長三角城市經(jīng)濟高質(zhì)量發(fā)展水平測度及收斂性研究

馮曉華 ，邱思遠

（湖北大學(xué) a.商學(xué)院；b.湖北省開放經(jīng)濟研究中心，湖北 武漢 430062）

一、引 言

長三角地區(qū)以不到4%的國土面積創(chuàng)造了接近中國25%的國內(nèi)生產(chǎn)總值，吸引了中國39%的外商直接投資，占據(jù)了中國大約30%的有效發(fā)明專利數(shù)，是中國經(jīng)濟發(fā)展最活躍、開放程度最高、創(chuàng)新能力最強的區(qū)域之一（1）。但與此同時，2019年長三角地區(qū)能源消耗總量接近全國的20%，六項污染物平均超標天數(shù)占比達到23.5%（2）。在資源消耗嚴重和環(huán)境污染突出的雙重壓力下，長三角地區(qū)亟待改變依賴要素投入的傳統(tǒng)經(jīng)濟發(fā)展方式，保護環(huán)境、節(jié)約資源、提高全要素生產(chǎn)率（Total Factor Productivity，TFP），促進經(jīng)濟高質(zhì)量發(fā)展。習(xí)近平總書記指出：“實施長三角一體化發(fā)展戰(zhàn)略要緊扣一體化和高質(zhì)量兩個關(guān)鍵詞，以一體化的思路和舉措打破行政壁壘、提高政策協(xié)同，讓要素在更大范圍暢通流動，有利于發(fā)揮各地區(qū)比較優(yōu)勢，實現(xiàn)更合理分工，凝聚更強大的合力，促進高質(zhì)量發(fā)展。”因此，長三角一體化發(fā)展是改善長三角地區(qū)經(jīng)濟發(fā)展方式、推動經(jīng)濟高質(zhì)量發(fā)展的有力措施。那么，在一體化背景下，長三角城市經(jīng)濟高質(zhì)量發(fā)展水平究竟如何？其是否超過了長三角地區(qū)“各自為營”狀態(tài)下的水平？同時，一體化背景下的長三角城市經(jīng)濟高質(zhì)量發(fā)展水平的時空演變?nèi)绾?？其是否形成收斂？這些問題的探討對中國以長三角一體化發(fā)展戰(zhàn)略為抓手，推動長三角地區(qū)乃至其他區(qū)域經(jīng)濟高質(zhì)量發(fā)展和協(xié)調(diào)發(fā)展，具有重要的理論價值和現(xiàn)實意義。

區(qū)域一體化實質(zhì)上是區(qū)域內(nèi)部要素不斷流動、創(chuàng)造最大收益的過程［1］，而要素流動（3）本質(zhì)上是要素產(chǎn)生溢出效應(yīng)的過程［2-4］，即生產(chǎn)要素不僅會推動本地區(qū)經(jīng)濟增長，也會對鄰近地區(qū)的經(jīng)濟增長產(chǎn)生影響。同時，經(jīng)濟高質(zhì)量發(fā)展水平往往以考慮資源和環(huán)境因素的綠色全要素生產(chǎn)率（Green Total Factor Productivity，GTFP）來衡量［5］。那么，一體化背景下，長三角城市經(jīng)濟高質(zhì)量發(fā)展水平測度也就可以轉(zhuǎn)化成測度考慮要素時空溢出效應(yīng)（4）的長三角城市GTFP?；诖耍疚倪x取2003—2019 年長三角地區(qū)41個城市的數(shù)據(jù)，運用嵌入綠色GDP核算的全息映射時空地理加權(quán)生產(chǎn)函數(shù)模型（Holographic Mapping Geographically and Temporally Weighted Regression，HM-GTWR），捕捉城市之間的要素時空溢出效應(yīng)，測度考慮要素時空溢出效應(yīng)的長三角城市GTFP，以其衡量一體化背景下長三角城市經(jīng)濟高質(zhì)量發(fā)展水平。同時使用非參數(shù)核密度估計、探索性空間數(shù)據(jù)分析和一般嵌套空間收斂模型，研究其時空演變和斂散狀況，以期為一體化背景下長三角地區(qū)經(jīng)濟高質(zhì)量發(fā)展和區(qū)域協(xié)調(diào)發(fā)展提供經(jīng)驗性參考。

二、文獻綜述

從現(xiàn)有學(xué)術(shù)界研究進展來看，與本研究密切相關(guān)的文獻有以下三種：

一是關(guān)于GTFP 測度方法。GTFP 的測度方法與TFP測度方法一脈相承，不過其相對于后者考慮了資源消耗和環(huán)境污染因素，被認為是衡量經(jīng)濟發(fā)展質(zhì)量的關(guān)鍵指標。GTFP 測度方法總體分為兩類：一類是需要估算具體生產(chǎn)函數(shù)系數(shù)的參數(shù)法，亦可稱生產(chǎn)函數(shù)法；另一類是不需要生產(chǎn)函數(shù)具體模型，以線性規(guī)劃和對偶理論為基礎(chǔ)的非參數(shù)法。參數(shù)法始于 Solow 提出的“索洛余值法”［6］，核心思想是在生產(chǎn)函數(shù)中將產(chǎn)出的要素貢獻部分剝離，進而測度出TFP，其是以后發(fā)展的各類參數(shù)法的基礎(chǔ)。比如，解決了微觀企業(yè)TFP測度時樣本選擇性偏差和同時性偏誤問題的OP和LP方法［7-8］，以及構(gòu)造生產(chǎn)函數(shù)前沿面的隨機前沿分析方法［9］。而在測度GTFP方面，參數(shù)法需要對上述方法進行改進，主要通過以下兩種方式：一種是將環(huán)境和資源變量等作為投入要素，與其他傳統(tǒng)投入要素同時納入生產(chǎn)函數(shù)模型進行分析［10-12］；另一種是將環(huán)境和資源因素并入產(chǎn)出指標，估算出綠色GDP，以綠色GDP 代替?zhèn)鹘y(tǒng)產(chǎn)出納入生產(chǎn)函數(shù)模型進行分析［13］。參數(shù)方法測度GTFP 需要具體生產(chǎn)函數(shù)模型，因此面臨生產(chǎn)函數(shù)選擇的問題［14］，且最后估算出的系數(shù)可能不符合經(jīng)濟學(xué)常識。非參數(shù)方法在此背景下應(yīng)運而生，非參數(shù)法主要以數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）方法為主，通過樣本點到前沿面的距離來測度其效率大小，并通過Malmquist和Luenberger指數(shù)對不同年份的效率值進行分解，最終得到TFP指數(shù)［15-17］。DEA方法在測度GTFP指數(shù)時，主要采用非徑向非角度的 SBM 模 型［18］，并 與Malmquist-Luenberger（ML）指數(shù)［19］或者是改進的Global Malmquist-Luenberger（GML）指數(shù)［20］相結(jié)合，進而測度出GTFP 指數(shù)。DEA 方法不需要具體生產(chǎn)函數(shù)模型，也不需要進行統(tǒng)計推斷，只需要特定的數(shù)據(jù)，其簡便易行的特點在學(xué)術(shù)界廣受推崇。但DEA方法主要適用于微觀主體的效率測度，對于中觀和宏觀測度誤差較大［21］。同時，DEA 方法很難有明確的經(jīng)濟學(xué)意義，就像一個“黑箱”，其測度出的是TFP或者GTFP變化率，即相應(yīng)指數(shù)，并不是水平值。所以，世界上主要發(fā)達國家的權(quán)威機構(gòu)測度TFP主要還是選用參數(shù)方法［22］。然而，上述TFP或GTFP 測度方法都忽略了一個重要問題，即要素對產(chǎn)出的空間溢出效應(yīng)或時空溢出效應(yīng)，特別是在區(qū)域?qū)用娴臏y度中。雖然有部分學(xué)者在省級層面或是行業(yè)層面，將空間計量模型嵌入到生產(chǎn)函數(shù)模型中，測度考慮空間溢出效應(yīng)或時空溢出效應(yīng)的TFP［23-24］，但對于在要素空間流動更加明顯的城市層面，考慮空間溢出效應(yīng)或時空溢出效應(yīng)的城市GTFP測度則鮮有研究。

二是關(guān)于GTFP 的時空演變分析和斂散分析。在測度出GTFP 后，需要對其進行全方位、多角度的時空演變分析，主要運用以下兩類方法：一類是不涉及空間溢出效應(yīng)的非參數(shù)核密度估計和馬爾科夫鏈［25］；另一類是涉及空間溢出效應(yīng)的探索性空間數(shù)據(jù)分析和空間馬爾科夫鏈［26-27］。斂散研究則主要運用普通的收斂模型來研究GTFP 的區(qū)域收斂狀況［28-29］。但上述文獻多是使用單一的非空間方法或者空間方法進行GTFP 的時空演變分析，較少使用多種方法來進行組合研究。而對于GTFP斂散性，則鮮有運用帶有時空溢出效應(yīng)的空間計量模型進行時空收斂（5）分析。

三是關(guān)于長三角一體化背景下經(jīng)濟高質(zhì)量發(fā)展的研究?，F(xiàn)有文獻主要將長三角一體化過程中某個標志性事件作為一項外生沖擊，以此研究其對經(jīng)濟高質(zhì)量發(fā)展的影響。張躍等利用長三角城市經(jīng)濟協(xié)調(diào)會這一合作機制作為外生沖擊，認為長三角一體化通過經(jīng)濟聯(lián)系機制、市場整合機制和產(chǎn)業(yè)結(jié)構(gòu)升級機制共同促進長三角城市經(jīng)濟高質(zhì)量發(fā)展［30］；而蔡欣磊等通過長三角城市經(jīng)濟協(xié)調(diào)會兩次擴容，驗證了長三角一體化對長三角城市高質(zhì)量發(fā)展的正向促進作用［31］；還有學(xué)者將長三角一體化作為研究背景分析城市人才吸引和城市碳排放等問題［32-33］。而對于長三角一體化背景下，長三角地區(qū)經(jīng)濟高質(zhì)量發(fā)展水平的測度和對其內(nèi)部差距的斂散性研究，現(xiàn)有文獻則鮮有涉及。

綜上所述，本文在以上研究基礎(chǔ)上進行長三角城市GTFP 測度方法的改進，納入要素時空溢出效應(yīng)，以其衡量一體化背景下長三角城市經(jīng)濟高質(zhì)量發(fā)展水平，并使用非參數(shù)核密度估計、探索性空間數(shù)據(jù)分析和一般嵌套空間收斂模型對其進行時空演變和斂散分析。本文可能的創(chuàng)新在于：①首次使用嵌入綠色GDP 核算的HM-GTWR 模型測度長三角城市GTFP，捕捉長三角城市要素時空溢出效應(yīng)，將一體化背景下長三角城市經(jīng)濟高質(zhì)量發(fā)展水平定量化。②運用非參數(shù)核密度估計和探索性空間分析對長三角城市GTFP 進行時空演變分析，充分揭示其在樣本期間時空變化行為。③將長三角城市分為長三角城市群和非長三角城市群地區(qū)（6），并根據(jù)兩次長三角一體化進程中重要事件時間點將樣本時期分為三段，進而使用一般嵌套空間收斂模型研究長三角城市不同區(qū)域和不同時期的GTFP收斂情況，以期為區(qū)域協(xié)調(diào)發(fā)展提供實證支撐。

三、研究方法與數(shù)據(jù)來源

（一）GTFP測度模型

1.傳統(tǒng)CD生產(chǎn)函數(shù)模型

本文借鑒Ouwehand 等設(shè)置CD 生產(chǎn)函數(shù)模型的方式［34］，闡述傳統(tǒng)CD生產(chǎn)函數(shù)模型到全息映射時空地理加權(quán)生產(chǎn)函數(shù)模型的演變過渡。傳統(tǒng)CD 生產(chǎn)函數(shù)模型測度TFP 或GTFP 的理論邏輯如式（1）、式（2）和式（3）所示。式（1）是經(jīng)典的兩要素CD 生產(chǎn)函數(shù)，式（2）是需要估計的回歸方程，式（3）是回歸方程估計結(jié)束后的TFP 或GTFP 測度等式。

其中：A為 TFP 或 GTFP；Y表示 GDP 或綠色GDP；K為資本要素投入；L為勞動要素投入；i表示個體；t表示時期；α和β是資本要素和勞動要素彈性參數(shù)估計值，亦可稱為資本報酬和勞動報酬；ui、vt和εit分別為個體固定效應(yīng)、時間固定效應(yīng)和隨機誤差項。

但是從式（1）—（3）可以看出，傳統(tǒng)的CD 生產(chǎn)函數(shù)估計中，假設(shè)每個個體是獨立的，并且不存在時間關(guān)聯(lián)。這種“各自為營”的傳統(tǒng)估計方式無法捕捉到要素時空溢出效應(yīng)，綜合測度一體化背景下的長三角城市經(jīng)濟高質(zhì)量發(fā)展水平。這時，需要能捕捉到要素時空溢出效應(yīng)的生產(chǎn)函數(shù)模型對一體化背景下的長三角城市GTFP進行精準測度。

2.嵌入綠色GDP核算的HM-GTWR模型

范巧和郭愛軍提出的全息映射時空地理加權(quán)生產(chǎn)函數(shù)模型將物理學(xué)的全息映射、地理學(xué)的空間異質(zhì)性和經(jīng)濟學(xué)的CD 生產(chǎn)函數(shù)模型有機結(jié)合［35］，形成了對一體化背景下要素時空溢出效應(yīng)的有效捕捉，其實質(zhì)上是對式（2）估計方法的更新。本文將從模型參數(shù)估計、全息時空權(quán)重矩陣構(gòu)建和最優(yōu)時空帶寬遴選三個方面具體闡釋該模型的測度體系。

（1）模型參數(shù)估計。全息映射時空地理加權(quán)生產(chǎn)函數(shù)模型具體形式如式（4）所示，其與式（2）形式上的區(qū)別在于，后者參數(shù)估計量只有兩個，而前者要為每個時期的每個個體估計參數(shù)，是一種變系數(shù)生產(chǎn)函數(shù)模型。

其中：(ji,wi,ti)為i樣本點；ji,wi,ti分別表示樣本點i的經(jīng)度、緯度和時間；其他變量與式（2）相同。需要說明的是，式（4）中的Y為綠色GDP，這是本文參考朱承亮等的處理［13］，將綠色GDP嵌入到生產(chǎn)函數(shù)模型中，以測度出考慮資源和環(huán)境因素的GTFP。式（4）由于是變系數(shù)估計，需要估計每一個點的參數(shù)，因此，為了每一個樣本點都能獲得有效估計，將使用加權(quán)最小二乘法估計。

具體而言，分析點i（即要被估算的樣本點）在時期t的待估參數(shù)為βit，待估參數(shù)包括資本報酬α和勞動報酬β。待估參數(shù)估計量如式（5）所示：

其中：X為解釋變量矩陣；Y為被解釋變量矩陣，代表矩陣的轉(zhuǎn)置；Wit為分析點i在時期t的全息時空權(quán)重矩陣，它是MH-GTWR 模型區(qū)別于傳統(tǒng)CD 生產(chǎn)函數(shù)模型的關(guān)鍵，也是捕捉個體之間要素時空溢出效應(yīng)的基礎(chǔ)。

（2）全息時空權(quán)重矩陣構(gòu)建。首先，定義相關(guān)參數(shù)符號。hs和ht分別為HM-GTWR 模型整體的空間和時間帶寬，這兩種帶寬確定了HM-GTWR模型需要納入分析的個體數(shù)和時期數(shù)；hsD為直接映射時空權(quán)重矩陣的空間帶寬；hsP為捕捉任意兩樣本點之間要素時空溢出效應(yīng)的時空權(quán)重矩陣的空間帶寬；dij為樣本點j到分析點i的空間距離；di′j′為任意兩個樣本點的空間距離；td為時期d，to為時期o，且td≥to，（m，n）表示矩陣中具體元素的行列位置。

其次，闡述全息時空權(quán)重矩陣Wit的構(gòu)建思路。全息時空權(quán)重矩陣Wit由STWit和其轉(zhuǎn)置矩陣相乘構(gòu)成，STWit由直接映射時空權(quán)重矩陣STWitD和間接映射時空權(quán)重矩陣STWitI構(gòu)成。其中，STWitI由捕捉任意兩樣本點之間要素時空溢出效應(yīng)的時空權(quán)重矩陣STWitP和直接映射時空權(quán)重矩陣STWitD構(gòu)成，而STWitD和STWitP則由時間權(quán)重矩陣TWit、空 間 權(quán) 重 矩 陣 SWitD和 SWitP確 定 。 Wit、STWit、STWitD、STWitI、STWitP、TWit、SWitD和SWitP如式（6）—（13）所示：

其中：式（6）—（13）中矩陣均為方陣，且其階數(shù)與相應(yīng)的空間帶寬和時間帶寬相一致；diag表示取矩陣主對角線元素形成新矩陣，下同；I為單位陣，其下標為單位陣階數(shù)；·表示矩陣之間的點乘；?為克羅內(nèi)克積；MI為全局莫蘭指數(shù)。

上文構(gòu)建的全息時空權(quán)重矩陣打破了傳統(tǒng)時空地理加權(quán)回歸模型中空間權(quán)重矩陣單一的時空距離設(shè)置。通過直接映射時空權(quán)重矩陣和間接映射時空權(quán)重矩陣的構(gòu)建組合，將樣本點對分析點的直接映射和間接映射融入同一體系（7），進而捕捉到鄰近地區(qū)樣本點對分析點全方位的要素時空溢出效應(yīng)，測度出考慮要素時空溢出效應(yīng)的GTFP。

（3）最優(yōu)時空帶寬遴選。上文中涉及hs、hsD和hsP三類空間帶寬，為了保證所得到的時空溢出效應(yīng)具有可比性，需要將三種空間帶寬統(tǒng)一，本文通過式（14）進行調(diào)整統(tǒng)一。

其中：η為高斯核函數(shù)中經(jīng)驗常數(shù)，本文取值為0.5；λ為時空影響邊界上可以容忍的空間影響效應(yīng)臨界值，本文設(shè)置為0.05。經(jīng)過式（14）的調(diào)整后，最終獲得兩種帶寬，即統(tǒng)一過后的空間帶寬hs和時間帶寬ht，然后通過AICc 準則和GCV 準則獲得最優(yōu)空間帶寬和最優(yōu)時間帶寬。當不同準則所獲得最優(yōu)帶寬不同時，將在不同最優(yōu)帶寬模型下進行試算，根據(jù)模型經(jīng)濟意義和統(tǒng)計意義遴選最優(yōu)空間和時間帶寬。優(yōu)選出帶寬之后，全息時空權(quán)重矩陣即確定，最終通過式（5）得到參數(shù)估計量，通過式（3）獲得GTFP測度值。

（二）非參數(shù)核密度估計

非參數(shù)核密度估計是通過核函數(shù)估計隨機變量的密度函數(shù)，其是非參數(shù)估計的基礎(chǔ)，構(gòu)成了非參數(shù)估計擬合回歸方程的一般邏輯，即將其核函數(shù)作為權(quán)重函數(shù)與樣本點進行對應(yīng)聯(lián)系，以構(gòu)成對回歸關(guān)系的擬合估計。事實上，核密度估計是由傳統(tǒng)的直方圖演化而來，只不過通過其核函數(shù)將直方圖進行擴展，以形成不同核函數(shù)形式的密度函數(shù)，借此來描述隨機變量的分布形態(tài)。假定隨機變量X 的密度函數(shù)形式如式（15）所示：

其中：N為樣本個數(shù)；h為帶寬；K（z）為核函數(shù)；Xi為獨立同分布的樣本值；x為需要估計的樣本點值。核函數(shù)常用的有均勻核函數(shù)、三角核函數(shù)、二次核函數(shù)和高斯核函數(shù)等。本文采用較常使用的高斯核函數(shù)對長三角城市GTFP 進行時序演變特征分析。GTFP 核密度曲線重心位置變化表示GTFP 整體數(shù)值演變特征；曲線波峰高度變化表示GTFP 內(nèi)部差距演變特征；曲線波峰數(shù)量變化表示GTFP 多極化演變特征；曲線左右拖尾長度變化表示GTFP 高低值區(qū)演變特征；曲線左右拖尾厚度變化表示GTFP 高低值占比演變特征。

（三）探索性空間數(shù)據(jù)分析

1.全局空間自相關(guān)

全局空間自相關(guān)是從整體視角考察研究對象是否存在空間相關(guān)性，其通過空間權(quán)重矩陣的設(shè)置，將空間地理位置嵌入到數(shù)據(jù)分析中。常用的指標有全局Moran 指數(shù)和全局Geary 指數(shù)等，本文采用全局Moran 指數(shù)進行全局空間自相關(guān)的分析。全局Moran指數(shù)如式（16）所示：

2.局部空間自相關(guān)

局部空間自相關(guān)是從局部視角考察研究對象是否存在空間相關(guān)性，測度的是本地區(qū)域樣本值與鄰近區(qū)域樣本值之間的相似程度。常用的指標有局部Moran 指數(shù)和局部Geary 指數(shù)等，本文采用局部Moran 指數(shù)進行局部空間自相關(guān)的分析。局部Moran指數(shù)如式（19）所示：

局部空間自相關(guān)指數(shù)中各變量定義與式（16）相同。正的局部Moran指數(shù)表示該城市的GTFP與鄰近區(qū)域的GTFP 相似（高值集聚或低值集聚），負值表示不相似（高低值交錯排列）。具體可通過Moran 散點圖進行可視化空間躍遷分析：第一象限表示樣本值高的區(qū)域單元被高值區(qū)域所包圍，即高值集聚（HH）；第二象限表示樣本值低的區(qū)域單元被高值區(qū)域所包圍，即低高集聚（LH）；第三象限表示樣本值低的區(qū)域單元被低值區(qū)域所包圍，即低值集聚（LL）；第四象限表示樣本值高的區(qū)域單元被低值區(qū)域所包圍，即高低集聚（HL）。

（四）時空收斂模型

收斂模型在經(jīng)濟學(xué)中的應(yīng)用主要在經(jīng)濟增長這一領(lǐng)域［36］，考察發(fā)展中國家經(jīng)濟增長速度是否過快，進而可以追趕上發(fā)達國家。近年來收斂模型也逐漸應(yīng)用在經(jīng)濟學(xué)的其他問題研究中，包括城市中心-外圍差異和人口死亡率收斂等［37-38］。與此同時，在研究區(qū)域問題時，區(qū)域之間往往存在空間依賴性和空間異質(zhì)性，因此，收斂模型與空間計量模型融合較多。本文研究的是一體化背景下的長三角城市經(jīng)濟高質(zhì)量發(fā)展水平測度，在測度出結(jié)果之后，比較關(guān)心的是長三角城市經(jīng)濟高質(zhì)量發(fā)展水平是否收斂、收斂速度如何、區(qū)域內(nèi)部收斂水平是否有差距，不同區(qū)域之間收斂速度是否相互關(guān)聯(lián)、是否涉及時間和空間三維視角，因此，有必要使用考慮時空溢出效應(yīng)的一般嵌套空間收斂模型進行分析。

1.一般嵌套空間絕對β收斂模型

一般嵌套空間絕對收斂β 模型將絕對收斂模型和一般嵌套空間計量模型相結(jié)合［46］，能夠測度出考慮時空溢出效應(yīng)的時空收斂。具體如式（20）所示：

其中；SWE 為時空權(quán)重矩陣；ρ、λ、β1和θ1是模型系數(shù)估計值；ui是個體固定效應(yīng)；vt是時間固定效應(yīng)；ξit和eit是隨機擾動項，其中，eit為獨立同分布的隨機變量，且服從零均值、同方差的正態(tài)分布。SWE矩陣的構(gòu)建過程如下文所示。

本文借鑒Dubé 等構(gòu)建的時間權(quán)重矩陣［39］，并加以改進，其矩陣記為S。S的上三角陣為0，表示未來的行為無法影響現(xiàn)在；S的下三角陣表示過去的行為會影響現(xiàn)在，并且離現(xiàn)在時間越近的行為對現(xiàn)在的影響越大。S如式（21）所示，其中T表示樣本時期數(shù)。

將S和上文的WE 矩陣進行標準化，經(jīng)過克羅內(nèi)克積，形成最終的SWE時空權(quán)重矩陣，如式（22）所示：

事實上，由于ρ的存在，鄰近空間單位會出現(xiàn)反饋效應(yīng)［40］，不能將β1的估計值作為最終結(jié)果，而應(yīng)將GTFP 的直接效應(yīng)作為最終收斂系數(shù)估計值。因此，本文最終只報告GTFP 的直接效應(yīng)、間接效應(yīng)（溢出效應(yīng)）和總效應(yīng)結(jié)果。若直接效應(yīng)為負則出現(xiàn)絕對β 收斂，反之則發(fā)散。GTFP 的直接效應(yīng)（β）計算公式如式（23）所示。其中：N為樣本個體數(shù)；T為樣本時期數(shù)；Trace 為矩陣的跡運算符。

2.一般嵌套空間條件β收斂模型

條件β 收斂模型相較于絕對β 收斂模型增加了控制變量。此時，GTFP的直接效應(yīng)為負，意味著在考慮不同地區(qū)異質(zhì)性情況下，各個地區(qū)GTFP 將收斂到各自的穩(wěn)態(tài)。具體形式如式（24）所示：

其中：X為控制變量，參考已有研究成果［41］，選擇城市開放程度（Open）、金融發(fā)展水平（Fina）、產(chǎn)業(yè)結(jié)構(gòu)水平（Indu）和政府干預(yù)程度（Expe）等四類控制變量；γ和κ為相應(yīng)的控制變量系數(shù)估計值；其他變量與上文絕對β 收斂模型相同。通過絕對β收斂模型和條件收斂β模型可以測度時間t內(nèi)收斂速度s和半生命周期p，如式（25）所示：

（五）數(shù)據(jù)處理與來源

1.數(shù)據(jù)處理

本文的研究對象是長三角地區(qū)41個地級及以上城市，研究時期為2003—2019 年。需要測度或處理的數(shù)據(jù)為綠色GDP、資本存量、勞動力和控制變量，具體過程如下：

（1）綠色GDP（GGDP）。本文以國際流行的環(huán)境與經(jīng)濟綜合核算體系（SEEA）為基礎(chǔ)，并參考易其國和劉佳欣、王燕等的研究［42-43］，同時結(jié)合長三角地區(qū)各個城市具體情況，制定如式（26）所示的綠色GDP核算體系。

其中，傳統(tǒng)GDP 使用各城市實際GDP。具體方法是基于2003年不變價GDP平減指數(shù)對各城市名義GDP進行平減。對于缺失GDP平減指數(shù)的城市，本文使用城市所在省的GDP 平減指數(shù)代替其GDP平減指數(shù)。

資源消耗損失價值分為水資源消耗損失價值和能源資源消耗損失價值：水資源消耗損失價值=水資源消耗量×每單位補償費用。其中，水資源消耗量使用長三角各城市供水總量代替，每單位補償費用為0.135元/噸；能源資源消耗損失價值=能源資源消耗量×能源資源價格，其中，各城市能源資源消耗量通過城市所在省能源消耗總量按城市全社會用電總量做權(quán)重分配得到，能源資源價格為1 133元/噸標準煤。環(huán)境污染損失價值為工業(yè)廢水、工業(yè)二氧化硫和工業(yè)煙塵的治理成本。其中，工業(yè)廢水治理成本為4.02元/噸，二氧化硫治理成本為778元/噸，煙塵治理成本為422元/噸。

（2）資本要素（K）。資本要素投入使用資本存量代替，本文使用學(xué)術(shù)界運用較普遍的永續(xù)盤存法計算資本存量，如式（27）所示：

其中：δ為折舊率；Iit為固定資產(chǎn)投資；Pit為固定資產(chǎn)投資價格指數(shù)。資本存量的核算最重要的是基期資本存量和折舊率的確定，本文采用Young的方法［44］，使用基期固定資產(chǎn)投資總額除以10%作為基期資本存量；折舊率采用張軍等的方法［45］，使用9.6%。由于缺乏城市層面固定資產(chǎn)投資價格指數(shù)，本文采用城市所在省的固定資產(chǎn)投資價格指數(shù)代替各市固定資產(chǎn)投資價格指數(shù)。

（3）勞動要素（L）。勞動要素投入使用各城市單位從業(yè)人員、私營和個體從業(yè)人員之和表示。

（4）控制變量。政府干預(yù)程度（Expe）使用地方一般公共預(yù)算支出占GDP 的比重衡量；對外開放水平（Open）使用各城市進出口總額占GDP比重表示；金融發(fā)展水平（Fina）使用各城市金融機構(gòu)貸款余額占GDP比重表示；產(chǎn)業(yè)結(jié)構(gòu)水平（Indu）采用各城市第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值比重表示。

上述數(shù)據(jù)的描述性統(tǒng)計見表1所列。

表1 長三角城市數(shù)據(jù)描述性統(tǒng)計

2.數(shù)據(jù)來源

本文數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》、長三角各城市統(tǒng)計年鑒、長三角各省市統(tǒng)計年鑒、國研網(wǎng)數(shù)據(jù)庫和CEIC數(shù)據(jù)庫。對于部分缺失的數(shù)據(jù)使用滑動平均法補齊。

四、長三角城市GTFP測度結(jié)果與比較

（一）嵌入綠色GDP 核算的HM-GTWR 模型優(yōu)選與測度結(jié)果

通過AICc準則和GCV準則進行HM-GTWR模型最優(yōu)空間帶寬和時間帶寬的優(yōu)選，本文發(fā)現(xiàn)，AICc 準則選擇的最優(yōu)空間帶寬為41、最優(yōu)時間帶寬為17，而GCV準則選擇的最優(yōu)空間帶寬為41、最優(yōu)時間帶寬為14。鑒于最優(yōu)時間帶寬不同，本文將分別估算兩種準則下具體模型的統(tǒng)計性質(zhì)，包括局部點顯著性比率、修正的擬合優(yōu)度值、F統(tǒng)計量值以及對數(shù)似然值等。由于本文數(shù)據(jù)為面板數(shù)據(jù)，且時期較長，因此，本文主要采用個體和時間雙向固定效應(yīng)模型進行GTFP 的測度，本文也報告了混合效應(yīng)、個體固定效應(yīng)和時期固定效應(yīng)的結(jié)果，分別用OLS、FE、TE和TW表示，以待查究。具體模型結(jié)果見表2所列。

從表2 可以看出，在雙向固定效應(yīng)下，AICc 準則下的最優(yōu)空間帶寬41和最優(yōu)時間帶寬17比GCV準則下的最優(yōu)空間帶寬41和最優(yōu)時間帶寬14整體統(tǒng)計性質(zhì)更好。具體表現(xiàn)為前者GCV準則值、AICc準則值和隨機擾動項方差更小，F(xiàn)統(tǒng)計值和對數(shù)似然值更大。同時，兩者局部點在1%水平顯著性比例都達到了100%，擬合效果都較好。但前者利用了所有的樣本信息，更符合長三角地區(qū)城市經(jīng)濟聯(lián)系愈發(fā)緊密的現(xiàn)實情況。因此，本文最終選擇最優(yōu)空間帶寬為41、最優(yōu)時間帶寬為17 的HM-GTWR 模型。具體而言，MH-GTWR模型中長三角41個城市在樣本期間的資本報酬估計值在0.6～0.8之間，勞動報酬估計值在0.2～0.4 之間，規(guī)模報酬在1 附近波動，符合多數(shù)經(jīng)濟增長模型的假設(shè)。同時，資本報酬和勞動報酬P(guān)值也遠小于1%。綜上所述，本文使用嵌入綠色GDP核算的HM-GTWR 模型測度一體化背景下長三角城市GTFP是較為精確的。

表2 HM-GTWR模型優(yōu)選結(jié)果

最后，根據(jù)式（3）測度出長三角城市2003—2019 年GTFP，并計算年份均值進行排名，結(jié)果見表3所列。由表3可見，排名前10的城市來自蘇浙滬，而后10名則主要來自安徽，說明長三角地區(qū)內(nèi)部也存在較大的差距，仍由傳統(tǒng)的蘇浙滬地區(qū)占領(lǐng)經(jīng)濟高質(zhì)量發(fā)展高地，而安徽和非長三角城市群地區(qū)需要緊跟蘇浙滬地區(qū)腳步，實現(xiàn)區(qū)域經(jīng)濟高質(zhì)量協(xié)調(diào)發(fā)展。

表3 長三角城市GTFP測度結(jié)果及排名

續(xù)表3

（二）時空模型與非時空模型測度結(jié)果比較

本文使用嵌入綠色GDP 核算的HM-GTWR 模型測度長三角城市GTFP，捕捉城市之間要素時空溢出效應(yīng)，充分考慮了一體化背景下長三角各個城市間的要素流動。那么，一體化背景下的長三角城市GTFP 是否比“各自為營”狀態(tài)下的長三角城市GTFP 高？要素時空溢出效應(yīng)有利于長三角城市GTFP的提升嗎？本文將式（2）傳統(tǒng)CD生產(chǎn)函數(shù)估計長三角城市GTFP 的結(jié)果作為“各自為營”狀態(tài)下的長三角城市GTFP估計值，因為式（2）是OLS估計，滿足高斯-馬爾科夫定理，即樣本個體之間沒有聯(lián)系。將嵌入綠色GDP 核算的HM-GTWR 模型測度結(jié)果與式（2）傳統(tǒng)模型測度結(jié)果相減，得到相減值，結(jié)果表明相減值總體都大于0，最高的已經(jīng)接近0.5。因此，一體化背景下的長三角城市GTFP比“各自為營”狀態(tài)下的長三角城市GTFP 普遍高，平均高0.1281。綜上所述，一體化背景下的要素時空溢出效應(yīng)有利于長三角城市GTFP 的提高，這可能是因為在要素溢出過程中，其會將原有地區(qū)的技術(shù)能力、管理能力和先進知識等擴散溢出［3］，進而提高周圍地區(qū)的GTFP。

五、長三角城市GTFP時空演變分析

（一）時序變化分析

本文根據(jù)2016 年國家發(fā)布的《長江三角洲城市群發(fā)展規(guī)劃》將長三角41 個地級及以上城市分為26個城市的長三角城市群和15個城市的非長三角城市群地區(qū)。從長三角核心地區(qū)（長三角城市群）-邊緣地區(qū)（非長三角城市群地區(qū)）這一視角，通過核密度圖論述長三角城市GTFP 時序變化特征，具體如圖1—圖3所示。

由圖1 可以發(fā)現(xiàn)：①從核密度曲線重心位置看，2003—2019年長三角整體地區(qū)GTFP分布經(jīng)歷了重心位置“左移-右移”的過程，但與初始年份重心位置相比變化較小，重心位置與中位數(shù)位置基本保持一致，說明長三角整體地區(qū)GTFP 趨近于高斯分布，在長三角整體地區(qū)的GTFP 均值附近的城市數(shù)量較多，兩極分布較少，分布較均勻，隨時間變化未出現(xiàn)明顯的高低值變化。②從核密度曲線波峰高度看，2003—2014 年長三角整體地區(qū)GTFP分布的波峰經(jīng)歷了降低再升高的過程，即長三角整體地區(qū)的GTFP 方差先升高再降低，區(qū)域內(nèi)部差距變化幅度較大?？赡艿脑蛟谟?008 年金融危機沖擊下，長三角整體地區(qū)各城市抵御沖擊的經(jīng)驗和能力有所差別，因此，長三角整體地區(qū)內(nèi)GTFP 方差變大，區(qū)域差距增大，而在中國政府的“4 萬億計劃”等有力調(diào)控下，2008年之后區(qū)域差距逐漸變小。波峰高度在2014—2019 年出現(xiàn)了與2003—2014年相似的情形，可能的原因是在此期間中國進入經(jīng)濟新常態(tài)，經(jīng)濟增長方式亟待從“量”到“質(zhì)”的轉(zhuǎn)型，而長三角整體地區(qū)各城市轉(zhuǎn)型發(fā)展各有快慢。③從核密度曲線波峰數(shù)量看，2003—2019年長三角整體地區(qū)GTFP 分布的波峰數(shù)量基本保持不變，只有一個主峰出現(xiàn)，未出現(xiàn)多級分化情形。④從核密度左右拖尾看，2003—2019 年長三角整體地區(qū)GTFP 分布的左右拖尾長度和厚度變化幅度不大，且左右拖尾較為對稱，說明長三角整體地區(qū)GTFP 高低值差距在樣本期間未明顯拉大，高低值占比也較為穩(wěn)定。

由圖2 可以發(fā)現(xiàn)：①從核密度曲線重心位置看，長三角城市群GTFP 分布的重心右偏，且在樣本期間有向左偏移的趨勢，說明長三角城市群的GTFP 整體較高，但近年來有降低的趨勢。其與實際情況是相符的，2019 年中國GDP 排名前10 城市中長三角城市群占3 個，包括上海、蘇州和杭州。同時，長三角城市群內(nèi)城市多為中國高新企業(yè)聚集地，包括上海、蘇州和南京等。因此，長三角城市群擁有較強的經(jīng)濟發(fā)展基礎(chǔ)和技術(shù)創(chuàng)新能力，其GTFP 整體較高。但可能在資源和環(huán)境的約束下，近年來其GTFP 有降低的趨勢。②從核密度曲線波峰高度看，長三角城市群GTFP 分布的波峰高度在樣本期間經(jīng)歷了降低再升高的情形，說明長三角城市群內(nèi)部GTFP差距在波動縮小。尤其是2016 年《長江三角洲城市群發(fā)展規(guī)劃》實施后，長三角城市群GTFP分布波峰高度達到樣本期間最高值，即內(nèi)部差距縮小到樣本期間最小值。③從核密度曲線波峰數(shù)量看，長三角城市群GTFP 分布的波峰數(shù)量在樣本期間基本只有一個主峰，未出現(xiàn)明顯多峰情形，說明長三角城市群GTFP 分布未出現(xiàn)多級分化情形，分布較穩(wěn)定。④從核密度曲線左右拖尾看，長三角城市群GTFP 分布在樣本期間的左拖尾長度比右拖尾長，右拖尾厚度比左拖尾大，說明長三角城市群中個別城市GTFP 較低，但GTFP 較高城市占大多數(shù)。

由圖3可以發(fā)現(xiàn)：①從核密度曲線重心位置看，非長三角城市群地區(qū)GTFP 分布的重心左偏，且在樣本期間有向右偏移的趨勢，說明非長三角城市群地區(qū)中城市的GTFP 整體偏低，不過近年來有升高的趨勢。這可能是因為非長三角城市群地區(qū)的城市在長三角整體地區(qū)中經(jīng)濟發(fā)展基礎(chǔ)較弱，同時其主要為工業(yè)和資源型城市，技術(shù)創(chuàng)新能力較低，因此其GTFP整體較低。不過隨著長三角一體化發(fā)展戰(zhàn)略的提出，其GTFP在周圍地區(qū)帶動下，開始出現(xiàn)升高的跡象。②從核密度曲線波峰高度看，非長三角城市群地區(qū)GTFP分布的波峰高度在樣本期間同樣經(jīng)歷了降低再升高的情形，與長三角整體地區(qū)和長三角城市群相似。③從核密度曲線波峰數(shù)量看，非長三角城市群地區(qū)GTFP分布的波峰數(shù)量在樣本期間存在大于1 的情形，尤其是在2019 雙峰形態(tài)明顯，說明非長三角城市群地區(qū)GTFP 在樣本期間出現(xiàn)兩極分化的跡象，這可能是因為非長三角城市群地區(qū)包括蘇浙滬部分地區(qū)和安徽大部分地區(qū)，而由上文可知，蘇浙滬三省市與安徽GTFP有較大差距。④從核密度曲線左右拖尾看，非長三角城市群地區(qū)GTFP分布在樣本期間的右拖尾長度比左拖尾長，且左右拖尾厚度相差較小，說明非長三角城市群地區(qū)中有GTFP較高城市，比如安慶和徐州等，同時其高低值占比未出現(xiàn)較大差距。

（二）空間躍遷分析

本文使用全局Moran 指數(shù)和局部Moran 指數(shù)（散點圖）對長三角城市GTFP 的空間躍遷特征進行研究。其中，長三角城市GTFP 的全局Moran 指數(shù)見表4所列。

從表4 可以看出，2003—2019 年長三角城市GTFP存在顯著的正向空間自相關(guān)，即高值區(qū)域集聚或者是低值區(qū)域集聚。同時，全局Moran 指數(shù)由2003年的0.075增加到2019年的0.216，在樣本期間明顯上升，說明長三角城市之間經(jīng)濟聯(lián)系逐漸加深，GTFP時空溢出效應(yīng)在一體化背景下顯著增強。

全局Moran 指數(shù)只能粗略地描述長三角城市GTFP 整體空間集聚情況，而要研究其內(nèi)部城市GTFP空間躍遷情形需要使用局部Moran散點圖進行分析。本文按照《長江三角洲地區(qū)區(qū)域規(guī)劃》和《長江三角洲城市群發(fā)展規(guī)劃》頒布的日期選擇4個時期點，即2003年、2010年、2016年和2019年，從而進行長三角城市GTFP 空間躍遷的分析，見表5所列。

由表5 可見，GTFP 高值集聚區(qū)城市主要為長三角城市群或者蘇浙滬所屬城市，而低值集聚區(qū)城市則主要為非長三角城市群地區(qū)或者安徽所屬城市，這與上文測度結(jié)果分析相吻合。但本文更加關(guān)心的是低高集聚區(qū)和高低集聚區(qū)的變化，即高GTFP 的城市是否可以通過其時空溢出效應(yīng)逐漸幫助低值城市躍升到高值區(qū)，而低GTFP 的城市是否會通過其時空溢出效應(yīng)逐漸將高值城市拉入到低值區(qū)。顯然，表5 的結(jié)果證實了上述觀點。2003 年低高集聚區(qū)的4 個城市為南京、常州、衢州和麗水，這4 個城市都因周圍城市屬于GTFP 高值地區(qū)，受到其正向時空溢出效應(yīng)，2019年全部躍升至GTFP 高值地區(qū)。同時，2003 年高低集聚區(qū)的6 個城市為安慶、滁州、宿州、六安、亳州和宣城，這6 個城市中有5 個都因為周圍城市屬于GTFP 低值地區(qū)，受到其負向時空溢出效應(yīng)，2019年跌入GTFP低值地區(qū)。因此，從中可以看出長三角城市GTFP在樣本期間出現(xiàn)了“近朱者赤，近墨者黑”的情形。這也表明長三角的一體化不僅體現(xiàn)在全部長三角地區(qū)41 個城市，更體現(xiàn)在其內(nèi)部各個小的都市圈，如南京都市圈和蘇錫常都市圈等。畢竟，這些所含城市個數(shù)較小的都市圈，彼此空間距離更加相近，因此，其內(nèi)部城市之間的相互影響更大。

六、長三角城市GTFP時空收斂分析

長三角地區(qū)被認為是中國經(jīng)濟最發(fā)達的區(qū)域之一，但其內(nèi)部差距亦是巨大的。2019 年長三角城市群平均GDP 總量約是非長三角城市群地區(qū)的3 倍，平均GTFP 水平約是非長三角城市群地區(qū)的1.5 倍（8）。因此，本文不僅關(guān)注長三角整體地區(qū)GTFP 的收斂，還要分析長三角城市群和非長三角城市群地區(qū)的GTFP 收斂，再進一步研究經(jīng)濟高質(zhì)量發(fā)展水平較高的長三角城市群是否可以促進長三角整體地區(qū)和非長三角城市群地區(qū)收斂，為區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略提供實證支撐。同時，長三角一體化發(fā)展戰(zhàn)略并不是一蹴而就的，其中有中國在不同時間段對長三角一體化發(fā)展的戰(zhàn)略部署。因此，本文參照《長江三角洲地區(qū)區(qū)域規(guī)劃》和《長江三角洲城市群發(fā)展規(guī)劃》頒布日期，將樣本期間劃分為 3 個階段，即 2003—2010 年、2011—2016 年和2017—2019 年，從而更加精細化地研究長三角城市GTFP在不同時期的收斂特征。

（一）分地區(qū)一般嵌套空間β收斂

表6 報告了一般嵌套空間絕對β 收斂模型在研究長三角整體地區(qū)、長三角城市群和非長三角城市群地區(qū)的GTFP 絕對β 收斂情況的結(jié)果。由表6可知，長三角整體地區(qū)、長三角城市群和非長三角城市群地區(qū)的GTFP 直接效應(yīng)均在1%的置信水平下顯著為負，說明長三角整體地區(qū)、長三角城市群和非長三角城市群地區(qū)的GTFP 低值地區(qū)在不斷向高值地區(qū)收斂，區(qū)域協(xié)調(diào)發(fā)展特征明顯。從分地區(qū)的收斂速度看，長三角城市群最高，非長三角城市群地區(qū)最低，半生命周期則為相反情況?？赡艿脑蚴情L三角城市群自身經(jīng)濟基礎(chǔ)較好，并且有國家相關(guān)政策的幫持，所以收斂速度較快。與此同時，長三角整體地區(qū)和長三角城市群的GTFP 間接效應(yīng)顯著為正，說明擁有較高的GTFP 長三角城市能夠促進周圍城市GTFP 的收斂，長三角城市群內(nèi)部這種情況則更加明顯。而正如上文所述，擁有較高的GTFP 長三角城市主要集中在長三角城市群，因此，長三角城市群既可以促進自身內(nèi)部GTFP 的收斂，又可以促進長三角整體地區(qū)和非長三角城市群地區(qū)GTFP 的收斂。這可能是因為長三角城市群主要由上海、蘇州和杭州等中國大型城市構(gòu)成，擁有強大的經(jīng)濟、科技和人才基礎(chǔ)，在長三角一體化背景下，隨著生產(chǎn)要素的空間流動，這些大型城市向周邊地區(qū)進行技術(shù)和知識等的時空溢出，進而加速周邊城市GTFP的收斂。

表6 長三角分地區(qū)GTFP絕對β收斂

續(xù)表6

表7 報告了一般嵌套空間條件β 收斂的估計結(jié)果。表7 結(jié)果與表6 條件收斂結(jié)果相比，長三角整體地區(qū)、長三角城市群和非長三角城市群地區(qū)的GTFP 收斂速度均有所提高，但間接效應(yīng)不顯著。這可能是因為長三角地區(qū)各個城市的經(jīng)濟情況和政策環(huán)境等有所不同，城市之間的生產(chǎn)要素和GTFP 時空溢出效應(yīng)會因此被阻礙，導(dǎo)致結(jié)果不顯著。

表7 長三角分地區(qū)GTFP條件β收斂

（二）分時段一般嵌套空間β收斂

表8為2003—2019年長三角城市GTFP分時段一般嵌套空間絕對β收斂結(jié)果。由表8可知，2003—2019 年長三角城市GTFP 收斂速度從0.131 2 到0.113 1 再到0.657 3，收斂速度經(jīng)歷了從減慢到加速上升的情形。特別是2016 年《長江三角洲城市群發(fā)展規(guī)劃》頒發(fā)后，長三角城市GTFP 收斂速度明顯加快，約是2003—2010年的5倍、2011—2016年的6 倍，表明長三角城市群在長三角整體地區(qū)經(jīng)濟發(fā)展處于核心地位，在《長江三角洲城市群發(fā)展規(guī)劃》的有力指引下，其能夠有效地輻射整個長三角地區(qū)，加速長三角城市GTFP 收斂，這與上文分地區(qū)的長三角城市群GTFP 收斂結(jié)果相互印證。

表8 長三角地區(qū)分時段GTFP絕對β收斂

表9 為長三角城市GTFP 分時段一般嵌套空間條件β 收斂結(jié)果。表9 結(jié)果與表8 結(jié)果相似，在樣本期間的三個階段中，2016 年之后的GTFP 收斂速度最快。同時表9 表明，在考慮各個城市不同經(jīng)濟發(fā)展情況下，長三角城市GTFP分時段收斂為各自穩(wěn)態(tài)的速度有所加快。這可能是因為長三角城市之間經(jīng)濟發(fā)展質(zhì)量水平亦有差距，因此長三角城市GTFP 收斂至自身的穩(wěn)態(tài)速度較快，而收斂到整體統(tǒng)一的穩(wěn)態(tài)速度則較慢。

表9 長三角地區(qū)分時段GTFP條件β收斂

七、結(jié)論與建議

首先，使用嵌入綠色GDP 核算的HM-GTWR模型，測度考慮要素時空溢出效應(yīng)的2003—2019年長三角地區(qū)41個城市的GTFP，并以此衡量一體化背景下長三角城市經(jīng)濟高質(zhì)量發(fā)展水平；其次，運用非參數(shù)核密度估計與探索性空間數(shù)據(jù)分析研究長三角城市GTFP時空演變特征；最后，使用一般嵌套空間收斂模型分析長三角城市GTFP在內(nèi)部不同區(qū)域和不同時期的時空收斂情況。主要得出以下結(jié)論：

第一，嵌入綠色GDP 核算的HM-GTWR 模型測度長三角城市GTFP最優(yōu)空間帶寬為41、最優(yōu)時間帶寬為17，完整納入所有樣本點，且各項統(tǒng)計性質(zhì)均良好，估計的資本報酬和勞動報酬參數(shù)符合經(jīng)濟理論。因此，此模型能夠精確地捕捉要素時空溢出效應(yīng)，測度考慮要素時空溢出效應(yīng)的長三角城市GTFP，以其衡量一體化背景下長三角城市經(jīng)濟高質(zhì)量發(fā)展水平。同時，其測度結(jié)果比未考慮要素時空溢出效應(yīng)的傳統(tǒng)CD生產(chǎn)函數(shù)模型測度結(jié)果平均高0.128，說明一體化背景下的要素時空溢出效應(yīng)對長三角城市GTFP有正向推動作用。

第二，長三角整體地區(qū)的GTFP 在樣本期間分布形態(tài)良好，趨向于高斯分布，未出現(xiàn)兩極分化和區(qū)域內(nèi)部差距較大的情形；長三角城市群GTFP 分布形態(tài)呈左偏分布，高值城市數(shù)量較多，且區(qū)域內(nèi)部差距波動縮小，未出現(xiàn)明顯兩極分化情形；非長三角城市群地區(qū)GTFP 分布形態(tài)呈右偏分布，區(qū)域內(nèi)部差距也同樣波動縮小，但在樣本期間出現(xiàn)兩極分化情形。

第三，長三角城市GTFP 在樣本期間出現(xiàn)“近朱者赤，近墨者黑”的情形。即被GTFP 高值城市包圍的低值城市極易躍升至高值城市集聚區(qū)，被GTFP低值城市包圍的高值城市易跌入低值城市集聚區(qū)，說明長三角地區(qū)鄰近城市之間要素聯(lián)系密切，時空溢出效應(yīng)突出。

第四，長三角整體地區(qū)GTFP、長三角城市群GTFP 和非長三角城市群地區(qū)GTFP 都存在顯著的絕對β收斂和條件β收斂。同時，長三角城市群收斂速度最快，并且會促進非長三角城市群地區(qū)和長三角整體地區(qū)GTFP絕對β收斂。在2016年《長三角城市群發(fā)展規(guī)劃》實施后，長三角城市GTFP 在長三角城市群帶動下，收斂速度明顯加快。

基于上述結(jié)論，提出如下建議：

第一，在測度省、市和縣等具有明顯區(qū)位特征的GTFP 時，應(yīng)充分考慮區(qū)域之間要素時空溢出效應(yīng)，使用嵌入綠色GDP 核算的HM-GTWR 模型測度相關(guān)GTFP值，并進行多層級、全方位的分析。

第二，積極促進生產(chǎn)要素自由流動，提高長三角區(qū)域一體化程度。首先，消除長三角城市之間人才流動壁壘，打破傳統(tǒng)戶籍制度限制，開展職業(yè)資格證書互認，社保體系納入統(tǒng)一管理系統(tǒng)，以推動勞動要素自由流動；其次，長三角不同區(qū)域應(yīng)明確產(chǎn)業(yè)分工，形成以上海為制造業(yè)科技中心、蘇錫常為制造業(yè)生產(chǎn)中心、杭州為制造業(yè)數(shù)字中心等多層級產(chǎn)業(yè)結(jié)構(gòu)，推動傳統(tǒng)產(chǎn)業(yè)向非長三角城市群地區(qū)轉(zhuǎn)移，優(yōu)化資本要素流動方式；最后，交通基礎(chǔ)設(shè)施是要素流動的物質(zhì)基礎(chǔ)，因此，長三角地區(qū)要繼續(xù)推動北沿江高鐵等建設(shè)，促進陸?？杖采w的長三角地區(qū)交通運輸高質(zhì)量一體化發(fā)展，最終通過城市之間的要素時空溢出效應(yīng)推動長三角城市經(jīng)濟高質(zhì)量發(fā)展。

第三，踐行綠色與發(fā)展并行理念，加速一體化和經(jīng)濟高質(zhì)量發(fā)展相互融合。長三角地區(qū)在大力發(fā)展經(jīng)濟的同時，更要注意環(huán)境保護和資源節(jié)約。依靠上海和合肥兩個國家科創(chuàng)中心，大力發(fā)展綠色技術(shù)和“卡脖子”科技，改善經(jīng)濟增長方式，將經(jīng)濟增長方式從“量變”轉(zhuǎn)為“質(zhì)變”。同時，要堅持一體化與經(jīng)濟高質(zhì)量發(fā)展相互融合的思維，以一體化舉措推動長三角城市經(jīng)濟高質(zhì)量發(fā)展，一體化思想統(tǒng)領(lǐng)長三角地區(qū)全局發(fā)展戰(zhàn)略，促進經(jīng)濟高質(zhì)量發(fā)展助力長三角一體化格局，補齊一體化下長三角各城市短板。培養(yǎng)一批像上海市青浦區(qū)、蘇州市吳江區(qū)和嘉興市嘉善縣等將一體化與經(jīng)濟高質(zhì)量發(fā)展相互融合的長三角生態(tài)綠色一體化發(fā)展示范區(qū)。

第四，關(guān)注長三角地區(qū)內(nèi)部差距，發(fā)揮長三角城市群和蘇浙滬地區(qū)輻射帶動效應(yīng)。長三角城市群應(yīng)主動與非長三角城市群地區(qū)進行經(jīng)濟互動和技術(shù)共享，最大限度地輻射帶動長三角非核心區(qū)域，使經(jīng)濟高質(zhì)量發(fā)展水平較低的城市追趕上較高城市，形成收斂。同時，蘇浙滬地區(qū)要深入貫徹《滬蘇浙城市結(jié)對合作幫扶皖北城市實施方案》，通過城市之間人才交流和產(chǎn)業(yè)互動等輻射皖北地區(qū)，推動安徽經(jīng)濟高質(zhì)量發(fā)展。江蘇要繼續(xù)實施蘇南幫扶蘇北方案，縮小內(nèi)部經(jīng)濟高質(zhì)量發(fā)展差距?？傊?，長三角地區(qū)應(yīng)以長三角一體化發(fā)展戰(zhàn)略為基點，同時在區(qū)域內(nèi)實施各具特色的城市間互助措施，進而推動經(jīng)濟高質(zhì)量發(fā)展，亦為區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略樹立“樣板區(qū)”。

注 釋：

（1）數(shù)據(jù)來源于2019 年《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》。

（2）數(shù)據(jù)為作者根據(jù)《中國能源統(tǒng)計年鑒》和《2019中國生態(tài)環(huán)境狀況公報》自行整理而得。其中，能源消耗包括煤、石油和天然氣等消耗；六項污染物為PM2.5、PM10、O3、SO2、N02和CO。

（3）本文所指要素流動既包括一年及一年以上的長期要素流動，如農(nóng)民工外出務(wù)工和長期資本流動等；也包括一年以內(nèi)的短期要素流動，如短期公務(wù)出差和跨區(qū)交流等。因此，囿于數(shù)據(jù)的可得性和對經(jīng)典索洛余值法的承襲，本文并未定量化具體要素流動量，而是通過捕捉要素的時空溢出效應(yīng)來反映要素流動。

（4）本文中時空溢出效應(yīng)是指全息映射時空地理加權(quán)回歸模型和空間計量模型在時空權(quán)重矩陣下的空間溢出效應(yīng)。其與傳統(tǒng)空間溢出效應(yīng)不同，時空溢出效應(yīng)不僅考慮在同一時期的不同個體之間空間溢出效應(yīng)，也考慮不同個體之間在不同時期空間溢出效應(yīng)的傳導(dǎo)，這是面板數(shù)據(jù)相對于截面數(shù)據(jù)在時間維度對空間溢出效應(yīng)的延伸。

（5）本文所指時空收斂是指空間計量收斂模型運用時空權(quán)重矩陣測度出的收斂，與運用空間權(quán)重矩陣測度出的空間收斂不同，時空收斂使用時空權(quán)重矩陣，考慮空間溢出效應(yīng)在時間路徑上的傳導(dǎo)。

（6）本文所述非長三角城市群地區(qū)如無特殊說明，均為長三角地區(qū)的15 個非長三角城市群城市，包括徐州、連云港、淮安、宿遷、溫州、衢州、麗水、蚌埠、淮南、淮北、黃山、阜陽、宿州、六安和亳州。

（7）直接映射是指樣本點對分析點的直接時空溢出，比如，徐州的要素直接流動到上海，徐州對上海產(chǎn)生直接時空溢出效應(yīng)；間接映射是指樣本點對分析點的間接時空溢出，比如，徐州的要素流動到蘇州，而蘇州與上海之間要素聯(lián)系緊密，因此，徐州的要素可以通過蘇州對上海產(chǎn)生間接時空溢出效應(yīng)。

（8）所述數(shù)據(jù)為作者根據(jù)國研網(wǎng)數(shù)據(jù)庫和本文GTFP測度結(jié)果自行整理而得。