Tədqiqat Çinin sahilyanı hissəsində yerləşən Xiamen–Zhangzhou–Quanzhou (XZQ) şəhər aqlomerasiyasındakı 89 A-share birjasında kotirovka olunan şirkətdən istifadə etməklə NQPF-nin qurulmuş mühitlə əlaqəsini 600 m × 600 m məkan gridləri üzrə araşdırır. Şirkət səviyyəsində NQPF dəyərləri 1,5 km bant eninə malik Kernel Density Estimation (KDE) ilə fasiləsiz məkan səthinə çevrilmiş; qurulmuş mühit dəyişənləri isə Recursive Feature Elimination with Cross-Validation (RFE-CV) və Multiscale Geographically Weighted Regression (MGWR) birləşməsi ilə təhlil edilmişdir.

Tədqiqatın əsas metodoloji ideyası qurulmuş mühitin innovasiya yönümlü məhsuldarlıqla əlaqəsinin bütün şəhər boyu eyni böyüklükdə və eyni məkan miqyasında baş verdiyini fərz etməməkdir. Ordinary Least Squares (OLS) bütün sahə üçün sabit əmsallar qiymətləndirərkən Geographically Weighted Regression (GWR) əmsalların məkana görə dəyişməsinə imkan verir, lakin bütün dəyişənləri vahid bant eninə məcbur edir. MGWR isə hər izahedici dəyişənə öz optimal məkan bant enini təyin etməklə bəzi dəyişənlərin region boyunca, digərlərinin isə yalnız müəyyən yerli sahələrdə güclü əlaqələr göstərməsinə imkan verir.

RFE-CV prosesi bir-birini tamamlayan iki model yaratmışdır. Yeddi dəyişənli parsimonious subset əsas məkan quruluşunu daha az dəyişənlə izah etmək məqsədilə seçilmiş və beşqat çarpaz doğrulamada Mean CV-R² = 0,342274 əldə etmişdir. On dörd dəyişənli highest-performing subset isə Mean CV-R² = 0,343979 ilə xüsusiyyət seçimi mərhələsində ən yüksək dəyəri vermişdir. İki model rəqib modellər kimi deyil, fərqli analitik vəzifələri olan iki təbəqə kimi şərh olunur: yeddi dəyişənli model əsas struktur skeletini, on dörd dəyişənli model isə funksional, institusional və xidmət dəyişənlərinin yerli mexanizmləri necə dəyişdirdiyini izah edir.

MGWR hər iki spesifikasiyada OLS və GWR-dən daha güclü in-sample uyğunluq göstərmişdir. Yeddi dəyişənli MGWR modelində R² = 0,989; on dörd dəyişənli modeldə R² = 0,991-dir. Lakin bu çox yüksək dəyərlər nümunədənkənar proqnoz dəqiqliyi və ya səbəbiyyət sübutu deyil. Asılı dəyişən şirkət nöqtələrinin KDE ilə məkan baxımından hamarlaşdırılmasından ibarətdir, səth son dərəcə yüksək məkan avtokorrelyasiyası göstərir və Moran's I = 0,998 kimi bildirilir. Müəlliflər buna görə MGWR R² dəyərlərinin məkan baxımından hamarlaşdırılmış və yüksək avtokorrelyasiyalı səth üzərində in-sample izah etmə qabiliyyəti kimi qiymətləndirilməsini xüsusi vurğulayırlar.

Nəticələr üç əsas məkan mexanizmi ilə şərh olunur: ekoloji uyğunlaşma, infrastruktur və təbii baza şərtlərinin müxtəlif regionlarda fərqli marjinal qarşılıqlar göstərməsini; struktur koordinasiya, yetkin mərkəzlərdə həddindən artıq sıxlaşma, funksional uyğunsuzluq və sıxlıq təzyiqlərinin innovasiya yönümlü məhsuldarlıqla əlaqənin istiqamətini dəyişə bilməsini; sərhəd aktivləşməsi isə şəhərlərarası və yeni şəhər interfeyslərinin nəqliyyat, ictimai xidmətlər və institusional resurslar uyğun şəkildə yenidən təşkil edildikdə yüksək həssaslıq göstərən sahələrə çevrilə bilməsini ifadə edir.

Bu tapıntılar səbəbli eksperiment nəticələri deyil. Tədqiqat müşahidəvi və kəsiyə əsaslanır; əks səbəbiyyətin, tarixi inkişafın, siyasət şoklarının və ya ölçülməmiş digər amillərin təsiri tam istisna edilə bilməz. Bundan əlavə, nəticələr XZQ regionu, araşdırılan 89 birjada kotirovka olunan şirkət, istifadə edilən KDE çevrilməsi və mövcud qurulmuş mühit göstəriciləri kontekstində şərh edilməlidir.

Tədqiqat hansı problemi həll etməyə çalışır?

Şəhərlərdə innovativ firmalar, ixtisaslı işçi qüvvəsi, nəqliyyat şəbəkələri, tədqiqat institutları, maliyyə xidmətləri və inkişaf etmiş ictimai xidmətlər məkan üzrə bərabər paylanmır. Bir şəhər mərkəzində çox güclü görünən tikinti və ya xidmət sıxlığı başqa bir regionda eyni nəticəni verməyə bilər. Üstəlik, eyni amilin təsirinin hansı coğrafi miqyasda ortaya çıxması da dəyişə bilər. Yol şəbəkəsi bağlantısı regional əhəmiyyət daşıya bildiyi halda, təhsil müəssisəsi və ya tikinti sıxlığı kimi başqa dəyişən yalnız müəyyən məhəllələrdə fərqli davrana bilər.

Buna görə tədqiqat problemi yalnız “qurulmuş mühitin hansı amili vacibdir?” sualı deyil. Əsas suallar bunlardır: Hansı amil vacibdir, harada vacibdir, əlaqənin istiqaməti harada dəyişir və hər amil hansı məkan miqyasında fəaliyyət göstərir?

Müəlliflər bu problemi iqtisadi coğrafiya, institusional iqtisadiyyat, innovasiya sistemləri və məkan heterogenliyi ədəbiyyatını birləşdirərək araşdırırlar. Nəzəri çərçivə üç mexanizm üzərində qurulub:

• Ekoloji uyğunlaşma: Təbii baza, infrastruktur və əlçatanlıq şərtlərinin innovasiya yönümlü məhsuldarlıqla bağlı məkan imkanlarını və məhdudiyyətlərini fərqli miqyaslarda formalaşdırması.
• Struktur koordinasiya: Sənaye, xidmət, institusional resurs və şəhər quruluşunun bir-birinə uyğun və ya uyğunsuz olmasının məhsuldarlıq əlaqələrini dəyişdirməsi.
• Sərhəd aktivləşməsi: Ənənəvi şəhər mərkəzlərindən kənardakı yeni şəhər, sahil dəhlizi və inzibati sərhəd interfeyslərinin nəqliyyat, ictimai xidmətlər və institusional əlaqələr vasitəsilə daha güclü innovasiya sahələrinə çevrilə bilməsi.

NQPF Bu Tədqiqatda Dəqiq Nəyi Ölçür?

NQPF bu məqalədə birbaşa müşahidə olunan tək iqtisadi nəticə deyil; 89 A-share şirkətinin tədqiqat və inkişaf insan resursları, sabit və maddi aktiv quruluşu, Ar-Ge-yə ayrılan fiziki və birbaşa girişlər, qeyri-maddi aktivlər və əməliyyat səmərəliliyi kimi 11 göstəricisinin Entropiya Çəkisi Metodu ilə birləşdirilməsindən əldə olunan şirkət səviyyəli kompozit indeksdir. Buna görə məqalədəki “NQPF” dəyərləri patent sayı, ümumi satış və ya yalnız əmək məhsuldarlığı ilə eyniləşdirilə bilməz.

Şirkət səviyyəsində 11 NQPF göstəricisi

Mənbə cədvəldəki çəkilərin cəmi 100-dür. Bununla belə, bu tədqiqat NQPF anlayışını bu 11 göstəricili əməli təriflə ölçür; başqa bir tədqiqatdakı NQPF ölçmə sisteminin mütləq eyni olduğu nəticəsi çıxarılmamalıdır.

Tənlik (1): Entropiya Çəkisi Metodunda göstərici çəkisi

\[ w_j=\frac{1-e_j}{\sum_{j=1}^{11}(1-e_j)} \]

Formula nəyi hesablayır? \(j\) nömrəli göstəricinin kompozit NQPF indeksindəki obyektiv çəkisini hesablayır.

Dəyişənlər: \(w_j\), \(j\)-ci göstəricinin çəkisidir. \(e_j\), həmin göstəricinin informasiya entropiyasıdır. Surətdəki \(1-e_j\) göstəricinin informasiyanı fərqləndirmə qabiliyyətini ifadə edən termindir. Məxrəc 11 göstəricinin hamısı üzrə \(1-e_j\) dəyərlərinin cəmidir və çəkiləri ümumi miqyasda normallaşdırır.

Şərh: Tənlik informasiya entropiyası daha aşağı olan və nümunələri daha çox fərqləndirən göstəricinin kompozit indeksdə daha böyük çəki almasına imkan verir. Lakin mənbə bu metod bölməsində \(e_j\)-nin hesablanmasına dair ayrıca entropiya tənliyini vermir; Verianla mənbədə olmayan əlavə entropiya formulası əlavə etmir.

Tənlik (2): Şirkət səviyyəsində NQPF indeksi

\[ NQPF_i=\sum_{j=1}^{11} w_j P_{ij} \]

\(NQPF_i\), \(i\) nömrəli şirkətin kompozit NQPF dəyəridir. \(w_j\), Tənlik (1)-dən alınan göstərici çəkisidir. \(P_{ij}\), \(i\) şirkətinin \(j\) göstəricisi üzrə standartlaşdırılmış dəyəridir. Riyazi olaraq hər standartlaşdırılmış göstərici öz çəkisinə vurulur və 11 komponent toplanır.

Buna görə şirkət səviyyəsində NQPF dəyəri tək maliyyə nisbəti deyil, bir neçə ölçünü birləşdirən çəkili kompozit baldır.

Şirkət nöqtələri niyə KDE ilə fasiləsiz səthə çevrilir?

89 şirkət məkanda ayrı-ayrı nöqtələrdir. Qurulmuş mühit məlumatları isə 600 m × 600 m gridlər üzrə təqdim olunur. Yalnız şirkət olan gridlərdən birbaşa istifadə çoxlu sıfır dəyərli xana və parçalı asılı dəyişən yarada bilər. Buna görə tədqiqat şirkətlərin NQPF dəyərlərini məkana yayılmış fasiləsiz sıxlıq səthinə çevirir.

Tənlik (3): Kernel Density Estimation

\[ f_h(x)=\frac{1}{nh}\sum_{i=1}^{n}K\left(\frac{x-x_i}{h}\right) \]

Mənbəyə sədaqət qeydi: Tənlik (3) dərc olunmuş PDF-də yuxarıdakı kimi \(1/(nh)\) şəklində yazılmışdır. Verianla formulu standart ikiölçülü KDE ifadəsinə çevirmək məqsədilə məxrəcdə \(h^2\) kimi mənbədə olmayan dəyişiklik etməmişdir.

\(f_h(x)\), hədəf \(x\) mövqeyində qiymətləndirilmiş kernel sıxlığıdır. \(K(\cdot)\), kernel funksiyasıdır. \(h\), bant enidir və tədqiqatda 1,5 km olaraq sabitlənmişdir. \(n\), şirkət müşahidələrinin ümumi sayını ifadə edir; tədqiqatın şirkət nümunəsi 89-dur. \(x_i\), \(i\)-ci şirkətin mövqeyini təmsil edir.

Bant eni tək bir şirkət nöqtəsinin məkan təsirinin nə qədər geniş ətraf sahəyə yayıldığını müəyyən edən əsas parametrdir. Çox kiçik bant eni səthi həddindən artıq parçalı edə bilər; böyük bant eni isə yerli fərqləri həddindən artıq hamarlaşdıra bilər. Müəlliflər 1,5 km dəyərini yerli yayılmanı təmsil etməklə həddindən artıq parçalanmanı məhdudlaşdırmaq arasında tarazlıq kimi seçdiklərini, lakin gələcək tədqiqatlarda müxtəlif KDE bant enləri üçün həssaslıq təhlilinin aparılmalı olduğunu bildirirlər.

KDE səthindən hər 600 m × 600 m grid xanasının mərkəzindəki dəyər götürülərək sonrakı reqressiya modellərinin fasiləsiz asılı dəyişəni yaradılır.

Tənlik (4): Global Moran's I

\[ I= \frac{n}{S_0} \frac{ \sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}Z_iZ_j }{ \sum_{i=1}^{n}Z_i^2 } \]

\(n\), məkan vahidlərinin sayıdır. \(w_{ij}\), \(i\) və \(j\) məkan vahidləri arasındakı məkan çəkisidir. \(Z_i\) və \(Z_j\), müvafiq vahidlərin NQPF dəyərlərinin ortadan yayınmalarıdır. \(S_0\), bütün məkan çəkilərinin cəmidir.

Moran's I müsbət olduqda oxşar dəyərlərə malik məkan vahidlərinin bir-birinə yaxın qruplaşmağa meylli olduğu anlaşılır. Tədqiqatda Moran's I = 0,998 və p = 0 kimi bildirilmişdir. Müəlliflər bu çox yüksək avtokorrelyasiyanın bir hissəsinin KDE çevrilməsinin yaratdığı məkan davamlılığından qaynaqlandığını açıq şəkildə bildirirlər.

Moran's I nəticəsinin elmi rolu mühümdür: asılı dəyişənin güclü məkan qruplaşması göstərməsi, bütün sahə üçün tək sabit əmsal fərz edən yalnız OLS modelinin kifayət etməyə biləcəyinə dair əsaslandırma yaradır.

Tədqiqat sahəsi və məkan çözünürlüğü

Tədqiqat Çinin cənub-şərq sahilində Min-nan, yəni Cənubi Fujian regionunda yerləşən Xiamen, Zhangzhou və Quanzhou şəhərlərindən ibarət XZQ şəhər aqlomerasiyasını araşdırır.

Əsas təhlil vahidi 600 m × 600 m grid xanasıdır. Müəlliflər bu çözünürlüğün təxminən məhəllə miqyasında yerli heterogenliyi göstərə bildiyini, eyni zamanda daha kiçik gridlərdə yarana biləcək çoxsaylı sıfır dəyər problemini azaltmağa kömək etdiyini bildirirlər.

Şirkət səviyyəsindəki 89 NQPF dəyəri KDE vasitəsilə bu grid sisteminə daşınır və qurulmuş mühit göstəriciləri də eyni koordinat sistemi və eyni istinad gridi üzərində hizalanır. Beləliklə, asılı və izahedici dəyişənlərin məkan vahidləri ortaq hala gətirilir.

Qurulmuş mühit üzrə namizəd dəyişənlər

Məqalənin mətni 27 namizəd dəyişəndən bəhs edir. Lakin dərc olunmuş Cədvəl 1 görünən şəkildə aşağıdakı X1–X26 dəyişənlərini sadalayır:

Mənbədaxili uyğunsuzluq: Mətn 27 namizəd dəyişənin olduğunu deyərkən Cədvəl 1 X1–X26-nı göstərir. Məqalənin məkan paylanması izahında əlavə olaraq “census population (X27)” ifadəsi işlədilir. Metod bölməsində population density (POP) dəyişəninin ciddi endogenlik və makro-kolinearlıq səbəbindən VIF taramasından əvvəl çıxarıldığı bildirilir. Mənbə dərc edilmiş Cədvəl 1-də çatışmayan sətri açıq şəkildə vermədiyi üçün Verianla X27 ilə POP-un eyni tərif olduğunu qəti elmi fakt kimi tamamlamır.

Müxtəlif çözünürlükdəki məlumatlar necə ortaq hala gətirildi?

Mənbələr bina məlumatları, yol və POI məlumatları, NASA torpaq məlumatları, NDVI rasterləri və digər çoxmənbəli məkan məlumat dəstlərindən ibarətdir. Onların xam çözünürlükləri eyni deyil.

Tədqiqatda bütün məlumat dəstləri ortaq koordinat sisteminə proyeksiya edilərək standart 600 m × 600 m gridlə həndəsi olaraq hizalanmışdır. Nöqtə və xətt məlumatları grid xanalarında say və ya sıxlıq kimi cəmlənmiş; fasiləsiz rasterlərdə isə grid xanası daxilində orta piksel dəyərlərini əldə etmək üçün zonal statistics istifadə edilmişdir.

Son mərhələdə bütün aqreqasiya edilmiş izahedici dəyişənlər model qiymətləndirilməsindən əvvəl Z-score standartlaşdırılmasına məruz qalmışdır. Məqsəd müxtəlif ölçü vahidlərinə malik göstəriciləri müqayisə edilə bilən reqressiya miqyasına gətirməkdir.

VIF taraması niyə aparıldı?

Çoxsaylı qurulmuş mühit dəyişənlərinin bir-biri ilə güclü əlaqəli olması reqressiya əmsallarını qeyri-sabitləşdirə bilər. Buna görə ilkin OLS diaqnostik modelində Variance Inflation Factor (VIF) istifadə edilmişdir.

Müəlliflər klassik 10 həddindən daha sərt hədd istifadə edərək VIF < 7,5 şərtini tətbiq etmişlər. Yüksək VIF-li dəyişənlər ardıcıl olaraq çıxarılmışdır. Population density isə ciddi endogenlik və makro-kolinearlıq səbəbindən VIF prosesindən əvvəl çıxarılmışdır.

Əlavə Cədvəl A2 ilkin taramada bəzi dəyişənlərin son dərəcə yüksək VIF dəyərlərinə çatdığını göstərir: məsələn, X6 POI density üçün 522,593; X19 shopping services üçün 74,109; X18 catering services üçün 22,832; X20 life services üçün 22,829; X17 residential area üçün 11,825 və X11 enterprise density üçün 9,577 bildirilmişdir. Ardıcıl çıxarmadan sonra 18 dəyişən VIF < 7,5 şərti ilə əsas OLS modelində saxlanılmışdır.

RFE-CV necə işləyir?

VIF-dən sonra qalan bütün dəyişənləri birbaşa MGWR-yə vermək əvəzinə tədqiqat Recursive Feature Elimination with Cross-Validation istifadə edir. RFE baza reqressiya qiymətləndiricisi qurur, standartlaşdırılmış əmsal böyüklüyünə görə ən az informasiya daşıdığı düşünülən dəyişəni çıxarır və yeni dəyişən dəstini yenidən qiymətləndirir.

Hər dəyişən dəsti beşqat çarpaz doğrulama ilə sınaqdan keçirilir. Beləliklə, xüsusiyyət seçimi yalnız bütün məlumatdakı uyğunluğa deyil, doğrulama qatlarındakı performansa görə aparılır.

Tənlik (5): Orta çarpaz doğrulama R² dəyəri

\[ Mean\ CV-R^2(S^{(t)}) = \frac{1}{K} \sum_{k=1}^{K} R^2_{test,k}(S^{(t)}) \]

\(K=5\), doğrulama qatlarının sayıdır. \(S^{(t)}\), RFE prosesinin \(t\)-ci iterasiyasında saxlanılan xüsusiyyət dəstidir. \(R^2_{test,k}\), bu xüsusiyyət dəstinin \(k\)-cı doğrulama qatındakı test R² dəyəridir.

Formula beş doğrulama nəticəsini toplayıb beşə bölərək həmin xüsusiyyət dəstinin orta qatdan-kənar performansını verir. Bu dəyər daha sonra müxtəlif ölçülü xüsusiyyət dəstlərini müqayisə etmək üçün istifadə olunur.

Performans ilk dəyişənlərin əlavə edilməsi ilə sürətlə yüksəlir, yeddi dəyişən ətrafında artım aydın şəkildə yastılanır. Yeddi dəyişənli dəst mütləq maksimum deyil; daha az ölçü ilə 0,342274 dəyərini verdiyi üçün şərh oluna bilən və parsimonious model kimi seçilmişdir. On dörd dəyişənli dəst 0,343979 ilə RFE-CV yolu üzrə ən yüksək nəticəni verdiyi üçün highest-performing subset kimi seçilmişdir.

Buradakı təxminən 0,34 səviyyəli çarpaz doğrulanmış R² ilə sonradan MGWR-də əldə edilən 0,989–0,991 in-sample R² eyni qiymətləndirmə quruluşunun eyni metrikası deyil. Birincisi xüsusiyyət seçiminin beş doğrulama qatındakı performans ölçüsüdür; ikincisi KDE ilə hamarlaşdırılmış məkan səthi üzərində yerli əmsallı MGWR uyğunluğudur. Bu iki rəqəm bir-birinin əvəzinə istifadə edilə bilməz.

MGWR ilə GWR arasındakı əsas fərq nədir?

GWR bütün izahedici dəyişənlərin məkan əlaqəsinin vahid ortaq bant enində dəyişdiyini fərz etdiyi halda, MGWR hər dəyişənə ayrıca optimal bant eni təyin edir; beləliklə, məsələn, kəsişmə sıxlığının region boyunca sabit, tikinti sıxlığının isə yalnız müəyyən yerli sahələrdə dəyişkən davranması eyni model daxilində təmsil oluna bilər.

Tənlik (6): Ordinary Least Squares

\[ y_i=\beta_0+\sum_k\beta_kx_{ik}+\epsilon_i \]

\(y_i\), \(i\) məkan vahidindəki NQPF asılı dəyişənidir. \(x_{ik}\), həmin məkan vahidindəki \(k\)-cı qurulmuş mühit dəyişənidir. \(\beta_0\) sabit termin, \(\beta_k\) bütün tədqiqat sahəsi üçün vahid qlobal əmsal və \(\epsilon_i\) xəta terminidir.

OLS-nin bu kontekstdə kritik fərziyyəsi əmsalın coğrafi mövqeyə görə dəyişməməsidir. Məsələn, X3 kəsişmə sıxlığı üçün bir \(\beta_3\) qiymətləndirilir və bu əmsal Xiamen, Zhangzhou və ya Quanzhou-nun bütün gridlərində eyni qəbul edilir.

Tənlik (7): Geographically Weighted Regression

\[ y_i= \beta_0(u_i,v_i) + \sum_k \beta_k(u_i,v_i)x_{ik} + \epsilon_i \]

\((u_i,v_i)\), \(i\) məkan vahidinin coğrafi mövqeyidir. GWR-də əmsallar artıq mövqedən asılıdır. Buna görə eyni X3 dəyişəni müxtəlif gridlərdə fərqli əmsal ala bilər.

Bununla belə, standart GWR bütün dəyişənlər üçün vahid ortaq optimal bant eni istifadə edir. Bu, hər şəhər mexanizminin eyni məkan miqyasında işlədiyini fərz etmək deməkdir.

Tənlik (8): Multiscale Geographically Weighted Regression

\[ y_i= \beta_{bw0}(u_i,v_i) + \sum_k \beta_{bw_k}(u_i,v_i)x_{ik} + \epsilon_i \]

MGWR-də əsas dəyişiklik \(bw_k\)-dir. Hər \(k\) dəyişəninin öz optimal bant eni ola bilər. Beləliklə, bir dəyişən geniş coğrafiyada oxşar əlaqə göstərərkən başqa bir dəyişən daha çox yerli proses kimi modelləşdirilə bilər.

Mənbə böyük adaptiv bant enlərini — məsələn 864 — nümunə əhatəsinə yaxınlaşan quasi-global əlaqələrin göstəricisi kimi; 43 və ya 44 kimi kiçik bant enlərini isə daha yerli və kontekstdən asılı mexanizmlərin göstəricisi kimi şərh edir.

Model qiymətləndirmə metrikləri nə deyir?

• RSS — Residual Sum of Squares: Model proqnozları ilə müşahidə olunan asılı dəyişən arasındakı qalıq xətaların ümumi böyüklüyünü qiymətləndirir. Eyni məlumat və müqayisə quruluşunda daha aşağı dəyər daha güclü uyğunluğa işarə edir.
• AIC və AICc: Model uyğunluğu ilə mürəkkəbliyini birlikdə qiymətləndirən informasiya meyarlarıdır. AICc kiçik nümunə/effektiv parametr təsiri üçün düzəldilmiş formadır. Eyni müqayisədə daha aşağı dəyər üstün tutulur.
• R²: Modelin asılı dəyişəndəki variasiyanın nə qədərini eyni məlumat üzərində izah etdiyini göstərir.
• Adjusted R²: Əlavə dəyişən və ya model mürəkkəbliyinin R²-ni mexaniki şəkildə yüksəltməsini qismən cəzalandıran düzəldilmiş ölçüdür.
• ENP — Effective Number of Parameters: OLS-də faktiki qiymətləndirilən parametr sayını, GWR/MGWR-də isə məkan çəkiləndirməsi altında effektiv model mürəkkəbliyini təmsil edir.

NQPF-nin ilkin məkan paylanması

KDE nəticəsində NQPF səthi tək mərkəzli deyil. Mənbə bunu “Xiamen nüvəsi – Quanzhou ikinci dərəcəli mərkəzi – Zhangzhou zəif aqlomerasiyası” kimi təsvir edilən parçalı və çoxmərkəzli quruluş olaraq bildirir.

Ən yüksək sıxlıqlar Xiamen-də Siming və Huli rayonlarında müşahidə olunur. Quanzhou-da Licheng, Fengze və Jinjiang ikinci dərəcəli klasterlər yaradır. Zhangzhou-da Xiangcheng, Longwen və Longhai daha zəif aqlomerasiyalar göstərir və müəlliflər bunları Xiamen-dən gələn yayılma təsirləri ilə əlaqələndirirlər. Cənub və qərb Zhangzhou ilə Quanzhou-nun dağlıq qərb hissələrində KDE dəyərləri nəzərəçarpacaq dərəcədə aşağıdır.

Bu məkan izahı mənbə xəritələrinə əsaslanır. Xəritələrdəki sərhədlər, inzibati həndəsə və təsdiqlənmiş kartoqrafik qatlar təxmini şəkildə yenidən çəkilməmişdir.

Tədqiqatın Metodu və Nəticələri

OLS ilkin diaqnostika nəticələri

Moran's I təhlilindən sonra qurulmuş mühit dəyişənləri üçün OLS ilkin diaqnostika modeli qurulmuşdur. VIF eliminasiyasından sonra 18 dəyişən saxlanılmışdır.

Mənbədə *** p < 0,01, ** p < 0,05 və * p < 0,1 deməkdir.

OLS səviyyəsində tikinti sıxlığı, kəsişmə sıxlığı, torpaq istifadəsi qarışığı, bitki örtüyü və təhsil obyektləri NQPF ilə müsbət; orta bina hündürlüyü, yüksəklik, maliyyə xidmətləri və leisure services isə mənfi istiqamətdə əhəmiyyətli əlaqə göstərir. Lakin müəlliflər bu qlobal OLS əmsallarının məkanda hər yerdə eyni işləyən mexanizmlər kimi şərh edilməməli olduğunu xüsusi vurğulayırlar. OLS burada daha çox məkan üzrə dəyişən modellərə keçid üçün qlobal başlanğıc müqayisəsidir.

OLS, GWR və MGWR model uyğunluğunun müqayisəsi

OLS ən yüksək RSS və ən aşağı R² dəyərlərini verir. GWR əmsalların məkanda dəyişməsinə imkan verdikdə model uyğunluğu böyük ölçüdə yaxşılaşır. Lakin 7 dəyişəndən 14 dəyişənə keçdikdə GWR-nin R² dəyəri 0,877-dən 0,873-ə bir qədər azalır, AICc isə 5230,5-dən 5315,8-ə yüksəlir. Mənbə bunu daha mürəkkəb izahedici sistemdə bütün dəyişənlərə vahid ortaq məkan miqyası tətbiq etməyin yetərsiz qala biləcəyi kimi şərh edir.

MGWR isə hər iki alt çoxluqda ən aşağı RSS/AICc və ən yüksək R² dəyərlərini verir. On dörd dəyişənli MGWR bu tədqiqatın öz məlumat və modelləşdirmə şərtləri daxilində ümumilikdə ən güclü in-sample uyğunluğu göstərir.

MGWR-də R² = 0,991 Niyə “%99,1 Proqnoz Dəqiqliyi” Demək Deyil?

Çünki 0,991 dəyəri müstəqil test dəstində proqnoz dəqiqliyi deyil, KDE ilə məkan baxımından hamarlaşdırılmış və Moran's I = 0,998 səviyyəsində çox güclü avtokorrelyasiya daşıyan NQPF səthinə MGWR-nin eyni nümunə daxilində uyğunluğunu göstərən R²-dir; müəlliflər bunu açıq şəkildə nümunədənkənar proqnoz uğuru və ya səbəbli identifikasiya kimi şərh etmirlər.

Mənbə yüksək MGWR R² dəyərlərinin üç əsas səbəbə görə ehtiyatla şərh edilməsini istəyir:

1. Asılı dəyişən xam şirkət nəticəsi deyil; KDE ilə yaradılmış fasiləsiz və məkan baxımından hamarlaşdırılmış NQPF səthidir.
2. Moran's I = 0,998 olduğuna görə asılı dəyişən son dərəcə güclü məkan avtokorrelyasiyasına malikdir.
3. MGWR hər mövqe üçün yerli əmsallar və hər dəyişən üçün fərqli məkan bant enləri qiymətləndirərək hamar, lakin məkan baxımından stasionar olmayan əlaqələri qlobal modellərlə müqayisədə daha çevik uyğunlaşdırır.

Buna görə model yalnız R² ilə deyil; AICc, RSS, ENP, bant enləri və yerli əmsal nümunələri birlikdə qiymətləndirilmişdir.

Yeddi dəyişənli parsimonious MGWR modeli

Yeddi dəyişənli model aşağıdakı dəyişənlərdən ibarətdir:

• X1 tikinti sıxlığı
• X2 orta bina hündürlüyü
• X3 kəsişmə sıxlığı
• X7 yüksəklik
• X10 bitki örtüyü əhatəsi
• X23 təhsil obyektləri
• X25 səhiyyə xidmətləri

Bu modeldə X3 kəsişmə sıxlığı və X25 səhiyyə xidmətləri bütün yerli əmsallarda müsbətdir və 864 bant eninə malikdir. Mənbə bu iki dəyişəni nümunə daxilində near-global miqyasda nisbətən sabit baza şərtləri kimi şərh edir.

X1, X2, X7, X10 və X23 isə daha kiçik bant enlərinə və həm müsbət, həm də mənfi yerli əmsallara malikdir. Buna görə bunlar bütün region üçün eyni istiqamətli universal hərəkətvericilər deyil.

Yeddi dəyişənli modeldə məkan nümunələri

Daxili hissədəki Yongchun–Dehua sərhədi ətrafında kəsişmə sıxlığının müsbət əmsalları xüsusilə güclüdür. Müəlliflərin şərhinə görə, ilkin əlçatanlığın daha aşağı olduğu sahələrdə yol bağlantısının yaxşılaşması amil mobilliyi və əməliyyat xərcləri baxımından daha yüksək marjinal qarşılıq göstərə bilər.

Xiamen və Zhangzhou-nun yetkin mərkəzlərində isə tikinti sıxlığının bəzi güclü mənfi əmsalları ortaya çıxır. Xüsusən Siming-in cənub-qərb köhnə şəhər nüvəsində tikinti sıxlığı mənfi istiqamətdə nəzərəçarpan olur, səhiyyə xidmətləri isə Xiamen Adası, mərkəzi Zhangzhou və şərqi Quanzhou sahillərində güclü müsbət əlaqələr göstərir.

Bu nəticə “yüksək sıxlıq pisdir” kimi universal hökm deyil. Mənbənin şərhinə görə, çox yetkin mərkəzlərdə torpaq təzyiqi, tıxac və funksional doyma artdıqda əlavə fiziki sıxlıq əvvəlki qədər məhsuldarlıq üstünlüyü təmin etməyə bilər; yüksək səviyyəli xidmətlər isə istedadın saxlanması, əmək bazarı uyğunlaşması və həyat keyfiyyəti ilə tamamlayıcı ola bilər.

On dörd dəyişənli highest-performing MGWR modeli

On dörd dəyişənli model yeddi dəyişənli nüvəni qoruyaraq torpaq istifadəsi qarışığı, çay şəbəkəsi sıxlığı, dövlət qurumları, maliyyə xidmətləri, yerləşdirmə, ictimai nəqliyyat stansiyaları və leisure services kimi funksional/institusional dəyişənləri əlavə edir.

Bu genişləndirilmiş modeldə X3 kəsişmə sıxlığı, X14 maliyyə xidmətləri, X22 ictimai nəqliyyat stansiyaları və X26 leisure services bütün gridlərdə müsbət yerli əmsallara və 864 bant eninə malikdir. Bunlar mənbə tərəfindən on dörd dəyişənli spesifikasiyada quasi-global əlaqələr kimi şərh olunur.

X13 dövlət qurumlarının əmsalları gridlərin %84,05-ində müsbətdir. Buna qarşılıq torpaq istifadəsi qarışığı, çay şəbəkəsi, yerləşdirmə, təhsil və səhiyyə kimi dəyişənlərdə işarə dəyişiklikləri aydındır.

Səhiyyə dəyişəninin iki model arasında dəyişməsi niyə vacibdir?

Yeddi dəyişənli modeldə X25 healthcare orta əmsalı 0,112, müsbət əmsal payı %100 və bant eni 864-dür. On dörd dəyişənli modeldə orta əmsal −0,135-ə, müsbət pay %34,10-a və bant eni 44-ə çevrilir.

Müəlliflər bunu “səhiyyə xidmətləri əslində zərərlidir” kimi şərh etmirlər. Parsimonious modeldə healthcare dəyişəninin şəhər mərkəziliyi, xidmət bütövlüyü və ya ümumi amenity keyfiyyəti kimi daha geniş xüsusiyyətlərin bir hissəsini proxy kimi daşıya biləcəyi; maliyyə, ictimai nəqliyyat, leisure, dövlət qurumu və torpaq istifadəsi qarışığı modelə əlavə olunduqda bu ortaq izahedici gücün ayrışdığı irəli sürülür.

Beləliklə, geniş modeldə X25 əmsalı daha zəngin funksional kontekstlə şərtlənən xalis yerli əlaqəyə yaxınlaşır. Eyni məntiq təhsil obyektləri və bitki örtüyü əmsallarındakı dəyişikliklər üçün də istifadə olunur.

Bant enləri nə göstərir?

Bu cədvəl MGWR-nin niyə yalnız “hər yerdə fərqli əmsal” modeli olmadığını göstərir. Model eyni zamanda hər dəyişənin hansı məkan miqyasında dəyişdiyini qiymətləndirir.

Birinci mexanizm: ekoloji uyğunlaşma

Tədqiqatda təbii mühit dəyişənlərinin təsiri birtərəfli deyil. Yüksəklik, çay şəbəkəsi və bitki örtüyü kimi dəyişənlər çox kiçik və ya orta bant enlərinə malik olur və əmsal işarələri mövqeyə görə dəyişə bilir.

Xüsusən şimali daxili Quanzhou-dakı Yongchun–Dehua sərhədi ətrafında kəsişmə sıxlığının marjinal müsbət əlaqəsi daha güclüdür. Müəlliflər bunu baza əlçatanlığının zəif olduğu regionlarda bağlantı yaxşılaşmalarının amil mobilliyi və əməliyyat xərclərində daha böyük qarşılıq göstərə bilməsi ilə əlaqələndirirlər.

Lakin bu nəticə “daha çox yol hər yerdə NQPF-ni artırır” şəklində səbəbli siyasət sübutu deyil. Əmsalların yüksək olduğu sahələr tədqiqat modelindəki məkan əlaqəsi nümunələridir.

İkinci mexanizm: struktur koordinasiya və yetkin mərkəzlərdə sıxlaşma

Siming-in yetkin şəhər mərkəzi ilə Quanzhou-dakı Licheng–Fengze nüvəsində tikinti sıxlığı, torpaq istifadəsi qarışığı və bəzi ictimai xidmət dəyişənləri yerlərdə mənfi əmsallara çevrilir.

Mənbə bunu sadəcə “sıxlıq pisdir” kimi izah etmir. Daha inkişaf etmiş şəhər nüvəsində torpaq qiymətləri, nəqliyyat sürtünməsi, funksional üst-üstə düşmə, xidmət rəqabəti və məkan doyması artdıqda əlavə obyekt və ya əlavə tikinti sıxlığının xalis yerli töhfəsi zəifləyə bilər.

Bunun əksinə, inkişaf mərhələsi davam edən Zhangzhou nüvəsində maliyyə, ictimai nəqliyyat və leisure services üçün güclü müsbət əmsal bölgələri üst-üstə düşür. Müəlliflər bunu müxtəlif inkişaf mərhələlərindəki şəhərlərin eyni xidmət yığımına eyni şəkildə reaksiya vermədiyini göstərən asimmetriya kimi şərh edirlər.

Üçüncü mexanizm: sərhəd aktivləşməsi

Tədqiqatın ən aydın nəticələrindən biri innovasiya yönümlü məhsuldarlığın yalnız ənənəvi mərkəzlərdə cəmlənməsinin zəruri olmadığını göstərməsidir.

Longhai-nin Siming-ə baxan sahil zolağı, Jimei–Tong'an sərhədi və Hui'an–Fengze interfeysi kimi sahələr bəzi model əmsallarında yüksək həssaslıq göstərir. Burada dövlət qurumları, səhiyyə xidmətləri, nəqliyyat və digər funksiyalar yalnız mərkəzdən passiv şəkildə yayılan təsirlər kimi deyil, sərhəd bölgələrində funksiyaların yenidən təşkilinin hissələri kimi nəzərdən keçirilir.

“Sərhəd aktivləşməsi” buna görə sadəcə şəhərdən kənara yayılma deyil. Müəlliflərin çərçivəsində inzibati, nəqliyyat və xidmət resurslarının interfeys sahələrində yenidən birləşməsi nəzərdə tutulur.

İki model niyə birlikdə oxunmalıdır?

Yeddi dəyişənli model “hansı əsas amillər struktur skeletini yaradır?” sualına daha yaxın cavab verir. On dörd dəyişənli model isə “müxtəlif funksiyalar və inkişaf mərhələləri əlavə ediləndə bu amillərin əlaqəsi harada və necə yenidən təşkil olunur?” sualını açır.

Buna görə bir dəyişənin iki model arasında əmsal dəyişdirməsi avtomatik olaraq ziddiyyət deyil. Dəyişənin əvvəlki modeldə başqa şəhər xüsusiyyətləri üçün proxy funksiyası daşıması, genişləndirilmiş modeldə isə bu ortaq izahedici gücün maliyyə, nəqliyyat, institusional resurs və ya xidmət dəyişənləri arasında ayrılması mümkündür. Mənbə xüsusən healthcare, təhsil və bitki örtüyü nümunələrində bu şərhdən istifadə edir.

Tədqiqatın dəstəklədiyi tapıntılar

• NQPF-nin KDE səthi XZQ regionunda çox güclü məkan qruplaşması göstərir; Moran's I 0,998 kimi bildirilmişdir.
• OLS-nin qlobal sabit əmsal modeli GWR və xüsusilə MGWR ilə müqayisədə daha aşağı in-sample uyğunluq göstərir.
• Yeddi dəyişənli parsimonious model aşağı ölçülülüklə əsas struktur amillərini ayırmaq üçün istifadə oluna bilər.
• On dörd dəyişənli model RFE-CV mərhələsində ən yüksək Mean CV-R² dəyərini, MGWR mərhələsində isə ən güclü ümumi in-sample model uyğunluğunu vermişdir.
• Kəsişmə sıxlığı hər iki MGWR modelində 864 bant eni və tamamilə müsbət yerli əmsallarla sabit near-global dəyişən kimi görünür.
• Səhiyyə, təhsil, bitki örtüyü, torpaq istifadəsi qarışığı və bəzi digər dəyişənlərin əmsalları modelə və mövqeyə görə işarə dəyişə bilər.
• Yetkin şəhər mərkəzləri, böyüyən mərkəzlər, sərhəd bölgələri və daxili ekoloji sahələr eyni qurulmuş mühit amillərinə eyni şəkildə reaksiya vermir.

Tədqiqatın dəstəkləmədiyi nəticələr

• Qurulmuş mühit dəyişənlərinin NQPF-dəki dəyişiklikləri səbəbli şəkildə yaratdığı sübut edilməmişdir.
• MGWR R² = 0,991 dəyəri %99,1 real dünya proqnoz dəqiqliyi demək deyil.
• XZQ-da tapılan əmsalların başqa ölkələrdə və ya şəhərlərdə eyni olacağı göstərilməmişdir.
• Bir dəyişənin müəyyən regionda mənfi əmsala malik olması həmin xidmətin və ya quruluşun ümumilikdə “zərərli” olduğunu sübut etmir.
• 864 bant eninə malik müsbət əlaqə eksperimental müdaxilənin bütün regionda eyni nəticə verəcəyini sübut etmir.
• KDE ilə əldə olunan fasiləsiz NQPF səthi 600 m gridlərdə birbaşa müşahidə olunan şirkət məhsuldarlığı deyil; şirkət nöqtələrindən yaradılmış məkan yayılması səthidir.

Tədqiqatın əsas məhdudiyyətləri

Səbəbiyyət: Tədqiqat müşahidəvi və kəsiyə əsaslanır. Qurulmuş mühit dəyişənlərinin məhsuldarlığı yönləndirdiyi fərz edilsə də, əks səbəbiyyət və ya siyasət şokları, tarixi inkişaflar və başqa müşahidə edilməmiş qarışdırıcılar istisna edilə bilmir.

Məlumat proxy-ləri: İctimai xidmət və POI əsaslı göstəricilər faktiki əlçatanlıq, xidmət keyfiyyəti və ya tutumdakı daha incə fərqləri tam təmsil etməyə bilər.

Yerli əmsal qeyri-müəyyənliyi: MGWR çoxsaylı yerli əmsallar yaradır. Müəlliflər multiple testing və yerli əmsal qeyri-müəyyənliyi problemini qəbul edirlər. Tədqiqat daha dayanıqlı nümunələrə fokuslanmış; gələcək üçün inferential correction və ya Bayesian spatial modeling təklif edilmişdir.

KDE bant eni: 1,5 km bant eni sabit seçilmişdir. Müəlliflər alternativ KDE bant enlərinin gələcəkdə həssaslıq təhlili ilə sınaqdan keçirilməli olduğunu bildirirlər.

Ümumiləşdirilə bilmə: Nüvə–sərhəd–ekologiya tipologiyasının başqa şəhər regionlarında və ya ölkələrdə təkrarlanması tələb olunur.

Zaman ölçüsü: Kəsik quruluş dəyişənlərin zaman içində çevrilməsini və dinamik səbəbiyyəti birbaşa göstərmir. Müəlliflər gələcəkdə longitudinal məlumat, quasi-experimental dizaynlar, difference-in-differences, məkan paneli və spatio-temporal modellər təklif edirlər.

Nümunədənkənar doğrulama: Çox yüksək MGWR R² dəyərlərinə baxmayaraq, müstəqil doğrulama nümunələri və spatial cross-validation ilə proqnoz dayanıqlığının ayrıca qiymətləndirilməsi lazımdır.

Gələcək tədqiqatlar üçün təklif olunan istiqamətlər

Mənbə yeni avtomagistral açılışları kimi hadisələrdə difference-in-differences dizaynlarının istifadəsini, şəhərlərarası şəbəkələr və əmək axınları kimi yeni dəyişənlərin əlavə edilməsini, MGWR-nin statistik miqyaslarının əməli şəhər miqyasları ilə daha açıq əlaqələndirilməsini, müxtəlif şəhər regionlarında xarici doğrulama aparılmasını, MGWR-nin maşın öyrənməsi ilə birləşdirilməsini, spatio-temporal model qurulmasını, alternativ KDE bant enlərinin sınaqdan keçirilməsini və müstəqil doğrulama nümunələrinin istifadəsini gələcək tədqiqat sahələri kimi göstərir.

Mənbə və Metod Qeydi

Orijinal başlıq: Modeling the Built Environment’s Role in Shaping Innovation-Oriented Productivity Through a Spatially Heterogeneous Lens

Müəlliflər: Yan Gu; Yifei Hou; Yudie Zhang; Ruoxi Zhang; Lemin Zhang.

Corresponding authors: Yan Gu və Ruoxi Zhang.

Bərabər töhfə: Mənbədə ortaq birinci müəllif/bərabər töhfə işarəsi bildirilməmişdir.

Qurum 1: The Environmental Sustainability Research Centre (ESRC), Fuzhou University, Xiamen 361000, China.

Qurum 2: School of Architecture and Civil Engineering, Xiamen University, Xiamen 361005, China.

Jurnal: Urban Science.

Nəşriyyat: MDPI, Basel, Switzerland.

Cild / say / məqalə: Volume 10, Issue 7, Article 402.

DOI: 10.3390/urbansci10070402.

Rəsmi keçid: https://doi.org/10.3390/urbansci10070402

Göndərilmə: 11 Yanvar 2026.

Reviziya: 11 May 2026.

Qəbul: 4 İyun 2026.

Nəşr: 10 İyul 2026.

Mənbə növü: Article; müşahidəvi, kəsiyə əsaslanan, məkan ekonometrik/şəhər analizi tədqiqatı.

Hakemlik statusu: Hakemli Urban Science jurnalında dərc edilmiş Version of Record məqaləsidir.

Lisenziya: Creative Commons Attribution (CC BY).

Nümunə: Xiamen–Zhangzhou–Quanzhou şəhər aqlomerasiyasındakı 89 yerli A-share birjasında kotirovka olunan şirkət.

Əsas məkan vahidi: 600 m × 600 m grid.

NQPF ölçülməsi: 11 maliyyə və əməliyyat göstəricisinin Entropiya Çəkisi Metodu ilə kompozit indeksə çevrilməsi.

KDE: ArcGIS 10.8; mənbədə bant eni 1,5 km kimi bildirilmişdir.

RFE-CV: Python 3.13.5; beşqat çarpaz doğrulama.

MGWR: MGWR Version 2.1.2, Spatial Analysis Research Center, Tempe, Arizona, USA.

Maliyyələşdirmə: General Project of MOE Foundation for Humanities and Social Sciences, Youth Project, 23YJCZH058; Fujian Provincial Social Science Foundation Key Project, FJ2023A014; National Natural Science Foundation of China, 52478072; General Project of Fujian Provincial Social Science Fund, FJ2024B209.

Etika komitəsi: Tədqiqat ictimaiyyətə açıq, anonimləşdirilmiş məlumat mənbələrinə əsaslandığı üçün etik baxış və məlumatlandırılmış razılıq tələb olunmadığı bildirilmişdir.

Məlumatlandırılmış razılıq: Tətbiq edilmir.

Məlumat əlçatanlığı: Məqalənin nəticələrini dəstəkləyən xam məlumatların müəlliflərdən tələb əsasında təqdim ediləcəyi bildirilir.

Maraqlar toqquşması: Müəlliflər competing interests olmadığını bəyan edirlər.

Müəllif töhfələri: Konseptuallaşdırma Yan Gu; metodologiya Yan Gu, Yifei Hou və Yudie Zhang; proqram təminatı Yan Gu, Yifei Hou və Yudie Zhang; doğrulama Yan Gu və Yifei Hou; formal təhlil bütün müəlliflər; tədqiqat Yan Gu, Yifei Hou və Yudie Zhang; resurslar Yan Gu, Ruoxi Zhang və Lemin Zhang; ilkin layihə Yan Gu; nəzərdən keçirmə və redaktə Yan Gu və Yifei Hou; vizuallaşdırma Yan Gu və Yifei Hou; nəzarət Yan Gu və Ruoxi Zhang; layihə idarəçiliyi Yan Gu, Ruoxi Zhang və Lemin Zhang; maliyyə təminatı Yan Gu, Ruoxi Zhang və Lemin Zhang.

Mənbədaxili göstərici qeydi: Məqalə mətni 27 namizəd qurulmuş mühit dəyişənindən bəhs edir; dərc edilmiş Cədvəl 1 görünən şəkildə X1–X26-nı göstərir. Sonrakı bölmədə “census population (X27)” ifadəsi var və metod həmçinin population density (POP) dəyişəninin VIF taramasından əvvəl çıxarıldığını deyir. Çatışmayan cədvəl sətri mənbədən qəti şəkildə həll edilə bilmədiyi üçün Verianla bu nöqtəni mənbədə olduğu kimi qeyri-müəyyən saxlamışdır.

Kodlaşdırma qeydi: Land Use Mix Index mənbə Cədvəl 1-də MLU, bəzi sonrakı cədvəllərdə MUL və RFE dəyişən siyahılarında mlu kimi yazılmışdır. Elmi dəyişən X5 Land Use Mix Index-dir; Verianla mənbədəki kod fərqini yeni dəyişən kimi şərh etməmişdir.

Tənlik qeydi: KDE Tənlik (3) mənbə PDF-də \(1/(nh)\) çarpanı ilə dərc olunmuşdur. Verianla formulu başqa standart KDE ifadəsinə çevirməmiş və mənbədə yazılmış riyaziyyatı qorumuşdur.

Əsas metodoloji sərhəd: Tədqiqat kəsiyə əsaslanan və müşahidəvidir. MGWR əmsalları məkan əlaqəsi nümunələrini göstərir, səbəbiyyəti sübut etmir. Çox yüksək MGWR R² dəyərləri KDE ilə hamarlaşdırılmış, yüksək avtokorrelyasiyalı asılı səth üzərində in-sample izah etmə qabiliyyətidir; müstəqil test performansı deyil.