中国科技论文在线 中国投资的空间分异与中心地分布模式# 陈园园，王昱，王荣成**（东北师范大学地理科学学院，长春 130024） 5 摘要：以中国投资的空间格局为研究目标，在2011年地级及以上城市的投资数据基础上，使用GeoDa、ArcGIS软件，借助全局和局部空间自相关分析、空间分布图系、重心曲线等方法，对中国投资空间分布规律进行分析。在投资重心曲线基础上得到更具空间集聚特征的投资分布图和投资中心地分布模式。主要结论：①投资在全国和局部聚集特征都显著；②中10 国投资可以适度划分为8级，据此可以将中国投资地理分布划分为投资稀疏区、相对稀疏区、一般稀疏区、一般区、相对密集区、密集区、高密区8大类型区。统计表明，中国90%以上的投资集中分布在40%的国土面积上，40%以上的国土面积拥有不到3%的投资，研究结果较好地揭示了中国投资分布的空间规律性。③存在一条投资疏密分界线，该线自内蒙古巴彦淖尔市到云南省红河哈尼族彝族自治州。④城市的投资等级随城市的GDP等级的提高而15 提高，且城市数目表现出金字塔结构。 关键词：区域经济；投资中心地；重心曲线 中图分类号：F1 spatial patterners and centers distribution mode of 20 investment in china CHEN Yuanyuan, WANG Yu, WANG Rongcheng (School of Geographical Science, Northeast Normal University,Changchun 130024) Abstract: This paper aims to examine the spatial distribution patterns of investment in on investment data of cities at prefecture level or above in 2011,using GeoDa and 25 ArcGIS software, spatial patterns of investment in China were explored with the help of the Moran’s I and LISA statistics, map system of spatial distribution and gravity center investment map and investment center distribution mode which had the spatial clustering characteristic were obtained on the basis of investment gravity center curve .The paper drawed some conclusions as ,the investment was significant clustering bothe globally and 30 ,the Chinese investment can be divided into eight classes, hereby,the Chinese investment geographical distribution into type regions:extremely sparse area,sparse area,relatively sparse,normally sparse area,normal area,relatively concentrated area,concentrated area and highly concentrated showed that 90% of the Chinese investment was concentrated in 40% of the land area, and more than 40% of the land area had less than 3% of the result 35 revealed a better space law of China’ investment ,it is also found that there existed a clear demarcation line between the concentrated and the sparse regions of investment in line started from Bayanzhuoer,Inner Mengolia Autonomous Region to Honghe hani and yi autonomous prefecture ,Guangxi , the city’s investment grade improved with GDP grade the same time ,the number of cities showed a pyramid structure. 40 Key words: region ecnomics; investment center; gravity centers curve 0.引言 国内关于投资的研究主要集中以下几个方面，首先在投资与区域经济差异方面[1-3]，倪艳凤得出中国区域经济发展不均衡的主要作用因素是基础设施、固定资产投资、教育和人口， 基金项目：高等学校博士学科点专项科研基金资助课题（20100043120011） 作者简介：陈园园（1985-），女，博士生，区域经济与开发 通信联系人：王昱（1980-），男，副教授，主要研究方向：区域经济发展与区域外部性. E-mail: wangy577@ - 1 -
中国科技论文在线 45 其中固定资产投资对人均GDP的贡献率最大。顾朝林认为投资水平差异与区域经济差异的相互关系是投资水平的差异引起了区域经济发展水平差异，同时，区域经济差异通过引起投资环境的不同对投资水平差异产生影响[4]。其次还包括固定资产投资与经济增长的关系[5]、固定资产投资的地区差距[6]、固定资产投资的影响因素[7-8]、投资的空间分布研究以及投资与城市化[9-11]。国内研究投资空间分布相对较少，主要集中在FDI的空间分布研究[12-15]。从50 国内相关文献研究来看，面向全国以地级及以上城市为研究尺度的研究还未见，全国各区域的投资分布不清楚、不全面，同时也缺少不同时间段的纵向比较研究。因此本文以我国地级及以上城市为研究尺度，从全市全社会固定资产投资角度分析中国投资空间分异规律，以期为地方政府做出符合客观规律的招商引资政策制定提供一些参考。 1数据与研究方法 55 数据来源 本文的研究尺度为我国336个区域，（4个直辖市、285个地级市、30个自治州、14个地区和3个盟）。由于我国还存在省直辖县级市的行政单元，为了不影响空间自相关分析的准确性，本文将其合并到历史上曾属的地级市。本文采用2011年全社会固定资产投资来刻画城市的投资水平，并分成16个级别（图1）。各区域的面积采用Arcmap软件自动生成。 60 图1 2011年中国分地级市投资图（16级） Investment map in China in 2011 at the prefecture city level (16 classes) 研究方法 探索性空间数据分析 65 探索性空间数据分析技术于20世纪后期在西方兴起[16-17]，90年代起被地学工作前辈认可并引入地球信息科学[18-19]，空间聚类趋势分析是在空间聚类分析之前分析数据集的可聚性，目的在于判断空间数据是否具有可聚性[20]，专题属性的空间聚类趋势可使用空间自相关指数进行度量[21]，如Moran’S、Geary’s、Getis’s G、LISA等，本研究中采用GeoDa软件借助全局自相关分析和局部自相关分析进行空间数据集聚趋势的分析。 70 全局空间自相关（Global Moran’s I）反映的是空间邻接或空间邻近的区域单元属性值的相似程度。如果是Xi区域i的观测值，则该变量Global Moran’s I计算公式如下： nn n ƒ wi j(xiƒ 110ƒ x)(xj x) IijSn2 1 (xi x )i （1） - 2 -
中国科技论文在线 式中：n——空间单元个数； Xi、Xj——第i个和第j个区域位置上的观测值；；x ——观测值的平均值；Wij——空间权重矩阵W的元素；S0——W中所有元素之和。本文W75 是基于rook相邻，对于缺失数据的区域，将其设置为“岛”，即取消与周边区域的相邻关系。 Moran’s I指数的值在[-1,1]之间。在既定的显著性水平下，如果Moran’s I指数显著为正值，则表明存在正的空间相关性，相似的观测值在空间上显著集聚，且值越接近1，总体空间差异越小。 80 局部空间自相关（Global Moran’s I）反映区域经济内部空间差异的变化趋势，利用Local Moran’s I可以测量每个区域与其周围地区的空间差异程度，它是Global Moran’s I的分解形式： nnw ƒζ ijzizƒj 1ƒ ƒ1 n ƒn ƒ♣1nIijnnzi ζwijzij♦♥ iƒ•I÷S2ij1i≠ ζwijij1 (2)式中：z——观测值与邻近地区进行标准化的值，表示各地区观测值与均值的离差程度。85 Wij是空间权重。 分布图系、重心曲线及类型分区 本文基于Arcgis的natural breaks法形成等值分级图，在此基础上形成单独图层，即分布图层，分布图系可以提供了较为全面的信息，但缺点是破碎度大，为了表达隐含的集聚信息并利于读图，将地理位置相近、聚集规律一致的级别合并。根据文献[22-23]中人口重心曲90 线和标准猪重心曲线的方法，相应地提出了投资的重心曲线，进而根据相邻级别重心的地理距离进行适当合并，最后进行类型的重新划定。 2 结果分析 投资数据空间聚类趋势分析 探索性空间数据分析的基础是定义空间权重矩阵。在生成权重矩阵的过程中可以运用不95 同规则对空间的关系进行定量分析，而又需要从全局和局部两个角度来定义不同的规则，从不同视角发现空间发展的趋势和差异。 投资的全局空间自相关分析 首先对投资数据进行全局空间自相关分析，以推断其空间聚集特征。本分析采用Moran’s I指数，空间权重矩阵采用邻接关系方式定权。图2中第一、三象限代表正的空间相关关系，100 第二、四象限代表负的空间相关关系。第一象限表示高值区的周边邻居也是高值区，第二象限表示低值区的周边邻居是高值区，第三象限表示低值区的周边邻居也是低值区，第四象限表示高值区的周边邻居是低值区，莫兰指数为，经过%显著水平检验，这说明投资数据在全局中显示出集聚特征。 - 3 -
中国科技论文在线 105 图2 投资Moran’s指数散点图 图3 基于LISA方法的投资集聚性图 The scatter map for Moran’s index of investment The clustering map for investment using LISA 投资的局部空间自相关分析 全局自相关分析能够判断投资数据在空间上是否有集聚现象或者是孤立现象，对空间的集聚趋势做出判断，为了进一步得出集聚区和孤立区的具体的空间分布规律，本文采用了局110 部空间自相关分析。采用LISA方法在GeoDa软件中分析得出图3和图4，可以看出，显著的“高-高”类型区有主要分布在京津唐地区（北京、天津、唐山、廊坊、保定、沧州）、山东半岛（烟台、潍坊、青岛）、长三角地区（上海、嘉兴、泰州、苏州、南通、常州、镇江、马鞍山），其次还零星地分布在鞍山、东莞、深圳。不显著的“高-高”类型区主要伴随显著“高-高”类型区，主要分布沿海城市（图4a）。显著的“低-低”类型表现为连片+115 零星的分布特点，连片分布覆盖了我国西部的大部分地区，即青宁甘新藏，还包括内蒙古西部的盟和处在横断山脉的云南省一些自治州，零星分布的区域有黑（双鸭山、鹤岗）、蒙（呼伦贝尔）、粤（揭阳）。不显著的“低-低”类型区主要分布在西南地区、华南地区和黑新边界地区，以及零星分布在中部省份（主要是晋湘）（图4b）。显著的“低-高”孤立区主要伴随着“高-高”和“高-低”区，分布在川（内江、广安、资阳）、皖（宣城）、鄂（十120 堰）、陕（安康）、翼（承德）、浙（湖州）、黔（遵义）。显著的“高-低”孤立区只有重庆、兰州。说明在我国很难形成显著的投资飞地。 图4 不显著投资“高-高”、“低-低”集聚区图（左为a右为b） The non-significant high-high and low-low clustering map of investment 125 投资分布图系和重心曲线 投资分布图系 中国投资分布有一定规律，为进一步分析特别引入分布图系法，本方法参考文献[22]的研究思路。利用arcgis空间选择功能生成各个级别的单独图层（图5），图5表示中国投资按照等数量分级的分布图系，数值从1-16级逐渐增加，从连续的分布图系中能看出中国各- 4 -
中国科技论文在线 130 级别投资的空间分布格局，也能了解投资从低值到高值的空间变化。从全国来看，中国投资的数据是由从东部逐渐过度到西部，16-12级投资额较大，主要在我国环渤海圈和长三角一带，其中以直辖市、鲁苏最为密集，其次为浙翼，其他分布较分散，几乎都是处在我国二三阶梯（黔黑吉豫闽粤辽川鄂湘陕皖赣桂）的省会城市。11-9级投资额逐渐减少，主要分布在我国中东部，且分布较为均匀，其中以豫最为密集，其次为辽闽湘粤赣，其次是皖翼鲁鄂135 蒙，再次是苏浙晋陕，最后是宁甘黔吉黑滇的省会城市或省内的一个大城市。8-5级投资额更少，集中分布在四川省，其次华南地区和晋湘皖地区。投资水平较低的区域主要分布在我国西部，4级投资类型区主要是甘滇地区，3-1级为投资的“洼地”，主要分布在新青藏甘滇宁黑，其次为蒙粤，湘黔陕川也分布着一两个城市。由此可以得出，①投资更多地涌向沿海城市及中部省会城市（包括西部的成都、贵阳和西安），接下来是华中、华东地区以及西140 部省会城市和大城市，之后是川晋地区、华南地区，再涌向甘滇地区，最后是西部省份。②从省域尺度看，鲁苏辽豫整体投资水平高，其次是晋川皖地区；西北地区（陕宁）、华南地区（粤桂）、西南地区（滇贵）以及黑蒙的省内城市投资水平差别较大，正处在明显的投资极点。③投资的规模等级由核心区和五个圈层构成，核心区由离散的点构成，圈层一是鲁苏浙翼，圈层二是豫辽闽湘鄂赣粤蒙陕，圈层三是川晋皖桂吉，圈层四是甘滇琼贵，圈层五是145 青藏滇新宁。 对投资分级的16个图层进行统计分析，分别计算出它们所包含的分区单元个数，以及东中西部所包含的单元个数（见表1），并据此绘制各自的比重曲线（见图6），总体而言，分区单元所占空间随着投资额的增大而减少（其中4、6、9、14级是这种趋势的特例）。图150 6是对各图层分区单元空间分布的统计分析，首先，说明了不同级别的分区单元在东中西部分布的显著差异，也正好反映了我国投资分布东中密集、西部稀疏的空间特点。其次，东部和中部在各个级别所占的比重变化趋势是一致的，只在高级别（12-16级）出现差异，东部所占比重明显高于中部，这也从一个侧面说明东部的整体投资现状好于中部。 表1投资分级的城市个数及平均面积统计 155 Statistics of numbers and average areas of cities by investment classes 投资级别 单元个数平均面积 （万元） 东部 中部 西部 全国 （Km2） 1 162906-848000 0 14 159 2 848001-1665715 0 6 151232. 2161 3 1665716-2511605 3 2 19 4 2511606-3314787 1 9 271626 5 3314788-4006584 10 8 8 - 5 -
中国科技论文在线 6 4006585-4660800 5 12 6 7 4660801-5372831 11 6 7 8 5372832-6373858 9 18 5 9 6373859-7737115 13 6 29 10 7737116-9253479 15 5 30 11 9253480-11401970 10 14 1 12 11401971-14262594 10 2 2 136 14262595-20223297 13 4 11886. 181 14 20223298-31691820 5 119071 18 15 31691821-50642624 7 3 29296. 125 16 50642625-75794454 2 0 378 全部 113 118 105 336 图6 城市在东中西部的个数占全国的比重 proportion of numbers of cities in eastern central and Western china of total number by classes 160 投资重心曲线 虽然分布图系提供了较多的空间分布信息，但同时也使图斑的破碎度增大，不利于读图，从空间聚类趋势分析来看，投资的分布符号Tobler地学第一定律，具有相近的空间单元有相似属性的特点，可以在满足分级连续的前提下，将空间位置邻近、投资指标相近的级别合并。 165 据此，本研究借鉴文献[22-23]的方法相应提出投资的重心曲线得出了投资相应级别的重心，并依次将分布系中各个重心按照分级顺序连接起来形成重心曲线。重心计算过程中的权重采用各个地区相应的投资额。重心的位置取决于各级别投资指标的空间分布状态，如果是均匀分布则重心应处在区域几何中心，如果不是均匀分布则会发生偏移。从重心曲线来看（见图7和表2），从1级到16级的变化过程中，相邻级别之间的地理距离也在发生变化，1-2、170 3-4、4-5、5-6、9-10、13-14、15-16级重心的地理距离较大，其他级重心的地理距离相对较小，总体而言，投资重心曲线的变化较为剧烈。 表2投资重心间距及分界 The intervals and demarcation between gravity centers of investment 级别间 重心间距（Km） 适度合并分界 1-2 Ⅰ-Ⅱ分界 2-3 231 3-4 Ⅱ-Ⅲ分界 4-5 Ⅲ-Ⅳ分界 5-6 Ⅳ-Ⅴ分界 - 6 -
中国科技论文在线 6-7 7-8 8-9 9-10 Ⅴ-Ⅵ分界 10-11 11-12 12-13 13-14 Ⅵ-Ⅶ分界 14-15 15-16 Ⅶ-Ⅷ分界 175 图7 2011年中国投资重心曲线 Fig7. Investment gravity centers curve in China in 2011 基于重心曲线的投资类型分区 根据重心曲线相邻级别重心的间距，尝试着将投资的分布图系分级进行适度合并（见表2）。根据分级调整可将中国投资区划分为投资稀疏区、投资相对稀疏区、投资一般稀疏区、180 投资一般区、投资相对密集区、投资密集区、投资高密区等八个分区级别（见表3）。从调整后的类型区图可以明显看出，投资密集区域与投资稀疏区域存在潜在分界线，分界线的地理位置是从内蒙古巴彦淖尔市到云南省红河哈尼族彝族自治州（简称为投资线）。投资稀疏区（Ⅰ、Ⅱ、Ⅲ级）在投资线以西的有个52市（自治州），以东有个30市（自治州）；投资密集区（Ⅵ、Ⅶ、Ⅷ级）在投资线以西的有个4市（自治州），以东有个市116（自治州）。185 可以看出，投资稀疏的城市（自治州）主要分布在投资线西侧，投资密集的城市（自治州）主要分布在投资线东侧。投资线两侧投资量的详细统计见表3，统计特征的对比验证了类型分区图体现的分界规律。 表3 投资分级调整及投资分界线东西两侧的市(自治州)数 Tab3 The adjusted district types of investment and the cities (autonomous prefectures) numbers on both west and 190 east sides of the investment line 新级别 类型分区 投资重心个数 城市 线以东市（自治州）数目 线以西市（自治州）数目 Ⅰ 投资极疏区 1 15 1 14 Ⅱ 投资稀疏区 2，3 40 15 25 Ⅲ 投资相对稀疏区 4 27 14 13 Ⅳ 投资一般稀疏区 5 26 20 6 - 7 -
中国科技论文在线 Ⅴ 投资一般区 6，7，8，9 108 91 17 Ⅵ 投资相对密集区 10，11，12，13 87 85 2 Ⅶ 投资密集区 14，15 30 28 2 Ⅷ 投资高密区 16 3 3 0 调整后的分级图（图8）与图1相比减少了破碎程度，投资的空间格局得到了更合理的表达，各个级别类型区的分布情况详见一下分析： 195 图8 2011年中国投资分级调整图（8级） The adjusted classification map for investment of china in 2011 at the prefecture city level (8 classes) （1）投资极疏区，包括15个市（州），即分布图系的1级区域，投资线以系有占%的1个市（州），即内蒙古东北部的兴安盟；投资线以东有占%的14个市（州），主要分布在西藏全境（除拉萨外）和青海省的自治州，零星分布在新疆的西部边境地区以及云200 南省的怒江傈僳族自治州。 （2）投资稀疏区，包括40个市（州），即分布图系的2、3级区域，投资线以西有占有%的25个市（州），集中分布在新宁的大部分地区、青的部分地区、云南省边界地区、甘青交界处、川青交界处、甘蒙交界处、甘宁交界处以及拉萨。投资线以东有%的15个市（州），为分散分布，主要散布在黑的北部和东部以及粤的东北部和西南部，滇黔205 陕湘蒙也有一两个城市为投资稀疏区。 （3）投资相对稀疏区，包括27个市（州），即分布图系的4级区域，该类型区主要分布在投资线东西两侧。投资线以西有占有%的13个市（州），集中分布在甘云地区，宁川蒙也有一到两个城市零星分布。投资线以东有占有%的14个市（州），为分散分布，主要分布在陕渝交界、川渝交界、鄂渝交界和贵渝交界地区，黑晋皖赣粤也有一到两个210 城市为该类型区。 （4）投资一般稀疏区，包括26个市（州），即分布图系的5级区域。投资线以西有占有%的6个市（州），分散分布于新川云三省。投资线以东有占有%的20个市（州），主要分布在黔桂粤，其次还有吉辽鲁浙赣鄂豫。 （5）投资一般区，包括108个市（州），即分布图系的6、7、8、9级区域。投资线以215 西有占有%的17个市（州），主要分布在新川云。投资线以东有占有%的91个市（州），主要分布在我国中部省份、东北地区和华南地区、以及川渝交界处、黔渝交界处、鄂渝交界处、蒙晋交界处。 - 8 -
中国科技论文在线 （6）投资相对密集区，包括87个市（州），即分布图系的10、11、12、13级区域。投资线以西有占有%的2个市（州），兰州市和伊宁哈萨克自治州。投资线以东有占有220 %的85个市（州），主要分布在环渤海地区和陕豫苏浙闽赣，其次为贵粤鄂湘。太原、贵阳、吉林和大庆为这类型区域零星分布的城市。 （7）投资密集区，包括30个市（州），即分布图系的14、15级区域。该类型区主要是省会城市和一些区域中心城市。投资线以西有占有%的2个市（州），为成都和昆明。投资线以东有占有%的28个市（州），主要分布在中西部（云陕吉黑鄂湘渝皖）的省225 会城市，以及鄂尔多斯和包头。沿海省份（除桂外）该类型区的城市数目有所增多，以苏鲁地区最多。 （8）投资高密区，包括3个市，即分布图系的16级区域。全部分布在投资线以东，包括北京市、天津市、重庆市。 230 图9 2011年中国投资中心地分布图 The map for investment center of china in 2011 3 中国投资中心地分布模式及影响因素 投资中心地分布模式 图9中的圆圈疏密程度表示分布的疏密，空白区表示投资低地，由图可以看出，①中国235 的投资中心均匀地散布在投资线以东地区，这些投资中心地几乎都为省会城市。投资次级中心主要散布在中心地周围，在京津唐地区和鲁苏豫地区表现的最为明显，其次，分布在相邻中心地的连线上，如鄂尔多斯与西安之间、石家庄与郑州之间、郑州与合肥之间。三级中心则分布较为集中，主要分布在晋吉湘川地区和粤桂交界地区，其次，还见缝插针地分布在东部次级中心之间，而在西北地区和东北地区则表现为孤立点。②投资中心地数目表现出金字240 塔结构，单元数目随着等级的增加而减少。城市GDP等级越高投资等级也越高。 投资中心地分布模式影响因素 经济水平、财政支出、城市（市场）规模、发展阶段等是影响投资中心地分布的重要因素。其中，最重要的影响因素是一个城市的经济水平，其他因素都直接或间接受其影响。 当前我国的投资主要集中在基础设施和房地产业两大领域。基础设施的投资主要以地方245 政府投资为主，所以地方政府投融资环境对一个城市的投资规模起到关键性作用，东部地区和中部省会城市经济发展水平较高，经济实力雄厚，由此决定的财政支出能力和资本动员能- 9 -
中国科技论文在线 力较强，融资渠道较多，必需的投资项目可以通过多渠道融资完成，更有能力进行大规模的基础设施投资。在现行制度下，相对于中西部，东部地区房地产市场不仅存在供需缺口，而且有很好的需求增长预期。四川是我国西部投资高地，主要是因为四川是我国重要的军工发250 展战略基地，投资额历年均高于西部其他省份，在西部投资上处于相对主导的地位。 旺盛的大市场需求是实现投资收益最大化的保障，大规模的市场还意味着可以降低运输成本以及相关的市场搜寻成本，及时听取和反馈消费者的意见并进行及时改进。一个城市人口规模可以从一个侧面反映市场需求规模。东部地区和中部省会城市拥有最密集的人口和企业，从而形成了大规模的投资需求。 255 在区域的不同发展阶段，具有不同的投资空间结构，在落后地区，区域发展正处在极化阶段，区域增长极的投资环境优于区域其他地方，投资的收益率高，发展机会多，对周围地区的资金等要素产生很强的吸引力，从而形成了孤立的投资极点。而在发达地区，区域发展正处在扩散阶段，一个城市与周围多个城市发生联系，以满足获取资源和要素、开拓市场的需要，城市与城市之间建立了密切的联系网络，彼此经济发展水平相差不大，从而形成了密260 集的投资热点。 4 结论与讨论 规律总结 （1）从空间聚集趋势角度。全局空间自相关结果表明，投资具有正的空间自相关特征，具有空间聚集特征。“高-高”区主要分布在京津唐、山东半岛、珠三角。“低-低”区主要265 分布我国第一阶梯地区。“高-低”区和“低-高”区分布极少，重庆是典型“高-低”区，“低-高”区则分布在“高-高”区和“低-高”区周边。 （2）从基于重心曲线的类型分区角度。投资重心不止一个，可根据投资分级给出多个，由高到低连接构成投资重心曲线。借助投资重心曲线可以既考虑空间邻近性，又可以更好地实现投资制图。中国投资可以适度划分为8级，据此可以将中国投资地理分布划分为投资稀270 疏区、投资相对稀疏区、投资一般稀疏区、投资一般区、投资相对密集区、投资密集区、投资高密区。结果显示，中国90%以上的投资集中分布在40%的国土面积上（投资一般区、投资相对密集区、投资密集区、投资高密区），40%以上的国土面积拥有不到3%的投资（投资稀疏区、投资相对稀疏区），较好地揭示了中国投资分布的空间规律性。 （3）基于等值图分级、空间聚类趋势分析、分布图系、重心曲线以及类型分区的分析275 结果，可提出一条中国投资疏密分界线。该线自内蒙古巴彦淖尔市到云南省红河哈尼族彝族自治州。线的西侧为中国投资的稀疏地区，线的东侧为投资的密集地区。 （4）投资中心地分布模式及影响因素。城市的投资等级随城市的GDP等级的提高而提高，且城市数目表现出金字塔结构。影响投资最为重要的因素是一个地区的经济实力。 经验与不足 280 （1）投资疏密分界线的提出具有较大的现实意义，从中看出投资分布的客观性，由于投资具有很强的避险性、资金具有逐利性，不轻易随人的意志的改变而改变，这就表明地方政府要了解在全国投资格局中的位置，避免盲目招商引资，减少不必要的资源浪费。然而本文是以地级及以上城市为研究尺度，如果能以县为研究单元，可以更准确地得出投资疏密分界线。因而对于投资密集区域和投资稀疏区域宏观分异规律的探索仍需要进行更深入的研285 究。 - 10 -
中国科技论文在线 （2）本文只从一个时间断面对投资中心地分布模式及影响因素进行了探讨，由于篇幅问题，并没有对模式演变进行进一步探讨，对其影响因素也没有进行定量分析，这将是下一步的研究内容。 290 [参考文献] (References)[1] Angus Maddison. A long-run respective on saving[J]. Scandinavian journal of economics,1992(2):181-196 [2] 张习宁.中国宏观经济的投资效率分析[J].理论探讨,2012(3):4-7. [3] 何艳,安增科. 我国地区经济差距与投资差距的实证分析[J].当代经济科学.2007,29(2):105-110. [4] 管卫华,林振山,顾朝林.中国区域经济发展差异及其原因的多尺度分析[J].经济研究,2006（7）：117-225 295 [5] 程恋军,仲维清,魏顺新.固定资产投资与经济增长质量分析[J].辽宁工程技术大学学报(社会科学版),2010,12(1):14-18. [6] 陆迁,刘志峰,朱捷.社会固定资产投资地区差距的结构分解[J].软科学,2006，20(1):24-26 [7] 崔顺伟.中国固定资产投资的影响因素分析[J].技术经济与管理研究, 2012(5):86-89 [8] 彭斌.我国固定资产投资周期波动及其影响因素研究[D].华中科技大学,2010 300 [9] 朱捷,张晓萍,贾金荣.我国三大区域社会固定资产投资空间分布研究[J].生产力研究，2008（22）：68-69 [10] 郑玫,傅强.重庆市固定资产投资与城市化率相关性的实证分析[J].发展研究,2008(7):69-72 [11] 李欣钰.兰州市固定资产投资及其与城市空间扩展的关系[D].兰州大学,2007 [12] 戴淑庚,戴平生.大陆台商投资地区的空间关联性与影响因素分析[J].台湾研究集刊,2008(4):48-55 [13] 戴平生,戴淑庚.城市GDP对台商投资区位流向影响的空间分析[J].统计观察,2008(1):84-85 305 [14] 蒋伟,赖明勇.空间相关与外商直接投资区位决定[J].财贸研究,2009(6):1-6 [15] 武剑.外国直接投资的区域分布及其经济增长效应[J].经济研究,2002(4):27-35 [16] Hoaglin D C,Mosteller F,Tukey J Robust and Exploratory Data Analysis[M]. New York :wiley,1983 [17] Hampson R E,Simeral J D,Deadwyler S of spatial and nonspatial information in dorsal 310 hippocampus[J].Nature,1999:610-614 [18] Haining Data Analysis in the Social and Environmental Science[M].Cambridge University Press,-42 [19] 王劲峰,廖一兰,刘鑫.空间数据分析教程[M].北京：科学出版社,2010 [20] 邓敏,刘启亮,李光强等.空间聚类分析及应用[M].北京：科学出版社,2011 315 [21] Aldstadt clustering. Handbook of Applied Spatial Analysis: Software Tools,Methods and Applications[M], [22] 付强,诸云强,孙九林,孔云峰.中国畜禽养殖的空间格局与重心曲线特征分析[J].地理学报,2012,67(10):1383-1398 [23] 葛美玲,封志明.中国人口分布的密度分级与重心曲线特征分析[J].地理学报,2009, 64（2）：202-210 320 - 11 -
