笔者主要是对中国R&D和经济增长进行空间统计分析,所采用的方法与传统的统计分析方法有所不同。社会经济现象(如创新活动、收入增长等)发生在不同地理空间上,互联网和现代交通工具使得从事R&D活动的科学技术人员和经济建设者的交往更加密切,一个国家和地区的经济活动产出都或多或少与周围的国家和地区发生联系。传统的统计分析往往忽视了空间数据的属性值所隐含的空间依赖性,因而结果说服力不够强。空间上的依赖性比时间上的依赖性在本质上更复杂,随着地理信息系统(GIS)的发展,空间数据分析引起广泛的注意,解决空间数据的方法也越来越完善。将传统的计量方法引入空间因素是当前空间计量方法的研究热点。
1986年,ANSELIN和 HAINING分别在“区域科学杂志(JOURNAL OF REGIONAL SCIENCE)”上的两篇论文提出了处理空间数据的两种方法:数据驱动方法(DATA-DRIVEN APPROACH)和模型驱动方法(MOD-EL-DRIVEN APPROACH)。数据驱动方法本质上是“数据代表自己说话(DATA SPEAK FOR THEMSELVES)”,探索性空间数据分析方法(EXPLORA-TORY SPATIAL DATA ANALYSIS,ESDA)就是这样一种数据驱动方法,ESDA的目的就是用空间统计的观点检验一个空间模式是否显著,进而对所研究的空间过程作深入的了解,具体是描述变量(或现象)的空间分布、识别非典型的观察值(如,SPATIAL OUTLIERS)、发现空间关联的模式(如,空间集聚)、暗示空间形式(SPATIAL REGIMES,如,空间非平稳性)。常见的ESDA方法有:MORAN'S I、局部MORAN'S I、G统计量、局部G统计量、MORAN散点图。模型驱动方法从一个理论开始,然后用空间数据检验或证实理论,故称之为证实性空间数据分析方法(CONFIRMATORY SPATIAL DATA ANALY-SIS,CSDA)。CSDA可以用来检验空间数据的空间依赖性和空间异质性,常见的模型有:空间滞后模型(SAR),空间误差模型(SEM)以及空间杜宾模型(SDM)。在研究空间非平稳性时,地理加权回归(GWR)是比较好的方法(FOTHERINGHAM ET AL。,2002)。分析方法在各章具体分析时详述,在此省略。
在本书的研究中,笔者拟利用探索性空间数据分析方法分析中国省域和地级市经济增长和R&D的空间分布,探讨两者之间的关系,使用的指标和技术有变异系数、MORAN'S I、局部 MORAN'S I、MORAN散点图;利用地理加权回归(GWR)分析省域、地级市知识溢出的空间非平稳性;利用SAR模型、SEM模型、SDM模型、DS模型研究中国省域R&D知识溢出的空间模式;利用SAR模型研究科研机构R&D对经济增长的影响;最后,依据研究结果提出中国R&D的对策。