区域经济增长的空间溢出效应及影响因素分析
——基于中国31个省市面板数据的空间计量分析
文 / 谭黎阳 夏 帅
“两会” 期间，李克强总理在政府工作报告中指出：将长三角区域一体化发展上升为国家战略，编制实施发展规划纲要。长江经济带发展要坚持上中下游协同，加强生态保护修复和综合交通运输体系建设，打造高质量发展经济带。其实这并非国家领导人首次肯定长三角区域一体化发展的地位，早在2018年11月5日，习近平总书记在首届国家进口博览会上便指出要将长三角区域一体化发展上升为国家战略，着力落实新发展理念，构建现代化经济体系，推进更高起点的深化改革和更高层次的对外开放。长三角区域一体化发展只是我国区域一体化发展总体格局的一个缩影，从空间经济学的视角加以考察，区域与区域之间彼此关联，相近区域之间的关联性较强，相疏区域之间的关联性较弱。本文在前人的基础上，将空间因素纳入到区域经济增长分析框架。通过建立空间计量模型进行实证分析，具体阐明中国各省市经济增长的空间溢出效应，以期提出相应的政策性建议。
一、文献回顾
国内关于区域经济增长差异及其影响因素分析的研究较多，但大多只运用了传统的计量经济学方法进行实证研究，很少有学者使用空间计量经济学的方法，考察区域经济增长的空间溢出效应。例如，Wang Shaoping and Ouyang Zhigang【1】（2008）运用非线性阈值协整模型，揭示了城乡收入差距对实际经济增长的影响。张清正【2】（2014）在分析相关文献的基础上，对我国区域经济增长的差异问题进行了实证分析，研究表明制度变迁、资本、市场化程度以及外贸水平对经济增长具有显著影响，但是文章中并未考虑空间因素。乔 婧 妍【3】（2018）通过构建面板数据模型，实证分析了我国东中西部地区经济增长差异的因素，研究表明：市场化程度、产业结构、固定资产投资对东中西部的影响各有不同，但教育投资对所有地区的经济发展均具有正向促进作用。然而，文中并未对空间溢出效应展开深入探讨。米娟【4】（2008）采用普通最小二乘（OLS）回归方法，基于一般意义上的的资本要素和劳动力要素， 将技术要素和制度要素纳入模型，综合考量区域经济增长的差异。然而，米娟在文章中只是将地理位置划分为东部地区、中部地区和西部地区，对相关变量进行普通最小二乘回归，无法洞察各经济变量的空间交互影响效应。方琳，张庆海【5】（2012）采用对数型柯布—道格拉斯生产函数的随机前沿模型（SFA），基于江苏省13个地级市2000年-2008年的面板数据，研究了区域经济增长效率及其影响因素。然而文中并未对地理信息进行单独处理，因此无法揭示地区间相邻的空间影响。彭志胜，杨敏【6】（2017）同样采用普通最小二乘回归方法，对区域经济增长差异及其影响因素进行了实证分析。文中虽然利用泰尔系数将安徽省经济增长差异分解为安徽省总体、区域间、区域内经济差异，但仍未考虑邻近地区的空间相互作用。
①1素填土：以黄褐色为主，稍湿，松散，土质不均匀，为新近回填的粘性土和碎石，场地北侧存在少量建筑垃圾，未完全固结。
不同于以上研究，在变量选取上，本文将产业结构作为重要的变量纳入模型，因为产业结构在区域经济增长中有举足轻重的地位，也是经济学研究的重要课题；在实证方法上，本文将综合运用空间计量经济学方法，计算各经济变量间的全局Moran’s I指数以及局部Moran’s I指数来综合分析中国区域经济的空间相关性。通过阶段性的现状总结，有利于各省市摸清当前的经济发展现状，从而为各省市更好地促进地区经济增长提供良好的思路。此外，本文将构建空间自相关模型，以地区之间的空间地理关系的视角，对省际经济增长的交互影响模式展开深入研究，进而在数据和方法上丰富和发展现有的此类研究。
照应也叫指称。胡壮麟对照应的作用做了形象地说明——如果我们把某些内容相同的词语代词化，但保证这些词语相互之间的照应和连贯，就像把自己杂乱的头发梳理一下，情况将大为改观，意义将更加明确。照应分为外照应（exophora）和内照应（endophora），而内照应又分为前照应（anaphora）和后照应（cataphora）。黄世平给出了两个例子对前照应和后照应进行了解释：
二、研究现状与机制分析
（一）研究现状
首先，本文将借助当下最为流行的Moran’s I指数对相关变量进行空间统计分析。具体而言，基于2008-2016年中国31个省市的地区GDP面板数据进行相关统计指标的测算，数据来源于《中国统计年鉴》。测算前，首先将原始数据进行相应处理，通过对数变换提高数值的平稳性，然后运用Stata15.0计量分析软件计算相应变量的全局Moran’s I指数和局部Moran’s I指数。此外，空间权重矩阵的设定对于空间计量分析尤为重要。因此，在指标测算过程中，本文将空间权重矩阵设定为较为常用的二元邻接矩阵，即根据两个地区是否相邻来设定距离，若两地之间地理接壤则将空间距离设为1，否则将设为0。
（二）机制分析
本文选用2008-2016年中国31个省、市、自治区（不包括港澳台）的空间面板数据，将2008-2016年各省地区生产总值作为被解释变量，来反映各地区的经济增长状况，同时联系经济理论，主要以新古典增长理论和要素禀赋理论为基础，分别将劳动、物质资本、人力资本三大要素禀赋设为自变量。如前文所述，本文将产业结构也作为解释变量纳入模型。同时，为保证数据的可得性和完备性，本文以地区城镇单位就业人员工资总额（LABOR）来表征劳动禀赋，以地区固定资产投资额（K）来表征物质资本禀赋，以地方财政教育支出（HR）来表征物质资本禀赋，以第三产业增加值（INDUUS）来表征产业结构禀赋。以上数据均来源于中国统计年鉴。建立模型之前，事先对各解释变量进行描述性统计，分析结果详见表2。
三、实证分析
（一）中国省际经济增长的空间相关性分析
关于经济增长，早在18世纪，古典经济学家亚当·斯密、马尔萨斯以及大卫·李嘉图便已经做出了卓越的贡献。亚当·斯密在其著作《国富论》指出，经济增长表现为国民财富的增加，有两种途径可以有效地促进经济增长：一种是增加劳动的数量，另一种则是提高劳动的效率。斯密对后者更为推崇，他认为分工协作以及资本积累有助于提高劳动效率，从而带动经济增长。
Performance of liquid whitening agent CBW-04 and its application in laundry detergent 1 24
1.全局分析
图1表明：从发展阶段的视角出发，2008-2016年间，中国省际经济增长的空间自相关趋势经历了“先升→后降→再升”的发展历程。根据全局Moran’s I指数的波动情况可将研究期间划分为三个阶段：第一阶段为2008-2009年，全局Moran’s I指数呈现出增长态势，从0.264增加到0.271，反映该阶段中国地区经济存在空间集聚趋势加强；第二阶段为2009-2013年，在全球金融危机的滞后冲击下，全局Moran’s I指数呈现出整体下滑的态势，从0.271下降到0.259，反映出该阶段中国地区经济空间集聚趋势的减弱：第三阶段为2013-2016年，尤其是2014年以后，在政府将一体化发展上升为国家战略后，全局Moran’s I指数呈现出迅猛增长态势，从0.259一路上升至0.286，反映该阶段中国地区经济存在空间集聚趋势显著加强。接下来，我们将进行省际间的局部相关分析。接下来，我们将进行省际间的局部相关分析。
表1 2008-2016年中国各省市经济集聚的全局Moran’s I及显著性指标
图1 2008-2016年中国各省市经济集聚的全局Moran’s I
注：根据表1的相关数据绘制而成
根据公式测算的全局Moran’s I指数值如表1所示。如表所示，全局Moran’s I指数值最小值为0.259，最大值为0.286，标准化之后的Z值均大于1.96，对应的P值也均小于0.01。因此，有充分的理由拒绝“不存在空间相关性”的原假设，接受备择假设。上述数据表明中国省际经济增长在空间分布上，存在十分显著的正向空间自相关性，具有较强的空间溢出效应。
2.局部分析
使用局部Moran’s I指数，我们不仅可以洞悉各个省市的空间属性，而且能够测算出某省市与邻近地区的空间关联程度。基于搜集到的相关数据，使用Stata15.0计量分析软件绘制了局部Moran’s I指数散点图，结果如图2所示。
图2（a）2008年和2011地区经济集聚的局部Moran's I指数散点图
图2（b）2014年和2016地区经济集聚的局部Moran's I指数散点图
局部Moran’s I指数散点图能够更为直观地揭示某省市与邻近省市经济增长之间的关系。分析图二，直观可以得出多数省市落在了一、三象限。具体分析如下：2008年落在第一象限的省市共有17个，落在第三象限的省市共有7个，两者合计占样本容量的77.4%；2011年落在第一象限的省市共有21个，落在第三象限的省市共有7个，两者合计占样本容量的90.3%；2014落在第三象限的省市共有18个，落在第三象限的省市共有7个，两者合计占样本容量的80.6%；2016年落在第三象限的省市共有15个，落在第三象限的省市共有8个，两者合计占样本容量的74.2%。将以上局部Moran’s I指数分析与全局Moran’s I指数分析进行综合比较，二者结论基本一致。这进一步佐证了中国省际经济间的正向空间自相关性。对以上四个时点的象限进行纵向分析，不难发现中国省际经济的非均衡发展格局，东部沿海省份和西部内陆省份最为典型，表现出了显著的正向空间自相关性。
（二）中国省际经济增长影响因素的空间计量模型分析
1.变量选取
根据宏观经济理论，
。从要素投入的角度分析，资本（包括实物资本以及人力资本）、劳动是区域经济增长的重要驱动因素。从产业发展的角度分析，区域经济增长可以具体化为各产业部门的增长。在一定时期内，可能有一个或多个部门快速增长，成为一个推动企业，从而带动区域整体经济增长。从先行地区增长的角度分析，区域经济增长可以具体表现为各地区的增长，在一定时期内，可能会有一个地区的增长速度很快，成为带动的主导区域，以“先富带动后富”的方式，实现区域整体经济增长。第三个分析视角，恰恰是空间溢出效应的具体表现。
表2 各解释变量的描述统计
2.模型设定
上表显示，针对空间误差（Spatial error）的三个检验中，Moran’s I、LR以及稳健的LR均可以在5%的显著性水平下拒绝“不存在空间自相关”的原假设。在针对空间滞后（Spatial lag）的两个计量检验中， LR和稳健的LR均可以在1%的显著性水平下拒绝“不存在空间自相关”的原假设。这些结果再次表明应该建立空间计量模型，进行空间计量分析。
（1）多元线性回归模型：
(5)利用中草药制剂防治肉鸡传染性法氏囊病，采用灌服途径给药，劳动强度较大。若将提取液按一定的比例添加到水中，通过鸡自由饮水进行给药，具有同样效果。连续给药7 d左右，即可治愈。在养殖过程中，应及时做好预防和治疗工作。
（2）空间自回归模型（SAR）：
据调查数据显示，有3所高校没有将创业教育正式列入人才培养计划中，也没有成立专门的双创教育师资团队；4所高校虽然开设了相关双创教育课程，但在学生的创新精神、创新意识和创业能力培养方面缺少丰富和系统性的专门课程，也未使用专门的双创教育教材；5所高校的双创教育开展情况目前大多集中于组织专题讲座、创业计划大赛或开设选修课程等形式。
其中，GDPit表示i地区在t时期的地区生产总值，作为本文的被解释变量；LABORit为劳动禀赋的衡量变量，用地区城镇单位就业人员工资总额加以表示；Kit为物质资本的衡量变量，用地区固定资产投资额加以表示；HRit为人力资本的衡量变量，用地区财政教育支出加以表示；INDUSit为产业结构的代理变量，用第三产业增加值加以表示。W为人为设定的空间权重矩阵，这是空间建模的核心所在，亦是与一般计量模型区别所在。εit是随机误差项，包含着所有其他遗漏变量对被解释变量的影响。ρ和λ分别代表空间自回归系数和空间自相关系数，主要作用在于：衡量研究变量之间是否具有经济增长的空间溢出效应，自然也是本文研究的重中之重。这对于今后中国各省市在经济领域展开合作，具有十分重要的指导意义。
3. 实证结果与分析
上表显示，在1%的显著性水平下，解释变量劳动力（LABORit）、物质资本（Kit）、人力资本（HRit）以及产业结构（INDUSit）均能拒绝原假设，系数显著。另外，各解释变量的系数均为正值，反映了与被解释变量地区生产总值（GDP）的正相关关联，这也与经济原理相符。更为重要的一点是，空间自回归系数ρ=0.212，在1%的水平上显著，故存在空间自回归效应。为提高模型的精度，现对模型进行Hausman检验。在进行Hausman检验之前，必须估计出随机效应的空间自回归模型（SAR），结果详见表6。
表3 多元线性回归模型估计结果
由表三可以看出，解释变量人力资本（HRit）的P值为0.529，不能拒绝原假设，无法通过显著性检验。另一方面，从系数的符号上来看，解释变量劳动力（LABORit）和人力资本（HRit）的系数均为负值，这也与客观经济原理相背离。因此，我们猜想模型中可能存在空间溢出效应。对上述模型进行空间效应诊断，得到如表4所示的诊断结果。
表4 多元线性回归模型空间效应诊断结果
空间计量模型区别于一般传统计量模型之处在于增设了空间权重矩阵，用于度量变量间的空间溢出效应。因此，空间权重矩阵的选择和构建显得尤为重要。本文选取了2008-2016年中国31个省市的面板数据，考虑到回归结果的稳健性，严谨起见，这里将选择标准化的二元邻接矩阵作为模型的空间权重矩阵。另外，为保证模型的全面性，本文在建立空间计量模型之前，还将建立多元线性回归模型用于估计效果对照。具体模型形式构建如下：
Elhorst曾经于2003年指出，当研究样本仅仅局限于某些特定个体时，一般而言选取固定效应模型更为合适。鉴于本文的研究对象是中国31个省市的区域经济，故而应当采用空间固定效应模型进行拟合。首先，使用Stata15.0软件，对2008-2016年中国31个省市地区经济增长的面板数据进行处理，随后构建固定效应的空间自回归模型（SAR），回归结果如表5所示。
表5 固定效应空间自回归模型（SAR）估计结果
采用普通最小二乘法（OLS），对如式（2.1）所示的多元线性回归模型进行回归，得到如表3所示的估计结果。
表6 随机效应空间自回归模型（SAR）估计结果
Hausman检验结果如表7所示。
表7 Hausman检验结果
上表中，Hausman统计量大于0，故而不接受随机效应的原假设，理应选用固定效应空间自回归模型（SAR）。
(1)上世纪九十年代前，主要矿业国家的矿业资产评估一般依据公司法和相关会计准则来评估，没有专门的针对矿业资产评估的标准和指导。
由于生态环境的多样性和人为因素造成的环境破坏相对较少，这里成了野生动物栖息繁衍的乐园，野牦牛、玉带海雕、岩羊、林麝、马鹿、盘羊、棕熊、蓝马鸡以及高原山鹑、雪鸡、旱獭等野生动物在这里茁壮成长，生生不息。
四、主要结论与对策建议
（一） 主要结论
从空间相关性分析的视角来看：在全局上，全局Moran’s I指数主要分布在0.259-0.286之间，表明中国省际经济增长存在显著的正向空间溢出效应。在省际经济增长的发展阶段上（2008-2016年），图表显示，经济增长的空间自相关性呈现出波浪式前进的发展态势。局部分析表明，在所截取的四年截面数据中，落在局部Moran’s I指数散点图一、三象限的省市均超过了70%，反映了中国省际经济增长不仅存在正向空间自相关性，而且呈现出显著的非均衡发展格局，且东部沿海省份和西部省份最为典型，这一点与实际情况和最初猜想十分契合。
企业文化作为企业的软实力，对企业的生存发展至关重要。皇窑景区的企业文化包括企业整体价值理念、企业精神、企业形象等。标准体系的构建过程，也可以视为企业文化的建设过程，用规范的方式固化景区的组织行为和价值观，并在操作层面指导全景区对服务过程、流程、技艺、方法、岗位进行全面总结，形成标准。标准体系是现实意义上的企业知识库，使景区各种管理经验和服务流程能有效的积累和传递，而标准体系的实施，也能使企业文化得到更好的传承。
从空间计量模型的视角来看：使用普通最小二乘法（OLS）估计多元线性回归模型不再有效，不仅系数的显著性检验无法通过，而且系数值与实际意义不符，因此理应构建空间计量模型进行分析。通过极大似然估计方法（MLE），构建基于面板数据的空间自回归模型（SAR），最终确定空间自回归模型（SAR）解释中国省际经济的空间溢出效应较为合适。无论就空间自回归系数ρ，还是就解释变量系数向量β而言，均在1%的显著性水平上显著，这再次印证了中国省际经济增长确实具有显著的空间自相关性，且空间溢出效应显示出较为明显的“马太效应”特征，即两极分化现象。从解释变量上具体分析，庞大的劳动力规模、雄厚的物质资本、充足的人力资本以及高度服务化的产业结构，都能够有力地带动地区经济增长，这为接下来提出针对性建议具有重要的指导意义。
（二） 对策建议
鉴于中国省际经济增长存在显著的正向空间相关性以及明显的“马太效应”特征，各省市政府应当对省际经济的空间关联给予高度关注。因地制宜，因时制宜，根据具体集聚类型的相关特征，综合考量资源禀赋、产业结构、科学技术、人员配置等要素，制定协同竞争战略。一方面要与周边地区寻求合作契机，资源互补，实现互利共赢；另一方面要因地制宜，制定异质化发展策略，保持自身的特色和优势。不同集聚类型的省市应当采取的协同竞争策略也应当有所不同：“高-高”集聚型省市可充分发挥极化效应，积极带动周边地区的经济增长；“低-高”集聚型省市则可充分利用周边地区的优质资源，通过承接产业转移、技术外溢来促进本地的经济增长，充分运用干中学效应理论；“高-低”集聚型省市可借助“外溢效用”寻求新的经济增长点，激励周边地区的经济增长，力争早日迈入“高-高”集聚类型方阵；“低-低”集聚型省市则任重而道远，应当优化产业结构，加大财政教育支出，加快培育高素质人才，争取早日走出困境，摆脱“低-低”非良性循环的集聚类型。
鉴于劳动力、物质资本、人力资本、产业结构对地区经济增长的拉动作用显著，各省市在今后的经济发展过程中，应当优化劳动力结构，将不同类型的劳动力安插在最合适的岗位上，实现人尽其才；在固定资产投资中，积极改善投资结构，调整投资规模，防止产能过剩；在人才培育上，各省市地方政府应提高地方财政教育支出比重，采取人才导向战略，既要培育专业领域的专业型人才，又要培育复合型的高端人才：最后在产业结构上，应当大力发展第三产业等高附加值产业，促进产业结构服务化，同时坚持协同竞争，积极与周边地区展开良性合作，规避恶性竞争，保持自身的特色和长处。
参考文献：
[1] Wang Shaoping，Ouyang Zhigang. The threshold effect of the urban-rural income disparity on real economic growth in China [J] Social Sciences in China，2008（8）：39-53
[2]张清正. 我国区域经济增长差异及影响因素分析[J]经济问题探索，2014（12）：95-98
[3] 乔婧妍. 基于面板数据模型的区域经济增长影响因素研究[J] 金融经济，2018（7）：34-35
[4]米娟. 中国区域经济增长差异及影响因素分析[J]经济经纬，2008（6）：65-68
[5]方琳，张庆海.江苏省区域经济增长效率及其影响因素分析——基于SFA的实证研究[J]淮阴工学院学报，2012（3）：65-70
[6]彭志胜，杨敏. 安徽省区域经济增长差异及其影响因素分析[J]全国流通经济，20177）：63-65
[7]崔百胜，杨晓勤.交通基础设施对区域经济增长的空间溢出效应[J]经济与社会，2017（7）：48-59
[8]马立平，张鹏，胡佩. 要素禀赋对中国地区经济发展影响的统计分析——基于30个省市的面板数据分位数回归[J]贵州财经大学学报，2016（4）：94-102
[9]李成悦，王腾，周勇.湖北省区域经济格局时空演化及其影响因素分析[J]国土与自然资源研究，2014（1）：7-10
[10]陈萍. 技术创新视域下区域经济增长的动力机制与影响因素分析[J]管理科学与经济学，2014（4）：211
[11]龚静，尹忠明. 中国服务经济发展的空间集聚效应及影响因素研究——基于30省市面板数据的空间统计及计量分析[J]国际贸易问题，2015（7）：97-107
[12]潘红玉，贺正楚，吴敬静.专利对中国经济增长的影响——基于31个省市面板数据分析[J]系统工程，2017（10）：95-104
[13]王诗蓓.我国产业结构服务化的影响因素分析——基于全国 31 个省市的面板数据[J]齐齐哈尔大学学报（哲学社会科学版），2018（6）：97-94
[14]陈琳，杜海涛，谭建辉，周耀旭.房价涨势的区域异质性及时期差异性研究——基于中国30个省市面板数据的实证分析[J] 系统工程，2018（8）：65-74
[15]张洪，金杰，全诗凡.房地产投资、经济增长与空间效应——基于70个大中城市的空间面板数据实证研究[J]南开经济研究，2014（1）：42-58
[16]宓科娜，庄汝龙，高峻.高速铁路发展、空间溢出与经济增长——基于浙江省66个县（市）的空间面板数据[J]经济与管理，2017（7）：837-842
[17]高杨，张艳芸，李静晶.中国高校数量规模对经济增长的空间溢出效应研究 [J]中国高教研究，2017（8）：61-67
[18]王敏，王青.教育对经济增长影响的空间效应研究[J]大连理工大学学报（社会科学版），2017（1）：126-131
[19]杨水根，王露.长三角城市群经济关联、空间溢出与经济增长——基于空间面板计量模型的实证研究[J]系统工程，2017（11）：99-109
[20]李新光，黄安民. 高铁对县域经济增长溢出效应的影响研究——以福建省为例[J]地理科学，2018（02）：233-241
[21]初春，吴福象.金融集聚、空间溢出与区域经济增长——基于中国31个省域空间面板数据的研究[J]经济问题探索，2018（10）：79-86
[22]李毓，周欢.区域信贷、技术创新对经济增长影响的实证分析——基于空间面板视角[J]经济问题，2018（11）：26-35
[23]潘海峰，张定胜.信贷约束、房价与经济增长关联性及空间溢出效应——基于省域面板数据的空间计量[J]中央财经大学学报，2018（11）：82-95
[24]郭小卉，康书生.京津冀三地经济增长溢出效应探析[J]经济与管理，2018（6）：4-12
[25]殷小敏.中部地区市域经济发展差异及影响因素分析[D]安徽财经大学硕士学位论文，2018（6）
[26]智慧. 中国产业结构变迁对经济增长影响的区域差异性研究 [D]吉林大学硕士学位论文，2018（3）
[27]赵青. 技术创新与经济增长动态关系研究——基于2000-2014年中国30个省市面板数据[D]广东财经大学硕士学位论文，2017（6）
[28]陈强.高级计量经济学及Stata应用［M］2 版 高等教育出版社，2013
（作者简介： 谭黎阳，上海师范大学副教授；夏帅，上海师范大学产业经济学硕士）
标签：空间溢出效应论文; 区域经济增长论文; 空间计量分析论文; 面板数据论文; 区域一体化发展论文; 中国论文; 省市论文; 综合交通运输体系论文; 上海师范大学论文;