空间计量经济分析

空间计量经济分析（精选8篇）

空间计量经济分析 篇1

区域经济差异是经济发展过程中不可避免的现象,作为世界上最大的发展中国家,中国的区域经济差异问题尤其明显,区域经济差异过大不利于区域经济稳定发展,而且严重影响到我国经济的总体协调发展。区域经济差异一直是国内外相关学者关注的重点领域,是近年来我国区域研究的重点,是国家经济宏观调控着力解决的重大战略问题。

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。

基于以上区域经济差异的时空特征分析,本文提出以下促进区域经济协调发展的建议: 第一,明确发展重点,打造“一带、五轴、九区”的区域发展格局。积极推进海西沿海发展带率先发展,依靠铁路和高速公路,由沿海向内地辐射,带动沿线地区发展,形成以点带面、联动发展的新格局,重点发展厦门湾发展区等9 个集中发展区,建设成为产业集聚区和城镇密集带。第二,充分发挥对台的独特优势,拓展合作领域和方式。推动对台离岸金融业务,加强与台湾现代服务业合作,扩大对台贸易和转口贸易,建设海西物流中心,促进现代物流业加快发展。第三,加强海西经济区内部区域合作,突破行政区划界限,消除行政壁垒,明确职能定位,实现区域优势互补、联动发展,逐步推进海西经济区区域经济一体化发展进程。

空间计量经济分析 篇2

【关键词】空间自相关；空间计量经济学；β收敛；收敛机制；中国

一、前言

自1978年我国实行改革开放以来，东部沿海等地区经济得到了迅速的发展，导致中国区域之间经济发展的差距不断扩大，但是这种现象的存在是发展中国家经济发展中的一种必然存在，尤其是对我国而言，这种经济差距较为明显，因此为了最大限度的缩短区域经济差异，我国制定了一系列的措施，如西部大开发、振兴老东北等相关区域经济开发政策。从理论专业角度分析，这些措施的实施是数学相关理论中的收敛现象。而收敛度量方法的运用是评价收敛现象效果的关键指标。收敛度量方式分为四种收敛概念，即σ收敛、绝对β收敛、条件β收敛以及俱乐部收敛等，首先σ收敛其实质上是地方经济发展过程中人均收入的对数方差成降低趋势，即所谓的“变异系数变小”；其次绝对β收敛是指区域经济发展过程中经济的增长率与原经济水平之间呈一定的负相关关系；再次条件β收敛前提条件是将各地区经济体发展完全相同的基本假设摒除，即不同经济体的收敛稳定性是存在一定差异的。最后俱乐部收敛是指经济结构存在一定共性，且原人均经济水平相差不大的区域，其收敛现象呈一定的相似之处。经相关学者研究分析发现，欧盟区域经济发生收敛现象的过程中主要影响因素是空间因素，但是关于这一结论并没有形成完全统一的意见。例如在对我国区域经济收敛进行研究分析的过程中主要是以标准收敛回归分析为主 ，且研究结果表明从空间计量角度分析的所占比例特别小，大部分是从横截面、面板回归方法进行分析研究。通过对我国已发表的相关文献内容进行分析可知，学者在对收敛现象进行研究的过程中，模型的选择及其检验中存在着诸多的问题，研究中过分重视空间相关性的研究，却忽略了空间异质性恶研究，同时对收敛现象稳定性检验研究内容也比较少，对收敛机制的相关内容探讨少，这些都是我国区域经济发展收敛现象研究的不足之处。

二、数据

1.研究对象

在经济发展过程中，城市作为其中的重要组成部门是人力资本、高科技含量生产技术应用等的主要基地，因此城市经济发展与国家或者省经济发展存在着一定的差异，即城市经济增长的收敛现象要比其他层面呈现的更为明显，因此为了保证本次研究的科学性和合理性选取的研究的对象是中国地级及以上城市的市区，但是县级市不包含在其中，研究样本数量为240个，其中“地区”和“市区”两项包含的内容是不同的，“地区”中主要有市区、下辖县以及县级市，因此农村地区的相关数据也为成为研究对象，影響城市经济活动研究结果的准确性，而“市区”主要包括城区及郊区，其行政界线比较稳定，基本可以保证城市经济活动研究的科学性。

2.数据来源与变量解释

本文研究是以1990-2007年《中国城市统计年鉴》为数据库，而GDP缩减指数则以世界银行2008年的调查报告为主，以1990年人均GDP全国缩减指数进行相关数据的计算，总人口数取自年末市区常住人口数量，而边缘性因子的选取则以各城市与其对应省会城市的距离为依据。由于年鉴中对各诚挚资本存储量没有进行相关的计算和记载，因此首先应当通过固定资产投资流量数据，并使用永续盘算法对各个城市的资本存储量进行计算，其计算过程如下所示，

式中：Kit为城市i年度t的资本存量；Iit为城市i年度t的固定资产投资总额；Dit为城市i年度t的折旧量；δ为折旧率；本文已官方发布的3.6%为δ的取值；g为各城市1990-2007年固定资产投资平均增长速度。

三、区域经济空间相关模式与集聚检验

本次对中国区域经济进行研究的过程中，对空间分布模式进行一定的检验是收敛研究分析的充要条件，同时这也是模型设定过程中的必然要求。Morans I是ESDA分析研究技术的一种，其主要分为全局Morans I和局部Morans I。其中全局Morans I分析技术的应用可以得出空间模式的整体特点，并对全国城市人均GDP聚集的总体特征进行一定的呈现。如果Morans I研究结果显示在0.05（0.01）水平范围内比较明显，则代表变量之间具有一定的正向空间相关关系，即相邻地区之间相似特征值出现明显的集群趋势。而本次研究Morans I相关数据显示在整体上城市之间存在着一定的空间集聚现象，人均GDP较高的城市与相似GDP城市集聚一起，而人均GDP较低城市与相似GDP 城市联系在一起。另外局部空间关联模式主要分为四种类型，即HH、HL、LH及LL等，其中HH（LL）集聚模型表示局部Morans I是正值，研究城市与其相邻城市之间的空间关系是呈现正相关的，即人均GDP呈现高水平（或者是低水平）集聚效应；HL（LH）集聚模型则表示局部Morans I是负值，研究城市与其相邻城市之间的空间关系是呈现负相关的，即人均GDP呈现高（或者低）城市被低（或者高）城市围合的状态。

1.全局空间自相关分析

从图1中可以明显看出，Morans I数值在0.01水平处较为明显，城市人均GDP水平量呈现出正相关空间状态，这一结果表明随机独立的假设是存在错误的。其中正的空间关系代表着一种集群趋势：人均GDP高水平城市与相似城市相邻，而低水平城市与相似城市在空间关系上呈现集聚现象。另外单从动态变化中分析发现，Morans I整体上呈现下降的趋势，这也就是说城市人均GDP空间集聚正在被削弱，但是这种现象发生的呈现不稳定性，即城市经济发展中集聚和分散现象时交替发生的。

2.局域空间相关分析

在进行局域空间相关分析的过程中，研究将1990-2007年的区间范围进行了一定的划分，即1990-1995年、1996-2000年、2001-2007年3个时间段的人均GDP局部空间相关模型进行研究，其结果图表1所示。在所研究的3个时间段内城市显示局部正相关性在60%附近波动，但是总体呈现下降的趋势，这一研究结果与全局相关分析结果相似，也就是说局部空间结构稳定性较高，城市与原集群进行分离存在一定的困难，从这一研究结果可以说明，收敛现象的进程是比较缓慢的，它是一个循序渐进的过程。

四、经济收敛空间计量分析

1.收敛的标准方程分析

为了最大限度的保证本次研究的科学性和合理性，研究过程中将标准收敛分析法与空间计量分析法进行了一定的对比分析，其中标准收敛方程式为：

式中：i代表城市i；yt、yT+t则代表期初、期末的人均GDP，T为时间跨度。

收敛速度公式为：

当a1值小于0时，收敛现象存在。收敛过程与参数β负指数衰减过程中相符，用H表示收敛程度为1/2时间，也就是末期人均GDP值和初始人均GDP对数一半相关，相似Q、N分别代表3/4、9/10点的收敛，即收敛现象更为明显。

经过回归分析得出a1值为-0.1515，比0小，这也就是说1990-2007年中国城市间存在着一定的β收敛现象。收敛速度为0.0097，收敛程度为3/4的时间为143年，这与收敛研究中收敛速度的2%存在着一定的不同，导致这种现象发生的原因主要是我国沿海地区经济发展同中西部地区相比存在着明显的不平衡现象，两者之间原经济水平相差较差，进而导致收敛现象发展缓慢，这一研究结果与局部集聚结构的稳定性结果相符。

2.经济收敛空间计量模型设定

研究中空间计量模型设定的核心是对相关类型进行诊断，其中主要包括两种，一是实质性的相关，如空间扩散，二是适用误差相关，如误差冲击。在现阶段研究中最为常用的方法是将Morans I运用到OLS回归残差中。Morans I技术分析法在应用过程中仅对空间相关性的存在与否进行检验，而在对具体空间相关类型进行研究的过程中可以将两个拉格朗日检验运用其中，这对研究模型的设定具有十分重要的意义。其中空间误差自回归模型。部分研究学者认为研究中误差自回归过程的模型设定准确性更高，这是由经济增长的复杂性所决定的。在对经济发展进行研究的过程中，极有可能会将一些与因变量相关的自变量遗漏，另外再加之经济环境与相关政策这些变化的存在难以量化处理，进而产生一定的误差，同时城市区域之间经济发展也存在着一定的随机误差冲击空间益处的现象，加之误差空间相关的存在，为冲击效应的扩散提供了条件，因此从整体上分析，空间误差自回归模型解释为

式中：μ、ε代表误差向量，μ代表空间自相关误差，ε服從高斯分布误差；W为空间权重矩阵。

3.实证分析

通过对标准收敛回归分析残差进行一定的检验发现，Morans I较为显著，这也就是说破残差具有一定的正空间自相关现象，同时通过使用拉格朗日检验相关类型进行检验分析结果可知，两个检验都表现显著，但是误差拉格朗日统计值与滞后拉格朗日统计值相比，前者较大，因此残差自相关与误差自相关之间存在着一定的关系。通过将SEM模型与SAR模型结果进行对比分析发现，其结果都显示城市之间存在着绝对收敛现象，但是SEM模型的拟合效果比SAR模型效果高。同时这两个模型结果残差依旧存在着高度显著的空间相关性，且横截面数据相关性依然存在，这一结果也在一定程度上表明无论是SEM模型还是SAR模型都不是最佳的设定模型。综合空间自回归模型，即GSAM模型分析结果表明，空间自相关现象已经消除，同时在有关方差方面的解释也比较合理，各变量系数显示高度显著，因此可以判定综合空间自回归模型是最佳的设定模型，且其结果显示空间因素的存在对城市经济收敛现象的影响比较明显，即空间因素在一定程度上为收敛进程的加快提供了动力。

五、结论

综上所述，空间相互作用对中国区域经济发展和收敛具有十分重要的作用，其中空间计量模型的设定更为科学可行。空间相互作用在一定程度上为收敛速度的加快提供了条件，同时在解释空间滞后系数和误差相关系数方面也比较合理，因此综合性空间计量分析方式是目前中国区域经济发展收敛研究的最佳设定模型。

参考文献：

[1]王晓芳.安徽省县域经济增长的空间相互作用与区域收敛分析[J].经济地理，2016（05）.

空间计量经济分析 篇3

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${}_t^{\theta }$B>0, β≥0, γ≥0 (5)

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.

空间计量经济分析 篇4

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.

中国省域农民消费的空间计量分析 篇5

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) .

空间计量经济分析 篇6

收敛问题概括起来主要有三种假说:

1.σ-收敛,这是与横截面数据相关的假说,指不同经济系统间人均收入的差距随时间推移而趋于下降,即σt+k<σt(k≥1)。

2.β-收敛,这是与时间序列相关的假说,指初期人均产出水平较低的经济系统趋于比初期人均产出水平较高的经济系统以更快的速度增长,即不同经济系统间的人均产出增长率与初始人均产出水平负相关。β-收敛又分为绝对β-收敛与条件β-收敛两种形式。所谓绝对β-收敛,是指技术、制度、文化等相似的区域具有相同的经济状况,而经济状况落后的地区具有比发达地区更快的增长速度,从而所有区域最终将收敛于相同的人均收入或产出水平。所谓条件β-收敛,是指不同经济区域之间具有各自不同的技术、制度、文化等特征,因而具有不同的经济状况,从而不存在绝对的收敛;因此,只有在模型中控制了这些特征,经济区域之间才呈现明显的收敛性。

3.俱乐部收敛,指在具有相同的人力资本、市场开放度等结构特征的经济地区间存在着一定的增长收敛趋势。

中国自改革开放以来,经济发展成就世界瞩目,自20世纪90年代中期以来,更是保持着高速的经济增长势头,日益显示出巨大的经济发展潜力。然而,从改革开放中实施的“先富带动后富”策略开始,中国各省区之间的经济差距日益扩大,并逐渐上升为备受各界关注的焦点问题之一,这其中,诸多学者对中国的经济发展差异问题做了相关研究。

宋学明(1996)的研究指出中国大陆各省市之间存在绝对收敛;蔡昉、都阳(2000)的研究发现,大陆各省市人均GDP不存在σ收敛和β收敛,而东中西部各自则呈现俱乐部收敛;刘强(2001)指出中国大陆地区之间经济增长的收敛性存在显著的阶段性和区域性;张胜等(2001)对省际间经济增长的绝对收敛性进行分时段、分区域的分析发现,1990年以前东西部经济增长存在绝对收敛,而1990年以后东西部经济差距却不断增大,呈现“富省愈富,穷省愈穷”的现象;沈坤荣、马俊(2002)对东中西部经济增长的收敛性进行分析,结果显示东中部内部显著收敛,而西部内部收敛则不显著,总体呈现显著的“俱乐部收敛”,即三大地带内部经济差距不断缩小,而地带之间的经济差距却没有缩小;林毅夫、刘明兴(2003)研究显示,1990年以前存在σ收敛,1990年以后则呈现发散趋势,且在模型中考虑了其它解释变量后发现,中国大陆各省市之间存在条件收敛;徐现祥、李郇(2004)指出,在城市层面上,中国大陆经济增长遵循新古典增长理论和新增长理论的收敛机制;彭国华(2005)对中国大陆28个省市进行全要素生产率的收敛性与收入的收敛性对比,结果指出两者的收敛模型具有很大的相似性,但前者的收敛速度要快于后者。

有关经济收敛的实证研究通常是基于横截面(cross section)回归或建立面板数据(panel data)的固定效应(fixed effect)模型(Magrini,2003)。但是,横截面回归要求研究中的参数具有同质性(homogeneity),而这在经济发展差异显著的区域之间是难以满足的。面板数据模型较横截面回归在解决异质性(heterogeneity)问题上有明显的改进,使用固定效应模型获得的收敛系数通常要高于横截面回归所得(Islam,1995)的收敛系数。但是,因固定模型注重利用年度增长率来分析经济的运动趋势,所以同样也备受非议。众所周知,区域经济数据通常不是独立的,临近区域的经济往往具有较大的相似性(Anselin and Bera,1998)。因此,诸多实证研究中所使用的标准估计程序可能得到无效的收敛结果,横截面回归和固定效应模型均存在这个问题,而空间计量模型正是为解决这一实际问题而诞生的,且迅速得到广泛的关注。

近年来,国内外部分学者已开始利用空间计量模型来研究区域的经济收敛性问题。吴玉鸣、徐建华(2004)运用空间相关指数Moran’s I及面板数据模型对中国省区经济增长集聚及其影响因素进行分析;林光平、龙志和、吴梅(2004)利用地理空间权重矩阵和经济空间权重矩阵研究了中国省市经济的空间相关性和人均GDP的β收敛情况;吴玉鸣(2005)提出区域经济增长β收敛的空间计量经济模型框架,并对省市间经济的空间外溢效应及β收敛效应和成因加以实证研究;林光平、龙志和、吴梅(2006)利用空间计量模型研究了中国省区经济发展的σ收敛情况;Rey and Montouri(1998)利用空间误差模型、空间滞后模型和空间交叉回归模型对美国人均收入的σ收敛和β收敛问题进行研究;Up Lim(2003)采用Anselin(1998)提出的空间计量模型实证研究了美国人均收入的收敛情况。

本文即是在过去实证研究的基础之上,利用中国大陆各省市的经济面板数据建立固定效应模型,同时考虑省市之间的空间相依性,最终对中国省市人均GDP的β收敛性加以探讨。

一、实证研究设计

(一)数据来源及指标说明

本研究采用1994-2006年中国大陆29省市(除西藏和重庆外)的统计数据,以2006年为对比年分别计算1994-2005年的人均GDP增长速度,因此本文研究时间为12年,共计348个样本。同时,本文关注的是各省市之间的条件收敛,因此必须考虑控制部分导致地区之间经济发展差异的因素。结合前述介绍的相关理论和研究,本文主要考虑如下几个指标:平均教育水平(年)、就业人口比重(%)、第一产业人口比重(%)、非国有资产比重(%)、固定资产投资占GDP比重(%)、社会消费总额占GDP比重(%)。经消除价格因素后,再利用实际统计数据计算各经济指标。资料来源于各年统计年鉴。

(二)空间计量模型介绍及建立

本文利用面板数据进行实证分析,而面板数据模型根据参数设定的不同可分为固定效应模型和随机效应模型。一般而言,如果仅以样本自身效应为条件进行推论,宜采用固定效应模型;如以样本对总体效应进行推论,则应采用随机效应模型。由于本研究运用中国大陆各省市的统计资料建立模型并分析,目的旨在对各省市自身的效应进行研究,因此本文选择固定效应模型进行实证分析。

常用的收敛模型为Baumol(1986)提出的β收敛模型(Unconditional Convergence Model):

其中,ln(yi,t/yi,0)表示地区i(1,2,…,29)在t年间的人均GDP增长率;ln(yi,0)表示地区i在初始年份的人均GDP。因本文考察的是1994-2006年间的经济收敛情况,所以yi,0分别为1994,1995,…,2005年的人均GDP,yi,t为2006年的人均GDP。如果β<0,则表明各地区之间存在着绝对收敛,即落后地区的经济增长要快于发达地区;反之则不存在收敛。

但是,经济的增长不仅仅取决于初始水平,同时也受到其它多种因素的影响。因此,在模型(1)中加入其它变量来重新考察经济收敛问题,此时β衡量的是一种控制了适当因素后的经济条件收敛,则模型表达式为:

其中,Xi,0表示控制变量在初始年份的水平,本研究的控制变量包括:平均教育水平对数、就业人口比重、第一产业人口比重、非国有资产比重、固定资产投资占GDP比重、社会消费总额占GDP比重。

1. 空间滞后模型(Spatial Lag Model)

空间滞后模型是指当地区间的经济具有空间相关性时,直接利用模型(2)估计将产生偏差,因而需要引入空间权重矩阵对原模型加以修正,则模型(2)表达式修改为:

其中,ρ为空间自相关系数,W表示空间权重矩阵。这里W采用地理权重,即对于本研究所考察的29个省市,如果它们之间在地理上相邻则权重取1,否则取0。如果空间自相关系数ρ通过显著性检验,即ρ≠0,则表示相邻省市之间确实存在着经济上的空间相互影响关系。

2. 空间误差模型(Spatial Error Model)

当空间相关性存在于误差项时,此时应将模型(2)的误差纳入空间因素加以考虑,则模型表达式为:

其中,λ为空间误差系数,W表示空间权重矩阵。

二、实证结果对比分析

本文采用Matlab 7.3对模型进行估计,计算程序采用Elhorst(2004)提供的模块,固定效应空间滞后模型(Demosarfe)和固定效应空间误差模型(Demosemfe)(1)。

对比表1给出的估计结果发现,无论是空间滞后模型的空间相关系数ρ,还是空间误差模型的空间误差系数λ,其估计值均为正,且均在1%水平下显著。这表明中国大陆各省市之间的经济在空间上存在着明显的相依性。因此,缺乏考虑空间相关因素的固定效应模型其结果是不可靠的。对比空间滞后模型和空间误差模型,从模型总体统计量看,空间误差模型的拟合度和似然比明显大于空间滞后模型,且模型的估计误差σ2较小,显然,空间误差模型在整体上优于空间滞后模型;从参数估计量看,空间误差模型的参数估计量显著较空间滞后模型强,且在经济意义上体现得更为合理。因此,相比而言,笔者认为空间误差模型更为适合于结果分析。以下笔者将以空间误差模型为基础对其结果作进一步分析。

注:*表示在5%水平下显著,**表示在1%水平下显著。

在空间误差模型(1994-2005)中,β系数估计值为-0.085404(<0)且在1%水平下显著,这表明中国大陆各省市之间的经济发展在1994-2004年之间存在着条件收敛。在控制变量上,平均教育水平、就业人口比重和非国有资产比重的参数估计值均为正且均在1%水平下显著,社会消费总额比重的参数估计值为正且在5%水平下显著。这表明教育水平和就业水平越高的地区,其经济的增长速度越快。非国有经济成份越高,市场经济越活跃的地区,其经济的发展势头越高。第一产业人口比重可以在一定程度上反映出一地区的产业结构,而其估计参数值为负,在约6%水平下显著,这表明工业进程落后和第三产业欠发展的地区,其经济增长受到较大的限制。

为进一步研究经济收敛性在不同时段上的差异,笔者以1998-1999年为界,划分整个研究期间为两段进行空间误差模型的重新估计。根据表2的估计结果,分段期间和整段期间的β系数均为负,且均在1%水平下显著,这证明了条件收敛性的显著存在。从β系数估计值的绝对量看,1994-1998年间(0.097087)最大,整段期间(0.085404)次之,1999-2005年(0.028283)最小。这表明,20世纪90年代中后期中国大陆各省市之间的经济收敛速度要快于1994-2003年间,而20世纪末21世纪初期中国大陆各省市之间的经济收敛速度大幅减缓,低于1994-2005年间整体收敛速度;且由于前一时段高速收敛的带动,整段期间的收敛速度仍然保持较高水平。观察前后两个时段的空间误差系数的估计结果(0.900978,0.914992)可以发现,两个时段内的中国大陆各省市之间的经济发展均存在着显著的正向空间相关。

注:*表示在5%水平下显著,**表示在1%水平下显著。

从表2中控制解释变量的估计结果看,前后两个时段的平均教育水平均对经济增长起到显著的推动作用(0.367148,0.255134),这表明了人口素质的重要性;就业人口比重同样也积极地推动地区的经济发展,但是前一时段的影响力(1.635092)要远大于后一时段(0.350423),这一现象的解释是,随着中国的经济体制改革,多种经济成份竞相活跃发展,且劳动力在地区之间的流动性不断加强,从而后一时段的就业人口比重对经济增长的影响力大大削减;非国有资产比重在前一时段对经济的影响不显著,这主要是因为,在国有企业改革之前,中国的市场经济备受诸多限制,因此其它成份的资产对经济的积极效应未能得到充分体现,这表现制度层面对经济的影响力。

三、结论

在考虑地区之间的空间相关性之后,本文基于中国大陆各省市的经济统计资料面板数据建立了空间计量经济学模型,对中国经济的β收敛性加以考察,有效地避免了传统估计方法所可能导致的结果偏差。实证结果显示,1994-2006年期间,中国大陆各省市之间的经济呈现显著的条件收敛;通过分时段的考察发现,1994-1998年期间的收敛速度要快于1999-2005年期间的收敛速度。同时,对控制变量参数估计结果的分析表明,教育水平、就业比重和非国有资产比重均对地区经济有显著的推动作用,这在一定程度上体现了人力资本和制度对经济的影响力;而第一产业从业人口比重则在一定程度上限制了地区经济的增长,这在一定程度上体现了工业进程的重要性和产业结构调整的重要性。

摘要：基于中国大陆29个省市的面板经济数据,建立空间计量经济学模型,实证研究中国省市经济的收敛性,结果表明,在1994-2004年期间,中国大陆省市经济存在着显著的条件收敛现象;以1998-1999年为界的分两时段考察进一步发现,前一时段的收敛速度远快于后一时段的收敛速度;对控制变量的分析表明,教育、就业水平和非国有率有效地推动地区经济的增长,而第一产业人口比重则对地区经济产生阻碍。

空间计量经济分析 篇7

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) .

空间计量经济分析 篇8

1 研究背景与文献回顾

经济增长与环境之间的关系一直是经济学家争论的焦点。经济增长究竟是导致环境质量下降,还是会改善环境质量,资源的约束到底是限制还是促进了经济增长,对于这些问题的争论促使经济学家进行了大量的实证研究。

KuznetS(1955)[1]提出“倒U型”的库茨涅茨曲线,当经济发展水平较低时,环境污染的程度也较轻,但是随着人均收入的增加将会导致环境的恶化,环境恶化程度随经济的增长而加剧,不过当经济发展超越某一临界点后,人均收入的进一步增加反而会有助于降低环境污染。Meadows(1972)[2]提出增长的极限,认为地球可利用资源是有限的,经济增长在有限的资源下不可能长期持续,因此为了保护环境实现可持续发展,必须人为地降低经济发展速度。Panayotou(1995)[3]提出污染与收入的驼峰型EKC曲线。1987年世界环境与发展委员会(WCED)[4]正式提出了“可持续发展”的概念,是“既满足当代人的需求又不危及后代人满足其需求的发展”。Neha(2007)[5]从全要素的角度研究了环境库茨涅茨曲线,发现单靠经济增长与技术进步是不能保证环境污染会下降的,利用人们对环境质量的需求,在经济增长时刺激消费者对环境保护费用的支出,从消费者的偏好结构来获取持久的、较高的环境质量。

张晓(1999)[6]通过对我国时间序列数据进行检验,结果发现经济发展与环境污染水平的关系己呈现出较弱的倒U型关系。陆虹(2000)[7]通过分析大气污染的特征,发现全国人均二氧化碳排放量随收入而上升。陈祖海(2004)[8]应用系统动力学方法分析经济与环境二者之间的生态系统负反馈机制、经济系统正反馈机制,以及二者之间动态反馈机制,指出人类历史发展中经济与环境之间的演化过程可分为3个阶段:封闭生态环境的原始演化阶段;资源枯竭、环境污染、生态破坏近代演化阶段;人口、经济、社会、环境协调发展的现代演化阶段。陈华文(2004)[9]针对EKC假说进行了系统的分析,指出对于多数指标而言,经济增长初期会造成环境质量恶化,但到达一个转折点后,经济增长又会引致环境污染状况的改善,不同的环境质量指标对应于不同的转折点,不过最终经济增长将会改善环境质量,对环境破坏问题的解决还需依靠经济增长本身,但这一过程不会自动发生,而要通过政策响应来实现。包群等(2005)[10]对1996~2002年我国面板数据进行考察,结果认为倒U型曲线很大程度上取决于污染指标以及估计方法的选取。刘燕等(2006)[11]研究结果表明中国的经济增长同环境污染之间并不存在简单的倒U型曲线关系,中国的经济增长与工业废水之间表现为一种倒N型曲线关系,与工业废气之间表现为N型曲线关系,而只有与工业固体废物之间表现一种倒U型曲线关系。王立平等(2010)[12]在EKC假设的基础上引入空间相关因素,认为我国基本满足EKC假设,并且环境污染存在显著空间自相关。吕健(2011)[13]通过空间计量分析方法研究经济增长与环境污染之间的关系。

不难发现自从Kuznets提出EKC曲线后,国内外关于环境与经济增长关系的研究,尤其是实证研究,大多是围绕EKC假设展开的,主要是讨论经济增长和环境衰退之间是否存在倒U型关系。特别是国内,众多学者利用不同省分的数据进行各种实证检验。但是对经济增长和环境污染的空间计量分析则比较少,特别是把经济增长、环境污染与碳税结合在一起,则相关文献就更少。本文就主要从这个角度出发,以空间计量为主要方法,研究经济增长与环境污染、经济增长与碳税、环境污染与碳税三者之间的关系。

2 研究方法、模型与数据来源

近年来,空间计量分析技术[14]已经被广泛的应用于分析研究对象的空间位置和相互作用,认为不同区域之间的数据与时间序列存在相对应的空间相关。本文将采用空间自相关和空间常系数回归模型这两种最为常用的空间分析方法。

2.1 空间自相关

Moran(1950)[15]提出的空间自相关指数Moran's I,该指数是检验区域变量是否存在空间自相关性的常用方法。

undefined

其中,undefined,Yi表示第i地区的观测值,n为地区总数,Wij为空间权值矩阵,采用邻接标准或距离标准,其目的是定义空间对象的相互邻接关系。其中,当两个地区相邻时取值为1,不相邻时取值为0。Moran's I∈(-1,1),当I>0时,数值越大表示正相关程度越强;当I<0时,表明空间负相关;当I=0时,表明各地区之间属性值的分布与区位数据的分布相互独立。

2.2 空间滞后模型(SLM)

该模型主要是探讨各变量在某一区域是否有溢出效应。表达式为

Y=ρWY+Xβ+ε

其中,Y为因变量;ρ为空间回归系数;W为n×n阶的空间权重矩阵(n为地区数);X为k个外生变量观测值的n×k阶的外生解释变量矩阵;β为k×1阶回归系数向量;ε为随机误差项向量。

2.3 空间误差模型(SEM)

空间误差模型的数学表达式为:

Y=Xβ+ε,其中ε=λWε+μ

其中,ε为随机误差向量,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。参数λ反映了相邻地区的观察值Y对本地区观察值Y的影响方向和程度;参数β反映了自变量X对因变量Y的影响。

2.4 数据来源与模型设定

2.4.1 经济增长

能源消费与经济增长受到诸多因素影响,因此指标选取时主要考虑到影响经济增长因素。由于各省、市、自治区经济发展的不均衡,用人均地区生产总值(RJGDP)反映区域经济增长水平,单位:元/人。

2.4.2 碳税

这是一个虚构变量,碳税在我国尚未征收,目前已经开征碳税的国家主要是设定税率,再根据排放量征收碳税,因此,我们用历年二氧化碳的排放量作为衡量碳税的指标,用以测定假如征收碳税的话会对经济增长产生什么影响,碳税的计算公式为:

碳税(TAX)=二氧化碳排放量(P)×税率(t)

二氧化碳的产生主要来源于化石燃料的燃烧,而统计数据中的标准煤是一个能量单位,没有含碳量数据,也不能计算标准煤的二氧化碳排放因子,因此我们选择含碳量较高的无烟煤作为估算基础,以纯度较高的90%的含碳量进行计算,结合能源转换效率,对各省、市、自治区的二氧化碳排放量进行估算,计算公式为:

二氧化碳排放量(P)=能源消耗量(EC)×90%×能源加工转换效率(EEC)×44/12

2.4.3 环境污染指标

根据国家统计年鉴公布的数据,在能源消费总量中,工业占据了很大部分,从2002年至今一直保持在70%左右,特别是对煤炭、原油、天然气和电力这4种能源消耗量非常大。2002年以来,煤炭消耗总量中工业占据了90.9%以上,原油消耗总量中工业占据了99.2%以上,天然气消耗总量中工业占据了73.3%以上,电力消耗总量中工业占据了72.2%以上。因此环境污染主要选取工业“三废”进行衡量,废水(WW),单位:万吨;废气(WG),单位:亿标准立方米;废渣(WS),单位:万吨。

2.4.4 数据来源

我国对于低碳经济的发展起步较晚,而且目前统计数据只能获取到2009年,因此在指标选取时主要采用了2001年和2009年间的数据,为了进行比较,原始数据均来自于《中国统计年鉴》和《能源统计年鉴》。

2.4.5 模型设定

基于双对数模型,可建立经济增长的SLM模型:

ln(RJGDP)=c+ρWln(RJGDP)+β1ln(TAX)+β2(WW)+β3ln(WG)+β4ln(WS)+ε

可建立经济增长的SEM模型:

ln(RJGDP)=c+λεW+β1ln(TAX)+β2(WW)+β3ln(WG)+β4ln(WS)+μ

其中,c为常数项,ρ为空间回归系数,λ为空间误差系数,W为空间权重矩阵,β为回归系数,ε为随机误差项,μ为正态分布的随机误差项。

3 空间自相关检验

3.1 经济增长的空间自相关检验

通过表1计算结果,我们可以明显看出,Moran's I的在5%的水平上显著性非常强,而且,Z值也都大于1.96,说明我国各省份的经济增长存在着较强的空间自相关,呈现着空间集聚的态势。

注:***、**、*分别表示通过1%、5%、10%水平下的显著性检验。

从图1的经济增长的全局Moran's I图我们可以看出,大部分省市的分布在H-H区域和L-L区域,具有正相关关系。具体来说,在H-H区域主要在东部区域,包括了北京、天津、上海、江苏、河北、山东、吉林、辽宁、内蒙古。除内蒙古外,余下省市基本上都属于我国经济较发达地区,因我们采用人均GDP作为衡量经济发展的指标,不太高的内蒙古GDP与较少的人数,使得其人均GDP比较高,呈现出较高的显著性。同时也说明,我国东部和沿海地区经济发展速度较快,区域的经济辐射性较强,对周边经济正向推动作用较大。

在L-L区域主要在中西部区域,包括了青海、甘肃、四川、重庆、云南、贵州、广西、陕西,而且几年来基本上变化不大,可能会给周边省市经济增长带来负作用。并且通过二次趋势面诊断也显示出,回归系数绝大多数为正数,表明从地理空间的角度,经济增长上是从西向东上升,从南向北上升。这一点我们通过经济增长的LISA图(见图2)可以很直观的看到。

3.2 环境污染、碳税的空间自相关检验

以经济增长与环境污染指标为变量,计算双变量的Moran's I值(见表2)并绘制双变量的LISA图(此处仅提供2009年的显著水平图)。通过计算我们可以明显发现所有的Moran's I值均为正数,说明经济增长与废水、废气、废渣、碳税在空间上存在着正相关关系,且Moran's I值均有所缓慢上升,相关性在逐渐增强。观察历年的双

变量LISA图,我们可以发现,经济增长与废水、废气、废渣、碳税的4种图中,处于H-H象限的辽宁、河北、上海、山东、河南、安徽、江苏,处于L-L象限的主要包括青海、甘肃、云南、贵州。这些省域恰恰是我国工业高速发展与缓慢发展的区域,显示出省域之间的确存在着空间的相关性。

4 普通OLS回归模型检验

对2001~2009年的样本数据进行普通OLS回归分析,从表3可知,历年的拟合优度都不高,回归结果不太理想,但是,F统计值2001年通过了5%显著水平检验,其余各年模型的线性关系均在99%的置信度下是显著成立的。从回归系数来看,经济增长与碳税、废气存在着正相关关系,与废渣存在负相关关系,且基本都通过显著性检验,但与废水的关系却未通过检验。具体来看,随着我国的入世,经济发展日益加快,从2001~2009年,我国GDP增长了1.11倍,能源消费增长了1.04倍,高能耗行业已经成为推动我国经济的主要动力。从短期来看,实施改进技术、更新设备等节能减排措施还需要一段时间,能源消耗必会与经济增长同方向变化,而且废气的二氧化碳、二氧化硫主要是化石能源燃烧所产生,所以说,碳税、废气与经济增长间存在正相关关系,与实际情况基本相符。废水与废渣同经济增长存在负相关关系,这与我国近年来的不断治理水污染、垃圾污染有着必然联系,说明废渣与废水的过度排放未必还能带来较高的经济收益。进一步观察空间相关性检验结果,我们可以看出,LM-lag与Robust LM lag的统计值基本上都通过了1%的显著性水平检验,而LM-Error仅有3年的通过了10%的显著性水平检验,所以我们可以得出结论,普通OLS回归法遗漏了空间自相关的因素,从而使得普通OLS回归模型不够恰当,也可以看出各省市之间的经济增长肯定是有关系的。

注:***、**、*分别表示通过1%、5%、10%水平下的显著性检验。

5 空间模型实证检验与分析

对数据进行空间滞后模型检验与空间误差模型的检验,根据表4检验结果,从拟合优度来看,历年的SLM模型和SEM模型都优于普通OLS模型,但是由于空间计量模型采用的是极大似然估计法(ML),基于残差平方和的分解拟合优度检验的意义不大,因此,下面对空间面板数据进行滞后检验与误差检验,根据两个Lagrange乘数滞后和误差及Robust的检验结果来判定选择SLM或SEM模型进行空间计量分析。

续 表

SEM模型与SLM模型中,每年的Log likelihood较普通OLS回归都是上升的,同时AIC和SC值都出现了下降,说明在SLM模型中新增的空间误差变量后拟合度在下降,而新增空间滞后变量改进了拟合度。而且从Moran's I值进一步观测模型残差与预测残差,也发现SLM模型比SEM模型结果更为显著,因此下面我们主要从SLM模型的角度进行分析。

注:(1)***、**、*分别表示通过1%、5%、10%水平下的显著性检验。

(2)数据较多,仅列出部分年份。

从表5的比较分析我们可以发现,变量的回归系数与实际预期基本一致,只有在废水这个变量的结果一直不显著,具体观察可以发现,这个变量在普通OLS回归下,统计结果也不是非常显著。进一步分析发现,当剔除碳税和废气变量后,废水变量和废渣变量都是高度显著,这说明当加入碳税与废气变量后,二者对经济增长的影响较废水和废渣更加明显,是影响经济增长的重要内容,因此更加体现出了在未来经济发展过程中节能减排的重要性。

碳税对经济增长的影响程度较普通OLS结果都有所下降,这说明忽略空间相关性的考虑,会夸大碳税对经济增长的影响。我们还需要注意的是,碳税对经济增长的影响显著性是在逐渐增强的。具体来看,发展低碳经济已经是必然趋势,特别是2011年的德班气候大会,同意《京都议定书》第二承诺期在2013年生效,我国也向国际社会发出了积极信号,碳税对经济增长的影响必然日益增强。

废气对经济增长的影响程度较普通OLS结果都有所下降,而且在剔除碳税变量后,SLM中的系数有所上升,说明征收碳税对废气的排放产生了重要影响。同时,我们还可以发现,SLM模型中的废气回归系数在2003年后呈现的是微弱的下降趋势,而且显著性还非常高,这与我国粗放式、高能耗的经济增长方式有关,在未来的经济发展中,一定要不断加强碳税的征收,抑制废气的排放。

6 结论与启示

6.1 省域经济增长之间存在空间相关性

基于我国31个省、市、自治区的面板数据,利用空间数据分析技术对经济增长与环境污染、碳税之间的关系进行了分析,发现经济增长与碳税、废气、废渣间存在着显著的全局自相关和局部自相关。在显著水平图中多数省市位于H-H和L-L区域,其中H-H区域主要是我国的东部和沿海地区,低值区域主要是我国的中西部地区,这一结果与我国实际情况一致。高值区域省市对周边区域经济正向辐射作用较大,而低值区域则作用较小,所以这种空间的集聚必然要引起我们的重视,推动省市之间的经济往来,扩大正向的带动作用。因此,有必要考虑产业结构的空间布局均衡化问题,把一些合适的工业企业转移至西部地区,带动西部地区的经济发展,同时,要加强节能与使用低耗能能源工作,减少因工业企业转移所带来的污染加重问题。

6.2 征收碳税对治理环境污染作用重大

从前面的分析我们可以看出经济增长与碳税存在着显著的相关性,而且征收碳税后废气的相关系数呈现了下降趋势,说明碳税对减排与经济增长作用重大。具体来看碳税对经济增长的影响程度有缓慢上升趋势,表明碳税的贡献度上升缓慢,同时废气对经济增长的影响程度在逐渐下降,说明减少能源消耗、减少废气排放对经济增长有较大的贡献空间。特别是对H-H区域的省市,在制定发展规划与产业结构调整政策时,必须要考虑高能耗行业的贡献度问题,不能只看短期利益,而且不仅要关注产业结构升级与减少能源消耗,要关注更各省份之间的协调发展。

6.3 经济增长已经摆脱对废水、废渣行业的依赖

我国尚未征收碳税,这里的碳税是个虚拟变量,而且废水在3种模型里的结果都不够显著,说明征收碳税后,废水对经济增长的贡献度还不能够准确测定,因此对于废水排放较多的工业企业暂时还不能扼制其发展,要以减少排放、治理污水为当前主要任务。同时,我们还可以注意到无论是普通的OLS模型,还是SLM模型,都显示出经济增长与废水、废渣是反向变化关系,而且系数的绝对值呈现的是上升趋势,排放废水、废渣越多只会导致经济增长下降的更快。因此,在未来经济发展中,必须要减少废水、废渣的工业项目,加大废水、废渣的治理力度,推进绿色工业进程。

6.4 废气污染不容忽视

从普通的OLS模型、SLM模型和SEM模型,不难发现废气变量的回归系数均为正数,而且如若剔除碳税变量后,这个系数值会更大。也就是说,废气排放企业对经济增长的贡献度在逐渐加大,经济增长对废气排放企业的依赖性日益增长。这个现象我们不容忽视。但是,当加入碳税变量后,废气变量的回归系数均有所下降,说明征收碳税对废气排放是有抑制作用的,同时,碳税的回归系数均为正数,也表明碳税虽然抑制了废气排放,但是并未对经济增长带来不利影响,反而促进经济增长。我国在入世后各个省市的工业化进程日益加快,这就要求我们在大量发展废气污染型企业的同时,必须促进经济增长的转型,摆脱对工业企业的依赖,同时征收碳税,抑制废气排放,走发展可持续绿色的工业道路。

摘要：以20012009年我国31个省级面板数据为基础,利用空间计量方法检验了经济增长与环境污染、碳税的关系,建立了包括废水、废气、废渣与碳税为变量的空间滞后模型。结果表明省域经济增长之间存在空间相关性,应注重地理位置相邻省份之间的经济协调发展,促进经济的正向推动作用;废气污染对经济增长贡献度依然较大,但是多数省市自治区经济增长已经摆脱对废水、废渣行业的依赖;征收碳税对治理环境污染作用重大,不仅可以促进经济增长,还可以抑制废气排放。