1 引 言

随着近年来中国人口出生性别比的异常偏高，人口出生性别比失衡问题备受关注。据统计资料显示，自20世纪80年代以来，中国人口出生性别比持续攀升，第三、四、五、六次人口普查时的出生性别比分别高达108.5、111.3、116.9和118.1，这已经严重偏离人口的出生性别比105±2的正常值。胡耀岭认为中国已经成为世界上出生性别比异常偏高的国家，同时也是发展中国家人口大国在人口转变阶段出生性别结构严重失衡的国家[1]。由于出生性别比的大范围长期异常偏高，从而带来了男性婚姻挤压问题，比如买卖婚姻(越南新娘)、拐卖妇女、童婚交换和男性性犯罪率上升等问题已经出现，上述问题已经开始困扰着政府和学者[2-3]。就目前来看，政府为了改善这种局面已经采取了一系列措施，比如严厉禁止非医学需要的胎儿性别鉴定以及非医学需要的选择性别的人工终止妊娠、出生实名登记、关爱女孩行动等等，但是其成效并不是令人十分满意。

近30多年来，许多学者对中国人口出生性别比异常偏高现象进行了研究，其研究成果颇为丰富。许多学者认为出生性别比异常偏高其根本原因是男孩偏好，直接原因是性别选择性流产，其他的社会经济文化因素也对出生性别比的偏高有一定的促进作用。尽管学者们从省、县(市、区)级区域尺度等层面展开研究，既有定性研究也有定量研究，但是对出生性别比的影响因素以及各影响因素的影响程度的看法存在差异。第一个影响因素是生育政策。一些学者认为生育政策对出生性别比偏高有密切的关系，张翼认为生育政策打破了人们传统的对男孩的渴望，所以导致了出生性别比的升高[4]；张二立通过研究不同孩次的出生性别比认为生育政策也是导致中国人口出生性别比升高的原因[5]；郭志刚、陈卫、宋月萍等人通过比较不同类型生育政策下的出生性别比，也一致认为生育政策与出生性别比有密切关系[6-8]。然而另一些学者却持有大相径庭的观点，如石海龙、原新等认为生育政策与出生性别比偏高没有直接关系[2]。第二个影响因素是城市化。杨菊华认为城市化的飞速发展可以在一定程度上弱化家族聚集居住带来的宗族观念，从而降低出生性别比[9]。然而陈友华通过研究认为，城市化的发展不但不会降低人口出生性别比，反而会使出生性别比攀升[10]。第三个影响因素是性别偏好与医疗技术发展水平。随着医疗科学技术水平的逐渐提高，传统思想的男性偏好通过胎儿性别鉴定和选择性流产得以实现。Hull通过研究认为性别鉴定技术的出现是中国人口出生性别比升高的原因[11]。第四个影响因素是受教育程度。石人炳、段世江通过研究发现妇女的受教育程度与人口的出生性别比存在密切关系[12-13]。

1993年，在“山东省第三届‘两法’研讨会暨首届和谐教学法研讨会”中，我系统地阐述了和谐教学法的定义、基本原理、教学原则和课堂教学程序。这届研讨会标志着和谐教学法的初步形成，并正式将“愉快教学实验”改为“和谐教学实验”。1996年，我撰写的《和谐教学概论》一书出版，标志着和谐教学理论体系的正式形成。

总之，对于人口出生性别比的现有研究成果来说，大多是定性分析和多因素分析，而对于定量分析则较少，特别是对于某个省域范围内的县(市、区)尺度的出生性别比空间差异分析则更为欠缺。由于出生性别比偏高是一种社会现象，可能存在着空间上的相互作用，因此有必要在地理空间尺度上作出考虑，从而得出更为准确的结论。本文选取贵州省88个县(市、区)作为研究对象，探讨影响人口出生性别比的因素以及这些因素在地理空间上的相互作用机理，力图为政府机构调节出生性别比偏高现象提供理论依据。

2 研究方法与模型的选择

2.1 研究方法

(1)全域空间自相关

全域莫兰指数能够反映整个研究区域的空间模式，而局域空间自相关指数LISA则可以反映空间上某一单元属性值与相邻单元属性值的关联程度[16]。为了更进一步的了解贵州省各县(市、区)人口出生性别比分布的空间关系，运用Geoda软件制作LISA集聚地图。通过运用Geoda软件对贵州省全域各县(市、区)人口出生性别比数据制作了空间集聚地图(见图4)。由图4可以看出，贵州省88个县(市、区)中既有高-高(HH)集聚区域也有低-低(LL)集聚区域，既有低-高(LH)集聚区域，也有高-低(HL)集聚区域。其中高-高集聚区域有8个，表明这几个区域与周围的区域人口出生性别比都比较高；低-低集聚区域有11个，表明这几个区域与周围的区域人口出生性别比都比较低，低-高集聚区域有3个，表明这几个区域与周围的区域人口出生性别比相比都比较低，高-低集聚区域有1个，表明这个区域与周围的区域人口出生性别比相比比较高，而不显著区域有65个。出现上述集聚现象的原因主要是贵州省各区域的经济社会发展层次不一，而其中贵州省东北部的沿河县、凤冈县、德江县、思南县、湄潭县、余庆县、务川县一带区域与贵州省东南部榕江县、黎平县、三都县、丹寨县、雷山县、剑河县、凯里、台江县一带区域以及贵州省西南部的望谟县、册亨县一带区域，由于经济发展相对滞后，产业发展投资环境相对较差，主要以农业生产为主，成为贵州省区域内经济社会发展的断层。

莫兰指数(Moran’s I)能够反映空间邻接区域单元属性值的相似程度，其值处于-1到1之间，小于0表示负相关，大于0表示正相关，等于0为不相关。为了研究贵州省各区域人口出生性别比空间关联程度的总体特征，选取Moran’s I指数进行刻画，其表达式为：

另外有些英语专业课程设置不够合理，重视英语知识和技能的训练，而忽视了人文素养的培养，导致英语专业学生知识面狭窄，思辨能力差。

 

(1)

式中：I为莫兰指数，n为县(市、区)数量，Xi和Xj是县(市、区)i和县(市、区)j的出生性别比,(X是各县(市、区)人口出生性别比的平均值，Wij是空间权重矩阵。

(4)选取“每万人拥有卫生服务机构数量”作为表征社会医疗发展水平方面的指标。由于现阶段对于性别鉴定的仪器(如B超仪等)数量在贵州省各县(市、区)没有作准确的统计，所以选取“每万人拥有卫生服务机构数量”指标作为替代指标。通常来说，对于非医学需要的胎儿性别鉴定和性别选择必须依赖于发达的医疗技术水平才能得以实现，而医疗的发展水平也会决定着人们对于性别鉴定的购买实现能力，所以选取该指标研究医疗发展水平与出生性别比之间的相互关系。

局域空间自相关用于反映各相邻县(市、区)出生性别比的空间关联程度。通过绘制的莫兰散点图可以划分为四种类型，分别是高-高(HH)、低-低(LL)、高-低(HL)和低-高(LH)。其中，高高(低低)表示相邻县(市、区)之间存在着正的空间自相关和高(低)出生性别比的空间集聚现象，而高低(低高)表示相邻县(市、区)之间存在着负的空间自相关和高(低)出生性别比县(市、区)被低(高)县(市、区)所包围。其表达式为：

 

(2)

(3)空间权重矩阵

在当今这个快速发展的时代下，企业文化建设的可发展性越来越强，越来越被市场上的企业所重视，变成了企业发展过程中不可或缺的一项重要因素。所以，想要提高企业自身的竞争力，在市场上占据自己的一席之地，就要深刻地落实企业的文化建设，21世纪企业的发展应将强化文化建设作为发展的重点，坚持不懈地奋斗。

在SDM、SEM和SLM等模型的选择过程中，看SDM模型能否被简化为SLM或SEM模型，其判断依据是零假设。如果H0:γ+δβ=0，经过Wald或LR检验且通过显著性水平0.05检验，则拒绝原假设即SDM模型可被简化为SEM模型。如果H0：γ=0，经过Wald或LR检验且通过显著性水平0.05检验，则拒绝原假设即SDM模型可被简化为SLM模型。SDM模型则用极大似然值估计，对于该模型的直接效应和空间溢出效应则用偏微分来检验[15]。

 

(3)

式中：m和n表示空间单元个数；W表示区域m与n的邻居关系。本文以贵州省各县(市、区)建立基于空间邻接关系的权重矩阵，K的取值为4，保证每个县(市、区)至少有一个邻居。

2.2 模型的选择

有时，我会在一个地方待上一整天，而不进行任何拍摄，只是倾听和记录故事。这种时候，我的工作已经超越了单一的摄影。

校园贷野蛮扩张的背后，隐藏着网络借贷存在的法律盲区．除了对主要对象——在校大学生加以约束和教育外，加强对互联网借贷平台的审核和监管也是防范互联网金融风险的重要手段．各相关部门应尽早地出台相关的法律法规，在法律层面上积极引导校园贷的规范性和合理性生长．对于涉嫌非法经营的网贷平台，应尽快将其驱除出市场；对于在校大学生群体，普及非法网络借贷平台的危害性教育．

 

式中：i代表截面维，i=1,2,3,…N；t代表时间维度，t=1,2,3,…T；Xit代表k维行向量，β是k维列向量，μi是空间固定效应，λt是时间固定效应，δ是空间自回归系数，Wij是空间权重矩阵，Yit代表i截面t时期的观测值。

为了研究贵州省全域88个县(市、区)的人口出生性别比的空间差异及其影响因素，需要各个县(市、区)的相关统计数据。但是由于各县(市、区)的相关数据不易获取或者是有些数据根本没有作统计，所以本研究截取的数据主要是贵州省第六次人口普查的相关数据，部分数据来源于2010年各县(市、区)的国民经济和社会发展统计公报、政府工作报告、卫生统计年鉴。由于某些县(市、区)的数据在某个年份可能是缺失的，所以通过就近年份相关数据通过计算获得。其中，地理空间数据来源于国家基础地理信息中心的贵州省地市级行政区划矢量地图，空间权重矩阵和地理坐标均是以该行政区划图为依据，并将其作为地理空间分析的基础。

企业文化实施最重要的支点是企业哲学以及核心价值观，只有抓住这一点紧紧不放，才能在企业文化建设中突现企业特色。如果说企业哲学突出的是中国企业特色的话，那么核心价值观就是要突出每个中国企业个体的特色。提炼蕴涵于企业之中的核心价值观，是企业文化实施的重中之重。

 

公式中ρ代表误差项的空间自相关系数，φit代表空间自相关误差项。

(3)空间Durbin模型(SDM)

 

公式中γ是k维列向量，表示空间滞后解释变量的系数。

2.2.1 模型估计与检验

空间权重矩阵能够表达不同空间对象之间的空间布局，通常定义的是一个二元对称空间权重矩阵来表达空间区域的邻接关系[14]。其形式为：

3 指标选取与数据来源

3.1 指标选取

(1)选取“文盲率”和“人均受教育年限”作为表征文化方面的指标。“文盲率”和“人均受教育年限”都能够在一定程度上反映某个区域的平均受教育情况。通常来说，文化程度越高的家庭，越容易接受新型生育文化，越容易摆脱传统生育观念对现行生育行为的影响。如果组成家庭成员的生育双方学历越高，受教育年限越长，那么越容易相互达成统一的新型生育观念，尤其是家庭妇女的受教育程度越高，通常来说就会拥有越高的社会经济地位，对生育行为就会有较高的支配权，同时也容易接受新型生育文化和生殖健康知识，从而影响对传统的男孩偏好的强烈程度。

(2)选取“人均地区生产总值”和“农村家庭纯收入”作为表征经济方面的指标。通常来说，“人均地区生产总值”能够反映一个地区社会经济的发展状况，而社会经济的发展状况通常与当地的社会文化发展情况和基础设施的建设情况紧密相关。通常来说，“农村家庭纯收入”能够反映一个家庭经济状况的活跃程度，影响着家庭的购买情况和日常的生活水平，同时也就意味着会对生育过程中的胎儿性别鉴定的性别选择产生一定的影响。

(3)选取“出生率”和“城市化率”作为表征社会因素方面的指标。通常来说，“出生率”能够在一定程度上反映某个区域一年内婴幼儿数量的平均出生情况，而计划生育政策的执行力度和人口计生管理工作的情况都会对区域出生率产生一定的挤压和影响。“城市化率”能够反映一个地区的社会发展水平，能够反映农村富余的劳动力向城市、城镇和非农产业的转变情况，“城市化率”同时也能够反映农村传统的生产生活方式向现代化城市生产生活方式的转变情况。

(2)局域空间自相关

3.2 数据来源

(2)空间误差模型(SEM)

4 空间实证分析

4.1 空间分布特征

根据贵州省人口出生性别比空间分布图不难看出(见图1)，贵州省全域88个县(市、区)的人口出生性别比在空间分布上存在较大差异。人口出生性别比在103以下的区域有13个，占据贵州省全域14.77%的县(市、区)即贵州省人口出生性别比低于正常水平的县(市、区)有13个；人口出生性别比在103至107之间的区域有34个，占据贵州省全域38.64%的县(市、区)即贵州省人口出生性别比处于正常水平的县(市、区)有34个；人口出生性别比在107至111之间的区域有35个，占据贵州省全域39.77%的县(市、区)即贵州省人口出生性别比处于偏高水平的县(市、区)有35个；人口出生性别比在111至115之间的区域有5个，占据贵州省全域5.68%的县(市、区)即贵州省人口出生性别比处于较偏高水平的县(市、区)有5个；人口出生性别比在115以上的区域有1个，占据贵州省全域0.01%的县(市、区)即贵州省人口出生性别比处于严重偏高水平的县(市、区)有1个。在西部区域和东南部区域可以看到高出生性别比的县域被依次较低出生性别比的县域所包围，说明贵州省人口出生性别比还存在一定的辐射带动作用。总体来看，贵州省全域88个县(市、区)的人口出生性别比中，处于偏低水平的区域占据14.77%；处于正常水平的区域占据38.64%；处于偏高水平的县域占据46.59%，也就是说在贵州省全域来看，大部分区域的出生性别比处于不正常水平，将近一半的区域人口出生性别比处于偏高现象。由此来看，研究导致贵州省人口出生性别比在空间上存在巨大差异的因素就显得尤为必要了，这将有助于贵州省各级政府相关机构制定合理的人口出生相关政策，从而有效控制贵州省各区域的人口出生情况。

  

图1 贵州省人口出生性别比空间分布图Fig.1 Spatial distribution of sex ratio at birth in Guizhou

4.2 空间自相关分析

4.2.1 全域空间自相关分析

通过运用Geoda软件对贵州省全域各县(市、区)出生性别比数据制作莫兰(Moran)散点图(见图2)。

  

图2 莫兰散点图Fig.2 Moran scatter plot

由图2可以看出，有许多点位于第一象限和第三象限，而第二象限和第四象限的点则较少。第一象限与第三象限的点数据为空间正相关的点数据，Moran’s I=0.445，表明这些区域具有较强的空间正相关性即贵州省各县(市、区)的人口出生性别比并非表现出完全的空间随机性，而是表现出人口出生性别比在空间上相似值之间的空间集聚。具体表现为人口出生性别比较高的县(市、区)与人口出生性别比较高的县(市、区)相毗邻，人口出生性别比较低的县(市、区)与人口出生性别比较低的县(市、区)相毗邻。大部分的县(市、区)位于热点(第一象限)区域和冷点区域(第三象限)，也就是一部分的区域属于高-高(HH)集聚类型区，一部分区域属于低-低(LL)集聚类型区。在对莫兰指数的显著性进行检验时，本文选取蒙特卡罗模拟的方法进行检验(见图3)。

(1)空间滞后模型(SLM)

  

图3 莫兰指数检验图Fig.3 Moran’s I test

通过图3可以看出，P值等于0.001，这说明在99.9%的置信度下该空间自相关是显著的。

4.2.2 局域空间自相关分析

女：姜子牙，老度下闷麻或忙，（老还下凡来做什么）押阿拜判押的挂（你自去判你的挂），培麻得闷乱年情（别来天下乱年情）。

  

图4 空间集聚图Fig.4 Spatial LISA map

5 影响因素分析

5.1 最小二乘法回归(OLS)

本文首先选用最小二乘法回归(OLS)分析可能对贵州省人口出生性别比产生影响的因素。将出生性别比、人均地区生产总值、农村家庭纯收入、人均受教育年限、文盲率、城镇化率、出生率和每万人拥有卫生机构数进行回归分析，其分析的结果如表1所示。

 

表1 最小二乘法回归结果Tab.1 OLS regression results

  

解释变量系数标准误差t统计量P值constant94.4438710.233689.2287260.000000 农村家庭纯收入-0.00058380.00066138-0.8828040.3799876人均受教育年限0.37633641.2163260.30940430.757819文盲率0.044458160.14646850.3035340.762273城镇化率-0.043837730.058131-0.75411090.452996每万人拥有卫生机构数0.27354610.16053191.7039980.092262出生率0.63192290.18517723.412530.001012人均地区生产总值0.000236648.9661592.6393570.009982调整R2=0.458Log likelihood=-218.86AIC=453.737SC=473.556

由表1可知，调整R2=0.458即OLS回归模型能够大约解释45.8%的总变差，而Log likelihood=-218.86 ，AIC=453.737 ，SC=473.556即表明该回归模型具有较好的拟合程度。通过观察表1可知，在95%的置信水平下，除出生率和人均地区生产总值变量外，其余估计变量的系数都不显著，且出生率和人均地区生产总值的系数为正值，说明随着各区域出生率和人均地区生产总值的升高，人口出生性别比偏高现象将会增强，而其他因素似乎对人口出生性别比偏高现象的作用效果不明显。需要指出的是，这个出生性别比偏高程度与影响因素的定性关系仅仅是“六普”数据得出的结果，该结果不具有延展性，因为随着社会经济的发展，各因素的定性关系也可能发生改变。

5.2 空间自相关检验

通常来说，可以使用实质性相关检验或者误差相关检验对回归模型进行空间自相关检验，其检验的结果常包含6项指标，分别是Moran’s I(error)、Lagrange Multiplier(lag)、Robust LM(lag)、Lagrange Multiplier(error)、Robust LM(error)和Lagrange Multiplier(SARMA)(见表2)。就上述OLS回归来看，用于检验是否存在空间自相关的Moran’s I统计量的值为0.301756，且在95%置信水平下显著相关，也就是说在经典回归分析中，误差项存在显著的空间自相关性。由表2我们可以知道Lagrange Multiplier(lag)、Lagrange Multiplier(error)两者都是高度显著的即两者拒绝了零假设，也就是说OLS回归残差中存在空间自相关项。再进一步观察，我们可以知道Robust LM(lag)显著而Robust LM(error)不显著，也就是说模型中存在空间滞后现象，但是不存在空间误差现象。

售后商务文本主要涉及公司的客服条款和服务政策，如保修政策，退换政策等，一般由客服部门负责撰写制定和翻译。售后商务文本的读者主要是已有客户。潜在客户在做购买决定之前，也会浏览阅读相关客服政策。

 

表2 空间自相关检验结果Tab.2 Spatial autocorrelation test results

  

指标MI/DF统计量P值Moran’s I(error)0.3017565.25088370.0000002Lagrange Multiplier(lag)124.24554040.0000001Robust LM(lag)112.06603530.0005135Lagrange Multiplier(error)119.03409530.0000128Robust LM(error)12.85459020.0911135Lagrange Multiplier(SARMA)231.10013070.0000002

由上述分析我们可以知道，由于OLS回归残差中存在空间自相关性，所以OLS回归得出的结果不足以解释各因素对于人口出生性别比的影响。要想获得更为准确的结果，需要在回归分析中加入空间影响因子，以致于消除误差项中的空间自相关。由前述分析可知，我们应该选用空间滞后模型进行回归分析，而不是空间误差模型(由于Robust LM(error)的P值为0.0911135>0.05)和空间杜宾模型(由于Lagrange Multiplier(lag)和Lagrange Multiplier(error)均显著，拒绝了零假设，所以空间杜宾模型被简化)从而保证分析结果的正确性、可靠性。

盗墓贼要是抛下骸骨就跑，官兵未必能追上，可墓穴里还有一根似乎是胳膊的尸骨，他舍不得，又去捡，等他把尸骨拿到手，官兵已围了上来。

5.3 空间滞后模型回归分析

在空间滞后模型回归分析中，依然使用与前述相同的自变量和因变量，但是在其中加入了空间滞后变量，其分析的结果见表3。

在本文中选择常用的极大似然值、Wald检验和LM-lag三大检验法进行检验，理想的检验顺序为W>LR>LM-lag.通过运用空间滞后模型对数据进行分析后，LR=25.43424,LM-lag=24.2455404(见表2),Wald的检验为5.25088372=27.572(见表2)，从而有W=27.572>LR=25.43424>LM-lag=24.2455404，这与理想的顺序相吻合，所以加入空间滞后项后，空间自回归误差被有效的降低了。

通过与前述OLS回归分析相比较，我们可以发现空间滞后模型的回归拟合优度明显提升，Log likelihood的值由-218.86上升到-206.151，AIC的值由453.737降低到430.303，SC的值由473.556降低为452.599；每万人拥有卫生机构数对人口出生性别比显著性的P值由0.092262变为0.024182，也就是说每万人拥有卫生机构数对人口出生性别比的影响由不显著变得显著了，而农村家庭纯收入、人均受教育年限、文盲率、城市化率对人口出生性别比的影响依然不显著，出生率和人均地区生产总值对出生性别比的影响依然显著；空间变量的回归系数为0.6127565，Z值为6.246182，P值为0.000000远小于0.05，高度显著。

本研究中，对53例原发性肝癌患者分别采用双源CT单动脉期增强扫描和双动脉期增强扫描诊断，对比两种扫描检查方式对肝癌的检出率，结果显示，双动脉期增强扫描对原发性肝癌的检出率(92.5%)明显高于单动脉期增强扫描(39.6%)，双动脉期增强扫描所用造影剂剂量(1.6±0.3)ml/kg略高于单动脉期增强扫描(1.4±0.2)ml/kg，这与杨肖峰等人研究报告91.67%显著高于单期增强扫描38.54%结论基本一致，说明了采用双源CT双动脉期增强扫描对原发性肝癌患者进行诊断，不仅能提高患者病灶的检出率，同时也不会明显增加患者的辐射剂量，因此，能有效保证其诊断的安全。

 

表3 空间滞后模型估计结果Tab.3 Spatial lag model estimation results

  

解释变量系数标准误差Z值P值constant35.2918913.284342.6566540.007892 农村家庭纯收入0.0001334020.0005220.2553580.798446 人均受教育年限-0.013355020.958098-0.013939 0.988878 文盲率-0.005059250.115330 -0.04386730.965010 城市化率-0.075726870.045805-1.6532230.098286 每万人拥有卫生机构数0.28491570.1263922.2542190.024182 出生率0.37692970.14616092.578860.009912 人均地区生产总值0.0001717.092092.4121360.015859 W∗性别比0.61275650.098100966.2461820.000000 Log likelihood=-206.151 AIC=430.303 SC=452.599 LR=25.43424

从以上的分析来看，空间滞后模型的拟合分析效果明显优于OLS回归分析，也就是说空间滞后模型更好的解释了各变量对人口出生性别比的作用效果，更加符合实际情况。(1)出生率的影响系数最大，为0.3769297。这表明，生育政策对贵州省人口出生性别比有最强的影响作用，由于影响系数为正，所以生育政策对贵州省人口出生性别比为正向作用。尽管在数据的收集过程中没能采集到生育政策执行情况的直接数据或人均生育政策宣传费用的数据，但是出生率能够间接反映生育政策对于人口出生性别的挤压作用，从而在一定程度上反映出生育政策对于贵州省人口出生性别比的影响情况。在保证其他因素不变的情况下，出生率每增加1%，人口出生性别比将升高0.3769297个百分点。(2)每万人拥有卫生机构数的系数次之，为0.2849157。这表明，医疗发展水平对贵州省人口出生性别比也有影响作用，由于影响系数为正，所以医疗发展水平对贵州省人口出生性别比为正向作用。由于各县(市、区)没有对各卫生机构拥有的B超机等可对性别鉴定的仪器进行统计，所以尽管采用的是每万人拥有卫生机构数据，但是他也能间接反映医疗发展水平对于人口出生性别比的影响，从某种意义上说，医疗的发展水平能够反映人们是否能够实现性别鉴定、性别选择。在保证其他因素不变的情况下，每万人拥有卫生机构数每增加1%，人口出生性别比将升高0.2849157个百分点。(3)人均地区生产总值的影响系数较小，为0.000171。这表明，地区经济发展水平对贵州省人口出生性别比有较弱的正向影响作用。其原因可能是贵州省经济发展相对滞后，人均地区生产总值一直相对较低，远落后于全国其他各省域，而贵州省经济发展的滞后情况，也就弱化了经济对于出生性别比的直接影响程度。只有当经济发展到一定程度，并且触及生育观念与生活观念的转变时，经济发展水平才会对出生性别偏好产生明显的影响。在保证其他因素不变的情况下，人均地区生产总值每增加1%，人口出生性别比将升高0.000171个百分点。(4)其他各影响因素由于P值不显著，不能确定其对贵州省人口出生性别比是否有影响以及影响程度的大小。

韦一笑则不同。他心中虽也有驱除鞑虏的大义，但行事却过于随性，杀人吸血毫不在意，实在难以让普遍的社会道德所容忍。

6 结论

本文首先运用全域空间自相关分析和局域空间自相关分析对贵州省人口出生性别比在地理空间上的分布特征作初步了解，接着通过对模型的比较，选取了空间滞后模型对影响贵州省人口出生性别比的因素进行了定量分析。其结论如下：(1)贵州省人口出生性别比在空间上存在巨大差异，其中46.59%的县(市、区)人口出生性别比处于偏高状态；(2)贵州省人口出生性别比在地理空间上存在集聚现象，高-高集聚和低-低集聚现象明显，出生性别比偏高的区域或偏低的区域对于相邻区域的出生性别比会有一定程度的辐射带动作用。因此，在今后优化人口出生性别比的过程中，应该充分考虑区域的整体性，各县(市、区)之间应该协同作战，全盘统一部署、统一实施，从而高效推进治理性别比失衡问题；(3)目前对于贵州省人口出生性别比影响较为显著的因素有生育政策、医疗技术发展水平和地区经济发展状况。因此，在今后推动治理人口出生性别比失衡问题时，应该从以上三个方面着手，从而有效治理人口出生性别比失衡问题。

参考文献：

[1]胡耀岭，原新.基于空间数据的出生性别比偏高影响因素研究[J].人口学刊，2012(5)：12-21.

[2]原新，石海龙.中国出生性别比偏高与计划生育政策[J].人口研究，2005,29(3)：11-17.

[3]蔡昉，顾宝昌.中国人口与劳动力问题报告NO.7[R].北京：社会科学文献出版社，2006，124-142.

[4]张翼.中国人口出生性别比的失衡、原因与对策[J].社会学研究，1997(6)：57-70.

[5]张二力.从“五普”地市数据看生育政策对出生性别比和婴幼儿死亡率性别比的影响[J].人口研究，2005(1)：11-18.

[6]郭志刚.从政策生育率看中国生育政策的多样性[J].人口研究，2003(5)：1-10.

[7]陈卫.我国出生性别比升高的趋势与特点[J].人口研究，2009(3)：32-38.

[8]宋月萍.生育政策对出生性别比的影响——一个微观实证分析[J].人口研究，2009(3)：44-49.

[9]杨菊华.出生性别比与和谐社会建设：一个定性和定量分析[J].人口学刊，2008(1):19-24.

[10]陈友华.关于出生性别比的几个问题——以广东省为例[J].中国人口科学，2006(1)：86-96.

[11]Hull T.H.and Wen X.Rising Sex Ratio at Birth in China:Evidence From the 1990 population Census[R].Canberra:Australian Development Studies Network Paper No.31,The Australian National University,1993.

[12]石人炳.中国出生性别比变化新特点——基于“五普”和“六普”数据比较[J].人口研究，2013，37(2)：66-72.

[13]段世江.出生性别比失衡的特征与态势[J].社会科学家，2012(12)：14-17.

[14]Cliff AD ord JK.Spatial Autocorrelation[J].Lond on:Pion.1973.

[15]Lesage J,Pace R K.Introduction to Spatial Econometrics[J].New York,CRC Press,2009.

[16]刘聪粉，柯大钢，张瑞荣.基于Geoda095i的陕西省人口分布空间统计分析[J].西北人口，2008，29(6)：7-15.