文 / 譚黎陽 夏 帥

“兩會” 期間，李克強總理在政府工作報告中指出：將長三角區(qū)域一體化發(fā)展上升為國家戰(zhàn)略，編制實施發(fā)展規(guī)劃綱要。長江經(jīng)濟帶發(fā)展要堅持上中下游協(xié)同，加強生態(tài)保護修復和綜合交通運輸體系建設(shè)，打造高質(zhì)量發(fā)展經(jīng)濟帶。其實這并非國家領(lǐng)導人首次肯定長三角區(qū)域一體化發(fā)展的地位，早在2018年11月5日，習近平總書記在首屆國家進口博覽會上便指出要將長三角區(qū)域一體化發(fā)展上升為國家戰(zhàn)略，著力落實新發(fā)展理念，構(gòu)建現(xiàn)代化經(jīng)濟體系，推進更高起點的深化改革和更高層次的對外開放。長三角區(qū)域一體化發(fā)展只是我國區(qū)域一體化發(fā)展總體格局的一個縮影，從空間經(jīng)濟學的視角加以考察，區(qū)域與區(qū)域之間彼此關(guān)聯(lián)，相近區(qū)域之間的關(guān)聯(lián)性較強，相疏區(qū)域之間的關(guān)聯(lián)性較弱。本文在前人的基礎(chǔ)上，將空間因素納入到區(qū)域經(jīng)濟增長分析框架。通過建立空間計量模型進行實證分析，具體闡明中國各省市經(jīng)濟增長的空間溢出效應，以期提出相應的政策性建議。

一、文獻回顧

國內(nèi)關(guān)于區(qū)域經(jīng)濟增長差異及其影響因素分析的研究較多，但大多只運用了傳統(tǒng)的計量經(jīng)濟學方法進行實證研究，很少有學者使用空間計量經(jīng)濟學的方法，考察區(qū)域經(jīng)濟增長的空間溢出效應。例如，Wang Shaoping and Ouyang Zhigang【1】（2008）運用非線性閾值協(xié)整模型，揭示了城鄉(xiāng)收入差距對實際經(jīng)濟增長的影響。張清正【2】（2014）在分析相關(guān)文獻的基礎(chǔ)上，對我國區(qū)域經(jīng)濟增長的差異問題進行了實證分析，研究表明制度變遷、資本、市場化程度以及外貿(mào)水平對經(jīng)濟增長具有顯著影響，但是文章中并未考慮空間因素。喬 婧 妍【3】（2018）通過構(gòu)建面板數(shù)據(jù)模型，實證分析了我國東中西部地區(qū)經(jīng)濟增長差異的因素，研究表明：市場化程度、產(chǎn)業(yè)結(jié)構(gòu)、固定資產(chǎn)投資對東中西部的影響各有不同，但教育投資對所有地區(qū)的經(jīng)濟發(fā)展均具有正向促進作用。然而，文中并未對空間溢出效應展開深入探討。米娟【4】（2008）采用普通最小二乘（OLS）回歸方法，基于一般意義上的的資本要素和勞動力要素， 將技術(shù)要素和制度要素納入模型，綜合考量區(qū)域經(jīng)濟增長的差異。然而，米娟在文章中只是將地理位置劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)，對相關(guān)變量進行普通最小二乘回歸，無法洞察各經(jīng)濟變量的空間交互影響效應。方琳，張慶?！?】（2012）采用對數(shù)型柯布—道格拉斯生產(chǎn)函數(shù)的隨機前沿模型（SFA），基于江蘇省13個地級市2000年-2008年的面板數(shù)據(jù)，研究了區(qū)域經(jīng)濟增長效率及其影響因素。然而文中并未對地理信息進行單獨處理，因此無法揭示地區(qū)間相鄰的空間影響。彭志勝，楊敏【6】（2017）同樣采用普通最小二乘回歸方法，對區(qū)域經(jīng)濟增長差異及其影響因素進行了實證分析。文中雖然利用泰爾系數(shù)將安徽省經(jīng)濟增長差異分解為安徽省總體、區(qū)域間、區(qū)域內(nèi)經(jīng)濟差異，但仍未考慮鄰近地區(qū)的空間相互作用。

不同于以上研究，在變量選取上，本文將產(chǎn)業(yè)結(jié)構(gòu)作為重要的變量納入模型，因為產(chǎn)業(yè)結(jié)構(gòu)在區(qū)域經(jīng)濟增長中有舉足輕重的地位，也是經(jīng)濟學研究的重要課題；在實證方法上，本文將綜合運用空間計量經(jīng)濟學方法，計算各經(jīng)濟變量間的全局Moran’s I指數(shù)以及局部Moran’s I指數(shù)來綜合分析中國區(qū)域經(jīng)濟的空間相關(guān)性。通過階段性的現(xiàn)狀總結(jié)，有利于各省市摸清當前的經(jīng)濟發(fā)展現(xiàn)狀，從而為各省市更好地促進地區(qū)經(jīng)濟增長提供良好的思路。此外，本文將構(gòu)建空間自相關(guān)模型，以地區(qū)之間的空間地理關(guān)系的視角，對省際經(jīng)濟增長的交互影響模式展開深入研究，進而在數(shù)據(jù)和方法上豐富和發(fā)展現(xiàn)有的此類研究。

二、研究現(xiàn)狀與機制分析

（一）研究現(xiàn)狀

關(guān)于經(jīng)濟增長，早在18世紀，古典經(jīng)濟學家亞當·斯密、馬爾薩斯以及大衛(wèi)·李嘉圖便已經(jīng)做出了卓越的貢獻。亞當·斯密在其著作《國富論》指出，經(jīng)濟增長表現(xiàn)為國民財富的增加，有兩種途徑可以有效地促進經(jīng)濟增長：一種是增加勞動的數(shù)量，另一種則是提高勞動的效率。斯密對后者更為推崇，他認為分工協(xié)作以及資本積累有助于提高勞動效率，從而帶動經(jīng)濟增長。

（二）機制分析

三、實證分析

（一）中國省際經(jīng)濟增長的空間相關(guān)性分析

首先，本文將借助當下最為流行的Moran’s I指數(shù)對相關(guān)變量進行空間統(tǒng)計分析。具體而言，基于2008-2016年中國31個省市的地區(qū)GDP面板數(shù)據(jù)進行相關(guān)統(tǒng)計指標的測算，數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。測算前，首先將原始數(shù)據(jù)進行相應處理，通過對數(shù)變換提高數(shù)值的平穩(wěn)性，然后運用Stata15.0計量分析軟件計算相應變量的全局Moran’s I指數(shù)和局部Moran’s I指數(shù)。此外，空間權(quán)重矩陣的設(shè)定對于空間計量分析尤為重要。因此，在指標測算過程中，本文將空間權(quán)重矩陣設(shè)定為較為常用的二元鄰接矩陣，即根據(jù)兩個地區(qū)是否相鄰來設(shè)定距離，若兩地之間地理接壤則將空間距離設(shè)為1，否則將設(shè)為0。

1.全局分析

根據(jù)公式測算的全局Moran’s I指數(shù)值如表1所示。如表所示，全局Moran’s I指數(shù)值最小值為0.259，最大值為0.286，標準化之后的Z值均大于1.96，對應的P值也均小于0.01。因此，有充分的理由拒絕“不存在空間相關(guān)性”的原假設(shè)，接受備擇假設(shè)。上述數(shù)據(jù)表明中國省際經(jīng)濟增長在空間分布上，存在十分顯著的正向空間自相關(guān)性，具有較強的空間溢出效應。

表1 2008-2016年中國各省市經(jīng)濟集聚的全局Moran’s I及顯著性指標

圖1 2008-2016年中國各省市經(jīng)濟集聚的全局Moran’s I

圖1表明：從發(fā)展階段的視角出發(fā)，2008-2016年間，中國省際經(jīng)濟增長的空間自相關(guān)趨勢經(jīng)歷了“先升→后降→再升”的發(fā)展歷程。根據(jù)全局Moran’s I指數(shù)的波動情況可將研究期間劃分為三個階段：第一階段為2008-2009年，全局Moran’s I指數(shù)呈現(xiàn)出增長態(tài)勢，從0.264增加到0.271，反映該階段中國地區(qū)經(jīng)濟存在空間集聚趨勢加強；第二階段為2009-2013年，在全球金融危機的滯后沖擊下，全局Moran’s I指數(shù)呈現(xiàn)出整體下滑的態(tài)勢，從0.271下降到0.259，反映出該階段中國地區(qū)經(jīng)濟空間集聚趨勢的減弱：第三階段為2013-2016年，尤其是2014年以后，在政府將一體化發(fā)展上升為國家戰(zhàn)略后，全局Moran’s I指數(shù)呈現(xiàn)出迅猛增長態(tài)勢，從0.259一路上升至0.286，反映該階段中國地區(qū)經(jīng)濟存在空間集聚趨勢顯著加強。接下來，我們將進行省際間的局部相關(guān)分析。接下來，我們將進行省際間的局部相關(guān)分析。

2.局部分析

使用局部Moran’s I指數(shù)，我們不僅可以洞悉各個省市的空間屬性，而且能夠測算出某省市與鄰近地區(qū)的空間關(guān)聯(lián)程度?；谒鸭降南嚓P(guān)數(shù)據(jù)，使用Stata15.0計量分析軟件繪制了局部Moran’s I指數(shù)散點圖，結(jié)果如圖2所示。

圖2（a）2008年和2011地區(qū)經(jīng)濟集聚的局部Moran's I指數(shù)散點圖

圖2（b）2014年和2016地區(qū)經(jīng)濟集聚的局部Moran's I指數(shù)散點圖

局部Moran’s I指數(shù)散點圖能夠更為直觀地揭示某省市與鄰近省市經(jīng)濟增長之間的關(guān)系。分析圖二，直觀可以得出多數(shù)省市落在了一、三象限。具體分析如下：2008年落在第一象限的省市共有17個，落在第三象限的省市共有7個，兩者合計占樣本容量的77.4%；2011年落在第一象限的省市共有21個，落在第三象限的省市共有7個，兩者合計占樣本容量的90.3%；2014落在第三象限的省市共有18個，落在第三象限的省市共有7個，兩者合計占樣本容量的80.6%；2016年落在第三象限的省市共有15個，落在第三象限的省市共有8個，兩者合計占樣本容量的74.2%。將以上局部Moran’s I指數(shù)分析與全局Moran’s I指數(shù)分析進行綜合比較，二者結(jié)論基本一致。這進一步佐證了中國省際經(jīng)濟間的正向空間自相關(guān)性。對以上四個時點的象限進行縱向分析，不難發(fā)現(xiàn)中國省際經(jīng)濟的非均衡發(fā)展格局，東部沿海省份和西部內(nèi)陸省份最為典型，表現(xiàn)出了顯著的正向空間自相關(guān)性。

（二）中國省際經(jīng)濟增長影響因素的空間計量模型分析

1.變量選取

本文選用2008-2016年中國31個省、市、自治區(qū)（不包括港澳臺）的空間面板數(shù)據(jù)，將2008-2016年各省地區(qū)生產(chǎn)總值作為被解釋變量，來反映各地區(qū)的經(jīng)濟增長狀況，同時聯(lián)系經(jīng)濟理論，主要以新古典增長理論和要素稟賦理論為基礎(chǔ)，分別將勞動、物質(zhì)資本、人力資本三大要素稟賦設(shè)為自變量。如前文所述，本文將產(chǎn)業(yè)結(jié)構(gòu)也作為解釋變量納入模型。同時，為保證數(shù)據(jù)的可得性和完備性，本文以地區(qū)城鎮(zhèn)單位就業(yè)人員工資總額（LABOR）來表征勞動稟賦，以地區(qū)固定資產(chǎn)投資額（K）來表征物質(zhì)資本稟賦，以地方財政教育支出（HR）來表征物質(zhì)資本稟賦，以第三產(chǎn)業(yè)增加值（INDUUS）來表征產(chǎn)業(yè)結(jié)構(gòu)稟賦。以上數(shù)據(jù)均來源于中國統(tǒng)計年鑒。建立模型之前，事先對各解釋變量進行描述性統(tǒng)計，分析結(jié)果詳見表2。

表2 各解釋變量的描述統(tǒng)計

2.模型設(shè)定

空間計量模型區(qū)別于一般傳統(tǒng)計量模型之處在于增設(shè)了空間權(quán)重矩陣，用于度量變量間的空間溢出效應。因此，空間權(quán)重矩陣的選擇和構(gòu)建顯得尤為重要。本文選取了2008-2016年中國31個省市的面板數(shù)據(jù)，考慮到回歸結(jié)果的穩(wěn)健性，嚴謹起見，這里將選擇標準化的二元鄰接矩陣作為模型的空間權(quán)重矩陣。另外，為保證模型的全面性，本文在建立空間計量模型之前，還將建立多元線性回歸模型用于估計效果對照。具體模型形式構(gòu)建如下：

（1）多元線性回歸模型：

（2）空間自回歸模型（SAR）：

其中，GDPit表示i地區(qū)在t時期的地區(qū)生產(chǎn)總值，作為本文的被解釋變量；LABORit為勞動稟賦的衡量變量，用地區(qū)城鎮(zhèn)單位就業(yè)人員工資總額加以表示；Kit為物質(zhì)資本的衡量變量，用地區(qū)固定資產(chǎn)投資額加以表示；HRit為人力資本的衡量變量，用地區(qū)財政教育支出加以表示；INDUSit為產(chǎn)業(yè)結(jié)構(gòu)的代理變量，用第三產(chǎn)業(yè)增加值加以表示。W為人為設(shè)定的空間權(quán)重矩陣，這是空間建模的核心所在，亦是與一般計量模型區(qū)別所在。εit是隨機誤差項，包含著所有其他遺漏變量對被解釋變量的影響。ρ和λ分別代表空間自回歸系數(shù)和空間自相關(guān)系數(shù)，主要作用在于：衡量研究變量之間是否具有經(jīng)濟增長的空間溢出效應，自然也是本文研究的重中之重。這對于今后中國各省市在經(jīng)濟領(lǐng)域展開合作，具有十分重要的指導意義。

3. 實證結(jié)果與分析

采用普通最小二乘法（OLS），對如式（2.1）所示的多元線性回歸模型進行回歸，得到如表3所示的估計結(jié)果。

表3 多元線性回歸模型估計結(jié)果

由表三可以看出，解釋變量人力資本（HRit）的P值為0.529，不能拒絕原假設(shè)，無法通過顯著性檢驗。另一方面，從系數(shù)的符號上來看，解釋變量勞動力（LABORit）和人力資本（HRit）的系數(shù)均為負值，這也與客觀經(jīng)濟原理相背離。因此，我們猜想模型中可能存在空間溢出效應。對上述模型進行空間效應診斷，得到如表4所示的診斷結(jié)果。

表4 多元線性回歸模型空間效應診斷結(jié)果

上表顯示，針對空間誤差（Spatial error）的三個檢驗中，Moran’s I、LR以及穩(wěn)健的LR均可以在5%的顯著性水平下拒絕“不存在空間自相關(guān)”的原假設(shè)。在針對空間滯后（Spatial lag）的兩個計量檢驗中， LR和穩(wěn)健的LR均可以在1%的顯著性水平下拒絕“不存在空間自相關(guān)”的原假設(shè)。這些結(jié)果再次表明應該建立空間計量模型，進行空間計量分析。

Elhorst曾經(jīng)于2003年指出，當研究樣本僅僅局限于某些特定個體時，一般而言選取固定效應模型更為合適。鑒于本文的研究對象是中國31個省市的區(qū)域經(jīng)濟，故而應當采用空間固定效應模型進行擬合。首先，使用Stata15.0軟件，對2008-2016年中國31個省市地區(qū)經(jīng)濟增長的面板數(shù)據(jù)進行處理，隨后構(gòu)建固定效應的空間自回歸模型（SAR），回歸結(jié)果如表5所示。

表5 固定效應空間自回歸模型（SAR）估計結(jié)果

上表顯示，在1%的顯著性水平下，解釋變量勞動力（LABORit）、物質(zhì)資本（Kit）、人力資本（HRit）以及產(chǎn)業(yè)結(jié)構(gòu)（INDUSit）均能拒絕原假設(shè)，系數(shù)顯著。另外，各解釋變量的系數(shù)均為正值，反映了與被解釋變量地區(qū)生產(chǎn)總值（GDP）的正相關(guān)關(guān)聯(lián)，這也與經(jīng)濟原理相符。更為重要的一點是，空間自回歸系數(shù)ρ=0.212，在1%的水平上顯著，故存在空間自回歸效應。為提高模型的精度，現(xiàn)對模型進行Hausman檢驗。在進行Hausman檢驗之前，必須估計出隨機效應的空間自回歸模型（SAR），結(jié)果詳見表6。

表6 隨機效應空間自回歸模型（SAR）估計結(jié)果

Hausman檢驗結(jié)果如表7所示。

表7 Hausman檢驗結(jié)果

上表中，Hausman統(tǒng)計量大于0，故而不接受隨機效應的原假設(shè)，理應選用固定效應空間自回歸模型（SAR）。

四、主要結(jié)論與對策建議

（一） 主要結(jié)論

從空間相關(guān)性分析的視角來看：在全局上，全局Moran’s I指數(shù)主要分布在0.259-0.286之間，表明中國省際經(jīng)濟增長存在顯著的正向空間溢出效應。在省際經(jīng)濟增長的發(fā)展階段上（2008-2016年），圖表顯示，經(jīng)濟增長的空間自相關(guān)性呈現(xiàn)出波浪式前進的發(fā)展態(tài)勢。局部分析表明，在所截取的四年截面數(shù)據(jù)中，落在局部Moran’s I指數(shù)散點圖一、三象限的省市均超過了70%，反映了中國省際經(jīng)濟增長不僅存在正向空間自相關(guān)性，而且呈現(xiàn)出顯著的非均衡發(fā)展格局，且東部沿海省份和西部省份最為典型，這一點與實際情況和最初猜想十分契合。

從空間計量模型的視角來看：使用普通最小二乘法（OLS）估計多元線性回歸模型不再有效，不僅系數(shù)的顯著性檢驗無法通過，而且系數(shù)值與實際意義不符，因此理應構(gòu)建空間計量模型進行分析。通過極大似然估計方法（MLE），構(gòu)建基于面板數(shù)據(jù)的空間自回歸模型（SAR），最終確定空間自回歸模型（SAR）解釋中國省際經(jīng)濟的空間溢出效應較為合適。無論就空間自回歸系數(shù)ρ，還是就解釋變量系數(shù)向量β而言，均在1%的顯著性水平上顯著，這再次印證了中國省際經(jīng)濟增長確實具有顯著的空間自相關(guān)性，且空間溢出效應顯示出較為明顯的“馬太效應”特征，即兩極分化現(xiàn)象。從解釋變量上具體分析，龐大的勞動力規(guī)模、雄厚的物質(zhì)資本、充足的人力資本以及高度服務化的產(chǎn)業(yè)結(jié)構(gòu)，都能夠有力地帶動地區(qū)經(jīng)濟增長，這為接下來提出針對性建議具有重要的指導意義。

（二） 對策建議

鑒于中國省際經(jīng)濟增長存在顯著的正向空間相關(guān)性以及明顯的“馬太效應”特征，各省市政府應當對省際經(jīng)濟的空間關(guān)聯(lián)給予高度關(guān)注。因地制宜，因時制宜，根據(jù)具體集聚類型的相關(guān)特征，綜合考量資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、科學技術(shù)、人員配置等要素，制定協(xié)同競爭戰(zhàn)略。一方面要與周邊地區(qū)尋求合作契機，資源互補，實現(xiàn)互利共贏；另一方面要因地制宜，制定異質(zhì)化發(fā)展策略，保持自身的特色和優(yōu)勢。不同集聚類型的省市應當采取的協(xié)同競爭策略也應當有所不同：“高-高”集聚型省市可充分發(fā)揮極化效應，積極帶動周邊地區(qū)的經(jīng)濟增長；“低-高”集聚型省市則可充分利用周邊地區(qū)的優(yōu)質(zhì)資源，通過承接產(chǎn)業(yè)轉(zhuǎn)移、技術(shù)外溢來促進本地的經(jīng)濟增長，充分運用干中學效應理論；“高-低”集聚型省市可借助“外溢效用”尋求新的經(jīng)濟增長點，激勵周邊地區(qū)的經(jīng)濟增長，力爭早日邁入“高-高”集聚類型方陣；“低-低”集聚型省市則任重而道遠，應當優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加大財政教育支出，加快培育高素質(zhì)人才，爭取早日走出困境，擺脫“低-低”非良性循環(huán)的集聚類型。

鑒于勞動力、物質(zhì)資本、人力資本、產(chǎn)業(yè)結(jié)構(gòu)對地區(qū)經(jīng)濟增長的拉動作用顯著，各省市在今后的經(jīng)濟發(fā)展過程中，應當優(yōu)化勞動力結(jié)構(gòu)，將不同類型的勞動力安插在最合適的崗位上，實現(xiàn)人盡其才；在固定資產(chǎn)投資中，積極改善投資結(jié)構(gòu)，調(diào)整投資規(guī)模，防止產(chǎn)能過剩；在人才培育上，各省市地方政府應提高地方財政教育支出比重，采取人才導向戰(zhàn)略，既要培育專業(yè)領(lǐng)域的專業(yè)型人才，又要培育復合型的高端人才：最后在產(chǎn)業(yè)結(jié)構(gòu)上，應當大力發(fā)展第三產(chǎn)業(yè)等高附加值產(chǎn)業(yè)，促進產(chǎn)業(yè)結(jié)構(gòu)服務化，同時堅持協(xié)同競爭，積極與周邊地區(qū)展開良性合作，規(guī)避惡性競爭，保持自身的特色和長處。