空间计量（共8篇）
空间计量 篇1
在我国地区科技发展过程中, 专利创新影响因素的空间关联机制不容忽视。专利创新及其相关影响因素在地理空间上是否存在依赖性?影响因素对创新的空间贡献度有多大?定量研究这些问题对制定我国各具特色的区域创新战略具有重要的理论和政策意义。
国外使用空间计量方法分析专利数据的研究较多, 如Anselin等研究教育和科研投入对创新的重要作用, 他们建立了知识生产函数并利用美国的数据进行了空间实证分析[1]。创新的内在影响因素和相互作用在不同的文献中有不同的看法。除了教育和科研投入外, Simon认为每个个人有相同的机会发现新的技术, 在历史的任何时刻, 是人口的数量决定创新的数量。“干中学”模型认为知识是经济生产活动的副产品。在国内, 使用空间计量方法的论文较少。吴玉鸣用空间计量方法研究了我国省域的研发和创新[2]。
针对我国专利数据的特殊性, 结合已有成果, 本文在考虑空间相关的基础上, 利用我国大陆31 个省市区的2004与2006年相关数据分析经济状况、人口、高校毕业生数等因素对创新能力的影响。
1 创新产出及影响因素的空间计量
1.1 模型的建立与指标的选取
内生经济增长模型中, Romer, Grossman和Helpman的研发模型将新思想的生产视为投入研究的资本K、劳动力数量L和技术水平A的函数, 其函数为柯布-道格拉斯形式:
dAt=BKβtLγtA
其中, t为不同的时期, dA为知识的增量, B为转移参数, β、γ、θ为参数。实际上, 投入研究的资本K和人力L是不好衡量的。科研投入不足且大部分的专利创新并非来自科研投入。获得经费支持的部门, 申请专利的比例也不高, 大部分科研成果以发表论文、成果鉴定等形式公开。因此, 使用科研投入来解释创新存在一定的问题。本文采用更广义的科研投入, 即GDP替换K, 这一替换也符合“干中学”原理, PGDP是用居民消费价格指数换算为当年实际值。同样, 由于创新主体分布的广泛性, 即创新主体不局限于专职的科研人员, 因此用人口数POP替换L。这一替换也可以从Simon的人口数量决定创新数量的理论中找到依据。
知识的存量水平A更不易衡量, 不少文献并没有直接考虑知识的存量水平, 而以教育投入来间接体现知识存量水平的作用, 理由是知识存量水平通过教育转移到生产者身上, 作用于新知识的生产。但是, 使用教育投入来体现知识存量水平的作用同样存在问题。因为我国高校存在庞大的行政后勤管理人员, 且由于院校条块分割和管理体制的不完善导致浪费、专业和课程设置不合理等原因, 相当多的教育资源并没有用于知识的创新。更好的方法是选择受教育的人来体现知识的存量水平, 因为知识最终由受过良好教育的人来携带并进行创新活动。本文用高校毕业生数EDU来衡量教育的发展程度, 也体现了知识的存量水平转移到新知识生产上的程度, 以之代替A, 于是模型变为
LNZLSQt=c+βLNEDUt-2+γLNPOPt-2+θLNPGDPt-2 (6)
模型两边取对数, LZSQ为专利授权数, 代表知识的增量水平。考虑创新的滞后性, 本文创新的影响因素滞后二期。创新产出用2006 年的专利创新, 影响因素用2004年的高校毕业生、人口数量、经济增长。
创新能力在省域之间存在相互作用, 如甲省培养的学生, 可以流动到乙省从事科研活动;甲省的某项专利, 它的思想可能激发乙省的另一个创新;甲省的经济发展, 也可以带动邻省的创新活动。因此, 在研究创新活动时, 不考虑空间相关是脱离现实的。
1.2 空间计量结果与分析
1.2.1 计量结果。
首先计算31省市区的专利授权 (LNZLSQ) 、高校毕业生 (LNEDU) 、人口数量 (LNPOP) 、经济增长 (LNPGDP) 的Moran指数分别为 0.3355、0.3086、0.2434、和0.3501, Moran指数的正态统计量值均大于正态分布函数在0.01水平下的临界值 (1.96) , 说明全国各省域的专利创新和高校毕业生、人口数量、经济增长的空间分布并非表现出完全随机状态, 而是表现出相似值之间的空间集群。
空间自相关检验结果表明, 对有关中国专利创新和影响创新相关因素的理论与实证研究, 传统研究的思路只从时间维度出发, 忽视空间维度的相关性和异质性, 在理论上存在严重不足, 与创新和影响创新相关因素现实不符。有必要在进行专利创新及其影响相关因素研究时考虑纳入空间依赖性的空间计量经济模型进行估计。为了比较, 先给出了OLS估计结果, 见表1。
注:***, **, *分别表示10%、5%、1%水平下显著性检验
以下给出了Moran指数检验、两个拉格朗日乘数来判断空间计量经济学模型SLM 和SEM的形式, 利用极大似然估计 (ML) 的参数估计结果如表2所示。比较表1和表2中的检验结果发现, 空间滞后模型 SLM和空间误差模型SEM 的拟合优度检验值均高于OLS 模型, 而且比较对数似然函数值LogL、AIC和SC值就会发现, 在OLS、SLM和SEM中, SEM的LogL 最大, 而AIC和SC值最小, 故SEM模型相对更好一些。由此可见, 空间滞后模型和空间误差模型作为对忽视了地理空间效应的经典回归模型的修正, 消除了模型的空间自相关。用OLS估计SLM和SEM模型是有偏误的或不一致的, 基于OLS法的经典线性回归模型由于遗漏了空间误差自相关性而设定的模型不够恰当。而使用ML法估计的SEM 和SLM模型与OLS估计相比较, SEM和SLM消除了模型的设置偏误, 结果更为准确、更加可信, 是正确的模型设定形式。
注:***, **, *分别表示10%、5%、1%水平下显著性检验
1.2.2 结果分析
(1) 高校教育影响区域创新。
高校毕业生的弹性系数显著地为0.3135, 大于传统OLS模型中的0.2698, 说明人才空间流动在创新中发挥了积极的作用。系数不很显著, 说明两个问题:高校教育的作用尚未发挥到最好;高校教育有较强的空间扩散性。由于专业、课程设计, 培养目标和社会导向等方面的缺陷, 高校毕业生从事创新活动的并不多, 如大学生中普遍存在英语、经贸管理学习热和公务员考试热等现象, 惟独没有科学研究热;热衷于坐办公室当管理者, 不愿意到实验室当研究人员。造成这一现象的原因在于现实社会中太多的资源集中于管理者, 大部分的专家和研究者只是从属人员, 成不了主流。
(2) 人口及人口流动对创新的空间效应。
在普通OLS模型和空间OLS模型中, 人口的系数为令人疑惑的负号。负号产生的主要原因是创新不是由人口基数, 而是由人口的质量决定的。如英国在工业化时期人口并不多, 1851年英国在第一届世界博览会向全世界宣告它成为世界上最强大的工业化国家时, 人口只有 1 000多万, 我国同时期人口约4.3亿, 但是英国的创新明显强于我国。我国的中部地区人口基数较大, 但存在人才流失问题。直辖市人口远低于普通省份, 但却是创新密集地区。因此, 三个模型对人口基数的回归出现了显著的负号。空间OLS虽然体现了人口跨地区的作用, 但对于包含大量非流动人口和多种文化层次的人口基数来讲, 在本地的作用尚未能体现, 跨地区作用更难于体现。
(3) 经济增长对提高创新能力的空间影响。
在空间截面模型中, PGDP的弹性系数为1.6823, 大于传统OLS模型中的1.6011, 说明GDP的作用有一定的空间扩散性;PGDP的符号在三种模型中都为正, 说明GDP对创新的影响是稳定和有效的。GDP对创新显著且稳定的影响证实了“干中学”的观点, 即知识的生产是物质产品生产的副产品, 经济发达的地区, 创新水平高。实际上增长后的产值反过来可以作为研发的投入, 具有反作用。
2 结语
区域创新由于知识传播以及人才流动等原因, 存在空间相关, 传统的计量分析方法可能导致错误的结果。空间计量模型的分析结果表明, 人口、经济增长、教育发展水平是专利创新的显著决定因素。
高校教育有正的影响但不显著, 说明高校教育对创新的作用有较强的空间相关性和教育的作用没有充分发挥。造成前一现象的原因是大学生具有更强的流动能力且这种流动是有益的。后一现象的原因是高校教育专业课程设计、培养目标欠合理和重官商轻科研的社会导向。
人口流动和流动导致的某些区域人口的增量对创新有重要的影响。流动人口整体文化水平高于非流动人口的平均水平, 流动人口具有更强的创新需要和通常迁徙到他们能发挥更大作用的地方, 从而给人口流入地区带来更多的创新。发达国家工业化和城市化的过程同时也是人口流动的过程, 我国改革开放以来经济增长的过程同样伴随着大量的人口流动。改革原有束缚人口流动的户口制度、人事管理制度和城乡二元化结构, 将对创新活动有极大的帮助[3]。
经济增长对创新的影响是正且稳定的, 体现了“干中学”理论关于知识生产是物质产品生产的副产品的论断。经济增长对创新的作用有一定的空间扩散性, 但相比于其他流动性更强的因素, 经济增长的作用局部性更明显, 因此发展经济是人才流出地区提高创新能力的最佳选择。
参考文献
[1]ANSELIN L.Spatial econometrics:Methods and models[M].Dor-drech:Kluwer Academic Publisher, 1988.
[2]吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究, 2006 (5) :74-86.
[3]符淼.省域专利面板数据的空间计量分析[J].研究与发展管理, 2008 (6) :106-112.
中国绿色创新的空间计量经济分析 篇2
关键词：空间计量经济学 绿色创新 节能减排
1、应用空间计量经济学研究的主要进展
1.1、应用领域广泛
一些领域明确结合了空间因素的模型以及相应的空间计量经济学应用，如区域科学、城市和房地产经济学、经济地理；而且在更多的经济学传统领域的各种经验调查研究中，也越来越多地采用空间计量经济学方法，如需求分析研究、国际经济学、劳动经济学、公共经济学和地方财政、农业和环境经济学。在一些涉及计量经济学方法的文献中，对如何处理与结合数据的地理属性的模型相适合的备择模型、估计量和检验统计进行了越来越多的讨论。
1.2、理论验证增加
空间经济学应用领域的广泛发展，重新对与经济地理学有关的马歇尔外部性、聚集经济及其他溢出效应的空间特征进行了评论。基于应用空间计量经济学进行验证的理论不断增加。
1.3、与 GIS等空间数据分析和模拟技术融合
2、绿色创新的测度研究
基于产品创新、技术创新、观念创新、制度创新等途径实现的，能够推进能源、经济、环境系统协调发展的创造性活动，都可称之为绿色创新，其结果都将体现为有益于节能减排的技术进步。现阶段，国内学者对绿色创新的度量尚处于起步与尝试期。陈劲等就曾构建过适合我国国情的企业绿色技术创新审计指标体系，包括环境绩效指标、创新绩效指标、创新过程指标、创新投入指标，这些审计指标与方法能够对单个企业的绿色技术创新进行诊断，为企业绿色技术创新审计指标的测度奠定了基础。
已有研究一般都是通过问卷调查来测度绿色创新的。比如，童听等重点关注了通信设备、电子计算机，以及电子元器件等三类企业，通过电话向样本框内的2600个企业发出面访请求，成功访问266个样本，受访率约为10%，此项调查通过企业是否采用了“无铅焊接技术”来度量其绿色创新水平。唐建荣采用问卷调查方法，选择了全国20个城市，覆盖了东部、中部及西部地区，有效样本数为1653份，采用多元统计分析中的因子分析方法，对所有24个原始变量进行因子分析，目的是找出可以有效描述绿色消费者的若干公因子，并解释各主因子的经济含义。
学界已建立了对微观层面的绿色创新指数的度量方法，但对地区、行业乃至国家层面的绿色创新水平尚缺乏合理、有效的度量。测度“传统创新”的方法已经非常成熟，主要集中为3个方面：数据包络分析（DEA），随机前沿分析（SFA），指标体系法。俞立平认为：数据包络分析（DEA）能在一定的投入产出下，对经济系统进行综合效率评价，其方法成熟，被应用到许多领域；随机前沿分析（SFA）需要事先确定解释变量与被解释变量的函数关系，在复杂经济系统中做到这一点并不容易；指标体系法存在着指标权重的赋值问题，存在着人为因素。应用DEA方法并结合Malmquist（后文简称为GM）指数来分析经济系统的创新水平，往往更加成熟可靠、更为学界所认可。
3、空间计量模型的研究结果
我国各个地区随机效应的LR值均高于固定效应，因此本文选择了随机效应模型。由于绿色创新指数（GM）相当于一阶差分值，因此本研究也将自变量做了相应的差分处理。从空间相关系数可知，我国绿色创新确实存在明显的正向空间相关性，空间溢出效应显著，基于此，仅用普通的面板模型估计，确实会造成估计结果有偏，研发存量（RD）的估计参数在全国及西部地区模型中显著为正，这意味着科研投入可以有效增强绿色创新过程中的物质资本积累，对绿色技术进步有着积极作用，在全球日益高涨的环保意识下，新技术的应用往往比原有技术更加环保。人力资本（HC）在东部地区，在1%的水平上显著为正，但是在中部、西部乃至全国模型中的估计参数却为负数，并分别在5%和10%的水平上显著。原因可能在于，由于中、西部地区的人力资本仍比较匮乏，加上配套设施及专利技术的缺失，致使人力资本不能有效的转化为绿色创新力。外资依存度（FDI）对东部、中部、西部各地区绿色创新皆有显著的正向影响，贸易开放度（TRADE）仅在东部地区发挥了积极作用。外资对绿色创新的技术溢出效应要优于外贸，以FDI为渠道的技术溢出是各地区绿色创新的重要源泉。从环境规制的角度看，排污收费（GCHAR）、排污许可证（GPERM）、污染治理成本（GCOST）对绿色创新的影响并不显著。
我国能源资源分布很不均匀，石油禀赋（PRODO）在西部地区，在1%的水平上显著，而在东部和中部地区的估计参数皆不显著。煤炭禀赋（PRODC）在全国、东部、中部地区，在10%或1%的水平上显著，而在西部地区的估计参数不显著。研究发现，各地区并未呈现能源禀赋越紧缺、绿色创新水平越高；或能源禀赋越丰裕、绿色创新水平越低的现象。我国各省市并未鉴于煤炭等能源禀赋的稀缺性，而从事更多的节能型绿色创新活动，他们面对稀缺性问题时，往往更多的依赖于国内或国际市场的贸易流通，而非绿色创新。
4、空间计量经济学在中国的发展和展望
我国省际间绿色创新活动具有显著的空间溢出效应，资源禀赋（特别是煤炭）与绿色创新之间呈现了良性互动机制，丰裕的资源禀赋往往更有益于形成促使能源-环境-经济协调发展的绿色创新动力。我国绿色创新的激励机制主要源于能源的污染性、而非稀缺性，各地区的绿色创新主要面向减排，而非节能。
4.1、我国以煤炭为主的能源结构是亟待优化的。由于煤炭的高污染性，以低碳经济为主要建设目标的绿色创新应被予以更多重视，长期看来，太阳能、风能、水电、沼气、生物质能等清洁能源的大规模采用应是绿色创新的重要攻关方向。
4.2、我国的能源价格改革仍不充分。扭曲的能源价格体系是导致资源浪费、环境污染的重要原因，是绿色创新动力不足的罪魁祸首。在扭曲的能源价格体系下，绿色创新的成本收益分析是失效的，它使节能环保型的绿色创新效益被严重低估。当前，我国有必要加速能源的市场化改革，让能源价格能够反映出资源稀缺性和环境成本。
参考文献：
[1]陈劲.绿色技术创新审计指标测度方法研究[J].科研管理，2002.
中国省域农民消费的空间计量分析 篇3
事实上, 占全国总人口55%的农民消费长期低迷, 其消费率从1983年最高点的32.3%下降到2007年的9.1%, 24年间下降了近23个百分点;在居民消费总额中, 农村居民消费所占比重从1978年的62.1%下降到2007年的25.6%, 29年中下降了近37个百分点。同时也说明, 农民消费的数量增长有很大的提升空间, 促进消费品工业和其他行业的发展, 所以, 培育农民消费水平、引导消费方向, 提高最终消费率, 是保增长、调结构、重民生的长久之计。分析农民消费的区域差异和集聚特征, 分析农民收入和消费价格指数的空间依赖性, 厘清农民消费的空间特征, 为国家制定相关政策, 形成不同区域特征的消费模式提供理论基础。
一、文献综述
消费是社会再生产总过程中的组成部分和重要环节, 经济学理论一直认为消费是国民经济持续发展的基本力量。研究中常见的是对有关消费函数的估计和预测;运用扩展性线性支出系统模型计算恩格尔系数、分析农民的总消费倾向和各类商品的消费倾向、进行消费结构的弹性分析等, 消费理论研究在经济研究中也具有越来越重要的地位。有学者通过研究证实, 开拓农村居民消费市场对工业化进程有巨大的推动作用, Ravallio (2002) 分析区域性经济与农民消费的经济模型, 鲜祖德 (2003) 用消费函数研究了如何扩大内需尤其是农民的消费力度;相丽驰等基于扩展线性支出系统的浙江农民消费需求研究;潘建伟等 (2005) 就农民与居民消费的比较进行了研究;林江鹏等 (2007) 用收入与消费计量模型研究了我国城乡居民收入与消费支出关系;郑春梅 (2008) 就中国农民的消费特征进行了实证分析;胡燕京 (2006) 等用多元线性回归模型对农民消费问题进行了计量研究。
在对有关消费理论的研究中, 对全球经济调整背景下的中国省域农民消费研究的较少。关于区域消费需求的空间相似性、消费强度和区域之间的空间关系、消费的空间分布格局的描述统计及成因计量分析的文献不多。省域的农民消费也存在差异与集聚。以2007年为例, 上海农村居民家庭平均每人全年生活消费支出8844.9元, 是贵州的4.62倍, 可见消费的空间区域差异显著。所以, 研究不同省域农民消费的空间特点, 分析消费的差异和集聚, 分析中国省域农民消费与收入间的空间依赖性, 分析省域的农民消费空间差距及成因, 是提高消费水平、解决消费公平的关键, 对于提高全国农民消费水平, 是一项基础性的理论工作。
二、理论与方法
1.空间自相关检验模型
全域空间自相关 ( Global Spatial Autocorre-
lation) 是从区域空间的整体刻画区域省域农民消费的空间分布情况。在实际的空间相关分析应用研究中, Moran’s I 主要针对于全域空间相关性分析。其计算及检验过程如下。
Moran’s I定义如下:
Moran’undefined
其中, undefined, Yi, Yi表示第i地区的观测值 (如省域农民消费量) , n为地区总数 (如省域) , Wij为二进制的邻近空间权值矩阵, 表示其中的任一元素, 一般用邻近矩阵 (Contiguity Matrix) 和距离矩阵;其目的是定义空间对象的相互邻近关系。其中依据相邻距离设定权值种最为常用, 即:
undefined
式中, i =1, 2, …, n;j=1, 2, …, m;m=n或m≠n。
对于Moran’s I 的指数的计算结果, 可分别采用渐进正态分布和随机分布两种假设进行检验, 其标准化形式为:
undefined
根据地理空间数据的分布情况可以计算标准化Moran’s I的期望值:
E (Moranundefined
对常用正态分布的空间数据假设, 其方差的算式为:
VARn (Moranundefined
公式 (4) - (8) 用于检验n个区域的省域农民消费是否存在全域空间自相关关系。如果Moran’sI的正态统计量的Z值均大于正态分布函数在0.05 (0.01) 水平下的临界值1.65 (1.96) , 表明区域省域农民消费在空间分布上具有明显的正向相关关系, 正的空间相关代表相邻地区的类似特征值出现空间依赖性。
2.空间计量经济模型
根据模型设定时对“空间依赖性”的体现方法不同, 空间计量模型主要分成两种:
(1) 空间滞后模型。空间滞后模型 (Spatial Lag Model , SLM) 是用于研究相邻地区省域农民消费的行为对整个系统其他地区省域农民消费的行为产生影响的情形。SLM 模型的表达式为:
y=pWy+Xβ+ε ⑥
式中, y为因变量;X为n×k 的外生解释变量矩阵如经济增长、人口等因素;Wy为空间滞后因变量, p为空间回归系数, 反映样本观测值中的空间依赖作用, 即相邻区域的观测值Wy对本地区观测值y的影响方向和程度, 可以揭示因变量在一地区是否有扩散现象 (溢出效应) , W为n×n阶的空间权值矩阵, ε为随机误差项向量。
(2) 空间误差模型。当地区间的相互作用因所处的相对位置不同而存在差异时, 则需要采用空间误差模型。空间误差模型 (Spatial Error Model , SEM) 的模型形式为:
y=Xβ+ε
ε=λWε+μ ⑦
式中, ε为随机误差项向量, λ为n×1 阶的截面因变量向量的空间误差系数, μ为正态分布的随机误差向量。SEM中参数β反映了自变量X对因变量Y的影响。参数λ衡量了样本观察值中的空间依赖作用, 即相邻地区的观察值y对本地区观察值y的影响方向和程度。存在于扰动误差项之中的空间依赖作用, 度量了邻近地区关于因变量的误差冲击对本地区观察值的影响程度。
针对空间滞后和空间误差计量模型做出实践检验, 并判断地区间的空间相关存在与否, 一般进行通过包括Moran’s I检验、极大似然LM-Error检验及极大似然LMLag检验等一系列空间效应检验, 同时, 这些统计检验方法也可以用于诊断所估计的空间计量模型结果。另外, 除了拟合优度R2检验以外, 估计技术上需要用空间统计和空间计量经济的方法, [1][2][3][4]对于上述两种模型的估计如果仍采用最小二乘法 (OLS) , 系数估计值会有偏或者无效, 需要通过工具变量法、极大似然法或广义最小二乘估计等其他方法来进行估计。如果SLM和SEM模型设定正确, 那么误差项的空间依赖性将会导致OLS估计产生无偏但不一致的结果。
三、变量与数据
消费是居民通过消费品满足自身欲望的一种经济行为。根据经济学基本原理, 决定消费的主要因素有收入和价格两大变量, 建立的模型是以农村居民人均消费为被解释变量, 以居民收入水平和消费指数为解释变量。其中居民收入水平直接决定消费者购买力水平, 收入水平高, 则购买力强, 反之则弱。价格水平也是影响着农村居民消费的一个重要因素, 当前衡量价格水平的主要是农村居民消费价格指数, 消费指数 (Consumer Price Index, 简记为CPI) 是用于衡量消费者经常购买的确定的一篮子商品和劳务的价格变化。
本研究的数据来源全部来源于中国统计年鉴。其中, 缺少北京, 天津, 上海和重庆的农民消费价格指数, 由于用的是环比指数, 同上一年相比较, 居民消费价格与农村居民消费价格指数的波动基本相似, 缺少的个别年份就用居民消费价格指数代替 (对结果无较大影响) , 在做单一年份的空间统计分析时候, 不影响变量的空间性质。
四、实证分析
我们做两个理论假设:
假设1:不同省域的农民消费行为符合凯恩斯绝对收入理论, 农民是根据其收入的绝对水平来决定将其现有收入的多大部分用于消费的, 消费随收入的增长而增长。
假设2:消费具有空间集聚的特征, 空间因素对邻近区域的农民消费影响作用显著。
首先, 验证一下凯恩斯的绝对收入假说。
以农村居民的人均消费为别解释变量, 以村居民收入水平、价格水平为解释变量, 建立模型, 取全国31个省市的数据, 进行回归分析, 模型形式如下:
Cit=αit+β1Yit+β2Pit+μt t=1, 2, L, T ⑧
其中, C表示消费额, Y表示收入, P表示消费价格指数, α与βi (i=1, 2) 为待估参数, βi为边际消费倾向, 各个省域农村居民的消费支出是否取决于收入的绝对水平, 关键看模型形式整体上是否成立, βi的参数检验是否显著, 以2007年为例, 用31个省域的数据来计算, 拟合优度为0.8962, 大于0.8, F值为120.819, 伴随概率为1.695e-014, 说明模型总体上成立, 收入变量的参数βi为0.7443, P为0, 计算结果参见表1, 说明通过假设检验, 收入决定着消费的水平, 而且边际消费倾向还比较大, 收入每增加1元, 消费就要增加0.74元, 所以, 假设1成立, 即满足农民消费符合凯恩斯的绝对收入假说。
必须要指出的是, 虽然模型总体上成立, 但是应该有的常数项即最低消费, 以及价格变量的假设检验都接受原假设为0, 没有通过统计检验, 这与基本经济现实不符, 违背常理, 模型存在问题, 可能的原因是中国区域自然地理条件、经济水平、消费文化、消费偏好等地域空间差异显著, 传统的省域农民消费的截面数据分析, 无法揭示这种显著的区域空间差异对消费的影响范围和程度。空间差异以及相互影响的存在, 使得一般的截面回归分析方法不适合于解释省域农民消费与收入、价格间的复杂关系, 也难以得出真正反映省域农民消费实践的分析模型。
其次, 使用全域Moran’s I 统计量和零假设检验初步测算各省域之间农民消费的相关性。1985～2007年期间31个省域消费 (ECQ 的对数) 的Moran’s I 平均值是0.4264, 具体数值见表2。各年无空间相关假设的概率分别小于0. 05, 这意味着相邻省域的消费水平存在着普遍的正相关, 因此, 假设2成立。
第三, 以代表性的2000、2007年为例, 做具体分析。图1、图2是31个省域农村居民消费指数的Moran’s I统计值2000年和2007年的不同情况。从中可以发现, 省域农民消费的Moran’s I统计值显示:农村居民消费行为相对较高的省域倾向于在空间上与其他高消费行为的省域相联系与相邻近的趋势, 而且这种消费行为的局域集群的趋势还在有进一步自我强化的态势。
从31个省域的农村居民消费位于四个象限内省域的空间Moran’s I散点分布图1、图2可以看出, 这些省域表现出的共同特点是在地理空间上显示了正的空间自相关性。通过Moran’s I散点图可以判断, HL类型和LH类型的省域偏离全域正的空间自相关总体消费趋势的省域, 其消费行为表现为空间集聚的特征, 进一步验证假设2成立。
以下分别从2000年和2007年两个时间点展开分析。2000年 (图1) :上海, 浙江, 广东, 福建, 江苏和天津6个省域位于第一象限, 是高-高的正自相关关系的集群 (HH) ;江西, 安徽和河北3个省域位于第二象限, 是低-高的负空间自相关关系集群 (LH) ;吉林, 黑龙江, 贵州, 甘肃, 山西, 西藏, 新疆, 青海, 陕西, 重庆, 湖北, 内蒙古, 四川, 云南, 宁夏和河南等16个省域位于第三象限, 同样是低-低的空间自相关关系的集群 (LL) ;湖南, 北京位于第四象限, 为高-低的空间自相关关系 (HL) 。广西和北京同时跨越了第二和第三象限;山东和辽宁同时跨越了第三和第四象限。
2007年 (图2) :上海, 浙江, 江苏, 福建和天津5个省域位于第一象限, 是高-高的正自相关关系的集群 (HH) ;江西, 安徽和河北3个省域位于第二象限, 是低-高的负空间自相关关系集群 (LH) ;吉林, 黑龙江, 广西, 河南, 山西, 陕西, 重庆, 宁夏, 云南, 四川, 青海, 新疆, 贵州, 甘肃, 西藏, 湖北和内蒙古等17个省域位于第三象限, 同样是低-低的空间自相关关系的集群 (LL) ;山东, 广东和北京3个省域位于第四象限, 为高-低的空间自相关关系 (HL) 。海南同时跨越第二和第三象限;辽宁和湖南同时跨越了第三和第四象限。
经典线性回归模型的OLS 估计忽略了空间效应, 导致模型设定不恰当。为了进一步验证空间自相关性的存在, 进行了省域省域农民消费的空间滞后和空间误差模型检验 (见表3) , Moran指数检验、两个拉格朗日乘数的空间依赖性检验结果显示:Moran指数 (误差) 检验证明经典回归误差具有 (0.13%的显著性水平下) 空间依赖性或相关性。为了区分是内生的空间滞后还是空间误差自相关, 由表3看出:LMERR在1.37%水平上比LMLAG更有显著性, 从稳健性检验来看, R-LMERR在1.79%水平上比R-LMLAG更有显著性。综合表1和表4中的检验结果发现, SLM和SEM的R-squared都大于OLS回归的拟合优度, 并且SEM的R-squared (0.9344) 的值大于SLM的R-squared (0.8980) 的值, 也大于OLS回归的R-squared (0.8962) ;比较LogL, AIC和SC的值也发现, SEM模型的LogL值为-230.5316, 大于SLM的-234.813, SEM模型的AIC和SC值 (分别为467.063和471.3652) 也小于SLM的 (分别为477.626和483.362) , 因此SEM模型是相对较优的模型。再从参数估计的结果来看, SEM模型的常数项为4583.442元, 是31个省域农民的一年基本消费的平均水平, 价格指数前的参数为-46.1371, 表明价格的上升对于农民的消费下降有强烈的反映, 但是SLM模型的常数估计结果为负数, 价格指数前的参数为正数, 不符合经济事实, 综合上面的分析, SEM模型是最优的模型, 即省域农民消费的空间计量模型是SEM为最佳的拟合结果。
表明农村居民消费在省域之间存在空间扩散 (溢出) 效应;这就是说相邻地区的消费具有空间上的相互影响, 表现为农村居民消费的空间依赖性现象。其中价格变量通过显著性水平为5%的显著性检验, 但是没有通过显著性水平1%的检验, 表明物价在我国还是比较稳定的, 农民消费品的物价弹性小, 是因为农民消费较多地集中于生活必需品, 价格的变化对消费数量的变化影响微弱。
农村居民消费的空间集聚的原因, 第一, 邻近省域的经济水平相当导致消费水平的相当。比如连续多年, 上海, 浙江, 江苏等个省域位于第一象限, 是高-高的正自相关关系的集群, 经济水平高, 农民的收入水平高, 消费支出才能高。经济的空间集聚特征使得我国区域、省域差异明显, 不同水平的经济增长伴随着不同的消费模式。第二, 相似的消费政策是导向性因素。随着我国教育、医疗等制度改革, 原先由国家或集体负担的费用更多地由个人承担, 农民会增加储蓄, 减少现期消费, 是导致目前农民消费需求普遍不足的原因之一。第三, 消费环境是条件性因素。农村的消费设施条件差, 消费的流动性弱, 难以形成大额消费。第四, 消费文化是内部性因素。受经济环境和传统观念的影响, 农民习惯于维持性消费, 舍不得更新换代, 安于“无债一身轻”, 消费的示范和攀比效应使得邻近地区的消费有明显的相似性特征。还有, 由于农村生产集中、农民收入的来源因素比较单一, 使得区域农民消费具有明显的约束力, 表现出集聚的趋势。[5]
五、结论
1.我国31个省域的农民消费具有明显的空间自相关性。
空间统计的Moran 指数检验说明农民消费在省域之间存在实质性的空间影响, 如果模型中遗漏了空间滞后项, 经济建 模的系数的估计将有偏, 采用空间滞后模型, 反映出省域农民消费具有明显的空间依赖性, 体现地理空间效应对省域农民消费及其影响因素的作用。经检验, SEM模型能够较好地解释区域省域农民消费的变化规律及其影响因素的空间作用机制。
2.消费政策的制定需要考虑空间的相关性。
由于我国幅员辽阔, 省份众多, 发展各不相同, 各个省域农民消费的结构不平衡, 农民消费的空间自正向依赖性及邻近地的省域农民消费溢出效应, 如上海、浙江、江苏、福建和天津等是高-高的正自相关关系的集群 (HH) , 国家在制定消费政策和价格调控措施时, 应该以稳定物价、保障市场为主, 对中、西部一些省域由于经济发展落后, 国家财政支出应该倾向于这些不发达的省域, 注重增加农民收入。所以, 消费引导政策必须考虑到空间差异对不同省域农民消费的作用机制, 建立完善的社会保障机制, 增强消费信心;改进农村地区销售网络, 特别是农村基础设施问题 (即交通、电力、网络、商业销售点等) 。
当然, 上面的研究没有考虑到动态的空间面板数据计量经济学模型, 没有细化分析食品、衣着、居住等农民消费的内在结构, 如果能结合线性支出系统消费模型进行定性定量研究, 将得出更加科学和客观的研究结果和结论。
参考文献
[1]Anselin L.Spatial Econometrics:Methods andModels[M].Kluwer, Dordrecht, 1988.
[2]Anselin L, Bera A, Florax R, Yoon M.SimpleDiagnostic Tests for Spatial Dependence[J].RegionalScience and Urban Economics, 1996, (26) .
[3]Ord J K.Estimation methods for models of spatialinteraction[J].Journal of the American StatisticalAssociation, 1975, (70) .
[4]Bockstael N E.Modeling economics and ecology:the importance of a spatial perspective[J].American Journalof Agricultural Economics, 1996, (78) .
空间计量 篇4
区域创新能力是区域经济发展的内生原动力。随着区域经济的不断发展和竞争的日益加剧,区域创新能力已成为区域综合竞争力的重要标志和地区经济获取国际竞争优势的决定性因素[1]。然而,我国的区域创新能力一直以来都表现出显著的区域差异性。以2007年专利授权量为例,广东的专利授权量最多,达到56451项,占全国专利授权总量的18.72%,而青海专利授权量却仅有222项,前者大约是后者的254倍。造成区域创新能力分布失衡的原因是什么?制约区域创新能力发展的因素又有哪些?
1文献综述
随着创新理论的发展,人们认识到创新已经从熊彼特意义上的主要由R&D部门完成的线性过程,向由多个主体参与、相互作用的非线性过程转变。学术界一般认为区域创新能力是一个区域内有特色的、与地区资源相关联的、推进创新制度的组织网络。
国外关于区域创新的研究起步较早。Todtling研究发现,区域资源相同的地区,创新绩效相差却很大,表明区域创新能力不仅由资源因素所决定,而且与其他因素有关,如行为主体能力、主体间互动能力等[2]。Cooke认为,区域创新能力的差距与研究制度、教育制度和技术转移制度相关,在治理模型上依赖于区域决策能力、经费资源和政策导向[3]。另外,区域创新活动还具有系统的特点[4],创新能力不仅与创新主体的直接创新活动有关,而且与区域的社会经济环境、主体间的网络关系等因素相关。Porter、Stern从基础设施角度对国家创新能力影响因素的研究结果表明,创新基础设施的完善程度对一个国家技术创新能力的提升有着重要意义[5]。Furman、Hayes采纳国家创新系统的理论框架,从实证分析角度探讨了不同国家之间创新能力差异的原因[6]。
国内学者对我国区域创新能力差异的研究也做了不同程度的努力。如柳卸林、胡志坚[7]和唐炎钊[8],对我国区域创新能力进行了描述性分析并提出一些政策建议,但这些研究一般只对各地区创新能力进行排序和评价,主观性较为明显,对导致差异的原因并没有给予定量的解释;党文娟、张宗益采用负二项分布Negative-Binomial方法分析了区域环境对区域创新能力的影响,但仅针对2005年数据,未考虑区域创新能力的动态变化和发展[9];王家庭、贾晨蕊对我国区域创新能力进行了空间计量分析,但采用的指标较少、体系不完善,有可能会忽略重要变量[10];岳鹄、康继军对我国区域创新能力及其制约因素进行了详细解析,但对区域创新能力的空间相关性考虑并不充分[11]。
国外文献主要集中于区域创新战略、区域技术转移、区域创新政策,以及研究企业R&D行为的动因及其影响因素等;国内文献主要从行业和企业层面的R&D投入来研究创新能力,以及探讨区域创新能力的短期评估指标体系。目前,针对区域创新环境与区域创新能力的文献多为定性研究,实证研究和动态分析较少,且未从空间经济学的角度考究区域创新能力的空间依赖性与差异性。鉴于此,本文在文献回顾的基础上,使用2004—2007年面板数据,构建空间计量模型,从省际区域层面重新审视区域创新能力及其影响因素,以期获得更准确的结论并提出更具针对性的政策建议。
2空间计量模型与方法
2.1指标体系设计
区域创新能力需要结合特定的区域创新环境来分析。根据Furman、Hayes的研究,研发资源的投入并不是决定创新产出绩效的唯一因素,制度、环境以及政策的改变都可能导致创新绩效的差异[6]。
关于区域创新能力的度量指标,国际上比较通用的是专利授权数量、新产品开发和销售情况等,考虑到专利授权数量的通用性、一致性和易得性,本文以专利授权数量作为区域创新能力的衡量指标。
由于难以获得直接测度创新环境的指标,本文借鉴郭国峰、温军伟、孙保营的方法[12],运用间接指标和替代指标来表示。
指标1,研发投入,用R&D费用来衡量一个地区的物质资本投入力度。
指标2,人力资本投入(Human Capital),用当年研发领域的职工人数来衡量。
指标3,累积知识存量。创新是一个动态过程,不仅需要当期的人力物力投入,还会受到当地累积知识存量的影响。本文采用各地区教育经费(Educational Appropriations)占财政支出的比重来衡量。
指标4,知识流动能力(Knowledge Liquidity),用各地区技术市场的交易合同成交金额衡量,考察当地创新参与者的技术交往关系,间接反映创新网络中各参与者之间的交流与合作程度。
指标5,金融规模(Finance Scale),钟蜀明、官建成指出,金融资本配置与创新能力之间具有显著的关系[13]。因为我国的专利产出有很大一部分来自高新技术产业,这些企业在技术创新过程中存在很大的资金缺口。本文用各地区金融行业产值占当地生产总值的比重来表示金融规模,可以衡量一个地区对创新的金融支持力度。
指标6,制度变量。康继军、王卫、傅蕴英研究发现,我国市场化进程空间分布的区域差异显著[14],而国外学者多采用市场化进程指标来反映经济体制市场化转型的程度,故本文也采用市场化指数(Marketization Index)将制度因素引入模型。
指标7,对外开放程度(Opening-up),采用利用外资总额占地区生产总值的比重来表示。利用外资总额包括外商直接投资(FDI)与对外借款,虽然FDI的技术溢出效应一直倍受关注,但对外借款也会对区域创新能力产生一定影响。为周全起见,本文采用利用外资总额。
2.2理论模型和数据
为准确测度不同区域的创新能力变化,本文在模型设定中,尽可能纳入影响区域创新能力的主要因素。本文涉及的指标为8个变量,其中被解释变量为专利授权总量(PAT);解释变量分别是:研发投入(RD)、人力资本投入(HC)、累积知识存量(EA)、知识流动能力(KL)、金融规模(FS)、制度变量(MI)、对外开放程度(OP)。建立双对数模型如下:
lnPATi=αi0+αi1lnRDi+αi2lnHCi+αi3lnEAi+αi4lnKLi+αi5lnFSi+αi6lnMIi+αi7lnOPi+εi (1)
式中,α为回归参数,εi为随机误差项,i为1,2,…,31表示我国内地各省份。
本文实证分析中采用的样本包括除港、澳、台之外的我国内地31个省、自治区、直辖市。所有数据均来自于《新中国60年统计资料汇编》、2004—2007年《中国统计年鉴》以及《中国市场化指数——各省区市场化相对进程报告》(由于知识流动能力指标与市场化指数目前分别统计至2004年和2007年,且现有数据对模型来说已充分,故实证的时间跨度限定为2004—2007年)。
2.3空间计量模型
根据空间统计学和空间计量经济学原理方法,本文进行空间计量经济分析的基本思路是:首先采用空间统计分析Moran指数法检验2004—2007年区域创新能力是否存在空间依赖性;若存在,则建立空间计量模型,进行空间计量估计与检验。
2.3.1 空间依赖性检验
检验区域经济变量的空间依赖性(空间自相关性)存在与否,空间统计学一般使用空间统计量——空间自相关指数Moran I。Moran I定义为:
Moran I=
式中,
本文对反映区域创新能力的专利授权总量指标进行Moran指数的测算与检验。
2.3.2 空间计量模型的设定
空间计量经济学模型有多种,本文采纳适用于截面数据的空间常系数回归模型,包括空间滞后模型(Spatial Lag Model,SLM)与空间误差模型(Spatial Error Model,SEM)。
空间滞后模型(SLM)。空间滞后模型主要探讨各变量在一个地区是否有扩散现象(溢出效应)。其模型表达式为:
y=ρWy+Xβ+ε (3)
式中,y为因变量;X为n×k的外生解释变量矩阵;ρ为空间自回归系数;W为n×n的空间权重矩阵,一般用邻接矩阵(Contiguity Matrix);Wy为空间滞后因变量;ε为随机误差项向量。
空间误差模型(SEM)的表达式为:
y=Xβ+ε
ε=λWε+μ (4)
式中,ε为随机误差项;λ为n×1的截面因变量的空间误差系数;μ为正态分布的随机误差向量。参数λ衡量了样本观测值中的空间依赖作用,及相邻地区观测值y对本地区观测值y的影响方向与程度,参数β反映了自变量X对因变量y的影响。SEM的空间依赖作用存在于扰动误差项,度量了邻接地区关于因变量的误差冲击对本地区观测值的影响程度。根据Anselin的理论,为保证模型估计结果的无偏和有效,需要采用极大似然法估计空间滞后模型和空间误差模型的参数[15]。
SLM、SEM的选择:由于事先无法根据先验经验推断在SLM和SEM中是否存在空间依赖性,有必要构建一种判别准则,以决定哪种空间模式更加符合实际。依据Anselin提出的判别准则,如果在空间依赖的检验中发现,LMLAG较之LMERR在统计上更为显著,且R-LMLAG显著而R-LMERR不显著,则可以断定适合的模型是空间滞后模型;反之,则可断定空间误差模型较为恰当。
3实证结果分析
3.1区域创新能力的空间依赖性
利用2004—2007年我国内地31个省份的专利申请授权量计算Moran指数,其中,空间权重矩阵选用“地理”空间权重矩阵(W),表1中结果显示:
Moran指数的正态统计量Z值均大于正态分布函数在0.05显著性水平下的临界值(1.96),表明我国内地31个省份的创新能力在地理空间上具有明显的正自相关关系(即空间依赖性)。可见,我国区域创新能力在空间分布上并非完全随机,而是表现出某些省份的相似值之间在空间上趋于集聚,这说明我国(省际)区域创新能力在空间上存在显著的集聚现象。
Moran指数2004—2007年逐步增大。由此表明,我国区域创新能力在地理空间上的集聚程度不断增加,空间上的整合现象明显。因此,有必要从地理空间的依赖性和异质性出发,对区域创新能力的影响因素进行空间计量分析。
3.2模型的选择与估计
本文选用的空间计量模型是纳入了空间效应的空间滞后模型(SLM)与空间误差模型(SEM)2种。为比较不同时期各影响因素对当期被解释变量的影响作用,根据设定的空间计量模型形式,又分别设定当期模型和跨期模型。
模型I:当期模型。被解释变量和解释变量均选取2007年的数据,反映当期解释变量对当期被解释变量的影响。
模型II:跨期模型。被解释变量选取2007年数据,而解释变量选取2004年数据,反映初期解释变量对当期被解释变量的跨期影响。
确定我国区域创新能力具有空间依赖性后,需要进一步对空间计量模型进行选择。如表2所示,当期模型与跨期模型Moran指数的P值分别为0.0670、0.0388,分别在10%、5%的显著性水平下通过检验,这表明经典回归误差的空间依赖性非常明显。另外,对于两模型来说,LMLAG和R-LALAG都通过了5%的显著性检验,而LMERR和R-LMERR均未通过检验。因此,根据Anselin的判别准则,区域创新能力的当期模型和跨期模型都选取空间滞后模型(SLM)进行估计。
注:***、**、*分别表示通过1%、5%、10%水平下的显著性检验。
在全域范围内,采用当期模型与跨期模型对区域创新能力进行实证研究,结果见表3。利用极大似然估计法对SLM模型的参数进行估计,对比可
注:***、**、*分别表示通过1%、5%、10%水平下的显著性检验。
知,SLM的拟合优度检验值R2均高于OLS模型;进一步比较对数似然函数值Log L、AIC和SC值可知,空间滞后模型比OLS估计的模型要好。在当期模型中,经典线性回归模型与空间滞后模型估计的参数只是程度不同,而变量是否显著方面并无差异;在跨期模型中,经典线性回归模型的金融规模指标(FS)不显著,但在空间滞后模型中高度显著。
3.3实证结果解释
实证结果表明,R&D费用的投入对区域创新能力具有正向促进作用,且作用力持久。加大研发投入力度可以显著提高区域创新能力;而人力资本的投入效果并不显著,说明人力资本对区域创新能力的促进作用仍需要一个吸收和消化的过程,这可能与我国人力资源优势转化为人力资本优势的速度缓慢、成效较低等原因密切相关。
累积知识存量对区域创新能力的提升有显著的促进作用。可见,创新需要不断的知识累积才能厚积薄发。当然,在知识累积的过程中创新意识的培养尤为重要。
一般来说,地区技术市场交易合同成交金额可以衡量一个地区的技术交流活跃程度,金额越大说明当地创新网络中各参与者之间的交换和合作性越强,可以提高各主体研发的积极性。但在估计结果中,它对区域创新能力的作用不明显,这主要是因为大部分企业获得专利(尤其是发明专利)后,倾向于大规模生产或许可其他企业使用,而不是倾向于出售或在此基础上进一步创新。
从当期来看,金融规模对区域创新能力的促进作用并不显著,而其对区域创新能力的跨期影响突出。可见,金融的支持作用有一定的滞后期,并且研发主体大多存在资金缺口。在创新过程中,金融对区域创新能力的推动作用逐步显现。
市场化指数对区域创新能力有着显著的正向推动作用。汪锋的研究表明,制度变迁和市场化可以通过提高要素投入的生产效率对我国的经济增长和区域创新起到促进作用[16]。
对外开放程度在当期对区域创新能力有显著的负面影响,其跨期负面作用不明显。可以印证范乘泽、胡一帆、郑红亮对此现象做出的较为深入的解释[17]:外商为保证其市场垄断地位,往往倾向于投资周期较短的项目,并不会透露其核心技术;同时,外方的技术研发对中方的技术研发有一定的替代作用,这就使得外资的大量进入对区域创新能力(尤其在发明专利方面)产生负面影响,但可能会对非核心专利有一定的促进作用。
4结论与建议
本文分析了我国区域创新能力在时间上和地理空间上的演化趋势,并解释了区域创新环境中各因素对区域创新能力的影响模式。据此提出相应建议:人才的培养与引进应以市场需求为导向,要不断转变教育观念、培养创新意识,推动全社会形成自主创新的氛围;应建设快速便捷的金融支持通道,鼓励、引导创新主体的发展;政府应安排有效的创新制度,完善知识产权保护措施,大力发展技术中介市场、引导创新要素合理流动,以此提高要素的产出效率;在对外开放过程中,应实施“以市场换技术”的原则,努力通过各种方式提高各地区对外来技术的吸收、学习和模仿能力,借此加强自主研发能力;在推动市场化的进程中,应加大研发投入力度,优化配置创新资源,增强市场竞争意识和危机意识,高度重视创新活动及创新环境的改善。
摘要：通过构建区域创新环境指标体系,并运用空间计量模型,对2004—2007年我国区域创新能力及其影响因素进行实证研究。结果表明:我国区域创新能力的空间依赖性逐步增强,空间集聚现象明显;研发投入、累积知识存量、市场化程度对区域创新能力促进作用显著;人力资本、知识流动能力对区域创新能力的推动作用不明显;金融规模对区域创新能力促进作用的发挥有一定的滞后期,而对外开放在当期对区域创新能力有显著的负面影响。
空间计量 篇5
海峡西岸经济区( 以下简称海西经济区) 位于中国东南沿海,北承长三角,南接珠三角,东临台湾省,毗邻港澳,是海西经济区崛起、福建振兴的“核心增长板块”,是全国八大重点发展城镇体系之一,是我国东部沿海新的发展增长极。2009 年,国务院通过了《关于支持福建省加快建设海峡西岸经济区的若干意见》,海西经济区从区域战略上升为国家战略,经济步入新一轮的增长期。2013 年海西经济区创造国内生产总值37 159. 4 亿元。然而在海西经济区经济蓬勃发展的同时,海西经济区内的区域差异却较大,2013 年海西经济区的20 个城市中,福建省泉州市的GDP最高,为4 678. 5 亿元,是GDP最小的江西省鹰潭市1 553. 47 亿元的9. 42 倍,区域经济差异较大,这与构建海西经济区时所提出的总目标“协调发展”和基本要求“经济一体化”相违背。
目前关于区域差异的研究主要集中在以下几个方面: 基于不同尺度的经济差异分析［1 － 2］; 基于不同测算指标视角的分析［3］; 基于不同研究方法视角的分析［4 － 9］; 基于不同影响因素的分析［10 － 14］,但还未有前人对海西经济区的经济差异进行系统的分析,本文试图采用传统计量分析方法与探索性空间分析方法相结合分析海西经济区经济增长差异的时空演变,利用空间计量经济模型研究海西经济区经济差异的影响因素,以填补上述研究的空白。
1 研究区域与方法
1. 1 研究区域与数据来源
本文以海西经济区152 个市县( 以2012 年的行政区划为准) 作为区域经济差异及其时空演变分析的基本研究单元,其中县指县域( 包括县级市) ,市指地级市的市辖区。选择2000—2013 年县市人均GDP数据来研究不同年份的区域经济发展水平,分析海西经济区区域经济差异的变化模式,揭示其潜在的影响因素。本文采用的数据主要来源于2001—2014 年《福建省省统计年鉴》《浙江省统计年鉴 》《江西省统计年鉴》《广东省统计年鉴》和各地级市的统计年鉴。
1. 2 研究方法
1. 2. 1 绝对差异测度指数
本文釆用标准差和极差衡量区域经济的绝对差异。极差计算公式为
标准差计算公式为
1. 2. 2 相对差异测度指数
本文采用极比和变异系数衡量区域经济的相对差异。极比计算公式为
变异系数计算公式为
1. 2. 3 空间自相关
空间自相关用于检验区域单元上的某一现象与邻近单元的相关程度,包括全局空间自相关与局部空间自相关,全局空间自相关的主要测度指标为Global Moran's I,其计算公式为
其中: i≠j,n为研究区域的个体的数量; Xi为第i个研究对象的观测值; Wij为空间权重矩阵。
Global Moran's I仅表明空间差异的平均程度,无法反应局部空间差异的变化情况。因此本文选LISA和Moran散点图揭示各单元属性值在异质性空间的分布格局。
1. 2. 4 空间回归分析
本文运用传统的线性回归模型和空间回归模型相结合研究海西经济区经济差异的影响机制。空间回归模型主要包括空间滞后模型( SLM) 与空间误差模型( SEM) 。
SLM模型引入空间滞后变量,度量由于溢出效应、扩散效应等相互作用所产生的地理空间效应。表达式为
其中: W为空间权重矩阵; β 为回归系数; WY为空间滞后因变量; μ 随机误差项向量。
SEM模型将由于误差所造成的冲击等众多原因产生的地理空间效应表达出来。表达式为
其中: μ 为随机误差项向量; Wμ为随机误差项的空间滞后项; ε 为正态分布的随机误差向量残差。
2 海西经济区经济差异的时间演变
本文选取人均GDP作为衡量区域经济差异的指标,以海西经济区152 个县市作为研究对象,从绝对差异和相对差异两方面进行时间演变的分析。
2. 1 区域经济的绝对差异总体呈不断增大趋势
人均GDP的标准差和极差是测量区域经济绝对差异的重要指标。2000—2013 年间海西经济区的人均GDP的标准差和极差总体上均呈不断增大趋势,反映出绝对差异在不断扩大。标准差由2000年的5 896. 13 上升到2013 年的19 093. 38,增大了3. 24 倍,年均增幅为9. 46% ; 极差由2000 年的36702. 65 增加到2013 年的77 188. 11,增大了2. 10倍,年均增幅为5. 89% ; 总的来说海西经济区区域经济的绝对差异总体呈不断扩大趋势,地区不平衡加剧,如图1 所示。
2. 2 区域经济的相对差异呈先增大后减小趋势
本文在衡量相对差异时采用了变异系数和极比的方法,2000—2013 年间海西经济区的人均GDP的变异系数和极比呈先增大后减小趋势,反映出相对差异先增大后减小; 变异系数由2000 年的0. 779 8增加到2002 年的0. 785 6,然后开始下降,直到2013年的0. 494 7。极比的变化和变异系数的变动具有相似性,都呈现先增大后减小的趋势; 极比由2000年的28. 84 增加到2002 年的29. 45,然后下降到2013 年的9. 19。从图2 可以看出2000—2013 年,海西经济区经济相对差异呈倒“U”型的变化趋势,符合威廉姆逊的倒“U”型曲线理论,即随着经济的发展,区域间的差异会先加大,而后会逐渐减小,表明海西经济区在研究期间整体经济正向着良性方向发展,如图2 所示。
2. 3 区域经济极化总体呈上升趋势
本文利用Arcgis自然间断点分级法将海西经济区市县的人均GDP划分为7 个等级,并绘制出人均GDP的空间等级分布图,如图3 所示。
图3 中第一个等级为区域经济严重欠发达水平县市,最后一个等级是区域经济发展高等水平县市。2000 年处于区域经济发展高等水平的县市有5 个( 人均GDP > 21 087) ,处于严重欠发达水平的县市有21 个( 人均GDP < 2 933) ; 2013 年处于区域经济发展高等水平的县市有9 个( 人均GDP > 72 003) ,处于严重欠发达水平的县市有19 个( 人均GDP < 9426) 。说明随着海西经济区经济的发展,高水平县市数量逐渐增多,而低水平县市数量逐渐减少,处于最高等级和最低等级的县市数量之和从2000 年的26,增长为2013 年的28,并且最高等级人均GDP水平较2000 年有了大幅度的提高。说明2000—2013年间海西经济区域经济极化总体上升趋势,区域经济极化不断增强。
3 海西经济区经济差异的空间演变
3. 1 总体差异
本文采用的空间权重矩阵是二进制邻接矩阵,根据公式( 5) ,利用Open Geo Da软件建立邻接规则的空间权重矩阵,并计算2000—2013 年海西经济区人均GDP的全局相关系数( Global Moran's I) ,并且在检验的基础上( p≤0. 05) 绘制出Moran's I趋势图,如图4 所示。
由图4 可以看出,全局自相关系数Moran's I指数呈波浪式缓慢上升趋势,自2000 年以来,Moran's I指数由0. 323 295 一直缓慢上升到2013 年的0. 442536,说明2000 年以来海西经济区区域人均GDP数据之间表现出较强的全局空间自相关,说明了全球化与市场化改革的深化强化了海西经济区区域经济之间的相互作用与联系,经济发展水平相似的区域在空间上呈集中分布,各区域之间的经济联系逐渐增强,经济发展趋于平衡,区域经济差异逐渐变小。
3. 2 局部差异
3. 2. 1 Moran散点图
本文选取2000 年和2013 年作为研究断面,获得海西经济区人均GDP的Moran散点图,如图5 所示。首先2000 年以来,海西经济区区域经济总体差异有了较大幅度的改变。2013 年,位于第一象限的县市个数由2000 年的41 个增加到48 个,约占海西经济区区域总数的1 /3; 位于第一象限的县市个数越多,说明区域经济的总体空间差异越小,这也与前文中全局相关系数估计结果相一致。2013 年,海西经济区仍有75 个县市位于第三象限,约占海西经济区区域总数的1 /2,仅比2000 年减少12 个,说明海西经济区的区域经济协调发展还有很长的路要走。其次,2000 年和2013 年这两年位于存在空间正相关的第一三象限的县市数量远远多于位于存在空间负相关的第二四象限的县市数量,说明海西经济区区域经济发展存在较强的空间正相关性,经济发展水平相似的县市在空间上存在明显的集聚性。
3. 2. 2 LISA集聚图
虽然本文研究的152 个县市都分布在Moran散点图中,但并不是所有象限中的县市均能通过显著性检验。因此有必要计算LISA来进一步研究海西经济区的空间演变过程。LISA是衡量空间单元属性与周围单元的相近和相异程度及其显著性的指标。本文利用Open Geoda软件计算海西经济区各市县不同年份的人均GDP的LISA值并绘制出2000年和2013 年的LISA集聚性水平图,如图6 所示。
由图6 可知,2000 年海西经济区共有44 个县市通过显著性检验。其中处于“高—高”类型的县市一共有7 个,全部集中分布在福建省的沿海地区,说明这些地区空间差异较小,区域自身和周边地区经济发展水平都较高,经济集聚性强,与周边地区经济联系紧密,辐射带动作用强,属于县域经济发展高水平区。“低—低”类型的县市一共有35 个,成片分布在闽粤和闽赣交界地,这些县市是海西经济区里经济最不发达的地区,他们自身的经济发展水平较低,其周围县市经济发展水平也不高,归属为海西经济区经济落后的集聚区域。对存在空间异常现象、属于“高—低”类型的类型的赣州市辖区和武夷山市而言,这两个城市存在负的空间相关性,他们自身经济发展水平较高,但周边地区经济发展水平较低,表明这些地区虽然具有较快的发展速度,但对周边地区的涓滴效应还比较弱。而“低—高”类型的县市没有。2013 年海西经济区共有57 个县市通过显著性检验,比2000 年多了13 个,局部空间自相关性变强。处于“高—高”类型的县市一共有21 个,数量较2000 年有了明显的增加,福州市辖区和连江县由于长乐市和闽侯县的扩散效应以及辐射能力,区域经济迅猛崛起并保持快速发展的势头,由2000年的没有表现出显著特征转变为“高———高”类型的县市,三明市的永安市、明溪县、大田县、尤溪县、将乐县、泰宁县,漳州市的漳州市辖区、南靖县、华安县、顺昌县,龙岩市的龙岩市辖区、漳平市、连城县组成一个新的HH集聚区,这些县市集中分布于福建省内陆地区,这体现了福建省内陆地区近年来经济迅猛发展,与周边的经济联系不断增强,是近年来福建省内乃至整个海西经济区经济发展的热点地区,辐射带动作用明显。“低—低”类型的县市一共有31 个,比2000 年少了4 个,说明海西经济区的区域经济不断发展,区域空间差异不断缩小。“低—低”类型的总体分布格局并没有显著的变化,还是成片分布在闽粤和闽赣交界地。自2000 年开始,低低类型的县市基本大都集中在这一地区,闽粤和闽赣交界地一直是海西经济区经济发展速度较慢的低洼集聚区,只有少数几个县市是变化的。龙岩的武平县,梅州的梅县,鹰潭的贵溪市,赣州的大余县,抚州的金溪县以及上饶市辖区退出LL集聚区,说明这些县市经济快速发展,与周边地区经济联系增加,经济发展取得较大成就。梅州市的平远县、丰顺县、五华县和潮州市的饶平县、揭西县转变为“低—低”类型,说明这些县市经济发展趋于减缓,又受周边经济水平更低的城市的扩散效应的影响,使其在空间上转变为“低—低”类型。与2000 年相比较,赣州市辖区和武夷山市都退出了“高—低”类型,而潮安县转变为“高—低”类型,而且潮安县紧邻新增的LL集聚区,说明潮安县自身经济发展水平较高,但与周边区域经济差异较大,对周边的LL集聚区的扩散效应和辐射功能较弱。2013 年相比2000 年最大的变化就是出现了“低—高”类型的县市,分别是宁德的古田县、霞浦县,莆田的仙游县,以及泉州的安溪县,说明这些县市经济发展水平低于周围临近区域,形成了一个局部经济凹陷区,属于LH类型的这些县市在空间上主要分布在HH类型区的边缘,但是并没有受到这些城市较强的辐射作用,反而与其经济发展呈现出负相关性。
4海西经济区经济差异的影响因素分析
4. 1 模型的设定与变量的选择
本文基于柯布- 道格拉斯生产函数模型和新经济增长理论( Romer,1990; Luea S,1998) 模型,考虑海西经济区的实际情况以及数据的可得性,采用双对数线性的空间滞后( SLM) 和空间误差截面回归模型( SEM)［10 － 14］,具体模型如下:
本文以2013 年的人均GDP做为因变量,记为RJGDP。从能够反映区域经济差异的影响因素角度,分别从政府的宏观调控能力、资本投入水平、产业结构、劳动力投入水平、城镇化率、交通基础设施和对外开放程度等角度,选取相应的自变量: 政府的财政支出水平占GDP比重( GOV) 、固定资产投资占GDP比重( FAI ) 、第二三产业产值占GDP比重( IND) 、全社会从业人员占总人口的比重( LAB) 、县域城镇人口占总人口的比重( URBAN) 、人均公路里程数( INF) 、进出口总额占GDP比重( OPEN) 。
4. 2 实证分析
本文首先运用线性回归模型估计海西经济区经济差异的影响因素,如表3 所示。OLS估计的拟合优度为0. 922 487,调整后的拟合优度为0. 877 271,F统计量为20. 401 8,P值为0. 000 0,LOGL值为31. 552 9,AIC和SC值分别为- 47. 1057 和- 39. 1398,模型整体上显著,Jarque-Bera值为96. 749 64,P为0. 0061,通过了1% 的显著性水平检验,说明误差项为正态分布,Breusch-Pagan test为464. 604 1,P = 0. 007 0,通过了1% 的显著性水平检验,说明不存在异方差现象,对残差做Moran's I指数检验,Moran's I为0. 052 286 2,P为0. 074 5,表明残差之间存在空间自相关,忽视空间自相关直接采用经典线性回归模型的OLS估计可能存在模型设计偏误,所以,需要进一步考虑用空间计量经济学模型进行估计。
为了准确选择模型,本文将SLM模型和SEM模型的结果都列出,如表2,表3 所示。SLM模型和SEM模型的拟合度分别为0. 924 100,0. 941 349,均优于OLS模型的拟合度,为了准确选择模型,采用对比Log L、LR、AIC和SC的值,通过对比发现: SEM模型的Log L值最大,AIC和SC值最小,LR值小于SLM,可以判断出SEM的模型拟合效果最好。接着使用2 个拉格朗日乘数和Robust形式的R-LMLAG和R-LMERR检验,LMLAG、R-LMLAG分别为3. 817 44、6. 203 46,P分别为0. 437 00、0. 489 00,均未通过10% 水平下的显著性检验,LMERR、R-LMERR的统计值分别为26. 919 6、16. 641 9,P值分别为0. 048 00、0. 002 51,均通过5% 水平下的显著性检验。根据Anselin提出的判别准则可以断定在此采用空间误差模型更合适。
SEM模型的估计结果表明导致海西经济区域出现经济增长差异现象是由多种因素共同造成的,只是不同的影响因素对造成这种差异的贡献率不同。在所有变量中只有劳动力因素的回归系数为负,与预期结果不同,其他均为正。除财政支出水平未通过5%水平上的显著性检验外,其他自变量均通过了5% 水平上的显著性检验。在所有因素中,产业结构是对海西经济区区域经济差异影响最大的因素,其回归系数为4. 183457,表示二三产业增加值占GDP的比重增长1% ,会带来经济增长4. 183457% 。接下来区域经济增长贡献率由大到小依次是资本投入水平、劳动力投入水平、城镇化率、对外开放程度、政府的宏观调控能力和交通基础设施。其中在劳动力投入水平对经济增长的影响程度方面,其回归系数为负,与预期不符。这可能是因为海西经济区劳动力整体素质不高,劳动力培训与就业保障机制不够完善致使其劳动投入水平及产出率较低,导致劳动力投入对经济经济增长的表现为负效应。
5 结论和启示
本文运用传统的区域差异测度方法、空间自相关分析和空间计量方法对海西经济区经济发展时空动态演变及影响因素进行了研究,主要得出以下结论:
( 1) 海西经济区各县市在研究期间绝对经济差异呈不断增大趋势,相对经济差异呈先增大后减小趋势,呈倒“U”型的变化趋势,符合威廉姆逊的倒“U”型曲线理论,区域经济极化总体呈上升趋势。
( 2) 海西经济区整个区域的空间正相关效应正在逐渐加强,经济发展水平相似的区域在空间上呈集中分布,各区域之间的经济联系逐渐增强,经济发展趋于平衡,区域经济差异逐渐变小。海西经济区区域人均GDP既存在空间稳定性又存在空间异质性。Moran散点图呈现出位于存在空间正相关的第一三象限的县市数量远远多于位于存在空间负相关的第二四象限的县市数量,说明海西经济区区域经济发展存在较强的空间正相关性,经济发展水平相似的县市在空间上存在明显的集聚性。LISA分析表明海西经济区区域经济的空间格局呈现出明显的“核心———边缘”结构,HH集聚区由福建省沿海向内陆壮大,LL集聚区呈片状稳定分布在闽粤和闽赣交界地。
( 3) 回归模型分析表明,空间误差模型更加接近客观实际。SEM模型的估计结果表明影响海西经济区经济发展差异的主要因素有产业结构、资本投入水平、城镇化率、对外开放程度、政府的宏观调控能力和交通基础设施等。其中在劳动力投入水平对经济增长的影响程度方面,其回归系数为负,与预期不符。这可能是因为海西经济区劳动力整体素质不高,劳动力培训与就业保障机制不够完善致使其劳动投入水平及产出率较低,导致劳动力投入对经济经济增长的表现为负效应。
空间计量 篇6
一、文献回顾
Schumpeter (1912) 提出金融中介提供的服务是技术创新和经济增长的原动力, 他认为功能完善的商业银行能够发现和支持具有较大成功概率的创新项目, 从而推动经济增长。而Patrick (1966) 则提出“供给导向型”理论和“需求导向型”理论, 他认为, 在经济发展早期, 金融深化能作为技术创新型的项目提供资金, 进而推动经济增长, 表现为供给导向型;一旦经济发展趋于成熟, 需求导向型将占主导地位, 金融发展和深化是应实体经济拓展的需要而发生的。Hicks (1969) 分析英国产业革命发生的原因时认为, 引发18世纪英国工业革命从而促进经济增长的新的重要因素就是金融市场, 也就是说金融市场为工业新技术的出现提供了大量、持续、长期的投资, 并成为产业革命的先决条件之一, 即“产业技术革命前必须有金融革命” 。
吴玉鸣 (2006) 基于《中国区域创新能力报告》中的数据, 采用因素分析与聚类分析相结合的综合集成评估方法, 对我国大陆31个省级区域的创新能力进行了定量评估及比较, 结论是中国的省际创新能力存在明显的地区差异, 因而必须分集团而非整齐划一地制定和实施增强区域自主创新能力的对策建议。苏方林 (2007) 运用地理加权回归 (GWR) 方法对1993-2002年间中国省域R&D知识溢出的空间非平稳性进行了实证分析, 研究结果发现在对R&D知识生产进行参数估计时, GWR模型与OLS模型有显著的差异, R&D知识生产的不同要素间存在空间变异。张玉明和李凯 (2007) 利用空间计量分析方法对中国31个省际区域创新产出的空间分布以及空间相关性进行了研究, 结果显示中国省际区域创新产出呈现空间集聚和空间依赖的特点, 而非随机分布的, Moran散点图进一步指出了各省际区域的创新产出的空间相关模式。刘凤朝与沈能 ( 2007 ) 采用Geweke 分解检验和协整分析法就我国金融发展与技术进步的因果关系以及动态演进进行了实证检验, 结果表明金融发展与技术进步在长期中存在均衡关系, 无论从长期还是短期上看, 金融规模与技术进步正相关且两者间具有双向因果关系。孙伍琴与朱顺林 (2008) 测定了我国23个省市金融体系对技术创新的Malmquist生产率, 发现23个省市金融发展促进技术创新的效率的平均水平是逐渐提高的, 且各省市金融发展促进技术创新的Malmquist生产率的差异性也通过随机影响变截距模型得到了验证。陈华和王稳 (2011) 利用中国1998-2007年的省际面板数据, 研究了各省区保险发展与技术创新之间的内在联系, 结果表明在长期中保险发展与技术创新之间有显著的正关系, 在短期中, 保险发展对技术创新的影响并不明显, 然而该研究并未考虑我国不同地区之间各经济指标之间的空间依赖性或空间自相关性。
综上所述, 目前有关保险业与自主创新之间的关系研究尚不丰富, 且方法仍有改进的必要。为此, 本文建立了空间计量模型并利用2005-2009年的省际数据对其进行估计, 以求较为科学地分析我国保险增长对技术创新的影响。
二、实证分析
(一) 空间计量经济学简介
空间计量经济学理论认为各临近地区间的经济地理行为之间一般都存在一定程度的空间相互作用, 可以分为空间依赖性 (也叫空间自相关性) 和空间异质性 (也叫空间差异性) 。我们主要采用Moran's Ii指数法来对我国技术创新的空间相关性进行检验。Moran's Ii指数定义如下:
其中,
对于计算所得的Moran's Ii值采用渐进正态分布和随机分布两种假设进行检验, 其标准化形式为:
其中, E (Moran's Ii) 表示Moran's Ii值的期望值, VAR (Moran's Ii) 表示Moran's Ii值的方差。若Moran's Ii的正态统计量的Z (d) 值均大于正态分布函数在0.05 (0.01) 置信水平下的临界值1.65 (1.96) , 则说明该指标在空间分布上具有空间自相关关系。
空间计量经济学模型有多种, 在本文中我们主要介绍空间滞后模型和空间误差模型。空间滞后模型主要是探讨各变量在一地区是否具有扩散效应 (或溢出效应) 。模型的具体表达式如下:
Y=ρWy+Xβ+ε
其中, Y为因变量 (或被解释变量) ;X为n×k的外生解释变量矩阵;ρ为空间回归系数, 它反映了空间单元之间的相互关系, 也就是说相邻空间单元对本空间单元的影响程度 (该影响程度为矢量, 具有一定的方向性) ;W为n×n的空间权值矩阵, Wy为空间权值矩阵W的空间滞后因变量;ε为随机误差向量。参数β主要反映了自变量X对因变量Y的影响, 空间滞后因变量Wy是一内生变量, 反映了空间距离对各空间单元之间的作用。
空间误差模型表示如下:
Y=Xβ+ε
ε=λWε+u
其中, Y为因变量 (或被解释变量) ;X为n×k的外生解释变量矩阵;W为n×n的空间权值矩阵;ε为随机误差向量;u为正态分布的随机误差向量;参数β为自变量X对因变量Y的影响系数, λ为因变量向量的空间误差系数。
判断各空间单元之间的相关关系是否存在, 以及空间滞后模型和空间误差模型哪个更合适, 一般可以通过包括Moran's I检验、两个拉格朗日乘数形式LMERR、LMLAG及其稳健的R-LMERR、R-LMLAG等形式来实现。针对这个问题Anselin和Florax (1995) 提出了如下的判别标准:如果在空间相关性的检验中发现LMLAG较LMERR在统计上更加显著, 且R-LMLAG显著而R-LMERR不显著, 则可以判断空间滞后模型较为合适;相反, 如果LMERR比LMLAG在统计上更加显著, 且R-LMERR显著而R-LMLAG不显著, 那么就可以判断空间误差模型较为合适。除了拟合优度R2检验以外, 常用的检验还有对数似然值LogL、赤池信息准则AIC和施瓦茨准则SC, 其中, LogL值越大, AIC和SC值越小, 则模型的拟合优度越好。
(二) 模型设定与指标选取
为了能够科学全面的揭示保险增长与技术创新之间的关系, 本文在现有研究基础上建立如下模型:
PATi=α+β1GDPi+β2FDIi+β3INSi+μi
模型估计所用数据为2005-2009年全国31个省级行政区的相关数据, 分别来自相关年份《中国统计年鉴》、《新中国60年统计资料汇编》、《中国金融年鉴》、《中国人口和就业统计年鉴》、《中国区域经济统计年鉴》及《中国科技统计年鉴》等, 并根据需要进行了相应的加工处理。所用变量具体说明如下:
1.技术创新变量 (PAT) 。
与目前已有的相关实证研究类似, 本文以专利数来度量一地区的技术创新能力。专利通常分为发明专利、实用新型专利和外观设计专利三种, 考虑到专利的授权与申请的受理存在一定的时滞, 本文选取各地区的的三种专利申请受理数来度量技术创新水平, 模型中使用的是每万人拥有量。
2.保险增长指标 (INS) 。
保险业的发展既包括规模的增长, 也包括结构的优化, 效率的提高。考虑到目前中国的保险业仍处在粗放增长的阶段, 本文选择衡量保险规模的保险深度来代表一地区的保险增长指标。
3.地区人均GDP (GDP) 。
根据凯恩斯主义理论, 需求决定着供给, 因此对技术创新的市场需求将成为影响技术创新产出的一个重要因素。GDP指标反映了一地区市场需求的总量和总体购买力, 而人均GDP则反映了人均购买力水平, 其他条件不变, 人均GDP越高, 社会有效需求规模就越大, 因此这里选用地区人均GDP作为控制变量, 模型中使用的是对数值。
4.外商直接投资 (FDI) 。
FDI的溢出效应可提高当地企业的技术水平, 这已在理论上形成共识, 本文使用地区FDI与GDP的比值来衡量外商直接投资规模, 以检验FDI对我国各地区技术创新的影响。
(三) 模型参数估计
1.数据的全局空间相关性检验。
首先对2005-2009年各地区每万人拥有三种专利申请受理数进行全局空间相关性检验, 结果如表1。
由表1可知, 2005-2009年我国分地区每万人三种专利申请受理数的Moran's I值均通过了5%水平的显著性检验, 显示该指标在不同空间单元间呈随机分布的假设被拒绝, 我国各地区每万人三种专利申请受理数存在明显的空间集群趋势, 不同地区之间指标存在显著的正自相关关系。
Moran's I散点图可更直观的显示各地区技术创新水平与邻近地区的关系, 通过绘制空间相关关系系数的Moran's I散点图, 我们将技术创新水平分为四个象限, 分别用以识别各个省份与其他临近省份之间的相互关系, 受版面所限, 文中仅给出2005年和2009年的技术创新指标Moran's I散点图, 分别见图1和图2。
图1中, 右上方的为第一象限, 表示高技术创新的省份被其他高技术创新的地区所包围 (H-H, 高-高) , 包括的地区有: 北京、天津、辽宁、江苏、上海、浙江等省;左上方的为第二象限, 表示低技术创新的省份被高技术创新的其他地区所包围 (L-H, 低-高) , 包括的地区有:内蒙古、吉林、河北、安徽、福建等;左下方的为第三象限, 表示低技术创新的地区被低技术创新的其他地区所包围 (L-L, 低-低) , 包括的地区有:新疆、青海、西藏、甘肃、宁夏、陕西、山西、四川、重庆、云南、贵州、广西、海南、湖南、湖北、河南、江西、黑龙江等;右下方的为第四象限, 表示高技术创新的地区被低技术创新的其他地区所包围 (H-L, 高-低) , 包括的地区为广东。山东同时位于第一、二象限。第一、三象限为正的空间自相关关系, 而第二、四象限为负的空间自相关关系。
通过对比发现, 图2与图1差异不大, 除了辽宁进入第二象限, 山东进入第一象限以外, 其他省份的象限分布没有变化, 说明在2005-2009年间我国地区间技术创新能力的相对地位和关系有固化的趋势。经计算发现, 我国有77.42%的省份技术创新能力存在正相关关系, 其中6个省份为高-高关联, 18个省份为低-低关联;22.68%的省份技术创新存在负相关关系, 其中5个省份为低-高关联, 1个省份为高-低关联。
2.模型参数估计。
空间相关性检验的结果表明, 所研究变量在样本期间内具有明显的空间依赖性, 因而忽视该特征简单使用经典模型对数据进行分析是不可取的, 需建立空间计量模型来考察保险增长与技术创新之间的关系。研究过程中分别对2005-2009年的样本数据进行了空间计量分析, 结论相似, 受版面所限, 文中仅列出对2005年和2009年数据的估计结果 (2006-2008年样本数据的估计结果备索) 。为充分展示在模型中加入空间效应后对估计结果的影响, 将经典线性回归模型估计结果一并列出予以对照。
对2005年样本数据的估计结果列于表2、表3中。由表2可知, LMLAG比LMERROR更显著, 且R-LMLAG在5%的显著性水平下显著而R-LMERROR则不显著, 根据Anselin和Florax (1995) 提出的标准, 应选用空间滞后模型, 后面的估计结果也验证了这个标准。在表3中可看到, 加入空间效应后模型的拟合优度提高了, LogL值增大而AIC和SC减小, 解释变量的显著性也更强了。对2009年样本数据的估计结果列在表4和表5中, 由表4可看到LMERROR比LMLAG更显著, 且R-LMERROR显著而R-LMLAG不显著, 因此应选用空间误差模型。在表5中, 模型的拟合优度提高同时变量的显著性明显增强, 显示模型的质量和解释力更高了。综合2005年和2009年样本数据的检验结果可知, 加入空间效应后模型回归结果更加稳健可靠, 空间计量模型的优势完全显现。
(四) 参数估计结果分析
GDP的系数显著为正, 显示市场需求确实对技术创新有明显的促进作用。FDI变量的系数并不显著, 说明当前我国FDI的溢出效应是正的, 但确实不够显著。保险深度与区域技术创新能力显著正相关, 说明保险增长对技术创新能力的增强具有明显的促进作用。
三、结论
本文以保险深度代表地区保险增长水平, 以三种专利申请受理数衡量技术创新能力, 通过空间计量模型对两者之间的关系进行检验, 结论如下:
1. 我国各地区间的技术创新能力在空间分布上并非是随机的, 而是存在着明显的空间关联性, 因而在分析技术创新能力的影响因素时忽视这种影响是不可取的, 应采用纳入空间效应的空间计量模型来分析变量之间的关系才能使结果更加稳健可靠。
2.市场需求能够有效刺激技术创新的增长, 因此技术创新与经济增长之间存在双向因果关系, 经济的快速增长将有力推动我国自主创新水平的提高。一些研究认为, 在发展中国家FDI技术溢出并不显著, 甚至为负, 而在发达国家却存在显著的正效应, 本文的分析证实了这一结论, 当前我国的FDI技术溢出是正的, 但其影响确实不太显著, 原因可能与当前我国的金融发展程度较为滞后有关。
3.空间计量回归结果证实, 保险增长对区域技术创新能力具有明显的提升作用, 因而大力发展保险业, 扩大保险市场规模, 优化保险结构将对我国技术创新水平的提高带来巨大的促进作用, 并进而有力地推动我国的创新型国家建设步伐。
参考文献
[1]Anselin Luc, Daniel A.Griffith.Do Spatial Effects Really Matter in Regression Analysis?[J].Papers of the Regional Science Associa-tion, 1988, 65 (1) :11-34.
[2]Anselin Luc.Local Indicators of Spatial Association-LISA[J].Ge-ographical Analysis, 1995, 27 (2) :93-115.
[3]陈华, 王稳.中国保险发展对技术创新长短期影响效应的实证研究[J].中国软科学, 2011 (3) :82-87.
[4]吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究, 2006 (5) :74-85.
[5]方先明, 孙爱军, 曹源芳.基于空间模型的金融支持与经济增长研究-来自中国省域1998-2008年的证据[J].金融研究, 2010 (10) :68-81.
[6]张玉明, 李凯.中国创新产出的空间分布及空间相关性研究——基于1996-2005年省际专利统计数据的空间计量分析[J].中国软科学, 2007 (11) :97-103.
[7]赵奇伟, 张诚.金融深化、FDI溢出效应与区域经济增长:基于1997～2004年省际面板数据分析[J].数量经济技术经济研究, 2007 (6) :74-82.
空间计量 篇7
经济增长与环境之间的关系近年来逐渐成为经济学的一个重要课题。长久以来, 一直存在一种观点:即经济增长与环境保护之间存在冲突。但是最近环境与资源经济学的研究发现:有证据表明从长远来看收入增长并不必然导致环境压力增加。另外我国也开始重视可持续发展的问题, 而可持续发展的关键是技术进步、知识与人力资本积累可以在多大程度上正面影响自然资源与人造资本之间的可替代性。
Kuznets (1955) 提出收入分配与经济发展之间可能存在“倒U型曲线”, 即所谓库茨涅茨曲线, 在经济发展初期人均收入的提高将会导致环境的恶化, 但是如果经济发展超越了某一临界点, 人均收入的进一步提高反而会有助于降低环境污染。这一观点影响极大, 毕竟实际证据最有力, 虽然说从本质上讲实证分析也仅仅是不完全归纳, 但是无论从理论还是从实际效果来看受控实验在自然科学领域取得了巨大的成功, 在社会科学领域尽管很难营构受控实验, 只能接受观察数据, 但是统计与计量经济分析证明在一定条件下, 多元回归分析可以产生其他变量都不变的类似受控实验的分析。Grossman和Krueger (1995) 首次利用简化回归模型对66个国家和地区的多种污染物进行了研究, 发现大多数污染物的污染水平与人均收入之间存在倒U型关系, 环境改善的转折点出现在人均GDP400-5000美元 (1985年美元价格) 之间。几乎在同时S h a f i k和Bandyopadhyay (1992) 及Panayotou (1995) 报告了类似结果。Panayotou (1995) 提出污染与收入的驼峰型EKC曲线。Rees (1994) 对污染避难所假说 (认为富国输出污染到穷国) 进行了评论, Antweiler et al. (2001) 提出了要素禀赋假说认为:高污染的生产一般是资本密集的, 资本密集的生产主要是在发达国家, 即污染随收入增加而增加。两种污染物之间的替代, 即一种被规制导致另外一种新型污染物, 所谓叠代EKC。接着许多学者运用时间序列、横截面、或面板数据 (Pool or Panel) 对是否存在库茨涅茨曲线进行检验。L i e b (2003) 对有关EKC的经验研究进行了综述。环境质量变化也影响经济增长, 从现有文献来看, 环境影响经济增长的机制可分为三类, 一是将环境质量视为等同于物质资本作用于生产函数, 来考察最优增长条件下的资源投入, 如Lopez (1994) , Bovenberg (1996) ;二是从人们对环境的需求方面分析环境需求变化对经济增长的影响, 将污染流量或存量纳入消费者的效用函数考察跨期优化;三是同时分析环境对产出与效用的影响, 这类模型由于既有环境对生产的影响, 又有对消费的影响, 从而可以产生倒U型曲线, 如Tahvonen和Kuuluvainen (1993) , Selden与Song (1994) , Stokey (1998) 等。
本文提出了一个解释环境库茨涅茨曲线机制的静态模型, 与传统实证分析不同的是, 在附加邻接矩阵与参数先验信息的前提下, 我们使用了贝叶斯空间计量回归, 并得出了有意义的分析结果。
二、解释环境库茨涅茨曲线存在的理论模型
我们建立了一个简单的静态模型:设排污函数为:e=s (q, a) , q是产出, a是治污努力, 成本函数定义为:
给定排放函数与成本函数, 可得代表性企业的利润函数:
τ为排放税, 为了求出环境库茨涅茨曲线, 我们设定产出为外生, 代表性企业选择治污努力以最大化给定产出的利润水平。则最优治污与排放量可以被决定:
由于, 显然二阶条件满足, 可求得最优治污函数:
比较静态分析表明更严厉的环境政策将增加治污活动, 但是产出对治污的影响并不清晰, 如果环境政策宽松即τ≈0, 因此, 则产出增加将降低污染。然而如果τ足够高, 即环境政策非常严厉, 则, 产出增加将增加治污活动。
将治污函数代入排污函数我们得到了要求的排放-产出关系:e=s (q, a (q, τ) )
在排放-产出关系中, 治污行为由企业在给定的产出与环境政策下决策。从而环境库茨涅茨曲线为:
三、经济增长与环境关系的空间计量回归分析
1、理论背景
空间计量经济学是计量经济学的一个分支, 是以空间经济理论和地理空间数据为基础, 以建立、检验和运用经济计量模型为核心, 对经济活动的空间相互作用 (空间自相关) 和空间结构 (空间不均匀性) 问题进行定量分析, 研究空间经济活动或经济关系数量规律的一门经济学学科。空间计量经济学与地学统计和空间统计学相似。从某种程度上而言, 空间计量经济学与空间统计学之间的不同和计量经济学与统计学之间的不同一样。由于对其理论上的关心以及将计量经济模型应用到新兴大型编码数据库中的要求, 近年来这个领域获得了快速发展。经典的计量经济学模型总是假定G auss-M arkov等条件, 但是在区域经济分析的过程中, 空间依赖的存在打破了大多数古典统计和计量经济学分析中样本相互独立的基本假设, 因此直接将古典计量经济学的方法应用于与地理位置相关的数据时, 通常不能获取这些数据的空间依赖性, 会引起各种问题。
由于空间经济学的研究成果表明经济中广泛存在聚集现象而产生规模报酬递增, 我们也发现各邻近地区的收入也存在聚集, 那么环境污染与此有什么关系呢, 空间相关性对环境库茨涅茨曲线将产生什么影响, 由于传统最小二乘法的参数估计由于空间相关的加入而产生估计偏误, 对此我们将运用贝叶斯空间计量的分析方法进行研究。
2、相关变量及原始数据来源
1) 污染。在研究环境与经济增长关系的文献中, 较多的采用三类变量来度量环境质量:污染集中度 (空气质量, 水资源质量等) 、污染物排放量、资源开采量, 本文采用了常用的污染物排放量。污染物排放量又分为三类:气体污染排放物、液体污染排放物及固体废弃物, 出于初步研究的考虑, 本文仅仅选取了人均S O 2排放量。数据根据相关各期《中国环境年鉴》、《中国统计年鉴》整理计算而得。
2) 收入用人均收入指标度量。数据来自《新中国55年统计资料汇编》, 消除了通货膨胀的影响, 基期为1952年。
3) 物质资本存量。运用永续盘存法计算得出各年资本存量, 当年投资取自《中国国内生产总值核算历史资料1952-2004》的资本形成总额, 折旧率取9.6%, 初始资本存量为初期资本形成额除以10%。
3、模型设定
如果环境库茨涅茨曲线不存在, 则政策含义明显:为了拯救环境, 经济增长必须停止;如果环境库茨涅茨曲线存在, 则政策含义:从长期来看, 提高环境之道为提高收入 (经济增长) 。环境污染与单位资本收入之间的非线性关系通常设为简化式:
其中P为人均污染, Y是人均收入, 存在库茨涅茨关系意味着, 环境恶化开始减轻的收入水平称为收入转折点, 可以在上述方程对收入求一阶导数, 令其等于零, 求得为。如果, 则为型, 即存在第二个转折点, 超过此收入水平, 环境恶化再度增加。
对于模型我们采用贝叶斯空间德宾模型回归分析, 目的是观察关键参数是否与经典回归分析的差异。具有不同误差结构的回归模型设为:
其中p指人均污染, W是邻接矩阵, 表示各省之间的邻接关系, X是外生解释变量, 此处主要是人均收入及其平方项, 以捕捉环境库茨涅茨曲线的拐点, 其他参数主要是误差结构的贝叶斯先验设定。
从回归结果来看, 无论是普通空间计量回归还是贝叶斯回归, 人均收入平方项y 2项的回归系数均显著的为负, 从回归结果可见, 空间相关德宾模型在一定程度上抓住了经济增长与环境污染的非线性关系, 这也证明了空间相关是显著存在的, 且与经济增长与环境污染的非线性关系存在相互作用, 而且结论显然强烈支持经济增长与环境污染之间的倒U型关系。
四、结论
环境-经济系统是一个复杂的系统, 其相互作用还受许多其他因素的影响, 如:人口、地理、贸易、技术、制度、收入分配与政策激励等。通过贝叶斯空间计量模型发现这些控制参数在一定程度上改变了环境库茨涅茨曲线的细节, 具体表现在转折点的高低、转折点出现的早晚和长期内的波动, 这些有助于针对性地采取相应政策把环境破坏降到最小。总结我们的估计, 得出如下结论:在现有证据来看, 至少我们研究的数据表明环境库茨涅茨曲线确实存在, 且存在空间自相关。当然也有些其他研究表明某些污染物的库茨涅茨曲线是否存在并不十分清晰, 这也显示了我们研究的问题的复杂性。我们给出如下建议:一方面是数据问题, 即数据的数量与质量还不能满足要求;另一方面涉及模型设定, 即遗漏变量问题如何解决至关重要。
参考文献
[1]、Ag hion, P.and P.Howitt (1998) , E ndog enous G rowth Theory (The MIT Press, Cambridg e Massachusetts) .
[2]、Andreoni, J.and A.Levinson (2001) , "The simple analy tics of the environmental Kuznets curve", Journal of Public E conomics80:269-286.
[3]、Arrow, K.J.and A.Fisher (1974) , "E nvironmental preservation, uncertainty and irreversibility", Quarterly Journal of E co-nomics 88:312-319.
[4]、Barro, R.and L ee, J ong-W ha, “International Data on E ducational Attainment:Update and Implicatins.”, CID working paper, April 2000, No.42.
[5]、Brock, W.A.and J.Scheinkman (1976) , “The g lobal asymptotic stability of optimal control sy stems with applications to the theory of economic g rowth”, Journal of E conomic G rowth Theory 12:164-190.
空间计量 篇8
关键词：金融集聚,区域经济增长,溢出作用,空间计量
随着社会市场经济及信息化技术的不断进步与发展, 金融产业空间集中的区域越来越明显, 金融集聚已经逐渐发展成为金融产业组织中的一种基本形式, 以伦敦、东京、纽约为代表的三大国际金融集聚区是目前世界上最主要的几大金融集聚区, 另外, 一些国家的中心城市中, 金融产业的聚集现象已经非常明显, 在我国金融产业集聚的发展虽然相较于世界发达国家的发展较为缓慢, 但是其发展趋势也已经逐步显现, 制造业是目前对金融集聚研究最多的行业, 其已经逐渐成为金融行业研究的一个重要方向, 目前, 我国的金融产业集聚研究已经取得了一系列的研究成果, 但是总的来说, 其集聚程度较低, 集聚的层次不高, 并且在相关的理论研究工作中, 没有对空间因素、金融运动的分布规律等有一个深入的研究, 这就难以提升其相关理论的指导性与解释力, 另一方面, 我国的金融集聚地域不平衡的特点非常明显, 加大其相关的理论研究非常必要, 这对于金融资源空间分布分析框架的构建具有非常重要的指导意义与战略意义, 从目前我国的金融深化改革现状来看, 对我国区域金融的空间分布格局进行完善与改革是非常必要的。
一、金融集聚发展在中国的空间相关性分析
随着社会市场经济的发展, 我国的金融行业的发展速度也非常高, 其中金融产业集聚最为明显的地区有:上海、深圳、北京等, 并且有大量的金融资源快速流向这几个城市, 在证券业及保险业两方面, 上海两种机构的数量集聚程度远远超出深圳与北京, 并且其数量高于这两个城市的总和, 对其金融业务的集聚程度进行简单分析, 上海与北京银行金融机构的存贷款余额要远远高于深圳, 但是对证券业务进行分析, 北京的证券筹资额要明显的高于深圳和上海。
对于我国经济比较发达的东部地区, 由于其经济部门对资金具有较大的需求, 使得其区域性的收益规模以较快的速度增长, 并且各种金融资源向东部地区流动现象明显, 对我国四大经济区金融产业的集聚情况进行简单分析, 到2008年底, 我国东部地区银行业金融机构的个数、从业人员以及资产的总额所占比例最高, 并且其证券业上市公司的数量在全国所占的比重也是最大的, 保险业务的保费收入东部、中部、西部及东北地区所占的比例分别为:54.4%、19.2%、17.7%、8.7%。
整体上来讲, 我国的金融产业集聚趋势已经初步显现, 但是区域金融集聚之间的差异还是比较大, 上海、北京、深圳等一些金融产业集聚发展比较快的城市因为受到市场导向、地域优势、政策等方面的引导, 使得其在发展过程中, 逐渐显现出全国金融中心或者是国际化的良好发展前景, 但是其发展与国外一些发达国家相比, 还存在比较大的差距, 其发展潜力还是非常的大的, 尤其是在保险市场与一些国际业务的发展过程中, 还存在一定的风险性, 这就需要相关的政府部门在重视金融产业集聚发展的同时, 对金融集聚的辐射效应予以足够的重视, 防止出现空吸作用, 导致周边地区经济的发展受到影响。
二、金融集聚发展在我国地理溢出程度的空间计量分析
(一) 空间计量理论模型
由以上分析可以看出, 我国的金融集聚存在着明显的空间相关性, 所以在对金融集聚与区域经济增长之间的关系实施研究时, 可以应用空间计量模型来进行分析, 在区域经济的研究工作中, 一项非常重要的研究内容就是空间依存性, 可以将空间依存性理解为:地理物体之间具有相互关联的联系, 对于两个空间接近的地物, 其关联程度会比较高, 依据其空间计量经济学中的相关理论, 对于空间依存性的研究, 可以将其设置为两种形式的模型结构, 也就是空间误差模型与空间滞后模型, 下面对两种模型进行简单分析。
空间之后模型主要应用于各个变量在一个地区中是否存在溢出效应的研究工作中, 其表达式的形式为:空间自回归模型 (SAR) :y=ρWy+Xβ+ε, 式中, ε表示的是随机误差序列向量, β表示的含义是k×1阶回归系数向量, X表示的含义是k个外生变量观察值的n×k阶矩阵;ρ表示的含义是空间自回归参数, 其表明了相邻区域之间的影响程度;W表示的含义是n×n的空间权数矩阵, y表示的含义是n×1列的决策变量观察值向量。
空间误差模型中假设企业以及区域之间的相互联系可以应用误差项来进行体现, 企业与地区之间的相互作用是因为其所在的相对地理空间不同存在差异时, 常应用该模型, 空间误差构成 (SEA) 模型表示为:y=Xβ+ε, 式中ε=λwψ+ξ, 其中λ表示的含义是区域变量变化对于相邻区域的溢出程度;其是空间自相关系数, 取值处于-1~1之间;ψ与ξ表示的服从独立同分布并且互不相关;ξ为n×1列的区域内随机扰动项;y为n×1列的溢出成分误差。
(二) 变量选择和数据来源
本次研究中, 解释变量选取保险业发展指标、证券业发展指标及银行业的发展指标, 解释变量选取Ln GDP, 其中Ln表示的含义是通过对数处理的变量, Ln Bank表示的含义是银行存款余额;Ln Insure表示的是保费收入;Ln Stock表示的是A股发行总股本。在空间自回归模型中, 变量的空间相关关系是通过因变量的空间之后项来予以表示, 主要用来考察金融集聚与经济增长的空间自回归模型用下式来表示:
上式中, ρ为空间自回归系数, 其表示的是空间相关性的大小与方向;W_Ln GDP表示的空间滞后因变量;W是一个n×n阶的空间权重矩阵, 其中的元素Wij表示了空间邻接关系。如果空间相关通过被模型解释变量, 而对变量的传递予以忽略, 可以假定空间相关通过误差过程产生, 在金融集聚与经济增长的检验过程中, 应用空间误差回归模型, 如下式所示:
式中λ表示的是空间误差自相关系数, 其反映了回归残差之间的空间相关的强度。
为了对金融集聚对周边地区溢出效应的影响进行检验, 应用SDM模型引入金融集聚的空间变量, 将保险业、证券业、银行业的空间变量分别表示为:Ln W_Bank、LNW_Stock、Ln W_In Sure, 其模型表达式用下式来表示:
(三) 空间计量模型检验结果分析
应用极大似然对包含了空间误差项与空间滞后项的SEM与SAR模型的回归结果进行分析, 其空间系数λ与ρ在统计上具有高度显著, 由此证实了空间相关性的存在, 在SEM模型中其自相关系数的估计值为0.145, 并且其在统计上高度显著, 这说明地区间的经济增长具有明显的空间效应, 应用SDM模型进行分析, 发现模型的拟合优度为0.74, 这是本文中所应用的三个模型中最高的, 并且其各个变量系数的显著性都很高, 由此可见, 在模型中引入金融发展的空间变量是合理的, 保险业、证券业以及银行业的系数都为证, 这说明在我国的金融集聚发展过程中, 主要是通过地理空间机制对中国的经济增长发挥作用, 金融业的发展对于周边地区的经济增长存在明显的溢出效应, 对三者的系数值进行分析, 其中银行业的溢出效应最为明显, 证券业的溢出效应最小, 这与目前我国金融业发展的实际情况是一致的。
三、结语
本文主要对我国金融集聚的空间计量进行了简单分析, 分析结果表明金融集聚在我国表面出明显的空间相关性, 其中银行业的集聚表现的最为突出, 金融的集聚效应对区域经济的发展起到了促进作用, 盘活了区域经济的增长。因此, 在现有基础上, 加大区域间的金融合作, 发挥金融集聚区的辐射作用, 是当前区域金融行业面临的主要问题, 也是其发展过程中需要重点考虑的问题。
参考文献
[1]李林, 丁艺, 刘志华.金融集聚对区域经济增长溢出作用的空间计量分析[J].金融研究, 2011 (05) .