辽宁省经济增长统计数据的真实性分析--基于夜间灯光数据的检验 41页

分类号：单位代码：１０１４０４０３１５３０１７５密级：公开学号：？八聲（￡￥ＬＩＡＯＮＩＮＧＵＮＩＶＥＲＳＩＴＹ硕士学位论文ＴＨＥＳＩＳＦＯＲＭＡＳＴＥＲＤＥＧＲＥＥ辽宁省经济增长统计数据的真实性分析－基于夜间灯光数据的检验论文题－－ＴｈｅＴｒｕｔｈｏｆＬｉａｏＮｉｎＰｒｏｖｉｎｃｅＥｃｏｎｏｍｉｃＧｒｏｗｔｈｇ－－ｔｔｉｉｈｔａａ英文题－－ＥｖｉｄｅｎｃｅｆｒｏｍＮｉｇｈｍｅＬｇＤｔ论文作者：满腾指导教师：郭广珍教授专业：西方经济学完成时间二○一八年五月：？？． 申请辽宁大学硕士学位论文辽宁省经济增长统计数据的真实性分析---基于夜间灯光数据的检验TheTruthofLiaoNingProvinceEconomicGrowth---EvidencefromNight-timeLightData作者：满腾指导教师：郭广珍教授专业：西方经济学答辩日期：2018年5月5日二○一八年五月·中国辽宁 摘要自2003年国务院发布《关于实施东北地区等老工业基地振兴战略的若干意见》以来，东北三省地区的经济发展进入了一段时期的高速发展，自1978年改革开放以来被拉开的经济发展距离逐年递减，基本达到了全国的平均经济增长速度。然而，近年来的经济发展也呈现出疲软的趋势。且以辽宁省为代表的经济数据造假问题被陆续发现，GDP数据质量问题再次成为学术界关注和讨论的热点问题。除了努力提高GDP核算体系的精确度以外，寻找合适的GDP的替代变量也成为了众多学者们努力的方向。美国军事气象卫星DMSP（DefenseMeteorologicalSatelliteProgram）所携带的OLS（OperationalLinescanSystem）传感器具有较强的灯光探测能力和光电放大能力，可以检测到夜间明亮灯光等人造光源，为现今世界经济研究提供了一种新的数据分析手段，在与传统的统计数据方式相比，夜间灯光数据具有客观性、空间性等优势，已经被广泛应用于人类活动、城市发展、生态环境等多方面的研究中。本文对于数据方面存在着较为突出的问题的辽宁省GDP数据作为一个研究方面，以DMSP/OLS非辐射定标夜间灯光数据作为主要的数据源来研究，利用GIS空间分析等方法，开展经济增长统计数据的真实性研究分析，旨在利DMSP/OLS夜间灯光数据的优势，对辽宁省经济增长数据的真实性进行了系统的分析和评价，具体研究内容如下：（1）利用辽宁省14个市级行政区的统计数据，验证夜间灯光强度数据与GDP数据之间的相关性关系，并得到回归模型，从而用来估算出辽宁省真实的经济发展数据。（2）运用电力能源消耗量数据验证夜间灯光强度数据与GDP数据之间的相关性强度，检验夜间灯光强度数据对GDP数据的替代程度。根据数据的分析结果，区域国内生产总值即GDP与夜间灯光强度指数密切相关。因此，将夜间灯光强度数据应用于区域经济发展的分析是可行的。关键词：GDP数据真实性DMSP/OLS回归分析IV ABSTRACTSincetheStateCouncilissuedthe"SeveralOpinionsonImplementingtheRevitalizationStrategyofOldIndustrialBasesinNortheastChinaandOtherAreas,"thethreenortheasternprovinceshaveacceleratedtheireconomicdevelopment.duetoreformandopeningup,thedevelopmentgaphasbeengraduallyreduced,basicallycatchingupwiththeaveragegrowthrateinthecountry.Butinrecentyearseconomicdevelopmenthasshownaweaktrend.Andtheproblemofcounterfeitingeconomicdata,whichisrepresentedbyLiaoningProvince,hasbeendiscovered,andtheissueofGDPdataqualityhasbecomeahotissueinacademiccircles.TheOLS(operationalLinescanSystem)sensorscarriedbytheUnitedStatesDefenseMeteorologicalSatelliteandhavestronglightdetectionandphotoelectricamplificationcapabilities.Itcandetectlight,flareandotherhumanactivitiesandprovideanewdatamethodforeconomicdevelopmentresearch.Comparedwithtraditionalstatisticdata,nightlightdatahasadvantagesofobjectivityandspatiality,andhasbeenwidelyusedinhumanactivities,urbandevelopment,ecologicalenvironmentandotheraspectsofresearch.Inthispaper,LiaoningProvince,whichismoreprominentinthequalityofGDPdata,istakenastheresearcharea,andtheDMSP/OLSnon-radioactivenighttimelightingdataisusedasthemaindatasource.UsingGISspatialanalysistocarryouttheanalysisoftheauthenticityofeconomicgrowthstatistics.TheaimistousetheadvantagesofDMSP/OLSdatatosystematicallyanalyzeandevaluatetheauthenticityofeconomicgrowthdatainLiaoningProvince.Thespecificresearchcontentisasfollows:(1)Usingthestatisticdataof14citiesinLiaoningProvince,thecorrelationbetweenDMSP/OLSandGDPwasverified,andtheregressionmodelwasusedtoestimatetherealeconomicdevelopmentdataofLiaoningProvince.(2)ThepowerconsumptiondatawereusedtoverifythecorrelationstrengthbetweenDMSP/OLSandGDPdataandthesubstitutiondegreeofDMSP/OLSonGDP.Asaresult,itwasfoundthattheregionalgrossdomesticproduct(GDP)iscloselyrelatedtothenightlightintensityindex,anditisfeasibletoapplytheDMSP/OLStoanalyzethedevelopmentoftheeconomy.KeyWords：GDPDMSP/OLSAuthenticityRegressionanalysisV 目录摘要....................................................................................................................................................IVABSTRACT.............................................................................................................................................V绪论......................................................................................................................................................11研究现状及章节安排..................................................................................................................61.1DMSP/OLS夜间灯光数据的研究现状.........................................................................61.2国内生产总值的研究现状..........................................................................................101.3研究路线与章节安排...................................................................................................112研究区域与数据来源................................................................................................................132.1研究区域概况.................................................................................................................132.2研究数据来源及处理...................................................................................................132.2.1灯光数据的来源................................................................................................132.2.2灯光数据校准.....................................................................................................142.2.3数据试验..............................................................................................................183相关性分析及实证检验............................................................................................................203.1相关性分析......................................................................................................................203.2实证检验..........................................................................................................................243.3整体检验..........................................................................................................................254结论与讨论...................................................................................................................................264.1结论分析..........................................................................................................................264.2不足与展望......................................................................................................................28参考文献...........................................................................................................................................29致谢....................................................................................................................................................33VI 图表目录图目录图0-1全国夜间灯光分布图....................................................................................................4图0-2辽宁省夜间灯光分布图...............................................................................................5图1-1夜间灯光强度与GDP关系分析流程图................................................................12图2-1校准前后的辽宁省灯光亮度值对比图..................................................................18图2-2辽宁省夜间灯光亮度分布.........................................................................................18图2-3沈阳市和本溪市2013年灯光亮度对比图...........................................................19图3-1夜间灯光强度总值变化趋势与GDP总值的变化趋势对比图.......................21图3-2全国夜间灯光强度值与GDP对数散点图...........................................................22图3-3电力消耗量与夜间灯光强度（总DN值）和GDP的变化趋势图..............24表目录表2-1夜间灯光数据二阶回归模型系数表.......................................................................15表3-1辽宁省每年的夜间灯光强度与GDP统计数据..................................................20表3-2辽宁14市分区DN值与GDP的相关性分析.....................................................22表3-3辽宁省2007-2013年GDP估计值..........................................................................23表3-4整体估计结果................................................................................................................26VII 绪论东北三省曾是我国经济发展的重要构成部分，在一段历史时期内为我国的经济发展做出了巨大的贡献。但是在经历了规模庞大的振兴东北老工业基地计划之后，近年来媒体描述东北经济发展时最管用的词语却变成了“断崖式下跌”。其中较为有代表性的省份是辽宁省。辽宁省的地区生产总值近些年一直呈现负增长的态势，财政收入在一段时期内呈现出较大的下滑趋势，下滑率甚至达到两位数，社会固定资产投资呈现大幅度下跌，下跌幅度高达60%-70%。辽宁省的财政收入的增幅自2015年就开始出现两位数的下降，地区生产总值的增速仅为3%，远低于全国平均水平的6.9%，在全国范围内的经济增长率的排名跌至倒数第一，创下近23年以来的最低值。2016年，辽宁省的地区生产总值仅为22037.88亿元，同比增长率为负的2.5%，是全国唯一一个经济负增长的省份，同时也延续了经济增长率在全国范围内排名倒数第一的地位。在一段时期内呈现出的这种可以称之为暴跌的态势，是很难找到一个合理的经济学模型来解释。除了辽宁省经济发展本身存在问题以外，唯一的可能性就是以前官方公布的经济数据并不是真实的，而且存在着较大程度的造假情况。中央巡视组和国家审计署曾在2016年的调查中指出，辽宁省的各市和县普遍存在着财政数据造假的问题，并且呈现出了持续时间长，覆盖面广、特点多样等现象。经过调查和研究表明，能够确定的是在2011年至2014年，辽宁省的经济数据存在着大量的水分，财政数据造假情况比较严重，虚增的金额和比例也呈逐年上升的态势，而且这一研究结论也在辽宁省人大第八次会议中得到证实。2017年1月17日，辽宁省委副书记、省长陈求发在政府工作报告中首次对外公布，在辽宁省所辖市、县范围内，2011至2014年间存在着大量的经济数据造假问题。他还指出在2011年至2014年，是由于“官出数字、数字出官”这一唯GDP论现象的出现，导致了某些官员由于追求政绩、升迁等的方面的因素，而向经济数据注入大量水分，导致了财政数据的不真实。失真的数据掩盖了真实的经济发展趋势。虚假经济数据所带来的的负面影响不仅仅停留在省级层面。GDP数据不仅涉及国家财政收入，而且影响财政支出。虚假的数据最终将影响国家的宏观经济状况。财政数据的造假，它将会影响到中央政府的方针政策的制定以及向各省转移支付的规模，这也会导致一些政府的可用财政资源和民生支出被大大降低，对民生来说可谓是一种极大的危害。经济数据造假所产生的影响对于辽宁省来说，将会导致本身就面临着经济负增长、人口外流等严峻形1 式的经济雪上加霜。国务院总理李克强曾在2004年至2007年期间担任辽宁省省委书记，在当时他就批评地区生产总值数据是“人造的”、不真实的，存在着大量的问题。与这种存在大量问题的经济数据相比，他更愿意采用的是工业活动中的三个指标:电力消耗、铁路货运和银行发放的贷款量，用这三个指标来综合衡量经济发展的水平。因而，这三个指标也被称为“克强指数”。然而，随着经济的迅猛发展，传统产业的主导地位逐渐被弱化了，“克强指数”在衡量中国经济产出时的地位也显得没有那么重要了。此外，尽管中国的GDP核算体系和统计方法已经发展和完善了许多年，但是，与西方发达的国家相比还是存在着很大的差距。目前我国所采用的《中国国民经济核算体系（2002）》是采纳了SNA（1993）的基本核算原则和方法，虽然这一核算方法在很大程度上提高了数据的准确性与真实性，但是仍然存着在统计行政单位不独立、不同部门之间统计指标口径不一致、官员造假和抽样误差等各种问题。也就是这个原因，导致了全国范围内各个省份的GDP统计数据质量也存在着很大的差异，这就使得全国的GDP数据也存在着一定的误差。但是随着经济学的发展日趋成熟，对于高精度的GDP密度数据的需求也在不断增加，国内外学者也都一直致力于提高GDP的准确性，并试图找到一个较为客观的指标作为GDP的替代变量或者弥补GDP统计核算的不足。幸而在科学技术方面的快速发展和进步使得国内的众多外学者们在研究方面有了更多的研究空间和方法选择。美国军事气象卫星DMSP（DefenseMeteorologicalSatelliteProgram）所携带的OLS（OperationalLinescanSystem）传感器就是其中的一个代表，OLS传感器具有较强的光电放大能力，能够探测到夜间灯光、火光、渔船灯光等人类活动，该卫星经过我国范围内的时间大约为晚上八点至十点的时间段，这一时间段正是人类夜间活动较为密集的时间段。收集、融合并矫正了大量的无云层影响的DMSP/OLS夜间灯光强度数据。近年来，随着美国国家海洋和大气管理局（NOAA）对覆盖全球范围的多年的三种类型的数据产品：原始平均灯光数据、观测频率数据、非辐射定标夜间灯光强度数据的公开。学者们通过研究发现，夜间灯光强度数据可以反映出城市的夜间照明、人类活动和社会经济等方面的信息，即夜间灯光可以在一定程度上反映出较大范围的经济分布状况。而且夜间灯光数据的获取较为便捷。此外，夜间灯光强度数据是一种高度直观的遥感图像，可以通过夜间的灯光图像定性地获取经济发展水平和其他的相关信息。除此之外，夜间灯光数据所包含的信息量很大，不仅包含了反映经济发展水平的灯光值（属2 性特征），还包含了地理分布位置信息（空间位置特征），夜间灯光数据的获取比较容易，数据量比一般高分多光谱遥感影像小，适合各种尺度的经济发展及其时空分析。GhoshT,PowellR（2010）等人认为夜间灯光数据作为一种典型的用于刻画表现经济活动强度的遥感数据比传统的统计方法更能够提供稳定的技术方法来描述GDP的空间分布。徐康宁等人（2015）在中国省级层面对1992-2012年的夜间灯光数据强度的面板数据进行了定量的分析。研究结果表明，在不同的估算方式下，夜间灯光强度数据与GDP数据之间存在着非常显著的正向相关关系，并且利用全国层面的电力能源消耗量验证了这一相关性。这就意味着在一定的条件下，可以用夜间灯光强度数据作为GDP数据的一个替代变量，特定情况下还可以用其来测算实际的经济增长水平。由于人工统计数据存在着各方面的缺陷以及DMSP/OLS夜间灯光强度数据的优点及其在经济发展研究中的广泛应用。本文是基于先前的理论及实证研究成果,假定在中国省级行政区域层面，夜间灯光强度数据和地区生产总值总量之间存在着某种联系。然后通过回归分析来检验，在辽宁省市级行政区层面，夜间灯光强度数据与辽宁省国内生产总值之间是否存在着显著的相关性，并对其相关性强度进行分析。这种方法不仅需要的数据较少，而且具有非常强的可移植性，对预测和验证国内生产总值（GDP）统计数据的真实性具有一定的参考意义。同时，还可以更真实的还原辽宁省的实际经济增长数据。研究主要分为两个方面。第一，理论研究。本文将研究夜间灯光强度数据与经济增长之间的相关性大小，并验证是否可以用夜间灯光强度数据作为GDP数据的替代变量，得出夜间灯光强度数据与国内生产总值（GDP）之间的换算关系。然后，试图用夜间灯光强度数据来对真实的GDP数据进行估算，并对比官方统计数据与通过本文模型估算得到的GDP估算数值的差异。因此，对相关数据的收集和整理是严格实证研究的基础，这一点尤其的重要和困难。幸好每年的官方统计数据都会及时公布，而且DMSP/OLS卫星灯光数据可由美国国家海洋和大气管理局免费下载，这为我们的工作提供了极大的便利条件。第二，实证研究。本文试图利用卫星灯光数据对辽宁省的GDP数据进行重新估计，然后我们将借鉴前人研究的基础，用辽宁省历年电力消耗量数据对由本文所得出的GDP数据的估计值和官方统计公布的数据分别进行验证，试图检验出哪一种数据更符合真实的经济发展状况。3 本文的研究意义是明显的：从理论研究上看，本文可以为类似研究提供科学的思路，进而解决学者们面临虚假数据时手足无措的困境，并可以提供辽宁省乃至全国的真实经济发展数据；从实践应用上看，本文可以为相关决策提供坚实的真实数据基础，从而可以使相关官员做出真正符合地区实际经济发展状况的决策，促进经济发展，造福于民。本文所使用的DMSP/OLS夜间灯光数据是从美国国家海洋与大气管理局网站（http://www.ngdc.noaa.gov)下载。下载的DMSP/OLS数据主要包括三种产品：稳定灯光数据、平均灯光数据和消除了云层干扰的灯光强度数据。目前，被研究学者们使用较多的是稳定的灯光数据。稳定夜间灯光数据消除了夜间的短暂灯光，还识别并替换掉了背景噪音，最终转变为包含了城市、农村和其他地方的持久光源以及相对稳定的夜间灯光。除此之外，夜间灯光数据产品还具有以下优点：1、数据的获取比较容易。可以通过网络等多种途径获得。2、由于DMSP/OLS基本在夜间工作，使用光学倍增管（PMT），所以具有很强的光电放大能力，基本不受光线阴影的影响，很微弱的灯光都可被探测到，所以可以用它探测到城市中较低强度的灯光，甚至更小规模居民区、车流等发出灯光均可被探测到，并将它们与黑暗的乡村背景区分开来，反映出地面活动的灯光强弱。因此DMSP/OLS夜间灯光影像可以用来反映夜间人类活动情况，并可作为监测及研究人类活动的良好数据源。图0-1和图0-2分别为全国和辽宁省夜间灯光分布在谷歌地球中的成像图。图0-1全国夜间灯光分布图4 图0-2辽宁省夜间灯光分布图本文使用ArcGISDesktop作为地理信息处理软件。数据的来源包括由美国国家地球物理数据中心下载的DMSP/OLS夜间灯光强度数据以及由国家地理信息系统网站数据库下载的全国1:400万矢量地图。这两种数据的地理坐标相同，椭球体均为WGS84，所以能够相互叠加。原始数据是经由美国国家地球物理数据中心对基础数据进行了一系列的噪声处理后发布的，例如该数据是经过消除了夜间云层、极光、闪电、短暂火光等偶然噪声的一系列因素的影响后对全年VNIR通道灰度值直接平均化处理后得到的。经过这种方法处理后的数据，基本上可以反映人类在夜间的生产生活和消费活动。此外，NGDC还对每年获得的观测数据进行平均处理，将由卫星观测所得的夜间灯光的影像转换成灰度像元(DN)，DN值的取值范围从0到63，0为完全没有可见光。63是饱和的灯光灰度值。本文将辽宁省各市级行政区的矢量图与经过赋值后的夜间灯光影像进行叠加、裁剪等一系列处理，而后得到各市级行政区的灯光像元DN值。鉴于灯光数据的易得性、真实性等优点，越来越多的经济学家开始尝试使用灯光数据来解释某些经济学问题。然而，截止到目前为止，许多经济学文献中的运用了DMSP/OLS数据来进行研究的都是直接使用了NGDC所发布的稳定得灯光数据值，而并没有对这些原始的数据进行任何处理。然而，应该指出的是，NOAA所公布的从1997年到2013年的全球夜间稳定的灯光数据是由4颗不同卫星(F14、F15、F16和F18)分别独立观测得到的，这就造成了数据的本身存在着一些问题。存在的问5 题主要包括三个方面。第一，由于技术的发展，卫星传感器设定的差异等技术因素，某些年份NGDC同时公布的两个卫星的数据是不可比的。第二，由于传感器制造时的科研水平及使用年限以及老化等原因，导致了同一颗卫星在不同年份所得到的的数据之间也是不可比的。第三，当NGDC将原始夜间灯光影像转换为灰度像元值时，灰度像元数据的两端被截断，使得夜间灯光的最小值为0，最大值限定在63以内。这以设定就导致了对经济发达程度较差的地区的过高估计和对经济发达程度较高的地区的过低估计。综合以上因素，本文参考并借鉴了Liuetal.(2012)的遥感学文献的研究方法，首先基于三步法对原始夜间灯光强度数据进行了校准，使得各个年份以及各个卫星观测所得的夜间灯光强度数据之间具有了可比性。然后利用校准后的夜间灯光数据对辽宁省真实的经济发展水平进行了估算，并利用辽宁省电力能源消耗量数据来验证官方统计的经济数据和经本文估算得到的经济数据哪一个比较符合实际的经济发展水平，这一方法也为以后的验证官方统计数据的真实性奠定基础。1研究现状及章节安排1.1DMSP/OLS夜间灯光数据的研究现状国内外学者将DMSP/OLS夜间灯光强度数据应用于社会经济、政治和生态等领域。其中大部分涉及人口密度和估算、城市群和城市系统的演化分析、生态环境和城市化对生态环境的影响、经济发展和GDP、能源消耗和电力消耗、政治关联与经济增长的关系研究等方面。本文将从国内外两个视角来陈述DMSP/OLS夜间灯光数据在社会经济因子估算研究和电力能耗量估算研究中的应用和研究现状。国外社会经济因子估算研究方面，早在1997年，Elvidge等人就对美国、巴西等21个国家的数据进行分析，通过美国国防气象卫星计划（DefenseMeteorologicalSatelliteProgram,DMSP）获得的夜间灯光数据，对夜间灯光面积与GDP、电力消耗等社会经济因子进行初步回归分析，建立对数模型，R²达到0.85以上。研究结果表明，通过夜间灯光强度数据来估计GDP和其他社会经济因素是可行的。2001年，他们进一步收集了200多个不同经济发展水平的国家的数据，这些国家人口约占世界人口的99%，并利用1994-1995年的6个月的DMSP/OLS图像。以（灯光区域面积，GDP）等点对绘制散点图，结果表明灯光区域面积与GDP及其他指标密切相关，且存在很强的线性关系。Sutton(1997)在美国大陆的基础上，将6 DMSP/OLS夜间灯光数据图像与人口密度光栅图像进行了比较。通过对不同州县尺度层面聚集度分析的方法，研究了两种图像数据的相关性，论证了DMSP/OLS夜间灯光数据用于研究人口分布的未来应用前景。此外，Sutton等人(2001)还将DMSP/OLS夜间灯光强度数据与人口数据进行了回归分析，结果发现DMSP/OLS夜间灯光强度与人口分布之间存在着明显的线性相关关系，可以将DMSP/OLS灯光数据应用于区域甚至城市规模的人口估计上面。随后，Sutton（2003）在利用DMSP/OLS数据提取城镇面积的基础上，将其与人口密度进行了相关性分析，分析结果表明，在城镇人口大于50000的区域面积下，夜间灯光强度与人口密度有着很强的相关性。Lo(2001)I在中国各省、市、县层面评估利用DMSP/OLS夜间灯光强度数据估算人口数据的可能性，并利用一个异速生长的模型从夜间灯光强度和光域面积中生成非农业区的城市级别和县域的相对精确地人口估计值。基于线性回归模型，夜间灯光强度面积可以很好的用来估计县级农业人口。Zhouetal(2009)利用DMSP/OLS夜间灯光强度数据中的非辐射定标产品和SPOT-VGT的10天最大合成影像（MVC）对中国区域进行了像元尺度的人口密度模拟。Raupachetal(2010)利用DMSP/OLS夜间灯光强度数据对人口密度进行了空间结构上的分析，结果表明夜间灯光能够很好地反映出人口密度。Elvidge(2009)利用DMSP/OLS夜间灯光强度数据和LandScan数据对世界贫困人口进行了模拟研究，研究结果显示全球贫穷人口有22亿，略低于世界银行数据库（WDI）所给出的26亿。Chand(2009)利用印度地区1993-2002年间的夜间灯光强度数据模拟了人口增长的时空特征，结果发现，印度地区人口增长与灯光强度数据之间存在着明显的关联性。Maetal(2012)在对中国的200个城市在1994-2009年间城镇建设用地提取的基础上，采用线性、幂函数和指数函数等定量分析了包括城市人口、电力消耗量、GDP在内的多种社会经济因素。Doll(2006)利用了整体的DMSP/OLS夜间灯光强度数据而不再将其划分成很多区域，模拟了欧洲11个国家的GDP总量。结果显示，模型的模拟精度较高。BhandariandRoychowdhury(2011)研究了印度区级夜间灯光强度数据与GDP之间的关系，结果显示夜间灯光强度可以用来模拟区级GDP，并且首府省会城市的相关性相对其它城市较高。Hendersonetal.（2012）的研究证明了灯光亮度与GDP之间存在着非常明显的相关关系，尤其是在经济发展水平比较低的中低收入国家，由于其经济核算方法和统计指标较为落后，导致经济统计数据方面存在真很大的缺陷，统计数据的质量较差，很多经济部门的数据没有完全被统计进去。所以，这些国家的官方统计的经济发展数据并不能够真实客观的反映该国的经济发展水平。但是夜间灯光强度7 数据就可以很好地弥补这一数据统计方面的缺陷，从太空中对这些国家拍摄所得的夜间灯光影像就可以真实客观的反映出这些地区的人类生活及生产消费的情况，根据这些地区夜间灯光亮度的变化情况来反映该地区的经济表现是比通过统计数据来反映经济水平的一种更客观的方法。因此，对于那些经济欠发达地区的宏观经济数据不完整、数据质量较差的状况来说，夜间灯光影像数据所带来的经济意义是不言而喻的，它可以作为一些地区的经济信息的良好估计手段。后来的文献基本都是延续了Henderson的做法，将夜间灯光影像数据作为研究某一国家的经济增长水平的重要方法。例如HodlerandRaschky（2014）针对欠发达国家的研究，以及MichalopouloandPapaioannou（2014）针对非洲的研究。此外，在Mellanderetal.(2013)等人的研究中还对夜间灯光数据的应用方面有了新的发现，他们认为夜间灯光强度数据不仅可以反映某地经济活动的情况，还对经济研究中的许多指标都有部分的替代作用，例如在人口密度、城市化进程、薪酬等的研究方面，夜间灯光强度数据都可以有一个较好的应用。但是需要注意的是在不同地区，数据之间的相关性也都是不相同的。夜间灯光数据的获取较为容易，GhoshTPowellR（2010）等人认为夜间灯光强度数据作为一种典型的用于描述经济活动强度的遥感数据，可以提供稳定的技术手段来描述GDP的空间分布，而不像传统的统计方法具有一定的不确定性。还有ChenXi和WilliamNordhaus（2011）通过DMSP/OLS估算非洲地区的GDP与人口，证明DMSP/OLS灯光数据在国家层面估算国内生产总值时具有实际意义。GalimbertiJ.K.和ZurichETH.（2017）等人评估了基于夜间卫星灯光对全球样本国家GDP年度增长的预测的有用性，发现，虽然各个国家之间存在很大程度的异质性，但是将夜间灯光数据运用于GDP的增长预测中是可行的；他们还改善了利用卫星灯光数据预测GDP增长的准确性。在电力能源消耗估算方面，Welch(1980)首先考虑了基于美国夜间灯光强数据的人口、城市面积和电力能源耗费量之间的关系模型。他运用位于美国东部的18个城市作为研究样本，建立了回归模型，分别验证了在国家和地区的尺度层面上是否能够运用夜间灯光强度数据来检验电力能源消耗量的数据。Amaral(2005)对巴西亚2马逊河流域的研究发现，夜间灯光强度数据与人口的相关性达到了R=0.79，另外，夜间灯光强度数据也与能源消耗量具有较强的关系。Chand(2009)利用DMSP/OLS夜间灯光强度数据对印度地区1993-2002年间的电力消耗模式进行了时空模拟，研究2结果表明，夜间灯光强度数据与电力消耗量之间存在明显的相关性，R为0.56。Letuetal.（2010）首先对DMSP/OLS夜间灯光数据进行校正，然后对包括中国、印度、8 日本等在内的12个亚洲国家的能源消耗水平进行了估算，取得了较高的精度。国内方面，对于夜间灯光数据与经济发展的关联性研究的起步较晚。杨眉等人在DMSP/OLS夜间灯光强度数据应用研究综述中说明了了夜间灯光强度数据的大致应用范围。卓莉等人（2003）提出了一种阈值去除误差技术，并且提出了一个新的指标即城市化综合化水平灯光指数CNLI(compoundnightlightindex)。他们运用这一指标，对基于省级和县级层面统计指标的城镇化水平指数进行了相关分析。通过分析研究了在20世纪90年代中国省级层面上城市化的格局及其变化特征。ChenJinetal(2003)构建了一个基于区域平均夜间灯光强度和区域夜间灯光面积属性的灯光指数，在省级层面对非农业人口、第二、三产业产值的复合性指标进行了相关性分析。韩向娣等人（2012）在夜间灯光遥感数据的GDP空间处理方法中的研究结果显示，在全国层面研究的夜间灯光数据与第一产业之间的的相关性不是很明显，相关性系数仅为0.554，并且模型拟合效果较差，R²仅为0.306。但夜间灯光强度数据与区域GDP、第二和第三产业之间都存在着很强的对数线性关系。尤其是第二和第三产业产值的总和与夜间灯光强度数据之间的相关性最强，相关系数达到0.824,R²为0.679，拟合效果好。所以夜间灯光强度数据能够较好的反映第二产业和第三产业的发展，并且估算效果也较好。曹丽琴等（2009）基于夜间灯光强度数据，综合利用GIS技术和神经网络模型模拟了2000年湖北省各县城镇人口，预测精度高达98.94%。梁友嘉和徐中民（2012）利用2000年的夜间灯光强度数据和LUCC重建了甘肃张掖市甘州区基于像元的人口空间分布，对研究区域的土地利用、人口2数据和夜间灯光强度数据进行了回归分析，总体的调整后的R为0.88。李明阳等（2010）对河南省西峡县1992、1998和2002年三个时期的人口和GDP进行建模分析，论证了在县域尺度下模拟社会经济因素的可行性。杨妮(2014)研究了省级层面的小规模的资源和环境领域对空间型社会经济数据的需求。他们基于DMSP/OLS夜间灯光强度数据，采用GIS与SPSS相结合的方法，研究DMSP/OLS夜间灯光强度数据与省级层面GDP的空间分布的相关性。相关性分析结果表明，相关性非常显著，相关系数达到0.9755。GDP的估计密度可以完全反映全省GDP的宏观分布状况。这为利用夜间灯光强度数据来反映区域经济的发展水平提供了一定的理论基础。何洋等人（2014）基于2000年到2009年间的DMSP/OLS夜间灯光强度数据，主要利用夜间遥感数据的亮度信息，提取了我国省级行政单位规模的夜间遥感信息，并建立了省级层面基于夜间灯光遥感数据区域亮度信息的GDP估算模型。最近，徐康宁等(2015)对1992年至2012年中国省级面板数据进行了定量分析。研究结果表明，在9 不同的估算方法下，夜间灯光强度与国内生产总值之间存在着非常显著的正相关关系。他们的研究证明了在一定的条件下，夜间灯光强度数据可以作为GDP数据的一个替代变量，还可用来测算实际经济的增长率。李通等（2011）利用中国区域夜间灯光强度数据，结合统计数据，对1995-2008年中国电力能源消耗量进行了模拟分析，对从1995年到2008年间的中国电力能源消耗的空间结构进行了重建。吴建生等(2014)基于能源统计数据与DMSP/OLS夜间灯光强度数据的定量分析，主要针对1995-2009年我国地级市层面，利用空间自相关方法对能量消耗的空间格局进行了模拟，并对空间和时空动态特征进行了分析和讨论。研究发现，基于DMSP/OLS夜间灯光强度数据，模拟我国城市电力能源消耗量是可行的。夜间灯光强度数据可以很可靠地反映电力能源消耗情况的时空动态。综上所述，DMSP/OLS的夜间灯光强度数据可以反映人类活动、能源消耗和经济发展水平，能够综合性的应用于对经济发展数据真实性的研究中，以弥补经济发展统计水平的一些不足。它是一种监测人类社会经济活动和发展的较好数据来源，得到了广泛的认可和应用。1.2国内生产总值的研究现状自上个世纪80年代以来，一些外国学者就开始对中国官方GDP的统计数字表示怀疑。后来，1997年亚洲金融危机爆发后，外界对中国经济发展水平的数据提出了更强烈的质疑，甚至在全球范围内引发了争议。一些学者认为中国的GDP增长率数据是不真实的，有被严重高估的嫌疑。但也有一些学者认为中国的GDP数据没有太多的水分，他们对GDP数据的真实性保持着较为积极的态度。对中国经济增长速度统计数据的质疑最具代表性的是Rawaki(2001)。他认为，自从1998年开始，中国官方的GDP数据就被夸大了。1998年的实际GDP增长率也被夸大了，当年中国经济增长率最高为2.2%，官方数据却高达为7.8%；从1997年到2000年，中国的经济累计增长率可能只有官方数据的三分之一，甚至可能更小。Shiau(2005)利用支出方法对中国的GDP数据进行重新评估，发现1998-1999年的年平均经济增长率比官方数据低3.4到4个百分点，仅为官方数据的一半水平。Wu(2006)也认为中国官方公布的数据被高估了。例如，在1978-2002年，中国工业产出增长率仅为16.2%，而官方数据却为20.4%，比实际增速高了4.2个百分点。此外，国内也有部分学者，如孟连、王小鲁（2000）认为中国官方公布的数据存在着虚高的现象。还有阙里、钟笑寒（2005）指出，不能排除地方数据造假的嫌疑。诚然，中国官方统计数据的被质疑也意味着地方数据的真实性也是有待验证的，10 全国官方数据的不真实来源于地方统计数据的误差或造假等因素针对这一问题，中央巡视组和国家审计署曾在2016年指出辽宁省的经济数据存在广泛的造假现象。在辽宁省人民代表大会第八次会议上，辽宁省省长也在政府工作报告中确认。2011年至2014年，辽宁省所管辖的市、县存在着数据造假的问题。但到底存在有多少水分，虚增金额为多少却是未知的，因此，我们试图寻找一种方法来估算辽宁省真实的经济发展数据，并为日后验证经济发展数据的真实性奠定良好的基础。1.3研究路线与章节安排本文重点研究了DMSP/OLS数据的提取及其在辽宁省经济增长统计研究中的应用。在GIS平台上完成了省级夜间照明数据的采集。数据处理用Excel完成。具体研究路线和思路如下:统一每年中国地区夜间灯光影像和中国省级行政边界矢量图的投影方式。1）利用中国省级行政边界矢量图对夜间灯光数据进行采集裁剪。2）利用GIS技术从1997年到2013年在辽宁省提取夜间灯光强度数据，并对夜间灯光数据进行年度统计，以获得夜间灯光强度的统计数据。3）将上述步骤得到的夜间灯光数据进行校准处理，得到校正后的较为准确的灯光强度的统计数据。4）利用上述辽宁省域夜间灯光强度稳定强度值，结合历年辽宁省GDP数量，通过分析获得光照强度与GDP之间的关系。夜间灯光强度与GDP关系分析流程图如图1-1所示。11 图1-1夜间灯光强度与GDP关系分析流程图本文共分为五个章节，分别为：第一章，绪论。本章阐述了本文的研究意义和研究背景，总结了利用夜间灯光强度数据DMSP/OLS进行GDP数据的应用研究和研究现状，提出了本文的研究思路，阐明了本文的研究路线和文章的章节安排。第二章，研究区域概况和DMSP/OLS夜间灯光强度度数据的提取和数据处理。本章描述了研究领域的概况和研究数据的来源。它还从1997年到2013年提取并计算夜间灯光强度数据DMSP/OLS。在前人研究的基础上，对夜间灯光强度数据和其他相关处理进行了标定。本章还进行了一项数据实验，更直观地展示了夜间灯光如何反映经济活动，并考察夜间灯光强度数据与经济活动之间的相关性。第三章，相关性分析及实证检验。本章首先对夜间灯光强度数据与国内生产总值之间的相关性进行了实证检验，并证明两者是否可以相互替代或互补。然后利用相关数据得出回归模型的参数值，利用所得到的方程估算辽宁省真实的GDP数据。最后，运用已被证实的与GDP密切相关的替代变量电力消耗量数据来检验使用夜间灯光强度数据作为GDP的替代变量是否可行。第四章，总结与展望。本章对辽宁省经济增长统计数据的真实性研究进行了总结分析，分析了研究特色，并探讨了本文的不足之处，最后提出了下一步的研究内容和展望。12 2研究区域与数据来源2.1研究区域概况辽宁省的南部是我国的黄海和渤海，东部地区由鸭绿江与朝鲜隔江相望，是中国东北地区唯一的沿海和延边边境省份。辽宁省的海岸线长度为2920公里，其地理总面积约为14.8万平方千米。辽宁省有14个地级市，其中有2个副省级城市，分别是沈阳和大连，其中沈阳是其省会城市。辽宁省总人口为4375万人，其中城市人口占总人口的55%左右，少数民族人口约680万，是一个多民族聚居的省份。辽宁省的工业历史可以追溯百年，特别是1949年新中国成立以后，随着国家的日益重视，辽宁省以其较为齐全的工业门类逐渐成为新中国重要的重工业基地、教育和农业强省，以其雄厚的工业体系成为我国主要的重工业基地。这是新中国工业兴起的摇篮之一，它为中国的改革开放做出了巨大贡献，被誉为“共和国长子”、“东方的鲁尔新区”。不仅如此，辽宁省也是中华民族和中国文化的重要发祥地之一。它也是中国最早的沿海开放省份之一，也是近代以来中国开埠最早的省份之一。但是，在改革开放以后，随着社会市场化进程速度的加快和国家改革的日益深入发展，辽宁老工业基地的结构性和机制性等深层次矛盾也开始显现出来，出现了所谓的“东北现象”，导致老工业基地的发展趋于缓慢甚至停滞不前。为了缓解和解决这一重大问题，重新实现我国老工业基地的振兴，2003年以来，中国正式开始实施振兴东北老工业基地的战略。从那时开始，辽宁老工业基地也进入了一个新的振兴过程。辽宁省统计水分问题在全国引起了轩然大波，各省开始注重给GDP数据“挤水分”，但是，如何判断真实的GDP数据又是一个值得思考和探究的问题。本文借鉴国内外学者的意见，以辽宁省为例，探究夜间灯光数据与实际GDP之间的关系，检验夜间灯光强度数据是否可以作为计算实际GDP数据的一种方法，并试图估算出辽宁省近些年的真实的GDP数据。2.2研究数据来源及处理2.2.1灯光数据的来源DMSP/OLS非辐射定标的夜间灯光影像数据集是由美国国家海洋与大气管理局下属的美国国家地球物理数据中心发布的。本文使用的数据集包括由4个不同的13 DMSP卫星F14(1997-2003)、F15(2000-2007)、F16(2004-2009)、F18(2010-2013)获取的的自1997年到2013年17年间的17期影像，所有影像都可以在NGDC的网站（http://ngdc.noaa.gov）上下载，每年的夜间灯光数据影像都包含三种全年平均影像，分别有：全年平均灯光影像，无云观测频率影像，稳定灯光影像。本文所使用的是标定夜间平均灯光强度的年度栅格影像的稳定灯光影像，校准了平均夜间灯光影像强度。该图像的参照系为WGS-84坐标系统，其获得的宽度为3000公里，空间分辨率为30弧秒(在北纬40度，北纬40度)，在赤道附近约1公里。本文选取17年间的17幅稳定的夜间灯光影像进行处理和分析。此外，美国国家地球物理数据中心(NGDC)也发布了8幅辐射定标的夜间灯光影像。该影像与稳定的夜间灯光影像相比，解决了像元DN值的饱和问题。因此，该图像可以作为理想的参考图像进行研究。本文在这8期辐射定标的夜间灯光影像中选择了由F16卫星传感器所获取的2007年的影像。本文对原始灯光影像进行裁剪所使用的辽宁省县级行政区划矢量图来自于国家基础地理信息中心提供的全国1:400万数据库，辽宁省的GDP、用电量和其他社会经济统计数据来自辽宁省统计局发布的《辽宁省统计年鉴》。2.2.2灯光数据校准鉴于灯光数据的易得性、真实性等优点，越来越多的经济学家开始尝试使用灯光数据来解释某些经济学问题。然而,到目前为止,许多经济文献利用DMSP/OLS数据直接使用了NGDC公布稳定灯光的数据,并没有对数据进行任何处理。但必须指出的是,美国国家海洋和大气管理局发布的1997-2013年全球夜间灯光数据是由四个卫星(F14、F15、F16、F18)观测得到的,这使得数据本身有一定的问题。数据本身存在的问题主要包括三个方面。第一，由于技术的发展，卫星传感器设定的差异等因素，某些年份NGDC同时公布的两个卫星的数据是不可比的。第二，由于传感器的老化等原因，同一颗卫星在不同年份的数据也无法比较。第三，当NGDC将原始图像转换为数据时，数据在两端被截断，使得夜间灯光强度数据的最小值为0，最大值保持在63。这个问题可能会降低夜间灯光强度数据和实际GDP数据相互匹配的准确性，这将导致对欠发达地区的高估和对经济发达地区的低估。但是需要指出的是，只有在部分富裕国家才有可能会遇到夜间灯光数据取值达到上限的问题导致低估经济发展水平被低估，然而，对于大多数发展中国家来说，灯光的取值上限问题是完全可以忽略不计的。Storeygard(2013)认为，在中国和南非等发展中国家，灯光取值上限的问题非常少，Baum-Snow等人(2013)也认为中国的夜间灯光强度数14 据没有取值上限问题。因此，我们假定中国的夜间亮度值还没有达到富裕的发达国家的水平，夜间灯光亮度的取值上限问题在我国并不存在。而事实也是如此。本文借鉴了Liuetal.(2012)的遥感学文献的方法，基于三步法对原始数据进行了校准，力求使得各年份间的灯光强度数据是可比的，具体过程如下。（1）不同年度卫星的栅格校准这一步骤的目的是提高灯光数据的可比性，并在不同的年份校正不同的卫星之间的年度差异。基本方法是通过对比与某一固定地区的夜间灯光强度的变化之间的关系，来解决辽宁省夜间灯光数据的可比性变化。本文借鉴了其他文献中所选择的目标区域，选择了黑龙江省鸡西市作为不变区域。并且使用了2007年F16卫星所观测得到的数据，目的是为了使校准后的数据能够得到最大限度的保留。然后提取了参考区域内所有卫星的卫星数据，并将2007年的F16卫星的数据作为基准，将其与其余年份的卫星数据进行回归分析。回归方程的模型设定是一个二阶多项式：ܦܰ=ܽ∗ܦܰଶ+ܾ∗ܦܰ+ܿ（1）௖௔௟௜௕௥௔௧௘ௗ其中，DNcalibrated表示校正后的像元DN值，DN表示待校正影像中的像元DN值，a、b和c分别为回归得到的不同参数。每一期待校正影像与参考影像的回归校正模型的参数值和相关系数估算值在表2-1中列出，再利用（1）式对辽宁省所有年份栅格数据进行相互校准。表2-1夜间灯光数据二阶回归模型系数表2YearabcR19970.00191871.02629000.52413470.854519980.00513190.88130480.13109850.877919990.00103991.07710300.47124660.9212F1420000.00408660.8372324-0.22366800.929220010.00191910.96367090.10727030.94812002-0.00203481.10693500.77525540.90092003-0.00538041.33078700.64817130.946320000.00630380.64731580.44130410.894420010.00413740.87136140.17196070.911620020.00249030.8857353-0.39081550.9479F152003-0.00863871.56597800.28958890.917015 续表2-1夜间灯光数据二阶回归模型系数表2004-0.00660201.45323000.10239720.95262005-0.00408531.3233070-0.22520390.9161F152006-0.00562151.36657400.24421510.95932007-0.00426471.29142400.08292850.967420080.00414700.58558150.52875090.843820040.00020541.0506320-0.13107440.91942005-0.00146951.2082840-0.22578810.95392006-0.00307761.19792900.74872810.9568F162007010120080.00114190.94274120.12840860.968620090.00414700.58558150.52875090.843820100.00524090.47178430.05563520.828120110.00154630.68352210.62621480.7973F1820120.00453990.49329291.02706900.922620130.00494500.44150930.68600610.9096这一步骤是将不同年份的不同卫星的不同栅格数据按照一个固定的标准进行了重新调整，使其具有了可比性。（2）同年度不同卫星数据合成对于不同的卫星来说，其传感器本身的性能也是不尽相同的，并且传感器在夜间获取图像的时候也会受到各种因素的影响。因此，即便在同一年份，不同的卫星观测得到的数据之间也存在着一些差异。为了充分利用同一年度的不同的传感器所采集的夜间灯光强度影像，我们建立了公式(2)的模型，对数据进行了平均处理。௔௕0,ܦܰ(௡,௜)=0或ܦܰ(௡,௜)=0ܦܰ(௡,௜)=ቐ஽ேೌା஽ே್（2）(೙,೔)(೙,೔),其它ଶ其中n表示年份，ܦܰ௔和ܦܰ௕分别表示第n年相互校正后的2个不同传感(௡,௜)(௡,௜)器获取的夜间灯光影像中的i像元的DN值；ܦܰ(௡,௜)表示校正后的第n年影像中i像元的DN值。这个步骤的目的是将同一年份的不同的卫星所获得的数据结合起来，同时除去16 同一年间不稳定或者偶发性的栅格数据。基本思想是将有两颗不同卫星的年度的数据取平均数。（3）不同年份数据的修正我国作为一个高速发展的经济体，有光栅格部分应该随着时间变得更亮，有光栅格数也应变得更多。因此，本文假设前一年影像中的栅格值不会大于后一年度相同位置处的栅格值。结合上述假设，对于不同年度之间的栅格数据的校正依据如下：（1）如果后一年影像中像元DN值等于0，则前一年影像相同位置处的DN值也应该等于0；（2）如果后一年影像中的像元DN值不等于0时，则前一年影像中的DN值不会大于后一年影像中的相同位置像元DN值。综上可得校正方程（3）。ۓ0,ܦܰ(௡ାଵ,௜)=0ۖܦܰ(௡,௜)=ܦܰ(௡ିଵ,௜),ܦܰ(௡ାଵ,௜)>0且ܦܰ(௡ିଵ,௜)>ܦܰ(௡,௜)（3）۔ۖܦܰ,其它ە(௡,௜)这一步的校正是一个迭代的过程，DN值在任何一年的栅格数据调整之后都会使得全年的数据随之调整。此步骤的目的也包含去除已经建立的时间序列中前两个步骤的数据不一致问题。经过这次调整，使得经济数据保持了快速发展的正常现象。通过以上三步的调整，得到校准后的辽宁省省级行政区层面的灯光亮度值，将其与未经校准的数据相比较，比较结果如图2-1。我们发现，经过校准后的整个时间序列内灯光亮度值呈持续增长趋势，这表明校准后的灯光亮度值变化满足一致性和连续性的要求，同时也具有了可比性，模型校准结果较好。17 1800000修正后DN值F14F15F16F181600000140000012000001000000800000600000400000200000019971998199920002001200220032004200520062007200820092010201120122013图2-1校准前后的辽宁省灯光亮度值对比图2.2.3数据试验为了更直观地说明夜间灯光影像是如何反映人类经济活动的，本文也进行了对夜间灯光影像的相关数据试验，试图能够更直观的说明夜间灯光强度数据与经济活动之间的相关性。1997年2013年图2-2辽宁省夜间灯光亮度分布图2-2给出了辽宁省1997年和2013年整体的夜间灯光分布图，图中黑色的部分代表缺乏显著灯光的区域，颜色越白表明该区域的灯光亮度越强。从图中可以看出，18 1997年辽宁省夜间灯光最亮的地区主要集中在沈阳、抚顺、鞍山、辽阳及沿海地区。到2013年，辽宁省灯光最亮的地区仍然是集中在这些地区，并且灯光亮度明显增强。1997至2013这17年间的辽宁省灯光亮度影像的变化也反映了辽宁省经济的发展情况，随着国家振兴东北老工业基地方针政策的大力实施，辽宁省的经济发展也取得了一定程度的进步，经济活动明显增加。图2-3沈阳市和本溪市2013年灯光亮度对比图从比省级行政区域更微观的层面来看，本文选取了2013年辽宁省沈阳市和本溪市的灯光亮度对比图，如图2-3。可以明显看出，沈阳市作为辽宁省的省会城市，大部分地区灯光亮度都较高，经济活动明显高于本溪市。简单来说，夜间灯光亮度试验表明了夜间灯光与经济发展水平之间高度相关的特性，无论是省级层面还是市县级层面，再由此推及至全国乃至全球层面，夜间灯光亮度与经济发展水平的变化趋势是基本一致的。而经济发展水平的衡量一般用GDP来表示，所以，夜间灯光亮度与GDP之间存在高度相关的特性。当然，夜间灯光强度数据是否可以用来作为GDP的替代变量或者验证GDP数据的真实性，还需要进一步的通过构建数据模型和实证研究来检验。19 3相关性分析及实证检验3.1相关性分析在利用夜间灯光强度数据估算辽宁省实际GDP数据之前，需要对夜间灯光强度数据与GDP数据之间的相关性进行实证检验，证明二者之间是否可以相互替代或者相互补缺。由此，本文利用GIS提取了辽宁省14个市级行政区夜间灯光数据并进行校准以后，再对每年的灯光数据进行加总统计，得出辽宁省每年的夜间灯光强度的统计数据，与GDP统计数据相对比，如表3-1所示。表3-1辽宁省每年的夜间灯光强度与GDP统计数据序号年份灯光强度（DN值）GDP统计数据11997617278.91763652.9121998705981.4447395131999787495.04724214.7142000824042.78734690.7752001873402.04225110.8362002877068.07775726.85720031016761.555560.06820041100219.1297935.07920051126052.5638633.861020061213208.57710216.91120071237950.96912373.861220081200781.75715063.991320091257630.71917019.781420101359025.56420650.821520111389225.724679.081620121350218.01327443.431720131459514.83329787.47由表3-1可以看出，夜间灯光强度总值的变化趋势和GDP总值的总体变化趋势是一致的，如图3-1。20 由图3-1可以看出在2006年之前，总DN值即夜间灯光强度数据的变化率与GDP的变化率基本保持一致，均呈稳步增长的态势。但在2007年以后，GDP总值的增长速度就远大于夜间灯光强度的增长率。由于夜间灯光强度数据具有客观真实的特性，并且经过校准以后具备了连续性和可比性。所以我们猜测，在2007年以后辽宁省的GDP官方统计数据可能出现了某些问题，这些问题导致了经济统计数据的误差和不真实。故本文将选取1997-2006年10年间辽宁省各市级行政区的夜间灯光强度数据与GDP数据来进行研究分析，试图从市级行政区层面分析得到GDP统计数据与夜间灯光强度之间的关系。根据本文的研究目的，我们首先对夜间灯光强度与GDP数据的相关性进行检验。我们假定模型：lnܩܦܲ௜=ܽ∗lnܦܰ+ܿ式中a和c为回归模型系数，i代表不同的地区。3500000总DN总GDP30000002500000200000015000001000000500000019971998199920002001200220032004200520062007200820092010201120122013图3-1夜间灯光强度总值（总DN）变化趋势与GDP总值的变化趋势对比图图3-2为全国夜间灯光亮度强度值与GDP统计数值经过回归建模后的散点图，从图中可以看出，GDP与夜间灯光亮度强度值存在着明显的对数线性关系，且模型拟合度R2为0.8964，模型的拟合效果较好，且能够在1%的水平下通过显著性检验，这就充分表明了夜间灯光亮度与GDP之间存在着非常明显的相关性。21 图3-2全国夜间灯光强度值与GDP对数散点图然后，本文利用Stata统计分析软件，将1997-2006年间辽宁省14个市级行政区的分区总DN值与其对应的GDP统计数据进行相关性分析，通过求对数后对夜间灯光强度数据和GDP数据进行了空间相关分析，从而可以得出数据内部的规律性，结果如表3-2所示。表3-2辽宁14市分区DN值与GDP的相关性分析地区相关系数ρacR^2沈阳市0.91412.989791-28.47670.9124大连市0.87032.610975-23.18980.9074鞍山市0.80532.617002-22.66660.8484抚顺市0.79642.54397-21.3580.8343本溪市0.89652.783639-23.48040.8636丹东市0.78551.754083-12.74250.7443锦州市0.76433.075683-28.52310.7226营口市0.96262.97-26.71230.9065阜新市0.78052.466062-20.82730.8337辽阳市0.90212.594488-22.69580.9138盘锦市0.9683.181997-28.89970.897322 续表3-2辽宁14市分区DN值与GDP的相关性分析铁岭市0.78632.779198-25.27140.8183朝阳市0.91541.810495-14.37240.8387葫芦岛市0.80122.472752-21.42060.8628由表3-2可以看出，在1997-2006年间，辽宁省14个市级行政区的分区GDP总量与夜间灯光强度存在着非常显著的正向关系，相关系数均较大，模型拟合度也比较好。这就表明，在一定的条件下，可以用夜间灯光强度数据来作为GDP的替代变量使用，甚至可以用来衡量实际的经济增长率，或者验证经济发展数据的真实性。最后，再由1997-2006年间辽宁省夜间灯光强度总和与GDP统计数据总和经过回归分析得出辽宁省的回归模型系数a=1.696739,c=-14.59484，模型拟合精度为0.9003，模型拟合度较高。所以，我们得到下面的方程：lnܩܦܲ௜=1.696739∗݈݊ܦܰ−14.59484式中i为年份。由以上方程估算出辽宁省2007-2013年GDP数据约为表3-3辽宁省2007-2013年GDP估计值年份夜间灯光强度（DN值）lnGDPGDP估计值20071237950.9699.208669983.1839420081200781.7579.156939479.9343420091257630.7199.2354210253.950420101359025.5649.3669811695.748820111389225.79.4042712140.140620121350218.0139.3559511567.430620131459514.8339.4880213200.6256虽然经过研究可知DMSP/OLS夜间灯光强度数据与GDP数据之间存在着密切的关系，在经济分析中应用夜间灯光强度数值来部分代替GDP数据是可行的。然而，由于本文所假设的回归模型相对来说比较简单，由本文推导的回归分析模型估计的GDP的估计和实际数据之间也存在一些误差。误差产生的主要原因是本文验23 证和估计模型所使用的数据比较少，次外还有一些影响因素没有考虑到。在未来进一步的研究将纠正这些错误，改进模型，使之更符合真实的发展状况，试图为经济研究提供一种有效可行的数据获取或修正方法。3.2实证检验与GDP密切相关的替代变量除了夜间灯光强度外，电力能源消费量也被认为是反映经济走势的重要指标，电力能源消耗水平的变化在一定程度上可以折射出本国宏观经济的走向。经济发展，电力先行，电力是经济运行必不可少的。除此之外，电力与夜间灯光亮度也具有密切的联系，灯光需要电力的支撑。因此用电力能源消耗水平来检验夜间灯光强度对GDP的替代程度在逻辑上是可行的。3500000总DN总GDP电力消耗量30000002500000200000015000001000000500000019971998199920002001200220032004200520062007200820092010201120122013图3-3电力消耗量与夜间灯光强度（总DN值）和GDP的变化趋势图本文收集了辽宁省1997-2013年电力能源消耗量的数据，图3-3为电力能源消耗量与修正后的夜间灯光强度（总DN值）和GDP的变化趋势图。首先，分析电力能源消耗量与夜间灯光强度之间的相关性关系。得出电力能源消耗量与夜间灯光强度之间的相关系数为0.948，说明二者具有较强的相关性，且模型拟合度良好，拟合优度为0.8987。所以我们认为电力能源消耗量在某种程度上可以作为夜间灯光强度数据的替代变量。然后，我们尝试用夜间灯光强度的替代变量，即电力能源消耗量来检验其与GDP之间的关系。检验结果显示，电力能源消耗量与GDP之间存在着24 很强的正相关关系，其弹性系数高达0.9929。但是，需要注意的是，电力能源消耗量统计数据和GDP统计数据一样，都是一种人工统计的数据。我们必须承认，只要是人工统计的数据，就存在着统计误差、人为因素等各种非客观和客观的因素导致的统计数据的不够真实准确。此外，行政部门划分的越详细，获得相关统计数据的难度越大。但是，本文的研究目的是探究如何用客观而非人为的数据来检验辽宁省经济增长的真实性，并试图通过模型估算出真实的经济发展数据。夜间灯光强度数据不仅获取方式较为便捷，而且数据也更具有客观性和真实性。因此，我们认为夜间灯光强度数据可以在一定程度上作为GDP的替代变量来使用，也就是说用夜间灯光强度数据来估算或者验证经济GDP统计数据的真实性是切实可行的。最后，我们将电力能源消耗量数据分别与由统计年鉴得到的官方GDP统计数据和通过本文估算出来的GDP数据分别进行回归验证。结果发现，通过本文得到的GDP的估算值与电力能源消耗量数据的相关性更强且拟合度更好。所以我们认为，通过本文的模型估算得到的辽宁省GDP的估计值比统计年鉴给出的数据更接近真实的经济发展数据。这也为我们以后对经济发展水平的测度或验证经济数据的真实性奠定了基础。3.3整体检验我们试图采用多种方法来估计模型的总体样本。具体结果如表3-4所示。由Hausman检验，P值为0.0001，所以原始假设被否定。因此，我们认为随机效应模型的基本假设是不能满足的。因此，需要采用的工具变量法是使用固定效应模型。表5第(1)列给出了在控制了时间效应和区域效应之下的固定效应(FE)估计结果，得到的结果为2.4435，且在1%的水平上通过了显著性检验。这一结果也表明了DMSP/OLS夜间灯光强度数据和GDP数据之间存在有非常显著的正相关关系，相关系数高达0.9345。然后我们在这个固定效应估计模型的基础上加入了时间趋势项，其结果显示值依然显著为正，虽然数值有所减少，变为1.4139，相关性系数为0.9180，但是R平方变大了，说明了该模型具有更好的拟合度，同时具有更强的解释力。在表3-4的第3列中，我们尝试采用替代变量即电力能源消耗量来考察替代变量与GDP之间的关系。第3列的不包含时间趋势项的固定效应模型估计结果表明，电力能源消耗量与GDP之间的相关性系数高达0.9929，存在着非常显著的正向相关关系，模型拟合精度高达0.9859。25 表3-4整体估计结果被解释变量：ln(y)变量(1)(2)(3)******2.44351.4139ln(DMSP/OLS)（0.9345）（0.9180）***1.9952ln(electric)(0.9929)时间效应是是是地区效应是是是时间趋势项否是否估计方法FEFEFE2R0.67490.97810.9859观察值238238238注：1.括号中为相关性系数；2.***表示在1%的水平上通过显著性检验。总体看来，辽宁省市级行政区层面的GDP数据与夜间灯光强度数据相关性的检验结果表明，虽然在不同的估计方法下所得到的估计结果存在一定的差异，然而，整体上来看，这些差异并没有出现显著的波动，并且这些估计方法都在1%的水平上通过了显著性检验。因此，我们可以说在理论上有充分的证据表明，国内生产总值与DMSP/OLS夜间灯光强度数据之间存在着非常明显的相关性。事实上，在以往的文献中的研究也已经充分证明了GDP数据与DMSP/OLS夜间灯光强度之间存在着显著的正相关关系，我们利用辽宁省省市级行政区的数据来验证的结果，也在前人研究基础上得到进一步的证实。这同时也说明了我们利用夜间灯光强度数据来估算辽宁省真实的经济增长数据是合理可行的。4结论与讨论4.1结论分析围绕辽宁省经济数据真实性和经济增长水平真实性的问题，乃至在全国层面GDP统计数据质量问题的争论，本文尝试了从一个较为客观的角度，利用DMSP/OLS夜间灯光强度数据来验证并估算辽宁省的实际国内生产总值的研究做26 法，并在理论研究的基础上提出了鉴别经济发展数据真实性的一种新方法，为学者们对经济的研究和国家制定经济政策时奠定良好的数据基础。本文针对当前辽宁省GDP核算方法及统计过程中存在的一些问题，如统计误差、人为因素等导致GDP数据不真实的状况，试图寻找一种新的GDP核算方法或GDP的替代变量，以提高GDP数据的准确性。通过借鉴以往文献中国内外学者对DMSP/OLS夜间灯光强度数据的研究，基于夜间灯光强度与GDP之间存在密切关系的假设，通过对相关数据的回归分析得出夜间灯光强度与GDP的关系。结果表明，夜间灯光强度数据与GDP数据之间存在很高的相关性。以辽宁省为例的分析得到的函数关系为：lnܩܦܲ௜=1.696739∗݈݊ܦܰ−14.59484，模型拟合度较好，且P=0.000，P表示两个变量之间的的显著性水平，其显著性水平低于0.05，F检验通过。因此，夜间灯光强度与GDP的关联性性较强。但是需要注意的是，影响函数准确性的原因还有：原始数据的准确性、研究数据较少以及很多相关因素没有参与建模。一方面，夜间灯光强度数据本身具有一定的局限性，由于DMSP/OLS使用了光学倍增管，具有超强的光电放大能力，可以进行微光探测，而不受光线阴影等的干扰，还可以记录偶然光（如闪电等）的信息，因此，美国国家地球物理数据中心在对夜间灯光数据进行处理的时候首先要消除这些偶然因素造成的灯光亮度的误差。但是，仍然还存在一些误差是无法消除的，比如水面对灯光的反射，这种反射可以提高该区域的夜间灯光亮度；再如，我们的经济活动中有一部分活动如采矿、地下商城等，是在地下进行的，而地下的灯光数据是无法被捕获到的，这些地下的夜间灯光亮度数据的缺失也降低了区域夜间灯光强度值。另一方面，本文所得到的分析结果在很大程度上取决于所分析的地区的规模、分区结构和回归分析数据量的多少。我们以辽宁省的夜间灯光强度和GDP数据为研究对象，研究规模比较小，也是导致模型不够精确的一个非常重要的原因。所以，在后续的研究中，将扩大研究数据规模，同时加入更多的自然、社会要素来对模型进行修正，以期提高模型的精度。综上所述，区域国内生产总值与夜间灯光强度指数有着密切的关系，将夜间灯光强度数据应用于分析经济的发展是具有可行性的。虽然，本文得出的回归模型公式存在精确度不高的问题，导致估算的结果即国内生产总值的估计值与实际的经济发展数据之间还是存在着误差。但是，整体来说，通过夜间灯光强度数据估算得到的国内生产总值的估计值更接近于真实的经济发展状况。这表明我们可以利用夜间27 灯光强度数据来对官方经济统计数据的真实性进行初步的验证。造成数据模型精确度不高的主要原因是数据较少以及还有很多影响因素没有被考虑进来，未来我们将通过更深入的研究，进一步修正和完善模型，为对国内生产总值精度的研究提供一种高效可行的数据获取或鉴别方式。需要注意的是，虽然本文的目的是研究通过夜间灯光数据来检验经济发展数据真实性的可行性，试图为经济发展数据的真实性分析提供一种新方法，但这并不是要表达我们要抛弃原有的传统的GDP统计的数据的观点，也并不是认为由DMSP/OLS夜间灯光强度数据所估计得到的经济数据就是真实可靠、完美无缺的，但是本文研究所得到的结果也足以证明利用更为客观的数据源对某些地区的真实经济增长情况进行检验，是一件值得深入研究的工作。因为，夜间灯光数据不会受到各种人为因素的干扰，它是由卫星所携带的传感器对地球进行的客观扫描，在最大的程度上剔除了人为因素造假的可能。相对于受人为干扰因素或者统计核算水平的限制较大的人工统计数据来说，DMSP/OLS夜间灯光数据更为客观和真实。所以从学术角度来讲，我们可以利用夜间灯光数据来对人工统计的经济数据进行验证或者补缺。此外，DMSP/OLS夜间灯光强度数据不仅可以用来检验真实的经济增长水平，而且还被验证可用于测度人口密集度、人口流动、城市化、经济聚集、能源消耗等各种经济活动中，相信未来也将会被应用到更多的经济研究中去。4.2不足与展望本文仅从辽宁省市级行政区层面研究经济数据的真实性问题，数据量较少，且没有分析影响GDP统计误差的因素，是本文的一大不足之处，未来作者将进一步开展这一方面的研究。如何将研究成果延伸到具有可操作性的对策建议，为经济发展及政策制定提供精准的科学依据，是本论文有待加强的又一不足之处。28 参考文献[1]AmaralS.CamaraG,MonteiroAMV,etal.EstimatingpopulationandenergyconsumptioninBrazilianAmazoniausingDMSPnight-timesatellitedata[J].ComputersEnvironmentandUrbanSystems,2005,29(2):179-195[2]BhandariL,RoychowdhuryK.NightlightsandeconomicactivityinIndia:AstudyusingDMSP-OLSnighttimeimages[J].ProceedingsoftheAsia-Pacificadvancednetwork,2011,32:218-236[3]BhartenduPandey,QinglingZhang,KarenC.Seto,ComparativeEvaluationofRelativeCalibrationMethodsforDMSP/OLSNighttimeLights[J].2017,195,67-78[4]ChandTRK,BadarinathKVS,ElvidgeCD,etal.SpatialcharacterizationofelectricalpowerconsumptionpatternsoverIndiausingtemporalDMSP/OLSnight-timesatellitedata[J].InternationalJournalofRemoteSensing,2009,30(3):647-661[5]ChenX.,andNordhaus,W.,UsingLuminosityDataasaProxyforEconomicStatistics[J].ProceedingsofNationalAcademyofScience,2011,108(21),8589-8594[6]ChengLY,ZhouY,WangLT,etal.AnEstimateoftheCityPopulationinChinaUsingDMSPNight-timeSatelliteImagery[C].IGARSS2007,2007:691-694[7]DollCNH,MullerJP,MorleyJG.Mappingregionaleconomicactivityfromnight-timelightsatelliteimagery[J].EcologicalEconomics,2006,57(1):75-92[8]DollCNH,PachauriS.Estimatingruralpopulationswithoutaccesstoelectricityindevelopingcountriesthroughnight-timelightsatelliteimagery[J].EnergyPolicy,2010,38(10):5661-5670[9]ElvidgeCD,BaughKE,KihnEA,RelationbetweenSatelliteObservedVisible-nearInfraredEmission,Population,EconomicActivityandElectricPowerConsumption[J].InternationalJournalofRemoteSensing,1997,18(6):1373-1379[10]ElvidgeCD,ImhoffML,BaughKE,etal.Night-timeLightsoftheWorld:1994-1995[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2001,56(2):81-99[11]ElvidgeCD,CinzanoP,PetDRetal.Thenightsatmissionconcept.InternationalJournalofRemoteSensing,2007,28(12):2645-2670[12]ElvidgeCD,ImhoffML,BaughKE,etal.Night-timelightsoftheworld:1994–1995[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2001,56(2):81-9929 [13]GhoshT,PowellR,ElvidgeCD,etal.SheddingLightontheGlobalDistributionofEconomicActivity[J].TheOpenGeographyJournal,2010(3):148-161(InPress)[14]Henderson,J.V.,Storeygard,A.,andWell,D.N.,2012,“MeasuringEconomicGrowthfromOuterSpace”,AmericanEconomicReview,Vol.102(2),994-1028[15]LiuZhifeng,HeChunyang,ZhangQingxuetal.,ExtractingtheDynamicsofUrbanExpansioninChinaUsingDMSP-OLSNighttimeLightDatafrom1992-2008[J].LandscapeandUrbanPlaning,2012,106,62-72[16]LoCP.ModelingthePopulationofChinaUsingDMSPOperationalLinescanSystemNighttimeData[J].PhotogrammetricEngineeringandRemoteSensing,2011,67(9):1037-1047[17]MaT,ZhouC,PeiT,etal.QuantitativeestimationofurbanizationdynamicsusingtimeseriesofDMSP/OLSnighttimelightdata:AcomparativecasestudyfromChina"scities[J].RemoteSensingofEnvironment,2012,124:99-107[18]MellanderC.,StolarickK.,MathesonZ.,andLoboJ.,Night-TimeLightData:AGoodProxyMeasureforEconomicActivity?[J].CESISElectronicWorkingPaperSeries,2013,No.315[19]NordbausW.,andChenX.,ImprovedEstimatesofUsingLuminosityanaProxyforEconomicStatistics:NewResultsandEstimatesofPrecision[J].CowlesFoundationDiscussionPaper,2011,No.1857[20]Rawaki,T.G.,WhatIsHappeningtoChina’sGDPStatistics?[J].ChinaEconomicReview,2001,12,347-354[21]SuttonP,RobertsD,ElvidgeC,etal.AcomparisonofnighttimesatelliteimageryandpopulationdensityforthecontinentalUnitedStates[J].PhotogrammetricEngineeringandRemoteSensing,1997,63(11):1303-1313[22]SuttonP,RobertsD,ElvidgeCD,etal.CensusfromHeaven:AnEstimateoftheGlobalHumanPopulationUsingNight-timeSatelliteImagery[J].InternationalJournalofRemoteSensing,2001,22(16):3061-3076[23]TilottamaG.,PowellR.,ElvidgeC.D.etal.,SheddingLightontheGlobalDistributionofEconomicActivity[J].2010,3,148-161[24]WuH.X.,TheChineseGDPGrowthRatePuzzle:HowFastHastheChineseEconomyGrowth.[C].DiscussionPaperSeriesofHi-Stat,No.17630 [25]WelchR.Monitoringurbanpopulationandenergyutilizationpatternsfromsatellitedata[J].RemoteSensingofEnvironment,1980,9(1):1-9[26]ShiauAllen,《中国政府高估了经济增长吗》[M]2005，《中国经济增长速度研究与争论》，中信出版社[27]曹子阳，吴志峰，匡耀求，黄宁生.DMSP/OLS夜间灯光影像中国区域的校正及应用[J].地球信息科学学报，2015,17（9）：1092-1102[28]曹丽琴,李平湘,张良培.基于DMSP/OLS夜间灯光数据的城市人口估算—以湖北省各县市为例[J].遥感信息,2009(1):83-87[29]陈晋，卓莉，史培军.基于DMSP/OLS数据的中国城市化过程研究—反映区域城市化水平的灯光指数的构建[J].遥感学报，2003,7（3）：168-176[30]范子英，彭飞.政治关联与经济增长：基于卫星灯光数据的研究[J].经济研究，2016，（1）：114-126[31]韩向娣，周艺，王世新，刘瑞，姚尧.夜间灯光遥感数据的GDP空间化处理方法[J].地球信息科学报，2012,14（1）：128-136[32]何春阳,李景刚,陈晋,等.基于夜间灯光数据的环渤海地区城市化过程[J]地理学报,2005,60(3):409-417[33]何春阳,史培军,李景刚,等.基于DMSP/OLS夜间灯光数据和统计数据的中国大陆20世纪90年代城市化空间过程重建研究[J].科学通报,2006,51(7):856-861[34]孟连，王小鲁.对中国经济增长统计数据可信度的估计[J]经济研究，2000,10[35]李通,何春阳,杨洋,等.1995-2008年中国大陆电力消费量时空动态[J].地理学报,2011,66(10):1403-1412[36]梁友嘉,徐中民.基于夜间灯光辐射数据的张掖市甘州区GDP空间分布建模[J].冰川冻土,2013(1):249-254[37]阙里，钟笑寒.中国地区GDP增长统计的真实性检验[J]数量经济技术经济研究，2005,4[38]苏泳娴.基于DMSP/OLS夜间灯光数据的中国能源消费[D].广州：中国科学院广州地球化学研究所，2015:1-18[39]苏泳娴，陈修治，叶玉瑶.基于夜间灯光数据的中国能源碳排放特征及机理[J].地理学报，2013,68（11）：1513-1526[40]王鹤饶,郑新奇,袁涛.DMSP/OLS数据应用研究综述[J].地理科学进展，2012,31（1）；11-1931 [41]徐康宁，陈丰龙，刘修岩.中国经济增长的真实性—基于全球夜间灯光数据的检验[J].经济研究，2015，（9）：17-29[42]杨眉，王世新，周艺，等.DMSP/OLS夜间灯光数据应用研究综述[J].遥感技术与应用，2001,26（1）；45-51[43]卓莉，史培军，陈晋.20世纪90年代中国城市时空变化特征—基于灯光指数CNLI方法的探讨[J].地理学报，2003,58（6）：893-90232 致谢三年的研究生学习生活转眼间已进入了尾声，虽然在辽宁大学的学习生活并不是很长，但这里的每一个人，每一处风景都给我留下了深刻的印象，在即将离开的时刻，心里既有留恋，还有期盼。这篇论文，为我的硕士研究生学习划上了一个句号，希望也是一个新的起点。在即将离开学校、踏上工作岗位的时刻，我唯愿将满怀的激动化作感激，献给在这段历程中推动和扶助我前行的每一位师长和亲朋。首先感谢的是我的导师郭广珍老师，论文工作是在郭老师的悉心指导下完成的，从论文的选题到最终完成，郭老师都倾注了大量的时间和精力，及时指导我解决所遇到的难题，无微不至的关怀与指导是论文得以顺利完成的重要保证。毕业在即，谨向尊敬的郭老师致以最真挚的感谢和最久远的祝福。此外，我还要感谢的是学院的所有老师们，是他们给我提供了宽松而严谨的科研环境，带我一步一步地走进科研的殿堂。在此，衷心地祝愿他们工作顺利，身体健康。和同窗们很快就要分别了，三年的相处愉快而令人难忘，也感谢你们给予我的生活和学习中的建议和帮助，特别感谢我的室友，她们给我提供了一个宽松而愉快的学习环境。在此衷心祝愿她们都有美好的前程，愿我们的友谊地久天长。感谢我的家人，他们无私的关心和帮助使我顺利完成学业，他们的支持永远是我前进的动力。最后感谢在这三年中所有给过我帮助和支持过我的人，衷心感谢他们为我所作的一切。33