區(qū)域城市經(jīng)濟(jì)集聚性及空間溢出效應(yīng)研究

李永盛，高葦，鄧宏兵，盧麗文

（中國(guó)地質(zhì)大學(xué) 經(jīng)濟(jì)管理學(xué)院，武漢 430074）

0 引言

長(zhǎng)江中游城市群各城市一江帶水，無(wú)論在地緣政治還是經(jīng)濟(jì)發(fā)展上，都被空間關(guān)聯(lián)性這只地理學(xué)意義上“看不見的手”給緊密聯(lián)系在一起。城市群空間依賴性是經(jīng)濟(jì)地理學(xué)、城市地理學(xué)、區(qū)域經(jīng)濟(jì)學(xué)等多學(xué)科共同研究的熱點(diǎn)問(wèn)題。研究長(zhǎng)江中游城市群在空間上的依賴性，就是為了更好揭示其經(jīng)濟(jì)增長(zhǎng)的內(nèi)部結(jié)構(gòu)和動(dòng)力因素，從而優(yōu)化增長(zhǎng)路徑，實(shí)現(xiàn)有保證的經(jīng)濟(jì)增長(zhǎng)[1]。新古典經(jīng)濟(jì)學(xué)派認(rèn)為經(jīng)濟(jì)增長(zhǎng)率不僅取決于資本和勞動(dòng)力的增長(zhǎng)率，而且還取決于資本和勞動(dòng)對(duì)產(chǎn)量增長(zhǎng)相對(duì)作用的權(quán)數(shù)，只有實(shí)現(xiàn)資本深化，人均收入水平才能提高，經(jīng)濟(jì)增長(zhǎng)的持續(xù)高速才有保證[2]。本文采用新古典經(jīng)濟(jì)增長(zhǎng)理論相應(yīng)假設(shè)和基本觀點(diǎn)，加入空間效應(yīng)，運(yùn)用GIS空間地理信息技術(shù)動(dòng)態(tài)測(cè)度長(zhǎng)江中游城市群經(jīng)濟(jì)空間依賴性的演化趨勢(shì)，并通過(guò)建立空間面板數(shù)據(jù)模型，分析存在空間依賴性下資本和勞動(dòng)力的增長(zhǎng)率對(duì)經(jīng)濟(jì)增長(zhǎng)率的影響和動(dòng)力機(jī)制。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)域概況

長(zhǎng)江中游城市群自然稟賦得天獨(dú)厚，城市間經(jīng)濟(jì)互補(bǔ)性強(qiáng)，地理區(qū)位優(yōu)勢(shì)明顯，人口、城鎮(zhèn)和產(chǎn)業(yè)相對(duì)密集，匯聚了中部地區(qū)大部分資源要素，是中部地區(qū)經(jīng)濟(jì)發(fā)展的核心區(qū)域，具有深化合作聯(lián)動(dòng)、實(shí)現(xiàn)一體化發(fā)展的良好基礎(chǔ)。統(tǒng)計(jì)數(shù)據(jù)顯示，2012年全年長(zhǎng)江中游城市群實(shí)現(xiàn)地區(qū)生產(chǎn)總值61959.6億元，分別占中部的53.19%、全國(guó)的11.93%；全社會(huì)固定資產(chǎn)投資46720億元，分別占中部的55.05%、全國(guó)的12.81%；社會(huì)消費(fèi)品零售總額21511.5億元，分別占中部的51.33%、全國(guó)的10.38%；地方公共財(cái)政預(yù)算收入9075.7億元，分別占中部的53.22%、全國(guó)的7.74%。

考慮到長(zhǎng)江中游沿線四省在歷史和風(fēng)俗人情上的沿承性，地理空間上的關(guān)聯(lián)性和經(jīng)濟(jì)活動(dòng)上的密切性，將長(zhǎng)江中游城市群范圍創(chuàng)新性劃定，在原有四大城市圈的基礎(chǔ)上繼續(xù)擴(kuò)容至42個(gè)城市?！伴L(zhǎng)江中游城市群”區(qū)域面積42.8萬(wàn)平方公里，涉及湖北、湖南、江西、安徽四省42個(gè)主要城市，人口約為1.67億，分別占全國(guó)的4.46%和12.28%。包括湖北的武漢、黃石、黃岡、鄂州、孝感、咸寧、仙桃、天門、潛江、宜昌、荊州、荊門等12個(gè)城市，湖南的長(zhǎng)沙、岳陽(yáng)、常德、益陽(yáng)、株洲、湘潭、衡陽(yáng)、婁底等8個(gè)城市，江西的南昌、九江、景德鎮(zhèn)、鷹潭、上饒、新余、撫州、宜春、吉安、萍鄉(xiāng)等10個(gè)城市，安徽的合肥、蕪湖、馬鞍山、巢湖、銅陵、安慶、池州、滁州、宣城、六安、淮南市區(qū)、蚌埠市區(qū)等12個(gè)城市。

1.2 數(shù)據(jù)來(lái)源及指標(biāo)處理

研究對(duì)象主要是長(zhǎng)江中游城市群區(qū)域的全市域范圍，初步選定了統(tǒng)計(jì)年鑒中相關(guān)數(shù)據(jù)的42個(gè)樣本。其中武漢、長(zhǎng)沙、南昌、合肥為省會(huì)中心，除了巢湖市于2011年拆分為縣級(jí)市（對(duì)其人口，GDP等均按拆分方案進(jìn)行處理）以及仙桃、天門、潛江為縣級(jí)市外，其余都為地級(jí)及其以上城市。本文采用的數(shù)據(jù)來(lái)源于2001～2013年的《湖北省統(tǒng)計(jì)年鑒》、《湖南省統(tǒng)計(jì)年鑒》、《安徽省統(tǒng)計(jì)年鑒》、《江西省統(tǒng)計(jì)年鑒》及相關(guān)城市2012年經(jīng)濟(jì)公報(bào)。

在新古典經(jīng)濟(jì)增長(zhǎng)理論的基礎(chǔ)上，假定規(guī)模報(bào)酬不變，不存在技術(shù)進(jìn)步。經(jīng)濟(jì)增長(zhǎng)率G用人均GDP取自然對(duì)數(shù)的增長(zhǎng)率來(lái)表示，資本增長(zhǎng)率SK用城市固定資產(chǎn)投資取自然對(duì)數(shù)的增長(zhǎng)率表示；勞動(dòng)增長(zhǎng)率SN用有效人口增長(zhǎng)率SN表示。采用MRW模型(1992)[3]的做法，將技術(shù)進(jìn)步率與折舊率之和設(shè)為0.05，人口增長(zhǎng)率n為人口數(shù)取自然對(duì)數(shù)的增長(zhǎng)率，則有效人口增長(zhǎng)率為SN＝n+0.05。

區(qū)域空間單元上的某種經(jīng)濟(jì)地理現(xiàn)象與“鄰近”地區(qū)空間單元上同一現(xiàn)象之間存在一定程度相關(guān)性，這種“鄰近”關(guān)系一般通過(guò)構(gòu)造空間權(quán)重矩陣來(lái)實(shí)現(xiàn)，前提是要明確空間相互作用的特征，基于長(zhǎng)江中游城市群各城市間在地理區(qū)位上的緊密聯(lián)系，涉及到的空間權(quán)重矩陣選擇一階的Queen鄰近空間矩陣。

2 長(zhǎng)江中游城市群經(jīng)濟(jì)空間動(dòng)態(tài)演化分析

經(jīng)濟(jì)總量、經(jīng)濟(jì)增長(zhǎng)量與重力等具有類似力學(xué)重心空間分布特點(diǎn)和數(shù)值可加性等共同性質(zhì)，對(duì)其空間格局進(jìn)行刻畫，能更好反映整體經(jīng)濟(jì)格局動(dòng)態(tài)演化和發(fā)展趨勢(shì)，一般可通過(guò)標(biāo)準(zhǔn)差橢圓和堆疊圖等工具來(lái)實(shí)現(xiàn)。

標(biāo)準(zhǔn)差橢圓(Standard Deviational Ellipse)方法是Lefever(1926)[4]提出分析點(diǎn)數(shù)據(jù)集空間分布特征的一種常用方法，可以反映區(qū)域人口或經(jīng)濟(jì)的空間分布，識(shí)別其中心的位置變化和移動(dòng)方向等趨勢(shì)。

依據(jù)長(zhǎng)江中游城市群2001～2012年數(shù)據(jù)計(jì)算其人口和人均GDP分布的空間標(biāo)準(zhǔn)差橢圓和重心分布演化圖（圖1）所示：

圖1 經(jīng)濟(jì)重心演化圖

從圖1可以看出，人均GDP的重心都落在黃石境內(nèi)中心位置，重心軌跡在2001～2007年呈偏東方向移動(dòng)，在2008～2012年呈偏西南方向移動(dòng)，移動(dòng)幅度相對(duì)前期較大；從人均GDP的標(biāo)準(zhǔn)差橢圓面積看，大體上相似且有縮小的趨勢(shì)，呈現(xiàn)出空間空間收縮的態(tài)勢(shì)，表明經(jīng)濟(jì)集聚程度在加強(qiáng)；從長(zhǎng)軸和短軸之比看，2012年的比值小于2001年的比值，這說(shuō)明長(zhǎng)江中游城市群經(jīng)濟(jì)核心區(qū)的空間布局在逐步優(yōu)化；從其涵蓋的人口數(shù)與面積比值看，2012年的人口空間密集性指數(shù)大于2001年，這說(shuō)明2001～2012年長(zhǎng)江中游城市群人口變化的空間密集性在增加，人口逐漸向核心區(qū)聚集。武漢、長(zhǎng)沙、南昌和合肥作為核心城市，在經(jīng)濟(jì)總量和增長(zhǎng)速度上遠(yuǎn)超其它城市，四大省會(huì)城市在空間上形成四邊形結(jié)構(gòu)，經(jīng)濟(jì)集聚效應(yīng)較明顯，其周邊城市受其溢出效應(yīng)影響，圍繞著四大核心城市形成集聚規(guī)模發(fā)展態(tài)勢(shì)，經(jīng)濟(jì)總量和增長(zhǎng)速度不斷提高。

3 長(zhǎng)江中游城市群經(jīng)濟(jì)空間相關(guān)性分析

空間自相關(guān)分析在地理統(tǒng)計(jì)學(xué)科中應(yīng)用較多，一般在方法上大致可分為全局型和局域型兩大類，常用的有全局Moran's I、全局Getis-Ord G、全局Geary's C、局域Moran's I和局域Getis-ord G指數(shù)。

3.1 全局Moran'I分析

全局Moran指數(shù)是Moran于1948年基于統(tǒng)計(jì)學(xué)中的Pearson相關(guān)系數(shù)提出的，主要探索屬性數(shù)據(jù)值在整個(gè)區(qū)域的空間分布特征，反映空間鄰接或鄰近區(qū)域單元屬性值的空間關(guān)聯(lián)度和空間差異程度。

根據(jù)全局Moran指數(shù)I的計(jì)算方法，我們得出2001～2012年長(zhǎng)江中游城市群全局Moran'I結(jié)果見表1。從表1中我們可以看到，Moran指數(shù)I皆為負(fù)值，在(-0.14,0)區(qū)間之內(nèi)，且標(biāo)準(zhǔn)化Z統(tǒng)計(jì)量來(lái)進(jìn)行檢驗(yàn)發(fā)現(xiàn)，Z值在2002年以后也是負(fù)值；從其對(duì)應(yīng)P值來(lái)看，都大于0.1置信度，遠(yuǎn)遠(yuǎn)大于0.05，即Z值為負(fù)且非常不顯著，說(shuō)明長(zhǎng)江中游城市群存在不顯著的負(fù)空間自相關(guān)，人均GDP趨于分散分布而非隨機(jī)獨(dú)立分布。

表1 人均GDP全局Moran'I值

3.2 局域自相關(guān)分析

局域自相關(guān)除了能夠度量區(qū)域內(nèi)空間關(guān)聯(lián)的程度外，更重要的是它能夠找出空間聚集點(diǎn)，從而彌補(bǔ)了全局自相關(guān)分析的缺陷，主要通過(guò)屬性值的LISA散點(diǎn)圖對(duì)其空間聚集性進(jìn)行顯著性檢驗(yàn)分析。

從顯著性檢驗(yàn)的聚集區(qū)中可以看出鄂州市從2001年到2012年均現(xiàn)為“高-高”聚集的熱點(diǎn)地區(qū)，說(shuō)明這12年來(lái)鄂州人均GDP顯著的高于區(qū)域內(nèi)平均水平，較好的帶動(dòng)了其周邊地區(qū)的經(jīng)濟(jì)發(fā)展；鷹潭市在2001～2006年及2009年中呈現(xiàn)“低-低”聚集的冷點(diǎn)區(qū)，說(shuō)明在此7年中鷹潭人均GDP顯著的低于區(qū)域內(nèi)平均水平，其經(jīng)濟(jì)發(fā)展水平較差，周邊經(jīng)濟(jì)發(fā)展也十分緩慢；新余市在2001年也表現(xiàn)出這種狀況，但其聚集性在后期均發(fā)生了變化，即從2002～2012年呈現(xiàn)“高-低”聚集聚集形態(tài)。南昌市在2001～2012年期間持續(xù)為“高-低”集聚形態(tài)，說(shuō)明南昌在此12年間人均GDP顯著高于區(qū)域內(nèi)水平，但好的經(jīng)濟(jì)發(fā)展態(tài)勢(shì)沒有帶動(dòng)周邊的經(jīng)濟(jì)發(fā)展；景德鎮(zhèn)在2001～2007年及2010～2012年，合肥市從2001～2012年，也呈現(xiàn)“高-低”聚集的形態(tài)；巢湖市和宣城市從2001～2012年間均呈現(xiàn)出“低-高”的聚集形態(tài)，說(shuō)明這12年來(lái)其人均GDP顯著低于區(qū)域內(nèi)的平均水平，但其較差的經(jīng)濟(jì)發(fā)展并沒有影響到周邊地區(qū)的經(jīng)濟(jì)的發(fā)展。

通過(guò)以上分析，我們發(fā)現(xiàn)長(zhǎng)江中游城市群城市經(jīng)濟(jì)增長(zhǎng)不僅受自身經(jīng)濟(jì)水平影響，還受周邊地區(qū)經(jīng)濟(jì)發(fā)展的影響，在不同階段呈現(xiàn)不同聚集形態(tài)。整體上城市間經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)不顯著，主要依靠發(fā)展良好城市對(duì)發(fā)展落后城市的帶動(dòng)作用，但這種帶動(dòng)作用覆蓋面較窄、局限性強(qiáng)，不能全面推動(dòng)整個(gè)區(qū)域大部分城市經(jīng)濟(jì)的發(fā)展。

4 影響經(jīng)濟(jì)增長(zhǎng)因素的面板數(shù)據(jù)分析

空間計(jì)量模型是分析由空間因素引起區(qū)域經(jīng)濟(jì)呈現(xiàn)特殊性質(zhì)問(wèn)題的一系列方法。其優(yōu)點(diǎn)在于不僅同時(shí)考慮時(shí)空特征，而且將空間效應(yīng)納入研究體系，通過(guò)可視化技術(shù)反映區(qū)域經(jīng)濟(jì)差異的空間分布特征，處理經(jīng)濟(jì)單元間的空間依賴性，揭示不同地理單元空間關(guān)聯(lián)性對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)和差異的影響因素。自Cliff和Ord(1973)[5]針對(duì)截面數(shù)據(jù)提出空間滯后模型以來(lái)，經(jīng)Anselin(1988)[6]和Elhorst(2003)[7]的研究工作，空間計(jì)量模型由截面數(shù)據(jù)形式拓展到面板數(shù)據(jù)分析上，從一般空間計(jì)量模型出發(fā)，逐漸增加限制條件，得到了空間滯后面板數(shù)據(jù)模型、空間誤差面板數(shù)據(jù)模型和空間杜賓模型。

截面數(shù)據(jù)模型計(jì)量公式采用傳統(tǒng)的LM_Lag、LM_Err進(jìn)行檢驗(yàn)，Anselin采用分塊對(duì)角矩陣對(duì)空間權(quán)重矩陣W進(jìn)行替代，拓展到適用于空間面板數(shù)據(jù)模型分析的LM檢驗(yàn)，Elhorst在其基礎(chǔ)上給出了對(duì)應(yīng)的Robust LM檢驗(yàn)。據(jù)其構(gòu)建LM和Robust LM統(tǒng)計(jì)量，進(jìn)行空間依賴性檢驗(yàn)（表2）。

表2 空間依賴性檢驗(yàn)

表2顯示，LM(lag)和LM(error)檢驗(yàn)值在5%水平上均非常顯著，表明表示空間滯后模型（SLM）和空間誤差模型（SEM）至少有一個(gè)成立，都是可適用模型，同時(shí)Robust LM(lag)和Robust LM(error)檢驗(yàn)的值也很顯著，這說(shuō)明模型存在空間依賴性，可以考慮建立空間面板數(shù)據(jù)模型；從另一個(gè)側(cè)面Robust LM(error)的P值相對(duì)Robust LM(lag)來(lái)說(shuō)顯著性更高，也即SLM的有效性比SEM差些。從經(jīng)濟(jì)意義角度來(lái)看，空間滯后模型更容易解釋經(jīng)濟(jì)增長(zhǎng)問(wèn)題，而SLM的統(tǒng)計(jì)量非常顯著，即使其穩(wěn)健性差些，在SLM的基礎(chǔ)上選擇空間面板數(shù)據(jù)模型也更有說(shuō)服力。

通過(guò)Hausman檢驗(yàn)的統(tǒng)計(jì)量和P值來(lái)選擇固定效應(yīng)與隨機(jī)效應(yīng)的適用性（見表3）。

表3 Hausman檢驗(yàn)

表3顯示，經(jīng)Hausman檢驗(yàn)，統(tǒng)計(jì)值為12.0080，P值為0.0347小于5%的顯著性水平臨界值，拒絕原假設(shè)，也即拒絕固定效應(yīng)的系數(shù)與隨機(jī)效應(yīng)的系數(shù)無(wú)差別的假設(shè)，應(yīng)選擇固定效應(yīng)。

Lee和Yu(2010)[8]認(rèn)為SPDM在固定效應(yīng)下用極大似然法估計(jì)參數(shù)會(huì)存在偏誤，Elhorst(2010b)[9]根據(jù)他們的研究成果進(jìn)行了糾偏和改進(jìn)，并歸納了選擇空間誤差面板數(shù)據(jù)模型（SEPDM）、空間滯后面板數(shù)據(jù)模型（SLPDM）和空間杜賓模型（SDM）的方法。他們認(rèn)為通過(guò)建立空間面板數(shù)據(jù)模型，構(gòu)建服從自由度為K的卡方分布的Wald統(tǒng)計(jì)量和LR統(tǒng)計(jì)量進(jìn)行檢驗(yàn)。若Wald統(tǒng)計(jì)量和LR統(tǒng)計(jì)量的P值都顯著，則應(yīng)選擇SDM；若Wald_spatial_lag系數(shù)的P值不顯著，而LR_spatial_lag檢驗(yàn)的值顯著，則應(yīng)選擇SLPDM；若Wald_spatial_error系數(shù)的P值不顯著，而LR_spatial_error檢驗(yàn)的值顯著，則應(yīng)選擇SEPDM；若LM統(tǒng)計(jì)量和Wald或LR統(tǒng)計(jì)量指向的模型不一致，則應(yīng)選擇SDM，因?yàn)镾DM是SLPDM和SEPDM的一般形式。

根據(jù)上述檢驗(yàn)方法，構(gòu)建Wald統(tǒng)計(jì)量和LR統(tǒng)計(jì)量進(jìn)行檢驗(yàn)（表4）。

表4 Wald和LR檢驗(yàn)

表4顯示，Wald_spatial_lag和Wald_spatial_error在5%水平上非常顯著，且LR_spatial_lag和LR_spatial_error都通過(guò)了顯著性檢驗(yàn)，則應(yīng)選擇SDM。

空間杜賓模型為附有固定效應(yīng)的空間面板數(shù)據(jù)模型的一種，其表達(dá)式為：

其中β和θ為固定且未知的參數(shù)向量。

通過(guò)以上的檢驗(yàn)，借鑒新古典經(jīng)濟(jì)增長(zhǎng)的相關(guān)理論，結(jié)合本文的研究課題，將采用如下形式的空間杜賓模型：

其中Git為i城市t年的經(jīng)濟(jì)增長(zhǎng)率的，SKit為i城市t年的資本增長(zhǎng)率，SNit為i城市t年的勞動(dòng)增長(zhǎng)率，W為一階空間鄰近Queen權(quán)值矩陣，α和εit分別是常數(shù)項(xiàng)和誤差項(xiàng)。

根據(jù)以上選定的變量和模型，利用Elhorst給出的空間面板數(shù)據(jù)模型程序在MATLAB中進(jìn)行估計(jì)，將OLS、SLM與SDM的估計(jì)結(jié)果進(jìn)行對(duì)比（表5）。

依據(jù)檢驗(yàn)空間面板數(shù)據(jù)模型擬合優(yōu)度的統(tǒng)計(jì)量R2和corr2，可以看到SDM的擬合度最高，且其Loglikelihood值也是最大，說(shuō)明考慮了空間滯后變量的空間模型明顯優(yōu)于OLS模型，而同時(shí)考慮空間滯后變量和空間誤差變量的SDM則優(yōu)于SLM。

表5 不同模型估計(jì)結(jié)果

從SDM的估計(jì)結(jié)果來(lái)看，在其他變量不變的情況下，長(zhǎng)江中游城市群資本增長(zhǎng)率每上升1%，經(jīng)濟(jì)增長(zhǎng)率則提高0.007102%，這表明提高資本增長(zhǎng)率對(duì)提升經(jīng)濟(jì)增長(zhǎng)率的促進(jìn)作用較微弱；而勞動(dòng)增長(zhǎng)率的提高則對(duì)經(jīng)濟(jì)增長(zhǎng)率產(chǎn)生反向作用，勞動(dòng)增長(zhǎng)率每提高1個(gè)百分點(diǎn)，經(jīng)濟(jì)增長(zhǎng)率下降0.085399個(gè)百分點(diǎn)，但這種作用在空間效應(yīng)的影響下卻并不顯著。

經(jīng)濟(jì)增長(zhǎng)率的空間滯后系數(shù)為0.591981，高度顯著，顯示經(jīng)濟(jì)增長(zhǎng)在區(qū)域間存在擴(kuò)散現(xiàn)象，溢出效應(yīng)明顯，這說(shuō)明地區(qū)間的經(jīng)濟(jì)發(fā)展是不可能獨(dú)立的，空間因素對(duì)經(jīng)濟(jì)增長(zhǎng)的影響作用不容忽視。資本增長(zhǎng)率的空間滯后系數(shù)為-0.017374，這表明資本增加在促進(jìn)本地區(qū)城市經(jīng)濟(jì)增長(zhǎng)的同時(shí)，也作用于相鄰區(qū)域，產(chǎn)生了擴(kuò)大投資的空間擠出效應(yīng)。

如果本地區(qū)和相鄰區(qū)域的城市資本同時(shí)增加，在資本基礎(chǔ)和增加幅度不同的前提下，就有可能造成經(jīng)濟(jì)增長(zhǎng)差異的擴(kuò)大化。但本文中資本增長(zhǎng)率空間滯后系數(shù)的P值大于1%顯著性水平，接受原假設(shè)，表明長(zhǎng)江中游城市群增加資本投入產(chǎn)生的空間擠出效應(yīng)并不明顯，本地區(qū)資本投入增長(zhǎng)擠出周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)的效應(yīng)較小。勞動(dòng)增長(zhǎng)率的空間滯后系數(shù)為0.389478，非常顯著，說(shuō)明人口遷移現(xiàn)象在長(zhǎng)江中游城市群地區(qū)比較明顯，這與長(zhǎng)江中游地區(qū)人口基數(shù)大，流動(dòng)人口規(guī)模大的實(shí)際非常吻合，勞動(dòng)力跨區(qū)域的合理流動(dòng)在對(duì)本地區(qū)的經(jīng)濟(jì)增長(zhǎng)產(chǎn)生極大促進(jìn)作用的同時(shí)，也改善了周邊地區(qū)的人均收入水平。

模型解釋變量的估計(jì)系數(shù)在不考慮空間滯后因子的前提下，能反映對(duì)被解釋變量的影響程度和方向，若將滯后因子納入模型中，解釋變量的估計(jì)系數(shù)對(duì)被解釋變量的說(shuō)明作用存在局限性?；诖耍琇esage和Pace（2008）[10]通過(guò)總效應(yīng)、間接效應(yīng)和直接效應(yīng)分析來(lái)解決這一問(wèn)題；總效應(yīng)為解釋變量對(duì)總體區(qū)域樣本的平均作用，間接效應(yīng)是解釋變量對(duì)周邊區(qū)域被解釋變量產(chǎn)生的的平均沖擊，直接效應(yīng)為解釋變量對(duì)本地被解釋變量的平均影響。

從而空間杜賓模型可以表示為：

其中總效應(yīng)為Mr(W)中所有屬性值的平均值，也是直接效應(yīng)和間接效應(yīng)的總和；Mr(W)it是Mr(W)矩陣對(duì)角線屬性值的均值，為解釋變量對(duì)本地被解釋變量的平均影響，即直接效應(yīng)；Mr(W)ij是Mr(W)矩陣中非對(duì)角線屬性值均值，刻畫解釋變量對(duì)周邊地區(qū)被解釋變量的平均沖擊，即間接效應(yīng)。根據(jù)空間杜賓模型估計(jì)空間效應(yīng)，結(jié)果見表6：

表6 空間效應(yīng)估計(jì)結(jié)果

從表6可以看出，直接效應(yīng)中，資本增長(zhǎng)率對(duì)經(jīng)濟(jì)增長(zhǎng)率的影響依然不顯著，而勞動(dòng)增長(zhǎng)率的影響則變得顯著；兩自變量的直接效應(yīng)值遠(yuǎn)小于OLS對(duì)應(yīng)系數(shù)值，說(shuō)明沒有考慮空間溢出效應(yīng)的資本增長(zhǎng)率和勞動(dòng)增長(zhǎng)率對(duì)經(jīng)濟(jì)增長(zhǎng)率的影響被極大高估。同時(shí)，資本增長(zhǎng)率直接效應(yīng)值0.004671比SDM的系數(shù)值0.007102小0.002431，說(shuō)明本地資本投入增長(zhǎng)作用于周邊地區(qū)，再通過(guò)周邊地區(qū)傳遞給本地的反饋效應(yīng)為-0.002431，是直接效應(yīng)的52.045%；勞動(dòng)增長(zhǎng)率的反饋效應(yīng)為-0.084927，為直接效應(yīng)的49.861%。可以看到兩者的反饋效應(yīng)都非常大，能極大發(fā)揮空間溢出和極化效應(yīng)，通過(guò)加大資本投入力度和控制人口增長(zhǎng)率的上升能有效促進(jìn)本地經(jīng)濟(jì)穩(wěn)定增長(zhǎng)。

5 結(jié)論

通過(guò)對(duì)長(zhǎng)江中游城市群2001～2012年的經(jīng)濟(jì)數(shù)據(jù)進(jìn)行綜合分析，我們可以得到：

首先，從其經(jīng)濟(jì)動(dòng)態(tài)演化分析可以看出，伴隨著長(zhǎng)江中游城市群總體經(jīng)濟(jì)迅速增長(zhǎng)，各城市間的經(jīng)濟(jì)差距在逐漸拉大。資本和勞動(dòng)資源不斷向核心城市匯聚，人口的增長(zhǎng)和遷移促進(jìn)了產(chǎn)業(yè)集聚和人口聚集，強(qiáng)大的極化效應(yīng)促進(jìn)了中心城市經(jīng)濟(jì)快速成長(zhǎng)，從而形成以武漢、長(zhǎng)沙、南昌、合肥四大省會(huì)城市為中心的城市集群。

其次，對(duì)全局和局域相關(guān)性分析也證明長(zhǎng)江中游城市群各城市間的經(jīng)濟(jì)差距在擴(kuò)大。長(zhǎng)江中游城市群經(jīng)濟(jì)存在著不顯著的負(fù)空間自相關(guān)性，經(jīng)濟(jì)增長(zhǎng)分散程度在不斷提高；落后地區(qū)聚集的區(qū)域較多，其顯著性程度在不斷增強(qiáng)，說(shuō)明城市間經(jīng)濟(jì)差異性在不斷擴(kuò)大。長(zhǎng)江中游城市群各城市經(jīng)濟(jì)發(fā)展一方面受到自身初始經(jīng)濟(jì)水平的影響，另一方面也受到周邊發(fā)展水平不同城市經(jīng)濟(jì)的沖擊。特別是落后城市在2008年金融危機(jī)之前受到經(jīng)濟(jì)發(fā)展良好城市的促進(jìn)作用較大，經(jīng)濟(jì)較好城市間的促進(jìn)作用則不明顯，較差城市間也呈現(xiàn)相似現(xiàn)象。說(shuō)明長(zhǎng)江中游城市群受極化效應(yīng)的作用較明顯，而城市間的溢出效應(yīng)和對(duì)經(jīng)濟(jì)的帶動(dòng)作用較弱。

再次，通過(guò)建立空間杜賓模型分析發(fā)現(xiàn)，長(zhǎng)江中游城市群經(jīng)濟(jì)增長(zhǎng)率在相鄰城市間存在空間溢出效應(yīng)。提高資本增長(zhǎng)率對(duì)促進(jìn)經(jīng)濟(jì)增長(zhǎng)率上升的作用較弱，且在一定程度上對(duì)周邊城市的經(jīng)濟(jì)增長(zhǎng)率的提高具有擠出效應(yīng)。勞動(dòng)增長(zhǎng)率的提高不僅會(huì)抑制本地經(jīng)濟(jì)增長(zhǎng)率的提升，而且還會(huì)通過(guò)空間效應(yīng)影響周邊城市的經(jīng)濟(jì)增長(zhǎng)率提高。

最后，根據(jù)以上綜合分析可知，要實(shí)現(xiàn)有保證的經(jīng)濟(jì)增長(zhǎng)率，必須重視空間要素的影響作用。一方面要提高自身資本或投資的增長(zhǎng)水平，抑制人口增長(zhǎng)率的上升；另一方面也要改善區(qū)域投融資環(huán)境，加強(qiáng)城市間金融創(chuàng)新和合作，推進(jìn)人力資源在區(qū)域間的合理流動(dòng)，促進(jìn)生產(chǎn)要素的合理流動(dòng)，優(yōu)化資源配置，從而實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)全面提高。

[1]舒元,徐現(xiàn)祥.中國(guó)經(jīng)濟(jì)增長(zhǎng)模型的設(shè)定:1952～1998[J].經(jīng)濟(jì)研究,2002,(11).

[2]虞曉紅.經(jīng)濟(jì)增長(zhǎng)理論演進(jìn)與經(jīng)濟(jì)增長(zhǎng)模型淺析[J].生產(chǎn)力研究,2005,(2).

[3]Mankiw N G,Romer D,Weil D N.A Contribution to The Empirics of EconomicGrowth[J].TheQuarterlyJournalofEconomics,1992,107(2).

[4]Lefever D W.Measuring Geographic Concentration By Means of The Standard Deviational Ellipse[J].American Journal of Sociology,1926.

[5]Cliff A D,Ord J K.Spatial Autocorrelation[M].London:Pion,1973.

[6]Anselin L.Spatial Econometrics:Methods and Models[M].Springer,1988.

[7]Elhorst J P.Specification and Estimation of Spatial Panel Data Models[J].International Regional Science Review,2003,26(3).

[8]Lee L,Yu J.A Spatial Dynamic Panel Data Model With Both Time and Individual Fixed Effects[J].Econometric Theory,2010,26(2).

[9]Elhorst J P.Dynamic Panels With Endogenous Interaction Effects When T is Small[J].Regional Science and Urban Economics,2010,40(5).

[10]LeSage J,Pace R K.Introduction to Spatial Econometrics[M].CRC Press,2008.