汽车产业是产业关联度高、规模效益明显、资金和技术密集型的产业，汽车产业不但和钢铁、冶金、橡胶、石化、机械、电子等产业休戚与共，而且延伸到商业、维修服务业、保险业、运输业和公路建筑等行业。汽车产业已是国际公认的能够带动整个经济迅速发展、最能代表一个国家工业水平的少数产业之一，是现代工业文明的重要标志，具有就业容量大、工业波及效果强等行业特征。汽车产业的发展直接关系到国民经济的工业结构、运输结构、外贸结构、就业结构和消费结构。几乎所有发达国家和新兴工业国都把汽车产业作为支柱产业重点发展，如美国、德国、日本、韩国的经济起飞都是伴随着汽车产业的高速发展而带动起来的，其发展速度远远超过国民经济整体水平和其他行业。

目前我国31个省市区中，有28个省区把汽车产业确立为支柱产业，27个省区具备整车生产能力。重复建设的分散格局，增大了成本，不适宜于汽车产业的发展，也不可能形成具有强大竞争力的汽车产业。中国要承接世界汽车产业中心的转移，必须具有一个合理的空间结构。但目前多数研究仅局限于对汽车产业某个方面或某个区域的研究，特别是各地如何发展产业集群等方面，而对于整个汽车产业在地理空间格局的研究较少。分析汽车产业地理格局，探讨其变动原因，对于促进汽车产业进一步在空间上整合具有十分重要的意义。

一 计量方法与数据说明

空间计量经济学（Anselin，1988）理论认为，一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的。几乎所有的空间数据都具有空间依赖或空间自相关的特征，空间依赖的存在打破了大多数经典统计和计量分析中相互独立的基本假设。

（一）空间自相关统计

检验经济要素集聚现象的空间相关性存在与否，在实际应用研究中常常使用空间自相关指数Moran’s I，其计算公式如下所示：

其中， ； ，Y表示第i地区的观测值（在本文为汽车工业总产值）；n为地区总数（本文为28）；W为二进制的邻接空间权值矩阵，表示其中的任一元素，采用邻接标准或距离标准，其目的是定义空间对象的相互邻接关系，以便于把地理信息系统（GIS）数据库中的有关属性放到所研究的地理空间上来对比。一般邻接标准的W为：

式中i=1，2，Λ，n；j=1，2，Λ，m；m=n或n≠m。习惯上，令W的所有对角线元素W_ii=0。

Moran’s指数可看做各地区观测值的乘积和，其取值范围在-1到1之间，若各地区间经济行为为空间正相关，其数值应当较大；负相关则较小。

根据Moran’s指数的计算结果，可采用正态分布假设进行检验n个区域是否存在空间自相关关系，其标准化形式为：

根据空间数据的分布，可以计算正态分布Moran’s指数的期望值及方差：

式中， ， ， ，w和w分别为空间权值矩阵中i行和j列之和。

如果Moran’s指数的正态统计量的值大于正态分布函数在0.05水平下的临界值1.96，表明要素集聚在空间分布上具有明显的正向相关关系，正的空间相关代表相邻地区的类似特征值出现集群趋势。

（二）局部空间自相关

Anselin（1992，1995）将空间自相关分析发展到了局部自相关范围，这样可以为每一个空间单元计算一个指标，用来衡量该单元与邻居的关系。局部统计适用于识别小的空间相关，验证假设以及确定一个距离，超过这个距离空间单元将不存在相关（Getis & Ord，1996）。局部自相关可以探测出高值聚集区，其被称为热点，低值聚集区被称为冷点（Sokal等，1995）。然而，当面对全局自相关时，Ord & Getis（1995）和Anselin（1995）都意识到空间自相关分析存在偏差，Ord & Getis（1995）得出一个结论：局部统计的解释应该根据全局空间自相关的数据，否则I类型可能会发生错误，即热点（冷点）一定要位于全局值很高（低）的区域（Ord & Getis，2001）。在这种情况下，很多作者建议在一种探索和指示的方式下使用局部空间自相关指数。目前，比较常用的局部空间自相关统计主要有Getis-Ord G^*_i和局部Moran’s I统计。

1.Getis-Ord G*i统计量

局部G^*_i是一种基于距离权矩阵的局部空间自相关指标，能探测高值聚集和低值