资源产业空间集聚、传导要素萃取与“资源诅咒”中介效应研究
薛雅伟1,2,3，张 剑4，云乐鑫5
(1.青岛理工大学管理工程学院，山东 青岛 266520；2.青岛理工大学滨海人居环境学术创新中心，山东 青岛 266033；3.智慧城市建设管理研究中心(新型智库)，山东 青岛 266520；4.中央财经大学政府管理学院，北京 100081；5.青岛理工大学商学院，山东 青岛266520)
摘 要： 针对“资源诅咒”测度中存在的问题，对其进行再剖析，找出学术界对“资源诅咒”的质疑以及质疑中仍未解决的问题，即“资源诅咒”分析中指标选取的科学性问题。通过研究发现，产业空间集聚度可以更好地替代产业依赖度作为自然资源丰裕的测度指标，在此基础上选取我国油气资源城市作为研究对象，构建基于产业空间集聚度的区域经济增长计量模型，进行实证分析与假说检验，并萃取显著传导要素，分析其对产业空间集聚与区域经济增长关系的传导作用。借鉴B-K中介效应分析方法，构建“资源诅咒”传导机理的中介效应模型，进一步明确“资源诅咒”的测度指标与传导要素变量的具体关系，挖掘油气资源城市“资源诅咒”的传导机制，绘制“资源诅咒”传导机制模型。结果显示：资源产业空间集聚对于区域经济增长存在倒U型曲线关系；而物质资本投资和制造业发展对于上述“促进”关系存在遏抑作用；技术创新投入、人力资本水平和居民储蓄能力对于上述“抑制”关系存在缓释作用；在“资源诅咒”效应的抑制方面，应该着重发挥技术创新、人力资本投资以及居民储蓄能力等要素的调节作用。
关键词： 空间集聚；要素萃取；“资源诅咒”；传导机制；B-K中介效应
1 引言
自然资源在国家、地区经济发展和居民福利水平提升中发挥着举足轻重的作用，其丰裕程度与经济增速间的关系一直是学者关注的焦点问题。“资源诅咒”假说的提出，进一步凸显了两者关系的复杂性[1]，在学术上和实践中具有重要的研究价值和现实意义。
针对“资源诅咒”假说的验证和传导分析，许多学者均已从不同层面展开研究。其中，以Sachs和Warner[1]、Gylfason和Zoega[2]、Audy[3]为代表的学者从跨国层面证明“资源诅咒”普遍存在；另一部分以国外Steinar[4]、Corrigan[5]、Oskenbayev等[6]、Anne等[7]及国内徐康宁和韩剑[8]、胡援成和肖德勇[9]、邵帅[10]、傅利平和王中亚[11]为代表的学者，则在一国内部通过实证检验发现自然资源丰裕程度指标与区域经济增长指标呈负向关联。虽然对“资源诅咒”成立的支持者居多，但学术界对该假说的质疑却从未停止，主要归结为以下三方面问题：
①资源丰裕国家或地区的成功案例，是质疑者最常用的反驳论据。Rosser[12]通过对印度尼西亚案例分析得出“资源诅咒”并非普适性规律；Lederman和Maloney[13]利用25年间的跨国数据测算自然资源丰裕度与经济增长的相关关系，研究发现“资源诅咒”并不存在；国内学者丁菊红和邓可斌[14]、张贡生和李伯德[15]、方颖等[16]也在不同地区层面揭示“资源诅咒”现象并未出现。②解释变量存在内生性问题。该问题的提出源自Brunnscherweiler和Bulte[17]质疑Sachs和Warner采用初级产品出口作为资源丰裕程度的测度指标可能引发的内生性问题，即该指标为内生解释变量，会导致使用最小二乘法估计结果不能真实地反映出“资源诅咒”是否存在，更无法准确测算传导作用。Murshed和Serino[18]则从遗漏变量的视角考察指出内生性问题。③自然资源相关度量指标选取的科学性，是被质疑的焦点。Bulte等[19]对被广泛沿用的初级产品出口份额度量指标进行修正，首次提出采用自然资源储量替代初级产品出口份额作为度量指标，研究发现该修正指标可以通过弱化制度质量抑制经济增长。但针对自然资源丰裕度这一度量指标，Mehlum等[20]、Alexeev和Conrad[21]则分别从跨国截面数据、人均资源占有量等不同层面和视角开展实证研究，结果表明并非所有研究均能证明诅咒现象的存在。Stijns[22]则进一步提出资源产业依赖度与自然资源丰裕度是两个概念，前者应替代后者作为“资源诅咒”模型中新的度量指标，并通过计算该指标与制度质量指标的作用关系发现，不同资源对制度质量的影响不近相同。
针对上述问题，通过文献梳理总结发现，以Ding Ning和Field[23]、邵帅和杨莉莉[24]为代表的学者提出有条件的“资源诅咒”假说，在一定范围内减少了学术界对于问题①的分歧[25]；Roodman[26]和魏国学等[27]采用DIF-GMM方法估计动态面板数据回归模型，并在Haber和Menaldo[28]进一步补充影响要素的条件下，将产生内生性问题的可能降到最低。针对指标选取的科学性问题，国内外学者多选取相对简单的初级产品出口比重、初级产品部门产值的占比测度以及初级产品部门从业人员数占比测度等作为度量指标[29-32]，由于指标测算相对简单，无法全面、科学地反映油气资源的丰裕程度抑或资源丰裕地区对资源产业的依赖程度[33]。因此，需要更为科学、合理的度量指标作为分析模型的目标解释变量。此外，当前“资源诅咒”传导分析方法相对单一，且多借鉴和采用可直接观察测算的面板回归模型[16]，忽略了在传导过程中无法预测或控制的中介效应，这给通过实证分析萃取影响要素揭示“资源诅咒”传导效应造成了困难。
基于上述分析，本文将采用资源产业空间集聚度指标替代资源产业依赖度指标[34]，以油气资源城市作为研究样例，通过构建区域经济增长的计量回归模型，萃取影响“资源诅咒”效应的传导要素，进而基于B-K中介分析方法建立“资源诅咒”传导的中介效应模型，以期从经济视阈和地理视阈共同揭示因资源丰裕而形成区位集聚特征，深入挖掘与分析“资源诅咒”的传导机制，为破解“资源诅咒”、实现经济长效发展提供科学的理论指导与数据支撑。根据测算结果，本文选取的资源产业空间集聚度指标，能更好地反映资源产业在区位上的被依赖程度，而非仅从规模上对其影响进行测算，可以替代资源丰裕度指标抑或测算资源丰裕地区的资源产业依赖度指标。同时，本文构建的中介效应模型除考虑直接影响参数之外，亦将包含某种内部机制的中介影响参数考虑其中，参照B-K中介效应检验程序，通过基于动态面板数据(Dynamic Pannel Data)的广义矩估计方法，对中介效应模型的参数进行了测算。通过比较静态、动态面板数据模型和中介效应模型的实证研究结果，给出油气资源城市“资源诅咒”传导概念模型，丰富了如何破解“资源诅咒”效应、实现区域经济长效发展的研究视阈。
（3）科学资金的出资方将预付一笔论文处理费给期刊社，确保论文永久开放，而不只是混合开放获取模式中的开放选择；作者不仅不需要付费，而且还拥有著作权益。
被解释变量G t 为人均GDP增长率，单位为元/人，计算公式为：
2 “资源诅咒”指标的重新测度
2.1 测算方法
测算方法的选取不仅要考虑过程的合理性，也要考虑指标数据的可得性与真实性。本文通过对常用的产业集聚测算方法(如赫芬达尔指数、熵指数、空间基尼系数、E-G集聚指数、DO指数)进行对比分析发现，Krugman[35]的空间基尼系数依据在i 区域的j 产业结构的空间洛伦兹曲线进行测算，不受限于企业区位分布数据的可得性，亦无须考虑企业之间规模差异，可作为资源产业空间集聚度的测算指标。由此，根据Krugman的测算方法，其原计算公式为：
(1)
式中，σ 为Krugman算式的空间基尼系数指标，S i 表示i 地区某产业(资源产业)占该地区上级行政区域该产业(资源产业)从业人员数的比重，x i 表示i 地区全行业从业人员数占上级行政区域全行业从业人员数的比重。
由公式1可知，产业空间基尼系数为零，说明i 地区某产业在该地区的分布相对均匀；产业空间基尼系数越大，表明i 地区某产业在该地区存在集聚现象。当S i -x i 为负值时，即产业空间集聚现象不明显，且该产业在i地区不存在“密集”分布，反而存在“离散”分布的可能。|S i -x i |越大，则说明某产业在该地区的集聚现象或分散现象越明显，但并不确定是集聚还是分散的。由此，对式1进行改进，改进后的资源产业空间集聚算式如下：
(2)
式中，ω 表示资源产业空间基尼系数，由原公式中平方项的加和变为三次方项的加和，
仍表示i 地区资源产业占全国该产业从业人员的比重，
表示该地区从业人员占全国总从业人员的比重。改进后的测算方法不仅可以通过数值大小反映集聚的程度，还能通过结果的正负判断该产业处于集聚或离散的状态。当测算结果等于零时，该产业在i 地区均匀分布；当测算结果为正值时，该产业在i 地区的空间布局上是集聚的，数值越大说明集聚程度越高；当测算结果为负值时，该产业在i 地区的空间布局上是离散的，数值越小说明离散程度越高。
此外，对于延伸组分除只按碳数进行归类外(处理方式1)，一般还将苯、甲苯、环己烷、甲基环己烷等组分进行单独定量分析(处理方式2)，两个实际天然气样品按照数据处理方式2获得的结果见表2。
2.2 研究样本与数据来源
选取我国地级油气资源城市作为数据样本，剔除1998-2013年间行政区划有较大调整，且与其他城市有较大差距的油气资源城市，确定10座地级行政区划城市为研究样本，见表1。
综上所述，在对心血管疾病患者进行临床治疗的同时，应加强护理方面的工作，减慢其身体机能下降的速度，避免治疗过程中出现护理风险事件的概率。长期临床护理实践表明，采用全程健康教育模式与风险护理联合的护理方式，能够有效避免护理风险的发生，提高护理工作的整体质量，对心血管患者及医护人员都具有非常重要的临床价值。
近几十年来，新的教学方法不断涌现，其中PBL教学法的发展引人注目，有大量研究对PBL教学法进行了探讨[1～5]。很多研究发现，PBL教学法在培养学生自主学习、解决问题和创新能力等方面取得了良好效果。但也有研究发现，PBL教学法存在一些问题[4，5]，比如许多课程直接套用经典PBL教学法困难重重，或在应用过程中因受学生、教师或教学条件等方面的限制导致教学效果欠佳等。PBL教学法在临床和基础医学的很多课程中得到了广泛应用，但在大学生心理健康课程中的研究报道很少，PBL教学法是否适用于大学生心理健康课程，经典PBL教学法是否需要调整以便取得更好效果等问题有待深入探讨。
表1 研究样本中油气资源城市名单
产业空间集聚的测度主要依据四个相关统计指标，分别是公式3中求解S i 和x i 用到的i 地区及上级地区资源产业从业人员数和全行业从业人员数。鉴于我国油气资源城市层面的从业人员数据的统计口径自1998年始做出新调整，因此这四个指标选取1998-2013年间的统计数据值作为样本观察值，主要指标数据值来源于《中国城市统计年鉴》的劳动力人员从业状况及按行业划分从业人员情况等统计数据，缺失数据由插值法补齐。
2.3 测算结果及比较分析
为验证资源产业空间集聚度ω 是否能够替代资源产业依赖度RD [36]，将样本数据代入公式3进行资源产业空间基尼系数测算，并对二者的测算结果进行比较分析，见表2。由表2可知，我国油气资源城市产业空间集聚度的合计值为22.77，说明我国确实存在油气资源产业的空间集聚现象；绝大多数城市的测算结果为正值，说明资源产业在这些城市均为集聚分布。仅有南阳的测算结果为负值，从表1可知，南阳属于再生型城市，结果说明该市已经通过产业转型升级摆脱对油气资源产业的依赖。
ω it =χ 0+χ 1HC it +μ it
排名次序对比显示，变化较大的是东营、大庆、唐山、松原，分别由第2下降为第6、第4下降为第7、第7上升为第4和第5上升为第2(先RD 后ω )，
表2 资源产业空间集聚与产业依赖的比较分析
注：(1)ω表示资源产业空间集聚指标，RD表示资源产业依赖指标。(2)ω和RD的单位均为百分比。
其他各城市两指标间的测算结果排名变化不大。那么与资源产业依赖度相比，资源产业空间集聚的测算结果为什么会出现相对明显的变化？以松原为例，与其他城市相比，其人均GDP排名相对靠后(第7名)，发展规模较小，发展速度优势并不明显。资源产业依赖测算排名第5，排名上并不靠前是由于其油气资源的储、产规模与其他城市相比(如排名比他靠前的东营、大庆等)相对较小。而通过资源产业空间集聚度的测算，其排名由第5上升为第2，可见松原的经济发展更加依赖资源产业。充分验证了资源产业空间集聚度这一指标并非仅从规模上对资源产业影响进行测算，而且能够更好地反映资源产业在区位上的被依赖程度，可以作为计量经济模型的目标解释变量。
3 基于产业空间集聚度的传导要素萃取
3.1 模型构建、指标筛选与数据来源
在分析传导要素对资源产业空间集聚指标与区域经济增长关系的具体影响时，不仅考虑利用横截面数据对规模经济进行分析，同时还要考虑利用时间序列数据分析资源产业空间集聚等变量随时间变化的个体异质性问题。鉴于经济分析的实际情况，采用二维数据模型(时间序列回归模型或截面数据回归模型)无法满足三维数据的估计特征[37]。需采用能够反映截面、时间和变量(指标)三个维度的面板数据回归模型，实现对区域经济增长的规模特征以及个体时间差异特征的分析。因此，基于产业空间集聚度的油气资源城市区域经济增长的计量回归模型采用面板数据回归模型进行计算分析。
区域经济增长模型的构建不仅要选取合理的“资源诅咒”测度指标，即目标解释变量，还要尽可能全面地考虑传导要素变量，主要包括学术界认同的主要生产投入要素和可能影响“资源诅咒”传导的要素变量，并将其全面反映在区域经济增长的计量回归模型中，模型的简化形式为：
y i =α i +x i β i +u i ,i =1,2,…,N
(3)
式中，y i 是T*1维被解释变量向量，x i 是T*1维解释变量矩阵，u i 是T*1维扰动项向量，满足均值为零、方差为σ u 2的假设。这一模型的基本形式可以划分为三种类型，具体的模型形式需要通过Hausman检验和最大似然比检验确定。
考察产业空间集聚度指标与区域经济增长指标关系的同时，引入传导要素变量测算对经济增长指标的作用以及对集聚度指标与经济增长指标关系的影响。构建的计量经济模型为：
G t =γ 0+γ 1lnY t-1 +γ 2ω +γ 3Z t +ε t
音乐是以声传情的艺术。我认为在音乐欣赏教学中表现尤为突出。教师在欣赏教学过程中要通过音乐作品中的不同形象来丰富学生的情感,培养学生的审美能力。如：交响童话《彼得与狼》是一首通过不同管弦乐器演奏音乐来叙述的童话故事。我通过多媒体CA I课件让学生欣赏到了不同管弦乐器演奏出不同的音乐形象，学生在优美的旋律、明快的节奏、丰富的和声中自由充分地想象、体验，深刻地理解音乐形象，提高辨别美与丑、善与恶的审美能力。在整个欣赏教学过程中，学生如闻其声，如见其形，情感意识得到升华，既培养了审美情趣又进一步进入到音乐的情境之中。
(4)
式中，t 为时间变量；Y t-1为上一年度人均GDP增长率；ω 为资源产业空间集聚度，单位为万分比，计算见公式2；Z t 为传导要素变量；γ 0-γ 3为待估参数；ε t 为随机扰动项。
我国公共文化服务研究的兴起，图书馆学人作出了重要贡献。从立项方面看，自国家社科基金重大项目设立以来，以“公共文化”为主题的招标课题一共才中标6项，图书馆学人主持了其中2项，占三分之一。从国家级专家队伍方面看，第三届国家公共文化服务体系建设专家委员会的专家委员名单中，图书馆学人约占了专家委员会队伍的五分之一。从国家级智库建设方面看，文化部五大研究基地中，有两所直接由图书馆学人来担纲主持，撑起了公共文化服务决策研究的“半边天”。21世纪初以来，我国公共文化服务建设的理念思想逐步成熟，方针政策逐步完善，法律保障逐步确立，公共文化服务建设实践也取得了丰硕成果。
G t =(1/t )ln(Y t /Y t-1 )
(5)
该模型中，传导要素变量Z t 包含8个要素变量，分别为物质资本投资FI 、人力资本投资HC 、技术创新投入TI 、个体与私营经济PE 、制造业发展MD 、对外开放程度OP 、居民储蓄能力PS 和政府干预程度GI [38]。模型中涉及的变量符号、度量指标、单位及预期符号见表3。
表3 变量名称及说明
式中，ω 表示资源产业空间集聚度的测度指标；FI 、PS 、HC 、TI 、PE 、MD 、OP 、GI 分别表示物质资本投资、居民储蓄能力、人力资本水平、技术创新投入、个体与私营经济发展、制造业发展、对外开放程度以及政府干预程度的测度指标；α 、β 、χ 、δ 、ε 、φ 、φ 、η 、γ 分别表示各公式中的待估参数，预期符号分别为负、正、正、正、负、负、未知、负；μ 为随机扰动项。
为更为全面、合理地分析被解释变量与目标解释变量和其他解释变量的关系，本节将分别构建基于资源产业空间集聚度指标的全样本静态面板回归模型和全样本动态面板回归模型，采用普遍的最小二乘法和差分的广义矩阵估计方法，逐项添加8个传导要素变量分析其对资源产业空间集聚度与经济增长关系的冲击作用，以期从产业空间集聚视角验证我国油气资源城市“资源诅咒”效应。具体模型如下：
(1)全样本静态面板回归模型：
建立遥感解译标志是解译工作的关键之一。遥感解译标志可根据各类地物的影像标志直接进行地物解译，并确定其类别。遥感解译标志包括形状、大小、色调、阴影、水系、植物、水文、土壤、环境地质、人文现象、人类活动痕迹地貌等。
(6)
(2)全样本动态面板回归模型：
(7)
3.2 计量结果及分析
首先，采用LLC和ADF Fisher对静态面板回归模型进行平稳性检验。其次，通过Hausman和最大似然比估计检验方法，选择模型的回归形式，包含个体和时间项的固定效应、随机效应和混合效应模型。选择依据是：当P值小于0.05时，在Hausman检验中拒绝原假设，原假设为固定效应模型，则应选择随机效应模型；在最大似然比检验中拒绝原假设，原假设为混合效应模型，则应选取随机效应模型。再次，考虑到自然资源对经济增长的作用可能存在滞后性，研究利用DIF-GMM动态面板数据估计方法，考察面板数据的动态分析结果，通过Sargan检验方法检验模型估计结果的有效性。最后，利用逐步添加传导要素的分步估计模型，分析传导要素变量对“资源诅咒”模型中资源产业依赖度和经济增长指标关系的冲击作用，为进一步分析传导机理奠定基础。
3.2.1 整体估计结果及讨论
计算1998-2013年间10个典型油气资源城市的被解释变量与目标解释变量、控制变量间的具体关系，计算结果见表4。模型1为不含资源产业空间集聚度二次方项的全样本静态回归模型，模型2为含资源产业空间集聚度二次方项的全样本静态回归模型，模型3为全样本动态回归模型。
表4 区域计量经济模型整体估计结果(1998-2013)
注：(1)***、**、*、分别表示1%、5%、10%的显著水平；(2)括号内数值为t 统计值；(3)因Sargan检验未通过，故未使用SYS-GMM估计。
首先分析资源产业空间集聚度ω 与经济增长指标的关系。在模型1、2、3中，资源产业空间集聚的系数估计值分别为-1.025778、-0.076034、-0.441933，且分别在10%、5%、10%的水平上显著，说明油气资源城市的资源产业空间集聚度与经济增长之间存在负向关联关系，符合“资源诅咒”假说。模型2和模型3的估计结果中，ω 一次方项的系数均为正，且分别在10%和5%的水平上显著，与此同时，这两个模型中ω 二次方项的系数均为负，且分别在5%和10%的水平上显著，故资源产业空间集聚度与区域经济增长间存在先促进后抑制的关联关系。
其次，针对传导要素变量展开分析。模型1中，物质资本投资、居民储蓄能力及制造业发展的系数估计值分别为0.670224、0.001072、2.63574，且均在10%的水平上显著，说明物质资本投资、居民储蓄能力及制造业发展均促进经济增长，且我国油气资源城市发展过程中确实存在着由于资源产业的扩张而引发的对于物质资本积累、制造业发展的“挤出”效应，即资源对于消费的“激增”刺激使得整个地区进入低储蓄率时期，对其他产业的投资减少。对外开放程度的系数为负，且通过显著性检验，与ω 的系数估计值符号相一致，说明对外开放程度越高，资源产业空间集聚度越高，对经济增长的抑制作用就越强。与模型1相比，在模型2中对外开放程度的系数估计值变得不显著，说明加入ω 二次方项后，对外开放程度在对经济增长的促进或抑制作用的“选择”上变得“犹豫不决”。从结果来看，难以直接判断制造业发展和对外开放程度对经济增长是促进还是抑制。
在模型3中，物质资本投资的系数估计值也变得不再显著，同时，人力资本水平和政府干预程度变得显著起来，其系数均为负值，且分别在1%和10%的水平上显著，说明使用两步DIF-GMM的动态面板数据模型中，人力资本和政府干预在动态变化中的作用更为明显。在加入滞后项的动态面板回归模型3中，人力资本的累积作用得到体现，对区域经济增长的贡献显著；而政府干预却严重阻碍经济增长，这可能是由于政府在应对资源过度开发等行为时存在决策时滞和行动时滞，其中行动时滞的反应时间较长，导致政府“不作为”现象的出现。
3.2.2 分步估计结果及讨论
整体估计结果仅说明目标解释变量和传导要素变量与被解释变量间的固定关系，并未揭示传导要素变量对目标解释变量和被解释变量之间的负向关系有何影响，且这些要素会否对两者间的关系产生冲击。因此，利用DIF-GMM估计方法，通过分步添加传导要素变量的方式考察传导要素对资源产业空间集聚与区域经济增长间关系的影响。变量添加的顺序按照先添加经济增长模型中的基本投入要素，包括物质资本投资、居民储蓄能力、人力资本水平和技术创新投入，再添加影响传导结果的要素变量，包括个体与私营经济、制造业发展、对外开放和政府干预程度，计算结果见表5。
在模型1中，资源产业空间集聚的一次方项系数估计值为9.50775，系数符号为正，二次方项的系数估计值为-0.495141，系数符号为负，且均在10%的水平上显著，说明1998-2013年这一时间段内，油气资源城市已陷入“资源诅咒”困境。
总之，农村社会保障制度的建立与完善是一项长期的系统性工程，如何完善和发展农村公共产品供给状况也是当前我国要建设社会主义新农村的一项重要工作。基于农村公共产品供给视角来探究我国农村社会保障制度建设状况，为解决现阶段我国农村社会保障问题提供重要的解决路径，在构建和完善中国农村社会保障体系中发挥着重要的作用。
模型6和8分别引入个体与私营经济发展和对外开放程度，结果显示，两者系数均未通过显著性检验，也未对资源产业空间集聚与经济增长的关系造成影响。在模型7中，制造业发展的系数估计值虽然并不显著，但却使资源产业空间集聚二次方项的系数估计值变小，说明制造业发展对“资源诅咒”效应有明显的抑制作用，但其自身的系数估计值不显著可能是由于资源产业对其发展的“挤出”效应。模型8引入对外开放程度，其参数估计值未通过显著性检验，即与经济增长的正向关系并不显著，且对资源产业空间集聚度的影响微乎其微。模型9中，政府干预程度的系数估计值符号为负，且通过显著性检验，说明政府干预会对经济增长的发展起抑制作用。
表5 区域计量经济模型分步估计结果(1998-2013)
注：(1)﹡﹡﹡、﹡﹡、﹡、分别表示1%、5%、10%的显著水平；(2)括号内数值为t统计值。
综上所述，8个传导要素中有6个与“资源诅咒”有直接或间接的显著影响，而尽管个体与私营经济和对外开放程度这2个要素的影响程度不明显，但不能完全排除其具有传导作用，需进一步通过中介模型的构建，计算并分析“资源诅咒”的传导情况。
4 基于产业空间集聚的“资源诅咒”中介效应分析
构建基于资源产业空间集聚的“资源诅咒”传导机理的中介效应模型(以下简称传导模型)，分析资源产业空间集聚度与物质资本投资、居民储蓄能力、人力资本投资、技术创新投入等8个传导要素两两之间的关系，萃取显著的传导要素以及具体的传导方向和作用。
4.1 基于资源产业空间集聚的中介效应模型
一国或地区的资源相对丰裕，其传统产业的发展往往落后于资源产业。资源产业对于经济增长的贡献也极为巨大，甚至带动整个地区的经济发展。鉴于此，将油气资源产业空间集聚度作为传统经济增长模型中的被解释变量而非投入要素，而物质资本投资、人力资本水平、技术创新投入、个体与私营经济发展、制造业发展、对外开放程度、居民储蓄能力以及政府干预程度等传导要素作为解释变量，计算分析前后两者之间的关系。通过面板数据模型的计算可以得出两者是否关联，正向还是负向关联以及关联的程度，进而结合“资源诅咒”效应下的经济增长计量模型的计算结果，深入挖掘“资源诅咒”的传导路径及抑制“资源诅咒”的存在条件等。
“创新”、“改革”、“实践”是各个高等院校在教学过程中不变的主题，西南科技大学城市学院在高等教育教学实践中不断探索与总结，我们坚信：只要坚持坚持改革创新并不断进行实践总结，一定能够走出符合当代高等教育教学的实践模式，培养出符合国家发展、社会需求的创新型技术应用人才。
Michael Mauer:优秀的设计源自于“天马行空”一般的创意，但它们最终要回归到源于纪律、架构、目标等略显枯燥的细化阶段。在这个阶段，除了自由和创意，我们还需要勤奋、认真和严谨的工作态度。就像我刚才说的，设计师可以用感性的方式来创新，但也必须要具备理性的思维来实践。好的设计师就像一名经验丰富的运动员，拥有十分准确的预判技巧，也有着沉着、冷静的执行能力。设计虽然能够令人沉醉其中，但我也不否认，做一名优秀的设计师其实很辛苦。
图1 B-K中介效应分析方法
根据B-K中介效应分析方法(见图1)，前文已经计算目标解释变量X 与被解释变量Y 以及传导要素变量M 与被解释变量Y 的关系系数c 和b (见公式3)，为观察目标解释变量与传导要素变量的关系并计算关系系数a ，沿用上文中使用的计量模型的基本形式，解释变量换为传导要素变量，被解释变量换为资源产业依赖度和资源产业空间集聚度，如图1所示。
河北华雨作为一家集科研、生产、经营于一体的综合性农业企业，拥有3条先进的喷灌机生产线及检测设备、专业的技术人才、高素质的员工队伍和较强的技术研发能力，目前产品已销往黑龙江、内蒙古、河北、甘肃、新疆等省（自治区、直辖市），并出口到非洲、亚洲一些国家，在国内外市场上都获得了一定的占有率。
基于资源产业空间集聚的传导机理中介效应模型如公式8-15所示：
ω it =α 0+α 1FI it +μ it
(8)
ω it =β 0+β 1PS it +μ it
(9)
测算结果对比显示，克拉玛依在资源空间集聚的测算中排名第1，ω 值和RD 均大于10；排名2到4位的城市分别为松原、盘锦、唐山，其ω 值均大于1；排名5到9位的分别是延安、东营、大庆、榆林、濮阳，其ω 值均大于0且小于1；排名末尾的是南阳，而且其产业空间集聚度的测算结果为-0.0038。
(10)
ω it =δ 0+δ 1TI it +μ it
(11)
ω it =ε 0+ε 1PE it +μ it
术前常规使用0.5%左氧氟沙星滴眼液每日4次，连用3 d，术后使用0.3%妥布霉素地塞米松滴眼液和0.1%玻璃酸钠滴眼液每日4次，1周后停用妥布霉素地塞米松滴眼液，0.1%玻璃酸钠滴眼液连续使用1个月。
(12)
ω it =φ 0+φ 1MD it +μ it
(13)
ω it =φ 0+φ 1OP it +μ it
分步依次添加传导要素变量。模型2-5依次加入经济增长模型中的四个基本要素——物质资本投资、居民储蓄能力、人力资本水平和技术创新投入，结果显示物质资本投资的系数为负，且随变量的增加而变得更为显著，说明尽管并未得到资源产业空间集聚度由不显著到显著的过程，但其自身对经济增长的负向作用可能是由于资源产业空间集聚地区的产业相对单一，从而导致因过度投资对人力资本积累造成“侵蚀”效应，最终表现为其对经济增长的抑制作用。居民储蓄能力的添加对资源产业空间集聚度的影响并不显著。人力资本水平的系数为正，且通过显著性检验，说明其促进经济增长，且对诅咒效应的传导有明显的抑制作用。技术创新投入的系数估计值并不显著，但也使资源产业空间集聚度二次方项的系数估计值变小，且使物质资本投资的系数估计值变得不显著，说明其不仅能抑制“资源诅咒”效应，也通过抑制物质资本投资对经济增长的负向作用促进经济增长。
(14)
ω it =η 0+η 1GI it +μ it
投保时应充分评估风险与保费支出以及项目收益情况，做到适度投保，以最经济的保费转移项目核心风险，是保险价值最大化的体现。
(15)
测算数据主要来源于《中国城市统计年鉴》、各省市公开的统计数据以及国研网、夏泽网等数据分析单位，缺失的数据采用插值法补齐。这里需要说明三点，一是各指标数据在选取时，如遇到国家与地方性城市统计年鉴数据有所不同，本文一律选取《中国城市统计年鉴》的统计数据作为研究来源；二是《中国城市统计年鉴》中地区参数的描述有“XX市”和“XX区”两种，本文均选取“XX市”的统计数据作为测算依据；三是各数据库中城市相关指标数据的统计口径略有不同，如有“地区”、“市辖区”等，为保证计算结果的准确、合理，按照指标统计数据值选取的一致性原则，本文采用“地区”这一统计口径作为面板数据样本观察值。
4.2 测算结果分析
本节沿用3.2的参数估计方法，先利用Hausman和似然比检验确定模型的影响形式，而后进行模型计算。计算结果见表6。
表6 资源产业空间集聚度与传导要素变量(1998-2013)
注：(1)﹡﹡﹡、﹡﹡、﹡、分别表示1%、5%、10%的显著水平；(2)括号内数值为t统计值。
从模型1～8的估计结果来看，物质资本投资、居民储蓄能力、人力资本水平、技术创新投入和制造业发展的系数估计值通过t 检验，其参数估计值分别为-0.020154、0.000028、0.000002、0.038308、-0.280686，分别在10%、10%、5%、1%和5%的水平上显著。
根据传导模型的计算结果，与自然资源关系显著的中间要素除物质资本投资、人力资本水平、居民储蓄能力、技术创新投入和制造业发展。其中，物质资本投资与制造业发展具有负向中介作用，其他三个要素具有正向中介作用，具体传导机制见图2。
图2 油气资源城市“资源诅咒”传导模型
由图2可知，丰裕的油气资源对区域经济增长存在直接的、显著的促进作用，而受传导要素的影响，该作用被弱化，甚至转化为对经济增长的抑制作用。在这些传导要素中，物质资本投资和制造业发展的介入导致“资源诅咒”效应的产生和扩大；居民储蓄能力、人力资本水平、技术创新投入的介入则可以有效抑制“资源诅咒”效应；而个体与私营经济、对外开放程度和政府干预程度对自然资源与区域经济增长的关系影响不大。对于物质资本投资和制造业发展两项要素而言，许多学者在研究“资源诅咒”传导机理的过程中通过不同层面的数据分析得出相一致的结果，对这一现象的解释有“荷兰病”、初级产品论等[39,40]；而对于居民储蓄能力、人力资本水平和技术创新投入而言，许多学者认为丰裕的自然资源对这三种要素同时存在的“挤出”效应并未出现在其研究结果中[41,42]，原因可能是由于研究对象的异质性问题，导致“资源诅咒”传导机理的影响要素并非普遍使用于所有资源丰裕地区。
需要说明的是，油气资源城市“资源诅咒”传导概念模型中未涉及社会文化习俗、生态环境、贫富差距、矿难等难以量化的要素，但并不代表这些要素对“资源诅咒”没有间接的影响。尤其是油气资源开发具有明显的外部不经济性，对于生态系统的破坏问题相当突出，而日益恶化的城市生态环境使得政府在产业结构转型、区域发展规划、对外招商引资等方面受到严重的制约，大大降低对油气资源城市的资金和其他资源的配置效率，甚至会引发资金和人才、技术等资源的外流，严重阻碍区域经济增长。
5 结语
通过对Krugman的空间基尼系数计算方法的改进，测算油气资源城市“资源诅咒”空间集聚度指标，并与资源产业依赖度的测算结果比较分析，证明选取该指标作为计量经济模型中目标解释变量更为科学、合理。在此基础上构建基于油气资源产业空间集聚的计量回归模型并对其进行实证检验及分析。为更为科学、合理的分析油气资源城市“资源诅咒”的传导机理，借鉴B-K中介效应分析方法，构建传导的中介效应模型，明确“资源诅咒”的测度指标与传导要素间的关系。研究得到以下结论：
(1)通过对1998-2013年间我国10座油气资源城市的资源产业空间集聚情况测算可知，我国油气资源城市产业空间集聚度的合计值为22.7713，说明我国确实存在油气资源产业的空间集聚现象。与产业依赖度相比，各城市整体排名变化不大，但根据发生变化的城市排名，资源产业空间集聚度能够更好地反映资源产业在区位上的被依赖程度。
(2)资源产业空间集聚度指标与经济增长指标的系数呈现负向关联关系，且在含二次方项的动态和静态模型中得到一致的结果，即两个存在“促进-抑制”型非线性曲线关系，曲线呈倒U型关系；在新指标替代旧指标的面板数据模型计算结果中，依然能够证实“资源诅咒”的存在。
(3)通过构建基于产业空间集聚的传导机理概念模型，对传统的传导机理概念模型进行修正。结果显示，物质资本投资和制造业发展的具有负向中介作用，在“资源诅咒”的传导中起正向促进作用；而人力资本水平、技术创新投入和居民储蓄能力具有正向中介作用，可以有效抑制“资源诅咒”效应；个体与私营经济、对外开放程度和政府干预程度对“资源诅咒”的中介作用并不明显。
参考文献：
[1] Sachs J D, Warner A M. Natural resource abundance and economic growth[R]. Working Paper, National Bureau of Economic Research,1995.
[2] Gylfason T, Zoega G. Natural resources, economic growth: The role of investment[J]. The World Economy, 2006, 29(8):1091-1115.
[3] Audy R M. Natural resources, capital accumulation and the resource curse[J]. Ecological Economics, 2007, 61(4):627-634.
[4] Steinar H. Avoiding the resource curse the case Norway[J]. Energy Policy, 2013, 63(11): 870- 876.
[5] Corrigan C C. Breaking the resource curse: Transparency in the natural resource sector and the extractive industries transparency initiative[J]. Resources Policy, 2014, 40(6):17-30.
[6] Oskenbayev Y, Yilmaz M, Abdulla K. Resource concentration, institutional quality and the natural resource curse[J]. Economic Systems, 2013, 37(2): 254-270.
[7] Anne B, Jan P, Jesper R. The resource curse and its potential reversal[J]. World Development, 2013, 43(3): 19-41.
[8] 徐康宁, 韩剑. 中国区域经济的“资源诅咒”效应: 地区差距的另一种解释[J]. 经济学家, 2005, 17(6):97-103.
[9] 胡援成, 肖德勇. 经济发展门槛与自然资源诅咒——基于我国省际层面的面板数据实证研究[J].管理世界, 2007, 23(4):19-23.
[10] 邵帅. 煤炭资源开发对中国煤炭城市经济增长的影响——基于资源诅咒学说的经验研究[J]. 财经研究, 2010, 36(3):90-101.
[11] 傅利平, 王中亚. “资源诅咒”与资源型城市[J]. 城市问题, 2010, 29(11):2-8.
[12] Rosser A. Escaping the resource curse: The case of indonesia[J]. Journal of Contemporary Asia, 2007, 37(1):38-58.
[13] Lederman D, Maloney W F. In search of the missing resource curse[M]. Washington D C: The World Bank, 2008.
[14] 丁菊红, 邓可斌. 政府干预、自然资源与经济增长:基于中国地区层面的研究[J]. 中国工业经济, 2007,21(7):56-64.
[15] 张贡生, 李伯德. 驳资源诅咒论[J]. 经济问题, 2010, 32(3): 19-23.
[16] 方颖, 纪衎, 赵扬. 中国是否存在“资源诅咒”[J]. 世界经济, 2011, 35(4):144-160.
[17] Brunnschweiler C N, Bulte E H. The resource curse revisited and revised: A tale of paradoxes and red herrings[J]. Journal of Environment Economics and Management，2008, 55(3):248-264.
[18] Murshed S M, Serino L A. Thepatten of specialization and economic growth: The resource curse hypothesis revisited[J]. Structure Change and Economic Dynamics, 2011, 22(2):151-161.
[19] Butle E H， Damania R, Deacon R T. Resource intensity, institutions, and development[J].World Development, 2005, 33(7):1029-1044.
[20] Mehlum H, Moene K, Torvik R. Institutions and resource curse[J]. The Economic Journal, 2006, 116(1):1-20.
[21] Alexeev M, Conrad R. The natural resource curse and economic transition[J]. Economic Systems, 2011, (35): 445-461.
[22] Stijins J C. Natural resource abundance and economic growth revisited[J]. Resources Policy, 2005, 30(2):107-130.
[23] Ding Ning, Field B C. Natural resource abundance and economic growth[J]. Land Economics, 2005, 81(4)：496-502.
[24] 邵帅, 杨莉莉. 自然资源丰裕、资源产业依赖与中国区域经济增长[J]. 管理世界, 2010,26(9):26-4.
[25] 安锦, 王建伟. 资源诅咒：测度修正与政策改进[J]. 中国人口·资源与环境, 2015, 25(3):91-98.
[26] Roodman D. How to do xtabond2: An introduction to difference and system GMM in Stata[J]. The Stata Journal, 2009, 9(1):86-136.
[27] 魏国学,陶然,陆曦. 资源诅咒与中国元素:源自135个发展中国家的证据[J].世界经济, 2010, 34(12): 48-66.
[28] Haber S H, Menaldo V A. Do Natural resource fuel authoritarianism? A reappraisal of the resource curse[J].American Political Science Review, 2011, 105(1):1-26.
[29] Schaber P. Property rights and the resource curse[J]. Global Governance, 2011, 17(2):185-196.
[30] John L H. The resource curse and oil revenues in Angola and Venezuela[J]. Science and Society, 2011,75(3):348-378.
[31] Juan M, Ramírez C. Has Bolivia's 2006-12 gas policy been useful to combat the resource curse?[J]. Resources Policy, 2014, 41(9):113-123.
[32] Franklin O O. Resource curse or blessing in Africa’s oil cities? Empirical evidence from Sekondi-Takoradi, West Africa[J]. City, Culture and Society, 2013, 4(4):229-240.
[33] 赵领娣, 徐乐, 张磊. 资源产业依赖、人力资本与“资源诅咒”假说——基于资源型城市的再检验[J]. 地域研究与开发, 2015, 35(4):52-57.
[34] 巩前胜, 董春诗. 中国油气资源产业发展:空间集聚水平及区域分布特性[J]. 科技管理研究, 2014,34(5):136-139,143.
[35] Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1996, 99(3):48 -59.
[36] 张在旭, 薛雅伟, 郝增亮, 等. 中国油气资源城市“资源诅咒”效应实证[J]. 中国人口·资源与环境, 2015, 25(10):79-86.
[37] 秦敬云, 陈甬军. 我国经济增长率长期演变趋势研究与预测——基于2000-2010年国内省域面板数据的分析与预测[J]. 经济学动态, 2011, 51(11):18-24.
[38] 薛雅伟, 张在旭, 李宏勋, 等. 资源产业空间集聚与区域经济增长:“资源诅咒”效应实证[J]. 中国人口·资源与环境, 2016, 26(8):25-33.
[39] 范振婷, 吴三忙. “资源诅咒”问题研究综述[J].资源与产业, 2015, 17(6):1-6.
[40] 孟明, 牛东晓, 许晓敏.经济转型过程中资源依赖度演进路径分解模型研究[J]. 中国管理科学, 2016, 24(3):18-23.
[41] 周喜君, 郭丕斌. 煤炭资源就地转化与“资源诅咒”的规避——以中国中西部8个典型省区为例[J]. 资源科学, 2015, 37(2): 318-324.
[42] 张攀, 吴建楠. 政府干预、资源诅咒与区域创新——基于中国大陆省级面板数据的实证研究[J]. 科研管理, 2017, 38(1): 62-69.
Spatial Agglomeration of Resource Industry ,Transmission Factor Extraction and Mediator Effectof Resource Curse
XUE Ya -wei 1,2,3,ZHANG Jian 4,YUN Le -xin 5
(1. School of Management, Qingdao University of Technology, Qingdao 266520, China;2.iSMART, Qingdao University of Technology, Qingdao 266033, China;3. Research Center for Smart City Construction and Management, Qingdao 266520, China;4. School of Government, Central University of Finance and Economics, Beijing 100081, China;5. School of Business, Qingdao University of Technology, Qingdao 266520, China)
Abstract ： The relationship between resource abundance and economic growth is important to researchers and policy makers as it plays a great role in national and regional economic development and the improvement of residents' welfare level. The resource curse is an economic hypothesis for the relationship between resource abundance and economic growth which shows that the relationship is not as simple as imagined.Therefore, the measurement and transmission analysis for the resource curse is particularly important.
In recent years, the test of resource curse’s existence and endogeneity problem for intermediary variant have been solved. However, the scientificity of index selection and the simplicity of intermediary model do not have a lasting settlement. Aimed at the scientific problem of natural resources index selection in resource curse study, the spatial agglomeration of resource industry is used instead of the abundance of natural resources and the dependence of resource industry as explanatory variable for the natural resource abundance in this paper. Meanwhile, the mediating effect model of resource curse is proposed based on B-K mediation analysis.
Through above analysis, the calculation formula is constructed suitable for measuring the spatial agglomeration of resource industry by the gini coefficient of Krugman. Based on the panel data of 10 typical oil and gas resource cities during 1998-2013, the spatial agglomeration degree of resource industry is analyzed.From the results of data analysis, only Nanyang City is no longer rich in oil and gas resources due tourban development transformation, which fits with the facts. A static panel regression model based on OLS as well as a dynamic panel regression model based on DIF-GMM are established for empirical testing and analysis, in order to extract the transmission elements. Through the measurement, it shows the significant mediator variables which are used as the independent variables in the mediator effect model. Then intermediary model of resource curse is constructed as to further clarify the specific relationship between the variables index and transmission elements of resource curse with reference to the analysis method of B-K mediator effect. Based on above analysis, the transmission mechanism of resource curse of oil and gas resource cities are explored and the model of resource curse transmission mechanism is drawn.
The results show that in the whole estimation model, the coefficient signs of spatial agglomeration of resource industrial are significantly negative correlated at the level of 0.05. It indicates that the regional economic growth is inversely related to the spatial agglomeration of resource industry, which is in accordance with the basic assumption of resource curse. In the step estimation model, the regional economic growth is positively correlated with the increase of household savings, human capital investment, and the development of manufacturing industry, which accords with logical relation of classical economic growth theory; the material capital investment and regional economic growth is negatively related which is due to the fact that the local economic subject has less intertemporal substitution elasticity of consumption. The direct gain of economic growth from physical capital investment is less than the negative effect that of human capital accumulation, and thus hinders the regional economic growth. The higher degree of government intervention, the lower economic growth. In addition to the relationship between government intervention and economic growth, the rest of the relationships are confirmed in the mediator effect model.This shows that government intervention itself impedes some aspect of economic growth. According to the results, it is suggested that we need to strengthen the economic guiding mechanism which mainly relies on the market regulation while government regulation subsidiary to further enhance the spatial agglomeration degree of resource industry, improve the staff quality matched to the technology development and raise the efficiency of production and utilization of natural resources gradually, so as to accelerate the transformation of the regional economy and to promote the sustainable development of economy.
Different from most other literatures, the spatial agglomeration of resource industry is used in this paper as the index of abundance of resource industry which enriches the empirical study on the econometric modelling. It is alsoa valuable endeavor to excavate the relationship of resource abundance and economic growth by the effect of mediating variables.
Key words ： spatial agglomeration; elements extraction; resource curse; transmission mechanism; B-K mediator effect
中图分类号： F205
文献标识码： A
文章编号： 1003-207( 2019) 06-0179-12
DOI: 10.16381/ j.cnki.issn1003-207x.2019.06.017
收稿日期： 2017-09-14； 修订日期： 2018-05-22
基金项目： 国家自然科学基金资助项目(71603019，71602097)；滨海人居环境学术创新中心开放基金资助项目(201812034)
通讯作者简介： 张剑(1986-)，男(汉族)，山东东营人，中央财经大学政府管理学院，副教授，博士，研究方向：战略管理与跨国经营，E-mail：zjpolicy@163.com.
标签：空间集聚论文; 要素萃取论文; “资源诅咒”论文; 传导机制论文; B-K中介效应论文; 青岛理工大学管理工程学院论文; 青岛理工大学滨海人居环境学术创新中心论文; 智慧城市建设管理研究中心(新型智库)论文; 中央财经大学政府管理学院论文; 青岛理工大学商学院论文;