中国省际经济增长与物流的空间面板计量分析，本文主要内容关键词为：经济增长论文,中国论文,面板论文,物流论文,空间论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
现代的经济增长对物流的依赖性越来越强，物流已经成为促进经济增长、产业布局及空间结构演变的最为重要的因素之一。以往研究经济增长与物流之间的关系，只局限于时间序列，而忽略地区之间的差异性。本文把空间因素纳入统一分析框架，不仅要考虑省域经济增长和物流之间的空间异质性，还要引入空间相关性。本文选择个体固定效应模型为基本的面板数据模型，使用最近发展的空间面板数据模型来研究中国省域经济增长与物流之间的相关性。
一、空间面板模型设定与相关性检验
1.空间面板模型的设定
空间经济计量学的空间效应包括空间自相关和空间差异性。前者指一个地区的样本观测值与其他地区的观测值相关。后者指由于空间单位的异质性而产生的空间效应在区域层面上的非均一(Anselin,1988a)。空间自相关性在空间自回归模型中体现在误差项和因变量的滞后项，因此，空间经济计量的两种基本模型分别是空间自回归模型(Spatial Auto Regressive Model,SAR)和空间误差模型(Spatial Error Model,SEM)，这两个模型的基本形式为：
空间自回归模型(SAR)：
上述模型是针对截面数据的模型，为使之适用于面板数据，我们需要对模型作符合面板数据模型的基本形式。本文使用个体空间固定效应模型(Elhorst 2003)。模型中控制了两类非观测效应——空间固定效应和时间固定效应，前者反映随区位变化、但不随时间变化的背景变量（如经济结构和自然禀赋等）对稳态水平的影响；后者代表随时间变化、但不随区位变化的背景变量（如商业周期和暂时性冲击等）对稳态水平的影响。
设sF和tF分别为空间固定效应的N维列向量和时间固定效应的T维列向量，如下所示：
在模型选择上，先用LSDV(Least Square Dummy Variables)方法估计不考虑空间相关性的受约束模型，然后进行空间相关性检验，如果LMsar（或LMerr）比LMerr（或Lmsar）统计量更显著，那么空间滞后模型（或空间误差模型）比空间误差模型（或空间滞后模型）更恰当。Anselin和Rey(1991)利用蒙特卡罗实验方法证明，这种方法能够为空间计量经济模型的选择提供很好的指导。
3.参数估计
一般使用极大似然法(ML)来估计空间计量经济模型(Anselin,1988a; Anselin和Hud,1992)。对于空间面板数据模型而言，不能直接使用针对截面回归模型设计的ML估计程序。另外，当空间权重矩阵的维数很大时，空间计量经济学中通常的ML估计程序是有问题的（Kelejian和Prucha,1999）。目前一个可以利用的解决办法是，用蒙特卡罗方法来近似对数似然函数中雅克比行列式的自然对数(Barry & Pace,1999)。此方法可在Matlab中的spatial程序包中实现，可用来估计模型(3)、(4)。
二、计量模型的建立
地区的生产函数关系用Cobb-Douglas齐次方程式表示：
三、中国省际经济增长与物流的空间面板计量的实证分析
1.指标选取与数据收集
采用1978-2007年中国30个地区的面板数据进行实证分析。数据主要来自于《新中国五十五年统计资料汇编》和《中国统计年鉴》（2006-2008年）。由于西藏的数据缺失比较严重而略去。为便于数据可比较和减少异方差，所有数据均取对数。
各变量的具体数据如下：①GDP：为消除物价因素的影响，取1952年为基期，根据地区生产总值指数生成实际GDP（单位：亿元）。②物流水平：采用各省市的货物周转量来衡量各地区的物流水平和物流能力（单位：亿吨公里）。③劳动力：劳动力采用了全社会从业人数（单位：万人）。④资本存量：采用由戈德史密斯(Goldsmith)于1951年开创的永续盘存法，现在被OECD国家所广泛采用，它的基本公式为：
W为空间地理位置权重矩阵，E为经济强度矩阵。本文通过计算考察期间各地区实际GDP占所有地区实际GDP之和比重的均值来衡量地区经济水平的高低，并假设经济实力强的地区对周围地区产生的空间影响力大，
3.实证分析
根据上述假设的模型和估计方法，利用各省份的面板数据，建立1978-2007年间的全国范围的个体固定面板回归模型，通过Eviews 6.0软件，利用LSDV方法估计个体固定效应模型，得到回归模型的弹性系数及相关检验结果和其中个体固定影响系数
估计值，结果见表1。
表1中回归模型中的
和Adjust 值很高，表明模型数据的相关度拟合效果很好。从表2中的各地区固定影响的估计值可以发现京津、苏浙、东北、西南、西北等地区内部相邻省份间各地区固定影响值大小比较接近，说明存在明显的地区相关性，为精确验证是否需要进行空间面板计量分析，需进行空间相关性检验。从回归结果来看，
，表明变量之间存在自相关，接下来对空间回归误差项检验自相关性，以下对模型的估计均采用Matlab7.0的Spatialeconometric模块，估计结果如表3。
从检验结果来看，五个检验值（空间依赖性）非常显著(Prob.=0.0000)，证明了物流和各地区经济增长之间存在明显的空间相关性，因此必须将空间因素考虑进去，以反映各地区GDP和物流之间的相互作用。空间面板滞后项检验值大于空间面板误差项检验值，即
依据前文所述的判断标准，空间滞后面板(Sar_panel)模型是最优模型。采用空间滞后面板模型对经济增长与物流的相关关系进行估计。结果如表4。
由表4、5的模型估计结果，可以得到如下结论：
第一，估计结果中的空间面板滞后模型的参数ρ的估计值通过1%的显著性检验，说明文中分析30个地区GDP和物流都有显著的空间相关特征。由于物流具有网络属性，能够将经济活动连成一个整体，通过空间溢出（扩散）效益，使经济增长较快区域带动经济增长较慢区域的经济发展，从而表现出正溢出作用，同时，物流又会产生负的溢出作用，使生产要素方便地流向经济发达地区，一个地区的经济增长可能会以其他地区的经济衰退为代价。
第二，考虑到空间和时间固定效应的空间滞后回归模型的拟合情况比传统的固定效应模型的拟合情况好。说明把时间固定效应和空间固定效应反映到模型中，能够更好地解释模型，反映实际情况。GDP与资本存量和劳动力的弹性系数为分别为0.56和0.30，在1%水平下显著，表明投资和劳动力仍然是影响经济增长的最重要因素，物流与经济增长的弹性系数为0.08（显著水平0.64%），说明物流对各地区的GDP具有显著的影响，但是对于经济增长的影响程度有限，这与我国物流的现代化程度不高，物流网络体系不完善，信息化程度低和物流管理水平落后的实际情况相符合。
第三，从各地区空间固定影响参数()的估计结果看，不同的地区固定影响参数表现出很大的差异性，地区经济发展水平越高的地方，物流水平也越高，如上海、江苏、浙江等沿海经济发达地区最高，中部和东北部地区江西、湖南、湖北、辽宁等地区次之，西北部地区最低，这与我国各地区实际情况是一致的。
四、结论
依据空间面板模型，对物流与经济增长之间的相关关系进行了估计。得出，各个地区GDP和物流都有显著的空间相关特征，反映出相邻地区之间地区GDP和物流具有明显的空间溢出（扩散）效用。物流对各地区的GDP具有显著的影响，但是对于经济增长的影响程度有限，这与我国物流的现代化程度不高，物流网络体系不完善，信息化程度低和物流管理水平落后的实际情况相符合。不同的地区固定影响参数表现出很大的差异性，地区经济发展水平越高的地方，物流水平也越高。