• / 12
  • 下载费用:10 金币  

中国的区域关联与经济增长的空间溢出效应.pdf

关 键 词:
中国 区域 关联 经济 增长 空间 溢出 效应
资源描述:
中国的区域关联与经济增长的空间溢出效应 * 潘文卿 内容提要 : 本文使用探索性空间数据分析工具研究了 1988—2009 年间中国各省区人 均 GDP 的空间分布格局与特征 , 结果显示 : 一方面 , 存在着全域范围的正的空间自相关 性 , 并且这种相关性随着时间的推移在增大 ; 另一方面 , 局域相关也显示出中国局域性的 空间集聚特征越来越明显 。以一个表征市场潜能对地区经济发展影响的新经济地理学模 型为基础 , 本文通过计量分析进一步考察了中国区域经济发展的空间溢出效应 。经验分 析表明 , 空间溢出效应是中国地区经济发展不可忽视的重要影响因素 , 市场潜能每增长 1% , 地区人均 GDP 增长率将提高 0. 47% , 超过了地区固定资产投资增长的弹性值 。当 然 , 实证分析也发现这种空间溢出效应会随着地区间距离间隔的增加而减少 。 关键词 : 区域关联 经济增长 空间溢出效应 * 潘文卿 , 清华大学经济管理学院 , 邮政编码 : 100084, 电子信箱 : panwq@ sem. tsinghua. edu. cn。本文受国家自然科学基金 项目 ( 70873071、71173132) 与国家社会科学基金重大项目 ( 10zd&007) 资助 。作者十分感谢匿名审稿人的宝贵建议 , 文责自负 。 ① 2010 年日本 GDP 约为 5. 47 万亿美元 。 一 、引 言 改革开放 30 年来 , 中国经济建设取得了巨大成就 。1978—2010 年 GDP 保持了年均 9. 9% 的 增长速度 , 成为经济增长最快的国家之一 。2010 年 , 中国的经济总量已达到 29. 8 万亿元人币 , 按 当年汇率计算约 5. 88 万亿美元 , 占全球经济总量的 8. 5% , 已超越日本成为继美国之后的全球第 二大经济体 。 ① 在如此庞大的国土与人口密集的国度 , 中国经济何以发生如此巨大的变化 ? 原因是 多方面的 , 但市场化改革与对外开放政策是不可忽视的两大原因 。一方面 , 市场化改革消除了中国 不同地区间的市场分割 , 加速了生产要素和劳动产品在不同地区间的流动 , 提高了资源配置效率 , 而对区域外部市场进入可能性的提高 , 使得外部经济发展对一个地区经济发展创造了良好的市场 需求条件 , 一些区域的经济发展对其他地区经济发展的带动作用也随之显现 , 即中国区域经济发展 出现了所谓的区域间的溢出效应 。另一方面 , 对外开放主要通过两个渠道对中国经济产生了巨大 影响 : 一是对外开放引进了国外的先进技术与管理经验 , 这主要是通过 FDI 的外溢效应显现的 ; 二 是对外开放为中国打开了全球市场的大门 , 即通过产品出口拉动了中国的经济发展 。 近些年来 , 国内外学者也正是从出口以及 FDI 两个方面深入探讨了对外开放对中国经济发展 所产生的影响 ( 何洁 , 2000; 潘文卿 , 2003; 陈涛涛等 2006; 刘已洋等 , 2008; 傅元海等 , 2010) , 然而从 区域间相互影响方面探讨中国地区经济发展的研究相对较少 。从现有的文献来看 , 有 6 篇文章明 确研究了中国不同地区经济增长的区域间溢出效应 。Ying( 2000, 2003) 较早地关注到了中国存在 着 “内核地区对外围地区 ”的空间溢出效应 , 并较早地运用空间滞后模型考察了 1978—1998 年间 劳动力 、资本 、FDI 等因素对中国地区经济增长的作用 , 指出中国经济增长中区域间存在着较强的 相互影响 。Brun et al. ( 2002) 则将中国划分成沿海与内陆地区 , 通过引入东 、中 、西三个虚拟变量 来考察沿海与内陆的相互影响 , 指出存在着沿海地区向内陆地区的空间溢出效应 。Zhang & 45 潘文卿 : 中国的区域关联与经济增长的空间溢出效应 Felmingham( 2002) 沿用了 Brun、Combes、Renard 的思路 , 在考察 FDI 与出口对中国经济影响的同 时 , 也考察了东 、中 、西三大经济带间的空间溢出效应 , 只不过 Zhang 和 Felmingham 的研究中不是 用虚拟变量 , 而是在建立一个地区 GDP 的变动模型时直接采用了将其他两大地区 GDP 的变动作 为解释变量引入模型的方法 。Groenewold et al. ( 2007) 则采用 VAR 模型 , 通过脉冲响应函数模拟 了东 、中 、西三大经济区域的相互影响 , 得出存在东部沿海地区向中 、西部地区以及中部地区向西部 地区的溢出效应 , 但不存在西部地区向东 、中部地区的溢出效应 。Groenewold et al. ( 2008) 再次将 中国划分成东南 、长江流域 、黄河流域 、东北 、西北 、西南 6 大经济区并通过 VAR 模型技术考察经济 区间的溢出效应 , 指出长江流域 、黄河流域与西北对其他区域有较大的溢出效应 , 东南与东北存在 着很微弱的对其他地区的溢出效应 , 西南地区则不存在对外的溢出效应 。 很显然 , 在高速增长的背后 , 中国不同地区的经济发展水平差异是很大的 , 不同地区间的相互 依赖与空间溢出效应对中国的区域经济发展有着不可忽视的影响力 。但是更深入的分析发现 , 这 些研究有两方面的问题值得进一步探讨 : 一是研究的区域范围的划分 , 即在考察中国地区经济增长 时 , 是以东 、中 、西三大地带或将中国划分成几个大的区域来研究呢 , 还是从较小的省域 、甚至更小 的县域来研究 ; 二是研究的方法 , 即采用传统的不引入区域空间相关性的模型进行研究呢 , 还是在 实证模型的设定中明确引入区域间的空间相关性 。 上述研究大都只探讨了中国沿海地区与内陆地区 , 或中 、东 、西三大地带间的空间溢出效应 , 即 使是 Groenewold et al. ( 2008) 的研究也只关注到了 6 大经济区的相互影响 。显然 , 中国大陆有 31 个省区以及 2800 多个县域 , 更可能的情况应是各省区之间 、县区之间本身就具有相互依赖 、相互影 响的特征 。尤其是许多研究已表明 , 随着时间的推移 , 各地区之间的贸易壁垒已逐渐消除 、全国市 场呈现明显的 “一体化 ”整合趋势 ( 李善同等 , 2004; 桂琦寒等 , 2006; 赵奇伟等 , 2009) , 因此 , 产品与 要素在各省区间 、县区间更加自由的流动 , 使得中国不同省区间 、县区间的空间溢出效应与日俱增 。 仅将目光停留在东 、中 、西三大地带或有限的几个经济区来探讨区域间的相互作用 , 是不能深入了 解中国全域范围内各省区间的空间溢出效应的 。需要用一个以 31 个省区或更小的县域为基点的 全域性视角来宏观地考察中国各地经济发展的相互依赖 、相互影响的关系 。 就研究方法方面 , 由于传统的新古典增长理论在完全竞争和规模收益不变等假定下 , 忽视了空 间因素对经济活动的重要影响 , 因此多数研究较少地考虑不同地域间的空间相关性 。而事实上 , 由 于 “地理学第一定律 ”的存在 ( Tobler, 1979) , 大多数空间数据都具有或强或弱的空间相关性 , 因此 , 国内外的研究者已开始采用空间计量经济学的理论与方法来研究中国区域经济的差异 、增长与收 敛等问题 。林光平等 ( 2005) 、张晓旭等 ( 2008) 、潘文卿 ( 2010) 均以中国 31 个省区为对象 , 通过空 间计量技术研究了中国区域经济的差异与收敛特征 ; 而吴玉鸣 ( 2007) 则率先以中国 2800 多个县 域为对象 , 运用空间计量模型研究了中国县域经济增长的集聚与差异问题 。在这些对中国省区或 县域经济的研究中 , 研究的重点要么是区域经济的差异与增长的收敛问题 , 要么是区域经济的集聚 与差异问题 , 区域间的相互影响是通过空间计量模型来体现的 , 区域间的溢出效应本身并不是这些 研究关注的重点 。 在本文的研究中 , 我们将以中国省域经济增长的溢出效应为关注的焦点 , 通过空间统计方法与 空间计量技术对中国 31 个省区间的空间关联特征与经济增长因素进行分析 。在空间计量模型的 建立中明确引入一个能够考察区域间经济增长溢出效应的指标 ———市场潜能 ( Market Potential) , 从而使得我们能够 “估计 ”中国区域经济增长中空间溢出效应的大小 。同时 , 正是由于市场潜能这 一指标的引入 , 也使得我们能够将中国省区间的空间溢出效应与区域间的空间相关性有效关联起 来进行考察 。我们知道 , 区域空间相关性的存在 , 一定会在空间溢出效应的测度中显现出来 。但一 个重要的现象是 , 区域间的相关性可能会随着区域间间隔的扩大而逐渐弱化 , 那么空间溢出效应是 55 2012 年第 1 期 否也具有这一特征呢 ? 换言之 , 如果中国不同省区间存在着空间溢出效应的话 , 我们将关注这种效 应是否也会随着区域间间隔的增加而减弱 。 本文第二部分运用空间统计方法从全域与局域两个角度考察中国 31 个省区人均 GDP 的空间 相关性 ; 第三部分构建能够考察区域间经济增长溢出效应的理论与实证模型 ; 第四部分对中国省域 经济增长的溢出效应进行空间计量分析 ; 第五部分是全文的总结与讨论 。 二 、中国各地区人均 GDP 的空间相关性 在考察地区经济发展时 , 由于 “地理学第一定律 ”的存在 , 多数研究已开始关注不同地区间的 空间相关性 。判断地区间人均 GDP 的空间相关性 , 一般可通过测算 Moran's I 指数进行检验 。其计 算公式为 : I = ∑ n i = 1 ∑ n j = 1 W ij ( Y i - 珔 Y) ( Y j - 珔 Y) S 2 ∑ n i = 1 ∑ n j = 1 W ij ( 1) 其中 , S 2 = 1 n ∑ n i = 1 ( Y i - 珔 Y) 2 , 珔 Y = 1 n ∑ n i = 1 Y i , Y i 表示第 i 地区的观测值 , 本文中为人均 GDP, n 为地区 数 , W 为空间权矩阵 。I 的取值范围为 -1≤I≤1, 当 I 接近 1 时 , 表示地区间呈现空间正相关 , 接近 -1 时表示呈现空间负相关 , 接近 0 时表示地区间不存在空间相关性 。需要指出的是 , 传统上 , 空 间权矩阵 W 大多采用基于邻接概念的矩阵 , 但该方法认为不相邻的地区间不存在相关性的理念与 现实有较大出入 。考虑到一般区域间的空间关联规律是 : 不同地区间距离间隔越短 , 地区间的相关 程度越强 ; 随着地区间距离间隔的扩大 , 地区间的相关性会逐渐减弱 。因此 , 在本研究中 , 我们按不 同省区省会城市间直线距离的倒数作为 W 中元素的取值 。 表 1 给出了 1998—2009 年间以距离倒数为权矩阵元素的 Moran's I 指数的计算及检验值 。表 1 的结果显示 , 对于地域广袤的中国来说 , 确实存在着按地域间距离有规律变动的空间相关性 : 随 着区域间距离的增加 , 空间相关的 Moran's I 指数逐渐下降 。意味着在较小的带宽范围内 , 中国各 地区间存在着较强的空间正相关性 , 但随着带宽的增加 , 正相关性变小 , 而当以超过 2500 公里的带 宽进行计算时 , Moran's I 指数由正变负 , 当然 , 这时伴随概率 P 值显示不存在全域性的空间相关 性 。这一特征贯穿了 1998—2009 年的 12 个年份 。 从时间维度看 , 表 1 显示随着时间的推移 , 中国区域间的空间相关性在逐渐加强 。如按 0— 500 公里的带宽计算 , 1998 年的 Moran's I 指数值为 0. 186, 而到 2009 年增加至 0. 294; 而按 0—2000 公里的带宽计算 , Moran's I 指数值则由 0. 002 增加到 0. 036。其他带宽范围也显示出同样的特征 。 上述 Moran's I 指数测度了中国全域范围内各地区间的空间相关性 。测度结果表明随着时间 的推移 , 全域性的相关性越来越强烈 。下面我们再从局域 Moran's I 指数考察是否随着时间的推 移 , 与其他地区存在较强相关性的区域数量也在增加 。Anselin( 1995) 指出 , 地区间空间关联的局 域分布可能会出现全域指标所不能反映的 “非典型 ”情况 , 甚至出现局域空间关联趋势与全域趋势 相反的情况 , 因此有必要使用空间关联局域指标 ( LISA) 来分析空间关联的局域特性 。局域 Moran's I 指数是用来测度区域空间局域自相关的主要指标 : I i = Z i∑ n j = 1 W ij Z j ( 2) 其中 , Z i = Y i - 珔 Y, Z j = Y j - 珔 Y, Y i 、Y j 表示第 i、第 j 地区的观测值 , 本文中是人均 GDP, n 为地区数 , W 为空间权矩阵 。该指数测度了第 i 地区与其周围其他地区间的相关程度 : 正值表征该地区与周围 65 潘文卿 : 中国的区域关联与经济增长的空间溢出效应 地区具有正相关的特征 , 即具有相似人均收入水平的地区集聚在一起 ; 负值表示与周围地区存在着 负相关 , 即相异人均收入水平的地区集聚在一起 。该指标与 Moran 散点图配合使用能对局域相关 的格局与特征给予较为清晰的刻画 ( Anselin, 1996) 。 表 1 中国空间自相关 Moran's I 指数及其统计检验 年份 距离 ( 0—500] ( 0—1000] ( 0—1500] ( 0—2000] ( 0—2500] ( 0—3000] 1998 I 0. 186 0. 127 0. 090 0. 002 - 0. 017 - 0. 027 P-value 0. 053 0. 006 0. 004 0. 070 0. 137 0. 226 1999 I 0. 189 0. 129 0. 091 0. 002 - 0. 016 - 0. 027 P-value 0. 051 0. 006 0. 004 0. 069 0. 130 0. 217 2000 I 0. 217 0. 156 0. 106 0. 011 - 0. 011 - 0. 025 P-value 0. 035 0. 002 0. 002 0. 035 0. 073 0. 162 2001 I 0. 209 0. 148 0. 100 0. 007 - 0. 014 - 0. 026 P-value 0. 039 0. 003 0. 002 0. 050 0. 101 0. 185 2002 I 0. 217 0. 153 0. 103 0. 008 - 0. 013 - 0. 025 P-value 0. 035 0. 002 0. 002 0. 046 0. 092 0. 168 2003 I 0. 235 0. 165 0. 108 0. 010 - 0. 012 - 0. 025 P-value 0. 027 0. 001 0. 002 0. 040 0. 083 0. 162 2004 I 0. 250 0. 175 0. 113 0. 012 - 0. 010 - 0. 024 P-value 0. 022 0. 001 0. 001 0. 033 0. 072 0. 149 2005 I 0. 264 0. 189 0. 122 0. 017 - 0. 008 - 0. 023 P-value 0. 017 0. 000 0. 001 0. 021 0. 053 0. 126 2006 I 0. 275 0. 200 0. 128 0. 021 - 0. 006 - 0. 022 P-value 0. 015 0. 000 0. 000 0. 015 0. 041 0. 107 2007 I 0. 282 0. 209 0. 134 0. 024 - 0. 004 - 0. 021 P-value 0. 013 0. 000 0. 000 0. 011 0. 032 0. 090 2008 I 0. 290 0. 225 0. 146 0. 030 - 0. 001 - 0. 020 P-value 0. 012 0. 000 0. 000 0. 006 0. 020 0. 070 2009 I 0. 294 0. 238 0. 154 0. 036 0. 002 - 0. 019 P-value 0. 015 0. 000 0. 000 0. 003 0. 013 0. 054 在地域广袤的中国 , 不同区域间的关联状况往往具有不同的特征 。图 1 给出了按带宽为 500 公里时测度的 1998 年与 2009 年中国各地区人均 GDP 的 Moran 散点图 。可以看出具有非典型观 察值的地区即位于第二象限和第四象限的地区在期初和期末有了较大的变化 : 1998 年时 , 有 11 个 地区属于非典型观测值的地区 , 到了 2009 年这种非典型观测值的地区降到了 7 个 。这种变化趋势 表明 , 随着时间的推移 , 中国局域性的空间集聚特征越来越明显 , 具有较高人均 GDP 水平的地区被 更多的具有同样经济发展水平的地区所包围 ; 同时 , 具有较低人均 GDP 水平的地区被更多的低经 济发展水平的地区所包围 , 而那些高人均收入与低人均收入相邻而聚的省区减少了 。 ① 从这里已经看到 , 中国不同地区间全域性的空间相关性与局域性的空间相关紧密相联 , 经济发 展的地理空间效应对地区经济发展一定起着不可忽视的作用 , 而且这种地区经济发展的空间溢出 75 2012 年第 1 期 ① 1998 年伴随概率 P 值小于 5% 的地区只有天津与上海两个地区 , 2008 年则增加到了北京 、天津 、上海 、江苏 、浙江 、贵州 6 个地区 。限于篇幅 , 本文未列出局域自相关的 Moran's I 指数值 , 需要的读者可通过 Email 向作者索取 。 图 1 1998、2009 年中国各地区人均 GDP 的 Moran 散点图 效应更大程度上是局域性的空间溢出 。那么这种局域性的空间溢出效应对中国地区经济发展到底 起着多大的作用呢 ? 这需要进一步通过严格的计量分析来进行实证 。 三 、空间溢出效应的模型设定 ( 一 ) 理论模型 在现实生活中世界各国或地区的经济增长与经济发展差异极大 。探究其原因 , 外部性对经济 增长或发展产生了非常大的影响 。古典增长理论认为一个地区的增长主要是其资本 、劳动等要素 投入的增长促成的 , 而新增长理论则认为某一地区的经济发展得益于固定资本投资隐含的技术进 步 ( Romer, 1986) , 或者说得益于以 “干中学 ”为表现形式的人力资本积累 ( Lucas, 1988) 。而近年 来新地理经济学则从供给与需求相互促进形成的累积循环角度描述了不同地区经济增长发生极化 的机制 , 并称之为 “大地理范围集聚的空间外部性 ”( Fujita et al. , 1999; Fujita and Thisse, 2002) 。 他们以空间距离为权重将所有周边地区国内生产总值加总起来以衡量一个地区所生产的产品和服 务的潜在需求规模 , 并将之作为市场潜能来考察对地区工资水平的影响 。Redding & Venables ( 2004) 、Redding( 2005) 则直接将这一思路扩展到对地区人均 GDP 影响因素的研究上 , 他们基于跨 国数据的研究发现 , 市场潜能在解释各个国家之间人均 GDP 的差异中起着显著的作用 。Crozet & Koenig ( 2005) 使用欧洲地区面板数据的实证研究也发现 , 一个地区的市场潜能对其人均 GDP 的增 长率有着显著的正向影响 。虽然推理过程不尽相同 , 但大多数研究将空间外部性对地区人均收入 的影响机制都表示为如下形式的简易模型 : ① w r = ∑ R s = 1 Y s e -τ( σ -1) d sr P σ -1 ( ) s 1 σ ( 3) 式中 , w r 是地区 r 的劳动力要素价格 , Y s 、P s 分别代表地区 s 的总消费支出与价格指数 。e - τ( σ - 1) d sr 代表地区 r 与地区 s 间的双边 “冰山 ”贸易成本 ( bilateral iceberg trade cost) , 它是地理间隔距离 d sr 的增函数 , 其中 τ 为单位距离的运输成本 、σ 为产品间的常替代弹性 。 ( 3) 式是所谓新经济地理理论 ( New Economic Geography model) 中经典的工资方程 ( Fujita et al. , 1999) , 它表明市场均衡条件下某地区劳动力价格是该地区产品进入其他地区市场的函数 , ∑ R s = 1 Y s e -τ( σ -1) d sr P σ -1 ( ) s 即所谓 r 地区 Krugman 意义上的市场潜能 ( market potential) , 它是各地区消费 支出的加权和 , 权数为与地区间距离有关的贸易成本以及地区市场价格指数的某种组合 。将工资 视为单位劳动者的收入或单位劳动者创造的产出时 ,( 3) 式表明一个地区的市场潜能对其经济发 展的重要意义 。Krugman 提出的市场潜能理论 , 揭示了地区间溢出效应对地区经济发展的作用机 制 : 当一个地区经济发展水平较高时 , 其经济总量规模往往较大 , 发展速度也较快 , 因此该地区对其 85 潘文卿 : 中国的区域关联与经济增长的空间溢出效应 ① 参见 Mion ( 2003) 、Niebuhr( 2006a, 2006b) 的相关讨论 。 周边地区产品的需求能力就大 , 意味着该地区经济发展对其周边地区有着较强的带动作用 。以 MP r 作为地区 r 的市场潜能 , 即其他地区经济发展对该地区可能带来的潜在发展效应 , 并用人均收 入替代 ( 3) 式中的工资 , 可以得到某地区人均收入水平与地区经济发展溢出效应间的关联关系 : lnY r = γlnMP r ( 4) 其中 , γ =1 /σ。引入时间维度 t,( 4) 式可进一步写成增长率的形式 : ln Y rt Y r, t-1 = γln MP rt MP r, t-1 ( 5) ( 5) 式表明一地区人均收入的增长直接依赖着该地区市场潜能的变动 , 而该地区的市场潜能 主要与其周边地区的经济发展水平 、价格以及该地区与其周边地区的市场距离有关 , 可视为周边地 区经济发展对该地区的直接溢出效应 。 ( 二 ) 计量模型的设定 根据上述理论模型的设定 , 用人均 GDP 代表地区的人均收入 , 则以人均 GDP 表征的地区经济 发展要受到该地区的市场潜能或者说受到其他地区经济发展的影响 。另外 , 根据古典增长理论以 及新增长理论 , 我们将资本 、劳动力以及人力资本引入到计量模型之中 , 用来考察主要投入要素对 地区经济发展的影响 。考虑到中国的国情 , 我们也引入各地区到最近海岸港口的距离 , 以代表各地 区受海外市场的影响因素 。据此 , 本文设定地区经济发展的基本计量模型如下 : ln Y rt Y r, t-1 = γ 0 + γ 1 ln MP rt MP r, t-1 + γ 2 ln K rt K r, t-1 + γ 3 DKL rt + γ 4 DL rt + γ 5 d rt + μ rt ( 6) 其中 , 各变量下标 r 代表地区 、t 代表年份 , Y rt 代表地区 r 第 t 年的人均 GDP; K rt 代表人均固定资产 投资 , 其中既包括国内投资 , 也包括外商投资 ; DKL rt = KL rt - KL r, t - 1 为人力资本的变动 , KL rt 为地区 r 第 t 年大专以上学历人口占 6 岁以上人口的比例 ; DL rt = L rt - L r, t - 1 为劳动力投入的变动 , L rt 为地区 r 第 t 年劳动人口占总人口的比例 。d rt 为各省区省会城市与最近海岸港口的距离 。 四 、中国地区经济发展的空间溢出效应 为了对中国大陆 31 个省区经济发展的影响因素进行比较分析 , 尤其是考察地区经济发展的空 间溢出效应 , 我们以 ( 6) 式为设定的计量模型进行经验分析 。 ( 一 ) 数据来源 本研究采用的数据中经济 、人口类数据来自 1999—2010 年的 《中国统计年鉴 》, 各省会城市间 的距离以及省会城市与最近海岸港口的距离数据是根据国家测绘局公布的国家基础地理信息系统 中 1: 400 万中国地形数据库整理得到的 , 采用的是欧氏直线距离 。 本研究特别关注中国区域经济发展中区域间的溢出效应 , 它通过市场潜能这一指标来刻画 。 我们采用最为常见的 Harris ( 1954) 提出的市场潜能函数方法来衡量各地区的市场潜能 : MP rt = ∑ s≠r GDP st d rs ( 7) 其中 GDP st 为第 t 年地区 s 的 GDP, d rs 为地区 r 与地区 s 省会城市间的欧氏距离 。这一方法简单地 刻画了地区 r 的市场潜能 , 它是其他地区经济发展水平的加权和 , 权数为该地区距其他地区距离的 倒数 。这一方法认为其他地区经济发展对该地区的溢出效应随着地区间距离的增加而减弱 。 最后需要指出的是 , 各地区 GDP 数据按 GDP 平减指数进行了缩减 , 同样地 , 固定资产投资数 据也根据各地区固定资产投资价格指数进行了缩减 , 因此它们的变动中已不包括价格变动的影响 。 ( 二 ) 模型估计 我们的研究采用了中国大陆 31 个省区 11 年的相关数据 , 因此具有典型的面板数据特征 , 需要 95 2012 年第 1 期 采用 panel data 方法进行计量分析 。在面板数据分析中 , 必须控制两类非观测效应 ———个体效应 与时间效应 , 因此 , 我们将 ( 6) 式中随机误差项设定为 μ rt = α r + δ t + u rt 的形式 。 然而 , 正如许多其他计量分析方法一样 , 对 ( 6) 式的估计还要具体看模型中的随机误差项是否 满足经典的 Gauss 假设 。如果满足 , 通常的估计面板数据模型的方法才可得到无偏且一致的估计 量 。这里 , 一方面需要考虑代表个体效应的 α r 与代表时间效应的 δ t 是否与模型中的解释变量相 关 , 从而决定面板数据模型是采用固定效应还是随机效应的方法来估计 ; 另一方面需要考虑随机误 差项 u rt 所具有的分布形态 。在第二部分的讨论中我们已经看到 , 中国不同地区间存在着一定程度 的空间依赖性 , 因此 , 还必须将这种地理空间依赖信息引入到模型里去 , 才能得到更为可信的估计 结果 。在我们模型的设定中 , 已通过市场潜能这一变量来刻画某地区对其他地区的空间依赖关系 。 然而我们知道 , 一个地区对其他地区的依赖关系是相当复杂的 , 仅凭借市场潜能一个指标可能无法 完全抓住所有的影响因素 , 其他可能影响着地区经济增长的且具有空间相关性的因素便进入到了 模型的误差项中 , 这将可能导致模型的随机误差项表现出较强的空间相关性 。因此 , 我们将 ( 6) 式 具体化为如下空间误差模型来进行估计 : y t = x t β + α r + δ t + u t , u t = λWu t + ε t ε t ~ N( 0, σ 2 I n ) ( 8) 其中 , y t 是由 ln( Y rt /Y r, t - 1 ) 为元素组成的列向量 , x t 为一矩阵 , 矩阵的各列分别是以 ln( MP rt / MP r, t - 1 ) 、ln( K rt /K r, t - 1 ) 、DKL rt 、DL rt 、d rt 为元素的列向量 。α r 、δ t 是表征个体效应与时间效应的随机 列向量 , u t 与 ε t 均为以 u rt 与 ε rt 为元素的列向量 。我们称 ( 8) 式为空间误差面板数据模型 ( spatial error panel data model) , λ 是空间误差模型中揭示回归残差之间空间相关强度的参数 。( 8) 式中的 W 为空间自相关权矩阵 , 其生成方式与前述计算 Moran'I 指数中的权矩阵 W 相同 。空间误差模型 不再适合用 OLS 法进行估计 , 一般采用极大似然法 ( ML) 进行估计而得到可信的参数估计值 。 ( 三 ) 计量结果分析 1. 全域性估计分析 我们的计量分析相结合地采用了 R 软件与 Matlab 软件 。 ① 由于本研究的目的是要考察中国 地区经济增长的空间溢出效应 , 而这一效应的一个直接体现是地区的市场潜能 。同时 , 空间相关分 析已经发现中国地区经济发展具有空间相关性 , 因此需要采用空间计量经济模型进行估计 。当然 , 由于是面板数据模型 , 估计方法的选择显得异常重要 , 需要在固定效应估计与随机效应估计方法中 进行选择 。为了比较 , 我们首先对不考虑空间相关性的基本面板数据模型 ( 6) 式进行估计 , 并通过 Hausman 检验来在固定效应与随机效应估计方法中进行选择 , 同时 , 也通过 Wooldridge 序列相关检 验以及 Baltagi 序列相关检验来检验基本面板数据模型是否存在时间效应 。表 2 中的模型 1、模型 2 给出了相应的估计结果 。 表 2 中模型 1 与模型 2 的估计结果显示 , 无论是固定效应 OLS 估计 , 还是随机效应 GLS 估计 , 都显示出资本投入与劳动力投入的增长是中国地区经济增长不可缺少的要素 , 它们都通过了 1% 显著性水平下的统计检验 , 但人力资本变化的影响未通过 10% 显著性水平的检验 ; 中国各地区距 海岸港口的距离越大 , 意味着进入海外市场的运输成本越高 , 因此呈现负面影响效应 , 但随机效应 的 GLS 估计显示出这一负面影响的力度几乎可以忽略不计 ; 当然 , 固定效应 ML 估计没有这一项 。 我们所关注的地区市场潜能 、或者说区域间直接的空间溢出效应在两种估计中均表现出显著的正 向影响关系 , 与理论分析完全一致 , 而且从估计结果看 , 这种市场潜能变动的弹性值已超过了固定 资产投资的弹性值 。 06 潘文卿 : 中国的区域关联与经济增长的空间溢出效应 ① 估计空间面板数据模型的 Matlab 原代码来自 http: / /www. spatialeconometrics. com。 表 2 中国地区经济增长因素分析 模型类型 /估计方法 基本面板数据模型 空间误差面板数据模型 模型 1: 固定效应 LSDV 估计 模型 2: 随机效应 GLS 估计 模型 3: 固定效应 ML 估计 模型 4: 固定效应 ML 估计 常数项 0. 027 *** ( 0. 000) ln( K rt /K r, t - 1 ) 0. 131 *** ( 0. 000) 0. 150 *** ( 0. 000) 0. 130 *** ( 0. 000) 0. 129 *** ( 0. 000) DKL rt 0. 122 ( 0. 213) 0. 098 ( 0. 319) 0. 176 * ( 0. 051) 0. 196 ** ( 0. 031) DL rt 0. 687 *** ( 0. 000) 0. 660 *** ( 0. 000) 0. 686 *** ( 0. 000) 0. 694 *** ( 0. 000) ln( MP rt /MP r, t - 1 ) 0. 472 *** ( 0. 000) 0. 416 *** ( 0. 000) 0. 472 *** ( 0. 000) 0. 472 *** ( 0. 000) d rt - 0. 30e - 05 ( 0. 2315) λ 0. 234 *** ( 0. 003) 0. 201 ** ( 0. 012) 是否包含时间虚拟变量 否 否 否 是 调整的 R 2 0. 665 0. 647 0. 705 0. 708 log-likelihood 916. 0 894. 1 918. 7 926. 5 是否存在时间效应的检验 : Wooldridge's test/Baltagi's test χ 2 = 0. 010 ( 0. 918) z = 0. 029 ( 0. 488) 是否选择随机效应模型的 检验 : Hausman test χ 2 = 16. 60 ( 0. 002) 注 : 1. 在 “是否存在时间效应的检验 ”中 , Wooldridge's test 与 Baltagi's test 分别用来检验固定效应模型与随机效应模型的残差 是否存在序列相关性 , 原假设为 “不存在序列相关性 ”; 在 “是否选择随机效应模型 ”的检验中 , Hausman test 用来检验随机效应模 型是否比固定效应模型更合适 , 原假设是 “两者无显著差异 ”。 2. 表中圆括号 ( ) 中的数据为相应估计量的伴随概率 P 值 , *** 、 ** 、 * 分别表示在 1%、5% 与 10% 的显著性水平下显著 , 下同 。 当然 , 从计量检验的角度看 , 一方面 , 基本面板数据模型的两种估计都显示不存在未观测的时 间效应 , 固定效应 OLS 估计的 Wooldridge 序列相关检验值为 χ 2 ( 1) = 0. 010、随机效应 GLS 估计的 Baltagi 序列相关检验值为 z = 0. 029, 它们都在 10% 的显著性水平下不拒绝不存在时间效应的假 设 ; 另一方面 , Hausman 检验进一步显示 , χ 2 ( 4) =16. 60, 在 1% 的显著性水平下拒绝固定效应与随 机效应估计无差异的假设 , 因此 , 固定效应模型的估计方法相对更优 。 如果模型设定中不考虑地区经济发展过程中各地区间的相互影响 , 分析也就到此为止 。但由 于第二部分的讨论已发现中国 31 个省区间具有明显的自相关性 , 即存在地理位置上的集群现象 , 而且随着时间的推移 , 这种集群特征越来越显著 , 表明不同地区间存在着经济发展的溢出效应 。我 们虽然通过引入市场潜能变量来刻画这种地区间的溢出效应 , 但如果市场潜能这一变量不能包含 全部的空间溢出性的影响因素 , 则那些未引入的存在着空间相关性的因素将进入到模型的随机误 差项中 。这时 , 传统的面板数据模型 ( panel data model) 以及传统的估计方法将不再适用 , 而需要引 入空间相关性的空间误差面板数据模型 , 并通过空间技量技术对其进行估计 。 16 2012 年第 1 期 表 2 的模型 3、模型 4 是对空间误差面板数据模型 ( 8) 式采用固定效应 ML 估计方法得到的估 计结果 。由于基本面板数据模型检验发现不存在时间效应 , 因而模型 3 未考虑时间效应 。当然 , 为 了比较 , 我们也在模型 4 中引入了时间虚拟变量 , 对它的估计可以进一步检验模型 3 的稳健性 。估 计结果显示 , 即使与传统的面板数据固定效应模型 ( 模型 1) 相比 , 空间误差模型不仅有着更大的调 整的 R 2 , 而且对应的对数似然函数值也增大了 。同时 , 表征空间误差效应的参数 λ 也通过了 5% 显 著性水平下的检验 , 表明引入地区间空间相关性的空间误差模型设定更正确 。从未包含时间虚变 量与包含时间虚变量的模型估计结果看 , 一方面 , 引入时间虚拟变量后仍发现不存在显著的时间效 应 , ① 另一方面 , 其他变量的显著性均没有变化 , 而且各变量参数估计结果的变化也不大 , 表明不含 时间效应的空间误差模型的设定具有稳健性 。为此 , 我们选择面板数据空间误差模型 3 作为最终 设定的模型对中国地区经济增长的空间溢出效应进行进一步的分析 。 表 2 的估计结果显示 , 空间误差面板数据模型 3 对市场潜能参数的估计结果与基本面板数据 模型 1 的结果基本相同 , 均在 0. 47 左右 , 表明以地区市场潜能为代表的直接空间溢出效应对近 10 年来中国各地区经济增长起到了较大的作用 : 市场潜能每增长 1% , 地区经济增长率将提高 0. 47 个百分点 。从弹性值来看 , 市场潜能扩大的效应已超过了固定资产投资增长的效应 , 后者的弹性值 仅为 0. 13。 ② 这与新经济地理学的预期完全一致 , 即一个地区拥有进入其他大规模市场的良好机 会 , 关联效应所产生的外部性将导致该地区获得较高的增长水平 ( Crozet and Koenig, 2005) 。不仅 如此 , 空间误差模型还显示出了基本面板数据模型所无法发现的结果 : 中国地区的经济增长还与周 围省域经济增长的随机冲击有着密切的关联 , 揭示回归残差之间空间相关强度的参数 λ 显著不为 零表明 , 影响一个地区经济增长的其他因素还会对周围地区的经济增长具有扩散效应 , 我们称之为 间接的空间溢出效应 。总之 , 从这种直接与间接空间溢出效应的角度看 , 进入 21 世纪以来 , 地区间 的空间溢出效应在中国地区经济发展中起到了不可忽视的作用 。 当然 , 空间误差面板数据模型的估计结果还表明 , 古典增长理论仍适用于对中国经济增长现象 的解释 , 即固定资产投资与劳动力的增加均会促进中国地区的经济增长 , 这一结果与基本面板数据 模型的估计结果相仿 ; 但与基本面板数据模型估计结果不同的是 , 空间误差模型表明人力资本对中 国地区的经济增长有着显著的正向作用 , 人力资本参数的估计值达到 0. 176, 并通过了 10% 显著性 水平下的统计检验 , 意味着大专以上学历人口占 6 岁以上人口的比例每增加 1% , 中国地区经济增 长率将上升 0. 176%。这一估计结果说明 , 进入 21 世纪以来 , 中国各地区经济发展中人力资本的 增长也起到了不可忽视的正向促进作用 。但这一作用在传统的面板数据模型中并未检测出来 , 再 次表明未考虑空间相关性的传统模型在模型设定上是有偏误的 , 由此也带来了估计结果的偏差 。 2. 局域性估计分析 表 2 中列出的结果均是全域性 ( Global) 估计的结果 , 是中国 31 个省区经济发展的平均状况 。 前文已经指出 , 我们所关注的地区经济发展的空间溢出效应很可能与不同地区间的空间距离有较 大的关系 : 距离越近 , 空间溢出效应理应更加显著 。因此 , 在我们设定某地区的市场潜能变量时 , 是 以地区间距离的倒数为权数对其他地区 GDP 进行加权平均得到的 。为了更深入地考察地区间的 空间距离对区域经济发展的空间溢出效应 , 我们下面按各省区省会城市间直线距离的大小范围进 一步进行空间面板数据分析 。 表 3 是对未包含时间虚变量的面板数据空间误差模型采用固定效应 ML 法进行估计的结果 , 26 潘文卿 : 中国的区域关联与经济增长的空间溢出效应 ① ② 由于篇幅所限 , 文章中未具体列出时间虚拟变量的估计值与相应的伴随概率值 。有兴趣的读者可向作者索取 。 由于模型中劳动投入与人力资本两变量的设置方式与固定资产投入及市场潜能两变量的设置方式不同 , 因此它们间的 参数估计结果不能进行直接比较 。 其中市场潜能指标按省区省会城市间直线距离的大小范围计算 。表中数据显示 , 市场潜能参数的 估计值随着地区间空间距离的增大而减小 : 当各省区省会城市间的直线距离小于 1000 公里时 , 市 场潜能对地区经济发展的影响能力最大 , 参数估计值高达 0. 399; 而当各省区省会城市间的直线距 离在 2500 至 3000 公里的范围内时 , 市场潜能参数的估计值降至 0. 275。当各省区省会城市间的直 线距离超过 3000 公里时 , 参数估计值虽然为 0. 076, 但从伴随概率看 , 甚至未能通过 10% 显著性水 平的检验 。意味着某地区的经济增长对距其 3000 公里以外的地区不再产生实质的直接外溢性影 响 , 或者说 , 距离间隔超过 3000 公里的省区间已不存在直接的空间溢出效应 。与市场潜能所表征 的区域间的直接空间溢出效应不同的是 , 通过随机误差项表现的区域间间接影响的 λ 值并没有随 区域间空间距离的增大而下降 , 并且它们都通过了 1% 显著性水平下的统计检验 , 意味着中国各地 区的经济增长还通过随机误差效应间接地影响着其他地区的经济增长 , 而且这种间接溢出效应并 没有受到区域间空间距离大小的影响 。 表 3 中国地区经济增长因素分析 : 按距离范围考察 省区省会间直线距离 d < 1000 1000 < d < 1500 1500 < d < 2000 2000 < d < 2500 2500 < d < 3000 d > 3000 ln( K rt /K r, t - 1 ) 0. 132 *** ( 0. 000) 0. 133 *** ( 0. 000) 0. 141 *** ( 0. 000) 0. 144 *** ( 0. 000) 0. 145 *** ( 0. 000) 0. 149 *** ( 0. 000) DKL rt 0. 161 * ( 0. 077) 0. 171 * ( 0. 059) 0. 176 * ( 0. 053) 0. 180 ** ( 0. 049) 0. 188 ** ( 0. 040) 0. 202 ** ( 0. 026) DL rt 0. 699 *** ( 0. 000) 0. 684 *** ( 0. 000) 0. 694 *** ( 0. 000) 0. 705 *** ( 0. 000) 0. 703 *** ( 0. 000) 0. 712 *** ( 0. 000) ln( MP rt /MP r, t - 1 ) 0. 399 *** ( 0. 000) 0. 381 *** ( 0. 000) 0. 374 *** ( 0. 000) 0. 304 *** ( 0. 000) 0. 275 *** ( 0. 001) 0. 076 ( 0. 529) λ 0. 219 *** ( 0. 006) 0. 272 *** ( 0. 000) 0. 284 *** ( 0. 000) 0. 280 *** ( 0. 000) 0. 299 *** ( 0. 000) 0. 393 *** ( 0. 000) adj_R 2 0. 698 0. 698 0. 695 0. 692 0. 691 0. 688 log-likelihood 914. 9 914. 3 914. 4 910. 8 909. 5 905. 5 五 、结论与启示 30 年来 , 随着中国改革开放的不断深入 , 不同地区间的市场分割不断消除 , 产品与要素在不同 地区间的自由流动不仅提升了资源配置效率 , 而且扩大了各省区的市场空间 ; 每个地区的经济发 展 , 不仅依靠本区域内资本 、劳动力以及人力资本投入的增长 , 而且在很大程度上也受其邻近地区 经济发展所创造的市场需求规模 , 即市场潜能扩大的影响 。因此 , 中国地区经济的发展 , 必须从新 经济地理学的视角进行分析才能更加全面与深入 , 以地区市场潜能为代表的地区间的空间溢出效 应也就成为了本研究的主要议题 。 首先 , 本文使用探索性空间数据分析工具研究了 1998—2009 年间中国各省区人均 GDP 的空 间分布格局与特征 。结果显示 , 一方面 , 存在着全域范围的正的空间自相关性 , 而且这种相关性还 呈现着按地域间空间距离的大小有规律变动的特征 , 即随着地区空间距离的增加 , 空间相关的强度 趋于减弱 ; 同时 , 从时间维度看 , 随着时间的推移 , 全域范围的正的空间自相关性在加强 。另一方 面 , 从地区局域相关的角度看 , 随着时间的推移 , 与各省区邻近省区显著相关的区域数也在增加 。 其次 , 本文通过一个表征市场潜能对地区经济发展影响的新经济地理学模型 , 来揭示中国地区 经济增长是如何通过其周边地区的经济发展而受到影响的 。在这里我们将市场潜能视为区域经济 36 2012 年第 1 期 发展空间溢出效应的直接测度指标 , 并将古典增长理论与新增长理论所关注的物质资本投入与人 力资本投入纳入到一个统一的计量模型框架中 , 使用近 10 多年 31 个省区的面板数据对中国地区 经济增长进行了因素分析 。计量分析发现 , 一方面 , 古典增长模型与新增长理论所反映的增长机制 仍然决定着中国地区经济增长的基本面 , 各地区的经济增长仍脱不开本地的要素积累 ; 另一方面 , 当我们控制了要素投入的影响后 , 发现一个地区的市场潜能对其经济增长有着非常显著的正向影 响 。换言之 , 地区间经济发展的溢出效应在 20 世纪 90 年代后期以来显著地影响着中国地区的经 济增长 , 该因素对地区人均 GDP 的增长弹性甚至超过了固定资产投资的弹性 。同时 , 我们所采用 的空间误差模型还进一步显示出 , 中国地区的经济发展还与周围省域经济增长的随机冲击有着密 切的关联关系 , 即影响一个地区经济增长的其他因素还会对周围地区的经济增长产生间接的扩散 效应 。因此 , 一个直接的政策启示是 : 进一步消除不同省区间的市场壁垒 , 加速中国全域性市场一 体化进程 , 以便为地区经济增长的空间溢出效应开辟更大的上升空间 , 应当是今后中国区域经济发 展政策制定中着重考虑的议题 。 第三 , 本研究所关注的另一个重要问题是 “区域间的空间溢出效应确实会随着空间距离的增 大而趋于减小吗 ? ”我们按各省区省会城市间直线距离的大小范围计算市场潜能指标后 , 再次对中 国区域经济增长因素进行了计量分析 。结果表明 , 中国地区人均 GDP 增长的空间溢出效应确实随 着地区间空间距离的增大而减小 , 即本研究再次明确验证了著名的地理学第一定律假说 , 即任何事 物之间均相关 , 而离得较近的事物总比离得较远的事物相关性要高一些 ( Tobler, 1979) 。因此 , 这 里的一个政策启示即是 : 政府应鼓励经济活动和人口的空间集聚 , 即可以考虑顺应当前产业跨区域 集聚的趋势 , 将西部地区部分人口迁移至东南部沿海地区 , 在那里形成若干个世界级大型都市圈 , 以充分发挥经济集聚效应及扩散效应 , 并在其带动中 、西部地区更快成长的同时 , 使中国更多的人 口分享到经济发展的成果 。 最后 , 本研究由于模型变量的设置方式不同 , 人力资本 、劳动投入与市场潜能 、资本投入的计量 分析结果不能直接比较 , 但估计结果显示 , 固定资产投资与劳动力投入仍是推动中国地区经济增长 最为重要的动力源 , 中国现阶段仍然离不开物质资本与劳动投入来推动地区的经济增长 。当然 , 人 力资本与地区间空间溢出效应的较大潜能却也揭示出了未来推动中国地区经济增长的两大着力 点 : 一是进一步加大人力资本投资 , 尽快提升高素质人口占地区总人口的比重 , 以充分发挥人力资 本在中国工业化中 、后期阶段对地区经济增长理应起到的重要作用 ; 二是进一步消除不同省区间的 市场壁垒 , 加快全域性一体化市场建设 , 以充分发挥地区经济发展的空间溢出效应 。这两点在中国 未来经济增长方式转变 , 人口红利 、尤其是劳动力红利逐渐减弱的大背景下就显得异常重要了 。 参考文献 陈涛涛 、陈娇 , 2006: 《行业增长因素与我国 FDI 行业内溢出效应 》, 《经济研究 》第 6 期 。 桂琦寒 、陈敏 、陆铭 、陈钊 , 2006: 《中国国内商品市场趋于分割还是整合 : 基于相对价格法的分析 》, 《世界经济 》第 2 期 。 何洁 , 2000: 《外国直接投资对中国工业部门的外溢效应的进一步精确量化 》, 《世界经济 》第 12 期 。 傅元海 、唐未兵 、王展祥 , 2010: 《FDI 溢出机制 、技术进步路径与经济增长绩效 》, 《经济研究 》第 6 期 。 李善同 、侯永志 、刘云中 、陈波 , 2004: 《中国国内地方保护问题的调查与分析 》, 《经济研究 》第 11 期 。 林光平 、龙志和 、吴梅 , 2005: 《我国地区经济收敛的空间计量实证分析 : 1978—2002 年 》, 《经济学 ( 季刊 ) 》第 4 卷增刊 。 刘已洋 、路江涌 、陶志刚 , 2008: 《外商直接投资对内资制造业企业的溢出效应 : 基于地理距离的研究 》, 《经济学 ( 季刊 ) 》第 8 卷第 1 期 。 潘文卿 , 2003: 《外商直接投资对中国工业部门的外溢效应 : 基于面板数据的分析 》, 《世界经济 》第 6 期 。 潘文卿 , 2010: 《中国区域经济差异与收敛 》, 《中国社会科学 》第 1 期 。 吴玉鸣 , 2007: 《县域经济增长集聚与差异 : 空间计量经济实证分析 》, 《世界经济文汇 》第 2 期 。 张晓旭 、冯宗宪 , 2008: 《中国人均 GDP 的空间相关与地区收敛 : 1978—2003》, 《经济学 ( 季刊 ) 》第 1 期 。 46 潘文卿 : 中国的区域关联与经济增长的空间溢出效应 赵奇伟 、熊性美 , 2009: 《中国三大市场分割程度的比较分析 : 时间走势与区域差异 》, 《世界经济 》第 6 期 。 Anselin, L. , 1995, “Local Indicators of Spatial Association-LISA”, Geographical Analysis, 27( 2) , 93—115. Anselin, L. , 1996, “The Moran Scatterplot as an ESDA Tool to Assess Local Instability in Spatial Association”, In M. Fischer, H. J. Scholten and D. Unwin ( Eds. ) , Spatial Analytical Perspectives on GIS. London, UK: Taylor and Francis. Brun, J. F. , J. L. Combes and M. F. Renard, 2002, “Are There Spillover Effects between the Coastal and Noncoastal Regions in China? ”, China Economic Review, 13, 161—169. Crozet, M. and P. Koenig, 2005, “The Cohesion V. S. Growth Tradeoff: Evidence from EU Regions ( 1980—2000) ”, ERSA Conference paper, No. erasa05, 716. Groenewold, N. , G. Lee and A. Chen, 2007, “Regional Output Spillovers in China: Estimates from a VAR Model”, Papers in Regional Science, 86, 101—122. Groenewold, N. , G. Lee and A. Chen, 2008, “Inter-regional Spillovers in China: The Importance of Common Shocks and the Definition of the Regions”, China Economic Review, 19, 32—52. Harris, C. D. , 1954, “The Market as a Factor in the Localization of Industry in the United States”, Annals of the Association of American Geographer, 44, 315—348. Mion, G. , 2003, “Spatial Externalities and Empirical Analysis: The Case of Italy”, Journal of Urban Economics, 56, 97—118. Niebuhr, A. , 2006a, “Market Access and Regional Disparities: New Economic Geography in Europe”, Annals of Regional Science, 40, 313—334. Niebuhr, A. , 2006b, “Spatial Effects of European Integration: Do Border Regions Benefit Above Average? ”, Review of Regional Studies, 36( 3) , 254—278. Tobler, W. R. , 1979, “Lattice Tuning”, Geographical Analysis, 11( 1) , 36—44. Ying, L. G. , 2000, “Measuring the Spillover Effects: Some Chinese Evidence”, Papers in Regional Science, 79( 1) , 75—89. Ying, L. G. , 2003, “Understanding China's Recent Growth Experience: A spatial Econometric Perspective”, Annals of Regional Science, 37, 613—628. Zhang, Q. and B. Felmingham, 2002, “The Role of FDI, Exports and Spillover Effects in the Regional Development of China”, Journal of Development Studies, 38, 157—178. Regional Linkage and the Spatial Spillover Effects on Regional Economic Growth in China Pan Wenqing ( School of Economics and Management, Tsinghua University) Abstract: Based on the ESDA method, this paper explores the feature of regional linkage and the spatial correlation among China's regional per-capita GDP from 1998 to 2009. We find that there exists global spatial autocorrelation all over the country, and this kind of autocorrelation has been increasing since 1998. Meanwhile, the local spatial correlation is gradually being shown. During the last 10 years. With the help of the new-economy-geographical model, we try to explore the effect of the potential market on the regional economic growth in China. The empirical analysis shows that spatial spillover effect is important to the regional economic growth rate. 1% increase of market potential raises GDP per capita growth by 0. 47% . In terms of elasticity, the effect of market potential outperforms that of capital. However, the spatial spillover effect among regions will gradually vanish as the distance between regions increase. Key Words: Regional Linkage; Economic Growth; Spatial Spillover Effect JEL Classification: C31, C33, R11 ( 责任编辑 : 晓 喻 ) ( 校对 : 晓 鸥 ) 56 2012 年第 1 期
展开阅读全文
  语墨文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:中国的区域关联与经济增长的空间溢出效应.pdf
链接地址:http://www.wenku38.com/p-28943.html

                                            站长QQ:1002732220      手机号:18710392703    


                                                          copyright@ 2008-2020 语墨网站版权所有

                                                             经营许可证编号:蜀ICP备18034126号

网站客服微信
收起
展开