改革开放以来，中国经济30多年的高速发展令世界震惊，不断增加的投资是拉动中国经济发展的主要源泉。投资中最为重要的固定资产投资对中国经济增长起着推动作用，也具有经济发展的指向作用，同时也是导致地区间经济发展差异的重要因素之一。在对区域经济差异的各种影响因素进行详细分析的基础上，业内学者普遍认同，投资是影响区域经济差异的重要因素之一。

我国经济在地区间表现出非一致性，与之相对应的是，投资也表现出分布的非均衡性，东部地区凭借区位优势及政策倾向，吸引了更多的投资。本文分析了中国1995、2000、2005、2010年的投资分布规律，重点用空间统计分析方法研究了这四个时间断面的空间关联关系。

ESDA（探索性空间数据分析）是一种具有识别功能的空间数据分析方法，主要用于探测空间分布的非随机性或空间自相关。空间自相关分析是认识空间分布特征、选择适宜的空间尺度来完成空间分析的最常用方法。目前，普遍使用空间自相关系数——Moran’s I指数。

一 研究数据与方法

（一）数据来源

本文共采用337个地级及以上城市（包括地区、自治州、盟）的数据信息。其中，城市数据来自《中国城市统计年鉴》（1996、2001、2006、2011年），自治州和地区则以相应年份和省份统计年鉴中的全社会固定资产作为投资数据。

（二）研究方法

探索性空间数据分析基础是定义空间权重矩阵。在生成权重矩阵过程中可以运用不同规则对空间的关系进行定量分析，因而可以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。

1.全局空间关联分析

全局空间关联分析（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x_i区域i的观测值，则该变量Global Moran’s I计算公式如下：

式中：n——空间单元个数；x、x——第i个和第j个区域位置上的观测值； ——观测值的平均值；w——空间权重矩阵w的元素；s₀——w中所有元素之和。本文w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指数值在［-1，1］范围内。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；反之亦然。Moran’s I越接近1，表示总体空间差异越小；反之亦然。

Global Moran’s I指数是一种总体统计指标，它只能说明所有区域与其周边地区之间空间差异的平均程度。为了更清晰地反映区域经济内部空间差异的变化趋势，还要通过局部空间关联分析来实现。

2.局部空间自相关

在进行局部空间自相关分析时，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：

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。w_ij是空间权重。

本文采用Moran散点图和Local Moran’s I两种方法来研究每个区域与周边区域之间的局部空间关联和空间差异，Moran散点图将变量z与其空间滞后变量（w_z）之间的相关关系以散点图的形式加以描述，即构成了Moran散点图。其中，横轴表示变量z的观测值，纵轴表示其空间滞后变量的取值。每个区域观测值的空间滞后就是该区域周围邻居观测值的加权平均，具体通过标准化的空间权重矩阵来加以定义。Moran散点图可分为四个象限，11第一象限（H-H）：区域本身与其周边地区都是高值区，二者的空间差异程度相对较小；22第二象限（L-H）：区域本身是低值区，而其周边地区为高值区，二者的空间差异较大；33第三象限（L-L）：区域本身与其周边地区都是低值区，二者空间差异程度较小；44第四象限（H-L）：区域本身是高值区，而其周边地区为低值区，二者的空间差异较大。将Moran散点图与行政区划图结合起来，便得到LISA集聚图。

二 中国投资空间自相关结果分析

（一）全局空间相关性

根据全局空间关联分析的计算公式以及利用OpenGeoDA软件计算全国四年的Global Moran’s I指数，并通过Z值法对其显著性进行检验，如表1所示。

表1 全社会固定资产投资的空间自相关Global Moran’s I指数

表1中，Moran’s I为全局空间自相关指数，Z score为标准化值，P value表示显著性检验水平值。从表1中可以看出，全国固定资产投资的Global Moran’s I指数全部