中国资源产业依赖的地区差异及演变——基于Dagum基尼系数分解

刘那日苏　郝　戊

(内蒙古科技大学，包头　014010)



中国资源产业依赖的地区差异及演变
——基于Dagum基尼系数分解

刘那日苏郝戊

(内蒙古科技大学，包头014010)

〔摘要〕本文利用中国2003～2014年省际面板数据，结合Dagum基尼系数及其按子群分解方法与非参数估计方法，实证研究了中国资源产业依赖的地区差异及其动态演进过程。基尼系数测算及其分解结果表明，中国资源产业依赖在空间分布上具有明显的地区差异性，且其差异性呈波动下降态势，尽管超变密度的贡献率不断下降，但仍是地区差异的主要来源，地区间净值差距对地区差异贡献率不断上升，地区内差距贡献率较平稳。Kernel密度估计表明，中国资源产业依赖的地区差异经历了“先升后降”的变化过程。

〔关键词〕资源产业依赖地区差异基尼系数Kernel密度估计

引言

自从Auty(1993)提出资源诅咒假说的近20多年来，资源产业依赖与资源诅咒效应的关系受到了学术界更加广泛的关注。作为生产活动的主要投入要素，丰裕的天然资源本身对经济增长是一个有利的基础条件。然而，从现实案例和现有文献来看二者的关系却在不同历史时期或不同地区呈现出完全相反的走向(Sachs和Warner，2001[1]；邵帅、齐中英，2008[2]；方颖、纪絗、赵扬，2011[3]；邵帅、范美婷、杨莉莉，2013[4])。学术界普遍认为自然资源开发能否促进地区经济发展，关键在于人们对自然资源的管理和开发利用是否科学合理，对资源产业的畸形依赖尤其是矿产资源的大规模开发是引发资源诅咒效应的主要原因，是羁绊区域经济发展的最大根源。我国不同地区(或省市)的经济发展水平、人文素质和资源禀赋等经济基础存在着较大差异，特别是伴随矿产资源的大规模开发，资源产业依赖的地区差异也逐步凸显。

从已有的研究文献来看，学界就资源产业依赖与经济增长的关系做了大量研究且成果颇为丰富，但对中国资源产业依赖的地区差异及其动态演变规律的定量化研究相对缺乏，特别是关于其地区差异的来源分解的研究更少，本文试图在这方面作微薄的尝试，拓展学界对于资源产业依赖地区差异性的认识。

本文在现有文献的总结和思考的基础上，运用2003～2014年中国省际面板数据，以采矿业固定资产投资占全社会固定资产投资的比重对资源产业依赖度予以度量，采用基尼系数分解方法来考察中国资源产业依赖的地区差异及其来源问题。依据Dagum(1997)提出的基尼系数及其按子群分解方法，我们将总体地区差异分解为地区内差异、地区间净值差异和超变密度①3个部分，进而有效刻画地区差异的来源问题[5]。在此基础上，利用Kernel核密度估计方法，进一步分析资源产业依赖地区差异的分布动态演进过程，详细考察其分布形态和延展性等特征。对于中国资源产业

依赖的空间分布格局及其动态演进过程的准确测度，不仅有助于揭示资源诅咒效应地区差异性的内在本质，也能为采取措施有效规避资源诅咒效应具有深远的学术价值和现实意义。

1研究方法与数据描述

1.1资源产业依赖地区差异的基尼系数分解方法

基尼系数、变异系数和泰尔指数是衡量地区差异的常用统计量，需要说明的是，在20世纪90年代后期以前，基尼系数是具有不可按地区分解的特点(崔启源，1994[6])，因此在学术研究中的应用受到许多限制，但是对于基尼系数分解的研究从未停止(Bhattacharya和Mahalanobis，1967[7]；Bourguignon，1979[8]；Frosini，1989[9]；程永宏，2008[10])。Dagum(1997)提出一种基尼系数按子群分解的方法，有效解决了基尼系数不能按地区分解的难题，此方法已被广泛应用于多个研究领域(刘华军、何礼伟、杨骞，2014[12]；黄杰、贾登勋，2015[13])。鉴于Dagum基尼系数按子群分解方法的优点和特性，本文采用该方法刻画中国资源产业依赖的地区差异及来源。

(1)

Dagum(1997)将总体基尼系数G分解为地区内差距贡献 、地区间净值差距贡献Gnb和超变密度①贡献Gt，且满足G=Gw+Gnb+Gt。公式(2)和(3)分别是某地区(如地区j)基尼系数Gjj和地区间(如地区j与h间)基尼系数Gjh；公式(4)、(5)、(6)分别是地区内差距贡献Gw、地区间净值差距贡献Gnb、超变密度贡献Gt。

(2)

(3)

(4)

(5)

(6)

(7)

上式中，djh和Pjh的计算由式(8)、(9)所示。我们将djh定义为地区间资源产业依赖度差值，可以理解为地区j和地区h间满足yjt-yhr>0条件的所有样本值之和的数学期望；pjh定义为超变一阶矩，即j、h区域中yhr-yjt>0的所有样本值之和的数学期望。Fj(Fh)为j(h)地区的累积密度分布函数。

(8)

(9)

1.2Kernel核密度估计

Kernel核密度估计方法作为一种常见的非参数估计方法，主要用于估计概率密度。非参数估计方法在不附加任何具体假定条件下，仅从数据样本出发研究其分布特征。总之，非参数估计相比于参数估计其前提假定更为放松，因此，被越来越多地应用于地区差异及其分布动态演进的相关研究中。假设随机变量X在点x处的概率密度函数为f(x)，则在点x处的概率密度可由公式(10)表示。

(10)

上式中，Xi为独立同分布的样本数据，x为均值，N是观测值的个数，h为带宽，K()为Kernel函数。在本文研究中，X1，…，Xn是各个省份的资源产业依赖度，f(x)是省域资源产业依赖的Kernel密度估计。参照现有研究中的通常做法，本文选择高斯核函数进行估计，其表达式如下所示：

(11)

本文关心的一个核心问题就是通过Kernel核密度估计结果的图形对比，判断中国资源产业依赖的分布形态、位置和演进态势。

1.3指标选取和数据描述

通常，以采矿业产值比重、投资比重、就业比重和出口比重作为度量资源产业依赖程度的指标。考虑到数据的可得性和合理性，本文以采矿业固定资产投资占全社会固定资产投资比重对资源产业依赖度予以度量。本文考察期为2003～2014年，所使用的数据主要来源于《中国固定资产投资统计年鉴》、《各省份统计年鉴》、《中国统计年鉴》有关各期，或根据其中数据计算得到，其中少数缺漏值利用中国知网统计数据库、搜数网数据库或插值法予以补齐。

2中国资源产业依赖的地区差异及分解

2.1中国资源产业依赖的空间分布特征

表1描述了2003～2014年，基于全国层面、区域层面和省域层面的资源产业依赖地区差异性的初步统计结果。从表中非常清楚地看出，中国资源产业依赖度的整体走势呈现出先上升后下降的态势，2008年达到最高的4.459%；西部地区资源产业依赖的总体走势与全国较为相似；中部地区从2005年开始呈现出逐年下降态势，若以2005年为基期，到2014年中部地区资源产业依赖度年均下降3.62%；东部地区资源产业依赖在2008年之前处于时有起伏中呈上升态势，之后呈现出逐年下降态势。值得注意的是，中西部地区的资源产业依赖度远远大于同期全国平均水平，特别是西部地区约为全国平均水平的两倍，而东部地区则远远小于全国平均水平。不难发现，西部与东部地区间差异最大且呈先扩大后缩小的演变态势。此外，资源产业依赖在不同省市间差异悬殊。2003年，黑龙江、新疆两个省区的资源产业依赖度都超过了10%，即新疆17.427%，黑龙江11.343%，低于3%的省份有17个，浙江为最低0.097%。2014年山西、新疆和内蒙古三省区的资源产业依赖度也超过了10%，而大多省市的资源产业依赖度却低于3%。

表1　资源产业依赖度　%

续　　表

2003年和2014年中国资源产业依赖的空间分布状况分别如图1、图2所示。我们可以直观地看出，中国资源产业依赖的空间分布具有明显的空间非均衡特征。由图1可知，2003年中部地区和西部地区的资源产业依赖度明显高于东部地区，其中新疆和黑龙江均超过10%。从图1和图2不难看出，中国资源产业依赖的空间分布动态演进的显著特征是逐步向中西部地区连片扩散态势，同时也能看出西部地区资源产业依赖的集聚程度较高。总体而言，我国资源产业依赖在空间分布上呈现出东轻西重的显著空间非均衡特征。

图1　2003年资源产业依赖的地区分布

图2　2014年资源产业依赖的地区分布

2.2资源产业依赖地区差异测度及来源分解

利用Dagum(1997)基尼系数及其按子群分解方法，进一步研究中国资源产业依赖的地区差异及其来源问题。本文基于东、中、西三大地区层面对我国资源产业依赖的地区差异进行分解，并测算地区内差距、地区间净值差距和超变密度对总体地区差异的贡献。

2.2.1中国资源产业依赖空间分布的总体差异、来源分解及演变趋势

从表2和图3看出，资源产业依赖的地区差异非常明显且处于时有起伏状态中。分时期看来，在2003～2009年，地区差异稳步缩小，在2009年总体基尼系数下降到0.487；在2010～2014年，地区差异时有起伏，在2012年基尼系数达到本文样本考察期内的最小值0.477。进一步分时期来看，在2003～2011年间，基尼系数尽管处于时有起伏状态，但总体上呈现出缓慢下降态势，2011年基尼系数比2003年下降0.043。在2012～2014年间，地区差距缓慢上升，2014年基尼系数比2012年上升0.016。

表2　我国资源产业依赖的基尼系数及其分解结果

那么，这种地区差异主要体现在怎样的地区构成上呢？本文依据Dagum基尼系数按子群分解方法，将总地区差异进一步分解为地区内差异、地区间差异和超变密度。从图4可以看出，本文考察期内超变密度对地区差异的贡献率为最高，是总体差异的主要来源，地区内差异的贡献率变化不明显，地区间差异的贡献率呈持续上升态势，并于2010年超过地区内差异的贡献。若以2003年作为基期进行测算，超变密度的贡献率年均下降5.87%，相反，地区间差异的贡献率年均上升14.53%。

图3　我国资源产业依赖地区差距的演变趋势

图4　我国资源产业依赖地区差距的来源

由于重工业优先发展战略和矿产资源的地区分布不均衡等因素的影响，改革开放之前我国资源产业依赖的地区分布是十分不平衡的，东北三省和内蒙古、山西等少数内地省份承担了主要的矿产资源采掘基地和重工业生产基地。随着改革开放和各地区工业化的陆续推进，目前我国仍处于矿产资源需求旺盛与部分地区大规模开采资源并存的局面，资源产业依赖的地区差异一直保持在较高水平。

2.2.2三大区域资源产业依赖的地区差异及其演变趋势

从表2可知，从三大地区层面看，东部基尼系数最高且一直处于频繁波动态势中，在本文样本考察期内，2014年基尼系数为最小0.467，即东部地区资源产业依赖的地区差异相对较高，但是总体上处于持续缩小趋势中；西部地区资源产业依赖的地区差异最小，从2003～2013年持续下降，在2013年达到整个样本考察期内的最小值0.266，随后虽有小幅上升，但不是十分明显；中部地区呈微弱波动的相对稳定状态。

3资源产业依赖的分布动态演进分析

3.1基于全国层面的Kernel核密度估计

本文利用高斯核函数作出我国31个省市资源产业依赖的核密度估计二维图(见图5)。我们可以看出，在样本考察期内，中国资源产业依赖的地区差异经历了“上升——下降”的过程。具体而言，2008年Kernel密度估计曲线峰值相比2003年显著下降，密度函数中心轻微向右移动，宽度拉大，这一方面说明我国资源产业依赖在上述期间内不断加深；另一方面也表明地区差异正在扩大。需要说明的是，2008年核密度估计曲线存在明显的右拖现象，这又说明某些省份处于过度依赖资源产业的状态。与2008年相比，2014年峰值大幅提高且密度函数中心轻微向左移动，宽度缩小，这说明此阶段资源产业依赖的地区差异开始缩小。与2003年相比，2014年密度函数中心无显著变化，但峰值显著提高且宽度变窄，这表明资源产业依赖的地区差异在本文样本考察期内呈下降态势。可能的原因是，资源型地区努力通过产业多样化和资源型产业转型升级等途径有效降低资源产业依赖度，各地区更注重自然资源的合理开发利用与资源配置效率的提高，从而资源产业依赖的地区差异在全国范围内表现出下降趋势。此外，2014年Kernel密度估计曲线呈明显的双峰分布，即资源产业依赖具有明显的两极分化特征。

图5　全国资源产业依赖的分布演进

3.2基于三大区域层面的Kernel密度估计

图6报告了东部地区资源产业依赖的分布演进特征。从整体上看，东部地区资源产业依赖的分布密度曲线峰值不断变大，宽度不断缩小，反映资源产业依赖的地区差异不断缩小；还有，密度函数中心经历了“先右移后左移”的过程，这又说明资源产业依赖呈“先加大后下降”态势。

图6　东部地区资源产业依赖的分布演进

图7描述了中部地区资源产业依赖的分布演进特征。从整体来看，在本文样本考察期内密度函数宽度经历了“先拉大后缩小”的过程，峰值较大幅度波动且密度函数中心轻微发生移动，这说明在本文样本考察期内地区差异呈现出先扩大后下降的演变趋势。就演变过程来说，与2003年相比，2008年密度函数中心轻微向右移动，峰值变小，宽度拉大，表明地区差异正在扩大，且资源产业依赖具有加重趋势。需要说明的是，2008年分布密度函数双峰现象更为显著，区域内资源产业依赖具有明显的两极分化特征。与2008年相比，2014年峰值大幅提高且密度函数中心向左移动，宽度变窄，这说明此阶段资源产业依赖的地区差异开始缩小。与2003年相比，2014年密度函数中心无显著变化，但峰值显著提高且宽度变窄，这表明中部资源产业依赖的地区差异在样本考察期内总体上呈下降态势。

图7　中部地区资源产业依赖的分布演进

图8描述了西部地区资源产业依赖的分布演进特征。就从演变过程来看，较之2003年，2008年密度函数中心向右移动，宽度拉大，双峰现象变弱，峰值变小，这充分说明地区差异呈扩大态势。相对于2008年，2014年密度函数中心向左移动，由单峰变为双峰，宽度变小，表明资源产业依赖的地区差异呈缩小趋势且存在明显的两极分化态势。总的来看，西部资源产业依赖的地区差异呈现出“先扩大后缩小”的变化过程。

图8　西部地区资源产业依赖的分布演进

4结论与启示

针对中国资源产业依赖的地区差异问题，本文利用2003～2014年中国31个省市的面板数据样本，以采矿业固定资产投资占全社会固定资产投资比重对资源产业依赖度予以度量，采用Dagum基尼系数和Kernel核密度估计方法，实证地考察了中国资源产业依赖的地区差异及其演变趋势，得到如下主要结论。

(1)利用GIS绘制的资源产业依赖空间分布图直观地显示中国资源产业依赖具有显著空间非均衡特征，中西部地区的资源产业依赖度明显高于东部地区。这主要是东部发达地区拥有较好的制度环境、人力资本积累和技术创新能力，制造业和高新技术产业获得长足发展，成功摆脱了资源依赖型经济增长模式。此外，资源产业依赖的空间非均衡往往与地区资源禀赋和经济发展模式有关，资源富集地区更趋向于优先选择资源依赖型经济发展道路，从而其资源产业依赖度普遍高于其他地区。

(2)根据Dagum基尼系数测算及分解结果，中国资源产业依赖的地区差异在整个样本考察期内较为严重且呈波动中缩小趋势，空间分布不均衡的现象有所缓解。从地区差异的来源及其变化来看，尽管超变密度对总体差异的贡献率呈下降趋势，但仍然是导致中国资源产业依赖地区差异的主要原因；地区内差距的贡献率较为平稳；地区间差距的贡献率不断上升，逐渐成为中国资源产业依赖地区差异的主要来源。因此，当前需要进一步缩小地区内差异的同时，应当加大措施协调地区间资源产业的协调发展，防止地区间差异的进一步扩大。

(3)Kernel核密度估计表明，中国资源产业依赖度及其地区差异均呈“先上升后下降”趋势，说明近年来的一系列资源开发利用战略和政策措施开始收到一定的效果，在一定程度上降低了我国资源产业依赖的地区差异。

上述发现具有一定的理论启示和政策含义：(1)本文对现有文献极少关注，但却在资源诅咒命题研究中更为重要的资源产业依赖的地区差异及其演变趋势进行了分析，这一工作对于增强有条件资源诅咒假说的理论逻辑性和现实解释力具有积极的理论价值。(2)本文首次证实了地区间差距、地区内差距和超变密度对中国资源产业依赖的总体地区差异的贡献，这些来源的识别对于我国资源富集地区有效降低资源产业依赖度，加快转变经济发展方式具有重要的现实指导意义。(3)要想提高资源利用效率降低资源产业依赖度，除应当合理利用自然财富加强人力资本积累和技术创新、促进制造业发展、推进市场化进程、提高政府工作效率之外，更重要的是实现资源富集地区的产业结构转型升级，各地区应根据自身实际，因地制宜采取产业发展政策，通过产业多样化和提高要素配置效率来摆脱过分依赖矿产资源的单一产业发展路径。

注释：

①两个不同区域之间，经济发展水平较低的区域中存在着比较富裕的个体，而经济发展水平较高的区域中也存在着相对贫穷的个体，由这两个部分共同存在所导致的区域差异被称为超变密度。

②我国经济布局可以分为三大板块：东部地区、中部地区、西部地区。有鉴于此，本文将按照这3个区域来展开相关分析。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、辽宁、海南共11个省份和直辖市；中部地区包括山西、河南、湖南、湖北、安徽、江西、吉林、黑龙江共8个省份；西部地区包括内蒙古、新疆、宁夏、陕西、甘肃、青海、四川(将重庆并入)、云南、广西、西藏、贵州共11个省、自治区和直辖市。由于重庆市1997年被划为直辖市，因此，很难获得其1990～1997年资源产业依赖的完整数据，为了保证对我国资源产业依赖的空间非均衡及其演进过程的分析具有科学性和连续性，本文将重庆并入四川进行分析。

参考文献

[1]Sachs J D,Warner A M.The Curse of Natural Resources[J].European Economic Review,2001,45(6):827～838

[2]邵帅,齐中英.西部地区的能源开发与经济增长—基于“资源诅咒”假说的实证分析[J].经济研究,2008,(4):147～160

[4]邵帅,范美婷,杨莉莉.资源产业依赖如何影响经济发展效率？——有条件资源诅咒假说的检验及解释[J].管理世界,2013,(2):32～63

[5]Dagum C.A New Approach to the Decomposition of the Gini Income Inequality Ratio[J].Empirical Economics,1997,22(4):515～531

[6]崔启源.测算中国省际地区差距问题[M].北京:中国统计出版社,1994

[7]N.Bhattacharya,B.Mahalanobis.Regional Disparities in Household Consumption in India[J].Journal of the American Statistical Association,1967,62(317):143～161

[8]Bourguignon F.Decomposable Income Inequality Measures[J].Econometrica,1979,47(4):901～20

[9]Frosini B V.Aggregate Units,Within-group Inequality and the Decomposition of Inequality Measures[J].Statistica,1989,49(3):349～369

[10]程永宏.基尼系数组群分解新方法研究:从城乡二亚组到多亚组[J].经济研究,2008,(8):124～135

[11]方永恒，肖建业，王婷．资源型产业集群转型过程中的风险研究[J]．工业技术经济，2013，(9)：34～40

[12]刘华军,何礼伟,杨骞.中国人口老龄化的空间非均衡及分布动态演进:1989～2011[J].人口研究,2014,(2):71～82

[13]黄杰,贾登勋.中国低碳经济发展的空间非均衡及动态演进[J].统计与信息论坛,2015,30(3):57～64

(责任编辑：王平)

收稿日期：2016—03—15

基金项目：教育部人文社会科学研究西部和边疆地区项目“资源诅咒效应发生机制与规避策略研究：基于空间经济学视角”(项目编号：15XJC790006)；内蒙古自治区高等学校科学研究项目“资源产业依赖与区域经济发展效率的关联机制研究”(项目编号：NJSY161)。

作者简介：刘那日苏，内蒙古科技大学经济与管理学院副教授，经济学博士，硕士生导师。研究方向：资源(能源)经济、城市与区域经济。郝戊，内蒙古科技大学经济与管理学院教授，硕士生导师。研究方向：区域发展战略。

DOI：10．3969/j．issn．1004-910X．2016．07．009

〔中图分类号〕F062.9

〔文献标识码〕A

Regional Disparities and the Evolution of the Dependence on Resource-based Industries in China——On Dagum Gini Coefficient Decomposition

Liu NarisuHao Wu

(Inner Mongolia University of Science and Technology，Baotou 014010，China)

〔Abstract〕Using China’s provincial panel data from 2003 to 2014,this article examines regional disparities and distributional dynamics of the dependence on resource-based industries in China with Dagum’s Gini coefficient and Kernel density estimation method.It reaches the following results.The dependence on resource-based industries in China is characterized by significant regional disparities.According to the overall Gini coefficient,regional disparities exhibits certain fluctuation.The intensity of trans-variation is the major source of overall inequality.The disparity among regions is on the rise,while the disparity in regions is relatively stable.Kernel density estimation indicates that the dependence on resource-based industries in China rises first and decreases afterwards.

〔Key words〕dependence on resource-based industries;regional disparities;Gini coefficient;Kernel density estimation