王 昕 王雪瑩 鄭少偉

（燕山大學 理學院，河北 秦皇島 066004）

一、引言

2020年伊始，新冠疫情突然暴發(fā)，來勢洶洶。我國積極采取各項措施，防止疫情進一步擴散。新冠疫情是自新中國成立以來，我國面臨的最嚴重的重大突發(fā)性公共事件，致使經(jīng)濟受到?jīng)_擊，全國面臨前所未有的困境。京津冀地區(qū)作為我國重要增長極，對全國經(jīng)濟有著極其重要的作用，是連接東北地區(qū)與中部地區(qū)經(jīng)濟的重要樞紐[1]。京津冀區(qū)域協(xié)同更是我國重要國家戰(zhàn)略，其中產(chǎn)業(yè)轉(zhuǎn)移既是京津冀協(xié)同發(fā)展的重點領(lǐng)域也是關(guān)鍵支撐[2]。

疫情暴發(fā)以來，各地黨委、政府堅持以習近平新時代中國特色社會主義思想為指導，深入貫徹習近平總書記重要指示批示精神，認真落實黨中央、國務院決策部署。在疫情帶來的嚴重沖擊和挑戰(zhàn)下，京津冀地區(qū)經(jīng)濟增速呈逐季上行、加快回升的向好態(tài)勢，直至2020年第三季度全面實現(xiàn)經(jīng)濟正增長。2020年根據(jù)地區(qū)生產(chǎn)總值統(tǒng)一核算結(jié)果，京津冀地區(qū)生產(chǎn)總值8.6萬億元，其中北京市、天津市、河北省比上年分別增長1.1%、1.4%和3.8%。

本文旨在隨著疫情的發(fā)展與控制形態(tài)，實時收集相關(guān)數(shù)據(jù)，分析疫情前后京津冀地區(qū)經(jīng)濟發(fā)展的空間相關(guān)性變化情況及趨勢。通過使用空間計量模型及分析空間溢出效應，對經(jīng)濟增長的空間關(guān)聯(lián)性展開討論。

二、研究設計

（一）空間權(quán)重矩陣設定

在進行空間計量分析前，首要也是最核心的步驟是建立一個能表達空間交互作用的空間權(quán)重矩陣[3]。對空間矩陣的準確選擇有利于提高問題解釋的準確度[4]。空間權(quán)重矩陣根據(jù)類型可以分為鄰接矩陣和距離矩陣。本文選取半距離矩陣設定空間權(quán)重，即利用相鄰區(qū)域間的測度來定義權(quán)重系數(shù)[5]。通過實際地理位置的距離構(gòu)建權(quán)重矩陣，距離越遠，空間權(quán)重矩陣系數(shù)越小，空間相關(guān)性越差。

其中，di，j表示區(qū)域i與區(qū)域j之間的質(zhì)心距離。

本文選取京津冀地區(qū)13個城市SHP格式文件，利用GeoDa軟件生成空間權(quán)重矩陣并進行標準化處理。

（二）空間相關(guān)性檢驗

地理學第一定律認為，空間上任何要素之間都是具有相關(guān)性的，距離越近相關(guān)性越強。本文使用全局空間自相關(guān)性與局部空間自相關(guān)性進行分析。

全局空間自相關(guān)性通常采用Moran's I指數(shù)，當值大于0時，表示數(shù)據(jù)呈現(xiàn)空間正相關(guān)，其值越大空間相關(guān)性越明顯。當值小于0時，表示數(shù)據(jù)呈現(xiàn)空間負相關(guān)，其值越小空間差異越大。計算公式為：

局部空間自相關(guān)性采用LISA顯著性水平圖，以解釋研究對象的具體空間位置和集聚的顯著程度。

（三）空間計量模型

面板數(shù)據(jù)模型是一種特殊的計量經(jīng)濟模型，集普通的回歸模型與時間序列模型于一身，主要用于研究個體的內(nèi)部結(jié)構(gòu)和總體特征[6]。目前主要有以下三個模型，但具體選擇使用哪種空間計量模型，一般用Hausman檢驗篩選。

空間滯后模型（SLM）：Y=ρ WY+Xβ+ε

空間誤差模型（SEM）：Y=Xβ+μ，μ=λ Wμ+ε

空間杜賓模型（SDM）：Y=ρ WY+Xβ+WXγ+ε

其中，Y為n維被解釋變量；X為n×k外生解釋變量矩陣；β、γ為k×1維參數(shù)向量；ρ為空間滯后回歸系數(shù)；λ為空間誤差回歸系數(shù)；ε、μ為隨機誤差項，且 ε～N（0，σ2In）；W為 n 階空間權(quán)重矩陣。

（四）變量選取

被解釋變量。本文選取京津冀13個城市的第一產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值作為經(jīng)濟增長的衡量指標。

解釋變量。本文重點研究第一產(chǎn)業(yè)空間溢出效應，由于第一產(chǎn)業(yè)經(jīng)濟增長受到許多因素影響，在參考眾多學者的研究之后[7-8]，本文擬用農(nóng)作物總播種面積的對數(shù)表示土地投入（LNL）、農(nóng)業(yè)機械總動力的對數(shù)表示農(nóng)業(yè)機械投入（LNM）、農(nóng)用化肥施用量的對數(shù)表示化肥投入（LNF）、有效灌溉面積的對數(shù)表示灌溉面積投入（LNI）、農(nóng)業(yè)用電量的對數(shù)表示用電量投入（LNE）、存欄牲畜的對數(shù)表示畜牧投入（LNA）作為經(jīng)濟增長主要影響因素。

三、實證分析

（一）數(shù)據(jù)說明

本文實證研究使用的數(shù)據(jù)樣本為2015—2021年前三季度京津冀地區(qū)13個城市的面板數(shù)據(jù)。數(shù)據(jù)來源于各地的統(tǒng)計公報、政府工作報告、2015—2019年的《城市統(tǒng)計年鑒》，個別缺失數(shù)據(jù)采用平均值填充法補漏。

（二）京津冀各城市經(jīng)濟發(fā)展的空間相關(guān)性分析

1.全局空間自相關(guān)性檢驗

在研究第一、二、三產(chǎn)業(yè)經(jīng)濟增長的空間關(guān)聯(lián)性前，先進行空間自相關(guān)性檢驗。京津冀13個城市2019—2021年第三季度第一、二、三產(chǎn)業(yè)增加值的Moran's I指數(shù)值如表1所示。

表1 2019—2021年第三季度第一、二、三產(chǎn)業(yè)增加值的Moran's I指數(shù)值

圖1 第一、二、三產(chǎn)業(yè)Moran's I指數(shù)趨勢圖

第一產(chǎn)業(yè)：樣本期間內(nèi)，京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟發(fā)展的Moran's I指數(shù)呈現(xiàn)周期波動趨勢，除每年的第二季度為正外，其他季度均為負值。其中，僅在每年的第三季度，Moran's I指數(shù)為負且均通過5%水平的顯著性檢驗，說明該季度京津冀地區(qū)的經(jīng)濟存在顯著的負向空間相關(guān)性。且疫情前后，Moran's I指數(shù)呈現(xiàn)先上升后下降的趨勢。說明疫情對京津冀地區(qū)第一產(chǎn)業(yè)產(chǎn)生一定影響，空間相關(guān)性略有減弱，但隨著疫情的受控，空間相關(guān)性逐漸增強甚至超過疫情前水平。

第二產(chǎn)業(yè)：樣本期間內(nèi)，第二產(chǎn)業(yè)Moran's I指數(shù)呈現(xiàn)周期波動趨勢，且均為負值，但均未通過顯著性檢驗。說明京津冀地區(qū)并未出現(xiàn)顯著空間負向相關(guān)性。且在疫情前后空間相關(guān)性沒有明顯變化，故不作為本文研究重點。

第三產(chǎn)業(yè)：樣本期間內(nèi)，京津冀地區(qū)第三產(chǎn)業(yè)經(jīng)濟發(fā)展的Moran's I指數(shù)呈現(xiàn)負值，且全部通過10%水平的顯著性檢驗。說明在距離空間權(quán)重矩陣下，第三產(chǎn)業(yè)經(jīng)濟增長存在顯著的負向空間相關(guān)性。疫情前后，Moran's I指數(shù)只是略有波動，且基本穩(wěn)定在-0.200左右的水平，說明整體上各地區(qū)經(jīng)濟空間相關(guān)性受疫情影響較小，且相關(guān)性較弱，故不作為本文研究重點。

2.局部空間自相關(guān)性檢驗

為分析疫情前后，京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟增長是否存在局部空間相關(guān)性時，本文選取顯著性明顯的第三季度作為研究對象，運用GeoDa軟件分別對2019年第三季度、2020年第三季度、2021年第三季度的數(shù)據(jù)進行分析?？傮w來看，近三年京津冀地區(qū)大部分城市主要分布在第二象限（L-H區(qū)域）和第四象限（H-L區(qū)域），這些城市的第一產(chǎn)業(yè)經(jīng)濟增長的空間關(guān)聯(lián)性以“低-高”集聚和“高-低”集聚為主。說明京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟增長水平具有局部的負向相關(guān)性，這與前文分析結(jié)論一致。

圖2 2019 Q3第一產(chǎn)業(yè)增加值的Moran散點圖

圖3 2020 Q3第一產(chǎn)業(yè)增加值的Moran散點圖

圖4 2021 Q3第一產(chǎn)業(yè)增加值的Moran散點圖

Moran散點圖僅對研究地區(qū)的局部相關(guān)性進行檢驗，而沒有體現(xiàn)各個集聚區(qū)是否通過顯著性檢驗，因此使用距離空間權(quán)重矩陣，運用GeoDa軟件得到各地第一產(chǎn)業(yè)增加值分別在2019年、2020年、2021年第三季度的局部空間分布LISA聚類圖。將結(jié)果做進一步整理，得到疫情前后各地第一產(chǎn)業(yè)經(jīng)濟增長對周邊地區(qū)的影響程度。

從表2可以看出，2019—2021年京津冀第一產(chǎn)業(yè)經(jīng)濟增長的LISA聚類結(jié)果在該區(qū)間內(nèi)變化較小，經(jīng)濟增長的空間集聚特征呈現(xiàn)穩(wěn)定狀態(tài)。一直處于“低-高”集聚區(qū)域的只有秦皇島市，表明相比周邊第一產(chǎn)業(yè)經(jīng)濟增長水平相對較高的唐山市、承德市，該市的經(jīng)濟增長水平較低。值得關(guān)注的是，承德市和張家口市的空間格局呈現(xiàn)“高-低”集聚。說明疫情前后，北京市第一產(chǎn)業(yè)經(jīng)濟增長水平相對低于承德市、張家口市，受政府推動的京津冀地區(qū)農(nóng)業(yè)結(jié)構(gòu)調(diào)整，在疫情前后也同樣積極有效地進行。除上述城市外，其他城市集聚效應不顯著，說明第一產(chǎn)業(yè)經(jīng)濟增長水平存在較大差異，相鄰的地區(qū)間尚未形成明顯的集聚效應。總體而言，疫情對京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟增長的空間集聚特征影響較小，各方均在政府的管控下有序恢復。

表2 2019—2021年第三季度第一產(chǎn)業(yè)增加值的LISA聚類結(jié)果

對京津冀地區(qū)疫情前后2019—2021年各季度第一、二、三產(chǎn)業(yè)的經(jīng)濟增長進行空間分布特征描述。以半距離矩陣作為空間權(quán)重矩陣，得出第一產(chǎn)業(yè)在每年的第三季度有顯著的空間負相關(guān)，且受疫情影響，在后疫情期間空間負相關(guān)性增強。局部自相關(guān)性檢驗結(jié)果表明，京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟增長主要呈現(xiàn)“高-低”集聚和“低-高”集聚，空間集聚特征較為穩(wěn)定。第二產(chǎn)業(yè)沒有顯著的空間負相關(guān)性。第三產(chǎn)業(yè)雖然有負向的空間相關(guān)性，但Moran's I指數(shù)基本穩(wěn)定在-0.200左右，空間相關(guān)性較小，表明疫情并未帶來明顯影響，各區(qū)域間經(jīng)濟發(fā)展具有一致性。

（三）京津冀各城市經(jīng)濟發(fā)展的空間計量回歸模型

由于京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟增長存在空間集聚性和空間相關(guān)性，將運用空間計量模型，驗證京津冀13個城市第一產(chǎn)業(yè)經(jīng)濟增長是否存在空間溢出效應。

本文將空間因素引入空間模型，建立杜賓模型，形式如下：

其中，LNPI為第一產(chǎn)業(yè)增加值的對數(shù)，表示農(nóng)業(yè)經(jīng)濟增長的被解釋變量；i，t分別表示城市和年份。

由上文可知第一產(chǎn)業(yè)經(jīng)濟增長在各地之間存在顯著為負的溢出效應，因此將研究分析農(nóng)業(yè)要素對經(jīng)濟增長在空間上的影響程度，利用stata 16.0進行SDM模型的估計，經(jīng)Hausman檢驗，模型采取隨機效應。同時比較普通面板OLS估計結(jié)果，結(jié)果如表3所示。

表3 OLS模型與SDM模型的實證結(jié)果

由表3可知，在兩個模型中，畜牧投入系數(shù)均顯著為正，說明對畜牧的投入有利于本地區(qū)第一產(chǎn)業(yè)經(jīng)濟的正向發(fā)展，即加大對畜牧的投入會促進第一產(chǎn)業(yè)經(jīng)濟增長。

其他各地的畜牧投入、灌溉面積投入對本市的第一產(chǎn)業(yè)經(jīng)濟增長作用顯著為正，即周邊城市的畜牧、灌溉面積投入帶來的收益會溢出到本地，促進本地第一產(chǎn)業(yè)經(jīng)濟增長。相反，周邊城市增加對土地、電量投入會對本地產(chǎn)生負的空間溢出效應，抑制本地第一產(chǎn)業(yè)經(jīng)濟增長。其中，土地投入是農(nóng)業(yè)經(jīng)濟不可或缺的因素，本地投入越多經(jīng)濟增長就越快，但是由于土地資源有限，各城市農(nóng)作物可播種面積幾乎變化不大，鄰近城市土地投入增加，對本地區(qū)而言就是相對減少。因此臨近城市對土地的投入，會抑制本地第一產(chǎn)業(yè)經(jīng)濟發(fā)展。電力的投入與經(jīng)濟的增長有密切正相關(guān)關(guān)系，由于電力的投入主要反映了自動化在第一產(chǎn)業(yè)中的發(fā)展程度，當增加電力投入時，代表地區(qū)自動化的發(fā)展增加，從而帶動經(jīng)濟提升。當鄰近城市增加電力投入，即發(fā)展自動化設備時，對本地有抑制趨勢，因此會存在負的空間溢出效益。

SDM模型估計結(jié)果的空間自相關(guān)回歸系數(shù)顯著為負，與上文Moran's I指數(shù)的估計結(jié)論一致，進一步證明了在京津冀地區(qū)的第一產(chǎn)業(yè)經(jīng)濟增長存在空間相關(guān)性，即臨近城市的第一產(chǎn)業(yè)經(jīng)濟增長對本地第一產(chǎn)業(yè)經(jīng)濟增長有抑制作用。

四、結(jié)論與建議

（一）后疫情時期第一產(chǎn)業(yè)經(jīng)濟應根據(jù)季度制定不同發(fā)展方向

根據(jù)分析結(jié)果可知，京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟具有空間相關(guān)性，且呈周期性波動。在每年的第三季度，京津冀地區(qū)的第一產(chǎn)業(yè)經(jīng)濟增長呈現(xiàn)顯著的負向空間溢出效應，且隨疫情好轉(zhuǎn)空間相關(guān)性增強，這與政府制定的京津冀地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化方針高度契合。在每年的第二季度，第一產(chǎn)業(yè)的經(jīng)濟增長存在正向的空間溢出效應，在2020年第二季度相關(guān)性顯著，即本地的第一產(chǎn)業(yè)經(jīng)濟增長會促進臨近城市第一產(chǎn)業(yè)的經(jīng)濟增長，說明在疫情對經(jīng)濟產(chǎn)生影響的情況下，政府做到精準幫扶各地區(qū)發(fā)展，帶來了積極的正向作用，促進各城市在經(jīng)濟恢復過程中的協(xié)同合作。綜合所述，為盡快實現(xiàn)京津冀地區(qū)第一產(chǎn)業(yè)經(jīng)濟全面發(fā)展，應根據(jù)季度的特性制定發(fā)展方向，第二季度應充分利用空間正向溢出效應，促進相鄰地區(qū)的協(xié)同合作，拉動全區(qū)域經(jīng)濟增長。其他季度應充分考慮空間溢出效應帶來的影響，結(jié)合城市特征制定發(fā)展方向，以達到全區(qū)域經(jīng)濟發(fā)展效益收入的最大化。

（二）加強秦皇島市第一產(chǎn)業(yè)的發(fā)展

根據(jù)局部空間聚集性的研究，發(fā)現(xiàn)河北省北部地區(qū)出現(xiàn)“高-低”集聚（承德市、張家口市）和“低-高”集聚（秦皇島市），即目前秦皇島市第一產(chǎn)業(yè)增長緩慢，而相鄰的承德市、張家口市經(jīng)濟增長相對迅速。且在疫情前后空間聚集性未出現(xiàn)變動，秦皇島市第一產(chǎn)業(yè)在政府的有效管控下雖有所恢復，但依然落后其他地區(qū)。因此要著重關(guān)注秦皇島市第一產(chǎn)業(yè)的發(fā)展，加大政府扶持力度、引入先進技術(shù)資源、加強相鄰區(qū)域協(xié)同合作，共同促進經(jīng)濟發(fā)展。

（三）加強區(qū)域經(jīng)濟發(fā)展的資源分配

根據(jù)SDM模型估計結(jié)果，發(fā)現(xiàn)一個城市的畜牧投入、灌溉面積投入會對臨近城市第一產(chǎn)業(yè)經(jīng)濟增長產(chǎn)生促進作用，土地面積投入和電量投入會對臨近地區(qū)第一產(chǎn)業(yè)經(jīng)濟增長產(chǎn)生抑制作用。在后疫情時期，城市制定與第一產(chǎn)業(yè)相關(guān)政策時，應把這種空間溢出效應考慮在內(nèi)。除了考慮各城市自身自然資源、發(fā)展基礎(chǔ)設施、投入要素，還應該充分重視第一產(chǎn)業(yè)的要素溢出、空間依賴等地理相互作用，提高第一產(chǎn)業(yè)發(fā)展高水平地區(qū)對臨近落后地區(qū)的帶動作用，促進區(qū)域間協(xié)同合作。進而縮小京津冀地區(qū)的第一產(chǎn)業(yè)的發(fā)展差異，實現(xiàn)區(qū)域第一產(chǎn)業(yè)的可持續(xù)發(fā)展。