经济集聚与经济增长的空间计量分析(2)

省县域经济集聚与经济增长的关系进行实证检验。
　　
　　二、江苏省县域经济活动的空间相关性
　　
　　首先，画出江苏省2007年县域人均GDP的空间分布四分图(图1)。按照人均GDP的大小，65个县域被平均分为4组，以颜色的深浅代表相应县域的人均GDP的大小。由图1可见，江苏省县域层次的经济活动在地理分布上是极不均衡的，呈现出苏南一苏中一苏北梯度递减模式。并且邻近区域的经济指标水平基本相近，具有明显的集聚特征。
　　
　　接着，通过计算县域人均GDP的Morans I指数对其空间相关性进行检验。Moran's I是最常用的检验空间自相关性的统计指标。利用GeoDa 0.9.5软件，得出Moran's I=0.7445，在0.1％的概率上显著，表明江苏省县域经济的分布的确存在明显的空间相关性。
　　进一步，作出江苏省2007年县域人均GDP空间自相关聚类图(图2)，图中Higll High部分表示人均GDP高的地区被人均GDP高的地区所包围，Low-Low部分表示人均GDP低的地区被人均GDP低的地区所包围。这种分布显示出江苏省县域经济之间存在着正的空间自相关性，形成了某种空间“俱乐部”现象。人均GDP水平较高的县域(H-H地区)集中分布在苏南地区，而人均GDP水平较低的县域(L-L地区)则分布在苏北地区，地区之间经济增长差异显著。
　　由此可见，我们观测到的截面区域之间在地理上是一些明显具有空间依赖性的经济实体，误差项独立的假设在统计上被拒绝了，也就是说，OLS估计的结果是不可信的。因此，这里将地理空间维度引入研究中来，采用空间计量经济学模型来估计经济集聚对经济增长的影响是十分有必要的。
　　
　　三、变量选取、数据来源与模型设定
　　
　　(一)变量选取与数据来源
　　本文关心的问题是经济集聚是否会促进经济增长，因此，在进行实证检验时，需要对经济增长和经济集聚分别进行度量。本文选取人均GDP的自然对数来衡量县域经济的增长。由于各地区在人口和面积方面相差很大，因此选取人均GDP为测度指标来衡量地区经济发展差异，具有一定的客观性。关于经济集聚，本文选取第二产业区位熵、第三产业区位熵和城市化三个指标来衡量经济集聚的程度。i地区i产业的区位熵定义如下：其中：Eij表示j地区i产业的产值，∑iEij表示i产业在整个区域的总产值，∑jEij表示j地区的总产值，∑i∑jEij表示整个区域的总产值。因此，该指标的分子是j地区的i产业占整个区域该产业总产值的份额，分母是j地区的总产值占整个区域总产值的份额，通过两者的比来评价i产业在j地区的集聚程度。区位熵小于1说明该产业的集聚化水平比较低，区位熵等于或大于1说明该产业的集聚化水平较高。区位熵越大，说明该地区的这一产业在整个区域范围内的集聚程度越高。
　　本文中令i=1，2，3，分别表示三次产业；j=1，2，…，65，分别表示江苏省65个县域。因此，LQ1、LQ2和LQ3(这里省略了下标)分别表示江苏省每个县域第一、二、三产业的区位熵，度量了三次产业在该地区的集聚程度。由于经济的集聚主要体现在第二产业和第三产业，所以选择第二产业区位熵和第三产业区位熵作为衡量经济集聚程度的两个解释变量。
　　
　　此外，城市的出现也是经济集聚的一种表现。经济学家长久以来一直强调城市在经济增长中的作用，更准确地讲，城市己被看成一种主要的社会制度。城市化是一个国家、地区社会经济发展尺度的体现，城市化不但表现为人口向城镇聚集和非农人口上升，还表现为人们生产与生活方式、社会结构、价值观念由农村向城市文明升级转化的过程。因此，本文希望就城市化与经济增长之间的关系进行实证检验，这里用非乡村人口在总人口中的比重来衡量各地区城市化的程度。本文采用2007年江苏省65个县级行政区域的横截面数据，所有统计资料均来自《江苏统计年鉴(2008)》。
　　(二)模型设定
　　1　经典线性回归模型
　　基于以上考虑，本文首先构建经典线性回归模型如下：
　　lnPGDP=β0+β1LQ2β2LQ3+β3URBAN+ε　(1)
　　其中，PGDP表示县域人均GDP水平，是本文的被解释变量，LQ2和LQ3分别表示第二产业和第三产业区位熵指标，URBAⅣ是城市化指标，三者用来表示经济集聚，是本文关心的解释变量。
　　2　空间计量经济模型
　　针对经典线性回归模型(1)，可以通过两种不同方式引入空间依赖性。相应地，空间计量模型有两种设定形式：
　　第一，空间滞后模型(SLM)，在解释变量中增加一个空间滞后变量，模型的形式为：
　　InPGDP=β0+ρW_PGDP+β1LQ2+P2LQ3+β3URBAN+ε　(2)其中：W是空间权重矩阵；W_PGDP是空间滞后变量，定义为W_PGDG=WlnPGDP；P是空间自回归系数；ε是误差项；其他变量的含义与原来相同。
　　第二，空间误差模型(SEM)，通过误差项引入空间相关性，即假设误差项是空间相关的。如果误差项是一个空间自回归过程，则模型具体形式如下：
　　lnPGDP=β0+β1LQ2+β2LQ3+β3URBAN+ε，ε=AWε+u　(3)其中：λ是空间误差自回归系数，Wε是空间滞后误差项。
　　3　空间计量模型的选择
　　Anselin(2005)提出，可以根据拉格朗日乘子LM-Iag和LM-Error，以及相应的稳健性拉格朗日乘子Robust LM-Lag和Robust LM-Error，在两种空间计量模型之间进行选择。首先判断LM-Lag和LM-Error的显著性，如果两者中只有一个是显著的，那么就选择相对应的模型，即如果LM-Lag显著就用空间滞后模型，LM-Error显著就用空间误差模型。如果两者都显著，则需进一步比较Robust LM-Lag和Robust LM-Error的显著性，选择Robust指标中更显著的那一种模型。是选择空间滞后模型还是空间误差模型，下文中根据判别指标的具体情况而定。 (责任编辑：nylw.net)转贴于八度论文发表网: http://www.8dulw.com(论文网__代写代发论文_论文发表_毕业论文_免费论文范文网_论文格式_广东论文网_广州论文网)