《表2 1986-1995年和2006-2015年中国城市知识复杂性的Moran's I值Tab.2 Moran's I of KCI in Chinese cities from

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《中国城市知识复杂性的空间特征及影响研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:***:表明显著水平为1%

从图3和图4可看出，中国KCI得分的空间集聚态势明显，但为分析中国城市尺度KCI的空间格局尚需考察城际知识溢出的相互关联，而传统的统计分析往往忽视了空间数据属性值所隐含的空间依赖性[22-23]。随着GIS的发展，空间数据分析引起广泛关注，解决空间数据的方法日趋完善。ESDA（探索性空间数据分析）的全局和局部空间自相关方法越来越被认为是度量事物或现象之间空间关联或者依赖程度的有效方式[24]。其目的在于用空间统计的观点检验一个空间模式是否显著，进而对所研究的空间过程作深入的了解。其中，全局空间自相关表明事物或现象在总体空间上的平均关联程度；而局部空间自相关则进一步揭示事物或现象在局部空间位置上的关联程度及其分布格局。因此首先计算了1986-1995年和2006-2015年共20年的全局空间自相关系数（表2），以明确中国城市知识复杂性的空间集聚特征。结果显示，中国地级市层面历年KCI指数的Moran's I值均在1%的显著性水平下通过检验且不断上升，表明知识复杂性在中国地级市层面的空间相关性日益提升，呈现显著的集聚分布和自我强化的发展态势，这一现象与已有的中国区域创新发展的空间态势结论相符[22]。同时，这一现象也间接证明了本文的核心观点，即知识不可视为同质的，知识复杂度越高，其空间粘性越强，并难以在其他区域被复制。在此基础上，本文也对中国城市知识复杂性进行了局部空间自相关分析，以进一步明确KCI指数的空间分布态势。