中國(guó)省域人口城鎮(zhèn)化率影響因素的空間杜賓分析

曹 飛

（西安電子科技大學(xué) 馬克思主義學(xué)院，西安 710071）

中國(guó)省域人口城鎮(zhèn)化率影響因素的空間杜賓分析

曹 飛

（西安電子科技大學(xué) 馬克思主義學(xué)院，西安 710071）

文章基于全國(guó)31個(gè)省區(qū)1998—2014年的相關(guān)數(shù)據(jù)，利用空間杜賓模型進(jìn)行了實(shí)證分析。結(jié)果表明：人口城鎮(zhèn)化率具有空間自相關(guān)性。隨機(jī)效應(yīng)的SDM結(jié)果顯示：城鎮(zhèn)固定資產(chǎn)投資比重、經(jīng)濟(jì)外向度、信息化水平、人均受教育程度對(duì)本省區(qū)的直接效應(yīng)為正，但是第三產(chǎn)業(yè)產(chǎn)值比重的直接效應(yīng)為負(fù)；從間接效應(yīng)來(lái)說(shuō)，三產(chǎn)產(chǎn)值比重與城鎮(zhèn)固定資產(chǎn)投資比重在相鄰省區(qū)之間體現(xiàn)為競(jìng)爭(zhēng)關(guān)系；經(jīng)濟(jì)外向度、信息化水、人均受教育水平則為互補(bǔ)互促關(guān)系，且省域人口城鎮(zhèn)化率具有明顯的正外溢效應(yīng)。

人口城鎮(zhèn)化率；空間自相關(guān)；空間杜賓

0 引言

城鎮(zhèn)化是我國(guó)新時(shí)期經(jīng)濟(jì)、社會(huì)發(fā)展的主要盤面，它對(duì)于擴(kuò)大內(nèi)需、推動(dòng)城鄉(xiāng)均衡發(fā)展、改善區(qū)域資源配置等方面將發(fā)揮巨大作用。由于中國(guó)自然環(huán)境的差異性及各地區(qū)經(jīng)濟(jì)社會(huì)發(fā)展不均衡發(fā)展的事實(shí)，無(wú)論是城市布局還是人口城鎮(zhèn)化率都具有較大的區(qū)域分異。圍繞中國(guó)城鎮(zhèn)化空間布局、動(dòng)力機(jī)制及影響因素等問(wèn)題，從不同角度展開(kāi)了分析。學(xué)者們對(duì)于中國(guó)省域人口城鎮(zhèn)化空間分布呈現(xiàn)東、中、西不均衡的格局，基本達(dá)成共識(shí)；對(duì)于城鎮(zhèn)化的動(dòng)力要素，也大多認(rèn)為城鎮(zhèn)化早期動(dòng)力主要為工業(yè)化，而后期的動(dòng)力則主要來(lái)自于第三產(chǎn)業(yè)；在對(duì)人口城鎮(zhèn)化影響因素的選擇來(lái)看，雖然越來(lái)越全面，但是差異性較大。在借鑒上述文獻(xiàn)的基礎(chǔ)上，考慮到信息化對(duì)于人口城鎮(zhèn)化的加速作用、第三產(chǎn)業(yè)對(duì)于人口城鎮(zhèn)化的乘數(shù)效應(yīng)、固定資產(chǎn)投資對(duì)人口城鎮(zhèn)化的支撐作用、人均受教育程度對(duì)于人口城鎮(zhèn)化的保障作用、外向型經(jīng)濟(jì)對(duì)于人口城鎮(zhèn)化的帶動(dòng)作用，通過(guò)納入信息化、外向度、第三產(chǎn)業(yè)、固定資產(chǎn)、人均受教育程度，同時(shí)充分考慮到空間依賴性及空間異質(zhì)性，以1998—2014年為研究周期，進(jìn)行中國(guó)省域人口城鎮(zhèn)化率影響因素的空間面板分析。

1 我國(guó)城鄉(xiāng)居民消費(fèi)差距的空間模型構(gòu)建

1．1 空間權(quán)重矩陣的構(gòu)建

空間面板分析的基礎(chǔ)是構(gòu)建空間加強(qiáng)矩陣，不同的構(gòu)建方法應(yīng)該針對(duì)不同的問(wèn)題進(jìn)行取舍。比較常見(jiàn)的權(quán)重構(gòu)建包括鄰接權(quán)重、地理權(quán)重與經(jīng)濟(jì)權(quán)重，出于研究目的本文采取鄰接權(quán)重與地理權(quán)重，并用經(jīng)濟(jì)權(quán)重作為經(jīng)濟(jì)權(quán)重的穩(wěn)健性檢驗(yàn)參照，理由是：第一，鄰接矩陣構(gòu)造與計(jì)算方便，得到較廣泛的應(yīng)用，其基本賦值原則為01法則，即，wij=0（不直接鄰接）或wij=1（直接鄰接），其中海南的鄰接設(shè)為廣東、廣西；第二，部分學(xué)者構(gòu)造空間矩陣是以平均GDP的相似度來(lái)計(jì)算，，假設(shè)有4個(gè)城市，其GDP均值分別為100億，90億，10000億，9990億，假設(shè)城市1與城市2之間的距離=城市3與城市4之間的距離，那么根據(jù)上述公式計(jì)算，城市1與城市2，城市3與城市4的空間權(quán)重是一樣的。事實(shí)上，由于規(guī)模遞增效應(yīng)與范圍經(jīng)濟(jì)、合作經(jīng)濟(jì)、外部經(jīng)濟(jì)，經(jīng)濟(jì)總量越大其相互影響越大，城市群的發(fā)展也證明了這一點(diǎn)?；谏鲜隹紤]，本文所設(shè)定的空間權(quán)重矩陣為基于距離與經(jīng)濟(jì)吸引力的經(jīng)濟(jì)權(quán)重矩陣，其優(yōu)勢(shì)在于既考慮到了距離衰減的影響，也考慮到了各地經(jīng)濟(jì)發(fā)展水平的影響。

1．2 Moran I指數(shù)估算

全域空間自相關(guān)反映的是研究變量空間關(guān)聯(lián)程度的總體特征，用Global Moran's I表示，根據(jù)表達(dá)式（1）可見(jiàn)，Global Moran's I的值介于-1和1之間。

式中：n=31，為總省區(qū)數(shù)；yi，yj為分別為省區(qū)i和省區(qū)j的人口城鎮(zhèn)化率；為全國(guó)各省區(qū)人口城鎮(zhèn)化率的平均值。wij為分別為鄰接矩陣或者經(jīng)濟(jì)權(quán)重矩陣，通過(guò)對(duì)比表1中分別依照鄰接矩陣和經(jīng)濟(jì)權(quán)重矩陣計(jì)算的Moran指數(shù)可以發(fā)現(xiàn)：第一，二者測(cè)度的Moran指數(shù)符號(hào)性質(zhì)高度一致，為正自相關(guān)；第二，二者計(jì)算的Moran指數(shù)均通過(guò)顯著性檢驗(yàn)；第三，基于經(jīng)濟(jì)權(quán)重計(jì)算的Moran指數(shù)要明顯大于基于鄰接矩陣計(jì)算的Moran指數(shù)，說(shuō)明基于鄰接矩陣來(lái)計(jì)算的Moran指數(shù)可能會(huì)低估區(qū)域之間實(shí)際存在的客觀聯(lián)系。

表1 1998—2014年中國(guó)省域人口城鎮(zhèn)化率Moran指數(shù)測(cè)算結(jié)果比較

1．3 模型的構(gòu)建

1.3.1 基準(zhǔn)模型的構(gòu)建

基準(zhǔn)模型的構(gòu)建是空間面板分析的基礎(chǔ)。根據(jù)經(jīng)濟(jì)學(xué)基本理論與研究目的，選取城鎮(zhèn)固定資產(chǎn)投資占比（gu，%)、人均受教育程度（Jy,年/人）、經(jīng)濟(jì)外向度（wxd，%)、第三產(chǎn)業(yè)比重（san，%)、信息化水平（youd,萬(wàn)元/人）作為解釋變量，人口城鎮(zhèn)化率（ur,%)作為被解釋變量，上述變量采取的都是相對(duì)數(shù)值量綱，原因是我們的被解釋變量人口城鎮(zhèn)化率（ur,%)也是一個(gè)相對(duì)的量綱，由于本文的研究周期為1998—2014年，相應(yīng)的數(shù)據(jù)來(lái)自于1999—2015年的《中國(guó)統(tǒng)計(jì)年鑒》。

基準(zhǔn)模型：

i表示截面維，t表示時(shí)間維，yit表示被解釋變量（城鄉(xiāng)消費(fèi)差距），xit是解釋變量，β是待估系數(shù)，εit是標(biāo)準(zhǔn)誤差項(xiàng)，表示未觀測(cè)到的影響因變量的其他因素。ui為反映個(gè)體差異的變量，表示?。▍^(qū)、市）的固定效應(yīng)，θt表示時(shí)間效應(yīng)。

1.3.2 空間滯后模型（SLM）

由于中國(guó)省域間巨大的人流、物流、信息流的事實(shí)，因此省域在人口城鎮(zhèn)化率上存在一定的相關(guān)性，可以通過(guò)加入相鄰省區(qū)因變量的累加，作為空間滯后因子，從而構(gòu)建空間滯后模型：式（3）中：μi和θt分別表示空間固定效應(yīng)和時(shí)間固定效應(yīng)。

1.3.3 空間誤差模型（SEM）

在模型設(shè)定過(guò)程中，影響人口城鎮(zhèn)化率的因素是很多的，但不可能把所有變量納入模型。而被遺漏的變量可能存在空間自相關(guān)性，從而導(dǎo)致誤差沖擊空間溢出效應(yīng)。

式（6）中：Φit表示空間自相關(guān)誤差項(xiàng)；λ表示誤差項(xiàng)的空間自相關(guān)系數(shù)。

1.3.4 空間杜賓模型（SDM）

相對(duì)于空間滯后模型與空間誤差模型，空間杜賓模型是更為一般的形式，可以同時(shí)反映鄰接省區(qū)自變量和因變量的影響，且便于分解為直接效應(yīng)與間接效應(yīng)（Lesage和Pace，2009），其基本形式為：

其中：θ和ρ是待估計(jì)的常數(shù)回歸參數(shù)?？紤]兩個(gè)假設(shè)條件，可以檢驗(yàn)空間杜賓模型是否可以蛻化為空間滯后模型或者空間誤差模型：（1）Ho:θ=0，如果θ=0時(shí)，SDM模型轉(zhuǎn)換為 SLM 模型；（2）Ho:θ+ρβ=0 ，如果θ+ρβ=0成立，SDM模型轉(zhuǎn)化為SEM模型。

2 模型選擇及實(shí)證分析

2．1 SDM模型的進(jìn)一步檢驗(yàn)與選擇

空間計(jì)量模型選擇的前提是要確定是否存在空間效應(yīng)，其次才是確定何種形式的空間效應(yīng)模型。相對(duì)而言，空間SDM模型是更具有一般意義和推廣范圍的模型，按照從一般到特殊的原則，檢驗(yàn)SDM模型是否可以蛻化為空間滯后模型或者空間誤差模型。從表2和表3（見(jiàn)下頁(yè)）可以看出，Wald-spatial-lag和LR-spatial-lag的統(tǒng)計(jì)量分別均在1%的顯著性水平拒絕原假設(shè)，因此SDM模型不能蛻化為空間滯后模型；Wald-spatial-error和LR-spatial-error的統(tǒng)計(jì)量分別在1%的顯著性水平下拒絕原假設(shè)，因此SDM模型不能蛻化為空間誤差模型。選擇驗(yàn)SDM模型是合理的。進(jìn)一步通過(guò)豪斯曼檢驗(yàn)，發(fā)現(xiàn)無(wú)論是鄰接權(quán)重還是經(jīng)濟(jì)權(quán)重，隨機(jī)效益的SDM模型顯著存在，可能原因是隨機(jī)模型有更多的自由度和更好的估計(jì)結(jié)果。從模型估計(jì)結(jié)果來(lái)看，無(wú)論是基本鄰接權(quán)重或者經(jīng)濟(jì)權(quán)重，各個(gè)模型估計(jì)結(jié)果的符號(hào)性質(zhì)和顯著性水平高度一致，表明模型的經(jīng)濟(jì)意義基本統(tǒng)一，只是統(tǒng)計(jì)參數(shù)上略有差別。由于基于經(jīng)濟(jì)權(quán)重的估計(jì)更能反映省區(qū)之間客觀存在的經(jīng)濟(jì)聯(lián)系，因此主要通過(guò)基于經(jīng)濟(jì)權(quán)重的SDM模型進(jìn)行解釋，但基于鄰接權(quán)重SDM模型的估計(jì)結(jié)果可作為穩(wěn)健性對(duì)照。另外，考慮到樣本時(shí)期數(shù)T小于樣本的截面數(shù)i，所以也給出了無(wú)偏雙固定效應(yīng)的估計(jì)結(jié)果。

按照公式（7），得到中國(guó)省域消費(fèi)差距的SDM模型，其表達(dá)式如下：

表2 基于鄰接權(quán)重的空間SDM模型估計(jì)結(jié)果

表3 基于經(jīng)濟(jì)權(quán)重的隨機(jī)效應(yīng)SDM模型估計(jì)結(jié)果

2．2 SDM模型的效應(yīng)分解與解讀

在隨機(jī)效應(yīng)SDM估計(jì)的基礎(chǔ)，利用經(jīng)濟(jì)權(quán)重對(duì)影響中國(guó)省域城鄉(xiāng)消費(fèi)差距的各因素的效應(yīng)進(jìn)行空間分解，結(jié)果如表4所示。

表4 隨機(jī)效應(yīng)SDM空間效應(yīng)分解

一般而言，SDM中給出了隨機(jī)效應(yīng)的估計(jì)值，但是由于模型中納入了空間滯后解釋變量與被解釋變量，不能直接反映其邊際效應(yīng)，其估計(jì)值也難以準(zhǔn)確衡量自變量對(duì)因變量的直接影響。因此，需要采用偏微分方程（7）計(jì)算各自變量的直接效應(yīng)和間接效應(yīng)，SDM估計(jì)與檢驗(yàn)結(jié)果如表3所示。

（1）San、gud、jiaoyu、waixd、youdian的直接效應(yīng)分別為-0.137、0.0719、0.0053、0.1696、1.0442。意味著固定資產(chǎn)投資比重的加大、受教育程度的提高、外向型經(jīng)濟(jì)的發(fā)展和信息化水平的提升有助于城鎮(zhèn)化進(jìn)程。城鎮(zhèn)固定資產(chǎn)投資比重加大，將有助于改善城市基礎(chǔ)設(shè)施水平和公共服務(wù)能力，提高城鎮(zhèn)對(duì)于本省區(qū)及外區(qū)人口的吸引力；受教育程度的提高意味著經(jīng)濟(jì)發(fā)展具有更高水平的人力資本和更為專業(yè)化的社會(huì)分工，從而為集聚經(jīng)濟(jì)的發(fā)展提高了必要，也提供了可能。外向型經(jīng)濟(jì)在我國(guó)主要以制造業(yè)為主，其對(duì)勞動(dòng)者的文化素質(zhì)和專業(yè)技能要求的門檻較低，具有較強(qiáng)的勞動(dòng)吸納能力。信息化水平的提高對(duì)城鎮(zhèn)化也具有正向驅(qū)動(dòng)作用，主要原因信息化為城鎮(zhèn)化進(jìn)程中商機(jī)的迅速傳播，加快了城市公共管理與服務(wù)的智能化水平，成為人流、物流、信息流、資金流順暢交流的加速劑、粘結(jié)劑和催化劑，提高了城市的快速、迅捷集聚能力，從而加快了城鎮(zhèn)化進(jìn)程。第三產(chǎn)業(yè)產(chǎn)值比重為負(fù)，并不是因?yàn)榈谌a(chǎn)業(yè)的發(fā)展對(duì)于城鎮(zhèn)化進(jìn)程的影響為負(fù)，恰恰相反，是因?yàn)榈谌a(chǎn)業(yè)內(nèi)部的結(jié)果也需要優(yōu)化，需要生產(chǎn)性服務(wù)業(yè)與生活性服務(wù)業(yè)均衡發(fā)展、勞動(dòng)密集型與資本密集型協(xié)同發(fā)展，發(fā)揮第三產(chǎn)業(yè)在帶動(dòng)就業(yè)，搞活經(jīng)濟(jì)中的積極作用。

（2）San、gud、jiaoyu、waixd、youdian的間接效應(yīng)分別為-0.691、-0.150、0.0267、0.358、2.728，從間接效應(yīng)來(lái)的符號(hào)來(lái)說(shuō)，三產(chǎn)產(chǎn)值比重與城鎮(zhèn)固定資產(chǎn)投資比重是同是負(fù)號(hào)，說(shuō)明第三產(chǎn)業(yè)發(fā)展在各省區(qū)之間體現(xiàn)為競(jìng)爭(zhēng)關(guān)系，而固定資產(chǎn)投資比重則由于鄰近省區(qū)固定資產(chǎn)投資比重的加大，對(duì)本省區(qū)的勞動(dòng)力和人口產(chǎn)生吸引力，從而弱化本地人口城鎮(zhèn)化進(jìn)程。人均受教育水平、經(jīng)濟(jì)外向度和人均郵電業(yè)務(wù)量符號(hào)為正，人均受教育水平的間接效應(yīng)為正，說(shuō)明各省區(qū)的教育發(fā)展對(duì)于鄰近省區(qū)的教育發(fā)展具有促進(jìn)作用，經(jīng)濟(jì)外度的符號(hào)也為負(fù)，實(shí)際上，中國(guó)外向型經(jīng)濟(jì)的分布往往出現(xiàn)城市群空間格局，該空間格局往往打破行政邊界，成為經(jīng)濟(jì)上客觀聯(lián)系的地域?qū)嶓w，從而在一體化進(jìn)程中，體現(xiàn)為正外部性，人均郵電業(yè)務(wù)量符號(hào)為正，符合預(yù)期，因?yàn)樾畔⒒膬?yōu)勢(shì)就在于網(wǎng)絡(luò)效應(yīng)、聯(lián)動(dòng)效應(yīng)與外部效應(yīng)，一個(gè)地方信息化水平的加深會(huì)惠及周邊地區(qū)，反過(guò)來(lái)也是。

（3）San、gud、jiaoyu、waixd、youdian的彈性系數(shù)及其直接效應(yīng)的數(shù)值略有差異，其原因是存在反饋效應(yīng)（彈性系數(shù)-反饋效應(yīng)=直接效應(yīng)），即某一省區(qū)通過(guò)影響相鄰省區(qū)的人口城鎮(zhèn)化率再反過(guò)來(lái)影響本省區(qū)的人口城鎮(zhèn)化率。這種反饋效應(yīng)一部分來(lái)自空間滯后被解釋變量，另一部分則來(lái)自空間滯后解釋變量。進(jìn)一步分析表4可以發(fā)現(xiàn)，San、gud、jiaoyu、waixd、youdian的反饋效應(yīng)分別為0.014、0.0031、-0.000852、-0.0086、-0.0562，這種反饋效應(yīng)分別源于 5個(gè)因素的空間滯后變量（W*san、W*gud、W*jiaoyu、W*waixd、W*youdian）和空間被解釋變量（W*lnyi）的交互作用形成的綜合效應(yīng)。

（4）W*dep的系數(shù)為0.222，且通過(guò)1%顯著性檢驗(yàn)，表明中國(guó)省域人口城鎮(zhèn)化率具有明顯的外部溢出效應(yīng)，鄰接省區(qū)的人口城鎮(zhèn)化率每上升一個(gè)百分點(diǎn)，那么本省區(qū)的人口城鎮(zhèn)化率擴(kuò)大0.222個(gè)百分點(diǎn)。

3 結(jié)論

（1）無(wú)論是采取鄰接權(quán)重還是經(jīng)濟(jì)權(quán)重，中國(guó)新型城鎮(zhèn)化都存在空間相關(guān)性。

（2）無(wú)論是采取地理權(quán)重還是經(jīng)濟(jì)權(quán)重對(duì)于固定效應(yīng)或者豪斯曼檢驗(yàn)的結(jié)果是高度的一致。

（3）無(wú)論是地理權(quán)重還是經(jīng)濟(jì)權(quán)重模型，其對(duì)于各種模型的估計(jì)參數(shù)也是高度的一致，事實(shí)上也證明了基于經(jīng)濟(jì)權(quán)重模型估計(jì)的穩(wěn)健性。

（4）通過(guò)基于經(jīng)濟(jì)權(quán)重的隨機(jī)效應(yīng)SDM分析表明，固定資產(chǎn)投資、經(jīng)濟(jì)外向度、信息化水平、人均受教育程度對(duì)本省區(qū)的直接效應(yīng)為正，但是第三產(chǎn)業(yè)產(chǎn)值比重的直接效應(yīng)為負(fù)。

（5）從間接效應(yīng)來(lái)說(shuō)，三產(chǎn)產(chǎn)值比重與城鎮(zhèn)固定資產(chǎn)投資在各省區(qū)之間體現(xiàn)為競(jìng)爭(zhēng)關(guān)系；人均受教育水平、經(jīng)濟(jì)外向度和人均郵電業(yè)務(wù)量則為互補(bǔ)互促關(guān)系，W*dep的系數(shù)為0.222，說(shuō)明省域人口城鎮(zhèn)化率具有明顯的正外溢效應(yīng)。

[1]Zhang K H,Song S.Rural-urban Migration Andurbanization in China:Evidence from Time-series Andcross-section Analyses[J].China Economic Review,2003,14(4).

[2]Birch E L,Wachter S M.Global Urbanization[M]Philadelphia:University of Pennsylvania Press,2011.

[3]劉盛和,蔣芳,張擎.我國(guó)城市化發(fā)展的區(qū)域差異及協(xié)調(diào)發(fā)展對(duì)策[J].人口研究,2007,(3).

[4]辜勝阻,李華,易善策.均衡城鎮(zhèn)化:大都市與中小城市協(xié)調(diào)共進(jìn)[J].人口研究,2010,(5).

[5]李芃,魏榮華,孟慶紅.重慶市城鎮(zhèn)化動(dòng)力機(jī)制分析[J].重慶交通大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2008,8(1).

[6]王發(fā)曾,程麗麗.山東半島、中原、關(guān)中城市群地區(qū)的城鎮(zhèn)化狀態(tài)與動(dòng)力機(jī)制[J].經(jīng)濟(jì)地理,2010,30(6).

[7]江易華.縣域人口城鎮(zhèn)化的影響因素分析[J].統(tǒng)計(jì)與決策,2012,(11).

[8]曹廣忠,劉濤.中國(guó)省區(qū)城鎮(zhèn)化的核心驅(qū)動(dòng)力演變與過(guò)程模型[J].中國(guó)軟科學(xué),2010,(9).

[9]劉彥隨,楊忍.中國(guó)縣域城鎮(zhèn)化的空間特征與形成機(jī)理[J].地理學(xué)報(bào),2012,(8).

[10]曾昭法,左杰.中國(guó)省域城鎮(zhèn)化的空間集聚與驅(qū)動(dòng)機(jī)制研究——基于空間面板數(shù)據(jù)模型[J].中國(guó)管理科學(xué),2013,(11).

[11]秦佳,李建民.中國(guó)人口城鎮(zhèn)化的空間差異與影響因素[J].人口研究,2013,37(2).

[12]李長(zhǎng)亮.中國(guó)省域新型城鎮(zhèn)化影響因素的空間計(jì)量分析[J].經(jīng)濟(jì)問(wèn)題,2015,(5).

Spatial Durbin Analysis on the Influencing Factors of China’s Provincial Population Urbanization Rate

Cao Fei

（Institute of Marxism，Xidian University,Xi’an 710071,China)

Based on the relevant data of 31 provinces in China from 1998 to 2014,this paper makes an empirical analysis by use of Durbin model.The study result demonstrates that population urbanization rate has spatial autocorrelation.SDM with random effects analysis shows that the proportion of the urban fixed assets investment,the economic export-oriented degree,the informationization level and the per-capita education level have a direct and positive effect on the population urbanization,but the direct effect of the tertiary industry output value proportion is negative;seen from the indirect effect,the proportion of the tertiary industry output value and the proportion of urban investment in fixed assets reflects a competition relationship between the adjacent provinces;the economic export-oriented degree,the informationization level and the per-capita education level present relationship of complementation and mutual promotion between the adjacent provinces,and provincial population urbanization rate has a significant positive spillover effect.

population urbanization rate;spatial autocorrelation;spatial Durbin

F061.5

A

1002-6487（2017）20-0102-04

國(guó)家社會(huì)科學(xué)基金資助項(xiàng)目（16BJY047）

曹 飛（1974—），男，陜西榆林人，博士，副教授，研究方向：城鎮(zhèn)化、區(qū)域經(jīng)濟(jì)。

(責(zé)任編輯/浩 天)