从大空间尺度上看区域发展，经济增长不平衡是一个普遍存在的现象。因此，分析区域经济增长的时空格局及其驱动因素，对于认识和促进欠发达地区的经济发展具有重要意义。本研究以县域为基本研究单元，使用2005-2017年黄土高原县域人均GDP以及地理变量如坡度、海拔等数据，利用探索性空间数据分析（ESDA）和地理探测器模型对黄土高原经济发展水平的时空差异及其驱动因素进行定量分析。结果表明：（1）黄土高原地区经济发展的绝对差异、相对差异的波动和总差异均呈稳定增长的趋势。（2）64.5%的县域经济发展低于黄土高原地区平均水平。经济相对发达的县域主要分布在内蒙古自治区、陕西省和河南省组成的“A”型区域，而经济相对落后的县域主要分布在甘肃省和山西省构成的“V”型区域。（3）GDP、固定资产投资和城镇化率是影响区域经济发展的主要驱动因素，其综合作用远远大于单个因素的作用。

区域经济差异一直是学术界研究的热点。自20世纪90年代以来，国内外对这一主题进行了大量研究。县域作为国民经济的基本单元，是区域经济的基础，可以更好地反映区域经济发展的特征。由于生态脆弱和经济发展滞后的普遍存在，黄土高原县级经济增长极不均衡。例如，根据2015年人口普查数据显示，临汾市大宁县的产值仅为0.45亿元，而雁塔区的产值达到1165.1亿元。因此，定量分析黄土高原各县之间的时空经济差异及其潜在机制，对于区域可持续发展和地方政府实施扶贫政策至关重要。

19世纪，西方提出了区域经济理论的起源。为了研究区域经济差异和区域经济的趋同，使用新的经济增长理论来分析区域经济问题和宏观政策的区位效应。在20世纪80年代之前，对中国区域经济差异的研究是主要基于城市层面的统计。随着城市化的进一步发展，县域问题开始显露出来，并逐渐引起了中国科学界的关注。Liu等人（2012）利用相对差异测度和泰尔指数研究了环渤海地区县级经济的时空分化特征。Zhang等人（2009）使用探索性空间数据分析（ESDA）方法研究了青海省的区域经济差异。Liu（2014）通过GIS软件和ESDA方法探讨了陕西省县域经济发展的空间格局。上述研究表明，中国的研究规模已经从宏观尺度（即国家层面）和省级层面转变为中尺度（即市和县层面）。研究范围从长江三角洲和珠江三角洲等发达地区转向西北和西南等欠发达地区。

尽管在经济差异的研究方面付出了巨大的努力，但开拓性研究仍存在一些局限性和不足。从研究范围来看，对县域经济发展的研究大多局限于省级尺度，对大规模区域的研究仍然相对较少。从研究方法来看，衡量区域经济差异的传统方法主要包括泰尔指数、基尼系数、变异系数等。这些方法假设区域是独立的，这在大多数情况下不符合实际的，导致区域经济差异和动态变化特征的空间分布研究仍很难有一个全面的认识。此外，大多数驱动因素分析都是从定性的角度探讨的，现阶段还缺乏定量的研究。因此，本研究基于社会经济和地理数据采用传统的计量和ESDA方法来分析2005-2017年黄土高原经济快速增长时期经济发展的时空异质性。

研究结果

1. 县域经济发展的时间异质性

1.1 绝对差异逐渐增大，相对差异增加

从表1和图2可以看出，黄土高原县域标准差在2005-2017年期间持续上升，表明黄土高原县域经济的绝对差逐渐增大。2005-2017年，黄土高原县域经济相对差异的变动系数呈波动上升趋势，说明黄土高原县域经济相对差异的波动性加大。具体来说，这一具体变化可以分为两个阶段。从2005年到2009年，变异系数从2005年的0.8970到2009年的1.0682，而2017年，变异系数减少至0.9209。得益于国家协调发展战略的实施，以及2009年关中-天水经济区的建立，从2009年开始，六市一区，相对差异不断缩小。区域协调发展战略提出，要积极推进西部大开发政策，继续给予各地区的优势和积极性。关中-天水经济区提出打造西部地区新的经济增长极，形成西部发达的城市群和产业集群带。随着该地区经济的快速发展，县域经济的相对差异有所缩小。

1.2 空间集聚逐步增强

从表1和图2可以看出，2005-2017年期间，Moran's I大于0。总体上呈现出逐渐增加的趋势，空间正相关性明显。这反映了黄土高原经济发展水平相近（或高或低）的县级行政单位在空间上集聚。随着时间的推移，主要城市群包括关中平原、太原、呼包鄂豫、兰西城市群；宁夏沿着黄经济区的建设。城市群作为工业化、城市化进程中区域空间形态的高级现象，能够产生巨大的集聚经济效益。2009年、2014年和2017年，Moran's I呈现一定的下降，表明这几年的空间集聚可能有所减弱。这与其他年份集聚效应的增强形成了鲜明对比。

1.3 地区间差异是造成总差异的主要因素

县域经济虽然存在一定差异，但由于在经济发展总体规划上的一致性，人口的经济社会因素差异不大。相反，各省之间在各方面存在相当大的差异，导致各省之间的差异显著。从表2和图3可以看出，2005-2017年，7个省份之间的差距逐渐增大，然后从0.03到0.0427，然后到0.0401;并且总差异的权重从20.11%到33.64%，最后到31.83%。在同一时期，七个省份之间的县内差异也有所变化。波动性增加的省份是河南省，而波动性在某些省份如青海表现稳定或在其他省份如山西，内蒙古，陕西，甘肃和宁夏在此期间减少。从黄土高原7个省区县域内差异对总差异的贡献来看，山西、陕西、甘肃占20%左右，内蒙古、河南、青海、宁夏仅占5%左右。

             

2.县域经济发展的空间异质性

图4所示，2005-2017年黄土高原地区有220多个县级行政单位人均GDP低于平均水平（S<1.0），占整个地区的64.5%。最低一级县域经济发展水平（S<0.5），和最高水平（S≥1.5）每年都是一样的。范围内最大的两个数字（0.5≤S<1. 5），说明黄土高原两个县域经济发展水平存在显著差异。与此同时，最低和最高两级县级行政单位数量分别从2005年的123个和75个减少到2017年的106个和65个，呈现出差异逐步缩小的态势。经济低于平均水平的县较多，相对发达的县域主要分布在内蒙古、陕西和河南三省，空间分布格局呈A型。贫困县主要分布在甘肃、山西两省，空间分布格局呈V型。

             

3.县域经济发展的驱动因素

因子检测：所选取的8类驱动因子（表3）对黄土高原县域经济的发展具有显著影响（图5）。各因素的影响程度依次为GDP（0.4646），全社会固定资产投资（0.2748），城市化率（0.2360）、平均斜率（0.1624）、公路密度（0.0617）、铁路密度（0.0535），平均海拔（0.0533），以及种群密度（0.0397）。GDP是最显著的驱动力，反映出地方财政收入对黄土高原经济发展的巨大影响，在全国经济发展中也是如此。只有较高的财政收入才能保证足够的财政支出，政府可以更好地干预和调控宏观经济，促进经济快速发展。

             

             

交互项检测：因子检测主要用于检测单个因子对因变量的解释。通常，地理检测器的交互检测功能用于分析因素之间的交互。任何一个因素对经济发展的单独推动力都小于它与另一个因素的相互作用（表4）。GDP与道路密度的交互作用最大（0.6416），大于GDP（0.4646）和公路密度（0.0617）.GDP与人口密度的交互作用是排第二。同时，当平均坡度、平均海拔等因素与GDP交互作用时，对黄土高原县域经济发展的影响显著增大，证实了GDP在黄土高原县域经济发展中的重要性。