中部地區(qū)城市土地經(jīng)濟(jì)密度在時(shí)間上的變化規(guī)律。公式為：

(1)

泰爾指數(shù)是用來測度個(gè)體與區(qū)域總體之間的差距，也可以把泰爾指數(shù)分解為研究區(qū)域的組間差距和組內(nèi)差距，因此泰爾指數(shù)也常運(yùn)用于經(jīng)濟(jì)學(xué)和管理學(xué)中[15]。本文根據(jù)行政區(qū)劃將中部地區(qū)城市土地經(jīng)濟(jì)密度劃分為6個(gè)群組。公式為：

(2)

2.2 經(jīng)驗(yàn)貝葉斯修正的空間自相關(guān)

全局空間自相關(guān)是一種空間統(tǒng)計(jì)的方法，能夠揭示城市土地經(jīng)濟(jì)密度的區(qū)域結(jié)構(gòu)形態(tài)以及在全局范圍內(nèi)的空間依賴程度。由于城市土地經(jīng)濟(jì)密度值是一個(gè)比率，當(dāng)研究區(qū)域內(nèi)基數(shù)值存在極大的差異時(shí)，將導(dǎo)致運(yùn)用Moran’s I統(tǒng)計(jì)得出虛假的結(jié)論[16-17]。為了避免運(yùn)用Moran’s I統(tǒng)計(jì)產(chǎn)生虛假結(jié)論，本文采用經(jīng)驗(yàn)貝葉斯修正的全局空間自相關(guān)和局部空間自相關(guān)。公式為：

(3)

(4)

2.3 地理探測器

地理探測器是用來探測空間分異性并揭示其內(nèi)在驅(qū)動(dòng)因素的一種新的統(tǒng)計(jì)學(xué)方法，其核心思想是當(dāng)自變量對(duì)因變量產(chǎn)生重要影響時(shí)，則自變量和因變量的空間分布具有相似性[18]。本文主要利用分異及因子探測來分析中部地區(qū)城市土地經(jīng)濟(jì)密度的空間分異性；研究各因素對(duì)城市土地經(jīng)濟(jì)密度的解釋程度并為時(shí)空地理加權(quán)回歸模型自變量的選擇提供合理的依據(jù)。公式為：

(5)

其中，h=1，…，L為因變量Y或因子X的分層，Nh和N分別為層h和研究區(qū)域內(nèi)的單元數(shù)，即研究單元的數(shù)量；σh2和σ2分別是層h和研究區(qū)域內(nèi)因變量Y的方差。q的取值范圍為[0,1]，q值越大表明自變量X對(duì)因變量Y的解釋能力越強(qiáng)，反之越弱，當(dāng)q值為1時(shí)，則表明自變量x能夠完全控制因變量y。

2.4 時(shí)空地理加權(quán)回歸模型(GTWR)

美國地理學(xué)家Waldo R Tobler[19]提出了被認(rèn)為是20世紀(jì)最重大的理論發(fā)現(xiàn)——地理學(xué)第一定律：“任何事物都相關(guān)，只是相近的事物關(guān)聯(lián)更緊密”。進(jìn)而對(duì)OLS模型加以改進(jìn)提出地理加權(quán)回歸模型[20-21]。雖然地理加權(quán)回歸模型解決了傳統(tǒng)回歸模型的空間非平穩(wěn)性，但仍忽略了模型的時(shí)間效應(yīng)。呂光樺等[22]在地理加權(quán)模型基礎(chǔ)上引入時(shí)間變量構(gòu)建三維時(shí)空地理加權(quán)回歸模型，能夠同時(shí)研究區(qū)域的時(shí)空異質(zhì)性。因此，GTWR模型也常常被用于分析經(jīng)濟(jì)和環(huán)境的影響因素[23-25]。公式為：

Yi=β0(ui,vi,ti)+∑kβk(ui,vi,ti)Xik+εi,i=1,2,…,n

(6)

式中，Yi為n*1維的解釋變量；ui,vi,ti為第i個(gè)樣本點(diǎn)的時(shí)空坐標(biāo)；βk(ui,vi,ti)是樣本i點(diǎn)的第k個(gè)回歸參數(shù)；β0(ui,vi,ti)地理加權(quán)模型中的常數(shù)項(xiàng)；Xik為Xk在i上的值；εi為模型函數(shù)的殘差。其中βk(ui,vi,ti)的估計(jì)方法為：

(7)

其中，W選擇高斯距離函數(shù)，其函數(shù)如下：

(8)

3 實(shí)證分析

3.1 中部地區(qū)城市土地經(jīng)濟(jì)密度差異分析

研究結(jié)果表明:2010～2016年中部地區(qū)城市土地經(jīng)濟(jì)密度的變差系數(shù)和泰爾指數(shù)變化趨于一致，整體呈上升的趨勢，具體表現(xiàn)為研究期內(nèi)先上升后下降再上升的過程。其中變差系數(shù)從0.3723上升到0.3993，上升了7.27%，泰爾指數(shù)從0.0307上升到0.0314，上升了2.16%。均表明中部地區(qū)城市土地經(jīng)濟(jì)密度差異越來越明顯。

從分解的泰爾指數(shù)來看，組間差距的貢獻(xiàn)率大于組內(nèi)差距的貢獻(xiàn)率，其中湖南省群組對(duì)組間差距的貢獻(xiàn)度最大，湖北省群組對(duì)組間差距的貢獻(xiàn)率逐年上升，而河南省群組的組間差距逐年下降，表明湖南省和湖北省的城市土地得到較好的集約利用，而河南、安徽和江西等省份的城市用地粗放現(xiàn)象更為嚴(yán)重。組內(nèi)差距的貢獻(xiàn)率在不斷上升，從各個(gè)群組上來看，湖北省城市土地經(jīng)濟(jì)密度的泰爾指數(shù)逐年上升，表明湖北省省內(nèi)的城市土地經(jīng)濟(jì)密度兩極分化較為明顯且有持續(xù)上升的趨勢。其他省份土地經(jīng)濟(jì)密度的泰爾指數(shù)在研究期間內(nèi)都有一定程度的下降(圖1)。

圖1 城市土地經(jīng)濟(jì)密度差異變化(左)和各群組泰爾指數(shù)(右)

3.2 中部地區(qū)城市土地經(jīng)濟(jì)密度時(shí)空格局分析

從中部地區(qū)城市土地經(jīng)濟(jì)密度全局空間自相關(guān)散點(diǎn)圖上我們可以看到(圖2)，從2010～2016年的Moran’s I大于0.11，且通過顯著性檢驗(yàn)(P<0.05)。表明中部地區(qū)各城市的土地經(jīng)濟(jì)密度在空間上呈正相關(guān)關(guān)系，Moran’s I值從2010年的0.1170上升到2016年的0.1768，這與分解泰爾指數(shù)的組間差距和組內(nèi)差距的趨勢是一致的。從Moran’I散點(diǎn)圖中也可以看到2010～2016年第一象限(H-H)和第三象限(L-L)地級(jí)市的數(shù)量從51個(gè)上升到56個(gè)，這些都表明中部地區(qū)的土地經(jīng)濟(jì)密度在空間上的正相關(guān)性，呈現(xiàn)顯著的聚集性。

圖2 城市土地經(jīng)濟(jì)密度Moran’s I散點(diǎn)圖

在對(duì)中部地區(qū)土地經(jīng)濟(jì)密度全局空間分異格局分析的基礎(chǔ)上，通過局部空間自相關(guān)進(jìn)一步分析中部地區(qū)的局部聚集類型。通過LISA圖可知(圖3)，中部地區(qū)城市土地經(jīng)濟(jì)密度呈現(xiàn)西南高東北低的格局。長株潭城市群為高值聚集中心且對(duì)省內(nèi)周邊的城市輻射強(qiáng)度力逐年增大，但對(duì)相鄰省市的輻射能力較弱。蚌埠、阜陽、淮南、信陽、景德鎮(zhèn)和淮南等市在研究期間內(nèi)為低值聚集中心。十八大以來，朔州市大力發(fā)展低碳農(nóng)業(yè)，二三產(chǎn)業(yè)增長速度變緩，從2011年的高低聚類到2014年轉(zhuǎn)變?yōu)榈椎拙垲?，形成了新的低值聚集中心。南昌、合肥和太原市等省?huì)城市逐漸成為高低值聚類中心。武漢市雖落在第一象限(H-H)，但未通過顯著性檢驗(yàn)，近些年來，隨著中原城市群的不斷發(fā)展作為該城市群中心城市的鄭州市有成為新的高值聚類的趨勢。

圖3 中部地區(qū)城市土地經(jīng)濟(jì)密度LISA圖

3.3 驅(qū)動(dòng)因素分析

3.3.1 驅(qū)動(dòng)因子探測 本文利用地理探測器對(duì)所選的指標(biāo)進(jìn)行探測與篩選，當(dāng)探測結(jié)果q值大于0且P值小于0.05時(shí)，說明指標(biāo)因子和城市土地經(jīng)濟(jì)密度的空間分布趨于一致，對(duì)城市土地經(jīng)濟(jì)密度空間分異的解釋能力較強(qiáng)，適合納入回歸模型中，反之則說明該因素對(duì)城市土地經(jīng)濟(jì)密度空間分異的解釋能力弱，該因子不適合納入回歸模型中。地理探測器對(duì)于自變量具有共線性免疫，因此在驅(qū)動(dòng)因子探測時(shí)無需對(duì)自變量進(jìn)行共線性檢測[26]。探測結(jié)果如表1所示。

表1 城市土地經(jīng)濟(jì)密度驅(qū)動(dòng)因素探測

中部地區(qū)處于工業(yè)化的中后期階段，勞動(dòng)力要素和投資仍是土地經(jīng)濟(jì)密度增長的主要驅(qū)動(dòng)因素(P>0.38)。與東部地區(qū)相比較，中部地區(qū)經(jīng)濟(jì)發(fā)展相對(duì)滯后，固定資產(chǎn)和勞動(dòng)力投入受邊際報(bào)酬遞減規(guī)律的影響較小。因此，加大對(duì)固定資產(chǎn)的投資、提升勞動(dòng)力素質(zhì)能夠有效地提高中部地區(qū)城市土地經(jīng)濟(jì)密度。

社會(huì)經(jīng)濟(jì)發(fā)展水平類指標(biāo)對(duì)城市土地經(jīng)濟(jì)密度解釋能力較強(qiáng)(P>0.22)且顯著性高。不同區(qū)域城市經(jīng)濟(jì)發(fā)展的差距是造成城市經(jīng)濟(jì)密度空間分異的主要原因。社會(huì)經(jīng)濟(jì)的快速發(fā)展將促進(jìn)二三產(chǎn)業(yè)的發(fā)展，不僅可提供大量的就業(yè)崗位而且能夠提升土地的集約利用水平。人口城鎮(zhèn)化是農(nóng)村人口向非農(nóng)人口轉(zhuǎn)變的過程，具有年齡選擇性。隨著人口城鎮(zhèn)化率的提高，有利于提升城市經(jīng)濟(jì)活力、擴(kuò)大城市內(nèi)需，為城市的發(fā)展提供充足的勞動(dòng)力。因此，中部地區(qū)的城市可以通過促進(jìn)人口城鎮(zhèn)化水平快速增加的方式提高城市土地經(jīng)濟(jì)密度。

基礎(chǔ)設(shè)施水平對(duì)城市土地經(jīng)濟(jì)密度的解釋能力較弱(q<0.10)且不顯著(P>0.1)，說明中部地區(qū)城市基礎(chǔ)設(shè)施建設(shè)投入產(chǎn)出效益較低。這是由于地方政府在城鎮(zhèn)化建設(shè)的過程中過度追求城鎮(zhèn)化率而忽略了對(duì)基礎(chǔ)設(shè)施的建設(shè)，隨著城鎮(zhèn)化的快速發(fā)展，人口大規(guī)模聚集在城市的中心區(qū)域，造成規(guī)模經(jīng)濟(jì)邊際遞減效應(yīng)和城市公共資源的短缺，致使基礎(chǔ)設(shè)施投資與城市經(jīng)濟(jì)密度關(guān)系不密切[27]。陳萬旭[28]在研究中國土地集約利用時(shí)空差異中也得到類似的結(jié)論。

科技和信息化水平類中的科技水平對(duì)城市土地經(jīng)濟(jì)密度空間分異的解釋能力一般(P<0.22)且不顯著。這是由于中部地區(qū)的教育資源和資金投入向省會(huì)城市傾斜，其他城市的教育資源和科研水平遠(yuǎn)低于經(jīng)濟(jì)水平較高的省會(huì)城市，在“馬太效應(yīng)”下兩者之間的差距越來越大，造成科技水平和城市土地經(jīng)濟(jì)密度在空間分布上的不一致。而信息化水平對(duì)城市土地經(jīng)濟(jì)密度的空間格局的解釋力較強(qiáng)。信息化水平的發(fā)展將降低企業(yè)的生產(chǎn)成本，提高信息傳遞效率，帶動(dòng)區(qū)域經(jīng)濟(jì)的發(fā)展。因此，加大科技、教育投入和提高信息化水平是提高中部地區(qū)城市經(jīng)濟(jì)密度的有效手段和措施。

政策因素類指標(biāo)中人口流動(dòng)率對(duì)城市土地經(jīng)濟(jì)密度空間分異的影響較強(qiáng)且顯著。城市競爭力主要體現(xiàn)在對(duì)人才的吸引力上，一個(gè)城市的人口凈流入越大，說明該城市的競爭能力越強(qiáng)。而人均財(cái)政支出對(duì)城市土地經(jīng)濟(jì)密度空間分異具有一定的解釋能力。因此，通過制定擴(kuò)張性的財(cái)政政策和優(yōu)惠的人才落戶政策可以有效提高城市土地經(jīng)濟(jì)密度。

3.3.2 時(shí)空地理加權(quán)回歸 地理探測器的適用范圍靈活，且能夠免疫共線性對(duì)它的影響，但對(duì)q值的大小沒有明確的定義，不能同時(shí)對(duì)2個(gè)以上因子進(jìn)行探測。針對(duì)地理探測器的不足之處，本文采用時(shí)空地理加權(quán)回歸模型進(jìn)行多因素分析對(duì)驅(qū)動(dòng)因素進(jìn)一步的量化，對(duì)其賦予更加明確的含義。在時(shí)空地理加權(quán)回歸模型中所選因素均來源于地理探測器探測結(jié)果中相關(guān)性較強(qiáng)的因子。

(1)模型數(shù)據(jù)預(yù)處理

由于所選評(píng)價(jià)指標(biāo)的屬性各有不同，為減弱模型的共線性和異方差性，本文對(duì)原始數(shù)據(jù)進(jìn)行自然對(duì)數(shù)轉(zhuǎn)換。在構(gòu)建回歸模型前，為了避免驅(qū)動(dòng)變量之間存在高度的共線性而導(dǎo)致回歸模型的估計(jì)失真和時(shí)間序列中自變量與因變量之間不存在任何線性相關(guān)，但相關(guān)的檢驗(yàn)量卻十分顯著而導(dǎo)致的偽回歸[29]。本文利用VIF檢驗(yàn)各個(gè)變量之間是否存在多重共線性，利用ADF檢驗(yàn)和PP檢驗(yàn)對(duì)各變量進(jìn)行單位根檢驗(yàn)。結(jié)果如表2所示，人均GDP和人口城鎮(zhèn)化率的共線性較高，為避免模型的失真，因此在構(gòu)建回歸模型中將對(duì)城市土地經(jīng)濟(jì)密度空間分異的解釋力相對(duì)較低的人口城鎮(zhèn)化水平剔除出指標(biāo)體系。在ADF檢驗(yàn)和PP檢驗(yàn)中各個(gè)參數(shù)都通過顯著性檢驗(yàn)(P<0.05)，表明各個(gè)驅(qū)動(dòng)因子數(shù)據(jù)為協(xié)整數(shù)據(jù)。

表2 驅(qū)動(dòng)因素VIF檢驗(yàn)和單位根檢驗(yàn)

(2)模型分析

在運(yùn)用GTWR模型之前，要先做普通面板回歸以確保GTWR模型結(jié)果的有效性和穩(wěn)健性[30]。本文采用OLS回歸對(duì)其進(jìn)行檢驗(yàn)，回歸結(jié)果如表3所示，模型通過顯著性檢驗(yàn)(P<0.05)但擬合度較低(R2=0.74)。通過OLS回歸模型可以看到各個(gè)驅(qū)動(dòng)因素對(duì)城市經(jīng)濟(jì)密度的影響差異較大，其結(jié)論與地理探測器所探測的結(jié)果相似，表明OLS模型是有效的。根據(jù)對(duì)中部地區(qū)城市土地經(jīng)濟(jì)密度的空間分析可以看出各城市間土地經(jīng)濟(jì)密度存在空間自相關(guān)性，由于OLS模型本身的局限性，OLS模型不能展示各個(gè)因變量之間的空間關(guān)系和時(shí)間效應(yīng)，因此需要對(duì)模型進(jìn)一步優(yōu)化。

表3 OLS模型參數(shù)估計(jì)結(jié)果

地理加權(quán)回歸(GWR)和時(shí)間加權(quán)回歸(TWR)能夠評(píng)估研究區(qū)域是否存在空間和時(shí)間上的非穩(wěn)定性[31]。從表4可以看出GWR模型和TWR模型的解釋能力均強(qiáng)于OLS模型，說明研究區(qū)域內(nèi)存在顯著的時(shí)空非平穩(wěn)性。與TWR模型相比，GWR在ALCc、bandwidth和RSE模型均小于TWR模型且在R2上大于TWR模型，說明GWR模型優(yōu)于TRW模型。表明中部地區(qū)城市土地經(jīng)濟(jì)密度的空間非穩(wěn)定效應(yīng)高于時(shí)間非穩(wěn)定性效應(yīng)，適合運(yùn)用GTWR模型。根據(jù)表5參數(shù)估計(jì)的結(jié)果可知，同時(shí)加入空間效應(yīng)和時(shí)間效應(yīng)的GTWR模型在整體上優(yōu)于OLS、TRW和GRW模型，且相比于OLS模型，TWR、GWR和GTWR模型的絕對(duì)誤差分別降低了11.83%、47.48%和49.54%。

表4 TWR模型和GWR模型參數(shù)估計(jì)結(jié)果

表5 GTWR模型參數(shù)估計(jì)結(jié)果

各驅(qū)動(dòng)因素在不同時(shí)空上對(duì)中部地區(qū)城市經(jīng)濟(jì)密度的影響各不相同，同一變量在不同時(shí)期對(duì)同一區(qū)域的城市土地經(jīng)濟(jì)密度的影響也不相同，存在顯著的時(shí)空異質(zhì)性。各驅(qū)動(dòng)因素與城市土地經(jīng)濟(jì)密度在時(shí)空上呈正相關(guān)，人均GDP對(duì)城市土地經(jīng)濟(jì)密度的影響力最大，其次是地均固定資產(chǎn)投資、地均在崗職工人數(shù)和人口凈流動(dòng)率。

從空間效應(yīng)上來看，地均在崗職工人數(shù)和人口凈流動(dòng)率在部分區(qū)域回歸系數(shù)為負(fù)，但這并不表示地均在崗職工人數(shù)和人口凈流動(dòng)率能夠抑制城市土地集約利用。通過分析GTWR模型回歸參數(shù)可以發(fā)現(xiàn)，地均在崗職工人數(shù)的回歸系數(shù)為負(fù)的區(qū)域主要集中在河南省與山西省交界處的勞動(dòng)密集型城市，如安陽、鶴壁、運(yùn)城和長治等市；人口凈流動(dòng)率回歸系數(shù)為負(fù)的區(qū)域主要集中在河南省和江西省中人口凈流出較大的城市，如周口、駐馬店、吉安和贛州等市，而2個(gè)因素中為正的回歸系數(shù)主要集中在省會(huì)城市和經(jīng)濟(jì)發(fā)展較好的城市中，說明產(chǎn)業(yè)結(jié)構(gòu)單一和區(qū)域人口大量流失是制約城市土地經(jīng)濟(jì)密度增長的主要因素，地均在崗職工人數(shù)和人口凈流動(dòng)率與城市土地經(jīng)濟(jì)密度存在正相關(guān)。

從時(shí)間效應(yīng)上來看，隨著中部地區(qū)各城市的在崗職工規(guī)模擴(kuò)大和勞動(dòng)力人口外流情況越發(fā)嚴(yán)重，同一研究單元的地均在崗職工人數(shù)和人口凈流動(dòng)率的回歸系數(shù)在不斷減小，說明當(dāng)其他條件不變時(shí)，在崗職工規(guī)模的增加已經(jīng)不能提升中部地區(qū)城市土地經(jīng)濟(jì)密度，人口外流對(duì)中部地區(qū)城市經(jīng)濟(jì)發(fā)展的影響越來越大。研究期內(nèi)，大部分城市的地均固定資產(chǎn)投資和人均GDP的回歸系數(shù)在上升，這與預(yù)期是相符的。由于各個(gè)變量的回歸系數(shù)在時(shí)空分布上存在很大差異，為了更好地分析回歸系數(shù)的分布趨勢，本文采用ArcGIS的“趨勢分析”工具繪制了驅(qū)動(dòng)因素回歸系數(shù)的時(shí)空分布圖[32]。

根據(jù)趨勢分析的結(jié)果(圖4)，地均在崗職工人數(shù)對(duì)城市土地經(jīng)濟(jì)密度的影響至西向東、至北向南先減后增呈兩邊高中間低的趨勢，地均在崗職工人數(shù)對(duì)城市土地經(jīng)濟(jì)密度的影響逐年下降，尤其是資源型城市土地經(jīng)濟(jì)密度對(duì)在崗職工規(guī)模的變化更為敏感，如大同、宜春和運(yùn)城等資源型城市。因此，在區(qū)域經(jīng)濟(jì)發(fā)展的過程中，需要加快產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，發(fā)展新興產(chǎn)業(yè)，培育經(jīng)濟(jì)發(fā)展新的增長極。

地均固定資產(chǎn)投資在X軸方向?qū)χ胁康貐^(qū)土地經(jīng)濟(jì)密度的影響呈曲線上升，在Y方向上先增后減呈倒“U”型趨勢。中部地區(qū)各省份產(chǎn)業(yè)結(jié)構(gòu)類似，支柱性產(chǎn)業(yè)重疊性強(qiáng)，隨著固定資產(chǎn)投資規(guī)模的擴(kuò)大，區(qū)域產(chǎn)品同質(zhì)化競爭將愈發(fā)嚴(yán)重，導(dǎo)致固定資產(chǎn)投入產(chǎn)出效益降低。這就要求各城市積極融入“一帶一路”和“長江經(jīng)濟(jì)帶”等重大國家戰(zhàn)略中，深化區(qū)域合作，優(yōu)化產(chǎn)業(yè)布局，實(shí)現(xiàn)跨區(qū)域城市間的產(chǎn)業(yè)分工，優(yōu)化商品和生產(chǎn)要素的配置。

城市土地經(jīng)濟(jì)密度對(duì)人均GDP的變化最為敏感，從北至南人均GDP對(duì)城市土地經(jīng)濟(jì)密度的影響呈曲線降低，而在東西方向先增后減。區(qū)域經(jīng)濟(jì)的增長將推動(dòng)產(chǎn)業(yè)和生產(chǎn)要素的聚集以及科學(xué)技術(shù)創(chuàng)新能力的提升，提高土地的集約利用度。因此，需加快城市群建設(shè)發(fā)展，以城市群為中心帶動(dòng)周邊城市經(jīng)濟(jì)發(fā)展；通過構(gòu)建區(qū)域協(xié)調(diào)發(fā)展，推動(dòng)城鄉(xiāng)一體化發(fā)展。

城市人口凈流動(dòng)對(duì)城市經(jīng)濟(jì)密度在X方向中間低兩邊高呈“U”型變化，在Y方向自北向南先增后減呈東南高西北低的趨勢。隨著人口的持續(xù)流失，嚴(yán)重制約了區(qū)域經(jīng)濟(jì)的發(fā)展，不利于產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。通過提高二三產(chǎn)業(yè)比重，創(chuàng)造更多的就業(yè)機(jī)會(huì)，以抑制人口外流；通過加快發(fā)展高新技術(shù)產(chǎn)業(yè)，對(duì)于高學(xué)歷、高技術(shù)的人才可以適當(dāng)給予優(yōu)惠的落戶政策，以高新產(chǎn)業(yè)吸引中高端人才，以人才推動(dòng)科技創(chuàng)新。

4 結(jié)果與討論

中部地區(qū)各個(gè)群組間城市土地經(jīng)濟(jì)密度差距較大，湖南省平均城市土地經(jīng)濟(jì)密度最高，其次是湖北省和河南省,其他省份的平均城市土地經(jīng)濟(jì)密度較低。研究表明中部地區(qū)城市土地經(jīng)濟(jì)密度“虹吸效應(yīng)”越來越明顯，這是導(dǎo)致中部地區(qū)群組內(nèi)城市土地經(jīng)濟(jì)密度兩極化的重要原因；中部地區(qū)城市土地經(jīng)濟(jì)密度受多種因素的影響，各城市間土地投入規(guī)模和經(jīng)濟(jì)發(fā)展水平之間的差距是造成城市土地經(jīng)濟(jì)密度空間分異的主要原因，政府的政策制定對(duì)城市土地經(jīng)濟(jì)密度也有很大的干預(yù)度，與上述的影響因素相比，基礎(chǔ)設(shè)施水平和科技水平對(duì)中部地區(qū)土地經(jīng)濟(jì)密度空間分異的解釋能力較低。大部分區(qū)域?qū)萍己突A(chǔ)設(shè)施的投入較低，難以滿足社會(huì)經(jīng)濟(jì)的發(fā)展，嚴(yán)重制約了區(qū)域經(jīng)濟(jì)的發(fā)展。

地理探測器和構(gòu)建時(shí)空地理加權(quán)回歸模型均能分析城市土地經(jīng)濟(jì)密度的影響因素，都有各自的優(yōu)缺點(diǎn),如地理探測器運(yùn)用范圍廣泛,既能探測數(shù)值型變量也能探測定性變量,且可以不考慮變量之間的共線性,但未明確q值的定義；而時(shí)空地理加權(quán)回歸模型對(duì)回歸系數(shù)有著明確的定義,能夠和多個(gè)變量一起構(gòu)建回歸模型,但在指標(biāo)的選取過程中往往存在一定的主觀性,將嚴(yán)重影響了回歸模型的精度。本文將地理探測器和時(shí)空地理加權(quán)回歸模型進(jìn)行結(jié)合，能夠很好地克服兩者的缺點(diǎn)，將兩者的優(yōu)勢相結(jié)合，對(duì)探測的結(jié)果進(jìn)行交叉檢驗(yàn)，增加回歸模型的可信度。