县域经济及对扶贫政策的影响

《县域经济及对扶贫政策的影响 》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、县域经济及对扶贫政策的影响县域经济及对扶贫政策的影响县域经济及对扶贫政策的影响县域经济及对扶贫政策的影响县域经济及对扶贫政策的影响　　首先观察人均GDP在空间上的分布特征。因为篇幅有限，只列示出四年数据，如图1所示，分别为2003年、2007年、2010年以及2014年，可以看到收入高的地区基本上集中在湖北省中部地区，呈现经济上的集聚。但是，同时低收入地区也是集聚的，分别在湖北省西北部、西南部以及东部地区，贫困地区呈现出连片的特征，基本上分布在四个片区：大别山区、武陵山区、秦巴山区、幕阜山区。这四个地区的典型特征是都处于山区，自然

2、条件恶劣，基础设施不完善。另外可以看到高收入地区主要集中在武汉地区和宜昌地区。正如新经济地理学中心——外围理论，武汉和宜昌地区为中心地带，而其周围地区则是外围地区，表明湖北省经济发展的不均衡性。本文采用σ指数来量化湖北省经济差距。σ收敛与经济收敛的直观理解比较接近，它度量不同区域之间经济差距，是地区人均GDP自然对数值的标准差。如果一个经济体存在σt+1　　β收敛的经典模型是巴罗的一篇经典文章提出来的。考察绝对收敛的基本模型为：logæèçöø÷yityio=α+βlog(yi0)+uit其中，yit为i地区t时期的人均GDP；u

3、it为随机扰动项；α、β为参数。参数β大于零，表示地区经济在考察期内呈现发散态势；参数β小于零，才表示经济在考察期内是收敛的。但是，条件β收敛放弃了绝对β收敛的地区间具有相同结构的假设，认为各个经济体具有各自的属性，可能是地理位置、文化风俗、人力资本、贸易与外国直接投资等。因此考察条件β收敛需要在模型M1中增加控制变量。本文选取了三个控制变量：固定资产投资、财政支出和城乡人口流动。模型为：logæèçöø÷yityi0=α+βlog(yi0)+γFAI+δEXP+θF+ϑSTR+uit其中，FAI表示人均固定资产投资；EXP为人均

4、财政支出；F为城乡人口流动；STR为产业结构，即第一二产业占GDP的比重；γ、δ、θ、ϑ为参数。其他变量和参数如模型M1所述。关于城乡人口流动，本文使用考察期内城市常住人口占总人口的比重变化率来度量，表明在考察期内地区间的人口流动。空间计量经济学将空间相关性引入到模型中主要有两种模型：空间滞后模型和空间误差模型。本文通过这两种模型分别考察地区间的集聚效应和空间溢出效应。SLM模型通过在模型中引入收入的空间滞后项考察人均收入对邻近地区的影响，具体形式如下：logæèçöø÷yityi0=α+ρWlogæèçöø÷yityi0+βlo

5、g(yi0)+γFAI+δEXP+ϑF+uit其中，W为空间权重矩阵，本文基于邻接原则构建；ρ为参数。其他变量和参数如模型M1和模型M2所述。SLM模型测度了将因变量的控制滞后项纳入到空间模型分析。如果参数ρ通过显著性检验，表明相邻地区对地区存在着显著影响。SEM模型通过在模型误差项中加入空间因素，考察随机冲击带来的空间溢出对地区增长的影响，其具体形式为：logæèçöø÷yityi0=α+βlog(yi0)+γFAI+δEXP+θF+ϑSTR+θF+uituit=λWuit+Vit其中，λ为参数，Vit与uit同样为随机扰动项，

6、这里假定Vit不存在空间相关性，服从正态分布。其他变量和参数如上述模型。SEM模型将随机扰动项的空间滞后项引入模型，表明对一个地区的外在冲击溢出至其他地区。若参数λ显著，表明存在着空间溢出效应。关于空间计量模型SLM和SEM的选择，一般根据Moran’I检验、极大似然LM-lag检验、极大似然LM-error检验以及极大似然的稳健估计量的检验，来选择最终分析模型，并借以识别空间相关性作用方式。在不考虑区域空间相关性的情况下，此时的模型即为普通最小二乘模型。如表1所示，可以看到，log(y0)的参数为-，表明湖北省区域间存在着收敛，

7、但是此时其没有通过显著性检验。另外，固定资产投资、财政支出以及城乡人口流动等控制变量的系数为正，表明不断增长的固定资产投资和积极的财政支出以及人口流动对经济增长和收敛呈现正的效应。但需要注意的是只有人口流动通过了显著性水平为10%的显著性检验，表明人口流动对地区间差距有显著影响。另外从表1中可以看到，多重共线性条件数达到85，变量间呈现出较为严重的多重共线性问题，变量没有通过大部分显著性检验。在空间相关性的检验方面，在表1中可以看到，尽管LM_lag没有通过显著性检验，但是LM_error通过了5%的显著性检验。同时，Robust

8、LM_error通过了1%的显著性检验，RobustLM_lag通过了显著性水平为5%的显著性检验。这表明存在着较为严重的空间相关性，OLS模型也就存在着较为严重模型设定偏误。这一点，也可以通过怀特检验看出，White统计量为，通过了1%的显著性检