经济集聚与经济增长的空间计量分析

《经济集聚与经济增长的空间计量分析》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、经济集聚与经济增长的空间计量分析　　摘要：从新经济地理学视角，基于空间计量经济模型，对江苏省经济集聚与经济增长的关系进行了实证分析。结果表明：江苏省县域经济具有显著的空间相关性，但苏南增长极对邻近区域的影响主要体现为回浪效应，扩散效应不足；以产业集聚和城市化为特征的经济集聚对于经济增长具有积极作用，但这种影响是地方性的，随空间距离的增加而衰减。需要采取各种政策措施促进要素向苏北地区的流动，加大快速交通网络的建设力度，加强苏北地区中心城市的建设，不断缩小苏南苏北地区之间的差距。　　关键词：经济集聚；经济增长；空间计量模型　　　　一、引言及　　此外，城市的出现也是经济集聚的一种表现。经济学

2、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+

3、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+ρ)，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=

4、β0+β1LQ2+β2LQ3+β3URBAN+ε，ε=A-Iag和LM-Error，以及相应的稳健性拉格朗日乘子RobustLM-Lag和RobustLM-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RobustLM-Lag和RobustLM-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。　　　　

5、四、实证检验与结果分析　　　　为了进行比较，首先给出经典线性回归模型的OLS估计结果，见表1。由表1的检验结果可以看出，OLS估计的F统计量达到117.193，模型整体上非常显著。拟合优度为0，8521，说明拟合程度一般，可能与忽略了空间依赖性有关。LQ2、LQ3和URBAN系数的符号都与预期一致，均为正；LQ2、LQ3在1％的水平上显著，URBAN在5％的水平上显著。自然对数似然函数值(Loglikelihood)、赤池信息准则(AIC)和施瓦茨准则(SC)作为衡量模型拟合优度的指标，在下文中与空间计量模型的估计结果进行比较。　　接下来，采用GeoDa0.9.5软件对OLS估计的残差

6、进行空间依赖性检验。这里使用的江苏省县域地图数据来自中国分县行政区划界线数字化地图，①空间权重矩阵采用的是一阶Rook邻接矩阵。检验结果见表2。表2显示，Moran’sI指数在1％的概率上显著，说明OLS估计的残差存在明显的空间自相关性，经典线性回归模型可能存在模型设定不恰当的问题。因此，这里采用OLS估计是不合适的，需要将截面单元之间的空间相关性引入模型中。具体是采用空间滞后模型还是空间误差模型，可以根据拉格朗日乘子检验的结果来决定。由于LM-Lag和LM-Error都在1％的水平上显著，因此需要进一步比较RobustLM-Lag和RobustLM-Error。RobustLM-La

7、g在1％的水平上显著，而RobustLM-Error在10％的水平上显著，相比之下，RobustLM-Lag的显著性更强。因此，根据上文中提到的标准，选择空间滞后模型(2)更为合适。空间计量模型如果仍采用最小二乘法估计，系数估计值会有偏或者无效。这里用极大似然法(ML)进行估计。结果见表3。　　首先，通过似然比检验比较原模型(不考虑空间因素的经典回归模型)与各择模型(空间滞后模型)空间自相关系数的渐进显著性。表3中SLM模型的LR值为25.44