我国农村信息消费水平的空间相关性及区域收敛性分析

刘伟

内容摘要：本文运用空间数据分析法分析了2002-2013年我国各地区农村居民信息消费水平。研究表明，农村居民信息消费水平具有很强的空间集聚现象，空间相关性随时间呈上升的趋势；在考虑空间相关性后，农村居民信息消费水平存在的绝对收敛更明显一些，即农村居民信息消费水平地区间差异会受到空间地理因素的影响。引入居民收入、城市化发展水平后，农村居民信息消费水平也存在着条件收敛，同时收敛趋势比绝对收敛趋势更强，即随着影响农村居民信息消费水平因素的考虑，地区间差异在减小。因此，本文认为提高地区城市发展水平，缩小农村居民收入差距，能够使农村居民信息消费向其自身稳态收敛，政府应制定相关政策，缩小农村居民信息消费水平的区域差距。

关键词：农村居民信息消费 空间相关性 区域收敛性 空间面板数据

相关文献综述

国外学者主要从几个方面对农村居民信息消费进行了研究：一是从信息服务对农业农村信息化的重要性角度，Ballantyne（2014）认为信息服务在解决农民在贫困和食物匮乏方面起到重要的作用。二是研究农民如何获取信息服务，Surabhi Mittal（2014）对印度农民获取信息的途径进行调研，发现农民群体之间的信息交流是最主要的信息服务来源。三是考察农民信息服务消费的影响因素，Peter O.Siyao（2012）、Joseph Welfare Irivwieri（2007）、Frank Tansera（2006）分别研究出农民自身教育程度、性别、环境因素对农民信息消费影响较大。国外研究者在农村居民信息服务消费问题时研究方法多样，数据多来源于调查统计，因此研究结论较为可信，存在的问题是研究对象多数在发展中国家，而对发达国家农村居民信息服务消费问题研究较少。

总结国内现阶段的文献可以看出：多数学者认为农村居民信息消费存在地区差异，也具体分析了农村居民信息消费存在地区差异的原因。但很少有学者从空间角度分析，即忽视了空间地理因素对这一问题的影响，而对于空间效应的考虑，能够更全面地分析农村居民信息消费问题。吴玉鸣、陈志建（2009）从空间角度研究了消费水平的区域差异，认为空间因素会对居民消费水平的区域差距产生影响以及政府制定空间协调政策来缩小这种差距的意义重大。众多学者在研究其他经济问题时通常也会考虑空间效应，如余华义（2011）关于能源强度区域差异的研究表明，能源强度具有空间集聚的特点，且能源强度地区差异在缩小。因此，本文在研究农村居民信息消费的区域差异时，试图将空间地理因素引入，并运用空间数据分析法来研究这一问题。

我国农村居民信息消费水平的空间相关性分析

（一）研究方法

空间相关性分析主要采用探索性空间数据分析方法，其主要用于检测变量的空间关联性和空间数据集聚现象。在本文中，如果农村居民信息消费水平在空间上发生集聚，表明在一定的区域内，农村居民信息消费水平在各个地域单元之间具有自相关性：即某一地域单元农村居民信息消费水平较高，其周围地域单元的农村居民信息消费水平也较高；某一地域单元农村居民信息消费水平较低，其周围地域单元的农村居民信息消费水平也较低。因此，空间相关性可以用来反映空间集聚现象。

探索性空间数据分析主要有2种：第一种是全域空间自相关分析，研究整个区域的空间相关性。第二种是局域空间自相关分析，研究区域内各个地域单元的空间关联性。

在研究全域空间自相关分析时，普遍采用的是Moran`s I指数。其计算公式为：

Xi表示地区i的观测值，本文中指农村居民信息消费水平。n为地区总数，本文选取我国31个省份（港澳台地区除外）。Wij为空间权重矩阵，空间权重矩阵一般基于“邻近性”和“距离性”关系来构造。多数采用的是基于邻近关系的矩阵，当第i地区与第j地区相邻时，Wij取值为1，当第i地区与第j地区不相邻时，Wij取值为0。本文采用的是rook一阶权值矩阵。

Moran`s I的取值范围为[-1，1]。I取值的绝对值表示相关性的强弱，当I>0时，表示地区间存在正的空间相关性；当I=0时，表示地区间无空间相关性；当I<0时，表示地区间存在负的空间相关性。

当局域Moran`s Ii显著为正且Zi大于0，表示的是位置i与其邻近的观测值相比样本平均水平为高，即一个高值被高值所包围，属于高高集聚（H-H）；当局域Moran`s Ii显著为正且Zi小于0，表示的是位置i与其邻近的观测值较低，即一个低值被低值所包围，属于低低集聚（L-L）；当局域Moran`s Ii显著为负且Zi大于0，表示的是位置i远高于其邻近的观测值，即一个高值被低值所包围，属于高低集聚（H-L）；当局域Moran`s Ii显著为负且Zi小于0，表示的是位置i远低于其邻近的观测值，即一个低值被高值所包围，属于低高集聚（L-H）。

（二）样本数据选取及说明

结合众多学者的研究，本文采用的是2002-2013年我国各省份农村居民医疗卫生费用、交通通讯费用、文化教育和娱乐产品及服务的消费数据，并将三者加总作为衡量农村居民信息消费水平指标，同时消除价格因素影响。数据主要来源于2002-2013年《中国统计年鉴》。

（三）全域空间相关性分析

根据图1Moran`s I变化趋势图看出，2002-2013年农村居民信息消费水平全域Moran`s I虽然呈现出一定幅度的波动，但总体上呈现出上升的趋势，这表明随着各地区经济水平的发展，信息产品和服务的推广，农村居民在信息消费方面受到临近地区农村居民的影响越来越大，信息消费水平空间相关性越来越强。

（四）局域空间性分析

全域空间性分析的结果说明我国农村居民信息消费水平具有空间聚集现象，但并不能得到农村居民信息消费水平在哪些地区存在这一现象，而Moran散点图能够说明哪些地区存在高高集聚和低低集聚现象。

根据图2的Moran散点图分析，2002年处于高高集聚（H-H）区第一象限的省份为北京、天津、上海、江苏、浙江、福建。而2013年则增加了吉林、辽宁、黑龙江省份，另外福建不处于高高集聚区。2002年处于低低集聚（L-L）区第三象限的省份较多，有云南、贵州、四川、黑龙江、吉林、辽宁、青海、陕西、甘肃、新疆、内蒙古、宁夏、山西、广西、河南、湖北、湖南、西藏、重庆省份。2013年增加了山东省份，另外黑龙江、辽宁、吉林省份不处于低低集聚区。在2002年处于低高集聚（L-H）区第二象限的省份为安徽、江西、河北、海南。到2013年则为安徽、江西、河北、海南、福建。2002年处于高低集聚（H-L）区第四象限的省份为山东、广东，2013年则为内蒙古、广东。通过对比2002年与2013年，大部分省份都处于低低集聚（L-L）区，个别省份集聚区发生了变化。

我国各地区农村居民信息消费水平收敛性实证分析

农村居民信息消费水平的收敛性，是指随着时间的发展，各地区间农村居民信息消费水平差距不断缩小，具有趋同性。即不同地区间，农村居民信息消费水平的增长速度与初始水平之间存在负相关关系，但最终会收敛于同一稳态。若各地区农村居民信息消费水平差距在缩小，并能够达到相对稳定状态，说明农村居民信息消费水平存在收敛性。农村居民信息消费水平的收敛性包括：绝对β收敛，是指农村居民信息消费水平增长率与初始期呈负相关，即农村居民信息消费水平高的地区信息消费增长速度比农村居民信息消费水平低的地区慢；条件β收敛，即各个地区的农村居民信息消费水平最终会收敛于自身的稳态，信息消费水平高的地区收敛于较高的稳定状态，而信息消费水平低的地区收敛于较低的稳定状态。

（一）绝对β收敛的空间经济计量模型

绝对β收敛的基础模型为：ln（yi，t/yi，t0）=α+βlnyi，t0+εi。考虑到绝对β收敛基础模型的内生性问题以及根据绝对β收敛具有长期性的特征，模型可以进一步写为：。将空间相关性引入基础模型中，同时根据空间经济计量研究中常用的空间滞后因子包括因变量的空间相关性、自变量的空间自相关，以及模型误差的空间自相关的几种空间计量模型，得到如下的空间计量经济模型：

在上述模型中，εt和μt分别表示为SLM和SEAR的误差向量，其中SARAR模型将误差分解为空间自相关项Wμt和满足正态独立同分布的随机扰动项εt。ρ和λ分别为空间自相关系数和空间误差自相关系数。β2为lnyt0的空间自相关系数。

由表1中的模型估计结果得到：所有模型的β估计值均在1%的显著性水平下显著为负，且数值上大体接近，说明2002-2013年我国农村居民信息消费水平存在着绝对β收敛趋势。在考虑空间自相关性后，模型2中得到的β估计值虽然在1%的显著性水平下显著为负，但与模型 比较发现，模型2中β绝对值稍小，说明模型2的绝对β收敛效果较弱一些。因此空间自相关滞后模型并不优于最小二乘估计模型。模型3考虑的是如果居民信息消费水平空间相关性没有在解释变量中体现，而是体现在误差项之间时的情况。模型3中所有的系数估计值均在1%的显著性水平下显著，同时AIC值是所有模型中最小的，β绝对值也大于模型1中的。模型4中的空间自相关系数和模型5中常数项都没有通过显著性检验，模型非最优。所以空间误差自相关模型是本文研究我国农村居民信息消费水平绝对β收敛的最优模型。

对于空间误差自相关模型（模型3），由于其空间相关性不反映在解释变量中，而是出现在误差项中，空间效应可能是因为对局域某些省份都产生了影响的其它变量造成的，比如沿海地区本身经济发展水平就很高，人均居民收入也比中部、西部地区的高，同时受局域信息消费习惯的影响，都可能影响到居民信息消费水平。因此，考虑条件β收敛模型，在研究农村居民信息消费水平地区收敛性时具有必要性。

（二）条件β收敛空间经济计量模型

在农村居民信息消费水平绝对收敛β模型中加入一些影响农村居民消费水平的控制变量，得到条件β收敛模型。在构建条件β收敛模型时，要求选取的控制变量既能影响农村居民信息消费水平，也要具有地区差异性，同时具有非随机性。在经过一系列的尝试后，控制变量选取为农村居民收入和城市化发展水平时，模型的估计结果较为显著。

由表2的模型估计结果得到：在引入农村居民收入和城市化发展水平后，所有模型的β估计值均在1%的显著性水平下为负，且数值大小接近，这说明我国农村居民信息消费水平存在条件β收敛趋势。模型1中城市化发展水平系数估计值在5%的显著性水平下为正；其余4个模型中城市化发展水平系数估计值均在10%的置信水平下显著为正，并且数值大小上较为接近，表明城市化发展水平在某种程度上会影响农村居民信息消费水平的地区收敛性。模型2和模型5中空间滞后估计系数ρ均在1%的显著性水平下为正，表明各个省份之间的农村居民信息消费水平存在较强的空间相关性。模型3和模型4中误差项的空间自回归系数也均在1%的显著性水平下为正，说明农村居民信息消费水平存在的空间相关性来自于误差项的影响，也说明这里选取的控制变量可能有所遗漏。模型5中的农村居民收入和城市化发展水平二者的一阶滞后项系数均不显著，这表明上一期的居民收入和城市化发展水平对农村居民信息消费水平条件β收敛性作用不明显。整体上看，最优模型仍是模型3，与模型5相比，虽然LogL值比SDM模型小，但通过AIC进一步检验发现，模型3中AIC值是最小的，同时模型5中部分项的系数并不显著。模型3的空间误差估计系数在小于1%的显著性水平下显著，表明一个地区农村居民信息消费水平的年均增长率与该地区初期的信息消费水平以及居民收入有关，同时还会受到其临近地区农村居民信息消费增长率的随机冲击的影响。但是与邻近地区的农村居民信息消费的平均增长率无关。即邻近地区的农村居民消费增长并不会引起该地区的农村居民信息消费的增长。

研究结论与政策建议

为了分析我国农村居民信息消费水平的空间相关性和区域收敛性，本文首先采用了探索性空间数据分析法，分析了2002-2013年我国各省份农村居民信息消费水平的空间相关性，其次运用空间面板数据模型对地区收敛性进行研究。

（一）研究结论

2002-2013年我国各省市农村居民信息消费水平存在着全局空间自相关性，并且这种相关性呈上升的趋势。即农村居民信息消费水平具有空间集聚现象，在空间分布上呈现高高集聚和低低集聚。同时，部分地区不具有空间自相关性，即部分地区农村居民信息消费水平的高低与邻近地区农村居民信息消费水平的高低关系不大，这部分地区农村居民信息消费水平在空间分布上具有随机性。无论是否考虑空间相关性，我国各地区农村居民信息消费水平都存在绝对β收敛。即空间相关性的存在与否并不影响我国各地区间农村居民信息消费水平的差距随时间呈缩小的趋势。但考虑空间相关性后，绝对β收敛速度更快，说明我国各地区间农村居民信息消费水平的差距会受到空间地理因素的影响。同时空间误差自相关模型是研究我国农村居民信息消费水平绝对β收敛的最优模型，这种相关性来自空间误差自相关，即随着影响农村居民信息消费水平因素的考虑，农村居民信息消费水平地区间差距在缩小。在引入农村居民收入和地区城市化发展水平后，我国各地区农村居民信息消费水平都存在条件β收敛，虽然考虑空间相关性后，空间误差自相关模型的收敛速度比不考虑空间相关性稍慢一些，但条件β收敛速度明显快于绝对β收敛速度。说明农村居民收入、城市化发展水平差异会影响收敛的趋势，即各地区农村居民收入水平间的差距大小与地区城市化发展水平间的高低都会对地区间农村居民信息消费水平的差距产生一定的影响效果。

（二）政策建议

缩小居民收入差距，整体提高各地区的居民收入水平。信息消费水平的高低与地区经济发展水平相关，经济发展较快的地区，居民信息消费水平相对较高，因此国家应当采取措施，通过改革我国居民收入分配机制，合理调节农村居民收入水平，促进农村居民收入适当增加，以促进贫困地区信息消费水平的提升。

提高地区城市化发展水平，加大农村居民信息消费保障力度。对于农村居民而言，城市化发展水平越落后，信息流入越难，形成信息消费障碍，导致农村居民信息消费水平偏低。因此在提高地区经济发展的同时，政府部门应加大贫困地区信息消费的保障力度及范围，以消除贫困地区居民信息消费的障碍。

采取针对性策略，逐步推进农村居民信息化工作。由于农村居民信息消费水平存在空间集聚现象，因此，相关政府部门可以通过建立信息消费中心地区带或城市圈，先大力推进中心地区的信息消费建设，再将信息建设范围局部扩大到周边地区并充分利用其信息消费的空间影响带动周边地区信息消费水平的提升，逐步改善农村居民信息消费水平。

参考文献：

1.朱琛，孙虹乔.我国城乡居民信息消费的比较分析：基于1992-2008年的实证[J].图书情报工作网刊，2010（12）

2.叶元龄，赖茂生.我国农村居民信息消费需求的区域比较[J].情报杂志，2012（5）

3.陈立梅.基于扩展线性支出系统模型的我国农村居民信息消费结构分析—来自1993-2009年的经验数据[J].管理世界，2013（9）

4.吴玉鸣，陈志建.居民消费水平的空间相关性与地区收敛性分析[J].世界经济文汇，2009（5）

5.余华义.中国省际能耗强度的影响因素及其空间关联性研究[J].资源科学，2011，33（7）