任国平^1,2,, 刘黎明^1,, 付永虎¹, 袁承程¹
1.中国农业大学资源与环境学院,北京 100193
2. 湖南城市学院城市管理学院,益阳 413000

Spatial differentiation of rural household livelihood capital in metropolitan suburbs based on GWR model:A case study of Qingpu District in Shanghai

RENGuoping^1,2,, LIULiming^1,, FUYonghu¹, YUANChengcheng¹
1. College of Resources and Environment,China Agricultural University,Beijing 100193,China
2. College of Urban Management,Hunan City University,Yiyang 413000,China
通讯作者:通讯作者:刘黎明,E-mail:liulm@cau.edu.cn
收稿日期:2015-12-11
修回日期:2016-04-22
网络出版日期:2016-08-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:国家自然科学基金项目（41471455）
作者简介:
-->作者简介:任国平,男,湖南益阳人,博士生,研究方向为土地利用与乡村景观规划。E-mail:renguoping82@163.com



展开

摘要
农户生计资本的影响因素具有空间非平稳性,因此一般以“平稳性假设嵌入”为基础的普通线性回归模型对农户生计资本影响因素空间差异分析的精确性不高。本文应用地理加权（GWR）回归模型对上海市青浦区182个行政村进行农户生计资本总量的空间分析及其影响因素的空间分异特征研究。结果表明:2014年青浦区各行政村农户生计资本总量和类型分布呈现明显的空间分异规律,生计资本总量在空间上由西向东逐渐递增;其中,农业生计资本类型由西向东逐渐减少,非农类型则由东部向西逐渐减少;经济发展因素和社会发展因素对行政村农户生计资本总量影响强于自然地理空间因素,其中与生计资本变化呈正相关的因素依次为工业化程度、到城镇中心距离、地均GDP、城镇化率、农户可支配收入;以空间“非平稳性”为基础构建的地理加权回归模型（GWR）比较“平稳性假设嵌入”为基础的普通线性（OLS）回归模型,能更精确地揭示出村域农户生计资本和空间影响因子之间复杂的关系,且GWR模型参数估计的空间模式可视化特点更加直观。

关键词：农户生计资本;空间分异;地理加权回归模型;都市城郊村域;青浦区
Abstract
The factors affecting livelihood capital are non-stationary; therefore,a general linear regression model based on the assumption of ‘stationary hypothesis embedding’ is not accurate for the analysis of these factors for farmers. Here,the method of aggregative indicator was used to calculate the total livelihood capital of administrative villages in Qingpu District,then to cluster. We adopted an ordinary least square model（OLS）and geographic weighted regression model （GWR）to examine the spatial differentiation of factors affecting the total livelihood capital of administrative villages. We found that the total livelihood capital and classification distribution of administrative villages has obvious spatial differentiation. Total livelihood capital gradually increased from west to east;the classification of agricultural livelihood capital gradually reduced from west to east;while,the classification of non-agricultural livelihood capital gradually increased from east to west. Results demonstrate that economic and social factors had a larger impact on the total livelihood capital of administrative villages in Qingpu District than geographical and spatial factors. Industrialization degree,GDP per area,distance to center of downtown,urbanization rate,and disposable income of farmer household were positively correlated to variation in livelihood capital. Compared with the traditional ordinary least square model（OLS）based on ‘stationary hypothesis embedding’,the geographical weighted regression model（GWR）was based on ‘non-stationary’ reveals more profound spatial differentiation of factors. These results can provide scientific reference points for the sustainable development of farmer household livelihood and land spatial consolidation in metropolitan suburbs.

Keywords：rural household livelihood;spatial differentiation;GWR model;livelihood capital;Qingpu District

-->0
PDF (1388KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
任国平, 刘黎明, 付永虎, 袁承程. 基于GWR模型的都市城郊村域农户生计资本空间差异分析——以上海市青浦区为例[J]. , 2016, 38(8): 1594-1608 https://doi.org/10.18402/resci.2016.08.17
REN Guoping, LIU Liming, FU Yonghu, YUAN Chengcheng. Spatial differentiation of rural household livelihood capital in metropolitan suburbs based on GWR model:A case study of Qingpu District in Shanghai[J]. 资源科学, 2016, 38(8): 1594-1608 https://doi.org/10.18402/resci.2016.08.17

1 引言

生计作为农户谋生的方式,建立在能力、资产和活动的基础上,是资源和发展经济学关注的重要问题,农户作为农村经济发展的微观行为主体,其生计方式和生计策略的选择影响着其消费意愿和支付能力^[1],而生计资本作为农户生计结构的物质基础决定着农户生计方式的选择和采取的行动策略^[2]。乡村作为承载农户发展的载体,其变化发展不仅受制于区域内部微观农户生计资本的限制,同时受制于宏观社会经济因素的制约^[3]。因此,准确量化农户生计资产及影响因素,不仅可从本源上辨识农户发展的资源优势、空间潜力和未来转型趋势;也可根据不同的影响因素为制定有针对性的区域发展政策提供理论基础。
目前,关于农户生计资本的相关研究内容主要集中在农户生计资本研究框架构建^[4,5],农户生计资本评价指标分解及指标体系构建^[6,7],农户生计资本总量量化^[6,8],农户生计资本区域差异的影响因素分析^[9,10],农户生计资本与生计策略关系耦合等方面^[5,11,12]。农户生计资本及影响因素研究方法主要以定性分析和定量分析为主,其中,定性研究方法以对比分析法主导^[13,14],而定量分析方法主要以多因素综合评价法^[5,6,8]、因子分析法^[15,16]、回归分析法^[12,17-20]为主。农户生计资本研究案例区主要集中在中国的西部、西北部、西南部的西藏^[11]、新疆^[21]、四川^[8]、云南^[22]、陕西^[9]、宁夏^[23]、内蒙古^[24]、甘肃^[25]等老少边穷区域。
国内外****对生计资本及影响因素研究取得了不少有价值的研究成果,但是仍存在不足,主要表现在:以扶贫为单一目的而忽视资本类型及转型研究,造成研究广度不足;以影响因素定性研究为主,即便定量分析也多采用简单线性回归分析,而忽视影响因素的空间非平稳性,造成研究精度不高。然而,乡村作为农户活动的复杂区域,受诸多因素影响并呈现空间上的非平衡性和依赖性,以“平稳性假设嵌入”为基础的普通线性回归模型（Ordinary Least Square:OLS）分析社会经济因素对生计资本的影响难以充分表征其对该地理单元内生计资本形成的影响力大小。而地理加权回归模型（Geographical Weighted Regression:GWR）允许自变量系数存在空间分异,可以有效地探测空间非平稳性特征,在中小尺度上有空间回归优势^[26]。GWR模型被认为是一种能非常有效解决被观测者空间非平稳性和空间依赖的方法。多数****运用该方法研究房价^[27]、空心村^[28]、县域经济^[29]和人口密度^[30,31]等空间影响因素,取得了较好的研究成果,但目前利用该模型对农户生计资本的影响因素分析却不多见。
上海市作为中国经济最发达的国际性大都市之一,在强大的经济拉力作用下以及城市扩展过程中,其城郊区域的农户生计资本发生剧烈变化。青浦区为上海市西部比较典型的城郊农业区,该区既存在农户生计资本变化较快的“大都市带工业区”典型特征,也有变化较慢的“大都市带农村”的典型特征。鉴于此,本文选择了上海市青浦区作为研究案例区开展上述相关研究。

2 研究区概况、研究方法与数据来源

2.1 研究区概况

青浦区位于120°53′E-121°17′E和30°59′N-31°16′N,总面积668.54km²。该区地处上海市西南部,太湖下游,黄浦江上游,紧邻上海市核心经济商贸区和长江三角洲经济圈的中心地带,具有承东启西、东联西进的枢纽作用和对华东地区的辐射作用（图1）。
显示原图|下载原图ZIP|生成PPT
图1上海市青浦区位置示意
-->Figure 1Location of Qingpu District in Shanghai
-->

青浦区地势平坦,为平原感潮河网地区,平均海拔高度在2.8~3.5m,年均气温17.6℃左右。2014年青浦区实现地区生产总值756.75亿元,农业总产值18.33亿元,工业总产值413.03亿元,三大产业比重为1.6 ∶58.6 ∶39.8。据统计到2014年末,青浦区总人口48.77万人,其中,非农业人口35.55万人,占全区人口总数的72.89%。全区共有8个镇和3个街道,分别是赵巷镇、徐泾镇、华新镇、重固镇、白鹤镇、朱家角镇、练塘镇、金泽镇、夏阳街道、盈浦街道、香花桥街道,辖184个行政村。

2.2 研究方法

2.2.1 生计资本评价方法
（1）生计资本评价指标。本文采用英国国际发展机构（DFID）构建的可持续生计框架,根据国内外****关于生计资本指标研究成果和大都市城郊特殊区情,数据精简性和针对性,构建上海市青浦区农户生计资本评价指标体系（表1）。
Table 1
表1
表1农户生计资产指标体系及描述性统计分析
Table 1The index system of rural livelihood capital and descriptive statistical analysis of the variables

准则层	目标层	指标层	权重	标准差	最大值	最小值	样本容量
农户生计 资本	自然资本NC	户均年末实际经营土地面积/（hm2/户）	0.532	0.034	4.026	0.063	910
		户均耕地播种面积/（hm2/户）	0.468	0.118	2.547	0.061	910
	物质资本PC	年末户均生产性固定资产原值/（元/户）	0.391	8 231	385 902	22 750	910
		年末户均房屋价值/（元/户）	0.324	9 427	510 782	16 633	910
		年末户均生活耐用品资产原值/（元/户）	0.285	5 942	133 548	17 540	910
	人力资本HC	户均劳动力/（人/户）	0.341	2.150	4.000	1.000	910
		劳动力受教育年限/年	0.388	8.246	31.000	8.000	910
		劳动力受农业技术培训比例/%	0.271	48.222	81.275	18.725	910
	金融资本FC	户均年末金融资产金额①/（元/户）	0.391	17 514	635 078	22 959	910
		户均现金收入/（元/户）	0.388	10 294	321 688	43 882	910
		户均年内累计借贷金额/（元/户）	0.221	11 487	770 549	8 015	910
	社会资本SC	参加合作经济组织农户的比例/%	0.346	41.540	91.580	31.850	910
		获得社会网络支持比例/%	0.413	27.650	84.590	8.140	910
		家庭具有社会职务人数②/人	0.241	5.140	6.000	0.000	910

注:①户均年末金融资产金额包括:年末存款余额、年末手存现金、年末借出款余额、年末家庭外投资余额;②家庭具有社会职务人数包括:国家干部、村干部、党员、军属、烈属等。
新窗口打开
（2）生计资本量化。采用极差标准法对指标进行标准化处理^[32]:
Zij=(Xij-minXij)/(maxXij-minXij)（1）
式中 Zij为标准化值; Xij为某分项生计资产的指标值;i为调查农户;j为某分项资产的指标值。
采用离差最大化法计算各分项生计资产的指标权重^[33]:
Wj=∑i=1n∑k=1nZij-Zkj/∑j=1m∑i=1n∑k=1nZij-Zkj（2）
式中 Wj为指标权重;n为调查农户总数;m为某分项资产指标总项数;k为第i个农户所对应的分项资产的产值。
采用综合指标法结合指标标准化值和权重值,测算农户所积累的各分项资产产值和行政村生计资产均值^[6]:
Ci=∑j=1mZijWj（3）
Tv=∑i=15Ci/n（4）
式中 Ci为某分项资产产值; Tv为行政村生计资产总量;n为某村调查总户数。
（3）生计资本聚类。聚类分析能够从数据源出发客观决定样本数据的分类标准。K-mean 聚类法具有占用内存少,处理速度快等优点,本文采用K-mean聚类法对各行政村生计资本 （Tv）的量化结果进行分类。
2.2.2 空间自相关方法
本文采用空间自相关模型对青浦区行政村生计资本总量 （Tv）的空间聚集特征进行研究。
（1）全局空间自相关。全局空间自相关是检验临近区域间是否存在空间相关性,本文采用Moran's I指数^[34],公式如下:
（5）
式中N为区域行政村总数; Wij为空间权重; Xi和 Xj分别是区域i和j的属性; Xˉ为属性均值。
（2）局部空间自相关。局部空间自相关是检验区域与周边区域之间的空间关联和空间差异程度,本文采用Moran散点图和LISA图^[35]（空间联系局部指标）,公式如下:
（6）
（7）
式中 Sx2为方差;其中,对j的累积区域不包括区域i自身。将局域Moran指数显著性结合Moran散点图,通过“Moran显著性图”进行可视化,表示出不同象限区域分布和LISA显著区域。
2.2.3 生计资本空间分布影响因素分析
（1）GWR模型。传统的线性回归OLS模型建立在最小二乘法基础上对参数进行“平均”和“全局”估计,OLS通过定义全局因变量 Yi和自变量X关系后,i通过最小误差平方和计算方程的参数估计值^[36],其对空间平稳性数据回归具有较好的估计,但如果自变量为空间数据,且自变量间存在空间自相关性,就无法满足传统OLS模型残差项独立的假设,普通最小二乘法参数估计就不适用^[28]。针对空间非平稳性和空间依赖性问题,GWR模型引入对不同区域的影响因素进行估计,容许局部参数估计使变量间关系随空间位置变化而变化,结果更加符合客观实际^[26]。根据GWR模型原理,构建模型为:
（8）
式中 Yi为第i个行政村的生计资本总量 （Tv）; (μi,vi)为该乡村行政中心所在的地理坐标; βk(μi,vi)是第i个行政村的回归系数; εi为随机误差项。
为避免个别样本点的邻近样本数据稀疏而造成的估计误差^[26],采用高斯核函数确定权重:
Wij=exp-12(dijb)2dij<b0dij≥b（9）
式中 dij为回归点i与数据j的欧式距离;b为带宽其大小直接影响GWR模型的空间变量。根据最优带宽确定准则,即GWR模型赤池信息最小,带宽b最佳^[37],同时考虑本文调查样本数量相对较小的特点采用AICc法确定带宽。
（2）变量选取。模型的因变量行政村生计资本总量 （Tv）采用农户生计资本量化结果。影响生计资本的自变量因素很多,本文采用三因素理论将其分为三大类:自然地理空间因素、经济发展因素和社会发展因素。结合以往文献研究成果^[8-10,19,20]和青浦区实际情况,本文选取13个自变量与乡村生计资本总量进行多重共线性检验,剔除变量冗余,剩下10个自变量,即经济发展因素为地均GDP（PGDP）,农业劳动生产率（FL）,工业化程度（ID）,可支配收入（PE）;社会发展因素为城镇化率（URB）,人均公路里程（PR）,农业机械化水平（AM）;自然地理空间因素为到城镇中心距离（DT）,人口密度（PD）,聚耕比（HF）。变量基本统计特征见表2。
Table 2
表2
表22014年青浦区农户生计资本影响因素的描述性统计分析
Table 2Descriptive statistical analysis of the variables of affecting factors of rural livelihood capital in Qingpu District in 2014

影响因素	变量代码	计算方法及单位	标准差	最大值	最小值	容量	共线性检验
							Tolerance	VIF
经济发展因素	PGDP	村域面积/村生产总值/（hm2/元）	2.57	8.74	2.31	182	0.21	1.58
	FL	农业总产值/农业从业人数/（元/人）	2 358	9 754	4 547	182	0.11	1.99
	ID	工业增加值/村生产总值/%	30.12	81.54	45.44	182	0.09	5.48
	PE	农村农民家庭人均纯收入/元	7 458	5 894	12 574	182	0.36	4.59
社会发展因素	URB	村建设用地总量/村总面积/%	24.89	70.42	45.15	182	0.29	7.85
	PR	农村道路长度/村域总人口/（km/人）	0.05	0.62	1.01	182	0.44	6.58
	AM	农业机械总动力/耕地面积/（kW/hm2）	0.16	0.45	0.21	182	0.19	3.24
自然地理空间因素	DT	到最近城镇中心的直线距离/km	12.54	26.41	1.84	182	0.59	1.29
	PD	年末村总人口/村域面积/（人/km2）	5 478	12 467	874	182	0.32	1.07
	HF	村域居民点面积/村域耕地面积/%	29.88	85.25	44.68	182	0.16	3.01

注:各变量代码对应的变量名见正文。
新窗口打开

2.3 数据来源及处理

2.3.1 数据来源
（1）农户调研数据。农户生计资本数据来源于青浦区规划和土地管理局2014年5-9月开展的“农村集体建设用地减量化普查”。青浦区农业委员会农村固定观察点农户数据和课题组6人于2014年10-11月开展的参与式农户评价数据,共计2415份。调査问卷由“家庭成员构成情况、土地情况、固定资产情况、农户家庭生产经营情况、出售农产品情况、购买种植业生产资料情况、家庭全年收支情况、全年主要食物消费量、主要耐用物品年末拥有量及居住情况、社会关系”10部分构成,较为全面地反映该区农户及其家庭成员的生计资本状况。本文对每个行政村随机抽取5户（共910份）原始数据作为农户生计资本评价样本。
（2）统计数据。社会经济数据由2015年《青浦区统计年鉴》^[38]、《青浦区乡镇统计年鉴》^[39]、《青浦区农业统计年鉴》^[40]、《中国统计年鉴》^[41]和《中国农业统计年鉴》^[42]获得。
2.3.2 数据处理
（1）样本空间单元为青浦区11个乡镇、街道办事处所辖的184个行政村。其中夏阳街道办事处和香花桥街道办事处所辖2个“城中村”存在“空间飞地”,鉴于模型限制将其剔除,故本文研究的样本单元为182个行政村。
（2）将获取的农户家庭成员数据计算生成分析所需的农户生计资本指标值,以户主为标识码把家庭成员数据、住户数据和地理空间坐标对接,对异常值和缺失数据进行均值化处理,建立“农户-GIS-生计资本”数据库。
（3）各行政村界址范围内道路长度数据及村域面积数据利用ArcGIS的空间分析功能从上海市青浦区2014年土地利用现状图中提取,村中心坐标采用村委所在地坐标。
（4）对生计资本空间分布影响因素进行多重共线性检验,变量剔除依据方差膨胀因子（VIF）大于10进行^[43]。

3 结果及分析

3.1 生计资本评价结果及类型划分

采用极差标准法（公式（1））和离差最大化法（公式（2））计算青浦区农户生计资本指标的权重（见表1）;采用综合指标法结合指标标准化值和权重值,测算农户所积累的各分项资产产值（公式（3））;对每村5个农户的生计资产产值取均值计算各行政村生计资产总量（公式（4））;最后运用K-mean快速聚类分析法,结合行政村生计资产分项值和总值,将其结果划分为农业专业化发展型、农业多样化发展型、兼业化发展型、非农多样化发展型和非农专业化发展型^[6]。行政村生计资本评价结果和等级见图2和表3。
显示原图|下载原图ZIP|生成PPT
图22014年青浦区生计资本评价结果注:图中行政村代码见表3; 92号行政村为争议区域。
-->Figure 2Evaluating results of rural livelihood capital in Qingpu district in 2014
-->

Table 3
表3
表3青浦区行政村生计资本划分标准及类型
Table 3The classification criteria and types of rural livelihood capital in Qingpu District

生计资本类型	样本量	聚类标准	行政村名
农业专业化发展型	52	Tv:[0.00,1.00] ∪ FC:[0.00,0.22] ∪ NC:（0.47,0.53]	徐李村（20）、新池村（19）、金泽村（16）、杨湾村（21）、东西村（17）、建国村（18）、金姚村（5）、新港村（58）、岑卜村（158）、西岑村（165）、三塘村（128）、育田村（129）、河祝村（131）、爱国村（159）、东天村（56）、任屯村（164）、田山庄村（57）、龚都村（35）、钱盛村（79）、莲湖村（163）、淀湖村（125）、蔡浜村（23）、东星村（22）、王港村（29）、南新村（32）、陈东村（127）、雪米村（33）、淀西村（24）、沙港村（31）、泖甸村（12）、泾花村（89）、练东村（81）、泾珠村（83）、北埭村（115）、金前村（139）、太北村（147）、叶港村（80）、朱庄村（7）、东泖村（114）、东田村（79）、联农村（113）、双菱村（111）、东淇村（112）、东厍村（145）、张联村（78）、徐练村（146）、浦南村（2）、蒸浦村（3）、东庄村（1）、蒸夏村（135）、芦潼村（4）、星浜村（110）
农业多样化发展型	34	Tv:（0.00,2.60] ∪ FC:（0.22,0.36] ∪ NC:（0.36,0.47]	白鹤村（59）、沈联村（8）、鹤联村（94）、青龙村（96）、塘湾村（91）、胜新村（95）、朱浦村（174）、金项村（173）、新江村（133）、王泾村（176）、杜村（157）、响新村（175）、五里村（9）、万狮村（63）、梅桥村（10）、曙光村（101）、红旗村（11）、南巷村（60）、江南村（93）、太平村（92）、赵屯村（141）、周荡村（151）、横江村（36）、盛家埭村（51）、张家圩村（50）、新旺村（37）、新华村（61）、小江村（73）、周家港村（43）、沙家埭村（42）、山湾村（74）、庆丰村（132）、淀峰村（138）、双祥村（30）
兼业化发展型	35	Tv:（2.60,3.30] ∪ FC:（0.36,0.53] ∪ NC:（0.24,0.36]	回龙村（152）、新丰村（88）、章堰村（166）、徐姚村（8）、郏店村（85）、毛家角村（86）、新联村（109）、中新村（87）、南崧村（172）、方夏村（134）、和睦村（171）、垂姚村（170）、沈泾塘村（108）、崧泽村（168）、中步村（169）、金汇村（167）、山海桥村（25）、创建村（39）、淀山湖一村（130）、水产村（136）、安庄村（62）、先锋村（181）、李庄村（126）、建新村（144）、王金村（161）、林家村（156）、新胜村（124）、张巷村（76）、万隆村（160）、薛间村（27）、南厍村（145）、天恩桥村（140）、南横村（116）、俞家埭村（153）、贺桥村（177）
非农多样化发展型	29	Tv:（3.30,4.50] ∪ FC:（0.53,0.64] ∪ NC:（0.08,0.24]	泾阳村（162）、大联村（52）、金米村（40）、爱星村（53）、东方村（55）、东斜村（70）、燕南村（71）、徐谢村（99）、周浜村（97）、朱长村（98）、华益村（182）、陆象村（15）、凌家村（102）、淮海村（13）、马阳村（142）、秀龙村（103）、新谊村（104）、火星村（107）、嵩山村（77）、北新村（106）、新木桥村（28）、叙南村（34）、叙中村（47）、坚强村（14）、白马塘村（105）、杨家庄村（100）、沈巷村（155）、张马村（75）、长河村（90）
非农专业化发展型	32	Tv:（4.50,5.00] ∪ FC:（0.64,0.80] ∪ NC:[0.00,0.08]	王仙村（45）、新阳村（44）、塘郁村（49）、金家村（48）、枫泾村（46）、泰来村（137）、塔湾村（118）、城南村（84）、杨元村（149）、袁家村（117）、七汇村（66）、陈桥村（64）、盈中村（65）、石西村（41）、胜利村（119）、天一村（178）、新姚村（111）、新桥村（54）、向阳村（58）、郏一村（82）、朝阳村（150）、曹泾村（154）、金星村（69）、前明村（72）、金云村（26）、联民村（121）、光联村（6）、民主村（120）、大新村（143）、二联村（68）、金联村（67）、迮庵村（122）、陆家角村（123）

注:Tv为村域生计资本总量;FC 为农户金融资本量;NC为农户自然资本量;括号中数字代表行政村的代码。
新窗口打开
根据计算结果,青浦区行政村生计资本总量和金融资本量差异明显,该结果与王立平^[6]研究结果不同。可能的原因为:①本文较少使用主观赋值,使用原值的指标构建降低了计算结果的人为误差;②研究区域差异导致生计资本累积差异化的结果;③采用农户均值化处理反映行政村生计资本总量导致结果较为平滑。
依据评价结果,青浦区生计资本总量和类型分布呈现明显的空间差异,农业化类型由西部向东部逐渐减少,非农化类型由东部向西部逐渐减少。农业专业化发展型52个行政村主要分布在该区的西部和西南部的金泽镇和练塘镇,其中蔡浜村生计资本总量最小为0.26;农业多样化发展型34个行政村主要分布在朱家角镇的中部和白鹤镇;兼业化发展型35个行政村分布在赵巷镇、重固镇和朱家角镇的南部;非农多样化发展型29个行政村分布在香花桥街道和华新镇;非农专业化发展型32个行政村分布在3个街道和徐泾镇,其中夏阳街道的城南村自然资本最小为0。

3.2 生计资本量空间自相关分析结果

为保障GWR模型计算结果的有效性,需对上述生计资本总量 （Tv）进行空间相关性分析。本文采用GeoDa软件,利用公式（5）和公式（6）计算青浦区各行政村的生计资本总量值得空间相关性。全局空间自相关结果显示:青浦区生计资本总量的全局Moran's I指数为0.231,在5%显著性下,Z（I）值为2.45,其值高于临界值1.96^[28],通过显著性检验,表明生计资本空间分布正相关性较强。为进一步研究青浦区各行政村之间生计资本总量的空间相关,直观了解差异分布格局,对各行政村进行局部空间相关性分析,并绘制LISA显著性分布图（图3）。青浦区出现明显的高高（HH）区、低低（LL）区和低高（LH）区3种聚集分布类型,其中高低（HL）区未通过显著性检验。从图3看出该区生计资本量较高的区域分布在青浦区的中部3个街道办事处和西部的徐泾镇;生计资本量较低的区域位于东部的金泽镇和练塘镇。该结果为GWR模型构建奠定了可行基础。
显示原图|下载原图ZIP|生成PPT
图3生计资本量LISA显著性分布注:图中行政村代码见表3; 92号行政村为争议区域。
-->Figure 3Moran's I significance map of rural livelihood capital
-->

3.3 OLS模型和GWR模型比较

为解决“平稳性假设嵌入”问题,本文采用OLS模型和GWR模型对青浦区生计资本量的影响因素进行分析并加以对比。
3.3.1 OLS模型分析结果
以生计资本总量（T_v）为因变量,以表2中10个因素为自变量,构建OLS模型。首先将10个自变量全部纳入,结果只有地均GDP、农户收入水平和到城镇中心距离3个变量通过显著性检验,明显与预期不符合。为了去除指数趋势,对10个影响因素进行取对数处理,其中的“工业化程度”、“城镇化率”和“聚耕比”3个自变量小于1,故采用工具变量“ln（ID+1）/ln（URB+1）/ln（HF+1）”处理,结果只有农业机械化水平和聚耕比2个变量没有通过显著性检验,基本符合预期,故采用第二种处理方法将农业机械化水平和聚耕比剔除,运行OLS模型得到的结果见表4。
Table 4
表4
表4普通线性回归模型估计结果
Table 4The estimation results of OLS model

自变量	回归系数	Std. Error	t值	Sigma
PGDP	0.523***	0.014	3.286	0.005
FL	-2.571	0.021	-5.714	0.251
ID	1.566**	0.001	0.399	0.001
PE	0.658***	0.141	0.089	0.775
URB	0.465**	0.492	2.546	0.031
PR	0.301*	0.052	3.224	0.857
DT	0.583*	0.194	1.659	0.005
PD	-0.237	0.298	-0.331	0.001
常数项	0.135***	0.521	57.384	0.000

注:***、**、*分别表示在1%、5%和10%水平上显著。
新窗口打开
3.3.2 GWR模型分析结果
为保持两个模型对比的可行性,GWR模型自变量的选择依据OLS模型的筛选结果,确定8个变量因素,运用ArcGIS10.0软件的GWR模块,以青浦区各行政村的村委坐标为中心坐标构建GWR模型:
Tvi=β0(μi,vi)+∑j=1kβ1(μi,vi)Xij(lnPGDP)+∑j=1kβ2(μi,vi)Xij(lnFL)+∑j=1kβ3(μi,vi)Xij(lnID)+∑j=1kβ4(μi,vi)Xij(lnPE)+∑j=1kβ5(μi,vi)Xij(lnURB)+∑j=1kβ6μi,viXijlnPR+∑j=1kβ7μi,viXijlnDT+∑j=1kβ8(μi,vi)Xij(lnPD)+εi(10)
从计算结果表5中看出,与生计资本变化呈正相关的因素依次为工业化程度、到城镇中心距离、地均GDP、城镇化率、农户可支配收入和人均公路里程。与生计资本变化呈负相关的因素为农业劳动生产率和人口密度。在其他条件不变的情况下,工业化程度的对数每增加一个标准单位,生计资本总量将增加91.30%;而农业劳动生产率的对数每增加一个标准单位,生计资本总量将减少18.50%。
Table 5
表5
表5地理加权回归模型估计结果
Table 5The estimation results of GWR model

自变量	回归系数	t值	最小值	下四分位数	中值	上四分位数	最大值	Sigma
PGDP	0.435***	4.221	0.158	0.261	0.494	0.588	0.629	0.704
FL	-0.185	-0.522	-0.391	-0.317	-0.229	-0.124	-0.104	0.045
ID	0.913**	0.577	-1.569	-0.927	0.511	2.721	5.592	0.001
PE	0.275*	0.158	0.204	0.285	0.336	0.421	0.584	0.857
URB	0.321**	5.247	2.386	3.102	3.399	4.001	4.316	0.001
PR	0.187	3.232	0.121	0.253	0.312	0.497	0.586	0.511
DT	0.564***	2.512	0.531	0.598	0.724	0.857	0.921	0.311
PD	-0.152	-0.394	-1.311	-1.148	-0.901	0.583	1.317	0.005
常数项（CONSTANT）	0.138	39.586	-0.579	-0.357	-0.115	0.298	0.414	0.000

注:***、**、*分别表示在1%、5%和10%水平上显著。
新窗口打开
分析结果进一步发现,经济发展因素和社会发展因素对上海市青浦区生计资本总量影响强于地理空间因素,此结果与何仁伟^[8]的研究结果不同。可能的原因为:①都市经济发达的城郊区域依靠政府投入改善区域的地理区位和空间差异,可适当限制因地理空间因素对生计资本总量的积累;②本文研究的单元为行政村,相比较小的地理空间因素不如县域单元明显;③研究区域差异,造成青浦区单个农户的生计资本量较大,其抵抗环境逆性的能力较强。
3.3.3 OLS模型与GWR模型结果对比
通过表6分析两个模型对青浦区生计资本总量影响结果表明:
Table 6
表6
表6OLS模型与GWR模型参数估计比较
Table 6Parameter estimation comparison OLS model with GWR model

参数	AICc	R	R2	RAdj2	F-value	P-value	Residual	Sigma
OLS模型	-271.58	0.575	0.685	0.485	19.557	0.000	1 476.334	0.229
GWR模型	-152.86	0.814	0.805	0.692	22.932	0.000	825.89	0.057

新窗口打开
（1）模型解释精度（R_Adj²）。OLS模型整体上显著,能解释生计资本总量变异的48.50%,而GWR模型的解释变异精度达到69.20%,明显高于前者。从图3和图4看出,整个区域具有较高的空间自相关,Moran's I指数值进一步验证了视觉上的估计,导致OLS模型的残差值（Residual）为1476.33明显高于GWR模型的残差值825.89。因此表明,以数据“平稳性假设嵌入”的OLS模型对因素的空间非平稳性和空间依赖问题的研究存在不足。
显示原图|下载原图ZIP|生成PPT
图4地理加权回归模型标准化残差空间分布注:图中行政村代码见表3; 92号行政村为争议区域。
-->Figure 4Spatial distribution of the standardized errors in the GWR Model
-->

（2）赤池信息（AICc）。根据最优带宽确定准则,即GWR模型赤池信息最小,带宽b最佳。OLS模型的AICc值为-271.58高于GWR的-152.86,因此,即使考虑GWR模型的复杂性,其模拟的精度也远小于OLS模型。
（3）拟合优度（R²）和F值（F-value）。GWR 模型的R²和F值分别为0.805和22.932都高于OLS模型值。综上表明,GWR模型以空间非平稳数据进行模拟,较为有效的解决了“平稳性假设嵌入”问题,比OLS模型更能精确的模拟数据的空间变异。

3.4 GWR模型空间模式

利用GWR模型参数估计的空间模式可视化特点,利用ArcGIS10.0软件对影响青浦区行政村生计资本总量的5个显著性相关影响因素进行图形化处理,得到图5（见第1603页）。
显示原图|下载原图ZIP|生成PPT
图5基于GWR模型的2014年青浦区农户生计资本影响因素回归系数空间分布注:图中行政村代码见表3; 92号行政村为争议区域。
-->Figure 5Spatial distribution of the regression coefficients of affecting factors of rural livelihood capital based on GWR model in Qingpu District in 2014
-->

3.4.1 经济发展因素空间模式
（1）地均GDP。行政村生计资本总量与地均生产总值呈正相关关系,从回归系数的空间分布看（图5a）,该区呈现由东向西逐渐递减,其中东部高值区出现“马鞍形”分布,最大值出现在香花桥街道的天一村和徐泾镇的陆家嘴村,最小值在金泽镇的南新村。这种分布与青浦区实际相吻合:香花桥街道作为“青浦新城”开发的主要区域,农户基本上已经市民化,社会资本和金融资本在生计资本中的比例较大。徐泾镇邻近上海市中心商务区,积极接受上海中心城区辐射,承接人口导入和产业外溢功能造成农户自然资本较少而金融资本和物质资本增值较快。而该区东部最为都市传统的农业区,生计资本构成中的自然资本较多但金融资本相对缺乏,造成总量较小。
（2）工业化程度。该因素与生计资本量呈正相关,且存在高值区向四周递减趋势（图5b）。工业化程度对生计资本的影响最强,高值区出现在香花桥街道和赵巷镇,该结果与青浦区的土地利用规划相吻合。
（3）可支配收入。该因素与生计资本量呈正相关,存在两个高值区（图5c）且向四周递减趋势。夏阳街道和徐泾镇,其中夏阳街道为该区的经济中心,可支配收入为全区最高。徐泾镇为商服区,可支配收入次之。两个区域对生计资本影响作用最大。
3.4.2 社会发展因素空间模式
城镇化率对生计资本总量影响显著,其对数每增加一个标准单位,生计资本总量将增加32.10%,回归系数从该区中部向两翼递减（图5d）。中部的香花桥街道、夏阳街道和盈浦街道为政治和经济中心,以非农专业化发展为主,空间辐射和区位优势造成生计资本的变异。
3.4.3 自然地理空间因素空间模式
到城镇中心距离的回归系数存在两个正中心（图5e）,东部的华新镇和中北部的盈浦街道。主要原因为城市经济强大的拉力吸引着农村各要素向城市靠拢,改变了乡村经济的联系方向,进而改变着生计资本总量。

4 结论与讨论

4.1 结论

本文针对生计资本总量影响因素的空间非均衡性问题,对2014年上海市青浦区行政村的生计资本总量进行评价,以此为基础通过对比OLS模型和GWR模型模拟社会、经济和地理空间因素的空间相关关系,得到能够解释行政村生计资本总量空间差异的影响因素。
（1）对农户生计资本量化和聚类分析发现:青浦区行政村生计资本总量和类型分布呈现明显的空间差异;生计资本总量空间上由西向东逐渐增加,生计资本农业化类型由西部向东逐渐减少,非农化类型由东部向西逐渐减少。
（2）青浦区行政村生计资本总量分布具有空间非均衡性和依赖性。通过各行政村进行局部空间相关性分析,结果反映该区域具有明显的高高（HH）聚集区、低低（LL）聚集区和低高（LH）聚集区3种聚集分布类型,该结果也为开展GWR模型分析提供基础。
（3）以“平稳性假设嵌入”为基础的普通线性回归（OLS）模型对行政村生计资本总量影响因素解释精度远低于空间“非平稳性”的GWR模型。通过使用OLS模型和GWR模型进行对比发现:OLS模型整体上能解释生计资本总量变异的48.50%,而GWR模型的解释变异精度达到69.20%,明显高于前者,且各项检测指标值优于OLS模型。GWR模型能较好的解决“平稳性假设嵌入”问题。
（4）从GWR模型对青浦区行政村生计资本总量的影响因素的回归系数和空间模式看:生计资本总量的变化具有区域的差异性和敏感性,不同区域影响因素不同;青浦区行政村生计资本总量变化中经济发展因素和社会发展因素影响强于地理空间因素,其中与生计资本变化呈正相关的因素依次为工业化程度、到城镇中心距离、地均GDP、城镇化率、农户可支配收入。

4.2 讨论

上海市青浦区位于中国经济最发达的都市城郊,内部各行政村在自然、社会和经济等多因素综合作用下,农户生计资本发生剧烈变化和形成巨大的差异。传统的OLS 模型通过最小二乘法对参数进行“平均”和“全局”估计,忽视了生计资本影响因素的空间异质性和不平稳性,造成难以准确解释该地理单元内生计资本总量的变异精度;而为克服空间数据不平稳性构建的GWR模型,引入对不同行政村农户生计资本总量影响因素进行估计,容许局部参数估计使变量间关系随行政村位置变化而变化,结果更加符合客观实际;该文的研究结果也很好地验证了GWR模型能非常有效地揭示被观测者空间非平稳性和空间依赖方法。需要指出的是:
（1）虽然GWR模型估计结果中农业劳动生产率、人口密度和人均公路里程3个因素对上海市青浦区生计资本总量变化的相关性不显著,但在实际中以上3个因素却深刻地影响和改变该区行政村的生计资本总量。其中,①农业劳动生产率与生计资本总量变化呈负相关,不显著的原因可能为,尽管该区政府对大都市乡村农业发展提供补贴和开展基础设施建设力度较大,但相比工业和服务业发展对生计资本贡献,其影响力度不足,今后应提倡“技术升级、质量提升、综合发展”的发展路径;②人均公路里程与生计资本总量变化呈正相关,这说明乡村工业化发展促进地区生产方式改变,加剧了区域之间的联系,强化了交通的依赖,交通作为功能网构建的媒介其便捷程度深刻影响着生计资本的变化,今后应继续加大对基础设施特别是交通路网的构建;③人口密度与生计资本总量呈负相关,不显著的原因可能为,随着都市经济和城镇化快速发展,农村剩余劳动力从各乡镇向青浦镇和各镇中心迁入,导致区中心和镇中心的人口密度增大,建设用地向周边乡镇扩散,促进乡村由均质空间向多样化空间转变,生计资本类型由农业化向非农化转变;自然资本、生产性物质资本和人力资本过快的流失,加之过多的人口流入,拉低了该区域的生计资本总量,但该区城镇化快速推进和乡镇企业带动下的工业化程度提升一定程度弥补了人口密度对村域生计资本总量减缓的速率。因此,今后该区应平衡各产业发展,加大西部农业的补贴力度和提高中东部工业的准入门槛,适当限制过快的人口流动,实现生计资本结构的均衡。
（2）GWR模型虽然对OLS模型的系数估计通过引入空间相关性的非平衡数据实现了改进,但GWR模型具有的“空间飞地效应”和“离差测定方法”等固有缺陷,如何克服上述问题将是下一步研究的重点。
（3）对于本文研究的基础:生计资本量化和聚类分析,虽然在指标选取上由于政策性因素及社会体制因素难于量化没有涉及,但以上因素却深刻影响着生计资本总量,因此如何表征政策性因素和体制因素,更加精确刻画生计资本总量将进行进一步研究。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	李树茁,梁义成,Marcus W F,等. 退耕还林政策对农户生计的影响研究-基于家庭结构视角的可持续生计分析 [J]. 公共管理学报,2010,7(2):1-11. [本文引用: 1] [Li S Z,Liang Y C,Marcus W F,et al.The impact of grain for Green Program on rural livelihoods in China:Sustainable livelihoods analysis in a perspective of household composition [J]. Journal of Public Management,2010,7(2):1-11.] [本文引用: 1]
[2]	苏芳,蒲欣冬,徐中民,等. 生计资本与生计策略关系研究-以张掖市甘州区为例 [J]. 中国人口·资源与环境,2009,19(6):119-125. [本文引用: 1] [Su F,Pu X D,Xu Z M,et al.Analysis about the relationship between livelihood capital and livelihood strategies:Take Ganzhou in Zhangye city as an example [J]. China Popu-lation,Resources and Environment,2009,19(6):119-125.] [本文引用: 1]
[3]	邵子南,陈江龙,苏勤,等. 江苏省乡村性空间格局及影响因素研究 [J]. 长江流域资源与环境,2015,24(2):185-193. [本文引用: 1] [Shao Z N,Chen J L,Su Q,et al.Differentiation and influencing factors of rural in Jiangsu province [J]. Resources and Environment in the Yangtze Basin,2015,24(2):185-193.] [本文引用: 1]
[4]	靳小怡,李成华,杜海峰,等. 可持续生计分析框架应用的新领域-农民工生计研究 [J]. 当代经济科学,2011,33(3):103-109. [本文引用: 1] [Jin X Y,Li C H,Du H F,et al.New application of sustainable livelihoods framework research on livelihoods of rural urban migrants [J]. Modern Economic Science,2011,33(3):103-109.] [本文引用: 1]
[5]	苏芳,徐中民,尚海洋. 可持续生计分析研究综述 [J]. 地球科学进展,2009,24(1):61-69. [本文引用: 3] [Su F,Xu Z M,Shang H Y.An overview of sustainable livelihoods approach [J]. Advances in Earth Science,2011,33(3):61-69. ] [本文引用: 3]
[6]	王利平,王成,李晓庆. 基于生计资产量化的农户分化研究-以重庆市沙坪坝区白林村471户农户为例 [J]. 地理研究,2012,31(5):945-954. [本文引用: 6] [Wang L P,Wang C,Li X Q.Research on rural household differentiation based on the quantification of livelihood Assets:Evidence from 471 rural households in Bailin Village,Shapingba District,Chongqing City [J]. Geographical Research,2012,31(5):945-954.] [本文引用: 6]
[7]	Liu Y T,He S J, Wu F L, et al. Urban villages under China's rapid urbanization: Unregulated assets and transitional neighborhood [J]. Habitat International,2010,34:135-144. [本文引用: 1]
[8]	何仁伟,刘邵权,刘运伟,等. 典型山区农户生计资本评价及其空间格局-以四川省凉山彝族自治州为例 [J]. 山地学报,2014,32(6):641-651. [本文引用: 5] [He R W,Liu S Q,Liu Y W,et al.Evaluation and spatial distribution of farmer’s livelihood capital in representative mountain areas:A case study of Liangshan Yi Autonomous Prefecture of Sichuan,China [J]. Mountain Research,2014,32(6):641-651.] [本文引用: 5]
[9]	李聪,柳玮,黄谦. 陕南移民搬迁背景下农户生计资本的现状与影响因素分析 [J]. 当代经济科学,2014,36(6):106-126. [本文引用: 2] [Li C,Liu W,Huang Q.The Current situation and influencing factor analysis on rural households' livelihood capitals in the background of migrates' relocation of Southern Shanxi [J]. Modern Economic Science,2014,36(6):106-126.] [本文引用: 2]
[10]	王娟,吴海涛,丁士军. 山区农户生计转型及其影响因素研究-以滇西南为例 [J]. 中南财经政法大学学报,2014,(5):133-140. [本文引用: 2] [Wang J,Wu H T,Ding S J.Study on the livelihood transformation of farmers in mountainous areas and its influencing factors:A case study of Southwest Yunnan [J]. Journal of Zhong-nan University of Economics and Law,2014,(5):133-140.] [本文引用: 2]
[11]	郝文渊,杨东升,张杰,等. 农牧民可持续生计资本与生计策略关系研究-以西藏林芝地区为例 [J]. 干旱区资源与环境,2014,28(10):37-41. [本文引用: 2] [Hao W Y,Yang D S,Zhang J,et al.Relationship between livelihood capital and livelihood strategy of rural households:A case of Nyingchi in Tibet [J]. Journal of Arid Land Resources and Environment,2014,28(10):37-41.] [本文引用: 2]
[12]	赵文娟,杨世龙,王潇. 基于Logistic回归模型的生计资本与生计策略研究-以云南新平县干热河谷傣族地区为例 [J]. 资源科学,2016,38(1):136-143. [本文引用: 2] [Zhao W J,Yang S L,Wang X.The relationship between livelihood capital and livelihood strategy based on logistic regression model in Xinping County of Yuan-jiang dry-hot valley [J]. Resources Science,2016,38(1):136-143.] [本文引用: 2]
[13]	赵立娟. 参与和未参与灌溉管理改革农户生计资本的对比分析基于内蒙古灌区农户的调研 [J]. 中国农业大学学报,2014,19(1):200-208. [本文引用: 1] [Zhao L J.Comparative analysis on livelihood condition of households in irrigation management reform:Based on investigation districts of inner Mongolia [J]. Journal of China Agricultural University,2014,19(1):200-208.] [本文引用: 1]
[14]	张丽,赵雪雁,侯成成,等. 生态补偿对农户生计资本的影响-以甘南黄河水源补给区为例 [J]. 冰川冻土,2012,34(1):186-195. [本文引用: 1] [Zhang L,Zhao X Y,Hou C C,et al.Effect of ecological compensation on farmer household livelihood capita:A case study in the Yellow River water supply area in Gannan [J]. Journal of Glaciology and Geocryology,2012,34(1):186-195.] [本文引用: 1]
[15]	杨怀德,李勇进,冯起,等. 石羊河流域不同区域农户生计多样性分析 [J]. 干旱区地理,2016,39(1):199-206. [本文引用: 1] [Yang H D,Li Y J,Feng Q,et al.A comparative analysis of rural household livelihoods diversity among different regions of Shiyang River Basin,NW China [J]. Arid Land Geography,2016,39(1):199-206.] [本文引用: 1]
[16]	汤青,徐勇,李扬. 黄土高原农户可持续生计评估及未来生计策略-基于陕西延安市和宁夏固原市1076户农户调查 [J]. 地理科学进展,2013,32(2):161-169. [本文引用: 1] [Tang Q,Xu Y,Li Y.Assessment of farmers’ sustainable livelihoods and future strategies on the Loess Plateau:Based on a survey of 1076 farmers in Yan’ an City in Shaanxi Province and Guyuan City in Ningxia Hui Autonomous Region [J]. Progress in Geography,2013,32(2):161-169.] [本文引用: 1]
[17]	李广东,邱道持,王利平,等. 生计资产差异对农户耕地保护补偿模式选择的影响-渝西方山丘陵不同地带样点村的实证分析 [J]. 地理学报,2012,67(4):504-515. [本文引用: 1] [Li G D,Qiu D C,Wang L P,et al.Impacts of difference among livelihood assets on the choice of economic compensation pattern for farmer households farmland protection in Chongqing city [J]. Acta Geographica Sinica,2012,67(4):504-515.] [本文引用: 1]
[18]	宋连久,孙自保,孙前路,等. 藏北草原牧民可持续生计分析-以班戈县为例 [J]. 草地学报,2015,23(6):1287-1294. [Song L J,Sun Z B,Sun Q L,et al.Analysis of sustainable livelihoods of grassland herdsmen:A case of Baingoin county in northern Tibet [J]. Acta Agrestia Sinica,2015,23(6):1287-1294.]
[19]	代富强,吕志强,周启刚,等. 农户生计策略选择及其影响因素的计量经济分析 [J]. 江苏农业科学,2014,43(4):418-421. [本文引用: 1] [Dai F Q,Lv Z Q,Zhou Q G,et al.An econometric analysis of farmers' livelihood strategy choice and its influencing factors [J]. Jiangsu Agricultural Sciences,2014,43(4):418-421.] [本文引用: 1]
[20]	徐展峰,贾健. 农民金融资产分布、选择行为与影响因素分析-基于江西省2450个农户数据 [J]. 中国农业大学学报,2010,15(5):130-136. [本文引用: 2] [Xu Z F,Jia J.Research on the distribution,choice behavior and factors of farmers financial assets:Evidence from Jiangxi province [J]. Journal of China Agricultural University,2010,15(5):130-136.] [本文引用: 2]
[21]	王彦星,潘石玉,卢涛. 生计资本对青藏高原东缘牧民生计活动的影响及区域差异 [J]. 资源科学,2014,36(10):2157-2165. [本文引用: 1] [Wang Y X,Pan Y S,Lu T.Impact of livelihood capital on the livelihood activities of herdsmen on the eastern edge of the Qinghai-Tibet Plateau [J]. Resources Science,2014,36(10):2157-2165.] [本文引用: 1]
[22]	赵文娟,杨世龙,徐蕊. 元江干热河谷地区生计资本对农户生计策略选择的影响-以新平县为例 [J]. 中国人口·资源与环境,2015,25(11):162-165. [本文引用: 1] [Zhao W J,Yang S L,Xu R.The impact of farmers ' livelihood capital on livelihood strategy:Case study in Xinping county of Yuanjiang Dry-Hot valley [J]. China Population,Resources and Environment,2015,25(11):162-165.] [本文引用: 1]
[23]	韦惠兰,祁应军. 农户生计资本与生计策略关系的实证分析-以河西走廊沙化土地封禁保护区外围为例 [J]. 中国沙漠,2016,36(2):540-548. [本文引用: 1] [Wei H L,Qi Y J.Empirical analysis of relationship between farmers’ livelihood capital and livelihood strategies [J]. Journal of Desert Research,2016,36(2):540-548.] [本文引用: 1]
[24]	道日娜. 农牧交错区域农户生计资本与生计策略关系研究-以内蒙古东部四个旗为例 [J]. 中国人口·资源与环境,2014,24(5):274-278. [本文引用: 1] [Dao R N.Relationship between livelihood assets and livelihood strategies of rural households of farming- pastoral area:A case study on four counties in the eastern inner Mongolia [J]. China Population,Resources and Environment,2014,24(5):274-278.] [本文引用: 1]
[25]	赵雪雁,李巍,杨培涛,等. 生计资本对甘南高原农牧民生计活动的影响 [J]. 中国人口·资源与环境,2011,21(4):111-118. [本文引用: 1] [Zhao X Y,Li W,Yang P T,et al.Impact of livelihood capital on the livelihood activities of farmers and herdsmen on Gannan Plateau [J]. China Population,Resources and Environment,2011,21(4):111-118.] [本文引用: 1]
[26]	Fotheringham A S,Brunsdon C,Charlton M E.Geographically Weighted Regression:The Analysis of Spatially Varying Relationships [M]. West Sussex:John Wiley & Sons Ltd,2002. [本文引用: 3]
[27]	孙倩,汤放华. 基于空间扩展模型和地理加权回归模型的城市住房价格空间分异比较 [J]. 地理研究,2015,34(7):1333-1351. [本文引用: 1] [Sun Q,Tang F H.The comparison of city housing price spatial variances based on spatial expansion and geographical weighted regression models [J]. Geographical Research,2015,34(7):1333-1351.] [本文引用: 1]
[28]	原野,师学义,牛姝烨,等. 基于GWR模型的晋城市村庄空心化驱动力研究 [J]. 经济地理,2015,35(7):148-155. [本文引用: 3] [Yuan Y,Shi X Y,Niu S Y,et al.A GWR-based study on Jincheng city hollow village driving force [J]. Economic Geography,2015,35(7):148-155.] [本文引用: 3]
[29]	崔长彬,姜石良,张正河. 河北县域经济影响因素的空间差异分析-基于贝叶斯地理加权回归方法 [J]. 经济地理,2012,32(2):40-45. [本文引用: 1] [Cui C B,Jiang S L,Zhang Z H.The analysis of spatial variability of influencing factors to county economy in Hebei:Based on BGWR [J]. Economic Geography,2012,32(2):40-45.] [本文引用: 1]
[30]	张耀军,任正委. 基于地理加权回归的山区人口分布影响因素实证研究-以贵州省毕节地区为例 [J]. 中国人口·资源与环境,2012,36(4):53-63. [本文引用: 1] [Zhang Y J,Ren Z W.Factors affecting population distribution in mountainous areas:Geographically weighted regression using data from Bijie [J]. China Population,Resources and Environment,2012,36(4):53-63.] [本文引用: 1]
[31]	Dercon S.Assessing Vulnerability to Poverty[D]. Oxford:Oxford University,2001. [本文引用: 1]
[32]	谢东梅. 农户生计资产量化分析方法的应用与验证-基于福建省农村最低生活保障目标家庭瞄准效率的调研数据 [J]. 技术经济,2009,28(9):43-49. [本文引用: 1] [Xie D M.Application and validation on quantitative analysis method of livelihood assets of rural households:Based on investigation data on targeting efficiency of objective households with rural minimum living security in Fujian Province [J]. Technology Economics,2009,28(9):43-49.] [本文引用: 1]
[33]	马永红,周荣喜,李振光. 基于离差最大化的决策者权重的确定方法 [J]. 北京化工大学学报,2007,34(2):177-180. [本文引用: 1] [Ma Y H,Zhou R X,Li Z G.The method of determining the weights of decision-makers based on the maximizing deviation [J]. Journal of Beijing University of Chemical Technology,2007,34(2):177-180.] [本文引用: 1]
[34]	张秋亮,白永平,黄永斌. 呼包鄂榆经济区县域经济的时空变化 [J]. 经济地理,2012,32(8):14-19. [本文引用: 1] [Zhang Q L,Bai Y P,Huang Y B.The temporal and spatial variation of the counties’ economy in Hohhot-Baotou-Rrdos-Yulin economic zone [J]. Economic Geography,2012,32(8):14-19.] [本文引用: 1]
[35]	马晓熠,裴韬. 基于探索性空间数据分析方法的北京市区域经济差异 [J]. 地理科学进展,2010,29(12):1555-1561. [本文引用: 1] [Ma X Y,Pei T.Exploratory spatial data analysis of regional economic disparities in Beijing during 2001-2007 [J]. Progress in Geo-graphy,2010,29(12):1555-1561.] [本文引用: 1]
[36]	汤庆园,徐伟,艾福利. 基于地理加权回归的上海市房价空间分异及其影响因子研究 [J]. 经济地理,2012,32(2):52-58. [本文引用: 1] [Tang Q Y,Xu W,Ai F L.A GWR-based study on spatial pattern and structural determinants of Shanghai’s housing price [J]. Economic Geography,2012,32(2):52-58.] [本文引用: 1]
[37]	Stephen A S,Wagner A K.Assessing the market value of real estate property with a geographically weighted stochastic frontier model [J]. Real Estate Economic,2008,36(4):717-751. [本文引用: 1]
[38]	中华人民共和国国家统计局. 上海市青浦区统计年鉴2015[M]. 上海:上海统计出版社,2015. [本文引用: 1] [National Bureau of Statistics of the People's Republic of China. Qingpu Statistical Yearbook 2015[M]. Shanghai:Shanghai Statistics Press,2015.] [本文引用: 1]
[39]	中华人民共和国国家统计局. 上海市青浦区乡镇统计年鉴2015[M]. 上海:上海统计出版社,2015. [本文引用: 1] [National Bureau of Statistics of the People's Republic of China. Towns of Qingpu Statistical Yearbook[M]. Shanghai:Shanghai Statistics Press,2015.] [本文引用: 1]
[40]	中华人民共和国国家统计局. 上海市青浦区农业统计年鉴2015[M]. 上海:上海统计出版社,2015. [本文引用: 1] [National Bureau of Statistics of the People's Republic of China. Agriculture of Qingpu Statistical Yearbook[M]. Shagnhai:Shanghai Statistics Press,2015.] [本文引用: 1]
[41]	中华人民共和国国家统计局. 中国统计年鉴2015[M]. 北京:中国统计出版社,2015. [本文引用: 1] [National Bureau of Statistics of the People's Republic of China. China Statistical Yearbook 2015[M]. Beijing:China Statistics Press,2015.] [本文引用: 1]
[42]	中华人民共和国国家统计局. 中国农业统计年鉴 2015[M]. 北京:中国统计出版社,2015. [本文引用: 1] [National Bureau of Statistics of the People's Republic of China. China Agriculture Statistical Yearbook 2015[M]. Beijing:China Statistics Press,2015.] [本文引用: 1]
[43]	王库. 基于地理权重回归模型的土壤有机质空间预测 [J]. 土壤通报,2013,44(1):21-26. [本文引用: 1] [Wang K.Spatial estimation of soil organic matter by using geographically weighted regression model [J]. Chinese Journal of Soil Science,2013,44(1):21-26.] [本文引用: 1]