魏建國 胡紹波 郭 晨

(1.武漢理工大學(xué) 經(jīng)濟(jì)學(xué)院， 湖北 武漢 430070；2.華中科技大學(xué) 經(jīng)濟(jì)學(xué)院， 湖北 武漢 430074)

收入收斂、技術(shù)收斂與區(qū)域發(fā)展差異
——基于中國地級市的空間計(jì)量分析

魏建國1胡紹波1郭 晨2

(1.武漢理工大學(xué)經(jīng)濟(jì)學(xué)院，湖北武漢430070；2.華中科技大學(xué)經(jīng)濟(jì)學(xué)院，湖北武漢430074)

本文使用了中國地級市的數(shù)據(jù)，通過對比收入收斂和技術(shù)收斂兩類研究方法研究了中國區(qū)域發(fā)展差異問題，發(fā)現(xiàn)：(1)單純地把各個(gè)地理單元視作封閉的經(jīng)濟(jì)體，不考慮各個(gè)經(jīng)濟(jì)體之間的經(jīng)濟(jì)、地理的關(guān)聯(lián)性，將會低估區(qū)域經(jīng)濟(jì)的收斂性，忽視了區(qū)域間的相互影響，而做出錯(cuò)誤的判斷；(2)在全國范圍內(nèi)存在顯著的收斂趨勢，而且收入收斂速度慢于技術(shù)收斂速度，區(qū)域發(fā)展差異的主要來源是來自技術(shù)差異；(3)分東、中、西部及城市群樣本回歸發(fā)現(xiàn)，區(qū)域間發(fā)展差異較大，總體來說東部地區(qū)發(fā)展比中西部地區(qū)經(jīng)濟(jì)發(fā)展更具有平衡性。因此，制定區(qū)域協(xié)調(diào)發(fā)展政策要注重對落后地區(qū)實(shí)行技術(shù)激勵(lì)導(dǎo)向型的政策。

收入收斂; 技術(shù)收斂; 區(qū)域發(fā)展差異; 空間計(jì)量

一、問題提出和文獻(xiàn)綜述

(一)問題提出

區(qū)域發(fā)展不平衡、差距不斷拉大是中國目前發(fā)展面臨的一個(gè)重要問題。中國是世界上最大的發(fā)展中國家，雖然在改革開放以來的30余年里保持了近10%的平均增長率，人均收入水平從1978年的381元增長到了2015年的49351元。然而，從經(jīng)濟(jì)總體數(shù)據(jù)深入到區(qū)域經(jīng)濟(jì)數(shù)據(jù)時(shí)，不同區(qū)域的省市之間的差距有放大的趨勢。中國國土面積廣袤，不同區(qū)域的發(fā)展情況各異，受到地理、稟賦、文化、政策等因素影響，區(qū)域經(jīng)濟(jì)發(fā)展存在比較明顯的分化。東部、中部和西部之間的分化現(xiàn)象比較嚴(yán)重，東部沿海地區(qū)經(jīng)濟(jì)發(fā)展水平較高，到2014年北京、天津、上海、江蘇、浙江、福建、廣東等省市人均GDP超過了61500元人民幣，而同期云南、貴州、西藏、甘肅的人均GDP卻仍然低于30000元人民幣，中國區(qū)域發(fā)展的差異可見一斑。

按照世界銀行標(biāo)準(zhǔn)，人均收入在1046-12735美元之間的國家為中等收入國家，其中人均收入在1046-4125美元之間的為中下等收入組(Lower middle income group)，而人均收入介于4125-12735美元之間的為中上收入組(Upper middle income group)。按此標(biāo)準(zhǔn)中國正處于中等收入國家中的中上組，也正處在跨越中等收入陷阱的關(guān)鍵時(shí)期。然而，從中國的現(xiàn)實(shí)來看，經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)正處在轉(zhuǎn)型期，供給側(cè)的改革需要繼續(xù)推行，城鄉(xiāng)二元結(jié)構(gòu)戶籍因素也在很大程度上束縛著勞動要素的自由移動，從區(qū)域發(fā)展來看，區(qū)域結(jié)構(gòu)性問題則更加突出，東部沿海地區(qū)發(fā)展水平已經(jīng)較高，而中西部地區(qū)并未對稱發(fā)展。如何促進(jìn)區(qū)域發(fā)展平衡化，促進(jìn)區(qū)域間資源優(yōu)化配置，促進(jìn)中西部地區(qū)收入提高，帶動中國跨越中等收入陷阱？這正是中國區(qū)域發(fā)展面臨的問題。

新古典經(jīng)濟(jì)增長理論的發(fā)展為研究國家間收入差異問題，尤其是發(fā)展中國家如何追趕發(fā)達(dá)國家，提供了很好的理論框架。在Solow-Swan模型中，勞均收入取決于兩個(gè)因素：一是資本積累，二是技術(shù)進(jìn)步。因循這樣的思路，收入收斂理論學(xué)者認(rèn)為區(qū)域收入收斂結(jié)果是資本深化和技術(shù)追趕的聯(lián)合結(jié)果①，然而在使用收入收斂討論發(fā)展中國家追趕問題時(shí)，由于不同國家資本積累的情況具有較大差異，這對于國家的收斂情況會產(chǎn)生較大的影響，因此“使用一個(gè)包含技術(shù)轉(zhuǎn)移的模型能夠更好地考慮區(qū)域收斂問題”②。

基于中國區(qū)域經(jīng)濟(jì)發(fā)展存在不平衡性，探究如何選取合適的方法更好地測度區(qū)域間發(fā)展的差異、如何判斷中國區(qū)域經(jīng)濟(jì)發(fā)展是否存在收斂性，進(jìn)而研究適合中國區(qū)域結(jié)構(gòu)平衡的發(fā)展政策，帶動中國順利跨越中等收入陷阱，這對解決中國目前面臨的困境尤為重要。

(二)文獻(xiàn)回顧

在過去的三十年里，區(qū)域經(jīng)濟(jì)發(fā)展差異問題受到了發(fā)展經(jīng)濟(jì)學(xué)家的廣泛關(guān)注。從全球發(fā)展中國家和發(fā)達(dá)國家收入差距的視角研究全球收入差距問題，到具體對國家的區(qū)域、省市之間的增長差異的研究，對全球人類經(jīng)濟(jì)發(fā)展尤其是發(fā)展中國家發(fā)展問題以及發(fā)展中國家區(qū)域平衡發(fā)展問題提供了大量的理論支持和深刻思考。

戰(zhàn)后以美、英、法、聯(lián)邦德國、日本為代表的西方資本主義國家進(jìn)入了一個(gè)經(jīng)濟(jì)高速發(fā)展時(shí)期。這個(gè)長達(dá)20年的“黃金時(shí)代”使得西方發(fā)達(dá)國家與發(fā)展中國家的差距越來越大。20世紀(jì)七八十年代發(fā)達(dá)國家和發(fā)展中國家的不平衡發(fā)展問題，受到經(jīng)濟(jì)學(xué)家的關(guān)注。經(jīng)濟(jì)學(xué)家開始使用收斂理論解釋發(fā)達(dá)國家和發(fā)展中國家間的發(fā)展差異，研究發(fā)展中國家如何趕超發(fā)達(dá)國家的問題。

Abramovitz討論了戰(zhàn)后經(jīng)濟(jì)增長的原因，進(jìn)一步討論了快速經(jīng)濟(jì)增長為什么不會永久持續(xù)、什么樣的政策才能刺激停滯的經(jīng)濟(jì)重啟，他發(fā)現(xiàn)人均GDP和增長率負(fù)相關(guān)③。Baumol使用了Maddison 1870-1979年的跨國數(shù)據(jù)研究了人均GDP、勞動生產(chǎn)率的區(qū)域收斂問題，并對美國勞動生產(chǎn)率的停滯表示擔(dān)憂④。雖然多數(shù)研究者從收入角度(包括勞動生產(chǎn)率和人均GDP)分析區(qū)域收斂問題，但也有學(xué)者認(rèn)為收入收斂受資本深化和技術(shù)追趕聯(lián)合效應(yīng)的影響，因此從技術(shù)收斂的角度探討區(qū)域經(jīng)濟(jì)差異的深層原因。

Dowrick and Nguyen認(rèn)為即使在一定時(shí)期內(nèi)存在系統(tǒng)的收斂趨勢，仍然有必要去研究落后國家的高速增長到底是因?yàn)樗麄兘?jīng)歷了更快的資本深化過程還是更多的勞動參與的增加⑤。因此Bernard and Jones認(rèn)為“雖然TFP在一定程度上暗含了收入水平的收斂趨勢，但是如果要素集中度的增長與收入具有某種系統(tǒng)性的關(guān)聯(lián)，那么收入收斂這種收斂趨勢可能會被夸大或者被掩蓋”⑥。勞動生產(chǎn)率的變化包含了技術(shù)的變化和要素積累的變化，勞動生產(chǎn)率的收斂分析并不能夠識別技術(shù)和資本各自對勞動生產(chǎn)率收斂的影響。彭國華分析了中國收入收斂和全要素生產(chǎn)率收斂的差異，認(rèn)為兩者具有很大的相似性，且全要素生產(chǎn)率收斂速度大于收入收斂速度⑦。Burda對傳統(tǒng)TFP增長率核算方法持質(zhì)疑態(tài)度，他認(rèn)為當(dāng)TFP中存在生產(chǎn)性資本存量的時(shí)候，這會對收斂核算產(chǎn)生錯(cuò)誤估計(jì)，他使用TFP收斂法分析了東德和西德合并后生產(chǎn)率差異，發(fā)現(xiàn)東德生產(chǎn)率滯后的原因是東德資本積累速度過快⑧。Dolores使用了2003-2014年數(shù)據(jù)研究了金融危機(jī)對歐元區(qū)TFP的β收斂的影響，并發(fā)現(xiàn)R&D強(qiáng)度和政府管理能夠有效促進(jìn)TFP增長進(jìn)而促進(jìn)區(qū)域經(jīng)濟(jì)收斂⑨。

有關(guān)于區(qū)域經(jīng)濟(jì)收斂的研究也開始向空間計(jì)量方向發(fā)展。Rey and Montouri使用美國1929-1994年州數(shù)據(jù)，發(fā)現(xiàn)美國州際之間存在很強(qiáng)的全局空間自相關(guān)和局部空間自相關(guān)，認(rèn)為如果使用Baumol的設(shè)定會導(dǎo)致空間相關(guān)性的遺漏而導(dǎo)致模型誤設(shè)而有偏⑩。在Rey的開拓性研究基礎(chǔ)上，越來越多的學(xué)者將空間方法納入到收斂分析中。如Gong等使用了空間分析方法，研究了中國珠三角地區(qū)10個(gè)房地產(chǎn)市場的經(jīng)濟(jì)收斂和發(fā)展模式。孫向偉等研究了中國五大區(qū)域的空間收斂特征，發(fā)現(xiàn)分區(qū)域都存在收斂特征，并且收斂效應(yīng)存在東中西遞減的趨勢。

總體來看，有關(guān)區(qū)域經(jīng)濟(jì)收斂的研究，經(jīng)歷了從新古典經(jīng)濟(jì)增長到新經(jīng)濟(jì)增長理論的演進(jìn)，期間也包含了有關(guān)收入收斂和全要生產(chǎn)率收斂的討論，但文獻(xiàn)多從收入方面探討區(qū)域收斂問題，從全要素生產(chǎn)率角度研究的文獻(xiàn)很少。但少有學(xué)者從全要素生產(chǎn)率收斂的角度或是更細(xì)化到從中國地級市的角度分析中國區(qū)域經(jīng)濟(jì)發(fā)展的差異。

本文主要的貢獻(xiàn)在于：區(qū)別了收入收斂和技術(shù)收斂的概念差異，從區(qū)域空間關(guān)聯(lián)的角度，使用空間計(jì)量分析方法考察了中國242個(gè)地級市的收入收斂和技術(shù)收斂特征，并通過區(qū)域收入和技術(shù)差異的實(shí)證研究，探索中國區(qū)域發(fā)展不平衡性的深層原因，為中國區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展提供政策參考。

二、理論模型設(shè)定和變量選取

(一)計(jì)量模型設(shè)定

1.傳統(tǒng)β絕對收斂模型

Baumol and Wolff的截面回歸方程是最早實(shí)證檢驗(yàn)收斂性的方法，其核心方法是一個(gè)簡單的回歸方程：

(1)

其中自變量和因變量分別表示初始人均收入水平和人均收入的增長率。

Barro and Sala-i-Martin在Baumol的截面回歸方程上進(jìn)一步拓展，提出了“巴羅回歸技術(shù)”：

(2)

巴羅回歸技術(shù)方法雖然為β收斂研究提供了直觀和便利的途徑，但是由于模型并未考慮空間相關(guān)性，導(dǎo)致基于此模型估計(jì)的參數(shù)存在偏誤。Lesage and Pace認(rèn)為，來自區(qū)域空間的數(shù)據(jù)往往存在空間相關(guān)性，在絕對收斂的分析框架下，其他與初始生產(chǎn)率相關(guān)的變量并未納入到模型中，而這些遺漏的變量可能對于區(qū)域間的收斂產(chǎn)生影響。考察區(qū)域收斂問題時(shí)使用簡單的線性模型可能會導(dǎo)致估計(jì)結(jié)果的有偏估計(jì)。

2.引入空間計(jì)量的β收斂模型

鑒于傳統(tǒng)β收斂模型未考慮區(qū)域間的空間效應(yīng)，并且參數(shù)估計(jì)可能存在偏誤，因此本文進(jìn)一步考慮基于空間計(jì)量的收斂模型。空間計(jì)量模型按模型方程形式可以分為：空間滯后模型(SAR)，空間誤差模型(SEM)和空間杜賓模型(SDM)，本文從最簡單的巴羅回歸技術(shù)方法出發(fā)，逐步構(gòu)建三類空間計(jì)量模型。

使用TFPkt表示在t時(shí)刻k地區(qū)的全要素生產(chǎn)率，其中k=1，…，K，t=t0，…，tz。使用growthk表示地區(qū)k在t0到tz期間的全要素生產(chǎn)率的平均增長率，其計(jì)算公式為：

(3)

使用initialk=ln(TFPkt0)表示地區(qū)k初始年份的全要素生產(chǎn)率水平。傳統(tǒng)的β收斂回歸模型如下：

growthk=α+βinitialk+μk，k=1，…，K

(4)

空間滯后模型。空間滯后模型是在式(4)中引入了被解釋變量的空間滯后項(xiàng)，即在回歸模型中施加了鄰接區(qū)域?qū)Ρ镜厝卦鲩L率的影響，模型如下：

(5)

空間誤差模型?？臻g誤差模型在(4)式中加入了誤差項(xiàng)的空間依賴關(guān)系，因此在該模型中，區(qū)域的空間關(guān)系體現(xiàn)在誤差項(xiàng)中，度量了臨界區(qū)域的被解釋變量的誤差沖擊對本區(qū)域觀測值的影響，模型如下：

growthk=α+βinitialk+μk，k=1，…，K

(6)

空間杜賓模型?？臻g杜賓模型是空間滯后模型的進(jìn)一步拓展，在模型中加入了解釋變量的空間依賴關(guān)系，綜合考慮全要素生產(chǎn)率的增長率同時(shí)受自變量和因變量的空間影響，其模型如下：

(7)

(二)變量選取

本文所有數(shù)據(jù)來源于《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、《中國城市統(tǒng)計(jì)年鑒》，數(shù)據(jù)指標(biāo)包括各個(gè)城市GDP、資本、勞動等。數(shù)據(jù)覆蓋了2000—2013年242個(gè)中國地級市14年的信息。

1.城市GDP

城市的GDP數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》，統(tǒng)計(jì)年鑒提供的GDP數(shù)據(jù)是各個(gè)城市的名義數(shù)據(jù)，由于沒有各個(gè)城市的年度平減指數(shù)，我們采用各個(gè)城市所在省份的當(dāng)年平減指數(shù)作為該城市當(dāng)年的平減指數(shù)的替代，將各個(gè)城市每年GDP調(diào)整為以2000年為不變價(jià)格的GDP。

2.資本存量

3.勞動投入

由于勞動力數(shù)據(jù)在2003年前和之后的統(tǒng)計(jì)口徑不一致，這里需要統(tǒng)一口徑，前者數(shù)據(jù)為全社會口徑，后者數(shù)據(jù)是城鎮(zhèn)就業(yè)人數(shù)不包含鄉(xiāng)村就業(yè)人員。為保持口徑一致并兼顧數(shù)據(jù)的可得性，我們使用城鎮(zhèn)就業(yè)人數(shù)作為勞動投入替代變量。

4.全要素生產(chǎn)率

利用城市GDP、資本存量和勞動投入，使用索羅余值法計(jì)算各個(gè)城市的全要素生產(chǎn)率。

5.空間權(quán)重矩陣

使用地理單元空間距離設(shè)定矩陣元素wij的方法為：

(8)

其中dij表示區(qū)域i和j之間的地理距離，這里選取一般引力矩陣的做法，認(rèn)為區(qū)域經(jīng)濟(jì)之間的影響按照距離的二次方衰減。

三、實(shí)證分析

(一)空間計(jì)量參數(shù)檢驗(yàn)

首先檢驗(yàn)地理單元的空間相關(guān)性，計(jì)算242個(gè)城市TFP增長率的Moran指數(shù)，得到總體Moran指數(shù)為0.139，對應(yīng)p值為1.065e-07，即樣本城市的總體Moran指數(shù)在1%的顯著性水平下顯著為正，表明樣本城市在考察期間表現(xiàn)出非常顯著的正向關(guān)聯(lián)，存在正向的空間相關(guān)關(guān)系，同樣觀察樣本城市TFP增長率的Moran散點(diǎn)圖(見圖1)，TFP增長率與其空間滯后項(xiàng)存在顯著的正向關(guān)系，因此利用空間計(jì)量方法考慮中國城市全要素生產(chǎn)率的收斂性是有必要的。

具體在回歸模型中，我們保留了OLS的非空間回歸模型，以對比分析加入空間模型后兩者的差異。計(jì)量回歸有空間滯后回歸模型(SAR)、空間誤差回歸模型(SEM)和空間杜賓模型(SDM)，這里采用拉格朗日乘子檢驗(yàn)(LMtest)檢驗(yàn)選擇何種空間計(jì)量模型，利用R語言軟件lm.LMtest函數(shù)，如果LMerr和LMlag檢驗(yàn)結(jié)果都顯著為零，則選擇OLS模型；LMerr和LMlag檢驗(yàn)結(jié)果顯著不為零，則選用SDM模型；LMerr和LMlag兩者只有一個(gè)顯著不為零，則選擇SEM或者SAR模型。本文使用了人均GDP和TFP數(shù)據(jù)分別做兩組回歸，兩組回歸的拉格朗日乘子檢驗(yàn)的結(jié)果如表1所示：

圖1 樣本城市的Moran散點(diǎn)圖

人均GDPTFP統(tǒng)計(jì)值P值統(tǒng)計(jì)值P值LMerr22.4732.132e-0683.1932.2e-16LMlag20.9044.829e-0626.0573.315e-07

表1的拉格朗日乘子檢驗(yàn)結(jié)果表明，LMerr和LMlag統(tǒng)計(jì)值均顯著異于零，那么宜選取SDM作為空間計(jì)量模型。

(二)基本回歸分析

表2統(tǒng)計(jì)了中國242個(gè)地級市區(qū)域經(jīng)濟(jì)收斂的回歸結(jié)果，第一部分使用人均GDP數(shù)據(jù)，第二部分使用TFP數(shù)據(jù)，此外，我們還分別在人均GDP和TFP兩組回歸中對比了非空間計(jì)量的OLS方法和使用空間計(jì)量的SDM方法。這樣，得到四組回歸結(jié)果。那么，我們感興趣的問題是：(1)使用空間計(jì)量模型測算中國城市級別的空間收斂結(jié)果與使用OLS的非空間方法有何不同？(2)區(qū)別于一般使用人均GDP(或勞動生產(chǎn)率)測算區(qū)域經(jīng)濟(jì)收斂性，使用全要素生產(chǎn)率測算區(qū)域經(jīng)濟(jì)收斂性又會有何不同？

從表2中，我們發(fā)現(xiàn)：(1)對比OLS回歸結(jié)果和SDM回歸結(jié)果，無論是使用人均GDP數(shù)據(jù)還是使用TFP數(shù)據(jù)，考慮了變量之間的空間相關(guān)性后，其收斂系數(shù)β的絕對值會更大。這也意味著，單純地把各個(gè)地理單元視作封閉的經(jīng)濟(jì)體，不考慮各個(gè)經(jīng)濟(jì)體之間的經(jīng)濟(jì)、地理的關(guān)聯(lián)性，將會低估區(qū)域經(jīng)濟(jì)的收斂性。因?yàn)楝F(xiàn)實(shí)中的區(qū)域經(jīng)濟(jì)是一個(gè)開放的系統(tǒng)，區(qū)域經(jīng)濟(jì)個(gè)體的發(fā)展會受到其他經(jīng)濟(jì)個(gè)體貿(mào)易以及物質(zhì)資本、人力資本的流動的正向影響，同時(shí)也會通過這些途徑促進(jìn)其他經(jīng)濟(jì)體發(fā)展。那么，不考慮空間效應(yīng)則忽視了區(qū)域間的相互影響，而做出錯(cuò)誤的判斷。(2)在人均GDP數(shù)據(jù)和TFP數(shù)據(jù)回歸中，無論是使用OLS回歸還是使用SDM回歸，使用TFP數(shù)據(jù)收斂速度比使用人均GDP數(shù)據(jù)收斂速度更快，達(dá)到穩(wěn)態(tài)值一半所需的時(shí)間會更短，這與彭國華所研究的結(jié)果類似。這一點(diǎn)從half-life值能夠得到更直觀的差異，人均GDP的分組中half-life值分別為101.7967、92.1713，而在TFP分組中half-life值分別是14.61888、11.9099，兩組分組的half-life值差別將近一個(gè)數(shù)量級。

總體來說，通過全國242個(gè)樣本城市的基準(zhǔn)回歸方程，我們得到了比較顯著和直觀的結(jié)果。對比OLS和SDM模型，考慮區(qū)域經(jīng)濟(jì)體的空間關(guān)聯(lián)，更接近區(qū)域經(jīng)濟(jì)的現(xiàn)實(shí)。對比人均GDP和TFP數(shù)據(jù)，兩者結(jié)果具有較大差異，也提醒我們政策參考和制定時(shí)應(yīng)對兩類數(shù)據(jù)謹(jǐn)慎選取。

人均GDP和TFP會受到商業(yè)周期波動的影響，有必要對消除了商業(yè)周期的收斂情況做進(jìn)一步分析。本文選取的時(shí)間窗口期為2000-2013年，為了保證每個(gè)時(shí)間段的時(shí)間長度盡量保持平衡，我們選擇了每隔4年劃分一個(gè)時(shí)間段，這樣就劃分了2000-2004年、2004-2008年、2008-2012年的三個(gè)時(shí)間段，分別以2000年、2004年和2008年作為初始年份，計(jì)算三個(gè)時(shí)期的經(jīng)濟(jì)收斂回歸方程。

表2 中國242個(gè)城市收斂方程回歸結(jié)果

注：“***”、“**”、“*”分別表示在1%、5%、10%的顯著性水平下顯著。

表3 中國242個(gè)城市分時(shí)間段收斂回歸結(jié)果

注：“***”、“**”、“*”分別表示在1%、5%、10%的顯著性水平下顯著。

表3使用了空間杜賓模型估計(jì)了中國242個(gè)城市的分三個(gè)時(shí)間段收斂回歸方程。首先，initial的系數(shù)β都顯著為負(fù)，表示各個(gè)時(shí)間段內(nèi)中國城市間存在顯著的趨同趨勢。其次，我們還發(fā)現(xiàn)，分時(shí)間段后使用人均GDP和使用TFP分別做回歸，算得收斂速度相對比較接近，如2000-2004年時(shí)間段使用人均GDP和TFP數(shù)據(jù)計(jì)算的收斂速度分別為0.115和0.115，2004-2008年時(shí)間段收斂速度分別為0.073和0.074，2008-2012年時(shí)間段收斂速度分別為0.026和0.033，雖然人均GDP的收斂速度仍然不大于TFP的收斂速度，但是在分段回歸下GDP與TFP收斂差顯著小于不分段回歸下GDP與TFP收斂差，尤其是在half-life值上，并沒有顯著的數(shù)量級上的差別。然后，三個(gè)時(shí)期的收斂速度從第一期到第三期呈逐期遞減，即隨著時(shí)間增加區(qū)域的收斂性是逐漸減弱的，這可能是因?yàn)殡S著各個(gè)區(qū)域經(jīng)濟(jì)水平逐漸提高，距離前沿技術(shù)城市的縮短或者生產(chǎn)函數(shù)的邊際效應(yīng)遞減導(dǎo)致后期的收斂性降低。

(三)進(jìn)一步回歸分析

雖然在基本回歸分析中在模型方法上對比了OLS和SDM模型，在數(shù)據(jù)上使用了人均GDP和TFP，但是基本回歸分析僅僅停留在中國整體層面來討論區(qū)域經(jīng)濟(jì)的收斂。受政策、地理、文化等多方面影響，中國區(qū)域經(jīng)濟(jì)結(jié)構(gòu)無論是地理上的東西南北還是時(shí)間上的先后，都存在很多值得關(guān)注的地方。本文使用了中國242個(gè)地級市的數(shù)據(jù)，大樣本的支持使得我們可以進(jìn)一步展開更加細(xì)化的研究。

首先，我們感興趣的問題是以東中西劃分中國區(qū)域的三類子樣本回歸分析。在表4中，顯示了東中西部三大區(qū)域空間杜賓模型回歸結(jié)果，每個(gè)區(qū)域同時(shí)使用了人均GDP數(shù)據(jù)和TFP數(shù)據(jù)，并且全部使用了空間杜賓模型估計(jì)參數(shù)。我們發(fā)現(xiàn)：(1)人均GDP估計(jì)的initial的系數(shù)絕對值仍然小于使用TFP數(shù)據(jù)估計(jì)的initial的系數(shù)；(2)東部區(qū)域和西部區(qū)域都表現(xiàn)出區(qū)域的收斂性，相比而言，東部區(qū)域的區(qū)域經(jīng)濟(jì)收斂性強(qiáng)于西部區(qū)域；(3)中部區(qū)域的回歸結(jié)果比較復(fù)雜，使用人均GDP數(shù)據(jù)回歸，initial的參數(shù)估計(jì)在5%的顯著性水平下顯著為正，表明中部區(qū)域城市間人均GDP數(shù)據(jù)具有發(fā)散性，使用TFP數(shù)據(jù)其估計(jì)值在1%的顯著性水平下顯著為負(fù)，表明中部區(qū)域城市間TFP具有收斂性。

由于一般對于中部地區(qū)的定義中包含了黑龍江、吉林兩省，單純從地理學(xué)意義上講，黑龍江和吉林歸于中部是不科學(xué)的，極有可能對空間計(jì)量回歸結(jié)果產(chǎn)生較大的影響。因此，我們將黑龍江和吉林兩省的城市從中部區(qū)域剔除后，人均GDP的β系數(shù)為-0.002878，而TFP的β系數(shù)是-0.061591，并且都通過1%顯著性水平檢驗(yàn)。表明根據(jù)實(shí)際地理空間修正樣本后，中部地區(qū)也是存在顯著的區(qū)域經(jīng)濟(jì)收斂性關(guān)系的。

表4 分中東西部SDM回歸結(jié)果

注：“***”、“**”、“*”分別表示在1%、5%、10%的顯著性水平下顯著。

由于數(shù)據(jù)精確到地級市層面，從而可以在東、中、西三個(gè)分類的基礎(chǔ)上做更細(xì)致的研究。在這里把城市按照城市群歸類，進(jìn)而分析城市群層面的區(qū)域經(jīng)濟(jì)收斂狀況。本文選取了中國五大城市群：長三角城市群、珠三角城市群、京津冀城市群、長江中游城市群和成渝城市群。在表5中，我們整理了分城市群的空間杜賓模型回歸結(jié)果。

表5 分城市群SDM回歸結(jié)果

注：“***”、“**”、“*”分別表示在1%、5%、10%的顯著性水平下顯著。

表5中的回歸結(jié)果使用了TFP數(shù)據(jù)，通過空間杜賓模型估計(jì)五個(gè)城市群的區(qū)域收斂情況。初步從回歸結(jié)果上來看，五個(gè)城市群的initial系數(shù)β均為負(fù)，并且長三角、珠三角、長江中游和成渝這四個(gè)城市群的β值都是顯著為負(fù)，到達(dá)其穩(wěn)態(tài)值的一半所需時(shí)間都小于20年，而京津冀城市群的系數(shù)不能通過顯著性檢驗(yàn)，到達(dá)其穩(wěn)態(tài)值的一半所需時(shí)間為25.62年。

為了進(jìn)一步分析京津冀區(qū)域全要素生產(chǎn)率區(qū)域結(jié)構(gòu)，我們在圖2中整理了京津冀區(qū)域各個(gè)城市的局部Moran指數(shù)。局部Moran指數(shù)是衡量一個(gè)城市和其臨近城市的空間集聚情況的指標(biāo)，正的局部Moran指數(shù)表示一個(gè)城市和其臨近城市具有正的空間集聚關(guān)系，反之，則表示一個(gè)城市與其鄰近城市具有負(fù)向關(guān)聯(lián)。

圖2 京津冀城市群區(qū)域城市局部Moran指數(shù)

圖2顯示，京津冀區(qū)域11個(gè)城市中，有超過一半的城市(天津、唐山、秦皇島、張家口、承德和滄州)局部Moran指數(shù)為負(fù)，而且天津市和秦皇島市的局部Moran指數(shù)表現(xiàn)出比較大的負(fù)相關(guān)，而北京和廊坊的局部Moran指數(shù)也不超過0.1。這表明京津冀地區(qū)的區(qū)域協(xié)同發(fā)展效應(yīng)不太顯著，北京、天津等大城市在資源集聚方面占據(jù)優(yōu)勢地位，而外圍城市的發(fā)展表現(xiàn)地并不與之平衡。

四、結(jié)論與政策建議

(一)結(jié)論

本文通過中國242個(gè)城市2000—2013年的人均GDP和TFP數(shù)據(jù)，使用空間計(jì)量模型討論了中國區(qū)域經(jīng)濟(jì)發(fā)展差異問題。在具體實(shí)證分析中，首先分析了全國層面的人均GDP和TFP收斂情況，其次分析了全國層面分時(shí)間段的收斂特征。由于我們使用了中國城市數(shù)據(jù)，使得我們的研究工作可以進(jìn)一步在省級以下展開，因此，我們繼續(xù)研究了中國東、中、西部地區(qū)的區(qū)域經(jīng)濟(jì)發(fā)展差異特征，然后利用中國五大城市群數(shù)據(jù)，分析探討城市群內(nèi)部的空間集聚和區(qū)域協(xié)調(diào)發(fā)展特征。

通過以上研究，我們得出以下結(jié)論：

1.單純地把各個(gè)地理單元視作封閉的經(jīng)濟(jì)體，不考慮各個(gè)經(jīng)濟(jì)體之間的經(jīng)濟(jì)、地理的關(guān)聯(lián)性，將會低估區(qū)域經(jīng)濟(jì)的收斂性。不考慮空間效應(yīng)則忽視了區(qū)域間的相互影響，而做出錯(cuò)誤的判斷。

2.通過對比使用人均GDP數(shù)據(jù)和TFP數(shù)據(jù)分別分析中國區(qū)域經(jīng)濟(jì)發(fā)展的趨同狀況，發(fā)現(xiàn)TFP數(shù)據(jù)的收斂速度快于人均GDP收斂速度，區(qū)域發(fā)展差異的主要來源是來自技術(shù)差異。

3.將總時(shí)間段分為三個(gè)小的時(shí)間段做回歸發(fā)現(xiàn)，三個(gè)時(shí)期的收斂速度從第一期到第三期呈逐期遞減，即隨著時(shí)間增加區(qū)域的收斂性是逐漸減弱的，可能是因?yàn)殡S著各個(gè)區(qū)域經(jīng)濟(jì)水平逐漸提高，距離前沿技術(shù)城市的縮短或者生產(chǎn)函數(shù)的邊際效應(yīng)遞減導(dǎo)致后期的收斂性降低。

4.分東、中、西部地區(qū)或者是從五大城市群來看，無論是東、中、西部還是從五個(gè)城市群發(fā)展的角度來看，區(qū)域間的經(jīng)濟(jì)發(fā)展都表現(xiàn)出一定的趨同性，而且尤其是東部、長三角城市群、長江中游城市群的協(xié)同發(fā)展性比較顯著，而京津冀的協(xié)同發(fā)展還存在很大的提升空間。

(二)政策建議

基于以上分析，本文提出如下政策建議：

1.促進(jìn)要素資源自由流動

促進(jìn)要素資源自由流動就是要建設(shè)一個(gè)競爭有序的要素資源市場體系，打破傳統(tǒng)城鄉(xiāng)、戶籍對勞動力跨城鄉(xiāng)、跨區(qū)域流動的限制。雖然改革開放以來區(qū)域間顯性的勞動力市場分割壁壘基本上已經(jīng)消除，勞動力可以實(shí)現(xiàn)跨區(qū)域流動，然而也應(yīng)該看到，城鄉(xiāng)之間以及不同省、城市之間的戶籍壁壘和公共服務(wù)的供給不對等，仍然是導(dǎo)致勞動力不能充分自由流動的重要原因。因此，破除限制生產(chǎn)要素自由流動的制度障礙，打破區(qū)域間要素市場的分割，從而促進(jìn)區(qū)域間要素跨區(qū)域自由流動，推動區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。

2.促進(jìn)東部產(chǎn)業(yè)向中西部有序轉(zhuǎn)移

我國區(qū)域產(chǎn)業(yè)情況是東部發(fā)展優(yōu)于中部，中部優(yōu)于西部，由東至西呈梯次變化。東部地區(qū)雖然經(jīng)濟(jì)發(fā)展?fàn)顩r普遍好于中西部，但是近年來由于資源約束、人口壓力，導(dǎo)致東部地區(qū)工業(yè)企業(yè)生產(chǎn)成本變高。而與此同時(shí)，中西部工業(yè)化進(jìn)程發(fā)展緩慢，正需要通過承接?xùn)|部地區(qū)的產(chǎn)業(yè)轉(zhuǎn)移而為本地區(qū)的工業(yè)化注入新的動力。從微觀角度來看，產(chǎn)業(yè)轉(zhuǎn)移有利于拉長產(chǎn)業(yè)的生命周期，降低企業(yè)的生產(chǎn)、營運(yùn)成本；從宏觀角度來看，產(chǎn)業(yè)轉(zhuǎn)移一方面緩解了東部發(fā)達(dá)地區(qū)的資源、環(huán)境壓力，另一方面促進(jìn)了中西部地區(qū)的工業(yè)化進(jìn)程，促進(jìn)就業(yè)。因此，通過政策鼓勵(lì)高新技術(shù)企業(yè)向中西部地區(qū)轉(zhuǎn)移，既能提高總體社會福利，也能夠很好地推進(jìn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。

3.更好地發(fā)揮政府公共服務(wù)職能

更好地發(fā)揮政府公共服務(wù)職能，就是中央政府應(yīng)該在不同發(fā)展水平的區(qū)域做好財(cái)政資源的分配和再分配的平衡。一是重點(diǎn)發(fā)展中西部落后地區(qū)基礎(chǔ)設(shè)施建設(shè)，支持中西部地區(qū)公路、鐵路、機(jī)場的連接，打通中西部落后地區(qū)經(jīng)濟(jì)發(fā)展的大動脈。二是保證國內(nèi)基本公共服務(wù)的均等化、公平化，中西部落后地區(qū)財(cái)力不足，有些地方政府財(cái)政收支入不敷出，難以維持教育、衛(wèi)生、文化等與人力資本相關(guān)的公共服務(wù)，這就需要加大中央的轉(zhuǎn)移支付規(guī)模，保證落后地區(qū)的基本公共服務(wù)均等化、公平化。

4.鼓勵(lì)經(jīng)濟(jì)主體自主創(chuàng)新能力

技術(shù)和創(chuàng)新才是促進(jìn)經(jīng)濟(jì)持續(xù)內(nèi)生增長的根本動力。大力激發(fā)全社會尤其是中西部地區(qū)經(jīng)濟(jì)社會的自主創(chuàng)新活力，才是促進(jìn)整體經(jīng)濟(jì)發(fā)展、促進(jìn)區(qū)域協(xié)調(diào)發(fā)展的根本出路。新經(jīng)濟(jì)增長理論認(rèn)為：人力資本和技術(shù)創(chuàng)新是引起經(jīng)濟(jì)持續(xù)內(nèi)生增長的唯一根本動力，源源不斷的技術(shù)進(jìn)步和創(chuàng)新不僅具有規(guī)模經(jīng)濟(jì)效應(yīng)，還會帶來經(jīng)濟(jì)的持續(xù)內(nèi)生增長。因此，要促進(jìn)全社會的自主創(chuàng)新活力要做好：(1)建立健全知識產(chǎn)權(quán)保護(hù)制度，保障自主創(chuàng)新成果不受侵犯。(2)打破傳統(tǒng)市場的壟斷，維護(hù)一個(gè)有序競爭而有活力的市場。(3)建立健全對科研工作的激勵(lì)制度，加大對基礎(chǔ)科研的支持。(4)鼓勵(lì)高新技術(shù)企業(yè)、科研項(xiàng)目、科技人員在中西部地區(qū)落戶，支持科技成果的轉(zhuǎn)化和應(yīng)用。

注釋

①Islam， Nazrul. “What Have We Learnt from the Convergence Debate？”JournalofEconomicSurveys17,no.3(2003):309-362．

②⑥Bernard， Andrew B， and C. I. Jones. “Technology and Convergence.”EconomicJournal106,no.437(1996):1037-1044．

③Abramovitz， Moses. “Rapid Growth Potential and Its Realisation: The Experience of Capitalist Economies in the Postwar Period.”EconomicGrowthandResources, 1979: 233-239．

④Baumol， William J. “Productivity Growth， Convergence， and Welfare: What the Long-Run Data Show.”AmericanEconomicReview76,no.5(1986):1072-1085．

⑤Dowrick， Steve， and D. T. Nguyen. “OECD Comparative Economic Growth 1950-85: Catch-Up and Convergence.”AmericanEconomicReview79,no.5(1989):1010-30．

⑧Burda， Michael C.， and B. Severgnini. “TFP Convergence in German States since Reunification.” Sfb Discussion Papers,2015．

⑩Sergio, J. Rey， and Brett D. Montouri. “US Regional Income Convergence: A Spatial Econometric Perspective.”RegionalStudies33,no.2(1999):143-156．

責(zé)任編輯張靜

Income Convergence， Technology Convergence and Disparity in Regional Development： Based on Spatial Econometric Analysis of Chinese Prefecture-level Cities

Wei Jianguo1Hu Shaobo1Guo Chen2

(1.School of Economy, Wuhan University of Technology, Wuhan 430070;2.School of Economics, Huazhong University of Science and Technology, Wuhan 430074 )

The paper uses China’s prefecture-level city data to analyze the differences of China’s regional development level by comparing two different convergence methods， namely， income convergence and technology convergence. The main findings are as follows. (1) If each geographic unit is taken as a closed economy， ignoring the economic and geographical correlation between each economy， the convergence will be overlooked， which leads to misunderstanding. (2)Within the whole country， the convergence is significant. And it is also found that the convergence of technology is faster than that of income. The difference of technology contributes most to the development gap of different cities. (3)The paper also finds considerable graphical differences by regressing the city group using the eastern， middle and western city groups. Generally speaking， the economy of the eastern part is more balanced than the middle or western part. Thus， when making regional coordinated development policy， one must lay more stress on technology incentive oriented policies.

income convergence； technology convergence； difference of regional development； spatial econometrics

2017-05-31