宋雪茜,劉穎
(1.成都信息工程大學管理學院,成都610225;2.中國科學院成都山地災害與環境研究所山區發展中心,成都610041)
區域公共服務供給水平對于提高區域發展能力起著至關重要的作用。受自然、經濟、制度等多種因素的影響,公共服務供給空間分布不均衡現象普遍存在,因此公共服務供給空間不均衡性及其影響因素成為學界研究的熱點。在城鄉二元結構成為阻礙公共服務均等化的重要原因背景下,學界對我國城鄉之間公共服務空間差異[1-2]及農村公共服務空間差異[3]研究成果頗豐,公共服務地區差異也日益受到重視,相關研究多圍繞著東西部差異展開。陳詩一等通過分析中國省級地方政府服務供給的相對效率,提出西部省份比東中部地區省級服務供給效率低[4]。張明玖進一步指出西部地區基本建設支出對經濟增長的貢獻明顯高于東部地區、東部地區科教文衛支出對經濟增長的貢獻遠高于西部地區的結論[5]。馬慧強等對中國大陸286個地級以上城市(除拉薩外)進行分析,結果表明基本公共服務呈現從東部沿海到中、西部逐步降低的特點[6]。隨著空間特征被引入到公共服務效率的分析中,公共服務供給的空間相互作用成為國際上相關領域研究熱點。相關研究結果表明財政競爭[7-9]、錦標競爭[10-13]、支出外溢[14-18]地方政府間公共服務投資相互影響是公共服務財政投入空間聚集的主要原因。國內現有研究主要集中于對公共服務空間差異的描述或統計分析,公共服務供給的空間相關性研究較少。對公共服務空間分布格局影響因素的分析多集中在經濟、政策和社會因素[19]等方面,從地理因素角度進行深入的研究較為少見。根據中國公共服務供給的實踐,本研究推測公共服務供給差異的原因應與地理空間因素有關,為了從空間統計及計量的角度驗證本研究的猜測,以四川省為例,引入空間自相關模型檢驗不同類別公共服務供給在地理空間上是否具有相關性,并從地理、經濟和政策等角度對公共服務供給空間相關性的影響因素進行探究,并針對不同類別的公共服務,提出差異化的空間供給策略。
四川省地處中國西南,國土總面積48.6萬km2。其中山地、丘陵、高原面積達90%以上。2013年四川省實現地區生產總值(GDP)26 260.8億元,居全國第8位,西部地區第1位。2013年末,全省常住人口8 107萬人,城鎮化率53.73%。四川省轄18個地級市3個自治州,其中涼山彝族自治州、甘孜藏族自治州、阿壩藏族羌族自治州為少數民族聚居地(圖1)。
圖1 四川省地形Fig.1 Topography of Sichuan Province
本研究以四川省各市州為研究的空間樣本對公共服務供給的空間關系進行研究。由于四川省丘陵和山地占總面積比例很大,尤其是川西地區山高人稀,如果以人均指標評價山區公共服務供給水平會得出貧困山區公共服務效率較高的錯誤結論[20];以公共服務支出占GDP比重為指標評價,會由于轉移支付和專項投入的因素而得出越偏遠貧窮的山區的公共服務供給水平越高的結論;以各項支出占財政總支出比重指標衡量各地公共服務供給狀況更因掩蓋了各地的經濟、社會和地理因素的差異性而不客觀[21]。相對而言,地均指標更能客觀地反映經濟、社會發展不平衡的公共服務供給狀況,因此,本研究以地均公共服務支出為基礎數據進行分析。
一是公共服務財政支出統計數據。運用《四川省統計年鑒2013》數據,選擇與公共服務相關性較強的15項,包括科學技術、文化體育與傳媒、環境保護、農林水事務、交通運輸、公共安全、城鄉社區事務、資源勘探電力信息等事務、地震災后恢復重建、國土資源氣象等事務、住房保障、教育、醫療衛生事務、一般公共服務、社會保障和就業。二是地理空間數據。選用DEM數據為地球電子地形數據ASTER GDEM,基本格網單元大小為30 m×30 m,精度相當于1∶10萬。行政界線數據來自國家遙感應用工程技術研究中心西南分中心,基本比例尺為1∶10萬。研究中用到的空間權重矩陣和各地區地理空間坐標均來源于此。
對空間數據的處理是利用ArcGIS軟件對四川省行政區劃圖進行柵格化處理,將其轉化為矢量數據,將各種屬性數據“離散化”到行政單元上,將其直接作為空間單元,便于將空間數據與經濟數據進行匹配分析。對經濟數據的處理是將四川省各市州15項公共服務支出的地均數據以因子分析法進行降維后提取公因子計算得分,再將公因子得分與數字化后的空間數據進行合成,形成空間統計數據。
各市州公共服務支出的15個項目間可能存在嚴重的內部相關性,因子分析可以將具有復雜關系的變量綜合為數量較少的幾個因子[22],本研究采用因子分析法對公共服務供給變量進行降維。先用KMO樣本測度法和Bartlett球體檢驗法對15個支出項目變量間的相關程度進行檢驗,再用主成分分析法計算反映四川省各市州公共服務支出狀況的綜合測評得分,計算公式為:
式中:di為公共因子特征值方差貢獻率;fi為公共因子得分;bij為因子得分系數;xij為各市州標準化指標值。
3.2.1 空間權重矩陣。在明確空間相互作用特征的基礎上構造空間鄰近性矩陣,將空間鄰近性矩陣歸一化,就得到空間權重矩陣W[23]。
3.2.2 全局空間自相關??臻g自相關系數可用來度量屬性值在空間上的分布特征及其對鄰域的影響程度[24]。在實際應用中Moran’s I較為常用[25-26],全局空間自相關Global Moran’s I指數常用來分析研究對象在全局空間內表現出的分布特征,計算公式為:
式中:n為觀測點個數;wij為空間權重;Xi和Xj代表地區i和j變量數Xi的方差。Moran’s I指數的取值范圍為[-1,1],正數表示空間集聚分布特征,即存在空間正相關性,值越大集聚特征越明顯;負數表示空間發散分布特征,即存在空間負相關性,值越小發散特征越明顯;等于0表示空間的隨機分布特征,即不存在空間相關性[27]。
3.2.3 局部空間自相關。局部空間自相關分析可以更準確地把握空間要素異質性特征的局部空間相關性[28-29]。分析局部空間相關性通常使用由LISA方法計算的Local Moran’s I指數,計算公式為:
Ii為正表示變量存在局部空間正相關,為負則表示負相關。①HH型:Ii>0,市州i與相鄰市州的服務支出均高于全省平均水平;②LL型:Ii>0,市州i與相鄰市州的服務支出均低于全省平均水平。③HL型:Ii<0,市州i的服務支出高于全省平均水平,相鄰市州服務支出低于全省平均水平。④LH型:Ii<0,市州i的服務支出低于全省平均水平,相鄰市州服務支出高于全省平均水平。
地勢起伏度(relief degree of land surface,RDLS)是指在所指定的分析區域內所有柵格中最大高程與最小高程的差,是反映地形起伏的宏觀地形因子。地勢起伏度的引入可以科學分析地形地貌對公共服務供給空間相關性的影響程度。采用DEM數據作為基礎數據,利用ArcGIS中的空間分析模塊提取地形起伏度。隨著“某一個范圍”的增大,地勢起伏度必然會增加。所以,確定地勢起伏度的關鍵是確定這一范圍的大小。選取矩形作為分析窗口,窗口為3×3,5×5,7×7,……,45×45,移動步距為2。分析窗口內的高差作為目標柵格的起伏度,由此計算出整幅DEM上每個窗口的起伏度,求得地形起伏度的柵格數字矩陣。計算公式為:
式中:Hij為領域內像元的高程值;max(Hij)和min(Hij)分別為分析窗口中的最大和最小高程值;ΔHij為領域內的高差即表示分析窗口的起伏度大?。?0]。
指標相關性及模型適用性檢驗結果顯示公共服務支出地均指標的KMO值為0.686,適合做因子分析。Bartlett球體檢驗的Sig值為0.000,t球體檢驗X2的統計值為716.627,說明變量之間存在相關關系,適合作因子分析。提取公共因子、求解旋轉后的因子載荷矩陣,結果表明前3個因子的方差貢獻率分別為76.801%,12.298%和7.426%,累積方差貢獻率為96.526%,表明提取的公因子能夠解釋15個原始變量的90%以上,充分地保留了原始變量信息,具有很好的代表性,因此,提取前3個因子作為主因子。用Kaiser標準化正交旋轉法對各類指標提取的公共因子建立因子載荷矩陣,經5次正交旋轉以后收斂,結果見表1。
表1 旋轉后的因子載荷矩陣Tab.1 Factor loading matrix after rotation
由表1可知:公因子F1在科學技術支出、文化體育與傳媒、交通運輸、公共安全、城鄉社區事務、資源勘探電力信息等事務、國土資源氣象等事務、一般公共服務上載荷較大,這些變量多為政府為促進經濟社會更好地發展而提供的公共服務支出,因而可以命名為“偏高級公共服務因子”;F2在環境保護支出、農林水事務支出、教育、醫療衛生、社會保障、住房保障上載荷較大,這些指標多屬于基本公眾服務類支出,因而可以命名為“偏基本公共服務因子”;F3在地震災后恢復重建上載荷較大,可命名為“災后重建因子”。
運用因子分析法求解三類公共服務因子得分(圖2),結果表明:四川省偏高級公共服務聚集程度非常高,成都市得分遠高于其他市州,空間差異十分明顯;偏基本公共服務空間差異相對較小,但仍呈現出中部、東部地區供給高于西部山區的特點;災后重建公共服務供給聚集在汶川大地震主要災區。進一步計算四川省各市州公共服務供給綜合得分(圖3)表明:四川省公共服務供給空間差異較為明顯,公共服務資源主要聚集在成都平原及東、南部丘陵地區,川西山區公共服務供給普遍較低,其中阿壩、涼山和甘孜3個少數民族自治州公共服務供給綜合得分最低,這也證實了地形復雜山區的公共服務能力基礎與配套較差。
圖2 四川省各市州三類公共服務支出因子得分Fig.2 Scores of the three common factors of cities in Sichuan Province
圖3 四川省各市州公共服務支出綜合得分Fig.3 Synthesis scores of public services of cities in Sichuan Province
為度量四川省各市州偏基本公共服務、偏高級公共服務和災后重建支出的全局及局部空間集聚程度,采用空間自相關模型,引入一階鄰接“車標準”權重矩陣(rook contiguity),通過GeoDa軟件對四川省各市州三類公共服務支出空間相關性進行分析。
圖4 四川省各市州三類公共服務支出全局空間自相關空間分布Fig.4 Global spatial autocorrelation distribution of three types of public services of cities in Sichuan Province
4.2.1 全局空間自相關檢驗結果。全局空間自相關分析結果表明,四川省各市州各類公共服務財政支出均具有較高的空間相關性,其中,偏高級公共服務支出(I=-0.078 8,p<0.05)呈負相關,表明該類支出較高的地區與較低的地區相鄰;偏基本公共服務支出(I=0.266 7,p<0.01)及災后重建支出((I=0.167 2,p<0.01)都呈聚集分布,說明這2類公共服務支出較高與較高的地區相鄰,較低與較低的地區相鄰,其中偏基本公共服務支出聚集度最高。將各類公共服務供給的全局空間自相關散點圖的各象限地區表達在空間上,可直觀再現各市州的全局空間自相關空間分布狀況(圖4)。
從圖4a可知,偏高級公共服務方面,成都地區自身偏高且周邊偏低,而與成都相鄰的所有市州則屬較低與較高地區相鄰,其他市州都屬較低與較低相鄰。四川偏高級公共服務支出的空間相關性分布呈現出以成都為中心同心圓式向外擴散的形態。
從圖4b可知,偏基本公共服務支出方面,成都、德陽和南充屬支出高與支出低相鄰,眉山、資陽、遂寧、廣安、內江和自貢為支出較高與較高地區相鄰,瀘州和達州屬支出較低與較高相鄰,西部山區都是較低與較低相鄰。四川省偏基本公共服務支出呈現出以成都平原為中心向東部扇形擴散的趨勢。
從圖4c可知,災后重建支出方面,成都、綿陽、德陽、廣元都是汶川地震災后重建重點區域,都屬較高與較高鄰近;阿壩州及災區東部鄰近的遂寧、資陽、巴中三市均屬較低與較高鄰近;其余的市州都屬較低與較低鄰近。
綜合三類公共服務供給全局空間自相關結果可知,川西山區三類公共服務供給都呈“低-低”相關,表明該區域各類公共服務供給能力和水平都較低,而成都平原三類公共服務都呈“高-低”相關,表明該區域各類公共服務供給能力都較周邊地區豐富。由此充分印證了四川省公共服務資源的聚集與地形條件、都市圈空間關聯密切相關。
4.2.2 局部空間自相關檢驗結果。四川省各市州公共服務支出局部空間自相關結果見圖5。在偏高級公共服務支出方面,雅安為LH型,綿陽、遂寧為LL型,均通過5%相關性水平檢驗,其他地區空間相關性特征不顯著;在偏基本公共服務支出方面,甘孜、資陽通過1%水平的相關性檢驗,雅安、瀘州通過5%水平相關性檢驗。甘孜和雅安是LL型,資陽為HH型,瀘州為LH型;在災后重建支出方面,阿壩和綿陽通過1%水平的相關性檢驗,德陽通過5%水平相關性檢驗。阿壩為LH型,綿陽和德陽是HH型。
圖5 四川省各市州三類公共服務支出局部空間自相關空間分布Fig.5 Local spatial autocorrelation distribution of three types of public service of cities in Sichuan Province
采用均值分析法計算最佳統計單元,確定地形起伏度的最佳統計單元為0.15 km2,以此計算出四川省各市州的地勢起伏度(表2)。
表2 四川省各市州地勢起伏度Tab.2 The RDLS of cities in Sichuan Province
4.4.1 經濟發展水平與公共服務總體供給水平呈顯著正相關。以人均GDP作為反映地方經濟發展狀況的指標,計算其與公共服務支出綜合得分的Pearson相關系數,結果表明,公共服務支出綜合得分與人均GDP在0.01水平上顯著相關,Pearson相關系數為0.592,說明四川省各市州公共服務供給水平與當地經濟發展水平顯著正相關。
4.4.2 地勢起伏度與偏基本公共服務支出呈顯著負相關。分別計算各市州地勢起伏度與三類公共服務支出綜合得分的相關性,結果見表3。偏基本公共服務支出與地勢起伏度呈顯著負相關,說明地形地貌對偏基本公共服務供給產生了極大影響,西部山區偏基本公共服務效率明顯低于成都平原和東部、南部丘陵地區。其原因主要在于山區城鎮系統的離散性質使得山區公共服務投入高、收益低;山區城鎮空間關聯性相對偏弱,內外經濟聯系較少,要素流動的速度很低,對周邊的帶動作用?。?1],導致山區偏基本公共服務支出溢出效應不明顯。從成都平原到川西山地是中國地勢從第二階梯向第一級階梯過渡的地帶,巨大的海拔落差導致人流、物流和信息流成本高,使成都平原偏基本公共服務的高投入難以自然擴散到西部山區,只能依地勢向東部呈扇形擴散。
表3 三類公共服務支出得分與地形起伏度的相關性Tab.3 Correlation of the RDLS and public service
4.4.3 區域一體化使偏高級公共服務支出溢出效應明顯。四川省偏高級公共服務呈以成都為中心同心圓式向外擴散的趨勢,表現出典型的弗里德曼“中心-外圍”空間相互作用形態。其原因主要有:第一,由于大成都區域經濟一體化步伐的加速,經濟發展具有明顯的收斂特征,在系統內相互作用產生了動態聯動效應,成都市偏高級公共服務的高投入受經濟文化聯系、人口流動等因素的影響,對周邊市州輻射較大[32];第二,周邊市州享受成都提供的偏高級公共服務,在制定相應財政預算支出政策時與成都市相互影響;第三,偏高級公共服務是具有明顯外溢性的公共服務[33],由于其他地區的私人或企業可以消費成都地區投入的交通運輸、科學技術、文體傳媒和城鄉社區事務等公共服務,使得產業的成本降低,會吸引更多的生產要素,由于規模收益遞增,出現了增長極與其腹地間的聚集趨勢。
4.4.4 政策環境是各類公共服務供給區域差異的重要影響因素。公共服務因子分析結果表明,四川省三類公共服務空間差異程度有所不同,偏基本公共服務配置相對均衡,其原因主要在于當前中國公共服務供給政策以實現基本公共服務均等化為重點。根據2009—2013年統計數據計算四川省5年各項服務供給的離散系數,結果表明:環境保護、農林水事務、社會保障、醫療衛生事務、教育5項公共服務支出近5年的離散系數都小于0.8,說明偏基本公共服務支出地區差異較小;偏高級公共服務支出項目近5年的離散系數都在0.8以上,地區差異較大。由此可見,四川省各市州對于滿足人民基本生存需要的公共服務供給趨向均衡,說明在基本公共服務均等化的方針指引下,地方在財政分配中重點向基本公共服務部門傾斜,取得了明顯的成效。偏高級公共服務的供給則主要依賴于當地經濟社會發展水平,造成地方偏高級公共服務供給過分聚集。汶川大地震災后重建大大增加了災區公共服務的供給,災后重建支出全局空間自相關結果表明受災影響大的市州該類公共服務支出均較高,同時還向東部城市有一定的溢出。
1)四川省公共服務供給具有較明顯的空間相關性,不同類型公共服務在空間上具有不同的相關性特征。偏基本公共服務呈現以成都市為中心向東部溢出的扇形擴散趨勢;偏高級公共服務支出具有“中心-外圍”空間溢出特征;災后重建支出聚集在“5·12汶川大地震”災區且對東部城市有一定的外溢。
2)經濟發展水平、地勢地貌、區域一體化和政策環境是公共服務供給效率的重要影響因素,不同類型公共服務受各因素影響的程度不同。經濟發展水平對整體公共服務供給效率有顯著正向影響;地勢起伏度越高的地區偏基本公共服務供給效率越低;在一體化程度高的地區,其中心城市的偏高級公共服務對其腹地有較強的輻射效應;當前中國的政策環境有利于基本公共服務均等化和災后重建地區的公共服務基礎設施高效供給,但偏高級公共服務供給的過度聚集還未引起重視。
3)川西山區各類公共服務供給效率均較低,且全部呈現“低-低”相關的空間特點。其主要原因在于山區經濟發展水平低、區位條件差,地方政府沒有足夠財力進行各類公共服務的投入;山區經濟一體化程度低,城鎮系統離散度高,使山區不易自然形成增長極并通過溢出效應促進周邊公共服務供給效率提高;山區海拔落差大,山區內部地勢起伏度高導致人流、物流和信息流不暢,各類公共服務投入成本高、收益低;山區市場化程度較低,人力資源匱乏,造成公共服務供給主體單一,管理水平不高。
1)統一性政策與地方性政策相結合,外部資源和內部能力相結合。實現我國基本公共服務均等化的重要條件是每一個公民都具有享受法定基本公共服務的財政支出能力,只有當服務成本相同的情況下,財政能力的均等才等同于基本公共服務結果的均等。統一性政策忽視了“空間”這一選擇性媒介,在不同空間采取同一政策會帶來深層次的不平等。因此,在山區就應充分考慮地形地貌對公共服務溢出效應的制約影響和山區公共服務投資成本大、收益低的特點,在中央政府基本公共服務均等化政策下,制定特殊的地方性基本公共服務供給扶持政策。繼續加強對山區的轉移支付和專項投資力度,降低山區基本公共服務投資項目的配套資金要求,同時通過發展本地特色產業實現經濟水平提升。
2)提高山區城鎮化率,調控山區人口密度。通過山區城鎮化建設、產業發展、移民政策、就業引導等措施進一步促進山區人口的合理聚集,根據地方資源環境承載力科學規劃和控制山區城鎮人口密度,解決山區分散聚落基本公共服務供給效率低下的難題。針對現階段仍大量存在的山區分散聚落,可完善地區間對口幫扶政策,建立發達地區對山區的醫療、教育等基本公共服務對口幫扶長效機制,并結合山區地形和交通特點,實施“馬幫式”公共服務供給方法,形成適應向邊遠分散聚落提供流動式教育、文化和醫療服務的體系。
3)在山區培育新的公共服務供給增長極并提高其輻射能力。培育新的經濟增長極,進一步提升地區間的交通、通訊基礎設施水平,并促進區域間經濟、社會合作與交流,提高中心區域與輻射區的各種區域流的強度,以實現山區公共服務供給水平的空間溢出效應??紤]到偏高級公共服務“中心-外圍”空間格局和溢出效應及其過分聚集在成都平原的特征,應在宏觀層面考慮在空間自相關“低-低”地區選擇新的增長極進行重點投資。針對山區偏高級公共服務供給區的投入難以產生聚集和擴散效應的問題,應大力實施交通和通訊基礎設施的改善,并切實加強區域間經濟社會合作,才能使山區公共服務供給水平較高的地區逐漸成為區域經濟增長極,帶動周邊區域發展。為了通過區域一體化提高公共服務供給效率,各市州之間需加強基礎網絡共建共享,推進城鎮化進程,促進教育和信息共享,加強金融聯系,儲備人力資本,普及科技知識以及推廣創新成果,利用增長極效應加快偏高級公共服務從集聚到擴散的步伐,縮小地區差距。
4)探索偏高級公共服務供給多元化途徑。由于政府投資主要用于實施基本公共服務均等化,偏高級公共服務供給對當地經濟社會發展水平有較強的路徑依賴,因此,應積極探索偏高級公共服務供給多元化途徑,地方政府可以考慮適度放開偏高級公共服務供給的市場進入與價格管制,引入適度的市場競爭機制,提高偏高級公共服務的供給效率。
5)實現災后重建中公共服務投資的科學管理。對于災后重建區域的公共服務供給,應注重建立規范化、長期性的管理機制。川西山區往往是各種地質災害的高發地區,因此,應利用災后重建機遇促進山區發展。重建資金除了注重道路、農田水利設施、醫院、校舍等硬件建設投入外,還應注重人才引進與培養等軟件建設的投入;除了注重偏基本公共服務以外,還要注重對偏高級公共服務的投資,才能實現受災地區的可持續發展。根據本研究空間自相關分析,災后重建的投資也存在空間外溢性的現象,所以,也可引導重建資金投入外溢性較強的公共服務領域,促進周邊地區的共同發展。
致謝:對中國科學院成都山地災害與環境研究所鄧偉研究員對本研究給予的指導,深表謝意!
[1]曾偉軍.城鄉差距的核心-邊緣模型分析[J].地域研究與開發,2013,32(3):22-25.
[2]吳濤,李同昇.基于城鄉一體化發展的關中地區基礎設施建設評價[J].地域研究與開發,2011,30(4):71-75.
[3]李樂,張鳳榮,張新花,等.農村公共服務設施空間布局優化研究——以北京市順義區為例[J].地域研究與開發,2011,30(5):12-16.
[4]陳詩一,張軍.中國地方政府財政支出效率研究:1978—2005[J].中國社會科學,2008(4):65-78.
[5]張明玖.東西部公共服務與經濟發展關系的實證研究[J].重慶工商大學學報:社會科學版,2009,26(5):50-56.
[6]馬慧強,韓增林,江海旭.我國基本公共服務空間差異格局與質量特征分析[J].經濟地理,2011,31(2):212-217.
[7]Wilson J D,Wildasin D E.Capital Tax Competition:Bane or Boon[J].Journal of Public Economics,2004,88(6):1065-1092.
[8]Besley T,Coate S.Centralized versus Decentralized Provision of Local Public Goods:A Political Economy Approach[J].Journal of Public Economics,2003(87):2611-2637.
[9]沈坤榮,付文林.稅收競爭、地區博弈及其增長績效[J].經濟研究,2006(6):16-26.
[10]Thenbürger M K.Tax Competition and Fiscal Equalization[J].International Tax and Public Finance,2002,9(4):391-408.
[11]Frederico R.Reaction or Interaction?Spatial Process I-dentification in Multitiered Government Structures[J].Journal of Urban Economics,2003,53(1):29-53.
[12]Freret S.Spatial Analysis of Horizontal Fiscal Interactions on Local Public Expenditures:The French Case[J].Working Paper,2006,16(3):49-56.
[13]Gebremeskel H,Gebremariam T G,Gebremedhin P V S.County-level Determinants of Local Public Services in Appalachia:A Multivariate Spatial Autoregressive Model Approach[J].Working Paper,2006,22(4):52-60.
[14]Dalhby B.Fiscal Externalities and the Design of Intergovernmental Grants[J].International Regional Science Review,1994,18(3):397-412.
[15]Conley J,Dix M.Optimal and Equilibrium Membership in Clubs with the Presence of Spillovers[J].Journal of Urban Economics,1999,32(46):215-229.
[16]Sato M.Fiscal Externalities and Efficient Transfers in A Federation[J].International Tax and Public Finance,2000,7(2):119-139.
[17]Boadway R.Inter-governmental Fiscal Relations:The Facilitator of Fiscal Decentralization[J].Constitutional Political Economy,2001,12(2):93-121.
[18]Brueckner J K.Strategic Interactions among Governments:An Overview of the Empirical Literature[J].International Regional Science Review,2003,26(2):175-188.
[19]王肖惠,楊海娟,王龍升.陜西省農村基本公共服務設施均等化空間差異分析[J].地域研究與開發,2013,32(1):152-157.
[20]陳國階,方一平,高延軍.中國山區發展報告——中國山區發展新動態與新探索[M].上海:商務印書館,2010:25-30.
[21]呂鵬浩.中國省級地方財政支出與經濟增長關系的空間計量分析[D].天津:天津財經大學,2011:60-62.
[22]匡小平,楊得前.基于因子分析與聚類分析的中國地方財政支出結構的實證研究[J].中國行政管理,2013(1):105-110.
[23]陳彥光.基于Moran統計量的空間自相關理論發展和方法改進[J].地理研究,2009,28(6):1449-1463.
[24]謝花林,劉黎明,李波,等.土地利用變化的多尺度空間自相關分析——以內蒙古翁牛特旗為例[J].地理學報,2006,61(4):389-400.
[25]吳玉鳴,徐建華.中國區域經濟增長集聚的空間統計分析[J].地理科學,2004,24(6):654-659.
[26]Fischer M M,Wang J F.Spatial Data Analysis:Models,Methods and Techniques[M].New York:Springer Science&Business Media,2011:6-8.
[27]趙儒煜,劉暢,張鋒.中國人口老齡化區域溢出與分布差異的空間計量經濟學研究[J].人口研究,2012,36(2):71-81.
[28]Anselin L,Rey S.Properties of Tests for Spatial Dependence in Linear Regression Models[J].Geographical A-nalysis,1991,23(2):112-131.
[29]陳斐.區域空間經濟關聯模式分析理論與實證研究[M].北京:中國社會科學出版社,2007:68-72.
[30]于慧,鄧偉,劉邵權.地勢起伏度對三峽庫區人口及經濟發展水平的影響[J].長江流域資源與環境,2013,22(6):687-692.
[31]鄧偉,方一平,唐偉.我國山區城鎮化的戰略影響及其發展導向[J].中國科學院院刊,2013,28(1):66-73.
[32]王瑋.基于人口視角的公共服務均等化改革[J].中國人口·資源與環境,2011,21(6):6-12.
[33]許簫迪,王子龍,譚清美.知識溢出效應測度的實證研究[J].科技管理,2007,28(5):76-86.