统计软件在区域经济学课程教学中的应用研究

宋洒洒　王姗姗

关键词：统计软件;城市化;空间相关性分析;应用

中图分类号：G642 文献标识码：A 文章编号：1009 — 2234（2021）03 — 0094 — 03

一、引言

区域经济学是经济学和地理学交叉形成的应用经济学的二级学科〔1〕，通常从空间角度探讨区域经济发展规律以及区际关系〔2〕，具体包括经济增长理论、产业结构理论、生产力布局理论等，又被称为空间经濟学。其在缩小区域差距、促进区域协调发展方面发挥了重要作用，是认识和解决现实问题区域问题的重要学科〔3〕。为适应社会对于区域经济学人才的需求，国内许多高校对于区域经济学的课程和人才培养模式进行了调整。目前区域经济学课程的特点是内容多，相关概念比较抽象，涉及到一些公式和图形，对学生的空间思维要求较高。若采用传统的理论教学方法，单纯用语言给学生讲解相关知识，容易让学生感觉课程内容空洞、枯燥，丧失学习的信心和动力，导致该课程教学效果不佳。随着社会对于区域经济学人才的要求逐步提高，传统的课程教学模式难以满足当前需求。因此，这就要求高校教师在教学过程中不断探索和思考，加强实践教学环节，提高学生的学习兴趣以及系统分析知识的能力。

区域经济学的空间特性要求教师在教学过程中必须将理论教学和实践教学相结合，这将成为区域经济学教学的必然趋势。高校教师在教学过程中，应不断加强区域经济学实践操作，提升学生利用统计软件进行数据挖掘以及数据分析的能力。常用的区域经济学统计软件主要包括Stata以及ArcGIS等，两个软件在功能方面各有所长。具体来看，Stata是一套可以提供数据分析、数据管理以及绘制图表等功能的统计分析软件，能够满足大多数使用者的统计和作图需求。而ArcGIS具有强大的地图制作、空间信息整合、空间数据管理等功能，可以通过二维和三维地图数据进行可视化表达，能够揭示基于时间的动态现象，能够高效率地帮助使用者解决问题。笔者结合自身实践教学，将Stata以及ArcGIS软件同时用于辅助分析区域经济学课程中的城市化这一知识点，将抽象问题具体化，使学生能够更深入地理解相关知识。

二、统计软件应用案例——以城市化为例

城市化一般被认为是农业人口向非农业人口转化、农业用地向非农业用地转化、农业活动转化为非农业活动的过程。通常可以用城镇人口占总人口的比重即城市化率来衡量城市化水平〔4〕，文章据此计算了2010-2018年国内各省的城市化率，相关数据均来源于国家统计局网站。在教学过程中不仅要从时间维度介绍国内城市化水平的时间演化趋势状况，更要从空间维度说明各省份城市化水平的差异以及空间演化趋势，更形象、直观地让学生了解相关知识。

（一）城市化水平的时间演化趋势

单纯用语言讲授来对统计数据进行分析，学生没有直观系统的印象，很难使学生整体的把握相关知识。如果在讲授的过程中使用统计软件绘制图形，将枯燥的数据转化为直观的数据，能够使学生更深入地理解相关知识。Stata软件具有强大的绘图功能，文章采用其中的折线图（line chart）对城市化水平的时间演化趋势进行分析。

在Stata软件中创建二维式折线图，将2010-2018年中国城市化率（%）数据的绘制如图1所示：（1）在绘制过程中，将年份（year）作为X轴，将城市化率（urbanization rate）作为Y轴。（2）可以发现，2010年以来，我国城市化率逐年上升。可见，通过使用Stata软件绘制图形可以将相关知识形象、直观地展示出来，利于加深学生理解，提高教学效果。

图1 2010-2018年中国城市化率（%）的折线图

（二）城市化水平的空间演化趋势分析

1.城市化水平的空间相关性检验

空间自相关是指观测数据在一定区域内具有依赖性。Tobler（1970）提出的“地理学第一定律 ”指出距离近的地理事物或属性的相关性更强〔5〕。计算变量空间自相关的方法很多，文章基于考虑到研究对象的复杂性和可操作性，选择同时采用对各省城市化率进行全局空间自相关性检验，具体过程如下：

其中，Moran'I为全局莫兰指数值，Xi和Xj分别表示省份和省份的城市化率，表示各省城市化率的平均值，表示各省城市化率的方差，wij表示空间权重矩阵，文章选取的是0-1矩阵，即省份相邻记为1，不相邻记为0。Moran'I的分布在-1和1之间，大于0说明城市化率呈空间正相关，小于0说明城市化率呈空间负相关，接近于0代表城市化率在空间上随机分布无自相关。

根据邻接矩阵，文章采用Stata软件计算2010-2018年各省城市化率的莫兰指数来分析城市化的空间自相关性，计算结果如表1所示。由表1可见，2010至2018年城市化率的莫兰指数值均大于0，且p值均为0.0000，通过了显著性水平为1%的检验，即莫兰指数均显著为正，说明各省城市化水平呈显著空间正相关，具有空间依赖性。表明一个省份（地区）的城市化水平不仅和自身的发展相关，还受到相邻省份（地区）的城市化水平的影响，这与社会认知相一致。

表1 Moran'l及相关指标

计算出来的Moran'I大致说明各省的城市化水平具有空间自相关性，但不能说明具体的集聚格局。因此，为了进一步研究城市化率的空间集聚形态及演变趋势，借鉴前人的做法采用莫兰散点图进行局部空间相关性检验。使用Stata软件绘制的局部莫兰指数散点图如图2所示，由图2可以发现，各省被莫兰指数散点图的四个象限，分别代表了4种局部空间联系的形式：第一象限为高高（H-H）集聚區域，落在该象限的省份城市化水平高，且与之相邻的是城市化水平高的省份;第二象限为低高（L-H）集聚区域，落在该象限的省份城市化水平低低，但与之相邻的省份城市化水平高;第三象限为低低（L-L）集聚区域，落在该象限的省份城市化水平低，且与之相邻的也是城市化水平低的省份;第四象限为高低（H-L）集聚区域，落在该象限的省份城市化水平高，但与之相邻的省份城市化水平低。

图2 2010年和2018年城市化率局部莫兰指数散点图

2.城市化水平的空间分布格局演化趋势

文章采用ArcGIS软件绘制空间可视化图形对国内各省城市化水平的空间演化趋势进行分析。诺瑟姆认为各地区的城市化率会随着时间的变化而呈现出s形变化规律，对应的，可以将城市化发展水平由低到高划分为初级阶段、发展阶段和成熟阶段〔6〕。也有学者提出了城市化发展的五阶段论等观点。学术界对于城市化的演变规律有不同的观点，但基本认可当城市化率达到50%是城市化进程中的重要转折点，说明国家（地区）已经初步实现城市化;当城市化率高于70%，说明国家（地区）已经进入到现代化社会阶段的观点〔2〕。文章以此为依据，选取2010年和2018年两个时点的数据进行空间可视化分析，来对国内各省城市化水平的空间演化趋势进行研究，结果如图3所示。

图3 2010年和2018年各省城市化水平空间分布演化趋势图

由图3可见，2010年国内各省份（地区）的城市化水平呈现显著的地区差异，东北地区和东南沿海地区的城市化水平高，西南及西北内陆地区城市化水平低。除重庆和内蒙古自治区外，西北地区、西南地区和中部地区的省份的城市化率均小于50%，城市化起步晚、水平低;东北地区和东南沿海各省份的城市化率突破50%，已经初步实现城市化;北京、天津和上海的城市化率超过了70%，进入到了现代化社会阶段。与2010年相比，2018年城市化率小于50%的省份数量迅速减少，仅有甘肃、西藏、云南和贵州的城市化率仍小于50%，初步实现城市化的省份数量在增加，青海、四川、山西、安徽等省份的城市化进程迅速推进，初步实现了城市化;经过不断发展，广东省进入到了现代化城市阶段。从整体看，国内各省城市化基本上初步实现了城市化，但地区之间的存在显著差距，部分地区城市化水平高，部分地区城市化水平低。通过ArcGIS软件绘制数据的空间可视化图形，能够使学生直观的了解到各省份（地区）的城市化水平的空间格局及其演化趋势，利于学生加深对知识的理解，提升教学质量。

三、结论

文章阐述了Stata、ArcGIS等统计软件在区域经济学课程教学过程中的具体应用，软件的使用使原本枯燥抽象的知识点变得形象生动，让学生在接受区域经济学基础理论的同时，增强学生的空间思维能力，提升学生的学习积极性，并且可以进一步提升学生对于统计操作软件的应用能力，为其撰写本科毕业论文和进行学术研究提供基础。但教师在具体使用过程中，要做到相关软件的应用为教学内容服务，不能本末倒置。

〔参 考 文 献〕

〔1〕戴其文，庞德兰，等.《区域经济学》课程实践教学效果初探〔J〕.大众科技，2020，（04）：109-

111+125.

〔2〕孙久文，叶裕民.区域经济学教程〔M〕.北京：中国人民大学出版社，2020.

〔3〕罗胤晨，吴华安.民办本科高校课堂“教-学”关系重塑能否提升学生应用创新能力——基于“区域经济学”课程改革实践的研究〔J〕.黄河科技学院学报，2020，（01）：11-17.

〔4〕任佳莺.人口流动、城市化和居民消费——来自长三角地区高铁发展的实证研究〔J〕.商业经济研究，2020，（15）：154-157.

〔5〕Tobler W.A Computer Movie Simulating Urban Growth in the Detroit Region〔J〕.Economic Geography，1970，（46）：234-240.

〔6〕周一星.城市地理学〔M〕.北京：商务印书馆，2012：88-90.〔责任编辑：孙玉婷〕