空間溢出與我國經(jīng)濟增長：基于動態(tài)空間面板的方法

吉丹俊

(1.江蘇聯(lián)合職業(yè)技術(shù)學(xué)院 揚州分院， 江蘇 揚州 225003；2.南京航空航天大學(xué) 經(jīng)濟與管理學(xué)院， 江蘇 南京 210016)

?

空間溢出與我國經(jīng)濟增長：基于動態(tài)空間面板的方法

吉丹俊1,2

(1.江蘇聯(lián)合職業(yè)技術(shù)學(xué)院 揚州分院， 江蘇 揚州 225003；2.南京航空航天大學(xué) 經(jīng)濟與管理學(xué)院， 江蘇 南京 210016)

20世紀(jì)90年代以來，區(qū)域經(jīng)濟增長的空間溢出效應(yīng)成為經(jīng)濟增長領(lǐng)域研究的熱點問題，而隨著空間計量技術(shù)的發(fā)展，對經(jīng)濟增長空間溢出效應(yīng)的研究更加有效和準(zhǔn)確。本文以柯布道格拉斯形式函數(shù)為基礎(chǔ)同時考慮影響經(jīng)濟增長的相關(guān)因素，建立了區(qū)域經(jīng)濟增長的空間溢出效應(yīng)理論模型，據(jù)此提出計量檢驗?zāi)Ｐ停⑦\用1997-2012年期間中國31個省份數(shù)據(jù)進行動態(tài)空間面板回歸。首先進行模型選擇和權(quán)重矩陣估計效率比較，最終確定兩種權(quán)重矩陣使用包含時間固定效應(yīng)的模型進行估計，估計結(jié)果顯示當(dāng)前經(jīng)濟增長具有正溢出效應(yīng)，而這種溢出效應(yīng)主要通過固定資產(chǎn)投資產(chǎn)生的。

經(jīng)濟增長； 空間溢出； 動態(tài)空間面板

一、引言

20世紀(jì)90年代以來，經(jīng)濟增長、經(jīng)濟地理及區(qū)域經(jīng)濟領(lǐng)域的研究者開始重點關(guān)注空間溢出在區(qū)域經(jīng)濟增長中的作用，也就是關(guān)注如何用區(qū)域間經(jīng)濟活動的交互性(不管是自發(fā)的還是非自發(fā)的)解釋區(qū)域經(jīng)濟增長的動態(tài)性，從經(jīng)濟學(xué)角度來看，空間溢出效應(yīng)主要是指地區(qū)經(jīng)濟活動產(chǎn)生的正外部效應(yīng)，使得鄰近地區(qū)獲得無須補償?shù)陌l(fā)展優(yōu)勢[1]。

中國自1978年改革開放后實施市場經(jīng)濟，經(jīng)濟增長取得了令世界矚目的成績，在1978—2003年間實際GDP的年平均增長率達到9.5%左右[2]。雖然處在經(jīng)濟轉(zhuǎn)型期的中國經(jīng)濟已完成大部分改革任務(wù)，但仍然具有一定程度的計劃經(jīng)濟特征，比較明顯的特征有：經(jīng)濟增長過度依賴投資，經(jīng)濟結(jié)構(gòu)中制造業(yè)占比過高，國營企業(yè)規(guī)模較大以及政府干預(yù)經(jīng)濟發(fā)展的程度較高等[3]。此外，雖然發(fā)展市場經(jīng)濟后國內(nèi)市場的統(tǒng)一可以促進地區(qū)間要素的流動進而產(chǎn)生非自發(fā)性溢出效應(yīng)，然而各地政府為了保證達到GDP考核目標(biāo)， 忽視區(qū)域協(xié)調(diào)發(fā)展，可能會產(chǎn)生負(fù)的空間效應(yīng)。我國改革開放總設(shè)計師鄧小平同志曾指出：“讓沿海地區(qū)先發(fā)展，再帶動內(nèi)地發(fā)展”，這體現(xiàn)了利用空間溢出效應(yīng)促進經(jīng)濟整體均衡發(fā)展的目的，因此，有必要借助計量模型檢驗地區(qū)間經(jīng)濟發(fā)展的空間溢出效應(yīng)及其影響渠道，為政府制定整體的經(jīng)濟發(fā)展政策提供指導(dǎo)。

空間計量經(jīng)濟學(xué)是20世紀(jì)80年代以來計量經(jīng)濟學(xué)領(lǐng)域最偉大的發(fā)現(xiàn)之一。區(qū)域經(jīng)濟領(lǐng)域的實證分析使用的樣本大多具有空間性質(zhì)，而傳統(tǒng)的計量方法大多基于高斯馬爾科夫假設(shè)，無法解決具有空間性質(zhì)樣本面臨的兩個問題：(1)觀察值之間的空間相關(guān)性(spatial dependence)；(2)空間異方差(spatial heterogeneity)性[4]。而空間計量經(jīng)濟學(xué)可以解決上述兩個問題，經(jīng)過該領(lǐng)域?qū)W者的努力，當(dāng)前空間計量經(jīng)濟學(xué)已發(fā)展成為一門技術(shù)成熟的學(xué)科，逐漸成為區(qū)域經(jīng)濟領(lǐng)域?qū)嵶C研究主流計量方法，當(dāng)前，空間計量模型既可以處理橫截面數(shù)據(jù)也可以處理面板數(shù)據(jù)，并且自2000年以后，該領(lǐng)域的文獻大量關(guān)注動態(tài)空間面板模型(dynamic spatial panels)，圍繞模型的設(shè)定和估計方法展開了大量探索，依據(jù)Elhorst(2012)，和傳統(tǒng)的計量模型相比，動態(tài)空間面板模型具有四大優(yōu)勢：(1)可以解決觀察值在時間和空間上的序列相關(guān)性(serial dependence)；(2)可以解決觀察值在每個時點上的空間相關(guān)性(spatial dependence)；(3)可以探索無法觀測到的空間和時間效應(yīng)；(4)可以解決由空間滯后或時間滯后因變量及自變量所引起的內(nèi)生性問題[5]。該模型還可以估計自變量變化對本地區(qū)因變量的影響(即直接效應(yīng))及對鄰近地區(qū)因變量(即間接效應(yīng)或溢出效應(yīng))，因此，使用動態(tài)空間面板估計地區(qū)間經(jīng)濟發(fā)展的空間溢出效應(yīng)將更有效、更準(zhǔn)確。

二、文獻述評

區(qū)域經(jīng)濟學(xué)大師Roberta Capello(2009)在一篇關(guān)于經(jīng)濟增長空間溢出效應(yīng)的綜述性文章中指出：當(dāng)前研究空間溢出效應(yīng)的文獻主要關(guān)注三個領(lǐng)域，即知識溢出效應(yīng)(knowledge spillovers)、產(chǎn)業(yè)聯(lián)系溢出效應(yīng)(industry spillovers)及經(jīng)濟增長溢出效應(yīng)(growth spillovers)，具體解釋見表1。其認(rèn)為解釋空間溢出效應(yīng)產(chǎn)生的原因主要基于三個視角：空間地理視角(spatial-geographical approach)、區(qū)域功能視角(territorial-functional approach)和認(rèn)知視角(cognitive approach)?？臻g地理視角認(rèn)為空間只具有地理屬性，空間溢出效應(yīng)產(chǎn)生的原因是由于地理上的接近使得信息的交換、交易及市場關(guān)系更容易形成；然而學(xué)術(shù)界逐漸認(rèn)識到空間地理視角的解釋過于簡單，20世紀(jì)90年代后期開始使用區(qū)域功能視角來解釋，區(qū)域功能視角認(rèn)為空間是區(qū)域功能的物理容器，而這些區(qū)域功能正是空間溢出效應(yīng)形成的原因所在；在對上述兩個視角進行批判的基礎(chǔ)上Roberta Capello提出了認(rèn)知視角，認(rèn)為空間事實上是一系列附加值創(chuàng)造功能或活動的物理容器，而這些功能或活動主要存在于產(chǎn)業(yè)聚集地或城市區(qū)域，認(rèn)知視角主要關(guān)注通過合作學(xué)習(xí)所產(chǎn)生的知識創(chuàng)造過程，而地理位置的鄰近、網(wǎng)絡(luò)關(guān)系、互動、創(chuàng)造力和重組能力會促進這種知識創(chuàng)造過程[1]。

表1 空間溢出效應(yīng)：特征和性質(zhì)

資料來源：參考文獻[1] 。

當(dāng)前，已有大量國際研究開始關(guān)注中國的區(qū)域經(jīng)濟空間溢出問題，使用的經(jīng)驗研究方法有VAR (vector-autoregressive，向量自回歸)模型、傳統(tǒng)計量模型和空間計量模型等。Brun,Combes & Renard[6](2002)使用1981-1998年間中國省域面板數(shù)據(jù)研究了東部沿海地區(qū)對中西部地區(qū)的經(jīng)濟發(fā)展溢出效應(yīng)，結(jié)果顯示中部地區(qū)比西部地區(qū)獲得更多的溢出效應(yīng)。Groenewold,Lee & Chen[2](2008)使用VAR模型研究了中國六個區(qū)域的經(jīng)濟溢出效應(yīng)。Tian,Wang & Chen[7](2010)則借助于空間杜賓模型(Spatial Durbin Model)使用中國市域面板數(shù)據(jù)研究了城市間的空間溢出效應(yīng)，結(jié)果發(fā)現(xiàn)城市間存在明顯的正溢出效應(yīng)，同時借助空間杜賓模型計算出的直接效應(yīng)和間接效應(yīng)可以更加細(xì)致地分析溢出效應(yīng)的影響渠道。Bai,Ma & Pan[8](2012)則從市場潛力(market potential)的視角研究了區(qū)域間的經(jīng)濟溢出效應(yīng)，基于中國省域面板數(shù)據(jù)利用固定效應(yīng)模型在控制了其他影響區(qū)域經(jīng)濟增長的變量之后，發(fā)現(xiàn)市場潛力變量和地區(qū)經(jīng)濟增長水平正相關(guān)，而使用空間誤差面板模型估計得到了同樣的結(jié)果。Peng & Hong[9](2013)則基于中國的分行業(yè)面板數(shù)據(jù)運用空間面板模型研究了產(chǎn)業(yè)聯(lián)系溢出效應(yīng)，發(fā)現(xiàn)了行業(yè)間產(chǎn)業(yè)聯(lián)系溢出效應(yīng)。Scherngell,Borowiecki & Hu[10](2014)同樣使用空間杜賓模型研究了我國知識資本和全要素生產(chǎn)率的關(guān)系，發(fā)現(xiàn)知識資本不僅對區(qū)域內(nèi)全要素生產(chǎn)率有正向促進作用，還對鄰近區(qū)域有正效應(yīng)。

國內(nèi)學(xué)術(shù)界也有一些研究從不同視角研究經(jīng)濟增長的空間溢出效應(yīng)，相關(guān)研究有徐盈之、朱依曦和孫劍[11](2010)，張學(xué)良[12](2012)及張光南、洪國志和陳廣漢[13](2013)等，在此不再一一列舉。通過對上述文獻的仔細(xì)研讀發(fā)現(xiàn)，2000年之后的文獻使用的計量模型基本是空間計量模型并且以面板模型為主，但是幾乎沒有文獻使用動態(tài)空間面板方法，并且在這些使用空間計量模型進行估計的經(jīng)驗文獻中對于空間權(quán)重矩陣的選取過于武斷，沒有探討不同空間權(quán)重矩陣的估計效率，因此，使用動態(tài)空間面板模型研究我國經(jīng)濟增長的空間溢出效應(yīng)并探討不同空間權(quán)重矩陣對估計結(jié)果的影響將使得估計結(jié)果更加穩(wěn)健，并可以給政策制定者提供更加豐富的政策建議。

三、理論模型

在本節(jié)將建立一個具有空間溢出效應(yīng)特征的區(qū)域經(jīng)濟增長模型。影響經(jīng)濟增長的因素不僅對本地區(qū)的經(jīng)濟增長起積極作用還會對其他區(qū)域的經(jīng)濟增長產(chǎn)生正的溢出作用或負(fù)的溢出作用，具體情況需要做進一步的分析。

研究區(qū)域經(jīng)濟增長的空間溢出模型一般以柯布道格拉斯函數(shù)為起點，因此，本文以柯布道格拉斯形式函數(shù)為基礎(chǔ)同時考慮影響經(jīng)濟增長的相關(guān)因素，將各個省份分別視為獨立的實體，借鑒Scherngell，Borowiecki & Hu(2014)，建立如下形式的區(qū)域間經(jīng)濟溢出增長模型：

Qit=Q(Xit)

(1)

在上式中，i=1,…,N，表示有N個區(qū)域，t=1,…,T表示時間，Xit為包含具有空間溢出效應(yīng)并影響經(jīng)濟增長這些因素的函數(shù)。當(dāng)前，經(jīng)濟增長理論認(rèn)為影響經(jīng)濟增長的因素主要有勞動力、物質(zhì)資本、人力資本、技術(shù)進步及企業(yè)家精神等，此外，在開放經(jīng)濟中，一個國家的對外開放程度也會影響經(jīng)濟增長。因此，假設(shè)Xit包含勞動力、物質(zhì)資本存量、對外開放程度、人力資本、企業(yè)家精神和創(chuàng)新精神，其具體形式如下：

由于假定Qit為柯布道格拉斯形式，因此，其具體形式可以寫成：

τt表示影響產(chǎn)出的時間趨勢，εit為擾動項，α1,α2,…,α12為各因素的投入產(chǎn)出彈性。而對于外溢效應(yīng)因素，如Kit*我們將其定義為：

(4)

wij表示空間折舊因子，代表區(qū)域i吸收其他區(qū)域外溢效應(yīng)的能力。其他5個具有外溢效應(yīng)因素的定義方法類似。

對式(3)兩邊取對數(shù)并進行一階差分，得到如下表達式：

這樣，我們就建立了一個區(qū)域經(jīng)濟增長的空間溢出模型，(5)式中的α1,α2,…,α12即為需要估計的參數(shù)。

四、計量方法與結(jié)果分析

(一)模型設(shè)定和估計方法

基于Elhorstetal.[14](2013)，建立一個動態(tài)空間面板模型(DynamicSpatialPanel)進行計量分析，其表達式為：

Yt=τYt-1+ρWYt+ηWYt-1+Xtβ+μ+αtlN+εt

(6)

Yt表示某一時間點(t=1,…,T)上N個地區(qū)的因變量觀察值，為N×1向量；而Xt是一個N×K矩陣，表示K個外生解釋變量；W表示空間權(quán)重矩陣，是一個N×N矩陣，矩陣中的每個元素表示各地區(qū)和其他地區(qū)的空間關(guān)系，對角線元素為0；WYt表示因變量具有同期的空間自相關(guān)性，WYt-1表示滯后一期的空間自相關(guān)性，ρ一般被稱作空間自相關(guān)系數(shù)，η為滯后的空間自相關(guān)系數(shù)；εt=(ε1t,…,εNt)T為獨立同分布、期望值同為0、方差同為σ2擾動項所組成的向量；μ=(μ1,…,μN)T表示地區(qū)固定效應(yīng)向量，用來控制具有地區(qū)特征而不隨時間變動的變量，αt表示時間固定效應(yīng)系數(shù)，lN是一個組成元素全為1的N×1向量，同時考慮地區(qū)固定效應(yīng)和時間固定效應(yīng)可以減少面板模型的估計偏差。

對于動態(tài)空間面板模型，Yu等[15](2008) 在僅包含地區(qū)固定效應(yīng)模型中使用準(zhǔn)極大似然估計法(QuasiMaximumLikelihood)進行估計，這種方法在擾動項不服從正態(tài)分布的情況下而假定服從正態(tài)分布 ，而Lee等[16](2010)在既包含地區(qū)固定效應(yīng)又包含時間固定效應(yīng)的模型中使用同樣的方法進行了估計，在這兩篇文獻中，作者均討論了在n和T可以很大情況下估計結(jié)果的漸進性。此外， Lee等[17](2010)指出對于τ、ρ、η，還應(yīng)滿足τ+ρ+η<1，這樣的模型才是穩(wěn)定的，如τ+ρ+η>1，則該模型將出現(xiàn)類似于時間序列模型中的空間協(xié)整(spatialcointegration)問題，如τ+ρ+η>1，則出現(xiàn)爆炸根(explosiveroots)問題，對于空間協(xié)整問題和爆炸根問題可以通過空間一階差分(spatialfirst-differences)解決，即對式(6)左右兩邊同乘以矩陣(I-W)，I為N階單位矩陣。為了衡量該模型的空間溢出效應(yīng)，基于Lesage等[18](2009)計算橫截面數(shù)據(jù)模型直接效應(yīng)(directeffect)和間接效應(yīng)(indirecteffect)的方法，對式(6)做適當(dāng)變形，可以給出動態(tài)空間面板模型各解釋變量直接效應(yīng)和間接效應(yīng)的估計方法。

式(6)可以寫成：

Yt=(I-ρW)-1(τI+ηW)Yt-1+(I-ρW)-1Xtβ+(I-ρW)-1(μ+αtlN+εt)

(7)

在上式中，固定時間t，對向量Yt針對第k個解釋變量求偏導(dǎo)，則得到一個N×N矩陣：

該偏導(dǎo)矩陣對角線元素表示直接效應(yīng)，非對角元素表示間接效應(yīng)，同時可以看出式(8)等式右側(cè)跟時間沒有關(guān)系， Lesage等(2009)通過計算該偏導(dǎo)矩陣對角線元素平均值的方法來衡量直接效應(yīng)，而通過計算所有非對角元素平均值的方法來衡量間接效應(yīng)，間接效應(yīng)和直接效應(yīng)的加總為總效應(yīng)。同樣道理，在(7)式中，對向量Yt針對向量Yt-1求偏導(dǎo)可以得到：

(9)

對于該偏導(dǎo)矩陣同樣使用Lesage & Pace(2009)的方法可以計算出Yt-1對Yt的直接效應(yīng)和間接效應(yīng)。

因此，我們將基于Elhorst等(2013)，Lee等(2012)及Lesage等(2009)的估計方法對式(6)進行估計。

(二)數(shù)據(jù)與變量說明

研究所用原始數(shù)據(jù)均來自于歷年《中國統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《新中國60年統(tǒng)計資料匯編》及國泰安數(shù)據(jù)庫，由于部分地區(qū)和年份數(shù)據(jù)無法獲得，剔除這些地區(qū)和年份，最后形成的數(shù)據(jù)集合包括從1997—2012年間31個中國省、直轄市及自治區(qū)的經(jīng)濟變量。各變量的統(tǒng)計特征見表2。

空間權(quán)重矩陣W：W=(wij:i,j=1,…,N)，權(quán)重矩陣反映不同地區(qū)的空間位置關(guān)系，我們的樣本來自中國大陸31個省、市及自治區(qū)，因此W是一個31階方陣，其空間權(quán)重元素wij表示地區(qū)i對于地區(qū)j的空間影響，對于空間自我影響，也就是wii的值我們遵循一般做法假定wii=0，wii為空間權(quán)重矩陣的對角線元素，對于該矩陣非對角線元素的構(gòu)建方法一般有兩大類：一種是基于邊界的權(quán)重值選取，另一種是基于距離的權(quán)重值選取，我們對于非對角線元素的構(gòu)建也將涵蓋這兩大類，主要包括以下三種：

表2 變量描述性統(tǒng)計表

(1)空間相鄰權(quán)重(SpatialContiguityWeights)0-1型。我們通過區(qū)域是否相鄰的方法來確定矩陣中每個元素的值，根據(jù)地圖上所研究區(qū)域的相對位置，決定哪些區(qū)域是相鄰的，并用“0-1”表示，即“1”表示空間單元相鄰、“0”表示空間單元不相鄰，該矩陣中對角線元素全部為“0”，因為自身不可能和自己相鄰，并且該矩陣是一個對稱矩陣。

(3)距離指數(shù)權(quán)重(ExponentialDistanceWeights)。該方法同樣假定空間權(quán)重隨距離增加而遞減但其衰減的方式為以e為底的指數(shù)函數(shù)形式：wij=exp(-θdij)，θ為任意大于0的常數(shù)，在這里我們選取θ=0.01、0.02和0.03。

這樣，我們一共設(shè)定了7種空間權(quán)重矩陣，在模型估計時我們將對這些權(quán)重矩陣進行行標(biāo)準(zhǔn)化，也就是使得每行元素的和為1。

(三)計量結(jié)果

1.模型選擇

運用MATLAB軟件動態(tài)空間面板估計工具箱對本文選取的面板數(shù)據(jù)依次對7種空間權(quán)重矩陣進行模型選擇的檢驗，首先通過F檢驗判別模型中是否應(yīng)包含時間啞變量(timedummies)，也就是是否應(yīng)包含時間固定效應(yīng)；然后通過Wald檢驗判別是否有空間協(xié)整或爆炸根問題，如果有則應(yīng)進行空間一階差分，模型選擇檢驗結(jié)果如表3所示：

表3 模型選擇檢驗結(jié)果

對于空間相鄰0-1型權(quán)重矩陣，時間固定效應(yīng)F檢驗的P值小于0.01，所以應(yīng)選擇包含時間固定效應(yīng)模型，然后在該模型下估計出τ+ρ+η的值為0.6591，Wald檢驗P值小于1%，模型是穩(wěn)定的，不需要做空間一階差分；對于距離冪權(quán)重，當(dāng)φ=1，1.5，2時，時間固定效應(yīng)F檢驗P值均大于5%，均應(yīng)選擇不包含時間固定效應(yīng)模型，并且在該模型下τ+ρ+η的值均小于1并且Wald檢驗P值均小于1%，所以這三種權(quán)重矩陣均不需要做空間一階差分；對于距離指數(shù)權(quán)重，當(dāng)θ=0.01，0.02，0.03時，時間固定效應(yīng)F檢驗P值均小于1%，均應(yīng)選擇包含時間固定效應(yīng)模型，進一步計算出τ+ρ+η的值均小于1并且Wald檢驗P值均小于1%，因此均不需要做空間一階差分。

表4 各空間權(quán)重矩陣估計效率比較

2.估計結(jié)果

選取0-1型權(quán)重和距離指數(shù)權(quán)重(θ=0.03)利用MATLAB動態(tài)空間面板工具箱對數(shù)據(jù)進行估計，估計出各自變量的回歸系數(shù)、直接效應(yīng)、間接效應(yīng)和總效應(yīng)結(jié)果如表5和表6所示：

在表4中，使用的權(quán)重矩陣為空間相鄰0-1型權(quán)重，W*Yt的回歸系數(shù)為0.240 0并且在1%水平顯著；Yt-1的直接效應(yīng)為-0.150 8并且在10%水平下顯著，其間接效應(yīng)為0.637 3并且在1%水平下顯著；ΔlnKit的直接效應(yīng)為8.923 8并且在1%水平顯著，其間接效應(yīng)為2.764 8并且在5%水平顯著；其余自變量的直接效應(yīng)及間接效應(yīng)均不顯著。在表5中，使用的權(quán)重矩陣為距離指數(shù)權(quán)重(θ=0.03時)，W*Yt的回歸系數(shù)為0.106 4并且在5%水平顯著；Yt-1直接效應(yīng)不顯著，間接效應(yīng)為0.637 3并且在1%水平顯著；ΔlnKit直接效應(yīng)為8.789 2并且在1%水平顯著，其間接效應(yīng)為1.025 3并且在10%水平顯著；其余自變量的直接效應(yīng)及間接效應(yīng)均不顯著。比較表5和表6的估計結(jié)果可以發(fā)現(xiàn)：W*Yt回歸系數(shù)均為正且顯著，說明地區(qū)經(jīng)濟增長具有正的空間溢出效應(yīng)，Yt-1的間接效應(yīng)均為正且顯著，說明滯后一期的經(jīng)濟增長對其他地區(qū)經(jīng)濟增長具有正向促進作用，ΔlnKit的直接效應(yīng)均為正且顯著，其間接效應(yīng)也均為正且顯著，說明資本存量的增加對于本地和其他地區(qū)的經(jīng)濟發(fā)展都有正向促進作用。表5和表6的結(jié)果基本一致，這也間接說明了我們的估計結(jié)果是穩(wěn)健的。

表5 動態(tài)空間面板估計結(jié)果(空間相鄰0-1型權(quán)重矩陣)

說明：括號內(nèi)表示近似t值，顯著度使用雙側(cè)Z檢驗，1)表示10%水平顯著，2)表示5%水平顯著，3)表示1%水平顯著。

表6 動態(tài)空間面板估計結(jié)果(距離指數(shù)權(quán)重，θ=0.03)

注：括號內(nèi)表示近似t值，顯著度使用雙側(cè)Z檢驗，1)表示10%水平顯著，2)表示5%水平顯著，3)表示1%水平顯著。

五、結(jié)論和政策含義

基于經(jīng)濟增長的空間溢出視角，本文認(rèn)為區(qū)域經(jīng)濟增長會帶動其他區(qū)域的增長潛力，在考慮相關(guān)影響經(jīng)濟增長因素之后，建立了一個影響區(qū)域經(jīng)濟增長的柯布—道格拉斯型的空間溢出理論模型，在此基礎(chǔ)上建立我們的計量檢驗?zāi)Ｐ?，使用中國大陸地區(qū)31個省級行政區(qū)域1997-2012年期間面板數(shù)據(jù)進行動態(tài)空間面板回歸，在對各參數(shù)進行估計之前，首先討論了各種權(quán)重矩陣的最佳估計模型進而檢驗了在最佳估計模型情況下何種權(quán)重矩陣估計效率最高，最終確定空間相鄰0-1型權(quán)重矩陣和距離指數(shù)權(quán)重(θ=0.03)矩陣進行估計，兩種權(quán)重的估計結(jié)果顯示：地區(qū)經(jīng)濟增長具有正的空間溢出效應(yīng)，資本存量的增加對于本地和其他地區(qū)的經(jīng)濟發(fā)展都有正向促進作用，而其他因素對經(jīng)濟增長效果不明顯。資本存量的增加主要是由固定資產(chǎn)投資產(chǎn)生的，因此，當(dāng)前我國經(jīng)濟增長的主要驅(qū)動力為固定資產(chǎn)投資。據(jù)此提出相應(yīng)的政策建議：政府應(yīng)轉(zhuǎn)變經(jīng)濟增長方式，避免經(jīng)濟增長過度依賴固定資產(chǎn)投資，政府應(yīng)鼓勵創(chuàng)新和創(chuàng)業(yè)、促進人力資本積累，積極推進經(jīng)濟增長方式向“創(chuàng)新推動型”增長準(zhǔn)備；此外，各地政府應(yīng)加強區(qū)域間的經(jīng)濟合作，避免“諸侯經(jīng)濟”，促進要素、人才和知識的有效流動，為經(jīng)濟發(fā)展的空間溢出提供良好的土壤，最終實現(xiàn)經(jīng)濟同步增長、共同繁榮。

注釋：

①平均受教育年限的計算公式：(接受小學(xué)教育人數(shù)×6+接受初中教育人數(shù)×9+接受高中或中專教育人數(shù)×12+接受大學(xué)教育人數(shù)×16)/地區(qū)總?cè)藬?shù)

[1]CapelloR.Spatialspilloversandregionalgrowth:acognitiveapproach[J].EuropeanPlanningStudies,2009,17(5):639-658.

[2]GroenewoldN,LeeG,ChenA.Inter-regionalspilloversinChina:theimportanceofcommonshocksandthedefinitionoftheregions[J].ChinaEconomicReview,2008,19(1):32-52.

[3]YaoY.TheChinesegrowthmiracle[J].HandbookEconomicGrowth,2014(2B):943-1031.

[4]LesageJP.Thetheoryandpracticeofspatialeconometrics[M].Toledo:TheTheoryandPracticeofSpatialE￣c￣o￣n￣o￣m￣e￣t￣r￣i￣c￣s,1999：122.

[5]ElhorstJP.Dynamicspatialpanels:models,methodsandinferences[J].JournalofGeographicalSystems,2012(14):5-28.

[6]BrunJF,CombesJL,RenardMF.AretherespillovereffectsbetweencoastalandnoncoastalregionsinChina?[J].ChinaEconomicReview,2002,13(2/3):161-169.

[7]TianL,WangHH,ChenY.SpatialexternalitiesinChinaregionaleconomicgrowth[J].ChinaEconomicReview,2010,21:20-31.

[8]BaiC,MaH,PanW.SpatialspilloverandregionaleconomicgrowthinChina[J].ChinaEconomicReview,2012,23(4):982-990.

[9]PengL,HongY.Productivityspilloversamonglinkedsectors[J].ChinaEconomicReview,2013,25:44-61.

[10]ScherngellT,BorowieckiM,HuY.EffectsofknowledgecapitalontotalfactorproductivityinChina:Aspatialeconometricperspective[J].ChinaEconomicReview,2014,29:82-94.

[11]徐盈之,朱依曦,孫劍.知識溢出與區(qū)域經(jīng)濟增長:基于空間計量模型的實證研究[J].科研管理,2010(6):105-112.

[12]張學(xué)良.中國交通基礎(chǔ)設(shè)施促進了區(qū)域經(jīng)濟增長嗎——兼論交通基礎(chǔ)設(shè)施的空間溢出效應(yīng)[J].中國社會科學(xué),2012(3):60-77.

[13]張光南,洪國志,陳廣漢.基礎(chǔ)設(shè)施、空間溢出與制造業(yè)成本效應(yīng)[J].經(jīng)濟學(xué),2013,13(4):285-304.

[14]ElhorstP,ZandbergE,DeHaanJ.Theimpactofinteractioneffectsamongneighbouringcountriesonfinancialliberalizationandreform:adynamicspatialpaneldataapproach[J].SpatialEconomicAnalysis,2013,8(3):293-313.

[15]YuJ,deJongR,LeeL.Quasi-maximumlikelihoodestimatorsforspatialdynamicpaneldatawithfixedeffectswhenbothnandTarelarge[J].JournalofEconometrics,2008,146(1):118-134.

[16]LeeL,YuJ.Aspatialdynamicpaneldatamodelwithbothtimeandindividualfixedeffects[J].EconometricTheory,2010,26(2):564-597.

[17]LeeL,YuJ.Somerecentdevelopmentsinspatialpaneldatamodels[J].RegionalScienceandUrbanEconomics,2010,40(5):255-271.

[18]LesageJ,PaceRK.Introductiontospatialeconometrics[M].BocaRaton:CRCPress/Taylor&FrancisGroup,2009：121.

[19]單豪杰.中國資本存量K的再估算:1952～2006年[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2008(10):17-31.

[20]YuY.CHINA_SPATDWM:StatamoduletoprovidespatialdistancematricesforChineseprovincesandcities[EB/OL].(2009-12-22)[2015-09-20].https://ideas.repec.org/c/boc/bocode/st57059.html.

(責(zé)任編輯：沈秀)

Spatial Spillover and Economic Growth of China:a Spatial Dynamic Panel Data Approach

Ji Danjun1,2

(1.Yangzhou College, Jiangsu Union Technical Institute, Yangzhou 225003, China;2. College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China)

Ever since the 1990s, there has been growing research interest in spatial spillovers of regional economic growth, and as the technique of spatial econometrics reaches its maturity, it enables more efficient and accurate empirical research on spatial spillover. In this paper, a Cobb-Douglas-Type theoretical model on spatial spillover of regional economic growth is built considering related factors for economic growth, based on which the econometric model is formulated. Using a panel data set from years of 1997 to 2012 of 31 Chinese provinces, a dynamic spatial panel model is estimated. First, the model is selected and weight matrix estimation efficiency is compared, and then two kinds of spatial weight matrices with time-period fixed effect that best describe the data are found out. The estimation results reflect positive spillover effects of the present economic growth, which is achieved mainly by fixed capital investment.

economic growth; spatial spillover; dynamic spatial panel model

2015-10-20

吉丹俊(1983—)，男，江蘇揚州人，博士研究生，講師，主要從事區(qū)域經(jīng)濟、空間計量研究。

F061.2

A

2095-042X(2015)06-0033-08

10.3969/j.issn.2095-042X.2015.06.006