Python 宏观经济实证 · 空间结构差异 - 静态分析

对Economy_1进行水平测度后，不难发现地区之间的发展水平是有差异的，那么这些差异的来源是什么？发展水平的空间结构发生着怎样的变化？关于这两个问题，我们将从 “静态” 与 “动态” 两个维度进行分析。

本篇正式进入空间结构差异分析模块的静态分析环节：

(1) 讲解 Dagum 基尼系数分解的核心原理，将总体区域差异拆解为组内贡献、组间贡献与超变密度贡献三部分，解决传统基尼系数分解的残差模糊问题，明确静态差异来源的判定逻辑；

(2) 拆解数据准备与区域分组、基础统计量计算等实操步骤，通过 Python 代码完成量化测算，最终得出各年份下Economy_1发展水平的总体差异程度及各来源的贡献占比。

“空间结构差异分析” 部分完整源码 .ipynb 文件已在资源处挂载，包含：Dagum 基尼系数静态差异分解、空间重心迁移分析、标准差椭圆（SDE）分析、Kernel 核密度估计、探索性空间数据分析（ESDA）。需要的朋友可自行下载。

一、静态分析 - 判断差异来源

1. 基尼系数分解

        基尼系数分解是将总体基尼系数拆分为多个独立组成部分的量化方法，用于判断 “差异从何而来”。主要有来源分解和子群分解 两个分支。

2. Dagum 基尼系数分解

        Dagum 基尼系数分解是子群分解的进阶方法，由 Dagum 于 1997 年提出。它解决了传统基尼系数分解中残差项含义模糊的问题，适用于探究区域差异与收入不均问题。也是我们用于研究 Economy_1差异来源的静态分析方法。

        (1)：总体基尼系数

        (2)：组内差异贡献，子群内部带来的差异对总体差异的影响

        (3)：组间差异贡献，子群与子群之间的差异对总体差异的影响

        (4)：超变密度贡献，子群与子群之间的相互影响对总体差异的影响

步骤 1：数据准备与分组

       数据准备：Economy_1综合得分（按 “年份” 划分）

       分组：比如研究的是 31 省就可以把 31 个省按照地理区域划分（东部、中部、西部、东北地区），也就是 个子群。再计算每个子群的综合得分均值，按照均值从小到大的顺序为子群编号 。

步骤 2：计算基础统计量

        (1)：每个年份下的样本总量，比如研究 2013 年 31 个省份的综合得分，那么 

        (2) ：总体均值

        (3) ：每个年份下子群的样本量

        (4) ：得分均值排名第 的子群中第 个地区的综合得分

        (5) ：子群均值

        (6)：得分均值排名第 的子群中地区的数量占所有地区数量的比例